四块业务

近日，百度向美国证券交易委员会（SEC）递交了一份20-F文件。据文件信息披露，截至2025年1月31日，**百度一共拥有2,750,167,168股，包括2,225,826,848股A类股，524,340,320股B类股，**A类股与B类股总和为2,750,167,168股。 [](//img1.mydrivers.com/img/20250409/a6863f44a27043c697446180102c2948.png) 其中，**百度创始人兼CEO李彦宏一共持股19.1%，拥有59.9%的投票权。**这说明，李彦宏是百度公司的“终极boss”，其牢牢掌握着百度控制管理权。 值得注意的是，**作为百度股东之一的BlackRock(贝莱德集团)持股仅占为4.7%，有1.6%的投票权。** 据上述文件显示，除李彦宏外，百度其他管理层包括CTO王海峰、执行副总裁罗戎、沈抖，高级副总裁为梁志祥、崔珊珊，公司临时CFO何俊杰均在列。 另外，**百度独立董事分别为金沙江创投合伙人丁健、GGV合伙人符绩勋Jixun Fo、京东集团CEO许冉女士、晨壹基金刘晓丹女士管理合伙人**。 [](//img1.mydrivers.com/img/20250409/273b58fb4deb449fb222e2ab0e9f54ad.png) 最后补充一下，A类股与B类股是上市公司为不同股东群体设计的差异化股权结构，**核心区别在于投票权与收益权的分配，B类股通常拥有更高投票权。** 以百度公司为例，李彦宏通过持有B类股（1股10票），以约5%的股份掌握59.9%的投票权，牢牢控制公司决策权。 A类股融资功能：公众投资者持有A类股（1股1票），虽投票权低，但享受同等分红权和股价增值收益。 [查看评论](https://m.cnbeta.com.tw/comment/1491590.htm)

日前，胖东来发布《胖东来关于侵权行为的处理公示（五）》显示，微博用户“宋清辉”的言论涉嫌贬损公司品牌形象，已将此列为侵权诉讼案件之一，追责金额不低于100万。随后，宋清辉发文回应称“死磕到底”。 8日深夜，胖东来发布”关于‘宋清辉’网络侵权的回复说明，内容多达15页，**对宋清辉发布的“胖东来没有核心竞争力，只能换着花样靠流量活着”“胖东来不务正业，蹭流量却是一把高手”等言论进行事实性分析及回应。** 胖东来表示，此系列言论明显逾越合法评论界限攻击胖东来创始人，**引导社会公众对胖东来进行批判，恶意歪曲胖东来及其创始人做企业的经营使命、管理模式以及无偿帮扶企业、带动行业进步的初衷，将胖东来及创始人描述成与社会形成对立的形象，甚至上升至政治批判。** 不仅侵犯于东来先生的人格及名誉，一定程度上形成诽谤，同时通过贬低企业形象和质疑企业经营，损害胖东来的社会评价，以诽谤性形式虚构事实，涉嫌名誉权侵权。 胖东来指出，**其作为一个财经自媒体的流量博主，在短时间内连续发表多条对胖东来的负评以及贬损性言论，未尽到一个有影响力评论者的注意义务，超出合理评论的边界，影响胖东来对美好的分享和追求，对企业造成重大伤害。** 基于此胖东来提出诉讼，来保证社会的真实性和社会的健康。 据了解，胖东来还在说明中公布了胖东来的体质政策、商品品类管理运营管理、安全管理等信息。 胖东来提到，胖东来员工工资=工资项+奖励项；其中工资项包含基础工资、岗位工资、岗位补助，奖励项包含文化、价值奖励，绩效奖励及其他奖励。**2025年1-2月胖东来员工月平均工资达到9886元。** 资料显示，“宋清辉”系经济学家、清晖智库创始人，2015年曾荣获证券时报社“最具影响力财经观察员奖”，还担任中国质量万里行社会质量监督员、中国50人独立经济学家论坛首位副主席等职务。 [](//img1.mydrivers.com/img/20250409/fff82192d34248488dd5dc41c30655c9.png) [](//img1.mydrivers.com/img/20250409/7faa7ba5128640c3b4a1438d3d6ed481.png) [](//img1.mydrivers.com/img/20250409/bb7eb7ebccb94660b613e85217868a78.png) [](//img1.mydrivers.com/img/20250409/9fe6274665bf4767b1ce51585ab1751b.png) [](//img1.mydrivers.com/img/20250409/c0b7009dc6b24f27b967f26a702c53c9.png) [](//img1.mydrivers.com/img/20250409/1986bc16e2274bbaa00be7a81cc3a4e1.png) [](//img1.mydrivers.com/img/20250409/14d4781c2c314fe6853fb7e992622960.png) [](//img1.mydrivers.com/img/20250409/d333917cac934313bc53155e308e73fa.png) [](//img1.mydrivers.com/img/20250409/175fbb737e254dcd922ef816828ad1c2.png) [](//img1.mydrivers.com/img/20250409/3448d4b00dae496b85b032a5206ac3fe.png) [](//img1.mydrivers.com/img/20250409/7d49773f1b2448dba8eb81dc3358fb91.png) [](//img1.mydrivers.com/img/20250409/f1719b890c634cf58a13c8a127de262b.png) [](//img1.mydrivers.com/img/20250409/9ea32ea1bacd4047bfd94b84f4ce5daa.png) [](//img1.mydrivers.com/img/20250409/dda590cc421c4c529ed29d95bf5b9daa.png) [](//img1.mydrivers.com/img/20250409/69f32e35682b408480497f5e3d6ceee8.png) [](//img1.mydrivers.com/img/20250409/0b0720cc421741ea9c05a2bca4656a0e.png) [](//img1.mydrivers.com/img/20250409/ee39ed030738468f8e6ff6dcd7599fb0.png) [查看评论](https://m.cnbeta.com.tw/comment/1491588.htm)

**亚马逊推出新一代生成式AI语音模型Nova Sonic，标志着其在人工智能语音领域取得重大突破。**这款创新模型能够原生处理语音输入并生成自然流畅的语音输出，在速度、语音识别准确率和对话质量等核心性能指标上，已达到与OpenAI、谷歌等科技巨头的尖端语音模型相媲美的水平。  Nova Sonic通过亚马逊Bedrock开发者平台提供服务，采用创新的双向流式API接口，为企业级AI应用开发提供了强大支持。**亚马逊特别强调，该模型在成本效益方面具有显著优势，其价格比OpenAI的GPT-4o便宜约80%。堪称目前市场上最具性价比的AI语音解决方案。** 与竞争对手的AI语音模型相比，Nova Sonic在将用户请求路由到不同API方面表现出色。这一能力使得Nova Sonic能够知晓何时需要从互联网获取实时信息、解析专有数据源，或者在外部应用程序中采取行动，并使用合适的工具来完成任务。 **在双向对话中，Nova Sonic会等待“合适的时机”发言，会考虑到说话者的停顿和打断等情况。**此外，Nova Sonic还能够为用户的语音生成文本记录，开发者可以将这些文本用于各种应用场景。  亚马逊AGI部门首席科学家罗希特?普拉萨德透露，Nova Sonic的部分技术已经应用于升级版数字助手Alexa+。该模型的推出是亚马逊构建人工通用智能(AGI)战略的重要一步，未来还将推出支持多模态理解的AI模型，涵盖图像、视频及其他物理世界感知数据。  [查看评论](https://m.cnbeta.com.tw/comment/1491584.htm)

