所有文章

传苹果M系列考虑Intel 14A工艺 NVIDIA也有兴趣

Intel的14A工艺似乎迎来了新曙光,据报道,**苹果可能对采用Intel的14A工艺生产未来的M系列芯片感兴趣,而NVIDIA也对这一工艺表现出兴趣。**Intel目前在晶圆代工领域面临诸多不确定性,尤其是其18A和14A等先进工艺的未来发展。 **不过,据GF证券分析师Jeff Pu透露,Intel已向包括苹果在内的关键客户提供了14A工艺的早期版本PDK(工艺设计套件),预计NVIDIA的游戏GPU(低端版本)和苹果的M系列将成为14A的采用者。** 苹果作为全球科技巨头,一直是台积电的大客户,但若Intel的14A工艺能够满足其需求,苹果可能会考虑将其纳入供应链,以实现芯片供应的多元化。 **如果苹果和NVIDIA等大公司真的采用Intel的14A工艺,这将为Intel的晶圆代工业务带来重大突破。** 不过,这一消息仍存在变数,Intel需要在技术实力和供应链稳定性上做到足够出色,才能真正赢得苹果和NVIDIA等客户的青睐。 此外,台积电预计将在2028年推出类似技术的A14工艺,苹果是否会选择Intel的14A工艺,还需看Intel能否在技术和产能上给出有力回应。 [![](https://static.cnbetacdn.com/article/2025/0727/77f2aeeca02d5bd.jpg)](//img1.mydrivers.com/img/20250727/6ddc4d72a7a84ffa8fdb9379793f4f48.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1515670.htm)

2025-07-27 12:35:23 · 0次阅读
 
 
“保价”500元为何只赔30元?专家详解快递“保价”规则

近万元物品严重损坏,快递公司只赔几百元。如何优化定损和举证规则,破解快递理赔困局?在网购盛行的当下,快递服务已成为我们生活中不可或缺的一部分。但随着业务量的激增和邮寄物品的多元化,快递在包装、运输过程中存在损坏和丢失的风险,由此引发的纠纷也日益增多。“万元电脑运输损坏保价两千只赔两百”等类似话题,曾多次登上热搜引起网友热议。 [![](https://static.cnbetacdn.com/article/2025/0303/c5418313df16cd3.jpg)](https://static.cnbetacdn.com/article/2025/0303/c5418313df16cd3.jpg) 在黑猫投诉平台上,相关投诉更是多达上万条。如何认定损失,是消费者与快递公司常常争执的焦点。面对快递行业“保了少赔、不保不赔”的现象,如何优化定损和举证规则,破解快递理赔困局? **保价500元** **却只赔30元** 7月7日,上海的吴女士在某二手交易平台上卖出一架古筝,成交价为150元。吴女士称,寄出古筝时有背包,外壳纸板完好,保价500元。7月9日,买家收货后发现,纸板有破损,导致古筝琴弦断裂,琴面也有破损。 后续与快递公司沟通理赔事宜,起初客服回复只赔30元,她投诉以后,客服来电,改口赔付涉案金额的30%,也就是45元。双方无法就赔付金额达成一致,在吴女士看来,快递保价形同虚设。 辽宁鞍山的胡先生快递保价的则是价值上万元的限量收藏版雕像,成交价格1万元。为了确保万无一失,作为买家,他选择了一家知名快递企业运输,并保价到付,保价金额为9000元。7月8日到货签收时,他却发现雕像的重要部件严重破碎且不可修复。 **胡先生:**实物到的时候,我当快递员的面打开,里边一个很重要的关键部件碎了好多块,很严重。给我的答复就是联系运损赔付,告诉我赔您500元。 **成交价格1万元的雕像,在保价9000元的情况下,快递客服答复只能赔偿500元,**这让胡先生无法接受。目前胡先生正在考虑是否起诉,维护自己的合法权益。 在黑猫投诉平台上,相关投诉多达上万条,涉及的金额少则几百元,多则上万元,物品种类也较为多元化,既有手办玩偶,还有古玩藏品等。如何举证定损,是消费者和快递公司出现纠纷时的焦点问题。 一位快递公司的管理人员表示,快递公司一般也是委托三方保险公司对物品进行保价;举证定损最为复杂,涉及环节多,监控调取难;一般情况下,即使客户未保价,如果出现遗失也会进行一定的赔偿。 **快递定损规则尚不完善** **具体操作存在诸多难题** 通过梳理多家快递公司理赔规则,记者注意到,大都会在理赔标准中明确“将根据实际损失进行足额赔偿,最高不超过保价金额”“按照实际价值损失赔偿,但最高不超过申报价值”。北京邮电大学邮政发展研究中心主任赵国君表示,快递业存在运输物品范围广、服务场景多、全程全网联合作业等特点,目前快递业对保价物品的定损规则尚不完善,具体操作存在诸多难题。 赵国君表示,目前,快递业整体还处于劳动密集型同质化低价发展的阶段。快递企业还需在企业管理、员工能力、全流程可追溯等方面进行加强建设,相关保障体系越细化,后续保价与实际价值的匹配度才能更好,运输过程中出现的运损风险和隐患才能有效降低。 **保价与大众熟悉的保险不同** **赔偿来源不足** 消费者对“保价”的理解是快件出现损毁情况,快递企业就应当按照保价金额进行赔偿。而快递企业的“保价”规则往往是实际赔偿时要根据快件的损毁情况确定具体金额,最高不超过保价金额。乔烽长期从事邮政业法律实务,他表示,保价是保险的一类,却与大众所熟悉的保险不相同,保价赔偿完全是由快递企业从已收取的保价款中支付,依靠企业自筹明显来源不足。 **乔烽:**金融业有存款保证金、保险业有再保险的法律,这些规定的存在本意就是增加赔偿的保障和来源。但是,我国目前没有快递业的再保险规定,因为这会直接增加寄件费用。不仅快递企业无法适应市场竞争,寄件人也不愿意承担由此而增加的快递费,这是一个难题。 破解寄递保价与公众消费承受力之间的矛盾,保价后的再保险可能是最佳方案了。 多位法律人士建议,规范保价规则;引入第三方评估,优化定损和举证规则;加强技术监控、强化监管与行业自律。此外,提醒选择保价的消费者,快递保价≠100%理赔。邮寄贵重物品,应按实际价值选择保价服务,切勿因节省保价费用而低估申报。此外,证据留存是关键。一旦发生纠纷,留存的影像资料与单据将成为维护自身权益的核心证据。 [查看评论](https://m.cnbeta.com.tw/comment/1515660.htm)

2025-07-27 12:35:09 · 0次阅读
 
 
Raphael AI 2.0 – 半年没停?富哥A100显卡免费服务还在,羊毛又能薅一波

还记得这个么: 哦不,这个没啥意思,实际上是这个: 这不,昨天富哥带着他新闲置的 A100 显卡又回来了。 来自发现频道,富哥自荐:https://meta.appinn.net/t/topic/73

2025-07-27 12:23:51 · 0次阅读
 
 
AI Agent 第一波浪潮过后,OPPO 是怎么闷声做出第一个爆款的?

金庸笔下的乔峰,在聚贤庄单挑群雄时,用一套人人会使的「太祖长拳」,打出了震慑全场的必杀效果。这门功夫看似平平无奇,却因使用者内力深厚、大巧不工,而威力无穷。 进入 2024 至 2025 年,在一年的「热身」后,手机的 AI 赛道,正像一场热闹的「武林大会」。各家厂商纷纷亮出看家本领,赛道上呈现出百花齐放的景象,这是一场精彩纷呈的技术革新。 三星的 Galaxy AI 能够挥手间抹去照片中的路人,或将普通视频即时变为慢动作;谷歌 Pixel 的 Magic Editor 同样能对图像进行天马行空的编辑;几乎所有玩家都在展示实时通话翻译的奇迹。 确实,生成式 AI 的魔力,正为用户带来强大、直观的新奇体验。无论是挥手间处理图像、视频,还是实现跨越语言的实时通话,这些 AI 能力快速在各个品牌的智能手机中中普及,成为衡量 AI 体验的标尺之一。当这些强大的功能日益普及,新的问题也随之愈发明显:如何让 AI 在智能手机中,不再是单个亮点的集合,而是真正融入系统,成为服务用户意图的、连贯而智慧的体验。 在这片喧嚣之中,OPPO 的选择颇有几分乔峰打长拳的意味。它推出的核心 AI 功能「小布记忆」,并未急于展示一套全新的生成式绝学,而是回归到一个最基本的用户动作,试图将最朴素的记录功能做到极致。反而成为了今年智能手机  AI 产品落地中让人眼前一亮的「爆款」。 通过对 OPPO 智能助理部部长、小布助手首席架构师万玉龙的深度采访,为我们揭示了这套「内功」的全貌。OPPO 的 AI 战略,其所有思考的原点,都浓缩于四个关键词:**直觉、专属、高效、安全**。 这并非空洞的营销口号,而是一套深思熟虑后,指导其产品、技术与未来的系统性哲学。OPPO 如何用最基础的「记忆」,在 AI 时代的「华山论剑」中,打赢一场回归人本价值的战争? _**01**_ **<strong>「直觉」的回归:物理按键的战略价值</strong>** 在任何技术的普及过程中,都存在一个无形的「激活壁垒」。一项功能无论多么强大,如果用户无法轻松、自然地启用它,其价值便会大打折扣。在 AI 手机的初期探索中,交互方式本身就成了一个亟待解决的难题。 无论是需要精准口令的语音唤醒,还是隐藏在层层菜单后的软件开关,抑或是需要特定手势(如按住并圈选的 Circle to Search)的操作,都给用户带来了或多或少的认知负担。 万玉龙坦言,OPPO 内部洞察到了这一关键瓶颈:AI 功能的使用率与其激活的便捷性直接相关。一个繁琐的、需要用户思考和学习的激活过程,是阻碍 AI 成为用户日常一部分的最大障碍。 面对这个普遍存在的软件交互难题,OPPO 给出的答案却是一个看似复古的硬件方案:为「小布记忆」配备一枚专属的物理按键。 ![](https://imgslim.geekpark.net/uploads/image/file/1b/79/1b7965d1a914e702b72a4dce18517d0b.png)   <span data-mpa-action-id="mdju081914c5" data-pm-slice="0 0 []">OPPO Find X8 Ultra 上,为小布记忆配备了独立的硬件按键|图片来源:极客公园 这一决策,是软硬件深度耦合思想的极致体现。它将「记忆」这个核心动作——即捕获信息——从一个可能需要解锁屏幕、打开应用、点击保存等多步骤的复杂流程,简化为一次直觉式的「按下」。 这个设计的目标,是培养用户的「肌肉记忆」。就像人们习惯于用电源键锁屏、用音量键调声一样,OPPO 希望用户在遇到需要记录的信息时,能够下意识地按下这颗专属按键。这种交互方式将认知负荷降至最低,让 AI 功能的调用变得如本能般自然。 据介绍,OPPO 内部数据同样验证了这一判断,这枚物理按键成为了激活用户使用 AI 的关键催化剂,极大地提升了功能的使用频率和用户粘性。 ![](https://imgslim.geekpark.net/uploads/image/file/a1/76/a17661ae293ac16346aaf900232c189c.png)   <img data-src=""/><img data-src=""/> 实体按键成为了转化用户日常使用频率的关键因子|图片来源:极客公园   这枚小小的物理按键,实际上是手机厂商相较于纯软件 AI 玩家的「不公平优势」的集中体现。只有掌控着硬件设计与生产全流程的设备厂商,才能实现这种深度的软硬件一体化。它无法被一个第三方应用所复制,也无法通过一次软件更新来实现,从而构筑了一道独特的竞争壁垒。 在如今 AI 手机在发布会上纷纷展示其 AI 功能清单有多么庞大时,OPPO 却反其道而行之,选择将宝贵的机身物理空间,专门用于承载一个核心功能。 甚至在某种程度上,它宣告了 OPPO 在 AI 浪潮中的基本立场:拒绝功能过载,回归用户直觉,将最简单、最根本的体验打磨到极致。 毕竟,让一个核心功能被深度、高频地使用,其价值远大于提供一百个浅尝辄止的功能。 _**02**_ **<strong>从「公共知识」到「个人资产」:</strong>** **<strong>AI 的专属进化论</strong>** 在讨论「AI 手机的未来是什么」之前,一个比较尖锐的事实是:当前市面上的大多数 AI 助手,本质上是一个连接到庞大公共知识库的问答机器人。 它们可以告诉你珠穆朗玛峰的高度,或者解释量子力学的基本概念,但它们并不真正「认识你」。当你问它「我上次去北京出差住的酒店是哪家?」或者「提醒我下周去参加女儿的家长会」,它们往往会陷入沉默。这种基于「公共知识」的智能,使其应用场景受限于通用的、非个人化的任务,难以成为用户生活中不可或缺的伙伴。 万玉龙清晰地描绘了 OPPO 的破局之道:**「小布」的核心使命,是构建一个真正专属的 AI,将智能助理从一个无所不知的「公共图书馆」,进化为一个只属于你的「第二大脑」**。 这个「大脑」中存储的不是维基百科,而是用户的「个人数据资产」——那些零散、却至关重要的个人信息:一条小红书笔记、一张聊天记录里出现过的地址、一个航班号、或是一篇需要深度阅读的微信公众号文章。 ![](https://imgslim.geekpark.net/uploads/image/file/31/9e/319e0effd3a96fc77e6823e4ba002875.png)   <img data-src=""/><img data-src=""/> 小布记忆界面|图片来源:极客公园   通过持续、沉淀这些个人化信息,「小布」让 AI 服务的基础从公共数据,转向了更具价值的个人上下文知识库:一个了解你个人偏好、生活习惯、工作项目和人际关系的 AI,才能够提供真正有价值的、个性化的、甚至是主动性的服务。这种基于长期个人记忆所带来的「专属感」,是任何依赖通用知识的云端大模型都无法给予的。 然而,构建「个人数据资产」的想法,不可避免地会触碰到用户最敏感的神经——隐私。用户凭什么将自己的「第二大脑」托付给一家科技公司?这正是 OPPO 的 AI 哲学中「**安全 **」这一支柱所要解决的核心挑战,也是其技术架构设计的根本出发点。 为了化解这个「隐私悖论」,OPPO 采用了目前行业内公认的最优解:**端云协同 ** 的混合式技术架构。这种架构并非 OPPO 独有,而是整个行业在平衡隐私与性能之后,共同趋向的解决方案。例如,苹果的 Apple Intelligence,其核心便是优先在设备端处理数据,只有在需要更强算力时,才会将任务发送到其专门构建的「私有云计算」服务器上,并确保苹果自身也无法访问这些数据。三星同样在其 Galaxy AI 中为用户提供了在离线和云端处理之间进行选择的选项。 OPPO 的端云协同架构遵循同样的核心逻辑,将计算任务智能地分配到最合适的地方:在设备端,存储着用户的个人「记忆」片段、敏感信息以及简单的、需要快速响应的任务,都由运行在手机芯片上的「小模型」处理。 ![](https://imgslim.geekpark.net/uploads/image/file/df/ae/dfaec9a17217acda34be049cd29f9f29.png)   <span data-mpa-action-id="mdjthp6hbnk" data-pm-slice="0 0 []">本地大模型也是小布体验中重要的部分|图片来源:极客公园 这样做保证了极低的延迟和离线可用性;其次也确保了用户的隐私数据永远不会离开设备,从而构筑了用户信任的基石。 而对于那些需要庞大算力、超出手机处理能力的复杂任务,例如对一篇长篇报告进行深度分析和摘要,或者进行复杂的逻辑推理,系统会将其分派给云端服务器上的大模型 来完成。这使得用户既能享受到顶级 AI 的高精度和强大能力,又不会因此耗尽手机的电量或性能。 这种架构本身已经是行业内公认的解决方案,旨在解决性能、隐私和功耗之间的「不可能三角」。但对于普通消费者而言,「端云协同」、「大小模型调度」这类技术术语,是抽象且难以理解的。 因此,OPPO 没有试图在营销中去教育用户理解这套复杂的后台系统,而是巧妙地将整个 AI 战略的核心品牌形象聚焦于「**记忆**」这个概念上。它成功地将一个复杂的技术解决方案,转化为一个富有情感共鸣且直观易懂的用户价值承诺。当人们谈论「记忆」时,天然地会联想到这是个人的、私密的、属于自己的东西。 _**03**_ **<strong>用「统一框架」跨越 App 孤岛</strong>** 如果说「小布记忆」通过直觉式的交互和专属化的数据沉淀,完美解决了 AI 的「输入」问题,那么 OPPO 的终极目标,则是攻克 AI 更具挑战性的「输出」难题——即如何让 AI 真正地为用户采取行动。 当前智能手机体验的最大痛点之一,是根深蒂固的「应用孤岛」效应。用户的数字生活被分割在一个个独立的 App 中,完成一个稍复杂的任务,往往需要在多个应用之间来回跳转,手动复制粘贴信息。例如,规划一次家庭旅行,用户可能需要在日历应用中查找假期,在旅游 App 中搜索攻略,在航旅 App 中预订机票,在酒店 App 中预订住宿,最后再将所有信息手动汇总到备忘录或地图应用中。这个过程是断裂的、低效的。 只有彻底打破这些孤岛,才能推动 AI 手机进入下一个阶段,实现更多的可能性。 要理解这一概念的革命性,我们可以先回顾其概念的演进。在最基础的层面,安卓系统原生的 Intent 机制就是一个雏形。它允许一个应用向另一个应用发出一个明确的、单一的动作请求,比如让相册应用调用相机应用来拍照。这是一种点对点的、指令式的交互。 OPPO 的目标,是要将「目标导向」的理念应用到个人用户层面。用户不再需要发出一步步的具体指令,而是可以直接表达一个高层次的「意图」,比如「帮我规划下周去北京的出差行程」。 OS 作为操作系统的中枢大脑,会首先理解这个意图的核心要素(时间:下周,地点:北京,事件:出差),然后智能地编排和调度手机上所有相关的 App 来协同完成任务。它可能会自动查询日历确认具体日期,调用航旅 App 查找并推荐航班,搜索酒店 App 提供住宿选项,并将最终确定的行程自动添加到日历和地图中,最后向用户呈现一个完整的、可执行的方案。 ![](https://imgslim.geekpark.net/uploads/image/file/72/53/7253a4770b8ce10d1eec88a49c536136.png)   <img data-src=""/><img data-src=""/> 小布记忆不只是一个收纳用户数据的工具箱,更是一个手机信息处理中枢的角色|图片来源:极客公园   要准确无误地执行任务,其前提是必须深刻理解用户的真实意图。用户的意图往往是模糊的、省略了大量背景信息的。**一句简单的「帮我订一张回家的机票」,背后可能隐藏着复杂的上下文:是回父母家还是自己的家?是基于上次和家人在微信聊天时提到的那个周末吗?是需要避开日历上已经安排好的会议吗?** 一个缺乏个人上下文的通用 AI,在面对这类指令时,只能通过一连串的追问来获取必要信息,这反而违背了「高效」的初衷。 这正是「小布记忆」发挥其核心战略价值的地方。「小布」被设计为用户「第二大脑」,小布记忆日积月累沉淀下来的,正是这些能够解锁用户真实意图的、宝贵的个人上下文。它记录了用户的社交关系、重要日程、兴趣偏好、常用地址、近期计划等一切定义了「你」是谁的信息。 因此,整个工作流程是这样的:当用户向手机发出意图时,操作系统会首先查询「小布记忆」这个专属的个人数据库,以获取完成任务所需的所有背景信息。是「小布记忆」告诉了 AIOS,「回家」指的是哪个地址,「下周」具体是哪几天有空,「那个项目」指的是哪份文件。正是有了「记忆」提供的燃料,「意图」这个引擎才能真正开动起来。 ![](https://imgslim.geekpark.net/uploads/image/file/37/7d/377db20b0ea47e5bb3398b317ac4ced0.png)   <img data-src=""/><img data-src=""/> 作为端侧 AI 目前最重要的设备形态,用户数据在未来智能手机 AI 功能落地中至关重要 |图片来源:极客公园   至此,OPPO 的战略全貌清晰地展现在我们面前:「小布记忆」并非一个孤立的功能点,它是 OPPO 实现终极「高效」智能体验的、不可或缺的**数据基石**。OPPO 的 AI 进化路径不是「先做记忆,再做意图」,而是「**为了意图,先做记忆**」。 _**04**_ **<strong>回归人本,进化为「个人智能体」</strong>** 要真正理解 OPPO 所选的这条道路,就必须将其置于当前整个行业的选择中进行判断。 当前的 AI 手机市场,宛如一场高手云集的「华山论剑」,各大巨头凭借其深厚的历史积淀、独特的资源禀赋和迥异的哲学理念,各自修炼出了风格鲜明的「武功路数」。 苹果的 AI 战略是一座建立在「隐私」基石上的堡垒;Apple Intelligence 从设计之初就严格遵循「端侧优先」的原则,将绝大多数计算锁定在设备上。对于必须上云的复杂任务,苹果提出了「私有云计算」标准,承诺数据在特制服务器上处理,连苹果自己也无法访问,以此构筑用户信任的护城河。同时也被严格限制在苹果生态的高墙之内。 三星则奉行「功能最大化」的进攻策略:通过与谷歌的深度合作,其旗舰手机上集成了从「创成式编辑」到「通话实时翻译」等一系列眼花缭乱的生成式 AI 功能。这种战略的差异化在于其惊人的覆盖面和普及速度,不仅在新机型上预装,还以前所未有的力度将大量 AI 功能通过软件更新下放给旧款旗舰机型,传递出「最全功能免费用」的直接信息。其武功强在庞大的市场规模和迅猛的功能迭代。 通过对竞争格局的梳理,OPPO 的差异化路径变得异常清晰。OPPO 的「太祖长拳」战略,是一次向用户价值原点的彻底回归。**直觉、专属、高效、安全**这四大支柱,并非孤立的卖点,而是一个逻辑严密、环环相扣的战略框架。 然而,这条路也伴随着一个深刻的「营销悖论」。一个真正做到极致直觉、专属和高效的 AI,其体验必然是「润物细无声」的。它带来的可能是一次会心一笑的便利,一个被悄然化解的麻烦,而不是一次石破天惊、足以在发布会上引爆全场的震撼演示。 ![](https://imgslim.geekpark.net/uploads/image/file/75/78/757858e914a9a83a6b6df55ba7bc1138.png)   <img data-src=""/><img data-src=""/> 如果智能手机上的 AI,最终目标是成为用户身边一个隐形、全能的管家时,你该如何向世界展示它的存在感?这是 OPPO 在走向其 AI 终局时,必须面对的核心挑战。 最终,OPPO 的所有战略布局,都指向一个宏大而清晰的目标:将智能手机从一个被动的工具集合,真正进化为一个懂你、帮你、保护你的「**个人智能体**」。这个智能体不仅能响应指令,更能理解意图;不仅能执行任务,更能预见需求;不仅存储数据,更拥有记忆。 OPPO 正在下注一场长期的价值投资。它相信,在 AI 时代的喧嚣过后,用户最终选择的,不会是那个功能最花哨、参数最惊人的产品,而是那个最懂自己、最值得信赖的伙伴。 在这场关乎未来的战争中,深厚的「内功修行」,或许终将胜过华丽的「外在炫技」。

