<blockquote><p>本文分享了作者在直播带货过程中的实战经验和感悟，探讨了直播带货的逻辑、直播的苦与乐、稳定性与不确定性、方法论与实践的关系，以及身体和社交圈子对个人发展的重要性。</p> </blockquote>  上次跟你们分享了刀哥去做直播带货的事情，到现在差不多有3个月了，废话不说，先看战绩：  总共3万多，平均下来1个月就1万多，都是下班后干的，每天大概就3-4个小时，有时候中断一下。 这个金额虽然不算太多，但整体上我还算满意。但是最近数据出现一些波动，每天播得没那么多。 总的来说，这3个月做直播，还是收获蛮多，有很多感悟。也确实这3个月确实太忙了，每天除了上班，就是直播。 以前每周末都会约上朋友同事打一两场麻将，自从干上直播后，把麻将都戒了。今天周末，时间稍微充裕点，分享几点感悟： 1、直播带货的逻辑 2、直播很苦很累，但也有意思 3、任何事情，都没有绝对的稳定 4、方法论过剩，干中学 5、任何时候，身体才是革命的本钱 6、圈子很重要，一群人走得更远 ## 一、直播带货的逻辑 直播的本质是销售，去针对某个目标用户，挑选一款产品，解决他们的问题，或给他们带来价值，获得返佣，这就是一次交易，通过直播技术、画面、话术等，可以提升交易规模。 互联网，对于卖货来说，是一个杠杆，线下我们卖货的时候，受物理空间的限制，没有办法一次同时面向成千上万的人销售，但线上就可以。 但线上销售，也有线上销售的特性，比如，用户只能通过主播的描述，只能看，并不能像线下实体那样去试用体验，所以，对于直播来说，话术很重要，直播间的场景很重要。 同时，线上直播，要获得更多的流量，除了照顾用户外，还得去“讨好”平台，因为平台分配流量给你，你必须能接的住，什么叫接的住？ 就是你的把流量转化成交，只有你接得住流量，它才会跟你分配更多的流量，平台分配流量，是有模型的，这里面就包括浅层数据和成交数据。 浅层数据就是用户到你的直播间以后，能不能有效停留，能他不能评论点赞等互动。成交数据就是给你推一千个用户，你能转化为多少GMV。掌握了平台的推流模型后，就得去针对性的设计话术和场景。 ## 二、直播很苦很累，但也有意思 直播到底难不难？ 说实话，挺难的，也挺有意思的。 3个月，打死我都不相信，我能做直播带货，我认为我就是天生的i人，没有镜头表现感，不敢在镜头前演戏。 但事实证明，很多事情，都是我们提前在脑海里跟自己设了限，很多事情，其实都可以去干，只要你有勇气，只要你不怕尴尬。 说实话，刚才播那一会，我语无伦次，说话啰啰嗦嗦，各种语气词，声音也不稳，只会按着逐字稿读。 但就是坚持波，每天雷打不动，播4个小时，连续播了半个月，才有了点感觉，真正的理解到了什么是话术框架，是什么话术逻辑。 也不只是看到别人的话术逐字稿，还看到了里面的设计细节，比如，钩子、福利感、稀缺感、共情等等。 但也确实挺累的，因为兼职播，每天下班后本来就很累的，但还得直播。 感觉直播这玩意，费精气神，我是憋单的播法，还会更累一些，刚开始播了几天，嗓子完全扛不住，声音都变了，后面逐渐熟悉了以后，会稍微轻松一些。 但即便现在熟悉了很多，下班后播4个小时，还是感觉挺累的，下播后还会复盘当天的数据，经常都是到凌晨12点，1点睡觉，第二天上班特别困，就在打车的时候在车上睡觉，下班以后，太疲倦了怕影响状态，也会在车上睡一会。 春节期间，没上班，每天可以播两场，但是休息得比较好一些，所以状态也还不错，数据也不错。 所以，我觉得直播真挺累的，如果你也想干直播，你先认认真真的问问自己，到底抗不抗得住。 所谓扛得住，还不仅仅是身体方面的，还有精神方面的。 当你播得很累的时候，如果数据很好，那都还行，能激励你继续播下去，如果你的数据还特别差，平均几个人在线，播4个小时场观两三百个人，GMV一两百块，如果扛不住，心态可能都会崩掉。 但平台对直播时长这个东西，又特别看重，尤其是新号，你必须保持一定的在线时长，才有机会。 当然也不知仅仅是硬拉在线时长，还得懂运营，运营的范围很广，包括各种各样的策略，比如投流策略、话术策略、场景策略、选品策略、开播时段策略…… 就是必须得抗住身体上的疲倦，还得动脑子，去模仿学习别人的策略，这个策略需要干什么，你就去干什么。 刚开始播的那一个月，我只要一有时间，不管在哪里，我都会打开直播广场刷一刷，看看别人的数据，别人的话术，别人的品。 只要一打开抖音，都会刷到直播相关的直播间，然后加他们微信，有明确的问题，还会做一些付费咨询。 只要身边有做直播的同行，都会特别感兴趣，总想互相交流一下，什么品，数据怎么样，什么样的运营策略。 很多时候，晚上播完下播以后，还在脑子里想，今天的话术哪里有问题，明天可以怎么修改一下，数据很好的时候，有时候即便下播了也会兴奋得睡不着觉。 以前听别人说，干直播的人很容易猝死，我现在能理解了，当你直播间在线人数特别多，每次只要一上车，刷刷下单的时候，你会不想下播，会忘记自己的疲惫感，反而会越来越兴奋。 这也是直播有意思的地方，也是创业痛并快乐着的地方。 虽然要做很多事情，也很累，但是可以通过自己的策略，快速调整，并通过市场或者交易拿到结果，相比职场，有更强的自主性、掌控感，而掌控感是幸福的重要的要素之一。 我有两个身份，1个是打工人，1个是带货播主，但目前来看，后者会让我感觉更有意思。 我现在甚至对做产品，正在逐渐的失去一些兴趣…… ## 三、任何事情，都没有绝对的稳定 很多时候，我都在想，要是我平均每个月都可以带货带到这个数据，是不是就可以考虑离职了，all in直播了？ 但现在我觉得，这样想，可能就是不对的，还是在用打工的思维去思考，总是想着“稳定”。 上班这么多年，不都是挺稳定的嘛，每个月都上22天，都能拿到固定的工资，虽然有时候痛苦一点，要忍受一些老板奇葩的想法，和同事之间也有一些问题导致的摩擦和消耗。 但很多事情，都没有所谓的稳定，就得去接受不稳定，要习惯——风浪越大，鱼越贵。 上班就稳定吗？考上公务员就稳定了吗？真的是这样的吗？ 最近在面试产品经理，10个里面就有1个在职的，其他都是被迫离职。 公务员日子不好过，也有很多，降薪，体制内很多教条，也不是每个人都能接受。 没有绝对的稳定，只有相对的稳定。 不要想着上岸，可能压根就没有岸…… ## 四、方法论过剩，干中学 最近在小红书还有在一些同行群里分享数据，分享感悟，很多人都问，到底怎么干？ 怎么选品？怎么起号？怎么准备话术？怎么投流？ 刚开始我认认真真给他们说，但是发现，即便我把所有的方法都跟他们讲了，但最后他们也没有去干，担心这样，害怕那样，这里没想清楚，那里的逻辑没明白。 1个月过去了，还是没有干。 后来，我发现，很多人，尤其是职场打工人，都有这样的毛病，都会去追求一个确定性的方法论，然后想着按这个方法去执行。 但很多时候，在追求方法论这个过程中就放弃了，因为自己没有经历过，没有拿到过结果，所以对这个事情，总是在怀疑。 在公司上班，做失败了还有公司兜底，但是自己干，如果失败了，就是自己的损失，自己负责，所以害怕，所以不敢。 主要的原因，我觉得过于追求方法论了，现在很多事情，方法论都过剩了，缺的是执行。没有绝对通用的方法论，只有最适合自己的方法，在一遍又一遍的执行的过程中，去优化方法，然后循环。 最终才会形成相对适合自己，可以成功的方法。 所以，干中学，方法论适可而止。摒弃掉打工思维。 ## 五、任何时候，身体才是革命的本钱 刚开始那一个月，天天白天上班，晚上直播，一段时间后，感觉有点腰疼了，身体在报警。 当身体不舒服的时候，做什么事情，都觉得难以集中精力，疼痛感会占据很多精力，那个时候才真正的明白，身体才是革命的本钱。 所以，最近我不管有多累多忙，每周末一定会抽出一点事情去运动，周末会去游泳，健身房练一练。 平时晚上直播完以后拉伸拉伸，做做俯卧撑什么的。 精力好了以后，做事情才有动力。 ## 六、圈子很重要，一群人走得更远 直播这个业务现在发展得太快了，很多技巧和技术都有时效，最好的方式，是找到同道中人，大家一起分享、交流。 闭门造车，埋头苦干，也不是不行，趋势好、数据好的时候没有问题，一旦数据不好的时候，大家交流分享一下，可能你以为很难的问题，在别人那里就是尝试。 本文由人人都是产品经理作者【刀哥】，微信公众号：【刀哥说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

