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

vivo X200 Ultra发布，手机长焦拍摄首次支持物理增距镜。

在合资品牌新能源集体掉队的当下，东风日产试图打破沉寂。

别克“至境”品牌正式发布，超级融合架构“逍遥”首发，合资新能源高端市场终于迎来“中场战事”。

“越来越有夏天的感觉了，一口果茶秒入夏”。谷雨过后的暖风掀开了茶饮换季热销的帷幕。 面对茶饮上新高峰，有网友发帖表示，美团美食频道近日面向平台的黑钻会员低调发放了一批茶饮快餐“0元券”，权益持续至五一假期，助力消费者换季尝鲜，假期出游消费。  美团数据显示，4月20日以来全国饮品类订单量位居稳居餐饮各品类第一，其中“果蔬饮品”“抹茶饮品”“鲜果冰茶”等更具夏季感的茶饮搜索量周环比激增110%。品牌商家也紧跟季节变换的步伐，上线一批新饮品。 4月以来，瑞幸、爷爷不泡茶、茉莉奶白、茶救星球扎堆推出冰茶新品，有的刚上架 3 天就卖断了货；喜茶推出的木姜子滇木瓜新品周末时段部分门店时常售罄；肯德基推出"夜宵小食百宝箱"，将饮品与鸡架、香肠组合销售，满足年轻人深夜猎奇心理；奈雪的茶推出3款毛豆系列新品，搭配豆豆毛绒公仔，带动线上相关团购订单增长。 美团美食团购产品运营相关负责人分析表示，4月中旬后天气转热，茶饮消费逐渐起量，5月进入旺季，新品数量也会出现猛增，最近一周，上线新品团购的茶饮商家数量已经较上月同期增长近30%。今年消费者更加注重健康管理，低糖低卡的果蔬类茶饮、咖啡新品占比显著提升，毛豆、南姜、百香果等独具地域特色的云贵食材成为新宠。与此同时，茶饮的佐餐属性日益凸显，与炸鸡、烧烤形成完美CP，有望成为夏日夜场里的消费新搭子，茶饮+餐包、茶饮+炸鸡等套餐供给上架数量将进一步增长。 眼下，茶饮消费进入换季高峰，不少用户会通过美团App会员中心领取黑钻会员专享的美食团购“0元免费吃”权益。记者体验发现，领取权益后，可以直接0元下单会场内的任意餐品，规则显示，权益限时有效、横跨“五一”假期，每位会员可享受一次，下单的团购券并不限制核销时间，部分饮品快餐还支持美团团购的“秒提”服务，到店前可提前点单免排队。 多个热门大牌的套餐非常有吸引力，比如霸王茶姬“伯牙绝弦”“花田乌龙”“桂馥兰香”明星单品，0元即可任选2杯；奈雪的茶“浓抹干酪香水椰”新品，0元可以获得3杯；还可以0元下单麦当劳经典双人餐，吃到巨无霸、麦辣鸡腿堡2个汉堡、3种小食；瑞幸复购热门“小黄油拿铁”、限定新品“鲜萃轻轻龙井”等20种人气单品三杯任选，也只需0元。 据了解，美团在3月31日升级了全新的美团会员体系，覆盖吃住行游购娱医等全生活场景。本次0元畅吃权益仅面向平台的黑钻会员限定开放，是平台会员权益上新的组成部分，旨在给平台的黑钻会员在夏季餐饮消费旺季来临前，提供契合需求的当季福利。

