<blockquote><p>在 BEYOND EXPO 2025 “Big Global 峰会” 圆桌上，梅花创投联合创始人吴世春等人展开出海对谈。吴世春指出当下中国软件出海门槛变高，企业需具备财力与本地化能力等，同时阐述了出海的新趋势、动因及企业身份表达等方面的见解，为出海企业提供诸多思考。</p> </blockquote>  在上周结束的 BEYOND EXPO 2025 “Big Global 峰会”圆桌上，梅花创投联合创始人吴世春、Google Cloud 创业生态负责人 Warren Li、LinkedIn 中国华南区总监 Esme Liu 以及财新国际副总经理李增新展开了一场出海对谈。  ## 出海三极：消费品、工业品与军品 吴世春表示，当前中国出海的浪潮，已经远远超越了早年的“价格优势驱动模式”，如今更多企业带着品牌、产品力、供应链能力和组织结构，迈入全球市场。 他以梅花创投投资的几家公司为例说明趋势变化： 一家公司已经在中国市场击败了戴森，并开启出海进程；另一个案例“参半”，作为中国线上牙膏销量第一的品牌，目前已在日本、韩国、东南亚乃至巴西打开局面，在泰国更是市场第一。 与此同时，茶饮品牌如蜜雪冰城、霸王茶姬也在东南亚核心地段开设旗舰店，呈现出强势的文化输出与本地适配能力。 在工业品和军工领域，中国企业也在海外逐步建立竞争优势。“我们投的一些军工产品，例如无人机，现在在中东、非洲的表现都非常好。当然我们不能明着宣传，但必须承认，中国的无人机确实是全球最强的。” 他强调，这种新一轮“品牌出海”并非短期行为，而是对本地化、组织战力和耐力的全面考验，必须做好打一场持久战的准备。▍深度全球化与能力出海 吴世春提出，“深度全球化”正成为中国企业的新标准。所谓“深度全球化”，是指企业从产品研发伊始就以全球市场为目标，而非先满足本地需求、再试水海外。 他指出：“现在做软件出海的门槛变高了，需要有财力、本地化能力，还得准备亏两年。但如果你做工业品，就会轻松很多，尤其是在 TCL、阿里速卖通等平台搭建的基础上。” 同时，他也强调，语言与文化的隔阂正在被“数字人”等新技术缓慢打破，一些过去难以进入的市场，现在的接入门槛已逐步降低。 但他也提醒企业，“没有大生意是一下做成的，前期要找到合适的‘买办’，让本地合伙人帮你打开市场，熟悉后再派自己团队过去。” ## 内卷打规模，出海赚利润 谈到中国企业出海的根本动因，吴世春一语中的：“今天的中国企业是在‘国家实力上升+国家品牌背书’的背景下出海的。中国技术水平正获得国际认可，不再被视为廉价或低端产品。” 他提出一个新的描述方式：“内卷打规模，出海赚利润”。即企业在中国通过激烈竞争练就组织能力和供应链能力，再凭借这些能力在海外获取溢价。“比如机器人产业，在中国是赔钱的，但在日韩欧美可以卖出很高价格。 再比如中国无人机，在非洲市场可以定价 30 万人民币，对方一开始还以为是美元，最终还是接受了。” 这一趋势也正被欧美市场用更隐蔽的方式“倒逼”强化——“例如欧洲设置电动车出口的最低销售价格，不允许中国品牌过度降价，这其实变相促使我们卖得更贵。” ## 如何表达“我是中国公司”？ 对于企业在国际传播中应否高调表达中国身份的问题，吴世春提出一个极具实操性的判断标准： “如果你是在欧美等敏感市场，可以强调自己是‘全球公司’；但如果你在‘一带一路’沿线、非洲、东南亚市场，就可以大大方方地说你是中国公司。因为在这些国家，中国公司意味着可靠、性价比高、交付有保障。” 本文由人人都是产品经理作者【江天 Tim】，微信公众号：【有新Newin】，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。

“变化是非常快的。为什么这么着急？明知这么改完之后，很多地方老师、学校学生不适应，也要改？就是因为AI时代来临了，没有别的原因。”洋葱学园联合创始人兼董事长杨临风说。

<blockquote><p>在生鲜零售行业，定价策略是影响用户心智和商业利润的关键因素。本文分析了原价定价的“底层三要素”——成本、竞对价和经验与目标，并详细介绍了如何通过算法实现自动定价，供大家参考。</p> </blockquote>  在生鲜零售战场，“定价” 是用户心智和商业利润的交叉火线。前一篇我们聊了「定品 – 定量 – 定价」的自动化方向，这次聚焦**自营平台的 “原价体系”** 作者认为促销价是 “术”（玩法多变），原价才是 “道”（支撑长期竞争力） ## 一、原价定价的 “底层三要素”：成本、竞对价、经验与目标 原价不是拍脑袋定的，而是 “成本打底、竞对参考、经验调优” 的三角平衡。  ### 1. 成本：生鲜的 “隐形成本” 你算全了吗？ 生鲜电商的成本，远不止 “进货价” 这么简单，要拆成 「采购成本」+「移动成本」 **1. 采购成本**：不是 “进价 × 数量”，还要算**损耗率**。比如进 100 斤青菜，损耗 20 斤，那实际能卖的只有 80 斤→每斤的采购成本可能得 “进价 ÷0.8”。 **2. 移动成本**：覆盖 “从产地到用户” 的全链路：冷链运输费（比如海南芒果运到上海的冷链成本）、前置仓分拣打包费（工人挑拣、装袋的人力）、最后一公里配送费（骑手履约成本）。这些 “看不见的成本”，最终都要摊到商品价格里。 ### 2. 定价经验：用 “品类角色” 设计差异化策略 生鲜商品分 “引流品、利润品、结构品”，不同角色的定价逻辑天差地别 - **引流品（如鸡蛋、白菜）**：低毛利甚至 “平进平出”，目的是**把用户留在平台**。比如鸡蛋常年 “接近成本价”，用户为了买鸡蛋打开 APP，顺手就把其他菜买了。 - **利润品（如有机蔬菜、进口车厘子）**：高毛利（30%-50%），靠**品质差异赚利润**。这类用户对价格敏感度低（愿意为 “有机”“进口” 买单），是平台利润的主要来源。 - **临期品（如临期牛奶、当天没卖完的面包）**：动态折扣策略，核心是 “减少损耗” 。比如牛奶剩 1 天保质期，直接打 5 折；面包下午 5 点后买一送一，既清库存，又让用户觉得 “捡到便宜”。 ### 3. 竞对价：“标品直接跟，非标品要拉齐品质” 竞对价格不能盲目抄，核心是“品质对齐后再比价” - **强关联商品（标品）**：比如可乐 300ml 罐装，产地、工艺、包装完全一致→竞对价 = 竞对采集价 - **弱关联商品（非标品）**：比如云南高原草莓 vs 本地大棚草莓，怎么比价？拆解「产地（高原光照足→权重 20%）、认证（有机→权重 30%）、大小（单果 20g 以上→权重 25%）、包装（独立盒→权重 15%）」等维度，给每个维度加权计算 “品质分”。我方云南草莓品质分105 ，竞对本地草莓100 →竞对价 = 竞对采集价草 × 105/100 ## 二、算法自动定价：从 “运营苦熬 Excel” 到 “系统秒级决策” 理解了原价的三要素，可能会问：**这么复杂的逻辑，人工怎么玩得转？** 我们用 “蔬菜品类” 的故事，看算法如何解决人工定价的死结。 ### 1. 旧世界痛点：蔬菜运营的 “崩溃日常” 假设你是**蔬菜品类运营**，要管全国 1000+SKU（上海青、生菜、西兰花…），每周至少调价 1-2 次，重点品（如上海青）得**每天调**！ - 你得手动扒竞对价格（APP 来回切），把数据拷到 Excel，用 VLOOKUP 比价； - 竞对突然调价（比如盒马上海青从 3.99→2.99），你没及时跟，当天销量暴跌 20%； - 紧急调价又没算清成本，导致上海青卖 1.99 元（低于成本），当天毛利亏了 5000+； - 老板问 “今天定价策略是啥？”，你盯着 Excel 发呆：昨天改了 20 个 SKU，早忘光了… 人工定价的痛点：**效率低、经验乱、响应慢、难追溯**。 ### 2. 新世界愿景：算法能解决什么？ 我们想要的 “定价系统”，得满足三个刚需： - **自动算价**：别让运营天天扒 Excel，系统自己算成本、看竞对、调价格； - **灵活配置**：不同品类有特殊规则（比如水产 “活转鲜 = 活鲜 ×0.7”，百货 “大包装比小包装更划算”），系统得支持； - **实时跟价**：竞对调价后，系统能自动响应，不用等运营手动操作。 ### 3. 落地路径：把 “运营经验” 喂给算法 算法不是空中楼阁，得先把 “人怎么定价” 拆成规则。我们对蔬菜品类做了三件事： **（1）抽象 20+ 条 “生鲜定价规则”，让算法有 “经验”** 和一线运营泡了 3 个月，挖出他们定价的 “隐藏逻辑”，总结成 24 条规则： 基础逻辑：成本价 ×（1 + 目标毛利率）= 建议价； 品类特殊规则： - 水产组：活虾转冰鲜虾，价格 = 活虾价 × N（因为冰鲜损耗 + 加工成本更高）； - 百货组：500ml 洗衣液卖 19.9，1L 装卖 29.9（引导用户买大规格，所以大包装 “单价更低但总价更高”）； 细节规则： - 尾数偏好：价格尽量凑 9.9、19.9（用户觉得 “不到 10 块 / 20 块，很便宜”）； - 活动避让：大促期间（如 618、双 11），自动定价暂停，避免和大促价冲突。 等等一系列规则，就是算法定价的 “决策脑”。 **（2）设计 “价格校验机制”，避免算法 “瞎搞”** 算法输出的价格，得经过一系列校验机制： - 负毛利拦截：算法价不能低于 “成本价 ×（1 + 最低毛利率）”，否则不生效； - 量贩价优校验：大包装价格得符合 “买大更划算”（比如 1L 洗衣液不能比 500ml×2 还贵）； - 竞对波动预警：竞对价单日涨幅超 10%，算法价暂停，提醒运营人工核查（防止竞对 “故意抬价引我们跟涨”）。 对于满足所有校验的算法价，直接自动生效； 对于不满足校验的算法价，维持上一次的价格，并提示运营人工干预 **（3）人机协作 + AB 实验，让算法 “越学越聪明”** 算法不是上线就不管了，得和人协作迭代： - 先 “系统出建议价，运营复核”：运营觉得算法价有问题，可以手动改，还得填 “不采纳原因”（系统回收这些反馈，优化规则）； - AB 实验验证：环比 2 周数据（GMV、毛利率、PSD 订单量）通过连续2周数据正向→证明算法比人更稳。 ### 4. 结果：蔬菜品类的 “效率革命” 系统上线后，蔬菜运营的日常彻底变了： - 一般品：从 “每周手动调价”→“系统每天自动算价”，价格更贴市场； - 重点品：从 “人工每天盯竞对”→“系统实时跟价”，运营只处理部分异常情况； - 数据层面：算法价采纳率，销量和毛利率均有提升 这套系统后来推广到全品类，成了公司定价的 “中枢大脑”。 ## 三、分仓自动定价：同一城市，“竞对覆盖区” 和 “无竞对区” 要区别对待 生鲜定价还要看 “区域竞争密度”—— 同一个城市，不同区域的策略完全不同： ### 1. 分仓逻辑：竞对覆盖区→抢流量，无竞对区→赚毛利 以杭州为例，竞对在 “滨江区、余杭区” 重兵布局，但 “临安区、桐庐县” 竞对少。所以： - **竞对覆盖区（如滨江区）**：定价策略是 “价格竞争力＞毛利”—— 竞对的上海青卖 2.99，我方卖 2.89，哪怕少赚点，也要把用户抢过来； - **无竞对覆盖区（如桐庐县）**：定价策略是 “毛利＞价格竞争力”—— 因为用户选择余地少，重点推利润品（如有机蔬菜），把毛利做高。 ### 2. 结果：分仓定价让毛利额涨了 分仓策略上线后，竞对密集区的用户留存率提升（价格低→用户愿意来），无竞对区的毛利提升 （利润品多卖→赚钱） ## 写在最后：算法≠取代人，而是让人做更有价值的事 自动定价 + 分仓策略，本质是 “把重复、机械的定价工作交给算法，让人去做策略创新（比如设计新的引流品、优化品质比模型）” 相关文章： [从 0 到 1 搭建生鲜零售行业算法自动定价系统（1）](https://www.woshipm.com/share/6222489.html) 本文由 @我见青山 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

5月29日消息，据国外媒体报道称，印度政府支持的政策智库国家转型委员会称，印度已超越日本，[成为全球第四大经济体](https://weibo.com/2375086267/PtWiVbRKR?refer_flag=1001030103_)。该委员会首席执行官苏布拉马尼亚姆日前在一场新闻发布会上表示，印度经济规模已增长至4万亿美元，仅次于美国、中国和德国。 [](https://static.cnbetacdn.com/article/2024/0911/1c6a054cbfc5d83.jpg) 苏布拉马尼亚姆援引国际货币基金组织数据说：“如果我们坚持既定规划并贯彻落实，未来三年我们将成为第三大经济体。” **经济学家称，印度2024-2025财年6.5%的经济增长率仍是主要经济体中最高的。印度总理莫迪日前重新强调了要在2047年前将印度转型为发达国家的目标。** 有趣的是，印度总理莫迪在一场公开活动中表示，印度已超越日本成为世界第四大经济体。“莫迪在，事必成。”莫迪承诺要在印度独立百年（2047年）之际将该国建成发达国家。 [查看评论](https://m.cnbeta.com.tw/comment/1503100.htm)

