涨幅为何跌回？

 bilibili动画区官方账号“不动的ACG大图书馆”今日宣布，时隔七年，B萌（bilibili Moe）回来了！ 2025年7月2日，bilibili动画角色人气大赏，再启动！  <内嵌内容，请前往机核查看> 并且为弥补2018-2024角色未参与萌战的遗憾，本届分为经典场（2018.7月-2024.4月）和新番场（2024.7月-2025.4月）两大赛场分别竞赛。 [官方网站点此跳转>>>>>>>](https://www.bilibili.com/blackboard/era/jQ8lQ7PHbp32izw3.html)

为「BB」党设计的现代 Android 键盘机，这次终于不是「智商税」了。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1628522) ·[查看评论](https://www.ifanr.com/1628522#comments) ·[新浪微博](https://weibo.com/ifanr)

Trump said Spain is "the only country that is not paying" after a joint declaration showed NATO members have agreed to raise their defense spending to 5% of GDP annually by 2035.

专家表示：美元理财并非简单的稳健型理财产品，其实质上叠加了汇率风险，而汇率属于高风险投资品类，需要投资者有一定的专业认知和风险承担能力。个人投资者更需正视此类产品风险，从长期投资的角度，基于自身的实际风险偏好做选择。

曾经，微软因为投资OpenAI，成功押注了ChatGPT引发的人工智能热潮而被誉为科技界的“伯乐”。但时过境迁，与OpenAI继续合作的微软不仅不再意气风发，甚至还陷入了养虎为患的困境。 [](https://static.cnbetacdn.com/article/2024/1018/0f873e58d431a68.png) 媒体的一份调查显示，微软与OpenAI正在人工智能助手领域展开白热化的交锋，OpenAI的ChatGPT不断蚕食微软Copilot在企业办公助手中的份额，给微软带去了极大的挑战。 作为以Windows系统统治全球办公环境的龙头公司，微软一直试图打造出自己的AI辅助功能，进一步建设自己的生态系统，然而Copilot的市场欢迎程度却一直不达预期，关键原因就在于同处一个人工智能模型赛道的ChatGPT。 据微软销售人员透露，在推广Copilot时，公司难以向客户清晰解释Copilot与ChatGPT的差异，因为两款产品核心都基于OpenAI的模型。 另一方面，微软职场AI项目负责人Jared Spataro指出，微软需要对OpenAI的每个版本都进行独立测试以确保体验优化与安全合规，且并非所有更新都会带来净收益。这意味着，OpenAI模型的更新通常需要数周才能同步至微软的产品。 这些问题导致很多公司都报告其员工更倾向于使用ChatGPT。例如去年宣布为2万名员工采购Copilot的制药巨头安进，现在员工日常使用的却是ChatGPT。 敏感的合作关系 这一幕发生在两家公司本就有所龃龉的当下尤其让人措手不及，也让两家公司的合作关系更加复杂。 周二，OpenAI首席执行官奥尔特曼在一场播客中表示，他与微软的首席执行官纳德拉在周一进行了通话。他声称，任何深度合作中都会存在一些敏感内容，OpenAI与微软当然也无法幸免，但总体来说两家公司都在朝着有利的方向行进。 年初，OpenAI宣布与软银、甲骨文等公司合资运营“星际之门”数据中心项目，但微软却仅是该项目一个挂名的技术顾问。当时业内就怀疑两家公司可能在合作上出现了较大的分歧。 随后，为了获得软银承诺的400亿美元资金，OpenAI又开始寻求向营利性公司的转变，却遭到马斯克及微软等人的阻拦。据最新消息，OpenAI在退而求其次想要转向公益性企业的过程中，再一次为微软所阻，两家公司的关系也因此降至冰点。 尽管微软和OpenAI在一份联合声明中强调，两家公司将继续深度合作，但市场已经有所准备，并开始观望若矛盾无法调和，两家公司将会以何种方式书写结局。 而Copilot与ChatGPT之争进一步印证了两家公司间的暗潮汹涌。数据上看，OpenAI声称其最新企业付费用户达到300万，较数月前激增50%，而微软则表示财富500强企业中有70%已经在使用Copilot，付费用户同比翻了三倍。 微软不太可能让其办公领域AI服务成为OpenAI的囊中之物，而OpenAI亟需稳定盈利业务支撑其烧钱研究，目前又不愿附属于微软仅做人工智能研究公司。这一核心矛盾未来如何发展，可能将影响美国AI的市场格局。 [查看评论](https://m.cnbeta.com.tw/comment/1509036.htm)

用户对于液冷存在比较大质疑的两个点是：部署成本和安全性。

**全球首艘自航式三文鱼养殖工船"苏海1号"在广州南沙正式交付。这艘由中国船舶集团旗下黄埔文冲公司建造的创新型养殖工船，标志着我国在深远海智慧养殖领域取得重大突破。**"苏海1号"总长249.8米，型宽45米，配备4台2800千瓦主发电机组，可满足各类养殖工况的电力需求。该船设有15个封闭式养殖舱，总养殖水体达8.3万立方米，相当于33个标准游泳池的容量。 该船具备自主航行能力，可根据季节变化将养殖区域转移至最适宜的水域，确保三文鱼始终处于最佳生长环境。相比传统固定式网箱，这种移动式养殖模式能有效规避台风、赤潮等海洋灾害风险。 此外，**船上配备了完整的加工生产线，可实现捕捞后即时加工，确保新鲜三文鱼能在24小时内送达国内主要市场。**通过科学规划养殖周期，还能实现错峰上市，保障市场供应稳定。 **据测算，该船正式投产后，年养殖量可达8000吨以上，预计年产值超过5亿元。**未来还将配置自动化加工车间，进一步提升生产效率和产品品质。这一创新养殖模式为我国深远海养殖业发展提供了新的解决方案。 [](//img1.mydrivers.com/img/20250626/72093b2215004bd3ac2fca07d01d0af9.png) [查看评论](https://m.cnbeta.com.tw/comment/1509034.htm)

据TechCrunch报道，周三，美国联邦法官在一起由13位图书作者针对Meta提起的诉讼中，作出了有利于Meta的裁决。该案指控Meta在未经授权的情况下使用原告受版权保护的作品训练其人工智能模型。 [](https://static.cnbetacdn.com/article/2025/0423/348738f8677bdcc.webp) 联邦法官文斯·查布里亚（Vince Chhabria）作出简易判决（summary judgment），即无需提交陪审团，由法官直接裁定案件。查布里亚法官认定，**Meta在本案中以受版权保护的图书训练AI模型属于“合理使用”（fair use），因此符合法律规定。** 这一裁决发布前几天，另一位联邦法官刚刚在类似案件中支持了Anthropic公司。这两起案件对科技行业而言是阶段性胜利。多年来，科技企业一直与媒体公司在法庭上争论，认为AI模型对受版权保护作品的训练应属于合理使用。 不过，这些裁决并未像部分企业期待的那样“一锤定音”——两位法官都明确指出，这些判决的适用范围有限。 查布里亚法官特别强调，**这一决定并不意味着所有AI模型针对受版权保护作品的训练都合法，而是因为本案原告“提出的论点有误”，且未能为正确的论点提供充分证据。** 查布里亚法官在判决中写道：“本裁决并不意味着Meta使用受版权保护材料训练其语言模型就是合法的。”他还补充道，“**在类似Meta这类使用的案件中，只要原告能就‘被告行为对市场造成的影响’提供更完善的证据，往往有望获胜。**” 查布里亚法官认定，Meta在本案中的用途具有“变革性”（transformative），即其**AI模型并未简单复制作者原书内容。** 此外，**原告未能说服法官相信，Meta对图书的复制行为对作者市场造成了损害，这一点是判断是否侵权的关键。** 查布里亚法官指出：“原告并未就市场稀释问题提交有实质意义的证据。” 目前，Anthropic和Meta在使用图书训练AI模型方面均获得阶段性法律支持，但**针对科技公司以其他受版权保护作品训练AI模型的诉讼仍在进行。**例如，《纽约时报》正在起诉OpenAI和微软，指控其在新闻报道领域的AI训练侵权；迪士尼（Disney）和环球（Universal）则起诉Midjourney，涉及其利用影视作品训练AI模型。 查布里亚法官在判决中还指出，“合理使用”抗辩高度依赖案件细节，**不同产业的合理使用理由强弱不一。** 他表示：“**某些作品类型的市场（比如新闻报道）可能更容易受到AI生成内容的间接竞争影响。**” [查看评论](https://m.cnbeta.com.tw/comment/1509020.htm)

刚刚，有网友爆料，自己在公司收到了“欢迎何恺明加入”的邮件，何恺明疑似加入Google。在搜索何恺明个人主页后，我们可以确认，他确实加入了Google，不过是以兼职的形式，职位是Google DeepMind 杰出科学家 (Distinguished Scientist)。  个人主页：https://people.csail.mit.edu/kaiming/ 关于何恺明在Google的具体研究方向，目前还搜不到详细信息。 不过，我们可以根据他最近发表的研究推测一下。前段时间，他所在的团队发布了一篇题为“Mean Flows for One-step Generative Modeling”的论文（参见《何恺明团队又发新作： MeanFlow 单步图像生成 SOTA，提升达 50%》）。在最近的 CVPR workshop 上，他也重点介绍了这一论文所代表的方向。 在分享中，他指出，在 AlexNet 之前，逐层训练更为流行，如深度信念网络（DBN）和去噪自编码器（DAE）。但 AlexNet 之后，识别模型普遍实现了端到端训练，大大简化了模型设计和训练的复杂性。 不过，有趣的是，今天的生成模型在概念上更像是逐层训练：Diffusion 模型通过 T 个去噪步骤逐步生成，自回归模型通过 T 个 token 逐步生成。这让我们不禁思考：历史能否在生成模型领域重演？即，生成建模有没有可能也走向端到端？ 何恺明的个人主页上传了这次演讲的 PPT（参见《何恺明 CVPR 最新讲座 PPT 上线：走向端到端生成建模》），感兴趣的可以去看一下。 从高考状元到被引量超 71 万的 AI 学者 2003 年，何恺明以标准分 900 分获得广东省高考总分第一，被清华大学物理系基础科学班录取。在清华物理系基础科学班毕业后，他进入香港中文大学多媒体实验室攻读博士学位，师从汤晓鸥。何恺明曾于 2007 年进入微软亚洲研究院视觉计算组实习，实习导师为孙剑博士。 2011 年博士毕业后，何恺明加入微软亚洲研究院工作任研究员。2016 年，何恺明加入 Facebook 人工智能实验室，任研究科学家。2024 年，何恺明加入 MIT，成为该校一名副教授。  何恺明的研究曾数次得奖。2009 年，当时博士研究生在读的何恺明参与的论文《基于暗原色的单一图像去雾技术》拿到了国际计算机视觉顶会 CVPR 的最佳论文奖。 2016 年，何恺明凭借 ResNet 再获 CVPR 最佳论文奖，此外，他还有一篇论文进入了 CVPR 2021 最佳论文的候选。何恺明还因为 Mask R-CNN 获得过 ICCV 2017 的最佳论文（Marr Prize），同时也参与了当年最佳学生论文的研究。 根据 Google Scholar 的统计，截至今天，何恺明的研究引用次数超过 71 万次。  此外，加入 MIT 后，何恺明开设的课程广受学生欢迎，可参考： - “教授何恺明在 MIT 的第一堂课” - “教授何恺明在 MIT 的第二门课 ——《深度生成模型》，讲座 PPT 陆续已出” 那些年，恺明发表过的“神作” 说起恺明大神的作品，最有名的就是 ResNet 了。这篇论文发表于 2016 年，迄今引用已经超过 28 万多。根据 《自然》 杂志的一篇文章，这是二十一世纪被引用次数最多的论文。  《Deep Residual Learning for Image Recognition》在 2016 年拿下了计算机视觉顶级会议 CVPR 的最佳论文奖。  同样是大神级别的学者李沐曾经说过，假设你在使用卷积神经网络，有一半的可能性就是在使用 ResNet 或它的变种。 何恺明有关残差网络（ResNet）的论文解决了深度网络的梯度传递问题。这篇论文是 2019 年、2020 年和 2021 年 Google Scholar Metrics 中所有研究领域被引用次数最多的论文，并建立了现代深度学习模型的基本组成部分（例如在 Transformers、AlphaGo Zero、AlphaFold 中） ）。 如今大模型都在使用的 transformer 的编码器和解码器，里面都有源自 ResNet 的残差链接。 2021 年 11 月，何恺明以一作身份发表论文《Masked Autoencoders Are Scalable Vision Learners》，提出了一种泛化性能良好的计算机视觉识别模型，同样是刚刚发表就成为了计算机视觉圈的热门话题。  一个初入 AI 领域的新人，在探索的过程中看到很多重要研究主要作者都是何恺明，经常会不由得感到惊讶。何恺明虽然长期身处业界，但科研态度一直被视为标杆 —— 他每年只产出少量一作文章，但一定会是重量级的，几乎没有例外。 我们也经常赞叹于何恺明工作的风格：即使是具有开创性的论文，其内容经常也是简明易读的，他会使用最直观的方式解释自己“简单”的想法，不使用 trick，也没有不必要的证明。这或许也将成为他在教学领域独特的优势。 最后，恭喜Google，也期待大神何恺明在Google可以做出更多开创性工作。 [查看评论](https://m.cnbeta.com.tw/comment/1509018.htm)

