罗永浩 你的锤子呢?

罗永浩有一句话被广为流传:“我不在乎输赢,我只是认真。”这个其貌不扬的胖子曾扬言要做一个超越苹果的手机品牌,说干就干的老罗辞去了英语老师的职务,在2012年创造了锤子科技,开始了自己轰轰烈烈的手机革命。

罗永浩 你的锤子呢?

2012年不仅是玛雅预言的世界末日年,也是我国智能手机发展迅猛的元年。那年苹果5才刚出来,诺基亚还健在,小米才刚刚兴起,我国智能手机行业仍有很大的发展空间,此时老哥从一名英语老师跨界来做手机,并没有得到大家的支持,究其原因是因为老罗太高调了,太直接了,太喜欢吹牛了。还没做手机就夸口要做一个超越苹果和windows的新系统,结果最后拿出手的是一个基于安卓做的系统。他还宣称要将手机价格定为3000-15000,当时国内几乎所有手机厂商都在想尽办法降低价格,做性价比手机,锤子手机的定价在当时是一种不伦不类,有人认为老罗疯了。

罗永浩 你的锤子呢?

这之后两年的时间,老罗的锤子手机只是停留在设想,没有实质性的产品。吃瓜网友问他为什么转行做手机,他诚实的回答道:“我从小就有造物的工匠情怀,并且和无聊沉闷的传统行业比,科技行业有无限的可能性,让我更为享受工作的激情。”

2014年,罗永浩终于拿出了自己的产品——Smartisan T1,这款被老罗称为“东半球最好的手机”刚发布就将价格定在3000元,得到的自然是一片骂声。其正面三个实体按键在当时显得格格不入。网友们纷纷吃瓜围观看戏,后来老罗不得不妥协将售价降低。锤子手机没有得到大众的认可,更没有拯救罗永浩,即使降价后也不过卖出25万部。在公司连年亏损赔钱的时候,罗永浩不得不低下高贵的头颅,于2015年创立了坚果手机,定位千元机,老罗的情怀为了迎合市场开始清仓甩卖。

罗永浩 你的锤子呢?

2016年,老罗创立的锤子科技由于巨大的亏损已经无力支撑,外界看热闹的很多,肯帮忙的很少,为了找融资,老罗那段时间跑断了腿,在2017年发布了坚果pro,将这个岌岌可危的公司救活了。

然而成功只是暂时的,锤子的颓势已经无法阻挡。在发布了T1和T2之后,锤子T3在千呼万唤之中仍然没有出来,老罗给了大家太多口头支票,却没有做实现承诺的打算。一直到现在,锤子科技最新的手机仍是2018年发布的坚果系列。让人不禁疑问:老罗你的锤子呢?

罗永浩 你的锤子呢?

时至今日,锤子不再是一家情怀满满,充满逼格的手机品牌,而是为了活下去模仿小米,卖空气净化器,行李箱,甚至卖电子烟,七年时间过去,锤子还是败了。罗永浩仍不屈不挠的试图实现他的梦想,他也从强烈的抨击黑粉,变成了自黑,曾调侃自己比起被当成悲剧英雄,更喜欢被当成失败的小丑,不可一世的老罗终于承认了自己的失败。

罗永浩 你的锤子呢?

老罗仍行走在追梦的路上,他的故事看起来不励志,也不好笑。我们看不起他的狂妄,等着看笑话,却不知他已比我们大多数人成功。老罗曾说:“王者都是孤独的,真正有思想的人到哪儿都不合群。”或许就是这样,李姐万岁吧。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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