2025年5月29日，截止收盘，沪指涨0.7%，报收3363.45点；深成指涨1.24%，报收10127.2点；创业板指涨1.37%，报收2012.55点，两市成交额较上一交易日增加1754.72亿元，合计成交11854.22亿元。

跳票超过两年的“新一代CarPlay”，突然就来了。15号的时候，著名豪车品牌阿斯顿·马丁释出一段视频——音乐声中，视频以阿斯顿·马丁DBX707标志性的白金汉绿配色侧车身形象开启。随着镜头切换，中控屏上在打出一个花写体的“hello”之后，ASTON MARTIN的商标与CarPlay Ultra标志同时浮现。  随后是大家所熟知的CarPlay图标主页，然后迅速进入Settings菜单。在Themes选项内，展示出了多种显示车速、油量、水温，以及发动机转速的仪表盘风格。在镜头拉近与调远的过程中，中控风格设置变成了液晶仪表盘中的行车参数界面…… 在后续的画面中，阿斯顿·马丁继续展现了新版CarPlay在车辆座舱功能控制上的能力，例如音乐播放、导航信息仪表投屏、座舱空调控制等。 视频结尾，在V8发动机的声浪以及虚拟转速计的疯狂跳动中，画面回到了最初的车辆侧影，逐渐淡出。 仅47秒的展示视频，不但道出了曾被称为“CarPlay 2.0”或“新一代CarPlay”的正式官方名称，更隐隐揭示了其打通中控与液晶仪表盘，在显示车辆行驶数据的同时可同步控制座舱功能的事实。  图丨苹果官网上的CarPlay Ultra效果图 “通过与车辆硬件的深度整合，新一代CarPlay将为（车上）各个界面提供内容，并实现对车辆功能的操作，让你（的汽车）拥有（与iPhone）统一且一致的体验。” 2022年6月，在年度全球开发者大会上，苹果公司汽车体验工程高级经理Emily Schubert曾如此承诺。笔者当然不太可能借到一台新款DBX707来实际体验一番，但仅从官方视频所展示的内容来看，其大致兑现了三年前的承诺。尽管在原本的计划里，这个已被正式命名为CarPlay Ultra的苹果新一代车载OS，本来应该在2023年内就拿出测试版本。 在外网的社交媒体上，CarPlay Ultra现世也引发了全球车主的议论。在X平台的相关话题下，不少美国车主普遍对其表示了相当程度的兴趣，而部分欧洲车主对于仅靠苹果手机就能提升汽车界面数字化水平，表达了正面观感。 直到有位来自德国的网友，回复了一段灵魂拷问—— 也就是说，你首先得有一部iPhone，然后还得有台完成苹果公司硬件适配的新款汽车。而只有凑齐这两样，你才能用上特斯拉和一众中国汽车品牌早在几年前就具有的那种“智能座舱”。  图丨蔚来ET9配备的智能座舱系统 **艰难登场的CarPlay Ultra** 为什么不能通过Siri来操控车内空调，甚至是座椅的通风、加热以及按摩功能？ 为什么我的导航投屏只限于中控，而不能同步到液晶仪表盘甚至HUD上？ 为什么苹果提供的车端UI界面只限于中控屏，而不能用干净利落的苹果风格替换原厂液晶仪表盘上那些杂乱无章甚至逻辑混乱的行车数据显示？ 相信所有CarPlay的老用户都有过类似的想法。然而畅想归畅想，但凡会这么畅想一番的人其实大多内心也明白，要求CarPlay实现这些功能只怕是不切实际的。  图丨CarPlay很好用，但只限于中控娱乐系统本身 手机端获取行车信息的前提，是要车企对苹果开放相应的数据通道。至于座舱功能控制，更是必须获得对应的接口权限。而UI的问题则更加复杂，想要每款车完成中控屏适配已是件浩大的工程，更何况仪表盘以及抬头显示器。 事实上，这也是CarPlay Ultra之所以会跳票两年的主要原因。 首先是消费电子企业与车企之间不尽相同的产品周期问题。苹果要求车辆必须配备数字仪表盘和最新一代车载芯片，但合作车企以车型中期改款为界的话，硬件换代周期普遍为3~5年。例如这次拔得头筹的阿斯顿·马丁，其实为了让最新款DBX707适配CarPlay Ultra，不得不将原定2024年末的发布时间推迟约半年。  图丨为了等待与CarPlay Ultra完成适配，阿斯顿·马丁被迫将DBX707的发布时间调后半年 当然，问题不仅仅出在阿斯顿·马丁一个合作品牌，更不止于硬件换代周期方面。 CarPlay Ultra最初目标是全面接管车辆仪表、中控等多屏交互，但实际到了开发阶段则发现，不同车企的车辆总线协议、传感器数据格式的差异极其巨大，这种差异甚至出现在同一个集团下属的不同品牌之上。例如，奥迪的驾驶模式切换指令与保时捷的逻辑完全不同，尽管两者同属大众集团。 而想要解决这些问题，就需要为每个品牌定制“中间层协议转换模块”。这导致技术团队花费近一年时间建立车辆功能映射数据库，终于完成了覆盖超过200种车辆控制指令的标准化转译工作。而这也是CarPlay Ultra被迫延期两年的主要原因。 当然，上面提到的也只是摆在台面上诸问题的一部分。对于一家试图深度介入汽车产业的消费电子巨头而言，安全性才是其要迈过的第一关。 众所周知，半导体器件（芯片）根据应用场景及使用环境的区别，分为民用/消费级、工业级、车规级、军工级、航天级五个等级，其具体适用范围我们可以望文生义。处于最“低档”的民用/消费级半导体器件，其工作温度适用范围，防雷、防湿、防尘，以及抗震动与冲击能力，外加整体可靠性和寿命要求，与高了两级的车规级产品根本不可同日而语。而iPhone出于成本方面的考虑，根本不可能使用车规级器件。用过智能手机的朋友应该都知道，系统死机“转圈”重启的频率，大家隔三差五都能遇到。  图丨车规级芯片测试和认证周期远高于消费电子级芯片 与上一代不同的是，CarPlay Ultra的功能已不只局限在娱乐和导航方面，还包含了车速、发动机转速、水箱温度等大量的行车数据显示。尽管不干涉车辆的动力操纵，但既然iPhone事实上成为了座舱域控制器，那么一旦行车途中遇到“转圈”导致司机失去行车数据信息，对行驶安全也会有一定危害。 所以为了解决这个问题，苹果的相关团队专门设计了安全冗余方案，引入双通道通信机制，当CarPlay Ultra异常时自动切换至车企原生系统。但这一环节耗费的时间，也使得整个项目被进一步延期。 **“灵魂”争夺战** 一直以来，苹果无论是与供应商还是客户的合作，都是以强势面貌示人。而在CarPlay Ultra这个项目上，基于1.0时代的经验，自然也不会例外。 其强势体现在对自搞一套标准并且对凸显自身品牌的偏执，无论是在UI界面整体风格上，还是系统核心交互逻辑上。但车企毕竟是强势甲方，更何况苹果这次合作的相当一部分还是属于豪华品牌。 此外，CarPlay Ultra想要实现仪表盘数据显示以及座舱功能控制，就必须有车企开放给其功能数据和端口，过分坚持苹果原则的后果就是一拍两散。  图丨车企并不愿意受“手机厂”摆布，那些实在有心无力的不在其列 谈崩的事情确实发生了。例如奔驰就坚持保留自研MBUX系统的核心交互逻辑，在与苹果僵持不下后果断选择退出合作。事实上，确实有相当一部分车企担忧苹果对于在CarPlay Ultra上极端坚持自身特性的要求，会模糊车主对车辆品牌的认知，从而严重削弱自身的影响力。 而既然有了奔驰甩手走人的先例，苹果也不得不作出妥协，最后同意部分车企在仪表样式、字体粗细、主题颜色等表层设计保留品牌元素。但对于基本交互框架，则仍坚持由自己主导。这种“有限定制”策略对于苹果来说已是让步，但在部分合作方看来却并不解决根本问题，故而此前曾传出与本田、捷豹路虎等品牌的谈判陷入僵局的传闻。 而时至今日，已确定合作的品牌除了首发的阿斯顿·马丁，明确计划未来12个月内扩展的还有现代、起亚、捷尼赛思这几个牌子。说穿了，就谈下现代起亚集团一家而已。 与各大“国际车企”的合作尚且磕磕绊绊、进展缓慢的状况相比，CarPlay Ultra在中国市场的前景又是如何？其实，答案是明摆着的。 华为有鸿蒙OS，并且该系统的最新版本已放弃对Android应用的兼容，且纯血统鸿蒙系统的笔记本也刚刚发售。换而言之，其已初步实现了苹果长久以来的“全平台”梦想。小米正在自研澎湃OS，宣称要实现车机与手机算力共享，无缝衔接智能家居设备。  图丨现如今，国内主机厂在智舱软硬件方面并无弱鸡，即使比亚迪这种并不以智能化著名的品牌，DiLink拿去世界市场，也是可以鄙视多数友商的 至于比亚迪DiLink、蔚来NOMI以及吉利的FlymeAuto等系统，不但在用户体验和数据主权上形成壁垒，且都在努力往移动端发展和拓展。 中国车企，无论自主五虎，还是各家造车新势力，大名未出现在苹果公布的合作伙伴名单中。在官宣CarPlay Ultra的新闻稿中，也仅表示“未来将扩展至更多地区”，未提及任何具体的中国汽车品牌。 为什么会有这种情况出现？一部分原因显然是中国车企对开放车辆核心数据接口（如驾驶模式、电池状态等）持谨慎态度，特别是在与苹果这样拥有成熟自身软件生态体系的巨头开展需要深度整合的合作项目时，将可能导致刚刚培养起来的用户数据流向现有苹果体系，从而削弱品牌的掌控力，甚至断送孕育中的自有生态体系。 然而从另一个层面的考虑则是——不整合，又能如何呢？就问问阅读到现在的各位，以大家各自对于国产智能座舱的体验，无论鸿蒙OS还是FlymeAuto，是一个刚刚发布的CarPlay Ultra能够比拟的吗？  简而言之，没有多少好处却可能会有坏处的事情，那就不干也罢。反正到目前为止，智驾方面吹特斯拉的可能大有人在，但智舱领域说自主品牌不好的还真没多少。 **情怀与现实的碰撞** 三月底的时候，星纪魅族车机系统（FlymeAuto）开放了1.7版本更新升级。除了一堆功能的添添减减，各种BUG的修修补补，其最大的新增功能显然是对于CarPlay的支持。而在领克社区内，肉眼可见地，车主们都有点兴趣的样子。 对此，笔者也多少怀着点小期待。毕竟我作为CarPlay的资深用户，曾在自己的上一台车长达七年的使用周期内，与之相伴数千小时之久。其导航映射功能，以及喜马拉雅听书APP，已成为日常驾驶不可或缺的组成部分。 然而后来一个月的使用证明了，恋旧在大部分时候只不过是一种情怀而已。  图丨有了这个还去用CarPlay，确实显得多此一举 工作日早晚，打开车门坐定后，用“嗨，领克”呼出语音助理后，告知“导航回家/去单位”，远比在手机上按按按要来得方便。至于喜马拉雅，车端和iPhone端其实共用一个账号。关门锁车后，掏出手机点开APP，在“历史-播放历史”页面里点下最近的项目，就能继续顺着车上听过的部分继续播放。 用回CarPlay，只会让已经习惯的简洁流畅，重新多上一到两个步骤。多一事，还不如少一事。 “上汽很难接受单一供应商为我们提供整体的解决方案。这样会变成‘他是灵魂，我是躯体’。我们的灵魂一定要掌握在自己手中，所以我们不接受任何供应商的整体解决方案，最多是合作。” 2021年6月，在上汽集团的股东大会上，时任集团董事长的陈虹在面对“是否会与华为合作”的记者提问时，如此回答。这便是著名的“灵魂论”，其一经媒体传播即引发群嘲，影响甚至持续至今。以至于到目前为止，上汽任何涉及华为相关的汽车业务合作，都会被吃瓜群众挖出当年的“灵魂论”来进行揶揄。  图丨现如今在中国车圈，那些对行业未来满怀野心的企业，都会考虑开发自主系统，进而培育自主生态体系 然而既然已经时过境迁，我们也确实有必要来冷静看看这个“灵魂论”。毕竟，其核心问题在于如何理解话语中有关“灵魂”的定义。 昔日，在华为车BU高调崛起的大背景下，许多网民将之视为传统车企故步自封的傲慢。然而让我们换一个视角，如果“灵魂”指的是核心技术、核心系统，以及与之伴生的汽车相关生态体系，乃至于可以预计的近期以及远期利润，则又当如何？ 没有企业愿意“出卖”自己的灵魂。贵为超豪华品牌的阿斯顿·马丁只要还有可能，想必也不会甘于对苹果敞开胸怀。 毕竟我们都知道的是，这个品牌前年和去年的财报都呈现巨额亏损状态，已被部分媒体揶揄为“第八次破产倒计时”状态。并非其不想自研系统，将所有权柄和数据抓在手中，纯粹是因为有心无力而已。 正如“灵魂论”揭示的底层逻辑——车企拒绝的从来不是技术合作，而是核心价值体系的空心化。而在遍地高性能甚至超越性替代品横行的中国市场，用户们实际早已用脚来投了票。 对于苹果来说，如果对破局还怀有期待，或许起码应该在中国市场重新审视“妥协”的边界：是继续执着于生态闭环，还是像DeepSeek赋能中国车企般，以技术赋能者姿态寻找新坐标？ 想要有所收获，改变显然是必须的。然而苹果究竟是否愿意去改变，中国车主们其实并不在乎。 [查看评论](https://m.cnbeta.com.tw/comment/1503078.htm)

临近端午假期，DeepSeek果然又开始搞事。就在今天凌晨，新版DeepSeek-R1正式开源了！DeepSeek-R1-0528模型权重已上传到HuggingFace，不过模型卡暂未更新。  项目地址：[https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main) 时隔4个月，DeepSeek-R1完成了超进化，编程能力强到离谱，而且思考时间更长了。 据称，新模型基于DeepSeek-V3-0324训练（参数为660B）。  经典物理模拟测试中，DeepSeek-R1新旧版本的对比 在LiveCodeBench基准上，DeepSeek-R1-0528性能几乎与o3-mini（High）和o4-mini（Medium)实力相当，一举超越了Gemini 2.5 Flash。  有网友称赞，DeepSeek-R1能够像o3一样纠正思维链，并且像Claude一样创造性进行世界构建。  可以说，这是属于开源模型的巨大胜利！ **不用R2，直接对标SOTA** 此次，DeepSeek-R1-0528更新核心亮点，网友做了一个浓缩版的总结： 能像谷歌模型一样深度推理 文本生成优化：更自然，格式更佳 独特的推理风格：不仅快，而且更缜密 支持长时思考：单任务处理时长可达30-60分钟  思考时间更长，成为了全网讨论最多的一点。有网友实测后，R1思考时长超过了25分钟。  另外，这似乎是唯一一个能持续正确做对「9.9 - 9.11是多少」的模型。 **编程能力强到爆** 网友实测显示，新版DeepSeek-R1在编程方面简直不可思议！ AI圈大佬「karminski-牙医」用同一个prompt测试了DeepSeek-R1-0528和Claude 4 Sonnet后发现。 不管是光线照射在墙上形成的漫反射，还是球在撞击后的运动方向，亦或是控制面板的美观程度，这一把R1稳赢。  网友Alex的测试也显示出，DeepSeek-R1在前端编码的能力上超越了Claude 4 Sonnet。   网友Haider.则是让模型构建一个单词评分系统。R1简要思考后，就立刻出了关于代码和工作测试的两个文件，第一次运行就完美无瑕。 此前，o3是唯一能完成这个任务的模型。而如今，R1堪称是完成这个任务的最佳模型。 注意，R1的表现之所以如此惊人，是因为它返回的两个文件在第一次都能运行良好，不用编辑，不用重试，这极其少见。 因为此前的大多数模型，要么会在边缘情况下终端，要么会做得太复杂，要么缺少适当的测试覆盖率。  [查看评论](https://m.cnbeta.com.tw/comment/1503076.htm)

特朗普政府正加速拥抱加密货币。当地时间5月28日，在今年的比特币2025大会上，美国副总统JD·万斯强调，加密货币（特别是比特币）已经成为美国主流经济的一部分，并且“将长久存在”：“我今天来这里是要清晰明确地宣布，在特朗普总统的领导下，加密货币终于在白宫有了一位支持者和盟友。” [](https://n.sinaimg.cn/spider20250315/500/w1260h840/20250315/fff5-af22d068995554cef887c5c8441af156.png) 股票和加密货币交易平台Robinhood的CEO Vlad Tenev接受采访表示： “在前任政府下，我们基本上经历了对整个行业的地毯式轰炸。现在突然间，你可以开始进攻了…我们现在拥有一个对技术开放的政府。” 过去一年来，比特币价格已经累计上涨约60%。  **稳定币立法成为政策焦点** 在大会讲话中，万斯特别强调了推动《GENIUS法案》的重要性，该法案旨在为与美元挂钩的稳定币创建监管框架。他表示： “美元挂钩的稳定币，特别是在《GENIUS法案》通过后，只会帮助美国经济，只会帮助美元。” 这一立法已在参议院通过关键程序性投票，得到15名民主党议员的支持，但在众议院可能面临更多阻力。 特朗普政府的顶级加密和人工智能顾问David Sacks向媒体透露，市场上已有超过2000亿美元的非监管稳定币，合法框架“可以几乎在一夜之间为美国国债创造数万亿美元的需求”。 特朗普家族的加密帝国：利益与质疑并存 特朗普政府的加密热情正值总统家族深度参与该行业之际。 据报道，特朗普本人拥有29亿美元的加密货币资产，其旗下Trump Media and Technology Group刚刚宣布筹集25亿美元投资比特币。与此同时，总统及其儿子们与加密交易所World Liberty Financial有联系，而Eric Trump还联合创立了一家比特币挖矿企业。 媒体还指出，万斯本人也持有价值25至50万美元的比特币。这些密切的金融联系引发了民主党人和部分伦理专家的批评，认为特朗普的加密货币投资构成利益冲突。 [查看评论](https://m.cnbeta.com.tw/comment/1503074.htm)