当地时间28日，**载有183名乘客的济州航空客机在着陆过程中冲出跑道，轮胎出现撕裂，事故未造成人员伤亡。**据报道，该客机从韩国仁川起飞抵达越南岘港机场，在降落滑行过程中，飞机偏离跑道右侧的安全区，然后返回了跑道。 事故造成飞机一个轮胎损坏，在所有乘客下机后，济州航空更换了损坏的轮胎，并从韩国派遣了同一型号的备用飞机执行返程航班7C2218，返程航班延误超过14小时。 韩国国土交通部目前正对飞行机组人员等进行调查，以查明飞机偏离跑道的原因。 此外，当地时间29日下午13时52分左右，**韩国海军另有一架P-3C反潜巡逻机军机在韩国东南部城市浦项坠落山中**。 [](//img1.mydrivers.com/img/20250529/ad83f1f3a4b046e9acfd3bd6ad115973.png) 值得关注的是，去年12月29日，韩国济州航空一架客机，韩国南部全罗南道务安国际机场降落过程中冲出跑道，和机场围栏等发生碰撞后起火。 **除2人获救外，机上其余179人全部遇难，这是在韩国国内发生的伤亡最严重的空难事故。** 发生事故的济州航空7C2216航班的机型是美国波音公司的737-800，于2009年8月出厂，飞机机龄15年。 [](//img1.mydrivers.com/img/20250529/05df6b0b445e43a89c3fbc1aeead4429.png) [查看评论](https://m.cnbeta.com.tw/comment/1503094.htm)

近日，知名短视频博主**“2米饭桶”**偶然在江苏沐阳的一次采访，意外遇到了一位**05年**出生的女孩。经过沟通攀谈，博主了解到女孩父亲在生病的前两年，母亲离家出走，不愿抚养这几个孩子。 后来在2024年，父亲因癌症去世，姐姐则承担起养活弟妹的责任，每日需要骑车40公里前往县城送外卖，养活3个弟妹。 据了解，**姐姐每月送外卖能有3000元收入**，此外她还要还父亲治病欠下的债务。村里为四姐弟提供了免费住房，让他们享受到低保，**每月能领到2000元**。 该视频经过网络传播后，京东客服在该下方留言回应。 京东客服表示：**京东外卖已经联系到骑手小姐姐，会给她提供所需的帮助，请大家放心。** [](//img1.mydrivers.com/img/20250529/48df9c3345604eb9bb545f90f0a4503d.png) 据了解，这位05后女孩目前已开启直播带货，截止2025年5月29日15时，其账号粉丝共有**36.2**万，商品橱窗有**48件**好物。 [](//img1.mydrivers.com/img/20250529/d2b59db18e184f738a72b61721829a4e.png) [查看评论](https://m.cnbeta.com.tw/comment/1503092.htm)

日前比特币 2025 大会在美国内华达州拉斯维加斯举办，出席此次大会的包括巴基斯坦加密货币委员会主席比拉勒・本・萨基布 (Bilal Bin Saqib)，萨基布负责制定和协调巴基斯坦的加密货币战略。 在大会中萨基布表示巴基斯坦政府效仿美国建立比特币战略储备，同时正在推行支持加密货币的监管政策。此前巴基斯坦虽然允许挖矿但并没有考虑合法化比特币，现在巴基斯坦对加密货币的态度出现了逆转。 [](https://img.lancdn.com/landian/2025/05/109164.png) 根据萨基布的说法，巴基斯坦将建立以政府主导的比特币战略储备计划，这些比特币将作为巴基斯坦的财富被保存，而态度出现逆转的原因则与特朗普支持加密货币和成为美国总统有关。 在特朗普上任后目前美国也计划建立比特币战略储备，而在政策方面美国则是放开诸多加密货币领域的限制，美国证券交易委员会对多个加密货币交易所或去中心化金融机构的起诉也被撤回。 而在 2025 年 2 月刚刚成立的巴基斯坦加密委员会则主要负责监督加密货币全面监管框架的制定并吸引外国投资者，该委员会提出的措施包括利用径流能(即水力发电)开采比特币或建立数据中心挖矿，为巴基斯坦积累比特币。 巴基斯坦地热能方面相对来说还算丰富，在巴基斯坦有部分矿场就依靠地热能发电用于挖矿，地热能成本要比化石能源更低，对比特币挖矿来说确实可以降低电力成本。 [查看评论](https://m.cnbeta.com.tw/comment/1503090.htm)

硬件设备制造商有胜科技 (UTRAN) 在台北国际电子展上为专业用户带来新的 PCIe 5.0 x 16 转接卡，这款转接卡提供 28 个 NVMe M.2 固态硬盘槽位，最大支持 224TB 存储容量和每秒 109GB 的读写速度。 这款转接卡核心是博通的 PEX89144 交换机，该交换器每端口 (x16) 提供每秒 128GB 的原始带宽，能够帮助专业用户和企业在机箱内通过简单的连接构建高性能、低延迟、可扩展和经济高效的 PCIe 拓扑。 PEX89144 支持 144 通道，负责管理所有固态硬盘的连接和带宽分配，但仅仅只使用单个 x16 插槽还是不够用，所以转接卡还需要通过两根 x8 线缆连接 PCIe 接口，最终可以实现 28 块固态硬盘的连接。 有胜科技通过 IOMeter 基准测试发现这块转接卡或者说这个拓扑系统可以提供 109600MB 每秒的累计顺序读取速度和超过 418K IOPS 性能，设备平均 I/O 响应时间仅为 0.48 毫秒。 [](https://img.lancdn.com/landian/2025/05/109165-1.png) [](https://img.lancdn.com/landian/2025/05/109165-2.png) 在高负载的情况下测试系统的 CPU 使用率徘徊在 30% 左右，也就是系统仍然有足够的资源用来并行计算或执行额外的 I/O 操作，因此这种能提供高性能和低延迟的存储系统对于专业用户、企业用户乃至数据中心都有不错的吸引力。 如此多的固态硬盘发热量也非常夸张，所以有胜科技在卡背面增加专用的高压风扇用于散热，但即便如此这种尺寸仍然可以塞到机架存储设备中，使用 8 张转接卡就可以获得 1.792PB 的全闪存存储。 不过这个转接卡系统不支持热插拔并且似乎没有断电保护功能，所以用户必须选择那些具有断电保护的固态硬盘，否则出现紧急情况发生断电后将影响固态硬盘存储的数据。 驱动如此多的固态硬盘也意味着功耗非常高，这张转接卡系统峰值功耗为 400W，但只通过 8 针的辅助 PCIe 电源接口获取电力供应，不知道是否可以额外连接线缆到电源直接供电。 最后是价格方面，有胜科技准备从夏季开始销售这款转接卡，售价约为 3000 美元 (不含任何固态硬盘)，不过博通 PEX89144 本身就是个比较昂贵的解决方案，所以最终产品售价也不会便宜。 [查看评论](https://m.cnbeta.com.tw/comment/1503088.htm)

托管服务提供商 GoDaddy 此前被发现遭到黑客攻击泄露大量数据，GoDaddy 不仅为客户提供域名注册和托管服务，同时还提供诸如企业邮箱和服务器等托管服务。2023 年 2 月 GoDaddy 发布安全公告称其内部系统遭到黑客持续多年的渗透，具体来说黑客从 2019 年开始就成功破坏 GoDaddy cPanel 共享环境，然后在服务器上安装恶意软件并进行持续攻击。 [](https://static.cnbetacdn.com/article/2020/1225/5562ffd820b8125.jpg) 黑客发起的攻击行为包括窃取 GoDaddy 的关键数据、源代码、托管客户的源代码、劫持客户网站跳转到其他网站，事实上这起事件还是客户发现自己的网站有时候会跳转到其他网站才联系 GoDaddy，随后该公司经过调查后发现系统早已被黑客渗透。 事后调查发现渗透到 GoDaddy 内部的黑客与 GoDaddy 在 2019 年、2020 年、2021 年发生的安全事故都有联系，这些事件累计影响超过 120 万个托管在 GoDaddy 上的 WordPress 站点，各种机密数据也全部被窃取。 到 2025 年 1 月美国联邦贸易委员会决定对 GoDaddy 提起诉讼，希望通过此次诉讼敦促 GoDaddy 加强安全系统并提升安全性保护全球客户和消费者。 在最新公布的长达 14 页的文件中，FTC 要求 GoDaddy 必须满足十几种安全要求以解决此次指控，事实上 GoDaddy 没有选择，如果不选择满足这些要求并与 FTC 和解的话，最终下场可能会更惨。 FTC 要求 GoDaddy 不得歪曲其安全和数据保护实践、不得歪曲安全技术的使用、不得歪曲参与的安全和隐私计划，有这些要求是因为 GoDaddy 让客户误导性的认为该公司具有比较良好的安全实践。 其他要求还包括在 90 天内实施全面的计划，该计划至少每年记录一次或在安全事件发生后立即记录一次，GoDaddy 还需要指派一名合格的安全负责人用来评估和管理内部 / 外部的安全风险。 GoDaddy 需要在 180 天断开或保护不受支持的软件和硬件、监控操作系统和应用程序文件未经授权的更改、为员工 / 承包商 / 客户设置 MFA 多因素认证、API 必须通过 HTTPS / 身份验证 / 速率限制 / 监控保护。 其他要求还包括 GoDaddy 必须聘请第三方进行安全评估、与安全评估员进行充分合作、积极参与安全事件报告等，只有全面满足 FTC 的要求 GoDaddy 才能彻底解决此次安全事件，当然如果后续仍然违规则可能会被 FTC 处以巨额罚款。 [查看评论](https://m.cnbeta.com.tw/comment/1503086.htm)

胖东来创始人于东来今日在抖音上更新多条动态，他表示，要活自己喜欢的自己，“我不需要支持、不要误读”。于东来更新的动态显示，其近日前往了西藏萨普南线旅行，他表示，“这边信号不好、长视频是由网速慢慢自动上传的，所以有时半夜才发上，我休息很正常，大家不用担心。” 他认为，无论环境如何变幻，每个人要坚定做自己喜欢的、活出自己喜欢的自己。就像信仰一样，幸福不是努力，幸福是科学文明的生活方式，是对自己选择的人或事喜欢和热爱。“大多数人用一生的时间去和别人比，同样用一生的时间浪费了自己的人生，这样的生活怎能幸福呢！” 他还提到，我们每个人身上奴性的顽劣是不可想象的，只有有思想才能有真正的生命，无知即罪恶。苏格拉底两千年过去了，在思维层面，太多人还原地不动。没有发自内心纯粹坚定的信仰是感知不到生命的真谛的，大多不懂得辨别是非善恶。 “分享美好的历年和生活方式，希望更多人活出美好的生活状态，为大家分享的是爱的美好、是为懂的人们而做，我不需要支持、不要误读！”他说。  [查看评论](https://m.cnbeta.com.tw/comment/1503084.htm)

千呼万唤始出来，DeepSeek 迎来了推理模型更新。昨晚，DeepSeek 官方宣布其 R1 推理模型升级到了最新版本（0528），并在今天凌晨公开了模型及权重。   HuggingFace 链接：[https://huggingface.co/deepseek-ai/DeepSeek-R1-0528](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528) 模型文件上传时间是凌晨 1 点，不知 DeepSeek 工程师们是不是加班到了最后一刻。也有网友表示，这回又在端午节假期前发新模型，简直比放假通知还靠谱。  这次更新的升级版 R1 参数量高达 6850 亿，体量巨大，虽然开源了出来，但大多数人只能围观。如果“满血版”不进行蒸馏，是肯定无法在消费级硬件上本地运行的。 不过这种不说话直接放链接的态度还是引来了网友们的普遍欢迎。  根据 DeepSeek 的小范围通知，更新后的 R1 版本采用 MIT 许可证，这意味着它可以用于商业用途，从版本号看来这是一个“小”升级，不过人们大量实测后发现，新版大模型的性能提升颇为明显。 我们也能在新版 DeepSeek-R1 模型的配置文件中看到更多但并不出人意料的信息，包括采用了 DeepSeek-V3 作为基础模型以及 MoE、隐藏层大小、量化等配置。  我们现在已经可以在 DeepSeek 的网页端和 App 上直接用上这个最新版本的大模型。 有网友总结表示，新的 DeepSeek-R1-0528 可以进行更加深度的推理，输出的文本更加自然，结构更有层次感，它展现出了独特的推理风格，不仅速度很快，而且进行了充分的思考。与上周发布的 Claude4 类似，现在的 DeepSeek 也可以进行长时间的思考了，据说能持续 30-60 分钟。  已经有一些网友实测时遇到了 DeepSeek 的长考，这 deep research 可够深度的：  基准评分，成绩大幅提升 DeepSeek R1 发布以来，大模型领域的格局已经发生了变化。原版 R1 的成绩如今已不再领先，R1-0528 的出现修正了结果。 R1-0528 模型的第一个 Benchmark 成绩是 LiveCodeBench，它超越了 O3-Mini，几乎与 O3（High）的评分相当，在编程任务上相比上个版本有了显著的提升。  要知道 DeepSeek 模型是完全开源的，App 目前为止也完全免费，这可以说是开源的胜利。 另外，其在 Extended NYT Connections 基准上的成绩也已经出炉，相比于前一代 DeepSeek-R1，最新的 0528 版本的提升非常明显，从 38.6 增至了 49.8，接近 Claude Opus 4 Thinking 16k；不过在该基准上，DeepSeek-R1-0528 仍旧没有挤进 OpenAI o 系列模型占据的第一梯队。  目前，ChatBot Arena 上也已经更新了新版本的 DeepSeek R1，让我们看看大家充分测试过后它的排名能爬到多高。  网友实测：代码能力大幅提升 虽然 DeepSeek-R1-0528 才刚出来不久，但已经有不少网友分享了自己的实测结果。 比如开发者 Haider 就通过一个编程挑战赛（构建一个词评分系统）挑战了当前主流的前沿模型，结果发现，目前只有 o3 和新版 DeepSeek-R1 能够完成这个挑战。这不禁让他感叹：DeepSeek is so back...  也有网友通过一个小球撞墙实验直观地对比了 Claude-4-Sonnet 与 DeepSeek-R1-0528 的实际表现。可以看到，DeepSeek-R1 生成的代码在模拟物理碰撞方面表现会更好一些。  Hyperbolic Labs CTO 和联创 Yuchen Jin 也进行了简单测试，发现 R1-0528 是目前唯一一个始终能正确回答“what is 9.9 - 9.11?”的模型。  下面是他录制的演示视频：  机器之心也做了一次简单的尝试，让其用 Python 编写了一个可以将 Word 文档中的图片提取到固定路径的小程序。  可以看到，DeepSeek-R1 用一分多钟完成了任务，那实际效果如何呢？很遗憾，出现了一个报错：  这是一个简单的句法错误，下面我们直接将其反馈给 R1-0528。结果出现了一个有趣的现象，对于这个简单报错，R1 模型思考的时间（212 秒）远远超过了之前写出整个程序的时间。  查看其思考过程可知，新版本的 R1 与之前的版本一样存在过度思考的问题，即反复思考和验证原本很简单的问题。 不过好在，修改后的程序成功完成了指定任务，就是这 UI 字体有点不协调：  我们还进行了另一些简单测试。整体来说，我们感觉新版 DeepSeek-R1 相比前一版本确实提升不小，完成一个任务所需的对话轮次也少了许多。 最后，尽管 R1 这次提升很大，网友们还是期待 DeepSeek 尽快放出 R2。  一个小版本更新就如此惊艳，DeepSeek R2 会是什么样子？这一次，我们是不是要等到国庆节？ 文中视频链接：[https://mp.weixin.qq.com/s/14YOsEZ_Kr6MD-7qvm3Hgg](https://mp.weixin.qq.com/s/14YOsEZ_Kr6MD-7qvm3Hgg) [查看评论](https://m.cnbeta.com.tw/comment/1503080.htm)

