Google宣布，将在搜索业务的人工智能模式中推出对金融相关查询的数据可视化和图表的支持。该功能于上个月在Google I/O 2025 主题演讲中推出，允许用户使用自然语言提示分析复杂的数据集并创建自定义图表。  [Google解释说](https://blog.google/products/search/ai-mode-data-visualization/)，更新后的人工智能模式可以让你比较和分析特定时期内的信息。它会生成交互式图表，并为你的问题提供全面的解释。AI 模式利用 Gemini 的多模式功能和多步骤推理方法来理解问题的意图，同时访问与问题相关的历史和实时信息。 例如，您无需手动研究单个公司及其股价，而是可以使用 AI 模式比较特定年份不同公司的股票表现。图表生成后，您可以使用鼠标光标选择所需的时间段，并根据呈现的数据提出后续问题。这些用于财务查询的新数据可视化可供[在实验室中启用 AI 模式实验](https://labs.google.com/search/experiment/22)的用户使用。 AI 模式于今年早些时候在美国作为一项实验性功能推出。该功能是AI 概览的升级版，Google在最初的开发过程中与 AI 高级用户进行了密切合作。 它使用“查询扇出”技术横跨子主题和不同数据源执行多个相关搜索，然后将它们组合起来以得出全面的响应。 Google上个月更新了 AI 模式，使用最新 Gemini 2.5 模型的定制版本。它增加了几项新功能，包括深度搜索、实时功能、Project Mariner 的代理功能、全新的购物体验，以及通过链接Google应用添加个人情境的功能。 这家搜索巨头正计划将 AI 模式打造成其核心业务。该公司已开始测试该功能的广告，这些广告将出现在下方，并在相关情况下集成到 AI 模式的响应中。 [查看评论](https://m.cnbeta.com.tw/comment/1504904.htm)

《纽约时报》起诉 OpenAI 未经授权使用其新闻文章来训练大型语言模型。作为正在进行的诉讼的一部分，《纽约时报》最近请求法院要求 OpenAI 无限期保留所有 ChatGPT 用户内容。《纽约时报》的论点是，他们可能在数据中找到一些支持其诉讼的证据。  OpenAI 首席运营官布拉德·莱特卡普 (Brad Lightcap)针对《纽约时报》的广泛要求[发表了如下回应：](https://openai.com/index/response-to-nyt-data-demands/) <blockquote><p>这与我们向用户做出的隐私承诺从根本上相悖。它抛弃了长期以来的隐私规范，削弱了隐私保护。我们坚信《纽约时报》的做法是越权的。我们将继续就此命令提出上诉，以便我们能够继续将您的信任和隐私放在首位。</p></blockquote> OpenAI 已提交动议，要求地方法官重新考虑该数据保存令，因为无限期保留用户数据违反了行业规范及其自身政策。此外，OpenAI 还就该数据保存令向地区法院法官提起了上诉。 在 OpenAI 赢得上诉之前，它将遵守法院命令。法院命令所定义的内容将被单独存储在安全系统中，并且仅可用于履行法律义务。只有一支规模较小、经过审计的 OpenAI 法律和安全团队才能根据需要访问这些数据，以履行我们的法律义务。 截至 2025 年初，ChatGPT每周拥有超过 4 亿活跃用户，这项数据保留令将影响其中相当一部分用户。OpenAI 已确认，ChatGPT Free、Plus、Pro 和 Teams 订阅用户，以及使用 OpenAI API（未签署零数据保留协议）的开发者将受到此命令的影响。ChatGPT Enterprise、ChatGPT Edu 以及使用零数据保留端点的 API 客户将不会受到此法院变更的影响。 [查看评论](https://m.cnbeta.com.tw/comment/1504894.htm)

亚马逊图书部门数十名员工已被解雇。据[路透社](https://www.reuters.com/business/world-at-work/amazon-cuts-more-jobs-this-time-books-division-2025-06-06/)报道，亚马逊已确认将在 Goodreads 评论网站和 Kindle 部门裁员，受影响员工不到 100 人。亚马逊表示，近期在 Goodreads 和 Kindle 部门的裁员旨在提高效率并精简运营。 过去几年，这家零售巨头一直在各个部门进行裁员。首席执行官安迪·贾西 (Andy Jassy) 表示，裁员有助于公司消除官僚主义。 [](https://static.cnbetacdn.com/article/2025/0411/8d6ed1be12f032b.webp) 亚马逊发言人表示：“为了使我们的团队和项目更高效地运作，并更好地与我们的业务路线图保持一致，我们正在进行一项艰难的决定，即裁减图书部门内的少数职位。” 裁员最近影响了亚马逊 Wondery 播客部门、设备和服务部门、通讯部门以及店内员工。不过，亚马逊第一季度业绩显示，与 2024 年第四季度相比，该零售商增加了约 4000 个工作岗位。 新冠疫情平息后，许多公司开始裁减疫情期间招聘的数千名员工，以应对日益增长的需求。科技公司的裁员趋势至今仍然存在，而人工智能则加剧了这种趋势。 最新数据显示，2025年，141家科技公司约有62832名科技员工被裁员。此外，2024年，551家公司约有152922名科技员工被裁员。由于经济增长放缓、关税以及人工智能在企业中的扩张，预计裁员人数将进一步增加。 亚马逊也正加倍投入人工智能和机器人技术。该公司最近宣布成立一个新的代理人工智能团队，以开发用于机器人技术的代理人工智能框架。此外，The Information的一份新报告显示，亚马逊已开始测试用于包裹递送的人形机器人。 [查看评论](https://m.cnbeta.com.tw/comment/1504892.htm)

**阿里正式开源了通义千问3全新的向量模型系列Qwen3-Embedding（简称千问3向量模型）。**该模型以千问3为底座，专门为文本表征、检索和排序等核心任务进行优化训练，**相较于上一个版本，在文本检索、聚类、分类等核心任务上提升最高40%以上的性能。** 在MTEB等专项榜单中，Qwen3-Embedding-8B超越谷歌的Gemini Embedding 、Open AI的 text-embedding-3-large及微软的multilingual-e5-large-instruct等顶尖模型，拿下同类模型的最佳性能SOTA。 [](//img1.mydrivers.com/img/20250606/039d9ca8-8da4-46cb-b959-07113ea1036f.png) 向量模型可以看做是AI的“翻译器”，它可以将文本、图片等非结构化信息，映射（embedding）到机器更易理解的向量空间，再基于这些向量实现高效的信息分类、检索或排序。 基于千问3模型，通义团队通过对比训练、SFT、模型融合等方法，打造出全新的千问3向量模型，包含文本嵌入模型Qwen3-Embedding 以及文本排序模型Qwen3-Reranker。 [](//img1.mydrivers.com/img/20250606/746c1d53-7b93-4482-a001-f55d38208031.png) **同时，得益于千问3的多语言能力，千问3向量模型系列率先支持超100种语言，并涵盖多种编程语言，可实现强大的多语言、跨语言及代码检索能力。** 此次共有9款千问3向量模型开源，涵盖0.6B、4B 、8B等不同尺寸及GGUF版本，开发者可从中找到最符合需求的模型，自由组合模块，还可自定义向量或指令，实现特定任务、语言和场景的深度优化。 [](//img1.mydrivers.com/img/20250606/454b3c72-a19e-4b1b-adf2-4b936afbedf3.png) **目前，千问3 Embedding和Reranker模型均已在魔搭社区、 Hugging Face和GitHub等平台上开源，开发者也可直接通过阿里云百炼使用API服务。** 据了解，千问3大模型自4月29日开源以来，已揽获Artificial Analysis、LiveBench、LiveCodeBench、SuperClue多个榜单的全球开源冠军。 [查看评论](https://m.cnbeta.com.tw/comment/1504890.htm)

Intel正在采取强硬措施以提升其毛利率。**Intel产品首席执行官Michelle Johnston Holthaus在美国银行全球技术会议上表示，Intel将不再批准那些不能证明至少能实现50%毛利率的项目。** Holthaus指出：“这可能是我们之前就应该有的东西，但我们现在有了，所以如果产品不能实现50%或更高的毛利润，它就无法推进”。 其进一步称，如果未来不是50%或更高的毛利润，实际上你也不会分配工程师给它。 **Holthaus强调，Intel并不是期望或预测其所有业务都能达到50%的毛利率，但这是公司内部的一个目标数字。** Intel未来的所有路线图，包括Panther Lake和Nova Lake，目前都预计能达到公司期望的50%毛利率。 这一举措背后的主要推动力是Intel新任首席执行官陈立武，有报道称，陈立武“非常关注将毛利率回升至50%以上”这一问题。 为了实现这一目标，他还正在调查并可能取消或改变与其他公司的无利可图的交易。 据MacroTrends报告，Intel在2025年第一季度的过去12个月毛利率仅为31.67%，此前Intel的毛利率一直徘徊在60%左右，但在2022年第二季度跌破50%后，毛利率一直在下降。 **Holthaus预测，在未来几个月内，Intel内部将出现一场“拉锯战”，因为工程师和高管们将不得不在满足客户的需求和保持正确的成本结构之间找到平衡。** 她表示：“我们需要开发符合正确竞争格局和客户需求的产品，同时也必须具备正确的成本结构。这真的需要我们做到两全其美。” [](https://static.cnbetacdn.com/article/2025/0501/e39ad33f046b49c.webp) [查看评论](https://m.cnbeta.com.tw/comment/1504888.htm)

谍战618，玻尿酸和胶原蛋白打架。

2025虎啸盛典由中国商务广告协会指导，虎啸奖组委会和中国商务广告协会数字营销专业委员会联合主办，虎啸文化、添翼智库承办。首日共有40+合作伙伴、200+品牌、500+行业高管参与和见证，首日线上线下参与人数达近60W。

直播黄金时代落幕，斗鱼、虎牙们仍在“渡劫”。

文 | 张冰冰 编辑 | 阿至 36氪获悉，国奥科技（深圳）有限公司（以下简称「国奥科技」）近日宣布完成数千万元A轮融资，本轮融资由深创投投资，资金将主要用于扩大产能，以及加速高端半导体、汽车、机器人等领域的产品研发。 「国奥科技」成立于2018年，是一家专注于多自由度精密电机研发与制造的高科技企业，致力于为半导体设备、精密自动化等领域提供高精度运动控制解决方案，**2024年获评为深圳市专精特新中小企业。** 「国奥科技」自主研发的“一体式直线旋转电机”可实现二自由度微纳米定位，软着陆功能，精准力控达±0.01N，**可应用于半导体先进封装、高精度量测、3C、光声电精密贴装、协作及人形机器人等领域，多款产品已被半导体、3C头部厂商采用。** ## **一、抓住半导体设备国产化趋势，自研高精度电机已为多家头部客户供货** 在半导体等高端制造领域，电机是各类精密制造设备高效、稳定运转的关键。通过高精度的运动控制，精密电机可以实现微米甚至亚微米级别的定位和动态调整，确保复杂制造工艺的精准执行。例如，在半导体芯片的贴装过程中，电机能够实现芯片的精确吸取与放置，保障芯片制造的良率。 「国奥科技」创始人李思阳博士毕业于香港理工大学，研究方向为多自由度电机，毕业即创立「国奥科技」，希望把研究理论在实际应用中落地。 半导体设备国产化的大趋势，给了「国奥科技」进入市场的机会。**在李思阳看来，半导体设备有几个比较关键的要求——快、准、稳，从物理层面来说，这些要求是相互影响甚至相互矛盾的“不可能三角”。**传统国产设备与进口设备的差距，就在于难以兼顾这几个指标，往往需要在某个指标上妥协、降低标准。 「国奥科技」基于新型多自由度电机理论，设计了全新的技术方案。传统电机一个动子加一个定子，只能做旋转或直线一个维度的运动，「国奥科技」电机一个动子可以做双轴运动，既可以旋转，又可以直线运动。“当直线和旋转运动同时在一个电机中实现时，我们的执行精度就会更高。而且我们没有任何机械传动，机械连接全部采用直驱的传动方式，通过磁场变化来控制运动的速度、节拍、力。”李思阳总结道。  「国奥科技」LRHS5040和LRS1025产品 当然，再先进的技术方案仍需经过实际应用场景的验证，尤其在半导体设备领域，往往需要根据客户使用反馈进行二次开发。在应用研发过程中，几家头部客户为「国奥科技」提供了足够的技术支持。研发团队共同从结构端、材料端、生产端、装配端等供应环节逐个倒推，进行系统性优化。最终，**「国奥科技」产品在三个关键指标上实现突破：一是高速状态下的力控，8G加速度、1000毫米每秒运行速度状态下，能做到30克压力±3克的力控指标；二是输出轴的直线度稳定在±1μm；三是输出轴的径向跳动稳定在±1μm。** 2021年7月，「国奥科技」产品进入头部客户半导体封测线。在此基础上，「国奥科技」正在往半导体中前道工艺延伸，今年将针对半导体前道设备发布新的产品序列，将客户从后道设备厂向前道设备厂拓展。 ## **二、做应用型研发，拓展3C、新能源等领域市场** 围绕底层技术方案，「国奥科技」开始根据市场需求做应用型研发，瞄准以苹果供应链为代表的3C领域，用多自由度精密电机替代传统的伺服电机加丝杆的解决方案。在李思阳的描述中，从半导体到3C，是一种“降维”的产品规划：“这类产品以成本为考量，会降低一些精度要求和技术指标要求，因为这个行业确实不需要那么高的指标要求。” **然而，技术要求的放宽也意味着竞争门槛的降低，3C领域商业竞争更为激烈，价格之外需要比拼产品的一致性和稳定性。**据李思阳介绍，电机零部件装配工艺流程复杂，对各个加工件的精度确认也很关键，「国奥科技」在一次次产品试验和实际迭代中积累的know-how成为竞争壁垒，实现高质量状态下的降本。 李思阳预计，3C领域需求量大，随着相关产品的稳定量产，未来出货量将呈现几何倍数增长。**为满足产能需求，「国奥科技」2024年已在赣州布局第一个自有机加工厂和装配工厂，更好把控量产交付质量和项目成本。**  「国奥科技」无尘生产车间 除此之外，「国奥科技」正在推进新能源汽车、机器人、医疗等领域的产品研发。新能源汽车方面，和造车新势力合作研发新型技术，以满足新能源汽车一体式车身压铸及轻量化需求，实现国产替代，产品预计今年落地；机器人领域，从协作机器人、人形机器人到灵巧手研发一整套直线旋转双轴的模组解决方案，今年年底给内部客户送样；医疗领域，将根据市场需求逐步推进产品研发。 **从3C、新能源汽车到机器人，「国奥科技」的应用研发思路是贴近有刚性需求的市场。**“我们比较关心的是，这个需求到底是不是刚性需求。”李思阳进一步阐释，“比如新能源汽车制造就是个非常刚性的需求，已经在用进口方案，但价格特别贵。国产化能先做出来，而且还有技术优势，那就简单多了。” **未来规划上，「国奥科技」进入提升产能的关键时期，2025年销售收入预计同比增长100%以上，首要任务是扩产能，以确保产品的交付。**同时实现半导体中前道、新能源汽车、机器人等新业务线的产品突破。 ### **36氪未来产业** 「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/431p6UOAYM90wayHPfEDFA)，作者：张冰冰，阿至，36氪经授权发布。

