过去半年，「AI 语音」赛道正密集地获得融资。尤其引人注目的是，这些融资多为大额，并且投向早期团队。 比如，前不久 AI 语音应用 Wispr Flow 靠「默念输入」，完成了 3000 万美元的 A 轮融资，累计融资额已达 5600 万美元；语音模型公司 Cartesia 在 3 月份完成了 6400 万美元的 A 轮融资，累计融资 9100 万美元；AI 语音合成公司 **ElevenLabs 更是在 1 月份宣布完成 1.8 亿美元的 C 轮融资，估值超过 30 亿美元**。 与此同时，无论是 Meta、OpenAI、Google 等科技巨头，还是 MiniMax 等创业公司，都在密集发布自己的语音模型或语音产品。Siri 也被曝出或将被 ChatGPT 或 Claude 等模型接管，来跟上语音交互的进展。 这些消息无一例外都指向了 AI 语音的火爆。 为什么过去半年多以来，AI 语音领域会如此集中地爆发？ 声智副总裁黄赟贺认为，语音对话从一个 App 中的功能模块，迅速进化为 AI 时代入口级别的存在，与大模型的加持有极大关系。 在智能音箱红极一时的年代，大部分我们熟知的智能音箱品牌都搭载了声智的远场声学交互技术，比如小爱同学、天猫精灵、小度音箱等等**。而「小爱小爱」的唤醒词，实际上也是来自于****声智****。** 这家公司创办于 2016 年，一直在声学+ AI 交叉领域探索。然而，作为一家在幕后提供 AI 声学技术的公司，在大模型浪潮来临之后，果断选择下场投身开发自己的 C 端产品。毫无疑问，他们看到了这波「大模型+语音」浪潮里新的商业机会，**其旗下的 AI 耳机目前出货量已接近 100 万套**。 **前不久，****极客公园****与声智****副总裁****黄赟贺聊了聊****AI****语音市场的爆发逻辑、语音交互的「卡点」，以及它将如何影响我们的未来。**   **以下内容根据黄赟贺的讲述和声智的论文整理而成：**  _AI 语音的想象力，已经远在 Siri 之上｜图片来源：网络_ ###   ### **AI**** 语音****为何现在爆发了？** 最近两年，越来越多的 AI 语音初创团队获得大额融资，集中爆发。 其中，一个很重要的推动因素是，**大模型让声音这项基础能力首次实现了「可编程化」**。 「可编程化」这个词，意味着将一种能力或者一个对象，通过清晰的接口和逻辑，变得可以被代码自由地调用、组合、修改和控制。过去，文字是可编程的，图像是可编程的，甚至视频也是可编程的（比如视频编辑软件）。 但声音更多的是一种「输入」或「输出」的介质，其内部的复杂结构和信息，很难被软件直接「编程」和「理解」。 传统的语音识别，更多是把声音转换成文字，然后对文字进行处理。 比如，之前在深圳、成都有很多做声音标注的团队，拿到语音之后，再人工转换成文字，打上不同的标签，比如各种特征、意向的标签。 大模型来了之后，打标签的这项工作可以交给大模型，它比大量的人工团队标得快和准。 以前做 NLP 的背后都是一堆苦逼的运营在那里打标签，让 AI 系统能够识别每个句子的意向。过去，语音的开发，每增加一个功能，都需要从头写代码，费时费力。比如，想让智能音箱支持「点外卖」，得单独开发一套语音识别和语义逻辑，成本高、周期长。 而现在 AI 大模型可以解决了。 更重要的，依靠大模型对多模态数据的深度理解能力，对声学信号的更细致解析，使得**声音本身携带的除了文字信息之外的更多信息，开始被 AI 系统直接捕捉、理解和「编程」。** 这种可编程化，意味着 AI 可以像处理数据一样处理声音。它可以分析声音的频率、振幅、波形，提取出情绪特征、识别不同的声源、声源距离、甚至预测你的意图。 **这时，声音包含的不再仅仅是「你说了什么」，更是「你如何说」、「你在哪里说」、「谁在说」以及「你说了之后希望发生什么」。** 由此，声音也成为了真正的交互引擎。   ### **真正的语音交互，不是「Voice」而是「Sound」** 其实，很多人以为，语音交互就是「Voice」（语音）。但其实 Voice 这个词是一个狭窄概念。真正的语音交互，核心不是「Voice」，而是「Sound」（声音）。Sound 里面包含了 Voice。 具体来说，「Sound」包含了更丰富的元素：语调、音色、节奏、情绪，更重要的是环境音。环境音里面可能包含了环境中的各种非语音信息，**比如背景音乐、环境噪音（风声、雨声、车声）、物体发出的声音（开门声、打字声）、以及人类语音中包含的非语义信息（语调、语速、音色、语气词、叹息声、笑声、哭声等）。** 比如说，你咳嗽的时候，跟 AI 说话，它可能会识别出咳嗽，然后跟你说多喝水；比如，你在咖啡馆说，「帮我找个安静的地方」，AI 不仅要理解你的指令，还要从背景音中判断出你当前的环境嘈杂，从而推荐附近的图书馆。 当我说「下一代对话交互的入口并非『Voice』，而是『Sound』」时，**我指的是 AI 系统将不再仅仅依赖于识别你说的「词」，而是能够全面感知和理解你所处环境的「声学场景」中的所有关键元素。** 只有当 AI 能够全面感知并解析「Sound」中包含的这些多维度信息时，它才能真正理解用户的深层需求，提供更精准、更个性化、更富有情感的交互。这才是真正的「语音交互」，它不仅仅是「听懂」字面意思，更是「听懂」你的「言外之意」和「心声」。   ### **语音交互的「卡点」，大厂烧钱也没用** 尽管大模型带来了语音交互的巨大飞跃，但语音交互当下依然存在一个核心的「卡点」，而这个卡点根植于物理学，具体来说，就是声学。 我们常说「听清、听懂、会说」。「听懂」和「会说」的能力，正在被大模型以前所未有的速度提升。**但「听清」这个最基础的环节，却受到物理层面的制约。**如果 AI 听不清你的指令，即便它能「听懂」再复杂的语义，能「会说」再动听的话语，那也都是空中楼阁。 比如说当下最热门的具身智能，现在很多机器人都是电驱动的，那么它带来几个大问题，一方面是电路的噪声本身就很大，另一方面是关节噪声，还有就是很多机器人是金属材质，厚厚的，声音在穿透时会大幅衰减。 所以，机器人动起来的时候，噪声很大，尤其在室外，更难听清楚人的指令。要么大声喊，或者拿麦克风喊。因此，现在很多机器人都要靠遥控器来控制。  _当下最先进的具身智能机器人仍然依赖于遥控器来操控｜图片来源：网络_ 这方面，其实就需要对声学层面的突破，比如说环境噪声的抑制，比如电路底噪的抑制，**还有啸叫的抑制、混响回响的抑制等等。** 而这些就是物理学科的逻辑，它需要数据样本，需要 know how 的壁垒，不仅是技术问题，而是时间的问题，需要时间去采集声音、做训练。 这不是烧钱能解决的。 让 AI 准确地「听清」用户的指令，依然是一个世界级的难题。而声学相关的人才很少，所以像谷歌、微软、苹果经常会收购声学技术的初创公司，几乎只要出来一家就会收购他们。 大家都明白，要构建真正的下一代人机交互系统，拥有核心的声学能力是基石。   ### **语音交互的下一站，是实现「共情」** 现在很多 AI 应用的日活、留存不高，**有个很大的原因就是普通人本身是不会提问的，让人向大模型提问，这本身就是一个非常高的交互门槛。** 好的提问还需要学识、表达等基础，所以停留在文字层面的问答，本身就是一种门槛限制。 而语音带来的一种可能性是，它正在开启一个全新的阶段——人机交互的「共情模式」。 如果把语音交互比作一个「UI 界面」，那这个界面会长什么样？我们可以做个推演，它的构成要素可能会有： <blockquote> <ul> <li> <p>情绪识别：AI 通过分析语调、音量、语速，判断用户的情感状态。比如，你的声音颤抖，AI 可能推测你在紧张或伤心。</p> </li> <li> <p>意图理解：不仅听懂你说了什么，还要明白你想做什么。比如，你说「播放音乐」，AI 会根据你的情绪，决定是放摇滚还是古典。</p> </li> <li> <p>声纹识别：通过独一无二的音声波特征，区分不同用户。比如，家里的智能音箱能自动切换到「孩子模式」模式，只为孩子的声音提供安全的回应。</p> </li> <li> <p>情绪生成：AI 的回应需要带有情感化的表达。比如，用温暖的语气说「别担心，我来帮你解决」，而不是机械的「好的，正在处理」。</p> </li> </ul> </blockquote> **这些要素的背后，是 AI 从「功能导向」到「情感导向」的转变，AI 会与人实现共情。**这种交互，能显著提升长时间交互的质量和亲密感。 不仅如此，从狭义的「Voice」拓展到广义的「Sound」，当 AI 能接收到的不仅仅是用户的指令，而是整个物理世界的实时反馈时，我们可以去构建一个「声学世界模型」。 这个「声学世界模型」可以理解声音在物理世界中产生、传播和交互的根本规律，它不仅要「听清」和「听懂」，更要具备「声学常识」和「声学推理」的能力：**它能从一声闷响中分辨出是书本落地还是箱子倒塌；能通过回声判断出房间的大小与空旷程度；更能理解「脚步声由远及近」背后所蕴含的物理运动逻辑。** 未来，当这样一个声学世界模型与视觉、语言大模型深度融合时，具身智能机器人将不再「失聪」和冰冷。这也是我们正在做的。    

代工没有灵魂。

微软确认年内新一轮裁员计划，预计将影响约 9000 个工作岗位，占其全球员工总数的 4%。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1629476) ·[查看评论](https://www.ifanr.com/1629476#comments) ·[新浪微博](https://weibo.com/ifanr)