教培转型掘金Ai自习室。

<blockquote><p>在产品经理面试中，项目描述环节是展现专业能力和思维深度的关键。本文深入剖析了如何通过体系化方法论高效呈现产品项目，希望能帮到大家。</p> </blockquote>  今天跟大家分享一个策略产品经理面试当中的一个重要内容模块：策略产品项目描述，很多产品同学的面试基本上倒在这个环节上。 项目描述它通常会出现在产品经理面试的第二道问题。常见的考察形式包括三种，一种是面试官会让你选择一个近期做的项目，或者是选择一个你认为你做的收益比较大项目，或者是选择一个你认为你做的比较好的项目，比较出彩的项目。 项目描述的呈现能力往往是决定成败的核心环节。本文将从项目选择逻辑、结构化表达框架及进阶技巧三个维度，系统解析如何通过项目描述展现专业能力与思维深度，帮助求职者突破面试瓶颈。 ## 01 项目呈现的三大作用 大家需要明确面试官他为什么要问你这个问题？ 实际上做项目描述它核心有三个点： 首先，面试官通过项目描述能够看你过去做过，主要做过哪些事，核心事儿有哪些。 第二，通过这个项目描述的话，面试官其实也能看你在做整体大项目描述上面这种思维能力，包括框架能力以及方案的提炼能力，这是它核心。 第三，因为接下来很明显的话就会进入到方案细节提问上，包括你过去做事情细节的一个探讨上，所以项目描述这一块的话，大家也可以理解为是为你接下来和面试官进行深入聊天做一个铺垫。 ## 02 项目选择的三重标准 面试官通过项目描述不仅考察候选人的经验积累，更关注其结构化思维与价值提炼能力。因此，项目的选择需遵循以下原则： **1. 时效性原则**。首先大家尽量去选择这个近期的项目，最好还是不要超过前两家公司的，当然最好肯定是选择你上一家公司，为什么？因为这个时候的话，其实从面试官角度来讲话是说你个人来讲的话，你对这个项目包括比如说它的方案细节，包括一些数据肯定最熟悉的，那么相应的话你的一些描述对于面试官来讲的话，它的可信度可能会更高一些。 **2. 复杂度原则**。从项目本身来讲，你尽量选择一些相对来说比较大项目，那也就是你可能在里面的你的思考点，包括你做的事情比较丰富，这个样子的话才能为你接下来和面试官进行深入聊天，可能有更大的一些空间，它才会更愿意针对这个项目跟你去聊。 **3. 深度参与原则**。聚焦自身主导或深度参与的项目，确保能完整阐述从需求洞察到落地的全链路思考。例如，在策略类项目中需明确说明如何拆解目标、设计解决方案，以及如何通过数据验证假设，就是里面项目包含很多这种细节，这个也是容易让你在面试当中拿到一个面评比较好的结果。 ## 03 项目描述的六维框架 接下来我给大家讲一下一个完整的项目描述应该怎么讲。完整的项目描述应包含业务背景、解决思路、实施方案、组织分工、效果验证及扩展价值六大模块，形成逻辑闭环。 那么接下来我分别会讲一下每一环节它到底的核心应该去讲什么。 ### 1. 业务背景：构建价值共识 很多人会把业务背景说的比较简单，说几个问题，说几个数据指标，然后就当做背景，就开始后面讲方案了。 实际上业务背景是一个很容易出彩的地方，你如果把它说好，你的面评会加分很多，那说不好的话其实就平平无奇。所以我给大家建议是，在你说业务背景的时候，你可以尝试从业务视角、用户视角、数据视角在三个维度去描述，你当时是怎么去思考这个问题的，为什么做？ 例如，某推荐策略优化的背景可表述为：“首页转化率同比下降15%（数据视角），用户调研显示信息过载导致决策疲劳（用户视角），业务亟需通过精准分发提升GMV（业务视角）。” 简单来讲就是通过这三个视角去证明你做这个事情的必要性和价值点，这也是我在训练营给大家讲策略制定频繁强调的点，想要面试通过率高，拿到的职级高，必须这么做。 ### 2. 项目思路：展现顶层设计 项目思路这块就是说我们基于上面分析的背景，我们最近确定的一个解法，或者是一个解决问题的方向是什么样子的。那么到这个时候大家可以去表达一些，比如说整体项目的一个思路解决框架方案的框架等等，这些可以理解为它是思路方向这些东西。 例如：“通过用户分群策略实现差异化推荐，建立‘标签体系优化-召回策略迭代-排序模型升级’的三层优化路径，优先解决头部用户流失问题。” ### 3. 项目方案：聚焦关键路径 因为我们上面其实有了整个项目思路，那么在项目方案环节的话，我们只需要把思路拆分成若干核心环节，然后把每一个环节的方案给它呈现一下就可以了。简单讲：以“模块化拆解”代替细节堆砌，突出每个环节的核心逻辑。例如：“召回层引入实时行为反馈机制，排序层融合CTR预估与业务规则加权，最终通过AB实验验证模型有效性。”需避免陷入技术细节，保留延展讨论空间。 所以我们对于项目方案这块描述，你只需要把你每个环节核心的实现思路以及核心逻辑表达一下其实就行了，其他的话没必要在这里表达，因为后面其实我们针对项目还会进行深挖。 ### 4. 组织架构：明确个人价值 其实很多人会忽略这一点。 但是大多数人面试可能之前都遇到过一个问题，就是面试官当你介绍完项目的时候，他会问你，你在这个项目当中做的是什么事？你负责哪些事情？ 我们组织架构在项目描述里面承担的也是这么一个作用。说明你在这个项目当中负责的核心角色以及做的核心事情都有哪些，哪些是你做的，哪些其他人做的？这就是我们要说组织架构的一个核心原因。 例如：“主导策略设计并协调算法与数据团队落地，推动运营团队完成冷启动资源投放。”同时说明协作模式，如双周迭代机制或跨部门评审流程。 ### 5. 项目效果：量化多维价值 这块大家都比较熟悉，也就是说我们用我们做这个项目的北极星指标，或者是我们做 AB 测试的一些核心业务指标去表明我们做的项目所带来的业务价值。 除北极星指标（如DAU提升20%）外，需补充衍生价值： - 横向赋能：能力复用案例（如排序模型迁移至支付页）； - 组织价值：推动流程标准化或获得内部创新奖项； - 长期价值：沉淀方法论或数据资产。 ### 6. 项目拓展：凸显策略深度 项目拓展这块是很多同学可能在面试当中不会去说的点，那其实项目拓展的话是一个非常大的能够表明项目价值机会。 什么是项目拓展呢？简单来讲就是你当前这个项目除了在你这个业务场景产生价值之外，是否有在其他场景产生了同样的价值？ 这个其实就是你项目拓展性，同时你也可以去表达一下你当前项目遇面临的一些问题点，以及你们后面可能的一些迭代方向，这个都能表明你在这个策略上面，或者在这个项目上面的一些深入思考能力。 总之，这块你可以重点阐述项目的可复制性及迭代规划，例如：“召回策略已扩展至3个新场景，下一阶段计划引入多模态内容理解优化长尾覆盖。”同时可反思局限性，如“冷启动依赖人工规则，需通过强化学习优化”。 那么以上其实就是怎样去完整的描述一个项目，其实每一次面试你都可以提前准备，按照这样的方式去准备你项目，相信你的面试通过率一定会高，这也是我为什么要求每个训练同学必须做面试准备文档。 项目描述的本质是一场“思维阅兵”，通过结构化表达展现专业纵深与商业敏感度。掌握上述方法论并辅以针对性训练，可显著提升面试通过率与职级天花板。对于计划转型或进阶的策略产品经理，系统化学习与实战复盘将成为破局关键。 以上希望能够给你带来一些启发。 本文由人人都是产品经理作者【夏唬人】，微信公众号：【策略产品夏师傅】，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。

Google希望最长能够为Android设备提供最长 8 年的软件和安全更新，这不仅需要Google努力，还要联合芯片组制造商提供驱动和安全更新、手机制造商进行软件版本适配等。  日前高通宣布与Google达成合作以扩大对Android设备的软件和软件更新支持，从搭载 Qualcomm Snapdragon 8 Elite 芯片组的旗舰设备开始，高通支持 OEM 提供最长 8 年的Android系统更新和安全更新。 对Android用户来说这应该是个好事情，目前也就Google和三星为其旗舰设备提供 7 年的更新，大多数 OEM 会在Android设备发布 2~3 年后就停止更新，这导致大量用户使用过时的Android版本，缺少新功能同时还存在大量的安全漏洞。 高通与Google达成合作是个非常重要的事情，因为大量Android设备使用高通的芯片组，高通需要为这些设备提供驱动程序更新，如果高通无法提供支持的话，仅靠Google和 OEM 合作无济于事。 Google和高通将通过扩展支持计划利用高通的 ASIC 专用集成电路和Google的 Project Treble，后者将Android系统框架与供应商分离，这样推送更新更方便，不需要对底层代码进行重大更改。 **高通的新计划还将为Android通用内核 (ACK) 提供两项升级，这是操作系统的核心，将有助于确保设备安全并与未来的Android版本兼容，这也有助于降低 OEM 成本，让 OEM 可以提供更长时间的支持。** 但现在高通愿意提供 8 年的驱动程序更新后，压力就到了 OEM，对 OEM 来说维护 8 年前的设备需要耗费大量的人力和资金成本，所以提供 8 年更新仍然是个非常有压力的事情。 高通无法强迫 OEM 也提供最长 8 年的软件与安全更新，但高通表示，**目前已经有多家制造商承诺将提供更长的设备更新时间 (只是更长而不是 8 年)**。 [查看评论](https://m.cnbeta.com.tw/comment/1481420.htm)

此前替代商店 AltStore PAL 在欧盟市场分发成人色情应用 Hot Tub，这也是目前 iOS 平台首款正规渠道的色情应用，随后这引起较大轰动甚至让苹果非常不爽。要在欧盟替代商店分发应用的前提是，开发商必须联系苹果提交基本信息和应用信息经过公证和缴纳保证金 (付费应用需缴纳)，苹果按照流程进行审核没问题后就会批准。  在这个环节苹果只负责按照现有流程对基础信息进行审核，至于应用涉及哪方面的与苹果无关，例如 Apple App Store 规定不得提交色情应用，但 Hot Tub 并不通过苹果分发。 苹果也无法监管第三方替代商店，所以在此前 Hot Tub 案例中，苹果虽然不爽但毕竟也是自己员工批准的，所以苹果现在修改措辞希望与色情应用撇清关系。 在原本的审核流程中如果审核通过苹果使用的措辞是：以下应用已获准分发 The following app **has been approved** for distribution 在新的审核流程中如果应用通过审核苹果使用的措辞是：以下应用程序已准备好分发 The following app is **now ready** for distribution 以上措辞都是面向开发者提供的，开发者可以在后台看到这些措辞，但措辞的修改表明了苹果的态度：不是我们批准的，只是应用已经可以分发。 至于后面应用通过替代商店分发那就不是苹果的事儿了，苹果无权干预替代商店的运营政策，所以后面再有这方面的争议苹果就可以说这是第三方商店干的。 其实这事儿还有个小彩蛋，苹果更改措辞的最大原因其实是 AltStore PAL 与苹果对峙，此前苹果说 Hot Tub 不是自己批准的时候，AltStore PAL 回应称苹果在公证邮件中确实是已批准，并非苹果所说的不认可、不知情。 [查看评论](https://m.cnbeta.com.tw/comment/1481418.htm)

知乎从 2024 年 5 月就开始通过各种方式强迫用户登录才能查看内容，如果不登录只能看到回答的概览无法查看全文，当然也不能查看回答的各种评论。当然知乎也不是防着用户，知乎还通过技术手段向搜索引擎爬虫输出乱码内容，看起来应该是故意这么做的避免搜索引擎或其他爬虫抓取知乎内容训练 AI 模型。 [](https://img.lancdn.com/landian/2024/05/104111-2.png) 没想到不到 1 年的时间知乎现在竟然放开了限制，不再强迫用户登录，当前查看知乎回答时仍然会自动弹出登录窗口，但可以关闭，关闭后既可以完整查看回答，也可以查看评论内容。 按理说知乎不应该这么做，虽然不停地强迫用户干这干那，但从人工智能的角度来说放开强制登录意味着其他爬虫也可以抓取数据了，无论知乎采用何种手段都肯定会有爬虫绕过技术措施继续抓取知乎的内容。 所以蓝点网的理解是知乎应该是碰到比较大的问题了，要么是强制登录后流量大跌、搜索引擎索引量也大跌，要么是知乎的新活跃用户越来越少，当然也可能是以上原因都同时存在，这才让知乎不得不放弃强制登录。 不过蓝点网暂时无法切换不同的 UA 进行测试，看看知乎是否还对搜索引擎进行乱码处理，因为蓝点网访问时直接说请求异常禁止访问，只能说，还得是知乎，要不是测试我也懒得访问。 <pre>{&#34;error&#34;:{&#34;message&#34;:&#34;您当前请求存在异常，暂时限制本次访问。如有疑问，您可以通过手机摇一摇或登录后私信知乎小管家反馈。&#34;,&#34;code&#34;:40362}}</pre> [查看评论](https://m.cnbeta.com.tw/comment/1481416.htm)

