“今天有1.7万家企业通过全时远程会议平台进行商务沟通与协作,平均每月接入量达600万人。” 全时CEO陈学军表示。
全时CEO陈学军发布“全时盒子”硬件视频会议产品
全时是一家SaaS会议平台提供商,无论是电话会议、网络会议还是视频会议,从应用规模上看,全时已经占据了国内SaaS会议平台市场的领先位置。
不过即使在SaaS会议服务的市场上,全时已经取得了不错的成绩。全时还是将触角伸向了硬件视频会议领域,近日,全时发布“全时盒子”硬件视频会议方案。
有必要说的是,在硬件视频会议市场,Polycom、思科、华为占据了半壁江山,特别是高端市场。但是陈学军对于以Polycom为代表的硬件视频会议产品意见颇大,“硬件视频会议已经存在了很多年,但却是一个为数不多的没有改变的行业。”他认为传统硬件视频会议产品“复杂、封闭和昂贵”。
不论是设备安装、硬件设置与会议使用,这通常是需要专业IT才能做的事情。并且,这些视频会议系统封闭,不能连接外部,例如PC和手机的使用限制,还有专网等。陈学军对于它们的价格更是吐槽了一番,的确,不论是硬件视频终端还是MCU,几十、上百万的费用怕是不能用“亲民”来形容了。
在全时盒子发布会上,陈学军对外称,“全时要改变硬件视频会议市场,让视频会议协作高清、简单、用得起。”
接下来就不妨来看一下全时盒子的真面目,全时盒子产品由盒子、摄像头和全向麦组成,从外观看整套产品设计简约有质感,商务范儿十足。它摒弃了传统硬件视频会议设备的安装复杂和操作繁琐的流程,对于普通员工来说,它的安装及使用都可以视为简单明了。
(图)全时盒子采用高频4核A17架构CPU芯片,整合超强4核GPU Mali-T760,多分屏视频画面同时渲染,速度更快,色彩更逼真。此外,盒子还搭配了专业的独立DSP硬编码芯片,高端SoC配合专业DSP,轻松处理1080P高清画质。摄像头采用SONY 1/2.8英寸Processive CMOS图像传感器和10倍光学变焦,呈现更清晰的图像和更通透的画面效果。全向麦采用Jabra提供的配件,内置全向型麦克风,拾音距离更远。
看似简单的视频会议盒子,如何保障效果和视频质量呢?
陈学军表示,它是一个可以在互联网上开高清视频会议的盒子,除了在硬件上下足了功夫外,还得益于全时十年来在软件视频上的技术能力积累。
据介绍,全时盒子对视频采集进行优化处理,通过对摄像头内部的亮度,色度,饱和度,伽马矫正的调整,以及去噪点技术,使画面更加柔和,图像更加清晰。在视频处理算法优化上也进行了优化,通过改良现有颜色转化算法,重采样等算法,极大减少颗粒感及锯齿现象,画面更细腻,细节表现更突出。
同时,全时盒子还通过智能动态码流控制,实时监控物理网络带宽波动,实时调整策略。带宽波动大,实时调整带宽,保证视频流畅,无卡顿。带宽平稳,快速提升视频码流,确保高质量视频画面。
除此之外,在声音处理上,全时也力求完美。陈学军指出,通过AGC自动增益技术,使声音洪亮30%;通过AEC回音消除技术,近距离开会互不干扰;LPF低通滤波技术,消除非人类噪音;FEC前向纠错技术,语音方面使用网络传输使容错能力提高3倍。
当然,这不是一个简单的视频盒子,正如前文所说,全时十年来专长于SaaS视频会议领域,即使作为一款硬件视频会议设备,全时也为它加入了云的特性。
据介绍,全时盒子可支持上万人同时在全球各地开会,之所以支持如此高容量的并发量,陈学军指出,全时上百台云服务器,采用分布式部署于全球多个IDC机房及第三方云上,可灵活线性扩容。
陈学军称全时盒子注入了互联网基因,不过它的互联网基因还不止于此,此刻的你如果已经对全时面世的硬件视频会议产品渐生兴趣的话,也许你要问它的价格了?
“硬件免费!”当陈学军宣布全时盒子产品销售模式时的确出乎很多人意料。用户每月只需支付299元服务费就可以使用全时盒子这套软+硬的高清视频会议方案,这在企业级IT硬件的销售模式中并不多见。
当然,这给企业带来的好处是显而易见的,一是降低采购成本,二是企业用可以部署升级最新的硬件平台。
现在,全时将视频盒子场景拓展到教育、医疗等特定行业,通过开放API和提供SDK,陈学军称越来越多的场景化应用会迸发出来。
而对于全时盒子的未来市场表现,陈学军信心十足,“十万台!”这是他给出的2016年销售预期。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。