被马斯克称作“特斯拉未来业务核心支柱”的智驾新方案即将兑现，这个时间节点比马斯克原定计划提前两周。

 由 Flatter Than Earth 打造、Daedalic Entertainment 发行的手绘解谜冒险游戏《木偶往事》将于 6 月 25 日正式登陆 Nintendo Switch 平台。即日起至 6 月 24 日期间，玩家可通过 Nintendo eShop 预购本作并享受 8 折优惠！ &lt;内嵌内容，请前往机核查看&gt; 这款画风精致的 2.5D 解谜平台游戏是对“讲故事”这项艺术的致敬。游戏将经典的平台跳跃玩法与剧院灵感交织的奇幻世界相结合，为玩家带来别具一格的舞台冒险。《木偶往事》Switch 版也将加入此前已在 PC、PlayStation 5、Xbox Series X|S 和 Steam Deck 上推出的版本阵容。  在这场穿梭木偶王国的旅途中，玩家将扮演舞台工人 Nieve 与与她命运相连的木偶 Drev，共同探索一个充满危机与奇遇的魔幻剧场世界。游戏结合了创新的“线索”机制、双主角解谜设计以及精心绘制的手工舞台，讲述了一段温暖而诡异的童话旅程。 游戏特色包括： - 双主角操作：同时操控 Drev 与 Nieve，发挥他们各自的独特能力，解决充满变化的谜题。 - 线索机制：利用神奇的“线”操控机关、互动道具、解锁隐藏区域。 - 手绘剧院舞台：沉浸在灵感源自古典舞台剧的精美布景与可收集服饰中。 - 剧情驱动冒险：重建被遗忘的剧场布景，揭开幽暗“后台世界”背后的秘密。  《木偶往事》以其独特的艺术风格和情感叙事，为玩家呈现一个充满失落故事、变换舞台与戏剧谜题的世界。踏上归途，在一幕幕被遗忘的布景之间，与命运之线紧密相连的伙伴一同揭开谜团，重返地上的华丽舞台！

<blockquote><p>这篇文章深入探讨了 AI Agent 行业的现状与本质，指出当下多数 AI Agent 实为智能 SaaS，存在技术鸡肋、商业困局等问题，同时也展望了其未来可能的发展方向，为创业者、投资者和普通用户提供了不同角度的思考与启示。</p> </blockquote>  最近和几个 AI 圈的朋友喝酒，有人突然问：“你们说，现在满大街的 AI Agent，到底是真革命还是资本骗局？” 这问题就像在问皇帝的新衣到底啥颜色。 直白点说，AI Agent 就是被资本炒起来的伪概念，现在大部分公司在搞的其实应该叫 AI Workflow，或者你理解为智能 SaaS 也成。一、技术鸡肋：被高估的 “智能” 与被忽视的底层先看技术。现在市面上 90% 的 Agent，本质上都是基础模型的 “缝合怪”。比如某知名编程 Agent，号称能自动写代码，实际就是把 GitHub Copilot 的功能重新包装了一遍，加了个 “自主决策” 的噱头。真正的 Agent 需要具备自主性、工具使用、记忆学习等核心能力，但多数产品只是用提示词模板伪装成智能体，连基础模型的幻觉问题都没解决。 更讽刺的是，Agent 的能力边界完全取决于基础模型。如果 GPT 没有突破，Agent 最多是个高级版的自动化脚本；可一旦基础模型突破了，比如实现真正的多模态推理，谁还需要这个中间层？就像智能手机普及后，谁还会用功能机上的 Java 小程序？二、商业困局：SaaS 内卷下的死亡陷阱 再聊商业。现在 SaaS 市场已经卷到 “裤衩都不剩”，客户恨不得让你驻场开发，收费贴着成本走。你一个没啥技术壁垒的 Agent 产品，凭啥从虎口夺食？ 看看那些 “成功案例”：某金融 Agent 帮银行处理跨境汇款，听起来高大上，实际是把 RPA（机器人流程自动化）和大模型简单叠加，收费还没传统 SaaS 高。 更惨的是，很多 Agent 公司为了融资，疯狂烧钱买客户，比如 Manus 上线半年融资 7500 万美元，但实际用户留存率不足 20%，全靠资本输血撑着。 唯一的出路是做垂直领域，但这条路比登天还难。 首先，你得有行业专家带队，比如医疗 Agent 需要懂电子病历、医保政策的老法师；其次，销售得能搞定医院、药企的关系，光靠技术根本没用。 最后，这种模式账期长、利润薄，根本撑不起上市估值，只能卖给行业巨头当 “配件”。三、交互革命：从 “工具” 到 “贴身管家” 的想象 不过，我也不是完全唱衰。Agent 的未来不在 B 端，而在 C 端的生活化场景。现在的交互方式太落后了，用户还得自己琢磨提示词，这和十年前的手机按键操作有啥区别？ 真正的 Agent 应该像《钢铁侠》里的贾维斯：通过智能眼镜捕捉你的眼球动态，用耳麦实时分析对话，主动提醒你约会时该说啥、老板挖坑怎么躲，甚至做饭忘关火时自动报警。 这些场景不需要多高的准确率，现有多模态模型完全能胜任。比如声网的 AI Agent 已经能通过智能硬件实现多人语音交互，还能主动调节聊天氛围。 商业上，可以学小米：基础版免费，靠智能硬件赚钱；进阶版按月收费，提供 24 小时服务。 更妙的是，用户数据还能反哺模型训练，形成闭环。就像海马爸比的婴儿看护设备，通过 AI 分析哭声、动作，既能提升用户体验，又能积累育儿数据，为下一代产品铺路。四、资本游戏：概念包装比技术更值钱 最后说点扎心的：科技行业从来都是起名比技术重要，营销比产品先行。 为啥 Agent 估值比 Workflow 高十倍？因为 “智能体” 听起来比 “自动化流程” 性感多了。 看看 Manus，本质就是个集成了浏览器和 API 的任务执行器，却被包装成 “通用 AI Agent”，估值半年涨五倍。 更绝的是微软，在 Build 2025 大会上推出 “开放智能体网络”，把 GitHub Copilot 升级成能自动修 Bug 的 “同伴编程” 工具，实际就是把现有功能重新整合，但资本市场就吃这一套。 这就像当年的 “元宇宙”，现在谁还记得 VR 头盔卖得咋样？结语：泡沫终将破裂，但未来值得期待 回到开头的问题：AI Agent 是骗局吗？不全是。它更像一场资本推动的技术预演，虽然现在 90% 的产品都是泡沫，但剩下的 10% 可能会颠覆世界。 对创业者来说，别想着做 “通用 Agent”，深耕医疗、教育等垂直领域，把服务做到极致，或许能在红海中找到生存空间。 对投资者来说，警惕那些只会讲故事的公司，真正的机会藏在 “苦活累活” 里，比如处理医疗文档的 Agent，虽然不性感，但能实实在在赚钱。 至于普通用户，不妨期待一下：当 Agent 真的能成为你的 “贴身管家”，帮你搞定生活琐事时，或许就是 AI 真正改变世界的那一天。 但在此之前，先把钱包捂紧 —— 毕竟，现在的 Agent，大多还只是皇帝的新衣。 本文由人人都是产品经理作者【产品经理骆齐】，微信公众号：【骆齐】，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。

<blockquote><p>挂靠经营作为一种常见的商业模式，虽然在短期内为资质不足的市场主体提供了便利，但也带来了诸多合规隐患，如主体责任不清、财务核算混乱、法律合规缺位等。本文从风险管理的角度出发，深入探讨了挂靠经营的识别方法和管理策略，希望能帮到大家。</p> </blockquote>  ## 一、引言：挂靠经营的风险本质与管理必要性 挂靠经营作为一种 “借壳生蛋” 的经营模式，虽能为资质不足的市场主体提供短期便利，却给企业带来巨大合规隐患。 从建筑工程领域的质量安全事故，到财税领域的虚开发票风险，挂靠经营往往伴随主体责任不清、财务核算混乱、法律合规缺位等问题。对于企业而言，建立一套科学、系统的挂靠经营识别机制，是防范法律风险、维护品牌声誉、保障经营安全的核心环节。 本文将从管理框架搭建、核心识别维度、识别方法与工具、落地执行策略四个层面，构建可操作的挂靠经营风险管理体系。 ## 二、构建挂靠经营识别的管理框架 ### （一）明确管理目标与责任主体 **目标导向** 通过全流程识别，杜绝 “以证养壳”“资质出租” 等违规行为，确保经营主体与资质主体一致、业务实质与法律形式统一。 **责任矩阵** 成立跨部门专项小组，由风控合规部牵头，联合财务、人力、业务部门及项目管理团队，明确各环节职责（如财务部门负责资金流审查，人力部门负责劳动关系核验）。 ### （二）建立全周期管理流程 - **事前预防：**在业务合作、项目承接阶段，通过资质核验、背景调查等手段过滤风险； - **事中监控：**在项目执行过程中，通过财务数据追踪、现场管理抽查等方式识别异常； - **事后回溯：**定期对已完成项目进行合规性审计，复盘风险漏洞。 ## 三、挂靠经营识别的五大核心维度与操作要点 ### （一）资质与主体一致性识别 **核心逻辑**：资质是经营合法性的基础，实际主体与资质主体的割裂是挂靠经营的典型特征。 **操作要点**： - **资质穿透核查：**核查业务所需资质证书，确认证书登记主体与合同签订主体、项目章使用主体是否一致；重点关注 “高资质承接、低资质施工” 现象。 - **业务范围匹配度分析：**对比企业实际经营业务与营业执照、资质证书核定的范围，警惕超范围经营且依赖第三方资质的情形。 ### （二）财务与资金流异常识别 **核心逻辑**：挂靠经营的财务特征表现为 “两套账”“体外循环”，资金流与业务流脱节。 **操作要点**： - **资金闭环追踪：**建立 “合同 – 资金 – 发票” 三位一体的核查机制，重点关注资金是否直接流向非合同约定主体、项目成本支出是否由挂靠方独立承担。 - **税务合规审查：**核查发票开具是否 “三流一致”，分析管理费的财务处理方式，警惕代开发票、虚增成本等行为。 ### （三）人员与劳动关系穿透识别 **核心逻辑**：人员管理的独立性是判断是否构成真实用工的关键，挂靠经营中人员往往由实际控制人自行招募，与被挂靠方无实质关联。 **操作要点**： - **劳动关系 “三证合一” 核验：**要求项目关键岗位人员提供劳动合同、社保缴纳记录、工资发放流水，确认三者均指向被挂靠方；通过考勤记录、工作汇报路径等判断人员实际归属。 - **管理权限穿透分析：**考察被挂靠方对项目的实际控制力，如是否参与施工组织设计、质量安全检查等核心管理环节，项目章、财务章是否由被挂靠方统一管理。 ### （四）合同与协议条款解构 **核心逻辑**：挂靠经营的合作协议通常暗藏 “借壳” 条款，需通过法律文本分析锁定风险。 **操作要点**： - **合同主体与履约主体比对：**审查合同抬头、落款与实际履约方是否一致，关注 “阴阳合同” 风险。 - **权利义务实质性审查：**若协议中出现 “乙方（挂靠方）独立承担项目盈亏”“甲方（被挂靠方）不参与实际管理” 等表述，基本可认定为挂靠经营。 ### （五）经营场景实地验证 **核心逻辑**：脱离被挂靠方资源支撑的独立经营场景，是挂靠经营的重要外在表现。 **操作要点**： - **场地与设备权属调查：**核查经营场地租赁协议、设备采购发票等文件，确认权属是否归属于被挂靠方；现场检查设备标识、员工工牌等细节是否与被挂靠方品牌一致。 - **业务流程溯源：**追溯项目全流程文件，查看关键节点是否由被挂靠方主导，或仅为挂靠方 “借名” 操作。 ## 四、挂靠经营的识别方法与工具 ### （一）文件核验法：从资质到协议的全链条穿透 **适用场景**：业务准入阶段、合同签订前、项目审计环节 **操作工具**：通过核查资质证书、营业执照、合同协议、财务凭证等文件，识别资质过期、主体无关联、协议含敏感条款、资金流水异常、劳动关系存疑等风险点。 **示例**：某建筑企业承接工程时，资质等级与项目规模不匹配，且补充协议约定 “实际施工人承担所有安全责任”，可初步判定为挂靠经营。 ### （二）现场勘察法：还原经营活动真实场景 **适用场景**：项目执行中、年度合规检查、风险预警响应 **操作要点**：通过 “四查一看”（查人员、设备、资料、系统，看管理）工作流程，结合移动巡检 APP 实时上传现场照片，比对工牌、设备标识等信息，识别人员归属、设备权属、管理流程等方面的异常。 ### （三）数据分析法：用数字化手段捕捉风险信号 **适用场景**：常态化风险监测、跨项目风险比对 **核心模型**： - **资金异常流动模型：**设定 “公转私预警阈值”，分析资金链层级，识别异常转账和资金体外循环。 - **人员活跃度模型：**统计员工考勤天数，对比同行业人均管理项目数量，识别 “挂证” 现象。 - **业务集中度模型：**计算单一项目收入占比，识别异常业务集中风险。 - **技术工具**：引入 RPA 机器人、Python 脚本等，构建关联关系图谱，可视化展示主体间的人员、资金、业务关联度。 ### （四）访谈穿透法：从利益相关方获取真实信息 **适用场景**：风险疑点初现阶段、跨部门联合调查 **访谈策略**：针对被挂靠方管理层、项目现场人员、供应商 / 分包商、发包方 / 客户等不同对象设计核心问题，遵循 “交叉验证” 原则，获取真实信息，识别管理缺位、主体错位等风险。 ## 五、挂靠经营识别的落地执行策略 ### （一）数字化工具赋能 搭建 “资质 – 财务 – 人员” 数据中台，引入区块链存证技术，利用数字化工具实现资质核验、资金分析、现场巡检等环节的自动化与智能化，提升识别效率与准确性。 ### （二）标准化操作手册编制 制定《挂靠经营识别工作指引》，设计标准化核查表单，明确各部门操作步骤与证据留存要求，降低基层人员执行门槛。 ### （三）风险预警与应急响应 建立风险等级评估机制，对项目进行红、黄、绿分级管理；制定应急预案，明确违规行为确认后的处置流程，及时化解风险。 ### （四）长效培训与文化建设 定期组织案例培训，将挂靠经营识别纳入绩效考核，形成全员参与的合规文化，从 “被动防范” 转向 “主动治理”。 ## 六、结语：从 “被动防范” 到 “主动治理” 挂靠经营识别是企业治理能力的综合体现。通过构建 “制度 + 流程 + 工具 + 文化” 的四维管理体系，企业可将挂靠经营风险防控从 “事后救火” 转向 “事前预防”，从 “单点检查” 升级为 “系统治理”。 未来，需持续迭代识别模型，将挂靠经营风险纳入全面风险管理框架，为高质量发展筑牢安全底线。 企业可结合行业特性与自身管理基础，灵活运用文中的识别维度、方法与策略，如需进一步细化某一环节的执行细节，可随时告知具体需求。 本文由人人都是产品经理作者【敏尔说财税】，微信公众号：【B端起飞啦】，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。

