产品正确但时机错误?据报道,亚马逊正在开发一款新智能手机,这是该公司自2014年以来的首次尝试。然而,根据行业追踪机构IDC的分析,亚马逊将面临根深蒂固的竞争对手、更优秀的产品以及预计将出现两位数收缩的市场。
IDC客户设备副总裁弗朗西斯科·杰罗尼莫通过电子邮件告诉The Register:"亚马逊不太可能制造出比苹果、三星或领先的中国代工厂商更好的智能手机。在硬件或传统用户体验方面竞争是一场败局。另一方面,根据IDC的数据,由于内存短缺危机,智能手机市场预计在2026年将收缩13%,这使得现在成为推出新设备的最糟糕时机。"
亚马逊智能手机的消息最初由路透社报道。报道称,这款手机在内部被称为"Transformer",将与其他Alexa智能设备同步,同时将亚马逊购物置于体验的中心。
报道中没有透露价格或手机可能发布的时间框架。
亚马逊对此没有发表评论。
贝佐斯公司此前进军智能手机市场的尝试是Fire手机,该产品于2014年发布,但销售表现令人失望,很快就被取消了。
这款新设备正在由亚马逊内部一个名为ZeroOne的部门开发,该部门由前微软高管、早期Xbox推动者J·阿拉德领导。
据报道,该团队还在为希望减少屏幕时间的客户开发手机的"简化"版本。一个参考产品是LightPhone,它具有摄像头、电话和GPS功能,但没有浏览器。
杰罗尼莫表示,虽然数字排毒有很多讨论,但它只吸引了一小部分客户群体,实际销售的单位数量"微不足道"。
"这些对小型玩家来说是可行的利基市场,但对于亚马逊这样规模和期望的公司来说并非如此,"杰罗尼莫说。"当亚马逊的商业模式需要显著更大的影响时,它无法证明进入一个只有数万台设备的市场是合理的。"
杰罗尼莫表示,这款手机可能成功的一个领域是作为AI设备。虽然AI设备也遭遇了挫折,R1 Rabbit和Humane AI pin等产品都出现了显著的失败,但亚马逊可以利用手机作为对话式、预测性和服务驱动的界面,投入到智能体对话中,他说。
"在这种情况下,竞争战场从硬件转向生态系统、AI能力和服务集成,"杰罗尼莫说。"这是亚马逊可能拥有机会的地方:它汇集了一个强大的服务生态系统,涵盖商务、内容、云计算,以及与Alexa一起的现有AI基础,加上在数据驱动的客户参与方面的深厚专业知识。很少有公司在如此规模上运营在这个交汇点。"
但窗口正在快速关闭,因为竞争对手都在朝这个方向发展,包括苹果、谷歌、三星,以及正在让iPhone设计师乔尼·艾维制造某种产品的OpenAI。
"这不会是一个无竞争的机会,"杰罗尼莫说。"因此,虽然亚马逊的设备策略在以AI为中心的世界中是有意义的,但执行风险极高,这将使该设备可能一开始就失败。在帕诺斯·帕奈的领导下,亚马逊有重新思考其硬件策略的领导力,但真正的挑战不是执行;而是选择正确的类别,在以AI为先的世界中能够提供有意义的、可防御的价值。"
Q&A
Q1:亚马逊的新智能手机Transformer有什么特殊功能?
A:据报道,这款内部代号为"Transformer"的手机将与其他Alexa智能设备同步,并将亚马逊购物体验置于核心位置。该手机由亚马逊内部ZeroOne部门开发,还计划推出简化版本,类似LightPhone,只保留摄像头、电话和GPS功能,没有浏览器,专为希望减少屏幕时间的用户设计。
Q2:为什么说现在是亚马逊推出手机的最糟糕时机?
A:根据IDC分析,智能手机市场预计在2026年将收缩13%,这主要是由于内存短缺危机造成的。此外,亚马逊将面临苹果、三星和领先中国代工厂商等根深蒂固的竞争对手,这些公司已经拥有更优秀的产品和更好的传统用户体验,在硬件竞争上亚马逊处于劣势。
Q3:亚马逊手机在AI领域有什么竞争优势?
A:杰罗尼莫认为亚马逊可以将手机作为对话式、预测性和服务驱动的AI界面。亚马逊拥有强大的服务生态系统,涵盖商务、内容、云计算,以及现有的Alexa AI基础,加上在数据驱动客户参与方面的深厚专业知识。这些优势使竞争战场从硬件转向生态系统、AI能力和服务集成,这是亚马逊的潜在机会所在。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。