9月25日,“PICO 2023首届XR开发者挑战赛”(下文简称“挑战赛”)媒体启动会在北京圆满落幕,官方赛事报名通道已于今日开启。据悉,本次挑战赛是PICO首次针对全球开发者举办的大型挑战赛事,旨在与开发者保持连接,共同探索XR行业新成长。作为主办方,PICO将为参赛者提供平台、专业技术、资金等全方位支持,而全球领先的芯片厂商英特尔也将作为本届赛事技术合作伙伴为参赛者保驾护航。

图1:PICO 2023首届XR开发者挑战赛报名通道正式开启
启动会现场,除了官宣赛事启动,PICO相关负责人还围绕行业、技术、资金/人才投入等维度详细阐述了PICO一直以来对于开发者的重视及此次举办开发者挑战赛的初衷,呼吁更多开发者投入XR开发新领域,与PICO及行业共成长。
“新阶段的XR行业,值得开发者关注与参与。”PICO OS产品负责人马杰思谈到,“XR行业已经迈入新的发展阶段,开始从强调虚拟的‘VR’向虚实融合的‘VR+MR’阶段过渡,这种变化不仅能给用户提供更多样化的产品价值,一定程度也赋予了开发者更大的创作空间。各行各业的开发者,都有机会融入到XR开发的领域之中,一起创造新机会和新市场。同时,光学显示、芯片算力、环境感知、人机交互等技术的突破,也加速了XR行业发展。”

图2: PICO OS产品负责人马杰思现场分享
马杰思同时表示,想要实现整个XR赛道高水平发展的局面,决不是凭借PICO或者某一家品牌一家之力就可以做成的事情。一直以来,PICO都相当重视广大的开发者伙伴,先后启动了“PICO开发者计划”“PICO创作者激励计划”等,从硬件、技术、营销等维度,全链路助力开发者成长。此次主办首届开发者挑战赛事,是在XR行业新阶段下PICO与开发者链接的一次新尝试。新趋势下,PICO将持续围绕空间感知、图形渲染、人机交互等XR核心底层技术能力持续完善,并协同字节底层技术能力,为开发者提供前沿、便捷的开发服务。

图3: PICO 中国区游戏商务负责人郭文山现场分享
作为全球知名的XR品牌,PICO在近两年保持快速增长,2022年全年销量同比之前翻了8倍。此外,IDC数据显示,2022年市场份额PICO全球排名第二、国内位居第一,2023年上半年国内VR市场的厂商份额中,PICO以58.7%的占比大幅领先同行。这些成果背后,离不开庞大的用户群体以及众多开发者共建内容生态的支持。
PICO 中国区游戏商务负责人郭文山表示:“截止目前,PICO应用商店的应用数量已超530款,‘大作’占比近四成。其中,国内开发者贡献不容忽视,PICO应用商店中包括游戏、视频、运动、办公、教育、音乐等在内的100多款应用均来自国内开发者。此外,PICO也给开发者带来更多用户和收入,有180款游戏收入超过10万元,近50款应用下载量超过10万,而部分平台头部开发者,在PICO的年收入已超过800万元。”

图4:PICO将为开发者们提供专业指导、投资机会、流量曝光等全方位支持
据了解,本次“挑战赛”将在欧洲、北美、东南亚、日韩、中国等多个国家和地区同期举办,为全球开发者提供展示才华、实现创意的舞台。所有未发行/已发行且没在往届同类型比赛中PICO赛道获奖的作品均可报名。赛事报名通道于9月25日正式开通,开发者可通过PICO官网开放平台赛事专区报名参赛,并于10月2日至11月10日期间完成作品提报。 PICO将于11月30日前组织评委完成评审,并于12月5日举办颁奖仪式,公布获奖名单。
针对本届“挑战赛”重点赛区之一的中国区开发者,本次挑战赛设置了前五名,另外还单独设置了游戏类、创新类、MR赛道、手势识别四个不同赛道奖项。获奖者除收获最高达6万元的丰厚奖金外,还有机会得到技术大咖指导、投资圆桌交流、PICO创投基金和面试直通等额外支持。 赛事技术合作伙伴英特尔也将为获奖参赛作品上线运行提供更多维的算力支撑,搭载英特尔ARC dGPU显卡的运行环境后续将开放给大赛开发者实现项目落地。
通过本次挑战赛,开发者们不仅可以充分展示自己的才华和创新能力,同时也能够获得更多的机会和支持。有兴趣的开发者们,不妨立即行动起来,前往PICO官网开放平台赛事专区,报名参加这场挑战赛。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。