吃饭的最高境界始终都是“人间有味是清欢”。

<blockquote><p>你的简历，是在讲故事，还是在被算法无情跳过？2025年，产品经理想要脱颖而出，必须掌握一套能“自我造血”的简历写作逻辑。本文将拆解3大核心公式，帮你构建真正有说服力、有温度、有策略的简历内容，让AI看得懂，HR记得住，机会自然来得快。</p> </blockquote>  此刻，某大厂简历池正以**每秒487份的速度**涌入AI熔炉——你精心打磨的项目经历，正在被Embedding向量拆解成0。67维的特征碎片，而**83%的简历在11。4秒内被判“器官衰竭”**（数据来源：《LinkedIn 2025全球人才算法报告》）。 **这份简历指南，没有千篇一律的套话，只有让你在简历堆里闪闪发光的硬核方法。简历困境真实场景再现：** - 你精心设计的简历石沉大海，连感谢邮件都没收到 - 面试官盯着简历问：“这个项目成果具体怎么衡量的？” - 收到拒信后自我怀疑：“我明明写了五年经验，为什么输给工作三年的？” ## 一、项目经验：简历的黄金骨架 ### (1) 项目选择的钻石法则 **相关性即王道** 招聘经理平均仅用7秒扫描简历，必须让匹配度一目了然。应聘短视频平台？优先展示算法推荐优化项目；求职B端SaaS产品？突出企业服务系统重构案例。 **质量大于数量** 简历不是项目清单，三个深度项目远胜十个蜻蜓点水： - 优选完整生命周期项目（从需求挖掘到上线迭代） - 突出复杂业务场景项目（跨部门协作/资源紧缺） - 选择体现核心能力的项目（用户洞察/商业决策） 避坑提示：避免罗列日常维护类项目（如按钮改版），除非能证明巨大商业价值 ### (2) STAR法则的实战变形计 **情境（Situation）要带坐标轴** 错误示范：“优化电商购物流程” 高光写法：“2024年某跨境电商APP（DAU 500万），购物车放弃率长期维持在68%” **任务（Task）需明确角色边界** 错误示范：“负责支付功能重构” 精准定位：“作为唯一产品负责人，主导支付成功率提升项目，协调风控/研发/运营10人团队” **行动（Action）展现代码级细节** 普通描述：“设计优惠券发放方案” 专业解法： ▶️ 通过用户分群实验（高价值/流失/新客）确定差异化策略 ▶️ 采用动态门槛机制（客单价x120%+时段浮动）提升GMV ▶️ 建立实时监控看板（使用率/核销率/ROI） **成果（Result）构建三维证据链** ### (3) 项目描述的视觉革命 **信息密度控制技巧** 每项目不超过5行，关键数据用**加粗**标注： <blockquote><p>“通过<strong>用户旅程地图分析</strong>发现下单阻塞点，<strong>重构结算三步流程</strong>为一步（开发量28人日），推动<strong>移动端支付成功率从81%→89%</strong>，年增收<strong>超900万元</strong>”</p></blockquote> **技术栈精准投放** 在金融项目写“Flink实时风控建模”，在AI产品写“A/B测试分流算法”。切忌堆砌无关技术名词。 ## 二、数据量化：简历的钛合金铠甲 ### (1) 数据缺失的三大死穴 **模糊表述自曝其短** “显著提升用户活跃度” → HR眼中的潜台词：不懂数据/成果平庸 **错位指标暴露短板** 在DAU暴跌时强调UI改版满意度 → 证明商业敏感度缺失 **虚报数据自毁长城** 夸大10倍GMV增长 → 背调时直接进入黑名单 ### (2) 量化公式全景图 **用户增长类** 用户留存价值 = （第7日留存率 × 客单价） / CAC 示例：通过新手任务改版，次月留存提升17%，单用户LTV增加35元 **商业变现类** 功能ROI = （功能产生收益 – 开发成本） / 开发成本 × 100% 案例：会员体系改版投入45万，6个月创收210万，ROI达367% **效率提升类** 人效提升率 = （旧流程耗时 – 新流程耗时） / 旧流程耗时 × 100% 实证：订单审核系统升级后，单笔处理时间从25min→8min，释放30%运营人力 ### (3) 数据镀金术 **基准线法则** 不要说“DAU增长50万”，而说“在行业平均增速12%背景下，实现45%超速增长” **概率加持法** “通过埋点分析发现有30%概率（置信度95%）提升转化，上线后验证增长18%” **工具组合拳** - 行为分析：Mixpanel热力图证实按钮点击提升3倍 - 效果评估：Google Optimize实验胜出概率92% 归因模型：Shapley值法确认功能贡献率 ## 三、技能体系：简历的碳纤维内核 ### （1）能力模型的降维打击——从“我会什么”到“我能解决什么” **基础能力分层：用细节撕开同质化** 错误案例：需求分析｜原型设计｜项目管理（等同于“会呼吸”） 高价值表达： <blockquote><p>｜─ 需求洞察系统<br/> ├─ 用户行为归因：通过热力图+埋点分析，定位某功能使用断层（日活用户仅12%触发）</p> <p>├─ 需求验证：采用RICE模型（覆盖度/影响力/信心/成本）过滤无效需求，节省研发资源35%</p> <p>｜─ 复杂项目管理</p> <p>├─ 资源博弈：在零预算条件下，推动跨部门协作（研发/市场/法务），上线合规功能模块</p> <p>├─ 风险预判：建立上线前Checklist（含7类23项风险因子），重大事故率归零</p></blockquote> **商业能力层：让CEO看到你的财报价值** 初级写法：数据分析｜商业敏感度 战略级案例： ▶️ 构建用户LTV模型，筛选出“客单价&amp;Gt；500元且复购周期&amp;Lt；30天”的核心用户群，推动精准运营策略，ARPU提升41% ▶️ 用边际成本公式（MC=ΔTC/ΔQ）论证功能下线必要性，年省服务器成本1200万 ▶️ 设计动态定价策略（基于供需弹性测试），推动某 SaaS 产品客单价上涨18%，无损客户流失率 ### （2）技术理解的穿透力——比开发更懂业务痛点 **第一层：接口级实战力** 错误认知：“技术细节是研发的领域” 高光案例： “在API设计阶段提出**错误码分级方案**（如4001=账户异常，4002=风控拦截），使客户端异常处理效率提升65%，客诉量下降38%” **第二层：数据基建话语权** 简历毒药：“熟练使用SQL” 深度表达： ▶️ 通过Hive查询10亿级日志，定位某功能凌晨时段崩溃率异常（峰值达7%），推动热修复方案上线 ▶️ 用Python清洗2000万条订单数据，构建用户流失预警模型（准确率92%），驱动挽回策略制定 ### (3) 工具库的军火革命——每个软件都是核弹头 **普通PM的死亡写法** Axure｜Xmind｜SQL｜Python（如同写“会用筷子吃饭”） **场景化武器展示** 正确姿势： ▶️ 用**SQL**提取千万级用户分群数据（7天留存分析） ▶️ 通过**Amplitude**定位功能使用断点（转化漏斗优化） ▶️ **Figma组件库**提升设计协同效率（版本迭代提速40%） ### (4) 认知维度的升维表达 **方法论专利化** 错误案例：“总结工作心得” 高维案例： “沉淀《B端需求四维雷达图》（商业价值×用户价值×实施成本×战略权重），被纳入集团产品经理培训体系，需求采纳率提升60%” **行业政策预判力** 深度案例： ▶️ 教育行业：提前6个月预判素质教育合规化趋势，推动AI口语陪练功能过审 ▶️ 跨境电商：基于欧盟增值税新政解读，重构订单计税模块，避免损失1。3亿 ▶️ 金融科技：依据《个人信息保护法》要求，设计数据脱敏方案，通过央行验收 ## 四、结语 当简历不再是你和机会之间的障碍，而是展示专业深度的舞台，面试邀请将成为必然。**优秀的产品经理永远用解决方案说话，而你的简历正是第一个需要被精心设计的产品。行业数据显示：采用数据量化+场景化技能表达的简历，面试转化率提升240%。**2025年Q1求职市场分析表明，具备行业认知深度的候选人，薪资溢价达34%。 此刻打开你的简历，用红笔圈出所有模糊表述——这是蜕变的开始。**量化你的价值，精炼你的表达，让每个方块字都成为职业跃迁的燃料。** 本文由 @LikiChen 原创发布于人人都是产品经理，未经作者许可，禁止转载。 题图来自Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>在看似随意的选择背后，藏着决策路径、心理预期与产品体验的深层机制。作为产品经理，我们该如何从生活场景中提炼洞察，识别用户的真实动机，避开那些看似合理却误导方向的“决策陷阱”？本文将以一顿火锅为起点，带你走进用户行为背后的认知迷宫，展开一场别开生面的产品思维训练。</p> </blockquote>  ## 一、前言 作为一名产品经理，我习惯用产品思维解构生活中的各种现象。今天在吃串串火锅时，一个看似平常的”拿菜-剩菜”循环，却引发了我对用户行为、决策机制和产品设计的深度思考。 红油在铜锅里咕嘟冒泡时，我盯着冷柜里的串串第 N 次起誓：“这次绝不能剩菜。” 香菜牛肉泛着油光，郡肝片薄如蝉翼，糖霜裹着的藕片闪着光，每根竹签都在勾我的指尖。上周剩菜的愧疚还没消，手已攥住第三串鱼豆腐。 头回拿菜倒像个自律标兵，左手空盘，右手精挑，每三串就数一遍，最终选了二十根，暗忖 “七分饱正好”。芝麻酱拌蒜泥刚调好，第一口毛肚裹着红油下肚，大脑立刻喊 “再来点”。理智念叨 “上周鹌鹑蛋臭了多可惜”，可胃里的空落像猫爪挠得人坐不住。 第二次去冷柜的脚步轻快不少。“只拿五串” 的念头刚冒，手已抓了把海带结。回座才发现多了十五串。第七串牛肉咽下时，饱腹感骤如潮水涌来，望着碗里八串郡肝和半盘土豆片，仿佛看见上周对着剩菜叹气的自己在摇头。 观察自己的拿菜过程，完美印证了卡尼曼的双系统理论：  在产品设计中，我们需要意识到：用户大部分时间处于系统1主导状态。就像我在火锅店，理性计划总在诱惑面前溃败。 现实中，这类场景非常眼熟：购物时说只买刚需，结算却多了三件 “凑满减”；睡前说再刷十分钟手机，放下时天已泛白；年初立志读 50 本书，年底新书还裹着塑封。我们总预设完美路线，却在第一个岔口拐回老路。 串串冷柜前的挣扎，是原始生存本能与现代规则的碰撞。古人见野果必多采，因不知下次饱腹何时；如今超市 24 小时营业，大脑却还停在 “多囤才安全” 的模式。这种错配，在火锅店是剩几串菜，在会议室可能是接下完不成的任务，在书桌前或许是定了执行不了的计划。 更有意思的是，我们对重复犯错总宽容又无奈。走出火锅店扔剩串时，我安慰自己 “下次注意”，这就像给伤口贴创可贴，止不了根。神经科学家说，首犯时大脑会亮警示灯，重复三次后，相关区域活跃度降 40%，像报警器对噪音麻木 —— 难怪上周的教训拦不住今天多拿的串串。 手机备忘录新记：“剩七串郡肝，非因贪婪，是大脑没学会在富足中克制。” 成长从不是不犯错，而是懂了错的缘由，慢慢走出循环的怪圈。 ## 二、现象解构：重复失误的日常缩影 ### 2.1 生活中相似的 “拿菜困境” 串串店里的这场溃败，其实是生活中无数重复失误的缩影。打开手机购物软件时，我们总会经历类似的心理历程：先在搜索栏输入 “洗发水”，想着 “家里的快用完了，买一瓶就行”；滑动页面时，突然看到 “买二送一” 的弹窗，联想到 “反正迟早要用”，购物车瞬间多了三瓶；结算前又瞥见 “满 200 减 30” 的提示，顺手加了两盒面膜，最终比原计划多花了 186 元。收快递时拆箱的愉悦感，往往在看到信用卡账单时烟消云散 —— 就像扔掉没吃完的串串时，那种短暂的满足感被愧疚取代。 时间管理上的 “拿菜困境” 更具隐蔽性。睡前刷短视频时，我们常对自己说 “再看十分钟就睡”，手指却不停上滑；凌晨两点放下手机时，暗自发誓 “明天一定早睡”，第二天晚上又重蹈覆辙。这种循环背后，藏着与拿串串时相同的心理机制：即时满足感像冷柜里的牛肉串，总在诱惑我们突破原定计划。美国睡眠协会的调查显示，76% 的人存在 “明知熬夜有害却反复为之” 的情况，这与火锅店食客 “明知会剩却多拿” 的比例惊人地相似。 职场中的 “过量拿取” 则更难察觉。季度会议上，领导分配任务时，我们明明知道手头已有三个项目，却在 “这个任务好像不难”“拒绝会不会显得能力不足” 的犹豫中，点头接下了第四个。截止日期前加班赶工的夜晚，就像吃撑后胃疼的凌晨，身体承受着决策失误的代价。这种 “过度承诺” 与拿串串时的 “过度拿取” 本质相同：都是在资源（食材 / 时间）充足的环境中，高估了自身的承载能力。 学习计划的制定也常陷入类似的怪圈。年初写下 “每周读两本书” 的目标时，信心堪比第一次拿串串时的决心；到了周末，却总被 “今天太累了，明天再读” 的念头说服。年底整理书架时，那些崭新的书脊上落着薄薄的灰尘，就像火锅店里没吃完的串串，无声地诉说着计划与执行的鸿沟。心理学家将这种现象称为 “计划谬误”—— 人们在预估未来行为时，总会高估自己的执行力，低估环境的干扰力，就像拿串串时，我们总觉得 “自己能吃更多”，却忘了美味当前会失去理性判断。 ### 2.2 重复失误的隐性代价 扔掉没吃完的串串时，我们看得见的损失是那几十块钱和几串食材，但重复失误的真正代价，往往藏在看不见的地方。生物学家做过一个有趣的实验：让老鼠在 “少量即时食物” 和 “大量延迟食物” 中做选择，重复选择即时食物的老鼠，三个月后海马体体积比对照组小了 12%—— 这意味着，持续的短视决策会损伤大脑的记忆与决策中枢。人类虽然不会像老鼠那样被直接观测，但每次重复犯错，其实都在弱化大脑的自我约束机制。 时间维度上的损耗更触目惊心。一个总是在睡前刷手机的人，一年累计损失的睡眠时间约 450 小时，相当于少了 18 个完整的工作日；一个频繁在购物时超支的人，每月为 “非计划消费” 多花的时间成本（比价、退货、处理闲置）平均达 8 小时。这些碎片化的损失就像火锅店剩下的串串，单独看微不足道，积累起来却足以改变生活走向。 更隐蔽的代价是对自我效能感的侵蚀。心理学中的 “自我效能感” 指的是对自身能力的信任程度，就像给气球充气的过程，每次成功完成计划都会增加气压，而每次重复犯错则会缓慢放气。一个总是在截止日期前赶工的员工，慢慢会怀疑自己的时间管理能力；一个屡次打破 “早睡” 誓言的人，最终会对 “改变” 失去信心。这种隐性的心理损耗，比物质损失更难弥补 —— 就像长期吃撑的人会失去对饱腹感的感知，频繁犯错的人也会逐渐丧失对 “正确决策” 的判断能力。 社会层面，重复失误的代价会以更复杂的形式呈现。企业里，因 “过度承诺客户” 导致的返工成本，平均占项目总预算的 17%；学校中，因 “拖延症” 错过学习时机的学生，补救时需要付出原本 2。3 倍的努力。这些数据背后，是无数个 “拿多了串串” 的个体决策，在集体层面产生的蝴蝶效应。 当我们在火锅店对剩下的菜品感到惋惜时，或许该意识到：这不仅是几串菜的浪费，更是一次大脑发出的警示 —— 那些看似无伤大雅的重复失误，正在悄悄重塑我们的行为模式，而模式一旦固化，就会像冷柜里的竹签，串起生活中一串又一串相似的遗憾。 ## 三、科学溯源：重复犯错背后的深层机制 ### 3.1 进化残留的生存本能与现代社会的冲突 原始社会的生存环境塑造了人类独特的行为模式，这些模式在当时是生存的法宝，却在物质极大丰富的现代社会成为重复犯错的诱因。在食物匮乏的年代，人类必须尽可能多地获取食物，因为下一次进食的时间充满不确定性。这种 “囤积本能” 深深烙印在我们的基因里，当面对串串冷柜里琳琅满目的食材时，基因里的声音会催促我们 “多拿点，别错过”，即使我们清楚自己根本吃不完。 这种进化残留的本能在面对资源时表现得尤为明显。就像原始人看到水源会尽可能多地储存，现代人在购物时看到打折商品也会忍不住囤积，哪怕这些商品并非当下所需。研究发现，这种囤积行为与大脑中的海马体密切相关，海马体负责记忆和空间定位，在原始社会帮助人类记住食物和水源的位置，而在现代社会，它会让我们对 “可能有用” 的东西产生强烈的占有欲，从而导致过度消费、过度获取等重复错误。 此外，原始社会的 “即时回报” 机制也影响着我们的现代决策。原始人付出劳动后能立刻获得食物回报，这种即时反馈强化了他们的行为。而现代社会很多目标需要长期努力才能实现，比如学习一项技能、完成一个长期项目，这种延迟回报与原始本能产生冲突，导致我们容易在过程中放弃，或者采取短视的行为，进而重复犯错。 ### 3.2 社会文化环境对重复犯错的影响 社会文化环境在无形中也推动着重复犯错的发生。现代社会充斥着各种消费主义的宣传，广告不断向我们传递 “拥有更多才幸福”“及时行乐” 的观念，这些观念与我们基因里的囤积本能和即时满足倾向相呼应，让我们在购物、饮食等方面更容易失去控制。 比如在餐饮行业，“自助餐”“无限续杯” 等模式的盛行，利用了人们 “想赚回成本” 的心理，诱导我们过度进食。串串火锅的经营模式也是如此，丰富的菜品、低廉的单价，让我们在拿菜时更容易忽视自己的实际需求，从而陷入 “拿多吃少” 的循环。 另外，社会节奏的加快也让人们更容易做出冲动决策。在快节奏的生活中，我们没有足够的时间去深思熟虑，往往依赖直觉和习惯行事，而这些直觉和习惯可能正是导致重复犯错的原因。比如在工作中，为了赶进度，我们可能会采用过去用过但效果不佳的方法，而不是花时间寻找更优的解决方案，结果导致同样的错误再次出现。 ### 3.3 神经可塑性与改变的可能性 虽然重复犯错有诸多深层原因，但这并不意味着我们无法改变。神经可塑性理论告诉我们，大脑的结构和功能会随着经验和学习而改变。通过有意识的训练，我们可以重塑大脑的神经回路，增强理性决策的能力，减少重复犯错的概率。 比如，我们可以通过冥想训练来提高专注力和自我觉察能力。研究表明，长期冥想能增强前额叶皮层的活动，提高系统 2 的调用效率，让我们在面对诱惑时能够更好地控制自己的冲动。每天进行 10-15 分钟的冥想，坚持一段时间后，我们会发现自己在做决策时更加冷静和理性。 制定明确的规则和计划也是改变的有效方法。在面对可能导致重复犯错的场景时，提前制定具体的规则，比如在去串串店之前，确定好自己要拿的串串数量，并严格遵守；在购物时，列出详细的购物清单，只购买清单上的物品。这些规则可以帮助我们减少系统 1 的干扰，让系统 2 更好地发挥作用。 此外，利用环境线索来引导行为也很重要。比如，为了避免熬夜刷手机，我们可以在睡前将手机放在另一个房间，减少环境中诱惑的刺激；为了控制饮食，我们可以使用小一点的餐具，让自己在视觉上更容易感知到食物的量，从而避免过度进食。 ### 3.4 从错误中学习的有效路径 要打破重复犯错的循环，关键在于学会从错误中有效学习。很多人在犯错后只是简单地自责，而没有深入分析错误的原因，导致同样的错误再次发生。