跌到底将会是什么局面？

千元菌群检测值不值？避开肠道健康“伪科学”。

近段时间以来，**“0公里二手车”备受业内关注，多位大佬集中发声。**在今日开幕的“2025中国汽车重庆论坛”的全体会议上，长安汽车董事长、党委书记朱华荣发表演讲。他首先分享了长安汽车在企业经营、品牌向上、技术创新、全球化布局等方面的进展，同时指出，**当前的激烈竞争让长安的经销商、员工面临压力，可持续发展遇到挑战。** “长安汽车坚决反对无道德底线、无法律底线的恶性竞争，会坚守底线和原则，坚守质量安全，坚持依法合规参与全球市场的竞争。”朱华荣表态称。 朱华荣认为，中国汽车产业取得了一定的优势，但仍然存在几个问题： 市场品牌数量过多，产品过剩；过度夸大宣传，造成误导；**价格混乱，有蔓延海外趋势，零公里二手车出口到海外，对中国汽车品牌是极大的伤害**；部分资本，不以长期健康发展为目的。 值得一提的是，日前长城汽车董事长魏建军在接受采访时率先对“0公里二手车”发难，称当前有三四千家商家都在售卖。 “0公里二手车”通常会以低价形式出售给个人消费者，也会流通到租车行，还有不少直接出口到海外。 它们存在一些不良影响，**比如扰乱正常的市场价格体系、影响车企健康发展，甚至还会出现套取国家补贴等违法行为。** 对于购买的消费者而言，也无法享受厂商提供的首任车主质保权益，甚至可能买到存在债务风险的“套贷车”，损害个人权益，因此需要谨慎。  [查看评论](https://m.cnbeta.com.tw/comment/1504884.htm)

据博主数码闲聊站爆料，**魅族22系列新机已经入网，型号为M582Q，将在7月发布。**按照以往惯例，系列至少会存在两款机型，分别是魅族22、魅族22 Pro。 [](//img1.mydrivers.com/img/20250606/52f77f1d-755c-4e1a-9f3e-580739d94dfa.jpg) **爆料称其中一款定位AI小屏旗舰，机身宽度71mm，是一款深度打磨手感的小直屏。** 魅族一向有极致手感的基因，可能会打造出手感最强的小直屏。 此外，该机还拥有旗舰级硬件配置，**处理器用上骁龙8至尊版，而且首次安排了潜望长焦，将补足之前的影像短板。**  之前有消息称，魅族22系列将全系标配超声波屏幕指纹，标准版聚焦4000元价位，Pro版聚焦5000元价位。 需要注意的是，上个月有一些用户在微博上发布大量关于魅族22的不实言论。  其中包括“家里人买了一台魅族22掉电老快了”“魅族22发热严重，姐妹们怎么退掉?”“买个魅族22，用了10天就卡住了，家人们谁懂啊”“魅族22卡死了，想退了”“魅族22BUG太多，容易发热”等宣称魅族22有产品缺陷的言论。 **星纪魅族官方发布律师函称，这些内容与事实严重不符，魅族22产品尚未上市发售，该等不实言论显系毫无依据的捏造和污蔑，系对魅族旗下产品质量的恶意中伤以及对魅族商业经营毫无根据的揣测。** [查看评论](https://m.cnbeta.com.tw/comment/1504878.htm)

你还没有拥有属于自己的labubu吗？在当下“健忘”的互联网浪潮中，倘若要问近几个月来谁能稳坐顶流之位，那答案大概率会指向 Labubu。这一由泡泡玛特携手香港艺术家龙家升共同打造的虚构角色盲盒，其形象灵感源自精灵概念。因为角色拥有着 9 颗极具标志性的牙齿、露出“贱贱”的表情，加上天性善良的设计，在女星Lisa的“带货下”，以巨大的反差萌成功捕获了无数人的心。 它的火爆程度堪称现象级： 2024 年 7 月，泰国旅游局郑重授予 LABUBU “神奇泰国体验官” 的称号； 在英国，黄牛为了争抢 Labubu 盲盒不惜大打出手，场面一度失控，致使泡泡玛特不得不暂停其在英国的销售业务； 在今年四月发行的第三代 labubu，更是在全球范围内陷入断货危机，“一娃难求” 成为常态，各国都有“排长龙”的消息传来…… 嗅到商机的中国玩具商也乘势出击，推出了“祖国版Labubu”盲盒，却没成想连“盗版”labubu都一度陷入供不应求的情况。 以至于坊间流传着“只要沾上了Labubu元素，根本不愁卖”的说法。 本期显微故事就将走进那些正在倒腾祖国版Labubu的商家，以及靠着Labubu元素赚钱的商家，去探寻这个超级IP背后的故事。 以下是关于他们的真实故事： 01 不是Labubu买不起，而是Lafufu更有性价比 最近半年，小宇的工作几乎都围绕线上客户对接展开。 他调侃道：“每天一睁眼，就要开始回复大家‘多少钱’‘怎么卖’‘还有没有货’，只要回复有货，钱就哗哗地来。” 小宇就职于广东中山一家玩具厂，这座以玩具外贸闻名的城市聚集着众多同类企业。 去年开始，随着 Labubu 在海外市场爆火断货，他所在公司陆续接到大量海外定制 “祖国版 Labubu 盲盒” 的订单 —— 这些成本价仅几块钱多元的盲盒，经海运公司送往国外后，售价可达 20 美元以上，还时常供不应求。  图 | 网友晒出的盗版拉布布 为此，小宇形容：“产品一下产线就开始赚钱。” 今年，这股 “有货即热销” 的风潮蔓延至国内市场。 年初 Labubu 正品在国内门店断供，二级市场价格飙升数倍，嗅觉敏锐的商家纷纷转向货源充足的 “祖国版Labubu”。 四月商家抢购潮更是达到顶峰。彼时第三代Labubu发售、国外泡泡玛特门店消费者排起长龙后，小宇所在的工厂就已经开始投身做第三代Labubu。 因为手里“有货”，小宇一度进入了“手机恐惧期”：“只要一打开通信软件，全部是问我有没有货的，一旦有货，加多少对方都要”。  图 | 海外网友晒出的盗版拉布布 像这几天，小宇经手盲盒的出厂价已飙升到13.5元，还供不应求，为了能抢到货，甚至有客户驱车数百里守在产线旁 “蹲货”的。 对于商家们如此积极备货，在杭州做潮玩拆盒主播的秋秋毫不意外，她所在的公司也是“抢货”的一员，“因为Labubu太火了，都想赶快抢到。” 秋秋解释，潮玩拆盒主播的生意和“流量”挂钩，即直播间生意、人气直接和所拆的产品知名度挂钩，行业里往往都会选时下最火、最出圈的产品进行拆盒、引流。 比如，前年迪士尼的顶流“玲娜贝儿”、去年爆火的“小乌龟”、年初的哪吒……这些产品都曾面临过“断货”。因此Labubu盲盒断货，也意味着“出圈”、自带流量、不愁卖等信息。 果不其然，秋秋从4月开始改拆祖国版Labubu，她在直播间里标价一个盲盒39.9元——这并不是高品质版本的Labubu，有些产品经过镜头滤镜都看得出脖子歪、眼神不清澈、额头大，甚至还出现过牙不对的情况。  “但是耐不住消费者喜欢”，因此一晚上通过直播间，秋秋能卖出数百个祖国版Labubu的盲盒，还有很多人问她“能不能端盒”。 为了能跟上发货量，秋秋搭档的运营，天天都要在网上“找货”。 同样抓住商机的，还有义乌玩具买手王晨。去年 11 月起，王晨发现义乌商贸城有玩具档口陆续出现 Labubu 陈列，甚至催生了多家 “祖国版” 专卖店、不少走播直播、年轻人来打卡后，察觉到商机，开始做祖国版Labubu代购。 “你想啊，当年美国大选，义乌是最先知道消息的，现在寸土寸金的义乌商贸城档口都开始做祖国版Labubu，这肯定是好机会”，王晨说，不过为规避侵权，这些仿品在当地被称作“Lafufu”。  图 | 除了Labubu，“祖国版crybaby”也畅销海外了 王晨的客户涵盖个人买家、拆盒主播及二级经销商，高峰期单日以 58 元单价售近四十个盲盒。 王晨也很理解自己的客人选择“Lafufu”。以今年四月上新的第三代Labubu为例，原价 599 元 端盒（6 只）的Labubu在香港地区已炒至 1500 元以上，隐藏款单只高达 2000 元不说，还无货，需要等到6月15日才有货。 “而在我们义乌，祖国版第三代端盒不到 400 元，每只带身份卡，做工精细，货源还充足，如果量大，还可以打折”。 对此，王晨称“不是Labubu买不起，而是Lafufu更有性价比”。 02 “只要是Labubu的脸，就有得赚” 当年初 “哪吒” 的热潮还在国内市场翻涌时，Labubu 已悄然以破竹之势席卷全球，晋升为现象级 IP。 用潮玩主播秋秋的话说“Labubu 堪称世界级顶流，影响力足以媲美迪士尼。” Labubu这股热潮不仅助推泡泡玛特股价强势回升，更是激活了“玩偶”相关的产业链，尤其在与 Labubu“颜值经济” 紧密相连的领域，爆发出惊人的推动力。 面对 Labubu 正版玩偶供不应求的局面，嗅觉敏锐的商家除了投身“祖国版Labubu”，纷纷将目光转向Labubu的“改造”产品。  图 | Labubu 创意改装贴纸  图 | Labubu 脸部零件，方便玩家 DIY 专属造型 在“改娃师”夏夏看来，这股改造热潮的核心驱动力，正是当下风靡的 “改娃热”。 “改娃” 以标准化生产的玩偶为创作载体，玩家通过手工改造赋予其独特外观与故事性。从丙烯颜料重塑表情、调整肤色的基础换妆，到拆卸替换零件、添加配件的高阶 “重构”，每个环节都充满创意与个性表达。 27 岁的夏夏原本只是手工爱好者，今年 1 月，因抽不到心仪的 Labubu 角色，她尝试自主改造，并将作品分享至网络，意外收获大批粉丝求 “改娃”，从此开启了职业改娃生涯。  图 | 网友爆改的拉布布 夏夏认为，改娃热的兴起具有必然性：“算Labubu 基础款式有限，难以满足庞大消费者群体的个性化需求，改装自然成为趋势。” 如今，夏夏改造一只 Labubu 耗时约 4 小时，收费 300 元左右，即便如此，订单已排到 6 月。 然而，专业改娃师的高收费与长周期，促使更多玩家选择自己动手。“加上Labubu作为全球顶流，不同国家消费者动手能力、审美不同，也让Labubu有了极强的DIY属性。” 小宇解释，美国玩家热衷将 Labubu 打造成 “卡戴珊” 风格，水钻、假睫毛等配件因此畅销；而国内的玩家，则更爱给Labubu换衣服、换“皮肤”，因此娃衣爆火……也正是如此，这才导致周边各种材料爆火。  另一方面，贩卖Labubu周边比贩卖祖国版Labubu也更“有得赚”。 秋秋介绍，售卖 “祖国版” Labubu 存在侵权风险，但娃衣等周边不仅合规，并且因为价格低、更新快，利润也更大。 像秋秋的直播间，也售卖Labubu相关的配饰：“一把进价仅几毛钱的 Labubu 配饰眼镜，在店铺能卖到10元，扣除物流成本后利润高达 500%。”  除了Labubu的装扮产品，Labubu的周边亦是大热。 这一点身在义乌的商家张敏深有体会。张敏经营的玩具店铺中，除 Labubu 玩偶外，还有Labubu 元素的包包、手套、笔袋、手表等产品。 每天都有做跨境电商的年轻人到他店里选货，“一箱箱往海外发”外，周末时，还会有很多从周围城市跑来打卡、然后买一大包东西走。 也正是如此，此前并不觉得Labubu可爱的张敏，也开始觉得Labubu有点意思：“不知道这个小东西有什么魅力。不管再难卖的玩意儿，只要印上了Labubu元素，都是好卖的”。 03 义乌时刻准备着，等待下一个“Labubu” 在当下消费市场的浪潮中，Labubu 与老铺黄金、蜜雪冰城并称为 “消费新三杰”，成为备受瞩目的存在。  然而，相较另外两家，这个现象级潮玩 IP 所面临的质疑声可谓甚嚣尘上。 作为典型的工业流水线产物，Labubu 生产成本有限，却未选择如蜜雪冰城般的平价亲民路线，反而剑指高端，试图和老铺黄金一样走高溢价路线。 但二者本质截然不同，老铺黄金以实打实的贵金属为根基，而 Labubu 的价值则高度依赖 IP 叙事，这也正是泡泡玛特亟待破解的首个发展困境 —— 如何实现 IP 的长效运营。 潮玩作为现代工业产品，“物以稀为贵” 虽是市场通行法则，可工业流水线的核心竞争力恰恰在于规模化生产能力。 这一特性，使得泡泡玛特陷入两难境地：刻意断货会助长黄牛炒作之风，短期内维持产品热度；大量铺货虽能快速提升销量，却会严重冲击二级市场价格，损害 IP 的长期价值。 而理想的 IP 市场，应确保消费者在二级市场以原价或合理溢价购得产品。 一旦市场长期供过于求，二级市场价格持续低于官方定价，即便曾被视为稀缺的盲盒，也会迅速失去大众关注，泯然于普通盲盒之中。 “如今泡泡玛特的重心已从短期盈利转向 IP 长线运营，因此有意通过饥饿营销、黄牛炒作的方式来控制Labubu在二级市场的价格，所以可以看到，泡泡玛特一定程度上也是默许黄牛存在的”，小宇说。  不得不承认，黄牛的活跃确实在一定阶段维持了 Labubu 的市场热度。但从长远来看，长期饥饿营销对 IP 的伤害不容小觑。 潮玩的核心消费群体是普通玩家，若大量消费者长期无法买到心仪产品，IP 热度将如昙花一现，快速消退。 毕竟，愿意为高溢价买单的只是少数人，一旦普通玩家大量流失，Labubu 终将沦为小众圈层的 “自嗨” 产物。 更棘手的是，黄牛经济与饥饿营销还滋生出另一重困境 —— 抄袭与假货泛滥成灾。 在Labubu正品盲盒极端缺货的市场环境下，不少黄牛和商家铤而走险，生产所谓的祖国版 Labubu。 由于 Labubu 正品价格本就不算高昂，假货与正品价差极小，部分消费者甚至甘愿为 “热度” 溢价购买仿品，“买假无负担” 的心态逐渐蔓延，致使 Labubu 仿品销量一路飙升。 商家们更是瞅准商机，围绕 Labubu 形象进行各种 “二次创作”，进一步扰乱市场秩序。  面对这一乱象，泡泡玛特的维权之路充满艰辛。 一方面，取证难度极大，如今仿品工艺日益精湛，制假产业链涉及生产、销售等多个环节，想要精准溯源犹如大海捞针；另一方面，维权成本居高不下，Labubu 作为全球顶流 IP，影响力广泛，跨境打假时需要应对不同司法体系，这无疑进一步抬高了维权门槛。 由此可见，即便 Labubu 已成为当下炙手可热的超级 IP，泡泡玛特面临的挑战依旧严峻。若缺乏有效的后续运营，Labubu 随时有被市场抛弃的风险。 为避免陷入被市场 “遗忘” 的境地，作为潮玩品牌的泡泡玛特只能不断推陈出新，加大营销投入，强化 IP 叙事，而这也正是其当下正在积极践行的策略。 从广发证券统计的泡泡玛特上新盲盒的数据中便能窥见一斑： 2023 年截至 12 月 19 日，泡泡玛特共发布 110 款盲盒，较 2022 年的 94 款有所增长；2024 年，这一趋势依旧强劲，新品发布节奏紧凑，不仅涵盖热门 IP 的新系列，还不断引入全新 IP，几乎每周都有新品与消费者见面。  图 | 来自广发证券 在泡泡玛特忙着推出新产品的当口，依靠 “祖国版Labubu”赚得盆满钵满的商家们也没闲着。 “我们在期待着下一个 ‘超级 IP’ 的诞生。”小宇说。 [查看评论](https://m.cnbeta.com.tw/comment/1504864.htm)

