智能家居市场或将井喷 电视遥控APP靠什么重新定义电视?


近2-3年来,海外科技巨头们对智能家居开始青睐,纷纷在这个还不算成熟的领域插上一脚。而中国的智能家居行业也高举高打,好不热闹,但现实中却有点雷声大雨点小的味道。

一位智能家居资深从业者告诉笔者:虽然起源于美国的智能家居概念已走过30年,但直到当下,国内智能家居整体还在早期的前进路上,挑战重重。

不过,这一行业仍然大有前景。数据显示,国内拥有1亿多潜在的智能家居客户,到2020年规模有望达到2万亿元。特别是随着人工智能大潮的来临,将进一步驱动中国智能家居行业奋力向前,并成功突围。

  

1、智能家居的突围者


在国内大的互联网巨头中,百度在AI智能家居迈出的步伐最大,有望成为这一领域的成功突围者,并一路追赶上谷歌。

就在上周的2017百度世界大会上,百度智能家居硬件部门发布了重磅的raven H智能硬件产品、raven R六轴情感机器人,还有一款raven Q概念车。



除了无人车、机器人等上述多种智能硬件外,电视也是整个智能家居中非常重要的一环。毕竟相比智能手环、智能手表、机器人等,电视的应用场景最高,人们的接受度也更高。电视、家庭娱乐场景,是每个人每天都会接触到、离人最近的场景。


内容生态的扩充和硬件升级,让电视重获新生,但电视遥控的传统、复杂体验,却与越来越轻、薄、画质精细的互联网电视脱节,可以说,“电视不断进化,但传统电视遥控交互不便”成为急需解决的问题。

所以,在2017百度世界大会上,百度旗下的视频网站爱奇艺展示了电视投屏智能硬件——爱奇艺电视果。电视果和谷歌Chromecast功能相似,是手机到电视的一个“桥梁”, 把手机或者平板上的流媒体内容无线传送到电视上。


此外,百度还在电视遥控APP上做了文章。其中,百度袋鼠推出的“袋鼠遥控”就是该领域的一款产品。它是一款实现手机遥控智能电视/盒子的AI移动应用,可投屏观看其聚合的网络资源、百度云及本地资源等,还通过融入AI技术,打破了传统按键式遥控方式,用轻松的语音指令代替反复点按,让电视变得“更好看”。

 

  

2、激烈厮杀中如何异军突起?


毋庸置疑,智能电视是客厅娱乐、生活的一个关键入口,是最有实力的“客厅经济”候选人。但传统电视因内容单一、节目收看时间受限,逐渐失去了吸引力。遥控类APP则正好处于电视与手机中间,处在整个智能电视与电视盒子的入口位置,在绑定了海量智能电视用户的前提下,它的互联网电视体验AI化或许是解决电视与客厅传统交互窘境,乃至成为国内智能家居行业的重要突破口之一。

 

如果从整个智能家居生态上来看,遥控投屏类APP也是多元化人机交互的入口, 此类APP的出现,或许可以帮助厂商把用户拉回电视机前,成为家居生活迈向AI化的重要一步。



根据百度、应用汇、豌豆荚、安智市场、安卓市场这些应用市场的检测数据,仅安卓系统中,第三方遥控器APP的下载量已经达到千万级别。而在苹果系统用户中,第三方遥控器APP渗透率已经超过10%。这些都表明,遥控类APP足以挟用户以令市场,成了一股不可忽视的力量。

核心的问题是,国内电视遥控APP行业竞争也十分激烈,除了袋鼠遥控,还有注重内容生态的悟空遥控、注重多屏转换的乐播投屏等已做了数年的前辈,袋鼠遥控如何异军突起?

在我看来,破局的关键点在于袋鼠遥控走出了新的路数,以百度的AI能力赋能交互体验为发力方向,包括语音搜索,图像识别等等,这是百度的优势,也是袋鼠遥控的差异化竞争力所在。

具体而言,以近日袋鼠遥控安卓最新版本为例,除了普遍具有的WIFI下自动匹配、资源投屏、语音遥控、内容推荐这些常备功能,袋鼠遥控通过语音AI 遥控给用户带来便利和新体验,比如你可以对手机说“我想看胡歌的电影”、“大点声/声音太小了”、“推荐一些美剧”等等语音指令….高效的语音遥控能力、复合语音指令搜索能力让人们解放了需频繁点按的双手,最终实现了快速找到资源,轻松实现遥控。

 

据了解,不久后,袋鼠遥控还将推出3.0版本,并增加图像识别能力,在AI化遥控的道路上再迈进一步。



这些功能,让电视遥控的体验领先原装遥控器一大步。要知道,使用原装遥控器时,除了恼人的频繁点按似乎并无它法。

当然,袋鼠遥控APP目前还有待前进,在实现跨屏输入法、下载应用、录播等方面还有更多优化空间。毕竟要真正实现客厅生活迈向AI化之路,也不是一蹴而就的,探索和开拓新体验的路依然很长。

不管怎样,电视遥控APP行业的比拼的关键在于AI技术与交互创新,从目前来看,年轻的袋鼠遥控或许还未走到了最前面,但却是走的最快的一个。智能家居井喷的时期,AI或许将成为遥控APP重新定义电视最大的机会所在。


老胡说科技

______

ID:laohushuokeji


长按图片,识别图中二维码,

一起关注科技领域干货!

你的分享和关注,是我前进的动力。

运营人:老胡,知名互联网评论人士,观察家。沉积科技领域13年,历任《IT时代周刊》主笔,腾讯科技首席记者,迅雷、滴滴公关总监;写过大型书籍《黑马首富王传福》;

他是中国科技自媒体top 10,2016自媒体人百强;【具备创造:10万+阅读,文章能力】;文章见今日头条、界面、钛媒体、新浪科技、搜狐、腾讯、网易、艾瑞等60余家顶级专栏,单篇文章曝光量百万,整体文章阅读量超过10亿;文章转载与商务合作请加个人微信号:taiyangfeixue 

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