2025-07-27 12:17:54 · 0次阅读
 
 
Vibe Coding 开赛,阿里靠新模型赢麻了?

如果你是已经接触过 Vibe Coding 类产品的用户,或许已经熟悉这类产品作为「副驾驶」的属性:它们往往就如同一位尽职的副驾驶。在你长途奔袭时,它能帮你盯着仪表盘,甚至在你打盹的间隙,帮你扶稳方向盘,补全下一行代码,或是直接帮你生成某个功能。 但过去很长时间中,这类产品更多还只能是「副驾」,它执行的是用户给出的任务清单,是对指令的被动响应。它难以或者完全无法理解用户为何要选择这条路,更不明白开发者想要传达的、心中真正的目的地在何方。 但如果,AI 不再满足于副驾的角色呢?如果它能读懂你的导航意图,能预判前方的路况,甚至能在你给出目的地后,独立规划并跑完全程呢?它才真正有了能成为一位真正的「全栈工程师」的可能。 今天,我深度体验了阿里刚开源的 Qwen3-Coder:阿里云甚至官方直接在简介中,表明这就是目前代码能力达到开源模型 SOTA 的存在。 ![](https://imgslim.geekpark.net/uploads/image/file/69/db/69dbe76a0fadbd9316f0de97b806dff6.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 根据海外知名模型 API 聚合平台 OpenRouter 数据显示,阿里千问 API 调用量暴涨,过去几天已突破 1000 亿 Tokens,**在 OpenRouter 趋势榜上包揽全球前三,是当下最热门的模型。** ![](https://imgslim.geekpark.net/uploads/image/file/fe/f7/fef7a34e4ed1cce288e8773366271ea5.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 包括 Qwen3-Coder 在内,本周阿里已连续开源 3 款重磅模型,分别斩获基础模型、编程模型、推理模型等主流领域的三项全球开源冠军;其中千问 3 推理模型在创意写作、数学、多语言的概念领域的能力,已经完全可比肩 Gemini-2.5 pro、o4-mini 等顶尖闭源模型,并创下全球开源模型的最佳性能表现。 说实话,即使 Qwen3-Coder 已经**被誉为「全球最好的编程模型」,登顶全球最大****AI****开源社区 HuggingFace 模型总榜冠军的宝座,**在打开它之前,我内心只是抱着「又一个国产模型」的、略带审慎的期待。 然而,在经过了一天的测试与深度对话之后,这个号称达到目前 SOTA 水准的新模型,真的给我带来了关于 Vibe Coding 不一样的体验。 _**01**_ **<strong>能创造数字空间的编程模型</strong>** 我的 Qwen3-Coder「初体验」,是从一系列过去我已知很难或完全无法完成的测试开始的。 <span data-mpa-action-id="mdk1i6rg1an6" data-pm-slice="0 0 []">我决定先用一个经典的「AI 设计品味照妖镜」来试探它。我输入了一段几乎可以说是任性的指令: <span data-mpa-action-id="mdk1iaxavbo" data-pm-slice="0 0 []">「给我创建一个极客公园作为科技新闻媒体的官网首页,要有现代感的导航栏、吸引眼球的配色、简洁的公司介绍、清晰的内容栏,以及一个完整的页脚。」 在我对 Grok、ChatGPT 乃至 Gemini 类似产品的体验中,类似的请求往往会收获一个停留在上世纪 90 年代审美的灾难现场:布局混乱、配色辣眼,仿佛是对现代设计美学的一场公开处刑。 说实话,在正式的结果返回之前,我几乎已经做好了心理准备,去迎接一个需要我从头开始重构的、布满 &lt;div&gt; 标签的混乱骨架。 然而,当代码生成完毕,并在预览中渲染出页面的那一刻,呈现在我眼前的,是一个设计语言高度统一、采用响应式布局、甚至还有界面动画效果的完整页面。 ![](https://imgslim.geekpark.net/uploads/image/file/5d/7b/5d7b06bc47baff3d32e23424cb928e55.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> Qwen3-Coder 生成的极客公园网站首页|图片来源:极客公园   如果说第一次的惊艳还停留在视觉层面,那么接下来的测试,则开始触及它更深层次的「灵魂」。 我向它提出了一个更抽象的挑战: <span data-mpa-action-id="mdk1n12e1zgl" data-pm-slice="0 0 []">「创建一个基于物理引擎的音乐生成器,使用 Matter.js,让不同形状的物体在画布中自由下落,当它们相互碰撞时,能根据形状发出不同音阶的音符,并且,我需要一个『重力控制器』来实时改变它们的下落轨迹。」 <span data-mpa-action-id="mdk1mxjy1nri" data-pm-slice="0 0 []">这个任务的难点,在于它要求 AI 不仅要理解代码,更要理解代码背后的世界。 <span data-mpa-action-id="mdk1n9fl23qd" data-pm-slice="0 0 []">代码是理性的,但物理的律动和音乐的和谐,却带有一丝感性的温度。Qwen3-Coder 的表现再次超出了我的预期。它实现了所有功能——你能看到小球、方块在画布中落下,每一次碰撞都奏出和弦。 ![](https://imgslim.geekpark.net/uploads/image/file/8b/fb/8bfb2278e3193035cf79c95432bb9e4c.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 当你拖动重力控制器,所有物体的运动轨迹随之改变,原本舒缓的旋律瞬间变得急促,在你的屏幕上演奏着无序的乐章。它不仅完成了功能,甚至带来了意想不到的艺术美感。 为了进一步探寻它的边界,我又抛出了一个生成游戏的命题,让它生成一个完全由键盘控制的 3D 射击游戏。同时有着多个可交互对象,甚至有一个简单的「通关剧情」以及「彩蛋」,如果你能发现我留在代码中的彩蛋信息,即可迅速通关。 ![](https://imgslim.geekpark.net/uploads/image/file/d0/01/d0011fd388e8a342ffa83a52f55ef953.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 从生成的结果上来看,Qwen3-Coder 返回的结果同时包括了对目标重力加速度的计算,以及碰撞检测算法,乃至最让我惊喜的部分——生成一个 3D 箱庭世界、同时对向量投影、距离检测的检测算法,都在这个小小的游戏中得到准确的实现。 在物理模拟能力这块,当然也少不了经典的小球弹跳游戏,Qwen3-Coder 还是能够轻松复现。 ![](https://imgslim.geekpark.net/uploads/image/file/54/ee/54ee028a805af10beceeaf811017eb4c.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 除了这些实际案例的结果,在测试中还有一个维度的体验,不得不单独拿出来谈谈,那就是它的生成速度余长任务上下文记忆能力。 在我的实际测试中,超过十个不同的开发用例,几乎都在 1-3 分钟内得以解决。 ![](https://imgslim.geekpark.net/uploads/image/file/3f/0a/3f0a82461c2342215d4cf37b73d5db17.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 900 余行的代码仅需要三分钟的时间即可生成,这大大加快的代码的迭代速度|图片来源:极客公园   这种返回效率,带来的是一种相比此前代码生成模型更流畅的创作心流,开发者得以将想法快速转化为现实,我可以迅速根据生成的结果、快速微调迭代代码版本,而不用在漫长的等待中中断思绪。 ![](https://imgslim.geekpark.net/uploads/image/file/d5/55/d55515efa358c3140ae8f9cf22f7d0bc.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 如今,行业里每个人都在讨论「Vibe Coding」(氛围编程)。Vibe 固然是人机交互的未来所向,它关乎直觉与灵感。但我们或许也应该意识到,支撑起所有畅快「Vibe」的,终究是那不打折扣的,坚实可靠的「Coding」硬实力。 _**02**_ **<strong>世界级的编程模型,是怎么炼成的?</strong>** Qwen3-Coder 之所以能从一个「代码补全器」,进化为一个「自主开发者」,首先是它架构的选择——**混合专家(MoE)带来的规模与效率**。 传统的巨大模型像一个知识渊博但全科的教授,虽然什么都懂,但在处理特定专业问题时,仍需耗费大量精力。而 Qwen3-Coder「超大杯」版本,则像一个拥有 4800 亿庞大知识储备的「智囊团」,内部却划分了无数个高度专业的「领域专家」。 当你提出一个问题,系统并不会调用整个模型数据,而只会激活与该问题最相关的 350 亿参数的「专家小组」进行响应。这种设计,让它在拥有巨大知识容量和能力天花板的同时,又将单次推理的计算成本控制在了极为合理的范围内。这是一种在模型能力和推理效率之间取得的精妙平衡,也是它能处理复杂问题的关键基础。 除此之外,阿里 Qwen 团队认为,**编程任务「天然适合执行驱动的****强化学习****」,因为代码的正确性,可以通过实际运行结果这个最客观的标准来直接验证。**基于此,他们构建了一个能够并行运行两万个独立环境的大规模强化学习基础设施。 你可以把它想象成一个拥有两万名「数字实习生」的软件公司。在这里,模型可以海量地模拟真实的软件工程流程:接收一个模糊的任务,自主地进行规划和方案分解,然后调用外部工具(如代码执行器、测试框架)去尝试,并从环境的反馈(成功、失败、或是具体的错误信息)中学习,最后根据反馈进行迭代和自我修正。 正是通过在这种大规模、高并发的真实编码环境中进行的海量试错和学习,Qwen3-Coder 才成功地学会了如何解决那些需要自主规划和工具调用的「长视距」任务,它的代码执行成功率和工具使用效率也因此得到了显著提升。 最后也是到目前为止,让我觉得 Qwen3-Coder 体验不同于以往代码生成模型的关键所在,也是 Qwen3-Coder 自我纠错能力与理解力的基石——**处理大规模代码库的「仓库级」上下文长度**。 软件工程的复杂性,往往源于对庞大代码库的理解。Qwen3-Coder 在这方面具备了物理层面的绝对优势:它原生支持 256K tokens 的上下文窗口。这意味着什么?这意味着模型可以在一次交互中,处理数百万字符的代码和文档。 如果说 MoE 架构赋予了模型智慧的「潜力」,强化学习赋予了它解决问题的「技巧」,那么超长上下文窗口则为它提供了施展才华的「舞台和物料」。没有对整个系统全局的视野,再聪明的模型也只是一个「管中窥豹」的计算器。正是凭借这一能力,Qwen3-Coder 才真正将任务的性质从「生成一段有效的代码片段」提升到了「对一个复杂的软件系统执行一次有效的操作」。 这种处理「仓库级」代码的能力,是解决复杂系统级问题、进行大规模代码重构和深入理解遗留系统的先决条件,也是许多上下文窗口较小的模型所望尘莫及的。 在衡量代码模型解决真实世界软件问题的权威榜单 SWE-Bench 上,Qwen3-Coder 的得分实现了对 OpenAI 最强闭源模型之一 GPT-4.1 的明确超越。这意味着,在处理那些复杂、真实的编程任务时,这个来自中国的开源模型,展现出了更强的效能。 而在 Agentic Coding 这个以智能体能力为核心的赛道上,**Qwen3-Coder **更是可以和一直以来的标杆 Claude 4 平起平坐。 目前,如果想上手 Qwen3-Coder 的话,最直接的方式莫过于访问 chat.qwen.ai。在页面的右上角可以一键切换模型。 ![](https://imgslim.geekpark.net/uploads/image/file/8b/37/8b37e2909059fa5b40d240718a046717.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 如果你想要追求目前极致的「意图优先」代码体验,或者你已经是 Vibe Coding 老手,你还可以自己尝试「超大杯」,以 API 的方式,在各种 CLI 中调用 **Qwen3-Coder-480B-A35B-Instruct**。 这是一个 480B 参数激活 35B 参数的 MoE 模型,原生支持 256K token 的上下文,并可通过 YaRN 扩展到 1M token。只需前往阿里云注册账户,完成简单的认证,便能创建属于你的 API-Key 调用这个模型。 ![](https://imgslim.geekpark.net/uploads/image/file/79/62/7962a8571cd1e3ac44ac955995a0f59a.png)   <img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/><img data-src=""/> 得益于其对 OpenAI API 格式的完美兼容,你可以将这个 API-Key 无缝集成到你所熟悉的各类 Chat 或 Coding 工具中,无论是 Cursor、Trae、CodeBuddy 还是 Cline。 <span data-mpa-action-id="mdl0nnwuxnz" data-pm-slice="0 0 []">并且它比 Claude 便宜。在阿里云百炼上,Qwen3-Coder API 每百万 Tokens 最低输入和输出价格分别为 4 元和 16 元,平均价格为 Claude 4 的 1/3。同时,阿里云百炼还推出了低至 5 折的限时优惠, 128K-1M 长上下文价格享受五折优惠。 ![](https://imgslim.geekpark.net/uploads/image/file/39/c4/39c47d6ae4855c554cf82f3d2d863b9d.jpg)   而对于那些将数据主权和隐私安全置于首位的用户,Qwen3-Coder 则提供了最彻底的解决方案——本地化部署。 你可以直接从 Hugging Face 或国内的魔搭社区下载完整的模型文件。这意味着,你可以将这个目前最强大的编程开源工具,完全私有化运行在自己的服务器上。 _**03**_ **<strong>本土选择的世界意义</strong>** 写到这里,关于 Qwen3-Coder 的结论已经呼之欲出:它的出现,不是为了取代谁,而是为了武装谁。它将一个资深开发团队的综合能力,压缩进一个任何人都可以调用的工具里,然后交到你的手上。 过去很长一段时间,当我们讨论起顶尖的编码大模型时,国内开发者的选择似乎总是捉襟见肘。这背后反映了一个关键事实:在自然语言处理领域,中文语料的积累能为国产模型带来「主场优势」;但在编程领域,代码是世界的通用语言。无论是 Python、Java 还是 JavaScript,其语法和逻辑在全球都是统一的。 这意味着,编码能力的竞争是在一个完全公平的全球化赛场上进行的。在这条赛道上,不存在语言壁垒,只有赤裸裸的技术实力比拼。 Qwen3-Coder 在 SWE-Bench 等国际公认的基准上取得领先,其意义远超于在某个中文榜单上登顶。它标志着中国自研的 AI 模型,在技术硬实力上,已经具备了在全球最前沿、竞争最激烈的领域中一较高下的能力。 如果说开源是一种态度,那么从目前 Qwen3-Coder 展现出的能力上,似乎可以相信通义千问的决心与魄力。 价格方面,阿里不仅直接选择了开源免费,其 API 的调用成本也远低于海外的同级模型。 更重要的是,这是一款来自中国的开源模型——仅这一点,对中国用户来讲就意味着能随时、稳定地调用,摆脱了对网络环境、供应限制与访问速度的担忧。 它或许并非是唯一的选项,但很高兴看到,在编码大模型这条赛道上,国内的开发者们终于迎来了那个可靠、亲切,且足够好用的本土选手。 *头图来源:Qwen3 Coder 本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