北京时间4月9日，据科技博客TechCrunch报道，据多位知情人士透露的信息和相关文件显示，亚马逊创始人杰夫·贝佐斯(Jeff Bezos)正在资助一家位于美国密歇根州、名为Slate Auto(以下简称Slate)的神秘电动汽车创业公司，该公司最早有望在明年开始投产。文件显示，贝佐斯的家族办公室与Slate存在关联。 Slate由另一家与贝佐斯有关联的公司Re:Build Manufacturing孵化出来，自2022年成立以来一直在低调运营。这家创业公司已在隐秘模式状态下招聘了数百名员工，其中许多来自福特、通用汽车、斯特兰蒂斯和哈雷戴维森。 根据TechCrunch从特拉华州公司注册处获得的文件，Slate还吸引了其他几位富豪的支持，包括洛杉矶道奇队的控股股东、古根海姆合伙人公司CEO马克·沃尔特(Mark Walter)，以及Re:Build Manufacturing的主要投资人托马斯·图尔(Thomas Tull)。 两位匿名知情人士透露，Slate的目标宏大，希望打造一款售价约为2.5万美元的经济型两座电动皮卡车。该公司管理层曾提到，将从福特Model T或大众甲壳虫车型上汲取灵感。 **有钱可烧** 为了实现这一目标，Slate已积累了一笔可观的资金储备。 根据一份公开文件，该公司在2023年悄然完成了至少1.11亿美元的A轮融资，投资者就包括贝佐斯。而且，在Slate在向州和联邦政府提交的文件中，负责管理贝佐斯家族办公室的梅琳达·刘易森(Melinda Lewison)也被列为董事之一。文件显示，共有16人参与了这一轮投资，但目前尚不清楚贝佐斯具体投资了多少资金。  贝佐斯 根据多位熟悉Slate融资情况的知情人士透露，Slate已告知员工，公司在去年底完成了B轮融资。不过，该公司尚未向美国证券交易委员会提交任何关于这一轮融资的文件。特拉华州的文件显示，公司为B轮融资授权发行了近5亿股优先股，定价为每股2.37美元。过去一年里，Slate还授权发行超过4亿股普通股，但文件中未披露定价。 在特拉华州的文件中，Slate还把沃尔特和图尔列为了新的董事会成员，暗示他们参与了Slate的B轮融资。这两人最近成立了一家价值400亿美元的控股公司以进行投资。沃尔特和图尔尚未就此置评。 根据招聘信息、州政府游说记录以及Slate执行董事长罗德尼·科普斯(Rodney Copes)在2024年的采访，Slate希望最快能在2026年底在印第安纳州印第安纳波利斯附近某个地方的制造工厂开始生产汽车。目前尚不清楚Slate是购买了现有工厂，还是计划从头开始建设一座新工厂。 眼下，电动汽车行业正面临挑战。这个曾经快速增长的行业如今已出现降温，多个专注于电动汽车制造的创业公司已经申请破产。那些存活下来的公司通过烧掉数十亿美元才能勉强维持运营，例如Rivian和Lucid Motors。 知情人士透露的信息和多个招聘启事显示，由于低价电动皮卡的利润微薄，Slate计划通过打造一系列配件和服饰来拓展收入来源。这些配件和服饰能够让车主对车辆和外观进行个性化定制。 Slate通过招募哈雷戴维森和斯特兰蒂斯的前员工来充实高管队伍，后两家公司历史上一直依赖附加业务拓展收入。哈雷戴维森依靠服饰，而斯特兰蒂斯则依靠MoPar零件和配件。 知情人士称，Slate总部位于密歇根州的特洛伊市，已在其加州长滩租赁的一家不起眼的设计工作室向投资者展示了概念验证车。Slate的目标客户是吸引高净值个人，对其融资过程高度保密。 **与亚马逊关系深厚** Slate充满了亚马逊元素。除了贝佐斯家族办公室外，Slate的A轮融资还吸引了前亚马逊高管迭戈·皮安特尼尼(Diego Piacentini)的投资。 它最初是一个名为Re:Car的项目，2022年初在Re:Build Manufacturing内部创建。Re:Build Manufacturing是一个美国制造业孵化器，由前亚马逊消费品业务CEO杰夫·威尔克(Jeff Wilke)以及一起参加麻省理工学院全球运营领导力课程的同学迈尔斯·阿诺内(Miles Arnone)共同创立。前亚马逊副总裁、贝佐斯技术顾问高蔚(Wei Gao，音译)等多位亚马逊资深高管，现在也在Re:Build Manufacturing工作。 Slate的数字化、电商和汽车业务负责人都是“亚马逊出身”的高管。甚至连Slate最初的名字也带有亚马逊经常使用的“re:”前缀。例如，亚马逊举办的re:MARS机器人与人工智能大会，或AWS的年度re:Invent大会。 多年来，贝佐斯通过其家族办公室已投资超过30家公司，涉足人工智能(Perplexity公司)、机器人(Figure公司)、国防(Anduril公司)甚至出行领域(Uber公司)。虽然亚马逊已经对电动汽车公司Rivian进行了投资，但是Slate是贝佐斯个人在电动车领域最直接的投资之一。 不过，据熟悉Slate内部运作的人士透露，贝佐斯的参与基本仅限于投资层面，他本人并未现身过Slate密歇根或洛杉矶办公室。 **反特斯拉模式** 过去十年，几乎所有新涌现的电动汽车创业公司某种程度上都在试图复制特斯拉的模式。它们通常把首款车型设计成高端产品，以便用更少的销量赚取更多利润。等到品牌知名度提升之后，这些公司再转而开发能够大量生产、价格更低、利润率更小的车型。 但是知情人士透露，Slate正在反其道而行之，该公司一开始就试图打造人人能够买得起的汽车，让它成为买家的“人生第一辆车”。  **Slate申请的商标** Slate的想法是以大约2.5万美元的价格销售其电动皮卡，然后让车主根据自身经济情况，逐步对其进行个性化改装或升级，也就是低价入门加后期定制模式。 2025年3月底，Slate申请注册了这样一句商标：“我们造车，你们定制”(WE BUILT IT. YOU MAKE IT)。这个商标覆盖的商品与服务范围非常广，包括从开关、扬声器，到USB接口和宠物安全带在内的各种东西。 **CEO不是创始人** Slate的另一个特立独行的地方在于，该公司并不是由创始人担任CEO。 知情人士称，阿诺内被视为Slate的创始人，但他的日常工作是担任Re:Build Manufacturing的CEO。 相反，Slate的CEO是克里斯汀·巴曼(Christine Barman)，她是一位在克莱斯勒公司工作多年的资深员工。根据2023年的一次采访，她就读于普渡大学，通过在通用汽车的实习进入汽车行业。 领英上的资料显示，她随后在克莱斯勒工作了20多年时间，负责Chrysler 300、道奇Charger和吉普切诺基等产品线项目。随后，巴曼成为菲亚特克莱斯勒的电气与电子副总裁。在这个职位上，她领导了对Google车载系统Android Automotive的整合工作，并参与了该公司与Waymo的合作项目。她在2017年离开了菲亚特克莱斯勒。 截至发稿，Slate、贝佐斯家族办公室、巴曼尚未就此置评。 [查看评论](https://m.cnbeta.com.tw/comment/1491582.htm)

个人免费邮箱是阿里云为个人用户提供的电子邮件服务，使用的后缀也是 @Aliyun.com，这有别于阿里云提供的企业邮箱服务，阿里云企业邮箱也提供基础免费版但需要绑定用户自己的独立域名。  目前电子邮件服务在国内相对来说还是比较弱的，主要是企业通常会使用自己的企业邮箱服务，个人用户多数使用 QQ 邮箱或者压根不使用邮箱，所以邮箱服务想要盈利也是比较难的。 阿里云并未透露停止新用户注册的原因但想必应该是业务调整没必要再提供个人邮箱服务，蓝点网倒是有些担心后续阿里云是否会停掉存量用户的个人邮箱业务，那到时候用户换绑各种账号可能是个艰难的问题。 所谓未雨绸缪，建议使用阿里云个人邮箱的用户最好提前做准备，比如使用其他邮箱服务，逐渐将现有的阿里云个人邮箱绑定的账号替换到新邮箱，以免未来某个时候急急忙忙换绑存在遗漏。 [查看评论](https://m.cnbeta.com.tw/comment/1491580.htm)