6月6日，据《纽约时报》报道，特斯拉CEO埃隆·马斯克(Elon Musk)与特朗普在周四发生的“激烈冲突”，彻底摧毁了这两位世界最具影响力人物之间本就脆弱的联盟。如果这场争执持续下去甚至进一步升级，其后果可能会影响深远。  马斯克与特朗普 不过，马斯克和特朗普各有四大“杀手锏”，能够给予对手沉重打击。 马斯克的绝招 1.动用他的财富来对抗特朗普、特朗普的盟友及其施政议程 马斯克曾花费超过2.5亿美元支持特朗普当选总统，现在他也完全可以用同样的财力来资助反对共和党的竞选活动。他曾抨击特朗普的税收与支出法案“令人作呕”，并于周四在他自己的社交平台X上公开抨击共和党的国会领袖。此外，马斯克还可能拒绝兑现他承诺支持特朗普的1亿美元尾款。 2.发起社交媒体攻击 周四下午，马斯克在X上发起了一项投票，询问大家是否应该“在美国创建一个真正代表80%中间选民的新政党”。到目前为止，已有近200万人参与投票，其中超过80%的人选择了“支持”。此外，有人在X上发文建议“应该弹劾特朗普”，马斯克在帖文下方回复：“同意。”不过，目前还不清楚他到底是在赞同“弹劾特朗普”这一点，还是赞同帖文中的其他部分。 3.把特朗普拖进争议 在与特朗普近距离相处几个月之后，马斯克如今可能会通过所谓的内幕消息来给特朗普制造麻烦。周四，他在没有提供任何证据的情况下声称，特朗普政府之所以拖延公布与性犯罪者杰弗里·爱泼斯坦(Jeffrey Epstein)有关的文件，是因为文件中出现了特朗普的名字。他写道：“请将这条帖子铭记于心以备日后参考。真相终会大白。”随后，众议院的民主党人迅速借题发挥。 4.利用旗下企业为特朗普政府制造麻烦 马斯克威胁称，他将“立即”让SpaceX的“龙”飞船退役。该飞船负责将NASA的宇航员和物资运送至国际空间站并带回地球。这一威胁引发特朗普盟友、马斯克主要批评者史蒂夫·班农(Stephen K. Bannon)发声，建议特朗普通过行政命令“在今晚午夜之前查封SpaceX”。 特朗普的绝招 1.取消政府与马斯克公司的合同 特朗普在他自己的社交平台“真相社交”(Truth Social)上威胁称，终止与马斯克旗下各公司(包括SpaceX和特斯拉)的政府合同将是“最轻松的削减预算开支方式”。去年，马斯克的公司获得了来自17个政府机构、近100份合同中承诺的30亿美元资金。 2.调查马斯克的移民身份和吸毒问题 班农在周四呼吁对马斯克的“移民身份展开正式调查，因为我坚信他是一个非法移民，应该立刻被驱逐出境”。马斯克出生于南非，是一名归化入籍的美国公民。班农还呼吁调查马斯克的吸毒问题。 3.撤销马斯克的安全许可 班农建议，在对马斯克展开调查期间，特朗普政府应该暂停马斯克的绝密级别安全许可。不过，特朗普也可以彻底撤销马斯克的安全许可。马斯克正是因SpaceX与NASA的政府合同而获得该许可的。如果安全许可被撤销，这将使得马斯克很难继续与政府合作。 4.动用总统权力打击马斯克 特朗普手中掌握着强大权力工具，可以签署行政命令来惩罚政治对手，并指示司法部等机构展开调查。他可以叫停马斯克的一些个人关注项目，比如所谓的“政府效率部”，以及马斯克对南非白人的支持，这些都是马斯克重点关注的事项。 [查看评论](https://m.cnbeta.com.tw/comment/1504862.htm)

6月6日，华为在移动影像技术领域再获重要专利成果。根据国家知识产权局最新公布的信息，华为一项名为“一底双长焦”的摄像头结构专利正式获得授权，该技术方案将在Pura80系列产品上首发应用。  这一专利的核心创新在于可移动棱镜机构的应用。通过精密的光学设计，该系统能够通过调整棱镜位置来实现光路的动态切换，从而在长焦和超长焦两种拍摄模式间无缝转换。这种设计避免了传统多摄像头方案中需要配置多个独立传感器的复杂结构。  技术实现层面，该方案采用了共享式硬件架构。长焦和超长焦两种焦段模式共同使用同一块大底CMOS传感器以及配套的传感器防抖模块，有效降低了整体模组的体积和成本。值得注意的是，大底CMOS传感器采用斜置安装方式，这一设计为光路切换提供了更大的操作空间。 这项专利技术的获得标志着华为在移动影像技术自主研发方面的持续投入正在转化为具体的技术成果。双长焦影像系统的实现，将为用户在远距离拍摄场景下提供更多样化的焦段选择，提升拍摄的灵活性和画质表现。 目前华为Pura80系列发布会已经定档，新机将于6月11日正式发布。 [查看评论](https://m.cnbeta.com.tw/comment/1504860.htm)

6月6日上午，“2025智源大会”开幕式上，宇树G1、天工2.0机器人一上台，立刻调动起全场的气氛。记者在现场注意到，宇树科技CEO王兴兴表示，近期的人形机器人赛事是面向大众展示的优质平台，能让公众更早了解到机器人发展现状。他表示，企业参与赛事的情况不一，这也属正常现象。  图片来源：主办方供图 王兴兴表示，宇树科技的终极目标是让机器人“干活”，承担家庭、工厂等场景的工作，但最近几年，让人形机器人或智能机器马上进入家庭等场景并不现实。因此，公司现阶段让机器人参与跳舞、格斗比赛等，核心是借助AI技术使其实现各类全身动作。跳舞、格斗等动作，与未来机器人居家端茶倒水、洗衣做饭一样，都属于全身动作范畴。 王兴兴说，在实现终极目标——真正解放人类的生产力之前，宇树科技（等机器人公司）通过参加表演、格斗比赛展示机器人性能，也可以产生一部分商业价值。“今年上半年，人形机器人的租赁市场也比较火爆，（比赛）本身已经带来了一些产业价值。” [查看评论](https://m.cnbeta.com.tw/comment/1504858.htm)

一家联邦上诉法院维持了一项要求苹果公司(AAPL.US)允许其应用商店支持“链接支付”的裁决。尽管这一裁决可能不会对营收造成像人们所担心的那样大的影响，但据分析师称，它可能会导致每股收益出现 2%至 3%的下滑。 [](https://static.cnbetacdn.com/article/2025/0320/47a99055306520a.jpg) Evercore ISI的分析师在一份投资者报告中表示：“我们并不期望所有开发者都会立即脱离苹果生态系统，而 5 月份的苹果应用商店数据也支持这一观点，但 6 月份的数据才是真正的考验。我们认为，尽管费用有所增加，但一些开发者仍会选择留在该生态系统内，原因在于苹果的计费系统提供了便利、信任和无摩擦的体验，这让他们感到方便。我们还认为，苹果有充分的理由向上诉法院申诉，称下级法院的裁决是对苹果私有财产的不公正剥夺。” 上诉程序可能需要长达两年或更长时间。尽管该命令于 4 月 30 日生效，但Evercore ISI 指出，5 月份苹果应用商店的总收入总体上增长了 13%，而在美国市场的收入则增长了 10%。 Evercore ISI 表示：“苹果应用商店每年的销售额约为 210 亿美元。在正在进行的苹果公司与 Epic 公司的诉讼案中，法官裁定苹果必须允许第三方在 iOS 系统上进行交易，并且不得对这些交易收取费用。这将使我们估计的苹果通过向美国开发者收取费用所获得的约 70 亿美元收入面临风险。假设这 70 亿美元全部消失，将意味着每股收益减少 6%，但我们认为实际影响会小于这个数字。” 其次，摩根大通也估计，这一裁决可能会给苹果公司的每股收益带来 2%至 3%的负面影响。 摩根大通分析师Samik Chatterjee在周四发布的一份报告中表示：“尽管拒绝延期申请对苹果公司来说是个不利因素，但我们仍认为其影响的严重程度很可能远低于投资者目前所担忧的程度。” 与此同时，摩根士丹利援引其对美国 iPhone 用户进行的一项最新调查结果称，苹果公司的每股收益有 2%面临风险。该调查发现，28%的受访者“极有可能”会绕过应用商店的支付流程。 Chatterjee表示：“如果现实中的行为与我们的调查结果相符，那么苹果应用商店的 10%的收入、服务业务的 3%的收入以及苹果公司每股收益的 2%将会面临‘风险’。” 他补充道：“基于我们最新一次 AlphaWise 调查所获取的数据点，我们估计此次禁令可能导致的收入损失约为 37 亿美元。假设美国应用商店的收入中有 28%会进行外部链接(包括应用内购买和订阅服务)，而苹果的抽成比例为 0%，那么这将对每股收益造成 16 美分(即 2%)的负面影响(在最坏的情况下)。” Evercore ISI 还指出，游戏业务占据了美国应用商店收入的大部分(65%)，其中很多是一次性的 0.99 美元的购买。如果用户转而使用诸如Stripe这样的其他支付平台(该平台每笔交易收取 3%的手续费以及 0.30 美元的固定费用)，那么支付金额将会高于苹果收取的 27%的手续费。 苹果公司强调，在 2024 年通过苹果应用商店进行的超过 90%的交易中，开发者无需支付任何佣金。苹果公司首席执行官蒂姆·库克表示：“看到这么多开发者设计出出色的应用程序，建立起成功的业务，并吸引全球各地的苹果用户，这真是令人难以置信。” [查看评论](https://m.cnbeta.com.tw/comment/1504856.htm)

