阿里巴巴的电商战略，已经经不起再度摇摆。

The "Six Tigers of Large Models" are vying to become the first publicly listed company in the large model sector.

6月初的一个闷热下午，一架黄黑相间的六翼无人机搭载一份刚刚制作的肯德基套餐，从香港新界大埔区的香港科学园腾空而起，贴着蓝灰色的海面，飞往对岸的马鞍山海滨长廊。3分钟后，无人机缓缓降落在贴有黑白地面标识的、被格挡环绕的地面降落场上。身着美团工服的配送员从无人机下方的快递箱中取出餐食，交给等候在一旁的顾客。   在香港海面飞行的美团无人机。图源：美团 从香港科学园到马鞍山海滨长廊，这段约1.8公里的航线，是美团无人机在香港开通的首条商业化运营线路。倘若使用地面配送，外卖员需要奔波7.8公里，大约需要40分钟。 6月6日的启动仪式上，美团副总裁、无人机业务负责人毛一年与港府官员、立法会议员、商业合作伙伴等共同宣布，美团无人机（在境外市场称作Keeta Drone）进入香港。 美团涉足无人机业务，已有八年之久。 2017年3月，美团外卖日订单量突破1000万单，运力瓶颈开始凸显。同一年，美团无人机迈出第一步，重心是组建团队、研发硬件，包括无人机和地面设备。2021年12月，美团在深圳星河WORLD产业园送出首单无人机外卖，第二年开始商业化运营。 无人机配送并非新鲜事物。过去二十余年，国外的亚马逊、Google，国内的京东、顺丰、三通一达等均有试水。但他们的重心是电商长尾场景，比如地面运输难以抵达的偏远山区等，对于时效性要求不高；将无人机配送应用于外卖，希望借助无人机大幅缩短配送时长的，目前只有美团一家。 王兴颇为重视无人机业务。他选择的无人机“一号位”毛一年，是他在清华的同班同学，此前曾在美国高通公司任职，回国后从事无人机创业，2018年加入美团，2023年晋升为公司副总裁。 到了2024年2月，美团进行大规模组织架构调整。王兴宣布，无人机和境外业务直接向他汇报。 在打磨产品、跑通模式的同时，美团也尽可能扫除在不同城市快速落地的障碍。它拿到了全国首张低空物流全境覆盖运营合格证；在迪拜和香港，也获得了类似的许可。 近四年后，美团无人机已进入北上广深、南京、迪拜、香港等国内外7座城市，开通55条航线，累计完成52万单，场景拓展至办公、社区、景区、公园、校园、图书馆等。 今年2月，人称“木头姐”的美国知名投资人Cathie Wood发布《Big Ideas 2025》年度报告。根据她的测算，截至2024年底，美团累计完成40万次商业飞行，与Google Wing并列第二，第一名则是Zipline（132万次）。 时至今日，美团已成为无人机外卖的最大玩家，也是目前唯一的玩家。 但这是一块刚刚起步、远未成熟的市场。美团即便独享整块蛋糕，依然无法实现财务上的自给自足。在香港航线开通的活动现场，毛一年向字母榜（ID: wujicaijing）等坦承，虽然美团无人机收取高额配送费，但现阶段仍无法覆盖成本。 显然，这不是一块能够很快带来规模营收和利润的业务，仍需要美团长时间投入。 短时间内，无人机送外卖的价值主要体现在隔山跨海、公园景区等特殊场景，或是配送医学样本、急需药品等特殊需求。这也是美团无人机现阶段的主攻方向。 而长期来看，以无人机逐步替代人工配送，从模式上解决人力成本水涨船高、配送效率存在上限的难题，是美团无人机的最大想象空间。尤其是在京东等新对手攻入腹地的情况下，美团比以往更需要这个讲得通、颇为性感的新故事。 但无人机送外卖，所需资金远超传统的地面配送；倘若靠一单单的配送费回本，账很难算得过来。 梁咏峰是优势咏峰（上海）创投基金创始人兼董事长，专注于低空经济赛道。据他估算，美团每套无人机系统（含无人机和地面设备）的成本少则七八十万元，多则两三百万。倘若数据准确，如此高昂的前期投入将对无人机外卖的铺开构成很大阻碍。 更深层的矛盾是，在未来的低空经济系统中，企业扮演何种角色、经营边界在哪里，尚处于模糊地带，有可能存在不少水面之下的暗礁。 在低空经济热潮中，一些地方政府希望企业前来扎根“唱戏”，纷纷出台加速无人机产业发展的措施，对于航线开通、基础设施建设、管理服务平台等提出具体目标。一些地方还会根据企业基础设施投入、运营架次等给予补贴。 但实际情况是，在“无人区”跋涉四年的美团无人机，迄今只在进入最早、政策环境最开放的深圳取得较大突破；55条航线中，有28条航线设在深圳。 一个冷酷的现实是，美团无人机启动八年、运营四年，不仅与能赚钱、可持续的商业模型仍有较远距离，也尚未触碰到那些真正顽固的障碍。作为无人机外卖赛道起步最早、跑得最远的选手，美团无人机前方的道路不仅漫长，也充满未知挑战。 鲜为人知的是，美团无人机在深圳上线的第一年，并不是真正的“无人”。 杨俊伟是美团无人机运营负责人。据他介绍，2021年起步之初，美团在深圳只有10台无人机，配备四五十个“飞行员”。当时不允许超视距飞行，需要一名司机驾车，“飞行员”在副驾驶位上躺倒，通过车顶天窗观察无人机，并使用遥控器控制。 “无人机飞到哪里，司机和‘飞行员’就要跟到哪里，就这样运行了整整一年。”他说。 四年后，这一技术障碍已经消除，但“飞行员”被保留下来，负责远程监看运行状态。当无人机无法自行处置突发情况时，“飞行员”会及时接手，每人可以同时监看约40架无人机。 “飞行员”的训练时间很长。毛一年表示，至少需要经过12个月的训练，才能在美团无人机系统里当“飞行员”。“他需要把所有事情都做一遍，因为‘飞行员’要做很多判断，进行大量信息提取、综合判断和处理。” 在开通香港航线后，美团计划在当地招募一些大学生，毕业后就进入无人机业务，先到深圳进行3~12个月的培训（香港不具备必要的环境），通过内部考试后，再回到香港上岗。 要想成为“飞行员”，还需要“政审”，专业背景需要经过严格审核。此外，美团会对关键运行岗位进行背景审查，每日账号操作进行授权和审计。 除了人员安全，美团也对硬件系统做了安全备份。毛一年介绍，美团无人机的深圳远程运营中心设有三路电网，以及两路固定网络和一路无线网络，以高冗余度实现高可靠性。 除了跑通流程、组建团队，美团过去四年还花了很大力气培育供给和需求。 美团无人机2021年刚刚投入运营时，没有商户愿意与其合作。他们只好自己做了一家“大熊”烤肉饭快餐店。时至今日，杨俊伟依然对“大熊”的菜品记忆犹新——经典套餐、无肉不欢、膳食平衡、我行我素。从这四个外卖套餐起步，美团无人机开始搭建供给生态。 随着合作餐厅的增多，“大熊”餐厅经营几个月后宣告关停。“我们现在手里有几万个商品，以后可能有几十万、几百万，但是第一天我们是从自建品牌的四个SKU开始做的。”杨俊伟说。 目前，美团无人机的供给主要是大型连锁商家，比如肯德基、必胜客、喜茶、百果园、奈雪的茶、711等，累计运营过超9.2万种商品，覆盖餐饮、闪购、医药等品类。在一些景区，由美团无人机配送的订单，已占据部分餐饮店节假日外卖订单的80%。 商家对于无人机送外卖的认知和接受度也在提高。在培育最成熟的深圳，美团在当地商场开设无人机机场后，通常会把商场的五六十家商户全都签进来。 但这并不意味着，无人机外卖的供给生态可以像普通外卖那样，借助凶猛的地推和商家补贴，迅速实现成百上千倍的扩张。它的供给扩张必须紧密围绕航线铺设和机场建设展开。 以刚刚开城的香港为例，美团无人机在当地的首条航线只有2个商家，且为单向航路。毛一年承诺，无人机BD团队很快将与更多商家签约。“技术能力绝对不是瓶颈。瓶颈是哪里有用户、哪里有需求、哪里有商家供给。”他说。 在需求侧，美团无人机没有订单目标，并不打算以低价换市场。 目前，美团无人机各个城市的配送价格因成本因素而有所不同。在深圳等国内城市，每单的配送费通常为十几元；在香港则为30港元。 “定价包含了无人机、电池、航线、地面人员、远程运营人员等成本，面向骑手不太方便送到、效率比较低的场景，是合理的。”毛一年说，“同时，这也是我们测试需求真伪的方式。” 他强调，无人机外卖的收费标准不低，以尽可能涵盖地勤、“飞行员”、无人机、M-port（起降机场）、充换电站等成本。“成本比这个高，我们希望以这样的配送费，看一下用户有没有真实需求，在合理的配送位置是否愿意继续点单。” 这套以价格测试需求的做法，取得了一定成效。毛一年透露，深圳星河World最早只有一条航线，第一个月每天配送不到10单，这种状况持续了半年，甚至让团队感到灰心；如今，这座商场已成为美团无人机最繁忙的站点，航线增至7条，每天两三百单。 但现阶段，收费高昂的无人机外卖，在体验上并没有绝对优势。 马乐琪在深圳工作，是出海企业服务公司美讯的客户经理。不久前，在接待一群外国科技记者时，她使用美团无人机点了几杯饮品，从附近商圈送到公司楼下。她表示，下单取餐的引导详细、体验流畅，但目前取货点不多，每台无人机的载重有限，配送费较高，在高楼密集的区域也不一定能保证速度。 此外，雷雨天气导致停运，或是单纯的空域管制，都有可能导致无人机外卖暂停服务，可靠性远不如人工配送。只有在一些特殊场景，比如北京八达岭长城景区，或者香港跨岛配送，无人机才具备天然优势，而这些场景也是美团无人机现阶段的经营重点。 毛一年承认，美团无人机在内地的配送时间比外卖员快大约30%；如果将商家出餐等计算在内，考量“端到端”时间，可能只会快几分钟。他表示，美团通常会挑选无人机天然有优势的场景去落地。比如跨海场景，无人机比人工配送快30分钟以上；但在一些楼宇密集区域，500米内无人机没有任何优势，美团也不会选择去做。 除了餐饮，在毛一年看来，使用无人机配送药品、检测样本等医疗用品是一个很好的场景，兼具急需和刚需特性，且消费者对价格不敏感。“我们希望在一些医疗场景做起来，既对用户产生价值，又在经营侧获得更多运费。” 与地面配送相比，使用无人机送外卖，导致了许多“没苦硬吃”的技术难题。比如，如何避免无人机失控坠落，就是必须攻克的难关。 在香港首条航线开通现场，美团展示了第四代无人机，最大飞行速度为每秒20米，可以在中雨、中雪、6级风、弱光等天气条件下，以及-20~50摄氏度气温下运行；最大载重2.4公斤，最大配送距离10公里。  美团外卖无人机，图源：字母榜 这款无人机做了许多安全设计。比如，深圳、香港为沿海城市，大风天很多，无人机必须能够抵御强风干扰。美团无人机采用了六旋翼硬件冗余设计，搭配容错动力控制算法，即使无遭遇空中相撞、桨叶断了一根，无人机依然可以依靠其余五个桨叶平稳降落。 此外，美团无人机配备了降落伞，研发用时18个月，迭代了7个版本。在其他所有保护措施全部失效的情况下，无人机依然可以借助降落伞缓慢落地，落地动能小于150焦耳，不会对第三方造成影响。事实上，这也是所有在城市内运行的无人机的标配。 如何让无人机停留在规划航线内，避免侵入禁飞区域，同样是技术难点。 杨俊伟介绍，在高楼林立的大城市，卫星定位容易出现位置漂移，会给无人机飞行带来很大风险。从2022年起，美团给无人机引入了视觉SLAM高精定位导航；2024年又把卫星导航和视觉架构做了一轮更新，相关论文发表在ICRA等国际机器人顶会上。这套系统可以看到一些人眼无法准确识别的细小障碍物，比如天线等，为无人机避障提供数据来源。 为了避免无人机被恶意操控，美团还把“禁飞区”数据写入了飞控硬件。一旦触发位置警报，无人机就会自动停止运行。 与地面交通系统类似，当多架无人机在同一条航线内运行时，常常会出现互相“抢行”、争夺空域资源的问题。倘若不能高效调配，就有可能出现“堵飞机”的情况。 对此，美团设计了虚拟的无人机“时空胶囊”。每个“胶囊”代表无人机所占用的空域，并随着无人机的移动持续占用新资源、释放旧资源。通过这种方式，美团能够以四维方式高效使用空域，并进行精细化管理，实现多机协同、航线规划、空中调度等。 有时候，无人机会遭遇空中“逼停”，需要判断下一步要做什么。在很长一段时间里，当类似事件发生时，美团十有八九需要让“飞行员”远程接管、做出判断，看看飞机是否安全、应当如何干预。 如今，美团无人机调度系统的自主接管比例已经从早期的5%提升至49%，也就是每发生两起“逼停”事件，只有一起需要人工介入；自主避障系统可在0.5秒内完成路径即时重规划，自动处置成功率达98%。 “当无人机在空中遇到危险时，它自己大概率能够完成决策，不需要任何人干预，同时决策时长仅相当于眨一次眼。”杨俊伟说。 但无人机送外卖，不仅需要不断迭代技术和产品，也要考虑成本高低。 一个完整的城市低空物流配送网络，通常包含三个核心组成部分：智能飞行器；自动化收发机场；以及智能运行管理系统，负责调度空中的无人机和地面的起降站。三者的研发和生产都需要真金白银的投入。 得益于国内成熟的无人机产业链，无人机本身的造价并不算很高。梁咏峰估算，美团无人机本身的价格可能只有两三万元。美团没有公布具体价格；按照毛一年的说法，“我们的飞机是自主研发和生产的，在深圳龙华有自己的工厂。” 真正昂贵的是配套的起降机场。在深圳，美团多条航线安放了体积庞大的无人空投柜。无人机降落在无人空投柜的顶部，外卖自动进入柜内，用户输入手机尾号取餐。梁咏峰认为，这套系统的成本高达数十万元，甚至几百万元。对于这一说法，美团方面未予回应。  正在降落的美团无人机。图源：美团 以100万元估算，美团目前开设55条航线，即使每条航线只设置两个空投柜，其成本也在1亿元以上。相比累计52万单的配送量，这一前期投入十分庞大。 理想情况下，无人机送外卖应当做到“窗口到窗口”：商家从窗口将餐食直接放在无人机餐箱内，用户则在自家窗口取餐，从而省去了地面设备和人员的成本。 梁咏峰表示，一些对无人机配送感兴趣的房地产商，曾向他描述这样的使用场景。“他们的设想是，未来设计房子时，在窗户外面建设无人机起降的小平台。外卖也好、快递也好，只需要给户主发送信号，户主把小平台伸出去，直接放在上面，方便取货。” 然而，美团目前很难做到这一点。事实上，一些航线没有无人空投柜，服务流程更加“原始”：起飞点和降落点设置地面围栏，配备专人负责取送餐。 这并不符合美团的预期。“无人机落在地上，对于行人、消费者而言是有风险的。无人机不能落在地上，是我们的经营理念。”毛一年说。 他表示，美团无人机现在最希望获得的资源是，能够将M-port自动化起降机场部署在建筑物门口。“在深圳，你出门左拐右拐10米、20米，就能看到M-port。最近的一个M-port距离楼边上只有大概四五米的距离。”他说，“我们希望有这样的机会部署设备，但从合规审批来说，还需要一些时间。” 这意味着，在可预见的未来，美团无人机外卖的主流模式，仍将是“无人机+无人空投柜”模式，减少设备以降低成本并非当务之急。它距离理想中的“窗口到窗口”，还需要走很长的路。 无人机外卖能“飞”多远，在技术、产品、运营之外，地方政策也是决定因素之一。 今年4月，美团第四代无人机通过民航局审查，获得了全国首张低空物流全境覆盖运营合格证，可在全国范围内开启常态化商业运营。 但实际上，美团无人机进入一座城市前，仍需要大量的沟通和铺垫，甚至需要某些“契机”。 2023年5月，美团无人机团队第一次来香港，认为可能两三年内发布政策。去年10月，港府将“低空经济”写入《行政长官2024年施政报告》。 今年3月20日，港府宣布低空经济监管沙盒计划，公布38个入选专案，Keeta Drone位列其中。在试点项目启动仪式上，行政长官李家超发出起飞指令，Keeta Drone完成香港首单低空即时物流任务。又过了两个多月，美团无人机首条香港航线才正式开通。 美团似乎并未怀抱过高预期，“实际上，去年底发布的低空政策的开放程度，已经出乎我的预料了。”毛一年表示，美团后续会积极参与下面几轮政策的修订。 毛一年表示，美团无人机起步于深圳，它是全国乃至全世界试验新政策最进步（progressive）乃至激进（aggressive）的城市。“如果深圳已经试过的东西被证明有效，或者说被证明合理，我觉得香港的立法过程是可以借鉴、推动的。如果哪里想加快，看看深圳就知道了。” 但相比走在最前沿的深圳，国内外其他城市很难直接全盘抄作业。 目前，在北京、上海、广州等城市，美团只开通了一两条航线，示范意义大于商业价值。毕竟，无人机从居民头顶呼啸而过，从来不是单纯的商业问题。 不过，各个城市发展低空经济的热情毋庸置疑。 一些地区明确提出了低空经济的发展目标。山东提出，到2027年，打造省级综合飞行服务站和3个以上市级低空飞行管理服务平台，建成35个通用机场、400个数字化低空航空器起降平台；开通50条以上市内无人机航线和20条以上城际无人机物流航线，载货无人机实现常态化飞行，载人无人机实现商业化飞行。 大连则要求，完善起降基础设施网络，到2027年全市布局一级点位20个左右，二级点位60个左右，三级点位200个左右。 还有一些地区提供了颇为丰厚的企业经营补贴。合肥提出，对开设无人机物流配送航线的企业，按照年飞行架次进行补贴，每个企业每年补贴最高1000万元。南充则提出，鼓励支持邮政快递企业参与起降点、飞行基地、无人机值守机库等基础设施建设，并按照实际建设投入的13%给予一次性补贴。 放在更长的时间维度下考量，低空经济乃是大势所趋，企业和地方政府都有意愿投身其中。但一个有待解答的问题是，低空经济的“主演”是谁。 美团等企业的当前玩法是，从飞机、站点到运维、经营，由企业一站全包。而从一些地方政府的扶持政策来看，“政府搭台、企业唱戏”似乎也是潜在选项。这有可能与企业做无人机的计划和愿景产生矛盾。 早在2017年，王兴在提出“互联网下半场”时，也公布了“上天入地全球化”的愿景。也是在这一年，美团无人机开始起步。八年过去，美团无人机一骑绝尘、后无来者，但绝对规模并不算大，扩张速度更谈不上飞快。 在技术、产品、运维等方面，美团可以逐一攻克难关；但无人机外卖穿梭于城市上空，始终与市政管理、行业政策等存在密切关联，其生长和扩张绝非简单的业务发展问题。美团无人机已经攻克了不少难关，但横亘在前路上的重重关隘，仍然需要更大的耐心和智慧去破解。 [查看评论](https://m.cnbeta.com.tw/comment/1508484.htm)