美国流媒体广告价格战越打越凶了。

钱往哪里去？

供应链强，则国家经济强。

<blockquote><p>小米为何被称为互联网公司，而OPPO、vivo却很少有人这样认为？背后的秘密武器其实只有一个：用户参与。这不仅仅是一种营销手段，更是放大运营价值的核心法宝，颠覆了传统商业逻辑的铁律。</p> </blockquote>  ## 01 用户参与价值 ### 1.创业故事对比 **（1）传统模式：高投入低回报** **互联网运营与传统非互联网环境下的营销有本质区别。**在当今时代，个体的力量不断崛起，每个个体的朋友圈、微博、知乎、微信公众号，甚至线下特定场景中的行为，都能成为潜在的传播节点。 这与过去信息传播高度依赖报刊杂志广告等中心节点的情况完全不同。这种变化为公司、机构和个体创造更大价值带来了新可能。 关于用户参与价值的理解，可以通过一个烘焙创业的故事来说明。有两位女孩子都喜欢烘焙，也都想开一家烘焙店，但执行方式截然不同。 **小 A 选择了传统路径：先选择店铺位置，加盟一个品牌，购置设备，开店制作点心，然后通过发传单、打广告等方式宣传店铺。**前后两个月投入十几万元，但两三个月后，经营状况不佳。 更痛苦的是，小 A 难以判断哪个环节出了问题，也就难以解决和改善面临的困境。 **（2）互动模式：用户共创共赢** 相比之下，小 B 的做法体现了互联网思维和用户参与价值。**小 B 萌生开烘焙店想法后，并未立即行动。而是首先在朋友圈发布信息，希望征集对烘焙感兴趣的朋友，给予意见反馈，帮助打磨产品和手艺。**最终找到了一群对烘焙感兴趣的闺蜜和朋友。 随后，小 B 开始定期从这些朋友征集各种信息，了解哪些地方的点心好吃、有特色，然后去考察品尝，取经学习。同时定期组织朋友们品尝自己的作品，提供改进意见，如「这些点心哪些好，哪些不好，味道上怎样调整可能更好」，借此不断对自己的产品进行改良。 甚至邀请大家到家里一起做烘焙，体验烘焙乐趣。在这个过程中，大家给了小 B 许多反馈，帮助不断迭代和优化产品，提升手艺。 **反过来，因为朋友们看到小 B 的投入和认真，以及两三个月内手艺的明显进步，他们也更愿意帮助推广宣传店铺。** 许多朋友在朋友圈转发，说「有一个朋友喜欢烘焙，现在在家开始做这件事了，手艺很认可，如果感兴趣可以扫码购买点心」。四五个月后，小 B 没有投入大量成本，没有租店铺，仅购买了一套烘焙设备，宣传推广几乎没花钱，却已实现每月上万元盈利。这种低成本创业模式充分体现了互联网思维的精髓，也是用户参与价值的生动案例。 这两个人的做法背后影射着两个重要概念，其中之一就是传统企业和互联网企业之间最大的区别可能在于用户参与价值。通过朋友圈营销和用户口碑，小 B 实现了更高效的产品打磨和增长路径。 ### 2.商业逻辑变革 **（1）工业时代：用户被动** 理解用户参与价值，首先需要认识工业时代和互联网时代商业逻辑的差异。**在工业时代，企业或组织的职能通常被划分为生产、销售、售后三个环节。**从制造方角度看，只有完成生产后，才会将产品投向市场推荐给用户。 只有在销售环节才开始与用户有大量接触，而售后服务往往只在用户使用出现问题或产品出现故障时才提供。 **在这个过程中，用户常常是被动或权力被弱化的角色。**整个生产销售过程中，并不需要频繁与用户互动。小 A 开烘焙店的逻辑就类似于此，体现了传统商业思维，忽视了用户参与价值的重要性。 **（2）互联网时代：用户全程参与** 然而，在互联网环境下，用户的话语权和选择权越来越大，连接用户的手段和方式也更加多样。**现在可以让用户参与到生产、销售和售后的每个环节中，借助用户参与带来新的可能性。**数据驱动增长和用户运营的理念正是基于这种新型关系而发展起来的。 小 B 的做法更接近互联网时代的商业逻辑。在整个过程中，用户帮助定义产品，提供反馈意见，告知喜好的口味，指出不足，建议改进方向。 同时，用户也帮助完成销售环节。朋友们看到小 B 的投入和努力后，自发传播宣传。**甚至售后工作也有用户参与完成，比如朋友在朋友圈推荐店铺，其他人看到后想购买但有疑问时，这位朋友会帮助解答。**这些都帮助小 B 在推进业务过程中降低成本，提升效率。 在用户拥有更大话语权的环境下，让用户更多参与业务环节，不仅有助于获得及时反馈，改良优化产品，还能降低营销推广成本。这正是互联网赋予当今商业的最大意义。 通过社交电商和小红书种草等方式，企业可以更有效地实现用户增长目标。 ### 3.典型案例 **（1）小米模式** **小米营销模式是用户参与价值的典型案例。**小米作为一家从手机起步的品牌，被公认为互联网公司。而同样作为手机制造商的 OPPO、vivo 甚至华为，人们对它们是否是互联网公司往往犹豫不决。 这种现象反映了企业与用户关系模式的根本差异。 这一现象的核心区别在于：**小米从一开始就让用户参与整个业务流程。**小米通过论坛让用户不断为产品提供意见，快速反馈，快速优化迭代，让用户帮助定义产品。 在营销过程中，大量米粉在小米早期自发进行传播推荐；在售后环节，也有大批用户自发在论坛解决问题，回答售后问题。通过让用户参与售后环节，小米节省了巨大成本并提升了效率。 相比之下，虽然 OPPO、vivo 也在互联网上进行营销推广和广告投放，但他们仅仅将互联网当作一个渠道使用，而非像小米那样将用户引入整个业务环节。 **这种差异充分体现了小米对粉丝经济和用户共创的深刻理解，也是小米能够实现惊人增长的关键因素。** **（2）新兴品牌实践** 除了小米，还有许多新兴品牌通过用户参与实现了成功。例如，**乐纯酸奶这一新兴品牌长期让用户参与决策，包括开发什么样的酸奶口味，选择什么颜色的包装，包装文案用什么版本比较好等。**他们邀请忠实粉丝帮助决策、投票。 这些举措使其忠实用户复购率非常高，很多用户也会自发在朋友圈为品牌背书、传播、宣传，成为品牌代言人，取得了显著效果。 相比之下，传统酸奶品牌虽然市场占有率高，但没有考虑如何将用户引入业务流程中，这也是为什么乐纯被视为具有互联网基因的品牌。 通过粉丝互动和用户反馈，乐纯实现了品牌与用户的深度连接。 另一个例子是花艺品牌领域的「柔丝欧力」和「花点时间」。这些品牌主营业务是卖花，却被视为具有互联网基因的公司。 相比之下，一些线下花店虽然也在淘宝开店且销量不错，但并不被认为是互联网品牌。 区别在于：**「柔丝欧力」和「花点时间」从产品设计初期就考虑如何让用户在使用产品过程中帮助传播。**他们考虑特定场景和动机，例如用户收到花时，打开花艺会看到特定文字或卡片。 品牌会告知用户玫瑰的特殊产地、限量情况等信息，给用户刺激，使用户自然愿意帮助传播分享。而淘宝上的普通花店则不会考虑如何让用户参与到业务环节中。 这些成功案例充分展示了 UGC 营销的强大效力。 上述例子都是通过思考如何让用户参与生产、销售和售后环节，最终获得成功的现实案例。**对于经营公司或机构的人来说，要真正利用好互联网力量，必须思考如何提升产品的用户参与价值。**这是小 A 和小 B 故事给出的第一个重要启示。 ## 02 个体影响力崛起 ### 1.连接创造价值 **（1）用户声量改变决策** 小 A 和小 B 故事的第二个启示是：**在个体力量崛起的时代，作为个体要有能力连接更多人，或撬动更多用户之间的互动意愿，才会创造更大价值。**个体影响力已成为互联网时代的重要资产。 回顾两人的故事，可以明显感觉到核心区别：小 B 善于与用户建立连接，而小 A 直到店铺开张前都没有这种意识。小 A 的状态继承了上一时代的惯性。 **在过去，由于信息分发和传播路径单一，通常只需搞定资源和渠道就能成功。**就像一部电影，只要制作完成，在上映前争取到足够的排片场次，就已决定了大部分票房。 但在当今时代，资源和中心节点的力量越来越容易被用户力量瓦解。《大圣归来》这部电影就是典型案例。初期上映时几乎没有资源支持，排片率很低，票房惨淡。 **后来因为网上用户的大量称赞和呼吁，很多观众发帖称赞电影质量和制作精良，质疑为何排片率如此之低。**网络上铺天盖地的声音最终影响了院线方，导致院线增加排片，《大圣归来》才成为话题和爆款。 这个例子清晰地说明，个体话语权和能量越来越大，如果能够连接和影响更多个体，就能创造更大价值。增长黑客和内容种草正是基于这种理念而发展起来的营销方法。 **（2）社群转化商业机会** 要连接更多人，需要找到合适的工具和连接形式。一个成功的微信社群运营案例可以说明这一点：**一位成都的会计，工作稳定，喜欢学习和分享。从 2014 年开始，他建立了多个交流群组。**随着学习内容拓展，从烘焙到健身，从习惯养成到读书，他逐渐建立了 50 多个主题明确的群，吸引了很多喜欢学习的人。 随后，许多培训机构和知识付费产品开始寻求合作，邀请他推荐产品。很多机构愿意付费让他在群内推荐课程或产品。 **几个月后，他仅靠这些微信社群就获得了不低于薪资的收入。**这个例子展示了社群运营如何转化为商业机会，也说明了在互联网时代，个体通过搭建私域流量池，同样可以实现价值放大。 ### 2.互联网新机遇 **（1）个体撬动用户力量** 在互联网时代，由于用户个体能量和话语权的提升，为每家组织和个体提供了新的独特机会。**作为个体，如果懂得撬动用户力量，能够长期持续与用户维持良好互动和信任关系，就能获得更多机会。** 通过上述案例可以看到，无论是烘焙创业还是知识付费领域，个体都可以通过建立连接、培养粉丝互动、促进用户参与，从而撬动更大的商业价值。 这种方法已经成为许多个人创业者成功的关键路径。随着小红书种草和社交电商的兴起，这种个体影响力的发挥空间将更加广阔。 **（2）机构重塑业务流程** 相对应的，**作为机构，让用户更多参与到所有业务环节中来，甚至重塑业务流程，借此营造出与用户间更紧密的关系，也能获得更多红利和机会。** 这种思路已经被众多互联网公司采用，并逐渐渗透到传统行业。通过私域流量的运营和用户共创策略，越来越多的机构实现了业务流程的重塑和价值的放大。 从产品迭代到口碑营销，从数据驱动增长到社群运营，互联网思维正在重构企业的经营方式。 在这个过程中，无论是个体还是机构，都需要深刻理解用户参与的价值，善于捕捉互联网带来的新机遇。用户不再只是消费者，而是价值共创的参与者。 通过合适的方法和工具，激发用户参与的积极性，建立良好的互动关系，就能实现商业价值的最大化。 **互联网时代的真正红利，不在于渠道的便捷，而在于重构了企业与用户的关系。**当用户从被动消费者变成主动参与者，产品将获得更精准的方向，营销将获得更强大的动力，品牌将获得更持久的生命力。 这种用户参与的力量，正是传统企业转型与个人创业者突围的最大机会，也是放大运营价值的终极法宝。 **增长黑哥划重点——** **知识点1 用户参与价值：**通过用户参与产品设计、推广及售后，降低成本并提升效率。 **知识点2 驱动用户传播：**利用激励机制与场景设计，激发用户主动分享与扩散信息。 **知识点3 个体连接能力：**提升与用户的互动及信任关系，撬动用户个体的传播与参与能量。 作者：小黑哥 公众号：增长黑客之道 本文由 @小黑哥 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 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。

