互联网时代人人都变得离不开手机了，而手机没了话费更让人苦不堪言。为了少交点儿话费，甚至近期网上还出现了“慢充话费”等实则帮别人“洗钱”的方式。 不过，不少网友发现：**“我记得以前能充10块的，后来10块没有了，只有30的，但现在得50块起充，即使是有30块的，也会显示缺货。”** **网友对此吐槽称：“充话费为什么还会缺货啊，真的无语，他从哪里进的货。”** [](//img1.mydrivers.com/img/20250722/1137800c-0dc9-4516-9345-841f328229a8.png) 对此，网友展开了激烈的讨论。 有人认为，支付宝、微信等平台的充值服务依赖运营商分配的接口额度。 若当日额度耗尽，尤其月初高峰期，页面会显示“备货中”或“缺货”，需等待运营商重新调配资源。 还有人认为，小面额充值例如10块、20块、30块的边际成本较高，因为处理10次10元订单成本大于1次100元订单。 运营商为压缩成本，可能阶段性关闭第三方平台的小额入口，引导用户使用官方渠道或大额充值，目的就是为了让用户习惯大额充值，养成大额充值的习惯。 不过，也有人认为，这是运营商通过限制第三方平台的小额入口，促使用户使用自己官方的APP充值，如中国移动、中国联通APP，后者还可充1元且常有专属折扣。 [查看评论](https://m.cnbeta.com.tw/comment/1514720.htm)