6月23日，当地时间周日，特斯拉正式在得州奥斯汀推出了备受期待的**自动驾驶出租车(Robotaxi)服务**。一些亲特斯拉的社交媒体网红们已经获得邀请，抢先乘坐了Robotaxi，并发布了视频。  Robotaxi 需要指出的是，特斯拉Robotaxi尚未面向公众开放，也不像埃隆·马斯克(Elon Musk )承诺的那样完全“无人监督”。这些Robotaxi的副驾驶位置上配备了特斯拉雇佣“安全监控员”，一旦遇到危险情况可立即停止行驶。相比之下，其他自动驾驶汽车公司通常只在测试阶段安排安全员。特斯拉在商业运营阶段仍配置安全员，这种做法颇为罕见。 此次范围有限的试运营包含10至20辆(有媒体报道是10辆)配有“Robotaxi”标识的Model Y。去年首次亮相的全自动驾驶Cybercab最早也要到2026年才能投入使用。此次服务仅在奥斯汀一处相对安全的小区域内运行，运营时间为每天早上6点至午夜12点，避开恶劣天气、高速公路、机场和复杂路口。 **收不到Robotaxi应用** 尽管一天有那么长的运营时间，但是特斯拉Robotaxi服务一开始似乎起步不顺。到了美国东部时间周日下午1点，仍有多位受邀者没有收到Robotaxi应用程序。 索耶·梅里特(Sawyer Merritt)经常在X发布支持特斯拉的内容，在等待特斯拉Robotaxi上线的过程中，他看到有30辆Waymo无人车经过。马斯克在下午1点12分发文称，该服务将在当天下午晚些时候上线，并表示首批用户将支付4.20美元的“统一费用”。这个数字是一个与大麻相关的梗，马斯克经常使用“420”这个数字。 在乘客等待的同时，特斯拉在其官网发布了一个新的Robotaxi页面，详细说明了该服务的诸多规则和指南。访客会被邀请注册，以便在特斯拉的Robotaxi服务可能进入他们所在地区时收到更新。马斯克曾表示，几个月内可能会有多达一千辆Robotaxi上路。  Robotaxi只在有限区域测试 在下载到Robotaxi应用后，梅里特发布了一张图片，介绍了特斯拉Robotaxi的服务区域。该地图似乎覆盖了一个面积较小的区域，北至科罗拉多河，东至183号高速公路，南至290号和71号高速公路，西至齐尔克公园。 **找不到上车点** 接着，试乘正式开始，整体过程看起来大多波澜不惊。几位受邀者开启了直播，展示他们召唤首辆车、操作应用界面以及顺利抵达目的地的过程。有些直播视频持续了数小时，因为乘客结束一段行程后可以立刻再次叫车继续体验。 YouTube博主Bearded Tesla Guy指出，特斯拉Robotaxi应用的界面“基本上就是Uber”。不过，也有不少人表示，他们难以找到Robotaxi上车点。 “这就像在抓宝可梦，但我们是在抓Robotaxi。”有人在YouTube博主赫伯特·翁(Herbert Ong)的直播中这么打趣地说。 **人工验证身份** 上车后，特斯拉雇佣的安全监控员就会要求乘客出示他们的Robotaxi应用，以验证身份。除此之外，在整个乘车过程中，这些安全监控员基本保持沉默，即便是乘客试图与他们交谈。 如果未来特斯拉计划取消副驾驶座位上的安全监控员，那他们势必要想出其他身份验证方式。例如，Waymo就要求乘客通过叫车应用解锁车辆。  安全监控员核实乘客身份 车后排的屏幕会提示乘客系好安全带，在点击一个动画效果的“开始行程”按钮后，车辆便会启动。乘客也可以在手机应用上点击类似的按钮开始行程。 由于乘客是用已有的特斯拉账户注册Robotaxi应用，因此车后排屏幕会根据他们的偏好显示对应的音乐应用，包括所有播放列表和已保存的曲目。 **FSD略微不同** 前排的中控屏显示的可视化画面，类似于普通消费者使用特斯拉“完全自动驾驶”(FSD)功能时看到的画面。马斯克曾表示，这些Robotaxi用的是一种特殊版本的FSD，普通特斯拉车主无法使用。 中控屏上还有一些按钮，比如“靠边停车”、“在车道中停车”以及“联系客服”。另一位社交媒体网红查克·库克(Chuck Cook)指出，这个可视化界面缺少一些普通特斯拉车型上常见的控制功能。  前排中控屏 当乘客按下“联系客服”按钮后，会进入等待队列，等待远程客服接入。在库克的直播中，连接大约花了两分钟。一旦接通，客服会说：“感谢您的来电，我们随时准备解决您在乘车过程中的任何问题，为您提供帮助。”不过，信号并不好。 **远程介入** Robotaxi在这些自动驾驶行程中遇到了各种常见路况，比如掉头、减速带、行人、施工等。车辆的行驶速度大约保持在每小时40英里(约合64公里)或更慢。试乘者普遍用“平稳”、“很棒”、“正常”等词来形容这次乘车体验。一位测试者在X平台表示，他让Robotaxi“出了一点错”，需要远程操作员介入协助，但他并不认为这构成了“脱离接管”。  特斯拉团队在关注测试画面 特斯拉自动驾驶团队负责人阿肖克·埃卢斯瓦米(Ashok Elluswamy)发布了一张照片，显示一个房间里有数十人，墙上挂着10块大显示屏，播放着多辆Robotaxi的实时车载画面。他写道：“Robotaxi首发派对。” **挑战在后面** 接下来特斯拉该怎么走，才是真正的挑战。 马斯克曾表示，他也希望在加州推出Robotaxi服务，但那里的监管流程比得州复杂得多。尽管他声称希望“循序渐进”，却又宣称特斯拉将在“几个月内”让超过一千辆无人驾驶车辆上路。 相比之下，Waymo已在旧金山、洛杉矶、菲尼克斯和奥斯汀运营超过1500辆无人车，并计划在不久的将来扩大至亚特兰大、迈阿密和华盛顿特区。Waymo称，到明年将把车队规模扩大至2000辆。 [查看评论](https://m.cnbeta.com.tw/comment/1508482.htm)

周日，在美国对伊朗核设施实施空袭后，两艘装载量约200万桶原油的超级油轮在进入霍尔木兹海峡后突然调头折返，远离波斯湾入口，成为美国空袭后首批油轮改道的案例。自以色列6月13日首次发动空袭以来，油轮运费已飙升近90%，运费衍生品在周日晚间进一步上涨。 中东局势骤然升级，全球航运业陷入高度紧张状态，多艘油轮选择折返。 据央视新闻、环球网报道，当地时间6月21日，美国总统特朗普在其社交媒体“真实社交”上发文称，美国已完成对伊朗福尔多、纳坦兹和伊斯法罕三处核设施的袭击，并表示“伊朗的福尔多（核设施）已不存在”。 据媒体报道，在美国对伊朗核设施实施空袭后，两艘装载量约200万桶原油的超级油轮在进入霍尔木兹海峡后突然调头折返，远离波斯湾入口，成为美国空袭后首批油轮改道的案例。  作为全球五分之一原油运输的咽喉要道，霍尔木兹海峡的安全状况直接牵动着国际油价和能源供应链。自以色列6月13日首次发动空袭以来，油轮运费已飙升近90%，运费衍生品在周日晚间进一步上涨。 分析人士担忧，伊朗可能针对商业船只进行报复，特别是与美国有关联的船只，这将进一步限制霍尔木兹海峡的石油供应。 **超级油轮紧急调头，航运风险陡增** 据报道，这两艘超级油轮的调头是美国空袭伊朗核设施后，航运业对中东局势恶化的首次具体反应。 这些船只的转向可能表明船东预期在装货港口会有较长等待时间，因此更愿意在霍尔木兹海峡外待命，直到风险降低。 尽管自以色列6月13日发动空袭以来，波斯湾地区的船舶电子设备和信号遭受的干扰日益增多，但这两艘船只的到达和随后的调头行为具有正常油轮活动的特征。 航运市场的基准运费在周末袭击前已上涨近90%，而据报道，运费衍生品在周日晚间似乎出现了飙升。 **希腊发布航行警告，航运业界评估风险** 作为全球油轮运力最大的国家，希腊航运部已向船东发出警告，因担忧霍尔木兹海峡可能关闭，建议经营商如果决定通过海峡，应采取最高安全级别，并与伊朗水域保持最大可能的距离。 希腊政府发言人Pavlos Marinakis证实，政府已通过航运部门建议悬挂希腊国旗和希腊所有的船只前往安全港口等待，直到局势正常化。 三家希腊油轮公司的官员表示，他们仍在评估形势。其中一位表示可能仍会允许油轮进入该地区，而另一位表示他们的船只可能会避开该区域。 航运巨头马士基表示将继续通过霍尔木兹海峡，但会根据最新情况“重新评估立场”。 区域内的海军组织也在警告风险加剧。周日，联合海事信息中心（JMIC）表示，华盛顿的空袭意味着通过红海和亚丁湾的美国相关船只面临高风险的攻击。他们建议与美国有关的船只考虑改变路线。 欧盟驻该地区的海军部队也提高了对美以关联船舶的威胁评估，认定其面临“严重威胁”，并警告未来不排除所有商船成为攻击目标的可能性。 据报道，也门胡塞叛军组织在周日早些时候对美国商业和海军船只发出了新的威胁，尽管此前美方与其在5月初达成停火协议以限制攻击。 [查看评论](https://m.cnbeta.com.tw/comment/1508480.htm)

<blockquote><p>新手抖店普遍面临订单少、流量低等问题。作者通过诊断一个典型新手店铺，发现常见问题包括商品管理混乱、广告投放无效、商品信息未优化等。文章详细拆解这些问题，并给出从优化商品信息、精准广告投放到建立运营节奏的实用建议，帮助新手抖店找到破局之路。</p> </blockquote>  上周末，一个刚开抖店一个月的群友找到我，说抖店目前没有订单，让我帮忙看看。 沟通好远程方式后进入了这位群友的抖音店铺，看完之后，我意识到，这不只是他一个人的问题，其实90%的新手电商，都会踩进这些坑。 进入这位群友的店铺，我仿佛看到了我最开始做无货源店铺的情况。 乱七八糟毫无章法的商品管理列表，企图通过批量铺货拉自然流量，商品基础信息一塌糊涂，图片视觉没有统一风格，一眼的无货源店铺调性。 这几年，很多电商培训机构在教小白开店铺时，一般都从热门类目+无货源铺货开始，因为方式简单粗暴，又可以因为新店前期可以获得自然流量，所以一般都会建议新手每天至少铺20款商品。 但是问题也随之而来，商品优化、售后客服等很多操作这都是需要人来投入精力去做的，如果没有多余的人力去做这些事情，那么还是趁早放弃这种”短期获利“的想法吧。 因为不方便放图，整个店铺诊断过程，我就主要以文字形式描述了。 ## 一、看似开店，其实根本没开始 我先大概看了下店铺的基本情况，店铺品类主打女装，再看店铺体验分、商品信息、订单信息、动销效果、广告投放、物流绩效、店铺装修等方面。基本情况如下： 因为目前有广告投流，不是没单，是单量少，平均几天出一单的水平； 跟自己亲戚工厂合作，为典型无货源亲属代发； 所有商品图文均由工厂直接提供，自己没有重新拍照设计上传； 有尝试投放广告，但无ROI，无有效数据记录； 店铺有真实评论，但很少。 ## 二、5大模块拆解，找到“出不了单”的核心原因 接着我又从各模块数据维度做了一些总结。 1、搜索运营：仅有曝光，无点击转化 近30天搜索曝光人数：2052；搜索点击率：4.58%，相比均值略低；搜索成交转化率：0%； 结论：搜索标题无优化逻辑，仅依赖上架流量。点击率不算低，但无成交说明主图和商品卡无吸引力。 2、广告数据：总计花费仅几十元，未明显起效 总投放金额：两周共计大概¥63；整体支付 ROI：0.06，几乎没啥订单； 结论：属于盲投，没有设定人群、素材和商品策略。ROI低的核心原因通常是：商品没有点击转化力。 3、商品结构：定位混乱，图文未做优化 商品类目混乱：出现多个“裤子”“裙子”“连衣裙”，属性设置不规范；在商品优化界面频繁出现“建议修改属性值”提示；商品图片风格不一，有明显拼接图、白底图、模糊图。 结论：店铺商品布局缺乏策划，没有主推品，没有视觉规范。 4、新客转化：出现极少订单，单价较高但不可持续 近7天新客成交金额¥258.57；新客数2人，成交单数3单，新客单价¥129.29；但前后数据波动极大，有可能是因为做了亲友动销后的表现。 结论：非自然订单，不具备真实转化参考价值。 5、物流与体验分 发货地稳定，为批发商代发；发货履约率84.21%，低于平台平均；商家体验分：85分，商品体验仅80，提示为图文未达标； 结论：物流稍差，体验分偏低，影响平台推荐权重。 ## 三、问题全在细节里，别再踩了 经过基础诊断，这个店铺整体看下来就一句话：看似店开起来了，实则没有任何运营节奏，也没有基本逻辑。 - 商品层面：没有主推品，图文全靠工厂，无差异图，缺乏吸引力 - 搜索层面：没有关键词策略，点击低、转化为零 - 流量层面：广告盲投，预算极低，未形成正反馈 - 成交层面：无破0计划，初始动销无引导，错失冷启动 - 信任层面：页面评论少、无买家秀、无标签 ## 四、如何从0建立自己的抖店运营节奏？ 这个店铺属于典型的新店铺，所以问题暴露得也会多一些。不过不要紧，越是问题多，越不要想着一下子就能盘活，而是要找到一个小的关键点去解决。 针对这个店铺的问题，我给出了以下运营优化建议： 第一步：聚焦单品，重做主图与标题 选定1款目前相对转化还不错的单品，设置为主推； 主图尽可能重做，要满足风格统一、情绪表达、文案突出场景痛点； 商品标题也要重写，先采集高频关键词，然后定期更换标题关键词测试； 用身边人做“首单+评价+晒单”破0，获取店铺信任感，关于店铺冷启动，可以参考文章 电商新手如何借助私域冷启动，卖出第一单！ 第二步：小额精准投放，3天数据反馈 通过人群定向，用抖店罗盘圈定一个目标用户群体，比如 “女 + 25-34 岁 + 关注学生穿搭、平价女装”； 主图文案素材可以按照痛点（如上课久坐腿肿？）+ 解决方案（如冰丝面料透气不闷汗）的方式，来挖掘有差异化的卖点； 定期进行数据监控，可每日或者每三天记录关键指标的表现，随后淘汰掉数据效果不好的投放计划； 第三步：店铺结构优化，运营节奏建立 首页橱窗分类清晰，商品所属目录放置正确； 商品作减法，保留不超过5款商品主推+引流款，其余下架； 建立“每周优化1款商品”的运营节奏，逐步打磨； 物流优化要跟上，完整的购物体验，物流环节也很重要，所以要跟发货方约定好及时发货，避免因为物流时效影响店铺体验分。 ## 五、最后，帮他走完第一段副业闭环 以上就是我给群友的抖音店铺诊断的全过程，最后，我基于以上分析又花了几个小时，做了份诊断报告。 报告内容也基本跟上述过程一致，给群友描述了店铺现状、存在的关键问题以及后续运营优化建议。希望这位群友可以参考这份店铺诊断报告，早日建立起自己的运营节奏。 很多新手觉得“开店很难”，但其实问题不是出在平台，而是你没有用正确的方法试一次。 本文由人人都是产品经理作者【曙欧巴】，微信公众号：【曙欧巴】，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。

