据韩国媒体报道,三星计划于7月22日在伦敦举办今年第二场Unpacked发布会,届时将推出旗下首款智能眼镜Galaxy Glasses。
据《首尔经济日报》报道,这款眼镜将与Galaxy Z Fold 8、Galaxy Z Flip 8以及Galaxy Watch 9等新品一同亮相。
报道指出,目前尚无关于眼镜售价及首发市场的官方信息,不过预计将在今年第三季度上市。虽然媒体一直以"Galaxy Glasses"称呼这款产品,但这并非正式名称。
三星方面尚未对此置评。
智能眼镜市场正处于高速增长期,有机构预测全球销售额将从2025年的25亿美元增长至2033年的144亿美元,年增长率达24%。Meta已推出Ray-Ban和Oakley联名款,亚马逊有Echo Frames系列,苹果、谷歌、XREAL等公司也预计将推出相关产品。
借助智能眼镜,用户可以在观察现实世界的同时查看应用程序,比如短信、AI回复和地图等,并不会遮挡视野。用户还可以通过语音指令、手势或动作来拨打电话、拍摄照片和视频。
部分品牌还支持为智能眼镜配置近视镜片。
眼镜的具体规格
Galaxy Glasses将搭载由三星与谷歌联合开发的Android XR操作系统,该系统应用于使用扩展现实技术的智能眼镜和头显设备。扩展现实是一个总称,涵盖了增强现实、混合现实和虚拟现实。Android XR整合了谷歌的主力AI系统Gemini。
预计今年上市的三星Galaxy XR头显、谷歌智能眼镜以及XREAL的Project Aura都将采用Android XR系统。
报道称,三星的这款眼镜由眼镜品牌Gentle Monster负责设计。
Galaxy Glasses将配备扬声器、麦克风以及高清摄像头。佩戴时,眼镜会根据佩戴者所见进行视频捕捉,Gemini AI随后会对视频内容进行分析,并以语音方式向佩戴者反馈信息。
用户可以通过Galaxy Glasses观察历史古迹,Gemini AI便能提供相关知识介绍;在陌生城市游走时,眼镜也能帮助用户找到目的地。
眼镜的Android XR系统还支持拍照、发送消息以及实时翻译外语等功能。
报道还提到,三星将把眼镜与其他支持AI的设备相连,包括智能手机和SmartThings家电。通过这种整合,用户可以使用眼镜启动三星烤箱、为衣物烘干机增加运转时间,或执行其他操作指令。
车载到家庭服务
三星还希望将眼镜与其Car-to-Home服务相连接,该服务目前已搭载于部分现代、起亚和捷尼赛思车型中。
三星的Car-to-Home服务允许驾驶员从车内管理智能家居设备。通过仪表板,驾驶员可以开启灯光、空调及其他智能家居功能。
如果三星能将Galaxy Glasses与Car-to-Home打通,那么驾驶员便可以通过眼镜来操控这些智能家居功能。
随着全球增强现实市场预计将以35%的年增长率扩张,一位未具名的三星人士向《首尔经济日报》表示,公司希望与这一增长速度保持同步。
这位人士表示:"基于我们在扩展现实领域的长期愿景和战略路线图,我们计划随着市场的成熟和消费者需求的变化,持续开发各种形态的产品。"
Q&A
Q1:三星Galaxy Glasses什么时候发布?
A:根据韩国媒体报道,三星计划于7月22日在伦敦举办的第二场Unpacked发布会上推出Galaxy Glasses,预计将于今年第三季度正式上市。售价和首发市场目前尚未公布。
Q2:Galaxy Glasses有哪些功能?
A:Galaxy Glasses配备扬声器、麦克风和高清摄像头,搭载Android XR系统并整合Gemini AI。用户可以用它查看短信、地图,拍照录像,实时翻译外语,还能通过它操控三星智能家电,比如启动烤箱、调整烘干机时间等。
Q3:Galaxy Glasses由谁设计?采用什么操作系统?
A:报道称这款眼镜由眼镜品牌Gentle Monster负责设计。它搭载的是三星与谷歌联合开发的Android XR操作系统,同时整合了谷歌的Gemini AI,可对佩戴者所见内容进行分析并通过语音反馈信息。
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。