智东西12月6日报道，为期两天的2024中国生成式AI大会（上海站）今日圆满收官。 两天内，**51位**产学研投嘉宾代表密集输出干货爆棚，大会报名咨询人数超**4000人，**超过**1200位**观众到场参会。其中，在主会场进行的大模型峰会、AI Infra峰会的线上观看人次更是超过**104万。**  现场参会观众们的热情十分高涨，主会场、分会场座无虚席，展览区附近的产业交流也十分活跃，**15家**企业的诸多新产品新技术都引起了广泛关注和讨论。  ▲大会展区 此次大会以**“智能跃进 创造无限”**为主题，51位产学研投嘉宾代表基于前瞻性视角解构和把脉生成式AI的技术产品创新、商业落地解法、未来趋势走向与前沿研究焦点。 今天的**AI Infra峰会**上，上海交通大学副教授、无问芯穹联合创始人兼首席科学家戴国浩认为，业界更应该关注单位算力如何实现更高效的token吞吐，大模型实际可用算力不仅取决于芯片理论算力，还可通过软硬协同优化提高算力利用效率，通过多元异构适配放大整体算力规模。 北电数智智算云负责人郭文，GMI Cloud亚太区总裁King.Cui，阿里云智算集群产品解决方案负责人丛培岩，中昊芯英芯片软件栈负责人朱国梁，光羽芯辰创始人兼董事长周强分别对全栈AI工厂、AI企业出海如何补齐算力短板、高性能智算集群、国产TPU芯片“No CUDA”软件栈、通向个人大模型之路几个主题进行了分享。 枫清科技创始人兼CEO高雪峰，声网生成式AI产品负责人毛玉杰，腾讯云向量数据库技术负责人谢宇，Jina AI联合创始人兼首席技术官王楠，Zilliz合伙人、研发VP栾小凡，英飞流创始人兼CEO张颖峰，Alluxio首席架构师傅正佳分别针对“从数据到知识：AI重塑百行千业的基石”、“生成式AI驱动实时互动的技术变革与体验革新”、“TencentVDB向量数据库”、“RAG范式下AI Infra的机遇和挑战”、“RAG虽强，但向量数据库绝非万灵药”、“新一代企业级多模态RAG引擎”、“高性能AI数据底座”带来了精彩演讲。 **下午场的圆桌讨论聚焦“大模型行至深水区，AI Infra的新变化与新机会”，**由德联资本执行董事刘景媛主持，Alluxio首席架构师傅正佳，Zilliz合伙人、研发VP栾小凡，英飞流创始人兼CEO张颖峰三位嘉宾给出了自己的真知灼见。 大会首日，17位嘉宾畅谈大语言模型、多模态大模型、具身智能、AI原生应用、音乐生成、3D AIGC、AI智能体的行业应用、垂类行业大模型等前沿议题。 除了大会首日主会场进行的大模型峰会，以及今天主会场的AI Infra峰会，大会分会场也在这两天分别组织了端侧生成式AI技术研讨会、AI视频生成技术研讨会与具身智能技术研讨会，17位青年学者和技术专家带来了报告分享，后续将会上架这三场收费制研讨会的回放。 ## 一、从智算集群到原生加速技术栈，聚焦产业落地痛点突破大模型算力瓶颈 AI的发展带来了巨大的数据、算力以及能源挑战，作为支撑大模型运行以及生成式AI应用开发的关键，AI Infra也走到了台前，发展势头强劲。 如何打造优质的智算中心，如何实现AI从芯片到应用端全产业链的高效协同？多位嘉宾给出了自己的深入见解。 **1、上海交通大学副教授、无问芯穹联合创始人兼首席科学家戴国浩**  Scaling Law之下，数据成为制约AI继续发展的因素之一。以GPT-o1为代表的推理模型可以突破数据瓶颈，但计算范式的转变使算力需求呈指数级增长，可能导致硬件系统能耗开销供不应求，对行业的可持续发展构成挑战。 对此，戴国浩教授指出，当下业界更应该关注单位算力如何实现更高效的token吞吐，让大模型的实际可用算力不仅取决于芯片理论算力，还可通过软硬协同优化提高算力利用效率，并通过多元异构适配放大整体算力规模。他分享了其研究团队在软硬协同、多元异构与端侧智能方面的研究进展与落地成果，这些成果能助力行业提升面向大模型场景的token吞吐效率。 **2、北电数智郭文：以AI工厂填补国产算力供给侧与需求侧的产业链断层**  “产业要发展，创新不能只是停留在技术层面，更要从流程、系统和组织进行全面的创新。”北电数智智算云负责人郭文分享了从算力、算法、数据与生态方面全面构建人工智能时代AI生产线的实践思考。 郭文称，当下国产芯片落地人工智能产业的最大问题是，算力供给侧与需求侧之间存在产业链断层。为此，北电数智推出首个“国产算力PoC平台”，以北京数字经济算力中心为载体打造具备全栈能力的AI工厂，全线适配与拉通场景、模型到芯片层面，推动智算中心从成本中心转化为推动地区发展新质生产力中心。 **3、GMI Clould King.Cui：高稳定GPU集群成AI企业全球化布局关键**  中国AI出海加速，算力作为其中的核心生产资料正发挥重要作用。高稳定性的GPU集群能降本增效，帮助企业在AI全球化浪潮中取胜。 GMI Cloud亚太区总裁King.Cui提到，为确保GPU集群的高稳定性，他们使用了具备主动检测功能的自研云集群引擎，实现计算、存储和网络资源的高效调配。 GMI Cloud是NVIDIA Top10 NCP，交付前会进行严格的验证流程。GMI Cloud与IDC协作，提供备件和维修，拥有更短的交付时间，确保停机时间最小化。 **4、阿里云丛培岩：灵骏智算集群不仅要实现稳定性和极致性能，更要在不同维度支持规模的极致扩展**  阿里云智算集群产品解决方案负责人丛培岩预测，未来模型性能还会随参数，数据集和算力的增长继续提升，Scaling Law仍有增长空间，AI智算集群的设计范式转向要以GPU为核心。 阿里云推出支持超大规模分布式训练的灵骏智算集群，可达到10万卡扩展规模，千卡规模线性加速比达到96%；阿里云自研磐久服务器采用CPU和GPU分离，实现单机提升至16颗GPU；网络架构HPN7.0最大规模可连接10万颗GPU。 智算集群稳定性至关重要，阿里云3千卡规模智算集群，在一个月内稳定训练时长占比达99%。 **5、光羽芯辰周强：解决“大模型不懂你”问题，个人大模型迎来机遇**  作为与通用大模型、行业大模型、企业大模型并行发展的一大分支，个人大模型也进入了快速发展期。光羽芯辰创始人兼董事长周强称，个人大模型解决的是“大模型不懂你”的问题，随着手机、PC、可穿戴、XR等端侧设备厂商All in AI，个人大模型之路将越走越宽。 他提到，个人大模型也称为端侧大模型，期待解决端侧智能体在性能、功耗和成本方面的痛点，让真正的AI手机走进生活。端侧AI具备及时性、可靠性、成本低、隐私保护和定制化五大优势。目前，构建端侧大模型的核心是解决存储带宽和容量双重问题。 **6、中昊芯英朱国梁：国产TPU芯片“No CUDA”软件栈的构建实践**  中昊芯英芯片软件栈负责人朱国梁介绍了他们在为国产TPU芯片构建“No CUDA”软件栈的实践经验。 中昊芯英刹那芯片采用VLIW指令集架构，面对庞大的CUDA生态，他们逐一解决了库、并行计算与编程方面的问题，全自研用户态和内核态驱动，实现了芯片的高效管理。 为做好生态兼容，中昊芯英底层软件栈兼容PyTorch以及所有主流训推框架，目前，中昊芯英可提供定制的端到端的云智算解决方案，并支持国产操作系统。 ## 二、从企业智能体、向量数据库到RAG，AI Infra基础软件涌现诸多新挑战 下午场，多位嘉宾进一步分享了AI Infra领域关于智能体开发管理平台、实时语音、向量数据库、向量模型、RAG技术、数据编排等方面的行业观察和深入见解。诸多新平台、新产品、新技术走向前台，赋能产业。 **1、枫清科技高雪峰：从数据到知识，跨越生成式AI与决策智能间的鸿沟**  枫清科技创始人兼CEO高雪峰谈道，要将生成式AI真正应用到企业决策场景中，弥合其与决策智能之间鸿沟的技术突破点，就是在推理框架侧融合符号逻辑推理。 企业智能化落地需要面临数据孤岛、数据整合、知识校验、数据实时效等技术挑战。枫清科技可以为企业提供知识引擎与大模型双轮驱动的新一代智能体平台，通过构建全链路优化体系，帮助企业提升数据质量，将企业本地数据知识化，并融合大模型沉淀的泛化能力，在知识网络之上进行符号逻辑推理，实现可解释的智能，进而使AI在多个场景下能够实现精准、透明的决策支持，推动企业智能化转型的顺利实施。 **2、声网毛玉杰：生成式AI+实时互动，让人机交互变成真正的心灵交互**  声网生成式AI产品负责人毛玉杰讲述了生成式AI出现后实时互动（RTE，Real-Time Engagement）技术和体验的变迁。 毛玉杰介绍，2014年至今十年，RTE从服务质量走向体验质量；2025年开始，在生成式AI发展的背景下，RTE向AI RTE变革，开始注重跨模态体验质量，做多模态交互、跨模态转换，为人和模型而设计，给大模型厂商提供眼睛、耳朵和声音能力。 毛玉杰说，目前人机对话已经达到“听得懂”的状态，期待下一步实现“听得心”——让人机交互变成真正的心灵交互。 **3、腾讯云谢宇：向量数据库助力企业挖掘更大数据价值**  AI时代，向量数据库（VDB）脱颖而出，成为连接结构化与非结构化数据的枢纽。然而，当VDB被运用于RAG场景时，多款开源RAG架构出现了召回率低的问题。 腾讯云向量数据库技术负责人谢宇介绍，为解决上述挑战，腾讯首先提升了复杂文档的识别效果，并对数据处理、Embedding、检索、总结等其他环节进行优化，最终实现了90%以上的召回率。 腾讯自研向量检索引擎OLAMA已上线5年，日均处理8500亿次检索请求。未来，他们还将在性能、成本、业务效果、容灾率等方面发力，持续提升产品表现。 **4、Jina AI王楠：长文本大模型、RAG长期共存，长窗口向量模型面临两大挑战**  大模型存在幻觉、无法保证私有数据安全、推理成本高三大问题，Jina AI联合创始人兼首席技术官王楠认为，RAG正是通过缩小大模型生成范围，保证检索准确性、实现结果可溯源，所以长本文大模型不会取代RAG，二者将长期共存。 短窗口会导致上下文背景信息丢失，因此RAG需要长窗口向量模型支持。但长窗口向量模型面临两大挑战，一是推理成本和内存消耗会随窗口长度呈平方线性增长，共享GPU是解决思路之一；二是长窗口使模型无法完整表示细颗粒度语义，解法是增加向量维度和多向量表示。 **5、Zilliz栾小凡：向量数据库落地面临成本及扩展性挑战，RAG转为Graph RAG**  Zilliz合伙人、研发VP栾小凡分享了向量数据库目前面临的挑战以及相应解决方案。 栾小凡称，2025年新生成的数据中，将会有80%以上是非结构化数据。在这一数据压力下，向量数据库的落地面临着成本以及扩展性等方面的种种挑战。而目前的RAG存在搜索质量难、处理长尾查询能力差、结果难以解释和控制、向量存储成本高等问题。 据此，栾小凡及其团队提出了两个解决思路：一是混合查询，在单个系统内支持密集嵌入、稀疏嵌入和词汇搜索；二是Graph RAG，将知识图谱和向量检索结合起来。 **6、英飞流张颖峰：多模态RAG新范式**  英飞流创始人兼CEO张颖峰认为，RAG作为LLM时代的数据库，目前面临着三大挑战——多模态文档处理、检索、语义鸿沟。 针对第一个问题，英飞流训练了深度文档理解模型，能对复杂文档中的多模态内容进行分类处理。而在检索这一RAG“最后一公里”的问题上，英飞流使用三路召回方案，并增加张量索引进行重排序，这一方案在多模态RAG上展现出明显优势。 最后，针对检索过程中的语义鸿沟，英飞流使用GraphRAG抽取知识图谱，并与原数据进行联合检索，提升检索质量。 **7、Alluxio傅正佳：零改造、无侵入策略，打造高性能AI数据底座**  Alluxio首席架构师傅正佳谈到了提升大规模模型训练效率的两大挑战：一是数据规模不断增长、类型更多元化，因此处理数据需要提升算力有效利用率；二是当数据喂到训练平台上，数据IO访问瓶颈会导致算力处于低利用率状态。 这一背景下，Alluxio提供了统一的数据视图、丰富协议转化、高性能数据访问，以打造整体数据服务。其方案通过零改造、无侵入策略，可以使算法工程师仍按原有方式工作，无需改变已有脚本，并且客户已经有的大量存量数据不需要进行私有化协议改造。 ## 三、AI 2.0时代，大模型行至深水区，AI Infra迎来变革 在圆桌论坛环节，几位嘉宾分享了对于“大模型行至深水区，AI Infra的新变化与新机会”这一主题的行业洞察，以及各自公司的产品和技术是如何解决AI应用中的核心痛点的。  作为主持人的德联资本执行董事刘景媛提到，两年前，ChatGPT将生成式AI推到台前，迎来AI 2.0时代，Scaling Law和数据量的大规模增长给AI Infra带来了非常大的增量机会。两年后的今天大模型行至深水区，AI Infra在帮助大模型及相关产品的落地的过程中，产品边界和功能需求逐渐明晰。  ▲刘景媛 对于Infra这类研发周期长、工程复杂程度高的软件产品，开源社区或许可以贡献一些能量，使产品迭代及技术选型更贴合实际需求，同时提升项目本身的关注度和影响力。 另外，“go global”也几乎成为Infra软件的必选项，一方面有商业的考量，另外中国工程师的勤奋和工程攻坚能力全球有目共睹。值得关注的是，在资源有限的情况下也要做好取舍（无论是功能方面还是业务模式方面）。 Zilliz作为向量数据库企业，其产品可以处理大体量非结构化数据，挖掘数据价值。对AI 2.0时代的需求变化，Zilliz合伙人、研发VP栾小凡认为，AI技术在去年被高估、今年被低估，往后看AI落地还需要等一个机会，这也是整个范式的发展机会。 谈到开源，栾小凡感慨道，Zilliz目前正处于最具挑战的阶段，一方面要让产品满足客户需求，另一方面要让产品变现。  ▲栾小凡 当下，AI Infra公司出海已经成为必答题。栾小凡认为出海的前提条件就是产品要有先发优势，在扩展性、功能等方面碾压竞品。产品定制方面，栾小凡的观点是Zilliz几乎不做定制。原因在于其所处的赛道已经足够大，没有必要执着于将自己打造成大而全的平台。 AI时代，数据量的暴增对存储提出巨大挑战。Alluxio首席架构师傅正佳介绍，他们通过分布式数据编排软件系统，高效连接存储与计算。Alluxio很早就注意到存算分离的趋势，并在数据远程访问环节重点发力，回应了AI存储挑战。 Alluxio的存储系统兼具开闭源版本，傅正佳认为开源帮助他们保持了与技术前沿的同步，也打出了知名度，但他们也面临着商业化和部分开源用户贡献程度低的问题。Alluxio目前正积极出海，傅正佳分享，海内外团队的优势互补与产品的本地化是其中的关键。  ▲傅正佳 英飞流创始人兼CEO张颖峰称，RAG用起来很容易，但做好非常困难。公司能做成RAG的核心在于，把做系统的人和做AI的人融合在了一起去做产品。 谈及开源，张颖峰说，开源是商业化的一种策略，而不是为了开源而开源；为了出海必须开源，但创业第一天就要想明白产品企业版和开发者版之间的区别。  ▲张颖峰 目前英飞流的Infra产品还没有进入商业化阶段，结合过往创业经历，张颖峰称，商业化过程中，创始人必须对每个产品的特性和定制化的边界有非常清晰的认识。 ## 结语：生成式AI产业化落地加速，上中下游全产业链呼唤合作共赢 过去一年，生成式AI的发展度过了波澜壮阔的一年，整个产业链成为全球创新、投资和应用最活跃的领域之一，每位参与者都在与时间赛跑。 Sora掀起视频生成热潮，多模态世界模型的研究热度渐起。更具革命性的推理模型o1悄然出世，基座大语言模型不再持续狂飙，不仅价格战、营销战硝烟燃起，融资热度降温，Scaling Law是否撞墙更是在年底引发热议。 行业赋能持续进行，包括智能体在内的应用层的兴起仍然备受期待。同时，大模型向边端下沉的趋势日趋明显，AI手机、AI PC等AI硬件纷纷站上风口。不止AI硬件，大模型驱动下的具身智能更是热度空前，人形机器人正开启星辰大海。 作为智能产业的长期观察者，我们期待见证并记录中国生成式AI浪潮之变，并将持续邀请这股浪潮中的生力军们，分享他们最新的技术进展与商业化探索。 随着今日为期两天的2024中国生成式AI大会（上海站）圆满收官。2025年线下大会也将正式启动，除了1月14日的全球自动驾驶峰会，围绕AI芯片、生成式AI等领域的线下大会也已规划上了，敬请期待。

