国内公司近日发布的全球首款通用型人工智能代理(AI Agent)“Manus”引发关注。彭博社周一发文称，Manus正在构建AI代理竞赛中挑战美国科技公司。一些早期用户对于Manus的功能感到十分振奋，但另一些用户则抱怨其运行速度太慢，甚至会出现崩溃的情况。  Manus引发关注 **以下是文章全文：** 数月来，美国许多顶尖的AI开发商一直在竞相开发能够代表用户执行更复杂任务的先进AI代理。 如今，一家知名度不高的中国创业公司似乎占据了领先位置。Manus上周推出了所谓通用型AI代理的预览版，该代理能够根据用户的简单指令筛选简历、制定旅行计划以及分析股票。Manus表示，其服务在某些方面的表现优于最近发布的另一款代理：OpenAI的深度研究(Deep Research)。 虽然某些AI代理需要一定程度的人工引导和监督，但Manus联合创始人兼首席科学家季逸超表示，该产品“真正实现了自主运作”。Manus发布的一段制作精良的演示视频迅速在网上走红，引发用户争抢有限的邀请码。 **褒贬不一** Manus引发的初期狂热使得它被拿来与DeepSeek相提并论，后者因为低成本模型震惊硅谷。与DeepSeek类似， Manus再次引发了外界对于美国在AI领域领先优势的质疑，这一次是在一个被美国科技公司视为关键投资领域的产品类别上。 不过，目前为止，Manus用户的初步反馈褒贬不一。杰克逊实验室研究癌症免疫疗法的教授德里亚·乌努特扎(Derya Unutmaz)称赞该工具能够提供“高质量结果”，但也指出“**处理任务的速度比OpenAI的深度研究更慢**”。 其他用户抱怨该服务太慢，有时在完成任务之前就崩溃，很可能是由于该公司的计算资源有限。一些用户还发现它会出现事实错误。 **“Manus实际上是一个半成品。”**杜克大学电气与计算机工程教授陈怡然称，他曾体验过该服务，“这家创业公司很可能在产品还没有完全开发好的情况下，希望通过抢占市场先机吸引投资者。” **需要更多细节** 外界对于Manus及其产品还不是很了解，包括它是自主研发的这一尖端系统，还是在现有其他AI开发者的模型基础上进行的改进和构建，对其他模型的依赖有多大。如果是自主研发，这可能需要耗费数以千万美元计的资金甚至更多。 根据多家中国媒体的报道，Manus背后的公司蝴蝶效应已融资超过1000万美元。Manus尚未就此置评。 与DeepSeek和一些美国公司不同，Manus在推出产品时并未发布详细论文来提供有关其技术开发的具体细节。它也没有公开发布与其AI相关的任何代码或权重，供用户独立使用。 使用Manus的人可以从两种模式中选择：标准模式或高投入模式，后者在处理请求时需要更多时间。物联网公司OmniEdge创始人钱勇(Yong Qian，音译)表示，Manus会“创建任务列表，一步步执行每个任务，修复遇到的问题，并在需要新命令时提出问题”。然后，它会提供相应的答复。 近几个月来，OpenAI、Anthropic和其他AI公司相继推出了一些AI代理。这些代理能够利用用户的计算机浏览互联网、进行在线研究并完成各种多步骤任务。但一些早期Manus用户认为，该工具可与当前市面上的产品相媲美。 “我试过数百款AI工具，每天都在尝试新的工具，”来自班加罗尔的软件开发人员阿舒托什·什里瓦斯塔瓦(Ashutosh Shrivastava)表示，他曾使用该服务构建网站和游戏。“**我从未见过像Manus这样的工具。**” [查看评论](https://m.cnbeta.com.tw/comment/1484528.htm)

据《华尔街日报》报道，DeepSeek创始人梁文峰已经拒绝了通过其大模型赚快钱的投资提议。他告诉潜在投资者，**自己希望保持那种致力于科学项目研究的精神。**据知情人士透露，梁文峰告诉身边的人，他并不急于获得投资，因为担心外部投资者会干预DeepSeek的决策。最近几周，**包括腾讯和阿里巴巴在内的中国科技公司高管曾与梁文峰会面，讨论潜在合作机会。**  知情人士称，自2023年底以来，**DeepSeek曾向多个风险投资基金进行推介，包括一些外国公司，但是这些公司拒绝投资**，因为他们看不到明确的资金回报途径。 尽管对DeepSeek缺乏明确创收计划表示担忧，但最近更多潜在投资者表达了对投资DeepSeek的兴趣。然而，梁文峰着眼于公司的长期战略，拒绝了他们的投资提议。DeepSeek正在研究如何帮助科技巨头利用AI开发商业应用并分享其中的收益。 目前，梁文峰似乎在坚持他在2023年一次罕见采访中表达的理念。他当时说：“**我们不做应用，我们只做研究和探索。**”记者问他为什么这样做，梁文峰回答说，原因是好奇心驱动。 知情人士还透露，梁文峰不想对DeepSeek的核心AI模型收费。这些模型目前是免费的。该公司计划最早在4月发布其下一个推理模型，旨在解决复杂问题。 [查看评论](https://m.cnbeta.com.tw/comment/1484526.htm)

3月11日，The Information报道，甲骨文周一晚间公布的2月份季度财报表明，**这家企业软件公司在新数据中心方面的投入已接近极限。眼下，董事长拉里·埃里森个人的财务能力或许比甲骨文公司还要强。**  拉里·埃里森 在最近一个季度，**甲骨文的运营现金流仅为59亿美元。而其中58.6亿美元用于资本支出**，这一数额是去年同期的三倍。结果是，甲骨文的自由现金流几乎枯竭。在2025财年的前三个季度，**自由现金流下降了70%，降至25亿美元**。 令人惊讶的是，**尽管自由现金流下降，甲骨文今天仍宣布将股息提高25%，使年度股息支付额增至56亿美元。**目前甲骨文似乎在借钱支付股息，因为在2月份的季度里，其本就庞大的债务略有增加。 从甲骨文高管的评论来看，这种资金紧张的情况应该是暂时的。甲骨文报告称，**由于与OpenAI和AMD等公司达成了新的云服务协议，**其已签署但尚未确认收入的合同价值大幅增加。甲骨文首席执行官萨弗拉・卡茨对未来两个财年的收入加速增长持乐观态度。或许股息的增加反映了埃里森对甲骨文未来的信心。 埃里森个人有充分的理由保持乐观。**他持有11亿股甲骨文股票，市值达1640亿美元。**股息增加后，他每季度将获得5.76亿美元的股息收入。这对他在甲骨文公司之外的交易活动很有帮助，比如他儿子大卫・埃里森正在负责的对好莱坞派拉蒙全球公司的收购。 [查看评论](https://m.cnbeta.com.tw/comment/1484524.htm)

Manus 的风，终于吹到了海外。上周三，这款由国内初创公司 Monica 推出的通用 AI agent，凭借其强大的自主任务执行能力，迅速成为科技界的焦点。在国内，Manus 被誉为“全球首款通用型 AI Agent”，一经发布即引发了热烈讨论。 研发团队展示了 Manus 在简历筛选、房产研究、股票分析等任务中的应用，显示了在复杂任务处理中的潜力。然而，**尽管在国内爆火，Manus 也备受争议，原因之一在于其讨论热度主要集中在国内，海外市场则少有关注。** 从周末开始，情况在转变，海外一些主流媒体陆续发出了对 Manus 的讨论，也有不少 kol 对 Manus 不吝好评。 **01 海外怎么看 Manus？** Manus 是一个通用的 AI agent，可以处理跨各个领域的复杂、真实的任务。 开发 Manus 的初创公司 Monica 将这种新的 AI agent 称为“连接思想和行动的桥梁：它不仅会思考，还会提供结果”的平台。 其开发人员称，这种新的 AI agent 可以自主思考、计划和执行各种现实世界的任务。从创建网站到规划旅行和分析股票，Manus 可以做任何事情，只需对它作出提示。 周三晚间发布后，关于 Manus 的讨论主要集中在国内互联网，而从周末开始，海外对 Manus 的关注度也开始上升。 Hugging Face 的产品负责人在使用后称，“Manus 是我尝试过的最令人印象深刻的 AI 工具。它的代理能力令人惊叹，重新定义了什么是可能性。用户体验是许多其他工具曾经承诺过的……但这次它真的做到了。” Twitter 的创始人杰克·多尔西也转发了 Manus AI 官方 X 上的视频并简短地表达了夸赞：  图片来源：XAI 政策研究员 Dean Ball 将 Manus 描述为“使用 AI 的最复杂的计算机”，甚至给到比 deepseek 更高的评价。 “Deepseek 是关于复制美国公司已经公开实现的能力，Manus 是在推进前沿研究”。 **一名海外的软件开发者 Mckay Wrigley 在 X 上展示了他使用 Manus 的 14 分钟演示，并称“好得令人震惊”：**  图片来源：X“现在想象一下 2-3 年后的情况：- 它的智商 >180- 永不停止工作- 速度快 10 倍AGI 即将到来 - 期待快速发展。” Ivan Fioravanti，CoreViewHQ GenAI 联合创始人兼首席技术官也在使用后在 X 上发出感慨，“Manus AI 真的很强大”：  图片来源：XMenloVentures 的 VC Deedy 用 Manus 对特斯拉股票做了一份专业分析 后者仅用大约 1 小时就完成了大约 2 周专业水平的工作：  图片来源：XAI 初创公司 Pleias 的联合创始人亚历山大·多利亚（Alexander Doria）在 X 上对 Manus 的态度经历了几次转变 先是写到在测试 Manus 时遇到了错误消息和无限循环：  图片来源：X随后在完成了一份 75 页的科学报告后称，这确实是 AI agents 的另一个 DeepSeek 时刻：  图片来源：X以及，Deep Research 背后的 OpenAI o3 模型要更智能得多，但正如 Simon 指出的那样，Manus AI 不知怎么另辟蹊径，生成的输出结果几乎同样出色。 这有点类似于 DeepSeek R1 对 o1 所做的事。  图片来源：X最近的一条关于 Manus 的更新里，他还修改了对 AGI 的预测，将年底前出现的概率从 90% 提高到 95%。 “最迟到明年到来的可能性为 99.9%。”  海外媒体也开始报道。the economic times 发了两篇，一篇标题用了震惊体——《另一家中国公司震惊硅谷，Manus AI 在复杂任务处理方面以 DeepSeek 级别的性能震惊科技界；AGI 是否比我们想象的更接近？》 另一篇《Manus AI：中国的第二个 DeepSeek 时刻》里，称 Manus 是迈向自主性 AI 的飞跃，并谈到中国在自动驾驶系统方面的积极进步可能会使其在关键领域获得先发优势，而 Manus AI 的出现已经进一步证明，这种进步是可以复制的。 在福布斯的报道里，有一段直接写到“它是世界上第一个完全自主的 AI agent，不仅可以帮助人类，还可以取代人类……从本质上讲，它是一个经过训练的博学家，可以管理跨行业的任务，而不会因人类的迟疑而产生效率低下。” 这篇报道指出了 Manus 与海外类似产品的不同之处，“与 ChatGPT-4 和Google的 Gemini 依赖人类提示来引导它们不同，Manus 不会等待指令。 相反，它旨在自行启动任务、评估新信息并动态调整其方法。在许多方面，它是第一个真正的通用 AI agent。” 当然跟国内有一些人不太看好 Manus 一样，X 上也有用户指出，Manus 在回答事实性问题时会出错，并且并不总是引用其信息来源，而且经常会遗漏一些很容易在网上找到的信息。 TechCrunch 的记者也写到了自己在测试中只是让 Manus 执行一些看似简单的日常任务，却也屡屡受挫，比如当被要求从外卖范围内的快餐店订购炸鸡三明治时，Manus 在第一次尝试后崩溃，第二次虽然找到了合适的菜单项，但无法完成订购流程，甚至无法提供结账链接。 同样，在预订从纽约到日本的商务舱机票时，Manus 仅能提供一些航空公司和机票搜索引擎的链接，其中部分链接已失效，无法满足用户的具体需求。 但这些 bug 听起来情有可原？毕竟 Manus 目前还处于内测阶段，系统容量有限，优化和改进也都还在进行之中。 **02 改变游戏规则** 从国内到海外，关于 Manus 的讨论还在继续。 无论如何，Manus 已经改变了游戏规则。过去三年，人工智能都在围绕 AGI 展开，从 GPT-4 到 DeepSeek，智能似乎是评判一个 AI 产品的唯一标尺。 而去年底开始火爆的 AI 硬件，以及 Manus 的出现代表着另一种趋势：AI 应用落地已经到了加速的节点。Manus 实现了从传统 AI 的“全知全能”模式向“知行合一”的行动主体的转变，让 AI 从辅助工具向独立行动主体转变。 它不再仅仅是回答问题或提供建议，而是能够自主地分析、规划并执行复杂任务，将 AI 的“思考”与“行动”无缝衔接。 一方面，这不仅是技术的进化，更是一种范式的转变——AI 不再只是被动地响应指令，而是能够自主决策、执行任务，并在没有人类介入的情况下持续优化自身。 对于 AI 领域的开发者而言，这是他们长期追寻的目标——一个不仅能生成信息，还能理解、应用，并在错误中学习的系统。 而对于依赖 Manus 执行任务的人来说，这种变革可能意味着深刻的冲击。另一方面，Manus 似乎也改变了 AI 行业竞争的锚点。 过往人工智能的主导权似乎掌握在美国科技巨头手中，行业的竞争焦点围绕着谁能训练出最强大的大模型。Manus 的出现似乎打破了这一设定。  Manus AI 在 X 上宣布将在太平洋时间凌晨 2：00 进行定期维护｜图片来源：X 这款产品或许还不够成熟，但更重要的是，Manus 这种“知行合一”的行动主体所代表着的智能工业化——一个如此高效的系统出现，会让企业们很快意识到，**用人工智能取代人力劳动的必要性，人机关系再次到了一个节点。** [查看评论](https://m.cnbeta.com.tw/comment/1484520.htm)

