HP Inc. 今天宣布,将以 1.16 亿美元收购人工智能智能胸针制造商 Humane Inc. 的部分资产。
Humane 于 2023 年 11 月推出一款名为"Ai Pin"的设备,售价 699 美元,由此跻身 AI 领域。这款设备 (如图所示) 的佩戴方式类似胸针,被宣传为智能手机的替代品,用户可以通过语音命令与设备交互。不同于传统屏幕,Ai Pin 配备了一个微型激光投影仪,可以在用户手掌上显示时间等信息。
这个想法听起来很抽象,也确实如此。该设备的功能都可以在大多数智能手机上实现,即使是投影功能也能在一些中国产 Android 手机上找到。此外,除了 699 美元的购买价格外,该设备还需要支付每月 24 美元的订阅费。Ai Pin 的评价并不理想:操作笨重、功能有限,远未达到预期。
由于其唯一产品和核心产品未能获得市场认可,Humane 在 2024 年 5 月首次传出寻求买家的消息。当时的报道称,该公司追求高达 10 亿美元的估值。
到了 2025 年 2 月,HP 现在收购了 Humane 的关键 AI 资产,包括其 AI 驱动的 Cosmos 平台、技术人才和超过 300 项专利及专利申请的知识产权。这次收购被定位为推进 HP 向更注重体验的公司转型。
值得注意的是,HP 并未收购 Ai Pin,而是收购了支持它的部分技术。
HP 技术与创新总裁 Tuan Tran 在声明中表示:"这项投资将快速提升我们开发新一代设备的能力,这些设备可以在本地和云端无缝协调 AI 请求。Humane 的 AI 平台 Cosmos 以及其出色的工程师团队,将帮助我们在所有 HP 设备中创建智能生态系统,从 AI PC 到智能打印机和互联会议室。这将为我们的客户解锁新的功能水平,实现 AI 的承诺。"
根据协议,一组 Humane 的工程师、架构师和产品创新者将加入 HP 的技术与创新组织。这些新加入的 Humane 员工将在 HP 内部组建一个名为 HP IQ 的新团队,这是一个专注于为未来工作构建 HP 产品和服务智能生态系统的 AI 创新实验室。
目前尚不清楚 Humane 还剩下哪些部分,或者在出售其核心技术后是否会继续运营。不过,Ai Pin 的日子已经屈指可数,该公司表示,这些设备将于 2 月 28 日失去对 Humane 服务器的所有访问权限,包括通话、消息和 AI 查询等功能。
在进行这次技术和人才收购之前,Humane 已经通过三轮融资筹集了 2.3 亿美元的风险投资。该公司的投资者包括 Kindred Ventures、LG Technology Ventures、Socium Ventures、Qualcomm Ventures、Valia、Forerunner Ventures、Tiger Global Management、Hico Capital、Microsoft Corp.、Volvo Cars AB、Top Tier Capital Partners 和 Hudson Bay Capital LP。
好文章,需要你的鼓励
Salesforce推出三大AI研究项目,包括CRMArena-Pro数字孪生平台,用于在部署前对AI智能体进行压力测试。该举措旨在解决企业AI实施中的关键问题:95%的生成式AI试点项目未能投入生产。新平台在真实业务环境中评估智能体,涵盖客户服务升级、销售预测等复杂场景。同时发布的还有CRM智能体基准测试工具,从准确性、成本、速度、安全性和环境可持续性五个维度评估AI智能体。此外,账户匹配功能利用精调语言模型自动识别重复记录。
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
博通宣布对VMware Cloud Foundation平台进行重大升级,将私有AI服务集成到核心订阅中,并为vSAN存储虚拟化软件添加云原生对象存储支持。此举旨在满足企业对简化基础设施、高效AI采用和网络安全的需求。升级包括与英伟达合作的VMware Private AI Foundation服务、支持AMD GPU、Amazon S3兼容对象存储、与Canonical合作的Ubuntu容器镜像,以及新的四阶段自动化安全流程。博通还推出了面向高监管行业的VCF网络合规高级服务。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。