从“小面包记忆”到“全品类领跑者”，盼盼正在用一款款产品、一条条供应链革新，为这个答案注入更多维度。

随着美国候任总统特朗普对加密货币行业的支持引发的乐观情绪开始降温，一轮抛售对加密货币市场造成了冲击。周二，比特币一度跌破9.5万美元，与此同时，一个衡量较小数字资产的指数下跌了15%，这是2024年最大的盘中跌幅之一。截至发稿，比特币徘徊在9.7万美元附近。 在11月5日美国大选后，投机者在特朗普承诺创造一个支持性的监管背景以及他对国家比特币储备的有争议的支持的刺激下大举投资加密货币。与此同时，数字资产臭名昭著的波动性使投资者倾向于迅速退出押注。 比特币在12月5日达到创纪录的103800美元，但随后难以保持在六位数的水平以上。根据追踪机构CoinGecko的数据，整个加密货币市场在过去24小时内损失了约2000亿美元。  Fundstrat Global Advisors LLC数字资产策略主管Sean Farrell表示，最近的交易表明“整个加密货币生态系统正在去杠杆化”。Farrell称，一个触发因素可能是周三美国通胀数据公布前的谨慎态度，这可能会影响对美联储降息的预期。 Coinglass的数据显示，在过去24小时内，约有16亿美元使用衍生品的看涨加密货币头寸被平仓，这是杠杆押注瓦解的迹象。 **特朗普议程** 特朗普挑选了一位数字资产支持者担任美国证券监管机构的下一任负责人，并任命第一位白宫人工智能和加密货币沙皇。特朗普曾经对加密货币持怀疑态度，但随着该行业在竞选期间花了大量资金来促进其利益，他的态度发生了转变。 对于数字资产爱好者来说，随着候任总统特朗普打破拜登政府施加的打压，一场繁荣就在前方。但批评人士认为，更广泛的主流接受加密货币将带来一系列风险。 自特朗普当选总统以来，约有100亿美元涌入美国比特币现货ETF。与此同时，比特币“大户”MicroStrategy（MSTR.US）周一表示，该公司又买入了21亿美元的比特币。 Farrell表示，交易员可能会认为MicroStrategy公布的历史性买入计划“隐含地从市场拉回相当大的现货买盘”。 Fairlead Strategies LLC技术分析师Katie Stockton在一份报告中建议，在比特币未能保持在10万美元以上后，应保持“中性短期偏见”。 [查看评论](https://m.cnbeta.com.tw/comment/1461904.htm)

