科技公司正在挖掘一个更古老的知识宝库：图书馆书库。哈佛大学藏书将于周四向人工智能研究人员开放，其中包括近百万本早在15世纪出版的书籍，涵盖254种语言。此外，波士顿公共图书馆收藏的大量旧报纸和政府文件也即将开放。  对于正在应对在世小说家、视觉艺术家和其他人的诉讼的科技公司来说，打开拥有数百年历史的古籍宝库可能会带来巨大的数据财富，这些人的创意作品在未经同意的情况下被盗用，用于训练人工智能聊天机器人。 微软副总法律顾问伯顿戴维斯 (Burton Davis) 表示：“从公共领域数据开始是一个谨慎的决定，因为目前与仍受版权保护的内容相比，公共领域数据引发的争议较少。” 戴维斯表示，图书馆还保存着“大量有趣的文化、历史和语言数据”，而这些数据在过去几十年的在线评论中缺失，而人工智能聊天机器人主要从这些评论中学习。对数据耗尽的担忧也促使人工智能开发者转向使用聊天机器人自己生成的、质量较低的“合成”数据。 在微软和 ChatGPT 制造商 OpenAI 的“无限制捐赠”支持下，总部位于哈佛大学的机构数据计划正在与世界各地的图书馆和博物馆合作，研究如何使其历史藏品能够适应人工智能，同时也使其服务的社区受益。 “我们正试图将当前人工智能时代赋予的部分权力重新赋予这些机构，”哈佛法学院图书馆创新实验室研究主管阿里斯塔纳·斯库尔塔斯（Aristana Scourtas）说道。“图书馆员一直以来都是数据和信息的守护者。” 哈佛大学最新发布的数据库“机构图书1.0”（Institutional Books 1.0）包含超过3.94亿页扫描纸质文献。其中一件较早的作品来自15世纪，是一位韩国画家[手写并记录的关于栽培花草树木的感悟](https://catalog.hathitrust.org/Record/009716031)。其中最集中的作品来自19世纪，涵盖文学、哲学、法律和农业等主题，所有这些作品都由一代又一代的图书馆员精心保存和整理。 这对于试图提高系统准确性和可靠性的人工智能开发人员来说是一个福音。 “很多用于人工智能训练的数据并非来自原始来源，”该数据计划的执行董事、哈佛大学伯克曼克莱因互联网与社会研究中心首席技术专家格雷格·莱珀特（Greg Leppert）说道。他表示，这套藏书“可以追溯到实际收藏这些书籍的机构扫描的纸质版”。 在 ChatGPT 引发商业 AI 热潮之前，大多数 AI 研究人员并不太在意他们从维基百科、Reddit 等社交媒体论坛，甚至有时从盗版书籍的深层存储库中提取的文本段落的来源。他们只需要大量计算机科学家称之为“token”（标记）的东西——数据单元，每个标记都可以代表一个单词的一部分。 哈佛大学新推出的人工智能训练数据集估计拥有 2420 亿个标记，这个数字人类难以想象，但与输入最先进人工智能系统的数据相比，这仍然只是九牛一毛。例如，Facebook 母公司 Meta 表示，其最新版本的人工智能大型语言模型是基于从文本、图像和视频中提取的超过 30 万亿个标记进行训练的。 Meta 还面临着喜剧演员萨拉·西尔弗曼 (Sarah Silverman) 和其他出版作家的诉讼，他们指控该公司从盗版“影子图书馆”窃取他们的书籍。 如今，尽管存在一些保留意见，但真正的图书馆正在崛起。 OpenAI 也正在应对一系列版权诉讼，今年它向包括牛津大学拥有 400 年历史的博德利图书馆在内的一些研究机构捐赠了 5000 万美元，该图书馆正在将稀有文本数字化，并利用人工智能帮助转录它们。 波士顿公共图书馆是美国最大的图书馆之一，当该公司首次与该图书馆联系时，该图书馆明确表示，其数字化的任何信息都将面向所有人，该图书馆的数字和在线服务主管杰西卡·查佩尔 (Jessica Chapel) 表示。 “OpenAI 对海量训练数据很感兴趣。我们对海量数字对象感兴趣。所以这只是双方正在协调一致的例子，”Chapel 说。 数字化成本高昂。例如，波士顿图书馆扫描并整理数十份新英格兰法语报纸是一项艰巨的工作，这些报纸在19世纪末20世纪初被来自魁北克的加拿大移民群体广泛阅读。如今，这些文本可以用作训练数据，从而为图书馆员想要开展的项目提供资金。 哈佛大学的藏书早在 2006 年就已开始为另一家科技巨头Google进行数字化，这是一个颇具争议的项目，旨在创建一个拥有超过 2000 万本书籍的可搜索在线图书馆。 Google多年来一直[在击退](https://apnews.com/united-states-government-supreme-court-of-the-united-states-dd191f1e445248b1b152008553cd9537)作者对其在线图书馆的法律挑战，该图书馆收录了许多较新的受版权保护的作品。最终，在2016年，美国最高法院维持了下级法院驳回版权侵权索赔的裁决，案件得以解决。 现在，Google首次与哈佛大学合作，从Google图书中检索公共领域的书籍，并为向人工智能开发者发布这些书籍铺平道路。美国的版权保护通常为95年，录音的保护期更长。 这一新举措周四受到了同一作家团体的赞扬，该团体曾就Google的图书项目起诉Google，最近还将人工智能公司告上法庭。 美国作家协会首席执行官玛丽·拉森伯格在周四的一份声明中表示：“许多此类书籍仅存在于各大图书馆的书架中，而该数据集的创建和使用将扩大对这些书籍及其内容知识的访问。” “重要的是，创建一个合法的大型训练数据集，将使新型人工智能模型的创建更加民主化。” 这些数据对于下一代人工智能工具有多大用处还有待观察，因为这些数据将于周四在 Hugging Face 平台上共享，该平台托管着任何人都可以下载的数据集和开源人工智能模型。 与典型的人工智能数据源相比，该藏书的语言多样性更高。不到一半的藏书是英文的，但欧洲语言仍然占主导地位，尤其是德语、法语、意大利语、西班牙语和拉丁语。 莱珀特表示，这套蕴含 19 世纪思想的书籍对于科技行业打造能够像人类一样进行规划和推理的人工智能代理也具有“极其重要的意义”。 “在大学里，你会学到很多关于推理的教学方法，”莱珀特说，“你会学到很多关于如何运行流程和如何进行分析的科学信息。” 与此同时，也存在大量过时的数据，从被揭穿的科学和医学理论到种族主义和殖民主义的叙述。 哈佛大学图书馆创新实验室协调员克里斯蒂·穆克 (Kristi Mukk) 表示：“当处理如此庞大的数据集时，有害内容和语言方面会存在一些棘手的问题。”她表示，该计划正试图提供有关如何降低使用数据风险的指导，以“帮助他们做出明智的决定并负责任地使用人工智能”。 [查看评论](https://m.cnbeta.com.tw/comment/1506778.htm)

Meta收购人工智能初创公司 Scale 的部分股权，并取得其 49% 的所有权，这一交易无疑很不寻常。Scale 官方[宣布](https://scale.com/blog/scale-ai-announces-next-phase-of-company-evolution)，这笔交易对该公司的估值超过 290 亿美元，并将向股东和既得股权持有人（即员工）“分配”收益，为他们提供“大量流动性”，同时允许他们继续作为股东。  Meta 还聘请了 Scale 的著名创始人兼首席执行官 Alexandr Wang，他[19 岁时从麻省理工学院辍学，](https://www.businessinsider.com/how-alexandr-wang-built-scale-ai-into-1-billion-company-2020-8)创立了这家公司，提供经过人类验证的人工智能训练数据。 [这听起来像是 Meta 会从现有股东手中收购股份，但消息人士告诉彭博社，](https://www.bloomberg.com/news/articles/2025-06-13/scale-ai-backer-accel-set-for-2-5-billion-windfall-on-meta-deal)事实并非如此，投资者将获得股息。例如，彭博社报道称，早期投资 Meta 的 Accel 应该会获得 25 亿美元的股息。（Accel 拒绝对此置评。） Scale 拥有包括亚马逊和 Meta 在内的数十家支持者，在一年前完成 10 亿美元的F 轮融资后，其最新估值为 140 亿美元。因此，如此巨额的股息几乎相当于收购了这家公司。监管机构是否会同意，我们拭目以待。 [查看评论](https://m.cnbeta.com.tw/comment/1506776.htm)

文档基金会已发布 LibreOffice 25.8 Beta 1，供 Linux、macOS 和 Windows 系统公开测试。这是 25.8 周期的第二个预发布版本，该基金会表示，LibreOffice 25.8 的最终稳定版本预计将于 2025 年 8 月底发布。  从 LibreOffice 的 Word Writer 开始，开发人员终于解决了一些长期存在的烦恼，包括新增了一个命令，可以轻松地在表格前插入段落分隔符。此测试版还在其自动隐藏工具中引入了一项实用的隐私功能，只需一个选项即可从文档中删除所有图片。要使用此功能，请前往“工具”并选择“自动隐藏”选项：  该应用程序改进了处理不同语言标点符号的能力，避免了多语言文档中的混淆。此外，还做出了其他显著改进。 - 新的连字符规则可让您选择防止单词在页面末尾拆分，而是将整行移至下一页。微软Word 已经具有此功能多年了。 - 导航器现在显示一个方便的工具提示，其中包含标题及其子大纲的字数和字符数。 - 选择文本时的滚动行为已得到改进，使其更加稳定。 - 添加了带有键盘快捷键的新命令，用于将字段转换为纯文本。 Calc 新增了许多功能，使其更接近 Excel 等竞争对手，包括 TEXTSPLIT、VSTACK 和 WRAPROWS。Impress 现在能够正确支持 PPTX 文件中的嵌入字体，这将减少与 PowerPoint 用户共享演示文稿时的麻烦。除了这些新增功能外，该项目还进行了彻底的清理；对 Windows 7、8 和 8.1 的支持已完全停止。此外，整个套件还进行了一些较小的 UI 调整，例如允许单击即可在 Writer 和 Calc 中进入对象的旋转模式。macOS 用户将获得更好的集成，并能够正确支持原生全屏模式以及 Sequoia 更新带来的新窗口管理功能。 在性能方面，团队优化了所有功能，从加载大型 DOC 文件和包含大量条件格式的 XLSX 电子表格，到在 Calc 中轻松切换工作表。这些改进效果显著，尤其是在处理复杂文档时。此外，还新增了应用程序范围内的“查看器模式”，该模式可将所有文件以只读状态打开，以便快速安全地查看。 与此相关的是，文档基金会与KDE 等机构携手，鼓励 Windows 10 用户迁移到 Linux。此外，你可能也听说过，丹麦为了减少对微软的依赖已决定全面转向 LibreOffice，并计划最早于下个月开始在某些部门逐步淘汰 Office 365。 如果您对此版本感兴趣，可以阅读[完整的发行说明](https://wiki.documentfoundation.org/ReleaseNotes/25.8)并下载适用于您平台的二进制文件：[Windows](https://www.libreoffice.org/download/download-libreoffice/?type=win-x86&version=25.8.0&lang=en-GB)、macOS ( [Intel](https://www.libreoffice.org/download/download-libreoffice/?type=mac-x86_64&version=25.8.0&lang=en-GB) | [Apple Silicon](https://www.libreoffice.org/download/download-libreoffice/?type=mac-aarch64&version=25.8.0&lang=en-GB) ) 或 Linux ( [DEB](https://www.libreoffice.org/download/download-libreoffice/?type=deb-x86_64&version=25.8.0&lang=en-GB) | [RPM](https://www.libreoffice.org/download/download-libreoffice/?type=rpm-x86_64&version=25.8.0&lang=en-GB) )。 [查看评论](https://m.cnbeta.com.tw/comment/1506770.htm)

在iOS 26中，苹果新增了将 eSIM 从iPhone转移到 Android 设备以及从 Android 设备转移的支持。这项新功能将使智能手机用户更轻松地在不同平台之间转移号码，无需再联系运营商寻求 iPhone 和 Android 之间转换的帮助。  一些 iOS 26 用户[注意到](https://www.reddit.com/r/USMobile/comments/1l905db/ios_26_dark_star_native_esim_transfer_to_android/)他们的蜂窝设置中有一个“转移到 Android”选项，但目前并非所有套餐都提供此选项。在 Reddit 上，一位使用 US Mobile Dark Star eSIM 的 iPhone 用户发现了一个蜂窝选项，可以将 eSIM 转移到 Android 设备。 在 iOS 26 中添加 eSIM 时，还有一个“从 Android 传输”选项。点击它会提供一个二维码，可以用 Android 设备扫描该二维码来启动传输过程，这也是 iPhone 到 Android 传输过程的工作原理。  苹果似乎已经与Google合作实现了这项新功能。在 iOS 26 首次亮相之前，Android 16 测试版中就提到了“传输到 Android”功能，暗示了新的跨平台传输选项。 在iOS 18中，将 eSIM 从 iPhone 转移到 iPhone 很简单，但将 eSIM 从 iPhone 转移到 Android 设备却不容易。通常需要联系运营商获取二维码，因为没有自动转换的方式。iOS 26 的到来，将使许多想要迁移到 Android 的 iPhone 用户更容易实现这一目标。 [查看评论](https://m.cnbeta.com.tw/comment/1506768.htm)

[苹果今天在其美国翻新店中](https://www.apple.com/shop/refurbished/mac/macbook-air)增加了 M4 MacBook Air机型，这是最新款 MacBook Air 设备自今年早些时候推出以来首次以折扣价出售。13 英寸和 15 英寸 MacBook Air 均有售，苹果提供多种容量和配置。 翻新机与同等新机型相比价格优惠约 15%。基础款 M4 MacBook Air起售价为 849 美元，低于原价 999 美元。  由于苹果会出售现有库存并用新设备替换，因此翻新库存将会发生波动，但如果您一直在等待打折的 M4 型号，现在有超过 30 种选择可供选择。 翻新 Mac 与新品完全相同，翻新流程包括全面的功能测试、彻底清洁、更换电池和检查。翻新设备符合AppleCare + 服务资格，并享有与新设备相同的 14 天退货期。 翻新的M4 Mac mini和MacBook Pro型号自二月份起就已开始发售，苹果公司也于本周早些时候开始提供翻新版的 M4 Max 和 M3 Ultra Mac Studio 。 [查看评论](https://m.cnbeta.com.tw/comment/1506766.htm)

