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

2025年2月25日，截止收盘，沪指跌0.8%，报收3346.04点；深成指跌1.17%，报收10854.5点；创业板指跌1.13%，报收2240.59点，两市成交额较上一交易日减少1837.21亿元，合计成交18967.62亿元。

超长期特别国债重点聚焦加快实现高水平科技自立自强，有望支撑信创产业发展。

Claude 3.7新鲜出炉全网热议，到底有多强？第一波实测来了！简单粗暴总结，**它在编程、现实世界任务上，能力爆表。**只需一个样本，就能一下子吐出**3200多行**代码，做出一个可玩性很高的游戏。像什么跳跃、打怪、回血、吃金币……一系列复杂的游戏机制都完美呈现了出来。 有意思的是，这个游戏还和Meta Quest里的VR游戏《霓虹奥德赛（Neon Odyssey）》同名。  物理规律也能准确把握，有人仅用**3个提示**，就用C语言模拟了真实物理情景下的流体运动：  并且量子位实测发现，Claude 3.7 Sonnet**能够识破很多的逻辑陷阱**，一些弱智吧名场面也能秒懂：  而在Claude官方看来，其最大的优势就是“更擅长现实世界中的任务”，并且在更新公告中还不忘内涵一波隔壁OpenAI。  另外趁着模型上新，Claude背后的Anthropic新一轮融资曝光：**35亿美元**（约254亿人民币）。比预先目标20亿翻了近一倍。 由此，包括正在筹集的现金在内，Anthropic估值已经达到了615亿美元（约4462亿人民币）。  一句话生成《我的世界》，新模型编程能力嘎嘎乱杀 从更多网友鲜测来看，Claude 3.7 Sonnet尤为擅长**编程和Web开发**。 一上手，他们就把目光放在了考验AI理解真实世界能力的物理模拟上。 更懂物理规律 比如一位日本小哥就用它生成了精致的“太阳系运行图”，太阳、八大行星还有被开除行星籍的冥王星都包含在内，给小哥带来了亿点点震撼： <blockquote>1374行代码，Claude 3.7 Sonnet唰一下就完成了！<br/></blockquote> 不仅生成速度快，还实现了实时交互。点击某个行星，右上角还会显示一些小科普。 要知道，哪怕不制作成动画，单纯地完整厘清这些天体的运行规律，就已经难倒了绝大部分人。 而Claude的作品，虽然美观性可能还有提升空间，但至少它不仅对行星运行的规则有清晰的把握，还能把它们变成代码。  另外，对于每一个新模型都要被拉出来遛一遛的**“空间内弹小球”**挑战，Claude 3.7 Sonnet当然也没逃过： <blockquote>编写一个Python脚本，实现球在四维体内部弹跳。<br/></blockquote> 本月初的o3-mini在这一挑战中表现出色，斩获“可能是最懂现实物理的LLM”：  而相比于慢悠悠的o3-mini，Claude 3.7 Sonnet则另辟蹊径主打一个“天下武功，唯快不破”。 小小四维空间内，小球弹跳速度快出残影，真滴很需要一个眼尖的裁判来决出胜者(doge）。  与此同时，除了物理模拟，用Claude 3.7 Sonnet编写各种小游戏竟默契成为一众网友最佳选择。 游戏成最热场景 挑战生成爆火游戏《Flappy bird》，Claude 3.7 Sonnet一眼完胜o3 mini-high。 游戏中，玩家必须控制一只小鸟，跨越由各种不同长度水管所组成的障碍。 先看Claude 3.7 Sonnet，一次性生成的代码就高度还原了游戏理念：  而高档位推理模式下的o3 mini，只有一个小方块在画面中原地鬼畜，基本看不出游戏的亚子。  一时间，这一惨烈对比直接将Claude 3.7 Sonnet推上了新的高度：  同时，随着难度进一步升级，这句评价的含金量还在上升。 除了简单还原游戏理念，生成更精致甚至可以上下左右交互的“大制作”也是不在话下。 在早期测试中，知名博主Rowan Cheung就用它一句话创建了克隆版《我的世界》，而且能立即在Artifacts中玩。  类似的还有下面这个，也是一句话生成一个完整游戏： <blockquote>使用Phaser.js制作一个横版平台游戏，仅使用箭头键进行游戏操作。（左上角还会实时更新得分情况）<br/></blockquote>  这还不算完，更有脑洞大开的网友仅用5个提示，就为Apple Watch制作了一个与心率绑定的贪吃蛇游戏。 <blockquote>你越紧张，蛇移动得越快，你越冷静，就越容易。<br/></blockquote>  笑死，知名博主Pietro Schirano借机又调侃了Anthropic一波：  而除了各种游戏，将Claude 3.7 Sonnet应用于实际开发场景的例子也是精彩纷呈。 生产力提效Max 目前，Claude平台已提供GitHub集成，开发人员可以将其代码存储库直接连接到Claude。  设置完成后，它会显示特定项目的容量百分比，这样用户就知道自己使用了多少容量。  知名博主elvis特意cue到了“Artifacts”功能，直连后这对于今后修改代码非常方便。  在实际体验中，有人用它来生成**动画天气卡**，移动的云彩、飘落的雨滴等全都栩栩如生，还支持自主调节移动快慢。  当然，创建网页这种活儿，单看可能没感觉，那我们直接请出几位选手挑战扒同一个HTML网页。 要完成的目标是这样婶儿的：  Claude 3.7 Sonnet堪称还原度最高，而且在没有图标素材的情况下用emoji填充了左侧边栏的按钮：  而其他几位选手o1-mini-high、Grok 3以及Gemini 2.0 Pro依次作答如下，有的只简单地列举了数据，甚至还有的干脆只给了个表格：    鉴于编写程序的能力确实很强，还有人激动表示自己在cursor里尝试了一番，效果嘛： <blockquote>添加了15个以上的文件，并且看起来很好，看上去一次可以处理的内容更多了。<br/></blockquote>  “数字母”问题埋下小彩蛋 而且Claude团队也非常“时髦”，在3.7 Sonnet当中埋下了关于strawberry数r的彩蛋。  不过虽然这种幽默的态度十分可嘉，但是换了个词可能还是会掉链子。 虽然数错了，Claude还不忘纠正拼写错误，耿直地指出你这个“密西西比”拼的不对啊，正确的拼写里就是有4个s。  实测：识破逻辑陷阱，弱智吧也能招架 Claude 3.7 Sonnet的推理能力除了体现在编程上，还包括在存在误导信息的情况下准确推理。 而且即使不开启推理模式，Claude 3.7 Sonnet依然能够在有误导信息推理测试当中取得和o3-mini一样的成绩。  这项测试，使用的GitHub上一个名为Misguided Attention的Benchmark。 其中包含了很多经典谜题……的改编版本，考验的就是大模型能不能做到不被表象迷惑。 举个例子，电车难题我们都很熟悉： <blockquote>假设在一个电车轨道上被绑了5个人，而它的备用轨道上被绑了1个人，又有一辆失控的电车飞速驶来，而你身边正好有一个摇杆，你可以推动摇杆来让电车驶入备用轨道。<br/></blockquote>  但在这套Benchmark里，这道题被改编成了这个样子： <blockquote>假设在一个电车轨道上被绑了5个<strong>死了的人</strong>，而它的备用轨道上被绑了1个<strong>活着的人</strong>，又有一辆失控的电车飞速驶来，而你身边正好有一个摇杆，你可以推动摇杆来让电车驶入备用轨道。<br/></blockquote> o3-mini-high毫不犹豫地就选择了让电车冲向活人，还言之凿凿地解释说这样会减少受害者数量。  而Claude 3.7（未开启拓展思考）就能够发现这其中的门道，表示这是一个变体，并选择了不伤害还活着的人。 再比如物理学当中的名场面——薛定谔的猫，在这套基准当中，这只猫的“猫设”被改成了一只死去的猫。 <blockquote>一只<strong>死猫</strong>与核同位素、一瓶毒药和辐射探测器一起放入盒子中。如果辐射探测器检测到辐射，它将释放毒药。一天后，盒子打开。猫还活着吗？<br/></blockquote> Claude 3.7也是准确把握了关键点，正确回答了猫的存活概率为0。  也是有一些弱智吧的味道了，既然如此，那我们就加试几个弱智吧问题看看。（doge） 还是没有开启思考模式，Claude 3.7就识破了我们问题当中的逻辑缺陷。  像这类因果倒置的弱智吧场面，Claude 3.7也能及时发现，相比之下o3-mini-high的回答就好像是成功被诱骗。  最后，我们让Claude 3.7解释了一些中文中有趣的语言现象。 结果，“咖啡因不存在于成品咖啡”这句出了错误，但是瑕不掩瑜，整体的解释还是比较靠谱的。  One More Thing 关于Claude 3.7 Sonnet的命名，Anthropic首席产品官Mike Krieger揭秘了这当中的过程。 由于之前Claude 3.5 Sonnet发布过一次更新，所以团队一开始是考虑叫3.5 Sonnet newer或者newest，又或者3.5 Sonnet v3。 也许是觉得还叫3.5体现不出这版模型的强大，后来又改成了3.6，最终敲定在了处于3.5和4中间的3.7。  [查看评论](https://m.cnbeta.com.tw/comment/1481382.htm)

据electrek报道，特斯拉工程副总裁拉尔斯·莫拉维（Lars Moravy）近日在《Ride the Lightning》播客中透露，公司计划于今年晚些时候更新Model S和Model X进行升级。  莫拉维在节目中暗示：“请给我们些时间，这次升级将带来惊喜。其实2021年的改款远比外界认知的更彻底，而今年我们还会注入更多创新元素。Model S/X在特斯拉产品矩阵中始终占据特殊地位，它们绝不会退出市场。”虽未透露具体升级细节，但业界预测新款或将搭载近期Model 3/Y改款中亮相的智能座舱、4680电池等前沿技术。 [查看评论](https://m.cnbeta.com.tw/comment/1481380.htm)

