<blockquote><p>在面对新业务或需求时，如何系统地思考并制定有效的策略是每个产品经理和业务负责人都需要掌握的关键技能。本文通过一个具体的项目案例，详细介绍了在接手新业务时可以采用的底层思考框架。</p> </blockquote>  **当你向别人介绍你做过的某个项目时，你可以从以下思路进行说明：** - 我做的业务是XXXX，我在这个业务里负责的是XXX环节（或我是这个业务的负责人），对XXX指标负责。 - 当时的业务现状是XXXX，但是我们希望达到XXX的目标，可以描述一下这个目标达成的难度。 - 围绕目标，我构建了XXXXX的公式，围绕公式针对XXX参数，提出了假设123，最终达到的结果是XXXX。 - 如果你的业务公式认知或项目整体还有逐层迭代，细化，深化的过程，也可以描述出来。 在实际工作中，当我们接手一个新业务/项目时，也可以从上述框架进行入手思考。 下面，我用一个项目举例，业务和数据脱敏： **业务背景**：某APP，”工具+内容”带增长进入相对瓶颈期后，急需新的思路或方向将增长迈向新的台阶（场面话）。人话就是，就这么些资源，这么些时间，赶紧“不择手段”的给我提增长。于是，分析分析分析，梳理梳理梳理，“社交带增长”思路在某个神经元的临界点调了出来。抓住先，想要立项说服老板们，你得给出逻辑证明，于是，开始做立项前的业务可行性的纸面逻辑推演论证。 **纸面论证阶段，两个假设：** - 用户价值假设； - 业务增长假设； 先后依次论证这两个假设从逻辑上（包括定性定量-数据/调研，科学类比）是否成立。有一个不成立，都不必继续了，即使继续做下去，也大概率会失败。当然，这里可能有人会问，万一只是逻辑论证的过程不对呢，实际可能是成立的呢？是有这种可能，但是你想，负责这个业务的人连论证这一步都做不对，那即使后续进入项目阶段，所对应的产品方案，增长策略等等，都是基于同一个负责人的，那你说后续成功的概率能有多大呢。 所以说，一个人有多少分的认知，TA就能解决多少分的问题，超分是小概率事件，长期来看，都将均值回归。所以说，做增长，做创业，本质上都是在做概率，概率的大小取决于做事的人的认知水平和一点点运气。 如果存在一个上帝视角（上帝视角下：一切客观的事实/理论/规律，都客观的存在在那里，上帝视角能看到全局，人类视角只能看到局部，人类所做的一切，都是在无限逼近上帝视角-假设上帝视角的认知是100分的话），那么每个需求都有两种**客观**状态：要么成立，要么不成立。上帝视角知道这个**事实**。而我们，不知道。我们能做的，就是先推演，看从逻辑上，是否成立，如果逻辑上都不成立，就不用继续了。上线了也大概率会失败。如果成立，再提出关键假设（**假设驱动**），（基于科学类比/xx模型或方法/定性定量分析）给出最小解决方案，放到用户面前（实践-迭代认知），实际去验证，如果怎么都跑不通，那大概率是需求不成立，即用户价值假设被证伪。  **1、先论证用户价值假设是否成立；** 首先明确什么是用户价值： 即什么用户在什么场景下遇到了什么问题，我们能提供什么解决方案解决这个问题，这就是用户价值。换句话总结下就是：用户**愿意**选择你的最小产品解决方案。产品要的就是，“不择手段”的让更多的用户更快感知到这个用户价值，用户群体留下来的概率就会更大。 论证：明确目标用户群体，预估群体范围大小，带入场景，判断是否存在需求。 比如，（陌生人）社交带增长：大盘用户都可以是潜在用户，分为社交主动发起者和被动接收者。最小内核是陌生人彼此之间一对一的社交关系的接触-维持-建立。场景是基于产品主业务“假设是内容”场景，所以用户彼此对场景拥有共同的载体，有可能产生共同的话题。所以，逻辑上判断，群体是客观的，内核是成立的。 **2、再论证业务增长假设是否成立（即业务目标可做的空间有多大）；** 论证步骤：基于用户价值假设&gt;&gt;明确业务目标&gt;&gt;根据业务目标将业务目标公式拆解出来&gt;&gt;再根据公式中各项因子，衡量业务目标可提升空间的大小。 上述两个假设论证后，再根据业务目标公式各项的因子，判断影响业务目标（等式左侧）达成的关键卡点是什么，各因子对业务目标的影响权重大小如何，你能针对各因子分别提出哪些关键假设-验证（包括对因子进行二级三级指标下拆），要提升因子所依赖的协作方都有哪些，开发成本如何，由此预估各假设的ROI&gt;&gt;需求池就出来了，优先级也出来了。 **如何拆解业务目标公式：以终为始~** 业务公式定义：把业务的结果指标用关键因素按数学公式的形式表达出来。 - 先确定业务最需要拿到的结果；（如下方案例中的最需要拿到的结果是“用户建立社交关系”） - 再根据该结果找出相应的数据指标即业务目标；（“社交成对数”） - 围绕业务目标，把所有的核心过程指标找出来； - 再确定这些指标之间的关系，或乘或加；（到这一步，公式已经出来了） - 找出影响业务生死的核心因素 - 针对各因素提出关键假设（每个假设，都可能是业务迭代过程中的一个需求，可能来自数据分析，可能来自用户调研，可能来自竞品分析，可能来自…） 注意：区分**雪中送炭**和**锦上添花** 详细说明下上述步骤中非常关键和重要的第“5”步： 基于拆解出来的公式，找出影响业务生死的核心因素，基于核心因素**提出**多个**关键假设**，找出其中**最重要的关键假设**，即我们要从多个假设中，确定哪个假设是如果做不好业务就会死掉的那个（**雪中送炭的**），这个问题在业务发展的不同阶段，面对同一个业务公式，**答案可能会发生变化。**因此要在每一个业务阶段，每一次重要的复盘时，时刻反问这个问题，让自己和团队时刻进入深度思考状态，这能够提升团队对于业务的理解深度，对达成业务共识也有帮助，进而对业务目标的制定和理解，计划的制定和落地，都会带来一系列推动作用。 接着，还需要重新评估公式里的这些过程指标，理想的情况是，每一个核心过程指标，都可能是一个相对独立的目标结果，且能继续下拆出它的二级指标公式（根据需要选择是否继续下拆）。同时，要将其他各因子对等式左边一级指标的影响权重大小做预估，确定哪些因子更重要，先做哪些因子（**雪中送炭的**），后做或暂不做哪些因子（**锦上添花的**）。 最后，再针对对应因子提出关键假设&gt;&gt;验证&gt;&gt;迭代认知&gt;&gt;继续提假设。 第6步的**提出关键假设是什么意思**？是指，针对等式右侧某一因子（指标），如果我们要想提升它（因为右侧因子的提升会带来左侧业务目标的提升），你能想到哪些办法/方案/策略等–这些办法/方法/策略就是关键假设，假设是需要待验证的，可能被证实，可能被证伪，是个概率事件。所以做增长/创新/创业，本质都是概率。几分的认知，解决几分的问题（见上图描述），解决超出认知的问题，失败的概率会更大。这里很重要一点是，它和“我觉得你这个不对”“我认为应该这样”“我感觉这样更好”等等很像，但这些都是“主观”观点，而假设是客观判断，一个假设，在被验证之前，只是假设，不是事实。而“我认为应该这样更好”潜意识里表示当前你的认知下这个是对的，带有主观倾向，一旦带有主观倾向，你就有可能不想去验证它（当然，除非你之前有验证过类似的，或者其他人验证过），而它，有很大概率是错的。 以上过程，**基本上也同时完成了对业务目标的制定，过程指标的考核，团队分工的标准，核心任务的优先级的全部确定。从这个时候开始，就完成了业务管理上“复杂的事情简单化”“简单的事情标准化”的过程**。 **（这，就是业务目标管理的过程）** **以上，举栗说明-具体过程如下：** 栗-社交业务，用户价值假设前面说明过。现在基于用户价值，把阶段性业务目标确定下来。 社交业务服务于增长，即服务于留存提升和收入提升。也就是我们需要通过用户与用户之间建立社交关系（上面拆解步骤中的“1、**先确定业务最需要拿到的结果**”），通过“关系”来提升用户活跃，进而提升留存（收入暂不谈，路径太长）。那么，用户通过什么样的形式建立社交关系呢？直接能想到的就是IM会话场景，脱离这个场景还能想到一个创作型用户（比如该用户发布一个什么内容时，因为TA既然有发布内容的诉求，我们就假设TA当前是有对外社交的诉求的，这里的社交诉求可能是IM会话这种，也可能是想收到他人看到我发布的内容后的互动回应这种），我们主要以IM场景举例进行说明，也会带上互动场景。 补充说明：“关系”的建立即在一定时间周期内有会话交流或后续有其他形式的互动交流。即使他们在这个周期过后，交流不再持续，那他们彼此也已经建立了关系-从陌生人进阶为**相对**熟人。他们在后续的其他“互动”上，比如浏览对方作品，给对方点赞评论等从数据上来看，都比没有进入这个阶段的用户的数据相对更好。 所以，我们可以围绕“关系”来定业务目标，要想留存影响足够大，这里的“关系”就需要渗透的足够广，所以，我们可以想到“陌生人社交关系数”这个指标来衡量我们的业务目标，即成功建立社交关系的用户对数，我们换个词，叫“陌生人社交成对数”（上述拆解步骤中的“**2、再根据该结果找出相应的数据指标即业务目标**”）。 到此，阶段性业务目标确定了： **陌生人社交成对数 ** - 陌生人的口径：历史从未有过IM会话记录 - 社交成对的口径：首次会话的n天内有m天有过会话记录 （n和m前期可通过圈目标用户跑数据找拐点得到，后期根据假设检验的实际结果可能有调整） 接下来，我们需要基于业务目标将公式拆出来（即等式右边），因为我们的产品策略无法直接作用于“社交成对数”这个指标上来，就像策略难以直接干预DAU一样。另外，如果不拆业务公式，结果就是后续项目推进都是散点的，主观的。 正式拆解过程：(上述拆解步骤中的“**3、围绕业务目标，把所有的核心过程指标找出来；4、再确定这些指标之间的关系，或乘或加**”) **陌生人社交成对数 = DAU * 消息页访问率 * 发送会话率 * 发送回复率 * 首聊n天内m天会话率** 其中，（上述这个公式不是一个好的拆解，只是为了说明为什么不好举个例子）： - DAU是一个相对稳定的值，我们短期内很难干预，且前面也提到策略难以直接干预DAU。所以，DAU不应该出现在这里。 - 消息页访问率，消息页是APP的一个一级Tab页，直接和具体某个功能场景关联上了，应该向上归因，用其他不含具体场景的指标替代。（一级公式通常尽量避免含有具体场景的指标，否则等式左边的值就被局限在了当前这个场景的流量大小下了）访问消息页是为了发送的，所以向上归因，真正的指标应该是“发送数”。 - 发送会话率（DAU中有多少人会发），这个没问题，不含具体场景。 - 发送回复率（接收到会话的用户中有多少会回复），这个没问题，不含具体场景。 - 首聊n天内m天会话率，类似这种因子通常称为“”因子，根据实际业务具体确定。意思是首聊后，未来n天内有m天有过聊天行为。作用时衡量关系是否成对的标准。仅首聊了不算成对（说明，怎么算成对，根据实际业务目标自己定就好）。另外，这个指标是一个滞后指标，其提升难度应该不会小，退一步讲，即使它能翻倍，又能怎样呢，先放这。 **所以，公式变成：** **社交成对数 = 发送会话数 * 发送回复率 * 首聊n天内m天会话率** 这时，发送会话数就不仅限与消息页场景了，其他地方也可以想办法让用户去发会话，这个指标又有一定的提升空间了。但根据指标的数据现状，即使因子“发送会话数”翻倍，等式左边的社交成对数也会翻倍，但绝对值还是太小。社交成对数的绝对值起码要有上百倍的提升（**目标达成难度**），平摊到大盘留存上才会有明显效果。解释下这段描述： 比如DAU100万，愿意主动社交的用户假设有1%，即1万。每个人每天发1条，那么有1万人能收到，假设人群不重合，那么就有2万人被“社交关系”覆盖了，另外98万呢？都“空着”。怎么填补这个空呢？两种方式：其一让更多的用户主动“发”，其二让更多的用户被动“收”。主动发：由于人性，天然仅有少部分人愿意主动对外社交（真的行动起来），所以，即使我们能将1%翻3倍（难度很大了），也 还有90多万“空着”。那么，我们是不是可以从被动收入手，即当用户给另一个用户发消息时，想办法让这个消息发给更多的用户（经发消息的用户同意后）。比如，**假设**每条消息可分发给100人，那么1万用户发，就会有100万用户收到，社交关系渗透率就上来了（**这个假设也是达成业务目标的最关键的一个假设–**上面拆解步骤中的**“5、找出影响业务生死的核心因素”**）（诶，超了，没事，假设而已）**于是，上述公式中就缺了一个关键因子：单会话发送人数**。加上这个因子，业务目标可提升空间从**逻辑上**就直接提升了100倍。 **于是，公式变成(最终公式)：** **社交成对数 = 发送会话数 * 单会话分发人数 * 发送回复率 * 首聊n天内m天会话率** 上述因子，都是乘法关系，每一个因子提升多少，都会直接导致左侧的值提升多少。业务目标拆解后（公式），接下来，就需要判断各因子的提升空间大小以及针对因子**提出关键假设（**上面拆解步骤中的**“6、针对各因素提出关键假设”）**，然后预估各假设的ROI，给出优先级。 **针对各因子提出关键假设：** **发送会话数**，前面有分析，假设能提升3倍； 针对这个因子，提出假设： - 假设1：用户进入会话页时，将打招呼话术文案以某种形式比如标签等外显给用户，这样能提升用户发送的概率。 - 假设2：用户进入会话页时，利用大模型生成打招呼话术文案，这样能提升用户发送的概率。 - 假设3：在用户主路径上引导用户发起会话（比如，如果站内用户主路径有一个功能，用户对外发布一个什么内容时，在这个节点，我们提取当前内容的相关信息，结合大模型生成相关话术文案，再包装一下，让用户决定要不要将这个“包装”同时发给很多人），能提升用户发送会话的概率。因为当前场景下既然用户准备对外发布内容，那我们就可以假设用户有对外社交诉求–将内容发出去，想收到别人的认可互动等。 - 假设4：后期，如果玩法跑通（下方单会话分发人数这个因子跑通），给用户提供一个主动向外发起“会话”的**功能A**，能提升会话发送率。 其他还有一些迭代过程中的分支**假设**就不一一列举了。 所以，这个因子，在经过上述假设验证后，得到了该因子自己的拆解公式： ** 发送会话数 = 消息页发送会话数 + 主路径发送会话数 + 功能A的发送会话数** **发送回复率**，前面有分析，假设能提升10倍； 分析数据发现，回复率和打招呼的话术内容形式强相关，和发送会话时对方是否在线强相关。所以： 假设1：用户发送会话时，引导用户发送“高回复率（相关性）”话术，能提升回复率。 上线AB实验后（假设检验），确定话术内容形式和回复率有因果关系。 假设2：基于被验证后的假设1（现在它已经成为“事实”了），利用AI根据用户场景实时生成高回复率形式的话术内容，能提升会话回复率。 假设3：算法分发策略增加根据对方是否在线，优先发给当时在线的用户； 上线AB实验后（假设检验），确定“在线”和回复率有因果关系。 假设4：基于被验证后的假设3，将一部分分发给当时在线的用户，留一部分分发给当时不在线，但当日n点前如果打开APP的话，打开后在分发给他们（这中间可以对“n点”的“n”提出假设进行验证，还可以提出打开后m分钟分发对回复率提升等等更多的假设） 假设5：新用户的发给新用户，老用户的发给老用户，新老用户交叉分发。（其中，新用户还可以根据时间做切片，比如7日内新用户，14日内新用户等几种假设检验）（但这里可能因为新老用户比例差别太大，所以平摊下来看整体效果可能会很小，所以，这里的假设价值就不高） 假设6：新用户人均收到会话数1条/2条，高活跃老用户人均收到会话数0条，1条、2条；（比如，假设验证前，不确定给新用户发1条好，因为怕发多了打扰新用户导致流失，还是发2条好，因为可能发多条，用户对其中1条感兴趣呢，那就可能提升回复率了。因为回复率和留存有正向因果关系；高活跃用户也是，比如用户已经很高活跃了，给他发会话很难说再提升他的留存搞不好还会起反作用。或者说他已经很活跃了，那他回复的概率应该也会更大，这样能反过来提升发送者的留存等等）（但，这里提前可以考虑到的是，受发送会话数影响，只有很少部分用户能发到2条，因为优先要保证用户收到1条，有剩余的会话数才会继续发，所以，这里的假设的价值也不高） 假设7：接收会话的用户，在进入会话页后，大模型给他生成好回复的话术，直接点击即可回复，能提升回复率；（但，这个假设可能会让用户觉得好假，影响后续-当日之后后续的社交关系的持续，所以这个假设需谨慎） 其他假设：将“**消息页发送会话数**”这个因子下拆一层： **消息页发送会话数 = 消息页访问数 * 消息页陌生人会话曝光率 * 会话列表点击率 *IM 会话页消息回复率 **（如果需要，还可以继续下拆） 针对这个子公式的各因子也可提出相关假设，但评估ROI后，这块假设的优先级较低。暂不考虑。 为什么这个因子（**发送回复率**）的假设多余上面的因子（**发送会话数**）？因为对这个因子信心更大-10倍；且实现策略相对上一个因子要简单，很多都是算法调分发规则就行，而上一个很多都依赖功能上的调整，依赖客户端，开发成本和周期都要更大，说到底就是ROI的对比。 **首聊n天内m天会话率**，前面有分析，暂不考虑； **单会话分发人数**，这个现状值为1（每个用户平均给1点几个陌生用户发送会话），算法分发接入后，分发给多少用户–主要由3个数决定，一是DAU，二是发送会话人数，三是一个用户最多收到几条会话而不会被打扰。因为，假设每条会话都分发给全量DAU，如果有100条待分发的会话，人均会收到100条会话，太可怕了，卸载吧。最终经过**几轮**测试，单会话分发人数的值大概在100（脱敏数据）左右，人均15天内最多收到2条会话（脱敏数据）。（这里的**几轮：指过程中提出和测试过多个子假设，假设同一个用户n天内最多收到m条会话，这里的n和m都有对应的假设**） **如果**DAU为40万（假设），会话发送率1%，那么4000人每人每日发1条（注意，每日切片里的人群是动态变化的，因为DAU是动态的，不是说今天是这一群人，明天还是这群人，有新来的，有回流的，有昨天来了今天也来的）每条发给100个人，那么DAU中有 4000*100=40万人会收到会话，即所有人都会收到，相对于会话渗透做到了100%。实际情况是用户是否收到会话，以及影响会话回复率的因素等，都会决定分发的时机，也就是说实际上单会话分发100人这里的分发策略很复杂，很难做到按理论逻辑规则进行分发，当然，实际效果和上述结论差别不会太大。 为什么这个因子有100倍空间，但提出的“假设”并不多。因为这个关键假设很容易验证，验证后（如果验证不成立就么有后续了）后续提升的空间就不大了。也就是说，相对于这个100倍是靠1个假设就拉起来了（忽略过程中对分发给多少人的测试过程的话），但这个假设又至关重要，若假设被验证不成立，则整个项目的价值就不大了。 从定量角度补充说明下公式中为什么加了“**首聊n天内m天会话率**”这个因子：若去掉这个因子，则： **社交成对数 = 发送会话数 * 单会话分发人数 * 发送回复率** 即，该公式指陌生人之间只要开启了一轮你来我往的会话即算成对关系建立。但这个指标和增长的一级指标（留存）并无显著的因果关系，即用户即使完成了这个行为，只是次留有一定提升，次留后的比如3 7 15等留存几乎无变化。所以我认为，从更上层的业务目标增长来看，这并不是一个高ROI的指标拆解。 **小结：业务目标管理** - 验证用户价值假设和增长假设； - 确定业务目标； - 基于业务目标拆解业务公式； - 找出影响业务公式成败的生死因素，提出关键假设； - 根据情况，进行下级指标公式拆解； - 预估各因子对业务目标提升空间的权重大小； - 根据因子权重，提出关键假设&gt;&gt;MVP验证&gt;&gt;迭代认知。 本文由 @弋十三 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。 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。

据报道，阿里资产平台显示，**一辆全新美国进口的特斯拉赛博皮卡即将55555元开拍。**负责拍卖的四川鑫盛法拍科技有限公司工作人员介绍，**该车尚未在中国开售，是进口而来，但可以在国内上牌上路。**  目前国内仅有一台，车辆当前在天津，由美国进口而来，买家可以自提也可以托运至当地。车辆指导价为299.8万元，但该价格只做参考，不为竞价依据。 拍卖平台显示，开拍日期为6月25日19:00，起拍价55555元，保证金2万。目前该车已有3万多人围观，数十人报名。  拍卖标的物介绍，该车辆为三电机全轮驱动883马力，高压锂电池包可双向充电，配备行人检测与应急，紧急制动，车道偏离，前后双触摸中控屏，15个高级扬声器，无钥匙进入，手机无线充电，前座椅通风加热，自动光束LED大灯，侧窗玻璃带光学保护，天窗玻璃带光学保护。  选配：35大轮胎，高级陶瓷白内饰，天窗遮阳帘，便携移动充电器等。 车辆长宽高为5683/2201/1791mm，集成野兽模式，**0-96公里/小时加速时间为2.6秒，续航里程约合515公里，最高续航可扩展至708公里以上。** 此次竞价车辆为全新未使用车辆，车辆售后由厂家或经销商负责，该车为新车，故不锁定车架号，以实际交付为准。 拍卖公司特别提醒，对于车辆排放标准是否符合车辆落户地的环保排放标准，请各竞价人自行了解、判别，并务必到车辆落户地公安局车辆管理所咨询，如排放标准不符合车辆落户地要求的，车辆将无法办理过户手续，责任由竞价人自行承担，请各竞价人谨慎竞价，本公司概不负责车辆落户登记。 值得关注的是，早在去年8月份，天津街头就曾出现一台悬挂绿牌的特斯拉Cybertruck上路行驶。但车辆如何在国内取得的正式牌照，还未有机构做出说明。   [查看评论](https://m.cnbeta.com.tw/comment/1508014.htm)

英特尔在日本VLSI研讨会上展示了即将推出的Intel 18A工艺的详细情况，该工艺节点将取代Intel 3节点，提供更好的时钟和电压调节，计划于2025年下半年进入大规模生产，预计Panther Lake客户端处理器以及Clearwater Forest至强处理器将会采用该工艺节点。  Intel 18A工艺节点结合了RibbonFET(GAA环绕栅极晶体管)和PowerVia(背面电源传输)，从而形成全新的金属堆叠架构。RibbonFET采用改进的栅极静电特性，相对于FinFET单位面积有效宽度更大、单位面积寄生电容更小，并且有更好的灵活性。  Intel还在RibbonFET上改进了灵活性设计，较原本的FinFET更优秀，为180H和160H库引入了多种带状宽度，透过DTCO优化逻辑功耗、漏电与性能，并为SRAM设计了专门优化的带状宽度以优化位单元性能，所有这些都增强了Intel 18A制程上制造的下一代芯片的性能和设计能力。  Intel 18A所使用的PowerVia技术也将有助于改善下一代晶体管的功率传输，改技术采用背面电源信号线而非正面电源信号线。这线新线路被分离并分别进行最佳化，从而实现更高的逻辑密度、更好的标准单元利用率、更低的信号RC、减少电压降并提高设计弹性。  透过这些改进，在同功率下Intel 18A将比Intel 3提供至少15%的性能提升。同样是1.1V电压下，Intel 18A可提供比Intel 3工艺高出25%的频率，并且还支持低于0.65V的低电压下运行，在同频率下可降低38%的功耗。  在提升晶体管密度方面，Intel 18A通过背面供电技术，在电源利用率上提升了8~10%，并将最坏情况下的IR压降减少到原来的1/10。  与Intel 3相比，Intel 18A的单元高度在使用高性能设计时从240nm降低至180nm，采用高密度设计则从210nm降低至160mm，而M0/M2间距从30/42nm变成了32/32nm，正面金属层数从Intel 3的12~19层减少到11~16层，并增加了三个背面金属层以支持PowerVia。  M1至M10层的间距已从60nm缩小至32nm，之后在上层再次放宽。M0至M 层采用低数值孔径EUV曝光技术，将所需光罩数量减少了44%，并简化了制造流程。  最后在SRAM扩展方面，Intel 18A的HCC SCRAM密度较Intel 3提升了30%，提供HCC 0.0230um²和HDC 0.0210um² SRAM。此外Intel 18A工艺并不会止步于此，他们还有更多的制程升级，包括18A-P和18A-PT，将在Direct Connect 2025上发布，并计划在2026至2028年间推出，Intel也希望客户利用这些制程进行芯片生产。 [查看评论](https://m.cnbeta.com.tw/comment/1508010.htm)