苹果公司发布了iOS/iPadOS 18.4、macOS 15.4 Sequoia、watchOS 11.4以及tvOS 15.4系统的首个公开测试版本，邀请更多公众测试人员提前体验新功能。不料在发布这一消息后不久，有科技博主发帖称：**由于导致存在“循环重启/变砖”BUG**，苹果公司已暂停向部分iPhone 和iPad机型验证iOS 18.4 Beta 1更新。 随后，他还列出了受此次更新影响的一系列的iPhone和iPad机型。 后来没多久，这位博主又发布最新消息，他补充道：**“iOS 18.4首个测试版同样不再适用于iPhone 12和iPad 8（WiFi）”。** 据这位博主透露，上述机型安装iOS / iPadOS 18.4 Beta 1更新后，出现“启动循环”，致使设备无法使用。 据其介绍，除启动循环问题外，**部分蜂窝版iPad Air机型可能还存在其他问题**。 苹果公司还暂停向**Apple Watch Series 6**推送watchOS 11.4首个测试版更新。 值得关注的是，苹果公司后续将重新为受影响的设备提供iOS/iPadOS 18.4和watchOS 11.4测试版，但具体时间尚不清楚。 **在这里补充一下，苹果公司本次更新主要内容：** 1、**优先通知**：该功能可以优先显示最重要的通知 2、**图乐园新增素描风格**：该功能可以为图像编辑提供更多创意选择 3、**Apple News+新增美食版块**：为Apple News+订阅用户提供食谱、美食故事和健康饮食技巧 4、**环境音乐**：可从控制中心播放轻松的音乐 5、**Vision Pro应用**：用户可通过iPhone管理Vision Pro头显应用，包括内容发现、获取，以及下载新的应用程序、游戏和电视内容 此外，iPhone和iPad还将支持管理Vision Pro的访客模式，**方便他人体验头显功能** 6、**邮件分类**：这项之前仅限于iPhone的功能，现已扩展至iPad和Mac。 7、**CarPlay更新**：在配备较大中央显示屏的车辆上，CarPlay现在可以显示**三行**图标。 除了以上主要功能更新外，iOS 18.4还包含其他一些小改进，例如**环境音乐功能新增睡眠、放松、专注和健康四大类别**的随机播放音效。 [](//img1.mydrivers.com/img/20250225/6d5e8b484e444581976057b6cd1fb35f.png) [](//img1.mydrivers.com/img/20250225/9a0e583157594e4097621bf5f9784ea3.png) [查看评论](https://m.cnbeta.com.tw/comment/1481414.htm)

胡润研究院今日发布《2024胡润中国500强》，列出了中国500强非国有企业，按照企业价值进行排名。**台积电依然是稳居榜首，价值上涨 3.27 万亿元，以 6.98 万亿元蝉联中国价值最高的民营企业。** [](//img1.mydrivers.com/img/20250225/2addb1a0a87f40a2a8ebfda73e826305.jpg) 腾讯价值上涨5700亿元，以3.42万亿元稳居第二。 字节跳动价值上涨2300亿元，以1.63万亿元上升一位至第三。 **值得注意的是，华为价值大幅上涨1100亿元，以6800亿元位列第十，重返前十。** 胡润研究院表示，在过去五年中，华为因为制裁的原因，价值缩水超过5000亿元。但好在目前已经渡过难关，正在逐渐重回王者之位。 **目前来说，华为在消费者业务、智能汽车业务、ICT基础设施业务方面都取得了非常亮眼的成绩。** 2024年第四季度华为以18.1%的成绩位居中国智能手机销量市场份额榜首；鸿蒙系统装机量在2024年首次突破8亿台，同比增长40%，在中国市场份额超越苹果iOS。 汽车方面扩展了与广汽集团等车企的深度合作，AITO问界系列车型成绩出色，问界新M7成为30万以上SUV销量冠军，问界M9更是登顶50万级豪华车销量榜首。 **甚至得益于合作华为，赛力斯在汽车行业排名中跃升至第三位，其价值比去年增长了58%，达到1990亿元，超过了理想汽车。** [查看评论](https://m.cnbeta.com.tw/comment/1481412.htm)

想要买新能源汽车的朋友需要注意了，**今年是最后一年免收购置税，而从明年开始，就需要多掏一笔钱了**。2023年6月19日，财政部等部委发布《关于延续和优化新能源汽车车辆购置税减免政策的公告》，明确了2024年后新能源汽车减免车辆购置税政策适用的技术要求、过渡期政策，并更新了相关标准和企业要求。 简而言之，**就是在2024至2025年仍实施免税政策；2026至2027年调整为减半征收（税率5%）**。 具体来看，对购置日期在2024年1月1日至2025年12月31日期间的新能源汽车免征车辆购置税，**其中，每辆新能源乘用车免税额不超过3万元**。 对购置日期在2026年1月1日至2027年12月31日期间的新能源汽车减半征收车辆购置税，**其中，每辆新能源乘用车减税额不超过1.5万元**。 此外，销售方销售 “换电模式” 新能源汽车时，不含动力电池的新能源汽车与动力电池分别核算销售额并分别开具发票的，**依据购车人购置不含动力电池的新能源汽车取得的机动车销售统一发票载明的不含税价作为车辆购置税计税价格**。  [查看评论](https://m.cnbeta.com.tw/comment/1481406.htm)

最近有关英特尔分拆话题不断，英特尔前首席架构师Raja Koduri（2023年3月从英特尔离职创建一家生成式 AI 游戏软件初创公司）在社交媒体平台“X”上发文指出，英特尔虽然拥有大量的知识产权和技术，但是很内部的官僚文化“扼杀了创新”。但是，Raja Koduri认为，英特尔仍然有能力与最优秀的公司竞争，需要积极转型，恢复性能优先的DNA，提升组织效率，制定目标并坚决执行。这一切都不容易，英特尔的所有高层都必须经历痛苦的转型。  **英特尔的“珍宝”和“蛇”** Raja Koduri声称，英特尔仍然拥有大量的知识产权和技术。这些都是生态系统中许多人羡慕的“珍宝”。许多创新已经搁置。这些创新涵盖了工艺技术、先进封装、光学、先进存储器、热处理、功率输送、CPU、GPU等等。其中一些创新可能会使英特尔产品在性能、性能/成本、性能/Watt方面有一个数量级的改进，这些指标决定了英特尔在所有计算领域（包括数据中心、边缘和个人设备）的最终领导地位。 英特尔目前的问题关键在于它们的延迟或推迟部署。五年多来，英特尔公司的产品路线图——将这些创新推向市场的重要渠道——一直受到制造业挑战的阻碍。虽然问题始于14nm，但10nm节点成为前所未有的瓶颈，使英特尔失去了五年的领导地位。然而，制造业务的延误只是问题的一部分。更深层次的问题源于文化和领导力，阻碍了英特尔做出务实的决定，例如在内部解决方案出现问题时及时采用台积电等外部制造能力。 从本质上讲，英特尔的DNA建立在绩效领导力之上——对突破基准的卓越的不懈追求。从营销到销售，其商业模式的各个方面都经过了校准，以成为其所选细分市场中无可争议的领导者。英伟达也拥有这种性能优先的DNA，这在他们不惜一切代价不懈地追求基准霸权中显而易见。“性能DNA”公司也在客户需求之前制造产品，他们总是走在曲线的前面。这两家公司都不是作为“价值或服务参与者”而蓬勃发展的——它们不是为了与主要价值指标竞争而建立的，比如绩效/成本或根据客户要求提供服务。虽然价值/服务型公司可以取得巨大的成功，但将一家以绩效为中心的公司转变为价值参与者需要进行重大的文化手术。相反的转变要自然得多。运行代工服务对英特尔来说将是一个具有挑战性的过渡，但与已经从事代工服务业务的公司建立许可合作关系可能是一种更务实的方法。 “主导企业决策的官僚流程如同‘只看电子表格和PPT的蛇 ’，往往无法理解放弃绩效领导的真正代价。虽然他们进行了优化，只求最大限度地减少季度损失，但同时也忽略了大局。任何在既定流程之外进行‘臭鼬工程’（Skunk works指一小群专家不受公司严密教条束缚，秘密进行新产品或科技发展）的企图，都会引发恐惧气氛，因为只要有一步失误，官僚主义的‘毒蛇’就会攻击。”Raja Koduri说道，这种环境在整个工程队伍中滋生了一种普遍的“习得性无助”，扼杀了建立英特尔帝国的创新文化。 Raja Koduri在推文中还谈论了英特尔已经取消但原本可以取得重大成果的项目，包括面向人工智能的Falcon Shores GPU以及面向高性能计算的Rialto Bridge。Raja Koduri认为Rialto Bridge原本已经于2022年发布、按照时间表会在2024年量产，且性能有望超过竞品英伟达H100，但英特尔没有好好把握机会，甚至暂停Falcon Shores项目，最终使得其AI营收在竞争对手中垫底。 **转型** 在Raja Koduri看来，英特尔成功转型是可能的，即使是在绝望的深处。虽然一些资本策略为公司发展提供了必要的支持，但仅靠它无法点燃推动工程师建造真正革命性东西的火花。在尖端技术领域，工程师需要的不仅仅是资源，他们还需要一个鼓舞人心、近乎大胆的目标来追求。理想的目标应该同时具有威慑力和启发性：威慑力是因为它突破了可能性的界限，启发性是因为它代表了计算的飞跃。领导力的作用不仅仅是设定这些目标，而是提供工具，指明前进的道路，并与团队一起在战壕里战斗。比如，追求一个艰巨的挑战——一个“大坏怪物”——具有普遍的吸引力，无论经验水平如何。 对此，Raja Koduri认为，英特尔可以将挑战英伟达作为目标，并在2027年推出符合以下规格的AI芯片： 1、1 ExaFlop of raw FP8/INT8 compute performance 2、5 PB/Sec of&#34;HBM&#34;bandwidth at 138 TB Capacity 3、2.5 PB/Sec of GPU-GPU bandwidth 4、All while maintaining a 132 KW power envelope 5、At $3M price 这也意味着，英特尔需要将计算性能提升3倍，内存带宽和容量提高10倍，互连带宽提升20倍，同时保持相同的功率和成本。 Raja Koduri认为，英特尔拥有实现超越英伟达AI产品规格所需的所有技术要素，包括CPU、GPU、AI、先进封装、互联技术等，通过完全的组织协调和专注，英特尔可以实现这一目标。同样重要的是，上述规格也将转化为1 Petaflop（132W）和100 Teraflop。英特尔将有能力提供从设备到DC的单栈，以便高效地向消费者和企业部署Deep Seek等优秀的开源AI大模型。一个能够以1万美元的价格高效地托管整个670B参数DeepSeek模型的单一系统在英特尔的领域内非常重要。 Raja Koduri预计，在未来3-5年内，AI成本将再度出现“DeepSeek”时刻。 “英特尔有能力与最优秀的公司竞争。他们需要积极参与游戏，而不是破坏既定的路线图。别再从胜利的嘴里找失败原因了。这一切都不容易，英特尔的所有高层都必须经历痛苦的转型，仅凭现有行政领导的音乐椅是不够的。”Raja Koduri写道。 **让混乱统治，然后控制混乱** “让混乱统治，然后控制混乱。”是英特尔创始人安迪·格罗夫（Andy Grove）的一句名言。Raja Koduri认为，Andy Grove可能是英特尔最后一位非常了解公司堆栈每一层的首席执行官。 让我们稍微剖析一下，为什么要让任何混乱统治？所有的混乱不都是坏事吗？答案是否定的。有好的混乱和坏的混乱。好的混乱迫使你去发明和改变，重大的技术和行业转型是混乱的。互联网、WiFi、云、智能手机、人工智能都是可能导致良好混乱的过渡的例子。当英特尔能够“控制”时，它将从这些转变中受益匪浅。好的混乱通常来自外部事件。糟糕的混乱来自内部问题。 Raja Koduri表示，“我喜欢把糟糕的混乱称为‘组织熵’。这是降低公司效率的关键。当熵超过某个阈值时，领导层就会失去对公司的控制。在减少这种熵之前，再多的高管打击也无法解决这种情况。” **建议** 在文章的最后，Raja Koduri还向任何在英特尔担任领导职务的人的提出了建议： 1、将“编码器”与“协调器”的比率增加10倍。这可能是最痛苦的事情，因为它可能会导致员工人数的大幅减少和一些重新雇佣。给那些被困在协调任务中的人重新学习的机会，让他们回到编码或离开公司。人工智能工具是老年人重返工作岗位的重要推动因素。 2、围绕产品领导架构组织公司。英特尔可以使用小于6个模块化构建块（小芯片）构建从10W到150KW的整个产品堆栈，这些构建块在整个堆栈中共享。围绕市场边界拆分公司，阻碍了他们在堆栈上下利用其领导知识产权（例如：Xeon上的Lunar Lake SoC能效将非常棒，但Xeon能效远非当今的领导地位）。通过在整个堆栈中利用领先的IP，英特尔可以在客户端、边缘和数据中心部署性能卓越的产品，并获得超过5000亿美元的TAM份额。 3、取消区域性。英特尔的遗产建立在无情的迭代之上。每18个月迭代一次，新工艺技术的良率达到90%。勾选执行模型、停止“取消文化”。 4、押注普遍性，专注于性能基础。Ops/clk、字节/时钟、Pj/Op、Pj/Bit等。边界不是CPU、GPU和AI加速器。工作负载是标量、向量和矩阵计算的不断发展的组合，需要增加带宽和内存容量。您拥有独特的能力，能够以一定的比例提供这些元素，从而取悦您的客户并摧毁您的竞争对手。 5、让大量的BattleMage和PVC GPU无摩擦地提供给全球开源开发人员。销售大量的Battlemage GPU是实现这一目标的一个很好的步骤。不要担心它们的利润。这是进入人工智能开发人员心灵的最有效方式，同时让全球数百万游戏玩家感到高兴。 Battlemage是迭代优势的一个很好的例子。自2022年Alchemist以来，软件健壮性和性能方面取得了非常可观的进步。如果他们在未来12个月内再次迭代并推出Celestial，他们将走上领导之路。让所有PVC库存（包括Argonne Exascale安装中的库存）可供Github开发人员使用，没有“云摩擦”。它应该是从世界上任何PC/Mac一键连接到云GPU。英特尔GPU是与Pytorch/Triton AI开发者生态系统最兼容的（在其他英特尔选择中）。这一努力将极大地帮助2027年领导系统的发布，届时英特尔将在第一天推出更多软件。 [查看评论](https://m.cnbeta.com.tw/comment/1481404.htm)

