在科技日新月异的时代,AR(增强现实)技术正逐渐渗透进我们的日常生活。AR眼镜正逐渐从科幻电影中走入了现实世界,但距离真正颠覆想象仍有一段距离。不过作为一名媒体人,我发现了AR眼镜在工作中不一样的用法,让出差更轻松,让办公更顺手。
近期,我们体验了最新的INAIR 2 AR眼镜,这款专为职场人士设计的AR眼镜,究竟会给我们的日常工作带来哪些变化呢?
为差旅办公减负,不把工作带回家
众所周知,媒体人的工作免不了出差,参加发布会、展会、出差等等,有时在办公室工作的时间甚至不如在咖啡馆长。一台13.6 英寸的苹果笔记本重量是1240克,相当于大部分时间需要背着25个鸡蛋2斤多的重量四处跑。
以前觉得背着电脑是一件再正常不过的事情,但时间一长也并不轻松。相比之下,一台INAIR 2 AR眼镜仅有77g,从重量上看简直秒杀电脑。
有一天从北京东城到海淀去见客户,因为早高峰实在不想背着电脑挤地铁,所以就只带了AR眼镜,结果还真帮了大忙了。由于约定时间还早便先找了一家咖啡馆,途中用AR眼镜连上WiFi后浏览了一下新闻,顺便把《凡人歌》电视剧大结局给看了。这一过程中意外解锁了一件非常棒的体验,喝咖啡的时候滑动镜腿,调节电致变色端起咖啡来一口,放下咖啡滑动镜腿调节电致变色认真追剧。
有那么一瞬间感觉自己这忙碌的生活突然就小资起来了。直到眼镜中的微信弹出消息,才想起还有客户要见的事情。见完客户仍在回味彼时惬意的感觉,想打个车回家,但钱包中碎银几两让我老实的选择了地铁。
地铁上在我的火眼金睛下找到了即将下车的人,有了座位后人就开始犯困,领导的电话也来的及时,为了防止我坐过站还特意让我修改一下之前的稿件。
戴上眼镜连接主机,通过虚拟射线进行移动光标与触控点击,确定好调整的方向后,细节交给AI就好。INAIR 2 AR眼镜内集成了多种先进的 AI 大模型:文心一言、智谱清言等市面上火热的 LLM ,通过内置的语音助手,让AI给出修改方案,再选择最适合的一版发给领导,整体修改过程半小时,坚决不把工作带回家。
在眼镜的宣传中,它被称为国内首款革命性的 AR 空间计算机,从我这一天的工作中看,空间计算机确实如此,不过我更想将其称为“口袋里的电脑”。无论是想在差旅中获得更便捷高效的工作体验,还是处理多线任务还是享受大屏阅读,INAIR 2 AR空间计算机都能轻松融入日常生活,或许将来它会成为新一代有着广泛影响力的生产力工具。
在移动中办公,在窘境下挽尊
最近,看到延迟退休的消息,刚工作不久的我切实感受到了何为“路漫漫其修远兮”。网上有着不少段子,其中一个是正在跳广场舞的大爷大妈接到领导的电话在广场上掏出电脑办公,着实让人哭笑不得。
不过我是哭的那个,因为别人在看段子而我在照镜子。作为一个媒体人,在咖啡馆办公是理想情况,不理想的可能就是马路边、地铁站、景区凉亭、甚至是某个角落不起眼的垃圾桶上。
以往,我大概率是找个能放电脑的位置,一边掏出电脑完成工作,一边忍受来来往往人群投来的同情目光。但此时的我,戴上眼镜谁也不爱,行人的目光都集中在我的AR眼镜上。
在我看来,INAIR 2 AR眼镜带给我的工作效率都是次要的,挽尊才是更在意的。作为一个i人在地铁站办公这样一件略显窘迫的事情,多少都有些不自在,但AR眼镜的存在保住了打工人最后的尊严。
事实上,不光是地铁场景,户外、出租车、高铁、飞机等等移动办公场景,INAIR 2 AR的存在都帮了很大忙。在高铁飞机上不用窝在小桌板敲电脑,在出租车上不用忍受因堵车而频繁刹车带来的影响,只需靠在座椅后背戴上眼镜INAIR 2 AR眼镜就能轻办公,兼具多屏显示与多端互联,为用户提供舒适度与隐私性极佳的移动办公新体验。
不同于市面上大量主打娱乐观影的 AR 产品,INAIR 2 AR空间计算机聚焦“轻办公”的使用场景,为追求灵活舒适、高效悦己的新办公方式有需求的用户提供解决方案。在这个信息爆炸,各种 AI Agent 相继而出的时代,如何更好地利用碎片化时间,如何更快的把信息转化为知识和决策,如何将工作“减重”换来更多属于自己的时间,成为了每一个职场人士的核心需求。
写在最后
作为一个媒体人,甚至不光是媒体人,任何需要经常出差或者经常待机的职场人,INAIR 2 AR眼镜这种把“电脑”装进口袋的产品都能够很大程度上满足不同场景和空间的工作需求。
而作为一个消费者,则更多的是想要产品功能的多样化。一个能娱乐、能办公的多功能产品总是深受消费者喜爱,就像学生们喜欢买带有漂亮花纹或明星周边的签字笔一样。INAIR 2 AR眼镜在工作时能够满足移动办公的部分工作需求,在生活中也能成为娱乐硬件,追剧、刷抖音都不在话下,甚至串流电脑躺着玩黑悟空也一样得心应手。
科技旋涡认为,或许INAIR 2的产品形态与AR办公的最终形态还有距离,但只要聚焦于用户需求,接下来的软硬件迭代就能给到大家更多惊喜。我们可以期待INAIR 后续的迭代以及更多新能力。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。