据美国科技网站TheVerge报道,WiFi似乎已经将消费者家中的大多数设备都连在一起了,那为什么不通过它将智能家电也都连在一起呢?
虽然这样的想法看似理所当然,但是实际上大多数连网设备厂商一直不愿意使用WiFi,这主要是因为WiFi的耗电量太大了,因此对于很多廉价的微型设备来说,这就是一个巨大的问题。这些微型设备充一次电通常需要用好几个月甚至好几年。
WiFi 联合会(WiFi Alliance)打算改变这种状况,其日前宣布了一种全新的、能够在低功率设备上使用的WiFi技术。据称,这种新的WiFi技术可以让WiFi信号传 播得更远,穿墙性能也比以前的WiFi技术更佳。如果WiFi联合会所言非虚的话,那么这种新技术显然更适合智能家庭和物联网设备。
这种新WiFi技术将被称作WiFi HaLow,它将是即将发布的802.11ah标准的拓展。WiFi联合会打算从2018年的某个时间开始验证HaLow产品,但是首批HaLow产品问世的时间可能会更早一点。
这种新WiFi技术可以弥补以前的WiFi技术在与蓝牙对比时的短板,它可以被应用到健身追踪器、家庭感应器、安保摄像头或其他家庭设备中。现在,很多设备 比如摄像头已经支持WiFi技术了,但是可穿戴设备和感应器中还应用得很少。HaLow将是一种比蓝牙更优秀的解决方案。
WiFi联合会并未提到蓝牙技术,但它暗示HaLow的性能将比蓝牙技术更强。联合会的营销副总裁凯文·罗宾逊(Kevin Robinson)表示:“HaLow在电池续航时间和其他性能上面将能与现有的技术相媲美。”
如果HaLow技术真的能够表现得象WiFi联合会所说的那样,那将具有非常重要的意义。它不但能够完全取代蓝牙,而且信号传输距离更远,还能直接与路由器相连,也就是说能够直接与互联网相连。
现有的手机和路由器必须升级WiFi芯片才能兼容HaLow产品,但是这只是时间早晚的问题,就像5GHz WiFi问世不久就被正式发布了一样。
HaLow之所以具有这些优势是因为它是在一个更优的频段上运行的。它运行的频段是900MHz频段,而现有的WiFi技术运行的频段是2.4GHz和5GHz频段,900MHz频段的信号传播距离更远,穿透性更强。
需要指出的是,与现有WiFi技术一样,HaLow技术将在未授权的频段上运行,因此可能会存在一些干扰。
当然,HaLow技术也有它自身的短板,那就是它并不适于用来快速传输数据。它并不适合用于浏览网页,而更适合用在高频率的微量数据传输上面。设备厂商可以按照各自的需求来定制HaLow以便提高传输速度,但是电池续航时间可能会因此而受到一些影响。
HaLow 可能要等到两年之后才会出现在智能家庭中,但是智能家庭和物联网才刚刚起步,因此HaLow的加盟时机可能并不算晚。罗宾逊表示:“联合会认为HaLow 将在物联网领域发挥出巨大的作用。”但他同时也承认,WiFi可能不会是唯一的标准,没有人认为物联网会通过某种单一的连网技术整合在一起。
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。