**广东茂名电白近日举办了一场别开生面的荔枝新品鉴会，主角是一颗颗比鸡蛋还大的“仙桃荔”。**这款令人惊叹的新品种由国家荔枝龙眼产业技术体系首席科学家、华南农业大学园艺学院院长胡桂兵教授团队历时15年精心选育而成。它不仅拥有特大果、早熟、优质、丰产等优良特性，还具备出色的耐贮运能力。 **“仙桃荔”果如其名：托在掌心，其硕大的果实（平均单果重60克，最大近110克）不似寻常荔枝，反倒形似一颗饱满的“仙桃”。** 它源自2008年以“紫娘喜”为母本、“无核荔”为父本的人工有性杂交，果肉呈现独特的蜡白色，不流汁，口感软滑细嫩。 “它的耐贮性也很出色，”胡桂兵教授介绍道，“常温下可保鲜5至7天，低温冷藏更可保存30天以上。” **目前，“仙桃荔”已在广东徐闻、雷州、廉江、麻章、阳西、从化、增城以及云南、海南部分地区开展试种。**其果实硕大、果肉厚实、成熟期早的优势，在试种中展现出良好的商业化潜力。 [](//img1.mydrivers.com/img/20250605/b4eee089d57246edacadafde38fa24eb.png) [查看评论](https://m.cnbeta.com.tw/comment/1504530.htm)

目前传统空气冷却系统在应对现代计算需求时已经存在压力，所以不少云计算厂商都在尝试通过液体冷却或直接将整个服务器都放在冷却液中运行，这样冷却液可以直接接触高温硬件并带走热量。  但在液体冷却逐渐流行后，行业对冷却液的要求也在提升，不同性质的冷却液提供的冷却效果有着非常明显的差异，如果有散热效果更好的冷却液则可以降低数据中心能耗并降低碳排放。 所以石油和天然气公司壳牌 Shell 日前推出名为 Shell DLC Fluid S3 的新型冷却液，这种冷却液基于丙二醇解决方案，通过直接对 CPU 和 GPU 等组件进行冷却来降低能耗。 目前全球数据中心行业的电力消耗占全球电力消耗的 2%~3%，壳牌称与传统空气冷却相比，壳牌 S3 冷却液可以将电源使用效率提高 27%，从而减少对高耗能工业制冷设备的需求。 壳牌的这种新型冷却液也可以延长硬件的使用寿命，壳牌称 S3 冷却液可以降低服务器硬件中的金属腐蚀速度，这种冷却液也提供荧光染料方便泄露检测。 壳牌新业务开发和大客户副总裁 Aysun Akik 表示： <blockquote><p>借助壳牌 DLC Fluid S3，壳牌现在可以提供直接芯片冷却和全浸入式冷却解决方案，我们不仅在人工智能时代保持数据中心的冷却，还在为数字基础设施的未来提供动力。</p><p>我们的先进的液冷解决方案旨在满足当前和未来现代数据中心的多样化需求，这些业务也得到壳牌、供应链和技术开发中心提供的强大支持。</p></blockquote> [查看评论](https://m.cnbeta.com.tw/comment/1504526.htm)

发烧级独立显卡通常主宰着高性能的讨论，但说到时钟频率的超频纪录，集成显卡也毫不逊色。最近，一位最新的世界纪录保持者解释了他如何控制电压和温度，使英特尔核显首次突破 4GHz 大关。  超频专家 Pieter Massman 最近详细介绍了他如何在 2025 年台北国际电脑展上创下新的图形时钟频率世界纪录。虽然最近的大多数纪录保持者都使用了 NVIDIA 的旗舰产品 RTX 4090，但 Massman 使用 Intel Core Ultra 9 285K的集成 GPU 超越了他们。 在华硕超频专家 Peter “Shamino” Tan 的帮助下，Massman 将 Arrow Lake 处理器的 Xe2-LPG 64EU iGPU 频率提升至 4.25GHz，是其默认频率的两倍多。该团队两次实现了这一壮举，并在今年台湾 Computex 展会初期的直播中，通过CPU-Z验证了结果。 根据 Massman 的博客[Skatter Bencher](https://skatterbencher.com/gpu-overclocking-world-record-history/)的说法，这一成就创造了集成 GPU 时钟频率和整体 GPU 时钟频率的新世界纪录。 自2022 年RTX 4090推出以来，频率记录已从 3.3GHz 左右稳步攀升至 2023 年的 4.02GHz。此前，Massman 在去年年底的 Arrow Lake 发布会上曾创下 3.9GHz 的 iGPU 记录——使用他后来在 Computex 上超频的同一款芯片。 超频需要将 GT 倍频设置为默认参考时钟频率乘以 85 倍（这是最高可用设置）。最初，Massman 通过专用于 CPU 图形核心的 VccGT 电压轨为集成 GPU 提供 1.3V 电压，但这只能达到 3.1GHz。 进一步推动需要在过压和液氮冷却之间取得微妙的平衡，最终在 1.7V 和 -170°C 的温度下实现 4.25GHz。 然而，在这些设置下测量核显性能时，一些常见的基准测试工具却难以应对。Furmark在 1080p 分辨率下跑到 2800 分后崩溃，3DMark Speed Way 在 650 分左右卡住，GPUPI 1B 也只跑了大约 17.9 秒。为了稳定系统，团队对显卡芯片接口进行了超频，并提高了参考频率。 虽然自 21 世纪初以来，独立和整体 GPU 时钟频率记录一直在稳步上升，但 iGPU 的进步直到最近才恢复。 在 2011 年突破 2GHz 大关后，集成 GPU 超频停滞了近十年，才于 2023 年突破 3GHz。自 2010 年以来，随着 CPU 频率的提升，显卡超频是否会停滞不前还有待观察。 [查看评论](https://m.cnbeta.com.tw/comment/1504524.htm)

Windows 11 即将推出一项新功能，或许可以帮助延长笔记本电脑或二合一设备的电池续航时间。微软似乎正在测试一项全新的“用户交互感知 CPU 电源管理”功能，该功能适用于整个操作系统。  微软的一篇[博客文章](https://blogs.windows.com/windows-insider/2025/05/19/announcing-windows-11-insider-preview-build-26200-5603-dev-channel/)中提到了“用户交互感知 CPU 电源管理” 。根据我们掌握的详细信息，该功能似乎会在您不主动使用电脑时尝试降低 CPU 使用率。 例如，如果您离开电脑一小会儿，而 Windows 没有检测到鼠标、键盘或其他“用户级交互”，它就会假定电脑处于“用户不活动”状态，并积极限制 CPU 使用率。 在此省电状态下，Windows 将应用激进的 CPU 电源管理设置。这些设置来自设备制造商在“处理器电源管理”(PPM) 下的定义。具体内容可能如下： - 降至较低性能状态（较低时钟速度或电压）。 - 花更多时间处于更深的类似睡眠模式（C-States）。 一旦您再次开始与 Windows 交互（我假设通过鼠标、键盘或触摸），它会将 CPU 切换回其正常/默认（或“高性能”）策略。 用户不会注意到任何延迟，因为操作系统会在您回来后优先恢复到全速。 微软很可能能够检测到视频播放或游戏状态。在这些情况下，“用户交互感知 CPU 电源管理”不会启动。在其他情况下，该策略可能未自动激活，但正如我提到的，我们目前尚不清楚具体细节。 电源管理功能通常会在短时间内牺牲性能，微软的博客[文章明确表示，](https://blogs.windows.com/windows-insider/2025/05/19/announcing-windows-11-insider-preview-build-26200-5603-dev-channel/)它正在应用“高效的电源管理策略”，而这通常会影响性能。鉴于微软如何控制所有电源管理功能，Windows 最新版知道您将能够关闭“用户界面感知 CPU 状态”。 微软正在 Build 26200.5603 中测试此功能，因此可以保证它在Windows 11 25H2上可用，并且它也将出现在 24H2 上。 此外，它并不是 Windows 11 中唯一的“省电”功能。 据信微软正在测试一项新的 Copilot 品牌功能，该功能试图监控电池状态，然后建议调整设备上的设置以最大限度地延长电池续航。  它可能会尝试改变亮度、电源模式等，并且它会实时工作，但它不会将您的数据发送给 Copilot 或任何 AI 模型，因为它是一个底层脚本，似乎只是使用 Copilot 品牌（至少内部情况如此）。 [查看评论](https://m.cnbeta.com.tw/comment/1504520.htm)

尽管一些专家认为环境对人工智能研发越来越不利，但投资追踪机构 PitchBook 的数据显示，北美仍然获得了大部分人工智能风险投资资金。今年2月至5月，风险投资公司共向北美的人工智能和机器学习初创公司投资了1528笔，总额达697亿美元。相比之下，同期风险投资公司对欧洲人工智能初创企业的投资总额为64亿美元，共计742笔。 [](https://static.cnbetacdn.com/article/2025/0505/2aec443c49604a8.webp)[](https://static.cnbetacdn.com/article/2024/0317/950035eb84ae0ba.webp) PitchBook 的数据显示，亚洲初创企业的表现略逊于欧洲同行。2 月至 5 月期间，风险投资公司在 515 笔交易中仅向亚洲人工智能初创企业投资了 30 亿美元。 在唐纳德·特朗普总统的领导下，美国大幅削减了与基础人工智能研究相关的科研经费，加大了人工智能专业外国学生赴美学习的难度，并威胁冻结数十亿美元的联邦资金，以拆除大学设立的人工智能实验室。与此同时，包括报复性关税在内的美国政府贸易政策导致市场混乱，不利于高风险的新型人工智能企业的发展。 人工智能先驱、诺贝尔奖获得者杰弗里·辛顿 (Geoffrey Hinton) 在 3 月份的 X 帖子中呼吁亿万富翁埃隆·马斯克 (Elon Musk) 被英国皇家学会开除，因为他直到最近还为特朗普的成本削减部门政府效率部提供建议，“因为他对美国的科学机构造成了巨大的损害”。 鉴于特朗普在美国的争议性政策，给创始人、投资者和研究人员带来了不确定性和困惑，人们或许会认为，致力于成为人工智能全球领导者的欧洲将会吸引更多风险投资。此外，欧盟已承诺投入数千亿欧元支持其成员国的人工智能发展，并且已经拥有一批成功且资金充足的人工智能初创企业（例如 Mistral、H 和 Aleph Alpha）。 但预期中的全球投资转移并未实现。目前还没有任何迹象表明风险投资大规模流向欧盟，海外人工智能投资也并未出现显著增长——至少目前还没有。 中国的情况也一样。中国催生了像DeepSeek和蝴蝶效应（代理平台Manus背后的公司）这样备受瞩目的人工智能初创公司，但中国乃至整个亚洲地区的风险投资活动仍然相对低迷。（出口管制影响了某些亚洲国家采购人工智能芯片的能力，这几乎肯定是一个因素。） 2024年，北美初创企业获得了所有人工智能风险投资的75.6%，即1062.4亿美元。这一比例在今年持续上升。截至2025年，北美人工智能投资占全球人工智能风险投资总额的86.2%（797.4亿美元）。 这幅图景多少有些令人惊讶。即使在特朗普第二任期内政治和监管阻力不断加大的情况下，美国仍然是无可争议的人工智能资本中心。这意味着，尽管投资者可能对政府的不可预测性感到厌倦，但他们仍然指望美国的创新能够带来最大的回报，至少目前如此。 [查看评论](https://m.cnbeta.com.tw/comment/1504518.htm)

可口可乐推出新一轮分享瓶。

高频折扣正杀死品牌。

据央视新闻报道，4日深夜，中国南方航空CZ3383航班顺利抵达南阳姜营机场。**这是南航首次使用国产大飞机C919执飞广州—南阳航线，也是C919飞机首次正式亮相国内支线机场。**执行此次任务的南航C919飞机为标准航程型，采用164座三舱布局。 首航过后，**南阳姜营机场将常态化承担南航C919机型的飞行训练、技术验证及不定期商业航班保障任务。** 根据计划，6月5日至6日，南航C919飞机将在南阳姜营机场开展密集的本场飞行训练。 南航将选派综合素质和技术能力过硬的资深机长教员团队，带领飞行员高标准完成起落、复飞等科目训练。 [](//img1.mydrivers.com/img/20250605/421b04a56e914c2f8a29fc1a6175486f.png) 据了解，**C919是我国首款按照国际通行适航标准自行研制、具有自主知识产权的喷气式干线客机。** 2015年11月2日，C919完成总装下线，2017年5月5日成功首飞，2022年9月29日获得中国民用航空局颁发的型号合格证，2022年12月9日全球首架交付，2023年5月28日圆满完成首次商业飞行。 [查看评论](https://m.cnbeta.com.tw/comment/1504514.htm)

爱情的排他性进入了乙游。

6月5日，记者获悉，近日淘宝天猫官方物流迎重大升级，于天猫618期间上线高品质物流服务品牌“极速上门”，首期联合顺丰作为快递合作伙伴，并同步邀请部分商家开启服务公测。  今年以来，淘宝以“扶优去劣”为核心战略，对平台运营逻辑进行深度重构与聚焦。密集落地打击羊毛党、治理恶意店群、治理AI假图，推出店铺真实体验分、取消仅退款……系列举措持续改善商家营商环境，这次扶优策略到了物流上，以增加平台高标物流服务供给，提升消费者体验。  记者发现，当下正值天猫618，目前已有不少商品显示“极速上门”。据介绍，当使用顺丰速运的商品可实现“次日达”标准时，物流服务将显著展示“极速上门”专属品牌标识，此外所有商家在后台配置承诺发顺丰的商品，将向消费者展示“顺丰包邮、送货上门”等强时效表达，提升消费者的识别选择。   同时，我们了解到，“极速上门”首期联合顺丰邀请部分商家开启服务公测，经首期测试服务稳定后，淘宝天猫将面向所有商家开放报名，符合接入条件的商家商品同样将享有“极速上门”标识和服务承诺，帮助商家通过展示好服务获得更多曝光和成交。  此外，淘宝天猫为持续升级平台物流体验，推出“极速上门”之外，还与顺丰在逆向退货揽收、大件家装新疆集运等领域展开合作，针对性解决当前电商物流中存在的痛点，提升消费者网购体验。  作为淘宝天猫官方推出的高品质物流服务品牌， “极速上门”除了与顺丰达成合作外，也计划面向所有快递合作伙伴开放，后续平台将邀请其他达到服务标准的快递产品加入，扩大次日达、送货上门等优质服务覆盖。  这一系列动作延续了淘宝天猫近年来的物流升级路径：2023年与多个快递公司合作推出官方上门增值服务，去年则全面开启“新疆包邮”体验提升计划，今年618新疆、甘肃、青海等西北省份更迎来大件家具包邮……淘宝天猫通过持续加码物流服务能力建设，扶持商家物流升级，开拓国内新兴市场，帮助商家生意获得更多增长机会。  “我们正在建立更精细的物流服务管理。”淘宝天猫平台物流体验负责人周荣博表示：“优质物流能力将成为商家经营的重要竞争力指标，符合标准的商家将获得更多平台资源支持。”  此前，淘宝宣布将上线新版店铺评价体系“真实体验分”，评分与搜索、推荐、营销、广告等核心场域直接挂钩，重点考核商品质量、物流速度和服务保障三方面。在物流速度方面，“物流到货时长”成为重点考核指标之一，物流服务优质、时效保障强的商家相应可提升真实体验分，带来更多的流量和资源加持。