<blockquote><p>B端表单标签的对齐方式对用户体验和界面设计至关重要。本文深入探讨了不同表单标签对齐方式的优劣势及适用场景，包括行内标签、顶标签、左标签文字右对齐和左标签文字左对齐等，帮助设计师在实际工作中做出最佳选择，提升表单填写效率和用户体验。</p> </blockquote>  表单作为B端系统最常见的组件之一，一些常见的do、don’t想必大家已经十分熟。今天我们唠一唠【表单标签】这个细节。 在一些成熟的组件库中，大都提供了上下布局的顶标签、左右布局的左标签等样式可供选择。左标签样式，在不同的产品中，又存在标签文字左对齐、右对齐的情况，那它们之间差异在哪呢？如何选择呢？ 最近工作中，正好在梳理相关的规范，于是把自己的一些思考及处理经验整理了一下，分享出来～ 先对齐一下语言：表单标签、表单域。  会从这几个维度进行比较，放一个简易版表格，下文细说。  ## ① 行内标签  优势： - 浏览速度快：可用性测试结果显示，行内标签样式下，人眼从标签移动到域的时间仅为10ms，是几种样式中最快的。视觉路径一路向下，很流畅。 - 标签文字弹性宽度大，可与域等宽。 - 节约空间：标签、域合二为一，不单独占空间。 劣势： 用户操作阻塞：如输入框聚焦，输入内容时，行内标签隐藏，用户操作会受阻。 使用场景： 一般用于用户心智已经十分成熟的页面，比如登录页、注册页等。 ## ② 顶标签 优势： - 浏览查看、填写均有优势：标签与域的距离接近，同时符合用户从上到下的视觉动线，操作会很连贯、流畅。 - 标签文字弹性宽度大。 - 页面横向空间节约。 劣势： Y轴屏效低：对页面纵向空间的利用率会比较低。 使用场景： - 适合移动端表单填写场景。 - 适用于英文等语言场景，相同意思下需要更多的字符表示，宽度更宽。 - web端页面两侧狭长工具栏。 - 希望用户快速填写表单且录入项数量不多时，比如，将复杂的长难表单拆解分步骤填写，每一步骤表单用顶标签表单。 ## ③ 左标签 文字右对齐 优势： - 填写优势：标签和域的距离比文字左对齐更近，视觉关联较明确，便于用户填写。 - 提升Y轴屏效：较于顶标签，节省页面纵向空间。 劣势： - 影响阅读效率：文字右对齐导致左侧参差不齐，不利于快速浏览表单。 - 标签文字弹性宽度小：标签文字需精简，超过规定宽度出现换行，不适合狭长的空间场景。 使用场景： - 常用于web端表单填写场景。 - 页面纵向空间紧张，但又需要保证填写效率时使用。 - ## ④ 左标签-文字左对齐 优势： - 快速查看优势：标签文字左侧对齐，方便用户从上到下快速扫视表单整体情况。 - 提升Y轴屏效：相较于顶标签，节省页面纵向空间。 - 相较于文字右对齐视觉上更规整。 劣势： - 标签与域的距离最远，人眼从标签移动到域的时间为500ms，视觉动线频繁跳动影响填写表单的效率。 - 标签文字弹性宽度小：标签文字需精简，超过规定宽度出现换行，不适合狭长的空间场景。 使用场景： - 敏感数据表单填写：希望用户进行仔细阅读确认、放慢填写速度时使用，比如，准入资格认证等场景 - 陌生数据表单填写：表单中含有大量可选的表单域、大量需要高级设置的陌生数据时，或问题无法被分成易处理的内容组，左对齐标签更易于用户多次浏览阅读标签信息。 - 表单详情查看场景。 - 表单域也分左、右对齐，常见于移动端，两种对齐方式也一起对比一下。 ## ⑤ 域-右对齐  优势： - 标签文字弹性宽度大、更灵活。 - 视觉上两端对齐，填写时不容易漏填。 - 纵向空间利用率高。 劣势： - 标签与域的距离远，视觉跳动影响填写效率。 - 使用场景： - 移动端表单填写。 - web端两侧狭长工具栏，两端对齐会更美观。 ## ⑥ 域-左对齐 优势： - 相较于域右对齐，标签、域距离更接近，视觉移动速度更快，从上到下的视觉动线更舒服。 - 纵向空间利用率高。 劣势： - 选择器等类型的表单域，提示图标距离选项较远。 - 标签文字弹性宽度小，需要宽度限制换行显示。 使用场景： - 移动端表单查看/填写。 本文由人人都是产品经理作者【Clippp】，微信公众号：【Clip设计夹】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在当今竞争激烈的市场环境下，用户画像成为了企业了解客户、制定营销策略的重要工具。然而，许多企业在制作用户画像时存在诸多问题，导致画像无法有效推动业务行动。本文深入探讨了用户画像的常见问题及其原因，并提供了实用的方法和标准，以提升用户画像的价值，助力企业精准营销和业务增长。</p> </blockquote>  用户画像人人都在提，可真给了一堆“性别，年龄，消费频次……”以后，又能发挥啥作用？到底怎么做才能更有价值？今天一篇讲清楚。文章较长，同学们记得先点赞哦 ## 1  用户画像常见问题 一提到用户画像，很多同学都给这些： <blockquote><p>● 男女比例4:6<br/>● 30岁以上占比40%<br/>● M：平均年消费500元<br/>● F：平均一年消费6次<br/>● ……</p></blockquote> 这种东西给出来，很容易换来一句：你分析了啥？？？看完得不到任何结论。于是有同学会标注上：“这个用户买了1次500元，5天没卖了，所以得让他买！”……结果换来更猛烈的吐槽： <blockquote><p>● 你说他买他就买呀！<br/>● 买啥产品？<br/>● 在哪里买？<br/>● 咋通知他买？<br/>● 他要是本来就会买呢！</p></blockquote> ……被轰的晕头转向…… 到底问题出在哪里？ ## 2  报告没用的原因 最大的问题：单纯罗列用户标签，没有判断标准，无法推动业务行动。比如男女比例4:6，所以呢？这个比例合理吗？不合理吗？没有明确判断。 况且，业务部门对用户情况有一定的预判。比如：“我们的目标用户以女性为主”，即使不看4:6，他也知道是女性多，看到6和感觉差不多，自然会说：“我早知道了”。  第二大问题在于：仅靠少数标签组合，很难推动业务行动。比如“因为用户消费了1次500，所以得让他消费600 ”。只考虑了消费频次，金额，对于怎么推送信息、用什么产品、用什么活动，没有细致考虑，就会让业务难以下手。 就像你去吃面，进了面馆喊一声：“老板一碗牛肉面”，老板大喝一声：“不！你不要一碗！我们的人工智能高级大数据分析师说你需要2碗！给我吃！” 请问这时候你是啥心情…… 所以破局的关键只有1个，就是：找标准。让数据表达含义，不仅仅是一串数字。 ## 3  提高画像的有用性 首先要区分场景。如果是第一次汇报，是可以用开头被猛烈吐槽的方式的。因为第一次汇报时，领导/业务方对用户情况毫无了解。这时候事无巨细地列一堆数据，是很有帮助的。能够让大家详细了解情况，建立认知。 但是从第二次汇报开始，就不能这么平铺直叙了；对那些已经了解情况的业务方，也不能直接这么丢大白话，我们找判断标准。常见的找法有这三种： ### 1、从问题找标准。 ### 如下图所示，聚焦到一个明确的用户问题（比如流失，提升消费）上，先找到问题大的群体，再和其他没有问题的群体对比 ▌ ### 2、从目标找标准。 如下图所示，先明确：我们想做大XX类型的用户，有个清晰的目标人群后，其他人群和该群体消费力差异，活跃度差异自然浮出水面。  ### 3、从业务找标准。 如下图所示，每个业务，到底想做到什么水平?当前业务，到底想以哪个群体为主，先清晰出来，之后围绕核心人群画像展开分析。  找到标准，清晰定义目标用户后，可以进一步看用户标签，形成业务行动思路： - 来源渠道标签→ 哪里能获得更多类似客户 - 最近1次消费品标签+R标签→  识别用户补货需求 - 高频消费品标签→ 识别用户消费偏好 - 高频点击内容标签→识别用户内容偏好 - 推送信息响应标签→识别信息推送渠道 每一类标签打法，之前有详细介绍，这里就不赘述了 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在当前国内企服市场遇冷、超六成厂商亏损的严峻形势下，需求管理成为企业突破困境的“生命线”。本文深入剖析需求管理的核心要点，从搭建动态需求池到运用科学的优先级决策方法，助力产品经理精准把握产品迭代方向，提升团队效率与质量，从而在激烈的市场竞争中脱颖而出。</p> </blockquote>     在国内企服市场的寒冬期，行业数据显示超 60% 的厂商深陷亏损泥潭。此时，需求管理成为企业破局的 “生命线”，精准把握产品迭代方向、提升效率与质量，是在残酷竞争中抢占市场的关键。产品经理每天都要直面用户反馈、市场变化与业务诉求的 “需求风暴”，需求管理能力直接关乎产品存亡与企业盈利。 然而，现实却满是荆棘。众多团队深陷 “需求沼泽”，季度需求停滞超百个、无人认领的需求堆积成山，更有甚者，关键需求被搁置半年，导致客户投诉不断、运营质疑声四起，因需求遗漏造成的客户流失屡见不鲜。需求池乱象丛生，未经筛选的需求肆意堆积，紧急需求打乱战略节奏，资源在低价值事务中不断消耗。某头部互联网产品因需求优先级误判，过度开发非核心功能，致使核心用户流失 20%，损失超千万，这警示着需求管理失误足以动摇企业根基。 面对需求池这个产品迭代的 “战略枢纽”，多数产品经理常陷入 “需求爆炸却无从下手” 的困境，优先级混乱带来的资源浪费也令人头疼。 本文将通过剖析需求池动态管理机制与科学优先级决策方法，助你搭建高效需求管理体系，轻松从入门到精通。   ## 01需求管理 需求管理的重要性与必要性正以一种前所未有的态势愈发凸显。它宛如一台精准无比的导航仪，在错综复杂的商业航道中，为企业明确前行方向，引领其坚定不移地驶向成功彼岸。精准把握需求，就像是握住了企业发展的关键密码，能从源头上有效规避资源的无端浪费，将每一份人力、物力、财力都用在刀刃上。 ### 一. 搭建需求池 需求池并非简单的需求列表，而是一个动态平衡系统。它需要持续收集、过滤、更新需求，并根据产品目标、资源限制和外部环境变化进行实时调整。其核心价值在于： 统一需求入口：避免需求分散在邮件、聊天记录等碎片化渠道中； 透明协作基础：为产品、研发、测试团队提供一致的需求视图； 灵活应对变化：通过动态调整优先级，快速响应市场与用户反馈。 搭建需求池，可采用Excel或云文档等工具，也可以采用专业管理系统，如Redmine、Trello、Jira等工具，结合自身实际情况选择适合的工具。     ### 二. 需求管理要求 搭建需求池后，也要对需求管理提出相应的要求，需把握以下原则： 完整性：要广泛收集不同渠道、不同客户反馈，也要包含竞品动态、内部优化建议、老板需求等，避免需求盲区； 标准化：采用统一需求模板，精准描述需求，降低沟通成本，大家都要遵照执行； 可追溯性：详细记录需求提出者、背景、进展及变更过程，确保需求全程透明； 及时性：收到需求时，要及时进行登记，一般情况下，要求产品经理接收到需求后，在2个工作日内，要及时掌握用户对需求的态度，清楚客户接受/拒绝的理由。 需求池不是一成不变的，是动态的，因此对于获取的需求要定期的更新和维护，以便能够相对准确的了解需求的情况。同时建议每周开一次需求复盘会议，掌握需求进展情况，识别问题和风险等。     也可以通过制作一个需求管理视图，从责任人需求分布、需求状态分布、需求版本的分布等，便于了解需求的情况。 有了需求池后，接下来很重要的一件事情，就是结合相关资源进行产品规划，产品规划最重要就是确定需求优先级。 ## 02 需求优先级排期方法 在需求管理中，需求池管理的一项重要工作是需求优先级排序。合理的优先级排序方法，能帮助企业聚焦核心需求，优化资源分配，确保产品或服务的开发更贴合市场需求与企业战略。接下来，给大家介绍需求优先级排期常用方法。 ### 一. 卡诺（ KANO）模型 卡诺需求分析法由东京理工大学教授狩野纪昭创立，是精准分类和排序用户需求的有效工具。它通过剖析用户对产品功能的满意程度，对功能进行科学分级，从而明确客户需求实现的优先级。 基础型需求：堪称用户的 “痛点”，若缺失，用户满意度将大幅下滑；即便优化，满意度也难有显著提升，属于产品必须满足的基本功能。 期望型需求：即用户的 “痒点”，提供这类需求能提升满意度，反之则会降低，需求与满意度呈正相关。     兴奋型需求：是用户意想不到、难以表述的潜在需求。不提供时，用户满意度不受影响；一旦提供，满意度将大幅跃升。 无差异需求：无论有无，用户满意度都无变化，企业应尽量规避此类需求，避免资源浪费。 反向型需求：用户原本无此需求，提供后反而导致满意度下降。 以智能手机为例，通话和短信功能是基础型需求；高清摄像头、长续航能力属于期望型需求；而最初的面部识别解锁，就是让用户惊喜的兴奋型需求；一些极少使用的冷门小工具可能是无差异需求；若强制用户接受频繁广告推送，就成了反向型需求。掌握卡诺需求分析法，能帮助企业更好满足用户期待，提升产品竞争力。 ### 二．矩阵分析法     矩阵需求分析法是一种高效梳理需求优先级的工具。它以 “重要性” 和 “紧迫性” 为坐标轴，将需求划分为四个象限： 重要且紧迫：必须立即处理，如电商平台支付系统故障 重要但不紧迫：需长期规划，如用户体验优化 不重要但紧迫：可委托他人处理，如临时会议安排 不重要也不紧迫：可暂时搁置，如非核心功能迭代 例如，某 APP 发现登录页面频繁崩溃（重要且紧迫），应优先修复；而界面 UI 改版（重要不紧迫）可安排在后续版本；用户反馈的某个小众功能需求（不重要但紧迫）可交由客服跟进；新增趣味小工具（不重要不紧迫）可暂缓开发。通过这种方法，团队能清晰规划工作优先级。     ### 三．价值分析法 需求价值分析法是通过 “需求价值” 与 “成本” 双维度评估需求优先级的实用工具。以需求价值为纵轴，考量用户增长、覆盖规模与盈利潜力；以需求成本为横轴，聚焦开发耗时、资源投入和预算消耗，最终形成九格矩阵。 需求价值：获取更多的用户，满足更多的用户，赚取更多的钱。 需求成本：花最少的时间、最少的资源、最少的预算。 高价值低成本的需求位列优先级顶端，例如短视频 APP 推出 “一键生成节日主题视频” 功能，利用现有技术框架，仅需少量开发资源，却能吸引大量用户、提升活跃度，属于典型的高性价比需求；而开发复杂的 3D 虚拟试衣间，不仅成本高昂，用户实际使用率低，则应暂缓推进。通过该方法，企业能精准筛选高价值需求，实现资源高效配置 。     ### 四. 马斯洛需求分析法 马斯洛需求分析法以美国心理学家亚伯拉罕・马斯洛提出的需求层次理论为基础，将人类需求从低到高按层次分为五种，分别是生理需求、安全需求、社交需求、尊重需求和自我实现需求。低层次需求如生理、安全需求，是人类生存的基础，与动物本能相似；高层次需求如尊重、自我实现需求，则彰显人类独特的精神追求。 这些需求呈阶梯状分布，只有当下层需求得到满足，上层需求才会成为主导动机。 因此，产品应该先满足用户的低层次需求，其次才是高层次需求。     以手机产品为例，稳定的通讯功能、基础续航能力满足的是用户的生理需求；支付安全防护、隐私保护对应安全需求；社交软件适配、多人互动功能满足社交需求；个性化外观设计、高端品牌定位满足尊重需求；而强大的创作工具、专业级性能，则助力用户实现自我价值，满足自我实现需求。 ## 03小结 好的产品管理，是让需求自然生长。那些在寒冬里活下来的产品，不是因为收集了更多需求，而是更懂得倾听用户呼吸的节奏。需求池不该是表格堆砌的仓库，而应像河流——既有源头活水，又能沉淀泥沙。     优先级不是排期游戏，是看见用户在不同场景下的真实状态，同时是利用资源最大化选择的结果。 定期清理需求池，像修剪一棵树。砍掉多余的枝桠，阳光才能照到真正重要的果实。记住，最锋利的需求永远藏在用户没说出口的叹息里。 这套方法论的终极意义，是让产品人在需求风暴中保持清醒：既俯身拾捡珍珠般的真实需求，又抬头看见产品战略的整片森林。唯有以动态管理持续过滤、校准、生长，才能让团队在残酷竞争中，用精准的需求支点撬动最大的用户价值。 本文由人人都是产品经理作者【简单有道】，微信公众号：【简单有道】，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。

