三星Smart Home平台来了,这次与苹果无关

简介:
  
  三星很忙,那边与死冤家苹果陷入不死不休的专利战中,甚至可能把好伙伴三星也拉进战场;这边Smart Home平台终于正式发布,首先将在韩国和美国提供服务。

这个系统第一次亮相是在年初的CES大会上,它旨在让家居轻松自动化和智能。在共同的WiFi环境下,利用一个App就可以连接手机、TV和家中的一切设备。用户可以使用语音下达命令,也可以远程监控家居的运行情况。

三星电子媒体解决方案中心的总裁WonPyo Hong说:“随着家居变得智能化,这个平台可以为人们提供更舒服的生活。我们正在构建智能家居的宏伟蓝图,特别是家庭安防和能源管理等有着高速发展潜力的领域。”

通过三星的App,人们可以同时控制多个设备。比如用户只需对电视遥控器说声“晚安”,它会自动触发并关闭其他的连接设备,比如智能灯泡和空调。

无论你在家里或者在公司,准备或者已经出门,你都可以通过移动app来查看家电的运行状态。比如在回家的路上,你可以远程控制洗衣机来选择洗涤模式,当你回到家的时候就可以直接使用了。

当然要实现以上的全部功能,还得等到三星已经有全套智能家居的那天。但是三星计划加入第三方伙伴,共同打造全面的智能家居软硬件平台。不过三星在推出这个平台时,也制定了全新的软件协议,希望借此来打造以自己为核心的生态系统。

三星还表示这个平台上所有的数据传播都会进行加密处理,保证人们享受到安全的数据服务。

目前用户可以在Samsung Apps或Google Play上下载Smart Home应用,通过三星账户注册应用账号。搭载Tizen系统的Samsung Gear 2智能手表很快就会有独立的Smart Home应用,三星的智能电视也将与这个系统联合。

另外,三星还打算扩大使用这个系统的成员,列入计划的有智能灯泡、机器人吸尘器和Samsung Gear Fit智能手表。

三星和微软,LG的出发点一样,都希望一统智能家居的江湖,最不济也要做行业的情报专家,掌握最核心的数据。期望美则美矣,真正实现只怕是困难重重,价格、质量、数据任一方面都是致命点。但愿后来者能以三星为借鉴,在各方面都能更胜一筹。

   
  
  本文作者: 唐丽英

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
机器学习/深度学习 算法 数据挖掘
Python 图像处理实用指南:6~10
Python 图像处理实用指南:6~10
711 0
|
测试技术 网络架构
【技术干货连载 一】业务经过WAF HTTP 400问题排查
教你如何排查和解决业务经过WAF 七层代理HTTP 400问题原因?
543 1
|
8月前
|
存储 算法 架构师
阿里面试:PS+PO、CMS、G1、ZGC区别在哪?什么是卡表、记忆集、联合表?问懵了,尼恩来一个 图解+秒懂+史上最全的答案
阿里面试:PS+PO、CMS、G1、ZGC区别在哪?什么是卡表、记忆集、联合表?问懵了,尼恩来一个 图解+秒懂+史上最全的答案
|
数据可视化 数据挖掘
OKR工作法能带来什么样的变化?如何根据OKR设定具体的工作目标?
本文深入探讨了OKR(Objectives and Key Results)目标管理框架的起源、定义、实施步骤及其优势,特别介绍了“板栗看板”在OKR管理模式中的应用,展示了如何通过现代化工具提升OKR的实施效果,助力企业明确方向、提高透明度、增强团队协作,最终实现战略目标。
OKR工作法能带来什么样的变化?如何根据OKR设定具体的工作目标?
|
测试技术 网络架构 C++
使用MergeKit创建自己的专家混合模型:将多个模型组合成单个MoE
MoE架构通过MergeKit实现新突破,允许整合预训练模型创建frankenMoEs,如FrankenMoE,区别于头开始训练的MoEs。MergeKit工具支持选择专家模型,定义正负提示,并生成MoE配置。
603 2
|
小程序 JavaScript
微信小程序配置上传多个u-upload上传
使用的是uView框架 微信小程序配置上传多个u-upload上传图片 场景需求:根据PC端配置项追加图片配置 小程序根据配置的图片数量,图片名称,进行上传图片 难度在于 我们不知道用户会追加多少个图片配置字段
296 0
|
存储 缓存 调度
一文读懂循环队列的实现细节
一文读懂循环队列的实现细节
1003 0
|
存储 SQL NoSQL
Tablestore
Tablestore(表格存储)是阿里云提供的一种云原生、高性能、可扩展的 NoSQL 数据库服务。它支持海量数据存储和快速查询,适用于大数据分析、数据仓库、日志收集等场景。
885 1
|
机器学习/深度学习 搜索推荐 算法
搜索场景下的智能推荐演变之路:从基础到个性化
本篇详细介绍了搜索场景下智能推荐技术的演变历程,从基础的协同过滤算法到个性化推荐的深度学习实现。通过代码示例,读者可以了解不同阶段推荐算法的原理和实际应用,以及如何评估推荐效果。文章旨在帮助读者深入理解智能推荐的发展趋势,为构建更智能、个性化的推荐系统提供有益的指导。
2666 0