《最终幻想7 重生》将于2025年1月23日登陆PC平台。 <内嵌内容，请前往机核查看>  而游戏总监滨口直树近日在Epic Games Store的[采访](https://store.epicgames.com/ja/news/final-fantasy-vii-rebirth-is-officially-coming-to-pc-and-the-epic-games-store?lang=ja)中，提到了游戏的mod问题。他表示：虽然团队没有计划为《最终幻想7：重生》添加官方mod支持，但它确实支持mod的添加。  他解释道：“尽管团队没有计划在游戏中提供官方的模组支持，但我们尊重模组社区的创造力并欢迎他们的创作，但我们希望模组制作者不要制作或安装任何冒犯性或不适当的内容。”

榜上大款，问题就能迎刃而解？改善经营内核，才能重建市场信心。

奈雪的茶、茶百道上市首日破发，专注下沉市场的古茗，会重蹈“前辈们”的覆辙吗？

雅戈尔寻找新曲线。

贝索斯重回一线，AWS能否在AI大战中翻盘？

富豪也欠债。

昔日王者，今朝困兽？

“长痛不如短痛。”

美国亿万富翁埃隆·马斯克表示，其星链卫星互联网服务在印度处于关闭状态，这是他自印度当局最近几周查获该公司的两台设备以来首次发表评论，其中一台是在武装冲突地区，另一台是在毒品走私行动中。 [](https://static.cnbetacdn.com/article/2024/0621/fa4140986453040.jpeg) 星链正在印度寻求提供卫星宽带服务的批准，作为这个过程的一部分，这家马斯克旗下的公司正试图解决任何潜在的安全问题。 美国时间周二晚些时候，马斯克在X上写道，“星链卫星波束在印度上空已经关闭”，而且“从一开始就没有打开过”。 他是在回应印度军方关于12月13日在印度东北部曼尼普尔邦展开搜索行动的帖子。自去年年初以来，曼尼普尔邦的社区冲突一直很激烈。该帖子包括军方缴获的武器的照片，以及带有星链标志的卫星天线和接收器。 据了解搜索行动的两名不愿透露姓名的印度军官表示，这个带有星链标志的设备是由一个激进组织使用的。 他们表示，该设备可能是通过漏洞百出的边境走私到邻国饱受内战蹂躏的缅甸的。媒体报道中记录了反叛组织使用Starlink设备的情况，尽管该公司也没有在缅甸开展业务。 本月早些时候，印度警方向星链发出法律要求，寻求购买一种设备的详细信息，他们在海上抓获了走私价值42亿美元甲基苯丙胺的走私犯，这是印度查获的最大一次此类案件之一。警方怀疑走私者使用星链的互联网设备进行导航。 [查看评论](https://m.cnbeta.com.tw/comment/1464082.htm)

**微信派官方介绍，微信公众号重磅新功能正式上线——作者朗读音色。开启后，用户点击“听全文”，就能够“听”到作者音色朗读的公众号文章。**  **操作流程如下：** 1、作者需要下载一个“订阅号助手”APP，点击“我-设置-朗读音色”，就可以录制例句，例句也会复刻你的语气和情感。 2、录制完成并点击应用，即可在公众号里拥有自己的个性化语音。 3、每一个公众号都可以创建多个不同的音色。  **官方表示，该功能目前仍在灰度测试中，预计近期逐步开放使用。** 值得注意的是，官方还在评论区表示，**作者还能使用方言录制，完成后可用方言朗读全文，**这对于地方性的公众号会让用户更加亲切。  [查看评论](https://m.cnbeta.com.tw/comment/1464080.htm)

在全球范围内用户量超过 10 亿的微软公司目前已经在制定计划，该计划将彻底结束微软账户的密码时代，即全面转向由 MFA 或通行密钥 (Passkey) 的无密码时代。微软称该公司的安全系统当前每秒种会拦截超过 7000 次密码攻击，这几乎是 2023 年的 2 倍，而中间人网络钓鱼攻击同比增长高达 146%。  鉴于目前没有更好的办法能够彻底应对普遍存在的密码攻击，微软决定在未来全部进入无密码时代，即用户只能通过 MFA 多因素认证或通行密钥登录。 通行密钥本质上是一组加密密钥，用户并不需要知道密钥内容，相反密钥保存在设备本地或密码管理器中，实际使用时需要通过 PIN 码、面容识别、指纹识别或虹膜识别。 由于通行密钥通常也不支持下载和导出，因此通行密钥本身泄露的概率极低，攻击者要么远程登录到用户系统并且能够通过 Windows Hello 认证才有可能调用 Windows 11 中存储的通行密钥。 微软表示易用性和提高安全性都是一样重要的，大多数熟悉密码的人都弃用通行密钥登录，尽管密码仍然是目前最常见的账户登录方式，随着替代方式的出现，密码的使用率总体有所下降。 值得注意的是当前还有很多用户的微软账户同时采用密码、MFA 和通行密钥，但在这种情况下账户仍然面临风险，微软的最终目的是彻底淘汰密码。 目前在微软账户中使用的验证方式就还是密码，具体来说是账户 + 密码 + 2FA 验证码的形式，到现在还未配置通行密钥是因为有些场景通行密钥仍然不够方便。 未来微软肯定会继续改善通行密钥的使用场景，到时候蓝点网可能也会彻底删除密码只使用通行密钥作为主要登录方式。 [查看评论](https://m.cnbeta.com.tw/comment/1464076.htm)

