所有文章
钛媒体 · 华夏能源网
机核 · YT17 2025 年 10 月 14 日后，微软将不再为 Windows 10 提供来自 Windows 更新的免费软件更新、技术支持或安全修复程序。虽然电脑仍可正常工作，但公司不建议继续使用无法升级的电脑。据悉，Windows 11 提供了现代且高效的体验，旨在满足当前对更高安全性的需求。  微软表示，建议以旧换新或直接废品回收旧电脑。如果在升级到 Windows 11 AI+ PC 或其他新的 Windows 11 设备之前需要更多时间，那么一个为期一年、费用为 30 美元的扩展安全更新 (ESU) 计划将帮助用户保护 Windows 10 设备。该计划的注册将于 2025 年晚些时候开放。  微软还表示，用户普遍发现 AI+ 在内的笔记本电脑比台式电脑更方便，因为它们重量更轻，更方便携带。如果购买了一台笔记本电脑，仍然可以把它连接到一台更大尺寸的显示器，以及键盘和鼠标，这样使用此设备的方式就能与使用 Windows 10 台式机的方式相似。然后，当旅行或想要在不同的环境中工作时，你可以断开此连接，并将其作为笔记本电脑使用。
 为纪念由环球影业出品的经典动作冒险巨制《速度与激情7》上映十周年，这部风靡全球的力作即将于2025年4月11日重返中国大银幕！十年光阴流转，曾点燃无数观众热情的影坛名篇，如今依旧令人心潮澎湃。它不仅是一场速度与激情的视觉盛宴，更是一段家人与伙伴并肩同行的感人旅程。 <内嵌内容，请前往机核查看> 当那熟悉的旋律《See You Again》再度响起，我们将重温那些难忘的瞬间，向曾经的热血青春与不灭的梦想致敬。本片除了以2D/3D/IMAX三种制式上映外，还特别新增CINITY制式，将全方位为观众带来沉浸式的观影体验。 以高燃场面与走心情感征服观众，《速度与激情7》于2015年上映时在中国取得票房佳绩，掀起观影热潮，并斩获不俗口碑。影片上映十年以来，近50万观众在豆瓣打出8.4的高分，时至今日仍为人津津乐道。作为系列中最具标志性的作品之一，《速度与激情7》中那些令人屏息的飞车场景、扣人心弦的剧情，以及贯穿始终的“家庭”主题，早已超越了电影的范畴，成为一代人心中的文化符号。而电影结尾感人至深的画面，更是成为这个系列电影在大银幕上的一段传奇篇章。此次重映，不仅是一次粉丝纪念曾经激情与感动的盛事，也将让新一代观众在影院亲自感受经典之作的魅力。无论是风驰电掣的瞬间，还是友情与信念的深刻羁绊，都值得被再次唤醒与见证。  一直以来，《速度与激情》系列总是持续不断地为观众带来刺激宏大的冒险，来到由著名导演温子仁执导的《速度与激情7》，奉上的是一场跨越全球的高能征程。在获得特赦回到美国后，唐老大及其团队享受着各自平凡的自由生活，然而德卡特·肖的出现打破了平静，这个前来寻仇的英国杀手对唐老大等人展开了无情的追杀。为了保护家人免受致命威胁，唐老大、布莱恩、莱蒂、罗曼、特尔佳集结再度出山，一路飙车驰骋，从四处悬崖峭壁的阿塞拜疆山地公路，战至高耸入云的阿布扎比摩天大厦，与德卡特·肖百般斗智斗勇，展开惊心动魄的生死对决。  创新叙事结合极致动作，是《速度与激情》系列的一大标志，如此特色在《速度与激情7》中表现得尤为突出。擅长在强视觉冲击作品中展现戏剧张力的温子仁导演，为电影注入了新一层次的惊艳震撼，正如他所说：“我的目标之一就是突破自我极限，为这个系列带来一些新鲜的元素。”千米高空驱车速降跳伞，自由落体硬碰硬滚落悬崖，驾驶豪华超跑横穿飞跃三座高塔，超乎想象的名场面令人目不暇接，汇聚成唯有大银幕才能身临其境感受的速度冒险。 热血不息，情怀难忘，《速度与激情7》4月11日十周年纪念重映，传奇冒险一路同行银幕再相聚, See you again！
 《彩虹六号：围攻》×《黑袍纠察队》同捆版现已发售。本同捆包含扮演祖国人的 ACE 和扮演玄色的 Deimos ，售价4080 R6点数，折合约30美元。如果玩家只想购买单个角色，也可以分别用1944 R6点数解锁祖国人或黑色诺亚。除此之外，捆绑包还附带了不少额外内容，比如祖国人的奶瓶挂饰。 <内嵌内容，请前往机核查看>
小众软件 · 青小蛙
SubTracky（Manage Subscriptions）是一款 iPhone 上的订阅制管理应用，可以帮你管理各种订阅，比如流媒体视频、音乐、社交网络、游戏、应用/软件等。并可以在订阅续费前发通
Huang said the ramp and the customer demand for Blackwell chips are "incredible", and anticipated the world will need 100 times more computing power for advanced AI than it deemed necessary a year ago.
人人都是产品经理 · 小黑哥
<blockquote><p>双 11 的复杂程度有目共睹，上百个节点，数亿用户参与，如何确保活动万无一失？靠的不是运气，而是清晰的流程和细致的执行。流程化和精细化思维，像一张网覆盖全局，又能处理每一个细节。</p> </blockquote>  ## 01 运营思维概述 ### 1.思维的重要性 **（1）复杂项目中的应用价值** **运营思维是一种探索事物内在规律和联系的能力**，尤其在面对复杂、多变且充满挑战的项目时，其重要性尤为突出。简单、重复的任务不需要过多的思维技巧，但运营工作往往伴随着复杂的项目和多方协作，思维是不可或缺的工具。 它能够帮助运营者快速学习新知识，并将既有经验迁移到全新的项目中，从而提高效率和准确性。 复杂的互联网运营环境，需要通过清晰的思维逻辑来拆解问题并找到解决方法。**通过流程化的项目拆解和关键点梳理，才能确保活动的顺利进行**。这种能力不仅提升了运营执行力，也使任务推进更加清晰有序。 **（2）互联网环境下的适应性** 移动互联网的快速变化，对运营者提出了更高的要求。每年都会有新的玩法涌现，同时也有旧的策略被淘汰。在这种背景下，仅仅依赖经验或既有技能已经不足以应对变化。 **运营思维能够帮助运营者灵活应对新环境，快速调整策略并找到合适的解决方案**。这种能力尤其体现在数据驱动增长和用户增长的过程中。 通过系统化的思维方式，运营者可以从复杂的数据中找到规律，并制定出合适的运营策略。无论是针对用户分层策略的制定，还是个性化运营方法的实施，运营思维都能帮助运营者在变化中找到方向，提升工作的稳定性和可控性。 ## 02 基础思维方法 ### 1.流程化思维 **（1）项目全流程梳理** **流程化思维是运营工作中不可或缺的一部分**。它通过梳理项目的全流程，帮助运营者理清任务的推进顺序，并确保每个环节的顺利完成。 a. 甘特图应用 甘特图是一种常用的项目管理工具，能够清晰地展示任务的时间安排和各环节的逻辑关系。在大型活动中，甘特图可以让运营者直观地看到哪些任务需要优先完成，哪些任务需要跨部门协作。 例如，在天猫双 11 的活动策划流程中，甘特图被用来规划各个节点的时间安排，确保每个阶段的工作能够有序推进。 这种工具在项目流程管理中起到了至关重要的作用。 b. 关键节点拆分 **在流程化思维中，将复杂项目拆解为关键节点是一项重要的技能**。通过将任务分解为小的执行单元，运营者能够更好地把控项目进度，并及时发现潜在的风险。 例如，在双 11 的活动中，项目被分解为活动前的宣传准备、活动中的流量转化以及活动后的用户运营。每个关键节点都有清晰的目标和时间安排，从而确保整个活动的顺利进行。 **（2）经验沉淀与复用** 流程化思维的另一大优势在于经验的沉淀与复用。 a. SOP标准流程 **SOP（标准作业程序）是将操作步骤标准化的工具，用于指导和规范日常工作**。 在天猫双 11 的活动中，SOP 被广泛应用于执行环节。尽管每年的活动主题和玩法有所不同，但超过 50% 的执行环节是可以复用的。 