對許多業(yè)界權(quán)威人士和分析師們而言,猜測蘋果接下來會推出的產(chǎn)品已經(jīng)成為一種流行的消遣方式。在過去的幾年中,我們一直在自以為是地討論一款蘋果電視,接著又開始宣傳iWatch將如何能為蘋果龐大的資產(chǎn)再增加數(shù)十億美元。然而,蘋果公司卻決定忽略這個建議,轉(zhuǎn)而去追求另一個更加有利可圖的市場——健康。
許多業(yè)界人士并未意識到,蘋果已經(jīng)處于醫(yī)療市場之中了。對大量的醫(yī)學中心和與健身相關(guān)的產(chǎn)品,包括計步器、血壓監(jiān)測等來說,iPhone和iPad早已成為了它們的中央樞紐。不過,蘋果公司并未采取通過自有設(shè)備進入醫(yī)療市場這一昂貴且有風險的舉動,而是選擇將精力集中于建立一個健康平臺上,允許其他廠商構(gòu)建使用該平臺的這些健康工具設(shè)備。
而此舉已見成效。
就第三方硬件生態(tài)系統(tǒng)而言,iOS是最豐富多產(chǎn)的一個移動平臺。幾年之前,筆者根本不會想到會有這么多可用于iPhone和iPad的配件。這得益于蘋果公司創(chuàng)建了一個開發(fā)人員可以構(gòu)建的穩(wěn)定、統(tǒng)一的平臺,而這個平臺還幫助蘋果售出了大約五億臺iPhone和2億臺以上的iPad設(shè)備。
這對一家配件制造商來說是一個巨大的用戶基群。別忘了,蘋果也能夠從其“Made for iPhone”制造許可中獲取收入。
既然如今蘋果已擁有如此龐大的用戶群,以及一個已隨著iOS發(fā)展起來的巨大配件市場,那么從邏輯上而言,蘋果接下來要做的就是創(chuàng)建一個平臺,將所有這些數(shù)據(jù)整合到其中。不是通過幾個單獨的應用來分別記錄用戶每天跑步的步數(shù)、記錄人體重要器官健康值或記錄用戶的營養(yǎng)狀況,而是將用戶所有的數(shù)據(jù)都存儲在一個平臺上。
有利條件是,蘋果也做到了這點。當前蘋果用戶的數(shù)據(jù)都已被鎖定到了iOS平臺,這使得這些用戶也被綁定到了該平臺。兒假若這些數(shù)據(jù)之前存儲在了應用或云服務(wù)器上,那么對用戶而言,遷移到其他平臺將變得更為容易。
不過,這并不是說用戶不能將iOS平臺中的數(shù)據(jù)遷移到其他平臺,只是既然這項數(shù)據(jù)已經(jīng)被鎖定到了iOS平臺,再加上許多這樣的醫(yī)療設(shè)備是基于iOS平臺打造的,那就意味著人們將比從前更加受限于蘋果iOS平臺。
屆時我們將擁有一個在別處看不到的醫(yī)療衛(wèi)生部門,它能夠橫跨健康和醫(yī)療,從臨時數(shù)據(jù)(如每天走路的步數(shù)或體重)到重要的特定值(如血糖或血壓)為我們提供健康監(jiān)測。
如果將蘋果Health與一臺電視或智能手表進行比較,我們會發(fā)現(xiàn)后面這些設(shè)備確實很新奇,但卻需要蘋果制造和銷售更多硬件產(chǎn)品。而將這款健康應用添加到iOS平臺,即可在已經(jīng)流通的億萬臺iOS設(shè)備上激活這個新功能,而蘋果為開發(fā)者新增的后端API也將會引發(fā)更多與健康相關(guān)的配件和服務(wù)的產(chǎn)生。此外,iOS 8本就專注于現(xiàn)有蘋果iPhone和iPad產(chǎn)品陣容的價值,而非一個全新的硬件設(shè)備。
盡管一臺蘋果TV或iWatch毫無疑問會引起大家的關(guān)注,而且筆者也并不排除這類設(shè)備未來問世的可能性,但在中短期內(nèi)來看,對蘋果而言,把與健康相關(guān)的產(chǎn)品加入到iOS平臺中將更為有益。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。