 开发商 Sensory Patch Games于4月21日宣布推出水族馆模拟游戏《鱼我一起: 水愈时光》（With Me: Aquatic Time），预定2025年第三季度在Steam发售。 游戏预计4月底推出试玩版，届时可以现行体验一下这款颇为治愈的游戏。 steam商店页：[点此前往](https://store.steampowered.com/app/3395760/_/)  展示了超过300种真实鱼类，可以将它们放在水族馆中。通过添加水生植物、浮木、石头、沙子等来定制水族馆环境。还可以设置背景风景，并且可以创建多个水族馆并分别保存每个水族馆。 该应用程序还配备了时钟和番茄钟等时间管理工具，辅助使用者高效完成工作。此外，还有播放舒缓的背景音乐和白噪音的功能，感觉是一个放松和观看鱼儿游过的好地方。  

两大商业逻辑的碰撞。

4月18日，由36氪主办的2025 AI Partner大会于上海模速空间盛大启幕。本次大会以“Super APP来了”为主题，聚焦AI应用对千行百业的颠覆性变革。大会分为“Super App来了”和“谁是下一个超级应用”两大篇章，覆盖“在AI世界中长大”“2025卷AI就卷超级应用”等七大话题，涵盖10+场主题演讲、3场圆桌对话与两大优秀AI案例企业名册发布环节，深度剖析AI技术如何重构商业逻辑、重塑产业格局，探索AI超级应用带来的无限可能。 2025年初，DeepSeek和Manus的爆火，拉开了AI市场的序幕。在模型能力有代际提升时，毫无疑问，今年AI应用会再次迎来爆发，而AI原生应用的概念、落地路径，也会经历一场刷新。 在AI Partner大会现场，包括趣丸科技联合创始人龙玲，微软首席产品设计师刘妍、硅基智能联合创始人兼高级副总裁陈莉萍、慧策解决方案首席专家高级副总裁李森，共同参与了名为《2025年，AI应用的超越之年》的圆桌讨论。  图源：36氪 ## 以下为圆桌实录，经36氪整理编辑： 邓咏仪：大家好，欢迎来到今天的AI Partner大会，我是36氪主持人邓咏仪，非常高兴今天邀请到不同角色和不同行业的嘉宾来到这一场圆桌。 2025年，中国AI市场最惊喜的，一定有年初两个开门红，一个是DeepSeek，一个是Mamus，具身智能也有一些突破。 这些创新，都指向了AI应用会在今年有非常深刻的变化。无论是DeepSeek在模型上有突破，还是Munas这种爆款的现象级应用，其实都离大家的生活更近了，应用落地上也更深了，进展都是突破性的。这也是为什么今天想和各位嘉宾讨论“AI应用的超越之年”。 第一个问题，希望先请各位嘉宾简单介绍一下自己以及所在的公司，我们也设置了一个小环节，希望大家分享一个跟自己有关的AI时刻，可以说说过去一年，AI应用有什么比较值得提及的创新？或者被AI惊艳到的瞬间。  趣丸科技联合创始人龙玲 图源：36氪 龙玲：大家好，谢谢36氪的邀请，我是趣丸科技龙玲。我们公司是2014年成立的，深耕在移动互联网兴趣社交垂类赛道，运营一款产品叫TT语音。 伴随AI时代浪潮，我们也围绕AI语音做了一些技术突破和产品探索。前段时间，我们首款搭载自研模型“MaskGCT”的AI语音创作平台“趣丸千音”，也正式对外邀测。这个产品的定位是专注提供一站式智能语音解决方案，集成文本转语音、视频翻译、多语种合成等功能，致力于实现全球内容全球化。 近一年来AI发展速度太快了，让我触动比较深的，不是某项技术参数的突破，而是我感受到AI真的重构了一些传统行业的生产链。比如具体到短剧出海场景，某头部平台在使用了我们产品后，译制剧的生产周期从30天缩短至3天，效率提升了10倍，成本下降了90%，致使我们也成为行业内首个可以实现工业化量产的产品。这种用户给到的反馈，是我感到比较惊讶的。 刘妍：大家好我叫刘妍，我平时坐标在美国硅谷，昨天刚刚回来，很开心可以回家。感谢36氪的邀请。 我现在在美国硅谷，在微软担任首席产品设计师，主要负责的是Copilot，以及一系列其他AI智能应用产品。 Copilot应该大家都有听说过了，就先不多说。对我来说，今年很喜欢的一个应用是Notion AI，因为我自己是很喜欢记笔记的人，喜欢做知识管理，我觉得在知识协作和管理上，AI是给了很大助力。Notion有很多帮你一键整理的知识库、提示和帮你完成任务，这是我今年蛮惊讶、使用频率比较高的产品。 陈莉萍：大家好，我是硅基智能的陈莉萍，感谢36氪的邀请。硅基智能是AI技术研发以及AI应用创新的公司，成立8年了。 今年，AI给我最大的触动，就是DeepSeek R1发布的时刻，带来的冲击，相信在座各位也都感受到了，不亚于3年前ChatGPT发布的那一刻。大家对于人工智能都有了重新的认识。 在我看来，其实AI的进展有三点对我冲击比较大，第一是低成本、高效率AI模型的生产模式诞生了。 第二，我们看R1的时候，会发现以前文本大模型给你的答案，是看似正确的答案，其实DeepSeek把Why推理的过程展示出来了，也让我们看到未来AI推理的原生性，以及自我的思考能力的产生。 第三，为什么我们一直在讨论DeepSeek？其实它是一个开源打败闭源的过程，DeepSeek在发布的第一天，就成为了开源社区的星级评分的项目。在DeepSeek开源之后，硅基智能也把底座数字人大模型以及实时交互的系统全都开源了，一个月内在GitHub冲破了万级的stars。 现在我们发布的HeyGem数字人模型已经成为数字人领域DeepSeek，我们也希望通过这种底层大模型的开源让这个生态更加繁荣，未来的应用能够基于这些底层大模型和技术提供让大家继续往前发展。 陈莉萍：大家好，我是硅基智能的陈莉萍，感谢36氪的邀请。硅基智能是AI技术研发以及AI应用创新的公司，成立8年了。 今年，AI给我最大的触动，就是DeepSeek R1发布的时刻，带来的冲击，相信在座各位也都感受到了，不亚于3年前ChatGPT发布的那一刻。大家对于人工智能都有了重新的认识。 在我看来，其实AI的进展有三点对我冲击比较大，第一是低成本、高效率AI模型的生产模式诞生了。 第二，我们看R1的时候，会发现以前文本大模型给你的答案，是看似正确的答案，其实DeepSeek把Why推理的过程展示出来了，也让我们看到未来AI推理的原生性，以及自我的思考能力的产生。 第三，为什么我们一直在讨论DeepSeek？其实它是一个开源打败闭源的过程，DeepSeek在发布的第一天，就成为了开源社区的星级评分的项目。在DeepSeek开源之后，硅基智能也把底座数字人大模型以及实时交互的系统全都开源了，一个月内在GitHub冲破了万级的stars。 现在我们发布的HeyGem数字人模型已经成为数字人领域DeepSeek，我们也希望通过这种底层大模型的开源让这个生态更加繁荣，未来的应用能够基于这些底层大模型和技术提供让大家继续往前发展。 李森：很荣幸和大家一起同台讨论，我是来自慧策旺店通的李森，慧策旺店通是一家SaaS型的电商ERP服务商，每天在平台上所处理的电商订单超过一亿单。也就是说，国内大概1/3左右的电商订单，都通过我们平台做履约的。 我就讲一讲电商场景下，我们的客户怎么花式用大模型，来做一些我认为很秀的操作。 第一，分享一个做跨境电商的客户，是一些90后小伙子，做跨境电商思路和其他人不一样。美国和加拿大经常下雪，他用AI工具抓各地天气预报的数据做参考，像上次犹他州下大雪，瞬间把雪铲、雪具、手套的价格提高了30%，销量增了300%，他用AI工具赚到钱了，主打这个信息差。 第二，我们有很多国内做直播的客户，借鉴多模态大模型能力，通过分析直播间主播的画面、主播的语调以及弹幕里面消费者的情绪和下单量，来优化直播间话术，这都是我亲眼所看到的。 甚至还有一些做供应链的客户，对于AI的应用惊艳到什么程度？他说我能用摄像头拍仓库里面商品包装的褶皱程度，来判断这个货在仓库里面的周转率。现在有各种各样我们想不到的方式，通过大模型处理各行各业的业务，这是让我很开眼界，也很惊讶到我的。 邓咏仪：这些场景都是用DeepSeek，还是说有其他的模型一起在用？ 李森：有之前的OCR（光学字符识别）模型，DeepSeek开源之后，也有一些基础性的电商公司就接入去做分析，还有一些基于MCP的模型，做类似Agent上下文的相对复杂任务，我们都有见过。 ## 如何理解“AI+应用”和“AI原生”？ 邓咏仪：今天主题是“AI应用的超越之年”，模型有代际更新的时候，我们也要以全新的目光看AI原生应用。所以第一个问题，是希望请各位嘉宾分享一下对这个概念的理解。原来我们讲的是“AI+应用”会比较多，但是到了大模型之后，其实大家会讲“AI原生”这个概念，各位嘉宾因为来自不同的行业，肯定有不一样的理解，想请大家从自己的角度出发聊聊。 李森：我简单说说我的体会，我觉得在去年来讲更多是AI+应用，像我单点有一个外挂。再举个例子，天冷穿了个马甲。原生应用，以我们电商ERP业务出发，从底层AI核心深入，如向量数据库、流式管道数据，从原生层面融入一些垂直领域的一些算法、策略和规则。相比起穿马甲这个事，像我锻炼身体，提高抵抗力和提高抗寒能力，这是本质的差异性。 