苹果公司今日宣布，针对搭载 M2 芯片的 Mac mini 机型推出一项[维修计划](https://support.apple.com/mac-mini-2023-service-program-for-no-power-issue)，此前该公司发现这些机型中“极少数”可能无法开机。其他 Mac mini 机型不参与该计划。如果您的 Mac mini 出现此问题，您可以访问[Apple 网站，](https://support.apple.com/mac-mini-2023-service-program-for-no-power-issue)输入其序列号，查看它是否符合此计划的条件。 如果符合条件，苹果官方或授权服务提供商将提供免费维修服务。  搭载 M2 芯片的 Mac mini 机型于 2023 年首次发布，但苹果表示受影响的设备是在 2024 年 6 月 16 日至 11 月 23 日之间生产的。 该全球计划为符合条件的 Mac mini 提供自购买之日起长达三年的保修服务。 苹果并未说明电源问题的原因。 [查看评论](https://m.cnbeta.com.tw/comment/1506764.htm)

这个6月，每个国家的新闻都有自己的关键词。东欧是战，美国是乱，我们东亚邻国日本是崩坏。过去我们聊过的暗黑打工和针对老年人的犯罪，狠狠拷打了“日本安全神话”的说法，踹翻了日本例外的概念。现在，各种恶性案件像黑暗之潮一样，正吞噬着这个岛国。**在这种状态下，治安何以至此，就成了他们迫切想要知道的答案。**  2025年的春天，对于身处犯罪浪潮之中的日本人来说，并不明媚。 一系列发生在日本各地的无差别袭击事件，让这个国家陷入犯罪恐慌： 2025年1月，发生在日本长野县车站的刀袭事件，日本警方认定是无差别攻击。当日，一名46岁男子在车站门口持刀攻击3人，造成1人死亡，2人受伤。  同时，从东京到阜岐再到福冈广岛，各地接连发生了针对女性的无差别袭击案，造成多人死伤，其中最令人愤怒的案件，是发生在4月14日埼玉县一起案件。 4月是日本开学季。刚上高中的15岁女生佐藤美咲在放学途中遭24岁男子谷内宽幸的尾随袭击，不幸殒命，后据日本警方的说法，受害者全身共有17处锐器伤。 警方表示，凶手不认识受害人，他自陈犯案动机是因受过虐待而心理扭曲，想找个女的杀了——谁都行。  还有刚刚结束的五一假期，大阪西成发生一起针对小学生的无差别车辆撞击事件，7人受伤。 事件发生时，所幸当时一位70岁的退休警官发现了凶嫌的异样，及时控制，才没有造成更大的伤亡。 事后，嫌犯对警方表示，就是因为受够了一切，所以才想杀点人。  **无差别案件就像是地狱使者，没什么比它更能传播恐惧了。根据日本警视厅数据，2024年此类案件数量同比激增37%。** 这种毫无来由的凶恶犯罪，在情绪上给人感觉人人都是猎物，把整个社会变成了恐怖的大逃杀游戏场。再加上令和米荒、食物中毒以及暗黑打工和针对老年人的欺诈，整个日本社会便陷入了一种焦虑的状态。  民调显示，76.6%的日本受访者认为10年来社会治安不断变坏，认为日本安全的人也越来越少。 日本警察厅发布的《令和6年（2024年）犯罪情势（确定版）》报告显示： 刑法犯罪的认知件数在2022年时隔二十年首次出现同比增长，而到了2024年，已经连续三年上升，总数达到737679件。  图片来源：令和６年の犯罪情勢，令和7年2月警察庁長官官房发布 **2025年的状况仍然没有好转，甚至显得更加恶化。** 根据警察厅5月发布的《令和7年（2025年）犯罪情势（1-4月）》的数据，今年日本刑法犯罪与去年同期相比增长4.6%，其中包括杀人、抢劫、强奸、放火在内的恶性犯罪上涨8.7%，达到2248起。  图片来源：犯罪統計資料 令和7年1~4月分，警察庁刑事局捜査支援分析管理官 **从现在状况来看，日本民众把治安恶化的因素，归结于了外者，也就是移民。** 在社交平台上，人们称移民败坏了日本，并终将让日本走向毁灭。面对汹涌的民意与惊悚的现实，执政党自民党在移民政策上的立场也被推上风口浪尖——支持移民政策的官员被骂做卖国贼，反对移民和保守主义政策成了竞选中最大的绝招。 但事实，果真如此吗？   无论是从绝对值看，还是从人口占比来看，所谓外人是搅乱日本的罪魁祸首的说法，是立不住脚的。 **面对外国人是导致日本社会崩坏的指责，有人根据日本法务省发布的《令和6年 犯罪白书》进行了计算，结果发现日本人在本国犯罪率为0.143%，而外国人的犯罪率则为0.036%。** 很多日本人看见这数据直接破防了，主要破防点在于，他们觉得把“短期滞在的来日人口”也算进外国人的总量里，作为分母与在日犯罪的外国人数量进行统计，实在是有点作弊，不公平。 于是，一些非常严谨的日本人，就去除了游客的数字，单拿在留外国人的数字去和在日本犯罪外国人做统计，结果骄傲地发现了一件事：外国人的实际犯罪率达到 0.284%，是日本犯罪率的近一倍。 **但遗憾的是，这种计算方式显然不合理，很快就被人指出了数学错误：因为这种流行论调的分母部分用的是在日外国人，但分子部分却用的是在日外国人+访日外国人的犯罪总量。如果做正确计算，那么外国人的犯罪率仍低于日本人。**  看见正确核算结果之后，很多日本人又说，本地人犯罪比外国人多没什么了不起的，问题是外国人来日本犯罪才是问题。 你瞧，说到底还是一个保守国家闯入全球化后的文化焦虑和魔怔。而这种说法，在日本的历史语境中并不陌生。 **从对战后朝鲜人社群的刻板印象，到泡沫经济破灭后对中国、菲律宾劳工的污名，再到近年对技术实习生用之即弃的态度，外国人在日本历史中作为社会病灶的反复出现，说白了就是情绪替身。** 这种主流情绪，简单化了犯罪浪潮，也掩盖了日本社会更深层的结构问题。  **在简化的过程中，日本媒体起了非常不好的作用。** 日本学者船山和泉研究发现，媒体在报道同类犯罪的时候，如果是日本人犯罪，媒体不会强调其身份，但如果是外国人犯罪，国籍属性则会必然被强调。 同时，在报道日本人犯罪的时候，媒体也普遍喜欢把犯罪动机、心理动机作为信息要素进行展现，这种做法会在民众中造成外国人很危险的潜意识。 比这种突出性更有危害的，是利用标题歪曲事实。 在我记忆中最严重的事例，是很多媒体在去年8月转载一条消息，说是外国人在日犯下的重罪增加2000起，性犯罪增加5000起。 当时这一消息引发了日本民众的排外情绪，这一数字包含了日本人和外国人的全部犯罪数据。 **虽然后续有人不断做事实核查进行更正，但时至今日，这种数据仍在社交媒体上作为攻击外国人的武器。**  今天我们批评日本媒体在涉外犯罪上的报道，当然可以批评他们迎合受众，不够守正；也可以批评日本警方和新闻媒体为了维稳建立的“记者俱乐部制度”的合谋。 **但这是问题的核心吗？**  每个国家都有自己的民族神话。 **虽然这个词带着一股不靠谱的仙气，但它却是国家统治中最重要的精神支柱，是政权合法性的理由、是国家认同的根基也是国民行事逻辑的指南。** 按理说民族神话应当跟成熟国家的宪法一样，不能轻易更改。但日本的民族神话却有过一次明确的更迭。  明治维新以后，日本的民族神话围绕着“皇国日本”展开，它带着明显的种族主义味道：强调天皇万世一系、国运天命所归、民族独特优越。它表现在小学第一篇课文《日本好国》上，也体现在他们自居“解放者”身份的侵略战争上。 **随着第二次世界大战战败，裕仁发表《人间宣言》、日本新宪法颁布后，皇国日本的民族神话也就土崩瓦解了。**  明治时代的教科书 **失去认同，也就失去共识，但想要往前走，人性和集体总需要给自己一个理由相信自己很特别，于是安全，就成了日本新的神话。** 战后，迅速摆脱战败颓势，进入经济高速增长期，迈入发达国家门槛。再加上自民党对国内安全的有效控制，日本社会一直处在低犯罪率的情况下。 在上世纪70年代日本自信满满的时刻，他们抬头一瞧，现在日本跟穷国比自己富，跟富国比自己安全，这种观念上的田忌赛马，让他们自然而然地恢复了民族自信。  **与之相伴的，是学术的跟进与论证，试图强调日本今天的大好局面，是因为民族性造就的：比如1970年中根千枝写了本《タテ社会の人間関係》强调日本纵向式人际关系，使其与西方不同。还有1971年本土居健郎写的《甘えの構造》论证日本人性格的特殊。** 在这样的状况下，日本例外论就成了现代日本的民族神话，它的具体表现就是今天日本民众面对犯罪浪潮所采取的鸵鸟态度： 因为我们日本人特殊，所以日本安全，一旦不安全了，那一定不是日本人的错，是外来者的错。 **人们如此偏激，是因为安全——是日本民族尊严的最后护盾和神话，戳破它，他们就会受伤。** 这也是他们宁愿放着日本政府的官方网站明确数据不看，也要相信是外国人让日本崩坏的缘由。  就像明治到昭和日本拿外人的不堪，来证明自己的纯洁，从而来合理化侵略一样；日本的安全神话也要不断依靠“外人的存在”而维系。 这种思考方式就像是一个玻璃罩把人困于其中，攻击外界是一种洁癖。而困在的自己，必须要坚信外面足够坏，才能安慰自己现在足够好，这是意淫，也是祈祷——祈祷不是玻璃罩本身有问题。 **但现在，正是这种虚伪，让他们自食恶果。**  就在舆论在网络上把犯罪浪潮归罪于外国人的时候，越来越多的日本未成年人也在走向犯罪。 比如，东京都2024年未成年犯罪人数上涨22.4%，达到4101人。到了今年五月，日本全国已经出现了多起骇人听闻的未成年刑事案件： 5月9日，爱知县一16岁高中生杀死爷爷奶奶后报假警。 5月11日，千叶县一15岁学生在街上袭击84岁老人，后者伤重不治。 5月24日，山梨县一16岁高中生在家刺杀父亲后自首。 ... **成年犯罪尚可归于外人，未成年犯罪总归是无法逃避的问题了。**  5月11日中学生刀袭老人的新闻报道 今天在日本互联网上，除了抱怨外国人，就是抱怨Z世代了。 按照日本的平均结婚年龄估算，他们的父辈都受到了1991年泡沫经济崩盘、2008年全球金融危机的影响，是就业冰河期长大的一代。 **那是一个什么时代呢？是一亿总中流消亡的时代，是一个不成功就失败的年代。现代，父辈的失败也就被继承到了子女身上，对于中下层家庭的孩子而言，未来已从词典中消失。** 在这种情况下，让本就无望的新一代人再去面对当下的高物价、升学内卷与职业前景塌缩，这种悲剧的发生，就并不令人意外了。  而如今犯下血案的年轻人，大概率会进入这样的流程： 他们会先被警察交给家庭裁判所，裁判所根据具体情况来决定，是将少年犯送往少年院进行心理矫正再教育，还是实施逆送判处实刑。  但数据显示，送往少年院的少年犯，在一年内再犯的概率达到34.7%。 **有专家认为，心理创伤是重要原因，这跟失去30年的家庭代际贫穷有关——2020年的一项调查显示，37.9%的男性少年犯和60.9%的女性少年犯表示自己遭受虐待。**  但更真实的理由，可能藏在像专门支持少年院少机构的高崎大介的发言里： “他们在租房、签订手机合约、找工作、申请信用卡等各种生活所需的环节中，遇到重重障碍的情况并不少见。社会的疏离与歧视，会让他们陷入贫困状态，重新回到过去的交友圈，从而再次犯罪的风险也随之升高。” 他的发言让人联想起古代日本农村最严重的刑罚“むらはちぶ - 村八分”。它是对违背群体规范者的惩罚——把不符合群体标准的人进行孤立和排斥。 一些心理学家也认为，被社会孤立的边缘个体，可能以暴力行为作为“对社会的绝望性回应”，甚至将其视作“证明自我尚存”的方式。这一倾向并非源于传统意义的报复，而是对失语状态的悲鸣。 从当下日本未成年犯罪这个小切口观察，你会发现它与当下社会对外来者的排斥存在一种奇妙的呼应——本该正视的问题，或许不该是案件本身，而是日本社会自己本身结构问题和对冰河世代处境的漠视。  2022年报道，对“冰河时代”一代的支持骤减：一些项目仍有 80% 的预算未使用 **丸山真男在战后反思日本为何走向毁灭的时候，曾这样说道，明治维新虽然让日本人看上去成了现代国家，但国民内核没有主体性，没有独立的人格，也就不可能有健全的责任感。** 神国日本的民族神话塑造了金字塔形的社会结构，上层可以把责任不断摊派，但到了最底层，他们分摊压力的办法，只有两个：一个是下克上，另一个就是排外。 过去的战争都是别人的错，今天的犯罪也都是外来惹的祸。日本社会的“安全神话”也构建了一套精密的责任转嫁系统，这和战前的思路一脉相承：对外归咎于外部，对内归咎于不努力的人。 就在这样的思路下，排外情绪便自然映射到了更广阔的政治光谱之中。  今年日本政坛最被关注的政党，是山本太郎的令和新选组。 产经新闻与FNN在2月底进行的一项舆论调查显示，在30多岁人群的政党支持率中，自民党跌至第三位。排在第一的是国民民主党，第二位则是令和新选组，这一结果在社会上引发了震惊。 日本专家分析，支持他的选民，大多数是日本的就业冰河世代，大多收入较低。其消费税终止的说法，和对外来劳工侵犯本国工人利益的质疑，是其支持率上升的缘由。正因此，他也被称为日本特朗普。 **在政治观察家眼里，日本正在步入一个新的时代，经济政策的慷慨和移民政策是否迎合民众心理，是政选民决定支持哪个政党的重要标准。对于山本太郎这种政客来说，这是一件好事。但对于日本的财政健康和政治生态来说，迎合民粹，正在形成不祥的预兆。**  打水漂的石子激不起什么水花，就会归于沉寂，只有巨石入水，才会引发阵阵回响。 日本当下对于外人的恐惧，是失去30年的后遗症，是全球化必然的摩擦，也是第二个民族神话破灭的碎响。 这感觉，让我想起了特久之前看见的一句日语俳句，那话是这么说的： 破れ傘見捨てて歩く夕暮かな 我丢掉了破伞，走在黄昏中 [查看评论](https://m.cnbeta.com.tw/comment/1506760.htm)