“双碳”攻坚战，能源是主战场，电力是主力军。

<blockquote><p>用户生命周期分析是数据分析中的经典课题，但实际操作中常常让人感到困惑。本文从理论出发，结合实际业务场景，深入探讨了用户生命周期分析中的常见问题，供大家参考。</p> </blockquote>  在做数据分析的时候，用户生命周期分析，是个很典型的“理论一听就懂，数据一做就废”的东西。很多同学很困扰：“到底生命周期该怎么算？为啥我算的套到业务上不成立！”今天我们系统解答一下。  ## 0 书本上的生命周期 在各路书本、文章中，大家都看到过这张图  要注意的是，这个图讲的是理论上的用户生命周期。它假设了用户留存与用户价值之间存在倒U型关系。 因此推导出以下理论结果： - 用户必须得维护好 - 要搭建成长路径 - 要计算全生命周期价值 - 不要只计较眼前利益 - 前期重体验，后期分等级 但这个假设前提，在具体的业务场景中很可能不成立，特别是数据上不会呈现完美曲线。因此会搞得很多做具体业务分析的同学经常踩坑，很郁闷。  ## 1 差异1：活跃与付费分离 对线下实体店而言，用户到店即付费，先消费后体验服务。但在互联网产品里，付费与活跃脱节的现象很常见。或者有的产品干脆允许用户只活跃，不付费，通过额外的权益和道具收费。比如游戏、在线音乐、视频、社区等等皆是如此。 总之，当用户活跃与付费脱节的时候，用户生命周期曲线变会发生变化：用户价值不再随留存时间变化，而是独立开，呈现出类似矩阵模型的样式（如下图）  这时候要特别注意各类型用户比例，特别是白嫖用户的比例。在各类型互联网产品里，白嫖用户都有相当比例。如果不加区分，一概而论，则会造成一种虚假繁荣的假象。最终结果会导致产品叫好不叫座，商业化过程极其艰难。  ## 2 差异2：场景化消费 即使是消费与活跃行为紧密捆绑，也会出现问题。最常见的就是场景化消费，比如：出行： - 今天下好大的雨，打个滴滴 - 今天下雨，但是是小雨，跑去地铁站 - 今天天晴，当然坐地铁拉 这就是典型的外因驱动。 电商： - 今天有大促销，看看买点啥 - 今天有新产品上市，看看哪家便宜 - 女友快过生日了，看看送点啥 这是典型的内因驱动。 注意，无论是内因还是外因，在现实生活中都是很正常，很合情合理的场景。可这些场景会共同导致一个结果：用户留存时间与用户价值不是倒U型，而是随机的，甚至难以捉摸规律（如下图）。  这导致用户生命周期曲线很难绘制，用户留存久了也不代表有价值，用户生命周期价值也难以估算。特别是大促销、爆款上市这种场景。最后用户还是看哪家便宜买哪个，跟之前的留存时间一点关系都没有。 这时候强行绘制用户生命周期，用平均值代替每个用户的真实情况。结果就是模糊了运营、营销、商品的作用，会造成一种虚假繁荣的假象。让大家以为：只要用户呆得久就早晚给钱了。结果发现用户生命周期价值的平均值越来越低。  ## 3 差异3：浅尝辄止的新人 拉新，是所有互联网业务的核心，也是经常出幺蛾子的地方，拉来的新人完全不消费，或者过了很久才诈尸来消费一笔，都是很常见的事。这种浅尝辄止的新人比例一高起来，就会导致对拉新行动评估不准。 如果用平均值的话，会把这些实际上是0的人平均掉，又是在制造虚假繁荣。如果剔除出去，只统计有消费的人，显然又会高估渠道价值。并且，由于诈尸用户存在，导致周期长度难以统计（如下图）。  这种统计难，常常被业务部门拿来当甩锅借口。特别是当浅尝新人+场景化消费同时出现的时候，负责拉新的市场部、增长团队、营销部就喜欢扯：“得评估用户生命周期价值，不能只看眼前”“虽然用户现在没消费，但是300年内说不定就消费一大笔呀，所以不能说我做得差，是你统计得不准。” 处理这个问题也简单：只有交易周期很长的，才统计生命周期价值。类似B2B跟单，房、车等大额B2C交易，否则不去统计什么生命周期价值。类似打车、日用品、生鲜这些高频交易，拉来的用户一个月不消费就是拉新失败，扯啥生命周期。你们拉的用户都是辟谷修长生的吗？！一个月都不吃一顿？！真是的。  ## 4 数据背后的深层次问题 这些数据问题背后，隐藏了一个更深层次的问题：用户对一个产品的全生命周期需求，到底是谁的。 这年头随便到哪里买东西，一扫码就会关注一堆公众号小程序。我们被各种商家称为：“尊敬的会员”，可回头看看，你真的认为自己属于某个商家？你明知道别人家有优惠，还会在这里买？？？？ 有可能用户的生命周期依然存在，但是除非是微信这种超超级应用，否则根本无法一手掌握。用户的行为会分散在各个场景，各个应用里。这种情况下，是否还有必要按上个时代的做法，苦苦追求全生命周期价值？很有可能在这个年代的用户关系，就是场景化、事件化的。 正是基于这种思想，CDP的概念才会孕育而生，用基于场景的事件营销（被动）和推送营销（主动）取代了传统CRM理论里的用户等级、用户分群、用户价值曲线、用户成长路径。 简而言之，就是：我不指望用户属于我，我只在用户想要买单的时候抓住他就好了。当然，这种理念转化带来的最大挑战，就是营销成本的不确定。 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>医疗AI领域曾被寄予厚望，然而现实中，超过90%的企业在商业化落地的第三步就遭遇困境，即使是谷歌健康和IBM Watson这样的巨头也未能幸免。本文深入剖析了医疗AI落地过程中常见的十大陷阱，并结合实际案例探讨了如何避开这些陷阱，希望能帮到大家。</p> </blockquote>  2023年，某明星AI医疗公司手握三类医疗器械证高调宣布进军千家医院，却在一年后悄然关停。创始人复盘败因时痛陈：“我们跨越了技术鸿沟，却死在收费代码的缺失上”。 这并非孤例——行业数据显示，超90%的医疗AI企业倒在商业化第三步，连谷歌健康、IBM Watson等巨头也折戟沉沙。 “2025年中国医疗AI市场规模突破1200亿，但死亡率高达67%——这比癌症患者5年生存率还低。” 今天，我将拆解医疗AI落地的十大致命陷阱，为你揭秘这场技术革命背后的残酷真相。 ## 一、拆解医疗AI落地十大陷阱 ### 陷阱一 数据死海：垃圾进，垃圾出 “金标准”缺失之痛：某三甲医院肺结节AI诊断系统训练时，因各医院对“毛刺征”标注标准不一，导致模型误诊率高达34%，远超临床容忍度 沉默数据黑洞：国内医院超60% 的电子病历存在关键字段缺失，中医脉诊数据因缺乏量化标准，AI学习陷入“玄学困境” 隐私合规雷区：2024年某平台因违规使用300万份患者数据训练模型，遭1.2亿天价罚单，直接导致B轮融资流产 行业真相：没有经过严格清洗、标准化处理的数据，再大的数据量也只是“数字废料” 标杆破局： 1）联邦学习联盟：腾讯牵头30家医院共建跨机构训练平台； 2）区块链溯源：零氪科技用哈希值锁定数据版本，争议率下降90%； 3）避坑指南：数据合作需要“长期主义”。与医院共建数据平台、参与科研课题、甚至从设备端切入获取原始数据，都是破局之道。 ### 陷阱二 算法幻影：实验室王者，临床青铜 泛化能力陷阱：某AI肺结节检测工具在三甲医院准确率达98%，下沉至县级医院后骤降至72%（设备差异+病灶特征变化） 罕见病盲区：训练数据中占比不足0.1%的罕见病，AI漏诊率是医生的5.3倍 伦理黑箱争议：某AI辅助决策系统建议晚期肿瘤患者放弃治疗，却无法解释依据，引发医患纠纷 培养革命： 1）双导师制：清华协和医学院要求AI博士临床轮转2年； 2）交叉薪酬：联影智能给医学背景工程师额外发放30%津贴 ### 陷阱三 商业化断崖：90%企业的葬身之地（最致命陷阱！）  商业化“海市蜃楼”——3000家医院仅3%愿付费，某影像AI公司产品进驻300家医院，却因无收费代码被迫免费开放。年运营成本超5000万，最终现金流断裂。这恰是标题中“90%企业倒在第3步”的血腥现实——技术易得，收费通道难开。 避坑指南：医疗AI的商业化需要“精准算账”。从按例付费、效果分成到SaaS订阅，找到与医院共赢的付费模式。 ### 陷阱四 临床排斥：医生的“电子敌意” 流程反人性：护士需额外花3分钟录入数据给AI系统，直言“不如自己写报告” 责任转嫁恐惧：78% 医生拒绝签署AI辅助诊断书，担心误诊连带追责 价值感知错位：某AI病理系统虽提速50%，但医生更需的鉴别诊断功能却未开发 奇美医院破局启示：从护理人员“最痛恨”的病历文书切入，开发一键生成交班报告系统，使用率飙升至每月7万人次。医疗AI的正确定位是“医生的第二大脑”。产品设计要“去中心化”，让医生感觉AI是助手而非对手。 生存法则： 1）真实世界研究（RWS）：医渡科技联合医保局分析300万份病历，缩短验证周期50%； 2）嵌入式设计：联影智能将AI直接集成到CT操作界面，医生采纳率提升至89% ### 陷阱五 巨头碾压：生态位争夺战 互联网降维打击：腾讯觅影接入DeepSeek-R1后，3个月覆盖医院数超创业公司5年总和 器械捆绑策略：GPS（GE、飞利浦、西门子）将AI模块内嵌影像设备，单独采购需求锐减 数据垄断危机：某医疗大数据平台掌控60% 肿瘤新发病例数据，创业公司被迫高价购买 理性回归： 1）对赌条款：高瓴资本要求AI企业临床转化率≥15%才释放投资； 2）产融共生：红杉中国联合三甲医院成立成果转化基金； 3）破解之道生态位卡位：绑定顶级三甲医院形成技术-临床闭环，规避巨头生态压制 ### 陷阱六 法律黑洞：谁为AI误诊买单？ 责任主体模糊：患者因AI漏诊起诉医院，法院判决医生承担全责（现有法律未定义AI主体性） 算法抄袭泛滥：OpenEvidence起诉竞争对手窃取其提示词代码，索赔金额超2亿美元 资质认证滞后：生成式AI医疗工具尚无明确监管分类，多数游走于“医疗器械”定义边缘 重建策略： 1）人机共诊协议：浙江省要求AI诊断必须经医生双签； 2）透明化解释：数坤科技用三维可视化展示AI决策逻辑 ### 陷阱七 技术妄念：追逐风口，遗忘刚需 肺结节红海：53家企业扎堆肺结节AI检测，但骨科、消化内科等高需求领域覆盖率不足10% 大模型过热病：某公司耗资千万训练医疗大模型，实际仅用于生成健康科普文章 硬件依赖困局：AI超声工具要求配备4K探头，基层医院设备升级成本超百万 组织能力错配：技术大牛≠医疗专家 破局之道： 1）多中心实战训练：推想医疗在50家基层医院部署自适应模型； 2）实时纠错机制：深睿医疗建立医生反馈奖励积分，模型迭代速度提升3倍； 3）避坑指南：医疗AI的团队需要“混搭”。医生、护士、医院管理者必须深度参与产品定义、测试、迭代全流程。 ### 陷阱八 支付方缺位：保险与药企的冷漠 DRG/DIP排斥：医保按病种付费下，医院无动力采购增加成本的AI工具 药企合作悖论：某AI药物研发公司发现：药企只愿为成功药物付费，拒绝支付前期技术服务费 商保渗透不足：健康管理类AI仅7% 接入商业保险，用户自费意愿极低 变现革命： 1）保险联动：平安健康按患者康复效果向AI企业分成； 2）硬件+订阅制：推想科技推出AI诊断一体机，年费198万/台 ### 陷阱九 忽视基层医疗——“降维打击”变“水土不服” 很多企业盯着三甲医院，却忽视中国医疗的真正痛点在基层。但基层医疗场景复杂度不亚于三甲：设备老旧、医生水平参差、患者依从性低…… 典型案例：某AI慢病管理系统在乡镇卫生院推广时，因医生不会操作、患者不识字，最终沦为“摆设”。 避坑指南： 基层医疗需要“傻瓜式”产品。 界面要极简、操作要零门槛、服务要“端到端”。 ### 陷阱十 生态孤岛：医院间的“数据柏林墙” 信息割据：某医联体AI项目因3家医院数据格式不兼容，实施成本增加400% 利益分配僵局：三甲医院拒绝共享标注数据，担心“教会徒弟饿死师傅” 联邦学习局限：跨院模型训练精度损失达15%，临床价值大打折扣 避坑指南：数据合作需要“长期主义”。与医院共建数据平台、参与科研课题、甚至从设备端切入获取原始数据，都是破局之道。 ## 二、破局之道：活着越过“死亡第三步” ### 1. 收费模式创新 上海模式：将AI诊断纳入“按绩效付费”试点，肺结节检出量增长达标即奖励 药企联合开发：与制药公司签订对赌协议，AI缩短药物研发周期则分取销售额3%-5% ### 2. 刚需场景锚定 学习奇美医院：从护理文书、药师审方等高频低风险场景切入，快速证明ROI 聚焦医保倒逼领域：如DRG亏损病种成本优化、日间手术流程提速 临床价值锚定：聚焦单病种高价值场景（如肺癌早筛），拒绝“大而全”伪需求 ### 3. 法律避险设计 在系统内嵌三重警示：“本结果仅供医生参考”“需结合临床判断”“最终解释权归主治医师” 购买AI医疗责任险，年保费约为营收的1.5%-3% 合规先行：设立首席法务官（CLO）岗位，将合规成本纳入产品定价模型 ## 三、刀锋上跳舞的幸存者，医疗AI没有捷径，唯有向死而生 2025年3月，一家曾濒临倒闭的AI公司突然宣布盈利——他们放弃了“颠覆医疗”的野心，转而开发医保审核AI工具，帮助医院从DRG漏填中挽回损失。该系统按挽回金额的15% 分成，首月创收超800万。医疗AI的终极法则：不要试图取代白大褂，而要成为白大褂口袋里那把用得顺手的镊子。 未来，医疗AI的胜负手不在技术，而在对医疗本质的理解，对临床痛点的共情，对落地细节的执着。 这条路上，没有神话，只有脚踏实地。 本文由 @医链智核GHH 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

