<blockquote><p>在科技的浩瀚星空中，一个新的时代正在悄然降临。华为汪涛提出，到2030年全球近30亿AI机器人将进入工厂和家庭，这一前瞻性的预测如同一颗璀璨的流星，划破了行业的夜空，引发了无尽的遐想与期待。</p> </blockquote>  ## 一、政策分析：2025年是AI机器人商业化元年​ 2025年，全球 AI 机器人商业化进程加速，产业发展进入新阶段。从需求端来看，中美两国劳动力短缺的矛盾日益凸显，人力成本不断攀升，促使企业与家庭对机器人的需求愈发迫切。根据美国劳工统计局的数据，美国2024 年 4 月职位空缺数达到 1010 万，远高于疫情前水平，凸显用工荒现状。中国方面，国家统计局数据显示，2024年1-4 月，全国规模以上工业企业每百元营业收入中的成本为 84.45 元，较去年同期增加 0.24 元，人力成本的上升给企业带来较大压力。​ 在供给侧，AI 大模型技术的成熟，为机器人赋予了强大的智能交互与决策能力。OpenAI 的 GPT 系列模型不断迭代，其在自然语言处理、图像识别等领域的应用，让机器人能够更好地理解和执行任务。同时，硬件性能提升的同时成本不断下降，使得机器人的大规模生产与普及成为可能。例如，特斯拉 Optimus 人形机器人的研发，通过创新的设计与制造工艺，降低了生产成本，提高了生产效率。政策方面，各国政府纷纷出台支持政策，推动机器人产业发展。  图片来源：2023年中国工业机器人行业研究报告 中国发布的《“十四五” 机器人产业发展规划》，明确提出到 2025 年，我国成为全球机器人技术创新策源地、高端制造集聚地和集成应用新高地的目标。美国也通过加大科研投入、税收优惠等政策，鼓励企业开展机器人研发与应用。技术的突破、成本的下降以及政策的支持，共同推动了 AI 机器人从实验室走向市场，开启了商业化元年。 ## 二、现状分析：劳动力短缺与人口老龄化在全球日益严重  图片来源：老龄社会白皮书 市场层面：劳动力短缺与人口老龄化问题在全球范围内日益严重，对机器人的需求将持续增长。以日本为例，根据日本内阁府发布的《老龄社会白皮书》，到 2030 年，日本 65 岁以上人口占比将达到 30% 以上，养老护理等领域对服务机器人的需求极为迫切。 产业生态方面：产业链上下游企业的紧密合作，将推动机器人产品的不断丰富与完善。从核心零部件制造商到系统集成商，再到应用端企业，形成了完整的产业生态链。 工业领域方面：宇树科技、库卡等机器人企业与汽车、电子等行业的深度合作，实现了机器人在生产线上的大规模应用。随着技术的进步、市场需求的增长以及产业生态的完善，2030 年近 30 亿 AI 机器人进入工厂和家庭的愿景有望成为现实。 ## 三、历史对比分析：机器人产业即将迎来 “iPhone 时刻” 回顾 iPhone 的发展历程，2007 年，第一代 iPhone 发布，其创新性的多点触控技术、简洁的用户界面以及丰富的应用生态，彻底改变了传统手机的形态与功能，开启了智能手机的新时代。随后，iPhone 通过持续的技术创新与产品迭代，如摄像头性能的提升、处理器运算能力的增强等，不断拓展手机的应用场景，从简单的通讯工具逐渐转变为集社交、娱乐、办公等多功能于一体的智能终端。同时，App Store 的推出，吸引了大量开发者入驻，丰富的应用程序进一步提升了用户体验，形成了良性的产业生态循环。​  图片来源：2023年中国工业机器人行业研究报告 如今的机器人产业，正处于类似 iPhone 发展初期的关键节点。技术上，AI 大模型的发展为机器人赋予了智能，使其能够更好地感知环境、理解任务并做出决策。市场方面，劳动力短缺、人口老龄化以及人们对生活品质提升的需求，为机器人创造了广阔的市场空间。产业生态上，产业链上下游企业积极布局，从核心零部件研发、机器人本体制造到应用场景开发，形成了较为完整的产业体系。对比iPhone 的发展，未来机器人产业有望通过持续的技术创新，不断拓展应用场景，从工业领域逐渐渗透到医疗、教育、家庭服务等更多领域。同时，随着产业生态的不断完善，将吸引更多企业与开发者参与，推动机器人产品的多样化与个性化发展，从而迎来属于机器人产业的 “iPhone 时刻”，深刻改变人们的生产与生活方式。 ## 四、产业分析：国际巨头与国内企业竞争与合作并存 在全球机器人行业竞争格局中，特斯拉Optimus、优必选Walker S、智元远征A1等国际巨头在工业机器人领域占据领先地位。发那科是全球知名的工业机器人及自动化设备制造商，其工业机器人产品以高精度、高可靠性和高稳定性著称。公司拥有完善的研发、生产与销售体系，在汽车、电子、机械加工等行业拥有广泛的客户群体。  图片来源：2023年中国工业机器人行业研究报告 国内的机器人企业如埃斯顿、新松等在近年来逐步崛起，在部分领域实现了重要突破。埃斯顿通过持续的技术研发与市场拓展，在工业机器人领域取得显著进展。公司掌握了机器人运动控制、伺服驱动、传感器等核心技术，产品性能不断提升。埃斯顿的工业机器人在国内市场的占有率逐年提高，尤其在 3C 电子、金属加工等行业得到广泛应用。 ## 总结 机器人产业正站在历史的新起点上，即将迎来属于它的iPhone高光时刻。这是一个充满机遇与挑战的时代，技术的突破、市场的扩张、应用的创新，都让我们对未来充满信心。然而，我们也不能忽视其中的问题和风险，需要政府、企业、科研机构和社会各界共同努力，加强合作，攻克技术难题，完善法律法规，引导机器人产业健康、可持续发展。 让我们拭目以待，见证机器人如何改变世界，创造一个更加美好的未来。 让我们深度思考一下，当机器人真正成为我们生活中不可或缺的一部分，我们与它们的关系将是怎样的？是主仆，是伙伴，还是其他？我们又该如何在这个机器人时代，找到自己的价值和定位？这不仅是科技的变革，更是人类社会的一次深刻转型，需要我们每个人去认真思考和面对。 本文由人人都是产品经理作者【造梦产品论】，微信公众号：【造梦产品论】，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。

行业规律。

作者 | 陈思竹 编辑 | 谢芸子 在换帅、降价、转型等一系列自救措施失效后，“高端零食第一股”选择卖身。 7月17日，良品铺子公告称，控股股东宁波汉意及其一致行动人宁波良品，拟以12.42元/股的价格，分别向长江国贸协议转让良品铺子7224万股及1197万股的股份，分别占据良品铺子总股本的18.01%和2.99%，总价10.46亿元。 同时，良品铺子的第二大股东达永有限公司，也拟以12.34元/股的价格，将所持良品铺子8.99%股权转让给长江国贸，总计4.45亿元。 爱企查显示，长江国贸的实际控制人为武汉市国资委。**这意味着，若此次转让协议能成功执行，武汉国资委将拥有良品铺子29.99%股权，成为其第一大股东。** 不过目前来看，这笔股权转让算不上顺利。 在良品铺子发布公告当天，另一家国资企业——广州轻工就股权转让纠纷对宁波汉意提起诉讼，并申请了财产保全，冻结宁波汉意所持有的19.89%良品铺子股份。 **良品铺子也在公告里提到，此次股份冻结及诉讼事项，可能导致宁波汉意与长江国贸的控制权转让事项存在不确定性。** **截至发稿前，良品铺子每股报价13.09元，公告日至今，其股价已累跌近5%，市值仅剩52.49亿元。**  图片来源：公司公告 ### **是否“一股两卖”？** 这项交易的最大不确定性，来自宁波汉意与广州轻工达成的协议。 宁波汉意为化解自身债务，曾寻求以协议转让方式出售其所持有的良品铺子部分股份。今年5月，宁波汉意与广州轻工签署《协议书》，约定广州轻工拟对公司进行尽职调查后，计划受让宁波汉意所持有的良品铺子部分股份，进而投资、控制良品铺子。 据了解，此协议对尽职调查安排、投资安排、优先购买权、违约责任等内容都做了约定。当时，公司实际控制人杨红春、杨银芬、张国强与广州轻工确认了协议版本内容，并出具了承诺函。 值得一提的是，宁波汉意及其一致行动人在5月28日并未最终签署相关股权交易协议。当宁波汉意转身选择武汉国资时，广州轻工则反手将其告上法庭，要求其按照每股12.42元的价格转让股份并履行股权变更手续。 关于此次纠纷，良品铺子回应《界面新闻》称，不会影响整体交易（与长江国贸进行股权转让）的正常推进。良品铺子表示，“可能两大国资都认为（上市公司）是优质标的，交易方在商业谈判中出现分歧。” **上海正策律师事务所律师董毅智也告诉36氪，此次交易并不构成“一股两卖”，但可能构成民事违约，原因在于这两份合同的效力并不相同。** “宁波汉意与广州轻工签署的《协议书》属于预约合同（意向协议），未明确股权过户时间、支付方式等核心条款，所以不具备强制履行效力。而与长江国贸签署的是本合同（正式转让协议），可直接要求履行过户义务。” **董毅智还表示，广州轻工的股权冻结优先于长江国贸。“如果诉讼结果对广州轻工有利，可能会导致长江国贸无法顺利取得控制权，或需重新调整收购方案。”** 这也致使，在诉讼结果落地之前，良品铺子的最终走向仍然存疑。  宁波汉意股份被冻结的基本情况；图片来源：公司公告 ### **为何急需救兵？** 实际上，在筹划交出控制权之前，良品铺子已经历了一段时间的动荡。 财报显示，2020年至2022年，良品铺子营收分别为78.94亿元、93.24亿元、94.4亿元。增长速度大幅放缓的同时，资本也开始“退潮”。2021年，高瓴在首批限售股解禁到来后就开始计划减持，并于2024年2月完成对良品铺子的清仓。随后，今日资本也有所减持。 **为了挽救业绩，良品铺子也曾努力自救。** 2023年11月，原创始人杨红春退位，联合创始人杨银芬担任董事长。 当时，杨银芬有几点判断：渠道方面，休闲零食赛道线上流量转移、竞争加剧，线下零售新物种出现；用户方面，消费迈入理性时代，不同人群消费层次更分化、更分明；公司自身方面，机构臃肿、人浮于事，官僚主义、本位主义都已浮现。 而杨银芬开出的“解药”是——在保证产品品质的同时，价格更亲民。至此，良品铺子开启了史上最大规模的降价行动。无奈的是，降价不仅没有推动收入的增长，反而导致利润暴跌。**2024年，良品铺子收入同比下降11%，净利润直接出现亏损。** 2025年3月，杨银芬请辞公司董事长、总经理职务。同时，公司选举程虹作为第三届董事会董事长；次月，创始人杨红春重新接下总经理的重任。 此番管理层变更的同时，良品铺子的业务板块从休闲零食扩张至食品全品类。不仅卖零食，还卖制造零食的原料及原料的衍生品。比如，今年4月末，良品铺子一边卖脐橙，还一边卖以脐橙为原料加工的牛乳香橙吐司、脐橙粽子等。 **然而，这一系列的变革仍未挽救良品铺子的颓势，根据公司7月15日披露的业绩预告，预计2025年上半年的净亏损在7500万元至1.05亿元之间。**  良品铺子近五年利润图；资料来源：公司公告，36氪 在连锁经营专家、和弘咨询总经理文志宏看来，良品铺子并没有做好自身供应链的优化，以至于未能降低成本。“在这一前提下，降价只能维持营收，随着客单价与毛利的下滑，亏损成为必然。” 香颂资本执行董事沈萌更是直言，频繁换帅与战略调整，可以看出良品铺子的整体经营思路混乱。“此次大手笔的股权转让，也说明实际控制人对公司的后续发展缺乏信心。” ###  **武汉国资委能带来什么？** 那么，武汉国资委会是良品铺子的好选择吗？ **对于此番引入国资战略股东的选择，良品铺子在公告中披露了两方面理由：其一，利用长江国贸在供应链综合服务等方面的经验进行转型，形成公司“一品一链一园”的全链条产业生态体系；其二是控制权变更将更有利于优化公司股权结构和治理机制。** 业内普遍认为，国资的入场至少能为良品铺子提供资金支持。10.46亿元的入场费能降低大股东质押率，从而一定程度上缓解短期债务压力和现金流紧张的问题。 此外，在供应链上，长江国贸也能给予良品铺子更多帮助。 爱企查显示，长江国贸参与控股的公司包括武汉友好跨境电商有限公司、武汉长江陆港国际供应链有限公司、金控华粮（湖北）粮食物流有限公司等，经营范围涵盖冷链、食品、跨境电商等多项业务，这些资源和能力或能帮助良品铺子降低供应链的成本压力。  图片来源：爱企查 股权转让公告中，良品铺子也表示，双方将强化供应链协同，助力公司从“品质零食”到“品质食品”的生态转型。 **当然，国资入场却未能改善企业经营的案例也并不罕见。** 2019年，连锁商超企业人人乐被曲江国资收购，但其业绩却未能“回春”，2024年净亏损达到1729.65万元，并于今年7月4日被深交所摘牌。 2023年1月15日，步步高公告，湘潭市国资委将成为实控人。次日，步步高股票复盘后直接涨停，但在随后几个交易日迅速回落，股价甚至一度低于停牌前。 在沈萌的感知中，“中西部国资企业在市场推广和营销方面都较为保守”。他认为，良品铺子被长江国贸接手后，很难给到市场更多惊喜。 文志宏则对这笔股权转让持乐观态度。在他看来，武汉国资委旗下的中百集团一直在积极改革。从这一层面看，武汉国资委具有相对丰富的市场化改造能力，或能成为良品铺子的白武士。 ###  **创始人何去何从？** 此外，让人们颇为关心的，是良品铺子创始人的去留问题。 2005年，科龙被海信收购后，杨红春放弃优渥的薪资待遇，力邀杨银芬、张国强等，共同开启了良品铺子的创业征程。 从目前的股权结构中可以看出，良品铺子的实际控制人杨红春、杨银芬、张国强、潘继红通过宁波汉意间接持有良品铺子35.23%的股份。杨红春、杨银芬、张国强通过良品投资还持有2.99%的股份。在股权转让后，宁波汉意将仅持有17.22%良品铺子股份，而划分到杨红春手中的，只会更少。  图片来源：公司公告 **即使相关方表示，创始人杨红春并未“离场”，将留任高管并保留重要股东身份。**但杨红春所持的股份，已很难撼动长江国贸的控制和下一步规划。新董事会改组方案显示，宁波汉意有权提名4名非独立董事候选人以及3名独立董事候选人，宁波汉意则仅有权提名非独立董事候选人和独立董事候选人各一名。 沈萌认为，在过渡期平稳结束后，良品铺子的创始人们可能会陆续退出上市公司。他也强调，**无论谁是良品铺子的掌舵人，都将继续面临零食行业残酷的竞争压力。** ### ** 转型方向在哪里？** 2020年，良品铺子A股上市，成为名副其实的“高端零食第一股”，也是彼时消费升级的代表，总市值一度超过340亿元。 时至今日，休闲零食的市场竞争格局已然大变。 一方面，线上销售阵地已从淘系、京东等传统综合电商转向抖音等兴趣电商。 另一方面，量贩零食品牌正凭借直接对接厂商的供应链优势，以更低的成本围剿传统零食市场。 且相比主打高端的“良品铺子们”，聚焦下沉市场、价格更便宜的量贩零食品牌，市场空间更广阔。艾媒咨询数据显示，预计2027年，中国零食量贩市场规模有望达到1547亿元。 今年4月，由零食很忙和赵一鸣零售合并而来的鸣鸣很忙，已向港交所递交上市申请。其据IPO招股书显示，该公司2022年至2024年的营收分别为42.86亿元、102.95亿元、393.44亿元。 而同期主打高端的零食品牌，几乎都陷入了增长困境。 除良品铺子外，2022年至2024年，三只松鼠的营收分别为72.93亿元、71.15亿元和106.2亿元；来伊份的营收分别为43.82亿元、39.77亿元和33.70亿元；好想你的营收分别为14亿元、17.28亿元和16.70亿元。 不难看出，量贩零食品牌的崛起，切走了老牌零食企业的部分蛋糕。 在这一背景下，好想你、盐津铺子等传统零食企业选择与量贩零食企业融合，其产品大多已经进入量贩零食的渠道体系。 另一边的三只松鼠，则在产品口味、原料上进行升级。同时努力开拓抖音电商、饿了么闪购等新渠道。不久前的投资者交流中，三只松鼠董秘也表示，将依托阿里生态资源整合，努力探索近转远的模式，寻找更多增长可能。 **反观在战略转型“屡战屡败”的良品铺子，在文志宏看来，若比拼价格难以成为竞争优势，加强消费者对于品牌的认知，打造真正的高品质产品与高性价比形象，或是更好的选择。** **毋庸置疑，本次的控制权变更，或是良品铺子需要把握住的关键窗口。**  关注获取更多资讯