今天，GoogleDeepMind推出AlphaGenome，一款能帮助人们快速预测基因变化影响的AI模型。AlphaGenome就像一台“观察人类DNA的AI显微镜”，以长达100万个碱基对的长DNA序列作为输入，预测数千种表征其调控活性的分子特性，在超20项广泛的基因组预测基准中实现了最先进的性能。 与已有的DNA序列模型相比，AlphaGenome具有几个独特的特点：支持高分辨率的长序列上下文、综合多模态预测、高效变异评分和新颖的剪接连接模型。 当下，Google通过AlphaGenome API提供AlphaGenome预览版，供非商业研究使用，并计划在未来发布该模型。 纪念斯隆·凯特琳癌症中心的博士Caleb Lareau说：“这是该领域的一个里程碑。我们首次拥有一个能够统一远程上下文、基础精度和各种基因组任务的尖端性能的单一模型。”  论文地址： https://storage.googleapis.com/deepmind-media/papers/alphagenome.pdf 01 . 百万DNA序列输入 预测数千种分子特性 AlphaGenome模型以长达100万个碱基对的长DNA序列作为输入，预测数千种表征其调控活性的分子特性。它还可以通过比较突变序列与未突变序列的预测结果来评估遗传变异或突变的影响。 预测的属性包括基因在不同细胞类型和组织中的起始和终止位置、基因剪接的位置、产生的RNA数量，以及哪些DNA碱基可接近、彼此靠近或与某些蛋白质结合。训练数据来源于大型公共联盟，包括ENCODE、GTEx、4D Nucleome和FANTOM5，这些联盟通过实验测量了这些属性，涵盖了数百种人类和小鼠细胞类型和组织中基因调控的重要模式。 动画显示AlphaGenome将一百万个DNA字母作为输入，并预测不同组织和细胞类型的不同分子特性。AlphaGenome架构使用卷积层初步检测基因组序列中的短模式，使用转换器在序列的所有位置传递信息，最后使用一系列层将检测到的模式转化为不同模态的预测。在训练过程中，此计算分布在单个序列的多个互连张量处理单元（TPU）上。 该模型以Google之前的基因组学模型Enformer为基础，并与AlphaMissense相辅相成，后者专门对蛋白质编码区内变异的影响进行分类。这些区域覆盖了基因组的2%。其余98%的区域称为非编码区，对调控基因活动至关重要，并包含许多与疾病相关的变异。AlphaGenome为解读这些广泛的序列及其内部的变异提供了一个新的视角。 02 . 高分辨率的长序列上下文 综合多模态预测 与已有的DNA序列模型相比，AlphaGenome具有几个独特的特点： 1、高分辨率的长序列上下文 Google的模型分析多达一百万个DNA碱基，并以单个碱基的分辨率进行预测。长序列上下文对于覆盖远处调控基因的区域至关重要，而碱基分辨率对于捕捉精细的生物学细节至关重要。 先前的模型必须在序列长度和分辨率之间做出权衡，这限制了它们能够联合建模并准确预测的模态范围。Google的技术进步解决了这一限制，且无需显著增加训练资源——训练单个AlphaGenome模型（未进行数据蒸馏）耗时4小时，且所需的计算预算仅为训练原始Enformer模型的一半。 2、综合多模态预测 通过解锁长输入序列的高分辨率预测，AlphaGenome能够预测最多样化的模态。由此，AlphaGenome为科学家提供了有关基因调控复杂步骤的更全面的信息。 3、高效变异评分 除了预测各种分子特性外，AlphaGenome还能在一秒钟内高效地评估基因变异对所有这些特性的影响。它通过对比突变序列和未突变序列的预测，并针对不同模式使用不同的方法高效地总结这种对比来实现这一点。 4、新颖的剪接连接模型 许多罕见遗传疾病，例如脊髓性肌萎缩症和某些形式的囊性纤维化，都可能由RNA剪接错误引起。RNA剪接是指RNA分子的部分被移除，或“剪接掉”，然后剩余的末端重新连接在一起的过程。AlphaGenome首次能够直接从序列中明确模拟这些连接的位置和表达水平，从而更深入地了解遗传变异对RNA剪接的影响。 03 . 超20项基准测试中表现最佳 AlphaGenome在广泛的基因组预测基准中实现了最先进的性能，例如预测DNA分子的哪些部分将会靠近，遗传变异是否会增加或减少基因的表达，或者它是否会改变基因的剪接模式。 下方条形图显示了AlphaGenome在选定的DNA序列和变异效应任务上的相对改进，并与每个类别中当前最佳方法的结果进行了比较。  在对单个DNA序列进行预测时，AlphaGenome在24项评估中，有22项的表现优于市面上已有的最佳模型。在预测变异的调控效应时，它在26项评估中，有24项的表现与最佳外部模型相当甚至超过了最佳外部模型。 本次比较涵盖了针对特定任务的模型。AlphaGenome是唯一能够联合预测所有评估模态的模型，彰显了其通用性。 04 . 统一模型 更快地生成和测试假设 AlphaGenome的通用性使科学家能够通过单个API调用同时探索一个变异对多种模式的影响。这意味着科学家可以更快地生成和测试假设，而无需使用多个模型来研究不同的模式。 此外，AlphaGenome的出色表现表明，它已经在基因调控的背景下学习到了相对通用的DNA序列表征。这为更广泛的研究社区奠定了坚实的基础。一旦该模型全面发布，科学家们将能够在自己的数据集上对其进行调整和微调，以更好地解决他们独特的研究问题。 最后，这种方法为未来提供了一个灵活且可扩展的架构。通过扩展训练数据，AlphaGenome的功能可以得到扩展，从而获得更好的性能，覆盖更多物种，或包含更多模态，使模型更加全面。 05 . 助力疾病理解、基础研究等 AlphaGenome的预测能力可以帮助多种研究途径： 1、疾病理解：通过更准确地预测基因突变，AlphaGenome可以帮助研究人员更精准地查明疾病的潜在病因，并更好地解释与某些性状相关的变异的功能影响，从而可能发现新的治疗靶点。我们认为该模型尤其适用于研究可能产生巨大影响的罕见变异，例如导致罕见孟德尔遗传病的变异。 2、合成生物学：它的预测可用于指导具有特定调节功能的合成DNA的设计——例如，仅激活神经细胞中的基因，而不是肌肉细胞中的基因。 3、基础研究：它可以通过协助绘制基因组的关键功能元素并定义其作用，识别调节特定细胞类型功能的最重要DNA指令，加速我们对基因组的理解。 例如，Google使用AlphaGenome研究了一种癌症相关突变的潜在机制。在一项针对T细胞急性淋巴细胞白血病（T-ALL）患者的现有研究中，研究人员观察到基因组特定位置的突变。利用AlphaGenome，他们预测这些突变会通过引入MYB DNA结合基序来激活附近的TAL1基因，这复制了已知的疾病机制，并凸显了AlphaGenome将特定非编码变异与疾病基因关联起来的能力。 伦敦大学学院Marc Mansour教授说：“AlphaGenome将成为该领域的一个强大工具。确定不同非编码变异之间的相关性可能极具挑战性，尤其是在大规模研究的情况下。该工具将提供关键的线索，帮助我们更好地理解癌症等疾病。” 06 . 结语：AI基因预测重要一步 AlphaGenome标志着AI基因预测向前迈出了重要一步，但仍有其局限性。 与其他基于序列的模型一样，准确捕捉极远距离调控元件的影响（如那些相距超过10万 DNA 碱基的调控元件）仍然是一个尚未解决的挑战。 同时，Google尚未设计或验证AlphaGenome用于个人基因组预测。虽然AlphaGenome可以预测分子结果，但它并不能全面展现基因变异如何导致复杂的性状或疾病。 [查看评论](https://m.cnbeta.com.tw/comment/1509016.htm)

被Meta以148亿美元收购了49%股份的人工智能初创公司Scale AI爆出新的问题，据称其竟然使用公共的谷歌文档来存储Meta、谷歌和xAI等客户的机密信息。谷歌文档是谷歌开发的一款共享软件，用户可以通过邀请或完全公开的方式与他人共同协作完成文稿的创作与编辑。 [](https://n.sinaimg.cn/tech/transform/116/w550h366/20250614/3c34-a1fa234cf4a4d970dd476fd20fe01680.webp) 然而，这款应用显然不符合任何公司的安全标准。据报道，任何知道Scale AI文档链接的人都可以访问其谷歌文档中的绝密项目，获得包括电子邮件地址和付款信息等敏感内容。 Scale AI发言人回应称，该公司正在进行彻底的调查，并且已经禁止任何用户公开分享Scale AI管理系统中的文档。谷歌和xAI尚未回应此事，Meta则拒绝置评。 大门常打开 据五名Scale AI的承包商称，谷歌文档在Scale AI整个公司范围内被广泛使用。网络专家则认为，虽然尚无迹象表明谷歌文档的公开文件导致了数据泄露，但这一存储方法可能会让Scale AI容易受到黑客的攻击。 调查显示，Scale AI未采取措施前，人们可以查看85份文档中长达数千页的项目信息，其中详细记录了Scale AI与大型科技用户的敏感合作，比如谷歌如何使用OpenAI的ChatGPT来微调自己的聊天[机器人](https://finance.sina.com.cn/realstock/company/sz300024/nc.shtml)。 其中，至少有七份被标记为机密信息的谷歌项目手册向公众开放，其中包括如何改进其聊天机器人Bard的建议。此外，公开的谷歌文档中还有马斯克“木琴计划”的详细内容，如包含700个对话提示的训练文档以训练xAI的人工智能模型。 承包商们透露，这些项目通常都有秘密代号，但他们仍可以很清楚地分辨自己为哪一个客户工作。在使用人工智能产品时，聊天机器人有时也会在被询问时直接透露客户信息。 除了客户信息外，Scale AI的谷歌文档中还披露了该公司数千名员工的姓名和私人联络方式，甚至还有文件列出了个体承包商的工资数额，包括有关的工资纠纷和差异的详细说明。 这些信息充分体现了该公司在数据安全性上的纰漏，并可能引发法律纠纷。而就在Meta入股Scale AI后不久，业内已经传言包括谷歌在内的大客户已经与Scale AI进行了业务上的切割，以防止Scale AI向Meta透露敏感内容。 [查看评论](https://m.cnbeta.com.tw/comment/1509014.htm)

6月26日上午消息，亚马逊公布全球打假团队成立五周年成绩，过去五年，亚马逊全球打假团队已从最初仅在两个国家开展行动，扩展至如今的12个国家，包括美国、中国、法国、印度和英国等。五年以来，亚马逊全球打假团队已对不良行为者发起了超过200起民事诉讼。亚马逊打击制售假和欺诈的工作已促成超过1.8亿美元的相关赔偿和执法处罚金额。亚马逊的打假工作也推动了执法机构针对制售假者的诉讼和刑事处罚，已有超过65人被判入狱。 据悉，亚马逊已经与数百个品牌合作，例如Prada， Salvatore Ferragamo， BMW（宝马）， Phillips（飞利浦）， Lego（乐高）， Canon（佳能）， Cisco（思科），以及各种小型品牌等。 近期，亚马逊首次联合中国潮流文化品牌POP MART泡泡玛特配合浙江当地市场监管部门成功打击了一售假供应商。此供应商通过国内某电商批发网站向亚马逊卖家销售假冒的THE MONSTERS LABUBU潮流玩具。亚马逊全球打假团队在中国经过数月追踪和调查锁定售假供应商，并将案件线索移交给此供应商所在的当地执法部门。执法部门于今年4月现场查获假冒LABUBU钥匙挂件超700件、包装材料上千件。亚马逊与泡泡玛特的合作成功保护了泡泡玛特的品牌声誉和知识产权，助力其进一步开拓国际市场。  [查看评论](https://m.cnbeta.com.tw/comment/1509012.htm)

前段时间名为 IntelBroker 的黑客因为经常公开出售某些企业的敏感数据而名声大噪，当时蓝点网还特地强调这名黑客与英特尔公司没有任何关系，只是黑客自己使用的昵称中带有 Intel 字样。目前这名高调的黑客已经被逮捕，并且调查发现这名 25 岁的黑客似乎从来没有准备隐藏自己的真实身份，因为接收赃款后还使用自己实名认证的账户进行出售，所以很容易就被锁定。 [](https://img.lancdn.com/landian/2024/06/104541.png) IntelBroker 通过入侵企业窃取敏感数据和用户数据并打包进行公开出售，然后通过加密货币接收赃款，IntelBroker 经常活跃在 BreachForums 黑客论坛并发帖出售数据 (他也是该论坛曾经的管理员之一)。 当有人希望购买数据时就可以私下联系 IntelBroker 并通过加密货币完成支付，而被 IntelBroker 泄露数据的公司非常多，包括通用电气、AMD、惠普企业、诺基亚等等。 按理说作为专业的黑客最起码要保证自己的身份能够隐藏起来，但 IntelBroker 似乎没有考虑到这件事，FBI 调查显示这名黑客竟然使用自己实名账户出售赃款也就是加密货币。 2023 年 1 月，负责卧底的 FBI 特工联系 IntelBroker 购买某公司被盗的 API 密钥，随后 IntelBroker 向这名卧底特工提供他的比特币收款地址，这个钱包地址可以追溯到在 RAMP 网上银行平台创建的早期钱包。 而这个 RAMP 账户的注册电子邮箱还在美国加密货币交易所 Coinbase 注册了账户，这个账户名为 Kyle Northern，其实名认证通过名为 Kai West 的驾照完成。 正常来说 FBI 到这个阶段肯定会认为 Kai West 是个被盗用信息进行洗钱的倒霉蛋，毕竟没有黑客会使用自己的真实账户去交易，但让 FBI 万万没想到的是 IntelBroker 就是 Kai West。 Kai West 是英国公民，今年 25 岁，于 2025 年 2 月被逮捕，目前已经被美国纽约南区检察官办公室指控从政府机构、企业和关键基础设施中窃取和出售敏感数据，他的行为造成 2500 万美元的损失。 [查看评论](https://m.cnbeta.com.tw/comment/1509010.htm)

微软遭到一群作家的诉讼，他们声称该公司未经许可使用他们的书籍来训练其 Megatron 人工智能模型。Kai Bird、Jia Tolentino、Daniel Okrent 和其他几位人士指控微软使用盗版数字版图书来训练其人工智能对人类的提示做出反应。 [](https://static.cnbetacdn.com/thumb/article/2022/0810/989b996bf13b3ad.jpg) 该案于周二在纽约联邦法院提起，是作家、新闻机构和其他版权持有者针对 Meta Platforms、Anthropic 和微软支持的 OpenAI 等科技公司提起的几起高风险案件之一，指控这些公司在人工智能训练中滥用其材料。 此前一天，加州一名联邦法官裁定，Anthropic 根据美国版权法，合理使用了作者的资料来训练其人工智能系统，但仍可能因盗版书籍而承担责任。这是美国首次就未经许可使用受版权保护的资料进行生成式人工智能训练的合法性作出裁决。 微软发言人尚未回应就该诉讼置评的请求。原告律师也拒绝置评。 作者在诉状中指控，微软使用了近20万本盗版书籍来训练“威震天”（Megatron）算法，该算法可以根据用户提示给出文本响应。诉状称，微软利用盗版数据集创建了一个“计算机模型，该模型不仅建立在数千名创作者和作者的作品之上，还能生成各种表达方式，模仿其所训练的版权作品的语法、语调和主题。” 科技公司辩称，他们合理使用受版权保护的材料来创造新的、变革性的内容，而被迫向版权所有者支付其作品的费用可能会阻碍蓬勃发展的人工智能产业。 作者请求法院下令阻止微软的侵权行为，并对微软涉嫌滥用的每部作品赔偿最高 15 万美元的法定赔偿金。 [查看评论](https://m.cnbeta.com.tw/comment/1509008.htm)

"We will need to retaliate and rebalance in some key sectors if the US insists on an asymmetrical deal," said the EU's industry chief Stephane Sejourne.