在阿里拍卖平台上，有108辆爱驰试验车上架拍卖。拍卖页面介绍，108辆爱驰试验车拍卖时间为12月16日10时至12月19日10时。该批试验车由上海市嘉定区人民法院送拍，评估价36.56万元，起拍价25.6万元，**如果以起拍价计算，这批试验车的单车拍卖价格为2300元左右。**  参与此次竞拍的话，需要缴纳3万元保证金，并且，车辆还有停车费需要支付；停车费起始计费时间自2023年8月起，84000元/年，不满一年按一年计算（以提车日作为结算停车费时间，由买受人与场地方自行结算）。 竞买详情处显示，该批试验车辆整体维护状况差，部分车辆外观及内部部件残缺不齐。 同时，部分车辆缺失电机电池（约八成试验车保有电池电机），另有部分车辆为碰撞测试车，仅剩残余车架。**试验车辆无车辆合格证、行驶证等文件，无法办理车辆过户上牌手续。** 不过，有网友表示，“这些试验车买来当拆车件很合适，国内现在也有不少爱驰保有车辆，后续可以把能够销售、使用的试验车零件，出售给这些车主”。 **“如果车辆电池包还能够使用的话，一块电池包就值上万元了”。** 拍卖已有2人报名，但最新页面显示，本场拍卖因为执行需要，已被撤回。    [查看评论](https://m.cnbeta.com.tw/comment/1461902.htm)

IBM 开发了一种新的光学技术，可以以光速训练 AI 模型，同时节省大量能源。该公司表示，通过将其突破性技术应用于数据中心，训练 AI 模型时节省的能源相当于 5000 个美国家庭的年度能源使用量。  该公司解释说，虽然数据中心通过光纤电缆与外界相连，但在内部，他们仍在使用铜线。这些电线连接 GPU 加速器，这些加速器在等待来自其他设备的数据时会花费大量时间处于空闲状态，同时消耗能源并推高成本。 IBM 高级副总裁兼研究总监 Dario Gil 在评论这一发展时表示： <blockquote><p>“由于生成 AI 需要更多的能源和处理能力，数据中心必须不断发展——而同封装光学器件可以使这些数据中心面向未来。有了这一突破，未来的芯片将像光纤电缆将数据传入和传出数据中心一样进行通信，开启一个更快、更可持续的通信新时代，可以处理未来的 AI 工作负载。”</p></blockquote> IBM 在一份技术论文中概述了其新的共封装光学器件 (CPO) 原型。通过显著增加数据中心的带宽，可以最大限度地减少 GPU 停机时间，从而加速 AI 处理。 IBM 解释说，大型语言模型 (LLM) 的训练时间可以从三个月缩短到三周。同时，提高能源效率将减少能源使用量并降低与训练 LLM 相关的成本。 [查看评论](https://m.cnbeta.com.tw/comment/1461900.htm)

 【录音笔】是GPASS推出的一档全新会员专享节目，内容来自机核办公室日程生活和工作中的一些短小记录，每期时长十几分钟左右（大概吧）。内容也许是一些不成体统的碎碎念，也许是一些突然发疯的暴言，还有可能是哪个缺德的把办公室里真实的日常对话（dui ma）偷偷录了下来，总之就连我们自己现在也不知道每期会有哪些人参与，会录些什么。

具身智能在2024年成为科技领域的新热词。 人形机器人和具身智能公司，纷纷成立，一时风头无两。 不过，目前的人形机器人和具身智能，往往更多停留在概念和demo之中，何时能真正落地，仍然未知。包括特斯拉的Optimus在内的不少人形机器人企业，都将人形机器人落地的第一场景，设在工业场景当中。 然而，工厂场景中，实际早已存在不少工业机器人。这些更传统的工业机器人，未来会被人形机器人取代吗？或者，它们是否将在哪些方面结合新的具身智能技术，带来新的生产效率的突破？ 近期，极客公园接触到了移动机器人解决方案提供商优艾智合。 优艾智合在2017年就已经成立，为工业企业提供物流机器人和巡检机器人，尤其深耕半导体行业，已经形成上游晶圆生产、芯片封测、模组封装到下游组装的生产环节全覆盖机器人解决方案，是半导体领域出货量最大的移动机器人企业。在2022年，优艾智合的机器人已经做到年出货量两千余台。 极客公园了解到，从2022年起，优艾智合也在部署具身智能相关的技术能力，并在11月20日，与西安交通大学共同宣布成立具身智能机器人研究院。 在具身智能火起来之后，人们常常畅想，一个通用的人形机器人，可能会替代很多原有的专用机器人的未来。作为一个已经有真实成熟的工业落地场景的公司，优艾智合如何看待具身智能呢？ 带着这样的疑问，极客公园采访了优艾智合CTO边旭。采访记录有删节。   ## 具身智能可以让机器人更聪明 问：什么时候开始思考落地具身智能？ 边旭：这应该是从 22 年 10 月份到2023年我们开始真正关注具身智能这个概念。 当时谷歌和Everyday Robotics合作，第一次将大型语言模型集成到机器人中，我们当时看了论文，下了一个判断是，多模态大模型，最终只是一个接口，真正机器人要发挥作用，光靠大模型是远远不够的，需要强化学习、模拟学习等很多技术产生突破。 这是我们思考的起点，我们也开始从2023年开始投入了一些预研的资源。 问：目前的具身智能技术进步，能够解决哪些你们面临的问题？ 边旭：目前在进展中的，最快能解决的问题是视觉模型对环境的理解，能够让我们做出更安全、柔性的控制策略。 传统的机器人对物理环境的重建，基本都是基于激光雷达的这种直接测量的方法进行构建。激光测距这项技术是有极限的。 比如我们的地面是平的，但是其实传感器扫描出来的地面不是平的，是震荡的。它扫出来，可能是5cm厚的一个点云。其中上下2cm，都是它对地扫描的误差。但是这仍然导致有些情况下，地上出现一条电线，这条电线本身的凸起并不超过2cm，这时候对微小物体的识别，会被淹没在噪声中。 而通过视觉识别，则机器人能够直接认识到前方出现细小物体，从而进行避障。 我们运送晶圆的机器人，如果被绊一跤，一点点损伤都会带来很大的经济损失。在之前，我们只能通过工厂的安规管理，给机器人开辟出专门的运行区域来保证这样的事情不会发生。  优艾智合晶圆盒搬运机器人 ｜ 图源：优艾智合 但是真正解决这个问题，要依靠具身智能中可自主学习的多模态感知——也就是机器人能够通过视觉识别，识别出物体，进行更智能的规避。 在这点上，我们的研发已经有了阶段性的成果，在我们的样机上，demo上效果已经能做到比较好了。 问：具身智能的下一步技术进步中，作为一个有落地场景的工业机器人公司，你们更关注于哪方面的技术进步？ 边旭：我们也在关注端到端的运动控制，这件事本身是很难的，目前我们也只是在做前期的研究工作。 端到端的自动控制，类似于特斯拉在做的端到端的自动驾驶，也就是整个运动控制的指令都是模型生成的。而我们提供工业机器人，要到运动控制的指令都由机器人生成，实际上需要更精准，犯错率更低。 另外，达成端到端的运动控制，也依赖为我们提供机械臂本体的上下游生态伙伴，做相应的底层调整，共同进步。 问：端到端的运动控制可以帮你们解决什么样的问题？ 边旭：比如我们为半导体行业提供工业物流机器人，机器人的形态是复合机器人，这样的机器人，每台对接一个工位，正常都需要经过一些参数化的配置和调试，这是行业通用的做法。 但实际上这个是非常耗时的。你要做一些标定，做一些过渡点的录制，这样的配置和调试过程其实是非常不柔性的，也无法被批量复制。 我们之前做出海，已经卖出了不少机器人解决方案，其实我们在全世界都有很大的需求，但是在近中国的日本和东南亚，开展地更顺利，原因之一就是出海的话，我们也需要很大的部署成本。 通过我们前面说的目标识别，融合视觉和3D的点云数据，保证目标识别的鲁棒性，再根据目标识别，做到通过少量学习和零次学习，可以让机器人完成手眼协同，自适应部署。 这样基于目标的端到端的运动控制模型，和通用代码大模型去自动化脚生成检测、生成部署脚本能够帮助我们大幅降低部署成本。   ## 企业客户希望有更聪明的机器人，但最好没有成本增加 问：在之前已经落地的场景中，其实通过安规管理等方式，可以部分解决机器人不够智能的问题，那么使用具身智能会不会使成本提升很高？ 边旭：在人形机器人上要做具身智能，可能需要非常强大的GPU，上万块的成本，这确实在工业机器人里是不可接受的。 我们考虑要使用低算力的平台，实现高具身智能的效果。我们主要是使用NPU，6-7 TOPS的算力，来跑一些视觉模型。 即使是我们后面说的这种，运动控制方向的具身智能的部署，在我看来，未来也是成本可控的。因为我们机器人硬件中，本身已经有了视觉和雷达的部分，这部分的成本是本来就有的。只是需要再对数据进行算法层面的训练。 问：你觉得企业实际上能接受多少成本的上升？ 边旭：我觉得对企业来说，其实最好是没有成本增加，甚至有运维成本的下降。 比如我们前面说的，通过管理的方式可以解决的问题，实际上本身还是依赖于人工，而人是工业生产中最不可控的变量，根本上如果机器人能智能化地解决这个问题，整体运维成本是下降的。 对于我们自身而言，也会降低很多和企业之间的沟通成本。 问：除了成本之外，企业还会比较关注哪些问题？ 边旭：企业也会比较在意数据链路的绝对安全。 很多客户的要求是数据不出园区，那可能一些人形机器人使用公有云上的模型的这种操作模式就不适合我们。  优艾智合智能巡检操作机器人｜ 图源：优艾智合 此外，前面说过，工业场景对AI的犯错容忍度很低。客户对我们的要求就是零异常。一般的工业公司对推AI都比较谨慎。 所以我们认为纯靠AI算法解决所有问题的思路本身是错的。越智能就越容易不可控。泛化性的智能控制，还是需要结合一些条件策略，才能更好地让产品闭环。 问：在工业领域，具身智能还有什么独特的特点？ 边旭：我们理解具身智能是两部分，第一个是单体智能，也就是一脑多态的这种智能控制系统，另一方面是，群体智能。 在这套解决方案里，机器人只是一环，机器人的智能化水平可以无限接近于人。但是工厂中要实现全厂的生产，它还需要其他的，比如说电梯、产线，和其他设备类的东西，都会参与到整个的过程中。我们现在传感器只是布置在机器人上，未来可能传感器是部署在全场的解决方案里面的。 这个全场的解决方案，里面涉及到的就是群体智能。这里面怎么去融合感知，来保证机器人的安全和效率，我觉得想象的空间比机器人本体更大。     ## 人形机器人，能够横扫工业场景吗？ 问：过去一两年，有很多具身智能和人形机器人的公司成立。很多公司的愿景都是最后走向一个通用的人形机器人，它泛化性非常强，什么工厂都能进，什么工厂内的任务都能做。你怎么看待未来的通用人形机器人，它会成为传统工业机器人的终结者吗？ 边旭：其实为什么工厂在很多场景下已经开始使用机器人了？就是因为其实人类在很多情况下已经不够适应工业所需的一些情况了。 比如在工业巡检领域，人只能看到可见光，看不到红外光，也看不到声波。我们只能依靠目视距离操作。 因此我们在巡检中，提出了超视距的多模态感知，首先传感器不局限于机器人在哪里，都能获得数据，其次能够通过AI的分析处理，获得隐藏在声纹等数据中的一些异常，得到自适应感知，这其实都是对人类能力的超越。 对于我们工业从业者来说，我们看问题比较实际。我认为我们的积累其实是一种壁垒。 一个机器人，你没有做过这个场景，怎么能讲它有泛化的能力，去解决这个场景的问题？ 对于工业场景而言，首先，工业场景比较闭塞，很难通过互联网去学习到相关的知识，有很强的行业属性，机器人很难通过通用的数据进行泛化地学习。 其次，工业机器人的产品定义，本身就是工业机器人企业和工业企业一起推动的。客户需要机器人，但又不完全清晰的知道需求的细节。很多产品定义都是我们在这个场景中积累总结，和客户共创获得的。 问：传统工业场景下已经落地的机器人企业的主要优势在哪里？ 边旭：主要还是在行业深耕后，获得的壁垒。 比如我们在最基本的SLAM能力上，我们有很多corner case的应对经验。比如环境对机器人定位的多种非线性扰动，对于机器人定位导航的干扰是非常大的，并且是很难量化。这对于你的定位导航的鲁棒性，和智能化要求很高。 人形机器人本身，如果能找到一个合适落地的场景，再有很强的技术基础，或许未来在工业场景中也会有一席之地。 但我认为在一个我们已经深耕过的行业里，我们再加入具身智能的技术，我们做这件事的路径可以是最短的。 问：工业场景，最终的形态会是人形机器人吗？ 边旭：一个通用人形机器人，来适配所有的场景是很难的，你很难倒逼所有行业客户改去适配你的设备。 可能只有纯人工的场景，用人形做，客户改造成本就低一点。但也可能在那之前，全场景的移动机器人的方案已经覆盖了这个行业了。 我觉得工业，相对于对于服务场景等，最大的区别就是成本和效率。 越通用，代表着对于某个细分行业来讲，应用成本越高，它会有很多功能的冗余。 考虑到效率因素，其实不应该所有行业都用一样机器人。  特斯拉人形机器人Optimus ｜ 图片来源：视觉中国 而为不同行业打造的话，模型也可以是更加针对这个场景的，可以就是以更小的数据去训练，然后运用的成本也更低，然后更针对这个场景， 问：对于只做大脑的具身智能企业而言，如果不是一个通用的人形机器人来承载其大脑的部分，而是有多种多样的终端形态，会对执行产生一些困难吗？ 边旭：会有一些困难。 不同的上集成其实是一个新的模型。虽然从目标识别，视觉的角度来讲差别不大，但在执行和安全角度讲，不同的本体构型是有差异的。 在工业里边，其实在机电系统和机构学上不存在通用的。就是每一种构型其实都要满足它的一个特殊工艺的一个设计生产要求。 问：怎么看未来的人形机器人？ 边旭：我觉得，现在的人形机器人，不论从技术成熟度、量产能力，还是商业模式的成熟度上，其实是和几年前工业移动机器人刚兴起的时候很像。 机器人本体是一部分， 但更重要的是智能系统端的进步。 在移动机器人行业，目前其实有很多做移动机器人本体的厂家，可以把产品做得很标准，成本很低，稳定性很强。而我们做解决方案的企业的优势，则在于需要长时间积累的智能系统。 我想未来，可能也会有很多做这种人形机型本体的厂家，将本体做的很好。而像我们这样的公司，可以在人形机器人上，构建我们的工业应用。 我们目前的技术布局，已经在具身控制器这块布局了未来兼容足式机器人的架构，我们目前看不到人形机器人在工业场景有太好的应用，但不代表未来没有，我们会持续关注提前布局。 比起机器人的形态，我们更关注具身智能技术在工业领域规模化落地的路径与节点。我们认为“一脑多态”是具身智能落地工业场景的最佳形态，再通过集群化的协同交互，可以实现工业企业生产效率和效率的提升。  