<blockquote><p>农业是国家底层战略，农业粮食安全、粮食数据安全，到2030年农业生产信息化率达35%,2035年突破40%。所以农业必将成为像“智慧交通、智慧铁路等”又一个ToG的大行业，也意味着未来传统的农户，变向集中化的管理，农业的责任制度未来也将面临改革。</p> </blockquote>  **文章出发点：**写什么？写的是当产品经理从”低P走向了高P的职级”，其中对你在行业的影响力，以及你对行业的理解方案，提炼城一种思考能力和流程，那么作者是经历是“出行行业”履历，主要做“交易转化、营销中台、用户增长、业务中台、用户标签、业务标签、智能化等”的产品内容。基于产品专家的视野，如何横向平移能力，做一个换业务方向的转换。 **内容出发点：**内容基于如果你所在的公司是一个，要做智慧农业的公司，且方向是“精准农业、决策农业的SAAS产品”你要如何做从“国家政策、产业、行业、供给、需求、竞争对手、对手的产品能力、运营策略”逐一解读。 （核心是：已经成为了出行行业深度的理解，如何提炼能力，平移到其他行业，先用农业举例） ## 一、业务背景分析 ### 农业发展 **协作趋势：**在从事农业生产更多以“个人农户/家庭农户”为单位占主要比例，未来可能是“新型经营主体”为单位占主要比例； (传统农业向智慧农业转型) **国家战略：**国家把数字化农业、科学化种植作为战略，“农业产业化、智能化、数字化、绿色化、健康化”为发展方向； ### 业务方向 **智能耕种系统：**对于中小农户主提供，从人工管理种植，变成传感器采集、实时传送到系统，通过数据计算和软件内的算法计算，能科学的给出如何耕种，才能更好的提高农作物产值，降低人为判断的不准确性、减少人力投入成本，提高产值。 **一句话总结：**利用精准大数据、采用人工智能，将经验、知识和技术数据化，实现智能化、产业化、高效化生产，能有效解决土地利用率、劳动力缺乏、防虫害机制、生产效益低等问题。 ## 二、智慧农业产业分析 ### 2.1 全球农业发展未来的挑战 **影响因素：** **环境因素：**全球气候变化、极端天气频发，引发的“干旱、洪涝灾害、蝗虫爆发”，都会影响到农作物的生产； **污染因素：**因耕种土壤逐年肥力下降、现代化的化肥、农药，过量使用，导致面源污染、塑料污染，土地的使用紧张； 供应因素：预计2050年，国球100亿人口，供需关系的匹配度，土地利用效率低。 ### 2.2 国家方向迫切需要人工智能为代表的创新技术来“提高农业生产力”  历年政策提炼    ### 2.3 国内外智慧农牧业相关公司分析 **1.智慧农业市场规模** 随着物联网、大数据、人工智能等技术的不断发展，以及政策的持续支持，中国智慧农业市场规模保持快速增长的态势。 2024年中国智慧农业市场规模达到约1050亿元，预计2025年将达到1200亿元，预计逐年会平均增加200亿的体量。 **2.产业环节** 种子研发 → 播种环境数据采集 → 农耕方式 → 数据分析 → 生长状态识别等 - 种子环节：AI助力种子研制 - 采集环节：物联网采集、气象卫星 - 农耕环节：智能机器、智能农具 - 数据识别：机器视觉图像学习 - 预测识别：虫害识别、天气灾害识别、生长状态识别等 **3.国内农业企业** AI制种与种业科技  智能种植与精准农业  数字农业平台与物联网  智能农机与节水灌溉  种植决策平台  智能化物联网设备  农业大数据  农业培训+教育  **4.国外农业企业** AI制种与种业科技 精准农业  生态协同  **5.行业竟品属性分析** **收集范围：**国内和国外具备代表性，收集30+公司的相关信息； **国外特点：**服务的是“大型农场”，所以业务形态机械化程度高，管理集中，智能化程度高，种植者文化和认知水平较高； (国外主打精准耕种、科学耕种) **国内特点：** - 机械程度高的属于“实验型项目”和“大型农场”占国家种植面积属于小部分; - 半机械化程度“政府牵头、村委会牵头、企业牵头”的项目; - 机械化智能化程度低占国家种植面积属于大部分。 **业务特点：** **1.农业装备公司：**专注于装备的制造，AI和智能属于一个概念，所以更多是蹭概念、蹭国家补贴，小部分的公司有软件产品，可以做自己装备+软件的组合产品； **2.农业卫星公司：**专注在数据的收集，以及打包数据，卖给需要数据的软件公司，或者自己就是软件公司； **3.农业无人化公司：**专注在，封闭环境下/独立环境下，所做的智能化一体化，但这类的公司，多属于实验类项目，但大型的业务是和国外合作形成了大规模的生产，但是现在也一部分是大规模； (例如：寿光现代农业-山东-大棚-智能机器人-无人化-智能云托管) (例如：荷兰铪科农业+中国机器人+自动传送+芯片漂浮板+无土+自动化。浙江嘉善、江苏宜兴等) **4.农业种植决策公司：**能把监控农作物的硬件设备数据+建议整合； **5.农业服务类公司：**专注在“农业教育、农业知识、农业资讯、农产品推广等”给农民，做综合类的服务； **6.小结：** 根据收集以上“30+公司”的形态中，了解到国内更多的是垂直类业务，展示方式更多就是把数据平铺在“PC或者手机端上”，AI智能化结合的好的有“无人机”和“种子研制”的领域上。数据的抓取和识别做到了，但对于数据的智能化，和**AI的结合还属于初级阶段**，和国外的产品还有一定的差距。 **谁是竞品：** **分析：**与我们现在主要“**（智能耕种系统）**”也就是“**种植决策平台**”，符合的企业有“爱科农、托普云农、先正达集团、珈和科技”； **1.先正达集团：**与政府项目比较多，且“CropwiseTM”搭载生成式AI聊天机器人，提供实时种植建议（如品种选择、病虫害防控），但是，查询公司专利，都是“作物研发”的专利，其中报道中有“CropwiseTM聊天是，卫星图像与天气模式数据积累”，也就是主要是与天气相关的数据建议，但未申请专利； **2.托普云农：**未查到，相关案例、APP等； **3.珈和科技：**官网给出的案例，小程序和SAAS，SAAS是和卫星图像与天气模式数据的展示； **4.爱科农：**给出决策建议，但这个建议是模板化的建议，而不是根据数据动态形成的针对性方案； PS：除了以上公司，在APP商店搜索/微信搜索，有几个手机端产品和“种植决策”相关的，还有SAAS端的，在下图： 6.种植决策：竞品属性分析 **爱科农** - 爱耕耘（种植版） 手机端：APP 用户：小B农户 - 爱耕耘（农场版） 手机端：APP 用户：小B农户 - 爱耕耘（商务版） 手机端：APP 用户：区域经理 - 爱耕耘（小程序） 手机端：小程序 用户：小B农户 **爱耕耘(种植版)**  **应用介绍：** 一款全生命周期的智能、实时、科学、个性化的种植决策生产力工具，致力真正解决种植户的“低成本种植、高效能产出”的核心需求。 我们融合历史三十二气象、模拟未来半年实时气象、海量的土壤数据、遥感信息、测土数据，通过爱科农自主知识产权的农作物生长发育模型，为种植户提供准确的作物生长发育节点预测、精细化的水肥需求预测、实时更新的精细种植决策方案、作物长势专家诊断和灾害规模科学评估服务，以数据科学赋能农业数字化生产力提升。 爱科农致力于以数据作为新型的肥料，帮助种植户全方面提升土地生产力。 **功能点：** *地块信息： 查土壤：氮磷钾趋势、PH值、有机质、容重、土壤类型。 圈地量地：长宽、面积，地块导航、经纬度、海拔、坡度、坡向 查气候：积温预测、积雨预测、温湿度、年辐射量、年蒸散量 *种植方案： 从种到收全程指导；预测作物生育期；科学水肥管理；未来15天病虫害预测；病虫草害防控措施。实现节水省肥，提高产量。 *地块天气信息： 2小时内天气动态降水云图、24小时与15天天气预报。 *更多：自定义施肥方案、实时灾害预警、病虫查询、农事提醒、田间农事记录、产量预测、籽粒直收时间预测、种植历史等等，欢迎体验爱耕耘。 **爱耕耘(农场版)**  **应用介绍：** 一款全生命周期的智能、实时、科学、个性化的种植决策生产力工具，致力真正解决种植户的“低成本种植、高效能产出”的核心需求。爱耕耘农场版可以应用现代化技术来种植，遥感、卫星等等技术全部应用其中，可以提前预知天气，自然灾害，提高种植的生产效率，节省人力物力，帮助农场增加利润，提高农业生产能力。爱科农致力于以数据作为新型的肥料，帮助种植户全方面提升 **功能点：** 1、在线圈地，地块可视化管理； 2、农事处理相关处理可列表和地图模式双向关联方便用户操作。 3、获取遥感诊断预警情况，为种植农场从业人员提供灾害通知。 4、实时预警根据未来天气与环境情况，预测生产地块是否受灾，并将灾害类型、灾害程度等信息向农场提醒。 5、智能预测当地温度和降水为种植企业提供更科学有效的种植决策。 6、种植方案结合真实生长情况自动调整。 7、自动统计农事投入，为种植企业提供准确的成本构成。 **爱耕耘(商务版)**  **应用介绍：** 爱耕耘商务版是一款帮助农资销售企业为客户提供全方位农业种植服务的一款应用。 帮助企业提高农业种植技术，在本应用中用户可随时查看天气预警及每天的天气情况，应用会提醒近15天可能发生的极端天气，让企业协助种植客户采取相应措施。应用可供客户在线查看种植土地的卫星遥感诊断，让企业管理人员可以足不出户的了解农户田间状况，提醒农户涨势不良地块。销售企业可根据农资销售情况进行全面统计分析，了解农资与客户分布，快速掌握市场动向。 **爱耕耘(小程序)**  **功能点：** 1.AI助手：解答关于种植的问题（类似于自己给出了一定的资料库，以及和DeepSeek合作或者和百度AI合作） 2.种植方案：固定模版分“播种期、出苗期、越冬期、返青期等”，针对“”玉米、小麦” 3.小工具：地力分析、播期播量、计算器、AI识病害； **4.种植方案：** **12个区：**北京市、天津市、河北省、山西省、内蒙、黑龙江省、江苏省、安徽省、山东、河南、甘肃、新疆维吾尔自治区 **种类：**玉米、小麦，2种 如“北京”：推荐（玉米-中玉303、小麦-京冬26） 如“天津”：推荐（小麦-京冬26） 如“山西”：推荐（小麦-晋麦101号） **推荐：**搜索选择下来预计（8-15种的种子推荐），但是百度查询后如北京给的推荐是“高产抗逆型：中麦5051、轮选158，优质功能型：京农19、京香糯10号，逆境种植：中麦123、京麦183、百农207等” **数联天下** APP：AI农 用户：小B农户 AI农  **功能介绍：** 1. 数字农场 ◆ 像玩“开心农场”一样管理自己的农场 ◆ 记录何时育苗、何时移栽、何时施肥等农事，自动生成农资使用记录、自动统计农资成本 ◆ 清晰记录每一次采收，包含采收重量、品质、用途；可对一段时间内的采收进行统计和损耗比分析 ◆ 可在农产品包装上粘贴身份唯一的溯源码，实现农产品的扫码出入库 2. 农产品溯源 ◆ 消费者可查看农产品的采摘时间、种植地块、检测报告、农事操作和农场介绍 ◆ 如果部署了物联网硬件，消费者还可观看农场实时视频监控和实时环境监测指标 ◆ 农场管理得越好，消费者可追溯到的信息就越丰富 ◆ 每一个溯源码都有唯一的编号，作为农产品的身份证实现了一物一码 3. 物联网监控 ◆ 通过传感设备不间断采集土壤墒情、空气温湿度、降水量、光照强度等全维度环境指标数据 ◆ 可针对环境指标设置预警阈值，当采集到的的指标数值达到预警阈值时，系统会第一时间发出预警通知 ◆ 可通过视频监控清晰查看作物长势、工人作业情况等，可远程旋转调整摄像头角度，监控记录支持回放 ◆ 可外接设备如内遮阳、风机、卷膜，通过软件实现设备的远程开关停操控，无需现场手动操作 4. 库存管理 ◆ 可管理肥料、农药、种苗的库存，支持各类出入库操作 ◆ 可管理农产品的库存，支持采收入库、销售出库、损耗出库 5. 打印农产品合格证 ◆ 可打印政府部门要求农产品入市时开具的农产品承诺达标合格证 ◆ 已获得绿色食品认证证书的农场还可开具带绿标的合格证 6. 购买农业保险 ◆ 以地块为维度进行绿叶菜价格指数险、优质稻收入险、水果产量险的全流程线上投保 ◆ 可在线查看保单、合同 **左岸芯慧** APP：神农口袋 用户：小B农户 神农口袋  **功能介绍：** 1. 数字农场 ◆ 像玩“开心农场”一样管理自己的农场 ◆ 记录何时育苗、何时移栽、何时施肥等农事，自动生成农资使用记录、自动统计农资成本 ◆ 清晰记录每一次采收，包含采收重量、品质、用途；可对一段时间内的采收进行统计和损耗比分析 ◆ 可在农产品包装上粘贴身份唯一的溯源码，实现农产品的扫码出入库 2. 农产品溯源 ◆ 消费者可查看农产品的采摘时间、种植地块、检测报告、农事操作和农场介绍 ◆ 如果部署了物联网硬件，消费者还可观看农场实时视频监控和实时环境监测指标 ◆ 农场管理得越好，消费者可追溯到的信息就越丰富 ◆ 每一个溯源码都有唯一的编号，作为农产品的身份证实现了一物一码 3. 物联网监控 ◆ 通过传感设备不间断采集土壤墒情、空气温湿度、降水量、光照强度等全维度环境指标数据 ◆ 可针对环境指标设置预警阈值，当采集到的的指标数值达到预警阈值时，系统会第一时间发出预警通知 ◆ 可通过视频监控清晰查看作物长势、工人作业情况等，可远程旋转调整摄像头角度，监控记录支持回放 ◆ 可外接设备如内遮阳、风机、卷膜，通过软件实现设备的远程开关停操控，无需现场手动操作 4. 库存管理 ◆ 可管理肥料、农药、种苗的库存，支持各类出入库操作 ◆ 可管理农产品的库存，支持采收入库、销售出库、损耗出库 5. 打印农产品合格证 ◆ 可打印政府部门要求农产品入市时开具的农产品承诺达标合格证 ◆ 已获得绿色食品认证证书的农场还可开具带绿标的合格证 6. 购买农业保险 ◆ 以地块为维度进行绿叶菜价格指数险、优质稻收入险、水果产量险的全流程线上投保 ◆ 可在线查看保单、合同 **珈和科技** 7.12日网站和小程序集体BUG，PC和网站等无法登录,7.13中午解决，7.14再次BUG 404，截止7.16日18点并未解决； **先正达** CropwiseTMAI聊天机器人+MAP平台  **CropwiseTM：** CropwiseTM 是 先正达集团 推出的数字平台，通过融合农业知识与AI技术，为农户提供全周期农艺决策支持并实现自动化作业。 **核心功能** 数据驱动决策：利用遥感、卫星图像等技术分析土壤、气候、病虫害等数据，提供选种、植保时机、销售策略等建议。 自动化作业：将决策与农业机械联动，实现精准施肥、播种等自动化操作，提升生产效率。 全球覆盖：已在超25个国家应用，管理超过14亿亩农田。 升级版本 CropwiseTMAI ：搭载生成式AI聊天机器人，提供实时种植建议（如品种选择、病虫害防控），响应速度比人工快5倍，帮助提升产量5%。 应用成效 通过数字化管理，农户可实现选种、播种、施肥等操作的智能化，大幅降低人工成本并提升作物产量 **MAP平台：** 为种植户提供了从产前到产后的全方位管理服务。在产前规划阶段，平台会生成播前分析报告和地块评价报告，为种植户提供科学的决策依据。产中管理方面，借助AI图像识别技术，平台能迅速诊断田间病虫害并给出防治方案，大大提升了病虫害防治的效率。产后评估环节，平台会生成产量预估和年度种植服务报告，帮助种植户总结经验，优化种植策略。 **7.决策类竞品属性分析收集范围：**5家公司的产品“爱科农、数联天下、左岸芯慧、珈和科技、先正达” **业务特点：**能把监控农作物的硬件设备数据+建议整合； 1.先正达：创新是AI对话，基于卫星数据为基础做的，SAAS的数据更多也是基于天气给与的数据展现； 2.爱科农：地块管理+天气+虫害预警，实际也是基于天气数据，但小程序有AI聊天+固定种植方案的模版+虫害问诊等； **小结：** 1.根据以上5家公司的业务新闻/APP介绍等，爱科农的产品可以给出种植建议，是固定化建议，且只有（8-15种的种子推荐），也缺少除了天气外的其他物联网数据； 2.AI对话能力，识别和推荐更多类型的种子，以及根据数据动态形成的针对性方案与自动化耕种/自动施肥/自动除草/自动除虫/自动调节通风等无人化的联动功能，是“决策类”产品的更多需要升级的方向； ### 2.3 科技大厂农业相关公司分析 **AI算法种地：** **【腾讯案例】介绍：** 在重庆的何家岩村“AI+农业种地”，突感传感器、无人机灌溉、根茎检测仪、自动除草机器人、遥感卫星辅助； 每亩水稻成本下降40%、追溯每一粒大米的生命周期、大米复购率81%. **【日本案例】介绍：** 在My Farmg共享农场，公司从城郊农户租赁闲置土地，划分成15平米体验农庄、城里人可以认领，并购买种子，在官网学习种植和料理的教程，并帮用户专卖农产品，复购率达到70%；110家体验农场，全年收入10亿+ **【华为案例】介绍：** 四川乐山农业项目，温室大棚，通过5G技术，农业将实现智能化管理；通过AI技术，农业将实现精准化生产。 **【阿里案例】介绍：** 浙江种菜，阿里达摩院研发的“AI+北斗”农机导航系统，集成了多项前沿技术，如环境监测、智能灌溉以及病虫害的AI诊断等，共计12项核心技术。 **【京百案例】****【百度案例】**东北大棚，**【京东案例】**AI+大棚水培种植工厂等； **大厂种地分析：大厂核心：**希望用自己的研发能力、算法能力、云服务能力，在农业领域做下沉服务； **收集范围：**6家公司的产品“腾讯、My Farmg、华为、阿里、京东、百度” **业务特点：** 1.腾讯SSV：“AI+农业种地” 种田业务：针对“传感设备+卫星数据”行程数据采集，通过云计算，给机器人下单任务“无人机灌溉+自动除草机器人” C端运营：推出“何家岩村”小程序，核心聚焦云端稻田认养与农耕体验，同时延伸出文旅互动、助农增收等功能； 2.My Farmg：共享农场 C端运营：城里人可以认领，并购买种子，在官网学习种植和料理的教程，主打是运营模式的创新； 3.华为、阿里、百度：“全自动无人化” 温室大棚：封闭环境下/独立环境下，所做的智能化一体化的实验类项目；  **何家岩村(小程序)**   **应用介绍：** 小程序以稻米认养为核心，逐步扩展为集农耕体验、文旅消费、非遗推广于一体的乡村数字平台，2024年已推动酉阳县启动3万亩“云稻米认养计划” **功能点：** 一、云端认养功能 在线认养稻田用户可实名认养1平方米起的地块（地块命名结合古诗词，如“柴门临水稻花香”），支付后由农户代耕，认养期覆盖插秧至收割全周期（约150天）。 2024年认养面积扩至500亩，支持多地块选择（如梯田、贡米田），认养流程：选地块→定面积→支付。 产权数字化管理用户在小程序内拥有专属“农场主”身份，可查看认养证书、地块坐标及实时状态。 二、农耕监测与体验 全天候慢直播通过田间摄像头实时观察水稻生长（插秧、抽穗、丰收等阶段），支持多角度切换观测。 智能种植报告每周推送《土壤墒情周报》或《水稻日记》，包含土壤湿度、氮磷钾含量、病虫害预警等数据。 远程农事参与用户可向农户发送种植建议（如排水指令），部分功能支持“一键托管”由合作社执行灌溉/施药。 三、增值服务与互动 农旅活动预约线上预约插秧比赛、田间歌会、非遗苗绣体验等活动；线下参与收割节、稻田音乐节等46。 农产品兑换与收藏收获后邮寄认养地块产出的贡米（2024年亩产约800斤）； 限量赠送NFT数字藏品（基于苗绣工坊作品)。 社交裂变玩法邀请好友认养可获赠米礼盒；“认养接龙”等互动任务兑换民宿券等奖励36。 四、文旅权益联动 专属优惠：认养用户享临崖咖啡厅“稻花香里”饮品免费、民宿住宿8.8折；认养10㎡以上可获“老品种稻米盲盒”69。 文化导览：集成苗绣工坊、明德书院、梯田景观等线下景点介绍与导航46。 五、助农与数据透明化 助农增收：认养模式使贡米单价从3元/斤提升至20–30元/斤，2023年为村集体增收150万元310。 全流程溯源：公开施肥日志、农事记录及负责农户信息，强化信任. **腾讯智慧农业(SAAS)**  **应用介绍：** 腾讯智慧农业大数据平台是以物联网、云计算、人工智能为核心，覆盖农业生产全链条的数字化管理系统，其核心架构与功能如下： **产品特点：“云-边-端”协同架构感知层：**土壤传感器、气象站、虫情测报灯等设备，实时采集200+项环境与作物指标。 **传输层：**通过LoRa/ZigBee等协议组网，支持卫星/无人机遥感数据融合。 **平台层：**基于腾讯云搭建分布式存储系统（Hadoop+HBase），年处理数据超500TB，边缘计算节点响应速度快。 **精准调控：**智能联动温室设备：温度＞32℃自动启动湿帘风机（降温速率2℃/10分钟），土壤含水率＜15%触发滴灌。 **AI预测灾害：**LSTM模型提前24小时预警霜冻/大风，黑龙江农场防雹成功率提升75%。 **多源数据整合：** 整合生产数据（土壤墒情、作物长势）、经营数据（电商订单、物流轨迹）、监管数据（检疫审批、抽检结果）形成全产业链数据库。 ## 三、农业AI应用场景&amp;未来方向 ### 3.1 技术支撑  ### 3.2 应用场景  ### 3.3 精准农业核心 通过物联网设备实时收集数据，以持续监测关键因素： **3个方面：** - **环境监测：**空气温湿度、风力、风向、风速、雨量、气压、相对湿度、太阳辐射等多个气象要素； - **土壤墒情：**土壤的温湿度、土壤氮磷钾、土壤电导率、土壤PH/EC值等；在不同的深度，测量剖面土壤水分情况; - **作物健康和生长：**监测种植区作物健康情况，查看作物长势、预防病虫害扩散；还可提供历史监控，溯源材料。 ### 3.4 机器学习核心 历史数据和实施设备采集数据的融合，边缘化计算能力，多维数据与智能预警、智能决策，升级现代农业； **应用例子：** - 基于“植物营养学”的植物生长模型，可精准预测植物生长速度，为农业生产提供科学指导； - 基于生长环境模型，分析温度、湿度等环境变量，优化作物生长条件，提升产量； - 基于病虫害识别模型，可精准识别病虫害并采取措施，降低作物损失风险； - 基于智能灌溉模型，可依据土壤水分数据，动态调整灌溉量，节约水资源； - 基于精准施肥模型，通过分析营养元素含量，制定个性化施肥方案，提高肥料利用率。 ### 3.5 农业机器人核心 通过AI算法与自动化技术，重新塑造，传统农业模式向现代农业转型； **应用例子：** - **智能分拣：**分拣机器人通过视觉系统和光谱技术，识别果实/植物，实现无损采收与分拣，效率高，损耗率低； - **精准除草：**田间机器人区分作物与杂草，实施厘米级定位清除，减少除草剂用量，保护土壤生态； - **高价值作物采摘：**例如葡萄采摘机器人通过3D点云重建技术避开枝蔓障碍，完成单果分选，大幅提升作业速度。 ### 3.6 算法应用方向核心 通过AI技术驱动农业智能化发展，人与机器协同工作； **经验融合：**专家经验数字化传承与作业智能化**融合**； **全量农业知识库建设：** 涵盖全品类作物基因库、生长模型、自然数据、农资农具参数、全种类病虫害等，逐步建立全量参数模型，为农业仿真预测等场景建立基础。 （例如：例如“爱耕耘-小程序”和“腾讯-为村小程序”，在手机端以问答的形式出现，也可以以SAAS的形式出现；) **耕种大模型：** 结合实验室数据、专家数据、实地耕种情况数据，并和基因与生长模型，做出相对应的耕种策略，提高耕种产量 ； （例如：在手机/SAAS端，主动给出数据分析后，机械操作/耕种措施的操作建议） **多模态交互农业：** 开发具备多模态(语音/图像/手势指令)交互、时序推理能力的农业决策大模型，能够理解和执行农民的指令，提供个性化的种植建议、病虫害诊断等，实现专家经验的数字化传承。 （例如：例如“爱耕耘-小程序”和“腾讯-为村小程序”，在手机端以问答的形式出现，以及用机器人交互或者SAAS的方式) **智慧农场管理：** 大模型作为智慧农场管理系统的核心，实现高度智能化管理。 通过实时监测和分析农场数据，可以自动调整生产参数，调度设备和系统，革新农场的运营效率。 （需要智能达到，辅助决策，或者预设无人化处理时，由云端计算大脑接管；） **柔性指挥精深加工：** 利用AI数据模型优化农产品精深加工流程，实现生产线的智能化调度和质量控制，提高加工效率和产品附加值。 （由算法计算给出建议，人工调节机械自动化参数等） ## 四、结合我们要如何做 ### 4.1 产品方向 **产品方向：**“种植决策平台”，推出“SAAS/APP/小程序”为载体形态，给农户种植建议，以及数据化/智能化，提高种植产量； **需求精准定位：** 明确核心场景：如大田作物/经济作物/园艺作物、大棚种植还是露天种植； **找到核心痛点：**水肥利用率、病虫害预警、天气预警等； **用户分层：**区分大型农场（需自动化控制）与小农户（移动端简易操作）的需求差异。 ### 4.2 技术平台搭建  ### 4.3 落地步骤  PS：优先建设数据采集与基础决策模块，再逐步扩展无人化操作系统/溯源等服务； ### 4.4 “农业决策系统”未来发展方向 **▌农业周期预测模型：**地理数据、土壤数据、生长数据、标准化，通过算法，来针对不同作物、不同地理位置等多维度数据，来针对性给出生长周期预测、以及对应建议和策略； **▌人机协同进化：** 经验的数字化传承和作业智能化，让大模型算法与理解物理参数结合下，如“植物量级、农具参数、自然参数、病虫害参数等”构建数据模型； **▌推出的形式：** AI聊天的方式：在农业有“腾讯以、爱科农、先正达”已经上线，是以文字的形式，给出的是一段文字；（在未来，AI聊天，可以直接是，推送出一个任务的指令，或者无人机自动巡检、自动施肥的交互按钮/任务等等；） **▌图片/视频的方式：**（在未来，给出一个视频通话的场景，一遍植物的视频，以对话的方式，大模型结合图像处理和精准农业的数据，分析出想要的策略或者答案，也是以自动化无人机自动巡检、自动施肥的交互按钮/任务等等；） ### 4.5 结语 **大厂入局：** **优势：**研发能力中“软件能力”对硬件的兼容以及数据展示和建模，效率高，而且像腾讯有生态能力，可以在运营层可以不断深入整合，把文旅和乡镇管理结合起来； **劣势：**政府关系复杂，BD难度大，需要以单点一个一个的政府来解决来汇报，每一个能落地的项目都是突破，所以不管ToC还是ToG/ToB，都要经历长时间和的公关，因为中国还是以农户为单位，所以没有政府关系只能和B端合作，所以大多数都是实验类项目。 **国企入局：** **优势：**可以引入学校或者科研单位的种植专家/博士，对于政府关系比较容易打通，BD难度低，因为有官方背景，粮食属于国家安全，国家会给与补贴，且融资速度快； **劣势：**团队软件能力需要从0-1的搭建，技术能力和相关模型冷启动时间长，产品的搭建对于数据层的能力相对较弱，通过进入大厂的人才可以逐步补充； ## 五、业务名词 农业方向 大田作物：露地规模化生产，主要包含粮食、纤维、油料等类别 ….. 技术方向 卫星遥感：农田地块的指数 …. ### 腾讯对于高P的能力要求 **产品要求：**对于腾讯来说，产品策划是PDM序列，要求的内容从，专业知识与技能中的“市场分析能力、用户理解、产品设计能力、产品规划能力、技术理解能力、市局分析能力”6大维度进行评判； **比如市场分析能力：**要求是 *独立完成产品核心模块的市场分析，梳理所负责业务或产品在所处市场中的定位、发展趋势、目标与风险，深度了解竞品情况，输出竞品分析及数据报告； *能主动挖掘产品中市场机会点并转化为长效业务板块，制定中长期规划，并有效落地实现 *具有极强风险管控能力； **解读一下这个能力：** 1.从商业模式，产品形态、运营策略、应用商城评分，运力、供给、用户量、人群等等，都要做全局的思考和用数据给出对应的分析和提炼； 2.在竞品的产业层的产品能力，和竞品的产品发展中，要找出他为什么这么做，以及如果是我是他要如何做，如果是我现在的资源，要如何切入这个市场等等； **总结：**所以对高P的要求就是，不光对自己的所在行业了解，且要有一套方法论和思维，才能把对行业的解读能力，提炼出来，形成对行业解读和快速理解知识体系，并用这个能力能平移到跨行业跨领域的业务上，这个才是产品高P要具备的，对于行业能力的认知，以及能力的提炼和应用。 PS：希望以我自己为例子，并通过3天的撰写，已经形成了可复制的对行业如何认知的能力，成为高P的产品时，需要的是除了对本公司的业务的思考，更要横向视野去看待行业以及政策带来的机遇和挑战，这样才能从资深PM到专家PM的不断提升，一个人的业务能力到了一定程度，需要提高的是对行业的理解，运用到业务线上。 **专栏作家** 高振旭，微信公众号：增长黑客吧，人人都是产品经理专栏作家。关注出行、智能驾驶、AI算法、社交领域，每年阅读30-50本书、知识沉淀每年3-10万字。 本文原创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