2025-07-27 12:13:29 · 0次阅读
 
 
【科股宝VIP周刊】大厂AI新品相继发布,众业态不“卷”方能高质量发展

以下是近期复盘及栏目发稿回顾

2025-07-27 11:54:01 · 0次阅读
 
 
跟着顶级公司学产品思维七:LinkedIn

![](https://image.woshipm.com/2023/04/14/f097cb12-da8e-11ed-a86f-00163e0b5ff3.jpg) 问题:如何优化 LinkedIn 的“Tagging”功能? ## 一、产品描述:职场社交中的「连接强化器」 LinkedIn 的 Tagging(标记他人)功能,允许用户在动态、文章、评论等内容中通过“@用户名”提及他人,被标记者会收到通知。这一机制强化了内容之间的「人际连接」,同时帮助用户扩大人脉、提升曝光与建立专业影响力。 例如,当一位产品经理分享一次圆桌活动回顾时,@ 提及嘉宾、同事或组织者不仅表达感谢,也促进了内容的转发传播。这类“公共感知的协作”正是 LinkedIn 的核心价值之一。 ## 二、问题定义:从「能标记」到「会标记、敢标记、想标记」 尽管这一功能已上线多年,但目前仍存在大量体验断层。例如: - 标记建议不准、搜索困难; - 被标记者不明所以,缺乏上下文提示; - 用户对隐私与频繁通知感到困扰; - 功能在移动端表现较弱,编辑困难。 <blockquote><p>“我想标记公司 HR 感谢她的推荐,但 LinkedIn 搜索结果里出来的是同名的人力资源顾问,完全找不到正确的账号。” —— 一位新入职员工在 Reddit 上的吐槽</p></blockquote> 这些问题背后的本质,是 Tag 功能“连接性高但成本也高”——一旦出错、不被理解,或者被滥用,其负面体验非常显著。 ## 三、目标澄清:标记不仅是 Mention,更是信任与协作的公开声明 ![](https://image.woshipm.com/2025/07/25/9514f972-693e-11f0-b06f-00163e09d72f.png) ## 四、典型用户画像与使用场景 ![](https://image.woshipm.com/2025/07/25/dda37a56-693e-11f0-aae7-00163e09d72f.png) ## 五、用户常见痛点(含引申分析) ### 1. 标记对象难找 - 搜索不精确:姓名重名时难以定位; - 推荐排序不合理:互动频繁联系人未被优先展示; - 缺乏辅助识别信息:如头像、职称不明显; Twitter 使用“已互动+共同关注”策略进行推荐排序,显著提升标记精准度。 ### 2. 通知控制不足 - 被频繁标记者收到大量推送,造成困扰; - 用户无法设置“仅接收来自一级联系人标记通知”; - 标记通知与其他通知混在一起,缺乏优先级分类。 ### 3. 隐私与身份控制弱 - 用户无权限制谁能标记自己; - 没有审核机制导致用户可能出现在低质量内容中; - 无法对外隐藏“我被标记在哪些内容中”。 ### 4. 滥用行为未被治理 - 营销账号滥用标记,强行推广产品; - 垃圾内容大量标记知名人士,制造虚假背书; Facebook 允许用户设定“是否允许陌生人提及我”,并有举报机制与自动风控模型。 ### 5. 缺乏内容上下文 - 被标记者收到通知但不明白“为什么我被标记”; - 内容中未提供足够引导说明; - 尤其在长文或评论中,容易忽视具体互动意图。 ### 6. 无法修改或撤销 - 标记错误后无法删除,必须整篇删除重发; - 无法编辑评论中已标记的对象,导致尴尬误会; Medium 允许作者在发布后修改提及内容,提升灵活性与控制感。 ## 六、解决方案建议(含可落地路径) ### 1. 智能标记推荐系统(Must Have) - 引入基于频率+交互强度+上下文主题的智能排序模型; - 推荐列表支持「最近互动+同公司+地理位置」筛选; - 用户可在输入时筛选“仅限联系人/同事/HR/前同事”等维度。 ### 2. 通知管理中心(Must Have) - 用户可设定:“谁可以标记我”“是否接收提醒”“按内容类型筛选通知”; - 默认开启「每日摘要推送」代替实时打扰; - 可将标记通知转为LinkedInInbox消息,避免打断流。 ### 3. 可编辑与撤销机制(Should Have) - 发布后24小时内支持修改、删除标记; - 评论区引入“修改历史”透明显示,增强信任; - 提供“撤销标记”功能,删除后不通知对方。 ### 4. 增强标记上下文说明(Should Have) - 在发布内容时鼓励用户填写“标记理由”(可选项); - 被标记者接收通知时看到补充文字说明; - 内容页面显示「此人被标记因为…」的轻提示。 ### 5. 隐私与风控机制(Must Have) - 增加“标记前审核”设置:需我手动批准才能出现在内容中; - 对频繁标记10人以上内容的账号加入机器学习监测模型; - 用户可以隐藏自己“被标记”的内容记录(仅自己可见)。 ## 七、优先级排序(RICE 框架) ![](https://image.woshipm.com/2025/07/25/495ba19c-693f-11f0-aae7-00163e09d72f.png) ## 八、关键指标设计(衡量“标记系统的健康度”) ![](https://image.woshipm.com/2025/07/25/79718a54-693f-11f0-b755-00163e09d72f.png) ## 九、结语:让每一次标记都成为有意义的连接 在职场社交平台中,Tagging 不是随意的社交互动,而是一次“公开的专业肯定”与“内容传播策略”。只有在用户能「准确标记、愿意标记、放心被标记」的前提下,这一功能才能发挥真正价值。 通过提升搜索精准度、通知控制、自主隐私权、内容上下文、操作灵活度,LinkedIn 能将标记系统从“工具功能”升级为“人际信任机制”,推动平台的互动活跃度与社交质量全面跃升。 本文由 @又子皮 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

2025-07-27 11:39:39 · 0次阅读
 
 
从零学习大模型(1)——Transformer架构:原理、演进与AI领域的颠覆性影响

<blockquote><p>在深度学习的发展历程中,2017 年谷歌团队发表的《Attention Is All You Need》论文具有里程碑意义 —— 该论文提出的 Transformer 架构,彻底改变了自然语言处理(NLP)乃至人工智能领域的技术路径。与传统循环神经网络(RNN)、卷积神经网络(CNN)不同,Transformer 以 “注意力机制” 为核心,实现了并行化计算与长序列依赖建模的双重突破,成为当前所有大型语言模型(如 GPT、BERT)的基础架构。本文将从技术原理、架构设计、演进历程及应用价值四个维度,系统解析这一革命性模型。</p> </blockquote> ![](https://image.woshipm.com/2023/04/14/89a13ea6-da9e-11ed-9b82-00163e0b5ff3.png) ## 一、Transformer 的诞生:解决序列建模的核心痛点 在 Transformer 出现前,序列数据(如文本、语音)的处理长期依赖 RNN 及其变体(如 LSTM、GRU)。这类模型通过 “循环结构” 按顺序处理输入(如逐词分析句子),但存在两个难以克服的缺陷。 第一个缺陷是并行计算能力缺失,RNN 的 “当前输出依赖前一步结果” 的特性,使其无法利用 GPU 的并行计算优势(GPU 擅长同时处理多个任务)。例如,处理一个 100 词的句子,RNN 需依次计算 100 步,而 GPU 的数千个核心只能闲置等待,导致训练效率极低。第二个缺陷是长距离依赖建模失效,当序列过长时,早期信息会在循环传递中逐渐 “衰减”(即 “梯度消失问题”)。例如,在 “小明买了冰淇淋,他把它吃了” 这句话中,RNN 难以识别 “它” 与 “冰淇淋” 的关联,因为两者之间存在多个分词间隔。 CNN 虽能通过卷积核实现局部并行计算,但依赖 “滑动窗口” 提取特征,无法直接建模全局语义关联(如句子首尾的逻辑关系),且对序列长度敏感(固定卷积核难以适配不同长度的文本)。 针对这些痛点,Transformer 提出了全新解决方案:完全基于注意力机制,摒弃循环与卷积结构。通过 “并行计算所有分词的关联关系”,既解决了 RNN 的效率问题,又通过 “全局注意力” 捕捉长距离依赖,成为序列建模的 “最优解”。 ## 二、Transformer 核心架构:编码器 – 解码器的协同设计 Transformer 的架构遵循 “编码器 – 解码器” 框架,就像两个人配合完成任务:编码器负责 “听懂” 输入,解码器负责 “说出” 输出。 ### 1.  输入处理:将文本转化为 “可理解的信号” 计算机无法直接理解文字,需先将输入转化为数值向量。Transformer 的输入处理包含两个关键步骤。 第一个步骤是词嵌入(Word Embedding),通过嵌入层将每个分词(如单词、子词)映射为固定维度的向量(原始模型中为 512 维)。例如,“apple” 可能被转化为 [0.2, 0.5, …, 0.1](共 512 个数值),向量的数值分布由模型在训练中学习,语义相近的词(如 “apple” 与 “fruit”)的向量距离更近。 第二个步骤是位置编码(Positional Encoding),由于 Transformer 没有循环结构,无法像 RNN 那样自然捕捉序列顺序(如 “我吃苹果” 与 “苹果吃我” 的区别)。因此需通过 “位置编码” 为每个分词的向量添加位置信息。原始论文采用正弦 – 余弦函数生成位置向量,偶数维度使用正弦函数,奇数维度使用余弦函数。这种设计的优势在于:位置向量的差值具有 “周期性”,能体现 “距离越近的词关联越强”(如位置 1 与 2 的向量相似度高于 1 与 10),且可适配任意长度的序列(无需因输入过长重新训练)。 最终,输入文本被转化为 “词嵌入 + 位置编码” 的向量序列,作为编码器的输入。 ### 2.  编码器:从输入中提取上下文语义 编码器的核心功能是将输入序列转化为 “上下文感知的向量表示”—— 即每个分词的向量不仅包含自身语义,还整合了与其他分词的关联(如 “它” 与 “牛奶” 的对应关系)。原始 Transformer 的编码器由 6 个相同的 “编码器层” 堆叠而成,每个编码器层包含两个核心子模块。 第一个子模块是多头自注意力(Multi-Head Self-Attention),这是 Transformer 的 “灵魂模块”,通过模拟人类 “注意力聚焦” 的能力,计算分词间的关联强度。其核心逻辑是:对每个分词生成三个向量 —— 查询(Query,“我要找什么”)、键(Key,“我有什么”)、值(Value,“我能提供什么”),并通过向量交互计算注意力权重。具体步骤如下:第一步,通过线性变换生成 Q、K、V 向量(例如将 512 维输入向量映射为 64 维的 Q、K、V);第二步,计算 “注意力分数”—— 通过 Q 与 K 的点积(Dot Product)衡量关联度(分数越高,关联越强);第三步,标准化分数 —— 除以√dₖ(dₖ为 K 的维度,如 64),避免分数过大导致 Softmax 梯度饱和;第四步,通过 Softmax 将分数转化为 0-1 的权重(总和为 1),再与 V 相乘,得到 “聚焦于关键信息” 的输出。而 “多头” 设计(原始模型为 8 头)则进一步增强了建模能力:将 Q、K、V 拆分为 8 组并行计算,再拼接结果 —— 这相当于让模型从 8 个 “视角” 分析关联(如有的头关注语法,有的头关注语义),最终整合为更全面的语义表示。 第二个子模块是前馈神经网络(Feed Forward Network),注意力模块输出的向量会传入前馈网络,进行非线性特征转换。该网络包含两个线性层(中间通过 ReLU 激活),作用是对注意力提取的关联信息进行 “局部细化”—— 例如,在 “苹果是水果” 中,注意力已捕捉 “苹果” 与 “水果” 的关联,前馈网络则进一步强化 “苹果属于水果类别” 的特征。 此外,每个子模块(注意力、前馈网络)后均会添加 “残差连接” 与 “层归一化(Layer Normalization)”。残差连接:将子模块输入与输出相加(Output = Submodule (Input) + Input),解决深层网络的梯度消失问题;层归一化:对向量进行标准化(均值为 0,方差为 1),保证训练过程中数值稳定。 经过 6 层编码器处理后,输入序列被转化为包含全局上下文的向量序列,为解码器提供 “语义参考”。 ### 3.  解码器:基于语义生成目标序列 解码器的功能是根据编码器输出的语义表示,生成符合任务需求的输出序列(如翻译结果、回答)。与编码器类似,解码器由 6 个 “解码器层” 堆叠而成,但每个解码器层包含三个子模块,新增了 “掩码机制” 与 “编码器 – 解码器注意力”。 第一个子模块是掩码多头自注意力(Masked Multi-Head Self-Attention),解码器生成序列时需遵循 “自回归” 规则(即生成第 t 个词时,只能参考前 t-1 个词)。例如生成 “我吃苹果” 时,生成 “吃” 只能参考 “我”,生成 “苹果” 只能参考 “我” 和 “吃”。掩码机制通过 “遮挡未来位置” 实现这一约束:在计算注意力分数时,将未来位置的分数设为负无穷(Softmax 后权重为 0),确保模型无法 “偷看” 未生成的词。 第二个子模块是编码器 – 解码器注意力(Encoder-Decoder Attention),该模块用于关联 “输入语义” 与 “生成过程”:解码器生成的 Q 向量(当前生成词的查询)与编码器输出的 K、V 向量(输入序列的键与值)交互,使生成的词贴合输入语义。例如在翻译中,生成 “comer”(西班牙语 “吃”)时,会通过该模块关注输入中 “吃” 的语义表示。 第三个子模块是前馈神经网络与归一化,功能与编码器一致,对注意力输出进行局部特征细化,并通过残差连接与层归一化保证稳定性。 最终,解码器输出的向量会传入线性层与 Softmax:线性层将向量映射为 “词汇表大小” 的维度(如 10 万个词对应 10 万维向量),Softmax 将其转化为概率分布,概率最高的词即为当前生成结果。这一过程循环进行,直至生成 “结束符”(如&lt;END&gt;)。 ## 三、Transformer 的技术优势:为何能替代传统架构? 对比 RNN 与 CNN,Transformer 的核心优势体现在三个方面。 第一个优势是并行计算效率,摒弃 RNN 的循环结构,所有分词的处理可并行进行(如 100 词的句子可同时计算所有词的注意力),训练速度提升 10-100 倍。例如,训练一个基础语言模型,RNN 需数周,而 Transformer 仅需数天。 第二个优势是长距离依赖建模,通过注意力机制直接计算任意两个分词的关联,无需像 RNN 那样 “逐步传递信息”。在 1000 词的长文本中,Transformer 仍能准确识别 “代词” 与 “指代对象” 的关联,而 RNN 的准确率会下降 50% 以上。 第三个优势是泛化能力,统一的 “编码器 – 解码器” 框架可适配多种任务 —— 只需调整输入输出形式。例如翻译任务中,输入为源语言,输出为目标语言;文本摘要任务中,输入为长文本,输出为摘要;问答任务中,输入为 “问题 + 上下文”,输出为答案。 ## 四、Transformer 的演进与典型应用 自 2017 年诞生以来,Transformer 衍生出众多变体,推动 NLP 进入 “预训练时代”。 BERT(2018,谷歌)是基于 Transformer 编码器的 “双向预训练模型”,通过 “掩码语言模型”(随机遮盖部分词,让模型预测)学习上下文。由于采用双向注意力(同时关注左右语境),BERT 在 “理解类任务”(如问答、情感分析)中表现突出 —— 例如在 SQuAD(斯坦福问答数据集)上,其准确率首次超越人类表现。目前已被谷歌搜索引擎用于优化查询理解(如识别 “苹果多少钱” 中 “苹果” 的具体含义)。 GPT 系列(2018 – 至今,OpenAI)是基于 Transformer 解码器的 “生成式模型”,采用 “自回归预训练”(预测下一个词),专注于文本生成。从 GPT-1(1.17 亿参数)到 GPT-3(1750 亿参数),模型能力呈指数级提升 —— 可生成诗歌、代码、邮件等复杂文本,甚至通过 “思维链(Chain-of-Thought)” 推理解决数学问题。ChatGPT 正是基于 GPT 架构优化的对话模型,通过 “对话历史建模” 实现连贯交互。 LaMDA(2021,谷歌)是专为对话设计的 Transformer 模型,核心改进是 “长对话注意力机制”—— 能记住数百轮对话中的关键信息(如用户提到的 “喜欢科幻电影”),并生成符合语境的回应。其设计理念已应用于谷歌 Assistant 等产品,显著提升了智能助手的交互自然度。 ## 五、Transformer 的局限与未来方向 尽管 Transformer 已成为 AI 的基础架构,但其仍存在优化空间。 第一个局限是计算成本高,注意力机制的时间复杂度为 O (n²)(n 为序列长度),长文本处理(如书籍、代码库)时效率较低。目前研究方向包括 “稀疏注意力”(仅计算关键关联)、“线性注意力”(简化计算方式)等。 第二个局限是推理可解释性弱,注意力权重虽能反映关联,但难以直接对应人类可理解的逻辑(如 “为什么模型认为‘它’指苹果”)。未来需结合认知科学,设计更透明的注意力机制。 第三个局限是多模态扩展的挑战,当前 Transformer 已从 NLP 扩展至多模态领域(如 ViT 将图像转化为序列输入 Transformer,实现图文理解),未来有望成为 “统一智能” 的基础架构 —— 即一个模型同时处理文本、图像、语音等数据。 ## 结语 Transformer 的革命性不仅在于技术突破,更在于其构建了 “通用序列建模框架”—— 从语言翻译到代码生成,从图像描述到机器人控制,其核心的注意力机制为 AI 提供了 “理解关联、生成逻辑” 的能力。正如《Attention Is All You Need》中所暗示的:当模型能精准捕捉 “谁与谁相关”,复杂智能便有了实现的基础。 从 2017 年的论文到如今的 GPT-4、BERT,Transformer 的演进印证了一个事实:在 AI 领域,有时最简洁的设计(摒弃循环与卷积,专注注意力)反而能打开最广阔的未来。这一架构的故事尚未结束,而它对人工智能的影响,无疑将持续数十年。 本文由 @红岸小兵 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