历史的多样性。

MiniMax开始认真打磨它的市场表达。

做好联想集团“科技瞭望塔”，支持集团混合式AI战略

<blockquote><p>9 个月 2 轮融资 5200 万美金，Unify 用 AI Agent 把销售流程从“人海战术”变成“数据科学”。本文拆解它如何用 3 层模型堆栈精准找客户、写邮件、推线索，让 Cursor、Perplexity 等明星企业甘愿买单，也揭示了传统销售工具正在面临的系统性崩塌。</p> </blockquote>  你有没有想过，传统的销售模式可能真的完蛋了？我最近一直在思考这个问题。那种疯狂招聘销售人员、购买海量客户数据、发送铺天盖地邮件的增长策略，正在迅速失效。转化率在下降，销售配额越来越难完成，销售团队开始质疑一个根本问题：这套方法还管用吗？ 答案是否定的。我相信我们正在见证一个全新增长平台的崛起，而 Unify 刚刚完成的 4000 万美元 B 轮融资，正是这场变革的最佳例证。这家由前 Ramp 增长产品团队负责人 Austin Hughes 和 Scale AI 机器学习研究工程师 Connor Heggie 共同创立的公司，正在彻底改写我们对销售增长的理解。他们不是简单地用 AI 来优化现有流程，而是从根本上重新设计了整个增长系统的运作逻辑。 让我更感兴趣的是，Unify 的客户名单几乎就是当今 AI 领域最炙手可热的公司合集：Cursor、Perplexity、Together AI、Flock Safety、Airwallex。这些公司都在各自领域处于技术前沿，如果连他们都选择 Unify 来解决增长问题，这说明传统销售方法的问题已经严重到了什么程度。更重要的是，这表明 AI-native 的增长平台不仅是理论上的可能，而且已经在实际商业环境中证明了其价值。从 Unify 自身的数据来看，他们在过去一年中实现了 8 倍的收入增长，客户通过平台产生了数亿美元的销售管道，仅在 6 月份就达到了 560 万美元的年化收入，月增长率高达 17%。 ## 传统增长模式的根本性危机 过去十年，外向销售（outbound sales）遵循着一套可预测的公式：雇佣更多销售代表，购买更多数据，发送更多邮件，打更多陌生电话。在相当长的时间内，这套方法确实有效。ZoomInfo、Apollo、Outreach 和 Salesloft 等工具通过自动化和规模化帮助市场团队扩大触达范围，取得了巨大成功。但是，随着各个渠道变得越来越饱和，高音量外向销售的回报正在急剧下降。 我在与各种规模的公司交流时发现，几乎每家公司都面临着同样的困境：销售工具栈变得越来越复杂，但效果却越来越差。销售代表的工作已经从”销售”转变为”管理工具”。他们花费大量时间在不同系统之间切换，收集数据，整合工作流程，而真正用于与客户互动的时间却越来越少。我听到最多的抱怨就是：销售代表的工作变成了学习销售技术栈，而不是销售本身。 更糟糕的是，AI 生成的消息虽然提高了发送量，但也加剧了这个问题。大量缺乏针对性的通用外联信息充斥着各个渠道，创造了一个分发瓶颈。结果是 SDR（销售开发代表）团队规模不断膨胀，但回报却在递减。我看到很多公司的 SDR 团队从几个人扩展到几十人，但产生的高质量线索数量并没有相应增加，反而因为缺乏个性化和精准定位，整体转化率出现了下滑。 这种困境的根源在于，传统的增长模式建立在一个已经过时的假设基础上：更多的触达等于更多的机会。但现实是，买家已经被各种形式的外联信息淹没了。他们不再响应通用的、明显模板化的消息。同时，现有的销售工具栈呈现出严重的碎片化问题：数据供应商如 ZoomInfo、LinkedIn 和 G2；基于账户的营销产品如 6Sense 和 Demandbase；参与工具如 Salesloft 和 Outreach。这些工具虽然各自功能强大，但缺乏统一性，导致信号分散，工作流程复杂，销售团队需要花费大量时间来协调这些系统，而不是专注于真正重要的事情：与客户建立关系。 ## Unify 的革命性方法：从艺术到科学 Unify 的核心洞察是，下一代外向销售的成功不会来自发送更多消息，而是来自在正确的时间向正确的人发送正确的消息，这个系统由数据和意图信号驱动，而不是猜测。这是一个从创造性艺术向数据驱动科学的根本性转变。我认为这个转变的深刻之处在于，它不仅仅是工具层面的改进，而是对整个增长理念的重新思考。 传统模式下，销售人员需要手动研究潜在客户，浏览网站，从零开始编写外联内容。这种方法不仅效率低下，而且高度依赖个人经验和直觉，难以标准化和规模化。而 Unify 将这个过程重新定义为一个在大量非结构化、语义丰富数据上的搜索问题，并通过 AI 来解决。这种思维转换是革命性的，因为它将一个主观的、依赖个人技能的过程转化为一个可观察、可测量、可快速迭代的工程问题。  Unify 的 AI 产品堆栈包含三个核心组件，每个组件都针对特定的任务进行了优化。观察模型（Observation Model）在后台持续运行，由 OpenAI o3 驱动，持续研究客户总可达市场中的公司，从公开来源检测高信号事件，如新雇佣或技术栈变化，并使用多 agent 工作流程浮现战略洞察。研究 agent 帮助用户回答开放式问题并生成外联内容，使用 GPT-4.1 进行规划，使用计算机使用 agent（CUA）进行动态浏览，使用 GPT-4o 进行综合。 文案撰写功能由 agent 研究和 GPT-4o 驱动，将平台浮现的相关数据转化为超个性化邮件草稿，细节针对每个线索进行定制。 我特别欣赏 Unify 在模型选择上的策略。他们没有简单地使用一个模型解决所有问题，而是为每个任务匹配最适合的模型。这种方法体现了深度的技术理解和实用主义。例如，在信号分类和指令规划等上游阶段，推理质量至关重要，因为模型输出会影响后续的所有步骤。Unify 的工程师 Kunal Rai 指出：”搜索问题最困难的部分之一是识别正确的信号。 推理质量在这些早期步骤中真的很重要，我们需要能够执行接近人类水平推理、理解细微差别并适应不同用例的模型。”通过严格的评估，他们发现 OpenAI o3 在企业资料分析、账户资格认定和技术检测方面的准确率分别达到了 83%、83% 和 78%，显著超过了竞争对手的模型。 ##  ## 市场时机的完美风暴 我认为 Unify 成功的背后有几个关键的市场变化趋势，这些趋势的汇聚创造了一个完美的时机窗口。首先，销售工作的性质正在变得更加技术化。市场团队正在从手动外联和人力驱动模型转向更加数据优先、系统导向的方法。 今天推动外向销售的人员不仅仅是发送更多邮件，他们正在构建工作流程，集成数据，管理自动化以规模化个性化参与。随着外向销售变得更加智能，市场团队需要为那些以系统和数据思维方式的人设计的新工具，而不是为执行一次性任务的初级代表设计的工具。 其次，管道质量已经成为比管道数量更关键的瓶颈。今天大多数团队都在努力产生足够的管道，但问题比数量更深层。被创建的很多管道质量都很低，随机来源，缺乏优先级排序。信号被忽略，线索未经资格认定，销售代表花时间追逐从一开始就不匹配的客户。 结果是转化率下降，客户获取成本攀升。真正的挑战不只是获得更多管道，而是构建与公司理想客户画像对齐的正确管道。这正是 Unify 的价值主张的核心：不是更多的外联，而是更智能的外联。  第三个关键变化是时机和上下文变得至关重要。在外向销售中，成功不仅取决于你接触的是谁，还取决于何时接触他们以及为什么接触。买家被通用外联淹没，静态账户列表已经不够了。 现代市场组织需要基于实时信号采取行动，如产品使用情况、招聘变化、内容参与、相关新闻和融资活动，并将其与上下文化、个性化的消息配对。没有精确的时机和上下文相关性，即使是目标明确的外联也会失效。 最后，生成式 AI 正在从增强转向自动化。大语言模型现在能够处理以前需要人类推理和判断的任务。在这种转变的前沿是 AI agent，这些自主系统可以在最少人工干预的情况下跨复杂工作流程进行规划、执行和适应。 以前需要整个营销和 SDR 团队创建和完成的流程，现在可以由单个操作员利用嵌入在 AI-native 平台（如 Unify）中的 agent 来编排。这种转变不仅仅是关于效率，它从根本上扩大了现代 AI-native 市场平台的机会，不仅捕获软件支出，还捕获了上一代市场工具无法触及的人力预算。 ## 客户成功案例的深度解析 从 Unify 的客户案例中，我们可以看到这种新方法的实际效果。拿 Cursor 来说，这个备受瞩目的代码编辑工具正面临着一个典型的高增长公司问题：网站访问量巨大，但如何有效地将这些访问者转化为有价值的销售线索？特别是在最近 Windsurf（一个主要竞争对手）被收购的混乱情况下，Cursor 的网站访问量激增，这既是机会也是挑战。 Cursor 的市场工程专家 George Hou 解释了他们面临的核心问题：”我们不认为等待会让我们获胜。我们需要设定节奏，定义类别，并与客户建立深入、持久的关系。”在这种情况下，速度成为了最重要的标准。 传统的人工筛选和跟进流程显然无法满足需求，因为每天都有大量的潜在客户访问网站，而其中只有一小部分是真正值得销售团队投入时间的高质量线索。  Unify 为 Cursor 提供的解决方案展现了 AI agent 系统的核心优势。通过 Anysphere（Cursor 的开发公司）使用 Unify 的 AI 驱动软件，一个原本需要数小时的复杂流程在几分钟内就能设置完成，并在后台自动运行。 系统会自动识别最有前景的访问者，确保只有这些高价值的潜在客户才会收到销售团队的邮件，同时确保不会有多个销售人员同时联系同一家公司。这种精确的协调避免了销售团队内部的冲突，保护了 Cursor 的品牌形象。 Hou 特别强调了 Unify 作为 Cursor “外向邮件指挥中心” 的价值：”你可以放心地安睡，知道你的外向努力不只是向不同账户喷洒，并且你正在维护你的品牌形象。” 这句话揭示了一个重要问题：在传统的高音量外联模式下，公司往往面临品牌损害的风险，因为缺乏协调的多渠道外联可能会让潜在客户感到被骚扰，从而产生负面印象。 另一个成功案例来自 Navattic，这家提供交互式产品演示软件的公司。他们的增长负责人 Ethan Dursht 面临着一个常见的转化问题：免费试用用户转化为付费客户的比例不够理想。 通过 Unify 设置基于行业的自动化邮件，让潜在客户看到他们所在行业的成功案例（比如金融科技线索会看到 Ramp 或 Coupa 的成功故事），显著改善了转化效果。  更令人印象深刻的是实际数字：Dursht 在 Navattic 使用 Unify 的第一周就产生了超过 10 万美元的管道，带来了 10 次会议。在他之前的创业公司，通过 Unify 获得的交易在前 10 天内就完成了 5 万美元的成交。”关键是我们不想错过收入机会。 销售速度非常关键。”这些数字表明，当外联变得精准和及时时，其效果不仅仅是渐进式改进，而是数量级的提升。 Perplexity 的产品营销负责人 Jenny Sung 的评价更是直接：”Unify 直接将管道推送到我们销售团队的收件箱。平台的意图触发器和接触点让我们有机会在正确的时间与潜在客户交谈。” 这种表述揭示了 AI agent 系统的一个关键优势：它不仅仅是优化现有流程，而是创造了一种全新的工作方式，让销售团队能够专注于他们最擅长的工作——建立关系和完成交易。 ## 技术架构的深度创新 我发现 Unify 最令人印象深刻的地方在于他们对技术架构的深度思考和前瞻性投资。他们在构建平台时就预期模型会在推理、工具使用和交互方面有巨大改进，这种前瞻性让他们能够提前投资，在相应的模型发布之前就已经为观察模型制定了范围和评估标准。 当 OpenAI o3 变得可用时，Unify 已经构建并测试了评估方法来确定它是否能够处理复杂的上游决策推理。一旦验证，团队立即将 o3 部署到工作流程中，改善了信号检测并整体上实现了更加 agent 化的系统。 类似地，GPT-4.1 和计算机使用 agent 解锁了以前不可能的新研究和规划任务，并直接集成到产品的决策层中。  我特别关注 Unify 如何评估模型的推理质量。他们没有仅仅通过准确性或延迟来评估模型，而是为真实世界的市场场景中的推理质量构建了结构化测试。这些评估在信号分类和指令规划等上游阶段至关重要，因为模型输出会影响后续的所有步骤。 这种方法体现了深度的工程思维：不是简单地使用最新的模型，而是系统性地评估哪个模型最适合特定任务。 在实际应用中，Unify 发现不同模型确实在不同任务上有显著的性能差异。OpenAI o3 在其两到三轮推理能力方面表现突出，为 Unify 观察模型的早期阶段逻辑提供动力。GPT-4o 因其结构化输出和流利性成为综合和回复分类的默认选择。 计算机使用 agent 解锁了静态抓取无法支持的复杂研究任务，包括 UI 级工作，如导航评论网站或信任与安全页面。 这种技术架构的深度不仅体现在模型选择上，还体现在整个系统的设计哲学上。Unify 将增长转化为一个可观察、可测量、快速迭代的工程问题。他们相信销售增长应该被视为一个工程问题：一个可观察的、可测量的、快速迭代的问题。 这种思维方式的转变是革命性的，因为它将一个传统上依赖直觉和经验的领域转化为一个可以通过数据和算法优化的科学问题。  更重要的是，这种系统现在为 Unify 自身产生了 30% 的管道，这是一个强有力的证明：他们不仅在为客户解决问题，也在用同样的系统解决自己的增长挑战。 这种”自己吃自己的狗粮”（dogfooding）的做法不仅验证了产品的有效性，也为持续改进提供了直接的反馈循环。 ## 与竞争对手的差异化定位 在了解 Unify 的过程中，我发现一个有趣的现象：很多客户同时使用 Unify 和 Clay，这两家公司在市场中的定位既有重叠又有互补。Clay 主要专注于数据丰富化，帮助创建详细的理想客户列表和联系人信息，而 Unify 则更专注于执行活动的战术性响应。这种分工揭示了当前市场工具生态系统的复杂性，也展示了 Unify 如何找到自己独特的价值定位。 Navattic 的 Ethan Dursht 对这种差异有很清晰的理解：”它们都是市场营销的游乐场，但 Clay 更像是一个我可以做任何事情的地方。对于一个 BDR 团队，我不会让他们接触它，因为它要复杂得多。” 这个观察很重要，因为它指出了用户角色的差异：Clay 更适合那些需要深度定制和复杂数据操作的高级用户，而 Unify 则为一线销售人员提供了更加简化和自动化的解决方案。 Hughes 表示自己是 Clay 及其 CEO Kareem Amin 的”大崇拜者”，目前谨慎地保持友好关系。但随着两家公司的发展，功能重叠是不可避免的，因为它们都在争夺同一批技术领域最炙手可热的客户，如 Anthropic、OpenAI 和 Ramp。 这种竞争态势反映了整个 AI-native 销售工具市场的动态：虽然目前市场足够大，可以容纳多个玩家，但随着技术的发展和市场的成熟，最终的整合和竞争将不可避免。  我认为 Unify 的差异化优势在于其对自动化程度的精确把握。Hughes 强调，Unify 不同于那些试图构建完全自动化”AI SDR”来替代人类的创业公司；相反，Unify 的设置是帮助更少数量的”超能力”销售代表达到更好的效率。 这种定位很聪明，因为它避免了人机替代的敏感话题，而是强调人机协作，让销售人员能够专注于他们最擅长的工作——建立关系。 从产品功能的角度看，Unify 正在不断扩展其能力边界。除了电子邮件工具之外，Unify 还将 LinkedIn 消息添加到其外向流程中，电话拨号器也在开发中。 公司还在测试如何帮助公司进行基于产品意图的销售，即如何接触那些已经免费或个人试用产品的潜在客户。这种产品扩展策略表明，Unify 的长期愿景不仅仅是成为一个邮件自动化工具，而是成为一个全方位的销售执行平台。 ## 对整个行业的深远影响 我认为 Unify 的成功预示着整个 B2B 销售行业即将发生的深刻变革。这种变革不仅仅是工具层面的改进，而是商业模式、组织结构和人才需求的全面重塑。随着 AI agent 系统变得越来越强大，我们将看到销售组织的根本性重构。 从组织结构角度看，传统的大规模 SDR 团队模式正在变得过时。我观察到，最前沿的公司正在转向更精简、更技术化的团队结构，其中每个销售人员都具备系统思维和数据操作能力。这不是简单的减员增效，而是对销售角色本身的重新定义。 未来的销售人员更像是增长工程师，他们需要理解如何构建和优化 AI 驱动的工作流程，而不仅仅是执行标准化的外联任务。 从客户体验角度看，这种变革带来了一个重要的平衡问题：虽然 AI 能够实现更精准的个性化，但如果每家公司都采用类似的技术，是否会导致买家的收件箱被”个性化”邮件进一步淹没？这是一个值得深思的问题。 Hughes 的回应很有启发性：关键在于执行的质量。只要产品是有用的，它就会在需要的时候浮现我们需要的工具——我们不会关心是谁发送的。  Battery Ventures 的 Dharmesh Thakker 提供了另一个角度的思考：”知道竞争对手正在进行类似的使用，或者我的行业正在经历类似的转型，这样的消息对我来说会产生更大的共鸣。” 这表明，真正有价值的个性化不是表面的定制，而是深层次的相关性和时机的准确性。当信息真正有用时，接收者不会抵触，反而会感激。 从更宏观的角度看，Unify 代表的这种变革正在重新定义”分发”（distribution）在商业中的作用。正如 Hughes 所说：”在今天极其竞争激烈的销售环境中，分发已经成为成功的障碍。 即使是优秀的产品，如果无法获得关注，仍然可能失败，因为潜在客户被噪音淹没：跨越电子邮件、社交媒体、搜索等的持续外联。增长的现状不再有效。”  这种观察非常深刻，因为它触及了现代商业的一个核心矛盾：虽然技术让产品开发变得更快更容易，但让客户了解和采用这些产品变得更加困难。在这种环境下，谁能够更有效地解决分发问题，谁就能在竞争中获得决定性优势。 这也解释了为什么投资者如此看好 Unify——他们投资的不仅仅是一个销售工具，而是一个可能重新定义商业增长方式的平台。 ## 技术发展的未来趋势 在深入研究 Unify 的技术架构后，我对 AI agent 在销售领域的未来发展有了更清晰的认识。我认为我们正处在一个关键的转折点，从这里开始，AI 将不再仅仅是辅助工具，而是成为销售流程的核心驱动力。 从技术能力的角度看，当前的大语言模型已经在某些特定任务上达到或超越了人类的表现水平。Unify 在信号检测、账户资格认定和技术识别方面取得的高准确率证明了这一点。但更重要的是，这些模型展现出的多轮推理能力和上下文理解能力，让它们能够处理真实世界中复杂的、模糊的决策情况。这种能力的提升不是线性的，而是呈现指数级增长的趋势。 我特别关注 Unify 对不同模型进行任务匹配的策略。这种方法不仅体现了当前的最佳实践，也预示了未来的发展方向：我们将看到更多专门针对特定任务优化的模型，而不是试图用一个通用模型解决所有问题。这种专业化趋势将推动整个行业向更高效、更精准的方向发展。  从自动化程度的角度看，我预期我们将看到一个逐渐的过渡过程。目前，像 Unify 这样的平台强调人机协作，AI 处理大部分繁重工作，人类在关键决策点介入。但随着 AI 能力的提升和企业对 AI 信任度的增加，自动化的程度将不断提高。 最终，我们可能会看到完全自主的销售 agent，它们能够独立处理从线索识别到初步沟通的整个流程。 这种发展也带来了新的挑战和机遇。从人才需求角度看，销售组织将需要更多具备技术背景的人才，能够设计、优化和监督 AI 系统。同时，传统的销售技能——如建立关系、理解客户需求、处理复杂谈判——将变得更加珍贵，因为这些是目前 AI 还无法完全替代的领域。 从商业模式角度看，我预期会出现新的定价和服务模式。传统的按座位收费的 SaaS 模式可能不再适用于 AI agent 系统，因为一个 AI agent 可能相当于多个传统用户的工作量。 我们可能会看到更多基于结果的定价模式，比如按生成的合格线索数量、创造的管道价值或最终的收入贡献来收费。这种模式对客户更有吸引力，因为它将供应商的利益与客户的成功直接绑定。 我也注意到数据和隐私方面的考虑将变得越来越重要。随着 AI agent 系统处理越来越多的敏感客户数据和商业信息，如何确保数据安全、合规性和透明度将成为关键的竞争差异化因素。那些能够在提供强大 AI 能力的同时确保数据安全和合规的公司将获得显著优势。 从更长远的角度看，我相信 AI agent 销售系统将推动整个 B2B 买卖关系的重新平衡。当买家和卖家都使用 AI 系统时，谈判过程、决策速度和交易复杂度都将发生根本性变化。我们可能会看到更快的决策周期、更精准的匹配和更高效的市场运作。 ## 投资逻辑和市场机会 Battery Ventures 领投 Unify 的 4000 万美元 B 轮融资背后的投资逻辑非常值得深入分析。这不仅仅是对一家销售工具公司的投资，而是对整个市场技术范式转变的押注。Battery 的合伙人 Dharmesh Thakker 之前曾投资过 Databricks 和 Gong 等成功公司，他的投资视角提供了重要的行业洞察。 Thakker 表示：”Unify 的方法代表了市场技术的下一次演进，这是 Battery 通过投资 Marketo、Gong 和 Braze 等公司一直在支持的趋势。”这个表述很重要，因为它表明 AI-native 的市场平台不是一个全新的类别，而是现有市场技术演进的自然延续。 从 Marketo 的营销自动化，到 Gong 的销售智能，再到 Unify 的 AI agent 驱动增长，我们可以看到一条清晰的技术发展轨迹。  从市场机会的角度看，Unify 瞄准的是一个巨大且快速增长的市场。传统的销售和营销工具市场已经价值数百亿美元，而 AI agent 技术的引入不仅仅是在现有市场中争夺份额，而是在创造一个全新的价值层级。 正如 Hughes 所指出的，这种转变”不仅仅是关于效率，它从根本上扩大了现代 AI-native 市场平台的机会，不仅捕获软件支出，还捕获了上一代市场工具无法触及的人力预算。” 这个观察特别重要，因为它揭示了 AI agent 平台的真正商业潜力。传统的销售工具只能替代部分软件成本，但 AI agent 系统可以替代大量的人力成本。 考虑到一个经验丰富的 SDR 的年薪可能在 6-10 万美元之间，而一个 AI agent 系统的年费用可能只是这个数字的一小部分，ROI 计算变得非常有吸引力。 从竞争格局的角度看，我认为 Unify 选择了一个很好的市场时机。现有的销售工具供应商（如 Salesforce、HubSpot、Outreach）虽然拥有庞大的客户基础，但它们的产品架构是为上一代技术设计的，很难快速适应 AI agent 的需求。 这为像 Unify 这样的 AI-native 新进入者创造了机会窗口。同时，市场对新解决方案的需求足够强烈，客户愿意承担切换成本来获得显著的效率提升。 OpenAI Startup Fund 的参与也很有意义，这不仅仅是资金支持，更是战略认可。作为大语言模型技术的领导者，OpenAI 对 Unify 的投资表明他们认为销售自动化是 AI 技术最有前景的应用领域之一。这种认可也为 Unify 在技术获取和产品开发方面提供了独特优势。 从 Unify 自身的增长数据来看，8 倍的年收入增长率和 17% 的月增长率都是非常impressive的数字。更重要的是，他们的客户质量很高，包括 Perplexity、Cursor 这样的明星公司，而且客户合同价值正在向低六位数到中六位数发展。这表明 Unify 不仅仅是一个小规模的工具，而是正在成为客户增长战略的核心组成部分。 ## 挑战与风险考量 尽管对 Unify 的前景充满乐观，但我也看到一些需要认真考虑的挑战和风险。首先是技术风险。虽然当前的大语言模型能力令人印象深刻，但它们仍然存在一定的不可预测性和错误率。在销售这样的关键业务场景中，AI 的错误可能会直接影响客户关系和收入，因此对系统可靠性的要求非常高。 Unify 通过多层验证和人工监督来缓解这些风险，但随着自动化程度的提高，如何确保系统的稳定性和可预测性将是持续的挑战。特别是在处理复杂的B2B销售场景时，上下文理解的细微差别可能会对结果产生重大影响。我认为这需要持续的技术投入和严格的质量控制流程。 其次是市场饱和的风险。虽然目前 AI agent 销售工具还处于早期阶段，但如果这种技术得到广泛采用，我们可能会看到一个新的”军备竞赛”：每家公司都使用类似的 AI 工具来提高外联效率，最终结果可能是整体噪音水平的进一步提升，而不是真正的效率改进。这种情况下，竞争优势可能会很快消失，市场可能会回到数量驱动的模式。 第三是监管和合规风险。随着 AI 在商业交流中的应用越来越普遍，我们可能会看到新的法规要求，比如强制披露AI生成的内容、对自动化营销的限制等。这些潜在的监管变化可能会影响 AI agent 系统的运作方式，需要平台提供商具备快速适应的能力。 从竞争角度看，虽然 Unify 目前在 AI-native 销售工具领域处于领先位置，但这个领域的进入门槛并不算太高。大型科技公司（如 Microsoft、Google、Salesforce）都有能力快速开发类似的解决方案，特别是考虑到他们在 AI 技术和客户基础方面的优势。如何在激烈竞争中保持技术领先和市场份额将是长期挑战。 我也注意到客户依赖度的问题。如果企业过度依赖 AI agent 系统进行销售活动，他们可能会失去一些重要的人际技能和市场洞察能力。 当 AI 系统出现问题或需要调整时，这种依赖可能会成为弱点。因此，如何平衡自动化和人工能力的发展将是客户需要考虑的重要问题。 最后是数据质量和偏见的风险。AI agent 系统的效果很大程度上取决于训练数据的质量，如果数据中存在偏见或不准确信息，可能会导致系统做出错误的判断或产生不当的输出。在销售场景中，这可能会影响客户体验或导致歧视性行为。确保数据质量和算法公平性需要持续的努力和投入。 ## 对未来商业模式的深度思考 通过深入研究 Unify 的案例，我对 AI agent 如何重塑整个商业世界有了更深入的思考。我认为我们正在见证的不仅仅是销售工具的进化，而是整个商业运作模式的根本性变革。这种变革的影响将远远超出销售领域，触及组织结构、人才战略、客户关系管理等商业活动的各个方面。 从组织结构的角度看，AI agent 技术正在推动企业向更加扁平化、网络化的结构转变。传统的层级式销售组织，从SDR到AE再到销售经理的金字塔结构，可能会被更加灵活的小团队模式所取代。在这种新模式下，每个销售人员都更像是一个”增长黑客”，能够独立设计和执行复杂的增长策略。这种转变要求企业重新思考人才招聘、培训和激励机制。 我特别感兴趣的是这种变革对B2B买卖关系的影响。当买卖双方都使用 AI agent 系统时，整个商业交互的动态将发生根本性变化。买家的 AI 系统可能会自动筛选和评估供应商的信息，而卖家的 AI 系统则会实时调整策略以适应买家的偏好和行为模式。这种”AI对AI”的商业互动将创造出全新的竞争维度和价值创造机制。 从更宏观的经济角度看，AI agent 技术的普及可能会加速市场效率的提升。当信息传递变得更加精准和及时时，市场摩擦将显著降低，买卖双方的匹配效率将大幅提高。这可能会导致更快的商业周期、更激烈的价格竞争，同时也会为真正有价值的产品和服务创造更大的市场机会。 我也在思考这种技术发展对社会层面的影响。一方面，AI agent 技术可能会消除一些传统的销售岗位，特别是那些主要依赖重复性任务的角色。但另一方面，它也会创造新的就业机会，比如 AI agent 设计师、销售自动化专家、客户成功AI训练师等。关键是社会和教育系统如何适应这种变化，帮助人们获得新技能。 从创业和创新的角度看，Unify 的成功模式为其他领域的 AI agent 应用提供了重要启示。我认为我们将在客户服务、人力资源、财务管理、法律服务等各个领域看到类似的 AI-native 平台的兴起。这些平台的共同特点是：它们不仅仅是在现有流程上添加 AI 功能，而是从根本上重新设计流程，以充分发挥 AI 的能力。 我特别赞同 Hughes 提出的愿景：”我们相信一个未来，每一次互动都是及时和个人化的，每一个销售人员都在建立关系，而不是电子表格。一个你不需要十几个工具来管理的未来…你只需要一个。一个最好的产品就能获胜的未来。”这个愿景不仅仅是关于销售工具，而是关于如何创造一个更高效、更人性化的商业世界。 ## 结语：变革的必然性 在深入研究 Unify 的整个过程中，我越来越确信我们正站在商业历史的一个重要转折点上。传统的销售模式已经走到了尽头，新的 AI-native 增长模式正在快速崛起。这不是一个渐进式的改进，而是一个范式级的转变。 Unify 的 4000 万美元 B 轮融资只是这场变革的一个缩影。真正重要的是它所代表的思维转变：从人力密集型的增长模式转向智能驱动的增长模式，从基于直觉的销售方法转向基于数据的科学方法，从分散的工具栈转向统一的智能平台。这种转变的深度和速度都超出了我最初的预期。 我认为，那些能够及早认识到这种变革并积极适应的公司将获得巨大的竞争优势。他们不仅能够在短期内提高效率和降低成本，更重要的是，他们将建立起一种全新的增长能力，这种能力将在未来的商业竞争中发挥决定性作用。相反，那些坚持传统方法的公司将发现自己越来越难以竞争，最终可能被市场淘汰。 从技术发展的角度看，我们现在看到的还只是开始。随着大语言模型能力的持续提升，AI agent 系统将变得更加智能、更加自主、更加可靠。我预期在未来两到三年内，我们将看到真正的自主销售 agent，它们能够独立处理从潜客识别到合同谈判的整个销售流程。这将进一步重塑商业世界的运作方式。 但我也认为，技术只是工具，真正重要的是如何使用这些工具来创造价值。Unify 的成功不仅仅在于其技术能力，更在于其对客户需求的深刻理解和对商业价值的精准把握。他们没有被技术的炫酷所迷惑，而是专注于解决真实的商业问题。这种以客户为中心的方法论是任何成功的 AI 公司都必须具备的。 最终，我相信 Hughes 的预言会成为现实：我们正在进入一个”最好的产品就能获胜”的世界。在这个世界里，分发不再是障碍，技术不再是门槛，真正的竞争力将回归到产品质量和客户价值上。而 Unify 正在为这个世界的到来铺平道路。 对于所有正在关注这个领域的创业者、投资者和企业管理者，我的建议是：不要低估这种变革的速度和影响。AI agent 技术的发展比我们想象的要快，商业模式的转变比我们预期的要彻底。现在就开始思考和准备，可能是决定未来竞争地位的关键因素。毕竟，在这个瞬息万变的时代，适应变革的能力比任何单一的技术或策略都更加重要。 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。

