Magic Leap 价值 20 多亿美元的 AR 幻梦,现在醒了

来源:传感器技术

那个用特效来吹出 AR 神话的 Magic Leap,终于有了新动静。 

当地时间 12 月 10 日,增强现实(AR)领域的“知名”公司 Magic Leap 宣布,将 Magic Leap One Creator Edition 改名为 Magic Leap 1,并发布两个 Magic Leap 生态系统新组件:企业套件和设备管理器,进一步促进企业解决方案的实现。

从消费级产品到企业解决方案,Magic Leap 在一系列负面新闻中走出了它 To B 的一步。

20 多亿美元吹起的 AR 迷梦

位于佛罗里达的 Magic Leap 是一个十分神秘、估值奇高的增强现实设备初创公司。

其首席执行官 Rony Abovitz 毕业于迈阿密大学,早在 2004 年曾创办过 Mako Surgical 医疗机器人公司,2010 年 Abovitz 的工作室还在发行唱片,和技术搭不上边。2011 年 Abovitz 成立了 Magic Leap,发行了一款名叫 Hour Blue 的 AR app,跨出了在 AR 领域的一大步。

之后几年,Magic Leap 迟迟不发布产品,通过公开多个 Demo、申请专利等,不断为产品建立预期,吊着众人胃口。

2016 年,Magic Leap 发布了一个鲸鱼 7D 视频,画面令人瞠目结舌:一只鲸鱼从体育馆地面上一跃而起,落回地面时又化作泡沫,而观众们则发出惊呼,似乎不穿戴任何设备就裸眼观看了这一节目。一时间关于这个 7D 视频的新闻报道铺天盖地,大众对 Magic Leap 的期望值越来越高,但与此同时也出现了批评声——在线新闻杂志《The Information》于 2016 年 12 月 8 日刊登了一篇名为“Magic Leap 背后的事实”的文章,其作者 Reed Albergotti 披露,那只是用特效技术制作出来的概念视频,其中的技术离真正实用还差得很远。

然而,没有产品、用视频炒作的质疑声似乎并不影响其融资步伐。Magic Leap 在融资层面不断走上巅峰,一度成为史上最贵“概念”公司,前后融资 20 多亿美元。

Magic Leap 自创建以来的融资情况如下:

  • 2014 年 2 月,A 轮 5000 万美元,投资者不明确;

  • 2014 年 10 月,B 轮 5.42 亿美元,谷歌领投,高通、KKR、KPCB 等大牌投资机构跟投;

  • 2016 年 2 月,C 轮 7.935 亿美元,阿里巴巴领投,投资方还包括谷歌、摩根大通,此次估值达 45 亿美元;

  • 2017 年 10 月,D 轮 5.02 亿美元,新加坡政府旗下淡马锡控股领投,参投方包括 EDBI,巴西 Grupo Blobo,以及 Janus Henderson Investors,当时估值达 60 亿美元。

  • 2019 年 4 月,获得 2.8 亿美元融资,投资者为日本最大的移动运营商 NTT DoCoMo。

“AR 神话”已经完全破灭

2017 年 12 月,在外界的期待中,Magic Leap 的第一款黑科技产品“黑科技”终于揭开面纱,它被命名为 Magic Leap One Creator Edition。在官网,Magic Leap 对这款产品通过六个部分进行了介绍:

  • 光场显示可产生不同深度的数字光线,与自然光线无缝融合,产生逼真的数字物体,保证用户长时间使用的舒适度。

  • 强大的传感套件可检测物体表面、平面和物体,从而对物理环境进行三维重建。

  • 光场所构建的虚拟物体可以被放置在用户想放置的地方,如同真实物体一般。

  • 声场音效会模拟真实世界的声音,包括声音的距离和强度。

  • 集成处理器可处理高保真、游戏级别的图形图像,其性能可达到笔记本电脑水平。

  • 交互界面包括多种输入模式,如语音、手势、头部姿势和眼球追踪。

另外,Magic Leap One 主要针对 C 端市场,应用场景包括购物、娱乐及效率三类。Magic Leap One 包含三部分:一个 AR 眼镜 Lightwear,一个手柄和一个处理器 Lightpack。

然而,水平视场角只有 40 度的 Magic Leap One 并不符合大众预期。从专利上来看,Magic Leap 并没有采用其宣称的光纤扫描技术,而是用了与 HoloLebs 相同的光波导技术;此外,其交互设计也与 ARKit 类似。在早期为数不多的采访中,Abovitz 表示,手中的一枚类似眼镜片的玻璃,正是Magic Leap的技术核心,他称之为“光学芯片”——但“光学芯片” 并没有用到 Magic Leap One 中去。

到底 Magic Leap 是营销高手还是技术大牛,一时间质疑声不绝于耳。《连线》杂志记者 Jessi Hempel 在体验了 Magice Leap One 时发现,这款产品有不少小问题,比如说手柄失灵、画面卡顿等;最终他给出的评价是:

说实话,这些体验与我之前玩过的 AR 和 VR 设备处在同一水平线上,说它秒杀一切对手就有点夸张了。

一直到发布半年多之后,也就是 2018 年 8 月,Magic Leap One 才开始通过 Magic Leap 官网和 AT&T 门店售出,据有关人士的说法,在这款产品发售 6 个月后,仅售出了约 6000 套,而之前的目标是 10 万套。