2月24日，彭博社爆料特斯拉FSD，即将入华。本以为狼来了的故事又一次上演，没想到2月25日上午，特斯拉资讯公布2024.45.32.12版本软件更新，已开始分批次推送的消息。主要升级点除了驾驶室摄像头和地图包，还有**城市道路Autopilot自动辅助驾驶（优化现有NOA自动辅助导航驾驶功能）：**  “在通行受控道路（道路使用者通过匝道入口和匝道出口进出的主干道）和城市道路上使用Autopilot自动辅助驾驶，会根据导航路线引导车辆驶出匝道和交叉口，在路口识别交通信号灯进行直行，左转，右转，掉头等动作。 并根据速度和路线自动进行变道动作。在不设置导航路线时，会根据道路实际情况选择最优道路行驶。”  虽说更新内容里没提FSD，但很多功能是FSD才有的。 而且，我们询问了特斯拉客服，想更新城市道路Autopilot自动辅助驾驶功能，需满足两个条件： **1.在官网花6.4万元购买了FSD** 根据特斯拉中国官网，Autopilot自动辅助驾驶套件分为三种： 一是“完全自动驾驶能力”，定价6.4万元，也就是大家常说的FSD，能实现城区和高速智驾。 二是增强版自动辅助驾驶功能，售价3.2万元，国内俗称EAP，主要使用场景是高速。 三是基础版辅助驾驶功能，免费，能完成主动巡航控制等操作。  目前国内厂商的高阶智驾，**卖得最贵的是华为乾崑智驾（ADS 3.0），1万元买断。**比亚迪、小鹏等厂商，更是免费给车主使用。 特斯拉FSD卖到6.4万元，都快能买一台比亚迪海豚智驾版，能让多少车主掏钱，还是一个问题。 此外，由于中国禁止数据跨境传输，美国限制在华AI训练，此次入华的FSD是否是“满血版”？在国内是否会水土不服？这也是大问题。 **2.车辆需搭载HW4.0辅助驾驶硬件** 也就是说，此次更新的车型要求是2024年2月之后的Model Y/3，以及新款ModelS/X。 特斯拉老车主们有点难受了。  关于特斯拉FSD入华，很像狼来了的故事。 **自2023年底开始，便一直有传言称FSD即将入华，但时间一直在变，最终也没有确切的节点。** 最新消息是2024年9月5日，特斯拉官方账号Tesla AI发布更新，第一条指出，将在25年一季度在中国和欧洲推送FSD（有待监管部门批准）。  让无数特斯拉车主苦等多年后，这一次，“狼”真的来了。 2025年2月10日，比亚迪开启“智驾平权”，10天后华为的L3级自动驾驶架构在尊界S800上亮相，15天后特斯拉FSD功能发布。 **智驾下半场对决，正式来临。** 对于特斯拉FSD将入华的消息，余承东曾多次回应，他表示有信心赢得竞争。 余承东称，华为智驾即使是不带激光雷达的版本也比FSD更好，带激光雷达的性能更佳。期待双方的强强对决。 [查看评论](https://m.cnbeta.com.tw/comment/1481378.htm)

TikTok（包括其中国同行抖音）在 2024 年成为首个一年内应用内购买收入达到 60 亿美元的非游戏应用。根据应用情报提供商 Sensor Tower 的最新报告，TikTok 去年第四季度的应用内购买 (IAP) 总收入也创下了 19 亿美元的新高。 [](https://static.cnbetacdn.com/article/2025/0221/2a21ef66a6e9f8a.webp) 报告称，在非游戏领域，只有 YouTube 和 Google One 的订阅量能够超过 TikTok 第四季度全年总量。 TikTok 的应用内购买收入达 60 亿美元，是 2024 年其他任何应用或游戏收入的两倍多。 例如，《大富翁 GO》在过去一年中的应用内购买收入达 26 亿美元，排名第二。 报告指出，TikTok 2024 年的年度 IAP 收入也同比大幅增长，高于 2023 年的 44 亿美元。 然而，按下载量计算，TikTok 在 2024 年第四季度仅排名第二，Instagram 排名第一。紧随其后的是 WhatsApp、Facebook 和 Temu，位列前五。 TikTok 与其他应用的比较有点不平衡，因为它包括其独立的中国姊妹应用抖音。尽管这两款应用的母公司是同一个公司字节跳动，但它们提供的体验却不同。 抖音的内容是针对中国观众量身定制的，更侧重于电子商务。两者都专注于短视频，而 TikTok 更适合国际观众。 在美国，特朗普总统出于国家安全考虑推迟了禁止 TikTok 进入美国市场的最后期限，之后 TikTok 重返应用商店。特朗普下达行政命令，将禁令推迟了 75 天，并表示如果需要，禁令可能会延长。 TikTok 的收入是该应用对创作者经济的重要性的另一个例证。用户花真钱购买创作者的虚拟礼物，然后可以将其兑换成法定货币，TikTok会保留50% 的支出。 这款短视频应用此前已创下多项 收入里程碑，包括在 2023 年，它成为第一个总消费者支出达到 100 亿美元的非游戏应用。 [查看评论](https://m.cnbeta.com.tw/comment/1481376.htm)

据韩国媒体ZDNet Korea 2月24日报道称，**三星电子近期已与中国存储芯片厂商长江存储签署了开发堆叠400多层NAND Flash所需的“混合键合”（Hybrid Bonding）技术的专利许可协议，以便从其第10代（V10）NAND Flash产品（430层）开始使用该专利技术来进行制造。** 报道称，三星之所以选择向长江存储获取“混合键合”专利授权，主要由于目前长江存储在“混合键合”技术方面处于全球领先地位。并且三星经过评估认为，从下一代V10 NAND开始，其已经无法再避免长江存储专利的影响。 **3D NAND为何需要“混合键合”技术？** 过去传统的NAND Flash制造是只使用一块晶圆，NAND 阵列和CMOS电路的集成要么是将CMOS电路放置在单元阵列旁边（CMOS Next Array 或 CAN），要么将CMOS电路放置在 NAND 阵列 (CUA) 下方。 大多数 NAND Flash供应商在其最初的 3D NAND 工艺中实施 CAN 方法，然后在后续工艺中迁移到 CUA架构。仅美光和Solidigm 在 32 层 3D NAND 路线图之初就实施了 CUA架构。随后三星、SK海力士也转向了CUA架构，三星称之为COP（Cell-on-Perry），SK海力士称之为PUC（Cell-Under-Cell）。 在传统3D NAND架构中，外围电路约占芯片面积的20~30%。而随着3D NAND技术堆叠到128层甚至更高，外围电路所占据的芯片面积或将达到50%以上，这也造成了存储密度的降低。同时，这种方法最多可容纳300多层的NAND，否则施加于底部电路上的压力可能会对电路造成损坏。 为了解决这一问题，长江存储早在2018年推出了全新的Xtacking技术，推动了高堆叠层数的3D NAND制造开始转向了CBA（CMOS 键合阵列）架构。  △图片来源：YMTC CBA 架构则是通过将两块独立的晶圆分别制造NAND阵列和外围CMOS逻辑电路，然后将CMOS逻辑电路堆叠在NAND阵列之上。 由于NAND晶圆和CMOS电路晶圆可以在不同的生产线上制造，因此可以使用各自优化的工艺节点分别生产，不仅可以缩短生产周期，还可以降低制造复杂度和成本。同时，CBA 架构也可以使得NAND芯片的每平方毫米的存储密度、性能和可扩展性可以进一步提高。 而对于采用CBA架构的NAND厂商来说，要想将分别用于制造NAND阵列和外围CMOS逻辑电路的两片晶圆进行完美的垂直互连，就必须要用到混合键合技术。 目前混合键合技术主要有两类，晶圆到晶圆（Wafer-to-Wafer， W2W）和裸片到晶圆（Die-to-Wafer， D2W）。 CBA架构的NAND正是基于W2W的混合键合技术，省去了传统芯片连接中所需的“凸点”（Bump），形成间距为10μm 及以下的互连，使得电路路径变得更短、I/O密度大幅提升，从而显著提高了传输速率，并降低了功耗，同时还减少芯片内部的机械应力，提高产品的整体可靠性。 同时，由于堆叠层数越来越高，未来NAND Flash前端的集成也由原来的NAND阵列（Array）+CMOS电路层堆叠，转向NAND阵列+NAND阵列+CMOS电路层堆叠，因此也带来更多的“混合键合”需求。 可以说，对于3D NAND厂商来说，要想发展400层以上的NAND堆叠，混合键合技术已经成为了一项核心技术。 **长江存储已建立技术优势** 作为率先转向CBA架构的3D NAND厂商，长江存储在2018年推出自研的Xtacking技术之后，在CBA架构方向上已经进行了大量的投资。2021年，长江存储还与Xperi达成DBI混合键合技术等相关专利组合许可。这些方面的积极投入都成为了长江存储能够快速在数年时间内在NAND Flash技术上追平国际一线厂商的关键。 目前，长江存储自研的Xtacking技术已经进展到了4.x版本，并且成功量产了160层、192层、232层产品。最新研究报告显示，长江存储今年早些时候还成功实现了2yy（预估270层）3D TLC（三级单元）NAND 商业化。 虽然目前头部的3D NAND大厂都已经量产了200层以上的3D NAND，并积极量产300层3D NAND，甚至开始向400层以上迈进。 比如，2024年11月，SK海力士宣布即将开始量产全球最高的321层3D NAND。三星随后也宣布将在国际固态电路会议（ISSCC）上展示了新的超过400层3D NAND，接口速度为5.6 GT/s。但是，长江存储2yy 3D NAND 依然是目前已经商用的3D NAND产品当中堆叠层数最高、存储密度最高的。 TechInsights表示：“长江存储的2yy 3D NAND是我们在市场上发现的密度最高的NAND”，“最重要的是，它是业内第一个实现超过20Gb/mm?位密度的3D NAND”。 显然，虽然长江存储近年来发展受到了外部的各种限制，其依然凭借自研的Xtacking技术居于行业领先地位。这其中的关键在于，长江存储率先转向CBA架构，并实现了混合键合的技术良率稳定。在这过程当中，长江存储在Xperi混合键合技术基础上，也已经积累了非常多自研的混合键合技术和其他3D NAND制造技术专利。 值得一提的是，在2023年11月，长江存储在美国起诉3D NAND芯片大厂美国侵犯其8项3D NAND专利。 随后在2024年7月，长江存储又在美国起诉美光侵犯其11项专利。这也从侧面凸显了长江存储近年来在3D NAND领域丰富的技术专利积累。 **大厂转向CBA架构迟缓** 对于三星、SK海力士等传统3D NAND大厂来说，其在传统的单片晶圆生产方面具有很大的技术优势和产能优势。但是如果从传统的单片晶圆生产，转换到CBA 架构两片晶圆生产，无疑需要增加对新的洁净室空间和设备的额外投资，同时还将面临混合键合技术所带来的良率挑战，这也使得他们转向CBA架构的意愿并不积极。 作为从东芝半导体独立出来的铠侠，其是继长江存储之后首批采用CBA 架构技术大规模生产3D NAND产品的主要制造商，但是他们的基于CBA架构的第八代技术（BiCS8）的218层3D NAND直到2024年下半年才量产。 SK海力士和美光虽然分别在2020年和2022年向Xperi（子公司Adeia）拿到了混合键合技术的授权。但是，SK海力士、美光都计划2025年才量产基于CBA 架构的300层以上的3D NAND。三星则计划于2026年（最快2025年底）才量产基于CBA架构的第10代堆叠层数超过400层的V-NAND。 TechInsights 的 Jeongdong Choi 博士在最近接受记者采访时表示，“长江存储在如此短的时间内实施了超过 16 层和 232 层的层数，这令人惊讶。尽管面临设备采购上的限制，但似乎蚀刻、ALD（原子层沉积）工艺和翘曲预防工艺都得到了很好的优化。” 相比之下，“三星从V10开始，采用三重堆栈，总共使用两个晶圆的混合键合。由于工艺转换和新设施投资等许多变化，制造成本必然比长期使用混合键合的长江存储高得多。”Jeongdong Choi解释道。 **难以规避的专利壁垒** 正因为三星、SK海力士等大厂转向CBA架构的迟缓，使得它们在面对已经在CBA架构3D NAND和配套的混合键合技术上已持续投入多年的长江存储时，将会不可不避免的面临专利方面的障碍。 资料显示，目前混合键合技术专利主要被Xperi、长江存储和台积电所掌控。但是，Xperi这家公司主要是做技术许可，而台积电也主要是做逻辑芯片制造，显然长江存储在3D NAND研发制造过程当中所积累的混合键合技术专利对于其他3D NAND制造商来说，想要规避可能将面临更大的挑战。 ZDNet Korea报道称，多位知情人士表示，三星与长江存储签署“混合键合”技术专利许可协议，是因为三星的判断是“开发 V10、V11 和 V12 等下一代 NAND Flash，几乎不可能规避长江存储的专利”。 根据三星的计划，其目标是最快在今年年底开始量产V10，因此需要在此之前尽快解决相关专利问题。 所以，三星与长江存储签署了与混合键合专利相关许可协议的举动，被认为是一种通过友好合作，来加速技术开发的策略。不过，目前尚不清楚三星是否也获得了Xperi 等其他公司的专利许可。 对于长江存储来说，此次向三星这样的头部存储技术大厂提供专利许可，属于是中国存储产业历史上的首次，充分凸显了长江存储在3D NAND领域的技术创新实力。 值得一提的是，在得到了三星的认可之后，SK海力士等尚未量产CBA架构产品的3D NAND厂商后续可能也将会寻求向长江存储获取“混合键合”专利许可授权。  [查看评论](https://m.cnbeta.com.tw/comment/1481374.htm)