 轻松欢乐的氛围、简单易懂的玩法、洗脑节奏带来的情绪感染力，不知大家已经多久没玩过这种随时随地便能释放压力的音乐游戏。  而7月22日刚刚在Steam上线商店页面，预计在2026年第一季度正式上线的直觉系节奏音游《动物城咖啡店》便是这样一款久违的“操作简单又乐趣无穷”的国产独立游戏作品。 &lt;内嵌内容，请前往机核查看&gt; 《动物城咖啡店》由北京专注于游戏综合声音设计的一罐盐工作室研发。除为数十款高品质游戏提供优质声音服务以外，一罐盐工作室也擅长用音乐和节奏去构建并诠释游戏。像工作室过往发布的手绘漫画风格叙事解谜视觉小说《去远方》，就用高品质的美术和音乐表现，在玩家间取得了不错的口碑。  # 用直觉敲响节奏，轻松无负担的解压游戏体验 作为节奏音乐游戏，《动物城咖啡店》的游戏玩法源自于轻松诙谐的日常生活场景。玩家在关卡内无需任何按键提示，凭借直觉反应便能很快理解自己需要进行的操作，并跟随音乐不由自主地敲击按键。  与大部分节奏游戏略显复杂的按键操作不同，游玩《动物城咖啡店》仅需简单敲打按键便可完成，即便是音乐游戏苦手玩家，也能1秒上手，用律动节拍玩转动物城。  当然，在易于上手的基础上，想要进阶地完美通过游戏关还是需要一些熟练度的。游戏没有音符，完全可以跟着音乐融入节拍，如果是节奏游戏达人的话甚至可以挑战闭眼全连。 隐藏在街角的奇妙咖啡馆，各式各样的动物居民们上演着大家熟悉又魔性的搞笑日常。苦命的上班族、忙碌的维修工、乐队的贝斯手、以及夜市中炒饭的大厨，在烟火气十足的真实生活场景中，玩家可以尽情释放压力，被亲切搞笑的画面逗到捧腹。 # 亲切又治愈，原来生活不一定要有这么大压力  除了玩法轻松诙谐，在节奏玩法之外，玩家也可以在《动物城咖啡店》感受到一种轻松治愈的风格。看看动物朋友们的生活分享，刷刷他们在社交平台发布的生活日常。 游戏研发者一罐盐工作室习惯以艺术作品的视角去看待游戏，曾与多家独立游戏工作室合作，创作出过赢得TapTap年度最佳游戏、IGF CHINA优秀作品、GMGC IPA独立游戏开发大赛冠军等独立游戏大奖的诸多优秀游戏作品。 在此基础上，“术业有专攻”的一罐盐工作室让《动物城咖啡店》以节奏作为游戏绝对的核心玩法，去除掉所有繁杂的系统后，期望轻松欢快的《动物城咖啡店》能发挥出一罐盐工作室在音乐创作把控上的深厚实力。 可爱的动物，诙谐的日常，轻松欢快的玩法。如果大家怀念记忆中那些可以轻松畅玩，能够快速释放掉压力的节奏音游作品，可以先将《动物城咖啡店》添加到愿望单，第一时间获取游戏的最新讯息。 &lt;内嵌内容，请前往机核查看&gt;

文 | 张冰冰 编辑 | 阿至 36氪获悉，北京矽瓷新能科技有限公司（以下简称「矽瓷新能」）近期完成近千万元天使+轮融资，由金桥基金、水木创投、尚势资本、产业投资人持股平台溪瓷众友联合投资，资金将主要用于补充合成石英砂量产线流动资金。 **「矽瓷新能」成立于2019年，专注于平台级第三/四代半导体关键粉体材料制备技术，布局了氮化铝、碳化硅、合成石英砂等多个产品，广泛应用于半导体衬底、芯片热管理、特种结构件等领域。**创始人丁溪锋先后获得清华大学学士学位和博士学位，一直从事化学工程相关工作。 目前，「矽瓷新能」已建成百吨级合成石英砂量产线，以及碳化硅、氮化铝粉体中试线，产品向头部客户供货，待客户一致性验证结束后，预计2025年下半年进入放量阶段。 ## **一、首创有机-无机聚合凝胶法，自研高纯度低成本合成石英砂** 合成石英砂、碳化硅等高端粉体材料同属第三/四代半导体产业链上游。其中，合成石英砂是制造石英坩埚、石英型材的关键原料，石英坩埚作为单晶硅生长的“容器”，决定着硅片质量；石英型材则应用于芯片制造的各个环节，保障工艺精度。 **长期以来，高品质的半导体用合成石英砂依赖进口，日本三菱化学在全球处于垄断地位。**「矽瓷新能」创始人丁溪锋博士介绍，日本三菱化学生产工艺为水热法，采用有机硅在高温高压下进行水解。这种方式产品纯度高，颗粒均匀性强。但面临的问题是成本太高，所以合成石英砂售价一直居高不下。 “十四五”规划《产业结构调整指导目录》中，将高纯石英原料列为鼓励类产品进行重点突破。国内企业也尝试采用多种技术路线实现合成石英砂的国产替代，包括溶胶凝胶法、气相沉积法、水玻璃离子交换法等，但由于上述技术路线无法兼顾品质与成本，或难以实现批量化生产，因此应用于高端领域的石英砂一直以来未能实现国产替代。 **“我们把有机高分子中的聚合物技术，跨界应用到无机粉体材料上，研发了聚合凝胶法，对纯度、品质、成本等因素进行统筹兼顾。”**丁溪锋进一步介绍，「矽瓷新能」聚合凝胶法采用比较廉价的含硅工业副产品作为原料，在水溶液中聚合，在常温常压下聚合成聚合物前驱体，再经过高温处理，得到高纯合成石英砂产品。 聚合凝胶法一方面降低了原材料和整体设备投资成本，另一方面，聚合过程中，聚合单元能够和原材料中的杂质形成低沸点络合物，在高温煅烧阶段去除，从而解决粉体纯度问题。  「矽瓷新能」高纯度合成石英砂产品 **「矽瓷新能」目前已量产两种纯度规格的高纯合成石英砂，分别是用于部分替代进口天然石英砂的5N8级产品，和用于替代进口合成石英砂的7N级产品；产品颗粒粒度分布可75μm-200μm之间调节；同时成本显著降低。** 工艺放大过程中，「矽瓷新能」从科学问题和工程问题两方面入手，解决从小试、中试到量产放大中的品质不均等问题。一方面团队基于加成聚合、脱水缩合等工艺核心机理的理解，解决底层问题；另一方面借助团队工程经验，解决化工放大过程中的传热传质等工程问题。 ## **二、合成石英砂放量在即，推动硅系列产品走向量产** 通过聚合凝胶法粉体合成平台级技术，「矽瓷新能」现已布局硅和铝两条产品线。其中，硅系列包含高纯合成石英砂、半导体级4H-碳化硅粉体、陶瓷级3C-碳化硅粉体；铝系列为第三/四代半导体导热材料氮化铝粉体，可以广泛应用于半导体、光纤通信、光伏产业、精密光学器件等领域。 “我们的粉体材料是产业链上游的基础材料，在不同行业的应用中，对粉体的要求是相似的。例如，在碳化硅行业中，无论是新能源汽车还是特高压输变电，使用的碳化硅器件多种多样，但对碳化硅材料本身的要求几乎是一致的。”丁溪锋分析，**目前半导体行业整体行情处于上行阶段，「矽瓷新能」未来3-4年会重点面向半导体行业进行客户拓展。** **作为主打国产替代的产品，客户重点考量的因素在于稳定性和性价比。**“性价比这个确实比较有把握。现在我们刚刚进入客户的供应链，客户对于我们产品的稳定性肯定需要一段时间来考察，每个批次都能保持性能稳定，才会开始大规模进行替代。”丁溪锋相信，聚合凝胶法结合了传统成熟的化工工艺，工艺成熟度相对较好，同时保持连续化生产进行品质管控，将确保整个产品稳定性通过市场验证。  「矽瓷新能」量产线 在此过程中，「矽瓷新能」也在持续与产业链上下游企业合作，巩固竞争优势。产业链上游，与龙头企业合作，稳定原料供应；产业链下游，在量产阶段引入产投方，拓展市场应用并绑定大客户。 **目前，「矽瓷新能」已向行业头部一级供应商送样，拿到小批量测试订单，开始向部分头部客户供货。丁溪锋预计，大量的稳定采购订单会在客户一致性验证结束之后开启，2025年下半年将进入放量阶段**，2026年整体收入预计将达到千万级别，2027年随着碳化硅和氮化铝产品投产，收入将进一步提高。 未来规划方面，「矽瓷新能」将扩大在国内半导体行业的市场份额，绑定重要客户，力争明年现有生产线达到满负荷生产；另一方面推动碳化硅从中试走向量产线，争取明年建成碳化硅量产线，转入试生产阶段。 ### **36氪未来** 「36氪未来产业」持续关注城市发展、产业转型和创新创业项目落地。寻求报道可邮箱联系wangfengzhi@36kr.com或扫码联系作者。 此外，今年36氪正式推出《36氪企业投资指南内参》，依托在经济圈产业群、区域重点推进规划与招商领域的深厚积累，36氪通过提供深入详细、更为及时、独家专有的全面信息服务，为政府部门提供高效、精准的产业项目内参；助力项目方匹配产业资金、链接关键人脉、快速融入新的产业生态。      本文来自微信公众号[“36氪未来产业”](https://mp.weixin.qq.com/s/GtryeTfIjkJ5gRGon9zsbg)，作者：张冰冰，阿至，36氪经授权发布。