2025年是千里科技战略布局落地之年。

 6月②，乱了套了属于是，这马上核聚变，真的是忙不开别说两周并一期了，发节目都没空，等核聚变回来再好好录新的吧。前面两周，有一些很有名的作品推出，比如《Deltarune》正式推出到第四章节，《背包乱斗》推出1.0，还有11bits新作《多重人生》，有不了一点时间玩游戏，回头再说吧！

 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！ [<获取核聚变2025北京站门票>](https://show.bilibili.com/platform/detail.html?id=102863) 周六门票现已售罄，周日余量也不多啦！ 核聚变 2025 北京站，2P和你一起玩！本次2PGames将携带海内外多款游戏参与 6 月 28、29 日的核聚变游戏嘉年华北京站，本次我们的展台位于A馆的 17 号展位，此外还有B馆的 D35 和 D36 号摊位，欢迎来和我们一起玩！ 本次我们在展台现场还将设置有贩售区，将提供展会限定的《苏丹的游戏》的周边售卖，周边种类包括且不限于椭圆双闪徽章、Q版小粒牌、女术士折光卡。有购入周边计划的玩家可不要错过现场的场贩特价哦。同时，展位还设有拍照合影区域，参与拍照打卡活动，和线上社区玩家分享线下展位照片还能获得精美无料哦！  《苏丹的游戏》苏丹被神秘女术士蛊惑，命令你和他玩一个残酷的游戏。每周你必须从四种特殊的卡片中抽一张：纵欲卡需要你寻找床笫之欢，奢靡卡需要你挥金如土，征服卡将逼迫你深入险境，而杀戮卡则需要你献祭一条人命……是和这个游戏一同陷入疯狂，还是寻找那缥缈的希望？ 贩卖品样例    *贩卖品以现场展示为准 同时，我们还将在展位上设置了以下游戏的试玩体验区： 《黎明门前的吹笛人》  绝望之人啊，进入此门——欢迎来到“乐园”！在这款种地+炼金的模拟经营+剧情向游戏中，你将扮演一位炼金师，来到被高墙围绕的钻石之城。从炼金术开始，种植药草开设工坊，走上致富之路。街道居民、银钥帮派、女神信徒……本地各种神秘组织的信任度将决定你能在这里生存多久。从女神、女巫、精灵和猫之间选择你的忠实伙伴吧！面对深渊，唯真爱能渡。 《地球上的罗伯特》  在资源枯竭、有机生命被机械体全面取代的遥远未来，小机器人罗伯特从沉睡中苏醒。面对这陌生又荒凉的世界，经营一座特别的地下农场，探索各色各样的作物能力。采矿，钓鱼，认识新的机器人朋友，发现新的未知区域，探寻这个世界的真相。[Steam商店链接](https://store.steampowered.com/app/3003050/_/) 《功夫牌》  绝招！好武功！《功夫牌》是一款中华传统武术题材的卡牌对战游戏。结合扑克、麻将规则和中华传武精髓所创作的全新玩法兼顾策略和运气，能带给玩家如同格斗游戏般的卡牌对战体验。选择你的门派，学习内功和绝招走上擂台吧！[Steam商店链接](https://store.steampowered.com/app/3340780/_/) 《暴走地牢大冒险》  这是一款融合轻度Rogue元素的 2D 地牢探险游戏，在华丽的像素世界中冒险，解开地图中的机关与谜题，体验带有畅快节奏感的回合制战斗，还有充满令人发笑的诙谐元素的剧情。游戏采用动态随机的关卡设计，每次游玩都会重构地图布局，为玩家带来永不重复的闯关体验。[Steam商店链接](https://store.steampowered.com/app/2510490/_/) 《终末机兵》  这是一款意大利式动画风格的战术回合制角色扮演游戏，你将带领雇佣兵小队踏上惨遭机械蹂躏的废土世界。投身惊险刺激的电影式机甲战斗，招募驾驶员，见证队员之间的爱恨情仇。通过战斗和日常训练提升战斗技巧，在日常的互动中建立深厚的友谊。最终成长为这个区域最强的佣兵小队。《终末机兵》抢先体验版已于 6 月 18 日正式上线。[Steam商店链接](https://store.steampowered.com/app/2525510/_/) 多款新游期待您的试玩！欢迎大家光临 A17 展位与我们一同开启这场精彩的游戏之旅吧！ 此外，在B馆独立游戏区 D35 和 D36 我们还将分别提供《三分保平安》和《黑暗轮回》两款游戏的试玩，试玩即得游戏周边哦！ 《三分保平安》是一款以镖局为核心的武侠像素风游戏，融合经营模拟、策略决策与RPG冒险等玩法。玩家将化身镖局大当家，从招募镖师、押送货物到化解江湖恩怨，抵御倭寇，逐步成为天下第一镖局。[Steam商店链接](https://store.steampowered.com/app/3745920/_/)  《黑夜轮回 Re:Night》是一款肉鸽卡牌战棋游戏。带领你的小队，构建卡组、打怪历险、收集装备、挑战BOSS。运用元素力量与战略智慧，结束黑夜的轮回，让晨光重现大地！[Steam商店链接](https://store.steampowered.com/app/2372240/_ReNight/)  每款游戏都独具特色，期待各位前来品鉴！ # 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～ [<获取核聚变2025北京站门票>](https://show.bilibili.com/platform/detail.html?id=102863) 

