谷歌21亿美元收购Fitbit为不止为对抗苹果

谷歌以21亿美元收购可穿戴设备厂商Fitbit,旨在加强其在可穿戴设备市场的地位,推动环境计算战略,与苹果、华为、小米等竞争对手抗衡。

11月1日,谷歌宣布正式收购知名可穿戴设备厂商Fitbit。

谷歌21亿美元收购可穿戴设备品牌Fitbit
据谷歌母公司Alphabet对外发布的声明显示,其以每股7.35美元(总价约21亿美元)现金的价格收购了可穿戴设备厂商Fitbit。由于市场监管机构还需要对此项交易进行审核,所以预计并购要等到明年才能最终完成。

Fitbit成立于2007年,是可穿戴市场最早一批的开拓者,其目标是“使世界上的每个人都更健康”。

2009年,Fitbit对外发布了第一代Fitbit Tracker产品,并在美国掀起了一股运动健身的热潮。2015年,Fitbit开始谋划上市。据Fitbit上市时的招股书显示, Fitbit 2014年在健康运动追踪产品市场里的市场份额高达 68%,当年的收入增长更是高达 175%。

2015年6月19日,Fitbit正式登陆纽交所挂牌上市,成为第一家上市的可穿戴设备公司。高光时刻,Fitbit估值一度高达62亿美元。

可惜好景不长,随着苹果Apple Watch在全球范围内发布,以及小米、华为等在可穿戴市场的发力,Fitbit在穿戴市场遭遇了重击。据IDC公布的2019年Q1季度全球可穿戴市场报告显示,小米手环系列以530万台的出货量登顶全球腕上可穿戴设备市场第一,苹果则以460万台的出货量位居第二位,华为以390万的出货量排名第三。Fitbit的出货量为290万台,市场份额仅为5.9%。

虽然中间Fitbit也有过调整,只不过效果甚微。在苹果、华为、小米等巨头的冲击之下,它始终未能扭转局面。

进入2019年,Fitbit的日子更是难过。据Fitbit 2019年第二季度财报显示,其调整后亏损高达3600万美元,智能手表业务营收同比大跌27%。

如今,Fitbit能以21亿美金的价格出售,也算是一个不错的结局。

谷歌收购Fitbit为哪般?
对收购Fitbit一事,谷歌设备和服务高级副总裁 Rick Osterloh的说法是,购买 Fitbit 是“一个向 Wear OS 进行更多投资并向市场推出 Google 制造的可穿戴设备的机会。”。

Rick Osterloh的表态暴露了谷歌欲进军可穿戴硬件设备的野心。2014年,谷歌首次对外公布了基于可穿戴设备的Android Wear系统,并一直开放给第三方硬件厂商使用。经过多年的不断升级和改善,Android Wear已进化为Wear OS,但这么多年过去,谷歌还没有自己的可穿戴硬件品牌。

收购Fitbit,或是谷歌推出自家可穿戴硬件设备的开始。

可穿戴智能硬件对谷歌来说还有另外一个价值,那就是成为其“环境计算”的重要模块。

近年来,谷歌一直在推进“环境计算”体系。环境计算(ambient computing)指的是,利用各种智能设备,对用户日常生活所涉及到的场景进行全面覆盖,提供从资讯到购物,从娱乐到工作的多层次、多方位服务,从而让谷歌“无处不在”。

迄今为止,谷歌通过推出 Pixel 手机、笔记本电脑 Chromebook/Pixelbook、Nest 家居设备、无线耳塞 Pixel Buds、智能音箱 Google Home 等多款硬件产品,已经很大程度上实现了对用户生活、工作场景的覆盖,让他们在各种场景下,都能使用谷歌的浏览器,享受到从搜索到地图、从Gmail到照片的多种服务。但是在可穿戴设备这一块,谷歌仍然存在短板,尤其是在销量巨大、极受消费者喜爱的智能腕表方面,谷歌至今仍然未能占据一席之地。而对Fitbit的收购,将直接补足谷歌在可穿戴设备上的硬件缺口,真正完成环境计算的“拼图”。

不止为对抗苹果
自谷歌宣布完成对Fitbit的收购后,不少评论称其主要是为了对在可穿戴市场的强势苹果。不过玺哥认为,谷歌收购Fitbit的目标不止是为了对抗苹果。谷歌通过收购Fitbit进军智能手表、手环市场会更容易,但那只是收购的一部分。