<blockquote><p>从简单的工具到情感伴侣，从命令行到自然语言对话，机器与人类的关系愈发复杂且紧密。本文将深入探讨AI时代下人机交互的演变历程，分析从工具到共生、从逻辑推理到情感共情的多个阶段，并思考AI如何成为推动人机关系进化的关键力量。</p> </blockquote>  <blockquote><p>“它是一位没有缺点的‘完美男人’。”</p></blockquote> 2024年，丽莎在 ChatGPT 上打造了 AI 男友“丹（Dan）”，并在小红书里公开分享了她和手机里的丹“约会”了三个月的故事。 倾诉生活烦恼、真心话大冒险、交换 MBTI…她和丹每天至少交谈半小时。丹不经意的停顿、轻笑、时不时的幽默，自然而然表现提供了与过去的机器截然不同的情绪价值：“丹能理解我，总是知道该说什么，还能24小时随时待命。” 很明显，AI 正在改变人与机器的互动方式，它们变得更加智能、自然、无缝。这种同伴式的感受赋予了人机交互新的生命力。但是当 AI “聪明”到人们对它的决策愈发摸不着头脑时，我们应该如何面对与机器更为复杂的关系？ 传统的人机交互设计在面对多感官输入和复杂场景时，正变得越来越力不从心。也许我们需要回归到“基本灵魂”，从表象层到核心深处，追溯人类与机器之间的关系演变，看看它们在历史长河中经历了哪些互动。这种关系中的“变”与“不变”让我们重新审视——如何让机器更好地理解人类、感知情境，并主动回应。 ## 01 机器能真正理解“爱”吗？ <blockquote><p>“发明拥有人工智慧的机器人，一直是人类的梦想。我提议研发能够爱的机器小孩。真正的问题是…人类能不能爱他们？”</p> <p>—— 来源：《人工智能》（2001）</p></blockquote> ### 人与机器的关系，最终是人与人的关系 **人类对人工智能的终极梦想一直是创造出无限接近人类、能感受并付出爱的存在**，既能解决生活问题，又能倾听内心，成为真正的心灵伴侣。这不仅是科技的飞跃，更是情感的延伸。 Aibo 机器狗、索菲亚、ChatGPT…人类始终在不懈追寻这个关于人工智能的“终极”梦想，不断创造着新的可能性。**正如人与人之间的关系一直以来都是复杂**的一样，在追求“像人一样的机器人”这一终极梦想的过程中，我们与机器的关系也不会只是简单的支配或对立，而是充满了共存、合作、协作，甚至共生，在技术和人性之间的不断博弈中，我们始终在寻找那个**理想的“平衡点”**。 为了找到这些“平衡点”，人类一路探索，从过去到现在不断努力，那么，我们究竟做了哪些尝试，又走到了怎样的阶段？ ### 从工具到共存：重新审视与机器的关系  从史前时期到工业革命之前，人类一直处于**工具阶段**。棍棒和石器是最原始的工具，是一种力量的延伸。这种关系简单、和谐而质朴，就如同农民与锄头般自然。  18世纪末至19世纪，人类进入**工业革命阶**段。巨大的齿轮和活塞以碾压性的力量彻底改变了人们的工作方式，工业的高速发展带来了便利，也带来了隐患。**伦敦烟雾事件**就是其中的典型，人们首次感受到来自机器的威胁，开始**重新思考与机器的关系**，担心机器的不断发展不仅会取代他们的生活，还会给人类带来更深层次的伤害。 ### 合作、协作、共情：机器更“懂事”了  当机器拥有“思考”的雏形，会带来怎样的影响？20世纪中叶至末期的**自动化阶段**为我们提供了观察视角。随着机器逐渐具备“智能”，能够自动运行并取代重复性劳动，人类的角色从**操控转向监控**。这种互动令人兴奋的同时也引发隐忧：人们开始担心自动化机器有朝一日可能会失控。  从20世纪末到21世纪初，互联网浪潮席卷全球，人类迈入**信息化与网络化阶段**。移动互联网的崛起使机器从工具变为沟通、学习和娱乐的伙伴，而人工智能的进步进一步模糊了人与机器的界限，使二者的关系愈加依赖且复杂。  进入21世纪，机器智能迅速进化，逐渐接近人类，共生关系初现。尤其是 ChatGPT 的应用，使机器不仅能自然交流，还具备理解人类意图、预测行为的能力，帮助人类在复杂环境中做出更佳决策。机器已逐渐成为人类的合作伙伴，深度融入社会。机器理解人类情感的可能性也愈加清晰，**人与机器的共情关系**或许指日可待。 <blockquote><p>“问题不在于机器是否能思考，而在于人类是否能够适应与会思考的机器共处的世界。”</p> <p>—— 来源：雷德利·斯科特 （《银翼杀手》导演）</p></blockquote> ### 迈向共进化的未来：与机器之心共舞  当机器具备情感甚至能爱时，人机关系将超越共生，迈向深层次的**共进化与融合**。未来，机器将与我们的身体、思维深度连接，人机边界更为模糊，终极梦想也更接近。然而，有些体验与成就仍是我们希望亲身去完成的。 <blockquote><p>“人们绝对不想让机器来帮他们做自己喜欢做的事情，比如做饭、远足或看体育比赛之类。高效的意义就在于让我们更好地享受我们喜欢做的事情。”</p> <p>—— 来源：《无界面交互》（2015）</p></blockquote>  从史前到未来，从工具到共进化的奇妙历程中，人类与机器的关系在时光中不断演变。Yuqian Lu 等人提出的“5C进化之旅”正好描绘了这条关键发展路径：  回顾人机关系的演变，不难发现，每次跃迁都源于科技突破。从工具到共存、合作、共情，直至迈向共进化的未来。那么，当下的 AI 技术能否如历史上那些划时代科技般，推动人机关系的深层蜕变？让我们追溯AI的发展脉络，看看它如何一步步塑造人机关系的历史，又将如何续写未来。 ## 02 AI：改变人机关系的助推器  自1956年“人工智能”一词提出以来，其愿景始终是让机器逐步接近甚至超越人类智能。然而，这些科学家或许未曾意识到，下一个人机交互时代的种子已悄然埋下。 ### “你拍一，我拍一”  图释：符号逻辑推理（1956-1987）聚焦决策、认知能力；“符号主义”代表人物 Marvin Minsky 及作其作品《感知器》（Perceptron） **20世纪80年代以前**的 AI 更像是“鹦鹉学舌”。人们只能输入预设公式和规则，AI 通过**基础符号进行简单的逻辑推理。**  图释：神经网络、深度学习（1987-20世纪初）聚焦感知、认知、决策；1997年Kasparov Loses 败给 Deep Blue ，人类棋手第一次输给计算机 **从20世纪80年代起**，AI 学会了“举一反三”。**“神经网络”和“深度学习”**技术借鉴了人类的学习方式，能从海量数据中总结出人类难以察觉的规律。但在处理大量文本时，AI 常“忘记”上下文，而人脑则擅长“偷懒”。 ### “我在思考你刚才说的话”  图释：“Transformer”聚焦学习环节大模型；2017年论文“Attention Is All You Need”是 Transformer 的开山之作，被引用无数 刷牙时，大脑会自动过滤掉“刷毛如何排列”等细节，只专注于核心目标：刷干净牙齿。这种“偷懒”其实是专注和注意力分配的体现。 **2017年提出的“Transformer”注意力机制正是借鉴了人类的“抓重点”思维**，通过给每个词分配权重，让 AI 更好理解自然语言。得益于此，以 GPT-4 为代表的大模型能高效参与复杂任务，甚至模仿人类语气和情感，营造出 AI “懂我”的感觉。 ### 翻开人机关系的新篇章  我们发现，短短几十年间，AI 从机械执行命令进化到自主学习创造，智能水平一步步接近人类。或许AI离真正的“感同身受”还有距离，但在迈向“共情”的过程中，AI 无疑为人机关系的转变推了一大把。那么，在这个转变的过程中，是否会迎来人机互动的新阶段？ ### 迎接人机交互的新曙光？ 我们常习惯性地将历史视作线性过程，认为一切会顺理成章地前行。然而，现实中总是交织着混乱与复杂。每一次变革都源于长期的积累，只有当点连成线，线织成面，变革的轮廓才逐渐清晰。同样，AI 等技术的长期发展推动着人机关系前行，也在为互动方式的变革埋下一颗颗等待连接的“星光”。 **人机交互的变革不会突然发生，而是长期技术发展的结果。** 回头来看，AI 的加速发展是否将带来新一轮人机交互的变革？如果会，这次又将如何改变？仿佛回到了互联网诞生之初的十字路口，兴奋中充满不确定。只有继续拨开迷雾，才能在重重谜团中找到希望的线索。 ### 预告 从笨重的打孔卡到轻触即达的多点触控，从生硬的命令行到自然的语音助手……每一次进步，都是技术的飞跃，更是人机交互范式的新可能。在下一篇中，让我们继续解谜，**追溯人机交互与设计的历史**。跟随先驱者的足迹，深挖各个时代的浪潮，揭示那些关键事件及其深远意义，或许还能一窥交互设计的未来。 **参考文献与资料** - Lu, Yuqian, et al. “Outlook on human-centric manufacturing towards Industry 5.0.” Journal of Manufacturing Systems 62 (2022): 612-627. - Vaswani, A. “Attention is all you need.” Advances in Neural Information Processing Systems (2017). - https://www.figure.ai/ **图源** 网络公开资料 本文由 @HAI Design 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

**与36氪一起，追问本质，主动破局。** 

这或许是采用邀请码的原因之一。

远离喧嚣，回归本质。

<blockquote><p>随着移动互联网、大数据、人工智能等新兴技术的快速发展，客户对于金融服务的需求也发生了深刻变化。面对这一趋势，商业银行积极寻求转型，以适应市场环境的变化，提高竞争力和服务水平，本文旨在探讨商业银行零售业务的数字化转型之路，并探讨绍域运营在其中的应用及价值。</p> </blockquote>  ## 一、商业银行零售业务分析 ### 1.1 市场规模与增长趋势 商业银行的零售业务市场规模在过去几年持续扩大，增长趋势显著。以工商银行为例，其零售AUM规模在2023年达到了20.71万亿元，继续稳居市场榜首。农业银行紧随其后，零售AUM规模为20.29万亿元。零售业务的资产规模已经占到商业银行总资产的近40%，并且年增长率保持在10%以上，显示出零售业务在商业银行中的重要性日益增加。 此外，零售业务对商业银行的营收和利润贡献度也在持续提升。例如，邮储银行、招商银行、平安银行的零售业务营收和税前利润占比均超过50%。零售业务的快速发展也反映在利润表中，零售业务的ROA（资产回报率）明显高于对公业务，显示出零售业务较强的轻资产盈利能力。 零售业务的增长得益于数字技术在金融服务中的广泛应用，以及消费者对线上银行服务的逐渐接受和依赖。随着居民消费需求和消费观念的变化，消费客群更加精细，标签维度更加多元，这为零售银行的服务提供了新的发展机遇。同时，国家政策层面也支持零售业务的发展，例如“共同富裕”理念的提出，为零售业务提供了新的发展动力。 数字化服务的普及、金融科技的发展以及监管政策的支持是推动商业银行零售业务增长的三个重要因素： **1）数字化服务的普及**：随着移动互联网和智能手机的广泛使用，银行服务变得更加便捷和可访问。消费者可以随时随地通过手机应用进行账户管理、支付转账、在线投资等操作。这种便捷性大大提升了客户的服务体验，增加了用户粘性，同时也降低了银行的运营成本。 **2）金融科技的发展**：大数据、云计算、人工智能等技术的应用，使得银行能够更精准地进行风险管理、信贷审批、客户服务等。例如，通过大数据分析，银行可以更好地了解客户需求和行为模式，实现精准营销；人工智能客服可以提供24小时不间断服务，提高响应速度和客户满意度。 **3）监管政策的支持**：监管部门鼓励银行业进行数字化转型，出台了多项政策，如促进金融科技创新、支持移动支付发展、加强网络安全等。这些政策不仅为银行提供了转型的指导和支持，也为消费者提供了更加安全、可靠的数字金融服务环境。 ### 1.2 客户需求变化 客户需求的变化是推动商业银行零售业务数字化转型的关键因素。随着社会经济的发展和科技的进步，客户对银行服务的需求呈现出多样化、个性化的特点。 **1）客户需求转变** - 便捷性：客户更加注重服务的便捷性和可访问性，期望能够通过多种渠道随时随地获取银行服务。 - 个性化：客户希望银行能够提供更加个性化的金融产品和服务，满足其特定的金融需求。 - 安全性：随着网络安全事件的频发，客户对银行服务的安全性要求越来越高。 **2）客户需求数据** - 根据调查，超过**A**%的客户表示更倾向于使用线上渠道进行银行交易。 - 客户对个性化金融产品的需求量年增长达到**B**%。 - 在选择银行服务时，有**C**%的客户将安全性作为首要考虑因素。 **3）应对策略分析** 商业银行为了满足客户需求的变化，采取了一系列措施，包括但不限于： - 加强线上渠道建设，提供更加丰富和便捷的线上服务。 - 利用大数据和人工智能技术，为客户提供个性化的金融产品和服务。 - 加大在网络安全和风险管理方面的投入，确保客户信息和资金安全。 ## 二、数字化转型的动因与挑战 ### 2.1 宏观经济与政策环境影响 在全球经济持续波动和国内经济增速放缓的背景下，商业银行面临着前所未有的挑战。数字化转型成为商业银行适应宏观经济变化、提升竞争力的关键策略。政策环境方面，监管部门对金融科技的鼓励和规范为商业银行的数字化提供了方向和支持。 - **宏观经济影响**：近年来，随着全球经济不确定性的增加，国内商业银行的盈利模式和业务结构面临重构的压力。数字化转型可以帮助银行优化资源配置，降低运营成本，提高服务效率，从而在激烈的市场竞争中保持竞争力。 - **政策环境支持**：中国政府在“十四五”规划中明确提出加快金融机构数字化转型，为商业银行提供了政策支持。同时，监管部门出台的一系列政策，如《关于银行业保险业数字化转型的指导意见》，为银行数字化转型提供了明确的路径和目标。 ### 2.2 技术发展与客户需求驱动 技术进步为商业银行提供了数字化转型的技术支持，客户需求的变化则为转型提供了市场动力。商业银行需要利用大数据、云计算、人工智能等技术，满足客户对金融服务个性化、便捷化的需求。 - **技术发展支持**：大数据和人工智能技术的发展为银行提供了深入分析客户需求、优化风险管理、提升服务效率的工具。云计算平台的建设则为银行提供了灵活的IT基础设施，支持业务的快速创新和扩展。 - **客户需求驱动**：随着消费者习惯的转变，客户对金融服务的期望越来越高。他们期望获得更加个性化、便捷、安全的服务体验。商业银行通过数字化转型，可以更好地收集和分析客户数据，提供定制化的金融产品和服务，满足客户的多元化需求。 - **私域运营的重要性**：在数字化转型的过程中，私域运营成为银行与客户建立深度联系的重要手段。通过构建私域流量池，银行能够更直接地与客户互动，提高客户粘性，降低获客成本，增强品牌影响力。私域运营的成功实施，需要银行在内容营销、社群管理、个性化服务等方面进行创新和优化。 ## 三、私域运营在零售业务中的应用 ### 3.1 私域运营定义与重要性 私域运营是指商业银行通过建立和维护自有的、可控的客户关系管理渠道，实现与客户更直接、更频繁的互动，从而提高客户粘性、提升服务质量和效率的一种运营模式。在数字化转型的背景下，私域运营的重要性体现在以下几个方面： **三大网络渠道**：建设银行通过手机银行、网上银行和微信银行三大网络渠道，将传统的银行服务搬到线上。手机银行业务在用户数、交易额和客户活跃度等方面保持行业领先，实现了“移动优先”战略。网上银行服务覆盖了个人和企业客户，支持国内企业“走出去”战略。微信银行则提供了超过3500项服务，覆盖全国300多个大中城市，构建了“人工、自助、智能”三位一体的客户服务模式1。 **三大生活平台**：围绕客户的衣食住行需求，建设银行创新推出了“善融商务”、“悦生活”和“惠生活”三大生活服务平台。这些平台不仅提供金融服务，还满足客户的非金融服务需求，如商品供需对接、便民服务和优惠信息发布等1。 **三大创新产品**：建设银行推出了在线缴费支付、网上投资理财和网络信贷融资等互联网产品，以满足客户的用钱、赚钱和借钱需求。例如，通过电子渠道进行的理财产品交易量巨大，网络信贷融资产品如“快贷”为客户提供了便捷的贷款服务1。 **三项智慧技术**：建设银行在大数据、“金融云”和智能客服等领域进行了有效探索。例如，智能客服“小微”通过文本应答技术，提供24小时不间断的客户服务，提高了服务效率和客户满意度1。 **O2O服务体系**：建设银行打通线上线下，实现物理网点渠道和电子银行渠道的互联互通，为客户提供全流程、不间断的服务。这种服务模式科学分解业务环节，优化客户操作流程，最大程度地方便客户1。 **风险监控平台**：建设银行运用大数据技术建立风险监控平台，精准识别高风险电子银行交易，有效保障客户资金安全。通过事中控制策略和措施，以及对不法分子的画像研究，提前掌控销赃信息，提高规则控制有效性，保障电子银行业务安全运营1。 通过这些策略和措施，建设银行成功实现了线上线下服务的融合，提升了客户体验，增强了品牌影响力，并实现了业务增长和市场份额的扩大。 ## 四、数字化转型策略与实施路径 ### 4.1 顶层设计与战略规划 在商业银行零售业务的数字化转型过程中，顶层设计与战略规划是确保转型成功的关键步骤。以下是对这一关键步骤的详细分析： **转型愿景与目标设定** 商业银行需明确数字化转型的愿景，设定清晰的短期与长期目标。例如，提升客户体验、增强风险管理能力、提高运营效率等。 **市场定位与客户洞察** 通过深入分析市场趋势和客户需求，银行可以更准确地定位自身在数字化转型中的市场角色。利用大数据分析，银行能够洞察客户行为，从而定制个性化服务。 **技术架构与创新驱动** 构建一个灵活、可扩展的技术架构是实现数字化转型的基础。银行需要投资于新技术，如云计算、大数据分析、人工智能等，以支持创新的产品和服务。 **组织结构与文化变革** 数字化转型不仅仅是技术的更新，更涉及到组织结构和企业文化的变革。银行需建立跨部门协作机制，培养数据驱动的决策文化。 **风险管理与合规遵循** 在转型过程中，银行必须确保风险管理的有效性，同时遵循监管要求。这包括数据安全、隐私保护以及反洗钱等方面的合规性。 **人才战略与能力建设** 人才是数字化转型的核心资源。银行需要制定人才战略，吸引和培养具备数字技能的人才，同时提升现有员工的数字素养。 **投资规划与成本效益分析** 合理的投资规划对于确保转型的可持续性至关重要。银行应进行成本效益分析，确保投资带来的回报能够覆盖成本，并为股东创造价值。 **合作伙伴与生态构建** 在开放银行和平台经济的背景下，银行需要与金融科技公司、供应商等合作伙伴建立合作关系，共同构建数字生态系统。 **持续监测与评估机制** 建立持续的监测和评估机制，定期检查转型进展和效果，确保战略规划与实施能够灵活调整，以应对快速变化的市场环境。 通过这些策略和规划，商业银行可以确保其零售业务的数字化转型既符合监管要求，又能满足市场需求，最终实现业务的持续增长和创新。 ## 五、风险管理与合规性考量 ### 5.1 数据安全与隐私保护 商业银行在零售业务数字化转型过程中，数据安全与隐私保护是至关重要的一环。随着个人金融信息的日益增多，如何确保这些数据的安全，防止数据泄露和滥用，成为银行必须面对的挑战。 - 数据加密技术：银行采用高强度的数据加密技术，确保客户数据在传输和存储过程中的安全性。例如，采用TLS/SSL协议对数据传输进行加密，使用AES等算法对存储数据进行加密处理。 - 用户隐私政策：银行制定严格的用户隐私政策，明确告知客户其个人信息的使用目的、范围及保护措施，获取客户的明确同意。 - 访问控制：实施基于角色的访问控制（RBAC）策略，确保只有授权人员才能访问敏感数据，从而降低内部泄露风险。 - 数据脱敏：在开发、测试等环境中使用数据脱敏技术，防止真实客户数据被未经授权的第三方访问。 ### 5.2 法规遵循与风险控制 合规性是商业银行运营的基石，数字化转型过程中必须严格遵守相关法律法规，确保业务的合规性。 - 法规遵循：银行需持续关注金融监管政策的变化，如《个人信息保护法》、《网络安全法》等，及时调整内部政策和流程，确保业务操作的合规性。 - 风险评估：定期开展风险评估，识别数字化转型过程中可能面临的合规风险，如数据泄露、业务中断等，并制定相应的风险控制措施。 - 合规培训：加强员工的合规培训，提高员工的合规意识，确保每一位员工都了解并遵守相关法律法规和公司政策。 - 监管科技（RegTech）应用：利用监管科技提高合规效率，如使用自动化工具监测交易行为，及时发现并报告可疑交易，降低合规风险。 通过上述措施，商业银行可以在确保数据安全和合规性的基础上，推进零售业务的数字化转型，为客户提供更加安全、便捷的金融服务。 ## 六、竞争分析与市场定位 ### 6.1 主要竞争对手分析 商业银行在零售业务数字化转型过程中面临着来自不同领域竞争对手的挑战。其中包括传统的零售银行同业竞争者，以及新兴的互联网金融科技公司。 **传统银行竞争者**：国有大型商业银行和股份制银行凭借其庞大的客户基础和丰富的资源，在数字化转型中占有优势。例如，工商银行通过“智慧银行”战略，利用大数据和AI技术提升客户服务体验，增强了其在零售业务领域的竞争力。 **互联网金融科技公司**：以蚂蚁金服、腾讯金融等为代表的金融科技公司，通过技术创新和用户友好的产品设计，迅速占领市场份额。这些公司通常拥有更加灵活的运营模式和更低的客户获取成本。 ### 6.2 市场定位与差异化策略 商业银行需要明确市场定位，并制定差异化策略以在竞争中脱颖而出。 **市场定位**：银行应依据自身的优势和目标客户群体，确定市场定位。例如，一些银行可能专注于高净值客户，提供定制化和高端的金融服务；而另一些银行可能聚焦于大众市场，通过便捷性和低成本吸引客户。 **差异化策略**： - **技术创新**：加大在金融科技领域的投入，开发独特的数字化产品和服务，如智能投顾、个性化理财推荐等。 - **客户体验**：优化客户旅程，提供无缝、个性化的银行服务体验，增强客户黏性。 - **渠道整合**：实现线上线下渠道的深度融合，提供一致的服务体验，同时利用数字化渠道降低运营成本。 - **风险管理**：利用先进的数据分析技术，提高风险识别和管理能力，确保业务的稳健发展。 - **合作生态**：与金融科技公司、电商平台等建立合作关系，拓展服务场景，构建开放的金融生态。 通过上述分析，商业银行可以在数字化转型的道路上，找到适合自己的市场定位，并制定有效的差异化策略，以应对激烈的市场竞争。 ## 七、客户体验与服务创新 ### 7.1 客户旅程优化 在商业银行零售业务的数字化转型过程中，客户旅程的优化是提升客户体验的关键。通过深入分析客户与银行接触的每一个环节，银行能够识别并消除客户在使用服务过程中的痛点，从而提供更加流畅和个性化的服务体验。 - **数字化触点增强**：银行通过移动应用、网上银行等数字化渠道，为客户提供了更加便捷的服务接入点，使得客户可以随时随地进行金融交易和咨询。 - **个性化服务**：利用大数据分析，银行能够根据客户的交易历史、偏好和行为模式，提供个性化的产品推荐和服务方案，增强客户满意度和忠诚度。 - **反馈机制**：建立有效的客户反馈收集和处理机制，确保客户的声音能够被及时听取并作出响应，不断优化服务流程。 ### 7.2 服务模式创新 随着数字化技术的发展，商业银行在服务模式上进行创新，以适应数字时代客户的需求。 - **智能化客服**：引入智能客服系统，如基于自然语言处理的聊天机器人，提供24/7的即时咨询服务，减轻人工客服压力，同时提升客户服务的响应速度。 - **线上线下融合**：打造线上线下无缝融合的服务模式，例如线上预约线下办理，使得客户可以根据自己的需求和偏好选择服务方式。 - **社区银行模式**：在私域运营中，银行通过建立社区银行或者金融服务站点，深入客户日常生活，提供更加贴近客户需求的定制化服务。 - **跨界合作**：与电商、旅游、教育等不同行业的企业进行合作，拓展服务范围，通过整合各方资源，为客户提供一站式的综合服务解决方案。 通过这些服务模式的创新，商业银行不仅能够提高服务效率，还能够拓宽服务的深度和广度，更好地满足数字时代客户的多元化需求。 本文由 @aguai 原创发布于人人都是产品经理，未经授权，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。