<blockquote><p>政务软件项目的开发与交付是一个复杂而严谨的过程，涉及多个阶段和众多环节。本文将深入剖析政务软件项目的全流程管理，分享在项目沟通、风险管理、需求分析与管理以及验收交付等关键环节的实战经验。</p> </blockquote>  ## 一、政务项目流程 首先，负责政务项目的产品经理，你得清楚整个项目的流程是啥样的，每个阶段该干啥，下面是我总结的项目流程，大部分项目都适用： 立项→ 规划设计→ 招标→ 施工 → 竣工 → 初验 → 试运行 → 终验 → 结算审计→ 运维阶段。 ### 1.1立项阶段 项目发起人得先对要做的项目做深入研究和全面的可行性分析。如果确定项目值得做，就可以提交立项申请。要是申请没通过，项目就黄了。通过了呢，项目就算是正式开始了，为后面的工作打下了基础。 ### 1.2规划设计 在招标之前，很多时候都是由专门的设计院、研究院来做顶层设计规划，包括制定设计依据、政策依据、行业依据、整体框架搭建，还有看看项目完成后能不能带来好的间接经济效益和社会效益。 ### 1.3 招标阶段 招标是整个政务软件项目中至关重要的环节，它不仅关乎到项目团队的选择，还直接影响到项目的后续进展与质量。在这一阶段的主要任务是发布招标公告，邀请合格的供应商或承包商参与竞标。招标过程中需要制定详细的招标文件，明确评标标准和流程，确保招标过程的公平、公正和透明。 ### 1.4 施工阶段 施工阶段是项目落地的关键时期，也是问题频发的阶段。作为产品经理，此时需要密切跟进项目进度，确保施工按照既定计划和设计方案进行。同时，还需协调好项目团队与施工单位之间的沟通，及时解决施工中遇到的技术难题和变更需求。此外，产品经理还需关注项目质量控制，确保施工过程中的每一个环节都符合规范要求，为项目的顺利验收奠定坚实基础。 ### 1.5 竣工与初验 项目竣工后，将进入初验阶段。此时，产品经理需组织相关部门对项目的完成情况进行全面检查，包括功能实现、性能测试、用户体验等方面。初验的目的在于发现并解决潜在问题，为后续的试运行和终验做好准备。在初验过程中，产品经理还需积极收集用户反馈，为项目的优化改进提供依据。 ### 1.6 试运行与终验 试运行是项目正式投入使用前的最后一道关卡。在这一阶段，产品经理需确保项目在真实环境下稳定运行，同时密切关注用户反馈，及时解决试运行中发现的问题。试运行结束后，将进入终验阶段。终验是对项目进行全面评估的重要环节，它将决定项目是否达到既定目标和要求。在终验过程中，产品经理需与验收团队紧密合作，确保项目顺利通过验收。 ### 1.7 结算审计 项目验收通过后，将进入结算审计阶段。这是对项目资金使用情况进行审核的重要环节。产品经理需协助财务部门整理项目相关资料，确保审计工作的顺利进行。同时，还需关注审计结果，及时对存在的问题进行整改和完善。 ### 1.8 运维阶段 **1.8.1 运维体系建立** - 制定7×24小时值班制度，确保系统故障能够及时响应和处理。 - 建立重大活动保障预案，如两会期间等关键时段，提前进行系统压力测试和风险评估，确保系统稳定运行。 - 实施版本迭代与兼容性管理，确保系统升级不影响现有业务运行，同时兼容新旧数据格式。 **1.8.2 运维团队建设** - 组建专业的运维团队，明确各岗位职责和工作流程。 - 定期对运维人员进行培训和考核，提升其专业技能和服务意识。 建立运维知识库，积累常见问题解决方案和最佳实践，提高运维效率。 ## 二、项目中的沟通艺术 在政务软件项目中，沟通是一门关键的“软实力”。项目复杂，涉及的部门多，如果沟通不到位，哪怕技术再先进，项目都可能遇到麻烦。这里，我分享几个在政务软件项目中有效沟通的小技巧。 ### 2.1先搞清楚你想要什么 每次沟通之前，先问自己：我想从这次沟通中得到什么？是解决问题？还是传递信息？有了明确的目标，沟通起来就不容易跑偏。 ### 2.2选对沟通方式 项目中涉及的人员很多，有时候是领导，有时候是技术团队，还有时候是外部合作方。对于不同的人，选择合适的沟通方式很重要。比如，复杂的问题适合开会讨论，简单的事情可以通过邮件或即时通讯工具解决。 ### 2.3制定沟通流程 每个项目都应该有一套固定的沟通流程，谁该说什么，谁该听什么，流程清楚了，事情才不会乱。比如，定期的项目进度会，可以让所有人知道项目的最新动态。 ### 2.4重视跨部门沟通 政务软件项目少不了跨部门合作。各个部门有各自的需求和关注点，所以在沟通时要特别注意倾听和理解。多组织一些跨部门会议，建立一个透明的沟通平台，这样可以避免各部门之间出现误解。 ### 2.5倾听与反馈 沟通不只是说，还要会听。你需要认真听取对方的意见，然后给出及时的反馈。即使意见不一致，也要表达出你在认真考虑，这样对方会觉得被尊重，沟通也更容易顺利进行。 ### 2.6管理好期望 不同的角色对项目有不同的期望值，特别是政务项目，很多时候要面对多方压力。要通过有效沟通，让大家对项目的目标和进度有一致的预期，这样可以避免后期出现不必要的纠纷。 ### 2.7避免术语堆砌 有时候我们会不自觉地用一些技术术语，尤其是在和团队内部沟通时。但在和外部人员或者领导沟通时，尽量用简单、易懂的语言，避免沟通障碍。 ### 2.8冲突处理要果断 项目中难免会有冲突，特别是在意见不一致的时候。这时候需要保持冷静，通过沟通找到各方都能接受的解决方案。不要逃避问题，果断解决才是上策。 ### 2.9持续跟进，善于总结 沟通是一个持续的过程，不能沟通过一次就算完事了。需要定期跟进，看看之前沟通的事情是否顺利推进，遇到新问题也要及时调整沟通策略。 ## 三、项目中的风险管理 ### 3.1 政务软件项目的主要风险类型 **需求老是变** 在进行政务软件项目开发的过程中，我们不可避免地需要与多个政府部门和相关部门进行沟通和协作。然而，这些部门的需求往往频繁变化，令人难以捉摸。这种需求的不确定性可能会导致项目的规模不断扩大，时间不断延长，最终甚至可能影响到项目的交付时间，使得按时交付变得非常困难。 **技术不靠谱** 选择错误的技术或者实现方案可能会导致一系列的技术风险，这些风险不仅会使得系统的运行效率低下，变得缓慢，而且可能会使得系统的扩展性变得非常差，难以进行后续的升级和维护。更为严重的是，错误的技术选择可能根本无法满足用户的基本需求，导致用户体验极差，甚至整个项目的失败。此外，技术风险还包括软件与其他系统或组件不兼容的问题，这可能会导致系统集成困难，甚至出现数据丢失或系统崩溃的情况。另一个常见的技术风险是依赖于第三方接口或服务，如果这些第三方接口不稳定，或者出现故障，那么整个系统的稳定性和可靠性也会受到严重影响，甚至可能导致系统无法正常运行。因此，在选择技术方案时，必须充分考虑这些潜在的风险，并采取相应的措施来规避和应对，以确保系统的顺利运行和长期稳定发展。 **安全没保障** 政务软件主要负责处理和管理政府机构的各种数据信息，这些数据不仅包括大量的国家机密，还涉及许多个人隐私信息。一旦这些敏感信息落入不法分子之手，后果将不堪设想。因此，政务软件的安全性至关重要。如果政务软件系统遭受黑客攻击，或者数据发生泄露，那么不仅会给政府机构带来巨大的安全隐患，还可能导致个人隐私被滥用，甚至引发社会动荡。因此，确保政务软件系统的安全性和保密性，是每一个政府机构必须高度重视的问题。 **政策法规变来变去** 政府的政策和法规时常发生变动，这种变化可能涉及数据安全、隐私保护、内容审核等多个方面，从而直接影响软件的功能是否合规。例如，某项新法规可能要求软件必须实施特定的数据加密措施，或者对用户数据进行更加严格的匿名化处理。如果软件开发团队没有及时关注并遵循这些新的规定，那么软件的功能就可能不再符合法律要求。 如果项目团队没有及时跟上政策和法规的变化，并采取相应的调整措施，那么项目可能会面临法律诉讼、罚款甚至是产品下架等严重的法律后果。这不仅会给项目本身带来损失，还可能对公司的声誉和品牌形象造成负面影响。 因此，对于软件开发团队来说，密切关注政府政策和法规的变化，及时调整产品策略和功能设计，是确保项目合法合规、避免法律麻烦的关键。 **项目管理乱糟糟** 政务软件项目时间长，人又多，要是管理不好，项目进度可能会拖后腿，资源可能会浪费，成本可能会超支。 ### 3.2 风险管理的关键步骤 **风险找出来** 项目启动的时候，有一件事特别重要，那就是跟项目团队成员以及所有相关人士进行充足沟通和讨论，目的就是提前发现和评估项目过程中可能出现的各种风险。我们可以用头脑风暴、风险检查表等工具和方法，有序地整理和分析项目中的风险点。头脑风暴能让团队成员自由提出各种可能的风险因素，风险检查表则给我们提供一个清晰的框架，确保不会漏掉任何重要的风险点。这样一来，我们可以更全面地了解项目中可能遇到的困难，提前制定应对策略，确保项目顺利进行。 **风险算一算** 发现潜在风险后，下一步就是给它进行全面评估，弄清楚风险发生的概率大小以及可能带来的影响程度。评估过程可以采用定量或定性方法，或者混合使用。定量分析主要靠数据和统计模型，通过计算风险发生的概率和可能导致的损失，把风险量化。定性分析则靠专家经验和主观判断，分析风险的性质和影响范围，确定其严重性。 这样一综合评估，就能给每个风险分个优先级，好让我们集中人力物力对付那些最紧急、最重要的风险。确定优先级的时候，要把风险发生的可能性和潜在影响的方方面面都考虑进去，确保我们有能力有效管理、缓解那些对项目或组织影响大的风险。这么一来，我们不仅能更好地应对眼前的风险，还能为未来的风险预防和应对措施提供有力支持。 **风险怎么应对** 首先，当我们看到风险的时候，别急着慌，得想想怎么对付它。有几种常见的招数，咱们可以一一来看： - 躲开风险：这就像玩游戏时看到敌人就绕路走一样。咱们可以调整项目的计划或者范围，尽量避开那些高风险的地方。比如，如果某个技术太难搞，咱们就换条路走，找个更简单的方法。 - 减少风险：这个就像是给自己穿上防弹衣，减少受伤的可能。咱们可以多做测试，确保每个环节都没问题；还可以加强培训，让团队都更专业，这样出错的几率就小了。这样，就算风险来了，咱们也能轻松应对。 - 转移风险：这就像是把麻烦事推给别人去处理。咱们可以买保险，这样万一出事了，保险公司会帮咱们分担一部分损失；或者和第三方合作，让他们来承担一部分风险。这样，咱们自己就不用那么担心了。 - 接受风险：有些风险是躲不掉的，或者影响很小，那咱们就坦然接受吧。但是，接受不代表什么都不做，咱们还是要准备个应急计划。这样，当风险真的来了，咱们就能迅速应对，把损失降到最低。 总之，面对风险，咱们要冷静分析，选择合适的应对方法。记住，风险并不可怕，可怕的是没有准备。只要咱们提前做好准备，就能轻松应对各种挑战！ **风险盯紧点** 在项目进行的过程中，我们必须持续地关注和监控风险的变化情况。为了确保风险管理的有效性，我们需要定期组织风险评审会议。在这些会议上，我们将对现有的风险清单进行更新和审查，以便及时发现和应对新的风险。同时，我们还将评估和调整现有的风险管理措施，确保它们能够有效地应对当前的风险状况。通过这种定期的风险评审机制，我们可以确保项目在面对各种潜在风险时，能够及时采取适当的应对措施，从而保障项目的顺利进行。 **风险应急计划** 对于那些无法完全消除的风险，我们必须制定出详尽的应急计划。具体来说，针对可能出现的各种情况，例如技术故障、数据泄露或政策变更等，我们需要提前准备好一系列备选方案。这样一来，当风险真正来临时，我们能够迅速采取行动，有效地应对各种突发情况，从而最大限度地减少其带来的负面影响。这样的准备工作不仅能提高我们的应变能力，还能增强整个团队的信心和凝聚力。 ## 四、需求分析与管理 在政务软件的开发过程中，需求分析与管理是确保项目成功的基石。由于政务软件的特殊性质，其需求往往复杂多变，涉及多个政府部门和业务流程，因此，对需求进行精准捕捉和有效管理显得尤为重要。 ### 4.1 需求收集与梳理 项目团队要干的第一件事就是收集需求，方式多多，比如直接跟政府部门聊天、开需求研讨会、研究现有系统以及参考行业标准等。收集了一大堆原始需求后，团队要细心地整理分类，搞清楚哪些是关键需求，哪些是次要需求，还有它们之间的优先级和相互依赖关系。这一步可得把关好，确保需求的真实性和全面性，这样才能为后面的分析和设计打下稳当的基础。 ### 4.2 需求分析与确认 在需求分析阶段，项目团队需要深入理解每一项需求的业务背景、目的和约束条件，并对其进行详细的分析和讨论。通过采用UML图、流程图、原型设计等多种工具和方法，团队可以将抽象的需求转化为具体的系统功能和交互设计。同时，为了确保需求的准确性和可行性，项目团队还需要与政府部门进行多轮次的确认和反馈，确保双方对需求的理解达成一致。 ### 4.3 需求变更管理 项目中的需求变更几乎是不可避免的。为了有效应对需求变更带来的挑战，项目团队需要建立一套完善的需求变更管理机制。具体来说，当发生需求变更时，团队首先需要评估变更的影响范围和程度，包括对项目进度、成本、资源等方面的潜在影响。然后，团队需要与政府部门进行充分的沟通和协商，确定变更的必要性和可行性。在获得双方同意后，团队需要及时更新需求文档、设计文档和计划文档等相关资料，并通知所有相关人员，确保变更信息的准确性和及时性。 ### 4.4 需求跟踪与验证 在项目执行过程中，项目团队需要持续跟踪需求的实现情况，确保每一项需求都能够在系统中得到正确、完整的实现。为此，团队可以采用需求跟踪矩阵等工具和方法，将需求与系统设计、开发任务、测试用例等关联起来，实现需求的全程跟踪和验证。同时，在软件交付前，项目团队还需要进行全面的测试工作，包括单元测试、集成测试、系统测试和验收测试等，以确保软件的功能、性能、安全性等方面都符合需求要求。 ### 4.5 需求管理的重要性 良好的需求管理不仅可以确保项目的顺利进行和成功交付，还可以提高软件的质量和用户满意度。因此，项目团队需要高度重视需求管理工作，建立完善的需求管理机制和流程，确保需求的准确性、完整性、一致性和可追踪性。同时，团队还需要不断学习和掌握新的需求管理方法和工具，以适应不断变化的项目需求和市场环境。 ### 4.6 需求优先级评估模型 - **KANO模型应用**：通过问卷调查、访谈等方式，收集用户对政务软件功能的需求和期望，将需求分为基本型、期望型和兴奋型三类，为需求优先级排序提供依据。 - **需求变更影响评估矩阵**：当发生需求变更时，从成本、工期、资源三个维度评估变更的影响程度，为决策提供依据。 ## 五、验收与交付 在政务软件开发这场复杂而关键的战役中，验收与交付环节犹如决胜的冲锋号，直接决定着项目能否圆满收官。这一阶段不仅是对前期所有努力的最终检验，更是软件能否真正服务于政府部门、满足实际工作需求的关键转折点。项目团队必须以高度的责任感和专业精神，做好全方位的准备与细致入微的工作，为软件的顺利交付和长期稳定运行筑牢根基。 ### 5.1 验收准备 软件开发完成后，验收准备工作便紧锣密鼓地展开。项目团队首先需化身“资料管家”，对各类项目文档进行细致梳理与汇总。需求文档是软件开发的蓝图，设计文档是构建软件的指南，测试报告是软件质量的见证，用户手册则是用户操作软件的宝典。团队要确保这些资料完整无缺、准确无误，并且编排合理、易于查阅，让用户在验收时能够一目了然。 内部验收测试是软件走向外部验收前的重要“实战演练”。团队要模拟政府部门真实的办公场景，让软件在各种复杂情况下接受考验。从功能是否完备到性能是否稳定，从安全防护是否严密到操作界面是否友好，每一个细节都不放过。只有经过严格内部测试，确保软件各项指标达到预期，才能更有底气地迎接用户的检验。 团队要主动与用户，尤其是关键决策者和技术团队深入交流，了解他们对验收的具体标准和流程要求。不同部门、不同岗位的用户对软件的需求和关注点可能有所不同，通过充分沟通，确保双方在验收的“游戏规则”上达成共识，避免因理解偏差导致验收受阻。 ### 5.2 验收过程 验收过程中，项目团队与用户紧密协作，共同为软件质量把关。用户依据既定的验收标准，对软件进行全面而细致的评估。功能完整性方面，检查软件是否涵盖了所有需求功能，能否满足政府部门日常工作的各项需求；性能稳定性上，观察软件在高并发、大数据量等情况下的运行表现，确保不会出现卡顿、崩溃等问题；安全性是政务软件的重中之重，要评估软件的数据加密、访问控制等安全机制是否可靠；易用性则关注软件的操作是否便捷，界面设计是否符合用户习惯。 对于验收过程中发现的问题，项目团队要迅速响应，将其视为提升软件质量的宝贵机会。详细记录每一个问题，深入分析原因，制定切实可行的修复和优化方案，并及时付诸实施。此外，团队还要为用户提供专业的技术支持和培训，通过现场演示、操作指导等方式，帮助用户的工作人员快速熟悉软件的使用方法，为软件的顺利推广和应用奠定基础。 ### 5.3 交付与部署 通过验收后，项目团队将进入软件交付与部署阶段。首先，团队要将软件及相关文档交付给用户，并确保所有资料的完整性和准确性。其次，团队要协助用户进行软件部署，包括安装、配置、数据迁移等工作。在部署过程中，团队要确保软件的稳定运行，并提供必要的技术支持和培训，确保用户能够顺利使用软件。 ### 5.4 售后服务与支持 软件交付并不意味着项目团队的使命结束，相反，售后服务与支持是保障软件长期稳定运行的重要保障。项目团队要建立完善的售后服务体系，定期对软件进行技术维护，及时发现并解决潜在的问题；根据用户的需求和业务发展，对软件进行功能升级，让软件始终保持先进性和实用性；对于用户反馈的故障，要迅速响应，快速修复，确保软件的正常运行。 团队要搭建起高效的沟通桥梁，建立多种沟通渠道，及时响应用户的需求和反馈。无论是技术咨询、问题反馈还是功能建议，团队都要认真对待，为用户提供专业的解决方案和建议。通过持续的售后服务与支持，让用户感受到团队的用心和负责，增强用户对软件的信任和满意度。 验收与交付是政务软件开发过程中的关键里程碑，项目团队要以精益求精的态度，做好每一个环节的工作。从验收准备的精心筹备，到验收过程的紧密配合，再到交付与部署的无缝衔接，以及售后服务与支持的持续护航，确保软件的质量和功能满足用户需求，实现项目的成功交付和长期稳定运行。在这个过程中，团队与用户的密切沟通是贯穿始终的主线，只有双方携手共进，才能让政务软件在政府部门的工作中发挥最大价值。 本文由 @LikiChen 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>Shelf，这款聚焦欧美市场的兴趣社区 APP，凭借“为用户夺回数据控制权”的理念，实现了月下载量 143.22% 的增长。它抛弃推荐算法，以用户兴趣为核心，打造专属“兴趣货架”，强调数据安全与用户自主，展现出独特的市场竞争力。</p> </blockquote>  如今，凭借大数据推送模型，不需要主动搜索和发现，用户就可以接收到自己可能感兴趣的内容，久而久之，用户似乎已经习惯被平台“猜中”喜好，渐渐产生对推荐机制的依赖。但也有一部分用户，想要跳出推荐算法机制之下的“信息茧房”，摆脱大数据推送对个人兴趣的绝对掌控，拥有自己对数据的主导权。 聚焦于欧美市场的兴趣社交赛道，我们发现，有一款由美国团队打造的社交应用，宣称抛弃推荐算法，让用户根据自己的兴趣来决定推送的内容，称“要为用户夺回数据控制权”，将“人”置于数据使用和技术决策的中心。 这款名为的Shelf的应用，目前仅在APP Store上架，Google Paly显示的应用状态是“即将推出”。根据点点数据，Shelf 今年五月在全球范围内实现了23万次下载，环比增长143.22%，展现出突出的增长潜力。结合insightrackr的数据来看，Shelf的下载量主要集中在欧美地区，整个五月份，美国地区贡献了24.96%的下载量，墨西哥、意大利、葡萄牙、法国分别以9.03%、6.81%、6.41%、6.24%的下载量占比排在美国之后。  来源：insightrackr 在竞争激烈、社交应用发展较为成熟的欧美地区，兴趣社交还能找到新的突破点吗？借Shelf这款产品，我们进一步拆解其背后的获客逻辑，试发现欧美社交产品可持续挖掘的增长空间。 ## 可视化汇总兴趣“货架”，用户决定share or hide 在社交产品同质化严重的当下，Shelf以独特的产品理念在欧美市场中脱颖而出。顾名思义，Shelf意为“货架”，是每位用户的专属展板，用户可用来陈列自己的兴趣内容——这周看了什么电影、读了哪些书、听了哪些音乐、玩了哪款游戏……通过搜索和手动添加，用户能轻松搭建属于自己的“兴趣陈列架”。  但Shelf的功能远不止于兴趣展示。它通过与Spotify、Apple Music、Netflix等主流平台的链接，能够精准同步用户的观看、阅读、收听或游戏进度，甚至包括一首歌的收听次数或某款游戏的游玩时长。每周生成的“兴趣周报”不仅记录了用户的兴趣变化，也成为用户与好友分享个人品味的重要工具。  Shelf用户的“兴趣周报” 除了打通内容平台、丰富展示维度，Shelf在社交交互上的设计同样体现出其对用户主体地位的重视。 Shelf设计了极具克制感的“轻社交”机制。用户可通过“emoji”对他人的兴趣内容做出反馈，并且可以自由设定信息的接收范围——选择接收每个人或仅限朋友的兴趣信息。这种充满边界感的设定，为用户提供了一个既自由又舒适的兴趣展示空间，使浏览与分享成为用户自主的选择，而非被迫的压力。出于对用户个人数据安全考量，Shelf采取无密码登录、数据加密、定期渗透测试、安全监控等机制，对用户数据传输进行了严格防护，采用高级加密标准(AES-256) 来保护用户存储在Shelf服务器上的用户数据，并公开承诺不会在未经授权的情况下使用用户信息。平台将自身定位为一个“兴趣展厅”，将数据的记录、分享与推荐权交还给用户，充分体现了用户对数据的掌控权与主体性。  Shelf保密措施 此外，用户可以随时在官网申请删除个人账户和个人数据存储，平台还为用户提供了多种方式可以实时退出Shelf的在线追踪收集数据。只要用户想要立即终止Shelf的数据收集，可以直接通过官方提供的渠道采取措施。 ## 切中欧美用户喜好，点到为止的兴趣社交 仅仅是为用户提供收藏式的列表和数据管理权，不足以成为用户增长的核心驱动力。记载兴趣的同时，Shelf踩中了欧美用户的追逐的热点和兴趣趋势。  Shelf近期社媒宣传图 Shelf会邀请一些欧美的作家、红人入驻平台试用，通过名人效应吸引到其他用户、以及一批想要了解偶像兴趣的粉丝们。而对于被Shelf邀请的作家、红人们，本身也需要这样一个平台去展现自己的兴趣品位，维系粉丝黏性。 在欧美市场上，用户偏爱带有“品牌故事”的产品。而Shelf在产品故事塑造方面别具匠心，推出“装兴趣的货架”、“为用户夺回数据控制权”等概念后，团队更是以Shelf 的logo设计了一些文创周边，加速产品品牌化进程。  Shelf品牌故事  Shelf文创周边 一位美国用户表示，自己每天会打开App一至两次，更新兴趣内容，并查看朋友正在关注什么，再通过“emoji”表达自己的看法。“没有发布压力、不需要经营社交关系”成为这款产品的一大亮点。不同于高强度互动的兴趣社区，Shelf 打造的是一种“点到为止”的轻社交氛围，强调舒适、温和、去中心化的交流方式。  Shelf用户评论 这类低负担、轻参与的产品体验，逐渐成为欧美用户偏好的主流社交模式。此外，Shelf将“用户对数据的控制权”这一理念巧妙地融入了兴趣展示与社交场景，更进一步提升了品牌温度与平台信任度。 以数据为媒介，Shelf能够帮助用户表达个人兴趣偏好，构建出具有辨识度的“兴趣名片”。