陈莉萍：因为我们本身也做技术底层，所以对“AI原生应用”的理解，一方面，AI本身是没有办法长出应用的，一定是需要结合产业的，所有的AI+应用其实是在产业基础上发展出来的。 产业基础上会长出什么呢？就像刚才说的，“AI+”是一种方式，我们也认为，“AI+”的方式更像是一种AI的辅助，原来的底层系统架构在不变的情况下，做了一些应用逻辑的加强，通过AI辅助的方式，在一些应用层面做叠加，让大家使用更加便捷，效率提升，降本增效。 AI原生则是从底层架构，从产业需求端出发的，从底层架构层面就做了重构。可能需求是AI提炼的，在数据架构的层面，需求端抓取以及数据端分析，都用了AI的技术来重构底层。所以从设计开始就从AI出发，更面向未来。 人们的使用习惯是被培养出来的，因为之前没有AI，所以大部分人接受了很多能接触到的应用形态。有的时候，交互不方便，要输入100个文字才能得到我想要的答案。现在因为有了AI之后，可能几个简单的提示就能够得到答案，这都是AI给我们带来体验层面上的提升。 所以，未来AI原生是一个方向，更容易给我们更好的用户体验，大家也会越来越习惯这样的体验。 刚刚说到AI辅助，在AI原生基础上，未来会叠加出更多不同的用户和应用之间的交互方式，我认为这也是AI原生带来不一样的，在交互界面、商业模式上的颠覆方向。 邓咏仪：陈总的意思是，从产品定位到设计、具体应用环节，都会产生非常大的影响。  微软首席产品设计师刘妍 图源：36氪 刘妍：我先分享一点不太一样的观点，其实我感觉美国现在还是停留在工具这一块，其实没有到所谓“AI原生”的概念。 在产品这方面，我们自己国家比美国已经强很多了，各种应用场景、模态更丰富。国外现在还是把AI当作偏工具和协助来做的，即使是Copilot，算是比较走在前面的产品了，从它的名字Copilot（副驾驶）就可以看出，没有想成为真正代替人的角色。 在国外，一个特别大的区别，就是他们并没有期待AI能最后会取代人，或者完全由AI驱使的产品，大部分还是把它当作工具来看待的。 不过还是有一些新的方向，可能会更加场景化，我们叫context driven，预期自己在里面输入一些prompt，它可以根据你平时的一些工作习惯、场景化和工作流自动跟你推荐一些东西，这已经算是国外比较先进一点的做法。 真正能达到AI原生这个事情应该还需要一些时间。 现在很火的，大家经常讨论的是AI Agent，Agent可能达到未来近几��拿到这样的期待，真的成为你的助手，或者是帮助你协调更多事情。占主导性的这样一个角色，目前还是在比较早期的阶段。 邓咏仪：您提到中美两地AI原生概念关注重点不一样，是不是因为上一个互联网时代国内是以to C消费互联网为主，硅谷那边大家讲SaaS或者软件驱动会稍微多一点，还是说什么原因？ 刘妍：我可以分享一下观察的最近中美明显的区别。在美国，Super APP这个事情不成立，美国做不出来Super APP，这跟大家使用习惯有关，他们希望更注重每件工具的专业性和简洁性。 比如说，工作流是Teams或者是Slack加Notion、Zoom，每个功能就那一个软件在做。中国会比较相反，我感觉大家更期待全链路的，一个产品就从头到尾全部做完，这是很大习惯上的区别。所以美国不会出现特别火爆的Super APP，因为这不是他们的行为习惯。 美国会更偏技术驱动，大家知道ChatGPT、Cloud各种各样的大模型层出不穷，谷歌的Gemini会更偏技术驱动，国内更偏场景和应用驱动，我为什么觉得中国的产品做得比美国好？因为我们场景更多元化，各个玩法想得会更有趣。 龙玲：因为我们做应用，也做模型。我个人理解，“AI+应用”是在旧地图上画新路，“AI原生应用”是在AI地图上重建世界。但总而言之，这都是暂时的一种分类标签，就像我们现在很少再说“互联网原生”一样。 随着 AI 成为市场上几乎每一种产品和服务的核心组成部分，这些分类标签可能会逐渐消失，所以我觉得不用太纠结差异，包括我们内部，也没有特别进行区别。 AI应用本质意义都是服务于用户，我们更应该关注应用背后的用户需求。因为比起是不是AI原生应用，他们首先关注的是这个产品好不好用，其次才是效果好不好、性价比高不高。 比如，在短剧出海这个场景里，站在技术的角度，目标是不断提升翻译的准确率、音色的多样性、配音的高情感等等。但实际上如果你从用户需求出发，这些都不是第一需求。 他们的第一需求是无痕的字幕擦除跟批量处理的能力。因为短剧内容在翻译配音前要先对原内容做清洗处理，而一部短剧平均有100-120集，所以还要能支持批量上传、存储、编辑等工作流的能力。 因此，围绕短剧出海这个特定场景，我们除了提供模型原子能力，还配合用户需求提供了一站式工作流的解决方案，从而让用户感受到你的应用可以提升效率的同时还非常好用。 所以做AI应用的公司，还是要尽量避免为了打造所谓的颠覆性“AI原生应用”，陷入“过度创新陷阱”，忽视了最根本的用户需求。 邓咏仪：我觉得几位嘉宾分享得都非常落地和实际，这也是跟去年特别不一样的点，今年大家已经有很多可以落地的场景具体的解释，具体落实到每个功能来讨论用户是否真正需要，给用户创造价值。 ## 2025年，AI原生应用的发展重点 邓咏仪：刚好这也可以联系到下一个想要讨论的问题，从去年开始，AI原生应用是产业比较热烈讨论的问题，今年像DeepSeek、Munas爆款应用出现之后，对大家做应用这个事情会有比较深刻的影响。 也想请请各位嘉宾接下来讨论一下新的一年里面，大家认为怎么做AI原生应用，发展的重点应该会放在什么地方？ 龙玲：我觉得主要围绕两个点： 第一点，技术能力。我对于我们技术团队的要求有两个维度：第一个维度要保持技术的领先性，确保在同领域里的第一梯队，保证效果不会太差； 第二个维度，是要有突破的能力。比如说，虽然AI语音现在可以生成拟人化带情感的效果，但在实时交互、长对话中情感连贯性仍存在问题，因为这里面涉及的语音技术路径是不一样的，所以还是要不断突破，才能满足接下来更多的应用场景。 第二点，商业化能力，这是AI应用发展中绕不开的。我觉得AI应用短期看技术水平，长期是要看商业化能力的。如何让产品更深入客户的经营链路，不断在解决真实的商业问题中强化自己价值，让自己活得更久我觉得更重要。 邓咏仪：非常现实的考虑，刘总怎么看？ 刘妍：我特别同意，商业化这些都特别重要。 我从我自己的背景分享几个，我是做设计，做产品的，我觉得未来AI可能在人机交互模式上有很大的突破，人和机怎么样一起共生。 现在大家知道用prompt，用提示词，这在设计里面是很反常规的，因为你需要让用户知道他要问什么。但是，有很多时候他们自己都不知道问什么，或者他们也不清楚该怎么做。 所以，真正好的应用会用这种自然语言，更容易让用户知道，怎么样和机器协作，机器作为主导来提示用户，帮他生成他想要的问题，更加能读懂人的大脑，这类产品会获得更多的青睐。 怎么样结合生态系统里的各种产品，微软、谷歌、字节、钉钉这些公司的产品，其实有自己非常大的优势。因为有自己原生的生态系统，所有的产品都在里面，用生态系统的用户可以马上利用起来，这是产品天生的优势。 另外还有一个突破的点，就是研究怎么样结合生态系统，打通这样的链路和使用习惯，这也会给用户带来不太一样的体验。 第三，我们当时做过用户调研，问用户这个产品好不好用，其实很多负面的意见。我感觉目前大众在接受AI产品上的认知非常有限，很多人意识不到，AI到底能给我带来多大的好处，或者到底有它能有多好？ 在认知层面，还有用户的期待上，现在很多时候就是用锤子找钉子。很多AI产品没有明确的痛点，有AI产品更好，没有也没有什么了不起的。 所以，怎么样创造AI的新体验方式很重要。像乔布斯设计苹果手机的时候，大家当时没有想过手机能这样。苹果手机出来的时候，有很多反对的声音，因为它颠覆了一代产品的发展模型，但是当创新的东西真正出现了，人们才发现：原来还能这样。 可能很多AI产品现在处在这样的阶段上，所以我们在产品和设计方面上需要更跳出思维框架，去思考一些更天马行空的想法，这可能是产品人比较需要的逻辑。 邓咏仪：想象力可能要再丰富一点，未来的原生AI应用形态才能出来。 刘妍：对，而且很容易被用户的负面评价困住，很多AI产品的用户骂声很多，大家不习惯、也不知道这个东西应该是怎么样，但是我们作为创始人或者是CEO还是要有坚定的态度，要相信自己做的是对的。  硅基智能联合创始人、高级副总裁陈莉萍 图源：36氪 陈莉萍：我从三个方面考虑这个问题。 第一，DeepSeek的产生，我认为就像人类过去几千年耕作农作物寻找食物，DeepSeek的出现，就好像人类找到了小麦一样，因为从AI的底层逻辑上来展现应用产生的价值，ROI是可以打正的，才能继续有增益。 有了DeepSeek后，我认为“小麦”的ROI更高了，未来基于小麦做叠加应用，小麦可以做成包子、面条、披萨，可以做不同行业的应用，行业的附加值更高。 直接卖小麦，也就是token免费或者是更加便宜；做附加值的应用，会让你的利润空间大大提升。不要因为小麦的竞争，或者是寻找的过程而做大量财力的投入，应该要放到寻找高毛利的食物上去。 第二，要考虑AI技术的适用性，不同技术针对不同应用场景。为什么前几年大模型和应用还不那么清晰的时候，大家也在说产业+AI？其实是颗粒度的问题。 