这家特医食品领域的“小巨头”成色如何？

（香港，2025年6月5日）——由BUSINESS GOVirtual（BGOV）主办的「AI+ Power 2025」今日在香港会议展览中心举行。作为香港首个聚焦商业AI应用的行业盛会，展会汇聚本地及海外顶尖科技企业、初创团队与行业领袖，全方位展示AI技术在金融、零售、教育、营销等领域的创新解决方案，助力企业降本增效、挖掘增长新动能。为期两天的活动将呈现前沿技术演示、行业论坛及商业对接，为香港乃至大湾区企业提供AI转型的重要平台。        **超过100个AI商业应用方案，覆盖金融/医疗/零售等领域** 沉浸式AI式展区超过100个AI商业应用方案，覆盖金融、零售、营销、医疗、教育、职场、可持续发展等领域，助企业降低成本、提升利润。   现场设有互动展示、体验区，亲身感受AI驱动的未来世界。 将有不同参展公司展示Campus AI、AI翻译机、AI驱动分析工具、智能会议系统及智慧办公等; 还有大数据公司提供人工智能健康监测平台，以精准医疗改善个人健康——各种方案全方位助中小企业实现数码转型！       **科技活化传统！首创「无人机科技x非遗活化」沉浸式展区引领文化传承新浪潮** 由非遗公司与DJI合作打造，首创「无人机科技x非遗活化」沉浸式展区，推广科技与传统文化的融合。 非遗公司以「科技赋能文化，创新传承未来」为宗旨，通过AI与无人机技术活化非遗文化，吸引年轻一代参与。 **超80场同期峰会，汇集百位重量级演讲者分享AI在金融、零售等领域的发展趋势及机遇** 汇聚Adobe、阿里巴巴、百度、国泰、中国联通、周生生、数码港、德勤、Equinix香港、金源集团、Google、香港演艺学院、应科园、科学园、H&amp;M Group、恒生银行、汇丰银行、科大讯飞、KPMG、Microsoft、NVIDIA、八达通、PAObank、PwC、商汤、永明保险、渣打银行香港 、Ricoh、RTHK、 WeLab等不同行业的领袖分享AI应用大趋势，例如《以 AI 洞察客户需求：提升转化率》透过真实案例全面解析AI如何精准提升顾客转化率及即时回应市场变化，还有《与科技领袖对谈Agentic AI》由三大顶尖科技巨头Google、Microsoft及NVIDIA一同探讨Agentic AI将如何改写未来业务，激发创新思维，提升营运效益！       ** 三大社交活动，打造跨行业交流平台** 商务洽谈酒会 与业界领袖、创新先驱及AI专家共聚一堂，在轻松的氛围中畅谈合作机遇。 展会期间，每天下午的4时至6时，大会举行商贸交流酒会，有助拓展人脉，发掘潜在商机，数量有限！    AI应用工作坊 于实战课程中教授AI工具应用，例如 AI 自动化的应用工作坊《使用 AI 自动化工作流程 - 无需编码》、产品管理必学实战策略《 产品管理如何能帮助公司在充满挑战的商业环境中实现商业成功？ 》等，为不同产业提供更落地的工具应用方法，不论是中小企、创业者、或专业人士均有即时的知识增长，提升个人及行业竞争力。   **AI+ Power Awards 2025 年度科技大奖：致敬创新先锋** 自2022年，BGOV Tech Awards已表彰逾65项科技创新企业及项目。 今年，奖项全新升级为AI+ Power Awards 2025，聚焦AI驱动的商业变革，旨在嘉奖创新的AI应用、具影响力及变革性的技术方案，表扬在金融科技、零售科技、可持续发展、教育及医疗等领域的杰出企业，见证AI如何重塑行业未来！   雷峰网

Musk hit back at Trump with a claim that Trump &#34;in the Epstein files&#34; and said SpaceX will &#34;immediately&#34; begin decommissioning its Dragon spacecraft in light of Trump&#39;s threat. White House aides reportedly advised Trump to focus on the bill instead of the conflict with Musk, and scheduled a call Friday between the two to broker a peace.