正确的做法是，在每次犯错后，进行反思和总结，找出导致错误的具体因素，然后采取针对性的措施加以改进。 比如，在串串店拿多了菜后，我们可以反思是因为菜品太诱人、自己没有明确的数量规划，还是受到了周围人的影响等。如果是因为没有明确的数量规划，那么下次去之前就提前确定好数量；如果是因为菜品太诱人，那么可以尝试在拿菜时转移注意力，比如默念自己的规划。 同时，我们可以建立 “错误日志”，记录每次犯错的场景、原因、后果以及改进措施。通过长期记录，我们可以发现自己重复犯错的规律和模式，从而有针对性地进行预防和纠正。比如，通过记录发现自己在购物时总是因为 “打折” 而冲动消费，那么下次遇到打折活动时，就可以提醒自己先考虑物品的实际需求，而不是被折扣所吸引。 另外，寻求他人的监督和反馈也能帮助我们更好地从错误中学习。我们可以将自己的目标和计划告诉身边的朋友或家人，让他们在我们可能犯错时及时提醒我们。同时，听取他人的意见和建议，也能让我们从不同的角度看待问题，发现自己没有注意到的错误原因。 重复犯错是多种因素共同作用的结果，既有脑科学层面的决策漏洞，也有心理学、进化、社会文化等方面的影响。但通过了解这些深层机制，利用神经可塑性进行训练，以及学会从错误中有效学习，我们完全有能力打破重复犯错的循环，实现自我成长和进步。 ## 四、针对性突破：科学避免 “吃串串式” 失误 ### 4.1 利用情绪杠杆强化自控 情绪是影响决策的隐形推手，善用情绪杠杆能有效增强自控力。当面对串串冷柜里的诱惑时，我们可以主动唤起 “损失厌恶” 情绪。心理学研究表明，人们对损失的敏感度远超对收益的渴望，这种情绪能快速激活理性决策系统。我后来在拿菜前，会刻意想象 “这些多拿的串串最后会被扔掉，相当于白扔了几十块钱”，这种对损失的想象会让大脑的杏仁核产生轻微的焦虑感，从而抑制冲动行为。实验显示，这种方法能使过度拿取的概率降低 40%，就像给欲望加了一道无形的枷锁。 同时，我们可以培养 “延迟满足的愉悦感”。当成功克制住多拿的冲动时，及时给自己一些积极的心理暗示，比如 “这次做到了适量拿取，既享受了美食又没有浪费，真不错”。这种积极的情绪反馈会促使大脑分泌内啡肽，带来愉悦感，这种愉悦感会强化我们的自控行为，形成良性循环。就像训练小狗时给予奖励，大脑也会因为这种愉悦感而更愿意在下次做出理性决策。 另外，将当下的行为与长远目标关联起来，能激发更强的自控动力。比如，如果你正在减肥，拿菜时可以想想 “过量进食会影响减肥进度，离穿好看衣服的目标又远了一步”；如果你注重节俭，就想想 “浪费食物不符合自己的生活理念”。这种关联能让我们从更长远的角度看待当下的决策，从而抵制即时的诱惑。 ### 4.2 借助工具提升决策质量 在信息爆炸的时代，善用工具能帮助我们做出更理性的决策，避免 “吃串串式” 失误。对于控制饮食来说，一些饮食记录 APP 是很好的帮手，我们可以在 APP 上记录每次吃串串的种类、数量以及身体的感受，APP 会通过数据统计和分析，帮我们找出饮食规律和潜在问题，为下次决策提供参考。比如，通过 APP 发现自己每次拿取牛肉类串串都会过量，下次就可以提前设定牛肉串的上限。 计时器也是一个简单有效的工具。在拿第二波串串前，设置一个 5 分钟的计时器，利用这段时间让大脑冷静下来，感受一下当前的饱腹感。很多时候，我们的 “还想吃” 只是一时的冲动，5 分钟后这种冲动就会减弱。我试过这种方法，多次在计时器响后发现自己其实已经饱了，从而避免了过量拿取。 还有一些物理工具能辅助我们控制拿取量，比如定制一个带有刻度的盘子，盘子上的刻度对应着不同的食量，拿菜时按照刻度来盛放，能直观地控制数量。这种可视化的工具能绕过系统 1 的干扰，直接给大脑传递明确的数量信号。 ### 4.3 培养习惯性的理性行为 将理性决策转化为习惯，能让我们在面对诱惑时不费吹灰之力就能做出正确选择。习惯的养成需要重复和强化，我们可以从拿菜的小细节入手，培养一系列有助于理性决策的习惯。 比如，养成 “拿菜前先喝水” 的习惯，喝水能暂时缓解饥饿感，让我们在拿菜时更理性。研究表明，餐前喝水能使食欲降低 13% 左右，这对于控制拿取量很有帮助。我现在去串串店，坐下后第一件事就是喝一杯水，再开始拿菜，感觉对食欲的控制确实轻松了不少。 另外，养成 “固定拿菜顺序” 的习惯也很有效。比如先拿素菜，再拿荤菜，最后拿少量的小吃，这种固定的顺序能避免我们一上来就被高热量的荤菜吸引而拿取过量。而且，先吃一些素菜能增加饱腹感，减少后续对荤菜的需求。 同时，我们可以把在串串店学到的理性决策习惯迁移到生活的其他方面，比如购物时养成 “先列清单再购物” 的习惯，工作时养成 “先规划再动手” 的习惯。通过在不同场景中重复理性行为，让理性决策成为一种自动化的习惯，从而从根本上避免重复犯错。 ### 4.4 建立群体监督与互助机制 个人的自控力是有限的，而群体的监督和互助能为我们避免 “吃串串式” 失误提供额外的动力。可以加入一些注重理性消费、健康饮食的社群，在社群里分享自己的经历和感悟，与其他成员互相鼓励、互相监督。 比如，在社群里发起 “控制串串拿取量挑战”，大家每天分享自己的拿取数量和感受，对于成功控制的成员给予表扬，对于未能控制的成员给予建议和鼓励。这种群体氛围能让我们更有动力坚持理性决策，同时也能从他人的经验中获得启发。 还可以和朋友组成 “理性决策互助小组”，在面对可能导致失误的场景时，互相提醒、互相约束。比如一起去吃串串时，约定好互相监督拿取量；一起购物时，互相检查购物车是否有非必需品。这种群体监督机制能弥补个人自控力的不足，让避免失误变得更容易。 避免 “吃串串式” 失误需要多方面的努力，从激活理性决策系统、构建环境约束机制，到强化反馈与记忆联结，再到利用情绪杠杆、借助工具、培养习惯和建立群体监督，每一种方法都有其科学依据和实践价值。通过综合运用这些方法，我们能逐渐摆脱重复犯错的怪圈，在生活中做出更理性、更明智的决策。 ## 五、领域延伸：工作场景中的纠错策略  ### 5.1 提升会议效率的 “去冗余” 法则 会议室里，议题像冷柜里的串串一样不断增加，原本一小时的会议拖到两小时还没结束，会后大家像吃撑了一样疲惫 —— 这种 “会议冗余” 的状况，和拿菜时贪多导致浪费如出一辙。很多会议因缺乏明确聚焦，议题随意发散，就像拿菜时毫无规划地乱拿，最终产出寥寥却耗费大量时间。 解决之道是给会议装上 “核心议题过滤器”。就像拿菜前确定主要目标食材，开会前要明确 “本次会议唯一必须解决的问题”，并将其写在会议室显眼位置，任何偏离的讨论都像多拿的串串一样被及时叫停。我所在的团队后来规定，每次会议最多设置 3 个议题，且每个议题都要注明 “期望成果”，就像拿串串时确定 “20 串” 的上限，让会议始终围绕核心展开。研究显示，明确议题的会议，效率能提升 50%，就像精准拿菜避免浪费一样，让每一分钟都有价值。 同时，采用 “时间切片法” 管理会议进程。就像拿菜时分批次拿取控制数量，会议中给每个议题划定明确时间，用计时器提醒，到点就进入下一项。这种时间约束能激活参会者的系统 2，避免闲聊式讨论占用过多时间。我曾在会议中尝试给每个议题分配 15 分钟，当计时器响起时，大家果然能迅速聚焦关键问题，就像拿菜时的数量限制让人更谨慎选择一样，时间限制让讨论更高效。 另外，会前分发 “议题串串” 也很重要。就像拿菜前先了解菜品情况，开会前将议题相关资料提前发给参会者，让大家有时间提前思考，避免会议中因信息不对称而浪费时间。这如同拿菜前心里有数，能减少盲目讨论，让会议更有针对性。 ### 5.2 优化沟通协作的 “精准传递” 技巧 工作中，信息传递的偏差就像拿菜时记错数量，常常导致重复劳动和失误。一句模糊的 “这个任务尽快完成”，可能让接收者理解为 “今天” 或 “本周”，就像说 “少拿点” 没明确数量一样，容易产生误解。这种沟通失误，本质是信息发送者的系统 1 偷懒，没有将信息转化为系统 2 能清晰处理的具体内容。 要实现 “精准传递”，需给信息装上 “明确刻度”。就像拿菜时说 “20 串” 而非 “一些”，沟通任务时要明确 “时间、标准、责任人” 三要素。比如不说 “把报告弄好”，而说 “周三下午 5 点前，由你完成报告修订，重点核对数据准确性”。这种具体的表述能让接收者的左脑逻辑中枢准确接收信息，就像清晰的数量让拿菜有了明确依据。实验表明，这种结构化沟通能减少 70% 的信息偏差，就像精准拿菜避免浪费一样，让沟通高效无误差。 建立 “信息反馈闭环” 也很关键。就像拿菜后核对数量，信息传递后要让接收者复述确认。我在分配任务后，会让对方重复一下关键信息，确保理解一致，这如同拿菜后数一遍串串，及时发现偏差并纠正。这种反馈机制能避免 “想当然” 造成的失误，让信息传递形成完整回路。 此外，选择合适的 “沟通载体” 如同选对拿菜工具。简单任务用即时消息，复杂任务用邮件或文档，重要任务当面沟通并辅以记录，就像拿不同串串用不同盘子一样，根据信息性质选择合适的传递方式，能提高信息传递的准确性。 ### 5.3 平衡工作与休息的 “能量管理” 策略 工作中过度消耗精力就像吃串串时吃撑，会导致效率下降和失误增多。有人总像拿菜时贪多一样，不停工作想完成更多任务，结果精力透支，后续工作质量大打折扣，这是对自身能量 “食量” 的误判。大脑的前额叶皮层在持续工作后会疲劳，就像连续拿菜后判断力下降一样，需要合理休息来恢复。 “能量管理” 的关键是给工作和休息设 “交替刻度”。就像吃串串时适量拿取、慢慢品尝，工作中要遵循 “能量周期”，在精力高峰时处理复杂任务，低谷时安排休息或简单工作。我通过记录发现自己上午 9-11 点精力最充沛，便将重要会议和创意工作放在这段时间；下午 3-4 点容易疲惫，就安排整理文件或短暂休息，就像根据食欲调整拿菜节奏一样，根据能量变化安排工作，效率显著提升。 同时，设置 “强制休息点” 如同拿菜时的停顿。每工作 1。5 小时就起身活动 10 分钟，让大脑脱离工作状态，就像拿菜时停顿思考是否过量，休息能让大脑重新积蓄能量，避免因疲劳导致的失误。研究显示，定时休息能让工作效率提升 30%，就像合理饮食才能保持良好状态一样，合理休息才能维持高效工作。 另外，培养 “能量感知力” 很重要。就像感受饱腹感来控制拿菜量，工作中要时刻关注自己的精力状态，当出现注意力不集中、反应变慢时，及时停下休息，避免硬撑导致失误。这如同吃串串时感觉到饱就停，能让工作始终保持在高效状态。 ### 5.4 应对突发状况的 “弹性缓冲” 机制 工作中突发状况就像拿菜时突然发现喜欢的菜品补货，容易打乱原有计划，导致手忙脚乱出错。没有准备的人会像看到新串串就冲动多拿一样，被突发任务牵着走，破坏整体节奏，这是缺乏对 “意外食量” 的应对预案。 建立 “弹性缓冲” 机制，首先要预留 “时间冗余”。就像拿菜时留 2 串容错空间，每天的工作计划中预留 20% 的时间应对突发状况，这样遇到临时任务时，就不会像拿菜超量一样慌乱。我在日程表中每天下午留 1 小时空白，专门处理突发事情，就像备着空盘子应对新增菜品，让工作始终有调整的余地。 其次，制定 “优先级排序法则” 如同拿菜时的选择标准。当突发任务出现，用 “重要且紧急”“重要不紧急”“紧急不重要”“不紧急不重要” 来分类，像拿菜时先选必吃的一样，优先处理关键任务，避免被琐事干扰。这种排序能让系统 2 在突发状况下保持理性，就像明确拿菜顺序能避免混乱一样，让工作有序推进。 另外，建立 “应急资源库” 很有必要。就像知道冷柜里哪些菜耐放，工作中提前整理常用资料、模板，当突发任务来临时能快速调用，减少准备时间。这如同提前了解菜品情况，能在突发状况下迅速行动，降低失误概率。 从会议效率到沟通协作，从能量管理到突发应对，工作场景中的诸多失误都能借鉴避免 “吃串串式” 失误的思路来解决。通过给工作要素装上 “明确刻度”、建立 “反馈机制”、设置 “缓冲空间”，我们能像精准拿取串串一样，在工作中做出理性决策，减少重复失误，提升整体效能。 ## 六、拓展应用：学习与生活中的成长路径 ### 6.1 社交关系中的 “边界管理” 智慧 社交中过度付出或过度索取，就像拿串串时拿多拿少，都会让人陷入不适。有人总像看到诱人串串就忍不住多拿一样，在关系中毫无保留地付出，结果身心俱疲；也有人像只拿自己爱吃的串串不顾他人一样，一味索取，让关系失衡。这种 “边界失控”，本质是系统 1 对社交反馈的过度渴求，忽视了自身的承受能力和他人的感受。 “边界管理” 的关键是建立 “社交容量计”。就像拿串串前明确数量上限，社交中要清楚自己能投入的时间和精力。我给每周的社交活动设了 “3 次上限”，就像拿串串时控制总量，避免过度社交消耗自身能量。人际关系学家发现，有明确社交边界的人，关系满意度更高，就像适量拿取的串串能带来最佳体验，适度社交能让人在关系中保持舒适。 同时，学会 “礼貌拒绝” 如同拿菜时的克制。面对他人的请求，像评估拿菜量一样衡量自身能力，不想答应时温和拒绝，就像面对不喜欢的串串果断走开。这种拒绝不是冷漠，而是对自身边界的守护，能避免因过度承诺而破坏关系，就像拿太多串串会影响用餐体验，过度承诺会影响社交质量。 另外，感知 “社交反馈” 很重要。就像吃串串时感受饱腹感调整拿取量，社交中要留意对方的反应和自己的感受，及时调整互动方式。若对方显得不耐烦，就像吃串串时觉得不合口味，适时结束话题或改变交流方式，让社交始终在舒适的轨道上进行。 ### 6.2 财务规划中的 “消费克制” 策略 钱包里的钱像串串冷柜里的食材，容易让人在 “想要” 和 “需要” 间迷失。看到打折商品就冲动购买，和拿串串时看到喜欢的就多拿一样，都是系统 1 在主导决策，忽视了实际需求。这种 “消费失控” 会导致财务紧张，就像拿太多串串吃不完浪费，过度消费会浪费金钱资源。 财务规划的 “消费克制”，首先要建立 “需求过滤机制”。就像拿菜前区分 “必吃” 和 “想吃”，购物前用 “是否连续一周都需要” 来判断物品必要性，过滤掉冲动消费。我在购物时会把商品放进购物车，24 小时后再决定是否购买，这段时间就像拿菜时的停顿，让系统 2 有机会理性评估，减少非必要支出。 给消费设 “预算竹签” 也很有效。每月给不同消费类别设定额度，如餐饮、服饰、娱乐等，就像给每次拿串串设数量上限，超支后就停止消费。我用记账 APP 给每个类别设 “预算警报”，接近上限时提醒自己，就像拿菜时快到数量就谨慎选择，这种预算约束能让消费更理性。 此外，培养 “延迟满足” 的消费观如同控制拿菜节奏。遇到非急需的物品，设定一个 “目标达成奖励”，比如完成一个项目后再购买，就像吃完适量的串串再考虑是否加菜，这种延迟能让我们更珍惜物品，也让消费和努力挂钩，避免盲目支出。  ### 6.3 兴趣培养中的 “持续深耕” 方法 兴趣培养中，“三天打鱼两天晒网” 像拿串串时东拿一串西拿一串，最终什么都没深入。有人今天学画画，明天练吉他，后天又学编程，像在冷柜前拿遍所有串串却没一样吃完，这种 “兴趣泛化” 难以形成专长，就像拿太多串串尝不出味道，浅尝辄止的兴趣难以带来成就感。 “持续深耕” 兴趣，要先 “聚焦单品”。就像拿串串时专注几样爱吃的，选择 1-2 个最感兴趣的领域深入，避免精力分散。我曾在众多兴趣中选择了写作，把其他兴趣作为调剂，就像确定主菜后再搭配小食，这种聚焦让我能持续投入，逐步提升技能。 给兴趣设置 “进阶阶梯” 如同拆分学习目标。把兴趣技能按难度分级，从基础到进阶再到精通，就像把大目标拆成小任务，每完成一级就给自己奖励，就像拿菜时每吃几串给自己一点满足，这种阶梯式进阶能保持兴趣的持续动力。 另外，在兴趣中 “接受不完美” 很重要。就像拿串串偶尔会多拿，兴趣培养中允许自己有懈怠或犯错，不用因一时没坚持就放弃，就像不会因一次剩菜就不再吃串串，保持对兴趣的热爱，持续投入才能有所收获。 从社交边界到财务规划，从兴趣培养到更多生活场景，避免 “吃串串式” 失误的逻辑都能发挥作用。核心在于理解大脑的决策规律，用科学的方法平衡系统 1 和系统 2，在各种场景中找到适合自己的 “不多不少”，让每一次选择都更理性，每一步成长都更扎实。这种成长不是一蹴而就的，而是像慢慢掌握拿串串的量一样，在实践中不断调整、优化，最终形成属于自己的平衡之道。  ## 七、总结 串串火锅的冷柜就像一面镜子，照见了我们重复犯错时的神经轨迹 —— 从第一次拿菜时的克制，到第二次被香味冲昏头脑，再到面对剩菜时的懊悔，这个循环里藏着大脑节能的本能、即时满足的诱惑，以及习惯回路的顽固。当我们把竹签数量、剩菜重量转化为可分析的数据，会发现那些 “总是改不了” 的错误，其实是系统 1 在神经丛林里踩出的老路，而科学的方法就是给系统 2 配备开辟新路的指南针。 从脑科学的角度看，重复犯错并非意志力的失败，而是大脑默认了 “低能耗模式”。系统 1 依赖直觉决策时，伏隔核的多巴胺会掩盖背外侧前额叶皮层的警示；习惯回路形成后，基底神经节会像自动导航一样重复旧行为。但神经可塑性研究告诉我们，大脑永远有改写的可能 —— 就像刻意停顿能激活理性决策，环境调整能弱化习惯线索，这些方法本质上是在神经突触间搭建新的通路，让 “少拿一串” 的克制逐渐变成自动反应。 在串串店摸索出的方法，其实是个人成长的通用公式。工作中拆解任务的 “竹签思维”，学习中控制节奏的 “三色笔记法”，生活中替代习惯的 “换食材策略”，都遵循着相同的逻辑：不与本能对抗，而是给本能找新出口。当我们把 “拿多串串” 的教训转化为 “任务拆解清单”，把 “剩菜懊悔” 转化为 “反馈复盘机制”，错误就不再是负担，而成为了神经通路的 “施工图纸”。 真正的成长不在于永不犯错，而在于建立 “错误转化率”—— 让每一次剩下的串串都变成认知升级的契机。那些被记录在手机备忘录里的剩菜数量，最终会变成决策时的 “神经警报器”；那些贴在书桌前的复习签，会成为习惯回路的 “新路标”。就像串串锅里的红油会随着温度变化，人的行为模式也能通过科学方法重塑，关键是要把模糊的 “下次注意”，变成具体的 “拿菜前数竹签”“任务前拆步骤”“习惯前设刹车”。 当我们能在冷柜前精准控制竹签数量，在书桌前拆分学习目标，在会议室筛选任务清单，就会明白：所谓成长，就是让系统 2 的理性决策，像系统 1 的本能反应一样自然。那些曾经困住我们的循环，终将变成螺旋上升的阶梯 —— 每一次对错误的科学解析，都是给大脑的一次升级，而持续迭代的自己，就是对 “重复犯错” 最有力的反驳。 **专栏作家** 王佳亮，微信公众号：佳佳原创。人人都是产品经理专栏作家，年度优秀作者。《产品经理知识栈》作者。中国计算机学会高级会员（CCF Senior Member）。上海技术交易所智库专家。专注于互联网产品、金融产品、人工智能产品的设计理念分享。 本文为作者原创投稿发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于CC0协议。