通过对移动互联网数据、交通公共数据及第三方数据进行融合计算，计算出综合周期时段、车流方向、行车速度等因素的最佳信控参数。

“推动中医药国际化与现代化的领军者”

-7℃下，低温续航只有常温续航的55%。

红花郎与青花郎双重发力，点燃首个“非遗”春节。

环境持续变化，时代总在迭变，“商业之王”们紧随时代浪潮，坚持创造，谋求新动能。立足中国经济大转型的当下，WISE2024 商业之王大会，一同发现真正有韧性的“商业之王”，探寻中国商业浪潮里“正确的事”。 11月28-29日，为期两日的36氪WISE2024 商业之王大会于北京隆重召开，作为中国商业领域的全明星盛典，WISE大会今年已经是第十二届，在不断变化的时代里见证着中国商业的韧性与潜力。 2024，是有些模糊且变化多于稳定的一年。相比过去十年，大家的脚步正放缓，发展更加理性。2024，也是寻求新的经济动力的一年，新的产业变化对每个主体的适应性提出了更高的要求。今年WISE大会以Hard But Right Thing（正确的事）为主题，在2024，什么是正确的事，成为我们更想交流的话题。  杜欣 **11月28日下午，泥藕资本创始合伙人杜欣发表主题为《新时代的品牌崛起之路》的演讲。以下是杜欣的演讲实录，经36氪整理编辑：** 大家下午好！非常荣幸能够成为今天下午首位发言的嘉宾。今天，我将与大家探讨品牌出海中的一些故事。作为一支专注于中国早期产品和品牌孵化的基金，我有许多亲身体验。同时，我在过去两年中也担任了创业公司的创始人和董事长，这让我对当前经济环境下品牌发展的机会有了更深的理解。2024年无疑是一个特殊的年份。  我们经常思考，在当前的市场环境中，品牌是否还有成长的机会。直观的数据表明，自去年以来，新涌现的品牌数量正在减少，品牌创业之路似乎变得越来越艰难。人们经常询问，在当前的经济环境下，作为投资人，我观察到的早期企业将如何发展。我们直观的感受是并不乐观。  因此，我今天的主题是“从火箭模式到飞机模式”。我们可以回顾过去经济发展的路径，许多品牌的成长路径类似于发射火箭。在过去几年，包括之前新消费品牌快速成长的时期，大家在发射火箭时，对未来存在许多未知数。我们准备了一个相对模糊的方向，找到产品的卖点或市场的缺口，这实际上是找到了燃料。作为早期投资人，面对未来的不确定性，我们至少装填上燃料，发射火箭。这里可能存在一定的死亡率和成功率，只要方向相对正确，品牌就有可能脱颖而出。然而，从2021年开始，大量新消费品牌涌现，当前时代的这种策略出现了很大问题。基本上，在当今世界，如果没有想好许多策略和方法，无论是投资方还是创业者，抱着发射火箭的心态，基本上飞上去后大概率也会摔下来。 首先，当前品牌面临的是流量困境。2024年，许多创始人开始打造个人IP，如雷军、周鸿祎等顶级大咖，这也反映了流量的困境和焦虑。确实，任何品牌的产生都需要所谓的流量红利时代。过去几年，无论是抖音、小红书还是视频号，每一波流量红利的背后都带来了新品牌的机会。这些大平台需要发展客户，创造自己的商业生态，实际上释放了许多低价、便宜的流量到市场��。我们抓住这波流量红利后，利用流量的杠杆生成了许多新品牌。当大平台不再进行流量补贴和扶持时，每一个流量都会变得昂贵且效果越来越差。如果仍然抱着赌博的心态，尝试发射火箭，往往会遭遇很大的困境。  第二大困境是渠道困境。正是因为所有的流量平台，包括渠道平台都在追求以利润为导向的策略，会发现原来强势的公司也出现了许多问题。他们需要支付渠道成本以覆盖品牌的成长。对于新锐品牌产品来说，往往需要更大的渠道困境。许多创业公司在思考是自建团队还是利用第三方渠道。之前，大家都认为自建是最可靠的方式，当所有渠道能力掌握在自己手中时，相对而言更加可控。但实际上，在当前的未知环境中，保持灵活和弹性的渠道反而非常重要。现在，一个品牌是否应该自建渠道，是否应该铺设许多渠道人员，面临很大的困扰。  第三大困境是融资困境。在行业中，我们看到许多前辈都在说，现在投资人能给的是情绪价值，已经无法真正用资金支持许多企业。当前的融资环境，美元资金大量撤退后，许多原来由美元基金支持的A、B轮强势企业，推动企业高速成长的基金消失了。现在，还有高净值人士愿意投资天使轮，可能大概率还是能拿到一些资金的。但如果企业没有达到正向的销售模型，或者没有达到相当规模的销售比例，实际上很难获得市场的资金。品牌本身是用户心智的教育，如果没有资金投入到相关的品牌建设上，品牌如何成长？ 因此，今年以来，无论是消费品、科技产品、数字医疗、健康产品，大家都反映了共同的问题，即融资难，非常难，难到如果不是已经在过去几年拿到大量资金，或者已经在细分领域取得相当成绩的企业，就很难拿到资金。如何化解和解决当前的困境？实际上，过去是发射火箭，现在就是要制造飞机。制造飞机的逻辑不仅要管理起飞，也要管理降落。当风好的时候可以飞得更高，但我们也要考虑出现问题时，如何能飞得更平稳。这对创业者提出了更高的要求，从创业的第一天起就要考虑许多细节。  在我们看来，最重要的两点是： 1）为什么创业，要把握好两个整体的发动机引擎的故事。我们认为中国最大的优势还是极致的供应链，所以我在讲降本增效，比别人更便宜的故事，总是能得到市场的垂青。今年以来，最大的几个爆款单品在新能源汽车上，也反映了极致的供应链优化。中国到现在虽然竞争激烈，但竞争出了最强的供应能力。如果在细分赛道和市场上，能够竞争出更强的供应链优化能力，更极致的优化成本，依然是中国当下无论是产品还是品牌出海，是一个不可放弃的优势。如果当前没有办法发挥中国强大供应链优势的产品或创业项目，我认为融资很难，品牌的成长也是极难的。 2）极致的产品创新。如果只是简单的效率提升，做了一个10-20%的提升，没有几倍的提升的产品创新，我建议这样的方向大家没有必要去做。过去几年，为什么在一些细分赛道，消费者赛道里面竞争激烈，死亡大量？很大程度上都是效率不高的竞争，可能一个产品、一个品牌新出来只是完成了20、30%的优化，我理解完全没有对冲作为新品牌成长的风险和压力。  我们主张在一个产品的极致创新上，比竞品有数倍的性能提升或者成本降低，才值得创业做这个新品。可能环境不好反倒给大家一个新的机会，就是相对而言没那么竞争激烈，能在大幅度提升整体创新的路子上去花时间。  有了两个引擎后，把握好两个翅膀，其实可以看到这两个翅膀。我认为第一个翅膀就是与地方政府的招商相配合。现在没有必要避讳这件事情，任何企业在成长期的融资，拿到天使轮之后，到了A、B轮以后最合适的资金就是地方政府的招商资金。所以今年以来，你会看到许多创业型公司都会跑到江苏、浙江、长三角、珠三角许多小县城去沟通交流，因为地方需要招商引资，地方招商引资的诉求可以与产品品牌的持续发展诉求相吻合。他愿意接受一个相对而言合适的估值，加上一个相对而言还没有做到那么大规模体量的公司阶段，拿到这个钱。这个时候给我们品牌方一个很大的挑战，就是原来我只是考虑品牌自身的发展，怎么样让我这个品牌的发展能够与地方的招商诉求结合在一起，其实是我们目前需要学习并且提升的很大的一课。比如说实体固定资产的返投，原来没有这个概念的，所有产品都是外包，工厂都是外面的，是不是满足地方招商诉求同时，也结合自己产品规划，能变成一些既有制造业，也有销售，也有很多的外资，很多的因素组合，可能也能获得地方政府。所以这一定是重要的翅膀，未来的3-5年内，我觉得凡是能够长袖善舞，获得地方招商资金的品牌，能够获得很好的机会。  第二个就是出海。出海大家讨论的很多，有的人是在找死和等死之间做艰难的选择。今年我们也跟自己投资的许多公司做了许多探索，我们也参加了像德国意法的展会，也会经常关注美国的CIS，甚至会帮助企业寻找海外的经销商、渠道商，帮助他们探索是不是可以通过直播带货、达人网红的推广销售方式。在当下崛起之路上同步走向中国国内销售和海外销售是同步执行的过程，未必比直线的走国内是成本高的。因为相对而言中国产品的竞争力现在已经很高了，如果同步去海外市场会发现在那个市场里面相对而言客单价，毛利率很高，同样一个产品在中国退货率很高，很多用户找各种各样产品的问题，导致你没有任何钱去赚。在平台投流的时候，你会发现ROI1：3、1：5，慢慢变成不赚钱的ROI，这是极度的内卷造成的问题，但海外相对而言还能有不错的发展，这就要我们具备相关的意识。北京的公司一旦设立以后，从来没有公司想的是只做北京的，一定想的是全国的生意。 如果一个公司长在硅谷、欧洲，他设立的第一天起就是我要做全球化的生意，这时候就是倒逼创业者在当下的创业，品牌崛起的过程中，在创业的Day1就要考虑如何同步开展出海的过程。出海现在已经有很多公式化，参加海外展会，获得经销商渠道，进而通过一两单OEM、ODM的合作，进而获得一些基本的营收，慢慢发展壮大，这几乎已经成为许多产品品牌出海的必由之路和标准动作。 两个起落架，过去许多公司你会发现C轮死、D轮死，特别是2024年许多公司因为现金流出现许多问题，之前出现太多的问题，导致我们没有把控好现金流的风险。当下从市场上、银行拿现金流，反倒比拿股权融资的钱更容易，如何平衡现金流的收益，其实胜者为王。2024年我们也讲活下去，如何活下去，特别是作为产品出海的公司品牌类的公司，我们在营销侧、广告侧的投入相对比较大，这个时候对现金流的把控非常重要。我个人的建议是我们没有必要养许多团队，能外包的则外包，保持品牌的弹性，当扩张的时候也可以快速扩张，当瘦身的时候也可以迅速瘦身，而不用负担特别高的人员开支和成本。  最后就是谈创始人的亲历亲为，无论是产品创新、出海，当创始人走在第一线，就算你操着蹩脚的英语，你跟海外经销商交流的时候，依然代表的是很强的信心，也会带着这个公司走向最难的事情。如果不能走向这两点，品牌出海充满了风险。 当前确实是最难的时候，我们做了很多的人工智能，有很多科技卡脖子的技术，什么时候轮到我们的产品、品牌、消费品，我相信这天也许就在2025即将到来。因为世界的需求很多，每个人的需求也是很多，不可能总是供应链上的创新。 我相信消费品的时代、科技产品的时代，消费驱动的时代也终将回归和来临。谢谢大家，这就是我们2025最大的期待

wccftech整理了有关RTX 5080规格、价格、供货情况等方面的爆料情报。**GeForce RTX 5080基于全新的Blackwell架构，将是RTX 50系列中仅次于RTX 5090性能表现的显卡，并且将取代现有的RTX 4080和RTX 4080 SUPER。** **Blackwell架构显卡采用全新的5纳米工艺，特别是N5B制程。** **** RTX 5080 将采用 GB203-300-A1 GPU 芯片，取代 RTX 4080 上的 AD103-300-A1。RTX 5080 将配备 PG144/147-SKU45 PCB，预计拥有 84 个 SM（流式多处理器单元），搭载 10,752 个 CUDA 核心，比 RTX 4080 的 9,728 CUDA 核心增加了约 10.5%。预计 RTX 5080 将使用 GDDR7 显存，而非 RTX 4080 上的 GDDR6X。 **RTX 5080 将配备 16GB 的显存，内存速度将高达 32 Gbps，提供约 1 TB/s 的内存带宽，这一性能甚至超过了 RTX 4090 的 1007 GB/s 带宽。** 此外，RTX 5080 的内存带宽将比 RTX 4080 提升约 43%，**并且有传闻称 RTX 5080 还将推出一款 24GB 显存的版本，但首发版本将仅提供 16GB 显存。** **性能预期：** 预计 RTX 5080 在性能上至少比 RTX 4080 快 10%。有传闻称，RTX 5080 在光追方面可能比 RTX 4090 更强。这意味着RTX 5080在4K分辨率下能够提供更高的帧率。预计RTX 5080在4K游戏中将稳定超过60fps。   **定价预期：** 关于 RTX 5080 的具体价格，目前尚无可靠的泄露信息。**考虑到 RTX 4080 SUPER 定价为 1000 美元，RTX 5080 的定价很可能也在 1000 美元左右。**若价格能够低于此水平，将为玩家带来接近 RTX 4090 性能的显卡，且价格仅为其一半。 RTX 5080 预计将与 RTX 5090 和 RTX 5070 一起在 2025 年初正式亮相。最有可能的发布时机是 2025 年 1 月的 CES 展会。 [查看评论](https://m.cnbeta.com.tw/comment/1461898.htm)

据报道，阿里司法拍卖网上一则必斐艾食品有限公司的拍卖公告引发网友一阵唏嘘，拍品所有人钟茂（上海）食品科技有限公司为钟薛高全资子公司。钟茂(上海)食品科技有限公司相关设备的二拍，起拍价约444.95万元，比第一次拍卖降了约111万元，但是目前仍无人出价。 阿里资产上的拍卖信息显示，此次拍卖源于钟茂公司的一起合同纠纷案件，涉及强制执行金额高达约542.92万元。 [](//img1.mydrivers.com/img/20241210/1f74dd3bfdf649108f09fa4b7beaee99.png) 回顾11月30日的首次拍卖，尽管吸引了高达1170次的围观，但起拍价约556.2万元的这批设备最终因无人出价而流拍。 [](//img1.mydrivers.com/img/20241210/36ffdd928ac144a0a2a264a95c24843f.png) 钟薛高曾被称为“雪糕界的爱马仕”，巅峰期时，钟薛高在全国有接近600个经销商，覆盖超200个城市。 然而，时过境迁，如今的钟薛高面临着严重的财务困境，资不抵债的现状令人唏嘘。在其对外投资的公司中，已有6家被注销，显示出其业务版图的萎缩。 今年3月11日，上海市嘉定区人民法院对钟薛高食品（上海）有限公司及其法定代表人林盛发出了限制消费令，原因是“未按执行通知书指定的期间履行生效法律文书确定的给付义务”。 值得注意的是，在限制高消费后，钟薛高的创始人林盛于5月28日亲自上阵，开启了直播“还债”之路。不过，这次他带货的主角不再是昔日的雪糕，而是换成了红薯，这一转变也引发了外界的广泛关注。 [](//img1.mydrivers.com/img/20241210/b963c2ccf2724d2e868857957d6cc036.png) [查看评论](https://m.cnbeta.com.tw/comment/1461896.htm)