 今日， Nintendo Switch 2 主机以及周边设备正式发售，同时首发护航作品《马力欧卡丁车 世界》也同步发售。  作为任天堂旗下的全资子公司，曾开发过《异度神剑》系列的Monolith Soft也发文称，他们负责了《马力欧卡丁车 世界》中的场景开发以及角色设计。 

高考的本质，从来不是对过去的复刻，而是对能力的考验。

苹果宣布WWDC25全球开发者大会将于北京时间6月10日凌晨1点举办，本次大会的重头戏是iOS 26。据爆料，**iOS 26适配机型里不包括iPhone XS、iPhone XS Max和iPhone XR，这三款机型将永久停留在iOS 18，**尽管不能获得大版本更新，但是苹果还会推送安全补丁更新，持续维护这些老机型。 [](//img1.mydrivers.com/img/20250605/3689aa61e4024afebd71b42b0c761eb7.jpg) 这次iOS 26将融入visionOS的空间计算理念，核心图标与交互组件会采用半透明材质，这不仅增强了视觉深度，还能增加设计的层次感，让整体界面更加美观，预计iPadOS 26、macOS 26、watchOS 26等系统也会在UI界面设计上遵循相同的理念。 另外，全新的iOS 26有望支持外接显示器，当iPhone检测到外接屏幕时，台前调度功能会自动激活，在桌面端实现多窗口并排、应用自由分屏等类似PC的多任务处理能力。 按照惯例，9月亮相的iPhone 17系列出厂搭载全新的iOS 26，以下是iOS 26适配机型名单： iPhone 16e iPhone 16 iPhone 16 Plus iPhone 16 Pro iPhone 16 Pro Max iPhone 15 iPhone 15 Plus iPhone 15 Pro iPhone 15 Pro Max iPhone 14 iPhone 14 Plus iPhone 14 Pro iPhone 14 Pro Max iPhone 13 iPhone 13 mini iPhone 13 Pro iPhone 13 Pro Max iPhone 12 iPhone 12 mini iPhone 12 Pro iPhone 12 Pro Max iPhone 11 iPhone 11 Pro iPhone 11 Pro Max iPhone SE (二代及后续机型) [查看评论](https://m.cnbeta.com.tw/comment/1504512.htm)

美国白宫正式发布公告，宣布将对哈佛大学国际学生实行签证限制。根据公告内容，哈佛大学被指未能回应国土安全部（DHS）关于外国学生涉嫌非法、暴力或威胁行为的多项信息请求。 尽管联邦政府要求提供相关数据，哈佛仅提供了三名学生的有限信息，且数据不足以供DHS评估是否需要采取进一步行动。特朗普认为，这种“不合作行为”削弱了联邦政府确保外国学生遵守美国法律的能力。 此外，公告还指出，哈佛大学近年来的犯罪率，特别是暴力犯罪率显著上升，而校方未能对某些违规行为进行有效纪律处分。鉴于这些情况，联邦政府认为哈佛大学已不再是国际学生和交流访问学者项目的可信管理者。 **根据这一决定，哈佛大学除了不能再招收国际学生入学外，现有的外国学生必须转学，否则将失去合法身份。** 据悉，中国学生占哈佛大学国际学生的20%。 [](//img1.mydrivers.com/img/20250523/78313fc0784e4df096fb23535a4591a4.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1504510.htm)

日前，北京量子信息科学研究院宣布，**我国科研团队首次完成星地量子直接通信系统模块级验证。****这标志着我国的星地量子直接通信技术，正式迈入空天地一体化量子直接通信网络的构建阶段。** 据了解，此次验证是将量子直接通信激光器模块和相位编码两个模块，于2025年5月29日4时40分搭载在箭元科技元行者一号验证型火箭上，随后完成成功发射、海上回收、返厂检查等多个阶段。 实验模块成功出舱，完成相关检查、一切正常。 此次搭载的两个模块是星地量子直接通信系统的关键组成部分，由北京量子信息科学研究院副院长、清华大学教授龙桂鲁的量子直接通信团队自主研发，是团队历时三年攻关的原创性成果。 **量子直接通信激光器模块采用高稳定性脉冲光源技术、抗辐照技术等；相位编码模块则采用高效、高速和精密信号调理技术，实现对单光子级信号的高精度、高速率、高效调制。** 本次搭载主要进行的是对模块抗震动、抗辐照等火箭发射升空过程中的各类环境变化的鲁棒性测试。 随着量子直接通信技术的成熟化，未来在政务、金融、电信、能源等高安全需求领域，将构建起量子增强的安全通信体系，推动信息安全产业进入“量子+”新时代。 [](//img1.mydrivers.com/img/20250605/186b60c1f0244aacbf8b03902af4c9c9.jpg) 北京量子院量子直接通信团队自主研发的激光器模块 [查看评论](https://m.cnbeta.com.tw/comment/1504506.htm)

大家知道，每一代新工艺，成本和价格都在持续飙升，比如**台积电N2 2nm级每块晶圆要价高达3万美元(约合人民币21.6万元)，而再下一代A16 1.6nm级就可能高达4.5万美元(约合人民币32.3万元)，又涨了多达50％！** 代工厂的晶圆报价取决于多重因素，尤其是前期研发投入、产能规模等，不同客户的待遇也不一样。 比如苹果，一直是台积电的座上宾，据信能拿到更低的价格，AMD、NVIDIA、Intel、高通等客户则要看相应的产能(越大越低)，因此这里说的只是一个粗略数字。 [](//img1.mydrivers.com/img/20250605/c46248ef0edf49f588c14f6af99ec00f.jpg) 从历史来看，晶圆越来越贵的趋势是显然的。 **2004年的90nm，那时候一块晶圆只需2000美元，随后一路水涨船高，N7 7nm已经突破1万美元，N5 5nm高达1.6万美元，N3 3nm则接近或达到了2万美元。** 台积电N2 2nm今年下半年量产，苹果A20、M6系列和AMD Zen6 EPYC都会用它。 台积电A16工艺结合了领先的纳米片晶体管、背部供电、超级电轨等技术，对比N2P性能提升8-10％、功耗降低15-20％、晶体管密度提升10％，**预计2026年量产**，具体客户暂时不详。 后边是全新的台积电A14 1.4nm级，升级第二代GAAFET全环绕纳米片晶体管，以及新的标准单元架构NanoFlex Pro，对比N2性能提升10-15％、功耗降低25-30％、晶体管密度提升23％，**计划2028年上半年量产**，成本必然再次大幅上扬。 除了成本贵，芯片首次流片定案的成功率也越来越低，目前只有14％，比两年前跌了10个百分点。 [](//img1.mydrivers.com/img/20250605/1ff6465a003f484fa1185cbf16ef2c1a.png) [查看评论](https://m.cnbeta.com.tw/comment/1504504.htm)

今年是首款商用现场可编程门阵列（FPGA）诞生40周年的日子，它带来了可重编程硬件的概念。通过打造“与软件一样灵活的硬件”，FPGA改变了半导体设计的面貌。**有了FPGA，开发人员第一次能在设计芯片时，如果规格或需求在中途、甚至在制造完成后发生变化，他们可以重新定义芯片功能，以执行不同的任务。** 这种灵活性令新芯片设计的开发速度更快，从而缩短了新产品的上市时间，并提供了ASIC的替代方案。 FPGA对市场的影响是惊人的。它催生了一个价值超过100亿美元的产业。 **过去四十年来，赛灵思（现为AMD的一部分）已向不同细分市场的7000多家客户交付了超过30亿颗FPGA和自适应SoC——结合FPGA架构与片上系统和其他处理引擎的器件。** 事实上，赛灵思已连续25年位居FPGA市场的领先地位，并且相信凭借强大的产品组合和产品路线图，有能力继续保持市场领先地位。 [](//img1.mydrivers.com/img/20250605/7e7a99fe-7964-41d4-ad59-64c22b2539db.png) **【加速创新】** **FPGA是由已故的Ross Freeman发明的，他是赛灵思公司联合创始人，也是一位工程师与创新者。** Freeman认为，除了标准的固定功能ASIC器件之外，一定存在一种更好、更经济高效的芯片设计方法。 FPGA为工程师提供了随时更改芯片设计的自由和灵活性，以在一天内开发和设计出定制芯片的能力。 **FPGA还助力开创了“无晶圆厂”商业模式，彻底改变了整个半导体行业。** 通过消除对定制掩膜加工和相关的非经常性工程成本的需求，FPGA助力加速硬件创新，证明企业不需要拥有晶圆代工厂来打造突破性的硬件——他们只需愿景、设计技能与FPGA。 [](//img1.mydrivers.com/img/20250605/53c444e5-4ddb-4f28-b8ac-f25dfe51294f.jpg) Ross Freeman（右）鸟瞰XC2064布局 [](//img1.mydrivers.com/img/20250605/b3bb3be7-561a-4e58-b7d7-95954273704b.jpg) 上图为全球首款商用FPGAXC2064，具备85000个晶体管、64个可配置逻辑块和58个I/O块。 相比之下，**今天最先进的AMD FPGA器件，例如Versal Premium VP1902，集成了1380亿个晶体管、1850万个逻辑单元、2654个I/O块、至多6864个DSP58引擎，以及用于内存、安全和接口技术的丰富硬IP。** 全球首款商用FPGA（XC2064）出货以来的40年里，FPGA已在电子领域无处不在，并深深融入到日常生活中。 **如今，包括FPGA、自适应SoC和系统模块（SOM）在内的自适应计算器件已遍布于从汽车、火车车厢与交通信号灯到机器人、无人机、航天器与卫星到无线网络、医疗和测试设备、智慧工厂、数据中心甚至高频交易系统等各个领域。** [](//img1.mydrivers.com/img/20250605/b2fdf36e-5468-4f71-9ebd-7353c78e0f47.png) **【关键创新与产品里程碑】** 过去40年来，AMD的创新和不断演进的市场需求推动FPGA技术取得了许多惊人的突破。 **－1985年：**XC2064——首款商用FPGA。 **－20世纪90年代：**XC4000和Virtex FPGA：率先为无线基础设施集成嵌入式RAM和DSP。 **－1999年：**Spartan系列发布——为大容量应用提供经济高效的传统ASIC替代方案。 **－2001年：**首款集成SerDes的FPGA。 **－2011年：**Virtex-72000T成为业界首个采用CoWoS封装的量产部署——助力开创了先进的2.5D集成技术的采用，该技术已成为HPC系统的基础，现正推动面向AI的GPU创新浪潮。 **－2012年：**Zynq系列——首款将ArmCPU与可编程逻辑相结合的自适应SoC。 **－2012年：**Vivado设计套件——使软件开发人员能够进行FPGA设计。 **－2019年：**首款Versal自适应SoC发布——引入专用AI引擎和可编程片上网络（NOC）。 **－2019年：**Vitis统一软件平台——提供预先优化的AI工具和抽象层，以加快推理速度。 **－2024年：**第二代Versal AI Edge系列——集成可编程逻辑、CPU、DSP和AI引擎，首次在单芯片上实现端到端AI加速，并为需要异构、低时延和高能效计算的新一代应用提供支持。 **－2024年：**Spartan UltraScale+ FPGA系列——补充了我们广泛的成本优化型FPGA和自适应SoC产品组合，为I/O密集型边缘应用提供经济高效的性能。 Vivado和Vitis软件的推出对推动市场扩张具有重要意义。Vivado软件通过高层次综合、机器学习优化和无缝IP核集成等高级功能，支持开发人员简化工作流程、缩短开发周期并实现更高的性能。 Vitis开发环境带来了预优化的工具和抽象层，以助力加速AI推理。 最新版本（2024.2）包含多项新功能，例如，面向嵌入式C/C++设计的独立工具，以及简化搭载AI引擎的AMD Versal自适应SoC的使用的增强功能。 [](//img1.mydrivers.com/img/20250605/eda6d7be-6afe-4b67-b2a6-ab37f314cf73.png) FPGA技术的演变 **【边缘AI】** 如今，大部分AI工作负载都在数据中心GPU上运行，然而，越来越多的AI处理发生在边缘。 FPGA技术居于各行各业AI融合应用快速增长的前沿。FPGA和自适应SoC能实时提供针对传感器数据的低时延处理，从而加速边缘端AI推理。 随着近来小型生成式AI模型的推出，我们可以看到“ChatGPT时刻”即将来到边缘端，这些新的AI模型可以在边缘设备上运行，无论是在AIPC、在您的车辆中、在工厂机器人、在太空还是任何嵌入式应用中。 以下仅列举了AMD自适应计算技术目前如何支持边缘AI工作负载的几个示例： － **美国国家航空航天局（NASA**）：AMD Virtex FPGA助力NASA火星探测器实现AI功能，用于图像检测、匹配和校正，并在数据返回地球前过滤掉无用数据。 － **斯巴鲁**：已选择AMD第二代Versal AI Edge系列自适应SoC，将AI功能引入其下一代ADAS “EyeSight”驾驶辅助安全系统。 － **SICK**：AMD Kintex UltraScale+ FPGA和FINN机器学习框架帮助SICK提供快速且准确的包裹检查，从而增强工厂自动化。 － **Radmantis**：AMDKria自适应SOM器件正助力实时AI推理，以促进可持续鱼类养殖。 － **JR九州**：日本最大的子弹头列车运营商之一，正采用AMD Kria SOM为其基于AI的轨道检查系统进行实时图像处理。 － **Clarius**：正使用AMD Zynq UltraScale自适应SoC助力其手持式超声设备中的感兴趣区域AI识别。 [](//img1.mydrivers.com/img/20250605/1882f8ef-687e-41e4-b0cc-8fed6a125d66.png) **展望未来** 基于FPGA的自适应计算正持续推动边缘AI应用的突破，这些应用涵盖自动驾驶、机器人和工业自动化、6G网络、气候变化、药物研发、科学研究以及太空探索等领域。 值此FPGA诞生40周年之际，AMD为发明这项技术感到无比自豪，将继续致力于开发尖端的领先产品，帮助开发人员持续运用FPGA技术，推动创新芯片设计、支持硬件辅助验证，并加快产品上市时间。 AMD致力于在未来数十年引领这项卓越技术的演进。 [](//img1.mydrivers.com/img/20250605/bc74388b-680b-4dbe-a4a1-af937d7706e7.png) [查看评论](https://m.cnbeta.com.tw/comment/1504502.htm)