当前,可穿戴设备早已获得市场的认可,且苹果、三星、华为、小米、vivo、oppo等大厂在可穿戴领域都早就做了规划布局。

以目前可穿戴设备领域市场排名第一的小米为例,在其最新公布的AIOT战略中,雷军一直在努力将可穿戴设备打造为IOT时代的“中心入口”。以小米今年发布的小米手环4为例,它拥有更强劲的配置,更丰富强大的功能,从植入小爱到加入支付宝扫码支付功能,从NFC到多信息提醒,雷军在努力提升手环的使用频率,丰富手环的使用场景。手环可以不再是手机的附属设备,它有了更大的价值,逐渐成为用户“中心”。

另一大巨头华为,则构建了著名的“1+8+N”的IoT大战略。在这个战略中,华为将以统一标准的底层链接技术,实现真正的“万物互联”,并通过可穿戴设备等途径,对用户的生活、工作场景进行全面覆盖。可见,华为小米和这两大厂商早就对可穿戴市场“虎视眈眈”,在他们的IoT大战略中,都把可穿戴设备视作IoT体系的智能中枢,并对其投入巨量资源进行研发。

而且,随着5G和新材料、新技术的发展,可穿戴在未来的形态将更加多样化、轻量化、无感话。相比今天的尚不够“轻量、无感”的智能手机,可穿戴设备更具未来感,也更具发展潜力。

话说,虽然谷歌拥有Wear OS,但它想要在可穿戴市场站住脚跟并不容易。毕竟,苹果、华为、小米谁都不是好惹的。

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细节,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。
VDA_Band_19.1_3rd edition_2026 English Inspection of Technical Cleanliness 内容概要:本文档为德国汽车工业协会(VDA)发布的第三版《技术清洁度检验:功能相关汽车部件的颗粒污染检测》(VDA 19.1),系统规范了汽车行业中零部件技术清洁度的检测方法与流程。文件涵盖从取样、提取、过滤到分析的全流程标准化操作,重点更新了干法提取(如 Stamp Test 和刷吸法)、小于50µm颗粒的检测、光学子系统和SEM/EDX标准分析方法,并引入统一材料分类体系以提升结果可比性。同时明确了“标准分析”与“自由检验”的区别,前者用于高兼容性检测,后者允许客户与供应商协商定制参数。文档还强化了对非可测组件的技术清洁保障、测量不确定度评估及方法验证的要求,并提供了多个实际案例支持应用落地。; 适合人群:适用于汽车制造业中从事质量控制、工艺开发、供应商管理及相关检测实验室的技术人员和管理人员,尤其适合具备一定质量管理或洁净度检测基础的专业人员。; 使用场景及目标:①用于制定和执行零部件清洁度检测标准;②指导 incoming/outgoing 检验及生产过程监控;③支持失效分析与质量改进项目;④作为企业内部审核和技术交流的依据; 阅读建议:建议结合VDA 19.2及其他相关标准配套使用,重点关注各章节中的起始参数设定、方法选择逻辑及附录中的检查表示例,在实际操作中同步开展方法验证与人员培训,确保检测结果的有效性和可追溯性。
内容概要:本研究聚焦于电动汽车(EV)作为灵活可调资源的能力评估,提出了一种基于多面体聚合与闵可夫斯基和的数学建模方法,用以精确刻画大规模电动汽车集群的可调能力范围。通过将单辆电动汽车的充放电行为抽象为几何空间中的多面体可行域,并利用闵可夫斯基和实现对群体可行域的高效聚合,从而构建出能够反映整体调节潜力的统一数学表达。该方法在Matlab平台上实现了完整的仿真代码,支持对不同场景下电动汽车集群的上、下调能力进行量化评估,为电网调度、需求响应及电力市场机制设计提供了理论依据与工具支撑。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础的研究生、科研人员及从事新能源、智能电网相关工作的工程师。; 使用场景及目标:①用于评估大规模电动汽车接入背景下系统的灵活性资源潜力;②支撑含高比例可再生能源的电力系统调度与规划决策;③为需求响应项目中EV聚合商参与电力市场提供能力申报的技术手段;④作为教学案例帮助理解集合运算在电力系统中的应用。; 阅读建议:学习者应结合Matlab代码深入理解多面体建模与闵可夫斯基和的实现细节,建议从单车模型入手逐步过渡到集群聚合,并尝试调整参数(如数量、SOC分布、功率限制)观察聚合结果的变化,以增强对模型特性的掌握。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值