我们发现，现在应用颗粒度，也就是AI可以结合应用的点更小了。这也证明，通用的AI产品其实做不了所有的事情，我们可以结合更小的应用找到最适用的点。 海外的逻辑和国内不一样，如果找到很小的专业领域做一个应用工具，在海外就可以很挣钱。所以，在某些领域的适用性里找到创新的点，也是非常好的方向。 第三，现在AI对于法律和伦理的突破，很多场景上面还是非常创新的，最终可能还会面临一些法律的风险以及伦理的探索。比如人类的失业问题、情感的伦理问题，这也是做AI应用领域里面需要去关注的。有些红线和底线不要去涉及，还有大量的蓝海和白海需要去开发。 邓咏仪：陈总讲到的点非常有启发，未来能够落地的这些点会更加细，或者说不那么通用，这对国内市场是好事。 上一个时代的SaaS行业，一开始大家比较倾向于做全家桶，或者是什么都有，这样的结果可能是什么都不太精，大模型智力水平提升之后，这个现象应该会改善不少，或者说大家也都能通过很小的功能点改进，加上大模型，就能找到商业闭环，这也是蛮好的一点。 李森：我就是做SaaS的，我从我的行业客户里面来看，今年特别是2025年，我们觉得今年叫应用爆发的元年。 去年，我们还在卷参数、卷模型形态，今年大家觉得参数已经没有任何意义了，在卷应用。 以及DeepSeek的出现，技术平权，在这种背景下，我们电商客户里边有500强企业，去年我们问他们考虑用AI吗？他们说为什么要用？用的不太成熟，或者用在什么场景？ 今年，我们就已经在反问客户：你为什么不用？并且，我们已经在这样的情况下去做SaaS型产品了。 我的观点是这样的，第一，现在单点的AI智能，在我们有的客户面前，已经满足不了他的需求了。客户会说：我不想要一个价格预测助手，我不只是想要这个，还想要它由业务助手变成数字员工，或者我的决策模型需要由数据+AI辅助。也就是说，从人类确认，变成AI发现规则、重构规则以及人类做修正。逻辑已经变了，这是从整个功能逻辑上改变了。 第二，SaaS产品有一个最大的问题，标准化的产品没法满足企业个性化的业务场景以及业务需求。 之前我们做SaaS，通过叫自定义引擎配置一些业务参数，做高配置化的决策。未来，有了一些AI编程之后，很可能SaaS未来形态所谓的“千户千面”，每个客户让AI重构这一段业务流程，可能能够重构。 第三，未来的SaaS模式，可能会由License买3年、5年的授权，变成value share。也就是用户用这个AI功能，如果帮你赚了额外的钱，咱俩可以三七分或者五五分，这个可能是会火的几个点。 邓咏仪：您是指模型智力水平的提升，导致能够进入到的业务深度在变深，未来通用性也会变高，能够服务的个性化需求会变多。 ## AI应用的发展挑战与机遇 邓咏仪：下一个问题，刚刚几位嘉宾都有提到一点，今年虽然我们能够看到DeepSeek模型代际能力的提升，但落地的时候，还是有很多问题需要解决的。 AI应用今年落地的挑战还有哪些？大家可以从自己的业务场景出发聊聊具体场景。 龙玲：因为我们服务比较多的是影视漫的客户，这里我拿影视剧中的穿越剧来举例。单“穿越”这两个字，如果用DeepSeek这类的通用产品翻译出来的大概率是“时空旅行者”，但在越南语这种小语种的场景里，实际上他们自己有对穿越剧做专有词库，“穿越”在他们那里的专有词是叫“悬空”。这些专有词就是所谓特定场景的专有知识库的一种，可以很大程度解决跨文化翻译的问题。 所以对应回来，我认为在做垂类应用的时候，如何让客户能够提供给你这样的一个专有词库，让你在特定场景建立起Know-How，并形成私有数据的飞轮，是蛮有挑战的一件事情。因为你的专属数据越多，用户体验就会越好，不可替代性也会越强。 邓咏仪：所以这个词库场景，最后你们怎么解决的？ 龙玲：有两个维度，第一是你的客户它毕竟是这个行业里的专家，能够提供给你他们积累的经验或者沉淀的一些数据。 第二是你自己能不能获取到专业的数据，像DeepSeek获取的是互联网上海量的数据，但互联网数据可能很快不够用了，我个人觉得专业类数据还有很多待挖掘的。这个点，我们的能力是可以很好地解决文化出海这个事情，毕竟翻译最大的问题是文化的翻译。 邓咏仪：刘总怎么看这个问题？ 刘妍：简单说，就是找到真正的痛点，像我们刚才说，其实很多AI的应用都是“有更好，没有也没事”这种情况。 但还是有一点痛点的，我拿Copilot举例，Copilot是渗透在微软整个全家桶里面的，有很多办公软件的Word、Powerpoint、Excel。 但Copilot真正第一个大火的是在Github里面的应用，给码农们写代码。 因为我不是写代码的，所以我对这个痛点不是很了解。但是我后来去问了很多人，才发现这是真的很痛的痛点，有时候可能为了解决一个bug，写几百行的代码，他们是急需有这样的东西能够帮助他们生成代码，所以Copilot这么多产品中它是第一个大火的，因为这是一个非常明确的痛点，和很具体的应用场景。 至于其他办公软件，大家更觉得是有更好，没有也能用。大家用word这么多年了，觉得也还行。那个之后发现真的有很明确的东西瞬间抓住用户的眼球。 后来我们做微软办公软件Teams的时候，这么多场景中，有一两个是更火的。有一个叫recap，它会帮你总结会议、追踪，把所有下面完成的事情给你直接同步到Ticket、Track那些东西上，相当于是一站化帮助解决了各种项目管理上的问题。 这是在一个产品中，可能有某个细节或者某个功能，引起了不同的反馈。所以，我们可能需要更敏感地抓到这样的信号。 最后，要多尝试，我们开始做Copilot的时候，卷了几百个方案，有非常多的想法。在大厂，大家知道，真正上线是很慢的，不像创业公司能很快迭代，真的可能会卷到一个很完美的状态，才能发布或者上线。 如果没有几百个后面的方案，可能很难会找到比较好的平衡点，就是要不断去尝试，不断去试水，再迭代，这就是比较简单粗暴、快速的方法。 邓咏仪：陈总怎么看这个问题？ 陈莉萍：我们从两个角度看这个问题。 第一，AI功能的拓展，或者是在推广过程中，刘总提到电商客户给你增加了价值功能之后，可以增加值那部分给你分润，不是收工具的钱。什么是好的AI或者AI应用呢？核心能帮你赚钱的AI才是好的。 在这个过程中，把握商业化，把AI转换成商业化的能力，其实是非常高端的能力。因为商业模式其实是有限的，不是都能转换的。但是把AI转换成替代什么样的要素，能提升产出的增加，其实这是非常核心的能力。 比如说，我们在做数字人直播的时候，有些数字人直播的品牌直播间，单场GMV可以超百万，这就是抓住了品牌IP+直播的要素，完成了直播间综合体现，完成这样一些价值和结果，这是对于价值的呈现。 第二，龙总也提到了私有制，我们今年有一个大的爆发领域，就是跟医疗结合。我们给很多三甲医院的医生，包括很多互联网平台医生，做数字分身。这个过程中，医疗大模型，包括华为等很多都在推。 在实际就医过程中，挂号的时候，病人挂了主任医师和主治医生，心理感觉是差别很大的。其实真正的差别来自于医生个体就诊的经验和病例的不同。 所以，私有制其实是未来急需要突破的点。但它是一个dirty work，为每一位医生建立数字分身都要建立数据的采集。因为你要做这些dirty work，是大厂很难覆盖去做的动作，也是应用的机会。 邓咏仪：要离用户私域数据更近，为他建立一个数字分身，所以你能够接触到他更多的信息，或者说他需求的数据也好，都更利于落地，也利于建立自己的壁垒。李总怎么看？  慧策解决方案首席专家高级副总裁李森 图源：36氪 李森：我想提一下数据这个事情，在电商领域数据三个特点，脏、乱、快，很多无效的数据或者会影响决策的数据，会导致后面训练的模型拟合度不够高。 第二，是小样本数据的问题，如果我是一个小型的电商客户，没有那么多数据，让我训练SKU和销量的关系，但是这个问题大客户不面对吗？大客户依然面对。 如果大客户想训练关于缺货的预测，大客户本身供应链做得还可以，很少缺货，负向数据少。其实小客户正向数据少，大客户负向数据少，这是面临数据的样本量都会面临问题。DeepSeek在小样本量的训练方面，还是有一定突破的，所以我觉得，未来可以部分考虑行业内的数据共享，可能有望能够解决这方面的困扰。 邓咏仪：谢谢李总。刚刚我们其实讨论了四个大的问题，几位嘉宾都有结合自己业务场景，讲述对今年AI原生应用发展重点和挑战的理解。 我觉得，今天大家讨论的点大概都可以总结成三个方面。 像现在模型能力提升之后，在做应用这件事情上，大家更需要抓住用户的痛点，以及这个痛点，可能是比较细的商业化场景上的难点，像龙总提到的字幕翻译的问题，是非常细微的文化差异，这是第一个点。 第二个点，几位嘉宾都有提到商业化的问题。在做应用的时候，像今年年初Munas的例子，大家都用不到，Manus也要邀请码，是因为它跑一个任务，都要百万级的token，直接放开用，商业化闭环没有建立，公司更没有办法运转。所以，要结合商业化闭环和模型运作的能力，是接下来做AI应用的重点。 几位嘉宾还同时提到数据的问题。真正走到客户业务场景，跟他们生产流程更加结合起来，这才能建立起自己业务的壁垒，避免在大模型更新的时候，吞噬掉整个公司的产品跟业务。 今天几位嘉宾都带来精彩的分享，也希望今年AI应用市场会带给我们更多的惊喜，感谢大家的参与和的聆听。

