Anthropic公司的最新旗舰人工智能模型Claude 3.7 Sonnet使用不到10^26 FLOPs的计算能力进行训练，花费了"数千万美元"。这是沃顿商学院教授伊桑-莫利克（Ethan Mollick）的说法，他在周一的一篇 X 帖子中转述了他从 Anthropic 公关部收到的澄清。 "Anthropic 联系了我，告诉我 Sonnet 3.7 不会被视为 10^26 FLOP 模型，成本也不会达到数千万美元，"[他写道](https://x.com/emollick/status/1894258450852401243)，"尽管未来的模型会更大。"  假设Claude 3.7 Sonnet 的训练成本确实只有"数千万美元"，这还不包括相关费用，那么这表明发布最先进模型的成本正在变得相对低廉。 Anthropic 首席执行官达里奥-阿莫代（Dario Amodei）在最近的一篇文章中透露，2024 年秋季发布的 Sonnet 的前身 Claude 3.5，[同样花费了数千万美元进行训练](https://darioamodei.com/on-deepseek-and-export-controls)。 这些费用总额与 2023 年顶级模型的培训价格相比毫不逊色。 [据](https://www.techradar.com/pro/openai-spent-usd80m-to-usd100m-training-gpt-4-chinese-firm-claims-it-trained-its-rival-ai-model-for-usd3-million-using-just-2-000-gpus)OpenAI首席执行官山姆-阿尔特曼（Sam Altman）称，为了开发GPT-4模型，OpenAI花费了1亿多美元。 同时，根据斯坦福大学的一项研究[估计](https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_2024_AI-Index-Report.pdf)，Google为训练其 Gemini Ultra 模型花费了近 2 亿美元。 尽管如此，阿莫迪预计未来的人工智能模型[将花费数十亿美元](https://www.businessinsider.com/anthropic-ceo-cost-10-billion-train-ai-years-language-model-2024-4)。 当然，培训成本并不包括安全测试和基础研究等工作。 此外，随着人工智能行业开始采用"推理"模型来解决复杂问题，运行模型的计算成本可能会继续上升。 [查看评论](https://m.cnbeta.com.tw/comment/1481628.htm)

今天早些时候，Framework Computer 举行了一次虚拟和现场活动，宣布了他们的第二代产品，包括搭载全新 Ryzen AI Max SoC 的 mini-ITX 台式机、Framework Laptop 12 的二合一可转换笔记本电脑，以及用于 Framework Laptop 13 的 Ryzen AI 300 系列 SoC/主板选项。  Framework的新款Framework 12可折叠笔记本电脑、令人兴奋的mini-ITX Ryzen AI Max台式机或主板（如果需要的话），以及最终升级到Ryzen AI 300系列的Framework Laptop 13获得Zen 5处理器，都让人眼前一亮。 搭载 Ryzen AI 300 系列的 Framework Laptop 13 起价为 899 美元，4 月份开始出货。 Framework Desktop 要到第三季度初才开始出货，起价为 1099 美元，装备 AMD Ryzen AI Max。 Framework Laptop 13 将于 4 月开始预订，并于 2025 年年中开始发货。 自今天早些时候发布消息以来，Framework 网站的流量一直居高不下，而且他们仍在对访问网站设置等待时间/队列.... 因此，由于网站宕机，他们有意推迟了这一消息的发布。 希望了解更多信息的用户可通过[frame.work](https://frame.work/blog)了解。 [查看评论](https://m.cnbeta.com.tw/comment/1481622.htm)

Linux 内核小组中最近发生的 Rust 争议事件的部分原因是 Christoph Hellwig 表示反对将 Rust 绑定到他作为维护者之一的 DMA 映射帮助程序中。[Merged](https://git.kernel.org/pub/scm/linux/kernel/git/torvalds/linux.git/commit/?id=f7d5db965f3e) 到 Linux 6.14 Git 的内核正在更新 DMA 映射维护者条目。 Christoph Hellwig 删除了自己的 DMA 映射维护者身份，并解释说： <blockquote>&#34;Marek 慷慨地提出维护 dma-mapping 树。&#34;</blockquote> Marek Szyprowski 现在似乎将独自维护 DMA 映射帮助程序。 他和 Linus Torvalds 签署了删除 Hellwig 维护者身份的补丁。  辞任后，Hellwig 将继续（共同）维护内核中的 NVMe 驱动程序、NVMe 目标驱动程序、个性处理和 FreeVXFS 文件系统区域。 [查看评论](https://m.cnbeta.com.tw/comment/1481620.htm)

今天上午9点，DeepSeek继续履行开源周承诺，发布了开源**DeepGEMM**。该帖子一经转发，立即引来了**2.1万**阅读量，足以见其在国内外受到追捧的热度。据了解，DeepGEMM是一个专注于为**FP8**高效通用矩阵乘法（GEMM）库，支持普通及混合专家（MoE）分组的矩阵计算需求，可动态优化资源分配以提升算力效率。 该库基于**CUDA**开发，采用**轻量级即时编译（JIT）模块**，在运行时动态编译内核，无需预先编译安装。 值得一提的是，DeepGEMM设计目标是为**DeepSeek-V3/R1模型**的训练与推理提供简洁高效的底层支持，尤其针对**Hopper架构GPU（如H800）优化**，兼顾高性能与低成本。 作为开源周的第三项成果，DeepGEMM的发布延续了DeepSeek此前开源模型与工具（如FlashMLA）的策略，进一步降低高性能计算技术的应用门槛。 另外，本次开源属于DeepSeek“开源周”（2月24日-28日）的第三项项目，此前已发布**FlashMLA（高效解码内核）和DeepEP（专家并行通信库）**。   [查看评论](https://m.cnbeta.com.tw/comment/1481616.htm)

日前，国家广电总局、工信部、网信办等部门召开了治理电视“套娃”收费和操作复杂工作总结部署会。**会上介绍，目前已经完成机顶盒内置化电视机样机研制，****为实现取消机顶盒、彻底解决操作复杂问题奠定了基础。** 未来观看直播再也不用插个大盒子，还要单独遥控器控制了，方便很多。 另外，由广电总局联合多家单位共同研发的三模通用遥控器和插入式微型机顶盒，于2024年成功推出并开启试点推广，今年会在全国范围内实现规模化应用。 **其中，插入式微型机顶盒尺寸比传统的机顶盒小很多，可以像普通U盘一样直接插到电视上，**实现了机顶盒小型化、隐藏化、减少连线的目标，美化家庭电视环境，使用起来更方便整洁。  采用统一的IP接口，可在全国范围内全部有线电视和IPTV网络环境下使用，使得机顶盒规模化采购成为可能，从而降低机顶盒生产与采购成本。 **三模通用遥控器是指采用红外、蓝牙和星闪三种无线通讯模式，**可以实现一个遥控器对电视机和机顶盒的按键和语音控制，减少了遥控器的数量。 [查看评论](https://m.cnbeta.com.tw/comment/1481614.htm)

特斯拉中国日前宣布，2024.45.32.12已开始分批次推送，城市道路Autopilot自动辅助驾驶功能上线，这也意味着特斯拉FSD正式落地中国。但有些车主的速度更为惊人，已快进到被封禁使用的阶段，**昨天开始推送FSD，当晚就被特斯拉封禁。** 网友分享的图片显示，**该车主车机弹窗提醒“由于一直使用不当，自动辅助转向（Beta）和FSD智能辅助驾驶已被暂时移除，这两项功能将在大约一周后恢复”。**  而根据特斯拉FSD智能辅助驾驶页面介绍，使用不当包括分心驾驶，未关注前方路况及长时间不扶方向盘，累计违规5次的话，FSD功能将会被暂时禁用。 此外，特斯拉官方客服日前还解释，此次更新是分批次推送，为官方灰度测试。 **国内推出的智能辅助驾驶目前仅L2级别，尚不能实现美国FSD的完全无人驾驶功能。** 同时，特斯拉官网已经将此前FSD订购页面描述由“完全自动驾驶能力”修改为“FSD智能辅助驾驶功能”。 [](//img1.mydrivers.com/img/20250226/df23e54013f6408da321581451ec049b.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1481612.htm)

目前Google已经从 Chrome 浏览器中移除 Manifest v2 扩展程序协议的支持，同时Google还移除 blockingWebRequest 选项，该选项通常被广告拦截扩展程序使用。在 Manifest v3 扩展程序协议中Google提供了替代方案供广告拦截扩展程序使用，但存在诸多功能限制，以至于体验要比 v2 差不少，拦截率也会降低。 [](https://static.cnbetacdn.com/article/2021/0529/d7d78f33e6ace46.jpg) 那未来Firefox浏览器会弃用 Manifest v2 以及用于封锁请求的选项吗？Mozilla基金会在一份声明中表示未来Firefox浏览器将同时保留 v2 和 v3 协议以及拦截选项。 Mozilla基金会工程师： <blockquote><p>说到 Mozilla 的未来有很多值得担忧的地方，但至少在这件事上Mozilla基金会采取了真正以用户为先的正确立场。Google利用 Manifest v3 作为削弱 Chrome 中广告拦截的借口并不奇怪，因为广告拦截会削弱Google最重要的收入来源。如果你仍然使用 Chrome，仅凭这点就足以成为改用 Firefox 的理由，这样你就可以保留最理想的广告拦截形式。</p></blockquote> 最流行的广告拦截扩展程序之一 uBlock Origin 目前在 Chromium 平台提供了基于 v3 的版本，该版本被称作 uBlock Origin Lite 版，因为其拦截率不如常规版本。 而Google将在 2025 年 6 月彻底从 Chromium 中删除关于 v2 的代码，到时候 Chrome 将彻底停用所有 v2 扩展程序，用户如果继续使用 Chrome 那只能选择基于 v3 的广告拦截程序。 [查看评论](https://m.cnbeta.com.tw/comment/1481610.htm)

