第一季度全球前五大可穿戴设备厂商
北京时间6月7日早间消息,IDC近期公布了“全球市场季度可穿戴设备跟踪报告”,第一季度Fitbit是全球排名第一的可穿戴设备厂商。然而,随着苹果Apple Watch的全面开售,Fitbit的优势很可能将不复存在。
IDC公布的数据显示,2015年第一季度,Fitbit、小米和Garmin是全球前三大可穿戴设备厂商。不过,苹果今年4月开始销售Apple Watch。因此当第二季度数据发布时,苹果将跻身这一排行的前列。
IDC可穿戴设备研究经理雷蒙·拉马斯(Ramon Llamas)表示:“Apple Watch很可能将成为其他可穿戴设备的对比对象。这将迫使竞争对手采取措施,以保持在市场的领先优势。”
整体来看,第一季度可穿戴设备市场同比增长200%,全球出货量为1140万个。这表明,这一市场非常强劲。
拉马斯表示:“第一季度,即‘后假日季’时段销售滑坡不明显,这表明可穿戴设备市场非常强劲。终端用户的兴趣不断提升,而相关厂商可以提供多样化的设备和体验。此外,新兴市场的需求正在上升,而厂商渴望把握这些新机会。”
导致Apple Watch无法主宰市场的一大障碍在于,这款产品的入门价格较高。IDC指出,价格下降是推动可穿戴设备销售火爆的原因之一。Apple Watch的起步价格为349美元,是其他可穿戴设备平均价格的3倍。IDC估计,有40%的可穿戴设备价格低于100美元。
IDC全球移动设备跟踪报告高级分析师杰特什·乌布拉尼(Jitesh Ubrani)表示:“与任何新生市场一样,价格下降非常猛烈。在平均价格下降的情况下,苹果携一款高价产品入市将检验用户是否愿意为某一品牌,或是受市场关注的产品而支付更高的价格。”
IDC的数据显示,第一季度,Fitbit的设备出货量为390万个,市场份额为34%,这是由于Charge、Charge HR和Surge等新产品的需求强劲。此外,用户也在继续追捧Fitbit的Flex、One和Zip等产品。IDC认为,同时专注于休闲和高端市场是Fitbit取得成功的重要原因。
Fitbit的市场份额比排名第二的小米高10%。小米排名第二主要是依靠小米手环在中国国内市场的销售。IDC认为,小米将很快进一步开拓国际市场,从而成为Fitbit的有力竞争对手。
与Fitbit类似,Garmin也提供了多样化的可穿戴设备产品。不过,Garmin的市场份额仅略高于6%。
三星排名第四。IDC分析师指出,三星的表现不佳主要是由于,其Gear设备只能连接某些高端的三星智能手机。
Jawbone、索尼和Pebble正在争夺市场第五的位置,而第一季度Jawbone取得了领先。拉马斯和乌尔巴尼表示,Jawbone的UP MOVE和UP24第一季度带来了帮助。而随着第二季度Jawbone再推出两款新产品,这样的优势还将得到加强。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。