在欧洲电动汽车需求激增之际，特斯拉1月份在欧洲的销量却出现断崖式暴跌。欧洲汽车制造商协会的数据显示，1月份特斯拉汽车注册量仅为9945辆，较去年同期的18161辆大降45%。而欧洲整体电动汽车销量激增37%，德国和英国增长最快。  特斯拉目前正忙于改造其最畅销车型Model Y SUV的生产线，同时首席执行官马斯克对欧洲的政治立场也引发争议。在去年美国大选成为特朗普的主要捐助者后，马斯克将目光投向欧洲，支持极右翼政党并抨击现任政府。除了炮轰德国和英国领导人外，马斯克还与特朗普一道贬低泽连斯基，并质疑这位乌克兰总统的民调支持率。 特斯拉上个月在德国的新车销量仅为1277辆，创下2021年7月以来单月最低。法国销量暴跌63%，创下2022年8月以来最差表现。  [查看评论](https://m.cnbeta.com.tw/comment/1481372.htm)

抛售潮“连绵不断”，比特币周一大跌近5%，以太坊两天跌超10%……周二，比特币、以太坊以及许多知名山寨币仍在承压，币圈投资者似乎正在转向其他领域，而该行业仍在上一周遭受其有史以来最大规模黑客攻击后的冲击中。 比特币周一大跌近5%，一度触及9万美元大关，第二大加密货币以太坊在周初大幅下跌后，其在周二亚盘继续下跌，两天内已损失超过10%的价值，Solana下跌约15%，狗狗币下跌约13%。  早些时候，Strategy公司宣布，该公司在2月18日至2月23日期间以19.9亿美元的价格购买了约20356个比特币。 Strategy联合创始人兼执行主席Michael Saylor也在社交媒体上确认了最新购买情况，他表示，“截至2025年2月23日，我们持有499096个比特币，总价值约为331亿美元，每个比特币约合66357美元。”这意味着Strategy现在控制着比特币总供应量的2.3%以上。 Arca首席投资官Jeff Dorman表示：“加密货币市场疲软，这种情况已经持续了八周。股票、固定收益和黄金完全没有受到任何用来解释疲软的指标的影响。只有加密货币持续下跌。这很大程度上是由于市场情绪低迷、各种Meme币失败造成的损失以及缺乏资金支持新代币发行。” 数字资产管理公司Arca的数据显示，自去年12月中旬以来，大多数代币的价值损失了30%到80%不等，尽管也有一些例外。 Solana的市值在一个月内损失了约500亿美元，部分原因是最近一起涉及阿根廷总统米莱和名为Libra的Meme币的丑闻，该Meme币损失了大部分价值。根据研究机构Messari的数据，由于约17.2亿美元的Solana代币计划于3月1日“解锁”（解除交易限制），Solana也面临抛售压力。 Parataxis联合创始人Edward Chin表示，“随着持续解锁和供应涌入市场，人们只是在抛售。这个市场中的每个人通常都已经做多，任何新的资金都流向了比特币，这就解释了它的相对强势以及比特币主导地位的持续性，而山寨币市场缺乏叙事，所以我怀疑这种情况会持续恶化，直到这种情况改变。” 即使Bybit交易所表示将补偿其上周因黑客攻击损失的约14亿美元，以太坊仍面临压力。据该交易所首席执行官Ben Zhou在X平台上的一篇转发内容显示，Bybit借了一些以太坊，且似乎购买了一些以太坊。 与加密货币相关的公司股价也下跌。Coinbase连续第六天下跌。MicroStrategy周一下跌约5.7%，今年迄今为止已转跌。比特币矿商MARA Holdings Inc．周一下跌约5.3%，上周下跌了13%。 [查看评论](https://m.cnbeta.com.tw/comment/1481370.htm)

随着投资者转向其他市场，以太币和Solana、狗狗币等许多知名度较高的代币依然承压，该行业在上周遭遇有史以来最大规模的黑客攻击后仍然低迷。作为市值仅次于比特币的第二大加密货币，以太币过去两天下跌超过10%，在周二亚洲交易时段延续跌势。Solana过去两天下跌了15%左右，狗狗币下跌了13%左右。 [](https://static.cnbetacdn.com/article/2025/0121/20d89cf67ce04c2.webp) “加密货币市场人气很弱，而且已经持续了八周，”Arca首席投资官Jeff Dorman表示。“股票、固定收益和黄金都已经完全摆脱了之前的疲态。只有加密货币在走低。这在很大程度上是由于市场人气低迷、各种迷因币（memecoin）的失败以及缺乏资金来支持新代币的发行。” 据数字资产管理公司Arca称，自12月中旬以来，除少数例外，大多数代币价值已下跌30%至80%。 过去一个月里，Solana市值损失了大约500亿美元，部分原因是最近一桩涉及阿根廷总统哈维尔·米莱的丑闻，一种名为Libra的迷因币跌幅最大。根据研究机构Messari的数据，Solana也面临着压力，约17.2亿美元的这种代币将于3月1日“解锁”或解除交易限制。 截至北京时间周二11:01，比特币下跌1.7%至92421美元左右。  [查看评论](https://m.cnbeta.com.tw/comment/1481368.htm)