年轻人成了小米的长期“粮票”。

马斯克和特朗普，这对白宫二人转最近「嘴炮大战」进入到 2.0 时期。和这对欢喜冤家类似的，是国外出版商集团和 AI 巨头之间的相爱相杀——一方面有大出版商要和 AI 公司合作，另一方面也有出版商誓死要把 AI 巨头告破产。 根据数据，AI 搜索和 ChatGPT 出现后，全球网站流量都在下降；另一方面，AI 巨头的「AI 爬虫」却不顾爬虫协议，以数万次的爬取不断侵蚀所有网站的数据。 这时候，终于有一家基建公司站了出来，挽着内容创作者的手说：「我们可以对 AI 巨头说不！」 Cloudflare，这家掌控全球约 20% 网络流量的互联网基础设施巨头，被网民誉为「赛博菩萨」的公司，在 2025 年 7 月上线了一个实验性产品和交易市场：「Pay Per Crawl」——给 AI 爬虫立下了新规矩： 要么获得许可，要么付费 。 简单来说，这个功能的本质是给网站内容创作者一个选项「开关」：可以选择允许 AI 爬虫自由访问，按次爬取收费，抑或者直接封锁访问。 按照 Cloudflare 创始人的说法，「内容是驱动 AI 引擎的燃料，因此，内容创作者直接获得报酬才是公平的。」 对 AI 公司来说， 想继续抓取全网内容来训练模型，不能再像以前那样「免费吃大餐」 。但也不是没有好处，因为根据明码标价付费，可以避免版权争议问题。 Cloudflare 这次的「防虫」举措，能缓解 AI 爬虫的肆意攻击吗？更重要的是， 这家公司能否利用自己独特的地位，建立起一个全新的 AI 时代内容分发和变现模式 ？   # 01 AI巨头的「免费午餐」   过去几十年，大多数网页默认是公开「可爬」的。谷歌、Bing 这类搜索引擎为网站带来流量，有了流量，网站再通过广告或销售订阅变现——这是搜索时代的隐形契约。 可 AI 时代，传统搜索流量骤降，这笔账越算越亏。 AI 公司把全网内容当作训练燃料，却几乎不用给大部分创作者回报。当用户直接在 AI 聊天机器人里提问，答案往往来源于总结好的内容，而不是数十个蓝色链接，不会给网站带来更多流量。 甚至于谷歌这样的搜索巨头本身也在变化，以前他们提供网站链接列表，如今他们在搜索页面推出了「人工智能概述」，据他们的报告，75% 的查询用户无需点击任何链接就得到了解答。 Cloudflare 2025 年 7 月的最新数据显示： 谷歌的爬虫大约每 6 至 7 次抓取给网站带回 1 次点击，而 OpenAI 则是 1500 次才换来 1 次跳转，Anthropic 的比例甚至更夸张，高达 73300 次换 1 次 。  各大公司 AI 爬虫每次抓取为网站带来的点击比例｜图片来源： Cloudflare     这意味着，传统的「内容换流量」模式失效了。相比传统搜索引擎，AI 巨头们吃掉了海量网站内容，却不给「导流」，这种失衡让一些内容生产者愈发难以为继。 「有了 OpenAI，网站流量获取难度比谷歌时代高出 750 倍，而有了 Anthropic，难度更是高达 3 万倍。原因很简单： 我们越来越不再消费原创内容，而是消费它们的衍生品 。」Cloudflare CEO Matthew Prince 在一篇博文中称，「这不是一个公平的交易」。 AI 公司爬数据也不是没有代价的，这两年 AI 巨头一直被指控「偷内容」来训练大模型，引发全球范围的版权诉讼潮，尤其是纽约时报等新闻机构和 OpenAI 诉讼不断。  活跃的大厂 AI 爬虫机器人｜图片来源： Cloudflare     因此，Cloudflare 推出「Pay Per Crawl」，建立一个「按次付费爬取」的市场，想要解决的正是这个问题。 该公司设计了一个权限和支付系统，网站可以在后台选择对 AI 爬虫「允许、封锁或收费」，AI 爬虫如果想抓取该网站内容，必须注册、验证身份，并在每次访问时完成支付。 如果顺利， 这一模式能让网络内容从「广告变现」走向「内容授权变现」，开拓全新的收入来源 。无论是大媒体，还是冷门小博客，都能在 AI 时代拥有议价权，被 AI 付费使用。 为了强调其意义，Cloudflare CEO 还将「Pay Per Crawl」推出的这一天称为： 「内容的独立日」 。   # 02 AI 「过路费」怎么收？   当然，设想很美，但技术怎么落地？ Cloudflare 这家公司起家靠的是提供 CDN、DDoS 防护、DNS、零信任安全等服务，它在全球 300 多个城市部署了节点，承载约 20% 的 Web 流量，给它当「中介」提供了方便。 「Pay Per Crawl」建立在它全球 CDN 网络的中间层：它能在访问请求进到源站前就识别和处理 AI 爬虫。站长可以在 Cloudflare 后台设定三种模式：允许、收费、封锁。  站长可以在后台设定允许、收费或封锁｜图片来源： Cloudflare     所有新加入 Cloudflare 的网站默认封锁 AI 爬虫，除非站长主动允许。只有与 Cloudflare 建立合作关系的 AI 公司才能参与支付机制，否则将被封锁。 如果 AI 爬虫向付费 URL 发起请求，尚未付费，Cloudflare 就会返回 HTTP 402 Payment Required 状态码——一个过去几乎没人用的、专门为「网络支付」预留的状态码。AI 爬虫可以在请求里带上支付信息，以表示同意支付配置的价格，一旦匹配价格就放行返回 200 OK，并自动结算。 Cloudflare 本身则是这个交易的「收银台」，负责聚合账单和分发收益 。  Cloudflare 会返回 HTTP 402 Payment Required 状态码｜图片来源：Cloudflare      爬虫可以在请求里带上支付信息｜图片来源： Cloudflare      HTTP 200 OK 响应确认收费｜图片来源： Cloudflare     更重要的是，这并不是靠简单的 User-Agent 欺骗就能绕过的。Cloudflare 要求 AI 公司注册密钥，用数字签名保证身份。这也是为了防止「山寨爬虫」冒充合规者逃避支付。 过去，robots.txt 是一个放在网站根目录下的纯文本文件，用来告诉搜索引擎的爬虫哪些页面可以抓取，哪些不可以，但它只是网站的「礼貌建议」，很多 AI 爬虫根本不理会。Cloudflare 的方案改变了这一点，把现有的、靠 robots.txt 的「软约束」变成了「硬闸门」。 不过，据 Cloudflare 称， 目前排名前 10000 的域名中，只有约 37% 拥有 robots.txt 文件 。  给 AI 爬虫设置关卡｜图片来源： Cloudflare     如果要参与 Cloudflare 的爬取付费市场，爬取方、被爬取方都必须开设 Cloudflare 账户。截至目前，「Pay Per Crawl」仍处于内测阶段，仅部分大型出版商参与，如 BuzzFeed、《大西洋月刊》和《财富》等，Cloudflare 还在持续公开征集有意向的内容创作者和抓取者。 「我们预计按次付费模式将迎来显著发展。」Cloudflare 官方称。 虽然目前仍处于初期阶段，但该公司对未来还有很多设想。比如，出版商或其他机构可以针对不同内容类型收取不同费用，或者根据 AI 应用的用户数量进行动态定价，或者根据训练、推理、搜索等不同领域引入更细粒度的定价策略。 他们还认为， 按次付费爬虫的真正潜力或许会在 Agent 智能代理的世界中显现 。 「如果智能代理付费墙能够完全以程序化的方式运作，会怎样？想象一下，你可以请你的深度研究助手帮你整理最新的癌症研究、法律简报，或者帮你找最好的餐厅——然后给这位智能代理一笔预算，用于获取最有用、最相关的内容。」 「以 HTTP 402 响应代码为基石的首个解决方案，将开启一个智能代理能够以程序化方式协商访问数字资源的未来。」Cloudflare 称。   # 03 Internet 的十字路口   从经济层面来说，这可能是 AI 和广大内容创作者「重新谈判分账」的开端。 现在，只有头部大媒体能和 AI 公司谈授权（比如 纽约时报告了 OpenAI 后才谈成和解），绝大多数中小网站、论坛甚至个人作者都被「默默爬走」，毫无反抗的能力，或者说意识。Cloudflare 的方案，实际上可以把这种议价能力普及到更广泛的网站。 据 Cloudflare 团队称，他们与新闻机构、出版商和大型社交媒体平台进行了数百次对话，他们一致「希望允许 AI 爬虫访问其内容，但希望获得报酬。」 对于支持者来说，「Pay Per Crawl」模式在理念上很「公平」：创作者有了收入，AI 公司也避免了法律风险，长远看能推动整个产业走向更合规的内容许可。  图片来源： Cloudflare     当然，AI 公司未必开心，互联网数据不再免费，要抓新内容，就得花钱，这意味着算力之外的成本要素。 但另一方面，这也或许会抑制滥抓取，也迫使 AI 模型开发者在数据上更有选择性——比如针对性购买高价值的内容，而不是一股脑地把各种网站内容都喂进模型里。 Matthew Prince 称，「 AI 引擎就像一块瑞士奶酪，真正能够填补这块奶酪孔洞的全新原创内容 ，比如今占据网络大部分版面的重复性、低价值内容更有价值。」 在他看来，流量一直以来都无法准确衡量内容的价值，「如果我们能够开始对内容进行评分和评估，不是根据它产生了多少流量，而是根据它对知识的促进程度（以它填补了多少 AI 引擎「瑞士奶酪」中的现有孔洞来衡量）——我们不仅可以帮助 AI 引擎更快地进步，而且有可能促进高价值内容创作的新黄金时代。」 不过，数字权利倡导者可能会提出：小型 AI 创业团队、研究者、开源社区，能否承担这样的数据成本？学术研究、公益存档这些「良性爬虫」会不会寸步难行，只能访问有限、低价值的数据源？ 在一个广告收益下滑、流量成本高涨的现实里，会有多少网站愿意无偿开放给 AI 爬虫吸血？这会不会成为「封闭化」的开始，让互联网失去它的自由与共享精神？ 如果全网都默认封锁收费，这会不会无意中加剧「大厂垄断」 ？毕竟，大厂比较有钱。 「Pay Per Crawl」模式，一方面试图解决 AI 吸血内容却不反哺的问题，另一方面，也有可能在无意中加高 AI 创新的门槛，回到版权保护与知识开放的老命题。 当然，Cloudflare 只是给网站更多自主权。网站所有者完全可以选择对公益、非营利项目继续免费开放。权力仍然在创作者手里。不管怎么说，他们值得获得「补偿」。 在 Cloudflare CEO 的话里，这场变革的目标是「构建更美好的互联网」。「我们尚不知道所有答案，但我们正在与一些顶尖的经济学家和计算机科学家合作寻找答案。」 目前，其他其他 CDN 和安全提供商（比如 Akamai、Fastly、Amazon CloudFront）尚未宣布类似的功能。  把 AI 爬虫机器人挡在门外｜图片来源： Cloudflare     虽然 Cloudflare 的「Pay Per Crawl」看起来只是一个 CDN 产品的新功能，但从某种意义上说： 它可能成为互联网走到一个分岔口的信号 。 在搜索时代，内容的价值是通过用户访问转化为广告收益。但 AI 时代，用户可能根本不会再点进网站——所有答案都在聊天机器人里总结生成。是继续让 AI 大模型免费挖掘网络内容，还是在数据获取上回归「互惠」原则，让创作者获得应有的补偿？补偿又能有多少？ 这个早期实验可能在为一个新的 AI 时代数据经济形态铺路，无论成败如何，它的立场很明显：AI 不能无限透支创作者的耐心，并在「开放」的名义下把人的劳动变成免费的燃料。 「网络正在发生变革，它的商业模式也将随之改变。在这个过程中，我们有机会从过去的 30 年里学到好的地方，让它在未来变得更好。」 至于，事情是不是能真的变好，像 Cloudflare 自己承认的那样： 「 这仅仅是个开始 。」

