上周模型与应用
● PICO发布首款混合现实头显；
● 智元发布5款商用人形机器人，要做开源平台；
● Claude移动应用4个月赚了100万美元，落后于ChatGPT；
● 微软Recall功能10月上线测试；
● ElevenLabs旗下文本转语音应用Reader全球上线。
本周模型与应用
PICO发布首款混合现实头显
8月20日，字节跳动旗下虚拟现实硬件公司PICO举行新品发布会，推出首款消费级混合现实（MR）头显PICO 4 Ultra、动作捕捉配件PICO体感追踪器以及企业级产品PICO 4 Ultra Enterprise。
PICO 4 Ultra是PICO这次的主力新产品，售价4299元。PICO 4 Ultra搭载了高通骁龙XR2 Gen 2计算平台，芯片的GPU性能提升了2.5倍，可以支撑更好的游戏画质。新头显的混合现实视觉方案由机身上的7枚视觉传感器组成，机体四周的4颗环境追踪摄像头用于 SLAM 空间定位，还有双目3200万像的彩色摄像头和1颗iToF深度感知摄像头用于环境感知。此外，PICO自研了环境感知算法，可以实现实时创建3D地图、环境语义理解（识别家居环境中的家具）、空间描点（把虚拟物体定位在真实场景的物体上）等功能。
PICO 4 Ultra还引入了全景屏工作台，用户可以在现实空间中同时打开和排布多个虚拟大屏，同时打开多个PICO OS兼容的安卓与Web应用。此外，用户可以观看空间视频，也可以在系统导航栏切换沉浸和透视模式。PICO 4 Ultra兼容iPhone或者Vision Pro拍摄的空间视频与照片。但是，相比PICO 4 Pro，新头显PICO 4 Ultra取消了眼动和面部追踪功能，主要原因是这些功能使用频率较低。
这是PICO 4系列的最新款产品，也是最贵的一款产品。同系列的早期型号PICO 4推出于2022年9月，售价2499元起，2023年4月推出的PICO 4 Pro定价3799元起。
PICO业务于2023年收缩。去年2月，PICO将2023年全年销量目标定为50万台左右，相比2022年制定的销售量目标缩水约50%。其中，中国消费者产品销量目标35万台，企业端市场15万台。根据IDC公布的数据，2023年中国VR头显出货量46.3万台，PICO的市场份额约56.6%，折合约26万台。
但是字节跳动没有放弃PICO在新方向上的探索。张一鸣曾经询问PICO创始人周宏伟，是否能在两年内开发出类似苹果Vision Pro的产品，周宏伟当时答应了。同时期，PICO的业务重心「从追求市场规模转向专注研发，以实现更有意义的技术突破」。
智元发布5款商用人形机器人，要做开源平台
8月18日，人形机器人独角兽「智元机器人」举办2024年度新品发布会，发布了「远征」与「灵犀」两大家族、共5款人形机器人，分别为远征A2、远征A2-W、远征A2-Max、灵犀X1与灵犀X1-W。其中：
·远征A2为交互服务机器人，并兼任发布会现场主持人；
·远征A2-W为柔性智造机器人，在发布会开头的情景剧中完成了制作「萄气可乐」所需的理解人类意图、辨别不同物品与精准抓取等动作流程；
·远征A2-Max为重载特种机器人，在情景剧中搬起了40kg重的航空箱；
·灵犀X1与灵犀X1-W分别为全栈开源机器人与专业数采机器人，这两款模块化机器人产品由不到10人的团队在两个多月的时间内开发完成。
硬件升级
智元机器人将机器人系统分为动力域、感知域、通信域、控制域等四大领域，相较于一年前发布的远征A1，新发布的远征A2在这4个方面均取得了技术突破。
·动力层面，智元对去年发布的PowerFlow关节模组的可靠性与稳定性进行了大量优化与测试，今年该关节模组将实现商用量产；灵巧手的自由度数从11个跃升至19个，主动自由度翻倍至12个，并搭载基于MEMS原理的触觉感知和视触觉感知技术，能够使用电动螺丝刀、拆快递、纽扣穿针，完成功能性抓取、双手协同作业、基于视触觉的目标识别等任务。