2025-07-27 11:37:52 · 0次阅读
 
 
铂爵失联倒闭,“旅拍”品类或将消亡 | 马上评

曾在各大卫视黄金时段以洗脑旋律吆喝“婚纱照,去哪拍?想去哪拍就去哪拍”的铂爵旅拍,倏然之间,只剩冰冷的忙音与石沉大海的消息。

2025-07-27 10:42:00 · 0次阅读
 
 
群起而攻之,出海短剧TOP1 平台ReelShort深陷抄袭风波

作者|兰杰 编辑|乔芊 出海短剧平台间的热战已然打响。 7月25日,点众科技在官方公众号上发布声明表示,中文在线关联公司Crazy Maple Studio,Inc.(以下简称“枫叶互动”)旗下的短剧平台ReelShort未经许可擅自发布、传播多部与点众科技享有著作权及相关授权作品基本相同的侵权剧集,包括但不限于:《出走后,两个竹马悔疯了》、《女王》、《尊老爱幼》、《游子归家》等。 点众科技CEO陈瑞卿在朋友圈里连发了三条相关动态,并表示,“无论海外维权路多长,代价多大,都要坚定维权到底。”“这是劣币驱除良币。” ![](https://img.36krcdn.com/hsossms/20250727/v2_b61de06495a4452c80623a0b3fcb0d67@5899452_oswg297841oswg646oswg1172_img_000?x-oss-process=image/format,jpg/interlace,1) (点众科技CEO陈瑞卿朋友圈) 接近点众科技人士告诉36氪,“原本沟通侵权下架的有8部,最后ReelShort下架的只有3部。”“两边老板都见面谈过,但是没用。” 发布声明和表明态度的不只是点众科技一家,听花岛、麦芽短剧等国内头部短剧厂牌也先后发布了相关声明,指责ReelShort的抄袭行为。 麦芽短剧海外负责人王利还在朋友圈分享称:ReelShort的法务总监曾从双方的沟通群中突然退群消失,ReelShort的创始人曾亲自签署不会侵犯麦芽知识产权的《承诺函》但又随意推翻,“被逼无奈通过朋友圈发声。” 对此,36氪向枫叶互动询问相关情况,截至发稿,对方未予回复。 ![](https://img.36krcdn.com/hsossms/20250727/v2_a610c7224d5545099db10ba49c853fe2@5899452_oswg151244oswg990oswg2302_img_000?x-oss-process=image/format,jpg/interlace,1) (麦芽短剧海外负责人王利朋友圈) ### 狂奔的ReelShort,紧追的DramaBox ReelShort是短剧出海平台中当之无愧的头部,且已经保持了近两年的领先优势。2025年3月至4月,ReelShort还曾连续位列美区娱乐应用免费榜榜首30余天。 某种程度上,ReelShort领先的原因在于出海时间足够早,以及一开始就采取了本土化的策略。 2023年下半年,ReelShort就已经凭借登顶美国iOS娱乐榜单的成绩,引起国内外媒体的广泛关注,并让行业意识到海外短剧市场仍是一片蓝海。 彼时的ReelShort针对本土市场推出了“狼人”、“复仇”等当地喜闻乐见的题材,且采用本土演员和摄制团队进行拍摄。相较于现在占据约50%市场份额的译制剧来讲,更受当地观众喜欢,同时也更加适配付费观看的商业模式。 36氪获悉,2024年,ReelShort的收入大概达到了3亿美元左右,约等于21亿元人民币。 只是本土化策略的另一面是难以提升的供给。 在ReelShort App的用户评价中,一个被广泛提及的问题就是更新太慢,相较于在AI技术加持下可以实现月均上百部更新的译制剧来讲,本土短剧的更新数量每月不过十余部到数十部不等。 欧美地区高昂的用人成本和场地费用,使得本土剧的拍摄成本已经拉升到了15万-20万美元/部,甚至更高。与之相对应,行业的爆款率却并不高,不过5%左右,一些成功以小搏大的案例更是稀有。 因此,相较于原创剧本或者收购IP进行翻拍,直接照抄已经在国内市场验证过成功经验的内容,是一条高效且风险更低的路径。如ReelShort被指控抄袭的《冷面小叔宠嫂无度》,在红果短剧App上有3632万的热度,可以算是行业内中腰部的爆款作品。 有过在美国拍摄短剧经验的导演阿叶表示,抄袭在海内外短剧行业中是极其普遍的现象,将海外爆款的短剧翻译下来让国内编剧照抄,或者反过来的情况都存在。以至于现在行业内衍生出了一种风气——有些短剧演员进了组才知道剧本是什么样的,“保密到这种程度。” 与ReelShort不同,DramaBox依靠数量庞大且成本低的译制剧和高频大手笔的投放手段,迅速打开了局面。此前36氪曾报道过,DramaBox的收入同样超过20亿元。此外,DramaBox在应用商店中的下载量已经达到了1亿+,是ReelShort两倍。 双雄争霸下,海外短剧市场头部效应明显。36氪获悉,在海外短剧市场中,上述两大平台的市场份额占比分别可以达到近30%,且断层领先其他平台。 如今,头部平台乃至行业之间的竞争在变得更加激烈。 ### 更加激烈的竞争下,每一份利益都重要 正有越来越多的短剧公司涌入海外市场。据DataEye数据显示,截至3月,海外市场上的中国短剧App已增至237款,同比去年增长近4倍。包括麦芽传媒的NetShort,中文在线也推出了Sereal+、UniReel等短剧APP。 另据短剧自习室相关数据,2024年Q3至2025年Q2,海外短剧季度收入平均增速达47.1%,但2025Q2增速显著回落,增速下降68%,其中主要原因是用户增长遇到了瓶颈。 加入赛道的选手在变得越来越多,但愿意看短剧的用户却没有同样的增长速度。于是,更快占据更多的市场份额成为更加迫切的事情。 今年以来,ReelShort加大投放力度推新剧,素材投放量持续攀升。SenSorTower数据显示,2025年第一季度,其内购收入达到1.3亿美元,接近去年收入的一半,成为海外短剧应用收入榜和增长榜冠军。DramaBox则凭借1.2亿美元的成绩紧随其后,且一直保持着位居各大出海短剧平台前列的投放力度。 某种程度上,DramaBox和ReelShort所要走的路线也在变得越来越像。 本土化能力决定长期竞争力,因此,靠翻译剧起家的DramaBox走过了跑马圈地的时代,也开始瞄向拥有更高的变现能力和更强的用户粘性的本土剧,如今已经可以做到每月十几部的产量,但整体还未能有ReelShort的声量。 即便短剧出海的全球化趋势显著,有更多的短剧公司选择东南亚作为主攻市场,但这并不能降低DramaBox和ReelShort竞争的激烈程度——根据点点数据,2023年8月至2024年6月,北美地区的RPD(平均单次下载收入)为4.7美元,欧洲地区的RPD约2.3美元,远高于海外短剧行业2.0的平均水平,更高于东南亚地区的RPD为0.7美元。  如今,主打本土精品短剧的ReelShort深陷抄袭风波,背后的原因是难以保证的爆款率,和并不顺畅的商业化进程——有行业人士向36氪表示,相较于已经能为国内业务输血的DramaBox,ReelShort的盈利情况并不乐观。 而包括点众科技在内短剧公司选择群起而攻之,除了对于自身版权的维护,或许也包含了对于更加激烈的竞争的焦虑——当赛道变得拥挤,每一份利益都额外重要。

2025-07-27 10:32:12 · 0次阅读
 
 
北电数智 WAIC 首秀,展示星火·大平台落百业成果

7月26日,2025世界人工智能大会暨人工智能全球治理高级别会议(WAIC)在上海盛大启幕。 这场以“智能时代 同球共济”为主题的人工智能顶尖盛会,汇聚了来自30余个国家和地区的1200余位科技企业代表、专家学者和行业精英,共同见证 AI 技术前沿突破、产业浪潮动向与全球治理新实践,勾勒智能新未来。 北电数智迎来WAIC首秀,基于“1个AI底座+2大产业平台”发展路径,带来“星火·大平台”遍全国、落百业丰富成果的集中亮相,从青铜文物的AIGC文创,到乡村政务的智能化治理,再到精准敏捷的插拔机器人,北电数智生动诠释了“AI 新国企”将技术势能转化为产业动能的底层逻辑和创新实践,为AI生产力变革提供新路径、新引擎、新样本。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe27c9307.png?imageView2/2/w/740)** 顶层规划、精准赋能** **打造因地制宜发展新质生产力的“新路径”** 人工智能作为新一轮科技革命与产业变革的核心驱动力,已成为发展新质生产力的核心引擎。推动人工智能与区域经济深度融合,不止需要单点的技术突破,更需要具备顶层战略规划和产业牵引能力,实现产业链、创新链、人才链、资本链的深度融合。通过系统性的底层能力支撑和生态资源聚合,从算力到模型、从模型到应用、从应用到场景中的每一个环节,赋能行业生产力焕新升级。 北电数智深度实践“产业、创新、人才、资本”四链融合,秉承“一地一策、一业一策、因地制宜发展新质生产力”的建设理念,推动传统产业升链、新兴产业建链,从横向和纵向两个维度出发,为AI产业发展铺就“新路径”。 横向维度上,以城市级AI底座盘活区域数字经济。依据不同城市的产业基础、产业结构和产业升级刚需,北电数智开展AIDC规划建设,整合算力、算法、数据全栈AI能力,打造契合当地需求的城市级AI底座,并通过在地运营、精准赋能,助力当地构建AI生产力新引擎、打造产业发展新高地。目前,公司已在北京、佛山、珠海等多地落地城市级AI底座。 纵向维度上,全生命周期赋能打通行业价值闭环。面向产业转型升级、创新产业聚集和政府公共服务,北电数智从全流程视角出发,以城市级AI底座的全栈AI能力为支撑,深度融合行业场景与数据资源,基于“星火·大平台”聚合行业生态力量、共创多场景垂类方案,让AI技术渗透行业发展全生命周期,打通价值闭环,实现数智化升级。“星火·大平台”已落地政务、医疗、影视、工业、泛家居等多个行业。 **打破关键瓶颈** **为人工智能技术创新打造“新引擎”** 随着开源模型性能快速提升,业界AI技术应用门槛和成本快速下降,算力、算法、数据也迎来“新难题”。面对各行业模型训练和推理需求不断增长,算力和模型如何协同适配?行业高价值数据如何流通利用?企业数智化升级如何破题?大会现场,北电数智“AI底座”能力全栈亮相,聚合AI生产力引擎,打通AI和最终应用场景间的卡点断点。 “前进·AI智算平台”能够实现异构算力的统一调度与高效协同,并提供全栈式AI服务,构建了“模型即服务(MaaS)”的完整工程体系。目前已搭建千卡级国产异构AI算力混合集群,纳管并适配了11款不同类型的国产AI芯片,集群总算力超过500PFLOPS(FP16),并全面支持Deepseek、Qwen等大模型训练推理,助力AI技术产业化落地与场景化应用拓展。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe29160a5.png?imageView2/2/w/740) 红湖·可信数据服务助力行业数据要素价值有效释放,已在医疗、科研、文化、工业等多领域落地应用。通过打造可信数据空间底座、构建企业级数据操作系统,红湖形成了可信数据供给、高质量数据生成、大模型训推数据关联、AI与数据协同创新等核心能力,成功打通“数据-模型-智能应用”价值闭环,有力推动行业模型能力跃升。  ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe2a35455.png?imageView2/2/w/740) 为加速企业数智化升级,北电数智全新的“新天·智能体平台”成为现场焦点。依托北电数智大模型服务和可信数据服务,平台可提供全栈式AI智能体开发服务,支持多种主流模型、MCP服务及多种行业应用算法灵活调用,RAG检索准确率超95%,低代码/无代码可视化开发环境让开发效率提升超10倍,助力企业快速构建生产级AI应用,推动智能体赋能千行百业。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe2bf140b.png?imageView2/2/w/740)** 星火耀百业** **为千行百业生产力质变贡献“新样本”** **加速AI落地行业,以规模化应用实现生产力质变,需要以样板模式“落地一个、带动一片”,催生行业裂变。** 此次现场展示了“星火·大平台”在政务、医疗、AIGC、泛家居、工业及新兴行业的最新成果,以AI 打通行业价值闭环的实践案例,为各行业智能化发展打造可落地、可复制的“新样本”,加速AI向全流程、全场景渗透。 星火·政务底座,赋能基层治理新路径。聚焦政务高频刚需场景,星火·政务底座可实现政务知识问答、文案生成、表格智能分析等场景化应用,并集成满足政务安全与稳定性要求的全栈AI能力。 此次WAIC,北电数智首次展示了基于“星火·政务底座”的“乡村振兴幸福大模型”,率先落地北京市北沟村,带来AI助理村支书、网格化治理、文旅助手、健康管理助手等创新应用,实现人工智能、大数据与乡村治理场景的深度融合。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe2e474d1.png?imageView2/2/w/740)** 星火·医疗底座,助力构建精准医疗服务生态。**聚焦“医、教、研、管”四大业务领域,“星火·医疗”依托全栈 AI 能力与医疗可信数据服务底座,构建了具备全科医学领域通识的医疗通识大模型,用于理解用户提问并向专病模型下达任务;及能与专业医疗知识库结合的不同学科的专病大模型,能为用户提供专病领域知识;北电数智的星火·医疗底座还可支持AI多模态辅诊、数字人等创新应用和各类Agent 应用,构建贯通数据要素激活、模型能力强化、场景落地应用的全链条医疗数智化体系,打通“病患-基层社区医院-上级中心医院”服务链路。在大型医院院外提供全周期智能交互服务,院内赋能诊疗全流程;在基层医疗机构辅助诊断、健康管理及上下转诊,提升服务可及性。 目前,北电数智已为中日友好医院构建了从基础设施到应用落地的一站式AI医疗赋能体系,涵盖医疗可信数据服务、樱智·α专病大模型、樱智Agent开发平台,推动优质资源下沉,助力提升基层诊断能力,助力分级诊疗。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe2f3c929.png?imageView2/2/w/740)  ** 星火·AIGC底座,让“创意即成片”成为现实。**星火·AIGC底座支持数字创意、影视制作等领域的高质量创新,孵化优质AI创意内容,开拓AIGC赋能视听产业发展新场景。基于该底座的星火·长缨AIGC平台,以全流程闭环、电影级质感、AI 助理式服务重塑视听创作体验,可广泛赋能泛家居、文创设计、影视创作等场景。现场,北电数智以商代晚期青铜礼器“后母戊鼎”为例,呈现文创生成效果。 **基于星火·AIGC底座构建等AIGC视听产业创新中心智算“文化+科技”平台,已在AIGC视听产业创新中心,**未来将加快实现影视行业垂类模型创新,推动AI技术深入文化艺术、文化传播、影视制作、内容创意、文旅融合等影视文化产业链的多个领域,为不同群体提供从影视内容创作、拍摄、后期制作到宣传发行的全面支持。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe31bd103.png?imageView2/2/w/740)** 星火·泛家居产业赋能底座,让“需求即方案”轻松实现。**平台构建了以AI深度赋能泛家居产业的前后端一体化解决方案,实现AI在设计、营销、生产到供应链的全链路能力集成,助力地方家居产业智能化升级。 **星火·泛家居产业赋能底座已落地佛山,**通过构建前后端一体化AI解决方案,针对当地用户痛点进行专属模型训练开发,并打造了AI营销平台、智能设计平台、柔性生产调度引擎等应用,推动佛山泛家居行业向智能化、柔性化转型升级。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe2f2af1f.png?imageView2/2/w/740)** 星火·工业底座,赋能“研、产、供、销、服”全价值链智能化。**基于「骄阳」工业大模型,可赋能供应链智能管理、设备智能管理、产品智能报价、产销研一体化管理等场景。底座提供了语言、多模态、3D生成、数字孪生、文生图、文生视频等垂类模型,通过AI可信数据服务深度整合多源工业数据,助力企业快速构建面向产品质量检测、设备预测性维护、CAD/CAE设计工具对接、智能排产、生产工艺参数优化、库存管理、PLC 程序编写等高价值工业场景应用,加速数智能化升级。 基于星火·工业底座,北电数智面向佛山装备制造、医疗器械、家纺印刷等领域企业提供6款垂类模型,包括语言模型、多模态模型、3D生成模型、数字孪生模型、文生图模型、文生视频模型,为工业企业的数字化转型和智能化升级提供强有力的支持。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe3441929.png?imageView2/2/w/740) **星火·新兴行业底座,让具身智能在虚拟世界中自我进化。**平台聚焦推动具身智能在智能制造场景的深度应用,整合“数据工程、模型训练/部署、应用开发”于一体,以丰富精准的数据基座构建物理真实的仿真环境,以虚实融合的设计实现多场景模拟,不断提升机器人应对复杂场景作业能力和效率。 **北电数智参与构建模拟仿真和模型训练平台,提供基于真实应用场景的训练场,和仿真试验场所需的算力基础设施。**现场展示的基于“星火·新兴行业底座”训练的通用插拔机械臂和智检设备,以强大的自主决策与柔性操作能力,展现在智能制造场景的应用潜力。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885fe323dc0b.png?imageView2/2/w/740) 从政务到医疗,从AIGC到具身智能、从工业到泛家居,北电数智以“1 个AI底座+2大产业平台”为骨架,将 AI 技术的根系扎进产业土壤,用一个个实践样本,推动人工智能从技术走向具象的生产力。秉承扎根行业、务实创新的路径,北电数智加速AI生产力释放,将技术转化为激活产业链、重塑行业活力的核心动能。 首次亮相世界人工智能大会,既是北电数智全新战略视角、发展路径和标杆成果的一次集中展示,也是践行“AI新国企”责任担当,推动技术突破与产业升级同频共振的一次生动实践。随着“星火·大平台”在更多领域开花结果,人工智能产业要素与场景活力将形成叠加效应,最终推动下一代工业革命在中国加速到来。