<blockquote><p>在互联网行业，许多产品常常在立项时热火朝天，但上线后却因各种问题而迅速失败，浪费资源并打击团队士气。本文针对这一常见问题，详细探讨了产品经理在产品开发的不同阶段如何避免虎头蛇尾现象，从立项到上线后的持续优化，提供了一系列实用的解决方案和原则，帮助团队打造有始有终、成功的产品</p> </blockquote> ##  在互联网行业，“虎头蛇尾”是许多产品的致命伤。 立项时全员热血沸腾，上线后却因数据低迷、资源不足或团队疲劳而草草收场。 这不仅浪费企业资源，更会透支团队信任。 下面我们从几个方面给出系统性的解决方案，助你打造一款“有始有终”的产品。 ## 01 立项阶段：用“理性算法”对抗“激情陷阱” ### 1、需求验证：从“拍脑袋”到“数据驱动” 用户需求真实性验证 案例：某社交产品曾计划开发“匿名树洞”功能，但通过2000份用户问卷+30场深度访谈发现，用户真实诉求是“熟人间的秘密分享”，而非完全匿名。   采用“3层过滤法”：   定性验证（用户访谈/焦点小组） → 定量验证（问卷/埋点数据分析） → 场景还原（用户旅程图模拟）。   商业可行性测算 公式：需求价值=用户覆盖量×使用频率×单位价值 例如：某工具类产品发现“会员专属模板”功能虽覆盖用户量少（5%），但单位价值高（付费率30%），仍具备开发价值。 工具：建立需求优先级矩阵（横轴：用户价值，纵轴：商业价值）。 ### 2、MVP设计：用“最小成本”验证“最大假设” 核心原则： 功能不超过3个（如外卖APP首版仅需：选餐→支付→订单跟踪）。 预设明确的成功指标（如：注册转化率&gt;25%、次日留存&gt;20%）。 典型错误：某教育类产品初版包含直播、题库、社区功能，结果发现80%用户只用题库，最终被迫重构。   ### 3、资源预判：避免“开局即透支” 建立资源风险评估表：  风险类型评估维度解决方案技术风险 架构复杂度、技术债架构复杂度、技术债人力风险团队饱和度、能力匹配度提前储备外包资源资金风险预算覆盖率、ROI周期分阶段申请预算 ## 02 开发阶段：用“敏捷迭代”对抗“半途而废” ### 1、目标管理：从“宏大叙事”到“里程碑拆解” OKR+KPI双轨制： O（目标）：季度内提升用户留存率至40% KR（关键结果）： KR1：完成3次用户流失原因分析（KPI：报告产出） KR2：上线流失用户召回功能（KPI：召回率提升15%） 可视化进度管理： 使用Jira/Tapd管理需求池，每日站会同步进度。   建立燃尽图，当进度延迟超3天时触发预警机制。   ### 2、团队动力：避免“马拉松式疲劳” 短周期冲刺：采用2周迭代制，每个版本必须包含： 1项核心功能优化、2项用户体验改进、1个AB测试（如某电商通过213次AB测试将转化率提升37%）。 即时激励设计： 里程碑奖励（如完成支付功能上线奖励团队聚餐），用户好评公示（将App Store五星评价同步至全员）。 ### 3、数据监控：建立“产品健康仪表盘” 核心指标看板：DAU、留存率、转化漏斗（注册→付费） 异常预警系统： 规则：日活下跌10%自动触发警报 → 24小时内产出分析报告 → 48小时内上线修复方案。 案例：某内容平台通过热力图发现“收藏”功能使用率仅5%，及时优化为“一键保存”。 ## 03 上线后阶段：用“持续进化”替代“一劳永逸” ### 1、用户反馈闭环：让产品“自我生长” 反馈收集矩阵：渠道处理时效负责人App Store评论24小时内回复 客服+产品经理用户社群实时监控+每周汇总运营团队NPS调研月度分析报告数据分析师 案例：某工具类产品通过分析用户反馈，发现“导出功能”需求高频出现，紧急排期后上线，当月留存率提升8%。   ### 2、商业化健康度管理 警戒线设计： 付费率&lt;3% → 触发商业化策略调整。 单一收入占比&gt;70% → 启动收入结构优化。 平衡策略： 免费用户：通过广告/交叉推荐创造价值。 付费用户：提供专属权益（如某视频App的“跳过片头广告”功能）。 ### 3、竞争防御体系 竞品监控机制： ### 每周输出竞品动态报告（功能更新/运营活动/用户评价）。 建立“快速跟随”清单（如拼多多的“砍价功能”48小时内复刻）。 差异化护城河： 技术壁垒：抖音的推荐算法、生态优势：微信的社交关系链。 ## 04 长期主义：构建“抗衰减”组织体系 ### 1、团队知识管理 需求文档版本树：保留所有历史决策记录，避免重复踩坑。 案例复盘会：某社交产品曾因未记录“消息已读”功能的设计争议，导致团队两年后再次陷入相同争论。 ### 2、管理层共识机制 季度战略对齐会：用数据证明产品价值（如展示用户LTV提升曲线）。 管理层体验日：强制要求CEO/CTO每月使用产品并提交体验报告。 ### 3、技术债管理 债务清单：按“影响程度”和“修复成本”划分优先级。 案例：某金融App因长期忽视OCR识别模块的技术债，最终导致识别错误率飙升，损失百万用户。 ## 最后 做产品为避免虎头蛇尾，我们可以总结出三大核心原则： 1、理性＞激情：用数据验证代替主观臆断，立项阶段砍掉50%的“伪需求”。 2、迭代＞完美：接受“产品是活出来的”，通过小步快跑持续优化。 3、体系＞个人：建立标准化流程（如需求评审模板、数据看板），降低对“英雄式PM”的依赖。 产品生命周期是一场马拉松而非短跑，只有将科学的流程、持续的动力和系统的风险管理结合，才能让产品真正跨越“死亡之谷”，实现长期价值。 本文由人人都是产品经理作者【伍德安思壮】，微信公众号：【时间之上】，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。