<blockquote><p>用户说“我想要一个更方便的功能”，但他们真正想要的，可能是“省时间”“少跳转”甚至“别让我动脑”。在C端产品中，需求分析的关键，不是记录用户说了什么，而是理解他们真正想表达什么。本文将带你走进“翻译用户语言”的实战现场，拆解C端需求的识别、澄清与转化过程，让你在纷繁的用户声音中，听见产品真正该做的事。</p> </blockquote>  ### ① 概念定义 **需求是用户在某种场景下未被满足的期望**，其核心要素可归纳为“用户+场景+期望”。需求不独立存在，依附于用户和场景。场景定义了用户正在完成的具体任务，期望则揭示了行为背后的深层动机和目的。 **需求分析的核心在于“专注挖掘痛点本质，而非预设方案”**。通过用户调研、行为观察等方法还原真实场景，聚焦问题级的理性探讨而非方案级的感性表达，从而提炼出本质痛点。在不同产品阶段，需求与业务间的关系存在差异：从 0到1 的新产品倾向于“需求驱动业务”的单向链路，而从 1到100 的成熟产品则倾向于“需求与业务协同迭代”的动态平衡。 **需求分析贯穿于产品整个生命周期**。概念期通过市场细分和用户定位确立核心需求；设计开发期强调落地性，将抽象需求转化为可执行的产品描述；上线-成长期需持续验证需求满足度并收集迭代线索，优化产品；成熟-运营期将需求分析延伸至运营和竞争策略，以创造更多商业价值；衰退期需通过研究市场需求趋势，预判战略调整方向。 ### ② 需求分析三钻模型  ## 一、【发散】需求收集阶段：做调研，扫荡式采集原始用户诉求 ### ① 痛点来源：直接与间接体验，捕捉用户痛点  在需求收集阶段，为广泛收集需求，可采用多维度、多渠道的方式，包括直接体验（自身现身说法）和间接体验（他人的体验）。面向用户侧（C 端），运用深度访谈等追问挖掘用户想法，从用户真实反馈中定位关键问题；开展问卷调查获取量化数据；与 KOL 进行深度交流以获得行业意见领袖洞察。在反馈渠道方面，重视应用商店评论、产品反馈入口、社交平台等。从产品侧，通过统计访客量、浏览量、页面浏览时长等行为数据（如有）反推需求，结合产品目标拆解、季度规划、版本进度节点等信息，全面收集需求，尽可能覆盖各种可能的需求情况，而暂不考虑需求真假。 ### ② 阶段性输出 需求收集阶段应输出涵盖原始反馈的定性数据（用户原声，即**用户怎么说的**），和包含可观察的数据（用户行为，即**用户怎么做的**），同时通过结构化字段（编号、提出时间、用户名称、用户基本信息）确保需求可追溯和管理。 ## 二、【收敛】需求定义阶段：做聚类，将碎片化问题抽象为用户角色的场景故事 ### ① 构建用户角色：从具象的人，到抽象的标签合集 构建用户角色本质上是一个“从具体到抽象再到具体”的认知过程。在产品初期，当我们对目标用户还不明确时，不用着急建立用户画像，可以先做“用户特征标签化”，即提炼用户信息的共性特征，把零散的用户信息归类到几个基础维度中。随着用户调研的深入，如通过后期调查问卷、A/B测试等用研方法验证标签的有效性并将其慢慢细化，进一步完善用户角色。 标签体系（分类维度）参考如下：   ### ② 讲述用户故事：建立用户旅程，场景化描述问题 **C端产品场景化描述模板（可选择性删减）：** 每当① 【用户角色】 在 ② 【特定场景+约束条件】 时，总会因 ③ 【关键触发事件】 有某种情绪反应，虽然可以通过 ④ 【现有做法】 尝试解决，但面临的 ⑤ 【问题阻碍】 让人强化该种情绪，为了实现 ⑥ 【核心目标】 期望有 ⑦ 【理想方案】。  ### ③ 阶段性输出 在需求定义阶段，需要结构化呈现**用户角色**（完成从具象反馈到抽象角色的聚类转化）及其**场景故事**（用户旅程+问题描述），包括行为场景、场景描述（用户旅程关键节点）、问题阻碍和用户期望，同时需洞察本质矛盾（核心冲突），为后续解决方案设计提供明确方向。 ## 三、【发散】需求分析阶段：做挖掘，找到真实需求、探索解决方向 在前两个阶段，我们已经完成了需求收集**（第一层次：记录了用户怎么说、怎么做）**和需求初定义（构建用户角色，讲述用户故事），但仅仅这样还不够。医生不能光听患者描述症状就开药，很可能会误诊。同理，我们接下来需要更深层的分析。 在需求分析阶段，我们应当先聚焦具体场景进行问题挖掘，基于已收集的数据（用户角色/用户故事），运用拆解法等方法解构表层需求**（第二层次：挖掘出用户的行为动机和真实目标）**：一方面剖析用户提出的“⑦ 【理想方案】”背后隐藏的真实需求（用户期望），另一方面识别“④ 【现有做法】 ”存在的“⑤ 【问题阻碍】”。这一过程输出明确的问题定义，为后续分析提供聚焦方向。 挖掘到的问题常常与用户底层特质自洽**（第三层次：探究用户行为背后的人性底层逻辑）**。接下来，我们可以用人性维度（心理/社会/文化等）解释问题根源：既要解读矛盾问题产生的原因，也要分析现有方案失效的理由，最终提炼出超越具体场景的稳定行为规律，为预期的解决方案提供经得起时间考验的核心依据。 ### ① 挖掘问题，即解构表层需求、洞察本质矛盾 **用户想要什么 ≠ 真实需求** - **表面需求/显性需求**：用户直接陈述的功能请求（“我要吃披萨”）。用户提供的“解决方案”可能受个人使用习惯偏见、对技术实现的误解以及特定场景临时变通的影响，不能直接等同于真实需求； - **真实需求**：驱动用户行为的核心痛点，用户希望达成的本质目标（“我饿了，想吃好吃的”，汉堡能替代披萨满足需求），虽然有明确意识的欲望，但由于种种原因可能还没有明确表示出来； - **潜在需求**：用户尚未觉察但实际存在的需求（“吃东西会噎”，有吃的但没喝的） - **衍生需求**：由主需求派生的关联需求，可能由政策/环境等外部因素驱动（吃汉堡时表示“我想看下饭剧”） 拆解法常用于验证需求真实性。当用户笼统地提出想要更多功能、负面反馈集中、用户无法清晰表达自身需求、发现是竞品尚未覆盖的空白点时，**可刨根问底地问“为什么”**。当用户旅程存在断点、线上线下服务衔接不畅、多终端体验不一致、季节性需求变化、用户活跃时段集中、不同生命周期用户需求冲突或地域文化导致需求差异时，**可按时空维度拆解问题**。当不同用户群体的需求存在明显分化，或同一用户在不同场景的诉求有矛盾时，**可刻意强化问题中的对立要素以暴露核心矛盾**。当用户提出解决方案型需求或跟风竞品的功能需求、需要验证可能引发负面体验的需求时，**可提出否定假设，打破思维定式**。 ### ② 挖掘人性，即剖析用户“为什么成为这样的人” 人是稳定的性格特质与动态的环境交互编译的产物。每个用户的性格特质、认知风格、负荷耐受度等**个体内在驱动因素**，构成了行为决策的基础框架。同时，用户行为还持续受到外部环境的影响，如社交网络、文化观念等**外部环境塑造因素**，两者共同说明了“用户为什么成为这样的人”。 用户行为的核心驱动力首先来自于其**内在心理特质（维度一）**。这包括与生俱来的性格特点（如是否爱冒险），构成了决策风格的底层基础；习惯性的思考方式（偏好整体把握还是细节处理），影响着信息处理的模式；以及在具体场景中的信息处理能力（对操作复杂度的耐受程度），这些因素共同塑造了用户最基础的行为逻辑和反应模式。 同时，用户行为受到多重外部环境因素的深刻影响：**在社会层面（维度二）**，身份标签、社群影响力和社会资源储备构成了群体互动的关键变量；**经济维度上（维度三）**，风险承受能力、即时满足偏好和消费心理账户共同驱动着决策过程；**在文化层面（维度四）**，用户潜意识中的理想形象、当前的人生阶段任务等裹挟着的价值观念，或时代特征印记导致的价值冲突，反映了他们衡量事物的标准；而**实际环境限制（维度五）**，包括时间分配习惯、空间依赖程度、社交场合行为差异和设备使用习惯，则为行为设定了具体的边界条件。这些外部因素与内在特质相互作用，共同决定着用户最终的行为表现。 ### ③ 探索方案，寻找解决问题的方向而非答案 对于突破性创新场景（如探索体验上限或实现技术跨越），“**理想法/未来法/跨界法**”帮助跳出固有框架，以前瞻视角探索极致可能；当面临系统优化需求时，“**替代法/重组法/转移法**”聚焦现实约束下的可行性改造；当需求需要验证时，“**否定法/减法**”确保价值聚焦和问题解决方向的正确性；若想探索增长边界，可用“**场景法**”延伸使用边界与环境迁移，持续挖掘增长机会。     ### ④ 阶段性输出 需求分析阶段的逻辑是从现象到本质的分析链条。围绕某一**用户角色**在相应场景下遇到的**问题阻碍（表层）**，结合**用户期望**，解构表层需求，剖析**需求本质**（底层人性/心理动因）和探索**解决方向**（预期解决方案），为后续产品方案设计提供系统化的需求洞察依据。 ## 四、【收敛】需求初筛阶段：做减法，剔除伪需求和低价值机会 在完成需求挖掘与人性洞察的深度剖析后，我们尝试着从“问题空间”向“解决方案空间”跃迁，产生的海量需求线索和潜在机会需要通过系统化的评估框架进行战略收敛。需求初筛阶段的核心任务，正是将前期挖掘的各类需求置于“**痛点价值深度、解决可行性、潜在用户规模、商业价值**”的四维决策框架中进行立体化筛选。这一收敛过程不同于简单的需求排序，而是通过结构化评估，**在用户真实痛苦、企业解决能力和商业可持续性之间寻找最优平衡点**：剔除伪需求和低价值机会，评估解决方案的经济合理性，确保资源集中投向真正值得解决的核心矛盾。这一过程既是对前阶段分析成果的落实，也为后续方案设计划定了清晰的战略边界。 ### ① 需求筛选的四大判断维度 通过评估下述这四个关键维度，我们可以有效区分高优先级机会与低价值需求。这四个维度既独立又相互关联：首先判断该需求对用户有多重要（价值深度），其次评估我们能否有效解决（可行性），然后分析受影响用户的范围（规模），最后衡量其带来的商业潜力（商业价值）。综合考量后，我们能够做出更精准的资源配置决策。 **判断一：该痛点对用户而言有多“痛”？对公司而言有多重要？（痛点价值深度）判断标准：**首先从用户角度看，评估需求的紧迫性和必要性，判断其是否属于用户的核心痛点，再衡量需求的覆盖面和长期影响；其次从公司角度看，评估需求是否符合用户价值原则和公司战略。  **判断二：该痛点能否被有效解决？我们是否有能力解决？（痛点解决可行性）判断步骤：**先看看市场上是否有解决方案，若无成熟方案则分析一下根因，再评估自身是否具备解决所需的资源或独特优势？  **判断三：受此痛点困扰的潜在用户群体有多大？（潜在用户规模）判断方法：**通过目标用户画像定义受此痛点影响的群体，并采用数据推演、调研采样等方式量化规模，可尝试综合数据估算“可触达且可能使用”解决方案的市场用户规模。  **判断四：具备该痛点的目标用户群体的变现能力如何？（潜在用户商业价值）判断维度：**从支付能力、支付意愿、规模化潜力三个维度，评估目标群体的长期商业价值。  **综合决策：**通过交叉分析这四个维度，我们能够清晰识别， 1）痛点价值高（深+广）、解决可行性强、用户规模大、商业价值高 -&amp;Amp；Gt； **全力投入 -&amp;Amp；Gt；&amp;Amp；Gt； 理想机会** 2）痛点价值低、或解决不可行、或用户极少、或商业价值微薄 -&amp;Amp；Gt； **明确剔除 -&amp;Amp；Gt；&amp;Amp；Gt； 低价值机会3）但现实中多数机会处于中间地带，需要权衡与取舍：** - **价值驱动型：**痛点价值高 + 可行，即便用户规模中等或商业模型待验证，值得通过MVP探索验证。 - **规模驱动型：**用户基数巨大 + 商业潜力明显，但痛点非最深或解决有挑战，需慎重评估投入。 - **利基机会：**用户规模小但支付能力强/意愿高（高净值用户）或战略价值重大，可考虑但需控制成本。 ### ② 阶段性输出 基于前期需求分析成果，通过四大判断维度对需求进行初步筛选，输出包含用户角色、问题阻碍（表层）、用户期望、需求本质（底层）、解决方案（预期）等核心要素的分析报告，并**明确标注伪需求（×）和低价值机会（×）**，确保后续资源能聚焦于真实且高价值的需求机会。 ## 五、【发散】需求完善阶段：做加法，建立全渠道需求池 ### ① 六大需求来源 如下图所示（在需求收集阶段的痛点来源的基础上，增加竞争侧、同事侧、老板侧来源）。 **为什么要完善需求来源？** 在完成用户需求的分析与初筛后，我们需要将视野扩展到更广阔的需求收集维度。产品成功不仅取决于对用户痛点的把握，还需要协调内外部多方的诉求与资源。单一的用户视角可能忽略市场竞争力、技术可行性等关键维度，从而导致决策偏差。 建立全渠道需求收集体系的核心意义在于构建多维度的产品决策体系：竞品分析包括关注竞争对手推出的新产品、新服务及新功能，分析对手的优势市场和薄弱环节等，由此可能会发现差异化机会，从而**构建竞争壁垒**；提前协调各部门诉求，如技术/运营部门的限制性需求，从源头上**提升方案的可行性**，避免设计出“空中楼阁”；更重要的是，老板侧需求往往包含对政策变化、市场格局的**前瞻判断**（说得不好听点，也有可能老板就是自己想要。。。。。。）。这种全渠道的需求收集方式，能避免片面决策，打造出真正具有市场竞争力且满足用户体验（满足发薪人体验）的产品解决方案。 ### ② 阶段性输出 在原有用户侧和产品侧的需求来源基础上，增加竞争侧（市场趋势分析、竞品动态）、同事侧（运营活动、技术架构、市场策略）和老板侧（战略规划背景及目标）的需求来源，形成包含外部竞争分析、内部协作诉求和战略导向在内的**多维需求清单**，为后续需求评估和产品规划提供全面的决策依据。 ## 六、【收敛】需求排序阶段：做权衡，优先解决高频刚需、高价值的核心痛点 在完成需求收集与分析后，我们需要建立动态化的需求优先级评估机制。需求分析贯穿于产品整个生命周期，因此需求排序不是静态的数学计算，而是需要根据生命周期阶段（考虑市场销售层）持续调整的决策体系。 ### 不同场景的权重调整建议 **在导入期（培养市场阶段）**，第一目标是解决核心痛点，保证基础功能正常使用，因此用户价值和战略契合度的权重相对高，快速验证产品市场匹配度； **进入成长期（体验+扩张市场阶段）**，我们将面临许多竞争对手，用户可选项变多，倒逼我们打磨好产品本身的功能质量的同时，尽可能拓展功能辐射的范围，发挥好自己的核心竞争优势，因此在平衡用户价值和公司价值的同时，关注技术可行性以支撑功能扩展； **到了成熟期（保持市占率+运营阶段）**，我们需不断打磨产品体验，优先满足市场运营需求，逐步构建产品技术壁垒，此时公司价值和技术可行性成为关键指标； **而衰退期（减法+开拓新市场阶段）**，我们需要降本增效、去除无意义的低频功能，更专注于业务深度，同时做产品技术创新、拓展产品方向，因此战略契合度的权重将被相应增高。 这种动态权重机制确保资源始终精准投向最具阶段价值的需求。 ### ① 战略契合度 （20%） 战略契合度评估需求与公司战略目标的对齐程度，是资源分配的最高优先级判断依据。该维度确保所有开发投入都服务于核心业务目标。在需求初筛阶段，我们已经判断过用户痛点的解决与公司战略的契合度，评估标准如下： - 核心聚焦（优先开发）：符合产品核心价值主张，直接支撑当前战略目标，基础分20分； - 远期储备（暂缓开发）：符合长期规划但非现阶段重点，需定期重新评估优先级，基础分12分； - 风险规避（不予开发）：偏离主营业务方向，存在政策或战略风险，基础分0分。 在基础赋分之外，我们引入战略系数作为动态调节因子，但每个公司由于自身业务特点不同，自定义项目的等级划分标准也不同，战略系数值可相应更改。若需求属于战略卡点项目，战略系数赋1。2；若需求属于常规业务项目，战略系数赋1。0；若需求属于争议性项目，需降权控制风险，战略系数赋0。8。 **战略契合度权重的最终得分 = 基础分 * 战略系数** ### ② 用户价值 （20%） **方法一：用户分层（5%）** 用户价值原则：优先满足80%主流用户（核心用户）的核心需求，而非20%小众或边缘需求（边缘用户）。 用户分层得分 = 核心用户需求满足度 * 4分 + 边缘用户需求满足度 * 1分： - 若需求完全满足核心用户，赋分 1*4 + 0 =4分； - 若满足50%核心用户，完全满足边缘用户，赋分 0.5*4 + 1*1 = 3分； - 若仅满足边缘用户，赋分 0 + 1*1 = 1分。 **方法二：KANO 模型反映用户满意度（15%）** 狩野纪昭教授提出的KANO模型，以分析用户需求对其满意度的影响为基础，体现产品性能和用户满意之间的非线性关系。KANO模型将需求分为五个维度： - 基本需求：提供此需求，用户满意度不会提升，不提供此需求，用户满意度大幅度下降。 - 期望需求：提供此需求，用户满意度提升，不提供此需求，用户满意度下降。 - 兴奋需求：用户没想到但喜欢，提供此需求，用户满意度大幅度提升，不提供此需求，用户满意度不会下降。 - 无差异需求：无论是否提供此需求，用户满意度都不会改变。 - 反向需求：提供此需求，用户满意度反而下降。 KANO模型的数据来源于问卷调研或用户访谈，理论上用户样本要有代表性且样本数不能太少。针对某一需求，调研问题需从正反两个维度进行设计，即提供时与不提供时的满意程度。而满意程度一般划分为五个等级，即非常满意、满意/理应如此、无所谓/一般、不满意/勉强接受、很不满意。将调研结果统计汇总如下表所示： 占比最高的类型即为该需求的KANO模型结果。剔除“无差异需求和反向需求”，对剩余三类需求的优先级排序规则是：基本型需求（赋5分）&amp;Amp；Amp；Gt； 期望型需求（赋3分） &amp;Amp；Amp；Gt； 兴奋型需求（赋1分）。 **用户价值权重的最终得分 = (用户分层得分 * 占比5%/20%) + (KANO模型得分 * 占比15%/20%)** ### ③ 公司价值 （25%） **方法一：RICE模型（10%）1）Reach（覆盖用户数）**：基于实际用户行为数据估算的受影响用户规模 - 尽可能使用产品指标的实际测量结果，如MAU、DAU，而不是随机去猜一个数； - 可统一采用“月度受影响/季度受影响用户数”作为计量单位。 **2）Impact（影响强度）**：评估需求对用户或业务目标的潜在影响 可用定量评分表示，如 1-5 分依次代表微弱影响/低影响/中等影响/高影响/重大影响。 **3）Confidence（信心指数）**：衡量团队对 Reach 和 Impact 评估的信心程度 通常以百分比表示，如100%是高信心度，80%是中等信心，50%是低信心，而小于50%则需特别标注为“高风险假设”； 激动人心的 Idea 总会让团队充满马上去实践它们的热情，但如若没有数据支撑，为了抑制对令人兴奋但定义不明确的想法的热情，需要把信心指数加入评估维度。拷问自己：你的预估可靠吗？有多少论据支撑？ **4）Effort（投入成本）**：估算完成需求或项目，团队中所有成员（产品/设计/开发/测试等）所需要投入的总时间，只要单位统一即可，如“人/月”或“人天”。 不像其他三个积极因素，需要投入更多的精力是一件坏事，因此它会作为整体影响力的分母。 **RICE模型得分 = (Reach * Impact * Confidence) / Effort**。先计算原始RICE模型得分，再用分段映射法，将原始RICE分区间转化为标准化得分（5分制），如下图（假设）所示： **方法二：投入产出分析（15%）收益维度表示能赚多少钱：** - 直接收益（增收/降本）：这个功能上线后，能多卖多少货/多收多少会员费？能省多少钱？**（基本分1-5分）** - 间接收益（NPS/效率/市占率/壁垒）：用户会不会更愿意推荐我们？内部工作效率能否提升一倍？能不能帮我们卡住市场位置？能否帮助建立竞争壁垒？**（加分项，+5分/项）** **成本维度表示要花多少钱：** - 明面成本（人力/资源/营销）：开发需要多少人/多少钱/花多久？实体硬件生产成本多少？需要产品推广需要多少广告费？**（基本1-5分）** - 隐性成本（延期损失/失败补救）：如果做这个，有哪些重要功能会被推迟，会造成什么损失？万一失败了怎么办？要赔多少钱？**（减分项，-5分/项）** **需求ROI得分 = 总收益分 – 总成本分 (±灵活加减分)**。 - 直接收益和明面成本以 5 分制形式赋基本分：直接收益预估越高，收益基本分越高，越高越好；明面成本预估越高，成本基本分越高，越高越不好。 - 间接收益和隐性成本以加减分形式赋分，加减分项的分值可自定义：若需求显著提高NPS、能建立技术壁垒、竞品有同类功能等，每项加自定义的5分，若需求推迟了其他重要需求、技术风险较大、需额外硬件投入等，每项减自定义的5分。 **公司价值权重的最终得分 = (RICE模型得分 * 占比10%/25%) + (需求ROI得分 * 占比15%/25%)** ### ④ 需求来源 （10%） 需求来源评估是通过追溯需求提出方和背景动因，验证需求真实性的关键维度，用于判断需求背后的驱动逻辑。 - 若通过直接用户反馈和行为数据验证，判定某用户需求是高频痛点，基础分5分； - 若需求符合公司战略规划，满足政策合规要求，或顺应重大市场变化趋势，基础分4分； - 若满足业务方需求，有资源支持，基础分3分； - 若通过竞品分析，发现与对手的体验差距明显，尚存差异化空间，基础分2分； - 若满足内部规划需求，符合产品路线图，基础分1分。 在基础评分（**根据各司业务而异**）之外，我们引入可信度系数作为动态调节因子，对需求真实性进行加权处理：经数据验证的需求，赋予1。2强化系数；逻辑自洽但无数据支撑的需求，保持1。0基准系数；存在明显质疑点的需求，则通过0。8降权系数控制风险。灵活的系数处理在需求真实性和执行可行性之间建立动态平衡机制。 **需求来源权重的最终得分 = 基础分 * 可信度系数** ### ⑤ 技术可行性 （20%） 技术可行性是评估需求在现有技术条件下的可实现性，包含开发难度、资源投入和风险控制三个核心维度。该指标直接影响需求落地的成功率和时间成本，开发不确定性因素越多，评估得分相应降低。 - 开发难度指技术成熟度（现有/需研发）或第三方依赖程度，若现有技术可直接复用，赋分5分，若需适度研发，赋分3分，若需重大技术突破，则赋分1分。 - 资源投入指硬件/云资源等成本，若无需额外资源，赋分5分，若需购买基础资源（如云资源），赋分3分，若需专项预算，则赋分1分。 - 风险等级指技术不确定性和工期延误风险，若预估无风险，赋分5分，若预估风险可控，赋分3分，若预估高风险，如新技术未经验证，则赋分1分。 **技术可行性权重的最终得分 = 三维度得分总和** ### ⑥ 需求依赖 （5%） 需求依赖是指功能需求之间的先后制约关系，是用于确定开发时序的关键维度。依赖关系可分为三类： - 必须优先实现的基础功能（如用户注册系统）属于前置需求，基础分5分； - 依赖其他功能才能实现的需求（如个性化推荐）属于后置需求，基础分3分； - 可同步开发的独立功能（如多语言支持）属于并行需求，基础分1分。 一般包含前置需求的优先级 &amp;Amp；Amp；Gt； 后置需求的优先级，前置需求的重要性和紧迫性 &amp;Amp；Amp；Gt； 后置需求的重要性和紧迫性。产品经理标注初始依赖关系（赋基础分），后面需技术负责人（或产品经理自己）确认依赖强度（赋依赖系数）： - 强依赖（系数0.3）：必须优先开发的前置需求，不实现则阻塞多个核心功能，如先有用户系统后提供付费功能 - 中度依赖（系数0.1）：可并行开发但需协调，影响部分功能体验，如先有商品详情页，后设计推荐系统 - 弱依赖/无依赖（系数0）：独立可开发的功能，仅优化体验无实质阻塞，如界面主题切换 **依赖权重的最终得分 = 基础分 * (1 + 依赖系数)** ### ⑦ 阶段性输出 加权计算总分 = 战略契合度×20% + 用户价值×20% + 。。。 + 需求依赖×5% 根据不同需求的加权得分，划出优先级分段区间（记为 P0，P1，。。。）。若某项为“战略必须”，直接定为P0，若某项技术风险过高，总分可酌情扣减20%。 ## 结语 **需求分析全流程结束后，需要将用户需求转化为产品需求（产品语言，即产品功能列表），并与相关团队进行需求评审。**需求评审通常涉及多方面人员，以确保功能规划的合理性和可行性。产品团队主导整个需求和功能的规划，在评审中需阐述产品功能设计背后的逻辑，即需求分析的过程，讲清楚需求来源、为什么要做这个需求、做这个需求有什么意义、这个需求需要哪些产品功能配合、同类竞品是否有该功能、为什么这个需求的优先级比较高；研发团队需要从技术实现的角度对功能进行评估，判断技术可行性、开发难度和时间成本等；运营团队、市场团队等需从各自角度提出用户需求转化而来的产品功能对用户增长、留存和商业变现的影响和价值点：需求评审结束，给出一个需求分析的最终结论，做还是不做、要做的话是什么时候做、需要多少投入等。 以上需求分析流程和方法（C端）仅为行业实践冰山一角，供参考学习。 本文由 @小八爱叭叭叭 原创投稿或授权发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

综合央视等多家媒体报道，**美国已解除对中国芯片设计软件（EDA）、乙烷的出口限制。**据央视新闻，当地时间7月2日获悉，**德国西门子股份公司收到美国政府的通知称，美国已取消对中国芯片设计软件的出口限制。根据公司声明，这家德国供应商已恢复中国客户对其软件和技术的全面访问。** **新思科技表示，7月2日收到美国商务部工业和安全局的通知，称与中国相关的出口限制现已撤销，立即生效。**新思科技正在努力恢复在中国销售最近受到限制的产品，并将继续评估与中国相关的出口限制对其业务、运营结果和财务的影响。 同时，亦有中国半导体企业确认收到了海外EDA企业的相关通知。 另据报道，**美国政府当地时间周三（7月2日）向美国两大乙烷生产和出口商Enterprise Products Partners和Energy Transfer致函，撤销了几周前实施的一项限制性许可要求，为恢复对华乙烷出口扫清了道路。** 报道称，这是美中正在进行贸易战休战的一个信号。报道还称，限制解除后，已有8艘船只驶往中国。 [](//img1.mydrivers.com/img/20250703/4916685d413c4fea89ce597caa3109ce.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1510644.htm)