通过对历史项目的经验总结，团队能够快速制定出适合当前活动的执行方案，减少了重复劳动和错误的发生。 b. 双11实践案例 双 11 的成功离不开流程化思维的支撑。每年活动前，项目组都会制定一张详细的「商家作战地图」，这实际上是甘特图的变形版本。地图覆盖了上百个关键节点，明确规定了商家在活动前、中、后的具体任务。 这种工具不仅提升了活动策划工具的实用性，也极大地提高了活动节点规划的效率和执行质量。 ### 2.精细化思维 **（1）场景化应用** 精细化思维强调对细节的关注，以及根据具体场景制定差异化的策略。 a. 二维码投放策略 二维码的投放是精细化运营的典型应用场景。在不同场景下，二维码的形式和功能可能有所不同。 例如，早期二维码主要用于引导用户下载 App，而现在更多地被用于精准推送技巧，比如直接引导用户进入活动页面或完成特定操作。通过对用户行为和场景需求的深入分析，可以有效提升二维码投放的转化效果。 b. 渠道投放选择 **在品牌推广阶段，选择覆盖面更广的渠道，而在精准转化阶段，则需要优先考虑高效的流量入口**。这种基于场景的渠道投放策略，显著提升了渠道精细化运营的效果。 **（2）用户个性化** a. 分层运营方法 **通过对用户进行分层，可以为不同层级的用户制定针对性的运营策略**。 例如，高价值用户可以获得专属的优惠和服务，而普通用户则可以通过普惠性的活动机制来提升参与感。分层运营方法不仅能够提升用户运营效果，还能更好地实现数据驱动增长的目标。 b. 千人千面实践 通过大数据和人工智能技术，实现千人千面的个性化推荐已成为可能。 例如，阿里系的推荐算法能够根据用户的兴趣偏好，为其精准推送相关商品或活动页面。这种精细化营销方式，不仅提升了用户体验，还显著提高了运营的转化效率。 **（3）实操案例** a. 种子用户邀请 **在邀请种子用户入驻平台时，通过精细化思维设计多个版本的话术，针对不同人群进行个性化沟通**。 例如，在一个新平台的推广中，不同类型的种子用户可能需要不同的激励方式，从而提升邀请的成功率。 b. 群发内容优化 新媒体运营中，如何优化群发内容也是精细化思维的重要体现。例如，在推送文章到微信群时，可以根据群成员的特征设计不同的推荐语，使内容更具相关性和吸引力。这种细节化运营策略能够有效提升文章的打开率和传播效果。 ## 03 思维应用价值 ### 1.提升执行效率 **流程化思维让复杂项目变得更加清晰，显著提升了执行效率**。 例如，在双 11 的活动中，通过甘特图的应用，团队能够快速明确任务分工，避免资源浪费和时间延误。 ### 2.保证项目质量 **通过经验的沉淀和 SOP 的复用，能够有效降低项目的出错率，确保项目执行的稳定性**。 例如，在双 11 的执行环节中，SOP 确保了团队成员能够快速上手，并减少了不必要的错误。 ## 3.增强工作把控 流程化和精细化思维的结合，能够帮助运营者在复杂的项目中找到主线，保持对全局的把控力。正如金句所说：**流程化理清全局，精细化优化细节，横纵结合搞定复杂运营**。这种方法论不仅让运营工作更加有序，也让结果更具可控性。 流程化思维，拆解复杂项目，找到执行节奏；精细化思维，精雕每个细节，提升用户体验。这是顶级运营的基础方法论。无论项目规模多大，这两种思维都能让运营工作更加有序，也更容易出结果。 ### 增长黑哥划重点—— **要点1：**梳理项目全流程，用甘特图拆解任务节点，明确时间安排及协作对象。 **要点2：**总结项目经验，沉淀为 SOP，复用标准流程以提升执行效率和质量。 **要点3：**分层运营用户，结合场景和人群差异，制定精细化、个性化的运营策略。 **<strong>今日金句：</strong>**杠杆找到抓手撬动资源，生态搭建共生局面，双赢多赢自然达成。 作者：小黑哥 公众号：增长黑客之道 本文由 @小黑哥 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>随着 AI 技术的快速发展，越来越多的产品经理开始考虑转型为 AI 产品经理，但复杂的 AI 概念和技术术语往往让人望而却步。本文将为你梳理人工智能领域的基础概念，希望能帮到大家。</p> </blockquote>  你能正确区分它们之间的关联吗？ 比如人工智能与机器学习、深度学习到底是什么关系？ 深度学习与监督学习、无监督学习、强化学习，又是什么关系？ 分类、回归、聚类、降维跟算法又有什么关系？ 卷积神经网络（即CNN）跟循环神经网络（RNN）、对抗神经网络（GAN）有什么区别？ TensorFlow、PyTorch跟Bert、GPT是什么关系？GPT跟ChatGPT呢？ 等等。 对于小白来说，单纯这些概念，足以让人眼花缭乱，目眩神怡，更不用说转型成为AI产品经理。 所以，今天就简单分享一些人工智能相关的基础概念——来自一位小白（即本人）的学习总结。 ## 三代不同技术路线：专家系统、机器学习、深度学习 专家系统跟机器学习是人工智能的“两个儿子”（即它们属于“兄弟俩”），而深度学习是机器学习的“儿子”。 人工智能早期，因数据、算力、技术等局限性，让专家系统这类以人工编码规则和逻辑的技术路线，受到大家的“万千宠爱”，而机器学习则一直“备受冷落”。 直至深度学习这个“儿子”在2010年前后的突然爆发，才让这个分支，成为了人工智能领域的“掌上明珠”。  ## 深度学习：模型、预训练模型、学习范式、算法、框架 当深度学习成为人工智能领域，集万千宠爱于一身的“掌上明珠”后，所有的不同概念就不约而同地进入到了我们的日常生活中。 我把它们从不同维度、不同作用进行分类，以便于让你更好理解——假设你是AI小白的话。 **咱们先说模型——它相当于人工智能的“大脑”**。 深度学习的基础是模仿人类的大脑，而大脑的核心是神经网络，它是由1700多亿个神经元所组成。如前文《如何转型为AI产品经理？思维篇》所分享的赫布学习理论所说：当一个神经元（前突触细胞）持续或重复刺激另一个神经元（后突触细胞）时，两个神经元之间的传递效能增加，形成一个细胞回路，大脑就会记住这两个事物之间的联系，我们也就学会了。 简单来说，你的大脑（即神经网络）就是你学习、决策与行动的模型，而人工智能也有自己的“大脑”（即模型）。 目前深度学习领域的有“模型四兄弟”（即卷积神经网络（即CNN）跟循环神经网络（RNN）、对抗神经网络（GAN）、自注意力机制（Transformer））。 它们出身各异，都有自己的“前世今生”，也有自己的局限性，甚至产生了兄弟之间的“手足自残”的状况（如Transformer代替RNN）。  目前国内市面上的大模型，几乎采取的模型都是Transformer，只是针对性的进行了调优或增强。比如文心一言是基于百度的ERNIE大模型技术，结合了Transformer架构和知识增强技术；通义千问是基于Transformer-XL进行改进支持多轮对话和多模态理解能力等。 **第二，预训练模型——它相当于让人工智能的“大脑”提前完成了“预习”，我们可以叫它为“天才大脑”——即在出生时就自带大量知识。** 2018年是预训练模型的井喷之年，我们目前所熟悉的预训练模型都发生在那年。它们是：ELMo（2018年2月）→ ULMFiT（2018年5月）→ GPT-1（2018年6月）→ BERT（2018年10月）→ GPT-2（2019）→ GPT-3（2020）。 它们都属于自然语言理解（NLP）领域的预训练模型，相当于提前把相关的知识进行了预先学习，让模型不只是“空壳”般的网络。 它们的演进逻辑是：静态词向量 → 动态上下文（ELMo） → 迁移学习（ULMFiT） → 生成式预训练（GPT） → 双向理解（BERT） → 大模型时代（GPT-3）→ 模型规模持续扩大（如GPT-4）→ 多模态融合（文本+图像+语音，如GPT 4o）。 