7月24日 字节跳动今日正式推出端到端同声传译模型Seed LiveInterpret 2.0。该模型主打中英双向互译，其翻译准确率与响应延迟均接近专业人类同传译员水平。 Seed LiveInterpret 2.0基于全双工语音生成理解框架，能够实时处理语音输入并几乎同步输出目标语言翻译。    官网展示Seed LiveInterpret 2.0使用过程 该模型实现了平均2-3秒的语音到语音延迟，具备实时模仿不同说话人音色以保留身份特征的能力，并支持对上下文、文化背景及包括绕口令、诗词、美食文化在内的复杂表达的理解与互译。 模型测评显示，在语音到文本同传任务中，其中英互译质量评分为74.8（满分100），领先第二名系统58个百分点。在更难的语音到语音任务中（业界仅3家支持），其综合质量得分达66.3分，同样远超基准系统。同时，该模型在语音到文本和语音到语音场景下的首字/首音输出延迟分别仅为2.21秒和2.53秒。   [查看评论](https://m.cnbeta.com.tw/comment/1515138.htm)

7月24日消息，据福耀科技大学官微，2025年7月24日，福建福耀科技大学2025年本科生招生录取工作顺利完成。今年面向福建、河南、江西、湖南、广西五省（自治区）共招收50名本科生，其中福建省17人，河南省9人，江西省9人，湖南省8人，广西壮族自治区7人。 据披露，福建福耀科技大学5个省份投档分数线均超过600分。五省录取情况如下——  据大象新闻消息，7月23日，福建福耀科技大学发视频称，首期本科生50人全员集结完毕。7月20日，《江西省2025年普通高校招生本科投档情况统计表（历史类、物理类、三校生类）》公布，在物理类中，福建福耀科技大学最低投档线617分，最低投档排名4400名。高于北京师范大学、西南大学、暨南大学、兰州大学、中国政法大学等多所名校最低投档线，也高于哈尔滨工业大学、厦门大学、西安交通大学部分专业组最低投档线。 [查看评论](https://m.cnbeta.com.tw/comment/1515136.htm)

海马云两次股权变更事件均令人生疑。

若不考虑股改等因素的影响，易控智驾在6年时间里已“烧”掉12.5亿元。

<blockquote><p>适老化设计不只是把字放大，而是对“需求本身”重构认知。本文从一位产品人亲自为父母做设计的视角出发，梳理在用户研究、流程简化、交互细节上的深度思考，用真实的UXbot试验回答一个问题：我们真的理解老年用户了吗？</p> </blockquote>  你是否也见过这样的场景？ - 教了N遍，父母视频通话时仍会点错按钮； - 他们想上网看新闻、学养生，却被复杂的界面和弹窗广告“劝退”； - 想找老伙伴聊天、约活动，面对年轻人的社交App却“无从下手”… 看着他们在数字世界中小心翼翼，甚至有些无助的背影，那份心疼，转化成了我作为产品人的动力：**科技，不该抛下任何人。** 我们总说科技改变生活，但似乎，我们的父母正在被这飞速发展的时代悄悄“抛下”。作为一个既懂产品又心疼爸妈的设计师，我决定，用我最擅长的方式，为他们做点什么——**用UXbotAI，为7亿银发族打造一款专属的、超简单的娱乐社交App！** ## 项目背景与挑战 **项目名：**乐龄汇 (Happy Age Hub) **目标：**打造一款专为中老年人设计的，集兴趣活动、健康资讯、家庭分享于一体的娱乐社交App。 **核心挑战 (设计的灵魂)：“适老化设计”！**必须做到：大字体、高对比度、图标清晰、操作步骤极简、杜绝一切复杂手势和不必要的信息干扰。 ## “从0到1”的UXbot实战之旅 ### 第一步：用“爱与耐心”定义Workflow，让AI先学会“尊敬长辈” 做老年人产品，逻辑一定不能复杂。我把对爸妈的理解，都写进了给UXbot的Prompt里。 **Prompt指令模板 (Workflow生成)：** <blockquote><p>**产品名称：** 乐龄汇</p> <p>**核心目标用户：** 60岁以上的中老年人，部分用户对智能手机操作不熟练。</p> <p>**核心功能：** 附近活动（广场舞、书法班、老年大学）、健康课堂（视频/文章）、家庭相册（仅家人可见）、一键呼叫子女。</p> <p>**核心用户旅程：** 用户打开App，首先看到推荐的本地社区活动。点击活动可查看详情并一键报名。闲暇时，他可以浏览健康养生视频。他想孙子孙女了，就打开家庭相册，看看家人分享的新照片，自己也可以轻松上传照片。</p></blockquote> 生成的包含“首页（活动推荐）”、“活动详情”、“健康课堂”、“家庭相册”、“紧急联系”等极简节点的Workflow流程图。AI甚至自动把流程简化了，太懂事了！  ### 第二步：AI一键生成“长辈友好型”高保真原型初稿 Workflow确认后，点击“生成产品界面”，一套大字号、大图标、布局疏朗的高保真初稿就出来了，已经有了“内味儿”！  **Prompt界面风格指令模板 (界面生成)：**（极其重要！提供的参考风格不选，直接输入下面的描述即可） <blockquote><p>**期望风格与核心原则：**</p> <p>**必须遵循适老化设计！**</p> <p>1. **界面必须极其简洁，使用大字体、高对比度色彩（如白底黑字、黄底黑字）。**</p> <p>2. **所有导航和按钮必须是“大图标+大文字”的组合，可点击区域要足够大。**</p> <p>3. **任何核心操作步骤不能超过3步。**</p> <p>4. **风格要温馨、明亮、充满阳光感，不要使用冷色调和过于潮流的元素。**</p></blockquote> ### 第三步：用AI指令“精雕细琢”，把关爱注入每个像素 接下来，就是见证AI如何理解“适老化”的奇迹时刻！我用了一些非常具体的指令来“调教”它。 **指令1：全局“一键放大镜”选中页面：**任意页面 **Prompt指令模板：** <blockquote><p>“对当前所有页面的元素进行全局适老化优化：</p> <p>1.<strong>所有文本字号再增大20%</strong>，确保阅读不费力。</p> <p>2.<strong>所有可点击按钮的高度调整为不低于48px</strong>。</p> <p>3.<strong>确保所有文本与背景的色彩对比度符合WCAG AA标准</strong>。</p> <p>4.<strong>将所有纯图标的按钮，都增加清晰的文字标签。</strong>”</p></blockquote> **页面截图呈现：**展示优化前后的对比图，字体、按钮明显变大变清晰。  **指令2：设计“零障碍”的家庭相册选中模块：**家庭相册页面 **Prompt指令模板：** <blockquote><p>“设计成实体相册感：</p> <p>1. 大尺寸照片瀑布流。</p> <p>2. 上传按钮：巨大‘+’号带语音提示图标，固定于底部中央。</p> <p>3. 点赞爱心图标显著放大。”</p></blockquote> **页面截图呈现：**展示一个极其简单的照片墙页面，底部的“+”上传按钮巨大且醒目。 在UXbot的高效赋能下，“乐龄汇”从一个充满关怀的构想，迅速变成了触手可及的高保真设计。每个界面都践行着“大、简、明、暖”的适老原则，每一处细节都旨在消除数字鸿沟，让科技温暖触达。   还有其他活动页面娱乐生活：   ### 案例总结：AI赋能适老设计的核心价值 这次“乐龄汇”的实战，深刻印证了AI工具在“适老化设计”领域的独特价值： - **AI的“理解力”：精准响应适老需求。**只要在Prompt中清晰定义“适老”原则（大字体、高对比、简操作、去干扰、情感化），AI就能稳定输出符合要求的设计，**将抽象关怀转化为具象界面。** - **效率即温度：**UXbot将设计周期大幅压缩，**让我们能将宝贵时间投入到更深入的老年用户洞察、需求验证和情感化细节打磨上，**真正实现“效率服务于温度”。 - **降低“善意”的门槛：**即使非专业设计师，只要对目标用户（如老年人）有深刻理解和关怀，借助UXbot的Prompt能力，**就能高效将“为爱发电”的创意落地为可用的产品原型，**推动解决社会问题。  **中国60岁以上人口已超2.8亿，且持续快速增长。“银发经济”不仅是巨大的市场，更是亟待用科技温度去填补的数字鸿沟。** 案例原链接（可直接引用二次修改）：https://www.uxbot.cn/share/3EA299D6FCCC4A4CB35332C186BA54FE 本文由 @摸鱼产品 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