这一模式不仅迎合了用户的自我呈现需求，也为后续的社交共鸣提供了更自然的路径，让用户在展示兴趣的同时，找到志同道合的朋友。 在商业模式上，Shelf采用会员制进行变现，其中“每周洞察”功能以0.99美元的价格为用户提供兴趣数据周报。insightrackr显示，Shelf今年五月份月收入达15.6万美元，环比增长176.93%。这表明，以“兴趣+数据统计”为核心的社交名片机制，仍在欧美市场展现出可持续的增长潜力。  Shelf五月份月收入趋势（来源：insightrackr） ## 写在最后 在大数据推送主导内容分发的背景下，Shelf 提出“为用户夺回数据控制权”的理念，为社交产品打开了新的想象空间。它将数据管理的主动权交还给用户，不再以算法驱动兴趣，而是通过自我记录与偏好管理，构建出更具个体表达感的兴趣社区。在强调轻量化互动的同时，Shelf也以更温和的方式，回应了用户对兴趣记录与隐私自主的真实需求。这类围绕“用户主体性”展开的产品逻辑，或许正是欧美下一阶段社交产品差异化突围的关键方向。&gt; 作者丨以南 编辑丨火狐狸 本文由人人都是产品经理作者【扬帆出海】，微信公众号：【扬帆出海】，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>一个曾开发作弊工具被哥大开除的 21 岁学生 Roy Lee，创立的 Cluele 凭借独特策略获 a16z 领投 1500 万美元。其产品定位争议却极具商业头脑，重新定义效率提升，将争议转化为竞争优势，在注意力经济时代，营销增长能力变得至关重要，Cluele 的故事就此展开。</p> </blockquote>  你有没有想过，一个因为开发作弊工具被哥伦比亚大学开除的 21 岁学生，竟然能在短短几个月内获得 a16z 领投的 1500 万美元融资？Roy Lee 和他的 Cluely 团队正在证明一个颠覆性的观点：在 AI 时代，营销增长能力正在取代产品本身成为真正的核心竞争力。更神奇的是，我发现 Cluely 的内容确实具有某种算法魔力，我在深思圈视频号上转发的相关产品视频，流量数据都非常亮眼。这让我开始思考，他们是否真的掌握了某种流量密码。 当我深入研究这个案例时，我发现这背后隐藏着一个更深层的逻辑转变。传统的产品开发思维已经过时了，尤其在 toC 的 AI 赛道。产品是否有技术壁垒、是否功能差异化，已经不再重要。真正难以复制的是用户心智、流量分发和社区热度。我们正在见证一个全新的商业范式：从产品驱动增长转向注意力驱动一切。Roy Lee 本人就是这种转变的最佳代言人，他毫不掩饰自己的野心：”我的终极梦想是成为宇宙征服者，也许 50 年后，这个世界将由我、Elon Musk 和 Sam Altman 三人统治。”这种近乎疯狂的表达背后，其实是对注意力价值的深刻理解和极致追求。 ## “作弊”定位的商业天才：将争议转化为竞争优势 我必须承认，当我第一次听到 Cluely 的 slogan “Cheat on Everything” 时，内心是抗拒的。但深入了解后，我意识到这可能是近年来最天才的产品定位策略之一。Roy Lee 不是在鼓励真正的作弊，而是在重新定义效率提升的概念，同时巧妙地利用了人们对”作弊”这个概念的复杂情感。 从产品功能看，Cluely 确实提供了强大的实时辅助能力。用户可以在面试、会议、销售电话中按下 Command+Enter，AI 就会根据当前对话内容提供相关信息和建议。Roy Lee 在演示中展示了这样的场景：当面试官问及技术概念时，AI 会立即解释相关术语；当客户提出复杂问题时，AI 会提供详细的回答要点。这种能力确实能给用户带来巨大优势，在某种意义上确实像是”作弊”。  但更深层的商业逻辑是，Roy Lee 预见到了一个社会转型期的矛盾：AI 工具已经成为提高工作效率的必需品，但传统的制度和规范还没有适应这种变化。他说：”老师们说你不能在作业中使用 AI，他们认为这是作弊，因为它让你能做到比以前多得多的事情。但这显然是未来的趋势，我们都需要跟上时代，拥抱它。” 这种定位的天才之处在于它预设了一个未来：当 AI 辅助成为工作常态时，那些率先适应的人将获得巨大优势。通过将产品定位为”作弊工具”，Cluely 实际上在为用户提供一种心理许可：使用 AI 不仅是合理的，而且是必要的，因为不使用就意味着在竞争中处于劣势。 从市场接受度看，这种争议性定位反而帮助产品获得了更广泛的关注和讨论。Roy Lee 透露，他们的企业客户签约很大程度上是因为决策者看到了他的 Twitter，觉得他的想法很有趣并且支持他。这说明至少在某些前瞻性的企业中，这种对未来工作方式的预判是被认可的。  我觉得最聪明的是，Cluely 将争议转化为了产品的核心卖点。每当有人质疑这种”作弊”定位时，实际上都在为产品做免费宣传。争议本身成为了传播的催化剂，让更多人知道并讨论这个产品。Roy Lee 说：”我们要么足够疯狂而成功，要么足够疯狂而失败。”这种 all-in 的心态让他们能够将争议完全转化为商业价值，而不是被争议所困扰。 从更宏观的角度看，”作弊”定位实际上是在推动社会对 AI 辅助工作的接受度。当越来越多人开始公开使用这类工具时，传统的规范和制度就不得不适应这种变化。Roy Lee 说：”这是我们正在推动的社会变革。每个人都会觉得使用 AI 的人在作弊，但这是不可避免的，所以我们应该拥抱它，并利用它带来的营销优势。”这种将产品发展与社会变革相结合的视野，显示出了超越同龄人的战略思考深度。  ## 注意力经济下的新游戏规则 我认为，Cluely 的成功绝非偶然，而是对当前市场环境深刻理解的结果。在当今的 AI 产品竞争中，技术门槛已经大幅降低。大语言模型的普及让任何团队都能快速搭建出看似强大的 AI 产品，但这也意味着产品同质化变得前所未有的严重。当每个月都有数百个类似的 AI 工具发布时，用户的注意力成了最稀缺的资源。 Roy Lee 很早就意识到了这一点。他的策略核心是”从社区聚焦、话题制造、内容裂变开始，把注意力圈住，再反推产品开发”。这种反向思维彻底颠覆了传统的产品开发逻辑。以前是先做产品，再找用户；现在是先抓注意力，再定义产品需求。Cluely 从一开始就不是一家技术公司，而是一家注意力公司。 看看他们的团队构成就能明白这种策略的彻底性。Cluely 目前有 11 个全职员工，其中 7 个负责增长，4 个负责工程。更令人震惊的是他们的招人标准：”你要么是世界级的工程师，要么是网红，必须有超过 10 万粉丝。”这种极端的人员配置反映了他们对注意力经济的深刻理解：在一个产品极易被复制的时代，唯一不能被复制的是人的影响力与流量抓取能力。 从具体数据来看，这种策略的效果是惊人的。他们的病毒式发布视频在两周内获得了超过 2000 万的观看量，而且这还不是他们的天花板。Roy Lee 在访谈中透露，他们已经制定了”疯狂程度前所未有”的内容策略，准备在接下来的几个月里持续引爆话题。他们甚至专门建立了一套内部 CRM 系统来管理多达 2000 名内容创作者，这本身就是一个完整的注意力生产机器。  这种做法的商业逻辑其实很清晰：当你拥有了足够的注意力和心智占有率，产品的具体功能反而变得次要。用户会因为你的品牌影响力而选择你的产品，即使竞争对手有更好的技术或更低的价格。就像 Roy Lee 说的：”如果你能持续抓住眼球，你就会变得不可撼动。” ## 病毒式营销的科学与艺术 我觉得很多人误解了 Cluely 的营销策略，以为这只是一些哗众取宠的噱头。但当我仔细分析他们的每一次营销动作时，我发现这背后其实有着极其精密的计算和策略思考。Roy Lee 不是在随意制造争议，而是在系统性地构建品牌心智。 他对病毒式传播的理解远超大多数创业者。在访谈中，他提到了一个关键洞察：”Twitter 用户在幽默感上比 Instagram 和 TikTok 用户落后大约两年。”这个观察让他能够精确地为不同平台定制内容策略。在 Instagram 上已经司空见惯的内容形式，在 Twitter 上仍然能够引起巨大反响。这种跨平台的认知差异就是他们的机会窗口。 更重要的是，Roy Lee 区分了两种完全不同的病毒式传播：流量病毒和心智病毒。他说：”你可以有一个产品每月产生 10 亿次观看，但没人会在餐桌上谈论你的产品，因为他们可能看过但并不真正关心。要让人们关心，你需要做一些有争议、疯狂的事情。”这种区分非常关键，因为只有心智病毒才能转化为真正的商业价值。 从执行层面看，他们的内容策略分为两条主线：转化内容和心智占领内容。转化内容直接展示产品功能，期望用户看后会注册使用；心智占领内容则不追求直接转化，只是让用户持续看到 Cluely 这个品牌，在大脑中植入深层印象。这种双线并进的策略确保了他们既能获得短期用户增长，又能建立长期品牌价值。  他们在内容制作上的投入也是巨大的。那个病毒式发布视频花费了 14 万美元，在当时这几乎是他们的全部积蓄。但 Roy Lee 的判断是，如果你相信自己能在一年内达到 1 亿美元年收入，那么任何营销投入都是值得的。这种 all-in 的决心和对增长时间线的激进预期，正是他们能够在激烈竞争中脱颖而出的关键。 ## a16z 的投资逻辑：押注注意力基础设施 我认为 a16z 对 Cluely 的投资代表了风险投资行业对新时代竞争要素的重新理解。传统的投资逻辑注重技术壁垒、团队背景、市场规模等因素，但在 AI 时代，这些标准正在发生根本性改变。当底层技术变得越来越同质化时，分发能力和注意力捕获能力反而成为了最稀缺、最有价值的资产。 从 a16z 的投资公告中可以看出，他们并没有过多强调 Cluely 的技术创新，而是重点赞扬了团队的”分发实力”和”品牌认知度建设能力”。他们明确指出，Cluely 的增长团队由 7 个人组成，每个人都独立拥有超过 10 万粉丝的个人影响力。这种配置在传统科技公司中是不可想象的，但在新的竞争环境下却可能是最关键的竞争优势。  更重要的是，a16z 看到了 Cluely 模式的可复制性和放大效应。虽然很多人质疑这种营销策略的可持续性，但 Roy Lee 展示了持续制造话题的能力。他们不是偶然爆红，而是建立了一套系统性的注意力生产机制。这套机制包括内容创作流程、话题规划、跨平台分发、社区运营等多个环节，形成了一个完整的注意力基础设施。 从财务角度看，Cluely 已经实现了盈利，这在当前的 AI 创业环境中是非常罕见的。他们的商业模式很简单：消费者端月费 20 美元，企业端则是七位数的年度合同。关键是他们通过注意力优势获得了极低的获客成本，使得即使在大量营销投入的情况下仍能保持盈利。这证明了注意力策略不仅能带来用户增长，还能转化为实际的商业价值。 我特别注意到 a16z 在投资公告中提到了 Cluely 的”多模态 AI 助手”愿景。这反映出投资人对产品未来发展方向的期待：当底层模型能力足够强大时，拥有最多用户和最强分发能力的产品将获得最大的价值。就像 Roy Lee 说的：”当超级智能出现并且所有人都能构建出类似 Jarvis 的产品时，真正的竞争将是谁能最有效地分发这种能力。”这场竞争的核心不是技术，而是心智占有率。  ## 从产品驱动到注意力驱动的范式转变 我观察到，Cluely 的成功标志着整个创业生态的一个重要转折点。传统的”先有好产品，再做市场推广”的逻辑正在被”先抓注意力，再定义产品”的新模式取代。这种转变并非偶然，而是 AI 时代技术环境变化的必然结果。 在产品同质化严重的情况下，用户选择产品的决策标准发生了根本变化。以前用户会仔细比较功能差异、性价比等理性因素，现在更多是基于品牌认知度、社区氛围、使用体验等感性因素。当一个产品在社交媒体上无处不在时，用户自然会产生”这应该是个好产品”的心理暗示，即使他们从未真正使用过。因为从产品上看，Cluely是个典型的套壳，下图就是被逆向工程泄露出的Prompt：  Roy Lee 对这种心理机制有着清醒的认识。他说：”当我们制造了一个文化现象时，很难用货币价值来衡量其真正价值。如果你能让人们在每个午餐桌上都谈论你的产品，那比任何转化率都更重要。”这种对用户心理的深度理解，让他们能够精确地设计出引发讨论的内容和话题。 从执行策略看，Cluely 采用了一种我称之为”注意力漏斗”的方法。最上层是大范围的话题制造和品牌曝光，中间层是产品演示和功能介绍，最下层是用户转化和留存。这个漏斗的关键是确保每一层都有足够的内容供给，形成从认知到使用的完整路径。他们雇佣大量内容创作者的目的就是确保这个漏斗的每一层都有充足的”燃料”。 我认为这种模式的成功还在于它解决了 AI 产品面临的一个核心问题：用户教育成本。传统的产品推广需要大量时间和资源来教育用户理解产品价值，但当产品通过病毒式传播获得广泛讨论时，用户教育变成了一个自然发生的过程。人们在社交媒体上看到、讨论、分享产品信息，无形中完成了产品认知的建立。  从更宏观的角度看，Cluely 的模式反映了消费者行为的深层变化。在信息过载的时代，用户的注意力变得极其分散和易变。只有那些能够持续抓住用户注意力的产品才能在竞争中生存。这就像 Roy Lee 说的：”收入时间线被极度压缩，如果你不相信自己能在明年达到 1 亿美元年收入，那你就不应该创业。”这种紧迫感驱动着他们采用更激进、更高效的增长策略。 ## 争议营销的风险与回报 我必须承认，Cluely 的营销策略确实存在巨大风险。Roy Lee 本人也清楚地意识到这一点，他在访谈中说：”没人知道当 50% 的人爱你、50% 的人恨你时会发生什么，这就是我们正在下的赌注。”这种极端的两极化反应是争议营销不可避免的后果，也是其最大的不确定性所在。 从短期风险看，过度的争议可能导致平台封禁、合作伙伴撤离、用户抵制等负面后果。更严重的是，这种营销方式可能会损害创始人和公司的长期声誉，影响未来的融资和合作机会。我注意到已经有预测市场在打赌 Roy Lee 是否会在年内离开公司，这反映出市场对这种策略可持续性的担忧。 但 Roy Lee 对此有自己的理论框架。他认为争议是成功的必经之路：”世界上每一个伟大的人在他们生命中的某个时刻都面临过极度争议。当你失败时，你成为 Sam Bankman-Fried；当你成功时，你成为 Elon Musk。”他把争议看作是检验创业者承受能力和执行能力的试金石，只有那些能够在争议中保持前进的人才能最终胜出。 从客户反应看，争议营销的效果出人意料地正面。Roy Lee 透露，他们能够获得企业客户的七位数合同，很大程度上是因为那些决策者看到了他的 Twitter 账号，觉得他很有趣，并且支持他的做法。这说明至少在某些细分市场中，这种不拘一格的营销风格确实能够带来商业价值。  我觉得关键在于 Roy Lee 对风险和回报的计算是清醒的。他明确表示，如果没有这种争议性的营销策略，他们根本不可能走到今天这一步。在一个注意力极度稀缺的市场中，安全的营销策略往往意味着平庸和被忽视。与其在安全区域内慢慢消失，不如冒险一搏，争取获得”逃逸速度”，达到不可撼动的地位。  从长期角度看，Roy Lee 期待这种营销方式能够改变整个创业生态的文化。他认为随着短视频内容的普及，人们对争议内容的容忍度在不断提高，传统的商业礼仪和专业主义正在逐渐失去意义。如果他的预测正确，那么 Cluely 的模式可能会成为未来创业公司的标准做法，而不是异类。 ## 反传统的团队构建哲学：工程师与网红的完美融合 我觉得最值得深度剖析的是 Cluely 极其反常规的团队构建理念。当大多数科技公司还在按照传统模式招聘时，Roy Lee 却提出了一个令人震惊的标准：”我们只招两种人：要么是世界级工程师，要么是网红，后者必须拥有超过 10 万粉丝。”这种看似疯狂的招聘标准背后，其实隐藏着对未来商业竞争本质的深刻洞察。 从组织架构看，Cluely 目前 11 个全职员工中，7 个负责增长，4 个负责工程。这种配置在传统科技公司中是不可想象的，但在注意力经济时代却可能是最优解。Roy Lee 解释说：”如果你不是优秀的工程师，但你的粉丝少于 10 万，那你在这里就没有位置。”这种极端的标准反映了他对团队效率的苛刻要求：每个人都必须在自己的领域做到顶尖，没有中庸的空间。  更有趣的是他们对”现代实习生”概念的重新定义。Roy Lee 透露，他们计划招聘的”50 个实习生”实际上包括 5 个传统实习生和 45 个 UGC 创作者。他说：”UGC 创作者坐下来用手机制作关于产品的 TikTok 视频，这是一个 20 年前根本不存在的工作。这感觉很荒谬，但实际上这就是现代实习生的样子。”这种对劳动形态变化的敏锐感知，让他们能够更早地布局新型人才资源。 从管理哲学看，Roy Lee 坚持一种极端的文化统一性。他们所有员工不仅一起工作，还住在同一栋房子里。”你的工作应该就是你的生活，反之亦然。如果是这样，那么最好的实现方式就是住在工作的地方。你醒来就直接工作，基本上是在沙发上睡觉。”这种看似不合理的安排，实际上为快速迭代和密集协作创造了理想环境。 我认为这种团队模式的核心价值在于打破了传统的专业边界。在 Cluely，工程师不只是写代码，他们也要理解内容传播规律；内容创作者不只是拍视频，他们也要深度理解产品逻辑。这种边界模糊化让团队能够以前所未有的速度响应市场变化，每个营销动作都能快速转化为产品迭代的输入，每个产品功能都能立即生成相应的内容素材。从某种意义上说，Roy Lee 正在构建一种全新的组织形态，专门为注意力经济优化。感兴趣的朋友可以看我之前写过的，两篇讲速度在AI时代重要性的文章《深度分析｜为什么顶级风投NFX和a16z都说”速度就是新护城河”？》和《速度将成为AI时代唯一的护城河》。 ## 产品力在注意力经济中的新定义 虽然我强调注意力经济的重要性，但这并不意味着产品本身变得无关紧要。相反，在注意力经济中，产品力有了全新的定义和要求。传统的产品力强调功能完整性、技术先进性、用户体验等维度，而在注意力经济中，产品力更多体现在话题性、传播性、社交价值等方面。 Cluely 的产品设计很好地体现了这种新的产品力标准。从技术角度看，它是一个相对简单的桌面应用，集成了语音转文字、屏幕捕获、AI 问答等功能。这些技术本身并没有太高的门槛，市面上有很多类似的产品。但 Cluely 的巧妙之处在于，它将产品定位为”终极作弊工具”，这个定位本身就具有强烈的话题性和争议性。  从用户体验看，Cluely 的界面设计采用了半透明的液体玻璃效果，这种视觉设计不仅实用（可以在不遮挡原有内容的情况下显示 AI 回答），更重要的是极具辨识度和分享价值。用户在使用时自然会产生”这看起来很酷”的感觉，进而愿意在社交媒体上分享和讨论。 产品的使用场景设计也体现了对注意力经济的深刻理解。虽然 Cluely 可以用于各种场景，但他们重点推广的是面试、会议、销售等高压力、高关注度的场景。这些场景本身就容易引发讨论和争议，当用户分享使用体验时，自然会带来更多的关注和传播。  我注意到一个有趣的现象：Cluely 的产品功能更新非常频繁，但每次更新都会产生新的营销素材。Roy Lee 在访谈中提到，他们把产品迭代当作内容生产的一部分，每个新功能都要考虑其传播价值和话题性。这种产品开发思路完全不同于传统的功能驱动模式，而是以内容和营销需求来反向驱动产品开发。 从商业模式看，Cluely 的定价策略也体现了注意力经济的特征。消费者端 20 美元的月费看似不高，但考虑到他们极低的获客成本，这个定价实际上有很高的利润率。而企业端的七位数合同更多是基于品牌价值和心智占有率，而非纯粹的功能比较。这证明了在注意力经济中，品牌溢价可以达到非常高的水平。 ## AI 时代创业的新思维框架 我认为 Cluely 的成功不是个案，而是 AI 时代创业新思维的典型代表。在这个时代，创业者需要重新理解增长的本质，它不再是产品的后手，而是产品的起点。这种思维转变要求创业者从第一天开始就要考虑如何抓住用户注意力，而不是等产品成熟后再考虑市场推广。 从团队构建角度看，传统的技术创业团队通常是工程师主导，产品经理辅助，营销人员垫底。但在注意力经济中，这个结构需要彻底颠倒。像 Cluely 这样 7 个人负责增长、4 个人负责工程的配置，可能会成为 AI 时代创业团队的标准模板。创业者需要认识到，在技术门槛降低的情况下，分发能力比开发能力更加稀缺和重要。 从融资策略看，传统的融资逻辑强调技术壁垒、市场规模、团队背景等硬指标。但 Cluely 的融资成功表明，投资人越来越重视团队的注意力捕获能力和品牌建设能力。创业者在准备融资时，需要更多地展示自己的影响力建设能力，而不仅仅是产品功能演示。 我特别认同 Roy Lee 提出的”病毒感”概念。他认为这是一种极其稀缺的能力，不是所有人都能掌握。就像技术天赋一样，病毒营销也需要天赋和直觉。35 岁的营销人员可能无法理解年轻文化的幽默点，就像不懂代码的人无法开发软件一样。这提醒创业者，如果自己不具备这种能力，就需要招募具备这种能力的人才。 从产品开发流程看，传统的瀑布式开发模型在注意力经济中已经过时。新的模式是”内容驱动的产品开发”：先制造话题，再根据用户反应调整产品方向；先测试市场接受度，再投入开发资源。这种敏捷性不仅体现在技术开发上，更体现在市场策略的快速调整上。 我相信，那些能够最早适应这种新思维框架的创业者将在 AI 时代获得巨大优势。就像移动互联网时代那些最早理解移动特性的创业者一样，现在最早理解注意力经济规律的创业者将成为下一波创业浪潮的领导者。Cluely 只是这个趋势的开始，而不是结束。 ## 我对注意力经济的长期思考 虽然我认为注意力经济是当前 AI 创业的重要趋势，但我也必须指出这种模式的局限性和长期挑战。注意力是一种极其不稳定的资产，可能因为一次失误、一个意外事件或者用户喜好的变化而迅速流失。过度依赖注意力的商业模式可能面临巨大的不确定性。 从用户角度看，长期被争议营销轰炸的用户可能会产生疲劳感和抵触情绪。当所有人都在模仿 Cluely 的模式时，这种营销方式可能会失去新鲜感和效果。就像所有营销策略一样，争议营销也有其生命周期，创业者需要不断创新才能保持效果。 我个人认为，注意力策略应该是产品成功的催化剂，而不是唯一依赖。最终还是需要产品本身具备真正的价值才能留住用户。如果产品无法在抓住用户注意力后提供实际价值，那么再好的营销策略也只能带来短期增长，无法建立可持续的商业模式。 从行业发展角度看，注意力经济的兴起可能会带来一些负面影响。如果所有创业者都专注于制造话题而忽视产品创新，整个行业的技术进步可能会放缓。而且过度的争议营销可能会污染整个创业生态，让真正专注于解决问题的创业者难以获得应有的关注。 但我同时也看到注意力经济带来的积极变化。它降低了创业的门槛，让更多有创意、有执行力的年轻人能够快速获得资源和机会。它也迫使传统企业重新思考用户沟通方式，推动整个商业世界变得更加开放和透明。 我的观点是，创业者应该学习 Cluely 的注意力策略，但不应该完全复制他们的做法。每个产品、每个团队都需要找到适合自己的注意力捕获方式。关键是要认识到，在 AI 时代，分发能力和产品能力同样重要，甚至在某些阶段更加重要。创业团队必须重新理解增长，不是配合产品的后手，而是产品的起点。 最终，我相信那些能够在注意力捕获和产品创新之间找到平衡的创业者将获得最大的成功。他们既要有 Roy Lee 那样的营销天赋和执行勇气，也要有扎实的产品基础和长期价值创造能力。Attention is all you need，但 attention 不是 everything you need。这个平衡点的把握，将决定 AI 时代创业者的最终成败。‍ 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。