雷峰网消息，在2025全球开发者先锋大会上，商汤大装置推出了开源、低代码的大模型应用开发框架——LazyLLM，它能帮助开发者以低至10行左右代码，就能轻松构建复杂、定制化的多Agent大模型应用，让打造爆款应用不再成为难题。   图注：“Lazy”意为“懒惰”，商汤取名为“LazyLLM”，希望用户无需具备高超的技能或复杂的操作，越“懒”，就越能帮助用户轻松解决问题。 LazyLLM已在GitHub上开源，欢迎广大开发者体验使用： 项目地址：https://github.com/LazyAGI/LazyLLM 项目文档：docs.lazyllm.ai **开源LazyLLM，仅需10行代码即可完成整个应用开发** 要让一个AI应用，能够真正解决实际问题，它就需要不断基于数据进行迭代。应该如何进行高效的迭代？这也是许多开发者面临的难题。 商汤大装置的LazyLLM提供了这个问题的解法。它将商汤内部在大模型和应用开发中，对AI Native开发范式的沉淀和经验，作为工具面向广大开发者开源，帮助大家以最简单的方法和最少的代码，像搭乐高积木一样快速构建复杂、强大的多Agent AI应用原型。 有了这一快速、高效、低门槛的路径，AI应用开发的门槛将大幅度降低。 LazyLLM拥有许多核心亮点，它采用以数据流为核心的应用开发范式，可通过Pipeline、Parallel、Switch、If、Loop、Diverter、Warp、Graph等数据流拼接已有组件或其他开源软件，不断提升数据效果。   LazyLLM利用轻量网关实现了复杂应用的一键部署，使开发者能够更快地把意图识别、知识库检索能力、大模型能力等拼到一起，快速实现产品落地。当开发完成后，智能体可一键将其部署到网页、企业微信、钉钉等平台。   应用搭建过程中，LazyLLM还提供了简洁的代码设计体验，通过精细化模块设计和符合直觉的代码风格，助力开发者集中精力打造爆款产品。      以实现一个数学公式为例，通过LazyLLM仅需10行代码，就可以实现LangChain用15行代码，LlamaIndex用30多行代码才能完成的功能。 LazyLLM还对多种模型服务进行了封装，让开发者在对不同技术进行选型时，也能获得统一的体验，实现统一调用、统一服务、统一部署，灵活试验各种基模型、训推框架与数据库。     实际应用中，开发者利用LazyLLM，仅需10行左右的代码即可搭建完整的RAG多路召回应用。针对企业级知识库构建，Lazy也可帮助实现公司文档的频繁增删改查、支持向文档模块中注册自定义Reader、公司文档分类管理等任务。      此外，LazyLLM还解决了部分国外工具本土化适配不足的问题，并在这点上得到许多国内开发者认可。   **万象平台，一站式赋能AI应用落地全流程**   为进一步再次降低开发门槛，商汤大装置还推出了万象平台，它是基于LazyLLM构建的完整的模型开发平台与Agent应用开发平台，为用户提供一站式的、AI应用落地的全流程最优方案。   在低代码的基础上，万象平台彻底降低了对代码的要求，用户可以不会任何编程技巧，最低不写一行代码，只要懂业务的数据流程、数据链路，就可以通过可视化的拖拉拽操作，自动生成代码、完成部署，快速搭建私有化大模型应用。     作为面向企业级模型开发与管理的一站式服务平台，万象平台具备模型管理、精调、推理、评测等全方位功能，可提供商汤“日日新”大模型，以及包括DeepSeek系列模型在内的几百种开源大模型，做到开箱即用，仅需一分钟就可以搭建起整个应用开发的pipeline。随后，通过快速的搭建、试错、上架、迭代，以及使用，实现从应用开发到迭代的完美闭环。 其中，针对用户不同的场景特性，商汤大装置可基于不同模型，进行高效推理和微调，帮助用户“花一块钱的算力，得到两块钱的效果”。雷峰网获悉，在最近SuperClue发布的针对DeepSeek-R1满血版的第三方API测评中，商汤大装置位居免费版API排名第一，充分体现了大装置及万象平台的工程能力。  在搭建应用的拖拉拽操作中，万象平台共支持23种画布控件，13种类型的资源控件，无限画布嵌套，并在企业级场景下支持多人协同编辑，能够基于知识库的场景或者微调数据集数据库的部分，实现一站式LLM应用开发、RAG核心算法编排、多模态模块编排等，实现本地部署与私有化交付。 例如，在多模态客服问答机器人场景，普通开发者可能需要花费一周时间进行模型微调、串联各个功能，才能形成一个完整的Agent应用。利用万象平台，开发者可以通过低代码拖拉拽的方式快速实现多种功能，无论是查询快递、智能客服，还是转接人工服务，都能通过大模型的意图识别和分割，精准将客户引导至相应的处理流程，极大提升开发效率。 雷峰网目前了解到，基于LazyLLM和万象平台，商汤大装置已为众多行业，提供AI应用落地方法的AI综合解决方案，覆盖金融、建筑、航空航天等10个行业场景，并助力30余家企业组织实现AI能力的提升与落地，让AI能力转化为生产力，实现数智化转型升级。

DeepSeek 开源项目第三弹来了 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1615619) ·[查看评论](https://www.ifanr.com/1615619#comments) ·[新浪微博](https://weibo.com/ifanr)

两周前，Figure 宣布停止与 Open AI 的联姻，并丢下一个预告，将会未来 30 天内推出“人形机器人上从未见过的东西”。 勾起不少人好奇心的 Figure，这回终于丢出了一个重磅：将首个自研具身模型 Helix 装入机器人Figure。Figure 创始人兼 CEO Brett Adcock 表示，有了大脑 Helix 的加持，机器人能够拾取任何家庭物品。  视频画面中，一台桌子，一台冰箱，两个机器人合伙一同整理物品，将它们从未见过的物品挨个分门别类放好。动作全程行云流水，无比丝滑。 尤其是两机器人传递物品时抬头的那一对望，让不少网友直呼机器人仿佛有了意识，“原来这就是心电感应”。 这得益于 Helix 对机器人上半身的全控制，其中涵盖手腕、躯干、头部和各个手指，能够对机器人上半身进行高速率的连续控制。 同时，视频中还罕见地展示了多个机器人间的协作与配合。“多机协作是一个亮点，不过这次 Figure 机器人之间的协作任务还比较简单。”一位从业者告诉 AI 科技评论，多机协作的交互和规划会是一个重要课题，但目前优先级还是让单一机器人能真正落地干活，这也是当下机器人厂商普遍的发力点。 在具体任务的执行上，Figure 表示，只要向机器人发话，机器人便能拾取各种各样从未见过的家庭用品。比如拾取生活中的各种物品，玩具，杯子等等。  不过，正和其他机器人厂商一样，目前 Helix 仍还处在比较早期的阶段。 ### 实现高速上半身控制，达到多机器人协作 Helix 是一个通用的“视觉-语言-感知”（VLA）模型，将感知、语言理解和学习控制统一起来，取得一系列首创： - 整个上身控制：首次对人形机器人上半身（包括手腕、躯干、头部和各个手指）进行高速率连续控制的VLA。 - 多机器人协作：首个同时在两个机器人上运行的VLA，能够使用从未见过的物品解决共享的远程操作任务。 - 拿起任何东西：只需按照自然语言提示，就能拿起几乎任何小型家居物品，包括数千种它们从未遇到过的物品。 - 一个神经网络：与之前的方法不同，使用一组神经网络权重来学习所有行为（挑选和放置物品、使用抽屉和冰箱以及跨机器人交互），而无需任何针对特定任务的微调。 - 已做好商业准备：首款完全在嵌入式低功耗 GPU 上运行的 VLA，可立即进行商业部署。 在对机器人上半身的控制上，Helix 能以 200Hz 频率协调 35 自由度动作空间，让机器人的上半身从手指、手腕到头部的动作流畅高效。头部与躯干控制存在独特挑战——当头部移动时，将会改变机器人的接触距离和视线范围，以往这种变化会导致机器人不稳定。 视频中，机器人用头部平稳地跟踪双手，同时调整躯干以获得最佳范围，同时保持精确的手指控制以抓握物品。Figure 表示，此前还没有 VLA 能展示这种程度的实施协调，同时保持多任务泛化能力。  Figure 还尝试了将 Helix 运用在一个高难度多智能体操作场景中：两台 Figure 机器人之间协作实现零样本杂货存放。这两台机器人都采用了相同的 Helix 模型权重进行操作，不再需要对机器人进行训练或分配角色，它们之间能通过自然语言进行合作。 如下面视频中所展示的，“将一袋饼干递给你右边的机器人”或“从你左边的机器人那里接过一袋饼干并将饼干放在打开的抽屉里”，两台机器人能灵活协同处理问题。  搭载 Helix 的机器人还展现出了强大的泛化能力。只要一个简单的“拿起 [X]”命令，机器人几乎能拿起所有的小型家庭用品。在系统测试中，机器人成功处理了杂乱无章的数千件新物品），不需要任何事先演示或自定义编程。 更难得的是，Helix 能弥合语言理解与机器控制之间的距离。例如，当指示机器人“捡起沙漠物品”时，Helix 不仅能识别出玩具仙人掌，还能选择最近的手去抓住物品。这种通用的“语言到动作”的掌握能力，让机器人部署在非结构化环境中有了新可能。  Figure 创始人 Brett Adcock 表示，团队花了一年多的时间研发出了 Helix，让人形机器人无需经过任何训练、代码，就能抓取几乎任何家庭用品。 ### 首创“系统 1、系统 2” VLA，慢思考与快思考 Helix 是首创的“系统 1、系统 2”VLA 模型，可对人形机器人的整个上半身进行高速、灵巧的控制。 先前的方法面临着一个选择：VLM主干网络具有通用性但速度不快，机器人视觉运动策略速度快但通用不足。而 Helix 通过两个互补的系统解决了这一权衡，这两个系统经过端到端的训练，可以实现通信： - 系统 2 (S2)：一个机载互联网预训练的 VLM，以 7-9 Hz 的频率运行，用于场景理解和语言理解，从而实现跨对象和上下文的广泛概括。 - 系统 1 (S1)：一种快速反应的视觉运动策略，将 S2 产生的潜在语义表征转化为 200 Hz 的精确连续机器人动作。 这种解耦架构允许每个系统在其最佳时间尺度上运行。S2 可以“慢慢思考”高级目标，而 S1 可以“快速思考”以实时执行和调整动作。 Figure 所采用的分层式的架构具备分而治之的优势，能对不同任务模块进行独立优化和迭代。目前业内分层式架构和一体式架构并存，后者有 1X Technologies、星动纪元等机器人厂商代表。这两种方案并无显著优劣之分，都还在探索阶段。 与现有方法相比，Helix 的设计有几个主要优势： - 速度和泛化：Helix 匹配专门的单任务行为克隆策略的速度，同时将零样本推广到数千个新颖的测试对象。 - 可扩展性：Helix 直接输出高维动作空间的连续控制，避免了先前 VLA 方法中使用的复杂动作标记方案，这些方案在低维控制设置（例如二值化并行夹持器）中已取得一些成功，但在高维人形控制中面临扩展挑战。 - 架构简单：Helix 使用标准架构 - 用于系统 2 的开源、开放权重 VLM 和用于 S1 的简单的基于变压器的视觉运动策略。 - 关注点分离：将 S1 和 S2 解耦，我们可以分别在每个系统上进行迭代，而不受寻找统一的观察空间或动作表示的限制。 Figure表示，Helix 以极少的资源实现了强大的泛化能力，一共使用了约 500 小时的高质量监督数据来训练 Helix，仅占此前采集的VLA数据集的一小部分（＜5%），而且不依赖机器人实体收集数据或多阶段训练。 尽管数据要求相对较小，但 Helix 可以扩展到更具挑战性的动作空间，即完整的上半身人形控制，具有高速率、高维度的输出。 视频来源&amp;参考链接：https://www.figure.ai/news/helix 雷峰网雷峰网