美国国际贸易法院表示“将在10个日历日内发布必要的行政命令，以执行永久禁令”，届时如果没有更高法院出手干预，“对等关税”政策将失效。但此裁决不影响特朗普政府根据其他法律授权征收的关税，包括对钢铁、铝和汽车征收的关税，以及特朗普威胁对药品、半导体和其他关键产品征收的关税。 [](https://static.cnbetacdn.com/article/2025/0512/1e06aba499b31af.jpg) **美法院叫停特朗普关税，具体说了什么？** 据央视新闻，当地时间5月28日，美国国际贸易法院阻止了美国总统特朗普4月2日宣布的关税政策生效，并裁定特朗普越权，对向美国出口多于进口的国家征收全面关税。 三位分别由里根、奥巴马和特朗普本人任命的法官一致裁定，总统滥用紧急权力，踩踏了宪法红线。若接下来特朗普上诉失败，他发动的贸易战将在10天内戛然而止。 随后，白宫迅速强硬回应，称将动用“行政权力的每一杠杆”反击这一“未经选举的法官”的裁决。 **“对等关税”涉嫌多重非法** 美国国际贸易法院在裁决中宣布，特朗普总统上任后不久对多个国家实施的高额关税是非法的。这项裁决涉及两个合并案件——V.O.S. Selections v. United States 和 Oregon v. Department of Homeland Security。 就这一裁决，法院给出了四个重要结论： IEEPA下总统权力有限 法院认为1977年《国际紧急经济权力法》(IEEPA)不能赋予总统"无限关税权"。特朗普无权对任何国家、以任何金额、无限期征收关税。若法律真赋予总统如此广泛权力，将违反宪法权力分立原则。 实施针对贸易逆差的关税有严格限制 特朗普以解决贸易逆差为由征收关税，但法院指出1974年《贸易法》第122条明确规定，针对贸易逆差的关税最高只能达15%，且不得超过150天。 关税未能应对“特殊威胁” 法院还驳回了特朗普关于关税能遏制非法药品流入的说法，认为关税并没有直接阻止任何毒品入境，仅是向其他国家施压的外交策略，不符合IEEPA法规定的“应对”紧急情况要求。 全国性永久禁令 宪法要求“关税、税收在美国各地必须统一”，因此法院在全国范围内永久禁止了这些关税的实施。 接下来会发生什么？ **上诉争夺战已打响** 最新消息显示，裁决公布后，特朗普政府已即刻向联邦巡回上诉法院提交上诉计划。此案通常会先上诉至美国联邦巡回上诉法院，最终可能送往最高法院。 “对等关税”面临10天失效倒计时 法院表示“将在10个日历日内发布必要的行政命令，以执行永久禁令”。届时如果没有更高法院出手干预，“对等关税”政策将失效。 **政府申请紧急暂缓+替代性关税** 据盛德律师事务所贸易律师Ted Murphy表示，除上诉外，政府可能寻求紧急暂缓执行法院裁决，并根据其他法律启动替代性关税。 **部分关税不受影响** 值得注意的是，此裁决不影响特朗普政府根据其他法律授权征收的关税，包括对钢铁、铝和汽车征收的关税，以及特朗普威胁对药品、半导体和其他关键产品征收的关税。 **特朗普“筹码”尽失？贸易局势继续“不确定性”** 4月以来，特朗普政府一直把“对等关税”作为谈判筹码，推动与约18个国家的贸易谈判。如今，这一局面被迫走向转折点。 美国贸易代表Jamieson Greer警告，若法院裁决对政府不利，将阻碍其与其他国家谈判贸易协议的努力。 Squire Patton Boggs律所合伙人Everett Eissenstat也表示，该裁决“极大地影响了总统关税和贸易议程的近期动态”。 随着法院挑战特朗普的关税权力，市场将密切关注上诉进程及最高法院可能的紧急介入。预计在更高级别法院作出决定前，全球贸易政策仍将处于不确定状态。 [查看评论](https://m.cnbeta.com.tw/comment/1503072.htm)

人工智能(AI)初创公司Anthropic近日宣布，奈飞(Netflix)董事长Reed Hastings将加入其董事会。据周三发布的新闻稿显示，这一任命由Anthropic长期利益信托委员会(由五名财务独立人士组成的独立机构)作出决定。  现年64岁的Hastings在科技界拥有丰富的董事任职经验，曾先后担任微软、彭博社及Meta等知名企业的董事会成员。作为流媒体巨头奈飞的联合创始人，Hastings自1997年公司创立起长期担任CEO(后转为联席CEO)，直至2023年卸任。 Anthropic表示，Hastings将为公司带来“深厚的行业经验”以及“对科技如何服务社会发展的深刻洞见”。 Hastings在一份声明中表示：“Anthropic既看好AI为人类带来的福祉，也清醒认识到其经济、社会及安全层面的挑战。我选择加入Anthropic董事会，正是认同其AI发展理念，愿助力推动人类文明进步。” 值得一提的是，Hastings最近向其母校缅因州鲍登学院捐赠5000万美元，用于设立AI研究项目。该项目将重点探索AI技术的伦理框架，及其对教育、工作和人际关系的深远影响。 Anthropic在声明中表示，这一研究计划与其自身科研方向高度契合。 Anthropic总裁Daniela Amodei在一份声明中表示：“无论是在奈飞任职期间，还是通过其全球健康和教育倡议，他对技术带来的人类影响的关注，使他成为我们董事会的理想成员。我们将继续开发有助于人类而非造成伤害的人工智能。” 当前估值已达615亿美元的Anthropic，正致力于在OpenAI、Google与微软主导的AI军备竞赛中保持竞争力，同时始终强调AI安全治理的重要性。 [查看评论](https://m.cnbeta.com.tw/comment/1503070.htm)

5月27日，有“点金圣手”榜单之称的福布斯全球最佳创投人榜（Midas List）公布了2025年的最新排名，红杉中国创始及执行合伙人沈南鹏位列全球第四，也是前十名中唯一入选的中国投资人。

本次监测周期内，李宁、骆驼和耐克以1.93、1.90、1.89的综合热度位列榜单综合热度前三。  图源：世研大消费指数 ## **户外运动品牌分布呈现多元格局，营销从流量争夺到价值输出升维** 从品牌分布来看，户外方面，骆驼、凯乐石、伯希和等国产品牌发展势头良好，凭借品质提升赢得消费者青睐，市场覆盖时尚、大众性价比等多个细分领域；始祖鸟等国际高端品牌知名度高，同样占据市场高位。运动行业中，耐克、阿迪达斯等国际传统品牌影响力依旧强劲，李宁、 安踏等国产品牌竞争力不断提升，逐步崛起。同时，在瑜伽、健身、球迷用品等细分板块，lululemon、尤尼克斯等品牌表现突出，满足消费者的专业化与个性化需求，凸显行业细分的丰富性。 但更值得关注的是，这些品牌的竞争已从传统的流量争夺转向价值观与生活方式的深度输出。李宁以1.93的热度指数蝉联榜首，其核心策略在于持续深耕“国潮”基因，将运动与传统文化符号结合。而斐乐则专注艺术跨界与时尚场景破圈，在本月携手多位明星、时尚达人和青年艺术家等，举办“漫游夏日派对”运动秀场直播间，不仅实现高端突围，而且其销量热度排名前列；迪桑特的营销策略聚焦“专业即时尚”，通过打造品牌概念空间店与城市生活融合，基于概念店邀请明星教练等举办“春日练力场”主题运动课程，连接都市白领等人群的休闲运动时刻；而始祖鸟的营销已升维为文化现象级输出，其在上海始祖鸟博物馆举办《溯源》展览，通过3D打印还原阿尔卑斯山径，观展转化购买率达22%。 ## **轻户外轻运动热度攀升，品牌以潮流、便捷和科技满足细分人群需求** 随着“轻运动”概念的迅速崛起，城市骑行、户外瑜伽、家庭健身等项目以低强度、高趣味性和强社交属性为特点深受不同人群欢迎。一是“时间稀缺型”都市白领，追求高效、碎片化的运动解决方案，如麦瑞克推出的家用跑步机和划船机等产品，支持AI私教陪练和AR实景等模式；二是“社交分享型”年轻人，青睐兼具颜值与打卡属性的装备，如伯希和的「山色」系列高颜值冲锋衣在社交媒体引发热议；三是“健康管理型”中老年群体，偏好低冲击运动，迪卡侬针对这一需求推出适老款健步鞋与关节护具。 此外，女性用户占比显著提升，Lululemon通过推出大码瑜伽服和孕期运动系列，进一步扩大客群覆盖面；迪桑特推出女子综训系列全新产品，推出专为亚洲女性量身定制的“花苞”版型；以及阿迪达斯的“花苞裙”等产品设计，在小红书等社媒平台引发达人和用户穿搭晒单。 **榜单说明** 世研消费指南针系列指数报告是由世研指数独家研发的消费指数评价系统。本系列包括《品牌消费热门指数榜》、《行业消费热力指数榜》、《产品消费热浪指数榜》、《消费热门事件榜》等主要榜单，以及对应范围的延伸性榜单报告。旨在通过指数评价的方式，客观、真实地呈现消费世界的趋势特点，帮助行业与品牌主持续追踪消费市场趋势、为企业经营提供参考，提升商业综合竞争力。 世研消费指南针系列指数榜单持续监测行业如下： 3C数码、鞋服配饰、食品生鲜、家用电器、运动户外、美妆清洁、母婴用品、家居家装、汽车消费、玩模乐器、宠物用品，医疗健康共计12大行业。  图源：世研大消费指数 **免责声明** 本榜单由世研指数独家编制，榜单观点、结论和建议仅供参考之用，并不代表任何具体的投资建议或决策依据。 榜单数据计算结合主流平台公开数据与值得买科技旗下世研大消费平台数据沉淀，我们已采取合理措施，以尽量确保所提供数据的可靠性和准确性，但无法排除数据本身的局限性导致部分误差或偏差。此外，本报告中的部分数据未经独立第三方审计机构的正式审计，因此可能存在未被识别的错误或遗漏。特别提醒，市场情况随时可能发生改变，因此报告中的预测、分析和结论可能与实际情况有所不同。 报告中提到的任何第三方名称、品牌或产品仅供说明之用，并不构成对其的认可或推荐。任何对这些第三方的提及不应被视为任何形式的背书或推荐。报告的版权属于值得买科技集团和世研指数所有，未经许可不得复制或分发。对于因使用本报告中的信息而导致的任何损失或损害，值得买科技集团与世研指数不承担任何法律责任。  

 大家好！今年核聚变北京场的志愿者招募开始了！ 核聚变游戏展是由机核网主办的电子游戏嘉年华——热门新游试玩、精彩舞台活动、限定周边收集、沉浸式体验最热烈的玩家氛围！如果您在 6月27、28、29 日三天有充足的时间，又对自己的执行能力有信心，欢迎加入「核聚变北京志愿者」。 想成为一名核聚变北京站志愿者，有如下几条要求，希望大家仔细阅读： - 在 6 月 27 日下午 2 点之后，以及 28、29 日全天都能够到达核聚变北京站现场（地址：北京市 石景山区 石景山路 68 号 首钢国际会展中心）； - 能够接受志愿者的工作比较辛苦，基本没有空闲时间玩游戏和参与活动； - 年满 18 岁。 成为志愿者你将获得： - 核聚变期间的中午工作盒饭+工作服+工作证； - 如有需要可提供志愿者证明和实习证明； - 一段 2025 年核聚变北京站志愿者的回忆； - 可能会收获一群拿起手柄的朋友。 如果您可以接受以上几点要求，又对核聚变志愿者的工作感兴趣，欢迎填写志愿者招募表格： [<志愿者报名表单>](https://shimo.im/forms/Wr3DpR15Rdf7BP3J/fill) 我们会在站内为报名参加志愿者工作的朋友发放志愿者专属的身份徽章，希望各位在填写报名表的时候能正确填写机核站内的 ID 。 最后，我们感恩于所有为此前和之后默默付出努力的志愿者朋友甚至不愿留下姓名无私帮助的朋友们，也感谢所有愿意来参加核聚变的玩家们，核聚变因你们的参与而完整。

<blockquote><p>在AI技术快速发展的今天，许多企业纷纷尝试将AI应用于各种业务场景。然而，并非所有需求都真正需要AI技术来解决。本文深入探讨了如何辨别真假AI需求，分析了真AI需求与伪AI需求的本质区别，并提供了具体的技术选型判断标准。</p> </blockquote>  理解真AI需求与伪AI需求的核心差异，关键在于准确判断特定问题**是否必须依赖机器学习/深度学习**技术解决。这种技术选型决策直接影响系统开发成本和运行效率，是项目规划中需要优先明确的战略问题。 在实际需求分析过程中，应当建立清晰的技术边界评估标准。对于**常规业务场景**，当传统编程方案出现性能瓶颈难以突破，或长期维护成本已超过AI研发投入时，技术切换才具有经济合理性。 需要特别注意的是，即便在端侧AI芯片普及的技术环境下，仍需坚持技术选型的理性评估原则。硬件成本的降低虽拓宽了AI应用场景，但并不意味着所有问题都适合AI解决方案。开发团队应持续关注投入产出比，避免因技术滥用导致系统复杂度失控或资源浪费。 理解真AI需求与伪AI需求的核心在于**技术必要性与适用性判断**，具体从以下角度展开。 ## 一、本质区别  特征1：模糊规则：需求是否涉及复杂且难以明确定义的规则？ 特征2：动态演进：需求是否随着环境变化而变化？ 特征3：海量变量：需求是否需要处理大量变量？ 特征4：人类经验依赖：需求是否依赖人类的经验和知识？ **本质区别：** **真AI需求：**依赖数据驱动、模式识别能力的问题 1）图像/语音识别（动态变化的输入） 2）自然语言理解（语境处理） 3）预测性维护（海量传感器数据分析） **伪AI需求：**可通过规则引擎、条件判断解决的场景 1）订单状态流转（固定业务逻辑） 2）数据格式校验（明确正则表达式规则） 3）固定阈值告警（CPU使用率&gt;90%触发警报） 例如：客服系统中的意图识别若涉及方言、俚语，需AI模型；而工单分类若仅有10个固定类别，则适合规则引擎。 ## 二、技术选型影响  ## 三、典型场景对比表  ## 四、AI低效应用：高成本低收益 **1. 算力浪费：**GPU集群处理本可用if-else解决的问题。 案例：某电商用深度学习模型判断“订单金额是否&gt;0”，年算力成本增加xx万（远大于规则引擎成本）。 **2. 响应延迟：**AI推理耗时远超规则引擎，导致简单功能因延迟响应而影响用户体验。 典型数据（数据来源：行业基准测试）： 1）规则引擎：0.3ms（Redis缓存直接读取） 2）轻量级AI模型：28ms（TensorFlow Lite部署MobileNetV2） 3）重度模型：210ms（PyTorch部署BERT-base） 案例：用户登录态校验从JWT令牌解密（0.5ms）改为调用AI模型分析行为特征（85ms），导致登录接口平均响应时间超过SLA限制3倍。响应时间的显著增加可能导致用户在登录时感到延迟，从而影响用户体验，可能导致用户流失。 **3. 可解释性危机：**黑箱决策引发合规风险，在使用复杂的机器学习模型（如神经网络）进行决策时，模型的内部机制和决策过程不透明，导致无法清晰地解释模型的输出结果，这种情况在某些行业（如金融、医疗等）尤其重要，因为这些行业的决策往往需要遵循严格的合规要求。 案例：用神经网络做信贷拒批，无法向监管机构说明原因。 解释：监管机构通常要求金融机构在拒绝提供贷款时给出合理的解释。如果使用神经网络模型，金融机构可能无法向监管机构说明拒批的具体原因（如模型可能基于某些隐含的特征做出决策，而这些特征并不容易被人理解）。 **4. 维护成本飙升：** 1）需要持续标注数据，更新模型版本 2）规则引擎可通过配置页面快速修改策略 ## 五、判断法则 **需用AI的信号：** 1）问题边界模糊（如判断用户情绪是焦虑还是愤怒） 2）解决方案需要举一反三（如从100种动物图片中识别新物种） 3）处理对象具备涌现性（如社交网络的谣言传播预测） **伪AI需求特征：** 1）穷举可能性：所有情况可在开发阶段预判（如机票退改规则） 2）确定性输入输出：输入X必然对应输出Y（如根据BMI计算肥胖等级） 3）业务逻辑稳定：规则半年内不会变化（如会计科目的借贷平衡校验） **总结：**AI不是银弹，**用最简单的技术解决最复杂的问题**才是工程智慧。当你在需求会上听到”加个AI赋能”时，请先撕开需求伪装，**多问几次为什么要用AI技术来解决该需求、是否有必要**。真实世界的商业价值往往藏在朴素的逻辑里，而非华丽的技术辞藻中。 本文由人人都是产品经理作者@让我看看好学吗，投稿或授权 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。