AMD即将发布新一代RX 9070系列显卡，预计性能大致相当于RTX 5070系列，但应该拥有更高的性价比，还有更高的……频率。有国外网友通过特殊渠道提前搞到了一块RX 9070 XT，甚至有了Linux系统驱动，于是跑了一下Unigine Heaven基准测试。  具体成绩没说，也无关紧要，但从运行图中可以看到，**RX 9070 XT满载的时候核心频率居然高达3244MHz！这可是史无前例的。** 如无意外，这应该是一款解锁的超频版本。 另外，截图中还可以看到显存容量为16GB，**核心温度只有50℃，功耗为329W**，不算很高——RX 7800 XT标称整卡功耗263W。 系统接口错误地识别为PCIe 3.0 x16，理论上应该也会支持PCIe 5.0。  之前泄露的一份GPU-Z截图显示，RX 9070 XT基准频率为2570MHz，加速频率达3100MHz，相比于RX 7800 XT分别提高了21％、28％。  其实，RTX 50系列也有着不错的超频潜力，根据快科技实测RTX 5080部分型号能超到3.2GHz，**RTX 5070 Ti更是可以逼近3.3GHz**，但都不是出厂预设，需要手动拉上去。  [查看评论](https://m.cnbeta.com.tw/comment/1481402.htm)

“鲶鱼效应”正在形成。

2025 年 2 月 21 日，阶跃在上海迎来了首届 Step UP 生态开放日。 活动中，阶跃重点介绍了其在智能终端 Agent 领域的战略布局，同时汇聚了吉利汽车集团、OPPO、智元机器人等行业巨头，共同见证了大模型技术在智能终端 Agent、金融财经、内容创作、新零售和数字人等领域的强大赋能与创新实践。 此外，阶跃星辰还发布了「繁星计划」二期，旨在从模型优化、算力支持、资本投入、数据共享和企业孵化等方面为开发者提供全方位赋能，激发更多 Agent 应用创新。 看上去，智能终端侧Agent，已经成为“多模态卷王”阶跃为大模型应用落地选择的关键切入口。  ## 多模态技术持续领跑，为 Agent 打下坚实基础 在此次 Step UP 生态开放日上，阶跃星辰创始人、CEO 姜大昕在演讲时表示：我们朝着实现 AGI 的目标稳步前进，目前已进入 Agent 的发展阶段。 而智能体的发展依赖于两大关键要素：一是多模态能力，让智能体充分地感知和理解世界；二是推理能力，使智能体能够进行长思维链的慢思考，主动规划、尝试、反思，通过不断纠错提供准确的答案。  值得一提的是，阶跃其实在多模态领域早就已经是名副其实的“卷王”。 与 DeepSeek 一样，阶跃星辰也是一家刚刚起步的人工智能企业，成立不到 2 年，就已经发布了 11 款多模态模型。旗下模型的功能涵盖了所有的模态和类别，其中包括图像和视频生成、图片和视频理解、语音识别复刻和生成等。 模型数量够卷的同时，Step 系列也多次霸榜全球大模型测评榜单中国大模型的第一名。 例如在 2024 年 11 月 22 日 LMSYSOrg 发布的大模型竞技场 ChatbotArena 最新榜单中，阶跃 Step-1V 上榜，位列视觉领域中国大模型第一，总分跟 Gemini1.5-Flash-8B-Exp-0827 持平，超过国内所有大模型公司。  两个月后，阶跃 Step-1o 系列模型又在国内权威的大型模型评估平台“司南”（OpenCompass）多模态模型评测实时榜单中拿下了第一名。  上个月，阶跃 Step-1o-vision 多模态模型在 LMSYSOrg 最新榜单中，拿下了国内视觉领域大模型第一，超过所有国内大模型厂商，依旧占据着多模态模型的领先地位。  在频频获奖的那段时间，阶跃更是直接把官号改为：“狂卷多模态的阶跃星辰”。  而在选择开源之后，这个曾经一度靠“卷”来积累技术的大模型公司，又充满自信的将技术回馈给开源社区，变成了如今“拥抱开源的阶跃星辰”。  By the way， 此次开源的 Step-Video-T2V 和 Step-Audio 两款模型目前都已经可以在「跃问App」中进行体验，其中用 Step-Video-T2V 生成视频更是全程免费，不限次数。两款模型开源之后，也受到了广泛的用户追捧，在海外各平台曝光量近千万。 除此之外，技术社区、创作社区、芯片厂商、云服务商以及产业方等各界都已迅速接入阶跃的开源生态。这样的广泛参与不仅加速了技术创新，也充分展示了开源生态与行业合作的巨大潜力，为各领域提供更加定制化的解决方案，满足多样化的需求。  ## 发力智能终端 Agent，率先布局端侧全产业 阶跃长久以来在多模态等领域积累的深厚技术，为其发力智能终端 Agent 打下了坚实的基础，同时也使其在技术层面处于领先地位。 借此优势，阶跃将智能终端 Agent 视为大模型技术落地的核心突破点，并在“车+手机+IoT+具身智能”端侧全产业进行率先布局，进而推动大模型技术在场景中的深度应用与创新。 在生态开放日大会上，阶跃宣布与吉利汽车集团、千里科技宣布深化技术合作，共同推动“ AI +车”的深度融合。此次合作依托吉利在整车制造、智算平台、卫星网络等领域的基建优势，结合千里科技的产品创新能力，以及阶跃星辰在大模型方面的深厚技术积累，旨在为汽车智能化变革注入新动能。 吉利汽车集团、千里科技和阶跃星辰的合作将开启“AI+车”的深度融合。  阶跃星辰的姜大昕表示，希望和吉利，汽车行业伙伴形成产业联盟，共同打造人工智能如何在车端各种场景下的落地。 吉利汽车集团的董事长李传海指出，通过整合全球优质资源，三方将构建包含“算力中心、大模型、智能架构、智驾、智舱、芯片、手机、卫星、飞行器”的完整智能化生态。 千里科技董事长印奇强调，通过 AI 大模型、端到端智驾、驾舱融合等技术的突破，智能汽车的体验将实现从量变到质变的跨越。三方将在模型优化、产品定义和软硬件研发等领域全面合作，共同打造更安全、更舒适的智能出行体验。 这种“硬件生态+软件定义+AI大脑”的协同，构建了从云端大模型到车端芯片的全栈智能化闭环，为汽车行业提供了从机械代步工具向智能生命体转型的完整解决方案。不妨大胆猜想，或许在不久的将来汽车领域将率先验证“场景化大模型”价值，通过座舱交互、智能驾驶、车路协同的三位一体演进，进一步推动 L4 级自动驾驶的商业化破局。  AI +车之外，阶跃还与手机厂商 OPPO 携手，将 Agent 技术深度融入手机终端，致力于打造更智能的交互体验。 OPPO 智能助理部部长、小布助手负责人万玉龙指出，随着新一代 AI 技术与移动终端的深度融合，手机已不再只是通讯工具，而是进化为能理解用户意图、主动提供服务、甚至预判需求的智能助理。基于阶跃星辰的 Step 系列多模态模型，OPPO 推出了“一键问屏”和“一键全能搜”两大创新功能。 用户通过小布助手 App，可以实现拍照问答、文档问答、识屏问答等多种多模态交互功能。此外，用户只需对小布助手下达指令，AI 就能自动进入各类 App 完成任务，如“一键搜所有”。 这种人机交互的革命性突破，是“无感智能”的一种体现，同时也标志着移动终端开始向“数字分身”进化，也许在不久的将来，可能会重构 APP 生态与流量入口的格局。 思维再发散，在未来手机智能化可能还会催生出“个人AI管家”的新物种，基于多模态交互的主动服务，直接颠覆现有应用商店模式，从而引发终端厂商与互联网企业的生态位重构。  除此之外，阶跃还宣布与智元机器人达成战略合作，共同探索 AI+具身机器人应用场景，促进Agent 在具身领域的创新应用。同时也会通过生态开放的方式，与包括 TCL 在内的一系列 IoT 平台和设备厂商紧密协作，推动设备间的智能化升级和体验的无缝连接。 ## 合作“四大产业”，推动应用创新 在这次生态开放日上，阶跃除了公布其在智能终端 Agent 领域取得的重大突破，同时也展示了它在金融财经、内容创作、新零售、数字人这四大产业获得的成果。 值得一提的是，面对行业内普遍存在的大模型技术落地难、应用场景有限的挑战，阶跃其实早就动了起来，已经默默的完成了很多的产业落地。 例如，在此次的开放日上，阶跃宣布分别与瑞幸咖啡和天数智芯建立战略合作伙伴关系。这一合作开创了国内首个融合新零售品牌、基座模型公司与算力服务商的“ AI+新零售 ”模式，实现了从技术研发到实际消费场景的全链条闭环。 总的来说，“AI+新零售”的模式将人工智能技术与传统零售结合，推动了零售行业向智能化、个性化和高效化方向发展。通过 AI 技术，零售商能够提供个性化推荐、虚拟试穿、智能客服等服务，提升消费者的购物体验；同时，通过需求预测、智能物流和动态定价，优化库存管理和供应链效率。 此外，AI 还能够实现精准营销，提高转化率，并帮助零售商降低运营成本。未来，这一模式将促使线上线下渠道无缝融合，并推动智能门店和个性化服务的发展，进一步满足消费者多样化的需求。 除了新零售领域，阶跃在去年就已经和上海报业旗下的界面财联社达成了深度战略合作，联合创办了大模型科技公司——财跃星辰，率先推动大模型在金融财经领域的应用。如今，财跃星辰已推出面向金融行业的财跃大模型，并在上海人工智能实验室与上海财经大学、上海库帕思科技有限公司联合发布的《金融领域大模型评测报告（2024）》中荣获多模态第一。 针对C端用户，财跃星辰推出了智能财富助手「AI小财神」，为用户提供AI数据挖掘、对话交互和财报解读等服务。此外，阶跃星辰还与国泰君安、界面财联社携手推出了业内首个千亿级参数的多模态证券专用大模型——君弘灵犀大模型，将大模型技术全面应用于用户智能化服务中。  ## “繁星计划”二期：全面赋能 Agent 开发者 2024 年 7 月，阶跃启动“繁星计划”，旨在支持多模态大模型领域的初创企业和独立开发者团队。“繁星计划”为合作伙伴提供免费 Tokens、产品曝光、对接合作、技术支持以及 RPM/TPM 支持等多方面的资源，助力其技术发展和市场推广。 截至目前已涌现出 20 多个优质AI创业项目，在多个场景为消费者带来创新体验。例如，物圆是国内首个面向 C 端用户的 AI 电商应用；胃之书成功冲上 App Store 美食类畅销榜前三名；林间聊愈室获苹果应用商店编辑推荐；ChatPPT ⾃有注册用户突破 300 万， 累计服务 B 端平台用户超千万... 2025 年 2 月21 日，阶跃开启了“繁星计划”第二期，旨在为 Agent 应用开发者提供模型、算力、资本、数据和企业孵化等全方位支持。 除此之外，阶跃星辰还联合模速空间，为优质创业项目提供模速空间办公场地支持，在上海打造大模型产业聚集效应，推动上下游生态合作共赢。  从智能汽车到手机终端，从金融财经到新零售，阶跃的创新应用正在为千行百业注入新的活力，为用户带来更智能、更便捷的体验。 雷峰网认为，正如阶跃星辰 CEO 姜大昕所言，阶跃正朝着实现 AGI 的目标稳步迈进。让 AI 的力量惠及每一个人、每一个行业。

