4570万!可穿戴设备怎么了?

发布时间:2015-04-1 阅读量:793 来源: 我爱方案网 作者:

【导读】据国外媒体报道,根据研究机构IDC的预测,全球可穿戴设备2015年的出货量将达到4570万,而2019年的出货量将达到1.261亿,这意味着大约45%的年增长率。

苹果AppleWatch即将在4月份上市,令人们对可穿戴设备的关注度再次提升。研究机构IDC最新发布的报告指出,到2015年底可穿戴设备的出货量将达到4570万,而2019年的出货量将达到1.261亿,意味着大约有45%的年增长率。
2015可穿戴设备出货量将达4570万
2015年底可穿戴设备的出货量将达到4570万
 
目前,可穿戴设备可被细分为眼镜、耳饰、衣着以及手腕上的配件如手表、手环、绳饰等等;其中手腕上的配件明显是当前的产品主流,占据整体可穿戴设备市场的90%。
 
IDC表示,可穿戴设备的快速增长依赖于大量新厂商、新设备和终端用户的出现。智能可穿戴设备就是能够运行第三方应用程序(APP)的可穿戴产品。这些设备包括苹果的AppleWatch、摩托罗拉360智能手表,以及三星GalaxyGear智能手表等等。
 
2015可穿戴设备出货量将达4570万
2014Q4可穿戴设备预测,红色为智能可穿戴设备的出货量(图片来自IDC)
 
据统计,这些智能化的可穿戴设备在2014年共售出约420万,今年则有望获得大幅的提升。另外还有非智能类别的可穿戴设备,比如基本的健身追踪器,也就是没有运行应用程序的种类。IDC表示其销量将从2014年的1540万台增长到2015年的2000万台。
 
可穿戴设备的蓬勃发展显然是由健身需求所带领而起,由于一些OEM厂商将可穿戴设备的功能与智能手机结合,所以售价与成本也显著下降;同时,市场需求也正迅速转向高价位款式,需要更强大的功能,所以AppleWatch的上市将具有象征意义。随着AppleWatch的发布,智能可穿戴设备将迎来重要的一年。
 
 
然而虽然AppleWatch为可穿戴设备市场带来了新的热度,但恐怕许多消费者对于可穿戴设备仍需要一个很好的购买理由,才能用其取代传统的手表或配件。

相关阅读:
开年啦,看看2015年可穿戴设备10大趋势分析
华为余承东谈三大趋势:可穿戴设备、车载及智能家居
【活动召集·深圳】可穿戴与智能硬件技术交流会
相关资讯
美光Q4营收展望107亿美元超预期,AI存储需求引爆股价

美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。

三星引入三星显示为XR头显供应OLEDoS,索尼独供格局生变

三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。

先进封装驱动芯片性能革命,台积电产能扩张应对AI浪潮

台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。

算力、智能与控制的融合:英特尔4U工控机、RK3568主板、HPM伺服板的全面对比

在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。

应对AI算力激增:安森美推出全链路数据中心电源解决方案与指南

人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。