​「2025 年会成为智能体爆发的一年」这一判断基本已经成为了行业内的共识。这一点从第三方机构 aicpb AI 产品榜的变化就可以看出。在 6 月份最新发布的 AI 产品榜上，aicpb 首次增加了智能体榜单。 令人意外的是，排名第一的并非此前大火的 Manus，也不是来自老牌搜索厂商百度，或是号称 All in AI 的字节跳动，而是 360 旗下的纳米 AI。其 156.67M 的月度 Web 访问量甚至断层式领先了第二名 Manus 近 10 倍。  要知道，此时距离纳米 AI 超级搜索正式发布还不到一个月。纳米 AI 超级搜索是如何做到异军突起的？ # 01  **智能体时代：让 ****AI**** 从「给你答案」** **变成了「交付结果」 ** 当我们从网上获取信息时，大多数人脑海中浮现的仍然是那个熟悉的画面：输入关键词，获得一串链接，然后再自己手动分析、筛选、整理，时常还找不到想要的答案。 这是传统搜索引擎时代。关键词稍有不同，显示出来的结果也大相径庭，也就无法真正理解用户的需求。同时，因为竞价排名的广告模式，内容总是被点击率所裹挟，很多所谓「标题党」的信息往往排名更靠前，信息需要用户筛选掉大量无关信息。 ChatGPT 的出现改写了这种信息获取的方式。用户可以直接获得一个相对精准的结果，获取信息的方式从「检索、遍历」进化到了「直接获取结果」。 智能体的出现，标志着 AI 生产力落地的又一次范式转化。智能体带来的最大变革，是让 AI 从「给你答案」变成了「交付结果」。系统不再只是给出一个答案，而是可以自动调用工具执行用户的复杂需求，直接给出一个交付结果。例如输入「优化公司财报」，它不再是教你怎么做，而是直接生成一份专业的财报优化方案。  AI 智能体、AI 助理、聊天机器人的区别  具体而言，一个合格的智能体通常需要具备以下特征： 1、自主性：在最小人工干预下独立运行，具备自我驱动的执行能力。 2、环境感知：通过多种接口实时获取环境状态信息，并理解上下文变化。 3、推理规划：基于目标进行任务分解，制定多步骤执行策略和资源分配方案。 4、适应学习：从执行反馈中提取经验，动态调整行为模式和决策策略。 5、工具集成：主动选择和组合外部工具/API，扩展自身能力边界。 6、状态管理：维护短期工作记忆和长期知识存储，支持上下文连续性。 7、目标导向：围绕明确目标进行行为选择，具备结果评估和纠偏能力。 8、多模态交互：支持自然语言、API 调用等多种交互方式，具备协作能力。 一句话总结就是，真正的智能体应该具备「感知→推理→规划→执行→反馈→优化」的完整闭环能力，而不仅仅是高级版本的问答系统。 整体而言，智能体目前仍处于早期阶段。海外市场方面，巨头如微软、谷歌、OpenAI 都在开发自己的智能体产品，例如 OpenAI 最近推出的 ChatGPTAgent，大致覆盖了上述特征。而在与大家更相关的国内市场，manus 和纳米 AI 可以说是跟进最早的玩家。 # 02  **两个场景，看懂纳米 AI 的能力 ** 为了更好地理解纳米 AI 智能体的能力，我们挑选了两个典型的用户场景。 首先是「一句话生成长视频」，例如告诉纳米 AI，让它生成一条上海城市的宣传片。  「一句话生成长视频」过程 面对这样一个复杂任务，纳米 AI 其实把整个流程拆解成了「输入信息、整理文案、生成分镜脚本、文生图、配音、图生视频、添加配音字幕、视频拼接、获取 BGM、添加 BGM」等环节。 每个任务由不同的智能体完成，整个视频是一个多智能体组成的工作流。看起来用户只说了一句话就得到了一个视频，但实际上支撑纳米 AI 完成这个复杂需求的是个智能体团队。 例如在最开始的信息检索阶段，就调用了超级搜索智能体，检索出了 30 个搜索结果，并以此为基础形成了这支上海城市宣传片的文案和分镜脚本部分。  纳米 AI 生成的分镜脚本（部分），可以看到很好的把握了上海的代表性元素  以分镜脚本为基础，纳米 AI 又调用了图片生成智能体，形成了多个上海的代表性画面作为分镜图片。  纳米 AI 调用文生图智能体  值得注意的是，纳米 AI 最终产出的视频长达两分钟，一条视频能消耗 1000 万左右 token，以 AI 生成视频的标准来说这个长度相当夸张。业界具备类似长任务的执行能力的智能体非常少。同时，它有连贯的逻辑以及接近摄影实拍的视频画面，配音、BGM、字幕这些正常视频的各种要素也全都具备。即使拿「人类作者」的标准看待，这也是一个相当成熟的视频。 以下视频来源于大狐 AI <iframe src="https://player.youku.com/embed/XNjQ4NDU4NDA0NA==" width="510" height="498" frameborder="0" allowfullscreen="allowfullscreen"></iframe> 过去制作一条视频，往往要经过「文案-分镜-拍摄/绘图-剪辑-后期」这样一整套工作，涉及策划、美术师、剪辑师等，不同工种耗费数个工作日才能协作完成。 但是现在，泡一杯咖啡的时间，纳米 AI 就能生成一个成熟的长视频。AI 生成视频，在此刻真正做到了有用。 另一个场景是处理复杂的研究型问题，以「分析人工智能对就业市场的影响」为例。  纳米 AI 深度研究过程  令人惊讶的是，在输入需求之后，纳米 AI 并没有一味执行任务，而是主动要求进一步补充需求的具体细节。这体现了纳米 AI 的「搜商」，能够像人类一样在思考，主动发起交互、补足思维链。  纳米 AI 主动要求明确需求  在生成结果的关键节点，纳米 AI 也会主动发起询问，以更好地匹配用户需求。这份提纲包含了现状分析、趋势预测、政策建议、和最后的结论，从结构上来说，十分完整。  最终，纳米 AI 超级搜索在十几分钟内就生成了一份包含数据图表、趋势分析、政策建议的综合报告。 过去，研究者需要从多个信息源收集资料，然后进行人工分析和整合，往往要耗费几天甚至几周的时间。而现在，在短时间内，所有人就能快速了解一个复杂问题的基本面貌。  报告不仅是文字，也包含图表、图片等多模态信息  不仅如此，这份最终生成的报告还可以转换成 PDF、Word、思维导图、PPT，甚至是动态网页，形成了从资料搜索、生成分析到结果演示的完整闭环。  纳米 AI 生成的动态网页  值得注意的是，纳米 AI 在报告最后还列出了 36 个参考文献的链接。对于复杂的研究型问题而言，这一点非常有必要，研究者可以很方便地作进一步的研究和查证。  纳米 AI 列出的参考文献链接（部分）  在整个生成研究的过程中，纳米 AI 自主跑完了一整个流程，直接完成了交付。甚至在用户需求不明确时，它还会主动发起交互，补足思维链。从 AI 2.0 时代的「告诉你怎么做」，到纳米 AI 的「直接交付多模态的结果」，这是一整套范式的转变。 实际上，要让 AI 自主完成一件复杂任务并不是一件容易的事，背后有非常复杂的对技术路径的先验思考和巨大的技术投入。 其中，多模型协作架构是纳米 AI 最令人印象深刻的技术特点之一。纳米 AI 接入了 80 多个模型，并根据不同任务需求进行智能调度。 正是有了这样的模型基座能力，才实现复杂任务下的超长思维链。 纳米 AI 在 MCP（Model Context Protocol）工具生态建设上也投入了大量资源，专为国内环境自研了许多 MCP。有人把 MCP 比作大模型的 USB-C 接口。正如 USB 标准化了硬件接口，MCP 也为大模型的标准化接口，使得其能够连接到各种外部数据源和工具，解决了「AI 可用」的问题。 目前纳米 AI 已接入 110+工具，覆盖办公协作、学术研究、生活服务、搜索引擎、金融分析、媒体娱乐、数据抓取等多个领域。在上文的「一句话生成长视频」中，比如文案生成智能体，就调用了 AI 搜索、图片转文字、音视频转文本、 AI 文档分析等多个 MCP 工具。 纳米 AI 智能体还实现了对本地浏览器的调用能力，可以识别网页上的所有的可点击元素，让大模型像人一样去操作浏览器。 这么做的好处是什么呢？ 信息孤岛的问题就被解决了。这是个由来已久的问题，各家互联网公司出于商业考量，并不允许谷歌、百度这类搜索引擎抓取信息。但是有了对浏览器的调用能力之后，它就可以像普通用户一样「正常访问」这些平台，获取其内部的深度信息和实时数据。 拥有了这样的能力，纳米 AI 就可以深度挖掘小红书的旅行攻略和购买建议；直接对比多个电商平台的商品，找到最低价；或者是获取社交媒体上的最新趋势和用户反馈。  纳米 AI 突破信息孤岛，检索小红书内容，生成选购建议 # 03  **AI 下半场，加速 AI 效用的生产落地 ** LnData 的报告指出，2024 年底全球智能体市场规模已突破 500 亿美元，年度增长率超过 200%。头豹研究院对智能体的增长也持乐观态度。它预测，智能体行业市场规模将从 2024 年的 695.28 亿人民币增长至 2028 年的 8520.35 亿人民币，年复合增长率高达 87.10%。 如此巨大的市场潜力，自然吸引了 OpenAI、谷歌、微软等科技巨头，以及字节跳动、阿里、腾讯、百度等国内大厂的全面加码。 就在 7 月 17 日深夜，OpenAI 正式发布了 ChatGPT Agent，这个被业界期待已久的智能体终于姗姗来迟。和 ChatGPT 初次发布的那种惊艳不同，舆论对 ChatGPT Agent 有些两极分化。 支持者认为这标志着 AI 从「对话式 AI」向「任务执行型 AI」的转变。 反对者则认为 ChatGPT Agent 的发布更像一次「补课」而非「创新」，因为其展示的核心能力，例如多步骤任务规划、工具调用、上下文记忆，这些在国内已经不是什么新鲜事了——Manus 和纳米 AI 早在几个月前就已经实现了类似的功能。在某些方面，例如可视化生成，纳米 AI 甚至展现出了比 ChatGPT Agent 更好的能力。 整体而言，ChatGPT Agent 确实没有表现出超越国内智能体的能力。这其实反映了一个更深层的问题：AI 领域的技术护城河正在快速缩小。OpenAI 的生态整合能力和产品化水平依然值得学习，但纯粹从智能体能力来看，国内外的差距确实在快速缩小，某些细分领域甚至已经出现了反超。 智能体的终局尚未可知，但是在特定领域逐步发挥作用、成为提升工作效率的重要工具，的确是一条可预见的迭代路径。真正的挑战在于如何找到合适的应用场景，构建可持续的商业模式，并在技术创新和用户需求之间找到平衡点。毕竟，技术再牛，用户不买单也是白搭。 在 AI 下半场的激烈竞争中，纳米 AI 走出了一条独特的差异化路线——它没有选择与巨头们正面硬刚通用型超级智能体，而是选择成为智能体生态繁荣的基础设施搭建者。 周鸿祎对纳米 AI 的愿景很明确——将纳米 AI 打造成最大的「智能体社区」。 从数量上看，纳米 AI 目前已经拥有近万个专业智能体，覆盖不同行业和场景的业务需求。用户面对具体问题时，只需输入需求描述，平台即可匹配对应的专业智能体，实现从需求到解决方案的快速连接。 平台的价值不仅在于丰富的智能体资源，更在于其灵活的组合能力。在纳米 AI，如果你的任务需求过于复杂，用户还可以调用多个智能体、组建多个智能体协作的团队，通过任务分解和流程优化，实现更高效的问题解决。这种团队化协作模式，为个人和小团队提供了以往只有大企业才能享有的专业服务能力。 如果多智能体协作还不能解决你的问题，纳米 AI 的「360 智能体工厂」，还提供了低门槛的智能体搭建平台。通过自然语言交互，用户无需编程技能即可创建符合特定需求的智能体。这种零代码创建方式，让智能体的定制化变得简单高效，真正实现了「人人都能造专家」的愿景。 周鸿祎表示，AI 时代为每个人、每个组织都带来了前所未有的机遇，每个人都可以拥有三五十个智能体，形成自己的专家队伍，这些智能体听你指挥，替你干活，每个人都有机会成为超级个体。 AI 下半场，叙事逻辑从技术炫技逐步走向「效用落地」，从追求技术先进性转向追求解决问题的有效性，这才是 AI 的价值回归，真正变成普通人的生产力工具。 纳米 AI 在榜单上的排名可以视作是一个阶段性的成果。断层领先第二名近 10 倍，这并非偶然，背后反映的是使用智能体这一产品形态的强烈市场需求。 当所有人都在谈论 AGI 的终极目标时，纳米 AI 已经在实际应用中交出了答案：AI 的价值不在于有多「智能」，而在于能为多少人解决多少问题。 可以预见，智能体这场战役并不好打，但纳米 AI 已经早早入局，并握了一副好牌。

Web Highlights 是一款本地的网页与 PDF 标记工具，无需注册即可使用。可以为网页上的文本标记颜色、添加备注，以及直接将网页收藏起来。支持标签系统，并将笔记发送到 Notion、Obsi

动作变形背后，是山姆对续卡率的执着。

 万代南梦宫控股株式会社（简称“万代南梦宫”）与索尼集团公司（简称“索尼”）今日宣布签署战略业务联盟协议。索尼还与万代南梦宫现有股东达成协议，将以约680亿日元的价格收购其持有的1600万股万代南梦宫股份。收购完成后，索尼将持有万代南梦宫已发行股份总数约2.5％的股份。  通过此次商业联盟以及索尼对万代南梦宫的投资，作为日本领先的两家娱乐公司，万代南梦宫和索尼将专注于扩大全球动漫等IP的粉丝社区并加强参与度，特别是在市场预计快速增长的动漫领域，同时融合彼此的优势，为粉丝创造新的、感人的体验，并通过这些努力实现IP价值的最大化。  万代南梦宫与索尼此前曾在游戏、动漫和音乐等领域开展过多项合作，并计划将合作拓展至更广泛的领域。两家公司计划利用索尼在动漫及其他影像内容制作、发行以及周边商品销售等领域的优势，扩大基于万代南梦宫IP的作品、产品和服务。此外，双方还将就动漫等IP的联合开发和推广，以及体验式娱乐的规划和技术合作进行深入探讨。 此外，两家公司还计划通过联合开发和运营娱乐相关技术和服务，探索支持创作者的机会，并在粉丝互动领域开展联合投资和商业联盟。

完善系统比“反回扣”更实际。

节约时间就是节约成本。

目前做客服工作是大模型To B应用中最低垂的果实。

2025年7月24日，截止收盘，沪指涨0.65%，报收3605.73点;深成指涨1.21%，报收11193.06点;创业板指涨1.5%，报收2345.37点，两市成交额较上一交易日减少198.94亿元，合计成交18447.06亿元。