6月20日，特斯拉及SpaceX首席执行官埃隆·马斯克日前在Y Combinator活动中透露，**Neuralink计划在未来6至12个月内进行首例视觉植入手术，届时即使完全失明的患者也能通过该技术直接“看到”**。这一突破性进展标志着脑机接口技术从运动控制拓展至感官恢复领域的关键跨越。  **视觉植入技术已在动物实验中获得验证**，马斯克透露，其中一只猴子的视觉植入设备已稳定运行三年时间。该技术通过直接向大脑皮层输入视觉信息，让完全失明的患者重新获得视觉感知能力。尽管初期植入的视觉分辨率可能相对较低，但长期目标是实现极高分辨率的视觉体验，**甚至让人类感知到红外、紫外、雷达波等传统视觉范围以外的光谱信息**。 在现有技术成果方面，马斯克重点介绍了运动控制领域的临床突破。**目前已有5名志愿者成功接受大脑信号读取植入**，其中一项令人瞩目的案例显示，一名因肌萎缩性脊髓侧索硬化症（ALS）导致四肢瘫痪的患者，**通过Neuralink植入设备已能够以接近健康人群的带宽水平进行日常沟通**，并能够熟练操作计算机和智能手机设备。 马斯克在演讲中特别强调了解决人类信息输出瓶颈的技术意义。他指出，**当前人类持续输出信息的带宽极为有限，甚至不足每秒1比特**，这已成为人机交互的核心制约因素。通过Neuralink接口技术，人类的输入和输出带宽均能实现大幅度提升。 在谈及技术发展前景时，马斯克坦承，**数字超级智能的实现速度可能超过Neuralink技术的大规模普及进程**。然而，他认为脑机接口技术的价值并不因此减弱，其核心使命在于显著提升人类与机器的交互带宽，实现智力、感官及信息处理能力的革命性增强。 [查看评论](https://m.cnbeta.com.tw/comment/1508008.htm)

近日，美国创业加速器Y Combinator（YC）在旧金山举办首届AI新创学校（AI Startup School）并邀请多位AI产业重量级人物出席，包括埃隆·马斯克、OpenAI首席执行官奥特曼等。前不久刚结束130天美国政府“政府效率部”（DOGE）特别雇员任期的马斯克，在访谈中直言不讳地评价这段经历如同一次“有趣的支线任务”，但其重要性在即将到来的AI革命面前相形见绌。他将政府效率部门的工作比作“清理海滩”，而即将到来的AI则是“千英尺高的海啸”。 修复政府就像……海滩很脏，有针头、粪便和垃圾。但接着还有一道千英尺高的水墙，那就是AI海啸。如果一场千英尺高的海啸即将袭来，清理海滩有多大意义？没多大意义。 马斯克预测数字超级智能可能在今年或明年到来，将比人类更聪明，同时未来人形机器人数量将远超人类，可能达人类人口的5-10倍。他更是大胆预言AI驱动的经济规模将是当前的数千倍甚至数百万倍，人类智能占比可能降至1%以下。以下为其讲话部分要点： • 马斯克宣布已于5月28日离开DOGE，结束130天的政府特别雇员任期，称“回到主线任务”； • 马斯克将政府效率部门工作比作“清理海滩”，而即将到来的AI则是“千英尺高的海啸”，当后者即将到来时，相比之下前者意义不大； • 预测数字超级智能可能在今年或明年到来，将比人类更聪明，他强调“今年不发生，明年肯定发生”； • 未来人形机器人数量将远超人类，数量可能是人类的5倍，甚至10倍； • 预言AI驱动的经济规模将是当前的数千倍甚至数百万倍，推动文明迈向卡尔达肖夫II型（恒星能源级），人类智能占比可能降至1%以下； • 马斯克强调“对真相的严谨坚持”是AI安全最重要的基石，强迫AI相信不真实之事极其危险； • 回顾SpaceX早期，三连败后第四次火箭发射成功是“生死一线”，2008年特斯拉融资在破产前最后一刻完成。  **DOGE使命完成：政治噪音太大，回归“主线任务”** 马斯克在访谈中坦言，在华盛顿特区的经历让他深刻体会到“政治中的信号噪音糟糕透了”。他将在DC的工作描述为“有趣的支线任务”，但最终决定“回到主线任务——构建技术，这是我喜欢做的事”。 这位亿万富翁解释了自己离开政府职务的根本原因：“修复政府就像清理海滩——海滩很脏，有针头、粪便和垃圾。但同时还有这堵千英尺高的水墙，这就是AI海啸。如果你面临千英尺高的海啸，清理海滩真的还有多重要呢？并没有那么重要。” **AI超级智能迫在眉睫：今年或明年必然到来** 马斯克对数字超级智能的到来时间给出了极为明确的预测。他表示：“我认为我们已经非常接近数字超级智能了。如果今年不会发生，明年肯定会发生。” 他定义的“数字超级智能”是“在任何事情上都比任何人类都更聪明的智能”。马斯克预测，AI将推动经济规模实现指数级增长——“不是比当前经济大10倍，而是数千倍，甚至数百万倍”。 AI将如此深刻地改变未来，其程度难以估量……假设我们没有误入歧途，AI没有消灭我们和它自己，那么你最终将看到的不是一个比当前经济大十倍的经济。最终，如果我们……的后代（主要是机器后代）成为卡尔达肖夫II型或更高级的文明，我们谈论的将是一个比今天经济大数千倍，甚至数百万倍的经济体。 他进一步阐述了人类智能在未来的地位：“在某个时刻，人类智能的百分比将变得相当小。在某个时刻，人类智能的集合总和将不到所有智能的1%。” **xAI目前正在训练Grok 3.5** 马斯克在采访中透露，xAI目前正在训练Grok 3.5，“重点关注推理能力”。 据ZeroHedge报道，xAI正寻求43亿美元的股权融资，这将与50亿美元的债务融资相结合，涵盖xAI和社交媒体平台X。 **硬件竞赛：从零到十万GPU的工程奇迹** 马斯克用第一性原理思维解决了AI训练的硬件挑战。当供应商告诉他们需要18到24个月才能完成10万个H100 GPU的训练超级集群时，马斯克团队将其压缩到6个月。 他们租用了孟菲斯一家废弃的Electrolux工厂，通过租赁发电机解决150兆瓦的电力需求，租用了美国四分之一的移动冷却设备，并使用特斯拉Mega Packs来平滑训练过程中的功率变化。马斯克甚至亲自参与布线工作，“睡在数据中心里”。 目前，该训练中心拥有15万个H100、5万个H200和3万个GB200，第二个数据中心即将上线11万个GB200。 **多重未来愿景：机器人军团与星际文明** 马斯克预测，未来将有至少5倍于人类数量的人形机器人，“也许是10倍”。他坦言曾因担心“让终结者成为现实”而在AI和机器人领域拖延，但最终意识到“无论我做不做，这都会发生。你要么是观众，要么是参与者。我宁愿做参与者。” 在更宏大的愿景中，马斯克将人类文明置于卡尔达肖夫等级的框架下。他认为人类目前只利用了地球1-2%的能源，距离一级文明还很遥远。而成为多行星物种是扩展意识到星际的关键步骤，“极大提高文明或意识的可能寿命”。 马斯克表示，SpaceX计划在大约30年内向火星转移足够的物质，使火星能够自给自足，“即使来自地球的补给船停止运行，火星也能继续发展繁荣”。  **访谈全文如下（由AI翻译）** 马斯克（Elon Musk） 我们正处于智能大爆炸的非常非常早期阶段。成为多行星物种能极大地延长文明、意识或智能（无论是生物的还是数字的）可能的存续时间。我认为我们非常接近数字超级智能了。如果今年没实现，明年肯定能成。 YC首席执行官暨总裁Garry Tan [音乐] 让我们掌声欢迎埃隆·马斯克。[掌声] 埃隆，欢迎来到AI创业学院。你今天能大驾光临，我们真的、真的感到无比荣幸。从SpaceX、特斯拉、Neuralink、xAI等等说起。在你做这一切之前，你生命中有没有某个时刻让你觉得“我必须做出点伟大的东西”？是什么让你做出了这个决定？ 马斯克（Elon Musk） 我最初并不认为自己能做出什么伟大的东西。 我只是想尝试做些有用的东西，但我不认为我能做出什么特别伟大的东西。如果你从概率上讲，那似乎不太可能， 但我至少想试试看。 Garry Tan 你现在面对的是一屋子的人，他们都是技术工程师， 其中不乏一些冉冉升起的顶尖 AI 研究者。 马斯克（Elon Musk） 好吧。我 我觉得我们应该．．．我更喜欢“工程师”这个词，而不是“研究员”。我是说，如果有什么基础算法的突破，那算研究，但除此之外都是工程。 Garry Tan 也许我们可以从很久以前说起。我的意思是，你现在面对的是一屋子18到25岁的年轻人。 这里更偏年轻化，因为创始人群体越来越年轻了。 你能设身处地想想他们吗？当你18、19岁的时候，你知道，学习编程，甚至想出了Zip2的第一个点子。对你来说，那是什么感觉？ 马斯克（Elon Musk） 是的，早在95年，我面临一个选择：要么在斯坦福读研究生、博士， 其实是材料科学方向，研究超级电容器，想用在电动车上，本质上是为了解决电动车的续航问题； 要么就投身于这个当时大多数人闻所未闻、叫做“互联网”的东西。 我和我的教授谈过，他是材料科学系的比尔·尼克斯（Bill Nix）， 我说， 我能不能休学一个学期？ 因为这个（互联网）很可能会失败，然后我就得回学校继续读书。 然后他说，这可能是我们最后一次谈话了。 他说对了。 所以，但我当时觉得事情大概率会失败，而不是大概率会成功。 然后在95年，我写了．．． 基本上，我认为是第一个或接近第一个的互联网地图、路线指引、白页和黄页。 我就自己写了那些代码，我甚至没用网页服务器。我直接读取端口，因为我 负担不起，也负担不起一条T1专线。 最初的办公室在帕洛阿尔托的谢尔曼大道（Sherman Avenue）。 楼下好像就有一家ISP（互联网服务提供商）。所以我就往地板上钻了个洞， 直接拉了根网线连到ISP。 然后 你知道， 我兄弟加入了我，还有另一位联合创始人格雷格·库里（Greg Curry），他已经去世了。 我们当时连住的地方都负担不起，所以我们就．．．办公室每月租金500美元，我们就睡在办公室里，然后在佩奇米尔路的基督教青年会（YMCA）洗澡。 是的，我们最后算是做了一家有点用的公司， Zip2，在初期。 我们 我们确实开发了很多 非常非常棒的软件技术，但我们某种程度上被传统媒体公司“俘获”了，因为像奈特-里德报业（Knight-Ridder）、纽约时报（New York Times）这些公司既是投资者，又是客户，也在董事会里。 所以他们总是想把我们的软件用在毫无意义的地方。 所以我想直接面向消费者。总之，Zip2的事就不细说了，但核心是我真的只是想在网上做点有用的事。 因为我就两个选择：要么读博士，看着别人建设互联网；要么以某种微小的方式参与建设互联网。我当时想， 我猜我总可以先尝试，失败了再回去读研。 不管怎样，结果算是相当成功吧。卖了大概3亿美元， 这在当时是很大一笔钱。现在嘛，我觉得一家AI初创公司的最低起拍价都得10亿美元了。 这就像．．．现在有太多该死的独角兽公司了，简直像一群独角兽，你知道的，独角兽是指估值十亿的情况。 Garry Tan 从那以后通货膨胀了，所以实际上钱贬值了不少。 马斯克 是的。我是说，在1995年，你大概花5美分就能买个汉堡？好吧，没那么夸张，但我是说，是的，确实发生了很多通胀。 但 我是说，现在AI的热度是是相当高，就像你看到的。 你知道，你会看到有些公司，成立还不到一年，有时就能获得十亿甚至几十亿美元的估值。 我猜其中一些可能会成功，可能也确实会成功。 但 看到其中一些估值确实让人瞠目结舌。 是的，你怎么看？我是说， Garry Tan 我个人非常看好。我其实非常乐观。所以，我认为在座的各位将会创造大量的价值，这些价值 你知道，全球应该有十亿人都在使用这些东西。 我们现在甚至还没触及表面。我很喜欢那个互联网的故事， 即使在那个时候，你也很像在座的各位，因为你知道，所有传统媒体公司的CEO们都把你视为那个懂互联网的人。而现在，对于那个不理解AI正在发生什么的广阔世界——那个企业界，或者说整个世界——他们将会指望在座的各位，理由完全一样。听起来你似乎知道．．．有哪些切实的教训？听起来其中之一是不要放弃董事会控制权，或者要非常小心，得有个真正的好律师。 马斯克 我想我第一家初创公司最大的错误就是让传统媒体公司掌握了太多 股东和董事会控制权，这必然导致他们从传统媒体的视角看问题， 于是他们会让你做一些对他们来说似乎合理，但用新技术来看其实根本不合理的事情。 我应该指出，我 我最初其实并没打算开公司。我．．．我试过去网景（Netscape）找工作。 我把简历投给了网景。 马克·安德森（Mark Andreessen）知道这事。 但我认为他根本没看到我的简历，然后没人回应。所以 之后我试着在网景的大厅里晃悠，看能不能“偶遇”谁，但我太害羞了，不敢跟任何人说话。所以我就想，天啊，这太荒谬了。那我就自己写软件，看看会怎样吧。所以，这其实并不是出于“我想开公司”的立场。我只是想参与建设，你知道的，互联网的某个部分。 既然我在互联网公司找不到工作，那我就得创办一家互联网公司。总之，是的。是的。我是说，AI将深刻改变未来。其程度难以估量， 但你知道 经济呢，假设我们不走弯路， 并且 AI没有把我们和它自己都干掉， 那么你最终会看到一个不是比当前经济规模大10倍的经济，最终，如果我们成为比如说，或者不管我们的未来机器后代是什么，或者说主要是机器后代，成为卡尔达肖夫等级（Kardashev Scale）2级或更高级的文明。那我们谈论的经济规模将是今天的数千倍，也许是数百万倍。所以， 是的，我是说，我我当时确实有点感觉，你知道，当我在华盛顿特区时， **因为要清除浪费和欺诈而备受抨击，那算是个有趣的支线任务吧， 就支线任务而言。 但是 得回到主线任务上来了。是的，我得回到这里的主线任务上来了。嗯 但我确实感觉到，你知道，有点像是．．．这就好比政府改革有点像．．．好比海滩很脏，有针头、粪便和垃圾，你想清理海滩，但与此同时还有一道一千英尺高的水墙——那就是AI海啸—— 如果一千英尺的海啸就要袭来，清理海滩还真的有多大意义吗？意义不大。哦，很高兴你回到主线任务上了。这非常重要。** 是的，回到主线任务。 建造技术，这是 我喜欢做的事。 干扰太多了。政治的信号噪音比太糟糕了。 Garry Tan 所以， 我是说，我住在旧金山，所以你不用跟我说两遍（我也懂）。 马斯克 是的，华盛顿特区就像是，你知道的，我猜整个华盛顿都是政治，但 如果你试图建造火箭或汽车，或者你试图让软件能可靠地编译和运行，那么你必须 最大程度地追求真相，否则你的软件或硬件就无法工作。 就像你不能欺骗数学， 数学和物理是严苛的裁判。 所以我习惯于待在那种最大程度追求真相的环境中，而这肯定不是政治。 所以不管怎样，我很高兴回到，你知道的，科技领域。我想我 Garry Tan 有点好奇，回到Zip2那个时刻。你当时有几亿美元，或者说你套现了几亿美元？ 马斯克 我是说，我拿到了2000万，对吧？ Garry Tan 好吧。所以，你至少解决了钱的问题。 然后你基本上拿着它继续赌下去，你继续参与了X.com，后来变成了PayPal和Confinity（合并）。 马斯克 是的。我把筹码留在了赌桌上。 Garry Tan 不是每个人都会这么做。在座的很多人将来也得做这个决定。是什么驱使您再次投入战斗？ 马斯克 我觉得对于Zip2，我们开发了非常棒的技术，但从未真正得到充分利用。至少在我看来，我们的技术比雅虎（Yahoo）或其他任何人都好，但被我们的客户（媒体公司）限制了。所以我想做点不受客户约束的事，直接面向消费者。这就是后来的X.com/Paypal。本质上是X.com与Confinity合并，我们一起创建了Paypal。 然后，实际上Paypal的“校友网络”（Paypal Mafia）可能创造了比21世纪其他任何公司都多的公司。Infinity和X.com合并时，聚集了那么多有才华的人。我只是想．．．我觉得在Zip2我们有点被束缚了手脚，我就想，好吧，如果我们不被束缚，直接面向消费者会怎样？结果就是这样。 但是，是的，拿到Zip2那2000万美元支票时（指个人所得），我当时和四个室友合住，银行里大概只有一万块存款。然后这张支票居然是通过邮件寄来的（太不可思议了）。通过邮件寄来！然后我的银行余额一下子从一万变成了两千零一万（2000万 + 1万）。我就想， 好吧（还要扣税什么的）。但我后来几乎把所有的钱都投进了X.com。就像你说的，几乎把所有筹码都留在了赌桌上。 是的，PayPal之后，我就想， 我有点好奇为什么我们还没派人去火星。 我去了NASA网站想找我们什么时候派人去火星，结果没有日期。我以为可能是网站太难找了。 但事实上，根本没有送人去火星的真正计划。于是， 你知道，这说来话长，我不想在这里占用太多时间，但 Garry Tan 我想我们都听得全神贯注。 马斯克 所以，所以当时我其实在长岛高速公路上（Long Island Expressway）和我朋友阿德奥·罗西（Adeo Ressi）在一起。 我们在大学是同学（宾夕法尼亚大学）， 阿德奥问我PayPal之后打算做什么，我说， 我不知道，我猜也许我想在太空领域做点公益项目吧，因为我不认为我能在太空领域做任何商业性的东西，那看起来是国家的专属领域。 所以 但你知道我很好奇我们什么时候送人去火星， 就是那时我发现，哦，网站上没有，我开始深挖。 我肯定这里省略了很多，但 我我 我最初的想法是做一个叫“火星生命”（Life to Mars）的火星慈善任务，就是送一个带种子和脱水营养凝胶的小型温室到火星，在火星上着陆，然后你知道的，给凝胶加水，然后你就有了这个绝妙的镜头——红色背景上的绿色植物。 顺便说一句，很长一段时间我都没意识到“money shot”我想是个色情片的梗（指关键的高潮镜头）。但， 总之，重点是那将是红色背景上绿色植物的绝妙镜头，试图以此激励 你知道的，NASA和公众派宇航员去火星。随着我了解更多，我意识到哦，顺便说一下，在这个过程中，我在2001和2002年左右去了俄罗斯买洲际弹道导弹（ICBMs），这就像一次冒险。你知道的，你去见俄罗斯高层指挥官，说“我想买些洲际弹道导弹”。 这是为了进入太空。是的。不是为了 不是为了炸谁，但他们必须 作为裁军谈判的结果，他们必须销毁一大批他们的大型核导弹。所以我就想，好吧，我们拿两枚，你知道的，去掉核弹头， 再加一个额外的上面级用于火星。 但这感觉有点迷幻，你知道的，2001年左右在莫斯科，和俄罗斯军方谈判买洲际弹道导弹。这太疯狂了。 但他们也一直给我抬价，所以 这简直和正常的谈判反着来。所以我就想，天啊，这些东西变得真贵。 然后我意识到，真正的问题并不是缺乏去火星的意愿，而是根本没有办法在不超出预算的情况下做到，你知道的，甚至连NASA的预算都负担不起。所以这就是我决定创办SpaceX的原因——SpaceX是为了 推进火箭技术，达到我们能送人去火星的水平。 那是在2002年。 Garry Tan 所以那并不是 你一开始就 想创立一家企业。你只是想开始做点你觉得有趣、人类需要的东西，然后就像，你知道的，像猫扯线团一样，球就慢慢解开了，结果这可能是门非常赚钱的生意。 马斯克 现在确实赚钱，但之前没有火箭初创公司成功的先例，虽然有过一些商业火箭公司的尝试，但都失败了。所以 SpaceX创办SpaceX时， 真的是出于这样一种想法：我觉得成功的几率不到10%，也许只有1%，我不知道。 但 但但一家初创公司如果不做点什么来推进 火箭技术，那它肯定不是来自那些大型国防承包商，因为他们只是政府的附庸，而政府只想做非常常规的事情。所以， 要么来自初创公司，要么就根本不会发生。所以，所以即使成功率很小也比没机会好， 所以是的，SpaceX 我在2002年年中创办它时，预期会失败。我就像我说的，大概90%的失败率，甚至招募人时，我也没试图粉饰说它会成功。 我说我们很可能会完蛋。 但 有1/10的机会可能不会完蛋，如果 但这是送人去火星、推进技术水平的唯一途径。 然后 我最终成了火箭的总工程师， 不是因为我想要，而是因为我雇不到厉害的人。所以， 没有优秀的资深工程师愿意加入，因为他们觉得这太冒险了，你会完蛋的。 所以我就成了火箭的总工程师。你知道，头三次发射确实失败了。所以那算是个学习过程吧。 第四次很幸运成功了。但如果第四次没成功 我就没钱了，那就彻底完了。所以那是非常悬的事。 如果第四次猎鹰（Falcon）发射失败，那就彻底完了，我们就加入之前那些火箭初创公司的墓地了。所以， 我对成功几率的估计不算太离谱。 我们只是险之又险地成功了。 特斯拉差不多是同时进行的。 2008年是艰难的一年。 因为在2008年年中 或者叫2008年夏天 SpaceX的第三次发射失败了，我们连续三次失败。 特斯拉的融资轮也失败了。所以特斯拉很快就破产了。 这就像，天啊，这太惨了。 这这将成为傲慢自大的警世故事。 Garry Tan 20：00 可能在那段时间里，很多人都在说，埃隆是个搞软件的，为什么你要做硬件？为什么．．．是的，他为什么要选择做这个，对吧？ 马斯克 是的。100%。所以你可以看看当时的媒体， 因为那时的报道现在还能在网上找到。他们一直叫我“互联网小子”（internet guy）。 所以“互联网小子”又名“傻瓜”试图造火箭公司。 所以 你知道 我们被嘲笑了很多。 这听起来确实很荒谬，互联网小子开火箭公司听起来就不像能成功的配方 老实说。所以我不怪他们。我当时想，是啊，你知道，听起来确实不太可能，我也同意这不太可能。 但幸运的是第四次发射成功了， 然后NASA授予了我们一份补给空间站的合同。 我想那大概是12月22号左右，或者是圣诞节前。 因为即使第四次发射成功也不足以保证成功。我们还需要一份大合同才能活下去。所以， 所以我接到了NASA团队的电话，他们真的说了，我们授予你们一份补给空间站的合同。我简直．．．我脱口而出，“我爱你们。”这通常不是，你知道的，他们能听到的话。 因为通常都是很，你知道的，很冷静的，但我当时想，“天啊，这救了公司。”然后， 我们关闭特斯拉融资轮是在它可能完成的最后一天、最后一个小时，就是2008年12月24日下午6点。 如果那轮融资没关闭，圣诞节后两天我们就得拖欠工资了。所以2008年底真是让人神经紧绷。 Garry Tan 22：03 我想从您的Paypal和Zip2经历，到跳进这些硬核的硬件初创公司，贯穿始终的一点是能够找到并最终吸引这些特定领域里最聪明的人．．．你知道，那 我是说在座的各位， 有些人甚至还没管理过一个人。他们才刚刚开始职业生涯。你会对，你知道的，那个还从未做过这些事的埃隆说些什么？ 马斯克 22：33 我通常认为要尝试尽可能做有用的事。这这听起来可能有点陈词滥调，但做有用的事真的很难，尤其是对很多人有用。 比如说，总效用的曲线下面积，就是你对你同胞有多大用处乘以多少人？ 就像物理上对“真实功”（true work）的定义。做到这点极其困难。而我认为如果你立志做“真实功”， 你你成功的几率会高得多。 就像，别追求荣耀，要追求做功。 Garry Tan 23：07 你怎么判断那是“真实功”？是靠外部反馈吗？比如别人怎么看或者你知道产品对人有什么用？ 马斯克 23：23 就像你知道，对你来说，当你找人工作时，你看重什么？比如你知道，你找人或他们 那是不同的问题。我想是 我是说就你的最终产品而言，你只要说， 如果这东西成功了，它将对多少人有多大用处？ 这就是我的意思。然后你你做任何事，你知道的，无论你是CEO还是初创公司里的任何角色，你做任何需要做的事来成功，就像 并且要不断粉碎你的自我（ego），就像， 内化责任（internalize responsibility）。 一个主要的失败模式就是当自我与能力之比（ego to ability ratio） 大于1的时候。你知道 如果你如果你的自我能力比太高， 那你基本上就切断了通向现实的反馈回路。 用AI术语来说，你你会打破你的强化学习（RL）回路。所以，你不想打破你的回路，你想要一个强大的RL回路，这意味着内化责任（internalizing responsibility）并最小化自我（minimizing ego），无论任务是崇高还是卑微，你都去做。所以，我是说，这就是为什么我其实更喜欢“工程”（engineering）这个词，而不是“研究”（research）。我更喜欢这个词，而且我不想叫xAI一个实验室（lab）。 我只想它是一家公司。 就像，无论 无论是最简单、 最直接、 理想情况下最低自我（ego）的术语，这些通常都是好的方向。 你你只想紧密地闭合与现实的回路（close the loop on reality hard）。 这这这是件超级大事。 Garry Tan 25：01 我想在座各位都非常钦佩您在运用第一性原理（First principles）方面的典范作用。您是怎么确定自己的“现实”的？这似乎是其中很重要的一部分。那些从未创造过任何东西、非工程师的人，比如某些记者，他们有时会批评您。但显然您身边还有另一群人，他们是建造者，有着非常高的．．．功业曲线下面积（指成就巨大）。人们该如何看待这点？哪些方法对您有效？您会如何传递给．．．比如说您的孩子们？您会怎么告诉他们在这个世界立足的方法？比如，如何基于第一性原理构建一个可预测的现实观。 马斯克 25：57 物理学的工具在 理解任何领域并取得进展方面都极其有用。 第一性原理显然是指，你知道的，将事物分解到最可能正确的基本公理要素（fundamental axiomatic elements），然后尽可能逻辑清晰地向上推理，而不是通过分析或类比来推理。 然后就是一些简单的事，比如极限思维（thinking in the limit），就像如果你外推 最小化这个东西或最大化那个东西，极限思维非常有帮助。 我使用物理学的所有工具。 它们适用于任何领域。 这就像一种超能力。 所以你可以拿，比如说火箭。你可以说， 一枚火箭应该花多少钱？ 人们通常采用的方法会看历史上火箭的成本是多少，然后假设任何新火箭的成本必须和以前的火箭成本差不多。而第一性原理的方法是，你你看火箭由哪些材料构成。如果是铝， 铜，碳纤维， 钢，无论是什么， 然后说这枚火箭有多重， 它的组成元素是什么？它们有多重？这些组成元素每公斤的材料价格是多少？这就设定了火箭成本的真正底线。它可以渐进地接近原材料的成本。 然后你意识到，哦，实际上一枚火箭的原材料只占历史火箭成本的1%或2%。所以制造过程必然是非常低效的， 如果 如果原材料成本只有1%或2%的话。这就是对火箭成本优化潜力的第一性原理分析。而这还是在考虑可重用性之前。 举一个AI方面的例子，我猜 去年，当xAI试图建造一个训练超级集群（training supercluster）时， 我们我们去找各家供应商，说（这是去年初的事）我们需要10万块H100（GPU）来进行连贯训练（train coherently）。 他们估计完成这个需要18到24个月。我说， 我们需要在6个月内完成。 否则我们就没竞争力了。所以然后 如果你把它分解，需要什么？ 你需要一栋建筑，你需要电力，你需要冷却。 我们没时间从零开始建一栋楼。所以我们必须找一个现成的建筑。于是，我们找到了孟菲斯一个废弃的工厂，以前是生产伊莱克斯（Electrolux）产品的。 但它的输入功率是15兆瓦，而我们需要150兆瓦。 所以， 我们我们 租了发电机，把它们放在大楼的一侧，然后我们需要冷却。所以，我们租用了美国大约四分之一的移动冷却能力，把 冷却器（chillers）放在大楼的另一侧。 这还没完全解决问题，因为在训练过程中功率波动 非常大。所以功率可能在100毫秒内下降50%，发电机跟不上。于是我们结合 我们增加了特斯拉Megapacks（大型电池组），并修改了Megapacks的软件，使其能够平滑训练过程中的功率波动。 然后还有一大堆网络挑战。 因为如果你试图让10万块GPU进行连贯训练，网络线缆非常非常有挑战性。 Garry Tan 29：48 ．．．听起来您提到的几乎任何一件事，我都能想象有人会直接告诉您“不行，你搞不到那个电力”，“你搞不定这个”。第一性原理思维的一个关键点似乎是：我们要问“为什么”，要弄清楚原因，并且要挑战对面的人。如果他们给出的答案我不满意，我就不会接受它。是这样吗？我觉得，如果有人想像您一样做硬件，似乎尤其需要这点。而在软件领域，我们有很多冗余，比如“我们可以加更多CPU，没问题的”。但在硬件上，行不通就是行不通。 马斯克 30：37 我认为这些第一性原理思维的通用原则适用于软件和硬件，也适用于任何事物。 我只是用了一个硬件方面的例子 说明我们如何被告知某事不可能，但一旦我们将其分解成组成要素——我们需要一栋建筑，我们需要电力，我们需要冷却，我们需要 我们需要功率平滑（power smoothing）——然后我们就能解决这些组成要素。 但它是．．．然后我们 我们让网络运营团队 进行所有的布线工作，所有事 四班倒24/7， 我也睡在数据中心，还亲自布线。 还有很多其他问题要解决。 你知道去年没人用10万块 H100进行过连贯训练。也许今年有人做了。我不知道。 然后然后我们后来把它翻倍 到了20万块。所以现在我们我们在孟菲斯的训练中心有15万块H100，5万块H200，和3万块GB200。 我们即将在孟菲斯地区的第二个数据中心上线11万块GB200。 Garry Tan 31：54 您是否认为预训练（Pre-training）仍然有效？缩放定律（Scaling laws）仍然成立？最终赢得这场竞赛的人将拥有最大、最智能的模型，然后可以蒸馏（Distill）它？ 马斯克 32：09 除了大型AI的竞争力之外，还有其他各种因素 对于大型AI来说， 人员的才华当然重要。 硬件的规模以及你如何有效利用这些硬件也很重要。所以你不能只是订购一大堆GPU，然后它们 你不能只是插上电就行。所以你得弄到很多GPU，并让它们 能稳定地进行连贯训练。 然后就是，你有什么独特的数据来源？我猜分发（distribution）在某种程度上也很重要，比如人们如何接触到你的AI？对于那些要成为有竞争力的大型基础模型（large foundation model）来说，这些都是关键因素。 就像 就像我朋友伊利亚（Ilya Sutskever）说的，我认为 你知道我们差不多用光了人类生成的数据进行预训练， 高质量标记（tokens）的供应枯竭得相当快， 然后你你必须做很多 你需要本质上创造合成数据（synthetic data） 并且能够准确判断你创造的合成数据，以验证它是否是真实的合成数据，还是与事实不符的幻觉（hallucination）。 所以实现与现实接轨（grounding in reality）是是很棘手的，但我们正处于需要投入更多精力在合成数据上的阶段。 就像现在我们正在训练Grok 3.5，其重点是推理（reasoning）。 Garry Tan 33：55 回到您的物理学观点，我听说硬科学，尤其是物理教科书，对推理非常有用。而研究人员告诉我，社会科学对推理完全没用。 马斯克 34：11 是的，这可能是真的。 所以是的 你知道未来非常重要的一点是 将深度AI 在数据中心或超级集群中与机器人技术（robotics）结合。 这样 你知道像Optimus人形机器人这样的东西 是的Optimus太棒了。将来会有非常多人形机器人以及各种大小形状的机器人，但我的预测是人形机器人将远超其他所有机器人总和，可能多一个数量级，差异巨大。 Garry Tan 34：55 有传言说您计划组建一支机器人军队？ 马斯克 35：01 无论是我们做，还是 还是特斯拉做，你知道的，特斯拉和xAI合作紧密。 就像你见过多少家人形机器人初创公司？就像我想黄仁勋（Jensen Huang）在台上带了一大堆机器人， 来自不同公司的机器人。我想有大概十几种不同的人形机器人。所以，我是说，我猜，你知道的，部分我一直以来在抗争的、也许拖慢我脚步的是，我是个有点 我不想我不想让终结者（Terminator）成真，你知道的。所以，我某种程度上， 至少直到最近几年，在AI和和类人机器人（humanoid robotics）上拖拖拉拉。然后我有点意识到，它它正在发生，无论我做不做。所以，你只有两个选择。参与你既可以当观众（spectator），也可以当参与者（participant）。所以，就像，好吧，我宁愿当参与者而不是观众。 所以现在就是你知道的，在人形机器人和呃数字超级智能（digital super intelligence）上全力加速（pedal to the metal）了。 Garry Tan 36：10 我想，还有第三件事大家听您谈过很多，我个人非常赞同，就是成为多行星物种（Multiplanetary species）。这如何融入整体？这不仅仅是10年或20年的事，也许是100年的事，是关乎人类好几代人的事。您如何看待它？这里有AI，显然有具身机器人（Embodied robotics），还有成为多行星物种。这些最终是否都服务于最后一点？或者，您现在驱动未来10年、20年、100年的动力是什么？ 马斯克 36：46 天啊，100年，老兄。我希望100年后文明还在。如果它还在，那会和今天的文明截然不同。 我是说，我预测人形机器人至少会是人类数量的5倍，也许是10倍。 而看待文明进步的一种方式是卡尔达肖夫等级（Kardashev Scale）的完成百分比。所以，如果你是，你知道的，等级一（Scale one），你 你已经驾驭了一颗行星的所有能量。现在在我看来，我们只 利用了地球能量的1%或2%。 所以我们离卡尔达肖夫等级一还有很长的路要走。 然后等级二（Scale two）是驾驭一颗恒星的所有能量。 那将是地球能量的大概十亿倍，也许接近万亿倍。 然后等级三（Scale three）是整个星系的能量，离那还远着呢。所以我们正处于智能大爆炸（intelligence big bang）的非常非常早期阶段。我我希望我们在就多星球而言，我想我想大约30年内，我们会有足够的物质转移到火星，使火星能够自我维持（self-sustaining），即使来自地球的补给船停止，火星也能继续成长繁荣。 这极大地延长了文明、或意识、或智能（包括生物的和数字的）的预期寿命。 所以这就是为什么我认为成为多星球物种很重要。 我有点困扰于费米悖论（Fermi Paradox），就像为什么我们没看到任何外星人？这可能是因为智能非常稀有。 也许我们是这个星系里唯一的智慧生命。 那样的话，意识智能就像无边黑暗中的微小烛光，我们应该尽一切可能确保这微小的烛光不熄灭，而成为多星球物种或让意识多星球化（making consciousness multilanetary）能极大提高文明的预期寿命，并且它是在前往其他恒星系之前的下一个步骤。 一旦你至少拥有两个星球，你就有了一个推动太空旅行进步的强制力（forcing function）。 那最终将导致 意识扩展到星辰大海（expanding to the stars）。 Garry Tan 39：24 费米悖论可能暗示，一旦科技达到某个水平，文明就会自我毁灭。我们如何避免自我毁灭？您会给满屋子的工程师什么建议？我们能做些什么来防止这种情况发生？ 马斯克 39：41 是的，如何避开“大过滤器”（Great Filters）？一个明显的大过滤器就是全球热核战争。所以我们应该尽量避免。 我想建造良性的AI机器人，那种热爱人类的AI， 你知道的，乐于助人的机器人。 我认为在构建AI中极其重要的一点是，对真相（truth）非常严格的恪守，即使那真相在政治上不正确（politically incorrect）。 我对什么会让AI变得非常危险的直觉是，如果 如果你强迫AI相信不真实的事情。 Garry Tan 40：27 您如何看待安全（Safety）与封闭（Closed）以获得竞争优势之间的争论？我觉得很棒的一点是，您有一个有竞争力的模型，其他人也有。从这个意义上说，我们可能避开了我最担心的最糟糕的时间线（Timeline）——那种快速起飞（Fast takeoff）且只掌握在一个人手中的情况。那可能会导致很多事情崩溃。而现在我们有选择，这很好。您怎么看？ 马斯克 40：58 是的，我确实认为将会有几个深度智能（deep intelligences），也许至少有五个。 可能多达10个。 我不确定会不会有几百个，但可能接近，比如说10个左右。 其中大概四个在美国。 所以我不认为会有任何一个AI拥有失控的能力（runaway capability）。 但是的，会有几个深度智能。 Garry Tan 41：40 这些深度智能体会做什么？是做科学研究，还是试图互相攻击？ 马斯克 41：48 可能都是。 我是说希望它们会发现新物理学，我认为它们肯定会发明新技术。 就像我认为我认为我们离数字超级智能（digital super intelligence）相当近了。它可能今年发生，如果今年没发生，明年肯定能实现，数字超级智能定义为在任何事情上都比任何人类都聪明（smarter than any human at anything）。 Garry Tan 42：19 那么，我们如何将其引导向超级丰饶（Super abundance）？我们可以拥有机器人劳动力、廉价能源、按需智能（Intelligence on demand）。这是否就是所谓的“白色药丸”（White pill，指积极乐观的未来）？您在这个光谱上处于什么位置？您会鼓励在座各位做哪些具体的事情，来让这个“白色药丸”成为现实？ 马斯克 42：43 我认为最可能是一个好结果。 我猜我某种程度上同意杰夫·辛顿（Jeff Hinton）的看法，也许有10%到20%的毁灭（annihilation）几率。 但往好的方面看，那就是80%到90%获得美好结局的概率。 所以是的，我再怎么强调也不为过。对真相（truth）的严格恪守是AI安全（AI safety）最重要的事。显然还有对人类和已知生命（life as we know it）的共情（empathy）。 Garry Tan 43：18 我们还没谈到Neuralink。我很好奇，您正在努力缩小人与机器之间的输入输出（Input/Output）差距。这对AGI/ASI（人工通用智能/人工超级智能）有多关键？一旦这个链接建立，我们是否不仅能读取（Read），还能写入（Write）？ 马斯克 43：38 Neuralink对于解决数字超级智能并非必需。 在神经连接大规模应用前，它（ASI）就会发生。 但 神经连接能有效解决 输入输出带宽限制（input output bandwidth constraints）。特别是我们的输出带宽（output bandwidth）非常低。人类一天内的持续输出（sustained output）低于每秒1比特（less than one bit per second）。所以，你知道的，一天有86400秒。 一个人一天输出的符号（symbols）超过那个数（86400个）是极其罕见的。 连续几天更是如此。 所以有了 有了神经连接接口，你可以大幅提高你的输出带宽和输入带宽（input bandwidth）。 输入是指写入（write operations）大脑。 我们现在有五位人类植入了 那种读取 输入的设备，它能读取信号。你有患有肌萎缩侧索硬化症（ALS）的人，他们 完全没有（行动能力），他们是四肢瘫痪者（tetroplegics），但他们现在能以 与拥有健全身体的人相当的带宽交流， 控制他们的电脑和手机， 这相当酷。然后 我想在未来6到12个月，我们将进行第一次视觉植入（implants for vision），即使有人完全失明， 我们也能直接写入 视觉皮层（visual cortex） 我们已经在猴子身上实现了。 我想我们有一只猴子植入视觉设备已经三年了， 起初分辨率会相对较低，但长期来看会有非常高分辨率，并能看到多光谱波长（multispectral wavelengths）。所以 你可以看到红外线、紫外线、雷达（radar），就像获得超能力一样。 在某个时刻，赛博格植入物（cybernetic implants）将不仅仅是纠正出错的东西，而是 极大地增强（augmenting）人类的能力，极大地增强智能、感官和带宽 这这将会在某个时刻发生。 但数字超级智能会在此很久之前发生，至少如果我们有 一个神经连接，我们或许能更好地欣赏 AI。我猜所有你努力的制约因素之一，跨越所有这些不同领域，是接触最聪明人才的机会。 是的。但，你知道的，与此同时我们有，你知道的，石头（rocks）能说话和推理（talk and reason）， 它们现在可能130智商了，而且可能很快就会超级智能。 你如何调和这两件事？比如，你知道5年、10年后会发生什么？在座的各位该做什么 来确保，你知道的，他们是创造者（creating）而不是可能低于API线（below the API line）的人？ 人们称它为奇点（singularity）是有原因的，因为我们不知道不久的未来会发生什么。人类智能所占的比例将会很小。在某个时刻，人类智能的总和将少于所有智能的1%。 而如果事情发展到卡尔达肖夫等级二（Kardashev Scale level two） 我们谈论的是人类智能，即使假设人口显著增长，并且智能大幅增强（intelligence augmentation），就像 每个人的智商都达到一千的那种情况。 即使那样， 人类智能总和可能也只有数字智能的十亿分之一（1 billionth）。无论如何，数字超级智能的生物引导程序（biological bootloader）在哪里？我想就此结束吧，我算是好的引导程序吗？ Garry Tan 47：46 我们该何去何从？我们如何从这里出发？我是说，所有这些都是相当狂野的科幻情节，但也可能由在座的各位建造出来。你知道的，如果你 你对这一代最聪明的技术人才有什么结束语？他们应该做什么？他们应该 应该从事什么？应该思考什么， 今晚他们去吃晚饭时该想些什么？ 马斯克 48：19 就像我开头说的，我认为如果你在做有用的事，那就很棒。 如果你只是尽力对你的同胞尽可能有用，那那你就是在做好事。 我不断强调这点，专注于超级真实（super truthful）的AI，这这对AI安全最重要。 你知道的，显然如果你知道 谁有兴趣在xAI工作，我是说，请请告诉我们。 我们的目标是让Grok 成为最大限度追求真相（maximally truth seeking）的AI。 我认为这非常重要。 希望我们能理解宇宙的本质。这这大概就是AI能告诉我们的。也许AI能告诉我们外星人在哪里，以及你你知道宇宙是如何真正开始的？它将如何终结？有哪些我们不知道应该问的问题？ 我们是在模拟中（simulation）吗？或者我们在哪个层级的模拟中？ Garry Tan 49：28 我想我们会找到答案的。一个NPC（非玩家角色）。埃隆，非常感谢你加入我们。 [查看评论](https://m.cnbeta.com.tw/comment/1508006.htm)