<blockquote><p>当三大外卖平台狂撒250亿补贴、0元奶茶刷屏全网时，作者却只薅了最初两单就默默退出。本文用亲历者视角拆解“薅羊毛”退烧的三大原因：新奇感易逝、外卖减配担忧、不爱跟风凑热闹，给狂热的补贴大战泼了一盆理性冷水。</p> </blockquote>  京东外卖加入战团后，美团、淘宝闪购、京东组成外卖行业的“三国杀”。 6月27日，京东宣称，京东外卖日订单量已突破2500万单；7月5日，美团宣布单日零售订单突破历史纪录，达到1.2亿单；7月7日，淘宝闪购宣布日订单数超8000万。  美团、淘宝闪购、京东外卖对用户端的超级优惠补贴，让用户在不知不觉中就加入了这场“薅羊毛”大战。事实证明，在互联网行业，“用户忠诚度”真的不值钱，谁家便宜买谁家，要是有个“0元购”免单，那用户更加会趋之若鹜。 “一代人有一代人的鸡蛋要领”，当微信群、朋友圈、微博、小红书等主流社交网络平台上纷纷推送“外卖免单”、“外卖优惠补贴”的消息时，无论是年轻人还是中年人，都被卷入这场浪潮之中，继而带来了蜜雪冰城、古茗、茶百道、霸王茶姬、CoCo都可等奶茶店爆单，而美团、淘宝闪购、京东外卖的日订单量则不断创下新高。 虽然说互联网上的“信息噪音”铺天盖地，但奇怪的是，除了这场外卖大战最开始的时候，我纯粹因为好奇心使然点了两单之后，就再也没参与过这轮外卖大战，一开始的外卖优惠是10元以内点奶茶，很多常见二十多元的奶茶，只要几块钱一杯还可以送到家，想想就很划算。然而，也仅仅是最开始的这次大额优惠补贴，到后面更大范围的“0元购”免单玩法之后，我就没再参与过，有人跟我一样吗？ 为什么到后面就不再参与这轮三大外卖平台的“薅羊毛”大战呢？ 首先，“便宜买奶茶”的新奇感消失。可能有些人认为，“什么外卖行业大战、什么外卖免单，弄不好都是骗人的，管它优惠不优惠，跟我有啥关系。”有这种想法也很正常，但更多的消费者会被互联网的信各种各样的信息所影响，在好奇心的驱使下，就会去点外卖试一试。实际上外卖在国内已经非常普遍，你别说三四线城市和一些县城了，连一些小镇上都有外卖。数据显示，截至2024年底，美团外卖业务已覆盖全国超2万个乡镇。 面对普及度如此高的行业，纯粹对它去歧视和抵制，倒是也没必要，人无论到哪个年龄段，好奇心还是要有的。  但真当你买过两次外卖后就会发现，一开始“便宜买奶茶”的新奇感会消失，那么多人参与、那么便宜的东西、网上传得那么火的外卖，原来也只是这么回事儿。有些喜欢喝奶茶的消费者，可能会因为便宜天天买，但如果你本身不爱喝奶茶，可能喝了一两次之后就不会再喝了，这种新奇感不具备延续性。 其次，对外卖的担忧和用户体验下滑。随着美团、淘宝闪购、京东外卖铺贴范围的扩大，各种大额补贴已经不只是奶茶咖啡，餐饮行业也被卷入其中，可一提到吃喝，用户对于健康问题就比较关注，而外卖行业的相关问题却被频频曝光。 7月17日，即有媒体报道称，有餐饮商家堂食用鲜肉现炒外卖用冻肉预制菜，还有商家堂食炒菜用花生油，外卖用调和油；堂食米饭用新米，外卖用陈米。  类似的新闻报道，会让用户对于外卖敬而远之，能不点外卖，就坚决不点外卖，哪怕自己走个几百米去堂食，也不想被“双标”，吃到嘴里去的东西，能随意应付吗？ 实际上这类情况我自己也遇到过，就在我点的两次外卖中，第二次点的杨枝甘露就被坑，便宜是便宜，但商家送过来的饮料基本上全是水，没法儿喝，那减配真的超级夸张，如果是用户在奶茶店现点的饮料，商家断然不会如此应付消费者，恰恰是因为便宜的外卖用户，商家为了盈利赚钱因素，就习惯了忽悠，毕竟，投诉的消费者还是少，大部分人可能就这样算了，免得麻烦，而这“免得麻烦”，就恰恰成全了商家。 美团、淘宝闪购、京东外卖这轮外卖补贴狂潮中，只要你有一两次这类不爽的用户体验，消费者肯定就会对外卖保持警惕，确实，消费者买的是便宜，但并不是“减配版”的东西，再考虑到吃喝进嘴里的东西，用户对外卖就更难保持最初的热情。 还有就是，不爱“凑热闹”。美团、淘宝闪购、京东外卖这轮外卖补贴大战，丝毫不亚于平时电商平台搞的“618”、“双11”大促，平台是真金白银投入金钱进行实际补贴，如果你平时是奶茶咖啡爱好者，确实能薅到不少平台的补贴羊毛，有机会还能“零元购”。 但我向来就不爱“凑热闹”，比如出去旅行，有些热门景点看攻略就是人挤人，这种我基本就爱不起来，对于任何“热点”本身，我都习惯性地保持一定的警惕。 这波外卖补贴大战，也存在一定的“非理性”现象，它更像是一种人为的“热点”，如果你本身不爱追“热点”，跟着“热点”跑，那么，在最初因好奇心所带来的新奇感消失后，就很难对这种行为保持热爱。 相对来说，男性在网购的时候，更追求目标性，即这件商品是不是用户亟需的，对于非目标性的商品/服务，即使再便宜也不会买，因为它不在目标之内，更何况奶茶咖啡这类商品。 当然，你点外卖也好，不点外卖也好，纯粹是个人的自由选择，其背后并无特殊的含义，也没必要上纲上线，开心最重要。 本文由人人都是产品经理作者【郭静】，微信公众号：【郭静的互联网圈】，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。

 漫威影业总裁凯文·费奇最近在接受采访时表示，尽管休·杰克曼在《死侍与金刚狼》中回归并且一些X战警系列的老演员也会出现在《复仇者联盟5：毁灭之日》中，但当X战警真正进入 MCU 并拥有自己的电影时，角色将会全部重新选角。  费奇进一步解释说，MCU 的第一部X战警电影将由《雷霆特攻*》的导演 Jake Schreier 执导，而这部电影将不是“重启”（reboot），而是一次“重置”（reset）。据悉，2015年版的《秘密战争》漫画是他们“重置” MCU 的灵感来源。终局之战讲的是终结，而秘密战争则是全新的开始。  漫威不只是为了收尾终局之战之后的剧情，更重要的在为未来做铺垫。费奇指出，“‘重启’这个词听起来很吓人，对不同的人来说，它可以有很多不同的意思。但‘重置’是我们现在更倾向的方向，一个单一时间线……而X战警就是我们下一步准备‘重置’的地方。”

（7月14日-20日）OpenAI发布ChatGPT Agent：能主动思考、自选工具；中国智能算力规模达到748EFLOPS；黄仁勋：华为芯片在AI训练中取代英伟达只是时间问题；MiniMax最新估值超40亿美元，知情人士：公司正寻求A股上市；台积电第二季度净利润3982.7亿新台币，同比增长60.7%；华为将在WAIC2025首次线下展示昇腾384超节点真机；