 据Bloober Team官网消息， Bloober Team将与Konami继续展开合作，并宣布签署新的联合项目协议。继最受期待的心理恐怖游戏之一《寂静岭2 重制版》重制版大获成功之后，该开发商现在正在专注于一款基于Konami旗下IP的新作。  Bloober Team首席执行官Piotr Babieno表示： <blockquote>我们与Konami的合作硕果累累，《寂静岭2 重制版》的成功就是明证。通过分享知识和经验，我们能够共同创作出高质量的作品。当然，目前我们不能透露太多细节，但我们相信粉丝们会和我们一样对这次的合作感到兴奋。我们迫不及待地想在适当的时候与玩家分享一些真正特别的东西。 </blockquote>  虽然该项目的细节仍无法确定，但可以肯定的是，该游戏将基于Konami的IP，它也将继续担任该游戏的发行商和版权持有者。 

“工厂-店”模式既是它的下限，也是它的上限

郑州首店选在郑州东站。

<blockquote><p>本文将探讨一些实用的订阅优化技巧，包括用户获取与转化策略、定价和测试、用户体验的简化和个性化、以及留存与续费策略等方面。通过深入分析这些要素，开发者可以更好地理解如何提升订阅收入，最终实现可持续增长。</p> </blockquote>  根据Statista的数据显示，2023年全球应用订阅收入达到1600亿美元，预计到2025年将增至2000亿美元。然而，仅仅依靠获取用户并不足以确保成功，如何有效转化用户并保持他们的订阅状态同样至关重要。 ## 一、用户获取与转化优化 ### 1. 用户获取策略的基础 在订阅模式中，成功获取用户是提升收入的第一步，更关键的是将这些用户转化为付费订阅用户。根据App Annie的研究，68%的用户会在首次使用应用的前三天内决定是否订阅。因此，对于新手来说，精准锁定目标用户群体至关重要。 首先，需要分析市场上类似应用的用户群体，以确定他们的特征、需求和使用场景。这将帮助你优化广告投放和营销策略，更有效地吸引高质量的潜在用户。 此外，用户获取策略不应仅限于广泛的市场推广，还需关注不同渠道的效果分析。例如，通过追踪各渠道的用户获取成本（CPA）和转化率，找出性价比最高的渠道，从而优化营销预算。在此过程中，持续测试和优化用户获取策略将显著提升转化率。 ### 2. 定价策略与测试 成功的定价策略是提升订阅收入的关键因素之一。新手常犯的错误是设定单一的订阅价格，忽视了不同用户对价格的敏感度。研究表明，超过70%的用户愿意选择年订阅而非月订阅，因其通常提供显著的折扣和更好的价值。 通过设定多种定价方案（如月度、季度和年度订阅），并针对不同用户群体进行A/B测试，你可以找到最吸引用户的价格点。A/B测试有助于验证不同定价策略的效果。例如，可以测试月度订阅与年度订阅之间的价格弹性，分析用户的订阅倾向和支付能力。 通过对比不同价格方案的转化率和用户留存率，可以调整订阅价格和套餐组合，以最大化订阅收入。 ## 二、订阅流程与用户体验优化 ### 1. 简化的订阅流程 简洁顺畅的订阅流程对于提高转化率至关重要。用户在应用内的每一步操作都可能影响他们的订阅意愿，因此，优化用户体验显著提高订阅成功率。 首先，确保订阅流程尽可能简洁，减少不必要的步骤。每增加一个点击或输入步骤，都会增加用户流失的风险。根据 Nielsen Norman Group 的研究，减少流程中的步骤可提高转化率高达30%。建议从用户角度出发，审视每个步骤的必要性，以进一步简化流程。 此外，透明的价格和清晰的价值传递也是关键。在用户进行订阅之前，明确展示价格、订阅周期和服务内容，以避免因对订阅内容不清晰而导致的退款或取消订阅。 ### 2. 个性化的用户体验 个性化体验能够显著提升用户满意度和转化率。根据 McKinsey 的研究，个性化推荐能够使转化率提升5到10倍。通过分析用户行为数据，可以提供更符合其需求的订阅建议和内容推荐。例如，基于用户过去的行为记录，可以推荐最适合他们的订阅计划或特定功能。这种个性化推荐不仅提高了用户的订阅意愿，还能增强他们对应用的依赖性，提高留存率。 个性化不仅限于订阅推荐，还可以体现在订阅提醒、优惠通知等多个环节。通过深入分析用户行为，开发者可以制定更精准的个性化策略，从而提升整体用户体验和订阅转化率。 ## 三、用户留存与订阅续费策略 ### 1. 提高用户留存率 用户留存是订阅模式中至关重要的一环。仅仅依靠获取新用户远远不够，保持现有用户活跃并促使他们续订才是关键。根据 App Institute 的数据，留存率提高5%可以带来25%到95%的利润增长。数据分析在这里发挥巨大作用。 通过监测用户使用频率、交互行为和应用中的关键事件，可以识别流失风险用户群体。针对这些用户，制定主动挽留策略。例如，当发现某类用户在订阅即将到期前使用频率下降时，可以通过发送定制优惠或提醒，刺激他们续订。这种针对性干预措施有助于提高用户留存率和续订率。 ### 2. 订阅续费的最佳实践 续费提醒是防止用户流失的有效工具，但其方式需谨慎设计，避免给用户造成打扰。除了基础的续费提醒外，优化续费流程也能提升用户的续订意愿。例如，提供一键续费功能、展示续费后的新增功能或福利，都是有效提高续订率的策略。 另一个关键策略是通过长期订阅计划锁定用户。例如，可以通过提供年订阅折扣或会员奖励计划，鼓励用户选择更长周期的订阅。根据 Statista 的研究，选择年度订阅的用户比选择月度订阅的用户续费率高出近40%。这不仅能提高收入的稳定性，还能减少用户取消订阅的可能性。 ## 四、数据驱动的收入优化 ### 1. 关键数据指标的追踪 在优化订阅收入过程中，数据是决策的基础。关键指标如订阅转化率、用户生命周期价值（LTV）和每用户平均收入（ARPU）是衡量应用成功的核心指标。根据 App Radar 的数据显示，LTV 的提升与订阅转化率之间存在直接关系。通过对这些数据的分析，可以了解不同渠道、定价策略和用户群体的表现，并据此进行调整。 定期跟踪这些数据，有助于识别收入增长的瓶颈，并制定有针对性的优化策略。例如，如果发现某个用户群体的ARPU较低，可以分析原因并调整营销策略或优化产品功能，以提升该群体的收入贡献。 ### 2. 持续优化的策略 订阅收入优化并非一次性任务，而是一个持续过程。市场趋势、用户需求和竞争环境都在不断变化，因此，定期的策略调整是保持竞争力的关键。通过定期分析数据，开发者可以识别市场变化并迅速反应，例如调整定价、推出新的订阅计划或优化用户体验。 持续优化意味着要时刻关注市场趋势和用户反馈，保持应用的吸引力和竞争力。根据 HubSpot 的研究，80%的公司表示持续优化是提高客户满意度和忠诚度的关键。只有通过不断的迭代和优化，才能在激烈的市场竞争中立于不败之地。掌握以上订阅优化技巧的新手开发者将能够更有效地提升应用的订阅收入。在优化过程中，持续学习和数据驱动的决策将是取得成功的关键。 通过掌握这些订阅优化技巧，你可能会想知道如何更有效地实施这些策略并进一步提升应用的订阅收入。在这个过程中，订阅宝将发挥重要作用。 ### 3. 了解特定类型APP的市场情况 如果你正在开发或优化特定类型的应用（如健身、教育、生产力等），订阅宝可以为你提供相关市场的最新动态和趋势分析。你可以了解该类型应用的普遍定价、订阅模式和用户偏好，从而更有针对性地调整订阅策略。 ## 总结 在这个瞬息万变的应用市场中，掌握订阅优化技巧和数据驱动决策是提升收入的关键。利用订阅宝这一强大工具，将帮助你在复杂的市场环境中找到成功之路，确保你的应用在激烈的竞争中脱颖而出。 本文由 @Jason Yu 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

