[编者按]:《元宇宙十万个为什么》是至顶网策划的一档特别栏目,我们希望做元宇宙时代的观察者、记录者、推动者。本篇为该系列第十一问,并同步更新在「QA相对论」微信公众号中,敬请关注。
Facebook改名Meta全力押注元宇宙,掀起了互联网行业的元宇宙热。有了FB作为“带头大哥”,各大企业公司都开始“跟风”元宇宙。
微软:微软推出Metaverse,允许用户将物理对象或环境数字化,这一数字化形式被称为“数字孪生兄弟”。在“数字孪生兄弟模式”中,传感器不断跟踪指标,并将数据流回云端,实现现实世界和数字世界的实时互动。
Unity Software:Unity Software是现有的两个主要的3D电子游戏引擎之一的拥有者。在全世界现有的最大的100个游戏开发工作室中,有94个使用Unity引擎。在元宇宙语境下,Unity可以帮助人们和企业建立独特的存在于元宇宙中的公司。目前,Unity已经建成了香港国际机场的模型,这一模型能实现实时互动,到目前为止能维持正常运转。
Epic Games:Epic Games是当下广受欢迎的虚拟现实游戏Fortnite游戏的制造商,在Metaverse内容制造领域走在前列。
亚马逊:自2018年以来,亚马逊一直在神秘地开发“全新的VR购物体验”,试图借助Metaverse搭建虚拟的购物空间,使购物者可以与数字产品进行互动,通过在Metaverse中建立某种形式的虚拟"亚马逊购物中心"来保持其主导地位。
Nvidia:2021年8月11日,Nvidia宣布了Nvidia Omniverse计划,建立全球首个虚拟合作和模拟平台。Nvidia Omniverse通过使元宇宙的愿景成为现实来连接世界,建立一个从个人到大型企业、每个人都可以与他人合作的革命性的虚拟世界的平台。
腾讯:早在2019年5月,腾讯与沙盒游戏平台Roblox达成战略合作,获得国内代理权。半年多后,腾讯参与投资Roblox,成为股东之一。Roblox上市即成为“元宇宙第一股”,市值已突破620亿美元。
百度:百度在苹果App Store和安卓应用商店上线了一款名为“希壤”的社交 App,发力元宇宙。百度称,将打造一个身份认同、跨越虚拟与显示、永久续存的多人互动虚拟世界。
阿里巴巴:2021年10月下旬,阿里成立XR实验室,探索下一代云网端融合架构下的未来操作系统以及着力于新一代移动计算平台的研究。该实验室主要做基于AR(增强现实)、VR相关的技术研究,和元宇宙息息相关。
京东:在2021年双十一期间,京东就在直播全程采用虚拟IP主播“VIVI子涵”在虚拟直播间中与大家实时互动,带来数字化购物体验。用户在手机、电脑端可以直接观看,如果佩戴VR眼镜,还可以走进直播间与主播零距离互动,也可以拿起虚拟商品进行试穿和360度观看。
网易:网易已有瑶台沉浸式活动系统、AI虚拟人主播、星球区块链等元宇宙概念产品落地,并投资多家虚拟人领域创新公司。
小米:2021年9月份,小米手机官方宣布了新品——小米智能眼镜探索版。该款智能眼镜将采用MicroLED光波导技术,可以让画面呈现于眼镜前端的显示屏上。
华为:华为公司日前发布了基于虚实融合技术Cyberverse(河图)的AR交互体验App“星光巨塔”。据悉,华为河图之“星光巨塔”提供了多种LBS AR玩法。参与者进入App就可以看到一个虚实融合的世界,在这里可以收集能量、搜索宝箱、寻找NPC、占领能量塔、团战打BOSS,以取得最终的胜利。
除此之外,字节跳动、快手等互联网公司也纷纷注册相关商标布局元宇宙。
元宇宙的出现恰恰提供了一种未来社会的生态图景,被认为是数字经济创新和产业链拓展的新疆域。也许这将会带来一次全球范围内经济形态、文化范式等全方位的变革浪潮。
关注公众号「QA相对论」,获取「元宇宙十万个为什么」。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。