2025-07-27 10:29:00 · 0次阅读
 
 
《明末:渊虚之羽》发售引争议;《王者荣耀世界》先锋测试开启;姚润昊卸任多家公司法定代表人 | 氪游周报7.21-7.27

‍文 | 樱花隧道‍  编辑 | 刘士武 ## **新游速递** **国产3A游戏《明末:渊虚之羽》全球发售引争议** 7月24日,由成都灵泽科技开发、全球知名游戏发行商505 Games发行、哔哩哔哩游戏联合发行,基于古蜀文明创作的国风克苏鲁类魂ARPG游戏《明末:渊虚之羽》正式在全球发售。 发售首日,由于豪华版与标准版内容相同、外区价格差异、游戏优化差等问题,引发玩家热议;官方在发售当晚发布公告致歉,表示“价格已调整”,并将积极补偿玩家、尽快解决优化问题。截至目前,游戏在Steam平台的好评率从不到20%回升至34%。 ![](https://img.36krcdn.com/hsossms/20250727/v2_ab461eae24a046b6b0e3456b0b99e981@16519798_oswg105222oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1) 《明末:渊虚之羽》 **《王者荣耀世界》PC端先锋测试** 腾讯天美工作室开发的开放世界游戏《王者荣耀世界》于7月23日开启预下载,7月24日10:00正式启动PC端测试。作为王者IP衍生作,凭借原IP用户基础备受市场关注。 ![](https://img.36krcdn.com/hsossms/20250727/v2_2def01040fb34fa9b7db638d340f39d5@16519798_oswg144828oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1) 《王者荣耀世界》 **《米姆米姆哈》全平台公测** 由上海趣糖网络科技有限公司开发的模拟经营游戏《米姆米姆哈》,是一款融合浮空岛建造、米姆宠物养成与跨平台社交的治愈系模拟经营手游,于7月24日正式开启全平台公测。 ![](https://img.36krcdn.com/hsossms/20250727/v2_80639767175446ed84a73039349c2a78@16519798_oswg93989oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1) 《米姆米姆哈》 ## **老游情报** **《明日方舟》夏日嘉年华特别通讯** 《明日方舟》夏日嘉年华特别通讯于7月26日进行,本次特别通讯主要介绍《明日方舟》2025夏日嘉年华系列活动、全新sidestory、新一期限定寻访、后续版本计划等内容。 ![](https://img.36krcdn.com/hsossms/20250727/v2_d2e48caa2d2144e7af603e25f42669e4@16519798_oswg152501oswg1080oswg608_img_000?x-oss-process=image/format,jpg/interlace,1) 《明日方舟》夏日嘉年华 **《重返未来:1999》×《刺客信条》联动版本** 《重返未来:1999》于7月26日20:30开启《相约1999》之《刺客信条》联动特别发布会,带来全新联动篇章、神秘学家新秀、新增玩法、联动特别福利等一系列新版本的更新内容。 ![](https://img.36krcdn.com/hsossms/20250727/v2_463a054635bd4b79ac76559df22855dd@16519798_oswg173775oswg1080oswg610_img_000?x-oss-process=image/format,jpg/interlace,1) 《重返未来:1999》×《刺客信条》联动 **《无限暖暖》丹青季前瞻** 1.8版本「丹青季」前瞻特别节目于7.25日播出,古韵剧情,徐徐展开,全新区域、套装抢先看,妙趣玩法揭晓,《无限暖暖》1.8版本「丹青季」将于7月30日全球同步开启。 ![](https://img.36krcdn.com/hsossms/20250727/v2_f26758565252407282e2edbcaa0171c6@16519798_oswg91597oswg1080oswg610_img_000?x-oss-process=image/format,jpg/interlace,1) 《无限暖暖》 ## **行业要闻** **叠纸游戏关联公司高管变动,姚润昊卸任多家公司法定代表人** 爱企查App显示,近日,叠纸游戏关联公司上海叠纸互娱网络科技有限公司、芜湖叠纸网络科技有限公司等发生工商变更,姚润昊卸任芜湖叠纸网络科技有限公司法定代表人;刘辰西退出上海叠纸互娱网络科技有限公司、上海暖叠网络科技有限公司等关联公司;姚飞则接任前述多家公司的法定代表人及董事职务。值得注意的是,运营叠纸游戏官网的主体,正是此次发生变更的芜湖叠纸网络科技有限公司。叠纸游戏旗下拥有《无限暖暖》《恋与深空》《恋与制作人》等知名游戏产品。 ![](https://img.36krcdn.com/hsossms/20250727/v2_28b8b6a9b94b4970b651eea6c20c3e08@16519798_oswg46771oswg1080oswg448_img_000?x-oss-process=image/format,jpg/interlace,1) 图片来源爱企查 **7月共计134款游戏版号发放** 7月22日,国家新闻出版署公布了2025年7月份游戏审批信息,共计134款新游(127款国产、7款进口)获批。 截至今年7月,年内已下发的国产游戏版号共计884个。值得一提的是,如果从近一年的每月版号下发数量来看,可以发现版号的过审数量在阶段性增长,并在今年6月创下新高。 本文首发自[“36氪游戏”](https://mp.weixin.qq.com/s/lbzQnmoQsx8KILtB-e0hMw)。

2025-07-27 09:46:07 · 0次阅读
 
 
Windows 有能疯狂弹窗提醒关机的软件吗?

今天有位同学发来了一个问题,很有趣: 这大概是文明玩家?一不小心,天亮了。趁天亮前,先关机?从网友的评论来看: 以及: 青小蛙也觉得,弄一个定时插座好了,管他什么提醒,自动断电。虽然也有工具可以实现定

2025-07-27 09:45:49 · 0次阅读
 
 
特斯拉机器人V3量产版亮相 马斯克透露:非常精致

特斯拉的Optimus人形机器人V3量产版终于要来了!马斯克在最近的财报电话会议上透露了不少细节。**他说,Optimus量产版的设计和现在公司内部用的V2版本会有很大不同,全新的V3版本看起来“非常精致”。** [![](https://static.cnbetacdn.com/article/2025/0727/8cacec58a40a6aa.png)](//img1.mydrivers.com/img/20250727/dc53b46a557f4c44a4b55a7d0546d0bc.png) 从2021年特斯拉首届AI日活动首次亮相以来,Optimus项目已经经历了好几次设计迭代,当时,特斯拉展示的只是一个静态模型和一个穿机器人服装跳舞的人。 之后,特斯拉一直在改进Optimus的设计,直到现在的V2版本,V2版本的Optimus已经很有运动能力了,而且设计上比其他公司的人形机器人更精致。 今年第一季度全员大会上,马斯克还说特斯拉计划在2025年生产首批Optimus机器人。 当时大家都猜测特斯拉会直接改进V2版本,比如给它配上22个自由度的手部,然后大规模生产,毕竟V2版本的表现已经很不错了。 **不过,在第二季度财报电话会议上,马斯克明确表示,Optimus进入大规模生产时会采用全新的V3设计。** 这意味着,第一批交付给消费者的Optimus机器人,和2023年以来公司内部用的V2版本在设计上会有明显区别。 马斯克对Optimus V3的潜力很有信心。他说,V3设计已经找到了正确的方向,虽然未来还会有一些优化,但目前的设计已经很好了,不需要再做根本性的改变。 V3设计拥有人形机器人所需的所有自由度,马斯克还称赞它“相当精致”。 **虽然特斯拉还没透露Optimus V3的具体外观设计,但估计会延续2021年展示的那种简洁、类人化的概念设计。** 马斯克还重申了之前的观点,从长远来看,Optimus很可能成为特斯拉最重要的产品。 [![](https://static.cnbetacdn.com/article/2025/0727/039755b2e5014fe.png)](//img1.mydrivers.com/img/20250727/306b68f84b0b4f6a9c0bed465283dba8.png) [查看评论](https://m.cnbeta.com.tw/comment/1515658.htm)

2025-07-27 09:05:06 · 0次阅读
 
 
离线智能,什么时候迎来 DeepSeek 时刻?

