ZD至顶网网络频道 12月14日 编译:根据IDC一份新的开支指南显示,全球物联网开支预计将以17%的复合年增长率增长,从2015年的6986亿美元增长到2019年接近1.3万亿美元。
从地区来看,亚太在物联网开支方面是无可争议的领导者,该地区在2015年占到了全球总体开支的40%多。北美和西欧分别是第二和第三大地区,2015年的开支总和超过了2500亿美元。未来五年物联网开支增幅最快的地区将是拉丁美洲(26.5%的复合年增长率),其次是西欧、中欧和东欧。
“亚太地区强大的物联网开支前景是建立在三大动态上的:传统IT无法完全满足发展中国家的技术投资需求,这推动着物联网投资的加速;政府对基础设施开发和本地商业变现的投资正在越来越多地融入物联网元素,例如在中国、印度和菲律宾;一个不断壮大的新消费阶层正在加速对货物和消费的开支,其中包括那些采用了物联网组件的货物和服务,”IDC物联网研究经理Marcus Torchia这样表示。
从垂直行业的角度来看,制造业和运输业是2015年全球物联网支出最高的行业,总额分别为1656亿美元和787亿美元。在未来五年,物联网开支增长最快的行业预计将是保险业(31.8%复合年增长率)、医疗和消费市场。消费级物联网市场的快速扩张将是预测末期第三大物联网开支门类。
“制造业和运输业很适合部署物联网,”IDC物联网研究院高级副总裁Vernon Turner表示。“这两个行业已经将他们的供应链、产品、客户甚至是工人连接起来有一段时间了,真正获得了业务成果的价值体现。”
由于物联网是一个将唯一标识的、自主通信终端(或者“物”)连接起来的网络,正在被以各种方式运用于各种行业,因此地区与地区之间增长最快的使用实例各不相同也就不足为怪了。
- 在中欧和东欧(CEE)以及中东和非洲(MEA),增长最快的物联网门类是智能建筑,采用了高级自动化和集成的物联网技术正在被用于测量、监控、控制和优化建筑操作和维护。
- 在拉丁美洲,增长最快的物联网门类是维护和现场服务,在这种场景下可自动测量、记录和从现场远程传输服务数据,用于被技术人员进行监控和使用。
- 在亚太,保险远程通信正在被用于通过加载在交通工具上的设备监控驾驶员行为,数据被快速用于决定保险政策和收费手段。
- 在北美,店内情景营销正在快速增长,零售商希望借此获得来自移动设备、在线客户行为、店内无线路由器/信标以及摄像头的持续实时数据,从而深入了解客户行为和客户需求。
除了上面提到的物联网使用实例之外,连接的车辆(一个很广泛的门类),其中包括紧急情况、信息娱乐系统、安全性、车辆与车辆(V2V)、车辆对基础设施(V2I)应用是六大地区中五个地区增长最快的使用实例。
IDC全球半年度物联网开支指南,从国家层面预测了覆盖超过40个使用实例的物联网技术开支,包括自动公共交通、远程健康监控、数字标牌、连接车辆、智能家电、空中交通等。与其他行业研究不同的是,这个综合开支指南旨在帮助厂商清楚地了解到当前物联网技术在特定行业内的商业机遇。
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。