据新华社援引印度媒体报道，近日，印度古吉拉特邦艾哈迈达巴德机场附近发生的坠机事故**遇难人数已升至274人，其中确认33名地面人员死亡**。目前印度政府已成立一个高级委员会，承诺将在3个月内公布事故调查报告。 据悉，此次坠毁的客机系波音787-8，也被称为“梦想客机”，**载有242人，起飞后近几年30秒时间就发生坠毁，机上仅一人幸存**。 而由于坠毁地点位于一医学院学生宿舍附近，因此不少地面人员受到波及，目前死亡人数仍在统计中。 印度航空监管机构表示，飞机起飞后几乎立即发出了求救信号，随后便失去联系。 这名飞行员最后的求救信息是**“没有推力，无法抬升”**，与已曝光的视频显示相符，航班的唯一幸存者称在飞机努力爬升时还听到了一声巨响。 值得注意的是，一位据称在印度出事客机坠毁前两个小时乘坐该飞机的印度男子分享视频，**表示飞机内部当时已经出现异常情况：空调、遥控器、灯光以及呼叫按钮已经全部罢工**。  [查看评论](https://m.cnbeta.com.tw/comment/1506758.htm)

<blockquote><p>对于企业而言，如何将前沿的AI技术与传统的B端系统（如企业资源计划ERP、客户关系管理CRM等）深度融合，实现数字化转型，是一个亟待解决的问题。本文将深入探讨AI智能应用与B端系统数字化建设的融合之道，从技术架构设计到核心场景落地，再到生态重构，为企业提供一套完整的实践指南，帮助企业在数字化转型的道路上迈出坚实的步伐。</p> </blockquote>  ## 当前AI智能助手的主要应用场景和特点： **主流AI智能助手类型** - 通用型助手：如ChatGPT、Google Gemini、Claude、微软Copilot，适用于问答、写作、编程、学习辅助等。 - 语音助手：如Siri（苹果）、你好小迪（比亚迪）、小爱同学（小米），通过语音交互控制设备、查询信息。 - 行业专用助手：如医疗诊断AI、法律咨询助手、金融分析工具。 **核心功能** - 自然语言处理（NLP）：理解并生成人类语言，支持多语言交互。 - 任务自动化：日程管理、邮件撰写、数据整理（如Notion AI、钉钉AI）。 - 个性化推荐：根据用户习惯推荐内容（如抖音短视频、淘宝购物的AI算法）。 - 多模态交互：结合文本、语音、图像（如GPT-4V可分析图片，MidJourney生成图像）。 **热门应用场景** - 办公效率：微软365 Copilot（自动生成PPT、Excel分析）、Zoom AI（会议摘要、实时翻译）。 - 教育/学习：Khanmigo（个性化数学辅导）、DeepL Write（英语语法修正）。 - 编程开发：GitHub Copilot（代码自动补全）、Replit AI（在线调试辅助）。 - 健康医疗：Ada Health（症状自查AI） 、AI影像诊断（如IBM Watson）。 **技术趋势** - 大模型小型化：如Meta的Llama 3可在手机端运行。 - 情感计算：识别用户情绪并调整回应（如Replika聊天机器人）。 - 边缘AI：本地化处理数据，提升隐私保护（如苹果的端侧AI）。 **挑战与争议** - 隐私问题：数据收集与使用的合规性（如GDPR）。 - 幻觉：AI生成错误信息（需人工核查）。 - 伦理风险：深度伪造、职业替代等。 **未来展望** - 更自然的交互：接近人类的对话体验（如OpenAI的Voice Engine）。 - AI Agent：自主完成复杂任务（如AutoGPT）。 - 垂直领域深化：教育、医疗、农业等专业化助手。 ## AI智能应用与B端系统数字化建设深度融合 ### 数字化办公的升级需求 传统企业OA系统虽已实现流程审批、文档管理等基础功能，但在数据价值挖掘、人机交互体验、业务场景适配等方面逐渐显露出局限性： - 信息孤岛难题：跨部门数据联动不足，流程审批依赖人工推动，效率低下。 - 决策支持薄弱：缺乏智能分析能力，难以从海量业务数据中提炼洞察。 - 交互体验滞后：操作界面固化，对高频重复任务（如报销审核、会议预约）缺乏自动化支持。 AI智能助手的引入，通过自然语言处理（NLP）、机器学习（ML）等技术，为OA系统注入“感知、分析、执行”能力，推动办公场景从“流程电子化”向“智能决策化”跃迁。 ### 核心融合场景与价值落地 **1）智能流程自动化（IPA）：重塑审批效率** 场景应用 - 报销审批：AI自动识别发票真伪、校验金额合规性，异常单据实时标记预警，减少人工核验时间。 - 合同审核：智能解析合同条款，对比范本库自动识别风险点（如违约金条款缺失、权责不对等），生成风险评估报告。 价值 审批流程平均耗时缩短，规则明确的标准化流程（如常规采购审批）可实现“机器人自动审批”，释放人力聚焦复杂决策。 **2）智能数据中枢：激活业务洞察力** 场景应用 动态报表生成：基于历史审批数据，AI自动预测各部门预算使用趋势、合同履约风险概率，以可视化图表辅助管理层决策。 知识图谱构建：整合OA系统内的制度文件、会议纪要、案例库，形成“业务知识图谱”，员工通过自然语言提问即可获取关联信息检索。 价值 数据利用率提升，跨部门协作时信息检索效率提升，新人培训周期缩短。 **3）智能交互助手：打造拟人化办公入口** 场景应用 语音/文字交互：员工可通过直接语音指令完成操作，如“XX,帮我预订周三下午3点D2106会议室”、“XX,帮我查询我的出差报销进度”。 主动服务推送：根据用户角色与行为习惯，智能推荐待办事项（如临近截止日期的流程审批）、个性化资讯（如行业政策解读）。 价值 高频操作效率提升，系统学习成本降低，尤其适配移动办公场景，减少员工对固定终端的依赖。 ### 从技术整合到场景深耕 **1）技术架构设计** 分层整合 - 底层能力层：对接业界AI平台大模型（如百度文心一言、阿里云通义千问），获取NLP、图像识别等基础能力；与OA系统数据库（如MySQL、Oracle）打通数据接口。 - 中间应用层：开发智能审批引擎、数据中台组件，封装“合同审核机器人”“费用报销机器人”等原子化服务。 - 前端交互层：在OA系统移动端/PC端嵌入智能助手入口，支持多模态交互（语音、文字、图形）。 **2）场景优先级规划** 第一阶段：高频标准化流程（报销、考勤） 实现80%常规审批自动化 （RPA机器人、规则引擎 ）。 第二阶段：知识密集型场景（合同审核）风险识别、字段抽取准确率达90%以上 （深度学习模型、法律知识图谱 ）。 第三阶段：战略决策支持（数据预测） 提供3-5个维度的业务趋势分析 （机器学习算法、动态可视化）。 **3）落地保障策略** 数据安全：采用私有化部署或混合云模式，敏感数据加密存储；建立AI模型训练数据合规审查机制。 用户培训：设计“智能助手使用手册”，通过案例教学降低员工对新技术的抵触心理。 迭代机制：设立“AI能力需求收集通道”，根据业务反馈持续优化模型（如新增特定行业的合同审查规则）。 ### 从工具融合到生态重构 AI与OA系统的结合不仅是功能叠加，更将推动企业办公生态的三大变革： 决策模式升级：从“经验驱动”转向“数据+AI驱动”，AI辅助生成多个决策方案并评估风险概率。 组织形态进化：标准化流程由AI接管后，人力向高价值岗位（如战略规划、复杂谈判）迁移，推动组织“轻流程、重创新”。 生态协同延伸：未来可打通OA系统与CRM（客户关系管理）、ERP（企业资源计划）等系统，形成“AI中枢+业务系统”的智能办公生态，实现跨系统数据自动流转（如客户合同审批通过后，AI自动触发ERP生成订单）。 ## 总结 AI智能应用与B端系统的融合，本质是通过技术赋能让“系统适应人”而非“人适应系统”。企业在推进过程中，需避免盲目追求技术前沿，应从高频痛点场景切入，以“效率提升→体验优化→决策升级”为路径，逐步构建符合自身业务特性的智能体系。当系统不仅能“处理事务”，更能“理解需求、预见问题、创造价值”时，企业数字化转型才算真正触达核心。 本文由 @Zero0304 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。

**腾讯在CVPR2025（计算机视觉领域顶会之一）上，宣布混元3D 2.1大模型对外开源，这是首个全链路开源的工业级3D生成大模型，达到了行业领先水平。**目前，混元3D模型在Hugging Face（知名的开源社区和技术平台）下载量已超过180万，开源效果受到全球开发者认可，混元3D 2.1模型进一步升级并继续开源。  混元3D 2.1模型从模型权重、训练代码，到数据处理流程上全链路开源。 **而且适配于消费级显卡，在个人电脑也能“跑”。**  **游戏里的角色、电影中的道具、线上商城的产品模型，都用新模型可以生成3D版。** 相较于混元3D 2.0模型，新模型既优化了几何生成的质量，也开放了PBR（基于物理的渲染）材质生成大模型，进一步提升3D资产的质感和光影表现，告别“塑料感”。  **还可生成基础颜色、金属度、法线、粗糙度等贴图，支持皮革、木质、金属、陶瓷等多种复杂材质的高质量渲染。** 相较传统RGB贴图技术，PBR技术通过模拟光线与材质的物理交互，提升模型在不同光照环境下的视觉一致性。  **在用户盲测中，混元3D 2.1模型的PBR纹理相较于RGB贴图，质感胜出率高达78%。** 这种物理真实性不仅满足电影、游戏等高要求渲染场景的需求，也为工业设计、虚拟仿真和数字孪生提供了可靠3D资产，不仅“好看”，而且工业级“好用”。  [查看评论](https://m.cnbeta.com.tw/comment/1506754.htm)

**上个月，深开鸿正式发布了开鸿Bot系列，分为开鸿BotBook笔记本、开鸿BotMini迷你机两款产品。**该系列面向开源鸿蒙开发者量身打造，搭载基于OpenHarmony深度定制的KaihongOS桌面操作系统，实现从国产高性能芯片到操作系统的全栈自主化，是一站式的开源鸿蒙学习与开发平台。 据深开鸿官方介绍，**今日，开鸿Bot系列迎来首次版本升级发布——4.1.2.76.009版本(本次升级仅面向开鸿BotBook)。**  本次更新将开鸿Bot整体视觉风格进行了优化升级，将UI界面优化作为重点，系统应用图标经过精心设计，全面更新。 新图标在保留原有功能辨识度的基础上，采用了更简洁、现代的设计风格，色彩搭配更加协调，图标线条更加流畅，使整个系统界面更加美观统一。  新版本  旧版本 此外，交互细节进一步打磨，弹窗布局、按钮响应及菜单逻辑均得到优化，操作体验更加流畅自然；图片编辑应用新增智能加载提示，大幅提升大图处理效率；本地AI对话弹窗调整至更符合用户习惯的位置，交互更高效。 在功能交互方面，4.1.2.76.009版本还让文件管理更智能，并且升级了音频体验和系统效能。  **据悉，开鸿BotBook在5月24日开售，定价6999元起，预装KaihongOS桌面版操作系统，基于OpenHarmony深度定制，从芯片到操作系统全链条自主可控。** **兼容Android和Linux应用，可以与HarmonyOS设备互联互通，满足多样化办公需求。** 硬件方面采用14英寸IPS高清显示屏，搭载高性能国产八核CPU RK3588，主频高达2.4GHz，显卡是Mali-G610(四核GPU)。 [查看评论](https://m.cnbeta.com.tw/comment/1506752.htm)

6月13日，江苏扬州。吾悦广场泡泡玛特自动贩卖机旁一行6人为抢泡泡玛特labubu殴打一名还在排队的顾客。同日，目击者汤女士告诉记者，当时商场尚未开门，有一行人三男三女从吾悦广场的员工通道进入商场。早上10时整，刚进入商场就已经看到他们在泡泡玛特机前排队，其中两名女子在操作机器，男子就在旁边等。他们一直霸占机器狂买labubu，挡住二维码不让在后面排队的顾客扫码购买。   排在后面的小伙子对他们六人说，排队一人买一个，随后就发生了冲突。六人组中的几名男子殴打了穿棒球服的男生（即排在他们后面的小伙子），而且打得挺狠。身着白色黑桃A上衣的光头男子锁住了男生的喉部，对其左右开弓扇耳光，打了五六个耳光，声音非常响，被打男孩的脸颊两侧及脖子直接变紫了。报警后，警察把涉事双方所有人都带走了。  汤女士表示，六人组看着不像是喜欢购买泡泡玛特的人，估摸着应该是黄牛。 辖区警方竹西派出所工作人员告诉记者，此事已经出警。  吾悦广场工作人员告诉记者，商场没有专门的员工通道，他们可能是从地下停车场坐直梯进入商场。工作人员表示，商场会采取相应措施，因为这件事情确实产生了一些影响。“泡泡玛特的机器线路有点问题，商家正在排线，预计明天可以修好。” **律师：或违反这些法规** 针对泡泡玛特盲盒出现的“黄牛抢购甚至引起打架”乱象，黄牛需承担哪些责任？生产经营企业是否需要担责？ 陕西恒达律师事务所高级合伙人赵良善律师对记者表示，在泡泡玛特盲盒抢购引发的打架事件中，涉及企业与消费者、黄牛之间，以及消费者与黄牛之间的法律关系，相关主体需承担不同的法律责任。首先，企业与消费者之间均存在买卖合同关系。企业有责任维护正常销售秩序，保障消费者安全购物环境。若企业未采取合理措施防范此类冲突发生，如在明知黄牛常哄抢情况下未安排足够安保，可能因未尽到安全保障义务，面临消费者就人身伤害或财产损失提出侵权损害赔偿的诉求。其次，企业对其盲盒产品享有知识产权，若黄牛存在换盒、售假等行为，企业可追究其侵权责任。 赵良善认为，黄牛若通过正常购买途径批量囤货再高价转售，虽不构成明显侵权，但可能违反反不正当竞争法，扰乱市场秩序。若为抢购盲盒采用哄抢、殴打劝阻者等暴力手段，根据《治安管理处罚法》规定，可能面临拘留、罚款等处罚；情节严重构成犯罪的，依据《刑法》规定，可能构成故意伤害罪、寻衅滋事罪等，需承担刑事责任。 赵良善表示，若消费者为抢购盲盒参与打架，或者互殴，同样可能面临治安管理处罚法的处罚。若消费者不慎从经营者或黄牛处购买到假冒盲盒或遭遇欺诈等情况，可依据《消费者权益保护法》等相关法律法规，要求经营者或黄牛承担退货退款、赔偿损失等责任。 广东国鼎律师事务所高级合伙人廖建勋律师表示，在抢购泡泡玛特盲盒时，若黄牛霸机殴打消费者，该行为涉嫌违法甚至犯罪。一般情况下，这类故意伤害或者恐吓他人的行为违反了《治安管理处罚法》第四十三条的规定，公安机关可以对行为人进行行政处罚，如拘留和罚款；如果导致他人构成轻伤以上（含轻伤）后果的，则行为人涉嫌构成故意伤害罪，需要承担相应的刑事责任。作为消费者，因在商场消费的过程中受到的伤害，可以要求实施伤害的人承担侵权责任，也可以依据《民法典》第1198条的规定，要求商场承担未尽安全保障义务的侵权责任。 廖建勋还表示，作为盲盒的经营者，首先要尽到最基本的安全保障义务，保障每一位消费者的人身和财产安全；其次，经营者还要有合理的措施杜绝或减少黄牛霸机抢购商品的行为，以免对其他消费者造成不公平对待。 [查看评论](https://m.cnbeta.com.tw/comment/1506750.htm)