作者|Li Yuan 编辑| 郑玄   过去两年,关于 AI 模型的故事,几乎都在围绕两个版本展开:无所不能的云,和充满想象的端。 曾经,一个被广泛描绘的行业蓝图是:随着轻量化模型能力的持续增强,AI 摆脱云端束缚,在每个人的设备上实现永不离线的贴身智能,似乎只是一个时间问题。 然而,喧嚣过后,一个尴尬的现实摆在眼前:不论是近期爆火的 AI 玩具,还是备受瞩目的 AI 眼镜,其核心交互和智能依然牢牢地系于云端。即使是算力更强的手机和 PC,真正实现了离线 AI 能力的,却依然凤毛麟角。 技术演示里,端侧模型看起来无所不能。但最后说好的离线智能,怎么还是离不开网络? 矛盾的一面,是用户对体验的极致渴求:即时响应不能等,隐私数据不想传,断网时刻不失联。而另一面,是端侧设备永远无法回避的「物理天花板」——有限的算力、功耗和内存,像一道无形的墙,残酷地阻隔了绝大多数高性能模型的落地。 更深层的矛盾,则在于商业的引力。对于手握最强模型的巨头而言,云端是彰显技术领导力的标杆,更是利润滚滚而来的收费站。当所有的目光和资源都聚焦于云端时,那个更苦、更累、商业回报更不明朗的端侧,自然成了被忽略的角落。 那么,那些真正致力于推动「离线智能」的少数派,他们到底在做什么?在今年的世界人工智能大会(WAIC)上,一家名为 RockAI 的公司给出了自己的答案。他们正走在一条少有人走的路上,并找到了破局的钥匙。 ![](https://imgslim.geekpark.net/uploads/image/file/bb/63/bb63c7b1b49516a50f803eea4d4f3413.jpeg) 以「让每台设备都拥有专属智能」为使命,这支团队一头扎进底层技术,甚至大胆舍弃主流 Transformer 架构,硬是啃下了端侧部署这块被视为「不可能完成的任务」的硬骨头。早期,他们的模型就能完整跑在算力捉襟见肘的树莓派上——这块卡片大小的电脑向来是端侧部署的严苛试金石,大多数同类模型在它上面往往跑出几句话就卡住。 而在今年 WAIC 推出的 Yan 2.0 Preview 仅 30 亿参数,已经能做到多模态,并在本地实现真正的「记忆」:模型可动态调整权重,长期保留并更新用户偏好。 而这项「不可能完成的任务」的成果,也并未停留在实验室的演示阶段。量产订单已经从海内外市场发来,将技术实力迅速兑换为商业价值。 他们的故事或许能回答那个根本问题:当云端模型高歌猛进时,我们为什么还需要、以及如何才能实现真正的离线智能? 极客公园采访了 RockAI 的联合创始人邹佳思,与他们聊了聊 RockAI 背后的商业故事。   # 01 为什么我们还没有拥有永不下线的随身 AI ?   问:整个行业似乎都在为一个离线智能的未来而努力,苹果这样的巨头更是将此视为核心战略。可为什么从技术演示到消费者手中,这「最后一公里」却总是走不通? 邹佳思: 大家都在谈离线智能、设备端的 AI,但理想和现实之间,横着两座几乎无法逾越的大山:一座是算力,另一座是功耗。 大模型想在设备上运行,需要很高的算力配置。目前很多行业内的 AI 公司,虽然也有参数比较小的模型,但是仍然需要算力更高的芯片才能跑上去。 比如我们的一个客户,想要在手机上配置离线的大模型,但是当时行业里其他大模型厂商提出的方案,几乎无一例外地要求必须使用高通最新的旗舰芯片以及 16G 以上的内存。但现实是,大多数智能设备,都不能具备这样的算力芯片。 这就是最残酷的算力鸿沟: 你的 AI 技术再先进,如果只能满足少数顶配设备应用,那么就失去了普惠 AI 的意义。 另一座大山,则是功耗。 这个问题在手机上体现得淋漓尽致。现实中,手机厂商只要尝试部署大模型,设备的发热就非常严重,这几乎是所有基于传统 Transformer 架构模型的通病。几乎所有主流手机厂商都和我们交流过这个痛点。他们都想在下一代 AI 手机上实现突破,但又都被这堵功耗之墙挡住了去路。 为什么最后一公里走不通? 事实是, 硬件的更新的节奏客观上很慢,很多设备多年前就卖出去了,当年的芯片、存储、麦克风、摄像头都不是为今天的大模型准备的,把 Transformer 往这些中低端算力上布,要么跑不起来,要么勉强跑效果差。 即便上游厂商推出新一代高端芯片,把它布置进新产品线往往要经历 6–12 个月;而产品真正卖爆、规模化出货并广泛普及通常还需要额外 1–2 年。这种节奏是客观物理现实,不可能被跳过。 问:您刚才提到了,无论是算力还是功耗,很多问题的根源都指向了目前主流的 Transformer 架构。Transformer 在云端证明了自己是当前最强的 AI 架构,为什么把它搬到端侧设备上,就水土不服了呢? 邹佳思: 这个问题确实问到了在设备端运行大挑战的核心。Transformer 之所以强大,依赖于它革命性的注意力(Attention)机制。但问题恰恰也出在这里。 传统的 AI 模型像一个流水线工人,他处理信息是一个一个按顺序来的,记忆力有限,处理到后面就忘了前面。而 Transformer 就像一个拥有超能力的总指挥,他不是按顺序处理,而是让信息排成一个方阵,然后要求方阵里的每一个字,都要和其他所有的字握手一次,来计算彼此之间的关联度。 这种「全局握手」的能力,让 Transformer 拥有了超凡的理解能力。但在云端,你有无限的算力去支持这种计算。 但手机芯片(CPU/NPU)的设计,更像是刚才说的「流水线」,它擅长的是高速、顺序地执行任务。你突然让它去完成一个需要「全局握手」任务——每增加一个字,计算量就指数级暴增——它瞬间就不知所措了。 我们从一开始就关注到了这个问题。业界目前也有一些改进方案,像 Flash Attention、线性注意力等等。但我们的结论是,这些都只是在「指挥大厅」里做一些小修小补,没有从根本上改变「全局握手」这个高耗能的模式。 我们最后选择了一条更彻底的路: 保留 Transformer 强大的特征提取能力,但彻底拿掉那个消耗巨大的 Attention 机制,用一种全新的、更适合在「流水线」上运行的架构来替代它。 国外同期的 Mamba 架构也看到了类似的方向。我们不是去修补一辆不适合在小路上开的 F1 赛车,而是重新设计一辆能在小路上跑得飞快的越野车。 ![](https://imgslim.geekpark.net/uploads/image/file/a7/cb/a7cbe65787258a92f66b52a431bc132a.png) 问:这听起来非常复杂。只是为了在智能硬件上跑,就要重新设计一个架构。离线智能真的有这么必要吗? 邹佳思: 这个问题很有趣,我们认为非常有必要,而且我们也确实看到了很强的市场需求。 它的必要性体现在几个无法被云端替代的价值上: 第一,绝对的隐私安全。 这是苹果这样的公司投入端侧最核心的初衷。最敏感的数据,比如你的相册、健康信息、聊天记录,根本就不应该离开你的设备。这是一个原则问题。 第二,极致的实时交互。 很多场景对延迟的要求是毫秒级的。比如部署了 Yan 架构的无人机,用户喊一声「在我跳起来的时候抓拍」,模型就必须瞬间响应。这种场景,任何一次网络波动都可能是致命的,你不可能依赖云端。再比如未来的机器人,它需要根据自己独特的臂长、传感器参数来做出精准的动作,这种与硬件高度绑定的实时控制,必须由本地的」大脑」来完成。 第三,成本问题。 云端 API 的价格看起来在不断下降,甚至免费,但仍然是有成本的。以摄像头为例,出货量是以亿为单位。在这种海量规模下,云端再便宜,乘以亿,也是一笔天文数字。而走向离线智能,硬件成本是已经付出的,后续的使用几乎不产生额外费用。从商业逻辑上,海量设备,本地部署一定是成本最优解。 本地模型就像一个守在门口的聪明管家,它隐私、安全,个性化的理解你。即使它不一定能解决所有最复杂的问题,但它应该能处理掉 80% 的日常琐事——开应用、设提醒、简单翻译、会议纪要等等,并且做得又快又安全。对于绝大多数用户来说,不是每时每刻都需要处理复杂任务。 云端模型能够满足用户比较高的需求,但是设备端的模型能更快,更安全,更便宜地满足用户的大部分需求。   # 02 能实现离线智能的模型,应该长什么样?   问:刚刚提到,为了实现离线智能,你们选择了最难的路——重新设计一辆「越野车」。那么,这辆新车的「发动机」,也就是你们新架构的核心机制,究竟是什么? 邹佳思: 我们的核心创新,就是抛弃了我们前面说的 Transformer 那种需要「全局握手」的、高耗能的 Attention 机制,回退到更轻的「特征—抑制—激活」架构,再配合分区激活,把每次真正运算的参数量压到十分之一甚至更低。 算力需求降到原来的五分之一以上,功耗降到十分之一。 前面说过,标准 Transformer 架构中,无论任务多小,所有参数都必须全部被激活,才能获得一个高智能的答案。但是人脑其实不是这么运行的。 人脑其实也有 800-900 亿的神经元,我们可以理解为,它是一个 800-900 亿参数的模型,人脑如果是全量激活,功耗可能会到 3000 瓦甚至 4000 瓦,但是人脑其实际的功耗只有 30 瓦不到。 人脑怎么神奇地干成这件事情呢?就是靠分区激活。我们的模型就是借鉴了这种方式。 除了功耗降低了,新的架构还让我们能够在一个 3B 的模型中,实现多模态。 用一个不太严谨的比喻,当你看到一只鸟,听到它的叫声,同时又在阅读「鸟」这个字时,你的大脑并不是整个被点亮。它是在视觉区、听觉区、语言区这些不同的分区里,激活了特定的、小范围的神经元。正是这些分区既独立又相互重叠的激活,帮助我们高效地将形态、声音和词汇完美地对齐。 30 亿参数以下的 Transformer 模型因为其全局计算的特性,很难高效地处理和对齐不同来源的模态信息。而我们的类脑激活机制本身就更接近大脑的分区处理模式,不同模态输入可以天然地激活不同的分区,让对齐变得更轻松、更精准。因此在 3B 规模下,我们依然能保留强大的文本、语音、视觉联合理解能力。 ![](https://imgslim.geekpark.net/uploads/image/file/03/ff/03ff550570fcf928b45072040b45e42e.png) 问:「分区激活」思路确实很巧妙。但人脑之所以能只激活一小部分,是因为它本身是一个近千亿参数的巨型模型,底子够厚。而我们现在的端侧模型,本身就只有区区几十亿参数,已经是在「螺蛳壳里做道场」了。我们真的能指望一个小模型,通过激活更小的一部分,来完成更好的智能吗? 邹佳思: 您这个问题,正好触及了当前大模型发展范式的核心——我们称之为压缩智能的困境。 现在的预训练大模型,本质上是一个压缩智能的过程——像一块巨大的海绵,它的训练过程,就是把海量的互联网数据(水),压缩进这个由几千亿参数构成的容器里。参数量越大,海绵越大,能吸收和储存的知识自然就越多。 这个范式在处理多模态时,会存在一些问题。压缩过文件的人应该都知道,1G 的文字打包压缩后,是比 1G 的视频、图像这样的文件更小的。视频图像这样的文件本来就大,而压缩比又低,这就是为什么市面上小参数的 Transformer 模型,很难加入多模态能力。 所以,如果游戏规则只是比谁的海绵更大、谁背的书更厚,那小参数的模型确实没有未来。 但我们认为, 真正的智能,不应该只是压缩,更应该是成长和学习。 这就是我们路线的根本不同:我们不是在一条道上走到黑,而是压缩智能 + 自主学习双线并行。 我们刚才提到的分区激活,它的意义不仅在于节能,更在于它为成长提供了可能性。 我们现在的模型只有 30 亿参数。但通过神经网络精细的动态分区,打比方分成 100 个区,那么一次只需要激活 3000 万个参数。这意味着,我们未来完全可以在手机内存允许的范围内,把端侧模型的总参数也做得很大,比如做到百亿甚至更多,但通过只激活其中极小一部分,来保持同样低的功耗。 这就颠覆了游戏规则。我们不再是研究怎么把大模型变小,而是研究怎么让模型在端侧从小长到大。 所以,当别人都在压缩这条路上内卷时,我们通过 MCSD 架构、分区激活、记忆神经单元,为端侧模型找到了第二条、也是我们认为更符合生命本质的成长路线——可持续的、低成本的自主学习 。 我们不只是在构建一个能在设备端跑起来的模型,我们是在为端侧 AI 的未来,构建一个全新的、能够不断成长的大脑底座。 问:您提到了自主学习这个词,怎么理解 Yan 模型的自主学习?它和现在云端模型的个性化有什么不同吗? 邹佳思: 自主学习,正是我们这次在这次 WAIC 上想展示的最令人兴奋的技术突破之一。 目前我们接触到的云端大模型,都要通过预训练才能更新自己的智能。因为一个模型真正学习的过程——理解用户的反馈,并将其体现在自己的神经网络变化中,依赖于前向传播(推理/猜测) 和 反向传播(学习/修正)的过程。而反向传播本身是一个特别耗能的过程。在云端,一个千亿模型进行一次反向传播,需要动用一个庞大的、由上千张 GPU 组成的训练集群。 所以,所有基于 Transformer 架构的模型,一旦被部署到你的手机上,就成了只读存储器——它只有前向传播的能力,失去了学习和更新的可能。我们接触到的所谓的个性化,都只是模型通过对话,记住了你的一些偏好,形成了一个外挂知识库,这并不是从根本上学习了你的偏好。因此有时候你和模型即使强调了很多遍你的偏好,模型还是会有自己想偏好的输出。 而我们的创新,恰恰是在这个最根本的物理限制上,实现了一个看似不可能的突破: 它让反向传播这个学习过程,第一次有可能在端侧设备上发生。 得益于分区激活的特性,当模型需要学习新知识时——比如记住你「喝咖啡不加糖」这个偏好——它不需要去撼动整个几十亿参数的神经网络。我们的架构能做到: 锁定与这个新知识直接相关的、那个被激活的、极小的神经元分区。在这个被隔离的微型战场里,执行一次低功耗的反向传播,只更新这个分区内极少数的权重参数。将这个学到的新知识,直接、永久地写入模型本体的神经网络中 。 通往个性化记忆和自主学习的大门就这样被打开了。 现在,我们的模型可以一边使用(推理),一边学习(训练),把新学到的东西,比如你的新习惯、新偏好,直接写进模型本体。它让模型拥有了真正的自主进化能力。 ![](https://imgslim.geekpark.net/uploads/image/file/60/93/60935b0e0ec8917fa3479ad7c85f5a8e.png)   # 03 离线智能什么时候能够上 AI 玩具?   问:我们刚才聊了很多技术上的不可能与可能。现在我们回到市场,当大部分声音还在追逐云端千亿模型时,你们的技术却在短时间内找到了真实的商业订单。这让我们非常好奇,从你们的视角看,当前市场上,究竟是哪一类玩家,对离线智能抱有最强烈的执念?他们背后的商业驱动力是什么? 邹佳思: 目前,我们接触了多个领域的客户,而每个领域客户对于离线智能的执念背后,都有着深刻的商业逻辑。 PC、平板和机器人是我们当前最核心、已实现量产的战场。我们会更关注更广域的中低算力市场。 以我们和某头部出海厂商的合作为例。他们的核心诉求,并不仅仅是为未来的旗舰机型打造 AI 功能,更是要 盘活手中数以亿计的、已经售出或正在销售的中低端设备。 为什么硬件厂商如此在乎这些旧设备?这背后有两条生命线: 第一条,是 针对已经卖到用户手里的设备。 通过 OTA(空中升级)的方式,为这些旧设备推送我们的 AI 模型,可以创造全新的软件预装和增值服务收入。更重要的是,这极大地提升了品牌价值——「我几年前买的电脑,现在居然也能升级成 AI PC 了!」这种口碑是花钱也买不来的。 第二条,是 针对当下仍在出货的、非旗舰的机型。 任何一个品牌都不可能只靠售价上万的顶配 AI PC 活着,真正的销量和利润,来自于广大的中低端市场。但这些设备,因为芯片算力限制,根本无法运行主流的 Transformer 模型,但厂商并不愿意因此看着自己的产品与 AI 绝缘。 而我们的技术,恰恰是填补这个巨大空窗期的解。 我们的模型能直接在这些非旗舰的存量设备上流畅运行,让厂商下个月就能把 AI PC 卖到用户手中,而不是苦等三年。 除了 PC 和平板之外,我们也关注机器人和手机领域。与无人机公司也有一定的合作。 ![](https://imgslim.geekpark.net/uploads/image/file/5b/29/5b29012efd3acd1d6179c6a412a51cca.gif) 问:AI 眼镜和 AI 玩具这些炙手可热的领域呢? 邹佳思: 这两个品类,几乎是所有媒体和投资人见到我们必问的问题。它们代表了设备端 AI 最性感的想象力,但也暴露了最骨感的现实。 它们的根源问题,其实是同一个: 为了极致的成本控制和轻便性,这些设备里的芯片,从设计之初就不是为了跑 AI 的。 以 AI 眼镜为例,现在市面上的主流方案,用的要么是高通的 AR 专用芯片,要么是恒玄等厂商的芯片。这些芯片本质上是通信芯片,它们的任务是做好蓝牙连接、信息投屏、简单翻译等,算力被严格限制。 结果就是,我们的模型想跑在大部分眼镜上,都跑不上去,算力、内存完全不达标。连我们都跑不上去,就更别提那些动辄几十亿参数的 Transformer 模型了,那更是天方夜谭。AI 玩具也面临着完全一样的困境。 市场对体验有极高的幻想,但硬件的物理现实却极其残酷。 面对这个死结,我们目前看到了两条清晰的路径,我们也在同时推进: 第一条路,是「曲线救国」,也是当下最务实的方案。 既然眼镜本身算力不够,那就借用手机端的算力。这个方案,我们正在和一些头部的眼镜厂商进行深入的洽谈。 另一条路,是更激进、更面向未来的「釜底抽薪」。 我们和一些像影目科技(INMO)这样有魄力的伙伴,正在尝试一个大胆的想法: 在下一代的眼镜上,直接换一颗更强大的大脑 芯片 。 这当然会带来巨大的功耗和工业设计挑战。但对他们来说,一旦成功,就意味着拥有了一款独一无二的、能真正实现离线智能的眼镜。想象一下,你戴着它去海外旅游,在没有任何网络的环境下,它能实现即时的、高质量的离线翻译,这种体验是「炸裂」的,是绝对的差异化优势。 所以,对于眼镜和玩具这两个市场,我们既有务实的「当下解法」,也有着眼于未来的「终极方案」。我们非常有耐心,因为我们相信,真正的爆发,需要等待技术和硬件的完美共振。 问:现在国内的 AI 硬件赛道极其火热,但都以使用云端 AI 为主。但我观察到你们的客户,实际上是销往海外的。在离线智能这件事上,海内外的市场温度是否并不一致? 邹佳思: 您观察到的这个「温度差」,正是我们现阶段战略布局的核心。 销往海外市场的智能硬件,其实为我们提供了一片更广阔的蓝海。 这种「炽热」的需求,主要源于三个国内不太敏感的「痛点」: 第一,是根植于文化的「隐私执念」。 在欧美市场,用户对于个人数据隐私的重视程度,是写进法律、深入人心的。我们目前也在和一家头部玩具 IP 公司谈合作,他们之所以对我们的方案产生浓厚兴趣,一个核心前提就是:他们不希望用户的隐私上云 。 他们的内容 IP 和用户数据是最高级别的资产,必须在设备端处理。 第二,是客观存在的「网络鸿沟」。 我们很容易被国内一线城市无处不在的 5G 网络所「蒙蔽」,认为网络无所不能。但放眼全球,对于我们的出海伙伴来说,他们的用户可能在非洲的原野,也可能在东南亚的岛屿,这些地方的网络环境,让依赖云端的 AI 体验变得极不可靠。一个能在弱网、无网环境下稳定运行的离线模型,是他们的「救命稻草」。 第三,是更高的人力成本催生的「效率需求」。 在海外,很多场景下用机器替代人力的意愿更强。当他们需要一个可靠的、无需联网的 7x24 小时接待员或多语言导游时,离线智能的商业价值会比国内市场体现得更直接、更迫切。 所以,我们的战略非常清晰,我们称之为「借船出海」。我们通过赋能那些本身就非常优秀的中国出海企业,将我们的技术带给全球那些对离线智能有着最真实、最强烈需求的 C 端用户。 问:您的分享描绘了一个非常激动人心的前景,但也无法回避一个尖锐的现实:一方面,端侧模型是各家智能硬件厂商都在关注的重点,国外内手机巨头们都在投入重兵自研,试图把 AI 的命脉掌握在自己手里;另一方面,硬件的摩尔定律也在飞速前进,两三年后,当手机芯片强大到能轻松运行更大的模型时,你们今天「小而美」的优势,是否还存在?面对这样的未来,RockAI 最深的护城河,究竟是什么? 邹佳思: 您这个问题非常尖锐,它恰好点出了我们每天都在思考的两个核心挑战。 首先,关于 硬件变强 。我们认为这是一个对我们有利的趋势。第一,任何高端硬件的普及,都至少需要两到三年的窗口期,在这个窗口期内,我们是解决海量存量和中端设备 AI 化问题的最优解。第二,当硬件底座变强,它能容纳的不仅仅是更大的 Transformer,也能容纳我们从小长到大的 Yan 架构大模型。我们同样可以做 10B 甚至更大的模型,而我们独特的自主学习、低功耗特性等优势,依然会存在。 另一个问题,可能更触及我们这家公司的灵魂,回答了我们真正的护城河是什么。 我们的团队基因,其实源于一个始于 2015 年的、未完成的梦。那时候,我们几个创始人就想做真正的智能硬件,当时的形态类似于小爱同学,但当时就因为 AI 技术不成熟而失败了。直到我们看到了 Transformer 的潜力,觉得时机到了,才再次聚到一起创业。 再后来,我们就痛苦地发现,把 Transformer 这台「云端猛兽」硬塞进小小的设备里,这条路,在工程上根本走不通。 那时,摆在我们面前的有两条路:一条是跟着行业主流,给 Transformer 打补丁,做各种优化,这条路更容易、也更容易被投资人看懂。另一条,是走一条更难、更孤独的路,承认此路不通,从零开始,去构建一个全新的、为端侧而生的架构。 我们选择了后者。而支撑我们走下来的,不是我们有多少钱,有多少卡,或者团队背景有多光鲜。我们内部总结,可能就是一个很「玄学」的词:坚持。 我们笃信,模型一定要跑到端上去,设备一定要有自己的智能。正是因为这份执念,我们才愿意去坐那两年多的冷板凳,在别人追逐云端风口时,我们像一个实验派的炼丹师,在实验室里反复尝试、验证,最终才炼出了 Yan 架构大模型这颗丹。 所以,我们的护城河,不是某一两个技术点,因为聪明的人和团队太多了。 我们的护城河,是我们因为坚持而趟过的那些坑、积累的认知,以及我们从第一天起就与众不同的、为端侧智能而生的创新基因。 *头图来源:AI 生成 本文为极客公园原创文章,转载请联系极客君微信 geekparkGO    

2025-07-27 08:35:42 · 0次阅读
 
 
特斯拉新车型内饰首曝:取消玻璃天幕+后排屏

**特斯拉新车型的内饰终于曝光了,这次曝光的是所谓的“廉价版 Model Y”,从名字就能听出来,这车在配置上做了一些精简,价格估计也会更亲民。**先说说内饰的变化。这车取消了现款 Model Y 上的全景玻璃天幕,虽然全景天幕看起来很酷,但估计是为了降低成本,这次的“廉价版”就没有了。 [![](https://static.cnbetacdn.com/article/2025/0727/b8a8e06284b2f63.png)](//img1.mydrivers.com/img/20250727/e56e97e29add48c8b9f21f68ff32720d.png) **而且,后排的屏幕也被移除了,这对于后排乘客来说,可能少了一些娱乐功能。** 不过,前排中央扶手前面做了贯通设计,这可能会让前排乘客使用起来更方便。转向拨杆保留了下来,但换挡方式应该还是沿用现款的屏幕换挡,这一点没有变化。 **再看看外观上的调整。这车取消了前面的贯穿灯带,大灯位置往上移了一点,整体设计看起来更接近 Model 3。** 尾灯部分也预计会取消中间的漫反射灯带,这样一来,车尾的设计会更简洁。 之前马斯克说过,今年年底前会推出基于畅销的 Model Y 的“低成本车型”,看来这款“廉价版 Model Y”就是他说的那款车。 [![](https://static.cnbetacdn.com/article/2025/0727/9b4762758b72f74.png)](//img1.mydrivers.com/img/20250727/c2cf7b02bc304f5e8ebaf0e96a2570a4.png) [查看评论](https://m.cnbeta.com.tw/comment/1515654.htm)

2025-07-27 08:35:06 · 0次阅读
 
 
群核科技发布3D高斯语义数据集,给机器人装上“空间大脑”

7月25日,群核科技发布最新高质量3D高斯语义数据集InteriorGS,旨在为机器人和AI智能体提升空间感知能力。InteriorGS数据集及相应智能体解决方案将亮相2025世界人工智能大会。据悉,InteriorGS数据集包含1000个3D高斯语义场景,涵盖超 80 种室内环境,赋予智能体一个“空间大脑”,以提高其环境理解和交互能力。该数据集或是全球首个适用于智能体自由运动的大规模3D数据集。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885e43d7d07f.png?imageView2/2/w/740)  3D高斯语义数据集InteriorGS 近两年,3D高斯溅射凭借“扫描即可重建场景”的优势,已在文物保护、空间设计等领域崭露头角。近期,群核科技工程师利用3D高斯技术还原了杭州一座60多年老照相馆空间,这座承载半个多世纪记忆的数字照相馆引起了广泛关注,也让这一新技术火速出圈。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885e442a86e2.png?imageView2/2/w/740)  群核科技工程师用3D高斯技术还原的数字照相馆   而此次发布的 InteriorGS数据集,首次将这一技术引入 AI 空间训练领域。该数据集很好地利用了3D高斯在场景重建上的效率和成本优势,并结合其自研的空间大模型能力,使其真实感与语义性兼备,成为全球首个适用于智能体自由运动的大规模3D数据集。目前该数据集已在HuggingFace、Github发布,全球开发者均可下载使用。 该数据集背后,是群核科技搭建的 “3D 高斯重建 + 空间大模型 + 物理仿真” 训练数据生成新路径。当输入一段视频或一组图片,3D 高斯技术快速完成场景重建,空间大模型赋予其语义逻辑,再通过空间智能平台SpatialVerse进行物理特性模拟和数据扩增,最终生成可供智能体学习空间理解与交互的训练燃料。 ![](https://static.leiphone.com/uploads/new/images/20250727/6885e44735fe9.png?imageView2/2/w/740)  群核科技训练数据生成新范式 “人工智能的下一站,是从虚拟走向物理世界。” 正如行业观点所指,群核科技正通过技术布局推动这一进程:群核科技SpatialVerse作为行业领先的空间智能训练平台,已积累海量可交互三维数据与一套物理仿真工具,其InteriorNet数据集是全球最大的室内场景认知深度学习数据集。SpatialVerse目标是成为空间智能领域的 “ImageNet”—— 就像 ImageNet 推动计算机视觉爆发一样,为 AIGC、XR、具身智能等领域提供“数字道场”。 群核科技的稀缺三维数据已形成产业影响力。今年 3 月开源的空间理解模型 SpatialLM 曾登上 Hugging Face 趋势榜前三,谷歌与斯坦福的联合研究论文FirePlace中,亦点名致谢其 SpatialVerse提供的高质量3D场景数据。目前,已有智元机器人、银河通用、穹彻智能、智平方、松应科技等一批具身智能企业与其达成合作。 群核科技首席科学家唐睿表示,Sim2Real(仿真到现实)是当前最高效的具身智能训练范式,群核科技希望联合行业力量合力推进“现实 - 虚拟 - 现实”范式。而3D高斯语义数据集发布和本次机器人大赛得举办将是很好的契机,让全球开发者参与进来。