据知情人士透露，软银集团创始人孙正义寻求与台积电合作，实现他迄今为止最大的一笔赌注——在亚利桑那州打造一个价值1万亿美元的工业园区，用于制造机器人和人工智能（AI）。 [](https://n.sinaimg.cn/tech/transform/116/w550h366/20250401/68fa-3b33b2887eeb7ca6bd4f529fc24a7614.jpg) 据知情人士称，孙正义设想在美国打造一个庞大的制造业中心，让高科技制造业重回美国。该园区可能包含制造AI驱动的工业机器人的生产线。由于相关计划尚未公开，知情人士要求匿名。 软银高层希望让台积电在该项目中发挥重要作用，但尚不清楚孙正义想要台积电在其中扮演什么样的角色。台积电已规划在美投资1650亿美元，并已在其位于亚利桑那州的首家工厂开始量产。此外，也不清楚台积电是否对此感兴趣。一位熟悉台积电想法的知情人士表示，软银的项目与台积电在凤凰城的布局无关。 这个位于亚利桑那州的项目代号“水晶之地计划”，是67岁的孙正义职业生涯中最雄心勃勃的一次尝试。他的职业生涯经历了无数孤注一掷的投资，得到过数千倍的回报，也有过数十亿美元的亏损。孙正义常常表达对自己过往成就的不满足，多次表示打算倾尽全力加速AI发展。 知情人士称，软银高层已与美国联邦和州政府官员进行了沟通，讨论为在该工业园区建厂或进行其他投资的企业提供可能的税收优惠，与美国商务部长卢特尼克也进行过会谈。 他们表示，这位日本亿万富翁还在亲自接触许多科技公司，探寻它们对该项目的兴趣。知情人士称，该项目已被介绍给韩国三星电子的高管。 [查看评论](https://m.cnbeta.com.tw/comment/1508004.htm)

韩国总统李在明周五表示，将为人工智能（AI）产业提供全面支持，旨在将其定位为韩国下一个主要的经济增长动力。李在明当天出席了SK集团和亚马逊网络服务（Amazon Web Services）在首尔东南约305公里的蔚山共同建设的人工智能（AI）数据中心项目启动仪式。 [](https://static.cnbetacdn.com/article/2025/0604/afe20c1b734ac25.jpg) 该设施建成后将成为韩国最大的人工智能中心，这是李在明为实现“人工智能高速公路”的愿景，让韩国跻身全球前三大人工智能强国所必要的基础设施。 李在明表示：“新政府将积极全面支持人工智能，使韩国成为快速发展的国家，使人工智能成为经济增长的核心动力。” 为了实现这一愿景，李在明承诺大胆的税收优惠和监管改革，以鼓励民间投资，并确保数据和培训熟练的专业人员。 他还强调，有必要开发一种公众可以使用的主权人工智能模型，使其在日常生活中受益，以及针对特定行业的定制模型，以推动创新和人工智能跨部门转型。 SK集团会长崔泰源在启动仪式上表示：“虽然目前正在建设初期容量为100兆瓦的设施，但最终将扩大到1吉瓦，成为能够满足国内外需求的全球人工智能中心。” 崔泰源表示：“蔚山人工智能数据中心将在建设最好的人工智能高速公路和基础设施方面发挥关键作用。” 在李在明与人工智能产业负责人举行的会议上，崔泰源建议政府采用更广泛的人工智能技术，以刺激公众对该领域的需求。 [查看评论](https://m.cnbeta.com.tw/comment/1508002.htm)

