聚乳酸助推微针进入3.0时代

让技术成为最后的安全底线

新旧大厂们，正在为AI行业批量造星。

6月4日，在友好离开特朗普政府仅仅几天后，埃隆·马斯克(Elon Musk)就对特朗普的政策发起了攻击，矛盾直指特朗普力推的“大而美”税收和支出法案。据《商业内幕》报道，如果这项法案成为法律，马斯克旗下电动汽车公司特斯拉可能面临重大风险。  马斯克和特朗普 虽然马斯克此前就已经表达过对该法案的不满，但他在本周加大了批评力度。“对不起，我实在受不了了，”马斯克周二在X上发文称，“这项庞大、荒唐、夹带私货的国会支出法案简直令人作呕。那些投票支持这项法案的人真该感到可耻：你们知道自己做错了。你们自己心里清楚。”  **特斯拉税收优惠将消失** 该法案对拜登时期的电动汽车税收抵免政策作出了重大调整，这些政策原本旨在鼓励更多美国人购买电动汽车。如果该法案成为法律，它将逐步取消清洁能源汽车税收抵免政策，该政策允许购买新电动汽车的消费者最多可获得7500美元的税收抵免，而购买二手电动汽车的消费者最多可获得4000美元的税收抵免。 根据新法案，如果一家汽车制造商在2009年12月31日至2025年12月31日期间，售出了超过20万辆已符合税收抵免资格的电动汽车，那么该公司今后销售的电动汽车将不再有资格获得税收抵免。然而，仅在2025年第一季度，特斯拉就交付了超过33.6万辆汽车。 马斯克此前曾表示，取消电动汽车税收抵免将对特斯拉的竞争对手造成毁灭性打击，同时也会对特斯拉本身产生影响。不过，他也指出，从长期来看，这一举措可能会对特斯拉有利。截至发稿，特斯拉尚未就此置评。 然而，其他人似乎并不认同马斯克的这一观点。 晨星股票策略师塞思·戈德斯坦(Seth Goldstein)在接受《商业内幕》采访时表示，电动汽车税收抵免的加速取消“可能是对特斯拉影响最大的一面”。 “如今，消费者在相似价位上已有更多长续航电动汽车可选，而不仅仅是特斯拉，”戈德斯坦说，“现在轮到特斯拉自己来向消费者证明，为何它的车值得多花一点钱。” 戈德斯坦还表示，取消税收抵免可能导致特斯拉的销量进一步下降，而销量下滑正是这家车企目前面临的主要挑战之一。 **半数利润受威胁** 摩根大通分析师瑞安·布林克曼(Ryan Brinkman)在一份投资者报告中写道，特朗普的“大而美法案”，再加上包括终止加州空气资源委员会(CARB)项目在内的其他拟议立法，将威胁到特斯拉2025年超过一半的利润。 布林克曼在报告中指出，消费者税收抵免的取消可能导致特斯拉损失高达12亿美元的利润，占其2024年息税前利润的约19%。他补充说，CARB零排放车辆(ZEV)积分销售的取消也可能给特斯拉带来20亿美元的利润损失，该积分旨在鼓励零排放车辆的销售。此前，特斯拉通过出售碳排放积分获得了丰厚收入，这些收入几乎是纯利润。 眼下，特斯拉正在大举押注AI和机器人技术，一定程度上通过即将推出的自动驾驶出租车服务来推动完全自动驾驶的实现。马斯克已表示，自动驾驶是提升公司估值的关键。然而，布林克曼表示，特斯拉自动驾驶出租车业务取得实质性收益还需要数年时间，而电动汽车补贴取消产生的不利影响很可能会在2025年和2026年冲击该公司。 “随着特朗普政府取消电动汽车补贴的影响变得更加清晰，我们预计市场对特斯拉的盈利预期将会下调。”布林克曼写道。 晨星分析师戈德斯坦指出，取消税收抵免可能会“加速”特斯拉向AI与机器人公司的转型。与此同时，税收抵免的即将到期也可能会在短期内刺激一波购买热潮，因此消费者可能会赶在政策窗口关闭前抢购特斯拉电动车。 **能源业务影响** 按照目前的法案文本，它还将取消特斯拉曾于2010年使用过的一项贷款计划，该计划远在特朗普涉足政坛之前就已经实施了。 该支出法案还将取消能源税收抵免，威胁到了特斯拉的能源业务。马斯克曾表示，特斯拉能源业务的“增长如野火般迅猛”。特斯拉的能源发电与储能业务(包括Megapack和Powerwall电池系统)在2025年第一季度创收27.3亿美元，较去年同期增长67%。 马斯克在X上转发了特斯拉能源官方账号的帖子，该帖子称：“突然取消能源税收抵免将威胁美国的能源独立性和电网可靠性。” 特斯拉能源还呼吁参议院在通过立法时，设立一个“合理的过渡期”，以便继续快速部署有利于AI与本土制造业的能源解决方案。 “取消能源税收抵免的做法将对特斯拉的能源业务造成伤害。”一直看好特斯拉的韦布什证券公司分析师丹·艾夫斯(Dan Ives)对《商业内幕》表示。 **xAI将受益** 如果特朗普的这项支出法案最终被签署成法律，那么马斯克的AI公司xAI可能会受益。 法案中的一项条款规定，未来十年内禁止各州和地方政府对AI进行监管，以消除AI部署和普及过程中面临的法律障碍。这可能会让马斯克更自由地发展xAI，在法规方面少受限制，避免繁琐程序拖慢公司的推进速度。 此外，该法案还将拨款对联邦政府的IT系统进行AI现代化改造，并提升其网络安全水平。随着美国政府预留资金来升级自身系统，xAI作为头部AI公司有可能获得合约，参与推动这些现代化升级计划。 [查看评论](https://m.cnbeta.com.tw/comment/1504346.htm)

美国民主党参议员伊丽莎白·沃伦的办公室周二发布了一份报告，详细列出了埃隆·马斯克（ Elon Musk）在特朗普政府的“130天”任职经历，指控这位亿万富翁利用其在政府效率部（DOGE）的职位为自己及其企业谋取私利。 [](https://static.cnbetacdn.com/article/2025/0604/f7287352260f010.webp) 这份长达14页的报告列出了沃伦团队认为马斯克滥用“特别政府雇员”身份谋取私利的100多个案例。“马斯克及其代表卷入了大量存在争议的行为，这些行为引发了对腐败、道德问题和利益冲突的质疑，。”报告称。 该报告还指控马斯克“以惊人速度践踏规范”，并称这些行为是“可耻的行为，无论他是否会受到刑事起诉”。 马斯克上周正式宣布结束他在特朗普政府的任职，作为一名特殊政府雇员，他在DOGE工作了四个月，这四个月里，联邦政府的工作人员和政府机构发生了前所未有的剧变。 沃伦的团队指责马斯克利用联邦政府来推广他的企业，特别指出了白宫草坪曾被变成临时特斯拉展厅的事实。马斯克是世界上最富有的人，他是特斯拉、SpaceX和人工智能初创公司xAI的首席执行官。 报告还概述了特朗普政府或联邦机构与马斯克的公司“签订或探索新的利润丰厚的合同”的二十多个例子，例如美国海关和边境保护局探索在监视塔中使用SpaceX的星链技术。 该报告还概述了特朗普政府或联邦机构六次终止对马斯克旗下公司的执法行动，以及DOGE针对调查这些公司的政府机构进行打压的次数。 例如，美国职业安全与健康管理局（Occupational Safety and Health Administration）结束了对特斯拉“涉嫌违反工作场所安全规定”的调查。 报告称：“马斯克的公司已经或正在考虑与联邦政府、外国政府和其他私营公司签订大型合同。” 这份报告并不是马斯克第一次因其在DOGE任期内涉嫌利益冲突而受到抨击。 包括沃伦在内的三名民主党参议员上周致信美国司法部和其他当局，敦促调查DOGE雇员持有可能从他们的政府裁员工作中受益的公司的股票，是否违反了利益冲突法。 [查看评论](https://m.cnbeta.com.tw/comment/1504344.htm)