2019 年,Magic Leap 传出了多条负面新闻。

Magic Leap E 轮融资进展不顺利、Magic Leap One 销量惨淡,产品大量积压。8 月 22 日, Abovitz 与摩根大通抵押代理人 Eleftherios Karsos 签署的一份“转让协议”被曝光,协议中涉及抵押专利约 1903 项,包括前 ODG 专利。11月,公司 CFO 和创意策略部高级副总裁 SVP 高管均已离职,另外 Magic Leap 正在缩减人手以降低运营成本,多个部门员工已遭裁减。

到如今,Magic leap 的“AR 神话”已经完全破灭。

定位调整,Magic Leap 还要自救一番

显然,Magic Leap 并不打算承认自己的失败;在产品面向 C 端消费者销售无力的情况下,它还打算面向 To B 市场自救一番。

雷锋网了解到,在本次调整中,Magic Leap 面向企业,推出了售价 2995 美元的 Magic Leap 1 Enterprise Suite,取代 Magic Leap One Creator Edition,并发布了两个 Magic Leap 生态系统新组件:企业套件和设备管理器。

Magic Leap 首席产品官 Omar Khan 表示,Magic Leap 1 会有“小幅度调整”,但 Magic Leap 1 的外观似乎并无变化,在工业设计和光学方面,包括视野和整体视觉品质,显然也没有重大改变。Magic Leap 尽量避免将其称为“下一代”头显,还表示计划在 2021 年发布 Magic Leap 2。

值得注意的是,Magic Leap 1 作为一款商业产品,用户群体将不再是开发者或创作者。根据雷锋网(公众号:雷锋网)此前了解到的信息,早在 2015 年,Magic Leap 官方就表示会把游戏、娱乐和通信作为首要的发展方向,之后会向其他方向发展:可能是商业、也可能是工业或是医学方面。nreal.ai 产品经理赵志昊也曾在文章中提到:

虽然 Magic Leap 尚未披露 B 端的合作方向,但不难想象 B 端业务的发展同样需要优质体验的支撑,Magic Leap 很可能已经在 B 端开始进行秘密布局。

此次,Magic Leap 将更新操作系统,并推出一个面向专业用户的软件套件,包括将在近几个月以 beta 版本推出的虚拟协作应用 Jump。Magic Leap 同时推出企业套件,包括专用支持、专用设备管理软件以及头显出现故障时的“快速更换”程序。企业可向员工推出设备,员工通过企业证书登录后,可管理设备和数据,以及部署企业或自定义构建的应用程序。

然而,Omar Khan 表示这一举动并不意味着 Magic Leap 放弃了消费者市场。

不过他也承认,目前消费者市场很小,而且目前大部分 AR 公司,比如 Epson,Microsoft 和 Vuzix,已经将重点转移到专业用户身上。Magic Leap 有四个关注的方向:虚拟通信与协作、3D 可视化、远程培训与协助、基于位置的体验——当前,这些方向市场竞争激烈。

“我觉得我们有些傲慢自大了”

Khan 认为,虽然相比于其他 AR 公司,Magic Leap 起步较晚,但他相信 Magic Leap 1 仍然可以凭借视觉品质、人体工学优势以及软件生态系统兼容性赢得用户青睐,公司也一直在设计可供用户全天候舒适使用的设备。

与此同时,Magic Leap 也在积极寻求外部合作,扩大全球市场份额。Magic Leap 已发布了约 24 份合作声明,且其合作伙伴不乏一些知名企业,比如游戏引擎开发商 Unity 和制造厂商 Jabil。另外,JetBlue Airways 也已与 Magic Leap 达成合作,表示明年将尝试打造热门目的地酒店的“沉浸式体验”。另外,今年早些时候宣布与 Magic Leap 合作的日本电信巨头 NTT Docomo 已证实 Magic Leap 1 即将进入日本市场。

正如 Khan 所说:

此次声明预示着空间计算新篇章的到来,将为各行各业提供一个先进的技术平台。我们的合作伙伴率先开发了突破性应用程序,旨在提升企业业务及其客户体验。我们将利用智能应用程序改写剧本,帮助所有利益相关者提高效率,提升参与度,并迎来新商机。

话说的好听,但人们不会那么再容易相信了。

早在 2018 年 8 月,在接受《连线》杂志记者 Jessi Hempel 采访时,Rony Abovitz 表示想做回一家普通的、用产品说话的创业企业。他意识到所有的炒作都是一个错误,并说道:

我觉得我们有些傲慢自大了。

但也许已经为时已晚。无论 To C 还是 To B,在 AR 神话破灭之后,一个冷峻的现实正在浮出水面——正如《连线》杂志记者 Jessi Hempel 所言:

也许他说的没错,不过冰冷的现实还是盖住了曾经的热潮和天花乱坠的市场营销,Magic Leap 只是个普通的科技公司罢了,它们也需要投入大量金钱和人力来追求一个梦想。世界上没有巧克力工厂,只有工程师和设计师,而他们匆匆忙忙的拿出了第一款产品……

1.云与开源谁吃谁?

2.微软试用Rust重写Windows底层组件

3.各路大牛的C语言编程建议和技巧!

4.RT-Thread Nano 3.1.3正式发布了!

5.C语言指针难吗?纸老虎而已,纯干货讲解

6.2019年第12期《单片机与嵌入式系统应用》电子刊新鲜出炉!

免责声明:本文系网络转载,版权归原作者所有。如涉及作品版权问题,请与我们联系,我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值