19歲輟學創業,兩年價值20億美元!小扎元宇宙野心曾由他來支撐
19歲輟學創業,2年內就被Facebook以20億美元巨額收購,24歲那年,他已名列福布斯40歲以下最富有企業家的第22位。
是的,我們說的是Oculus VR的創辦人Palmer Luckey。
大學輟學-創辦公司-走上人生巔峰…
這既視感,此處手動@賈伯斯。
酷愛實驗的怪小孩
Luckey出生於美國加州長灘,和三個妹妹一起長大,母親在家全職照顧他,包括他的學業和生活。
Luckey從小就和其他小孩不一樣。
他喜歡擺弄各種小玩意和新奇的實驗,在自家的車庫裡他嘗試了各種複雜的電子實驗,包括「軌道炮、特斯拉線圈和激光」。
父親是個汽車經銷商,他允許兒子將家庭車庫的一半用於他的各種「實驗」。
他在家中由母親輔導完成了最初的學業,從小他就對電子和工程領域產生了興趣,並透過線上課程自學一些基本的程式語言。
他很早便展現了對虛擬實境概念的獨特想法,「我喜歡電腦帶給我的體驗,但我希望這種沉浸感能再真實一點」。
在接受Insider訪談上,他說:
VR在80、90年代就已經開始流行了,當時很多人都承諾它即將到來,但很多想法都沒能成功,也就是技術還沒準備好。即使他們做的每一件事都很完美,他們也不可能做出讓消費者滿意的VR設備。我們需要做的是製造出低成本且高性能的VR設備。
從2009年開始,也就是他16歲那年,他開始自己設計製作VR頭戴裝置。
當時市場上的VR頭顯存在明顯短板,包括低對比、高延遲、低視野、極端體積重量等問題,簡單來說就是塊大還不好用。
2010年,他在父母的車庫裡完成了他的第一個原型機PR1,對這些問題進行了部分改良,它具有90度視野、低延遲和內置觸覺回饋。
之後Luckey陸續開發了一系列原型機,探索3D立體視覺、無線和極端270度視野等功能,同時也縮小了系統的尺寸和重量。
最終,他單人製造了50多個頭戴式顯示器。
2009年,他和朋友一起創辦了ModRetro論壇,這是一個「便攜化」線上社區,聚集了一群電腦、電子設備、復古遊戲的發燒友。
後來他就讀於加州州立大學長灘分校,主修新聞學,並擔任Daily49er的線上編輯。
在此期間,他也曾在南加州大學創意科技研究所(ICT)的混合實境實驗室(MxR)擔任兼職工程師,作為具有成本效益的虛擬實境系統設計團隊的BRAVEMIND中的一員,其下屬於美國陸軍研究實驗室。
這段經歷也為他之後創立Anduril Industries,一家專注於軍事應用的自主無人機和感測器的國防技術公司埋下了伏筆。
22歲時,Palmer Luckey甚至登上了《時代雜誌》的封面。
與傳奇遊戲設計師John Carmack的相遇
2011年,傳奇的遊戲設計師John Carmack腦中正醞釀著一個關於3D視覺體驗的想法,於是他想到了VR。
Carmack想要將他們的大作Doom 3: BFG Edition以VR的形式向公眾展示,但當時市面上最好的頭戴式顯示器(HMD)也因為高延遲、低視野(視野覆蓋率最高只有40度)等問題,無法滿足他的設想。
在一篇題為「LEEP on the Cheap」的文章評論部分,Carmack找到了一個正從事VR相關的研究的人,他就是「PalmerTech」——Palmer Luckey的網路名稱。
他立刻寫信給這位名叫PalmerTech的人,詢問他VR原型機狀況。
2013年5月,Carmack收到了Oculus Rift的原型機,這天他還特地推文稱讚Luckey的作品。
除了這條推文,John Carmack也分享了一些對Luckey原型機的廣泛評論。
在Carmack的幫助下,一些業界資深人士,如Valve工程師Dan Newell和Sony高級總監Mick Hocking也預購了一些Oculus Rift原型機。
Carmack在2012年電子娛樂博覽會上使用它示範了id Software的《毀滅戰士3:BFG版》。
從這之後,Oculus Rift開始進入了大眾視野,Luckey也因此從大學輟學,全職專注於Oculus的研發。
與Brendan Iribe共同創辦Oculus
Oculus Rift出名之後,他收到了第一份來自Sony的offer。
這是索尼歐洲電腦部門的全職職位,全權管理索尼的研發實驗室,年薪7萬美元。
他面臨一個艱難的選擇,是加入Sony的高薪團隊,還是堅持完成自己的Oculus專案。
這時,Brendan Iribe成為了恰當的時機裡出現的那個貴人。
Iribe接到了朋友的電話,想介紹一個虛擬實境相關的專案給他。
他一開始對VR理念持懷疑態度,但由於John Carmack的名頭,他還是決定給他一個機會。
但當他看到Luckey的產品和他關於虛擬實境的一些構想時,他開始對這個計畫產生了濃厚的興趣。
在和Luckey第一次見面之後,他突然有了一個想法,這個想法將改變Luckey的職業生涯。
當時的他還在認真考慮索尼的offer,Iribe說的一句話打動了他:
「沒有人能比你更熟悉你自己的產品」。
在與Iribe的團隊交談後,Luckey更加確信他應該保持獨立,並圍繞他的硬體建立一個軟體生態系統。
Luckey告訴Iribe,以前他的計畫是在Kickstarter上發起活動,並出售成套設備。但現在他已經收到了許多公司的邀請,希望他加入這些公司。
幾個月後,Brendan Iribe成功說服了Palmer Luckey和他一起創辦了Oculus。
遊戲產業的其他大佬,如Mark Bolas和David Helgason,也在Kickstarter影片中對Palmer Luckey的VR計畫表示支持。
在Kickstarter活動期間,Luckey向所有遊戲愛好者和VR粉絲們介紹了Oculus Rift,為這個新創公司贏得了夢幻的曝光率。
Kickstarter 活動對整個 Oculus 團隊來說取得了巨大的成功。
Oculus共籌集了240萬美元,比Palmer Luckey預期的25萬美元翻了十倍。
這個來自南加州的小男孩的VR夢開始揚帆起航。
祖克柏的登場
在解決了暈動症的問題後,Oculus從Marc Andreessen和他的合夥人那裡拿下了總共7500萬美元的融資。
而這位Marc Andreessen,正是將Brendan Iribe介紹給馬克‧祖克柏的人。
在一通電話之後,Iribe就把Oculus拿到了Facebook進行示範。
當時,在場的所有人都被Oculus的體驗震驚了,據說他們的嘴裡只蹦出了一句話——我勒個去! (Holy Crap)
而祖克柏本人也非常興奮。
五天後,他便親自來到爾灣與Oculus團隊見面。於是,Palmer Luckey也第一次見到了小札。
之後的故事大家就非常熟悉了,創辦不到2年的Oculus,在2014年被Facebook以23億美元收購了。
以上是19歲輟學創業,兩年價值20億美元!小扎元宇宙野心曾由他來支撐的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显著提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显著降低了使用AI