<blockquote><p>SaaS产品定价，不只是数字游戏，而是商业模型的延展。本文从产品经理的视角出发，系统拆解定价策略如何影响用户体验、转化路径与产品定位，帮助你搭建一套“既能收钱、又能续费”的价格机制。</p> </blockquote>  在SaaS产品的全生命周期里，定价策略就像一根指挥棒——它不仅决定了产品能否被市场接受，更直接影响着企业的营收曲线和长期生命力。作为每天泡在产品、用户、市场里的产品经理，我深知定价不是拍脑袋画表格，而是要像搭积木一样，把用户需求、市场竞争、产品价值等多块积木一点点拼合。这几年踩过的坑、调过的价，让我越来越明白：好的定价方案，既要让用户觉得花得值，又要让企业能持续赚，这中间的平衡，得靠实打实的落地经验来磨。 ## 一、SaaS产品定价与传统软件定价的核心差异 刚入行时，我负责的第一款产品是企业级协同SaaS，当时团队里有位从传统软件转来的老工程师，总说定价不就是算算成本加个利润吗。直到我们第一次定价方案被市场打回来，才真正意识到：SaaS定价和传统软件，简直是两套完全不同的逻辑。 ### 传统软件 传统软件的定价逻辑，更像买一台冰箱——用户付一笔钱把软件搬回家，后续每年再交笔维护费。我早年接触过Oracle数据库的采购流程，印象特别深：一家500人规模的制造企业，光是评估是否买断就花了3个月。当时Oracle给的报价是68万买断50个节点的授权，后续每年维护费15%（约10.2万）。企业纠结的点很实在：一次性掏68万，要是明年业务缩水，这钱不就砸手里了？更麻烦的是升级——后来这家企业想加10个节点，光是数据迁移就耗了3周，工程师天天加班不说，迁移期间系统停服还影响了生产排期。 这种模式下，用户的决策门槛极高：不仅要算当前投入是否值得，还要赌未来3-5年的业务规模。而厂商的定价逻辑也简单：把开发成本、版权成本摊进首次授权费，维护费更多是覆盖技术支持成本。 ### SaaS产品 SaaS产品的定价逻辑，则更像订报纸——用户不用买软件，打开浏览器就能用，按使用需求付费。这种模式直接改写了产品全链路的逻辑，我在做云渲染SaaS时感受特别深： - 研发端得埋点用量计量：我们当时在代码里加了30多个计量节点，既要算渲染时长，又要记分辨率（72dpi和300dpi的算力差5倍），甚至要区分白天渲染和夜间渲染（夜间算力成本低，定价能让利）； - 客服端得盯着价值感知：传统软件客服接到的最多问题是这个按钮在哪，但SaaS客服更常遇到我这个月花了2000元，到底渲染了多少张图——用户随时能停订，所以必须让他清清楚楚知道钱花在了哪； - 运营端得设计弹性套餐：有次一个设计工作室突然接了个大项目，渲染需求从每月100张暴涨到500张，我们临时开通了阶梯加价通道（超过300张后单价降20%），才留住这个客户。 这两种模式的核心差异，说到底是风险承担方变了：传统软件让用户承担买错、买多的风险，而SaaS是厂商和用户共担——用户可以随时停订，厂商则要靠持续的价值输出留住客户。 ## 二、SaaS产品定价的两大核心维度 定价时，我总爱问团队一个问题：如果用户指着价格表问’凭什么这个功能贵200块’，你能说清楚吗？这几年的经验告诉我，能说清楚的定价，往往离不开两个维度：用量和功能复杂度。 ### 维度一：用量定价 用量维度的本质是用多少付多少，这也是SaaS相比传统软件最直观的优势。但用量指标的设计，远比想象中复杂。 我在做云渲染SaaS时，团队在用量指标上吵了整整3天： - 技术同事说按渲染时长最方便，后台直接取数据； - 销售同事说客户都按‘张数’算成本，按张数定价更易理解； - 我拉了20个设计师做访谈，发现他们的核心诉求是单张图的成本可控——一张A3尺寸的效果图，渲染1小时（低精度）和3小时（高精度）的价值天差地别，按时长或张数单一定价都会有吃亏感。 最后我们敲定了分辨率+时长的复合指标： - 低分辨率（72dpi及以下）：按张计费，每张5元（不管渲染多久，适合快速出草稿）； - 中分辨率（150-300dpi）：按分钟计费，每分钟3元（兼顾精度和成本，适合中期方案）； - 高分辨率（300dpi以上）：按分钟计费，每分钟8元（精度优先，适合最终交付图）。 上线后用户反馈特别好：有个做电商详情页的团队，平时用低分辨率出草稿（每月花200多），大促前用高分辨率出终稿（单月最多花1500），灵活度完全贴合他们的业务节奏。 类似的逻辑在很多SaaS产品中都能看到：Zoom的会议套餐按参会人数+时长分层，阿里云OSS按存储容量+访问次数阶梯计费，核心都是让用户只为真实消耗付费。 ### 维度二：功能复杂度定价 功能复杂度定价的核心，是把用户需求分层转化为价格分层。我参与过一款CRM产品的定价重构，踩过一个典型的坑。 最初我们的定价很简单：全功能统一价299元/人/月。结果上线后投诉两极分化： - 小企业用户说客户才50个，用不上销售漏斗分析，系统还卡； - 大企业用户说客户分层模型太简单，连‘3个月未复购客户’都筛不出来。 后来我们花了1个月做功能拆解，按用户规模+需求深度重新分层：  调整后两个明显变化：一是小企业付费率提升了40%（觉得钱花在刀刃上），二是大企业续费率提升了25%（觉得功能能打）。 这里有个关键技巧：不是所有复杂功能都要放进高价版。比如API对接功能，对需要集成内部系统的企业是刚需，但对中小用户是冗余，我们后来把它做成了专业版+200元/月的可选模块，既满足了细分需求，又没拉高基础版价格。 ## 三、SaaS产品定价的完整落地流程 定价从来不是算个数的事，而是一套需要数据支撑的完整流程。这几年我把它拆成了七步，像解数学题一样步步推进，踩坑率至少降了60%。 ### 第一步：锁定目标市场和客户群体 定价的前提是知道卖给谁。我做项目管理SaaS时，团队一开始想做全行业通用产品，结果定价时卡在了预算范围：制造业用户说每月能接受500元，互联网用户说2000元以内都行，最后价格表做得像说明书，用户反而看不懂。 后来我们聚焦在20-50人互联网团队的项目经理，用用户画像表把需求拆细： - 日常痛点：每天盯5-8个项目，用Excel汇总进度要花2小时，最烦任务拖期没人提醒； - 预算范围：每月500-2000元（按团队人数平摊后，每人20-50元，低于一杯奶茶钱）； - 决策链：项目经理自己就能拍板（不用过财务或老板，决策周期短）。 有了这个画像，定价方向瞬间清晰：把任务逾期提醒（高频痛点）放进基础版，砍掉甘特图高级配置（低频需求），基础版定价999元/月（按20人团队算，每人50元），刚好卡在用户预算内。 这里的核心是做减法：别试图覆盖所有用户，聚焦一个群体的核心需求，定价才能精准。 ### 第二步：分析竞争对手和行业定价 定价不能闭门造车，得先看看邻居卖多少钱，卖什么。我做HRSaaS时，花了2周做竞品分析，总结出了一套竞品定价矩阵（横轴是价格，纵轴是核心功能）： - 竞品A：强在薪酬计算（能算10种绩效提成），但每人每月399元（偏贵）； - 竞品B：价格低（199元/人/月），但只能算基础薪资，算不了绩效（功能弱）。 我们的机会点很明确：在价格和功能中间找平衡。最终方案是： - 标准版299元/人/月（含基础薪资+3种常见绩效计算）； - 绩效模块扩展包99元/月（加7种复杂绩效计算，对标竞品A的核心优势）。 上线后用户反馈很直接：比A便宜100元，比B多3种绩效计算，选你家不纠结。 这里的关键是行业特性：在线办公这类红海市场，用户对价格敏感，定价要贴着竞品走，靠功能性价比突围；而医疗数据分析这类蓝海市场，用户更在意合规性、专业性，可以把价格定高些，重点强调价值稀缺性。 ### 第三步：评估产品价值和客户收益 用户不会为功能列表买单，只会为功能带来的好处买单。定价前必须算清楚：产品能帮用户省多少钱、提多少效？ 我做营销自动化SaaS时，算过一笔打动用户的收益账： - 传统模式：发1000封精准邮件，需要1个人筛选名单（6小时）、写文案（4小时）、发邮件（2小时），总耗时12小时，按人力成本500元/天算，成本750元； - 用我们的产品：系统自动筛选高意向客户（10分钟）、批量生成个性化邮件（30分钟）、定时发送（5分钟），总耗时45分钟，成本几乎为0（仅花平台费）。 按用户每周发2次邮件算，每月能省750×8=6000元。这就是我们定价的底气：基础版每月1999元，用户用1周就回本了。 还要注意隐性价值。比如我们给金融行业做版本时，特意强调符合银保监会《个人信息保护指引》，虽然功能和通用版差不多，但定价高了30%——用户说合规风险值这个价。 ### 第四步：核算成本和盈利预期 定价不能只看用户愿付多少钱，还得算清楚至少卖多少钱才不亏。成本主要分三块，我做餐饮SaaS时算过一笔细账： - 开发成本：5个开发做了6个月，月薪合计5万，总投入30万； - 运营成本：服务器每月5000元，2个客服每月1万，年运营成本18万； - 销售成本：推广费一年50万，销售提成10%（按营收算）。 假设目标客户1000家，想赚30%利润，得倒推每家每年至少贡献多少钱： 设每家年付费为X，总营收=1000X； 总成本=30万（开发）+18万（运营）+50万（推广）+1000X×10%（提成）=98万+100X； 利润=总营收-总成本=1000X-（98万+100X）=900X-98万； 按30%利润率（利润=总成本×30%）：900X-98万=（98万+100X）×30%； 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 设每家年付费为X，总营收=1000X； 总成本=30万（开发）+18万（运营）+50万（推广）+1000X×10%（提成）=98万+100X； 利润=总营收-总成本=1000X-（98万+100X）=900X-98万； 按30%利润率（利润=总成本×30%）：900X-98万=（98万+100X）×30%； 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 总成本=30万（开发）+18万（运营）+50万（推广）+1000X×10%（提成）=98万+100X； 利润=总营收-总成本=1000X-（98万+100X）=900X-98万； 按30%利润率（利润=总成本×30%）：900X-98万=（98万+100X）×30%； 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 利润=总营收-总成本=1000X-（98万+100X）=900X-98万； 按30%利润率（利润=总成本×30%）：900X-98万=（98万+100X）×30%； 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 按30%利润率（利润=总成本×30%）：900X-98万=（98万+100X）×30%； 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 解得X≈1800元/年——这就是定价的底线，低于这个数就得亏。 ### 第五步：设计定价策略和方案 有了前面的数据支撑，就可以设计具体方案了。核心是选对计费模式+做好价格分层。 计费模式的选择要贴合用户习惯： - 固定费用模式：适合使用频率稳定的场景，比如在线文档工具（团队每天都用，每月20元/人，用户易接受）； - 按用量计费：适合使用波动大的产品，比如视频云存储（用户活动期间存得多就多付，平时存得少就少付）； - 按模块收费：适合功能复杂度高的产品，比如ERPSaaS（制造业客户买生产模块，贸易公司买库存模块）。 价格分层则要让用户各取所需。我做客服SaaS时，分了三档： - 基础版（99元/月）：仅含在线客服+100条/月消息（适合小电商，每天接几十条咨询）； - 标准版（299元/月）：基础版+工单系统+500条/月消息（适合连锁门店，需要咨询-处理-归档闭环）； - 高级版（599元/月）：标准版+AI质检（自动识别敏感词）+无限消息（适合金融机构，合规要求高）。 上线后数据很有意思：80%的小企业选基础版，15%的中型企业选标准版，反而验证了分层的合理性——没有用户觉得被迫为用不上的功能付费。 ### 第六步：市场测试和调整 定价方案从来不是一锤定音，必须小范围测试。去年做在线教育SaaS时，我们先在3个城市找了100家机构测定价： - 基础版3999元/年（含课程管理）； - 高级版7999元/年（加直播功能）。 反馈很极端：小机构说3999元也贵，我们一年就招50个学生，但中型机构觉得高级版功能值这个价。 我们立刻调整了策略： - 精简基础版（砍了课程回放等非核心功能），降到1999元/年； - 新增标准版5999元/年（基础版+简化版直播，仅支持50人同时在线，满足小机构偶尔直播的需求）。 再测试时，小机构付费率从10%涨到35%，中型机构也觉得有中间选项更灵活——这才把方案推向全国。 测试时一定要追问为什么不买：是功能不值（得调功能），还是预算不够（得调价格分层），用户的真实反馈比任何模型都靠谱。 ### 第七步：制定长期定价策略 SaaS市场变化太快，定价得留一手。前两年做AI客服SaaS时，我们发现随着大模型技术普及，智能对话功能的成本在下降（从0.1元/次降到0.05元/次）。 于是在定价时留了个活口：基础版包含500次/月的AI对话，超出部分按0.1元/次收费。后来成本降到0.05元/次时，我们顺势把超出部分降到0.08元/次——用户觉得更划算，我们也保持了利润（毛利率从50%涨到60%）。 长期策略的核心是价值与价格同步增长。每年更新功能时，我们会给用户发价值说明：今年新增了XX功能，帮您客服响应效率提升30%，因此价格微调5%——用户反而更容易接受，因为看到了涨价对应的价值。 ## 四、SaaS产品定价的实战技巧 做了5年SaaS定价，攒了几个血的教训，都是实战中验证过的干货。 ### 技巧一：抄头部产品的逻辑，但别抄价格 新手定价时，最稳妥的办法是研究头部产品，但一定要改成适合自己的版本。 做电商SaaS时，我们研究了有赞的定价：基础版6800元/年（个人店），专业版12800元/年（连锁品牌）。但我们的用户是下沉市场的小商家（比如县城服装店），他们的核心诉求是卖多少付多少，预算根本达不到6800元。 于是我们改成按订单量收费： - 每月订单100单内：免费（降低试错门槛）； - 101-500单：99元/月； - 501单以上：199元/月。 结果特别好：小商家觉得没订单不花钱，有订单才花钱，上线3个月就拉来了2000家用户。 关键是理解头部为什么这么定：有赞按年收费，是因为品牌商家复购稳定；我们按订单量，是因为小商家更在意成本和营收挂钩——逻辑可以借鉴，具体方案必须贴合自己的用户。 ### 技巧二：免费策略要带钩子，用全功能体验促转化 完全免费的SaaS很难存活，但免费试用是个好办法。我们做CRM时试过两种模式： - 模式一：免费版功能阉割（只能加10个客户）； - 模式二：15天全功能试用（无客户数限制）。 结果模式二的付费率是模式一的3倍——用户用惯了全功能，很难退回到阉割版。 这里有个细节：试用期结束前3天，必须给用户发数据报告。比如：这15天您通过系统跟进了20个客户，成交了3单，按您的客单价5000元算，用我们的产品每年能多赚3×12×5000=18万——用具体收益勾用户付费，比说功能强大管用10倍。 ### 技巧三：计费模式要跟着市场变，别死守一套逻辑 没有永远正确的计费模式。早期做云存储SaaS时，我们按存储容量收费（1GB/月0.1元），结果用户抱怨：我存了100GB资料，但一个月就访问10次，凭什么和’存100GB每天访问’的用户花一样的钱？ 后来我们改成存储费+访问费： - 存储费：1GB/月1元（覆盖服务器成本）； - 访问费：1GB数据访问05元（覆盖带宽成本）。 用户立刻觉得合理——存得多但访问少的用户，每月花10元（存储）+0.5元（访问）=10.5元，比之前的10元略增但能接受；存得多且访问频繁的用户，也明白高频访问就得多付费。 迭代计费模式的信号有两个：一是用户集中反馈计费不合理，二是自身成本结构变了（比如AI功能普及后，算力成本下降，就可以调整按次计费的价格）。 ## 五、结语 定价对SaaS产品来说，从来不是定完就完事的工作。它更像产品经理的仪表盘——通过用户反馈、营收数据、市场变化不断校准，才能在用户愿意付费和企业盈利之间找到平衡。 这几年最深的体会是：好的定价能让用户觉得买得值，企业觉得卖得赚，而这种平衡，靠的不是公式，而是对用户需求的理解、对市场变化的敏感，以及一点点在试错中迭代的耐心。毕竟，SaaS做的是长期生意，定价也要有长期思维。 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