<blockquote><p>一个主理人项目的背后，是产品决策、内容表达、社区逻辑的缜密协同。本文将以一位返乡青年转型主理人的过程为样本，复盘当代创业者如何从“打工人”变身“运营者”，构建可持续的品牌叙事路径。</p> </blockquote>  最近，我在朋友圈看到一个熟悉又陌生的词：“主理人”。 说不上哪里不对劲，但那一刻，我突然意识到，“主理人”这个词，已经不是在潮流品牌、艺术展或咖啡节上才会出现的身份了。它已经下沉到我们每个人的身边，尤其是那些从一线城市退场的县城创业青年。 主理人，不只是一个称谓，它成了一种姿态。和一层体面滤镜，也是一种还没彻底放弃折腾的证明。 可惜，这种证明，正迅速变成网络上的笑柄。 手机刷了一圈，才发现“主理人”这词早成了社交平台上人人调侃的对象。有人说是“个体户披着高贵人设”，也有人说“主理人就是爱涨价的代名词”，甚至还出现了“整顿县城主理人”的段子。 可要真说起来，那些在县城做咖啡、开服装店的年轻人，未必就是装模作样。他们可能只是没能留在一线，也不想就此认命，用“主理人”这个词，给自己的选择留点体面。 我们习惯了用调侃的语气看待这些人，但或许也可以试着换个视角去理解：他们到底在坚持点什么？ ## 01 当“主理人”逃离北上广，县城接住了他 “你好，我是菜鸟驿站主理人。”这句梗已经成了全网笑话。 从前，“主理人”是城市潮流语境里的身份标识，往往和“买手店”“黑胶唱片”“风格酒馆”这些名词一起出现，是某种审美自信和独立品位的象征。而现在，在县城的朋友圈、文旅宣传、甚至家政门店里，“主理人”突然成了一种人人都能套用的称呼：听起来有点洋气，也不那么落地。 于是，全网开始群嘲：开奶茶店也叫主理人，做气球布置的也叫派对主理人，县城的小咖啡馆动辄写上“请提前预约，限量供应”的标语，不说卖的是咖啡，还以为是搞行为艺术。更别说那些短视频里经常出现的情节：冷脸接客、规则繁多、价格离谱，还要附赠一堂关于“生活方式”的教育课。 但有时候，调侃背后也藏着现实。 “主理人”这三个字，有时候不是为了显得高级，而是为了不那么掉价。 它不是什么身份标签，更像是一块“遮羞布”，挡住那点在城市没混出来的体面，也遮住回到县城时不甘心就此认命的自我怀疑。 对很多人来说，主理人不是一种“身份升级”，而是一种“过渡姿态”。既不愿彻底躺平，也还想在生活里留下一点讲究。 数据显示，全国有超过75%的县域主理人是90后，多数有城市工作或留学背景。他们不是没见过更高的审美，只是没能继续留在更贵的地方。县城，是他们退回来的选择，也是他们重新试图表达自己的空间。 而一些地方政府其实也看得很清楚。 比如佛山就曾评选500名“掌门人”，文件里虽然不用“主理人”这个词，但意图类似：希望这些熟悉本地又懂点设计的人，带动一批不那么传统的县城生意。 他们也许不是在推动什么“消费升级”，但确实让县城生活有了些许不同。比如过去没人喝的咖啡，现在有人开始点一杯了；没人拍照的街道，也开始有了些打卡的年轻人。 不是精致生活的“下沉”，也不是什么新消费的“起点”。 只是那些没法在北上广继续打拼的年轻人，回到老家，还想保留一点属于自己的表达方式而已。 有些人看不起这群“主理人”，但他们至少没有完全放弃自己。 ## 02 嘲笑主理人之前，不如看看他们在做什么 我们当然能一眼识破那些蹭热度的主理人。 视频里的“健康生活主理人”，其实是卖轻食外卖的；“派对主理人”，不过是气球布置工；有的“三家主理人”，看起来像创业奇才，其实就是爸妈家纺店的接班人。 他们的共同点是：标签写得很文艺，现实里累成狗：骑三轮送货、自己进货、拆快递、搞促销，朋友圈发的可能是“生活方式”，但抖音视频里全是“打工日记”。 甚至可以说，他们所谓的“主理人”身份，根本就只是一个账号简介里的噱头。 但反过来看，这又何尝不是另一种自我要求？ 在社交媒体“人设即生意”的环境里，谁不在打标签？我们习惯了互联网赋予一切意义，主理人这个词，也只是其中一种包装方式而已。 更何况，他们面对的，是一个比一线城市更复杂的县域逻辑：熟人社会、人情账单、性价比主义、文化滞后……县城的生活节奏、消费者习惯、对“调性”的反应，都和大城市完全不同。主理人们一开始也试图复制一线玩法，但很快发现那一套并不好使。 比如我看到有一家咖啡店，原本也搞预约制、低消门槛，还印着精致的豆种介绍，结果被骂“拿捏人”，最后改成谁来都能坐下，边喝咖啡边打印材料，顺便给学生复印作业。 一个原本要卖生活方式的店，最终成了“社区服务站”。却也意外活了下来。 这不是投降，而是适应。 你会发现，真正能在县城活下来的主理人，不靠规矩立人设，也不靠价格显高端。他们没把主理人当“标签”，而是当一门“手艺”在做。 他们不解释自己，不讨好评论区，也不介意被误解。 因为在县城这个语境里，能留下来的，从来不是最潮的，而是最能改良和适应的那批人。 真正活下来的，不是最“懂生活方式”的人，而是那些最早放下身段、重新理解“生活”的人。 ## 03 “主理人”不重要，活下去才是硬道理 我们处在一个特别容易解构的时代。 曾经红极一时的新中产品牌，如今变成库存清仓；那些讲求审美、生活方式的消费主张，被“便宜又大碗”击溃。人们不再愿意为姿态买单，甚至会下意识地攻击一切看起来“太装”的存在。 “主理人”就撞上了这个风口。它成了人设崩塌、生活贬值、消费理性回潮的集体出气筒。 但如果我们能抽离嘲笑的情绪，去看那些真正扎根在县城里的年轻创业者，会发现他们其实在悄悄重塑一个更真实的商业图景。 比起传统夫妻老婆店，他们更关注细节：装修干净、细节讲究。他们不再一味靠亲戚朋友撑场子，而是用社交平台、短视频引流，在同城打造私域。不盲目追求规模，但对产品和体验有自己的坚持。 他们虽然叫“主理人”，但干的是“自己又当设计师又当采购”的苦活儿。他们虽然模仿城市逻辑，但知道县城只有人情和性价比才是王道。 更重要的是，他们能留下来。 数据显示，2024年主理人创业的平均启动成本仅12.7万元，是县域最主流的轻资产创业方式。返乡青年的项目留存率，甚至已经高于一线城市的初创公司。 如果说“老板”这个词强调的是身份地位，那么“主理人”至少代表一种态度：愿意亲自打理、亲自负责，有点追求，也不怕辛苦。 这种由内而外的转变，正是县域商业正在经历的基因重组。 不是每一个主理人都能翻身，不是每一间店铺都能撑过三年。但比起那些默默关掉卷帘门的门店，这些“自称主理人”的返乡青年，至少在努力让这片土壤重新生长出点什么。 据人社部发布的《2024年返乡创业发展报告》，过去三年，全国返乡创业人员累计超过1220万人，其中35岁以下的青年群体占比超过六成。他们中绝大多数来自新一线或一线城市，受过高等教育，有一定专业经验，最终却选择回到县城、小镇，开启“主理人式”的创业尝试。 这些年轻人有很大一部分，并非“混不下去才回家”，更多时候，是在权衡生活成本、家庭责任和人生节奏之后，主动做出的选择。 毕竟，一线城市给得起远方的梦想，但未必给得起踏实的日子。而县城虽然慢，却能让人亲手抓住一点成就的实感。 说到底，如果县城老家能承载一个人的梦想，谁又真的愿意去远方呢？ ## 04 褪去滤镜之后，“主理人”只是一个起点 我也有问发小，为什么不直接叫老板，他笑着说：“老板太土了。” 我懂他的意思，也许“主理人”听上去像是装腔作势的一种说法，但在他嘴里，它是一种自我提醒：对这门生意要负责，要亲力亲为，要有点讲究。 县城主理人真正难的，不是端着姿态，而是怎么在“讲究”和“接地气”之间找平衡。 一方面，他们想把在大城市学到的审美、品味带回来；另一方面，又得面对本地人的实际需求：讲性价比、讲熟人关系、讲实用。 “主理人”这个词，也许有一天会被别的说法替代，也许在热潮散去之后，真正能留下来的，不是那些把风格挂嘴边的人，而是那些愿意弯腰刷杯子、认真听顾客讲需求的店主。 他们的店可能不大，牌子也不响，但该讲究还是要有点讲究的。 你说叫老板也行，叫主理人也好，说到底，他们就是那种：还想认真做点事的人。 就这一个心气，已经不容易了。 本文由 @贝塔商业 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>在小红书做内容，不懂“产品思维”就容易拍瞎。这篇文章用多个爆款案例讲清：如何通过路径拆解、情绪结构与用户预期构建打造可复制的引流模型，让你不再拍着脑袋做爆款，而是有逻辑、有策略地“吸粉”。</p> </blockquote>  美妆行业，用户对精致广告审美疲劳，新品推广难以激起兴趣，反倒对 “前员工揭秘” 内容青睐有加；医美行业，信息差严重，普通用户难辨真假科普与软广，机构宣传效果远不如前员工的一句话。 如今，它们在引流方面已从常规做法转变为需推陈出新，才能吸引用户。 ## 美妆行业案例拆解  ### 封面设计策略 封面是 “大字报式排版”。其中包含几个关键元素： - **地域锚点**：“静安寺”，作为上海核心商圈，暗示品牌高端定位。 - **身份标签**：“Top美妆总部已离职”，前从业者身份自带可信度。 - **互动钩子**：“随便问”，开放式提问降低用户互动门槛。 其设计逻辑遵循 “封面公式”：地域背书 + 行业身份 + 互动指令，3 秒让用户知晓 “这号能挖料”。 ### 标题话术策略 标题 “静安寺 Top 美妆总部已离职｜随便问” 暗藏 3 个小心机： - **精准定位**：“地域+行业+职位”，精准指向高价值信息源，“Top总部”及“MKT”关键岗位，凸显信息含金量。 - **弱化利益相关**：“已离职”，暗示“说话无顾忌，敢讲真话”。 - **自然互动邀请**：“随便问”，比“揭秘”更自然，让用户觉得提问被许可。 此标题依据 “点击率公式”：高势能身份（地域 + 行业 + 职位） + 安全距离（已离职） + 互动邀请，直击 “吃瓜型用户”。 ### 内容组织策略 该笔记内容架构别具一格。开篇 “千等万等终于等到了被裁”，将 “离职” 描述为 “解脱”，瞬间拉近与打工人的距离。它并未直接炫耀行业机密，而是先聊 “裁员感受”，巧妙之处在于： - **共情**：“有时候裁员并非坏事”，消解离职负面标签，树立“洒脱人设”。 - **留白**：正文不展开内幕，借助评论区互动填充，如回复“MKT岗位”“活动比稿靠关系”等，促使用户主动追问，“半开放式内容”比硬科普更具吸引力，让用户感觉“每问一个问题，都在解锁新信息”。 ### 评论区引流策略 评论区玩法也十分巧妙： - **强化专业性**：作者直接回复“MKT”岗位相关内容。 - **埋设懂行人设**：优先回答“行业内幕”类问题，如比稿流程。 - **引导私信深聊**：“随便问”的开放式互动，自然引导用户私信。 - **提供独家价值**：回复带“行业黑话”，如“老板想给谁做”，吸引真正感兴趣的用户关注。 ## 医美行业案例拆解  ### 封面设计策略 - **视觉锤**：离职报告实拍照片，比文字更具真实感。 - **情绪词**：“再见了您勒”，带吐槽感，区别于官方声明的死板。 - **行业标签**：大大的“医美”二字突出赛道，吸引精准用户。 此封面逻辑是以 “实物证据 + 情绪表达” 替代传统医美号的 “变美对比图”，迅速塑造 “敢说真话” 人设。 ### 标题话术策略 标题 “八年医美离职，内幕随便问，没啥好怕的” 暗藏 2 个杀招： - **年限背书**：“八年”，暗示“资深从业者”，比“刚离职”更具说服力。 - **风险暗示**：“没啥好怕的”，潜台词为“以前诸多话不敢说，现在能坦诚相告”。 与普通医美科普号不同，该标题反其道而行之，别人吹嘘 “项目多好”，它讲 “哪些项目别做”，直接抓住 “怕踩坑” 用户。 ### 内容组织策略 正文同样出色： - **切断利益链退路**：开篇“在医院待了八年，今天从零开始”，表明与机构利益无关。 - **证明专业能力**：“从外科到医美科”的经历，证明自身“懂技术”。 重点看置顶评论： - **反向科普**：如“不建议20岁做超声炮”“线雕是大雷点”，打破机构“越早做越好”的营销话术。 - **人设升温**：“又佩服又心疼你们”，将用户当“姐妹”，而非冷漠专家。 这种 “先打破信任壁垒，再给实用干货” 的结构，让用户感觉 “她离职就是来帮我的”，自然愿意跟随倾听。 ### 评论区引流策略 评论区回复技巧满满： - **避免广告嫌疑**：回答“36岁脸垮了做什么”时，强调“肉多超声炮”，仅提供技术建议，不推荐具体机构。 - **引导私信咨询**：置顶评论最后一句“想知道自己适合什么项目可以问我”，自然引导私信。 关键逻辑在于通过 “拒绝推荐项目” 建立中立形象，再以 “个性化答疑” 实现隐蔽引流，比 “加微信领福利” 效果更佳。 ## 可复用策略提炼 我将这两个案例的方法总结如下，可直接应用： **1）突出离职优势**： - **美妆/快消行业**：将“离职”转化为“信息特权”，强调“在该岗位知晓的内幕”，如MKT岗可分享“新品推广套路”“网红合作坑点”等。 - **医美/大健康行业**：以“反常识观点”打开流量口，如“哪些年龄不适合做什么项目”“哪些项目性价比低”等。 **2）精准定位信息源**：用“地域+岗位”精准筛选，像静安寺、陆家嘴、国贸等地标，为“高端行业”背书，岗位越垂直越好，让用户快速判断“此人能解答何种问题”。 **3）设置引流钩子**：在评论区提前埋设“引流钩子”，例如美妆行业，用户问“怎么辨别假货”，回复“私信发你一份内部鉴别表”；医美行业，用户问“36岁脸垮了做什么”，回复“想知道自己适合什么项目可以问我”，将高频问题转化为“私信诱饵”，转化率比硬广高10倍。 **4）增加真实感和可信度**：医美/大健康行业，通过“从业细节”增强真实感，多分享“手术室亲眼见过的失败案例”“机构如何包装低价套餐”等具体场景，提升用户信任感。 ## 结尾 总结核心观点，在美妆、医美等行业，用户依赖真实、有用的信息。应将引流过程拆解为可感知细节，把专业度融入细节，将信任感蕴含于故事，这才是最佳引流逻辑。 本文由 @流量破局 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