作者 | 赵之齐 编辑 | 胡敏 十一年前，阿里“双十一”的备战室里，国产自研分布式数据库OceanBase的创始人阳振坤站在推开的窗边，向时任蚂蚁CEO的彭蕾“承诺”道： “（OceanBase）出了问题，我们就准备从这跳下去。” 把自身与OceanBase成败绑在一起的阳振坤，就是用这样的决心，让OceanBase从一个简单的存储系统，成长为国产数据库的一大领头产品，且通过TPC-C基准测试、击败连续九年位居榜首的Oracle。 一个多月前，2025年5月12日，OceanBase公司发送全员内部信，宣布阳振坤荣誉退休。 退休那天，这位60岁的程序员，依然没有自己的独立办公室，也没有助理。在日常工作中，他和年轻同事们一起在工位上看代码，也自己贴发票报销。 而此前一天，5月11日，正是他入职阿里的第十五周年，也是OceanBase诞生的第十五年。在向雷峰网回顾OceanBase的经历时，**起初短短五六分钟陈述里，阳振坤提了不下十次“困难”**，但好在，团队最终还是证明了自身价值。 最初的困难是，怎么在集中式数据库盛行的时代里，说服阿里高管投入大量财力与人力，做一款分布式数据库。 而在获得吴泳铭“给你两年时间，证明OceanBase的可行性”的批准后，接踵而来的第二个困难是，怎么赢得各业务线的信任、用业务打磨OceanBase的能力，并在阿里内部证明其价值。 随后，当OceanBase在阿里广泛使用后，如何对外服务、创造更大的商业价值，又成了阳振坤的心头重要事项。 重重挑战过后，后来的故事人尽皆知：OceanBase成功了，不仅在技术上登顶世界，商业化的齿轮也运转起来，2020年独立为公司，2023年在金融行业营收规模2.7亿人民币，在金融行业本地部署市场中，份额第一。 OceanBase在技术与商业领域的双线并进，是阳振坤带领团队在一个个考验前做出的重要决策，也源自他铭记于心的恩师王选的教导：技术顶天、市场立地。 从国产数据库不被看好的当年，到国产自研雨后春笋般爆发的如今，阳振坤带领OceanBase的成长史，也是国产云数据库发展15年的重要缩影。深耕计算机领域三十年的他，如何带领OceanBase度过一个个难关？他和OceanBase互相成就的这一路，又有怎样的故事？ 阳振坤 **坚持分布式的“梦想家”** Oracle九年来第一次痛失TPC-C基准测试榜首之位，就是败给当时在公众视野里还初出茅庐的OceanBase。 这个看似半路杀出的“程咬金”，从2010年起锤炼自身，已蛰伏等候此刻多时。其强大的产品实力背后，是阳振坤正确的判断和团队共同的坚持。 **故事的开始，阳振坤做对的第一个决策是，在集中式数据库盛行的年代，坚持分布式数据库的道路。** 这一切，可以从2010年说起。 2010年，阳振坤难得地给自己的人生放了一个月的假，陪陪家人，捋捋未来的计划。就在当时，阿里的刘振飞向他递出了橄榄枝。两人此前在微软一起共事，彼时刘振飞正负责淘宝的后台系统运营管理。 阳振坤去了阿里面试，面试官是吴泳铭，他后来第一个直属上司。2010年5月11日，阳振坤入职阿里，在基础架构部门，职级是P11。有说法指，阳振坤加入淘宝后，本可以加入快速发展的淘宝业务团队，主管技术，但纠结再三，他还是选择并不那么好走的自研路子。 入职后大约一周，开发一款分布式数据库的创想便逐渐成型。阳振坤向当时淘宝技术负责人吴泳铭提出这个想法。 深知数据库成长需要周期的他，已感时不我待。但在集中式数据库为主流的年代里，如何说服别人，给他这个没有数据库背景的人，一个尝试做分布式数据库的机会？ 阳振坤给出的论点之一是，数据库在集中式这条路上已经走到尽头，接下来一定会往分布式走；且传统单机数据库缺乏扩展能力和高并发能力，对于离不开关系数据库的互联网来说，分布式数据库“怎么看都是一件需要做的事”。 并且，当时阿里内部数据库的数量高达6500个，大量的业务场景和数据需求令他心向往之，相信其中蕴含打磨出分布式数据库产品的可能。 但，同样不可或缺的，是身处“去IOE”（IBM小型机、Oracle数据库和EMC存储）节点上的阿里，提供的“地利”。 早期，阿里是Oracle在亚洲最大的客户之一，Oracle会在官网上长期展示阿里的logo，阿里内部也有许多获得Oracle认证的顶级工程师。 然而，2009年开始做“双十一”的淘宝，数据量激增，让Oracle已有些捉襟见肘：Oracle数据库最多支持20个节点的共享模型，但阿里的数据量需要几十万台服务器。阿里需要能力更强的数据库。 后来阿里的成长速度，也证明这步预判是正确的：2009年成交金额只有大概5000多万的“双十一”业务，在2010年已达到9亿多，到2019年有2600多亿，呈几千倍增长。2010年淘宝第二届“双十一”的平台交易笔数每秒峰值就已经达到2500笔，但当时系统的极限容量是每秒3000笔订单。有阿里内部人士透露，**2022年前后，在阿里内部使用的OceanBase、PolarDB和ADB数据库系统共使用了约5万台服务器，已远超Oracle的处理能力。** 此外，从经济利益上说，Oracle的授权费也过于昂贵，且运行时要依赖高端硬件设备。当时，阿里高层发现公司每年在IOE上的支出，呈现惊人的增长——小型机、高端存储加上Oracle的各项费用，一套可能要两千多万，阿里每年要给IOE三家美国公司几乎200亿元采购费，这样下去，阿里可能变成“给IOE打工”。 **而立志要成为一家科技公司的阿里，也需要建立自身技术根基。**确定“去IOE”的战略后的初期，阿里还想从已有的MySQL开源数据库发力。但公司随后意识到自研的重要性，在飞天系统、OceanBase数据库等一系列技术根基建立过程中，也锻炼了许多数据库、中间件等相关研发人才，让阿里云得以在2015年之前就打下技术和产品优势，对其后来席卷云计算市场至关重要。 当时和阳振坤一样相信分布式的，还有王坚——他是阳振坤在微软的老板。阳振坤在2010年加入阿里后，有一段时间也向王坚汇报，在微软时，两人便已看好分布式的未来。而此前阳振坤在百度工作时，也深入学习了Google的分布式存储和数据库模型。在分布式的坚持上，他有底气敢为人先。 想法有了雏形后，阳振坤随后又花了两周时间找客户、再花了两周在代码上做简单的原型论证。种种“天时地利人和”，加上早期阿里内部创新氛围浓厚，吴泳铭也乐意授权各团队自下而上搞创新，他提出的唯一要求是：两年内证明这个项目的可行性。 **至此，立项已成。那之后花了十多年长出累累硕果的OceanBase，起初的立项只花了六个星期。** **** **与业务磨合：如履薄冰六七年** 数据库产品能力的提升，常面临“先有鸡还是先有蛋”的尴尬：没有业务的磨炼，数据库难以成长；但不够成熟的数据库，又难获业务信任。 尤其在阿里内部，**业务线领导要自己背负业务指标，冒险把业务交给一个从0开始的自研项目，相当于自愿站到了悬崖边上。** 这一点，阿里云飞天系统的第一个客户阿里金融已深有体会：当时深受折磨的阿里金融掌舵者胡晓明，便带队高管们，在2011年12月31日晚上来到阿里云，向阿里云高层们鞠下无言的一躬，以求过一个不被飞天报警铃声打扰的安稳的春节。（无言鞠躬背后如何风云暗涌？欢迎添加作者微信**Ericazhao23**了解） 有了这一“前车之鉴”，各业务线对新技术的加倍谨慎自不必说。攻略业务线的老大，是从淘宝内部成长起来的OceanBase，避无可避的难关。 阳振坤自然担起这一重任。回顾当时，他笑说自己“好像个大龄推销员”，对淘宝内部的业务技术团队逐个登门拜访，“推销”到口都干了之后，终于遇到一个愿意尝试的项目：淘宝收藏夹。 之所以有机会，是因为当时淘宝收藏夹面对的性能瓶颈，内部还没有别的办法解决—— 用户每次打开收藏夹时，系统都要检查商品价格、在线情况等状态变化，因此，数据库就要频繁访问硬盘数据。如果很多用户同时访问收藏夹，数据库的计算量和I/O需求就会大幅增长。要是访问硬盘上100个不同的位置，就要读取100个不同的“块”（Block），每读一个块可能需要1毫秒，用户打开读取淘宝收藏夹的速度就会变得非常慢。 然而，如何让业务团队相信，初生的OceanBase能解决这个问题？ “数据库只要出一次问题，就永远没有信用，哪怕会给业务带来好处，也没有人敢用了”，阳振坤向雷峰网说道。在他眼中，业务团队给出的每一次磨合机会，都是不可失手的关键战役。 深谙此理，阳振坤带着满满诚意和一套切实的解决方案，拜访了淘宝收藏夹的主管魏虎。 他首先向魏虎阐述了自己的观察：淘宝收藏夹大部分数据的特点是，数据总量大，但每天的修改量很小。因此，可以尝试把每天业务低谷期（如凌晨两点之后）修改的数据，先放在内存里，到下一个低谷期（例如两点）时，再把当日修改跟原来的数据做大合并写回去。 **但这一切变化只发生在后台，作为用户，在前端依然可以实时看到更新。** 要了解这个做法的创新，就要先了解硬盘和内存的区别：硬盘中的数据需要基于“块”的方式读取、顺序访问，即便只需要读取其中一条记录，也要把整个块读取出来后再找到需要的记录，早期硬盘中，一个块的大小通常为512字节。而内存则能随机访问设备，可以直接访问任意一个字节的数据，速度更快。 假设用户收藏的100件商品存在多个不同的定常块里，原来的方法，只要用户有修改，就得把硬盘里这个块读出来，在内存改好后写回去，下个客户来读，又得从硬盘上检查每个块的修改情况。而新的方法中，**修改都存在内存里，当用户访问时，只需快速访问内存了解数据修改的情况，并和原来的数据合并，给用户展示。** 两种操作的核心区别是：**减少大量重复的动作**，大力提升收藏夹运行的效率。 这个方案俘获了淘宝收藏夹团队们的心。在他们的催促下，阳振坤团队开始了验证测试。 团队在两个月左右进行简单版本的测试，验证可行；再花六个月完成第一个正式版本，在生产环境中试运行。试运行四个月后，方案正式投产。前前后后，花了将近一年时间。 而运行OceanBase之后的淘宝收藏夹，从原需32台服务器，减到了14台，其中，12台处理静态数据，2台负责动态数据。 淘宝收藏夹和OceanBase的这场相遇，可以说是一场双向救赎。从此，OceanBase站上了数据库产品的起跑线，而直到今天，淘宝收藏夹仍是OceanBase的用户。 然而，OceanBase确实也只是刚刚站上了起跑线，阳振坤直言，**当时数据库的功能“连1%都没做好”**。 他开始在内部寻找第二个大型业务。 阳振坤曾将目光投向淘宝购物车，但购物车对淘宝而言是几乎不可容错的核心部分，谨慎定夺后，他还是没有迈出这一步。 那一年里，他依然跑遍了业务部门，但没能幸运地获得第二个像淘宝收藏夹一样具有代表性的业务。永远卡住的一个环节是：如何向业务部门展示OceanBase的价值。 他们在忙忙碌碌中度过了第二年，**2012年秋天，本该是收获的季节，但OceanBase再也找不到新的业务，项目面临关闭风险**。即便是CTO吴泳铭，也难以直接干涉业务部门的产品使用抉择，对此爱莫能助。 就在此时，王坚牵线，建议他们去到如火如荼开展“去IOE”的支付宝。 两年期限临近的关头，阳振坤果断抓住这次“复活”机会，带着OceanBase团队，在2012年11月15日来到支付宝。 彼时，冯春培（花名孔丘）和程立（花名鲁肃）等人已经解决了稳定性的问题，让支付宝实现100%的运维可用率。需要解决的新问题是：大量使用Oracle数据库的支付宝，如何降低软硬件的成本？ 当时，支付宝尝试给出的打法是用MySQL+普通PC机替代。然而，普通PC机的故障率远高于IBM小型机和EMC存储，会让系统的可用性显著下降。 这个扔到阳振坤面前的难题，并非一块好啃的骨头：淘宝的数据库出问题，最多只是用户暂时无法购物，可以通过工作人员的及时修复和诚恳道歉重获用户支持；但在支付宝的“钱”上出问题，失去的用户信任将无可挽回。 就连当时非常看好原生分布式数据库前景的支付宝CTO鲁肃，也问过阳振坤：“你如何保证OceanBase不弄丢支付宝用户的一分钱？” 阳振坤被这个问题问懵了。但他接下挑战，带着团队探索新的方法。 鲁肃这个问题背后的逻辑是：**如何在降低硬件成本的同时保持系统稳定性？**几经摸索后，阳振坤团队引入了Paxos协议技术：让一笔交易用三台机器做，只要有两台机器成功完成，这件事就做成了。这笔账可以这样算：一台PC机出故障的概率如果是千分之一，两台同时坏的概率可能就是百万分之一，三台则是十亿分之一。 这一技术的变革，也是对员工的解放：以前只要主库坏了，不管几点，大家就要几分钟内起来做人工对账，但现在，只要有一两台机器继续工作，系统就能继续运行。能睡上安稳觉，这也一定程度“收买”了业务团队的心。 后来，腾讯、华为等公司在基于MySQL的系统中，也都采用了类似技术。 2014年，OceanBase 0.5版本已经做到“半分布式”系统：**所有数据修改都在同一台机器上进行，但读取数据时使用多台机器**。并且，其在关系数据库系统上做到单机/单机房故障不丢数据、不停服务，也已经超过了国家标准。 但，**三年没有新标杆业务的OceanBase，还是难以避免地开始受到质疑。** 要么成功，要么沉寂。种种压力下，阳振坤把赌注，押在了阿里技术人每年的“大考”上：“双十一”。 他向鲁肃自荐用OceanBase替代Oracle，但业务团队并不接招，于是，鲁肃出面，把相关负责人叫过来一起谈： “OceanBase有什么问题，大家具体指出来，不要说‘感觉不稳定、害怕出问题’这些虚的。” 阳振坤还给时任蚂蚁集团的CEO彭蕾写了封邮件，大力推荐团队产品：“咱们的同学非常优秀：给他们一个信任，他们会给我们惊喜甚至奇迹，我们认为技术上做不到的，他们也能做到……” 经历长达半年的切磋谈判，最终，OceanBase争取到了1%的流量测试机会。 命运眷顾有心人，就在那年，Oracle无意中也给OceanBase的成长“推波助澜”：在“双十一”前夕的压力测试中，数据量一上到90%，Oracle就报错崩溃。情急之下，业务团队只好找到阳振坤：“给你们10%行不行？” 团队喜出望外，临危受命。 “双十一”流量的10%，基本就是淘宝平时100%的流量。OceanBase能否承住这份压力？众人瞩目下，就有了2014年OceanBase“双十一”作战室里的名场面： 当晚，时任蚂蚁集团CEO的彭蕾鼓励团队之际，也询问紧张备战的团队们：“有没有信心？” 恰好站在窗边的阳振坤，推开了窗，摸不出几分玩笑几分真，只是说道： “出了问题，我们准备从这跳下去。” 所幸，OceanBase顺利地度过了双十一，在全场的掌声中，阳振坤心知这背水一战终是成了。一战成名，OceanBase逐渐接下了大淘宝100%的流量。 在这之后，团队继续实现起初打造分布式数据库的承诺。 如前所说，当时的OceanBase还是“半分布式”系统：只是写入一个单点，让所有数据的修改在同一个点上，避免复杂性。在阳振坤看来，这种做法短时间内能支撑支付宝的交易需求，长远来看不可持续。 2014年9月之后，团队开始将其升级为完全的分布式数据库系统——每个节点都可以再做修改，节点与节点之间平等，没有什么特殊。 这步升级，花了整整两年时间。 直到2016年初，OceanBase系统开始替换支付宝最核心的账目系统中的Oracle数据库。这之后，完成所有项目的替换只是时间问题，“最困难的部分已经完成了”，阳振坤感慨。 产品能力逐渐成型后，他开始把眼光放到外部商业化上。 **内外“交困”：费口舌不如跑分** “在公司里做一件事，你终究得证明自己有价值”，阳振坤向雷峰网说道。 在大厂中成长起来的数据库，一个天然的可得优势是，能用公司内部成熟的业务磨练产品。然而，这块硬币的另一面是，**需要把握“满足业务团队高定制化需求”与“打磨自身数据库产品通用能力”之间的平衡。技术团队与业务团队的期望，常常出现巨大鸿沟**。 并且，2016年前后，OceanBase还受到过阿里内部其他数据库的挑战，经历了一场“华山论剑”：嬴者才有继续做数据库的权利。（更多幕后故事，欢迎添加作者微信**Ericazhao23**交流） 鏖战过后，各方打平。尽管如此，OceanBase这个数据库老大哥或许也进一步意识到，是时候走出阿里这个“舒适区”了。 为了更好提升数据库功能，为了一定程度上保持OceanBase的自主性，也为了证明数据库产品的价值，2016年底，阳振坤开始带队做外部业务。 2017年，OceanBase获得了第一个外部客户，南京银行，也是互联网金融相关业务。 但早期获客举步维艰，2020年前后国产数据库赛道在卷的“自研”，此前在用户眼中是“不靠谱”的代名词。彼时OceanBase名气不足，质疑声多得团队成员的耳朵都快被磨出茧子： 中国的数据库领域已经发展了几十年，但还没有哪个数据库真正做得成功，你们怎么就成功了？Oracle这么多年都没做出分布式数据库，你们怎么可能做出来？ 当时团队规模也就百十来人，“百”口莫辩之时，阳振坤做了一个决定：跑分。 数据库也有自己的全球性能排行榜，若能登榜，OceanBase的能力不证自明。但这并不容易，**至少在当时，中国还没有数据库能通过TPC-C基准测试，而Oracle已经稳坐第一名的位置，九年。** 初生牛犊不怕虎的OceanBase，在2018年报名参加了这项测试，开始打榜。经历长达一年审核后，2019年10月2日，结果公布：OceanBase通过了测试，击败Oracle登顶。 至此，OceanBase这个既能做交易、也能做分析的HTAP数据库新星，在公众视野中冉冉升起。蚂蚁高层也正式决定，OceanBase作为一个单独的公司独立运营。 下一个重要的决策，是**开源**。2020年6月正式成立的OceanBase公司，9月开始进行文档代码整理，在第二年6月正式开源。开源尚未成为主流的当时，把数据库开成“白盒子”，也是阳振坤团队为消除客户不信任感和陌生感的努力。 但OceanBase的成长并未就此停下。 生长于阿里的OceanBase，为大客户量身定制，起初开拓的外部客户，如南京银行，业务量也很大。但随着接触企业范围扩大，阳振坤观察到，中小型用户的五十个业务里，可能只有两三个业务单机系统做不了、需要分布式，若一概使用分布式系统，对他们来说成本过高。因此，OceanBase也开始针对中小客户的需求优化，**提出“单机分布式一体化”概念**。 通俗点讲，就是让分布式和单机系统同时存在，企业可以把规模小的业务用单机系统跑，业务量扩大时再叠加更多机器。这种系统在高配置和低配置下都保持不错性能的打法，避免“用高射炮打蚊子”，但要求团队付出更多精力技术调优。 阳振坤常挂在嘴边的一句话，是他的恩师王选的重要教导：“顶天立地”。拆开来讲是，技术顶天、市场立地。 也因此，他对OceanBase的发展规划，并不局限在技术层面的提升，而是积极走进市场、在市场的检测下调整优化。这也是OceanBase突破重重难关，获得今日成功背后的逻辑。 2006年在百度就开始追随阳振坤脚步的杨传辉，现在是OceanBase的CTO，他感慨：“如果一个问题，阳老师想了好多天还是无解，那这个问题肯定无解，因为有解的话，他一定能想到解决办法。” **职业生涯中，三次“重启人生”** 时间来到2025年5月12日，阳振坤荣誉退休。回头看，30多年前，站在王选办公室外忐忑的那个24岁年轻人，或许也难以想象，自己那天敲开的通往计算机研究所的大门，会指向一个如此瑰丽又广阔的未来。 1989年春天，在北京大学计算机研究所实验室隔断出来的一个小隔间里，阳振坤第一次见到了王选。在这个简朴的办公室里，修完大学课程只用了三年、硕士只用了一年多的阳振坤，向王选表达说，希望能成为他的学生。 王选的一个允诺，让阳振坤跟着他做了13年的激光照排。那是他人生第一次转变赛道、重启。1995年，阳振坤所在的团队获得国家科技进步一等奖，1997年，32岁的他被破格晋升为教授。 2002年，互联网发展迅速，抱着对社会第一线工作的好奇，阳振坤离开了大学，在36岁闯入工业界，开始第二场新的尝试。他去到联想研究院担任首席研究员，负责无线通信领域的研究；后来又接触分布式系统，在微软亚研、百度从事相关工作。 阳振坤来到百度是在2006年。他最先学习了Google开发的两种分布式存储和数据库模型，Bigtable和Spnaner，**并用C和C++写了一套凤巢系统，基本类似于2009年阿里做的ODPS系统**。当时国内几乎还没有人做类似项目，团队对这个方向都信心满满。 在团队成员的记忆中，**那时出去讲分布式系统的概念，就像现在和别人讲量子计算，听者都一头雾水。** 然而，两年一过，这个项目就被放弃了——因其两年内还不能在核心业务应用，被认为不能主力投入。 后来在阿里的经历则比较幸运。两年的时间窗口里，阳振坤不需要背负KPI，得以专心研发，锻造出职业生涯中最恢弘也是最辛苦的项目，OceanBase。能把这个项目做成，绕不开的，是阳振坤奠定下的极客基因。 在面试新人的过程中，阳振坤常常会拿出一张纸，给面试者画OceanBase的框架图，像布道者。也有OceanBase内部人员评价，阳振坤追求做出“面向未来的东西”，要更强壮、更有扩展性。因此，只要精力足够，做得不够好的部分，团队总会不断推掉、重来。 互联网大部分项目周期是两周，但数据库的发展没有三五年，往往也难以真正落地。内部业务催得紧，有时连团队内部成员也颇有微词。与时间进行毫无悬念的赛跑时，阳振坤也常需要安抚人心。曾有新加入团队的年轻人向阳振坤抱怨说，合租的室友在天猫工作，做网页熬一两周就看到成果了，但自己的付出却好像离收获遥遥无期。 对此，阳振坤给出的回答是：“再过三年，你做的数据库天猫还在用，但他改的网页早就看不到了”。 做学问出身的阳振坤，对产品本身之专一，令他对这之外的一切，包括管理，都不买账。种种光环下，他依然维持最简单的一面示人。有客户对他印象最深刻的，是会面时穿着凉鞋的形象。团队成员们有时会笑评：“60岁的科学家，像个农民一样。” 九十年代时，阳振坤曾跟着王选去美国，在IBM的研究中心里，他看到很多程序员即使白发苍苍，也依然坐在办公室，敲键盘写代码。 那是阳振坤心目中程序员应该有的样子。 国产数据库起步最艰辛却也满怀希望的过去十多年里，阳振坤一直坐在他的办公桌前，日复一日地面对那些视如己出的代码。年过花甲的他，已悄然将自己活成那幅画面中的一部分。 作者持续关注云计算、数据库、AI等相关领域，欢迎添加微信**Ericazhao23**交流。