癌症是怎么得的？这是很多人都关心的问题。众所周知，大多数癌症的发病原因还没有完全弄清楚，但一个基本共识是：癌症发病不是某个单一因素，而是多因素综合作用的结果。所谓多因素，包括遗传因素（内因）、环境因素（外因），而环境因素可不只是指通常我们所说的空气质量大气环境，而是泛指各种外因，包括物理因素、化学因素、生物因素，生活方式和饮食因素等。 “癌”这个字很有意思，含有三个“口”，似乎暗示着癌症与饮食的关系。事实上，**饮食与癌症确实关系密切。** 癌症与饮食有着怎样的关系？怎样的吃法最容易致癌？**我们整理了七种日常生活中常见的易致癌饮食习惯，大家一定要避免！** 我们先来了解下**致癌物的等级划分情况。** **1 类致癌物：**对人为确定致癌物。 **2A 类致癌物：**对人很可能致癌，此类致癌物对人致癌性证据有限，对实验动物致癌性证据充分。 **2B 类致癌物：**对人可能致癌，此类致癌物对人致癌性证据有限，对实验动物致癌性证据并不充分；或对人类致癌性证据不足，对实验动物致癌性证据充分。 [](https://static.cnbetacdn.com/thumb/article/2022/0306/d554ec4d2b55e69.jpg) **1.吸烟喝酒，错上加错** **烟酒均为 1 类致癌物。**烟草包括吸烟、吸二手烟、无烟烟草以及各种烟草制品等；酒精包括所有含酒精的饮料饮品，与酒精饮料摄入有关的乙醛、含酒精饮料中的乙醇。 吸烟喝酒，这老生常谈，但值得反复谈，太多的人并没有真正做到。 烟草中含有上千种有害化学物质，其中能直接引起癌症的就有几十种之多。吸烟是肺癌最重要的危险因素之一，这已经被大量的研究和事实所证明。吸烟还会增加口腔咽喉癌、食管癌、胃癌、膀胱癌、肾癌、乳腺癌等多种癌症的风险。二手烟的危害同样不能忽视。研究显示，吸烟者的家人得癌症的风险概率更高，受害最大的是儿童。 喝酒同样增加癌症风险。世界卫生组织曾发布癌症监控报告指出“要重视饮食，关注酒精在致癌中的作用”，告诫人们酒会致癌。研究表明，长期酗酒主要与肝癌、食管癌、胃癌、口腔癌及咽喉癌等有很大的关系。 饮酒与吸烟有协同致癌效应。烟雾和酒精对口腔、咽喉、食管、胃等的上皮组织既会带来直接伤害，而酒精作为一种有机溶剂，还会促进烟雾中某些化学致癌物更好地进入机体组织并释放出来产生致癌效应。吸烟又酗酒，错上加错，风险叠加，一加一大于二。 **2.无肉不欢，“欢<strong>”</strong>出癌症** **红肉（摄入）为 2A 类致癌物；加工肉类（摄入）为 1 类致癌物。** 红肉是营养学上的一个名词，是从肉的颜色上来说的，指的是在烹饪前呈现出红色的肉，具体来说猪肉、牛肉、羊肉、鹿肉、兔肉等，大多数哺乳动物的肉是红肉，含很高的饱和脂肪。相对应的是白肉，指肌肉纤维细腻，脂肪含量较低，做熟之前呈现出来的颜色通常是浅色（白色）的肉类，比如鸡鸭鹅肉，鱼虾贝蟹等非哺乳动物的肉。 世界卫生组织下属的癌症研究机构将红肉归在 2A 类致癌物清单中，嗜食红肉增加大肠癌等的风险。但这并不是说不要吃红肉，红肉富含矿物质尤其是铁元素，也含有丰富的蛋白质、维生素 B12、硫胺素、核黄素和磷等。红肉和白肉的营养成分和营养价值不一样，**不能简单地用白肉来替代红肉，红肉也具有不可替代的价值。红肉可以吃，但要适当控制量，**不要嗜食。 什么是加工肉？从字面上就可以知道，指的是经过加工的肉，具体来说就是经过盐腌、风干、发酵、烟熏或其他处理，用以提升口感或延长保存时间的肉类，比如香肠、热狗、火腿、腊肉等。 世界卫生组织下属的癌症研究机构致癌物清单中，加工肉类（摄入）归在 1 类致癌物清单中。食用加工肉制品可导致大肠癌/明显增加患癌风险，建议尽量吃新鲜肉。偶尔满足一下口福吃一点，通常问题也不会太大，但要知道，致癌没有所谓安全剂量，只是概率大小不同罢了，能少吃尽量少吃。 [](https://static.cnbetacdn.com/thumb/article/2021/0416/cdb103891ffe827.jpg) **3.炸烤腌咸，“香”出癌症** **烧烤熏制食品不完全燃烧产生的化学物质比如苯丙[α]芘为 1 类致癌物；中国式咸鱼 1 类致癌物；油炸，高温排放为 2A 类致癌物；传统亚洲腌菜为 2B 类致癌物。** 烤食很流行，满大街都是烤鱼烤肉店，香味诱人；以油条为代表的油炸类食品是中式早餐的标配之一；腌制食物更是受到很多人的青睐。这类食物很多是街边小摊上做的，食品卫生达不达标、食材是不是新鲜暂且不说，关键是其中含致癌物，比如苯并芘、丙烯酰胺、亚硝基化合物等，增加多种癌症特别是消化道癌症的风险。偶尔吃一下过过嘴瘾也许问题不大，但建议能不吃尽量不吃，能少吃尽量少吃，不要经常吃。 吃得太咸不只会增加高血压风险，高盐饮食还会破坏胃黏膜屏障，增加胃癌风险。有的人喜欢吃咸菜腌菜、咸鱼，很开胃下饭，但不健康，除了导致过多盐分摄入，其中还含有亚硝胺类化合物，都会增加胃癌等的风险。 **4.过期霉变，“毒”出癌症** **黄曲霉毒素为 1 类致癌物。** 由于储存不当或过期，食物容易发生霉变，这类霉变过期食物中含某些真菌及其代谢物，比如黄曲霉毒素，能将硝酸盐还原成亚硝酸盐，并促进亚硝胺的合成，增加患癌风险，比如肝癌。 [](https://static.cnbetacdn.com/article/2021/0820/8b490c5e6ec806c.png) **5.烫饮烫食，“烫”出癌症** **65℃ 以上的热饮（饮用）为 2A 类致癌物。** 烫食（超过 65℃ 以上），容易烫伤食管黏膜，一旦形成习惯，食管黏膜反复受损伤刺激，发生慢性食管炎，最终会增加食管癌等的风险。 **6.喜食槟榔，“嚼”出癌症** **槟榔（槟榔果、含烟草或不含烟草的槟榔嚼块）1 类致癌物。** 有些地方的居民有嚼食槟榔的习惯，有事没事嘴里嚼一颗槟榔，已然成为一种习惯。食用的槟榔包括槟榔果、含烟草的槟榔嚼块、不含烟草的槟榔嚼块，世界卫生组织明确将槟榔列为 1 类致癌物。 槟榔为什么会致癌？槟榔较硬，咀嚼过程中可能会机械性损伤口腔黏膜，这种损伤累积下来，时间一长会导致口腔黏膜下纤维性变，这是一种癌前病变，有可能转变为口腔癌；同时槟榔里的某些化学物质经咀嚼后，可能会形成亚硝基（一种明确的致癌化合物）。除了口腔癌，嚼食槟榔也与咽癌、喉癌、食管癌等的发生有一定相关性。 **7.不良饮食习惯，“惯”出癌症** **不良的饮食习惯也是重要的致癌危险因素。** 有的人吃东西狼吞虎咽、暴饮暴食，不细嚼慢咽，有可能损伤消化道黏膜，产生慢性炎症增生病变，而且消化吸收不良，长期吃得过饱也增加胃肠负担，肠胃功能容易失调。加上饮食不规律，三餐不定时，饿一餐饱一餐，吃得过饱，食管和胃长期饱受摧残，同样有更高的患癌概率。 有的人有偏食习惯，营养不均衡，营养不足或过剩，搭配不合理，可能增加患癌风险。还有人习惯高糖高热量饮食，体重超标肥胖，同样增加患癌风险。 民以食为天。吃得正确，可能防癌；吃得不对，可能致癌。从今天开始，大家一起来注意饮食习惯吧。防癌从细节着手，尽管科学饮食不能保证肯定不得癌，但可以帮助我们降低患癌风险。 [查看评论](https://m.cnbeta.com.tw/comment/1481608.htm)

印度少年创心算奇迹，一日斩获六项吉尼斯世界纪录！**14岁的阿里安·舒克拉凭借超凡的心算能力，在一天内成功挑战六项心算极限，被吉尼斯世界纪录官方认证为&#34;人形计算器&#34;。** 这位数学天才在挑战中展现了惊人的计算速度：**仅用30.9秒就完成了100个四位数的加法运算，以18.71秒的速度完成了50个五位数的加法，**更在5分42秒内准确计算出十组20位数除以10位数的结果。这些令人瞠目结舌的表现，不仅刷新了人类心算能力的极限，也彰显了舒克拉在数学领域的天赋异禀。 舒克拉的数学天赋在六岁时就被父母发现。尽管父母表示这种能力并非遗传，而是源于舒克拉与生俱来的数学本能，但他们始终全力支持儿子发展这项特长。 **在父母的鼓励下，舒克拉12岁就在德国举办的心算世界杯中夺冠，展现出非凡的数学才能。** 为了保持顶尖水平，舒克拉每天坚持五到六小时的刻苦训练，并通过冥想练习来提升专注力。这位少年表示，成为&#34;心算神童&#34;是他一直以来的梦想，他对未来充满期待，希望能继续在数学领域创造更多奇迹。  [查看评论](https://m.cnbeta.com.tw/comment/1481606.htm)

之前京东发出公告称，目前外卖骑手的平均薪酬远低于京东快递小哥，为了薪酬公平性，未来一段时期签约的外卖全职骑手缴纳五险一金的所有成本。公告中指出，费用中包含个人所需缴纳部分，全部由京东承担，确保骑手现金收入绝不会因为缴纳五险一金而减少，此项举措包含现有骑手和新加入的骑手。 这引来诸多外卖小哥的欢呼，但消费者真的支持吗？ **有专家接受采访时介绍，以某外卖平台为例，初步缴纳的骑手数占全部骑手的11%-14%，第三方配送公司也可能会分摊成本，国海证券预测大概会导致其全年成本增加20亿，高盛给出的报告预计每笔订单增加1至2毛钱，尚处在可控水平。** 对此，更多的网友表示，“20亿对一个大企业也不是多少钱，多给外卖员一点保障吧，每次才涨价两三毛还好了影响不大。” 但也有不同的声音表示，并不支持这样的举措，认为不该什么事消费者买单，大家觉得呢？ [](https://n.sinaimg.cn/finance/transform/125/w550h375/20250214/022f-afce72a955e29f2324700218a13144c6.png) [查看评论](https://m.cnbeta.com.tw/comment/1481604.htm)

石头G30 Space探索版扫地机器人目前已经上市，首发6499元起。**G30 Space探索版在行业内首创五轴折叠仿生机械手设计，该机械手拥有5个灵活的关节，可轻松实现隐藏收纳。**更令人惊喜的是，G30 Space探索版还支持移动障碍物后的清扫、抓取散落物品等高级功能，以及360°高低双视角实时视频通话，为用户带来前所未有的智能清洁体验。 据悉，石头G30 Space探索版扫地机器人配备2.2万Pa吸力系统，能够轻松应对各类地面清洁挑战，它还融入了热水恒湿拖地功能，确保地面在清洁的同时保持适宜的湿度。 **折叠后的机身厚度仅为7.98cm，使其能够自如穿梭于家具底部，进行深度清洁。** 在智能化方面，G30 Space探索版扫地机器人内置了先进的RRmason 12.0算法，能够全方位感知环境，并自主规划出最优清扫路径，提升清洁效率。 同时，机器人还配备了传感器、按键和空间避障三重保护机制，确保在移动过程中能够安全、准确地避开障碍物，避免碰撞和跌落。 价格方面，**G30 Space探索版标准版首发6499元，G30 Space探索版上下水版首发6999元。**                             [查看评论](https://m.cnbeta.com.tw/comment/1481602.htm)

