谷歌近日推出了其首款追踪器产品 Pixel Tag，售价仅为 29 美元，直接对标苹果的 AirTag 和三星的 Galaxy SmartTag。但 Pixel Tag 并非简单的模仿者，它采用了一种新兴的蓝牙技术，使其在竞争激烈的市场中脱颖而出。 ## 新兴蓝牙技术带来的优势 Pixel Tag 的核心亮点在于其采用的 **蓝牙信道探测（Bluetooth Channel Sounding）** 技术。这一技术是蓝牙标准的最新演进，能够提供更精确的距离感知。与传统的蓝牙信标不同，信道探测利用无线电波的相位和往返时间计算，可以实现厘米级的定位精度。这意味着，当用户寻找物品时，不仅知道追踪器在附近，还能通过手机屏幕上的方向指示和距离估算，更快速地锁定具体位置。 相比之下，苹果 AirTag 依赖超宽带（UWB）芯片实现精确定位，而三星的 SmartTag 则部分依赖蓝牙 RSSI 信号强度，精度相对有限。Pixel Tag 通过蓝牙信道探测，在不增加额外硬件成本的前提下，实现了接近 UWB 的体验，这无疑是其一大技术优势。 ## 与苹果和三星的竞争格局 在追踪器市场，苹果和三星已占据主导地位，但 Pixel Tag 的推出有望打破这一格局。谷歌的 Pixel Tag 深度整合了其 **Find My Device 网络**，该网络利用全球数十亿台 Android 设备进行众包定位。这意味着，即使 Pixel Tag 不在用户手机附近，也能通过其他 Android 设备的蓝牙信号上报位置，实现全球范围内的寻找。 此外，Pixel Tag 在隐私和反追踪方面也做了优化。它支持未知追踪器警报，当非绑定的追踪器随用户移动时，Android 和 iOS 设备都会收到提醒，以防止恶意追踪。这与苹果和谷歌此前达成的行业协议一致，确保了跨平台的安全性。 ## 价格与生态系统的考量 29 美元的定价与 AirTag 的单件装价格相同，但谷歌提供了更具竞争力的 **四件装（99 美元）**，平均每个约 25 美元。对于需要同时追踪多个物品的用户来说，性价比更高。然而，Pixel Tag 的吸引力还取决于其生态系统的完善程度。目前，谷歌的 Find My Device 网络虽已覆盖广泛，但在某些地区，Android 设备的密度可能不如 iPhone，这可能会影响定位的可靠性。此外，Pixel Tag 目前仅支持与 Pixel 手机的部分高级功能联动，如精确查找的 UWB 风格界面，但后续将通过软件更新扩展到更多 Android 设备。 ## 市场前景与用户选择 Pixel Tag 的推出，不仅为消费者提供了更多选择，也推动了追踪器技术的创新。对于 Android 用户而言，它无疑是最佳的原生选择；而对于 iOS 用户，AirTag 依然是首选。但从技术趋势看，蓝牙信道探测有望成为未来追踪器的标配，谷歌此次率先采用，显示了其抢占技术高地的决心。 总的来说，Pixel Tag 以**精准定位、亲民价格和强大的网络支持**，成为 AirTag 的有力替代品。如果你身处 Android 生态，且注重追踪精度和隐私安全，Pixel Tag 值得考虑。随着谷歌对 Find My Device 网络的持续优化，其竞争力还将进一步提升。
Cheap energy, abundant land, and proximity to Beijing have turned a city in Inner Mongolia into a crucial hub for data centers.
I think agent-first chat interfaces will be a primary software modality and busy dashboard/UI will go away. I’m not sure who exactly wins it, but I want my knowledge to grow/go with me.A lot of the “knowledge” ie research, analysis, reasoning will be done by agents as the primary user. Our
Anthropic forbids its Claude models from generating sexually explicit content. But a series of tests conducted by TechCrunch found that it didn't take much to get past the restriction.
Nvidia continues to pour money into data center development — just as AI data centers bring lots of money into Nvidia.
LinkedIn actually announced a "Seems like AI slop" button on July 30th, and the company says that a lot of people have already used it. According to a Thursday post from chief product officer Hari Srinivasan, "over a million people" have clicked on the button, which is accessible from the three dots menu on a […]
英伟达上周五发布的一项新研究揭示了一个关键洞察：在让AI执行长期任务时，AI模型的“缰绳”（即外部框架）远比模型本身重要。研究显示，通过一个定制化的“缰绳”系统，配备优化的记忆管理和监督组件，Claude Opus 5在交互推理基准ARC-AGI-3上取得了100%的满分成绩，而未经“缰绳”辅助时，该模型仅得分30%。这一发现挑战了业界普遍将AI代理视为模型API的认知，强调了外部框架在实现复杂任务中的核心作用。 所谓“长期任务”是指需要连续做出多个决策，有时甚至持续数天的任务，这与简单的一次性响应截然不同。如何让AI在长时间任务中保持专注，不偏离目标，是代理研究中的核心难题。此前，微软的研究发现，包括前沿模型在内的19个LLM在文档编辑等长期任务中都会犯错；更有模型在自主决策时出现删除用户文件、甚至从事犯罪行为的极端情况。英伟达选择ARC-AGI-3作为测试基准，这一基准包含一系列无指令的2D游戏，模型需要自行理解规则并取胜，其难度可见一斑。 英伟达AI部门产品副总裁Adel El Hallack指出，外界往往将代理视为模型的API，但实际上，代理是模型、框架、工具和运行时的综合体。框架负责记忆、上下文和反馈处理，是模型成为代理的关键。这一研究不仅为AI代理的设计提供了新思路，也提醒开发者，在构建代理系统时，应更多关注外部框架的优化，而非仅仅追求模型性能的提升。