ZD至顶网CIO与应用频道 12月09日 评论消息: 增强现实(Augmented Reality,AR)和虚拟现实(Virtual Reality,VR)的市场处在高速增长中并且逐渐趋于成熟。其中科技巨头的动作包括Oculus与三星合作共同开发Gear VR,Magic Leap收到超过5亿美金的投资等等。此外,微软HoloLens,HTC Vive,Epson Moverio,Atheer Labs,Daqri,Meta等都是AR/VR领域知名的企业和产品。
Forrester认为,AR/VR已经能够帮助企业实现以下功能:
1.提高企业生产力
·支持沉浸式协作:微软HoloLens通过3D增强现实打造出了一个全新企业协作环境。即在工作环境中,一位员工可以通过平板电脑观察到该另一位佩戴有HoloLens员工的视角,从而使得彼此间的远程协作成为可能。
·与连接设备实现互动:AtheerLabs已经在全球Fortune100的35家企业中开展连接设备的试点项目,重点观察的行业包括大型综合企业、医疗、仓储、石油天然气以及制造业。
2.发展更多基于员工设备的客户互动形式
·支持多样的客户展示:AR/VR远不止头戴式设备这一种产品形式。例如,硬件零售商Lowe在其Holoroom产品中就以iPad为媒介,为客户展示浴室的内部设计样式。用户通过移动iPad可以观察到室内设计细节,并对于设计给予实时反馈以便Lowe进行调整和改善。
·改善客户服务:通过将EpsonMoverio的智能眼镜和来自EvenaMedical的技术相结合,医生护士在采血过程中能够实现更精准的操作。智能眼镜在扫描患者胳膊后将血管的位置图像呈现在护士的视域中,极大的减少了操作失误的可能性。
3.发展更多基于客户设备的客户体验
·支持客户体验产品:通过将Oculus添加到基于运动控制的驾驶模拟器中,Lexus能够让客户提前感受驾驶其新一代运动系列产品。在不久的未来,这种驾驶模拟器将能够帮助处在拥挤都市的客户实际体验到各种驾驶模式。
·探索未来服务创新的可能性:Marriott尝试在体验棚内通过OculusRift让客户实现虚拟体验一些潜在的观光度假地。体验棚内还增设了包括温度、风、海洋气味等在内的4D体验元素,使得整个体验更加生动逼真。
按企业的业务需求选择最适合的AR/VR方案
企业应该按照自身实际业务需求确立AR/VR的筛选评估体系。这其中包括:识别出现有的工作流程和潜在AR/VR的业务应用情境,并在虚拟情境连续体坐标中确定自身需求,包括3D展示、全动态图形等等(如上图所示)。企业应该基于自身的评估体系进一步筛选具体的产品设备。
Forrester对目前市场上的设备有以下观察:
·EpsonMoverio在移动方面的功能最优秀,但是其3D成像维度比较低。
·OculusRift提供培训服务,但其产品对于实地使用场景中的支持不够友好,其过于偏向VR的特性使得Oculus更适合支持虚拟场景模拟,而非现场交互。
·微软HoloLens能够最好地平衡以上几种功能。Hololens并非移动设备,但是具有出色的便携性–这正是现场工程师所需要的;该产品在3D成像上得分最高,可以显著提高工作效率;此外,该产品在AR方面的优势使得它能够很好地实现数字化信息和实际物理实体
之间的融合。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。