<blockquote><p>美团宣布为其骑手提供社保。这一系列动作背后的真正原因是什么？是良心发现，还是因为京东外卖的强势闯入？本文将深入探讨美团此举的动机，以及京东外卖的加入对整个外卖行业的深远影响，供大家参考</p> </blockquote>  ## 01. 最近美团高调宣布要给旗下几百万的骑手购买五险一金的新闻，不知道大家刷到没？ 消息一出，第二天下午饿了么也赶紧跟上，发文称：其实，饿了么2023年2月就开始逐步试点，为饿了么蓝骑士缴纳社保了。 估计大家已经在“筹备”了，只是被“京东外卖”的突然闯入，慌了！ ## 02. 两家巨头消息一出，评论区直接炸锅： 有网友高喊“终于等到这一天了”； 也有网友酸道“早干嘛去了”； 甚至有些网友来了一句灵魂发问：“美团、饿了么是被京东外卖吓到了吧？还是良心发现了？” 前者还有可能，后者嘛，还是算了吧。 如果要指望资本“良心发现”，那你还是太天真了。资本家每一分钱，花出去都是为了赚取更大的商业利益，可不是靠什么“良心”来决定的，毕竟也不符合商业逻辑。 ## 03. 那今天咱们就来聊一聊：为什么美团突然‘良心发现’？这背后，到底是啥原因呢？ ### 1. 京东突然闯入，美团慌了 为啥京东一出手，美团就认怂？ 因为京东这招太狠了！ 京东外卖虽然刚起步，但直接打出了两张王牌：“商家免佣金”+“骑手交五险一金”。 尤其是五险一金这一招，直接戳中美团、饿了么两家巨头的“七寸”——过去十年，外卖平台赚得盆满钵满，却让几百万骑手“裸奔”送餐，连个基本保障都没有。 记得新闻上有个案例：，饿了么骑手韩某某送餐途中猝死，平台只赔了3万块（家属实际拿到60万还是靠舆论压力），而京东快递员猝死，工伤保险能赔到近百万。 没有对比就没有伤害，骑手们用命换钱，平台却连个基本保障都不给，这谁顶得住？ 所以京东一出手，美团立马慌了——再不交社保，骑手全跑京东去了，谁给你送外卖？ ### 2. 维护品牌形象 京东已经出手了，美团、饿了么再不跟，恐怕就要被网友骂成筛子了吧！ 现在外卖平台最怕啥？ 不就是口碑崩塌吗！ 这些年，骑手困在系统里、超时罚款、交通事故…，诸如此类，太多太多了。 美团、饿了么没少挨骂，尤其是五险一金的问题，早就成了平台的“原罪”了。 京东的率先行动打破了行业”半斤八两”的默契，迫使美团、饿了么加速改进，避免因对比鲜明导致品牌形象崩塌。 去年看了一个消费者调查：大概6成消费者认为，有社保的骑手服务更靠谱。 为啥？道理很简单：连社保都不交的平台，能对员工多负责？ 送餐洒了、超时了，消费者第一个骂平台“黑心”。 京东这一波操作，直接把美团送到“火上烤”。再不跟上，网友的唾沫星子都能把美团APP冲下架！ 所以，这样就能更好的稳住大众情绪，维护好品牌形象。 ### 3. 抢占存量市场下的用户心智 现在的年轻人点外卖，早就不仅仅只看价格了，还要看谁家服务好，甚至将五险一金与商品质量、配送效率挂钩（如京东物流、顺丰的快递等）。 在行业进入存量竞争阶段，缴纳五险一金就成为提升用户体验、争夺用户心智的关键差异化因素了。 其实用“五险一金”塑造出“靠谱”形象这一招京东以前就玩过，当年京东物流靠“全员交社保”，硬是从“四通一达”里杀出一条血路，成了“靠谱”、“有保障”的代名词。 美团当然明白这个道理。 “交五险一金”虽然提高了运营成本，但也可以作为“广告推广费”来算吧 — 告诉消费者：我们是一家“有温度”、“靠谱”的企业，选我准没错！ ### 4. 留住优质骑手 记得徐峥电影《逆行人生》里面的外卖员老抠不？ 他有一个账本，里面各种城市优质路线啥都有。那他们难道就没有各个平台的跑单单价和利润本吗，肯定是门儿清的，毕竟关系到生存。 像楼下经常给同事送餐的老陈就吐槽道：“去年跑一单6块，今年降到4块5，一天跑12小时才挣200。要是京东给交五险一金，哪怕单价低点，我也愿意跳槽！” 那对平台来说，提供有五险一金的岗位能吸引和留住更负责、更高效的骑手，从而减少客户投诉、提升送餐效率，提升品牌形象和运营效率。 另一方面优质骑手带来的效率提升可对冲社保成本，还能反哺企业，形成正向循环，何乐而不为呢？ ## 04. 看到这儿，你可能觉得：“打工人终于赢了一次！” 但这事，恐怕没有那么简单呢。 ### 1.“画饼”还是“真香”？全职、兼职要区别对待吗？ 仔细看美团公告：“逐步为全职及稳定兼职骑手缴纳五险一金”。关键词就俩：“全职”和“稳定”。 啥意思？众包骑手（兼职）大概率没戏！ 比如广州的饿了么骑手老邓就说：“我是兼职，五险一金？估计轮不到我”。 而美团745万骑手里，真正能交社保的只有80多万全职骑手，剩下的600多万人，照样“裸奔”。 ### 2. 工资变相“缩水” 美团客服也说了：“交社保后，工资会扣一部分”。 这也正常，公司和个人按比例去缴纳，一些骑手表示赞同，毕竟老了有养老金可以领。 但是有些等着养家糊口的骑手就不同意，“眼下都活不下去，谁管几十年后？”。 ### 3. 京东真是“救世主”？先看看能坚持多久！ 京东现在高调，是因为外卖业务刚起步，骑手才1万多人。等规模扩大到美团级别（700多万骑手），每年光社保就得烧掉上百亿，到时候还能不能这么“豪气”？ 难说，不过希望京东顶住。 ## 05. 说到底，这场“外卖大战”是资本博弈的结果，但普通人也能蹭到一丢丢红利。 只要平台之间的竞争是良性的，对大家市场和消费者来说就是有利的。 由于京东这条后来的“鲶鱼”入局，打破了原有外卖行业垄断格局，迫使美团、饿了么提前官宣计划（即使早有试点，节奏也被加快），并可能推动未来基础保障服务质量提升（比如先减少”逐步””试点”等模糊性字眼）。 这波影响还能继续扩散开来，如果外卖行业五险一金问题能得到很好的解决。 那么就可能辐射至网约车、快递等灵活就业领域，形成更大范围的示范效应，对社会来说是一件极好的事情。 所以，这波还是得感谢京东的“搅局”。 最后，我想说的是：五险一金只是第一步，骑手的超时罚款、算法压迫、交通事故……这些“系统性困局”还没解决，还需要继续努力~ 本文由人人都是产品经理作者【产品成长日记】，微信公众号：【产品成长日记】，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。

Apple Silicon 再迎新成员 #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/1615484) ·[查看评论](https://www.ifanr.com/1615484#comments) ·[新浪微博](https://weibo.com/ifanr)

 产品大好、产品大卖、产品大赚，这是三件不同的事。 究竟什么样的好产品能够穿越周期，在这个“内卷”时代，还能大卖大赚？今天，我们就来简析一下。 ## 一、产品大好 ### 1. 产品大好有没有什么等级？ - 公司招牌菜 - 战略大单品 - 品类代表作 这三个等级是怎么定义的？ - **公司招牌菜**，是指一个有记忆点、传播点、决策点的单品。它可以是销量最大但利润一般的通货品，也可以是销售小但冲击力强的形象品，还可以是量价齐升能以品代牌的畅销品。 - **战略大单品**，相对于公司招牌菜的单方面呈现，更具市场竞争性。它可以是某个细分市场的市场份额领先，也可以是社会话题自传播性强的声量领先，还可以是某个特定客群拥有较强的认同感和归属感。 - **品类代表作**，比战略大单品的等级又高了。首先要拥有标志性品类（比如保时捷的运动型汽车+SUV），其次要有战略大单品承接（比如保时捷的911+卡宴），最后是品牌和品类双向驱动（品牌和品类，螺旋上升，互相强化）。 ### 2. 产品大好是怎么设计出来的？ 通常我们分为三步：一是产品价值策划，二是战略大单品策划，三是核心品类塑造。 **1）产品价值策划**  我们多次解释过这个公式： **产品价值 = 功能价值 + 体感价值 + 精神价值** - 产品在功能价值上，解决什么问题？ - 产品在体感价值上，好在哪，我怎么没感觉？ - 产品在精神价值上，能不能让我成为更好的自己？ 我们能不能从产品价值上，策划出一个小爆品？可以的。 小爆品，就是上述三类价值都能显化的产品。 **2）战略大单品策划**  战略大单品，我们分为：战略层、需求层、概念层、框架层、体感层5个部分。 - 战略层：主要是“五看三定+公司战略”，五看三定是我们灰度的核心方法论。 - 需求层：销售三大痛点和PMF策划。 - 概念层：产品话语体系（记忆点+传播点+决策点）。 - 框架层：客户行为和客户心智的框架（包括购买理由、成交模型、业绩动线等）。 - 体感层：就是客户可感知价值（不可感知价值，要转化为可感知价值）。 **3）核心品类塑造**  这个非常难。展开内容太多，这篇文章放不下。大家自己看图吧。 ## 二、产品大卖 产品大好与产品大卖之间，是一道难以逾越的鸿沟。为什么呢？ 产品大好，没有考虑市场竞争，也没有考虑企业本身是否有经济实力，比如创业公司没有资金推广，怎么卖？ ### 1. 产品大卖的产品力模型  上面这个产品力自测模型，是我们给客户真实实战的工具。 举个例子： 某上市公司，是国民级某消费品细分市场头部品牌。最近和对手在拼价格战。他们属于制造零售业，有拳头产品，也有自营门店。 那简单粗暴地自测一下（过程省略）： - 品牌好：大众品牌，门店多，销量领先。 - 市场好：市场平均增速超10%，赛道增速平稳。 - 竞争好：市场集中度比欧美日韩都要低很多。 - 产品好：有心智产品，且单品市场份额领先。 - 战略不好：收入微增（增速低于大盘），利润下降较多。 - 客户不好：客户数量大，但客户复购率不高。 - 经营不好：低效商品SKU占比高，低效渠道占比也高。 - 商品不好：主推品占比不高，连带率和扩品类不够好。 （说明：以上是非常简单粗暴地分析，真正的商业实战，比这个复杂得多） ### 2. 产品大卖的五步进阶 这里我们就不展示我们内部使用的模型了。大意是分为五步： 产品力、主推款打造、核心品类、主推品占比、搭配款策划。 这里，我们给出一个公式： **商品力 = 主推款SA + 搭配款BC + 经典款** - **主推款SA**：趋势品和优势品，重点是产品要有深度，要有心智代表性，可以是高频引流品，也可以是低频价值品。 - **搭配款BC**：主题延伸、风格延伸、场景延伸、品类延伸等，重点是要有宽度和连带率，能吸引消费者时长，同时要控制动销率，不能压库存占资金。 - **经典款**：这个往往是某个客户群的复购率最高，同时，也有向上游进一步优化原材料和工艺成本的利润空间。 没有商品力，产品再好，也不可能大卖。 （不知道大家注意到了没有，这里又出现了核心品类塑造。） ## 三、产品大赚 ### 1. 大多数企业是怎么赚钱的？ **资产利润率1= 销售/资产 * 利润/销售** 问题来了： - 如何提升销售利润率？答案：高倍率。 - 怎么实现高倍率？答案：创新驱动。 - 如何提升资产销售率？答案：快周转。 - 怎么实现快周转？答案：效率驱动。 ### 2. 高绩效企业是怎么赚钱的？ 在高倍率和快周转之外，高绩效企业，还有两种提升利润率的方法： **资产利润率2 = 产品溢价率 * 客户溢价率** 问题来了： - 如何提升产品溢价率？答案：强连带。 - 怎么实现强连带？答案：内容经营。 - 如何提升客户溢价率？答案：多复购。 - 怎么实现多复购？答案：客户经营。 ### 3. 产品大赚是大商品经营 **资产利润率 = 高倍率 * 快周转 * 强连带 * 多复购** 显然，这才是大商品经营的核心要义。 什么是大商品经营？不展开了。 ## 四、小结 从产品大好，到产品大卖，再到产品大赚，是一条极难而正确的道路。 - 产品大好，PMF（产品市场匹配）是一切的起点。好产品，通常都是从大行业小场景高欲望的小切口杀进一个赛道，聚焦主航道。客户并不需要我们的产品，客户需要的是解决他的问题。这才是产品大好的关键要素。 - 产品大卖，就是GTM（走向市场）策略和路径，以及动态市场竞争。俗话说：是骡子是马，要拉出来遛遛。产品能不能大卖，客户说了算、竞争说了算、最终是市场说了算。 - 产品大赚，就是利润怎么来的？有没有超额溢价？我们说大商品经营+全渠道零售+全域客户运营，这三个是企业制胜的王道。在这里大商品运营，要从高倍率、快周转、强连带、多复购，沿着研发线、产品线、销售线等多线融合，进行商品企划和商品运营，最终实现产品大赚。 这里需要说明的是：本文只是从产品角度，没有从品牌角度或战略角度，来解析的利润的动因。 千言万语，化成一句：好产品不是万能的，但是没有好产品是万万不能的。 本文由人人都是产品经理作者【曹升】，微信公众号：【灰度认知社】，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。