 Daedalic Entertainment 携手开发者 Yullia Prohorova 和 Timur Bogotov，正式发布温馨 3D 解谜游戏《木木屋 Woodo》的剧情预告片！ &lt;内嵌内容，请前往机核查看&gt; 该预告片在Xbox 展示会上首次亮相，向玩家展现了一个温暖而治愈的故事，等待玩家一块块拼凑完整。在预告片中，玩家可以窥见主角初到乡村的片段，与淘气的鹅和顽皮的山羊互动的趣味场景，以及在美丽田园中结识朋友的点滴回忆。 &lt;内嵌内容，请前往机核查看&gt; 沉浸手工拼装世界，感受温暖成长之旅 在《木木屋 Woodo》中，玩家将进入一个精心打造的微缩手工世界，游戏围绕主角对夏日乡村的温馨回忆展开。通过直观的拼图组装机制，玩家将逐步拼凑出各种物品和场景，让这个温暖的成长故事跃然眼前。  玩家将扮演 Foxy，一个习惯了数码生活的年轻女孩，她将在暑假期间前往偏远的乡村，与远房亲戚 青蛙本（Ben the Frog） 共度时光。起初，Foxy 对乡村生活感到陌生，但在 Ben 的鼓励下，两人踏上一场充满创造力与想象力的冒险旅程。随着游戏的进行，玩家将逐步组装精致的微缩场景，每一个场景都象征着 Foxy 那段美好夏天的重要回忆，并由温暖的旁白娓娓道来，仿佛一位亲切的朋友在身旁陪伴。 游戏特色 - · 独特的木质美术风格，让 3D 解谜元素仿佛触手可及。 - · 沉浸式音效设计，带来仿佛玩弄迷你玩具屋的真实感。 - · 创新玩法，结合“寻找物品”类游戏机制，带来别样解谜体验。  - · 情感丰富的游戏体验，让玩家沉浸在简单而温暖的怀旧氛围中。 - · 精心编织的故事和配音，由温柔的旁白引导，让玩家感受如同好友陪伴的温暖支持。

刘强东王兴，终成对手。

海外短剧数据独家发布!

特斯拉FSD落户中国，中美智驾竞技场正上演“技术、竞争与本土化”的三重较量。

 由须田刚一&amp;末弘秀孝开发的2.5D动作游戏《Hotel Barcelona》公布了新宣传片。 &lt;内嵌内容，请前往机核查看&gt;  《Hotel Barcelona》是一部2.5D恐怖电影风格动作游戏：来自美国各地的邪恶连环杀手齐聚酒店，而菜鸟法警Justine体内寄宿着一名叫“嘉年华博士”的疯狂杀手。她是否能消灭所有杀手逃出酒店？游戏中每次死亡重生会获得“杀手幻影”，可复制过去所做的一切，也能造成伤害或充当诱饵；在砍杀敌人后的“浴血”达到峰值后可激活超级攻击；酒店有7个灵感来自不同恐怖电影的地点，令人胆战心惊的boss战等待着玩家。     游戏的视觉图由Hiroaki绘制，宣传片由动画组合qootain制作。本作在2024年公布，目前[Steam商店页](https://store.steampowered.com/app/2286600/HOTEL_BARCELONA/)已公开，暂无发售时期，预计登陆PS5/XboxSeriesX|S/PC平台，支持中文。

市场调研机构CounterPoint Research给出的报告显示，2024年的翻新手机市场，iPhone的保值程度依然遥遥领先安卓阵营。2024年全球翻新智能手机销量机市场持续增长5%，苹果进一步巩固了其市场主导地位。由于新款iPhone供应短缺，苹果翻新机平均售价有所下降，但5G手机在翻新市场中占比显著提升。 报告中指出，苹果几乎凭借一己之力推动了2024年二手手机市场的增长，其市场份额从2023年的51%上升至56%。 [](//img1.mydrivers.com/img/20250225/248ab9ae14b24e14adb633f90741c008.png) 相较于苹果来说，安卓阵营中表现最好的就算三星了，市场份额从2023年的54%上升至27%. 至于国产手机阵营中，OPPO、vivo、小米、华为基本表现一致，份额相较于2023年来说基本没什么太大变动。 整体来说就是，越来越多的消费者转向二手市场购买价格更实惠的iPhone，至于安卓手机就三星是首选，而国产手机二手关注度并不太高（全球市场而言，中国市场另说）。 [查看评论](https://m.cnbeta.com.tw/comment/1481400.htm)

日前，微信PC版发布4.0.2测试版更新，该版本不需要内测权限，属于公测版，大家都可下载。**该版本新增了收好友红包功能，在PC上就能领取红包，比较方便。** 不过，4.0.2版本目前仅支持单聊收红包，暂不支持群聊收红包、不支持发红包，也无法显示自定义红包封面。 **微信PC 4.0.2测试版和旧版本可以共存，不会覆盖安装，进入4.0.2后会提示导入原来的聊天记录，**大家可以放心体验。  据了解，2024年10月，微信在官网上架微信4.0.0测试版，支持Windows和macOS。 **该版本采用全新UI风格，界面更有立体感，边框也由直角变为圆角，新增字号大小设置、发布朋友圈等功能，**并且支持深色模式，可随系统调节，该功能由macOS版率先支持。 [查看评论](https://m.cnbeta.com.tw/comment/1481398.htm)

据外媒wccftech报道称，RTX 50系列显卡现在市场一卡难求，而这背后的推手可能就是英伟达自己。**报道中提到，英伟达正在“人为”控制零售市场的库存水平，以制造一种RTX 50系列高端显卡型号供不应求的假象，从而推动市场热度。** RTX 5090上市后，供应非常的短缺，而该型号在部分零售商处的库存甚至是个位数，许多消费者和黄牛都在争抢这些高端显卡。然而，这种库存紧缺并非因为英伟达无法生产足够的GPU芯片，而可能是另有原因。 除了库存问题外，英伟达在RTX Blackwell架构上的困境也越来越明显。 早期的库存紧张已经让玩家怨声载道，而ROP（光栅化输出单元）缺失的问题似乎也已经蔓延至整个RTX 50系列。 有博主也表示，英伟达之所以要营造RTX 50系列极为抢手的假象，是因为这种策略不仅能够推高产品价格，同时也让玩家更难以以合理的价格购买到显卡。 [](//img1.mydrivers.com/img/20250225/0ac89bd331fc4885917ef8ce60bee820.png) [查看评论](https://m.cnbeta.com.tw/comment/1481396.htm)

企查查APP显示，恒大新能源汽车投资控股集团有限公司新增多项被执行人信息。执行法院为陕西省咸阳市渭城区人民法院和广东省广州市南沙区人民法院，**执行标的合计约19.19亿元。** [](//img1.mydrivers.com/img/20250225/5e6d057371054b0a9a264d29abcf577a.png) 目前，该公司共有34项被执行人信息和百余项限制高消费信息。 恒大新能源汽车投资控股集团有限公司成立于2019年1月，法定代表人为刘伟胜，注册资本35亿美元，由恒大新能源汽车控股（香港）有限公司和恒大恒驰新能源汽车（广东）有限公司共同持股。 **2024年上半年，恒大汽车净亏损进一步扩大至202.56亿元，超出去年全年，负债高达743.5亿元，现金及现金等价物仅3900万元。** 此前，恒大汽车发布公告表示：**由于现今中国大陆新能源汽车市场的经营环境非常艰难，此情况无疑对公司寻找战略投资者或买家造成阻碍。** 鉴于资金水平较低且不足，集团无法确保若干服务的进行，包括但不限于其审计师和其他相关专业顾问就截至2024年12月31日止年度开展现场审计工作。 然而，公司仍然不懈努力继续寻找战略投资者或买家以缓解集团流动资金问题。 [查看评论](https://m.cnbeta.com.tw/comment/1481394.htm)

据报道，日前有网友发帖爆料称，他乘坐吉祥航空H01256号航班，从乌鲁木齐飞往上海虹桥时，**乘务人员给乘客发放的坚果包过期了10天，有乘客发现后，机组承诺给予1000元的补偿，但要求签署保密协议。**  此事引起网友热议，吉祥航空今日向媒体回应称，当班乘务组在航班飞行途中发现问题后，立即通过卫星电话向公司报告。 为弥补服务过失，公司迅速启动应急处理机制。**在航班抵达后第一时间向旅客致歉，并提供1000元/人服务补偿金。** 针对此次事件，公司立即开展事件调查并视调查结果对责任人严肃问责。为杜绝此类问题再次发生，公司重新梳理了外站回程航班坚果类的小零食配送流程，完善机上核查机制，确保同类问题不再发生。 该负责人还表示，经调查机组人员是在机舱门口向乘客发放补偿金和保密协议，并无强制乘客的行为，即便不签协议也可以领到补偿金。 [](//img1.mydrivers.com/img/20250225/fb378863f9614da290376789ee37ba1e.png) 而此前报道显示，网友分享的图片显示，吉祥航空发放的坚果零食包包装袋上写有“吉祥航空”字样，生产日期为“2024年8月13日”，保质期则为“6个月”，网友称已过期十天。 同时，网友发布的《保密承诺书》图片显示，本人XXX就与上海吉祥航空股份有限公司相关服务补偿事件，吉祥航空已向本人支付补偿款1000元，本人在此郑重作出如下保密承诺，不以任何形式，向任何第三方透露保密内容。 [查看评论](https://m.cnbeta.com.tw/comment/1481392.htm)