商业模式上看，目前国内IDC服务商都在求变。

<blockquote><p>流量，是当下众多商家与平台瞩目的焦点。本文深入剖析流量的本质，从用户、平台、商家三方视角切入，阐述用户需求的层层递进、平台流量的垂直泛化发展以及商家流量与平台的共生关系，助力读者把握流量核心，洞悉其在不同主体间的流转与价值创造。<br/> 标签：</p> </blockquote>  最近想聊一下对“流量”的理解，很多商家和平台都关注“流量”（果然自己写东西就会更关心这个）。 如果给流量一个定义，就一个平台上的流量来说，我认为是“用户注意力和需求被满足的次数总和”。 在流量生意上出现了三种角色： 平台方：提供一个供用户注意力停留的场所，获得用户越多越久的注意力就越好，因此平台方不惜余力地提供好的“供给”，形式有视频、直播、帖子、商品、游戏、好友关系等多种。 商家：在平台上想要做生意的人群，就是想找到这样有“人流量”的地方，来售卖自己的商品，要么是即时就能交易，要么是给用户留下点印象有需要的时候再买。 用户：在平台上浏览、互动、购买等等。 从不同角色的需求满足出发，他们的诉求完全不同，而相互之间的关系又形成了一个有机的生态。 ## 用户角度 “用户的需求是由浅到深的被满足的” ①被动链接的由浅到深：看内容–&gt;有互动（收藏、点赞）–&gt;有购买。中心型的平台用户都是这种路径。用户在平台上的需求是单方面的索取，比如看视频、看帖子、购物，只要平台给提供的内容能够一直吸引用户的注意力，用户就会在平台上停留，链接的深度是由消费用户的注意力，到消费用户的钱包。 ②主动链接的由浅到深：发内容–&gt;加好友–&gt;互动反馈。主体分散型的平台，用户其实是以自己为中心点，获取和创造内容，既是消费者又是生产者，在被动满足注意力消耗同时，还会主动创造获得情感满足，而就主动链接的关系来看，弱关系链接（陌生交友）带来的情感满足要弱于强关系链接（熟人社交）。 从主动和被动以及链接的深浅来看，用户在一个平台上的粘性： 被动浅&lt;被动深&lt;主动浅&lt;主动深，粘性越高越不容易离开。这也就能明白为什么很多平台都想做社区，而最顶级有粘性的平台大家也都知道是谁啦。 ## 平台角度 “平台的流量是从垂直到泛化逐步增长的” ①先有垂直供给再有用户。最早的流量积累是满足一部分种子用户的需求，比如抖音最早是唱跳俱佳的小姐姐、京东最早是3c白电，独特的供给解决种子用户的核心需求。从平台初创时期进入的供给提供者往往也是最能收到红利的，竞争较少同时平台自身增长还在大量投入。这时候流量效率很高，因为供给垂直、人群垂直，匹配度高。 ②丰富供给扩展用户。人的需求喜好会变化，一直看跳舞小姐姐也会腻，同时也要吸引不看小姐姐的人，这时候就需要扩展供给的品类。很多功能性的平台为了保证需求满足的确定性，会设计“金刚位”或顶tab底tab，进去之后就是同类内容；而如果需求没那么强又会变化，比如想看看小姐姐跳舞，但看了几条腻了也想看看小猫小狗，那其实推荐的效率是最高的，它只通过“快速划走”来判断不需要的内容而减少出现，而停留下来多看几秒的被认为是可能需要。 ③需求发现和匹配。在用户没玩腻之前发现他的潜在需求，是让人“沉迷于此”的方法。全局上“从无到有到大量”的需求增长，是找到快速上升的品类，即去发现一些被用户逐渐普遍喜欢的品类；当品类已经足够丰富，就要关注单独的用户需求匹配的情况，即有没有给用户一个他更感兴趣的内容；再宏观来看就是需求匹配效率的高低，比如哪群用户需求被匹配合适了，哪些没有，又比如各tab和入口位置是否效率高等。 ④需求升级和降级。流量的增长是滚雪球状，在平台上交互得越深，关系网越庞大，离消费越近，越难离开。在内容平台会制造各种满足用户物质和精神层面的需求来留住用户，在马斯洛“生理需求、安全需求、爱与归属、尊重需求、自我实现” 中，内容平台一般把用户 “爱与归属、尊重”的需求给予满足，然后进阶到“自我实现”来增加粘性；另一个分枝是补充低层需求的机会，比如会增加电商属性来满足用户的“生理需求”。在电商平台则是需要找到其他层级的需求来增加粘性。而需求降级往往对应的是“安全需求”无法得到满足，比如出现极度不适会直接让用户流量戛然而止，购物买到假货可能也类似。 从平台角度来看，只有不断抓住用户的注意力，才能将用户牢牢留住。大多数平台在初期都是先注重供给，所谓“巧妇难为无米之炊”，而平台正常运转需要商家进入形成生意，不能单纯靠“为爱发电”了。 ## 商家角度 “商家的流量与平台流量共生死” ① 去平台上获得曝光。与平台一起成长培养流量的商家是少数的，多数是找和自身目标客群一致的平台投广告。比如90年代看电视，百事可乐会请周杰伦、F4等拍广告来，在黄金时段疯狂投广告来获得曝光。现在大家的注意力都集中在长短视频网站上，商家就会转到这些平台上投广告。过往商家买广告容易，因为不担心电视没人看；现在商家会选择目标用户量大且活跃的平台来投放广告，这也是平台方想方设法保证流量的原因。 ② 去平台上获得交易。商家会选择在多个平台上直接开店，或者投效果广告，促转化，在平台上不同流量入口观察用户行为的差异，以找到用户可下单的习惯来促进下单。在交易平台能更直接的找潜客，而在内容平台上会更谨慎，因为平台想保住流量，就既要平衡浅层用户体验，又要在此基础上促进商业成交。商家和平台最最希望就是“广告素材比普通内容还有趣”让用户喜欢的情况下买单，或者在用户“刚好需要”的时机上买单。 ③ 反补自身运营。利用平台资源看同行业内机会，比如关注竞对来反查自身优势和劣势；或根据客群的相似需求补充自身产品和服务建设，这时商家在平台上的经营也会从单一需求种子用户-&gt;多需求扩展，此时商家会给平台带来增量流量。 从商家角度来看，在平台上从“借东风”到相互平衡，再到相互依赖，是循序渐进的过程。 以上是从逻辑上梳理，而分析需要关注一些主体上的流量规模和效率，会涉及到到： 产品设计的流量规模和效率 供给与流量规模和效率的关系 运营与流量规模和效率的关系 后边会慢慢展开…… 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。

<blockquote><p>本文分享7个AI提示词技巧，包括学框架、找参考、拆维度、结构化、抽象化、批量化和AI帮写，助你提升AI生成效率和质量。</p> </blockquote>  最近老有人和我吐槽，AI 画图和写文案看着挺 NB，怎么自己一上手就抽风，生成的效果太差了。 别急，最近我总结了 7 个超好用的提示词方法，跟着一起练，保证你的 AI 生成效果和质量，噌噌往上涨！ ## 7 个超好用的提示词方法 就像程序员写代码一样，你给的需求越清晰，代码跑起来才越顺。玩 AI 提示词也一个道理，别指望一句话就能让 AI 生成理想结果。 这几天我从以往和 AI 对话中，抽象总结出了这 7 个提示词方法：学框架、找参考、拆维度、结构化、抽象化、批量化、AI 帮写。 ### 学框架 什么叫框架？说白了，就是别人总结好的、证明有效的提问公式。你刚上手，啥也不懂，总不能指望 AI 跟你心有灵犀吧？所以，先学几个常用的 AI 框架，照着填空就行啦。 比如这 3 个 AI 常用框架 - ICIO（任务、背景、输入、输出） - BORE（背景、目标、结果、试验） - CRISPE（能力、角色、洞察、陈述、个性、实验） 看着是不是很高大上？其实用起来也就那么回事，多写就会了。还有我常用的 IIO（指令/输入/输出）模型，效果也不错。 IIO 模型 - I 指令：角色、模型、任务 - I 输入：背景、受众、示例、素材 - O 输出：模板、要求、风格、限制 ### 找参考 自己想不出来咋办？直接抄大神作业啊！ 多去 AI 社区逛逛，比如 OpenAI 的 Sora 官网（主要是图片/视频，但思路是通的）。看看他们是怎么写提示词的，创作思路是什么。  举个栗子：如果你在 Sora 看到了一个有趣的图片，直接参考改下指令就能用了。 原提示词是一堆看不懂的文字。 <blockquote><p>Миниатюрный Телец  лежит внутри современного футляра для наушников с надписью ‘Taurus’ и символом зодиака Телец – ♉️, реалистичный стиль, крупный план, мягкий свет, рука держит чехол</p></blockquote> AI 翻译后改一下： <blockquote><p>迷你射手座躺在一个标有”Sagittarius”和射手座星座符号♐️的现代耳机盒内，逼真的风格，特写镜头，柔和的光线，一只手拿着耳机盒</p></blockquote> 按这个提示词生成的图片，和原图比好像差点意思，没关系待会我们把它优化下。  ### 拆维度 当你稍微搞懂提示词了，就要开始学着自己优化它。 简单来说，就是把指令提炼成 N 个维度。你描述得越细致，AI 就越懂你想要什么。 这个步骤也可以让 AI 处理，具体提示词： <blockquote><p>分析提示词，把其中的名词、参数等维度用[占位符]代替，并返回一个新的提示词<br/>要求：<br/>– 每个占位符需2个字<br/>– 直接返回新提示词，不做多余解释</p></blockquote> AI 返回的结果： <blockquote><p>[星座]躺在一个标有[文字]和[符号]的[容器]内，[风格]，[视角]，[光线]，一只手拿着[容器]。</p></blockquote> 你也可以在此之上，添加【尺寸、背景】等维度。 ### 结构化 在你调试提示词的过程中，可能会发现它变得又长又乱，自己看着都头大，更别说 AI 了。这时候，结构化就派上用场了。 结构化最简单粗暴有效的方法，就是用程序员最熟悉的 JSON 格式。它可以把你的各种维度，用键值对的形式组织起来。 例如刚刚的提示词，用 JSON 可以这么写：（不懂的直接让 AI 生成就行  发给 GPT-4o 生成，效果确实不错。  把提示词进行结构化有啥好处？ 第一，清晰明了，AI 解析起来更准确。第二，方便你后续修改、扩展、调整。比如你想换个星座，直接改对应的值就行了，不用在一大堆文字里大海捞针。 我知道很多人一看到代码就头疼。但相信我，这玩意儿一旦用熟了，效率提升不是一点半点！ ### 抽象化 当你写了很多的提示词之后，你会发现有些是可以复用的。这时候，就要学会指令抽象化，把那些只适用于特定场景的提示词，提炼成可广泛应用的通用提示词模板。 什么意思？简单来说，就是把具体的内容，换成一个变量。 拿刚刚的 JSON 提示词举例，如果把它抽象化，就成了下面的指令。  以后要生成新的类似图片，直接把星座替换掉就行了。里面的文字和符号 AI 会自动识别，是不是很方便？ ### 批量化 有了通用提示词模板，你就可以玩出更多花样了。具体怎么操作？ 试着让 DeepSeek、Claude 等 AI 模型，帮你随机/批量生成 N 个不重复的指令。如果你还嫌 AI 生成的不够多，搭配飞书多维表格，想生成 1000 个指令都行！  这样一来，AI 生成的作品就更加丰富和多样了，避免了千篇一律的风格。AI 也能帮你拓宽思路，发现一些意想不到的组合。  这是我通过 DeepSeek 随机生成的提示词，喂给 4o 后生成的图片，效果都还不错。  ### AI 帮写 说了这么多，如果你还觉得“太难了！懒得学！学不会！没时间！”，有别的适合懒人的方法吗？ 那我只能祭出最后的大招了：通过 AI 直接帮你写提示词！ 一个简单的提示词如下：  这招可以说是懒人福音了。但记住，AI 帮你写，不代表你就可以完全不动脑子。最终效果好不好，还是取决于你和 AI 的对话质量。 ## 结语 提示词这东西，说简单也简单，说复杂也复杂。核心就是把你的想法清晰准确、有条理地传达给 AI。 希望我今天分享的内容，能帮你在 AI 时代少走点弯路。让 AI 真正成为你的得力助手，而不是一个只会聊天的玩具。 本文由人人都是产品经理作者【好夕雷】，微信公众号：【产品之外】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

DeepSeek&#39;s announcement came just hours before Nvidia, the dominant U.S. supplier of AI chips, reported quarterly earnings.