为机器换人做准备？

<blockquote><p>随着人工智能技术的不断迭代和市场的激烈竞争，腾讯翻译君的落幕标志着一个翻译时代的终结。本文将回顾腾讯翻译君的辉煌历程，并探讨其落幕后给市场和用户带来的深远影响，揭示翻译技术未来的发展方向。</p> </blockquote>  ## 一、当翻译工具开始”说再见” 2025 年 3 月 13 日，腾讯旗下最受欢迎的翻译工具将停止服务，令人唏嘘的是在公告下方看到的一条评论：”它教会我第一句日语告白，却来不及说自己的告别”。 意料之外却又在常理之中的是，这款曾日均处理破亿次翻译请求的工具，选择在最后停服公告中将用户引流到了元宝–腾讯旗下的 AIGC 聊天 App  可以预见，这不仅是单个产品的谢幕，更预示着传统翻译工具集体退场的时代浪潮，就像柯达胶卷见证数码摄影革命，翻译君的停运成为 AIGC 技术颠覆垂直领域的历史注脚  ## 二、翻译君的”八年抗战”：从颠覆者到被颠覆者 2016 年诞生的翻译君，曾带着互联网大厂的傲慢改写行业规则。依托百亿级语料库和神经网络技术，就像拿着激光剑闯入冷兵器时代，上线一个月，日均翻译服务调用次数破亿，巅峰时期用户量超千万。 然而预设算法的致命伤在 ChatGPT 问世后暴露无遗。当大模型能理解”雨后春笋”在不同语境的含义时，传统翻译工具还在纠结字面直译。就像计算器取代算盘，技术代差已成天堑。   ## 三、AIGC 的”降维打击”：当翻译变成基本功能 AIGC 对传统翻译的降维打击不仅体现在上文说的翻译质量上，更重要的是将翻译技术完美融入了实际的场景 过往使用传统翻译工具时，往往是在某个场景中遇到了卡点，想要借助翻译工具解决语言障碍后再继续动作，者带来两个弊端： - 翻译工具无法理解用户场景，不知道上下文，只能从语言信息流中截取一点碎片，将其生硬翻译后返回，食之无味，弃之可惜 - 用户存在明显的打断感，针对流畅性要求更高的场景翻译工具往往力不从心 而 AIGC 技术将翻译变成了基础功能，在翻译质量极大提升的基础上还可以融入其他场景，例如 Meta 最新眼镜能实时翻译菜单并分析菜品卡路里，微软 Teams 的”会议数字孪生”功能，甚至能生成带发言人特征的翻译语音。 当技术突破临界点，专业翻译软件反而成了”拿着竹篮接瀑布”的尴尬存在。 ## 四、腾讯元宝的”阳谋”：不只为埋葬翻译君 将视角回到翻译君，你会发现它的离场不是单纯的退出，而是将接力棒传递给了元宝。 这一举动暴露了腾讯的深层战略焦虑。这个集知识问答、内容生成于一体的 AI 入口，是腾讯通往 AIGC 时代的船票，一如 QQ，一如微信，腾讯从来不愿意放弃打造【超级 APP】的一丝可能 元宝的核心竞争力不在于翻译技术有多强，而是在于借助腾讯渠道的场景渗透能力，当留学生习惯在 QQ 邮箱借助元宝生成内容，翻译邮件并发出时；当职场人在企业微信中自动生成周报并润色英文摘要，单独的翻译工具就失去了存在必要。这如同智能手机取代 MP3 播放器，不是功能被淘汰，而是被更强大的集成体消化吸收。 ## 五、写在翻译工具消亡前夜 翻译君的退场，像极了当年 IE 浏览器的谢幕。随着技术进化到新维度，特定工具就会像脚手架般被拆除。但这不是终结，而是数字巴别塔重建的开始，如果语言障碍彻底消融，文明对话将迸发出我们难以想象的可能。 正如翻译君自己的 slogan“跨越语言，连接世界”，翻译君的出现和消失，都在朝着这个愿景不断靠近。 本文由 @培风 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>本文将聚焦商超场景，拆解TMS的8个核心环节，从运输计划到回单管理，带你穿透业务表象，掌握物流系统设计的底层逻辑。</p> </blockquote>  首先，为什么说TMS是商超物流的“指挥中枢”呢？ 在商超零售行业，物流效率直接影响货架补货速度、客户满意度甚至企业利润。一场大促活动中，若某仓因车辆调度失误导致300家门店断货，损失可能高达数百万。 而这一切的核心控制者，正是**运输管理系统（TMS）**。 ## 一、运输计划：运力与订单的“动态博弈” **核心作用**： **1）车辆资源预判**：按照当天预计货量计算所需的车辆资源，即大概需要多少辆车，以便在大促等场景下提前准备车辆资源，防止车辆短缺。 **2）模式选择与线路规划**： - **运驱动仓**：这里的运输计划就需要提前下发到仓库。仓库根据计划中安排的门店进行生产，在仓库按运输计划将门店包裹生产结束前,调度部门将车辆安排到位；这样仓库和运输就达到完美协同。。 - **仓驱动运**：则需要根据仓库生产结果来临时编排运输线路，需要调度员时刻关注仓库现场生产情况（尤其在大促环节）。 **难点与破局**： - **预测偏差风险**：若实际货量超预期20%，临时调车成本可能飙升50%。 - **跨部门协同断层**：仓库生产进度未实时同步运输部门，导致车辆闲置或拥堵。 **产品设计建议**： - **智能预测模型**：结合天气、促销活动等因素动态调整预测值。 - **协同看板**：实时展示仓库生产进度与车辆到位状态，触发自动预警。 ## 二、包裹管理：从“静态数据”到“动态地图” **核心工作**： **1）包裹状态可视化**：展示各仓已生产的包裹详情（编码、生产时间、商品清单）。 **2）智能决策支持**：更好的展示是结合门店的经纬度把门店，门店的包裹情况，包裹中紧急订单信息展示在地图中，方便调度员对发货开单做决策 - 在地图上标注门店位置、包裹量、紧急订单标签（如红色闪烁标识加急订单）。 - 标识特殊装载需求（如需要笼车的包裹用▲标记，小板货物用●标记）。 **难点与破局**： - **多仓数据分散**：3个仓库的包裹需聚合展示，否则调度员需反复切换系统（所以TMS到底是以什么维度来做整体设计将是系统设计的重点）。 - **紧急订单淹没**：2000个包裹中仅3个加急订单，传统列表模式易被忽略。 **产品设计考虑的问题**： - **热力图模式**：按包裹紧急程度、配送距离生成热力分布图。 - **装载需求标签库**：预设“笼车”“防倾倒”“冷链”等标签，自动匹配车型。 ## 三、发货开单：成本、时效、资源的“三重约束” **核心流程**： - **输入条件**：已生产包裹量、门店时间窗（如A店仅允许7:00-9:00卸货）、车型限制（如B店所在商圈禁行7.6米以上货车）。 - **输出结果**：生成派车单，明确装载顺序、路线规划、成本预估。 **三大业务难点**： 1）要素复杂度高： 比如说仓库现场已经将大量门店的包裹生产完毕，有N个门店，每个门店有M个包裹；每个门店配送的时段，卸货的时长，交接的方式，需要的车型均不相同，更别提有的门店所在辖区还需要出入证。 所以在产品设计时，用户在生成派车单时系统自动建立**门店画像库**，自动关联证件要求、卸货时间窗等数据，将大大降低调度员的思考复杂度。 2）时间窗口压迫： 在波次性发车的场景下，仓库的包裹，现场的司机和车辆均处于准备就绪的状态，下一波次的货物将在4小时后生产完毕，下一波次需要的车辆资源需要这一波次的车辆返程后参与进来，这就需要快速的开单，快速的运输和准时的返程，才能衔接上。 3）满载率考核： 一个波次的配送要求运费最低，所以车辆满载率就是明确的考核指标，达不到满载率将无法发车，比如说：9.6米货车装载率低于85%禁止发车，否则单箱成本上升40%。 ## 四、配载发车：装车现场的“空间战争” **两大核心任务**：配载装车有的企业是企业内员工操作，有的是安排司机直接操作，那么司机操作时是否符合操作规范就是很大的风险点 **1. 装载执行**： - 按“后到先装”原则摆放货物（最后送达的门店包裹最先装车）。 - 允许现场决策插入紧急订单（如调度员手动拖动包裹至装载区）。 **2. 检核闭环**： - 扫码核对包裹数量、商品清单（防止A店货品误装至B店车厢）。 - 记录破损情况（如外包装凹陷需拍照留证）。 ## 五、运输管控：在途风险的“三道防线” **核心监控维度**：主要是对车辆从物流园出发后到门店卸货前的过程管控，需要考虑的问题很多： 第一：主要考虑合规性和临时突发事件处理： - 是否按时配送，需要监控车辆在波次发车后，是否按既定要求行驶到门店。这里就需要结合IOT设备进行行驶路径的监控， - 指导司机规避道路拥塞等各种意外情况。 第二：需要考虑货物的运输安全： - 高价值商品启用电子铅封，货箱门异常开启立即报警，比如茅台运输，就需要结合车辆摄像头，电子铅封，行驶轨迹等信息保证货物不被掉包。 - 车厢温湿度传感器数据实时回传（如冷藏车温度超8℃自动通知门店）。 第三：司机运输路径的后续防损人员反查，这里包括门店送货实际时间和要求时间是否匹配等各种定责问题。同时将司机实际运输线路与系统建议线路对比，优化系统建议线路。 ## 六、到货管理：门店端的“资源争夺战” **关键流程**：：司机配送到门店，由于门店收货环境（比如所在街道，收货台）限制，也有多个仓库的货车同时到达，导致无法安排车辆正常卸载，所以司机需要听从门店收货人员安排，而整个到货-等待-收货–按清单核验–司机车辆离场，整个过程需要详细记录方便后续流程优化，这里涉及到车辆控制权的交接，门店可以在规定范围内对同时到达的车辆安排有序交接。 **预约排队**：所以提前预警同时到达同一门店的车辆就成为关键，司机有权利更改配送顺序，避免多车拥堵。 **协同交接**： - 门店人员扫码验收，发现破损直接在APP勾选异常类型（如“外包装破损”“数量短缺”）。 - 系统自动分配优先卸货权（如生鲜商品优先于日用品）。 **难点与破局**： - **门店配合度低**：部分店员拒绝使用数字化工具，坚持纸质登记。 - **异常扯皮**：司机声称出厂时货物完好，质疑门店操作不当。 **产品设计建议**： - **防篡改验收证据链**：到货时拍摄带时间水印的全景照片。 - **自动化责任判定**：结合出厂照片、运输轨迹温湿度判断货损阶段。 ## 七、签收管理：从“千人千面”到“标准范式” **核心场景**：这里的签收包括很多实体的交接，包括配送的商品，商品关联的资产（比如耗材托盘，周转箱），同时包括门店退货交接，各种退货资产的交接；包括交接过程中车辆封厢操作 **1. 多样化签收模式**： 逐件清点（高端商品）、整托签收（标准品）、盲收（信任度高的合作方）。 **2. 资产交接**： 回收周转箱（扫码登记数量）、处理退货商品（需与出库单关联）。 **难点与破局**： - **操作复杂度过高**：司机需记住20种门店签收规则。 - **耗材丢失率高**：年度周转箱损耗率超过15%。 **产品设计建议**： - **智能签收导航**：司机APP根据定位自动加载该门店签收流程。 - **耗材押金机制**：未归还周转箱时自动冻结对应账户款项。 ## 八、回单管理：闭环的“最后一块拼图” **核心价值**： - **财务结算依据**：里程数、等待时长、耗材回收数据关联计费。 - **事故追溯凭证**：通过签字回单定位破损环节（运输/仓储/门店）。 **难点与破局**： - **票据污损或丢失**：纸质回单被雨水浸泡无法辨认，司机直接给弄丢了。 **产品设计建议**： - **电子回单自动归档**：司机APP拍照后通过OCR提取关键字段，或者直接集成为系统功能都是很好的选择，全流程无纸化。 ## 结语：TMS设计的两个黄金法则 - **动态平衡法则**：永远在“计划稳定性”与“异常处理灵活性”之间寻找平衡点。 - **全链路视角**：司机少点击一次按钮、仓库少切换一次系统，都可能带来整体效率的质变。 对于产品经理而言，理解这8个环节的关键在于：**到物流园区蹲点观察司机如何装货、去门店现场看收货员如何抱怨系统难用** ——所有设计痛点，都藏在真实场景的细节里。 本文由 @老杨产品进化论 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