**中国国际海运集装箱（集团）股份有限公司成功研发出国内首款RAP主动式温控航空箱。**长期以来，国内航空公司在温控航空箱领域主要依赖进口产品。2020年，中集青冷特箱率先推出国内首款RKN主动式温控航空集装箱，打破了国外技术垄断。然而，RKN航空箱虽能通过蓄电池供电实现温度控制，但其数据无法实时上传，需人工每2小时检查一次，存在一定的局限性。 相比之下，全新研发的RAP航空箱在技术性能上实现了全面升级。首先，RAP航空箱采用循环风均匀送风技术，确保箱内温度分布更加均匀，控温精度显著提升。其次，通过物联网管理平台，用户可实时监控箱内温度、湿度及箱门开关状态，实现了运输全程的智能化管理。此外，RAP航空箱还配备了双备份电池和制冷机组，并内置10个温度探头，确保在复杂环境下仍能稳定运行，精准控温。  值得一提的是，RAP航空箱在运输过程中实现了“天地联动”的无缝对接。**疫苗等温敏货物装入航空箱后，从进入机场货舱开始即可实时监控温度；进入飞机货舱后，设备自动切换至“飞行模式”，将数据存储在本地；飞机降落后，数据会自动上传至物联网管理平台，确保全程可追溯、可监控。** 在性能方面，RAP航空箱采用轻量化设计，自重仅1040千克，优于国外同类产品。通过强化箱体保温、增大电池容量以及提升制冷机组能效比，RAP航空箱在-10℃至30℃的环境温度下，可将箱内温度稳定控制在5℃，续航时间长达30小时以上，充分满足了长距离航空运输的需求。 中集相关负责人表示，RAP和RKN两款航空箱并非替代关系，而是形成互补，能够覆盖国内80%以上的主要机型，满足不同客户的多样化需求。目前，RAP航空箱已进入空箱运载试运营阶段，未来将在国航、南航、东航等航空公司的多款机型上开展商业运营。  [查看评论](https://m.cnbeta.com.tw/comment/1481600.htm)

“极越无声-我们发声”公众号日前发文称，**极越APP现系统故障，车主们质疑软件维护是否已无人负责。**据介绍，2月24日18:30左右，大量极越车主在极越APP中遇到了“车门未关、车窗未关”的错误提示，并且该提示持续了一整夜，直到今早启动车辆后才逐渐消失。 然而，车主们实际检查后发现，车门和车窗均已完全关闭，说明车辆实是系统故障导致的错误警报。 车主们表示，自极越2.0启动以来，新组建的团队中，关于软件团队的情况一直缺乏透明度。而这次BUG的出现，让许多车主开始担忧： **极越是否仍在稳定维护OTA？** **目前的软件团队是谁？是否仍在持续优化系统？** **未来的OTA还能否按计划更新？** 一旦智能化功能因缺乏维护逐步瘫痪，极越的智能优势将大幅削弱。因此，车主的诉求是，极越官方必须正面回应： 目前极越的软件维护团队规模如何？是否仍有专门负责OTA维护和升级的团队？ 未来的OTA维护规划是什么？是否会持续推送更新？ 对于这次“车门未关、车窗未关”BUG，官方是否有修复计划？预计何时修复？ [](//img1.mydrivers.com/img/20250226/81a7386b01e84de09348fad4ed3b03ed.png) [查看评论](https://m.cnbeta.com.tw/comment/1481598.htm)

**前段时间，有网传视频称手机放兜里被人碰了一下钱就没了，但其实此视频是摆拍，造谣者已经被行拘。**该事件近日登上了央视新闻，引起了不小的关注，但还是有很多网友认为NFC不安全。 [](//img1.mydrivers.com/img/20250226/4cb48ea7-9bf3-48ea-a9e8-a9d024243c16.png) 对此，支付宝专门发文表示，**支付宝“碰一下”采用多重措施保护用户支付安全：** **1、用户必须主动解锁手机** 手机解锁才能支付宝碰一下支付，未解锁手机时不会无故付款。 **2、支付宝有智能实时风控系统** 对每笔交易进行多维度检测，如风险等级高，就会停止交易，或要求输入密码或刷脸等做二次验证。 **3、支付宝“你敢碰我敢赔”保障计划** 每一笔支付宝碰一下支付，都纳入“被盗即赔”的保障。 [](//img1.mydrivers.com/img/20250226/6320abed-7bca-4634-b0f3-ad1f4acdf11f.png) **此外，警方也证实“碰一下”近距离盗刷不现实，每一种支付方式开通的时候都经过大量的安全验证，是比较安全可靠的。** 当然，有一种问题是需要注意的，大家一定不要听信可疑电话，给自己的手机装不明来源的APP，或交给别人远程控制，否则有可能会被植入木马病毒，即便没有NFC功能，手机里的钱一样会被盗刷。  [查看评论](https://m.cnbeta.com.tw/comment/1481596.htm)

中国厂商向三星授权存储关键技术专利，这一幕真是让人感叹。之前韩国媒体报道称，三星电子近日与中国存储芯片厂商长江存储签署了专利许可协议，将从后者获得3D NAND“混合键合”专利，该专利是一种将晶圆和晶圆直接键合的尖端封装技术。 这引发了外界的热议，而为什么在存储上遥遥领先的三星，要获得长江的授权呢？ **有行业人士表示，由于工艺流程问题，三星难以规避中国企业的专利，获取授权是必然，未来的竞争可能会非常激烈。** 三星此次获取长江存储专利授权，将主要用于下一代（V10）闪存芯片开发上，这代芯片计划于今年下半年量产，堆叠层数将达到420层-430层。 为了让V10芯片尽快量产，三星引入了多项新技术，晶圆和晶圆之间的混合键合“至关重要”。 **三星之所以这么看重这项技术，是因为“混合键合”技术省去了传统芯片连接所需的凸块，缩短了电路，并提高了存储性能和散热特性，“特别是晶圆之间的混合键合，它键合的是整个晶圆而不是芯片，在提高生产效率方面也具有优势”。**  [查看评论](https://m.cnbeta.com.tw/comment/1481594.htm)

<blockquote><p>你是否曾经思考过，人工智能陪聊是否能够填补这一情感空白，成为治愈孤独的未来密钥？抑或只是一个科技时代的伪命题？本文将深入探讨AI陪聊技术的发展及其对人类社交关系的影响，揭示这一创新领域背后的真相。</p> </blockquote>  最近，社交领域中一个现象值得关注：超 30% 的女性用户在未察觉的情况下被平台 “AI 化”。部分用户反馈 “聊天对象像是换了个人”，这正是 AI 陪聊系统悄然渗透的信号。当算法逐渐取代人类进行情感交流，社交软件正经历一场潜移默化却影响深远的变革。 AI 在社交产品中究竟扮演着怎样的角色？就目前来看，AI 更多承担着辅助工具的角色。所谓的 AI 陪聊，在我看来，很大程度上是个伪命题。毕竟，市场上已经存在多款主打真人陪聊的社交软件，目前它们在满足用户情感交流需求方面有着 AI 难以企及的优势。 在传统陌生人社交生态中，男女比例失衡是常态。以自己的产品为例，男女比例达到 2.78:1，这意味着 1 个女性用户可能同时收到超 100 条搭讪信息。女生往往只能凭感觉选择性回复部分男生。这种 “信息洪灾” 导致 80% 以上的男性用户无法获得有效回应，进而中断社交连接。 真人陪聊 APP 通过利益驱动模式成功弥补了这一社交漏洞。平台用收益激励女性及时回复男性搭讪，男性则以每分钟 0.3 – 2 元的价格购买即时陪伴服务。这种 “情感时薪制” 构建起平台、男性用户、女性用户三方共赢的商业闭环。头部平台单日对话量可达千万级别，营收也相当可观，有效解决了多数社交产品长期未能攻克的难题。 经过长期市场体验与观察，目前市面上主流陪聊社交APP 的核心搭讪模式主要有两种：  - A产品：平台主动牵线，通过利益驱动引导女生主动给男生发消息。女生注册上线后，平台按规则匹配男生，并向女生下发带备注文案的搭讪消息。女生回复后，男生收到真人女生消息，女生也获得相应收益。 - B产品：采用无感知牵线模式，平台默认代替女方给男生打招呼。女生注册上线后，平台自动代女生向男生发出招呼。男生回复后，女生收到回应，回复即可获取收益。 这两种模式目的明确，都是借助算法连接双方，以利益激励女性及时回复男性，让男生享受及时陪伴服务。 陪聊 APP 能在市场获得巨大需求，其创新点在哪？实际上，陪聊 APP 的创新主要体现在商业模式上，这一模式堪称最佳营收路径。但在功能和玩法上，陪聊 APP 并无太多突破性创新，大多采用经大众化产品验证的成功玩法，主要目的是提高用户留存率。 说回AI 陪聊，它是创新还是降本手段？ 目前 AI 技术我感觉仍处于工具阶段，离真正的人性化还有很长的路。将 AI 用于陪聊，除降低平台运营成本外，本质上并无实质性改变。除非能将 AI 训练得与真人无异，否则用户很容易辨别出对方是否为 AI。既然如此，平台为何不直接用真人提供陪聊服务？毕竟真人服务能给用户更真实的体验。  当下，一些 AI 交友方式允许用户创建 2D 版数字人的 AI 分身，直接与 AI 对话或提问。就像体验过的最新版本 ChatGPT，用户甚至能像调教男友一样与 AI 互动。但不得不说，其语音语调、输出内容都过于文艺，让人一听一看就知道是 AI，仿生效果仍有待完善。 当前 AI 陪聊存在三个核心悖论： - 成本悖论：虽然 AI 回复成本仅为真人的 1/20，但要使 AI 达到与真人同等的情感价值，所需投入的算法训练成本可能远超真人运营成本。某平台测试表明，用户对 AI 陪聊的持续使用周期不超过 72 小时。 - 情感悖论：用户调研数据显示，68% 的受访者表示能接受 AI 提供生活建议，但仅有 9% 的人愿意接受 AI 模拟亲密关系。这种认知上的割裂，使 AI 陪聊陷入 “高开低走” 的用户使用曲线困境。 - 伦理悖论：当平台未明确标注 AI 身份时，可能涉嫌欺诈。日本已有判例判定此类行为违反《特定商业交易法》，涉事平台需承担三倍赔偿责任。 在东京秋叶原的某科技展会上，一个能模拟人类微表情的 AI 聊天机器人吸引众人目光。当被问及 “如何看待人类孤独” 时，它回答：“我的芯片无法理解孤独，但我的算法正在学习陪伴。” 这或许揭示了社交软件的未来图景 —— 不是在人与机器间做选择，而是在真实与虚拟间寻找动态平衡。当科技深入解构人类最基础的情感需求时，我们更应思考：我们究竟需要多 “真实” 的陪伴？又愿为这份真实保留多少人性空间？ 作者：高级产品鼓励师 本文由 @沉迷社交产品的初九哥 授权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