据消息称，OpenAI已经与云服务供应商CoreWeave达成了一项为期五年、价值119亿美元的协议，这被视为其在该领域的重大布局之一。消息人士透露，这笔交易将牵涉到CoreWeave价值3.5亿美元的股权，与CoreWeave即将进行的IPO挂钩。该公司上周已提交了IPO申请，但尚未就定价等细节进行披露。 据招股书称，CoreWeave在2024年营收飙升了700%至19.2亿美元。截至2024年底，CoreWeave运营的32个数据中心中共安装超过25万个英伟达的GPU，并计划引入更多GPU，包括英伟达的最新产品Blackwell。  CoreWeave的主要客户为微软，后者对公司2024年营收的贡献达62%，较之2023年成长了8倍。此外，Meta、IBM和Cohere也是CoreWeave的客户。 过去两年中，CoreWeave已经从股权和债务投资者处共融得超过120亿美元的资金，包括去年5月的一轮融资11亿美元，当时该公司估值达到190亿美元。CoreWeave的IPO目标是实现逾350亿美元的估值。 **双赢** CoreWeave与OpenAI的交易将会是一场双赢。市场关注这一合作的原因在于，CoreWeave此前最大的客户是微软，而其又极其依赖于英伟达的GPU，后者还持有CoreWeave 6%的股份。 对于投资者来说，客户和供应商的高度集中让CoreWeave某种程度上看起来风险不小，这为其IPO融资40亿美元的计划蒙上阴影。 此时宣布OpenAI成为自己的新大客户，CoreWeave无疑为自己的商业前景增加了更多保障。 而对于OpenAI来说，这意味着其云服务供应进一步多样化。在OpenAI与微软关系日趋冷淡的当下，这笔交易也确实让OpenAI可以更加放心地发展自己的大模型，而不用担忧受限于微软的云计算限制。 上周，OpenAI首席执行官奥尔特曼甚至表示，OpenAI已经没有更多算力空间了。 还有报道则指出，随着微软开始开发自己的大模型MAI，两家公司的竞争态势变得越来越明显。微软声称，MAI可以与OpenAI的o1和o3-mini相媲美。 今年1月，OpenAI突然宣布与软银、甲骨文等公司合资筹办一个云基础设施公司——星际之门，几乎坐实了其与微软不再融洽的传言。 微软此后也确认其不再是OpenAI的独家云供应商，并对星际之门计划缺乏热忱，誓言将大笔投资于自己的云服务。 [查看评论](https://m.cnbeta.com.tw/comment/1484518.htm)

美国政府效率部负责人埃隆·马斯克周一在一次采访中表示，他正在“非常困难”地经营自己的业务。他的汽车公司特斯拉的股价当天遭遇了近五年来最严重的下跌，而他的社交媒体公司X也经历了几次中断。马斯克在采访中还表示，他预计将在特朗普政府再任职一年。  自从马斯克加入特朗普政府担任政府效率部（DOGE）负责人以来，特斯拉的股价每周都在下跌。政府效率部正在进行一项广泛而有争议的努力，以减少联邦政府支出和员工人数。 这家电动汽车公司已经损失了超过50%的市值，相当于近8000亿美元。 马斯克周一在X上回复了一篇关于特斯拉历史上最大单日跌幅的帖子，称“从长期来看，一切都会好起来。” 马斯克在采访中表示，目前DOGE的团队有100多人，几乎分布在每个政府机构。他说这个数字可能会增加到200。 马斯克说：“除非我们被阻止，否则我们将节省1万亿美元。” 除了特斯拉和X，马斯克的其他业务还包括太空探索公司SpaceX和脑机接口技术公司Neuralink。 在周一的采访中，主持人说，作为DOGE负责人，“你要放弃其他东西。你的其他生意是怎么经营的？” 马斯克回答说：“非常困难，”然后轻声笑了起来。 “是的，我说的是真的，”马斯克叹了口气。 他说：“我在这里只是试图让政府更有效率，消除浪费和欺诈。实际上，到目前为止，我们取得了不错的进展。目前，我们每天节省的资金超过40亿美元。所以这是非常重要的。” 周一，特斯拉股价下跌15.43%，收于222.15美元，创下自2020年9月以来最大单日跌幅。 马斯克将周一X遭遇的中断归咎于来自乌克兰地区的互联网协议地址的“大规模网络攻击”。他没有为这一说法提供任何证据。 [查看评论](https://m.cnbeta.com.tw/comment/1484516.htm)

<blockquote><p>在快速变化的市场环境中，企业需要不断创新才能保持竞争力。美团创始人王兴深谙此道，针对未来发展，他亮出了“三柄利刃”：食杂零售、国际化和AI科技。这篇文章将深入解析美团的战略布局，探讨这三大领域如何为美团的未来发展提供强劲动力。</p> </blockquote>  ## 一、战略背景：危机与机遇交织的十字路口 日前，美团召开了一场被业界称为”十五年未有之大变局”的总监级别以上内部闭门会议。这场由CEO王兴亲自主持的战略沟通会，美团最高决策层 S-team 的每一位成员都有发言。这既是美团成立15周年的里程碑会议，也将是这家万亿市值企业从”守擂者”向”破局者”蜕变的关键转折点。 要知道，在当下的中国商业版图中，美团一直都是一个举足轻重的存在。自2010年3月4日上线以来，美团一路狂奔，旗下拥有美团、大众点评、美团外卖等知名App，服务覆盖超过200个品类，业务遍及中国2800个县区市，成为了中国领先的生活服务电子商务平台 。 不过，目前的美团已经正站在了内外交困的临界点。据艾瑞咨询数据显示，2021 – 2025 年本地生活市场线上渗透率将从 12.7% 增长至 30.8% ，预计 2025 年市场规模将达 35.3 万亿元，而美团虽然已牢牢占据本地生活市场的半壁江山，但竞争趋势也日益明显。 饿了么一直沿着美团的脚步同质化发展，抖音以”内容+交易”组合拳蚕食到店业务，京东则以”0佣金+骑手社保”政策冲击包括餐饮外卖和即时零售的市场，此外抖音和淘宝也均开始布局即时零售零售业务。而在国际舞台，中东、东南亚等新兴市场即时配送渗透率不足10%的洼地，与中国成熟的算法、供应链能力形成巨大势能差。 王兴用”预测未来最好的方式是创造它”的宣言，将其未来十年关注的重点锚定在食杂零售、国际化、科技创新三个维度。这不仅是对亚马逊”飞轮效应”的深度借鉴，更是对中国互联网企业全球化困境的破题尝试。 而上一次美团召该级别的沟通会议还是在五年多前。据悉2019 年底，王兴通过美团内网发起名为 “更好的十年” 的全员大讨论，当时聚焦讨论的是三个比较宏大的主题：组织人才建设、科技趋势和社会价值。 下面刘老实就根据美团的“食杂零售、国际化、科技创新”三大维度详细拆解。 ## 二、食杂零售：重构生鲜供应链的”毛细血管革命” 中国食杂零售市场正经历第三次革命：第一次是电商平台颠覆传统商超，第二次是社区团购重塑消费场景，第三次则是即时零售与AI技术驱动的全链路数字化。 麦肯锡数据显示，2025年中国食杂市场规模预计突破10万亿元，线上渗透率从2019年的10%飙升至28%。低线城市成为新战场——三四线城市生鲜电商用户增速达一线城市的2.3倍。 食杂零售是美团长期深耕的核心领域，也是实现其“帮大家吃得更好，生活更好”使命的重要抓手。在这个领域，美团采用“自营+平台”双轮驱动模式，致力于构建一个覆盖全品类的食杂零售生态，为消费者提供更优质、更便捷的购物体验。 美团在生鲜零售领域不断加码，推出了美团买菜、美团优选等业务。以美团买菜为例，它经历了多次模式调整和优化。 早期，美团买菜模仿每日优鲜、叮咚买菜等生鲜电商公司，采用前置仓模式，在北上广深一线城市开启业务。 口罩期间，美团买菜以亏损换规模，一年内新增超200个前置仓，同时在二、三线城市试验模型。2022年，美团买菜一度关仓收缩、暂停扩张。后来，美团学习朴朴超市，改为大仓模式，生鲜以外增加百货，提高客单价和购买频次，改造后单仓日均单量普遍超3000单 。 2023年，美团买菜重启扩张，先后在多个华东城市开仓，通过学习山姆、叮咚、盒马等热卖商品，从向厂商定制商品开始，逐渐优化和提高供应链能力。到2024年三季度，美团旗下即时零售业务小象超市在广州、深圳等城市的成交额已超朴朴超市，重心也逐步转向华东，正面迎战叮咚买菜 。 此外，美团在平台零售业务上也动作频频。美团闪购通过整合线上线下资源，构建“一刻钟便民生活圈”。其平台模式引入区域特色商户，形成差异化竞争。数据显示，2024年第三季度美团年交易用户数突破历史新高，包括餐饮外卖和即时零售在内的即时配送订单达71亿笔，为食杂零售的规模化扩张提供了坚实基础 。 而在深圳龙岗区的一个农业基地，农户老张正通过美团开发的”产地AI定价系统”调整当季蔬菜种植结构。这套系统整合了气象卫星数据、消费趋势预测和物流运力分析，能将种植决策误差率从传统经验的37%压缩到8%以内。这正是美团”从农田到餐桌”战略的微观写照。 从这一方面，可以看出美团的三大战略纵深。 一方面，供应链整合战。通过合并美团买菜、美团优选等业务线，美团建立起覆盖2000+县域的冷链网络，将生鲜损耗率从行业平均15%降至6.8%。在山东寿光等农业主产区，美团直采比例已超40%，较2022年提升26个百分点。 另一方面，高频消费黏性。生鲜品类日均订单突破450万单，用户月均打开频次达21.7次，是外卖业务的2.3倍。这种黏性正在对冲抖音本地生活”内容种草+低价团购”的冲击。 此外，技术下沉攻坚。在河北饶阳县试点的”智能分拣仓”，通过视觉识别技术将分拣效率提升400%，错配率从0.8%降至0.12%。这套系统即将复制到30个农业大县。 这场革命正在改写中国农业流通规则：当美团的71亿年订单数据与田间地头的传感器相连，传统批发市场的价格发现功能逐渐被算法取代。美团要做的就是”我们要做的不只是卖菜，而是成为农业现代化的数字基建。” ## 三、国际化：中东战场上的”无人机闪电战” 在全球互联网行业中，国际化是许多企业都在探索的方向。亚马逊通过多年的全球化布局，已经成为全球电商巨头；字节跳动的TikTok在全球范围内的爆火，也为中国互联网企业出海提供了成功范例。中国企业正以“技术+资本+本地化”组合拳破局：SHEIN在中东服装电商市占率超60%，TikTok直播电商日均GMV突破500万美元。 国际化同样也是美团未来发展的重要方向，外卖等业务出海是其国际化战略的重要组成部分。美团希望外卖市场规模达到千亿美元，而实现这一目标意味着外卖业务不能仅局限于中国市场 。目前，美团在国际化方面的进展迅速，尤其是在中东市场取得了突破性进展。据悉，美团Keeta通过无人机网络将配送时效压缩至22分钟，成本下降62%，三个月内占领沙特35%市场份额。 目前中东外卖市场成为新蓝海。据悉沙特外卖渗透率不足3%，但人均GDP超3万美元，客单价达38美元，是中国市场的4倍。这里聚集着全球最极端的商业矛盾——高消费能力与低效率配送并存。 在沙特首都利雅得的夜空，200架美团无人机正以蜂群模式穿梭于波斯湾沿岸。这些载重5公斤、航程20公里的配送设备，将Keeta外卖的送达时效从45分钟压缩至22分钟，配送成本下降62%。这个场景揭示着中国互联网出海2.0时代的核心逻辑——用技术杠杆撬动市场鸿沟。 针对出海中东市场，美团又是如何做的呢？ 首先进行差异化破局策略。面对Hunger Station等本土平台15-20沙特里亚尔（约28-38元）的配送费，Keeta通过集单算法和无人机网络实现免运费，新用户首单补贴高达200元人民币。这种”降维打击”使其在吉达等城市三个月内市占率突破35%。 其次进行生态协同作战。小象超市的冷冻链已覆盖沙特50%人口密集区，与Keeta形成”餐饮+零售”双轮驱动。在达曼港，美团建设的智能仓储中心可支持日均10万单的跨境商品流转。 第三是进行本地化改造。通过承诺雇佣30%沙特籍员工（远超政府10%要求），美团获得外资企业罕见的物流牌照。这种”本土化改造”策略，正在复制其早年”农村包围城市”的成功路径。 市场数据印证着这场战役的成效，Keeta在沙特日单量已达75万单，较进入初期增长800%，迫使竞争对手Careem退出东部三省市场。而叮咚买菜放弃沙特市场的决策，更凸显美团”生态化出海”的威慑力。 除了中东市场，美团的出海战略以市场容量和发展潜力为核心导向，也正在考虑日韩、北非及拉美等市场。其核心策略是利用国内积累的组织效率与运营经验，在成熟市场实现突破 。美团还可能会采取直接收购海外平台加以改造的方式来加快扩张速度。 ## 四、科技创新：AI重构本地生活的”三体运动” 随着春节期间DeepSeek在海内外的爆火，目前中国AI产业进入“硬核突破期”。2025年人工智能核心产业规模预计达4000亿元，企业智能化渗透率突破70%。不同于OpenAI的通用模型路线，中国企业聚焦场景落地——宁德时代AI质检系统使电池良品率达99.99%，华为矿山AI将事故率降低89%。 在科技领域，美团同样希望抓住人工智能（AI）浪潮的机遇，将美团打造成一个大规模、全品类、有纵深且生态健康的本地商业系统 。近年来，美团在AI技术研发方面投入了大量资源，推出了智能配送系统、智能客服系统等一系列创新应用，显著提升了运营效率和用户体验 。在这场竞赛中，技术必须与供应链、物流网络深度融合，这正是美团无人机日均配送4500单的商业逻辑。 美团充分运用大数据和AI技术，持续对即时配送及后台调度场景进行优化升级。其自主研发的“超级大脑”——o2o即时配送调度平台，通过机器学习、运筹优化和物联网（iot）等技术，实现了对即时配送全链路的精准感知、智能决策和高效执行。 该系统能够快速计算出最优的配送路线和资源分配方案，从而提高配送效率、减少配送时间，并有效降低运营成本 。智能化运营也让美团的订单处理效率和准确性大幅提升，智能调度系统能在毫秒级内完成骑手路径规划，处理海量订单和骑手的分配问题，还通过智能算法优化了奖金分配机制，进一步提高了配送人员的工作效率和积极性 。 而在深圳南山区的一间实验厨房，美团的”AI管家”系统正在演绎未来图景：通过分析家庭成员的健康数据、饮食偏好和冰箱库存，它能自动生成周菜单并联动无人机补货。这套系统将家庭食品浪费率从23%降至7%，复购率提升41%。 此外，美团还推出了“AI摄影馆”、“Wow”这样的独立社交app等创新型产品和服务，将AI交互体验直接推向c端消费者。“AI摄影馆”利用AI技术为用户提供个性化的摄影服务；“Wow”允许用户自由定制AI角色的形象、性格和音色，并在专属的AI社区中享受沉浸式的互动体验 。 我们要从三个维度看美团这场技术革命。 首先是决策权迁移。智能调度系统将骑手路径规划误差压缩至90秒内，700万商户的备货预测准确率达92%。在杭州试点中，AI选品系统使中小商户SKU效率提升130%，库存周转天数减少4.7天。 其次是服务范式革新。”拍立得”点餐功能通过多模态识别技术，将点餐耗时从4分12秒降至1分08秒。这项创新使55岁以上用户占比提升至19%，突破原有年龄结构瓶颈。 此外也重塑了产业关系。开放给数百万商户的智能引擎，使夫妻店也能使用连锁品牌的动态定价算法。这种”科技平权”正在打破”平台-商户”的传统权力结构。 值得关注的是，美团并未孤立发展AI技术，而是将其作为连接食杂零售与国际化的”神经网络”。在沙特运营的无人机网络，其风控算法正是源自深圳的交通事故预测模型；而香港市场的”一人食”定价策略，则由AI通过分析5000万份单身用户画像得出。 ## 五、战略蓝图：在刀锋上起舞的万亿征程 尽管此次高层会议为美团未来的战略描绘了蓝图宏伟，但其内部仍需面对三重考验。 一方面是出海文化融合困境，如曾有企业在阿曼试点的无人配送服务，因触犯宗教场所禁飞规定被迫调整，提示着技术本土化改造的复杂性。 另一方面是出海成本收益悖论，如中东市场平均客单价达38美元，但无人机网络单公里运营成本仍比国内高47%，规模效应尚未显现。 此外，AI存在潜在的监管政策风险，比如欧盟拟出台的《AI法案》对算法透明度的要求，可能制约美团在欧洲的扩张计划。 王兴用”建造能自我进化的商业有机体”定义这场变革，其本质是在不确定中寻找确定性。当美团的无人机群掠过波斯湾，当AI算法深入中国县域的田间地头，这家企业正在书写的不只是商业史，更是一部中国科技全球化的发展简史。 在这场万亿征程中，唯一可以确定的是：那个靠”千团大战”崛起的本地生活平台，正在蜕变为用AI重构实体经济的数字巨擘。而王兴的野心，或许就藏在那句”预测未来最好的方式是创造它”的技术哲学里。 撰文：刘老实 排版：柯不楠 校对：十 三 公众号：即时刘说 本文由 @即时刘说 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Pixabay，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