在大模型的训练中，强化学习算法一直是提升模型性能的关键。然而，其面临着计算资源要求高、训练速度慢等问题，让普通企业机构望而却步。面对行业共性难题，近日，在360数字安全集团冰刃实验室主导下，打造出“轻量化、高性能”的AI训练方案：RL-LoRA，在保持模型泛化能力的前提下，体积仅为原始全参数模型的1%-5%，实现强化学习训练技术引领性突破。目前，360安全大模型已深度融合RL-LoRA技术，相关核心代码也已正式对外开放下载使用。  **大模型强化学习训练困境：更高性能，更高门槛** 当DeepSeek-R1凭借卓越的推理与泛化能力惊艳全球，其背后的核心引擎——强化学习算法GRPO（Generalized Reinforcement Learning Policy Optimization）也备受瞩目。GRPO的训练能够简洁有效的提升大模型的推理能力，同时保持更优的泛化能力。然而GRPO训练对显存消耗高且速度缓慢，这就对于大模型的强化学习训练设置了更高的门槛要求，让一些资源有限的企业以及在垂直领域的模型应用望而却步。  **一方面，强化学习训练方法对显存资源要求巨大，**在配备TRL+FA2的GRPO设置中，Llama 3.1（8B）在20K上下文长度下，训练需要510.8GB的VRAM，而主流的娱乐级显卡容量通常为2GB、4GB或8GB。  **另一方面，强化学习训练相对速度慢**，需要持续对训练效率优化提升。GRPO执行过程中，需同时运行策略模型、参考模型和推理模型，每一次权重更新操作需要频繁切换模型，不仅引发效率瓶颈，还会产生显存占用尖峰，使得强化学习训练速度缓慢。 最后，显卡资源有限的机构或垂类领域应用大模型时，常面临**在单一服务器上同时推理多个不同功能大模型的需求。**LoRA这一低资源训练方法的重要性愈发凸显，为高效利用有限资源、实现多模型协同推理提供了关键技术支撑。 **重大突破：360实现全网首个强化学习LoRA训练方案** 面对行业共性难题，由360冰刃实验室主导，联合加州伯克利大学BAIR顶尖学者(S.Xie、T.Lian、J.Pan)及字节跳动Seed团队专家，在开源项目 Volcengine/VERL中贡献了里程碑式方案：RL-LoRA集成支持，其主要具备以下技术优势：  **更少资源、更高性能** RL-LoRA训练方法将LoRA引入至GRPO等强化学习训练全流程，能够以更低的资源支持更大规模模型的强化训练。以往8卡A100无法触及的32B+模型，如今可轻松训练70B甚至更大尺寸。  实际测试中，对于LoRA_rank=32的0.5B模型，采用RL-LoRA训练方法，训练收敛速度和最终性能与常规GRPO训练几乎相同，节省算力资源的同时，保证了训练的正确性和稳定性。    **更多批次、更高效率** RL-LoRA训练方法降低了显存尖峰，在同等硬件下显著提升训练批次（Batch Size），可以支持更多数据并行处理，提升计算资源利用率，进而加快训练速度，助力模型高效训练。  **轻量化、易部署** 训练产出的LoRA Adapter体积仅为原始全参数模型的1%-5%，微小体积使其复制、分发、加载异常便捷，彻底摆脱动辄数百GB巨型模型的部署枷锁。  **落地实践：360安全大模型率先落地应用RL-LoRA技术** 针对安全垂直领域多场景化的应用需求，360独创了紧凑型多专家协同大模型（CCoE）架构，该架构与模型基座解耦并具备迁移能力，使得专项任务无需训练大规模基座参数。在模型基座之上，360针对各类安全研判、分析、生成等任务设计了相互独立的“专家”，即插即用，少许训练路由参数就能即可完成新任务“专家”扩展工作。      360安全大模型已深度融合CCoE与RL-LoRA技术， 面向安全运营、威胁狩猎、钓鱼研判等众多安全场景，实现专项微调显存占用降低、训练效率提升、集约化部署应用。同时，360通过专项训练推出100+安全专家智能体，已经为北京市朝阳区政府、重庆大学等近500家用户在真实环境中完成测试应用与交付，加持政府、金融、央企、运营商、交通、教育、医疗等行业客户实现智能化安全防御。   目前，RL-LoRA相关核心代码已正式对外开放下载使用。未来，360继续深耕AI+安全实践应用，以创新技术赋能行业智能化、高效化转型，为国内AI研发生态贡献力量！  

文｜周鑫雨 编辑｜苏建勋 《智能涌现》从多名独立信源处得知，大模型“六小虎”之一的阶跃星辰，C端AI应用布局，近半年来出现了以下调整： 2024年12月，**角色扮演类Agent产品“冒泡鸭”停止大范围投入，团队合并至对话产品“跃问”（现更名为“阶跃AI”）**，目前仅留部分员工运维。 针对上述信息，阶跃星辰回复《智能涌现》：早期，我们基于当时的模型能力进行了一些产品探索。2025年，随着多模态和推理能力的成熟，我们产品进行收敛，聚焦Agent方向。“跃问”改名为“阶跃AI”，意味着它从Chat类的产品到Agent能力的转变。 2024年上半年，阶跃星辰内部就确立了两个ToC AI应用方向：对话类产品“跃问”、角色扮演类产品“冒泡鸭”。与此同时，阶跃还和聚焦于二次元创作的垂类应用“狸谱”，确立了生态合作伙伴的关系。  △冒泡鸭。 不少阶跃员工都能感受到，2024年Q4之前，高层对C端业务的重视程度，并不亚于模型的训练。 2024年3月的访谈中，阶跃星辰CEO姜大昕曾告诉《智能涌现》：“我们不想做传统的定制化模型加上私有化部署这样的逻辑……所以我们选择不做传统意义上的To B，会比较聚焦在To C上。” 再比如，我们了解到，阶跃在每款产品上的投流支出，虽然没有达到上亿元的程度，但每个月仍有几百万元的支出。 阶跃为C端产品配备的人才，同样星光熠熠。“冒泡鸭”负责人张心皓，负责过今日头条段子社区“皮皮虾”。 然而，在C端AI产品迅速陷入激烈竞争的2024年，阶跃几款C端产品还是陷入了增长瓶颈。 一名员工告诉《智能涌现》，经过一年以来的探索，团队现在在产品布局上学到的深刻一课是：**不要在已有头部玩家的领域，参与竞争。** 2024年，无论是角色扮演，还是二次元创作，赛道中已经存在入局更早用户更多的玩家。 在赛道角色扮演，国内已有MiniMax的“星野”，DAU长期在50万左右，比“冒泡鸭”多了一个数量级。 可见的是，**2025年以来，阶跃星辰的战略，也是将资源从短板，集中到长板业务上：重心从C端，转移到模型研发、ToC和ToB上。** 一方面，阶跃加大了开源力度，也在内部组织了不同技术路线的数支团队。在2025年5月的媒体沟通会上，姜大昕表示：“每一条路线都有可能出现突破，要形成并发的状态。” 另一方面，Agent产品，成为阶跃重点布局的新方向。目前，阶跃已经和Oppo、吉利汽车集团、千里科技等企业合作，将Agent应用在手机、汽车、具身智能等终端相关的关键场景中。 AI行业的竞争格局仍在不断变化之中。断尾劣势业务，聚焦长板业务，将愈发成为行业的共识。  欢迎交流！

梅赛德斯-奔驰又在纯电动车上栽跟头了。当地时间本月3日，德国媒体《商报》披露，**奔驰内部高管已私下承认纯电G级“彻底失败”。****一位不愿具名的高层直言：“这车在经销商手里就像块铅，一动不动，完全砸锅。”另一位管理人员同时指出：“这是个小众产品，销量非常惨淡。”** 报道援引数据指出，纯电G级上市近一年，仅售出1450辆，而内燃机版同期销量近9700辆，二者相比后足以彰显纯电动对目标用户的吸引力有多差。 **有高管直言：“消费者真正想要的，是那种搭载六缸或八缸发动机的硬派G级。”** 那么为何纯电G级卖不动？《商报》也进行了相关分析。 首先是价格贵，纯电版远高于六缸的内燃机版；其次欧洲版载重只有415kg，还没有拖车钩选项，实用性差。 然后是非常关键的一点，**虽然该车标注WLTP续航为473km，但由于配有大容量电池和四电机，整车整备质量高达3085kg，在更贴近现实的EPA测试中续航仅有385km，非常不实用**。 由于纯电大G销售遇冷，奔驰正在重新考虑要不要继续推出“小G”的规划。 据悉，“小G”也是一台纯电动车，计划在2027年推出，然而由于纯电大G出师不利，奔驰内部对“小G”的信心也大打折扣。 **有内部人士透露，他们已经在评估给“小G”增加传统动力的可行性，“虽然要多花一笔钱，但能承受。”**  [查看评论](https://m.cnbeta.com.tw/comment/1504340.htm)

有消息称，台积电工程师不仅工时过长，且需要24小时待命。台积电也由此被冠以“血汗工厂”的名号。对于这种说法， 台积电董事长兼总裁魏哲家在股东会上澄清，**称“不会有9万名员工都在血汗中过活”，并自嘲道“我看起来像流了血汗吗，这么胖，怎麽可能”。** 魏哲家强调，**台积电现在一年约有9千名新进员工，选择的都是志同道合的人。台积电对员工的要求，首先是诚信正直，其次是创新和承诺。** 在公司工作，**公司对员工有一定承诺，也希望员工对公司同样有承诺。** 他表示，公司讲求自动自发及生活快乐，这样才有办法在半导体产业继续发展，家庭也才会快乐。 对于公司未来发展，魏哲家说，台积电是技术、制造世界第一，客户对台积电有信心，只要AI不可或缺，一直有需求，台积电就永远是非常好的公司，也有非常好的远景。 [](//img1.mydrivers.com/img/20250604/ee8987ae216e4e68a2c9dcc0ccacefb9.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1504338.htm)