 2023年03月14日发布的ChatGPT 4被称为AI的“iPhone时刻”，因为它的创新性与突破性； 2025年1月20日发布的DeepSeek R1被称为AI的“小米时刻”，因为它的本土化与性价比。 不知道你面对这样的时刻是什么心情？ 我很焦虑。 - 假如你是AI时代的“灯夫”，面对电力革命所带来的失业威胁，你是通过罢工来“拯救”自己的工作，还是自我转型？ - 假如你是AI时代的“妇女”，面对电力和工业革命所带来的效率革命，你是否愿意从繁杂且重复的日常工作中解脱出来？ - 假如你是AI时代的“卢德”，面对工业革命的蒸汽机和纺织机械化，你是像他一样为了保护工人的手工作业而发起罢工运动，还是面对挑战快速转变为工厂工人？ 尤其是今年初的DeepSeek R1模型的发布，瞬间让相关从业者兴奋至极，紧接而来的就是铺天盖地的新闻（如xx平台已接入DeepSeek）和课程（如如何用DeepSeek写朋友圈文案等）。 这个过程，我一直是焦虑而无措的。 往大了说，面对人类历史上（可能）的又一次重大技术变革，如何抓住机会让自己置身其中？ 往小了说，**DeepSeek这么厉害，而我打开后，却看着那个输入框，不知道它能做什么**。这就像你手里拿着最厉害的冲锋枪，却不知道向谁开枪一样。 这让我更是焦虑。 ## 01 他在用AI玩游戏 周二中午跟一位“资深”DeepSeek“玩家”——他是2024年初就开始用它，并每月付费使用那种——一起吃饭，我就问他： <blockquote><p>“你主要用DeepSeek做什么？”</p> <p>“玩Role Play。”</p> <p>“这是什么？”</p> <p>“它就是一种角色扮演游戏，我用DeepSeek来写不同角色的卡牌，就像一般游戏里，都是别人给你设定角色一样，这相当于是你自己设定不同角色。”</p></blockquote> 说实话，没听太懂，我又追问到： <blockquote><p>“那你之前用什么平台玩？DeepSeek跟它们相比有什么不同之处？”</p> <p>“ChatGPT和克劳德（即Claude），克劳德是玩Role Play最好的平台。它们玩Role Play都挺好，但就是贵，<strong>每个月100多人民币，而用DeepSeek就是5元，现在涨价后也才10块，相当于十分之一的价格，就可以达到原先的效果</strong>。同时，DeepSeek的本土化适配更好。”</p></blockquote> 他的答案超出了我的认知范围——我从来没想过用AI产品来玩游戏。 却也不是我心里想要的答案——我更好奇他的工作中如何应用AI来赋能。 ## 02 如何转型AI产品经理？ 周五晚上我突然想到了一个话题——也是我最近所面临的困扰： **作为一名产品经理，如何转型成为AI产品经理**？ 它可能是产品经理切入AI领域最现实的一个选项。 我先看了BOSS直聘上“AI产品经理”的招聘要求，至少有两个要求： **第一，行业应用场景：AI产品经理需对特定行业有深刻理解，如AI教育领域，需精通教育行业知识**。 **第二，AI专业经验：要求具备AI技术相关经验，或对AI相关技术、某款AI产品有深入理解**。  接着，我又寻求了DeepSeek的帮助，主要问了三个问题： 第一个问题： <blockquote><p><strong>“作为一名互联网产品经理，面对目前火爆的AI领域，如果想转行去做AI产品经理，你觉得需要做哪些准备工作？</strong>”</p></blockquote> 它不止给你答案，还会把对你问题的思考过程展示给你，提升你对答案的信任度。 我们先看它的思考过程：  再看看它的答案：  如果你问一名资深AI产品经理同样的问题，我猜99%的人，可能都无法提供如此结构化、完整、细致且具体的建议，因为他们的回答可能更偏向于个人经验和见解。 同样的问题，我们还可以对比另外两款AI产品所给出的答案（如下图），相信你可以有自己的判断。  紧接着，我又问追问了第二个问题： <blockquote><p><strong>“那你觉得我应该从何入手呢？”</strong></p></blockquote>  我们来看看它的答案——注意它具有记忆功能，实现超自然多轮对话的哦：  我又继续追问了最后一个问题： <blockquote><p>“<strong>作为新手，过程中肯定会有许多的困惑或问题，你作为我的学习伙伴，你可以在哪些方面帮助我？</strong>”</p></blockquote>   不知道你看到这里是什么感受？ 我当时看到的感受是：**如此全面、完整且具有指导性的建议，属于天花板级别，直接照做即可**。 它让我想起早几年比较火爆的分答、在行APP，它们提供1对1的付费咨询服务，如今却能免费获得更优质、更全面的知识，真让人有种“薅羊毛”的快感。 至此，我所焦虑的事情，好像一下就有了方向跟目标，剩下考验的就是执行力问题了。 ## 03 如何更好的使用DeepSeek？ 之前原想分享的话题是：**好焦虑！DeepSeek好像与我无关！** 一来是确实焦虑；二来是想反其道而行之——别人都分享它有什么用，那我分享它怎么无用——至少对我来说。 之所以没有成文，原因也无外乎两个： 一是不想故弄玄虚以及传递负能量；二是灵感突现，发现聚焦AI产品经理转型的这一真实困境。 所以就把过程中，使用DeepSeek的一点小心得，分享给你，希望对你有所启发。 **第一，专注解决真实问题**。DeepSeek等AI产品像一位大师或一枚核弹，如果你没有真实的困境或问题的话，它就是一个无用的“输入框”而已。比如如何转型AI产品经理。 **第二，明确角色**。你需要明确它所扮演的角色或人设，让它调用专业人士的经验与意见。比如“作为一名资深AI产品经理…..” **第三，明确目标与细节。**你需要明确的目标以及补充细节，这就像你跟人沟通一样，让它更好理解你的问题。比如“在教育行业和SaaS行业做了多年产品经理，期望3个月内转型为AI产品经理….” **第四，学会追问与反问。**比如在问完如何转型AI产品经理后，继续追问：“你觉得我从哪些方面入手更好？”，以及反问：“你的建议参考了哪些方面的内容，是否具有专业性与可靠性？请标注具体的信息来源。” 又啰嗦了这么多，不说了，下次聊，该学AI去了。 **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。 本文原创发布于人人都是产品经理。未经许可，禁止转载。 题图来自 Pixabay，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

 在Xbox Podcast 的最新一期中，Craig Duncan（前Rare工作室负责人，去年秋天接任Xbox游戏工作室主管）向粉丝们保证，这款新的《神鬼寓言》游戏“绝对值得等待”。  Duncan称：“我们之前宣布新《神鬼寓言》的发布日期为2025年，实际上，我们会给它更多时间。现在游戏将在 2026 年发布，虽然我知道这可能不是人们想听到的消息，但我想保证的是，它绝对值得等待。” &lt;内嵌内容，请前往机核查看&gt; 在宣布延期的同时，微软还发布了50秒的全新预告，展示了新《神鬼寓言》的战斗、一些城市的场景、主角骑马穿过森林区域的片段。