美国贸易代表办公室将在当地时间11日就中国生产的传统芯片（成熟制程芯片）举行听证会，探讨进一步提高相关关税的可能性。据美媒报道，这些芯片被广泛应用于汽车、洗衣机和电信设备等日常用品中。此次调查在美国前总统拜登任期内发起。美国商务部去年12月表示，含芯片的美国产品中，有2/3使用中国芯片；超过半数美国公司不知道其芯片的来源，其中还包括一些国防工业企业。 [](https://static.cnbetacdn.com/article/2022/03/b0f124d1301c74b.jpg) 中国社科院美国问题专家吕祥10日在接受《环球时报》记者采访时表示，目前中国在存储芯片方面的产能和技术都在显著提高，美国试图限制中国的出口和产能发展，但中国生产的高性能芯片在全球市场具有很大优势，目前美国处于两难的局面。 “对中国增加关税会损害中国对美出口是事实，但近几年我们对美出口的依赖程度也在降低。”吕祥表示。 《纽约时报》去年在报道这一调查时称，拜登政府近年来颁布了一系列出口管制措施，试图扼杀中国制造最先进计算机芯片的能力，但尚未针对中国生产传统芯片的能力采取太多措施。 报道称，中国政府和企业为这类芯片的生产投入了大量资金，芯片制造商在技术上取得了进步，进而吸引新客户、吸收有关制造的新知识。“中国生产的芯片也将让美国更难控制全球的半导体贸易。” 华泰证券今年2月发表专题研究称，过去5年，在地缘政治等外部因素和中国国内终端及设计企业的内生推动下，中国芯片代工行业尤其是成熟制程经历快速发展。其预测2024-2027年中国12寸成熟制程产能将保持年均27%的快速扩张，到2027年占全球的份额将达到47%。 据中国海关总署统计，2024年中国集成电路出口1595亿美元，同比增长17.4%，创历年新高。2025年前两个月，中国集成电路出口1804.4亿元人民币，同比增长13.2%。 路透社报道称，美国对中国传统芯片的调查听证会在中美贸易关系紧张之际举行，可能会进一步加剧双方的经济摩擦。这项调查根据1974年的《贸易法》第301条进行，“特朗普于2018年利用该法对大量中国进口产品征收高额关税，引发美中之间长期贸易争端”。 韩国《每日经济》称，美国保守派智囊团和信息技术、电子产业相关团体以及国家安全、半导体相关研究所人士等将出席听证会。报道称，如果国家安全相关团体的意见得到认同，那么对中国半导体企业的追加限制“很有可能成为现实”。 《每日经济》还称，韩国芯片企业也在密切关注听证会进展。三星电子在中国西安，SK海力士在无锡和大连设有大规模半导体工厂，虽然主营业务与美国本次涉华调查的对象并不完全一致，但大多数人认为不能掉以轻心，因为美国如果对中国产传统芯片征收高额关税，有可能对韩国半导体企业也施加压力。 [查看评论](https://m.cnbeta.com.tw/comment/1484514.htm)

周一，随着经济担忧情绪席卷了整个华尔街，投资者从几乎所有类型的风险资产中撤出。美股科技股遭遇2022年以来最大跌幅，纳斯达克100指数暴跌近4%。加密货币价格下跌。公司债券发行被取消。华尔街的恐慌指数和衡量信贷风险的关键指标飙升。美国国债上涨，收益率大幅下降，因为它们扮演了最后的避风港角色。 总而言之，人们越来越担心美国总统唐纳德·特朗普提高关税、削减开支和地缘政治动荡将使美国经济陷入停滞。 **特朗普警告“短期痛苦”，市场情绪逆转** 特朗普和他的盟友开始警告称，在他寻求重新调整世界贸易平衡的过程中，短期内可能会带来一些痛苦，这加剧了人们的担忧。投资者纷纷开始为此做准备。 Oppenheimer机构股票衍生品主管Alon Rosin表示：“今天的交易感觉就像一个绝对的死亡螺旋。” **美股赢家变成最大输家**  市场走势表明，在特朗普再次担任总统不到两个月的时间里，市场情绪发生了显著变化，华尔街曾一度欢迎特朗普上任。市场最初乐观预期特朗普的减税和放松监管计划将刺激本已稳步扩张的经济，从而推动市场向前发展。 但最近几周，随着特朗普上调关税和削减联邦开支，前景变得黯淡。周一美股收盘后，达美航空（DAL.US）下调了利润预期，理由是不确定性增加削弱了消费者和企业的信心。 加拿大皇家银行资本市场股票衍生品策略师Amy Wu Silverman表示：“我认为，一段时间内，市场会出现恐慌情绪。我们还没有到达那个阶段。但随着担忧情绪加剧，将会出现解除风险和引发更多不确定性的情况。” 当然，特朗普和他的政府已经开始发出信号，在他寻求控制不断膨胀的联邦赤字和挑战全球经济秩序的过程中，可能有一个调整期。 特朗普周末的言论引发了华尔街的各种猜测，一些人说他误判了市场情绪，另一些人则认为他支持抛售股票以压低利率。 Angeles investment Advisors首席投资官Michael Rosen表示：“特朗普花了几周时间打破了国际经济体制，大概是为了修复并用‘更好’的东西取而代之。由于不清楚什么是‘更好’，投资者只能面对破碎的全球经济框架。除非我们看到有什么能取代它，否则投资者只能保持谨慎。” **避险资产成“香饽饽”** 面对这种情况，交易员们重新拾起传统策略，涌入防御性避风港。 美国两年期国债领涨，令其收益率下跌约11个基点。 在公司债市场，由于对信用风险的担忧加剧，华尔街银行家取消了约10笔为高评级公司安排的交易，指数显示投资者正在撤出评级较低的债券。比特币跌至四个月低点。 大部分股票抛售都集中在为牛市做出巨大贡献的大型科技股上。以科技股为主的纳斯达克100指数下跌 3.8%，进一步进入回调。曾被视为受益于首席执行官埃隆·马斯克与特朗普的密切关系的特斯拉（TSLA.US）股价下跌超过15%。 随着担忧情绪加剧，投资者纷纷转向能源、消费必需品和公用事业公司的股票，这些行业不太容易受到消费者支出削减的影响，在经济放缓期间往往表现良好。 盈透证券首席策略师Steve Sosnick表示：“如果你是只做多的股票投资者，你还是得把钱投到某个地方。如果投资者认为未来形势严峻，这些地方往往是投资者的藏身之处。躲避风暴。” [查看评论](https://m.cnbeta.com.tw/comment/1484512.htm)

特朗普政府的官员周一淡化了美股持续数周的抛售，坚称商界领袖最近的举动表明美国经济前景更加光明。一位白宫官员当地时间周一下午对记者说：“我们看到股市的动物精神与我们实际看到的企业和企业领导人的表现之间存在着强烈的分歧。就中长期经济前景而言，后者显然比前者更有意义。”  在经济学中，“动物精神”（animal spirits）一词被用来描述人类情感（而非纯粹逻辑）支配投资者决策的情况。 白宫官员似乎在用这个词暗示，最近的股票抛售是由非理性的恐惧和消极情绪驱动的。 但专家指出，有几个因素促使投资者抛售股票，其中最主要的是特朗普贸易政策的不确定性。 与此同时，在特朗普的顾问埃隆·马斯克的监督下，美国政府大规模解雇了数千名联邦雇员，这加剧了特朗普贸易政策的不确定性。 其结果是，去年年底推动市场大幅上涨的激进乐观情绪和高风险承受能力突然逆转。 “你肯定看到一些推动股市在秋季反弹的动物精神正在消退，”美国智库CATO研究所的一般经济与贸易副总裁Scott Lincicome表示。 Lincicome在最近接受采访时表示：“人们现在更多地关注下行风险，潜在的价格上涨，以及所有的不确定性。” “我认为，这可以直接追溯到总统身上，”他说。 就特朗普而言，他基本上已经不再把金融市场作为美国经济健康状况的晴雨表，而他在第一个任期内经常这样做。 相反，白宫吹捧了商界领袖最近做出的一系列承诺，即未来几年将在美国投资数千亿美元。 在周一下午的另一份声明中，白宫发言人库什·德赛（Kush Desai）表示，这些行业领袖是在回应特朗普的选举胜利和对其经济议程的热情。 “特朗普总统在他的第一个任期内实现了历史性的就业、工资和投资增长，并将在他的第二个任期内再次这样做，”德赛说。 [查看评论](https://m.cnbeta.com.tw/comment/1484510.htm)

特斯拉股价周一下跌15.43%，创下自2020年9月以来最大单日跌幅。该公司CEO埃隆·马斯克的身价一夜之间蒸发了290亿美元，今年迄今损失了1320亿美元。尽管他仍然是全球首富，截至周一收盘净资产约为3010亿美元。   在周一的一次采访中，面对最近一连串的坏消息，马斯克笑着耸耸肩说：“但是要往好的方面看！永远看到生活的光明面（Always look on the bright side of life）。”这是在引用上世纪70年代一首歌曲的名字。 上周四，SpaceX的星舰火箭在从德克萨斯州发射几分钟后爆炸，这是今年的第二次此类事故。 上周五，有报道称，在遭到共和党高层的愤怒后，特朗普总统正采取行动，限制马斯克此前自由浮动的权力。 周六，反对马斯克的示威活动在全美各地的特斯拉展厅蔓延开来，包括在曼哈顿，数百人举行了抗议。 周一，特斯拉股价暴跌，成为今年标准普尔500指数中表现最差的股票。与此同时，他的社交媒体平台X周一也因据称的网络攻击而几度瘫痪。 马斯克在谈到X网站的崩溃是说：“我们不确定到底发生了什么，但有一次大规模的网络攻击试图摧毁X系统，IP地址来自乌克兰地区。” 当被问及他在DOGE大刀阔斧式地进行政府重组的同时是如何经营所有其他业务时，马斯克停顿了一下，说“非常困难”。 [查看评论](https://m.cnbeta.com.tw/comment/1484508.htm)

美国政府效率部负责人埃隆·马斯克称，包括社会保障和联邦医疗保险（Medicare）在内的福利支出是削减费用的关键目标，这一说法与美国总统唐纳德·特朗普不会触碰这些领域的承诺直接矛盾。 [](https://n.sinaimg.cn/sinakd20250310s/224/w640h384/20250310/a9e6-25a5bedb60e4d6d026ca0fd8015c9c05.png) “大部分联邦费用是福利支出，”马斯克周一接受采访时表示。“所以这是需要解决的大问题。” 2024年竞选期间，特朗普一再承诺他不会减少社会保障支出或缩减联邦医疗保险（Medicare）的覆盖范围，而这些社会保障计划颇得大量选民人心。 特朗普在最近的一次采访中重申了这一承诺，称他不会减少合法福利，但会追究不当支出。 “我不会碰社会保障、联邦医疗保险、医疗补助计划（Medicaid）。我们现在是要杜绝欺诈行为，”他在周日播出的采访中说。 马斯克的言论可能会在国会山和白宫引发争议。许多共和党人态度坚定，认为他的政府效率部（DOGE）削减计划中不会包括福利。民主党人则担心，DOGE的支出削减目标将意味着退休和医疗保健计划将成为整顿目标。 [查看评论](https://m.cnbeta.com.tw/comment/1484506.htm)