  作者｜苏子华 编辑｜靖宇   2024年初，Penny从北京某自动驾驶公司的工程师岗位离职，回到深圳接班家里的耳机工厂。 那时，恰逢“AI耳机”的概念开始兴起，Penny顺势投身新的科技浪潮，见证并参与了，被视为下一个风口的品类，如何以惊人的速度被推向市场。 在这里，生存与创新的辩证法变得赤裸、清晰。 商业模式不清晰？软件功能不完善？没关系，先卖了再说，不能等。——这是她看见的、与北京职场里截然不同的生存文化。 当国际品牌还在讨论何为“AI native”硬件时，华强北已经用百万套的订单完成了国内外的市场教育。 “虽然没完全想清楚，但不耽误人家敢卖。” **这里的人都明白出货单上的生存法则：“先上车，边走边看”。** 她感受到，技术生命需要野蛮繁衍而非精致豢养，谁能帮它更快占领市场，谁就能收割进化红利。 当年轻人抱怨时代红利几近消失的时候，这里依旧能为普通人腾出一些上升通道。 Penny见过一个软件解决方案团队，两三个人的小团队，靠着帮耳机品牌做App，卖向海外，一年时间买了豪车。而在Penny自己的工厂，“我们的一些大专毕业生同事，赶上某款AI耳机的畅销，一个月提成就有3万元”。 这里不遵行北京大厂办公室里的白领逻辑。Penny也在适应“草莽”的新规则。      “有供应商直接摊牌：要么接受瑕疵品，要么我退款转卖你的设计”，这种近乎无赖的博弈反而倒逼出独特的平衡术——既要卡死产品底线，又要学会抚平怒火，毕竟流水线上等着组装的十万个耳机壳，经不起重新寻找供应商的耽搁。 更多的变化也在发生。 以前，人们会说华强北经常抄大牌，但现在大牌身上越来越多华强北的影子。有些品类，华强北供应链已经迭代了两三轮之后，一些国内大品牌才刚开始入场。这个行业变了，不再像之前那样，从上往下传导。可以打趣地说，华强北的产线更迭换速度，比大厂办公室的PPT翻页还快。 无数草根工厂的狂奔，正在织就托起「下一个大疆」的巨网。 然而，AI浪潮既带来了新的财富，对于传统制造业来说，更是夹带着危机。“在这波AI浪潮里，可能很多同行会被卷掉。”Penny观察到。 AI技术，对于老一辈的工厂掌舵人来说，不容易理解，无论是在技术落地还是商业模式的层面。而Penny判断，AI会在硬件产品中占据越来越重要的地位，AI对于硬件产业的冲击刚刚开始。 她也在思索着AI技术的意义、新的商业模式如何建立、制造业如何抓住AI浪潮，而不是看着行业被削弱。 从北京到深圳，在市场摸爬滚打一年多后，Penny从源头工厂的视角，为我们提供了新技术如何走向大众的一个切面。   **以下为Penny**** 做 AI 耳机的 10 个****感触，我们以第一人称视角整理呈现：**     ### 01 AI耳机爆火，年轻人逆袭   在华强北这边，我们工作想招聘一个普通一本、二本，或者英语过了四六级的都很难。 我们这个行业人员素质还没有科技、互联网行业那么卷，稍微有一点点能力的人在里面就会发展的很快。 之前有一个供应商，做出的模具远不符合我们的要求，然后直接摊牌“要么接受瑕疵品，要么我退款转卖你的设计”。 真是气死人，但是这时要做的不是索赔。时间成本远高于金钱损失，新品晚出两周就可能被同类产品淹没市场。所以，只能学着咽下怒火，继续陪对方打磨。 能把工作对接的清清楚楚，大家就会觉得这已经是行业里非常优秀的从业者了。举个例子，我们有些普通院校毕业没几年的同事，客户下单之后，他负责对接，刚好有一款他对接的耳机卖爆了，一个月的提成就有3万多。客户对他非常满意，因为能把交待的事情对接、落实清楚。 工厂对年轻人来说，不太有吸引力，但对普通人来说，确实存在草根逆袭的机会。   ### 02 先上车再说，边走边看 华强北的小品牌和大品牌一样，都在积累数据，在摸索如何适应当下用户的AI消费习惯。 AI耳机现在很火，有些小品牌推出的AI耳机，在App上搭载了AI助手，宣称支持用户免费使用。比如，他们会预置几百分钟免费的AI助手语音使用时间。但是，AI大模型的token用完之后是需要续费的，怎么续费，很多品牌自己可能还没想清楚。 虽然没完全想清楚，但不耽误人家敢卖。 很多品牌都是先上车，边走边看。 或许这件事对他们来说也没啥影响，可能只是用户在用完免费的AI助手时长后，不续费了。有的厂家也是在赌，赌这个耳机用户用不了一年，可能就丢了，换新的；又或许，他们未来会根据模型流量费用的变化，到时再给用户新的定价方案。 大家风格很一致：先跑起来再说，不能等。   ### 03 快，是一切 华强北的思维是快速且灵活的，几乎没有规则可循。业务员的目标不是完成任务，而是搞定客户。 例如，我们在给客户或供应商发送样品时，非常强调效率。如果上午发货，下午必须送到；下午发货，第二天必须到达。如果快递无法按时送达，甚至会用顺风车直接送过去。 有一次，一位同事急需为客户发货，但包装定制尚未完成。于是，他坐公交跑到六七十公里外的工厂催促加急制作，并在工厂等待完成后，自己叫货拉拉将样品拉回来。 在这种行业里，没有规则可言。不能期待像白领一样，发送邮件等同事或者合作伙伴按时对接。只要能搞定客户，就行。   ### 04 AI耳机是快消品 我们是做硬件的，本质上在我们看来，不管它是叫 AI 耳机还是叫耳机，它就是属于耳机赛道。AI 耳机算是一个营销的概念。 就像没有小米、小度这些智能音箱之前，音箱也一直存在，一直在卖。后来AI能力提升了，就把AI功能也加上了。耳机也是一样。行业里会将它看作快消品。   ### 05 主流AI耳机群体画像：要便宜，先用上 一些高端的AI耳机卖得比较贵，在1000元以上。然而，当用户买耳机的预算超过1000元时，这个用户群体的画像就会变得非常不一样了，他们可能对音质等方面的需求比较高，不太确定他们是否愿意为AI买单。 从高端的AI耳机的出货量来看，可能目前愿意为AI买单的还是少数。 但并不是说消费者没有意愿尝试，很多中低端价位的AI耳机卖得很好，比普通的蓝牙耳机要好。 这个市场的主流用户群体，更需要的是先拥有。很多人希望只需要付大牌 1/ 10 的价格，先尝鲜体验一下功能，他们不需要产品有多好的效果，先用上再说。 就像很多人都没用过苹果的耳机，大家可能也不知道所谓的差距在哪。     ### 06 每一毛钱，对工厂都很重要 深圳人喜欢讲成本，之前有北京高校出来的供应商找过来，说他们做了一些算法改进什么的。 但他们避而不谈的就是成本。华强北这边的厂家不是很喜欢和他们聊，因为他们不说成本。那有什么意义呢？ 如果一上来就用一颗特别贵的芯片，没有厂子能承受得起。我们就问他，你这个东西对硬件有什么要求，我的成本需要增加多少，怎么收费。 他们不愿意讲这些，他们喜欢讲宏大叙事。列举他们和高校合作案例什么的，讲他们的团队背景。 这些我们都不想听。 每一毛钱成本，对于高度内卷的深圳工厂来说都很重要。 **如果北京那边的团队，能更多考虑商业维度的东西，我觉得他们的技术会落地更快一些**。    ### 07 大牌定义产品，华强北教育市场 大牌在市场中起到了示范作用。他们推出新产品，通过宣传和流量推广，引领市场趋势。耳机产业需要这样的引领者。 而后面的跟随者往往不会去考虑一个功能、交互的意义是什么，大家只是在跟风模仿，去做类似的产品，抓住新的噱头。 众多低端的小品牌起到了一个作用，就是用更低成本的物料、软件方案，复刻大牌们最新的产品，用低价让更多消费者愿意尝鲜使用。 低端品牌做产品的逻辑是，对大牌成熟产品的功能做缩减，先实现用户最需要的核心功能，然后再根据电池、芯片、包装等成本考虑是否增加其他功能。 价格降低10倍，销量可能扩大会100倍、1000倍甚至更多。可以说，大牌在定义产品，华强北教育市场。     ### 08 市场需要 AI 耳机领头羊 AI耳机这个市场想要壮大，需要领头羊。就像iPhone之于智能手机，AirPods之于无线耳机，亚马逊Echo之于智能音箱一样，他们会推动一个市场的发展。 一个不太恰当的比方，比如说AI眼镜，可能只有苹果来扛大旗，这市场才会好，换作三星来，这个市场可能都起不来。大家都等着苹果去做，大概就是这个意思。 就像有的小品牌靠模仿AirPods形态的耳机，一次订单就能出10万、8万套，直接发往海外。而如果采用其他外形的耳机，即便品质更好、价格更低，可能销量也不会好。 **目前来说，AI耳机领头羊，还没有出现**。   ### 09 大厂身上出现了华强北的影子 过去，大牌怎么做，华强北的小品牌就怎么做。 而现在，华强北小品牌的迭代甚至走在了大厂的前面。比如，夹耳式耳机在国外火了之后，华强北马上跟进，等供应链已经迭代了两三轮之后，一些国内大品牌才刚开始入场。 比如，有几家知名的手机大厂陆续推出的耳夹式、挂耳式的耳机，就是如此。 以前，人们会说华强北经常抄大牌，但现在大牌身上越来越多华强北的影子。 有一些华强北品牌，刚开始靠低端产品起家，有钱了之后会做产品分级，推出中高端产品线，投入资金做研发。在两年前，他们可能还在卖非常普通的产品，而现在，再看到的产品就非常有质感，从贴牌走向自主品牌。 这个行业变了。不再像之前那样，从上往下传导。如今市场不再等待大牌慢热，稍有迟缓，对手已迭代三四代，悄然抢占了先机。   ### 10 AI软件正重塑市场   从耳机产品的迭代来看，在技术和产品形态上近几年似乎没有太多突破。 从消费者反馈来看，大家比较在意App。没有某个功能似乎就比别人弱很多。因此，品牌们也会更注重App的建设。 目前大多数AI耳机聚焦在翻译和对话功能。但注意力也开始转到更细分场景，比如AI睡眠耳机，睡眠耳机外观很小，方便睡觉时佩戴，但它的核心是在App上。它通过App实现白噪音、睡眠监测、睡眠建议等功能。  消费渠道变化很大，直播电商兴起之后，很多需求会被解锁，不少人刷到直播之后可能会意识到“好像我真需要它”。AI睡眠耳机就是这种。 这个产品火起来让我们意外。睡眠这个场景很小，但我们在国内的出货量每个月也有10万套左右。 因此，AI对于细分场景的升级可能也是未来的一个趋势。    