头图来源：极客公园   两年前，大模型刚兴起时，周鸿祎开始用四个「你相不相信」呼吁现场建立 AI 信仰，从此踏上「AI 布道者」之路。 去年，作为国内第一批发布大模型的互联网公司，360 的战略调整为「All in AI」。今年，360 在 AI 领域取得不少进展，1 月底上线 360 AI 搜索；7 月发布国内首款儿童 AI 手表 360 儿童手表 A9 AI 红衣版；8 月宣布与国内 15 家大模型厂商达成合作，共同推出新一代 AI 产品「AI 助手」…… 如今，大模型技术的出现，深入影响了各行各业的发展轨迹，成为不可忽视的重要力量。但在周鸿祎看来，大模型不应被神化，而是应该被视为一种赋能工具。 在极客公园 IF2025 创新大会上，360 集团创始人周鸿祎在「在大模型时代年轻人值得干点什么」的主题演讲中谈到，AI 的本质是「赋能」，而非单纯的「颠覆」。在 AI 时代，AI 的作用是为各个行业提供赋能、重构游戏规则，而不是单纯打破现有的格局，AI 应该像电动机一样嵌入到各种应用场景中，推动产业革命。 周鸿祎总结了他眼中关于未来的六个趋势： - AGI（通用人工智能）和超级人工智能发展放缓； - 大模型趋向专业化； - 模型越做越小； - 训练数据质量提高； - 成本降低； - InfraStructure 建设基本完善。 同时，他也列出了六大应用方向，希望年轻人能够从大模型的六大应用方向中寻求到属于自己的机会。 - 人人智能； - 从万物互联走向万物智能； - 数转智改，助力传统产业打造新质生产力； - 未来和新兴产业； - 打造科研新范式； - AI 安全。 如今，大模型正在把所有行业、把所有赛道都重写一遍，时代的游戏规则已改变，新的机会摆在了所有人面前。 以下为周鸿祎现场演讲实录，由极客公园整理。   周鸿祎：今天在讲人工智能之前，先跟大家说说我为什么拍短剧。我之前唯一看的一集短剧是《二十岁总裁爱上保洁阿姨》，看的时候有两个周鸿祎，一个理性的周鸿祎一边看一边吐，能这么拍？感性的周鸿祎说快点下一集。那么我为什么拍一部短剧呢？有些部门审核了之后说：我们发现你拍的不是短剧，完全是广告片，所以我们拍短剧的目的是什么，等下跟大家分享一下。 国内把这个事说得太神秘了，一说就是企业家做 IP，一说做 IP 在座很多人就觉得我又不是什么著名人物，我有什么 IP 可做的？ 但其实说白了在短视频和短剧时代，短视频和短剧已经把我们头脑格式化之后，过去传统公关部和市场部或者用户增长部要干的一件事就是要搞流量。 我前一段时间去硅谷，跟很多创业公司谈，他们没有什么 IP 的概念，但是你问每个公司说如何冷启动你的公司，如何冷启动你的产品？答案都是一致的，就是做魔性的短视频，在国外短视频平台上获取免费流量，这是我们拍短剧的目的。现在这个短剧也正在拍续集。 最近有一个概念叫 Founder Mode。在短视频时代，传播游戏规则发生了改变，跟用户沟通方式发生了改变，更大的改变是在于大模型，它的出现改变了技术架构和商业模式。所以我现在是在带领 360 二次或者三次创业。 我今天分享一下我对大模型发展的思考，关于在大模型时代年轻人值得干点什么。 许多互联网行业的「老兵」可能会认为，AI 与互联网的发展规律相似，甚至会产生一种绝望感，觉得互联网已经经历了二十年的发展，许多机会和格局已经初步成型。前几天，马云在蚂蚁集团的讲话中提到的一个观点我非常赞同——AI 是比互联网更大的机会。因此，互联网时代的规则和思维方式不一定适用于 AI 时代。如果我们在 AI 时代仍然沿用互联网时代做 APP 或 Web 的思维来开发 AI，那就像刻舟求剑。 举个简单的例子，互联网能否提升生产力？互联网确实能够提高沟通效率，但这并不是互联网的本质。互联网的核心在于连接——连接人与信息、连接人与人。  周鸿祎在极客公园 IF2025 创新大会｜图片来源：极客公园 互联网完全跟现实世界无关，而是创造了一个虚拟的时空，在互联网里又产生了很多独特的社交、社区模式。而人工智能的最大不同之处在于，它是一种直接提升生产力的工具，而且生产力更强。 硅谷的一些人曾经讽刺互联网，称自己原本希望得到的是一艘宇宙飞船或一辆会飞的汽车，却最终得到了一个 140 字的推特。互联网是很牛，但是互联网很多事干不了，而今天人工智能可以研究蛋白质的结构，可以让自动驾驶、无人驾驶成为可能性，包括推动机器人的发展。 所以这是我第一个分享的内容——人工智能应当被视为一种赋能工具。之前一个经济学家陈龙发表过一篇文章，我认同他的观点。过去，互联网常被视为一种「颠覆性」力量，我也写了一本书叫《颠覆者》。但在 AI 时代，我们必须承认，AI 是赋能者，而不是单纯的颠覆者。至于它到底能否颠覆，这个问题可以以后再讨论。 ## 关于未来的六个趋势： 网络上有很多关于 AI 将颠覆各行各业的焦虑文章，但我认为最重要的是，AI 正在把所有行业、把所有赛道都重写一遍。所以这可能是各位和我们最大的机会，所以不要刻舟求剑。 先说几个预测/趋势： 第一个预测是AGI（通用人工智能）和超级人工智能发展放缓。我曾经非常看好 AGI 的前景，甚至觉得它会在 2025 或 2027 年出现。不过现在看起来这个发展步伐正在放缓。  周鸿祎在极客公园 IF2025 创新大会｜图片来源：极客公园   这两天 Ilya 有一个新的演讲，但是 GPT5 还没发布，包括最近出现的一些新模型依然侧重于多模态能力的提升，尤其是在编程和推理能力方面。OpenAI 最初目标是幻想构造一个全宇宙超级无敌通用人工智能，能够在各个方面超越人类，现在我觉得这个事在逻辑上不太成立。 过去很多人认为，Transformer 模型模拟了人类的多层神经网络推理，只要提供足够的计算能力和数据，AGI 就会「自然而然」地出现。但是从现在来看，Ilya 承认互联网上能用的数据用得差不多了，好像 AGI 也没有到来。 有人说不是可以合成数据吗？合成数据是能解决一部分问题，像数理化的推理合成数据可以。但是有个问题是，人类知识往高处走，越泛化还是越专业？当你从硕士到博士，再到教授，再到院士时，科技树的走向通常是越来越专业化。 比如说如何写一个操作系统，如何造一个战斗机？如何造一个航母？如何造一个发动机？这种知识并不在互联网上，不是靠互联网阅读足够多的网页和八卦就能够掌握的，而且现在合成数据不能涵盖这个领域。 有人说 O1 推理能力很强，但是 O1 没有那么神秘，其实国内已经有好几家公司做出了类似的东西，核心就是通过思维链和强化学习，让模型进行多次推理，并在得出初步答案后，反向反馈，检查是否有错误。甚至我们试验过让百度先给答案，阿里的来批驳它，头条来收拾残局，最后 360 和和稀泥。你们可以试一下 PlayGround，就让国内大模型互相 PK 一下，每个智力都会提升很多。 所以 O1 的推理能力不细究了，我的观点不代表真理。不过 O1 的推理能力比较难泛化是一个问题。因为要做强化学习就要有价值函数，价值函数就是得先判断对和错，数学题倒是挺容易判断对和错的，但是如何写一个操作系统是一个好的操作系统，甚至说问题再小一点，如何写一个浏览器，它的价值函数怎么判断？ 最后 AGI 我觉得一定会来到的，但是可能不是在今年明年。 第二个趋势：大模型进一步发展，无论训练还是推理，都在往专业化发展。 除了少数几家巨头公司，许多其他公司也在往更加专业的领域发展。王小川转向医疗领域，但还是有点宽泛。最近很多人讨论的 MOE（专家混合模型）架构，实际上也是通过多个专家模型来组合能力。 我最近重新思考了谷歌的战略，突然发现谷歌的战略似乎有些后来居上的意味。大家可以想想，DeepMind 这家公司开发的 AlphaFold 在蛋白质结构解析方面几乎无与伦比，AlphaGo 也曾击败了人类围棋的超九段高手。但我们并没有看到 AlphaGo 能写诗，AlphaFold 能解奥数题，这些系统有其局限性。包括 AlphaChips，它专注于芯片设计，据说已经超越了人类设计师。那我们为什么还要追求一个既能写诗又能解奥数题的大模型呢？ 第三个趋势是模型越做越小。一年前如果站在台上我肯定不是这个观点，大模型刚出来时，大家都在比拼参数量：你有千亿，我有万亿，大家普遍认为只有参数越大，才能带来更多的能力。 但经过这一年的发展，很多小规模参数的大模型架构开始崭露头角。小模型的定义变得越来越模糊，实际上我们正进入一个模型轻量化的时代。最典型代表是面壁智能，他们名字起得土一点叫小钢炮。 包括今天模型要上手机，苹果在手机上也会有一个非常小的模型，微软也在探索 1B、2B 参数规模的模型。所以模型不一定越做越大，因为越做越大的话就变成马斯克的游戏了，他确实有钱，一说就是 10 万卡集群，要买个核电站，如果模型都是这个玩法，那跟大多数人就没有太大关系。 第四个趋势：训练数据质量提高。过去有一个误区，大家觉得模型越大能力越强，但还是面壁智能提出一个能力密度的概念，实际上是知识密度，就是大家发现过去以为模型越大，能力越强，才会涌现。但现在发现模型虽然小，只要知识含量高、知识纯度、知识质量高，也能展现出强大的能力。 比如把大模型想象成人，有两个大学同学，一个特别聪明，脑子容量特别大，天天在网上看八卦，你问他谁跟谁出什么事他都一清二楚。另外一个同学大学一年级只做高数题，就把高数 3000 个题做得滚瓜烂熟，谁的高数推理能力强？一定是后一个同学，但是你问他汤姆汉克斯的妈妈是谁，他可能回答不了这个问题。 现在，全球做大模型的人都意识到这个问题了，我们把互联网上的八卦拼命学进去之后，变成了一个快速问答的知识小能手，但是推理能力并没有特别强。所以 O1 走的就是另外一条路，它很多问题回答不了，但是不影响它的推理能力很强。 所以真正知识今天不在互联网，而是在很多专家脑子里，在很多公司内部业务流程里，那现在这些知识可能是通用大模型的厂商搞不到的。所以大模型的能力增强需要依赖其他途径。 小模型能力增强方法就是多推理几次，大家本来觉得 Scaling Law 碰到了障碍，大家以为老黄的显卡卖不动了，又发明一个方法——不依赖快速思考，而是通过慢思考来增强能力。慢思考并不是让模型立即回答问题，而是让它自己在内心中反复推理，消耗更多算力，这也能显著提升小模型的推理能力。 吴恩达老师有一次讲：如果我用 gpt 3.5+一个 Agent 框架，能力可以超过 gpt 4.0，开始我没有理解什么意思，后来发现当大模型通过快速思考直接回答问题时，其答案质量可能不如通过一个较小的模型，先进行反思、反复推理，并自我纠正后得到的答案。 最后一个好消息，大模型发展趋势之五——成本越来越低，现在行业里还有人整顿开源好，闭源就好吗？腾讯混元都开源了，千问开源一直做得不错，开源越做越好，能力上来了，开源成本基本为 0，尽管训练和推理的成本依然存在。 国外和 GPT4 等效的模型价格下降了数百倍，国内抓紧时间用他们的 AGI，比如说混元开源了，你自己部署一套，自己成本比直接接他们 API 都要贵很多。 他们投了那么多 Infra，投了那么多显卡，三年以后就折旧折完了，不用也是白费，他们给的 API 价格都是低于成本价，所以大家可以用起来。 第六个趋势，InfraStructure 投资已经差不多告一段落。为什么？看看英伟达股价就知道，英伟达卖了无数显卡。为什么有人在怀疑人工智能有没有泡沫呢？实际上大家花了几千亿美金买这么多显卡，实际上是给了一个信号——基础设施已经准备好，该做应用了，这一点很像互联网第一次泡沫破碎的时候，思科卖了无数路由器，各个国家拉了很多海底光纤，但是没有应用，第一轮互联网泡沫就破碎了，而基于这些基础设施的很多互联网应用做了起来。 目前开源能力和 API 能力肯定是准备好的，所以 2024 年是应用场景之年，2025 年是 Agent 之年。 我们现在谈大模型，很多事混在一起谈不清楚的，我还是希望分成两条路：一条是 AGI 之路，这条路承载了人类梦想，让有钱人继续卷数据、卷算力，朝着万亿十万亿参数发展，最近 X.AI 三个月就搞了十万卡集群，中国还是万卡集群。但是这条路跟大家没什么关系，反正大家都面临人生痛苦的问题就是没钱。 他们有些公司就没有搞清楚自己究竟是做 AGI，还是在做应用。这条路不要摇摆，要坚定地选择一条路走到黑，别做着做着说我是在大模型的通用能力，做着做着说我又做了一个场景应用来证明我的能力，这完全是两件事情。 我有一个观点，我们都说大模型要掀起一场工业革命，但怎么掀起工业革命呢？就得把大模型拉下神坛，大模型要往产业化、垂直化、场景化、应用化发展，所以做场景、做产品，我觉得一点都不丢人，正因为有无数的应用，互联网才能起来，否则互联网光靠海底光缆、靠思科的高端交换机，是没有任何意义的。 AGI，我今天就不谈了，这是少数巨头的游戏。我这次去美国也见了一个 VC，已经没有人在投做通用大模型的公司了，Anthropic 后面是亚马逊，OpenAI 背后是微软，再加上老黄、马斯克等，你能数得出来在美国做这样的公司不会超过 10 家，而且这个格局确实对「门票」的要求太高。我们国内有些创业者还是很聪明的，表面上看来在做通用大模型，实际上他的钱都拿来做投放了，这是非常 smart 的做法，因为投放好歹能弄来用户数据，你说预训练，训了大模型，还不如开源微调的好，这钱不是白花了嘛。 走应用之路，我的意思是让大模型从「原子弹」变成「茶叶蛋」，别再卷算力、卷数据、卷参数了，说白了，我觉得走应用之路的一个非常重要的理念，就是不要期望大模型什么都能干，我们前面被误导太久了，大家陷入了迷思，天天出来「秀肌肉」，就是大模型什么都能干，好像无所不能才叫大模型，你公司里雇过这样的员工吗？请了一个司机，又能当保镖，又能当司机，又能当保姆，还能做饭，还能给你揉脚，还能写程序，还能做公关，还能拍短视频，还能剪辑，要碰到这样一个人，他自己就创业了。 所以要做专业大模型。去年看了一个电影，有句话说的特别真理，说「解决问题的关键，就是找到关键的问题」，我觉得解决问题的关键就是放弃对大模型的执念，不要高估它的能力，当然我们也不低估它的潜力，让一个大模型就干一件事，换这样的思路去想一想，会发现模型更小、算力更少、成本更低，而且应用难度更低。 ## 大模型是能力，不是产品 所以大模型是什么？我从一开始赌错了很多东西，唯一赌对的东西就是我一直不相信大模型是产品，我也一直不相信大模型是操作系统，你把什么东西比喻成操作系统这就坏了，全世界就需要 3-4 套，还有你什么事？ 大模型不是操作系统，有人老喜欢拿云计算做比喻，我后面会讲到大模型也不是电力，大家一想到电力就想到了云计算，就应该在云端，但大模型更像一个电动机，所以大模型是能力，不是产品，能力是什么概念？  周鸿祎在极客公园 IF2025 创新大会｜图片来源：极客公园   能力很好，但是要结合应用场景才能产品化，大模型是要藏在产品后面，所以我最喜欢的产品经理是谁你们知道吗？你们喜欢周星驰吗？看过他很著名一部教人怎么做产品的电影吗？叫国产《007》，我就经常反省，它里面最经典的例子是这看起来像一个刮胡刀，实际上是一个吹风机。 今天无论各位女士用的吹风机，还是男士的刮胡刀，还是电牙刷，还是扫地机，里面都藏着一个电动机，但你意识到电动机的存在吗？不存在。会有人买个电动机回来接上电说：来，给我转个 27000 转吗？也不会。 实际上你买了一个电动机你要装上轮子才能变成汽车，装上扇叶才能变成鼓风机，装上齿轮才能变成传送带，大模型这个东西挺庸俗的，它就是个电动机。 我今天讲的就是要把大模型拉下神坛，不供着它，不顶礼膜拜，好像干大模型就积极伟大，其实这东西要变的很庸俗。 当年 IBM 做出超级电脑之后，就跟今天的超算一样，说全世界五台就够了，最后超算真正没有掀起信息革命，掀起信息革命的是谁？是 PC。PC 最早从苹果 2 开始算，到 IBM PC 到微软的成功，把这玩意做得跟玩具似的，今天我们做的服务器端都是 PC，PC 进入了百行千业，进入了千家万户，这才能掀起工业革命。 AI 能不能颠覆？肯定最终是能颠覆的，因为啥都能颠覆，你把东西做的比别人便宜很多也能颠覆，你能在晚上不需要开仓储，在网上直播带货，一分钟能卖出 1 个亿的东西也叫颠覆。 但是从 AI 来讲，我的建议是不要一上来就想着颠覆这个、颠覆那个，先想想赋能，就是当你有了一个电动机之后，如何取代原来的蒸汽机，如何取代原来手工干的事情，能不能润物细无声的嵌入到应用场景中，不是不可以做新东西，但这里面最大的机会是有了 AI 之后，有了生产力提升、生产力赋能工具，很多产品可以重做一遍。 走应用之路，我觉得要对大模型的能力重新做一个划分，因为我觉得过去两年里面，我们都被自己误导了，你看各公司一说大模型，出来讲案例，都是讲它的两层基本能力，都是讲写诗作画写文章、阅读理解、翻译、编程，实际上我把这个定义成它的基本能力。 比如说大模型的 AIGC 这面，有可灵、海螺、vidu、即梦，这两天 Sora 出来了不过没有那么惊艳，这些模型是落在创作和营销能力。但是多模态能力值得大家关注，这两天 Gemini 2.0 它把多模态能力展现到极致，但是多模态能力和 AIGC 还是要划分开，因为两个用处不一样，所以要结合场景，而不是笼统地说能够处理图象、视频、声音是多模态，原来我认为能产生视频图像也是多模态，这个概念不一样，我觉得理解非常重要，因为它是让大语言模型从看见、看懂到理解的重要差别。 业务能力的对接也至关重要，特别是如何与企业的核心业务相结合。比如，情报分析、知识管理、业务自动化以及组织协作等，这些能力过去常常被忽视，但它们正是人工智能能够提升企业生产力的关键领域。特别是在自动驾驶这种新兴产业里面，具身智能这些创新能力，实际上提供了新的工作范式。 还有一个场景是 AI for Science，在座诸位也有人在这个领域可以思考一下，未来科学研究可能有一些专业模型来辅助，AlphaFold 就是是一个例子。 所以如果有人在这个基础上把模型能力分得层次更细，分得更多是没有问题，用户购买的并不是工具本身，而是一个切实能够解决问题的结果。所以大模型过去两年里面，大家自嗨太多了，不断说这个能力那个能力，今天要搭一个桥，而是要看这些能力到底给企业、用户创造什么价值。 ## 六个方向里，有哪些机会？ 我大概列了六大应用方向，看看大家是不是能够在这六大方向中寻找创业和创新的机会。 第一是人人智能。 我一直认为 AI 是人类有史以来发明最重要的生产力工具，除了对企业提升生产力之外，对个人来说，我觉得它可以解锁你很多不具备的能力，甚至让我们个人具有超能力，比如说不会做音乐的也能产生音乐，不会作画的也能把想法变成海报，所以大模型要提高每个人的生产力，打造个体的超能力，这里面有很多机会。 大模型在第一步，尽管大家都想着做工具的人挺吃亏的，赚工具的钱还不如做社区的，做社区有网络效应，工具的话用完就走，但是大模型首先工具属性还是非常重的。所以在这一块，大家可以想一想，当然不要只是去卖课，卖课是不成功的模式。 360 在这做的是纳米 AI 搜索和 AI 办公大全，是瞄准了帮助个人来提高个人获取信息、分析信息的能力，这一块有很多机会，就看能不能深入研究，人还有哪些能力可以被 AI 去提升。 第二个方向：从万物互联走向万物智能。万物互联的观念，IoT 的概念已经很成熟了。现在 AI 的发展从云端到终端，从云端到边缘，模型越来越小，现在像苹果手机的策略是手机上有个小模型跟云端模型星座，荣耀的照明说，手机算力、芯片发展到 2027 年手机上上个百亿的模型是没有问题的。除了汽车，明年以后没有大模型上车的车可能卖不掉了，联想也在给 PC 上模型。 我们想的更广一点，所有的智能硬件如果都跟大模型发生关系，但是不是把一个通用大模型连上来，而是在所有智能硬件上有一个专业模型增加一两个能力会怎么样？ 比如说半夜里肚子饿了，打开冰箱找瓶啤酒，冰箱能够跟你说话，它看见你，它告诉你太胖了，不要在晚上再喝啤酒了，而且它会自动给你的监护人发个短信。 那有人老说要做新的硬件，AI Pin 大家都知道比较失败了，他们画蛇添足非要带一个投影仪，还要做手势，手机被证明是人类比较能接受的随身携带的物品。还有戒指、手表、眼镜，Meta 最近做了一个眼镜，也是蛮成功的，我也准备推出我们的纳米眼镜，这不是玩笑，因为苹果做 Vision Pro，老是想做 VR 和 AR，这个搞得眼镜太重，功能太多。但是大家发现如果眼镜跟 AI 搜索结合起来和拍照结合起来，变成轻量级的，据说 Meta 眼镜卖了好几百万副眼镜了。在大模型的推动下，元宇宙、虚拟现实有可能梦想成真，大家想想智能硬件是不是会有机会？ 第三个机会是，在中国做事情要顺势而为，国家很重要的战略是传统产业数字化，有一个词叫数转智改，也是新质生产力，大模型特别适合提升打造新质生产力。 如何帮助企业数转智改？大模型可以发挥很重要的作用。现在通用大模型肯定不适合给企业去用，我问过很多企业家和政府领导，通用大模型因为并不了解内部业务，所以说的话比较泛泛而言，而且这种聊天你们如果做过企业级应用就知道，这种 Coplot 的模式是企业最不能接受的。如果你们做过企业级应用就知道天天请一个聊天机器人回去，头三天还能有兴趣聊，长期对工作效率提升没有意义的。 在企业内部我也讲不要幻想用一个大模型解决所有的问题，企业内部将来一定是多个业务智能体的组合，背后是多个业务大模型，这目前是最大的市场，而且这个市场需要你沉到行业里，沉到客户里，，因为很难有通用的解决方案，这里面提供了比 SaaS 更大的机会。 第四个方向是未来和新兴产业。 比如说生物医药、具身智能（人形机器人）、低空经济（无人机），无人机是颠覆式的创新，还有就是智能网联车的自动驾驶到无人驾驶。这个行业里面如果不用大模型，这些行业都做不起来，因为大家想想为什么最近特斯拉 FSD 可以实现端到端的自动驾驶，端到端有两个解释，我们学术上是说基于训练学习的方法取代了基于规则的方法，用一个黑盒子系统，从输入到输出。也有人把它解释为从一个停车位到另一个停车位，不知道哪个解释更好。 第五个机会是打造科研新范式。大模型工作范式很简单，就是给我好的例子，经过足够学习之后就能产生举一反三的涌现理解，以后就能模仿；而基于规则，我曾经跟做自动驾驶的人聊过，他们大概自动驾驶的规则，像萝卜快跑就是基于规则做的，据说规则有几十万条，所以你要想吓唬一个萝卜快跑，只要把自己化装成熊猫在马路上过，我打赌百度肯定没有写规则，如果遇到熊猫在路上是撞上去还是应该停车。但是我在学驾照过程中深刻领悟到人的泛化能力，无论是否放个纸箱子，还是放一个塑料墩子，我都能灵活地绕过去。 包括具身阶段没有大模型的加持也是不可能的，原来深圳有一家公司叫优必选，大模型出来之前，它快成玩具公司了，他们机器人主要在表现团体操，但是有了大模型之后，这个公司就迅速地迎风而起，所以新兴行业对大模型的借鉴是非常多的。 AI for Science，我只能说个方向，这个具体我也不懂，但是值得关注，就是它是科研的新范式。 大模型的本质在于对语言、图像、视频和声音的理解，但其核心原理是将训练数据转化为一种序列，称为 Token。虽然「Token」这个词的翻译可能存在歧义，但从本质上来看，如果你能将需要处理的数据转化为 Token 序列，那么就有可能通过预测下一个 Token 来获得有意义的结果。这也是为什么 AlphaFold 能够成功的原因。它将蛋白质的结构视为一种序列，而人类已经研究出这些序列的规律，可以作为样本进行学习和微调。接着，AlphaFold 使用 Diffusion 方法随机生成各种可能的结构，并对这些结构进行判断。 这种思路不仅可以应用于蛋白质结构预测，也可以扩展到其他领域。例如，天气预报、股市预测、交通分析，甚至工业领域中的生产控制，都可以通过将行业数据序列化来进行处理。这时，并不需要依赖大语言模型的语言处理能力，而是要找到一种方式，将行业数据转化为可以进行序列化的形式。一旦数据能被序列化，Transformer 模型就可以用来尝试预测和推理。 我曾经发过一个关于人类长寿的视频，提出人类有可能活到 150 岁。虽然这个观点听起来似乎很极端，但美国在医学领域的观点也支持这一想法。英伟达的创始人黄仁勋多次举例提到，人的细胞最终也会以一种序列的形式表达，而人类基因的表达同样可以视为一个序列，甚至新药分子的分子结构也能以序列的方式表现。研究人员认为，只要能够将某个领域的内容转化为序列，Transformer 和 Diffusion 等技术就能进行有效的预测和推理。 在中国，关注这个领域的人还相对较少。微软研究院的前院长马维英博士，现在在清华大学专注于医学和生物领域。我相信，未来会有更多的领域等待着通过 Transformer 和类似的技术进行改造和创新。 第六个场景，就是安全场景。 为什么要加这个场景？因为我是做安全的。这里面谈的主要是 AI 安全。在很多场景中都涉及到大模型的应用，AI 的安全性显得尤为重要。顺便提一下，最近 Ilay 提出了一些耸人听闻的观点，他认为未来的智能必然依赖于推理，而推理会带来不确定性，不确定性会导致幻觉，幻觉进一步演变为意识。因此，他强调了人工智能安全性的问题。但我个人认为，专业领域的大模型不太可能产生意识，就像你雇佣一个专业员工，他不太可能会摧毁你的公司业务一样。有超级人工智能才会对人工智能的安全构成终极威胁。通用人工智能方面只有几个问题： 一是数据隐私保护和数据投毒污染的问题；二、注入攻击的问题；三、幻觉；四、AIGC产生的虚假信息问题。 我们提出的思路是以模制模，用魔法对付魔法，用专业安全大模型对付安全问题，所以安全问题不是今天重点。 如今，发展专业大模型的核心已经不再是大模型本身，而是找场景。找场景对大家最大的挑战，是要对某个行业、某个业务有深入的理解和了解，如果业务不了解，天天在玩大模型，天天用大模型做一些屠龙之技，在炫技，这个很可怕，再怎么炫，OpenAI 明天发布一个新功能，把技术一下就覆盖了，OpenAI 和这些巨头今天他们最缺的是行业和领域知识，这在美国也不例外，比如说现在美国有很多创业公司是悄无声息的在做金融的解决方案、医疗的解决方案。 我简单提出四个发展方向，或者说四个「十倍」目标： 一个方向是对上，满足老板和高管的需求，比如说这次张鹏推荐的做面试的一家美国公司，他们两头通吃，他们做了两个领域，先做人人智能领域，做了一个作弊工具，你面试的时候能够帮你在旁边提示如何回答面试官问题。他们又做了一个数转智改的应用场景，帮助老板解决如何利用机器，HR、主管面试个人的问题，所以想想都很美，大家都用他的软件，机器人面试机器人，但他挣了两份钱。 第二个方向是对下，是面向员工，看员工有什么痛点和刚需？ 第三个方向是往内看，企业内部如何提高自己的效率，内部有什么管理业务流程； 第四个方向是往外看自己的产品和服务体系能否找到企业的卡点，卡点的一个衡量指标是说能不能减少 10 倍的人力、降低 10 倍的成本、提高 10 倍的效率、提升 10 倍的体验。 我跟河北钢铁企业在谈的时候，谈到群体智慧，过去你想干、干不了的事，今天大模型能干了；过去你想解决、解决不了的困难，今天大模型能解决了，就找这种卡点和堵点，这就是大模型应该发力的地方。所以一定要细分场景，包括要把业务流程拆解的足够细，大模型初期的时候，我至少做了 100 个失败的案子，你们别听今天很多人上来说六小虎接了多少大模型的例子，其实很多项目都难以交付，我也吃过这种亏，刚开始大家对大模型都极其崇拜，有人来找我说，鸿祎，我们做个养猪大模型，也会有人说我们做个钢铁大模型，还有人说做个医疗大模型，你反问他一个问题，大哥，你要解决什么问题？你把他给问死了，因为都不知道要解决什么问题怎么做？最重要的是一定要细分场景。 举两个例子，河北省的钢铁是最发达的，大家都知道中国的钢铁含量不含河北，河北的钢铁产量不含唐山，唐山的钢铁产量不含迁安，我们就到迁安去了，他们最开始也说要提升钢铁的生产效率、提高钢铁的质量，我们都认同这个目标，但他们说要做钢铁大模型，我想没有钢铁大模型，只有细分的场景，所以他们就把钢铁的整个过程列出来了，把流程划成了 142 个场景，分的特别细，这 142 个场景，可能有些场景都能单独训一个大模型出来，或者单独做一个智能体，你要分到这么细的程度才可能解决传统企业数转智改的问题，否则只做一个问答、只做一个 Copilot、只做一个办公，这些通用方案都可以解决他们的问题，如果真的要直接提升生产力就得分析到这种程度，但这种程度，我觉得巨头一个都干不了，实在太细致了，OpenAI 也干不了，因为它没有这样的数据和知识。 再举个更简单的案例。这次我在美国见了一家跟王小川做同行的事情，但做法是不一样的，你们可以听听差别，对比一下，觉得是小川的好，还是这家公司的好，这家公司是中国小伙子创办的，他们跟斯坦福医疗中心签了一个约，美国看病跟中国看病不一样，我一会要去看病，直接到医院挂个号就行了，我想到斯坦福医学院挂号，人家不给我挂号，说需要你的家庭医生或者社区医生先看过，然后发传真，把你的病情情况介绍给我们，我们再预约某一个时间来看病，他们把这个场景分的很细，发现了三个卡点或者三个堵点： 斯坦福医学院有 100 多人的队伍每天收传真，美国现在还在用传统的传真，传真才有法律效率，医生写字是全世界最潦草的，所以看传真的人都很费力，所以要打电话来回多次确认才能把你登记到数据库里，还要给病人打电话预约看病的时间，病人看完病之后要到保险公司报销，这也是一个挑战。 保险公司会拒赔，他们要请很有经验的专家有理有据的写一个为什么我这个病，根据我的诊疗过程，写最后能够报销多少，这家公司做了三个 Agent，相当于是三个大模型，第一个是多模态大模型 OCR 识别传真，现在比人做的好，可以把 100 多人看传真的队伍给取消掉了。 第二个场景是数字人用语音和病人打电话，因为这个打电话不是通用客服，是来回预约时间。 第三件事，他们把医院里历史上给病人写过的十几个万份给保险公司的报销报告训练成一个知识模型，人家不是一个通用写作产品，不是说给我写一篇小说，就是专门写如何给保险公司报销的。 他们就做这三件事，就是一个很了不起的项目，这就是典型的帮助传统企业数转智改，为什么医院愿意付钱？医院能算出节省的人力、能算出提升的效率、能算出工作量，这和我们原来做工具有个最本质的不一样，比如说很多时候企业买了我们的软件，为啥中国的 SaaS 付费一直做不起来，一个很重要的原因是你的软件有没有也不是特别重要，所以提高效率也很难算。 原来我们做的软件是什么概念，还是人的工具，但今天AI在这些关键点上，AI 基于一个大模型，封装出来了 Agent，实际上是一个数字专家，是一个数字员工，完全可以直接取代人的工作能力，这个企业的付费意愿就比原来提升了很多。 ## 如何做好专业大模型？ 做专业大模型，最重要的有这几个点： 1. 知识管理。很多失败的例子，是因为客户的数字化做的不好，没有足够多的知识，比如说斯坦福如果收到的所有传真都销毁掉了，没有过去历史的数据做训练，这个事不一定能做到，如果过去写的保险公司的报告都没有了，可能也无从训练，所以知识非常重要。 2. 业务大模型打造。这就比较容易了，用通用大模型进行蒸馏变成基座大模型，而且从现在的趋势来看，微调用的越来越少，RAG 用的越来越多。 3. 构建智能体。Agent 就不展开讲了，因为 Agent 过去是一个技术辅助，但今天 Agent 成了我们今天给企业做做应用的核心诉求，最近我准备把我做的 APP 都改成 Agent，你卖一个 APP 给企业，听起来就像卖了一个软件，软件不值钱，但是我的 APP 全都变成了 Agent 之后，我卖的就是数字人，你雇一个人得 2 万块钱，我这一个月才 1000 块钱，多便宜，价值感马上就不一样了。 4. 融合工作流。为什么大家现在谈 Workflow？你们都知道 comfyui，它的功能强大，就是因为它知道很多节点只能完成单个任务和单个技能，很多时候我们要把技能组合起来才需要 Workflow，所以 Workflow 会变的很重要，因为没有 Workflow 你就做不出复杂的智能体，就做不出合作的智能体。 5. 知识管理。大家要有思想准备，这比训大模型还困难，真到一个企业之后，发现他的知识都是暗知识、浅知识，有些知识藏在大数据里，需要把大数据进行加工，有的知识存在人的脑子里，有的知识存在员工的硬盘里，有的知识存在工作流程中。比如我们经常说一看你就是新员工，一看这个人就是老员工，为什么？因为他有很多公司潜规则的知识，如何把这些知识能够训到你的大模型里去，如何能搜集出来？所以我提出一个概念叫知识捕获，采集都不一定采集得到。 6. 业务大模型打造，要做 RAG。 7. 构建智能体。智能体最早是调 API，我问个问题向大家请教，最近 Claude 推出 MCP，我的理解是用大模型做一个黑盒子，自己调 API，我觉得这个模式应该不 work，最好的模式还是应该由 Agent 来调 API，Agent 来调大模型，由 Agent 来做整体的协作，为什么？ 因为 Agent 有个很重要的价值，要实现慢思考能力，这个能力是由 Agent 多次调一个或调多个大模型，当多个大模型协作的时候，Agent 它负责发起协作并在大模型之间进行有效的调度。 2025 年是 Agent 之年，包括把日常重复性的业务流程形成 Agent，自主性的响应。 8. 融合工作流。可以认为是 Agent 操作系统，就像今天人会用钉钉、企微，另外我听到上一个 Speaker 讲一人公司、两人公司，我这里吐槽一下，我认为不可能，别被这种东西忽悠，你们读一读赫拉利的书，智人之所以成功，因为智人是最懂得群体合作的，人一定需要团队合作。 所以我们企业级的，今天钉钉也好、飞书也好，并不是为 Agent 打造的，还是为人打造的，这在未来也是一个巨大的方向，相当于是 Agent OS，如何把 Agent 工作流能够做好，当然我不能透露我们在做。 我们有一点要向美国的创业者和投资人学习的，他们编的词特别打动企业客户。他们在重新定义 SaaS，SaaS 原来的定义是什么？Software as-a Service，现在他们重新谈了一个新概念，叫Service as-a Software，这就像绕口令一样，什么叫 Service as-a Software 呢？ 过去有很多事是软件干不了的，或者软件只能起到辅助工具的作用，比如说看传真，虽然有了传真机，还得有人在读传真，往数据库里录入，写保险公司报销报告，或者律师给你写个文件，都是人写的，这个市场叫 Service 市场。 美国的 Software 市场大概是 1 万亿美金，但是 Service 人力市场是 10 万亿美金的市场。有了大模型之后，在一个细分的节点上，它可以取代人，或者可以该原来干不了的事，可以解决原来解决不了的困难了，意味着这个 Service 可以用软件来干了，意味着软件从原来 1 万亿美金的市场在往 10 万亿的市场上在侵蚀，这给我们做软件的人提供了一个 10 倍的机会，从企业级市场到智能软件反攻服务市场。 过去我们交付的是软件，今天直接交付的是能力，换句话说，直接交付的是人力，我觉得未来 APP 还会在，看最近智能手机的演示，Siri 可以直接操纵各种 APP，甚至是智能体和 APP 最大的差别，APP 做的再牛，还是给人用的、是人的辅助工具，但 Agent 可以自主或者应人类要求独立地完成一个任务，换句话说，过去是工具辅助人创造价值，未来 5-10 年会变成AI直接创造价值，这就是各位最大的机会。 最近网上流传一个视频是在斯坦福的内部录像，主持人讲了一个故事，我可以把这个故事分享出来作为我的演讲结尾。大模型不是中心化云化的电力，大模型是去中心化的电动机。  周鸿祎在极客公园 IF2025 创新大会｜图片来源：极客公园   他讲了最早工业革命在电动机取代蒸汽机，用了 30 年，为什么用了 30 年？因为蒸汽机一般的企业很难用得起，所以一个工厂如果有一座蒸汽机，蒸汽机给工厂里所有需要动力的地方都提供动力，但是蒸汽机是通过很长的连杆来输出动力，所以连杆的强度有限，不能太长，工厂的布局是以蒸汽机、锅炉房为核心，来做工厂的布局和业务流程的设计。电动机刚发明之后，老板只是把蒸汽机换掉，换等了电动机，效率一点没有提升，也没有产生额外的价值，因为所有的东西都没有变化。 后来经过了 30 年的技术发展，人们的意识和技术能力突然发现可以把电动机做小，今天小到一个电动牙刷里也是一个电动机，实际上它和小米汽车用的电动机是一个基因发展出来的，但是一个 27000 转蓬勃有力，一个就是给你刷牙用。 人们把电动机做小之后、做便宜之后，突然发现工厂里的动力不需要中心驱动了，变成单元驱动了，所有需要动力的地方装一个自己的电动机就好了，就像我说的，甚至工厂的格局都变化了，工厂可以变成不同的车间、不同的 Location，不同的 Location 之间可以用生产线、流水线连起来，工厂的鼓风机，包括纺织机都有各自的动力。 所以你们想想，如果不是这样的革命，如果我们家里买一个电动机，这电动机一方面给我们当风扇用，又给我们当吹风机用，一会还给我刷牙，还给我刮胡子，可以想象一下多可怕，买了一个大电动机，啥活都干…… 这样一来，整个工厂的业务流程、管理体系，甚至商业模式都逐渐地发生了变化。 如果这里把电动机换成大模型，是不是很贴切？我们干嘛一定要相信用一个 API 也好，或者用一个中心的超级无敌通用的大模型来解决我们在企业内部不同地方遇到的不同的业务问题呢？ 现在大模型的成本很低，有开源的，有免费的，我们把每个大模型只干一件事情，就当风扇用，就当传送带用，就当鼓风机用，这种新型的架构是不是代表了大模型将来在企业和在行业内部的应用场景？反正我是相信的。  