有消息显示，代表美国总统特朗普管理商标的实体DTTM Operations已经申请使用他的名字以及“T1”一词来提供电信服务。公开数据库显示，这些商标申请在周四提交给了美国专利商标局，涵盖了手机、手机壳、电池充电器和无线电话服务，甚至还可能包括零售店。  对此，美国一位资深专业律师公开发文表示“虽然商标申请并不意味着一定会推出相关产品，但申请材料的详尽程度表明它已经过了慎重考虑。” 同时他还指出，这些商标申请表明，特朗普可能正在筹划推出特朗普品牌的手机或通信服务，与Verizon通信 、AT&amp;T和T-Mobile美国展开竞争。 上述人士认为“这将标志着特朗普私人商业版图的一次重大扩张，他的生意历来集中于房地产、酒店业和品牌商品领域。” 值得注意的是，在今年3月初，根据一份商标申请显示，特朗普家族商业帝国还准备搞VR元宇宙了，也曾引起广泛关注。 特朗普家族在申请中描述的潜在用途包括： 1、用于在线世界的虚拟物品，如服装、鞋类、手袋、珠宝、食品和饮料; 2、用户可以在游戏中将数字代币兑换成加密货币和收藏品; 3、模拟豪华轿车出行和餐厅服务; 4、酒店和房地产管理领域的虚拟培训服务。 [查看评论](https://m.cnbeta.com.tw/comment/1506740.htm)

路透社报道，据五位知情人士透露，在竞争对手Meta宣布将收购AI数据标注初创公司Scale AI 49%股份后，作为最大客户的Google计划与Scale终止合作。一位消息人士称，Google原计划今年向Scale支付约2亿美元，用于采购对研发先进AI技术至关重要的人工标注数据，这些数据将被用于Gemini等AI模型的训练，而Gemini正是Google对标ChatGPT的产品。 [](https://n.sinaimg.cn/tech/transform/116/w550h366/20250614/3c34-a1fa234cf4a4d970dd476fd20fe01680.webp) 消息人士表示，本周Google已经与多家Scale的竞争对手进行了接洽，准备将大部分数据标注业务转向其他供应商。 Meta此次大规模入股，使Scale估值升至290亿美元，而此前其估值为140亿美元。与此同时，Scale也因此面临失去重要客户的风险。 随着首席执行官汪韬（Alexandr Wang）及部分员工加入Meta，Scale AI计划继续保持公司运营。由于其核心业务高度依赖少数大客户，一旦失去Google等关键客户，影响将非常严重。 Scale AI发言人在声明中表示，公司与众多大型企业及政府合作，业务依然强劲，并承诺将保护客户数据。但公司拒绝就与Google的具体合作细节作出回应。 消息人士透露，Scale AI在2024年实现了8.7亿美元营收，而Google去年在其服务上的支出约为1.5亿美元。 包括微软（Microsoft）在内的其他大型科技公司也在减少与Scale的合作。消息人士称，埃隆·马斯克（Elon Musk）的xAI也计划终止合作。另有知情人士表示，OpenAI数月前已开始削减与Scale的合作，尽管其在Scale上的投入远低于Google。OpenAI首席财务官周五表示，公司将继续与Scale AI合作，并视其为众多数据供应商之一。 五位知情人士指出，与Meta存在竞争关系的公司担忧，在前沿AI模型研发上与Scale的合作，可能让自家研发重点和技术路线暴露于竞争方。客户与Scale合作时，往往需要提供专有数据和原型产品，由Scale员工进行标注。Meta成为大股东后，相关公司担心自身的商业战略和技术蓝图会被主要对手获悉。 Google、微软和OpenAI均拒绝置评。xAI未回应置评请求。 Scale AI的主要收入来自为生成式AI模型开发者提供数据标注服务。其人类标注员团队涵盖历史学家、科学家，甚至部分拥有博士学位，能够对复杂数据集进行标注，这些数据用于AI模型的“后训练”。随着AI能力提升，对高质量人工标注的需求飙升，单条标注费用最高可达100美元。 消息人士称，Scale还为自动驾驶公司和美国政府等企业客户提供数据标注服务，这部分业务预计将继续，但公司最主要的盈利仍依赖生成式AI模型厂商。 三位消息人士透露，Google早在一年多前就已着手多元化数据服务供应商。但Meta的最新举动使Google决定在所有核心合同中全面停止与Scale的合作。两位消息人士表示，由于数据标注合同的结构，这一转变可能会很快完成。 这将为Scale的竞争对手提供机遇。 Turing公司首席执行官乔纳森·西达尔斯（Jonathan Siddharth）表示：“Meta与Scale的交易是行业的分水岭。领先的AI实验室开始意识到，中立性已非可选，而是刚需。” 另一竞争对手Labelbox的首席执行官马努·沙尔马（Manu Sharma）表示，随着客户流向Labelbox，公司到年底前“可能新增数亿美元收入”。 专注于专家与博士网络的Handshake也迎来了来自Meta竞争对手AI实验室的大量新订单。Handshake首席执行官加勒特·洛德（Garrett Lord）称：“消息一出，我们的需求量瞬间增长了三倍。” Mercor公司首席执行官布伦丹·富迪（Brendan Foody）表示，许多AI实验室现在倾向于组建自有数据标注团队，以确保数据安全。Mercor不仅与Scale直接竞争，还开发了自动化招聘和评估系统，帮助AI实验室迅速扩充标注团队。 Scale AI成立于2016年，它提供的大规模标注或精选训练数据，对于开发像OpenAI的ChatGPT这类先进工具而言至关重要。 Meta与Scale的交易将为Accel、Index Ventures等投资方，以及公司现任和前任员工带来丰厚回报。 根据协议，Scale首席执行官汪韬将出任Meta AI业务高管，负责相关工作。 此前，Meta因今年4月发布的首批Llama 4大语言模型未达市场预期，正努力扭转外界对其在AI领域落后的印象。 [查看评论](https://m.cnbeta.com.tw/comment/1506728.htm)

最近，618大促正在火热开展，许多消费者都准备使用“国补”叠加平台优惠，购买心仪、实惠的商品。然而有消费者发现，江苏家电3C以旧换新补贴无法领取和使用。现代快报记者多方了解发现，江苏“国补”活动仍会持续到年底，只是目前线上线下都采取“限额分配”的方式，各线上平台正在升级各自的限额系统，将陆续重新上线。  6月13日，现代快报记者在京东APP尝试领取“国补”优惠券时发现，页面上显示当前地址无法享受补贴。而在淘宝的国家补贴页面中，点击“领取补贴”跳转到家电、3C数码等品类的补贴领取页面时，领取按钮显示为灰色，同样无法领取。而微信、云闪付等渠道的线下消费补贴资格申领正常。不过有消费者表示，虽然可以领到券，但“未必能去线下抵扣成功”。  线上补贴无法申领？那线下“国补”还能正常领取使用吗？“昨天耳机丢了，今天打算再买一个，本来还想蹭个‘国补’省点钱，结果都用不了。”近日，市民李女士在某3C卖场转了一圈，发现所有品牌都用不了“国补”。对于此种情况，某品牌销售人员告诉记者：“‘国补’太紧张了，现在我们这边每天的补贴额度有限。”记者进一步咨询“后面是否会有新一轮的大范围‘国补’”，对方则表示不清楚，具体还是要等通知，目前，他们已经不主动向顾客介绍“国补”优惠。 随后，记者来到南京某大型家电综合卖场咨询“国补”的使用情况。店内某家电品牌销售人员解释，6月1日起，江苏地区“国补”已经采用“限额”的管理形式。如果想要使用补贴，可以先来登记并排队，然后等待他们在相关平台上“抢”补贴额度，“抢”到后再通知消费者对订单进行付款使用，目前大约需要排队2周。 商务部数据显示，截至5月31日，2025年消费品以旧换新5大品类合计带动销售额1.1万亿元，发放直达消费者的补贴约1.75亿份，成为消费回升的重要动力。而正是由于活动过于火爆、资金消耗速度远超预期，除江苏以外，重庆、湖北、广东多地均出现“国补”短期无法申领的情况。  江苏“国补”何时回归？现代快报记者拨打了“国补”详情页面上的咨询电话，对方表示，“国补”将持续到年底，目前线上线下都采取“限额分配”的方式。线上平台正在升级各自的限额系统，预计本周内拼多多、抖音、苏宁易购可以重新上线，京东和淘宝可能会再晚一点。 [查看评论](https://m.cnbeta.com.tw/comment/1506726.htm)

UK Trade Secretary earlier this week said U.S. was expected to slash its tariffs on British cars &#34;very soon&#34; after &#34;a very significant week&#34; of talks.

据TechCrunch报道，在2025年苹果全球开发者大会（WWDC 2025）上，苹果公司宣布了十多年来最为重大的软件设计变革——液态玻璃（Liquid Glass）。这一全新视觉设计也让外界得以一窥苹果传闻中即将发布的AR眼镜，有报道称该产品将于明年亮相。 用户之所以将液态玻璃与可能推出的AR眼镜联系在一起，是因为这一新设计明显借鉴了苹果Vision Pro虚拟现实（VR）头显的视觉风格。  液态玻璃的命名理念在于，将手机上的每一个窗口都视作一块玻璃：既透明又带有一定反光效果。这样的设计让屏幕显得更加简洁流畅。不过，在开发者测试版中，苹果在控制透明度方面仍有待完善。 Vision Pro在商业上并未取得太大成功，因其售价高达3500美元，而且与电脑不同，它并未成为人们生活中的必需品。但Vision Pro的用户体验设计依然令人称道，它让佩戴头显的体验不再那么令人迷失和不适。 长时间沉浸于虚拟现实环境会令人感到不自然，因此苹果充分利用其混合现实技术优势，将应用窗口叠加在用户的真实世界环境之上，而非单纯使用虚拟背景。 苹果或许无法说服用户去购买一台3500美元的头显，但为了追赶Meta的Ray-Ban智能眼镜以及Google对智能眼镜的再度尝试，苹果需要进入这一更轻便硬件的赛道。苹果一贯以优雅、现代的设计著称（“刘海”除外），这既是它作为公司的一大优势，也是其区别于Meta和Google的关键所在。 据彭博社记者马克·古尔曼（Mark Gurman）报道，这款眼镜将配备摄像头、麦克风和扬声器，配置与其竞争对手类似。本身尚待升级的Siri也将内置其中，支持接听电话、播放音乐、实时翻译和导航指引等功能。用户还能在显示界面上看到通知、照片和其他信息叠加。 如果情况属实，苹果就必须精通这种半透明设计风格的运用。毕竟，如果用户佩戴AR眼镜收到通知，肯定希望它能够自然地融入周围环境，而不是在行走时突然弹出一个艳丽的大方框遮挡视线。 目前关于传闻中的苹果AR眼镜，外界知之甚少。但可以预见，液态玻璃极有可能会应用其中。 [查看评论](https://m.cnbeta.com.tw/comment/1506724.htm)

中东成为中国快递物流企业眼中的“香饽饽”。近日，小红书上有ID为沙特的网友爆料引发关注，该网友称在利雅得街头看到身着京东快递服装的快递员正在配送快递。在与这位快递小哥交流后得知，目前京东物流在中东地区已组建起上千人的团队。  针对这一情况，京东方面对《科创板日报》记者表示，“目前不予评论，有进一步消息将第一时间分享。” DHL集团则于6月11日宣布其计划在中东地区投资超5亿欧元，战略重点将聚焦沙特阿拉伯与阿联酋等快速发展的海湾市场。 有物流行业专业人士向《科创板日报》记者分析指出，中东地区凭借其年轻化的人口结构、高智能手机普及率以及政府对数字经济的支持，正成为全球电商与物流企业竞相布局的新兴市场。 **京东物流加速国际化** 虽然官方未给出明确回应，但从种种迹象来看，京东物流在中东的布局正稳步推进。 《科创板日报》记者注意到，京东集团旗下基础设施建设与管理子集团京东产发日前宣布，其位于阿联酋迪拜杰贝阿里自由区的首个中东物流基础设施项目已完成交割。交割完成后，该项目将由京东物流全权接管运营，并立即启动智能仓储设备的升级改造工程。 显然，京东物流在为公司在中东地区的扩张铺路。对智能仓储设备的升级改造，往往是为了提升物流运作效率，搭建当地的客户服务体系。 在中东地区布局前，京东在墨西哥、韩国的布局就是以物流为切口。在墨西哥首都墨西哥城拥有一座占地面积超过4万平方米的海外仓，这座海外仓不仅服务于墨西哥本土企业和消费者，未来也是构建南美洲供应链物流体系的基础。 至于韩国，《科创板日报》记者注意到，最近京东物流分别在韩国仁川和利川开设了两座自营海外仓，主要服务来自海外的当地客户，比如韩国知名宠物食品电商Pet Friends。目前，加上这两座海外仓，京东物流在韩国本土的订单，超过60%都能实现1日送达。 东南亚地区也是京东物流海外布局的重点区域。《科创板日报》从相关人士处获悉，今年上半年，京东物流计划在马来西亚、越南开设三座新海外仓，同时再开通两条中国至东南亚的国际航线，继续扩大京东国际快递在东南亚的覆盖范围。目前，京东物流在东南亚提供的服务已经较为全面，涵盖服饰、3C家电、生鲜等各大品类。 “出海湃”创始人周范才接受《科创板日报》记者表示，京东尝试出海多年，但由于战略的摇摆不定导致集团层面对于投入的不够，使得其海外业务一度停摆。模式也从一开始的B to C 转变为B to B。 早在去年，京东的快递服务已覆盖全球20多个国家。在包括韩国、越南、柬埔寨、泰国、新加坡、马来西亚、澳大利亚等国为海外包邮区，并设立独立服务站点。今年4月，京东方面也向记者透露，已在伦敦地区测试运营欧洲线上零售品牌Joybuy。 显然，京东往往会在强化物流出海优势的基础上，再发力海外电商业务。 根据京东物流最新业绩报告，今年一季度，京东物流海外业务在中东市场与中国某高端新能源汽车品牌达成合作，成为其在中东市场首个物流服务商；与中国某知名汽车品牌合作启动中东汽车备件中心，服务覆盖中东、北非市场；在欧洲地区已布局20个海外仓。 在周范才看来，京东出海并非单纯聚焦电商业务，供应链与物流能力才是其重要基础，此次在沙特的动作，极有可能在为电商、供应链等业务的布局铺路。 **快递物流“掘金”中东市场** 《科创板日报》记者注意到，除京东物流，极兔速递、顺丰、菜鸟等多家快递物流均在中东地区“淘金”。 早在2021 年，极兔开始布局中东市场，2022 年 1 月正式启动位于沙特阿拉伯和阿联酋两国的快递网络运营，分别在两国建立了全国性的自有配送网络和本地化的仓储系统，覆盖当地全部省区。 据极兔财报显示，极兔2024年新市场收入达到5.8亿美元，同比增长76.1%。其中沙特阿拉伯、阿联酋等国经调整EBIT亏损为7646.5万美元，较2023年亏损1.1亿美元大幅收窄。 极兔速递中东副总裁江俊日前表示，东南亚也已经非常“卷”了，中东、拉美正成为寻求国际化企业关注的焦点地区。 江俊认为，沙特市场尤为关键，极兔在中东的目标市场主要是以沙特和阿联酋为核心，其中，阿联酋相对已经较为现代化、国际化，沙特面积更大、人口更多，且在逐步开放过程中，机会更多，对区域的辐射影响也更大。 菜鸟方面，近两年将业务的重心向物流、国际业务倾斜。在中东地区，目前已经在迪拜建立了菜鸟全球六大e-Hub的核心节点，通过搭建物流枢纽布局中东市场。 菜鸟副总裁、物流科技事业部总经理毕江华接受《科创板日报》记者时透露，菜鸟物流科技部门会持续在海外投入，包括针对海外市场进行研发，同时部署海外团队，增强海外交付能力，已经在海外设立了美洲、欧洲、亚太和中东非四个大区，预计全年海外的销售增速将超过国内。 不同于京东物流、极兔速递等，顺丰则以合资建公司的方式入局中东。早在2022年，顺丰国际与沙特阿拉伯阿吉兰兄弟控股集团在沙特利雅得合资创办的AJEX埃捷国际物流投入运营，在阿联酋迪拜等近端市场，顺丰也设立了分支机构和自营网点。 快递物流专家赵小敏表示，中东市场的高增长潜力与政策红利为物流企业提供了广阔空间，但进军中东市场的国内物流企业尚未形成规模效应，复杂的地缘环境、文化差异和基础设施短板仍是主要挑战。 赵小敏认为，国内的物流企业需通过本地化深耕、技术驱动和生态协同，构建差异化竞争力，方能在中东市场落地生根。 [查看评论](https://m.cnbeta.com.tw/comment/1506722.htm)