 一个优秀的多模态视频生成大模型永远是一套复杂的系统级工程，它包括但不限于：跨模态理解与对齐能力，时序一致性的控制能力，精细化的编辑和修正能力，以及高效计算和成本控制的能力等。这让它看起来总像是一个巨头的游戏：字节、快手，谷歌、OpenAI，他们手握着深如湖海的现金，宽似江河的流量动员能力。 不过在这条巨龙扎堆的赛道上，有三两个身影站出来做点新东西。MiniMax大概就是其中跑得最前，声音最响亮的团队之一。二十多天前，谷歌最新推出的Veo3，被许多产业观察者称作视频生成划时代的产品；而二十天后，在又一个万籁俱静的618里，MiniMax发布了新一代Hailuo 02，给视频生成大模型领域增添了一些实打实的“多快好省”。 Artificial Analysis视频模型评测榜显示，Hailuo 02视频模型甫一推出，其ELO得分大幅度超过谷歌 Veo 3 和快手的 Kling 2.0，成为了全球排名第二的视频生成模型。  # 01 让复杂运动成为现实 一些用户对Hailuo 02的评价是“更具电影感”，其中很重要的原因是Hailuo 02拥有了更好的复杂场景与运动呈现的能力，也被认为是目前全球唯一能够实现此类极限物理运动视频效果的模型。 复杂的运动镜头，可以带来很好的情节张力，让观众迅速被镜头抓住而进入场景，往往出现在电影制作中最核心的高潮情节中。但相关场景的生成，对于模型的时空一致性要求非常高。稍有不慎，模型很容易发生丢失细节、违反物理规律，甚至穿模的情况。 比如在“马跃起，落地奔跑”这么一段简单的prompt测试中，模型需要让马和人保持一致性的身体姿态，才可以给观众传达出真实感。这种一致性不是简单的姿势同步，而是要呈现符合物理规律的力的传递中的层次感。 Hailuo 02很好地处理了每一个细节的物理关系，不仅是人与马的姿态协同，包括马尾、马鬃毛和人的头发飞扬都很有真实感。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499612755&amp;bvid=BV17mKAzzESn&amp;cid=30597254910&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> Hailuo 02 相比之下，对标的测试模型便出现“马浅跳，但人高飞”的情况，起跳过程也完全发生在了障碍物以外。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499615320&amp;bvid=BV17mKAzzEH2&amp;cid=30597254986&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 可灵2.1大师版 类似的场景还有“hellokitty打网球”，大量的模型在这个prompt测试词上翻了大车。 海螺基本能实现球拍与球之间的互动： <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449284695&amp;bvid=BV1GfKAzwEwr&amp;cid=30597186337&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> Hailuo 02 但有些对标测试模型则出现了“精灵球”的情况，有点像哈利波特的场景，球很有自己的想法： <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449348053&amp;bvid=BV1YfKAzwEcn&amp;cid=30597251314&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> vidu 同样的球与拍之间出现了神秘磁场： <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449282641&amp;bvid=BV1GfKAzwEBZ&amp;cid=30597186448&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> luma 大变活“球”： <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449283688&amp;bvid=BV1GfKAzwEHc&amp;cid=30597186478&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 即梦：视频3.0 pro 而对世界物理规律具体而微的理解，只是复杂动作的难点之一。在一些快速移动的运动中，往往会面临背景的快速变化。相比于人的动作，背景视野的大范围移动意味着模型优秀的空间感知能力。 其中最典型的莫过于滑雪运动：镜头固定在快速变化的人体动作的同时，雪景可能随着人的拍摄角度和速度移动而不断迁移，场地本身则会随着雪橇板的移动而掀起雪浪、留下移动轨迹。 Hailuo 02基本重建了滑雪场的环境视觉效果，滑雪板会留下仿真的雪痕，雪浪飞舞的方向与大小也随着动作和轨迹的变化而变化。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499679821&amp;bvid=BV1BmKAzzEur&amp;cid=30597254927&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> Hailuo 02 相比之下，同类模型的雪道缺乏动态，在快速移动收尾时，雪橇板会在高速运动中，出现从双脚“脱落”的穿模现象。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499616593&amp;bvid=BV17mKAzzEMz&amp;cid=30597255012&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 可灵2.1大师版 如果你看完了以上两段雪场视频，或许会发现，在第二段视频中，镜头其实是没有保持一致性的。其整个5秒视频，总计是由一段3秒和一段2秒的视频组合起来的，画面从近景切换到全景，从而达到某种类似蒙太奇的视觉效果。 这其实是由于“跨帧连贯性”是长期困扰视频生成模型的痛点，视频的连续画面每增加一秒，对于时序一致性的处理难度便会几何级地提升，更遑论保持长镜头、高强度的运动画面中的画面稳定。 这也是为何，绝大部分的大模型视频长度都被设计在10秒以内，同时在10秒的选项之外，还会给出能力更稳健、成本更友好的5秒选项。 但一些快速的运动轨迹，意味着模型必须在短时间内产生大量的动作与物体交互，这些高强度交互，相当于在有限时间内快速提高了保持视频时序一致性的难度。因此即便一些交互看起来并不复杂，但一旦频次超过阈值，模型也可能会摆烂。 例如在经典的抛多个小球的杂技场景里，Hailuo 02演示了很稳定的镜头表现。画面中六个小球的大小和颜色虽然都很相似，但观众依然可以分辨出每一个小球的运行轨迹，其中绝大部分的小球也在运动中保持了稳定的形态。 提示词：画面中人物快速抛接球体，彩带飘动落下，人物不停抛接球体—— <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499678298&amp;bvid=BV1BmKAzzEEu&amp;cid=30597254878&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> Hailuo 02 但在测试的对标模型demo中，除了在一开始没有识别到初始图中的“杂耍”场景意图外，大量的球体和彩带交互，也出现了明显的“吞球”现象，不断有球体消失和生成，场面显得非常混乱。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499616604&amp;bvid=BV17mKAzzEMi&amp;cid=30597254766&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 可灵2.1大师版 如上，优秀的复杂运动镜头呈现，背后是一整套模型的体验优化——它除了有强大的物理渲染能力外，还需要模型能够熟悉世界的物理规律呈现方式，有很好的跨帧连贯性。 但相比于以上的技术优化，模型对画面和语言意图的理解，或许是让画面得以更加符合观众直觉的更核心的能力。 如果再回到骑马和抛接球两个场景，我们会发现，理解第一帧画面的意图是整个图生视频中最关键的一环：模型需要知道，马术前面有障碍物，其实是暗示让马越过障碍；而黑色领结+白色T恤的抛接球者，很可能是暗示杂技表演的场景。 除了画面理解外，大模型对动作的理解也需要更加符合人类的直觉。以一个很简单的测试prompt词，“运动幅度，中等”。中等是个模糊的概念，不同模型对“中等”的理解不尽相同，Hailuo 02 基本能做到脖子等大关节的移动，基本符合人对画面与prompt的直觉。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449415742&amp;bvid=BV1XfKAzwEwN&amp;cid=30597186455&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 而在对标测试模型中，一些模型则出现了只有脸部活动的情况，显然与人类直觉并不匹配。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449346682&amp;bvid=BV1YfKAzwE7T&amp;cid=30597186425&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> vidu 或者只摇动镜头，虽然画面实现了“中等”的“运动”，但人其实几乎不动。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714449283655&amp;bvid=BV1GfKAzwEnq&amp;cid=30597186364&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> luma 测试demo中一个比较极端的案例是，提示词：动画风格，画面中人物骑车穿越小镇狭窄街道，镜头稳定地侧拍她向前移动，背景快速拉动—— Hailuo 02很好地还原提示词与第一帧画面中的“导演意图”，给出了人物与生活环境的关系特写，甚至能通过一秒钟的人脸大侧写呈现出了日本动漫中常见的人物积极情绪。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714499615873&amp;bvid=BV1jmKAzzE9v&amp;cid=30597254854&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> Hailuo 02 在其他对标测试模型中，模型似乎错误地把前进对象理解成了“背景”，导致出现了诡异的自行车倒退的情况，而人物状态则完全隐匿在视频中。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114714516391148&amp;bvid=BV1LXKAzKEnJ&amp;cid=30597515259&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 可灵2.1大师版 # 02 效率总是AI与世界双向奔赴的前提 MiniMax创始人闫俊杰曾多次在接受采访中表示，多模态是AGI扩散的最佳途径，因为绝大部分人的输入和输出其实都是多模态的。与此同时，越来越多的从业者也开始将多模态作为大模型理解世界物理规则的方式。从这个角度而言，Hailuo 02的升级不止是视频能力的迭代，也是MiniMax基础模型智能对世界理解力的提升。 据了解，MiniMax 这次的 Hailuo 02 和 01 其实是两代截然不同的产品，其中最核心的变量是 Hailuo 02 几乎完全重建了模型的底层架构，推出了 Noise-aware Compute Redistribution（NCR）。 NCR将超长视频token根据噪声水平进行有规划的压缩，构成不同难度的“去噪目标”，并配合精心设计的噪声调度体系，用统一的模型进行联合学习。MiniMax这套新架构一方面大幅提高训练推理效率，另一方面也有效帮助模型扩展。  据官方披露，在同等的参数量级下，新架构使海螺的训练和推理效率提升了2.5倍。 这意味着在同等成本的考量下，MiniMax 可以采用更大的参数来推高模型的表现力。最终，MiniMax 将 Hailuo 02 的总模型参数规模推高了三倍、数据量提升了四倍。而更大的模型参数又为推理提供了优化的空间。于是我们看到了一个细节能力更好、意图识别更强的视频模型。 此外在评分表现中，Hailuo02也拥有SOTA的“指令遵循”的能力表现：其在复杂指令 prompt 响应率能做到 85%，超越所有同行。这也解释了为什么在刚才几个 demo 案例对比中，无论是什么类型视频生成，Hailuo 02 能更好地还原和实现 prompt 的意图。 而能够实现SOTA的底层支持，便是像 NCR 等一系列效率工具所提供的智能冗余，让模型有能力去很好完善推理能力，从而更好去理解世界和生成世界。于是，我们才有了今天唯一能生成电影机复杂运动场景的“Hailuo 02”。 <iframe width="500" height="480" src="//player.bilibili.com/player.html?isOutside=true&amp;aid=114701950258973&amp;bvid=BV1dPNLzYEcn&amp;cid=30556226487&amp;p=1" scrolling="no" border="0" frameborder="no" framespacing="0" allowfullscreen="true"></iframe> 如果说，效率让模型能力上限更多元、更综合地提升，让 AI 模型更加贴近世界；那么效率所带来的更低价格，永远是让世界贴近 AI 模型的最有效、最屡试不爽的手段之一。 高效的模型能力，意味着相同的预算、同级别的视频能力，Hailuo 02可以支持更长更多的视频生成。 根据 MiniMax 的官方测算，Hailuo 02 的成本在第一梯队的视频生成模型中保持了明显的优势。尤其是在 1080P 高清视频的输出中，Hailuo 02 比 Seedance 领先了整整一个身位，而相比同期发布的Google Veo3，海螺的价格约为后者的1/9。  这其实与不同公司的技术审美分野有关： 有些公司追求的是智能上限，用极限的资源做极限的事情，而 MiniMax 从 DAY ONE 开始就是一家“奔赴世界”的公司，它的目标是“Intelligence with Everyone”，从一开始就注定了它的技术审美是面向所有人的，模型迭代自然也要为普通人和普通创作者服务。 与之对应的，海螺作为视频模型，它的技术初心也是“Accessible to Everyone”，即希望让用户都能用到上限最高、成本最低的模型。 接下来，海螺还将继续“卷”下去。根据官方表态，Hailuo 02 接下来将继续在以下几个方面更快速更新： 生成速度提升 更好的偏好对齐，抽卡率 / 稳定性提高 T2V / I2V 之外的高阶功能的实现 视频生成大模型没有完美的产品，但 Hailuo 02 已经是一个足够酷炫、也足够亲民的产品，而 AI 也正在不断接近它完成“复杂运动”、理解“复杂世界”的使命。 （雷峰网） （作者微信：hai2023zi）

 京西电竞节 x 核聚变游戏嘉年华即将开幕，热门新游试玩、精彩舞台活动、限定周边收集、沉浸式体验最热烈的玩家氛围！6 月 28、29 日，我们北京首钢国际会展中心见！ [&lt;获取核聚变2025北京站门票&gt;](https://show.bilibili.com/platform/detail.html?id=102863) 作为核聚变的新伙伴，吉比特旗下的雷霆游戏海外发行品牌 Boltray Games 也将带来两款超赞大作！经典IP重磅回归、愿望单突破 86 万的《勇闯死人谷：暗黑之日》将会开启一场超逼真的丧尸生存新冒险。还有融合了类魂玩法、全手绘画风的《蒸汽世界》，将带你走进一段沉浸感满满的噩梦探索之旅。  ↓↓↓游戏详情↓↓↓ # 《勇闯死人谷：暗黑之日》 在丧尸病毒横扫 80 年代德州酷暑小镇的末日废墟中，生存成了唯一的信仰。作为幸存者领袖，你将带领一支饱受绝望折磨的队伍，在尸潮重围中奋力突围，奔向渺茫的安全地带。制作武器、搜刮资源、管理避难所，每一个决定都关乎生死。你要平衡人性的冲突与团队的需求，在资源紧缺与信任崩塌之间，拼尽一切让更多人活着走出这场炼狱。  主要特色 - 危机应对：穿越丧尸潮、处理突发事件，每一步都是生死边缘的博弈。 - 生存经营：管理避难所、制作武器、搜刮物资，在资源紧张中维持团队生存。 - 人性抉择：善意、欺骗或掠夺？在末日中做出艰难而必要的选择。  抢先体验版已于 2025 年 4 月 10 日上线。保持高频更新，预计 12-18 个月内推出正式版。 开发商介绍 来自新西兰的 PikPok，于 1997 年成立，是一家致力于为玩家打造沉浸式游戏体验的全球游戏开发与发行商，代表作包括《Into the Dead》《Rival Stars》《Shatter》等，覆盖移动端、 PC 端与主机平台游戏。移动端游戏累计下载量超过 5 亿次；荣获 12 项 Apple 编辑推荐；曾获 BAFTA 提名。  # 《蒸汽世界》 一款融合全手绘美术与类魂式高难度战斗的 2D动作冒险游戏。游戏设定在超现实梦魇世界，讲述一位失忆少年的求生与追忆之旅。受《只狼》《血源诅咒》启发，战斗节奏紧凑、操作硬核。  独特的动态视角与空间构建赋予画面强烈的沉浸感与张力。曾荣获“Made With Unity Korea Award 2022 最佳PC/主机奖”。预计 2025 年年底上线。  你是一个失去记忆的神秘少年，误入了陌生的黑暗噩梦。这一切似乎与名为“Vapor World”的秘密项目有关，据说它成功实现了梦境的实体化，然而巨大的危机随之共同到来。为了解开背后的秘密，重回现实，你将踏上不惧死亡的冒险。 开发商介绍 Young Kim 是本作的创始人兼创意总监。四年前，他辞去原有工作，专注于开发这款创新游戏。自幼年起，Young Kim 便深受各类电影、游戏和动画的启发，这些艺术作品对他的创作理念产生了深远影响，并成为其创作动力的重要源泉。  目前，团队由15名才华横溢且充满热情的开发者组成，致力于精心打磨每一个细节，全手绘打造富有趣味性和独特故事性的游戏作品，旨在为玩家带来持久而深刻的游戏体验。 # 展会详情 展会时间： - 2025 年 6 月 28 日（周六）9：00-17：00（16：00停止入场） - 2025 年 6 月 29 日（周日）9：00-17：00（16：00停止入场） 展会地点： - 北京石景山·首钢国际会展中心 1/2 号馆 票务信息： - 单日票：全价 139 元/人 | 优惠票价 129 元/人 - 票务平台：哔哩哔哩会员购 - 特别说明： 凡在哔哩哔哩会员购购买核聚变门票的玩家们可以到现场兑换「实体纪念票」，本次门票为纪念品，不具备入场功能，现场入场请以“电子票”为依据携有效身份证件入场哦～ [&lt;获取核聚变2025北京站门票&gt;](https://show.bilibili.com/platform/detail.html?id=102863) 

   每年六月，总有人在高考，也总有人在“梦回高考”，但很少有人“梦回填志愿”。因为相较于高考本身，填志愿才最像一场不堪回首的噩梦，它跳过模拟卷，直接快进到最终章，伴随着无数“过来人”的意见，真假难辨的招生信息，复杂的填报规则，以及我们本人毫无头绪的未来规划……这种状态下，稍有不慎就会跌入毕业后月薪三千的不归路…… 还记得当年的你怎么填志愿的？有什么遗憾吗？吃过什么亏？专业学校选择都全凭自己做主吗？有哪些“悔不当初”想和大伙儿分享？欢迎扫描二维码，参与“高考志愿填报”小调查， 和我们分享“高考志愿抉择”那些事～ [点击参与](https://www.wjx.cn/vm/mgRdo3N.aspx)  