NVIDIA确认，其RTX 50系列显卡中又一款型号受到ROP单元缺失问题的波及。**此前，NVIDIA仅确认RTX 5090、RTX 5090D和RTX 5070 Ti三款显卡存在缺少ROP的问题，但如今RTX 5080也被列入受影响名单。**  据NVIDIAGeForce全球公关总监本·贝拉翁多（Ben Berraondo）透露，经过进一步调查，他们发现早期生产的RTX 5080显卡同样受到该问题的影响。 **受影响的消费者可以联系显卡制造商进行更换，贝拉翁多还强调，除了上述几款显卡外，其他NVIDIA显卡均未受到该问题的影响，包括即将上市的RTX 5070。** 此外，他还表示，生产异常已经得到纠正，且NVIDIA在这些显卡发布之前并不知晓这些问题的存在。 NVIDIA在最新的修正声明中表示，该罕见问题影响了不到0.5%的RTX 5090/5090D、RTX 5080和RTX 5070 Ti显卡，受影响的显卡平均图形性能下降幅度约为4%，但对AI和计算工作负载并无影响。 [查看评论](https://m.cnbeta.com.tw/comment/1481390.htm)

DeepSeek API开放平台的DeepSeek-chat模型优惠期结束，DeepSeek已重新开放API充值，调用价格已变更为每百万输入tokens 2元，每百万输出tokens 8元。  此前，DeepSeek曾暂停API服务充值，充值按钮显示灰色不可用状态。 DeepSeek官网声明称，“当前服务器资源紧张，为避免对您造成业务影响，我们已暂停API服务充值。存量充值金额可继续调用，敬请谅解！” [查看评论](https://m.cnbeta.com.tw/comment/1481388.htm)

科技巨头微软取消了部分数据中心租约，公司回应称将坚持执行原定资本支出计划。近日，美国券商TD Cowen发布报告称，微软已经取消了与美国多家私营数据中心运营商的数项租约。当地时间2月24日，微软方面回应称，公司将坚持进行2025财年超过800亿美元的资本支出计划，与此同时，微软可能会“在某些领域进行战略性调整”。 [](https://static.cnbetacdn.com/article/2024/1231/91b9d7963bb6d60.webp) 微软方面表示，公司本财年将在AI（人工智能）和云计算领域投资超过800亿美元的计划正在顺利进行中，将继续以“创纪录的增长速度”满足客户需求：“虽然我们可能会在某些领域战略性地调整或控制基础设施的部署节奏，但我们将继续在所有地区保持强劲增长。” 在上周五发布的一份报告中，以Michael Elias为首的TD Cowen分析师指出，对供应链的调查结果显示，微软已经取消了与至少两家私营数据中心运营商签订的、总容量达到“数百兆瓦”的租约。尚不清楚微软取消部分租约的具体原因，而TD Cowen的分析师认为，这可能体现出微软正处于数据中心“供应过剩”的局面。 此外，微软还暂停了转换为正式租约的流程。TD Cowen的分析师表示，包括Meta在内的其他科技公司也曾采取过类似举措，用来降低资本支出。 TD Cowen的分析师们在24日发布的第二份报告中写道，作为美国AI基础设施项目“星际之门”的一部分，OpenAI正在将部分工作负载从微软转移到甲骨文公司。此外，微软可能会将部分原用于海外业务的内部投资重新分配到美国。 此前，美国总统特朗普于1月21日在白宫宣布，日本软银集团、美国OpenAI和甲骨文公司（Oracle）将在未来4年内投资5000亿美元，用于在美国建设支持AI发展的基础设施。值得注意的是，虽然特斯拉CEO马斯克是特朗普竞选团队的核心成员，而微软是OpenAI的最大投资者兼合作伙伴，但特斯拉和微软都被排除在了该项目之外。 目前，市场正密切关注大型科技公司是否会继续在AI基础设施建设方面投入巨资，以及投资是否能带来相应的回报。根据微软、谷歌、亚马逊和Meta的报告，四家巨头在2024年的资本支出总额为2460亿美元，和2023年的1510亿美元相比飙升63%，2025年的资本支出总额可能会超过3200亿美元。 根据投资机构DA Davidson统计的数据，微软也是2024年英伟达AI芯片的最大买家，累计购买了近50万块GPU，为英伟达的营收贡献了约200亿美元。 对于微软取消租约一事，美国信托公司Synovus Trust的高级投资组合经理Dan Morgan表示：“我不认为这会带来任何宏观层面的变化，从公司愿景来看，他们还是会建设数据中心。” 伯恩斯坦（Bernstein）的分析师Mark Moelder表示，这一消息可能表明对云计算的需求出现下降，尤其是在包括微软在内的几家云巨头发布了增幅放缓的最新业绩之后。不过，这也反映出微软过去几年对产能建设的投入力度。 当地时间1月29日，微软公布截至2024年12月31日的2025财年第二财季业绩，微软最受市场关注的智能云部门在本财季营收255.4亿美元，低于市场预期的258.3亿美元，较上年同期增长19%，增速低于上一财季的20%。截至第二财季，公司已经花掉了预计全年800亿美元资本支出中的420亿美元。 24日当天，微软（Nasdaq：MSFT）股价跌1.03%收于每股404.00美元，总市值3万亿美元。 [查看评论](https://m.cnbeta.com.tw/comment/1481384.htm)