<blockquote><p>在数字化转型加速和经济形势变化的背景下，中国B2B营销行业正经历深刻变革。本文综合艾瑞咨询、头部招聘平台及行业匿名问卷等数据，深入分析了2025年中国B2B营销从业者的生存现状，供大家参考。</p> </blockquote>  在数字化转型加速、经济形势下行的背景下，中国B2B营销行业正经历深刻变革。 2025年，随着人工智能技术普及、企业降本增效需求增强，B2B营销人的职业生态也发生了显著变化。本文综合艾瑞咨询、某头部招聘平台及行业匿名问卷等多个报告数据，**围绕失业风险、薪资水平、晋升空间、工作强度等核心维度，**深度解析中国B2B营销从业者的生存现状。 ## 一、失业焦虑：虽有裁员，也有扩招 ### 数据速览 **– 行业失业率：**2024年B2B营销相关岗位**失业率约为7.2%，较2023年上升1.5个百分点**，但低于全行业平均失业率（8.6%2025年传统广告投放、线下活动策划岗位缩减30%，传统渠道管理岗位缩减18%。社交媒体运营、AI工具应用相关岗位需求同比提升25%。）。 **– 岗位需求变化：** **1 技术替代危机：**AI工具（如智能内容生成、自动化投放系统）已替代约15%的初级执行岗位，但中高级策略岗需求稳定。 **2 行业洗牌影响：**受房地产、传统制造业低迷拖累，相关领域的B2B营销岗位收缩明显；新能源、智能制造、SaaS服务等赛道岗位需求旺盛。 **3 灵活就业兴起：**约12%的从业者转向自由职业，为企业提供短期项目制服务，有主动也有被动选择的结果。 ## 二、薪资增长：两极分化加剧，冰火两重天，技能溢价显著 ### 数据速览 **– 平均薪资：**B2B营销从业者月薪中位数为1.8万元，同比增长5%。 **– 薪资分层：**初级岗位（0-3年）薪资停滞（0-3%增长），**高级经理及以上职级薪资涨幅达12-15%。** ### 核心发现 **1 技能决定薪资天花板：** -掌握MarTech、AI工具和数据分析能力者，精通AI驱动的精准营销策略者，薪资溢价达40%； -复合型人才（如“技术+行业知识+英语”）收入较单一技能者高出25%。 **2 行业差异显著：** 新能源赛道平均薪资达2.3万元，传统制造业则普遍低于1.5万元。高增长赛道（如跨境电商、智能制造）薪资水平比传统制造业高35%-50%。部分新能源领域总监级年薪突破60万元。 **3 外企薪资优势收窄：** 民企通过股权激励、绩效奖金缩小与外企差距，但外企福利体系（如培训、假期）仍具吸引力。 ## 三、晋升空间：中低层更卷，高层要求更高 ### 关键数据 –** 晋升周期：**从经理晋升至总监的平均年限从5年延长至8年，总监级晋升VP成功率不足10%。 –** 能力需求转型：**行业资源整合（68%企业看重）、商业洞察力（55%）、数据驱动决策（50%）。 ### 挑战与机遇 **1 垂直行业经验成跳板：**在单一领域（如医疗、能源）深耕5年以上的从业者，晋升成功率提升30%。 **2 跨部门轮岗价值凸显：**具备销售、产品部门经验的营销人晋升概率高出纯职能背景者50%。 **3 “35岁现象”依然存在：**35岁以上从业者中，仅28%进入管理层，部分流向创业或咨询行业。 ## 四、工作强度与压力：加量不加价 ### 调研数据 **– 加班时长：**63%的受访者每周加班超过10小时，较2023年下降8个百分点（远程办公普及）。 – 压力来源：KPI达标（72%）、跨部门协作（58%）、预算缩减（45%）位列前三。 **趋势一 预算大减KPI反增，一分钱掰成几瓣花：** 越来越多的营销人被要求“花小钱、办大事”，并且花出去的钱都要能收回来。可以说，Marketing和业务之间的距离越来越近了。  **趋势二 营销渠道和展现形式更多样化、还要保证效果** 2024年，平均每个品牌采用的营销渠道从2023年5个飙升到7个！ 2024年，B2B营销人员平均采用7种营销渠道来触及客户，包括线下展会、线下论坛、垂直行业媒体、搜索引擎推广、抖音/视频号、官方微信号/研讨会等。为了能够更全面地触及目标客户，提高品牌曝光度和市场影响力。 而且几乎所有内容形式都要跟随渠道特性调整，要B2B营销人三头六臂，既要生产高质量内容，还要保证数据效果，工作量剧增。  ### 现状解读 **1 阶段性高压成常态：**项目制工作模式下，关键节点（如季度末、产品发布）加班强度骤增。 **2 心理健康隐忧：**40%从业者存在焦虑或睡眠障碍，民营企业员工心理压力指数高于外企18%。 **3 管理优化缓解压力：**部分企业采用OKR目标管理、引入协作工具（如飞书、钉钉）的企业，提升工作和管理效率。 ## 五、未来趋势与建议 ### 行业展望 **– 人才需求：**具备“数据思维+行业Know-How+客户管理”的复合型人才将成为核心竞争力。 **– 技术渗透：**技术驱动效率革命：AI将替代50%的标准化工作，但人性化洞察和战略规划能力不可替代。 ### 从业者应对策略 **1 技能升级：**优先学习AI工具、营销自动化工具、数据分析技能、营销和管理专业知识等。 **2 资源沉淀：**不断学习和输出，打造自己不可替代的能力，积累垂直行业人脉与成功案例库，提升个人品牌影响力。 **3 心理建设：**建立“反脆弱”职业规划，把自己当成老板，所有的工作都是为自己的履历打工，探索副业，一专多能，创造多种收入的可能性 ### 对雇主企业的建议 – 优化绩效考核机制，减少无效加班； – 加强跨部门协同培训，降低沟通成本； – 提供心理健康支持，提升员工归属感。 ## 结语 中国B2B营销人正站在技术革命与行业转型的交汇点。尽管面临薪资分化、晋升瓶颈、高压工作等挑战，但AI和科技的发展，也为拥抱变化的人创造了新的机遇，“穷则思变，变则通，通则久。”只有不断地掌握新的技术、知识和能力，才能一直立于不败之地。 注： 文中数据内容，来自网络，有些数据是2024年的，但是应该没有太大变化。如有问题，欢迎及时提出，谢谢。 作者：飞鱼，微信公众号：B2B营销人联盟，十余年大中型B2B企业市场和品牌工作经验，MBA学历，拥有丰富的市场经验，系统的营销理念。 本文由 @flyfish315 原创发布于人人都是产品经理，未经许可，禁止转载。 题图来自豆包AI生成

头部ATM机企业的分化印证了行业的残酷逻辑：固守硬件必亡，拥抱“技术+服务”方得新生。

AI原生手机银行的横空出世背后，是“对话即服务”理念的落地。这一模式的核心在于，金融服务不再依赖固定流程，而是通过自然对话动态满足需求，或许以后使用手机银行，不需要在自己在众多菜单和界面中寻找需要的服务，而只需要“交代”智能客服，用户就会像身处银行大厅有1对1的大堂经理进行手把手服务。