最近，听到一种有趣的观点。“极越的倒下，究其背后最根本的原因，还是经营层面出现了巨大的问题。但整个团队，包括产品本身，以及研发体系，其实并没有散架。这时候，如果有电动化转型乏力的传统车企愿意抄底接盘，其实是非常不错的时机。”  而从下方的评论来看，许多网友纷纷表示认同上述观点，认为极越算得上较为优质的资产，远没有到一蹶不振的地步。只要能够抢救得当，还有起死回生的可能性，甚至会给“新金主”带来不错的赋能。 但我，却不这么认为。 就拿一点证明，单论极越01与极越07切入的细分市场，结合两款车型自身的综合实力，想要卖好实在是太难了。绝不是危言耸听，无论换成谁来操盘，成功的概率都微乎其微。 毕竟，终端消费者正面临着愈发眼花缭乱的选择，但凡你存在明显的短板，加之品牌层面没有太多的光环，身处目前的大环境下已经很难冲出泥潭。 情况，就是这么情况。 由此不禁延展，类似极越般弱者的逐渐倒下，也在印证一个过去多篇文章中都提及的道理：“醒一醒！中国车市将会赢者通吃。” 更直白来讲，与曾经传统燃油车时代的百花齐放不同，身处游戏规则发生翻天覆地的全新赛道，胜利只会属于少数人。 而“同质化”则是背后最大的“杀人魔”。 **“车子都差不多，买销量最高的”** 相信很多读者乍一看今天文章的标题，都会感到有些一头雾水。本段的小标题，便是最言简意赅的解释。 理性客观地讲，虽然我一直是一位坚定不移的电车爱好者，但也曾经历过那个多姿多彩的传统燃油车时代。 无论合资品牌也好，自主品牌也罢，大而全的车企也好，小而美的车企也罢，纷纷拥有自己的“特色”，非常容易在消费者心中建立起属于各自的标签。 可如今，一切却发生了翻天覆地的变化。 尤其是今年以来，当新能源车零售渗透率自7月首次突破50%大关，已经连续5个月超越传统燃油车成为主流。但作为见证者，却发现应接不暇涌入大盘的新产品，变得越来越“无聊”了。 至于为什么要打引号？并不是说真的那么乏善可陈，而是某种程度上越来越像。都续航很长，都加速很快，开起来都很平顺，坐起来空间都很大，甚至价格都极具性价比…… 眼下，评判一款新能源车的好与坏，好似只剩下智能化的好与坏一条论据。奈何，随着类似华为般巨头的不断发力与席卷车市，就连这一点都变得可以在使用“钞能力”后被迅速弥补。  反正，照此形势发展下去，“同质化”将会愈发严重。 一家家交出灵魂的主机厂，慢慢彻底沦为所谓的代工厂。一位位潜在客户抉择究竟买什么新车时，其本身对应的销量与品牌的光环，将成为最主导的因素。 进而，引发的连锁反应便是，那些本就占据先发优势与主动权的头部梯队成员，在马太效应的加持下会赚得更加盆满钵满，并且与身后追赶者的距离会越来越远，直到把它们“耗死”为止。 不吹不黑，一旦你陷入到“平平无奇”的漩涡之中，很快就会被汹涌袭来的潮水所淹没。而最近一段时间，能够看到各种各样的文章，都在为明年的中国车市，渲染与营造一种焦虑与血腥的情绪。 必须承认的是，我也是其中一员。 根本原因，还是由于经历了今年的洗礼，能够强烈感受到少数领跑者的野心与决心到底有多大。再考虑到整个大盘，已经很难迸发出太多的新增量来满足它们，而存量竞争注定意味着有许多人要离开牌桌。 极越的倒下，不会是个案，“同质化”往往是巨头们愿意看到的。 **“赢者通吃不假，但赢家不止一位”** 实际上，正如文章开篇所言，“同质化”的终局就是“赢者通吃”。而截至目前，不止一位车圈大佬发出了类似的判断。  譬如，早在2023年的业绩说明会上，王传福便指出：“当下是快鱼吃慢鱼的时代，不是大鱼吃小鱼的时代，车企在未来3-5年如果没冲上去，就没机会了。” 譬如，同年的李想也曾表示：“到2028年中国新能源汽车渗透率可达90%，如果行业只会留下四五家企业，比亚迪、特斯拉、华为都会在其中，我们试图要留在牌桌上，至少单年要卖出超300万辆车。” 再譬如，给了所有人震撼一击的雷军，今年同样在接受采访时说：“一旦智能电动汽车消费电子化，行业发展就会像消费电子一样，当15-20年后行业进入成熟期，全球前5名将占有80%以上的份额。” 不可否认，上述逐字逐句，都能视作强有力的佐证。 当然，相比之下，同样有人持有反对意见，就像李斌。在他看来，“汽车行业从来都不是赢家通吃，行业竞争非常强。明年会进入到决赛圈，但决赛远远不会结束。” 对于这样的输出，只能同意一半。明年，徐徐拉开帷幕将是一场关乎格局的“大决战”，的确没有任何的争议。 但我却更愿意相信，随着炮火逐渐平息，终局依旧会是“赢者通吃”。至于时间维度，可能需要3年，或许会是5年，甚至不排除10年。不过，也并不完全照搬手机行业，基本只有5-6家能够留下分羹。 中国车市的“赢家”，明显将多一点。 借用美团王兴的话：“未来汽车产业的格局，大概率是3+3+3+3，形成3家央企、3家地方国企、3家民企、3家新势力共存的竞争格局。” 至于数字，或许会存在一定偏差，方向却没有错。哦，对了，不要忘记，虽然合资品牌的在华份额仍在急剧萎缩，可瘦死的骆驼依旧比马大，它们之中的某些选手，绝不会轻易放弃这块全球车市之中最大的“蛋糕”。 写到这里，文章临近尾声，最后想说的是：“任何一个行业，有些参与者从一开始注定就是陪跑的命。到了越来越同质化的中国车市，亦是如此。” 好在，赢者通吃不假，赢家却不止一位。 面对明年的“大决战”，当寒气不断传递，每一家真正比拼的，将是谁握有的粮草更多，谁拥有的家底更厚，谁带着向死而生的决心。” “熬吧，熬下去，熬到其它人倒下的那天。” [查看评论](https://m.cnbeta.com.tw/comment/1464072.htm)