·感知层面，引入自动驾驶领域的Occupancy等感知方案，通过SLAM算法提升环境理解能力，使得机器人能够在办公区、4S店等较为嘈杂的公共环境中实现精准避障。
·通信层面，智元自研了具身原生、轻量化、高性能的智能机器人通信框架AimRT，并宣布将在9月底开源。AimRT在提升性能、稳定性、系统部署的效率和灵活性的同时，能够兼容ROS/ROS2已有生态。
·控制层面，智元机器人结合Model-based与Learning-based两种算法路线，并预研基于自然语言指令集驱动的AgentOS，实现对机器人运动控制的精准编排。
灵犀系列专注数据采集问题
而灵犀X1由今年6月刚刚成立的智元X-Lab研发，融入了模块化设计理念，可以通过简单抱箍形式轻松拆装。智元将开源该机器人的大部分设计资料和代码，通过降低人形机器人软硬件开发门槛，实现「人形机器人人人造」。也因为开源，灵犀X1的售价为0元，仅出售核心零部件。
智元将具身智能技术演进路线划分为G1到G5共5个阶段，为实现G3阶段数据驱动端到端的目标，在面向数据的大量基建工作中，智元提出了一套名为「具身智能数据系统AIDEA（Agibot Integrated Data-system for Embodied AI）」的具身数据方案，通过提供数采本体、遥操设备、数据平台三个方面解决具身数据采集问题。
此次发布会上，智元联合创始人彭志辉宣布，将在今年第四季度开源业界首个百万条真机、千万条仿真数据的具身数据集，以支持具身产业的发展创新。
Claude移动应用4个月赚了100万美元，落后于ChatGPT
8月22日，Appfigures发布的最新数据显示，历时16周，Anthropic的AI应用Claude在移动端的总收入超过100万美元。发布第一周，Claude的全球下载量仅15.7万，而其主要竞争对手ChatGPT仅在美国App Store上线5天就获得了48万次下载。Claude达到百万美元收入的速度也远落后于ChatGPT的3周，但领先于Perplexity和微软的Copilot，后者分别耗时22周和19周。
Anthropic成立于2021年，早期团队成员全部来自OpenAI，它于今年3月4日发布的Claude 3系列模型的Opus版本，被部分数据集评分认为能力超过GPT-4，Anthropic也被称为最有可能与OpenAI竞争的公司。
微软Recall功能10月上线测试
8月22日，微软宣布，在所有 Copilot+ PC中上线之前，将于今年10月面向Windows Insider Program社区用户开放测试AI搜索功能「Recall」，届时还将发布一篇包含更多详细信息的博客文章。今年5月，微软发布了AI PC功能Recall，可以实时截取用户屏幕，以便用户询问之前看过的信息。但Recall会每隔几秒钟自动截取一次包含活动窗口的屏幕，默认记录用户在Windows上的所有操作，被认为对用户隐私造成威胁。微软于6月回应称Recall将设置为「默认关闭」，并承诺将增强这一功能的安全性。
ElevenLabs旗下文本转语音应用Reader全球上线
8月19日，ElevenLabs旗下文本转语音产品Reader全球上线，该应用最早于6月在美国、英国、加拿大发布，支持用户上传PDF文档、电子书等文本转语音进行收听，目前支持日语、韩语、西班牙语、葡萄牙语等32门语言。此外，ElevenLabs表示，其语音库中已经添加了数百种新声音，公司也为Reader拿到了部分艺人的声音的授权，未来还将增添离线支持与共享音频片段等功能。Reader是ElevenLabs的第一款C端产品，此前，ElevenLabs为AI搜索引擎Perplexity与音频平台PocketFM和KukuFM提供文本转语音服务。