借鉴墨西哥的市场经验，滴滴外卖业务在巴西重整旗鼓。

<blockquote><p>本文将深入探讨DeepResearch产品的概念、功能、应用场景以及如何评估其优劣，同时对比分析目前市面上主流的DeepResearch工具，帮助读者更好地理解这一领域，并找到适合自己的深度研究工具。</p> </blockquote>  OpenAI在今天2月推出了DeepResearch的功能后，带火了DeepResearch这个概念，碍于其之前仅有昂贵的Pro会员（200美元/月）才可使用的原因，其关注度似乎没有特别高，但是就个人而言，ChatGPT的DeepResearch是其目前最强大的Agent应用，也是个人目前愿意持续付费购买的主要原因！ 作为一个DeepResearch领域的AI创业者，三白在2023年的时候就开始关注该领域，我坚信AI应该用于生产有用的知识，而不是批量生产一堆“AI水文”，所以从23年开始，我亲自下场做了一个DeepResearch的AI应用，从一开始我的定位就是做深度研究，只输出有深度、研究级的知识内容。 因此，今天这篇文章我主要想围绕着DeepResearch领域，分享一些我个人的研究和思考！全文6000+字，我将通过这篇文章向大家科普解释一下什么是DeepResearch产品，以及向大家推荐一下目前市面上还不错的DeepResearch工具，并构建一个评估框架对比分析不同产品的差异，希望能对大家在研究工作和学习上有些帮助！ ## 一、DeepResearch工具有什么用？ 和目前普通Chatbot类产品的AI搜索问答产品不同的是，DeepResearch产品能够输出研究级的深度内容，可以帮助你深入的研究和了解一个话题，且其输出成果具备更多的信息量和知识，对于大众用户而言，可以用于帮你快速且深入的了解一个你刚兴趣的研究领域，比如你可以用它们理解一下到底什么是DeepResearch； 而更加受益的群体，主要是那些有高频的研究工作的群体，包括金融投研人群、行业研究和市场研究人群、企业战略研究、学术科研人群等，通过DeepResearch产品，可以帮助他们快速的完成基础研究和现状研究，让他们可以把更多的精力聚焦在原创研究上。 个人认为，DeepResearch类产品的出现，真正的实现了让大家能够通过AI生产高质量的知识，而不是生产互联网垃圾，所以个人比较推崇使用该类型的产品用于提升自己的认知和知识水平。 ## 二、什么是DeepResearch产品？ ### 1.DeepResearch、Deep Search、RAG三者有什么区别？ **相信大家平时会经常看到这三个词，估计也有很多人可能都还没有搞清楚这三者的区别，所以我先科普一下三者的差异！** ### 1.RAG及其局限性 RAG（增强检索生成）是去年比较火的概念，因为大模型不具备实时联网的能力，所以在问答的时候需要通过搜索引擎来检索实时的信息，所以RAG成为了一种通用AI产品的标配，RAG的原理很简单，就是大模型在执行回答的时候，先检索与用户输入的提示词相关的信息，然后阅读检索的内容，最后针对问题做出回答，整个过程中，只执行一次检索，然后直接做出回答；      RAG的局限性就是比较依赖搜索引擎和检索数据源，想要一次性就准确并且完整的检索到回答用户问题需要的参考信息难度比较大，很容易出现检索数据缺漏，或者检索结果质量深度不够的问题，比较适合快搜索以及简单问答场景。 ### 2.Deep Search是什么？ Deep Search则是在在 RAG 基础上引入**多步迭代机制**，通过「搜索→阅读→推理→再搜索」的循环流程持续的检索，直到满足某一业务设定的条件才终止，最终最大限度的获得更好的结果。  这个过程中，用户输入提示词之后，系统会初步检索，并阅读检索的结果，然后推理判断目前的检索结果是否足以很好的回答当前的问题，比如如果分析发现依然存在信息缺口后触发二次检索，直至满足预设终止条件（比如token 预算耗尽或答案结果的置信度达标）。比如近期豆包上线的深度搜索的功能，能支持“边想边搜”的功能，本质其实就是这样的一个过程； 这种设计方式，构建了一个机制，让系统能够尽可能更多的去检索更多的结果，并且在检索的过程中能够及时的发现存在的问题，并进一步努力优化，从而可以显著提升检索结果的丰富度和准确度，并且提升回答结果的准确度、完整性等。但是可想而知的是，这个方式，必然导致的是检索和响应问答的时间会延长，问答的成本会提高很多。 ### 3.Deep ReSearch是什么？ Deep Research和Deep Search的区别在于，Deep Research模式之下，系统会在回答用户的问题的时候，会先构建一个系统的提纲，然后在回答每一级提纲的内容的时候，都走一遍Deep Search的流程，假如有100个大纲，则需要执行100次Deep Search的过程；因此Deep Research模式下可以生成非常长、且有深度的内容，达到超长的研究报告的水平。  ## 三、目前市面上有哪些DeepResearch产品？ ### 1.海外的DeepResearch产品 **1）ChatGPT DeepResearch** ChatGPT的Deep Research功能是个人认为目前最强大的能力之一，目前仅针对付费用户开放使用，20美元/月的PLUS用户每月开放10次免费使用额度，200美元/月的PRO会员每月可免费使用120次；该能力基于o3模型，主打高端用户市场，面向有深度研究需求的用户群体，强调推理能力和高质量报告生成。 体验地址：https://chatgpt.com/ **2）Gemini DeepResearch** Google是最早提出 DeepResearch这个概念的企业，目前在Gemini中也推出了Gemini DeepResearch的功能，且针对免费用户每月可免费体验5次，相比ChatGPT相对更加友好，但是从个人深度体验下来，个人觉得在深度研究的产品能力上还是不如付费的ChatGPT，具体的对比我们在后面阐述。 体验地址：https://gemini.google.com/app **3）Perplexity Pro Search** 作为海外AI搜索的头部产品，Perplexity在2025年2月13日也推出了自己的Deep Research 产品，并且面向免费用户每天提供3次的使用权限，付费订阅用户每个月可使用300次，免费权益粒度比Gemini更高。 体验地址：https://www.perplexity.ai/ **4）Jina AI node-DeepResearch** 这是一个开源的DeepResearch产品，代码完全公开在github，访问链接为 https://github.com/jina-ai/node-DeepResearch，产品的基础模型基于开源模型（如DeepSeek-R1等），支持切换OpenAI等其他模型，也支持支持本地部署和二次开发，该产品不可直接体验，适用于企业研发使用。 ### 2.国内的DeepResearch产品 **1）腾讯ima Copilot：国内大厂圈接近DeepResearch的产品** 从前面可以看到，目前主流的AI产品里面（包括deepseek、豆包、元宝、kimi、通义等产品）暂时并没有看到上线DeepResearch类的产品，而在大厂圈里面，个人认为，腾讯推出的ima这块产品，有些接近DeepResearch类产品，特别在接入R1支持深度推理模型之后，再结合微信公众号数据源下的搜索能力，ima在实现DeepResearch上，有很大的优势。 但目前ima在输出内容的质量上，个人觉得还没有达到”深度“这个水平；ima目前更多的还是只支持相对深入一点的AI通用问答场景的生成，比如创作的场景目前只支持**论文、作文、文案**这种相对普通一点的研究场景，还没有支持**研究报告、商业分析、学术研究**等研究级别的应用场景。 体验地址：https://ima.qq.com/ **2）AI快研侠：小而美垂直纯粹的DeepResearch产品** 因为目前大厂圈的产品中还没有切入这个领域的产品，创业公司中，目前做DeepResearch的产品也不多，AI快研侠算的上是DeepResearch领域小而美的一个AI产品，虽然在产品能力上肯定无法跟大厂的产品相比，但是AI快研侠的产品实现粒度更加垂直，只做有深度的超长研究报告生成的场景，整个产品只专注在行业研究、产品研究、公司研究、学术研究这几个有限的场景，聚焦于把这几个垂直场景的内容生成做的更加精和专； 体验地址：https://www.kuaiyanai.com ### 3.DeepSeek-R1深度思考、豆包深度思考、Kimi探索版、秘塔搜索等算不算深度研究产品？ 严格意义上讲，个人觉得这几个产品都不能算是DeepResearch产品，这些产品开启深度思考模式之后的产品能力更多的是实现DeepSearch的效果和能力，并没有达到深度研究的水平，目前这些产品主要是将DeepSearch的实现机制应用于深度的搜索问答场景，并没有实现多轮DeepSearch实现研究报告级别的超长文本的输出，因此不能算DeepResearch，对于用户而言，你可能需要多次的使用其深度搜索的功能，最后手动汇总的结果才能达到DeepResearch产品的输出结果。 ### 4.国内大厂为何目前都没有布局DeepResearch类产品？ 个人认为，这不是一个技术和产品问题，是一个成本和商业化的问题，可想而知，要做一个DeepResearch的产品，其成本消耗是非常大的，生成一篇超过万字的研究报告，需要使用成本更高的推理模型，并且需要检索和阅读大量的参考信息并生成超长文本的输出，这个过程在模型token和API资源的消耗上非常大，根据个人的经验，可能生成一篇报告的成本要达到50~60元左右。 这样极高的成本，即使放在大厂，免费开放给用户使用，都是一个不得了的数字，所以这样的能力必须要收费，但是一涉及收费，就必须要讨论产品的商业化的问题；目前个人觉得大厂的产品，基本都是在考虑用户增长和市场规模的问题，且国内整体都免费的环境，很难让他们马上开始考虑商业化这个问题； 反而是一些小一些的创业公司，他们没法提供免费产品，产品的定位就是有限免费或直接付费，他们会努力想办法提供DeepResearch级别的产品，确保生成内容的质量和深度，但是需要向用户收取一定的费用来平摊这里的成本，对于生成结果有一定的商业价值，或者能因此节约更多成本的用户而言，他们会认可这里的收费限制，比如很多研究机构制作一份研究初稿的成本可能都要上万块。 ## 四、如何评估一个DeepResearch产品的好坏？ **接下来我们对比一下前面这几个产品的表现如何，在对比之前，我们先讨论一个问题，如何去评估一个DeepResearch产品能力的好坏，其评估框架是什么？作为该领域的AI产品经理，分享我的个人见解如下：**  ### 1.模型的思考和规划能力 思考和规划的能力通常决定了研究结果的框架和基本质量，这个环节首先定义了输出这个研究话题，需要研究和解答哪些研究方向的内容，而该过程模型规划和提出的问题的质量，基本决定了最后输出结果的研究质量和深度，简单一点讲就是你给模型一个研究主题，它能不能提出很好的问题框架，从更丰富和更高层级的角度看待问题，这对于一个深度研究而言，是一个重要的开始； 其次才是模型能不能很好的先自主规划怎么更好的解答每个研究话题的内容，以上这两点，最终的落脚点可能都是回到到深度推理模型的能力上，所以接入一个强大的推理模型，对于实现一个好的DeepResearch产品非常重要，比如使用DeepSeek R1和OpenAI O3，可预期的会比其他接入其他基础模型更好，当然，很多DeepResearch产品并没有自己的推理模型，也可以接入外部的模型，比如perplexity等。 ### 2.搜索引擎和多模态理解能力 搜索引擎的能力主要包括检索结果的准确性、时效性、丰富度、内容质量，也就是围绕一个研究主题，搜索引擎能否检索到更加准确、实时性强、内容覆盖率高、内容质量更强的检索结果，这对于最终的研究结果的输出质量至关重要，而达到这几个标准依托接入强大的搜索引擎，以及构建高质量的数据源，其中搜索引擎可能可以通过接入市面上主流的搜索引擎解决掉，比如Bing搜索、谷歌搜索等，对于大公司来说差异可能不会很大；但是高质量的数据源是一个存在门槛的竞争点，比如微信公众号拥有更高质量的知识内容数据源，小红书拥有更高质量的种草攻略的内容数据源。 其次是多模态理解能力，因为即使你检索到了很多的高质量的检索结果，但是怎么把结果完整的输入给模型，这也很重要，特别是当下很多高质量的内容一般是图文结合的，并且很多内容格式是以PDF的格式存在，所以多模态理解的能力非常重要，强大的多模态理解能力，可以准确的提取检索结果中的内容，并转换成文本等信息提交给大模型，确保最终输出的研究成果不会丢失检索结果中的关键信息。 ### 3.调用API资源和工具的能力 实现一个完整的DeepResearch类的产品，不仅需要大模型、搜索引擎、多模态理解的技术能力，还需要配套很多API资源和工具的能力，比如网页内容提取、文档结构化、图表可视化等API和工具，因此，API和工具的调用能力，也是一个DeepResearch类的产品能力的关键影响因素。 ### 4.产品工程设计和研究结果的呈现能力 产品工程的设计体现在产品经理对于研究场景的用户需求的理解，并且在产品设计上有意的满足用户的需求，比如对于深度研究的场景，研究人员一般会有固定的专业研究框架，会认可特定的权威数据源，有固定的输出范式等，产品经理在设计输出结果的时候，如果能顾忌到以上需求，会获得更多的用户认可； 对于研究结果的呈现能力，主要体现在如下几点： - 准确性：其中包括生成结果的幻觉率高低、引用来源的权威性、以及是否可追溯验证等，会影响用户对于生成结果准确性的判断； - 专业性：包括要点信息覆盖率、专业术语、案例和数据内容的占比等，会影响用户对于生成结果专业性的判断； - 可读性：包括逻辑性、信息呈现的效率、图文混合样式、图表和表格的样式等； - 创新性：最后一点， 高质量DeepResearch产品的一个关键区别还在于模型的输出结果，是否能超越表面总结，提供一些创造性的思考。 ## 五、产品能力对比：ChatGPT、Gemini、Perplexity、ima、AI快研侠 为了深入的对比以上几个产品能力的表现情况，我以“豆包AI语音聊天产品未来发展方向”这个主题为例，分别在各个应用中做生成结果测试，以下为不同产品生成的结果对比，由于内容比较多，就不全部展示出来，有兴趣的可以私我要源文档。  对比不同的产品的生成结果，个人的感受是，**从综合能力的角度上看，个人觉得ChatGPT DeepResearch整体能力最强，其次是Gemini DeepResearch和Perplexity Pro Search，两者差异不大，第三是AI快研侠，腾讯IMA目前在输出质量上，说实话还没有完全达到DeepResearch的标准，因此排最后，具体对比维度的详细见下。当然，以下也仅为个人根据目前使用多个DeepResearch产品后的实际感受对比，并非经过严格的专业测评，评估结果可能存在争议或者不准确的地方，内容仅供参考。**  - **在模型的思考和规划能力上：基于O3模型的ChatGPT 的DeepResearch能力表现个人觉得优于Gemini 2，从最终输出的结果上，其生成的结果会完全贴合研究的主题，内容虽然没有非常长，但是基本都切题，且很多预期内的要点都覆盖到了，而Gemini虽然也生成了不少质量不错的内容，但是不少内容脱离了研究主题本身；** - **在搜索引擎的能力表现：几个大公司的产品之间，个人觉得差异也没有特别大，而作为创业公司产品的AI快研侠则相对薄弱一些，只支持垂直数据源的检索，不支持通用的检索，后续有待提升，但是在部分垂直领域的检索可能也能满足用户需求；** - 多模态的理解能力方面：**ChatGPT能支持在图片中插入原文的配图，可见明显支持原文中图片等内容的识别能力，因此表现更好，其他几个产品目前暂未有所体现；** - 在调用API和工具方面：ChatGPT支持Python 工具绘制和迭代图表，在其响应中嵌入生成的图表和网站图像，而其他产品暂未有所体现； - **在产品工程设计上：AI快研侠则显得更加细致的考虑到深度研究场景的用户需求，包括其生成大纲更加符合研究报告标准，以及支持用户自定义参考索引资料，且生成结果包含表格等更多呈现形式；** - **在研究结果的呈现方面，ChatGPT表现最好，在准确性、专业性、可读性、创新性方面都表现不错，Gemini 和Perplexity Pro Search、ima在专业性和可读性方面表现一般，AI快研侠则在专业性、可读性、创新性上还不错，但在准确性上欠缺，幻觉率略高。** 综上所述，整体而言，对于用户来说，如果你的研究主题是一些单点的话题，而不是一个完整的研究报告，可以优先使用**ChatGPT DeepResearch，可能能获得比较好的生成结果，但是该功能是付费用户才可以使用，且定价比较贵；其次可以选择**Gemini DeepResearch、Perplexity Pro Search，这两个产品都可以提供免费的额度，以上三个产品都是海外产品，需要支持科学上网才可使用； 作者：三白有话说，公众号：三白有话说 本文由 @三白有话说 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。