据彭博社报道，据知情人士透露，**美国司法部反垄断执法人员正在审查谷歌以320亿美元(约合2295亿元人民币)收购网络安全公司Wiz的计划**，以确定该交易是否会非法限制市场竞争。 [](https://static.cnbetacdn.com/article/2024/0715/9986636f1fccd86.webp) 知情人士透露，自从谷歌在3月份宣布收购Wiz以来，负责调查该交易的美国司法部反垄断部门的官员一直在审查谷歌收购计划的整体框架。 此类审查包括与并购双方、竞争对手以及客户的沟通。 目前，这一审查仍处于早期阶段，可能还将持续数月，最终将决定美国监管机构是否允许这笔交易继续推进。 尽管全面的反垄断合并审查在每年宣布的交易数量中所占比例相对较低，但有迹象表明，**谷歌和Wiz已为潜在的监管审查做好准备**。据彭博社此前报道，谷歌同意在交易未能完成的情况下向Wiz支付约32亿美元的“分手费”，约占交易总额的10%。 谷歌已成为美国反垄断监管机构的重点关注对象。过去一年，谷歌被联邦法院裁定在网络搜索和部分广告技术市场上构成非法垄断。在这两项裁决之后，谷歌可能面临被强制拆分其部分核心业务的风险，包括Chrome网络浏览器以及用于投放展示广告的某些广告工具。 截至发稿，谷歌和美国司法部不予置评。Wiz尚未回应置评请求。 [查看评论](https://m.cnbeta.com.tw/comment/1506720.htm)

中国企业大唐移动在德国起诉小米4G专利侵权，这引起了外界的关注。慕尼黑地方法院的一名发言人证实，大唐移动在德国法院对小米发起了三项专利诉讼。此次涉及的专利均为LTE/4G技术，分别是：EP2237607（用于实现小区切换的方法和装置），EP3713313（上行功率控制方法，以及移动通信终端）；EP2315369（自适应调制和编码的方法和装置）。 [](https://static.cnbetacdn.com/thumb/article/2020/0607/65d0df496015802.jpg) 对于这样的起诉，不少行业专家表示不解，两家中国公司之间的专利纠纷，却选择在域外司法管辖区提起诉讼，不利于我国提升知识产权全球治理话语权。从过往情况来看，这样的专利纠纷完全可以在中国司法体系下协商/诉讼解决。 “通讯企业之间展开专利诉讼属于行业常态，从2G、3G、4G到5G，许多通信厂商都积累了大量必要专利，智能手机终端很难绕开，协商谈判不一致的情况下，往往通过诉讼解决。但是通讯企业之间几乎都有一个默契，就是两个相同国家的企业专利纠纷，应该优先通过本国司法体系解决，而不是优先通过域外司法辖区解决。” 在业内人士看来，在当前全球大背景下，中国公司更应该抱团取暖，而不是自相残杀。 相关专家更是直言，小米OV是目前国内成功出海的代表企业，大唐移动作为一家中国公司，在海外通过4G专利起诉中国品牌的形式不值得提倡，双方更应该回到谈判桌前进行沟通达成共赢，或通过商议在国内的司法或行政体系中找到合适的解决方案来保证双方的利益。 [查看评论](https://m.cnbeta.com.tw/comment/1506718.htm)

近日，贾跃亭对国内车圈的炮轰上了热搜，其怒斥的国内车圈三大毒瘤受到了不少网友的点赞。FF创始人贾跃亭在一次公开演讲中怒斥当前国内车企乱象，直指行业“抄袭、投放、吹牛式营销”三大毒瘤。他表示，车企若想在全球淘汰赛中活下来，必须停止“自嗨式内卷”，回归价值创造。 [](https://static.cnbetacdn.com/article/2025/0603/d9e7c75f27c8c8a.webp) “别再卷价格，卷原创力！美国市场的成功，才是真正的成功。”贾跃亭说道。 针对国内车企内卷价格一事，之前工信部、《人民日报》等都公开发声，应该停止这样的行为，让企业更大的去卷产品价值等行为，而不是单纯的为了价格战而价格战。 此外，针对国内车圈的乌烟瘴气，专家直言，一大批所谓的“车评人”和“汽车博主”，技术水平参差不齐，部分博主缺乏汽车行业背景，缺乏真正的工程知识，导致解读片面甚至错误。 行业专家也是呼吁今天的中国车企，尤其是在新能源领域，已“卷”出世界领先的竞争力，理应拥有匹配其水平的舆论环境。不能因为一些缺乏职业操守的“车评人”，而损害整个行业的声誉。 [查看评论](https://m.cnbeta.com.tw/comment/1506716.htm)

当地时间6月13日，知情人士发布消息称，本月早些时候，美国白宫指示国防部和国家航空航天局（NASA）搜集SpaceX数十亿美元合同的详细信息，此举是在美国总统特朗普与马斯克公开爆发矛盾后采取的举措。 [](https://static.cnbetacdn.com/article/2025/0613/8e3ede6d7fa0f9e.webp) 知情人士表示，作为可能对马斯克及其公司采取报复措施的准备，政府已下令相关机构仔细审查其合同，进而引发了一项持续审查。 目前尚不清楚白宫是否计划取消SpaceX现有的，总额约为220亿美元的联邦合同。但这一审查显示，特朗普政府正在兑现他上周与马斯克争执时发出的威胁言论，即可能终止与马斯克企业的商业往来与补贴支持。  白宫发言人在发给路透社的邮件中未正面回应有关马斯克企业的问题，仅表示：“特朗普政府致力于对所有投标和合同进行严格审查。” [查看评论](https://m.cnbeta.com.tw/comment/1506714.htm)

随着埃隆·马斯克将6月22日暂定为特斯拉在美国得克萨斯州奥斯汀试点机器人出租车服务（Robotaxi）的启动日期，抗议者正在表达他们的反对意见。**公共安全倡导者和政治抗议者对马斯克与特朗普政府的合作感到不满，**他们于美东时间周四在奥斯汀市中心联合起来，表达了对机器人出租车启动的担忧。  “黎明计划”（Dawn Project）、“特斯拉拆解”（Tesla Takedown）和“抵抗奥斯汀”（Resist Austin）的成员表示，特斯拉的部分自动驾驶系统存在安全问题。 在美国，特斯拉出售的汽车标配Autopilot套件，或提供高级完全自动驾驶选项（FSD）。根据美国国家公路交通安全管理局跟踪的数据，配备这些系统（包括自动车道保持、转向和停车等功能）的汽车已涉及数百起碰撞事故，包括数十起死亡事故。 特斯拉的机器人出租车是该公司受欢迎的Model Y车型的新版本，配备了未来发布的特斯拉FSD软件。马斯克本周早些时候在X上的一段视频中展示了这些机器人出租车。那种“无监督”的FSD或机器人出租车技术尚未向公众开放。 自称是一家技术安全与保障教育企业的“黎明计划”的特斯拉批评者，带来了一辆装有较新版本FSD软件（13.2.9版本）的Model Y，向奥斯汀居民展示其工作原理。 在周四的演示中，他们展示了一辆启用FSD的特斯拉如何快速驶过一辆伸出停车标志的校车，并碾过他们放在车辆前方的一个儿童大小的人体模型。 “黎明计划”首席执行官丹·奥多德（Dan O’Dowd）还经营着绿山软件（Green Hills Software），该公司向特斯拉的竞争对手出售技术，包括福特和丰田。 **参加演示的斯蒂芬妮·戈麦斯（Stephanie Gomez）表示，她不喜欢马斯克在政府中扮演的角色。此外，她表示，她对特斯拉的安全标准没有信心，并表示该公司在机器人出租车的工作原理方面缺乏透明度。** **另一位抗议者西尔维娅·雷维利斯（Silvia Revelis）表示，她也反对马斯克的政治活动，但安全是最大的担忧。** “公民无法获得安全测试结果，”她说，“马斯克认为自己凌驾于法律之上。” 特斯拉没有立即回应置评请求。 [查看评论](https://m.cnbeta.com.tw/comment/1506712.htm)

本周关于开源网盘应用 Alist 被卖引起诸多关注，此前国内开源软件行业已经出现过类似案例，并且新接手的买家利用软件庞大的用户群从事灰黑产行业。目前 Alist 买家贵州不够科技也被传出疑似从事境外灰黑产行业但还没有确凿证据，更多用户担心 Alist 被收购后可能会出现供应链投毒等问题，这可能会严重影响数据安全。 基于这些问题目前部分网盘已经直接撤销 Alist 的访问接口授权，其中 123 网盘已经发布官方消息撤销 Alist API 授权，另阿里云盘和 115 网盘似乎也撤销授权但不清楚是官方行为还是 Alist 主动申请撤销的。  所以继续使用 Alist 项目的用户暂时已经无法连接到 123 网盘、阿里云盘和 115 网盘获取数据，估计这些网盘也担心 Alist 供应链投毒导致用户的数据泄露，这可能会造成严重的声誉问题。 此前使用 Alist 挂载阿里云盘、115 网盘的用户可以登录网盘检查授权，如果授权已经被自动撤销则说明确实是官方行为，如果没有撤销用户也可以考虑手动撤销授权提高安全性。 **阿里云盘撤销授权方法：** 登录阿里云盘移动客户端、点击我的、三方应用、授权管理，这里可以看到目前已经授权的所有账号，点击各个服务可以查看授权时间、授权范围以及解除授权。 [查看评论](https://m.cnbeta.com.tw/comment/1506708.htm)