<blockquote><p>在本地生活服务领域，抖音成为了引流利器。然而，如何通过抖音内容筛选出精准用户，仍是众多商家亟待解决的问题。本文将深入探讨高转化率的抖音内容策略，从品类选择、视频构建到流量精准化，帮助您全面理解如何在激烈的市场竞争中脱颖而出。</p> </blockquote>  本地生活，如果你将供给看成大厦的基石，那么流量获取就是建筑。如果没有流量，再好的基石也会被掩埋在一片废墟中。‍‍‍‍‍‍‍‍‍ 如何获取流量，抖音本质是通过内容获客，而内容中短视频占据本地生活最关键的一环，而视频存在质量的不确定性与数量的确定性，我们要用数量的确定性去冲击质量的不确定性。 这也是我运营24个月品牌流量得出的一些经营，希望能更好帮助你理解本地生活流量原则，更好去获取流量。‍除此以外，以下这几个流量获取原则，你也需要关注。 ## 一、品类决定流量天花板 不同品类，用户群体需求量不同，而反映到短视频内容上就是播放数据的天花板。 例如加油和咖啡两个品类，用户体量就存在很大的差异。加油，你是燃油车车主才有需求；而咖啡，人群覆盖范围会更广。在考虑本地生活地域范围限制，实际上每个品类理论上覆盖人群存在天花板。这样反向能验证，这个品类的流量情况。  （上图）加油和（下图）咖啡的人群分布结构 对于品牌或者商家来说，一味追求流量的爆款并没有错，但更需要关注流量的精准性。视频播放量大与高额成交并不一定是正相关。 ## 二、如何让流量更精准 如何让流量精准，生产让本地人关注的话题或者内容。例如在广州从话题、文案以及话题、标签等做区域限定。 广州人喜欢的早茶店。‍ 广州人一定会选择的5家***门店。 手机坏了，广州人都会找这家门店来修理等等。 通过内容设定，当非广州人看到这类话题时，自动会滑走。而能够留下的，更多是本地人关注的话题。当然这是建立在你服务区域性之上，如果你是做连锁品牌， 全国型门店覆盖，内容策略上对于区域要求就没有那么强。 对于连锁品牌来说，如果建立自己的职人体系，在内容规划上要偏向区域性。这样能更好帮门店导流。而达人体系，视频内容可以弱化绝对的区域。 ## 三、内容策略如何做人群筛选 内容，本质上是你筛选人群的手段。你需要明确用户是因为你的视频还是因为视频中介绍服务的价格才下单。这决定你后续品类的推广策略。 ### 3.1 区分内容的场景构建 视频构建的是信任或者是有预期的场景。我到这你这里，是希望能够解决我的问题。所以先判断你的品类，是不是需要信任场景构建。如果需要信任构建场景，你的内容策略上就需要进行调整。例如需要专业的形象介绍产品，场景化塑造等增加信任。 如果你的产品足够标准化，或者已经有品牌声量。此时价格因素就变得很重要，例如加油，瑞幸咖啡、麦当劳等。用户已经有强烈的认知，不再需要通过内容构建信任场景，此时价格因素占据主要。 服务的低价，是能够撬动需求快速聚集的。 ### 3.2 如何通过内容筛选精准人群 通过内容筛人，首先你要清楚内容有两个能力。 第1种是激发用户潜在的需求，看到内容之后用户选择购买；第2种是用户有需求，只是不了解你门店的服务，不知道服务的能力，缺乏信任场景构建。 所以如果你是高客单的产品，你的价格信息可以后置。这样筛选的用户也会更加精准。否则即便低价能够吸引到用户，用户的升单或者复购价值可能会比较低。 除此以外，高价的产品通常很难通过短视频带动。短视频可以让用户冲动下单，但是如果你价格过高，用户就会反复权衡，一旦时间拉长，用户的冲动性下单也会被抵消。而直播间，通过场景氛围的营造，会更利用高价产品的售卖。 流量运营拼的是效率，拼的是细节。 在本地生活这条流量赛道，大家深度运营多总结，拿到自己满意的结果。 本文由人人都是产品经理作者【陈罡Pro】，微信公众号：【陈罡Pro】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>小红书作为一个集社交与购物于一体的平台，提供了多种营销组件和评论区组件，让品牌能够更好地与用户互动，提升转化率。本文将全面解析这些营销组件的玩法和作用，并介绍其在不同品类和发展阶段的适用场景，帮助商家更好地掌握小红书的营销工具，实现闭环收割，为品牌带来持续增长。</p> </blockquote>  今天就跟大家整体介绍一下小红书所有营销类组件的玩法和作用，以及分别适合什么品类和发展阶段的商家使用！ 速速拿出小本本做笔记！ ## PART 01 笔记营销组件的链路转化 ### 1. 引导购买同款/进店看看 主要呈现在笔记下端，引导用户“购买同款”或“进店看看”，根据不同的文案链路设计，分别跳转到这篇笔记种草的产品详情页或品牌小红书店铺主页。  ### 2. 引导私信及表单 除了跳转购买外，也可以设置“立即咨询”跳转私信及线索表单，用户可以快速进行细节咨询或者留资。  这就需要我们快速响应反馈，不然时间一长容易陷入“用户忘了我们是谁”的尴尬，自然也无法承接后续的转化。 尽管有自动回复，但人机感太重，可能用户看一眼就退出去了，这样用户资源还是处于流失的状态，所以值班客服也要同步安排上！ ### 3. 正文搜索组件  用户点击可以直接跳转搜索结果页，在笔记发布前可以修改和设置关键词，一般设置产品词或品牌词。 需要注意的是，这类组件在自然流量下展示，但在广告流量下是不展示呈现的。 ### 4. 品牌标记组件 和名称一样，这一组件专注于品牌标记及链接，而不是前面的转化及深度搜索。 是由原本的蒲公英品牌合作标升级而来，今年4月再次进行优化，组件的展示时长从5s变成常驻展示，也就是只要用户还停留在笔记页面就能够进入，而不是像以前一样只有刚进入的5s可以通过组件跳转，大大提高了转化效率！  而品牌标记组件的跳转链路为企业号，也就是品牌专业号，通过跳转用户可以进一步了解我们品牌相关的内容，同样也是在自然流量下进行呈现。 相比跳转到搜索，这类跳转的优势是更集中在品牌方向的宣传，而不仅仅是博主的宣传，但对我们日常企业号的运营有一定要求。 ## PART 02 评论区组件的链路转化 而评论区组件和笔记营销组件在很多方面非常相似，但有更多链路可供选择，也就是有更多玩法。 同时因为这类组件的呈现是在评论区及下方的，并不在笔记中，也就是说只有当用户沉浸式阅读完我们的内容后，才会看到这个组件并且点击进去。 这时候他对我们其实已经非常有意向了！！！ 同时这一类组件也不会受自然流量和推广流量的限制。 ### 1. 跳转商品及店铺 搭配的文案是“查看同款”及“进店看看”，这一点和笔记营销组件是一样的。  ### 2. 跳转搜索 有点类似营销组件中的正文搜索组件，建议配置和笔记内容强相关的品牌词、产品词或者活动词，来承接用户在阅读笔记后产生的搜索兴趣。  需要注意的是，在这一组件下，既可以设置产品页面的搜索词，也可以设置品牌词，两者的区别在于前者是为了深度转化笔记中带的这一单品，而后者则侧重呈现品牌投放的产品。 比如这篇笔记，植入的是yottoy瑜伽垫，但引导搜索的是yottoy这一品牌，但整个品牌的投放内容中，除了瑜伽垫还有哑铃、跳绳、按摩棒等一系列产品。 当我们设置的搜索词是yottoy时，用户跳转后看到的就不仅仅是瑜伽垫，其他产品的种草内容也会被看到。  同时组件文案主动引导客户进行搜索行为，可以进一步了解产品或活动信息，实现深度种草。  也就是说，和正文搜索组件不同的是，他在文案上有更多发挥空间，也和评论区一样，更具有互动性，更容易引发用户的跳转行为！ ### 3. 底栏交易组件 这个组件我也和评论区组件放在一起说，就是我们常常能看到的在交互按钮（赞藏评）旁边的购买同款交易组件，同样也是自然流量与推广流量同时展示。 这也是近期带货笔记习惯添加的组件，配合优惠券推送和相关折扣，会更有助于用户转化。  需要注意的是，在笔记提交前可以修改组件内容，但笔记提交发布后只能解绑组件不能更换内容。 ## PART 03 营销组件有什么用 以前经常看我分享内容的小伙伴可能会察觉，我的习惯是先分析作用和适用情况，让大家先判断清楚这件事适不适合我做，我要不要做，从而减轻大家的阅读负担。 毕竟目前不需要做的内容就不用全篇都看了嘛。 但这里我放在了后面讲，为什么呢？ 其实大家看完前面罗列展示的转化链路，对所有组件的作用就非常有体会了。 我们可以看出，所有的组件分为两类。 一类是用户购买导向，也就是直接跳转产品详情页和店铺首页。 另一类是搜索结果导向，也就是通过配置的关键词，进行更有规划性的搜索引导，提高短时间内同一用户的触达频次。 总的来说，就是在种草效率上实现了提高和用户聚焦。 这里我们可以从两个角度去理解。 ### 1. 收割链路 最明显的体验就是站内甚至笔记内直接实现闭环收割。 我们都知道，在转化链路中，每多一个环节，都意味着一部分用户的流失，所以我们在种草时会非常注重笔记中的埋词以及猫店的关键词搜索呈现和排序承接。 但通过组件跳转，用户不用再转去其他平台搜索，缩短购买商品“临门一脚”的路程，同时也避免了因为搜索词的不同导致搜索结果呈现偏差，甚至在猫店被竞品吸引走的问题。 从根源上加速了转化进程。 ### 2. 深度种草 为什么在投放策略中我一直强调需要在曝光传播域和搜索转化域分内容布局，就是为了能够从多个流量角度高频次触达同一个用户，从而深度种草，提高转化效率。 但通过组件我们能快速且有规划性的帮用户完成这一过程。 什么意思呢？这里可以拆分成两个关键词。 **①快速** 这一点很好理解，和转化链路一样，用户不需要手动输入搜索就能查看和这个产品或者这个品牌相关的更多达人种草内容，帮助他快速且全面地了解产品。 **②有规划性** 刚刚提到了我们在笔记中都会去埋词，比如品牌词产品词等等，就是为了引导用户去搜索这个词。 但我们必须承认，用户并不会完全按照我们的计划去行动。 比如我们埋的是小熊料理机，用户的搜索行为就十分多样 搜索小熊，结果出来的都是电炖锅，因为品牌历史投放量大沉淀内容多 搜索料理机，前排多个品牌，用户的注意力又被瓜分发散 同时也有可能在输入搜索词时，被其他的关联下拉词吸引了注意力，从而偏离我们预想的搜索词【小熊料理机】。 整个过程充满了不确定性，一来二去用户短时间内的高频触达就无法实现，种草效率自然也会受到一定影响。 但有了组件，我们可以通过关键词的设置，限定用户搜索行为，让他看我们想要让他们看到的内容，实现深度种草，从而加速转化。 ## PART 04 营销组件适合哪些商家使用 那这么多组件，都适合什么类型、什么阶段的商家使用呢？我们又该在什么情况下去安排这些组件？ 这里我也分了好几种情况，大家可以对照自身进行分析。 ### 1. 冲动消费日用品/低价品 首先是依靠冲动性消费，且品牌忠诚度较低的日用品和低价品。 比如餐具、桌面收纳、小玩偶小玩具等等这类装饰品日用品，看到喜欢就能立马下单。 或者是抽纸、牙膏、小零食这类高消耗品，日常需要持续囤货，也非常适合通过组件加速转化。 这时候毫无疑问要选择转化类组件，直接收割。 ### 2. 已有相当用户基础和认知的品牌 如果你的品牌已经有一定的用户基础和认知，持续做过一年以上的小红书种草，这个圈层或者这类人群几乎对你都有过了解，那我们需要做的就是借内容做那个一直在用户面前晃悠的“显眼包”。 因为对于绝大多数产品，即便我们行业内认知下每个品牌都有一定的差异性，并且认为用户会为我们的差异性优势去付费，但需要承认的是，在实际购买转化中，消费者的决策很大一部分是受活跃度和记忆的影响。 也就是当他想要买时，哪个品牌蹦到了他面前，或者他想起了哪个品牌。 所以日常的投放非常重要。 而在组件的选择上，需要针对不同的品类进行区分。 如果我们的决策成本和试错成本不高，比如一条毛巾、一套玩具等等，可以直接选择转化类组件。 而针对护肤品、家电、宠粮等这类用户偏理性消费，需要多番种草对比才可能实现转化的品类，我更建议选择搜索导向的组件。 利用我们在平台内的沉淀快速深度种草，比如刚刚提到的料理锅，在搜索组件的跳转页面，用户可以看到小熊料理锅的深度测评、其他博主的使用分享、能做的美食等等，多个角度去了解评估这个产品，从而实现转化。 ### 3. 站内店铺已有较好呈现的品牌 还有一类是已经在小红书店铺拿到比较好成绩的品牌，不论什么品类。 这里说的好成绩不仅仅是销量，还有评分，详情页关联的用户晒单和评价等等。  比如这款鲜花，目前销量2000+，关联的晒单笔记有28篇，同时近期评论也都是惊喜连连。 这样的反馈对促进转化就非常有帮助，笔记可以直接链接至产品详情页和店铺首页。 思路和跳转搜索页类似，但因为店铺本身呈现了很好的口碑反馈，等于变相承载了搜索页让用户深度了解产品和其他博主反馈的功能。 ### 4. 试错成本低且历史沉淀优质内容多的品牌 如果说我们的产品试错成本低，比如价格低、有配套试用装以及退换货服务等等，而且历史沉淀的爆文较多，能够短时间内快速打消用户的顾虑，也可以通过组件去加速用户的购买引导。 这类产品的投放思路可以归纳成先打造关键词下的爆文矩阵，再通过强种草内容添加组件去加强回搜，让前期布局的爆文矩阵发挥转化价值。 ### 5. 需要获取客资的行业 如果是服务行业，比如线下瑜伽馆、健身房、露营地、月子中心、语言教培等等，在小红书上通过组件去获取客资，再进一步沟通转化是效率最高的方式之一。 这也是小红书最初设置组件时主要对标的商家了。  至于在所有品牌中，是挂转化组件还是搜索组件，就需要根据我们的现有情况进行选择，究竟是哪条链路能够帮助我们去快速实现用户心智占领及说服，从而实现转化！ 当然，还是那句话，内容和产品永远是玩法的基础，再多的策略和玩法统筹都只能做到锦上添花。 只有当我们有足够多优质内容、优质口碑的时候，转化的势能才会越来越明显，我们也能更快地在小红书营销中拿到亮眼的成绩！ 本文由人人都是产品经理作者【啵啵开小灶】，微信公众号：【啵啵开小灶】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>近年来，DeepSeek凭借其卓越的技术实力和创新应用，迅速走红于市场。本文从应用场景、数据服务和研发成本三个角度，深入探讨DeepSeek的独特之处，供大家参考。</p> </blockquote>  近期，DeepSeek真可谓火出天际，相关的文章和报道犹如雨后春笋。