<blockquote><p>最近，Sourcegraph 推出的 AI 编程工具 Ampcode 引发关注，成为继 Cursor、Devin 和 Claude Code 之后的新黑马。文章深入探讨 Ampcode 的技术特点、产品哲学及行业影响，指出其通过深度模型理解、反馈循环和子代理功能等创新，重新定义编程工作流，推动 AI 编程工具从同步向异步转变，引领未来编程趋势。</p> </blockquote>  最近这段时间又一匹AI coding黑马正在快速崛起，感兴趣的朋友可以先看下这个视频，在Every最新一期播客里，他们对当前所有AI coding产品做了一个评级分类，而跟Claude code共同排在S级的就是最近Sourcegraph刚推出的Ampcode，而爆火的Cursor也只排在了第二档次的A级。  这其实代表的是一个未来的趋势，从同步的Coding工具转向异步的Agentic Coding，这一转变也完美符合了Andrej Karpathy前几天在YC创业营上演讲提到的LLM OS和Software 3.0的概念。这里再分享一个Claude code负责人的演讲视频，详细讲述了Agentic coding的进化。   作为代码搜索和智能工具领域的资深玩家，Sourcegraph 已经深耕企业级开发者工具市场多年。这家成立于 2013 年的公司以其强大的代码搜索平台而闻名，帮助众多大型企业管理和理解复杂的代码库。然而，当 AI 编程工具的浪潮来临时，Sourcegraph 并没有止步于现有的成功，而是选择了一条更加激进的道路。他们的 CEO Quinn 和工程师 Torsten 开始了一场前所未有的实验：能否用短短几周时间，构建出一个完全不同的 AI 编程工具？这个实验的结果，就是现在让整个行业为之震惊的 Amp。 很有意思的是，他们把整个做产品的过程都以播客系列《Raising an Agent》的形式开源了出来，从中我听到了一个 AI 编程工具从构思到成形的完整过程，更重要的是，我看到了一群工程师如何通过深度思考和大胆实验，创造出了一款与众不同的产品。 这不是一个典型的产品发布故事。没有华丽的 PPT，没有精心策划的营销活动，甚至连正式的产品规划都没有。Quinn 和 Torsten 几乎是在”边做边学”的状态下，用两三周时间就搭建出了一个让他们自己都感到震惊的原型。但正是这种看似随意的开发过程，却蕴含着对 AI 编程工具本质的深刻理解。 从他们长达数小时的播客对话中，我提取出了几个关键的思考维度，这些思考不仅塑造了 Amp 的产品形态，也可能预示着整个 AI 编程工具行业的发展方向。更让我感兴趣的是，这些洞察都是从实战中总结出来的，不是纸上谈兵的理论推演，而是每天使用、每天发现、每天调整的真实经验积累。 我看到了 Amp 团队的一个重要特质：他们愿意尝试那些看起来不太可能成功的想法。这种实验精神让他们能够发现其他人错过的可能性。更重要的是，他们没有被传统的产品开发流程束缚，而是让技术的可能性来引导产品的方向。这种”技术先行”的方法虽然看起来风险很高，但在 AI 这个快速发展的领域里，可能是最有效的探索方式。Quinn 总结得很好：”这就是为什么我们在这里，因为每天都有这样的时刻。” 我特别注意到他们反复强调的一点：每天都有让人兴奋的发现。这不是偶然的，而是因为他们选择了正确的工作方式。他们没有试图预测 AI 模型的所有可能性，而是通过持续的实验和观察来发现模型的真正能力。这种方法让他们能够”与模型共舞”，而不是强迫模型按照预设的方式工作。正如他们在播客中多次提到的，很多时候最好的答案就是”让模型去做”，而不是试图通过复杂的逻辑去控制它。 于是就有了这篇文章，希望给大家一些思考和启发。我对AI coding这块很感兴趣，也做了非常多的研究，有想在这方面创业的朋友欢迎找我聊聊。 ## 颠覆性的产品哲学：少即是多 在当前的 AI 工具市场中，大多数产品都在追求功能的广度：模型选择器、复杂的配置选项、数百种工具集成。但 Amp 团队选择了完全相反的方向。他们的产品哲学可以用一句话概括：做减法而不是加法。这种哲学贯穿了他们所有的设计决策，从界面设计到功能选择，从定价策略到用户体验。 这种哲学最明显的体现就是他们拒绝提供模型选择器。Quinn 在播客中多次强调这一点：”我们有字面意思上的文本区域，这么多其他 AI agent 都有那些丰富的文本区域，比如 lexical 或 prose mirror 之类的，我们已经做过了，知道那会增加复杂度1000倍。”他们的目标是为用户提供最好的体验，而不是最多的选择。他们认为，如果你知道哪个模型最好，为什么还要让用户选择一个更差的模型？  这种逻辑听起来很简单，但背后体现的是对产品价值的深刻理解。Torsten 解释说：”现在很多过时的东西看起来怎么样？选择器和不同的模式，还有再多一个按钮就可以配置一切。我不知道这是不是只有我这么想，但这只是我现在习惯了 Amp，但这似乎就是为什么你会让用户切换到一个明显更糟糕的模型，比如为什么把 Mini 或 Haiku 放在那里？” 更激进的是他们对 token 使用的态度。在其他工具都在想方设法节省 token 成本时，Amp 团队选择了完全不限制 token 使用。他们的环境变量甚至包含了一个带有脏话的变量名，大意是”我是个低志向的白痴，更关心成本而不是构建令人敬畏的东西，所以告诉我价格”。这种近乎极端的态度背后，是他们对于什么才是真正重要的清晰认识。 Quinn 对此有深刻的分析：”我认为这种无 token 限制的魔力，因为如果你优化请求或者说低请求数量或者说低 token 数量，你最终会得到一个完全不同的产品。如果你说让它尽情发挥，你取消所有限制，你把工具给模型，然后你把它放在一个循环中，这就是所有魔力的来源。魔力不是……很多魔力在于工具，很多魔力在于它如何集成，很大一部分是没有限制。” 从他们的讨论中，我理解了这种哲学的深层逻辑。当你试图同时满足所有人的需求时，最终可能谁都满足不了。相反，如果你专注于为特定用户群体提供最佳体验，你可能会创造出真正有价值的产品。这种”opinionated”的产品设计虽然会失去一些用户，但会赢得那些真正需要高质量工具的用户的忠诚。 这种哲学还体现在他们对工具集成的态度上。虽然市面上有数百种 MCP 工具可以集成，但他们选择只提供经过精心调优的少数工具。Torsten 的观点很明确：”我不认为在这里’更多就是更好’……我不认为如果你有一千个可用的工具，你会得到好的体验。”他们的理由很简单：给 AI 太多选择可能会导致选择瘫痪，就像给人太多选择会导致决策困难一样。 他们甚至对用户反馈采取了选择性响应的策略。Quinn 说：”我们得到了很多用户反馈，这真的很有趣，用户说’嘿，我不想看到它做的所有事情’，我们已经非常谨慎……我们喜欢人们这样说，但我们一直很谨慎，因为我们不想设置错误的期望，这是魔术。”这种”固执”的态度虽然可能会让一些用户不满，但却能确保产品保持清晰的方向。 ## 深度模型理解：与模型共舞而非对抗 在听 Amp 团队的讨论时，我发现了一个有趣的现象：他们对不同 AI 模型的理解已经到了近乎人格化的程度。他们会说”Claude 喜欢委派任务”、”Gemini 更愿意一次性生成完整方案”、”这个模型被训练得更激进”。这种拟人化的描述背后，是对模型行为模式的深度理解，而这种理解是通过大量的实际使用和细致观察积累起来的。 这种理解不是来自于阅读技术文档，而是来自于数千小时的实际使用和观察。Torsten 提到了一个很有趣的发现：”一旦我们有了 Claude Sonnet 4 的访问权限，我们很快就把子代理重新添加到 Amp 中，看看这个新模型是否有所不同，确实，事情是不同的。事实证明，Sonnet 4 真的很喜欢将工作委派给子代理，只要它能发现一个明确定义的任务，它就会调用它们。” 这种观察让他们能够快速适应新模型的特点，并据此调整产品策略。更重要的是，他们认识到模型的这些特性不是偶然的，而是训练过程中有意为之的结果。Quinn 解释说：”第一个被广泛认知的 agent 框架是 AutoGPT，它实际上早在 2023 年初就出现了，就在 ChatGPT 发布后不久……这些模型都是在很久以前训练的，我不知道确切的时间框架，模型公司不会公布，但让我们说六个月或九个月前……在那个时候，他们调查了环境，他们查看了人们在内部和世界各地正在做什么，他们说人们六到九个月后会如何进行工具调用，他们训练模型以在这方面做得很好。” 我特别感兴趣的是他们对”模型训练数据”的思考。他们认识到，不同模型在训练时见过的工具和使用模式是不同的，这直接影响了模型的工具使用偏好。Torsten 提到：”模型在很大程度上是经过训练的，我们看到的是它们对我们认为它们训练过的工具有很高的亲和力，比如编辑文件这样的东西……甚至我们看到 Gemini 似乎更不愿意运行 shell 命令。” 这种认识让他们明白，与其强行改变模型的行为，不如顺应模型的偏好来设计工具。这种”与模型共舞”的哲学，我认为是 Amp 成功的关键因素之一。很多其他工具试图通过复杂的 prompt engineering 来”驯服”模型，但 Amp 团队选择了理解和适应模型。 从他们的讨论中，我还看到了对模型演进趋势的深刻洞察。他们注意到不同模型厂商在 agent 能力方面有不同的发展方向。Torsten 有一个很精彩的分析：”对我来说，似乎这些公司对 agent 应该是什么有不同的哲学……Anthropic 到目前为止似乎最接近这种实用的编码 agent 的道路，它可以去找出东西，不仅仅是构建应用程序。”他进一步解释说，Anthropic 的模型更注重环境交互和反馈循环，能够根据遇到的错误尝试不同的解决方案，而其他模型可能更专注于一次性生成完整的解决方案。 这种差异不是技术实现的偶然结果，而是不同公司对 AI agent 未来的不同理解。理解这些差异，让 Amp 团队能够做出更明智的技术选择。正如 Quinn 所说：”如果你有模型选择器和任意工具，你不会得到与使用针对一个模型优化的工具相同的结果，而该模型就是它训练的对象，但是大实验室有动机使他们的模型与许多不同的工具实现一起工作，并使它们尽可能通用。” ## 反馈循环的艺术：让 AI 像人一样学习 在所有的技术讨论中，我觉得最有价值的洞察是关于反馈循环的思考。Amp 团队发现，AI agent 和人类程序员其实有很多相似之处，都需要通过反馈来改进工作质量。这个看似简单的观察，却颠覆了很多人对 AI 工具的期望。 Quinn 在播客中提到了一个很有说服力的类比：”如果你要求人类在一个非常好的日子里一次性输出300行文件，他们可以为你写300行，但不会是正确的……但我们经常需要的是编译器反馈、解释器反馈、测试、linter、波浪线，所有这些来指导我们，并帮助我们理解我正在编写的代码是否有效。事实证明，如果你给模型同样的反馈，它在编写代码方面会变得更好。” 这个洞察让他们重新思考了工具设计。他们不再试图让 agent 一次性完成所有任务，而是为它创建了丰富的反馈循环。包括编译器诊断、测试运行、静态分析，甚至浏览器自动化来获取视觉反馈。Torsten 分享了一个令人印象深刻的例子：”我们有一些工具来编辑文件，我们有一些工具来查看文件，我们有一个工具来运行终端命令……它尝试了两次，你可以看到它在实时进行，就像让我尝试编辑这个文件，然后也许那是它的声音，我想让我尝试编辑这个文件，它失败了，我们发回了一个错误消息，我们说这不是一个有效的参数，然后它再次尝试，参数有所改变，它仍然失败，然后它决定并写道让我以另一种方式尝试这个，它所做的是创建一个新文件，将它想要的其他文件的内容完全放入新文件中，然后运行终端命令将新文件移动到旧文件上。” 这种自适应的问题解决能力，正是通过良好的反馈循环实现的。更令人兴奋的是他们在前端开发中的应用。他们集成了浏览器自动化工具，让 agent 能够直接看到网页的运行效果。我印象最深的是他们提到的太空侵略者游戏例子：agent 不仅能编写游戏代码，还能自动打开浏览器、按下空格键开始游戏、射击外星人来验证游戏是否正常工作。 但构建好的反馈循环并不容易。Torsten 指出了一个重要问题：”理想情况下，它总是知道验证其工作的最佳方式，但这通常很困难，甚至作为人类你也不知道……我发现有效的是，当我知道它会遇到问题时，我会事先告诉它，我说在每一个小事情之后确保你运行这个命令，然后它是类型检查器或任何 linter 或什么的。” 这种反馈循环的设计哲学，我认为是 Amp 区别于其他工具的关键优势。很多工具把 AI 当作一个黑盒子，输入提示词，输出代码，然后就结束了。但 Amp 把 AI 当作一个需要持续学习和改进的”工程师”，为它提供丰富的环境反馈。这种方法不仅提高了代码质量，还让 agent 能够处理更复杂的任务。 Quinn 对此有一个深刻的观察：”我想说的最重要的一点是，我希望有更多的设计师能够走上创业这条路……对于那些已经是创始人的人，我也希望你们能培养’设计思维’，因为在打造下一代伟大公司的过程中，这将成为最关键的能力之一。”这种将反馈循环视为”设计问题”的观点，我觉得非常有启发性。 从技术实现的角度来看，构建好的反馈循环需要大量的工程投入。你需要确保构建系统能够快速给出清晰的错误信息，测试能够细粒度地运行，开发环境配置正确等等。Torsten 提到了一个有趣的观察：”事实证明，这对 agent 不好，对人类也不好，比如如果你有一些构建工具，它们会输出很多警告，你知道超级详细的结果，这对 agent 不好，如果我雇用一个新的初级工程师并说构建这个 Web 应用程序，它显示了八个警告，那么我必须过去说你可以忽略这八个警告，它们是无害的，但他们不会知道，agent 也有同样的问题。” ## 子代理革命：从单兵作战到团队协作 在 Amp 的技术演进中，子代理功能的引入可能是最具革命性的变化。这不仅仅是一个新功能，而是对 AI agent 工作模式的根本性重新思考。从他们的讨论中，我看到了这个功能是如何从技术实验演变为产品核心的，以及它背后蕴含的深刻技术洞察。 子代理的概念很简单：主 agent 可以创建其他 agent 来处理特定任务。但这个简单的概念背后，蕴含着对 AI 能力边界的深刻理解。传统的 agent 系统受限于单一的上下文窗口，当处理复杂任务时很容易”耗尽”token。Torsten 解释了这个问题：”每个人都面临的一个问题是，你只有有限的上下文窗口，对吧？我们现在有168k输入 token，因为我们有32k输出 token 用于 claude，在某个时候你会达到这个限制，特别是当 agent 偏离轨道并做了一些坏事之后，这并不好，你知道比如当它18次未能编辑文件或当它创建一个新的测试文件并花费一堆 token 等等。”  子代理系统通过任务分解和并行处理，突破了这个限制。更重要的是，它还带来了容错性的提升：”有趣的是，使用这些代理和 claude 4 更愿意调用代理的是，每个子代理都有自己的上下文窗口，对吧？所以如果你说嘿子代理，拿这八篇博客文章并删除 YAML 东西，他们得到他们那个代理得到自己的K token，对吧？如果它未能编辑该文件，当然它可能会填满该上下文窗口，但在该任务完成后，您的主代理仍然只使用了大约20%的 token 或类似的东西，它不是很多。” 我特别感兴趣的是他们对 Claude Sonnet 4 行为变化的观察。之前的模型版本很少主动使用子代理功能，更愿意自己处理所有任务。但 Sonnet 4 显然被训练得更善于委派任务。Torsten 描述了这种变化：”事实证明，Sonnet 4 真的很喜欢将工作委派给子代理，只要它能发现一个明确定义的任务，它就会调用它们。” 这种变化不是偶然的，而是 Anthropic 对 agent 工作模式理解的体现。Quinn 提供了更深层的解释：”这些模型提前很好地训练……当新模型出现时，很多其他公司都说’哦，现在我们的基准测试做到了这个’……但这种未调整的评估，因为我们刚才说的，比如 claude 有使用某些工具的某种方式，Gemini 有使用其他工具的某种方式，为了从每个模型中获得最大收益，你必须为该特定模型诚实地调整你的提示和工具。” 从他们分享的使用案例中，我看到了子代理带来的质的变化。处理博客文章的例子很能说明问题：”我测试了它，我说拿这里的所有博客文章并从 YAML 前言中删除评论真实的东西，因为我不再有评论，它所做的是它做了一个rip，我认为rip grab或glob，所以它知道有36篇博客文章，然后它把它们分成了四组，产生了四个不同的代理，并告诉每个代理你去从博客文章中删除评论的东西，他们就走了。” 这种工作模式的变化，我认为可能会重新定义我们与 AI 工具的交互方式。以前我们需要仔细管理对话的复杂度，避免给 agent 过于复杂的任务。现在我们可以更大胆地提出复杂需求，让 agent 自己决定如何分解和分配任务。  更有趣的是，子代理还支持并行处理。Torsten 提到：”不，不，不，它只是产生四个不同的，因为它可以使用并行工具调用，对吧？这是另一件事，clot 4似乎更急于使用并行工具调用，似乎比37更快。”这种并行处理能力大大提高了任务执行效率。 Geoff Huntley 的评论很好地总结了子代理的意义：”阻止我这样做的事情之一是上下文窗口管理，因为它需要高级技能。但由于子代理，该技能水平现在已商品化并使任何人都可以轻松做到，这意味着现在可能有各种初始类别。” 从技术架构的角度来看，子代理系统也带来了新的挑战。如何管理多个 agent 之间的协调？如何避免子代理之间的冲突？如何确保整体任务的一致性？这些问题的解决方案，可能会成为未来 AI 工具竞争的关键差异化因素。