<blockquote><p>作为百度旗下的短视频平台，好看视频凭借其独特的定位和丰富的内容形式，吸引了大量用户。本文从市场环境、产品定位、用户分析、功能架构、商业模式等多个维度，对好看视频进行了全面深入的分析，供大家参考。</p> </blockquote>  ## 一、体验环境  ## 二、市场环境 ### 1、短视频市场环境  据2024国家短视频蓝皮书显示，近年来，短视频用户规模和使用率一直保持增长态势,从2018年12月至2023年12月的五年间，短视频用户规模从6.48亿增长至10.53亿，使用率也从78.2%增长至96.40%，用户规模和使用率均达到峰值。然而，五年来短视频用户增速持续放缓，用户增长率从19.33%下降到4.05%。直至2024年上半年，用户规模首次出现回落。截至2024年6月，我国短视频用户数为10.50亿，较2023年12月减少300万；用户使用率也从96.40%回落至95.50%。  同样，伴随着用户增速的衰退，短视频用户结构也正迎来新的变化，“一老一小”成为短视频用户的新增主力。从2021年至2023年，10-19岁短视频用户比例从2%提升至15.2%，50岁以上短视频用户比例从27.4%增长至29.8%，而同期20-49岁不同年龄段的短视频用户比例却呈下降趋势或基本稳定。 ### 2、微短剧市场情况 好看视频包含短视频、短剧、听书三大内容板块，随着短剧市场的高速发展，微短剧相关企业注册量持续增长并在2020年迎来爆发突破一万家，截至2023年底已达2.3万家，针对微短剧，头部长短视频平台爱优腾芒、快手抖音等相继推出并持续升级专项扶持计划，在资金投入、流量推广、内容孵化、人才培养、商业合作等诸多方面给于倾斜，以打造各自的微短剧内容产出支撑体系。视频平台对微短剧提供的诸多扶持政策，为内容创作者提供了更多机会和舞台，有利于繁荣微短剧内容创作生态，也吸引了更多资本和产业链力量的加入，并进一步助推了微短剧行业的蓬勃发展态势。  ## 三、产品信息 ### 1、产品定位 好看视频是百度旗下的一款短视频产品，主打内容推荐和个性化观看体验，是集合小视频、短剧、直播、听书于一体的短视频平聚合平台。 ### 2、产品标语 轻松有收获。 ### 3、目标用户 知识获取型用户（偏好知识科普、生活技能、社会热点），娱乐消遣型用户（搞笑段子、影视剪辑、短剧） ## 四、用户分析 年龄分布：如图一所示（数据来源于百度指数），产品的目标用户年龄段为30岁以上的中老年群体，其中30-39岁的中年人占据最大的比例，大约为33%左右。  性别分布：用户当中男性观看者接近70%，而女性观看者低于30%.  城市分布：由图可知，用户主要集中在一线城市，北京上海广州居多。 从以上的数据可知，好看视频用户主要集中在一线城市，以30-39岁的中年人为主，男性用户居多。  用户类型（1）李叔，45岁，目前在三线城市企业担任要职，工作较为繁忙，空闲时间通过好看视频放松休闲，同时关注社会热点，军事等内容。 用户类型（2）小赵，33岁，在三线城市工作，通过好看视频了解行业信息，下班后会在好看视频上收看短剧。 用户类型（3）王阿姨，57岁，在一线城市退休居家，平日有较多的休闲时间，通过好看视频观看影视解说，生活小妙招等内容。 ## 五、产品迭代历史 ### 2017-2018 2017.11： - 功能上线：短视频聚合、AI推荐算法、基础互动（点赞/评论）。 - 内容来源：引入第三方内容（如PGC影视剪辑）、百家号创作者。 2018年迭代： - 创作者工具：上线视频剪辑模板、基础数据看板。 - 搜索联动：百度App内搜索关键词直接推荐相关短视频。 - 用户增长策略：通过百度App导流，首月DAU突破300万。 核心逻辑： 依赖百度流量和算法快速起量，但内容同质化严重（影视剪辑占比高）。 ### 2019-2020 2019年迭代： 知识垂类扶持：推出“轻知计划”，邀请专家生产科普、财经内容。 创作者分层运营： - 普通用户：简化上传流程，支持手机端剪辑。 - 专业机构：开放API接口，支持批量内容同步。 - 功能升级：上线“合集”功能，支持系列视频连续播放。同时增加弹幕互动，提升年轻用户粘性。 2020年迭代： - 直播功能上线：试水电商带货（如“618”直播专场）。 - 多端互通：网页端与App端账号体系打通，支持跨设备观看。 - 版权合作：与腾讯音乐（TME）合作，丰富音乐类短视频内容。 数据表现：2019年Q4 DAU达2200万，用户日均使用时长超70分钟。2020年全域用户超4亿，但依赖百度生态流量（外部增长有限）。 核心逻辑： 以“知识+娱乐”差异化对抗抖音/快手，但直播电商布局较晚。2021-2022这一阶段为调整期，需要优化内容质量，收缩泛娱乐内容，转向垂类深耕（知识+本地生活），强化与百度搜索协同。2023年至今借力百度AI大模型，重构内容生产与消费链路。从“人找内容”转向“内容智能匹配人”，降低创作与消费门槛，强化百度生态协同。 目标：优化内容质量，探索新增长点。 ### 2021-2022 2021年迭代： - 搜索深度绑定：百度搜索结果页直接嵌入好看视频内容（优先展示）。 - 创作者激励升级：推出“未来计划2.0”，投入10亿元补贴知识类创作者。 功能创新： 上线“AI配音”工具，降低创作门槛，同时测试“付费专栏”，试水知识付费。 2022年迭代： - 版权合规强化：下架无授权影视剪辑内容，引入正版合作（如芒果TV）。 - 本地化内容：推出“同城”频道，聚焦探店、旅游等场景。 - 降本增效：缩减低效补贴，关闭冗余功能（如部分直播板块）。 挑战与结果： DAU回落至千万级，增长停滞，同时版权清理导致部分创作者流失，但提升内容合规性。 核心逻辑： 收缩泛娱乐内容，转向垂类深耕（知识+本地生活），强化与百度搜索协同。 **2023年至今：AI驱动重塑体验** 目标：借力百度AI大模型，重构内容生产与消费链路。 2023年迭代： - AIGC工具落地：推出“文心一言”生成视频脚本、自动剪辑功能；测试“AI数字人”生成口播视频（降低真人出镜成本）。 - 搜索体验升级：视频内容支持语义搜索（如“如何用Excel做数据透视表”）；搜索结果直接跳转视频关键节点（如教程的实操步骤）。 - 商业化闭环：视频内嵌小程序（如本地商家预约、课程购买）。与百度电商“度小店”打通，支持商品挂链。 2024年方向（公开规划）： - 个性化3.0：基于大模型的“千人千面”推荐（如根据用户职业推荐技能提升内容）。 - 虚实结合：探索VR短视频与AI生成场景（如虚拟探店）。 核心逻辑： 从“人找内容”转向“内容智能匹配人”，降低创作与消费门槛，强化百度生态协同。 ## 六、产品功能分析 ### 1、产品架构  改进建议： 直播界面中“不感兴趣，不看该主播，减少该类型直播”三个按钮功能有些重复，可以合并。 在首页当中，上方推荐栏右侧有短剧，与下方导航栏的短剧有些重复，二者对于用户的便利程度是一致的，上方推荐右侧的短剧可以删除。 ### 2、产品界面表现 **界面视觉设计** 颜色：界面主要颜色为黑白红，较为简约，图标为线条型，边角较为圆润。  好看视频的首页上方栏当中，代表了频道推荐，也叫做“我的频道”，默认的有短剧、动漫、游戏、军事等等，而除此之外，用户可以按照自己的喜好将偏好的频道板块加入到“我的频道”当中选择，总的频道当中包括了，休闲娱乐、时政社会、影视综艺等等，每个频道当中又细分了数十种具体板块，例如在影视综艺当中，就包含了喜剧片、动作片、相亲综艺、职场综艺等等，总计甚至接近百种频道选择，用户可以在当中任意选择自己想要观看的板块，同时分类也是较为精准的，不会出现归类错误的情况。能够选择的种类大于绝大多数的短视频平台，事实上，抖音平台甚至不存在频道选择的板块。 - 进入短剧内容板块，有多种方式，可以通过首页上方的短剧频道进入短剧的推荐内容，通过滑动来观看短剧的片段，发现感兴趣的短剧内容能够点击观看该短剧的全部集数，而点击上方“我的短剧”则可以搜索短剧以及观看当下的热门短剧。 - 听书板块通过点击下方导航栏可以进入，与短剧不同，界面当中主要包括排行榜和精选内容，听书板块主要是通过用户自主选择感兴趣的听书内容。 - 直播板块点击之后就会进入系统推荐的直播间，通过滑动能够选择自己感兴趣的直播间。 ## 七、产品使用流程  改进建议： 自动刷新：直播界面停留几秒后会自动刷新下滑下一个直播间，这个设计有些不合理，此功能建议删除，用户在停留观看直播间，中途被打断十分影响用户体验。 ## 八、商业模式 ### 1、盈利模式 好看视频的主要盈利来源于广告，依托百度AI推荐算法，在用户浏览视频时插入原生广告，提升点击率，同时，也会在视频中插入贴片广告，然而贴片广告会在一定程度上影响用户体验，需要控制广告的时长。除此之外，也有与品牌合作定制短视频或话题活动（如挑战赛），通过在创作者的内容植入实现曝光。 ### 2、增值模式 在好看视频的直播间可以通过充值虚拟礼物对直播进行打赏，平台通过抽成获取收益。除此之外，好看视频还存在付费咨询的板块，创作者能够通过付费咨询获取变现。 ### 3、电商 当前各大短视频平台的电商内容已经成为盈利的重要板块，主要包括短视频带货、直播电商等活动，其中短视频带货主要是创作者通过在个人的视频中插入商品链接，同时借由短视频作为载体展示产品功能，帮助变现，平台按照成交额度获得分成。 直播电商则是直接通过直播的方式宣传产品，并在直播间设置链接，用户点击后即可跳转到商品页。（支持百度自有商城“度小店”或第三方平台京东淘宝的商品链接）同时百度其他产品中例如地图、贴吧、搜索中获取的用户行为数据能够作用于用户画像，实现精准营销。 ## 九、总结与建议 ### 1、好看视频使用小结 （1）优势 - **丰富的内容形式，包括短视频、听书、短剧**：相比于抖音、快手等平台，好看视频除了短视频，集结了听书、短剧于一体，吸纳了一部分热衷于听书短剧的受众群体，缓解了受众对于短视频的审美疲劳。 - **稳定的中老年用户群体：**根据数据统计，40岁以上的中老年群体占据了好看视频当中的大部分受众，而其中六十岁以上的老年群体具备大量的空余时间，能够为平台提供稳定的流量。 - **依托百度AI实现精准投放：**作为百度旗下的短视频产品，能够依托百度AI来将短视频精准投放给感兴趣的用户。 （2）劣势 - **内容质量较为粗糙，种类较为单一：**频道当中低俗内容充斥，从制作质量上相较于其他当今流行的短视频平台存在一定的不足，大多为影视解说等二创作品，缺乏具有创新的年轻创作群体。 - **早期的知识型短视频标签并未贯彻使得定位较为模糊：**好看视频的定位就是轻松有收获，意为能够在轻松的氛围当中学到知识，然而如今平台当中传播知识科普等视频并不是平台当中的主流内容，使得其在一众短视频平台当中定位尴尬。 - **缺乏社交属性：**相比于抖音、快手等主流短视频工具，好看视频的社交属性远远不足，没有好友板块的设置，这也就不利于视频的传播和分享，难以出现爆火视频带动从而带动平台活跃度的上升。 - **频道选择有些冗余**：事实上当今较为成熟和流行的短视频平台，例如抖音，甚至不存在精细分类的频道选择，对于大部分受众而言，并不存在明确的收看种类而是大杂烩式的观看，在这样的过程中，既保存了不知道下一个视频是什么的惊喜感，符合了大众放松的需求。 ### 2、好看视频迭代建议 1、放弃泛知识标签，转向“生活服务+技能提升” **差异化定位**： 主打**“视频版生活工具书”**，覆盖“怎么做”（技能教学）、“怎么选”（消费决策）、“怎么省”（本地优惠）三大场景，例如： - 家电维修、手机操作指南（吸引中老年用户） - 本地商家优惠解读、探店测评（吸引下沉市场） - 职场软件技巧、简历制作（吸引年轻白领） 2、内容审核与推荐机制优化 - 建立“实用指数”评分体系：通过AI识别视频信息密度（如步骤清晰度、关键信息标注），优先推荐高评分内容。 - 限制低质内容曝光：对标题党、低俗内容仅限“推荐页”少量露出，禁止进入垂类频道及搜索优先展示。 3、用户体验优化：强化工具属性与社交粘性 1）工具创新 - **“立即解决”按钮**：在技能教学类视频中，添加一键跳转至相关服务（如家电维修预约、课程购买），与百度服务生态打通。 - **进度条知识点标记**：用户可快速定位到视频关键步骤（如“3:15 如何拆卸手机电池”），提升信息获取效率。 2）社交属性增强 - **“求助社区”功能**：用户可发布生活问题（如“冰箱不制冷怎么办”），创作者以视频回答，最佳答案置顶并奖励现金。 - **“技能打卡”体系**：用户学习视频后上传成果（如修复家电的照片），获得勋章与积分兑换实物奖品（如维修工具包）。 3）技术赋能：AI辅助生产 - **低质内容自动优化**：对粗糙但实用的UGC视频（如手机维修实拍），通过AI自动添加字幕、关键步骤标注、背景音乐，提升观感。 - **批量生成模板化内容**：针对高频需求（如“医保报销流程”），利用文心一言生成标准化解说视频，补充内容缺口。 本文由 @天阶夜 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>本文指出小红书“种收一体”是伪命题，商家需关注人群流转过程。分析平替打法和牌带品打法两种情况，提醒商家重视人群流转数据监测与策略调整。</p> </blockquote>  **种收一体的底层逻辑是「种草即转化」** 但在这个广告铺天盖地，睁眼就是广告的时代，我真不相信触达即种草，触达即转化 小红书的本质是兴趣驱动的内容社区，用户普遍是“慢决策” 特征，与抖音等平台的 “即看即买” 逻辑截然不同 - 在用户视角下，我购买一个产品，是需要从了解到认知、搜索、对比，最后到决策，是长链路特性 - 在商家视角下，要把用户被种草的过程合理归因，用5A人群理论对应人群流转过程，要关注曝光、阅读、互动、回搜、转化、复购等能够反应人群流转的数据，关注这些数据是否协同增长 **商家就不要指望一篇新笔记，在品牌没有小红书心智的情况下直接带来大量转化** 大部分品牌没有在小红书得到生意结果，就是因为过于相信“种收一体”，缺少人群流转的过程  ## 只有两种情况可以“种收一体” ### 1）平替打法：以较低的价格，直接转化品类的A3-A4人群 这种路子，需要产品符合两个特点，第一、人群广；第二、极致性价比 这种产品可以直接转化已有购买需求，但没有品类品牌心智，又对价格比较敏感的人群。这类人群没有被品牌绑定，决策链路又短，可以直接进行转化 缺点就是，人群规模少，出不了大量。且过度依赖这种策略可能导致形不成品牌心智 ### 2）牌带品打法：品牌有足够多的人群积累，新品直接吃品牌的A3-A4人群 利用品牌已有的 A3-A4 人群积累，实现新品冷启动。这类人群对品牌有较高认知度和忠诚度，更易接受新品推荐 但如果品牌资产不足，强行牌带品可能导致新品与老品互相稀释 所以，如果品牌想要在小红书获得稳定的生意增长，就需要放弃种收一体的幻想，正视两个现实： 1）短期速成只能做产品逻辑，转化依赖价格与无品牌心智的人群，平替与牌带品是唯二可行路径； 2）长期稳定增长源于人群流转的协同增长，要建立人群流转数据监测机制，持续关注曝光、阅读、互动、回搜、转化等流转环节数据，动态调整策略 本文由人人都是产品经理作者【Vic的营销思考】，微信公众号：【Vic的营销思考】，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。