历时近1年调研评估，Gartner于5月29日发布首份《网络检测与响应魔力象限》报告（Magic Quadrant™ for Network Detection and Response），微步在线（ThreatBook）成为唯一入选的中国企业。  随着企业加速上云和网络攻击日益复杂化，NDR技术已成为现代安全运营中心（SOC）不可或缺的底层设施。通过持续监控东西向与南北向流量，有效覆盖传统安全设备难以检测的横向威胁，结合流量阻断、主机遏制或联动SOAR、SIEM可实现闭环处置，大幅缩短响应时间，同时支持IaaS及SaaS化部署，灵活适配多云混合环境，成为了云化安全的重要基石。微步认为，此次NDR魔力象限的发布，不仅标志着流量检测响应技术的成熟与市场体量的进阶，更是安全范式从“被动防御”向“主动运营”转型的标志。 **实战能力：精准检测、自动响应与云化优势** 微步TDP作为深度融合情报的实战化全流量检测与响应平台，依托前沿创新技术，有效解决0day漏洞检测、攻击面识别及失陷主机定位等核心安全问题： **精准检测**： 全面覆盖攻击链手法，自动判定攻击成败并进行告警关联分析，将误报率降至0.003%；结合高质量漏洞情报、行为分析引擎及云沙箱，实战场景下对0day攻击检出率高达81%。 **高效解密与响应**： 创新融合旁路部署与代理技术，无需调整网络架构即可实现高性能TLS解密，加密通信识别率达99%；基于情报、攻击判定及自定义策略自动旁路阻断后续攻击，双向阻断率99%，并精准定位威胁至进程级，可联动20余种第三方安全设备形成闭环响应。 **云原生适配**： 全面支持阿里云、AWS、Azure等主流云平台，以轻量级Agent替代传统NFV镜像，大幅降低云上检测成本；精准捕捉传输过程中的AK/SK等敏感凭证泄露风险。 **多场景渗透与高续约验证价值** 微步TDP针对当前企业面临的核心流量威胁痛点，提供多场景解决方案： **全网高级威胁防护**： 在网络结构复杂、具备基础防护但缺乏高级防御能力的环境中，不仅能够聚焦真实威胁，过滤海量无效告警，同时提供高级威胁识别与APT抵御。 **多分支统一管理**： 为大型集团实现总部对分支告警数据的集中展示、研判与安全管理，降低运维成本，提升整体安全水位。 **资产风险监控**： 自动化梳理网络资产，识别暴露面及不安全API，防范数据泄露，提供个性化风险监控与集中告警。 凭借“精准、实战、闭环、易用”的核心优势，微步TDP已服务于金融、能源、制造、互联网、地产等多个行业数千家企业，并保持了高续约率，市场表现领先业界。能力亦获客户高度认可，连续两年入选Gartner® Peer Insights™网络检测与响应客户之声“强劲表现者”。 微步相信，此次入选Gartner首份NDR魔力象限，是对微步产品技术实力与服务能力的双重认可，标志着微步“技术纵深+场景深耕”路线得到验证。未来，在复杂多变的网络安全环境中，微步将继续聚焦威胁检测，依托AI+TI的核心能力，为行业用户提供更可信赖的流量检测支持。 Gartner, Magic Quadrant for Network Detection and Response, 29 May 2025 Gartner, Voice of the Customer for Network Detection and Response, 30 August 2024 Gartner 并未在其研究报告中支持任何供应商、产品或服务，也并未建议科技用户只选择该等获最高评分或其它称号的供应商。Gartner 的研究报告含有 Gartner 研究与顾问组织的意见，且该意见不应被视作事实陈述。就该研究报告而言，Gartner 放弃做出所有明示或默示的保证，包括任何有关适销性或某一特定用途适用性的保证。Gartner 同行洞察是基于最终用户个人经验的主观意见，并不代表 Gartner 或其关联公司的观点。 GARTNER 、MAGIC QUADRANT和PEER INSIGHTS是 Gartner, Inc. 和/或其关联公司在美国和国际上的商标，并在获得许可的情况下在此使用。保留所有权利。

来看看苹果都欣赏什么样的第三方应用 #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/1625970) ·[查看评论](https://www.ifanr.com/1625970#comments) ·[新浪微博](https://weibo.com/ifanr)

即时零售，京东淘宝的进攻型防守。

让行业更好地活。

泰兰尼斯演绎了一个精耕细分市场成为品类之王的商业故事。

正当光伏制造企业死去活来之时，同为清洁能源的供给侧、电源侧的风机行业，却迎来新一轮发展机遇。

眼下还得靠外部IP赚钱

警惕狂欢，仍需补短板。

2025年6月4日，截止收盘，沪指涨0.42%，报收3376.2点；深成指涨0.87%，报收10144.58点；创业板指涨1.11%，报收2024.93点，两市成交额较上一交易日增加116.38亿元，合计成交11530.47亿元。

Everything 是 Windows 下大名鼎鼎的免费文件搜索工具，它可以让你很方面的搜索磁盘中的文件（名），速度非常快。@Appinn 来自发现频道，u0a815 同学推荐：https://me

<blockquote><p>在互联网和数字内容平台的发展过程中，流量的增长与供给之间的关系是一个复杂而动态的课题。本文深入探讨了平台流量在不同阶段的变化特点，以及如何通过供给策略来优化流量规模和效率。</p> </blockquote>  平台的流量增长，不是同一个因素线性增长的，如果按照供给变化来拆分，会分为几个阶段。  ## 1. 品类和更新频次齐增长期 特点： - 内容/商品种类和数量频次同增是指在流量增长的初始阶段，第一批内容或商品满足种子用户的需求，配合该类内容和商品特点设计用增策略，找到适合渠道扩大用户规模。 - 用户看到的内容和商品多样性不高，但性价比高，质量优良，小众。同类用户增长迅速，由于兴趣内容和商品足够垂直，单品类浏览/消费频率高。 - 商家通常是中型商家或优质创作者，其他平台流量竞争激励，选择新平台增加流量曝光。自身拥有较为充足储备，可以保证更新频率，换新平台把自身优势扩大。 需求分析： - 商家/创作者成长快的单case分析，寻找和积累成长策略，为后续品类扩展做基础。 - 高频用户分析，提炼相似特征反馈用户增长协助获客；用户访谈或调查问卷，补足产品使用短板。 - 品类探索，找到对用户留存有帮助的其他品类，为品类扩展准备。 ## 2. 品类扩展期 特点： - 品类更多的商家/创作者了解到平台流量规模，用户属性，为获得流量而进入该平台。 - 用户可购买/观看的种类变多，通过观看/购买更多的品类巩固在平台上的粘性。（用户兴趣不会无限扩展，是会维持在一定数量上更迭）。 - 平台流量结构出现分化，会出现偏垂类用户和泛类用户，头部商家/创作者和长尾商家/创作者。 需求分析： - 针对流量爬坡成长的商家/创作者，寻找不会降频次和留存的用户，给露出机会增加曝光，结合单商家/创作者成长策略引导给建议。 - 分析找到需要拓展的稀缺品类，反馈拓品运营，补充供应。 ## 3. 流量竞争期 特点： - 整体流量缓慢增长，用户结构和浏览频次逐渐稳定，商家/创作者彼此间的流量竞争激烈，会出现此消彼长争夺用户注意力。 - 头部商家/创作者已形成一定流量规模，靠规模效应可降低自身成本，有更多空间让利给用户，客群/粉丝规模增长，忠实客群/粉丝占比变少。 - 平台流量大，吸引大量新商家/创作者涌入，但新账号起量困难，需要平台扶植，或需花钱投流。 需求分析： - 不同品类的商品/内容流量流量此消彼长规律是什么，分析品类流量下限，保证所有品类（这里不是只个别创作者/商家，而是上卷一层的大品类）均能有下限流量，避免小众品类流量被挤兑。 - 划分不同行为的流量价值，如点赞、收藏、加入购物车等等，区分品类看差异，掌握用户除了浏览之外的互动行为对后续流量增长和商业化变现的传导作用，以此设计和调整优胜劣汰机制。 - 流量效率监测和调整，需要细分流量分层和人群分层，注意用户体验不下降，区分解决流量效率问题，逐步让长尾流量产生更大价值。 - 针对商家/创作者暴涨和暴跌有预警和复盘机制，确保流量稳定性，避免对模型和商业化产生负面影响（暴涨和暴跌的流量对模型训练有后续的传导效应，容易让模型一段时间内学偏）。 ## 4. 头部效应期 特点： - 同类别中腰部流量竞争激烈，受限于规模，创作者/商家对应的内容和商品的更新频次较为稳定。 - 头部大创作者/商家较为集中，内容和商品的更新频次快，有较强议价话语权，用户受到头部创作者/商家的品牌、知名度、话题度影响，被吸引到平台上，为平台带来新客。 - 头部创作者/商家拥有粉丝，平台和商家设置会员提供差异化服务，便于老客维护。 需求分析： - 垂直小众品类创作者/商家，在主流流量入口外，找到更多流量入口和玩法来获取流量。 - 划分用户净值，以分析和调整不同净值用户变现效率和体验，寻找清晰的净值提升路径。 - 重点关注和分析头部创作者/商家质量，有提档和降档机制，保持头部创作者/商家新客造血能力。 ## 5. 稳定期 特点： - 流量稳定，小幅度上下波动。 - 创作者/商家迭代速度稳定。 需求分析： - 查漏补缺。 - 找新的用户需求，孵化出独立满足需求的新产品。 平台的流量变化不同阶段驱动力是不同的。 **创作者/商家进入一个行业之前通常会看其是红蓝海那种，一个平台上的流量是个小缩影，关注平台不同阶段重点解决的问题和策略，调整自身玩法以顺势为之。** 本文由人人都是产品经理作者【小王子和小企鹅】，微信公众号：【小王子和小企鹅】，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Snowflake Summit 2025主题演讲中，**OpenAI首席执行官山姆·奥尔特曼（Sam Altman）表示，很多公司已将AI智能体当作基层员工使用。**奥尔特曼表示，在很多企业中，员工的一大工作重心，就是给AI智能体分配任务、评估结果质量、整合工作内容并提供反馈，这种模式与管理基层员工团队的方式几乎无异。 [](https://static.cnbetacdn.com/article/2025/0603/df9f001fb0c0345.jpg) 根据风险投资公司SignalFire近期发布的报告，**AI的广泛应用，已冲击基层岗位。从2023到2024年，Meta、微软和Google等科技公司的初级职位招聘量下降了25%。** SignalFire研究负责人Asher Bantock表示，招聘减少的主要原因，就是AI接管了许多基层员工负责的常规任务。 与此同时，麦肯锡（McKinsey）也在利用AI完成制作PowerPoint和起草提案等基础工作，并预测到2030年，AI可能取代高达3.75亿个工作岗位。 Anthropic公司首席执行官Dario Amodei上周在接受 Axios 采访时警告，AI可能在未来1至5年内淘汰一半的初级白领岗位，这将导致失业率飙升至20%。 **Amodei坦言，这一预测听起来令人难以置信，但趋势已不可忽视。他呼吁社会正视AI带来的职场变革，提前做好应对准备。** [查看评论](https://m.cnbeta.com.tw/comment/1504332.htm)