Torsten 正在持续优化这个系统：”现在我正在再次处理任务或子代理，以使其在 UI 中看起来更好，为其提供更多工具，以简化整个事情。” ## 成本与价值的重新定义 在整个播客系列中，成本话题的讨论让我看到了 Amp 团队对价值创造的独特理解。他们的态度很明确：与其为了节省成本而限制功能，不如专注于创造价值。这种价值观的转变，我认为可能会重新定义整个 AI 工具市场的竞争格局。 他们提到的一个数据很有说服力：重度使用 Amp 的用户每月可能产生数百美元的 AI 成本。Torsten 分享了他的体验：”昨天我给某人展示了一个小演示，我认为我们烧了15美元，我不知道，比如10美元，10美元，我认为……我们还没有显示价格，但是……只是你的时间和他们看着它的时间就超过了这个价值。”但如果考虑到软件工程师的薪资水平，这个成本就变得合理了。  更深层的思考是关于定价模式的变化。Quinn 对此有深刻的分析：”我认为这整个每月10美元、20美元的订阅统一费率模式在现在我们有这些工具时看起来有点过时了，我认为我们将在未来看到很多基于使用的定价或其他形式的定价。这样做的主要原因是……有人问为什么claud code感觉如此不同于其他工具……这是因为它没有针对节省成本、节省 token 进行优化。” 这种”不优化成本”的策略背后有深刻的逻辑。Quinn 解释说：”如果你优化请求或者说低请求数量或者说低 token 数量，你最终会得到一个完全不同的产品，如果你说让它尽情发挥，你取消所有限制，你把工具给模型，然后你把它放在一个循环中，这就是所有魔力的来源。”  从他们的经验来看，用户对 AI 工具成本的接受度比预期要高。Torsten 观察到：”我对有多少人，甚至我会说在线不喜欢AI的仇恨者，当人们说’我周末花了50美元在这上面，我只是让它撕裂或什么的。’然后它做了这个，即使是那些说’哦，这是第一次我使用代理，我只是投入了我认为有人投入70美元的代币，它修复了这个旧代码库。’而不是说’哇，70美元，那很多钱。’……他们会说’嗯，与我的工资相比，与初级开发人员的工资相比，这并不疯狂。&#39;” 这种成本观念的变化背后，还有一个重要的商业逻辑。Quinn 提到了一个有趣的类比：”这就像如果你是苹果，你也想拥有19美元的华为手机。”他指出，如果你试图同时满足周末构建表情符号游戏的人和世界上最高效的专业软件开发人员，这会非常困难。 我认为这种成本观念的变化，可能会推动整个软件行业的生产力革命。当成本不再是主要限制因素时，我们就能够更大胆地探索 AI 的可能性。这可能会带来软件开发效率的显著提升，也可能会改变整个行业的人才需求结构。 更有意思的是，他们发现团队使用模式下的成本接受度更高。Quinn 提到了一个客户的问题：”有一个客户今天提出的问题，你知道如果他们有20,000或40,000名工程师或其他什么，他们都会获得可以运行工具的完整代理，还是会有成本角度的一些限制或安全性？”他的回答很明确：”对我来说，这是程序员使用的工具……它是一个让他们更有效率的东西，如果它给他们更多的杠杆，所以我会说是的，比如给每个程序员访问这个工具，比如为什么要阻止它？” 这种企业级思维的转变，可能会成为 AI 工具普及的重要推动力。当企业开始把 AI 工具成本看作是必要的基础设施投入时，整个市场的发展速度可能会大大加快。 ## 用户教育与产品演进的平衡 从 Amp 团队的讨论中，我看到了一个有趣的挑战：如何在保持产品简洁性的同时，教育用户发挥工具的最大潜力。这不是一个简单的产品设计问题，而是关于如何引导用户行为改变的深层思考。这种挑战在 AI 工具领域尤其突出，因为用户往往带着对传统工具的预期来使用 AI 工具。 他们发现，很多用户在初次使用 AI 编程工具时，往往带着错误的期望。有些人期望 AI 能够完美地”读懂”他们的意图，有些人则把 AI 当作传统的代码生成器。Torsten 提到了一个典型的误解：”我认为在工具调用之前或代理之前，代码编辑代理，我有不同的期望，我认为很多人仍然有这些期望，那就是你与模型交谈，你要求它生成一些代码，你知道它来了，你写一行两行提示，它回来300行代码，然后你就像拇指向下它没有做我想要的，然后你调整提示并再次这样做，现在我的心态是，现在为什么我会期望这能很好地工作。” 这种期望的错位会导致糟糕的使用体验。Quinn 分析了原因：”我认为很多人没有意识到如何使用这些东西，或者他们没有使用这些东西，但当我说他们不知道如何使用这些东西时，这很困难，因为感觉像是在指责用户，我明白这很难，这些是细致入微的，但就是有些人，如果它不起作用，他们会尝试别的东西，他们已经进化出了这种直觉，知道如何让它正确，他们实际上认为这很有趣，而其他人则不认为这很有趣。” 为了解决这个问题，Amp 团队采用了一种很巧妙的方法：通过线程分享功能让用户学习最佳实践。用户可以看到其他人如何与 agent 交互，学习如何更有效地表达需求，了解什么样的任务适合交给 agent 处理。Quinn 解释了这个功能的价值：”我认为线程分享还有一个意想不到的价值：它能够帮助团队成员学习如何更好地与 agent 协作。很多人在初次使用 AI agent 时不知道如何有效地表达需求，或者不知道什么样的任务适合交给 agent 处理。通过观察那些善于使用 agent 的同事的操作模式，新手能够快速掌握最佳实践。” 这种”同伴学习”的方式比传统的文档更加有效，因为它展示的是真实的使用场景。Torsten 提到了一些最佳实践的演进：”我想说有不同的元阶段，对吧，人们采取的第一步是他们开始写东西，然后他们看着代理去弄清楚东西，然后他们意识到我没有得到它，所以下一个明显的步骤是我对这个问题了解的一切我将把它放在这个中，你知道我提到的所有文件我将把它放在这个或…那是第一步，然后我会说第二步是人们优化反馈循环。” 我特别欣赏他们对用户反馈的处理方式。他们不是简单地响应所有用户需求，而是有选择地响应那些符合产品哲学的反馈。这种”固执”的态度虽然可能会让一些用户不满，但却能确保产品保持清晰的方向。Quinn 明确表示：”我们真的很想为想要使用 AI 作为强大工具的人构建……我不想构建或我什至不感兴趣的是这个一行提示的工具，就像为我建一个婚礼网站……然后它就去做事情，我不想要那个。” 他们还观察到了不同用户群体的使用模式差异。Torsten 提到了一个有趣的现象：”我昨天想知道这是否……我们一直看到的那个著名曲线，哦，初级工程师喜欢 AI 工具，超级高级……高级工程师喜欢它，但中间的人，他们对此不那么热情。”他的分析是，这可能与不同经验水平的工程师对架构和局部变更的理解程度有关。 从长期来看，这种用户教育策略可能会创造出一个更加成熟的用户群体。这些用户不仅能够更好地使用 Amp，还能够成为 AI 编程工具的布道者，推动整个行业的发展。这种用户群体的形成，可能会成为 Amp 的重要竞争优势。 这种平衡策略也体现在他们的产品迭代方式上。他们不是根据用户反馈被动地调整产品，而是主动地探索技术可能性，然后引导用户适应新的能力。这种”技术引导”的产品开发方式，虽然风险更高，但也更容易创造出真正的创新。Quinn 总结得很好：”所以我们想建造我们用的东西，专注于我们想用的东西，然后从那里扩建它，但真的钉住像核心命题这样的，它对我们来说效果如何。” ## 背景代理：重新定义编程的时空边界 除了子代理，Amp 团队还在探索另一个有趣的方向：背景代理。这个概念的核心是让 agent 能够在你不直接参与的情况下执行任务。用他们经常提到的例子来说，就是”在孩子踢足球比赛时用手机启动一个编程任务，等比赛结束后回来查看结果”。虽然这个例子已经被他们重复了无数次，但背后的技术思考却很深刻。 我觉得这个想法背后反映的是对 agent 能力边界的重新思考。传统的编程工具需要程序员全程参与，从分析问题到编写代码到测试调试，每个环节都需要人类的直接介入。但如果 agent 足够可靠，我们就可以把一些相对独立的任务完全委托给它们处理。Quinn 描述了这种需求的普遍性：”每个开始使用代理编辑的人都会遇到这个问题，我是否要现在观看这个，比如我是否观看它做这些事情，然后每个人都像我有注意力问题现在就像代理正在运行的东西，它是命令标签，我走了，然后叮声来了，我回去了，它是哦，你做了正确的事情吗。” 但是，背景代理的实现面临着一个关键的技术选择：是构建完整的云端开发环境，还是利用现有的 CI/CD 系统作为反馈机制。这个选择背后的技术哲学非常有趣。大多数现有的背景代理产品，比如 OpenAI 的 Codex 和 Google 的 Jules，都选择了第一种方案：构建完整的构建环境。 但 Amp 团队倾向于后者，他们的理由很有说服力。Quinn 对云端开发环境有深刻的批评：”云端 IDE 是如此好的想法，谁不想能够在他们的网络浏览器中生成一些东西，拥有与他们在本地桌面编辑器上相同的构建环境，做出改变，甚至不触及他们的本地状态，它是如此美丽和干净，然而基本上世界上也许有两家公司真正做到了这一点，那就是 Meta 和 Google，他们投入了令人难以置信的投资来制作一个完美工作的云 IDE。” 他进一步解释了云端 IDE 的问题：”对于其他所有人，云 ID 采用是如此不存在，我的意思是，即使你有 VS Code，它字面上使用网络技术并且可以在浏览器中运行，它是相同的体验，它是所有这些小长尾的东西，只是不能很好地工作，没有一个扩展真的在那个场景中工作，没有一个语言服务器工作，你知道你所有的小工具，它们不工作。” 相比之下，利用 CI/CD 系统作为反馈机制虽然功能有限，但更现实可行。大多数公司都已经有了 CI/CD 流程，agent 可以通过提交代码、触发构建、获取测试结果的方式来获得反馈。Quinn 的观点是：”假设是，如果你想要背景代理，那么它们应该使用 CI 进行反馈，以查看测试是否通过，如果linter工作，如果你知道所有这些事情都是正确的，而不是拥有构建环境，现在构建环境并不坏，但这是一种优化，首先构建它以使用 CI，为 CI 足够好的整个问题类别构建它。” 这种方式的延迟虽然比本地反馈循环更高，但对于那些不需要频繁迭代的任务来说完全可以接受。而且，这种方式还有一个隐含的好处：它迫使团队优化 CI/CD 流程，这对人类开发者也是有益的。 Torsten 补充了一个重要观点：”对于我想要的后台代理用例，比如我不想让它去做我知道它需要大量编译器反馈的事情，因为我知道你有点通过这一层删除，你不能真正触摸它，这与云 ID 相同，我宁愿让它做我知道它可以只是单次拍摄的东西……一些疯狂的东西，它不需要构建环境。” 这种技术路线选择背后，体现的是对实用主义的坚持。与其追求技术上的完美，不如选择能够实际落地并带来价值的方案。这种思维方式，我认为是 Amp 团队能够快速迭代和创新的重要原因。 ## 未来的编程工作流：从工具到伙伴 在听完整个播客系列后，我对未来编程工作流的变化有了更清晰的认识。Amp 团队的探索不仅仅是在构建一个工具，更是在探索人与 AI 协作的新模式。这种模式的变化，可能会重新定义程序员这个职业的内涵。从他们分享的使用体验来看，这种转变已经在悄然发生。 从他们的使用体验来看，AI agent 已经不再是简单的代码生成器，而是更像一个有能力的初级程序员。它能够理解复杂的需求，制定执行计划，处理各种异常情况，甚至能够主动提出改进建议。Quinn 描述了自己的体验：”我从让 AI 写我大约40%的代码但我仍然参与其中，到 AI 成为第一个起草者并写我可能85%左右的代码，我还没有处理永远的变化，对这个我从小就有的爱好。” 这种能力的提升，让人与 AI 的协作变得更加自然和高效。我特别注意到他们提到的一个变化：程序员的工作重心从”编写代码”转向”指导 AI 编写代码”。这不仅仅是工作方式的改变，更是思维模式的转变。Torsten 有一个很生动的比喻：”我想到的心理模型是……你知道数字绘画和那个短语一直在被抛出很多，但你知道我知道的数字绘画方式是你有一张空白或没有颜色的图片，有小区域，每个区域都有一个颜色，我对代理的看法是，作为一个知道自己在做什么的人，画那些线是我的工作，然后指示代理填写那个数字，但我需要确定线是什么。” 这个比喻很好地说明了新的协作模式：程序员负责架构设计和边界定义，AI 负责具体的实现细节。这种分工不仅能够提高开发效率，还能让程序员专注于更有创造性的工作。 从技术发展的趋势来看，背景代理功能的探索特别值得关注。虽然目前还在早期阶段，但这种”异步协作”的模式可能会成为未来编程工作流的重要组成部分。有用户已经开始尝试这种工作方式，比如有人”在周末旅行前为代理准备了一份独立任务清单，这样他们回来后就会有所有的差异准备好等待他们”。  Jeff Huntley 等重度用户的实践更是推开了这种协作模式的边界。他们运行多个代理，24/7不间断工作，甚至在睡觉时也有代理在后台处理任务。这种使用模式虽然看起来极端，但可能预示着未来的主流趋势。 我认为，Amp 团队的探索预示着编程工作流的一个重要转变：从”人使用工具”到”人与 AI 协作”。在这种新的协作模式中，程序员更像是项目的架构师和质量把控者，而 AI 负责具体的实现细节。Torsten 对此有深刻的思考：”我认为这种转变对整个软件行业可能是有益的。如果 agent 能够处理大部分重复性的编程工作，程序员就能将更多时间投入到创新性的问题解决和用户体验优化上。” 当然，这种转变也带来了新的挑战。如何确保 AI 生成的代码质量？如何维护复杂系统的一致性？如何处理 AI 的错误和局限性？Quinn 对此很坦诚：”我就是想要一个真的很好的记录器和时光倒流调试器，在所有代码中有100毫秒的完整 CI 时间……所有这些东西，这是一个犯罪情况，只有软件工程而不是基础模型研究站在我们今天所在的地方和那个世界之间。” 从 Amp 团队的经验来看，这些挑战并非不可克服，关键是要有正确的方法和足够的耐心。他们的经验表明，通过良好的工具设计、合理的反馈循环和持续的用户教育，AI 编程工具能够真正提升开发效率和代码质量。更重要的是，他们证明了技术的快速发展不一定需要复杂的产品，有时候简单而专注的设计反而能够释放更大的潜力。 正如 Quinn 在播客末尾所说：”我们正在上线……如果你想找出这一切要去哪里——和我们一起来。”这不仅是对用户的邀请，更是对整个行业的号召：在这个快速变化的时代，最好的预测未来的方式就是参与创造未来。 ## 我的思考：黑马背后的底层逻辑 听完 Amp 团队几个小时的播客对谈后，我有一个很深的感触：真正的产品创新往往不是来自于精巧的商业计划，而是来自于对技术本质的深刻理解和对用户真实需求的敏锐洞察。Amp 的成功不是偶然的，它背后有几个值得所有产品创造者深思的底层逻辑。 第一个逻辑是”技术驱动胜过需求驱动”。在大多数产品开发中，我们被教育要先调研用户需求，然后设计解决方案。但在快速变化的 AI 领域，这种传统方法可能会让你错过最重要的机会窗口。Amp 团队的做法恰恰相反：他们先深度理解技术能力的边界，然后让技术可能性来引导产品方向。这种”技术先行”的方法虽然看起来风险更高，但在技术快速演进的时代可能是更有效的策略。关键在于，你必须有足够的技术敏感度来识别哪些技术突破真正具有变革性意义。 第二个逻辑是”深度胜过广度”。在一个功能竞赛盛行的市场环境中，Amp 选择了做减法而不是加法。他们拒绝模型选择器，限制工具数量，不迎合所有用户需求。这种看似”固执”的产品策略，实际上体现了对价值创造本质的深刻理解：与其试图满足所有人的所有需求，不如为特定用户群体创造极致的价值体验。这让我想起乔布斯的一句话：”创新就是对一千件事情说不。”在 AI 工具这个新兴领域，这种专注和取舍的能力可能比功能的丰富性更重要。 第三个逻辑是”与趋势共舞胜过对抗趋势”。Amp 团队对不同 AI 模型行为特性的深度理解，让他们能够”顺应模型的偏好”而不是强行改变模型行为。这种哲学不仅适用于技术层面，也适用于商业层面。他们观察到用户对 AI 成本接受度的变化，及时调整了定价策略；他们发现子代理的价值，立即投入资源深度开发。这种敏捷适应的能力，我认为是在快速变化环境中保持竞争优势的关键。 第四个逻辑是”实用主义胜过完美主义”。无论是背景代理的技术路线选择，还是反馈循环的设计，Amp 团队都展现出强烈的实用主义倾向。他们不追求技术上的完美，而是选择能够实际落地并带来价值的方案。这种务实的态度让他们能够在有限的资源下快速迭代和创新，避免了很多初创公司常见的”过度工程化”陷阱。 最后一个逻辑，也是我觉得最重要的，是”长期主义胜过短期机会主义”。Amp 团队的很多决策在短期内看起来是”不理性”的：拒绝功能请求会失去用户，不限制成本会降低利润率，固执的产品理念会引起争议。但从长期来看，这些决策为他们构建了独特的竞争优势和用户忠诚度。他们不是在追逐当下的热点，而是在为未来五年、十年的技术趋势做布局。 这些底层逻辑的背后，我看到的是一种新的产品开发范式：在技术快速演进的时代，最成功的产品可能不是那些功能最丰富的，而是那些最深刻理解技术本质、最专注于核心价值创造的。Amp 的故事告诉我们，有时候”做得少但做得深”比”做得多但做得浅”更有价值。这不仅是一个产品策略问题，更是一个关于如何在不确定性中做出正确判断的认知问题。 回到 AI 编程工具这个赛道，我相信我们正在见证一个新时代的开始。传统的软件开发模式正在被重新定义，程序员的工作内容正在发生根本性变化。在这个变革过程中，那些能够深刻理解变化本质、勇于做出艰难取舍的产品，将会成为新时代的引领者。Amp 可能只是这个故事的开始，但它已经为我们展示了一条可能的道路：通过深度的技术理解、专注的产品策略和务实的执行方式，在快速变化的世界中创造持久的价值。‍ 本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，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。

