
智能硬件市场尚处拓荒阶段 专家称未来必须与大数据结合
尽管智能硬件的发展风头正劲,但目前市场尚处于拓荒阶段,发展前景仍不明确。如何在纷繁复杂的市场环境中找准自身定位和作用,最大程度适应多样化的消费需求,将是智能硬件制造商们面临的艰巨难题。
智能硬件市场迎来快速增长
以智能可穿戴设备为代表的智能硬件正越来越受到大众的欢迎,而智能手环、智能手表更是成为重视健康兼具追求时尚的重要标志。今年6月以来,包括俄罗斯总理梅德韦杰夫、美国共和党总统候选人提名竞争者杰布·布什等在内的国外政要被发现在多个场合佩戴 Watch,美国总统奥巴马手上佩戴的是Fitbit智能运动手表,新加坡总理李显龙则佩戴着Jawbone运动手环。
近两年,在资本的推动下,智能硬件产品在不同领域中都取得了突破性的进展,很多厂商开始涉猎这个新兴市场。在国外,互联网科技巨头如微软、谷歌,消费电子企业如索尼、三星,以及耐克、阿迪达斯等传统企业,都已经向智能可穿戴设备伸出了触角。国内,百度布局的“云 端”数据模式正在建设中,奇虎360、小米、中兴通讯等生产的智能手环都占领了一定的市场份额。
除了大公司积极跟进外,一些创业企业也纷纷把目光瞄上了智能硬件。近日,一家来自新加坡的科技公司奥思OAXIS在北京发布了四款智能硬件产品——O2智能手环、Glo智能体脂分析仪、Vita 智能水瓶以及JiCheng鹤影手环。
OAXIS方面介绍说,O2智能手环拥有心率检测功能, 帮助人们不再盲目运动,而是进行健康的有氧运动;Vita智能水瓶能通过独特的水活力值,让你像查看手机电量一样直观地了解到当前的身体水活力状况;另外一款Glo智能体脂分析仪只需一次配对,就可以脱离手机使用。
据了解,奥思OAXIS是由一群年轻的大学生白手起家创立的电子科技公司,之前主攻美国和欧洲等海外市场,今年逐步将重心转移到中国市场。奥思OAXIS 的CEO杨冠哲说,由上述四件智能硬件产品组成这智能套装已正式登陆上线Pozible,开启众筹。
事实上,随着PC、平板电脑及智能手机等传统设备市场都日趋饱和及成熟,设备制造商、零部件供应商及众多处于科技硬件产品供应链上的其他企业,都强烈想要找到全新的增长机会。而很多企业认为,智能硬件就是下一个风潮产品。
业界人士认为,随着传感器技术的进步、零部件的能耗降低、电池的续航延长以及低功耗蓝牙等无线标准的推出,未来几年智能硬件设备将高速增长,而全球智能硬件设备的“风口”或出现在2020年。
目前尚处拓荒阶段
虽然无论从数据上还是从产品数量上看,智能硬件市场的发展风头正劲,但仍然存在着内冷外热的尴尬,尤其是如今能够实现真正盈利的企业少之又少。究其原因,智能硬件设备市场仍然处于拓荒阶段,发展前景也还不明确。
目前,无论是芯片、技术方案、算法技术、传感器还是续航、显示等方面的技术都在以“火箭”式的速度在探索发展,而借用这些本身还处于快速演变中的技术进行产品的搭建,就像是直接将实验室的产品搬到了市场商业化中。
对此,中国可穿戴计算产业技术创新战略联盟专家委员会委员陈雪涛认为,智能硬件设备目前尚未形成一个行业,而只是一个细分市场。互联网公司、IT公司和传统的运动装备公司都对产业有涉及,通过各自的消费电子类产品切入可穿戴市场。然而当前全球的智能硬件设备仍然还是个未能完全走出实验室的新型产品。虽然面临市场爆发期,但其规模和成熟度还需要时间酝酿。
正因为如此,知名K歌APP唱吧近日发布了三款硬件产品——唱吧麦克风、充电宝和麦克风支架,但这并不是业界火热的智能硬件。唱吧CEO陈华称,唱吧不是不做智能硬件,但用户首先需要的是一个解决问题的完美产品,是否智能只是解决问题的手段而不是目的。“现在智能硬件市场最大的问题是为了智能化而智能化,在解决用户痛点上并没有大的突破,很少有产品能引爆市场获得实际的销量。我们应该从用户需求角度用极致产品去解决已经存在的刚性需求,而创造需求比较难突破”。
奥思OAXIS CEO杨冠哲表示,随着智能硬件的兴起,出现了各种各样的智能产品。但大多数产品仅仅关注某一个方面,从单一维度进行检测和统计,让很多用户不得不买多款智能产品、安装多个App,不仅操作繁琐,数据之间缺乏关联,也让消费者的体验很差。
未来必须与大数据结合
如同任何新兴的计算平台一样,如何在纷繁复杂的市场环境中找准自身定位和作用,最大程度适应多样化的消费需求,将是智能硬件制造商们面临的艰巨难题。
在业界人士看来,智能硬件设备的真正意义在于,虽然都是通过更丰富的传感器和算法来更自动和低成本地数字化人的生活,然后,再通过更丰富的反馈介质和反馈机制来影响和改变人的生活,但这些智能硬件设备要比手机这样的终端更能融入人体和生活。
硬件产业发展到现在,仅靠优秀的工业设计和包装就能开发出一款产品就能改变行业的情况已不复存在。毕竟,再好的硬件设备,缺乏软件支撑,只是一堆废铜烂铁。因而,无论是智能手环还是智能手表,智能硬件设备的核心在于数据的采集、计算、反馈以及最终对人的行为的改变。
作为硬件智能化的核心,大数据由过去单纯的数字,转化为如今的数据统计,包罗万象。它不仅包括我们所说的客户量,业务量,营业收入额,利润额等等,还包括数据的整合与结构化,涉及人类生活的方方面面,且广泛存在于社交网络、物联网以及电子商务之中。
不过,可穿戴和大数据两个领域的世界级权威Alex Pentland教授说,光有数据还不行,大数据需要的是超强的分析能力,以我们现在所拥有的技术手段与分析水平,还远远没有将大数据真正的能量挖掘出来。要想让智能硬件设备真的变成我们器官的延伸,甚至能够帮助我们提升与生俱来的本能,大数据还有很长的路要走,甚至是革命性的进展。
业界人士表示,可以预见,智能硬件设备将会层出不穷,但无论形态如何变化,最有意义的部分仍在于通过设备上的传感器所采集并保存于云端上的数据。因为有了大数据的支撑,硬件设备才具有智能的属性,而大数据则因为有了智能硬件设备的采集数据,才真正变得接地气。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04