<blockquote><p>在SaaS和AI领域，定价策略是企业实现商业化和盈利的关键环节。本文通过作者所在SaaS企业的实际案例，深入探讨了插件和AI Agent的定价策略，供大家参考。</p> </blockquote>  作为一家成立10年+的SaaS企业，我们过去的一年多以来，一直在推进插件化和AI应用的“战略”。 同时，作为一家以追求利润为核心的商业机构，商业化是“必经之路”，而增值产品收费是其最基础的方式之一。 最近，我们被如何定价困住了： - 插件是否属于标准化SaaS产品的一部分？是否要收费？ - 如果插件是某家客户付费定制研发，是否要收费？如收费，是按原价，还是边际成本价？ - 如果是AI Agent，应该按每个模块一个Agent进行收费，还是按每个独立的Agent收费？ - 等等。 所以，今天就聊聊产品的定价，尤其是SaaS产品。 ## 三种常见定价方式：按需、按成本、按价值 **第一种：按需定价**：指根据客户实际使用量（如调用次数、存储容量、计算资源、人员规模等）动态收费，灵活适配用户需求。它的优势是价格透明、使用门槛低，而劣势就是使用越多，成本越高。 比如SaaS产品有A、B、C、D、E五大模块，则根据模块+人员规模进行定价(如下图）。  **第二种：按成本定价**：指根据产品或服务的生产成本（开发、运维、人力等）加固定利润率定价。 用公式表达为：**单位价格=(固定成本/预期销量+单位变动成本)×(1+利润率)**。 比如研发一套SaaS产品，预估每年研发/销售/营销成本是2000万，每年服务成本是800万，而每家客户的变动服务器等成本是1000元，预期利润率是30%，预期每年可有效触达的目标客户数是1000家，则每年的单位价格 = （ 28,000,000/1000+1,000）x（1+30%）= 37,700元。 **第三种：按价值定价**：指根据客户对产品或服务感知的价值为基础来定价。 比如星巴克通过“第三空间”理念和“星巴克体验”，塑造了独特的品牌价值感，则产品定价时，可按消费者所能承担的价格定价（38元），而不是咖啡的成本价（8元）。 当然，无论采用哪种方式，我们还会参考市面上的竞品价格和目标群体的消费能力。 ## 插件如何定价？ 何为插件？ <blockquote><p>插件（Plugin）是一种<strong>可以扩展或增强现有软件功能的附加组件</strong>。它依赖于宿主软件(如Chrome浏览器），用户可以根据需求选择安装或卸载（如广告拦截器或自动翻译），避免主程序过于臃肿。</p></blockquote> **SaaS 产品通常承诺持续免费迭代功能以满足客户需求**。 但当我们考虑到插件（Plugin）时，问题出现了：这类依赖宿主软件、可灵活安装卸载的附加组件，其功能迭代是否也属于免费承诺的范畴呢？ 让我们通过一个例子来理解这个问题：一款 SaaS 产品包含 10 个标准功能和 2 个可选插件（P1 和 P2）。客户购买后，标准功能的数量固定为 10，而插件功能则根据开通情况而定。 比如客户A未开通任何插件，则可用功能就是10个；客户B开通了插件P1，则可用功能是11个（10个标准功能+1个插件）。 站在客户立场，他们自然希望插件功能也能免费迭代。毕竟，他们订阅的目的是为了满足业务需求，无论这些需求是通过标准功能还是插件实现，都是他们应得的服务。 然而，从 SaaS 厂商的视角来看，情况则更为复杂。他们承诺的免费迭代通常针对的是标准功能。插件生态的构建是为了引入更多元化的功能和资源，如果插件也纳入免费迭代，可能会对市场机制造成冲击，不利于生态的健康发展。 最终方案或为：**精选少数官方自研插件免费提供，大部分插件采用按需付费模式。** 既然要收费，那如何定价？ 作为插件研发人员，我们最近在探讨插件的定价策略，遇到了一些挑战。 最初，我们考虑了三种常见的定价模式： - 按需定价：参考 SaaS 产品的定价逻辑，根据插件类型和企业员工规模收费。例如，插件 A 在 50 人企业售价 1000 元，在 200 人企业售价 2500 元。 - 按成本定价：基于插件的研发成本定价。例如，插件 A 的研发投入了 10 人日，按每人日 2000 元计算，则定价为 2 万元。 - 按价值定价：根据插件为客户带来的价值定价。例如，插件 A 帮助客户在合规的同时每月节省 2 人日，按此价值定价为 1.5 万元。 我们首先排除了按需定价（选项一），因为插件的启用与员工规模并非绝对正相关，且不利于价格的外部呈现。例如，一家 500 人的企业购买补贴计算插件，实际只有 50 人使用，按 500 人收费客户难以接受，按 50 人收费我们又难以有效进行管控。 基于惯性思维，我们最初选择了按成本定价（选项二），然而这种模式招致了客户和内部伙伴的强烈反对。 例如，我们自研了一个插件，它可以帮助用户解决加班遇到法定节假日时，以0点为界限，明确拆分不同的加班时长与补贴（即工作日加班是1.5倍工作，而节假日加班是3倍工资）。 由于系统复杂及场景多样性，研发成本高昂，耗时30+人日，以3000元/人日计算，成本达9万，约为购买价单个模块的2-3倍。如同购房时装修费超出房价2-3倍，难以接受。 客户反馈：“**这个报价有点离谱，你们公司是不是很缺钱**？” 这让我们意识到单纯基于成本定价无法体现插件的真正价值，也难以被市场接受。 因此，我们开始重新思考按价值定价（选项三）的可行性，并积极探索如何准确评估和传达插件为客户带来的价值。 最后，**我们按照其所提供的价值定价。同时，单个插件不能超过其所属模块价格的30%，且如果插件成本高（即超30人日）时，则可再溢价5%-10%**。 比如客户购买单模块价格是2万，插件投入30+人日研发，则其价格不超过6000元最佳（即2万x 30%），最高不超过8000元（即2万 x 40%）。 作为内行，您可能质疑：**插件边际成本接近零，为何不采用薄利多销策略**？ 例如，若定价8千，仅2家客户购买，收入1.6万；而定价2千，10家客户购买，收入可达2万。然而，目前情况下，同一插件销售超过10家客户的情况罕见，为确保成本回收，薄利多销并非适宜选择。 <blockquote><p>注意：此案例是以笔者所在的B端SaaS企业为例，并不一定适用于C端SaaS产品。</p></blockquote> ## AI Agent 又如何定价？ 除了插件外，我们还面临另一个定价问题：AI Agent。 **1.按需定价**：根据客户需要的Agent数量、调用次数和功能模块来收费。 例如：基础版（1个Agent、5万次调用、1次调优）1万元；升级版（3个Agent、50万次调用、5次调优）5万元；尊享版（10个标准Agent、1个定制Agent、无限调用、无限调优）20万元。 **2.按成本定价：**例如，开发一个Agent需要15人天，按每人天3000元计算，定价就是4.5万元。 **3.按价值定价**：比如，一个数据分析Agent能帮助客户决策者有效调用、分析数据并洞察趋势，具有独立价值，可定价2万元。 最初我们选择了“按需定价”，但很快遇到了麻烦：**如果按Agent数量收费，该如何界定一个Agent包含哪些功能？** 举个例子，一家SaaS公司有5个模块（组织、绩效、审批、考勤、薪酬），则你可以选择： - 每个模块对应一个Agent（1对1） - 一个模块对应多个Agent（1对N） - 多个模块对应一个Agent（多对1） - 多个模块对应多个Agent（多对多） 如果按Agent数量收费，你自然倾向于选择“多对多”模式，因为这可能带来更多付费机会。但对于客户和产品定位来说，却未必是最优选择。 比如，我们把“数据Agent”拆分成五个（组织、绩效、审批、考勤、薪酬），商业上可以卖五个Agent的钱，但对用户来说操作会非常繁琐，体验很差。 因此，定价不能简单依赖Agent数量，也不能只用一种方式，而需要综合考量。 我们的新思路是： **首先，基础层是按需定价**。主要针对用户调用次数和存储空间（比如大模型Token用量、文件存储），这部分相对标准化。 **第二，Agent层是按价值定价**。即每个Agent独立定价，既考虑产品定位和商业化，也照顾了用户体验。每个Agent根据其价值定价，客户可以按需选择开通。 根据各Agent的实际价值与产品定位差异化定价，例如： - HR Agent（人事基础服务+政策查询）：1.2万元 - 数据Agent（全模块分析决策）：2.5万元 - 法律Agent（实时法规案例库）：0.8万元 - 假勤Agent（假期管理全功能）：1万元 - 排班Agent（智能排班系统）：1.5万元 - 等等。 ## 写在最后 最后想说的是，产品定价既是一门技术，也是一门艺术。定价方法丰富，本文仅从实际问题出发，粗浅地探讨了按需、按成本和按价值这三种常见模式。 需要强调的是，定价绝非产品经理的“独角戏”。以上内容，更多是我作为一名产品经理的个人思考与梳理，更是一个定价领域“小白”的尝试性分享。若能为你带来一丝启发，便是我最大的荣幸。 **专栏作家** 邢小作，微信公众号：产品方法论集散地，人人都是产品经理专栏作家。一枚在线教育的产品，关注互联网教育，喜欢研究用户心理。 本文由作者原创投稿/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

<blockquote><p>在金融科技浪潮下，证券公司正积极布局智能体建设。本文作为证券公司智能体手搓指南的实操篇，聚焦于智能体建设的优先级、主战场选择以及人员配置等关键问题，为从业者提供清晰指引，助力证券公司在智能体竞赛中抢占先机。</p> </blockquote>  书接上回，笔者和大家分享了证券公司智能体“要不要做？”的问题，答案是肯定的。不跟？就下牌桌！但在真正消耗人力物力财力之前，还有几个关键点必须考虑到。 一、优先级是什么？功能、人群、生态、差异化或是先解决有无？ 二、主战场在哪里？元宝、豆包、蚂蚁还是自用？ 三、人员怎么配置？新建项目组还是干脆外部共创？ 四、不想沦为内部“玩具”，配套运营策略怎么搭？ 五、心里没底！我自己能先手搓个Demo吗？ 今天我们先讨论前三个问题。 ## 关于优先级 第一个问题先抛给各位产品经理。笔者认为，智能体在目前阶段也可以被归纳进“产品”的范畴中。但谨记，AI产品拿掉AI的部分，依然、必然还是好产品！所以各位产品经理赶紧先翻一翻自家的数字化产品，有哪些受欢迎的？值得更智能的？其实与近十年大家做的公告资讯化、数据产品化等并没有本质区别，这次大家可以先做产品AI化。不过这次的“AI化”不是简单的让产品“更聪明”，而是要让它“更鲜活，更有生命力”。 举个例子——“财经资讯智能体”。带大家一起来拆解。 对证券研究员而言，需求核心在于信息处理效率与深度。他们需要智能体具备全网资讯的实时抓取能力，并能结合行业知识图谱自动生成事件影响分析链（如“光伏新政→产业链成本结构变化→标的公司盈利模型修正建议”）。这要求智能体突破传统资讯的“事实罗列层面，进化到“逻辑推演”阶段。 投顾端的需求则聚焦于服务赋能工具化。优秀的财经资讯智能体应具备客户画像感知能力，例如当某客户持仓中出现新能源板块且风险测评显示保守型时，智能体需自动过滤激进策略资讯，同步生成“波动预警+对冲方案+沟通话术”组合包。这种“资讯-策略-服务”三位一体的输出，将重构投顾的工作流。 C端用户的核心诉求在于决策辅助的场景穿透力。区别于传统APP的栏目式资讯堆砌，智能体需实现“持仓关联提醒+资金规划建议+市场情绪解读”的动态融合。例如监测到用户重仓股突发利空时，即刻推送包含“历史相似案例波动曲线、机构持仓异动数据、期权对冲成本测算”的决策包。 设想一下：你有个朋友，每天都会不定时通知一些你关心的或者与你操作、研究行为相关的市场资讯、行业动态。不仅如此，他还是个导师、百事通、预言家，可以引导你提出下一个问题，或是主动帮你拓宽知识边界，在深度挖掘信息价值的同时减少“信息茧房”产生的概率。不仅如此，他的工作流也是完全由你决定，可以留完言就消失，也可以做到买卖调仓一条龙。 这个例子其实是想告诉大家。关于智能体建设的优先级，在解决有无问题后，暂时还没有形成常规意义上的“先后顺序”。而是先试水、先练手，而后去“找线头”，找到最小价值闭环的突破口，再结合各家公司的实际情况去考虑功能、人群、生态、差异化的问题。不过，笔者期望的智能体即服务（AaaS）新范式暂未有监管政策框架或适当性管理细则。所以很多长链路的功能（特别是涉及到交易相关的）可以规划，但无法落地。最好的实现方式肯定是先做出一个个“智能工具体”备用，未来某一天再组合为完整的智能体。 这里再附赠各位读者一些“财经资讯智能体”以外的“智能工具体”构想，供大家探讨，有兴趣的可以私信笔者交流。例如“投行业务智能体”、“合规风控智能体”、“量化策略生成智能体”、“智能投教陪伴体”、“上市公司画像智能体”等…… ## 关于主战场 随着证券公司智能体热度上升，头部券商凭借资源优势可能每月新增的“智能工具体”场景肯定会不少于20个，但真正产生业务价值的能有多少？选择与生态基因深度适配的主战场，成为决定智能体建设成败的关键命题。 1、微信生态（元器）：私域运营与深度服务的主阵地 生态特性：以企业微信为核心，覆盖13.4亿月活用户，具备强社交属性、客户生命周期管理能力及合规闭环（如会话存档功能）。 券商适配场景优先级： -客户分层运营：通过企业微信构建“投顾-客户”专属服务链路，实现资产异动实时提醒、投教内容精准推送； -内部协作提效：集成“知识问答”类工具，实现合规文档智能检索、投研知识联邦化共享； -私域流量转化：利用小程序+公众号+智能体+APP的组合，完成从资讯触达到产品购买的闭环。 2、抖音生态（Coze）：年轻客群获客与投教内容裂变的核心场域 生态特性：DAU超7亿，用户年轻化（90后占比超60%），算法驱动的流量分发机制，支持短视频、直播等高互动形式。 券商适配场景优先级： -泛财经内容营销：制作轻量化投教短视频，通过热点话题吸引Z世代用户； -直播场景转化：结合行情波动开展实时解盘直播，嵌入低门槛开户入口； -数据驱动优化：利用抖音数据引擎分析用户兴趣标签，定向推送基金评测、资产配置等内容。 3、蚂蚁生态（Agentar）：支付场景与基金理财的流量枢纽 生态特性：依托支付宝10亿用户，覆盖支付、理财、信用等高频金融场景，具备强交易属性与用户信任基础。 券商适配场景优先级： -开户导流：通过支付宝“财富号”直连证券开户系统，实现“理财-炒股”场景无缝衔接； -智能投顾：嵌入蚂蚁AI能力，为长尾客户提供自动化资产诊断； -联合产品创新：开发余额宝类现金管理工具，承接低风险偏好客户资金。 4、百度生态（AgentBuilder）：AI技术基建与搜索流量的结合体 生态特性：以“文心一言”大模型为底座，覆盖搜索、地图等全域流量入口，技术开放性强但金融垂类数据积累较浅。 券商适配场景优先级： -智能客服升级：接入“文心一言”优化问答准确率，降低人工客服成本； -投研辅助：利用大模型实现研报摘要生成、产业链图谱动态更新； -流量采买补充：通过百度信息流广告定向触达股票搜索用户，弥补自有流量不足。 各大生态AgentBuilder对比 谈完主流生态选择，再来谈谈内部落地。笔者对近期两件看似不相关的事情有所感触。其一，5月22日，在晨星（中国）2025年度投资峰会上，黄燕铭以东方证券研究所所长身份首次公开发声。他强调证券公司向财富管理转型，要攻克投顾带教与资产配置难题，会对投顾分层分类挑选培养，教其研究方法、产品知识等。其二，字节跳动旗下飞书新上线“知识问答”功能，该功能是基于企业知识的企业专属AI问答工具，可用于项目管理，能整合信息生成项目进度、预算等情况的回答；在人员协作上，帮忙找人，精准定位相关人员；助力文档撰写，自动生成项目总结、周报等初稿并优化；方便知识检索，员工快速检索公司资料、了解制度流程等；还可用于学习辅助，提供个性化知识推荐和学习路径规划。 如果将这两件事揉在一起呢？试想一下，黄所长亲自训练一个“投顾培训智能体”，主要就做投顾培养的工作，会不会有事半功倍的效果？ 未来，随着AI Agent技术的成熟，证券公司可能进一步将智能体嵌入更为复杂的业务流程，形成“第三方平台引流（即，公域获客智能体）+自用系统提效（即，私域投顾智能体）”的双轮驱动模式。 市场格局与趋势，笔者认为只有技术融合与场景细分并行，券商才能在智能体的抢滩登陆战中胜出，甚至，私以为“业务场景开发先行+技术军备竞赛次之”才是正解，单纯迷信AI可能反受其吞噬。 未来趋势呈现两大特点： 1、技术融合：AI大模型与传统金融模型结合，如招商证券的“AI+全景规划”和中信证券的“生成式AI+量化投资”，提升策略精准度。 2、场景细分：智能投顾向“买方化”转型，如银河证券的“问TA”平台，智能客服向多模态交互升级，如华泰证券的股市助手，智能交易向自动化执行演进，如银河证券的债券询价机器人。 从市场份额看，豆包和蚂蚁在消费级应用中占据主导，而自用系统在企业级场景中更具优势。2024年中国大模型应用市场中，百度、阿里云、商汤科技位列前三，但豆包凭借用户规模和生态整合能力，在证券行业的渗透率快速提升。智能投顾领域，全球市场规模预计2028年达1422亿美元，混合机器人顾问和高净值个人服务是主要增长方向。 ## 关于人员配置 这个问题让笔者不由自主想的到十年前网金部门刚刚组建的时候。大家普遍采用“互联网基因+金融经验”的复合型人才配置，有一种英雄不问出处，你行你就上的感觉。 有券商的IT技术人员构成主力（占比约40%），主要来自券商内部信息技术部门及互联网公司技术团队，负责搭建手机开户、在线交易等基础设施（如APP建设）；传统经纪业务骨干（占比30%）从中后台部门或线下营业部抽调，承担服务逻辑线上化改造；新媒体运营人员（占比20%）多具有门户网站、论坛运营背景，人均管理3-5个社交媒体账号，通过公众号、股吧、微博等渠道开展内容营销；另有10%的跨界人才来自互联网平台，主导App用户体验重构。 现如今，网金的生死转型也基本进入尾声。有的并入业务部门，有的跟科技部门整合，还有的则升级为数金，有00后高材生加入团队，也有“老人”默默靠边，甚至离开，笔者时常感慨、行业一片唏嘘。感兴趣读者，可翻阅往期的“网金”往事专辑，比如“网金”往事Vol.1：十年弹指一挥间 财管之梦何时圆。回头来看，当下AI发展的大背景下，大家再次处在同一起跑线，都还在新手村，AI如何重构业务也都还在探索阶段，成立新部门着实没有必要，也不现实。但项目组的形式，确是可以、更应该尽快的搞起来了。 面对AI技术的颠覆性冲击，证券行业的人员配置逻辑正在经历二次进化——既非简单复制互联网时代的“基因混搭”，也不要执着于部门形态的物理重组，而是转向“能力模块动态拼装”，成立“AI驱动型项目组”。 笔者在这再次强调，“网金”由10年前部门级的实体化，转变为10年后公司级的职能化，大浪淘沙之下，遥想当年，多少领袖先驱，今何在？复盘是必要的，说AI开启下一个“网金”黄金十年绝不为过，诸公切勿重蹈覆辙啊。 言归正传，项目架构怎么设？笔者本着非医学专业可以胡说八道的逻辑，给大家举个例子。 技术底座团队（20%）：由大模型算法工程师、金融知识图谱架构师组成，负责构建智能体开发平台，这是骨骼系统。 业务重构小组（40%）：从投顾、研究、合规风控等条线抽调骨干，转型为“AI训练师”，通过标注研报、对话记录等非结构化数据，教会智能体理解“政策底”、“估值锚”、“监管线”等专业概念，这是神经系统。 场景创新单元（30%）：吸纳具有AIGC经验的Z世代人才，专攻智能体与业务场景的化学融合反应，这是血液系统。 合规防火墙（10%）：这次重组一定记得带上合规人员和网金老将，毕竟合规是底线，老将则充当“历史经验存储器”与“复杂场景决策器”，这是免疫系统。 当然，也可以采用和第三方共创的模式，自去年王玲站台豆包大模型和火山引擎智能体平台推出“华泰股市助手”后，华泰证券在AI时代又跑在了最前面。5月中旬，华泰证券联合字节跳动Coze，合作开发“华泰A股观察助手”已开启内测，该智能体依托扣子空间通用智能体技术，引入专业金融领域API，可自动生成定制早报，也能针对具体问题深度研究分析，为用户提供更多投资决策辅助。（一个典型的智能工具体） 笔者也为大家整理了一些，可以为证券基金行业公司提供搭建智能体的服务或者基于大模型搭建应用的企业信息。（以下内容基于公开信息整理，不涉及产品推荐） 博众智能体解决方案 核心产品：投顾智能体（AI+IP双轮驱动），整合DeepSeek、通义千问等大模型技术，覆盖投研、投教、投顾决策全链条。 技术架构：基于DeepSeek大模型，模块化工具链与低代码开发框架，支持第三方插件与数据源快速接入。 应用场景：智能选股与诊股、7×24小时投教陪伴、研报生成，结合用户行为数据优化教学路径。 技术亮点：实时情绪与基本面融合分析，轻量化部署，IP知识库沉淀。 业务定位：证券基金行业垂直场景智能化（投研→投顾决策闭环）。 况客科技智能体解决方案 核心产品：TOWA智能体平台，覆盖基金投顾Agent、ETF投顾Agent、私募投顾Agent等10余款垂直产品。 技术架构：支持DeepSeek、Claude、GPT-4o等多模型，数据插件化（Function Call/RAG），全本地化部署。 应用场景：基金投研、合规风控、市场资讯自动化，响应时间低于20秒。 技术亮点：国家认证算法备案，金融场景覆盖率95%，人工审核通道保障合规。 业务定位：金融机构全业务线AI赋能（投研-财富-合规全链条）。 深擎科技智能体解决方案 核心产品：乾坤圈Agent平台，支持多模型协作（DeepSeek、Kimi、千问等）。 技术架构：PEER多智能体框架（规划-执行-表达-评审），金融数据增强插件，三重合规校验机制。 应用场景：个股/板块异动解读、热点事件分析、基金账户诊断。 技术亮点：拟人化交互设计，多模态处理能力，支持私有化部署。 业务定位：券商投顾业务专属AI中台（降本增效+合规增效）。 金牛创智智能体解决方案 核心产品：AI金融智能体（与中航证券联合研发），包含智能会议纪要生成、个股深度剖析（杜邦分析）等功能。 技术架构：结合DeepSeek任务筹划能力，政务知识库+RAG技术，模糊需求→解决方案链拆解。 应用场景：政务文件处理、企业合规报告生成（如《选址合规分析报告》）、投顾决策支持。 技术亮点：波特五力模型行业预判，自动生成合规报告，双向助力群众与职员效率提升。 业务定位：政务+金融双赛道智能体（“AI金小二”政务助手+证券智能决策）。 智能体竞赛已鸣枪，但监管沙盒与适当性管理仍是悬顶之剑。建议从业者以“工具集”形态低调练兵，既保持技术敏感度，又为合规落地预留缓冲区。下篇将详解智能体运营策略与轻量智能体Demo手搓指南（笔者目前比较倾向以Coze为案例），助你在智能体军备竞赛中抢占先手。 本文由人人都是产品经理作者【数金杂谈】，微信公众号：【数金杂谈】，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。