<blockquote><p>在办公场景中，Excel 是不可或缺的工具，但繁琐的重复操作常常令人头疼。本文将带你探索如何借助 DeepSeek 快速生成 VBA 代码，实现 Excel 自动化操作，通过 3 个实操案例，让你轻松掌握用 AI 提升办公效率的技巧，告别手动操作的低效与烦恼，高效完成周期性报告生成、目录创建及复杂数据整合等任务。</p> </blockquote>  Excel一定是每一个办公人绕不过去的坎——不论现在的AI有多牛逼、产品多有逼格，最终落到实操环节都离不开Excel。但Excel的操作本身就比较繁琐，更不用说大量重复性操作的场景，就令人很烦。 此时，我们可以借助VBA的工具，通过AI写代码的方式完成Excel自动化处理 ## 1. VBA是什么？ VBA (Visual Basic for Applications) 是一种内嵌于微软Office应用程序（如Excel、Word、Access等）的编程语言。 在Excel中，VBA允许用户编写脚本（称为“宏”）来自动执行任务、自定义功能、处理数据、创建用户界面等，从而扩展Excel的原生功能。 ## 2. AI时代，为什么还要关注VBA？ 想运行代码的话，就一定要有一个「编译器」，例如Python，需要额外安装conda、cursor等 而VBA直接打开Excel就能用了，很方便。 也就是说，VBA与Excel的深度集成：能够直接、便捷地操控Excel的每一个对象（工作簿、工作表、单元格、图表等），实现精细化的控制。 尤其是现在AI时代，对于Excel内部的重复性任务，用DeepSeek就可以快速编写脚本实现自动化，投入产出比较高。 ## 3. VBA、Python、SQL：在Excel数据处理中的定位与选择 在数据处理和自动化领域，除了VBA，Python和SQL也是常用的工具。怎么知道自己该用哪个工具？VBA优先：当主要工作场景在Excel内部的重复性任务自动化（如报表生成、格式调整、数据汇总），需要频繁操作Excel界面元素，或者快速实现轻量级自动化时。Python优先：当涉及复杂数据分析、大量数据处理、机器学习，或需要独立于Excel的自动化脚本时。可以通过Python处理数据后，结果输出到Excel。SQL优先：当数据存储在关系型数据库中，需要高效查询和管理这些数据时。查询结果可以导入Excel进行进一步分析或展示。 在实际工作中，这三个工具都是要搭配使用的： 例如，你可以用SQL从数据库提取原始数据，用Python进行复杂的清洗和分析，最后用VBA在Excel中生成格式化的报告并添加交互功能。 ## 4. 用DeepSeek开发VBA A. 打开Excel并显示“开发工具”选项卡  若Excel功能区未显示“开发工具”选项卡，请按以下步骤操作： 1. 点击“文件”菜单，选择“选项”。 2. 在“Excel选项”对话框中，选择左侧的“自定义功能区”。 3. 在右侧“主选项卡”列表中，确保勾选“开发工具”。 4. 点击“确定”。 B. 进入VBA编辑器 (VBE) 打开VBE（Visual Basic Editor）的方式：通过“开发工具”选项卡：点击功能区中的“Visual Basic”按钮。  c. VBE界面主要包含以下窗口：工程资源管理器 (Project Explorer)： 显示当前打开的所有Excel工作簿及其包含的模块、类模块、窗体和工作表对象。属性窗口 (Properties Window)：显示在工程资源管理器中选定对象的属性。 代码窗口 (Code Window)：用于输入、编辑和查看VBA代码。立即窗口 (Immediate Window)：用于执行单行代码、测试表达式和输出调试信息。 其实知道怎么操作就行了，界面的知道、不知道也没关系。 完成以上准备工作后，便可以开始借助AI编写VBA代码了。 ## 实战操作 案例1：一键生成标准化的报告表头 问题背景： 在制作周报、月报等周期性报告时，经常需要重复设置相同的表头信息，如公司名称、报告标题、制表日期等，并统一其格式。手动操作不仅繁琐，也容易遗漏或格式不一。 操作步骤： 1. 明确需求，构建AI指令 (Prompt)： 假设需求如下：在活动工作表的 A1单元格填入“示例股份有限公司”， A2单元格填入“月度运营数据报告”， A3单元格填入当前日期。 A1和A2单元格的文本要求加粗、字号14，并且单元格区域A1:C1和A2:C2分别进行合并居中。 <blockquote><p>参考提示词：请编写一段Excel VBA代码，在当前活动工作表中执行以下操作：     1. 在单元格A1输入文本“示例股份有限公司”。     2. 在单元格A2输入文本“月度运营数据报告”。     3. 在单元格A3输入今天的日期，格式为“YYYY-MM-DD”。     4. 将单元格A1和A2中的文本设置为粗体，字号调整为14。     5. 合并单元格区域A1:C1，并将其内容水平居中、垂直居中。     6. 合并单元格区域A2:C2，并将其内容水平居中、垂直居中。     7. 所有操作完成后，弹窗提示“报告表头已生成完毕”。2. 利用DeepSeek生成VBA代码：Sub GenerateReportHeader()    Dim ws As Worksheet    ‘ 获取当前活动工作表    Set ws = ActiveSheet    With ws        ‘ 填写表头内容        .Range(“A1”).Value= “示例股份有限公司”        .Range(“A2”).Value= “月度运营数据报告”        .Range(“A3”).Value=Date        .Range(“A3”).NumberFormat = “YYYY-MM-DD” ‘ 设置日期格式        ‘ 设置A1单元格格式并合并        With .Range(“A1”)            .Font.Bold =True            .Font.Size =14        EndWith        With .Range(“A1:C1”)            .Merge            .HorizontalAlignment = xlCenter            .VerticalAlignment = xlCenter        EndWith        ‘ 设置A2单元格格式并合并        With .Range(“A2”)            .Font.Bold = True            .Font.Size = 14        End With        With .Range(“A2:C2”)            .Merge            .HorizontalAlignment = xlCenter            .VerticalAlignment = xlCenter        End With    End With    MsgBox “报告表头已生成完毕”, vbInformationEnd Sub3. 在Excel中执行VBA代码</p></blockquote> 首先，新建模块，有两种方式： 方式一：Excel-开发工具-宏，在弹窗中随便起个名字，点「创建」  方式二：点进去编辑界面-插入-模块  然后在下图的模块中，把原先的内容清空，把AI给的代码黏贴进去 最后在运行-运行子过程，即可！！  4. 运行效果： 执行宏后，当前活动工作表的A1:C3区域将按预设要求自动生成表头内容和格式。  <blockquote><p>代码说明：Sub GenerateReportHeader() 和 End Sub：<br/>定义了一个VBA过程（宏）的开始和结束<br/>Dim ws As Worksheet：声明一个名为 ws 的变量，其类型为 Worksheet（工作表对象）。<br/>Set ws = ActiveSheet：将当前活动的工作表对象赋值给变量 ws。<br/>With ws … End With：一个便利结构，使得在此代码块内以点 . 开头的属性和方法都默认针对 ws 对象。<br/>.Range(“A1”).Value = “文本”：设置指定单元格（如此处的A1）的值。<br/>.Range(“A3”).NumberFormat = “YYYY-MM-DD”：设置单元格的数字格式。<br/>.Font.Bold = True：设置字体为粗体。.Font.Size = 14：设置字号大小。<br/>.Range(“A1:C1”).Merge：合并指定的单元格区域。<br/>.HorizontalAlignment = xlCenter：设置内容水平居中。<br/>MsgBox “提示信息”, vbInformation：弹出一个包含指定提示信息的消息框。</p></blockquote> 觉得它太简单的话，也可以继续用Deepseek帮我们设计一个复杂的版本：  替换原来的模块，或者重新新建一个： 是不是有那味了？  案例2：自动生成带超链接的工作表目录 问题背景： 当一个Excel工作簿中包含大量工作表时（例如，各个月份的销售数据、不同部门的预算表等），手动查找和切换工作表会变得效率低下。 例如我现在一个Excel有多个Sheet，是每个月的销售表。  目标： 利用VBA代码自动创建一个名为“目录”的工作表。该工作表将列出工作簿中所有其他工作表的名称，并为每个名称创建超链接，方便快速跳转。同时，在每个数据工作表特定位置（如E1单元格）添加一个“返回目录”的超链接。 操作步骤： 1. 明确需求，构建AI指令： 请编写Excel VBA代码实现以下功能： 1. 检查当前工作簿中是否存在名为“目录”的工作表。   a. 如果不存在，则在所有工作表的末尾新建一个名为“目录”的工作表。   b. 如果已存在，则清空该“目录”工作表的所有内容。 2. 在“目录”工作表的A1单元格写入“序号”，B1单元格写入“工作表名称”，并将这两个单元格字体加粗。 3. 从第二行开始，在“目录”工作表中生成所有其他工作表的列表：   a. A列为序号，从1开始递增。   b. B列为对应工作表的名称。   c. B列的工作表名称应设置为超链接，点击后跳转到对应工作表的A1单元格。链接文本颜色设置为蓝色。 4. 遍历工作簿中所有非“目录”的工作表，在每个工作表的E1单元格创建文本为“返回目录”的超链接，点击后跳转到“目录”工作表的A1单元格。此链接文本颜色也设置为蓝色。如果E1单元格已有超链接，先将其删除。 5. 代码执行开始前关闭屏幕更新，结束后恢复屏幕更新，并显示“目录生成/更新完毕！”的提示信息。 6. 自动调整“目录”工作表A列和B列的列宽以适应内容。 2. 用DeepSeek v3生成vba代码： Sub CreateOrUpdateTableOfContents()    Dim mainWorkbook As Workbook    Dim tocSheet As Worksheet    Dim ws As Worksheet    Dim rowIndex As Long    Dim sheetCounter As Long    Application.ScreenUpdating =False    Set mainWorkbook = ThisWorkbook    ‘ 步骤1: 创建或引用“目录”工作表    On Error Resume Next ‘ 临时忽略错误，以便检查工作表是否存在    Set tocSheet = mainWorkbook.Worksheets(“目录”)    On Error GoTo 0′ 恢复正常错误处理    If tocSheet Is Nothing Then        Set tocSheet = mainWorkbook.Worksheets.Add(After:=mainWorkbook.Sheets(mainWorkbook.Sheets.Count))        tocSheet.Name = “目录”    Else        tocSheet.Cells.ClearContents ‘ 如果存在则清空    End If    ‘ 步骤2: 设置“目录”工作表表头    With tocSheet        .Range(“A1”).Value = “序号”        .Range(“B1”).Value = “工作表名称”        .Range(“A1:B1”).Font.Bold = True    End With    rowIndex = 2 ‘ 目录条目从第二行开始    sheetCounter =0    ‘ 步骤3: 生成目录列表及超链接    For Each ws In mainWorkbook.Worksheets        If ws.Name &lt;&gt; tocSheet.Name Then ‘ 排除“目录”工作表本身            sheetCounter = sheetCounter +1            With tocSheet                .Cells(rowIndex, “A”).Value= sheetCounter ‘ 序号                .Cells(rowIndex, “B”).Value = ws.Name      ‘ 工作表名称                ‘ 创建到对应工作表的超链接                .Hyperlinks.Add Anchor:=.Cells(rowIndex, “B”), _                                Address:=””, _                                SubAddress:=”‘” &amp; ws.Name &amp; “‘!A1”, _                                TextToDisplay:=ws.Name                .Cells(rowIndex, “B”).Font.Color = vbBlue            End With            rowIndex = rowIndex + 1        End If    Next ws    ‘ 步骤4: 在其他工作表添加“返回目录”链接    ForEach ws In mainWorkbook.Worksheets        If ws.Name &lt;&gt; tocSheet.Name Then            On Error Resume Next ‘ 忽略可能没有超链接的错误            ws.Range(“E1”).Hyperlinks.Delete ‘ 先删除E1可能存在的旧链接            On Error GoTo 0            ws.Hyperlinks.Add Anchor:=ws.Range(“E1”), _                              Address:=””, _                              SubAddress:=”‘” &amp; tocSheet.Name &amp; “‘!A1”, _                              TextToDisplay:=”返回目录”            ws.Range(“E1”).Font.Color = vbBlue        End If    Next ws    ‘ 步骤6: 自动调整列宽    tocSheet.Columns(“A:B”).AutoFit    Application.ScreenUpdating = True    ‘ 步骤5: 完成提示    MsgBox “目录生成/更新完毕！”, vbInformation End Sub 按案例1的一样操作，直接运行，就能看到目录了。  - Application.ScreenUpdating = False：在宏执行期间关闭屏幕刷新，可以提高执行速度，尤其在操作多个工作表时效果明显。 - On Error Resume Next / On Error GoTo 0：VBA的错误处理语句。On Error Resume Next 使程序在遇到运行时错误时继续执行下一行代码，常用于可预见的、不影响主流程的小错误。On Error GoTo 0 则恢复标准的错误处理机制。 - Worksheets.Add(After:=Sheets(Sheets.Count))：在工作簿的最后一个工作表之后添加一个新的工作表。 - Hyperlinks.Add Anchor:=…, Address:=””, SubAddress:=”‘” &amp; ws.Name &amp; “‘!A1”, TextToDisplay:=…：添加超链接的核心方法。 - Anchor: 超链接所依附的单元格对象。 - Address: 指向外部文件或URL的地址（内部链接时为空字符串）。 - SubAddress: 指向当前工作簿内部位置的字符串，格式为 ‘工作表名’!单元格地址。 - TextToDisplay: 在单元格中显示的超链接文本。 - vbBlue：VBA内置的颜色常量，代表蓝色。 - Columns(“A:B”).AutoFit：自动调整指定列的宽度以适应其内容。 通过这两个入门案例，可以看出AI在辅助生成VBA代码方面的潜力，使得用户能更专注于需求本身，而非繁琐的语法细节。案例3：复杂数据整合与查询 在处理来自不同数据源或结构复杂的数据时，往往需要进行数据整合与转换。本案例将利用提供的多份CSV数据文件，模拟一个常见的数据处理场景：将事实表数据与维度表数据关联，生成一个包含更丰富信息的新表。此操作若手动使用Excel公式（如VLOOKUP）处理大量数据，效率较低且易出错。 假设我现在有多张表格，如下图，分别是区域表、用户表、产品表、订单表。  其中订单表是这样的：  可以看到，用户和产品都是没名字的，我的需求是让订单表从用户表、产品表上把对应的名字匹配上。 这也是很经典的需求：多表匹配。 请编写一段Excel VBA代码，用于从指定文件夹中的多个Excel文件 (.xlsx) 整合数据到当前活动工作簿的新工作表中。 具体需求如下： 选择源文件夹： 程序开始时，弹出一个对话框让用户选择包含源Excel文件的文件夹。 如果用户未选择文件夹，则中止程序并提示。 定义源文件名： 事实数据文件名: “Model-FactSales.xlsx” 产品维度数据文件名: “Model-DimProduct.xlsx” 客户维度数据文件名: “Model-DimCustomer.xlsx” 城市维度数据文件名: “Model-DimCity.xlsx” 数据关联与填充： AI生成的VBA代码还是很全面的：包含了文件夹选择、外部文件读取、字典应用和错误处理等要素： Option Explicit ‘ 强制声明所有变量 Sub ConsolidateDataFromExternalFiles_V3()    Dim startTime As Double    startTime = Timer    Application.ScreenUpdating = False    Application.EnableEvents = False    Application.Calculation = xlCalculationManua    Dim folderPath As String    Dim wbSource As Workbook, wbDim As Workbook    Dim wsSource As Worksheet, wsDim As Worksheet    Dim wsConsolidated As Worksheet    Dim dictProducts As Object, dictCustomers As Object, dictCities As Object    Dim factSalesFileName As String, productDimFileName As String, customerDimFileName As String, cityDimFileName As String      Dim arrFactSalesData As Variant ‘ 用于存储FactSales的原始数据    Dim arrOutputData As Variant    ‘ 用于构建最终的输出数据    Dim i As Long, j As Long    Dim lastRowFact As Long, lastColFact As Long    Dim lastRowOutput As Long, lastColOutput As Long    ‘— 用于存储在FactSales表中关键Key列的列号 —    Dim spuColFact As Long    Dim customerIdColFact As Long    Dim cityIdColFact As Long    ‘ — 用于存储在Output数组中新增Name列的列号 —    Dim productNameColOutput As Long    Dim customerNameColOutput As Long    Dim cityNameColOutput As Long    Dim tempKey As Variant    ‘— 1. 选择源文件夹 —    With Application.FileDialog(msoFileDialogFolderPicker)        .Title = “请选择包含源Excel文件的文件夹”        .AllowMultiSelect =False        If .Show&lt;&gt;-1Then            MsgBox “未选择文件夹，操作中止。”, vbExclamation            GoTo CleanUpAndExit        End If        folderPath = .SelectedItems(1)        If Right(folderPath, 1) &lt;&gt; Application.PathSeparator Then            folderPath = folderPath &amp; Application.PathSeparator        End If    EndWith    ‘ — 2. 定义源文件名 —    factSalesFileName = “Model-FactSales.xlsx”    productDimFileName = “Model-DimProduct.xlsx”    customerDimFileName = “Model-DimCustomer.xlsx”    cityDimFileName = “Model-DimCity.xlsx”    ‘— 3.1 创建或重置 “ConsolidatedSales” 工作表 —    On Error Resume Next    Application.DisplayAlerts =False    ThisWorkbook.Sheets(“ConsolidatedSales”).Delete    Application.DisplayAlerts =True    On Error GoTo 0      Set wsConsolidated = ThisWorkbook.Sheets.Add(After:=ThisWorkbook.Sheets(ThisWorkbook.Sheets.Count))    wsConsolidated.Name = “ConsolidatedSales”    ‘ — 读取 “Model-FactSales.xlsx” 数据到数组 —    If Len(Dir(folderPath &amp; factSalesFileName)) = 0 Then        MsgBox “文件 ” &amp; factSalesFileName &amp; ” 在指定文件夹中未找到！操作中止。”, vbCritical        GoTo CleanUpAndExit    End If        On Error GoTo FileOpenErrorFactSales    Set wbSource = Workbooks.Open(folderPath &amp; factSalesFileName, ReadOnly:=True, UpdateLinks:=0)    Set wsSource = wbSource.Sheets(1)    arrFactSalesData = wsSource.UsedRange.Value ‘ 将整个UsedRange读入数组    wbSource.Close SaveChanges:=False    Set wsSource = Nothing    Set wbSource = Nothing    On Error GoTo 0      If Not IsArray(arrFactSalesData) Then        MsgBox “无法从 ” &amp; factSalesFileName &amp; ” 读取数据。”, vbCritical        GoTo CleanUpAndExit    End If    If UBound(arrFactSalesData, 1) &lt;1Then’ 至少要有表头行        MsgBox factSalesFileName &amp; ” 为空或格式不正确。”, vbCritical        GoTo CleanUpAndExit    End If    ‘— 确定FactSales中关键Key列的列号 (基于表头名称) —    For j = LBound(arrFactSalesData, 2) To UBound(arrFactSalesData, 2)        SelectCaseTrim(CStr(arrFactSalesData(1, j))) ‘ 表头在数组的第一行            Case “SPU”: spuColFact = j            Case “客户ID”: customerIdColFact = j            Case “区域ID”: cityIdColFact = j        End Select    Next j    If spuColFact = 0 Or customerIdColFact = 0 Or cityIdColFact = 0 Then        MsgBox “错误：” &amp; factSalesFileName &amp; ” 中未能找到一个或多个关键表头 (SPU, 客户ID, 区域ID)。请检查表头是否正确。”, vbCritical        GoTo CleanUpAndExit    End If    ‘— 4. 加载维度表数据到字典 —    Set dictProducts = CreateObject(“Scripting.Dictionary”)    Set dictCustomers = CreateObject(“Scripting.Dictionary”)    Set dictCities = CreateObject(“Scripting.Dictionary”)    ‘ 假设维度文件中的Key在第1列，Name在第2列。如果不是，请修改LoadDictionary_V3的调用参数。    LoadDictionary_V3 dictProducts, folderPath, productDimFileName, 1, 2 ‘ keyCol=1 (SPU), valCol=2 (ProductName)    LoadDictionary_V3 dictCustomers, folderPath, customerDimFileName, 1, 2′ keyCol=1 (客户ID), valCol=2 (CustomerName)    LoadDictionary_V3 dictCities, folderPath, cityDimFileName, 1, 2       ‘ keyCol=1 (区域ID), valCol=2 (CityName)    ‘ — 5. 准备输出数组并填充数据 —    lastRowFact = UBound(arrFactSalesData, 1)    lastColFact = UBound(arrFactSalesData, 2)    lastColOutput = lastColFact + 3 ‘ 新增3列    productNameColOutput = lastColFact +1    customerNameColOutput = lastColFact +2    cityNameColOutput = lastColFact +3    ReDim arrOutputData(LBound(arrFactSalesData, 1) To lastRowFact, LBound(arrFactSalesData, 2) To lastColOutput)    ‘ 填充表头行到输出数组    For j = LBound(arrFactSalesData, 2) To lastColFact        arrOutputData(LBound(arrFactSalesData, 1), j) = arrFactSalesData(LBound(arrFactSalesData, 1), j)    Next j    arrOutputData(LBound(arrFactSalesData, 1), productNameColOutput) = “ProductName” ‘ 或中文 “产品名称”    arrOutputData(LBound(arrFactSalesData, 1), customerNameColOutput) = “CustomerName” ‘ 或中文 “客户名称”    arrOutputData(LBound(arrFactSalesData, 1), cityNameColOutput) = “CityName”     ‘ 或中文 “区域名称”    ‘ 填充数据行    For i = LBound(arrFactSalesData, 1) + 1 To lastRowFact ‘ 从第二行开始 (数据行)        ‘ 复制原始数据        For j = LBound(arrFactSalesData, 2) To lastColFact            arrOutputData(i, j) = arrFactSalesData(i, j)        Next j        ‘ 查找并填充ProductName        tempKey = arrFactSalesData(i, spuColFact)        If Not IsEmpty(tempKey) And dictProducts.Exists(CStr(tempKey)) Then            arrOutputData(i, productNameColOutput) = dictProducts(CStr(tempKey))        Else            arrOutputData(i, productNameColOutput) = “N/A”        End If        ‘ 查找并填充CustomerName        tempKey = arrFactSalesData(i, customerIdColFact)        If Not IsEmpty(tempKey) And dictCustomers.Exists(CStr(tempKey)) Then            arrOutputData(i, customerNameColOutput) = dictCustomers(CStr(tempKey))        Else            arrOutputData(i, customerNameColOutput) = “N/A”        End If          ‘ 查找并填充CityName        tempKey = arrFactSalesData(i, cityIdColFact)        If Not IsEmpty(tempKey) And dictCities.Exists(CStr(tempKey)) Then            arrOutputData(i, cityNameColOutput) = dictCities(CStr(tempKey))        Else            arrOutputData(i, cityNameColOutput) = “N/A”        End If    Next i    ‘ — 6. 