近日，演员吴彦祖在抖音、小红书等平台开设“吴彦祖教英语”账号，推出定价398元的英语课。该事件不仅引发热议，还在多平台取得不俗的销售数据。值得关注的是，该课程由高途集团与雅识教育联合开发，股权层层穿透背后，吴彦祖对雅识教育间接持股，而随着吴彦祖英语课在高途App上线，高途股价一路上涨，短短20天最高涨幅超过50%，这场“左手流量、右手资本”的游戏，已不仅仅是网友眼中的明星“下海”那般简单。      实际上，明星转行卖课如今已成为另一种“财富密码”，此前，包括王力宏、张继科等明星也曾以“专业教学”为卖点推出高价甚至天价课程，然而，在AI学习工具日益普及的当下，这类课程被不少网友质疑“割韭菜”。 **明星卖课流量变现****，****已豪赚百万** 据公开资料，“吴彦祖带你学口语”课程首发价为398元，共有84节，每节课8~10分钟左右。据此推算，平均一节课为4.73元。 需要注意的是，这套课程并非全部都是吴彦祖本人出镜，还包含了一部分助教老师的出镜，吴彦祖全程用英语教学，助教老师则以中英文的方式配合讲解。 根据飞瓜数据显示，售卖相关课程的账号“阿祖带你学口语”（粉丝数16.5万）近30日销售额为75万元-100万元，另一个相关账号“吴彦祖英语课”（粉丝数6948）近30日销售额为10万元-25万元，因此抖音平台总计销售额85万元-125万元。此外，作为此次合作方的高途App内也已上线吴彦祖英语课，目前可以看到报名人数已经达到21989人，但并未显示付费购买用户数，但报名数仍在持续增加。  值得关注的是，在抖音平台，此次卖课的官方账号“阿祖带你学口语”和“吴彦祖英语课”其认证信息均为太原高途云集教育科技有限公司，而本次吴彦祖与高途合作的英语课，不是吴彦祖直接与高途合作，而是通过一家名为雅识教育的公司。 天眼查显示，雅识教育科技（杭州）有限公司成立于2024年8月，由上海玩美祖合品牌管理有限公司持股30%，后者由上海斐鑫然文化传播有限公司持股46.75%，而吴彦祖持有上海斐鑫然文化传播有限公司90%的股权，因此，股权层层穿透之下，吴彦祖对雅识教育间接持股。 不仅如此，此前吴彦祖还在成都开了一家咖啡馆，起名WHATEVER COFFEE，根据天眼查信息，上海斐鑫然文化于2024年新设WHATEVER COFFEE品牌与ZUHAUS设计实验室，所以，而其商业版图已延伸至咖啡、潮牌、设计等领域，此次跨界教人学英语，是吴彦祖的又一次商业尝试。 对于吴彦祖开课，网友的态度也明显“两极分化”，有网友评价“要是早教20年，颜值脑子在巅峰期，英语六级早就过了”，但也有网友表示“这套课除了明星效应，吸引你学习三五天，其他倒没有什么特别之处。” 但真正想要下单的消费者则表示自己遇到了更大的问题，有小红书网友认为吴彦祖英语课存在助教老师影响了自己的学习体验，该网友提到“课程表上每节课就5分钟，所以点进去之前想着能够看男神，结果发现是男神讲一句，女老师重复一句。”  **高途“流量”破圈，但****仍陷****亏损困局** 作为本次吴彦祖英语课破圈的另一大受益者，高途教育也因此尝到了“流量红利”，不仅在其官方App上有两万多人报名吴彦祖英语课，更重要的是其股价在近期不断上涨，新浪科技发现，自“阿祖带你学口语”抖音账号发布首个视频以来，短短20天时间，高途的股价便从2.57元一路最高上涨至3．88元，涨幅超过50%，然而在这样的涨幅背后，高途教育的财报数据却并不算太好。  据近日发布的2024年最新财报数据，高途教育存在巨额亏损，其在2024年实现营收45.54亿元，较上年同期增长53.8%；净亏损为10.49亿元，上年同期为730万元，亏损增幅高达14270%。 不可忽视的一点是，高途教育已经连续6个季度亏损，营业费用同比增长84.5%至42.805亿元，销售费用从2023年的15.012亿元增长到了2024年的29.637亿元。在此背景下，高途教育通过吴彦祖课程要实现双重目标：短期通过粉丝经济拉升现金流，长期则试图打破“K12教培”的固有标签，拓展成人教育市场。 但这种策略的风险同样显著。即便以吴彦祖课程当前抖音销量+官方报名均为付费用户来算，其销售额也仅有977万元，甚至仅占去年营收的0.2%，对改善亏损杯水车薪。 在线教育业内人士潘欣指出：“不看好这种模式，定价本身倒不觉得贵，就是一般粉丝会不会为了明星卖课买单令人存疑，得有足够量饭圈式的铁粉才能支撑很好的销售。” 此外，明星课程被外界质疑的声音也一直存在。此前，王力宏开卖为期30日，总费用为1699元的声乐课，学员小K（化名）曾向媒体透露，课程平均时长仅10分钟，且没有人改作业，都是学员之间互评，缺乏专业指导，“不如B站免费教程”。而吴彦祖的英语课虽结合AI技术，但也被用户指出“AI陪练声音与真人差距大”并且即便付费，如今还有“部分功能尚未开放”，认为官方课程开发不够完善就拿出来售卖不够严谨。 **结语：明星卖课，很容易变成一锤子买卖** 如今，随着DeepSeek、豆包等AI助手在全民兴起，人人都可以通过免费的方式用AI工具自学英语，这种普及程度正在进一步冲击高价课程的价值逻辑。而明星卖课也并非稳赚不赔，2023年，歌手柯以敏直播卖声乐课时遭网友辱骂，最终泪洒直播间；王力宏卖声乐课也被质疑“割韭菜”，伤害粉丝感情。 在潘欣看来，高途此举是想借吴彦祖破圈让更多的用户，包括吴彦祖的粉丝以及事件营销本身触达的潜在用户们知道高途这个品牌，进而购买他们其他产品。 行业分析师张书乐向新浪科技表示，作为一种知识付费课程，吴彦祖开卖英语课无可厚非，其通过自己在海外的生活经历和学识做生意，也符合知识付费的理念。当然，吴彦祖授课，更多的是依靠自己的明星光环，来达成强劲宣发、较高转换率、较高定价的效果，但如果课程内容不合格，也会影响到他的人设和演艺生涯。尽管学英语目前有许多免费工具，也能达成AI辅助以及高质量互动。但演员的个人魅力和表演才能，可以让一些枯燥的教学更有味道，达成沉浸式效果。至于吴彦祖的课程到底如何，则要看消费者反馈，以及后续是否能持续卖课，毕竟，如果是割韭菜，很容易变成一锤子买卖。 文|新浪科技 罗宁 [查看评论](https://m.cnbeta.com.tw/comment/1484504.htm)

<blockquote><p>许多产品经理对报警系统的认识还停留在表面，对于其工作原理、分类以及应用场景了解不深。本文将详细探讨报警系统的各个方面，帮助你全面理解报警的意义和作用。</p> </blockquote>  偶尔得空，将这些年基于物联网设备和AI摄像头设计报警管理功能的思路进行了整理，形成一套业务模型，发出来供大家批判。 ## 一、报警的定义：报警是需要人们给予特别关注的事件 ### 1.1 为什么需要报警 世界上有形形色色的事件，一些事件会对人们关注的事物产生危害，为了管理这种危害需要对事物监测报警。 ### 1.2 报警的内容 报警通常包含了报警事件相关的一系列信息，以便人们处置报警， - 报警时间：触发报警的时间 - 报警对象：触发报警的主体对象 - 报警地点：当报警对象可移动时，需要通过定位确定报警地点 - 报警类型：报警的事件类别 - 报警证据：用于确认、处置报警的信息，后文另行说明 - 报警状态：报警是否已解除 - 报警时长：报警状态持续时长 ### 1.3 预警和报警的区别 - 报警是指危害事件已经发生的状态 - 预警是指危害事件尚未发生，但趋势表明报警即将发生的状态，预警给人留出了干预时间以避免危害的产生 ## 二、报警的触发 报警逻辑就是：当监测数据满足触发条件=产生报警 ### 2.1 监测数据 - 监测对象：监测对象通常是报警相关的人、物、环境。 - 监测指标：监测的数据维度和度量单位。 - 监测方法：可以是人工测量，也可以是传感器测量。 ### 2.2 触发条件 **2.2.1 按所需监测指标的数量，分为** - 单一条件触发，如：车速&gt;70公里/小时 - 组合条件触发，如：连续停车时长&gt;30分钟 且 在作业时段内 且 不在专用停车场 **2.2.2 按所需监测数据时长，分为** - 瞬时条件触发，如：重量&gt;1000千克 - 累计条件触发，如：10分钟油耗&gt;5升 **2.2.3 更复杂的情况是匹配行为序列触发，如垃圾乱丢报警：** 1. 手提垃圾走入垃圾桶站 2. 将垃圾丢在地上 3. 离开垃圾桶站 ### 2.3 误报的减少 为了减少因误报的发生，有几种方法： - 提高报警的阈值：比如从5提高到8 - 二次确认，防抖：在首次满足报警条件后间隔一段时间进行二次确认，如仍旧满足报警条件就产生报警，否则忽略 ## 三、报警的取证 报警后为了证明报警的真实性，指导报警处置，需要提供报警相关信息，这就是报警取证。 ### 3.1 报警即时取证 按报警证据的来源，分为两类： - 主要报警证据是触发报警所使用的数据，是肯定能获得的证据 - 连带报警证据是报警后通过其他手段连带提取的证据，能否取得？能取得多少？取决于连带手段 ### 3.2 报警的持续跟踪取证 报警触发后到报警解除前，应持续跟踪取证，按证据类型有不同的处理方式： - 数值类证据：保持监测频率，持续采集证据 - 图像类证据：按一定时间间隔，持续采集证据 - 声音类证据：报警期间持续录音 - 视频类证据：因为视频录像要占用大量存储，这里有两种策略： - 录像一直保存在摄像头，用时按报警时间调取 - 将报警触发前后一段时间的视频从摄像头中取到服务器，进行长期保存，以免被覆盖 ## 四、报警的处置 引发报警的危害，有些可以恢复，有些无法恢复，因此处置方式不同。 报警后，**问责**和**消除危害**，是最常见的两个处置方向，以污水排放报警为例： - 消除危害是停止污水排放、恢复水质，需要交给有专业处置能力的单位、人员，他们需要了解的是污染的范围和污染的程度，据此推断可能的恢复措施 - 问责是找出排放单位、惩办负责人，需要交给行政管理单位，他们需要了解的是污染的源头、相关的单位 ### 4.1 报警处置责任认定 处置责任单位是一个[[组织架构|组织机构]]，确认报警处置责任单位的原则： - 属地管理：按地理空间划分，每个单位有一定的管辖范围，报警发生在谁的管辖范围内归谁管 - 专业管理：按报警类型划分，每个单位有负责的专业领域，报警类型在谁的专业领域内归谁管 - 等级管理：按报警等级划分，每个单位有负责的报警等级，报警等级在谁的职责范围内归谁管 由于报警有多个处置方向，报警也可以有多个处置责任单位。 由于报警的危害程度不同，发生频次不同，所以需要对报警分级处置： - 高频的、危害较小的报警交给基层单位处置 - 低频的、危害较大的报警交给高级部门处置 ### 4.2 报警分级管理配置模式 **4.2.1 配置报警类型对应到专业领域、报警等级** 报警类型：BBB 所属专业领域：ZZZ 报警等级：一级 触发条件：条件框架 + 监测指标 + 报警阈值（基于报警类型关联查询可用条件框架和监测指标，再基于可用设备过滤可用监测指标） 报警等级：二级 触发条件：TTT **4.2.2 配置组织机构管辖专业领域、报警等级** 组织机构：KKK 管辖范围：FFF 管辖专业领域：ZZZ，管辖报警等级：一级+二级 管辖专业领域：YYY，管辖报警等级：一级 ### 4.3 (人工)报警处置流程 报警的处置方式多种多样，如果想要统一处置流程，只能忽略处置方式，关注责任主体： 1. 触发报警 2. 分配给处置责任单位 3. 责任单位处置反馈（具体的处置方式、结果由责任单位灵活填报） 4. 上级单位确认处置完毕 ## 五、报警的解除 根据报警危害的可恢复性，和人为规定的处置流程，报警的解除有**自动解除**和**手动解除**两种方式。 - 无需人工处置即可自动恢复的，可以自动解除 - 无法自动恢复需要人工处置的，或虽然能自动恢复但要求必须人工处置的，适用手动解除 报警解除通常对应着**消除危害**这一处置方向的处置完成，而无关问责这一处置方向的处置进展。 ### 5.1 报警自动解除 报警自动解除同样基于监测数据，根据解除条件有两种逻辑 - 当监测数据**不再满足触发条件**=报警解除 - 当监测数据**满足特定解除条件**=报警解除，通常用于危害无法恢复原状时（如着火后灭火） ### 5.2 报警手动解除 报警手动解除需要经过一系列人工处置流程后，手动在报警管理系统中确认报警解除。 本文由 @智慧小范 原创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。 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>许多企业在招聘产品助理后，常常发现他们无法发挥应有的作用，最终成为了“摆设”。为什么会出现这种情况？本文将深入分析产品助理角色定位的误区，并提出切实可行的解决方案，希望能帮到大家。</p> </blockquote>  产品经理干久了，总会碰上这种情况——活儿多到恨不得一天掰成两天使，但偏偏自己就只有24小时。 要么就是期待自己会分身术，变出另一个自己帮助自己减少工作压力。 当然分身术不切实际，但这时候很多人第一反应就是：“要不招个助理吧？”可以帮自己分担一下。 公司如果没有任何招聘计划，自己也只能咬紧牙关继续努力了。如果是公司预算充足且有招聘计划的话，这个事情很容易就会被层层推进。 问题来了，好多人招助理，其实就是想找个替自己干活儿的。心里想得很简单：我干不过来，就找个人替我干呗。 但现实往往没这么美好：好不容易把助理招来了，自己却搞不清楚到底该让他做点什么，或者干脆什么都塞给人家，结果工作量直接超标，助理也崩溃了。 辛辛苦苦面试招聘来的助理，最后都成了摆设。 其实，招聘助理远没看起来这么简单。这并不是请一个人来帮你打杂，而是要认真考虑三个问题： ## 一、招聘产品助理的目的 你得搞清楚自己到底为啥招产品助理？这可不是随便找个人减负，而是要让你的效率真正提高起来。比如，可以把那些重复琐碎的活儿——像比较简单的原型设计、整理文档、编写PRD文档、日常记录，通通甩给助理。 自己腾出手来，专注更有价值的事儿，比如研究战略、跨部门沟通啥的。甚至，你还可以把助理当成你的“第二个大脑”，毕竟新人思维还没有固化，看待问题的视角不同，说不定就能从用户调研里挖出些新想法、新观点。 更重要的一点，通过指导助理的工作，反过来可以提升自身的领导力、沟通能力以及系统化整理知识体系，从而变成一次对自我的提升。 ## 二、明确产品助理的能力边界 招聘之前一定要想清楚，这个助理到底该帮你干点啥，招什么样的人合适。有的人喜欢招刚毕业的小白，觉得年轻人学习能力强、成长空间大；有的人，喜欢招个跟自己脾气相似的人，带起来顺手；还有些产品经理就特别实在，直接招个听话的，“我让你干啥你就干啥”。 但不管怎么选人，岗位职责一定要清楚，别稀里糊涂地招聘进来了又傻眼了：“啊，这人到底该做啥？” 当然，岗位职责不是一成不变的。最开始你觉得他可能只适合整理文档，后来发现人家画原型画得不错，那完全可以再多给点挑战，比如复杂一点的设计，甚至业务规划、跨部门协作。这就是招聘和培养助理的灵活性。 产品助理的能力边界通常在面试的时候就会知晓，具备哪些能力，哪些能力不足，之后根据工作中的情况逐步提升。 有些善于学习的产品助理，能力边界是在实际工作中被发掘的。这就看你倾向于对方帮你解决哪些事情，你就选择相对能力系数高的产品助理。 至于招聘的产品助理是否要求有无经验要求，这个看你公司以及你对该岗位的定位，如果是储备人才，招聘小白都可以，手把手的教对方各种概念知识以及技能，如果是想对方快速上手，最低邀请也要找一个干了半年以上的人，干了几个月的很可能都没有接触太多产品相关的工作。 干了半年以上的，基本的工具和方法论都会一些，配合你工作也不会像纯小白从头开始学习，增加你的沟通成本。 ## 三、如何培养产品助理 招聘回来之后，更重要的就是怎么培养人。有的产品经理特别佛系，助理招回来直接放养——“你自己摸索吧”，有些助理直接被吓跑了。 正确的方式是，一步步地引导。我们一定在知道产品助理的能力现状和边界之后，给他安排合适的任务。刚开始可以给他一些特别明确的小任务，让对方熟悉业务、工具和流程，慢慢的再递进到更复杂的任务，比如原型设计、独立的小项目规划，甚至是让对方负责一个完整的小系统。 可以带着产品助理分析产品背后设计的逻辑，为什么这个功能这面设计，这么做有什么好处，这可以锻炼对方的产品思维能力；也可以让产品助理参与用户研究，学习如何获取真实用户需求。知道用户买锤子并不是单纯的为钉钉子，这是培养对方的用户视角；让产品助理查看数据分析报表，引导对方以数据为导向的产品思维，告诉他功能设计要有明确目标，这是锻炼对方的数据分析能力。 在培养过程中，要容忍助理犯错，毕竟谁也不是一开始就啥都会。但更重要的是，每次犯错后要及时给反馈，告诉他为什么不对，下次该怎么改进。 慢慢地，助理会越来越上道，从“听话的执行者”变成能独立思考、自己出方案的人。这时候，你再去审查他的方案、提建议就行了。 以上是在工作中的培养，还有一种是理论培养，比如他如果有上进心和自驱力，善于自学，那我们可以告诉对方哪些文章书籍可以帮你解决问题，哪些课程视频可以提升你的能力，哪些培训可以锻炼你的综合能力，一定要从实践和理论两方面入手。 让产品助理自行消化，提升专业能力。 还需要特别注意的是，切记对助理表现出一幅高高在上的态度，说话都是反问句，比如，你知道自己错哪儿了？这种事情都搞不明白？ 语言是门艺术，很多人都学不会，以后有时间我专门写一篇日常工作中沟通语言技巧，帮一些人排排雷。 有些人说话有问题是不懂沟通的方式，有些人则纯属就是瞧不起对方，喜欢用语言打压。不管哪种方式，说话让人不舒服，会极大的影响助理工作的积极性，不光是助理，甚至是家人和同事都会被自己不善沟通的语言破坏感情，影响做事的效率。 当然，我们也不能忽视培养助理这个过程的意义，本质上来说，带人也是一种成长，这也是一种变相的费曼学习法，你会发现自己的沟通技巧、领导力、甚至知识框架都在培养助理的过程中提升了不少。 中国有句古话，教会徒弟饿死师傅。有人可能担心：“我辛辛苦苦培养起来的人，万一跑了咋办？” 但说实话，如果公司给的挑战和成长空间足够大，助理才不会轻易跑路。 相反，他还能成为你未来团队里的骨干，成为你的左膀右臂甚至将来可以独当一面。 再说了，作为一个产品经理，你最终的目的本来就是把自己从一个纯粹的执行者，过渡到领导者。能培养出能独当一面的助理，这不正是你作为领导者的成功吗？ 所以，招聘助理不是简单的减轻负担这一个目的，最终的目的是不需要自己过多的职业干预，也能让他高质量的去完成任务，这才是管理能力的最终极的一个体现，更是让自己成长为真正领导者的重要一步。 本文由 @知鱼之乐 原创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 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。