<blockquote><p>知识管理不仅是对文档和信息的简单整理，更是将零散的知识转化为团队生产力的关键。本文将深入探讨知识管理的本质，剖析其在产品团队中的重要性，并提供一套系统化的知识管理框架和实践指南，帮助产品经理构建高效的知识管理体系，提升团队协作效率，推动业务增长。</p> </blockquote>  产品经理的日常工作可谓鸡飞狗跳。开发同学反复询问需求细节，运营找不到最新的埋点说明，组里新来的实习生在历史文档中摸不着方向，老人犯过的错倒是一踩一个准…… 这些让人抓头发的问题，本质上缘于知识管理失效。 对于依赖快速决策和经验复用的产品团队来说，知识不是海绵里的水，而是厨房里琳琅满目的食材——种类多、易散落，没规划好就会手忙脚乱。但只要构建起科学的知识管理体系，就能把零散的需求、经验和数据整合成为驱动业务增长的知识引擎。今天我们就来聊聊，如何做好知识管理，把你的团队拉回高效协作的正轨上来。 ## 一、知识管理的本质：从数据到经验的价值转化 简单来说，**知识管理就是对团队知识资产的系统化运营**。这里的“知识资产”不仅包括已经写好的需求文档、成型的技术方案，还包括平时的会议结论、客户反馈，甚至是老员工脑子里的经验技巧。它的核心是通过知识采集→知识组织→知识共享→知识迭代，一步步把碎片化信息转变成复用、能增值的经验。 **举个栗子：** - **知识管理前：**客服反馈“某用户觉得筛选功能不好用”。显然，这是一条碎片化信息。 - **知识管理后**：这条反馈会被拆解为“用户痛点”-“筛选功能操作复杂”-“影响转化率”的结构化知识，并关联到产品需求池。 ## 二、高效知识管理的核心框架 好的知识管理不是建个仓库就完事，关键在于如何让知识真正用起来、发展起来。对此我们可以围绕**采集、流动、迭代**这三个核心环节，搭配合适的工具来构建高效的知识管理体系。 ### 1. 知识采集：编织全覆盖的信息捕捉网络 **1）全渠道数据捕获** 为了不让信息散落在各处，我们需要打通各类协作工具，如飞书、企微；业务系统，如 CRM、Jira，和外部资源，包括行业报告、社区等。这里可以通过 API 对接实现结构化数据的自动同步，再利用剪藏工具和语音转写技术搞定非结构化数据，确保产品从需求萌发到最终落地的全链路信息都能够被有效捕捉和沉淀。印象笔记的剪藏功能，就能方便快捷地收集网页、文档等各类信息，为知识采集提供有力支持。 **2）深度结构化处理** 一开始采集的信息往往是零散的，需要深度加工。引入NLP技术解析碎片化信息，比如将客服对话提炼成标准化的用户画像、痛点描述、功能建议，或是给行业报告打上 “竞品策略” 、 “技术亮点”、“风险提示” 这些结构化标签。通过语义分析识别和合并重复内容，避免知识冗余。例如我们可以将不同文档里关于 “用户隐私设置” 相关内容聚类，形成包含需求文档、技术方案、测试用例的知识集合。 **3）资产化分类管理** 知识要像资产一样管理，通俗点来说，就是知识就是金钱。我们可以按照业务场景构建知识分类体系，如 “产品设计” 下设 “交互规范”、“需求模板”、“竞品库”；“开发协作” 包含 “接口文档”“埋点说明”“技术方案库”。并且为每个知识单元标注关键属性，比如业务关联度、更新频率、访问权限等等，从而打造一个清晰、好找、可复用的知识资产目录。 ### 2. 知识流动：让知识在正确的时间抵达正确的场景 **1）构建知识图谱** 知识不是孤岛。我们以产品功能为核心节点，沿着需求、设计、开发、运营的业务链建立知识关联。举个例子，在支付模块这个节点下，我们可以串联起它的需求文档、UI设计稿、接口文档、客诉分析报告、迭代记录，这样就形成了包含为什么做、怎么做、效果如何的完整知识链路。员工可以顺着这张图快速找到所有相关信息，避免在文档堆里大海捞针。 **2）智能推荐系统** 等员工来搜需要的文档，效率还是太低了。为了让知识检索更具边界，可以基于员工角色（产品/开发/运营）、当前任务（需求评审/版本规划/用户调研）和历史行为，打造个性化的推荐引擎。当产品经理撰写新功能PRD时，系统自动推送同类功能的历史方案、用户痛点标签、开发资源文档等，当开发人员在排查bug时，系统又能自动同步相关接口变更记录和测试用例，将人找知识转化为知识找人。 **3）场景化嵌入** 知识获取不是割裂在工作之外的，而是要融入工作流，对此可以在员工日常使用的协作工具中深度集成知识模块。比如飞书讨论群提及用户留存率时，自动弹出历史运营方案和数据看板；Jira创建需求时，智能联想相似需求的评审意见和风险预案；Figma设计界面嵌入交互规范库快捷入口，确保知识获取与业务操作无缝衔接。 ### 3. 知识迭代：让知识和业务同步更新 **1）建立知识更新机制** 知识过期比没有更糟。产品团队可以制定明确的知识更新SOP，按类型设定更新节奏：产品需求文档在版本迭代后及时同步更新，埋点规范随新功能上线同步补充，竞品分析在季度大促前全面刷新等等。特别注意要使用版本对比工具记录每一次修改，明确谁改的、为什么改、改了哪里。 **2）定期新陈代谢知识** 知识总有过期被淘汰的那天，根据复用率（被引用次数高不高）、新鲜度（最后更新时间是什么时候）、关联度（与其他知识的连接强不强）评估并标记低价值知识，有利于提高知识库的检索效率。针对那些员工高频访问但更新滞后的关键知识，可以和前面提到的智能推荐系统联系在一起，触发自动提醒机制，确保关键信息时刻准确。 **3）全员共建知识库** 知识不是少数人的事情，要打破知识部门化壁垒，开放共创权限让一线人员参与知识建设。客服可在用户注册流程文档中标注近期验证码投诉集中点，开发可补充技术实现细节，运营也可以添加实际效果数据。通过评论区讨论、版本迭代记录等功能，就形成提出问题、优化方案、验证效果的知识管理闭环，让知识在全员共同使用和共同参与的过程中不断生长和优化。 ## 三、从框架到实践的知识管理落地指南 想把知识管理体系真正用起来，不能只靠框架，更需要清晰的落地路径。不妨把这个过程拆解为五步，一步步地实现高效知识管理。 ### 1. 现状诊断：摸清知识管理的“健康度” - **深入调研，找准痛点**：通过问卷收集员工在知识获取、沉淀、应用环节中的痛点，比如哪些场景最容易出现信息滞后、哪些知识是我们需要但却缺失的。还可以看看各平台文档有多少？重复率多高？哪些文档被频繁访问？通过这些数据定位核心问题。使用问卷星等工具，可以快速发起调研并统计分析数据，为现状诊断提供依据。 - **输出诊断，明确问题**：把调研结果整理成报告。别只说不好，而是要具体指出问题和量化影响。比如需求评审因找不到历史资料延迟了两天，新人上手时间和同行相比多花1周时间。这样才能让大家一眼看清改进的价值和空间。 ### 2. 战略规划：定义团队知识库“蓝图” - **梳理知识版图：**知识不是大杂烩，要做好分类管理。可以按业务场景（如销售、研发）、知识类型（模板、案例、规范）、使用频率（天天用 vs 偶尔查）来划分知识域，例如高频使用的需求模板、会议纪要、基础操作手册；具有长期价值的用户需求库、产品路线规划文档、竞品动态监测库。 - **制定优先级**：资源有限，我们需要分布走。短期聚焦高频痛点，比如快速搭建产品 FAQ 库，提升客服响应效率；长期构建像用户需求基因库这类战略资产，为产品创新提供底层支持。 ### 3. 工具选择：好钢要用在刀刃上 团队规模不同，要选择的工具也不一样。 - **初创团队：**优先选择轻量化工具快速落地。板栗看板就是绝佳选择，它支持零代码搭建，30 分钟就能构建一个专属基础知识库。同时，板栗看板无缝对接飞书、企业微信等常用办公平台，员工可直接通过工作账号一键登录，快速沉淀会议纪要、灵感创意等内容，其简洁直观的检索界面，能让新人快速上手，满足初创团队对知识快速沉淀与简单检索的核心需求 。此外，Airtable同样能通过可视化表格管理知识，适合对数据结构化有需求的团队。 - **成长型团队：**侧重智能推荐与流程集成功能。这类团队可以选择像Notion AI这类能利用AI自动打标签、关联知识的工具。当新人入职时，系统会根据岗位需求，精准推送相关文档、教程，大幅降低培训成本；在日常工作中，当产品经理撰写新功能 PRD 时，它还能智能推荐同类功能的历史方案、用户痛点标签等，助力团队高效决策。同时，搭配 Jira 进行项目管理，可实现知识与项目流程的深度集成。 - **大型团队：**要打好组合拳。采用企业级系统和轻量化工具的组合方案，前者如Confluence能够解决复杂权限管理和深度知识治理，后者如板栗看板让知识能灵活嵌入到具体工作场景，避免系统笨重导致的使用阻力。 ### 4. 流程再造：让知识活水流动起来 **输入侧：**别让知识卡在第一步。会议结束后1小时内用手机就能提交关键决议和待办事项，自动生成带责任人和截止日期的任务看板。面对用户投诉，客服系统自动对接知识库，把投诉直接转成标准化知识卡片，省去手动录入。 **输出侧：**在需求评审、版本规划等关键业务节点嵌入知识校验，系统自动生成知识准备度报告，检查是否存在历史相似方案、竞品动态是否更新；开发提测时，自动关联相关技术文档和测试标准，确保交付质量。 ### 5. 文化培育：让分享知识成为一种习惯 - **知识积分体系**：上传一个好用的模板、解答一个高频问题、更新一份过时文档，都能赚积分。积分可兑换培训机会、团队活动经费或小奖励，让付出被看见、有价值。 - **场景化融入**：新人入职培训必须包含知识库实操，通过小测试确保每个人都会用。周会增设知识闪光时刻，聚焦业务中沉淀的高价值经验，让知识共享成为日常协作的自然环节。 ## 四、AI驱动下的知识管理的未来趋势 生成式 AI 和大模型技术的爆发，正在深刻重塑知识管理的形态。未来的知识管理将更智能、更主动、更无处不在。 不妨设想一下，AI可以根据你的需求描述，自动生成PRD框架、交互原型参考、风险评估清单等，大幅度降低基础文档的撰写成本。AI的加入还能够让系统通过历史数据预测高频访问知识，比如在大促前准备好包含应急预案、数据指标、客诉处理等在内的活动库。更牛的是，AI能够将知识服务深度融入工具链，比如在Figma设计时调取交互规范、在SQL查询时弹出埋点说明，真正做到哪里有业务操作，哪里就有知识服务。 ## 结语 总而言之，从无序的数据到有序的知识，再到驱动业务增长的知识引擎，无论团队规模大小，知识管理始终离不开好用的方法论、适配的工具链、分享型的组织文化。你的团队又面对哪些知识管理挑战？你们是如何解决的呢？欢迎在评论区交流分享！ 本文由 @烫手山药 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>业务部门追求效率和灵活性，希望快速推进项目和合同，而财务部门则注重合规性和风险控制，强调流程的严谨性。这种冲突常常导致双方在审批流程、费用报销、数据管理等方面产生摩擦，甚至影响企业的整体运营效率。本文将深入探讨业务与财务之间的矛盾根源，并提出一系列创新的解决方案，帮助企业在效率与合规之间找到平衡，实现业财融合的最佳实践，让双方从“打架”走向“共赢”。</p> </blockquote>  <blockquote><p>业务小张：流程越短越好，审批越快越棒，弄一堆的部门/审批节点，多一秒钟都是耽误我谈合同赚钱。</p> <p>财务刘会计：流程要健全、合规，发起人、直属领导、X2领导、费用会计、财务经理、BU经理、法务，一个节点都不能漏，出了事谁负责？</p> <p>业务小张：报销个差旅费，竟然还要填这么多费用类型，什么“终端促销费”、“渠道促销费”、“网点促销费”，傻傻分不清，纯粹为难人，增加我们的负担。</p> <p>财务刘会计：你做了什么业务不知道吗？这些“费用类型”就是业务类型；后期需要据此分析业务开展情况及费效。。。。</p></blockquote> 相信大多数企业都会碰到上述情况，业务与财务打架，产品经理或财务信息化经理夹在中间如风箱里的老鼠里外不是人。这事，就像煮饺子——业务部急着「破皮露馅」抢机会，财务部死守「饺子别煮烂」的底线。矛盾背后藏着几大死结： 流程「一刀切」：买支笔要走5个审批，百万合同也走5个审批，纯属形式主义； - 系统「反人类」：填报销单得像做阅读理解，光费用类型就20多个选项； - 数据「两头堵」：业务觉得财务要的数据没用，财务抱怨业务总填错数； - 目标「不一致」：业务前线冲锋要求效率优先，后端财务风控的”安全第一”。 任何一个流程节点都是控制点，背后蕴藏着管理思想与哲学，不能为了审批而审批；财务唯二职能：如实反映、监督，都涉及到数据质量与颗粒度；数据颗粒度的粗与细应与企业管理水平相适应，比如报销行政费用，有些企业核算细化到【行政费用-办公用品-文具】，却没想清楚设置如此细颗粒维度为管理决策带来哪些支撑作用，换句话说，管理决策是否要如此细颗粒度数据？核算越细，付出成本越高，需要前端填报OA时按不同维度填报，耗费大量业务员填报时间成本。 以笔者多年经验来看，”好系统不是把线下流程照搬上网，而是像变形金刚——平时让业务轻装简行，遇风险自动切换合规形态。关键是让财务懂业务痛点，业务知财务风险，信息化做翻译官而不是夹心饼。”类似上述场景，解法如下： ## 01 以预算为准绳，给审批流程装「智能红绿灯」 - 10万以下小额费用：预算内的，启动「绿色通道」，只需直属领导+费用会计双签，预算外加签X2领导审批； - 20-100万常规业务：按标准流程走，但规定每个节点最长审批时间（超时自动提醒+抄送上级），用NPS倒逼审批人提效；预算外单列会商。 - 100万以上重大合同：启用「特别护航」模式，提前拉通财务、法务开预审会，避免临门一脚卡壳。 （上述分级金额根据企业实际情况灵活调整） ## 02 应用AI技术，把报销单变「智能点餐」 OCR发票自动识别：拍张发票照片，自动带出时间、金额、税号  场景化智能推荐示例： - 销售部选「差旅费」时，系统弹出历史填报模板：”检测到您常填高铁票+住宿费，是否一键复用？” - 市场部选「促销费」时，弹出分类说明弹窗：”终端促销=直接给消费者发优惠券，渠道促销=给经销商返点” - 填错实时预警：把「招待费」填进「会议费」？系统立刻弹出红色提示：”检测到发票含餐饮项目，请确认费用类型” ## 03 让数据成为「共同语言」 每月5号固定开「业财早餐会」： - 财务拿出上月数据：”渠道促销费同比涨25%，但对应区域销量只涨3%，咱们要不要调整策略？” - 业务反馈前线情报：”经销商都在囤竞品的货，确实得加大返点力度” - 信息化部现场演示：”下周上线促销费分析看板，能实时看到各区域投入产出比”  做财务产品或财务信息化，既要学顺丰的”快”–支持业务快速发展，也要有同仁堂的”稳”，严控风险隐患；说到底，公司里没有坏人，只有被烂流程逼疯的好人。啥时候业务员报销时不用偷偷塞华子催审批，财务妹子月末不用靠布洛芬续命，这企业管理才算真正上了道。 作者：业财老曾，公众号：业财老曾谈，专注财务信息化20年 本文由 @业财老曾 原创发布于人人都是产品经理，未经许可，禁止转载。 题图来自 Unsplash，基于CC0协议。 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>在数字化时代，智能客服已成为企业与用户沟通的重要桥梁，但许多智能客服系统却因设计单薄、交互僵化而沦为摆设。本文将深入探讨如何通过精心设计的多轮对话，提升智能客服的用户体验和业务转化能力。</p> </blockquote>  在数字化服务席卷各行各业的今天，智能客服早已不是新鲜事物。然而，我们常常看到，很多企业的智能客服系统沦为“摆设”或“鸡肋”——用户输入问题后，要么得到生硬的、牛头不对马嘴的回复，要么陷入繁琐、重复的信息确认循环，最终用户无奈选择“转人工”。这背后的核心症结，往往在于对话设计的单薄与僵化。 传统的单轮问答模式，如同让用户在一堆杂乱无章的抽屉里翻找答案，效率低下且体验糟糕。而精心设计的多轮对话，则如同一位思维缜密、善解人意的“数字服务顾问”，能够层层递进地引导用户、理解需求、精准响应，最终高效解决问题甚至创造业务价值。本文将深入拆解多轮对话设计的核心逻辑、关键技术以及提升转化率的实战策略，并结合电商、金融等领域的真实案例，揭示如何让智能客服真正成为用户满意度和业务增长的强大引擎。 ## 用户客服交互路径的实证分析 要设计好的多轮对话，首先要成为用户的“知心人”，理解他们在客服场景中的行为模式和心理轨迹。用户的每一次咨询，都是一段有迹可循的旅程： ### 初始需求表达阶段 用户带着困惑或需求而来，开场白往往是模糊甚至“词不达意”的。比如电商用户那句经典的“我买的东西怎么还没到？”—— 这背后可能是物流延迟的焦虑、对系统状态的困惑，甚至是潜在的退款意愿萌芽。金融用户问“理财产品收益怎么算？”，可能是在做购买前的研究，也可能是在质疑已购产品的收益表现。 **关键挑战：**此时智能客服的“第一印象”至关重要。它需要像经验丰富的客服人员一样，透过表面的只言片语，快速、准确地锚定用户的核心意图方向（是查询？是投诉？还是咨询？）。这一步错了，后面就可能南辕北辙。 ### 关键信息补充阶段 初步意图明确后，智能客服需要引导用户提供“拼图碎片”——那些解决问题必不可少的关键信息（槽位）。电商场景中，“您的订单号是多少？”、“下单时间是哪天？”、“收货手机号尾号是？”；金融场景中，“您具体咨询哪款产品？”、“投资金额大概多少？”、“打算持有多久？”。 **关键挑战：**如何优雅、高效地完成信息收集？生硬地抛出问题列表（“请输入订单号”、“请输入手机号”、“请输入验证码”）会让用户烦躁。理想的方式是结合上下文，用自然、友好的对话引导（“麻烦您提供一下订单号，我好帮您查查物流详情？”），甚至通过预填（如用户登录状态下自动关联部分信息）、选项引导（“您是想查询订单A123456还是B789012？”）来减轻用户负担。 ### 解决方案生成与验证阶段 信息齐全后，智能客服进入“解题”阶段，基于规则或模型给出解决方案（如物流轨迹展示、收益计算结果、退货政策说明）。 **关键挑战：**用户可能接受、质疑或提出衍生问题。这才是多轮对话的“灵魂”所在！智能客服需要能理解用户反馈中的新意图（如用户看到物流延迟后问“那我能申请退款吗？”），并能基于之前的对话历史和当前信息，动态调整策略，或补充解释，或提供替代方案（如“当前物流显示明天送达，您看可以再等等吗？或者我帮您申请退款？”），或升级处理。这个过程可能需要多轮反复。 ### 人工服务衔接机制 理想情况下，问题得到圆满解决，用户满意离开。 若智能客服“力有不逮”（超出预设范围、过于复杂或用户情绪激烈），则需要平滑、及时地转接人工，并尽可能将已收集的信息和对话上下文传递给人工客服，避免用户重复描述，提升人工处理效率。 ### 贯穿整个路径的痛点 **意图识别错误：**第一步就识别错误，后续所有努力都是无用功，用户被迫重复解释，怒火中烧。 **槽位缺失：**关键信息没问全，给出的解决方案就是“隔靴搔痒”，解决不了实际问题（如没问订单号就查物流，结果查不到）。 **对话缺失：**流程不连贯，上下文丢失，用户感觉像在和“金鱼记忆”对话，反复回答相同问题，体验极差。 **方案失误：**即便信息全了，但给出的答案不准确、不清晰或不符合用户预期，导致问题悬而未决。 ## 意图识别与槽位填充的技术架构 多轮对话的“智能”核心，在于精准理解用户每句话背后的意图（Intent）和从中提取关键信息（Slot Filling）。这两项技术如同对话引擎的“大脑”与“感官”。 ### 意图分类的技术实现路径 **技术演进：**从早期的规则匹配（人工写大量If-Then规则，维护成本高，覆盖有限，灵活性差），到传统机器学习（如SVM、朴素贝叶斯，需要大量标注数据，能处理一定复杂性），再到如今主流的深度学习（如RNN、LSTM，特别是基于Transformer的BERT、GPT等预训练模型）。深度模型的优势在于能自动学习文本的深层语义和上下文关联，对模糊表达、口语化表达、甚至错别字都有更强的鲁棒性。 **实战策略：** - **混合架构：**别指望单一技术包打天下。实践中常用“规则+模型”的混合策略：高频、明确的意图（如“查余额”、“查物流”）用高效、可控的规则处理；复杂、模糊、长尾的意图交给强大的深度学习模型。比如， - **意图库动态更新机制：**意图库绝非一成不变！必须建立持续迭代机制。通过分析对话日志、用户反馈、转人工原因，不断发现新出现的意图表达方式，甚至定义新的意图类别（如疫情期间激增的“物流异常处理”意图），淘汰过时的意图。我们团队就曾通过日志分析发现，“取消订单”的用户中，有相当一部分实际诉求是“修改订单”，及时调整意图定义后显著提升了首轮解决率。 - **上下文融合：**用户的当前一句话往往需要结合前面几句才能准确理解。强大的意图分类模型必须融合对话状态追踪（DST）能力，记住用户之前说了什么、提供了什么信息。 ### 槽位填充的工程化方案 识别出意图后，下一步是像侦探一样，从用户的话语中提取出执行该意图所需的参数（槽位）。例如，“查物流”意图需要订单号、手机号等槽位；“计算理财收益”需要产品名称、投资金额、投资期限等。 **核心技术：**命名实体识别（NER）是核心手段。传统的基于规则/词典的NER简单直接但覆盖有限。现在主流是基于深度学习的序列标注模型（如BiLSTM-CRF, BERT-CRF），能更准确地识别文本中的人名、地名、组织机构名、时间、日期、金额、产品名、特定领域术语等实体，这些实体往往直接对应着槽位值。 **实战策略：** **1）联合建模：** 意图和槽位密切相关。独立建模容易导致误差累积（意图错了，槽位提取也跟着错）。现在更优的方案是使用意图-槽位联合模型（如基于BERT的联合模型，或Encoder-Decoder with Attention架构），模型在编码输入时能同时关注对意图和槽位有用的信息，同步输出结果，提升整体准确性。我们在某银行项目中使用联合模型后，槽位填充准确率提升了8%。 **2）交互策略设计原则：**技术再强，也不可能100%从用户第一句话里提取所有槽位。如何追问？是门学问。策略要点： - **优先级：**先问最核心、最可能缺失的槽位。 - **自然引导：**避免审问式提问。用自然语言嵌入问题（“好的，为了帮您查询物流，需要您提供一下订单号哦~”）。 - **选项辅助：**对于可能值有限的情况（如产品型号），提供选项供用户选择更高效。 - **利用上下文：**如果用户在上文提过相关信息（如订单号），绝不重复询问！这依赖于强大的DST。 - **容忍模糊：**允许用户用相对模糊的方式回答（如“上周买的”、“大概5000块”），系统内部可做标准化处理。 ## 行业级实施案例解析 理论结合实践才更有说服力。看看多轮对话如何在不同行业落地生根、开花结果。 ### 电商平台：全链路服务优化 **挑战：**某电商平台面临海量售后咨询（物流、退换货、商品咨询），人工成本高企，用户等待时间长，自助解决率低，错失复购机会。 **解法：** - **意图识别：**构建了超精细的意图图谱，涵盖数百个场景（如“物流查询-异常”、“退货-未收到退款”、“商品咨询-尺寸选择”）。采用微调后的BERT模型作为意图分类核心引擎，利用平台积累的海量真实对话数据进行训练，显著提升了对用户五花八门问法的理解力。 - **槽位填充 &amp; 上下文：**为高频意图设计了动态槽位模板。例如，“物流查询”意图，优先询问订单号（核心槽位）。系统具备强大的上下文记忆和关联能力。如果用户先说“我买的衣服”，后续问物流时，系统能关联到该商品对应的订单（需用户确认），减少重复输入。用户中途切换话题（如从物流转到退货），系统也能顺畅切换意图。 - **转化巧思：**在解决用户核心问题（如退货）后，基于用户画像和当前情境（如退货商品类型），自然引入推荐：“看到您对这款衬衫不太满意，我们新到的XX品牌衬衫，面料更舒适，风格类似，您有兴趣看看吗？”。 ### 金融机构：合规性服务升级 **挑战：**银行客户咨询专业性强（贷款、理财、外汇）、流程复杂、信息敏感度高。用户期望获得个性化、专业的解答，传统智能客服难以满足。 **解法：** - **意图识别 + 知识赋能：**将领域知识图谱深度融入意图识别模型。图谱包含产品详情、金融术语、政策法规、用户画像标签等。当用户问“哪种理财风险低收益还行？”，模型不仅能识别“理财产品推荐”意图，还能结合图谱中关于风险等级、历史收益、用户风险测评结果（若有）等知识，给出更精准的回应基础。这超越了简单的文本匹配。 - **结构化槽位填充 &amp; 信息整合：**对于复杂业务流程（如贷款申请），设计了严谨的多轮信息收集流程，每一步都清晰告知用户需要提供什么及为什么需要。例如贷款流程：确认贷款类型 -&gt; 询问收入证明（引导上传方式）-&gt; 了解信用情况（选项引导）-&gt; 确认贷款金额/期限 -&gt; … 利用自然语言生成（NLG）技术，将收集到的零散信息自动汇总成一份清晰、格式化的预填申请表供用户确认和提交，极大提升用户体验和效率。 - **个性化推荐驱动转化：**在用户完成风险测评或表达清晰偏好后，智能客服能实时调用推荐引擎，结合用户资产状况、风险承受力、投资目标，精准推荐1-3款最匹配的理财产品，并提供简明扼要的对比分析（“A产品收益略高但需锁定1年，B产品灵活申赎但收益稍低”）。 ## 系统化设计准则 多轮对话设计的终极目标，不仅是解决问题，更要创造愉悦体验并挖掘商业价值。以下是一些经过验证的设计技巧： ### 对话逻辑分层设计 **化繁为简：**避免设计迷宫般的对话树。流程应符合用户自然的思维习惯和问题解决路径。采用“剥洋葱”策略：先解决最核心、最紧急的问题（用户问物流，先给物流信息），再处理衍生问题（用户问完物流再问退货政策）。 **场景化引导：**针对不同场景（如投诉 vs 普通咨询），预设不同的对话基调和流程。投诉处理流程应优先包含情感安抚步骤（“非常抱歉给您带来不便…”），再进入问题解决。 ### 上下文管理技术要件 这是多轮对话区别于单轮的核心！必须建立强大的对话状态跟踪（DST）系统。它需要实时记录： - 当前及历史意图 - 用户已提供的所有槽位信息及其值 - 系统已执行的操作 - 用户可能的情绪状态（通过情感分析） 基于完整的上下文，对话才能流畅自然，避免让用户感觉“失忆”。 ### 个性化服务引擎 **用户画像驱动：**登录用户 vs 游客？新用户 vs 老用户？高净值客户 vs 普通客户？对话的起点、详细程度、提供的选项甚至语气都可以不同。老用户查物流，可能直接展示其最近未收货订单供选择。 **情境感知：**结合用户当前操作页面（如在商品详情页咨询）、时间（如深夜咨询）、地域等信息，提供更贴切的回复和引导。 ### 对话过程控制机制 **即时反馈：**用户每提供一个信息或系统执行一个操作（如查询中），都应给予明确反馈（“正在查询您的订单物流…”、“已收到您的订单号XXX”），消除用户等待的焦虑感。 **明确预期：**对于需要时间处理或无法立即解决的问题，明确告知用户下一步（“我们会将您的问题转交专员，2小时内电话联系您”、“结果预计5分钟后生成”）。 **主动引导：**用户表述不清时，不要直接说“不理解”，而是提供结构化选项引导用户明确需求：“您是想了解产品的价格、具体功能，还是使用教程呢？” 这能显著减少对话陷入死循环的概率。 ## 结论 智能客服的多轮对话设计，绝非简单的技术堆砌，而是一场精妙的技术与用户体验的共舞。它要求我们深入理解用户在服务旅程中的痛点与期望，熟练运用意图识别、槽位填充、上下文理解、自然语言生成等核心技术，并巧妙融入清晰的对话逻辑、个性化的交互策略以及对业务转化目标的深刻洞察。 文中分享的电商与金融案例，清晰地展示了优秀的对话设计如何将客服中心从“成本洼地”转变为“价值高地”——既大幅提升了用户满意度和服务效率，又有效撬动了业务增长。随着大模型（LLM）等新技术的爆发式发展，智能客服的对话能力将迎来质的飞跃，理解力、生成力和个性化水平都将达到前所未有的高度。然而，万变不离其宗：以用户为中心的设计理念、对业务场景的深刻理解、以及对技术恰到好处的应用，永远是打造卓越智能客服体验的不二法门。这场关于“对话”的进化，才刚刚开始。 本文由 @阿堂 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