东方时尚需要一场手术。

谁能将音频内容更深地融入自身生态，赢得全渠道、全场景的竞争，谁才有可能成为最终的赢家。

美团飞猪之后，这次轮到京东了。

就业行情越难，求职中介越火。

<blockquote> <p>这是属于中国创投的新纪元。当下的中国创投市场，既是周期筑底的转折点，也是结构性转型的深化期。在政策主导、国资与资本高度集中的新生态下，唯有顺应趋势、灵活调整，方能在不确定性中捕捉确定性机遇。</p> <p>6月11-12日，杭州良渚文化艺术中心，36氪WAVES新浪潮2025大会以「新纪元」为主题，汇聚创投领域顶级投资人、新锐企业创始人，以及深耕科技、创新、商业的科学家、创作者与学者，共同探讨AI技术革新、全球化浪潮与价值重估等前沿议题，拆解他们眼中的商业理想和未来世界，一起讨论、寻找、走向中国创投「新纪元」。</p> </blockquote> 6月11日上午，在投资人会场，**普华资本创始合伙人曹国熊、九合创投创始人王啸、祥峰投资管理合伙人夏志进、联想集团副总裁，联想创投首席投资官、高级合伙人宋春雨、东方嘉富创始合伙人陈万翔和元璟资本管理合伙人刘毅然等6位国内头部VC掌舵者齐聚一堂，围绕2025创投一线体感展开了一场精彩的圆桌对话。对话由「暗涌WAVES」主笔陈之琰主持。**  圆桌现场 **以下为对话实录，经36氪编辑——** 陈之琰：大家早上好，很高兴大家来参加暗涌WAVES“新纪元”大会，也很感谢大家来支持36氪的活动，前一场对谈当中，厉伟总为我们介绍整个中国所亲历的中国创投30年，我们在场最大的panel是我们当下在中国创投行业里面亲身在一线的投资人GP，对于当下2025年的中国创新行业的观察、体感，在开始我们这一场圆桌对谈之前，请各位给大家介绍一下自己，以及自己所在的机构，从毅然开始。 刘毅然：谢谢主持人，我是元璟资本的刘毅然，我们元璟资本成立于杭州的创投机构，我们大概在2015年成立到现在10年了，我们主要就是早期VC的投资，我们是双币基金，人民币、美元两个币种都在，过去我们已经有了4期的美元基金和4期人民币基金，我们的出身以互联网为主，现在大力投资智能和硬科技方面，很高兴跟大家交流。 陈万翔：大家好，我是东方嘉富陈万翔。东方嘉富是省属国有上市公司浙江东方旗下的市场化创投平台，自2016年成立以来，历经九年发展，目前管理规模超150亿元，累计投资企业达130余家，并在去年入围国家中小企业发展基金的管理人。作为一家源于杭州辐射全国的投资机构，东方嘉富聚焦先进制造与新材料、新一代信息技术、生命科学等领域，重点布局早中期项目，凭借专业的投资眼光与资源整合能力，持续挖掘高成长潜力企业，为产业升级与创新发展注入动能，谢谢大家。 宋春雨：大家好，我是联想创投宋春雨，很高兴来到杭州和大家结识，联想创投定位是联想集团的全球科技产业基金（CVC），我们充分融汇联想全球资源，以投资和孵化为手段，布局科技未来，例如现在的Agent时代及人工智能2.0时代涉及到的整个生态，包括具身智能、先进AI医药等赛道都是我们重点布局的方向。我们已经投资有280多家科技创新企业，聚焦在VC阶段，也会投资一部分成长期和中后期跑出来的优秀科技企业，非常高兴有机会和大家合作，谢谢。 夏志进：大家早上好，我是祥峰投资的夏志进，祥峰投资是从2008年进入中国做科技领域的早期投资，前十年我们管理的主要是美元基金，但最近这些年我们也是同时在管理美元和人民币的基金。我们的投资阶段基本偏早期，从天使阶段到AB轮的科技项目。跟杭州也很有缘分，我们在杭州也投了蛮多的科技企业，包括我们5年多前投资宇树科技，最近也变得非常火，也很高兴再次来到杭州，希望跟大家做更多的交流。谢谢！ 王啸：大家好，我是九合创投的创始人王啸，九合创投已经成立有14年了，是过去激荡30年当中的一半时间，我原来是百度的创始团队成员。这14年里我们大概投了三四百家公司，都是在早期阶段，刚才我还看到一张照片，跟徐小平老师、还有险峰的陈科屹等几个人的合影，这已经是十几年前的事了，现在徐老师已经退居幕后了，我还在一线继续看项目。 曹国熊：大家好，我是普华资本的曹国熊，我们大本营base在杭州，普华成立第21年了，现在已经大概投了600多家企业，投了300多亿，我们投资有4个大组：硬科技，大健康，还有新材料、新能源，还有一个是消费文化。谢谢大家！ 陈之琰：谢谢各位的介绍，从各位入行在这个行业里面打拼的时间来看，其实都能算是前辈，都已经在30年当中摸爬滚打近一半的时间。我想问一下，各位已经经历过这个行业里的很多个周期，上上下下的，也经历过很多个被媒体、被公众认为的最难的一年，最冷的一年，最难熬的一年。从今年正好是6月份行至一半，其实2025年是有一个很好的开始，不论是DeepSeek还是宇树科技，点燃了大家去重估中国科技，整个产业的或者说跟科技项目的重估价值的这样一个风潮。 我想问一下，从今年1月份到现在，大家对于今年做投资的体感感觉如何？有没有真的发现更多的创始人出现了？更好的项目出现了？还是说美好或者说回暖它也是一种表象，或者说是一种大家美好的希望。想问问看大家的体感，我们这次从曹总开始？ 曹国熊：大家说到今年最热门的赛道无疑就是AI和机器人相关。还有在二级市场的创新药板块，中国创新药对外授权交易今年创新高。生物医药板块由于中国创新药“出海”取得显著进展，以对外授权许可金额创新高，冷了几年的这个行业又开始暖起来。至于你提到创业者最近是不是多起来了，我还没有明显的感觉，总体来说尽管支持创业政策的暖风频吹，总体市场还是不容易的。 陈之琰：任重而道远的感觉，啸总。 王啸：去年9月份之后，我觉得整个市场是在发生一些反转的。我记得我们去年五六月份的时候内部开战略会，讨论信心的问题，我说必须投，保持节奏非常重要，就像跑步一样。所以还专门开了个战略会，核心主题就是怎么坚定信心，坚定不移的坚持投，继续往前走。 我觉得早期投资要跨周期，里面起起伏伏很正常，但是一定要有信心。去年特别是五六月份，我觉得整个市场的投资的信心不高，出手比较少，最乐观的早期机构里有的人都已经开始丧失信心了，这是很可怕的一件事情。 如果大家都不投了，我觉得整个市场就熄火了。但是科技的发展又需要长期持续的投入，而不是今年热今年就投，今年不热就不投了，支持项目的钱一会儿有，一会儿断，创业公司怎么发展？非常非常难，我感觉今年上半年之后又有新的热点出现，机器人和人工智能对整个市场有提振的作用，我希望慢慢泛化到更多的领域，而不是只在这一两个领域当中的一些项目。我觉得整个科技的发展是需要整体协同的，而不是仅仅在某一两个领域当中的一些部分。 夏志进：我觉得从今年年初到现在感觉气氛的改变，包括信心的改变还是比较明显，从去年下半年到现在，很多因素导致大家观念上有所改变，不仅仅是中国的投资人，在海外的投资者也是如此。首先从二级市场的情况来看，去年下半年到现在，港股市场应该是在全球所有主要的股票市场里面涨幅最大的。我们也看到很多中国的科技企业到香港上市，表现非常不错，不仅是科技企业，消费企业表现也非常不错，我觉得这是其中一个因素。但是我觉得也代表很多投资人，不管是一级市场的投资者还是二级市场的投资者对整个大的形势的一个判断。 再加上今年年初到现在，DeepSeek也好，宇树也好，一系列的一波又一波的创业企业跑到前台变成大家关注的焦点。总的来说感觉是非常正面的，明显感觉到很多投资者有担心错过的情绪，已经很久没有这样的感觉了。大家有一些项目担心说，是不是错过了AI的投资的机会，Agent是不是要投等等，大家明显有这样的一个错过的情绪，这个是很明显的改变。 其实不要只关注一两个热点的行业，除了A I、具身智能，我们其实有很多其他的领域值得我们去投资，科技领域总是有起起伏伏，投资也是一样的起起伏伏，最好的投资的时间点肯定不是投资在最高点，我觉得我们不妨多关注其他的领域，我们自己也是一样，我们会关注很多传统行业，包括材料领域，包括智能制造等等我们都没有放弃，在过去两年我们都没有放弃，我希望大家都能关注这些领域，有的表现很好，估值不高，我的感觉是这样的。 宋春雨：非常同意各位嘉宾的观点，尽管进入到2025年，整个国际形势依旧非常动荡，但我认为中国确实进入了新一轮的科技创新新周期。过去几年，很多VC投资方向集中在国产化替代，这一领域需要的资金量体量较大，本质上更偏向产业投资，实际上是一种共识性的投资。但是进入2025年，最让我印象深刻的是DeepSeek点燃了中国这一波全新创新模式的巨大机会，特别重要的是它点燃了市场的信心。我非常同意夏总说的，无论是创业者、投资人，还是市场用户的接纳度，都到达了一个非常高的水平。以具身智能为例，我们投资具身智能已经有10年时间。早期主要是科研院所和高校教授出来创业。以具身智能为例，我们已经连续投资了5年。早期主要是科研院所和高校教授出来创业，但到2025年，像它石科技的陈亦伦和李震宇，他们一个是大疆背景同时是前华为智驾技术一号位，一个是前百度智驾的一号位，以及像Momenta的智驾技术负责人等等，这些产业界的高手纷纷投身其中，将具身智能推向了新的创新高度。这些都代表了中国在世界的引领式的创新。 此外，今年影石科技登陆上交所科创板，市值达到700多亿。这个项目定位在消费科技，包括大家知道的港股消费三件套，这背后反映的是消费者愿意为最终的产品力买单。中国有如此大的市场场景，消费科技领域一定还有很多的创新机会，但是对创始人来说，需要有守得云开见日出的决心。像泡泡玛特，去年下半年开始火爆，但创始人王宁早在七八年前就开始布局，需要那么长的时间做转化。所以这个时代对创始人的要求也非常高，这也是给我感触最深的一点。 陈万翔：大家好，作为投资行业从业者，我想从三个维度分享近期观察与思考。 第一，从行业活跃度来看，今年呈现出显著的高负荷态势。以我们杭州的机构为例，自春节后，接待各地来访的日程几乎每日排满，高频次的出差、会议与高强度的工作，成为行业常态。 第二，对于专业投资机构而言，短期市场波动的影响有限。我们管理的基金以长期投资为导向，无论是货币政策调整引发的市场起伏，还是股票市场的短期涨跌，对8年期基金的影响均可忽略不计。因此在投资决策中，我们始终将短期变量的权重保持在较低水平。 第三，周期规律是投资中不可忽视的重要因素，情绪、技术、市场都存在周期性波动，遵循“否极泰来，物极必反”的规律。作为职业投资人，关键在于市场低谷期坚守策略，避免因短期困境离场；在顺周期阶段保持理性克制，不过度乐观。通过这样的周期应对策略，有望实现长期稳健的投资回报。 刘毅然：我简单分享一下我们的体感，我觉得我们今年上半年在一些项目上还是意外地看到一些小高潮，的确有些项目可以在出来的一个月之内连续拿比如七八个TS，有些项目我们见了一两面之后就必须得赶紧上会，因为再不上就来不及了。其实我刚才讲的这些项目里边，我们在座的很多机构都有参与，所以今天看到的确这个都是平时牛市才会看到的结果，所以并不是遍地都是这样，但是我们看到了牛市的一个小影子，所以肯定是有明显的复苏的。 陈之琰：可以感觉到各位嘉宾有一点冰火两重天的感觉，在一些赛道可能就真的是投资机构的投资经理都在躺平的这样一个状态。我们看到像AI、像具身智能这样的赛道里面，肯定明星公司一定是投资人扎堆进场的状态。我们讲到说现在中国的这样一个创投，它主要的主题还是围绕着大的科技这样一个范畴在进行，这其实也是VC所诞生的，这就开始我们希望它所承载的社会意义，你需要去推动一个地方，或者说再往大点说，你需要去推动全人类的科技进步，去推动创新，去相信创新这一件事情。 我们发现，在你遇到大的环境相对比较困难的状态下，相信长期的创新和科技这件事情还是挺难的。包括我们有退出的问题，募资的问题，各种各样的问题在这里。我想问问看各位，在科技投资了这么多年之后，有没有总结出科技投资的能够和大家分享的秘诀和方法，心态上的也可以，技术上的也可以，投科技到底怎么才投得好？有没有走进过什么误区？也可以跟我们分享一下。这个问题我们要不从夏总开始？ 夏志进：这个问题好像比较难，因为我们做科技投资也有15年以上了，我觉得做科技的投资刚才讲到有很多的热点起起伏伏，但是作为投资人从心态方面还是需要有更大的耐心，刚才提到最好的投资的时间点肯定不是在风口来的时候，一定是要提前做布局，尤其是在座很多都是投早期甚至是天使阶段的项目。我讲一点，做早期的投资我们还是希望在大的方向上面寻求确定性，但是在小的赛道或者是项目的选取上面寻求创新性。 所谓的大的确定性，比如说我们如果看好人工智能，这个人工智能的方向非常大，比如说半导体产业链这也是我们投资的大方向，如果在方向上面有确定性，我们可以十年如一日投资布局，不会受短期外部环境和各种环境的影响。即使过去两三年大家投半导体不是像以前那么积极，我们持续投资寻找新的机会，如果大的方向确定你在很多时候变得更有耐心，不会因为一时的波动影响投资的策略。小的方面我们寻求细分赛道和创始能力方面可能要有更大的灵活性，比如说在前一年确实学习投资国产替代的项目，到后期已经不仅是国产替代，可能在前沿领域有很多自主创新，甚至是全球领先的技术。所以我觉得小的方面不管是赛道选择还是投资策略可以有更灵活的调整，可以在大的方面我觉得寻求更大的确定性。 宋春雨：这是一个非常有意思的问题。我回想我们投资科技的历程，从2011年联想乐基金开始，那是联想集团第一个科技风险投资基金，2012年我们投资旷视科技，当时人工智能领域几乎无人问津。十多年过去了，，有一点特别重要，那就是要对对科技有非常坚定的信仰，因为这是一个长周期的积累、创新、商业化，最终在产业界取得相应地位的过程。 我们在2017年投资寒武纪，后面又连续投资了四轮，每一轮都非常坚定，我们也是唯一投了四轮的机构，直到企业成功IPO。如今，寒武纪已经推出了非常竞争力的产品，并且连续两个季度实现盈利。所以投资人确实需要有非常强的技术判别能力，同时有长期陪跑、长期支持的决心，更需要有非常强的科技信仰。 第二个是依然要忍受投资失败，并不是每一次投资都会成功，这是很正常的。对标全球来看，中国应该会越来越多地出现像DeepSeek这样优秀的企业。梁总团队虽然只有200多人，但其战斗力不亚于2000人的团队，甚至在某些层面超越了。 DeepSeek发布到现在，中国其他的大厂没有交出一个和R1同样级别的模型，这是事实。未来，200人打2000人的现象会越来越多，无论创业者还是科技风险投资，他们也是互动的、彼此成就的过程。 陈万翔：基于多年投资实践，我总结出三点核心洞察供参考。 第一，针对科研院所专家、海外归国人才及企业高管等群体的投资项目，除了考量技术实力之外，团队核心成员的企业家精神尤为关键，这些科研人才不仅有深厚的学术功底，在团队建设、资源协调和商业洞察力上同样表现卓越，这是项目成功的重要保障。 第二，我们认为早期投资更具战略价值，可以把握价值增长空间。以我们2017年参与航天驭星天使轮投资为例，该项目如今估值已达30多亿元，通过后续B轮、C轮减持，投资本金得以顺利回流，早期介入为投资机构赢得了充分的价值增长与策略调整空间。 第三，我们观察到，高估值的融资有时会反噬团队的产业和发展。我们投的很多企业，尽量建议他们“小步快跑”，避免盲目追求高估值，虽然短时间估值高了，账面浮盈很好，但下一轮没融到钱，这个事就悬在那里了。所以我们建议机构深度参与早中期企业的融资规划和公司治理，协助企业优化资本结构，保障可持续发展。 刘毅然：我们还是聚焦和专注，今天硬科技的环境方向非常大，而且可以很分散，有很多可以花时间去学的东西，也有很多可投的主题，但是我们自己要有个选择，哪些是基于我们的前世今生，我们是能学得明白的，哪些是今年投完，五年之后仍然会看的，这个里面有我们自己持续学习反思与前进。 基于我们的基金，如果这个产品没有一行代码，我们投不了。因为不太适应这样的产品，我们看到里面有数据、有智能，不管产品形态怎么样，后面它怎么发展，有很多触类旁通的东西，我们愿意选择，所以相应的表现在这个规模上跟覆盖领域上我们也比较克制。在这个前提下，我们希望能有专注的、长期的、核心跟踪的一些领域。 曹国熊：首先这些年不管市场处于高潮或者低谷，我们普华每年的出手都维持在一个相对稳定的规模区间。普华资本是15年从整个TMT团队中，独立分出硬科技投资团队，一晃到现在也已经十年时间。关于硬科技投资的体会 ：第一点，硬科技创业企业必须是有自己核心技术壁垒，并且具备强大的技术创新能力，能够持续对核心技术进行迭代与更新。浙江现在评树“科技型企业家”，非常强调企业的“科技味”。第二点，技术对应有较大的产业市场，创业不是做科研。唯有将核心技术与庞大的产业市场深度结合，方能真正释放硬科技创业的巨大潜力。目前成功的科技企业创始人大都是具有科学家精神的企业家，或者说具有企业家精神的科学家。未来创始人可能更多会是个团队，一个科学家、企业家的组合团队。在英国剑桥我们有一个孵化器，里面孵化企业的股权结构大都是各三分之一：CTO 科学家三分之一，CEO一般是原500强的企业的职业经理人三分之一，投资机构三分之一。 科技领域做投资，投资人要时不时跳出技术看行业。要超越单一技术判断点，要结合产业生态、竞争格局和需求变迁中去预判。不溺于技术深沼，不困于风口幻象。 首先我们肯定强调长期的陪伴，事实上，最后跑出来的优秀企业这些没有十年的时间不可能，都是十年以上，都是各种曲折。我们必须有信心、有耐心。另一方面技术迭代日新月异，有些创业项目的发展路径也可能因时势变迁而不再适用。在这样的关头，作为陪伴者或者坐“驾驶副座”的投资人要帮忙适时“踩刹车”，避免资源的无谓消耗，这其实也是对创业项目本身的一种保护。这种关键时刻的决策能力，很考验人，对行业理解一定要深。 王啸：越是经济动荡，越是市场变化比较快的时候，我倒觉得越是科技型的公司更有韧劲。本质上来讲技术推动是更底层的力量，所以它如果技术上确实很强的话，它就是能够有一些突破。包括DeepSeek给市场看法带来这么大的颠覆，本质上是技术底层的突破展示的一种能力，大家看到它可以颠覆很多市场的认知，让整个市场变得更好，信心更足，所以我觉得技术本身越动荡的时候，越是应该投具备技术突破能力的公司。 第二技术突破是长周期的事，技术路径不断分支，这次为什么大模型发展起来？就是因为transformer这条路径被打通了，以前走的是另外一条路径，所以技术路径的切换、跟踪、研究性学习也是很关键的，否则大的技术路径走错了，投多少钱都没有用，路径走对了，投一点钱就迅速起飞，所以我觉得投科技最难的地方其实在一个技术的路径选择上，和技术商业化结合这两个点上，一定要有前瞻性的看法。不能别人都觉得这好了，已经共识了，你再投就很贵了。而共识形成之前如何来做判断，我觉得需要长期地跟踪和学习。在过程当中，比如这个方向刚出来，可能先投一些公司，交上学费，慢慢跟着学。 有一个例子就是我们看VR、AR这个领域已经看了八九年了，七八年前我们也适当地投了一点。这个路径的学习相当于是一个延续的过程，从波导技术到现在的AI眼镜相关的技术一直在向前发展。现在我觉得慢慢地到这一两年AI眼镜是真的有可能发展起来了，但这个过程已经10年了，我自己在这个领域看的项目不下几十个，每年能看三五个，一直在看，虽然觉得这个事还没有起来。但是我觉得现在起来了，所以这个路径的跟踪是非常久的。 包括人工智能，我们差不多10年前投了Momenta这样的自动驾驶公司。第一波是图片识别加自动驾驶，第二波人工智能是大模型，所以我觉得整个路径的学习还是挺关键，所以早期投资需要一个长周期，投资人也需要一个长周期，所以为什么我们都在招聘年轻一点的投资人，这样他更能扛得住长周期。 陈之琰：谢谢几位嘉宾，其实讲了很多关于科技怎么投，科技怎么去创业，听下来有一些关键词还是分享给各位观众，一个是你首先得专业，要专注，得有很长的耐心在这个行业里面持续下来。 我们刚刚聊了很多创业者可能会更关心的问题就是投资人在投什么。接下来这个问题我相信是LP们很关心的就是到底怎么去做退出，特别是对于我们早期的创投机构来说，退出看似是一个很十年以后的、很遥远的这样一个东西。但是其实在现在这样一个大环境下，当退出做不好的时候，其实你也很难吸引到LP给你持续的注资，持续有弹药去投我们真正想投的好的科技，好的未来。所以这个问题非常关键，非常好奇各位早期机构现在是怎么做退出的，怎么在多元的退出方式里面找到最适合的那一个，这个问题还是从曹总先开始。 曹国熊：因为从基金的角度来讲肯定要平衡好长期战略和短期收益。市场瞬息万变，需要有战场感觉。退出途径多种多样，若能坚守至企业IPO，那无疑是皆大欢喜的圆满结局，但有时候中间过程适时退出，平衡下基金的DPI也是需要的。还有如今年优秀创新药BD海外权益转让顺利，有大额的现金分配回来更是惊喜。 现在不论股市行情如何波动，国内的北交所还是上交所、深交所，IPO都是没有停止，全年国内大概100家左右IPO是可以预期。去年“并购六条”和重大资产重组管理办法出台，政策面鼓励上市公司进行产业整合，支持上市公司向新质生产力方向转型升级。我们很重视，今年普华已经有好几家并购重组成功案例，如国联证券与民生证券的合并，富乐德并购等等。这些都是比较可喜。还有很多产业并购的机会，要用好政策，更要对产业格局的理解足够深。另一方面，香港资本市场现在特别活跃，我们这半年顺利上市了毛戈平、佑驾智能、找钢网等等，在路上了还有近十家，所以我们要好好把握这个时间窗口。 王啸：我们偏向早期，最主要的是要投到确实有价值的项目才有可能退出，所以第一个肯定还是投到有价值项目并占一定比例的股份。 第二个就是我们整个退出还是要以基金的节奏为核心的衡量点，不是只看单项目，好项目的退出更容易，要适当根据基金的节奏，把好项目一点一点做退出，而不是只看一次性的收益。 第三点要找产业的机会，刚才曹总提到的，这里面有很多可以主动沟通操作和影响的空间，比如说我们有一个公司被转转并购，中间我们做了大量的工作，因为投资机构的信息量比创始人要多，可以主动的做中间的撮合工作，包括两边的价格的撮合，需要投资机构有意识专门去做。特别是市场IPO变慢的情况下，可以主动的寻找大规模并购的机会，也期待大平台公司的收购更加活跃。 夏志进：我觉得退出方面从去年到今年还是有很多好的迹象，不管是IPO、并购还是其他的都比以前更活跃了。我觉得这个当然是一个很好的事情，但我想强调一点，前几年我刚好看了一个非常有名的投资人讲到并购的事情，他提到一点就是说绝大部分的投资人对于自己已经拥有的东西过分珍惜了，所以很多时候在一些适合的时间点并没有实现退出。我觉得现实一点讲投资人也是要赚钱的，所以退出时机的把握也要有现实的考量，而且只有人赚钱的时候才能形成正向的循环，正向的循环才能带来长期的、耐心的资本。所以我觉得这个是一个可持续发展的一条路。所以我觉得退出我们肯定是各显神通了，就是说有什么退出的路径都需要去尝试，而不只是靠一条路去走。 刚才提到我们投资这个领域不能只是关注一两个，我们最近正在搞一个可持续发展的竞赛，有一千万的奖金，所以有一些创业者如果想在这方面做努力，可以关注我们的公众号。 宋春雨：退出对风险投资来说是一个挺有意思的话题，因为投资周期很长，基金的存续期或者是陪跑过程当中会有很多变化。目前来看，绝大多数的退出是依靠IPO，所以我们非常认同大家的观点，要投到好项目，这是最重要的，因为最终实现大的回报还是IPO。 第二点，我们要把每一次退出都当成一次新投资来对待，无论是项目总监拍脑袋还是主管合伙人拍脑袋都不行，要非常认真地判断到底怎么退，而且需要做大量的研究工作。我们珍视每个投资的项目，因为每个投资项目自有一套逻辑，你退出的时候又是新的决策。 第三点，我想要分享的是不能只盯着自己的项目，刚才夏总的观点我特别同意，创始人也有自己的理想和愿景，因为他们是经过艰苦卓绝的努力才走到这一步，但作为投资者，你确实需要从第三方视角去看待问题，既要与创始人共鸣，又要超脱出来，冷静地判断这件事应该如何发展。比如昨天一个消息挺触动我的，喜马拉雅和腾讯音乐合并，这其实就是双赢，此外最近我们的被投企业海光和中科曙光的合并在A股达到了1000多亿的市值，这也是非常好的策略。 我们也在纠结，没有一个固定的模式，但我觉得可能到了一定阶段，确实考虑这家企业在整个行业中的价值点是什么，什么是它最好的价值最大化逻辑。这需要一些三方视角，不能完全从单一项目本身去看，要综合考虑。 陈万翔：基于多年在资本市场摸爬滚打的经验，从老股减持、并购，到IPO、破产清算等业务，我和团队都深度参与过。去年，我们东方嘉富又迈出了重要一步——成功募集两支定增基金，专注于上市公司的增发项目，发力成熟上市公司的战略投资。 我们一直希望探索早期风险投资（VC）与成熟上市公司投资之间的协同路径。通过基金搭建桥梁，推动上市公司与早期项目在联合投资、孵化投资、并购投资等领域产生 “化学反应”，实现资本与产业的高效融合。即便暂时没有达成实质性合作，我也期待能借此平台，让上市公司负责人与早期项目团队充分交流，在思维碰撞中挖掘潜在机遇，持续探索创新投资模式。 刘毅然：我简单补充一点，我们现在讲一个退出工作的仪式感，随着我们进入越来越多的基金和项目进入退出期，实际上我们现在花的时间、精力、比重以及机构化程度都是在迅速提高的。我们有专门的投资流程，也有专门的退出流程，有投委会和退委会。我们退出要投票，我们有投票要记录存档，退出的材料要求等等，在退出上我们要充分提高意识跟重视程度。 第二点我的感受就是美元基金跟人民币基金的退出不完全一样，其实人民币不光是IPO退出的项目，还有大量需要你挽救甚至提早结束的项目，其实这也有很多具体的工作，我们也在认真地做，这也是一个补充。 陈之琰：谢谢各位嘉宾，因为今天时间限制，还准备了很多问题，没有办法在这个时间框架内交流了，希望大家在这场圆桌结束之后可以联系到各位嘉宾去做更多的交流。以前我们做媒体的时候经常会说，投资人是预言家和魔术师，有点石成金的这样的能力。今天这张圆桌其实给大家呈现了在这个神奇的能力之后，其实有很多的耐心，有很多科学去判断思考的部分，希望能给到大家更多的启示。 这场圆桌就先到这里，谢谢各位嘉宾，也谢谢大家！

为更好满足旅客携宠出行的需求，**铁路部门自即日（6月20日）起扩大高铁宠物托运服务试点范围。**今年4月8日，中国铁路在京沪高铁5座车站、10趟列车试点高铁宠物托运服务以来，运行平稳有序，市场反响良好 **如今扩大范围后，共覆盖京沪、京广、京哈、沪昆等8条高铁的25座车站、38趟动车组列车。** 新增20座车站包括北京西、郑州东、武汉、长沙南、广州南、深圳北、沈阳北、大连北、哈尔滨西、西安北、成都东、青岛等。 **旅客可同车托运1只家庭驯养且健康状况良好、单只体重不超过15公斤、肩高不超过40厘米的猫、犬类宠物。**扩大试点范围后，高铁宠物托运服务继续执行“人宠同出发、同到达”规则，预约方式、受理流程、服务项点、价格标准等保持不变。 旅客可通过铁路12306客户端“宠物托运”功能查询对应车次，购买车票并线上预约同车托运宠物服务。 预约成功后，旅客在乘车前按约定时间携带宠物及购票使用的有效身份证件、《动物检疫合格证明》，前往出发高铁车站的中铁快运营业部办理托运手续。抵达目的地车站后，旅客根据短信或电话提示领取宠物。  [查看评论](https://m.cnbeta.com.tw/comment/1508000.htm)

