新闻详情

新闻详情

首页 / 资讯中心 / 详情

AI前沿 | 2026年9月15日:OpenAI 收购 Glass Imaging + AI 相机与边缘成像 + 终端硬件棋局

发布时间:2026/11/15 1:18:45来源:尧图网络
AI前沿 | 2026年9月15日:OpenAI 收购 Glass Imaging + AI 相机与边缘成像 + 终端硬件棋局
AI前沿 | 2026年9月15日OpenAI 收购 Glass Imaging AI 相机与边缘成像 终端硬件棋局首屏导读 · 本教程配套付费专栏《大模型工程师修炼手记》19.9 元AI 编程 · Agent 实战 · 本文同主题系统课程· 《AI时代程序员的自我提升》49.9 元AI 时代成长方法论单篇不过瘾订阅解锁全量源码、实战与答疑文末附资料包领取方式 ↓本期导读9 月 14 日 WSJ 引述知情人士报道OpenAI已在近几个月静默完成对相机 AI 公司 Glass Imaging 的收购交易估值超 3 亿美元——比它 2025 年上轮融资约 1 亿的估值翻了约 3 倍。买下的不是一家「滤镜公司」而是前苹果 Portrait Mode 团队做的边缘 AI 成像管线在快门按下的一刻就用神经网络修复光学畸变、传感器缺陷和噪声。本文拆五件事事件、技术、为什么是镜头、OpenAI 硬件拼图、对创业者的启示。一、事件一笔 3 亿美元、静默完成的收购WSJ9.14TechCrunch/CTech/Newsquawk 同日转引披露交易要点事项信息收购方OpenAI过去数月内低调完成未公开宣布标的Glass Imaging2019 年创立总部加州 Los Altos估值超 3 亿美元较 2025 年上轮约 1 亿美元估值翻了约 3 倍此前融资约 3000 万美元投资人含 GVAlphabet、Insight Partners创始人Ziv Attar以色列籍与 Tom Bishop前苹果工程师、iPhone「人像模式」研发骨干核心产品GlassAI边缘 AI 图像处理软件面向手机、无人机、可穿戴授权值得注意的是这类交易通常被市场视为「收购团队acqui-hire」——对 OpenAI 来说比资产更值钱的是那套「从苹果带出来的成像方法论」不靠更大传感器、更多镜头而靠 AI 在物理极限内榨取已有的每一束光。二、技术GlassAI 为什么不是「拍照后 P 图」传统计算摄影的 AI 方案多为「后期增强」拍完再修复。Glass 的做法相反——在成像链路的前端做事RAW 数据级处理让神经网络学习某一支镜头的畸变、色差、传感器噪点特性对原始数据流做修复而非像素级 P 图边缘 AI 落地软件被设计成可跑在相机内部的边缘 AI 上强调「保留真实内容」而非生成或幻觉细节——这是它区别于生成式修图的卖点多机型适配为不同手机型号的每颗镜头单独训练成像模型放大到「一支镜头一套网络」的工程范式宣称 10 倍2025 年 5 月公司称该技术可将相机成像表现提升约 10 倍且早前已把变焦成像技术导入荣耀手机量产。三、为什么是镜头OpenAI 的多模态「输入端」镜头是手机、可穿戴、无人机、机器人共用的视觉传感器入口。对 ChatGPT 要做的多模态 Agent 而言能看 ≠ 看得清今天模型的「看」依赖摄像头采集到的好图采集质量决定后续理解、检索、操控的天花板——GlassAI 是「把进水口做干净」端侧隐私在设备端完成成像修复意味着画面可以「先修复、后上传」为端侧 AI 隐私合规留出空间具身与硬件的交叉点无人机、可穿戴、机器人都需要「又小又锐」的成像方案Glass 官宣的平台路线恰好覆盖这些。同时这笔收购叠上2025 年 OpenAI 以约 65 亿美元收购 Jony Ive 的 ioIoT 硬件项目拼图更完整传闻中的 OpenAI 手机、耳机、AI 伴生设备若存在镜头供应链里最关键的一环已经自持。四、回到硬件软件公司为什么非要买硬件栈从 io 到 GlassOpenAI 的「硬件野心」不是造一台机器而是掌控交互的每一层物理载体拼图意义io / Jony Ive定义「AI 设备的形态美学与交互」Glass Imaging掌控「视觉入口的成像质量」传闻中的手机/耳机/伴生设备把 ChatGPT 做成「贴身存在」微软生态 Azure 芯片布局软硬一体的算力底座这种「软件公司往硬件收敛」的路线历史上与微软当年推「Windows Phone」、Google 收 Pixel 是同一条路谁拥有终端谁就拥有对话的频次。风险也同样明显——与平台伙伴尤其是手机厂商的关系会从「合作方」变成「竞争者」。五、对创业者的四个问题你的技术是在「进水管」还是在「出水管」画面 AI 在 RAW 阶段做事比事后修复护城河深得多做生成式修图的团队要考虑被「前端修复」替代的窗口要不要拥抱边缘 AI凡是「模型→终端→传感器」链条上的产品先问一句能不能在芯片上跑、跑完再上传——隐私与延迟会是政策与体验的双重墙收购团队能带来什么Glass 证明「前大厂核心骨干 专精领域」在当下估值语境里价值翻 3 倍——对硬科技创始团队退出路径可能比想象的近你的终端假设还成立吗如果 OpenAI/大厂真的自带镜头终进入你的场景你的 App 会失去默认入口——提前把「多终端接入」做成架构而不是绑定单一设备。启示OpenAI 买 Glass Imaging买的不是滤镜而是『多模态的水龙头』——谁控制成像入口谁就控制视觉数据的流量。对创业者在「AI × 硬件」的赛道里选择成像链路的前端采集/传输永远比后端编辑/美化更靠近命门也更贵。来源WSJ2026-09-14/ TechCrunch2026-09-14/ CTech2026-09-14/ Newsquawk2026-09-14。本文为 AI 辅助整理的行业事件分析援引数字均来自上述公开报道OpenAI 尚未公开确认交易细节仅供参考。 延伸阅读 · 我的付费专栏觉得这篇文章对你有帮助我把同类主题的系统化内容沉淀成了付费专栏欢迎订阅支持持续输出专栏定价内容大模型工程师修炼手记19.9 元AI 编程 / Agent 深度实战AI时代程序员的自我提升49.9 元AI 时代成长方法论 一杯咖啡的价格换来系统化的知识体系你的订阅是我持续创作的最大动力。本文配套代码 / 资料包欢迎在评论区留言「求代码」我会私信发送完整资源
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