将输出数组写入 “ConsolidatedSales” 工作表 —    wsConsolidated.Range(“A1”).Resize(UBound(arrOutputData, 1), UBound(arrOutputData, 2)).Value = arrOutputData    wsConsolidated.UsedRange.Columns.AutoFit CleanUpAndExit:    Application.Calculation = xlCalculationAutomatic    Application.EnableEvents = True    Application.ScreenUpdating = True    Set wbSource = Nothing    Set wsSource = Nothing    Set wsDim = Nothing    Set wsConsolidated = Nothing    Set dictProducts = Nothing    Set dictCustomers = Nothing    Set dictCities = Nothing    If IsArray(arrFactSalesData) Then Erase arrFactSalesData    If IsArray(arrOutputData) Then Erase arrOutputData    If Err.Number = 0 And folderPath &lt;&gt; “” And spuColFact &gt; 0 And customerIdColFact &gt; 0 And cityIdColFact &gt; 0 Then         MsgBox “数据整合完成！用时: ” &amp; Format(Timer – startTime, “0.00”) &amp; ” 秒”, vbInformation    ElseIf Err.Number &lt;&gt; 0 Then        MsgBox “操作过程中发生错误 (代码: ” &amp; Err.Number &amp; “): ” &amp; Err.Description, vbCritical    End If    Err.Clear    Exit Sub FileOpenErrorFactSales:    MsgBox “打开文件时发生错误: ” &amp; folderPath &amp; factSalesFileName &amp; vbCrLf &amp; “错误描述: ” &amp; Err.Description, vbCritical    Err.Clear    GoTo CleanUpAndExit End Sub ‘ 辅助函数：从外部文件加载字典数据 (V3) Sub LoadDictionary_V3(dict As Object, ByVal filePath As String, ByVal fileName As String, ByVal keyColNum As Long, ByVal valColNum As Long)    Dim wbDim As Workbook    Dim wsDim As Worksheet    Dim arrDim As Variant    Dim r As Long, lastRowDim As Lon    If Len(Dir(filePath &amp; fileName)) =0Then        MsgBox “维度文件 ” &amp; fileName &amp; ” 在指定文件夹中未找到！对应字典将为空。”, vbExclamation        Exit Sub    End If    On Error GoTo LoadDictError_V3    Set wbDim = Workbooks.Open(filePath &amp; fileName, ReadOnly:=True, UpdateLinks:=0)    Set wsDim = wbDim.Sheets(1) ‘ 始终假设数据在第一个工作表    lastRowDim = wsDim.Cells(wsDim.Rows.Count, keyColNum).End(xlUp).Row      If lastRowDim &gt; 1 Then ‘ 至少要有数据行 (除了表头)        ‘ 确保读取的数组范围至少包含keyColNum和valColNum        Dim firstColToRead As Long, lastColToRead As Long        firstColToRead = Application.Min(keyColNum, valColNum)        lastColToRead = Application.Max(keyColNum, valColNum        arrDim = wsDim.Range(wsDim.Cells(2, firstColToRead), wsDim.Cells(lastRowDim, lastColToRead)).Value        Dim actualKeyColInArray As Long, actualValColInArray As Long        actualKeyColInArray = keyColNum – firstColToRead + 1        actualValColInArray = valColNum – firstColToRead + 1        If IsArray(arrDim) Then             For r = LBound(arrDim, 1) To UBound(arrDim, 1)                If Not IsEmpty(arrDim(r, actualKeyColInArray)) Then                    If Not dict.Exists(CStr(arrDim(r, actualKeyColInArray))) Then                        dict.Add CStr(arrDim(r, actualKeyColInArray)), arrDim(r, actualValColInArray)                    End If                End If            Next r        Else ‘ 处理只读取到单行数据，Range返回非数组的情况            If lastRowDim =2AndNot IsEmpty(arrDim) Then ‘ 特殊处理只有一行数据的情况                 If Not IsEmpty(wsDim.Cells(2,keyColNum).Value) Then                    If Not dict.Exists(CStr(wsDim.Cells(2,keyColNum).Value)) Then                        dict.Add CStr(wsDim.Cells(2,keyColNum).Value), wsDim.Cells(2,valColNum).Value                    End If                 End If            End If        End If    End If      wbDim.Close SaveChanges:=False    Set wsDim = Nothing    Set wbDim = Nothing    Exit Sub LoadDictError_V3:    MsgBox “加载字典时打开或读取文件 ” &amp; filePath &amp; fileName &amp; ” 失败。” &amp; vbCrLf &amp; “错误 (代码: ” &amp; Err.Number &amp; “): ” &amp; Err.Description, vbExclamation    If Not wbDim Is Nothing Then wbDim.Close SaveChanges:=False    Set wsDim = Nothing    Set wbDim = Nothing    Err.Clear End Sub 运行后，会弹出一个选择文件夹的框，让我们选中包含多个数据表的文件夹：  选择后，运行，7s时间就帮我把表格的多个列匹配上了。  在实践的过程中容易遇到3个坑：VBA是大小写敏感的，例如我这个案例中，一开始跑不通后来我猜是这个问题，改成小写才行（因为我表格里是小写）不同电脑上，甚至不同Office的配置可能会影响vba，例如我一开始是在windows上用的VBA，挪到MAC上就不能用了，所以有时候不是代码问题，而是环境本身。 最后就是提示词的问题，因为涉及业务逻辑，或者表格描述，其实是要写精准了，最后给的VBA代码才能正确运行。 我的解决方案是让AI去写提示词就好了，包括这几个案例，提示词这么标准的描述要做的动作，是因为我让DeepSeek给了多个提示词我选，然后我选择符合我预期的来调整即可！ 对于表格涉及的，也可以直接给图，但DeepSeek不支持多模态，可以给到Gemini或者Claude，也是不错的选择。 本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥AGI】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在SaaS类产品中，新手引导是帮助用户快速上手和降低流失率的关键环节。然而，新手引导的设计和实施过程中常常面临诸多挑战，比如用户转化率低、内容质量不佳等问题，这些问题往往导致产品团队陷入“背锅侠”的困境。本文从数据产品的角度出发，深入探讨了新手引导的核心目标、实操步骤以及常见的避坑策略。</p> </blockquote>  你明明做了新手引导，但是一旦有客户不会用的时候，就有人跑来说，缺少新手引导。你明明做了很多相关调研，一旦用户转化率不好，就又会有人指责说新手引导不到位，用户不会用。你明明看了很多新手引导的方案，但是最终还是要被甩锅…… 作为一个在数据产品行业摸爬滚打多年的数据小学生，日常工作中，尤其是SaaS类产品，往往都会接触到要走新手引导的这个诉求。目的是希望用户在注册成功后，进入产品内可以通过一些引导让用户按照预期的路径走下去，完成新手进来的几个目标。 新手引导有很多不同的载体，入门弹窗、任务类引导、页面悬浮、Toturials、智能AI问答等等。很多产品在做调研的时候往往都会了解到这些新手引导的不同方案，但是最后上线后，还是会被吐槽说效果一般，仍需加强。这大概是很多背锅侠们经常遇到的事情。今天这篇文章就想跟大家详细的拆解如何做好新手引导，以及当在团队内遇到针对新手引导的各类问题如何解决与应对。 ## 什么是新手引导 新手引导的目的，是可以让用户在**初次**使用的过程中快速建立**对产品的认知**，并上手**功能操作**，减少这一过程中的用户流失。 新手引导核心要解决三个问题： **第一：我们希望传达什么**：即需要将什么信息传递给用户。 通常新手引导场景下，传达信息会包括**产品核心价值、核心功能**、**内置的最佳实践sample**信息等，都是希望传达给用户，进而让用户可以更低门槛的使用产品功能。 **第二：如何引导触达目标场景**：用户看到传达的信息后，如何去完成相应的任务流程。 即从落地场景向目标功能场景的引导。这里需要结合传达信息的不同做相应的引导。 **第三：如何低门槛使用目标功能**。用户到达目标场景内时，让用户可以使用低门槛的使用产品。 想清楚这三个问题后，我们就可以进入实操了 ## 新手引导实操 ### 第一步：定义清楚你的用户需求场景 所有的产品设计都离不开产品三要素：用户、需求、场景。在实践过程中，在定义用户时，可以用两层的策略进行定义 第一层：概括性用户，即适用于大多数产品的。在这里我们只需要定一个新用户来的一些用户特征即可，结合用户特征，我们可以定义出针对这类用户我们希望**传达什么信息** 例如：  第二层：即基于你的产品定位去做角色化的用户场景细拆。这一层主要目的是用于在明确需要传达什么信息后，如何**去引导用户去目标场景，以及更低门槛的使用产品。** 举个例子：针对数据开发类产品，目标角色会很多。例如可以拆分为开发角色、数据源管理角色、运维角色等，若再加上企业属性，又可以进一步细拆为个人开发角色，企业开发角色等等。 针对开发角色，关注的是进入产品内如何去创建开发任务，测试，提交调度；数据源管理角色关注的是如何创建好数据源链接。 用户角色拆分的细致程度，决定了产品经理在做用户场景的覆盖范围是否足够全足够广。 这里大家就结合自身的产品去梳理即可。 ### 第二步：调研调研调研 新手引导的产品设计太多了，市面上常见的弹窗、页面悬浮、tips提示、文档机器人等等。在这里我就不一一说了，相信这类文章一大把都是。这一步骤，我核心想跟大家说的是，调研背后的逻辑，此所谓授人以鱼不如授人以渔。 产品调研，不简单是了解产品心态，更重要的是要理解这个产品形态背后的驱动是什么，也就是反向推到用户需求场景。这就跟第一步正好映射上，也就是当我们最终设计产品方案时，如何跟调研好的形态进行一一匹配优化设计。 举个例子：新人引导里最常见的就是入口弹窗 ，通常情况下这种弹窗是用一种相对比较强势的方式让用户感知到。因此它背后的目标用户群体就是针对那些不知道产品是什么的人，让他们知道产品的核心能力，并引导用户去进行相应的操作。 ### 第三步：产品方案 前面都定义好了之后，就可以直接基于你自己的场景去设计方案了。在这里不做过多介绍，大家自行设计即可。如果有想问的可以留言给我。 ## 避坑手册 ** 坚决不做背锅侠。** 新手引导看似是产品内的一个很小的需求场景，但是往往会有很多角色想跑来掺合一脚，这大概是日常SaaS类产品经理最头疼的一点了。尤其是当产品团队相对处于一个弱势地位的时候，往往就会陷入一个别人说什么就要做什么的境地。 这个时候，我们改如何应对呢？ 在做新手引导前，一定要跟若干角色拉齐定义清楚目标，不属于新手引导的坚决不承诺。几种典型场景一定要避开： **大坑一：用户转化率低是因为新手引导做的不好** 这是SaaS产品内最长争论的场景了，每当用户转化率低但是运营部门没有好想法的时候，往往会把这个锅推到新手引导上。不可否认，对于有门槛的SaaS类产品，新手引导对于让用户快速理解使用产品起到到了积极正向的作用。但是引导做的好不好，跟转化是没有直接关系的。只能说新手引导做的好，用户体验绝佳，是可以干预到用户决策的。只是用户转化路径中的一个很小的环节。 **大坑二：内容质量不高** 在这里要说的是，一个团队内部可能存在多种任务分工，如果你做的新手引导是涉及到内容类的信息，例如引导用户去一个场景化的功能里（例如toturials），或者引导用户去看一个视频等等。 你做的只是你负责的引导框架，具体的内容质量不好或者准备不足，需由相应角色基于用户埋点数据进行优化即可。 当然如果你是负责做内容的，那么请结合上述实操步骤，将内容、引导到使用三个问题都要想清楚，确保每个环节都是有效的。 本文由 @Baby 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>本文讲述了Airwallex CEO Jack Zhang从底层劳工到金融科技独角兽创始人的十年创业历程。他拒绝Stripe收购，独立打造估值62亿美元的全球支付网络，预计年底 ARR 达到10亿美元。文章回顾了其创业中的战略拐点、至暗时刻与反思，以及如何在跨境支付领域实现规模化与增长。</p> </blockquote>  如果你对跨境支付、金融科技、工程师型 CEO 的崛起路径、创始人与投资人间的博弈感兴趣，今天这篇文章将为你呈现一个少见的视角：一个真正在 40°C 高温下搬柠檬箱、洗碗、写代码、拼命活下来的创始人，如何在十年间打穿技术、资本与全球化三重天花板。 Jack Zhang 16 岁时独自在异国他乡打工谋生——柠檬工厂、洗碗间、加油站夜班——每天工作超过 16 小时，只为支付 2.4 万澳元的国际学生学费。十年后，他拒绝 Stripe 的收购，独立打造了一家估值 62 亿美元的全球支付网络，预计今年底达到 10 亿美元 ARR。 Jack Zhang 在与 20VC Harry Stebbings 对谈中回顾了那些至暗时刻，以及真正让 Airwallex 度过寒冬、走向规模化的战略拐点：以支付为切口，重构全球清结算基础设施，从“中小企业收款工具”升级为 API 级平台，服务如 Shein、Tencent、Mastercard 等大客户。 这段从底层劳工到金融科技独角兽创始人的旅程，并非硅谷故事模板，而是 Jack Zhang 融合工程背景、实业经验、国际化视角，在危机中生长出的商业实践。更少“激情创业”的空话，更多是深夜签下辞职信、面对融资被拒后拿到转机的真实时刻。 ## 01 从校园杂志到副业矩阵 “我大概 15 岁来到澳大利亚，16 岁时家里没钱了，失去了所有经济支持。” Jack 回忆道。他的第一份工作，是在餐厅和柠檬工厂之间轮班。那是一个酷热难耐的夏天，每天一早，他就搭乘火车和公交车上山，在近 40 度的高温中搬运数千个柠檬箱。14 澳元一小时的薪资在当时算不错，但换来的只是最基础的生存。 “我别无选择。” Jack 说，那时候国际学生的学费高达每年 2.4 万澳元，生活开销更是无从谈起。“必须拼命打工才能活下来。” 接下来的几年，Jack 一边在墨尔本大学求学，一边继续打着多份工：下午四点到十一点半在餐厅当酒保，午夜到早上八点在加油站收银、卖糖果。他一周工作四到五天，每天长达 16 小时。“我就是那个会问你‘要不要花五块钱买三颗巧克力’的人。” Jack 的第一段“创业”经历发生在高中。他主编了一本学生杂志《Urban Exploration》，最初靠推销传单艰难拉广告，后转向更有趣的内容如校园爱情故事和游戏攻略，结果火爆全校，吸引 8000 家商户投放广告。那是他第一次真正感受到“做出一个东西、被人喜爱、还能赚钱”的成就感。 大学毕业后，Jack 成为投行算法交易员，但对收入始终不放心。他开启了副业矩阵：出口橄榄油、进口纺织品、卖手机壳、做建筑项目管理、参与房地产开发。几年时间里，这些副业带来上百万澳元的年被动收入，他的净资产也突破了 1000 万。 “28、29 岁时我已经有了财务安全。” 他说，“但我开始思考人生到底是不是就该这样了。” ## 02 咖啡店出发，陌生人投下 100 万美元 2015 年的一天，Jack Zhang 与联合创始人 Max 一同在墨尔本的咖啡馆中相约。他宣布要辞职，全职投入 Airwallex 项目。那天晚上，Max 介绍了一位名叫 Lucy 的前投行从业者，两人首次见面，Jack 表达了想要颠覆跨境支付行业的野心。 当被问及融资需求时，Jack 随口说“100 万美元”，Lucy 竟提出愿意投 200 万。最终，Lucy 投资了 100 万美元，换取 20% 股权。没有签署合同，甚至公司都尚未注册，资金就已到账。 随后的那个周一，Jack、Max、Lucy 和另一位同事 Key Log 一起走到 National Australia Bank 楼下，逼迫 Jack 立刻递交辞呈。几人随后搬入一个 10 平米的小办公室，开始了日夜兼程的创业生活。 100 万美元很快烧完。澳洲三家本土 VC 一致拒绝，Jack 转而从香港的一家基金募集到 200 万美元天使轮。尽管当时没有产品，Jack 仍在 pitch 一个大胆设想：重建跨境结算网络。 但融资之路远非一帆风顺。Metrics Partners 一度签署了以 1 000 万美元估值领投 200 万的 term sheet，签完又因“算法缺乏护城河”而反悔。更讽刺的是，那些当初拒绝 Jack 的澳洲 VC，后来反而在 Airwallex Series A+ 轮以 62 亿估值投下重注。 ## 03 不断被拒绝，直到遇见 DST 真正了解 Jack 的第一个投资人，是 DST 的 Yuri Milner。Yuri 完全不问商业模式，而是花三个小时深入了解 Jack 的成长经历。第二天，DST 即提出以 1 亿美元估值领投 term sheet。那时，Airwallex 刚刚拒绝了 Stripe 提出的 12 亿美元收购要约。 Jack 也回顾道，许多 VC 关注的是估值与数据，却忽略了创始人能否在接下来的 20 年中抵御风浪。那些真正发问创始人背景的投资者，才是真正懂人的人。 最初的 300 万美元资金，团队用于构建点对点撮合算法，但很快意识到无法解决跨境支付核心问题。要重建全球支付网络，必须对接全球同业流动性并拿下本地牌照。他们内部将这个新计划命名为“Mercury”。 Airwallex 成功说服合作银行 A Corp 的一名夜班员工 Tom 动用整个团队，将其 FX 引擎接入同业市场。最终他们将原本 50 万美元起步的 FX 引擎最低交易额降至 20 美元，并以极低成本获得流动性。 2017 年，他们获得了由 Sequoia、Tencent 和 Mastercard 联合领投的 1300 万美元 Series A。但产品尚未找到真正的产品市场匹配。最初对 SME 客户的聚合支付产品，客单价低、留存差，几近失败。 ## 04 拒绝收购，重构全球支付网络 Jack 向投资人阐释了全新的愿景：Airwallex 将成为 Stripe、Mastercard 这类企业的底层跨境结算网络，甚至替客户承担 FX 风险。他清楚告诉投资人：“我们正搭建的，是一个全球级别的基础设施。” 但融资过程并不顺利。腾讯内部审批流程长达三个月，高层一度质疑：为何小团队能做出比腾讯更好的系统？Jack 最终获得会见腾讯首席策略官 James Mitchell 的机会，现场演示中程序崩溃，但 James 表示“我相信你们的方向”。第二天，投资到账，Mastercard 紧随其后。 即使获得投资，两大机构也未成主要客户。腾讯选择自研，Mastercard 未达承诺交易量。直到 2018 年，Airwallex 在教育支付平台领域找到了真正的 PMF，仅用 9 个月实现从零到 10 亿美元交易额。 2018 年底，Airwallex 拥有超 100 家企业客户，随后完成 Series B 融资，估值达 4 亿美元。 当 Stripe 发起接触时，Jack 与 Patrick Collison 一拍即合。双方共享打造“金融版 AWS”的愿景，甚至开始共写合作文档，并口头达成收购意向。 但回墨尔本后，Jack 在是否出售公司的问题上陷入纠结。彼时他 33 岁，出售将获得约 8 亿美元，但需锁股五年。他与高管团队投票决策，结果 90% 的人选择继续坚持。唯一支持出售的成员后加入了 Stripe，并引发了法律纠纷。 Jack 最终决定拒绝收购，他说：“我要把我的一生都投入这家公司。”Patrick 的一句话令他记忆犹新：“我要做一家公司，花上 20、30、40 年。” 拒绝 Stripe 后，Airwallex 从 DST 融资 1 亿美元，人员从 100 增至 600 多人。但收入并未跟上交易额增速。Jack 开始推进产品多元化，从发行企业卡、商户收单，到全链路结算。他坦承，这一战略短期内并无收益，却是打造“全球新银行”的必要投入。 ## 05 失误与代价，扩张太早+文化失衡 拒绝 Stripe 后，Airwallex 从 DST 融资 1 亿美元，人员从 100 增至 600 多人。但收入并未跟上交易额增速。Jack 开始推进产品多元化，从发行企业卡、商户收单，到全链路结算。他坦承，这一战略短期内并无收益，却是打造“全球新银行”的必要投入。 2019 年，Airwallex 启动全球扩张计划，在英美等市场设立办公室。Jack Zhang 回忆，这一战略很快暴露出问题。“我们在还没找到产品／市场匹配的情况下就开始招兵买马，投入巨大。”各地团队成本高昂，但几乎无实质性收入，导致组织效率极低。 当 Harry Stebbings 问及是否很早就意识到扩张失败时，Jack 回答：“其实一开始就知道了，但已经砸了钱，只能硬着头皮继续。三年后，英国才找到第一个真正客户。”这段时期，Airwallex 不断换人，是 Jack 自认创业中最大的错误之一。 问题出在多个方面。Jack 自认擅长产品与工程，却不了解如何建立商业化团队，也不具备当地的商业网络。最终，2019 年底，Airwallex 对国际团队进行全面收缩。 2019 年 10 月，为缓解资金压力，Jack 飞赴伦敦寻找融资，原本洽谈 SoftBank，但因尽调团队更替，对方最终未投。资金见底之际，老股东 DST 和腾讯临时提供了一笔可转债，帮助公司熬过最艰难时刻。Hindenburg Investment（后被称为 Hida Sophia）随后加入，成了重要的“续命投资人”。 2020 年初，疫情爆发，融资环境剧烈动荡。Jack 回忆，签约当周美股连续三次暴跌超 10%，“我打电话给沈南鹏，他说：‘没人能保证在这种环境下完成融资’。”最终，Airwallex 完成了 1.7 亿美元融资，其中 1.5 亿为 Hindenburg 领投，另一部分来自原有可转债转换。 疫情期间，Airwallex 的学费与旅行相关收入腰斩，但这反而推动公司转向 SMB 金融产品——企业卡、收单、线上线下整合支付等新业务逐步成型。Jack 表示，真正的产品市场匹配在这一时期才到来。 2021 年，公司转型为“下一代全球银行平台”的战略愈发清晰。那年 1 月，Airwallex 完成由 General Atlantic 领投的 2.6 亿美元融资；6–7 月，又完成 4 亿美元轮次。2022 年虽然估值未再上升，但依旧获得新一轮融资，2023 年则实现盈利。 Jack 指出，2015–2023 年间，公司收入年复合增长率始终不低于 100%，最新季度同比增长仍达 90%。2023 年 8 月 ARR 达 5 亿美元，11 月破 6 亿，次年初达到 7 亿。“按这个增速，2025 年底超过 10 亿美元没问题。” ## 06 从回购到重塑文化，Airwallex 下半场 在最新一轮融资中，Airwallex 完成 6.2 亿美元交易，其中募资部分约 3 亿，估值为年毛利的 13 倍（年毛利约 4.5 亿美元），与 Stripe、Revolut 等公司接近。 值得注意的是，创始团队自掏腰包，动用 7000 万美元债务资金回购了早期投资人股份。Jack 表示：“我们对公司未来有足够信心，愿意自己买回来。” 在最新一轮融资中，Airwallex 完成 6.2 亿美元交易，其中募资部分约 3 亿，估值为年毛利的 13 倍（年毛利约 4.5 亿美元），与 Stripe、Revolut 等公司接近。 值得注意的是，创始团队自掏腰包，动用 7000 万美元债务资金回购了早期投资人股份。Jack 表示：“我们对公司未来有足够信心，愿意自己买回来。” Jack 直言自己并不热爱 CEO 的日常管理事务，但他热衷于“掌控公司命运”，对客户满意度、员工成长负责。他不喜欢处理流程与人事问题，却愿意承担方向性决策的重任。 回顾整个创业旅程，Jack 提出三点反思： - 早期招人方式：前 100 位员工由他亲自 LinkedIn 私信招募，虽确保文化一致，但他现在更建议早期就授权专业招聘团队，或用 AI 工具处理初筛。 - 盲目国际化：在未找到 PMF 前启动扩张，是代价惨重的冒进。 - 团队文化建设：早期曾招募来自银行体系的“专业人士”，但他们难以适应初创节奏，最终全部被替换，拖慢了公司发展。 Jack 认为，选择投资人不应只看估值或品牌，而是要寻找真正能带来资源杠杆的人。“Sequoia 就是典型代表，品牌价值转化为实际商业拓展。” 谈及未曾合作但最欣赏的投资人，Jack 提到 Michael Moritz——他对 Stripe 的支持方式深深打动了自己。“他能在早期举旗助威，愿景投资，从零陪伴。” Jack 曾应邀赴 Moritz 家中晚宴，对方建议他早点出售，腾出时间做投资，获得更多“复利红利”。尽管建议合理，Jack 最终选择了坚持，因为“我还不确定自己想要怎样的生活”。 除了 Patrick Collison，Jack 表示最敬佩的创始人是 Elon Musk，称其“真正推动了人类文明进步”。如果要把钱投资到一家公司，他会选择 SpaceX，愿意投入 50%。 被问及 CEO 最难的任务时，Jack 说：“每天都在做超过 50% 概率会错的决策，必须在不完美信息中行动。”至于是否会转型为 VC，他回答：“我不认为自己是个好投资人，早期投资本质上是看人，而这需要长期积累。” 展望未来，Jack 希望 2035 年的 Airwallex 成为全球最大的“支付＋银行”平台之一，为全球数百万家企业提供稳定、高效的金融基础设施。他强调：**“是否上市不是重点，能否真正赋能全球企业才是我们终极目标。”** 本文由人人都是产品经理作者【有新Newin】，微信公众号：【有新Newin】，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。