李志飞称，“坦白讲，大模型就不是我们能玩得起的。我更不能理解，绝大部分AI（大模型）公司到底还有什么价值。”

&#34;Industrial scenarios offer clear ROI expectations, relatively structured environments, and scalable deployment potential. That’s why we prioritize them over consumer-facing home service robots,&#34; Zhang said.

本次监测周期内，东阿阿胶、蔓迪、同仁堂分别以1.76、1.73、1.66的综合热度位列榜单前三，与后面品牌拉开差距。  图源：世研大消费指数 ## **抗衰养老需求激活传统滋补创新，防脱护理数字化全周期科学监测** 本月东阿阿胶上榜，品牌以春季养生季为切入点，精准锁定女性抗衰需求升级的窗口期，通过“阿胶燕窝肽”联名礼盒与“春分养肝计划”的组合策略，将传统滋补品从单一功效转向“抗衰+调理”的多维价值输出，既延续了中医节气文化的时间仪式感，又借助现代科研技术强化功效可信度。 这一策略背后映射出健康消费的深层转变：用户不再满足于“治标式”补血，而是追求内外协同的长期健康管理方案，同时要求产品承载情感价值与文化认同。品牌通过KOL科普将“肝血不足”的抽象概念与皮肤老化的具象痛点关联，既完成了中医理论的场景化落地，又构建了“科学+文化”的双重信任体系。 本月蔓迪排名大幅上升，社媒表现亮眼。品牌以脱发旺季为节点，通过专业背书，以“AI头皮检测+米诺地尔套餐”构建数据驱动的解决方案，将OTC药品从单一药物销售升级为“检测-治疗-跟踪”全周期服务。反映出消费者对功效的追求已从“模糊经验判断”转向“可量化的科学干预”，尤其Z世代用户既要求医疗级产品的有效性，又需通过数字化工具如生发周期预测报告，缓解治疗过程中的不确定焦虑。 ## **美瞳跨界营销撬动轻医美时尚消费，精准营养瞄准垂直办公场景** 从榜单品牌分布来看，拉拜诗、可啦啦、海俪恩等多个美瞳品牌上榜。随着春季出游场景复苏与生物材料技术迭代的双重驱动，消费者不再满足于单纯瞳孔放大效果，而是通过动态调色如拉拜诗光感变色片，文化符号植入如可啦啦国风设计等实现自我表达与场景适配，将美瞳从“彩妆配件”重新定义为“轻医美级时尚单品”。 美瞳消费从&#34;基础修饰&#34;向&#34;情绪表达&#34;升级，追求自然灵动妆效与科技体验。这种转变倒逼国产厂商以&#34;医疗级材料研发+快时尚运营&#34;构建新护城河，差异化切入&#34;轻医美&#34;与&#34;快时尚&#34;交叉赛道，以快时尚的迭代速度捕捉圈层文化。 星鲨则以都市白领日光缺乏的痛点切入，将传统瓶装补充剂重构为“办公室场景专属解决方案”，实现从“泛营养补充”到“精准健康干预”的转变，体现出营养品正从“被动保健”转向“主动健康管理”，借助人群细分如办公室“久坐人群”与构建日常消费惯性。 **榜单说明** 世研消费指南针系列指数报告是由世研指数独家研发的消费指数评价系统。本系列包括《品牌消费热门指数榜》、《行业消费热力指数榜》、《产品消费热浪指数榜》、《消费热门事件榜》等主要榜单，以及对应范围的延伸性榜单报告。旨在通过指数评价的方式，客观、真实地呈现消费世界的趋势特点，帮助行业与品牌主持续追踪消费市场趋势、为企业经营提供参考，提升商业综合竞争力。 世研消费指南针系列指数榜单持续监测行业如下： 3C数码、鞋服配饰、食品生鲜、家用电器、运动户外、美妆清洁、母婴用品、家居家装、汽车消费、玩模乐器、宠物用品，医疗健康共计12大行业。  图源：世研大消费指数   **免责声明** 本榜单由世研指数独家编制，榜单观点、结论和建议仅供参考之用，并不代表任何具体的投资建议或决策依据。 榜单数据计算结合主流平台公开数据与值得买科技旗下世研大消费平台数据沉淀，我们已采取合理措施，以尽量确保所提供数据的可靠性和准确性，但无法排除数据本身的局限性导致部分误差或偏差。此外，本报告中的部分数据未经独立第三方审计机构的正式审计，因此可能存在未被识别的错误或遗漏。特别提醒，市场情况随时可能发生改变，因此报告中的预测、分析和结论可能与实际情况有所不同。 报告中提到的任何第三方名称、品牌或产品仅供说明之用，并不构成对其的认可或推荐。任何对这些第三方的提及不应被视为任何形式的背书或推荐。报告的版权属于值得买科技集团和世研指数所有，未经许可不得复制或分发。对于因使用本报告中的信息而导致的任何损失或损害，值得买科技集团与世研指数不承担任何法律责任。  