6月23日，淘宝闪购联合饿了么宣布，日订单数已超6000万。   高速增长过程中，淘宝闪购服务稳定，订单准时率96%，保持高质量履约水平。订单结构健康发展，零售订单同比增长179%。淘宝闪购将持续给消费者提供优惠与便利，为品牌和商家创造生意新增长。   

<blockquote><p>文章分析明星、网红和资本涌入卫生巾市场的原因，指出市场规模增长、高毛利率及信任危机带来的新机会，同时探讨了行业乱象与消费者面临的困境。</p> </blockquote>  看到黄青春写的关于卫生巾市场的文章。 第一反应是：为什么现在连卖坚果的、做直播的、当明星的都开始抢着搞卫生巾了？ 黄子韬一场直播卖了几千万，东方甄选两天就把库存卖空，三只松鼠也宣布要做卫生巾品牌。这是在卖产品吗？还是都在蹭热度？ 去小红书搜一下，不少女性用户还在为卫生巾的质量提心吊胆：黑点、异味、标长实短……一边是流量狂欢，另一边却是信任危机。 所以，**一片卫生巾背后，藏着什么样的生意经？怎么突然从日用品，变成了明星、网红、资本扎堆的“流量印钞机”？** ## 1 先看一组数据：2023年我国女性卫生用品市场规模达703.4亿元，同比增长8.2%。 虽然2024年的官方数据尚未公布，但艾媒咨询和共研产业研究院等第三方机构普遍认为，市场规模已突破千亿。 到2025年，各大预测报告一致预计市场将达1500亿元，年复合增长率约为9.5%。 尽管不同机构采样口径略有差异，但多方交叉验证得出一个结论：卫生巾、护垫销售额每年都在增长。这说明它是一个典型的高频刚需消费品。 不信的话，我们来算一笔账： 一个女性从15岁到45岁，大约会经历30年经期时间，每年使用约360片卫生巾（每月30片）；粗略估算，一生要用掉10,800片，再加上产后特殊时期，这个数字可能超过15,000片。 这种使用频率、用户粘性，几乎是所有消费品梦寐以求的特质，所以，从商业角度来说，这是一块非常诱人的蛋糕。 但我觉得，真正吸引明星、资本和新品牌入局的还有一个更重要的因素：高毛利率。 财报数据显示，恒安国际旗下七度空间毛利率高达63.7%，百亚股份自由点也有超过55%的毛利水平。 这意味着一片出厂价0.3元的卫生巾，最终可能以1元的价格卖给消费者，中间有近40%的利润空间；而且，这个行业几乎没有技术壁垒，只要掌握渠道和营销手段，就能快速起量。 这就是，我为什么说，卫生巾对很多跨界玩家来说，简直是一个低门槛、高回报的生意。 不过，光靠刚需和高利润，还不足以解释为什么在今年突然爆发这么多新玩家入场。我认为还有一个核心因素：信任真空的出现。 2025年3·15晚会曝光了卫生巾行业的乱象，如黑心棉、荧光剂、标长实短、虫卵事件等，这些新闻一出，直接打击了消费者对传统品牌的信任、 我查了一下，曝光之后，不少知名品牌在电商平台上的差评率迅速上升；与此同时，越来越多消费者开始关注“透明生产”、“安全认证”等关键词，这也为新兴品牌提供了切入的机会。 黄子韬朵薇、东方甄选自营品牌、赵子涵“绵绵的羊”，几乎是踩着“良心企业家”、“女性为女性创造”的口号，精准地击中了用户对“安全感”的需求。 比如： 朵薇打出“每一片都可追溯”的概念，通过直播工厂生产过程、强调使用新疆棉和德国莱芬生产线，试图重建消费者的信任；而东方甄选则主打“1元以下会员价”，强调没有请明星代言、也没有层层分销，把成本压到最低。 这些策略，不仅回应了消费者对传统品牌的不信任，也在短时间内成功塑造了“新国货”的形象。 除了产品层面的重新包装外，另一个关键因素是：流量即入场券。 明星IP本身就是信任背书。黄子韬的朵薇品牌在抖音首场直播仅用30分钟就售罄50万单，GMV破4000万元；这背后是“明星IP + 粉丝经济”的双重驱动。 同样，东方甄选和赵子涵的品牌策略也非常奏效。董宇辉用那种“文艺叙事”讲产品故事，配合低价策略迅速打开市场；赵子涵作为一个百万粉丝博主，结合AI设计打造“女性为女性”的概念，也让他很快占领了目标人群的心智。 所以，这场围绕卫生巾的战争，不只产品之争，更是流量之争、信任之争、话语权之争。 他们正在重塑行业格局，从过去由传统品牌垄断，到现在流量玩家搅局；从过去价格战，到现在情感战、信任战。在我看来，卫生巾已经成为一场关于女性健康、商业伦理与社会认知的博弈。 ## 2 既然赛道已经卷成常态，谁在为卫生巾的乱象买单？ 答案只有一个：**消费者。** 我去小红书搜了一下，发现大量女性分享使用过程中遇到的问题：明明标注240mm，实际只有220mm；用完之后皮肤过敏发痒；包装上写着“纯棉”，但摸起来像化纤布料……这些不是个别案例，而是普遍存在的情况。 更让人不安的是，这些问题中有很多并不违法。 比如标长实短。 根据《GB/T 8939-2018 卫生巾（含卫生护垫）》国家标准，全长偏差允许±4%。这意味着即使产品比标注短了10mm，只要误差控制在这个范围内，就是“合法”的。 这背后反映一个问题：标准滞后于消费者的期待。 再来看看新标准的制定情况。2024年6月28日，国家下达新的国标计划号 20241954-T-607《卫生巾（护垫）》，将于2025年7月1日正式实施。 但新标准，也没有明确产品的实际长度或偏差范围，只是细化了对内吸收层长度、材质安全等方面的要求；也就是说，长度标准依然依赖旧有的推荐性标准 GB/T 8939。 在这种“合法却不合理”的灰色地带里，最终承担代价的只能是用户；原本一个简单的生活需求，变成了一场信息战和信任博弈。 写到这里，我不禁要问：监管部门去哪儿了？ 这是我在查资料时，反复思考的问题。从公开信息来看，我国对卫生巾的监管主要依赖《GB/T 8939》这一国家标准，以及市场监管总局每年组织的抽检行动。 但问题是：监管节奏永远赶不上市场变化，标准更新也跟不上消费者的投诉需求。 举个例子：pH值这个指标。 它衡量液体的酸碱度，范围是0到14：pH=7 是中性；小于7是酸性，大于7是碱性。 人体不同部位对酸碱环境的适应程度不一样，脸部皮肤大约在5.5左右；阴道内部正常值约为3.8～4.5，呈弱酸性；外阴区域则大约在5～6之间。 目前卫生巾的pH值标准依据的是《GB 15979-2002》，规定范围为4.0～9.0；你没看错，给女性贴身使用的卫生巾设置的标准，可能还比不上一件婴儿内衣来得严格。 再加上监管执行周期长，很多品牌出了问题后只是下架整改，甚至换个名字重新上线。这就导致了一个严重后果：现行监管体系根本拦不住那些“底线竞争”的行为。 企业知道即便违规，处罚力度也很轻；消费者又难以追溯，于是，就形成了“劣币驱逐良币”的恶性循环。 你可能会问：那不少头部品牌都已经做到行业前列了，为什么也要参与这种乱象？我觉得，关键在于：它们也在被“内卷”裹挟，逐渐放弃对品质的坚守。 价格战、营销战，几乎每个行业都在打。为了维持毛利率，一些品牌开始压缩原材料成本，减少质检流程，甚至把部分产线交给代工厂生产。 现在短视频平台的产品推荐机制，高度依赖数据表现：点击率、转化率、复购率、停留时长……这些指标直接决定一个品牌能否获得流量扶持。 这就带来一个问题： 平台算法本质上在奖励“卖得多”的品牌，而不是“做得好”的品牌；当品牌出现舆情，很多企业的第一反应是选择公关应对。 所以，你会发现，这场由流量推动的行业洗牌，并没有快速带来品质升级，反而让一些老品牌在压力之下，被动放弃了原有的质量标准。 看到这，你觉得到底是谁在为乱象买单？我的答案：没有人是赢家，但消费者是最大代价承担者。 ## 3 按理说，当一个行业进入“内卷”阶段，最先打起来的应该是价格战：谁便宜，谁就能抢到用户；但你去电商平台搜一下“卫生巾”，会发现一个很反直觉的现象：不是更便宜了，而是更贵了。 以前几毛钱一片的产品还能买到，现在动不动1元起步，有些主打“高端”“天然”的品牌甚至卖到了1.5元～2元/片。 这怎么回事？原材料涨了？人工贵了？还是品牌在玩套路？我觉得真正原因，是一场由流量、定位、心理预期共同推动的“溢价游戏”正在上演。 看来一组成本结构数据（以普通日用型卫生巾为例）：  从这个结构可以看出，核心成本并没有显著上涨。纸浆价格虽然略有波动，但在整个成本中占比并不高；而代工体系已经非常成熟，生产环节也没有出现大规模涨价。 换句话说：成本没涨多少，但价格涨得飞快，那多出来的钱去哪儿了？我觉得有三点： **一，流量成本，转嫁给了消费者。** 过去靠线下渠道铺货的品牌，现在必须上短视频平台买流量，而且这流量还很贵；一场头部主播的带货费用。动辄百万起，这些投入最终都会摊入产品价格中。 黄子韬的朵薇， 看似一场卖那么多，实际背后是大量资源倾斜和流量投放；为了维持热度，后续还要持续做内容、投广告、搞裂变活动……这些成本，最后都跑到了用户身上。 其二，情感营销打造“高级感”。 很多新兴品牌开始走“轻奢路线”：为女性设计、采用德国莱芬生产线、通过欧盟SGS认证；这些听起来很专业的术语，大多是营销话术。 它们的作用只有一个：让消费者觉得“值这个价”，这就是典型的“情感溢价”——不是因为更好用了，而是因为更有感觉了。 那还有一点：她经济。现在女性消费力被不断放大，一些品牌主动放弃“低价市场”，转向“精致生活”人群。他们不再强调“性价比”，而主打“品质感”“仪式感”“生活方式”。 最后，原本一块钱能解决的事，现在要花两块，还得配上一句：“这不是消费，是对自己负责。” 所以，谁在买单？两种人： 一种是被说服的，愿意为品牌故事、情感价值买单，认为贵一点没关系，至少安心；一种是被逼无奈的，不想买贵的，但发现便宜的产品越来越少，甚至根本不敢买。 我在小红书看到有人吐槽：想找一款不贵又靠谱的卫生巾，结果刷了半天全是高端款，连基础款都被包装成了轻奢风。 这就像一场“被动消费升级”，便宜选项正被市场淘汰。 ## 3 当消费者意识到所谓的“高级感”只是包装出来的幻觉时，这种高价模式还能持续吗？会不会迎来一次集体反弹？ 我觉得，时间的问题，大概率会。 很多消费者在使用之后发现：有机棉，跟普通棉没什么两样；“AI贴合人体曲线”听起来很科技，实际用起来也没什么差别。 一旦这种认知在社交平台上扩散开来，会形成一种强烈的反差：花了不少钱，买到的是心理安慰；这样的落差，正是泡沫破裂的导火索，它会在社交媒体上发芽，慢慢演变成一场关于“值不值”的集体反思。 还有一点很重要：女性消费并不等于盲目消费，很多女性愿意为品质买单，这绝不意味着愿意接受虚高的价格。 当越来越多的人，意识到自己只是被“精致生活”的叙事裹挟着掏钱，而不是真正获得了更好的体验时，市场就可能出现“审美疲劳”，甚至“逆反心理”。 我也注意到了一些苗头。 前几天，朵薇经历了“黑点争议”后，用户评论中开始出现质疑的声音：“你说你是良心企业家，那为什么产品还是有问题？” 这些事件虽然分散，但它们都在削弱消费者对“高价等高品质”的信任；一旦这种信任动摇了，品牌靠情感营销建立起来的价格壁垒，就会迅速瓦解。 这让我想到几年前的保健品、面膜、燕窝热潮，一开始故事讲得好，销量冲得快；后来真相浮出水面，泡沫也就破了。 未来有没有可能出现一次价格回调呢？肯定的，市场不可能长期维持一种脱离实际的产品结构。 当越来越多消费者开始觉醒，当监管标准逐步完善，当行业进入更理性的竞争阶段，低价+可靠的基础款产品，反而可能重新赢得市场。 你看东方甄选主打“1元以下会员价”，赵子涵强调“没有请明星代言”，本质上就是在回应这种趋势。 所以，未来赢家，是能把产品做好、把价格做实、把信任做稳的品牌；狂欢总会过去，理性终将回归。谁都不傻，作为女性，你会昂贵的卫生巾买单吗？ 文：王智远 本文由人人都是产品经理作者【王智远】，微信公众号：【王智远】，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>汽车经销商长期受电话漏接、客服高流失率等问题困扰，客户体验和业务发展受限。Toma公司深入行业一线，针对经销商痛点，凭借独特AI语音技术，为每家经销商定制专属AI代理，实现高效电话处理和优质客户服务。其AI系统能深度整合经销商多系统数据，通过不断学习提升服务能力。</p> </blockquote>  你能想象一个汽车经销商每天漏接45%电话的场景吗？这意味着几乎一半想要预约保养、询问配件或购车咨询的客户都被直接晾在了一边。在一个平均利润只有个位数百分比的行业里，这种损失简直是灾难性的。更让人头疼的是，经销商的电话客服部门（BDC）员工流失率接近50%，几乎是全国平均水平的两倍。当我深入了解这个问题时，我发现了一个正在彻底改变汽车零售业的创业公司：Toma。他们刚刚获得了由安德森·霍洛维茨基金（a16z）领投的1700万美元A轮融资，而他们的解决方案正在让全美超过100家经销商重新思考客户服务的本质。 这个故事的开始很有意思。创始人Monik Pamecha和Anthony Krivonos原本并不打算进入汽车行业，他们在2024年初创立公司时，专注的是银行和医疗领域的AI语音产品。但一通来自俄克拉荷马州经销商的电话改变了一切：”我们快被电话淹没了，你们得过来看看。”就这样，两个硅谷工程师踏上了前往美国中部汽车经销商的旅程，而这趟旅程不仅让他们找到了真正的商业机会，也让我看到了AI如何在最传统的行业中创造最实际的价值。 ## 深入一线：硅谷工程师的汽车经销商修炼之路 我觉得最打动我的，是Toma创始团队展现出的那种罕见的创业精神：他们没有坐在硅谷的办公室里闭门造车，而是真正走进了客户的世界。当那位俄克拉荷马经销商看到这两个明显带着硅谷工程师标签的年轻人时，他直接说：”你们看起来就像典型的硅谷工程师，根本不懂这里发生的事情。我给你们安排个计划。”接下来的几周里，Monik和Anthony被”扔”进了这个包含七家门店的经销商集团，被要求与每一个人交谈，从停车场管理员到老板，总共采访了400个人。 更让我佩服的是，他们不仅仅是采访，还真正在BDC部门接电话，亲身体验客户服务的各种挑战。Monik后来回忆说，这种工作”很快就会让人产生厌倦感”，因为重复性的任务太多了。但正是这种深入一线的体验让他们真正理解了问题的本质：每个员工早上都想为客户提供出色的服务，但随着一天的进行，重复性工作的负担和客户不断增长的期望让员工感到疲惫和沮丧。这不是员工态度问题，而是系统性问题。 在实地调研过程中，他们发现了一个让我震惊的数据：全美汽车经销商平均漏接45%的来电。这个数字背后的含义是巨大的。想象一下，如果你经营一家餐厅，却有接近一半的客人因为订不到位置而选择别的餐厅，这会对生意造成多大冲击？而在汽车行业，这种情况每天都在发生。经销商花费数十万美元用于营销和运营来提供五星级客户体验，但却在最基础的电话沟通环节败下阵来。  他们的解决方案很巧妙：从最简单的开始。Anthony直接在BDC办公室里编程，他们先让AI处理通话的前10-15秒，看看能走多远。如果情况不对，就立即转接给人工客服。通过这种渐进式的方法，他们逐步扩展AI能处理的对话范围，直到能够完成完整的客户交互。这种方法让我想起了很多成功的技术产品：不是一开始就试图解决所有问题，而是专注于一个核心痛点，把它做到极致。 我特别欣赏的是他们在俄克拉荷马和密西西比的那段经历。Seema Amble，领投这轮融资的a16z合伙人，用了一个很有趣的描述：”他们实际上住在这些经销商那里，参加经销商家庭烧烤聚会，真正理解他们的运营方式。”这让我想起了那些最成功的垂直AI公司创始人的共同特点：他们都与客户生活在一起，深入了解行业的真实运作方式。Monik甚至说，他的妻子在他回家时对他衣服上的机油污渍感到惊讶，这说明他们真的在车间里弄脏了自己的手。 更重要的是，这种实地体验让他们发现了一个关键洞察：汽车经销商从外面看只是一个建筑物，但内部实际上有25个不同的部门，就像25个小公司在同一个屋檐下运营。每个部门都有自己的业务操作细节和特殊需求，从财务到配件再到服务，复杂程度远超他们的预期。而且这些经销商销售的是除了房子之外普通人可能购买的最昂贵物品，但客户体验却长期被忽视。这种发现让他们意识到，这不仅仅是一个技术问题，而是一个需要深度行业理解才能解决的系统性挑战。 ## AI语音助手的技术突破：不只是听起来像人类 当我深入了解Toma的技术实现时，我发现他们的创新远不止于让AI”听起来像人类”。他们真正的突破在于让AI”工作起来像最好的员工”。传统的电话系统让我们习惯了那种令人沮丧的体验：”按1键转销售部，按2键转服务部…”但Toma的AI可以直接理解客户的自然语言需求，并且能够访问经销商的所有相关系统数据来提供准确服务。  我觉得最令人印象深刻的是他们的”个性化”能力。不像那种一刀切的解决方案，Toma为每个经销商创建了独特的AI代理，就像指纹一样独特。这种定制化不仅仅是改变语音的口音或语速这些表面功能，而是深度的业务逻辑定制。比如：这家经销商是否提供终身免费换油服务？对于回头客有什么特殊政策？在什么情况下会提供代步车？谈到诊断费用时是否每次都要提及价格？这些看似细微的差别，却是决定客户体验好坏的关键因素。 他们使用的强化学习技术让我觉得特别巧妙。简单来说，AI会尝试自己解决问题，当遇到边界或不确定的情况时，它会寻求人类的帮助。关键是，AI会继续监听人类客服的处理过程，从中学习。所以当下次遇到相同问题时，AI就知道该如何回应了。这就像一个永远在学习的实习生，只是它的学习速度比人类快得多，而且永远不会忘记。 更重要的是，Toma的AI可以同时访问经销商的多个系统：DMS（经销商管理系统）、调度系统、CRM等，并且能在同一时间阅读所有相关信息。当客户打电话时，AI已经知道他们的购车历史、最近的维修记录、过去10次的通话内容等等。这种信息整合能力是人类客服无法比拟的，因为人类一次只能看一个屏幕，而AI没有这种限制。  从客户接受度来看，我发现了一个有趣的变化趋势。Monik告诉我，刚开始时大约五分之一的客户一听到是AI就立即拒绝交流，现在这个比例已经降到了4%。这种变化反映了更广泛的文化转变：人们在医院、CVS药店、酒店等场所都开始习惯与AI交互，这为汽车经销商采用AI语音助手创造了更好的环境。正如Monik所说，这就像当年从人工接线员到电话语音菜单的转变一样，是一个自然的进化过程。 ## 实际效果：Martin Management Group的成功案例 理论说得再好，最终还是要看实际效果。Martin Management Group是一个在全国运营16家经销商的集团，被《汽车新闻》评为前150强经销商集团。他们面临的挑战很典型：来电量不断增加，但不能为了应对高峰期而无限制地增加BDC人员，因为招聘、培训和薪资成本都在上升，而且还要确保服务质量的一致性。  在部署Toma的AI代理后，Martin Management Group在前90天就取得了让人眼前一亮的成绩：安排了超过9000个服务预约（产生超过200万美元收入），自动化处理了22000多个电话，BDC工作量减少了40%以上。更重要的是，这种改善并没有牺牲客户体验，反而让人工客服能够专注于更复杂的客户需求和关系建设上。 我特别喜欢他们设计的”找回”安全网机制。当AI将电话转接给人工客服，但人工客服没有及时接听时，Toma会自动重新接管电话，为客户留言，并在任务跟踪软件中创建详细的跟进工单。这种设计避免了客户被遗忘在转接过程中的情况，确保每个客户都能得到及时回应。这种细节考虑体现了真正理解业务需求的产品设计思维。 Martin Management Group的总裁Chadwick Martin对结果的评价很有说服力：”我们一直在寻找在不增加人员或影响客户体验的情况下提高BDC效率的方法，Toma做到了。它承担了重复性工作，处理了我们集团的数万个电话，让我们的团队有时间专注于更高价值的互动。这是一个游戏规则改变者。”这种来自一线管理者的反馈比任何技术指标都更有说服力。 从运营角度看，我觉得最有价值的是时间的重新分配。当AI承担了50%的来电量后，Martin Management Group的团队开始将节省下来的时间用于主动外呼，包括联系流失的潜在客户、进行召回活动等直接产生收入的活动。这种从被动响应到主动出击的转变，才是AI真正的价值所在：不是简单地替代人工，而是让人工有时间做更有价值的工作。 让我印象最深刻的是一个具体案例：有一个经销商集团拥有40人的集中式BDC团队，在使用Toma后，AI承担了约50%的来电量。他们用节省下来的时间做了什么？进行了比以往历史上多6倍的主动外呼。这意味着他们可以联系那些已经沉寂的潜在客户、进行召回活动、跟进各种机会，这些都是直接产生收入的活动。我觉得这个6倍的数字特别有说服力，因为它展现的不是效率的小幅提升，而是运营模式的根本性转变。  更让我思考的是AI的”解决率”指标。Toma能够达到75%的完全解决率，这意味着四分之三的客户交互完全不需要人工介入就能得到满意的解决方案。这个数字反映的不仅仅是技术能力，更是对业务理解的深度。AI知道如何查看客户的购车历史、最近的维修记录、过去的通话内容，甚至能够推荐相关的召回维修。正如Monik所说，这个AI”读过所有可能车型的手册，掌握所有定价信息，能做数学计算，甚至有物理学博士学位”，但关键是它将这些能力与客户的具体情况结合起来，创造出以前从未可能的个性化体验。 ## 融资背后：为什么a16z押注汽车经销商AI 当我看到a16z领投Toma的1700万美元A轮融资时，我的第一反应是：为什么一家顶级硅谷VC会对看似传统的汽车经销商行业如此感兴趣？深入了解后，我发现这背后有着非常清晰的逻辑。 美国汽车产业的规模是惊人的：全国约有18000家特许新车经销商，2024年总销售额超过1.2万亿美元，完成了超过2.7亿个维修订单，仅服务和配件收入就超过1560亿美元。这不是一个小众市场，而是美国经济的重要支柱。更关键的是，这个行业的数字化程度相对较低，为AI技术的应用留下了巨大空间。 a16z的合伙人Seema Amble在解释投资逻辑时说：”我们投资了很多下一代垂直AI公司，最优秀的创始人都与这些客户生活在一起，真正理解他们的运营情况。”这句话点出了垂直AI投资的核心：不是技术有多先进，而是对特定行业的深度理解和解决实际问题的能力。Toma的创始人在俄克拉荷马和密西西比的实地调研，正是这种深度理解的体现。 我认为a16z看中的另一个关键因素是市场时机的成熟。AI语音技术已经达到了可以实际部署的水平，客户对AI交互的接受度也在快速提升，同时经销商面临的成本压力和人员流失问题为AI解决方案创造了强烈的需求。这种技术成熟度、市场需求和客户准备度的完美结合，正是成功投资的关键要素。  从商业模式角度看，Toma采用的订阅模式也很有吸引力。随着AI代理能处理经销商运营的更多部分，经销商需要为这些额外能力付费。这种基于价值的定价模式既保证了持续收入，也与客户的实际收益挂钩，是一种可持续的商业模式。Monik提到他们有一个包含300多项功能需求的电子表格，这些都是经销商主动提出的，说明市场需求远未饱和。 更让我看好的是团队的执行力。他们直到最近几周才雇佣了第一个真正的销售员工，之前的增长完全靠产品口碑传播和创始人的亲自推广。这种靠产品力驱动的增长方式，在企业服务领域是非常难得的，说明他们确实解决了客户的真实痛点。 ## 行业变革的深层思考：从工具到伙伴 我觉得Toma的成功案例让我们看到了AI在传统行业应用的一个重要趋势：从提供工具到成为伙伴。传统的软件是工具，用户需要学习如何使用；而AI代理更像是伙伴，它理解用户的需求并主动帮助实现目标。这种转变对于像汽车经销商这样人员流动频繁、培训成本高昂的行业来说，意义特别重大。 在与经销商的交流中，我发现他们面临的真正挑战不是技术问题，而是如何在竞争激烈、利润微薄的环境中提供一致的高质量客户体验。汽车经销商的利润主要来自服务而非销售，客户保留率是他们的圣杯。每一个漏接的电话都意味着收入损失和客户流失，这对那些净利润只有个位数百分比的经销商来说是难以承受的。 Toma的AI代理解决的不仅仅是接电话的问题，更是整个客户体验的一致性问题。当AI可以记住客户的所有历史信息，了解他们的偏好，并能在任何时候提供个性化服务时，客户体验的提升是质的飞跃。正如Monik在播客中描述的未来愿景：”客户会被这种体验所惊喜，无论是店内还是店外体验都会戏剧性地改善。销售人员会提前加载所有背景信息，知道你喜欢什么不喜欢什么，就像朋友在向你销售汽车，而不是陌生人。” 我特别认同的一点是，好的AI应该让客户感到惊喜而不是沮丧，让员工节省时间而不是增加工作量。这正是区分优秀AI产品和一般AI产品的关键标准。Toma在这方面做得很好，他们甚至有一个内部指标来衡量客户的”惊喜程度”，通过分析语调和用词来判断客户是否对AI的表现感到惊讶。  从更广的角度看，我认为Toma代表了AI在垂直行业应用的正确方向：深入理解特定行业的需求，提供定制化的解决方案，并且能够与现有系统无缝集成。这种方法虽然看似限制了市场规模，但实际上能够创造更大的价值，因为它解决的是真实而迫切的业务需求。 ## 我对AI语音助手未来的预判 基于Toma在汽车经销商领域的成功，我对AI语音助手的未来发展有几个大胆的预判。我认为我们正处在一个转折点：AI不再是一个可有可无的辅助工具，而是将成为企业运营的核心组成部分。 在客户服务领域，我预测传统的”按键转接”电话系统将在未来2-3年内基本消失，取而代之的是能够理解自然语言并直接解决问题的AI代理。这种转变不仅会提高效率，更会改变客户对服务质量的期望。当人们习惯了与AI进行流畅自然的对话后，再回到机械的按键选择就会感到非常不便。 我特别看好AI代理在知识密集型行业的应用潜力。汽车经销商只是开始，医疗、法律、金融等需要处理大量专业信息和复杂流程的行业都面临类似挑战。AI的优势在于它可以同时掌握所有相关信息，不会因为疲劳或情绪而影响服务质量，而且能够24小时不间断工作。 但我也看到一些需要注意的挑战。隐私和数据安全将成为越来越重要的问题，特别是当AI需要访问客户的详细历史信息时。企业需要在提供个性化服务和保护客户隐私之间找到平衡。另外，AI的决策透明度也是一个需要解决的问题，客户有权知道AI是如何做出建议或决定的。 从人力资源角度看，我认为AI代理不会简单地取代人工，而是会重新定义工作角色。像Martin Management Group的案例显示，AI承担重复性工作后，人工可以专注于更高价值的客户关系建设和复杂问题解决。这要求企业重新思考人员培训和职业发展路径，确保员工能够与AI协作并发挥各自优势。 最重要的是，我相信成功的AI语音助手必须具备三个核心特质：技术上足够先进以提供流畅的交互体验，业务上深度理解特定行业需求，运营上能够与现有系统无缝集成。Toma在这三个方面都表现出色，这也是为什么他们能够在竞争激烈的AI市场中脱颖而出。 展望未来，我认为像Toma这样的垂直AI公司将会越来越多，每个行业都会出现专门的AI解决方案提供商。这种专业化趋势将推动AI技术在各个垂直领域的深度应用，最终改变我们工作和生活的方方面面。汽车经销商的智能化只是开始，更大的变革还在后面。‍ 本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，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。