作者｜黄楠 编辑｜袁斯来 硬氪获悉，北京智在无界科技有限公司（以下简称「智在无界」，英文为BeingBeyond）近日完成数千万元融资，联想之星领投，智谱Z基金、燕缘创投、彬复资本跟投，势能资本担任独家财务顾问。资金将用于加大核心技术研发投入，加速现有模型迭代与产业化验证，以持续提升技术壁垒与产品竞争力。 「智在无界」成立于2025年1月，专注人形机器人通用大模型的研发与应用。创始人卢宗青是北京大学计算机学院长聘副教授，曾任智源研究院多模态交互研究中心负责人，负责过首个国家自然科学基金委原创探索计划通用智能体项目；多位核心成员均来自智源研究院，在强化学习、计算机视觉、机器人控制和多模态等领域有丰富的技术研发积累和应用落地经验。 当前，数据规模与泛化能力是制约具身大脑性能提升的核心矛盾。一方面，具身智能机器人要实现高度拟人化的行动与决策能力，依赖海量且多样化的数据进行深度训练。这些数据覆盖了日常琐碎操作、复杂环境交互等各类场景，数据规模呈指数级攀升态势。然而，数据采集过程仍面临技术、资源等多重门槛，依赖大量人力且难度大，存储成本更是随着数据量激增而迅速攀升。 另一方面，即便有海量的数据支持，机器人在未知环境中要灵活应对新任务、新物体与新干扰，仍依赖于强大的泛化能力。然而，现有模型面对存在显著差异的场景时，表现差强人意，难以将所学知识有效迁移至新情境，实际应用中适应性欠佳。 因此，如何在有限数据规模下提升泛化能力，成为具身大脑突破性能瓶颈、迈向实用化的关键挑战。  「智在无界」所使用的预训练数据（图源/企业） 面向人形机器人的操作和运动两大核心能力，「智在无界」将其通用大模型系统分为具身多模态大语言模型、多模态姿态大模型和运动模型三层，并搭建了自学习具身智能体框架。 卢宗青告诉硬氪，区别于其他模型，「智在无界」的预训练数据来自互联网端的人类运动和手部操作视频，通过解析这些自然场景下的动作序列，构建机器人运动操作能力的预训练基础。这种以公开视频数据为驱动的技术路线，突破了传统方案对机器人真机数据的强依赖，可实现从 “人类行为示范” 到 “机器人动作生成” 的跨模态迁移。 具体而言，「智在无界」提出了多模态姿态模型，通过互联网上丰富的视频资源，包括如行走、舞蹈等人体全身运动，抓取物体、工具使用等第一人称视角的手部精细操作数据，能够为模型提供丰富且多元的动作样本。通过这些视频-动作数据，模型可学习到各种动作在不同环境下的表现形式，能依据实时的环境信息与任务要求，实现具有泛化性的端到端运动操作。 在具身多模态大语言模型方面，「智在无界」自主研发了Video Tokenizer技术，其强调时空环境的理解与推理能力，尤其是针对第一人称视角视频内容的解析。通过将连续视频流解构为兼具时间序列与空间语义的视觉token单元，使得该模型能精准捕捉动作的时序逻辑，比如伸手、抬升手臂到抓起物体的连贯过程，并基于物体方位、肢体相对位置等空间特征理解物理世界和人类行为。 目前，虽然简单的多模态大语言模型+运动操作策略已具备商业落地条件，但受真实场景中的动态环境变化影响，机器人的泛化能力难以适应，如何让人形机器人具备自主学习能力，成为其实现商业化落地的关键突破点。 为此，「智在无界」提出Retriever-Actor-Critic框架，通过对真实交互数据的RAG（检索增强生成）与强化学习，二者的协同应用，不仅能提升模型的响应准确性与用户体验，形成 “数据收集-模型优化-效果反馈” 的闭环，使机器人具备了动态适应多变场景的能力，为其规模化落地提供了可行的技术路径。  预训练➕后训练架构（图源/企业） 卢宗青指出，基于互联网视频预训练通用动作模型，再通过后期适配训练实现对不同机器人本体及场景的迁移，「智在无界」的技术路径可以避免因硬件迭代导致的数据浪费，继而有效解决真机数据稀缺与场景泛化的矛盾。目前，公司正同头部机器人厂商推进场景验证合作，以加快具身智能在更多领域的应用落地。 #### 投资方观点： **联想之星合伙人高天垚**表示，当前具身大模型的技术路线还未收敛，如缺乏统一的架构范式，BeingBeyond团队的技术路线解决了训练数据来源有限的问题，同时采用模块化打通大小脑的方式构建了一套完整的技术框架，与国外相似技术路线的团队相比具备全栈技术能力，依托多模态大模型等自研大模型，在解决具身大模型的任务与环境泛化性、跨本体等问题上有强有力的竞争力，逐步实现“零样本”泛化，期待BeingBeyond团队的产品在具有高潜力应用的场景落地，实现商业闭环。 **智谱Z基金合伙人王璞**表示，作为智在无界的天使投资人，我无比自豪地见证卢宗青教授及其团队在通用人形机器人领域取得的里程碑式突破。从构建业界首个百万规模的MotionLib数据集，到开发端到端的Being-M0动作生成模型，团队不仅验证了“大数据+大模型”在具身智能中的规模效应，更实现了跨平台动作迁移的技术闭环。这项创新将文本指令��化为机器人精细动作的能力，不仅突破了传统方法的局限，还为机器人走进千家万户铺平了道路。我坚信，智在无界将持续引领具身智能的迭代——从灵巧操作到全身运动控制，推动机器人从实验室走向日常生活。我们将与智在无界携手，同大家一道共同迎接一个由通用机器人赋能的新时代。