2025-07-27 08:34:00 · 0次阅读
 
 
AI+短视频越来越卷,传统流量打法已经不管用了

<blockquote><p>别再砸钱买短视频课、交学费给代运营了!真正决定流量的不是剪辑、镜头、节奏,而是你把短视频放在营销漏斗的哪一环。文章用一句“揭阳工厂裁员到只剩厂长”点破关键:平台要“唤醒兴趣”,你却硬塞“成交广告”,流量当然只剩三位数。搞懂“兴趣逻辑”与“搜索逻辑”的边界,把短视频当“钩子”而非“收割机”,才是AI洪流里低成本破局的第一步。</p> </blockquote> ![](https://image.woshipm.com/2024/11/26/fadf2c48-aba5-11ef-b971-00163e1bca14.png)先聊个很常见的现象。 很多企业和个人,愿意花几千上万块报短视频培训课,课程听得热血沸腾,感觉自己已经掌握了流量密码。但一到实际操作,问题立马暴露:账号启动不了,内容发了没人看,还是干不过“玄学”。现实还得继续,业务也要推,于是转身把希望寄托在代运营身上。结果呢?往往也是失望大于惊喜。代运营做出来的效果和你自己摸索的其实差不了多少,最多偶尔出个小爆款,大部分内容播放量还是三位数徘徊,线索寥寥,反倒是广告电话络绎不绝。 这时候问题来了:“为什么你没有流量?” 培训老师有一套说法,代运营也有一套解释,你自己可能也能总结出一堆原因。听起来都挺有道理——什么内容平淡、剪辑一般、节奏不对、镜头感差、跳出率高、完播率低等等。技术维度、执行细节,每个点都能拎出来讲半天。 但今天我想告诉你:这些看上去专业的原因,其实都不是核心问题。 真正决定你有没有流量的,是一件更底层的事——你理解对短视频的位置了吗?你想用它达成的目标,和平台本身的机制,是对得上的么? 这时候我们就得请出一个老朋友——营销漏斗模型。 别小看这个模型,它是把战略与战术对齐的底层地图。首先,你得搞清楚你要触达的客户是谁?在哪个场景下?你是准备从谁身上赚钱?然后呢,考虑这些人平时在哪出现,你该用什么方式精准找到他们,并一步步引导他们从“知道你”到“信任你”,最终掏钱买单。 这就是营销的底层路径。 ![](https://image.woshipm.com/2025/07/25/010b4d6e-696e-11f0-a02e-00163e09d72f.jpg) 按营销漏斗来看,客户从陌生到成交,至少要走六条路径: 发现潜在商机; 明确客户意向; 引导立项; 赢得信任; 商务洽谈; 完成成交。 每条路径都是环环相扣的,不能跳。你不能今天刚发现个客户,还没沟通几句就开始谈报价谈合作,这在逻辑上是行不通的。 那短视频在这个模型里,处在哪一环?很明确,它属于第一条路径:发掘潜在商机。换句话说,它的任务不是为了成交,而是为了**“唤醒”那些还没意识到自己有需求的客户**。 所以,别再把短视频当成交利器了,它的使命是吸引,而不是闭环。成交要靠后面的路径一步步推进。 那怎么“唤醒”客户? 方式有两个: 客户主动找你。比如在百度、小红书、抖音搜索“自动装车设备”、“智能抛光机器人”,这种是搜索型流量,对应的是 SEO/SEM/关键词优化。这部分流量少,但质量高。 客户无意识中刷到你。这是短视频平台的主场景——用户没啥目的,只是在信息流里刷刷内容,看到什么点开什么。这个时候,你的内容如果刚好击中了他的兴趣或者痛点,他才会被你吸引。 所以,在抖音、快手这类平台,关键词逻辑远不如“吸引逻辑”重要。平台更看重你能不能唤醒兴趣、激发停留,而不是你是不是个解决方案提供商。 很多人不理解这一点,把短视频做成产品宣传片,一上来就“我们是谁、我们干啥、我们的客户有哪些”,这等于是拿路径 3、路径 4 的内容,试图硬塞进路径 1 的客户眼里,注定无效。 来看两个案例: 文案 A:“工厂用机器人怎么选?老板们选对了吗?” ![](https://image.woshipm.com/2025/07/25/0195534c-696e-11f0-a02e-00163e09d72f.png) 文案 B:“揭阳某工厂80人裁到只剩厂长一个,全靠一台抛光机器人。” ![](https://image.woshipm.com/2025/07/25/0220d976-696e-11f0-a02e-00163e09d72f.png) 哪个更容易出爆款?毫无疑问,是后者。为什么?前者面向的是已经有购买意向的人,内容很专业,但一上来就把大部分无关用户筛掉了。它对得上的目标客户本来就不多。而后者,则是在唤醒那些还没意识到自己需要机器人的潜在人群,体量大得多,自然也更容易爆。 所以别再纠结剪辑、画质、表达力这些细节了,如果你的视频压根就设定了错误的受众状态,再完美的执行也救不了流量。 短视频是兴趣驱动型平台。你要做的第一件事,不是推销,而是唤醒;不是输出解决方案,而是让人意识到问题的存在;不是讲你多牛,而是讲客户的困惑你早就解决过了。 这才是从路径 1 到路径 2 的真正逻辑。 你会发现,那些越牛的人,越难做爆款。因为他们喜欢谈认知、谈感悟,跳过了用户最初的兴趣阶段。而真正流量做得好的人,往往更愿意反复去讲基础,去把“用户还没意识到的东西”讲清楚。 所以啊,别把短视频运营当成收割工具,它永远只是营销漏斗里的第一步。离开战略谈战术,一切执行都是空谈。 本文由人人都是产品经理作者【黑来古】,微信公众号:【黑来古】,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。

2025-07-27 08:07:26 · 0次阅读
 
 
“你的下一台电脑何必是电脑”,华为领先苹果半步?

鸿蒙系统在补课,余承东站台。

2025-07-27 08:02:33 · 0次阅读
 
 
协议转让+要约收购:A股控制权交易的主流进化

随着协议转让与要约收购组合方案成为主流,更多控制权交易将在效率与公平的平衡木上,走出中国式并购的特色路径。

2025-07-27 08:02:28 · 0次阅读
 
 
我看广告公司的数字化转型:阳狮的教科书和WPP的错题集

广告控股公司是否必须成为“技术公司”?

2025-07-27 08:02:24 · 0次阅读
 
 
啤酒巨头中年危机,1300亿精酿围城,谁能破局同质化内卷?

从“吨吨吨”到慢慢品,这届年轻人还能和爸妈喝到一块儿吗?

2025-07-27 08:02:19 · 0次阅读
 
 
佛山5200条“灭蚊鱼”上岗 以蚊卵及蚊幼虫为食

为有效降低蚊虫密度,**从源头阻断蚊媒疾病传播,佛山市禅城区园林部门近期在亚洲艺术公园和中山公园开展生物防治行动——投放以蚊虫为食的“食蚊鱼”。**据了解,园林工人首先在亚洲艺术公园小湖投放了200条食蚊鱼苗。随后于7月24日,在亚艺公园再度投放4000条,并在中山公园同步投放1000条。这些鱼苗将以蚊卵及蚊幼虫为食,通过自然方式抑制蚊虫繁殖。 此次投放的主角“食蚊鱼”(又称“灭蚊鱼”),原产于北美洲,早在上世纪初就已引入我国,并在珠三角地区成功繁衍。 研究显示,**一尾饥饿的雌性食蚊鱼,一天内可捕食多达438条蚊幼虫。华南师范大学学报文献《食蚊鱼的生物学特性及其灭蚊利用的展望》也指出,食蚊鱼虽为杂食性,但特别偏爱蚊虫,尤其喜食刚羽化的成蚊及其幼虫、卵块。** 该鱼种耐污染、适应力强、繁殖率高,对消灭包括疟蚊在内的多种蚊子幼虫具有显著作用。食蚊鱼的投放是利用其生物特性进行环境蚊虫控制的有效尝试。 **然而,必须强调的是,食蚊鱼已被世界自然保护联盟(IUCN)列入全球100种最具威胁的外来入侵物种名录。**专家指出,尽管该物种在当地水域已存在多年,但并不意味着可以随意扩大其投放范围和规模,需警惕其对本地生态系统可能带来的潜在风险。 [![](https://static.cnbetacdn.com/article/2025/0727/51b50ce84eabb75.png)](//img1.mydrivers.com/img/20250727/8340613b5c704c35a4ad1fa669c7dce3.png) [查看评论](https://m.cnbeta.com.tw/comment/1515652.htm)

2025-07-27 07:35:20 · 0次阅读
 
 
网友偶遇余承东在商场溜达 还去好利来买了两盒小蛋糕

今日,有网友偶遇余承东一人在深圳商城溜达。据该网友介绍,他还去商场里的好利来买了两个小蛋糕,满脸笑容,原来余总也爱吃甜品。对此,有网友评论称:**人生处处是观众,看人多去凑个热闹。** [![](https://static.cnbetacdn.com/article/2025/0727/d08fe92b394c2d1.jpg)](//img1.mydrivers.com/img/20250727/80110241-f9c7-400d-936f-284e8c629ede.jpg) **作为华为常务董事、终端BG董事长,余承东在网友的眼中显得异常低调。** 日前,有网友在社交平台晒出在机场摆渡车上偶遇余承东和何刚的照片。 虽是华为高管,但余承东和何刚身边没有任何保镖和助理,余承东自己拿着行李箱,何刚似乎只背了一个双肩包。 照片中,余承东与何刚都低头专注看手机。 ![](https://static.cnbetacdn.com/article/2025/0727/a7ace28879c8c5f.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1515650.htm)

2025-07-27 07:35:09 · 0次阅读
 
 
从生活指南到生活兴趣,小红书社区重音变化背后

<blockquote><p>当「你的生活指南」悄悄换成「你的生活兴趣社区」,小红书完成了第三次无声扩容:从海外购物攻略到种草神器,再到如今聚集 2500+ 兴趣圈层的“线上游乐园”。簪谷学士服、捏捏、养芒狗……看似无用的快乐,正通过 UGC 的洪流把搜索心智升级为社交网络。本文拆解小红书如何用“兴趣”破圈、用群聊留人,把 50% 流量喂给千粉以下素人,织出一张比抖音更稠密的信任网——答案藏在它的社会学算法里。</p> </blockquote> ![](https://image.woshipm.com/2024/07/11/c644e6ba-3f50-11ef-9bc1-00163e142b65.png)在变与不变的共同作用下,无形中小红书完成了一次从有用的搜索心智到社交网络的蜕变。          作者 | 翟文婷 来源 | 新莓daybreak 小红书在变。 近日,小红书将slogan从「你的生活指南」升级为「你的生活兴趣社区」,这意味着社区的重音发生了变化。 此前外界对小红书的观感,更多是基于现实衣食住行的生活经验和消费决策。但显然,小红书早已不局限于此,生活指南不足以准确描述社区轮廓,更多面向个性化、非刚需的趣味内容早已涌现。这种基于同好的交流,进一步强化了人与人之间的连接和交流,「社区」属性愈加凸显。 ![](https://image.woshipm.com/2025/07/09/6fae13ee-5c23-11f0-8791-00163e09d72f.jpg)图源:APP store截图 变化在小红书不是第一次发生,就像过去从购物攻略到生活指南的泛化,每次品牌升级都意味着社区在扩容。这些扩容看起来都不像是强力推动的,更像是基于社区UGC 的内容生产机制,不断长出新的长尾供给,丰富社区内涵。 从这个维度看,小红书也没有变。 社区还是UGC 的基因,产品逻辑和流量分发机制依旧是原样,这是不断衍生出更多细分圈层的底层能力。 在变与不变的共同作用下,无形中小红书完成了一次从有用的搜索心智到社交网络的蜕变,也是小红书对社区增长的一次解题思路迭代。 ## 01. ### 非现充、非刚需的内容涌现 刚刚过去的 6 月是大学生毕业季,一股「痛学士服」风潮席卷校园,毕业生们将学士服、学士帽以自己喜爱的形式改造,去年风潮是簪花、国风,今年主题则是「簪谷学士服」——把自己喜欢的动漫周边别在学士服上。 他们没有止步于爆改完成,而是将作品分享到小红书。现实中,可能会有不认同不喜欢的杂音,线上却总有「遥远的相似性」,社区会帮他们找到同好,彼此无障碍交流。 短短一个半月,小红书站内就涌现出近万篇相关笔记,近7000 万用户围观「簪谷学士服」,关键词条搜索量同比增长了 30 倍。 这跟过去我们固有认知的小红书似乎有些不一样:购物攻略、种草神器、生活经验指南,这些「现充」「刚需」「有用」是小红书的底色。现在,形形色色的趣味爱好涌现,疗愈身心、取悦自己、丰富精神世界的「非现充」「非刚需」「无用」的心智也在小红书形成。 比如过去两年用户感知最明显的是,小红书首页双列瀑布流总能发现一些新东西:从小众硬核爱好走向大众破圈的观鸟,成为年轻人的真快乐和心头好;春节期间在小红书上喷涌出的各种AI产品讨论;攀岩、夜跑等运动打卡的记录分享越来越多;还有乍一看上有些奇奇怪怪的小爱好:捏捏、养「芒狗」(把芒果核打理成小狗模样)、收集种子、自创语言、做钩针编织、在谷子上微雕…… 看似平静的表面之下,社区的水温却已经悄然发生变化。 从小红书年度趋势变化也能窥见一二:2023 年生活关键词是citywalk、听劝、显眼包,2024 年则是「抽象」。 ![](https://image.woshipm.com/2025/07/09/70e95b6a-5c23-11f0-8791-00163e09d72f.jpg) 图源:小红书 「抽象」这个词准确地捕捉到大众的情绪需求,「万物可抽象」就是一种解构现实的态度,是跟生活全新的对话范式,就有点穿透现实的意味了。年度统计时,与抽象相关的笔记内容超过 1000 万条。 从具象到抽象,反映出生活方式这一维度,已经不足以涵盖小红书社区的内容。 一组数据可以更直观地反映这些变化:过去一年,小红书二次元相关的内容发布规模增长175%,游戏内容则为168%,科技数码的相关内容增长超过150%。即使是观鸟如此细分的领域,发布规模都增长了105% 证明兴趣内容极速飞涨的另一个重要维度,就是群聊。 群聊是社交、社区类产品最为重视的产品形态,至今微信群聊都是用户黏性指标和商业价值承载的所在。 过去一年,小红书群聊日活同比增长近 70%,超过一半数量的群聊跟兴趣主题相关。而小红书50%以上的兴趣群是千粉规模以下的博主建立的。也就是说,将他们聚集在一起的动力,不是追星式的仰慕,而是彼此在某一点有共鸣,群友是同好关系。 跟生活经验「强分享记录」「弱联系」不同,兴趣爱好是「强交流导向」「强联系」「高频参与和互动」,长期持续投入,群聊就是最直接的承载。 不论兴趣的触角多么细分,都有相应的群聊主题覆盖。这是社区UGC 的基因和运营机制所决定的。 ## 02. ### 用UGC 的方式做增长 在小红书内部,「增长」不常被挂在嘴边。对增长的讨论基本是从社区发展的脉络中来,而非从外部借鉴方法。 一位接近小红书的人士告诉我们,去年夏天,小红书内部重新梳理社区发展逻辑,最后大家达成共识:「增长」这个词过于线性,并不准确,小红书社区的发展更像是破圈和扩容。 不以人口学、地域、代理的维度扩容,而是以「UGC+圈层」的方式驱动,不断寻求和激发连接人与人的因子,相信人与人连接的复利。 从生活指南到生活兴趣,便可视作小红书「用UGC的逻辑做增长」的一种延续。 上述人士透露,小红书一直在思考,怎么在漫长周期里构建一个庞大又具备向心力的社区,同时保持发展活力。或许,「兴趣」是一个不错的关键词。 因为兴趣的圈层足够宽阔,能够跨越人口、地理和代际的藩篱,连接到更广泛的人群。一位清华在读的学生,一名汽修厂的工人,或是一家上市公司的老板,都喜欢跑步,他们就有可能在此产生连接。 小红书的兴趣爱好有几个维度特征:多元,兴趣足够有广度才能连接到广泛人群;同时还要足够细分,颗粒度更小,更容易产生兴趣共鸣;除此之外是成长性,用户在小红书兴趣爱好,不是炫耀,更重视交流的过程。 一项统计数据显示,超过2500个兴趣标签圈层分布在小红书,且UGC 的基因决定了,这些细分圈层还在不断衍生变化。 在「兴趣」被明确提出之前,兴趣圈层就存在于社区。只是没有被重音标注。 2023年小红书做年度生活趋势总结时就注意到,站内已经长出很多运动、娱乐等反映大众兴趣的内容。甚至全网发酵的许多热点,都源自小红书。社区运营发现这些蛛丝马迹的迹象,过去两年,做了不少顺势推动UGC圈层生长的动作。 一个具有反差感的例子是,AI等科技热点在小红书上的火爆。无论是AI恋爱、独立开发这样的圈层热点,还是Deepseek春节期间的全民讨论,这些科技热点越来越多诞生在小红书上。 ![](https://image.woshipm.com/2025/07/09/720b3914-5c23-11f0-8791-00163e09d72f.jpg) 图源:小红书截图 这离不开社区运营对于UGC内容的洞察——当GPT刚刚走红时,小红书上的用户就有着大量关于「如何用AI和生活发生链接」的讨论需求,而不仅仅只停留在生产力工具层面的讨论。这成为小红书运营科技圈层的起点。 另一个值得注意的变化则是,二次元内容已经成为小红书仅次于美食和时尚的第三大垂类内容。 早在2023 年4月,小红书通过线下漫展和线上二次元人群社交的需求,就捕捉到新的人群圈层特征——与过往对二次元「死宅」、「「ACG」的固有印象不同,新一代的年轻人更乐于让二次元走到线下生活,变成自己的身份标签和社交货币。 基于这个洞察,他们没有复制「二次元」的传统运营思路,而是切入玩谷、漫展及扩列和cosplay等线下场景,主打2.5次元兴趣圈层,做二次元和三次元的融合,抓住走进现实、将自己的精神投射到线下的这一群人。 1994 年出生的博主@鲨鲨人,大学专业是视觉传达,是资深「二次元」。但与我们所理解的传统二次元概念不同,鲨鲨人不仅以制作系列「谷子」为职业,还用做谷子的技能,帮八十岁的爷爷卖空了两千斤荔枝。她的故事在小红书一经发布便迅速走红。 ![](https://image.woshipm.com/2025/07/09/72db794e-5c23-11f0-8791-00163e09d72f.jpg)图源:小红书截图 某种程度上而言,这就是小红书气质的2.5次元。鲨鲨人的故事不是个例,今天在小红书上,仅仅是关于谷子的相关笔记浏览量已达到54亿,讨论数近5000万。 一位互联网产品运营总结,小红书的社区运营不是互联网逻辑,是社会学逻辑。 ## 03. ### 更深的连接和更长久的留存  互联网格局日益固化,很多产品陷入瓶颈,小红书可能是为数不多仍然保持逆势增长的产品。 一个注脚是,小红书历次升级Slogan,都是因为社区扩容,原有的主题不足以覆盖现有轮廓。 2015 年,小红书定位海外购物攻略,对应的Slogan是「全世界的好东西」。但是当小红书涌入普通素人,用户需求从购物延伸到分享生活,几乎是不经意间完成一次品类的拓展,承载的内容更为丰富。2017 年,小红书的Slogan变为「全世界的好生活」。第二年,「物」的价值被弱化,更直接指向「标记我的生活」。 2022 年,社区进一步泛化,小红书首页的一句话变成「你的生活指南」。这句话承载的小红书的「有用」心智。因为海量UGC 内容,背后都是「活人」经验分享。遇事不决小红书,吸引了海量用户加入,直接表现是站内搜索量攀升。 2024 年初,小红书搜索月活用户占比70%,主动搜索的用户占比达88%,42%的新用户登陆小红书的第一天就会使用搜索功能。 当时江湖流传一句玩笑话,不是小红书搜索算法有多厉害,而是内容池实在太好了。 这对于小红书来说是一个重要分水岭,某种程度上完成了「谁来使用」的阶段性问题。正是在 2022 年底,小红书MAU 破3亿,DAU 破亿。虽然此后官方没有再公布过具体数字,但是大盘规模持续在增长。 ![](https://image.woshipm.com/2025/07/24/75869bb0-6871-11f0-b224-00163e09d72f.jpg) 图源:罐头图库 年初因为TikTok 「难民」事件,小红书无意间又完成一次破圈,海外用户涌入的同时,热点事件传导回国,引发新一波用户的加入,对增长的带动可想而知。 但是海量用户涌入,社区必然要思考,如何让这些人长期留存。 2022年初,哲学家刘擎在一次访谈中向小红书提问,「小红书的趣味、美学风格,是不是足够包容?它和中国更广大的城邦的关系是什么?」他精准地指出,社区扩容的关键不在于人口学,而在于趣味。 小红书用两三年的时间解开了这个题,逐渐长成一个足够复杂、足够多元的生活兴趣社区。一些人把这称为——小红书的「上海味儿」变淡了。 同时,兴趣的涌现还附带激活了社区另外两个最重要的问题,就是用户黏性DAU和消费时长。这两个指标的增长,代表着社区生命力的延续。 兴趣圈层更多撬动的是同温层,高频交流意味着用户黏性增强。群聊数量和日活的激增,就是最好的说明。讨论场的建立既是顺应社区UGC 的基因,也是增强用户黏性的有效方式。 一位运营负责人如此描述小红书的讨论场:它不是像微博那样的广场,所有人站在广场中心发言,更像户外的一顶顶帐篷。你可以从一顶讨论露营的帐篷,换到一顶讨论舞蹈的帐篷。 除此之外,兴趣是生活中不那么有用的东西,却是丰富精神世界的养分,是长期持续投入的所在,内容消费时间必然会被拉长。 而触发这两个指标的源头还要回到小红书社区的UGC基因。UGC的原始含义当然是「用户生产内容」,足够多样性和长尾。这也是抖音入局UGC、鼓励双列图文内容,百度重新投入贴吧的原因。 但UGC社区的繁荣无法只停留在内容生产环节,真正释放UGC活力的或许是一套去中心化的分发机制。 通过每天将超过 50% 的流量给到千粉以下的用户,小红书改变了内容平台常见的一对多「广播」模式,而在普通用户之间建立了一个足够稠密、鲁棒的连接网络,建立起全新的信任关系和线上社会资本。 这是一个经典的「社交图谱」难题。 《连线》杂志在2013年就曾写道:如果连接的人是完全陌生的,你将如何建立足够的信任?到底应该如何设计用户的社交图谱让他们更喜欢这里?这是下一代社交媒体都应该思考的问题。 或许这里也藏着小红书社区得以持续扩大的秘密。 本文由人人都是产品经理作者【趣解商业】,微信公众号:【趣解商业】,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。