钢铁行业到了不得不交卷的时刻。

 4月22日，开发商Game and Code宣布，一款诡异的加班逃脱游戏《Office After Hours》将于6月3日在Steam平台正式发售，游戏支持中文界面。  在游戏中玩家扮演一名必须在办公室加班到深夜的员工，为了逃脱必须探索已经陷入无限循环的楼层。楼层里有几张办公桌，老板在一个单独的房间里工作。 一开始，你在正常情况下仔细观察办公室的状态，如果在下一个循环中发现任何异常，你就折返，但如果没有发现任何异常，你就继续前进，遵循与“8号出口”相同的规则。  (谁会在办公桌旁边放小便池啊……) 游戏的另一个独特之处在于它还融入了解谜探索冒险的元素，随着你解决小谜题，你的活动范围也会扩大。   在游戏中并没有过分强调恐怖这件事，更多的是荒诞和搞怪，让人能忍不住吐槽或者笑出声来，你会感觉“这东西放在这……谁会注意不到啊喂！” 完整版不仅包含试用版中未发现的众多新事件，还包括未发布的新地图和需要解决的谜题。根据商店页面介绍，总共将包含超过 40 个异常现象。

内蒙古煤炭巨头百亿谋求控制权。

钓鱼攻击利用Google Sites和DKIM签名伪造合法邮件窃取凭证，手法极其复杂！

 Utopia Festi游戏音乐嘉年华即将于2025年5月17日至18日在上海国际赛车场P4-P6盛大举办。本次活动集结21个热门游戏IP全程监制并参演，原班人马、原版人声现场演绎；更有超过30组人气歌手与乐队齐助阵，多舞台轮番演出。 场地内还特别设置了IP官方展台和同人展台区域，还有业内顶尖游戏音乐制作人参与签名会活动。  顶级游戏IP齐聚，奏响多元音乐之旅 本次活动的参演IP众星云集，《艾尔登法环》《无畏契约》《崩坏3》等知名IP将在UF迎来首次国内线下演出，《最终幻想系列》《女神异闻录：夜幕魅影》《英雄联盟》等热门IP也将带来国内首次演出曲目。不仅《原神》的纳塔曲目将在国内首演，《魔兽世界》也将上演VGL未曾演出过的曲目，更有国内首个《歧路旅人》交响舞台登场，《最终幻想14》《崩坏：星穹铁道》《守望先锋》等多个游戏IP的官方演绎，每场IP 的演出时间均超过40分钟。 经典曲目演绎，重磅嘉宾出场 在IP舞台的表演嘉宾中，有演唱P5X和P5曲目的灵魂歌手Lyn（稻泉凛），还有《崩坏：星穹铁道》的知更鸟原唱Chevy、野火原唱Jonathan Steingard，以及《原神》中纳塔曲目的原唱London Voices等。 专业交响团队上海爱乐乐团将在超过10个IP舞台上现场演绎游戏曲目，《绝区零》作曲团队三Z-Studio也将带来中国首演。虚拟艺人鹿乃、hanser，及多位知名歌手与乐队也将登台演出。更值得期待的是，本次小林未郁将登上《最终幻想系列》的舞台倾情献唱。 除了IP舞台外，UF游戏音乐嘉年华还特别增设了属于嘉宾自己的舞台，演绎个人及乐队的热门金曲。演出嘉宾有与原创动画《少女乐队的呐喊》联动的真人乐队的TOGENASHI TOGEARI，以《最终幻想14》音乐总监祖坚正庆为核心组建的游戏音乐组合The Primals，将迎来首次海外线下演出的新生日本创作组合tayori，还有“拔剑神曲”原唱、实力派歌姬小林未郁等多位重磅嘉宾。 通过多样化的器乐组合和特邀嘉宾的倾情演唱，经典歌曲将焕发出新的生命力。无论是激昂的战斗主题曲，还是温馨的背景音乐，都将以更加丰富的层次和情感呈现，带给观众一场特别的视听盛宴。 不止音乐，多元活动打造玩家狂欢 玩家们不仅能在《艾尔登法环》《命运-冠位指定》《胜利女神：新的希望》等官方展区内游玩打卡，还能在《最终幻想系列》中出现的史克威尔艾尼克斯咖啡餐厅、《最终幻想14》的海德林咖啡餐厅中享用餐食。兴趣相投的同好们将在同人展区中相遇，沉浸在游戏文化的愉悦氛围中。 许多知名作曲家、音乐制作人，都将在签名会中与各位玩家见面。如《女神异闻录》系列作曲人小塚良太、《蔚蓝档案》音乐总监Mitsukiyo、《崩坏：星穹铁道》的作曲/编曲/音乐制作王可鑫Eli.W和崔瀚普TSAR，以及《逆转裁判》系列作曲家岩垂德行等等。 还有更多前来UF现场参与制作与观演的知名音乐制作人，HOYO-MiX作曲家宫奇、苑迪萌、车子玉，《绝区零》作曲家DMYoung...或许演出当天他/她就在大家身边，共同感受音乐的独特魅力！ 制作团队质量保障，开启未来游戏音乐新篇章 UF游戏音乐嘉年华总制作人Ayu，曾是十年BML、BW的总制作人兼总导演，有着丰富的经验和成功案例。同时UF的舞台制作团队实力强硬，有曾在坂本龙一、米津玄师等多个重量级演出中负责音响系统工程的福本诚二，以及在SAKANACTION和King Gnu等演出中分别担任灯光配置、音响、舞台导演的平山和裕、佐佐木幸生、增田崇，都将成为本次活动的质量保障。    演出IP阵容：（以游戏名称首字母排序） 艾尔登法环、崩坏：星穹铁道、崩坏3、碧蓝航线、传奇系列、刺猬索尼克、剑星、绝区零、命运-冠位指定、魔兽世界、女神异闻录：夜幕魅影、歧路旅人、塞壬唱片-MSR、守望先锋、胜利女神：新的希望、英雄联盟、原神、蔚蓝档案、无畏契约、最终幻想系列、最终幻想14 参演嘉宾：（以嘉宾名字首字母排序） 阿澜Alan、崔清尧、London Voices、Lyn（稲泉凛）、鹿火CAVY、鹿乃、tayori、THE PRIMALS、Chevy、Jonathan Steingard、凌西米、hanser、上海爱乐乐团、MONKEY MAJIK、娜达韩（韩璧彤）、Neon &amp; Massica (BRAINFREEZE脑冻)、任吉、Terry Zhong钟天利、THE EITHER、TOGENASHI TOGEARI、王凯琪、小林未郁、优素Yusuf、张申骋 - 猫眼购票链接：[点我跳转。](http://dpurl.cn/grLV2k7z) - 会员购购票链接：[点我跳转。](https://show.bilibili.com/platform/detail.html?id=99518)

时间就是生命。

<blockquote><p>在AI领域，年度经常性收入（ARR）这一指标被广泛用于评估企业的价值，但其适用性却饱受争议。本文深入剖析了ARR在AI企业中的应用问题，指出ARR的虚高现象如何成为AI商业领域的最大“泡沫”。</p> </blockquote>  ARR，又叫年度经常性收入，是评估SaaS企业价值最核心的指标。 ARR的算法也很简单，就是月收入乘以12就等于ARR。根据当前的每月订阅收入，预计未来 12 个月的订阅收入。 伴随着“AI杀死了SaaS”的呼声，ARR也被广泛用到了AI企业价值的评估上。但这事却有了大问题。 ARR指标自带杠杆属性，但前提是经常性收入。这与SaaS特殊的商业模式是分不开的。 但这点放到AI企业上就不成立了。基于结果的定价模式以及早期实验性收入的存在，让AI企业的收入存在很大的波动。 这样一来，AI企业的ARR比拼就变成了一场数字游戏：只要能够短期内吸引一批付费用户，用这批用户的付费数据乘以12，就能得到”理论ARR”。 于是，有人拿最高单月收入来测算ARR，甚至还有人用单日收入乘以365来测算ARR。 当ARR大规模被滥用，其价值也在逐渐“失效”。 ## 01 一场击鼓传花的“数字游戏” 为什么SaaS企业非常重视ARR指标？主要原因有两个： 一是在订阅模式下，客户留存率很高，使得SaaS企业收入的可预测性极强。 美国的SaaS公司的NDR（净收入留存率）普遍能达到100%以上。这意味着，他们即使不考虑新增客户，原有客户也能保持或者增加付费额度。 同时，SaaS公司的收入质量还很高。通常情况下，SaaS公司的毛利率至少在70%以上。换句话说，SaaS公司的收入绝大部分都会转化为利润。 现在，这一切被平移到了AI行业，而ARR却被“玩坏”了。 我们越来越多地看到新成立的AI初创企业在短短几个月内使其总收入从0美元跃升至 200万美元。 如果你只看了ARR增长，就觉得企业有价值，那你可真就上当了。因为这只是一场简单的数字游戏。 由于ARR是一种带有杠杆属性的计算方式，天然就存在着一定的操纵空间。举个例子，你就知道了。 假设一家AI企业，产品定价为20美元/月，有1万个用户付费，ARR就能达到240万美元。按10倍计算，公司估值就来到了2400万美元，折合人民币1.5亿元。 也就是说，这个游戏玩法很简单，只要能够短期内吸引一批付费用户，用这批用户的付费数据乘以12，就能得到”理论ARR”。 在计算方式上，整活的也不少。有人拿最高单月收入来测算ARR，甚至还有人用单日收入乘以365来测算ARR。公众号“搞AI的K同学”分享了三种AI创业公司常见的ARR“套路“： **1）同行互刷制造假热度** 热门AI产品往往在Product Hunt等平台一上线就霸榜。真相是什么？ 创始人早就在创业群、AI爱好者社区打好招呼，让同行帮忙点赞评论。这批”专业尝鲜”用户付费转化率高得惊人，但他们不代表真实市场。一旦把这种非典型用户的付费数据乘以12，ARR立马”暴涨”。 **2）KOL高返佣掩盖真实成本** 更隐蔽的是KOL高额返佣计划。某些AI创业公司给KOL提供高达50%甚至70%的返佣，远超行业正常水平。KOL拿到这么高返点后干什么？ 直接给粉丝打折甚至返现！一个月卖出一千个年度会员，号称ARR十几万美金，背后可能是KOL自掏腰包刷出来的虚假数据，续费可能性几乎为零。但创始人已经把这些全部算进ARR了。 **3）低价引流后暴涨制造假象** 还有更多公司采用”首月极低价，然后暴涨”的套路。一开始定价只有市场均价的1/5，等积累一定用户后立刻涨价5倍。 对外宣传时，用涨价后的单价乘以所有用户数，制造出高ARR假象。但这些低价引流的用户显然不会在价格上涨后付费。 ## 02 为什么说ARR不再适用于AI企业？ 主要以下三个原因： **一是商业模式变化。** 传统SaaS公司大都以席位定价，而越来越多的AI公司开始不再以固定费用或按座位收费，而是根据完成的任务、解决的问题或节省的时间进行收费。 举个例子，AI图片公司可以按生成的图像数量收费，AI语音公司可以按生成的AI音频的分钟数收费。 目前，Fin (Intercom)、EvenUp、Chargeflow（OpenView投资组合公司）和11x.ai都采用了实施基于成功（或基于结果）的定价模式，客户只需为成功的结果付费。 与使用量挂钩会带来一个问题：收入的不可预测性大大增强。由于功能的更新加上外部环境的变化，每个月的收入都很难准确估计，从而使得“年度”预测难度极高。 **二是AI公司早期的很多收入更多来自实验性收入。** 在The Information 文章《The New Fake Math of AI Startup ARR: Not So Annual, Not So Recurring里，有投资人提到，部分早期AI公司收入往往主要集中在一两个大客户身上，比如像普华永道这样的咨询公司。 在这种情况下，咨询公司通常只是在测试产品，看他们的效果是否足够出色，好转售给他们的客户。 而像普华永道这样的客户不在少数。在法律行业也是如此，律师事务所往往会对大量新技术进行试验，但这些公司其实并没有非常强烈的意愿在测试后继续为这些新软件付费。 这意味着，尽管哪些人工智能初创企业将其收入定为年度经常性收入，但他们的早期客户实际上是按月付费的，用户粘性也不强，而相比年度合同，这些合同的收入并不稳定。 同时，AI企业的流失率还会受到很多外部环境的影响，包括转换成本低、新产品带来的竞争加剧等等。如果客户流失率很高，那么经常性收入也就无从谈起了。 **第三，盈利能力不同。** 与SaaS企业相比，AI企业在进行服务的时候需要消耗巨大的算力资源。根据Dave的说法，传统SaaS的运营成本约为20%，但基础模型公司的运营成本在50-75%之间。 今年3月，The Information报道，Manus现阶段的产品同时受制于其服务器容量和高昂的运营成本。据两位直接了解情况的人士透露，Manus使用人工智能公司Anthropic的模型，平均每完成一项任务需向Anthropic支付2美元。 虽然未来随着技术进步，算力成本仍然将出现大幅下降，但AI企业利润率能否达到传统SaaS公司的水平，仍然是一个未知数。 既然ARR不能完全反映AI企业的真实价值，那么我们应该如何去评估？ 在这里，乌鸦君提两个潜在的思路： 第一，从静态收入预测转向反映实际市场状况的评估。从时间和需求两个维度评估业务的价值。前者包括客户收入的增长速度，后者包括AI产品所占据的客户支出部分，进而综合评估AI企业的增长潜力。 第二，更加重视对收入质量的评估。可以对公司不同的收入进行拆分，不同类型的收入对应不同的评估标准，最后综合评估收入的质量。 总的来讲，AI企业巨大的收入波动性让ARR难以精准评估公司的价值。在这种情况下，我们不仅应该谨慎对待简单地将ARR倍数应用于AI公司上的评估方式，也需要基于使用量的商业模式去建立新的价值评估体系。 文/林白 本文由人人都是产品经理作者【乌鸦智能说】，微信公众号：【乌鸦智能说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