据《金融时报》报道，随着微软加快对人工智能(AI)基础设施的投资，该公司今年购买的英伟达旗舰芯片数量达到了美国主要竞争对手的两倍多。**微软也是OpenAI最大投资者。**  微软今年采购了48.5万颗Hopper芯片 科技咨询公司Omdia的分析师估计，微软今年购买了48.5万颗英伟达“Hopper”架构芯片，是英伟达在美国第二大客户Meta的两倍多，后者购买了22.4万颗。此外，微软也领先于其云计算领域的竞争对手亚马逊和谷歌。分析师称，亚马逊和谷歌分别购买了19.6万颗和16.9万颗Hopper芯片。**与Meta一样，亚马逊和谷歌也正在加紧部署自己的定制AI芯片，以取代英伟达的芯片**。 由于英伟达最先进图形处理器(GPU)在过去两年里供不应求，**微软囤积芯片的努力使其在打造下一代AI系统的竞争中占据了优势。**微软已向OpenAI投资了130亿美元，是美国大型科技公司中在数据中心基础设施建设上最积极的一家。这些设施不仅用于运行微软自身的AI服务，例如Copilot助手，还通过Azure云计算业务向客户提供算力。 不过，**虽然英伟达仍然主导着人工智能芯片市场，但其硅谷竞争对手AMD也在不断进步**。根据Omdia的数据，Meta今年购买了17.3万颗AMD的MI300芯片，而微软购买了9.6万颗。 [查看评论](https://m.cnbeta.com.tw/comment/1464070.htm)