上市3个月，一把手因身体原因辞任

<blockquote><p>近期小米的自动驾驶致死事故敲响了警钟，凸显了驾驶员心理安全感与实际自动驾驶能力之间可能存在的偏差，以及车联网建设中存在的漏洞。本文将从驾驶员安全感认知的偏差及其危害、智能驾驶危险驾驶时的应对措施，以及车路云一体化的车联网建设现状、问题与解决方案等方面展开深入探讨，旨在为自动驾驶技术的健康发展提供有益的思考和建议。</p> </blockquote>  随着自动驾驶行业的发展，路面上的自动驾驶车辆会越来越多，各大自动驾驶企业也在不断的探索自动驾驶安全性的问题。在自动驾驶功能的车辆发生致死交通事故后，如同一记警钟，再次敲响整个行业，安全是自动驾驶永恒的主题，而来自驾驶员的心理安全感与实际自动驾驶能力的偏差是必须正视的问题。 ## 一、安全感认知 安全感在驾驶过程中扮演着至关重要的角色，它是驾驶员对自身、车辆以及周边环境安全程度的主观感知，直接影响驾驶员的行为决策。当用户认为自动驾驶车辆具有较高的可掌控性时，会产生更高的心理安全感，进而更愿意使用该技术。而今天主要讨论的是智驾车驾驶员对自己的车子的安全感认知。 若驾驶员对自动驾驶的车辆的能力非常信服，安全感十足，甚至是爆棚，那么就会出现完全脱离监管的边睡边行驶，脚翘在仪表盘上开车，边开车边打扑克牌等无数自身和他人安全的操作，或者为了演示自己车子的智能让自己的孩子用肉身去测试智驾功能。 而若是驾驶员对自动驾驶的车辆的能力严重低估，那么就会影响车辆的销售，更有甚者虽然买了智驾的车，但是对于智驾功能一直不去使用。 长远看来过高或者过低的心理安全感对智能驾驶的发展都不好。那就需要驾驶者对车子的信任要接近车子实际智能的水平。 ### 1. 认知偏差的危害 部分车企在宣传智能驾驶功能时，过度夸大其作用，致使消费者对智能驾驶形成过高预期，安全感认知与实际情况严重偏离。驾驶员在使用智能驾驶功能时，可能做出双手脱离方向盘、注意力不集中等危险行为。一旦智能驾驶系统在复杂路况下失效，驾驶员难以及时做出正确反应，极易引发交通事故，造成严重的生命与财产损失。 ### 2. 使用智驾危险驾驶时的应对措施 **1）优化注意力提醒机制** HMI 交互设计可以借助视觉、听觉、触觉等多模态交互技术，在系统检测到驾驶员注意力不集中时，及时发出提醒。比如，通过闪烁警示灯、播放警报音、座椅震动等方式，全方位吸引驾驶员的注意力。同时，为满足不同驾驶员的需求，设计个性化提醒模式，让驾驶员能够根据自身习惯，调整提醒的强度与频率。 《智能网联汽车技术路线图2.0》明文规定，L2级的辅助驾驶，驾驶员得全程监控，随时准备接管。目前，不少车企采用 “脱手检测 + 视觉疲劳监测” 机制来提醒驾驶员。但是仅有提醒还是会被心大的驾驶员忽视无视。如何让驾驶员认识到危险性，是车企要持续改进的点。 近期，工信部颁布了新的规定，一旦检测到双手离开方向盘超过规定时间，系统会发出连续的警告，如果驾驶者未及时响应，车辆将在二十秒后被强制停车，并确保安全地靠边停放。多次违规甚至可能导致辅助驾驶功能被暂时锁定，这将使我国的智慧交通更加的完善和规范。 一点建议：警告时可以持续播放各种警示标识语，如“道路千万条，安全第一条，行车不规范，亲人两行泪” **2）应对接管异常情况** 当系统发出接管请求，而驾驶员未响应时，一般采取递进式提醒策略。首先，通过增大警报音量、增强警示灯闪烁频率等方式，强化提醒效果；若驾驶员仍未接管，系统会自动降低车速，直至车辆安全停下。 那么为什么还是会发生事故呢？实际情况是，驾驶员接管时往往为时已晚，已经接近危险，并且，驾驶员在惊慌中会导致操作不当，比如本能的猛打方向盘，踩错刹车。针对这些情况，HMI可以进一步优化，在驾驶员接管前要提醒他冷静处理和不要做某些危险操作。在危险发生时HMI 界面应实时监测驾驶操作，通过可视化引导，如在屏幕上显示正确操作步骤与建议，帮助驾驶员纠正错误行为。若有猛打方向盘的情况，识别方向盘的手力矩，感知驾驶员是否正确操作方向盘，是否需要及时的降低车速。与此同时，利用语音提示，给予驾驶员及时、明确的操作指导，避免因操作失误引发事故。这一系列措施有助于提升用户在紧急情况下对车辆的掌控感，符合提升心理安全感的需求。 ## 二、车路云一体化的车联网建设 ### 1. 车联网现状 当前，车联网技术作为智能交通系统的重要组成部分，通过车辆与车辆（V2V）、车辆与基础设施（V2I）、以及车辆与云端（V2N）之间的实时通信与数据交换，如实时路况播报、远程车辆控制等功能，为出行带来了一定便利。但在信息采集的全面性与交互的高效性方面，仍存在较大的提升空间，距离构建完善、安全的智能交通体系还有很长的路要走。  ### 2. 现存问题 这次的交通事故中，道路施工时使用的警示锥桶等关键交通要素并未接入车联网，对通行道路的改变没有及时的上次至车联网，车辆的智能驾驶系统无法提前获取准确的危险信息。而且在黑夜、雨雪雾天气等能见度不好的情况下，障碍物体积过小，或者空隙较大时，依靠视觉雷达的自动驾驶车辆高速靠近施工区域时，无法及时做出有效反应，导致事故发生。这一事件凸显出车联网在信息采集和交互环节存在的漏洞，部分关键交通要素未能纳入车联网体系，严重影响车联网功能的发挥。 ### 3. 车企与政府应该积极推动车联网的建设 车企应发挥引领作用，联合道路管理部门、施工单位等各方力量，推动道路各部门的联网化建设。与道路管理部门合作，将道路施工信息、交通管制信息等接入车联网平台；与施工单位协作，为施工设备，如施工车、警示锥桶等，配备联网功能，使其能够实时向车辆发送位置和状态信息，打破信息孤岛，实现车联网信息的全面采集和高效交互。 车企也要积极参与车联网行业标准的制定，统一数据格式和通信协议，确保不同品牌车辆、设备之间的互联互通。通过建立行业联盟或合作机制，共享技术资源和数据，加速车联网技术的研发和应用，提升车联网系统的整体性能和安全性，解决当前车联网系统因缺乏统一标准而导致的协同性差等问题。 ## 总结 智能驾驶和车联网技术的发展，为未来出行描绘了美好的蓝图。但这起交通事故警示我们，必须正视当前存在的问题。无论是产品经理还是设计团队，不能只想着用户要什么，更要明白什么是真正的对用户好，什么是对行业良性环境好，通过优化智驾到设计，帮助驾驶员纠正安全感认知偏差；车企则应肩负起推动车联网整体建设的重任，联合各方力量，打造更加安全、高效的车联网生态，让智能驾驶技术真正服务于人类出行。 本文由 @HMI怡伶设计心理 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 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。

The Minister of Finance vowed Canada&#39;s forceful countermeasures against the U.S. tariffs and its commitment to getting US tariffs removed as soon as possible.