2025年5月29日，截止收盘，沪指涨0.7%，报收3363.45点；深成指涨1.24%，报收10127.2点；创业板指涨1.37%，报收2012.55点，两市成交额较上一交易日增加1754.72亿元，合计成交11854.22亿元。

跳票超过两年的“新一代CarPlay”，突然就来了。15号的时候，著名豪车品牌阿斯顿·马丁释出一段视频——音乐声中，视频以阿斯顿·马丁DBX707标志性的白金汉绿配色侧车身形象开启。随着镜头切换，中控屏上在打出一个花写体的“hello”之后，ASTON MARTIN的商标与CarPlay Ultra标志同时浮现。  随后是大家所熟知的CarPlay图标主页，然后迅速进入Settings菜单。在Themes选项内，展示出了多种显示车速、油量、水温，以及发动机转速的仪表盘风格。在镜头拉近与调远的过程中，中控风格设置变成了液晶仪表盘中的行车参数界面…… 在后续的画面中，阿斯顿·马丁继续展现了新版CarPlay在车辆座舱功能控制上的能力，例如音乐播放、导航信息仪表投屏、座舱空调控制等。 视频结尾，在V8发动机的声浪以及虚拟转速计的疯狂跳动中，画面回到了最初的车辆侧影，逐渐淡出。 仅47秒的展示视频，不但道出了曾被称为“CarPlay 2.0”或“新一代CarPlay”的正式官方名称，更隐隐揭示了其打通中控与液晶仪表盘，在显示车辆行驶数据的同时可同步控制座舱功能的事实。  图丨苹果官网上的CarPlay Ultra效果图 “通过与车辆硬件的深度整合，新一代CarPlay将为（车上）各个界面提供内容，并实现对车辆功能的操作，让你（的汽车）拥有（与iPhone）统一且一致的体验。” 2022年6月，在年度全球开发者大会上，苹果公司汽车体验工程高级经理Emily Schubert曾如此承诺。笔者当然不太可能借到一台新款DBX707来实际体验一番，但仅从官方视频所展示的内容来看，其大致兑现了三年前的承诺。尽管在原本的计划里，这个已被正式命名为CarPlay Ultra的苹果新一代车载OS，本来应该在2023年内就拿出测试版本。 在外网的社交媒体上，CarPlay Ultra现世也引发了全球车主的议论。在X平台的相关话题下，不少美国车主普遍对其表示了相当程度的兴趣，而部分欧洲车主对于仅靠苹果手机就能提升汽车界面数字化水平，表达了正面观感。 直到有位来自德国的网友，回复了一段灵魂拷问—— 也就是说，你首先得有一部iPhone，然后还得有台完成苹果公司硬件适配的新款汽车。而只有凑齐这两样，你才能用上特斯拉和一众中国汽车品牌早在几年前就具有的那种“智能座舱”。  图丨蔚来ET9配备的智能座舱系统 **艰难登场的CarPlay Ultra** 为什么不能通过Siri来操控车内空调，甚至是座椅的通风、加热以及按摩功能？ 为什么我的导航投屏只限于中控，而不能同步到液晶仪表盘甚至HUD上？ 为什么苹果提供的车端UI界面只限于中控屏，而不能用干净利落的苹果风格替换原厂液晶仪表盘上那些杂乱无章甚至逻辑混乱的行车数据显示？ 相信所有CarPlay的老用户都有过类似的想法。然而畅想归畅想，但凡会这么畅想一番的人其实大多内心也明白，要求CarPlay实现这些功能只怕是不切实际的。  图丨CarPlay很好用，但只限于中控娱乐系统本身 手机端获取行车信息的前提，是要车企对苹果开放相应的数据通道。至于座舱功能控制，更是必须获得对应的接口权限。而UI的问题则更加复杂，想要每款车完成中控屏适配已是件浩大的工程，更何况仪表盘以及抬头显示器。 事实上，这也是CarPlay Ultra之所以会跳票两年的主要原因。 首先是消费电子企业与车企之间不尽相同的产品周期问题。苹果要求车辆必须配备数字仪表盘和最新一代车载芯片，但合作车企以车型中期改款为界的话，硬件换代周期普遍为3~5年。例如这次拔得头筹的阿斯顿·马丁，其实为了让最新款DBX707适配CarPlay Ultra，不得不将原定2024年末的发布时间推迟约半年。  图丨为了等待与CarPlay Ultra完成适配，阿斯顿·马丁被迫将DBX707的发布时间调后半年 当然，问题不仅仅出在阿斯顿·马丁一个合作品牌，更不止于硬件换代周期方面。 CarPlay Ultra最初目标是全面接管车辆仪表、中控等多屏交互，但实际到了开发阶段则发现，不同车企的车辆总线协议、传感器数据格式的差异极其巨大，这种差异甚至出现在同一个集团下属的不同品牌之上。例如，奥迪的驾驶模式切换指令与保时捷的逻辑完全不同，尽管两者同属大众集团。 而想要解决这些问题，就需要为每个品牌定制“中间层协议转换模块”。这导致技术团队花费近一年时间建立车辆功能映射数据库，终于完成了覆盖超过200种车辆控制指令的标准化转译工作。而这也是CarPlay Ultra被迫延期两年的主要原因。 当然，上面提到的也只是摆在台面上诸问题的一部分。对于一家试图深度介入汽车产业的消费电子巨头而言，安全性才是其要迈过的第一关。 众所周知，半导体器件（芯片）根据应用场景及使用环境的区别，分为民用/消费级、工业级、车规级、军工级、航天级五个等级，其具体适用范围我们可以望文生义。处于最“低档”的民用/消费级半导体器件，其工作温度适用范围，防雷、防湿、防尘，以及抗震动与冲击能力，外加整体可靠性和寿命要求，与高了两级的车规级产品根本不可同日而语。而iPhone出于成本方面的考虑，根本不可能使用车规级器件。用过智能手机的朋友应该都知道，系统死机“转圈”重启的频率，大家隔三差五都能遇到。  图丨车规级芯片测试和认证周期远高于消费电子级芯片 与上一代不同的是，CarPlay Ultra的功能已不只局限在娱乐和导航方面，还包含了车速、发动机转速、水箱温度等大量的行车数据显示。尽管不干涉车辆的动力操纵，但既然iPhone事实上成为了座舱域控制器，那么一旦行车途中遇到“转圈”导致司机失去行车数据信息，对行驶安全也会有一定危害。 所以为了解决这个问题，苹果的相关团队专门设计了安全冗余方案，引入双通道通信机制，当CarPlay Ultra异常时自动切换至车企原生系统。但这一环节耗费的时间，也使得整个项目被进一步延期。 **“灵魂”争夺战** 一直以来，苹果无论是与供应商还是客户的合作，都是以强势面貌示人。而在CarPlay Ultra这个项目上，基于1.0时代的经验，自然也不会例外。 其强势体现在对自搞一套标准并且对凸显自身品牌的偏执，无论是在UI界面整体风格上，还是系统核心交互逻辑上。但车企毕竟是强势甲方，更何况苹果这次合作的相当一部分还是属于豪华品牌。 此外，CarPlay Ultra想要实现仪表盘数据显示以及座舱功能控制，就必须有车企开放给其功能数据和端口，过分坚持苹果原则的后果就是一拍两散。  图丨车企并不愿意受“手机厂”摆布，那些实在有心无力的不在其列 谈崩的事情确实发生了。例如奔驰就坚持保留自研MBUX系统的核心交互逻辑，在与苹果僵持不下后果断选择退出合作。事实上，确实有相当一部分车企担忧苹果对于在CarPlay Ultra上极端坚持自身特性的要求，会模糊车主对车辆品牌的认知，从而严重削弱自身的影响力。 而既然有了奔驰甩手走人的先例，苹果也不得不作出妥协，最后同意部分车企在仪表样式、字体粗细、主题颜色等表层设计保留品牌元素。但对于基本交互框架，则仍坚持由自己主导。这种“有限定制”策略对于苹果来说已是让步，但在部分合作方看来却并不解决根本问题，故而此前曾传出与本田、捷豹路虎等品牌的谈判陷入僵局的传闻。 而时至今日，已确定合作的品牌除了首发的阿斯顿·马丁，明确计划未来12个月内扩展的还有现代、起亚、捷尼赛思这几个牌子。说穿了，就谈下现代起亚集团一家而已。 与各大“国际车企”的合作尚且磕磕绊绊、进展缓慢的状况相比，CarPlay Ultra在中国市场的前景又是如何？其实，答案是明摆着的。 华为有鸿蒙OS，并且该系统的最新版本已放弃对Android应用的兼容，且纯血统鸿蒙系统的笔记本也刚刚发售。换而言之，其已初步实现了苹果长久以来的“全平台”梦想。小米正在自研澎湃OS，宣称要实现车机与手机算力共享，无缝衔接智能家居设备。  图丨现如今，国内主机厂在智舱软硬件方面并无弱鸡，即使比亚迪这种并不以智能化著名的品牌，DiLink拿去世界市场，也是可以鄙视多数友商的 至于比亚迪DiLink、蔚来NOMI以及吉利的FlymeAuto等系统，不但在用户体验和数据主权上形成壁垒，且都在努力往移动端发展和拓展。 中国车企，无论自主五虎，还是各家造车新势力，大名未出现在苹果公布的合作伙伴名单中。在官宣CarPlay Ultra的新闻稿中，也仅表示“未来将扩展至更多地区”，未提及任何具体的中国汽车品牌。 为什么会有这种情况出现？一部分原因显然是中国车企对开放车辆核心数据接口（如驾驶模式、电池状态等）持谨慎态度，特别是在与苹果这样拥有成熟自身软件生态体系的巨头开展需要深度整合的合作项目时，将可能导致刚刚培养起来的用户数据流向现有苹果体系，从而削弱品牌的掌控力，甚至断送孕育中的自有生态体系。 然而从另一个层面的考虑则是——不整合，又能如何呢？就问问阅读到现在的各位，以大家各自对于国产智能座舱的体验，无论鸿蒙OS还是FlymeAuto，是一个刚刚发布的CarPlay Ultra能够比拟的吗？  简而言之，没有多少好处却可能会有坏处的事情，那就不干也罢。反正到目前为止，智驾方面吹特斯拉的可能大有人在，但智舱领域说自主品牌不好的还真没多少。 **情怀与现实的碰撞** 三月底的时候，星纪魅族车机系统（FlymeAuto）开放了1.7版本更新升级。除了一堆功能的添添减减，各种BUG的修修补补，其最大的新增功能显然是对于CarPlay的支持。而在领克社区内，肉眼可见地，车主们都有点兴趣的样子。 对此，笔者也多少怀着点小期待。毕竟我作为CarPlay的资深用户，曾在自己的上一台车长达七年的使用周期内，与之相伴数千小时之久。其导航映射功能，以及喜马拉雅听书APP，已成为日常驾驶不可或缺的组成部分。 然而后来一个月的使用证明了，恋旧在大部分时候只不过是一种情怀而已。  图丨有了这个还去用CarPlay，确实显得多此一举 工作日早晚，打开车门坐定后，用“嗨，领克”呼出语音助理后，告知“导航回家/去单位”，远比在手机上按按按要来得方便。至于喜马拉雅，车端和iPhone端其实共用一个账号。关门锁车后，掏出手机点开APP，在“历史-播放历史”页面里点下最近的项目，就能继续顺着车上听过的部分继续播放。 用回CarPlay，只会让已经习惯的简洁流畅，重新多上一到两个步骤。多一事，还不如少一事。 “上汽很难接受单一供应商为我们提供整体的解决方案。这样会变成‘他是灵魂，我是躯体’。我们的灵魂一定要掌握在自己手中，所以我们不接受任何供应商的整体解决方案，最多是合作。” 2021年6月，在上汽集团的股东大会上，时任集团董事长的陈虹在面对“是否会与华为合作”的记者提问时，如此回答。这便是著名的“灵魂论”，其一经媒体传播即引发群嘲，影响甚至持续至今。以至于到目前为止，上汽任何涉及华为相关的汽车业务合作，都会被吃瓜群众挖出当年的“灵魂论”来进行揶揄。  图丨现如今在中国车圈，那些对行业未来满怀野心的企业，都会考虑开发自主系统，进而培育自主生态体系 然而既然已经时过境迁，我们也确实有必要来冷静看看这个“灵魂论”。毕竟，其核心问题在于如何理解话语中有关“灵魂”的定义。 昔日，在华为车BU高调崛起的大背景下，许多网民将之视为传统车企故步自封的傲慢。然而让我们换一个视角，如果“灵魂”指的是核心技术、核心系统，以及与之伴生的汽车相关生态体系，乃至于可以预计的近期以及远期利润，则又当如何？ 没有企业愿意“出卖”自己的灵魂。贵为超豪华品牌的阿斯顿·马丁只要还有可能，想必也不会甘于对苹果敞开胸怀。 毕竟我们都知道的是，这个品牌前年和去年的财报都呈现巨额亏损状态，已被部分媒体揶揄为“第八次破产倒计时”状态。并非其不想自研系统，将所有权柄和数据抓在手中，纯粹是因为有心无力而已。 正如“灵魂论”揭示的底层逻辑——车企拒绝的从来不是技术合作，而是核心价值体系的空心化。而在遍地高性能甚至超越性替代品横行的中国市场，用户们实际早已用脚来投了票。 对于苹果来说，如果对破局还怀有期待，或许起码应该在中国市场重新审视“妥协”的边界：是继续执着于生态闭环，还是像DeepSeek赋能中国车企般，以技术赋能者姿态寻找新坐标？ 想要有所收获，改变显然是必须的。然而苹果究竟是否愿意去改变，中国车主们其实并不在乎。 [查看评论](https://m.cnbeta.com.tw/comment/1503078.htm)