日前人工智能公司 OpenAI 正在努力抗议存在隐私争议的法院命令，相关命令要求 OpenAI 保留 ChatGPT 所有用户日志包括已经删除的聊天记录或通过 API 服务调用而产生的聊天记录。 [](https://static.cnbetacdn.com/article/2025/0604/0cecc138daad638.jpg) 值得注意的是法院签发该命令既不是出于对用户隐私保护的考虑，也不是基于内容安全方面的考虑，而是担心 OpenAI 销毁包含侵权内容的日志证据，这起案件其实主要是新闻机构和出版商起诉 OpenAI 未经授权抓取其内容用来训练 AI 模型。 新闻机构和出版商就版权问题将 OpenAI 起诉到法院并指控该公司正在销毁证据，基于此法院才下令要求 OpenAI 保留所有 ChatGPT 和 API 调用日志，避免 OpenAI 销毁证据导致出版商利益受损。 目前 OpenAI 只同意保留和向法院分享部分征得用户同意的聊天记录样本，但法官经过考虑后认为如果不下达法院命令，OpenAI 可能永远也不会停止删除内容，最终法院批准新闻机构和出版商提交的要求 OpenAI 保留所有日志的请求。 现在的问题是法院禁令已经下达，如果 OpenAI 被迫同意这项命令的话，则可能给所有 ChatGPT 用户包括调用 API 的开发者和企业造成严重的隐私安全问题，所以现在 OpenAI 正在努力抗辩。 **OpenAI 向法院提交说明称：** 5 月 13 日的命令为时过早并应该撤销，直到至少新闻机构能够证明 OpenAI 确实有保留所有聊天记录的必要性。如果这项全面且史无前例的命令被执行，则可能威胁全球数亿名 ChatGPT 用户的隐私安全。 OpenAI 没有销毁任何证据，当然也没有任何证据支持“OpenAI 故意删除数据”的说法，更没有任何证据支持侵犯版权的 ChatGPT 用户更有可能删除聊天记录的说法。 [查看评论](https://m.cnbeta.com.tw/comment/1504500.htm)

6月5日，据《纽约时报》报道，在欧洲最大汽车市场德国，人们在购买更多的电动汽车，但他们买的不是特斯拉，而是比亚迪。根据德国联邦汽车运输管理局(KBA)周三公布的数据显示，特斯拉今年5月份在德国的新车注册量同比下降36.2%至1210辆。  特斯拉在其他欧洲国家的销量同样低迷。上个月，特斯拉法国销量下滑超过67%，西班牙销量下降了29%。唯一的例外是挪威，特斯拉5月在该国售出2600辆汽车，是去年同期的三倍多，主要得益于其最受欢迎车型Model Y焕新版的交付。在德国的邻国瑞典，大众最新款电动车ID.7的销量几乎是特斯拉新款Model Y的两倍，而特斯拉在该国的整体销量则下滑了53%。 面对这一局面，特斯拉CEO埃隆·马斯克(Elon Musk)试图淡化其公司在欧洲的颓势。他在卡塔尔经济论坛接受彭博社采访时表示，尽管欧洲是该品牌面临最大挑战的地区，但“欧洲汽车市场的需求相当疲软”。  比亚迪德国月销量走势 然而，来自欧洲市场的数据显示情况并非如此。今年5月，德国的电动汽车销量同比增长近45%。 作为特斯拉主要电动汽车竞争对手，比亚迪5月份在德国的销量增长了8倍，创造了中国电动汽车制造商的最强劲表现。今年4月，比亚迪在欧洲的纯电动汽车销量首次超过了特斯拉。尽管欧盟在2024年对其征收了17%的关税，但比亚迪仍在拓展欧洲市场。 德国联邦汽车运输管理局的数据显示，比亚迪5月在德国售出了1857辆纯电动汽车和插电式混合动力车，同比增长824%。 虽然马斯克已不再担任白宫相关职务，但他涉足政治的行为仍对特斯拉的销量造成影响。今年4月，特斯拉称其第一季度汽车销量同比下滑13％，利润也跌至四年来的最低水平。 [查看评论](https://m.cnbeta.com.tw/comment/1504498.htm)

**近日，<strong>一份OpenAI的内部文件因美国司法部对Google正在进行的反垄断诉讼而意外曝光，</strong>向世人展示了OpenAI的战略蓝图。**这份名为“ChatGPT：2025年上半年战略”（ChatGPT:H1 2025 Strategy）的文件透露，OpenAI计划将ChatGPT打造成一个超级助手。  在OpenAI的介绍中，超级助手是一个具备T型技能的智能实体，它将针对用户进行个性化定制，无论用户身处何地都能使用，而T技能则意味着它兼具广泛的基础技能和深度的专业能力，既能处理日常琐事，又可处理如编程等大多数人难以完成的任务。 参考OpenAI在2025年的动作，这项计划显然已经在推进之中。 今年1月，OpenAI便推出了智能体Operator，并在5月对其进行了升级。该智能体可以通过内置浏览器访问网页，并支持输入文本、点击和滚动等交互操作。 ChatGPT的记忆功能也在2025年迎来升级，能够调用用户所有的历史对话记录，通过分析用户的偏好和兴趣，在写作、获取建议、学习等场景中提供更个性化的智能服务。 北京时间6月4日，OpenAI又宣布向免费用户推出记忆功能改进的轻量级版本。据介绍，除了现有的已保存记忆外，ChatGPT还会参考用户近期的对话内容，以提供更个性化的回复。  显然，正如文件中所透露的那样，OpenAI正在打造一个很懂用户的AI超级助手。 文件中，OpenAI列出了自身的竞争对手：“在面向消费者的人工智能聊天机器人领域，我们的竞争对手有Claude、Gemini、Copilot、Meta AI等。在这方面，我们处于领先地位，但我们不能懈怠。”“从更广泛的竞争角度来看：我们要打造一款超级助手，而现在，我们的竞争对手变成了搜索引擎、浏览器，甚至是与真实人类的交互。” 考虑到在更广泛的竞争领域，行业巨头会利用其市场渠道优势来推广自家产品，OpenAI在文件中透露出对有利政策的追求，希望用户可以自由选择人工智能助手。 文件中举了一个例子，“当用户在iOS系统上使用设备时，目前苹果可能会倾向于推广自家的智能语音助手Siri，而限制用户选择其他人工智能助手的便捷性。我们倡导的政策就是要打破这种限制，让用户有自主选择的权利。”尽管只是举例，但这也表明，当ChatGPT成为AI超级助手时，苹果Siri的市场地位无疑要受其冲击。 **这已并不是OpenAI第一次显露出对苹果市场地位的觊觎。**上个月，OpenAI刚刚成功收购了苹果前首席设计官Jony Ive等人创立的初创公司io。 尽管在文件中并未提及硬件方面的计划，但是OpenAI在此领域已经开始行动，而其硬件产品很有可能影响到苹果当前的产品结构。 反观苹果，其AI战略一直混乱不定。 Vision Pro的负责人Mike Rockwell接替了此前负责Siri的Robby Walker，后者则转而领导一个名为“Knowledge”的内部新项目，该项目被认为是苹果对ChatGPT的应对举措，但据外媒报道，这一项目目前也遭遇了与Siri改革延迟相同的诸多问题。 与之相应，近期有网友发博文介绍，在墨西哥举办的AI Summit峰会上，两名OpenAI公司代表透露，GPT-5即将面世。   当更为智能的GPT-5面世后，可想而知，OpenAI对于超级助手的打造将更为进步。两相对比，只能说，苹果在追赶AI潮流的时候畏手畏脚，但OpenAI并不会因此留手。 总之，在AI大发展的当下，OpenAI的雄心壮志早已不局限于AI大模型的拼杀。在其自身的战略规划中，AI正在渗透进入更广泛的应用产品。面对时代大潮，AI新贵能否傲立资本市场，苹果等行业巨头能否挺住，只能留待后观。 [查看评论](https://m.cnbeta.com.tw/comment/1504492.htm)