报道称，高考结束后的暑假，医院皮肤科、整形美容科迎来就诊高峰。

<blockquote><p>从能力竞争到运营优势，AI创业的核心变量正在转向“应用层重构与工作流打通”。本文从智能运营的产品逻辑切入，系统分析 AIGC应用的演进路径与生态机会，帮助创业者重新理解：下一个周期，不是谁模型更强，而是谁能把模型用出“业务价值”。</p> </blockquote>  ## 报告摘要 本报告旨在对当前AI创业的核心趋势进行批判性分析，并为智能运营专业人士提供将AI工作流产品化的行动指南。分析结果验证了用户对AI应用层作为商业风口的判断，并深入探讨了智能体重塑工作流和模块化开发范式所蕴含的巨大价值。 全球风险投资（VC）对AI领域的投入在2024年达到创纪录的1000亿美元，其中AI应用层以510亿美元的融资额领跑，凸显了其作为主要商业机遇的地位 。这一趋势表明，AI的价值正从底层技术向实际应用和可货币化解决方案转移 。智能体（Agentic AI）作为AI领域增长最快的趋势之一，正从试点项目走向实际应用，通过自动化、优化和协作，深刻改变各行业的工作流程 。 报告强调，AI的真正价值在于其应用层，它能够将AI潜力转化为实际的商业回报，特别是通过融合特定领域的专业知识和利用专有数据来构建定制化解决方案 。AI技术栈的模块化发展，包括提示工程（Prompt Engineering）、检索增强生成（RAG）和微调（Fine-tuning）等“积木式构建”方法，极大地降低了开发门槛，并以指数级速度扩展了创新空间 。 对于智能运营专业人士而言，将现有或新设计的工作流程转化为智能体架构，并将其作为可销售的产品，配合分销渠道实现收入，是一个具有高价值的未来机会。本报告将详细阐述这一战略的机遇、挑战及具体实施路径。 ## II. 核心AI创业趋势验证：批判性分析 ### II.I. 应用层：AI的商业前沿 AI技术已成为推动各行业投资的关键力量。2024年，全球风险投资对AI公司的投入达到历史新高，总额超过1000亿美元，较2023年的556亿美元增长了80%以上 。AI领域吸引了全球近33%的风险投资，使其成为投资最活跃的行业 。这种增长反映了AI技术在医疗、交通等多个领域的广泛应用，以及投资者对其变革潜力的日益增强的信心 。预计2025年，AI领域将继续保持创新势头，并伴随更多融资机会和AI驱动型企业的上市潮 。 2024年的投资细分数据显示，AI应用层以惊人的510亿美元融资额位居榜首，同比增长37% 。尽管基础层（370亿美元，增长56%）和AI计算基础设施（90亿美元，增长149%）也获得了显著增长，但应用层无疑吸引了最多的资本 。进入2025年第一季度，AI和机器学习领域继续保持其风险投资引擎的地位，以736亿美元的融资额创下历史新高 。其中，提供广泛适应性AI解决方案的通用AI平台获得了500亿美元的巨额资金，而专注于特定行业的垂直应用初创公司则在交易数量上占据主导，完成1025笔交易，总计192亿美元 。 高盛分析师明确指出，AI投资正从半导体和数据中心转向可货币化的AI应用软件 。这表明市场正在走向成熟，重心日益放在AI如何转化为具体的商业价值上。AI应用层正告别“多元化发展”阶段，进入“主线清晰”的时期，资本正集中流向编程、医疗和法律等高潜力领域 。这预示着AI应用将有更明确的实施路径和更专业的解决方案。 **AI VC投资层级分布（2024-2025年趋势）**  **应用层为何能实现商业成功** AI应用层之所以成为商业焦点，主要原因在于其能够将AI潜力转化为实际的商业成果 。基础模型正日益商品化，就像云计算基础设施一样，曾经是超大规模厂商的竞争优势，如今已成为一种普遍预期 。这意味着应用程序可以以极低的切换成本更换底层模型，拥有更优质的基础模型所带来的战略价值将持续下降 。 真正的价值和持久的竞争优势存在于应用层。这是因为应用层能够将AI与特定领域的专业知识相结合 。行业专长在通用模型中可能毫无价值，但在定制化的应用中却变得无价 。这种知识不对称性构成了显著的竞争优势。应用程序还能够打破系统孤岛，通过协调不同的业务系统来创造独立的大型语言模型（LLM）无法实现的智能 。它们还能利用专有数据，这些数据无法馈送给公共模型，但可以驱动私有、专业的应用程序 。 最终，模型生成文本，而应用程序生成收入 。例如，专注于应用开发的电信公司预计到2027年将额外获得150-200亿美元的全球收入，这直接证明了应用层对财务的巨大影响 。 **AI市场发展的深层考量** AI投资的动态揭示了一个核心趋势：AI领域的价值创造正经历从基础设施到应用层的演变。这与历史上其他技术（如云计算）的成熟路径相似。在早期阶段，大量资本涌入核心基础设施和基础组件的建设。然而，随着这些底层技术日趋成熟并变得更加易于获取，竞争的焦点和利润的来源便转向了基于这些底层技术构建的上层应用。用户最初的观察，即“底层技术需依赖应用层盈利反哺”，恰恰抓住了这种共生关系：应用层的商业成功反过来驱动了对底层基础设施的需求和再投资，而非仅仅由基础设施单向推动价值。对于智能运营专业人士而言，这意味着虽然理解底层技术至关重要，但战略重心应放在如何利用AI解决实际问题并产生可衡量的商业成果。试图在资本密集的基础模型领域竞争，对于大多数创业公司而言可能是一种战略误判。相反，利用日益商品化的基础模型来构建高度专业化、高价值的应用程序，才是实现可持续竞争优势和盈利的途径。 AI市场的投资策略呈现出一种看似矛盾但实则互补的现象：一方面，通用AI平台（如OpenAI）吸引了数十亿美元的巨额融资，代表着“规模化”投资；另一方面，垂直应用初创公司在交易数量上占据领先地位，体现了“专业化”投资的活跃。这种“规模与专业化同步增长”的趋势 表明，市场正在成熟并分化。大型资本致力于构建AI的“高速公路”（基础模型和通用平台），而众多小规模、有针对性的投资则用于资助运行在这些高速公路上的“AI车辆”（应用程序）。这种双重发展模式有力地验证了用户对应用层的关注。它意味着，尽管“超级交易”吸引眼球，但专业化解决方案市场同样活跃且充满活力。智能运营专业人士应致力于在“垂直”市场中开辟利基，将深厚的领域专业知识与AI相结合，创造出难以复制的、具有防御性的价值。这种策略能够实现更敏捷的开发，并通过解决特定行业或功能中的痛点，更清晰地实现产品与市场的契合。 AI的真正价值不仅在于技术本身，更在于其所能带来的“转型”。报告明确指出，“从AI中获取真正价值需要转型，而不仅仅是新技术” 。这在传统行业中尤为明显，它们正积极拥抱AI以提升效率和竞争优势，并将AI纳入长期战略规划 。这表明，仅仅采纳AI工具而未能根本性地重塑流程和组织结构，其价值将十分有限。真正的价值来源于围绕AI能力进行的运营再造。智能运营专业人士在这一转型浪潮中占据独特优势。他们的价值主张超越了单纯构建AI工作流的范畴；它涵盖了引导客户进行流程再造、变革管理以及将AI融入其核心运营。这与将工作流产品化以提供可衡量投资回报率（ROI）并推动卓越运营的理念完美契合。 ### II.II. 智能体：重塑业务工作流 智能体（Agentic AI）被认为是增长最快的技术趋势之一，预示着其可能带来的革命性变革 。这些自主系统，包括物理机器人和数字智能体，正迅速从试点项目走向实际应用。它们不仅执行任务，更开始学习、适应并协作，有效地扮演“虚拟同事”的角色 。投资界也认识到这种潜力，AI智能体被视为“最热门的投资领域”。仅在2025年上半年，就有7亿美元流入种子期AI智能体公司，年中交易数量超过200笔 。这表明市场对智能体范式抱有强烈的早期信心。 AI智能体通过处理重复性任务，使人类员工能够专注于更高价值、更具战略性的工作，从而从根本上改变了团队的运作方式。这带来了跨部门的生产力提升和资源优化 。 **AI智能体在各行业和职能中的应用实例：金融领域：** AI智能体正在彻底改变金融运营。例如，“账务洞察智能体”能够主动标记交易异常，“预测智能体”自主合成财务和运营数据，“费用监控智能体”跟踪趋势并标记政策违规，“差异分析智能体”调查实际与预测之间的偏差，以及“流动性管理智能体”模拟短期现金流情景 。金融AI智能体还能评估市场波动，提出投资策略，并检测欺诈性交易 。案例研究表明，其影响显著，例如贷款处理成本降低80%，申请审批速度提高20倍 。摩根大通为财富顾问提供的“教练AI”实现了95%的研究检索速度提升 。 **供应链与物流：** AI智能体正在优化复杂的供应链流程。这包括仓库机器人推断物品位置，基于实时条件重新规划交付路线的目标导向型智能体，以及多智能体生态系统协调各种物流节点（仓储、运输、库存）以实时调整运营并最大程度减少瓶颈 。预测性维护、优化配送路线和仓库自动化也是关键应用 。例如，沃尔玛部署AI智能体进行需求预测、库存同步和自主货架扫描机器人 。 **客户服务与销售：** AI驱动的聊天机器人自动化客户互动，显著缩短响应时间并提高满意度 。AI销售助理负责线索资格认证和个性化外联 。AI智能体可以安排通话、提取线索详情、更新记录，甚至撰写营销文案，使销售代表能够专注于完成交易 。使用生成式AI进行个性化外联可以提高回复率和会议预订量 。像Jeeva这样的自主潜在客户开发智能体可以持续寻找并吸引潜在客户，确保不遗漏任何潜在商机 。 **人力资源与IT运营：** AI驱动的虚拟HR助理协助招聘、入职、员工培训和政策遵守 。AI智能体还提供IT支持和帮助台自动化 。在软件开发领域，AI智能体正在提高代码生成效率（例如，GitHub Copilot可节省40%的时间）和代码测试效率（例如，Diffblue实现了70%的Java单元测试覆盖率） **市场营销：** AI驱动的智能体被用于根据受众洞察创建博客文章、社交媒体内容、电子邮件活动和视频脚本 。它们通过自动化日常任务（如安排社交媒体帖子、分析在线内容以获取营销灵感以及实时优化按点击付费（PPC）活动）来简化营销工作流 。 **工作流再造中的高价值机会：** AI工作流编排市场预计将显著增长，在2025-2031年预测期内，复合年增长率（CAGR）将达到22.4%，市场价值将达到87亿美元 。更广泛的AI工作流自动化市场预计将从2023年的201亿美元增长到2030年的786亿美元，复合年增长率为21.5% 。这些数字凸显了巨大且加速增长的市场机遇。领导层普遍认识到其变革潜力，最新数据显示，92%的高管预计将在2025年实施AI驱动的自动化工作流 。 AI驱动的工作流自动化的主要优势包括减少错误、加快决策、实现个性化工作流以及提高整体生产力 。AI驱动的流程自动化通过优化流程和最大程度减少错误，显著降低了运营成本 。它还提供预测性洞察，以预测瓶颈并优化工作流 。值得关注的重要发展包括多智能体生态系统的出现，其中AI智能体将在不同领域和功能之间协同操作，协调行动和交接。这将导致“持续的、由智能体主导的工作流”，传统周期将让位于由实时信号驱动的动态流程。此外，随着智能体做出更多自主决策，将需要“去中心化治理模型” 。 **AI智能体发展趋势的深层考量** 研究资料清晰地描绘了AI自动化从简单的任务执行向更高级的自主化演进。AI智能体被描述为能够“学习、适应和协作” ，具备“决策能力” ，并形成能够协调行动的“多智能体生态系统” 。对智能体AI的巨额投资 以及对“持续的、由智能体主导的工作流” 的强调，标志着自动化已从仅仅执行预定义步骤，转向实现自主、适应性强的智能工作流执行。这代表了传统自动化的一次质的飞跃。因此，用户对“智能体工作流重塑”的关注不仅准确，而且具有重要的战略意义。高价值的机会并非仅仅通过AI复制现有的人工流程，而是从根本上“再造”工作流，以充分利用自主智能体的独特能力。这意味着设计系统时，智能体能够主动识别问题、做出实时决策、从不断演变的数据中学习，并与其他智能体或人类监督者进行协作。这种流程再造能够释放出以前不可能实现的效率和新能力，从而为产品化的工作流带来更高的价值。 尽管基础模型正日益商品化 ，但AI智能体的成功却与“领域特定知识和复杂的应用架构” 紧密相关。研究明确指出，行业专长在定制化应用中“无价” 。这建立了一个因果关系：通用AI模型在融入深厚的、专有的领域知识后，其价值将大幅提升。所提供的案例（金融咨询、沃尔玛的库存管理、电信领域的特定挑战 ）都强调了行业背景如何将通用AI能力转化为具有巨大影响力的解决方案。对于智能运营专业人士而言，他们现有的运营和领域专业知识是AI时代最关键的资产。将AI工作流产品化应战略性地瞄准特定利基或功能，在这些领域，其独特的、深厚的知识可以与AI能力相结合，创造出通用AI工具或专业性较弱的竞争对手无法复制的解决方案。这能够建立一种可防御的竞争优势，从通用AI产品转向高度定制化、高影响力的解决方案，从而深刻触及特定客户的痛点。 AI工作流自动化趋势中的一个重要发展是“持续的、由智能体主导的工作流” ，这意味着传统的周期性活动（如年度规划）正让位于由实时信号驱动的动态流程。AI工作流自动化中的“自适应和自学习系统” 也被列为新兴趋势。这表明，AI解决方案不再是静态的，而是在不断学习和适应，从而实现持续的优化和对不断变化的环境的快速响应。将AI工作流产品化时，应以实现这种持续优化为目标，而非仅仅提供一次性的自动化方案。产品应设计有反馈回路，使其能够根据实时数据和不断变化的业务需求持续学习、适应和改进。这使得产品成为一种战略性的、持续的运营资产，能够提供持续的价值，而不仅仅是一个效率工具。这种特性也自然地支持了基于结果的定价模式 ，即供应商的收入与自适应工作流所交付的持续价值挂钩。 ### II.III. 模块化AI开发范式：编排与“积木式构建” “智能体编排层”的概念与更广泛的AI编排行业趋势直接契合。这个编排层对于管理AI系统的整个生命周期至关重要，包括模型训练和部署，协调不同AI技术之间的交互，根据上下文修改流程，以及持续优化性能 。它提供了一个灵活统一的框架，用于集成各种AI组件，使组织能够轻松地将新模型、算法或数据源整合到现有工作流中。这种灵活性促进了创新和适应性，以应对不断变化的业务需求或技术进步 。 有效的AI编排带来了显著的益处：增强可扩展性（适应不断增长的工作负载）、提高灵活性（集成多样化组件）、高效资源分配（优化计算能力）、加速开发和部署（缩短AI解决方案上市时间）、促进不同AI模型和团队之间的协作、改进AI模型的实时监控和管理，以及简化合规性和治理 。最终，AI编排通过将复杂的AI流程组织成统一的框架，从而简化了管理，使其更易于使用、管理和维护 。 **模块化技术（提示工程、RAG、微调）对创新和开发的影响：** 提示工程（Prompt Engineering）、检索增强生成（RAG）和微调（Fine-Tuning）是企业可以用来从大型语言模型（LLM）中获取更多价值的三种主要优化方法 。这些技术共同有助于实现更好的下游性能、更高的领域特定准确性，以及满足目标用例特定格式、语言或法规要求的输出 。 - **提示工程：**这是三种方法中耗时最少、资源密集度最低的。它涉及精心设计精确的输入提示，以引导预训练模型产生期望的输出，而无需更改模型底层参数。它具有高度灵活性，在开放式场景中表现出色，例如：从头开始生成内容。 - **检索增强生成（RAG）：**这种方法将LLM连接到外部数据库（通常是专有的），并自动化信息检索，以相关、最新数据增强提示，从而提高准确性和上下文理解。当准确、相关和最新信息至关重要时，RAG是理想的解决方案，例如在客户服务聊天机器人或法律研究中。它将LLM接入到原本无法访问的专有实时数据； - **微调：**这涉及根据特定的领域数据集调整预训练AI模型，从而提高其在特定领域或任务中的性能。尽管它在计算资源和时间投入方面可能要求最高（需要数天或数周的训练），但它非常适合需要高精度和深厚领域专业知识的任务。经过微调的模型在应用其领域特定数据训练时，通常会优于其对应的基础模型。 至关重要的是，这三种方法并非互斥，而是经常结合使用以实现最佳效果 。AI原生应用程序通常采用复杂的系统级思维进行应用设计，平衡使用现成的通用AI组件与构建专有能力，以优化其特定用例的性能。这包括结合使用各种基础技术（微调、RAG、提示工程）以及在模型层采用集成方法，以实现查询级别的最佳性价比 。 **AI模型优化技术对比（提示工程、RAG、微调）**  **模块化AI开发范式的深层考量** 用户提及的“拼积木式构建”与模块化开发高度契合。然而，研究资料强调，“编排层” 才是真正价值和复杂性管理发生的地方。这并非从头构建基础模型（这需要大量资本投入 ），而是智能地组合、管理和优化现有的模块化组件（提示工程、RAG、微调）。研究指出，AI原生应用设计需要“复杂的系统级思维”，以平衡“现成的通用AI组件与构建专有能力” 。这表明战略优势在于这些“积木”的“组合”和“管理”，而非仅仅在于创造这些“积木”本身。因此，智能运营专业人士应将自己定位为AI能力的“编排者”和“集成者”，而非纯粹的AI模型开发者。其核心价值主张源于其设计、组合和管理这些模块化AI组件的能力，从而构建出强大、高性能且持续改进的工作流，以解决复杂的业务问题。这使得主要技术重心从深度模型训练（其资源密集度高 ）转向架构设计、数据集成和持续优化，同时充分利用现有强大的模型。 RAG的有效性明确地与LLM连接到“专有实时数据” 相关联。同样，微调依赖于“领域特定数据集” 来实现精度。研究直接指出，“数据在应用层至关重要，它能将商品化的基础能力转化为有针对性的、可防御的产品” 。这建立了一个强烈的因果关系：尽管模块化AI开发提供了灵活性，但其最终性能和创造竞争优势的能力，根本上取决于其处理数据的质量、独特性和战略管理。糟糕的数据基础设施被认为是阻碍AI应用的关键因素 。因此，在将AI工作流产品化时，必须在数据战略上进行大量前期投资。这包括对数据的细致采购、整理、质量保证、治理和安全管理 。解锁“潜在数据”（休眠或未捕获的客户数据）以及通过多模态交互和模式识别主动创建“新的专有数据集” 成为核心竞争差异化因素。这些独特的数据将增强RAG和微调模型的性能，使“积木式”解决方案真正独特、高度准确，并对特定客户具有高价值。 研究强调，“将可解释性融入流程的多个步骤”是设计AI原生系统的一个关键方面 ，尤其是在AI从“行动和协助转向答案和智能体”时。这与建立用户信任和确保对齐直接相关。研究还指出，“不准确性”和“模型透明度”是IT领导者关注的关键问题 。随着AI变得更加自主并融入关键业务工作流，理解AI如何得出决策或输出变得至关重要，这不仅是为了用户接受度，也是为了法规遵从性和调试。因此，在构建和产品化AI工作流时，智能运营专业人士必须从一开始就注重透明度和可审计性。这意味着不仅要关注优化性能指标，还要使AI的行动和推理对人类用户和利益相关者可理解。这种对可解释性的承诺建立了至关重要的信任，促进了广泛采用，并且对于应对日益严格的监管审查和治理要求至关重要，尤其是在敏感或高度受监管的行业中 。 ## III. AI工作流产品化：战略机遇与挑战 ### III.I. 成功AI原生应用的特征 AI原生应用的核心在于将AI作为用户体验的中心，而非仅仅是辅助功能 。它们基于AI的核心能力构建，例如从大数据集中学习、理解上下文和生成新颖输出 。其关键价值在于突破传统速度、规模和成本的限制，从而为企业带来全新的可能性 。 **持续改进与专有AI：** 成功AI原生应用的一个标志是其持续改进的设计。这通过整合底层AI模型的进步以及关键的反馈循环来实现，这些反馈循环利用真实世界的数据来优化性能 。此外，这些应用通常包含某种专有AI技术元素，这可能包括为特定功能微调开源模型或复杂的模型编排 。这种专有层对于实现差异化至关重要。 **关键成功维度（5个D：设计、数据、领域专长、动态性、分销）** - **设计：**成功取决于以用户为中心的设计，创造超越传统聊天或搜索界面的新型交互模式，转向更自然、多模态的交互（例如，语音、视频）。它们通过智能地整合用户反馈（例如，好评/差评、参与度监控）来加速反馈循环，从而优化性能并加快功能开发。至关重要的是，AI原生系统需要复杂的系统级思维，平衡使用现成的通用AI组件与构建专有能力，采用各种基础技术（微调、RAG、提示工程），并整合可解释性以建立用户信任。 - **数据：**数据是AI原生应用的命脉，它能将商品化的基础AI能力转化为有针对性的、可防御的产品。成功的应用提高了端到端数据管理的严谨性，包括采购、整理、质量、治理和安全。它们通过解锁休眠或未捕获的客户数据（例如，来自文档、通话、会议记录）来利用“潜在数据”，从而创造新的商业价值。此外，它们还通过多模态交互、AI生成内容元数据和模式识别来创建新的专有数据集，这些数据集可用于迭代改进底层模型并扩展竞争优势。 - **领域专长：**行业特定的AI原生应用正迅速扩展，因为生成式AI能够更好地在特定领域内创建终端用户活动的数字表示。它们将深度的领域特定活动转化为AI加速的工作流，自动化任务并使洞察在组织内可访问。这些应用能够大规模、高速地从海量数据集中合成洞察，极大地加速了法律、医疗和金融等领域的信息处理。最成功的应用将全球知识（来自基础模型）与领域特定知识（来自行业数据库）以及公司特定洞察（来自内部工件）相结合，以优化输出并自动化整个工作流。 - **动态性：**生成式AI推动了从静态到更动态的应用体验的演变。成功的应用通过编排模型交互来优化“幕后”行动，以实时改进输出和性价比权衡。它们创建生成式客户旅程，生成动态和自适应内容（例如，个性化销售材料、数字孪生表示），这些内容不断从客户交互中学习。它们还实现了多层次的超个性化（终端用户、团队、部门、组织范围），因为AI学习了偏好和参与模式。 - **分销：**尽管传统的基于席位的SaaS模式仍将存在，但公司正在积极尝试定价和打包方式。这包括嵌入生成式AI功能、创建高级SKU、提供独立的生成式AI应用程序，以及测试基于消费和基于结果的定价方案。AI原生应用还支持新的商业模式，超越传统许可，转向订阅软件，并纳入基于消费和基于结果的组件，特别是对于可根据解决的工单或生成的内容定价的AI智能体。 ### III.II. AI驱动工作流的新兴商业模式 AI驱动的商业模式与传统方法有着根本区别。它们是动态的、适应性强的，并能持续从数据中学习以优化其运营和结果，而非依赖固定的规则和手动流程 。这些模型提供持续学习和演进、实时决策、固有的可扩展性以及超个性化能力 。 - **AI即服务（AIaaS）和订阅模式：**这是一种流行的商业模式，允许公司无需大量投资底层技术即可利用AI能力。AIaaS提供商通过云平台以订阅方式提供AI驱动的功能，确保了提供商的经常性收入，并为寻求AI能力而无需长期承诺的企业提供了灵活性。例如，像Grammarly这样的AI写作助手和像Canva这样的AI驱动图形设计工具都提供了AIaaS模式。 - **基于结果的定价：**这种模式侧重于为客户提供的价值，而不仅仅是所提供的功能。支付直接与AI解决方案的性能和可衡量结果挂钩。这对于AI智能体尤其有效，因为它们可以根据具体的、可衡量的结果（如解决的客户工单或生成的内容）进行定价。 - **数据货币化：**这涉及将数据作为战略资产来创收。在AI商业模式中，数据不仅为AI算法提供动力，也成为一种有价值的商品。企业利用匿名数据集，向其他公司销售由AI驱动的洞察或分析服务。 - **免费增值和高级模式：**AI开发公司通常提供免费增值模式，免费提供基本的AI功能，同时对高级或高级功能收费。这种策略旨在通过可访问的服务吸引用户，然后鼓励他们升级到更复杂的付费产品 - **流程即服务：**AI驱动的商业模式可以将整个业务流程作为服务提供。这利用自主系统和超个性化来提供简化的运营。例如，“智能体AI顾问”可以以远低于人工成本的价格指导人类顾问和客户，从而改变咨询服务。 ### III.III. AI工作流产品化的挑战 **技术限制与数据鸿沟：** 尽管能力令人印象深刻，但当前的大型语言模型（LLM）面临着限制，这制约了它们在企业规模上的部署。它们可能产生不准确的输出（“幻觉”），这使得在需要精确性和可重复性的环境中难以信任 。LLM本质上也是被动的，需要提示才能行动，并且难以处理涉及多个步骤或持久记忆的复杂工作流 。糟糕的数据基础设施是阻碍AI自动化应用的关键因素，83%的IT领导者将其列为担忧 。断裂的系统、不一致的数据格式和过时的数据集成可能会破坏AI工作流，导致错误和延迟 。数据可访问性和质量差距，特别是对于非结构化数据，是重要的障碍 。机器学习模型需要经过标记、一致、无偏见且能代表用例的训练数据才能产生准确的输出 。 **与遗留系统的复杂集成：** 将AI解决方案与现有遗留系统集成是一个重大挑战。2025年3月的一项调查显示，58%的组织将遗留系统集成视为其云转型中的最大挑战 。过时的基础设施常常阻碍无缝集成，导致成本增加和项目延迟 。 **组织惯性与人才缺口：** 员工抵制和对失业的担忧是显著的问题。约31%的团队将劳动力流失视为采用自动化和AI时的主要担忧，这导致业务团队和中层管理人员的隐性抵制 。许多公司缺乏专业人才，特别是MLOps工程师，他们对于AI模型在生产环境中的工业化、部署和维护至关重要 。AI项目本身就需要专业技能 。孤立的AI团队，独立于核心IT或业务职能开发模型，常常导致解决方案难以扩展，因为与企业系统集成不佳或缺乏运营一致性 。 **可扩展性与合规性问题：** 自动化解决方案可能过于僵化，无法适应不断变化的业务需求，或无法处理不断增长的运营需求，导致缺乏可扩展性或灵活性 。隐私、安全和合规性问题是IT领导者的首要关注点 。对数据隐私、安全和AI治理的监管审查日益严格，需要健全的合规计划 。 **产品化AI工作流的深层考量** 许多垂直AI用例之所以停留在试点阶段，未能大规模推广，其原因在于碎片化的项目、成熟解决方案的缺乏以及人才缺口 。这揭示了AI产品化过程中的一个“试点悖论”：尽管AI潜力巨大，但将其从概念验证转化为广泛应用面临诸多障碍。要克服这一挑战，需要进行战略性投资、构建强大的技术基础，并采用“中心辐射式”的组织模型以实现规模化 。这意味着，智能运营专业人士在产品化AI工作流时，不仅要关注技术可行性，更要重视其在企业内部的落地能力，包括技术集成、人才配置和组织变革。 随着AI系统变得更加自主和复杂，尤其是在高风险或结果不一致的生成式AI应用中，保持“人在回路中”至关重要 。这不仅是为了建立信任，也是为了有效管理风险。研究强调了“新的人机协作模式”，其中技术变得更能响应人类意图和行为，模糊了操作员与共同创造者之间的界限 。这意味着，产品化的AI工作流不应追求完全的自动化，而应设计为增强人类能力、提供决策支持的工具。智能运营专业人士在设计工作流时，需要平衡AI的自主性与人类的监督和干预，确保AI能够辅助而非取代关键的人类判断，从而提高整体系统的可靠性和可接受度。 数据质量和可访问性是AI成功的基石。研究指出，糟糕的数据基础设施是阻碍AI自动化应用的关键因素 ，并且强调了标准化数据格式、建立数据质量检查以及利用数据集成平台的重要性 。这表明，即使拥有最先进的AI模型和编排能力，如果底层数据不干净、不一致或难以获取，AI工作流的性能和价值也会大打折扣。因此，智能运营专业人士在产品化AI工作流时，必须将数据治理和质量提升作为核心任务。这意味着需要投入资源来清洗、整理和标准化数据，并建立健全的数据管理流程，以确保AI系统能够获取高质量、可靠的数据，从而发挥其最大潜力。 克服员工抵制和组织惯性是AI成功落地的关键。研究建议，将自动化与可衡量的业务成果挂钩，从小规模、高可见度、低风险的项目入手，并培养内部倡导者，可以有效解决这些问题 。这表明，AI产品化不仅仅是技术部署，更是一项复杂的变革管理工程。智能运营专业人士需要具备强大的沟通和影响能力，能够清晰地阐明AI带来的价值，减轻员工对失业的担忧，并引导组织逐步接受和适应新的工作方式。将AI工作流设计为能够逐步引入、易于理解且能快速展现成效的解决方案，将有助于建立信任，促进广泛采纳，并最终实现AI在企业内部的深远影响。 ## IV. 产品化AI工作流的市场进入策略 ### IV.I. 打造独特的价值主张 成功产品化AI工作流的关键在于打造一个独特且引人注目的价值主张。这首先要求解决方案能够针对特定的行业需求进行定制 。通用AI工具虽然功能广泛，但往往难以深入解决特定行业或企业面临的独特痛点。因此，将AI能力与深厚的领域专业知识相结合，专注于解决客户的实际业务问题，将是构建竞争壁垒的关键 。 价值主张应明确量化AI工作流所能带来的投资回报率（ROI）和可衡量的业务成果 。例如，AI驱动的流程自动化能够显著降低运营成本，提高效率，并提供预测性洞察，这些都是客户能够直接感知的价值 。此外，成功的AI应用正从“取代人类”转向“增强人类能力” 。因此，价值主张应强调AI工作流如何赋能员工，让他们专注于更高价值、更具创造性的任务，而非仅仅是自动化。 ### IV.II. 销售与分销渠道 在将AI工作流产品推向市场时，选择合适的销售和分销渠道至关重要。 **直接销售：** 直接销售模式是指公司直接与客户建立联系，通过面对面会议、电话、社交媒体或视频会议等方式进行销售 。在SaaS领域，这通常通过电子商务网站、电话销售或现场销售实现 。 - **优势：**公司对整个销售周期拥有完全控制权，包括招聘、营销、培训和客户服务。公司保留产品的所有利润，无需支付佣金，这使得收入预测更加容易。可以直接获取客户反馈，从而实现更快的迭代和产品开发。 - **劣势：**扩展难度较大，因为公司需要承担所有销售、营销和客户服务的责任。成本较高，因为公司需要承担从招聘到CRM平台的所有费用。进入新市场和触达新客户的难度相对较大。 **渠道销售（间接销售）：** 渠道销售涉及第三方参与销售周期，例如经销商、原始设备制造商（OEM）或服务合作伙伴 。产品所有者与客户之间没有直接联系，客户主要与渠道合作伙伴互动 。 - **优势：**更具成本效益，公司可以将销售成本转移给合作伙伴。更容易进入新市场和触达目标客户，因为可以利用已在这些市场建立的合作伙伴网络。扩展性更强，可以轻松寻找新的第三方来协助销售过程。 - **劣势：**对收入预测的控制较少，因为这取决于合作伙伴的报告和流程透明度。对产品营销和销售的控制力较弱，尽管可以对合作伙伴进行培训，但无法完全控制销售周期。公司收入可能减少，因为合作伙伴可能要求折扣或佣金。 **AI工作流产品的战略考量：** - **利用AI提升销售工作流：**AI工具可以显著增强销售效率。例如，AI驱动的潜在客户开发智能体能够自主寻找并联系潜在客户，实现全天候工作，从而提高线索转化率。AI还能实现大规模个性化外联，通过生成式AI工具根据客户的行业、角色和痛点撰写定制化的电子邮件或LinkedIn消息，从而提高回复率和会议预订量。AI还可以协调多渠道（电子邮件、LinkedIn、短信）外联，并根据过往互动数据优化联系时间和顺序。 - **AI赋能销售支持：**AI能够自动化销售内容的生成，例如销售演示文稿、竞争对手分析卡片和定制化案例研究。AI还可以自动更新CRM字段，从通话记录、电子邮件和会议笔记中提取关键信息并直接同步到CRM，减少人工输入错误和时间浪费。此外，AI能提供实时洞察，例如识别销售流程中的瓶颈、提醒销售代表跟进停滞的交易，从而实现更主动的决策。 - **合作伙伴计划：**AI合作伙伴计划是扩大市场覆盖的重要途径。这些计划为合作伙伴提供工具、培训、支持和市场进入优势，特别是在企业级数字化转型中。不同的供应商提供不同的合作模式，例如白标（white-label）AI解决方案、快速入门工具包、内置合规性支持或混合规模部署。通过受控环境（如沙盒测试），合作伙伴可以安全地推出AI工具，实时评估性能，并在全球范围内扩展。 - **AI优化分销渠道：**AI可以优化分销网络，例如通过分析客户行为、供应商状态和天气等因素来预测需求，从而优化库存管理，避免缺货和积压。AI还能识别表现不佳的区域或渠道，并提出调整建议，以实现更平衡和更高投资回报率的分销策略。 ### IV.III. 定价模式 对于AI驱动的工作流产品，定价模式应灵活且与所提供的价值紧密挂钩。除了传统的订阅模式，还可以探索基于消费量和基于结果的定价模式 。 - **订阅模式：**提供AI即服务（AIaaS），客户按月或按年支付费用以访问AI驱动的功能。 - **基于消费量的定价：**根据客户对AI工作流的使用量（例如，处理的数据量、API调用次数、生成的报告数量）进行收费。 - **基于结果的定价：**这种模式与AI智能体尤其契合，因为其支付直接与AI解决方案的性能和可衡量结果相关联。例如，可以根据解决的客户工单数量、生成的合格线索数量或实现的成本节约来收费。这种模式能够将供应商的利益与客户的实际业务成果紧密结合，从而建立更强的信任和长期合作关系。 ## V. 智能运营专业人士的行动计划 作为一名智能运营专业人士，将AI工作流产品化并推向市场，需要一套结构化的行动计划，以充分利用当前的市场机遇并应对潜在挑战。 **1. 验证并优化工作流理念：** - **从小处着手，聚焦可衡量成果。**避免一开始就追求全面自动化。建议从小型、定义明确的试点项目开始，这些项目应具有清晰的边界和可衡量的成果。例如，选择一个特定部门内重复性高、数据相对干净且逻辑简单的流程进行自动化。 - **识别高投资回报率（ROI）用例。**优先选择那些与业务战略高度契合，并能带来显著回报的用例。这可能包括能够大幅降低成本、提高效率或提供全新洞察的痛点。例如，在金融领域，自动化贷款文件处理可以显著降低成本并加快审批速度。 - **明确AI智能体可创造的价值。**深入分析现有或新设计的工作流程，识别AI智能体能够带来切实价值的环节，例如通过自动化、优化和协作来提升效率、降低成本或提供新见解。 **2. 以编排思维进行构建：** - **采纳“积木式构建”方法。**充分利用模块化的AI组件，如提示工程、检索增强生成（RAG）和微调。这使得解决方案能够灵活组合，并根据特定需求进行优化，而非从零开始构建所有底层技术。 - **优先考虑智能体编排层。**将重点放在构建和管理AI智能体编排层上，以确保解决方案的可扩展性、灵活性和高效的资源分配。这将使不同的AI组件能够无缝协作，并适应不断变化的工作负载。 - **投资于强大的数据管理。**认识到数据是AI成功的核心驱动力。投入资源进行专有数据的采购、整理、质量控制、治理和安全管理。高质量、独特的专有数据是AI工作流实现差异化和卓越性能的关键。 - **设计持续改进和可解释性。**将持续改进的机制（如反馈循环）和可解释性功能融入AI工作流的设计中。这不仅有助于建立用户信任和促进广泛采用，也是应对未来监管要求和确保系统稳定性的关键。 **3. 制定战略性的市场进入和销售计划：** - **明确以结果为导向的价值主张。**突出产品在特定领域内的专业知识，并强调其能为客户带来的可衡量业务成果。例如，与其说“我们提供AI自动化”，不如说“我们的AI工作流能帮助您将客户服务响应时间缩短50%，提高客户满意度20%”。 - **考虑混合销售策略。**结合直接销售和渠道合作伙伴关系。直接销售有助于获取早期客户反馈和保持对销售周期的控制。而渠道合作伙伴（如经销商、系统集成商）则能帮助产品快速进入新市场，扩大覆盖范围并降低销售成本。 - **探索AI赋能的销售工具。**利用AI工具优化自身的销售流程，例如使用AI进行潜在客户开发、个性化外联和销售内容生成。这将提高销售团队的效率和效果。 - **尝试灵活的定价模式。**除了传统的订阅模式，积极探索基于消费量和基于结果的定价模式。将定价与AI工作流交付的实际价值挂钩，有助于吸引客户并建立长期合作关系。 **4. 拥抱转型和持续学习：** - **认识到AI产品化是业务转型。**理解将AI工作流产品化不仅仅是技术部署，更是一场需要深入参与客户业务流程再造和变革管理的旅程。 - **专注于客户内部的变革管理。**协助客户克服员工抵制和组织惯性，通过清晰的沟通和成功案例来培养内部倡导者。 - **持续监控市场和技术发展。**AI领域发展迅速，智能运营专业人士需要持续关注新的市场趋势、技术进步和监管变化，以便及时调整产品和战略，保持竞争优势。 通过以上行动计划，智能运营专业人士不仅能够验证其对AI趋势的判断，更能将初步想法转化为具有强大市场竞争力的AI驱动型工作流产品，从而在AI时代的商业浪潮中占据先机。 本文由 @木学 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