汽车行业该有一次价值回归的洗牌了。

 ## 甲骨文创始人成全球第二大富豪：仅次于马斯克 6 月 13 日消息，据媒体报道，甲骨文公司联合创始人兼董事长拉里·埃里森以单日净资产飙升 260 亿美元的纪录，成为全球第二富豪，其总财富达 2430 亿美元。 这一增长使他超越亚马逊创始人杰夫·贝佐斯（2270 亿美元）和 Meta 首席执行官马克·扎克伯格（2390 亿美元），仅次于特斯拉 CEO 埃隆·马斯克。 此次财富跃升源于甲骨文周三发布的超预期财报：截至 5 月的财季利润和销售额均表现强劲，推动其股价周四大涨逾 13%，收于 199.86 美元。 分析师评价此为甲骨文的「分水岭」时刻，强调埃里森在云计算转型中的领导力，尤其是公司通过 AI 技术突破占据关键地位。 分析师指出，2026 财年将成为甲骨文云基础设施服务的「重大拐点」。增长动力包括 xAI、Meta 等客户的大规模订单，以及为「星际之门」AI 项目提供算力支持的规模化交付，凸显甲骨文在下一代技术竞争中的战略布局。（来源: 快科技）    ## 消息人士称「腾讯并未考虑收购 Nexon」 6 月 13 日消息，彭博社此前报道称，腾讯研究以 150 亿美元（现汇率约合 1076.59 亿元人民币）收购韩国游戏开发商 Nexon，腾讯已接洽控股家族商讨潜在收购事宜。  对此，有接近腾讯的消息人士对贝壳财经透露，「腾讯没有与创始人的家族联系讨论交易，也没有考虑收购 Nexon。」 Nexon 是一家韩国游戏公司，成立于 1995 年 5 月，主要的作品有《潜水员戴夫》《蔚蓝档案》《洛奇》《洛奇英雄传》《地下城与勇士》《泡泡堂》《跑跑卡丁车》《冒险岛》等。 腾讯与 Nexon 有着长久合作，比如经典的《地下城与勇士》游戏国服就是由腾讯代理。 2022 年 12 月 19 日，Nexon 宣布与腾讯云达成合作，基于腾讯云的实时音视频（TRTC）技术，共同搭建虚拟世界社区平台 NEXONTOWN。（来源：IT 之家）   ## 消息称 TikTok 去年营收 230 亿美元 同比大增超过 40% 6 月 13 日消息，据外媒报道，字节跳动旗下的短视频社交平台 TikTok，在海外市场备受欢迎，自推出以来已有大量的用户，尤其是年轻用户。 对于 TikTok 的用户数量，有数字智能和应用程序数据分析机构在当地时间周三发布的报告中披露，他们在全球的月活跃用户已有 11.6 亿。 从外媒的报道来看，TikTok 在全球的 11.6 亿月活跃用户，是截至今年 5 月份的月活跃用户，增长了 2%。 月活跃用户超过 10 亿的 TikTok，也已有可观的营收，有外媒的报道显示，TikTok 去年的营收预计在 230 亿美元，同比增长 42.8%，其中的 77% 是来自广告，余下部分来自电商和应用内购买。（来源: TechWeb）   ## 苹果自研芯片将添新成员，消息称 iPhone 17 Pro 系列将搭载自研 Wi-Fi 7 芯片 6 月 13 日消息，据外媒报道，苹果公司去年秋季推出的 iPhone 16 系列智能手机，全系支持 Wi-Fi 7，允许设备在支持的路由器上同时通过 2.4GHz、5GHz 和 6GHz 频段发送和接收数据，从而实现更快的 Wi-Fi 网速、更低的延迟和更可靠的连接，峰值网速在理论上可超过 40 Gbps，是 Wi-Fi 6E 的 4 倍。 从苹果此前的 iPhone 来看，在去年秋季推出的 iPhone 16 系列就已全系支持 Wi-Fi 7 的情况下，后续几年推出的就都将支持，直到下一代的 Wi-Fi，因而今年秋季将推出的 iPhone 17 系列，也就将继续支持 Wi-Fi 7。 但从外媒最新的报道来看，今年秋季将推出的 iPhone 17，除了支持 Wi-Fi 7，高端的 iPhone 17 Pro 和 iPhone 17 Pro Max，还将采用苹果自研的 Wi-Fi 7 芯片。 虽然外媒在报道中并未提及苹果自研的 Wi-Fi 7 芯片性能如何，但他们提到这一部件转向自研，就将减少对博通等厂商的依赖，博通目前是苹果 iPhone 的 Wi-Fi 和蓝牙芯片供应商。。（来源: TechWeb）  ## 单日最高播放量超 800 万，阅文短剧再冲榜首 6 月 13 日消息，近日，由阅文短剧和阅文白金作家公子衍旗下工作室「壹拍即火」联合出品的《母凭子贵后被老板全家宠上天》（以下简称《母凭子贵》）登云合数据微剧有效播放霸屏榜周榜第一，成行业爆款新剧，单日最高播放量超过 800 万，上线一周超过百万收藏。 据悉，目前阅文短剧已联合公子衍打造了多部现象级作品，年初的《好孕甜妻被钻石老公宠上》上线 7 天总流水破 5000 万，刷新平台投流纪录；改编自公子衍同名作品的《叮！我的首富老公已上线》流水近三千万。 今年 3 月底，阅文短剧宣布进行业务升级，开放 2000 余部网文 IP 打造优质短剧，并发布了首批 300 部网文 IP 名单。这是继此前阅文短剧宣布开放 150 部网文 IP 共创后，再次增加了 IP 的数量及题材。（来源: TechWeb）   ## 追觅科技否认「断指计划」等：公司遭上万篇黑公关稿件攻击，悬赏百万征集线索 6 月 13 日消息，追觅法务部发布两则声明：公开征集「黑公关」、「黑媒体」行为的线索和证据，对核实有效的提供者奖励 1 万至 100 万元。  （来源：IT 之家 ）   ## 当当网创始人李国庆与俞渝就财产分割达成最终和解，宣布进军 AI 领域 6 月 13 日消息，当当网创始人李国庆宣布和俞渝女士已于 2023 年解除了婚姻关系。近日，作为离婚案延续，双方就相关财产分割也已达成最终和解。此外，他还宣布将积极布局 AI 应用。  1999 年，李国庆与俞渝回国创立当当网。2019 年 2 月 20 日，李国庆发表公开信，宣布离开当当网，11 月底李国庆与俞渝的离婚案在北京开庭。2020 年 6 月，两人离婚案在东城区人民法院进行二审开庭审理。2023 年 12 月底，李国庆在节目《问答八方》中透露自己已离婚。（来源：IT 之家）   ## 特斯拉起诉前 Optimus 机器人工程师，指控其窃取商业机密 6 月 13 日消息，据彭博社报道，特斯拉日前起诉一名前工程师 Zhongjie「Jay」Li，指控其窃取「Optimus」人形机器人项目的核心技术机密，并借此创办了竞争性初创公司。 这起诉讼于当地时间周三提交。诉状称，Zhongjie 利用特斯拉在「先进机械手传感器」领域的研发成果，创立了初创企业 Proception。该公司获得 Y Combinator 支持，专注于研发机械手技术。 根据诉状，他于 2022 年 8 月加入特斯拉，并于 2024 年 9 月离职。在此期间，他曾使用两部个人手机下载 Optimus 相关的机密资料。 诉状还指出，他在任职后期，多次利用公司电脑查询机械手的相关资料，并上网搜索风投与初创融资的资讯。 诉状写道：「他离职不到一周，Proception 就完成注册。短短五个月后，Proception 便公开宣称已『成功制造』出先进的机械手——其外形与他在特斯拉参与设计的版本极为相似。」 Proception 官网显示，公司目标是「通过打造全球最先进的机械手，彻底革新人机交互体验」。（来源: IT 之家）  ## vivo X Fold5 三配色真机照公布：轻薄机身+大圆相机模组简约大气 去年 3 月，vivo 带来了 vivo X Fold3 系列折叠屏手机，首发搭载了第三代高通骁龙 8 旗舰芯片，是全球首款搭载骁龙 8 Gen3 芯片的折叠屏手机。 日前，vivo 官方宣布，将于 6 月 25 日 19:00 举办新品发布会，届时新一代的 vivo X Fold 5 将正式与大家见面。现在有最新消息，近日官方进一步晒出了该机的全配色真机图。  据 vivo 官方最新发布的信息显示，全新的 vivo X Fold5 将推出三款配色，包括青松、明白、钛度，同时，机身背部的后置相机模组将继续采用熟悉的环形镜头设计，同时模组中央印有蔡司和 T*镀膜标识，整体简约大气。 该机将继续主打轻薄，并再次刷新重量纪录，重量不到 219g。而且在做到极致轻薄的同时，vivo X Fold5 没有阉割影像，将把一颗超越 X Fold3 Pro 的潜望长焦放进了比 X Fold3 更轻薄的机身里，单边厚度只有 4.Xmm。（来源: TechWeb）   ## 61 万元起售，特斯拉 Model S/X 改款亮相：续航提升至 660 公里 6 月 13 日消息，特斯拉宣布推出改款 Model S 和 Model X，新增「寒霜蓝」金属漆配色。  Model S 全轮驱动版起售价 84990 美元（约合 61 万元人民币），Plaid 版起售价 99990 美元（约合 71.8 万元人民币）； Model X 全轮驱动版起售价 89990 美元（约合 64.6 万元人民币），Plaid 版起售价 104990 美元（约合 75.4 万元人民币）。 改款车型在续航、隔音、空气动力学、内饰等方面进行了升级。Model S Long Range 续航提升至 660 公里，创下特斯拉续航新高。全车隔音效果增强，风噪与路噪进一步降低，主动降噪系统更高效。 全新轮毂设计与空气动力学优化提升了续航表现，车头新增摄像头带来更广阔的视野，动态氛围灯系统在车辆解锁时呈现专属灯光动画。 整体来看，Model S Plaid 外观焕新，更注重高速稳定性，Model X 第三排空间进一步优化，乘坐与储物更舒适。（来源: 快科技）   ## Google 测试将搜索结果转化为 AI 生成的播客 Google 正在推出一项测试服务，将其人工智能驱动的音频概览置于移动搜索结果首页。用户可以在实验室中启用该实验，它将允许用户针对特定查询生成人工智能播客风格的讨论。  如果用户搜索「降噪耳机是如何工作的？」之类的内容，Google 会在「人们还问」模块下方显示一个按钮，上面写着「生成音频概览」。据 Google 称，点击该按钮后，最多需要 40 秒才能生成音频概览。 完整的音频概览将显示在搜索结果中嵌入的小型播放器中，用户可以在其中播放、暂停、静音并调整片段的播放速度。与 NotebookLM 和 Gemini 上的音频概览类似，它也包含两位 AI 生成的「主持人」，他们会讨论用户想深入了解的主题。用户还可以在搜索的播放栏下方找到音频概览中使用的部分来源的链接。 目前，搜索中的音频概览功能仅在美国提供英语版本。（来源：cnBeta）  ## PlayStation 似乎正在取消 PC 游戏的锁区限制 将 PlayStation 的第一方、主机独占游戏移植到 PC 上，一直以来都备受关注，因为这能让更多玩家在他们喜欢的平台上畅玩游戏。 但该公司新的多平台策略却受到了 PlayStation 的阻碍，因为它试图强迫玩家将他们的 Steam 账户与 PlayStation Network 账户关联起来，并阻止其游戏（甚至是其独自发布的游戏，如 Stellar Blade）在 PSN 无法使用的 100 多个国家/地区销售。 这最初是《绝地潜兵 2》的一个主要问题，此后也成为 PlayStation 游戏每次移植到 PC 平台的讨论焦点。然而，正如 Wario64 所发现的，PlayStation 似乎开始看到曙光。《战神：诸神黄昏》、《最后生还者 2 重制版》、《漫威蜘蛛侠 2》和《绝地潜兵 2》的地区限制均已取消。 希望这预示着，在 PC 上玩 PlayStation 游戏时不必再讨论锁区问题。最近发布的《往日不再》重制版并没有设置锁区，而现在旧版游戏也取消了锁区功能。 这对所有参与者来说都是好事。（来源：cnBeta）