Search

Обычно гаджет называют “очками”, но на самом деле он состоит из трех приборов, очки – только один из них, хоть и самый главный. Человек видит реальный мир обычным способом через прозрачные стекла, а ещё на этом стекле рисуются дополнительные объекты и мозг воспринимает их настоящими. Компьютерное зрение “понимает” углы и границы вещей материального мира, в итоге виртуальный динозавр стоит на реальном…

Второе устройство – контроллер, эдакая трехмерная мышка, человек держит его в руке, и им указывает с каким виртуальным объектом хочет взаимодействовать. Magic Leap слушается и “пустой” руки, он её “видит” через очки, но с контроллером надежнее. Кроме того, гаджет умеет трястись и дергаться: стукнул нарисованную грушу, а отдача вполне реальная. Или, например, руку воображаемому другу пожимать можно.

Последняя часть Magic Leap – маленький портативный компьютер без клавиатуры и монитора. Это по сути продолжение очков, вычисления для компьютерного зрения проходят там, но на носу современный мощный процессор и прочее носить в буквальном смысле тяжело, а на поясе – можно.

Человек управляет очками либо рукой, либо голосом через классического голосового ассистента. Для приложений есть режим взаимодействия взглядом: “куда посмотрел – туда и ударил”, но это не рекомендуется в обычных ситуациях, людям так неудобно.

Стоит гаджет 2300 долларов, в магазинах он лежит с прошлого лета. Продажи идут катастрофически, последнее объявленное число – 6 тысяч экземпляров. Масштаб, простите за кощунство, тот же, что у моей книги, даже YotaPhone продавался кардинально лучше. Постфактум провал объяснить легко – без игр дорогое устройство никому не нужно, игры писать ради шести тысяч игроков никто не будет, проблема курицы и яйца не…

Сейчас стартап повернулся от развлечений к корпоративным клиентам – а давайте вы будете с нашей помощью делать красивые шоурумы или интерактивные гиды в музеях. “For enterprise” даже в заголовке главной страницы сайта появился. При этом старые проморолики никто не переснял, а там все примеры – дракончики, боевые роботы и пришельцы. С новым фокусом это сочетается забавно. Успехов B2B направление тоже пока не…

P.S.: Давал пост на ревью экспертам AR-технологий. Они в один голос потребовали дописать, что Microsoft сделал похожий HoloLens раньше, технически лучше и без всякой помпы. Я, как видите, дописал, но не думаю, что это важно. Facebook – тоже не первая социальная сеть, и по функционалу в 2004 году она всех не опережала. На ранних стадиях не в функциональных аналогах…

P.P.S.: 2.5 миллиарда долларов инвестиций, ранняя стадия – завидуем вместе.

P.P.S.: Спасибо Андрею Ивашенцеву, Андрею Артищеву и Илье Зеленскому за их комментарии при написании!

—
Вот такой #субботнийповтор из 2020 года. За четыре года ничего радикально нового с проектом не случилось – разве что динозавриков с официального сайта получилось убрать. Последняя публичная статистика продаж – всё те же 6 тысяч экземпляров. Эксперты пишут, что реальность где-то между 10 и 40 тысячами, так же недалеко от тиражей моей книги. Magic Leap по-прежнему пожирает чужие инвестиции – правда…

Честность пиара

Американский #стартапдня Center помогает компаниям управлять командировочными расходами сотрудников. Человек получает специальную карту и платит ей в ресторанах и других заведениях. Чеки он фотографирует с помощью приложения Center, тот всё распознает и отправляет в удобном виде на сервер. Бухгалтер просматривает расходы, деньги за еду возвращает, а за стриптиз – не возвращает. Всё в один клик, удобно и легко. Да…

Но заинтересовал меня стартап не самим продуктом, а одним из лозунгов на сайте: командировки это, дескать, второй по важности корпоративный расход после зарплат. (“Travel is typically the second highest business expense for companies behind payroll”). Раньше я ни о чем подобном не слышал, и с моим представлением о мире это резко контрастировало. Пошел гуглить источник.

Фраза с небольшими вариациями повторяется в промо разных стартапов с сервисами вокруг командировок, самое старое упоминание, которое мне попалось – 2016 год. Часть из них добавляли, что это не просто большой расход, а “почти 13% бюджета”, а некоторые ссылались на исследование JP Morgan, но без ссылки или названия, просто “According to a survey by J.P. Morgan”.

Исследование JP Morgan на подобную тему я нашел только одно – причем аж из 2011 года, и там подобных чисел нет. Наоборот есть размер рынка в примерно 150 миллиардов долларов в год – солидная сумма, но скорее 1.3%, чем 13% от расходов американских компаний.

Т. е. кто-то когда-то ошибся или сознательно передернул, а маркетологи с тех пор уже как минимум 8 лет копируют друг у друга. Не придумывают от себя (чем 15% или 11% хуже 13%?!), а берут чужой текст, и якобы снимают с себя ответственность, это ж не они изобрели. Интересно с точки зрения закона, так действительно безопаснее?

https://getcenter.com/

#сша #путешествия #roundb #fintech

—
RoundBook — обзор мировых инвестиций в стартапы

Писал сегодня в @menngornal, но тот случай, когда лучше повториться. "Важный пост" (c).
—

Отпишитесь от лишнего

Охват мне друг, но истина дороже.

Друзья, обязательно отписывайтесь от неинтересных каналов и групп!

Если вы не получаете от чата пользу, вы получаете от него вред. Каждое лишнее уведомление мешает вашей работе. Чтение каждого лишнего текста занимает ваше время. Банально, но правда. Вспомните об этом еще раз.

И чтобы этот пост стал полезным, а не просто мотивашкой, лайфхак. Если вы боитесь потерять доступ к некоторому сообществу и из чата выходить нельзя, но читать его неинтересно, то сделайте ему Mute + Archive. Группа полностью пропадёт из вашего телеграма, а вернуться сможете в любой момент.

—
RoundBook — обзор мировых инвестиций в стартапы

Opensource вектора

Один из методов использования языковых моделей – умный поиск. Нейросети умеют превращать куски документов в длинный набор чисел (“вектор”),в котором зашит смысл изначального сообщения. Одинаковые тексты дадут одинаковые вектора, одна и та же мысль изложенная совершенно разными словами – похожие.

Знания нашего бизнеса – описания товаров или отзывы клиентов – можно преобразовать в вектора и положить в специальную векторную базу данных. Потом в вектор мы превращаем, например, запрос пользователя при поиске и база данных возвращает нам похожие объекты из коллекции. Человек спросил “как сделать тихо”, а мы ему вернули кусочек текста про шумоизоляцию – ни одного совпадающего слова, но идеальное совпадение смысла.