比如ELMo引入了上下文词向量，ULMFiT推动了迁移学习在NLP中的应用，GPT展示了自回归预训练的潜力，BERT通过双向Transformer和掩码任务取得了突破，而GPT-3则展示了大规模模型的强大生成能力。  **第三，学习范式——它是人工智能的学习模式或方法，类比于你用什么样的方式方法进行学习**。 人工智能领域主要有四种学习范式：监督学习、无监督学习、半监督学习、强化学习。 它们的演进脉络是：从规则驱动（专家系统）→ 监督学习（数据驱动）→ 无监督/强化学习（探索自主性）→ 混合范式（半监督、自监督）。 比如专家系统是依赖人类专家，提前预设所有规则，监督学习则是以标记数据进行驱动学习，无监督学习是不依赖标记数据，自主进行聚类/降维分析，半监督学习则是依赖少部分标记数据和大量未标记数据学习，强化学习是通过行为的奖励或惩罚进行自主学习等。  **第四，任务类型——它是人工智能要解决的问题类型，类比于你学习的目的是要解决哪类问题**。 人工智能领域的常见任务有四类：分类、回归、聚类、降维。其中分类和回归属于监督学习类，而聚类跟降低属于非监督学习类。 不同的任务类型对应不同应用场景，对应也有不同的算法来实现。 比如区分不同的图像（即图像分类），看它是小猫，还是小狗，则任务类型就是分类； 或根据客户的基础信息、使用网站信息等，将客户进行细分后，对应进行定制化的营销活动推荐，则任务类型就是聚类。  **第五，算法——它是人工智能用于解决问题的“工具”**。 不同的任务需要不同的算法，就像你去干不同的活儿，也需要不同的工具组合一样。 比如分类任务，结果可能是离散的，则可采取的算法有：决策树、支持向量机（SVM）、随机森林等； 如果是聚类任务，则可采取的算法有：K均值、层次聚类等； 如果是回归任务，则可采取的算法有：线性回归、决策树回归等。 **最后，框架——它是人工智能的“地基”**。 你的模型、预训练模型、学习范式等，都依赖它作为你的基础，类比于你的日常工作，可能都需要用电脑一样。 我们常见的深度学习框架有两个：TensorFlow、PyTorch。  TensorFlow是由 Google 开发的开源深度学习框架，主要用于构建和训练神经网络模型。它支持分布式计算和大规模数据处理，适合工业级应用和大规模分布式训练。 PyTorch是Meta（即Facebook）开发的开源深度学习框架，以其动态计算图和灵活性著称，适合快速原型开发和学术研究。它有两个的关键子库： - TorchVision：专注于计算机视觉（即CV）任务，提供了丰富的数据集加载器、预处理工具和模型架构； - TorchText：专注于自然语言处理（即NLP）任务，提供了文本数据的加载、预处理和分词等功能。 同时，还有一个Hugging Face Transformers属于“样板间”，它是一个基于 PyTorch 和 TensorFlow 的自然语言处理库，提供了大量预训练模型（如 BERT、GPT、RoBERTa 等），支持多种 NLP 任务。 它通过封装 PyTorch 和 TensorFlow 的 API，简化了模型的加载、训练和部署过程，并支持跨框架的模型转换，以及提供了丰富的工具和接口，如 transformers 库，用于加载预训练模型并进行微调。 目前国内的大模型厂家，绝大多数都是基于PyTorch框架（如智谱清言、百川智能、云雀、DeepSeek等），或者兼容PyTorch框架（如通义千问），而只有极少数是完全自研（如文心一言是自研的PaddlePaddle）。 ## 写在最后 人工智能所涉及的名词、概念非常多，今天总结了一些比较常见且容易混淆的概念，希望对你有所启发。当然，由于我自身知识的局限，如有不正确之处，还请多多指教。 我们用几句话，简单总结今天所讲到的概念： - **人工智能是一个大家族，专家系统跟机器学习是家族的“兄弟俩”，而深度学习是机器学习的“儿子”**。 - **人工智能的模型是“大脑”，分CNN、RNN、GAN、Transformer**。现在主流AI产品，基本都采取的是Transformer模型。 - **人工智能的预训练模型是“天才大脑”，让“大脑”在出生时，就自带大量的知识**。比如ELMo、 ULMFiT、 GPT、BERT等，都属于预训练模型。 - **人工智能的学习范式是“学习方法”，保证让“大脑”进行有效学习，成长为自主决策的“人”**。比如监督学习、无监督学习、半监督学习、强化学习都是不同的学习方法而已。 - **人工智能的目的是解决问题，而一般常见的有四类任务：分类、回归、聚合、降维**。同时，它们又对应有N种不同的算法，负责解决问题。 - **人工智能一般是需要有基础框架做“地基”的**。 比如TensorFlow/PyTorch都是深度学习的“地基”，而它们还提供了对应的“装修材料”（比如TorchVision/TorchText就是PyTorch的“装修材料”），以及对应装修完成的“样板间”（比如Hugging Face就是TensorFlow/PyTorch的“样板间”，提供了丰富的预训练模型以及API接口）。 **专栏作家** 邢小作，微信公众号：产品方法论集散地，人人都是产品经理专栏作家。一枚在线教育的产品，关注互联网教育，喜欢研究用户心理。 本文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>在数字经济时代，跨境支付的效率和速度成为企业竞争力的关键因素。实时支付基础设施的普及正在重塑全球跨境支付格局。本文将深入探讨实时支付基础设施的商业诉求、技术突破、商业影响以及未来的发展趋势。</p> </blockquote>  在前面发布的“[跨境支付六大趋势：实时支付、稳定币、AI、全球互联等如何重塑万亿市场？（简版）](https://www.woshipm.com/pd/6193892.html)”一文中，受篇幅所限，去掉了很多细节。接下来几天陆续放出各趋势的完整版供大家参考。今天的主题：“实时支付基础设施普遍化”。 我们将从底层逻辑-技术突破-商业影响-行动建议等维度，详细拆解这些趋势。文章专为跨境支付平台从业者、外贸企业和金融科技开发者打造，旨在提供可落地的趋势预判、技术选型参考与合规避坑指南。 仰望星空，观察趋势，基础是数据与逻辑推理（参考数据全部来源互联网，仅供参考）。 ## 1. 商业诉求叠加技术突破加速实时支付系统落地 在数字经济时代，“时间就是金钱”在跨境支付领域体现得淋漓尽致。过去跨境转账少则2-3天才能到账，如今企业和消费者都期望秒级完成。这种需求直接催生了实时支付系统在全球开花。 随着IT技术的发展，极大降低了实时支付清算网络的建设门槛。中国的大小额、超级网银等都是实时支付系统（可参考以前写的：中国支付清算体系顶层设计），世界其它国家也都纷纷上线实时支付网络：印度有UPI、欧洲推行TIPS，美国推出FedNow，巴西的Pix更是轰动一时。 此外，经济全球化也推动着各国通过技术联通实现跨境秒到：国际清算银行（BIS）推动的Nexus 项目，旨在通过连接全球多个国内即时支付系统（IPS）来加强跨境支付，包括马来西亚、菲律宾、新加坡、泰国和印度等五国已经开始实施实时支付系统的直接互联。 这些举措让跨境支付有望摆脱传统SWIFT网络的繁琐流程，进入7×24小时不打烊的实时时代。 ## 2. 全球实时支付交易量正呈爆炸式增长 根据ACI Worldwide发布的《2024实时支付报告》，2023年全球实时支付交易笔数已达2662亿笔，同比增长42.2%。实时支付已占据2023年全球电子支付笔数的19.1%。这一比例预计还将快速攀升，Juniper研究预测到2028年，即时支付将占跨境支付交易量的42%，金额达到16万亿美元（2024年仅为5万亿美元）。 以巴西为例，央行主导的Pix系统自2020上线后发展迅猛：2024年Pix交易笔数约640亿，较前一年激增53%，交易量已是信用卡和借记卡总和的1.8倍。