**微软确认，名为“Edit”的全新文本编辑器，将很快随Windows 11一起发布。**这款编辑器是一款基于命令行的工具，旨在为用户提供一个轻量级且功能齐全的文本编辑解决方案，与现有的记事本和OneNote等应用不同，“Edit”专注于简单文本编辑，不包含过多复杂功能。 **微软表示“Edit”将作为默认的命令行文本编辑器随Windows 11一起发布，但它不会取代现有的记事本。**  “Edit”目前体积仅为230KB，但它具备大多数文本编辑器的基本功能，用户可以通过命令行直接启动“Edit”，并在PowerShell或命令提示符中编辑文件。 **它支持鼠标和键盘操作，并且提供了诸如查找（Find）和替换（Replace）等实用功能，这对于处理大型文件尤其有用。**  “Edit”还具备一些额外的功能，例如文档选择器，它可以在一个会话中列出所有打开的文件，方便用户在不同文件之间快速切换，还支持自动换行（Word wrap）和跳转到特定行（Go to line）的功能。  目前，用户需要手动从GitHub下载“Edit”，安装过程可以通过Winget命令完成。 [查看评论](https://m.cnbeta.com.tw/comment/1504324.htm)

斯坦福华人数学博士AI创业，0产品0用户，目标估值3亿美元。方向瞄准数学AI，要为量化和对冲基金公司提供可解决实际数学问题的模型能力。（打造了DeepSeek的幻方量化，也是用AI来做投资量化） ******△**来自个人主页 来自中国广州的**洪乐潼**（Carina Letong Hong）近期开启创业，立马一鸣惊人。 据The Information消息，她正在筹集目标为**5000万美元**的融资，公司估值预计**3-5亿美元**——尽管目前公司还没有开发出一款产品。 为啥能实现如此估值？ 来看创始人兼CEO洪乐潼身上的标签： **3年时间完成麻省理工数学和物理本科双修**，然后拿下斯坦福数学博士录取offer研究方向为数论、组合学和概率学，同时也进修了法律学课程。 本科期间的论文已经发表在《美国数学会会报》、《拉马努金期刊》等刊物。2021年获得牛津大学罗德奖学金，成为仅有的4名中国获奖者之一…… 如今，她开启创业，希望利用编程语言来训练模型，使其能掌握形式化证明的“语言”。 0产品实现3-5亿估值 洪乐潼创立的公司名叫Axiom（公理），它的核心目标是开发可以解决实际数学问题的AI。 目前已经透露了一些具体技术方向—— 训练数据来自**形式化数学证明** （formal mathematical proofs），通过使用已经被证明的定理或者公认的数学公理，来验证某个数学陈述的真实性。 换句话说，Axiom的AI将专注于数学领域，通过学习严格的逻辑推理和数学证明的过程，能够像数学家一样构建和验证形式化证明，并保证结果的准确性和严谨性。 产品将主要卖给对冲基金和量化交易公司，帮他们快速解决投资、股市等金融领域的复杂数学问题。 可以简单粗暴理解为，通过购买Axiom的能力，对冲基金和量化交易公司可以不用自己费力组建规模十分庞大的技术团队。 **Axiom目前还没有开发出一款产品。** 但这并不影响投资人对它产生浓厚兴趣。 据The Information消息，曾投出Perplexity等知名AI公司的B Capital正在就最新一轮目标5000万美元的融资展开谈判，并可能领投本轮。 目前Axiom的估值预计在**3-5亿美元**。 要知道，近期AI领域“0产品0用户”就实现高额估值的初创公司，都出自Ilya、Mira Murati这种行业大佬之手。 Axiom也能在如此早期就被投资方看好，或许原因类似——创始人本人值得投。 “一路开挂”的广州学霸 洪乐潼身上最鲜明的标签还是数学。 她本人透露，父母并没有受过高等教育，但是她从小就对数学兴趣浓厚。 她出生于中国广州，通过一个免费的奥林匹克数学项目开始接触竞赛，“遇到了超级有趣的问题”。高中加入CMO省队，经过层层筛选，成为最后仅剩的4位女生之一。 后来，洪乐潼在罗斯计划和斯坦福数学营中迷上了勒让德/雅可比符号和处理理论，并决心攻读高等数学。 她将目标早早地锁定在麻省理工学院的数学和物理专业，只用3年时间就完成了两个学位的课程，同时还广泛学习了硕博数学课程。 3年时间，她还发表了9篇论文，涉及领域非常广泛，包括模椭圆曲线与K3曲面的L函数、月光猜想、theta与划分函数同余方程、堆栈排序算法，和二部图边染色的马尔可夫链。 要知道，通常来说本科生是很难做出纯数研究的。 值得一提的是，这些论文不少是和张盛桐（本科期间就登上数学四大顶刊）合作完成。  同时，她也拿奖到手软：先后获得Schaefer数学奖全美女生第一，Frank和Brennie Morgan本科生杰出数学研究奖，并被提名为2022年度中国罗德学者。 罗德奖学金由牛津大学颁发，获奖学者将赴牛津大学攻读研究生课程。洪乐潼也是凭借此机会学习了神经科学的相关课程。 她表示，科学领域是一个相当广阔的世界，她希望理解数学的同时理解生物医学。 ******△**来自MIT News 博士申请上，据说她也是横扫普林斯顿、斯坦福、哈佛、麻省理工……最终选择了斯坦福大学，在主修数学的同时还辅修了法律学，可以说是兴趣相当广泛。 在斯坦福期间，她发表了关于弹出堆栈排序算法等主题的研究成果，并且持续探索数论方面的工作。 并且涉猎了**数学与深度学习相结合**的跨学科研究，在Sainsbury Wellcome中心的盖茨比部门进行过人工智能和机器学习研究，当时还满怀憧憬地说道： <blockquote></blockquote> 人工智能与科学家互动的未来会是怎样？应用科学家如何与之互动？这都是我接下来希望研究的课题。 值得一提的是，洪乐潼在一些报道中透露，她本来以为自己可能从事量化、金融相关领域的工作。但在MIT时，她逐渐发现数学研究真的很有意思。 如今来看，她现在选择创业也是一种call back了。 参考链接： [1]https://www.theinformation.com/articles/stanford-math-phds-ai-startup-targets-300-million-valuation [2]https://www.mit.edu/~clhong/ [3]https://x.com/CarinaLHong [4]https://www.forbes.com/sites/johnwerner/2025/04/24/a-discovery-every-day-what-does-superintelligence-actually-look-like/ [5]https://alum.mit.edu/slice/first-generation-grad-excels-math-and-law [6]https://news.mit.edu/2021/carina-letong-hong-2022-rhodes-1117 [7]https://www.ams.org/news?news_id=7108 [查看评论](https://m.cnbeta.com.tw/comment/1504322.htm)