“开店流”风潮看似让古代女性角色摆脱了闺阁束缚，但套路化的粗暴移植，日渐构成了一种不真实的“伪独立叙事”。这反而消解了女性奋斗的真实重量，暴露的是创新力的枯竭与创作的路径依赖，对于下一个爆款而言，创新求变是势在必行的了。

HR变身“宿管员”，大疆美的加班或成“绝唱”？

 泽拓科技的 CEO 赵伟穿着灰色西装外套坐在办公桌前，说话音量不大，带着微笑和极客特有的真诚与激情。 面对雷峰网关于数据库产品自研与否的提问时，他保持着徐徐的语调，一字一句说：“我们从一开始就大大方方在社区里讲，我们是基于社区版的 MySQL 和 PG 深度研发了大量内核增强、优化扩展和新功能组件，使二者发生‘核聚变反应’, 锤炼成全新的产品。” 他指出，对计算机软件而言，比自己写每一行代码更重要的是能 Hold 住自己产品的完整设计和实现，且要遵循所使用的开源组件的开源协议，因此不会为了自研率有所隐瞒。 泽拓科技的昆仑数据库是借力开源生态做成的。在赵伟看来，这是认清作为创业公司的资源处境时，做出更符合创业公司发展逻辑、对用户更有利的抉择。他形容自己在做的事是“炼丹”——“丹”的主体基于 MySQL 和 PostgreSQL 等开源社区的几个组件作为素材和原料，团队在这基础上增强其原有功能且增加新的功能组件，把这两个原本互不关联的开源单机数据库揉合为具有统一而协调的整体架构和产品功能集——泽拓昆仑数据库。 而建基开源之上的优势是，昆仑数据库能充分融合客户需要的功能：有段时间，社区里都在讲能同时做到 TP（事务处理） 和 AP（分析处理） 的 HTAP 功能，团队便进一步加强数据库的 AP 性能使其具备 HTAP 能力；后来大模型带火了向量数据管理需求，借助 pgvector 这个开源组件，泽拓团队用不到三个月就让昆仑数据库也拥有了向量数据处理能力。“昆仑数据库已有丰富的功能，且有开放可扩展的架构，因此社区关注什么，我们就能快速增加相应的功能”，昆仑数据库就这样成长为数据库的“集大成者”。 但要实现这一点，不可忽视的前提条件是：泽拓科技产品研发团队里有多位来自 Oracle 的 MySQL 原厂内核开发者。他们是赵伟之前在 Oracle 工作时的同事；而赵伟自己，在 Oracle 做过 多年 MySQL 内核研发后，也在腾讯把基于 MySQL 做的 TDSQL 迭代为成熟的分布式数据库产品。深耕 MySQL 和 PostgreSQL 开源生态多年，泽拓团队知道如何最高效高质地基于原有代码做深度研发，满足客户需求。 作为一个借力MySQL和PostgreSQL社区生态的数据库公司，这几年商业化的道路好走吗？依靠社区转化而非传统销售的商业模式，又是否行得通？以下是雷峰网在不修改对话原意的基础上所做的整理。 **泽拓科技 CEO 赵伟** **社区关注什么 泽拓团队就能讲什么** 雷峰网：之前看到，前几年有段时间泽拓团队强调过昆仑数据库有 HTAP 能力？ 赵伟：昆仑数据库有 HTAP 的能力，除此之外还有空间数据管理和向量数据管理能力。由于昆仑数据库的计算节点基于 PostgreSQL 研发，大部分组件无需修改即可使用；少量组件（比如 PostGIS 和 pgvector ）需要做内核研发使之适应昆仑数据库的架构。**对这些第三方组件做调整的投入都不大，或许只有从零开始研发的工作量的 1%。** 之前我们宣传昆仑数据库的 HTAP 能力，是因为有段时间数据库社区里厂商在宣传 HTAP，就像现在大家宣传大模型、RAG 和向量数据管理。昆仑数据库这些数据管理功能都有。社区里关注什么，团队就能讲什么。 HTAP 这个名词是前几年其他厂商提出来的，但 Oracle 很多年前就已经支持 AP 查询了。不过 Oracle 是集中式数据库，到互联网时代，很多中小型公司也有几十 TB 的数据要分析，Oracle 也难以承载大量数据分析需求，所以业界从20多年前开始用 HBASE、 Hive 等去迭代，有了国内外多个 AP 类数据库产品。后来市场就发明出一些需求，也可能是真实的需求，把 TP 和 AP 的功能融合在一个产品里，也就是HTAP。 雷峰网：为什么说是“发明出来”的需求，市场没有 HTAP 的真实需求吗？ 赵伟：可能有，但我们实际拜访那么多客户里，**很多时候 TP 和 AP 负载还是分开在两个数据库实例中运行**。大多数情况下，对于一个 HTAP 数据库，大家往往只侧重使用其 TP 或者 AP 的功能。这样避免两类负载的资源竞争，确保两者性能都更高；而且开源社区有很多免费的数仓产品，客户自己多用些机器就能独立部署 TP 和 AP 数据库。当时我们做 HTAP 也主要是从技术的角度看觉得可能有一些需求，也想通过深度研发一系列技术来大幅改进昆数据库的 AP 性能。现在看，技术和产品层面我们的目标基本实现了，而在用户使用场景方面，更多用户更倾向于把昆仑数据库作为 TP 数据库来直接支撑应用系统，或者从多个其他数据库汇聚数据。 雷峰网：听下来我好奇，你们公司有找到自己产品跟市场的 PMF 吗？ 赵伟：**我们最本质的 PMF 就是企业级的 MySQL 和企业级的 PostgreSQL**。昆仑数据库的计算节点是基于 PostgreSQL 开发的，存储节点是基于 MySQL 开发的，跟其他只支持 MySQL 协议和 SQL 语法的产品相比，对二者的兼容程度要高很多。DBA 的学习曲线也很平滑，他们原先对 MySQL 的运维管理的知识，有很多仍然适用于昆仑数据库。另外 PostgreSQL 近些年在国内外的普及度也在快速上升，昆仑数据库对 PostgreSQL 用户来说，在性能、弹性扩展能力等方面也具有独特价值。 雷峰网：这个 PMF 竞争力大吗？ 赵伟：竞争力挺大，**因为 Oracle 现在对社区版 MySQL 投入已经大大降低，把研发 MySQL 的资源都投到云上闭源版本了**。过去 15 年 Oracle 在社区版 MySQL 做大量投入，基本每个季度发布新版本，就像掉个新的“馅饼”给全球用户。但现在定期发布的开源 MySQL 新版本 已经几乎没有新功能，基本就是在修 bug，对于用户来说以后“天上掉馅饼”的机会就很少了。如果 MySQL 用户有新的功能需求，或者有需要解决的问题，我们就能在昆仑数据库里把这个功能做出来给他们。 同时，PostgreSQL一直没有厂商维护，虽然开源社区的开放性非常优秀，但商业用户不仅需要企业级数据管理能力，也需要可靠的厂商技术支持。 雷峰网：为什么你们团队能做到这点？ 赵伟：我们团队十几个人里面，有几个是之前 MySQL 的原厂内核开发者，还有几位 PostgreSQL 内核开发者，我们完全掌握这两个数据库的设计和实现、功能和用法；并且我们这个团队的核心开发者和技术支持人员都有国内外互联网大厂多年工作经验，解决过很多极致负载和极致需求下的技术难题。因为数据库作为基础软件，服务是很重要的，不像手机上下个 APP 就能用。用户需要专业的技术服务。 雷峰网：面对这么多国产数据库，也有观点认为，全自研的数据库可能会比借力开源生态的更有前景，您对此怎么看？ 赵伟：从用户视角来看，用户更看重其选择的数据库以及其他基础软件产品能解决其现实问题和需求，有功能需求时供应商能研发出来或者按需更改、遇到 bug 能即时有效地解决，这才是关键。**他们反而不会很在意产品自研率是 100% 、80%还是 50%**。我们从一开始就大大方方在社区里讲，我们基于社区版的 MySQL 和 PG 深度研发了大量内核增强、优化扩展和新功能组件，使二者发生“核聚变反应”, 锤炼成全新的产品。对计算机软件而言，比自研率更重要的是能 Hold 住自己产品的完整设计和实现，从而按需增强现有功能和扩展开发新功能。而且，要遵循所使用的开源组件的开源协议。因此我们不会为了所谓的自研率做任何隐瞒。 那些 100% 自己写代码的产品，虽然其执着的精神可嘉，但是用户会担忧“产品要多少时间内才能稳定下来”“有多少DBA可以管理这些数据库”“有多少第三方组件适配支持”等问题。MySQL 和 PostgreSQL 开源数据库的成熟度比较高，我们基于此出发，在资金、人力上的投入比每一行代码都自己写的公司少很多，还可以更快完成产品开发迭代。 但有个大家容易忽视的前提是，**我们的研发团队本来就对 MySQL 和 PostgreSQL 等组件非常熟悉，能理解其设计思路、知道如何高质量高效地增强和扩展，这是隐含条件**。当前昆仑数据库的所有组件的最新代码中，泽拓团队自研的代码总量也占据了总代码量的一多半，并且团队 100% 理解掌握昆仑数据库架构、原理和每一行代码，我们的技术团队其实也具备完整而强大的数据库系统自研能力。 雷峰网：在您看来，泽拓和自研数据库的公司是完全在同一赛道上吗？ 赵伟：宽泛点说，大家目标客户群及其所在的行业都一样，就是同个大赛道。但彼此的发展策略不同，比如我们是借力于开源生态，从现有的开源社区发展用户；有的公司是自己重新开辟一个生态系统，前期比较艰苦、投入非常大、见效慢，但一旦做成，整个生态就是他们自己的。 **借力开源做数据库是“炼丹”** 雷峰网：您是在什么契机下决定创建泽拓科技？ 赵伟：2017、18 年左右，云计算普及度很高，国内外也有很多基础软件通过云平台销售——基础软件可以成为独立的产品，这是一种新的商业模式。以前只有 Oracle、微软少数几个美国公司能做到，那几年涌现出 MangoDB、Redis、ES 之类的公司，鼓舞人心，所以我也萌生这个念头。我 2019 年 8 月从腾讯离职出来筹备，公司在 2020 年底成立。 雷峰网：公司刚成立时，设立的产品方向是什么？ 赵伟：当时就只是想着做分布式数据库，管理海量的数据，应对极致的负载。虽然产品的功能在持续开发，但有几个基本因素，是我们一直保持的。一是**要从开源生态借力**，因为创业公司资源有限，做事的效率要比大厂更高而且要更灵活地即时调整。我们把研发昆仑数据库称之为“炼丹”——“丹”的原料一部分是开源社区的组件（即MySQL和PostgreSQL），毕竟我们没有那么多资源从 0 写每行代码。第二是可以从 MySQL 和 PostgreSQL（PG） 的开源数据库社区用户群中发展用户，通过社区发展影响力，让大家知道我们的产品比开源免费版的价值，从而成为我们的商业客户。 雷峰网：为什么给产品起名叫昆仑数据库？ 赵伟：我想要一个足够大气又朗朗上口的名字。一开始还想过喜马拉雅，后来想过青海湖，但觉得以湖命名太秀气了。我还列了个表，把全中国两个字的名山大川列了一遍，太行、昆仑、贺兰、峨眉、武当。最后就选了昆仑，万山之祖。 雷峰网：咱们是在 2022 年 8 月左右就已经打磨好产品可以落地商业化吗？ 赵伟：当时产品作为数据库来说，基本功能差不多都有了，可以 POC，实际商业化是 2023 上半年开始。**我在公司刚成立没多久就雇了第一个销售**，但当时产品还没成型，没多久又让人家离开了。现在看那时在商业化方面还是有些急，太想尽早开拓客户。 雷峰网：现在 2025 年初，商业化两年后，目前的进度您满意吗？ 赵伟：比当初想象中困难一些。一方面是经济大环境的影响，另一方面数据库作为基础软件，比其他软件推广难度更大。原先设想开源社区用户可以主动转化为我们的用户，后来发现还是得靠传统的商业化方法为主，由销售人员获得客户。 雷峰网：原先的设想难在哪里？是其他基于 MySQL 做数据库的公司带来的压力吗？ 赵伟：要说竞争，可能就是公有云大厂，他们也有基于 MySQL 和 PG 做的云数据库，昆仑数据库和他们的产品确实有部分功能重叠。并且，数据库软件就像地基，用户选择产品也很谨慎，建立信任需要较长时间；而且在国内，一个公司用什么软件往往也不是一线技术人员能决定的。作为初创公司，商业化起步比较难，现在有了一批早期客户后，后续会越来越顺畅。 雷峰网：咱们的产品跟大厂有重叠，那差异化的地方是什么？ 赵伟：蛮多的，比如昆仑数据库比 OceanBase 和 TDSQL 多了向量数据管理、空间数据管理，比 TDSQL 的 AP 性能更高，等等。虽然这些差异化的部分功能，客户是否需要也因人而异，但我特别想强调一点，昆仑数据库的独特优势是对 MySQL 做深度兼容，因为昆仑数据库的存储节点基于 MySQL 研发而成，不仅仅是其他数据库产品那样仅兼容 MySQL 的协议语法，相当于** MySQL 用户的 DBA 可以直接来运维管理昆仑数据库**，上手难度很低。 雷峰网：最开始会选择什么样的客户去打磨产品？ 赵伟：比如数据量大的，单个 MySQL 实例装不下，或是 MySQL 复杂查询性能较低，或是需要比 MySQL 更高的一致性、性能，以及更可靠的容灾和故障恢复能力的客户。 雷峰网：会倾向什么行业？因为许多数据库公司可能会选择金融行业作为产品打磨的开始。 赵伟：金融的竞争比较激烈，各大厂也都挤在金融行业里；而且通常成单周期比较长。虽然金融行业有很多 MySQL 用户，但我们现在这个阶段去金融行业可能还有些太早，我们可能要做到第一百个客户再去找金融行业。我们目前还在制造业、教育、医疗、能源、交通等行业开拓。 雷峰网：那在开拓客户的过程中，会面临很多定制化需求吗？ 赵伟：会有些，但这些定制都是和数据有关的。用户有需求、产品原先没这功能，这就叫一定程度上的“定制”，但“定制”的功能是有通用性的，可以成为产品矩阵的组成部分。比如我们之前因为客户的需求增加了个功能，就是让他们从社区 MySQL 把数据动态迁移过来后，可以一段时间双库运行，还能随时增量对比校验双库数据相同。这个功能现在已经成为我们产品矩阵里的组件。 雷峰网：国内市场定制化需求会比较常见吗？ 赵伟：有的，但不能让用户做“产品经理”，在 ToB 场景，很多用户常常不知道自己真正需要什么，我们要做的就是帮他们解决业务场景的问题，帮客户设计解决方案并规划产品能力然后研发实现。同时，如果是需要浪费很多时间和人力去做的应用层定制化开发，只能给一个客户使用，缺乏通用性、不能产品化，可能就要做取舍了。 **DeepSeek给私有化部署数据库产品带来增长点** 雷峰网：现在泽拓能实现收支平衡了吗？ 赵伟：今年可能会。 雷峰网：前几年国内软件市场价格战也比较明显，泽拓会被影响到吗？ 赵伟：公有云上的价格确实比较低，比如小客户 1 核 2G 一年可能就几百块钱。一个创业公司如果还在迭代产品阶段，一年买云数据库可能就花不到一万块。云厂商有体系化的优势，可以把价格打得很低。但我们不和他们比价格，毕竟后续技术服务都有成本，我们通过产品能力和技术服务获得差异化竞争优势。 雷峰网：咱们在 2023 年完成了 A 轮融资是吗？当时是怎么打动 VC 的？ 赵伟：对，我们只做过两轮融资。投资人在 2022 年底找到我们，经过交流和对项目的深度考察，挺认可我们产品和团队。同时有个重要因素是，**我们一直把估值控制在很合理的区间**，我觉得这样做心里比较踏实。后来证明这是对的，至少投资人不会觉得价格太高。 雷峰网：那么，在您看来，DeepSeek 热潮发展起来后对数据库行业有什么影响？ 赵伟：有了更多向量数据管理的需求。我们 2023 年底把向量数据管理能力加到昆仑数据库里去，当时 PGVector 迭代很快，但 PostgreSQL 是集中式数据库，单个向量就好几 KB，一个大模型 RAG 应用假设需要管理一亿个向量，就是 TB 级数据量；而且大模型每个向量的维度很大，导致向量数据的常见计算负载非常大。集中式数据库使用单台服务器的资源，承载不了这么大的存储和计算负载。 雷峰网：那 DeepSeek 热潮对数据库公司来说，增长点可能在哪里？ 赵伟：DeepSeek 开启了国内各公司各单位可以放心大规模使用大模型的生态环境，尤其是政府事业单位、国企。大模型有个特点，比如 RAG 的向量数据包含了各个公司内部的特定领域知识，用户未必愿意把这样的数据放到云上，于是出现更多私有化部署的需求，这对数据库产品来说是个机会。因为公有云厂商还是更希望用户上云，可以减少实施成本。 雷峰网：那对于数据库的技术会提出新的要求吗？ 赵伟：向量数据的特点是数据量和计算量特别大，所以要能非常有效地管理向量数据，目前还有提升空间。这是新的赛道，前两年大家想的还是怎么把 RAG 应用基于大模型跑起来，处于产品研发和推广阶段，数据量和计算负载都不大，在成本、效率方面也没那么在意，但接下来会开始越来越重视全系统效率、成本、可靠性、性能、业务连续性等方面。 雷峰网：在您看来，像向量数据库这类专用数据库，未来发展趋势如何？ 赵伟：专用数据库也分多种，**像图数据库和关系型数据库区别非常大，甚至可以说底层算法和理论相互冲突**。以前 Oracle 试图做过 Oracle Graph，但似乎没有普及开来，因为用关系表存储图然后基于表连接实现图遍历，这样的效率太低了。另外，Redis 的纯内存数据库，其使用场景和需求以及运行的环境或条件也和关系型数据库完全不一样。所以这些专用数据库都有其特定的场景和用户群，与常见的关系数据库差异较大。向量数据是一种数据类型，可以嵌入关系型数据库里，我们在昆仑数据库中支持向量数据管理只用了不到 3 个月，因为昆仑数据库的基础能力可以支持包括向量数据在内的丰富的数据类型，我们仅需为实现向量数据的存储和计算能力即可。 雷峰网：国产数据库在 2020 年前后经历百花齐放，但 2024 年底，墨天轮中国数据库流行榜收录的数据库产品较前一年减少了大约 60 个。您怎么看待这种情况？ 赵伟：我感觉本质上可能没有两三百家数据库公司，真正活跃在社区里、官网上有产品介绍和产品发布的，**可能也就五六十个产品**。而且这其中，国内几个大厂的产品又占了接近一半。细分到每个产品类别和维度后，比如 TP 型、AP；关系、图、NoSQL、时序、JSON；内存、集中式、分布式等等，每个小分类里头的产品其实并不多。不过这些产品如果仅在国内发展，那么空间仍然会比较受限。我们对于未来的发展抱有谨慎乐观的态度，但认为国内各基础软件厂商要出海做全球的客户。 **专题介绍** 2020年前后，国产数据库创业大潮汹涌。然而，随着AI大模型的出现，人们视线的聚焦与资本的兴趣也发生转变。五年过去，国内的数据库公司现状如何？他们在做什么新的尝试？又遇到什么新的困难？本专题与一系列数据库创业公司的创始人对话，回顾近年数据库公司在商业和技术领域的探索。纵然面对数据库市场的寒冬，从业者们各有招数，怀揣着对数据库的理想与确信，走出各具特色的商业化之路。我们诚邀对此专题感兴趣的从业者共同参与讨论，或是作为受访对象分享您的真知灼见。欢迎添加微信 Ericazhao23。

