至顶网个人商用频道 01月14日 北京消息 CES2019终于落下帷幕。
为期五天的展示,我们“暴走万里”从上千个展品中,选出CES十强。
LG OLED R并不是LG的可卷曲OLED第一次进入CES十强。但却是第一款年底即可发货的最终产品。产品的定价未知,可能是高端价,不过各位见了肯定想要它。
未来的自动驾驶汽车可以令上班一族腾出很多时间来,虽然我们中很多人的工作时间可能会更长,但奥迪和迪士尼认为我们应该花时间玩乐。两家公司为新的车载娱乐概念创造了非常有趣的新层次,车里有这样的娱乐我们可能会期待堵车。
智能互联物件是一个快速发展的世界。但充电技术却没有太大改善。充电技术是指那些有效利用热能和太阳能为手表、物联网传感器提供电能的方法。Matrix PowerWatch 2以太阳能和热能为动力,可进行 Fitbit级跟踪。该产品预示了未来是什么样子。
智能厨房技术的发展一直都很缓慢,未有大的进展。KitchenAid智能显示器看起来是个例外。谷歌智能助理为KitchenAid提供了出色的指导配方体验,KitchenAid与Yummly整合在一起,为那些想迈出新步伐的人打开了惠而浦(Whirlpool)和KitchenAid设备更深层次连接的大门。惠而浦表示,KitchenAid推出时的成本将在200美元到300美元之间,这种价格范围的低端也会感觉太高了一点。如果惠而浦或竞争对手可以推出更实惠一点的型号,或许智能厨房技术可以用上除了用语音助手设置时间的其他设备。
比谁的产品最薄的竞争似乎仍在继续。宏碁今年将屏幕厚度减到了3毫米以下,笔记本电脑的个头更小了,屏幕与机身之比达到了92%。上图Acer Swift 7笔记本电脑重0.9千克,但厚度增大了一点点,9毫米成了10毫米。Acer Swift 7的处理器也升级了,从第七代CPU到第八代英特尔酷睿i7-8500Y,和新款MacBook Air用的CPU一样。Acer Swift 7将于5月份进入美国,起价为1,700美元。
Opt Precision Wand(精密棒)能以每秒200帧的微型相机扫描脸部,找到黑斑点,如太阳光黑斑、雀斑或痣。Opt Precision Wand然后利用120个热喷墨喷嘴通过精密棒施加化妆品或血清,到最后1,000皮升的液滴(即十亿分之一升)将盖住每个斑点或瑕疵。如此可得到无刷化妆应用程序的结果,像魔法一样“擦掉”了皮肤瑕疵。
谷歌主宰了2019年CES,谷歌利用CES 2019为谷歌智能助手推出了一长串的升级产品。谷歌智能助手现在似乎和主要竞争对手Alexa一起均内置在许多新产品里。两个新功能最为抢眼:翻译模式和连接程序。用户利用翻译模式可以利用谷歌智能显示器为中间手段在27种语言之间进行交谈;而连接程序是一组小工具,和成熟的助手产品一样智能,附近的智能扬声器的主要工作由它完成。
全新的Area-51m非常非常接近Alienware桌面区-51的笔记本电脑版本。还可以同时升级CPU和GPU,Area-51m包含了目前市面上所有的高端移动组件:超频酷睿i9-9900HK、GeForce RTX 2080和2.5Gb Wi-Fi等等。2019年1月的第三周可发货,起价2000美元左右,但起价产品显然是入门级组件。
话说血压技术是很难的。可穿戴设备上还没有做出真的能过FDA那一关的血压跟踪产品智能手表。欧姆龙去年宣布推出HeartGuide,用的是手腕扣,现在已经一切就绪了,也获得FDA的批准。
VR(虚拟现实)似乎已死,但其实VR还是在不断地发展。眼动追踪是VR的一个关键组成部分:眼动追踪可以帮助搜集眼睛凝视等分析信息,可以改善免提控制,改善游戏的图形显示。 Vive Pro的眼动追踪耳机将于今年上市,将来还会推出很多款。另外还有Cosmos,它并不是下一代Vive耳机,我们对其知之甚少。但眼动追踪可能会是VR和AR最重要的下一波产品。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。