 AI群雄逐鹿，亚马逊为何掉队？ 当OpenAI用o系列的推理模型重新定义大模型发展方向，Google在大模型排行榜上用Gemini 2.5 Pro大杀四方，Anthropic用Claude 3.7和Claude 4称霸编程行业，Meta用Llama系列把开源模型送给全世界，幻方量化更用开源DeepSeek V3和R1把大模型推向了前所未有的普惠水平，那么，电商巨头亚马逊干什么去了？ 早在2019年，彼时Alexa正处于高速成长期，亚马逊高层明确表示Alexa将成为未来的重要赌注，当时的使命就是将最新最先进的AI研究引入Alexa产品和生态系统，其内部团队称之为“Google Brain与Alexa AI-SWAT的结合体”，当时，团队为组织构建了首批大语言模型（尽管当时并不称之为“大语言模型”）、构建了基于知识的响应生成器（虽然当时没叫“RAG”），并开创了让Alexa成为家中多模态代理的原型。 可以说，亚马逊曾拥有定义对话式AI未来的一切要素：庞大的用户生态、海量的数据、无与伦比的计算资源以及顶尖的人才。然而，这些巨大的优势，最终未能转化为决定性的市场领导力。这种巨大的反差，无法用单一的技术或管理失误来解释，它指向了一个更深层次的系统性问题： 亚马逊Alexa的兴衰，是一个关于“成功悖论”的经典寓言，它深刻揭示了一家巨头企业，其赖以成功的强大适应性，在面对范式转移时，如何异化为阻碍其发展的“脆弱性”。 为了真正理解这场“系统性失灵”，我们需要借助一个更深邃的视角——David Woods和Matthieu Branlat在《自适应系统失败基本模式》一文中提出的理论框架。他们认为，适应性系统在崩溃前，往往会陷入三种经典的“陷阱”：解代偿（Decompensation）、目的错位（Working at Cross-Purposes）和困于旧习（Getting Stuck in Outdated Behaviors）。亚马逊的故事，就是在这三个陷阱中一步步走向沉寂的。 ## 解代偿——巨轮之下的创新窒息 “解代偿”描述的是一种系统性的功能衰竭：当挑战的增长速度超过了系统适应和响应的速度时，即便系统本身拥有强大的潜在能力，也会因内部机制的阻塞而崩溃。 在亚马逊，这种“阻塞”几乎无处不在。 前Alexa团队成员Mihail Eric曾写道，“获取任何内部数据进行分析或实验，都需要数周时间。”这仅仅是冰山一角。数据的标注质量低下，文档要么不存在，要么早已过时。 他们曾发现，一个核心数据集的标注方案存在根本性错误，这意味着数月以来，成千上万的数据点被持续误标。当他们试图纠正这一错误时，却发现需要启动一个长达数月的、涉及多层审批的繁琐流程。 更可悲的是，修复这个问题对于相关团队的管理者而言，并不能构成一个有吸引力的晋升案例。于是，在“缺乏激励”的现实面前，“科学上正确的事情”被轻易搁置了。 如果说数据是AI的燃料，那么算力就是引擎。然而，这个引擎却被牢牢锁在了仓库里。Eric提到一个令人难以置信的事实：“想象一下，当你身处一家拥有全球最大加速硬件集群的公司，却只能用CPU来训练Transformer模型。” 这并非笑话，而是团队当时面临的残酷现实。亚马逊AWS的强大算力，对内部的AI研究团队而言，仿佛隔着一堵无形的墙。这种内部流程的迟缓与资源的“制度性稀缺”，使得他们在与外部对手的竞赛中，从一开始就背负着沉重的枷锁。 亚马逊就像一艘拥有强大引擎却被无数根缆绳束缚在港口的巨轮，眼睁睁地看着轻舟快艇在创新的海洋中疾驰而去。这种能力与效率之间的巨大鸿沟，正是“解代偿”最致命的表现。  ## 目的错位——“去中心化”的内耗悲剧  亚马逊引以为傲的“去中心化”组织文化，在零售和电商领域创造了奇迹，但在需要高度协同的AI研发领域，却演变成了一场“目的错位”的内耗悲剧。 在Alexa内部，众多独立的小团队在不同地点重复地解决着相同的问题。这并非协同作战，而是一场“达尔文主义”的内部生存竞赛： 中层管理者们固守着各自的“封地”，对跨部门协作兴趣索然，只专注于自身团队的KPI和生存。其结果是惊人的资源浪费和创新合力的缺失。一个本可能催生出“亚马逊版ChatGPT”的早期大型模型训练项目，就在这种跨团队协作的空转与推诿中不了了之。 Eric写道， <blockquote><p>“有一次我们正在协调一个项目，旨在扩展我领导的Transformer模型训练。这是一个雄心勃勃的努力，如果做得正确，可能会成为亚马逊 ChatGPT 的起点（远在ChatGPT发布之前）。我们的 Alexa 团队与一个内部云团队会面，该团队独立启动了类似的项目。虽然目标是寻找一种合作方式来共同开发这个训练基础设施，但在几周的时间里，许多半吊子的承诺都未能实现。最终，我们团队各自为政，姐妹团队也各自为政。由于没有共同的基础，导致了重复的努力。没有数据、基础设施或经验分享，这不可避免地影响了所产出模型的质量。”</p></blockquote> 这种“目的错位”的极致体现，便是Alexa的技能（Skills）生态系统。这个设计试图将亚马逊在电商领域的“平台化”和“去中心化”思维，直接复制到对话AI上。每个技能都像一个独立的App，由独立的团队开发和维护。 然而，对话的本质是流动的、连贯的、充满上下文的。一个无缝的对话体验，需要各个“神经元”之间的高效协同，而非一堆孤立的“机器人”在机械地切换。 这种架构上的根本性缺陷，注定了Alexa无法提供真正自然、智能的对话体验。 局部最优的加总，并不等于全局最优。当组织内部的每个单元都在奋力划桨，却朝着不同的方向时，这艘巨轮只会原地打转，耗尽所有人的力气。  ## 范式禁锢——成功光环下的自我束缚 这是三个陷阱中最隐蔽，也最致命的一个。 亚马逊的“极致客户导向”原则，是其商业帝国成功的基石。但在AI研究这个全新的领域，这一原则却成了一把双刃剑，让亚马逊深深地陷入了“困于旧习”的泥潭。 AI基础研究的本质，是探索性的、非线性的，充满了不确定性。它无法被简单地塞进季度财报的框架里，也无法总是在短期内产生清晰可见的客户价值。然而，在亚马逊的文化里，每一个项目都必须向高层领导证明其存在的价值，而证明的方式，就是与某个下游产品挂钩，并用“面向客户”的指标来衡量。 于是，许多前瞻性项目承受了巨大的压力。他们被迫花费大量时间去“美化”项目的指标，以使其看起来更符合公司的产品逻辑。 比如，在一个旨在构建开放域聊天系统的项目中，高层强加了一个“毫无科学依据，几乎不可能实现”的成功指标。每周的项目会议，都变成了产品经理与科学家之间关于这个指标的痛苦拉扯。 最终，项目在一轮又一轮的管理者更迭后，被悄然关停。这就是“路径依赖”的可怕之处：一个组织因为某种行为模式获得了巨大的成功，便会不自觉地将其神圣化，并试图将其应用于所有领域。 亚马逊未能意识到，AI研发需要一种全新的文化土壤——一种能够容忍模糊性、拥抱长期主义、鼓励高风险探索的文化。它试图用一把打造精密钟表的锤子，去雕刻一块璞玉。结果，不仅未能雕刻出杰作，反而可能将璞玉敲得粉碎。  ## 结语：写给大企业的AI备忘录 Alexa的故事，是写给所有身处AI浪潮中的企业，尤其是大型企业的一份沉重备忘录。 它告诉我们，在颠覆性变革面前，真正的护城河不是数据、不是资本，而是组织的动态适应性和自我革新的能力。那么，如何构建一个能够抵御这些“适应性陷阱”的韧性组织？ 第一，解放生产力，而非圈禁： AI的生命线是数据和算力。必须将构建一个开放、高效、低门槛的开发者基础设施作为最高优先级。让你的科学家和工程师像敏捷的初创公司一样，能够自由地获取资源、快速地进行实验。 第二，重构范式，而非修补： 承认旧有架构的局限性。今天的AI竞赛，必须以大语言模型（LLM）作为核心基石，从根本上重新设计对话系统的架构和开发工具包。修修补补无法带来质变。 第三，守护“非共识”，而非扼杀： 必须为基础研究建立一个“保护区”，将其与短期的产品交付周期解耦。给予科学家们必要的耐心、自由和资源，去探索那些当下看似“无用”但可能决定未来的非共识领域。 第四，建立信任，而非壁垒： 打破组织内部的藩篱，用共享的宏大目标和有效的激励机制，取代“领地意识”和内部竞争。真正的创新，源于跨领域的思想碰撞和无私的协作。 第五，保持谦逊，而非傲慢： 最重要的一点，领导层必须保持警惕和谦逊，敢于质疑那些曾经带来成功的“金科玉律”。在AI时代，最大的风险，就是对过去的过度自信。 亚马逊手握着通往AI未来的钥匙，却在门口徘徊了太久。它的故事，是所有寻求在AI时代基业长青的企业，必须反复研读的教科书。未来，属于那些能够直面自身成功所带来的惯性，并有勇气进行自我颠覆的组织。