**10年10000倍**！车端**自动驾驶芯片**的算力纪录，正在被这样的速度刷新。**2500TOPS**，全部**有效AI算力**，来自始终笃信“第一性原理”的**马斯克，和他的特斯拉**，最新车载芯片曝光。  与其说“下一代”，不如说“领先一代”，因为2500TOPS的芯片被曝已成功流片，最快明年上车。 车端算力水平业内主流还是254TOPS，500-700TOPS只有头部玩家才有实力部署，极个别玩家算力堆到了1000TOPS以上。 特斯拉硬件性能的算力增长速率，远超当下行业共识和普遍节奏规律。 甚至10年前的马斯克自己，也很难料到。 算力10年涨10000倍，特斯拉最新车载芯片曝光 **最新曝料**，特斯拉下一代自动驾驶车端芯片，**已经流片成功，进入批量生产的准备阶段**。 **3nm工艺**，主要还是台积电代工，韩国的三星作为产能后备。 最重要的是算力——**2000-2500TOPS**之间。  消息是**韩国每日经济新闻**最先曝出的，这是韩国影响力最大的经济报刊，1966年军政府时期成立（也是韩国各大财阀起家创业时期），政治立场保守偏右，而它背后的财阀支持，也有三星的影子。 所以可以认为这则曝料准确度很高，北美的媒体也广泛引用了这一消息。 2014年特斯拉首款车Model S，搭载了HW1.0硬件，底层采用了Mobileye的**EyeQ3芯片**，**算力0.256TOPS**。 2014年5月5月，一辆开启“Autopilot”的特斯拉与一辆大型拖车相撞，导致驾驶员死亡，这是自动驾驶历史上首例公开的死亡事故。随后，特斯拉迅速将核心算力从Mobileye更换为NVIDIA的“Drive PX2”，算力24TOPS。  并且同步招募了硅谷半导体大师吉姆·凯勒（Jim Keller）以及曾在英特尔和苹果工作过的皮特·班农（Pete Bannon），开始自研自动驾驶芯片。 2019年HW 3.0发布，底层全部换装特斯拉自研产品，14nm工艺，单片算力72TOPS，板卡算力144TOPS。搭载在特斯拉绝对销量担当的Model 3 和ModelY上。 2023年特斯拉发布了HW4，5nm工艺，单片算力推测在200-300TOPS，车载平台算力超过了500TOPS。也是从这一代硬件开始，特斯拉在北美完全抛弃了毫米波雷达及超声波雷达，走向更纯粹的视觉路线。  仅仅一年过后，新芯片算力已超2000TOPS，相比10年前的EyeQ3，已是10000倍的差距。 而马斯克不久前在财报会议上说，**AI5整个套件算力会是HW4.0的十倍**，由此推断真正上车时，AI5应该还是**双芯片冗余，单颗算力至少2000TOPS+，整车算力4000TOPS以上**。 这个水平远远超过目前L2+的主流算力配置。 国内玩家，比如大疆、比亚迪都已经验证，跑通一个端到端模型，其实并不需要泼天算力；甚至特斯拉自己，也在144TOPS的HW3.0方案上，OTA了最新的FSD版本。 技术客观，塑造了当下智能化竞赛各个玩家的“装备配置”的基本思路。 只求实现高速NOA和泊车功能的，采用德州仪器数十TOPS芯片，或100TOPS左右的高通8650、8620足矣，通常见于缓慢转型的合资车，或强调性价比的国产A级小车。  这种算力条件下，其实也能强上“车位到车位”功能，只不过体验要做好难度极大。 用户心理层面可用敢用的城市NOA能力，通常至少需要一块英伟达Orin，256TOPS算力。这也是目前绝大多数“智能普及”车型采用的方案，可以说是当下成本性能最平衡的。 再进一步要把“车位到车位”体验做的足够好，接管率足够低，就需要两块Orin的算力支持。 但多块芯片之间的通信、任务分配，并行计算等等难度很大，要想把VLA这样的数十亿、百亿及参数模型跑在车端，就必须要更大算力芯片——700TOPS+的英伟达Thor在中国市场率先落地量产，正是自动驾驶技术体系的体现。  但这也就是现在量产辅助智驾的最高“装备等级”了。 小千TOPS算力下，VLA到底该怎么部署、算力到底是不够还是有余、是不是能完全利用……各家都在探索，还没有人能给出准确答案。 特斯拉把算力军备竞赛一下拔高到数千TOPS，真的有必要吗？ 数千T，特斯拉怎么用？ 英伟达Thor 2022年首次亮相时，老黄给的算力数据就是2000TOPS，震撼了整个车圈。 2025年量产上车的版本，包括理想、极氪，实际却是750TOPS算力的版本。 有传言说是吴新宙从小鹏到了英伟达后，劝老黄其实车端没必要这么大算力，成本也受不了。  所以海外媒体、用户对标特斯拉AI5的英伟达产品，不是Thor，反而是最新的5080、5090。 比如5080大约等效1800TOPS，5090则是 3，400 TOPS。 但这样的类比其实并不合理，因为特斯拉自从HW3.0开始，算力描述指的就是完完全全服务AI模型的**有效算力**。 也就是支持大规模乘加运算，并针对Transformer架构、算子做了特殊优化的**NPU算力**。 这也是通用GPU源流的英伟达芯片和车企自研自动驾驶芯片的根本不同。  资深从业者曾向智能车参考透露，包括Orin和Thor，整个芯片设计思路还是从传统显卡出发，尤其是Thor又要兼顾一部分座舱功能，包括了很多不同用途的模块，自动驾驶模型真正调用的有效算力，是达不到宣传数字的。 这也是为何特斯拉、小鹏、蔚来，以及Momenta等等自动驾驶玩家都要自研芯片的原因。 AI5的2000TOPS+算力，代表着超大参数模型可以上车。 特斯拉目前云端超算建成约30EFLOPS算力，**在训练的云端基座模型据说参数已经超过500B，也就是5000亿参数**，和领先的大模型玩家已经没有任何区别。 而从目前大模型技术出发推断，能用在驾驶任务的多模态大模型，也只有VLA。  流行的端到端实际参数量大约都是几十亿，同时还是“黑盒”，难以证明模型是真的理解路况，还是条件反射式的模仿。所以理论上限高，但很实际效果难控制，只能通过调整训练数据的分布来“间接”影响模型能力，下限依然需要规则兜底。 马斯克赌的，其实就是超大模型的“智能涌现”，让AI司机真正产生对环境场景的的认知理解能力，由此解决corner case。 云端多模态大模型具备基础能力后，在通过强化学习手段规范安全可靠性，然后通过知识蒸馏方法得到可在车端部署的较小模型。 当然车端的“小”模型是相对而言，整体规模仍然高出传统端到端，所以需要超大算力芯片。 另外从安全出发，依赖云端能力和即时通信的系统，安全隐患很大，车端部署完整模型也是必须。  同样的路线，特斯拉再走，国内的小鹏蔚来理想华为等等都在走，它们在一同推动自动驾驶领域的一场新革命：**“算力即能力”**。 对传统量产辅助驾驶，从今年开始会迅速分化成入门性价比的阵营，和超大算力高阶阵营。前者可能更多见于合资车或自主性价比入门车型，主打“有就可以，基本能用”，OTA潜力有限。 后者则有希望突破L2限制，在安全性、易用性、接管率上实现质变，即各家都在说的“L3”。  而对L4阵营，自动驾驶新的技术思路和话语体系出现，并且上路近在眼前，如果AI司机智能涌现真的被验证，沉寂多年的“升维降维”之争，又要被热烈讨论了。 甚至特斯拉的AI5、小鹏的图灵、蔚来的神玑等等仅仅是个开始：10年前没人能想到车端算力有万倍提升，未来数年，谁又能断言数万TOPS的“超级AI汽车”不会成为现实呢？ 毕竟，大模型的上限还远未达到。 [查看评论](https://m.cnbeta.com.tw/comment/1507998.htm)

三星 Galaxy S25 FE 出现在SammyGuru与OnLeaks合作分享的 CAD 渲染图中。三星 Galaxy S25 FE 的设计与其前代产品Galaxy S24 FE相比变化不大。这款智能手机采用金属机身，配有扁平边框，正面采用打孔显示屏，背面配备垂直排列的三摄像头。  三星 Galaxy S25 FE 的右侧是音量键和电源键，底部是 USB-C 接口，两侧是 SIM 卡槽和扬声器格栅，格栅上可能还装有麦克风。顶部还有另一个麦克风。 三星 Galaxy S25 FE 的设计语言虽然与前代产品相同，但尺寸有所不同。据消息人士透露，S25 FE 的尺寸为 161.4 x 76.6 x 7.4 毫米，而 S24 FE 的尺寸为 162 x 77.3 x 8 毫米。  这使得 S25 FE 比 S24 FE 略短，但尽管如此，消息人士称 S25 FE 配备了 6.7 英寸显示屏，与 S24 FE 相同。这得益于更窄的边框。消息人士没有提及屏幕分辨率，但表示它是一款 Super AMOLED 面板，刷新率为 120Hz，峰值亮度为 2600 尼特。 S25 FE 也比 S24 FE 更薄，希望 0.6 毫米的差异不会导致电池容量的减少，因为三星一直对在其智能手机中使用硅碳电池感到不满。  三星尚未透露 Galaxy S25 FE 的消息。不过，有传言称，这款智能手机将搭载 Exynos 2400 或 Dimensity 9400 SoC，并配备 12GB RAM。它将提供 256GB 和 512GB 两种存储选项，并可预装基于 Android 16 的 One UI 8 系统。 三星 Galaxy S25 FE 的前置摄像头将使用 12MP 传感器，而后置三摄像头设置将包括 50MP 主摄像头（带 OIS）、8MP 远摄摄像头（3 倍光学）和 12MP 超广角单元。 [查看评论](https://m.cnbeta.com.tw/comment/1507996.htm)

“观众意见”真伪待考。

松绑，但不能松懈。

宝马被问界、理想们围剿。

<blockquote><p>在警务工作全面数字化的背景下，公安视图库已成为现代警务实战的关键支撑平台。它汇聚了海量的视频监控数据，为刑侦追踪、交通治理、治安防控等核心业务提供了强大的数据支持。然而，不同警种（如刑警、交警、治安警）面临着各自独特的任务目标和工作场景，对视图库的需求也存在显著差异。本文将深入探讨如何针对不同警种的业务特点，实现公安视图库的深度定制化应用，从而提升警务实战效能。</p> </blockquote>  在警务工作全面数字化的背景下，公安视图库已从单纯的视频存储系统，演进为支撑现代警务实战的关键平台。它汇聚了城市密集监控探头、人像卡口、车辆识别点产生的海量数据，为刑侦追踪、交通治理、治安防控等核心业务提供了强大的数据支撑。 然而，一个现实是：刑警、交警、治安警，他们面对不同的任务目标、工作场景和核心需求。期望一个“通用版”视图库满足所有警种的需求，既不现实，也限制了数据价值的深度释放。如何让视图库从通用平台，转变为深度契合各警种工作流程和核心需求的定制化工具？ 这不仅是技术问题，更是提升警务实战效能的关键。 本文将深入分析不同警种的业务特点，探讨视图库深度定制的策略与实践。 ## 一、理解警种的业务特点：需求差异的根源 要让技术真正服务于实战，首先要理解不同警种工作的核心逻辑和痛点。 ### 刑侦部门：线索整合与轨迹还原 **核心需求：** - 锁定目标人物/车辆，精确还原犯罪轨迹，形成无懈可击的证据链。 - 对数据的精准性、完整性和时空连续性要求近乎苛刻。 - 一个模糊的车牌、一段缺失的录像，都可能让线索中断。 **实战场景与技术挑战：** 想象一下，面对一起精心策划的跨区流窜盗窃案。嫌疑人刻意避开主要监控，频繁更换交通工具和衣着。 刑警的难题是：如何在跨越数天、覆盖多个街区、涉及上百个探头的庞杂视频流中，揪出那个“幽灵”？ 他们往往无法奢求一张清晰的正面照，而需要捕捉步态特征、习惯性小动作、衣着细节的渐变、随身物品的独特性。更重要的是，要将这些看似孤立的碎片，智能地串联起来，拼凑出“踩点-实施-逃离-销赃”的完整行为链条。 这对视图库提出了极高要求： - 强大的时空关联分析引擎，能跨越时间和空间自动关联线索； - 先进的视频智能增强技术（如超分辨率重建、去模糊、低照度增强、去抖动），能让那些原本“看不清”的昏暗、抖动、遮挡画面中的关键细节“浮出水面”。 一个能理解“跨时空关联”和“特征连续性”的系统，才是刑侦的刚需。 ### 交通警察：交通管理与执法 **核心需求：** - 实时掌握路况脉搏，快速查处交通违法，精准还原事故现场。 - 对数据的实时性、识别准确率和系统响应速度有着极致依赖。 - 几秒钟的延迟，可能就是拥堵的开始； - 一个车牌的误识别，可能导致执法偏差。 **实战场景与技术挑战：** 早晚高峰，城市主动脉车流如织。指挥中心大屏上，视图库必须实时汇聚并处理各路口卡口的车流数据。 当某关键路口突发追尾，瞬间引发连锁反应。 交警需要秒级调取事故点前后多角度的高清实时视频，清晰判断碰撞瞬间、责任划分；同时，需要视图库快速分析周边路网实时流量数据，驱动智能交通信号系统（如SCATS/SCOOT）进行远程配时优化，疏导分流。 查处一辆在全市流窜作案的“套牌车”？这要求视图库能无缝整合不同行政区、甚至不同建设标准的卡口数据，构建统一的车辆通行档案，实现跨区域车辆轨迹的秒级回溯和违法记录的自动关联。 任何数据孤岛、格式不兼容或识别引擎的误差，都会成为效率的绊脚石。高并发实时处理能力、精准的AI识别算法（车牌、车型、车身特征）、跨域数据融合机制是交警业务的基石。 ### 治安警察：态势感知与风险防控 **核心需求：** - 实时感知社会面整体态势，智能预警潜在风险，快速联动处置突发事件。 - 对数据的覆盖广度（重点区域）、智能分析预警的精准度、以及态势信息的直观可视化呈现要求极高。 - “看得全”、“看得懂”、“反应快”是关键。 **实战场景与技术挑战：** 一场数万人的大型演唱会即将散场。治安指挥中心通过视图库平台，实时监控着各出入口、通道、广场的动态。 系统需要基于智能算法，实时计算并可视化呈现人流量、人群密度热力图，并持续分析人群的流速、流向和行为模式（如正常行进、聚集、推挤、奔跑、摔倒、异常滞留、物品遗留）。 突然，系统在某狭窄出口区域检测到密度急剧升高、流速骤降、并出现局部推挤行为的特征模式，立即触发分级预警（如橙色）。指挥员需要瞬间调取该区域多角度高清实时画面和关联录像片段进行人工复核确认，并立即通过对讲系统指挥附近机动警力、现场安保人员介入疏导，甚至联动广播系统进行引导，将一场潜在的踩踏风险化解于萌芽。 日常工作中，对重点场所（车站、商圈、医院）的异常行为（如长时间徘徊、尾随、物品遗留）的智能识别与预警，是治安防控的“火眼金睛”。 挑战在于： - 人群行为复杂多变，如何定义“异常”？ - 算法模型如何适应不同场景（体育场出口 vs 开阔广场）？ - 如何在高密度环境下保证识别精度，减少误报（将打闹误判为斗殴）和漏报（隐蔽的扒窃预备）？ 这需要高度场景化的AI模型训练和持续优化。 ## 二、视图库应用的挑战：共性与个性问题 视图库价值巨大，但在实际落地中，各警种面临共同挑战和各自痛点。 ### 共性挑战：技术应用的基础瓶颈 **检索效率低：**数据量爆炸式增长，传统的基于时间轴拖动、简单关键字（如“红色上衣”）检索的方式效率极低。民警为了寻找嫌疑人关键的几秒钟画面，可能需要目不转睛地筛查数小时甚至数天的录像，极易疲劳且容易遗漏关键信息。缺乏高效、智能的跨摄像头、跨时空检索能力是普遍痛点。 **原始视频质量差：**老旧设备、复杂光照条件（强逆光、夜间）、恶劣天气（雨、雾、雪）等因素导致大量视频画质不佳。人脸模糊、车牌无法辨认，再先进的AI算法也无能为力。原始视频质量参差不齐，严重影响后续的智能分析和证据效力。 **数据共享难：**部门壁垒、地域限制、系统异构（不同厂商、不同时期建设）、数据标准不统一等问题依然顽固存在。交警跨市追车线索中断、刑侦跨省串并案调证流程繁琐耗时，根源在于数据无法顺畅“流动”。缺乏统一的数据接入、治理、共享标准和高效平台，导致综合效能大打折扣。 ### 个性痛点：警种业务的核心瓶颈 **刑侦：**系列案件、流窜作案的核心挑战在于如何将分散在不同时间、不同地点、甚至不同案件中的碎片化线索（模糊人像、可疑车辆片段、特定行为）进行智能关联。现有视图库的线索关联功能往往比较基础，主要依赖人工进行耗时费力的时空比对和特征匹配，效率低且容易遗漏关键连接点。缺乏强大的跨案件、跨时空线索自动挖掘和关联推理引擎。 **交警：**车辆的流动性天然要求视图数据的互联互通，但现实往往是“画地为牢”。异地违法车辆信息获取滞后（依赖人工协查）、跨区域事故现场还原困难（视角缺失）、对套牌车的精准打击效率低下（无法快速比对全域通行记录）。核心痛点在于缺乏高效、标准化、自动化的跨区域车辆视图数据共享交换机制和实战平台。 **治安：**人群行为的复杂性和场景的多样性，使得现有智能分析算法对异常行为的界定和识别精度面临巨大挑战。过高的误报率（False Positive）会导致“狼来了”效应，消耗宝贵的警力资源；而漏报（False Negative）则可能意味着错失处置良机，造成严重后果。如何让算法模型更深入地理解不同治安场景下“正常”与“异常”的细微差别？如何建立更科学、更场景化的多级预警阈值模型？这是治安应用亟需突破的瓶颈。 ## 三、深度定制策略：构建警种专属功能 解决上述问题，需面向警种核心业务流深度定制，优化数据治理、处理流程、智能算法和人机交互。 ### 数据为本：面向场景的治理与融合 **刑侦：构建“案件线索数据中心”** **数据抓取策略：**案件发生后，优先、自动抓取涉案时空范围（案发前后N小时，辐射周边X公里）内，尤其是关键节点（出入口、必经之路、易藏匿点）的高清视频源。建立涉案视频资源池。 **数据融合广度：**强力整合资源，不仅要公安自建的街面监控、治安卡口、电子警察，更要建立高效、安全的机制，按需接入关键社会面视频资源（小区出入口、商铺门口、停车场内部、单位内部公共区域），编织“天罗地网”。探索建立社会资源视频接入的质量评价和优选机制。 **数据预处理增强：**对纳入案件视图资源池的视频，自动进行预增强处理（如去抖动、低照度增强、去模糊），显著提升后续人工查看和智能分析的可用性。建立案件专属的视图数据集，方便后续的深度线索挖掘和关联分析。 **元数据强化：**对视频片段、抓拍图片进行更丰富的结构化标注（时间、地点、摄像头ID、初步识别出的对象类型/特征等），便于高效检索和关联。 **交警：构建“车辆全息档案库”** **全域数据整合：**整合覆盖所有道路的多源车辆通行数据，包括固定卡口、电子警察、移动警务终端（车载、手持）抓拍、甚至部分具备车辆识别能力的治安监控。 **数据结构化与索引：**数据在接入层或入库时即进行深度结构化处理：按精确时间戳、高精度地理位置（GPS坐标或路段桩号）、车牌号码（OCR结果及置信度）、车辆品牌型号/子款、车身颜色、显著特征（天窗、车贴、破损等）等维度进行精细存储。建立多级复合索引（时间+地点、车牌+时间、车型+颜色+时间等），确保毫秒级检索响应。 **实时性保障：**架构设计上优先保障实时数据的低延迟接入与处理流水线。采用消息队列（如Kafka）、流处理引擎（如Flink）等技术，确保通行数据能在秒级内入库并可供查询。 **跨域协同机制：**推动建立省/市级乃至区域级的车辆视图数据交换标准和共享平台。采用统一的数据格式（如GA/T 1400视图库标准）、安全的数据传输协议、标准化的接口（API），真正打通车辆数据的“任督二脉”，支撑跨区域轨迹回溯和违法协同查处。 **治安：构建“重点区域态势感知网”** **数据接入聚焦：**对人员高度密集场所（交通枢纽、商圈、景区、大型活动场地）、治安复杂区域、重点保卫目标的视频流，实施重点监控、高优先级保障带宽、冗余存储。 **场景化预处理：**数据接入时即结合治安业务需求进行实时或近实时预处理： - 利用背景建模、目标检测与跟踪算法实时计算人流量统计（进/出/滞留）。 - 基于人群分布实时生成高精度密度热力图。 - 在特定划定的关注区域（如安检口、狭窄通道、物品寄存处）进行行为模式基线建模（学习正常状态下的人群流速、分布），为异常检测打基础。 **数据标签化：**为视频数据打上丰富的场景语义标签（如“火车站西广场进站口”、“演唱会A区看台出口”、“医院急诊大厅”），便于后续进行针对性分析和快速场景化检索、规则应用。 ### 功能进阶：紧贴实战的智能赋能 **刑侦：线索挖掘与证据强化** **智能线索串并引擎：**开发基于图计算技术的核心功能。引擎能够： - 根据时空接近性（案发时间、地点重合或连续移动）、对象特征相似度（人：步态、体型、衣着；车：车型、颜色、特征物；物：背包、手提袋）、行为模式匹配（徘徊、窥探、快速接近/离开）等多维度特征。 - 自动发现、关联不同案件、不同监控点中可能属于同一目标或同一链条的线索片段。 - 智能推测线索间的可能关联性，并计算置信度。 - 将结果可视化呈现为动态的线索图谱（知识图谱）或时空轨迹图，清晰展示嫌疑人/车辆的“活动拼图”，辅助侦查员快速形成侦查假设。 **视频增强与特征强化工具包：**集成业界领先的CV算法，提供一站式视频处理能力： - **超分辨率重建：**提升低分辨率视频的清晰度（如从720P到1080P感观）。 - **视频去模糊：**有效改善运动模糊、离焦模糊。 - **低照度增强：**显著提升夜间或昏暗环境视频的可见度（如Retinex, Zero-DCE等算法）。 - **视频去抖动：**稳定因风力或安装不稳导致的画面抖动。 **局部特征标注与比对：**提供专门工具，允许侦查员在增强后的画面中，对人体局部（疤痕、纹身、胎记）、人脸局部（痣、眼镜特征）、车辆局部（独特挂饰、车贴、破损、改装）进行高亮放大标注，并支持跨视频的相似特征比对。 **交警：效率与精准执法** **车辆轨迹一键回溯：**输入车牌号（或模糊车牌+车型颜色等组合特征），系统基于强大的时空索引和GIS引擎，秒级生成该车在选定时间段内（如过去24小时、一周）在全市范围内（通过跨域平台可扩展至邻市、全省）的完整行驶轨迹动画。精确标注车辆经过每个关联卡口/监控点的时间、速度、方向。支持叠加实时路况图层（红黄绿）、历史交通流数据、信号灯状态，辅助理解行驶路径选择。 **违法事实智能快照：**结合车辆实时/历史轨迹数据与内置的违法地点规则库（如某路口禁止左转、某路段限速值、实线区域），利用视频智能分析： - 自动识别并截取违章行为（如闯红灯、压实线变道、不按导向车道行驶、违停等）发生的关键视频片段（5-10秒）和高清图片（至少3张，包含全景、车牌特写、违法瞬间）。 - 自动关联车辆基本信息、车主信息、历史违法记录。 - 自动生成包含时间、地点、违法类型、证据图片/视频链接的完整违法证据链包，大幅简化民警取证、录入流程，实现“所见即所罚”。 **治安：态势感知与风险预警** **人群态势智能感知与预警平台：**深度融合多种算法，构建全方位感知能力： - **高精度人流量统计：**基于深度学习的目标检测与跟踪（如YOLO, DeepSORT），实现出入口、区域边界精确计数。 - **实时密度热力图生成：**基于人群分布点，快速生成可视化热力图，直观显示拥挤区域。 - **群体行为模式识别：**训练专门模型识别聚集（Crowd Gathering）、四散（Crowd Dispersion）、推挤（Crowd Pushing）、奔跑（Crowd Running）、摔倒（Person Falling）、异常滞留（Loitering）、物品遗留（Abandoned Object）等关键态势。 - **多级预警阈值模型：**根据不同场景物理特性（如体育场出口狭窄度、广场开阔度、通道长度）和活动性质（日常 vs 大型活动），设置差异化的预警规则和阈值（如密度阈值、单位面积流速阈值、特定行为持续时间阈值）。引入置信度机制，减少因光影变化、特殊群体行为（如追星）导致的误报。预警信息与电子地图、关联实时视频画面联动弹窗推送。 **重点人员/物品布控联动：**与公安“大情报”系统、在逃人员库、走失人员库、布控对象库深度对接。在视图库接入的视频流中，利用人脸识别、人体Re-ID（再识别）、物品识别技术，实现对特定目标（如全国在逃人员、走失老人儿童、可疑包裹/车辆）的自动检测、跨摄像头持续跟踪、实时报警。报警信息推送至相关责任民警移动警务终端或指挥平台。 ### 交互提效：符合警种思维的操作界面 (UI/UX) **刑侦界面：以“案件/线索”为中心** **核心布局：**主界面采用“三视图联动”：时间轴（清晰标记案件关键时间节点和发展脉络） + 高精电子地图（空间分布，直观展示线索点位、轨迹） + 线索列表/图谱（结构化展示人、车、物、行为等线索实体及其关联关系）。 **关键功能：** - **协同标注工具：**支持多名侦查员在线同时对同一段视频进行圈画、注释、添加标签、建立线索关联（如“视频A中的人影X” 关联到 “案件B中的嫌疑人Y”）。标注信息实时同步共享。 - **智能筛选：**支持按多种特征（时间范围、地点范围、对象类型、颜色、行为标签）、组合条件快速过滤海量视频，精准定位目标片段。 - **线索关系图谱可视化：**动态展示线索间的关联网络，支持钻取查看详情。操作逻辑需紧密贴合侦查员“由点及面、关联发散、假设验证”的思维习惯，减少操作层级。 **交警界面：以“地图+车辆”为核心** **核心布局：**电子地图占据绝对主视觉。实时叠加丰富的交通信息图层：交通流量（用颜色编码表示畅通/缓行/拥堵）、实时拥堵指数、事故/事件点位（图标+详情）、违法高发区域热力图、路口信号灯实时状态（红/绿/黄）。 **关键功能：** **车辆查询入口：**输入车牌号，地图上动画展示其历史轨迹（可快进、慢放、暂停），或基于最新卡口数据预测其当前位置/可能路径。 **违法处理模块集成化：**将“车辆轨迹回溯”、“违法事实智能快照”生成的证据包、违法信息录入界面、简易处罚决定书生成等功能整合在一个流畅的流程中，实现“一站式”处理。界面设计追求信息高度聚合、关键指标一目了然（如当前拥堵指数、事故数）、核心操作（轨迹查询、违法录入）一键直达。 **治安界面：强调“态势监控与快速响应”** **核心布局：**多画面实时监控墙是基础，支持灵活分割（1/4/9/16等）、快速切换重点区域画面。在监控画面上或侧边栏叠加显示核心态势信息：实时热力图、关键区域人流量统计数值、实时预警信息弹窗（分级颜色提示）。 **关键功能：** - **快捷应急操作：**提供醒目的“一键调取预案”（显示预设的处置流程）、“一键通知附近警力”（通过警务通或对讲系统派发指令）、“一键回放关联录像”（快速查看预警触发前N分钟的画面）按钮。 - **大屏优化设计：**界面UI针对指挥中心大屏显示进行专门优化：字体够大、关键信息（预警级别、人流量、热力图）色彩对比强烈、按钮尺寸适中易于触控。核心目标是确保指挥员在紧急情况下能一眼看清态势、一步完成关键操作。 ## 四、 实战效果：定制化带来的效能跃升 技术方案的价值，最终要在真实的警务战场上检验。 ### 案例一：刑侦快速破获跨区飞车抢夺案 **案情：**某市连续发生跨区飞车抢夺案，嫌疑人反侦查意识极强，频繁更换摩托车、头盔和衣着，传统摸排陷入僵局。 **定制技术应用：**刑侦部门启用新部署的定制化视图库平台。 - 侦查员将前期掌握的几处模糊的嫌疑人侧影片段（不同时间、不同地点）和作案摩托车的局部特征（如独特的后货架绑扎方式、排气管形状）输入“智能线索串并引擎”。 - 引擎基于时空分析、人体Re-ID特征比对、车辆局部特征匹配，在数小时内自动关联了分散在三个行政区、跨越一周时间的数十个看似无关的监控点视频片段。 - 结果：系统自动生成了嫌疑人完整的闭环轨迹图，清晰显示其在不同区域更换摩托车的地点、藏匿窝点所在的城中村楼栋、以及销赃的二手手机市场摊位。轨迹图在电子地图上动态呈现。 - 关键突破：利用“视频增强工具包”中的超分辨率重建和去模糊算法，对一段极其模糊的夜间城中村入口视频进行处理，成功提取到嫌疑人摘下头盔瞬间相对清晰的面部特征，为身份锁定提供了关键支撑。 **成效：**专案组依据系统输出的精准线索图谱和增强后的图像，迅速锁定嫌疑人身份和藏匿点，在案发后72小时内成功实施抓捕，打掉一个流窜作案团伙。线索关联和关键特征提取的效率提升是破案的核心加速器。 ### 案例二：交警高效处理交通违法举报 **痛点：**某市交警以往处理群众举报的交通违法（如“不按导向车道行驶”），民警需手动查找举报地点附近的监控点，反复回放录像寻找目标车辆和违法瞬间，平均耗时30分钟以上。 **定制技术应用：**支队在定制化视图库中重点部署了“车辆轨迹一键回溯”和“违法事实智能快照”功能。 - 民警收到举报后，只需输入被举报车辆车牌号。 - 系统基于跨卡口数据，秒级生成该车在举报时段内行驶路线的动画轨迹，并自动定位到违法发生的精确路口和时刻。 - 智能快照功能随即自动截取包含清晰车牌和完整违法行为的3张不同角度图片及一段5秒关键视频（清晰显示车辆在实线区域变道）。 - 系统自动打包生成包含上述证据、时间、地点、违法类型的完整证据链。 **成效：**民警只需对系统自动生成的证据包进行快速审核确认，即可完成违法录入。整个流程从过去的平均30分钟以上缩短至5分钟以内。警力处理效率成倍提升，群众举报反馈更及时，执法规范性也得到加强。自动化证据链生成是效率跃升的关键。 ### 案例三：治安有效防范大型活动踩踏风险 **场景：**一场超大型户外音乐节，数万观众即将散场。 **定制技术应用：**安保指挥部全程依托治安定制视图库的“人群态势智能感知平台”。 - 大屏上，各区域实时更新的热力图和人流量统计一目了然。 - 演出结束前15分钟，系统基于安装在某狭窄出口区域的摄像头数据，检测到该区域瞬时人流密度急剧攀升（超过预设的橙色阈值）且人群平均流速骤降，同时算法识别出局部区域出现明显的推挤行为模式。系统立即触发橙色预警弹窗。 - 预警信息精准定位到具体出口（如“北区2号出口”），并自动关联推送该区域的多个高清实时监控画面。 **成效：**指挥员瞬间调取画面确认情况（画面显示人群在出口处形成明显阻滞和推挤），立即启动预设疏导预案：通过现场广播引导部分人群向备用出口分流；指令临时增开备用出口闸机；通过对讲系统调动附近机动警力和安保人员迅速加强该出口的疏导力量。从系统预警发出到疏导措施基本到位，仅用时3分钟。有效缓解了出口压力，避免了可能的拥挤踩踏风险，保障了数万观众安全、有序离场。场景化的多维度实时感知和分级预警机制是成功的关键。 ## 五、总结与未来方向：迈向智能化与融合 公安视图库的差异化应用与深度定制，是以警种核心业务痛点为导向，以数据智能为驱动，以实战效能为目标的系统工程。实践证明，成功的定制能显著缩短破案周期、提升执法效率、增强安全防控能力。展望未来，视图库的智能化、个性化之路将向更纵深发展： **1）AI驱动更深洞察：** - **预测性警务：**结合计算机视觉（CV）、机器学习（ML）、图神经网络（GNN）以及历史案件、社情、时空数据，视图库将从“事后追溯”走向“事前预测”。例如：预测特定区域、时段的犯罪热点；评估交通拥堵的演化趋势和影响范围；识别更复杂、更隐蔽的异常行为模式（如扒窃团伙的协作信号、特定场所的可疑踩点行为）。 - **认知智能升级：**AI模型将不仅“看到”画面，更能结合上下文“理解”场景语义（如识别“争吵”与“嬉闹”、“正常维修”与“破坏公物”的细微差别），提升预警精准度和行为理解深度。 **2）多源数据融合应用：** - **“视图+”融合生态：**视图库将与接处警系统、大情报平台、PGIS（警用地理信息系统）、移动警务应用（如警务通APP）、甚至物联感知网（如WIFI探针、智能感知桩、无人机视频）进行**深度互联互通**。打破“数据烟囱”，构建以视图为时空基准，融合人、车、物、电、网等多维信息的统一作战视图。 - **赋能一线移动端：**将视图库的关键能力（如人脸/车牌/车辆比对、重点区域实时视频预览、关联信息查询）安全、高效地下沉至民警的移动警务终端，赋能现场核查、快速处置。 **3）云边端协同进化：** - **云计算：**提供海量存储、大规模离线分析（如历史案件串并、规律挖掘）、复杂模型训练的强大算力。 - **边缘计算：**在靠近数据源头的卡口、重点区域部署边缘计算节点，实现前端实时智能分析（如卡口即时车牌识别、人脸抓拍比对、局部区域人群密度计算），大幅降低传输延迟和带宽压力，提升响应速度。 - **端侧应用：**移动警务终端作为应用触点。“云-边-端”的协同架构将显著提升视图应用的实时性、覆盖面和智能化水平。 **4）持续迭代的定制化：** - **敏捷响应机制：**建立高效的警种业务专家与技术人员常态化沟通反馈机制（如定期工作坊、快速原型验证），及时收集一线反馈，响应新需求、新挑战。 - **DevOps与持续交付：**采用敏捷开发和持续集成/持续部署（CI/CD）模式，确保定制化功能能快速迭代、测试和上线。 公安视图库的建设与应用已进入精细化阶段。它是现代警务战斗力的重要组成部分。唯有深刻理解刑侦、交警、治安等不同警种独特的业务逻辑和工作环境，通过数据治理、智能算法、功能和人机交互的深度定制，才能充分发挥数据价值，打造契合实战需求的警种专用工具。这体现了“科技兴警”、“数据赋能”的理念，为维护社会稳定、保障人民安全提供更强大、精准、高效的支撑，推动智慧警务发展。定制化是释放视图数据核心战斗力的关键路径，也是警务现代化的必然方向。 本文由 @阿堂聊产品 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6月20日，截止收盘，沪指跌0.07%，报收3359.9点；深成指跌0.47%，报收10005.03点；创业板指跌0.84%，报收2009.89点，两市成交额较上一交易日减少1829.0亿元，合计成交10677.38亿元。