 影史经典惊悚片续作《惊变28年》2025年6月20日北美大银幕献映，奥斯卡金像奖最佳导演丹尼·博伊尔（《贫民窟的百万富翁》）回归执导，朱迪·科默、亚伦·泰勒-约翰逊、拉尔夫·费因斯联袂主演。 &lt;内嵌内容，请前往机核查看&gt; 致命病毒横行28年后，幸存者们建立了新的聚集区，生活逐渐平稳安定，然而新的危机却在悄然临近……更加致命的病毒变异，日渐扭曲的人性与欲望，人类的命运将会何去何从？ 

 《黑神话：悟空》现已在 Epic 游戏商城推出 1.0.12.16581 版本更新。本次更新带来了挑战玩法以及行旅图在内的诸多内容。同时，官方修复了游戏在玩法和本地化等方面的 BUG 并进一步优化了整体游戏表现。据悉，其它平台亦将陆续更新。  # 新玩法：挑战 “说难也难，众圣降凡。” - 天命人通关至少一次游戏后，便可通过任一土地庙开启【挑战】 - 【挑战】分为【复战】与【连战】两个玩法 - 【复战】 - 可与昔日对手再次比试，共有三重难度 - 游戏流程中若有未曾战胜的对手，无法开启与之对应的【复战】 - 【连战】 - 可与昔日对手进行轮番比试，亦可自选禁制，进一步增加难度 - 该玩法颇具挑战，部分昔日对手还会施展与往昔不同的招式。谨慎！谨慎！ - 游戏流程中若有未曾战胜的对手，则无法开启与之相关的【连战】 - 任一【连战】通关后，均可获取新的珍稀宝物 - 丹药：【宝鳞丸】及其丹方 - 酒食：【苦酒】、【九秋菊】、【肉角】 - 珍玩：【石虎节】、【满堂红】、【神铁碎片】 - 披挂：【三山冠】 - 兵器：【磬槌】、【兽棍·神锋】、【昆棍·不僵】 # 新功能：行旅图 “取经的还去取经，走路的还去走路。” - 有异人画下这山水风光，整理成图，可作引路、标记之用 - 天命人初入黑风山见到黑风山土地后解锁第一张【行旅图】 - 后续每行至新的地界，都可前往土地庙购买该地界的【行旅图】 # 新披挂：彩金套装 时值岁末，给各位天命人拜个早年！祝大家四时吉庆，八节康宁。 - 为庆祝即将到来的中国农历春节而特别打造的披挂，共有四件 - 更新后，所有天命人都可通过任一土地庙的【谢礼】选项直接领取 # 小曲功能优化 - 新增游戏原声音轨应用《黑神话：悟空 游戏音乐精选集》（部分曲目由于版权原因不支持下载） 注：受EPIC平台配置影响，部分购买了《黑神话：悟空 豪华升级包》的用户可能会延迟获得该游戏音乐精选集，请您耐心等待 # 问题修复 怪物 - 修复【头目·沙国王父子】被击杀后有可能不掉落【精魄·沙二郎】的问题 - 修复【妖王·亢金星君】在特定情况下会异常死亡的问题 - 修复【猪八戒】在特定阶段无法将其击败的问题 - 修复【妖王·小黄龙】在特定情况下会陷入地下的问题 - 修复【妖王·小黄龙】部分技能被化解后无法被打断的问题 - 修复【头目·云里雾·雾里云】在特定情况下隐身后还在攻击天命人的问题 - 修复【头目·浪波波】在特定情况下无法进入战斗的问题 - 修复【二郎显圣真君】部分技能会对天命人造成异常伤害的问题 - 修复特定操作下，天命人以非“猿”形态参与四大天王战斗的问题 - 修复特定情况下，天命人会被挡在空气墙外导致无法进入战斗的问题 - 优化【妖王·黄风大圣】投技表现 - 缩短【翠笠武师】不可被攻击的时间 - 使用【法宝·定风珠】可更好地应对【头目·不空】 - 优化【头目·云里雾·雾里云】的战斗体验 - 优化【头目·碧臂螂】的战斗体验 - 优化【大圣残躯】的战斗体验 关卡 - 修复特定情况下猪八戒不出现在花果山的问题 主角 - 优化天命人连续取用丹药的体验 - 优化天命人使用切手技、蓄力重棍的体验 - 优化变身系天赋的描述 - 修复特定操作下，化身技的伤害判定一直存在的问题 - 修复特定操作下，触发了救命毫毛效果却不播对应动画的问题 - 修复【大力王面】在无敌状态（翻滚、闪身、识破）下受到攻击也能获得棍势的问题 交互 - 小曲播放器进度条支持拖动 - 键鼠自定义键位功能支持鼠标侧键 - 修复手柄类型二按键布局下，无法显示疾奔按键图标的问题 - 修复特定操作下，行囊界面有可能不显示内容的问题 - 修复特定操作下，UI会出现偏移的问题 - 修复部分文本中的错别字 - 优化影神图的部分中文文本 声音、字幕 - 修复部分音效错误 - 修复部分头目和妖王语音播放异常的问题 - 优化部分音效的音量 性能 - 修复部分用户在开启DLSS帧生成后偶现的闪退问题 - 修复部分用户在开启XeSS后画面闪烁的问题 - 修复特定情况下的内存泄露问题 - 修复部分旧版本驱动导致的崩溃问题 - 优化大量场景、头目和妖王战斗在中、低配置下的性能 - 优化GeForce RTX全景光线追踪的表现 本地化、其他 - 新增语言设置：土耳其语 - 新增部分语言的部分影神图翻译，并优化了部分语言的翻译 - 修复部分语言的翻译错误以及拼写、大小写，和术语一致性错误 - 优化部分语言的歌词翻译 - 优化部分英文配音效果和与字幕的匹配效果 - 优化部分语言的文本显示效果

12月10日消息，一项新的研究发现，电动汽车电池的使用寿命可能比之前想象的要长40%。斯坦福大学的科学家们通过改变评估电动汽车电池生命周期的方式发现了这一可能性。他们没有采用恒定速率放电然后再充电的常规测试方法，而是采用了更接近日常使用的“频繁起停”方法评估电池。  当在交通拥堵、长途行车、短途自驾以及车辆长时间停放等真实使用场景下评估电池时，研究人员发现，电池的使用寿命比之前预测要长得多。 本周一发表在《自然·能源》（Nature Energy）杂志上的这项研究表明，电动汽车车主可能在未来几年内不需要更换昂贵的电池包或换新车。 斯坦福大学多尔可持续发展学院能源科学与工程副教授、资深作者西蒙娜·奥诺里（Simona Onori）在声明中说:“我们过去测试电动汽车电池的方法不对。” “令我们惊讶的是，实际驾驶中频繁加速、刹车、停车去商店、让电池长时间停用实际上有助于延长电池使用寿命，比我们原先预期要长得多，”奥诺里补充道。 奥诺里解释说，电池科学家和工程师通常在实验室里对新电池进行循环测试，采用恒定速率放电然后再充电。他们会重复进行很多遍，了解新设计是否有利于延长电池的使用寿命。 然而，奥诺里和她的同事们认为，这并不是预测电动汽车电池使用寿命的理想方法。这一发现尤为重要，因为电池仍然占电动汽车新车价格的三分之一左右。 为了得出结论，研究人员设计了四种不同放电模式，从标准的恒定放电到模拟真实驾驶数据的动态放电。 然后，他们用两年多的时间对92款商用锂离子电池进行了评估。研究表明，放电模式越接近真实驾驶场景，电动汽车的预期寿命就越长。 这项研究的主要发现之一是，电动汽车急加速和电池性能衰减之间存在负相关性，也就是说，短时间快速加速并不一定会加速电池老化。 研究人员还发现，重复充放电导致的电池老化和单纯因时间造成的电池老化之间存在关键区别。 斯坦福大学材料科学与工程专业博士生亚历克西斯·格斯林（Alexis Geslin）在一份声明中说，生命周期老化在公交车和货车等商用电动汽车中起着更大的作用，因为这些车辆“几乎总是在使用或充电中”。 格斯林说:“对于开电动汽车上班、接孩子、去超市的消费者来说，他们大多时间不使用电动汽车，甚至不给电动汽车充电，与重复充放电相比，时间因素成为电池老化的主要原因。” 展望未来，研究人员表示，汽车制造商可以利用这项研究成果，通过优化电动汽车管理软件，最大限度延长电池在现实中的使用寿命。 研究合作者之一、能源科学与工程博士后徐乐说，评估反映现实需求的新型电池化学成分和设计也很重要。 “研究人员现在可以在化学、材料和电池单元层面上重新审视假定的电池性能衰减机制，深化对电池老化的理解,”徐乐补充说。（辰辰） [查看评论](https://m.cnbeta.com.tw/comment/1461886.htm)

**AMD代号为Strix Halo的的下一代旗舰APU锐龙AI MAX+ PRO 395，在Geekbench上的基准测试成绩首次曝光。**这款APU搭载了16个Zen 5核心和Radeon 8060S集成显卡，拥有40个计算单元（CU），基于RDNA 3.5架构。 **在Geekbench的Vulkan API测试中，锐龙AI MAX+ PRO 395取得了67004分的成绩，介于NVIDIA RTX 4060（63264分）和RTX 4070（73707分）之间。** 这与预期性能差不多，因为通过后续的固件和驱动程序更新，它的性能将更接近RTX 4070，而且它针对的更主要是企业级应用程序。 这款APU预计将在2025年的CES上正式发布，届时将带来一系列基于Zen 5架构的移动产品。 [](//img1.mydrivers.com/img/20241210/4b163392-8efa-4717-a3b3-a0065a7867b7.png) AMD的Strix Halo系列APU预计将推出三款型号，包括锐龙AI MAX+ 395、锐龙AI MAX 390、锐龙AI MAX 385和锐龙AI MAX 380，均配备Radeon 8000S系列集成显卡。 带PRO的为相应的商用版，编号、规格似乎完全相同。 [](//img1.mydrivers.com/img/20241210/c9e9de22-8267-463d-a004-3ae44211b905.png) [查看评论](https://m.cnbeta.com.tw/comment/1461882.htm)

The Politburo meeting on Monday urged implementing a more proactive fiscal policy and a moderately loose monetary policy next year.