Tesla CEO Musk said the company will lose a lot of incentives in the U.S. and &#34;could have a few rough quarters&#34;, but &#34;we&#39;re still at the relatively early stages of autonomy.&#34;

今年9月1日电动自行车新国标将正式执行，而工业和信息化部、公安部、市场监管总局、国家消防救援局联合强化电动自行车强制性国家标准实施。**指导意见指出，要从严格电动自行车生产管理、认证管理、销售监督、登记管理、老旧车辆更新换代、消费者权益保护、长效机制建设等方面作出部署，推动电动自行车全产业链各环节按照新标准要求调整和适配，加快形成适应新标准要求的产业生态和监管模式。** [](//img1.mydrivers.com/img/20250724/bfd24e4760e44798b7bc7db29c65dda4.png) 工业和信息化部有关司局负责人介绍，意见的实施将帮助生产企业充分理解技术规范要求，尽早推出符合标准的产品并提出认证委托，加快新产品量产上市，指导企业合理安排生产节奏，及时消化不符合新标准的库存车辆。加快检测认证环节调整，强化检测认证与生产环节的衔接。强化产品质量监管，严厉打击不按强制性国家标准生产、非法篡改等违法违规行为。 此外，工信部还表示下一步将会同有关部门，持续推进意见实施，强化跟踪问效，保障符合技术规范的产品有效供给，切实提升电动自行车产品本质安全水平，有效保障人民群众生命财产安全，加快实现电动自行车行业的高质量发展。 按照新国标的说法，将铅蓄电池车型整车重量限值由原来的55公斤调整到63公斤，这样续航里程可以达到60至70公里，并且可以减少充电频次，更好满足了消费者的使用需求。消费者也可以选择优质优价的铅蓄电池车辆。 **此外，新国标中还有一个重要的改动，那就是电动自行车的车速最高不能超过25公里每小时（官方重申封堵一切提速的可能，比如禁止改装、电池智能监管等）。** [查看评论](https://m.cnbeta.com.tw/comment/1515134.htm)

近日，广东佛山顺德北滘镇莘村村委会发布通知称，为了进一步做好蚊媒传染病防治工作，号召全民在家一起点蚊香。**通知全文如下：为了进一步做好蚊媒传染病防治工作，守护村民健康。<strong>请全体村民配合于今天下午6点一起在家中点燃蚊香，同时村委将安排户外消杀同步进行，共同做好杀蚊灭蚊行动。</strong>** 在此呼吁全体村民共同参与，翻盆倒罐清积水，齐齐动手灭蚊虫。倡议家庭住所中安装完好无损的纱门纱窗、休息时采取蚊帐等防蚊措施；室内可使用电热蚊香片、蚊香、电蚊拍或持效性长的杀虫剂等杀灭成蚊。 [](//img1.mydrivers.com/img/20250724/6f0659292802488ca2a7a054ae1e3c2c.jpg) **为什么选择“全村点蚊香”？** 有专家表示，白纹伊蚊的活动活跃高峰时段为清晨（6 - 8点）和黄昏（17 - 19点），而下午6点恰好处于蚊虫活动的高峰期。 **因此，选择这一特定时间点开展集中灭蚊行动，能够最大程度地降低成蚊密度，进而有效阻断病毒的传播链条。** 此外，蚊香的使用虽看似简易，但若与电蚊拍、长效杀虫剂等工具相互配合，便能构建起多层次的灭蚊体系。 值得注意的是，根据广东省佛山市各区23日下午最新的通报，从7月8日监测发现首例输入引起的基孔肯雅热病例以来，截至7月22日，佛山市已有5个区报告了基孔肯雅热确诊病例，累计报告基孔肯雅热确诊病例**3195例**，主要集中在顺德区。 据了解，针对基孔肯雅热等蚊媒传染病，国家疾控局近日发布的健康提示介绍，蚊媒传染病是指通过蚊子叮咬传播病原体的一类疾病，在我国需重点防范登革热、基孔肯雅热、寨卡病毒病、乙脑和疟疾等。 基孔肯雅热是由基孔肯雅病毒引起的、通过伊蚊，俗称“花斑蚊”叮咬传播的蚊媒传染病。 **它的潜伏期一般为1至12天，多为3至7天。患者会突然出现发热、皮疹和关节疼痛。** 发热会持续1至7天，伴有寒战、头痛、背痛、全身肌肉疼痛、恶心、呕吐等。皮疹多出现在发病后第2至5天，半数以上病例在躯干、四肢伸展侧、手掌和足底出现红色斑丘疹或紫癜，数天后消退，可伴脱屑。 [查看评论](https://m.cnbeta.com.tw/comment/1515132.htm)

