微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 暴风冯鑫:已与华为小米合作 3年后VR游戏将血洗CJ

暴风冯鑫:已与华为小米合作 3年后VR游戏将血洗CJ

2015-07-31 09:35
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-07-31 09:35 凤凰网

暴风CEO冯鑫日前在China Joy上表示,在VR领域,相比于Oculus采用的PC方案,移动VR才是未来虚拟现实行业发展的主流。

冯鑫透露暴风目前正在和华为小米进行合作,华为的硬件制造和软件开发都已交由给暴风团队,小米则选择自研开发软件平台,硬件制造仍选择与暴风共同开发。

冯鑫预测在今年第四季度整个VR产业将迎来一波集中的爆发,他认为当单款游戏月活量达到30万时,就会出现100万的流水收入,行业发展的拐点就会出现。他透露目前魔镜的首款游戏《极乐王国》的月活量已经达到10万。

对于VR游戏产业的发展现状,冯鑫表示在未来18个月内会出现两到三款爆品游戏,这会逐渐带动整个VR内容产业的兴起。“最有实力做出好的内容产品的仍然是那些传统游戏厂商和视频企业,可喜的是他们现在已经开始在VR产业中有所动作。”冯鑫说到。

冯鑫在现场公布了目前魔镜最新的用户数据:总用户数超30万,日活用户数超2万,平均使用时长在30分钟左右。

对于外界关心的一体机方案,冯鑫表示暴风内部已正在开发。他透露暴风团队的预期是做的要比三星Gear VR要好。“价格贵一点没关系,关键要把用户体验做好。”冯鑫说。

冯鑫称未来VR游戏公司将不仅仅只是开发者角色,更会演变成大型的互联网平台。他认为目前大型游戏近期不可能迅速占领VR市场,移动端会更相比容易切入。对于最先会火起来的VR游戏,冯鑫表示可能会出现在虚拟人生和社交等领域。

“三年后,VR游戏一定会血洗CJ。”冯鑫信心满满的说道。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-