 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) 轻语游戏将参展2025年北京核聚变，为玩家带来《废都物语重制版》《星幕协约A.A.A》《骰子骑士录》《断面寄生》等特色鲜明的海内外独立游戏。 轻语游戏展台位于B02，及独立游戏区D47、D48，欢迎大家前来体验！ 《废都物语重制版》用更符合当代审美的游戏语言为您重塑昔日经典；《星幕协约A.A.A》在几十光年外的星光中讲述着美少女们宿命般的相遇；在潮酷的画风和音乐中，您可以用“骰子”撰写独属于您的《骰子骑士录》；在带着数学美感的《断面寄生》里，您会感受到战旗游戏的另一种可能性…… ## 《废都物语重制版》  《废都物语》与轻语游戏发行的《神之天平》《第七境》来自同个日本免费游戏网站，历史排名高达第四，在十余年前被爱好者汉化后，在国内也拥有一众核心粉丝。《废都物语重制版》由广州天闻角川重新制作，原作者枯草章吉担任监修。 除去画面高清、系统优化外，重制版新增大量游戏内容，无论新老玩家，都将在庞大厚重世界观下，与背景各异的伙伴们用不同视角探索跨越千年的历史迷雾，展开一场史诗般的奇妙冒险。 ## 《星幕协约A.A.A》  国内单人作者独立制作的《星幕协约A.A.A》是一款文字类美少女冒险游戏，画面采用具有标志性美学元素的 PC-98 风格，为您带来“怀旧养眼”的视觉表现。 赛博朋克世界，星盟贸易巨鳄，失联的偏远星球，战斗特化型代理人……《星幕协约A.A.A》将玩家置身于危机四伏的陌生世界，结识形形色色的有趣角色，面临解法各异的场景组合，您的选择会导致连锁反应，最终迈向不同结局。 游戏配备大量随机事件，为多周目探索提供不同叙事体验。 正因为是美少女游戏，所以现场当然还有美少女Cosplay啦！ ## 《骰子骑士录》  《骰子骑士录》是来自瑞典的回合制策略RPG，采用欧式动漫美术风格，与游戏背景和人物完美契合，配以葡萄牙经典的“法朵”风格音乐，打造出欧式魔幻的“潮酷”体验。 奇幻都市中，“异色”怪物再次暗潮涌动，您扮演清除怪物的专家“裁决使”，并接手一个正陷入低谷的古老家族。除去战斗外，您还要游走于其它家族势力和各色人等，通过联姻等手段打造谱系，培养部下，重振家族昔日威名。 本作的探索和战斗都建立在“掷骰“的结果上，为传统战棋增添了崭新乐趣及战术多样性。  世界可以“翻转”会怎样？ 如果您也有这样的幻想，《断面寄生》是您不能错过的作品。 “翻转”是这款回合制策略游戏的世界观，同样也是核心玩法。玩家将扮演面临末世的领袖，应对来自另一个“位面”的入侵，在世界“两面”中同时行动。 “翻转”为策略游戏提供了一种全新可能性，玩家需要以“翻转战场”为前提进行思考，游戏同时还提供了“围攻”等特殊战术。 不过……似乎可以“翻转”的，不光是世界？ # 《谁是中之人》  《谁是中之人》是来自莉莉恩工作室的推理视觉小说。 “中之人”指代虚拟主播行业中，虚拟形象背后的真人扮演者。虚拟主播公司的老板突然死于非命，成为嫌疑人的六位工作人员却都声称自己才是“中之人”，以此提供不在场证明。 谁才是真正的杀人凶手？谁又才是真正的“中之人”？ 本作取材巧妙，犯人与中之人两种身份相互叠加，形成案中迷案的双重推理。虽然是“杀人案件”，但游戏氛围轻松，时常闪现令人捧腹的诙谐对白，无论您是否接触过虚拟直播，都可以获得一场悬念迭起与欢乐不断的推理体验。 # 《残音系少年少女》  在奇怪的下水道苏醒，身边是陷入昏迷的陌生人，你们发现记忆出现了缺失，这时下水道中水平线开始上升……逃离的线索到底在哪里？ 作为一款解谜游戏，《残音系少年少女》在谜题数量上毫不吝啬，提供超过 40 余种丰富谜题，且与游戏内容环环相扣，哪怕是“点击”搜集线索环节，一样布满各类巧思，整个游戏过程绝无冷场。 本作用 6 段精妙的日系心灵创伤故事，提供悬疑日剧般的叙事体验——我们也许都有一些不愿回首的过去，但是……真的能忘记吗？ # 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) 

 《火山的女儿》制作组新作《明月的女儿》正式公布，《明月的女儿》是一款以武侠与神话为主题的美少女养成游戏，在侠义盛行的明月国中，你作为一名大侠，亲自将年幼的女儿抚养长大。 &lt;内嵌内容，请前往机核查看&gt;  游戏包含50种以上职业结局，20种以上情感结局，一切取决于你的培养—— - 她会勤练武功，成为一代豪侠？还是堕入魔道，为害江湖？ - 亦或退隐江湖，常与琴棋书画为伴？ - 又或考取功名，步入仕途，甚至——登上皇位？！ - 更多结局分歧——即便是同样的结局，根据主线发展、江湖关系的不同，也可能有完全相异的剧情走向。 - 多周目要素——本作包含丰富的多周目隐藏内容，涵盖武学、角色、剧情、结局……随着周目数增加，更多真相将完全揭露。这一世未了的因缘与悬案，或在下世轮回中得到解答…… # 故事背景： 朔月年间，赤月骤然当空，染红大地，百姓皆人心惶惶。同一时间，绝人谷深处频现异动，惹妖兽横行，人间生灵涂炭。 为平息乱象，江湖各大门派联手，成立三剑联盟，一时天下才俊齐聚，誓要解开绝人谷的谜团。却不知，这里面藏着一个巨大的古老阴谋…… 在波诡云谲的江湖中，你们所探寻的真相，可能决定明月国的未来…… # 邂逅江湖知己： 本作将迎来60位以上能结识的江湖角色，每人皆有各自所属阵营与故事线。 其中12名为“生肖后裔”，女儿可与他们经历刻骨铭心的爱恨情仇，并最终喜结连理——  本作的文本字数与事件量是前作的2~3倍，更多丰富的剧情与故事线在等你—— - 深入的角色互动——NPC将更多参与女儿的生活，从课堂、比武、门派活动与节日庆典，到一起吃饭、喝茶、看戏、泡澡，共同留下珍贵的回忆。 - 丰富的关系网——NPC们可因共同探险变为好友，又或因女儿陷入多人情场纠葛中…… - 动态江湖——武林中人都会记住你们的恩仇，门派兴衰因你们而变！女儿的每次行侠仗义都可能在未来获得报偿；结下仇恨亦或将遭人追杀…… ##  游戏有30个以上场景可供探索；相比前作，我们为每种玩法提供了更深更广的路径—— - 你可以让女儿潜心练功，研究各派武学，炼制秘药，拜师收徒，壮大门派； - 想赚钱？摆摊、鉴定古董，或买下客栈、医馆等，经营自己的江湖生意； - 又或是上山打猎、钓鱼、游船、泡澡，去戏院、喜乐台、鬼巷找找乐子； - 还可以整日在农田里忙活，种地、养殖、烹饪、制造，尽享世外桃源……  # 修炼与战斗 - 门派修行——女儿可拜入三大剑派之一，每派皆有绝世传承。不同的门派选择将影响她的培养方向、武学风格、江湖人脉，甚至主线剧情走向…… - 百家武学——不论名门正派，还是邪道秘传，女儿既可拜师学艺、正统修行，亦可夜半偷师、以彼之道还施彼身！  - 比武对决——女儿能随时与路人展开江湖比试，若在擂台上取胜，还能名利双收！ - 地宫探险——延续了前作的回合制战斗，但策略更为丰富，武学招式与效果更多样化，还可能与队友触发连携武技！ - 斩妖除魔——深谷中常有妖魔横行，女儿要用特殊方法驱赶它们，或是收服妖宠、化为己用！ ## 多彩的家庭生活 - 家长生活——你可以在休息日锻炼或打工，为女儿做菜、教导她练武、计划出游……本作将更注重表现温馨的家庭氛围，根据父亲或母亲视角的不同，还将解锁不一样的内容。 - 出游奇遇——你和女儿每年会一起进行家庭出游，游历名山大川，踏足奇境秘境，遭遇奇人异事，解锁隐藏事件。你在女儿面前进行的每种选择，都可能对女儿的性格产生影响。  当然，不论你表现如何，你都是女儿心中最重要的那个人。 请在《明月的女儿》中，尽情体会养女儿的乐趣吧！

时至今日，提起新消费，首先被想起的仍是上一轮热潮里的一个个融资神话叙事。“精品咖啡浪潮”是其中一个主题。那一时期，几家兼具品质和美学特质的精品咖啡品牌突出重围，「代数学家咖啡」是其中攀登自如的一员。 这个成立于2015年的品牌，凭借独具特色的高品质咖啡产品和拙朴简约的空间美感，在2019至2022的四年间相继完成四轮融资——2019年的天使轮来自物源资本，2020年元生资本投资A轮，2021年又连续获得腾讯的战略投资和元禾控股的新一轮投资。  「代数学家algebraist coffee」的门店 顶峰的旖旎风光或多或少让人目眩。“那一刻所有人忽视了成本，把瞬间的辉煌当成了永续的商业模式。”代数学家创始人戴熠说道。后来，消费环境改变了很多，历经跌宕的阶段也让他“看透”一些事情：“别人开快店时不再羡慕了，保证自己的公司活下去、每个月账面为正，是更本质的事。” 走到今天，当规模突进、价格竞争成为行业主题，当聚光灯长久地打在瑞幸、库迪身上，“焦点以外”的品牌经历了什么、正在做什么？ **36氪获悉，代数学家咖啡在2025年初完成数千万元新一轮融资，由苏高新金控独家投资，目前为止的累计融资金额超过2亿元。值得一提的是，2024年第三季度起，代数学家已实现单月财务利润及现金流为正，且业绩逐月增长。因此，本轮融资的用途侧重于产品及品牌侧，“是锦上添花而非救命钱。”**  「代数学家algebraist coffee」的产品 回顾过去几年，及时调整、稳住节奏是代数学家跨越低谷的关键。 据36氪了解，疫情前的高峰时期，代数学家完成开业签约、装修的直营门店超过170家，后期未开业的80家因为疫情被全部取消，戴熠认为，“如果当时在疫情期间高速扩张出去，公司可能已经走上穷途。”那时，代数学家也是一众知名咖啡品牌里，第一个明确做出“收缩”举动的。 今天，代数学家的自我定位是做“大众化品牌的消费升级”，在延续“认真做咖啡”基因的同时，优化价格、成本、供应链。它的产品创新力依然被消费者称道，保持着一月一次的上新频率，“KIRI法酪拿铁系列”在上新首月售出11.7万杯，其2019年首创的“重瓣玫瑰布列夫”作为复购最高的单品之一，2024年售出杯数超65万。 除此之外，戴熠在门店模式上思考更多具体和落地的问题——开大店还是小店？单店的人力如何配比？供应链成本效率？“今天大家在管理上的颗粒度都很细，本质还是要回归产品、回归消费需求，门店选址也要回归到消费者便利的出发点。”  「代数学家algebraist coffee」空间设计中的简约美感 **2024年3月，代数学家宣布开启“事业合伙人招募”，经历了“直营到加盟”的重要转型。目前，其单月的新增门店数大约稳定在8～10家，总门店数超过150家，加盟店构成了代数学家的主要商业模式。但横向来看，这在行业中拓店速度不算激进。** “我们内部有一些门槛和想法。”戴熠告诉36氪，“现阶段，就消费者和整体消费心理而言，还没有看到行业特别大的转机，需更踏实地去运作品牌。”  谈及扩张规划，戴熠表示一直以来的优势区域——“江浙沪”，依然会是代数学家的主战场，跨区域的机会持续保持探索，但步子不会迈得过大。 如今来看，曾经的精品咖啡明星品牌的命运不尽相同。有的早已消失殆尽，有的依然努力在内卷中保持着自己的节奏。与36氪的交谈中，戴熠更强调“扎实做好产品和团队建设，做一个更多人喜欢、品质值得信任的品牌。”  无论如何，中国的咖啡消费市场正越来越大，总有人需要品质咖啡。消费形态不会只有一种，对“代数学家们”而言，最重要的是留在牌桌上、等待更好的时机。

6月X日，非夕科技正式对外宣布，公司已完成C轮亿级美元融资。据悉，C轮投资由咏归基金、广发信德联合领投，洪泰基金、华控基金等跟投，同时老股东高榕创投、eGarden Ventures、Mfund魔量资本持续跟投。此轮融资资金将主要用于扩产、研发及生态拓展。  “非夕深耕通用智能机器人近十年，持续研发覆盖自适应机器人本体、层级式智能和操作系统生态的全栈技术体系，聚焦可构建多样应用形态的通用机器人基座平台。得益于对差异化路线的长期耕耘和产品的极致优化，非夕不断拓宽机器人能力边界，能够以极简产品型号满足各行业对复杂任务、多样工艺的自动化痛点需求，目前已在汽车家电、消费电子、食品医疗等多个行业开辟出大量规模化应用场景，持续协同生态伙伴开拓增量业务，赋能终端客户智造生产力的提升。”非夕科技联合创始人兼CEO王世全表示，“感谢新老股东的认可和持续支持，此次融资标志着非夕商业化进入全面加速阶段，为产品扩产、业务扩张、生态培育以及前瞻技术的持续探索提供了坚实的基础。” 成立于2016年的非夕科技，是一家全球领先的通用智能机器人公司，由斯坦福大学机器人与人工智能实验室核心成员创立。非夕首创“自适应机器人”这一新品类，以“仿人化”为核心理念，将人类“手感”抽象为极致的力控能力，将“手眼协调”的行为模式转化为机器人具备泛化操作能力的层级式智能系统，大幅提升机器人复杂工况的应对能力、工艺的通用性与适应性。  在专注核心技术研发的同时，非夕积极参与行业标准建设，牵头制定的国家标准《机器人自适应能力技术要求》已正式发布，进一步推动自适应机器人这一全新品类有关技术标准和能力评估的体系化建设，填补了国内外空白。 公司始终坚持长期主义路线，稳扎稳打推进底层技术创新与商业化落地，目前已实现从单点验证到多行业复制的跨越式发展，进入规模化、加速增长阶段。 在业务侧，非夕已服务数十家全球头部客户，在3C电子、汽车家电、食品农业、生物医疗、航空航天、新能源等行业的上百种核心工艺环节实现智造升级，积累了极具含金量的落地案例，在打磨抛光、插拔装配、食材处理等复杂任务中实现规模化应用；在生态侧，非夕也与系统集成商、高校研究机构建立了紧密合作，具备扎实、可扩展的商业基础。 随着AI加速向生产端渗透，非夕正依托其“通用力控能力 + AI原生架构 + 数据闭环潜力”，助力构建跨行业、跨形态的机器人基础设施，持续为全球合作伙伴提供创新解决方案与产业价值。  “机器人领域需要能真正解决全要素生产率问题的新物种，非夕科技正是这样一家可以定义赛道的科创企业，公司成立以来的技术、市场、管理积淀已经能够呈现弥足珍贵的发展确定性，潜力已渐渐成为能力，愿景已渐渐成为现实，非常荣幸能够与非夕科技构建共识，共同创新，见证未来。”咏归基金创始合伙人张以哲表示。咏归基金是一家长期聚焦硬科技投资领域的市场化标杆机构，致力于国家新质生产力发展和国际科技竞争力提升，先后在航空航天、人工智能领域布局多家知名企业，曾荣膺母基金研究中心“2024最佳新锐基金TOP10”。 “非夕科技凭借着对力控、具身算法及机器视觉的深度融合，定义了集柔性、抗干扰、易部署、可迁移等优点于一身的自适应机器人，并且在工业、消费及医疗健康领域展现出较强的复杂作业能力。我们非常看好自适应机器人的发展前景，很高兴能够和非夕科技团队一同成长，为各行各业提供新质生产力。”广发信德项目负责人张颖表示。广发信德是广发证券股份有限公司旗下全资私募基金子公司，是中国排名前列的券商私募投资基金子公司。凭借出色的专业能力，连续多年来在清科、投中、新财富、中国证券报的行业榜单中名列前茅。 “非夕突破性地开创了自适应机器人品类、完成了全栈式机器人系统研发，在汽车、3C、家电、健康等场景充分验证了产品与解决方案的通用性、智能性和可靠性，取得的成果令人惊喜。随着通用智能的持续提升、成本的进一步下降，相信非夕在通用智能机器人大规模商业化的道路上还会取得更大的进展。”高榕创投创始合伙人岳斌表示。高榕创投是中国最活跃的风险投资机构之一，多年来深耕新科技等赛道，致力于发现优秀创业者，与他们共建长期价值。高榕创投曾于2017年领投非夕，并在后续轮融资中持续加注。 雷峰网

本轮由宁德时代及溥泉资本领投（CATL Capital），北京机器人产业基金、国家开发银行国开科创、纪源资本跟投。

当医生成为大模型开发的主力军。

 《辉夜大小姐想让我告白》宣布将制作新作TV动画特别篇《辉夜大小姐想让我告白 迈向大人的阶梯》（かぐや様は告らせたい 大人への階段），视觉图已公开。   动画《辉夜大小姐想让我告白》改编自赤坂明的原作漫画，已推出3季TV动画和1部TV特别篇《初吻不会结束》。

关店止损or降维打击？中高端餐企可能要换种“活法”。

Q1收入激增19.07%，主要归功于微短剧？

配套支撑加速，中美争霸格局初显。

Anubis的勒索软件即服务（RaaS）业务在其文件加密恶意软件中添加了一个擦除器模块，可以摧毁目标文件，即使支付赎金也无法恢复。 Anubis（不要与同名的Android恶意软件混淆，该恶意软件有一个勒索软件模块）是一个相对新的RaaS，于2024年12月首次被观察到，但在年初变得更加活跃。 2月23日，运营商在RAMP论坛上宣布了一项联盟计划。KELA当时的一份报告解释说，Anubis向勒索软件附属公司提供了80%的收益分成。数据勒索附属公司获得了60%的分成，初始访问经纪人获得了50%的分成。 目前，Anubis在暗网上的勒索页面只列出了8名受害者，这表明一旦对技术方面的信心增强，它可能会增加攻击量。 在这方面，Trend Micro最近发布的一份报告显示，Anubis的运营商正在积极开发新功能，其中一个不寻常的功能是文件清除功能。 研究人员在他们解剖的最新Anubis样本中发现了这个功能，并认为该功能的引入是为了增加受害者尽快付款的压力，而不是拖延谈判或完全无视。 Anubis与其他RaaS的区别在于，它使用了文件擦除功能，即使在加密后也会破坏恢复工作。这种破坏性倾向增加了受害者的压力，并增加了本已具有破坏性的袭击的风险。 使用命令行参数‘ /WIPEMODE ’激活破坏性行为，这需要发出基于密钥的身份验证。  Anubis的擦拭模式 激活后，擦除器擦除所有文件内容，将其大小减小到0 KB，同时保持文件名和结构完整。受害者仍然会看到预期目录中的所有文件，但其内容将被不可逆转地破坏，使恢复成为不可能。  加密前（上）和加密后（下）的文件 趋势科技的分析显示，Anubis在启动时支持几个命令，包括特权提升、目录排除和加密的目标路径。默认情况下排除重要的系统和程序目录，以避免使系统完全不可用。勒索软件删除卷影副本，并终止可能干扰加密过程的进程和服务。 加密系统使用ECIES（椭圆曲线集成加密方案），研究人员指出实现与EvilByte和Prince勒索软件相似。加密的文件被附加在&#39;.anubis的扩展，HTML勒索通知被放置在受影响的目录，恶意软件还执行尝试（失败）更改桌面壁纸。  Anubis 的勒索信 网络安全公司观察到，Anubis攻击始于带有恶意链接或附件的网络钓鱼电子邮件。

Despite rapid revenue growth from RMB 286 million in 2022 to RMB 558 million in 2024, a CAGR of 39.7%, PPIO remains unprofitable, with cumulative losses around RMB 568 million primarily due to share-based payments, convertible preferred shares fair value losses, and heavy R&amp;D investment.