华曦达营收增速不及行业增速，净利润更是两年下滑。

OpenAI首席战略官Jason Kwon在新加坡举行的活动上表示，继在韩国、日本和新加坡设立办公室之后，公司计划进一步扩大在亚洲的投资。Kwon表示，公司对亚洲增长前景持乐观态度，该地区开发者生态呈现强劲发展势头。 [](https://static.cnbetacdn.com/article/2025/0426/28278f98dcc375e.jpg) OpenAI正在开发一系列“市场领先”的开源模型。 “这是制定标准的机会，我们需要时间，”Kwon表示。 面对DeepSeek等对手的竞争，他坦言“竞争始终存在”，OpenAI视之为“持续提升实力的机遇”。 [查看评论](https://m.cnbeta.com.tw/comment/1503068.htm)

美国贸易法庭裁定，总统特朗普大部分的全球关税举措违法且遭禁制，这将对其经济议程中的主心骨部分造成重大冲击。位于曼哈顿的美国国际贸易法院一个由三位法官组成的小组周三做出一致裁决，支持民主党领导的各州和一群小企业的观点，即特朗普错误地引用一项紧急法令来证明其大部分关税的合理性。 该法院给予政府10天的时间，以“实现”这项裁定，但没有提供取消关税必须采取的任何具体步骤指示。 [](https://static.cnbetacdn.com/article/2025/0512/1e06aba499b31af.jpg) 司法部向美国联邦巡迴上诉法院提交了上诉通知。美国最高法院可能最终对这可能影响数万亿美元全球贸易的案件拥有决定权。目前，这些关税将因该裁定永久遭到禁制，除非上诉法院允许特朗普在诉讼期间恢复这些关税。 受此裁定影响，美国股指期货大幅上涨，纳斯达克100指数合约一度上涨2.1%。美元走强，日元下跌。 在特朗普因行政命令引发的一系列诉讼中，这项裁定是他迄今为止在法庭上遭遇的最大挫败之一，他借此测试总统权力的极限。特朗普大规模解僱联邦工作人员、限制出生公民权以及削减已获国会批准的联邦开支等举措，也遭到质疑。 这些法官驳回了政府的论点，即特朗普有权在国家紧急状态下根据一套旨在应对金融交易的法律单方面征收关税。 特朗普的行政命令引用的法源是《国际紧急经济权力法》，作为对全球大规模征收关税的依据。该法赋予总统在某些紧急情况下对各种金融交易的权力，通常包括制裁。 特朗普指出，美国的贸易逆差和边境的毒品贩运是国家紧急状态，因此他可以援引这项法律。法官表示，特朗普的律师在法庭听证会上宣称，其意图是向其他国家施压，迫使它们达成更好的协议。 该法官小组写道，政府的“施压”论点实际上承认，针对特定国家关税的直接影响只是给目标国家带来负担。该小组的三名法官分别由特朗普、巴拉克·欧巴马以及雷根任命。 **全球市场** 自4月2日特朗普发布一项行政命令宣布征收关税以来，全球市场剧烈波动。此后，在数周的延宕、逆转以及宣布可能达成贸易协议（尤其是与中国的贸易协议）中，数万亿美元的市值失而复得。 该项裁定暂停了特朗普绝大多数的关税举措——全球统一关税、对中国和其他国家加征的关税，以及对中国、加拿大和墨西哥征收的芬太尼相关关税，均因该裁定而暂停。根据不同法源征收的其他关税（如所谓的第232条和第301条条款）不受影响，其中包括对钢铝和汽车征收的关税。 白宫一位发言人表示，非民选法官无权决定如何妥善处理国家紧急状态。 Kush Desai在一份声明中表示，外国对美国的非对等待遇加剧了美国历史性的、持续的贸易逆差。这些赤字造就了国家紧急状态，摧毁了美国社区，美国工人被抛在后面，并削弱了我们的国防工业基础——法庭未对这些事实提出异议。 **紧急法** 特朗普表示，他被允许使用紧急法来实施关税举措，因为美国在全球范围内“巨大且持续的”年度贸易逆差对国家安全和经济构成了“不寻常且巨大的威胁”。 该法官小组得出结论，特朗普最初宣布对全球征收关税的行政命令以及随后对采取报复措施的国家征收额外关税的命令，超出了总统在该紧急法下的权限。第三项行政命令是对墨西哥和加拿大征收关税，以解决毒品贩运问题。法院认为，这项命令违法，因为这些关税举措最终未试图解决毒品贩运问题。 一个代表小型企业的保守派法律倡导组织提起诉讼，指控特朗普滥用法律，本质上是以虚假的紧急状态为依据征收关税。自由正义中心（Liberty Justice Center）表示，美国贸易逆差“既不是紧急情况，也非异常或特殊的威胁”。该组织表示，即使是这样，紧急法也不允许总统征收全面关税。 民主党主导的各州声称，这些关税相当于对美国消费者征收巨额税款，侵犯了国会的权力。特朗普对墨西哥和加拿大征收关税，也引发这些州质疑。 **毒品贩运** 各州声称，特朗普关税的广泛性削弱了他所谓紧急状态的说法，因为这些关税并非针对与毒品贩运有任何关联的商品或服务。 纽约州州长Kathy Hochul在社群媒体上对此裁决表示欢迎。 美国贸易法院是美国联邦法院系统的一部分，由国会设立，负责处理包括关税在内的特定贸易争端。针对相关裁定的上诉，与针对地方法院裁决的上诉方式相同，这意味着特朗普政府的上诉将先提交至联邦上诉法院，然后提交至美国最高法院。与其他联邦法院一样，其法官由现任总统任命。 国会共和党人已推进立法，赋予总统征收所谓对等关税的广泛权力，但特朗普广泛征稅的影响引发疑虑，料将限缩推动该法案的意愿。 [查看评论](https://m.cnbeta.com.tw/comment/1503066.htm)