<blockquote><p>在AI体检套餐推荐项目中，团队面临了一个两难困境：对话轮数的增加虽然提升了推荐结果的精准度，但却严重影响了用户体验。本文作者通过实际案例，分享了如何在精准推荐与用户体验之间找到平衡的策略。</p> </blockquote>  在AI体检套餐推荐项目中，我们常常面临一个棘手的问题：随着对话轮数的增加，虽然推荐结果的精准度在不断提升，但用户体验却逐渐变差。如何在精准推荐和用户体验之间找到平衡，成为了我们团队的重要课题。 ## 一、追溯问题的根源与价值点：精准度与体验度的博弈 在AI体检套餐推荐场景中，随着对话轮数的增加，AI能够收集到更多关于用户健康状况、家族病史、生活习惯等关键信息，从而更精准地定位用户的体检需求，推荐出更具针对性的套餐。 然而，每增加一轮对话，用户的耐心和满意度就会受到考验。用户可能在面对过多问题时感到不耐烦、困惑，甚至产生抵触情绪，这不仅降低了用户对产品的满意度，还可能导致用户流失。但是没有充足的关键词的收集，又如何精准的推荐信息给用户呢？两者该如何达到一种平衡。 ## 二、平衡的策略：以用户为中心的优化 **1、精简对话流程，直击核心需求** 在对话设计上，我们团队引入了“**意图识别按钮**”，为用户提供明确的选项，如“入职体检套餐”“防癌体检怎么选？”“备孕检查”等覆盖到多种人群的询问需求。 这种方式不仅降低了用户的认知负荷，还能在一开始就快速明确用户的意图，减少无效对话轮次与浪费大模型资源。例如，我们曾对界面进行埋点分析，发现“三高筛查”按钮的点击率高达42%，而开放提问区域的使用率却不足15%。这表明，用户更倾向于通过明确的选项来表达需求，而非复杂的文字输入。 **2、智能预判，减少信息重复收集** 在用户进入页面时，我们设计优先会让用户选择历史体检报告，以便快速的了解用户的身体状态。针对历史报告的收集问题，我们设计了一套“三步极简流程”。进入定制体检套餐页面时弹窗询问用户是否“一键同步去年体检数据”并默认选择最新报告，自动解析异常指标并生成“今年需重点关注项”。 同时，系统为用户提供便捷的可视化对比图，清晰展示去年与今年建议项目的差异。对于未上传报告的用户，系统则会智能隐藏可能引发敏感的提问，遵循医疗伦理优先的原则，对于不同信息的敏感度进行分级。这一优化措施会使用户在同步数据时的操作步骤减少了60%，大幅提升了体验。 **3、强化上下文记忆，保障对话连贯性** 为了提升对话的连贯性，我们不断优化提示词的输出，让系统拥有记忆功能，减少重复的询问。此外，我们还设置了遗忘机制，30天未激活对话则清空敏感医疗数据，以符合HIPAA和GDPR的隐私法规要求。同时，系统会根据之前的对话记录，主动为用户提供建议，如“您上次提到常熬夜，建议增加肝功深度检测”。 **4、多维度推荐矩阵，快速锚定需求** 我们建立了“三维度推荐矩阵”，综合考虑人群画像、异常指标追踪和场景化套餐。例如，对于30岁的女性用户，系统会自动推荐妇科超声检查；对于去年有甲状腺结节记录的用户，强化推荐TI-RADS分级检查；对于程序员等久坐人群，结合行为数据推荐腰椎MRI检查。 在交互设计上，我们创新推出了“套餐扑克牌”功能，用户可以通过左右滑动来快速淘汰或保留项目，比传统的点选方式效率提升了5倍。同时，系统还设置了预算进度条，用户在拖动进度条时能够实时查看总价与覆盖项目数，方便用户根据预算进行选择。  **5、微交互信号捕捉，提升响应精准度** 在医疗咨询这种严肃场景，“停留时长”“滚动速度”这些埋点信息可能比电商更可靠——当用户反复查看癌症筛查说明却跳过基础项目时，系统就该主动介入询问了，这样靠行为分析就减少主动追问；当用户长时间停留在某项目说明页面时，系统触发AI医生即时问答功能，帮助用户解决疑问。 ## 总结 在医疗推荐中，我会通过“三层漏斗”实现平衡： **1、前端：** - 用不同的功能入口按钮供用户去选择或给出几个应对不同人群的高频需求选项，提高意图识别的效率，减少大模型的调用成本，用户进入对应的问答知识库里面，大模型可以更精准的回答 - 比如进入体检套餐推荐里面，会优先出现选择历史报告的选项，可以跳过基础问答，一键了解用户的信息 **2、中端：** - 在医疗咨询这种严肃场景，“停留时长”“滚动速度”这些埋点信息可能比电商更可靠——当用户反复查看癌症筛查说明却跳过基础项目时，系统就该主动介入询问了，这样靠行为分析就减少主动追问 - 在提示词中优化上下文记忆，让对话的连续性有保障，同时我们也会关注到这里面涉及了隐私法规，所以30天未激活对话则清空敏感医疗数据 **3、后端：** - 用医疗知识图谱自动补全关联信息，并给出关联项目的医学支撑，这样会更加专业，进一步得到用户信任 本文由 @咖喱 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>随着AI技术的飞速发展，传统的搜索引擎优化（SEO）正逐渐失去其主导地位，而一种新兴的优化技术——生成引擎优化（GEO）正在崛起。本文深入探讨了SEO与GEO的差异，分析了GEO如何通过优化大语言模型（LLM）的内容生成和呈现方式，重塑数字营销的生态。</p> </blockquote>  谷歌的核心业务——搜索引擎，正在面临AI技术所带来的重大挑战。埃隆·马斯克提出的”AI将取代搜索”的观点正在获得越来越多的行业认同。这个转变正在影响整个数字营销生态，特别是价值数百亿美元的SEO（搜索引擎优化）行业。传统的SEO主要依靠关键词优化、反向链接建设和网页排名等技术手段，而随着AI技术的发展，这些方法正在失去它原有的效果。 与此同时，一种新型的优化技术——GEO（生成引擎优化）正在兴起。这种技术主要针对大语言模型（LLM）的内容生成和呈现方式进行优化。与SEO不同，GEO更注重内容的结构化、语义关联和上下文理解，以适应AI系统的内容处理方式。这种转变不仅改变了数字营销的方式，也正在重塑整个互联网内容生态。**而当传统SEO逐渐式微，GEO能否成为数字营销新时代的主流？** ## 从“搜得到”到“被想起”：营销逻辑的底层重构 a16z在《生成式引擎优化（GEO）如何改写搜索规则》中一针见血：营销的核心争夺，正从”搜索排名”转向”AI引用率”。 传统SEO的核心策略主要围绕四个关键要素展开：精准的关键词匹配、大量内容生产、高质量反向链接获取以及延长用户页面停留的时间。这些方法本质上都是为了在搜索引擎结果页面（SERP）中获得更好的展示位置。整个数字营销行业为此建立了完整的产业链，从内容农场到外链交易平台，都在为提升网页排名服务。 但随着生成式AI的普及，用户行为模式发生了根本性改变。越来越多的人选择直接向ChatGPT、Claude或Gemini等AI助手提问，而不是使用传统搜索引擎。这些AI系统能够即时生成完整答案，用户不再需要点击多个链接自行筛选信息。 但是这种转变带来了一个非常严峻的问题：即使企业网站设计再出色、内容再优质，如果未被AI系统“记住”纳入其知识库并主动引用，就相当于在数字世界中”隐形”！品牌能否在AI时代保持存在感？关键在于其信息能否成为AI模型的”记忆”组成部分。 这场变革正在重构传统数字化营销的游戏规则，就像智能手机彻底改变了我们获取信息的方式一样，AI正在重新定义”存在即被感知”的数字法则。但随之而来的，是一个令人警醒的数字达尔文主义现象：那些无法被AI系统”记住”的品牌，正在经历一场悄无声息的消失。 ## 内容与变现：GEO时代的生存法则 在GEO时代，内容创作与变现的逻辑正在经历根本性变革。传统的关键词堆砌策略已经失效，AI模型更青睐结构清晰、论证严谨的内容。远比语义模糊的密集关键词更具有“引用价值”。 Search Engine Land研究显示，生成式引擎的内容引用遵循知识权威性、结构易读性、立场可信度三重逻辑。采用“问题 – 证据 – 结论”三段式结构，符合LLM的“思维链”推理逻辑，能提升内容的结构易读性，进而提高被AI引用的概率。这种转变要求创作者必须提升内容的知识密度和逻辑性，每千字至少需要包含3-5个可验证的独立观点，才能进入主流AI模型的训练筛选范围。 与此同时，变现模式也正在发生巨大改变。谷歌依赖广告点击的“摇钱树”正在被基于知识价值的变现方式所取代。在ChatGPT等订阅制LLM主导的新生态中，内容能否获得曝光取决于其本身的知识价值和可信度。研究表明，被多个主流AI模型共同引用的专业内容，其商业转化效果显著优于传统展示的广告模式。 **这种变化催生了”知识证券化”的新趋势，优质内容可以通过API接口获得持续的知识使用收益。** 面对新时代的变化，广告商、内容创作者都需要建立全新的能力体系，首先要掌握结构化表达技巧，其次要建立持续的知识更新机制，最后要通过权威认证提升内容可信度。只有同时满足这三个维度的要求，才能在GEO时代实现内容价值的最大化。 ## 营销新标杆：引用率替代点击率 营销成功化彻底改变！在SEO时代，看谁能在搜索结果里排第一，GEO时代，比的是AI会不会主动提及、推荐你。就像交朋友，以前是你到处发名片混脸熟，现在要看AI觉得你值不值得介绍给它的用户。 嗅觉敏锐的玩家已展开行动： 加拿大鹅（Canada Goose）不再只盯着“保暖”的功能词，通过新工具追踪ChatGPT如何从品牌维度描述它——而每一次提及，都是一场无声的背书效果。Semrush、Ahrefs等巨头快速迭代，推出监测品牌在AI回答中“存在感”的新功能。 一批专注于AI模型优化的新兴科技公司正在崛起，包括Profound、Goodie和Daydream等平台，它们通过大模型优化、提示词调校、情绪分析及引用率追踪等核心技术，成为品牌在生成式经济（GEO）竞争中的关键赋能者。这些”数字AI供应商”为品牌提供了在AI对话场景中提升存在感和影响力的全套解决方案，帮助企业在智能交互时代建立新的竞争优势。 ## GEO不止优化，更是平台级战争 GEO领域正处于野蛮生长阶段，就像当年SEO刚出现时一样混乱。每一次模型迭代，都可能彻底洗牌规则。大模型是否偏爱新闻而非社媒？训练数据更新如何改变内容优先级？部分策略有效（如确保被LLM引用的源文档提及），更多假设仍在验证。 **GEO的竞争不只是简单工具的技术升级。就像当年谷歌AdWords和Facebook广告刚推出时，都曾是平台红利期的套利窗口，早期使用者能赚到第一桶金。**而现在GEO代表着更大的机会——它决定了未来哪些内容、产品和服务能更容易被用户看到。这本质上是在争夺互联网流量的控制权。 与SEO时代分散的工具市场（Semrush、Ahrefs等仅提供功能）不同的是，**GEO要求掌控整个AI营销链路：持续优化与模型的“对话”逻辑，从垂直领域挖掘隐性的需求，用差异化技术实时生成营销策略，并依据LLM反馈动态的调整。**掌握GEO流量的平台将成为连接品牌和AI的关键枢纽，它能完整记录用户行为、追踪消费路径并促成交易转化。这种新型基础设施的用户粘性、数据资产和市场影响力，是传统营销工具无法企及的。 ## 结束语 当AI比人类更“懂”产品的时候，品牌要么全面适配AI的决策逻辑重构业务，要么在算法迭代中被边缘化。AI大模型作为市场认知的仲裁者，已经在慢慢改写品牌商业营销的竞争规则——生存的唯一筹码，是你的故事、你的价值与存在，是否深刻到被AI所”记住”？ 否则，当用户问起，沉默的AI，就是你品牌的墓志铭。 注：本文部分数据内容来源于网络公开资料 本文由 @牛金鹏 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>在数字政务服务平台中，搜索功能是群众获取服务的关键入口，但传统搜索技术常常因关键词匹配局限、长尾查询覆盖不足以及个性化需求难以满足等问题而低效。本文分享了DeepSeek大模型在提升政务搜索精准度方面的实践成果，供大家参考。</p> </blockquote>  在各省份的数字政务服务平台中，尽管大模型已广泛应用于智能问答、表单生成等场景，搜索框仍是群众获取服务的“第一触点”。 无论是查询养老金发放政策，还是寻找营业执照办理指南，群众期待的是**“输入问题，直达答案”**的无障碍体验。 然而现实往往事与愿违，比如群众用口语化描述（如“老人补贴怎么领”）搜索时，结果常显示无关的政策文件标题。 DeepSeek大模型正在重构这种低效的搜索交互——它不要求用户掌握专业术语，而是主动理解真实诉求，将“人找服务”变为“服务识人”。本文将揭秘这一技术如何让群众**“搜得准、找得快、用得上”。** ## 01 困局：传统搜索技术的三大失效场景 **1. 关键词匹配的局限性** 当群众搜索”公积金提取”时，传统引擎仅机械匹配网页中的关键词，无法识别具体情形。实际上，公积金提取包含购房、租房、离职、退休等12类情形，所需材料、流程差异巨大。 某省政务平台数据显示，因关键词模糊导致的服务指南误点击率达63%，大量群众下载错误表格后需重新办理。 **2. 长尾查询覆盖率低** 对于特殊情形如”异地公积金贷款””退役军人公积金转移”等查询，传统搜索往往返回政策文件全文而非具体指引。 更棘手的是模糊表述，如”公积金能提多少”这类查询，系统通常无法定位到公积金计算器工具页面，反而展示冗长的政策条文，增加用户信息筛选负担。 **3. 个性化需求难以满足** 不同群体对同一关键词需求迥异：年轻白领搜索”公积金”可能关注租房提取，新移民需要开户指引，退休人员侧重提取流程。 但现有系统无法识别用户身份属性，某省会城市统计显示，42%的搜索请求需要二次筛选才能定位正确服务入口。 ## 02 DeepSeek搜索增强方案 基于DeepSeek的智能搜索系统，通过大模型理解用户意图，并结合检索增强生成（RAG）技术，实现精准答案提取。 **系统核心逻辑：** 三步实现 “ 理解→检索→生成 ” 闭环： **第一步：意图解析层实现精准需求识别** - 语义理解模块能区分公积金业务的不同场景，如贷款咨询、提前还款、额度测算等； - 情境感知引擎可关联用户基本属性，对首次查询者自动强化政策解读，对熟练用户侧重办事入口； - 内置政策时效校验机制，确保优先展示最新服务指南。 **第二步：智能检索层构建服务知识图谱** - 建立覆盖各级政策的标准化知识库，将分散的办事指南、材料清单、线下窗口等信息结构化关联； - 创新”情形-材料-流程”三维检索模型，对特定查询直接返回要件清单和办理路径； - 自动识别地域差异，当查询涉及跨区域业务时，同步比对多地政策要求。 **第三步：生成优化层打造对话式服务** - 动态生成个性化指引：根据用户输入自动组合所需材料清单和办理步骤； - 支持智能预填服务：在用户授权下，自动填充已知信息减少输入负担； - 实现多轮自然交互：针对后续提问如”需要配偶材料吗”能保持上下文理解。 **实施效果：** - 构建完整的政策知识框架，消除不同业务系统间的信息孤岛； - 混合检索系统显著提升结果相关性，减少不必要的链接跳转； - 通过持续优化，使高频业务的搜索直达率大幅提升。 ## 03 落地价值：效率、精准度与服务体验的三维提升 **1. 大幅提升办事效率** 通过智能语义理解与精准检索，群众搜索公积金业务时，系统可直接关联具体情形（如”租房提取””离职提取”等），并返回对应材料清单与办理入口。 相比传统搜索需要多次筛选结果、反复确认政策，新系统可实现”搜索即办理”，将平均信息获取时间缩短60%以上。 **2. 显著降低人工咨询压力** 传统模式下，大量简单咨询（如”公积金提取要哪些材料”）挤占窗口资源。 智能搜索通过即时生成准确指引，使80%以上的常见问题可通过自助服务解决，窗口咨询量下降明显。 同时，系统自动识别群众表述差异（如将”公积金取出来”理解为”销户提取”或”部分提取”），减少因理解偏差产生的无效咨询。 **3. 持续优化的服务闭环** 当政策更新时，自动同步最新办理要求并标注变更点（如新增”电子居住证替代暂住证”）；对群众修正的查询词（如将”公积金贷款条件”改为”公积金贷款额度”）自动建立语义关联；基于高频搜索优化结果排序（如优先展示网办入口而非线下流程。 这种动态调优机制，使系统准确率随使用频次持续提升，形成越用越智能的正向循环。 ## 最后的话 DeepSeek智能政务搜索系统的引入，为政务服务领域的信息获取与业务办理提供了全新的解决方案。 通过精准的语义理解、智能检索和动态优化，系统能够显著提升群众办事效率，降低人工咨询压力，并持续优化服务质量。 **未来，随着大模型技术的不断演进，智能政务搜索将进一步拓展应用场景，覆盖更多高频民生服务领域，如社保查询、户籍办理、税务申报等，真正实现“数据多跑路，群众少跑腿”的服务目标。** 我们相信，通过技术与政务服务的深度融合，智能搜索将成为提升政府服务效能、优化群众办事体验的关键驱动力，为数字政府建设创造更大的社会价值。 希望带给你一些启发，加油！ 本文由人人都是产品经理作者【柳星聊产品】，微信公众号：【柳星聊产品】，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>AI Agent的浪潮正在席卷全球，从科技巨头到创业公司，纷纷投身其中。然而，对于SaaS企业而言，AI Agent究竟是一个充满潜力的破局点，还是一场虚有其表的伪命题？本文从AI Agent的定义、核心组件出发，结合实际案例，深入探讨了AI Agent在SaaS领域的应用现状、面临的挑战以及未来的发展方向。</p> </blockquote>  AI Agent正从预言走向现实。 比尔·盖茨呼吁拥抱这一“5年改变生活”的浪潮，黄仁勋则警告企业：拒绝“硅基员工”等于“放弃氧气”。驱动这股热潮的核心，是巨头们对模型“大脑”的升级——OpenAI的o3、Anthropic的Claude 3.5等无不聚焦提升Agent所需的推理、规划与工具调用能力，并借机定义行业标准（Function Call, MCP等）。 应用层面，热潮席卷全球：百度“心响App”、阿里钉钉AI助理、字节“扣子”代表国内大厂入场；而创业公司正从场景切入——斑头雁聚焦客服营销、Monica的Manus助手提供简历筛选/旅行规划等通用服务、Glean更是以92亿美金估值打造“企业知识系统”，其宣称的效果（信息查找时间-65%，新员工上手速度+2倍）预示着AI Agent将如何重塑工作方式。 面对这场席卷而来的Agent革命，作为SaaS企业的产品经理，我们是否更应思考：**如何主动拥抱变化，成为重塑工作方式的推动者，而非被变革的旁观者？** 在进入正题之前，我们先聊聊什么是Agent，以及它有什么特性。 ## 什么是AI Agent？ 百度百科的定义是： <blockquote><p>AI Agent 是以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。</p></blockquote> 咱们抛开专业术语，AI Agent 可以理解为你的“智能数字员工”。它以大语言模型（LLM）为“大脑”，具备理解意图、规划步骤、记忆上下文、调用工具并自主行动的能力，目标是自动化完成复杂任务。 以亚马逊AI客服为例，我们看看它是如何提升效率与服务体验的。 - 传统流程： 用户提交退货申请 → 人工客服核对订单 → 人工确认是否符合退货政策 → 邮件通知结果 → 用户寄回商品 → 人工验收后退款。**一般需3-5天，效率低、体验差**。 AI客服介入后： - 秒级决策： 自动扫描订单（退费期、商品类目、退货历史）、调取用户记录（如过往投诉），瞬间判定并发送退货标签； - 全程追踪： 实时监控物流，到货后自动检查（破损则触发人工复检），确认无误秒退款； - 隐藏价值： 预测退货高峰调度人力、识别高频退货商品自动标记缺陷，驱动供应链优化。 根据亚马逊的公开数据，自从引入AI智能客服后，**70%退货申请实现 “秒批秒退”，用户纠纷下降40%，仓库人力成本降低25%**（AI自动分拣退货商品）。 那AI Agent到底有哪些核心组件呢？ 用一个公式表达就是：**AI Agent = 大脑（LLM）+ 规划（Planning） + 记忆(Memory) + 工具（Tools） +行动（Action）**。 - 大脑 (LLM)： 负责理解、推理、决策的核心引擎。模型升级（如OpenAI o3、Claude 3.5）正全力强化此项。 - 规划 (Planning)： 拆解复杂任务，制定执行步骤。 - 记忆 (Memory)： 存储和调用上下文信息（如用户历史、对话记录）。 - 工具 (Tools)： 连接外部系统和API（如订单数据库、物流跟踪、邮件系统）。 - 行动 (Action)： 根据决策执行具体操作（如发送邮件、更新状态、触发退款）。 简单来说：LLM提供智能，规划、记忆、工具赋予其执行力，行动则将智能转化为实际价值。 这正是巨头们争相定义协议（如Function Call, MCP）、升级模型“大脑”能力的根本原因——为了打造更强大、更自主的“数字员工”。 ## 一个失败的AI Agent 我们日常使用钉钉进行办公，它几乎把自建AI Agent的门槛降到了最低。再加上我们作为HR SaaS公司本身就有非常丰富的Open API——这意味着，不需要麻烦研发同事，我们自己就能捣鼓出一些AI小助手，给内部同事先用起来试试水。 于是，我们动手做了两类Agent： **第一类，是客服小助手**。它们专门给我们的实施顾问、客户成功经理、客服还有销售伙伴们答疑解惑，回答关于产品规则、怎么用、有哪些实际案例之类的问题。 比如考勤小助手、算工资小助手、搞绩效的小助手。效果不错！就拿单个模块来说，每个月能处理掉120多个问题，95%的问题它都能根据知识库给出回答，更关键的是，其中差不多有30%的回答是真正帮同事解决了问题、省下了时间的。算下来，相当于给这部分工作提效了30%，团队反馈也挺积极。 但第二类Agent，就有点让人挠头了——它们是**审批小助手**。设计初衷是让同事们动动嘴皮子（或者说打打字）就能轻松搞定请假、加班、出差这些申请，还能顺便查查还剩多少年假。听起来很美好，对吧？**可上线一个月后，现实有点骨感：来尝鲜试用的同事有十来个，但真正坚持在用、把它当成日常工具的，只有……一个人**。 这个鲜明的对比，像一盆冷水，让我们不得不停下来，认真琢磨几个扎心的问题： **为什么我们自己人，都不太愿意用这个“省事儿”的审批Agent**？ 是我们想当然地觉得它“方便”了？也许对同事来说，点开钉钉、找到审批入口、填几个固定字段这种“老办法”，虽然步骤多点，但反而更熟悉、更可控？或者，让AI助手代填审批单，大家心里其实有点打鼓——填错了算谁的？会不会更麻烦？还是说，省下来的那几十秒填表时间，根本抵不过去学习、适应这个新工具的成本？  更关键的是，**如果我们自己内部的同事都觉得“用不起来”、“没必要用”，那我们怎么能有底气，把类似这样的AI Agent功能，当成一个值得客户付费的商业化产品推出去呢？**内部场景相对单纯可控都遇冷，放到客户那里，面对千奇百怪的业务流程和用户习惯，岂不是更难？ 这次实验像一面镜子。它清晰地告诉我们：**技术能搭建出Agent的骨架，但让它真正“活”起来、被人接纳，是另一场更艰难的战役**。 钉钉的平台能力和我们开放的API接口，已经扫清了技术障碍。真正的挑战，似乎藏在更深的地方——**在于我们有没有真正戳中用户那个“非用不可”的痛点，在于新工具带来的价值是否足够强烈到能让人改变根深蒂固的习惯**。 当所谓的“自动化”带来的便利感，敌不过旧习惯的惯性时，再酷的技术，也可能被束之高阁。这对我们这些想把AI Agent推向市场的人来说，是个值得反复咀嚼的教训。 ## 反思：别被对新产品的妄念影响最基本的价值判断 这次审批小助手的遇冷，像根刺一样扎在我们心里。 我们翻出俞军老师那句经典的产品公式——**用户价值 = 新体验 – 旧体验 – 替换成本**——用它来当镜子照了照我们的“申请小助手”，特别是拿最常见的请假流程开刀，结果照出了不少冷汗。 **先看看“新体验”（申请小助手）的路怎么走**： 1.你得在钉钉里找到那个AI助理（或者特定会话入口），点开它，然后在一堆小助手里挑中【申请小助手】。 2.对着输入框说（或打字）：“我周五想请一天年假，父母来京”。小助手听懂后，会弹个窗让你确认它理解的对不对。 3.如果信息没问题，点【确定】，它就自动帮你把请假审批单发出去了；要是日期不对，你还得手动调一下再确认。 **再看看大家习惯的“旧体验”（我们自己的App/H5）**： 1.打开自家App，戳【申请】按钮，再选【请假】。 2.开始填单子：选请假类型（年假）、挑开始时间（比如5月30号上午）、结束时间（同天下午），再在理由框里敲几个字：“父母来京”。 3.检查一遍，点【提交】，完事。 单论步骤的“清爽度”： 如果我们硬要打分，小助手这种“动动嘴”的方式，感觉能打到 80分；而传统填表的方式，步骤多点，但胜在路径清晰熟悉，给个 70分 吧。乍一看，新方式似乎还领先10分呢！ **但关键来了——那个容易被忽略的“替换成本”**。 这20分的成本，藏在哪呢？ - 是每次都要重新找入口的不确定性（钉钉里入口深不深？会话会不会被刷掉？）。 - 是对机器理解准确性的那点不放心（它真听懂了“父母来京”就是理由？会不会填错假别？）。 - 是从“肌肉记忆”到“重新学习”的别扭感——点开App-&gt;申请-&gt;请假-&gt;填表，这套动作可能闭着眼都能完成，现在却要换成一套新的指令模式。 把这20分替换成本往公式里一代：**用户价值 = 80（新）- 70（旧）- 20（替换） = -10分**。 负数！ 这下明白了：我们以为那10分的体验提升是优势，结果光是为了克服旧习惯、适应新路径，用户要付出的“心理账”和“操作学费”，早就把那点优势吃干抹净了，甚至还倒贴！ **更让我们后背发凉的是另一个盲点：频次**。 仔细想想，就算在我们这样的SaaS公司，普通员工一个月能请几次假？出几次差？这种低频的事情，用户根本没机会去养成新习惯。每次用，都像是“重新学一次”。那20分的替换成本，每次都在，永远降不下来。体验提升的那10分？在低频场景下，用户几乎感觉不到，或者觉得“不值当”。 这次算账，算得我们心头一紧。 它狠狠敲打我们：**光有酷炫的AI技术外壳是远远不够的。用户真正需要的，是能实实在在地、强烈地创造出新价值的产品**——这个价值，必须大到能覆盖他们改变习惯的“阵痛”，甚至让他们觉得“不用就亏了”。 如果做不到这一点，再高科技的Agent，最终也可能沦为无人问津的“科技噱头”。这大概是我们这次实验，最贵的一课。 ## SaaS企业如何做好AI Agent？ 如果要回答好这个问题，前提需要回答下面四个问题： - SaaS企业是否必须布局AI Agent？ - SaaS企业做AI Agent的独立价值是什么？ - SaaS企业的AI Agent定位是什么？做解决方案，还是平台？ - SaaS企业如何做好AI Agent？ **问题1：SaaS企业是否必须布局AI Agent？** 当谷歌CEO桑达尔·皮查伊警示“没有AI的人类将被取代”，当扎克伯格断言“AI Agent将如同电子邮件般成为企业标配”，答案已不言自明。SaaS企业投身Agent浪潮，不仅因技术趋势所驱，更是生存竞争所迫。 - 一方面是大势所趋的必然性。AI Agent正引发生产力的结构性变革——它并非通用技术，而是允许每家企业基于自身业务优势落地的效率引擎。拒绝它，等同于拒绝工业革命中的蒸汽机。 - 另一方面是牌桌规则的改写。当SaaS竞争陷入白热化，客户已将AI能力视为新的准入证：拥有Agent能力者方获牌桌入场资格，缺失者连参与竞争的机遇都将丧失。 **问题2：SaaS企业做AI Agent的独立价值是什么？** AI落地的四大要素中，算法与算力由大模型厂商主导，而**SaaS企业开展AI Agent业务的独特价值，源于其天然的数据积累能力和垂直场景的深度理解**。 一方面是用户行为数据：业务流中的动态轨迹。以HR SaaS的考勤模块为例： - 海量终端行为：百万级员工每日产生的打卡时点、请假审批峰值等实时操作流； - 高频管理动作：十万级管理员每周触发的排班规则调整、考勤报表导出、异常处理日志； 这些数据如同神经末梢的信号，持续记录着业务场景的真实脉动。 