2024年12月20日单日交易更创下2.521亿笔记录。Pix的成功显示出实时支付对传统支付方式的颠覆威力：“Pix向世界展示了即时支付如何在短短数年重塑一个国家的支付版图”。Pix如今已成为巴西最受欢迎的支付方式，甚至在拉美、欧洲、非洲引发监管机构研究其成功秘诀。  ## 3. 实时跨境支付的推进，既是技术竞赛也是博弈过程 一方面，SWIFT等传统网络不甘拱手让出跨境业务蛋糕，推出了GPI高速支付、SWIFT Go等服务提升速度，并要求所有成员机构自2025年11月起全面支持ISO 20022标准以增强互操作性。 另一方面，各国央行与区域组织在探索去中心化的直连模式：通过API或多边交换协议直接连接本国支付系统。例如，前面提到的Nexus 项目中，东盟五国正分阶段实现本币即时支付互通，让游客和企业无需经过美元清算即可直接支付结算。 这样的直接联通减少了中间环节，然而，这也带来标准统一性的挑战：不同国家系统的工作时间、合规要求各异，如何确保跨时区实时结算不停摆、资金安全可追踪？技术上需要解决时差对账、消息格式统一（这正是ISO 20022发挥作用的地方）以及网络安全。 与此同时，Visa、万事达等卡组织也不甘落后，利用其全球网络优势推出Visa Direct、Mastercard Send等近实时跨境支付服务。 可以预见，围绕实时支付基础设施的标准和主导权之争，将是未来各大支付巨头和机构博弈的焦点。 ## 4. 没有资金留存利差怎么办 实时支付基础设施化带来的直接好处是资金周转效率的大幅提升。 对企业而言，跨境货款从几天缩短到几秒，可以大大减少在途资金占用，提升现金流健康度。例如一家印尼的纺织品进口商，以往从中国采购布料要提前付汇等待，资金沉淀在途，现在通过两国实时支付系统直连，当天就能收货付款，两国企业都缩短了账期。 这种“秒到账”体验也显著改善了用户满意度。消费者跨境汇款更是如此：留学生学费、侨汇赡家以前经常赶不上最后期限，而实时支付让“遥远的爱”瞬间送达。有报告测算，全球范围内实时支付的普及可节省数百亿美元的时间价值成本，并拉动贸易量上升。 而且，实时支付降低了对信用周期的依赖，许多跨境交易无需垫资或信用证支持即可完成，商业模式因此得以创新。例如“即时时交割”（Just-in-time payment）在国际贸易中兴起：货到港即付款放行，而不是事前预付或赊账，有效降低供应链资金风险。 再如全球自由职业者平台，现在可以在项目完成后立即通过实时支付向遍布各国的开发者结算，大大增强了平台黏性。“速度就是竞争力”——谁能提供更快的支付体验，谁就在市场中胜出。 当然，即时跨境支付也给银行和支付公司提出新的商业课题。传统跨境汇款的利润来源之一是几天的资金留存利差，实时支付剥夺了这种“躺赚”机会，迫使机构转向规模取胜和增值服务。 同时，实时支付要求系统全年无休高可用运转，这对运营能力是巨大挑战。银行或金融机构需要升级核心系统、增强风控和反洗钱监测的实时性。这也给IT开发者带来机遇：动态限额风控、实时反欺诈算法的需求暴增。 “速度的另一面是风险”，监管机构也紧盯实时跨境交易可能导致的资金快速大规模流动，需要同步升级监管科技。 ## 5. 亚洲在实时跨境支付方面已走在前列 新加坡、泰国、马来西亚等国央行在2023年实现了本国实时支付系统的双边链接：例如新加坡PayNow用户可以直接向泰国PromptPay用户转账，几乎实时到账且费用低廉。这些项目在2024年持续扩展，覆盖更多参与国，为打造区域性“支付高速公路网”奠定基础。 中国与印尼之间也于2024年底启动了二维码支付互通项目：中国游客用支付宝扫码印尼QRIS码即可付款，印尼消费者也能在中国用本地钱包扫银联二维码购物。该项目由两国央行指导，银联国际、蚂蚁集团等参与，是亚太区域实时支付互联的标志性案例。 另一典型是巴西Pix：2024年Pix支付不仅在国内全面超过卡交易，还开始探索跨境应用。巴西正与邻国探讨将Pix连接至区域清算网络，使得跨国转账像国内转账一样便捷。 这些案例证明了“支付秒时代”的来临：跨境支付正在变得如同国内转账一样，即时、安全、低成本。可以预见，随着更多经济体加入全球实时支付大网络，一个真正全球互联的支付高速公路将在未来几年内成型。 ## 6. 风险提示 实时支付基础设施建设面临的主要风险包括： - 合规风险：跨境实时结算需符合各国反洗钱和资本管制要求，监管协调复杂。 - 技术风险：系统需7×24运行，宕机或网络攻击可能造成跨国连锁反应，需要有多个备份通道。 ## 7. 几点建议 - 评估公司现有跨境支付速度：找出关键延迟环节，制定实时支付改造计划，比如对接更多的实时支付系统。 - 关注所在国/地区的实时支付网络进展，积极参与或对接测试，抢占先发优势。 - 制定7×24实时运营方案，包括技术支持和风险监控，确保“秒支付”安全稳定。 - 考虑新的盈利模式：以服务价值取代利息留存，如提供数据报告、资金预测等增值服务。 （完） 参考资料： - Prime time for real-time global payments report | ACI Worldwide) - Banking’s 2024 cross-border payment trends: A year in data - B2B cross-border payments trends in 2024 - Stablecoin Regulation Gains Global Momentum | S&P Global Ratings - a16z 2024 Crypto Industry Report: From Regulatory Breakthroughs to Infrastructure Upgrades, Interpreting 7 Major Trends in the New Era of Crypto – ChainCatcher - Stablecoins Move From Cross-Border B2B to Real-Time Treasury - Pix Transactions Exceed 6 Billion Monthly | Business Wire - 中国与印尼扩大跨境支付合作，银联国际、蚂蚁国际等参与_跨境快讯 - BofA Sees 51% Increase in Companies Leveraging APIs For Real-Time Treasury Needs - RegTech Market to Reach $83.8 billion, Globally, by 2033 at 21.6% CAGR: Allied Market Research - Brazil’s Pix hits 6bn monthly transactions: What does it mean for US? 本文由人人都是产品经理作者【隐墨星辰】，微信公众号：【隐墨星辰】，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。
让机器人交社保本质上是社会契约的重构，企业需要为其创造的“创造性破坏”买单，而政府需确保这一过程不牺牲弱势群体利益。
 在今天召开的微软无障碍峰会上，Xbox 宣布 Xbox 自适应操纵杆（Adaptive Joystick，建议零售价 219 元）正式上市。 全球有超过 4.29 亿玩家面临某种程度的残障挑战，因此在 Xbox 产品中融入无障碍和包容性设计至关重要。  Xbox 自适应操纵杆是 Xbox 与游戏及残障社区合作设计的一款可单手操控的有线控制器，旨在满足行动受限玩家的需求。其具有丰富的多功能性，玩家可以通过游戏设置把它无缝集成到现有的 Xbox Series X|S 和 Xbox One 主机及 Windows 11 PC 中，并且可以与 Xbox 无障碍控制器、Xbox 无线控制器或 Xbox 精英无线控制器 2 等 Xbox 控制器搭配使用。  Xbox 自适应操纵杆已在[微软官方商城](https://www.microsoftstore.com.cn/wxbridge/index/index/id/1)独家发售。玩家可以通过[产品支持页面](https://support.xbox.com/help/account-profile/accessibility/xbox-adaptive-joystick)了解如何使用 Xbox 自适应操纵杆。