2024年12月10日，截止收盘，沪指涨0.59%，报收3422.66点;深成指涨0.75%，报收10812.58点;创业板指涨0.69%，报收2264.05点，两市成交额较上一交易日增加5657.14亿元，合计成交22002.22亿元。

全球科技圈都在为Sora疯狂，马斯克却轻轻给Google点了个赞（doge）。就在OpenAI“双12”第三天，Google在前沿科技的另一极出手了：发布最新量子芯片，**5分钟内完成当今最快超级计算机之一需****要****10<wbr/>²⁵****年才****能完成的计算**！  怎么说10²⁵这事儿呢，就是…… 10000000000000000000000000，10亿亿亿年。  这一成果由GoogleCEO皮猜本人亲自在??官宣，并已在Nature上加急发表。  连刚下直播的奥特曼和OpenAI总裁Brockman，也现身道贺：  据Nature消息，我国量子领域大拿陆朝阳也对此评价称： <blockquote></blockquote> 这项工作展现了真正非凡的技术突破。 新芯片名为**Willow**，拥有105个量子比特，在量子纠错和随机电路采样两个基准测试中，都达到了SOTA，实现两项重大成就： - 随着量子比特的增加，Willow可以实现指数级的错误率降低——这是量子纠错领域30年来一直试图解决的关键挑战。 - Willow在5分钟内，完成当今最快超级计算机之一需要1025年才能完成的计算，数字远超宇宙年龄。 官方公告中，甚至还由此开启了对**平行宇宙学说**的新讨论…… <blockquote></blockquote> 它证实了David Deutsch做出的预测：量子计算发生在许多平行宇宙中，这与我们生活在多元宇宙中的观点是一致的。  来看具体细节。 5分钟完成10²⁵年计算 **错误**是量子计算面临的最大的挑战之一。 简单来说，量子比特利用叠加态来进行计算，对环境扰动极其敏感，这就意味着它们很难保护完成计算所需的信息。 并且通常，量子比特越多，发生的错误就越多。这会使得系统越来越“经典”，即不再具备量子系统的特性。 因此，**控制错误率**，让错误率低于某个阈值，是量子计算大规模应用的一个非常重要的前提。而现在，Google的Willow实现了错误率的指数级降低—— **首次达成“低于阈值”的里程碑成就。** Google Quantum AI的创始人&amp;负责人Hartmut Neven对此进一步解释说： <blockquote></blockquote> 作为第一个低于阈值的系统，这是迄今为止最令人信服的可扩展逻辑量子比特原型。 这项成果表明，有用的、规模非常大的量子计算机真的可以造出来。 Willow让我们更接近用量子计算机运行实用的、与商业相关的算法，并且这些算法是无法用经典计算机解决的。  具体来说，Google在两个超导量子处理器上实现了低于阈值的表面码量子存储器： 72量子比特处理器，表面码码距为5； 105量子比特处理器，表面码码距为7。 表面码是指一种基于二维阵列结构的量子纠错编码方案。  一方面，Willow的量子比特数达到**105**，相较之下，Google此前达成量子优越性成就的“悬铃木”仅包含53个量子比特。 另一方面，更重要的是，随着他们将表面码从码距3扩展到码距5、7时，通过增加物理量子比特，Google实现了逻辑量子比特错误率的指数级下降。  同时，研究人员提到，Willow中逻辑量子比特的寿命比组成它们的量子比特寿命要长得多，能达到2.4±0.3倍。 这就意味着，通过正确的纠错技术，量子计算机可以随着规模的扩大，以越来越高的精度进行计算。这为实现大规模容错量子计算奠定了基础。 <blockquote></blockquote> 这里附上有关“逻辑量子比特”和“物理量子比特”的背景小知识： 物理量子比特是量子计算机中实际的硬件组成，通常由超导电路、离子阱、光子等物理系统实现。 逻辑量子比特是由多个物理量子比特通过量子纠错编码构成的抽象信息单元，不直接对应物理组件。 研究人员采用随机电路采样（RCS）基准来测试Willow的性能——对，还是当时用来评价悬铃木的那一套。 Willow的表现是：**在5分钟内，完成了现今最快的超级计算机之一需要<strong>10<wbr/>2?</strong>年才能完成的计算**。  Nature对此的评价是：目前的量子计算机对于大多数商业和科学应用来说太小且太容易出错，现在，Willow达成了构建足够明确、有用的量子计算机的关键里程碑。 以下是Willow的关键规格表：  不过，需要说明的是，**Willow依然没有在实际应用测试中展现超越经典计算机的能力**。 除了RCS基准测试之外，研究人员也在该系统中做了其他实验模拟，但这些实验结果仍然没有超出经典计算机的能力范围。 值得注意的是，这张路线图横轴以“商业相关性”为坐标，量子机器学习、量子化学模拟被划分在最有可能商业应用的象限。  网友就“平行宇宙”展开热议 还有一点引起网友关注的是，Google的官方Blog介绍中有提到： <blockquote></blockquote> Willow在不到五分钟的时间内完成了一项计算，而今天最快的超级计算机则需要102?年。如果要写出来，那就是10000000000000000000000000年。 这个令人难以置信的数字超出了物理学中已知的时间尺度，远远超过了宇宙的年龄。 它为量子计算发生在许多平行宇宙中的观点提供了支持，这与David Deutsch所预测的“我们生活在多元宇宙”的观点一致。  看到这段话，网友们也感到很惊讶： <blockquote></blockquote> 量子计算领域的人真的认为我们是在从其它宇宙借用计算能力来完成这些计算吗？  有网友表示，论文中并没有类似的表述： <blockquote></blockquote> 在Blog中这样说，只是为了炒作。  也有网友反对这种说法： <blockquote></blockquote> 量子计算在多个宇宙中完成，这是量子计算之父David Deutsch提出来的解释。他发明了量子计算机的概念来检验平行宇宙的想法。 如果你对从无中产生一个宇宙没有异议，那么你也应该能够很好地处理平行宇宙。  随后有更多人加入到这场讨论中来，一时间，大伙儿对此展开热烈讨论。 但正如网友所说，无论如何，目前尚无科学方法来证伪或证实。  关于Google Quantum AI 这项具有突破性的研究，论文署名为Google Quantum AI及其合作者，包括但不限于： Google Quantum AI团队创始人兼负责人Hartmut Neven、量子计算理论首席科学家Sergio Boixo等，其中还有不少华人学者的身影。 完整名单如下：  Google Quantum AI 2012年成立，他们使命是为当前无法解决的问题构建量子计算。 其量子计算方法涵盖了从量子处理器、控制和解码硬件、低温恒温器到操作系统和用户界面软件等所有硬件和软件组件的无缝整合。 团队也是一个硬件+软件的多元化、多学科团队。  创始人兼负责人Hartmut Neven，于1996年获得波鸿鲁尔大学的博士学位，曾是南加州大学计算机科学和理论神经科学的研究教授。 加入Google前，Neven曾共同创立了两家公司——Eyematic和Neven Vision，均有关于面部识别技术；加入Google后，担任Google视觉搜索团队负责人。 2006年，Neven开始探索一个新的idea——用量子计算来加快机器学习的速度，之后催生了GoogleAI量子团队。 Neven也是“Neven定律”的提出者。该定律认为，量子计算机解决某些特定问题的速度将以双指数的速度提升，这一速度远超过传统计算机在相同问题上通过摩尔定律提升的速度。  **△**Hartmut Neven 在量子计算上，Google的攻坚是一场从零开始的科研马拉松。 Neven 2012年共同创立了GoogleAI量子团队后，2014年，美国物理学会院士John Martinis加入了Google，担任Google量子硬件首席科学家，领导构建量子计算机的工作。 再两年后，量子计算理论首席科学家Sergio Boixo在Nature Communications上发表了相关论文，最终将团队的工作重点聚焦到了量子优势性计算任务上来。 但即便对于Google这样的明星团队来说，这项工作也一样是巨大的挑战。 直到2019年，Google首次实现量子优越性Quantum Supremacy，轰动圈内外。 就是那个**量子计算200秒=地球最强超算1万年**的突破，53个量子比特的处理器Sycamore在200秒内，完成了超级计算机需要1万年才能算完的任务。 论文直接登上Nature 150周年纪念特刊、各大主流媒体头版头条、热度全网第一。  之后，Hartmut Neven又带领团队进行持续性研究，一箩筐研究被Nature、Science等各大顶刊收录。 如今，Willow的发布再给大伙儿带来了亿点点震撼。 参考链接： [1]https://blog.google/technology/research/google-willow-quantum-chip/ [2]https://www.nature.com/articles/d41586-024-04028-3 [3]https://www.nature.com/articles/s41586-024-08449-y [4]https://news.ycombinator.com/item?id=42367649 [5]https://x.com/elonmusk/status/1866170803051499874 — **完** — [查看评论](https://m.cnbeta.com.tw/comment/1461880.htm)

特斯拉CEO埃隆·马斯克近日回应了Cybercab和Cybertruck这两款车型为何没有采用特斯拉标志性的“T”字车标。马斯克表示，特斯拉的设计理念是简洁而不失豪华，许多车型因其独特的设计而易于辨认。  **他认为，如果产品本身足够特别，就没有必要添加任何Logo。** Cybertruck作为首款没有“T”车标的特斯拉车型，马斯克强调，特斯拉的完全自动驾驶汽车Cybercab也将遵循这一理念。  **特斯拉一直秉持着独特的产品设计理念，其车型设计简洁却又不失豪华，一些车型还拥有独特的设计，如Model X的鹰翼门等。**  也正是这种理念让特斯拉车型易于辨认。 因此，马斯克表示，如果产品足够特别，就无需任何Logo。 [查看评论](https://m.cnbeta.com.tw/comment/1461874.htm)