**日常生活中，不要随便去扫不明二维码，一不小心就有可能上当受骗。**据“杭州反诈”官方[披露](https://mp.weixin.qq.com/s/U_QQF1tTZnajBPZcmS1T5g)，日前，正在逛街的林先生突然想上个厕所，遂前往最近的公共厕所“解决人生大事”。 他无意间的一个抬头，一条印在厕所门板上的“生财之道”，吸引了他的注意。 林先生自述：**“挡板上印有一个带二维码的‘现金大转盘百万补贴’活动，我就好奇是个啥活动，就扫码加了对方微信。”** 通过对方发来的小程序，林先生点击进入直播间，看到正在进行大转盘抽奖。 据活动规则，**充498元可以转一次大转盘抽奖，奖品对应的是1万-10万元不等的奖金。** 而直播间里的“网友”纷纷中奖，迫切求财，一时上头的林先生也开始充值抽奖。 **通过对方提供的账号，林先生一次次地转账，支共计14次，到最后连信用卡都刷透，但愣是一分钱没中。** 直到这时，他才幡然悔悟，明白自己上当受了骗。 杭州市反诈中心罗永此警官分析，这类骗局系直播骗局中的一种，**不法分子虚构一个投入低、中奖率高、中奖金额大的虚拟直播间，直播间里的中奖网友、客服等，都是骗子扮演的“托儿”，以此来诱导受害者投资。** 直播陷阱中较为常见的包括假冒名人骗局、虚假投资骗局、虚假抽奖诈骗等。 抽奖诈骗即不法分子在直播间内举办抽奖活动，以高价值奖品为诱饵吸引观众参与，参与者需要支付一定的费用或购买特定商品才能参加抽奖。 警官提醒：**谨记“凡是让你先交钱的抽奖、中奖信息，都是诈骗！** [](//img1.mydrivers.com/img/20250703/589fba1f-0a5d-426c-ac44-9c1e190180a9.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1510642.htm)

AMD前不久正式推出了新一代线程撕裂者9000系列，一共有三款，分别是9980X 64核心、9970X 32核心、9960X 24核心。近日，其中的旗舰64核心的9980X现身PassMark基准测试。 [](https://static.cnbetacdn.com/article/2025/0619/45024455fd55590.jpg) **凭借64核128线程的恐怖规格，9980X以147481的多线程得分一举登顶桌面CPU性能榜首，在1450个测试项目中成为速度最快的台式机处理器。** [](//img1.mydrivers.com/img/20250703/fddb52ef-7c46-4544-b30a-e7db4883a8a2.jpg) 9980X基于Zen 5架构，拥有 64内核和128线程，3.2GHz基础频率与5.4GHz加速频率，搭配256MB三级缓存，PassMark记录的典型TDP为350W。 [](//img1.mydrivers.com/img/20250703/5e741f04-bf10-4f6a-af34-2c27c63d3633.jpg) **在代际提升方面，9980X与同为64核的上代7980X（Zen 4架构，136517分）相比，性能提升约8.03%。** 由于在这一细分市场缺乏竞争，AMD可能认为从一代到下一代的惊人提升在这里并无实际必要。 [查看评论](https://m.cnbeta.com.tw/comment/1510640.htm)

据第一财经报道，新思科技表示，**7月2日收到美国商务部工业和安全局（BIS）的通知，称与中国相关的出口限制现已撤销，立即生效。****新思科技正努力恢复在中国销售最近受到限制的产品，**并将继续评估与中国相关的出口限制对其业务、运营结果和财务的影响。 另据央视新闻报道，德国西门子股份公司也已收到美国政府的通知称，**美国已取消对中国芯片设计软件的出口限制。** 根据公司声明，这家德国供应商已恢复中国客户对其软件和技术的全面访问。 据了解，今年5月，BIS通知全球前三大EDA厂商新思科技、铿腾电子与西门子，要求其未经许可不得对华销售相关产品或提供技术支持。 [](//img1.mydrivers.com/img/20250703/3e7c93eb13524ee1b467e641ccb3ef0e.png) EDA作为一套电子自动化软件工具，支持从半导体集成电路设计、仿真、布局到验证的所有重要流程，在芯片还停留在图纸设计环节的第一步就不可或缺，因此也被称为“芯片之母”。 [查看评论](https://m.cnbeta.com.tw/comment/1510638.htm)

**“华硕品质，坚如磐石”。相信很多人认识华硕，都是从这句Slogan来的。**这个成立于1989年的DIY品牌，如今产品线已经完整覆盖至笔记本电脑、主板、显卡、服务器、光存储、有线/无线网络通讯产品、LCD、掌上电脑、智能手机等全线3C产品。 [](//img1.mydrivers.com/img/20250703/d9be721ad9774898a800831b3984e77a.jpg) [](//img1.mydrivers.com/img/20250703/68c256f5870a467fb6c0021daea8e0ef.jpg) [](//img1.mydrivers.com/img/20250703/967fbadd34f54b89b8ad68ff7b04b9ed.jpg) **其中，显卡和主板以及笔记本电脑三大产品成为华硕的主要竞争力。** 日前，**华硕官网发布专题活动，庆祝显卡业务30周年。据悉，粉丝们可分享自己使用显卡的精彩瞬间，或参与网页游戏角逐，赢取包括RTX 50系列显卡在内的一系列奖品。** [](//img1.mydrivers.com/img/20250703/7b56758c392b47c59bdc42459340734c.png) 公开资料显示，**华硕在1996年推出第一款显卡 “华硕 375”，采用S3 S3Virge/DX 芯片，在3D加速概念尚未普及的时代，凭借此产品一鸣惊人，正式踏入显卡制造领域。** [](//img1.mydrivers.com/img/20250703/5b1e15149ce94bcda4a1f99179cdc2c3.jpg) **1997-1998年，华硕成为NVIDIA中国台湾省首家合作厂商，开启了与NVIDIA的长期合作。** **这一时期华硕显卡创造了多个第一，包括第一片显存超频的显卡、第一片支持视频输出和视频采集的显卡以及第一片采用主动散热的显卡（风扇版）等，为后续发展奠定了基础。** 1999-2000年，华硕显卡在产品线相对平稳发展的同时，在显卡附加软件技术开发上取得众多成就，推出了第一片支持硬件检测的显卡、第一片配备智能散热系统的显卡、第一片具备动态超频能力的显卡等，展示了其在软件技术方面的强大实力。 2001-2004 年，华硕成为最早提供中文界面驱动的厂商之一，推出3D SeeThrough魔眼功能，还发布了第一款支持游戏影像录制、游戏影像在线分享的显卡，同时其独有的驱动程序可根据应用程序需求、CPU 使用率、温度等自动调节显卡性能，发布采用 SmartCooling 技术的第二代 SmartDoctor 软件，提供更安静、更节能的使用环境。 **2005-2008年，华硕确立了显卡霸主的地位。**2025年上半年，推出世界上首片单卡双芯的多GPU显卡EN7800 DUAL；7月开发了全新的图像增强显示技术—— 靓彩（Splendid），成为全球唯一具备影像增强技术的显卡厂商；推出世界上第一套为电脑游戏设计的显示控制器 GAMER OSD；还推出引导技术革命的创新散热技术酷冷旋翼（Silent Cool）和悬浮热导管（Reverse Cool）。 2007年1月公布了 XG station 外置显卡，用户可通过面板上的旋钮控制显卡频率进行超频设置；7月推出OC Gear 系列超频版显卡附带光驱位前置模块；同年华硕成为世界第一大显卡制造厂商。 2009-2011年，华硕高端显卡崛起。2009年，MATRIX 系列显卡产品获得iF工业设计大奖，ROG MARS成为第一款超公版显卡；2010年发布 DirectCU Technology铜管直触技术，增强显卡散热；2011年推出 SAP 超合金供电设计，同年8月发布的ROG玩家国度的MARSII 战神显卡，采用双 GTX580 核心，成为当时世界上性能最强、最大的显卡，并在 2012 年荣获美国 CES 颁发的电脑硬件产品创新奖。 2013-2017年，华硕显卡进入多元化发展，2013年第一张ITX显卡问世；2014 年发布全新的 Strix 游戏系列显卡，搭载DirectCU 科技及零噪音风扇技术；2015年推出 20 周年黄金纪念版980Ti；2016 年发布ROG STRIX GTX 1050/1050Ti 游戏显卡，并开始采用AUTO EXTREME全自动化制程技术；2017年发布 ROG POSEIDON 海神系列显卡，采用风冷+水冷混合散热设计，以及多款 GTX 1070Ti 系列显卡。 2018年之后，华硕显卡进入RTX时代。**今年4月份，华硕ROG宣布与Bethesda及id Software合作，推出《毁灭战士：黑暗时代》联名款ROG夜神RTX 5080显卡。** 华硕副总裁Kent Chien说：“**我们非常高兴能够与《DOOM》这一PC游戏行业的先锋开展合作，以此庆祝30周年。我们与id Software和Bethesda共同开发了这款显卡，希望它能够成为《DOOM》系列玩家们的骄傲珍藏”。** [查看评论](https://m.cnbeta.com.tw/comment/1510636.htm)

前几年，某鱼上最热门的副业之一是「做课件」，几百元一套的 PPT 课件，打包发给焦头烂额的老师和想赚钱的内容博主。 「知识付费」，从未如此简单！ 各种 AI 工具出现之后，「一键生成 PPT」已经成为传统艺能。当然，更让我吃惊的是，主打要取代传统搜索的 AI 搜索，现在也有了类似的功能。 我最近体验了秘塔 AI 的新功能「今天学点啥」，只要上传一篇论文、一本书，或者什么都不传，直接用秘塔 AI 搜出来相应主题的资料，它就能自动变成一节课讲给你听。 秘塔 AI 搜索生成的课程结构完整、重点分明、知识点一个不落，外加语音讲解，直接能开播。 这个功能不仅能「量产」AI 教父李一舟，对于学生和教师群体，更是天降福音。 - - - ## 栏目作者召集 极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！ 现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式（参考案例： [AI 上新｜3 秒钟，我用 YouWare，手搓了一个「Win98 版」极客公园 ](https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&amp;mid=2653081626&amp;idx=1&amp;sn=b463db0a9cd73c8c5e59185e279450be&amp;scene=21#wechat_redirect)） 向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。 同时， 优秀作者还有机会进入极客公园 AI 体验群 ，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。 AGI 太久，只争朝夕，让一部分人先 AI 起来吧！ 投稿、进群请扫描下方二维码添加极客小助手微信  - - - # 01 一键生课件，量产「讲师」 最近在用秘塔查资料时，注意到它上线了一个新功能，叫「今天学点啥」。图标是一顶蓝色的学士帽，就在页面左侧边栏。  秘塔 AI 搜索主页｜图片来源：秘塔 AI   这是秘塔在今年 4 月底推出的新产品，支持基于书籍、论文、行业报告等文本资料生成课程讲解。上传资料后等待几分钟，系统会自动生成 PPT、语音讲解和课程结构。如果没有现成的资料，也可以直接在应用内搜索并使用推荐内容。 虽然 2024 年由于法律争议，秘塔不再将知网作为文献库之一，但维普、万方、PubMed、Science Didirect 等海内外资源也完全够用。  今天学点啥主界面｜图片来源：秘塔 AI   其中讲解外文文献对我帮助最大。外文文献往往给学习者带来语言和专业两方面的考验，如果还是陌生的题材，那么让人简直没有开始阅读的勇气。 作为一个自然爱好者，前些日子偶然发现鲸鱼和猪竟然属于同一个目！据我们平日的认知，猪、牛、鹿等是大型陆地哺乳类食草动物，而鲸鱼生活在海里，怎么可能是一家呢。 带着这个疑问，我在秘塔中搜到了《古生物学杂志》2013 年发表的论文「On the Origin of Cetartiodactyla: Comparison of Data on Evolutionary Morphology and Molecular Biology（论鲸偶蹄目的起源：进化形态学与分子生物学数据的比较）」。除了想弄明白我的疑问之外，还想对这篇论文的内容进行相对全面的了解。 这时候，秘塔 AI 搜索的「今天学点啥」，就派上了用场。 在课程生成之前，用户可以选择掌握知识的程度和授课风格。「初学者」、「进阶者」、「专家」，由浅入深。 在风格方面， 绝大多数时候我都会选择简洁而高效的「课堂」模式，但「苏格拉底」、「拿破仑」、「爱因斯坦」等 23 种 drama 模式很有提神醒脑的功效 ，适合瞌睡时刻。  今天学点啥有不同的讲师风格｜图片来源：秘塔 AI   不同风格之下课件结构基本一样，讲解词不同。我拎出了几个不同风格的同一句内容 。 【课堂】：长期以来，我们对鲸鱼和偶蹄目动物的认知是清晰的:一个是海洋霸主，一个是陆地食草者，它们似乎属于完全不同的进化路径。 【尼采】：看呐! 旧有的神祇——那些僵化的分类学概念!——正在崩塌! 人们曾以为，陆地上的奔跑者与海洋中的巨兽，是两条永不相交的河流。 【小说】：我的导师，那位头发花白、眼神深邃的老教授，曾指着博物馆里巨大的鲸鱼骨架和旁边的河马标本说:「看，艾琳娜（本篇论文一作），它们是同一个故事的两面。 【张爱玲】：基因，是写在血脉里的隐秘诗篇。它们低语着，说鲸与河马，这两个看似天壤之别的存在，竟有着共同的祖先，如同孪生姐妹，只是命运将她们引向了截然不同的方向——一条奔向汪洋，一条留在泥泞。  河马和鲸鱼是一家，神奇｜图片来源：PixVerse 国服版 拍我 AI   生成时间很快，不出几分钟「塔子」老师就可以搞定课程，目前没有遇到过卡顿。  课程一开始，语音讲解便迅速营造出上课的氛围。音频与幻灯片结合，取代了枯燥的文字陈述，好像点开了 B 站知识类 UP 主的视频，但内容却是为我量身定制的。 尤为惊艳的是， 塔子老师总能精准抓住论文中最适合视觉呈现的部分，并以简洁美观的方式制成课件 ，让原本晦涩难懂的古生物学知识变得清晰有序、条理分明。   今天学点啥生成的 PPT 页面｜图片来源：秘塔 AI   「塔子老师」在这一点上处理得非常聪明。它不会咬住术语不放，也不会在复杂的推导里兜圈子，而是先带你抓住核心思路，把论文的结构、重点、基本概念讲明白。在我听懂大致内容的同时，也慢慢能看清这块知识地图的轮廓。这种讲重点、不堆砌的风格，对非专业的学习者特别友好 更妙的是，整个学习过程中你随时都可以提问 。不需要鼓起勇气举手，也不会打断任何人，只要在课程下方打字提问，「塔子老师」就会在侧栏里迅速回复，补充讲解内容。学习不再是静静接受的一条路，而像是一场可以随时插话和追问的交流。这种有来有回的节奏，让人真正有「听懂了」的踏实感。  在 PPT 中可以随时提问｜图片来源：秘塔 AI   学习从来不是一件轻松的事，我们常常在学习中被各种琐碎的操作打断，比如资料格式转换、内容查找等，而秘塔很好地消除了这些学习中让人烦躁的「坎」。 比如，当我想让秘塔基于一篇文章生成课程时，不需要费力去转换格式，只需上传网页链接就能直接生成讲解内容。而且在使用秘塔搜索找到想看的文章后，可以一键收藏入「知识库」，之后就能直接在「知识库」内提问，无需额外下载或转换 PDF，这一点比很多传统 AI 工具方便太多。   课程内容方便归档｜图片来源：秘塔 AI   听课过程中也不需要切屏回看文献，课程内部直接可以选择分屏模式，左边课件，右边文献，系统还会在文献里自动标注当下讲解的片段，避免学习者在知识里头晕眼花。  可以结合课件和论文原文对比阅读｜图片来源：秘塔 AI   课程结尾部分的处理也别出心裁。每次学习完之后，秘塔都会附上 10 道左右习题 ，当场检测刚学的内容有没有真正掌握。如果答错了，它会给出解释，带领学习者回顾关键点。而且最后它还会顺势推荐一些相关资料，延伸阅读，补全知识网，一不留神就学了几个小时。   上完课哪有不考试的？｜图片来源：秘塔 AI   对我来说， 「今天学点啥」真正打动我的地方，不只是它的内容讲得怎么样，而是它把学习这件事变得更完整了 。 过去我们常常要在各个平台来回切换：找文章、看视频、整理笔记、再想办法测试理解。现在这些环节几乎都可以在一个应用里完成，流程被打通，体验也更集中高效。 当然，「今天学点啥」也还值得优化的地方。 起初我以为秘塔可以直接根据我的问题自动搜集并整合资料，生成课件讲解。但实际体验中， 它的流程还是先帮我检索相关资料，由我来选择文献，再基于这些内容制作课程 。虽然这种方式对有一定资料筛选能力的用户来说没问题，但如果将来能增加「自动整合资料并生成课程」的选项，可能会对更多学习者友好一些。 另外，就是外语处理方面。我在试图用它学习德语时，发现系统虽然可以识别德语文本，但语音讲解时还是用英语的发音方式来读德语，这对于小语种学习者来说会造成不便。语言学习是整个自学版图中不可忽略的一部分，秘塔要想覆盖更多用户，恐怕还得优化这点。 # 02 降低学习门槛，谁都能学点啥 说到「今天学点啥」，就绕不开它背后的公司——秘塔科技。秘塔成立于 2018 年，总部在上海，是国内较早一批专注于「AI+知识服务」方向的科技企业。  图片来源：秘塔 AI   最初，秘塔推出的产品是「写作猫」和「MetaLaw」，分别面向通用写作和法律场景，帮助用户用更高效的方式生成、理解和处理复杂文本。这些工具逐渐积累了不少用户基础。 在这些基础能力之上，秘塔进一步开发了「秘塔 AI 搜索」，主打精准、干净、结构化的内容检索体验。它没有广告，也避开了 SEO 刷屏内容，特别适合查阅论文、行业报告、学术材料等。 到了 2024 年底，秘塔开始把注意力转向「教育」。不是传统意义上的网课平台，而是从 AI 角度出发，尝试回答这样一个问题： 如何把 AI 真正变成老师角色，而不是信息的中介 ？ 「今天学点啥」就是这个问题的直接回应。 用下来这几天，我越来越觉得，不管是学生、老师，还是纯粹出于兴趣想了解点新东西，只要有学习需求，「今天学点啥」是基本都能派上用场，而且对内容类型和年龄阶段的限制也不算大。 高中同学去做了教师。被我成功安利之后， 她表示大学时就曾经用秘塔辅助写论文中的文献综述，接下来准备把秘塔新产品带进课堂里试试 。 对老师来说，用它作为备课的起点其实能省不少时间。最近课程 PPT 已经可以用积分直接下载了。秘塔提供了课件结构的基本思路，在这个基础上做补充，比从头做一份要高效得多。当备课压力很大程度被 AI 产品分散，老师可以省出更多时间升华课堂，关照学生。 后来我自己也试了试它的「搜题」功能，挑了高考数学选择题来听讲解。虽然已经很多年没碰这些题了，但它的讲解节奏合理，推导过程也算清楚，一步步听下来基本都能理解。 和传统的搜题工具相比，它的优势是能讲透，而不是只给你一个答案，而且还能反复听，不懂就重来，这对正在备考的学生应该有帮助。  用秘塔搜索讲解考题｜图片来源：秘塔 AI   有很多好奇的念头都曾经在我们的脑海里一闪，但一般情况下，闪完就灭了，再也想不起来了。而秘塔的新功能能够保存好奇的火种，再继续点燃它。 每次打开「今天学点啥」的首页，总能看到各种领域的内容被推荐出来，比如哲学、心理、健康、自然科学等等，主题跨度很广。就算没有明确的学习目标，也很容易被某个话题吸引，顺势点进去听一课。 前两天刚学完这课，转眼就在小红书上刷到了相同题材的科普。这让我突然意识到，「今天学点啥」的意义之一： 是让普通人更容易接触到原始文献，而不是依赖经过多轮转述的二手信息 。 就像我最近看的那篇关于鲸豚演化的论文，如果交给几个短视频博主转述，很可能就会出现以偏概全或误读的问题。我始终相信， 一个运行良好的 AI 要胜过胜过不专业的人类 。  今天学点啥页面不同的科目分类｜图片来源：秘塔 AI   整体来说，「今天学点啥」在讲解知识这件事上，确实做得挺扎实。对我个人而言，它是一个可用、好用、不会制造额外负担的学习辅助工具。之后如果有什么特别想了解的主题，我会先来这里试试看。 AI 会不会真的成为「老师」，这还有待观察，但秘塔至少已经让「学点东西」这件事变得没那么难开始了。

 小岛秀夫今日在社媒分享了《死亡搁浅2 冥滩之上#》的早期草图。  并表示：“这是新川洋司在2020年1月为我绘制的草图之一，基于疫情前的DS2剧本，该剧本在疫情爆发前刚刚完成。但经历了疫情之后，我最终决定从头开始重新撰写整个剧本。” ​​​ 

动漫短剧能为短剧同质化带来突破吗？

Ru Yi, founder and CEO of Lawaken, is no newcomer to Chinese hardware revolutions. He helped develop China’s first smartphone to sell over one million units (the Ming), built China’s first custom Android OS (OPhone), led Xiaomi’s TV box team from scratch, and was known as the “father of Tmall Genie” for spearheading Alibaba’s AI voice assistant X1.