<blockquote><p>从支持1000万token上下文的Scout，到4000亿参数的Maverick，再到2万亿参数的Behemoth，Llama 4以MoE架构、多模态能力和超低成本推理重新定义开源模型的性能边界。然而，面对DeepSeek和GPT-4.5的围剿，Llama 4能否真正逆袭？当参数规模不再是胜负手，开源模型的未来究竟在何方？</p> </blockquote>  **1000万上下文？2万亿参数？MoE混合架构，原生多模态**。清明假期，你是否也被Meta这波Llama 4系列模型发布后，各种酷炫数据和名词炸醒？ 曾经的开源领袖，实际已经被DeepSeek抢了各种风头。万众期待的Llama 4模型，原本使命是超越GPT和Claude等闭源模型，吊打一切的存在，然后呢？实现了吗？ ## Llama 4系列模型发布： **Llama 4 Scout（小）** 单张H100 GPU可运行，适合本地部署，支持 1000万token上下文，这是行业最牛成绩。 **Llama 4 Maverick（中）** 总参数高达4000亿，但推理时仅激活部分专家，效率更高。 多模态性能超越GPT-4o，在ChartQA、DocVQA等基准测试中领先，编程能力媲美DeepSeek v3，但参数仅一半。 **Llama 4 Behemoth（大，预览版）** Meta 2万亿参数巨兽，仍在训练中。 超大参数，据说STEM任务超越GPT-4.5、Claude3.7等。 将作为“教师模型”，用于蒸馏优化更小的Llama 4模型。 ## 测评分数高居全球第二 Llama 4 Maverick 目前在LM Arena 排行榜上排名第二，仅次于 Gemini 2.5 Pro。 而且具备原生多模态能力：Llama 4采用了早期融合（Early Fusion）技术，可以用海量的无标签文本、图片和视频数据一起来预训练模型。 ## 超长上下文： Scout 版本支持 1000万 tokens（约15000页文本！），医学、科研、代码分析等超长文档处理能力直接拉满。 在其他大模型仅有200万 tokens上下长度时，小扎掏出了大炸雷，不想和大家闲聊。 ## 几个核心技术 ### MoE架构效率炸裂： Llama 4开始转向采用混合专家模型（MoE），推理时仅激活部分参数，成本更低——Maverick 推理成本仅 $0.19/百万token，比GPT-4o便宜90%。 ### iRoPE实现超长上下文: iRoPE（交错旋转位置编码）是Meta为Llama 4设计的升级版位置编码技术。 - 局部注意力层：用旋转位置编码（RoPE）处理短上下文（如8K token），保留位置关系。 - 全局注意力层：直接去掉位置编码（NoPE），通过动态调整注意力权重处理超长内容，类似“模糊匹配”长距离关联。 - 就像读书时用书签（RoPE）标记重点段落，同时靠记忆（NoPE）串联全书脉络。 ## 埋葬RAG技术？ 相比RAG技术，iRoPE无需依赖外部知识库检索，直接通过模型内部自身处理完整信息，减少信息丢失风险，预计未来会成为大模型技术标配，以后大模型容易忘记前文的事情，基本就不会出现了。开源但有限制：商用需遵守 Meta 政策，月活超7亿的公司需额外授权，且产品名必须带“Llama”。鲸哥在Together AI上体验了Llama 4 Scout，并没有什么特别的强悍之处，DeepSeek对比之下体感还是强很多。Llama 4有点像Google，“参数没输过，实战没赢过”。  **一句话总结：**Meta 这次把开源AI卷到新高度，多模态+长上下文+超低成本，Llama 4 可能是目前最香的开源大模型之一。但下周OpenAI o3和Claude等新模型发布，Llama 4估计又会被夺走注意力。只能说模型竞争，太卷了，Llama 4要成千年追赶者了。 本文由人人都是产品经理作者【鲸选AI】，微信公众号：【鲸选AI】，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。

根据招商银行发布的通告，**招行将从今日起停止ATM扫码存款服务。**后续，用户可持招行银行卡，通过招行ATM或前往招行营业网点办理存款业务。ATM二维码存款业务是指用户通过手机扫描ATM屏幕上的二维码进行无卡存款的业务。 [](//img1.mydrivers.com/img/20250409/4384ac0876e8494a903c63dd9c489308.png) 用户在ATM上选择扫码存款后，**ATM屏幕上会生成二维码，用户登录手机银行扫描二维码后即可选择存款交易，根据提示放入现金即为交易完成。** [](//img1.mydrivers.com/img/20250409/a02213f276da4fb6924d14baf2c642a9.png) 相较于柜台存款，ATM扫码存款服务免去了排队、填单、签名等手续。 据媒体报道，据不完全统计，**近一年来，包括工商银行、农业银行、交通银行、民生银行等50余家银行宣布停止无卡存款、无卡取款、扫描取款等业务，覆盖国有大行、股份制银行、城商行及农商行等多类金融机构。** 2022年8月，中国银行、中国建设银行相继宣布停止ATM二维码存款业务。 2024年6月，民生银行发布公告称，将于2024年6月7日起停止个人手机银行“ATM无卡取现”功能，现金机具（包括现金智能柜、ATM等）也将不再支持该功能。 当月，兴业银行也发布公告称，自7月10日起停止手机银行中的ATM扫描取款服务。 [查看评论](https://m.cnbeta.com.tw/comment/1491578.htm)

近日，光源 3i 产业创新孵化器最新孵化项目凌云智矿宣布完成种子轮融资，由光源旗下基金联合知名企业家共同投资。此次融资将助力公司在全球矿产勘探领域的进一步发展，推动 AI 辅助勘探技术创新、市场拓展以及打造地球矿产大模型等。

<blockquote><p>在自媒体竞争激烈的当下，选题成为了决定内容能否脱颖而出的关键。一个精准的选题不仅能吸引流量，还能有效促进变现。本文将深入探讨如何打造自媒体爆款选题，通过分析流量型、专业型和转化型三种选题的特点与策略，帮助创作者找到流量与变现的双赢之路。</p> </blockquote>  在自媒体的世界里，选题如同指南针，引领着我们走向目标。而一切自媒体的选题，其核心都在于你的【目的】。 不同的选题类型，就像不同的工具，各自发挥着独特的作用。 今天，秃头老王和你分享做新媒体的三种选题：流量型选题、专业型选题和转化型选题。 ## 流量型选题：破圈的利器 流量，是自媒体的生命线。没有流量，就像是没有观众的舞台，再精彩的表演也无人喝彩。 因此，流量型选题的首要任务，就是吸引眼球，引发关注。 这类选题往往以满足大众的实用性或好奇心为导向，通过揭秘、反认知、搞对立冲突、拿来主义等方式，激发读者的兴趣和好奇心。 下面这篇文章，就是我当时蹭成都马拉松比赛写的流量选题，有争议就有转发，有转发就有流量。 我再以酒店民宿旅游行业为例，流量型选题可以是“揭秘XXX网红民宿背后的故事”； 反认知：原来这才是真正的旅行攻略、十大景美人少的宝藏旅游地等等。 这些选题不仅满足了读者对未知的好奇，还提供了实用的旅行信息，从而吸引大量流量，帮助旅游类自媒体账号破圈。 ## 专业型选题：立人设的基石 在自媒体领域，尤其是知识付费赛道，专业人设是建立信任、提升影响力的关键。 专业型选题的目的，就是展现你在某个领域的专业知识和独特见解，让别人觉得你在这方面很专业、很牛X。 这类选题通常围绕你的从业经历、行业感悟、个人特殊事迹或品牌故事展开。 我还是以酒店民宿旅游行业举例子吧，专业型选题可以包括“十年民宿主的真心话：如何挑选一间好民宿”、“从零到一开店vlog：我是如何打造一家网红酒店的”…… 这些选题通过分享你所在行业的专业知识和经验，树立了你在行业内的专业形象，增强了粉丝的粘性和信任度。 有了信任，转化和成交还会远吗？ ## 转化型选题：促成成交的催化剂 转化，是你我做自媒体运营的最终目的之一。 转化型选题的目的，就是展示你的产品或服务，激发读者的购买欲望，促成成交。 这类选题通常通过秀产品、秀肌肉、秀未来等方式，展现你的产品或服务的独特魅力和价值。 比如在酒店民宿旅游行业，转化型选题可以包括“亲身体验：XXX酒店的极致服务让我流连忘返”、“揭秘：XXX民宿的隐藏福利和超值体验”等等。 这些选题通过展示你的产品或服务的亮点和优势，激发了读者的购买欲望，为成交打下了坚实的基础。 总之，要搞懂【目的】，以【目的】来反推选题，然后探寻用户，测试吸引他们的内容。 ## 也许你会问了：流量型和转化型选题，哪种选题更容易变现？ 其实流量型和转化型选题各有其特点和优势，至于哪个更容易变现，具体问题具体分析吧，这不是是非题。 在我看来，流量型选题的特点，是侧重于吸引广泛关注和讨论，通过揭秘、反认知、搞对立冲突等方式激发读者的好奇心和兴趣。 通常具有较高的阅读量和点击率，能够迅速提升自媒体账号的知名度和影响力。像自媒体账号王耳朵先生，就是专门写流量文的。 正因为流量是变现的基础，所以高流量意味着更多的曝光机会和潜在的商业价值。 而变现方式呢，可以通过广告合作、品牌推广等方式实现变现，比如接收广告商的投放、参与品牌活动合作等。 而转化型选题，更侧重于展示产品或服务的独特魅力和价值，通过秀产品、秀服务等方式激发读者的购买欲望。 这类选题通常具有较明确的营销目标和导向，旨在促进成交和转化。 优势在于直接关联到产品或服务的销售，更容易变现。也能够建立长期的客户关系和信任，促进复购和口碑传播。 其实无论是流量型选题、专业型选题还是转化型选题，都需要紧密结合你的账号定位和目标受众，精准把握选题的方向和创作角度。 只有这样，才能在自媒体的大潮中脱颖而出，实现你的自媒体梦想。 本文由 @秃头老王聊运营 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 Pexels，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

 任天堂已确认，加拿大地区Nintendo Switch 2 的预购已推迟，原定于4月9日开始。  加拿大任天堂发布的一份声明中表示：“为了与美国确定的预购时间保持一致，加拿大的Nintendo Switch 2预购将不会在2025年4月9日开始。任天堂将在稍后提供更新信息。发布日期2025年6月5日保持不变。”  而在上周，任天堂称为了评估关税和不断变化的市场条件的潜在影响，推迟了Switch 2在美国的预购时间。