<blockquote><p>随着AI技术的飞速发展，电商行业正迎来一场深刻的变革。本文从AI的视角出发，探讨了AI如何在618这一年度电商盛宴中带来新的想象和机遇。</p> </blockquote>  AI，正在深入而全面地影响与改变着传统的商业模式。电商行业，亦不例外。不出意外的话，AI，将会成为未来电商的主战场。对于每一个想要在这样一个新战场上获胜的玩家们来讲，只有不断地拥抱AI，只有不断地用AI来改造自身，赋能自身，才能真正将自身的发展带入到一个全新的发展阶段。当每年一度的618如约而至，我们需要站在AI的视角来看待它将会给618带来的新想象。 其实，早在618开始之前，电商玩家们便早早地开始了拥抱AI的新姿势。无论是阿里巴巴对于AI的大手笔的投入，还是腾讯以相当激进而全面的方式全面接入deepseek，我们都可以看出，越来越多的玩家们开始将AI看成是自身发展的新风口。有了前期的铺垫和积累之后，今年618上的AI，更像是一个相对较为成熟的存在，而非是一个新手。 那么，对于今年的618，AI究竟又将给我们带来怎样的新想象？AI又将如何提升和改造电商的体验呢？通过深入分析，我们可以看出，AI对于618的新想象，主要包含如下几个方面。不出意外的话，这几个方面的新想象，将会成为未来电商玩家们的标配。 ## AI，将改变电商的供给方式 如果我们对于AI对于互联网玩家们的改造进行一次总结和定义的话，不难看出，它更像是一次基于供给侧改革的过程。说到底，AI，还是要改变传统的电商供给方式，从而进一步提升行业的效率。站在这样一个角度，我们去看待今年618将会给我们带来的改变的话，AI将改变电商传统的供给方式，无疑是最值得我们去关注的那一个。 我们都知道，以往的电商供给方式，更多地是一种被动的供给方式，即，用户需要去搜索自身想要的产品来找到心仪的商品。随着电商上游供给端的不断增多，用户以这样一种供给方式来获得心仪的商品的难度越来越大。尽管后期加入了大数据、云计算等新技术，但是，用户在获得自身心仪的商品的时候，依然还是需要耗费一定的时间和精力。因此，如何进一步地提升电商B端与C端的对接效率，成为了电商玩家们获得新发展的重要课题。 当AI开始越来越多地落地到电商的场景之中，特别是当AI开始对电商的供给侧进行一次深度而全面地改造，B端和C端的对接效率开始有了进一步地优化和提升。如果对于这样一种优化和提升进行总结和定义的话，从被动地被搜索到主动地提供给用户，无疑是一个重要改变。值得注意的是，电商行业的B端的这样一种主动的供给，并不仅仅只是漫无目的地供给，而是基于AI的更为精准，更为精细化的供给。当这样一种全新的供给方式开始成为电商行业的主流和趋势，整个电商行业的运行效率，无疑可以得到进一步地提升。 ## AI，将改变电商的商业模式 正如互联网技术的成熟催生了以「互联网+」为代表的新商业模式一样，当AI技术成熟，特别是当AI开始与行业、场景产生越来越多的联系，同样将会催生出以「AI+」为代表的新商业模式。对于电商行业来讲，同样如此。我们都知道，在互联网时代，出现了以内容电商、社交电商、兴趣电商为代表的诸多的商业模式。在AI时代，同样将会衍生出更多新的电商模式。 现在，我们看到的电商行业里出现的数实融合、虚实结合的新模式；现在，我们看到的电商行业的无人配送、即时零售的新模式；现在，我们看到的电商行业的以虚拟数字人为代表的新直播范式，其实正是AI时代衍生出来的新电商模式的代表。站在这样一个视角，如果我们来畅想AI将会给618带来的新想象的话，AI催生出来的电商新商业模式，无疑是这样一种现象的直接体现。 如果我们对于AI催生出来的电商新商业模式进行总结和定义的话，不再依赖于互联网时代的平台和中心，而是开始越来越多地以一种去平台化、去中心化的方式来实现电商上下游的更加快速而精准的对接，无疑是再合适不过的了。当这样一种去平台化、去中心化的商业模式开始大行其道，电商将会越来越多地回归到产业本身，电商将会越来越多地以产业为主要驱动力，无疑是一个重要方面。 对于每一个想要在AI时代有所作为的电商玩家们来讲，如何尽可能多地建立自身与产业之间的联系，如何尽可能多地实现自身与产业之间的深度融合，无疑是一个重要方面。可以说，AI，最终成为了实现虚实融合、数实融合的方式和方法。 ## AI，将重塑电商各方的角色和地位 AI之所以能够给不同的行业\场景带来如此多的改变，还有一个很重要的原因在于，它能够改变传统行业各方的角色和地位。如果对于AI的这样一种魔力进行总结和定义的话，它更多地是实现了对于电商各方的角色和地位的重塑，最终才导致了新的发展的实现。站在这样一个角度，如果我们去思考AI将会给电商带来的新改变的话，它将会重塑电商各方的角色和地位，无疑是再合适不过的了。 我们都知道，以往的C端，其实更多地是在商品生产出来之后，去选择自己需要的产品。虽然电商模式实现了C端和B端对接的可能性，但是，C端用户被动地接受产品的这样一种做法并未发生本质性的改变。随着商品供给的丰富化，特别是随着用户开始越来越多地讲究参与感、个性化，如何改变C端被动地接受的角色，转而去更加主动地参与到商品的生产和供给过程当中去，成为了一种全新的需求。 当AI时代来临，特别是当AI实现的B端和C端的高效互动的出现，传统商业范式之下的C端被动接受的角色开始成为了主动供给的角色。通过向B端提供自身的需求数据，通过向B端提出自身个性化的需求，C端用户不再是一个被动接受的角色，而是成为了一个参与到行业实际发展过程当中，并且真正能够给自身的发展带来切实改变的存在。 ## AI，将催生出新的电商红利 AI之所以会受到如此热捧，其中一个很重要的原因在于，在AI的背后蕴藏着新的红利。对于电商行业来讲，同样如此。我们都知道，在互联网时代，电商的红利，其实更多地是流量的红利，规模的红利。当AI时代来临，电商的红利，则更多地体现在产业的红利，存量的红利。 当一年一度的618来临，我们在观察AI带来的新想象的时候，需要更多地从AI对于产业改造的视角，AI对于存量激活的视角来思考和看待。上文，我们提到了AI主播、AI数字人的案例。这，其实是AI从产业内在改造电商的一个缩影。可以说，随着电商内部越来越多的元素、流程和环节开始被AI所替代，我们将会看到更多新的发展可能性，我们将会获得更多新的发展红利。 如果我们将互联网时代所释放出来的电商红利进行总结和定义的话，它更像是一种横向上的红利的释放。当AI时代来临，如果我们对于它所释放出来的电商新红利进行总结和定义的话，它更像是一种纵向上的红利的释放。如果我们寻找AI为今年的618释放出来的新想象的话，它所催生出来的电商新红利，无疑是值得我们去关注的另外一个方面。 ## 结论 AI，正在打开618的新想象。这其实是各大电商玩家们开始全面拥抱AI的必然结果，同样是AI开始在越来越多的场景和行业开始落地的直接体现。AI之所以会有如此巨大的魔力，其中一个很重要的原因在于，它从内在开始重塑电商本身。 随着AI开始从细枝末节开始深入地改变电商，特别是当电商因AI而变，我们或许将会看到更多新的可能性，我们或许将会看到更多新的想象空间。以此为开端，电商将会真正从「互联网电商」时代过渡到「AI电商」时代。 本文由人人都是产品经理作者【孟永辉】，微信公众号：【 辉观】，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

资本狂欢后，南京化纤的重组故事从概念炒作回归价值检验。

 近日，曾在《女神异闻录4》和其他几部《女神异闻录》衍生作品中为花村洋介配音的尤里·洛文塔尔（Yuri Lowenthal）在 BlueSky 上发帖称，他不会在《女神异闻录4 重制版》中继续饰演花村洋介。  他表示：“对于那些一直在询问的人，我并不会在《女神异闻录4 重制版》中继续饰演洋介，我请求过，我甚至恳求过，但他们不想让我回来。”  这似乎从配音演员的方面证实了《女神异闻录4 重制版》确实存在

 近日，曾在《女神异闻录4》和其他几部《女神异闻录》衍生作品中为花村洋介配音的尤里·洛文塔尔（Yuri Lowenthal）在 BlueSky 上发帖称，他不会在《女神异闻录4 重制版》中继续饰演花村洋介。  他表示：“对于那些一直在询问的人，我并不会在《女神异闻录4 重制版》中继续饰演洋介，我请求过，我甚至恳求过，但他们不想让我回来。”  这似乎从配音演员的方面证实了《女神异闻录4 重制版》确实存在

<blockquote><p>本文分享了如何从公司视角复盘工作和项目经验，以更好地展示个人优势和项目亮点。强调在简历准备和面试中，关注公司需求与岗位价值，挖掘项目中的关键问题和成果，从而提升求职竞争力。建议职场人日常工作中培养公司视角，促进职业成长。</p> </blockquote>  各位小伙伴，大家好！ 最近，给几个小伙伴做面试辅导，指导他们改简历和复盘项目。 他们问我，我怎么像你一样把自己的优势总结的这么厉害，我**如何像你一样把一个普通的项目讲的那么高级**。 这里当然有我多年经验积累在保驾护航，毕竟我做过的项目不是仅仅为了通过评审。我还需要向管理层汇报争取资源，向不懂支付的客户介绍产品帮助销售拿单，否则你产品做成花，照样被老板和客户喷。 那有没有成功可复制的经验，让没有汇报和管理经验的普通产品、技术也能讲出自己的优势和项目亮点呢？ 当然有，那就是先切换你看问题的“视角”： ## 01、用公司视角复盘 在你写简历和准备面试之前，你首先就是要转换视角，重新用“公司”的视角审视自己岗位和过往的项目。你需要回答以下两类问题： 1）我的优势：公司设置你这个岗位目的是什么？需要你承担什么责任？需要你带来什么价值？ 2）项目亮点：公司做这个项目目标是什么？面向的是哪类客户？需要解决客户什么痛点？ 你只有转换视角，你才会真正的看清楚自己的优势是什么，你的项目亮点是什么。 ## 02、为什么要转换视角 大部分产品、技术因为公司业务萎缩人员裁撤，每人手上压着以前好几个人的活，基本都被卷晕了，所以没有太多的时间来抬头看路。 后面被裁员了，出来面试的时候依然保持一个“原生态”，即使当时做的项目是公司头号项目，但是一张嘴就把自己搬砖的状态向面试官进行了“情景还原”。 面对一个张嘴就是功能和跟进开发进度的候选人，你想象下面试官什么会怎么想？“这人完全看不到潜力呀？做完最近几个紧急项目，这人还有啥用？开掉他又要赔一笔钱？”。 ## 03、公司为什么招你 总结自己的优势，不仅是从自己技能上来进行复盘，其实更有价值的是从公司对你的岗位要求上来复盘。 因为，现在每个岗位HC争取都是非常“艰难”，大部分公司招人前都是反复思考每个岗位求职者的画像。 你只有符合公司这个要求，并且不断的超越这个期望，才能在职场上构建自己壁垒，得到更多人的信任。所以，这种标准就是最好的个人优势。 下面我就同样的事情，两种视角都放在一起，大家看下不同之处在哪里。  ## 04、项目的灵魂4问 项目亮点挖掘也是从公司视角来挖掘项目的亮点，公司的目的就是找到高频的客户痛点，去解决他，并且让客户付钱，这样才能让公司继续存活下去。 ### 4.1、项目亮点的灵魂4问 只要是真实的项目需求就是要反复的扣问以下几个问题。 1）这个项目客户是谁，有什么痛点 2）如何解决，方案是什么 3）这个项目结果是什么 4）这个结果怎么做到的 只有不断的让自己复盘和对这些问题的深度思考，才能真正的找到这些项目的亮点 ### 4.2、如何才能写出亮点 很多同学会吐槽，你讲的那套都是业务型产品的亮点，我们做支付就是“硬核功能+硬核技术”，每个产品都是服务多行业客户，产品也是公司战略需求必须要做的。 别人面试的时候也问我，核心功能怎么做，不同行业客户问题怎么解决，这种你怎么讲亮点？ 其实这种项目亮点更加好写，因为公司都为你准备好了，你只要把他讲的通俗易懂就行了。  ## 05、不要等失业才明白这些 最后想说的就是，我们不要等到失业了才发现自己做错了那么多事情。 其实，我们在日常工作中就要培养公司视角，这样不仅不会给你加重负担，还能让你工作更加轻松，也能有很好的职业成长（当然到了40岁升不上去被裁员了是另一回事，这种早就要搞副业了） 我下面就写几个公司视角的好处，具体为什么大家可以讨论 1）公司视角谁都吵不过你。 2）公司视角谁都是你的资源。 3）公司视角什么锅都能甩出去。 4）公司视角目标客户都能搞定。 本文由人人都是产品经理作者【刚哥】，微信公众号：【刚哥白话】，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。

The revenue outlook of $4.5 billion for the current quarter reflected a loss in H20 revenue of $8 billion, though still roughly in line with Wall Street forecast. China, one of the world&#39;s largest AI markets, is effectively closed to Nvidia as the H20 export ban ended its Hopper data center business in the market, said CEO Jensen Huang.

“I am delighted to contribute once again to my alma mater on Fudan’s 120th anniversary... We will always remain curious, making ‘staying interesting’ a constant driving force for innovation, and ‘excellence’ an eternal goal,” said Chen.

<blockquote><p>在生鲜零售行业，定价策略是影响用户体验、供应链效率和商业利润的关键因素。本文作者分享了从0到1搭建生鲜零售行业算法自动定价系统的经验，详细探讨了生鲜零售的独特性、定价系统的复杂性以及从人工定价到自动化定价的转变过程。</p> </blockquote>  作者在头部生鲜零售公司负责整个定价体系，在职期间从0-1搭建的整套算法自动定价系统，该系统最大的价值有三点： - 算法代替人工出价，算法价更合理 - 紧跟竞对价，保持市场竞争力 - 全链路价格监控，统一量化管理定价策略 今天想把生鲜零售定价的核心逻辑、系统设计经验拆解出来 —— 毕竟生鲜是最 “难搞” 的零售场景之一，希望能给生鲜 / 零售行业的产品同学一些参考和帮助 ## 一、先理解生鲜零售的独特性：为什么定价这么难？ 生鲜零售场景和其他电商场景不太一样，买菜场景有3个核心问题： **1、SKU 宽（选品 / 展示难度上升）** 用户不仅买菜，还买洗衣液、纸巾… 商品覆盖 “吃穿用” **2、消费频次高（库存 / 备货的动态平衡更复杂）** 生鲜有 “新鲜” 强需求，做饭用户可能 “天天买” **3、价格敏感（定价失误直接影响用户心智）** 青菜、鸡蛋贵几块，用户会觉得 “整个平台都贵” 这些痛点总结成**商品特点：宽品、高频、价敏、上新快**。而这四个特点，最终指向零售的核心命题 ——**定品（卖什么）、定量（卖多少）、定价（怎么卖）**。 ## 二、拆解 “定品 – 定量 – 定价”：每个环节的产品逻辑 生鲜零售的每一个环节，都对应着复杂的系统设计和策略思考。 ### 1. 定品：“卖什么” 背后的 3 大产品战场 选品不是拍脑袋，而是 “新品验证、滞销出清、流量调控” 的组合拳： - **新品 vs 老品**：新品走 “上新流程” 测试市场接受度；老品靠 “活动 + 业绩目标”（如销量、毛利是否达标）验证价值。背后依赖**商品管理系统、选品系统**支撑流程化决策，避免经验主义误判。 - **临期汰换品**：大仓 / 前置仓的滞销品，必须 “在损耗 + 费用最低时，尽可能高价卖出”。但同一商品的差效期不同（比如牛奶剩 1 天保质期 vs 剩 3 天），越靠近保质期商品应该越便宜。 <blockquote><p>这需要<strong>出清系统</strong>实现 “差效期定价”（效期越短，折扣梯度越大），既减少资损，又保障用户感知（毕竟临期≠变质）。</p></blockquote> **品的展示逻辑**：消费者最多耐心看 “前 5 屏商品”，货架资源有限→必须靠**搜推、导购系统**调控流量，让高价值商品（引流品、利润品）优先曝光。比如把 “价敏型引流品（鸡蛋）” 放在首页，“高毛利结构品（有机蔬菜）” 放在二级页精准触达目标用户。 ### 2. 定量：“卖多少” 的供应链暗战 “卖多少” 本质是**进货与备货的动态平衡**—— 进多了压库存（尤其生鲜易损耗），进少了丢生意（用户想买的品没货，下次就不来了）。背后依赖**供应链管理系统**，通过 “销量预测、智能调拨” 实现精准备货。比如雨天前预判买菜需求激增，自动触发前置仓补货 ### 3. 定价：“怎么卖” 的系统基建 定价分 “原价 + 促销价”，背后是一套复杂的价格体系。我们围绕 “价格全生命周期管理”，搭建了 4 大核心模块： - **价格中心：**输出全站商品原价，支持「人工调价」（特殊节点灵活干预）+「算法出价」（日常高效定价）双模式 - **价格风控全链路监控：**价格输出→生效→结算，拦截负毛利、价格倒挂（比如促销价低于成本）、异常订单等风险 - **价格实验室支持：**“站点 / 城市维度” 差异化定价，用于特定价格的实验和结果回收 - **价格采集：**抓取全网竞对价，实现 “竞对商品关联→比价→策略响应” 的闭环 ## 三、从 “人工定价” 到 “自动化定价”：为什么必须做？  以上能否全部实现自动化 or 半自动化？ 肯定能，**因为所有的人工经验一定能抽象成系统规则。**规则就代表可以最小颗粒度配置，从而实现精细化运营 ## 四、自动化的 “现在与未来”：定品 – 定量 – 定价的进化方向 ### 1. 定品：半自动化，先抓 “选品角色” 生鲜竞争的核心是 “人无我有，人有我优”。选品要区分 4 类角色（爆款逻辑）： - 重点品（心智品）：差异化自营，如山姆 19.9 烤鸡、盒马 19.9 蛋糕，用户为它来平台 - 引流品：高销量 + 价敏 + 高频，如鸡蛋、青菜，用户为它留平台 - 利润品：贡献毛利的主力，如进口水果、高端肉品 - 结构品：补充品类 + 高毛利，如有机调味品、小众乳制品 **自动化方向**：用「销量 + 毛利 + 复购率」等数据，对不同角色的商品 “自动预警”。比如引流品销量跌出 Top10，系统自动触发 “替换建议”；心智品复购率下降，推送 “包装升级 / 联名款测试” 策略。目前实现**半自动化**，帮品类运营把精力从 “选品判断” 转到 “策略创新”。 ### 2. 定量：半自动化，锚定 “预测模型” “卖多少” 的关键是**预测未来 N 天的销量**，再反向指导进货、调拨。模型需要结合：历史销量、当前价格、库存水位、甚至天气（下雨影响买菜量）、节假日（春节前预制菜需求暴增）。 **自动化方向**：依赖 “预测销量模型” 实现半自动化决策（比如系统输出 “明日备货量建议 + 50%”，运营再结合突发情况微调） ### 3. 定价：自动化，我们已经跑通的路 定价是我们自动化最深入的模块，核心做了三件事： - **算法代替人工出价**：把 “人工定价经验” 抽象成规则，结合 “动态市场价（竞对 + 供需）+ 静态成本 / 毛利目标”，让算法自动输出价格。过去人工调价要盯 1000+SKU，现在算法 1 小时完成全站调价 —— 已实现 - **分城\分仓自动定价： **对同一城市下的不用区域分别定价。对于包含竞对的区域，紧跟竞对价保持市场竞争力；对于无竞对的区域，可以适当调高价格，追求更高毛利。由此整体实现区域化策略最大化 —— 已实现 - **未来：流式出价**：突破技术难点，实现 “竞对商品变价后，实时跟价”（现在是小时级，未来要压缩到分钟级）。比如竞对小龙虾刚降价，主站同款 10 分钟内完成调价 + 促销推送。 ## 写在最后：生鲜定价的 “难” 与 “必然” 生鲜零售的定价，是 “用户体验、供应链效率、商业利润” 的三角博弈。但从长期看，**自动化 / 半自动化是必然趋势**—— 因为只有算法，能处理 “宽品、高频、价敏” 带来的海量动态决策。 本文由 @我见青山 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务