 网易旗下临安24工作室开发的单机动作冒险游戏《归唐》的宣传PV今日正式公布，官方也再次重申，本作是一款纯粹的买断制单机游戏，会登录PC以及主机，并非手游。  官方表示：“我们注意到归唐预告片发布后一些玩家对雷火开发单机游戏的纯粹性怀有质疑。我们理解大家对于网游大厂雷火的不信任，但是雷火成立已经18年了，我们也一直在改变。我们希望用归唐来修复大家对我们的信任裂痕。说了是单机，就不可能是手机游戏。这话大家可以截图留证。” 

 想象一下这样的场景：你下班回家前，只需在手机上说一句“准备回家模式”。瞬间，家里的灯光自动调至温馨暖色，空调调节到舒适温度，音箱播放你喜欢的音乐，甚至咖啡机开始研磨豆子——这背后，很可能就是多个AI Agent在默契配合的结果。 ## 什么是Agent？比你想象的更广泛！ 在AI的世界里，“Agent”（智能体）这个词涵盖的范围非常广。**它小到一个能按固定规则帮你查询天气的小程序，大到一个能完全自主理解复杂需求、分解任务、并调用各种工具执行决策的“数字员工”**。简单说，**任何能在特定环境下感知、决策并行动以达成目标的智能单元，都可以称为一个Agent。** ## 单打独斗的局限 vs 团队协作的威力 当前，受限于大模型的能力，很多单一Agent只能完成相对固定、简单的任务（比如回答一个定义、写一封格式邮件）。这就像公司里只有一个人，他再能干，也不可能包揽所有工作。 **而“多Agent协作”的引入，则像组建了一支超级AI团队，彻底拓展了AI的应用边界！** - **各司其职，专家化：**每个Agent专注于自己最擅长的领域。比如，一个Agent专门负责分析数据，一个Agent精通文案创作，一个Agent擅长调用特定API接口。 - **智能调度，高效协同：**会有一个“顶层Agent”扮演着“智能主管”的角色。它理解用户的整体需求，像项目经理一样，根据任务的复杂性和各Agent的“专长”，**智能地分解任务、分配工作、协调进度**。 - **解耦与进化：**这种模式就像把一个大项目拆分成多个独立模块（解耦）。每个Agent模块可以独立开发、维护和升级自己的“技能包”，互不干扰。整个系统因此变得**更灵活、更健壮、更容易扩展**。 ## 浅显案例：AI团队如何完成一个营销报告？ 假设你需要一份结合市场数据和竞品分析的营销报告。 **1）顶层Agent (主管)：** 收到你的指令：“生成一份关于XX产品的Q3市场分析报告”。 **2）任务分解与指派：** - 指派**数据Agent**：“去爬取Q3行业销售数据、社交媒体提及量”。 - 指派**竞品Agent**：“分析A、B、C竞品同期的推广活动和用户反馈”。 - 指派**分析Agent**：“整合以上数据，提炼关键趋势和我们的优劣势”。 - 指派**报告Agent**：“根据分析结果，撰写结构清晰、图文并茂的报告”。 **3）协作执行：** - 数据Agent把爬到的数据传给分析Agent。 - 竞品Agent把分析结果也传给分析Agent。 - 分析Agent提炼出核心观点，交给报告Agent。 报告Agent最终生成一份完整的报告给顶层Agent，呈现给你。 **4）反馈与优化：**如果你说“竞品部分不够深入”，顶层Agent可能直接让竞品Agent再深挖一次，其他环节不受影响。 ## 多Agent协作：AI发展的必然趋势 为什么说多Agent协作是未来几年的主流方向？ - **AI能力的“显化”桥梁：**大模型本身更像一个“聪明的大脑”，而**Agent是将其智慧转化为具体行动和价值的关键载体**。多Agent协作则是让这个“大脑”能同时指挥多个“手脚”，完成更复杂的“肢体动作”。 - **突破当前大模型瓶颈：**在大模型能力（如复杂推理、超长上下文、精准执行）取得革命性突破之前，**将复杂任务分解、由多个专注的Agent协同完成，是最务实且高效的解决方案**。这是充分利用现有技术潜力的最佳途径。 - **连接现实世界的枢纽：**单个Agent能力有限，**多Agent系统能更好地将大模型的“思考”能力与各种外部工具、数据库、API甚至物理设备（如智能家居、机器人）连接起来**，让AI真正融入并改变我们的工作和生活流程。它是构建更复杂AI应用（如高度自动化企业、智能城市）的基石。 - **新工作范式的雏形：**未来的工作场景很可能不再是“人+一个全能AI”，而是“人 + 一群专业AI Agent组成的虚拟团队”。人负责设定目标、提供关键判断和价值观，而执行层面的规划、协调、操作则由高效协作的Agent团队完成。 ## 结语：协作是智能的放大器 从单个执行简单指令的“工具”，到能自主协作解决复杂问题的“团队”，Agent的形态正在快速进化。多Agent协作不仅放大了AI的能力边界，更预示着一个全新的智能协作时代的到来——**在这个时代，AI的价值不再局限于单点的智能，而在于如何像“复仇者联盟”一样，让不同的“超级英雄”（Agent）各展所长、默契配合，共同解决人类面临的复杂挑战。** 作者：Evelyn 公众号：产品的魔法棒 本文由 @Evelyn 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

WAVES新浪潮2025邀你一起走向中国创投的「新纪元」。 <blockquote> <p>这是属于中国创投的新纪元。当下的中国创投市场，既是周期筑底的转折点，也是结构性转型的深化期。在政策主导、国资与资本高度集中的新生态下，唯有顺应趋势、灵活调整，方能在不确定性中捕捉确定性机遇。</p> <p>6月11-12日，杭州良渚文化艺术中心，36氪WAVES新浪潮2025大会以「新纪元」为主题，汇聚创投领域顶级投资人、新锐企业创始人，以及深耕科技、创新、商业的科学家、创作者与学者，共同探讨AI技术革新、全球化浪潮与价值重估等前沿议题，拆解他们眼中的商业理想和未来世界，一起讨论、寻找、走向中国创投「新纪元」。</p> </blockquote>  · 6月12日上午，在创业者会场上红杉中国投资人公元，进行了一场独立演讲，主题为「如何在AI下半场，定义“好问题”？」。以下为演讲全文： 大家好！我是红杉中国的公元。很高兴受到36氪、暗涌waves的邀请，今天能和大家做一场分享。今天我想和大家讲的主题，和我们最近刚刚推出的xbench相关。xbench是首个由投资机构推出的面向大模型和AI Agent的基准测试。我们为什么要推出这个基准测试，今天想和大家一起分享一下背后的故事。  · 这两张图，左边是红杉之前在内部使用的benchmark，更新了两个版本，以及从推出到被大模型打爆100分的速度；第二张是我们引用了前一段时间一篇比较知名博客上的一张图，是市场上所有主流的benchmark从推出到大模型被拉爆到100分所使用的时间。可以看到，这个趋势是非常一致的，都阐明了AI上半场的一个问题——当强化学习被证明有效的时候，每当出现一个新的数据集和一个测试标准，大模型就一定会被训练到SOTA，市场上就会很快出现另外一个基准测试，大模型又会SOTA，这就会进入一个无限循环，这就是我们在上半场看到的一个挑战。 这就引出了我们不得不问的问题，当这些大模型都考100分的时候，到底是模型变聪明了，还是卷子出了问题？所以当我们在第三次给模型出卷子的过程中，不得不停下来问这个问题。  · 回顾一下在过去两年多的时间里，我们的三次迭代分别做了什么事情。 第一次是在ChatGPT刚刚出来不久，我们当时认为大模型可能是一个非常重要的投资机会，也是十年一遇甚至更长时间一遇的大浪潮。所以我们要在内部建立一个新的标准以及内部的工具，能够让我们实时去观测模型的发展，以及更好地对市场上当时的AI大模型项目进行投资判断，所以我们就做了这么一套“试卷”，一个benchmark。我们第一次更新的benchmark，里面的题非常简单，都是一些简单的逻辑题和数学题，有代表性的比如说“香蕉的平方根是什么”，都是非常简单的逻辑题。 很快的，我们第一期的benchmark就被拉到100分，之后我们就进行了第二次更新。我记得那时候应该是OpenAI o1推出不久以后，我们将这些题升级到了更难的难度系数。大家可以看到，这些题普通人很难在第一时间很快做出来。但第二次更新被拉爆的速度更快，第一次可能我们用了小一年的时间，第二次可能是六个月的时间，大模型就能答到100分了。 **到了今年3月份进行第三次更新的时候，我们就开始问自己，我们在“AI的下半场”里应该怎么提出好问题？** 显然，我们陷入了一个和很多研究者非常相似的惯性思维，我们在题越来越难、模型越来越聪明的惯性下，一直在往前走。但是这个惯性真的对吗？这是我们第三次更新时思考的最重要的问题：**模型越来越聪明和能做越来越难的题，真的是作为投资者和创业者想要的吗？越来越聪明的投资模型具备投资价值吗？这中间的关系是什么？我们开始不断去问自己这样的问题。** 投资需要投有经济效用的产品和技术，也就是说，大模型和AI产品需要成为真正能够产生商业价值的公司。**但是模型越来越聪明这件事情和它有经济效用之间是否呈正比关系，或者说是否有完全关联的关系？**举个简单的例子：程序员写程序很有经济效用，对模型来讲是比较简单的问题，但是让大模型去工地搬砖，这是做不到的，所以这两者之间没有完全的对应关系。 因此，第三次升级的方向就引出来我们觉得最重要的两件事情：第一，我们需要打破思维惯性，真正停下来去思考究竟“更难的问题”和“经济效用”之间到底是什么关系，我们能不能建立一套标准，能够在我们的投资过程当中，一边评估它越来越聪明，一边评估它越来越有用，这两件事情可能是同等重要的；第二，大家看到刚才我们面临的挑战，是我们的题不断被刷爆，大家就出更难的题，但是两套题之间怎么互相比较？这就像博士卷子考20分和小学卷子考100分，如何把这两个成绩在同一个人身上去做一个横向对比，真正看到他的能力提升，这是我们的第二个问题。换言之，就是怎么建立一个长期的评估机制。 针对第一个问题，我展开分享一下我们背后的思考和逻辑。拿AI模型其中的一个子能力，就是search举例。如果AI在学校里上课会做越来越难的题，越来越难的题会体现什么地方？这就是我们的AGI track，它会先做一个简单的search题，然后一个deepsearch题，再是一个deeper search，这很像我们在学校里去学习的过程。  · 但是当它到了社会上要去打工的时候，当AI从当好学生变成当好员工的时候，search的能力就变了，或者说社会对它的评估体系就变了。当我们去招聘一个员工的时候，什么时候会用到search，在什么岗位上会用到search？ 在很多地方都需要。比如说在猎头岗位上，他需要去找简历，这是一个很典型的search。对于一个市场运营部，它要去找KOL，要和他联系和发广告，这是一个search。其实在很多职业岗位上都有search这个职能，但search职能所对应的题和value是不一样的，所以当我们从生产力的视角去看AI的时候，这个search的题可能就变了。**Search题变成了一个真正和现实生产力和生产价值相关的一道题，并且能够计算出它实际的商业价值，它替代掉的就是需要人重复劳动的那一段工作。** 如果沿着这个思路，我们可以看到每一个AI能力都分成两部分track：**下面是AGI track，评估的是它的读书能力；上面是Profession-aligned track，评估AI走到现实世界、走到生产力环节当中的经济效用。**我们开玩笑说，下面评估的是AI越来越聪明和它当学霸的能力，上面是它去打工、去帮人做牛马的能力。它们又是相互对应的，因为每一个AI能力的提升，都能点亮一个应用场景。刚才我们只是举了一个非常小的例子，在search上，它如果拥有了search的能力，可能能够去做一些HR和marketing的工作。 接下来AI会发生什么事情，比如说AI现在有了多模态的能力，当它有了多模态的能力以后，它到现实世界当中是不是可以去做一些更有经济价值的事情，比如说一些视频的生成、一些编辑类的工作；当它有了一些更高级的能力，比如说交易、博弈能力，是不是我们在现实世界当中能够让它去做一些高级的交易和与人有来回的一些工作。 所以可以理解，AGI track是经济效用的一个台阶，所以每点亮一个下面的track，我们的AI将会走向另外一个台阶，这是我们在xbench当中推出的双轨评测体系，我们也希望这套评估体系能够去帮助所有的AI创业者和AI研究者，真正能够去bridgeAI能力和经济效用之间的鸿沟。  · 刚才我们提到的第二件事情，就是长青，怎么去建立一个长青的评价体系。我们刚才讲到一个例子，当一个学生做博士试题的时候拿了20分，做小学试题时拿100分，两者去做比较，实际上他的能力上涨了，但是分数下降了。所以怎么让我们作为评估者、投资者或者模型和Agent的开发者、创业者，能够有感知模型的单调递增，怎么在不同的时间维度上，在一个模型上和不同的数据集、考试题上，能把一个模型的20分成绩和100分成绩去横向做比较。 我们在这个问题上也推出了我们的第二个解决方案，就是去建立长青的评估体系。这是我们做的一个回归测试，左边的这张图是我们在过去两年多时间里，用公开数据集对这些模型进行测试的汇报分数。这其中每一次的曲线下降都是基准测试换题的时间点。 从模型的能力上来讲，在过去的两年多时间里，模型的能力应该是一个单调递增上涨的。但是当我们去看分数的时候，它却呈现出一个上上下下的过程。我们去做了一个IRT的方法，并且进行了数学建模，针对这个我们也撰写和发表了一篇论文，去讲述了我们所有的方法论，做了一个回归测试，这也是首次有投资机构去做这件事。当我们进行了IRT调整之后，它自然就变成了一个单调递增的曲线。 为什么单调递增曲线对我们这么重要？因为我们在看创业者的时候，经常说判断创业者最重要的标准是Delta。我们非常重视和创业者从第一次接触到后面无数次接触中，看到他们身上发生变化，因为这个变化体现了他的学习和自我迭代能力。因此，感受曲线的斜率对我们来说是一个非常重要的事情。 放在模型和Agent上也一样，我们希望能够建立一种斜率的感知，能够让我们知道Agent的斜率在过去和未来到底是一个什么样的发展。因为只有建立了斜率的发展，我们才能像评估人一样，真正把它带到现实世界当中去评估所谓的TMF。  · 在过去，大家比较认可PMF的概念，但我们在这里提出了，在新的时代应该去评估TMF。它讲的是什么？讲的就是当我们不断用单调递增的视角去评判Agent能力的时候，我们能够去看到这个能力无限逼近人的能力，然后它会和人形成三个阶段。当没有达到TMF的时候，说明Agent的能力不如人，可能是一个人力主导的社会和人力主导的工作；之后，我们预计未来的世界可能还会经历两步，一步是它达到了TMF，但是它达到TMF，可能能做的是一些重复的工种和一些简单的工作，或者是一个长工作中的一小部分。接着往下走，我们可能会看到越来越专业化的Agent。建立这样的单调递增和对Agent能力Delta变量的track，也能让我们去更好地理解什么时候是投资的拐点，以及让创业者更好地去理解什么时候去切入一个赛道做Agent。  · 这是我们第一期的两个track的评估图，这是我们第一期的四个榜单的榜三。可以看到，前面两个榜是AGI track，就是评估模型能力是否聪明，后面两个榜是评估它打工的能力好不好。**大家可以看到，这可能和很多同学的体感非常相似，我们有小镇作题家，也有职业打工人，每一个模型擅长的东西不太一样。** 最后，因为时间关系，我们所有的paper和dataset很快也会开源。我们希望对社区进行一个号召，作为xbench，它从原来一个我们红杉内部的投资工具，现在我们开源出来贡献给社区，很大程度是因为我们觉得在未来，大家共建一套Agent的评估标准，对于整个社区不管track TMF或者track模型能力都是非常重要的，所以我们希望能够号召大家一起参与到整个开源社区的生态开发里。 以上是我今天的分享，谢谢大家！