<blockquote><p>AI数据中心不仅负责数据的处理和分析，还通过实时推理和低延迟响应，提升数据的应用效果。本文将分享在AI数据中心设计中的实战经验，探讨如何通过量化标签提高数据流转效率，增强模型的动态优化能力，推动企业在人工智能领域取得突破性进展。</p> </blockquote>  数据是AI的食粮，巧妇也会难为无米之炊。在通常的定义中，AI数据中心不仅承担着数据处理与分析，模型训练与优化，还能通过实时推理和低延迟响应，来进行数据的应用和版本控制。 而我也曾设计过AI产品的数据中心，只不过我的经验是图像识别领域的，而且不是通用数据，而是小样本量的医疗图像数据，所以不一定适合所有的AI产品。不过希望也能通过分享给大家带来一些我思考的角度和设计的考量，如果这些能对大家有所启发和思考，就请您不吝小手，**「点赞收藏分享」**这篇文章。 以下我将会从**「数据中心的作用，数据中心的模块，数据中心的主要数据流程，数据中心的用户角色，达成的效果、注意的事项、遗憾和未达成的部分」**七大板块进行阐述。 ## 01 数据中心的作用 经过我和数据中心的各类目标用户进行讨论和了解后，我大概理清了其中部分的思路。就是从使用环境、用户角色、数据流程、应用场景和使用需求着手。在通过1周多的时间，整理出一个大概的需求列表，并从中扩展放大，最后形成了下面的内容，**「数据中心的作用是什么？」** ### 1. 串联数据使用流程 数据使用流程总体步骤其实并不多，不外乎就是**「采集-标记-训练-测试-反馈」**。但一旦加入了不同的用户角色和应用场景后，就开始变得复杂了。我通过进一步的梳理，得出了以下流程表  附图1.数据中心‘数据使用流程图’ 从上图可看出**「反馈」**串联着整个流程。另外，数据集又会因为场景，分别形成训练数据集、训练测试集、应用测试集，又通过不同的反馈流程重新回到数据流程中。这样就形成了数据中心的另外一层核心的作用。 ### 2. 提高数据的流转效率 通过不停的“反馈”，数据的流转效率和数据应用范围就会不断增加和丰富。比如 - 「协助算法研发团队对模型进行更新与动态优化」 - 「增加数据多样性与泛化能力」 <blockquote><p>通过不同的数据标签。比如，来源类标签、标记类标签、训练类标签、测试类标签、反馈标签等等；数据标签可以反映出数据不同流程和阶段中产生的主动性和被动性的标记，然后将相同、相近、相反或不同类别标签的数据整合成集，就能在不同的使用和应用场景中批量调用和记录标记了。</p></blockquote> ### 3. 协助系统应用的实时分析与决策支持 模型优化和实时的数据协同，加上数据流程中不断产生和变化的数据标签，再通过贯穿整个流程**「反馈」**，为数据增加一层新类型的标签，**「量化标签」**。你也可以理解成“阈值‘’权重‘等等，因为之前的标签大多都是有还是没有，即0或者1，现在通过反馈分析，增加了量化标签后，数据就变得维度更复杂了。加上实时的数据协同，就可以给到整体流程更多更丰富的决策支持了。如果有兴趣了解详情，可以去查看我已发布的文章[AI产品经理的核心能力（一）](https://www.woshipm.com/share/6183632.html)[1]中有详细的说明。 ## 02 数据中心的模块 根据上文**「数据中心的作用」**中的数据中心‘数据使用流程图’，我原来是梳理出七大模块，但由于我最后的实际方案把“数据库安全”通过其它手段达成了，最后就没有把该模块列入进去了。最终整理出六大模块 - 「数据采集与导入」 - 「标记分配与标记操作」 - 「数据测试」 - 「测试标准」 - 「用户权限」 - 「量化赋值」 <blockquote><p>其中，前面4个模块分别对应着不同节点的数据流程，最后两个则是数据中心的管理员对各流程中的用户角色权限进行定义和管理，和涉及数据全流程的量化赋值模块。</p></blockquote> ## 03 数据中心主要的数据流程 根据上面整理的六大模块，我先将前面4个模块分别用不同的数据流程来解释各自模块的作用和意义，章节最后我将补充全数据流程都参与的量化赋值流程。 ### 1. 数据采集流程 这个主要的用户角色是运维人员，因为我的产品应用场景是医疗，所以需要将原始医疗数据进行导入操作和批处理操作，具体流程如下  附图2.数据采集流程图 <blockquote><p>编辑数据来源就是将数据的采集时间、设备、机构、操作用户、数据类型等标签添加在数据中，为最原始的数据添加第一批的数据标签<strong>「来源标签」</strong>。</p></blockquote> ### 2. 标记流程 这个主要的用户角色是“标记管理员”和“标记用户”，而且流程更像是工单系统，所以我最后也是通过工单流程对其进行梳理和设计的，具体流程如下：  附图3.标记流程图 <blockquote><p>其中，如果遇上特殊情况，数据预处理和标记操作部分，也会有其它用户角色参与。比如，数据预处理流程的优化和修改，医学专家修改标记操作流程和规范，还有提供标记修正和金标准标记。另外，重新指派是支线流程，不是主流程，而是标记指派后，指派无法完成的情况下才会出现的支线流程。</p></blockquote> ### 3. 测试流程 这个流程其实包含了训练测试和应用测试，但其实大体上分别不大，只是在环境和测试标准、测试数据集上有所区别，所以我就不将它们分开来讲了，具体流程如下：  附图4.测试流程图 <blockquote><p>为了流程的简洁，我将很多流程节点省略了很多支线流程和步骤，比如测试集的创建、编辑；模型的创建、算法参数的创建、编辑（参数的类型、类型是文本、数值还是选项），测试数据集的创建、编辑等等。还有数据查重这个，其实是因为这个数据中心是搭建在小样本数据库前提下的，为了提升数据的有效利用，训练数据有可能会和测试数据有所重合，因此特地增设此步骤来防止对测试结果的影响。</p></blockquote> ##### 以上的都是根据数据流程来梳理的，下面的就是根据系统管理需要补充的流程。 ### 4. 管理流程 这里面包括3个主要流程，**系统管理员流程、标记管理员流程、算法管理员流程” - 系统管理员：**「创建（删除）用户 – 查看用户 – 编辑用户权限」** - 标记管理员：**「创建（编辑）‘标记数据集’ – 选择‘标记数据集’ – 指派标记用户 – 查看标记进程 – 创建（编辑）标记摘要 – 提交标记数据」** - 算法管理员：**「创建（编辑）算法模型 – 创建（编辑/禁用）算法参数 – 创建（编辑/禁用）测试标准」** <blockquote><p>其中，系统管理员主要就是创建用户和编辑用户权限，比如标记用户和标记管理员用户的权限，一个是指派，另一个是接受指派并进行标记操作。算法管理员里其实是三个单独的流程，主要是为测试流程里，提供模型、参数、测试标准等的各种选项和范围，对标签进行统一化和规则一致性管理，防止各团队中研发成员有各自的习惯和方式，造成标签混乱、重复和冗余。</p></blockquote>   ### 5. 量化赋值流程 这个算是数据中心最核心的模块和功能之一了，详细说起来可以很复杂，但其实本质就是通过不断的数据反馈和用户反馈，将其进行分析后量化一个值赋予于数据之上，形成数据的量化标签（即阈值权重）。 在我已发布的文章[AI产品经理的核心能力（一）](https://www.woshipm.com/share/6183632.html)[1]中有详细的说明。  附图5.量化赋值流程图 <blockquote><p>其中就如上文【附图1.数据中心‘数据使用流程图’】里的反馈环节，就可以通过流程流转重新回到数据流程里的将近每个环节，来对流程进行优化调整。</p></blockquote> ## 04 数据中心的用户角色 经过数据中心的主要流程梳理，我已经能很好地洞见到，数据中心应该具有的用户角色，还有其在系统中的作用和需求目的。现在我将根据不同的用户角色，分别讲讲他们各自在系统中权限和操作内容。 ### 1. 运维用户 这个角色权限比较简单，但也很重要，因为这个角色是唯一一个能接触到数据的实际物理承载体的，这个我将在后面的**「注意事项」**章节进行说明，这里先按下不表。 - 数据采集与数据导入 - 数据来源标签管理 - 转处理数据 - 生成待标记数据集 ### 2. 标记管理员 这个角色主要就是为了管理“标记流程”所建立的，数据在这里需要经过指派和流转，最后进入到核心数据库中，让‘训练测试’和‘应用测试’等流程随时调用。 - 数据预处理 - 标记数据集管理 - 标记工单指派 - 标记摘要管理 <blockquote><p>数据预处理和标记数据集管理部分，有可能会有算法研发团队成员加入协助完成，因此此角色有可能会与其它用户角色权限叠加</p></blockquote> ### 3. 标记用户 这个角色主要就是接收‘标记管理员’的工单指派，根据标记摘要要求完成工单指派，即标记数据集的标记。 - 标记数据 - 完成/返回工单 <blockquote><p>只要涉及到工单，不得不注意的就是工单的异常处理，这里也是一样。一旦指派因意外无法按时或者按需完成时，返回工单就起到闭环管理的作用了；比如，因为其他标注需求等级较高且无空余可指派任务空间时，让已指派的标记用户退回未完成或者未开始的工单就尤为重要了。</p></blockquote> ### 4. 算法研发管理员 这个是属于倾向管理标签的角色，通常是对模型、训练数据集、测试数据集、训练测试、应用测试等等的标签进行统一管理。避免数据标签没有统一的规则而造成的混乱。 - 创建/编辑算法模型 - 创建/编辑/禁用算法参数 - 创建/禁用测试标准参数 <blockquote><p>这里算法模型是允许进行创建和编辑，但没有给予删除的权限，是因为模型有可能随着研发和模型优化，会有进一步的变化，因此可以提供编辑权限，但由于模型涉及测试结果的展示，因此只允许编辑如算法模型名称和摘要的权限，但不允许删除；算法参数方面，可以允许参数有限度的编辑。比如增加参数选项里‘数据增强’可以从2个选项‘混合裁剪’、‘切除增强’增加到‘混合裁剪’、‘切除增强’、‘几何翻转’3个选项，但不允许删除原来的选项，也不允许修改原选项。但可以禁用原来的选项，比如只保留一个选项，其余选项禁用。测试标准参数也允许创建和禁用，但不允许编辑。</p></blockquote> ##### 算法参数和测试标准参数为什么不允许删除，只允许禁用，而算法参数为什么只允许有程度的编辑，这个我将在后面的**「注意事项」**章节进行说明，请留意。 ### 5. 算法研发用户 这个是使用数据中心最核心的用户之一了。根据流程，用户会进行频繁和循环的各类操作，而且都会占用系统大量的资源。所以必须通过流程合理对其操作和流程进行简化。 - 创建/调用训练数据集，包括创建（编辑/更新）数据集摘要 - 创建/调用训练测试集，包括创建（编辑/更新）数据集摘要 - 调用模型和算法参数创建训练，包括创建（编辑/更新）训练摘要 - 查看/对比训练测试结果 - 查看/对比应用测试结果 <blockquote><p>这里面最经常使用的就是训练测试流程和查看对比测试结果了，这里能非常直观地查看各类测试参数下的测试结果，还可以通过进行横向的测试结果对比，来对算法模型的优化提供分析支持。创建和调用数据集更像是给整个数据集的数据都统一打上的一个数据标签，然后让不同流程中的节点可以直接批量调用。</p></blockquote> ### 6. 量化标签用户 数据中心里对数据进行唯一完全自定义标签的用户。根据流程，反馈信息可以通过标签的形式对数据增加多样性维度与数据泛化能力，从而体现出数据间的价值差别，并与应用场景、用户体验产生一定程度的相关性。 - 创建/编辑/停用量化标签 - 编辑/关联/取消关联测试标准参数 <blockquote><p>我在已发布的文章<a href="https://www.woshipm.com/share/6183632.html" target="_blank" rel="noopener" data-itemshowtype="0" data-linktype="2">AI产品经理的核心能力（一）</a>[1]第一章节部分中有这么一个例子，在‘自动驾驶里的行人防碰撞刹停系统’中，针对测试对象‘真实的人类生物’、‘具有人类形象的3D实物’、‘包含人形象的平面实物’，三个选项中，不仅有识别正确（True Positive）、识别错误（False Positive）2个维度，还有‘未识别’的维度，还有识别错误的不同应用场景维度。</p></blockquote> 比如同样是识别错误，将 - ‘具有人类形象的3D实物’识别为‘真实的人类生物’ - ‘真实的人类生物’识别为‘具有人类形象的3D实物’ - ‘包含人形象的平面实物’识别‘具有人类形象的3D实物’ 这三种识别错误是不一样的，前面2种错误不太影响应用场景下的使用，第3种将带来应用场景中不好的用户体验，这时的测试对象（即测试数据本身）就具有不同测试价值和维度了，也就是原来的数据仅有0和1两个维度，现在还有未检出，即0、1、2，再通过用户体验给数据带来的量化标签，很有可能就是0、1、2、0.5四个维度了。 <blockquote><p>比如 ‘具有人类形象的3D实物’识别出并正确值为2。‘具有人类形象的3D实物’识别出但分类为‘具有人类形象的3D实物’值为1。‘具有人类形象的3D实物’识别出但分类为‘包含人形象的平面实物’值为0.5。‘具有人类形象的3D实物’未识别出值为0。这样，数据就突然有新的量化标签，并根据标签对测试进行重新的分析和对比了。</p></blockquote> 看到这里，你应该能明白数据中心的重要性和大概的作用了吧。 **「那接下来我将对数据中心在实践中达成的效果进行简略说明。」** ## 05 达成的效果 ### 1.数据统一处理，流程和用户角色规范了数据标签的使用 通过数据中心的建立，所有针对数据的操作，基本都可以通过数据中心达成，避免了数据的不规则不合理地使用，杜绝了数据丢失和操作不统一带来的负面效应。 ### 2.促进了模型更新与动态优化、 数据流转效率比之前提升超600%，迭代优化模型周期也减少的近60%，同时还能实时部署更新，还能自动排期进行计划训练任务。 ### 3.多模态数据融合与决策协同 这个是最惊喜的部分，由于涉及比较核心的数据，所以不方便用真实的案例和页面来展示，我就通过举例来让大家理解一下吧。先看一个测试结果的表  附图6.测试结果表格 这个表其实没有什么特别的，只是如果在数据中心里，每个测试参数的结果都可以链接到具体的数据列表上，并显示参数值是如何得出的，而且哪些测试对象的检出结果是如何都一一列出，是不是就有所不同了？ 然后我再来一张测试结果的表，这次是不是就有所不同了  附图7.测试结果对比表格 这里就可以通过数据中心的测试对比来进行横向的测试对比，那对于算法团队而言，要进行模型测试对比就会更方便和直观了。不仅如此，我还加入了一个详情对比的功能细节，就是如果通过测试参数查看具体的对比详情时，比如准确率的测试对比时，就会出现详细的对比详情，如类似下图的对比表格  附图8.准确率详情对比表格 如果查看精确率的详细对比时，就会出现如类似下图的对比表格  附图9.精确率的对比表格 **「OK，还有更劲爆的就是，每个单独的数据上都会有各类的标记标签、数据集标签、测试标签，就如上面示意图上的表格项一样，每一个参数都相当于在数据上的标签，然后通过标签的流转，你可以随意进行链接流转。」**比如下面的数据及标签流转示意图中，红色框选的部分  附图10.数据及标签流转示意图 试想一下，一个数据上有不同的数据标签，比如**「标记标签」**（标记类型、标记对象、标记历史等等），**「数据集标签」**（关联的数据集，不管是训练数据集、测试数据集），**「测试标签」**（关联的训练和模型，测试参数及其结果等等）都可以通过标签进行流转查看，不仅对于算法研发的团队成员，还有数据流程中的标记用户，运维用户都是极大地效率提升。 好了，说了那么多，看到这里的大家应该对这个数据中心能达成什么效果更深入的了解了。那么我就进行最后一章的内容了。 ## 06 注意事项 ### 1. 测试记录的生成规则 这里为什么需要特别注意呢？因为测试记录涉及了很多标签，比如模型、数据集、测试参数、测试结果，如果每次查看都重新生成，会消耗太多的系统资源，但如果用快照的形式保存，那相应的标签变化就体现不出来了。比如 <blockquote><p>测试记录里的模型使用了现在已禁用的模型参数，如果和新的不含已禁用参数模型的测试结果进行对比时，就会出现参数不对齐的情况，影响测试结果的对比。</p></blockquote> 我最终的妥协办法就是： - 测试完成后生成快照（含模型、参数、数据集标签）； - 调用时校验当前参数与快照一致性； - 不一致时自动触发重新生成并覆盖旧快照。 ### 2. 标签的编辑权限 这里就是上文“数据中心的用户角色”章节中“算法研发管理员”角色里提到的标签的编辑权限。为什么要对其进行限制呢？因为，针对部分已创建和使用的标签，比如算法参数，测试标准参数标签，数据集标签等等，所有涉及到测试记录的标签，均只允许创建、调用；**「但部分参数允许一定范围的编辑，比如增加选项，扩大原先数值的选取范围等等。」**剩下的编辑就只能通过禁用的方式，依然可以让系统调取，但不能提供删除各种涉及测试记录标签的权限。 ### 3. 数据的安全 当全公司最核心的资产都存放在一个地方时，安全往往都是**「最重要、最重要、最重要」**的。那如何保证数据的安全呢？我则从两个地方出发考虑 **「1.访问限制和硬件隔离」** 对所有用户不提供任何的数据接口和网络接口（运维用户导入数据除外），均只提供操作键鼠和显示器。数据中心离线部署，不对外联网，从物理层面上杜绝数据读取拷贝和通过网络向外发送的可能。 **「2.数据备份和硬件设备冗余」** 对数据中心数据进行自动执行计划数据备份，并采用独立磁盘冗余阵列分散存储和保证数据冗余；执行定期维护服务器和存储设备的运维计划，配置RAID或集群节点防止单点故障；搭建UPS防止断电停电对系统和数据造成的致命威胁，同时使用多个HYCU备份控制器进行数据保护； ## 07 遗憾和未达成的部分 这里我就简单讲讲，其实主要是时间和成本的问题，最终数据中心系统没有做成和模型环境一致并可直接操作调用的联动状态，即没有办法按照我设计的流程里那样，直接调用算法模型，直接通过数据中心里的算法参数来运行模型训练。还是需要通过人为手动进行操作，就像按方抓药一样，先制定好训练计划并通过数据中心系统录入信息，再通过手动操作运行模型训练，但训练后的测试结果是可以直接自动导入到数据中心里，自动生成测试结果的。虽然有点美中不足，但相对于之前，效率还是提升了非常大的。 另外一个的就是模型参数和测试参数部分，没有提供自定义的批量操作功能，每次都需要用户自行选择勾选和设置，这是我没考虑周全的地方。 ## 08 结语 在医疗图像识别场景下小样本数据中心的设计与实践里，我围绕数据全生命周期管理展开，涵盖数据采集、标注、测试、反馈优化等核心流程。并通过提出数据中心六大模块（采集、标记、测试、标准、权限、量化赋值），并详细解释了各模块的交互逻辑与用户角色分工（如运维、标记管理员、算法研发团队等）。通过引入“量化标签”机制，数据维度从二元标签扩展为多级阈值权重，显著提升模型泛化能力和决策支持效率。补充了一些简单的案例展示了测试结果的多维度对比功能，是如何支持算法团队快速优化模型，最终实现数据流转效率提升600%、模型迭代周期缩短60%的显著效果。遗憾在于未完全实现模型训练与数据中心的自动化联动，但整体设计作为小样本医疗AI系统的高效运行，我认为应该是提供了可复用的方法论的。 **「我也希望这篇文章的内容能对看到这篇文章的各位有所启发。」** [1][AI产品经理的核心能力（一）](https://www.woshipm.com/share/6183632.html) 作者：薰阙的产品思考 公众号：薰阙的产品思考 本文由 @薰阙的产品思考 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

