虽然联想和摩托罗拉在CES上凭借最新硬件发布引起轰动,包括备受期待的摩托罗拉Razr Fold,但这两家公司在AI领域也发布了令人兴奋的消息。
联想Qira是一个可在联想和摩托罗拉庞大设备生态系统中工作的AI助手,涵盖智能手机、可穿戴设备、PC、平板电脑等。该助手超越了传统聊天机器人(如ChatGPT),能够在各设备和应用程序间执行实际任务,包括在线和离线设备间的文件传输。
"联想Qira不是另一个助手,它是智能在你的设备上展现的新方式,"联想智能设备集团AI生态系统副总裁Dan Dery说道。"我们的目标是让AI感觉不像是一个使用工具,而更像是与你持续自然合作的智能。"
摩托罗拉还发布了一款将集成Qira的AI可穿戴设备。尽管只是概念验证,但我看到了演示,看起来很有前景。
Qira被描述为个人环境智能系统,这意味着它具有情境感知能力,可在多个设备上使用。Qira构建了联想所称的融合知识库,它结合用户选择的交互、文档和跨设备记忆,创建个性化体验并开发"用户世界的活模型"。
这应该能够通过消除情境切换和只需最少背景信息即可完成任务,为用户提供直观体验。一些建议用途包括"下一步行动"(提供针对当前任务的情境建议)和"追赶更新"(为用户提供离开期间发生事情的摘要)。
联想表示,用户隐私和同意是该助手的核心,采用混合架构,优先考虑设备端处理并将个人数据保留在本地。在需要向云端发送信息的情况下,联想声明会使用具有强大保护措施的安全云服务。
Qira将首先在2026年第一季度推出到选定的联想设备上,然后扩展到支持的摩托罗拉智能手机。在联想设备上,体验将显示为联想Qira,而在摩托罗拉设备上,将显示为摩托罗拉Qira。
虽然AI别针之前已有尝试且著名地失败了,但摩托罗拉的312实验室构建了Maxwell项目以采取不同方法。摩托罗拉将其描述为"AI感知伴侣概念验证"。
该别针使用摩托罗拉Qira在不想使用手机时帮助处理日常任务。它配有摄像头,因此Qira具有你正在看的内容的情境,为你提供帮助。别针本身采用磁性背面,还附有链条用作项链。
在演示中,Maxwell项目用于协助各种任务,包括获取路线、预订Uber和发送短信。在每个实例中,用户无需拿出手机,只需直接对别针说话。然后,别针从头到尾执行任务。虽然这听起来像任何其他AI助手,但关键在于理解它如何完成任务。
虽然你无需查看手机即可完成任务,但如果你选择这样做,可以看到Qira如何推理完成任务的每个步骤。在Uber示例中,它打开了Uber应用程序,输入请求的位置,选择付款方式,并提交了完整的叫车请求。
虽然更简单,发送短信示例也类似。Qira打开应用程序,选择正确联系人,在字段中输入文本,然后发送。这种智能体辅助,包装在轻便方便的外形中,可能成为日常生活中的有用伴侣。
Q&A
Q1:联想Qira与普通聊天机器人有什么不同?
A:联想Qira超越了传统聊天机器人如ChatGPT,它能在各设备和应用程序间执行实际任务,包括设备间的文件传输,并且可以跨联想和摩托罗拉的整个设备生态系统工作,提供真正的跨平台智能体验。
Q2:摩托罗拉Maxwell项目AI别针如何工作?
A:Maxwell项目是摩托罗拉的AI感知伴侣,配有摄像头以获取用户所看内容的情境。用户可直接对别针说话,它能完成获取路线、预订Uber、发送短信等任务,从打开应用到完成操作的全流程都自动执行。
Q3:联想Qira何时能使用?如何保护隐私?
A:Qira将在2026年第一季度首先推出到选定的联想设备,之后扩展到摩托罗拉智能手机。在隐私方面,采用混合架构优先进行设备端处理,个人数据保留在本地,必要时使用具有强大保护措施的安全云服务。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。