为了响应更多员工重返办公室后企业对空间使用可视化的需求,科技供应商 Logitech 推出了 Spot,这是一款现代传感器,能够结合占用率和环境数据来增强工作场所洞察和自动化水平。
作为其 Space Management 办公桌和会议室预订解决方案产品组合的最新成员,Logitech Spot 是一款多用途工具,旨在帮助 IT 领导者和工作场所/设施管理者确保房地产和房间设计满足员工需求,同时帮助人力资源经理确保员工在办公室保持高效和积极参与。
Spot 可以在电话亭、工作舱、休息室和灵活区域等各种空间使用,用于了解空间使用率和环境条件。该传感器还能为非视频房间和无技术房间提供洞察。它收集空间使用率、空气质量和能源效率等数据,使企业能够就房间健康状况和工作条件、办公室能源消耗和房地产规划做出明智决策。它还研究环境因素如何影响员工,并提供自动化功能以提高空间预订效率。
Spot 的主要特点是结合了环境和占用率数据。这款现代传感器提供一个衡量特定空间空气质量的健康评分,同时能源评分旨在帮助企业确定能源使用的改进区域,并更好地了解房间的占用和协作使用情况。
通过这两组环境数据,Logitech 表示 IT 部门可以访问单个房间或跨多个空间的环境洞察,以识别可采取行动的健康条件见解,如温度、湿度、颗粒物、二氧化碳水平、气流和空气质量。能源效率条件的指标,如过热、过冷或过度通风,帮助公司采取行动减少办公室能源消耗。
在实现工作场所自动化方面,Spot 的雷达基础占用传感器可以检测空间是否被占用,使房间能够自动预订或释放,无需个人手动更改房间状态。
Logitech Spot 与 Tap Scheduler 和 Logitech View 集成,使寻找可用空间变得简单直观,该传感器可以使用 Rally Bar 上的人工智能 (AI) 取景器来访问房间占用数据,为空间规划决策提供信息。根据制造商的说法,使用雷达和 LoRaWAN 可以以很低的功耗获取占用率和洞察数据。
其他功能包括基于雷达的占用检测,提供精确的占用数据,实现自动和准确的房间预订,该系统兼容 Microsoft Places、Zoom Workplace Reservation 和 Logitech Room Booking。此外,Logitech Spot 的数据可以与 Appspace、Metrikus 和 Samsung SmartThings Pro 等工作场所平台集成,并将通过同步应用程序编程接口提供。
同时推出 Spot 的还有 Rally Board 65,这是一款集成智能音频和视频的 65 英寸触摸屏显示器的一体化便携视频会议解决方案。Rally Board 65 可以推车运输到卫星办公室,提供具有占用和环境检测功能的 AI 驱动功能套件。无论团队使用 Microsoft Teams、Zoom 还是 Google Meet,该视频会议解决方案都可以在 Android、PC 或自带设备模式下工作。
关于此次发布,Logitech 表示企业希望为混合办公员工提供现代视频会议工具,但随着技术环境变得更加复杂,IT 团队正在应对不断增加的工作负担。
Logitech for Business 首席运营官兼总经理 Prakash Arunkundrum 评论道:"混合办公员工期望所有空间都能支持视频功能,并且能够根据需要随时进行协作,无论是在开放空间、传统会议室、协作室还是学习空间。因此我们问自己:如何创建一个智能、极其精密的会议系统,同时大大简化设置过程?"
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。