餐饮外卖竞争聚焦“包装力”。

根据TechEpiphany分享的德国零售商Mindfactory第29周（7月14日至20日）CPU销售数据，AMD的压倒性优势仍然还在持续。**数据显示，当周AMD共售出2990颗CPU，而Intel仅售出330颗，这意味着AMD在该零售商的CPU销量中占据了90.06%的份额，而Intel仅占8.72%。** 在销售额方面，AMD获得了926950美元，占总销售额的91.28%，而Intel仅获得88525美元。 [](//img1.mydrivers.com/img/20250722/c8515948-2ac5-416a-8888-1f3ac58b6ea8.png) 按照接口来看，AMD AM5接口CPU共买出了2520颗，即便是较老的AM4接口CPU仍然卖得很好，共售出470颗。 **相比之下，Intel的1700接口售出240颗，1851接口售出90颗，总计仅330颗，这也意味着仅AM4 CPU的销量，就超过了Intel的总和。** 具体来看，AMD的锐龙7 7800X3D依然是销量最高的CPU，售出了超过800颗，尽管这款CPU已经推出超过两年，但其需求依然很高。 [](//img1.mydrivers.com/img/20250722/68f0300b607a422aa3d4643459079f81.jpg) **紧随其后的是锐龙7 9800X3D，这也是7800X3D的继任者，于去年11月发布，这款CPU虽然价格更高，但在在许多方面都优于前代产品。** 虽然这些数字仅反映了德国Mindfactory的情况，但却代表了消费者普遍倾向于选择AMD 而非Intel的大趋势。 比如在亚马逊的畅销产品列表中，AMD占据了主导地位，同样是9800X3D和7800X3D占据了前两名的位置，在前10大畅销CPU中，没有一款是Intel的。 [](//img1.mydrivers.com/img/20250722/db41a2bd-9594-4e1b-bede-0449678942c3.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514718.htm)

**特斯拉CEO埃隆·马斯克再次对OpenAI和软银集团等共同投资的“星际之门”人工智能基础设施项目表示怀疑，称该计划缺乏实际的资金支持。**此前有报道称，6个月前在白宫宣布的这一备受瞩目的项目已陷入停滞。尽管最初承诺将“立即”投入1000亿美元，但该计划尚未敲定任何一笔大型数据中心交易。 [](https://n.sinaimg.cn/tech/transform/116/w550h366/20250401/68fa-3b33b2887eeb7ca6bd4f529fc24a7614.jpg) 相反，这项努力已经缩减，将重点放在年底前在俄亥俄州建立一个较小的设施上。报道称，OpenAI和软银在合作伙伴关系的结构和控制方面存在分歧，进一步减缓了项目的进展。 一位X用户分享了马斯克今年1月份在该项目刚刚宣布时的评论——“他们实际上没有这笔钱”。 马斯克回复称：“他们确实没有。” [查看评论](https://m.cnbeta.com.tw/comment/1514716.htm)

[VR](https://www.3dmgame.com/tag/vr_1/)热潮早已经淡去，不过依然有大厂才进入，日前家电巨头夏普公布全新VR触觉控制器，精巧科技感十足，带给玩家虚拟空间真实接触感，对应PC以及手机平台。  ·VR触觉控制器戴在手上仿佛科幻世界进入现实，传感器分布的手指部分紧密贴合玩家的手指，可以带给玩家精细的虚拟触觉感受，同时支持振动功能，玩家游玩VR游戏时体感更强烈，目前价格不菲，暂定价格10万日元。  ·夏普公司在2023时推出了不需要眼镜的新VR产品SHARP VR Glass，目前正在推动VR事业的新发展，敬请期待。  [查看评论](https://m.cnbeta.com.tw/comment/1514712.htm)

据《日经新闻》报道，NVIDIA 首席执行官黄仁勋已取代特斯拉首席执行官埃隆·马斯克，成为中国与美国关系的顶级斡旋人之一。此前，黄仁勋成功游说特朗普政府批准 NVIDIA 专为中国企业设计的 H20 人工智能芯片的出口许可，取得了重大胜利。 由于北京希望依靠商界领袖在美国充当斡旋人，放宽限制以及 NVIDIA 在人工智能生态系统中的地位，黄仁勋获得了北京方面的青睐。 2025年对黄仁勋和他的公司来说是一个艰难的开端，即将离任的拜登政府推出了“人工智能扩散规则”，该规则禁止先进的人工智能GPU自由出售给除12个国家之外的大多数国家。黄仁勋和NVIDIA对这些规则提出了尖锐的批评，但特朗普政府决定限制NVIDIA销售其专为中国市场设计的H20 GPU，这让他们再次遭受打击。 H20禁令迫使NVIDIA注销库存，据报道，NVIDIA还关闭了GPU的生产线。黄仁勋随后展开魅力攻势，说服美国政府在他访华期间授予H20出口许可证。 在中国，这位NVIDIA首席执行官继续展现魅力攻势，并赞扬中国在人工智能领域的优势以及NVIDIA在中国的业务。《日经新闻》称，黄仁勋与美国政府的关系以及他成功获得H20出口许可证也赢得了中国民众的青睐，并最终取代埃隆·马斯克成为中美之间的桥梁。  黄说服美国政府授予H20出口许可证的核心论点是，让中国继续依赖美国硬件来满足其人工智能需求。这一策略已取得成效，使他成为中美之间的沟通桥梁，以及华盛顿安全鹰派的替代者。政策制定者认为，美国对中国人工智能芯片的限制是出于国家安全方面的担忧，因为他们担心中国军方会使用这些设备来增强自身实力。 这些担忧还导致台湾台积电生产的先进芯片被限制向中国科技巨头华为销售，荷兰阿斯麦公司生产的高端 EUV 芯片光刻设备也被限制向中国芯片制造商中芯国际销售。 据《日经新闻》报道，在这种紧张局势下，黄仁勋“被一些中国分析人士视为北京方面青睐的通往美国的桥梁，因为他兼具明星效应和战略意义”，亚洲协会政策研究所中国分析中心研究员李丽兹表示。然而，与马斯克相比，黄仁勋相对不受中国商业利益的影响。马斯克的公司不仅很大一部分收入来自中国，而且在中国拥有相当大的制造业务。 [查看评论](https://m.cnbeta.com.tw/comment/1514710.htm)

上纬新材连续9个交易日“20CM”涨停，累计涨幅超500%，最新市值涨至194.4亿元，正式超过智元机器人在一级市场的150亿元公开估值。

<blockquote><p>别让流量在主页溜走！把抖音置顶视频做成「爆款引流＋IP故事留存＋产品转化」的三连闭环，老陈亲测：3条置顶即可让客咨翻10倍。从挑爆款指标、讲三轮起伏故事到植入秒杀话术，一步到位教你复制高转化主页。</p> </blockquote>  你如果想通过抖音获客、成交、变现，那你有没有做好置顶视频，有没有去策划你的置顶视频？ 这三条视频不是拍完就完事，而是要形成获客闭环。 爆款视频负责引流 IP故事负责留存 产品视频负责转化 ## 一、置顶爆款视频，展示强大实力 人都爱凑热闹，哪个视频火，大家就更愿意点进去瞧一瞧。 所以啊，把爆款视频置顶，那效果就像在热闹集市里，把最吸引人的摊位摆在最显眼处，这能瞬间抓住新访客的眼球，让他们觉得你的账号超有料。 于是，纷纷关注账号，还好奇地点进其他视频查看。这就像连锁反应一样，给账号带来了源源不断的流量。 那怎么判断哪个视频能成为爆款并置顶呢？一般来说，那些播放量高、点赞率超 10%、评论数也多的视频，就很有潜力。 要是你的视频还被大量转发，那就更不用说了，绝对是爆款潜力股！而且，这类视频要能突出你的优势，比如独特的创意、专业的技能或者优质的产品，让大家一眼就看到你的实力。 ## 二、置顶人物故事，塑造深度 IP 光有爆款还不够，咱还得让客户了解你、熟悉你、认可你、信任你，这时候人物故事视频就派上大用场了，通过讲述你的 IP 故事，分享创业历程中的起起落落，能和客户建立起深厚的情感连接。 给大家讲个例子，有位老板刚开始创业时，合伙人突然跑路，资金链差点断裂，这可把他愁坏了。 但他没放弃，四处寻找投资人，还不断优化产品和服务。在这个过程中，他遇到了一位贵人，贵人不仅给了他资金支持，还传授了宝贵的经验。靠着这股子韧劲和外界的帮助，他的生意慢慢有了起色，还越做越大。 他把这段经历拍成视频置顶后，客户们看了都特别有感触。有人留言说：“看到老板这么不容易还坚持下来，产品肯定错不了，以后就认准这家店了！” 你看，一个好的 IP 故事，不仅能让客户记住你，还能让他们打心眼里认可你，忠诚度那是直线上升。 在制作这类视频时，一定要真实、真诚。别光讲成功的事儿，挫折和困境也要详细说。记住，至少要有三轮的起落，这样故事才够精彩、人设才够丰满。而且，要明确说出在困境中帮助过你的人，或者遇到的好机会，让故事更有可信度和吸引力。 ## 三、置顶产品介绍，精准筛选客户 前面两个视频把人吸引来了，接下来就得靠产品介绍视频，把潜在客户转化为真正的买家。这个视频要清晰明了地告诉大家你是做什么的，有哪些产品，产品的独特之处在哪。 比如说，你可以详细介绍产品的功能、材质、使用方法，和市面上其他产品对比，突出你的优势。就像有个老板，他在产品介绍视频里，把自家产品的材质、工艺都展示得清清楚楚，还对比了其他品牌的同类产品，让客户一眼就看出他家产品质量更好、更实用。 同时，要强调产品能解决客户的哪些问题，让客户觉得买了你的产品，生活或者工作能变得更美好。 在视频结尾，别忘了加上引导语，比如“想要了解更多产品信息，赶紧私信我们” 或者 “点击下方链接，立即购买”，引导客户进一步行动。这样，就能通过这个视频筛选出真正有需求、感兴趣的精准客户，大大提高成交的概率。 ## 四、一些小细节，让置顶效果更上一层楼 ①定期更新置顶视频 虽说置顶视频不用频繁换，但也不能一直不换。每隔一段时间，比如三个月或者半年，根据账号的发展情况和市场变化，更新一下置顶视频。要是你推出了新产品、有了新的爆款，或者 IP 故事有了新发展，都可以及时替换置顶视频，保持新鲜感。 ②优化视频封面和标题 封面就像书的封面，标题就像书的名字，好不好看、吸不吸引人，直接影响用户点不点进去。所以，要选视频里最精彩、最有代表性的画面做封面，标题也要简洁明了又有吸引力，让人一看就忍不住想点。 ③和粉丝积极互动 粉丝在置顶视频下的评论，一定要认真回复。这不仅能增加粉丝的粘性，还能让新访客看到你对客户的重视，好感度立马提升。你可以在评论区发起一些话题讨论，或者搞个小活动，让粉丝参与进来，让你的置顶视频更有活力。 本文由人人都是产品经理作者【老陈的深度思考】，微信公众号：【老陈的深度思考】，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。

你能想象用 MacBook 触控板来称重吗？ TrackWeight 是一款刚刚上线的开源项目，它可以直接使用带有力度触控板的 MacBook 来称重，堪称最贵电子秤。@Appinn 先看视频 工作原

你能想象用 MacBook 触控板来称重吗？ TrackWeight 是一款刚刚上线的开源项目，它可以直接使用带有力度触控板的 MacBook 来称重，堪称最贵电子秤。@Appinn 先看视频 工作原