另一方面是业务数据：行业知识的沉淀池。比如企业组织架构、薪酬计算规则、地区劳动法条款等静态知识，构成Agent训练的高价值养料。 当行为数据揭示“如何操作”，业务数据则定义“为何如此操作”——二者的化合反应，正是通用大模型无法企及的领域。 比如当某制造企业询问“如何避免夜班调度冲突”时，通用Agent可能给出有效建议，而HR SaaS的专属Agent却能响应：“根据贵司东莞工厂三年历史数据，将交接班间隔从15分钟延至25分钟可降低冲突率68%”——这即是数据壁垒转化的决策优势。 **问题3：SaaS企业的AI Agent定位是什么？做解决方案，还是平台？** 目前B端产品做Agent的主要有三类：基础模型提供商、Agent解决方案、Agent服务平台 。 手握数据与场景优势的SaaS企业：是投入资源做通用Agent平台，还是深耕行业解决方案？现实残酷而清晰—— - 基础模型层（OpenAI/Claude等）：大厂游戏，与SaaS企业无关； - 通用平台层（钉钉AI助理/扣子）：巨头用流量和资本堆砌的修罗场，不适合SaaS小厂入场； - 行业解决方案层：这才是SaaS企业唯一的生路，即深耕数据和场景类的Agent解决方案。 为什么Agent平台是死路？ 想象一个场景：某制造集团HR总监打开钉钉，发现已内置考勤排班Agent生成器。她会选择： - A) 在钉钉用拖拽界面自建Agent，手动导入三年排班数据 - B) 直接使用您预装300家工厂规则库、直连历史考勤系统的「智能排班Agent」 答案不言而喻。当钉钉、扣子等平台将Agent开发门槛降到最低，SaaS企业若执意做平台，典型的“以己之短攻彼之长” 。 如果聚焦HR SaaS领域，将行业Know-how转化为Agent的神经中枢，将数据当做它的“养料”，显然是更优的方案。 比如你的排班Agent预装制造业三班倒规则、旺季人力弹性系数、地区加班法例外条款； 当客户问“如何避免夜班交接冲突”，通用平台Agent只能回答流程建议，而您的方案直接输出：“基于贵司东莞厂历史数据，将交接间隔扩至25分钟可降冲突率52%——需立即调整吗？” 这种深度业务流闭环能力，是钉钉们永远无法复制的护城河。 **问题4：SaaS企业如何做好AI Agent？** 当我们明确了AI Agent在SaaS企业的独特价值与定位后，最后一个问题就是如何做。 我认为核心是三步： **第一步：聚焦高频核心场景+聚合低频平台化整合**。 58同城就是典型案例，它通过整合房产、招聘、二手车、家政、搬家、货运等业务，构建了一个覆盖生活全场景的平台，它的每个业务可能都是低频，而把它们聚合到一起，低频就可以变成高频。同时，高频场景再独立分拆为独立产品（如天鹅到家、安居客、快狗打车等）。 一方面是需要**发挥SaaS企业自身的独特价值（即数据+应用场景），把关键业务场景，尤其是关键的数据化应用场景**——从客户决策者（即老板/CEO）的数据洞察、决策，到客户管理者（即部门负责人/业务负责人）的数据查询与分析，再到客户使用者（即HR/员工）对数据的查询与统计等，做深做透。 另一方面需要**把单个Agent的能力进行有效整合，而不只是一个请假审批的Agent，核心就是“All in one”**——即十几个（或数十个）Agent是单一入口，成百个能力是一个入口，提升新体验的价值，减去替换成本的阻碍。 当老板发现人效达到80万/人时，当HR发现系统自动化解决75%日常咨询时，当员工发现它提效30%且不用麻烦别人时，Agent便从“可有可无”升级为“不可缺失”。 **第二步：分层构建Agent的价值金字塔**。 第一层是免费层钩住用户。 - 知识库Agent：基于企业知识库（如企业政策、规章制度等），自定义搭建对应Agent； - 简历初筛Agent：基于客户需求，自动过滤不符合简历； 第二层是付费层兑现价值。 - 数据Agent：提供全模块的数据，可进行查询、分析、总结、建议等数据类活动； - 法律法规Agent：提供全模块的最新法律法规的知识与案例； - 假勤审批Agent：提供单模块的丰富管理功能。包含但不限于查询假期余额、管理假期/加班/调班审批等； - 智能排班Agent：提供丰富的排班数据查询、智能化自动排班、灵活换班/调班以及排班数据导出与分析等。 第三层是生态层建立壁垒 - 自定义Agent：提供自动编写插件的代码能力、知识库RAG能力、对接OpenAPI能力等，有效解决客户自定义类的关键需求； - 同时，对应Agent可以插件的形态，应用在第三方平台（尤其是企微、钉钉、飞书等OA平台） **第三步：正面破解两大生死问题。** 问题一：如何与钉钉/企微等第三方OA系统共存？ 当客户问：“能在企业微信直接审批补休吗？”若回答“需跳转外部系统”，价值折损过半。 正确解法是将Agent嵌入客户工作流——员工在企业微信提交补休单，Agent通过API直接完成闭环审批，并可通过API方式与企业微信进行对接，完成每个节点状态变更的消息提醒。 问题二：为何不直接用扣子/钉钉助手等第三方平台搭建Agent？ 比如客户会问：为什么不用既有Agent平台搭建，而要花钱买你的Agent？ 你可以说：“因为我们有你们的数据和10000家+客户的应用解决方案，这是第三方系统所无法比拟的。” ## 写在最后 面对产业级的技术变革和效率革命，唯有主动拥抱，哪怕经历失败或推出过渡性产品；否则，终将被新周期淘汰，如温水煮青蛙般不知不觉。 AI Agent 或许是新一代的效率工具，ChatBot 或许是其过渡形态——但答案并不确定。 产品经理能做的，就是在不确定性中决策、探索、复盘、迭代。成败与否，最终交由市场乃至时代裁决。 **专栏作家** 邢小作，微信公众号：产品方法论集散地，人人都是产品经理专栏作家。一枚在线教育的产品，关注互联网教育，喜欢研究用户心理。 本文由作者原创投稿/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>在电商行业竞争日益激烈、市场逐渐进入存量时代的背景下，微信蓝包的出现为电商生态带来了新的变局。本文深入剖析了微信蓝包如何通过提升电商对接效率、激活微信流量生态、用社交方式破解电商痛点，以及为重塑电商新生态提供可能性。</p> </blockquote>  京东与美团之间的外卖大战，更多地让我们看到的是，看似业已尘埃落定的行业开始迸发出新机会。原因在于，当时当下的市场环境业已发生了深刻而根本性的改变，供给端与需求端需要重新建构一种全新的平衡关系。如果我们将眼光放置开去，聚焦在电商市场上，或许暗藏着同样的新机会和新红利。 在电商市场上，除了用AI来找到驱动电商发展的新动能之外，新的电商模式，同样正在孕育和发展。微信蓝包的出现，并且开始成为了微信生态下的一个重要组成部分，正是这样一种现象的直接体现。毫不夸张地说，微信蓝包，是腾讯面对当下的市场变化推出的一种电商模式的创新。透过它，我们不仅可以看到腾讯对于电商新模式的探索与思考，而且还可以看到电商行业进入到存量时代的发展新动向。 我们都知道，微信红包的出现，彻底激活了微信生态下的流量动能，并且真正让微信支付成为了移动支付时代的头部。时至今日，微信支付，依然是移动支付市场上的头部玩家。当微信蓝包开始出现，并且开始成为了微信生态下的重要一环，我们或许依然有理由相信，它将会重启腾讯电商之梦，激活存量市场下的微信流量新动能。那么，微信蓝包，缘何会有如此巨大的魔力呢？ ## 微信蓝包，再度提升了电商的对接效率 当下，电商行业面临的一个最大的痛点，就是对接效率的下降。无论是各式各样的营销手法，还是层出不穷的电商新模式，说到底，其实就是为了进一步提升电商上下游的对接效率。如果对于这些新探索与新尝试进行分析，不难看出，电商玩家们的终极目的就是为了让商品更为精准地输送到消费者的面前，并且真正达成交易。 在这样一个过程当中，成交，成为了一个老大难的问题。如果成交无法达成，那么，达成电商上下游的对接效率的提升，将会是一件相当艰难的事情。微信蓝包的出现，彻底改变了这一问题。在微信蓝包的机制之下，成交是率先发生和实现的。一个用户想要使用微信蓝包，必须首先购买下商品，实现成交，然后在赠送给想要赠送的那个人。 对于依然还在想着用新的营销手法和新的技术手段来提升成交效率的玩家们来讲，微信蓝包的这样一种方式，或许是再朴实无华且有再高效不过的了。通过微信蓝包，不仅可以减少传统电商时代过多的营销成本，而且还可以减少成交率较低的痛点和难题，真正可以将困扰电商行业发展的这一老大难的问题得到彻底解决，从而再度提升电商的对接效率。 毫不夸张地说，微信蓝包，真正实现了电商上下游的点对点的精准对接，并且真正减少了传统电商粗放的营销资源浪费，不仅能提升用户的体验，而且能够进一步提升电商行业的对接效率，真正将电商行业的发展带入到一个全新的周期和阶段。 ## 微信蓝包，再度激活了微信的流量生态 我们都知道，当互联网的红利消失不再，行业的发展开始真正从增量时代进入到了存量时代。在存量时代，真正考验玩家们的，不再是开拓市场，做大规模，延伸边界的能力，而是开始考验玩家们做深市场，做实产业，钻探产业深度的能力。从本质上来看，玩家们还是要找到激活自身生态下的流量，满足自身生态下流量的新需求，找到新的发展契机。 对于微信来讲，其实是需要新的产品形态来激活自身庞大的流量的。我们都知道，微信生态下的产品，更多地是围绕着社交的需要来展开。在微信对话框里，有「相册」、「拍摄」、「视频通话」、「位置」等产品；有「红包」、「转账」、「名片」、「文件」、「音乐」等应用。不难看出，微信对话框下的这些产品，其实更多地是满足用户的需求而设。 虽然微信对话框有如此多的产品形态，但是，基于社交的基本属性，唯独缺少了以「礼物」为代表的商品。对于存量时代的微信生态来讲，如果能够开发出一款满足用户商品需要的新产品，无疑可以再度激活微信的流量生态。 微信蓝包的出现，彻底解决的这一痛点和难题。通过它，微信用户之间的交流的产品更加丰富化、多样化，微信用户之间赠送商品的需求得到了满足。对于日渐熟悉了微信产品形态的用户来讲，微信蓝包的出现，无疑满足了他们之间社交的新需要，从而再一次对他们实现了激活。 ## 微信蓝包，找到了用社交方式破解电商痛点的新方案 用电商行业正在处于剧烈的转型和升级期来形容现在的它，或许一点都不为过。无论是玩家们对于AI技术的全面拥抱，还是各式各样的电商新模式的衍生和出现，归根到底还是找到破解电商痛点和问题的新方案，从而让电商获得新的发展，实现新的突破。在这样过程当中，我们看到了以AI为主导的数字人的出现，我们看到了基于大模型为代表的智慧零售的衍生。说到底，这些新的发展方向，都是为了解决电商的痛点和难题。 其实，玩家们都是在用自己最擅长的方式来解决困扰传统电商的痛点和难题。以往，我们看到的那么多的电商新模式的衍生和出现，几乎都是遵循这样一条发展路线图。同样地，但凡是那些找到了电商新痛点和新难题的解决方案的玩家们，几乎都获得了快速的发展。这一点，我们在PC互联网时代和移动互联网时代都有过类似的案例出现。 不过，回顾电商的发展历程，不难看出，每一次的电商的迭代和创新，归根到底，还是要找到适合自身的方式来解决电商的痛点和难题。无论是内容电商也好，直播电商也罢，乃至是即时零售也好，无一不是如此。说到底，玩家们都在用自身擅长的方式来找到破解电商痛点的新方案。 对于腾讯来讲，对于微信而言，自己最为擅长的方式是什么呢？笔者认为，社交，依然是微信和腾讯最为擅长的方式。基于此，微信蓝包，其实是腾讯找到了用社交方式来解决电商痛点和难题的新方案。借助它，腾讯不仅可以实现自身流量的激活，更为重要的原因在于，它还可以将自身最擅长的特质加以利用。 当电商玩家们还是用各式各样的新技术、新模式来寻找破解电商痛点和难题的方式和方法的时候，腾讯用一种相当朴实，相当简单，相当擅长的方式，找到了解决电商痛点和难题的新方案。通过这样一种解决方案，我们完全可以有理由相信腾讯在电商行业的转型和升级的节点上，占据自身的一席之地。 ## 微信蓝包，为重塑电商新生态提供了可能性 当存量时代到来，特别是当电商内卷化加剧，整个电商的生态，其实开始面临着越来越多的问题和挑战。对于上游的商家来讲，它们开始越来越多地远离自己本该关注的产品质量和服务配套；对于下游的消费者来讲，它们开始越来越多地找不到自身心仪的商品。说到底，电商生态的不断恶化，才是导致这一问题开始越来越多地出现的根本原因。 当微信蓝包开始出现，对于上游的商家们来讲，它们开始不被营销和推广所烦扰，而是可以潜心去研究产品，专注提升产品品质；对于下游的消费者而言，它们不再从海量的商品里寻找自身心仪的产品，而是发挥自身的社交功能，让别人去挑选心仪的商品，这无疑将会极大地提升消费者的满意度。 当传统电商的模式开始愈发地走向内卷化，特别是当越来越多的商家和消费者开始被营销和推广所困扰的时候，微信蓝包的出现，提供了一种重塑电商新生态的新方案。通过它，商家们可以专注于产品和服务，用户和消费者同样可以获得自己心仪的商品。在微信蓝包的机制之下，困扰电商生态的痛点和难题得到了解决，真正将电商生态的发展带入到了良性发展的轨道。 ## 写在最后 当存量时代来临，所有的行业都值得我们重新再做一遍。对于电商来讲，同样如此。当下，越来越多的玩家们开始积极地拥抱AI，越来越多的玩家们开始摸索电商新模式。此刻，新的变局，正在拉开序幕。 对于腾讯来讲，同样如此。微信蓝包，可以说是腾讯和微信应对新的市场环境创新出来的新产品。可以说，微信蓝包，是腾讯在电商的新节点上探索新发展模式的证明，不仅成为了微信完善自我产品生态的重要一环，更为重要的一点在于，打开了电商发展的新天花板。 毫不夸张地所，微信蓝包，是腾讯给出了的电商「新答案」，有望重启腾讯的电商之梦。然而，或许这并不是腾讯的雄心所在，它更加在乎的是自身产品的完备以及自身用户的满意度的提升。因此，微信蓝包，出自电商，却并不仅仅只是电商。 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