据EEnews europ报道，英国半导体IP大厂Arm的最新披露的财务文件揭示了产品品牌重塑战略，计划向客户提供自研芯片，同时还提及了对中国市场的依赖和RISC-V所带来的竞争风险。在此之前，该公司实现了首个季度（截至2025年3月31日的2025会计年度第四财季）营收突破 10 亿美元的里程碑，整个2025财年的营收将突破 40 亿美元。  **放弃Cortex品牌，推出5大全新品牌** Arm公司已经决定放弃使用了近20年的Cortex品牌，转而采用全新的产品命名体系，分别为面向基础设施市场的Neoverse、面向PC市场的Niva、面向移动市场的Lumex、面向汽车市场的Zena和面向IoT市场的Orbis五大品牌，而这五大品牌都引入了 Arm 计算子系统 （CSS）。Mali 将继续作为 GPU 品牌，并将该系列 IP 作为平台内的组件引用。 Arm 还将采用 Ultra、Premium、Pro、Nano 和 Pico 等名称来显示性能等级（例如Cortex-X925 的继任者可能会被称为 Lumex Ultra 1 ），称这将使开发人员和客户更容易了解其路线图，这意味着 Cortex 和 Corstone将不再用于未来的内核和计算子系统（CSS） 。  △Arm在今年5月中旬的官方新闻稿中也披露了这一消息。 “这种平台优先的方法反映了在系统级别向 Arm 计算平台的快速转换，而不仅仅是核心 IP。它使我们的合作伙伴能够更快、更有信心、更系统地集成我们的技术，尤其是在他们扩展以满足 AI 需求时，”Arm首席执行官 Rene Haas 说。 不过，Arm也承认，这些新的品牌可能无法产生预期的好处。因为，最初重新命名的品牌不会像以前的品牌名称那样具有品牌知名度，这可能会导致买家混淆。 Arm还表示，它已经检查了品牌重塑不会侵犯他人的知识产权，但可能会无意中侵犯他人的知识产权，并且公司可能无法获得足够的知识产权保护（比如某些品牌商标可能在部分国家和地区已经被其他企业注册）。 **未来计划向客户提供芯片** 正如之前传闻的那样，Arm公司似乎正计划改变其商业模式，进军芯片设计市场，为其大客户提供由Arm自己设计的芯片。 在2024年12月，Arm与高通的关于技术授权问题的诉讼庭审当中，高通就指控称，Arm正在为客户端和数据中心处理器以及其他用例提供Arm计算子系统（CSS），存在与客户竞争的嫌疑。同时，高通的法律团队出示了Arm 首席执行官 René Haas为 Arm 董事会准备的一份文件，表明Arm还在考虑设计自己的芯片直接提供给客户，这将使其成为包括高通在内的客户的主要竞争对手。 René Haas当时驳斥了这些说法，称虽然 Arm 正在探索各种商机，但Arm不制造芯片，也从未涉足过这个行业。 2024年12月，高通还在针对Arm反诉当中修改了对 Arm 的指控，增加了更多关于 Arm 违反许可协议的指控，并指责 Arm 有意生产与自己的竞争芯片，从而“歪曲”了双方的关系。 高通在法庭文件中声称，Arm“早在2024年11月就试图从其客户中招聘高管”，而招聘人员还专门告诉其中一位高管，这个新职位将有助于 Arm“从单纯设计处理器架构（IP）转型为销售自己的芯片”。 今年2月，英国《金融时报》也曾爆料称，Arm正在开发自己的芯片，首款自研芯片最快会在今年夏天推出，将由台积电代工，Meta可能将会成为首批客户之一。 EEnews europ称，Arm公司也首次承认，其正计划向客户提供自己设计的芯片，但此举可能会与其现有的一些大客户构成竞争。数据显示，目前Arm大约56%的营收都是来自于其前五大客户。 “我们将来可能会为某些现有客户和其他第三方（包括软银集团的附属公司）提供各种用例和终端市场的芯片咨询或设计。”Arm表示：“与任何进入新市场或提供新产品或解决方案的公司一样，我们将与拥有更成熟业务、长期客户关系和成熟品牌知名度的公司竞争。由于我们的资源必须分配给开发和维护我们现有的 IP 组合，以及开发和商业化任何新的、集成度更高的计算产品或解决方案，因此将精力集中在单个产品或解决方案或有限数量的产品或解决方案上的公司可能比我们拥有更多的财务、技术、制造、营销、销售和分销资源专门用于此类市场和解决方案。” 基于此，Rene Haas指出：“客户或合作伙伴可能会终止或大幅减少与我们的关系，并从竞争对手那里寻求替代架构或产品。因此，在我们寻求进入任何新市场或提供任何新产品或解决方案的范围内，我们可能无法实现我们预期的金额、预期的时间表或根本无法实现此类变化的预期财务利益。” 值得注意的是，Arm 的母公司软银集团还在今年 3 月宣布以65亿美元收购了Arm服务器芯片设计厂商 Ampere。未来，软银集团是否会将Arm的自研芯片业务与Ampere进行整合仍有待观察。 **中国市场面临的风险** 近年来，随着中美贸易战的持续升级，美国的出口管制政策限制了Arm公司的部分IP的对华出口。例如用于 AI 数据中心芯片的 Neoverse V 系列高性能内核和一些小芯片IP。本月早些时候，英国政府更新了其出口管制，以匹配美国对高性能计算内核的出口管制。这也将直接影响到Arm在中国市场的营收。 _（注：Arm 于 2020 年 9 月将面向基础设施的Neoverse系列CPU核心设计分为三个系列，分别为V系列高性能核心（具有双倍向量引擎）、N系列核心（专注于整数性能）、 E系列核心（入门级，重点关注能源效率和边缘的芯片）。目前Arm E系列和N系列有向国内厂商进行授权，但是最高性能的V系列因出口管制问题，并未向中国客户开放授权。目前，Neoverse V3 内核（现在的 Zena）在自动驾驶方面也越来越受欢迎。）_ 即便如此，安谋科技（Arm中国）也仍是Arm的最大客户，贡献了Arm约17%的营收（2023财年时这一占比曾高达24%，当时中国市场贡献的总营收占比为25%）和近一半的特许权使用费。 “在截至 2025 年 3 月 31 日的财年，来自移动应用程序处理器的专利费收入约占我们专利授权费收入的 46%。其中有很大一部分收入来自中国市场，这使得我们特别容易受到影响中国的经济和政治风险的影响，比如美国或英国与中国之间在贸易和国家安全方面的紧张关系可能会加剧这种风险。” 报告还指出，由于贸易和国家安全政策的影响不确定，以及私营和国有企业的高债务水平，中国半导体行业的近期增长前景尚不明朗。 目前，几年前为了推动Arm顺利上市，Arm母公司软银集团已经将Arm持有的安谋科技的股权剥离出来转入了其专门成立的一个子公司Acetone当中，所以目前安谋科技属于软银集团下属的合资公司，而不再是Arm的合资子公司。Arm首席执行官 Rene Haas 是 Acetone 的指定负责人。 **RISC-V带来的竞争风险** Arm公司还在报告中特别强调了多家芯片大厂成立的基于开源的RISC-V指令集架构的欧洲芯片合资公司Quintauris GmbH所带来的竞争风险。 2023年8月，全球五大半导体大厂高通、恩智浦、博世、英飞凌和Nordic就宣布将联合成立了一家公司，旨在通过支持下一代硬件开发来推动 RISC-V 在全球的应用。随后Quintauris于2023 年 12 月正式成立。2024年9月，欧洲芯片大厂意法半导体（STMicroelectronics NV）也正式宣布已加入Quintauris，成为其第六大股东。 Quintauris公司将作为单一来源来支持基于 RISC-V 的兼容产品（避免碎片化）、提供参考架构并帮助建立行业广泛使用的解决方案。虽然该公司最初的应用重点将是汽车领域，但最终将会扩展到移动和物联网领域。而这无疑将会对Arm带来强力的竞争威胁。 “我们当前和潜在的竞争对手也可能受到更有利的监管制度的约束或建立合作关系。”Arm表示，“例如，2023 年 8 月，我们的一群客户和其他竞争对手宣布成立一家合资企业，旨在加速 RISC-V 的采用。如果我们的竞争对手建立合作关系或相互或与第三方进行整合，例如前面提到的专注于 RISC-V 的合资企业，他们可能会拥有额外的资源，使他们能够更快地开发与我们的产品直接竞争的架构和其他技术。” 值得一提的是，高通也是Quintauris 公司的主要发起者和股东之一。去年，高通推出了基于Arm指令集授权研发的自研Oryon CPU内核，并将其应用到了自己的面向PC的骁龙X系列处理器、面向移动端的骁龙8至尊版处理器和面向汽车的Snapdragon Cockpit Elite（骁龙座舱至尊版）和 Snapdragon Ride Elite（骁龙Ride至尊版）平台当中。这也意味着，高通未来向Arm购买新的IP核的专利授权需求将会越来越少。 为了阻止高通脱离掌控，Arm去年还起诉了高通，认为高通从起收购的Nuvia公司那里获得其架构许可协议 （ALA） 是违反合约的，需要重新获取授权。但是在去年12月，美国法院认定高通未违反与Arm的许可协议。随后在今年2月，Arm撤回了针对高通的违约指控。 高通还在去年12月对Arm提起了反诉，指控Arm“拒绝以商业上合理的价格提供现成内核的许可”，未能履行两家公司之间单独技术许可协议（TLA）条款规定的义务，声称这违反了两家公司之间协商的许可条款。 高通举例称，该公司表示已于 2024 年 4 月提交了续签Cortex-A720 和 Cortex-A520现成内核许可的请求，但尽管在接下来的几个月里反复跟进，Arm 仍拒绝为这两个内核提供许可。 另据彭博社报道，今年3月，高通还在全球对Arm发起了反垄断诉讼，指控Arm在运营开放网络20多年后，通过限制对其技术的获取损害了竞争。 对此，Arm则回应称，“任何反竞争行为的指控都只不过是高通贬低事实真相并扩大双方持续商业纠纷，以谋求自身竞争优势而采取的孤注一掷之举。” [查看评论](https://m.cnbeta.com.tw/comment/1504320.htm)