 尽管第一季尚未推出，亚马逊《战神》真人影视剧已确认续订第二季。 真人影视剧最早在 2022 年官宣，最初由 《苍穹浩瀚》系列主创 Mark Fergus 、Hawk Ostby 以及《时光之轮》系列制片人 Rafe Judkins 领衔 。去年年底，亚马逊宣布由 Ronald D. Moore 接棒。  在接受播客节目采访时， Moore 提到这将是接下来的重点项目，而且亚马逊已经预订了两季。Moore 坦言，自己只接触过街机游戏，现在的游戏太过复杂。虽然没有太多游玩的《战神》时机经验，但鉴于这款游戏本身就极具电影感，相信他在改编时依然能够很好地还原精髓。  值得一提的是，目前他和编剧团队正在积极推进剧本创作，这也意味着该剧距离正式播出还有很长一段路要走。据悉，第一季最快也要到 2026 年才能与观众见面。亚马逊此前确认，《辐射》第二季的筹备工作也在进行中，预计不久后就会回归。
cnBeta全文版
英国《金融时报》专栏作家尹允(June Yoon)周三发文，解释了为何中国公司突然间推出了那么多强大AI模型。**她认为，开源策略功不可没。**以下是文章主要内容：  DeepSeek拉开了中国大模型开源的序幕 最近几周，**包括阿里巴巴、百度和腾讯在内的中国科技企业纷纷向市场推出了强大的AI模型**。然而，在一个奉行保密策略的行业中，**真正令人震惊的是他们的开放性：这些模型可以免费下载、修改和整合。** 中国AI开源的推进速度势如破竹。**自1月DeepSeek R1首次亮相以来，一波越来越强大的模型接踵而至**。阿里声称，其最新的AI推理模型QwQ-32B能够与DeepSeek的R1相媲美，并在权威基准测试中表现出色。每隔几周，中国就会有一个新模型推出，不断突破开源AI的极限。 乍一看，这波浪潮似乎表明AI应该向全世界开放，而不仅仅是少数几家公司。但在商业和地缘政治中，慷慨之举往往背后有**战略考量**。真**正的问题不是为什么中国会开源其AI，而是为什么世界认为它不会开源。** **开源VS封闭** **目前，大多数美国科技公司都将AI视为一种专属资源**，通过付费墙限制对其最强大模型的访问。OpenAI、谷歌旗下DeepMind以及Anthropic仅对它们最先进的AI模型提供有限的访问，通过付费订阅和企业合作等方式提供这些模型。与此同时，美国政府将AI开源视为安全风险，担心不受监管的模型可能会被改造成网络武器。 **但是，中国科技公司采取了截然不同的方法。**通过开源AI，他们不仅避开了美国的制裁，还将开发去中心化，**利用全球人才来完善其模型**。即使是英伟达高端芯片限制也不再成为障碍，因为全世界都可以在替代硬件上训练和改进中国的模型。 AI通过迭代不断进步。每次新版本的发布都建立在上一版本的基础上，改善不足、扩展能力并提高效率。**通过开源AI模型，中国的科技公司创造了一个生态系统，让全球开发者不断改进模型，而无需承担所有开发成本。** 这种做法的规模效应可能会从根本上**重塑AI的经济结构**。如果开源AI与美国的专有模型一样强大，那么美国公司将AI作为独占产品进行盈利的策略就会失败。如果有一个免费的、同样强大的替代品存在，为什么还要为封闭模型付费呢？ 当然，这需要取舍。如果AI技术免费提供，那么外国公司就会毫无阻碍地借鉴中国的模型，对其进行改进并超越中国公司。随着时间的推移，像阿里、百度和腾讯这样的公司可能会面临与美国同行相同的压力：**被迫限制访问权限以保护知识产权并创造收入。** 但是目前，**AI开源仍然是中国公司最好的选择**，这能够让他们在无法获得最强芯片或缺少先发优势的情况下参与竞争。 开源浪潮的时机并非巧合，这是对封闭的回应。在特朗普总统领导下，美国对芯片和AI技术的限制将更加严格，而专有AI模型地位稳固，**中国最有效的战略就是速度和规模，迅速抢占市场，在AI垄断出现之前扭转局面。** 如果OpenAI、谷歌和微软这样的公司已经在我们所熟知的AI竞赛中胜出，那么中国最好的选择不是竞争，而是让胜利变得毫无意义。 [查看评论](https://m.cnbeta.com.tw/comment/1486596.htm)
英伟达在周二举行了GTC大会，首席执行官黄仁勋激情演讲了约两个小时，以描绘英伟达的未来蓝图。然而，资本市场对这种热情并没有很买账。周二，英伟达股价收盘下跌了3.4%，又在盘后下跌了0.55%。Lopez Research创始人Maribel Lopez表示，黄仁勋说的东西早就已经被说透了。 图源：MarketWatch 绿线为演讲开始时间 英伟达虽然仍是半导体和人工智能行业中的领军企业，且拥有着很多独一无二的行业机会，但分析师们从黄仁勋的讲话中抓不到令人惊喜的东西。 在分析师看来，黄仁勋的讲话有关键的两个要点，一是英伟达的很多重大机遇不会在短期内转化成收入来源，二是他演讲的内容基本上已经被市场预判。这意味着市场早就已经消化了英伟达未来几年的利好，这对于该公司的短期股价来说，显然不是一个好消息。 **老调重弹** Lopez指出，黄仁勋提到的量子计算、机器人技术都无法成为英伟达短期内的主要销售驱动力，且这些发展方向都不能媲美英伟达核心业务——芯片的发展速度。黄仁勋也肯定了这一观点及量子计算和机器人都需要时间才能看到回报。 Jeffreies分析师Blayne Curtis也表示，英伟达在硬件、软件和垂直领域拥有着强大的实力，但他希望看到更多证据证明英伟达有潜力扩大其总市场规模，并在成本方面能提供优势。 他补充称，黄仁勋在GTC大会上更新后的路线图显示，英伟达的新芯片系列Rubin只会在2026年进行增量更新，而Rubin Ultra则需要在2027年才会实现重大升级。 人工智能进入瓶颈期，而美国总统特朗普的关税政策继续引发市场不安。周二，美股科技股继续下跌，纳斯达克指数收跌1.7%。经济的不稳定性，加上政策干扰，令美股在周三美联储议息会议前陷入动荡。 但华尔街也有人继续看多英伟达。在GTC大会之前，Truist分析师Will Stein在一份报告中强调，投资者最大的担忧是英伟达客户已经部署了过多的计算能力，尤其是在DeepSeek横空出世之后。 若英伟达客户进入算力消化期，行业可能将陷入周期性衰退。Stein承认这一担忧不无道理，但他也认为时机非常重要。 他仍将英伟达视为人工智能关键公司，且其领导地位更仰赖于该公司的创新文化、生态系统以及对软件、培训模型和服务的大量、持续的投资。 Wedbush分析师Dan Ives也表示，市场需要稳定的特朗普政策，投资者则需要明确的游戏规则，但未来几个月的纷纷扰扰不会改变人工智能革命的轨迹。他相信GTC大会是科技股的转折点，因为华尔街开始重新关注人工智能革命和未来的大规模支支出。 [查看评论](https://m.cnbeta.com.tw/comment/1486594.htm)