C位可能轮换，连接者始终在场。

真正伟大的企业不是流量的收割者，而是创新的摆渡人。

<blockquote><p>Genspark 通过借助 Anthropic 的 Claude 模型，成功构建了自适应的 AI Agents，彻底改变了人们研究和创建内容的方式。这些 Agents 不仅能够根据用户需求动态调整工作流程，还能协调多个专业工具和子 Agents，提供从简单查询到复杂多步骤研究的全面解决方案。Genspark 的这一创新不仅在短短 45 天内实现了 3600 万美元的年度经常性收入，还为超过 500 万用户提供了高效的 AI 工作流。</p> </blockquote>  Genspark 借助 Claude 打造自适应的 AI Agents，改变了人们研究和创建内容的新姿势，为复杂的工作流提供了极大的效率和规模。 Genspark 的关键成果： - 1. 推出 Super Agent 后 45 天内实现 3600 万美元年度经常性收入； - 2. 为超过 500 万用户提供动态的、自适应的 AI 工作流； - 3. 在大语言模型评审中获得高质量评分； - 4. 通过自动幻灯片创建和多步骤推理为用户节省大量研究时间。  ## 突破固有的搜索工作流的限制 传统 AI 搜索产品对每个查询都遵循相同的流程：分析关键词、检索网络结果，然后将它们总结成一个答案。 虽然这对简单问题有效，但当用户需要复杂研究、详细比较或多步骤分析时，这种方法就显得力不从心。 Genspark 最初使用相同方法构建搜索引擎，并添加了专业数据源和验证的 Agents 等改进。尽管吸引了 500 万用户，他们仍然遇到了根本性限制。 “我们意识到我们仍然受困于传统设计—一个固定的、预定义的工作流，” Genspark 联合创始人兼 CTO Kay Zhu（朱凯华）表示，“要实现真正自适应、能解决上下文长度问题的 Agents，我们必须完全打破这一框架。” 团队认识到，不管怎么优化细节，都解决不了一个根本问题：无论问题多复杂，需求多不同，每次提问的请求都是按照一套标准的固定流程来处理。  ## 选择 Claude 实现自适应智能 为构建 Super Agent，Genspark 需要一个能够处理复杂推理并协调多个专业系统协同工作的 AI 模型。经过测试各种选项后，他们选择了 Claude 作为新架构的基础。 Claude 的规划和推理能力使其成为协调 Genspark 混合 Agents 方法的理想选择，不同 AI 模型相互验证输出以减少错误和幻觉。“对于 Super Agent，我们利用 Claude 的规划和推理能力来驱动整个 Agent 流程。”朱凯华说。 Genspark 发现 Claude 在对其产品至关重要的特定任务上表现出色。对于 AI 幻灯片功能，Claude 的编程能力对生成交互式演示至关重要。 “Claude 处理创建幻灯片时的大部分繁重工作，我们发现它具有出色的视觉设计感。” 朱凯华说。这种技术能力与设计感性的结合使 Claude 在多个功能中都不可或缺。  ## 由 Claude 驱动的动态协调 Genspark 的 Super Agent 打破了限制传统搜索引擎的刻板工作流。它不是对每个查询遵循相同的预定步骤，而是根据每个问题的实际需求调整其方法。Claude 作为主协调者，分析请求、规划步骤、选择合适的工具，并根据新出现的信息调整策略。 这个自适应系统依赖三项核心创新： - 1. 动态协调，Claude 协调八个专业 AI 模型，通过交叉验证确保质量。 - 2. 专业工具和子 Agents，可以处理从创建演示到执行 Python 代码到拨打电话的各种任务。 - 3. 精选的高质量数据集，负责验证的 Agents 持续审核以维持准确性。 结果是一个根据任务进行匹配的智能系统。简单问题得到快速、直接的答案，无需不必要的复杂性。 复杂研究项目可以通过多种方法迭代，从各种来源收集信息，并不断完善结果，直到它们全面而准确。 根据用户需求，Super Agent 可以提供从简单答案到完整演示、交互式网页，或协调电话通话的各种服务，所有这些都由 Claude 无缝协调。  ## 变革用户创造和研究方式 对 Genspark 用户而言，影响主要体现在节省时间和增强功能上。以前需要数小时手动研究、复制信息和格式化的任务现在只需几分钟。 5 分钟自动化工作相当于 3 小时人工努力。“我们使人们能够进行复杂研究、从网络收集信息并将其编译成美观的幻灯片，” 朱凯华说。 用户现在可以处理手动难以完成的复杂度和范围的研究项目。AI 幻灯片功能自动从多个来源收集信息，分析其相关性，并将所有内容编译成可供分享和协作的专业演示。 这改变了用户处理复杂信息任务的方式，让他们能够专注于更高层次的分析和决策，而不是手动的进行数据收集。 商业影响同样显著。迅速的市场采用和大幅的收入增长验证了 Genspark 的押注，即自适应 AI 是人们将来与信息交互方式的未来。 用户持续给予正反馈：速度、准确性和创造力的结合以他们未曾想到的方式改变了研究的工作流程。  ## 构建自适应 AI 的未来 Genspark 从传统搜索到自适应智能的转变，揭示了 AI 开发的一个基本真理：当你给予 Agents 灵活性而非约束时，最强大的系统就会出现。 “我们发现了一个基本原则：更少控制，更多工具，” Genspark 团队解释道，“过度结构化的工作流限制了创造力和深度，而允许多个专业 Agents 处理问题的不同方面，并赋予它们选择和切换工具的自由，则释放了更大的能力。” 这一理念现在推动着 Genspark 的发展，他们正在准备下一个功能发布。每一项新功能都代表着 AI 创造性解决问题的另一种方式。 对 Genspark 而言，这代表着新时代的曙光，AI 成为真正的思考伙伴。不仅执行命令，还与人类协作解决我们尚未想象到的问题。 本文由人人都是产品经理作者【缱绻怡然】，微信公众号：【特工宇宙】，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>在人工智能领域，许多产品的发展路径并非预先规划好的，而是通过不断的实验和迭代自然生长出来的。Anthropic 的首席产品官 Mike Krieger 在一次分享中提出了这一观点，并深入探讨了 AI 生成内容的未来趋势、AI 产品的开发方法论，以及如何让 AI 成为产品开发的核心驱动力。他强调，未来大多数内容将由 AI 生成，而产品的成功关键在于能否解决真实问题，而非单纯依赖于模型的能力。</p> </blockquote>  Mike Krieger 是 Anthropic 的 CPO，也是红杉资本创始人，参与创办了 Instagram 并担任 CTO。 他最近在红杉做了一次分享，关于构建 AI 产品的经验和哲学，如何使用 AI，以及 Agent 相关的畅想。非常非常值得一听！ 原链接：https://www.youtube.com/watch?v=Js1gU6L1Zi8 由于 Z Potentials 已经编译的非常好了，因此我们基于深度｜Anthropic首席产品官：从Claude到MCP，最好的AI产品不是计划出来的，是从底层自发长出来的 这篇文章做了一定润改，分享如下： ## 核心观点： 1. 长期来看，未来大多数内容将由 AI 生成。所以“这是不是 AI 生成的”这个问题将变得没有意义。值得关注的是内容的来源、溯源和引用等问题。而讽刺的是，AI 反而可能更有助于解决这些问题。 特工小天：最近毕业季许多同学在论文 AI 查重，然后刚好看到一句特别有意思的表示：现阶段，鉴定内容是否由 AI 创作更像是一种赛博时代的刻舟求剑。 2. 最好的 AI 产品往往不是计划出来的，而是“从底层自发生长出来”的。很多产品，只有在与模型非常靠近、并深入实验后，才会逐渐显露其真正潜力。所以改变产品开发的路径，是从以往的“自上而下”转为“自下而上”。 3. 我能用 Claude 生成初稿吗？这是不是“作弊”？但现在，我们已经开始鼓励这种用法了。当然，用 AI 写完后你要自己校对，确保内容准确、有判断。但如果它能帮你节省两小时，让你腾出时间去做更重要的事——那为什么不用？ 4. 模型本能想“讨好”你，容易透露太多；但如果它什么都不说，又可能变得过度保守。这种细腻的判断力，目前还没有被很好地训练出来。 ### AI 生成内容的未来，不是真假之辨，而是可信与共鸣 Lauren：你认为 AI 生成内容的发展趋势是什么？当你们不断制作内容、生成图像时，你们如何帮助用户保持对内容的掌控？比如你们在模型可解释性方面做得很好，那你们如何赋予用户理解或引导 Claude 这类系统的能力？ Mike：是的，有些问题在短期内仍然值得探讨，比如加水印来标记 AI 生成内容。但从长期看，大多数内容将由 AI 生成。所以“这是不是 AI 生成的”这个问题将变得无意义。值得关注的是内容的来源、溯源和引用等问题。而讽刺的是，AI 反而可能更有助于解决这些问题。 有趣的是，这让我想起了区块链。虽然现在已经不算热门话题了，但区块链曾试图解决的一些问题，其实在整个内容生成和传播链条完全数字化的今天，更容易通过 AI 来实现。 例如，以前我们常常关注一个文档的出处，比如有没有引用、是不是原创，这些问题现在依然重要，但在 AI 帮助下也变得更容易追踪。所以，未来重点不再是“这是不是 AI 生成的”，而是“它来自哪里”“内容是否可信”“能否验证”。 ### 真正有价值的 AI 产品，从不是计划出来的 Lauren：很有意思，那我们深入聊聊 Anthropic 吧。你们在产品方面做得很出色，比如 Artifacts、编程模型、MCP 协议等。我很好奇，作为首席产品官，你在产品打造中有什么样的方法论？怎么让你们的产品不仅仅是“模型的包装”，而是比模型本身更有价值的东西？ Mike：我有两个想法。 第一点是，不论是在 Instagram 时代还是现在，判断产品是否优秀的标准并没有变——你是否在解决真实问题。比如做一个开发者工具，是否真的帮助开发者做到了快速、有趣、有创造性的事情？如果是面向终端用户的产品，那你是否真的满足了他们的现实需求？这些判断标准，在 AI 时代依然适用。 第二点是，我必须放弃以前的一些习惯。在 Instagram，我们会做三到六个月的计划，非常“自上而下”、按部就班。但在 Anthropic，甚至在和 OpenAI 等同行交流时我发现，最好的 AI 产品往往不是计划出来的，而是“从底层自发长出来”的。 很多产品，只有在与模型非常靠近、深入实验后，才会逐渐显露其真正潜力。所以我学会了改变产品开发的路径，从“自上而下”转为“自下而上”。比如 Artifacts 就是最初的一个研究原型，后来被设计师和工程师接手优化，最后才进入产品化阶段。这种路径虽然不容易控制，但确实带来了很多惊喜。 Lauren：MCP 是目前整个行业开始采用的重要产品之一，我很好奇它是如何诞生的，您有什么故事可以和我们分享吗？ Mike：关于 MCP 的诞生，其实特别有意思。有时候我在公司的工作就是做些内部梗图，其中一个就是调侃 MCP 刚诞生时只是两个工程师眼中的一个“小火花”。 最初的起点，其实是在我们尝试对接 Google Drive 和 GitHub。我们发现这两个功能虽然本质上都是“把上下文引入模型”，但内部实现却完全不同。我们马上还要做第三个集成，看起来又将是一次全新的、重复造轮子的开发。 所以我通常的模式是：做三次之后，就可以总结出抽象层级，形成标准。而 MCP 就是这么来的。一开始，并不是从“我们要制定一个统一的协议”这种顶层设计开始的，而是两个工程师觉得这样做更合理，于是就动手去原型验证、反复迭代。 后来我们花了很多精力把这个协议做得更好、更开放，希望它不只是 Anthropic 内部使用的东西，而是真正有机会成为行业标准。现在，MCP 已经开始被更广泛地采用。 Lauren：从一个“自下而上”的想法出发，到现在落地扩展，你们是如何培育并发展这个产品的？ Mike：我目前最关注的两个方向，都是围绕 MCP 展开的。第一是“执行能力”。MCP 最初的设计目标是引入上下文，现在我们已经可以集成 GitHub、触发 Zapier 等操作。但更重要的是下一阶段，我们希望模型能主动完成任务。它们不仅要能“理解”，还要能“行动”，自动执行工作流。 第二是“Agent 之间的协作”。我们现在还处于非常早期的探索阶段，甚至还不适合立即建立标准。但很明显，未来不同的 Agents 会相互交互、协作，甚至“雇佣”其他 Agent 来完成任务。这将形成一种新的 AI 经济系统。 我们内部已经开始讨论，比如未来是否会出现“你的 Agent 为你雇佣另一个 Agent”的场景。这些想法令人兴奋。 Lauren：你们在编程方面已经做得很成熟，看起来不只是“自下而上的小尝试”。你是如何看待这类产品的定位？你觉得目前做对了哪些事？ Mike：即使是编程这块，我依然充满敬畏。很多创新都不是靠“战略”定出来的，而是由几个研究员突破边界推动的。比如前面提到的 RL（强化学习）探索，就是从具体研究中自然发展出来的。 我们一直坚持的一点是：不仅仅盯着 Benchmark 分数，更重要的是——模型生成的代码用户是否喜欢用？它是否真正带来了好结果？这点我们会持续强化。 “Vibe Coding”这个说法，其实不是我们提出来的，但它确实有一定价值。你用模型生成代码时，可能会感受到某种“氛围”或者“灵感”，这在小项目里很有意思。 但如果是要构建一个大型代码库、一个百人团队协作的工程系统，这种方式就不够用了。我们正在探索生成式 AI 在整个开发流程中的定位。比如，现在我们公司内部超过 70% 的 Pull Request 都是由 Claude 代码生成的。 但这也带来一个新问题：代码审查怎么做？你可以用 Claude 来审查 Claude 生成的代码，但这就像是“套娃”——每一层都还是 AI。那我们该如何保持技术架构的可控性？是否会走入技术债的死胡同？这些问题，我们还在摸索，相信整个行业都在摸索。 我们内部感受到的最大变化之一是：AI 让工程效率大幅提升后，组织中“非工程环节”的低效变得更加刺眼。比如，以前一个对齐会议只会耽误一个工程师一小时，现在可能等于耽误了“8 小时的 AI 产出”。 你会发现组织里的“瓶颈”并没有被 AI 优化，反而被放大了。这导致产品流程中的不协调变得更明显、更痛苦。虽然模型可以总结会议、提出下一步建议，但它们现在还做不到真正帮助我们做出组织层面的决策。 ### 从工具到协作：组织如何适应 AI 时代的效率重构 Lauren：你提到 Anthropic 内部在广泛使用 Claude。能分享一下哪些使用方式是你觉得特别值得推广的吗？有没有一些你们过去半年内尝试、并且觉得其他人也应该尝试的用法？ Mike：我最喜欢看到的是——非技术团队开始主动使用大模型。比如销售团队，会用 Claude 来准备客户会议。他们一开始只是用公共版本，但当碰到具体障碍时，我们就会根据他们的需求开发专属工具。这种需求驱动的方式，非常有效。 不过坦率地说，即便在我们这样的 AI 实验室，使用 AI 的能力也分布不均。有的员工用得非常熟练，高效地解决问题；而有的人还停留在传统流程。我自己则把 Claude 当成“思维合伙人”。 无论是写战略文档、制定规划，还是写绩效评语，我都习惯先通过 Claude 进行一轮“脑力激荡”。就像有了 Copilot 之后，我在飞机上没有它会觉得“不会写代码了一样”，我现在也很难回到没有 AI 协助的写作状态了。 过去一年半里，我亲眼看到 Anthropic 内部的文化发生了变化。起初，很多人在写绩效评语、工作总结时会犹豫：我能用 Claude 生成初稿吗？这是不是“作弊”？但现在，我们已经开始鼓励这种用法了。 当然，用 AI 写完后你要自己校对，确保内容准确、有判断。但如果它能帮你节省两小时，让你腾出时间去做更重要的事——那为什么不用？我们有一个内部工具，可以跨越整个 Slack 和所有内部文档运行。它支持公共和私密频道，但大多数人更喜欢用“公开版”，因为这意味着他们使用 AI 的过程是可见的。 有趣的是，在绩效季时，很多员工开始用这个工具来生成评语初稿——而且是在公共频道里！这种“共享式使用”反而帮助打破了“AI 使用羞耻感”。这让我想起了 Midjourney 刚兴起的那段时间，大家都愿意公开展示自己用 AI 生成的图。这种“可见性”对于推动 AI 融入日常工作非常关键。 我们还远没到 AI 全面普及的阶段，但可以看到，文化正在朝这个方向转变。 ### AI Agent 正在成为下一代“数字员工” Lauren：接下来你们的重点方向是什么？我们看到你们在代码、企业场景方面做了很多，也听说有新模型发布。可以透露一点未来规划吗？ Mike：关于模型和产品，我们的目标可以用一个词概括：Agent。我知道现在很多人都在谈这个概念。我们想做的是，为这种新形态提供底层支持。 代码只是一个起点，它展示了一个更广泛主题的雏形：模型能否连续工作几个小时甚至更久？那几乎可以说就是我们的长期目标。 要实现它，模型不仅要更强大，还需要一整套配套系统：1、记忆能力（让模型记住自己做过什么）2、高级工具调用（不只是搜索，还能使用复杂工具）3、自动适应组织结构（进入企业后知道该做什么）4、可验证性与日志记录（比如一家公司有 100 个 Agents 运行，如何监管？）我们不打算做这个生态里的每一个环节，但希望我们的模型能成为这些构建的基石。 Lauren：那新模型快来了？ Mike：永远都有新模型在来的路上。这个领域的更新速度实在太快了——但我们很快会有一些很酷的新东西发布，敬请期待。 ## 观众提问环节 观众提问：作为产品负责人，你现在最头疼的问题是什么？ Mike：对我们来说，最大的问题是——AI 产品对新手来说仍然太难用。我们确实设计了一些很有价值的工作流，但它们依然需要用户“用对方式”。 只要使用路径稍微偏离主线，效果就会大打折扣。不像你第一次打开 Instagram，知道该拍照、该发帖。AI 产品还远没做到那种“开箱即用”的程度。当然，这与我们当前偏重于“工作场景”而非“日常娱乐”有关。但我常常在想，现在模型的能力已经很强了，可实际能用好的用户还是太少，潜力还远未释放。 观众提问：你怎么看最近有篇热议的文章 AI 2027（关于 AI 的未来路线预测）它提出模型将被“延迟发布”，以便充分利用它们带来的利润与资源，这点你怎么看？ Mike：这篇文章有两个点我特别认同。第一是算力的重要性。这个话题并不新鲜，但它确实是每家 AI 公司的核心问题。我们每天都在讨论：我们现在的算力储备如何？下一代要用什么芯片？和谁合作？这些讨论，几乎与文章中提到的一致。 第二点是是否该“故意推迟模型发布”，来最大化回报。这个争议很有意思。比如，最近扎克伯格在一次访谈中提到，为 LLaMA 开放 API 的权衡：你是要把算力花在用户身上，还是继续强化 RL 训练？这是每家实验室都在面对的选择。我们也要考虑——我们是否应该把算力分给一个利润可观的大模型产品，还是保留给那些“还在萌芽期的疯狂新想法”？后者可能孕育出下一代架构突破。这不是一个容易的平衡题。 我个人更倾向于——尽早让模型进入真实市场。Claude 3.5 系列之所以能做得这么好，就是因为我们从实际用户反馈中快速迭代。如果只在实验室里封闭开发，我们可能不会走到今天这一步。 观众提问：在一个既做研究又做产品的大型组织中，如何平衡两者？是产品来定义研究方向？还是研究决定产品能力，然后产品再接洽？ Mike：我经常会要求产品团队去思考：如果我们做出的产品，只是把一个 API 模型包装了一下，且功能跟别家也差不多——那我们到底在做什么？我们有一群世界顶级的研究人员，如果产品没有充分用上他们的成果，那就是浪费。 有一个正面案例是 Artifacts：它是专门为 Claude 进行微调打造的产品，效果非常好。但我们也经历过一段时间，产品和研究脱节，没有真正把模型能力“装进”产品。我们正在回归，重新强调“产品=模型能力+交付方式”。 