<blockquote><p>做产品 3 年还在画原型？你可能真的废了，文章分享突破产品瓶颈 5 个狠招，助你实现职场进阶。</p> </blockquote>  最近好多朋友跟我吐槽，说做了几年产品，每天重复着同样的工作，看不到成长的方向。说实话，我之前遇到类似问题时，也是一脸懵逼，那种感觉别提多难受了。 后来我琢磨出了这 5 个套路，现在分享给你们，保证比那些职场鸡汤好使一百倍。 ## 突破产品瓶颈的 5 个狠招，一般人我不告诉他 产品做久了遇到能力瓶颈，其实很正常。但关键是你得知道往什么方向使劲，不然过多 2 年就真的废了。 ### 主动规划：别等老板给你画饼 我其实很纳闷，很多顶着产品经理的头衔，总是等着老板上司安排工作，不推一下就不动的那种。 每到升职加薪时，又嫌弃公司看不到自己的付出。我说实话，老板又不是你爸妈，凭什么要为你的职场负责？ 还有个产品朋友和我吐槽，每天工作就是接需求、写文档、跟进度，一年下来除了画图更快了，啥东西都没学到。后来我跟他说，你得学会给自己定目标啊！比如这个月学会数据分析，下半年搞懂什么是 AI。 具体怎么做？其实很简单。每个月给自己定 1-2 个学习目标，然后多在工作中实践学到的知识。 <blockquote><p>职场中如果有大腿抱，晋升加薪分分钟的事。——好夕雷</p></blockquote> 俗话说名师指路，少走几年弯路。记得一定要定期跟上级，聊聊你的职业规划和工作困惑（别等年终总结才想起来，那会黄花菜都凉啦 相信我，大部分人别说年度计划，周计划都懒得弄。记住学习规划、请教前辈这两个关键动作，你只要做了就已经超过 90% 的人了。 ### 推进落地：想法再好，不落地就是扯淡 <blockquote><p>如何将脑中图景，搬入现实中来，是作为产品经理的一项必备能力。——好夕雷</p></blockquote> 老实讲，很多产品经理就败在执行力上，想得太多做得却很少。 这个我深有体会。以前我也是那种想法特别多的人，今天想做个新功能，明天想优化个流程，但就是懒得动手。 后来我发现，产品经理最大的价值不是想法多，而是能把想法变成现实的能力。 我现在有个习惯，任何想法我都会第一时间记录，并且想好了就开始行动，哪怕只是写个简单的方案。 顺便分享我 3 个推进落地的方法/技巧： - 学会把大目标拆成小任务，这还是从我老板学来的（我一开始也不懂，规划版本总想啥都塞进去 - 找到关键干系人，提前沟通，达成共识（过来人告诉你，共识有时候比干活还重要！ - 给任务设定明确的节点和交付物（没工作证明的活，老板看都看不到，干了也白干。。 ### 能力精进：不要只是原型仔 我面过太多的产品经理，工作三五年还只会写 PRD 和画原型。一聊到数据分析就懵逼，一说到技术方案就推给开发，这种原型仔不用等公司裁员，迟早也会被 AI 淘汰。 说个扎心离谱的，现在连 10 后都会用 AI 写代码了。 作为过来人，我的建议是 - 一定要掌握快速学习的能力，这是每个产品经理的必备技能 - 每个月至少读 2-3 本产品相关书籍，并尝试将知识用起来 - 定期复盘自己的能力短板或思维盲区，让 AI 给你提升路径和规避建议 别告诉我没时间学，刷抖音的一半时间拿来充电，有什么东西学不会？ ### 精力管理：别把自己当超人 这个我必须说，因为我之前就踩过这坑。记得我刚做产品时，总觉得自己非常 NB，什么都想做什么都想尝试，结果搞得自己特别焦虑，效率还特别低。 产品经理的工作本来就很杂，如果不会管理精力，很容易陷入忙碌无效的状态。你是不是也遇到过？每天都很忙，但回头一看好像啥都没干。 我现在的做法是 - 每个时间段，只专注 1-2 件重要的事 - 把琐碎的事情集中处理（比如抽空回个无聊微信 - 一定要学会说不，别什么需求都接 - 定期工作复盘，抽象提炼成自己的方法论 说实话，精力管理比时间管理更重要，因为你的注意力才是最稀缺的资源。 还有，做产品记得定期删抖音，那玩意真的时间黑洞。。 ### 多维思考：跳出产品看产品 <blockquote><p>产品的本质，在产品之外。——好夕雷</p></blockquote> 最后一个，也是最重要的。很多产品经理容易陷入功能思维，总是想着如何优化产品。 我之前也是这样，天天琢磨用户体验、堆砌更多功能，但从来不想这个产品在公司有什么价值。反思后发现，核心是缺少了多维思考的能力。（话说这也是公众号【产品之外】的来源，时刻提醒自己多思考 什么是多维思考？ 之前看老王的清华产品课，提到一个概念叫 π 型人才。简单来说，就是拥有一专多能、多元思维的复合型人才。 可以说，一名各项能力 60 分左右的 π 型产品经理，一定胜过专职的 80 分产品、研发或运营。 他不但能避免拿着锤子找钉子的笑话，还可以很好地完成跨学科知识的融合运用。 <blockquote><p>做互联网产品，最心累的是，看着研发资源，投入到一些无关紧要的垃圾需求中。——好夕雷</p></blockquote> 举个例子，当你遇到了一个需求时，业务方反馈说某功能的评价率太低了只有几十个，问产品能开发什么功能，帮忙拉高下评价数。 如果是一个只懂堆功能解决问题的产品经理，脑子里可能只有产品方案，接完需求这时该画原型了。  可真实世界却又那么复杂，你有可能忽略、但需要考虑的事情也很多： - 业务说的评价数据，是从哪里来的，是否可靠？ - 拉高评价率，是为了达到什么目标，解决什么问题？ - 一年需求几百个等着落地，研发资源又有限，这个需求真的那么重要吗？ - 即使重要，什么时间、什么节点、什么节奏、用什么方案，完成它才合适、ROI 最高？ - 通过一通数据分析和模拟，出的产品方案，研发成本高、投产比太低，解决问题的效果也不好，是不是有别的替代方案？ - 运营呢？咋提需求这么行，干活时没啥动静？ - 还有，今天心情不太好想摸鱼打盹，昨晚熬夜抽机还没缓过来呢。。 - 对了，干脆让他们搞个“评价送好礼”活动，奖品就几千块，还能连续办 N 期，光是私或受众就几万，这不比做任务送积分强？ 我的研发鸽鸽我守护，又默默省下几天团队摸鱼时间，深藏功与名。 本文由人人都是产品经理作者【好夕雷】，微信公众号：【产品之外】，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>AI 圈风起云涌，MiniMax 在发布周推出多款 AI 新品，包括推理模型、视频生成工具和智能体应用等，性能与性价比惊艳全场，让 AI 技术触手可及。</p> </blockquote>  上周的AI圈，简直被MiniMax一家给承包了，搞了一场为期5天的“发布周”，发布的内容一个比一个震撼！！！ 从推理屠榜的M1大模型，到攻克物理难题的视频生成，再到人人可用的Agent和声音定制，这波操作直接把AI的门槛和成本打到了“骨折价”，OpenAI和谷歌看了都得懵圈。 由于饼干哥哥周末去了北京，这会才有空扒一扒这5天，MiniMax到底放了些什么“王炸”！ 直达体验：https://www.minimax.io/  ## 第一天：重磅炸弹MiniMax-M1，推理屠榜，上下文卷到100万！ 周一凌晨，MiniMax直接扔出了一记重磅炸弹——MiniMax-M1，一个深度思考模型，直接对标DeepSeek-R1和OpenAI的O系列。 先来看看有多猛？ - 上下文长度100万tokens：全球最高水平，直接是DeepSeek R1的8倍！ - 思维预算高达80K：真正的“长考型”AI，思考深度离谱。 - 计算效率提升4倍：生成10万token，算力只要DeepSeek的四分之一，省钱就是硬道理！ - 性能屠榜：全面超越Qwen3-235B、DeepSeek-R1，尤其在复杂编程、工具使用和长文本理解上，简直是降维打击。 数字看着头疼？看下图，MiniMax-M1在各项核心基准上，特别是长上下文和软件工程方面，把一众对手甩在了身后。  怎么做到的？靠的是Hybrid-MoE架构和自研的CISPO强化学习算法，不是靠堆料，而是真刀真枪练出来的“脑力”。这波操作，直接把开源模型的性能和性价比卷到了新高度！ ## 第二天：视频模型Hailuo 02，谷歌翻车的体操，它搞定了！ 如果说M1是技术宅的狂欢，那第二天发布的Hailuo 02视频模型，就是所有创作者的YYDS！ 最炸裂的一点是，它攻克了“体操”这个AI视频生成的“图灵测试”！之前连谷歌Veo 3都在这上面翻了车，而Hailuo 02生成的体操运动员，动作流畅，物理效果拉满，简直不可思议！ 戳此体验：https://hailuoai.video/ Hailuo 02主打的就是“超清画质”和“精准响应”： - 原生支持1080p，画面质感直接拉满。 - 极限物理表现，不管是镜子里的倒影，还是复杂的运动轨迹，都符合现实规律，不再是“恐怖谷”视频。 - SOTA指令遵循，你敢写多复杂的Prompt，它就敢给你多精准的实现。 在权威榜单Artificial Analysis上，Hailuo 02直接冲到全球第二，把一众国际大厂甩在身后。更要命的是价格，1000美元能生成的视频秒数，吊打所有对手，这性价比谁顶得住啊！  ## 第三、四天：Agent双雄齐发，生产力真要变天了！ 当大家还沉浸在视频模型的震撼中时，MiniMax紧接着甩出了MiniMax Agent和Hailuo Video Agent，直接宣告Agent时代的平民化！ MiniMax Agent是一个能干大事的通用智能体。它就像一个“靠谱的人”，能多步规划、灵活拆解任务、调用工具，最终交付结果。用它生成一个带音频的学习教程，或者快速开发一个前端动画网页，都不在话下。正如官方所说，生产关系真的在变： <blockquote><p>“Code is cheap，show me the requirement.” （代码是廉价的，告诉我需求。）</p></blockquote> 总结起来，MiniMax Agent目前具有以下几个特点： 1.编程： ☑️包含更多组件和复杂跳转逻辑 ☑️能够模拟用户操作做非常全面的测试，不交付有bug的网页 ☑️重视界面设计的交互视觉效果和用户体验 2.多模态： ☑️除了支持长文本文件，也支持视频、音频、图片等的全面理解 ☑️内置生图、音频生成、视频生成等能力，一键直出图文音并茂的作品 3.MCP扩展 ☑️内置MiniMax MCP，多模态输出能力强大且实惠 ☑️集成常用Github/Gitlab、Slack、Figma等MCP，提高上下文，延展用户办公生活各种任务场景 而Hailuo Video Agent更是重量级！它是一个专为视频创作打造的Agent。你再也不用苦恼分镜、剪辑、配音了，只需要输入想法、上传图片，它就能一键生成具有专业水准的短片！想让你的宠物猫当快递员？想做个敦煌壁画风的混剪？上传张照片，剩下的交给它！ ## 第五天：最终弹！声音也能Prompt生成？ 发布周的最后一天，MiniMax带来了收官之作——语音设计工具。 戳此体验：https://www.minimaxi.com/audio 这玩意儿就更神了！你只需要在输入框里用文字描述你想要的声音，比如“严厉的数学老师”、“可爱活泼的女孩声音”，它会一次性生成3个符合要求但音色、语气、节奏略有不同的语音，选择自己喜欢的即可！目前可选择语音的语种仅支持英文或中文普通话。  来自官方的一个音色库： <blockquote><p>“呵，五岳剑派，哎呀呀，别用这种眼神看着我嘛，人家可是一片好心呢。呵呵，听说你们掌门身体有恙，可要试试本宫这上等的丹药？”</p></blockquote> 最终生成的音频如下： 这意味着，无论是做视频配音，还是开发个性化应用，你都能拥有一个独一无二的、用Prompt创造出来的声音。之前只有ElevenLabs等少数公司能玩，现在MiniMax直接把它集成到了自己的生态里，而且门槛极低。Intelligence with Everyone 回顾MiniMax这疯狂的一周，从底层模型到上层应用，从文本、视频到语音、Agent，它用五款产品清晰地展示了自己的全栈能力和野心。它的核心理念“Intelligence with Everyone”（让智能普惠每个人）不再是一句口号。 Andrej Karpathy曾预言，最火的编程语言将是英语（自然语言）。 MiniMax用行动证明，自然语言不仅能编程，还能创造视频、设计声音、完成复杂工作流。 大模型的内卷远未结束，但MiniMax这波操作，无疑是把技术和产品的“性价比”与“易用性”推向了一个全新的高度。接下来，就让我们继续围观，看这场AI革命如何改变世界吧！ 本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，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。

**在NVIDIA发布GeForce RTX 5050显卡后，技嘉迅速推出了其定制版的半高刀卡——GeForce RTX 5050 OC Low Profile 8G。**这款显卡采用双槽设计，尺寸为182mm×69mm×36mm，能够适配ITX等小型机箱。 [](//img1.mydrivers.com/img/20250626/8cd4cdfc-3fdd-40a1-a630-0af3e9bb8c0c.jpg) **该显卡配备了三风扇散热系统，与技嘉此前的RTX 3050半高卡相比，增加了额外的风扇，但整体尺寸几乎没有增加。** 显卡配备了8GB GDDR6显存，显存频率为20Gbps，核心频率尚未公布，但作为一款超频版（OC）显卡，其加速频率将高于公版的2.57GHz。 [](//img1.mydrivers.com/img/20250626/0fc0da08-7f18-470c-8216-b0e60dde727c.png) 该显卡的TDP为130W，与参考版相同，因此技嘉也推荐使用550W电源。 **在散热设计上，RTX 5050 OC Low Profile采用了定制的散热器，GPU芯片上涂有服务器级导热凝胶，直接与铜板接触。** 铝制散热器通过铜热管与GPU相连，以实现更快的热量散发。这种散热方案足以有效冷却整个PCB，同时保持紧凑的体积。 接口方面，该显卡配备了双HDMI 2.1b接口、1个DP 1.4a接口和1个DP 2.1b接口，具体价格暂未公布。 [](//img1.mydrivers.com/img/20250626/f061e9b9-4410-4e5b-b901-e744ab7649ec.png) [](//img1.mydrivers.com/img/20250626/9dd535dd-0db6-47b0-b66c-bc26fc40fcb9.png) [](//img1.mydrivers.com/img/20250626/5696c47e-b108-43e1-a6c9-544b8009d310.png) [查看评论](https://m.cnbeta.com.tw/comment/1509006.htm)

<blockquote><p>你是否依赖 AI 快速总结内容？作者却选择先深度阅读纸质书、做笔记再与 AI 讨论，探索出独特的学习流程，强调了 AI 协作的重要性，快来了解。</p> </blockquote>  上一周 @何先森 推荐给我们一本做内容的书，叫《人设、流量与成交》，我就去微信读书去看这本书，看完了一遍之后觉得非常好，立马京东下单了这本书，用纸质书再看了好几遍。 我还详细的做了很多笔记，然后跑去跟 @何先森 @金三 讨论这本书中的各种细节。 不知道大家看到这里会不会觉得奇怪，为啥不用AI呢？让AI快速总结一下这本书，直接吸收最精华的内容不好吗？ 让AI总结内容在我印象中，好像是23年最火的AI项目，在kimi刚出来的时候主打的也是20万长文本上下文，能够总结超长的资料；现在也是大家日常用AI最常用的一个功能。 在今年3月份我看Claude论文的时候依旧是这个思路，我先用AI整理完直接吸收精华内容。 然而很遗憾，用这套方法我最后啥都没看懂；我就知道Claude团队不知道Claude的运行逻辑是什么，于是他们弄了一套方法测试了一下Claude模型的运行逻辑。 于是为了看懂这篇论文，我弄出来了“论文大师”提示词，跟它一起一段一段死磕了好几天，终于把Claude的两篇论文吃透了一点，知道了他们实验的全部流程和结果，对模型的理解也相对更深了一点。 这之后我一边迭代自己的学习工作流，一边在思考：**在AI时代，人和AI在学习上是什么样的关系？** 是AI整理好了精华直接喂给人吗？还是说应该退回之前没有AI的时候，靠自己一点点啃书、做笔记？还是说人和AI一起协作来学习，就像和论文大师一起读论文一样呢？ **想不出来答案，那就从践行中总结吧。** 最近又学了好多新知识，有了一些新的沉淀和思考。 那就用这篇文章来跟大家分享一下，我在学习知识中和AI的协作方式。 还记得文章开头我提到的那本书嘛，我在纸质版读完之前都没有用AI。 当我读完了这本书，记了大量笔记且有一些自己的深度思考后，我才开始拉AI一起讨论这本书写的各种内容。 我把最后一个深度碰撞的环节交给了AI，这也是它最擅长的事情，AI可以提供多个维度的镜子，帮助人更好的吸收运用这些知识。 我现在学习的工作流是这样的：  ## 1. 判断内容是否值得学习 现在是一个信息严重过载的时代，拿到一篇内容后，最先做的是判断它值不值得学： 1）如果是熟人推荐的，就直接略过这个环节，直接学习就好了，熟人背书依旧是最值得信任的事情。 2）如果是自己刷到的内容，判断方式分两种： - 几千字的文章：直接自己速览一遍，判断内容的价值高不高，值不得值深度读。 - 长文/长视频：先让AI帮我速览总结核心内容，去和自己的目标做匹配，看看能不能对的上。 能对的上就可以去学习，没对上就直接放弃。筛选优质的内容读一篇比通读一百篇普通内容都重要。 ## 2. 阅读思考记笔记 这个阶段我分两种处理方式： - 如果是专业难度高、完全看不懂的内容（比如Claude的那两篇论文），就直接用“论文大师”提示词带自己自己一段一段学习就好了，在学的过程中记录自己的思考。 - 如果是我能看懂的内容，我会先不用AI纯自己学，先用自己的脑子过几遍知识，记录下自己的思考。 这个阶段最重要的一定是要有自己的思考，有思考才能更好的吸收去践行。 ## 3. 与人和AI讨论 这个阶段，对我来说AI和人都是自己的视角补充器，需要找谁聊就找谁。 - 需要看到更多视角更多可能性，就去拉AI聊一轮 - 需要实践经验后的交流，那就去找朋友来讨论 AI能够帮助我看到那些我不曾注意到的事情，而人则会告诉我他踩过的一些坑，他自己的经验方法论总结。 **AI提供多个维度的视角，人提供经历后的思考。** ## 4. 实践 学完了当然要去用，放到自己的落地场景里去实践几次，看看效果怎么样。 实践完，最重要的一件事情就是反思复盘，看看自己那些地方是卡住的，那些理解是有问题的。 这时候带着自己的经验总结再去找AI或者朋友聊一轮，会比初学的时候空对空交流更聚焦更有价值。 大家看完了我这套学习工作流会发现： AI不是替代人学习，而是在每一个节点上协助人做的更好。 那接下来让我们把这套学习流程稍微放大一点，套在各个生活中的场景。 我们会发现，不管是吃喝玩乐，还是衣食住行，所有和AI共处的场景里，其实它的底层逻辑都是一样的。 AI没有办法代替你去品尝美食，没有办法去领略世间美丽的风景，它也没办法理解抢到满200减199优惠券的喜悦。 但它可以告诉你各种美食的做法，可以帮你定制旅游计划，可以陪你一起哈哈大笑。 我想未来的生活场景，不是说人类控制AI或者AI控制人类这种二极管的情况，而是一种你中有我我中有你的共生协作关系。 **AI和人的关系就是协作。** 你中有我我中有你，只不过每个场景中AI的占比是多少罢了。 本文由人人都是产品经理作者【云舒】，微信公众号：【云舒的AI实践笔记】，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。