一番腾挪转换令投资者应接不暇之余，回过头看，控股股东在十天前突击完成了剩余近6成的增持计划。

大模型 AI 行业正在寻找 2.0 时代的入口。 因为 Web 2.0 的降临，就是上一轮互联网革命，最重要的爆发节点。行业在经历了千禧年的泡沫破裂后，很多人一度认为计算机对大多普通人「没有实用价值」。但随着 Web 2.0 革命，UGC、社交媒体开始出现，把所有人代入了「裂变传播」的时代，之后的智能手机、移动互联网革命，就建立在此之上。 自此之后，每一款互联网产品的成功，都与「参与性」息息相关，只有能调动用户的产品才是好产品。 但过去两年，大模型 AI 产品面临的，就是「参与」的难题。模型的性能越来越强，相关产品应用越来越多，但大多数普通用户，依然没有被调动起来。ChatGPT 完成了互联网历史上最快的冷启动，又最快遇到了增长的瓶颈，其他聊天机器人产的命运也大多类似。 很大程度上，今天的大模型 AI，需要一场类似 Web 2.0 的革命。通过降低技术门槛，拓宽开发生态，激发出有效的用户需求和产品供给。 11 月 28 日，扣子平台推出了今年最重要的更新，Project IDE。通过 UI Builder、应用模版，将 AI 应用的开发门槛进一步降低，且丰富了 AI 应用的交互范式，他们正在尝试将大模型 AI 应用开发代入「2.0 时代」。   # 01 为什么 AI 需要一次「2.0」更新？   要理解 AI 应用开发的 2.0 时代，我们需要先回到 20 年前。 2000 年以前，互联网还是一个类似电视和广播的「单向传播系统」。在 Web 1.0 时代，大部分人用电脑上网，基本只进行「浏览」，你可以阅读上面的新闻、文章，查询天气等信息。 这时的网页就像一张报纸，只不过设立一个页面的成本比发行报纸要低得多。所以很多人都可以建立自己的主页，整个互联网上网站的数量很多。 定义 Web 1.0 时代的应用是搜索引擎，因为整个互联网上有大量的网站，大家很难找到自己需要的信息，Google 通过关键词搜索和网页排序算法，建立了搜索引擎，人们就更容易找到自己想要的信息。 而今天的 AI 聊天机器人，它和搜索引擎在逻辑上有着很大的相似之处。它们的交互界面都是一个输入框，让用户输入关键词、提示词，AI 大模型生成内容的过程其实也就像一种「权重排序算法」，通过语言模型，把「权重最高」的词语提取出来，生成连贯的语句。 这里最大的问题在于，大部分用户，并没有自我挖掘需求的能力。在 Web 1.0 时代，他们可能并不知道自己想搜的是什么，在 AI 大模型的时代，他们又难以编写出完整严密的提示词。 所以 2000 年以后，第一轮互联网泡沫破裂，当时大部分互联网公司的用户和收入增长都不足预期，股价暴跌，包括雅虎在内的一大批互联网巨头都被时代重刷下去。 直到 2003 年后，MySpace、Facebook、Twitter 相继上线，Web 2.0 的时代到来了。 Web 2.0 让用户不再只是内容的消费者，而是成为了创造者，「社交媒体」的概念诞生，平台的内容量得到极大充实。与此同时，围绕各个社交媒体平台的「二次开发」也出现了，Web 2.0 时代的社交媒体，往往会开放很多产品接口，让开发者可以基于这些产品，二次开发出更多功能，满足用户不同的需求。 其中最典型的案例之一就是 Twitter。早期的 Twitter 只是一个短内容发布平台，但因为有着开放的第三方开发生态，Twitter 迅速成为了「独立开发者的游乐场」，各种第三方客户端、自动化 app 都被开发出来，使 Twitter 在早期竞争中，战胜了一大批对手。  2008 年，Twitter 的第三方客户端 Twitteriffic 成为了 App Store 前十热门应用 回到今天，大模型 AI 面临的状况其实与 Web 2.0 的前夜非常类似。当下大模型已经有了强大的生成能力，但大部分用户利用它的效率依然不高，很多基于大模型能力的产品应用已展现出强大的能力，比如针对视频的多模态实时字幕生成、并可以翻译，但这显然只是 AI 能做到事情的冰山一角。 特别是随着大模型训练效率的提升，同性能模型的运算成本已经在飞速下降，AI 产品化的展开面正在被拓宽。   # 02 为 AI 应用开发「搭一座桥」   今天，AI 产品开发的主力军是技术人员，其中有独立开发者。 造成这种情况的主要原因是，AI 产品的代码往往并不复杂，开发工作量不大，很多功能都是通过大模型的接口实现。但这个代码门槛依然存在，过去「产品经理 + 程序员」的开发模式反而不适用了。第一批 AI 创业者里，有很多都是自学代码，以实现从 0 到 1 的产品开发。 这种现状意味着，AI 开发社群里还有很多潜在力量，没有被调动起来。他们可能是产品经理、设计师，更懂产品需求、设计交互，但不一定有代码经验。如果能在大模型平台和他们之间搭一座桥，进一步降低 AI 产品的代码门槛，就能给 AI 产品开发带来更大势能。 这就是扣子过去一年花精力最多，致力于实现的事：帮助创业者以最快的速度实现从 0 到 1 的应用搭建和迭代。 扣子实现的最大改变，就是对「交互」的颠覆，通过 UI Builder，AI 产品的交互不再局限于对话，而是可以加入更多按钮、菜单、选项，来规范用户输入。 当然，对话式交互是大模型 AI 应用最重要的特点和优势，因为自然语言是人类最天然的表达方式。但在很多高频、标注化的场景里，对话不应是唯一的交互方式。 比如在一个行程规划的 AI 应用里，模型需要参考的目的地、旅行时间、人数、预算……如果只用对话式 UI，就需要多轮追问，用户体验反而不好。这里完全可以固定好一个模版，形成菜单、选项，供用户填写选择，通过这种方式避免 prompt 里的信息错漏。 同样的逻辑同样适用于写作助手应用，针对不同体裁的文章，可以直接提前进行功能划分，并提前在写作要求等要填写「提示信息」的地方填入范例，这样用户只需要基于范例修改，就可以输入更高质量的提示词。 提示词的输入效率和质量，正是目前 AI 产品面临的最大难题之一，大部分用户都很难编写出详尽完整的提示词。扣子通过在开发端加入 UI Builder，基于工作流的开发思路，将很多提示词的编写都拆分成产品功能，为 AI 产品铺好了台阶。  除此之外，扣子还在尝试解决 AI 产品的另一个难题，记忆。 目前大部分 AI 产品的用户数据库，往往都比较简陋，且有明显的「稀释」问题。用户在一个对话的前半段输入的信息，随着对话的不断进行，会迅速被稀释，AI 大模型会忘掉这些关键信息，最终偏离用户最初的意愿。 针对这个问题，扣子在工作流中加入了知识库写入、SQL 数据库查询的能力，用户输入的内容，不再只是模糊的 prompt，而是可以成为确切的数据，被写进应用。这里的数据可以是确切的时间、日期、行为，也可以是用户的特定想法，输入后这些数据就能够被反复调取，且不会被神经网络稀释。 比如之前一度很火的 App「胃之书」，用户可以通过拍照，让 AI 来记录每天的食谱，分析营养摄入。在加入了数据读写能力后，App 就可以将每天的食谱信息、营养，以数据的形式储存，之后进行多次调用。比如用户就可以知道自己每周、每个月的饮食健康程度，回顾自己「这个月吃了几次薯条」，「有多少天热量超标」。 大模型 AI 的一个特征，也是弱点，就在于它输出的内容的保质期太短了，需要转化为「数据」，才能为用户提供更长期的效用和价值。通过扣子的 UI Builder 和数据库能力，独立开发者可以将 AI 大模型与更多场景结合，比如「运动书」、「旅行书」、「星座命理书」，通过完整长效的前后端，形成长期的交互循环。 而这些，还只是当下扣子平台新功能的几个应用范例。这些新的开发功能，将为大模型 AI 应用开发「搭一座桥」，弥合模型和用户之间的距离，解锁更多 AI 应用的可能性。   # 03 AI 应用的未来需要「UGC」   Project IDE 的推出，不仅意味着扣子搭建起了一个更完整的 AI 应用开发平台，还降低了 AI 开发的门槛。 通过「AI 应用模版」和「工作流」，扣子已经能够实现近似「零代码」的 AI 应用开发。即便是没有代码能力的爱好者，也能够通过扣子可视化的工作流界面，将不同的 AI 功能组合在一起，还可以对功能模版进行修改。 扣子工作流的界面，有点像当年 iOS 的 Workflow 应用，或 IFTTT，它们分别是针对 iPhone 和线上互联网服务的自动化工具，通过图形化的界面，将不同的软件功能整合到一起，形成一个新的「程序」。  通过这种门槛较低的「二次开发」，即便是没有专业代码能力的用户，也可以做出满足自己的个性化需求的程序，且还可以互相分享。某种程度上，这就是应用程序领域的「UGC」。 而现在，扣子通过对 AI 应用模版的可视化，也打造了一个「人人可参与」的 AI 应用生态。比如用户可以下载一个练习英语写作的 AI 应用模版，通过修改其中的提示词，将它进行更细化的调整。比如要求它着重优化语法错误，或者是着重将过于简单的用词换成更专业的词汇……当然也可以把练习英语换成其他语言。 目前扣子平台上已经有上百个模版，可供用户调用、编辑。因为这些模版的核心往往都是一系列流程加上一个或数个「提示词文档」，所以它们的可编辑空间很大，理解门槛也并不高，即便是普通用户也能上手。 而且，「应用模版」本身也是扣子开发生态的一部分，开发者可以将自己编写的应用模版上架商店，进行变现。这种模式已相当成熟，此前 notion 在上线了 AI 功能之后，也迅速涌现了上百个工作模板，其中一半以上均为付费模版，形成了健康的商业生态。  正因为 AI 大模型能力是一种抽象的智能，并不针对任何具体的需求、功能，所以在将 AI 产品化的过程中，很需要这样的「二次开发」，将抽象的大模型能力，捏合成具体的形状，最终满足特定的需求。 如果说当下的 AI 需要一次 Web 2.0 式的革命，它的实现方式或许就是鼓动用户来创造 AI 应用的「UGC」。 朝着这一目标，扣子也建立了自己的开发者社群，并且将于 12 月 19 日，在火山引擎上海冬季 FORCE 原动力大会上，进行 [「扣子开发者日（Coze AI Developer Day）」 ](https://mp.weixin.qq.com/s?__biz=Mzk0MzY0MTMwNA==&mid=2247484589&idx=1&sn=0feeafe21e32b1e20fbc3c6e422ae2ad&scene=21#wechat_redirect)分论坛活动。开发者有机会和团队面对面，听到资深扣子开发者的案例分享，并且一起探讨 AI 应用开发的更广阔未来。 点击「阅读原文」，立即报名 [「扣子开发者日」 ](https://mp.weixin.qq.com/s?__biz=Mzk0MzY0MTMwNA==&mid=2247484589&idx=1&sn=0feeafe21e32b1e20fbc3c6e422ae2ad&scene=21#wechat_redirect)活动。

According to Similarweb, PixVerse had obtained over one million visits by February. PixVerse’s Chinese counterpart, AIsphere Video AI Model, was beta tested in March.

投资673亿元扩产。

2024年12月18日，截止收盘，沪指涨0.62%，报收3382.21点；深成指涨0.44%，报收10584.27点；创业板指涨0.04%，报收2202.14点，两市成交额较上一交易日减少1498.34亿元，合计成交13605.23亿元。

印度IT大咖呼吁本国年轻人延长工作时间，为让印度成为世界第一努力（超越中国）。印度软件公司Infosys联合创始人纳拉亚纳·穆尔蒂在印度商会百年庆典活动上再次呼吁印度年轻人应努力工作，每周工作70小时，以推动国家发展。 **他将印度与中国进行了对比：“一位先生告诉我，一名中国工人的生产力是印度工人的3.5倍。如果我们继续找借口，我们将仍然贫困潦倒。”** 他强调，“我们必须努力工作，为使印度成为世界第一而努力。”据悉，穆尔蒂在2023年10月和2024年1月就曾呼吁延长工作时间。 根据国际劳工组织的数据，印度人的工作时间已经是世界上最长的之一，平均每名员工每周工作47.7小时左右，在全球排名第七，仅次于卡塔尔、刚果、莱索托、不丹、冈比亚和阿联酋。 不少印度科技企业家表示，虽然努力工作很重要，但每周工作70小时可能会让人精疲力竭，扼杀创造力。 激发人们的思维，而不是耗尽他们的思维，会推动创新，使国家处于全球进步的顶峰。  [查看评论](https://m.cnbeta.com.tw/comment/1464068.htm)

精准神经科学公司（Precision Neuroscience）正在开发一种通过思维控制智能手机和电脑的设备，该公司已融资1.02亿美元，与埃隆-马斯克（Elon Musk）等竞争对手竞相开发这项新技术。这家总部位于纽约的公司在最新一轮投资中获得了约5亿美元的投后估值，超过了另一家所谓的脑机接口（BCI）公司Synchron筹集的7500万美元。  该领域仍由Elon Musk的Neuralink公司主导，该公司已融资6亿多美元，但最新的融资表明，随着一些公司推进首次人体试验，投资者的兴趣正在扩大。 BCI设备使用各种方法收集大脑信号，然后使用人工智能对信号进行解读，并用于控制计算机。 Neuralink公司的电极已植入两人体内，该公司称其设备已被用于玩视频游戏和操作计算机辅助设计软件。 人类首次植入大脑的历史可以追溯到二十年前，但最近用于收集和传输大脑信号的电子设备以及分析和理解数据所需的机器学习技术的进步，让人们对这种设备很快就能在医学上发挥作用产生了希望。 "我们现在有能力利用人工智能系统实际解读[来自大脑的数据]，建立模型，并实时进行操作，"Precision 公司的支持者、B Capital 公司主席霍华德-摩根（Howard Morgan）说。"我们已经到了[投资]不再为时过早的地步，我们现在已经准备好在临床上做真正有效的事情。" 由成立于2021年的Precision公司制造的这一设备已在27名患者身上使用过，不过到目前为止，它只是在人们接受神经外科手术时被临时植入体内。 摩根士丹利（Morgan Stanley）最近估计，美国有 900 多万人患有各种形式的上肢损伤和其他残疾，他们都是植入设备的候选者，市场总价值达 4000 亿美元。 不过，该公司预测，直到 2041 年，年收入才会达到 10 亿美元。 Precision 公司的创始人包括神经外科医生本-拉波波特（Ben Rapoport），他也是神经链接公司（Neuralink）的创始人之一，该公司制造了一种薄如晶片的微电极阵列，通过头骨上的窄缝插入大脑表面。 该公司希望最终能向门诊病人提供这种相对非侵入性的手术。 摩根士丹利认为，由于能够处理植入手术的神经外科医生短缺，病人对在大脑中植入设备犹豫不决，以及政府和医疗保险公司不愿为这种设备报销费用，脑机接口的普及速度可能会放慢。如果能用意念控制电脑，许多重度残疾人就有机会重新就业。 这将给他们的生活带来巨大的改变，也足以证明医疗报销的合理性。投行估计，单是这些设备最终每个就需要2.5万至6万美元，这还不包括植入设备的费用以及收集和分析信号的持续成本。 马斯克说，他创办Neuralink公司是为了创造一种方法，让人类有朝一日能与先进的人工智能竞争。 他认为，将大脑与计算机连接起来可以增强人类的记忆力和处理能力，并与人工智能的性能相媲美。 [查看评论](https://m.cnbeta.com.tw/comment/1464066.htm)

RTX 50系列即将登场，各家品牌厂商也开始预热，不经意间透露了一些重磅消息，NVIDIA再次遥遥领先。某品牌的预热稿中，赫然提到了**“神经渲染”(Neural Rendering)，号称将给图形处理与现实带来革命性的变化，显然这将是RTX 50新的渲染方式。** 值得一提的是，**NVIDIA早就公开过对神经渲染的研究，可以借助AI辅助渲染生成着色、纹理、光影等等。** 很显然，这是一种比帧生成更先进的渲染方式，效果也要好得多，不过对硬件压力也会更大。 [](//img1.mydrivers.com/img/20241218/9ffec5758a8e4cfdbd8dcc6509c44ded.png) 同时，文中还提到了**先进的DLSS**，可能是大家期盼的新一代DLSS 4，当然也可能是纯粹的宣传用词。 另外，还能看到**增强的光追、AI加速图形、AI增强能效、升级的AI缩放、生成式AI加速等**描述。 很显然，AI将是RTX 50系列的核心。 [](//img1.mydrivers.com/img/20241218/384ccc4f0be34a078351b0138b100a68.png) [查看评论](https://m.cnbeta.com.tw/comment/1464060.htm)