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

這篇論文探討了在自動駕駛中,從不同視角(如透視圖和鳥瞰圖)準確檢測物體的問題,特別是如何有效地從透視圖(PV)到鳥瞰圖(BEV)空間轉換特徵,這一轉換是透過視覺轉換(VT)模組實施的。現有的方法大致分為兩種策略:2D到3D和3D到2D轉換。 2D到3D的方法透過預測深度機率來提升密集的2D特徵,但深度預測的固有不確定性,尤其是在遠處區域,可能會引入不準確性。而3D到2D的方法通常使用3D查詢來採樣2D特徵,並透過Transformer學習3D和2D特徵之間對應關係的注意力權重,這增加了計算和部署的

作者的一些個人思考在自動駕駛領域,隨著BEV-based子任務/端到端方案的發展,高品質的多視圖訓練資料和相應的模擬場景建立愈發重要。針對當下任務的痛點,「高品質」可以解耦成三個面向:不同維度上的長尾場景:如障礙物資料中近距離的車輛以及切車過程中精準的朝向角,以及車道線資料中不同曲率的彎道或較難收集的匝道/匯入/合流等場景。這些往往靠大量的資料收集和複雜的資料探勘策略,成本高昂。 3D真值-影像的高度一致:當下的BEV資料取得往往受到感測器安裝/標定,高精地圖以及重建演算法本身的誤差影響。這導致了我

突然發現了一篇19年的論文GSLAM:AGeneralSLAMFrameworkandBenchmark開源程式碼:https://github.com/zdzhaoyong/GSLAM直接上全文,感受這項工作的品質吧~1摘要SLAM技術最近取得了許多成功,並吸引了高科技公司的關注。然而,如何同一現有或新興演算法的介面,一級有效地進行關於速度、穩健性和可移植性的基準測試仍然是問題。本文,提出了一個名為GSLAM的新型SLAM平台,它不僅提供評估功能,還為研究人員提供了快速開發自己的SLAM系統的有用

請留意,這個方塊人正在緊鎖眉頭,思考著面前幾位「不速之客」的身份。原來她陷入了危險境地,意識到這一點後,她迅速展開腦力搜索,尋找解決問題的策略。最終,她決定先逃離現場,然後儘快尋求幫助,並立即採取行動。同時,對面的人也在進行著與她相同的思考……在《我的世界》中出現了這樣一個場景,所有的角色都由人工智慧控制。他們每個人都有著獨特的身份設定,例如之前提到的女孩就是一個年僅17歲但聰明又勇敢的快遞員。他們擁有記憶和思考能力,在這個以《我的世界》為背景的小鎮中像人類一樣生活。驅動他們的,是一款全新的、

23年9月國防科大、京東和北理工的論文「DeepModelFusion:ASurvey」。深度模型整合/合併是一種新興技術,它將多個深度學習模型的參數或預測合併為一個模型。它結合了不同模型的能力來彌補單一模型的偏差和錯誤,以獲得更好的性能。而大規模深度學習模型(例如LLM和基礎模型)上的深度模型整合面臨一些挑戰,包括高運算成本、高維度參數空間、不同異質模型之間的干擾等。本文將現有的深度模型融合方法分為四類:(1)“模式連接”,透過一條損失減少的路徑將權重空間中的解連接起來,以獲得更好的模型融合初