<blockquote><p>从刷屏到退烧仅150天，Manus的过山车式崩盘撕开了通用AI Agent的遮羞布：套壳空心、缝合臃肿、成本黑洞。文章复盘其极速陨落的三宗罪，并借GenSpark与Salesforce Agentforce的逆势增长给出正解——聚焦单一场景、深耕数据闭环、透明成本模型，才是Agent活下去的唯一路径。</p> </blockquote>  当Manus那段「AI Agent自主完成任务」的演示视频刷屏的时，我确实被震撼了一下。那一刻我甚至觉得：哎，下一个ChatGPT时刻真的来了。 当时那个场面，简直像AI圈的狂欢节，预约用户挤破头、内测码被炒到天价、资本疯狂涌入；我也心动过，毕竟谁不想拥有一个能自动整理简历、筛选股票、规划旅行的全能助手？ 但好景不长，还没撑过150天，这场热闹就迅速凉了。 第一批用户用完之后，问题就出来了；第二批用户甚至开始直接拆穿它的底裤，用一堆大模型API拼起来的“缝合怪”。 一旦遇到稍微复杂点的任务，比如电商比价、金融建模，或者生成一个“猫狗和谐相处”的视频，它立马就原形毕露。 更别提它那每月19到199美元的定价，跟实际效果一比，性价比简直差得离谱，用户不是傻子，花真金白银，结果买回来的可能是一个出错的模型拼接玩具，谁还愿意买单？ 看着Manus热度迅速消退，再想想另一家明星Agent公司，澜码科技的处境：融资断了、工资发不出、还在找人并购……说实话，我一点都不意外。 Manus的失败，是整个通用AI Agent赛道眼下最痛的几个问题的集中爆发： 其一，设计套壳，技术空心化。 很多所谓的“Agent”，本质上给 GPT-4、Claude 这些大模型套了个壳，自己只做点简单的任务拆解和结果包装。 技术门槛低，上线快，结果，同质化严重，护城河几乎为零，一旦大模型接口涨价或者政策收紧，“套壳玩家”立刻就慌了。 其二，“缝合怪”难当大任，为了显得“全能”，强行把 RPA、爬虫、数据分析各种工具塞进一个产品里。 结果呢？系统臃肿，面对稍微复杂的真实场景就频频出错。比如麦当劳和IBM合作的那个餐厅Agent，上线没多久就被弃用了。企业投入不小，效率没提升多少，失望之下自然就放弃了。 要说第三点，我认为是商业模式的空中楼阁。 高昂的成本（依赖多个大模型 API，Token 消耗巨大）和模糊的价值点（用户到底为什么买单？），让商业模式成了致命伤。 很多公司还在用互联网时代的“先圈用户后变现”那一套，但Agent服务的成本结构完全不同。用户留存率低、转化率差，一旦融资跟不上，现金流立刻就崩。 Gartner预测，到2027年，40%的AI Agent项目会因为成本或商业模式问题被淘汰。智远甚至觉得，这个数字可能还要更残酷。 既然市场这么差，那是不是说，“Agent”这条路就彻底堵死了？我不这么认为。 我也看到了一些真正有希望的产品，比如：GenSpark和Salesforce的Agentforce，它们的成功，恰恰指明了另一条路。 GenSpark这家公司在美国、新加坡两地，成立时间不长，但他们的Super Agent产品上线45天就实现了3600万美元的年化收入。 靠的是什么？扎扎实实聚焦在办公自动化、数据分析、文件管理这些企业刚需场景上。他们不追求“万能”，把一个方向做到极致。 Agentforce 是 Salesforce 客户 360 生态的核心组成部分，它把Agent能力嵌入到销售、客服、医疗、金融等多个领域。关键是，它解决了企业的两个核心顾虑：信任和成本。 它让每个AI的判断都有迹可循，企业知道“AI为什么这么决策”，信任门槛就降低了。 比如：他们的医疗Agent PathChat，通过积累独家医学数据，把肿瘤识别准确率从78.1%提升到了89.5%；Salesforce开放平台，又让第三方开发者也能参与进来，丰富了产品生态，反过来又吸引了更多企业客户。 同时，它还提供按对话次数付费的灵活模式，让成本结构更透明。所以，真正有生命力的Agent产品，是在真实场景中不断学习、持续进化的。 这种数据反哺和社区创新，才是长期竞争的护城河。 所以我觉得，Manus的陨落，与其说Agent的末日，不如说是对整个行业浮躁与投机的一记警钟。 它用150天的过山车告诉我们，资本催熟的泡沫终会破灭，技术空心化的“缝合怪”难成大器，脱离场景、忽视用户真实需求和商业本质的“万能幻想”注定是空中楼阁。 那Agent的未来在哪里？我觉得，答案很简单也很朴素： 沉下去，聚焦一个具体的场景，扎扎实实地解决一个问题，清晰地证明你能帮用户省多少钱，或者赚多少钱；这条路肯定不容易，但我觉得，这是Agent该走的路。 本文由人人都是产品经理作者【王智远】，微信公众号：【王智远】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

 国家新闻出版署于今日公布了最新一期网络游戏审批及变更信息。其中，包括 《火山的女儿：再度重逢》在内的127款国产网游过审，而包括《暗黑破坏神4》《漫威秘法狂潮》在内的7款进口网游过审。同时，《累趴侠》等9款游戏变更了审批信息。 需要特别指出的是，这里“网络游戏”的定义是指通过互联网、移动通信网等信息网络提供的游戏产品和服务，其中也包括通过网络下载的单机游戏。    

<blockquote><p>把六指图喂进“最强”多模态模型，它依然坚称只有五根手指；让它认“雷碧”，也会被文字带偏。作者用一连串实测拆穿幻象：模型并非“看见”，只是高维概率复读机。数据偏差、任务粒度、长尾缺失才是幻觉根源。认清边界，才能补数据、改架构，把 AI 真正用在刀刃上。</p> </blockquote>  因为最近接了个图像相关AI项目，在看各种视觉AI相关文章，过程中看了一篇很有意思的文章：AI们数不清六根手指，这事没那么简单 一时兴起马上用上了我最强的GPT模型，结果一不小心忘了传图片，却不想提前暴露了意图：  于是在AI几乎清楚意图的情况下，我上传了图片：  果不其然，他还是给出了标准答案：这张图里是一只自然张开的手掌，可以清楚地看到 5 根手指。 在这个情况下，我追问了一个：你确定？AI再次识别我的意图，但依旧给出了错误的回答：  而后无论我怎么调戏，AI就是不为所动：  所以这是为什么呢？ ## 所谓多模态 事实上在2年前，业内也有很多号称多模态的模型，其实他连训练都没做，其本质是OCR，并且还挺好用的… 而真实的多模态当然不是OCR，其对应的是听觉、视觉、触觉等。 其中最简单的就是听觉，因为提取音频后形成的数据样本是相对单一的，波形数据本质上是一维时间序列，很好辨别，所以现在大家看到的声音克隆产品表现是很逼真的！ PS：另一方面，声音的数据样本获取成本低一些，量大管饱 但到视觉这里就比较尴尬了，不懂行的同学可能真的以为模型能看见东西，事实上模型什么都看不见！ 对于模型来说，图像是二维空间数据，加上颜色通道后会更复杂一点，比如： 一张 224×224 的彩色图 → 形状为 [224, 224, 3] 的张量，包含 150528 个数值（0-255）。 如果需要模型（AI）能识别他的话，就需要做进一步处理，将数字化的图像转化为高维向量（其中会涉及到归一化、分块等操作）。 具体模型是如何“认识”某张图是某个动物的呢，答案是大量的人工标注。 他大概长什么样呢，简单来说：图+一句描述，比如新闻配图+描述、服装图+黑卫衣的标签、或者同一个多张照片形成人脸库。 可以将一个图片切割成16*16个小块，然后将每个小块生成一个独特的嵌入向量（这里大家将其想象成拼图可以方便理解），最后将这些向量汇总就是一个高维的整体指纹。 但这个时候还是没有意义，模型并不知道他是什么，所以接下来需要将图片描述文字进行向量化，也得到一条指纹，然后再用技术手段将图指纹与文字指纹靠近，最终文字与图片发生了映射，模型就能识别图像是什么了！ 在这个基础下，再回到上述案例，我们向量空间中有大量的5指手掌图片，而几乎没有6指手掌图片，这会产生严重的识别偏差！ 当然，模型并非绝对无法识别新特征，它可能通过组合低级细节（如边缘、轮廓）发现异常。但在数据严重偏差时（如训练中几乎全是五指样本），模型会更倾向输出高概率的常见答案，而非冒险给出罕见结论。 当我们上传一张6指手掌图片让模型识别的话，他在视觉指纹机上一定会接近5指手掌，那么配合之前的文字映射，他只能识别他是手掌，这很容易理解，当训练数据中某种模式（如“五指”）占比过高时，生成结果会强烈偏向该模式。 因为模型根本没有看见的能力，他只是一个概率安全的复读机（本质是规律统计），结论就是概率，概率最高就是手掌。 他是手掌，那么在历史上海量的数据都告诉AI他是5根手指，AI怎么可能得出他是6根手指的结论吗，饶了孩子吧… 当然，真实场景里面还涉及各种任务设定，比如关于手的任务更多是识别这是不是手，而识别到底有多少手指很可能不是模型的目标，这跟任务粒度相关。 PS：上述是适应于大家阅读的解释版本，真实技术场景下会困难很多，大家可以去自己查询… 这里我们再衍生下，如果图片上带文字会怎么样？来两个经典的，首先还是手指问题：  这里模型依旧不为所动：我看到的是一只正常张开的手掌，共 5 根手指（拇指 + 四个手指）。 图片下方的“6根手指幻觉测试”文字显然是在制造错觉，但手掌本身并没有多出第六根手指。 这里再来一个雷碧案例：  人类一晃眼都很容易会识别他是雪碧，但因为上面有文字，模型是绝不会错过的，所以在首次测试时候答案是正确的，只不过在多次测试下，模型也有概率出问题：  究其原因，还是因为其特征确实与雪碧过于相似，这里就要看文字跟图像的权重到底如何了，模型可能会认为雪被人为的影响了。 模型在这方面还是有些霸道总裁的：我不要你觉得，我要我觉得！ ## 任务量不足 我们这里从第一性原理再来看看为什么图片识别会翻车，其实这里的回答，之前在垂直模型相关文章里面也有涉及： 知识/数据是对真实世界的描述，就简单一个事物，事实上我们平时只会关注不到1/2的部分。 视觉模型也是如此：训练数据 ≠ 真实世界！ 现阶段的模型都要在有限成本里完成采集、清洗、标注数据等动作，这注定覆盖不到长尾场景。 从ROI的角度，模型学会的大多是“主干道路”上的交通规则，却很少见到“荒野土路”上的奇葩状况，六指手、假雪碧，就属于“荒野”。 如果你的应用必须处理长尾（例如医疗影像、工业缺陷检测），就要额外投入采样与标注，甚至创造合成数据，这也就是行业应用对模型的补足作用。 其实所有的AI，暂时的逻辑都是暴力破解，比如AlphaGo，他的成功建立在围棋规则完全透明、状态空间有限的基础上。而真实场景会复杂太多，以医疗为例：模糊边界（症状相似的不同疾病）；动态演化（患者病情突变）；价值冲突（不同科室意见相左）； 算力碾压本身没错，但他需要一个大前提：算力需作用于正确架构。 若基础模型无法表征某类知识（如医学伦理），单纯堆算力可能陷入“自以为是又严密而精准的错误”。 而模型的训练是基于词序列的条件概率建模，其核心是通过海量文本学习在特定上下文中，下一个词的概率分布，他们就像一个老油条一样，只会迎合KPI做看上去最正确的事情… 综上，我们说模型并不具备视觉能力是对的，但要说模型不能识别6指这种简单任务是不对的，只是对应业务需要完成这个模块，需要自己填充训练数据罢了。 但只要任务跳出框架，那么模型依旧不会如你所愿，还是那个问题：当前训练数据还远远不能描述真实的世界。 ## 结语 最后回到最初的 6 根手指，也许大家就能更清晰的认识到，所谓模型的看见，是基于海量标注数据构建的概率世界。 其实这里真正想提醒大家的是：当下任何看似“全能”的多模态模型，依旧受限于它所见过的数据与任务边界。 它们擅长的是在主干道路上疾驰，而一旦偏离主道，就需要我们补足数据、重塑目标、甚至改造架构。 换句话说，AI 仍是一台概率驱动的规律发动机，唯有各个行业不断用更贴近真实世界的样本与场景去校准它，否则很容易幻觉… 最后，认清局限、拥抱长尾，也许正是下一波行业机会的起点。 本文由人人都是产品经理作者【叶小钗】，微信公众号：【叶小钗】，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。

 电器制造商夏普宣布推出“ VR触觉控制器” ，让用户可以在虚拟空间中获得触觉。套装的暂定价格为10万日元（含税），不含运费。该产品目前处于实验测试阶段，预购已截止。  本产品是一款在指尖配备触觉反馈元件的VR控制器。通过分割振动器上的电极，产生各种振动模式，可以将细微的质感差异传递到手指皮肤表面。  该产品还可用于创建原始触觉数据，并通过游戏引擎将其应用于VR世界。它配备了摇杆和用于移动、跳跃等操作的按钮，并且易于安装和拆卸。