**<strong>特斯拉近期高管层变动频繁，其原制造和运营副总裁奥米德·阿夫沙尔被解雇，引发行业关注。</strong>**阿夫沙尔在特斯拉任职8年，是马斯克的心腹，曾负责北美和欧洲的销售与制造业务，他的离职对特斯拉的运营架构影响深远。 [](//img1.mydrivers.com/img/20250703/08937db3-d2a5-4669-b784-96ad51bfab04.png) **马斯克接管欧美销售业务，表明他对这些市场的重视和对销售业绩的直接把控意图。** 同时，朱晓彤的职责扩展，体现了特斯拉对亚洲市场的战略重视以及对中国市场的长期规划。 朱晓彤除了继续掌管亚洲销售外，还接管全球制造业务，反映了特斯拉对全球生产运营的整合需求。 上海储能工厂建设和保险经纪公司的成立，是特斯拉在中国本土化战略的重要步骤，旨在深化本土影响力。 **这种人事调整背后，可能是特斯拉在面对市场竞争加剧、供应链挑战和全球扩张压力下，试图通过更紧密的高管协作和明确的职责分配来提升效率和执行力的策略。** [查看评论](https://m.cnbeta.com.tw/comment/1510634.htm)

昨日晚间20时28分，金温地方铁路公司一列货物列车在沪昆线金华市东孝站因制动失效停车不及，侵入下行正线，与正常通过的K1373次客运列车发生侧面碰撞，导致客车机车前转向架（前台车）脱线。 有网友称该列车中途故障期间，K1373次停车3个多小时，车内空气不流通，以致车内温度很高，有乘客被逼无奈只能砸玻璃。 [](//img1.mydrivers.com/img/20250703/6d4c1df33d4246b691187c87748354db.png) 网络上流传的视频画面中，出现了车窗遭破坏（被砸）的相关场景。 [](//img1.mydrivers.com/img/20250703/096c093d88b64ba4ad49358af778b876.png) 另外，也有媒体联系上了列车上的一名乘客。据这位乘客透露，列车坏在半路上了，离金华站大概还有十公里，列车就不动了。 同时，车上空调停了，灯也关了一半，又闷又热，车上已经有人中暑被乘警扶走了。 随后，上海铁路局金华车务段官方7月2日深夜发布两条情况通报。 **7月2日20时28分许，金温地方铁路公司一列货物列车在金华市东孝乡境内沪昆线东孝站停车不及，侵入下行正线，与正在通过的K1373次旅客列车机车发生侧面冲突，致客车机车前台车脱线，无人员伤亡。** 铁路部门正在紧急处置，并做好旅客转运工作。对事故给旅客出行带来的影响，铁路部门深表歉意。 **7月2日23时27分，经铁路部门紧急处置，滞留在沪昆线东孝站的K1373次旅客列车，换挂机车后恢复运行。**由此造成部分列车晚点运行，铁路部门深表歉意。 [](//img1.mydrivers.com/img/20250703/5aa4f9b7b2ee4de78f94ccf95675d42f.png) [查看评论](https://m.cnbeta.com.tw/comment/1510632.htm)

AMD显卡虽然打不过NVIDIA，但是在主机、掌机领域，AMD那是妥妥的一霸！索尼最新的PS5 Pro依然采用了AMD定制平台，其中**显卡基础技术来自RDNA 2.x，光线追踪技术来自“未来RDNA”，大概率就是RDNA 4，同时定制了ML机器学习技术。** PS5 Pro目前支持的AI缩放技术叫做“PSSR”(PlayStation超分辨率)，当然是索尼和AMD联合开发的，但不会停留于此。 [](//img1.mydrivers.com/img/20250703/a8e0f71a069c4607afd8deffcee4ec1f.jpg) PS5系列首席架构师Mark Cerny透露，**PS5 Pro会在明年初进行一次重大升级，支持定制版的AMD FSR4技术，而且向下兼容PSSR，开发者可以轻松部署，获得更好的画质、性能。** 这是索尼、AMD 2023年就启动的Project Amethyst(紫水晶计划)的一部分，其目的是打造基于定制的ML、CNN技术，不断增强画质。 [](//img1.mydrivers.com/img/20250703/2de8453ccbcb40869973fbcf9561d85b.jpg) Mark Cerny还确认，**PS5 Pro支持的AMD FSR4技术，和PC上的肯定不完全一样，但绝非缩水版或者简单改版，而是与AMD深度合作、专为主机定制的满血版。** 它在主机上同样是首先以低分辨率渲染，然后利用AI算法进行增强，并缩放到高分辨率，且不会损失画质，但不索尼没有提及帧生成。 现在的PSSR已经可以从低分辨率缩放到4K，未来还会进一步降低渲染成本，带来更好的画质和性能。 [](//img1.mydrivers.com/img/20250703/9dd72b98561f48d196d80c8fb0ff7c59.jpg) [PC平台的FSR4也会在下半年全面升级，首次全面引入ML](https://news.mydrivers.com/1/1049/1049133.htm)，支持神经网络辐射缓存(NRC)、光线重建(RR)、帧生成(FG)。 [](//img1.mydrivers.com/img/20250703/e7b99488-c816-4cf3-a604-134d1107444b.png) [查看评论](https://m.cnbeta.com.tw/comment/1510630.htm)

**随着新任首席执行官陈立武（Lip-Bu Tan）启动一系列改革措施，英特尔正在对旗下业务及开发工作进行调整。**据悉，**这家芯片巨头或将放弃自主开发的玻璃基板技术，转而采用外部采购方案。** [](https://static.cnbetacdn.com/article/2023/0920/08461a9145faa77.jpg)[](https://static.cnbetacdn.com/article/2023/0920/4b23a59ac140403.jpg) 这一决定虽然意味着放弃在玻璃基板领域积累多年的技术优势，但将显著缩短产品开发周期，同时降低创新技术带来的财务风险。 作为半导体封装领域的前沿技术，玻璃基板被视为替代传统基板的关键突破。英特尔在该技术上已取得领先地位，本可进一步巩固其在先进封装领域的优势。**然而陈立武显然选择了更为务实的路线，通过外部采购快速获取成熟解决方案，将有限的资源集中到核心产品线的研发上。** 陈立武出任CEO之后，对于英特尔的改革策略还包括聚焦核心业务，更新领导团队，导入新的工程人才，并着手精简他认为臃肿且效率低下的中层管理以及必要的裁员。 [查看评论](https://m.cnbeta.com.tw/comment/1510626.htm)

在官网和开源平台GitHub上，上海国产AI独角兽MiniMax抛出全球首个开源大规模混合架构推理模型——MiniMax-M1。该模型在权威评测榜单已位列全球开源模型第二。M1发布当天，MiniMax创始人兼CEO闫俊杰在朋友圈写下：第一次感觉到大山不是不能翻越。 M1一登场，即在权威评测榜单中位列全球开源模型第二，仅次于5月28日发布的DeepSeek-R1-0528。不过从细分项来看，M1在长文本处理、工具调用等方面形成碾压级优势。 [](//img1.mydrivers.com/img/20250703/ff114c6bef494b75b080c2befb053c56.png) **M1支持高达100万token的上下文输入能力，相当于可以一次性处理整部《三体》英文原著，**这一性能达到DeepSeek同类模型的8倍，甚至可与谷歌最新闭源模型Gemini2.5Pro相媲美。更令人瞩目的是，在保持顶尖性能的同时，其强化学习阶段仅投入53.5万美元，远低于行业常规的千万级研发成本。 [](//img1.mydrivers.com/img/20250703/cc622d0a8cd7445b8bf56a33805dc7e7.png) MiniMax展现出惊人的研发速度和产品化能力。在M1发布后的短短四个工作日内，**公司连续推出视频生成模型Hailuo 02、通用智能体MiniMax Agent、视频创作智能体Hailuo Video Agent以及音色设计工具Voice Design等多款创新产品，保持着令人瞩目的&#34;日更&#34;节奏。** 这家扎根上海徐汇的AI企业始终保持着独特的技术路线。早在2022年底ChatGPT引发全球关注之前，MiniMax就已布局通用人工智能(AGI)领域，并果断放弃当时主流的大模型稠密架构和传统注意力机制。在全球大模型研发企业普遍收缩的行业背景下，MiniMax逆势坚持基础模型研发的战略选择，最终换来了这次具有里程碑意义的技术突破。 [](//img1.mydrivers.com/img/20250703/13d8d6a8974a4854aadc7a95ea907d7b.png) [查看评论](https://m.cnbeta.com.tw/comment/1510624.htm)

7月3日消息，在热门短视频应用TikTok上，人工智能生成的种族歧视视频最近正被大量传播，浏览量甚至高达数百万次。这些视频据信出自谷歌公开发布的文本转视频生成工具Veo 3。其内容充斥着种族主义的刻板印象，例如将黑人描绘成猴子和罪犯，以及把黑人与西瓜、炸鸡等特定事物联系在一起。 [](https://static.cnbetacdn.com/article/2025/0703/6aef221020a072f.png) 一些用户还在发布误导性的AI生成视频，内容涉及移民和抗议者。更有甚者用AI生成视频重现少数族裔及边缘群体的历史创伤，包括描绘二战集中营和三K党袭击美国黑人。 TikTok平台明确禁止“贬低种族或族裔群体”以及“威胁或意图对个人或群体造成身体伤害”的视频。但非营利组织Media Matters观察到，许多非人化乃至包含暴力内容的视频仍在平台上肆意传播。 谷歌文本转视频生成式AI模型Veo 3于5月20日发布。目前公开版本生成的视频时长限制在8秒。据报道，谷歌计划将这一功能整合到短视频应用YouTube Shorts中。 TikTok上的这类视频均不超过8秒，或由多个每段不超过8秒的片段组成。这些视频的画面边角通常带有“Veo”字样，且视频往往使用了与Veo 3或AI相关的标签、标题或用户名，并带有明显的AI生成痕迹。 其中大部分种族主义AI内容都带有明确的反黑人倾向，利用猴子形象来强化对黑人的刻板印象。 例如一段视频配文：“我问AI：‘坐廉航的日常体验’”，画面显示猴子在机舱里四处攀爬，烟雾报警器不停作响。这段视频的浏览量高达83.53万次。 观众们显然看懂了其中的种族主义影射。一条获赞超2000的评论写道：“哥们，连AI都开始‘烦黑人’了。”另一位用户写道：“AI才刚出来5分钟，就已经对黑人感到厌烦了。”这类非人化内容还将非裔美国人描绘成罪犯。在一段视频中，一只戴着粉色假发、涂着粉色长指甲、戴着粉色假睫毛的猴子说：“假释官刚打来电话。好消息是我不用再做社区服务了。坏消息是，我又有了新的逮捕令。” 这段视频的浏览量达到了400万次。 还有几个视频将AI生成的猴子描绘成罪犯，并标注为“惯犯”。例如，一段浏览量高达530万次的视频中上演了警匪追逐的场面：一辆被警车追赶的汽车撞上电线杆，一只猴子从驾驶座跑了出来。视频配文：“AI这下玩脱了兄弟。” 这些视频不只使用动物意象来强化种族歧视。例如，有段视频显示一名戴着头套的黑人男子从窗户破碎的被劫商店里搬出一台电视，并说：“今天只是在进行我‘基本和平’的购物。” 这些AI视频还固化了其他种族主义刻板印象，比如所谓“父亲缺失”的刻板印象，即黑人父亲普遍缺席子女生活的不实说法。 一段浏览量达37.39万次的视频中，一名白人女子哭着说：“特夸维乌斯（Tequavius，典型的非裔美国人名字），我有事要告诉你。我怀孕了。”随后，一只戴着反檐帽的猴子跑向一辆汽车并逃走。视频配文：“AI想说啥？” 在类似视频中，炸鸡和西瓜这一由来已久的反黑人种族主义标签也反复出现。 一段浏览量为14.76万次的视频中，描绘了一名黑人男子说道：“我喘不过气了。我喘不过气了。给我西瓜，我要西瓜。”另一段浏览量达35.09万次的视频则以一只名叫“勒夸里乌斯”（Lequarius）的猴子为主角，它戴着金链子，拿着一桶炸鸡。 警察对黑人施暴也是这些视频中反复出现的一个主题。 一段视频浏览量高达1420万次，视频显示两名白人警察正在吃甜甜圈。其中一人突然说：“快看！黑人！”然后连开数枪。 虽然大部分类似AI生成的视频针对黑人，但其他种族和族裔群体也未能幸免。 一段浏览量超过20.69万次的视频显示，一名亚裔男子向顾客介绍：“今天来尝尝我们的芝麻香橙‘汪汪肉’和‘喵喵肉’”，屏幕上还配有猫和狗的图片。 还有一些视频将南亚人描绘成不洁的形象。一段视频中，几名南亚裔男子用脚准备食物，并端上装有老鼠的泥巴碗。 另一段视频描绘一群东正教男子为追一块金子滚下山坡。 此类AI生成的视频还针对美国的移民和抗议者。 一段浏览量为2.54万次的视频描绘了一群AI生成的、自称来自不同拉丁美洲国家、讲西班牙语的人。其中几人的言辞暗示他们想依赖美国资源。第一个抗议者用西班牙语说：“嗨，我来自委内瑞拉，我不想工作。我只想靠美国政府养活。” 更令人担忧的是，一些AI生成的视频似乎在虚构对移民或其支持者施加暴力的场景。在一个视频中，一个AI生成的穿着边境巡逻队背心的大脚怪说：“我来教你们怎么抓偷渡者。”然后他将一名男子摔倒在地，并塞进卡车后座说：“把这货带回去给我割草，然后再遣返他。” 围绕AI和虚假信息的讨论常常聚焦在AI生成内容的“可信度”，即其逼真程度。但仇恨信息并不需要看起来真实，就能将种族主义观念植入观众心中。在美国，利用漫画进行仇恨性的反黑人宣传的做法由来已久。 随着生成式AI工具的竞赛不断升温，相关讨论也应将其可能造成的伤害纳入考量，无论AI生成的图像是否逼真。 [查看评论](https://m.cnbeta.com.tw/comment/1510612.htm)