今日举办的海尔智家2025生态大会上，海尔集团高级副总裁、海尔智家董事长兼总裁李华刚大会上疑似回应了公司近期“强制双休”舆论关切。  李华刚表示，“前一段时间网上有一些负面的倾向，我有必要在这里给大家解释一下，我们是连续8年的福布斯全球最佳雇主，我们旗下的GE连续三年获得美国最佳工作场所，海尔的英国公司连续三年获评英国最佳单位，这些荣耀比任何一件产品的荣耀都要伟大得多。” 李华刚表示，“我们实现了多种文化多元的文化融合，我们历史并购了很多企业，没有一个失败。”李华刚表示。 此前，消息称海尔集团要求员工“强制双休”，内部发布了全面落实双休制的通知，要求所有部门（包括研发、市场等）实行双休，周六不准来公司，食堂也不提供饭食，特殊情况需要加班的，必须提前一周审批。不过该消息引发广泛网络争议，有声音质疑其“要求员工在家里加班”。 李华刚大会上透露，2024年，公司业绩持续增长，在全球7个市场保持了第一位，美国、澳洲、日本的冰箱市场达到第一位，欧洲增长达到行业两倍，连续16年获得全球大型家电品牌零售量的第一位。  “我们实现了科技的引领，我们有12项中国专利金奖，是行业第一，我们有17项国家科技进步奖200项以上的原创技术专利，我们实现了平台的应用。”据李华刚透露，“在智慧家庭平台上，海尔诞生了3.5万套发明专利，达到全球第一位，牵头设立了4条智慧家庭的国际标准，拥有10座灯塔工厂，也是全球第一位。” 此外，海尔智家还从企业战略、生活场景、国内外市场引领家电行业发展维度，介绍了公司“开启AI生活美好万象”的思考与规划。 [查看评论](https://m.cnbeta.com.tw/comment/1486592.htm)
彭博社发文，**英伟达CEO黄仁勋在股市上正逐渐失去其“点石成金”的魔力。**一年前，当人们对AI的狂热达到顶峰时，黄仁勋在GTC大会上提及公司的客户和合作伙伴，这引发了包括戴尔和新思科技等在内的多只股票的上涨。然而，**在本周二他发表的主题演讲中，类似的提及却无人在意。**  黄仁勋 以通用汽车公司为例。**黄仁勋表示英伟达将帮助这家汽车制造商开发自动驾驶汽车，然而几分钟后，通用汽车的股价便跌至当日低点**，被整体市场的下跌浪潮所裹挟。周二，其股价一度下跌了1.7%，最终收跌0.7%。 黄仁勋周二宣布的与美国移动运营商T-Mobile和思科系统公司的一个无线项目，**同样没有引起投资者的兴趣。**黄仁勋称，英伟达正在为新的6G网络打造“人工智能原生”的无线网络硬件。**T-Mobile的股价基本没有变化，而思科的股价则下跌了1%。** 这种交易情况显示出，随着股市下滑以及特朗普发起的贸易战使经济前景黯淡，市场情绪发生了怎样的变化。除此之外，科技股也受到了拖累，因为人们越来越怀疑，对人工智能的巨额投资究竟何时才能带来足以支撑股价上涨的革命性变革。 JonesTrading公司的首席市场策略师迈克尔・奥罗克表示：“这更能反映当前的市场行情、宏观环境以及市场心理。去年，他们几乎对任何消息都感到兴奋，而今年他们则谨慎得多，**我们看到的是抛售潮，而非股价上涨。**” 英伟达公司本身今年以来股价有所下滑。过去两年，随着科技巨头加大投资，英伟达的营收大幅增长，而如今市场对其营收增长情况感到担忧。**周二，英伟达股价下跌超过3%，较1月份的峰值已下跌超过20%，市值蒸发了8000多亿美元。** 扎克斯投资管理公司的客户投资组合经理布莱恩・马尔伯里表示：“**英伟达已不再像过去那样光彩照人。**听了他今天的发言后，没有什么特别具有开创性的内容能让我想要增持英伟达的股票。” [查看评论](https://m.cnbeta.com.tw/comment/1486590.htm)
<blockquote><p>在数据分析和商业决策中，预测模型是不可或缺的工具，但如何构建准确且实用的预测模型一直是数据领域的难题。本文将深入探讨预测模型的核心原理、常见模型类型以及实际应用中的关键流程。</p> </blockquote>  “到底怎么预测才准？”是数据领域终极难题。太多文章，在介绍预测方法本身，而具体到实际中： 1、可以用的数据非常少。 2、预测出来领导不满意，让再改改。 3、实际情况差距大，领导还是不满意！ 到底怎么办？！今天一篇文章讲清楚。 ## 一、预测算法的本质 从本质上看，预测算法只有2大类： ### 1、基于时间序列的 - 平滑：用于相对平稳的数据。 - 自回归：用于趋势性递增、递减的数据。 - 带季节因素自回归：用于有周期性波动的数据。 基于时间序列的预测，最大优势在于：不需要很多数据（如下图）只需要一个指标（比如收入/用户数/订货数量）即可。  ### 2、基于因果关系的 - 二分类问题：未来会/不会发生XX，典型如LR。 - 多分类问题：未来是ABC哪个情况，典型如决策树。 - 连续型问题：未来的数值是多少，典型如线性回归。 因果关系类模型，对于有投入产出的情况更管用，更能体现：“一分钱一分货”的关系。 不过现实中， 影响产出因素很多，往往很难收集到足够多数据，实操的预测误差可能比时间序列还大（如下图）。  这是两种基础思路，在实操中，还要解决更多问题。 ## 二、现实中难点 现实中，缺少数据是头号问题，很多时候，领导就是扔给你一个excel表+几个数字，让你预测……巧妇难为无米之炊，很多时候，时间序列法是唯一选择，因为就一个指标+十几个数，没得选…… 现实中第二大麻烦，是怎么衡量预测准确度。 比如预测销量是1000万： 业务做到900万，会说：预测得一点都不准，搞得货积压了 业务做到1100万，会说：预测得一点都不准，还是我厉害 总之，只要你不是100%精准，业务都有理由赖到你头上。甚至可以反复横跳。比如：“本来业务能达标的，看到预测说能达标，我们就省点投入，结果不达标了，都怪预测干扰了业务判断……” 因此，在实际工作中，不能孤零零只谈模型，要和业务动作结合起来，综合提升效果。 ## 三、用业务手段，提升准确度 所有的互联网营销模式，从小米到天猫到拼多多，都在用业务手段，对抗预测的不足，比如： 场景1：“货物本身不耐储藏，多进货的话库存损失率会很高，但销售数量又很少，数据确实很多”——用团购，成团了才采购 场景2：“销售数据很少，少到无法计算价格弹性，业务方又想预测价格弹性，多赚钱”——用拍卖，少量用户竞价，获得更高价格 场景3：“新品是全新款，没有数据，咋预测？”——做新品预售/粉丝凭码购买，测试用户群体规模 场景4：“大促期间备货量难预测？拿捏不准用户有多少需求？”——让用户先付10元定金，定金膨胀3倍，提前锁定订单 凡是有业务手段可以用的，优先上业务手段，人家大厂都没能力100%精准预测，小厂就更别逞能了 ## 四、用基础分析缩小预测范围 在实际工作中，大部分业务场景不需要100%精确度，业务本身就有波动。，业务怕的是突然暴增/暴跌的场景。预测目标与其设定为：“100%精准”，不如设定为：“是否暴增/暴跌超过业务消化能力”。 预测100%精准基本无解，但是发现哪里可能暴涨/暴跌是很容易的。通过基础分析，把不稳定因素区分出来，能大大缩减预测问题的难度（如下图）。  做好基础分析，拆分不稳定因素以后，也更方便挑选模型组合，解决问题（如下图）。  ## 五、用滚动式预测代替长期预测 预测时间周期越长，自然偏差越打。用滚动预测能很大程度弥补这个缺点。 通过日/周滚动预测，既能补充数据缺失，又能反映业务方临时调整带来的效果，一举两得（如下图）。  ## 六、用买定离手模式保护自己 一个好问题+滚动预测，基本上能满足实际工作需求。但作为做预测的人，得学会保护自己，避免业务方反复横条，瞎胡甩锅。 买定离手法是很好办法。预测结果给出以后，买定离手，所有相关业务方不再质疑预测结果，而是基于预测结果做叠加。 谁觉得预测少了，谁自己写请示申请额外货物，并且留下书面证据。到时候是预测得不准，还是业务自己申请多了所以卖不动，看得一清二楚（如下图）。  ## 七、再深层地看预测问题 从本质上看，如果业务发展可控，自然没人需要赌命： 1、了解业务规律，把握常规走势 2、通过基础分析，找到波动来源 3、采取业务手段，规避波动风险 这样的组合拳，比盲目赌命管用的多。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，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。
嘶吼 · 山卡拉