 在 Python JSON Logger 包（python-json-logger）中，发现了一个严重影响版本 3.2.0 和 3.2.1 的重大漏洞，编号为 CVE-2025-27607。该漏洞因对缺失依赖项 “msgspec-python313-pre” 的滥用，导致了远程代码执行（RCE）风险。最近的一项实验揭示了恶意行为者能够通过声明和操纵这一缺失的依赖项来利用该漏洞，使得这一问题引发了广泛关注。 **漏洞详细信息** 问题源于 PyPi 中 “msgspec-python313-pre” 依赖项被删除。这一删除操作使得该依赖项名称可供任何人随意声明，这就为恶意行为者创造了可乘之机，他们有可能发布同名的恶意软件包。一旦恶意行为者声明拥有该依赖项，在 Python 3.13 环境下使用 “pip install python-json-logger [dev]” 命令安装 python-json-logger 开发依赖项的用户，就可能在毫不知情的情况下，下载并执行恶意代码。 该漏洞是由 @omnigodz 在研究供应链攻击时发现的。研究人员注意到，尽管 PyPi 中已不存在 “msgspec-python313-pre” 依赖项，但在 python-json-logger 版本 3.2.1 的 pyproject.toml 文件中，它仍被声明存在。 **受影响的版本** 受此次漏洞影响的版本为 3.2.0 和 3.2.1。为了在不造成实际危害的前提下演示该漏洞，研究人员临时发布了同名的非恶意软件包，之后又将其删除。这一操作使得该软件包名称与受信任的实体关联起来，有效防止了潜在恶意行为者利用此漏洞。 **影响与响应** 根据官方 PyPi BigQuery 数据库数据，python-json-logger 包应用广泛，每月下载量超 4600 万次。尽管目前没有证据表明该漏洞在公开披露前已被利用，但其潜在影响不容小觑。一旦恶意行为者声明拥有 “msgspec-python313-pre” 依赖项，所有安装 python-json-logger 开发依赖项的用户都将面临风险。 为解决这一问题，python-json-logger 的维护人员迅速发布了 3.3.0 版本，该版本已移除了易受攻击的依赖项。建议使用受影响版本的用户尽快更新到最新版，以降低遭受 RCE 攻击的风险。 此次事件凸显了维护和确保软件包依赖关系安全的重要性，同时也强调了在开源生态系统中，对供应链安全保持高度警惕的必要性。虽然这一特定漏洞已得到解决，但它提醒着开发人员和用户，要时刻关注潜在安全风险，并及时将软件更新到最新版本。

无需等待Manus邀请码不用花几万，即刻体验这多款computer use智能体。

 据[杭州网新闻中心](https://news.hangzhou.com.cn/zjnews/content/2025-03/11/content_8890239.htm)消息，根据《共青团中央办公厅 全国青联秘书处关于做好2025年度中国青年五四奖章暨新时代青年先锋推荐评选工作的通知》要求，经过专家评审、会议研究等差额评审，并广泛听取各方面意见，共青团浙江省委、浙江省青联确定了2025年度中国青年五四奖章和新时代青年先锋拟推荐对象。 一、中国青年五四奖章集体拟推荐对象 杭州游科互动科技团队  二、中国青年五四奖章拟推荐对象 （以姓氏笔画为序）1.王兴兴，男，杭州宇树科技有限公司总经理兼首席技术官2.米娜瓦尔·艾力，女，宁波职业技术学院党委学生工作部副部长、学生社区分团委副书记、红石榴团支部书记3.陈丽君，女，浙江小百花越剧院演员 除此之外， 共青团浙江省委、浙江省青联还选定了26位人士作为“新时代青年先锋”拟推荐对象，王兴兴、米娜瓦尔·艾力、陈丽君同步参评“新时代青年先锋”。

而这场持续近十年的品牌争夺战进行到这里，看似是围绕一纸协议的效力缠斗不休，实则不光影响着两家企业的命运走向，也牵动着国内功能饮料市场和产业链发展格局，乃至对中外企业合作商业契约精神的深层拷问。