在毕业论文截止前一周，主修德语文学的大四学生小冰（化名）收到了一则通知：她就读的这所东北高校要求所有大四学生的论文必须通过人工智能内容检测。一旦被判定为AI生成内容超过30%，论文将被直接视为不合格。 [](https://static.cnbetacdn.com/article/2025/0515/c75977f0d002925.jpg) 小冰对此并不担心——她的16页论文完全由自己撰写，仅用ChatGPT和DeepSeek润色了几段文字。但为了保险起见，她还是花了70元，在学校指定的检测平台上自查了一遍。结果却让她大吃一惊：她的论文竟有半数内容被判定为AI生成。 “整个过程让我觉得非常荒谬……我就像一个无辜的人被押赴刑场。”小冰在接受采访时说。 在中国，像小冰这样的学生成千上万。面对日益严格的学术整顿，讽刺的是，AI工具的使用反而激增。许多学生开始利用AI工具来绕过那些本应检测AI内容的系统。 目前，包括排名靠前的福州大学、四川大学、江苏大学在内的十余所高校，已将毕业论文中允许的AI生成内容比例限定在15%至40%之间。毕业论文是必须的毕业环节，检测未通过可能导致被开除或延期毕业。 高校方面认为，这些规定能够遏制学术不端行为。但学生们则普遍反映，这些检测平台存在大量漏洞，结果不可靠。许多学生反映，他们即便只少量使用、甚至完全没用过AI，论文也会被判为不合格。在社交媒体上，学生们纷纷吐槽，为了避免被怀疑，只能主动“降智”——将自己本来引以为傲的文字修改得生硬、稚嫩。当手动修改也不奏效时，不少人转而使用AI改写工具，以期骗过检测系统。 目前，高校主要依赖中国知网、万方数据和重庆维普等学术科技公司开发的检测工具。这些公司长期为高校提供论文查重服务。但讽刺的是，包括重庆维普和PaperPass在内的部分平台，也同时提供“AI降重”服务，专门帮助学生绕过检测，由此形成了一个利益循环。 来自八所高校的学生表示，他们对这“突如其来”的政策感到困惑，不得不为AI服务付费，只为顺利毕业。有些人选择了号称由研究生“纯人工改写”的平台，价格高达数百元；也有人依赖更便宜的AI聊天机器人来调整词汇和语法。学生们普遍反映，这些服务效果参差不齐：有的确实能帮助通过检测，有的却会引入大量纰漏。 福建的大学生迪迪（化名）曾花了约500元，请了一位声称能提供人工修改服务的辅导老师。虽然AI检测分数下降了，但论文内容却变得支离破碎，许多关键词被曲解，部分表达甚至被替换成完全不合适的同义词。 “它根本就不是人工改写，而是用AI工具简单处理了一下。” 迪迪说，并举例指出其中一处错误：论文中提及福建女性佩戴的传统发饰“三把刀”，竟然被改成了莫名其妙的“带三刃的工具”。 另一位学生则表示，某AI辅助服务竟然把她论文中的“半导体（semiconductor）”改成了“0.5导体（0.5 conductor）”，这个无厘头的错误让她哭笑不得。 作为学术科技领域的市场龙头企业，中国知网对外界的投诉尚未作出公开回应。其官网上只有一句提醒：“检测结果可能存在误差。”中国知网、重庆维普和万方数据均未回应置评请求。这三家平台的官方网站都包含类似免责声明。各高校也都未对采访请求作出回应。 小冰为了不借助AI也能通过检测，想尽了各种办法：重写论点、改写句子、替换词语，但AI内容分数始终高于50%。最终，她发现了一个“窍门”：把句号全都换成逗号。这样虽然句子变得冗长难读，AI分数却一下子下降了20多个百分点。 “感觉写得越好，受到的惩罚越重。”她说。今年6月中旬，她顺利毕业，论文被学校认定为仅有2%为AI生成内容。 不可靠的AI检测工具也在美国等地引发了争议。然而，放眼全球，中国高校大规模快速采用这些工具的速度依然引人注目，尤其是在当下AI热潮席卷的背景下。 部分教师担忧，这种“一刀切”的做法反而给学生传递了错误的信号。山东一位不愿具名的传播学教授表示：“更大的问题是，这些工具让学生觉得用AI是件见不得人的事。这就像我们一直回避性教育一样。凡是不能公开讨论的事情，就无法得到妥善处理。” 一些高校也开始呼吁采取更为温和的立场。今年5月，南京大学发布通知，承认AI检测工具存在局限性，提醒教职人员不应单纯依赖检测结果。 燕子，一名来自山东的商科学生，起初还担心AI检测会窃取自己的论文。但在同学纷纷抱怨被“误杀”后，她尝试用中国知网检测自己亲手写的论文，结果竟然有三成多内容被判为AI生成。 她只好逐句重写，但论文依旧无法过关。眼看距离截止日期只剩四天，她最终还是妥协，花了16元购买了一家AI初创公司的改写工具，该工具声称能帮助论文通过AI检测。 “其实挺害怕的。”她担心自己无法顺利毕业。 在新政策出台前，她从没听说过在学业上使用AI是被禁止的。她表示，在此之前，学生们公开使用AI本来是普遍现象。 “有些老师还鼓励我们用AI做研究。”她说。 [查看评论](https://m.cnbeta.com.tw/comment/1510610.htm)

7月3日，瑞幸咖啡最近在纽约市开设了首批美国咖啡店。那么，喝惯了星巴克的美国人觉得瑞幸的咖啡好喝吗？以下是一些美国用户对于瑞幸咖啡的感受：不像咖啡，也还可以。  美媒记者体验瑞幸咖啡 美国《商业内幕》记者艾丽斯·特科茨基(Alice Tecotzky)到访瑞幸咖啡门店，点了一杯菠萝冷萃和一杯名叫“阳光微风”的饮品，后者混合了血橙和葡萄柚口味。  菠萝冷萃和阳光微风 特科茨基喜欢喝纯咖啡。她喝第一口菠萝冷萃时，感觉就是喝带果肉的菠萝汁，不难喝，但不是咖啡的味道。她使劲摇晃杯子后再尝一口，依然是那种味道，只是变淡了些，但还可以。 “阳光微风”则酸甜怡人，还出人意料地夹杂着橙子果肉。但早上10点喝这个可能不是最佳时机，下午会更合适，果汁爱好者们应该会很喜欢这种风味。 下次带朋友一起  莱昂喜欢果肉感 53岁的布鲁斯·莱昂(Bruce Leon)称，他其实喜欢菠萝冷萃的“果肉感”，因为这说明饮料不是用糖浆勾兑出来的。他表示，自己以前没听说过瑞幸，但打算下次带朋友一起来。 好喝 33岁的切尔西(Chelsea)也没听说过瑞幸，只是因为这家店就在地铁站出口对面，就走了进来。她点了一杯原味冷萃，评价是：“非常好喝。” 很不错 30岁的考特尼·克拉夫特(Courtney Kraft)则非常了解瑞幸在中国的发展，这是她第二次来这家店。店里的桌子不多，她坐在一张桌子前一边工作一边喝着一杯椰子水抹茶，她说味道“非常不错”。 可媲美星巴克 28岁的杰里米(Jeremy)是从新闻中知道瑞幸的，他点了一杯冰椰拿铁，喝了第一口，满意地点了点头，“挺不错的！”。他觉得瑞幸的品质可以和星巴克媲美，但他更喜欢星巴克的手机应用。 最爱冰椰拿铁 30岁的埃文(Evan)十分了解瑞幸咖啡，因为他曾去过他家乡上海的一些门店。他的最爱是冰椰拿铁。他说，上海门店经常有促销活动。 面包一般  面包味道一般 《商业内幕》记者特科茨基还点了一份香蕉酸奶面包，但感觉相当一般，这是瑞幸咖啡店里为数不多的几种食品之一。 价格无敌 《商业内幕》采访的所有人都对瑞幸咖啡的价格赞不绝口，尤其是在纽约这样物价昂贵的城市。克拉夫特说，她在别的地方买一杯特色饮品最高要花到15美元。而在瑞幸纽约门店，一杯原价冰拿铁只要5.75美元，相比之下星巴克是5.95美元。而且，瑞幸是出了名的喜欢促销。杰里米表示，有促销的话，瑞幸的价格“无敌”。尽管他更喜欢星巴克的咖啡，但他说，价格比其他因素更重要。 [查看评论](https://m.cnbeta.com.tw/comment/1510598.htm)

<blockquote><p>近期，作者在使用招商银行 APP 时，发现其 “他行卡转入” 功能的入口设计极为便捷，由此展开了对银行零售业务中人工智能与人工服务、用户体验优化等方面的深入探讨，强调了以客户为中心的设计理念及在存量竞争阶段便捷操作的重要性。</p> </blockquote>  ## 1 最近高考成绩出分了，不少人都在讨论报考学校和专业。 有一类话题，是关于怎么选择未来不容易被AI（人工智能）取代的专业。 关注的人不少，讨论也很热烈。 我看了，却感觉有点好笑。 嗯，这种感觉，就类似于第一次工业革命的时候，听到两个小孩在讨论：自己未来该选择做矿工还是纺织工，才不会被蒸汽机所取代？ 实际上，最后他们可能成了蒸汽火车的司机，或是蒸汽轮船的水手也说不定。 新的工具，总是带来新的市场、新的机会。 并不是简单的替代关系。 我们能做的，就是把工具能干好的事情交给工具，专注在人能干好的事情上：让工具做好流程和效率的“智能”，让人类做好懂人性、有温度的“人工”。 择业如此，做银行的零售业务也是如此。 这是我理解的“人工智能”。 ## 2 自从换了华为的PuraX，发现很多APP都还在适配纯血鸿蒙的过程中，体验一言难尽。所以除了刚需之外，很多APP就不怎么用了。 这两天打开招商银行APP，首页赫然看到“他行卡转入”的入口（当然也可能之前就有，只是我没留意到）。 心里忽然升起一种表扬招行APP产品经理的冲动：很有业务感觉，该加鸡腿。  招商银行APP首页 都知道基于货基或活期理财的“宝宝类”产品，是互联网理财的第一步。 支付宝的余额宝，招行的朝朝宝就是其中的典型。 客户购买这类产品后，会逐渐建立数钱心智，并提高入金的金额和访问频次，进而为后续的品类进阶或交叉购买奠定基础（这个经营策略本号过去不少文章都有涉及，下面就放一张用过的图，供参考）。  道是无：《银行，财富管理业务过冬的正确姿势》 更重要的是，现在是存量竞争阶段，本行新增一笔的“新客新资金”，往往就意味着他行损失一笔“老客老资金”。 在这种情况下，线下队伍营销客户完毕，介绍完产品优势，引导客户操作时，客户只需要两步操作，就能直达他行卡绑定和转入朝朝宝页面（打开招行APP、点击转入按钮）。  招商银行APP：首页点击“他行卡转入”后的承接页 这种体验，就是真正的“以客户为中心”和“以客户经理为中心”：客户经理完成上半程的介绍，客户顺利完成下半程的操作。 道是无公众号的用户里，有不少银行同业的朋友，你可以打开自家的APP，看看需要几步操作。 更重要的是，招行的入口是“资金”的视角，是站在客户的立场设计，客户只需要关注钱本身。 其他银行的入口，一般是放在“宝宝类”产品的主页里，有一个“他行卡转入”的按钮——这是“业务”的视角，是站在银行的立场设计，客户需要先了解并找到业务，才能操作资金。 你品一品，其中的差别是非常大的。 ## 3 看完上面这个例子，你可能会问，这跟AI有什么关系。 还真有关系。 银行花在AI上的研发费用，大概率投在客户投资偏好分析、产品的筛选和推荐上。 总之，既能节省XX人日的开发投入，又能提高XX个百分点的客户转化率，还能升级理财业务的精细化运营水平——至于实际结果是否如此我不确定，但起码立项报告是这么写的。 最后，往往是所有人都赢了，只有客户和客户经理输了。 银行的零售业务，是发生在两个真实的人类之间，而不是人和机器之间，更不是机器和机器之间。 客户经理在上半程的营销动作，甚至仅仅是情绪价值的提供，往往是决定性的因素。 它不那么“智能”，却非常“人工”。 情绪到位了，打开APP点一下，钱也立刻到位，这就是人性对便捷性的要求。 人的天性很懒，但力量很强大。 做业务，千万不要逆人性而为。 ## 4 甚至，还能进一步放大这个功能。 把“他行卡转入”放到页面顶部的金刚位，现在“朝朝宝”的位置，就在“借钱”图标的前面。 作为顶级业务入口存在。 甚至连产品逻辑我都想好了（非常自洽），四个图标分别方便客户做四个跟钱有关的重要操作：把钱转进来、跟银行借钱、把钱转出去、查看转钱的账户。  招商银行APP首页 因为招行的产品、服务和权益体系已经足够丰富，加上客户经理的线下营销，很多时候客户需要的只是一个便捷的转入路径而已。 如果我是招行APP的负责人，我就这么干。 并且，别的银行就算照着抄都没用。 因为你能抄页面设计、抄入口，却抄不来品牌、口碑和背后的产品服务体系。 写到这里，本文就快结束了。 我想了想，这篇文章这么写，是有一定风险的。 万一招行APP的产品经理跳出来，说，“你说的都不对，我根本不是这么想的”，那我就有点尴尬了。 之前在支付宝的时候，就看过不少外面的文章分析我做的产品，图文并茂，万字长文那种。 同事转给我看，我感到非常惭愧：要么当时根本没想那么深，要么是因为不得已才那么做——总之，文章里的有些内容，我在项目总结和晋升报告的自吹自擂里都不敢那么写。 不过话说回来，即便是这种尴尬，还在我能承受的范围之内，毕竟随着年纪渐长，我的脸皮也愈发厚了起来。 更何况，做业务，经营逻辑是根本：大平台可以成就一款成功的产品，而一旦你有了经营逻辑，就有更大的概率让这款产品出自你的手中。 至于某一次判断是对还是错，也就没有那么重要了。 本文由人人都是产品经理作者【道是无】，微信公众号：【道是无】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

U.S. officials warned they might impose voluntary export restraint on auto exports as possible punitive measures if two countries could not work out an agreement soon, while Japanese officials reportedly told the Americans they wouldn&#39;t agree to any deal that preserves Trump&#39;s 25% automotive tariff.

特斯拉CEO埃隆·马斯克周三表示，美国总统特朗普最近对他的评论“完全错了，非常令人失望”。马斯克和特朗普之间的恩怨因为“大而美法案”上的分歧而重新点燃。这位前政府效率部负责人认为，这项立法是对联邦债务的数万亿美元扩张，这是不可接受的，他宣称如果该法案通过，他就要组建一个新的“美国党”。 在Truth Social上的一篇帖子中，特朗普把矛头对准了马斯克，因为他的公司获得了补贴，尤其是电动汽车补贴。特朗普说，如果没有这些补贴，“埃隆可能不得不关门，回到南非老家。” 当被记者问是否会考虑驱逐2002年加入美国国籍的马斯克时，特朗普说：“我不知道。我们得看一看。” 马斯克是特朗普2024年总统竞选最重要的支持者之一，他至少花费了2.5亿美元来支持他的竞选。然而，他一直对特朗普的“大而美法案”持强烈批评态度，这是一项重大的税收和支出计划，目前已在参议院以1票优势获得通过，现在被送回众议院表决。 该方案将把美国的债务上限提高5万亿美元，大幅减税，并增加边境安全和国防开支。根据美国国会预算办公室（CBO）的数据，这将使美国未来十年的财政赤字增加3.3万亿美元。该法案还减少了一些低收入家庭的医疗保险和食品补贴。 马斯克上周末发帖，将该法案描述为共和党的“政治自杀”，“完全疯狂且具有破坏性”，并补充说，“它给过去的行业提供了援助，同时严重损害了未来的行业。” 周一，特朗普在Truth Social上批评马斯克的公司获得补贴，并建议马斯克之前领导的政府效率部（DOGE）对此进行调查。 “早在埃隆·马斯克强烈支持我竞选总统之前，他就知道我强烈反对电动汽车的授权。这很荒谬，而且一直是我竞选的主要内容。电动汽车很好，但不是每个人都应该被强迫拥有一辆，”特朗普写道。 他继续写道：“到目前为止，埃隆获得的补贴可能比历史上任何一个人都多，如果没有补贴，埃隆可能不得不关门大吉，回到南非。不再发射火箭、卫星或生产电动汽车，我们的国家就能省下一大笔钱。也许我们应该让DOGE好好看看这个？会省下一大笔钱！！” 马斯克随后回应称：“全部砍掉，现在就砍。” 当地时间周三，明尼苏达州的特斯拉车主道尔顿·布鲁尔（Dalton Brewer）在X上分享了特朗普的帖子截图，并补充道：“这实际上是我见过的特朗普发过的最愚蠢的帖子之一。我可以说更多，但我就讲到这里。非常失望。” 马斯克回答说：“完全错了。非常令人失望。”  这位科技巨头批评提高债务上限，认为这与他在1月至5月期间在通用电气任职期间削减政府开支的努力相矛盾。 7月1日，他在X上写道：“我所要求的就是不要让美国破产，”他在随后的帖子中补充道，“如果我们一直提高债务上限，那还有什么意义？” 马斯克6月30日在X上写道：“如果这个疯狂的支出法案通过，美国党将在第二天成立。我们的国家需要一个替代民主党和共和党一元化的政党，这样人民才能真正有发言权。” [查看评论](https://m.cnbeta.com.tw/comment/1510596.htm)

当地时间本周三(7月2日)，世卫组织发起了一项名为“3by35”的倡议（到2035年落实3项健康税），呼吁各国通过征收健康税，到2035年将烟草、酒精和含糖饮料的实际价格提高至少50%，遏制慢性病的同时，还能创造重要的公共收入。  世卫组织表示，该倡议有助于减少会导致糖尿病及某些癌症的产品的消费，同时在开发性援助和公共债务上升时增加财政收入。 世卫组织健康促进和疾病预防控制事务助理总干事Jeremy Farrar称，“健康税是我们拥有的最有效工具之一。这能减少有害产品的消费，并创造收入，供政府重新投资于卫生保健、教育和社会保障。现在是时候采取行动了。” 世卫组织在塞维利亚举行的联合国发展筹资会议上启动了“3by35”计划。哥伦比亚和南非等国的健康税证据表明，该税收倡议到2035年可能筹集一万亿美元。 数十年来，世卫组织一直支持征收烟草税和提高售价，近年来也呼吁对酒精和含糖饮料征税，但这是首次为所有三种产品提出目标提价幅度。 世卫组织总干事谭德塞（Dr Tedros Adhanom Ghebreyesus）在会议上称，这些税收可帮助各国政府“适应新现实”，并用筹集的资金加强自身卫生系统，但仍有许多国家继续向包括烟草业在内的不健康行业提供税收优惠。 与烟草业达成限制烟草税上调的长期投资协议，可能会进一步损害国家健康目标。世卫组织鼓励各国政府审查和避免此类豁免措施，以此来支持有效控制烟草和保护公众健康。 目前，许多中低收入国家正应对美国主导的援助不断削减的不利局面。美国代表未参加这场在塞维利亚举行会议，并正在退出世卫组织。 世卫组织健康经济学家Guillermo Sandoval举例称，考虑到通货膨胀，该计划意味着一个中等收入国家的政府需提高相关产品税收，将价格从如今的4美元推高至2035年的10美元。目前，近140个国家已平均将烟草税及价格提高了50%以上，这表明大规模的改变是可能的。 Sandoval表示，在世卫组织未来几个月完成对超加工食品的定义后，该机构还在考虑就此类食品提出更广泛的税收建议，但他补充说，世卫组织预计会受到相关行业的抵制。 这一倡议还得到了彭博慈善基金会、世界银行和经济合作与发展组织（OECD）的支持，内容包括为有意采取行动的国家提供援助。 世卫组织呼吁各国、民间社会和发展伙伴支持“3by35”倡议，并致力于推行更明智、更公平的税收政策，以保护健康并加速实现可持续发展目标。 [查看评论](https://m.cnbeta.com.tw/comment/1510594.htm)