北京时间 7 月 11 日,以“潘塔纳尔:泛在服务,智慧生活”为主题的 2023 OPPO ColorOS 全球创客大赛正式启动,围绕生活服务、出行服务和休闲娱乐等场景,鼓励全球开发者集成潘塔纳尔开放能力,为全球超 5 亿的 ColorOS 用户共创智慧生活体验。
不断开放的潘塔纳尔生态,正召集东南亚开发者
潘塔纳尔系统发布以来,已与 21 家生态伙伴达成合作,包括国内的美团、百度地图、航旅纵横、小红书,海外的 Snapchat、Spotify、Zamato、Swiggy 等行业头部企业。其中,4 个生态合作伙伴达成战略合作,场景涵盖生活服务、出行、娱乐、办公等领域,超过 30 万+开发者参与为潘塔纳尔生态建设做贡献。
作为“潘塔纳尔“创新生态建设的组成部分之一,第三届 OPPO ColorOS 全球创客大赛也在 7 月 11 日正式面向全球开启报名,持续至 9 月 15 日结束报名。本届大赛将重点面向东南亚地区,旨在寻找当地生活服务、出行服务和休闲娱乐等场景下的服务提供商或开发者,鼓励他们通过学习潘塔纳尔系统,开发相关场景下的智慧服务,进行场景方案构思和交互形式设计,从而探索出符合东南亚本地市场的服务形态。
一站式开发者赋能体系,多维度提升开发效率
除了延续过往两届赛事奖金制度以外,此次大赛也将开放潘塔纳尔系统相应的技术能力和潘塔纳尔开发者套件,包括开发框架、开发者IDE及配套指南,助力开发者快速低成本实现跨端服务开发。
目前,潘塔纳尔已对外提供包含情境感知、服务运行、自然交互等在内的多项开放能力,开发者能通过潘塔纳尔开发框架调用能力,将复杂的跨端多服务入口协同封装成简单的接口,实现一次开发,多端多入口快速适配的特性,满足开发者在一端开发,多端复用的开发诉求,保障开发者在一个应用中不用付出高成本与精力,去适配多个平台生态。
全新的潘塔纳尔开发者 IDE 整合了潘塔纳尔相关模块的集成开发环境,提供了多个业务模块选择,显著地为开发者降本提效。同时,还实现了跨平台一致渲染,多入口、跨设备实时预览,使开发者能快速获取与验证成果。
在本次 OPPO ColorOS 全球创客大赛上,开发者也将能抢先体验到这些潘塔纳尔开放能力和开发者套件,大大地提升开发效率,预计单人开发者最快 3 天可以完成开发服务,30 天完成端到端服务上传。
此外,为了解答开发者对赛事的疑惑,以及如何利用潘塔纳尔系统开放能力、开发者 IDE 进行开发等问题,OPPO ColorOS 还安排了线上赛事说明会和线上沙龙进行答疑和讲解。进入决赛轮的真机调试阶段,参赛者还将直接获得 OPPO 技术团队的技术支持。大赛还邀请了 OPPO 专家及东南亚当地的行业专家亲临决赛现场,给出专业的指导和建议。值得注意的是,最终的获奖作品也将有机会获得 OPPO 应用商店的激励扶持。
与此同时,OPPO ColorOS 也向参与潘塔纳尔生态建设的开发者提供了全方位支持,包括为开发者提供 全年持续开发者直播 Otalk、组建开发者社区、开展沙龙活动及在开放平台官网上专门设置开发者学堂板块等,接下来也将会陆续上线更多面向开发者的沙龙活动、直播及培训课件。
加入 OPPO ColorOS 全球创客大赛,共创以人为中心的万物互融生态
万物互融时代趋势下,OPPO ColorOS 希望以全球创客大赛为契机,未来将进一步加强对东南亚开发者的支持,降低开发门槛,优化培训体系,帮助全球优秀创客顺利开展项目,打造更开放、有生命力的潘塔纳尔生态,从而为全球超过 5 亿的 ColorOS 用户的智慧生活体验创造更多可能。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。