据 Mozilla 在博客中发布的消息，日前该基金会为火狐浏览器的附加组件商店 (即 Firefox Add-ons) 添加新的安全功能，该功能可以自动检测扩展程序是否存在恶意窃取用户加密货币钱包的行为。  美国联邦调查局 (FBI) 互联网犯罪投诉中心平均每年收到 83.6 万起投诉，涉及各种网络诈骗。（来源：2024 年 FBI 犯罪报告） 这个新的安全评级政策主要适用于加密货币钱包类的扩展程序，当开发者提交加密货币钱包类的扩展程序时，Mozilla 会自动为其创建风险评估报告，当风险超过某个阈值后就会自动触发警报。 触发警报的扩展程序会被转到 Mozilla 工作人员进行人工审核，审核人员会进行详细检查并进行判断，如果认定这个扩展程序存在风险则会将其从附加组件商店中删除。开发这个新系统主要是因为当前存在大量的恶意扩展程序用来窃取用户的加密货币钱包信息并盗窃用户的加密货币，此前已经发生过多起类似事件，即恶意扩展程序冒充知名钱包诱导用户输入种子或助记词然后对钱包进行洗劫。  对于加密货币领域的非专业用户来说，参与各种所谓的空投或者赚取奖励都可能要求安装扩展程序并连接自己的钱包，攻击者利用这种方式可以轻易骗取助记词并盗取用户的加密货币。 负责扩展程序内容安全和审核工作的是 Firefox Add-ons 运营经理 Andreas Wagner，他表示在过去几年里他的团队已经发现并删除了数百个类似的恶意扩展程序： 这就像一场持续不断地猫鼠游戏，恶意开发者总是试图绕过我们的检查策略。对于加密货币投资者，检查你的加密钱包网站看看他们是否有官方扩展，并且只使用加密钱包网站提供的链接下载地址。 [查看评论](https://m.cnbeta.com.tw/comment/1504318.htm)

6月4日消息，此前在奥运赛场上“大放异彩”的跨性别拳击手伊曼·哈利夫近日被正式确认为男性。据悉，此项调查来自2023年新德里世锦赛前的相关测试，是对世界拳击组织近期要求哈利夫接受性别筛查的回应。 而更有消息指出：国际奥委会早在一年前，即2024巴黎奥运会之前就收到警告，称哈利夫身上有“男性”DNA，同时告知了前文中提及的新德里世锦赛赛前测试结果——哈利夫也正是因为这场测试而被取消了世锦赛资格。但国际奥委会依然坚持让哈利夫上场并参加女子拳击项目。 根据3Wire Sports披露的消息，测试文件中将哈利夫的测试结果概括为“异常”，并指出哈利夫的染色体分析报告显示其为XY，即男性。 [](//img1.mydrivers.com/img/20250604/8197f49e47554c0e9cf2effbcb5aa842.jpg) **该检测结果获得了新德里拉尔·帕斯博士实验室的署名证实，同时获得了美国病理学家协会的认可，以及瑞士ISO认证——这些不利信息都对国际奥委会发言人马克·亚当斯的说法发起了挑战：当时在巴黎奥运会上，亚当斯在新闻发布会中称哈利夫的检测结果“临时”且“不合法”。** 目前，虽然国际奥委会没有正式下发通知，但世界拳击组织态度极为坚决并且已经裁定：哈利夫必须在赛前接受同样的染色体检测，否则“无法以女性身份参与接下来的所有相关赛事”。 在2024年巴黎奥运会上，哈利夫以强大“实力”成为女子拳击冠军。其首战面对意大利新星选手安吉拉只耗时不到30秒即宣告胜利——后者在赛后表示她在两人的对拳中意识到对方巨大的身体优势，因担心自己的“生命安全”，她被迫选择认输。 [](//img1.mydrivers.com/img/20250604/1a1b474bfe134ec695880a41fa4d24f0.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1504316.htm)