雷峰网独家消息，vivo巴西子品牌JOVI正式公布，其位于巴西马瑙斯市的生产工厂于今年年初竣工并成功试产，首款产品计划于今年二季度在当地市场正式发布，价格区间为3000 BRL - 5000 BRL（约合人民币3700 - 6200元），定位中高端市场，聚焦外观和影像等个性化产品体验，与母品牌vivo保持一致。 据vivo员工透露，JOVI品牌的长期目标是对标苹果和三星，未来还将推出平板电脑、智能手表等电子产品，以开拓巴西当地市场。考虑到时间和当地供应链原因，JOVI两款首发产品系列的其中一款，将通过国内渠道生产并进口至巴西，后续所有产品将全部优先在当地生产，以更好地契合本地市场需求。  _vivo位于巴西马瑙斯市的当地工厂_ “内部预期JOVI在三年内要实现250万的销量，差不多是巴西5%左右的市场份额。 ”该员工说到。 雷峰网了解到，巴西的关税复杂且税率极高，不同州之间存在不同的税务差异，不同产品和服务的税率也有所不同。同时该市场还要求本土公司资质，因此门槛较高，市场难度较大。也正因如此，此前vivo对于巴西市场一直处于观望状态。 2019年前后，vivo开始对巴西市场进行调研，并在2023年实地充分考察，随后决定成立JOVI子品牌进入巴西市场。在国内，JOVI是vivo语音助手的命名，而在巴西本地，JOVI的葡语谐音jovem，也代表年轻、活力和生活的乐趣，这一点与JOVI的品牌定位也极为契合。 有知情人士透露：“JOVI在巴西市场是选择正规渠道进入的，并且也会严格遵守当地法律法规，与当地消费者和合作伙伴长期发展。” 目前，其巴西团队成员约70人，其中70%左右为巴西本地员工。未来该团队将继续扩大本地招聘规模，继续加深本土化战略。 据悉，vivo的智能制造网络布局全球多个国家，海外市场拓展是vivo目前的重要目标。此前vivo执行副总裁、首席运营官胡柏山曾公开表示：“产品出海，是现阶段中国手机厂商最大的机会与优势，对vivo而言，海外增长潜力巨大，预计会增长50%甚至80%。”

开源大模型 Llama 4 的翻车还在持续发酵。4 月 8 日，作为大语言模型“权威榜单之一”的 Chatbot Arena（民间俗称“大模型竞技场”）发布了一则语气罕见严肃的声明。面对社群对于 Meta 新模型 Llama 4 排名的质疑，官方表示将公开 2000 多场真人对比测试的完整数据，并罕见点名 Meta： “Meta 应该更清楚地表明『Llama-4-Maverick-03-26-Experimental』是一个作为人类偏好进行优化的定制化模型。我们正在更新排行榜的策略，以避免此类混淆再次发生。”  图/ X 这条声明不只是澄清，一定程度上也是对整个大模型行业的一记警钟。 Chatbot Arena 由加州大学伯克利分校发起，是当前大模型评测中可能最具行业影响力的“真人盲测”排行榜，核心的机制是通过让开发者和 AI 爱好者会在平台上用相同问题向两款模型提问，对比回答内容并投票打分。 而这种“真人盲测”的机制，让 Chatbot Arena 有别于其他任何基准测试，也成为了外界最为信赖的大模型排行榜。可以说，一款模型是否登上“Chatbot Arena 排行榜”前列，在一定程度上直接影响其在媒体和开发者群体中的口碑与采纳率。 正因如此，当 Meta 在 4 月 5 日发布其最新一代开源大模型 Llama 4，随后快速冲上Chatbot Arena 排行榜第二，力压一众顶级大模型，仅次于 Google 前脚发布的 Gemini 2.5 Pro，自然也就引起了所有人的好奇和期待。 但很快，社区发现这一版本是未公开、定制化调优的“实验模型”，而并非 Meta 开源的正式版。于是，争议爆发：这算不算“刷榜”？Chatbot Arena 是否被利用为营销工具？Meta 为什么要这样操作？ 更糟的是，在部分官方没有展示的专业基准测试中，Llama 4 表现也不尽如人意，几乎垫底。不少第一批尝试的用户也在 Reddit、X 等社交平台上发文表达了失望，有人就在发帖中提到 Llama 4 在编程能力上的不尽如人意，并指出： “考虑到 Llama-4-Maverick 有 402B 的参数量，我为什么不直接使用 DeepSeek-V3-0324 呢？或者 Qwen-QwQ-32B 可能更合适——虽然性能相似，但它的参数量只有 32B。”  图/ Reddit 这让人不禁疑惑，曾经被开源阵营寄予厚望、凭借 Llama 2 和 Llama 3 逐渐建立口碑的 Meta，为什么就在 Llama 4 翻了车？ 01 从高光到塌房，Llama 4的72小时惊魂 时间回到 4 月 5 日，Meta 在官方博客上发布《The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation》一文，正式宣布 Llama 4 系列模型面向社区开源。 这一次，Meta 公开了最新一代模型的三个版本：Llama 4 Scout、Llama 4 Maverick、还在训练中的“教师模型”Llama 4 Behemoth，均首次采用了混合专家（MoE）架构。  图/ Meta 其中最主流、最受关注的 Maverick 版本，是拥有 128 个“专家”的 170 亿活跃参数模型（总参数为 4000 亿），Meta 将其描述为“同类最佳的多模态模型”，强调其在多方面超过了 Gemini 2.0 与 GPT-4o，在编码和推理方面比 Deepseek 3.1 更有竞争力。 但就在 Llama 4 发布不久，情况迅速脱离了 Meta 的预期。 在社区层面，首批用户对 Llama 4 的表现并不买账。在多个测试中，尤其是在需要代码能力和严谨逻辑推理的场景中，Llama 4 的表现并没有兑现其超越 GPT、DeepSeek 的表现。包括在 Aider Chat 提供的 Polyglot 编程测试中，Maverick 版本的正确率仅为 16%，处于排行榜末尾。 不仅与其庞大的参数体量完全不符，甚至落后于规模更小的开源模型，比如 Google Gamma 。这种结果让不少开发者大感意外，也与官方宣传形成了强烈反差。  图/ Chatbot Arena 风评下滑之际，更严厉的质疑也接踵而至——Llama 4 是否使用了公开测试集进行训练？是否针对通用基准的 Chatbot Arena 针对性优化？这些质疑都在技术社区迅速传播、发酵，包括 Chatbot Arena 在声明中尽管并未使用“作弊”等字眼，但字里行间的语气已足够强硬和不满。 尤其是中文移民社区“一亩三分地”上，自称提交辞呈、要求从 Llama 4 技术报告中删除名字的“Meta 员工”发帖表示，随着 Deadline（截止日期）的逼近，Meta 最终选择了将各个基准测试的测试集混合在 Post-Training“后训练”（对应大模型的“预训练”阶段）之中。 不过 Meta 团队很快出面做了澄清，一位经手“后训练”的 Meta GenAI 成员实名（Licheng Yu）表示： “这两天虚心聆听各方 feedback（比如 coding、creative writing 等缺陷必须改进）希望能在下一版有提升。但为了刷点而 overfit 测试集我们从来没有做过，实名 LichengYu，两个 oss model 的 post training 有经手我这边请告知哪条 prompt 是测试集选出来放进训练集的我给你磕一个+道歉！”  图/ Licheng Yu 公开资料显示，Licheng Yu（虞立成）本科毕业于上海交通大学，2014 年获佐治亚理工学院和上海交通大学双硕士学位，2019 年获北卡罗来纳大学教堂山分校计算机科学博士学位，2023 年 6 月至今在 Meta 担任研究科学家经理，并参与了 Llama 3、Llama 4 项目。 同时，负责 Meta GenAI 的副总裁 Ahmad Al-Dahle 也在 X 平台明确表示，“Meta 没有在测试集上训练 Llama 4。”而针对 Llama-4-Maverick-03-26-Experimental，Meta 也在争议发生后选择了发布开源版本，以回应外界的批评。  图/ X 但这些回应显然都没能回避掉一个问题：Llama 4 的真实能力。事实上，不管是 Licheng Yu，还是 Ahmad Al-Dahle，都在驳斥部分质疑的同时承认了 Llama 4 在性能存在的问题。 作为开源阵营中曾经“最有希望挑战 OpenAI”的旗手，Llama 4 原本承载着开发者与产业界的高度期待。但现在，它却在发布一周内从“高光”跌入“信任危机”，成为大模型竞赛中一次罕见的口碑“滑铁卢”。 02 DeepSeek加速开源，Meta被逼到失速 如果只看表面，这次 Llama 4 的口碑翻车，似乎充满了戏剧张力——匿名离职员工爆料称，Meta 高层为了赶上内部设定的 Deadline，要求将各大测试集混入 “后训练”，只为“一个能看的结果”。甚至还传言，负责 AI 的副总裁 Joelle Pineau 也因反对这一做法而离职。 不过从目前公开的信息来看，这些说法经不起推敲。关于使用测试集进行后训练一事，前文的回应其实已经基本澄清。而 Joelle Pineau 的离职发生在发布前两天，但她并不负责生成式 AI 团队，而是领导 Meta Fundamental AI Research（FAIR）研究部门，与 Llama 4 项目并无直接关联。  发布前几天离职的 Joelle Pineau，图/ Meta 在辟除这些舆论杂音之后，真正的问题才浮出水面。追根究底，Llama 4 的问题，不在于造假，而在于开源大模型竞争加剧下的失速。 过去两年，Meta 凭借 Llama 2 和 Llama 3，逐步在开源模型市场上建立起“领先、可靠”的认知。然而到了 Llama 4，情况已经发生了巨大的变化，DeepSeek V3/R1 的发布扭转了开源与闭源模型的差距，并且大大加速了开源模型的发展速度。 这让原本作为“开源领导者”的 Llama 面临更大的压力。 尽管我们认为前文爆料很多经不起推敲，但有一点却是现实：Llama 4 确实有 Deadline。这一点从 Llama 4 Behemoth 还在训练中就得以窥见，而且在参数规模膨胀、架构复杂化（MoE）的同时，Llama 4 很可能没有留出足够的测试和改进时间，才导致发布后不稳定的性能表现。  图/ Meta 此外，Meta 也没能控制住动作的变形。Llama-4-Maverick-03-26-Experimental 针对对话模式的优化本身无可厚非，但“首发”Chatbot Arena 的目的却是路人皆知。我们也不知道，这个特调版本又牺牲了哪些？ 而从目前来看，Meta 的做法显然错了，经过能在发布之处获得更高的期待、更多的关注，但之后的实际表现不仅让人更加失望，也打破了用户对 Llama 系列“领先、可靠”的认知。 怎么看都是输。 Meta 当然还有机会补救。只是，它首先必须正面面对 DeepSeek、Qwen、Gamma 等其他大模型已经崛起、甚至超越自己的现实，才能谈重整河山。 [查看评论](https://m.cnbeta.com.tw/comment/1491572.htm)