上周，极越汽车“原地解散”着实震惊了不少人，这个背靠着百度和吉利两棵大树的造车新势力竟然沦落至此，确实令人唏嘘不已。实际上极越的销量虽然并不算特别亮眼，但最近几个月也一直在好转，**11月份甚至卖出了将近2000台，今年累计卖出了超1.3万辆。** 那么它在汽车品牌新能源销量里占据什么水平？近日，易车整理发布了相关榜单的前100名，**其中极越汽车占据了第60名，超过了40%的竞争对手**。  前十名基本都是怪物级别，包含比亚迪、特斯拉、五菱、理想、鸿蒙智行、广汽埃安、零跑、吉利银河、极氪和长安，11月的销量均超过2万台，今年累计销量将近或超过20万辆。 总体来看，排在极越前面的基本上还算健康，**但也有极个别已经遭遇问题，比如第30名的哪吒汽车**，有意思的是，很多传统车企的新能源销量也挺出人意料，比如别克、丰田等，当然，跟自家的油车是没法比。 那么不如极越的40名里，有哪些值得关注的点？ **新势力未来迷茫**：如创维汽车，11月仅卖出了582辆，今年累计才1.1万辆；又比如大运旗下的远航汽车，11月销量为0，今年累计6348辆；还比如极石汽车、合创汽车、领途汽车等。 **传统车企需加力**：比如沃尔沃的新能源汽车确实表现欠佳，类似的还有上汽大通、凯迪拉克、马自达、雪佛兰、日产、江淮等，如果在以后的日子里新能源仍旧未有明显起色，即便是家大业大，也遭不住坐吃山空。  [查看评论](https://m.cnbeta.com.tw/comment/1464058.htm)

极越汽车闪崩，留下一地鸡毛，苦的是供应商和车主。很多人都在关心，下一个倒下的新能源汽车品牌，会是谁？我们都没有未卜先知的超能力，但可以借助数据管中窥豹。 [](//img1.mydrivers.com/img/20241218/a5c973c3-3337-4fa1-ac0b-e448ea2716eb.jpg) 近日，有媒体统计了15家造车新势力的销量、盈亏情况和现金储备三大指标数据。 结果发现，强者愈强，销量向头部新势力倾斜的趋势越来越明显。 **结合多重指标，中国新势力品牌可以分为三个档次：** **第一档：理想、鸿蒙智行、零跑、深蓝、小鹏、极氪、小米、蔚来。** 这几个品牌无论是销量、现金储备以及增长势头都表现出色，短时间内都不会有太大问题。ps.第一梯队里还有华为系的鸿蒙智行，由于部分指标缺失，这里未加入统计。鸿蒙智行11月份交付新车41931辆，连续两个月销量突破4万。 以今年11月统计数据看，第一梯队的新势力品牌单月销量全部超过2万辆，其中理想、零跑、深蓝、小鹏更是单月销量超过3万辆。 但从盈利情况来看，**唯一实现盈利的新势力只有理想汽车，第三季度盈利28亿元，是新势力中唯一实现自我造血的企业。** **第二档：阿维塔、极狐、岚图、智己。** 上述四个品牌虽然11月销量过万，但与头部新势力依然有断档式差距，2025年的压力依然会比较大。 早先，极越汽车停摆后，阿维塔由于也有背靠大厂、多方投资合作的背景（由长安、华为与宁德时代联合打造），成为下一个被关注的对象。 但好在背后的“金主爸爸”很及时、很给力。**日前，阿维塔宣布，完成C轮超110亿元，国有资本鼎力支持，市场化资本积极加入。从目前来看，应该是新势力第二梯队里最稳的一个。** **第三档：哪吒、极石、创维、极星。**这4家车企单月销售量不到2千辆。 **哪吒汽车10月开始便负面新闻缠身，包括降薪、裁员、拖欠供应商款项等。11月销量仅有1500辆，表现大不如前。** 极石汽车11月销量仅650辆。该品牌首款车型极石01于2023年8月22日正式推出，上市之初便对标理想汽车，但并没有太多人买账。 创维汽车将2024年年销目标确定为5万辆，但创始人黄宏生称，“今年无法达成全年5万辆的销量目标。”创维汽车不仅将今年目标调低，还将2025年的年销目标从此前的25万辆下调至6万辆。11月，创维仅卖出582辆。 极星今年前九个月全球市场销量超过3.2万辆，平均每个月销量3555辆，但中国市场，今年最高月销量仅369辆，最低只有42辆，11月销量为110辆。 由此可见，不管新创品牌还是大厂品牌，也不论销量好坏，中国大部分企业都还没有摆脱亏损阴霾，“今天无法获市占率，明天就可能出局”成为市场现实。 接下来，**中国电动车市场逐步从蓝海步入淘汰赛，汽车制造商为了活下去展开达尔文竞争，只有少数企业能成为赢家活下去，其余都会折戟。** 对于买车的消费者来说，还需擦亮眼睛。**销量说明不了一切，却是当下最有力的参考。** [查看评论](https://m.cnbeta.com.tw/comment/1464056.htm)

**NVIDIA即将发布的RTX 5070 Ti功耗再次下调为285W，这一数字较之前爆料的350W和300W有着不小的降低。**Kopite7kimi爆料称，RTX 5070 Ti的TGP（整卡功耗）在目前阶段将下调至285W，不过无法确285W是否为最终版，350W也是可能的配置之一。 **除此以外，RTX 5090此前爆料的600W功耗也会有所下降，其他型号也会有所下降，但具体多少目前还没有定案。** TGP即整卡功耗，对应到AMD与Intel则为TBP，也就是所谓的Total Board Power。 **RTX 5070 Ti还将基于GB203-300变体GPU芯片，配备16GB GDDR7显存，拥有8960个CUDA核心。** 此前，350W与300W的RTX 5070 Ti 16GB GDDR7都曾在NVIDIA的规划中，但这种调整通常要到试产或量产阶段才会最终确定。 不过可以确认的是，RTX 5070及以上型号都将使用12V_2X6接口，预计在1月份，就能在市场中见到基于Blackwell GPU架构的NVIDIA RTX 50系列显卡了。 [](//img1.mydrivers.com/img/20241218/689f8bdd-5c15-4004-b749-cce4b010a20e.png) [查看评论](https://m.cnbeta.com.tw/comment/1464054.htm)

本月21日，蔚来旗舰轿车ET9将正式上市，早在1年前该车就发布亮相并开启预售，价格为80万元，而就在今日，**蔚来发布了ET9量产官图。ET9长宽高分别为5325/2016/1620mm，轴距3250mm**，外观也就是家族化的设计语言，大巴不同于传统的轿车，其实更像是一台跨界车，典型的就是大溜背设计。 [](//img1.mydrivers.com/img/20241218/a0fab0e02a594eb3b7c5ed834744ef89.jpg) [](//img1.mydrivers.com/img/20241218/5c9e1412832d4159b86d8e8bd7c40565.jpg) [](//img1.mydrivers.com/img/20241218/a221b8a5dda94e62b0585646cd0e7b68.jpg) 拥有标志性的一体式X-Bar和Double Dash日间行车灯，并将激光雷达和摄像头等高级辅助驾驶硬件巧妙融合于车身设计中，结合此前曝光的图片可知，**它还拥有前备箱、后排隐私玻璃、密辐条轮毂、23英寸倍耐力PZERO电动车专属大轮胎。** [](//img1.mydrivers.com/img/20241218/a79f4f60464a46f68b638334f656d57d.jpg) [](//img1.mydrivers.com/img/20241218/ab3a059429144ffdaa1fe9ac48c02dcc.jpg) 虽然官方此次并未发布该车的内饰，但其实这也不是什么秘密，内饰部分，相较于蔚来在售车型，ET9改动比较多。 整体依旧是简约风格，但用料肯定是非常顶级，配备近似矩形的多功能方向盘，仪表盘采用长条状，镶嵌在中控台上，还提供全焦段AR平视显示系统，提供等效120寸AR-HUD的显示效果。  中控屏变成了常规的比例，不再是竖状，更加符合使用习惯，T型台下方拥有两个无线手机充电面板，同时由于使用了电子怀挡杆，因此这部分区域相当规整。 **后排为双独立座椅，拥有24项自研专利技术**，靠背调节角度最大45°可调，座垫宽度达582mm，同时还配备360°无级调节的行政桌案、智能冰箱，提供堪比商务舱的乘坐体验。  ET9定位科技旗舰，几乎使用了蔚来最为顶级的技术，拥有“SkyRide·天行智能底盘系统”，集成线控转向、后轮转向和全主动悬架，提供每秒1000次的扭矩调整和四轮独立控制，满足不同驾驶场景的需求。 得益于此，**ET9成为中国首款搭载线控转向技术的量产车型**，**该技术最大的特点就是0机械连接，取而代之的是电信号传递与控制，**方向盘的角度和阻力矩可以自由设计，延迟更低、控制更精准，传递效率更高、布置更灵活。  在高压架构方面，ET9采用了国内首个“全域900V高压架构”，实现最高电压925V、充电峰值功率600kW、充电峰值电流765A的全球领先水平，前后双电机，匹配自研的46105大圆柱电芯，支持快速补能，5分钟充电可行驶255公里。 蔚来汽车创始人、董事长李斌对ET9非常有信心，日前他曾表示，**ET9所搭载的天行底盘，“绝对是全世界技术含量最高的一个底盘。”** 关于ET9的销量，李斌同样做了预测：肯定比（奥迪）A8和宝马7系卖得多，比（奔驰）S、帕美和迈巴赫有点难度，**“现在大家说78S，以后就是789S。”** [](//img1.mydrivers.com/img/20241218/2b661695ad9546c794c3cc9c92562081.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1464052.htm)

**闪迪（Sandisk）正式对外公布了其采用像素风格设计的全新商标，并宣布该商标计划于2025年初正式启用。**新商标以“Mindset of Motion”作为创意方向，象征着一种面向未来的理念，即通过为人们创造无拘无束的道路和可能性，将当下与人们的愿望结合起来。  闪迪新商标采用极简主义设计，整体以简洁的线条勾勒，象征了闪存技术的速度和效率，新商标延续了上版商标的开放式"D"字母设计，并搭配以清新的像素风格"S"。 颜色方面，新商标的红色调比老商标更暖一些，整体设计更加现代和动感。 闪迪创意总监Joel Davis表示，新标志使用了大胆的视觉语言，同时根植于"进步不是终点，而是一种存在方式"的理念。  新（下）老（上）Logo对比 西部数据在2015年以价值约190亿美元的现金和股票收购了闪迪；2023年10月，西部数据宣布将把其机械硬盘和闪存业务拆分为两家独立上市公司，目标在2024年下半年进行。 **今年10月份，SanDisk.com独立出来，成为一个单独的官网，提供所有基于NAND闪存的产品的产品信息、支持和部分地区的在线零售。** 与此同时，西部数据的主网站WesternDigital.com现在只列出非闪存产品。  [查看评论](https://m.cnbeta.com.tw/comment/1464050.htm)

美国联邦贸易委员会 (FTC) 称，一些在线工作进行诈骗的现象（称为“任务诈骗”）大幅增加，这些诈骗吸引人们通过重复性任务赚取现金，并承诺如果他们存入自己的钱，就能赚更多钱。 尽管这种类型的诈骗在 2020 年前几乎不存在，但自去年起  FTC 已经记录了 5000 起案件。到了 2024 年，涉及任务诈骗的举报数量激增，仅上半年 FTC 就收到了 20000 份来自被诈骗个人的举报。 因此，从 2020 年到 2023 年，报告的工作诈骗造成的经济损失增加了两倍，从 1 月到 2024 年 6 月，损失超过 2.2 亿美元。 FTC 表示，其中大约 40% 的损失是由“任务诈骗”增加造成的，报告的损失为 4100 万美元。  工作任务诈骗增多 **类似“赌博”式工作** FTC 解释说，诈骗者通过 WhatsApp 和其他通信或社交媒体平台上未经请求的消息来接近受害者。诈骗者提供了一种简单的赚钱方法，告诉他们所要做的就是每天执行一组任务来赚钱，例如在在线平台或通过特殊应用程序上点赞视频或对产品进行评分。这些骗局冒充合法公司，例如德勤、亚马逊、麦肯锡公司和 Airbnb，并为受害者提供成组的任务，通常有 40 项。用户承诺每次完成一套并升级到下一个级别时都会收到升级佣金。  冒充德勤的任务诈骗 乍一看，这个骗局看起来很合法，因为求职者赚取了 50 至 60 美元的 USDT 或以太坊加密货币小额存款。然而，在某些时候，当受害者在应用程序上积累了可观的“佣金”时，他们会被要求进行存款，声称为了解锁提款选项和下一个任务集。许多受害人存钱，都是希望能连同佣金一起拿回押金，但钱却被骗子盗走。 在众多 Reddit 帖子中，任务诈骗受害者分享了他们的经历，其中一些人称已经存入了8500 美元，并期望收到更多的回报。 “我每完成 40 个任务，他们就会支付佣金。实际上，我最初几天就收到了加密货币 USDT 的报酬，每天大约 40 USDT。”一位任务诈骗受害者解释道。  一些不愿存钱来获取虚假收入的人会被邀请加入群聊，在那里他们会听到所谓捏造的“成功故事”。但是，由于这些骗局的游戏化性质，许多输钱的人将其视为赌博，并愿意冒些风险。 联邦贸易委员会表示，这些诈骗中通常使用加密货币，这使得追踪肇事者变得更加困难，因此，在受邀参与时，需要慎重考虑。 其他欺诈迹象包括“产品提升”和“应用程序优化”等流行语。联邦贸易委员会建议人们应忽略所有主动邀请的工作，尤其是那些被宣传为简单的在线任务型工作，因为没有合法雇主会有如此做法。此外，任何涉及在线点赞或评分以换取金钱的工作都是非法的，在任何情况下都应该予以拒绝。