调研一家公司，除了常规的财务等一般方法外，还有很多奇葩的方法：比如UBS曾经就利用卫星图像分析沃尔玛停车场的车辆流量，用来估算其季度销售额；比如不少VC在投资某个App前会一页一页去翻AppStore和Google Play的真实评论；本质上，以上这些方式都是通过另一个维度获取交叉的增量信息，在信息论中称之为“等价信息”。**今天，我们也从另一个有意思的角度——“招聘”来看一看微信这个国民产品最新的策略与背后的逻辑。** 在这个分析中，我们既可以看到微信训练大模型方向的蛛丝马迹，也可以看到微信做AI Agent的可能切入角度，还可以看到小程序业务反直觉的某些招聘迹象。 一、如何从公开数据中寻找有价值的增量信息？ 腾讯招聘的官网所有人都可以自由浏览，无需登录，且提供了事业群、岗位类型、岗位城市等多个维度的信息筛选。 想要知道微信在招什么人，只需要在事业群中选择“微信WXG微信事业群”、在类型中选择“社招”，全部岗位信息就一览无余。 以这次研究的5月27日为例，全部岗位信息为170个。  点击每个岗位，可以非常清楚地看到岗位名称、职责、要求、城市等最细颗粒度的信息。 很显然，要进行深入的分析，我需要获取其全部数据，这时候AI Agent的作用就体现出来了。 我分别使用了Manus、天工、扣子空间、MiniMax、Genspark、Fellou、flowith等一众Agent工具齐上阵，成功获取了这170个岗位的全部信息。（这些Agent一言难尽的体验会在文末简要提及。）  这些数据之所以是公开而详尽，原因在于要想提高招聘效率，就需要减小与应聘者之间的信息不对称。 因而公开、详尽的岗位信息就成为必要选项。 这就给了我们通过公开的招聘信息反推业务提供了一条可能的通道，通过各个维度的分析，我们一起来看一看微信招聘背后的增量信息。 二、拿起放大镜之前，先从整体上感受一下微信招聘 在深入分析不同招聘模块之前，我们先从总体上对这个数据进行一个简要概览。 第一、从数量来看，微信招聘的岗位为170个。 注意：这并不代表实际规模，因为我们并不知道每个岗位到底招多少人，但我们依然可以横向对比。 170算多还是少呢？ 这可以从横向对比看（纵向不同时间的对比数据或许更有意义，但这次木有，大伙感兴趣可以持续跟踪）：PCG平台与内容事业群是44个，CDG企业发展事业群是118个，TEG技术工程事业群184个，CSIG云与智慧产业事业群592个，IEG互动娱乐事业群是1071个。  这个数据有很多解读方向，它反映了不同部门的业务特点、人员规模、人效、稳定性等，这并非我们今天讨论的重点，大家可自行解读。 一个补充信息是，腾讯在Q1电话会上说：“我们并未看到员工数量有显著增加，将继续严格控制人员编制。” 第二、从业务线看，不同部门差异较大； 企业微信、微信小店、微信搜索是招聘职位数量最多的3条业务线。 我们当然没办法直接按招人规模排序来反推业务线重要性，毕竟招聘代表的是增量重要性而非存量重要性。 但可以推断招人多部门很显然有非常多嗷嗷待哺的需求等着补充人手。  第三、从Base地点看，主要在广州，其次为北京、深圳、成都； 这很容易理解，广州是微信总部，北京有着AI、算法等人才高地，而深圳是腾讯总部，成都则有着人力成本等显著优势，海外则主要为微信支付的落脚点；  OK，有了以上宏观层面印象，我们进入今天的重点，即我们可以从这份颗粒度极细的招聘数据中得出哪些有价值的结论。 三、微信拥抱AI的力度和范围，远比大众以为的要广泛深入 从直观看，微信拥抱AI的节奏算不上快，毕竟外界感知最明显的动作是两个： 第一、微信在搜索中接入DeepSeek。 第二、是元宝引入微信通讯录。 而这两个动作本质上其实只是加入了一个入口，并没有和微信众多核心功能进行深度打通。 一个小的证据是，今年Q1财报发布后，腾讯官方公众号的宣传物料中，关于微信拥抱AI所列的进展，也仅仅只列出了三条：  然而，当我们深挖微信的招聘信息的时候，就会看到一副截然不同的景象——微信可以说在以空前的力度全面、深刻地对业务进行AI化改造： 1. 在所有170个岗位中，有50个左右的岗位直接和AI相关，还有30个左右各属于大数据、推荐等泛AI业务。 2. 这些新增AI岗位几乎涉及微信所有的部门，也就是说微信并不是哪个模块率先推进AI、重点推进AI，而是几乎每一块业务都在招大模型相关的人： 从视频号到微信小店、从企业微信到微信搜索，就连微信安全也有“大模型风控算法工程师”这样的AI岗位。   这个更颗粒度的分类可以看得更清晰一些 3. 很多人会认为微信会直接用混元大模型，但事实上，从招聘信息看，微信发布的岗位就包含了多个微信基础大模型的岗位。 这些岗位涉及预训练、后训练、强化学习等核心技能，而非简单的SFT、推理等应用方向。  有些岗位的描述中还出现了“熟练掌握CUDA性能优化手段，有算子编写优化项目经验者优先”的要求。 可以看到，微信推进大模型的技术方向已深入模型训练的底层。 的确，我们依然无法从以上信息直接判断微信在大模型层面具体如何和混元团队分工与合作。 但至少可以确定，由于具体业务的复杂性，微信有自己的基础大模型训练相关的业务。 尽管并不清楚这个基础大模型和混元的相关模型在定位、规模、投入上有哪些差异。 4. 在“大模型业务后台开发工程师”这个岗位描述中，已经有“负责微信AI大模型智能体平台的后台开发工作”、而在“基础大模型算法研究工程师”的岗位描述中，也有涉及Agent开发的相关描述。 可见，微信版的Agent也已经在路上了，至于是一个Agent平台还是具体的Agent产品，我们拭目以待。  5. 在“微信-客户端开发工程师-AI方向”这个岗位描述中，有“研究微信端侧小模型的部署、工程应用或优化”的表述。 说明微信会不仅会训练云端大模型，也会在端侧小模型上发力。 6. 微信对大模型的拥抱力度是一个非常值得观察的视角。 在微信创立的早期，龙哥对算法介入社交似乎非常谨慎，当时朋友圈、公众号永远自然排序，当时微信没有任何推荐、猜你喜欢、热门等痕迹。 印象中直到2019年之后算法分发才逐渐介入微信的不同体系，我当时还专门写了一篇长文《为什么微信终于开始拥抱算法分发了？》进行了分析。 而很显然，今天的微信已经截然不同、脱胎换骨。 我认为，这也是龙哥行走江湖的重要特点——有自己的体验哲学和产品坚持，但从不拒绝与技术大潮共振。 三、招聘分析：企业微信 这可能是这些招聘信息中最大的反直觉。 事实上，无论是刚刚发布不久的腾讯财报披露以及电话会议还是企业微信在业界的发声频率，我们看到企业微信近期的曝光度其实都不算高。 然而，从招聘信息看又是另一番截然不同的景象——作为这次招聘中岗位最多的部门，企业微信在招聘范围的广度和数量都明显多于其他部门。  具体而言岗位横跨前端、后端、算法、产品经理、客服、商务、市场、客户端、设计等几乎所有链条。 而AI岗位又占了其中绝大部分，比如其中“深度学习算法工程师”就细分了LLM、RAG、AI搜索等多个方向，且该岗位广州、成都、北京都在招。 很显然，企业微信在推进AI层面在加速。 作为微信的重要部门，企业微信原来肯定是有完整链条的业务团队的，而目前几乎全链路所有岗位都在招聘，则折射出腾讯对企业微信的投入可能有较大概率在加码。 而这其实也容易理解，由于没有时间上的先发优势，企业微信和钉钉在数据上存在一定差距。 而企业微信早期在体验上曾经是被吐槽过的，这几年在基础体验上不断优化已经跻身前列。 但要想弯道超车，AI无疑是一个有杠杆的机会点，而飞书和钉钉在AI层面的激进策略也是企业微信大力度应战的重要因素。 以下是企业微信招聘的几个值得关注点的细节： 1. 从商业拓展经理、商务推广经理的招聘要求看，企业微信重点在招零售行业、工业行业、教育行业、公立医疗行业。 比如医疗行业岗位，要求“持续在卫健委、医院、基层公卫等群体发现新的场景和机会。”  2. 企业微信的岗位中有“增长产品经理”和“整合营销经理”。 其中前者岗位描述中“主要负责企业微信大盘新增，探索有效的拉新手段”。 后者则涉及“通过内容营销、KOL/媒体/名人合作等方式建立行业影响力”等营销策略。 可以看到，企业微信目前对增长依然极其渴望。 四、招聘分析：微信小店 接下来到了微信业务的重头戏——微信小店，之所以说是重头戏，是因为其承载了腾讯这家公司的电商梦想。 事实上，从招聘信息我们也能看到不少微信做电商的诸多策略与逻辑： 1. 微信小店的所有岗位是31个，数量在所有模块中位列第2。 和微信搜索全是技术岗不同，微信小店31个岗位中有19个是产品策划、产品运营等非技术岗位，这也符合电商这一业务的基本属性。  2. 微信电商相关的业务还部分潜藏在其他招聘模块中。 实际上，除了小店31个岗位外，涉及微信电商业务的还有“视频号”、“微信安全”、“微信搜索”等其他模块中和交易有关的5个岗位。 所以，从这个意义上，微信电商相关的36个岗位才是所有模块中招聘岗位最多的。 3. 微信小店通过多个岗位补电商的课。 涉及商品基建（价格、数据）、资金管理、AI应用、推荐、物流、第三方生态准入、交易治理、品牌商家运营、直播、数据分析等全链路岗位。 这既说明了电商业务的高度复杂性，也说明之前电商经验不多的微信团队目前处于全面补课阶段。 4. 依然是微信熟悉的“顶层设计”打法。 尽管微信小店的大部分岗位为非技术岗，但细看就会发现，这些岗位并非“招商”、“促销活动”、“小二”等重运营岗。 而更多的是“产品运营-治理运营方向”、“产品运营-商品基建（数据方向）”、“产品策划-AI应用方向”、“商家管理产品策划-商家策略与应用建设”这样顶层设计的岗位。  具体干的活也是“负责微信小店品牌商家的整体策略制定”、“负责退货逆向物流全流程体验设计与迭代”、“负责小店用户服务保障体系搭建与优化”、“建设平台客服的基础工具和API接口”这类体系化、产品化的工作。 说明微信依然希望通过其一向“重产品、轻运营”的思路来推电商业务。 5. 所有小店的岗位全部在广州。 这一点还略显意外的，要知道，抖音等其他电商后来者不少是直接在杭州、上海建电商团队的，这也折射出微信电商注定会采取不拘一格的打法。 6. 一个有意思的细节。 在“产品运营-商品基建（数据方向）”这个岗位中，职责有一条是“负责业务爬虫项目的产品规划和推进，确保爬虫项目按期上线并满足质量要求”。 在之前，微信的电商更多是自下而上的散养状态，有过混乱期： 比如交易模块就先后经历过微信小商店、视频号小店、小程序商城等多种形态。 再比如电商业务的分工之前就涉及视频号团队、微信广告团队、微信支付团队。 如今电商的战略地位提高，交易模块收敛到微信小店，团队收敛到新组建的电商团队，这是一个熵减的过程。 然而，电商本身就是一个高熵的业务，它是一个重活，链条非常长，履约的环节极其多，信息流、物流和资金流互相交织，错综复杂。 我的一个判断——微信团队长期以来依靠顶层设计构建产品杠杆的策略，大概率不会像小程序、视频号这样的纯线上业务那样立竿见影。 微信礼物就是一个例子，这是典型的“龙哥Style”，微信从来没有披露过微信礼物的数据，从直观感受看，它之于“微信电商”的势能要明显弱于“微信红包”之于“微信支付”。 