CNET科技资讯网 1月30日 国际报道: 长久以来,人们一直在等待着可穿戴式设备的真正崛起。经过数年以来规模可观的资源投入之后,我们发现最新一届CES展会并没有带来多少与可穿戴式设备相关的信息; 除了两、三款智能手表的发布公告、部分合作伙伴关系的建立以及几种中庸的手环,整个可穿戴式行业似乎在很大程度上将希望寄托在联网家庭、特别是与Alexa进行对接身上。
而制造商们的消极态度,在很大程度上源自Android Wear 2.0的延迟发布——我们真的无法接受这套解决方案错过假日高峰以及今年规模最大的高科技展会。谷歌公司这款可穿戴式操作系统的最新版本预计将在2月2日号发布。
当其推出之时,Android Wear 2.0将接受整个行业的检验。而未能参与本届CES展会在很大程度上代表其恐怕并无法令人满意,特别是考虑到可穿戴式设备在2016年年内的糟糕表现。去年10月,IDC公司发布报告指出,其认为可穿戴式设备的“总体出货量较上年同期大幅缩水51.6%”。去年12月,eMarketer亦发布了一项调查结果,其中显示可穿戴式业务市场的预期已经明确遇冷。调查指出,“特别是智能手表产品并没能真正打动客户。”
去年,可穿戴式设备领域的各大主要厂商皆表现不力。Fitbit公司的股价遭遇重创,英特尔公司也似乎放弃了原本乐观的发展心态。据消息人士透露,去年年底微软公司对于其Band手环的期望几乎归零,2代产品终止销售且没有任何迹象表明其还将继续开发第3代方案。Jawbone方面没有确切消息,不过可以肯定的是情况同样不容乐观。
事实上,Jawbone公司最近驳斥了Fitbit宣称其已经基本破产的言论,并表示将就此事对后者发起诉讼。不过尽管Fitbit公司的说法确实有些过火,但Jawbone身限困境却已经是不争的事实——最近其CFO选择离职、该公司表示正在寻求资金并考虑放弃消费级设备业务。
接下来则是Pebble。这家众筹领域的宠儿并没能保持住上一年的智能手表发展热潮。该公司原本设计了两款新型智能手表产品外加一款面向跑步人士的新型移动设备,但其最终只推出了其中一款产品。不久之后,其透露称该公司将被并入Fitbit,这意味着Pebble品牌将正式消亡。
但积极的消息也不是没有。Canalys公司宣称智能手表产品在去年年末的销售量有所增加。根据该公司的统计,“尽管不少报告给出了相反的结论,但Canalys通过调查发现相较于2015年第三季度的出货量——即Apple Watch于2015年4月发布后的第一个完整销售季度,今年同期的数字有所上升。”当然,其将希望主要寄托在Apple Watch身上,这显然要归功于苹果产品在这一市场中的可观份额比例。
Canalys及其它分析企业将去年全年的低迷表现照片于苹果与三星公司产品发布的延后以及Android Wear 2.0的缓慢进度。毕竟这些厂商占据着可穿戴式设备市场的大比重份额,因此其实际表现将对市场趋势产生直接影响。
即便如此,我们也无法否认可穿戴业务市场正处于历史转折点。这也许代表着可穿戴设备步入下一阶段前所必需经历的成长烦恼,但也可能意味着其将继续萎缩并身陷万劫不复的深渊。事实上,可穿戴式设备很可能正是其早期成功的受害者。这一业务门类由前所未有到无处不在的发展速度即使纵观整个技术发展史,也是相当罕见的。
很有可能目前的市场已经达到饱和点。相当一部分用户也许已经将自己购买的设备丢在一旁——毕竟可穿戴式设备一直在功能性装置与健身器材之间面临着两难的定位选择。而新年期间的实际情况也证明,单有良好的意图并不能成就理想的市场。更不用掉很多设备都只是一款放大版的计步器,在这样的事实之下,其很容易为任何一款智能手机所取代。
显而易见的是,从业者必须对现有情况加以扭转。我们很难想象Android Wear新版本的推出能够快速改善当前的不利局势,但这至少意味着市场将立足于此推出新一波产品。可穿戴设备制造商需要总结以往经验并从中汲取灵感。毕竟用户对于更为细化的医疗指标信息确实抱有兴趣,而且各大硬件厂商也已经具备了实现相关功能的必要基础设施。
下一代可穿戴式设备需要尊重承诺并切实交付对应成果。消费者都很清楚,任何产品都不可能在一夜之间转变其实际效果,因此也许下一代产品应当能够在需要时出现、并在不需要时消失——而不再被硬性嵌入衣物或者混合型智能手表当中。
希望2016年的低谷能够让市场上出现一些真正的创新性成果,毕竟智能手表与手环人气的急剧下滑已然成为不争的事实。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。