临近端午假期，DeepSeek果然又开始搞事。就在今天凌晨，新版DeepSeek-R1正式开源了！DeepSeek-R1-0528模型权重已上传到HuggingFace，不过模型卡暂未更新。  项目地址：[https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main) 时隔4个月，DeepSeek-R1完成了超进化，编程能力强到离谱，而且思考时间更长了。 据称，新模型基于DeepSeek-V3-0324训练（参数为660B）。  经典物理模拟测试中，DeepSeek-R1新旧版本的对比 在LiveCodeBench基准上，DeepSeek-R1-0528性能几乎与o3-mini（High）和o4-mini（Medium)实力相当，一举超越了Gemini 2.5 Flash。  有网友称赞，DeepSeek-R1能够像o3一样纠正思维链，并且像Claude一样创造性进行世界构建。  可以说，这是属于开源模型的巨大胜利！ **不用R2，直接对标SOTA** 此次，DeepSeek-R1-0528更新核心亮点，网友做了一个浓缩版的总结： 能像谷歌模型一样深度推理 文本生成优化：更自然，格式更佳 独特的推理风格：不仅快，而且更缜密 支持长时思考：单任务处理时长可达30-60分钟  思考时间更长，成为了全网讨论最多的一点。有网友实测后，R1思考时长超过了25分钟。  另外，这似乎是唯一一个能持续正确做对「9.9 - 9.11是多少」的模型。 **编程能力强到爆** 网友实测显示，新版DeepSeek-R1在编程方面简直不可思议！ AI圈大佬「karminski-牙医」用同一个prompt测试了DeepSeek-R1-0528和Claude 4 Sonnet后发现。 不管是光线照射在墙上形成的漫反射，还是球在撞击后的运动方向，亦或是控制面板的美观程度，这一把R1稳赢。  网友Alex的测试也显示出，DeepSeek-R1在前端编码的能力上超越了Claude 4 Sonnet。   网友Haider.则是让模型构建一个单词评分系统。R1简要思考后，就立刻出了关于代码和工作测试的两个文件，第一次运行就完美无瑕。 此前，o3是唯一能完成这个任务的模型。而如今，R1堪称是完成这个任务的最佳模型。 注意，R1的表现之所以如此惊人，是因为它返回的两个文件在第一次都能运行良好，不用编辑，不用重试，这极其少见。 因为此前的大多数模型，要么会在边缘情况下终端，要么会做得太复杂，要么缺少适当的测试覆盖率。  [查看评论](https://m.cnbeta.com.tw/comment/1503076.htm)

特朗普政府正加速拥抱加密货币。当地时间5月28日，在今年的比特币2025大会上，美国副总统JD·万斯强调，加密货币（特别是比特币）已经成为美国主流经济的一部分，并且“将长久存在”：“我今天来这里是要清晰明确地宣布，在特朗普总统的领导下，加密货币终于在白宫有了一位支持者和盟友。” [](https://n.sinaimg.cn/spider20250315/500/w1260h840/20250315/fff5-af22d068995554cef887c5c8441af156.png) 股票和加密货币交易平台Robinhood的CEO Vlad Tenev接受采访表示： “在前任政府下，我们基本上经历了对整个行业的地毯式轰炸。现在突然间，你可以开始进攻了…我们现在拥有一个对技术开放的政府。” 过去一年来，比特币价格已经累计上涨约60%。  **稳定币立法成为政策焦点** 在大会讲话中，万斯特别强调了推动《GENIUS法案》的重要性，该法案旨在为与美元挂钩的稳定币创建监管框架。他表示： “美元挂钩的稳定币，特别是在《GENIUS法案》通过后，只会帮助美国经济，只会帮助美元。” 这一立法已在参议院通过关键程序性投票，得到15名民主党议员的支持，但在众议院可能面临更多阻力。 特朗普政府的顶级加密和人工智能顾问David Sacks向媒体透露，市场上已有超过2000亿美元的非监管稳定币，合法框架“可以几乎在一夜之间为美国国债创造数万亿美元的需求”。 特朗普家族的加密帝国：利益与质疑并存 特朗普政府的加密热情正值总统家族深度参与该行业之际。 据报道，特朗普本人拥有29亿美元的加密货币资产，其旗下Trump Media and Technology Group刚刚宣布筹集25亿美元投资比特币。与此同时，总统及其儿子们与加密交易所World Liberty Financial有联系，而Eric Trump还联合创立了一家比特币挖矿企业。 媒体还指出，万斯本人也持有价值25至50万美元的比特币。这些密切的金融联系引发了民主党人和部分伦理专家的批评，认为特朗普的加密货币投资构成利益冲突。 [查看评论](https://m.cnbeta.com.tw/comment/1503074.htm)

美国国际贸易法院表示“将在10个日历日内发布必要的行政命令，以执行永久禁令”，届时如果没有更高法院出手干预，“对等关税”政策将失效。但此裁决不影响特朗普政府根据其他法律授权征收的关税，包括对钢铁、铝和汽车征收的关税，以及特朗普威胁对药品、半导体和其他关键产品征收的关税。 [](https://static.cnbetacdn.com/article/2025/0512/1e06aba499b31af.jpg) **美法院叫停特朗普关税，具体说了什么？** 据央视新闻，当地时间5月28日，美国国际贸易法院阻止了美国总统特朗普4月2日宣布的关税政策生效，并裁定特朗普越权，对向美国出口多于进口的国家征收全面关税。 三位分别由里根、奥巴马和特朗普本人任命的法官一致裁定，总统滥用紧急权力，踩踏了宪法红线。若接下来特朗普上诉失败，他发动的贸易战将在10天内戛然而止。 随后，白宫迅速强硬回应，称将动用“行政权力的每一杠杆”反击这一“未经选举的法官”的裁决。 **“对等关税”涉嫌多重非法** 美国国际贸易法院在裁决中宣布，特朗普总统上任后不久对多个国家实施的高额关税是非法的。这项裁决涉及两个合并案件——V.O.S. Selections v. United States 和 Oregon v. Department of Homeland Security。 就这一裁决，法院给出了四个重要结论： IEEPA下总统权力有限 法院认为1977年《国际紧急经济权力法》(IEEPA)不能赋予总统&#34;无限关税权&#34;。特朗普无权对任何国家、以任何金额、无限期征收关税。若法律真赋予总统如此广泛权力，将违反宪法权力分立原则。 实施针对贸易逆差的关税有严格限制 特朗普以解决贸易逆差为由征收关税，但法院指出1974年《贸易法》第122条明确规定，针对贸易逆差的关税最高只能达15%，且不得超过150天。 关税未能应对“特殊威胁” 法院还驳回了特朗普关于关税能遏制非法药品流入的说法，认为关税并没有直接阻止任何毒品入境，仅是向其他国家施压的外交策略，不符合IEEPA法规定的“应对”紧急情况要求。 全国性永久禁令 宪法要求“关税、税收在美国各地必须统一”，因此法院在全国范围内永久禁止了这些关税的实施。 接下来会发生什么？ **上诉争夺战已打响** 最新消息显示，裁决公布后，特朗普政府已即刻向联邦巡回上诉法院提交上诉计划。此案通常会先上诉至美国联邦巡回上诉法院，最终可能送往最高法院。 “对等关税”面临10天失效倒计时 法院表示“将在10个日历日内发布必要的行政命令，以执行永久禁令”。届时如果没有更高法院出手干预，“对等关税”政策将失效。 **政府申请紧急暂缓+替代性关税** 据盛德律师事务所贸易律师Ted Murphy表示，除上诉外，政府可能寻求紧急暂缓执行法院裁决，并根据其他法律启动替代性关税。 **部分关税不受影响** 值得注意的是，此裁决不影响特朗普政府根据其他法律授权征收的关税，包括对钢铁、铝和汽车征收的关税，以及特朗普威胁对药品、半导体和其他关键产品征收的关税。 **特朗普“筹码”尽失？贸易局势继续“不确定性”** 4月以来，特朗普政府一直把“对等关税”作为谈判筹码，推动与约18个国家的贸易谈判。如今，这一局面被迫走向转折点。 美国贸易代表Jamieson Greer警告，若法院裁决对政府不利，将阻碍其与其他国家谈判贸易协议的努力。 Squire Patton Boggs律所合伙人Everett Eissenstat也表示，该裁决“极大地影响了总统关税和贸易议程的近期动态”。 随着法院挑战特朗普的关税权力，市场将密切关注上诉进程及最高法院可能的紧急介入。预计在更高级别法院作出决定前，全球贸易政策仍将处于不确定状态。 [查看评论](https://m.cnbeta.com.tw/comment/1503072.htm)