2025-07-27 07:31:09 · 0次阅读
 
 
《明末:渊虚之羽》公布更新与优化计划

![](https://image.gcores.com/4fa62e17a9f10acc3d443fc977da53b5-690-388.webp?x-oss-process=image/resize,limit_1,m_fill,w_626,h_292/quality,q_90) 灵泽科技发布《明末:渊虚之羽》 更新与优化计划。开发团队对近期游戏发售后引发的不满表达最诚挚的歉意。同时,官方会对所有购买玩家加量补偿:豪华版在原本一套豪华套装的补偿基础上,再增加三套豪华套装和四把武器;标准版和豪华版玩家都将会额外获得三件头部装备。 全文如下: 各位玩家朋友们:首先对近期游戏发售后引发的不满表达我们最诚挚的歉意。各位的体验与感受,是我们团队最为重视的基石。关于游戏内容的讨论,我们将于近期向大家做完整说明。 与此同时,自游戏发售起我们就密切关注着各个社区,大家的每一条声音,无论是批评还是建议,我们都已收到,并正在认真梳理、分析并积极讨论方案。现对其中玩家关注度较为集中的一些问题做出以下调整计划: ![](https://image.gcores.com/a144538d0c05853ad1e8b5ac42bf53d1-690-388.webp?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 【关于预购奖励发放及后续补偿】 - 在7月25日的版本更新中存在预购奖励错误发放和回收的问题,导致玩家们未成功获得对应的奖励,我们也收到了大家对于豪华版补偿不足的反馈。 - 作为对大家前期支持的感谢,也是对未能尽到责任的弥补,我们会对所有购买玩家加量补偿:*豪华版在原本一套豪华套装的补偿基础上,再增加三套豪华套装和四把武器;*标准版和豪华版玩家都将会额外获得三件头部装备。 【关于性能和游戏优化 】 - 我们将持续针对性能问题进行优化,并将结合各位玩家的建议如难度过高、Boss体验等 - 在后续的补丁中不断进行调整,以下是我们近期优化内容的预告: - 处理不同的设备上的崩溃问题 - 优化显存处理部分显卡上帧数和卡顿的问题 - 优化部分显卡上默认设置 - 修正倒地起身速度 - 减少部分陷阱的伤害和数量 - 降低部分低级怪物的冲击力抗性 - 降低部分区域探索压力 - 处理部分因为道具缺失导致的任务中断问题 - 优化部分怪物和BOSS的AI逻辑 - 优化部分区域纹理质量过低的问题 - 优化部分资产精度过低的问题 我们深知每一位玩家的支持和鞭策多么难能可贵,我们也在不断反思,积极复盘我们的工作流程,尽快升级能力为大家提供更高效优质的服务。请大家给我们团队一点点时间,我们会从一个个优化做起。希望有一天作品和我们,能够配得起大家的期待。

2025-07-27 07:27:04 · 0次阅读
 
 
贾跃亭的新车发布视频被曝车头是P的

法拉第未来第二品牌FX的MPV新车SuperOne在7月中旬举行全球首秀活动,车辆最吸人眼球的是车头上的“巨大屏幕”,法拉第未来官方称其为“AI F.A.C.E.”。而在法拉第未来CEO贾跃亭发布的一段投资者周报介绍视频中,网友发现,视频背景中的这辆SuperOne新车,车头竟然是直接P上去的。 ![贾跃亭的新车发布视频被曝车头是P的 网友:太能糊弄了](https://img.3dmgame.com/uploads/images/news/20250727/1753597694_361594.png) 网友展示的证据显示,贾跃亭的右手做出动作时,屏幕竟然遮挡住了右手,这说明车头处的屏幕是后期P上去的,因为未仔细检查,导致出现穿帮。 网友调侃道:“贾老板这是真能糊弄啊”、“贾老板认真起来连自己都骗”。 事实上,法拉第未来的SuperOne新车亮相以来,被曝出的乌龙事件不止这一起。 有网友贴出了长城魏牌高山和SuperOne两车外观的轮廓对比图,发现法拉第未来FXSuperOne的整车造型与魏牌高山几乎一致。 ![贾跃亭的新车发布视频被曝车头是P的 网友:太能糊弄了](https://img.3dmgame.com/uploads/images/news/20250727/1753597685_327710.png) 法拉第未来FX SuperOne ![贾跃亭的新车发布视频被曝车头是P的 网友:太能糊弄了](https://img.3dmgame.com/uploads/images/news/20250727/1753597702_819098.png) 长城魏牌高山 网友质疑法拉第未来的SuperOne,就是魏牌高山车头安了个乐视电视。并且,还有网友发现FF官网的Super One介绍页面出现了高山9的宣传语。 ![贾跃亭的新车发布视频被曝车头是P的 网友:太能糊弄了](https://img.3dmgame.com/uploads/images/news/20250727/1753597712_598593.png) 目前,法拉第未来方面并未说明,SuperOne和魏牌高山的关系,但国内网友更倾向于相信SuperOne就是魏牌高山的改装车。 不过,更有意思的是,在当天新车亮相首秀后,法拉第未来官方宣布,FX Super One已累计收取B2B和B2C共10034个付费预订单。 但99美元的可退订金,到底能为法拉第未来带来多少真正的交付量,我们还需拭目以待。 ![贾跃亭的新车发布视频被曝车头是P的 网友:太能糊弄了](https://img.3dmgame.com/uploads/images/news/20250727/1753597722_394968.png) [查看评论](https://m.cnbeta.com.tw/comment/1515648.htm)

2025-07-27 07:05:06 · 0次阅读
 
 
特斯拉智能辅助驾驶计划年内在中国进一步落地 正在等待监管部门审核

特斯拉的FSD年内或在中国进一步落地。据国内媒体报道,特斯拉官方在日前开幕的2025世界人工智能大会上透露,**特斯拉智能辅助驾驶系统(驾驶员监管版)计划2025年在中国、欧洲进一步落地,正在等待监管部门审核。** 在几天前特斯拉高管还在二季度财报电话会议中表示,**预计在今年年底前,在美国部分地区,在确保所有安全措施到位的前提下,****面向个人用户开放智能辅助驾驶系统(无驾驶员监管版)。** 特斯拉方面还表示未来几年内,**特斯拉将经历从“前自动驾驶时代”到“后自动驾驶时代”的根本性转变。**此前,懂车帝36款车辅助驾驶实测显示,**无论是高速还是城市事故场景模拟,没有一家车企的辅助驾驶系统能够完美通过所有测试项目,不过特斯拉在一众车型中表现最为突出。** 从高速事故场景模拟来看,特斯拉的Model 3和Model X通过率均为5/6。面对高速桩桶、消失的前车等多个场景,它们展现出了较好的应对能力,相比其他车型,在多个项目上成功通过测试。 在城市事故场景模拟里,Model X通过率达到了8/9,在开进大转盘、转盘内汇入等多个项目上表现出色,是参测车型中通过率最高的。 ![](https://static.cnbetacdn.com/article/2025/0727/f49684eab97e0db.jpg) ![](https://static.cnbetacdn.com/article/2025/0727/09d9d3ff548e21c.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1515646.htm)

2025-07-27 05:35:49 · 0次阅读
 
 
特斯拉廉价版Model Y曝光:车内中通道断开、后排屏幕没了

特斯拉近日发布了二季度财报,在销量持续下滑的背景下,特斯拉二季度营收、净利润均呈两位数下滑。为提振特斯拉的业绩预期,特斯拉CFO透露,“更实惠的特斯拉新车”,**今年上半年已经在Model 3/Y产线上开始投产,预计下半年就量产。马斯克本人也确认,这个新车可能就是廉价版的Model Y。** 今日,有博主发现了“廉价版Model Y”伪装车的身影,虽然车身被伪装黑布包裹的严严实实,但仍透露出不少信息。 具体来看,廉价版Model Y整体和Model Y没有太大区别,但车身长度有所缩水。 新车还取消了尾部的一体式灯带,**尾灯换装了分体式大灯,同时也取消了漫反射尾灯的设计。** 车内最大的变化就是中通道采用断开式设计,牺牲了部分储物空间,后排出风口上方的屏幕取消,且腿部空间明显缩减。 [![](https://static.cnbetacdn.com/article/2025/0727/cb9740bb05fe3d1.png)](//img1.mydrivers.com/img/20250727/21777ee9a3e443fa93f389555cf0fc80.png) 车内A柱上取消了高音喇叭,车顶也取消了全景天幕,采用常规的金属车顶,且没有设计天窗。车辆座椅的侧翼由此前的皮质换装为织布材质。 [![](https://static.cnbetacdn.com/article/2025/0727/7c9474430a133c6.png)](//img1.mydrivers.com/img/20250727/b77f16de384443d1b4507af7ad1866ad.png) 整体来看,特斯拉廉价版Model Y的外观虽然没有做出太大的调整,但整车多项配置缩水,大幅压低车辆的生产成本。 目前,特斯拉Model Y国内售价为26.35万元起,**你觉得廉价版Model Y的售价,能够进入到20万元以内吗?** [![](https://static.cnbetacdn.com/article/2025/0727/3d89ebd4d639abc.png)](//img1.mydrivers.com/img/20250727/acfcc753639d44bebf197eeb8241c097.png) [查看评论](https://m.cnbeta.com.tw/comment/1515642.htm)

2025-07-27 05:35:34 · 0次阅读
 
 
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210310410510610710810911011111211311411511611711811912012112212312412512612712812913013113213313413513613713813914014114214314414514614714814915015115215315415515615715815916016116216316416516616716816917017117217317417517617717817918018118218318418518618718818919019119219319419519619719819920020120220320420520620720820921021121221321421521621721821922022122222322422522622722822923023123223323423523623723823924024124224324424524624724824925025125225325425525625725825926026126226326426526626726826927027127227327427527627727827928028128228328428528628728828929029129229329429529629729829930030130230330430530630730830931031131231331431531631731831932032132232332432532632732832933033133233333433533633733833934034134234334434534634734834935035135235335435535635735835936036136236336436536636736836937037137237337437537637737837938038138238338438538638738838939039139239339439539639739839940040140240340440540640740840941041141241341441541641741841942042142242342442542642742842943043143243343443543643743843944044144244344444544644744844945045145245345445545645745845946046146246346446546646746846947047147247347447547647747847948048148248348448548648748848949049149249349449549649749849950050150250350450550650750850951051151251351451551651751851952052152252352452552652752852953053153253353453553653753853954054154254354454554654754854955055155255355455555655755855956056156256356456556656756856957057157257357457557657757857958058158258358458558658758858959059159259359459559659759859960060160260360460560660760860961061161261361461561661761861962062162262362462562662762862963063163263363463563663763863964064164264364464564664764864965065165265365465565665765865966066166266366466566666766866967067167267367467567667767867968068168268368468568668768868969069169269369469569669769869970070170270370470570670770870971071171271371471571671771871972072172272372472572672772872973073173273373473573673773873974074174274374474574674774874975075175275375475575675775875976076176276376476576676776876977077177277377477577677777877978078178278378478578678778878979079179279379479579679779879980080180280380480580680780880981081181281381481581681781881982082182282382482582682782882983083183283383483583683783883984084184284384484584684784884985085185285385485585685785885986086186286386486586686786886987087187287387487587687787887988088188288388488588688788888989089189289389489589689789889990090190290390490590690790890991091191291391491591691791891992092192292392492592692792892993093193293393493593693793893994094194294394494594694794894995095195295395495595695795895996096196296396496596696796896997097197297397497597697797897998098198298398498598698798898999099199299399499599699799899910001001100210031004100510061007100810091010101110121013101410151016101710181019102010211022102310241025102610271028102910301031103210331034103510361037103810391040104110421043104410451046104710481049105010511052105310541055105610571058105910601061106210631064106510661067106810691070107110721073107410751076107710781079108010811082108310841085108610871088108910901091109210931094109510961097109810991100110111021103110411051106110711081109111011111112111311141115111611171118111911201121112211231124112511261127112811291130113111321133113411351136113711381139114011411142114311441145114611471148114911501151115211531154115511561157115811591160116111621163116411651166116711681169117011711172117311741175117611771178117911801181118211831184118511861187118811891190119111921193119411951196119711981199120012011202120312041205120612071208120912101211121212131214121512161217121812191220122112221223122412251226122712281229123012311232123312341235123612371238123912401241124212431244124512461247124812491250125112521253125412551256125712581259126012611262126312641265126612671268126912701271127212731274127512761277127812791280128112821283128412851286128712881289129012911292129312941295129612971298129913001301130213031304130513061307130813091310131113121313131413151316131713181319132013211322132313241325132613271328132913301331133213331334133513361337133813391340134113421343134413451346134713481349135013511352135313541355135613571358135913601361136213631364136513661367136813691370137113721373137413751376137713781379138013811382138313841385138613871388138913901391139213931394139513961397139813991400140114021403140414051406140714081409141014111412141314141415141614171418