根据Apple Store数据，在Labubu等热门IP的带动下，海外618期间，阿里速卖通与泡泡玛特的下载热度持续高涨，牢牢占据了澳洲购物类下载榜的前两名。    图：阿里速卖通和泡泡玛特拿下澳洲下载榜TOP2   公开资料显示，速卖通AliExpress是阿里旗下的跨境电商平台，2019年，泡泡玛特就已入驻速卖通开设官方店铺，成为泡泡玛特在海外的最重要销售渠道之一。   据悉，今年海外618，泡泡玛特为速卖通准备了多款新品和热门IP。6月18日当日，速卖通AliExpress首场泡泡玛特直播开播，涌入全球数十万网友，除了labubu，Crybaby的热度也开始上升。目前速卖通AliExpress成为全球网友抢购泡泡玛特的主要阵地。

当八一糖厂的机械轰鸣声化作艺术园区的画笔沙沙，当S101公路的丹霞地貌串联起低空观光的云端视角，石河子这座军垦新城正通过携程“城市C位出道计划”第二季，向世界展示C牌城市的文旅新可能。随着文旅微短剧《在黎明，在黄昏》及系列文旅项目即将上线，车牌代码背后的城市故事将迎来全新讲述方式。  图说：新疆石河子   **C城老熟人的新视角 让城市基因可视化**  洞察到国内小众目的地旅游的热潮，2023年8月，携程联合各省C牌城市，联动策划“城市C位出道计划”项目，深入挖掘各C牌城市文旅资源，成功将中国“第三城”推入大众视野。2024年，石河子、徐州、遵义、鞍山等27座C牌城市“组团出道”，催生出了一股全新的合力——CC27，C牌城市文旅联盟正式成立。  延续前几年“城市C位出道计划”的热潮，今年携程以“C城老熟人”为主题，邀请鞍山、石河子、遵义等27个城市，用原住民的真实生活重构旅行叙事。以原住民的真实生活为线索，打造&#34;非游客视角&#34;的深度体验指南——旅行不该是匆匆忙忙的走马观花与网红打卡，而是走进一座城市的日常，去触摸大街小巷的生活气息，去体验本地人的生活方式，去探寻他们成长的足迹。“C城老熟人”以本地人的视角，带你走进27个车牌为C的宝藏小城。  **在地叙事 让城市自己说话**  “不是所有城市都要做网红，但每个城市都该有专属的辨识度。”携程项目负责人强调。“C城老熟人”通过“一城一策”的文旅策略，挖掘城市独特基因。在石河子，军垦历史、自然生态与创新体验构成核心亮点，如军垦博物馆沉浸式剧场、肯斯瓦特水库徒步路线等；鞍山则以工业遗产、非遗工艺和康养资源打造差异化体验。这种“基因编辑”式的改造体验，让C牌城市摆脱“千城一面”困境。  今年，“C城老熟人”将创新采用&#34;非游客视角&#34;的内容生产模式，在以石河子为城市蓝本打造的文旅微短剧《在黎明，在黄昏》中，“石河子原住民” 何红霞借病呼唤分别生活在上海、北京的两位儿时好友重返故里，通过寻访糖厂艺术区、军垦博物馆、S101自驾公路等场景，串联起城市的前世今生。剧中既有石河子糖厂的重生焕新，又有幸福路夜市的烟火气息，更通过何红霞的视角，展现城市从&#34;戈壁荒滩&#34;到&#34;花园城市&#34;的生态奇迹。这不仅是城市宣传片，更是一次文旅融合的破壁实验。  **产业联动 低空经济开启新赛道**  今年10月低空文旅发展大会将在石河子举办，这将成为石河子探索文旅产业升级的关键落子。这座军垦新城正依托天山北坡区位优势，积极探索低空经济与文旅产业协同发展新路径。此次大会由&#34;2+2&#34;构成，汇聚携程文旅产业联盟企业、C牌城市及政府参会人员两大核心群体，围绕低空经济与文旅创新开发两大方向展开深度对话。  届时将重点分享蚌埠、珠海、泉州、宝鸡、徐州等C牌城市在低空产业领域的实践经验，通过案例剖析推动低空经济与文旅场景的有机融合。峰会期间，携程将充分发挥平台流量优势，通过航线+文旅产品组合营销、低空观光直播等线上推广形式，重点吸引年轻客群体验S101丹霞地貌低空飞行等特色项目。同时聚焦文旅产业数字化转型路径，探讨服务质量标准提升方案，为石河子打造&#34;空中看军垦&#34;&#34;云端游天山&#34;等立体化文旅产品提供支撑，加速建设西部文旅融合创新示范区。

 作者：但丁的方舟 编辑：柏亚舟 有巨大铺货量支持，第一批NS2玩家都愉快把玩新主机有一阵子了。 虽然发布之初还略有争议，但真到了销售阶段，NS2还是在全球主机市场拿出了摧枯拉朽的气势：仅仅发售4天后，任天堂就宣布NS2销量突破350万台，直接破了Nintendo Switch的首月的销售数（274万台）。此前，发售两个月内的最高机器销量是由索尼PS4和PS5共同保持的450万台，NS2要想刷新这个纪录，看上去也毫无难度。  销售势头的火爆暂时说明了，发布之初的那些争议完全不致命，比如日服的低价特权短期影响不大，游戏护航阵容的“相对羸弱”，也有待时间回答……只不过，有些隐忧并没有完全消失，或许还会在NS2的后续生命周期里成为掣肘。 其中会影响整个主机游戏生态的一项争议，莫过于任天堂在实体卡带上的策略变化。 早先任天堂技术总监佐佐木哲也接受采访时，详细介绍过NS2引入的密钥卡技术，即卡带不再储存游戏本体，仅作为激活、认证的媒介，游戏内容需要另行下载，且游玩时密钥卡要一直插在机器里，相当于把玩家们熟悉的实体卡，变成了“能二手交易的数字游戏”。 目前来看，第一方游戏还不会大刀阔斧地数字化。与此对应，任天堂在NS2推出之际带来了全新的“虚拟卡”功能，又赋予了纯数字游戏接近实体卡带的体验，在虚拟层面上延续着插卡、出借等操作。 但有不少报道称，迄今绝大多数已确认登陆NS2的第三方游戏，实体版都会以密钥卡的形式发售。继而带来的一种“怪象”是，像CDPR、Marvelous等还坚持把完整游戏塞入卡带的发行商居然被玩家们奉为“英雄”，外媒TheGamer就撰文吐槽道：“这原本不是什么需要被歌颂的壮举，只不过是厂商们理应恪守的底线。”  不过，在这方面降低的成本似乎仍然是厂商们乐见的，比如卡普空甚至在最近的股东大会上表示，未来将把密钥卡的收入计入数字版收入当中，这似乎又给数字版实体版之争的后者一方增加了砝码。 其实，数字版游戏与实体版游戏之争由来已久，传统的实体游戏逐渐消亡似乎是不可逆的时代进程。Xbox玩家们可能已经习惯了订阅XGP下载游戏，PS玩家们也对“复制光盘内容再下载部分内容”的形式不陌生，极端案例在PS平台上也出现过，如PS5版《使命召唤19》实体盘数据只有72MB，所有内容全部要联网下载，光盘也被用成了验证密钥。 密钥卡一事略显重要的点还在于，任天堂的形象向来是更亲近实体游戏的。一些市场数据也能佐证，比如The Games Business统计过欧洲市场的实体销量数据，2024年全年，NS新作里仍有约80％销量来自实体版，“NS依然是最坚挺的实体平台，NS玩家没有出现明显的向数字转移趋势。”该媒体当时表示。 因而，任天堂的改变就显得更有预示意义。当任天堂也开始在实体与数字版之间寻找新的平衡，也开始更积极地拥抱数字化趋势时，伴随玩家半个多世纪的实体游戏，应该是正式走到了又一个历史节点。 # 数字冲击从未停止 年轻玩家很难直接感知的一点是，在如今愈发膨胀的数据容量面前愈发“力不从心”的光盘和卡带，曾经也是推动游戏行业发展的利器。 像是CD光盘，在90年代初从音乐界被推广到游戏界，作为光学介质它的生产成本比更古老的ROM卡带更低，容量又比当时PC游戏通常采用的软盘更大——1995年便有光盘广告宣称其容量是软盘的1500倍。各家厂商很快就悉数接纳了光盘媒介。 这个故事写在了众多版本的“游戏史”当中：随着只支持光盘的初代PlayStation发布，3D游戏借助容量的扩升也迎来了第一次视效革命。  此后二十年，光盘从CD进化到DVD再到蓝光，外型几乎没有变化，这足够让几代玩家形成使用习惯。而任天堂的掌上游戏机系列则更为传统，从GBA到3DS再到Switch，一直在用自70年代雅达利2600推广开的卡带介质，当然，上代Switch改用了更现代的闪存而非ROM卡带。 游戏行业的发展一向都和各种新技术的运用水乳交融，相比电影、音乐的迅猛数字化，实体游戏能延存至今，其实带着几分对规律的叛逆。 数字游戏的冲击在2010年代就已声势浩大。PS3-Xbox360世代末期，数字版的主机游戏率先在PS3平台上被推出，微软的在线系统XboxLive则已运营多年。 2013年，彼时还是微软游戏副总裁的菲尔·斯宾塞曾在Xbox的官方杂志《Official Xbox Magazine》上表示：“索尼的数字化工作非常出色，我们也会找到赶超对手的方法。如果你观察过去两年数字游戏市场的发展，会发现它犹如梦幻之旅。” 业界普遍认为，随着PS4和Xbox One的发售，数字游戏的份额会在短短几年内超过实体游戏。伦敦游戏大会针对超过1000名公司管理人员发起过一项调查，结果显示有57％的受访者认为数字游戏销售会在2015年超越实体游戏，39％认为2013年（即PS4和Xbox One发售同年）就能实现超越。 不同地域的情况不一，很难界定实际的明确时间点。不过按市场调查机构NPD的统计，2013全年，美国游戏市场产值共153.9亿美元，数字游戏销售额72.2亿美元，实体店销售数据63.4亿美元，租赁和二手游戏销售18.3亿美元，换言之如果不算租赁和二手市场，数字游戏在美国的份额已经超越了实体游戏。  实体游戏销售额包括全新、二手和租赁游戏，单位为亿美元。来源：新浪游戏“通过大货车把游戏光盘运往世界各地是件非常低效的事，我无法想象发行商们怎么从中获利。当人们可以从网上下载游戏时，再开着一辆卡车把光盘运往日本、欧洲或其他国家又有什么意义呢？”这是独立游戏《Limbo》开发商老板在2011年的发言，可见部分开发者的观点同样激进。 至于PC实体版，在网速逐渐提升、便利的网站分发、Steam强势崛起、电脑取消光驱等因素的共同影响下，面对数字游戏堪称一败涂地。DFC Intelligence一项统计称，2013年数字版游戏就已经占据所有PC游戏销量的92％。PC玩家们似乎天然比主机用户更容易接受数字游戏。 站在变革风口，Xbox One一度考虑只推出数字版游戏，当然最后并没有付诸实践。不过当年，微软还是推行了引发众怒的政策，新主机发售几周后，微软宣称Xbox One玩家只能通过特定零售商交易二手游戏，即杜绝私人二手，机器还要每24小时进行联网核查，否则不能运行游戏。 众所周知，对厂商们来说，发行实体游戏除了提升成本，最大的弊端就是无法控制二手市场，购买新游戏的玩家少了厂商的利润也就少了。但巨头竞争的吊诡之处就在于，如果为了打击对手那态度也能暧昧，2013年E3上，索尼发言人的一番话被认为是对微软的回应：“我们会给玩家他们想要的，比如PS4不会给予二手游戏新的限制，他们可以把游戏给商家回收、卖给其他人、借给朋友。” 尽管如此，索尼也没有放缓数字化转型的步伐，毕竟别说不占主导的二手市场，数字浪潮之汹涌甚至远非游戏业务所能阻拦。 2021年4月SIE（索尼互动娱乐）副总裁小寺刚被升任至集团副总裁，索尼公告称此举是为了“加速数字化战略”，而小寺刚最突出的成就就是推行各类PS在线业务，包括新商城、PS+会员服务等。  该时间点也值得玩味，彼时全球经历了新冠疫情的洗礼，一切在线娱乐的价值都被重估，而实体游戏的退场节奏，也被疫情大幅加快。 疫情期间，有越来越多宅家的玩家们开始适应只能买到数字游戏的情况。在2020年年末，索尼和微软也默契地推出了提供无光驱版的新一代主机PS5和XSX，GameIndustry一篇报道则指出，PS和Xbox的数字游戏销量都获得极大增长，这种增幅在主机换代的年份里“闻所未闻”。即便坚挺如任天堂，2020年4月-12月（财年前三季度）的数字销售额也同比增长了104.9％。 “疫情是非常强的催化剂，一旦开始下载游戏了，很多人就回不去了，不会再买实体了。” 分析师Serkan Toto悲观地总结道，“无论你高兴与否，未来都是属于数字版的。” # 为什么实体仍被需要 当下的情况又如何呢？ 综合Newzoo、Sensor Tower等统计机构数据的一项调查显示，2024年全年，全球游戏市场总收入中，实体游戏的收入的份额已跌至仅4.6％（同比减少9.4％），数字游戏市场份额高达约95.4％。当然，这种宏观统计还包括占据大头且本就属于数字市场的移动端游戏、服务型游戏的收入，但也能看出实体市场的萎缩。 有趣的是，尽管数字游戏会愈发占主导是行业共识，但又极少有人认为实体游戏会被彻底取代乃至完全消失。 2011年第一轮数字冲击正迅猛时，前索尼集团CEO平井一夫就曾表示：“我觉得以物理媒介为载体的游戏，总会有一席之地。在未来两年、三年甚至十年内，实现所有产品全部数字化，这未免太极端了。”事实证明十多年过去，实体游戏还是有不少拥趸。 疫情期间，R星母公司、T2集团CEO Strauss Zelnick在受访时认为疫情加速了向数字分销时代的转变，却也补充道：“但我们预计实体产品并不会消亡，我们也不希望它消失。”  (7张CD光盘的那个游戏5……) 显然，实体游戏还会长期存在并不只是因为“过去一直都这样”，而是自有其合理性。 首先是从玩家角度出发的更低成本。可能与许多伴随数字时代成长的玩家印象里不同，在数字游戏刚开始流行时，买实体才是更便宜的选项。不少线下经销商为了冲销量，首发游戏都会打折出售，比如PS3时代的港版《古墓丽影9》，实体定价就比数字版便宜10％左右，再如日本市场即便在近两年，很多线下店也默认8到9折。 新游戏的定价优势固然已经在厂商们的不断努力下，逐渐被频繁的线上促销逐渐取代，但通过买卖二手来“回血”的吸引力始终巨大。对很多玩家来说，游戏上手了才会知道自己喜不喜欢，把不喜欢的游戏盘卖去二手市场就相当于零成本租赁。 不仅如此，影响二手游戏价格的是供需关系，不用等电子商城集中设置的打折促销季，这意味着对于一些冷门游戏，玩家可以随时以“高折扣”买到，消费决策显然可以更加自由。 再者，实体游戏还具有“送礼”的属性，这种额外的社交价值是数字游戏注定无法取代的，实体的礼物，至少看上去比一串激活码显得有诚意得多。 其次，数字条款“陷阱”现在也不算新知识。严格来说线上平台给予玩家的都只是游戏的使用权而非所有权，如果玩家账户违规，或者游戏本身下架，又或者经营困难，平台都可以把“买到”的东西再无偿收回去，“数字游戏并不真正属于购买者”的说法，在最近几年也隔段时间就成为热门话题。  像《Steam订户协议》第二条A款就明确约定，“内容与服务是许可使用，而非出售。（The Content and Services are licensed, not sold.）”法律意义上Steam用户都是“订户”，因为收到平台“红信”而失去账户内几百款游戏的具体事例也屡见不鲜。 一些相对老派的顶尖从业者也会为此困扰，小岛秀夫就曾在推特上从更宏观的视角写道：“最终，数字形式的数据不由个人主动拥有。每当世界、国家、政府、思想和趋势发生重大变化时，访问都可能被突然切断。我们将无法自由获取我们所喜爱的电影、书籍和音乐。我们将成为一无所有的人。我很担心这一点。” 而小岛秀夫本人制作过的《P.T.》Demo，就曾因他的离职被科乐美从PSN商城永久下架，以至保留有绝版《P.T.》的PS4主机还一度被炒出高价。  最后，情怀、感性层面的因素听起来虚无缥缈，却的确会在无意识间影响很多玩家的选择。只有实体游戏能提供一种“心理所有权”，也就是感受一样东西，在多大程度上真正属于自己。 2010年耶鲁大学做过一项研究，将同样的物品，分别放在写有受试者名字的篮子里，和写有别人名字的篮子里，实验中扫描受试者大脑发现，当面对自己的物品时，受试者内侧前额叶皮质上的活动明显更加活跃（该部位会在人们考虑自己时变活跃）。 这其实也是为什么，很多互联网公司早期会用拟态的形式包装自己的产品，比如苹果的iBooks用木质书架摆放电子书封面。这种生理本能也能用简单一句话概括，当玩家们面对实体时，心里也许才会涌现出：“这是我的！” 此外，人还有一种本能是把所占有的物品作为自己的延伸，所以重要的实体物品经常会成为个体记忆、情感的载体。 当捧起一盒倾注过很多时间的实体游戏时，会想起的不止是游戏内容，还有游玩它的时间、场景、气味，一起玩它的伙伴和特定状态中的自己。这种情感体验也是线上平台里一行冰冷的“你已游玩XXX小时”很难替代的。 任何电子游戏所提供的，本身就是虚拟世界中的虚拟体验，它们的蒸发与遗忘实在太过轻易。实体版游戏其实也是一扇扇连通现实的窗口，也许我们的确需要它们来作为某段时光、某段旅程真实存在过的证明。 # 融合是未来的答案吗 或许是巧合或许是必然，实体游戏的式微总是和主机世代的更替绑定在一起，现在同样如此。 索尼的PS5PRO已经默认不提供光驱了，坚守实体阵地的玩家们预先就要另掏腰包选配。就在6月，微软似乎也又迈了一步，即将发售的大作《忍者龙剑传4》《天外世界2》和《战争机器：重装上阵》相继宣布Xbox平台版没有实体盘，只有“盒装激活码”。  事实上早在2024年年初，微软就把Xbox的实体游戏零售部门整体裁撤，全面转向数字化和订阅制的信号十分明显。再怎么说，订阅制或者说深入人心的XGP也确实是微软在游戏业的一大优势，这没有理由不影响他们的判断，抑或“站队”。 “御三家”中一贯最恪守传统的任天堂，如今也用NS2的密钥卡击碎了许多人的幻想。专注于经典游戏重制的工作室Nightdive Studios的CEO Stephen Kick就表示：“任天堂这么做令人沮丧，你会期望一家历史悠久的公司更重视游戏的保存。” “我感觉这种机制非常差劲。学生时代互相交换GameBoy卡带、DS卡带的互动感非常美好。”前《孤岛惊魂》《刺客信条》制作人Alex Hutchinson也说，不过他同时提到了容易被忽视的另一点：“只有任天堂能全身而退，大家的态度会更温和，仿佛‘哦，任天堂也这么做了，那我们也不好多说什么’。” 任天堂其实对得起玩家们的包容，伴随NS2发售而推出的新功能“虚拟卡”就像对旧时代的缅怀，同时还为实体和数字游戏的关系提供了一种新可能。简言之，如今NS上的数字游戏，都可以生成一张“虚拟卡”，对这张虚拟卡可以执行“插入主机”、“转移到其他设备”、“借给亲友”等操作。  如果用户有两台Switch，通过虚拟卡转移后，“插卡”的机器只需要经历一次验证，此后就能在不联网时游玩这款游戏，“拔卡”的机器开启“使用在线许可”后也能玩，但两台机器不能同时在线，插了虚拟卡的机器优先级更高，这个改变取代了之前稍显复杂的主副机机制，至少直观了很多。 如果借给家庭组成员，同一家庭组内每人只能借1张，默认14天到期，到期了虚拟卡会自动归还，而且，借出操作需要双方机器在线下面对面连接。 不难看出，这项功能最大限度地模拟了实体卡的物理操作逻辑，让数字版也能带来几分“心理所有权”。 对任天堂来说，这可能是一招用以过渡的缓兵之计，在向数字游戏转变的同时不至于快速流失坚定的实体版用户们，但对玩家们来说，习惯数字版的有了新鲜体验，喜欢实体版的大概也会觉得自己的仪式感得到了尊重。 在一些具体的使用机制上，任天堂的“虚拟卡”和Steam的家庭组策略其实没有本质区别，比如Steam游戏共享后也默认两名用户不能同时玩同一款游戏，除非一人离线。但套上一层“实体卡”的包装，心理感受就会不太一样。这或许就揭示了未来的另一个发展方向——数字和实体游戏并不是取代和被取代的关系，而是边界逐渐融合。 客观来说，大型游戏需要的存储空间越来越大，一张单层70GB的蓝光光盘或64GB的闪存卡带本来就有压力。另一方面，首日补丁、DLC也愈发常见，且它们的容量也越来越大，夸张点比如去年发售的《潜行者2：切尔诺贝利之心》首日补丁高达139G，只比预载内容少几G。人们不得不适应：就算买的是实体版，即插即玩也是奢望。 既然实体版也要下载，数字版也能有卡，使用体验开始模糊，起码再将两者泾渭分明地对立似乎就不再有必要。 还有一项重要因素是，曾经的实体版还会随盒附赠说明书、海报、地图、贴纸等等周边产品，提供着数字版不具备的附加价值。但现在，单薄的包装盒搭上孤零零的一张盘已成为主流，这也削弱了玩家们对一份可触实体所能产生的心理、情感层面的投射。随时间推移，丰厚的周边慢慢变成了典藏版、限量版的专属，它们通常会附送更昂贵、更有特色的东西，比如《合金装备5》的义肢、《泰坦陨落2》的头盔、《辐射4》的可穿戴哔哔小子、《使命召唤12》的小冰箱以及《黑神话：悟空》的金箍和卷轴等等，哪怕最没特色的典藏版，至少也有手办或衣服。  在这个角度上，只要典藏版还存在，实体游戏确实永远都不会消亡，只不过和价格、购买难度相配，典藏版的收藏意义远大于游玩意义，一个沉甸甸的收藏铁盒中，最不重要的可能反而就是游戏本身了。 假如设想得极端一些，除了延续习惯发行普通实体版似乎对游戏商们没有任何好处，那或许到再下一个、下两个世代，游戏市场上真的就只会存在收藏实体版和类似虚拟卡的换皮数字版了，倒也算一种厂商和玩家多年博弈后的各取所需——厂商们省去了物料、运输和经销商成本，玩家们想替更丰厚的情绪价值买单？加钱。 至于能在某个悠闲午后，亲手将游戏盘推入游戏机的记忆，就只能趁现在好好珍惜了。  

自2021年11月5日首播以来，《张朝阳的物理课》已走过三年时光，播出超过240期，其三本同名科普著作均被中国国家图书馆收藏。课程内容横跨量子力学、相对论、天体物理等硬核领域，也有诸如“雨滴为何砸不死人？”“天空为何蓝而云朵白？”等兼具严谨公式推导与通俗易懂的趣味讲解。