人工智能(AI)初创公司Anthropic近日宣布，奈飞(Netflix)董事长Reed Hastings将加入其董事会。据周三发布的新闻稿显示，这一任命由Anthropic长期利益信托委员会(由五名财务独立人士组成的独立机构)作出决定。  现年64岁的Hastings在科技界拥有丰富的董事任职经验，曾先后担任微软、彭博社及Meta等知名企业的董事会成员。作为流媒体巨头奈飞的联合创始人，Hastings自1997年公司创立起长期担任CEO(后转为联席CEO)，直至2023年卸任。 Anthropic表示，Hastings将为公司带来“深厚的行业经验”以及“对科技如何服务社会发展的深刻洞见”。 Hastings在一份声明中表示：“Anthropic既看好AI为人类带来的福祉，也清醒认识到其经济、社会及安全层面的挑战。我选择加入Anthropic董事会，正是认同其AI发展理念，愿助力推动人类文明进步。” 值得一提的是，Hastings最近向其母校缅因州鲍登学院捐赠5000万美元，用于设立AI研究项目。该项目将重点探索AI技术的伦理框架，及其对教育、工作和人际关系的深远影响。 Anthropic在声明中表示，这一研究计划与其自身科研方向高度契合。 Anthropic总裁Daniela Amodei在一份声明中表示：“无论是在奈飞任职期间，还是通过其全球健康和教育倡议，他对技术带来的人类影响的关注，使他成为我们董事会的理想成员。我们将继续开发有助于人类而非造成伤害的人工智能。” 当前估值已达615亿美元的Anthropic，正致力于在OpenAI、Google与微软主导的AI军备竞赛中保持竞争力，同时始终强调AI安全治理的重要性。 [查看评论](https://m.cnbeta.com.tw/comment/1503070.htm)

5月27日，有“点金圣手”榜单之称的福布斯全球最佳创投人榜（Midas List）公布了2025年的最新排名，红杉中国创始及执行合伙人沈南鹏位列全球第四，也是前十名中唯一入选的中国投资人。

本次监测周期内，李宁、骆驼和耐克以1.93、1.90、1.89的综合热度位列榜单综合热度前三。  图源：世研大消费指数 ## **户外运动品牌分布呈现多元格局，营销从流量争夺到价值输出升维** 从品牌分布来看，户外方面，骆驼、凯乐石、伯希和等国产品牌发展势头良好，凭借品质提升赢得消费者青睐，市场覆盖时尚、大众性价比等多个细分领域；始祖鸟等国际高端品牌知名度高，同样占据市场高位。运动行业中，耐克、阿迪达斯等国际传统品牌影响力依旧强劲，李宁、 安踏等国产品牌竞争力不断提升，逐步崛起。同时，在瑜伽、健身、球迷用品等细分板块，lululemon、尤尼克斯等品牌表现突出，满足消费者的专业化与个性化需求，凸显行业细分的丰富性。 但更值得关注的是，这些品牌的竞争已从传统的流量争夺转向价值观与生活方式的深度输出。李宁以1.93的热度指数蝉联榜首，其核心策略在于持续深耕“国潮”基因，将运动与传统文化符号结合。而斐乐则专注艺术跨界与时尚场景破圈，在本月携手多位明星、时尚达人和青年艺术家等，举办“漫游夏日派对”运动秀场直播间，不仅实现高端突围，而且其销量热度排名前列；迪桑特的营销策略聚焦“专业即时尚”，通过打造品牌概念空间店与城市生活融合，基于概念店邀请明星教练等举办“春日练力场”主题运动课程，连接都市白领等人群的休闲运动时刻；而始祖鸟的营销已升维为文化现象级输出，其在上海始祖鸟博物馆举办《溯源》展览，通过3D打印还原阿尔卑斯山径，观展转化购买率达22%。 ## **轻户外轻运动热度攀升，品牌以潮流、便捷和科技满足细分人群需求** 随着“轻运动”概念的迅速崛起，城市骑行、户外瑜伽、家庭健身等项目以低强度、高趣味性和强社交属性为特点深受不同人群欢迎。一是“时间稀缺型”都市白领，追求高效、碎片化的运动解决方案，如麦瑞克推出的家用跑步机和划船机等产品，支持AI私教陪练和AR实景等模式；二是“社交分享型”年轻人，青睐兼具颜值与打卡属性的装备，如伯希和的「山色」系列高颜值冲锋衣在社交媒体引发热议；三是“健康管理型”中老年群体，偏好低冲击运动，迪卡侬针对这一需求推出适老款健步鞋与关节护具。 此外，女性用户占比显著提升，Lululemon通过推出大码瑜伽服和孕期运动系列，进一步扩大客群覆盖面；迪桑特推出女子综训系列全新产品，推出专为亚洲女性量身定制的“花苞”版型；以及阿迪达斯的“花苞裙”等产品设计，在小红书等社媒平台引发达人和用户穿搭晒单。 **榜单说明** 世研消费指南针系列指数报告是由世研指数独家研发的消费指数评价系统。本系列包括《品牌消费热门指数榜》、《行业消费热力指数榜》、《产品消费热浪指数榜》、《消费热门事件榜》等主要榜单，以及对应范围的延伸性榜单报告。旨在通过指数评价的方式，客观、真实地呈现消费世界的趋势特点，帮助行业与品牌主持续追踪消费市场趋势、为企业经营提供参考，提升商业综合竞争力。 世研消费指南针系列指数榜单持续监测行业如下： 3C数码、鞋服配饰、食品生鲜、家用电器、运动户外、美妆清洁、母婴用品、家居家装、汽车消费、玩模乐器、宠物用品，医疗健康共计12大行业。  图源：世研大消费指数 **免责声明** 本榜单由世研指数独家编制，榜单观点、结论和建议仅供参考之用，并不代表任何具体的投资建议或决策依据。 榜单数据计算结合主流平台公开数据与值得买科技旗下世研大消费平台数据沉淀，我们已采取合理措施，以尽量确保所提供数据的可靠性和准确性，但无法排除数据本身的局限性导致部分误差或偏差。此外，本报告中的部分数据未经独立第三方审计机构的正式审计，因此可能存在未被识别的错误或遗漏。特别提醒，市场情况随时可能发生改变，因此报告中的预测、分析和结论可能与实际情况有所不同。 报告中提到的任何第三方名称、品牌或产品仅供说明之用，并不构成对其的认可或推荐。任何对这些第三方的提及不应被视为任何形式的背书或推荐。报告的版权属于值得买科技集团和世研指数所有，未经许可不得复制或分发。对于因使用本报告中的信息而导致的任何损失或损害，值得买科技集团与世研指数不承担任何法律责任。  

 大家好！今年核聚变北京场的志愿者招募开始了！ 核聚变游戏展是由机核网主办的电子游戏嘉年华——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！如果您在 6月27、28、29 日三天有充足的时间，又对自己的执行能力有信心，欢迎加入「核聚变北京志愿者」。 想成为一名核聚变北京站志愿者，有如下几条要求，希望大家仔细阅读： - 在 6 月 27 日下午 2 点之后，以及 28、29 日全天都能够到达核聚变北京站现场（地址：北京市 石景山区 石景山路 68 号 首钢国际会展中心）； - 能够接受志愿者的工作比较辛苦，基本没有空闲时间玩游戏和参与活动； - 年满 18 岁。 成为志愿者你将获得： - 核聚变期间的中午工作盒饭+工作服+工作证； - 如有需要可提供志愿者证明和实习证明； - 一段 2025 年核聚变北京站志愿者的回忆； - 可能会收获一群拿起手柄的朋友。 如果您可以接受以上几点要求，又对核聚变志愿者的工作感兴趣，欢迎填写志愿者招募表格： [&lt;志愿者报名表单&gt;](https://shimo.im/forms/Wr3DpR15Rdf7BP3J/fill) 我们会在站内为报名参加志愿者工作的朋友发放志愿者专属的身份徽章，希望各位在填写报名表的时候能正确填写机核站内的 ID 。 最后，我们感恩于所有为此前和之后默默付出努力的志愿者朋友甚至不愿留下姓名无私帮助的朋友们，也感谢所有愿意来参加核聚变的玩家们，核聚变因你们的参与而完整。

<blockquote><p>在AI技术快速发展的今天，许多企业纷纷尝试将AI应用于各种业务场景。然而，并非所有需求都真正需要AI技术来解决。本文深入探讨了如何辨别真假AI需求，分析了真AI需求与伪AI需求的本质区别，并提供了具体的技术选型判断标准。</p> </blockquote>  理解真AI需求与伪AI需求的核心差异，关键在于准确判断特定问题**是否必须依赖机器学习/深度学习**技术解决。这种技术选型决策直接影响系统开发成本和运行效率，是项目规划中需要优先明确的战略问题。 在实际需求分析过程中，应当建立清晰的技术边界评估标准。对于**常规业务场景**，当传统编程方案出现性能瓶颈难以突破，或长期维护成本已超过AI研发投入时，技术切换才具有经济合理性。 需要特别注意的是，即便在端侧AI芯片普及的技术环境下，仍需坚持技术选型的理性评估原则。硬件成本的降低虽拓宽了AI应用场景，但并不意味着所有问题都适合AI解决方案。开发团队应持续关注投入产出比，避免因技术滥用导致系统复杂度失控或资源浪费。 理解真AI需求与伪AI需求的核心在于**技术必要性与适用性判断**，具体从以下角度展开。 ## 一、本质区别  特征1：模糊规则：需求是否涉及复杂且难以明确定义的规则？ 特征2：动态演进：需求是否随着环境变化而变化？ 特征3：海量变量：需求是否需要处理大量变量？ 特征4：人类经验依赖：需求是否依赖人类的经验和知识？ **本质区别：** **真AI需求：**依赖数据驱动、模式识别能力的问题 1）图像/语音识别（动态变化的输入） 2）自然语言理解（语境处理） 3）预测性维护（海量传感器数据分析） **伪AI需求：**可通过规则引擎、条件判断解决的场景 1）订单状态流转（固定业务逻辑） 2）数据格式校验（明确正则表达式规则） 3）固定阈值告警（CPU使用率&gt;90%触发警报） 例如：客服系统中的意图识别若涉及方言、俚语，需AI模型；而工单分类若仅有10个固定类别，则适合规则引擎。 ## 二、技术选型影响  ## 三、典型场景对比表  ## 四、AI低效应用：高成本低收益 **1. 算力浪费：**GPU集群处理本可用if-else解决的问题。 案例：某电商用深度学习模型判断“订单金额是否&gt;0”，年算力成本增加xx万（远大于规则引擎成本）。 **2. 响应延迟：**AI推理耗时远超规则引擎，导致简单功能因延迟响应而影响用户体验。 典型数据（数据来源：行业基准测试）： 1）规则引擎：0.3ms（Redis缓存直接读取） 2）轻量级AI模型：28ms（TensorFlow Lite部署MobileNetV2） 3）重度模型：210ms（PyTorch部署BERT-base） 案例：用户登录态校验从JWT令牌解密（0.5ms）改为调用AI模型分析行为特征（85ms），导致登录接口平均响应时间超过SLA限制3倍。响应时间的显著增加可能导致用户在登录时感到延迟，从而影响用户体验，可能导致用户流失。 **3. 可解释性危机：**黑箱决策引发合规风险，在使用复杂的机器学习模型（如神经网络）进行决策时，模型的内部机制和决策过程不透明，导致无法清晰地解释模型的输出结果，这种情况在某些行业（如金融、医疗等）尤其重要，因为这些行业的决策往往需要遵循严格的合规要求。 案例：用神经网络做信贷拒批，无法向监管机构说明原因。 解释：监管机构通常要求金融机构在拒绝提供贷款时给出合理的解释。如果使用神经网络模型，金融机构可能无法向监管机构说明拒批的具体原因（如模型可能基于某些隐含的特征做出决策，而这些特征并不容易被人理解）。 **4. 维护成本飙升：** 1）需要持续标注数据，更新模型版本 2）规则引擎可通过配置页面快速修改策略 ## 五、判断法则 **需用AI的信号：** 1）问题边界模糊（如判断用户情绪是焦虑还是愤怒） 2）解决方案需要举一反三（如从100种动物图片中识别新物种） 3）处理对象具备涌现性（如社交网络的谣言传播预测） **伪AI需求特征：** 1）穷举可能性：所有情况可在开发阶段预判（如机票退改规则） 2）确定性输入输出：输入X必然对应输出Y（如根据BMI计算肥胖等级） 3）业务逻辑稳定：规则半年内不会变化（如会计科目的借贷平衡校验） **总结：**AI不是银弹，**用最简单的技术解决最复杂的问题**才是工程智慧。当你在需求会上听到”加个AI赋能”时，请先撕开需求伪装，**多问几次为什么要用AI技术来解决该需求、是否有必要**。真实世界的商业价值往往藏在朴素的逻辑里，而非华丽的技术辞藻中。 本文由人人都是产品经理作者@让我看看好学吗，投稿或授权 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。