伴随移动数字化、5G、AIGC等相关技术的发展,“数智生活”正以不同的方式提升人们的生活效率,智能效率应用进一步渗透在用户日常的生活、工作、学习等各个场景中。
根据第三方数据机构QuestMobile发布的《2023年轻人群智能效率应用研究》报告,35岁以下年轻人群是智能效率办公、学习领域的核心用户。凭借网盘、扫描、文档等智能工具和内容产品,夸克App在智能效率行业图谱中跨场景多领域应用,泛学生人群和新生代职场人的用户占比最高,年轻用户使用时长位列行业第一。
年轻人群青睐智能效率应用
在人口流量红利消失的时代,用户对互联网应用的使用深度成为关键。根据QuestMobile数据,2023年7月,35岁及以下年轻人群的使用时长占据全网时长的52.8%。其中,24岁以下的泛学生人群达到2.61亿,25岁至35岁的新生代职场人群规模达2.86亿人。

从用户对互联网行业的使用粘性看,尤其是35岁以下的年轻人群更加强调以数字应用提升自己办公效率。数据显示,智能效率办公行业的年轻人群用户占比高于各行业均值,同时中高粘性占比高于其他行业 。目前,智能效率办公行业用户规模稳定在5亿左右,年轻人群的使用规模长期维持在3亿左右。
24岁及以下人群成为智能效率应用的重点用户群体,而相较于职场人群,使用场景主要是泛学生人群在校园学习中,使用智能效率相关应用,查找资料、复习练习,提升学习效率。
新兴应用抢占智能办公行业风口
QuestMobile报告提出,智能效率办公行业尚未出现绝对的龙头应用,行业新兴应用有机会通过差异化布局,获取市场份额,成为行业造风者。
凭借网盘、扫描、文档等智能工具和内容板块,夸克App在智能效率办公行业图谱中跨场景多领域应用。数据显示,2023年7月,在年轻人群使用规模最高的TOP10智能效率App中,夸克的年轻用户占比最高,泛学生人群占比达到33.7%,新生代职场人群占比达到48.8%。

年轻人群对智能效率办公应用的较强需求,体现在使用时长上较强的用户粘性。夸克产品涉及云盘存储、扫描工具以及文档资源等多个办公常用功能,满足年轻人群在职场办公中不同的场景需求,吸引年轻人群对夸克App的使用。在用户使用时长、人均单日使用时长上,夸克App均位列第一。
智能在线学习应用场景需求凸显
除办公场景以外,夸克App用户对在线学习类工具使用偏好亦较为突出,集中在高等教育和语言学习方面,主要面向高等教育、高考、考研及考取职业资格等年轻人群。
近年来,夸克App加强线上学习场景的业务布局,凭借智能工具、文档资源、学习频道等多个针对学习场景的产品功能,对泛学生人群的心智占据较为突出。数据显示,泛学生群体对夸克的使用时长高于其他各个人群。使用次数方面,泛学生群体略低于新生代职场人群,但也高于全网人群。

QuestMobile报告显示,相较于在线学习行业相关应用,年轻人群对夸克App的使用规模已经进入TOP10。同时,从年轻人群以及泛学生人群对该TOP10App的人均使用时长来看,夸克均位列首位。
大模型、AIGC赋能效率应用创新
展望效率应用领域,基于大模型的AIGC技术成为行业创新发展的加速器。QuestMobile报告分析认为,新鲜事物吸引年轻人群成为主要的使用者。AIGC的先驱用户注重高效、精准的办公解决方案,重点关注AI对办公、学习场景的赋能。
近期,夸克扫描王App发布,进一步强化AI大模型技术应用于精准、高效地识别、分析与理解复杂内容的能力。从使用时长与使用次数方面看,相较于其他的智能效率应用,AIGC先驱用户对夸克App使用偏好显著,源于夸克App中部分功能已开始涉及AIGC的实际应用,进而对用户产生吸引。
好文章,需要你的鼓励
9to5Mac每日播客探讨苹果健身服务的未来发展方向。节目每个工作日更新,用户可通过苹果播客或其他播放器订阅收听。播客提供付费版本9to5Mac Daily Plus,解锁更多专属内容。听众可通过邮件分享观点,并在苹果播客中评分推荐。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
苹果Fitness+宣布推出多项新功能帮助用户建立运动习惯。1月5日起将上线三个新的多周训练项目,1月12日再增加一个。新功能包括KAROL G音乐训练课程,2月超级碗前还将推出Bad Bunny艺人聚焦系列。Time to Walk也将推出新剧集。该服务支持iPhone、iPad和Apple TV用户使用,月费9.99美元。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。