目前我们在这方面的协作还不够，大约只有 10% 的研究人员参与到产品中。但我们也知道——比如让模型更好地执行指令，其实对所有产品都有正面帮助，这种基础性研究我们仍然在投入。我们也在观察 OpenAI 的一些做法，比如他们可能会对 ChatGPT 做专门的微调版本，虽然大家主要是通过 Chat 界面来用它，但背后可能跑的是不同模型。我们目前没有这么做，这在节省算力的同时，可能也限制了一些差异化体验的实现。 观众提问：你怎么看关于 Agent 之间的交流协议的未来的标准化？Anthropic 会制定类似标准吗？ Mike：我觉得现在还没有谁真正解决了其中一个关键问题——Agent 要不要透露信息、透露多少？比如：如果你的 Agent 要与供应商打交道，可以透露信用卡信息。但如果它只是与一个陌生 Agent 互动，那就该保留隐私。这种“揭示什么、隐藏什么”的判断，既是产品设计问题，也是一项尚未解决的研究课题。 模型本能想“讨好”你，容易透露太多；但如果它什么都不说，又可能变得过度保守。这种细腻的判断力，目前还没有被很好地训练出来。 另一个挑战是：如何在大规模部署时进行可审查。比如，如果一家公司部署了 100个 Agents，要如何记录他们的行为？如何设定权限？甚至——这些 Agents 是否应该有“名字”？我们还在思考这些问题，有些更像研究问题，有些则是即将到来的产品挑战。 观众提问：你觉得现在在做 AI 应用层产品的人，最容易犯的错误是什么？ Mike：我不想说是“错误”，但我观察到一个常见现象：很多 AI 产品是从“轻量 AI”开始，后来才逐步变“重 AI”。但在这个过程中，他们常常只是把 AI 功能放在产品的边栏，成了一个次要入口，体验也比较割裂。 而随着产品功能越来越依赖 AI，这种结构就会拖后腿。所以问题不是 AI 能力不强，而是你是否愿意从底层重新构建产品，让 AI 成为“第一用户”。 另一个很常见的问题是——应用没有暴露足够多的“操作说明”给模型使用。举个例子，当你让模型帮你做点事，它说“我做不到”，但实际上是你没有设计好接口，让它能够调用这些功能。这本质上是设计问题：你是先造了个 GUI，然后再把 AI 贴上去；但其实，你应该是先考虑 AI 怎么用它，让 AI 成为你的产品的“主要使用者”。 本文由人人都是产品经理作者【缱绻怡然】，微信公众号：【特工宇宙】，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>在当今竞争激烈的应用市场中，为何有些App能够脱颖而出，让用户爱不释手，甚至形成习惯性的使用，而其他应用却默默无闻？本文深入剖析了背后的关键因素——情感化设计。通过分析Duolingo、Phantom钱包和Revolut等成功案例，揭示了情感化设计如何通过细腻的动画、人性化的反馈和精致的视觉效果，建立用户与产品之间的情感连接，从而驱动用户增长、提升用户忠诚度并实现商业成功。情感化设计不再是锦上添花，而是产品在功能趋同时代的核心竞争力。</p> </blockquote>  你有没有想过，为什么你每天都会不自觉地打开 Duolingo，但其他语言学习应用却躺在手机深处积灰？为什么 Phantom 钱包能在竞争激烈的加密货币市场脱颖而出，而大多数同类产品却门可罗雀？为什么 Revolut 能让用户心甘情愿为高端金融服务买单，而传统银行应用却让人避而远之？答案并不在于功能的多寡或技术的复杂程度，而在于一个被大多数开发者严重低估的要素：情感化设计。 现在的时代，构建软件变得前所未有的简单。我们有各种 API、无代码工具、AI 模型，所有的技术积木都触手可得。任何人都能在几天内搭建出功能完整的应用，快速推出新特性。这种技术民主化带来的结果是，仅仅”有用”已经不够了。当市场上充斥着功能雷同的产品时，真正的竞争优势在于：当用户打开你的应用时，它给人的感受是怎样的？是流畅、愉悦、有趣，还是高端？还是说，它只是感觉像市面上的其他应用一样平庸无奇？ 当然，成功的产品仍然需要多个要素的组合：扎实的商业模式、良好的市场时机、强大的社区支撑等等。但我越来越深刻地认识到，真正区分优秀与卓越的，是那种能与用户建立连接的设计，那种让人感受到用心的设计，那种能将普通用户转化为忠实粉丝的设计。Netflix 联合创始人 Reed Hastings 的话很好地概括了这一点：”产品必须好到让人们主动谈论它。”在一个每个产品都能获得相同技术资源的世界里，这才是你的长期竞争优势。不是代码，不是功能列表，而是当用户关闭应用或滑走屏幕时，你的产品给他们留下的感受。本文以三款不同类型，但都让人爱不释手的产品为例，来讲讲这一独特的设计秘诀，本文部分case整理自Tim的视频分享。 ## Duolingo 的情感魔法：让学习变成习惯 让我从 Duolingo 这个情感化设计的经典案例开始分析。Duolingo 并不只是创建了另一个语言学习应用，他们构建的是一个能够实时响应用户、真正让人感受到人性化的产品。在 2022 年，他们引入了一套完整的角色动画系统，包括面部表情反应、与音频同步的唇形变化，以及即使在用户没有任何操作时也会展现的空闲动画，让他们的角色即使在静止状态下也显得生动活泼。 这些改变带来的商业影响令人震撼。Duolingo 的数据显示，在这些动画功能推出后，他们的日活跃用户数在两年内翻了一番多，从 1420 万增长到超过 3400 万。更重要的是，付费订阅用户数也在同一时期实现了翻倍增长。当然，这样的增长来自多个因素的共同作用，比如新增语言、课程改进、营销活动等等。但有趣的是，Duolingo 自己的团队多次强调，角色动画是人们保持参与度的主要原因之一。 CEO Luis Vonan 在多个场合都指出，应用的愉悦体验（包括这些动画）让它在充斥着枯燥功能性应用的市场中脱颖而出。这种连接并非偶然。这些动画不仅仅是视觉装饰，它们是情感反馈的载体。它们创造了保持用户参与的情感循环。当你正确回答问题或犯错时，你得到的不只是一个绿色对勾标记，你感受到的是鼓励、纠正，甚至是欢呼声援。这些快速反应通过触发情感反馈循环来提升参与度，正如用户体验大师 Don Norman 在他的《情感化设计》一书中详细阐述的理论。  我深入研究了 Duolingo 的设计策略后发现，他们的成功远不止于表面的动画效果。他们真正理解了语言学习这个场景的心理学特征：学习新语言本身就是一个充满挫折和自我怀疑的过程，用户很容易因为进度缓慢或错误频繁而放弃。传统的语言学习应用往往过于严肃，给人一种”考试”的压迫感。而 Duolingo 通过情感化设计，将这种原本令人焦虑的体验转化为一种游戏化的愉悦体验。 他们的动画系统非常精妙地处理了学习过程中的各种情感节点。当用户答对题目时，猫头鹰 Duo 会露出自豪的表情，仿佛在为你的进步感到真心高兴；当你答错时，它不会表现出失望，而是一种温和的鼓励，让你感觉即使犯错也没关系，重要的是继续尝试。这种情感化的反馈设计巧妙地重新定义了”错误”的含义，将其从”失败”转化为”学习机会”。更有趣的是，当用户连续多天完成学习任务时，动画会变得更加热情和庆祝性，强化了”坚持”这个行为的正向反馈。 从神经科学的角度来看，这种设计策略非常聪明。每次正向的情感反馈都会刺激大脑释放多巴胺，这种神经化学反应会强化用户继续使用应用的动机。更重要的是，这种情感化的体验会在用户的大脑中建立积极的情感记忆，让他们在想到学习语言时不是联想到枯燥和困难，而是联想到成就感和乐趣。这种心理层面的转变才是 Duolingo 能够维持如此高用户粘性的根本原因。  这个案例给我的启发是，如果你的产品依赖于用户的重复行为，比如签到、日记记录或习惯追踪，你应该添加能够提供即时情感反馈的微交互。一个细微的弹跳、光晕或闪烁，这些小细节可以让确认时刻感觉更有奖励性。同时，要庆祝小的成功。强化参与度不需要巨大的成功状态，但它们应该感觉是有意为之的。如果你像 Duolingo 一样有某种吉祥物，利用吉祥物来展示表情、鼓励用户，因为情感是会传染的。这可以是小小的点头、微笑，或让体验感觉更人性化的动画反应。 更深层次的洞察是，你需要深入理解用户在使用你产品时的心理状态和情感需求。用户在什么时候最需要鼓励？什么时候容易感到沮丧？什么时候需要成就感的强化？只有真正理解了这些情感节点，你才能设计出像 Duolingo 那样有效的情感化体验。最后，如果你想给用户一种 momentum 的感觉，包含精美的进度动画。这可以是任何东西，比如使用动作来显示连击记录，或者显示不同级别、完成的日记数量，任何能给人一种随时间建立某种东西感觉的内容。这里的目标是让反馈感觉人性化，而不仅仅是功能性的，因为这种情感层面可以悄然在用户和你的产品之间建立强大的连接。即使是非常简单的东西，如果做得好，也能让体验感觉更生动，更值得回来。  ## Phantom 的信任重建：在怀疑中播种信心 Duolingo 通过设计让人们对使用应用感觉良好，从而建立了习惯。那种良好的感觉是用户持续回来的主要原因之一。但当你的用户不是要养成习惯，而是要克服怀疑时会怎样？这是加密货币应用面临的主要挑战之一，也是 Phantom 通过情感化设计和动画着手解决的问题。 让我们先面对一个残酷的现实：加密货币的用户体验普遍糟糕透顶。Phantom 深知这一点。所以当他们在 2023 年中期推出全面品牌重塑时，他们不只是换了个 logo，而是彻底改革了一切，并引入动画来改变人们的认知。他们为幽灵吉祥物添加了动画，在钱包创建过程中加入了有趣的动画效果，并投入大量精力让每个交互都感觉有趣且平易近人。这里的目标很明确：让加密货币感觉不那么可怕，更有人情味。  显然，这个策略奏效了。今天，Phantom 是加密货币领域使用最广泛的钱包之一，最近成为美国应用商店工具类别中排名第二的应用，超越了 WhatsApp 和 Instagram 等应用。就像 Duolingo 一样，Phantom 的增长也受益于市场势头和聪明的商业执行。但真正让他们脱颖而出的是，他们从一开始就以设计为导向。 他们的 CEO Brandon Milman 对此非常明确。这不只是另一个钱包。从第一天起，团队就专注于精致、工艺和构建真正使用起来感觉良好的东西。用他自己的话说：”精致很重要。我们是一家以设计为导向的公司，花时间打造精致的产品。”这种心态得到了回报，因为当大多数钱包都是开发者为其他开发者构建时，Phantom 专注于消费者。他们的目标是将下一个十亿人带入 Web3，这意味着投资于清晰、情感化的 UI 和动画。  我从 Phantom 的成功中总结出几个在令人生畏、复杂或高风险领域（如金融、加密货币、健康或保险）进行设计时的重要原则。首先，精致建立信任。将视觉细节、动作和过渡视为核心产品功能，而不是装饰。每一个微小的交互都是信任信号。其次，保持平易近人。友好的视觉效果和温暖、有趣的细节让沉重的话题感觉轻松一些，这在建立信心方面大有帮助。第三，为普通人而非专业人士设计。不要假设用户知道规则，设计对日常人群有意义的流程，特别是如果你要触及早期采用者之外的人群。最后，性能很重要，但真正留在人们心中的是当有人点击、滑动或等待时产品的感觉。给用户流畅的反馈会增加他们对你产品的信心。  ## Revolut 的奢华密码：如何通过设计卖出高端感 我们已经看到角色和愉悦如何创造信任，但信任并不是每个人的终极目标。让我们探索情感化设计和动效如何以更加有利可图的方式用于销售奢华感，这就带我们来到了 Revolut 的案例。 Revolut 多年来一直在设计和动画方面进行投资。但特别有趣的是，他们的设计升级如何与他们向高端市场的推进完全同步。随着他们向上游市场发展，他们的视觉语言变得更加精致，很明显他们是有意为之的，将产品感受与他们想要业务发展的方向保持一致。  以首次用户体验为例。他们不会让你陷入枯燥的注册流程。相反，你会得到丰富的视觉效果、超级流畅的过渡，立即感觉像是在步入某种高端体验。我的意思是，连他们的图表都升级了。你不只是查看支出数据，你能感受到它。你用手指拖拽，图表会以柔和的光晕响应，将数字转变为更有触觉感的东西。 他们的卡片也是如此。你看到的不只是静态图像，你会获得完整的 3D 时刻。卡片翻转、旋转、捕捉光线。它很简洁，很有意图，说实话就是令人满足。这些小细节，比如安全流程或入门引导中的细微动画，提供了那种信任感而不会显得刻意。这些设计细节都不会对你大喊大叫，但它们共同创造了更加高端的感觉。  在金融科技领域，信任直接影响用户的消费金额，这种精致度直接转化为收入。这给我的重要启发是：要掌握第一印象。花时间精致你的入门引导，精致你的欢迎时刻，立即传达质量、信任和关怀。添加细微的愉悦时刻，比如动画、淡入淡出效果、悬停效果或手势。建立情感，让接触点感觉有意图。让交互感觉动态。触觉图表、响应式反馈或动画卡片，将基本功能转变为感觉提升和吸引人的东西。  ## 情感化设计的商业逻辑 通过分析这三个成功案例，我发现情感化设计并不是产品的装饰品，而是驱动商业成功的核心引擎。每个案例都证明了一个关键洞察：在功能趋同的时代，情感差异化成为了最强大的竞争武器。 Duolingo 用角色动画将日活用户翻倍，Phantom 通过精致设计在竞争激烈的加密钱包市场获得领导地位，Revolut 凭借高端的视觉体验成功向上游市场扩张。这些成功都有一个共同点：它们不是通过添加更多功能来获胜，而是通过让用户在使用产品时感觉更好来获胜。 我认为这种转变反映了用户期望的根本性变化。现在的用户，特别是数字原住民，已经习惯了高质量的数字体验。他们不再满足于”仅仅能用”的产品，他们期望产品能够理解并回应他们的情感需求。这就是为什么那些投资于情感化设计的公司能够建立更强的用户忠诚度、更高的转化率和更好的用户留存率。 让我深入分析一下情感化设计如何在商业层面发挥作用。首先是用户获取成本的显著降低。当产品具有强烈的情感吸引力时，用户更愿意主动分享和推荐，这种口碑传播的成本远低于传统的付费获客渠道。Duolingo 的病毒式传播很大程度上得益于其有趣的学习体验让用户愿意在社交媒体上分享自己的学习成果。这种自发的品牌宣传为公司节省了大量的营销预算。 其次是用户生命周期价值的大幅提升。情感化设计创造的不仅是一次性的愉悦体验，更是长期的情感依赖。用户一旦与产品建立了情感连接，他们的流失率会显著降低，使用频率会明显提高，付费意愿也会增强。这种深度参与直接转化为更高的用户生命周期价值。在 Duolingo 的案例中，付费订阅率的翻倍增长就是最好的证明。 第三是品牌溢价能力的提升。情感化设计让产品从纯粹的功能工具升级为情感载体，这种转变使品牌能够收取更高的价格。Revolut 通过精致的设计体验成功向高端市场扩张，用户愿意为更好的体验支付溢价，这直接提升了公司的利润率。同样，Apple 多年来的成功也充分证明了设计驱动的溢价策略的有效性。 更深层次的商业逻辑在于，情感化设计改变了竞争的维度。传统的产品竞争主要集中在功能对比和价格竞争上，这种竞争往往导致同质化和利润率下降。而情感化设计开辟了一个全新的竞争维度，让公司能够跳出功能和价格的红海，在情感体验的蓝海中建立独特的竞争优势。 从行为经济学的角度来看，情感化设计利用了人类决策过程中的重要心理机制。研究表明，人们的购买决策往往是情感驱动的，然后才用理性来为这个决策寻找合理化的理由。优秀的情感化设计能够在用户的潜意识层面建立积极的情感联系，影响他们的决策过程，让他们更倾向于选择和坚持使用你的产品。 我还观察到，情感化设计在不同商业模式下的作用机制也有所不同。对于 B2C 订阅模式，情感化设计主要通过提高用户粘性和降低流失率来创造价值；对于一次性购买模式，它更多地通过品牌溢价和口碑传播来驱动增长；对于平台模式，情感化设计则通过增强用户参与度和网络效应来创造价值。理解这些差异对于制定针对性的情感化设计策略至关重要。 更重要的是，情感化设计创造了难以复制的竞争优势。任何人都可以复制功能，但很难复制感觉。当用户对你的产品产生情感连接时，他们不仅更可能继续使用，还会成为你的品牌大使，主动向他人推荐你的产品。这种有机的口碑传播往往比任何付费营销都更有效。 从商业角度看，情感化设计的投资回报率往往超出预期。虽然前期需要投入更多时间和资源来打磨细节，但长期来看，这种投资会通过更高的用户满意度、更低的获客成本和更强的品牌忠诚度得到丰厚回报。特别是在订阅模式盛行的今天，用户留存率的微小提升都会带来显著的收入增长。据我观察，那些在早期就重视情感化设计的公司，往往能够在后期获得指数级的商业回报，因为情感连接一旦建立，就会成为公司最宝贵的无形资产。 ## 如何在自己的产品中应用情感化设计 理解了情感化设计的重要性后，关键问题是如何在自己的产品中实际应用这些原则。我总结了几个可以立即开始实施的策略。 首先是微交互的力量。不要低估小细节的影响力。一个按钮被按下时的细微反馈，一个加载动画的精心设计，一个成功操作后的庆祝效果，这些看似微不足道的元素可以显著提升用户体验。关键是要让每个交互都感觉有响应、有意图。用户应该感觉到产品在听取并回应他们的每个动作。 其次是建立情感反馈循环。就像 Duolingo 的例子一样，你需要确保用户的行为能够得到即时且有意义的反馈。这种反馈不应该只是功能性的（比如”操作已完成”），而应该是情感性的（比如”太棒了！你又向目标迈进了一步”）。这种情感化的反馈会让用户感觉被认可、被鼓励，从而更愿意继续使用你的产品。 第三是注重进度可视化。人们天生喜欢看到自己的进步，无论是学习新技能、完成任务还是达成目标。通过精美的进度动画、成就系统或里程碑庆祝，你可以让用户感受到成长和成就感。这种感觉会强化他们的使用动机，让他们更愿意长期坚持。 最后是保持品牌一致性。情感化设计不是零散的动画效果拼凑，而应该是整体品牌体验的一部分。从视觉风格到交互方式，从文案语调到动画节奏，所有元素都应该服务于统一的情感目标。只有这样，才能创造出连贯而有力的用户体验。 当然，实施情感化设计也需要平衡。过度的动画或过于花哨的效果可能会适得其反，让用户感到烦躁或分心。关键是要找到那个甜蜜点：足够吸引人但不会干扰功能，足够有个性但不会显得做作。这需要大量的测试、迭代和用户反馈来持续优化。 我相信，随着市场竞争的加剧和用户期望的提高，情感化设计将从”锦上添花”变成”必需品”。那些能够在功能之外还能触动用户心灵的产品，将在未来的市场竞争中占据主导地位。现在是时候开始投资于这种能力了，因为正如这些成功案例所证明的，当技术不再是门槛时，情感连接就成了最强的护城河。 ## 写在最后：情感化设计的未来 回顾整个分析过程，我越来越确信我们正站在产品设计的一个重要转折点。技术的民主化让创建功能变得越来越容易，但这也意味着纯粹的功能创新将越来越难以形成持久的竞争优势。在这种背景下，情感化设计不再是奢侈品，而成了生存必需品。 从 Duolingo 的角色动画到 Phantom 的信任重建，从 Revolut 的奢华体验到无数其他成功案例，我们看到的是同一个趋势：最成功的产品都是那些能够在功能之外还能触动用户情感的产品。它们不只是解决问题，更是创造感受；不只是提供服务，更是建立关系。 我预测，未来几年我们将看到情感化设计在更多领域的爆发式应用。不仅是消费者应用，企业软件也将开始重视用户的情感体验，因为即使是 B2B 产品的使用者也是有情感需求的人。金融、医疗、教育、工业软件等传统上以功能为导向的领域，都将迎来情感化设计的浪潮。 对于产品创业者和设计师来说，现在是投资情感化设计能力的最佳时机。不要等到竞争对手已经通过情感化设计建立优势后才开始行动。从现在开始，将情感化设计纳入你的产品战略核心，培养相关能力，建立设计文化。记住，在一个功能日趋同质化的世界里，情感连接将成为最强大的差异化武器。 最后，我想强调的是，情感化设计并不意味着华而不实或过度装饰。真正优秀的情感化设计是克制的、有目的的、服务于用户真实需求的。它不是为了炫技而存在，而是为了让产品更好地服务人类而存在。当我们能够在满足功能需求的同时也满足情感需求时，我们创造的就不只是产品，而是真正能够改善人们生活的体验。‍ 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。