好在微信护城河高、家底厚，龙哥有充分的时间来啃下这块硬骨头，我的推演是：电商业务，脏活累活逃不掉，龙哥大概率还是会用他的方式来干脏活累活。（关于微信擅长打持久战的能力参见我之前的分析长文《微信有一种罕见的细水长流的能力》） 五、招聘分析：微信搜索 在我的日常使用中，除了最高频的用Chatbot当搜索，最常用的三个搜索分别是微信搜索、小红书搜索以及抖音搜索。 从启动soso到并购搜狗，腾讯的搜索之路漫长而艰辛，终于到微信搜索柳暗花明。 微信的“搜一搜”其实启动很早，用流行的说法就是一直在“猥琐发育”，我尝试梳理从2018年微信事业群正式成立搜索应用部门起微信搜索的一些重要节点：  的确，作为腾讯构建新一代搜索的桥头堡，微信搜索堪称搜索界的“瑞士军刀”。 而眼下正是新搜索混战“拼技术、拼心智”的关键时期，自然在招聘规模商业也能得到直观体现。 1. 微信搜索的岗位在170个所有岗位中占了27个，比例非常高，横跨多个细分方向。 关键词如下——LLM、多模态、强化学习、搜索Agent、问一问、小店内容场景、个性化推荐、百科。  2. 值得一提的是，微信搜索的这27个岗位，全部为技术型岗位。 这其实也说明了新一代搜索的探索本质上还是一个技术驱动的赛道，产品、运营在其中的重要系数相对较低。 3. 一些边缘业务或许不边缘。 在“微信搜索-多模态算法”、“微信搜索-算法工程师-个性化推荐/搜索”两个岗位中，分别看到有“参与微信搜一搜表情业务多模态搜索和多模态生成算法工作”、“参与微信搜一搜表情业务个性化推荐/搜索方向算法优化工作”的描述。 在很多科技从业者看来，表情或许没有那么重要，但不要忘了微信是一个全民应用。 为什么微信之前要搞炸弹炸屎？ 就是因为斗图是年轻人的刚需啊！ 刚需到微信要专门新招两个算法工程师来优化表情搜索。  4. 在这次招聘的全部岗位中，仅有微信搜索的两个岗位在名称中直接有Agent，分别为“搜索Agent后台研发工程师”、“搜索Agent算法工程师”。  腾讯在Q1财报电话会上其实预告了微信会做Agent这件事，具体方向是结合微信生态独有特点推出差异化的Agent，但并没有给出时间表。  从招聘的角度看，这两个岗位尽管并不能说明微信后续的Agent产品一定就是和搜索直接相关的Agent，比如推出微信版的Deepresearch。 但有一点可以确定，搜索必然在微信的Agent中占据重要位置。 从岗位职责4条有2条出现“探索”看，微信自己或许也没有想得很清楚——先招点人来一起探索。 六、招聘分析：视频号 尽管是腾讯“全村的希望”，但视频号在这次的招聘中人员并不算多，共15个岗位。 我猜测是视频号作为一项已经开工好几年的战略业务，关键核心岗位必然已经非常齐全，因此增量补充的需求并不大，以下是一些看点。  1.“推荐”依然是视频号的核心。 推荐相关的岗位在15个岗位中占了8个，包括短视频推荐和直播推荐，毕竟推荐效率关乎业务核心——DAU和用户时长，决定了其与抖音、快手竞争的基本盘。 在视频号相关的15个岗位中，可以看到视频号推荐技术的前瞻方向——“LLM4Rec、推荐大模型、生成式推荐等”。 2. 大模型和视频号结合将更加紧密。 比如有岗位还提到“探索大模型在主播侧业务中的创新应用”，视频号也在探索多模态大模型和红点推送、本地生活、推荐系统、文案创意生成等多个环节融合。 3. 在“微信视频号-审核资源项目管理”这个岗位描述中，可以看到微信的审核团队是分很多个层级的：“跟进不同审核资源（项目外包、自有外包、子公司）的人员对接、业务验收”。 从影视飓风的Tim控诉视频号审核看，审核对于视频号推进业务而言的确是一个不小的挑战，以至于它需要专门招一个项目管理的岗位来处理复杂的审核架构。 七、招聘分析：小程序&amp;小游戏 小程序是这次招聘中明星模块中招聘岗位最少的。 仅仅为三个岗位，分别为“微信小程序-后台开发工程师-行业功能方向”、“小程序-后台开发工程师-教育平台”、“小程序-前端工程师-教育方向”。 说实话，这还挺出乎我意料的，在我之前的推演中，小程序作为“微信操作系统”的重要模块，按理说会在微信未来的AI Agent探索上发挥重要作用。 毕竟Agent的核心要素中极其关键的是“调用工具”，而小程序就是微信能调用的最多元、最紧密的工具，应该是最需要高优先级AI Native化的。 然而，从招聘信息中我们看不到这个方向的工作，以下是我个人基于现实的猜想—— 1.小程序是微信最成功的顶层设计之一，当初是龙哥亲挑骨干启动的，有着极为优秀的顶层架构。 因此，它大概率可扩展性极强，强到可能内部骨干开发一个类似MCP的插件，就可以实现和微信AI Agent的有机交互。 而这项同属顶层设计的工作，微信本身就是王者，不需要从外边招人。 2.小程序是一个类AppStore的架构，它作为平台其实没办法直接干预小程序开发者本身的功能与AI化，因此它做的是上帝视角的事，并不需要太多人去干具体的活。 3.腾讯云在开发者工具这一块也针对小程序做了不少相应的工作，我猜测是不是一定程度上也减少了微信自身重复造轮子的压力？ 当然，我们也能从招聘中看到一些小的细节，比如行业方向方面——“负责小程序境外交易、车载智控，医疗创新、教育优惠等创新功能的开发和维护”。 的确，我自己就在蔚来的车机上看到了小程序在智能座舱上的应用，尽管实际体验一般，但它至少证明了小程序架构的高度可扩展性。 八、招聘分析：其他岗位 1. 海外，总共有13个岗位分别位于新加坡、加州、东京等，其中新加坡最多。 大部分岗位为WeChat Pay相关，侧面反映了微信海外的主要方向是优化华人和出境游用户的支付体验。  2. 微信安全有7个岗位，既有涉及视频号直播相关的内容安全，也有涉及商品的交易安全，还有账户、消息、客户端相关的基础安全。 这从一定程度上折射出微信作为国民应用所面临的巨大安全压力。 3. 微信输入法和微信读书，这两款产品从招聘上看是放在一起的，应该属于一个团队，其中微信读书的算法岗有“超长上下文方向”，甚至还涉及Agent。 看来一直有阅读情节的龙哥会让微信读书在AI时代继续保持与时俱进的更新。  4. 微信支付7个岗位涉及海外支付、信贷风险、银行合作、营销推荐等，小游戏涉及安全、数据分析、推荐方向。 这两块比较常规，没有什么新增信息量，按下不表。 九、关于微信招聘的一点小的感悟 在浏览这些岗位要求时，我的一个比较深的感触就是：在岗位描述中，微信和其他公司相比，非常注重“元能力”，经常出现“负责新技术框架的探索和研究”、“跟踪业界最新研究成果”、“探索下一代引擎的发展方向”、“保证搜索技术和体验业内领先”、“担任方向owner”。 而在岗位要求中，也经常出现“强烈的好奇心和探索欲，有不做好不罢休的胜负欲”、“擅长共情与思考”、“具备创业精神”、“有想象力”等抽象表达。 从这个意义上，微信很显然希望给应聘者传递这样一个信息——“我们找你来不是让你搬砖的，而是让你来盖教堂的”。 根据我从部分微信在职和离职的同学得到的信息，微信在很大程度上是践行了这个理念的。 为什么微信能一直保持高人才密度？ 上面这些信息或许可以提供一个值得探讨的视角。 十、通用Agent在研究中的实际体验 关于Agent体验部分，我试用了目前市面上我看到了一些通用型Agent来跑这个任务，包括Manus、天工、扣子空间、MiniMax、Genspark、Fellou、flowith等。 但实际的体验大部分并不理想，在尝试多次之后Manus成功获取到了数据，几点体验总结如下： 1. 几乎所有的Agent有比较强烈的偷懒倾向。 比如天工只获取了10个岗位就开始一通分析，再比如MiniMax的Agent非常搞笑，获取9个岗位之后开始自己推断微信可能会招哪些岗位，然后谦虚地称自己的可靠性为“中等”，很幽默了！  即便是最终完成任务的Manus，也是在我多次补充对话后完成的。 因此，当我们和Agent交互时： 第一，提需求需要具体、明确、甚至规定好路径，默认它是一个木讷机械、不懂变通的实习生，比如这次我就让它去官网“逐一获取”。 第二，不要指望一次就搞定，多试几次。（PS：多试几次往往肉疼） 2. Agent的上下文长度在一些长程任务中依然是制约因素。 我的体验是，很多任务经常跑着跑着就断了，因此一个可行的方案是人为拆解任务分批跑。 比如我这次任务就是拆成“招聘数据获取”+“招聘数据分析”两个任务，尽管分析部分基本不可用，但好歹数据获取部分完成了。 3. 手感来源于使用次数。 判断哪些任务用Agent、哪些任务用ChatBot，哪些任务用联网搜索、哪些任务不用联网，哪些任务需要DeepResearch、哪些任务要用Think选项，哪些任务用哪个更适合的模型，需要反复地摸索实验建立手感。 我的一个小Flag就是，每周至少跑100个任务。 4. 调低预期但持续跟踪。 感觉目前AI Agent和自动驾驶的实践很像。在高速这种路况确定性高的场景，自动领航已经完成度很高，对应Agent中的搜索、DeepResearch、PPT等场景。 而在城市繁忙路段、乡村小路山路，则还在进化过程中，对应通用Agent的长尾场景。 前者确定性高，实际价值大，后者还在起步阶段，用户需要随时盯着，反而非常消耗精力，还不如自己开。 但无论如何，二者的共同点是：进化极快。 我猜，大部分人还是低估了Agentic AI接下来超预期的进展。 因此，我还会持续追踪，力求用前沿的Agent跑一些有趣、奇葩、思路清奇且没人会去跑的Case。 OK，以上就是这次用Agent研究微信招聘的全文，通过最小颗粒度的数据，我们能从不同的视角看到了国民App微信的另一些增量信息。 在继刚的“织梦师”社群的一次聚会中，网友“林克”分享了一个有意思的故事： 1903年一个叫Julius Neubronner的法国人突发奇想，把小型相机装到了鸽子的身上，结果拍到了让人惊叹的城市照片。 今天的大模型和Agent其实也是一只装了相机的鸽子，它可以让我们从完全不同的维度理解和重组我们看到的和我能做的事。 [查看评论](https://m.cnbeta.com.tw/comment/1504304.htm)

一文读完一周出海热点

The silver generation&#39;s resurgence underscores a broader structural divide: young workers increasingly opt for high-tech, flexible jobs, leaving labor-intensive industries starved for talent.

This is the first time for Nvidia to regain the top spot by market cap since Jan. 24, and the first time since March 25 that Nvidia has closed with a market value topping Microsoft&#39;s. Tuesday saw Nvidia&#39;s key supplier TSMC reaffirmed AI chip demand remain robust.