Google148亿元收购Fitbit,抢占苹果、三星可穿戴设备市场地盘

640?wx_fmt=png

编译 | 夕颜
出品 | AI科技大本营(ID:rgznai100)
 
11 月 1 日,Google 母公司 Alphabet 和 可穿戴设备公司 Fitbit 同时发布新闻,宣布已经达成了收购后者的最终协议。Google LLC 以每股 7.35 美元的价格收购 Fitbit,总价值约为 21 亿美元,约合人民币 148 亿元。
 
据悉,这项交易预计将在 2020 年完成,但要遵守惯例成交条件,包括 Fitbit 股东的批准和监管部门的批准。

640?wx_fmt=png


2007 年 iPhone 推出时时,James Park 和 Eric Friedman 看到了新型设备背后的机遇,在他们的设想中,这种具有低成本传感器的可穿戴设备可以跟踪人类重要的健康状况,结果 Fitbit 公司诞生。这家公司最初从朋友和家人那里获得约 40 万美元的种子资金发家,并在短短几年之内成为可穿戴设备这个快速增长市场的行业标准。该公司于 2015 年上市,股价上涨近 50%。当时,该公司公布的季度收入超过 5 亿美元。
 
但不幸的是,这就是 Fitbit 成功的巅峰,可穿戴设备市场很快饱和,出现很多价格较低的同类产品,Fitbit 此后经常被生产和质量问题所困,步履维艰。因此, Fitbit 同意以 21 亿美元的价格“卖身”Google。

Google 收购 Fitbit 意味着什么?
 
Dan Malven,4490 Ventures 任事股东:

尽管Google 已经在可穿戴设备上进行了巨额投资,并且已经建立了自己的 Wear OS,但这些努力大部分都是失败的。实际上,Apple 抓住了这个市场机会,例如 Watch 和 AirPods(在最近一个季度中,可穿戴设备业务的收入增长了 54%)。

“可穿戴设备市场由苹果和三星主导,他们在大规模生产和销售硬件设备方面拥有数十年的经验。Alphabet 从未成功销售过任何能达到这两家公司规模的硬件设备。但是,Alphabet 与苹果和三星之间的主要区别在于,它可以通过其子公司 Verily 和 Calico 以及其广泛的 GV 投资组合来访问各种健康和保健数据及算法。如果他们可以概念化使用其专有数据和算法的新功能,那么Fitbit 设备就可以成为传递工具,即所谓的“最后一英里”,对健康行业产生大规模影响。从根本上来说,Alphabet 是一家基于专有数据和算法的公司,这才是真正的价值所在。”
 
MX3 Diagnostics 联合创始人兼首席执行官 Michael Luther:
  “此举应该让电子医疗市场响起警报,谷歌刚刚收购了拥有 25-30 万热衷于监测自己健康的活跃用户。这也正是电子医疗保健的目的,而我要说的是,“预防性保健”电子医疗市场内才更有竞争力。

但要注意的是,这笔交易还凸显了其他重要的事情:创建了一个全新的产品细分市场(Fitbit 在可穿戴设备上所做的那样),并不意味着可以永远拥有它。过去,我们已经看过例子。但是,尽管苹果和其他全球竞争对手都在追随他们,Fitbit 却创造了这个市场,并给他们带来了巨大的信誉,并继续保持稳固的地位。这其中教给我们的是,“单一产品”公司需要为扩展杠杆的关键点制定路线图。Fitbit 通过发展预防性保健合作伙伴关系来实现这一目标。”
 
Medisafe 首席执行官 Omri Shor:
 
“高质量的 AI 取决于大量经过验证的数据,数据分析工具以有意义的方式进行分析,以及驱动行动的能力。谷歌和 FitBit 的结合肯定具有开发突破性 AI 的潜力。然而,即使这种潜力得以实现,它们的 AI 影响是有限的。对于他们而言,继续与数字治疗伙伴合作以实现真正个性化并显著改善患者治疗效果是有利的。”
 
参考链接:

https://www.forbes.com/sites/tomtaulli/2019/11/02/what-the-google-fitbit-deal-means/#278b3a93d08a

(*本文为AI科技大本营编译文章,转载请微信联系 1092722531


精彩推荐



2019 中国大数据技术大会(BDTC)再度来袭!豪华主席阵容及百位技术专家齐聚,15 场精选专题技术和行业论坛,超强干货+技术剖析+行业实践立体解读,深入解析热门技术在行业中的实践落地。 6.6 折票限时特惠(立减1400元),学生票仅 599 元!

640?wx_fmt=png

推荐阅读

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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