手机市场下半场众生相可以被归纳为 3 个关键词：变局、出海和大电池。

**今天中午，大量网友反映“京东外卖崩了”。**多位网友在社交平台上表示，在京东外卖上下单并等待一段时间后，发现商家还没有接单。 [](//img1.mydrivers.com/img/20250422/530c3179-d2bd-4206-8a64-646bcceec9ee.png) 对此，@京东外卖微博做出回应：因今日午高峰京东外卖下单量暴增，导致系统出现短暂故障，目前已全面恢复，可以正常下单。 **京东外卖还宣布，为表达歉意，所有超时20分钟以上的外卖订单，京东全部免单。** [](//img1.mydrivers.com/img/20250422/c4324679-af93-4887-9550-a1073efea997.jpg) 同时，对于今日午高峰宕机期间所有下单用户，**京东外卖表示将于今天额外发放一张10元无门槛优惠券到下单账户。** 事实上，这并非京东外卖上线后首次被反馈出现问题。 4月16日，据多位用户反馈，京东外卖页面无法查看商品信息，页面显示“网络请求失败”。 随后，“京东外卖崩了”相关话题迅速登上微博热搜，京东外卖官方称流量达到了平时的4倍。京东外卖还额外发放了10万张“满15减10”优惠券给用户。 [查看评论](https://m.cnbeta.com.tw/comment/1494576.htm)

美国餐饮连锁品牌Chipotle Mexican Grill计划明年初在墨西哥开设第一家门店，这是其国际扩张的最新举措。该公司周一宣布，已与Alsea签署了一份开发协议。Alsea运营着星巴克、达美乐披萨和汉堡王等连锁品牌在拉丁美洲和欧洲的门店。  Chipotle计划在2026年第一家餐厅开业后探索“该地区的其他扩张市场”，可能意味着开发更广泛的拉美市场。 Chipotle的扩张计划正值美国总统特朗普总统与墨西哥爆发贸易冲突之际。墨西哥的牛油果最初需缴纳25%的关税，直到特朗普暂停对符合《美墨加协议》的商品征收新关税。尽管Chipotle近年来已实现牛油果采购多元化，但仍有约一半的牛油果从墨西哥进口。 Chipotle在专注美国本土业务几十年后，近年来一直在努力进行国际扩张。该公司在加拿大有58家门店，在英国有20家，在法国有6家，在德国有2家。此外，通过与Alshaya集团的合作，Chipotle目前在科威特拥有3家餐厅，在阿联酋拥有2家餐厅。 不过，百胜餐饮集团的塔可钟（Taco Bell）曾两次尝试进军墨西哥，但都很快以失败告终。 [查看评论](https://m.cnbeta.com.tw/comment/1494574.htm)

**苹果CEO蒂姆·库克对即将推出的iPhone 17系列的生产进度极为焦虑。**问题的根源不仅在于关税问题，更在于一种关键材料——低热膨胀系数玻璃纤维布（low-CTE fiberglass cloth）的严重短缺。  **一位供应链内部人士表示：“库克非常焦虑，每天都敦促供应商”，要求其“火速解决”材料短缺问题，以避免影响产品如期上市。** 低热膨胀系数玻璃纤维布是一种专为智能手机设计的关键材料，其不仅可以导热，还能减少因温度变化导致的零部件应力问题。 由于现代智能手机内部构造日益精密，对于热管理与机械稳定性的要求不断提升，这种材料几乎成为每一款高端手机不可或缺的一部分。 其他品牌也已察觉到情势的严峻性，纷纷采取预备措施，以免自身产品计划受到波及。 **除了材料短缺，苹果还深受地缘政治与美国关税政策不确定性的影响，即使苹果启动生产线外移计划，如扩大在印度或越南的产能，也难以在短期内完成整体转移。** 更现实的问题是，即便转移成功，其他生产国也可能面临不同程度的出口关税压力，这意味着苹果可能不得不在“吸收成本”与“产品涨价”之间做出选择。 但如果苹果调整价格结构，在全球智能手机市场增长趋缓、用户换机周期拉长的背景下，定价策略若过于激进，可能会引发市场反弹。 [查看评论](https://m.cnbeta.com.tw/comment/1494572.htm)

近日，特斯拉受到一项指控，**其罪名竟是“调表”，通过虚标公里数，而逃避保修。**该诉讼由洛杉矶居民尼里·辛顿发起，他声称自己的2020款特斯拉Model Y的里程表读数并非基于实际行驶里程，而是受到能源消耗、驾驶行为以及“预测算法”的影响。  **辛顿指出，他的车辆显示每天行驶72英里，而他实际每天最多只行驶20英里。** **由于里程表读数虚高，他的车辆保修期提前结束，导致他不得不自掏腰包支付10,000美元的悬挂系统维修费用，而该费用本应由保修覆盖。** 诉讼文件还指出，特斯拉将保修限制和租赁里程上限与虚高的“里程表”读数挂钩，从而增加维修收入，减少保修义务，并迫使消费者提前购买延长保修服务。 **对此，马斯克也在社交媒体平台X上对这起诉讼进行了尖锐批评，称其“太愚蠢了”。**  **许多资深电动汽车车主也在社交媒体上指出，该诉讼的指控并不准确。他们强调，特斯拉的里程表从未使用过任何预测算法来计算里程。** 此外，维修并非特斯拉的主要利润来源，因为特斯拉的车辆通常具有较长的使用寿命，无需频繁进行维护或更换零部件。 [查看评论](https://m.cnbeta.com.tw/comment/1494566.htm)

**Intel已加入台积电2nm制程的首批客户行列，计划用于生产下一代PC处理器，**目前相关准备工作正在台积电新竹厂区紧锣密鼓地进行，以确保后续良率的调整。台积电计划在下半年量产2nm制程，近期相关客户陆续浮出水面，此前，AMD已宣布下单台积电2nm制程。 **报道称，Intel和台积电目前在2nm制程上仅合作一款产品，可能是Intel明年要推出的PC处理器Nova Lake中的运算芯片。** 对于Intel加入的消息，台积电表示不评论市场传闻，也不评论特定客户业务，Intel方面也未对相关消息置评。 不过，法人看好随着2nm客户订单的持续涌入，将有助于台积电下半年业绩的持续增长。 [](https://static.cnbetacdn.com/article/2025/0327/be9499c9545bda1.jpeg) 此前Intel已是台积电先进制程的主要客户之一，去年Intel将两款处理器的关键运算芯片块（Compute tile）首次交由台积电生产，分别是Lunar Lake和Arrow Lake。 其中，运算芯片块采用台积电N3B制程生产，GPU芯片块采用台积电N5P制程生产，SoC与I/O芯片块则采用台积电N6制程生产 [查看评论](https://m.cnbeta.com.tw/comment/1494564.htm)

在新款车“铃木吉姆尼Nomad”的发布会现场，铃木汽车副社长鲇川坚一接受了媒体采访。记者问及，如何看待印度政府提出到2030年，使新车销量30%为纯电动汽车的目标，然而，考虑到能源情况和收入水平等因素，门槛似乎很高。 鲇川坚一解释道：**印度政府或许也不会认为“只靠纯电动汽车”。由于能源来源趋于多样化，拥有多种选择至关重要。** 作为其中之一，铃木预计未来不断增加的是使用生物甲烷气体作为燃料的压缩天然气（CNG）汽车。**例如，我们正在推广以牛粪为原料的生物气体驱动的CNG汽车。** 据了解，**铃木汽车已经开发出了以牛粪沼气为燃料的车型铃木CNG版本的WagonR，**通过牛粪的沼气发酵，产生的可燃气体将被用作清洁燃料。 [](//img1.mydrivers.com/img/20250422/33ef2a27546743e99e06e2344e81d5bf.png) 去年12月份时，铃木印度公司、印度国家乳业发展局（NDDB）以及巴纳斯乳业公司签署了谅解备忘录，共建沼气生产厂。 铃木计划在古吉拉特邦推出五个沼气厂，其中两个将于今年夏天上线，由牛粪生产的燃料则将在工厂附属的加油站出售。 据介绍，**10头奶牛一天排泄的粪便，可为一辆CNG汽车提供一整天的燃料，**而印度有多达3亿头奶牛，且牛粪在印度农村传统上便被用于烹饪时的燃料，因此很容易被当地接受。 [查看评论](https://m.cnbeta.com.tw/comment/1494562.htm)

一文读完一周出海热点

新能源浪潮下，优势弱化，转型业务增收不增利，阵痛加剧。

美国滥施关税之下，并非完美福地的中东市场，凭借高增长和新机遇必将吸引更多跨境电商。

这场关于“资本废墟”的拆解游戏，能否改变生物医药创新的逻辑与路线？一切还有待时间的验证。