随着智能手机中配置的感知器与高运算能力成为常态,穿戴式电脑科技正在快速发展。数据显示,全球市场2011年共卖出1400万件高科技穿戴式设备;估计到2016年这个市场将会膨胀到最少60亿美元营收。Juniper研究机构预测,2017年将会卖出将近7000万件智能穿戴式装备。
与此同时,穿戴式科技也越来越受到业界巨头如亚马逊、苹果、Facebook、谷歌与微软等公司的重视。穿戴式智能设备与应用开发者将会需要做出决定,选择哪一个平台,或是考虑将自己的产品在不同的 *** 作系统上推出。就像智能手机的应用一样,开发者必须谨慎决定哪一个平台最有潜力并且下注。
增强现实的智能眼镜
“增强现实”的谷歌眼镜是目前穿戴式科技最被人广为讨论的例子。被昵称为“投射眼镜”的这项产品,是电脑化的镜片能够以类似于智能手机的格式将消息展示在用户眼前,同时能够语音控制导航应用程序和浏览网络。
谷歌眼镜成功创造了话题,但也开始有竞争对手浮出台面。在今年拉斯维加斯的CES国际消费电子展上,一家名为Vunix的公司展示了Android系统的智能眼镜。
谷歌眼镜的竞争对手之一Vunix将在暑假上市智能眼镜。
用户戴上这个轻巧的设备后,右眼前有个小小的彩色显示宽屏,刚好落在用户视线上缘处。用户可以按下按钮固定在耳朵旁,或者透过蓝牙与智能手机配对。
尽管该现在初步的功能只有摄制和上传视频,但Vunix认为开发者很快就会想出其他用途。该公司相信智能耳机与眼镜将会在未来十年取代许多用户的手机。
顺应潮流的智能手表、手环
谷歌眼镜虽然很先进,可是戴在脸上却太过招摇,手表就似乎人人能够接受。在智能手表类别中最引人注意的,就是透过集资网站Kickstarter一战成名的鹅卵石智能手表(Pebble Watch)。当初本来想集资十万美元,最后却超过100万美元,其创始人、四个硅谷的小伙子一夜间从麻雀变凤凰,也让这个初创小公司在CES上出尽风头,超过同样推出智能手表的索尼。
在Kickstarter上,鹅卵石手表吸引了将近七万人投资。
设计简洁的鹅卵石手表,就像是将电脑戴在手腕上,可以直接 *** 作应用,其特殊的省电电子纸显示屏,不但可以在阳光直射下轻松读取,同时电力可持续一周。
除了智能手表,手环也是最近很受注目的产品。耐克最近大力宣传自家产品"燃烧手环"(FuelBand),戴上后会自动侦测使用者在锻炼时所燃烧的热量,上个月更宣布与热门减肥应用"Lose it!"合作,将资料同步上传到该应用,方便用户随时进行体重管理。
还有传言指出,苹果将会公布自己的穿戴式设备,这也让许多人满心期待,更加深了对于智能手表的信心。
鹅卵石手表的CEO 艾瑞克•米奇柯维斯基(Eric Migicovsky)在接受外媒采访时表示,“对于在移动装置上能更轻易地获得电子邮件、短信和提醒等通知,我们亲眼见到市场上有极大需求。我也相信智能手表与类似的穿戴式设备将会成为我们日常生活的重要一部分。”
不远的将来:智能服饰
未来有可能头戴谷歌眼镜,手腕上是智能手表,身上穿着智能服饰吗?这个画面也许很快将成为现实。目前已经有公司研究将科技整合到纺织品,其中需要突破的最大挑战在于如何将电子零部件结合到柔软的布料上。虽然专家相信,智能服饰的主要应用范围应该会在监控医疗与锻炼上,但同时也有可能会扩大到娱乐层面:比如拍拍衣袖就可以调低扬声器的音量;随时改变身上衣服的颜色;甚至在恤衫上随时更换上面的图案或字样。
现在已经有少数的智能服饰出现在市面上。一款上面有“雷达屏幕”的恤衫,可以扫描同一个区域内是否有其他穿着同款恤衫的人。销售该款恤衫的网站上,还有一款衣服可以侦测你所在的位置附近有没有WiFi热点。
这款恤衫可自动侦测附近有无身著同样服饰的人。
我们同样也可预期很快将看到智能手套,据说谷歌已经正在积极研发。谷歌智能手套的原型包括指端上有摄影机、罗盘、陀螺仪、时速表,与其它动作探知器,以及处理器、记忆储存卡和无线通讯的配备。
智能手套的应用有无限可能: *** 纵电脑介面、增强视觉效果、定位导航、医疗人员可远距触诊、只要动动手指就可点击虚拟键盘等。
以人为本 不为科技所用
科技与我们的身体更紧密结合,新的挑战也随之而生。许多问题或许不在科技本身,而是在人。资深分析师莎拉•艾普斯(Sarah Epps)在最新的报告中点出,产品的设计者必须本着以人为主的概念去设计,人才是创新的重心,而非设备。
即使越来越普遍,技术上也不是问题,但是让这些穿戴式智能设备融入日常生活,以及一般人的生活习惯里,可能比克服技术上的困难还有挑战性。最有卖点的智能设备将是可以帮助我们改变行为或接受新习惯的服务。科技或许进展神速,但要改变行为却需要很多时间与努力。
穿戴式科技产品必须耐用;必须以最自然的方式配合我们的生活型态与习惯,同时还需有流行性。除此之外,这些智能设备也得要容易 *** 作,消费者还得觉得有花钱的价值。以往我们必须学习如何与机器互动,现在则是完全相反----机器必须学习如何为我们工作。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)