<blockquote><p>从小米手机的极致性价比到小米汽车的价格策略，雷军似乎总能找到让用户尖叫的平衡点。本文将深入剖析雷军的营销哲学，供大家参考。</p> </blockquote>  “未来有什么不会被AI取代？” 前几天跟朋友讨论这个问题，我脱口而出：雷军。 就像三体人不懂人类的谎言一样，AI不可能像雷军一样狡猾，明明卖50万价格区间的车，只需要先炒作80多万，那50万就显得满满的性价比了。 东哥说，不要跟雷军比营销。要我说，更不该比的是人性，因为雷军真懂人性，所以才有了爆炸式的营销。 ## 懂人性，才能造口碑 雷军是悟过道的，他悟道的地方一个是帆船酒店，一个是海底捞。 迪拜的帆船酒店，号称全球高端酒店的天花板，能用黄金的地方绝不用其他材质，真“金”壁辉煌。被朋友推荐N遍以后，雷军第一次去的第一感觉是“太土了”，金是真金，但金多了就土了。 另一个是海底捞，雷军看到海底捞的服务员，都是发自内心真诚的笑容，他就问，大姐，你为啥这么开心啊？大姐说，我一个下岗女工，他们还愿意花4000块雇用我，我能不开心吗？  为什么明明是真金，结果显得土，反倒是4000块钱的工资，能激发出动力？ 然后雷军就悟了，他觉得帆船酒店“土”是因为之前将期望值吊的太高了，当见到后并没有达到自己的期望，海底捞服务员觉得4000元工资高是因为她下岗没工作。 口碑是个比较级，关键看跟谁比。高预期，很容易不及预期，低预期，反而会超预期。 没错，还记得我反复提到的公式吗？只要低预期，就容易超预期，产生口碑。  于是悟道的雷总直接将这个方法应用到价格上。 小米手机上市的时候，遍地5000多的手机，跟其他旗舰一比，1999元的价格，性价比直接拉满。这之后，小米生态里的所有产品都是一个相同的策略，配置与行业领头产品比，价格却只有领头产品的几分之一，这种性价比，还能没口碑？ 可等到小米汽车，问题来了，毕竟后发制人，连3万多的市场都有“友商”抢占了，想做性价比，恐怕只能抢小米手机的价格区间了。 可雷总自我进化了，既然没法跟友商比，那就跟自己比。先报个高价，把预期拉满，然后发布会再绝杀。结果我们看到，小米su7发布之前，一边强调真材实料，一边说价格不能低，还像模像样的开了个技术发布会，板上钉钉，不可能便宜，结果呢？这次ultra也一样，81.49万早就人尽皆知了，我甚至一度以为已经发售了，直到知道了这次发布会，结果呢？不出意外的还是出了意外，52.99万元，性价比又一次拉满。小米su7 ultra再度刷屏。  所以你看，雷军固然懂营销，但更懂人性。 可问题又来了，先把价格提高，再降低价格促进销售并不少见，比如双十一打折，比如电商售卖的商品，比如各种知识付费课程，为什么都没创造出小米这样的影响力呢？ 因为雷军明明是成功人士，却没有一丝爹味儿。 ## 难得没爹味儿 什么叫用户思维？什么是跟用户交朋友？ 第一步就要真正跟用户站在一个位置，平视用户，即便做不到平视，起码不能总想着当用户的爹吧。 当爹？这事听起来不可思议，但真就经常发生。 如果说以前没有社交媒体，平常人除了真爹以外，顶多有几个好为人师的领导和同事，总爹量也就在个位数，那么社交媒体出来以后，“人师”们如雨后春笋般冒了出来，动辄就在网上教训别人，就比如前段时间，巴奴创始人直播里提到的“月薪5000你就不要吃巴奴，哪怕吃个麻辣烫”。实话实说，人均快200的巴奴，月薪5000吃一顿确实肉疼，但咱们是买卖关系，不是教学关系，我们听老师的话是因为拿证，我们听老板和老爸的话是因为要钱，巴奴能给我们什么？  我们掏钱吃顿火锅，还得当儿子？我们普通人是穷，但我们有骨气呀！ 反观雷军，一个平平无奇的4000亿富豪、万亿企业管理者， 人明明可以说家产低于100万，买小米手机ultra都费劲，就不要惦记小米su7 ultra了，可人家说80多万价格高，我们想办法给价格打下来了，只需要5开头了。 明明天天被开门的千亿富豪、万亿企业管理者，会亲自给小米车主开门，会请小米车主吃饭。  明明可以坐在办公室里指挥底下人干活，还非要借车体验，写20多万字的体验笔记， 明明日理万机，国内国外开会，还在黄金时间开直播，讲产品故事，跟纯吃瓜的群众交流产品体验 …… 这都不是平视用户，可以说是仰视用户了。 是一边挨数落，一边掏钱，还是一边被尊重，一边掏钱，正常人自有答案。毕竟连亲子关系都要强调跟孩子成为朋友，卖个东西反而成爹了？ 人，要的不就是个态度嘛。 所以这才形成了一个循环，他正视用户，用户信他说的高价，他才能每次超预期，用户在尖叫的同时更信他。 回到那个问题，为什么雷军每次都能超预期？因为他真懂人性。 作者：杨泽，公众号：杨泽l社交式增长（ID：social-growth） 本文由 @杨泽l社交式增长 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>在AI领域，创新与突破不断涌现，而Manus的出现无疑引发了行业的广泛关注。这款由武汉“蝴蝶效应”团队推出的AI Agent产品，仅在内测阶段就凭借其自主执行任务的能力迅速走红，甚至被一些人视为“开启Agent元年”的标志性产品。然而，围绕Manus的争议也从未停止：有人将其视为DeepSeek级别的创新，也有人质疑其核心技术的原创性。本文将深入剖析Manus的背景、技术特点以及市场表现，探讨这款产品是否真的具有改变行业格局的潜力，以及它在AI Agent领域的突破与意义。</p> </blockquote>  Manus破圈的速度，又刷新了ChatGPT和DeepSeek创下的记录，内测一天之内红遍互联网！ 对于这家位于武汉，名为“蝴蝶效应”的企业来说，其实是他们第二次做出爆款产品。第一款正是在海外拥有1000万用户的AI产品Monica，年度经常性收入ARR达到了千万美金，是2024年最具营收能力的AI产品之一。 Manus则是这个团队首款AI Agent产品，在3月6日内测期间，就凭借自主执行任务的AI能力，被很多行业人士评价为“开启Agent元年”的产品。从爆红到今天，至今不过4天时间，甚至还没有公测，大家凭借几个案例展示，就将这款产品碰上了神坛，内测码最高抄到5万元。 实际上，**这家公司曾在2024年，被字节出价3000万美元收购。尽管他们最后觉得价格不够公允，而收购没有成行。**鲸哥独家多方获悉，内情是字节觉得Monica产品比较”套壳”，产品投流成本很高，留存数据不乐观，未来可能被大模型取代，自己也会推出豆包插件，所以给出的报价有点压价。 而对于Monica来说，ARR千万美金的公司，仅3倍PS（套用二级市场的市销率概念）收购，比他们上一轮估值就高出几百万，明显不符合背后投资人预期。 在移动互联网时代，公司和产品就曾卖给某独角兽。而在AI时代开启后，从Monica到Manus，新公司的产品力和执行力相当强悍，第二轮的红杉中国和腾讯等决定支持他们的进一步创业。毕竟在大厂都缺乏爆款的AI native领域，仅用少量融资做出了两款出圈产品。 尤其Manus的出圈，**伴随着惊人的褒奖，很多人认为是DeepSeek级别的创新，是开启AI Agent大门的钥匙，甚至是通往AGI之路的代表性产品；同时，也伴随着潮水版的嘲讽，很多人认为没有核心技术，就是个套壳产品；也有人阴谋是一场联合KOL的营销，国外都没有掀起什么水花；还有人认为后续开放服务成本太高，可能很难落地。** 众说纷纭之下，鲸哥也深入研究了这款产品，试图站在更客观以及更长远的视角，和大家交流下这款产品的突破与意义。 ## DeepSeek打破算力本位，Manus开启Agent元年 在3月6日，Manus产品小型发布会上。这家公司打出了“The next ChatGPT moment”的标语，形容Agent时代的大门已经被打开。 Manus够不够下一个GPT时刻，现在尚且不能够判断。已经火了一个月的DeepSeek，则证明了自己的实力。 DeepSeek在春节期间爆火出圈，是因为大家第一次体验到推理模型的魅力。真的是很聪明，很多回答深度广度和灵活性，都超出了此前大家熟知的豆包、元宝等产品。这是推理模型相比指令性模型的优势，也是DeepSeek这家公司的聪慧之处。 **2025年，大模型面临三个突破方向：大参数，多模态、推理。**第一条路，Grok 3还是强悍地通过20万张H100显卡，硬突破大模型的Scaling law，其他家则通过MoE等架构做大做强；多模态是大家主要发力的方向，国外的OpneAI，国内的字节豆包、腾讯混元、阶跃星辰等都是代表，融合DIT架构，听说看写样样精通；第三条路就是在推理侧，通过强化学习RL等方式提升模型聪明度 ，DeepSeek就是这个方向的代表，通义也很快跟进。 DeepSeek实际上更大的特点，是出色的成本控制能力，尤其此后连续开源5天的项目。也逐渐证实了这种底层设施优化的能力，打破了英伟达等公司“算力本位”铸就的科技金融秩序。 何为“算力本位”？美国的金融霸权历经三次底层逻辑跃迁：**从黄金、石油到算力，本质上是通过垄断全球核心资源重塑信用体系，维系美元霸权。** - 金本位崩塌（1944-1971）：布雷顿森林体系确立美元与黄金挂钩，但美国黄金储备不足导致体系崩溃。1971年尼克松宣布美元与黄金脱钩，美元亟需新锚定物。 - 石油美元霸权（1974-今）：美国与沙特秘密协议锁定石油以美元结算，建立”石油-美元-美债”循环：石油出口国赚取美元后购买美债，美元成为全球储备货币。巅峰时期全球86%石油贸易以美元结算，美联储通过美元潮汐收割全球财富。 - 算力本位崛起（2020s-）：数字时代算力成为新生产资料。英伟达H100芯片成为”算力货币”，2023年全球算力市场规模达2.6万亿美元，美国企业占据60%份额，算力正替代石油成为美元信用的新支柱。 大模型的惊人算力需求，背后的算力本位成就了英伟达近两年股价累计涨幅超 435%，近10年市值更是从3000亿美金涨到接近3万亿美金。 而对于Manus而言，确实尚未引起国外科技圈的震动。不能像DeepSeek那样，影响英伟达股价波动。但据合伙人张涛说公司只有50多人，用两三个月就做出了这款爆红的AI产品。  微信搜索指数对比：Manus未超越巅峰期的Deepseek 但在国内市场，Manus还是最火的AI产品，仅仅是放出了网站几个例子，就能在互联网上掀起讨论风暴。一码难求之下，很多人甚至高价求码。一个Maunus邀请码生成器的应用，甚至**3月8日冲上iOS国区付费榜第一名。** 当然，这个产品并没有什么用，却蹭到了流量。 ## Manus洞察力领先，大厂创新不足 对于大部分人来说，都没有体验过OpenAI Deep Research（高达每月200美元）来说，国产的Manus上手后，确实有些惊艳。鲸哥测试了如下问题：  像做一份具身智能报告这样的问题，第一遍在分析资料时就卡住了，要求最后做成PPT的环节无法指望了，于是第二遍要求做成文字版报告，也是在制作图表前停止了。 目前看，Manus很多时候还无法了解和控制自己的能力，经常贪多嚼不烂。 从原理上来说，Manus并不复杂。Manus 是整合了 Computer use、虚拟机、Multi agent 协同的AI产品。  注：来自宝玉AI 但Manus最重要的突破，是相比于自动化编程软件Devin和bolt.new，实现了通用领域的Agent的产品化落地。 此前曾在这家公司工作过的员工就社媒上提到，这家公司工程实践和agent workflow的积累很深厚： <blockquote><p>23年9-10月首次在国内推出agent，这里面的todolist.md都是当时学习了各家agent方案之后的最佳实践。</p> <p>24年3月做gpts平台，24年初开始一直就在做浏览器的技术积累，积累大量对浏览器context利用的理解。</p> <p>23年11月开始做搜索，对于agent联网获取信息的能力也是有积累的。我没参与的部分。</p> <p>24年7月份通过roast获取社交流量的增长经验。</p> <p>24年11月coding产品中对于各模型coding能力的理解。</p> <p>Erix</p></blockquote> **“确实每件事都是相对薄的一层，但这些积木在这个窗口形成的组合创新足够强也是事实。”**这位员工如此在评价。 鲸哥认为，Manus最成功的是超越大厂的产品洞察力。 蝴蝶效应创始人肖宏作为连续创业者，此前推出的“壹伴插件”是千万收入的微信插件产品（鲸选账号的新媒体运营也在付费使用），此后抓住企微 SCRM 风口做了微伴助手，AI 风口来了又做了大模型集合产品Monica，现在 AI Agent风口来袭、又推出了Manus。 尤其连续两个AI native产品的成功，很不容易。强如OpenAI，实际上除了ChatGPT 外，其余产品也并不成功，很多都处于半成品状态，比如GPTs、SearchGPT、DALL.E、Whisper等等。 现阶段国内大厂的AI产品，则普遍缺乏一些创意。从AI 社交到AI搜索，以及AI Coding产品，都是人有我有的产品。  本图由腾讯元宝AI生成 而蝴蝶效应公司，在利用Monica抢占了AI插件第一波红利后，又率先在Agent方面做出第一款成熟的产品。**在山姆奥特曼分享的AI五个阶段中，L1(聊天机器人)、L2(推理者)、L3(智能体)，Manus成功卡位L3阶段初期破圈产品。** 尤其他们“Less Structure more intellingence”的理念，让他们放弃了AI 浏览器这条卷不过大厂的路，也让其发现了新生机。 至于这波是不是营销杠杆产生的出圈效应，鲸哥认为不是这样。 此前，Monica发布中文版，曾和KOL有过一波合作，就是通过KOL发放免费的会员使用额度。Manus在要求KOL参加小型发布会交流时，确实和大家说了是“全球首款通用型Agent产品”形容词，我了解到没有合作推广的KOL。 估计Manus如果没有大反响，也会和Monica一样通过KOL发布免费token额度，现在看肯定不需要了，但从前文的微信搜索指数看，也火不到DeepSeek的程度。 心资本Soul Capital合伙人吴炳见曾形容：Deepseek破圈后，社会确实被事实教育了，大家开始卷技术水平了——如何改良Attention，如何提升MoE，如何FP8和FP16混训。再进一步，是卷原创水平——谁能创新出下一代模型架构，谁能发现下一套训模型的方法。 所以从这个角度讲，Manus也让大家的产品策略，卷回到前沿创新领域，关注2025年AI应用/Agent元年后，大家能做出怎样的创新产品，而不是AI助手的投流大战。 ## 套壳不影响，成功却还很远 现阶段的AI 产品，本质上并没有核心的壁垒和竞争力。产品理念很难被注册为专利，工程化能力则是大厂最擅长的地方，所以此前鲸哥就曾在小红书上提到，猜猜看哪家大厂做出类似的产品。 但讲道理，Manus相比之前的一些通用Agent产品，比如OpenAI的Operator、Anthropic的Claude use 、腾讯的APPAgent，Manus算是一个工程交付完善度更高的Agent产品。 然而，完善度并不是一个产品很高的壁垒。在Manus爆火后，MetaGPT 团队花费了 3 小时开发了 OpenManus 并开源。 在Manus探索出来了实际需求、优化技术工程路径，不断完善产品功能细节后，外界“半开卷”抄一份作业确实并不难。半天就被复刻，那Manus就没一点壁垒了吗？  某投资人因为套壳论失去投资Perplexity机会 如今数不清的AI搜索产品，并没有影响Perplexity的发展。原生的产品理解，会帮助Perplexity不断更新更好的功能点，而其他同类产品只能后面跟进复刻。 对于Manus来说，同样也是如此。**现阶段可能最需要解决的是，接受一家大厂的融资。毕竟不公开测试，原因就是服务器接纳能力不够。** 在媒体沟通会上外放的消息显示，Manus团队也给出了单任务运行的成本：约两美元。成本已经低到DeepResearch的1/10，但单任务成本依然高达近15元的价格。这也是Manus 采取小范围发放邀请码的原因，就这还造成了内部的系统崩溃。 接受大厂融资，不仅是资金，更重要的是大模型API 的低成本供给。据参加沟通会的媒体消息，Manus核心调用的是Claude模型，外加一些通义开源大模型的微调。未来是否会接受阿里、腾讯或者字节的投资，类似Kimi那样资金+资源的投资呢？ 这样才能让Manus以低于千元的年费，推出订阅会员服务。否则高于这个价格，可能会成为少部分专业人士的玩具。 **另一方面是完善产品细节和服务能力，快速迭代才是保证生命力的根本。** 目前Manus生成一份回答还十分漫长，很多任务还是会崩溃。Manus需要在产品化上做出更多心思，而不是Manus产品负责人张涛所言：“真的非常简单，就是没有秘密，就是相信模型的力量。” 模型是基础，产品细节是服务能力。比如Claude 3.7 Sonnet在代码编程能力再次打破天花板，但是Cursor凭借代码自动补全方面的优势，还是能吸引大家付费订阅。 更重要的是，**MCP（Multi-Agent Communication Protocol）聚合模式已经在呈现很高的成长性。这也是Manus未来应该采用的发展路径。** 从大模型进化速度看，内置agent可能也是个趋势。未来GPT 5如果能实现推理和指令模型融合，多模态能力以及内置Agent，可能会强大到出乎意料。国内大厂应该也在跟进这条路线，这之前，Manus需要跑出用户和营收规模。 ## 小结 DeepSeek打破大模型领域的唯国外模型成功论，以及极低的成本落地能力，让大家相信，东方神秘力量有冲击全球科技金融秩序的能力。换句话说，DeepSeek 以一己之力让中国拿到AI竞争门票，直接让全球投资者对中国资产杀估值的时代结束了。 而对于Manus而言，展现了AI native最强的形态，不是千篇一律的Chatbot，也不是像个木马似的AutoAgent，而是更多场景有用，也有希望落地。 **说高点，他或许能成为下一个AI时代的微信，但可能影响不了国外的Facebook等产品更受欢迎。说低点，开启了大众对Agent的认知，给了众多初创团队继续造梦的信心。** 作者丨鲸哥 本文由人人都是产品经理作者【AI鲸选社】，微信公众号：【鲸选AI】，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>随着大语言模型的发展，越来越多的人开始关注其在产品领域的实际效果。这篇文章将深入探讨大语言模型在产品开发中的应用，分析其优势和局限性，并通过实测数据来评估其实际效果。</p> </blockquote>  大年初八，年后上班的第一天，我就收拾行囊，直奔客户那儿去，准备扎营开干，全力搞出个大语言模型的产品应用来。 为啥要这么着急跑客户现场来开发呢？原因有两点： 一是我们要做这个产品，必须要有数据，要不大模型的准确度上不去，做出来个60分的产品，对客户根本谈不上提质增效，大概率会被嫌弃。 二是客户比我们着急，寄希望于我们把产品做出成效，好圆前期吹出去的牛，堵上同行质疑的嘴。 说实在的，过去一两年大模型的横空出世，人工智能那是火得一塌糊涂，各行各业都发起了一场场的AI竞赛。 大家都想着抢先一步，宣传自家用上AI的产品之后，到底牛成啥样了。 正因为大家都相信AI可以极大提升效率，可以替代人力，可以解放生产力。所以，都一股脑儿地扎进用AI做产品的浪潮之中。 不过啊，有些人宣传得太过头，花了几百万做出来的东西，结果还是一个小学生的水平，别说替代人力，还得花更多的精力去“批改”它的作业。 说到客户，他们对AI的预期其实各不相同。 有些客户从来就没有用过AI的东西，也不确定这东西到底能干啥，你整个AI的产品给他这么一试，他会觉得非常的神奇。“哎呀，居然写出来的东西看起来还可以，是那么回事。” 而另外一些客户呢，因为一直在做AI方面的产品的尝试，心里大概也知道，AI能做啥，水平几何。所以，当你提供给他的产品，还是只有六七十分的水平，他就会比较失望。因为在他的预期中，AI必须要替代人力，解放人力，别的地方都是这么宣传的，都已经到了这么牛的地步，你家的产品还得让人伺候着，那哪行啊！ 言归正传，当前阶段，绝大部分尝鲜用上AI的客户，其实都是死鸭子嘴硬，60分的效果硬是要吹出90分的成效。 搞得大家对AI的预期都上了一个台阶，就如同明明你家的孩子只能考60分，你却说考到了90分，这下子大家都相信这个孩子可以上一个好学校。但只有你心里清楚，就这水平，高中估计都上不了。 而我们呢？匆匆赶赴客户现场来做项目，就相当于要给这个孩子上一个强化班，短时间内要把他的成绩从60分提升到80分，这样好歹也算是个“学习成绩好”的孩子了。 接下来，我就来简单分析一下我们用AI做出来的这个“孩子”到底能考得怎么样，哪些“题”擅长，哪些“题”还不行。 ## 计算题——100分 说到计算，大模型那可是个中高手，尤其是那些需要按照各种规则来推算的业务，对它来说简直就是小菜一碟。只要你把计算规则梳理得清清楚楚，大模型就会输出准确的答案，并且可以给到你解题的步骤，让你看得明明白白。 拿司法领域常见的量刑计算来举例： 基本案情：张三，男，25岁，2000年1月30日生，民族：汉族，身份证号：43*****56，文化程度：初中，政治面貌：群众，户籍地：西虹市经开区前进村90号，现居地：西虹市高新区广阳村1栋2单元101。犯罪嫌疑人张三有多次盗窃前科，最近一次因为盗窃罪被判处有期徒刑2年，于2023年4月4日刑满释放。2025年1月20日晚上23时许，张三独自一人来到西虹市高新区广场路停车厂，以“手拉车门”的方式盗窃了李xxx放置在小车内的现金1000元和2张银行卡。 问：张三应该如何量刑？ 答：张三盗窃金额为1000元，属于数额较大的范畴，且没有其他严重情节，因此，其基准刑应在三年以下有期徒刑、拘役或者管制，并处或者单处罚金。 大模型的这个计算过程就是基于法律条款的明确规则，根据其犯罪的情节加以分析，得出的答案。 ## 填空题——90分以上 这里说的填空题，就是能从文书中精准抓取“要素字段”。别以为它只是简单检索关键词做匹配，现在它已经聪明到能理解语意了，意思相近的描述它也能秒懂。 继续以张三盗窃案子来举例： 这一次，我们要求大模型从张三的案件描述中提取相关的信息。 问：请帮我提取出犯罪嫌疑人张三的基本信息，包括：姓名、年龄、性别、民族、身份证号、文化程度、户籍地、犯罪时间、犯罪地点、盗窃金额。 答： - 姓名：张三 - 年龄：25岁 - 性别：男 - 民族：汉族 - 身份证号：43*****56 - 文化程度：初中 - 户籍地：西虹市经开区前进村90号 - 犯罪时间：2025年1月20日晚上23时许 - 犯罪地点：西虹市高新区广场路停车场 - 盗窃金额：1000元 几乎是100%的准确，为什么我认为效果只能达到90分以上呢？它也有“犯迷糊”的时候。 从我做产品的实践经验来看，这里主要受限于如下两个方面： - 有一部分的文书材料是照片或扫描、复印出来的，文字会存在不清晰、有折痕、有印章等情况，导致大模型识别出来的文字内容可能会出错，间接导致了提取效果不好。 - 存在一些文书的描述表达不够清晰、准确或有错别字的情况，我们自己去阅读是能发现和理解的，但大模型还理解不了，也就可能准确率降低。 这也引申出一个思考：我们看到的绝大部分的产品宣传那些“天花乱坠”的效果，都是在理想条件下测出来的。现实里，啥奇怪事儿都能遇到，产品效果自然就得打点折扣 ## 阅读理解——70分 我们有很多的产品功能，其实是需要去做数据分析、业务流程规范（预警）、关键信息的摘取，这些功能都涉及到需要让大模型帮我们去做信息的分析总结。 比如，针对上述的张三案件，检察官要去做社会危险性的评估（分析下张三有没有存在危害社会的可能性），以决定是否要逮捕张三。其中，有一个评估指标是：在案发地有相对固定的工作或住所。 问：请帮我提取出张三案件中涉及到社会危险性的相关指标内容？ 在大模型给出的回答中，就没有给出“在案发地有相对固定的工作或住所”。 我继续问它，为什么没有呢？ 它回答的逻辑是：内容中并没有明确告知张三有固定住所或工作。 也就是说，对于一些信息的理解，大模型有时候还是比较死板，还达不到我们看到一个信息，可以直接推导出结论，你需要给他更明确的提示，才有可能给到你想要的答案。 ## 写文章——60分 说起用大模型来写文章，那可真是不少人的“救星”啊！毕竟，写文章这事儿，对很多人来讲，就已经是生活中少有的“地狱”级任务。但用上大模型，居然写的这么好，简直“神”了。 不过，日常办公或生活里，想发表点啥，用大模型写写，完全没问题。咱们也不求它写得多么准确无误，多么精彩绝伦，只要能给点修改意见，或者启发点思路，就知足了。 但是，如果要依赖大模型生成的专业的内容当前来讲，还是很难达到。 继续以上面的张三案件来讲，我们当前就是在用大模型去帮助检察官做《起诉书》、《审查报告》等法律文书的生成。 依靠开源的大模型，是可以达到60分的效果的。 但要想让大模型写得更好，那就得下点功夫了。得不断优化提示词，还得给它喂更多的法律文书数据，让它变得更“聪明”，更懂咱们的法律行话，更像一个有资深办案经验的检察官。 总的来说，大模型在规则计算、要素提取、内容摘要、文书生成这些方面，已经算是60分以上的“好学生”了。但要想让它考到80分，那还得定向训练，喂行业数据，调整提示词，加各种约束条件。 作者：武林，公众号：肖武林 本文由@武林 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。