集中讨论的方向主要包括：中美博弈、开源胜利、技术解析，投资价值…… 然而，作为一个产品人，只想从以下三个方面说说我对DeepSeek的理解。 ## 一、应用场景：DeepSeek 解锁高时效、高精度的复杂分析决策场景 DeepSeek 的进展有望解锁更多对“响应时效和精度要求极高”的复杂分析决策场景，例如投资决策、科研辅助、家庭教育、兵棋推演、具身智能、案件分析等。 小参数模型的优势不仅在于算力成本低，更在于其能够显著提升响应速度，并支持边缘计算。 通过强化学习（RL）和模型蒸馏技术，DeepSeek 使得较小参数的模型也能够展现出长思维链和自我验证的能力。 DeepSeek 为行业开启了一个巨大的想象空间： 许多原本需要深度分析推理的“慢思考”场景，未来可能以“快思考”的速度完成。这并不是说 DeepSeek 已经实现了这一目标，而是它正在推动这一趋势的发展。 回顾 2017 年，AlphaGo 已经能够在围棋这种有限规则的封闭场景中快速落子，而大语言模型（LLM）则能够应对更加多变、开放的无限场景。 正如《有限与无限的游戏》一书所描述的，这两种场景共同构成了人类社会的全部行为模式。 以往，只有人类的认知能力能够在无限游戏中实现瞬时响应，而未来 AI 也可能具备这种能力。 以马斯克为例，他的每一句即兴表达几乎都遵循第一性原理，深度思考率接近 100%，这是一般普通人难以企及的。 类似地，福尔摩斯在第一次见到华生时，仅凭一眼就推断出他是刚从阿富汗回来的军医。这种瞬间复杂推理的能力，即便给华生一年时间也难以完成。 通过大量强化训练，将原本需要“慢思考”的复杂逻辑推理问题，转变为接近“快思考”的速度。这种能力的人在专业领域内几乎无敌。 如果你读过《思考，快与慢》，可能会更容易理解这一点。书中提到，人类有两种思考系统： 系统 1 ——快速、直觉的“快思考”； 系统 2—— 是缓慢、逻辑的“慢思考”。 通过长期训练，某些系统 2 的行为可以逐渐自动化，接近系统 1 的运作方式。DeepSeek 带来的最本质改变，正是让复杂决策能够实现瞬时响应。 ## 二、数据服务：高质量专业数据成为稀缺资源 在复杂场景和垂直领域中，高质量的专业数据比以往更加稀缺。 在 GPT-4 发布时，我曾提出一个观点：通用训练数据已接近耗尽。 后来，Ilya 等业界大佬也表达了类似看法，印证了这一猜测。监督微调（SFT）本身存在局限性，如果要进一步突破模型上限，强化学习是为数不多的可行路径。 DeepSeek 的实践表明，仅通过强化学习就能很好地完成模型的后训练（post-train），从而减少对标注数据规模的依赖。 然而，这并不意味着不再需要标注数据。如果希望大模型能够解决更复杂的推理场景，就必须对数据结构和标注质量提出更高要求——即提升评测标准。 具体来说，标注评测标准的提升主要体现在两个方面：专业化和拟人化。 那专业化需要达到什么程度？ 我认为，未来各行业的业务专家和领导者需要亲自参与数据贡献，将他们的认知复刻到大模型中。通用场景数据和中低端数据外包服务将不再重要，因为开发者可以通过导师模型合成数据来训练小参数模型。真正稀缺的是经过精心设计、筛选、标注、核验和优化的高质量专家数据。 拟人化需要达到什么程度？ 每一轮对话都应像真人交流，而非机械地“念稿”。“像真人”这一标准可以无限高，例如像 AGI（通用人工智能）那样，或者像马斯克、王阳明那样的顶尖人类。 那什么样的数据才能训练出如此拟人的模型？ 仅仅依赖微信、抖音等平台上的内容数据是远远不够的。如果这些数据足够有效，互联网大厂的大模型性能早已遥遥领先，但事实并非如此。目前，DeepSeek 在模型性能上表现出色，而 AI 领域的其他新兴力量也并未被大厂拉开质的差距。 当前主流的训练数据混合模式是“人工数据 + 合成数据”，但合成数据的质量远不如人类专家。因此，专家们需要亲自下场，参与数据构建。 我认为，2025 年将是 AI 数据领域的分水岭，劳动密集型的数据服务将逐渐被淘汰，取而代之的是专家密集型的高质量数据服务。 这也是为什么 Scale AI 的创始人会因 DeepSeek 的崛起而感到焦虑，甚至呼吁限制中国 AI 发展——本质上是因为他们的商业模式受到了冲击。 ## 三、研发成本：头部 AI 公司将控制算力成本与团队规模，并提升人才密度 1）算力成本：DeepSeek 展示了低成本、高 ROI（投资回报率）的模型研发路径，让更多玩家看到了应用场景落地的可能性。 这将吸引更多应用端玩家入场，并促使资金投入更加坚决。同时，DeepSeek 的崛起也加剧了中美 AI 军备竞赛，使得英伟达芯片断供问题更加严峻。国产替代芯片的需求因此变得更加迫切，市场对低成本高端芯片的渴望也将推动国内芯片产业的发展，这对国运而言是一大利好。 2）人力成本：DeepSeek 的成功揭示了 AI 大厂组织精简的拐点已经到来。 不仅是硅谷，国内大厂同样难以避免这一趋势。与此同时，低成本、高效率的大模型研发机会将刺激更多新老软件公司加速布局 AI，从而导致 AI 人才呈现结构化流动的趋势。 优秀的 AI 公司永远缺乏顶尖人才。无论是在算法、工程还是产品领域，100 个普通工程师的价值可能远不如 1 个顶尖人才。 这就像房地产和股市中的现象：自 2021 年以来，房价暴跌，但一线城市的豪宅明显比刚需房更具抗跌性，因为豪宅有其独立的价值逻辑。 同样，在股市中，投资者偏爱龙头股，表面上是人性使然，但更深层的逻辑在于：龙头股涨得最早、涨得最多，也跌得最晚。 本文由人人都是产品经理作者【并步跳步交叉步】，微信公众号：【一起侃产品】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在人工智能领域中，大模型的私有化部署正在成为企业技术发展的重要方向。然而，选择哪种技术路径才能让大模型在实际应用中发挥最大效用？是RAG，还是Fine Tune？本文将深入探讨这两种技术在大模型私有化部署中的优势与挑战，帮助企业在“毛坯房”与“精装房”之间做出最优选择，实现技术与商业价值的双重提升。</p> </blockquote>  ## 01 一场被按下快进键的AI革命 过去一个月，国内掀起了一场本地化大模型部署浪潮。从金融银行到三甲医院，从制造车间到政务大厅，企事业单位纷纷宣布本地化部署DeepSeek大模型。”DeepSeek赋能智慧医疗”、”DeepSeek驱动教育转型”等新闻标题高频刷屏，似乎中国产业智能化已跑步进入”大模型时代”。 但在这股热潮背后，一个关键细节被选择性忽略——**从DeepSeek-R1模型发布到首批落地案例官宣，时间跨度仅仅一个月**。这甚至不够完成一次标准的大模型微调训练，抑或搭建稳定可靠的RAG系统。当技术部署周期被压缩至极限，我们不禁要问： **这些”成功案例”究竟是AI能力的内化突破，还是企业在数字化转型焦虑下的”样板间工程”？** ### 技术幻象与产业逻辑的断裂 在DeepSeek本地化落地的狂欢叙事中，**技术部署的“形式追求”与行业需求的“实质适配”正在割裂**。这些行业困境指向同一个技术真相：**大模型的“开箱即用”本质是概率游戏，而产业应用需要确定性输出**。当医疗诊断和法律判决的容错率是0，当金融决策的误差成本以亿元计，任何跳过RAG知识校准、规避微调领域适配、省略A/B测试验证的“裸奔式部署”，都是在用行业公信力为技术不确定性买单。 ### 从”样板间”到”自住房” 面对大模型本地化部署的三重时空挤压——**技术准备时间不足、领域知识消化不全、业务验证周期不够**，行业大模型应用需要回归本质问题，选择正确路线： **价值锚点** - RAG不是简单的文档搜索框嫁接 - Fine Tune更非专业术语的查找替换 真正的价值增量应体现在**业务关键指标**的可量化、稳定性提升。 **混合路径** 在DeepSeek等国产模型的落地实践中，”渐进式增强”路径才是科学合理的： - **先架设RAG应急通道**：用3-5天快速部署知识检索系统，解决现有业务80%的共性需求 - **同步启动轻量化微调**：通过QLoRA等技术，用20%计算资源实现核心业务逻辑内化 - **构建动态评估网络**：设立A/B测试对照组，持续监测人工替代率、任务完成度等核心指标 大模型私有化部署常面临两种核心方案：**RAG（检索增强生成）**和**Fine Tune（微调）**。这两种技术路径的差异，可以用“**毛坯房+明线明管**”与“**精装房+暗线暗管**”进行简单类比。 ## 02 技术实现难度：从“自主布线”到“专业施工” ### RAG（毛坯房+明线明管） 自行规划电路和管道走向（设计检索逻辑），安装明线明管连接到供电和供水系统（部署知识库），再连接到各种家用电器（大模型用户界面）。建设周期短、成本低、灵活性高，但使用体验、稳定性相对较差。 **技术核心**：外挂知识库 + 检索算法（如向量检索）+ 大模型生成 **实现步骤**： - 从各种来源获取文档数据，如本地文件系统、数据库、网络存储等。使用相应的文件处理库来加载文档，如LangChain中的相关加载器。 - 将加载的文档分割成较小的片段或块（Chunks）。切分的方式可以根据文档的结构和内容来确定，例如按段落、句子、标题或固定长度进行切分。 - 使用嵌入模型将切分后的文档块转换为向量表示，这些向量能够捕捉文档的语义信息。常见的嵌入模型有 Word2Vec、GloVe、BERT 等。 - 将生成的向量存储到向量数据库中，以便根据向量的相似度进行快速查询。 ### Fine Tune（精装房+暗线暗管） 将暗线暗管预埋于墙体（模型参数内化），需要专业施工队（算法工程师）操作。若想修改电路（更新知识），必须凿墙（重新训练模型）。相比RAG建设周期更长、成本相对较高、灵活性低，但稳定性相对较高。 **技术核心**：调整大模型参数（如LoRA、QLoRA） + 领域数据训练。 **实现步骤**：准备高质量领域数据（如法律文书、医疗报告）。选择微调方法（全参数微调或参数高效微调）。 ## 03 成本对比：短期省钱 vs 长期省心 毛坯房（RAG）初期装修便宜，但后期若频繁更换电器（更新知识库），需反复调整线路（检索策略），人工费可能累积； 精装房（Fine Tune）一次性投入高，但入住后无需操心电路（模型稳定运行），除非需要整体翻修（领域迁移）。  ## 04 可靠性对比：外挂模块 vs 内生系统 ### RAG的“明线逻辑” **优势**：知识库与大模型本身解耦，如果出现故障，可以及时隔离。例如检索模块宕机时，大模型仍可生成通用回答。此外，RAG还可以通过设置检索触发器等方式，优化模型输出，一定程度上减少“AI幻觉”。 **风险**：若知识库包含错误文档（如过期的政策文件），模型可能输出误导性内容。大模型可能过度依赖检索结果，忽略自身推理能力（如仅拼接文档片段，缺乏逻辑连贯性）。 ### Fine Tune的“暗线哲学” **优势**：端到端的流畅体验。模型内化知识后，回答更连贯，对训练知识的“理解”更加深入和全面。 **风险**：模型可能死记硬背训练数据，遇到边缘案例时错误率提升，出现比较严重的“AI幻觉”。若训练数据未覆盖新场景，模型无法自主更新。 ## 05 延展性对比：灵活改造 vs 深度固化 ### RAG的“乐高式扩展” **动态适配**：新增知识只需上传文档，无需修改模型，适合多领域切换）。 **瓶颈挑战**：知识库规模膨胀后，检索效率可能下降，需优化索引结构（类似明线过多时需整理线槽）。 ### Fine-tune的“一体化设计” **深度定制**：模型可学习领域专属逻辑。例如金融风控模型能识别“流水异常”的抽象模式，而非依赖关键词匹配。 **扩展枷锁**：医疗微调的模型无法直接用于法律场景（如精装商品房无法秒变办公室）。若业务分布变化（如从信用卡欺诈检测扩展到跨境支付），模型可能需推倒重来。 ## 06 故障与误差：透明排查 vs 黑盒困境 ### RAG的“可见故障” - **典型问题**：检索结果不相关（如搜索“苹果”却返回水果而非公司财报），知识库覆盖不全（如缺少某款新产品的技术参数）。 - **调试方案：**检查检索算法（测试BM25权重或向量编码模型）。分析日志定位缺失数据（类似用万用表检测电路断点）。 ### Fine Tune的“隐蔽风险” - **典型问题**：过拟合（模型在训练集上准确率99%，但实际场景中漏洞百出）。灾难性遗忘（学习新知识后遗忘旧能力，如学会法律条款却不会写邮件）。 - **调试方案**：通过对抗样本检测模型鲁棒性（压力测试电路负载）；使用LoRA等参数高效微调技术局部更新（仅修补部分墙体）。 ## 07 终极答案：没有完美方案，只有最佳适配 ### 何时选择RAG？ - **知识高频更新**：如实时新闻、市场咨询、电商产品、行业政策 - **试错成本敏感**：初创企业需快速验证MVP - **多领域需求**：通用客服系统等需同时处理多领域问题的场景 ### 何时选择Fine-tune？ - **垂直领域深耕**：如医疗诊断、法律合同审查、工业质检 - **输出一致性优先**：如生成标准化的财务报告、专利申请文书 - **数据资产雄厚**：企业拥有数十年积累的行业标注数据 ### 混合架构：精装房+智能中控 - 对基础模型进行轻量微调（如QLoRA），内化核心领域知识； 外接RAG补充实时数据（如客户档案、市场动态）。 ## 08 结语：技术没有高下，场景决定成败 RAG与Fine Tune的选择，本质是“开放灵活”与“封闭可控”的永恒辩证。企业需厘清自身需求： - 如果业务像**快时尚行业**——潮流瞬息万变，选RAG - 如果业务像**高端定制**——追求极致体验，选Fine Tune - 如果既要“面子”又要“里子”——混合架构才是未来 最终，这场“AI装修战役”的胜利者，永远是那些**深刻理解业务痛点**，并能在技术天平上精准落子的人。 本文由 @李庆宇 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