在周三举行的Meta Connect大会上,Meta展示了其强大的硬件实力。全新的Meta Ray-Bans Gen 2配备了支持手势操作的神经腕带,电池续航时间是前代产品的两倍,摄像头性能也得到显著提升。
Meta首席执行官马克·扎克伯格与艺术家Diplo展示了运动款Oakley Vanguard智能眼镜,他们甚至在活动结束时直接跑下舞台前往庆祝派对。
然而,Meta在人工智能领域的表现却没有那么亮眼。
从表面看,这家科技巨头本应具备与OpenAI和谷歌在开发最先进AI模型竞赛中一较高下的实力。但今年的Meta Connect大会再次凸显了其AI技术距离扎克伯格所提出的"超级智能"目标还相当遥远,甚至可能连"智能"的标准都未达到。
在大会期间,扎克伯格介绍了几项新的AI功能,包括名为Live AI的功能。Meta邀请了知名厨师Jack Mancuso(Chef Cuso)现场演示如何使用Live AI,通过智能眼镜识别桌上的食材来获取实时烹饪指导。
然而,问题出现了。当Mancuso打断AI时,AI无法恢复正常状态,竟然指导厨师将食材添加到一个显然还没有制作的基础混合物中。
现场还出现了另外两次演示失败,一次是展示集成的WhatsApp通话功能,另一次是AI驱动的实时翻译功能(尽管最后成功了)。虽然我更倾向于在技术活动中看到功能的实时运行,但三次失败确实令人担忧。
这次主题演讲让我思考硬件与软件质量的差异,以及如何改进后者,这可能为Meta在与OpenAI和谷歌的竞争中提供优势。
随着越来越多的AI功能被整合到智能眼镜的软件中,如果你想在没有笔记本电脑或手机的情况下使用AI,很可能会通过智能眼镜来实现。
作为智能眼镜的销售商,扎克伯格相信这一点。他最近告诉分析师,未来任何不使用智能眼镜的人可能会面临"显著的认知劣势"。这可能让Meta处于更有利的主导地位,但前提是AI必须正常工作,而这正是Meta面临的挑战。
公司应该考虑使用其他AI技术。这将为Meta及其智能眼镜用户带来几个优势。首先,AI硬件市场在很大程度上仍处于起步阶段。Rabbit R1设备和Humane的Friend吊坠虽然有趣,但还没有成为任何人日常生活的必需品。
如果Meta能让其智能眼镜中的AI表现出色,从AI硬件角度来看,它就有更大机会主导市场。尽管OpenAI现在拥有前苹果iPhone设计师乔尼·艾维这样的人才,但仍没有发布独立设备的迫切计划。谷歌在这一领域的路径似乎专注于合作伙伴关系,比如与三星和Xreal的合作。
对于智能眼镜用户来说,有更多选择总比没有选择好。能够选择和使用自己偏好的AI可能会让购买这种昂贵但并非完全必需的设备更具吸引力。
封闭式花园方法意味着Meta可以将所有开发和收入保持在内部私有。这种方法对其他科技公司确实有效,比如苹果(尽管欧洲监管机构对此类做法提出了批评)。Meta似乎意识到其AI需要改进,因为它最近花费数十亿美元从其他科技公司挖走顶尖AI科学家,不过我们还没有看到任何成果。
随着Meta继续远离其专注开源的初衷,转向扎克伯格在主题演讲中宣称的"认真对待超级智能",很难不思考其中的可能性。
即使不是立即可行,如果Meta愿意朝着AI无关的智能眼镜方向发展,也可能创造丰富的机会。至少,扎克伯格可能有更好的机会避免令人尴尬的演示失败。
我认为Meta会向其他AI公司开放其硬件中的AI吗?不会。但这一举措会为Meta在AI竞赛中提供期待已久的优势吗?这确实不是最糟糕的想法。
Q&A
Q1:Meta Ray-Bans Gen 2智能眼镜有哪些新功能?
A:Meta Ray-Bans Gen 2配备了支持手势操作的神经腕带,电池续航时间是前代产品的两倍,摄像头性能也得到显著提升。此外还新增了Live AI功能,可以通过识别视野中的物体提供实时指导。
Q2:Meta智能眼镜的AI演示为什么会失败?
A:在Meta Connect大会的现场演示中,Live AI功能在被打断后无法恢复正常状态,错误地指导厨师将食材添加到还没有制作的基础混合物中。另外还有WhatsApp通话和AI实时翻译功能的演示也出现了问题。
Q3:Meta为什么应该考虑使用其他公司的AI技术?
A:使用其他AI技术可以为Meta带来优势,因为AI硬件市场仍处于起步阶段,如果Meta的智能眼镜AI表现出色,就有机会主导市场。同时,为用户提供更多AI选择也会让这种昂贵设备更具吸引力。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。