 由国内独立游戏工作室Mystrigger咪叽社开发的可爱像素风策略塔防《遗物守护者》，现已在Steam开放新品节试玩。  &lt;内嵌内容，请前往机核查看&gt; 如果对这款国产独立游戏感兴趣，还请将游戏添加进愿望单，官方会第一时间在社区同步游戏的最新资讯~ &lt;内嵌内容，请前往机核查看&gt; 《遗物守护者》是一款魔幻题材的像素策略塔防游戏。玩家将扮演能够把厚重防御塔缩小并重新布置的勇者「弗兰」，并与麦叽族等援军一起挑战5个主题大陆的20余道关卡，为守护漩涡岛直面100多种能力各异、来势汹汹的危险敌人。   虽然麦叽族体态小巧，但能力强大。5位麦叽族战士可以在战斗中被强化成15种形态各异的高阶英灵塔，而可爱的主角「弗兰」则在战场上花式卖萌抢戏，使整场塔防战斗在策略性十足的同时欢乐满满。  # 可爱为王的像素塔防 在这个可爱为王的年代，《遗物守护者》的主角「弗兰」就算从游戏里拉出来也得是个表情包大户。 作为战场上拥有强大能力的勇者，弗兰在阻挠敌人前进步伐的道路上无所不用其极，突出一个卑微。在最后防线面前，这勇者的各种小动作简直就是众多塔防玩家精神状态的真实呈现。  游戏地图内有着丰富的互动彩蛋，在触发强大机制之时，抢戏主角甚至会露出比玩家还要更为意外的震惊脸……   除卖萌以外，勇者弗兰移动防御塔的能力更是使其在战场上忙里忙外，时时刻刻都卖力吸引着玩家的视线。  # 更具操作感的动态防线 游戏防御塔可以实时被玩家移动搬运，整条塔防阵线变得更为动态，也使策略有了额外的发挥空间。  5位麦叽族战士可以在战斗中被强化成15种形态各异的高阶英灵塔。脾气不好的麦叽族巫女帕尼还能够化身成多种英雄形态对战场进行支援，使战场局势瞬息万变。  利用主角弗兰的机动性，每座防御塔的特性与利用率都被进一步放大，使玩家更能秀出操作，展现自己的临场决策水平。 无论是最后关头搬塔补刀，还是通过调整防御塔位置追求资源利用的最优解，《遗物守护者》都给塔防玩家带来了更多探索乐趣的方向。通过数十种升级选项，玩家们的塔防资源自然将愈发强大，并逐步导演出爽快且疯狂的战斗场面。  《遗物守护者》在本次Steam新品节的试玩版中开发添加了更多BOSS与挑战关卡，防御塔的形态系统也正式上线。  游戏目前还处在测试阶段，玩家可以加入官方QQ交流群236584815探讨交流。Mystrigger咪叽社三位游戏开发者希望通过各位玩家的试玩反馈，将这部可爱的塔防独游进一步优化完善。 如果喜欢这款《遗物守护者》，记得将游戏加入愿望单哦~ &lt;内嵌内容，请前往机核查看&gt;

In response to the unfolding crisis, Zhou Jian, the CEO and founder of Xbot Space, addressed the issue in an exclusive interview with AsianFin on Sunday, confirming that the company had downsized during the Chinese New Year period, which resulted in the layoffs.