**美国国家公路交通安全管理局（NHTSA）已证实正在调查上个月底在加州发生的一起致命车祸**，涉事车辆为一辆特斯拉Cybertruck，该事故导致三名青少年死亡。据悉，当地时间11月27日凌晨，美国加州皮埃蒙特一辆特斯拉Cybertruck发生车祸并起火，造成三人死亡，一人重伤，车内四名乘客均为皮埃蒙特高中2023届毕业生，他们当时正回家庆祝感恩节。 事发地点位于加州皮埃蒙特，事发后当地警方迅速赶到现场，发现Cybertruck已被大火吞噬，一名目击者将唯一的幸存者从车中救出。 事故发生后，皮埃蒙特警察局和加州公路巡警均表示正在调查事故原因，**警方称，目前没有迹象表明Cybertruck存在机械故障，皮埃蒙特警察局长则暗示，超速可能是事故原因之一，** 据透露，这辆特斯拉Cybertruck在撞上水泥墙并卡在墙和大树之间后不久便起火，但目前尚不清楚其高压电池组是否是起火原因。 值得一提的是，**这是美国发生的第二起涉及特斯拉Cybertruck的致命事故**，第一起事故发生在今年8月初，一男子驾车撞上混凝土涵洞并引发火灾导致身亡。  [查看评论](https://m.cnbeta.com.tw/comment/1461872.htm)

上个月的珠海航展期间，我们见识了一群改变战争形态的“未来战士”——机器狼群。**近日，警用“机器狗”也亮相成都街头，吸引了众多目光。**据报道，**首次亮相的这批警用“机器狗”，单体重约50KG，行动灵活，最快速度4米/秒，可实现奔跑、跳跃、自主避障、自动导航及自动充电等功能。** 有媒体发现，这只“机器狗”来头不小，背后出现华为与成都国资的身影。 股权穿透显示，**该“机器狗”由成都鼎桥通信技术有限公司，和四川具身人形机器人科技有限公司联合研发。** 其中，**“成都鼎桥”股东为深圳哈勃科技投资合伙企业（有限合伙）、成都高新华盖通信股权投资基金合伙企业（有限合伙）、成都高投电子信息产业集团有限公司，三者持股比例分别为23.59%、70%、6.41%。** 深圳哈勃科技投资合伙企业（有限合伙）为华为旗下投资公司；成都高投集团则由成都高新技术产业开发区国资金融局控股。公开资料显示，2024年5月，华为与成都高投集团等，一同收购了成都鼎桥100%股权。 除了华为，**该款警用“机器狗”也搭载了成都鼎桥自主研发的机器人大脑。该“大脑”能自主完成既定任务，同时通过多模态大模型，让机器狗的“大脑”进行场景实时分析，增强其在公共安全领域的应用能力。** 除了可以开展加强型武装巡逻外，还可以利用机器狗的语音喊话功能开展成都旅游推介、反诈宣传、便民服务问答等。 未来，**机器狗还可以加装灭火设备**，在识别到火情后，触发灭火器喷射气溶胶灭火； **加装机械臂**，可在远程控制的情况下抓取易爆物品，并将易爆物品尽快转移到排爆设备中进行处理，也可在进入危险场景后回传视频、辅助救援； **加装应急站**，可实现在应急场景无公网通信或者话务热点拥塞情况下，视频和语音集群对讲功能。 [](//img1.mydrivers.com/img/20241210/db6acfe67d844826a233d26b196f873b.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1461870.htm)

索尼集团股价收盘创新高，由于市场越来越看好其游戏部门和其他娱乐业务。周二，该股收于3338日元，涨4.1%，超过了2000年创下的收盘价3260日元的纪录。在宣布截至9月的三个月业绩强劲后，索尼股价最近几周一直在大幅上涨。 [](https://static.cnbetacdn.com/thumb/article/2022/0503/c4bd02731c9c955.jpg) 上个月，索尼报告称，在游戏业务强劲的推动下季度净利润增长69%，达到3385亿日元。得益于软件和网络服务销售额的提升以及硬件盈利能力的提高，其游戏业务的营业利润翻了一番多。公司上调了截至2025年3月的收入预测，预计游戏收入高于先前的预期。 在过去几年中，索尼花费了数十亿美元进行收购以进一步提升娱乐内容的产出能力。其娱乐业务，如游戏、音乐和电影，在最近一个财政年占总收入的近60%，而这一数据在十年前约为30%。 此外，索尼计划剥离其保险和网上银行部门，为专注于核心娱乐业务。 [查看评论](https://m.cnbeta.com.tw/comment/1461868.htm)

**来源：重庆信通设计院天空实验室** 本期摘要 文本要点： - 16+ 大类 - 30+小类 - 涵盖医疗、生态、气象、测绘、软件开发、交通、地理、太空、外交、动画等多个领域 要点目录  一、弱口令类  案例1：运维测试账号未删除，内部数据在境外论坛被公开叫卖 案例2：对外公用邮箱维护不当，邮件数据被窃取 案例3：港口监控弱口令，导致目标海域被监控 二、头部企业类  案例1：14亿条腾讯用户数据被盗？有黑客公开称已窃取500GB数据库，腾讯回应称信息不实。专家指出，在AI技术下，历史数据安全风险仍然较大 三、生态领域 案例１：假借学术合作，窃取生态数据  案例2：拉拢引诱人员，窃取自然保护区各类数据  案例3：负责研发和运维的第三方公司违规采集、存储、处理生态环境相关数据  四、个人信息类  案例１：安徽合肥警方侦破特大侵犯公民个人信息案 贩卖个人信息超百万条 五、气象领域  案例１：数百非法气象站点被査处，向境外传输数据 六：医疗领域 案例1：西安警方侦破首例破坏医院计算机信息系统案  案例2：私自开发抢号软件牟利  案例3：窃取医院数据牟利  案例4：上海三甲医院医生泄露患者隐私信息，涉及211名患者信息和2人的裸照  案例5：医务人员泄露病患信息，被行政拘留  七、不正当竞争类  案例１：国内首例！涉数据抓取交易不正当竞争纠纷案终审宣判 八、黑客攻击类 案例1：招聘APP遭黑客攻击，300万条数据泄露  案例2：南昌某集团网络设备疑似被黑客远程控制，向境外传输大量数据  案例3：湖南某信息技术公司未履行数据安全保护义务被处罚  九、测绘领域  案例１：以合作为由，境外势力非法采集我国原始测绘数据 十、软件开发领域  案例１：境外组织通过SDK搜集我用户数据和个人信息 十一、交通领域  案例１：某国内信息公司为境外公司非法采集我国铁路数据 十二、地理空间领域  案例１：境外地图公司诱使境内人员地图“打卡”，非法采集敏感地理空间信息数据 十三、太空领域 案例1：提防“太空间谍”，我网民为间谍卫星“指路”  案例2：境外对我太空领域关键技术和数据的泄窃密风险  十四、航空领域  案例１：航空爱好者莫变为“窃密志愿者” 十五、外交领域 案例1：美国诬称中方购买美公民敏感数据  案例2：美调查中国联网汽车，言必称安全  十六：动画类 动画一：“安仔说国家安全”—— 数据安全篇  案例1：海事、航空领域，被诱骗安装AIS陆基基站（用于搜集船舶数据）、ADS＿B信号接收设备（用于搜集飞机数据） 案例2：以咨询调查公司名义，搜集金融、生物、航运等领域信息 动画二：数据泄露：内部人员操作不当、网络攻击以及内鬼窃取  动画三：数据安全意识科普  动画四：小区数据大泄露  动画五：黑猫警长——数据安全篇  **来源：重庆信通设计院天空实验室**

耗时18个月，异动连连，终止重组前交易作价尚无眉目。

今年，华润系杀疯了！

据报道，**日本养乐多本社（Yakult Honsha）最近发布一项决定，即关闭其位于中国上海市的乳酸菌饮料生产基地——上海工厂，并计划在同一日全面停止该工厂的生产活动。** 养乐多中国表示，**上海工厂目前已整合到上海总部，关闭上海工厂是推进经营改革的一部分，目的是通过重组提高生产效率，整合资源配置以进一步提高销量和业绩。** 此前，日本养乐多本社已明确表示，为优化资源配置、缩减固定成本，决定将上海工厂的生产任务迁移至中国境内的其他生产基地，具体包括天津工厂和无锡工厂等。 回顾历史，养乐多于2002年首次踏入中国市场，初以益力多之名在广州启航，次年即以养乐多品牌在上海扎根。历经近二十载的深耕细作，养乐多（中国）集团已在中国地区构建了53家分公司和6大生产基地的庞大网络。 **值得注意的是，这6大生产基地目前分布于广州（2处）、天津、无锡（2处）及佛山，上海工厂已不在此列。**2004年，养乐多上海公司正式成立，见证了品牌在中国市场的蓬勃发展。 截至2023年9月，养乐多在中国市场的日销售量已降至253万瓶，同比锐减23%。与昔日巅峰时期的760.9万瓶日销量相比，降幅更是接近70%。这一严峻的市场表现，或许正是促使养乐多作出关闭上海工厂决定的重要因素之一。 [](//img1.mydrivers.com/img/20241210/e5cc15825e6b44bba109d3bb6de48896.png) [查看评论](https://m.cnbeta.com.tw/comment/1461866.htm)

2016年，中国文字博物馆曾向公众发出悬赏令，承诺每破译一个甲骨文字便奖励10万元人民币。然而直到2023年前，仅有一位学者凭借对“蠢”字的研究获得了这份奖金。截至目前，已发现的甲骨数量接近16万片，其中包含约4500个不同的甲骨文字符。但遗憾的是，这些字符中只有大约1500个被成功解读出来。 造成这一现象的主要原因包括：许多甲骨上的文字模糊不清、相似字形难以区分以及人工查找效率低下等挑战。 为了加快甲骨文的解码速度，**腾讯公司构建了一个包含超过143万个单字记录的世界最大甲骨文数据库，并利用数字技术实现了相似形状和相关甲骨之间的匹配与关联功能。该数据库已于近期开源。**  通过这个平台，用户可以快速检索到相关信息。例如，**在搜索栏输入“牛”，系统将返回3504种与之形态相近或相关的甲骨文样本及其对应的原始材料。** 除此之外，腾讯还发布了首个多模态甲骨文数据集（涵盖一万份甲骨拓片及摹本），详细标注了每个单字的具体位置及其所属类别等信息，这一系列举措有助于加速甲骨文被考释的进程。  [查看评论](https://m.cnbeta.com.tw/comment/1461864.htm)