 2025年6月，我国成功将卫星互联网低轨04组卫星送入预定轨道。自2024年12月16日成功发射卫星互联网低轨01组卫星以来，我国已完成四次低轨卫星发射任务，展现了我国在卫星互联网领域的快速进步。这也让盛邦安全董事长权小文更加坚定了他多年前的选择，并对公司未来发展充满信心。 十五年前，面对老东家的不看好以及网络安全行业日益激烈的竞争，不甘心成为外企“螺丝钉”的权小文毅然决定创业。面对完全市场化的残酷竞争，创业团队靠着“吹过的牛必须自己兑现”的信念，通过给大厂“打零工”的方式，慢慢在业内找到一席之地，逐渐站稳了脚跟。 当谈及这段成功的创业历程时，权小文谦逊地表示，其中不乏“运气”的因素。他直言，正是因为工程师的“迟钝”基因，公司与接连涌现的热门风口擦身而过，当行业回归理性时，迎来了真正属于公司的机会。从漏洞扫描起步，盛邦安全的业务现已覆盖场景化安全、网络空间地图和卫星互联网安全，成为我国网络信息安全行业的重要参与者。 **从“打短工”到行业标杆：工程师的长期主义突围战** “我们内部常讲‘坚持长期主义’，要敢于耐下心坐‘冷板凳’，唯有这样才能将机会做深做透，好多机会都是熬出来的。”复盘创业历程，权小文坦言，资本过度涌入，加之管理水平滞后于行业发展，导致众多同行陷入“失速”困境，而盛邦安全则凭借初创期的稳健步伐，逐步壮大。 2010年，不甘心在外企仅充当“螺丝钉”角色的权小文决定创业。彼时，瞄准Web应用安全这条新赛道的权小文，并不被人理解和看好。 面对技术输出、商业模式、交付能力的全栈挑战，创业初期，权小文团队选择与“大厂”进行技术合作。公司曾长期处于高强度的工作模式：白天奔波谈客户，夜晚埋头写代码，次日即交付产品，这种“打短工”式的高效节奏，成为常态。 “产品会说话，工程师的尊严来自自己的产品，这也是我们早期一路走来推崇的理念，我们早期花了大量时间慢慢积累技术经验，把产品打磨出来。”经过五年的创业历程，盛邦安全在2015年迎来了公开“首秀”，凭借其在网络安全领域的强劲业绩和市场表现，迎来了属于公司的“风口”。2016年，凭借深厚的技术积累，盛邦安全迅速推出首款网络资产安全治理产品，标志着公司在该领域的深入探索与研究。 据了解，盛邦安全的立身之本就是漏洞检测和防御技术，资产识别正是漏洞检测的第一步，也是网络空间资产安全治理的基本功。谈及公司发展史上的这一重要阶段，权小文感慨：“很多好机会真的是熬出来的。” “我们做技术的人比较‘迟钝’，但正因为如此，我们团队的发展得以与行业的发展同频。”权小文表示。以漏洞技术为原点，盛邦安全的业务由场景化网络安全升级为网络空间地图，在低空、深海、卫星等应用场景着眼布局，形成网络安全业务、网络空间地图业务、卫星互联网安全业务三大核心业务板块。 **从漏洞扫描到卫星互联网安全：一条技术主线的自然延伸** 2025年6月6日，我国在太原卫星发射中心使用长征六号甲运载火箭，以一箭5星方式，成功将卫星互联网低轨04组卫星送入预定轨道。卫星互联网低轨04组卫星使用Ka等频段载荷，主要为用户提供宽带通信、互联网接入等服务。从近四次互联网低轨卫星发射时间线来看，间隔天数呈现“波动式缩短”趋势，发射频率明显加快。 眼下，卫星互联网相关动向已成为权小文的“特别关注”。权小文表示，凭借随时随地接入互联网的特性，卫星互联网在军事、航空、海事等领域展现出巨大潜力，并被视为未来6G网络的重要雏形。但卫星互联网的快速发展也带来了网络安全挑战，全球卫星网络攻击事件频发，攻击面不断扩大。 2024年，登陆资本市场尚不足一年的盛邦安全果断出手，通过控股卫星通信安全厂商天御云安，正式官宣进军卫星互联网安全领域。“有人质疑我们作为网络安全企业涉足卫星业务的可行性，但实际上，这两项业务紧密相连，同属于一条主线。”权小文表示，公司进军卫星互联网安全，是沿着漏洞检测和资产安全治理的核心业务深挖出来的新场景、新机遇。 事实上，盛邦安全自2021年起便着手卫星互联网安全技术研发，率先在行业内布局，加大安全检测和防护技术的投入，针对卫星互联网的体系结构和脆弱性，构建了网络空间态势感知能力。权小文介绍，网络空间地图的绘制过程中，地网（地面互联网）与天网（卫星互联网）构成两大核心，公司早已洞察卫星互联网领域的潜力，着手进行技术积淀。 “一年的磨合下来，我们认为双方的合作非常成功。技术层面，此次并购大幅提升了卫星互联网的密码与防御技术；业务层面，天御云安在芯片领域的专长为公司业务开辟了新路径，完善了卫星板块的布局。”权小文表示。 公开信息显示，2024年，卫星互联网安全业务已经开始为公司贡献收入，全年实现营业收入1794万元，占公司全部收入比例为6.11%，并且有着较高的毛利率。 **不盲从“高大上”风口：“店小二”式解决真实安全需求** 2023年7月，盛邦安全登陆上交所科创板。借助资本市场的力量，公司发展大幅提速。两年的时间先后探索了卫星、低空、深海以及应急等领域，而在权小文看来，盛邦安全“店小二”的角色始终没变。 “我一直觉得网络安全是一个‘店小二’模式，在给用户进行配套的时候，一定要将企业价值充分体现出来，有效解决客户从业务需要到成本控制在内的各种问题。”他告诉记者，很多具有商业价值的业务并不“高大上”，只要能够满足客户需求，哪怕看似很“low”的生意，也蕴含着巨大的价值。 多年来，不理解和质疑的声音一直伴随着盛邦安全的成长历程，但权小文团队秉持用产品说话的态度，进行了多次强有力的回应。数年前，业内对公司的客户资产梳理业务持怀疑态度，质疑其业务价值。事实上，这项业务切实解决了客户的实际问题，为公司的发展壮大和多场景业务拓展奠定了坚实基础。 他告诉记者，盛邦安全的一大优势在于将客户需求、技术创新与行业发展紧密结合，以客户为中心推动有效创新，包括价值提供能力、问题解决能力、产品的场景适应性、效率和成本在内的工程能力是公司的核心。目前，盛邦安全内部已经形成一套成熟系统，能够有效突破各类场景问题，快速形成解决方案。 “不管是目前比较火的深海领域，还是低空经济，我们都能在现有技术能力的基础上快速调整优化，形成新的解决方案，这也是工程能力的重要性所在。”在他看来，作为“店小二”，公司必须最快速响应客户需求，灵活应变。 据了解，在低空领域，盛邦安全的城市无人航空运营安全运营服务体系解决方案将在成都落地。相关方案包括了无人机终端安全、飞行控制中心系统安全、机库系统安全、无人机与飞行控制中心之间的空口通信信道安全、飞行控制中心与机库之间的地面通信信道安全等方面。 展望未来，盛邦安全将在攻防两端继续发力布局。在防守端，公司将坚守安全检测与防御的阵地，持续追踪国内外相关领域的新业务形态，并拓展更多市场。在进攻端，公司将依托网络空间地图的优势，保持高度敏感性，积极探索新的应用场景。  [原文链接](https://h.xinhuaxmt.com/vh512/share/12643919?docid=12643919&amp;newstype=1001&amp;d=135005d&amp;channel=weixin&amp;time=1752713500077)

<blockquote><p>拼多多直通车二阶段突然断流？别急着降投产、补坑产！十年代运营老司机拆解“好做、难做、一般”三类品的真实数据，告诉你断流本质是选品问题，并给出可复制的三步解决思路：好品降价拉临界、难品熬人群、一般品多链接猛测。看完就懂，照做就灵。</p> </blockquote>  最近看到很多拼多多运营小伙伴又在纠结这个问题了，拼多多直通车二阶段断流了怎么办？然后我去网上找了一圈，发现讲啥的都有，但没有一个讲到点子上。 有说什么二阶段降投产比的，也有说二阶段切活动的，还有说二阶段补坑产的。各种说法真的是让人眼花缭乱的，到底哪个方法是对的呢？咱先不下结论。 我先给大家讲讲拼多多二阶段断流的原因，大家可能就知道，二阶段断流要怎么办了。 目前来看，我相比大家伙做拼多多有个得天独厚的优势，就是我做的品多。原因嘛，很简单，因为我现在是做拼多多代运营，接触到各种各样的品，高价的低价的，知名的不知名的，啥都做，就会见到各种各样的数据走势。 如果你只做厂家的品，你知道怎么上百亿吗？如果你只做品牌方的品，你知道怎么憋自然单吗？大家只做一种类型的品，很可能就接触不到其他的玩法，也不知道其他类目的数据是怎样的。 就比如本文要说的二阶段断流的问题，你信不信，我做的一些品从来就没遇到过直通车进入二阶段断流的情况。 本文就以我代运营接的店铺为例，为大家讲讲二阶段断流的原因及解决思路，希望大家能有所收获。 ## 01 二阶段断流的原因 我就不说什么晦涩难懂的链接承接流量能力不行，权重不够之类虚无缥缈的废话了。以我来看，你我做的所有的品，在拼多多上只有三种类型：好做的，难做的，一般的。 好做的就是开车就能出单，很好做的品。难做的就是开车很难出单，吭哧吭哧一个月也出不了几单的。一般的就是你不花点时间精力在上面，链接是起不来的。记住这三种类型，对于理解二阶段断流的原因很有帮助。 这三种品我每天都有在做，好做的源头厂家的品，比如低价百货类的；难做的甲方找人贴牌生产的，比如白牌洗发水；一般的就是拿货来卖的，品好没价格优势，比如高价品牌零食。就这三种品，我起新链接从一阶段进入二阶段后的数据表现是完全不一样的。 上面有提到我做的有的品二阶段从来没断流过，就是源头厂家的品。这样的品我是看着榜单链接卖价来的，他卖10块，我就卖9块8。一阶段点击率转化率双双10%以上，这样的链接二阶段会断流？我从来就没担心过。我最担心的是别爆太多单，万一几天后领航员分不达标给我断流了。 如果你做的也是这样的品，你还会问二阶段断流怎么办吗？不会吧。我相信咱群里问断流怎么办的，绝对做的不是这样的品。 再说下一个品，难做的。二阶段断流就是发生在这样的品身上的。我做这样的品，20条链接里面能出来1条不断流的，就谢天谢地了。有个店就是这样的，铺了得80条链接了吧，就2条二阶段没断流持续跑的，其他链接跑完一阶段就嘎了。然后只能不断地上新链接跑一阶段，这样的店做的也很累。 还有最后一个一般的，这样的品二阶段断流的概率比源头厂家的品高，比难做的品低。什么意思呢？我接的拿货来卖的3C产品，进入二阶段能够正常跑的链接大概占总推广链接的一半，也就是20条链接一起开车，能跑出10条二阶段不断流的链接。 这些链接有个共同点，点击率和转化率都过的去，像那种转化跟不上的，二阶段断流的概率就大很多。 ## 02 二阶段断流怎么办 以上大家脑海里对二阶段断流不断流的品是不是有个大体的认知了，没错，二阶段是否断流表面上是直通车数据决定的，本质上还是品决定的。如果你做的是高价白牌品，二阶段断流一定是伴随你左右的。那么，遇到二阶段断流咱们要怎么办呢？ 继续按照好做的，难做的，一般的，这三种品二阶段断流来逐个分析。先说好做的，这样的品大概率二阶段不会断流，但如果真的遇到断流怎么办呢？这种品可以通过降低投产比的方式来把二阶段的曝光和单量拉起来。 经过测试，直通车是有个起量临界点的，比如这个投产比临界点是3.0，那么你出价从10降到4，曝光没反应，降到2.9，曝光直线起飞。好品，提高广告出价或者换个点击率高点的素材就能解决二阶段断流的问题，这样的品遇到的问题都不叫问题。 难做的品二阶段断流怎么办呢？这个才是世界级大难题。那种高价白牌品，其实我的奢望从来不是二阶段能不能别断流，链接能进入二阶段我就知足了，这样的品我求的是什么？是能不能出单。 高价白牌没有人群，价格又高，尤其是功效型产品，根本没人敢买的，我投产比出价到1.5，都没有单。连单都没有，还奢望什么二阶段吗？不存在的。这样的品，就是一个品牌初创的时候，是最难熬，最脆弱的时候。 接这样的品，得慢慢熬，需要时间和直通车费用的付出。这个世上本来没有这个品的人群，只是在平台上跑多了，慢慢的就有了人群，具体的时间是多久，没人知道，半年一年或者三年，看市场环境，也看市场体量，还要看产品包装，没有谁能一眼看穿所有。 于是，就不会有人拍着胸脯给你打保票：你这个品我来搞，一年就能超过华为比亚迪小米SU98。这不是吹牛是什么？ 一般的品二阶段断流怎么办呢？咱们做电商的是不是有测款测品测链接的说法，对咯，对于一般的品来说，解决二阶段断流就是不断的上链接来测就行了，一旦这个链接命中流量池，二阶段就直接起飞了，所以多测才是关键，至于什么玩法骚操作，真的没必要。 ## 03 最后 大家遇到二阶段断流不要慌，跟你没关系，就是品决定的。这是自我安慰的第一步，接下来就是找解决方案。 如果是高价白牌难做的品，赶紧提桶走人，如果是好做的品，一般的品，趁老板没发现你摸鱼，赶紧的多上链接或者提高出价就能解决二阶段断流的问题了。大家记住了吗？ 本文由人人都是产品经理作者【老虎讲运营】，微信公众号：【老虎讲运营】，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。

日前，航旅纵横App正式上线“民航官方直销平台”功能。与12306 App相似，用户可以在该平台的单一界面，**完成多家航司直销机票的比价和购买，无需在不同航司官网之间切换。**  据介绍，航旅纵横民航直销平台是航空公司直接面向旅客销售机票产品的线上平台，**机票价格与服务政策完全由航空公司直接发布和运营。**  航旅纵横作为平台方，不收取机票代理费。 据央视新闻报道，业内专家表示，长期以来，机票销售市场存在一些不规范现象，比如第三方平台加价销售、捆绑搭售等问题长期存在，导致消费者实际支付价格与票面价格不符的情况时有发生。  专家称，**直销平台的出现，有望助力解决机票销售不规范的行业痛点。** 据了解，该直销平台承诺价格公开透明、无捆绑销售、杜绝大数据杀熟、保护用户数据安全等。 同时承诺每家航司的退改签规则严格遵循其官方条款，不玩文字游戏，不私自设定或更改退改规则。    [查看评论](https://m.cnbeta.com.tw/comment/1514706.htm)

 【录音笔】是GPASS推出的一档全新会员专享节目，内容来自机核办公室日程生活和工作中的一些短小记录，每期时长十几分钟左右（大概吧）。内容也许是一些不成体统的碎碎念，也许是一些突然发疯的暴言，还有可能是哪个缺德的把办公室里真实的日常对话（dui ma）偷偷录了下来，总之就连我们自己现在也不知道每期会有哪些人参与，会录些什么。

巨头布局。

“不要低估DeepSeek，现在它的新版本相对低调但还是很强的；我们国内很明确All in To B，消费级AI应用不是主要关注点；中美基础模型竞争最终将是大厂的游戏。”李开复称。