vrtuoluo

据报道，生成式AI初创公司Stability AI近期因资金短缺与潜在买家进行了出售谈判。2024年第一季度，该公司收入不足500万美元，而亏损超过3000万美元，且需偿还近1亿美元账单。此前，Stability AI发布了利用文本生成音频和视频的AI模型，拥有近200名员工，但在创始人Emad Mostaque辞职后，公司进行了重组，裁减部分员工。

谷歌与Adobe Aero和Unity联合推出了空间AR构建工具Geospatial Creator，允许开发者无编码能力快速创建基于位置的AR体验。去年9月，谷歌举办了沉浸式地理空间挑战赛，吸引超过2700名创作者参与。今年I/O大会上，谷歌宣布启动试点计划，Google Maps用户可通过APP直接查看LBS AR内容，首批内容覆盖新加坡和巴黎的热门景点，计划为期6个月。同时，Geospatial Creator也进行了系列更新。

苹果宣布将在全球无障碍宣传日推出全新辅助功能，支持眼动追踪，助残障用户使用iPad和iPhone。新功能包括音乐触觉、车辆运动提示和人声快捷键。visionOS将增加实时字幕，帮助听力受损者，且支持FaceTime中的实时字幕，提升用户沟通体验。Apple Vision Pro将提供移动字幕及对助听设备的支持，同时更新视觉辅助功能，如“减少透明度”和“智能反转”。这些创新体现了苹果在包容性设计方面的持续努力，旨在为所有用户提供更佳的使用体验。

Hume AI推出的移情语音接口（EVI）旨在通过理解和响应人类情感，重新定义人机交互。EVI结合大语言模型和情感识别技术，能够根据用户语音中的情感变化进行相应，展示出与传统语音助手的显著区别。EVI的语音识别高效且准确，适应力强，但在快速交流时容易出现反应迟缓的问题。此外，EVI能够识别53种情绪，为各行业如医疗和教育提供潜在的应用价值。尽管存在隐私担忧，EVI及类似技术的未来应用趋势仍将改变语音助手与用户的互动方式。

在谷歌I/O大会上，谷歌更新了自家的AI大模型矩阵。新增的Gemini 1 5 Flash是目前最快的模型，优化了大规模高频任务，具备高效内容生成能力。1 5 Pro的处理能力提升至200万token，增强了代码生成和多轮对话的能力。Gemini Nano现已支持图像处理，适用于智能手机等设备。开放模型Gemma 2推出了不同尺寸版本，性能和效率有所提升。同时，Project Astra展示了与AR眼镜结合的多模态AI助理应用。

华为于2024年5月15日发布了华为智能眼镜2方框太阳镜，售价2299元，现已开启预售，将于24日正式开售。该产品延续了智能音频体验，具备45天超长续航、轻巧防晒及高清隐私通话等功能。镜框采用oversize设计，搭载HarmonyOS 4，可与华为盘古AI大模型交互，支持多设备连接。新款眼镜还引入了颈椎疲劳监测功能，续航方面，通过低功耗设计，提供出色的音频通话和音乐续航，快速充电能力也大幅提升。

在今日的谷歌I/O大会上，谷歌展示了“Ask Photos”这一AI照片搜索功能。用户在《Google Photos》APP中可以简单输入请求，比如“展示我访问过的每个国家公园的最佳照片”，系统便会自动推荐照片。该功能基于多模态AI大模型Gemini，能够理解照片的背景和主题，同时提取潜在的详细信息。当前“Ask Photos”仍为试验性功能，未来几个月将正式推出。谷歌承诺用户隐私得到保护，私密数据不会用于广告或训练AI模型。

谷歌在I/O大会上发布了“AI Overviews”搜索功能，帮助用户更高效地提出复杂问题，而无需拆分成多个关键词。此功能搭载Gemini技术，已向美国用户推出，计划年底前扩展至更多国家。该功能的具体用例已在谷歌博客中列出。

4月份，Meta在VR/AR领域发布了自研AI芯片、教育专用VR设备及向第三方开放操作系统等重要消息。国内品牌如Rokid和小派科技集中发布新品，涵盖移动办公和PC VR市场。尽管资本市场相对平静，仅发生14起融资事件，Basemark获得的2200万欧元融资成为亮点。内容方面，SideQuest和Steam平台的新游戏数量增长，BAFTA游戏奖中，VR作品《地平线 山之呼唤》获技术成就提名。政策层面，32条新规指出VR/AR在文化及教育产业融合的重要性。

苹果发布了Vision Pro及其各部件的详细原理图，旨在加速第三方配件的开发。新文件提供了头显各部件的精确测量值，方便第三方制造商设计配件，如头带和处方镜片。头带的新锁定机制使得连接与拆卸更加便捷，预计将推动更多兼容配件的推出。此外，苹果还发布了设计指南，指导第三方设计符合Vision Pro标准的配件。