US officials recently met with their Japanese and Netherlands counterparts about limiting Tokyo Electron and ASML engineers from maintaining semiconductor gear in China, per the report.

 《失落之魂》于今日发布官方声明，为之前公司员工的争议性言论道歉。此前， 制作人杨冰在B站发文，[正面回应了这一事件](https://www.gcores.com/articles/195043)。  官方表示：感谢大家一直以来对《失落之魂》的关注！首先，我司为我们的管理过失，以及未能与玩家进行及时沟通，做出最真诚的道歉！现就相关情况说明如下： 2024年4月3日， 项目组前执行策划任某某（网名：Vivian）在QQ上与第三方（网名：蓝**）私聊过程中发表了相关错误言论。因全程为个人私聊，我司对相关言论并不知情。 2024年12月18日-21日间，该涉事员工私聊截图事件在NGA论坛、贴吧等平台开始广泛传播和发酵，因为涉及到第三方与其他相关传播人员的隐私，我司本着客观严谨的原则，经过查实后，在次周一（2024年12月23日）立即开除了任某某。该员工一切个人言论均不代表我司立场。我司将严格遵守我国正确价值观，坚决严惩一切错误的言行。 我司已于2025年1月6日正式聘请专业律师对整个过程进行了详细的调查和梳理，目前即将完成该员工及其他相关人员的搜证工作，正式启动法律程序，追究相关法律责任。 再次感谢玩家们一直以来的支持，团队会一如既往地全心投入到后续开发工作中，不负玩家期待！ 特此声明 上海零犀信息科技有限公司 此外，还有一些针对玩家们的疑问进行的回复。 

扛不动别硬扛。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1615640) ·[查看评论](https://www.ifanr.com/1615640#comments) ·[新浪微博](https://weibo.com/ifanr)

**运营时速400公里的高铁列车CR450动车组样车在北京发布。目前相关团队正在开展一系列科学试验和性能验证，为动车投入商业运营创造条件。**此次发布的CR450动车组样车包括CR450AF和CR450BF两列，分别由中国中车旗下四方股份公司与长客股份公司研制生产。 [](https://static.cnbetacdn.com/article/2025/0103/3272b7e70a78e63.jpg) **动车组采用8节编组、4动4拖的先进技术方案，车厢内设有商务座、多功能包间、一等座、二等座等多种客舱布局，充分满足不同旅客的出行需求。** 为实现从时速350公里到400公里的跨越式提升，同时确保在既有线路上安全运行，CR450动车组在轻量化和结构强度方面进行了革命性创新。 研发团队运用先进的拓扑优化技术，并大胆采用碳纤维复合材料、镁合金等新型材料，在显著减轻车体重量的同时，大幅提升了车体强度和运行稳定性。 在动力系统方面，CR450动车组实现了历史性突破。**它首次采用永磁牵引电机替代传统的异步牵引电机，这一创新不仅显著提升了动力输出效率，还大幅降低了能耗，为高铁的绿色可持续发展树立了新标杆。** [查看评论](https://m.cnbeta.com.tw/comment/1481590.htm)