Meta最大规模年度发布会Meta Connect 2025将于周三晚正式开幕,预计将发布最新智能眼镜和VR头显设备。本次发布会的最大亮点预计将是Meta与Ray-Ban和Oakley合作推出的全新AI智能眼镜,同时公司还可能在元宇宙、Quest头显或更广泛的AI业务方面带来惊喜。
Meta表示已售出数百万副Ray-Ban Meta智能眼镜,今年早些时候还发布了与Oakley合作的专为运动员设计的AI智能眼镜。随着硅谷大力投入AI可穿戴设备领域,Meta似乎正引领这一趋势。
值得注意的是,这是Meta成立Meta超级智能实验室(MSL)以来的首次Connect发布会。该实验室由前Scale AI首席执行官Alexandr Wang领导,是Meta目前开发尖端AI系统的最雄心勃勃尝试。我们可能会获得该项目的官方进展更新,并可能听到MSL高管的发言。
观看方式
Meta Connect 2025将于太平洋时间周三下午5点开始,由首席执行官马克·扎克伯格发表主题演讲。活动将在Meta位于门洛帕克的总部现场举行。用户可以在Meta官网免费注册观看直播,主题演讲预计持续约一小时。
想要在家中体验门洛帕克现场感觉的用户,可以通过Meta Quest头显在Horizon中观看主题演讲。此外,用户还可以通过Facebook上的Meta开发者官方页面观看发布会直播。
周四,Meta将举行开发者主题演讲,从太平洋时间上午10点开始,讨论用户可以基于其设备构建的新体验。随后在上午10:45,Reality Labs首席科学家Michael Abrash和研究副总裁Richard Newcombe将进行对话,讨论"配备情境AI的眼镜未来,以及Meta如何改变计算的未来"。
预期内容
关于Meta Connect 2025的发布内容已有多项泄露信息。最重要的可能是名为Hypernova的新型智能眼镜。
UploadVR发现,Meta YouTube频道上一个现已删除的视频显示了一副Ray-Ban Meta智能眼镜,右镜片配备抬头显示器,以及摄像头、麦克风和内置AI助手。
视频中的眼镜通过腕带控制,这款腕带在去年的Connect发布会上首次亮相,可通过细微手势操作。视频表明Meta将在本周发布甚至推出Hypernova眼镜。CNBC此前报道称,Meta计划在Connect 2025上发布Hypernova并推出腕带产品。
Meta还可能在Connect 2025上发布与Oakley合作开发的新款智能眼镜。两家公司预计将推出Oakley Spheara款式的新AI智能眼镜,采用大型一体化镜片设计,非常适合跑步者和骑行者使用。与之前的Meta智能眼镜不同,这款产品在鼻梁上方配备一个居中摄像头,而非镜框上角的双摄像头设计。
在VR方面,目前尚不清楚Meta是否会在今年的Connect发布会上发布新的Quest头显。尽管这次发布会和公司都以元宇宙命名,但今年似乎不太关注这一领域。据报道,Meta正在开发超轻量VR头显,计划于2026年底前发布,但公司可能等到明年的Connect发布会再展示。
不过,Meta承诺扎克伯格将以某种形式谈论元宇宙,这一点毋庸置疑。
至于Meta的AI业务,如果扎克伯格利用Connect 2025来强调MSL的所有工作成果也不足为奇。该公司首届AI开发者大会LlamaCon今年早些时候举行,之后Meta向Scale AI投资数十亿美元并从各行业招聘研究人员。
目前,Meta的独立AI应用处于一个令人困惑的状态,既可以控制智能眼镜,又可以用作AI聊天机器人。该应用可能也会获得一些更新,使其更易于使用。
Q&A
Q1:Hypernova智能眼镜有什么特别功能?
A:Hypernova是Meta即将发布的新型智能眼镜,基于Ray-Ban Meta智能眼镜,右镜片配备抬头显示器,集成摄像头、麦克风和内置AI助手。最特别的是可以通过腕带进行操控,用户只需细微手势就能控制眼镜功能。
Q2:Meta与Oakley合作的智能眼镜有什么不同?
A:Meta与Oakley合作的新款智能眼镜采用Spheara款式,特点是大型一体化镜片设计,特别适合跑步者和骑行者使用。与之前的Meta智能眼镜最大不同是摄像头布局:这款产品在鼻梁上方配备一个居中摄像头,而不是镜框上角的双摄像头设计。
Q3:普通用户如何观看Meta Connect 2025发布会?
A:用户可以通过多种方式免费观看:在Meta官网注册观看直播;通过Meta Quest头显在Horizon中体验沉浸式观看;或在Facebook的Meta开发者官方页面观看。主题演讲将于太平洋时间周三下午5点开始,预计持续约一小时。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。