 IAS 威胁实验室发现，自 2024 年初起，一系列恶意活动在 Google Play 平台悄然展开，该实验室将其命名为 “Vapor”。此次恶意行动涉及超过 300 个恶意 Android 应用程序，这些应用累计从 Google Play 下载量高达 6000 万次。它们要么充当广告软件，要么试图窃取用户的凭证和信用卡信息。 IAS 发现，在 “Vapor” 活动中，有 180 个应用程序参与其中，这些应用每天能产生 2 亿个欺诈性广告竞标请求，以此实施大规模广告欺诈。而 Bitdefender 最新发布的报告显示，恶意应用程序的数量已增加到 331 个，且报告指出，巴西、美国、墨西哥、土耳其和韩国等地出现了大量感染情况。Bitdefender 发出警告：“这些应用程序不仅会展示不合理的广告，甚至还试图在网络钓鱼攻击中诱骗受害者泄露凭证和信用卡信息。” 尽管目前所有这些恶意应用程序均已从 Google Play 下架，但 “Vapor” 活动极有可能通过新应用程序再次卷土重来，毕竟威胁行为者此前已展现出绕过 Google 审核流程的能力。 **Google Play 上的 Vapor 应用** “Vapor” 活动所涉及的应用程序多为具备特定功能的实用工具，例如健康和健身追踪、笔记工具和日记、电池优化器以及二维码扫描仪等。这些应用能够通过 Google 的安全审查，原因在于它们包含所宣传的功能，并且在提交时并不含有恶意组件。然而，恶意软件功能会在用户安装应用后，通过命令和控制（C2）服务器提供的更新进行下载。  Google Play 上的恶意应用程序 来源：IAS Threat Lab Bitdefender 和 IAS 着重指出了一些具有代表性的案例，包括： · AquaTracker —— 下载量达 100 万次； · ClickSave Downloader —— 下载量达 100 万次； · Scan Hawk —— 下载量达 100 万次； · Water Time Tracker —— 下载量达 100 万次； · Be More —— 下载量达 100 万次； · BeatWatch —— 下载量 50 万次； · TranslateScan —— 下载量 10 万次； · Handset Locator —— 下载量 50,000 次。 这些应用由不同的开发者帐户上传至 Google Play，每个帐户仅向商店推送少量应用，目的是避免在应用被删除时遭受严重损失。同样，每个发布商还会使用不同的广告 SDK。大多数 “Vapor” 应用于 2024 年 10 月至 2025 年 1 月期间在 Google Play 发布，不过上传行为一直持续到 3 月。  Google Play 上的 Vapor 应用提交 Bitdefender **恶意功能** 恶意的 “Vapor” 应用在安装后，会关闭 AndroidManifest.xml 文件中的启动器活动，使其在用户设备上不可见。在部分情况下，它们会在 “设置” 中更改自身名称，伪装成诸如 Google Voice 等合法应用。应用程序无需用户交互即可自动启动，并利用本机代码启用辅助隐藏组件，同时保持启动器处于禁用状态，以此隐藏应用图标。Bitdefender 评论称，这种手段绕过了 Android 13 + 系统的安全保护措施，该措施原本旨在防止应用程序在启动后动态禁用自身的启动器活动。 此外，该恶意软件还绕过了 Android 13 + 上的 “SYSTEM_ALERT_WINDOW” 权限限制，创建出一个充当全屏覆盖的辅助屏幕。广告便显示在这个覆盖所有其他应用程序的屏幕上，并且由于 “返回” 按钮被禁用，用户无法退出。该应用程序还会将自己从 “最近任务” 中删除，导致用户难以确定是哪个应用启动了这些广告。 Bitdefender 报告指出，部分应用程序的恶意行为不止于广告欺诈，它们还会显示 Facebook 和 YouTube 的虚假登录屏幕，以窃取用户凭证，或者以各种借口诱导用户输入信用卡信息。 针对此类情况，通常建议 Android 用户避免安装来自不知名发布商的不必要应用程序，仔细检查授予应用的权限，并将应用程序抽屉中的应用与 “设置”→“应用程序”→“查看所有应用程序” 中已安装的应用程序列表进行比对。
<blockquote><p>在高压项目中，传统的分段开发模式常常导致效率低下和问题频出。本文通过一个限时一个月完成的高压项目案例，详细剖析了分段开发模式的弊端，供大家参考。</p> </blockquote>  年后，我带着一个项目组，一头扎进客户单位驻点开发。这位客户可是出了名的“急性子”，，限时一个月，就得做出别家半年才能捣鼓出来的产品效果。 出发前，军令状都立了，不成功便成仁。 销售团队也没闲着，全国到处给客户宣传介绍，这意味着我们必须在一个月内把产品弄出来，一点退路都没有。 在这个感觉被装进“高压锅“里的项目中，项目开发一开始就陷入了老套路。我们把产品功能拆得七零八落，就像把一块大蛋糕切成了无数小块，前后端开发人员各领一块。 可这个项目不一样啊，得用大模型，除了常见的工程开发任务，还得和算法团队配合，给算法提需求，让他们进行大模型训练调优。 这就好比两条线并行，一条明线是我们在客户现场驻点的功能开发项目组，像一群忙碌的工蚁；另一条暗线是算法团队在实验室搞模型优化，如同神秘的魔法师。 项目工期紧，压力大，大家各领一摊事之后，立马就开干了。几乎每天都是加班加点的，办公室里灯火通明，键盘的敲击声和讨论声交织在一起。 团队里的“急先锋”军总，每天顶着黑眼圈，噼里啪啦键盘不慌不忙的找问题。研发大佬“兵哥”，一到晚上10点就宣布，他脑子已经糊涂了，再给他提问题，他就脱口而出“要死了……”，这简单的三个字，道尽了大家的疲惫和无奈。 但是，真正让我崩溃的是，上线前一周集中爆发的”连环雷”，问题就越像爆米花一样，噼里啪啦全爆出来了。 问题出在哪里呢？ 前期，因为是大家各自负责一块任务，等快到上线前一周，大家开始集中交付做测试验证。这一下子，问题就暴露出来了。 A、B、C、D、E做的任务都有问题，这也正常，还没见过哪个程序员交出来的东西不出bug。 问题是：B的任务出的问题，说是A那边给他的东西就有毛病；C做出来的有问题，排查下来是B提供的东西不对。 这场景，现在想想都觉得很好笑。 好比是要修一条10公里的高速公路，分成了5段，每个人负责一段。就算是中间这一段修好了，只要第一段路没有修好，车子还是跑不起来。 更离谱的是，前期根本没考虑到每段路中间的“衔接”问题，没人管。B 说这是 A 的事儿，A 说这应该是 B 来做。一个新任务出来，就开始来回扯皮、相互推诿，跟踢皮球似的。 领导一看，嘿，整个工程干得热火朝天的，产品经理忙得脚不沾地，一会去沟通铺路基的事儿，一会被 B 拉去讨论搭桥，一会又参与到 C 的打通山体隧道问题中。 看起来整个工程已经修好了很多，但实际上每一段路都修的不合格，到了规定时间，根本通不了车。 为什么会这样呢？ A 工程师遇到问题，只会去找产品经理讨论，B、C 工程师都忙着修自己的路段，没空搭理。可产品经理又不懂具体施工技术，只能瞎指挥。结果呢，A 工程师为了赶工或者省事，就选一些临时解决方案，甚至偷工减料，做出来的工程能合格才怪。 而产品经理呢？ 每天是忙的焦头烂额，一会研究下如何铺路，一会思考下怎么搭桥，还得去调研下如何打洞。一通忙活下来，大部分问题都解决不了，事项一多，脑子根本就不听使唤，给出来的都是临时的、简易的方案。 我应该算是项目经理的角色，在项目过程中，除了盯着大家认真干活，就是帮忙做一些力所能及的杂活，偶尔提供一些情绪价值，买点吃的，开个玩笑，活跃下氛围，打气加油。 直到项目没有在规定的时间按时上线，我再也没有心思开玩笑。那一天，和项目组的人员讨论到凌晨，我才意识到真正的问题所在。 问题就出现当前这种做项目的模式上，从一开始就不应该把整个工程分成五段路来修，导致大家各管一段，看起来这种方式速度更快。