 <blockquote> 因为从这代开始，CAPCOM开始搞Special Edition，本着致敬原作的敬意，所以本期【重走SAG之路】我们只聊渣3的动作系统和2代的角色碎片风格系统，下一期SE版我们会聊渣3来自初代老大哥的角色碎片：箱庭式关卡设计和与玩家角色系统强绑定的敌人设计（武器系统部分）。</blockquote> 尽管《鬼泣》系列的大多数概念设定在2001年的初代时就已经被奠定下来，但直到2005年的《鬼泣3》，《鬼泣》系列才迎来了真正的标志性里程碑。这部作品完成了《鬼泣》系列在游戏类型方面的成功转型，确立了完全不同于1、2代那种脱胎于《生化危机》的“恐怖动作”风格，而是真正地诠释了“风格化动作游戏”的意义，为整个系列注入了新鲜又独特的基因。  无论是核心设计理念的全面革新，还是但丁从严肃冷峻的恶魔猎人形象转变为“骚气”个性的塑造，《鬼泣3》都堪称系列的中流砥柱，其纵向影响力至今深远。《鬼泣3》为后续的《鬼泣4》、《DmC》和《鬼泣5》打下了坚实的基础，这些作品无不在3代规划好的蓝图上构筑起了更宏伟的“高楼”。游戏通过引入功能各异的风格系统和充满动作张力的CC技，将《鬼泣2》混乱不堪的设计彻底理顺，不仅成功解决了战斗模块化缺失的问题，还给在手柄上做组合键搓招的游戏提供了很好的参考框架。而在剧情上，3则作为但丁小故事的前传进一步完善了《鬼泣》系列的世界观架构，还给我们塑造了一位时至今日难以忘记的动作游戏史诗级角色，甚至在MOD潮和AI潮的今天被网友玩出各种二次创作，而“大病区”也成为了真正意义上的SAG。 这个SAG的英文全称叫Stylish Action Game，中文可以翻译成表演系动作游戏。你可以理解为，这是一类以“华丽炫酷，极具观赏性的动作表现”为核心的游戏的称呼。这些游戏有个很明显的共性，就是往往都可以打出很多连招段子，也有很多玩家就以此为，因为它们完整丰富的动作系统使得他们的战斗过程都相当出彩，所以会让花里胡哨的战斗看起来好似赏心悦目的个人秀表演一般。但能不能连招能不能搓段子真的不仅仅是SAG的核心，这类游戏的卖点除了它的战斗过程观赏性以外，战斗思路多样性甚至更为重要。 大多数动作游戏(ACT)都强调怎么快速打败你的敌人，但SAG强调你是如何做到的，所以你的战斗工具（机制运用）往往是不同玩家不同风格，而不是明显比对方更好或更差。它可以看作是将 2D 动作游戏中看到的紧绷呼吸转移到 3D 中。 它强调各种动作的使用和深度，使用闪避、连击和反击等动作，而不是对一种情况只有一个正确答案。可以理解为，把钥匙的碎片都给你了，想要开什么锁自己拼装。大多数SAG都有一个排名系统，玩家记录他们的连击段子并在网上分享是该类型的特色社区文化。大量的连招派生使得这类游戏玩起来有种FTG既视感，只不过没有那么强的博弈感，反而是随性一点的“耍酷”。 至于《鬼泣3》为何能如此优秀，20年前的华丽战斗在20年后依旧时髦，独特的游戏美学哪怕放到现在也不过时，究其原因，我们或许需要将目光投向刚刚从“救火队长”角色中脱身的伊津野英昭身上。  (前段时间刚刚宣布离开C社，加入腾讯光子的伊津野) <blockquote>“我是在《DMC 2》开发中途加入的开发。在完成《CAPCOM VS. SNK 2》的开发之后，我一直在精心筹划一款原创 RPG 作品（指的是之后伊津野领衔开发的《龙之信条》）。正当我想是不是该去马丘比丘（位于南美洲秘鲁的印加遗址）取材旅行的时候，公司高层和我说「你这家伙看上去很闲啊，去做《DMC 2》的监督吧」（笑）。当时开发陷入了困境，我作为一名开发后期的辅助人员，以监督的身份空降项目。辅助人员居然成了监督，这本身就是一件很奇怪的事（笑）。不过《DMC 2》的开发时间实在是太短了，成品并没有达到我的预期，感觉有些地方还没做完。所以《DMC 2》开发结束之后，我主动和领导说「请把《DMC 3》交给我来做」。”——伊津野，《鬼泣》系列20 周年纪念采访。</blockquote>  (伊津野英昭参与作品) 如果你了解过伊津野英昭的职业生涯，就会发现，在接触《鬼泣》系列之前，他几乎清一色参与的是FTG（格斗游戏）项目，而且大多是街机平台的作品。这一点其实和神谷英树这个《鬼泣》“生父”正好错了个位：神谷本人是个街机游戏玩家痴，但在创作者角度上要专注于家用主机的开发，当然，他同时也喜欢将自己热爱的街机游戏元素融入自己的作品中。例如《鬼泣1》的开发后期，神谷几乎是把它当作一款3D清版过关游戏来制作，组合键的招式释放和当时的2D街机动作游戏如出一辙，甚至还在大决战加入了弹幕飞行射击的桥段。而伊津野作为《鬼泣》系列的“养父”，则是地地道道的街机游戏开发者，让他来全心投入地从头到尾创作一款《鬼泣》，在动作要素上的表现想必是彻底拉满。 对此，伊津野也在采访中谈到了自己的开发思路。他曾参与制作《CAPCOM VS. SNK 2》等众多经典对战格斗游戏，于是在被问到是否在《DMC》系列中融入了与格斗游戏共通的设计时，他回答道： “确实有。在制作《DMC 3》的时候，我调整了方向，尝试将格斗游戏连段的爽快感融入其中。能够在这个项目中充分发挥自己的特长，真是太棒了。” 正是伊津野英昭对街机动作游戏和连段系统的独特理解，让《鬼泣3》在动作表现力上达到了一个全新的高度。他不仅将《鬼泣2》中一些好的概念通过正确的方式呈现给玩家，更以独特的创意和精准的设计成就了这部经久不衰的经典。尽管《鬼泣3》的销量最终只能算中规中矩，但它最重要的意义在于成功扭转了玩家对前作的负面评价。能遇到这样一位愿意为粉丝负责、不断追求完美的制作人，本身就是一件值得庆幸的事。 写这篇文章时，正巧看到神谷英树制作《大神》续作的消息，真是感慨万千。无论是过去还是未来，这些热爱游戏并付诸全力的匠人们，都让我们一次又一次地感受到游戏艺术的魅力。  (就在不久前的TGA2024，想你了，光头) # 动作系统的超大突破,《鬼泣》的起点从这里开始！ 聊一款动作游戏，它的动作系统必然是绕不开的。 “动作系统”和“动作表现”的不同： - 动作系统指的是管理和控制游戏角色或物体的所有动作（如移动、攻击、技能使用等）的核心机制和规则。它涉及玩家输入指令的响应、角色动作的执行、动作之间的过渡和切换，确保游戏中所有动作能够流畅、连贯地展现。 - 动作表现则是一个动作触发后，角色或敌人在屏幕上的实际演出效果，包括动画、特效和与对手的互动演出。 我个人对于《鬼泣3》的动作系统是毫不吝啬夸赞的，当时看GY的3代攻略视频，印象最深刻的就是弹幕里的一句：“本作开场的CG中但丁所有战斗技巧，玩家都是能打出来的”。就因为这句话我一进游戏就开始尝试复刻CG里面巨帅无比的怪物滑板转圈圈，后来发现换成枪神风格还可以站怪物旁边连射，2代中我最喜欢的跑墙也得到了保留，只不过不再是可以随时随地使用了，至少在原版里面必须进行这些风格化动作的取舍。  (但Switch版本可以换，爽飞) 而要谈论最能代表《鬼泣3》动作系统的创新设计，毋庸置疑，当属连招系统中新加入的“CrazyCombo”机制。Crazy Combo，疯狂连击，也可以理解为“疯狂节奏”，指的是某些技能需要疯狂连点某个按键来触发，使特定的招式得到进化，并派生为强力的招式，触发时角色身旁有白光特效，之后角色将会释放出高频率的“CrazyCombo”攻击。  以双刀的“Million Slash”为例，它是从双刀Combo3派生出来的CC技。要触发这个进化，玩家必须在Combo3结束之前完成一定的“连打次数”，这要求玩家具有相当精准和迅速的操作技巧。不同的CC技有不同的连打要求，因此某些CC技更容易发出，而其他的则相对较难。例如，枪神风格下的“Point Blank”就是一个典型的难度较高的CC技，玩家需要在特定时间窗口内完成多个快速按键才能成功触发，算是比较考验玩家节奏感的一项设计。  手速对CC技的影响使得游戏的战斗节奏变得更加紧张和富有挑战，特别是在敌人强度较高时，如何利用这些进化后的连招来对付强敌，成为了一项技术性很强的任务。此外，开启游戏加速模式可能导致某些CC技无法顺利发出，为大家的手柄和键盘还有身体健康考虑，请决定是否要挑战腱鞘炎。 这一机制的加入不仅考验玩家的手速和需要掌握基础的连招技巧，还增加了战斗的多样性和挑战性，要根据不同的战斗情况调整连击策略以应对多变的战斗环境，属于是真正意义上能加强玩家战斗带入感的一项设计，想必释放出这招的同时，屏幕外的你一定手心冒汗了。 《鬼泣3》在动作系统上的突破中，最为玩家津津乐道的便是“跳跃取消技巧”（Jump Cancel，以下简称JC）的引入。JC的核心原理是通过跳跃来刷新技能并取消当前正在释放的动作，从而中断技能的硬直。这一取消机制在许多动作游戏中都有类似应用，而《鬼泣3》则是因为其独特的身位控制将其作用效果展现得淋漓尽致。在《鬼泣3》中，JC的一个经典应用就是“连踩”，即利用拳套下踩怪物的瞬间跳跃取消动作，从而实现连续的下踩。更进一步，当怪物处于空中时，玩家可以通过踩怪取消空中连招的硬直，再次连接空中技能，形成几乎无限的空中连技。这一基础机制在3代可能还没有太多的施展空间，而到了4代，将会因为这个小小JC而使得游戏的动作系统大放异彩，从而被冠名“皇牌空战”。 不过那都是后话了，至少在3代，新取消机制的加入和动作衔接的大量优化使得《鬼泣3》的动作系统变得更加流畅，玩家能够通过精妙的操作将连段延续至一个近乎无缝的境地。这种高度自由的操作方式不仅满足了高玩们对于技巧性与表现力的追求，也为《鬼泣》系列奠定了砍杀动作游戏的标杆地位。动作取消技巧不仅大幅提升了战斗的连贯性、爽快感，也极大拓展了玩家的创造空间，成为了系列中的经典元素之一。  除了上述这些大家耳熟能详的创新之外，我觉得最能说明《鬼泣3》才是Stylish Action Game的就在于从这作开始，华丽度对出招的影响初露锋芒。在初代、2代的时候，华丽度评分更像是《Tony Hawk滑板》那样，鼓励玩家为了更高的评分去实践多样的连招，而不是复读单一强力招数耍赖的一个刻度计。 而在3代，这个先前纯粹的战斗评价系统，除了衡量玩家的技巧和战斗的创意性，开始真正意义上参与游戏的实际战斗了。华丽度评分在3代除了决定小怪爆金币的多少，还决定着某些持续性招式的持续时间。例如但丁的冰狗棍招式Windmill，若要打满10Hits，重要条件之一，就是你的战斗华丽度得在S以上；若是零华丽空发，就算把键盘和手柄按爆了也是发不出10Hits的。  不仅仅是如此，游戏里面还专门加入了一个强奖励机制的华丽度评分设计——武斗神像（Combat Adjudicator）。武斗神像会对玩家的攻击的华丽度进行评分，一旦达到特定的华丽度等级（Style Rank），雕像上的火焰会渐渐点燃来表示，直到雕像被打破，将会奖励玩家一个蓝魔石碎片。在遇到的武斗神像中，《鬼泣 3》Mission 14开始时的雕像是唯一必须被摧毁才能继续前进的，因为它挡在玩家前进的道路上，需要玩家在时空神像改用贝奥武夫破坏。可以理解为一个主线挑战点，这是为了确保玩家刚获得新武器时，一定会去运用感受该武器的技能。它也是所有武斗神像中只需要C等级就能打破的。  综上所述，我有理由相信制作组在3代其实就已经考虑了角色表演型连段的可能性，就是不知道“鬼步”、“连削”、“连踩”、“劈削”、“蒸馏斩”、“十倍弹速”这些招式组合在不在他们的考虑空间内，但至少绝对不是无心插柳柳成荫，毕竟再结合伊津野先前“更加格斗游戏化”的发言，放开玩家连段搓招是必然的方向，PvP你可能还要照顾双方感受，不能一套带走，但都PvE了还需要思考那么多吗？放开束缚让玩家爽就完事了！（但其实3代的难度还真爽不起来，难绷） # 模块化的风格系统才是SAG真正的开始 风格系统则是《鬼泣3》的另一大革新，它源自《鬼泣2》中未被充分挖掘的概念，但在《鬼泣3》中焕发了新的生命力。 风格系统通过功能性归类，为玩家提供了多样化的战斗策略。  每种风格技都会改变但丁的战斗技巧，对战斗产生很大的影响。总共有6种风格，游戏初始风格4种，随着游戏的进程，但丁会学会两种新的风格技。四种初始风格最高等级都是三级，所需升级经验分别是30000和99999。而后两种新风格则无法升级。四种初始风格战斗时所得经验只与怪物的种类有关，即便是在不同的难度下，只要是同一种怪物，那么其经验也是相等的。 骗术师（Trickster）： 主打机动性，通过瞬移、空中冲刺等技能大幅提高灵活度，非常适合躲避攻击和快速接近敌人。其特性使得玩家在面对高机动性的敌人（如维吉尔）时能够轻松调整战斗节奏，是初学者的友好选择。而且这个风格可以跑墙，还有两种跑法：对着墙按风格键（直线往上跑）、跳起靠着墙按风格键（飞檐走壁）。在墙上跑时但丁处于无敌状态，可以通过跑墙来躲V哥的剑阵&amp;次元斩，或者在狭窄的空间上蹿下跳，比如打 Lady的那个环形高楼就很需要这个机动性。  剑圣（Sword Master）： 近战爱好者的首选，每种武器在剑圣模式下都能解锁额外招式，极大地丰富了连击的可能性。比如装备拳套时的真升龙和双刀时发出的真直升机等招式的高爆发输出，使其在对抗大批敌人或单体强敌时表现出色，属于是杂兵战必备。甚至之前采访还有制作组的人说，不知道选什么就用剑圣吧，这个风格战斗最爽。 枪神（Gun Slinger）： 聚焦远程攻击，为枪械增添许多炫酷且实用的特技，如螺旋的反射弹道、月神枪的流星雨等。枪神风格可以让玩家在远距离轻松消耗敌人，同时利用场景与视角创造优势。这个风格是我用的最少的，因为我不太喜欢蓄力射击这种战斗方式，毕竟《鬼泣》系列是个HnS（砍杀动作游戏）。 皇家卫士（Royal Guard）： 主打防守反击。是对玩家操作与时机掌控要求最高的风格，但回报极其丰厚。完美格挡（Just Guard）不仅能反弹敌人攻击，还能积累能量对敌人释放致命反击。RG风格算是最能体现“风险与回报并存”的设计哲学的战斗机制。有人说类似《鬼武者》的一闪，但我没玩过《鬼武者》这里就不做对比了。 水银（Quick Silver）： 游戏中期第12关击败Boss革律翁（马车Geryon）解锁。通过时间减速创造压倒性优势，尤其在面对高机动性敌人时展现出惊人的控场能力。虽然消耗魔力，但对难度较高的Boss战效果显著。 同行者（Doppelganger）： 在第17关击败Boss同行者（Doppelganger）后获得。一种趣味性和策略性并存的风格，召唤一个无敌的影子帮助但丁作战。持有但丁目前的武器，且不随但丁武器的改变而改变。影子的攻击方式取决于玩家操作，如果本体保持武器不变，分身就会做出和本体一样的动作（另外，分身不能使用一些本体技能比如CC技）。如果本体更换了近战武器，那么分身则进入自动攻击状态，会自动选择身边的一个敌人进行攻击。分身处于无敌状态，而且拥有和但丁一样的攻击力。其高度自由的协同作战方式在特定场景中能带来独特的战斗体验。  《鬼泣3》首次在系列中引入这个风格系统，但丁可以从6种风格（初始4种、后续解锁2种）中选择一种开始关卡，或是在任务中的神像处切换。而从《鬼泣4》开始，关卡进行的过程中玩家就可以通过十字键及时切换各种风格，也因此诞生了各种华丽的连招组合。此后系列都保留了但丁及时切换风格的系统，这样最早的3代在风格切换上就稍显僵硬了。 还好2020年的Switch版本《鬼泣3》也像之后的几作一样，通过十字键来实时切换风格，上键对应骗术师，下键对应皇家卫士，左键对应枪神，右键则是剑圣。另外，由于《鬼泣3》还有额外的两种风格，这次的解决办法是，在玩家解锁风格后，可以通过快速双击十字键左和右来切换。有时候出的晚就是好啊。  现在很多玩家考古HD合集的3代都觉得很可惜，为什么当时就不能4个风格即时切换呢？不少人怀疑这或许是因为PS2的机能限制导致。 即时切换四种风格意味着游戏需要在每次风格切换时，立即加载并切换所有相关的动画、技能、特效、碰撞检测等，这会对PS2的处理能力和内存带来很大的压力，可能导致游戏卡顿或影响流畅度。 除了可能的硬件限制外，在我看来这个更像是设计师有意而为之。因为《鬼泣3》的神像放置基本上都在关键战斗前，单就这点就能看出设计师很好地预判了玩家会在哪里反复仰卧起坐，于是就在那些地方的存档点门口放上了一个时空神像，方便玩家换个策略打BOSS，或者进行下一段战斗。很明显，他们是考虑到了的。 但渣3原版爬塔血宫就只能一个风格打到头，这在我看来非常应该加一个每过一定层数，出现个神像允许玩家切风格和武器的规则。不然全程单风格打下去心累的很。 而设计师选择单风格的原因呢，难道是自缚手脚恶心玩家吗？ 实际上并不是，在《鬼泣3》中，每个风格代表了不同的战斗方式和战略要求，而限制为单个风格的切换可能是为了让玩家更专注于选择自身拿手的战斗风格和合适的战术规划还有及时战斗当下，避免战斗决策过于复杂导致玩家频繁切换而分散注意力。这个问题在Switch的Freesytle版本就暴露的很大，打杂兵战点有时候手忙脚乱根本切不过来。 设计师可能希望玩家在每次切换风格时需要做出更多的策略性决策，而不是单纯依靠多风格的自由切换来应对战斗，这种设计也让玩家在战斗中感受到更多的挑战和策略深度。 原版《鬼泣3》的设计核心就在于鼓励玩家尝试不同的组合策略，面对不同关卡和敌人，玩家需要在武器库中精心挑选，同时选择合适的风格（例如以敏捷为主的“Trickster”或注重远程输出的“Gunslinger”）来应对挑战。5选2个热武器，5选2冷兵器，6选1个风格，总共有600种不同的搭配方式，这种富有高度风格化的策略性玩法让《鬼泣3》使得玩家在不断摸索中找到属于自己专属的战斗节奏，很具备重复游玩价值，从这方面来看，是不是和街机上的那些动作游戏有异曲同工之妙？都是通过用不断地反复挑战来支撑着玩家一路玩下去，某种意义上，《鬼泣3》算是非常符合神谷英树心中的动作游戏了，也难怪他对本作有着高度评价。     一个外国DMC3玩家展示他的风格战绩，不知道大家最喜欢用哪一个风格呢？请在评论区分享你和风格系统之间的点点滴滴吧！ 因为从这代开始，CAPCOM开始搞Special Edition，本着致敬原作的敬意，所以本期【重走SAG之路】我们只聊渣3的动作系统和2代的角色碎片风格系统，下一期SE版我们会聊渣3来自初代老大哥的角色碎片：箱庭式关卡设计和与玩家角色系统强绑定的敌人设计（武器系统部分）。就这样，我们下次再见！