头部企业悄然布局。

算力互联网将激活算力租赁产业。

落地大模型的速度和质量正成为企业在智能化浪潮中抢占产业制高点的关键胜负手。 据《2024中国企业AI大模型应用现状》调研报告显示，AI大模型落地总体上仍处在探索孵化阶段，渗透率不足1%，但在已部署大模型的企业中，**超半数企业感受到了大模型落地带来的业务价值。** 割裂感充斥在这场智能化变革之中：一端是洞察价值的企业持续加码投入，另一端则是受限于技术、资金与人才的企业，无奈将技术浪潮视为“行业泡沫”。二者间存在的认知差距与行动鸿沟，折射出大模型落地从“试点红利”迈向“普惠深水区”的行业阵痛。 技术断层与能力失衡，则是横亘在企业智能化转型路上的双重障碍。不具备技术能力的企业面临桎梏，而具备一定研发实力的企业，也难以规避单一能力短板引发的“木桶效应”。 某大型集团曾斥资3000万下场研发企业大模型，重金聘请技术专家，却因技术落地难、数据隐私风险及商业模式模糊等问题，一年内耗尽预算，项目最终搁浅。 实践表明，企业大模型落地需要与拥有全栈大模型技术基因的产业专家深度协作。在大模型中标项目数、行业覆盖数、央国企中标项目数三个维度皆“领跑”的百度智能云，正是企业大模型落地的产业专家。正如百度集团执行副总裁沈抖表示，**百度智能云系统级智能基础设施正助力企业大模型高效落地。**  全栈基础设施作为大模型落地的刚需底座，通过自研芯片、算力调度、模型训练及应用部署的技术闭环，百度智能云正解决企业从 “模型可用” 到 “业务见效” 的多个障碍。例如，百度智能云与招商银行合作推进大模型落地，以昆仑芯 P800芯片为底层算力支撑，结合千帆大模型平台与招行具体业务场景，在智能客服、多模态数据分析等领域落地实践。 大模型竞争下半场，全栈能力将成关键看点。百度如何打造从底层硬件、算力优化、模型技术到应用落地的全栈服务能力？其产业落地成效又如何？ **算力资源利用率提升50%，百舸平台释放昆仑芯性能** “我们自主可控人工智能技术走在央企前列。”南方电网公司数字化部副总经理余芸表示。 据悉，南方电网研发的电力行业大模型“大瓦特”聚焦电力行业应用场景，通过整合电网运行数据、设备状态信息、行业知识规则等，提升电力系统的智能化水平。其中， “南网调度值班助手” 可秒级生成故障处置预案，识别效率是传统算法的10倍；变电站巡检机器人将人工6小时的巡视任务自动化，准确率显著提升。 而效率跃迁的背后，离不开百度智能云全栈算力能力的深度支撑。 昆仑芯P800芯片作为“大瓦特”的算力底座之一，采用了完全自研的XPU-P架构，仅需32台服务器即可完成千亿参数模型的全参数训练，帮助南方电网在大模型训练上显著降低了成本。 “AI芯片是高度敏感的硬件。随着集群规模扩展，故障率会呈指数级上升。这个难题，即使是全球最领先的芯片厂商，也无法避免。”沈抖说，“在硬件之上，**必须有一套强大的软件平台，保障集群的稳定运行。”** 百度智能云混合云总经理杜海同样认为，获得行业重要客户的信任，**基础能力是关键因素。**对于集群稳定性以及使用效率的关注，已经成为了行业的新趋势。 国内具备万卡集群建设能力的公司屈指可数，能同时兼具高效算力统筹与算力优化能力的企业更是凤毛麟角。这类企业不仅需要突破芯片性能、集群架构等硬件瓶颈，还需在算力调度算法、资源利用率优化、多模态任务适配等软件层面实现深度创新。 凭借全栈自研能力，**百度成功点亮自研三万卡集群。**自研驱动的模式消除了硬件、软件与生态融合的壁垒，使昆仑芯算力集群成为性能领先的单体集群。沈抖表示，这是国内首个如此大规模采用昆仑芯P800和海光CPU全国产方案的集群。 当算力集群规模触及当前技术边界时，拥有强大的软实力才能发挥出硬件的潜能。百舸平台是支持一云多芯及国产开源模型的算力管理平台，其可以有效提升集群训练推理效率，保障集群稳定性的同时，突破利用率瓶颈。 “百舸平台是百度自主研发的核心组件，百舸4.0支持多种异构芯片、不同的高速网络互联技术，以及高性能存储和相关存储架构技术。”杜海说，“在这之上，我们通过全套云原生组件解决通信问题，百舸平台不仅支持单一的英伟达芯片或昆仑芯，还能兼容多种芯片的不同通信协议与算力规则，实现统一调度。” 目前，百舸平台实现了超高的稳定性，**3万卡集群有效训练时长占比超95%**，且具备秒级故障感知与定位能力，通过自动回滚机制可快速恢复集群运行，保障了业务的无间断。同时，百舸平台创新性采用混合云形态进行集群交付与运营，通过全局优化计算节点和存储资源，**资源利用率提升50%，大幅降低算力成本**，提供“快、稳、省”的算力服务体验。 集群利用率方面，百舸平台已具备成熟的10万卡集群部署和管理能力，**且在万卡集群上实现了99.5%以上的有效训练时长**，能够将不同的芯片混合训练大模型的效率折损控制在5%以内，达到业界最领先的水平。 “最能打动客户的，正是百舸平台把集群稳定性以及算力利用率不断调至更优状态。”杜海说，“百舸平台的设计理念是从应用、模型、框架到芯片，自上而下地将四层体系深度融合，只有这样端到端的体系，才能让集群效能最大化。” 百舸平台的兼容性与自主性也非常出色，得益于百舸平台践行的“一云多芯”策略，除昆仑芯外，还适配多种主流国产芯片，满足企业在不同算力架构下的自主部署需求，让客户的算力选择自主可控。 在算力选择自主可控的基础上，百舸平台还具备对不同规模算力的兼容性。杜海表示，百舸平台支持在一体机部署轻量化版本（百舸 Lite）；同时，针对百卡、千卡等不同集群规模，平台提供差异化的集群化组网方案，确保业务开展过程的平滑性。 在对AI部署非常关键的模型支持方面，百舸平台向上适配主流大模型框架，对包括DeepSeek在内的国产开源模型的训练与推理均表现稳定且性能优异。以DeepSeek R1满血版为例，基于百舸+昆仑芯的方案，昆仑芯P800单机8卡配置可实现2437tokens/s吞吐，而百舸DeepSeek一体机在支持500人团队并发使用时，推理延迟平均在50毫秒以内。 **开发超100万个企业级AI应用，千帆平台正在成为「智能体」工厂** 昆仑芯与百舸平台的深度协同，为大模型提供了直接的硬件支撑与平台保障。在此前提下，一站式企业级大模型平台千帆为大模型能力的整合和场景落地提供有力支撑。 4月25日的Create2025百度AI开发者大会上，文心大模型4.5 Turbo及文心大模型X1 Turbo正式发布。 文心4.5 Turbo作为多模态大模型，源自文心4.5，大幅提升了跨模态学习效率及多模态融合效果，多模态理解效果提升超过30%，在多个测试集上追平甚至部分超越了OpenAI的旗舰模型GPT-4.5。 文心X1 Turbo则是基于文心4.5 Turbo的深度思考模型，侧重于深度思考，尤其擅长推理和工具调用，具备更先进的思维链，在问答、创作、逻辑推理、工具调用和多模态能力上均有进一步增强。在信通院最近公布的大模型推理能力评估中，文心 X1 Turbo的综合评级获得了当前最高级“4+级”，是国内首款通过该测评的大模型。 基础模型具备强大的性能是落地应用的必要条件，而非充分条件，由于“通用”与“专用”的先天隔阂而导致落地效果大打折扣，只有足够“懂业务”的大模型才能够深入行业深水区。正如沈抖所言，基础模型能力再强，放到具体的行业场景中，效果往往不达预期。 基于对行业大模型落地的深刻理解，百度首次发布金融行业大模型“千帆慧金”，该模型基于海量金融语料深度训练，构建金融专用合成数据管线，优化算法策略，并提供知识增强大模型和推理增强大模型两类模型，每类模型分别提供8B和70B两个版本，支持最长32K上下文输入，覆盖金融行业多数场景。  在金融领域Benchmark评测中，千帆慧金金融大模型综合表现领先，百亿参数模型得分超过千亿参数的通用模型。在金融销售赋能场景中，相比通用模型，千帆慧金金融大模型能更完整地列出贷款材料清单、拆解工作流程，并明确风险管控要点，展现出深厚的行业知识与推理能力。 对于智能体的落地，强大的模型固然重要，但让更多企业负担得起、用得起来，才是推动普及的关键。 文心4.5 Turbo以及文心X1 Turbo均已上线千帆平台并对外提供服务，在千帆平台上，文心 4.5 Turbo的百万token价格仅为DeepSeek V3调用价格的40%，而文心X1 Turbo价格只有DeepSeek R1的四分之一。 除文心大模型外，千帆平台还提供超过100个模型服务，市场上效果好的模型，都可以在千帆上找到。除模型服务外，千帆平台还提供模型开发、应用开发的全套工具链，在应用开发方面，**千帆平台已累计帮助用户开发出100多万个企业级应用。**  经过大量落地案例积累与多次技术迭代，千帆平台已成为功能完备、高效易用的 “智能体工厂”。企业可直接调用百度提供的成熟智能体，包括行业智能体，以及智能客服、内容审核等通用智能体，快速开发并构建智能体生态。 伴随着大模型部署进入深水区，千帆平台在智能体开发领域也将进一步**向行业广度与企业深度延伸。** 未来，企业既可通过A2A等协议调用集团内部及上下游合作伙伴的第三方智能体，打通跨组织业务流并以最优策略协调智能体分工协作；也能开发企业自有智能体，通过MCP协议连接企业内部服务，激活过往数字化积累的 IT 与数据资产，让智能体成为企业业务流程的有机组成部分。 而千帆平台支持所有市场上主流大模型的策略，也让企业在智能体开发过程中，能将自身的业务匹配到合适的模型，并且企业还能根据千帆平台上真实的用户反馈对模型进行微调，提升智能体的落地效果。 此外，千帆平台的能力还支持“私有化部署”， 模型以及工具的更新都将在一周内上架到千帆平台上。 **全栈自研，百度智能云跑通AI落地的「最后一公里」** 从硬件基础设施到模型及应用开发平台，百度智能云在不断探索及夯实智能化转型的全流程，提供了从算力、模型开发、应用开发以及数据管理的全套人工智能基础设施，与企业沉淀的行业数据资源相结合，真正跑出能落地、能够深入行业的模型及智能体。 **超65%央企选择与百度合作探索智能化转型之路**，而百度智能云也以行业场景为锚点，打造深入行业的智能体矩阵。  **“轻量定制行业智能体，正在成为大模型产业落地的最快路径。”**沈抖说，“它会根据场景的特点，选择合适的大、小模型，并给出最佳的协作方式；通过知识库等方式激活企业的专属数据，拓展智能体的专业知识；还可以根据业务流程要求，自动编排任务；同时与企业现有系统打通，实现从数据到应用的闭环。” 由人民日报文化传媒、百度公司联合主办的 “2025 智能经济论坛”全新发布了 “精选行业场景智能体家族”，包含能源、医疗、交通、政务等领域，覆盖B端企业、C端用户及G端政务场景，推动AI从通用技术向行业生产力转化。  企业办理用电相关业务效率低？百度智能云营销供电方案智能体让业务办理提质增效。 传统的供电方案制定工序繁琐，需填报上百项数据并经过多个部门进行勘查，办电效率低下容易影响企业正常经营活动的开展。为此，百度智能云联手国家电网推出“营销供电方案智能体”，通过多轮对话识别需求、大模型自动生成方案并动态调整优先级，实现客户办电效率的提升。 “智能体已经全面掌握了整套流程，能准确地调动行业知识和工具系统，实现企业办电流程的全面智能化。”沈抖说。 在医疗领域，百度智能云的智能体致力于提升患者的就医体验。 2024年上海市公立医疗机构病人满意度调查显示，在2224人次的门诊病人反馈意见中，31.74%的改善意见与 “等候和排队时间” 有关，门诊等候时间位居门诊病人改善建议的前列。 对此，百度智能云推出智慧就医智能体，在就诊前便通过大模型收集病情信息，并利用多模态语义融合解析技术，自动生成患者“病情卡”。这一功能落地武汉协和医院，病情卡加上专家模型判断患者是否符合加号要求，**审核准确率达95%以上，并节省专家筛选时间85%以上。** 而在和民生密切相关的的政务领域，百度推出的行业智能体同样让业务的开展提质增效。 公路交通事故的发生往往会引发系列的连锁反应。相关研究表明，当车辆驶入饱和状态的道路，会使其他所有车辆速度降低约0.7%，这种 “蝴蝶效应” 在高峰期可能让整体通行时间延长20%以上。 百度智能云推出的公路应急指挥智能体嵌入“事件感知-事件播报-应急处置预案生成-预案选择-预案执行-处置结束”全流程，将检测准确率提升到95%以上，让监控人员介入处置的工作量降低50%。利用大模型实现部门及设备联动，并生成应急处置报告，实现突发事件应急响应效率提升30%。 环境管理是绿色及可持续发展的核心，而智能化则让环境管理变得高效。沈抖表示：“今天，AI 正在让生态环境的监测和治理变得可感、可行。” 百度智能云联手中国环境监测总站打造生态环境监测智能体，依托环境监测总站高质量的环境监测数据，面对复杂的气候条件，能生成环境质量分析报告并出具精准预测，其在空气质量问答、水监测站点信息问答、污染源答疑等场景下回答准确率超95%，为环境管理决策提供数据支撑。 百度智能云“全栈自研”的智能基础设施，直击人工智能时代算力与算法面临的瓶颈，通过昆仑芯芯片与百舸平台构建高效算力底座，依托文心大模型探索算法创新边界。在此基础上，百度智能云深度融入行业场景，背靠企业的高质量数据资产，让智能化转型发生。 雷峰网获悉，受AI驱动，百度智能云业务在2025年第一季度增长强劲，**同比增速达42%。** “这是一场长期的接力。我们会坚定投入，打造更先进、高效的人工智能基础设施，服务更多的中国企业，加快推动大模型产业化发展，释放更多场景价值。”沈抖说。 全栈自研的技术实力以及持续投入的决心，将让百度在智能涌现的时代不缺席

美国制裁为伊朗防务工业采购和转运敏感机械装置，指定了一名个人和八个实体，并认定一艘船舶为被冻结财产。这艘船舶，**顺凯星**由香港-based**Unico Shipping Co Ltd**拥有，携带了由OFAC指定的 RRA和**Towse Sanaye Nim Resanaye Tarashe**（受RRA高管控制的公司）的机械装置。  2024年底，悬挂巴拿马国旗的散货船**顺凯星**正运输敏感货物前往伊朗。RRA和Towse Sanaye Nim Resanaye Tarashe是伊朗的收货人，列在“顺凯星”号货物运输的提单上。 中国**Futech Co Limited** 将货物发往 Towse Sanaye Nim Resanaye Tarashe，货物通过 SHUN KAI XING 运输。Futech Co Limited 之前已多次直接向伊朗-based Rayan Fan Kav Andish 导出敏感的扩散物。 中国**东莞赞银机械设备有限公司** 发运了将要运往RRA的物品。 总部位于香港的**Unico Shipping Co Ltd **（Unico Shipping）自2024年4月起一直是SHUN KAI XING的法定船东。总部位于香港的**Athena Shipping Co Ltd**（Athena Shipping） 新加坡**V-Shipping PTE LTD** (V-Shipping) 是“顺凯兴”号的租船人，试图将货物运往伊朗，并直接参与协调运往 OFAC 制裁实体的货物。V-Shipping 了解到，确保货物的托运人和收货人不在制裁名单上是租船人的一项责任。 中国 **深圳新新航运有限公司** (深圳新新) 直接参与了与V-Shipping合作的、运往被OFAC指定实体货物的协调工作。深圳新新知道他们关于为OFAC指定实体运输物品的行为可能会导致他们公司被制裁，并且存在货物被扣押的风险。在货物被检查后，深圳新新还参与了试图混淆船舶所运伊朗客户的身份。 中国公民**张燕邦**是“顺凯兴”号轮船的船长，该轮船为RRA运输材料。燕邦知道货物运往伊朗，一名代表燕邦的代理提交了虚假的提单，删除了RRA和伊朗-based Towse Sanaye Nim Resanaye Tarashe作为货物的收货人。 [查看评论](https://m.cnbeta.com.tw/comment/1508476.htm)

**在最新发现的NBD发货清单中可以看到，Nova Lake系列将有一个专门的高性能移动家族。**Nova Lake-HX系列处理器是英特尔为高性能笔记本电脑设计的移动版处理器，与当前的Arrow Lake-HX系列相比，Nova Lake-HX将采用更大的封装尺寸。  [](//img1.mydrivers.com/img/20250623/d0cf847f-21a5-4b84-8631-bfb0c9c8bf6a.png) **具体来说，Nova Lake-HX将使用BGA2540插槽，其尺寸比Arrow Lake-HX所使用的BGA2114大20%，比Raptor Lake-HX所使用的BGA1964大29%。** 这种更大的封装尺寸将为处理器提供更多的空间，以容纳更多的核心和更复杂的电路设计。 Nova Lake系列处理器预计将于明年发布，涵盖桌面和移动平台，其中桌面版Nova Lake-S将使用LGA 1954插槽，与上一代的LGA 1851和LGA 1700插槽保持相同的45×37.5毫米尺寸。 性能方面，Nova Lake-HX系列处理器预计将带来显著的多线程性能提升，**据报道，Nova Lake-HX的旗舰型号将配备16个性能核心和32个高效核心，总计48个核心。** 相比之下，当前的Arrow Lake-HX系列中，核心最多的Core Ultra 9 285HX型号为24个核心。 此外，Nova Lake系列处理器还将支持多达36个PCIe 5.0通道，目前这一规格主要针对桌面版，但移动版的HX系列在PCIe通道数量上也将比Arrow Lake-HX有显著提升。 [查看评论](https://m.cnbeta.com.tw/comment/1508474.htm)

特斯拉正式推出“自动驾驶出租车”服务，目前仅配备10辆车，运营时间限制在上午6点至午夜12点，且只在地理围栏区域内运行。最重要的是，车辆仍配备安全员和远程操作员，统一收费4.20美元。分析认为，相比已在多地提供完全无人驾驶服务的Waymo，特斯拉要追赶绝非易事。 备受瞩目的特斯拉“自动驾驶出租车”正式启动，但与马斯克此前宣传的无人驾驶不同，不仅配备“安全监督员”，而且服务范围和时间均受到严格限制。 6月22日，特斯拉正式推出“自动驾驶出租车”，多辆车身标注Robotaxi的Model Y车辆在奥斯汀街头出现。原定的开始营运时间是早晨六点，但最终推迟到了中午12点。  当前特斯拉“自动驾驶出租车”的车队规模不大，初期仅配备约10辆车辆，运营时间限制在上午6点至午夜12点之间，且仅在地理围栏区域内提供服务。 值得注意的的是，最重要的限制在前排乘客座位配备了安全员，这与马斯克此前宣传的无人驾驶服务形成鲜明对比。 马斯克在社交媒体上表示，该服务将收取4.20美元的统一费用。马斯克还强调公司在安全方面“格外谨慎”。  据介绍，马斯克本月曾表示计划在“几个月内”部署1000辆机器人出租车，并将服务扩展到旧金山和洛杉矶等城市。 然而，目前的服务限制和监管环境使得这一扩张计划面临不确定性。 **服务限制远超预期** 根据特斯拉向部分社交媒体影响者发出的邀请函，这项“自动驾驶出租车”服务的限制程度超出市场预期。 第一，目前，特斯拉Robotaxi仍处于内测阶段，只有受邀请的用户才可以在APP上下单，并未对所有用户开放。下载安装App之后，用户需要登录，然后同意用户使用协议之后，即可打车。  第二，目前APP提示了运行的地理范围。仅在地理围栏区域内运营，避开复杂路口，不包括机场，且在恶劣天气条件下可能暂停或无法使用。  第三，最重要的限制是，配备安全员，此外并配备远程操作员在出现问题时进行干预。  有特斯拉工作人员在社交媒体发出上后台监控的工作画面图片。  目前公开的特斯拉Robotaxi体验视频显示： 车辆可以来停车场来接乘客，当 Robotaxi到达时，外部灯光会闪烁，以便乘客更容易找到汽车。 在车辆行驶过程中，后排屏幕闪会提示行程所需时间和到达时间。  到达目的地付费后，可以对行程体验进行打分，并决定是否给小费。 **监管压力持续增加** 德克萨斯州民主党议员团体最近致信特斯拉，敦促公司将自动驾驶出租车服务推迟到9月，届时关于自动驾驶汽车的新法律将开始实施。 州长Greg Abbott上周五签署了这项法规，要求运营自动驾驶汽车必须获得州许可证。 美国国家公路交通安全管理局（NHTSA）目前仍在对特斯拉自动驾驶和“完全自动驾驶”系统的能力声明进行多项调查。 该监管机构在5月初致信特斯拉，要求提供自动驾驶出租车服务所使用技术的更多信息。 报道称，尽管特斯拉的“完全自动驾驶”系统名称如此，但仍要求人类坐在驾驶座位上并保持全程注意，这与Google的Waymo出租车形成对比。 Waymo在奥斯汀推出商业服务前进行了长达一年的测试，其中包括6个月有安全驾驶员和6个月无安全驾驶员的测试阶段，目前已在旧金山等地提供完全无人的自动驾驶叫车服务。 巴克莱分析师Dan Levy警告称，在构建支持完全自动驾驶汽车的基础设施方面仍有大量工作要做，“追赶或超越Waymo绝非易事“。 [查看评论](https://m.cnbeta.com.tw/comment/1508472.htm)

特斯拉Robotaxi无人自动驾驶出租车队今日正式上线。首个试点城市为美国奥斯汀，上线首日共有35辆车运营。由于目前是试运营阶段，投入的Robotaxi车辆有限，仅有部分受邀用户才能够体验。 车辆搭载了 FSD Unsupervised (全自动驾驶无监督版)。用户需下载Tesla Robotaxi App，**输入目的地就能生成路线和价格，测试期统一每单收费4.2美元（约合人民币30元）。** 博主上车后，**可以在Model Y的后排屏幕或手机APP上点击“STAR RIDE”按钮一键启航，随后后排屏幕上可显示具体的行驶路线。** 同时，后排屏幕支持乘客使用相应APP进行简单的娱乐活动。前排副驾乘坐有一名安全监督员，但不干预车辆的正常自动驾驶。 在自动驾驶中，Robotaxi展示出极强的驾驶能力，丝滑右转、变道，在无保护左转场景，能够识别到对向或后方来车的行驶意图，自动躲避后左转。 最终，将博主送达目的地后，车辆自动停下并打开双闪，完成此次无人驾驶Robotaxi出行。 事实上，与萝卜快跑和Waymo等真正的无人驾驶出租车相比，特斯拉Robotaxi仍处于车内配备安全员的初级阶段。不过，特斯拉FSD的运行训练数据全球车企第一，后期正式版本发布会，相信自动驾驶能力会有相当强悍的表现。 [](//img1.mydrivers.com/img/20250623/c2be7384db3946fe94af03d4f17120fa.png) [查看评论](https://m.cnbeta.com.tw/comment/1508470.htm)