但实际上，每一段路最后都没有办法达到验收标准。车子根本开不起来。 怎么办呢？得改！ **我总结出来的经验就是：一段一段路修。别再搞那种切分任务快、大家各自为战的项目模式了。整个项目组集中资源，一个任务一个任务地解决。** 这样做的好处有很多。 首先，同样的时间工期，至少可以保证整个路段80%是可以通车的，不会像分段建设那样，最后车子一公里都跑不了。 就好比之前有个类似项目，采用传统模式，到了交付时间，各个模块拼凑起来，漏洞百出，根本无法正常运行。而采用“全链贯通术”后，我们集中精力先完成核心功能，就像先修好主干道，保证基本通行，后续再逐步完善其他路段。这样至少能让客户先看到部分成果，增强信心。 其次，遇到问题，大家可以齐心协力想解决方案，把问题处理得更彻底，方案也更合理，避免以后给自己挖坑。不然路是匆匆修好了，以后就得长期维修。 再者，能减少内部消耗，避免出现衔接路段没人管的问题。 以前因为衔接问题，不同模块之间数据传递经常出错，导致大量时间浪费在排查和修复上。采用“全链贯通术”后，大家明确各自在整体中的位置和职责，就像道路施工中的各个环节紧密配合，数据传递顺畅，效率大大提高。 最后，项目的验收可以提前，修好一段路就验收一段，不用等到最后每段都修得差不多再去验证，结果每段路的问题都来不及修补。这不仅可以提高项目的效率，还可以及时发现问题，避免问题积累到最后无法解决。 项目管理之路，道阻且长，没有在这重高压之下，根本没办法深刻认知到过往项目管理的问题。 我不知道这算不算是一个有效的经验，但，对于我，这就是所谓的成长吧！ 作者：武林，公众号：肖武林 本文由@武林 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。
36氪文｜王毓婵 编辑｜乔芊 36氪获悉，微信团队正在扩大对公众号信息流中“朋友♡”入口的测试范围，并且进行了产品优化，在该入口的左上角增加了“XX条更新”的标注。 “朋友♡”入口中，折叠了最近微信好友点了“♡”，即“推荐”的文章。“推荐”功能在今年1月由“在看”进化而来。这个新入口被放在公众号信息流中，位置非常靠前。根据36氪的测试，“朋友♡”入口往往出现在公众号信息流首位，甚至时常高于用户订阅的公众号内容。现在，公众号信息流里从上到下的推送顺序是：“快讯”-“朋友♡”-“关注的公众号”-“关注的视频”-“看一看”。前四名的位次不定，常有易位。  左：公众号信息流页面截图；右：点开朋友♡卡片之后，进入新的信息流页面截图 在公众号整体大盘流量趋势向下的前提下，对超2000万的公众号创作者们来说，流量分发机制的改变非常重要。从近年来微信团队的调整动向可以看出，微信越来越注重基于社交关系的内容分发。这不仅事关创作者的收入，也事关流量分发的公平以及公共话语权。 ### 社交推荐，对小号更友好 2017年，微信公众号文章的平均打开率曾高达10%，但随着公众的注意力被短视频侵蚀，这一数字也在2020年前后快速下降到了1-2%。 新榜数据显示，2024年，公众号累计产出超4.44亿篇文章，有30.78万篇阅读量达到10万+，占比不足0.07%。这其中，有11.87万篇是原创文章，占比不足0.03%。 虽然在公众号大盘里赢得流量之战仍然很艰难，但流量分发的机制正在好转。相比2023年，去年的10万+文章多出了3.9万篇——这还是在文章总数下滑的前提下**（**2023年微信公众号产出4.48亿篇文章**）。** 在获取流量的过程中，来自社交推荐的流量功不可没。  2023年8月的一周，36氪矩阵账号“36氪未来消费”的阅读量来源  2025年3月的一周，36氪矩阵账号“36氪未来消费”的阅读量来源 由以上两张图可以看出，“推荐”所带来的流量，在36氪矩阵账号“36氪未来消费”的总阅读量中的贡献，从2023年8月的24.3%，上升到了2025年3月的45.9%，吃掉了原本由“公众号消息”所贡献的份额。该号目前最大的流量来源已经是推荐，而非推送。 微信团队尝试增加社交推荐在公众号流量分发中的权重已有多年。2017年，“看一看”功能被推出，这也是微信最开始给用户展示好友推荐的内容。当时，微信将公众号文章点赞按钮变成“好看”，用户点击“好看”的内容会同步推荐至“看一看”。它最初是作为一个独立的功能模块，位于微信“发现”页中，并且分为“好友在看”和“精选”两栏，一个是社交推荐，一个是机器推荐。 2018年6月，订阅号信息流开始展示朋友阅读过的文章（即“X个朋友看过”），这与“看一看”的社交推荐逻辑类似。在后续的调整中，用户订阅的公众号推送内容被部分折叠，而“看一看”在信息流中的权重逐渐上升。 但需要注意的是，订阅号信息流中的“看一看”也是社交推荐+机器推荐的融合，与我们所说的纯正的社交推荐“朋友♡”是两回事。 轻订阅，重推荐，是近年来公众号内容分发逻辑调整的一个核心思想。测试中的“朋友♡”在公众号信息流中的权重高于“看一看”也证明了这一点。 作为全网独有的不公开展示粉丝量的平台，微信一直致力于“去头部”和“去中心化”。对粉丝量大的头部账号来说，这样的调整并不算是利好。但对新人创作者来说，则相当于有了成长空间。  2025年3月的一周，36氪主账号的阅读量来源 由上图可以看出，在36氪微信公众号大号的流量来源之中，“推荐”所贡献的份额仅占2.2%，远低于矩阵小号之中该类目的份额。这是因为作为粉丝量级较大的账号，公众号消息推送能够触达的用户更多。那么，在微信流量大盘不变，而提高“社交推荐”权重的当下，小号就比大号更能从中受益。 微信倾向于给后来者更多机会，这点不仅体现在公众号生态，视频号也是一样。在2025年微信公开课中，视频号团队就提到，目前对于新人创作者和偏UGC的普通人创作者，视频号给到的流量倾斜和扶持力度要远大于其他平台。 ### 朋友推荐，内容分发的平权 “朋友推荐”的权重越来越高，这代表了什么？ 谁拥有了更多、更优质的社交关系，谁就掌握了更多的内容分发的权力。 权力的所有者，经历了三次变化。微信公众号展示页面从最初的“**只展示用户订阅的号发布的内容，且按发布时间排列**”，到“**打乱排列顺序，且展示用户未订阅的平台推荐内容**”，再到“**在打乱顺序的前提下，折叠部分订阅内容，优先展示朋友推荐的内容**”，内容分发的权力也经历了三轮更迭，即“**掌握在创作者手中**”—“**掌握在平台手中**”—“**掌握在用户手中**”。 相比前两种情况，当内容分发权力掌握在用户手中时，是相对来说最公平的。因为当依赖订阅关系时，先来的创作者更有可能受益于头部效应而挤压后来者的空间，而平台推荐更有可能导致不公和信息茧房。在第三种情况下，虽然好友更多的用户也自然掌握了更多权力，但微信的好友数量也有添加上限，一个人的权力不可能大到超出控制的程度。 现在的公众号信息流，看起来是真的实现了分权——“快讯”，由平台决定；“订阅消息”，由创作者决定；“朋友♡”，由用户决定；“看一看”，由用户和平台共同决定。 **“我一直很相信通过社交推荐来获取信息是最符合人性的。**因为在现实里面，我们其实接纳新的信息，并不是我们主动到图书馆或者到网上去找的信息。大部分情况都是听到周边的人的推荐而获得的。”微信创始人张小龙在2019年的微信公开课上说。“我不希望机器推荐是用户想看什么就给他什么。” 这套“分权”的逻辑不仅适用于公众号，视频号也是一样——只是系统的权限要更大一些。2021年的微信公开课上，张小龙说，在社交推荐还在开发的初期，他在黑板上写下一个断言：未来有一天，视频的播放量，关注，好友推荐，机器推荐的消耗比例，应该是1:2:10。即，一个人应该平均看10个关注的视频，20个朋友赞的视频，100个系统推荐的视频。 几年前，当公众号的订阅信息流中加入用户未关注的平台推荐内容时，外界曾担忧微信公众号会变成下一个“字节头条”。但目前来看，那时的产品显然还是一个“未完成”的产品。微信团队虽然还是一如既往的“慢”，但公众号生态并没有失去它的独特性。