据新华社等权威媒体报道，**一架搭载约50人的客机在俄远东地区失联**。这架客机由安加拉航空公司运营，当时正飞往阿穆尔地区，在距离目的地数公里处与空管失去联系，未发出紧急信号。 目前，**俄罗斯紧急情况部派遣米-8直升机及12人地面小组前往廷丁区森林山地展开搜索。** 有资料显示，阿穆尔州位于西伯利亚东部，夏季多发低能见度天气，历史上曾发生多起直升机事故。  **此次失联的飞机型号为安-24涡轮螺旋桨客机，该飞机型号比较老，早在1958年苏联时期开始设计，**两年后，也就是1960年开始批生产。 1962年7月投入货运使用，1963年12月1日加入客运航班，1978年停产，期间累计生产数量超过千架，被非洲、亚洲和拉丁美洲国家广泛采用。 安-24客机采用双发设计（涡轮螺桨发动机），相比早期单发客机，具备一定的冗余动力保障，**然而公开数据显示，安-24系列在全球范围内的运营中发生过多次事故**。 上世纪90年代后，多数国家逐步将其从民航客运市场退役，仅少数国家将其用于货运、支线短途运输或军事用途，且严格限制了其飞行条件。 [](//img1.mydrivers.com/img/20250724/e3267643-2c03-4cde-8f99-0da47239f98a.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1515130.htm)

美国总统特朗普周三签署了三项以人工智能为重点的行政命令，誓言要让“觉醒AI”模型远离华盛顿，并将美国打造成“人工智能出口大国”。逐步取消多样性、公平和包容（DEI）倡议一直是特朗普第二任期政府的一个主要关注点。DEI是一个总称，涵盖了旨在促进更加包容和公平的文化的各种做法、政策和战略。现在，白宫正在将这场战斗带到AI领域。 [](https://n.sinaimg.cn/spider20250712/533/w800h533/20250712/28dd-c3cb488f2d8b0a84687b69152defd9da.jpg) 特朗普签署的“在联邦政府中防止觉醒AI”的命令指出，联邦政府“有义务不为意识形态议程而牺牲真实性和准确性”。 这项行政命令将DEI定义为这些意识形态中“最普遍和最具破坏性”的之一，政府使用的人工智能模型中不应包含这种意识形态。 “LLM应该是中立的、无党派的工具，不会操纵诸如DEI这样的意识形态教条的反应，”该命令称，并补充说，开发人员不应该故意将党派或意识形态判断编码到LLM的输出中，除非这些判断是由用户提示的。 正如这项行政令所承认的那样，人工智能的使用在美国人的日常生活中越来越普遍，预计将在他们学习和消费信息的方式中发挥关键作用——使“可靠的产出”成为必要。 在特朗普政府看来，人工智能中的DEI可能导致歧视性结果；扭曲和操纵AI模型在种族和性别方面的输出；并纳入批判种族理论、跨性别主义、无意识偏见、交叉性和系统性种族主义等概念。 反觉醒命令写道：“DEI取代了对真相的承诺，转而支持偏好的结果，正如最近的历史所表明的那样，它对可靠的人工智能构成了生存威胁。” 虽然没有给出具体细节，但该命令提到了过去的例子，包括一个主要的人工智能模型，该模型在提示输入图像时改变了教皇和开国元勋等历史人物的种族或性别。 该命令指出，政府应该采购“寻求真相”的AI模型，这些模型“优先考虑历史准确性、科学探究和客观性，并应承认可靠信息不完整或相互矛盾的不确定性”，而不是“觉醒AI”。 [查看评论](https://m.cnbeta.com.tw/comment/1515128.htm)

Apple TV+放出重磅预告：曾打造《绝命毒师》与《风骚律师》的传奇编剧文斯·吉里根将推出全新原创剧集。三年前苹果与吉里根签订的独家合作协议终将开花结果，官方已启动倒计时，即将在7月25日(本周五)揭晓项目全貌。  实力派女星蕾亚·希霍恩(《风骚律师》中“金”的扮演者)确认担纲主演，这也是她与吉里根继“毒师宇宙”后的再度合作。尽管官方仅以“扎根现实的类型剧”描述新作，但内部人士透露这将是一部完全不同于《毒师》世界观的创新作品，可能涉及科幻或超自然元素。 该剧预计今秋上线，苹果已将其列为2025年重点战略项目，制作预算据传打破平台纪录。  此次合作标志着Apple TV+在顶级创作人才争夺战中再下一城——吉里根此前曾拒绝HBO与Netflix的邀约。值得注意的是，在《毒师》中饰演“萨拉曼卡双胞胎”之一的演员丹尼尔·蒙卡达，近期已转型游戏主播，可见“毒师宇宙”成员正在多元发展。 [查看评论](https://m.cnbeta.com.tw/comment/1515126.htm)

刚刚，奥特曼曝光了GPT-5的使用初体验。AI的回答让他瘫坐在椅子上，那一刻，自己毫无用处的想法，从未如此强烈。此外，他宣称要为每个人免费提供全天的GPT-5，另外还有个乌托邦设想——未来的8万亿token，会分给全部80亿地球人。**就在刚刚，奥特曼宣称：或许在未来，自己会为每个人，提供免费全天候的GPT-5！** 毫无疑问，这将彻底颠覆世界。  几小时前，奥特曼接受Theo Von访谈的一个半小时视频放出了。 在这次访谈中，奥特曼透露了不少惊人信息。  自曝GPT-5初体验：太震撼了 奥特曼谈到了一件令自己“毛骨悚然”的事—— 今天早上，他收到了一封邮件，里面有一个自己不太懂的问题。他把问题放到GPT-5中，然后，它完美地解答了这个问题。 那一刻，奥特曼瘫坐在椅子上，唯一的感觉就是震撼——天呐，这就是未来！ 这种“自己比起AI毫无用处”的感觉，让他觉得很怪异。 这是一种很奇怪的感觉。很多人也会有这种感觉，不知道会发生什么，也不知道什么时候会发生。有些事情很难提前想象，直到你真正深入其中。 所以，人类的目的感是否会被AI摧毁呢？ 奥特曼这样表示—— 曾经我们都以为地球是宇宙中心，后来才发现：我们不过是微不足道的一粒尘埃。 不过人类仍会设法让自己成为故事的主角，因为这种自我叙事的能力，已经深深嵌入了我们的大脑结构。 AI让人类失业？ 8万亿token分给80亿地球人 在访谈中两人谈到，或许未来，历史学家这样的职业将不复存在。 而奥特曼也预言到，AI淘汰自己当上OpenAI CEO的那一天，恐怕也不会太遥远。必须诚实地说：是的，有一些工作会彻底消失。 到时候，人们靠什么生存呢？ 奥特曼提出了这样的设想。第一种情况，把GPT-7放进每个人的GPT里，每个人都能赚钱、变富，不管是否拥有超算。 第二种情况，就是AI发明了新药物、新能源、新科技，但这些主要被有AI的企业所垄断。这时社会就必须改变分配机制，采用全民基本收入（UBI），让每个人直接拿钱。  奥特曼表示，自己更喜欢“全民基本财富”这个概念。 比如，假设全世界每年生成20万亿AI token，12万亿流向资本体系，而另外8万亿，就可以平均分给全球80亿人，每人每年得1万亿token。这就是你的“AI财富份额”。 你可以选择卖掉它们，或者跟别人合伙做项目。这样，每个人都能拥有“人类智能总产出的股份”。 最近，奥特曼还去参观了德州阿比林新建的数据中心，这是人类史上规模最大的计算设施之一。  他说，从空中俯瞰时，它就像一块巨型主板，仿佛整个地球都成了一台计算机硬件。 而在未来，地球上会布满这样的数据中心，或许人类会把它们搬去太空，建一个包围太阳的戴森球。 不会让孩子上大学 现在，奥特曼的孩子已经四个月大了。 主持人问道：你的孩子将来会上大学吗？奥特曼回答说，很可能不会了，因为就连我自己，都是大学上了一半都辍学了，其他例子还有黄仁勋和小扎。  但随着AI进步，未来人们获取知识的方式必然改变，上大学恐怕不再是主流。 奥特曼表示，自己小时候还经历过没有电脑的时代，但现在的孩子一出生，就在一个AI无所不在的世界里。 他也明确表示—— 我的孩子永远不会比AI更聪明。 他将永远生活在这个一个世界：产品和服务比他更聪明、更高效，随时可以帮他完成任务。 在这个世界里，教育也会完全不同。而且，他完全不担心这一代的孩子们该怎样去为AI做准备，反而是他们的父母比较让人担心。 每次历史上有重大技术变革，年轻人总是最容易适应的。 奥特曼：第三次AI革命来了 主持人向奥特曼提问：你最近完成了对Johnny Ive硬件公司的收购，显然你对“AI+硬件”这个方向很有兴趣。这背后是怎样的考虑？ 奥特曼表示，在计算机历史上，有两个重大的界面变革。 第一次革命是1970年代，Xerox PARC发明的“键盘+鼠标+屏幕”，从此现代电脑界面被奠定。 第二次革命是2000年代由苹果主导的“多点触控”技术。  在他看来，现在是第三次革命的时候了。 AI的能力完全可以支持一种全新的计算体验——比如用户只需发出自然语言指令，AI就能理解并行动，而不是点击菜单或敲代码。 而OpenAI想打造的，就是一款为AI时代而生的设备，能感知环境、理解上下文，甚至在需要时主动提醒你、协助你，而不是像现在这样，我们还得经过打开应用、找设置、点按钮这样的繁琐过程。  现在，AI智能体已经可以帮我们完成一切了，比如去网站买东西、去喜欢的餐厅看7点是否有座，以及帮忙预定、付款、发邮件等等。 它可以像秘书一样完成整套操作，思考、判断、执行都由它来。你只要用一句话表达意图就行了。 奥特曼还表示，自己第一次用智能体的时候，就意识到，“哦天呐，自己点开网页、一个个填写信息，简直就像石器时代一样原始”。 如果在未来，我们对孩子说：在以前，我们需要在网站上点来点去找餐厅、订座位、打电话，他们一定会觉得不可想象。 大多数人把ChatGPT看作是一个你可以问任何问题的应用，但它会变成一个可以做任何事情的东西，这将改变你使用计算机的方式，以及你生活中的做事方式， AI的核爆时刻 AI会不会发展到人类根本无法理解的程度？ 奥特曼认为研究人员的确有这种感受。 这让人联想到科学史上的一些关键时刻。 比如当年在 1945 年，参与“曼哈顿计划”的科学家在第一次原子弹试验（三位一体实验）现场，看到那种前所未有的巨大威力时，不禁心生震撼。  三位一体核试验的爆炸和随后的蘑菇云，估计产量为25，000吨TNT 他们当时可能就在想：“我们到底创造了什么？” AI太强大了，已经不是人类可以随意控制的东西，它注定要改变整个世界。 而今天研究AI的人，也正在经历类似的时刻。 奥特曼自己都承认：OpenAI只是发现或发明了某种极其非凡的东西，不知道未来未带来什么影响。 语言模型的问世，本身就是一次重大科学突破。 它会从根本上改变我们的社会结构和生活方式。 虽然还不清楚所有影响会是什么，但可以肯定，它将非常深远。 不惧Meta竞争 主持人还提出了一个尖锐的问题：最近扎克伯格在AI领域疯狂挖人，我一个朋友都被他招过去了。这是不是有点像“黑手党行动？你怎么想呢？ 奥特曼表示，哈哈，他们想进入AI领域是可以理解的。如果要来，就必须招聘人才。 我的态度是：欢迎竞争，尽管来吧，Bring it on！  人类会变成AI的打工人吗 如果AI越来越智能，我们会变成它的打工人吗？ 奥特曼表示，GPT-5已经比我们聪明了，但我们依然是主导者，AI还只是工具而已。 不过，如果未来它比我们聪明一百万倍，就另当别论了。 但现在，人类仍有自己独特的价值，AI永远不会具备人的情感与动机。 目前，AI看起来是个大事件，但也只是这个人类「集体技术叠加工程”的一层。 有朝一日，我们甚至会像忘了晶体管那样忘记AI，因为它已经融入我们生活的底层基础设施中。 最终，人类始终有想要被需要、被“有用”的冲动，人类会寻求对社会的贡献，这点不会消失。 下一个世界最稀缺的两样东西，就是智慧和能量。现在，我们必须大幅提升人类的产能，否则未来资源将高度不均，社会陷入冲突。 奥特曼说，小时候，我总以为大人知道一切。长大后才发现，其实根本没有大人，没人知道未来。 如今，我就是那个大人，我可以确定地告诉你：我们都在摸索。 主持人问：如果有一天你死了，你希望留下怎样的遗产，别人怎么记住你？ 奥特曼说，我只关心一个问题：我在这场游戏中是否玩得尽兴。 参考资料： https://www.youtube.com/watch?app=desktop&amp;v=aYn8VKW6vXA https://x.com/chatgpt21/status/1948096257483763798 https://www.reddit.com/r/singularity/comments/1m7e478/sam_altman_wants_to_give_every_human_a_247_gpt5/ https://x.com/kimmonismus/status/1948135630807937432 [查看评论](https://m.cnbeta.com.tw/comment/1515124.htm)

7月24日，格力电器在其微信公众号发布声明，明确表示格力电器从未委托或授权第三方机构受理消费者的售后服务。  格力电器在声明中指出，为切实维护消费者的合法权益，保障消费者能够享受到专业、规范且高品质的售后服务，设立了三个官方售后服务渠道。  此前，4月22日，格力电器曾因“假冒格力售后”等知识产权侵权行为发文，表示格力电器坚决采取法律措施维护自身权益。 [查看评论](https://m.cnbeta.com.tw/comment/1515122.htm)

<blockquote><p>你看过打字动画，但有没有想过自己能做一个？这篇文章告诉你：只用 Axure，也能轻松搞定那种“高端感十足”的打字特效。不懂代码也能上手，让原型说话，让体验发光。</p> </blockquote>  很多人觉得“打字机效果”只是一个炫技动效，用来装饰引导页、品牌口号，视觉上好看就行。但真正做过的产品经理会发现，这种看似简单的效果，其实隐藏了不少设计和实现的细节。 从产品设计角度看，它涉及节奏控制、信息分步传递、用户注意力引导；从原型实现来看，要考虑逐字显示、打字中断、内容更新等问题。不同工具有不同做法，而在 Axure 中，它的实现并不如看起来那样简单。 本文将结合实际场景，带你从0到1讲透打字机效果的产品逻辑、交互原理与实现方式，适合希望提升原型表现力的产品经理阅读。 ## 背景与问题 但很多产品经理在设计交互稿时，常常对它“一笔带过”——要么只是口头交代“这里有个打字效果”，要么干脆放弃实现交互逻辑，只留一句静态文案。这种做法，看似节省时间，实则放弃了一个低成本制造用户感知的好机会。 另一方面，一些刚接触 Axure 的产品同学，可能误以为“打字效果”必须靠前端配合开发，或者是 Axure 无法实现的“高阶动效”，于是直接放弃。 但其实打字机效果的本质，就是一个**“逐字更新文本内容 + 控制时间节奏”的组合交互**。在理解这个核心逻辑之后，完全可以通过 Axure 实现它，并且有不止一种方式。 不过在实际项目中，要做得既灵活又易用，并没有想象中那么简单。比如： ①文本太长会不会卡顿？ ②想加“暂停”功能怎么办？ ③多段文字怎么分批打字？ ④能不能在打字过程中动态改变内容？ 这些问题，很多都不是单纯“能不能做”的问题，而是产品经理能不能把它设计好、讲清楚、表达明确的问题。 本文接下来将拆解打字机效果的原理（含 Axure 实操），以及它背后的交互逻辑与常见误区，希望能帮你真正掌握这个“看起来简单，实际上不简单”的功能。 ## 原理与思路 打字机的本质原理：**定时逐字更新文本内容** 基本实现逻辑：①将文本拆解为单个字符 ②每隔X ms 添加一个字符到显示框 ## Axure实现过程 **第一步：准备素材** ①一个用来承载打字效果的中继器，命名为 **djz，双击把小方块拉成 60×30，字体怼到 36 号！**。 ②一个控制开启打字效果的按钮，按钮文字**“开始打字”**。 ③一个控制实现循环打字效果的透明热区，命名为**Controller。**  **第二步：实现逐字显示逻辑** ①中继器列名为：word,每一行写一个字，像这样→ 你 | 好 | ， | 炫 | 技 | 开 | 始。 ②新建全局变量 **count**,默认值为 0。 ③中继器每项加载时，用 **[[Item.index]] &lt;= count** 控制逐字出现    **第三步：实现动态打字逻辑热区 Controller 显示时** ①等待 200ms,设置变量值 count 为[[count+1]] ②给中继器 dzj 添加筛选，按照规则：[[Item.index&lt;=count]]，并移除其他筛选 **（本质上，每次筛选都是对定位结果进行截取，只保留不超过 count 的部分）** ③隐藏 Controller（实现循环） **热区 Controller 隐藏时** ①等待 200ms，显示 Controller  **第四步：控制打字是否开启** ①默认设置 Controller 为隐藏状态 ②点击【开始打字】按钮时，设置 Controller 为显示状态 ## 总结收尾 - 本文从打字机效果的使用场景出发，讲了背后的实现逻辑，在Axure中的实现方式。 - 你会发现，即使是一个小动效，产品经理也能用设计思维和实现能力去拆解它。 - 下次再遇到酷炫交互，别急着交给设计或开发，说不定你自己也能做出来。 本文由 @产品不烂派 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