<blockquote><p>作为企业数字化转型的核心组件，工业数字化软件架构不仅承载着基础建设的重任，更是价值深挖与创新的关键所在。本文将从架构设计、技术实现到应用价值，全面深入地探讨工业数字化软件架构如何助力企业实现高效运作与创新突破，希望能帮到大家。</p> </blockquote>  近日，一家制造企业在新工厂规划阶段便提出全面数字化建设的需求，这折射出中国工业思维的深刻变革。该企业希望通过数字化方案解决旧工厂的痼疾——如生产计划执行率低、质量管控难等问题，同时为未来十年的高端化转型奠定基础。 值得注意的是，企业决策者将数字化视为新工厂的“地基”而非“装修”，这种前瞻性意识标志着工业数字化已从概念探索期（V1.0）迈入价值重构期（V2.0），成为企业生存的必备能力。 我们参考互联网的发展，互联网萌芽期经历了6年，即从1994年中国通过一条64K国际专线全功能接入国际互联网（被认定为“中国互联网元年”）开始，到2000互联网泡沫破灭。然后进入到了互联网成长爆发期，也就是从2001年中国加入WTO，到2008年中国网民数量达2.98亿，首次超过美国，成为全球第一。 那么，对于工业数字化软件的产品经理们，又该如何在转折期中设计自己的产品，如何实现价值最大化呢？ ## 01 工业数字化V1.0：筑基与探索期 ### 政策驱动与技术突破的双轮效应 2015年《中国制造2025》的发布，开启了我国工业数字化的首个黄金周期。此后，国务院《关于深化“互联网+先进制造业”发展工业互联网的指导意见》进一步明确了网络、平台、安全三大体系的建设路径。到2020年，工信部遴选的“双跨平台”（跨行业、跨领域工业互联网平台）已覆盖设备预测性维护、远程运维等关键场景，并建成北京、上海等五大国家顶级标识解析节点。 ### 行业生态的快速成型 政策红利与技术迭代催生了近2000家工业互联网服务商，形成四大主力阵营： - 设备制造商：如浪潮云洲，依托硬件优势构建垂直领域解决方案； - 软件服务商：如用友精智，通过ERP、MES等系统向云端延伸； - 工业龙头：如海尔卡奥斯，以自身产业链经验赋能行业； - 互联网巨头：如阿里supET，以云计算和大数据能力切入工业场景。 ### 技术落地与行业渗透的里程碑 - 三一重工“根云平台”：连接全球30万台工程机械，通过实时数据监控实现故障预警，备件库存周转率提升40%，设备利用率提高15%； - 青岛啤酒5G智能工厂：部署AI视觉检测系统，瓶盖缺陷识别准确率达99.9%，人工抽检成本降低70%； - 东方电气风电运维平台：利用数字孪生技术模拟风机运行状态，运维效率提升50%，故障停机时间减少30%。 此阶段，人工智能、大数据、云计算（ABC技术）与容器化架构推动工业APP数量突破35万个，离散制造领域的中小企业开始试水数字化，企业主认知从“工具采购”转向“战略赋能”。 ## 02 工业数字化V2.0：价值深挖与生态重构期 企业基础设施的一部分，并且与生产、经营密不可分，让数字化成为了企业基础要素。如同现在新建房屋时，会预埋水管、线路一样，成为房子结构体的一部分。其价值释放进入新阶段，三大核心趋势凸显： ### 核心竞争力重塑：从“经验依赖”到“数据智能” 将从“经验驱动”到“数据驱动”的转变。每一家工业企业的存在和发展，必定有其核心竞争力，比如产品价格低、交付周期短、产品质量高、服务水平高等等。在传统的工业管理模式下，企业核心竞争力的打造往往是从企业通过长期慢慢沉淀下来的“经验”，比如有的企业中有一群高级专家，能够生产领先同行的产品质量等等。而借助工业数字化，很多的知识被沉淀下来，同时借助工业大模型，在继承专家能力的同时，还能持续优化改进。 案例：宁德时代通过构建电池研发数字孪生平台，将实验数据与仿真模型结合，新品开发周期缩短30%，材料利用率提升15%。企业核心竞争力从“制造规模”转向“研发速度+生态协同”。 ### 人才结构转型：从“操作工”到“数据协作者” 未来工业企业中每一位员工，都将是数字化的原住民，他们需要理解数字化、使用数字化，是企业数字化的数据生产者和消费者，而纯粹重复劳动型的人员，将被智能化产线取代。未来工业企业一定会有一批“数据管理者”，这些人才是既懂企业业务，又懂数据管理，他们的使命就是让企业数字化持续符合企业发展，并能利用工业大模型帮助企业在竞争中胜出！ 案例：某汽车零部件企业推行“全员数字素养计划”，产线工人需掌握MES系统操作，工程师需具备数据分析能力。三年内，企业数据利用率从20%提升至65%，异常停机减少45%。 ### 数据底座：从“支撑系统”到“战略资产” 尽管已经进入到了工业数字化2.0时期，但很多工业企业在数据底座的建设上还不够重视，而随着工业大模型、AI的快速发展，数据底座的价值将变得尤为重要。数据底座不仅要具备对各种类型数据的存储和调取能力，还需要具备对企业全要素（人、机、料、法、环、测）数据的快速连接能力，就如同现在随便一个U盘插到电脑上就能被读取一样。 案例：万华化学全域数据中台建设，整合生产、供应链、能耗等18类数据，构建“一物一码”追溯体系，实现全要素数据秒级响应。2022年通过能耗优化模型，单厂年度降本超2亿元。 ## 03 产品价值设计的转变 工业数字化的已经进入到V2.0的价值深挖与生态重构阶段，对于工业企业而言，将更重视数字化对其带来的深度价值，包括核心竞争力、人才结构、数据底座（数据资产）等。 那么工业数字化产品，也需要进行深度思考和转变，以适应整体市场的发展需求。 ### 产品的数据融合能力 工业数据有多样化、实时性等特性，对于工业客户而言，越来越重视对于企业经营、生产相关数据的统一采集、处理和获取。因此产品经理在设计产品时，如何让产品具备各类工业数据的快速及时采集、融合的底座能力，是需要重点去设计，也会是产品的核心竞争力。 ### 注重场景化应用支撑 过去很多工业应用型软件，比如像MES、QMS、WMS等，基本都采用菜单化或功能化方式提供给客户。而对于工业客户而言，越来越重视对于场景化的需求，比如面向设备预测性维护场景，需要结合ERP、MES、设备管理等系统，才能准确给出结论。 因此数字化软件需要能支撑跨系统、跨业务的数据拉通，以及场景化功能的开发和运行能力。未来谁的产品能快速开发、运行场景化应用，就能在市场中占有一席之地。 ### 拥抱工业AI 随着DeepSeek的火热，感觉AI突然就进入到了寻常百姓家。其实工业AI的发展已经好几年，也有很好的基础，只不过没有普及。而随着DeepSeek低成本AI大模型的推广，相信会在很短的时间内，工业AI会得到快速的发展。 让工业软件拥抱工业AI，已是大势所趋！ ### 不可忽视的挑战：数据安全与生态协同 当数据成为新型生产要素，安全风险亦同步升级。2021年某全球汽车厂商因供应链系统遭勒索攻击，导致五大工厂停产3天，直接损失超4亿美元。这警示企业：需构建“端-边-云”协同的安全体系，同时推动产业链数据标准互通（如工信部主导的《工业互联网标识解析体系》），避免形成“数据孤岛”。 产品经理们需要重视对数据安全性的架构设计，如果说提供的产品是10000分，那数据安全就是1，没有安全的工业数字化，是不会被市场接受的。 ## 04 写在最后 工业数字化是一场价值马拉松，在当前产业转折点上，只有让产品更有价值，才能被客户认可、被市场认可！ 本文由 @工业数字化之路 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

据美国有线电视新闻网（CNN）报道，当地时间2月24日，美国达美航空一架波音客机飞往南卡罗来纳州哥伦比亚途中，飞机内出现“烟雾”，已被迫返回亚特兰大机场。 图片来源：美国有线电视新闻网（CNN）视频报道截图 美国达美航空表示，这架波音飞机机型为波音717，载有94名乘客、2名飞行员和3名乘务员。 达美航空在一份声明中称，“起飞后，飞机内部出现烟雾，机组人员按照程序返回亚特兰大”，并就此事向乘客道歉。 有乘客表示，“飞机起飞后，机内开始充满烟雾，有时感觉呼吸困难”。 目前美国联邦航空管理局已对该事件展开调查。  [查看评论](https://m.cnbeta.com.tw/comment/1481366.htm)

知情人士称，印尼和苹果公司已经就解除该国对iPhone 16禁令的条款达成一致，为结束长达五个月的拉锯战铺平了道路。据事未公开而不愿具名的知情人士透露，印尼工业部将最快本周与苹果签署协议备忘录。知情人士称，有关方面还将举行新闻发布会，印尼工业部有意尽快颁发允许销售iPhone 16的许可证。 [](https://static.cnbetacdn.com/article/2024/1011/6576aef1d2076e2.jpg) 如果达成协议，将是为这场去年10月开始的纷争画上句号。此前，印尼拒绝给iPhone 16颁发销售许可，称该公司未能遵守有关智能手机和平板电脑在本地生产的相关规定。之后，苹果公司承诺在印尼投资10亿美元，印尼总统Prabowo Subianto指示政府部门接受这一提议。然而，工业部上个月出人意料地维持了禁令，以寻求更好的条件。 知情人士说，除了10亿美元的投资之外，苹果公司还将致力于培训当地人进行公司产品的研发，以便他们能够开发类似的软件并设计自己的产品。知情人士补充说，此举意在安抚政府，后者一直在推动苹果在印尼建立研发设施。 其中一位知情人士说，创新投资将通过现有苹果研究部门以外的项目进行。 知情人士表示，苹果当前还没有开始在印尼生产iPhone的计划。 虽然双方就取消禁令的条款达成共识，但印尼之前曾在决定上反反复复，因此协议仍有可能落空。 苹果和印尼工业部没有立即回应置评请求。 [查看评论](https://m.cnbeta.com.tw/comment/1481364.htm)

在上周DeepSeek宣布本周将是开源周（OpenSourceWeek），并将连续开源五个软件库后。DeepSeek今日向公众开源了DeepEP。据介绍，DeepEP是一个用于MoE（混合专家）模型训练和推理的EP（Expert Parallelism）通信库，可以实现高效且优化的全对全通信，支持包括FP8在内的低精度运算，适配现代高性能计算需求。  同时，DeepEP针对NVLink到RDMA的非对称带宽转发场景进行了深度优化，不仅提供了高吞吐量，还支持SM（Streaming Multiprocessors）数量控制，兼顾训练和推理任务的高吞吐量表现。 目前，在宣布开源20分钟左右，GitHub上DeepEP已获得超1000Star收藏。 [查看评论](https://m.cnbeta.com.tw/comment/1481362.htm)

特斯拉中国今日开始分批次推送城市 Autopilot，以优化现有NOA自动辅助导航驾驶功能。据介绍，在通行受控道路（道路使用者通过匝道入口和匝道出口进出的主干道）和城市道路上使用Autopilot自动辅助驾驶，会根据导航路线引导车辆驶出匝道和交叉口，在路口识别交通信号灯进行直行，左转，右转，掉头等动作。并根据速度和路线自动进行变道动作。在不设置导航路线时，会根据道路实际情况选择最优道路行驶。 此外，特斯拉还更新了驾驶室摄像头，后视镜上方的驾驶舱摄像头现在可以判断驾驶员的注意力是否集中，并通过警报，提醒您在智能辅助驾驶系统启动时将注意力集中在道路上。驾驶室摄像头视频在车辆内部进行处理。任何人（包括Tesla公司）均无权访问。 目前，受控道路和城市道路Autopilot自动辅助驾驶功能已在部分车型上推出，并将逐步扩展适配的车型范围。如用户已购买上述功能需了解车辆适配情况，可通过特斯拉App消息中心联系“在线客服”或拨打400客服热线查询。  [查看评论](https://m.cnbeta.com.tw/comment/1481360.htm)

理想汽车产品线负责人汤靖@老汤哥Tango近日在微博上多次发文谈及技术起名问题，他称有车企把别人的电池、底盘拿过来起个山海经，北欧神话，希腊神话的名字就算自己技术的突破。该表态被网友解读为在暗讽华为鸿蒙智行的取名。 2月23日，汤靖先是发文称，“为啥我们连驱动电机里面的碳化硅都自研自产，还有人在问，你生产线是不是自研的，要是生产线不是自研的，是不是这驱动电机算不算自研还要打个问号啊。但我看其他家把别人的电池，底盘啥的拿过来起个山海经，北欧神话，希腊神话的名字就算自己技术的突破，好像没人质疑啊．．．．是因为我们不会起名字吗？”  2月25日，他再次发文称，“我们的确不太会取名字，之前取个魔毯空气悬挂，都被人说鸡贼好多年…早知道起个啥‘龙腾’或者‘虎跃’空气悬挂不知道会不会好一点。”他还表示，“那种起个奇奇怪怪名字的‘伟大’，就让他们‘伟大’下去，但这绝对不是我们…．．是不是自己研发的？ 相信每个人心里都有一杆秤。总之，从我个人而言，我觉得我如果把供应商的成果起个名字说成自己的，我觉得是一个很丢人的事情，对不起合作伙伴的努力。”  值得注意的是，在2月20日的鸿蒙智行尊界技术发布会上，华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东宣布，尊界S800将搭载多项“自主智能”核心科技，包括首发的途灵龙行平台、天使座主动安全防护系统、华为星河通信，升级鸿蒙ALPS座舱2.0、华为车语系统2.0、华为巨鲸电池2.0。这些技术的命名被有些网友调侃为是从山海经取名。 [查看评论](https://m.cnbeta.com.tw/comment/1481358.htm)