Bcl-2抑制剂的下半场会更加精彩。

<blockquote><p>在AI技术快速发展的当下，软件公司的定价模式正经历着重大变革。通过对240家AI软件公司的定价数据进行分析，本文揭示了五个关键趋势：席位定价和固定价格模式面临挑战，混合定价模式成为主流，多种定价策略各有优劣，结果定价模式需关注四大问题，以及价格透明化并非适用于所有企业。AI技术的快速发展使得定价决策变得愈发复杂，企业需要投入更多资源来应对这一挑战，但大部分企业尚未做好准备。</p> </blockquote>  AI在深刻变革软件行业的同时，也带来了一个问题： AI功能固然强大，但由于价值错位和成本压力，传统的定价方式正在失效。 在这一背景下，软件公司对全新颠覆性定价模式的需求比以往任何时候都高涨。从现在看，这一趋势比大家想象的进展更快。 最近，国外科技作者Kyle Poyar收集了超过240家软件公司的数据，这些公司的年经常性收入(ARR)在100万至2000万美元之间，销售的是SaaS和AI混合产品。 透过这240家软件公司的数据，Kyle Poyar得出了关于AI定价的5个趋势： - 1）传统的席位定价和固定价格模式面临挑战，混合定价模式已成为主流。 - 2）当混合定价成为一种趋势，也出现了一些新的定价组合。 - 3）基于结果定价虽好，但在大部分市场短期内并不适用。 - 4）价格透明化的价值，或许被高估了。 - 5）定价模式仍然在快速变化，但大多数公司还没有做好准备。 ## / 01 /席位定价和固定价格模式，正在面临挑战 12个月前，软件定价主要还是席位收费和固定费率订阅两种模式。 这些模式提供了价格的可预测性，并有望带来持久的经常性收入（ARR）。然而，由于价值错位和成本压力，这些模式正日益面临威胁，尤其是对于人工智能原生产品而言。 固定费用和基于座位的定价正在被混合定价所取代，即订阅和使用的组合。数据上也能看出这一趋势： - 1）过去12个月，固定费用订阅模式占比从29%下降至22%。 - 2）采用基于席位定价的占比从21%下降至15%。 - 3）采用混合定价模式的占比从27%上涨至41%。  还有一个趋势是，AI与软件的结合越来越紧密了。 超过一半的受访者（53%）表示，他们将人工智能功能纳入核心软件产品。仅有20%的受访者表示，他们不提供任何人工智能功能。甚至更少的受访者（16%）表示，人工智能主要作为独立产品或附加组件出售。 AI为软件带来的一个变化是，软件提供的价值越来越多。客户可能需要更少的人工，而需要更多的人工智能。 - Alphabet表示，目前其代码的30%以上是由AI生成的。 - 微软首席技术官预计，到 2030 年，95% 的代码将由AI生成。 - Cursor拥有 60 名员工，年平均经常性收入(ARR)增长至2亿美元，平均每位员工的收入超过300万美元。 - Klarna表示，由于人工智能效率的提升，其每位员工的ARR从57.5万美元飙升至100万美元。 但另一方面，交付人AI功能的成本是真实存在的，并且正在成为定价的关键因素。调查参与者认为，内部成本和利润是人工智能功能定价的最重要因素。  ## / 02 /混合定价模式，已成为主流定价模式 在SaaS时代，大部分软件公司的定价策略，主要参考Salesforce或Slack等。而到了AI时代，他们的定价策略受到了Clay的启发。 Clay采用的是混合定价模式，既通过多种定价方式来满足用户需求，又保持定价相对简单，比如更多功能（订阅套餐）和更多使用量（积分）。  Clay没有为包年套餐提供大幅折扣，而是提供小幅折扣（10%），并允许客户一次性获得所有积分。未使用的积分可以结转到下个月（最多2倍），这既方便了客户，又能增加用户粘性。 最近，一些初创公司和大型企业都引入了类似的混合模式。比如，我一直在关注monday.com（现在所有付费计划每月提供500个AI积分）、Salesforce旗下的Agentforce（5月份增加了弹性积分模式）、Atlassian以及许多其他公司。 混合定价是席位或固定费用订阅模式的自然演变。我认为混合定价如此受欢迎的原因有四： - 1）没有对原有定价体系造成太大冲击。混合定价无需另辟蹊径——它可以融入现有的基于座位和订阅的模式。 - 2）更自然的销售路径。它创建了一条自然的追加销售路径，让客户“免费”试用新产品，然后随着使用量的增长而盈利。 - 3）可观的利润率。通过限制使用量，公司可以控制成本，并最大限度地降低无利可图客户的风险。 - 4）相对可预测。通过遵循传统的定价模式，买家可以估算成本并控制支出。 ## / 03 /七大常见的定价策略 随着越来越多AI产品转向混合定价模式，一个新的挑战出现了：构建混合定价的方式似乎有无数种，但并非每一种都合适。 在这里，作者分享了一些常见的定价方法，以及其优缺点。  **第一，现收现付(PAYG)。**这并非真正的混合模式，且早期可能会有不错的效果。现收现付意味着无需承诺，完全灵活。当客户可以报销费用或将其计入运营预算时，这种模式最有效。否则，企业采购要小心了！ **第二，有上限的现收现付(PAYG)。**这种模式通过限制潜在使用量/支出，让买家安心无忧。这种模式在基于结果的模式中越来越常见，因为结果事先是未知的。 **第三，基于使用量的套餐。**客户承诺一定的使用量或套餐；这通常是“用完即止”。套餐包含多种子模式，包括高额计费（如果使用量超过计划上限，客户将立即进入超额计费模式）或递减模式（使用量可以灵活使用，就像礼品卡一样）。对超额使用量和使用量波动的担忧会导致销售人员过度销售，客户过度购买。 **第四，平台费加使用量。**收取平台费有助于锁定客户，同时让他们享受高级功能、优质支持等。当定价指标商品化（例如：短信、计算、存储）或无法反映产品的全部价值时，这种方法非常有效。供应商可以宣传价格实惠，但需要通过平台费来弥补。 **第五，平台费（含使用量）加额外使用费。**这种模式也称为三部分资费模式，其订阅费较高，但包含一定程度的“免费”使用费。提供最低使用量有助于吸引客户，并通常会刺激他们增加整体消费。 **第六，自适应固定费率。**在这种模式下，客户承诺选择一个基于使用量的层级，但在合同期内可以随意使用产品，不会产生超额费用或需要升级。在合同续期时，其层级会根据实际使用情况进行上调或下调。自适应统一费率对客户来说具有可预测性，同时也能鼓励他们随着时间推移增加使用量（缺点是如果使用量下降，你仍需承担相应的成本！）。 **第七，平台费加成功奖金。**在这种模式下，定价以更传统的订阅费形式呈现。如果客户获得的回报率（ROI）高于预期，他们需额外支付一笔奖金或佣金。 ## / 04 /结果定价，必须关注的4个问题 5%的受访者表示，他们目前的主要定价模式是基于结果的。然而，25%的受访者表示，他们预计到2028年，才会将定价模式将转向基于结果的模式。  基于结果的定价的早期采用者——例如之前提到的Intercom，正在为市场铺平道路。 其中一些所谓的“基于成果”的模式，更准确地说应被称为“基于工作量”的定价（例如 EvenUp、Casemark）。而另一些则是真正意义上的“基于成功”的定价模式，即当客户获得额外收益时，供应商会从中抽取一部分分成（例如 Chargeflow、Flycode 和 AirHelp）。 以 AirHelp 为例，当它为客户赢得因航班延误或取消而获得赔偿时，会收取35%的成功费用。 当 AI 智能体被定位为“执行任务”的角色时，按照其完成的工作量（或者与该工作相关的收益）来定价就显得顺理成章。从市场营销的角度来看，这种模式非常成功。 它传递出一个强烈信号：你对自己的产品充满信心并愿意全力为其背书。同时，这也促使供应商不断投入资源，提升产品效果，从而为客户带来更多的实际成果。 然而，这一模式背后也存在一个不容忽视的问题，我将其称为 CAMP 框架。要实现基于成果的定价，企业必须具备以下四个要素（CAMP）： 1）一致性（Consistency）：所有客户都重视相同的成果吗？还是说不同客户所需的成果各不相同，导致必须定制化结果，进而催生大量定制化合同。 2）归因性（Attribution）：你能说服客户将取得的成果归功于你的产品吗？还是他们认为主要靠自己达成目标，你的产品只是起到了很小的帮助作用？ 成果归因是基于成果定价中最棘手的问题之一。如果客户无法清晰地看到你的产品在推动成果中的作用，他们就不太可能愿意为此付费，尤其是在按成果分成的情况下。 3）可衡量性（Measurability）：你能否实时测量并报告这些成果？还是需要依赖客户的报告、A/B 测试和/或概念验证来确认成果？ 如果无法准确、及时地衡量成果，就难以建立透明的计费机制和信任关系。理想情况下，系统应具备自动追踪关键指标的能力，并向客户展示明确的价值证据。 4）可预测性（Predictability）：你能以一定准确度预测你的产品将带来的成果吗？还是不同客户之间的成果差异很大？ 如果成果波动大且不可预测，企业将面临巨大的财务风险。例如，某些客户可能获得极高回报，而另一些几乎没有任何改善。这使得定价模型难以标准化，也增加了销售难度。 ## / 05 /价格透明化，或许被高估了 将定价信息隐藏起来的做法，曾被认为是上世纪90年代和2000年代的遗留习惯。毕竟，如今精明的买家会在网上做调研（或向同行打听），很可能会找到他们想要的价格信息。 像Vendr这样的工具甚至通过一个免费的Chrome插件，就能展示其他人实际支付的价格。 公开定价可以让你抓住这部分买家的需求（以及相关的搜索流量），同时掌握叙述权（即主动定义客户对产品价值的理解）。此外，它还能筛选掉那些不符合条件的买家，避免他们浪费你团队的时间。 然而现实是，尽管透明定价有其优势，但很多企业并未全面采纳这一做法。 这背后可能涉及复杂的定价结构、差异化报价策略，或是担心价格成为竞争焦点而削弱价值主张。因此，虽然透明化趋势看似“不可避免”，但在实际执行中仍面临诸多挑战和顾虑。  现实情况是：事情并没有完全按照预期发展。 那些平均年度合同价值（ACV）低于5000美元的企业，以及采用产品驱动增长（PLG）模式的公司，通常确实会把定价信息放在官网上公开。但对于其他企业来说，情况并非如此普遍。 我的一点看法：许多软件公司，尤其是初创阶段的公司和AI相关企业，其实还没有完全理清自己的定价策略。一旦将价格公之于众，后续再进行调整就会变得困难得多——因为这很容易让消费者感到困惑，甚至失去信任。 此外，随着定价模型变得越来越复杂（例如：结合AI积分的混合定价），买家并不一定会相信他们在网站上看到的价格就是最终要支付的金额。 他们自然会提出一系列问题：有没有使用上限？超额费用怎么计算？哪些功能是额外收费的？等等。 当复杂性上升时，买家更希望与真实的人沟通，而不是仅仅依赖一个网页上的价目表。 ## / 06 /AI定价快速变化，大部分人没有做好足够准备 AI技术的快速发展使得盲目沿用现有的定价模式变得不再可行。（事实上，去年有四分之三的软件公司对其定价策略进行了调整。） 随着定价决策日益成为一项战略性且复杂的任务，企业需要为定价工作投入相应的资源。这背后有大量的实际工作要做，包括深入理解成本结构、竞争对手动态以及客户感知价值。 然而，大多数企业在两个方面仍显不足： - 1）人员能力缺口（Personnel Gaps）：缺乏具备专业定价分析、价值建模和市场洞察力的人才； - 2）工具落后（Legacy Tooling）：仍在依赖传统的Excel表格或过时的系统，无法支持实时数据驱动的定价决策。 换句话说，虽然定价的重要性日益提升，但很多公司并没有建立与之匹配的能力体系来支撑这种战略转型。  在公司发展的早期阶段，定价几乎总是由创始人或CEO直接拍板决定。随后，随着公司规模扩大，定价逐渐变成一个“烫手山芋”，在销售、产品、市场、财务和运营等多个部门之间来回推诿。 要特别警惕陷入所谓的定价“无人区”（pricing no-man’s land）——这通常发生在年经常性收入（ARR）在500万到2000万美元之间的时候。在这个阶段，初创时期的“拍脑袋”决策方式已经不再适用，但正式的定价机制和责任人又尚未建立起来，导致定价策略缺乏清晰的所有权和战略方向。 ## / 07 /总结 我仍然对基于使用量（usage-based）和混合型定价模型（hybrid pricing models）持乐观态度，但我越来越倾向于认为它们只是迈向基于工作量（work-based）和基于成果定价（outcome-based pricing）的过渡阶段。  这其实是整个软件行业从“拥有”走向“租赁”，再走向“按需使用”的更广泛演进的一部分： - 从本地部署（on-premise）到订阅制（SaaS）； - 再从订阅制走向按实际使用付费的模式； - 每一次演变都在降低客户的前期成本，使软件变得更加易得； - 同时也将风险从买家转移到了供应商身上，迫使供应商真正为客户的成果负责； 如果我们能够实现这一愿景——也就是真正落地成熟的基于成果的定价模式——它将彻底改变软件公司的运作方式。届时，公司中的每一个部门都将围绕一个核心目标运转：帮助客户实现他们的目标。 本文由人人都是产品经理作者【智能乌鸦】，微信公众号：【乌鸦智能说】，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。

