虽然已经是2025年,但许多公司似乎仍然不清楚AI的实际用途。
这正是我从今年的CES上得到的印象:展会上展示了许多AI驱动的厨房电器、婴儿床和其他其实并不需要AI的产品。

例如:Spicerr,一款配备“智能”触摸屏的调味品分配器,可以在你做饭时学习你的口味,推荐独特的食谱。
然而,Spicerr的实用性本身就值得怀疑。它不具备研磨功能,而且需要15到20美元的专用胶囊,这些胶囊无法重新填充。即便如此,你真的需要一个
可以推荐菜谱的盐和胡椒调味瓶吗?
在展会的其他地方,还出现了Dreo的ChefMaker 2,一款AI驱动的空气炸锅。
是的,你没有看错——这是一款AI驱动的空气炸锅。
相比Spicerr,ChefMaker 2的概念并不那么荒唐。它可以通过扫描页面从食谱书中提取食谱,甚至能够处理计算烹饪时间和温度的复杂数学问题。
不过,扫描食谱书真的是空气炸锅买家真正需求的功能吗?作为一个空气炸锅的用户,我从未考虑过这个问题——似乎大多数人也没有。
然而,CES上还有更多比这还要奇怪的AI产品。
Razer的Project Ava,奇怪地以2014年电影《机械姬》(Ex Machina)中的杀手机器人Ava命名,是一款“AI游戏助手”,正如公司所描述的那样。Ava基本上并不直接玩游戏,而是在你玩游戏时为你提供指导。得到许可后,Ava会捕捉你的屏幕截图,并给出一些建议(例如:“当刀片旋转时躲开”)。
正如The Verge编辑Sean Hollister所写的,Ava引发争议的原因在于,它显然是通过游戏攻略训练的,但却没有标明这些攻略的作者。此外,Ava还有些分散注意力。至少在目前的版本中,Ava有几秒钟的延迟,并且会打断游戏的音频来提供指令。
我不得不再次问:究竟是谁在呼唤这些鬼东西?谁会定期使用它,甚至为它付费?
从目前来看,CES上这些奇怪的AI产品体现了行业的过度炒作。去年,AI公司仅在美国就筹集了970亿美元,足够购买42个Spheres(注:Spheres是一个虚构的概念或项目)。厂商们正在尝试各种AI产品,看看哪些能成功,因为这样做几乎没有风险——而且潜力巨大。
但在许多情况下,他们也面临着现有AI技术的局限。弄清楚哪些AI应用在技术上可行一直是行业的一大挑战。很多时候,这导致了过度承诺,但未能兑现。ChatGPT仍然会犯错;图像生成器在历史上也不够准确;AI视频中的角色常常会“重叠”……
所以我们只能接受现实中的AI乱象:空气炸锅、调味品分配器和“AI游戏助手”。这些并不是大多数人想要的,但它们是目前相对容易实现的AI产品。
希望明年能有更好的进展。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。