在 OpenAI o1 正式版发布 10 天后，Kimi 的「高阶推理模型」也落地了。 12 月 16 日，Kimi 直接发布了自己的「视觉思考模型」k1。相比于一个月前发布的 k0-math，k1 支持端到端的图像理解和思维链（CoT），不仅推理能力进一步提升，还可以识别几何图形、图表等图像信息。 增强推理之后，大模型会获得更严密的逻辑思考能力，在基础科学领域的能力表现大幅提升。如果说过去的大语言模型相对更接近「文科生」，那么现在，它学会了「数理化」。 发布模型的同时，月之暗面宣布，Kimi k1 在多项基础学科的基准能力测试中表现优异，超越了 Open AI o1、GPT-4o，及 Claude 3.5 Sonnet。  学会「数理化」，意味着 Kimi 的能力得到了扩增。但更重要的是，高质量「思维链」的出现，将彻底改变大模型的思维深度，让它具备「自主探索答案和反思」的能力。 学会「自主探索和反思」，或许就是 AI 扩宽人类知识边界的关键所在。   # 01 学会「数理化」的大模型   今年夏天，就有媒体利用高考试卷，测试了大模型的「知识水平」。 得到的结果相当惊人，不少大模型的测试成绩，都达到了「一本线」的水平，但仅限「文科」。大模型最擅长的学科是语文、英语，以及政治历史，这几门课基本都可以拿到 80 分以上，英语更是可以接近满分。但数理化三科，大部分模型都无法及格。包括文综三科里，比较注重逻辑判断的地理，大模型的表现也欠佳。 这里最大的原因在于，大模型缺少「推理」能力，去对输出的内容进行「收敛」。面对那些较为开放，没有唯一标准答案的主观题，大模型往往能引经据典，给出丰富的回答，组织语句的能力也较强——这都是语言模型的「老本行」。但面对那些理科的客观题，只有唯一标准答案的时候，大模型就较难命中靶心。 所以，想要衡量下一代「高阶推理模型」的能力高低，很大程度上，就是要看它的理科成绩如何。 此次 Kimi k1 发布，月之暗面公布的第一项基准测试，就是「数理化」三门学科的能力测试。根据测试结果，k1 大幅领先于 GPT-4o。而 4o 曾是今年夏天在高考测试中表现相对最好的大模型。同时，k1 相比 OpenAI 最先进的高阶推理模型 o1，也存在一定优势。 不只是中学水平的数理化，Kimi k1 对于更高阶的问题也具备相当强的解析能力，比如奥赛数学。我们尝试输入了一道主要面向高校的数学奥赛题目给 Kimi，它也顺利完成了推理解答，并得到了正确答案。 如果说，此前通用大模型 AI 的知识水平大概处于「高考一本线」左右，那具备高阶推理能力的 k1，在一些领域则至少来到了研究生，甚至博士级的水平。  在应用层面，k1 具备两个重要特点，第一是对视觉内容的「端到端」支持，用户只需要输入问题截图、拍照，甚至是手写的题目，Kimi 都能够识别出原题，并进行推理解答。即便画面里有噪声，不够清晰，也没有问题。特别是针对那些有图示的几何题、应用题，Kimi k1 能够结合图示来理解题意，这是过去的大模型很难做到的。 其次，则在于 Kimi 具备「思维链」技术，让用户看到的不只是答题结果，而是能看到模型思考和推演答案的全过程。 到这里，看起来 k1 最主要的应用价值是教育，能成为学生和家长的「辅导助手」，但事情远没有这么简单。   # 02 会「一步步思考」的 AI   当我们尝试用 Kimi k1 来解答一系列中学数理化问题，会发现明显的特征是，k1 的思考过程非常细，甚至有时候会有点「太细了」。 它会把一个问题分析、拆解到最底层，产生结论之后，还会主动从其他角度进行二次思考，来验证自己之前的想法是否正确，如果发现矛盾，就会进行进一步的反思。 思维链究竟应该细化到何种程度，目前还没有一个全行业共识的答案。但可以肯定的是，大模型的思维链能力可以启发人类做事的思路。这是许多行业的专业人士在使用推理模型后，最常发出的感慨。 目前这一代「高阶推理模型」所具备的思维能力，率先在数理化解题、专业知识解读等场景下，得到了最明确的体现。而这种推理能力更深层的意义，在于「反思」。 「反思」能力的出现，通过思维链技术，能让大模型输出的内容变得更有逻辑，更可控且灵活。 当下大模型应用场景里，明显存在的一个矛盾是：当我们提出一个问题，如果我们自己不知道答案，我们就依然无法判断大模型给出的答案是否正确。 但如果大模型能给出自己的逻辑思维过程，我们就可以参考这个过程，来判断答案的合理与否。所以当下包括 Kimi k1 在内的模型，一个最好用的 prompt 就是「一步步分析」，这样经过专门训练的大模型就能给出更详细的思考过程，供用户进行参考评估。  这有助于消除大模型的「幻觉」问题。就是说，大模型可以自己对自己的拟合结果进行反思，尝试把那些可能错误的内容剔除出去。即便生成结果中包含一些可疑的、不确定的部分，用户也更容易从 AI 的思考过程中发现这些内容，进行二次审核确认。这对 AI 的安全性、可靠性，也会是一个积极提升。特别是对专业领域的用户来说，这一点将非常有意义。 通过「思维链」，Kimi k1 不仅能进行更复杂的思考，对输出结果进行收敛，还能输出更有逻辑的结果，弥合与用户之间的认知鸿沟。   # 03 用「反思」突破人类知识边界   高阶推理能力、思维链、端到端的视觉输入……大模型 AI 正在经历一轮新的颠覆性改变。Kimi 再次占据了优势身位。 过去大模型所采取的，泛意义上的机器学习思路，更多是基于数据进行「拟合」，也就是模仿。上一代语言模型主要模仿的，就是人类说话、写字的方式。因为 AI 的学习效率很高，通过整合大量的知识数据，就能输出很好的结果。 但这依然注定了，这样的模型只能无限接近人类的水平，而很难超越人类已知的知识范畴，无法产生新的知识。 这也是为什么过去很多人觉得，大模型应用有点像是「什么都懂一点的大学生」，但在任何一个垂直领域都不够深入，无法给出更有价值的独到洞见。 但「反思」能力的出现，则意味着，AI 大模型未来可能可以通过自我的对抗强化学习，产生新的知识，真正超越人类现有的知识边界。 这件事早有成功范例。比如 AlphaGo，就是利用强化学习的方法，基于人类围棋棋手的棋谱，发散出了更多，远超人类棋手所知的策略。之后的 AlphaZero，则是在完全没有输入任何棋谱数据的前提下，只是输入规则，完全通过自我的对抗强化训练，产生了超越人类的智能。 在 Kimi k1 的功能演示中，月之暗面特意输入了一些古代科学家的手稿，这些手稿在今天看起来无比模糊，普通人几乎不可能理解其含义，但 Kimi 也能够通过思考，发掘出很多画面上没有的背景信息。  此前曾有一种观点认为：当下人类知识的总量已经太大，人类作为个体，光是学习一个领域的知识，就已经要耗费大量时间，终其一生，可能也很难达到「知识圈」的边界，所以很难像过去的群星闪耀的科学时代一样，不断有惊世骇俗的研究成果出来。甚至有人认为，人类知识的总和，最终会是有限的。 而现在，具备深度思考能力，学习效率超高且具备无穷寿命的 AI，或许正在开创知识和智能的新维度。