<blockquote><p>在社交应用竞争激烈的当下，如何留住用户成为各大平台的核心挑战之一。本文深入剖析了Soul娱乐App的用户留存策略，揭示了其通过场景化互动设计实现高效用户留存的秘诀。</p> </blockquote>  在 Soul 的世界里，每一次对话不仅仅是冰冷的数字匹配，更像是一场饱含温度与仪式感的心灵交汇。对许多用户而言，打开 Soul 的那一刻，仿佛进入了一个独特的空间：在这里，真实的自我得以被精准呈现，而每一次互动都可能带来未知且美好的际遇。对于 Soul 的运营团队而言，他们不只是提供一个社交工具，而是在搭建一个情感舞台，让每位用户都能在不同的场景中自然融入，感受被理解与被关注的满足感，最终选择留下，成为这个匿名社区不可或缺的一部分。 ## 一、场景化互动如何成为留存引擎 ### 一对一匹配：从灵魂测试到多模态连线 当用户初次注册 Soul，他们并不会直接进入聊天界面，而是要回答一系列看似轻松却暗藏深意的问题。或许下一个问题会问到“最让你感到安心的歌曲是什么？”或者“如果今天只有三个小时可以自由使用，你会选择做什么？”表面上这些问题可能像心理测验，但实际上，Soul 正通过这些信息绘制一张多维度的兴趣与性格地图：你是“独立思考者”，还是“浪漫幻想家”；你偏爱摇滚乐，还是古典音乐；你的情绪倾向于热情外向，还是深沉内敛。平台将这些标签信息融合进算法模型，生成了一个高维向量模型，用于后续的匹配和推荐。 随着日常操作中用户行为的积累，Soul 不断优化这张“灵魂画像”。你喜欢深夜听音乐，它会记录你常常在线的时间段；你在情绪测试中倾向于忧郁，它会优先推荐那些能够理解你感受或给予鼓励的对象。这样一来，当某个潜在匹配者也符合你设定的多维度标签时，两人之间就出现了“灵魂共振”的可能性：算法会在你打开 App 的那一刻，将TA推到最显眼的位置。 当你看到心动的那个人，也许TA刚刚给你发出了“甜言蜜语”，但 Soul 并不会简单地展示“新消息”红点，而是选择在界面的中央播放一段短暂的动画——“恋爱铃”提示香气扑面而来：动画伴随着微微跳动的心形图标，声音悄然响起，瞬间抓住你的好奇心与情感期待。此时，你会情不自禁地点开对话窗口，第一句话往往会被赋予更多情感色彩，因为你知道对方也是经过算法筛选后最可能与你契合的人之一。这便是“仪式感”的魅力：它让用户在社交前就已投入情感成本，提升了打开率与回复率，也让双方都更加珍惜这次交互机会。 当初次文字对话进行得差不多后，Soul 会在聊天界面中悄然插入“语音匹配”按钮：一个温和的提示告诉你，文字固然方便，但声音更能传递情绪。点击按钮后，你与对方即可随机连麦，一秒进入真实声音的交流。语音通话没有画面的包袱，让人卸下心防，声音里不自觉地流露出微笑、轻笑或兴趣盎然的语气，让两人之间迅速升温。 如果连麦仍让你感到有些紧张，Soul 还提供“萌面视频”滤镜。这个设计既能保证匿名性，也能增添一份趣味性。你戴着一个可爱的猫耳面具或者卡通面具，随意地说着心里话，既降低了直接露脸的压力，又保留了表情与口音带来的丰富信息——这是文字所无法传达的细腻之处。可爱的面具下，你会更敢于分享真实情绪，对方也能通过语气与表情判断你的态度。这样的多模态切换（文字→语音→视频），始终保持着新鲜感，为聊天过程注入流动的惊喜和乐趣，也让每一次互动时长得到了延长，使陌生人在一次次真实而放松的沟通中不断拉近距离。 此外，Soul 会根据两位匹配者的互动情况，智能地为你提供进一步的社交建议。例如，如果你们语音连麦后持续互动时长超过一定阈值，App 会在聊天界面下方出现“兴趣话题卡”，随机挑选几句你们共同话题相关的问题，比如“最近有没有看过什么好看的剧？”“你最想去旅行的目的地是哪里？”这些话题既能降低对话进入尴尬期的几率，也能让双方在二次“破冰”时更加自如。这种在关键节点给用户适时引导的设计，既体现了 Soul 关注用户体验的用心，也帮助新手快速融入社交节奏。 ### 群组派对：在线上的心灵小酒馆 在 Soul，群组派对并不单纯是“人多聊天”的场所，而是一种精心策划的社交行动。举例来说，每逢周五午夜，Soul 会推出一系列主题派对，如“午夜告白夜”“深夜解忧电台”“听歌聊心情”等。打开首页时，你会看到推荐模块中的轮播海报：背景是柔和的星空与城市夜景，文案写着“今晚 11 点，十余位心动房主与你不见不散”，字幕和动效交替出现，将用户的好奇心一步步推向高潮。 点击进入派对房后，你会立刻感受到视觉与听觉的双重仪式感：房间背景播放轻柔的钢琴曲或电音，界面顶部是会动的星光动画，仿佛将你带进一个独立的时空。当你在房间里与其他用户互动时，弹幕、点赞特效以及进房提示会不断出现，犹如身处线下的心灵小酒馆，几乎看不到界面边框。每一个人都怀揣着与他人共鸣的期待——有人在弹幕里说“喜欢你的故事”，有人在聊天区分享自己的创作歌单，还有人通过投票功能为自己喜欢的话题点赞。 当你决定离开房间，点击界面右上角的“退出”按钮时，系统并不会立刻让你离开。屏幕中央先会出现一个半透明提示框：“真的要离开吗？再聊聊？”。在你犹豫的一瞬间，可能会听到房主邀请你参与一个轮盘小游戏，或看到弹幕里有人发起的问答，“今晚你最想跟谁聊心事？”这就是“退出干预”设计的精髓：它让用户有机会在离开前多停留一会儿，也许就会遇到一个志同道合的陌生人。 每个派对房背后都有专业的房主团队和 KOL 加持。他们可能是情感导师，负责分享情绪疏导话题；也可能是音乐达人，午夜在线点歌和调音，引导用户一起唱歌或嗨聊。平台给这些房主设置了成长任务：例如每周至少组织两次直播式分享、带动 50 人次的讨论，或是主持两场心灵对话后写一篇分享总结。完成任务后，他们会获得“派对之星”徽章、限时专属礼物以及平台推广资源。从而从形式上让活跃分子感到被认可，形成稳固的社交骨干。与此同时，普通用户也会因为看到这些活跃分子而产生“下次也想来”的念头，形成良性循环。 群组派对与一对一的使用场景并非孤立存在。在技术层面，Soul 会根据你在派对内的发言活跃度、点赞数、发起话题数等指标为你打分。如果你经常在某个主题房内表现活跃，系统就会在下次打开 App 时，将你推荐到更加精准的群组。例如，你若常在“深夜电台”里和他人分享音乐感悟，下次就可能被邀请加入“独立音乐人互助会”或者“午夜歌单分享派对”，进一步满足你的兴趣偏好，让你不再感到茫然或孤单。 ### 轻量小游戏：陌生人之间的破冰利器 在寂静的夜深时刻，你或许会在首页发现一个“小游戏”的入口——其中最受欢迎的便是“狼人杀”。与传统的桌游不同，Soul 的“狼人杀”被设计成轻量级的社交游戏：你无需下载额外插件，只需点击游戏图标，选择“快速加入”。几秒钟后，你就进入一个由 8 人左右组成的小房间，所有人的昵称都是匿名 ID，头像也只是随机的可爱插画。系统会自动分发角色：村民、预言家、女巫、狼人等每个人身份秘而不宣。 游戏开始，你可通过文字聊天区表达自己的怀疑，也可通过实时语音发出推理。一旦进入投票环节，弹幕信息会瞬间涌现：有人质疑一个名字“你昨晚在哪个房间？”，有人快速投下“你先别说话，我要观察一下你的表情”。尽管大家互不了解，却能透过语言与语音的细微变化感受到对方的推理节奏。几分钟后，当游戏结束，胜利方会收到胜利荣誉徽章，而系统则会根据每个人的表现自动生成“心动值报告”：比如“在本局游戏中，你与 ID: B123 的互动得分最高，建议下次在一对一匹配时优先考虑彼此”。这种机制便是让游戏与匹配之间形成闭环：你因为游戏而加深对某个人的印象，下次在陌生人匹配列表里便容易注意到对方。 除了“狼人杀”，Soul 还会定期推出更轻松的“三题速配”小游戏。预设如下：系统根据你的标签生成三个简短问题，例如“你最喜欢的旅行地点是哪里？你的早餐总是这样吃吗？你更喜欢猫还是狗？”。你和系统指定的另一位陌生人需要在限定时间内作答——时间越短，会话氛围越紧张；答案越一致，你们的匹配优先级就越高。游戏结束后，你们会获得一份“趣味配对报告”——或许你喜欢北欧的小木屋，而对方钟情热带海岛，但你们都同样热衷咖啡文化，这份共同点就成为后续对话的最佳契机。 在后台，Soul 会持续监测这些小游戏的参与度、互动质量以及用户留存率。如果某种类型的小游戏参与率不高，或者用户反馈说规则复杂、耗时过长，产品团队会第一时间迭代优化，例如简化规则、调整游戏时限，或者更换题目风格，始终保持“轻松有趣却不占太多时间”的设计理念。 ## 二、背后驱动逻辑：为何这些设计让人难以抗拒？ ### 心理学效应的妙用 **新奇效应与好奇心：** 永无止尽的场景切换能不断满足用户的好奇心。从最初的文字对话，到语音连麦，再到萌面视频，甚至参与狼人杀，用户不断接触新的互动形式，就像在一场持续铺陈的舞台剧中，每一幕都充满未知，让人忍不住想知道下一步会发生什么。 **仪式感与承诺效应：** 当“恋爱铃”响起、当你点击进入线上派对、当你加入一局小游戏，这些小小的动作背后都有一种隐性的承诺。一旦用户付出了时间并参与其中，就更倾向于留下来，因为他们已投入情感与精力，不愿轻易放弃。而这种承诺不仅体现在技术提示上，还会反映在视觉与听觉设计、交互节奏的把控上，让用户产生“此刻很重要”的仪式感。 **社交证明与从众效应：** 在群组派对中，弹幕点赞数、关注量、房主的活跃程度，都在无形中建立起社交证明。当看到“当前有 50 人在线”“已有 300 次弹幕互动”的提示，你会感受到“这里有热闹、有价值”，更愿意加入其中，而不会认为自己孤立无援。 ### 抗流失设计 **退出干预：** 设计并非简单阻拦，而是在用户想要离开之时给他一个“再思考一下”的机会。研究表明，人在连续行动时往往会对终点产生依赖感，当操作与预期不一致时，会触发心理的“损失厌恶”，从而选择停留一段时间。Soul 正是利用这一点，当用户点击退出，先出现一句“再聊一会儿吧”，让他们在情感驱动下放弃退出的冲动。 **动态推送的温度：** 冷冰冰的推送往往令人反感，但 Soul 却强调“精准且富有情感”。当你与某人聊天超过特定时长后，系统会在几小时或次日提醒你“Ta 昨晚聊到很有意思的话题，你要不要再续一段？”，这并非毫无意义的通知，而是针对性地配合上下文，让用户感受到“这是一条我需要看到的消息”，从而更加愿意回到 App。 **定向运营与用户分层：** Soul 会将用户分为新手、活跃用户、休眠用户等不同层级，为每一层级提供差异化的运营策略。例如对新手，强调一对一的蜜语互动；对活跃用户，推送更多高级派对邀请；对休眠用户，则采用小礼物、限时回归优惠券等手段，给予他们温暖的召回提醒。 从单点到生态的联动闭环 **游戏→匹配→社群：** 一局小游戏结束后，那份“心动值报告”并不会灰飞烟灭，而是在你下次打开一对一匹配列表时继续生效，让系统优先推荐你在游戏内互相点赞、互动频繁的对象。与此同时，如果你在派对中担任抢镜发言者，系统会根据你在小群中的表现，推送你去更高级的“KOL 房”担任嘉宾，让你获得更多曝光与关注。 **派对→广场→内容生态：** 在派对中脱颖而出的优质内容——无论是高质量的故事分享，还是独特的音乐创作—都会被选入广场“推荐”模块，让更多用户看到并点赞、评论。这些内容一旦在广场发酵，就会进一步刺激新一波讨论，用户甚至可能因此产生新的社交需求，回到派对或一对一聊天，形成一个闭环生态。 **KOL→用户生成内容（UGC）→裂变传播：** Soul 会扶持一批能量较高的 KOL，为他们提供兑换道具、推广位等实质帮助。KOL 在派对内外所分享的观点或创作，经常会成为广场上的热门动向。大量用户看到优秀内容后，会模仿、二次创作，甚至自己发起小众话题房，形成用户生成内容的良性裂变，让平台保持源源不断的创新与活力。 ## 三、场景化互动在整体留存策略中的落地 实际上，场景化互动只是 Soul 留存策略中的一个关键齿轮。在这一大系统中，每一个要素都环环相扣，互为补充： **算法与匹配：** 灵魂测试阶段就植入用户兴趣与性格图谱，保证在任意一个场景打开时，系统都能立即匹配到与你最契合的目标对象。 **社区与内容：** 广场随时有你感兴趣的话题：可能是最新的用户故事、KOL 的深度情感分析，也可能是一段温馨的心灵短剧测试，让你在浏览时感受到与他人的情感共鸣。内容的丰富度与优质度，直接影响用户在平台上停留的时间。 **激励与关怀：** 用户从第一次完成新手任务获得奖励，到收到第一个成长徽章，再到成为付费 VIP 会员，每一步都有明确的成就感反馈。节日时，平台会推送限时表情包、专属贺卡、线下活动邀请等，让用户感受到“这不仅是一个 App，更像一个有温度的社区”。 **精准推送：** 根据用户在多个场景中的行为数据，智能推荐最有可能引发他们兴趣的活动。如你在“深夜电台”里聊到喜欢某首歌，系统会在第二天推送类似音乐主题的派对；如果你在“小剧场测试”表现积极，系统会为你推荐相关的心理或情感讨论房，让你保持持续参与。 在这台精密的运营机器中，场景化互动就像是“玩法发动机”：它既承担着吸引用户进入的责任，也在后续留存中扮演重要角色。多维度的社交体验，让用户既能感受到一对一的专属温情，也能体验群体互动的热闹，更能在小游戏的参与中获得另一种成就感。算法只是冷静地分析数据，但随着每一次连麦、每一场派对、每一局游戏，背后都有真实的情感在流动，让算法与用户体验完美融合。 最终，Soul 将每位用户视为“心灵的收藏者”，而每一次场景化互动，都是在提醒：“这里有人与你一样渴望被理解。”正是这种“故事式”的体验，让用户在 Soul 中不断触发新的情感惊喜，也让他们一次又一次地重返平台，形成高度的用户黏性与活跃度。 总体来看，Soul 通过多维度场景化互动——从一对一灵魂匹配到群组派对，再到轻量小游戏——构建了一个既有情感深度又充满新奇的社交生态，实现了对用户的高效留存。与主打快速匹配的 Tinder、Bumble 相比，Soul 更注重灵魂层面的契合和长期互动；相对于强调语言学习的 HelloTalk、Tandem，Soul 强调匿名氛围下的真实情感连接；而与依赖纯语音房的 Clubhouse 相比，Soul 的文字、语音与萌面视频多模态切换，为用户提供了更多元的表达方式。未来，Soul 可通过引入 AR/VR 等沉浸式技术，打造虚拟聚会新体验；进军海外市场，结合不同文化定制特色主题房；持续强化 AI 算法，以更精准地推荐兴趣与情感内容；同时鼓励更多优质内容和创作者生态的共建，让社区不断焕发活力。在这些可拓展方向的加持下，Soul 有望进一步巩固自身在匿名情感社交领域的领先地位。 本文由 @Gavin**杰 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

每一代人都有属于自己的社交货币。