面对一个问题，该如何找到对应的解决方案呢？

<blockquote><p>文章介绍了 Coze 平台的个人知识库功能，指出其使用简单，但要做好基于知识库的问答分身，需考虑知识库沉淀、精修、Workflow 使用和提示词调优等因素。</p> </blockquote>  前几天，我们介绍了Agent平台在AI项目大框架中是一个什么样的定位，以及能成功的两个关键流量与幻觉问题，因为这种Agent平台本身其实难度并不太高： AI创业如何选择Agent平台，Coze、Dify、腾讯元器？可能都不是  然后之所以比较推崇字节体系的Coze，其原因除了他的流量红利外，飞书本来就是做2B的，企业端可以很轻松用Coze+多维表格实现AI的简单试错。 按照流量逻辑来说，Agent平台会用得比较好的应该是腾讯、阿里、字节体系才是，为什么Dify这个东西又出现了呢？ 这里就涉及了第三个问题：安全性（这里可能会涉及云服务商选择等多种问题），因为Dify是开源的，所以其在数据隐私这里会有些优势，并且也是因为开源其拥有看社区的属性，这也是一种流量。 然后在做Agent平台做实施的时候，单独靠Dify或者Coze很多工作其实是难以完成的，所以飞书还有多维表格这种类似数据表格的东西配合Coze，这样他就可以做到多Agent协同了，这块Dify怎么办呢？ 答案是Dify也可以用多维表格当然也可以使用维格云表格（他与飞书多维表格很类似），反正中间可以写各种胶水代码解决这一切… 言归正传，通过对Dify的简单探讨，其实这里将Agent平台成功元素又做了一次梳理，依次是： - 流量，包括开源社区的流量； - 数据隐私与安全； - 工具生态； - 幻觉问题； 前三个我们做了一些说明，现在聊聊幻觉问题。其实这种Agent平台在幻觉这里的处理就是依赖知识库，他在小场景、非严肃领域是很不错的选择，所以我们今天就来聊聊Coze平台配套的知识库，事实上他使用起来比较小白… ## 知识库 依旧是Agent的经典图示：  一个Agent运行的是否好，主要由两点控制： 第一，**Workflow**，在模型足够强之前，Workflow相当于为大模型设置了任务目标，**Workflow会决定这个Agent像不像个正常人，能不能完成基本任务**； 第二，**独有知识**，无论模型多强，他也不能知道自己没有学习过的知识（语料），所以这里一定会产生知识库的概念，让模型可以实时查询，事实上知识库体系完全可以脱离于Coze运行，**知识库决定了这个Agent聊得像不像一个专业的人**。 这也是为什么会说**AI产品的核心是数据**的原因，因为底层模型都是类似的，拉开差距的其实就是数据的沉淀与应用，**其中数据沉淀是KnowHow的事，数据应用是工程的事，KnowHow肯定大于工程的**。 这里依旧使用之前的案例，以下是一次完整的粉丝咨询问答： ## 问题： 我准备提一个副部长，把所有现在的管理工作全部交出去，精力主要放在AI发展、重点项目攻关上。 正副分工：副部长主要偏向内部管理，包括项目管理、人员指标管理和工作提效。部长主要偏向外部拓展，负责资源预算争取、处理跨团队冲突、重点项目攻关、文化建设、关键人员管理。 组长 A：人缘好，管理能力不错，技术一般。独立负责团队很久，但对高管有意见，和高管对接时心态不稳定。优点是管理能力和团队认可度，缺点是技术不足，可能与高层有摩擦，影响执行力。 组长 B：抗压能力强，技术专业，跟我契合度高，但与高管和外部门负责人对接少，外部门接受度低。优点是技术过硬，配合度高，适合处理复杂项目；缺点是缺乏高层沟通经验，可能会在协调资源时遇到摩擦。 组长 C：脾气好，学历高，服从度高，但技术和综合能力差，之前团队被拆分，现在负责项目管理，高管知道他稳定但不出成绩。优点是服从度高，容易管理；缺点是能力不足，无法推动工作高效开展。 外招：考虑AB都有能力独立负责团队，外招可能导致内部矛盾。 如何选择。 ## 回答 关于副班长，我接下来说的可能会有些扎心。 所谓副部长也就是我们常说的副班长，我历史上提拔了很多副班长，可以说都很成功，也可以说有些失败。 副班长第一要务是帮你搞定是，而不是不给团队惹事。换句话说，副班长在某种层面来说是打不死的炮灰，是要用来吃屎的。 一旦做团队负责人，管理幅度超过50后，公司里面会有很多破事，包括： 跟HR对预算，跟财务过方案，偶尔见个外部客户。 以上事件80%都是对你毫无意义但对团队运作又十分重要的，属于垃圾但必须吃的屎粑粑。 这是第一类的副班长，属于我精力的延伸，因为涉及到工资等信息是比较敏感的，所以副班长必须是信得过的人。 很多负责人是没有意识培养副班长角色的，这造成的结果就是，他自己经常被各种杂事缠住，天天做那些垃圾事情。 第一类副班长，更多是这种老黄牛。从这个角度来说，根本没有外招的可能，因为必须熟悉，因为他会熟悉很多隐秘。 因为如果对有效任务敏感的话，他本身就不愿意去做这些垃圾事。另一个可能就是，你找了个副班长，但他其实也不想做垃圾事，于是自己又找了个副班长，俗称大队长。 这里再说第二类，如果说第一类要有基本的沟通能力，对外协调能力，要有耐心，能把细致的工作做好，偶尔甚至能解决点生活上的琐事。 PS：我最过分的时候，甚至汽车包养都让他们做…. 第二类副班长以能力为主，他们在管理上有些缺陷，但优在项目上能打，能扛事，能死命加班，他们事实上是介于嫡系和老黄牛之间的角色。 他们本身对有效任务并没有敏感度，但因为能力比较好，我们指哪打哪，被认定为可以长期合作的伙伴，准备一直带着玩，所以会为他们指明方向。 如果说第一类副班长是处理团队杂事，第二类就是处理项目攻坚 而一般寻找副班长，用上述两个角色就完全足够了，因为他们主要的工作是分担团队杂事，完全不存在需要他们面对高管的场景，不存在向上汇报的任务。 除非进入特殊情况，就需要第三类副班长了。 第三类是：恭喜你，你马上要高升了，比如原来管产品团队，后来需要将技术团队一起管理，那么之前产品团队就要留一个人。这个时候选择副班长就很有艺术性了。 以粉丝情况为例，你选择了A做副班长，还选择了一个B做项目方面的副班长，两年后你升职了，应该提拔谁做团队负责人？ 答案可能是都不提拔，可能是外招，可能是提拔技术与情商俱佳的一个人 因为他真的需要帮你打仗了。 就现在情况来说，师弟选副班长用A完全足够了。 只不过你所谓跟高管关系不好是什么梗我是不能了解的，跟高管关系不好意味着蠢，而蠢货是不能做副班长的。 我看下来，貌似C比较合适，因为，虽然不需要做重点汇报，但副班长有时候还是要面对高管做些杂事，如果心态不好，到时候懒得处理。 如果B有向上走的心思，也可以培养，但管理是一种天赋，如果之前没展现出来，之后也很难马上有。 最后，副班长涉及影响力，影响力必须在团队前五才行，所以可选择面是比较少的。 也可以参考另一个策略：你想他上他就上，你想他下他就下，谁能做到就选谁，逻辑上副班长拿掉对你的工作应该毫无影响。 最后，职场中是存在各种25仔的，不要培养一个敌人就好小结 以上就是一次关于副班长问题的完整回答，回答中其实包含了非常密集的信息量以及黑话，如果后续模型能够根据这里的回答，表现出类似的回答，那么他就是好的，否则就需要优化，这里我们就来继续。unsetunset启用知识库unsetunset 首先，我们不对知识库做任何处理，使用之前的Coze工作流，使用该知识库作答，使用默认分段感觉有点别扭：   这里设置好扣子后，开始调试，并询问几个问题：什么是副班长；副班长的意义是什么；什么人适合做副班长，什么人不适合；做副班长有什么好处与坏处； 这里依次对比DeepSeek-R1、ChatGPT-O3与Coze（依赖于豆包）的回答：       似乎都还行，不一致的地方是因为模型选择的原因。 然后Coze知识库这里对向量检索（在语义检索和混合检索）的模式下，会将用户整段提问送进Embedding模型，直接用向量去最邻近搜索，整个这个过程貌似只能做配置调整，没有暴露真正的向量或关键词，所以是没有自己搞RAG方便的。 这其实也体现了这类低代码平台最大的问题：在做简单应用的时候他们效率奇高；再做复杂应用的时候，其维护效率肯定是没有传统代码来得香的 以这里的RAG为例，其实返回回来的list真实使用情况下还会做各种处理。 ## 大型知识库 接下来，我们提升难度，将所有课程全部上传：  这里的分段数据就多了：  这个时候我们将副班长的知识库删了，用39门课程知识：  我们再问问题，看看他的表现：  这里与腾讯知识库IMA的表现是类似的，但个人感觉IMA的体验要好点：  这里再补充一个问题：  确实是我知识库的内容，但具体表现得又不是很好，这里的优化的话就得上Workflow或者引入Cot逻辑了。 ## 结语 怎么说呢，扣子的知识库使用起来还是比较轻松的，但如果真的想做一个基于知识库的问答分身，其难度还是比较高的，在几个点需要考虑： 第一，也是是否问题，是否沉淀了知识库，我这块可是有接近20多万字的数据啊； 第二，知识库还需要进行精修，这也是我接下来会做的事情，我要将知识库修整为系统更容易识别的形式； 第三，Workflow的使用，也就是意图识别一系列的工程化能力；第四，提示词调优； 所以，一个简单的知识问答分身难度是很高的，而要做好需要很多的准备，这里我们后续继续探讨。 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。