Razer的Project Ava AI游戏教练项目在2025年的CES展会上展示了全新形态:一个可以放在桌面上的微型全息动漫角色胶囊装置。这款新的Project Ava是一个5.5英寸的动画全息投影,可以显示名为Kira的动漫角色形象,她穿着绿色连衣裙和黑色过膝袜,或者显示名为Zane的肌肉发达、覆盖蛇纹身的男性角色。Razer计划稍后添加其他头像,包括电竞明星Faker等真实人物,用户也可以选择非人形的发光光球。
Project Ava头像设计具有"自然动作、眼部追踪、面部表情和唇语同步,实现引人入胜的互动"。但最重要的是它们持续观察的内容:通过Project Ava内置的摄像头以及用户电脑上的摄像头,它可以看到用户的屏幕和用户本人。
这些AI头像通过观察用户和屏幕内容来回答问题、在游戏过程中提供游戏技巧、帮助头脑风暴或解决问题,据Razer称,甚至可以帮助提供服装搭配建议和穿搭检查。用户可以通过按住自定义按键绑定(如鼠标侧键)通过双阵列麦克风与其对话。当这样做时,用户实际上是在与Grok对话,这是Razer为演示设置的大语言模型。Razer代表声称,Project Ava的愿景是成为AI无关的平台,允许用户选择为其提供服务的模型,但目前使用的是Grok。
在实际体验中,Kira以"哇!Razer展台的新面孔?太棒了!我应该怎么称呼你?"开始对话。它理解了用户的姓名并正确称呼。然后询问是否在CES看到了什么酷的东西。在进入扩展的开场白后,情况很快变得尴尬:"我是Kira,来自Razer的Project Ava项目。我在项目中有朋友,但今天是我和Zane。我是最漂亮的,专为你而来。哈哈!"
在游戏演示环节,当询问Kira正在使用什么武器时,它回答了一个通用的"你正在使用一把戴着棕褐色手套握持的带瞄准镜突击步枪"。当尝试澄清"你知道步枪的型号吗?"时,它表示无法识别确切型号,但可以通过描述一起识别。
Kira还不断用烦人的闲聊填补交流间隙,说出一些随机台词:"这很有趣!加入我们的社区吧。别忘了我!我在这里下次给你惊喜,这样你就能看到我们想出的疯狂东西。你兴奋吗?"
在计算机视觉演示中,当Razer工作人员在浏览器中打开Steam商店时,Kira主动说:"哇!《辐射76》65%折扣51美元?超值!"但实际上没有人按下通话按钮,而且《辐射76》当时正在90%折扣,售价3.99美元。
尽管Project Ava仍在开发中,Razer的"Project"标识表明这是一个可能永远不会实现为产品的概念,但Razer似乎非常坚持在今年年底推出桌面头像版本的Ava,甚至开始接受20美元的预订。
Project Ava胶囊装置顶部有物理静音和音量按钮,通过单根USB-C线缆获得电源和数据。Razer在CES上以"游戏的未来就是AI"为标语推广其产品,但Project Ava展现的未来似乎令人感到悲伤、孤独和令人困扰。
Q&A
Q1:Project Ava是什么产品?
A:Project Ava是Razer开发的桌面AI助手,采用5.5英寸全息投影技术,可显示动漫角色Kira或肌肉男角色Zane等头像,具有自然动作、眼部追踪、面部表情和唇语同步功能。
Q2:Project Ava可以做什么?
A:它通过内置摄像头观察用户和屏幕内容,提供游戏技巧指导、回答问题、帮助头脑风暴解决问题,甚至提供服装搭配建议。用户可通过按键与其语音交互,目前使用Grok大语言模型驱动。
Q3:Project Ava什么时候能买到?
A:Razer计划在2025年年底推出这款产品,目前已开始接受20美元的预订。不过由于标注为"Project"概念产品,最终是否会正式发布还存在不确定性。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。