当地时间4月8日，美国总统特朗普发表讲话称，美国将对药品征收关税。特朗普表示，美国并不生产自己的药品和其他改善健康的产品。美国支付药品的价格往往比有药品生产的国家高出很多倍。 [](https://static.cnbetacdn.com/thumb/article/2022/0124/323a4d81fba64b5.jpg) 特朗普认为，一旦对药品征收关税，制药公司将在美国开设工厂，因为美国是“最大的市场”。 上周，特朗普宣布的针对美国进口商品的广泛关税未涉及药品，但他表示药品将面临单独的关税。 欧洲制药公司当地时间8日已在与欧洲委员会主席的会议上警告称，美国的关税将加速该行业从欧洲转向美国的趋势。制药行业贸易游说组织EFPIA（其成员包括欧洲制药巨头拜耳、诺华、诺和诺德等）表示，它已呼吁欧盟主席推动“迅速而根本性的行动”，以减轻向美国“外流的风险”。 [查看评论](https://m.cnbeta.com.tw/comment/1491570.htm)

当地时间周二，华尔街对冲基金大佬、潘兴广场资本创始人比尔·阿克曼再次呼吁美国总统特朗普暂缓“对等关税”，并暗示一些人“误解”了他有关关税的言论。阿克曼曾在美国大选中公开为特朗普背书，相信特朗普担任总统将给美国经济带来积极的变化。  “有些人误解了我对关税的看法。我完全支持唐纳德·特朗普总统利用关税来消除我们贸易伙伴的关税和不公平贸易行为，并吸引更多投资和制造业进入我们国家，”阿克曼周二上午在X上发文称。 “我主张在明天实施关税之前暂停30天、60天或90天，以使谈判能够在不造成重大全球经济中断的情况下完成，以免损害我国最脆弱的公司和公民。”他写道。 上周，特朗普签署了两项关于“对等关税”的行政令，宣布美国对贸易伙伴设立10%的“最低基准关税”，并对某些贸易伙伴征收更高关税。其中，10%的“最低基准关税”已于上周六生效。对与美国贸易逆差最大的国家和地区征收的不同的、更高的 “对等关税” 将于本周三（9日）生效。 自那以来，伴随着美国经济衰退担忧加剧，美股遭遇重挫。 然而，面对市场巨震，特朗普仍坚称，在美国经济多年来被占便宜后，关税是贸易再平衡和重新定位美国经济的必要做法。 阿克曼周二表示，他支持美国政府在执行关税措施前与外国就进口税问题进行谈判。 “如果一个国家不诚心谈判，那么总统可以抡下关税锤子，但不给时间达成协议就这么做，会造成不必要的伤害。” 他写道。 这是阿克曼最近几天第二次呼吁特朗普暂缓“对等关税”。 上周日，他在X上发文称，特朗普的关税政策如同对全球发动 “经济核战”，将导致美国陷入 “经济核冬天”，并敦促特朗普暂停实施 “对等关税” 90 天，以便通过谈判解决问题。 一些人将这一严厉警告视为阿克曼倒戈，认为其对特朗普的支持发生了动摇。 白宫国家经济委员会主任哈塞特也回击了阿克曼的评论，称他 “应该缓和一下言辞”，并认为阿克曼的言论是 “完全不负责任的”，尤其是在当前经济形势不稳定的敏感时期。 [查看评论](https://m.cnbeta.com.tw/comment/1491568.htm)

陕西咸阳一网友日前发布视频称，中通快递“九识无人车”在送货途中发生异常——车辆左前轮卡住一辆倒地的电动车后未停止行驶，“浑然不知”继续拖行，引发公众对无人配送车安全性的关注。 据悉，涉事车辆为“九识智能科技公司”生产的“九识无人车”，该车于2023年逐步投入商用，主打“无接触配送”。不过，目前该无人车上标有明显的中通快递Logo，疑似为中通快递运营车辆。 对于无人车事故一事，截至发稿中通方面暂无回应。不过，九识智能科技公司回应称，经初步核实，自动驾驶物流车在通过事发路口时，与先前交通事故中遗留的倒地电动自行车发生接触。车辆安全系统随即触发防御机制进行减速制动，全程未造成人员伤亡，涉事车辆已暂停运营并配合交警调查。 九识智能科技表示，对此次事件给公众带来的关切深表歉意，将以最高标准配合监管部门工作，严格履行企业主体责任，持续提升自动驾驶系统的场景适应能力。  [查看评论](https://m.cnbeta.com.tw/comment/1491566.htm)

最近，差评君在招人时遇到个怪事——疑似碰到 AI 面试者。有个小伙（ 下称小 A ）投来简历，求职方向是科技编辑。我让小 A 写一篇试稿，关于科技巨头护城河。虽然小 A 文风不是很匹配，但角度还挺全面的，可以面试一波。因为我当时在国外，HR 在公司，就约了线上视频面试。  面试过程中小 A 的表现，我都不太满意，有几个疑点↓  其实在面试时，我已经有点往 AI 面试作弊这块想了，而面试结束后 HR 发的一条信息，让我更确定了。 HR 说对面网络断了好几次。 嘶，明显的读稿感——和文章水平相矛盾的科技常识——好几次回答问题时突然断线——这个小 A 是不是在利用 AI 辅助面试？ 所谓断线，不过是在掩饰 AI 输出答案的时间。  当然这事儿，差评君没法实锤嗷。为了不影响当事人，当中不少细节我也替换了。 大家可以当个故事听，但故事背后确实有一个不太好的趋势： 你我身边，要有越来越多的 AI 面试者了。 在社交媒体平台，以“ AI 辅助面试 ”为关键词搜索，就能看到面试中利用 AI 作弊已经成了一个现象。 有人分享面试中如何用 AI 帮自己回答问题，有人教你在面试中怎么作弊才不会被发现。  而另外一边—— 也有 HR 在吐槽大家能不能别再用 AI 面试，大部分都能看出来； 还有面试官直接写了一篇长文《 我和 AI 面试的攻防战 》，分享如何破解 AI 作弊。  其实这个现象出现的原因，不难猜—— 市面上悄然兴起了一堆 AI “ 辅助 ”面试的 App。  这些 App 会在各大视频、社交平台上传实操视频，配上诱人的标题，来宣传自己的卖点。 什么“远程截图笔试黑科技”、“Java 后端跳槽成功 35K”。  差评君大概看了几款 App，功能大差不差，而且有手就能用—— 在面试前打开 App，手机藏电脑旁就行。 此时 App 会一边监听语音，一边转录面试官问题，然后利用 AI 实时呈现答案。 你要做的，就是照着读就行。  就算是程序员技术笔试，这些 App 似乎也能应付过来。 直接接入一个远程截图功能，自动识别题目，答案秒出。  当然吹牛皮谁都会，于是差评君就下了一款 App 来测试。 你别说，功能还挺完整。 它会要求你填上工作岗位、职责和要求，然后再上传简历。这样 AI 能根据你的经历和优势，让答案更匹配你。  为了防止你不会用，App 还有一个“ 模拟面试 ”。支持选择面试官性格、问题偏好、回答问题的长度。 开始模拟后，面试官问一句，答案就生成一句，你跟着读就行。  最后 App 还会让你读一段文字，添加你的声音特征。差评君猜测，这是为了区别你和面试官的声音，方便识别问题。 可能有差友看到这，有一点点心动。 但我劝你在使用前，练个两年半演技，再备 50 瓶速效救心丸，最后做好当韭菜的心理准备。 首先，你必须充钱才能用 App “ 正式面试 ”功能。 半小时 108，2 小时 188。  不是哥们，收钱我理解。 但人 ChatGPT、Cladue 都是按月算钱，一个月才 120，你这 2 小时 120，是不是夸张了点。 我要多面试 2 轮，大几百不是没了？ 行，来都来了，今天哥们就当一把好韭菜。 差评君拉了一个同事当面试官，我负责扮演一个叫王海洋的人，准备面试算法工程师。 “ 正式面试 ”后，App 最底下一行会实时识别面试官语音，接着生成问题，最后呈现答案，我只要装模作样照着念就行。  看着是还行，识别也挺准。 但问题是，延迟很严重。 正常人类沟通，一方说完话 0.5 秒，另一方就能回答问题了（毕竟很多话听到一大半，就知道啥意思）。 但这个面试助手的 AI，需要面试官把话彻底说完，过个 0.5 秒再生成问题，再过 0.5 秒出答案。 等看到答案，你反应过来开始读，还得再要个 0.5 秒。 所以，你回答问题时总有 1.5 秒～ 2 秒的延迟，这么高的 ping，大部分人都能看出来吧？  你说你可以演，可以找借口。 的确，差评君在“ 面试 ”时，为了掩饰延迟，时而“ emm+托腮思考 ”，时而“ 不好意思，网卡了 ”…… 但总不能每次这样吧。你不尬，面试官都尬。  延迟高就算了，它还有个最致命的问题：翻车。 或许是我没全照原文读，或许是声音识别不准，总之 App 好几次把“我的话”识别成“面试官的提问”。 我 TM 正读答案呢，App 突然刷新答案了！  兄弟！！ 本来面试就够紧张了，我还在作弊，“ 神器 ”又突然翻车。 就问那个当下谁大脑不宕机，谁 CPU 不烧。要是我，我也拔网线啊。 “ 面试 ”结束后，差评君问了下“ 面试官 ”啥感觉，他说：差点没绷住。 综上呢，差评君真觉得这玩意不行，靠不住。割韭菜不说，心脏病都能犯好几次。 说是这么说，但网上已经有很多活生生的 AI 面试作弊例子。 程序员论坛 V2EX 就有不少老哥遇到过这情况。大家都表示，用 AI 作弊太明显了。 对方回答问题时，往往都是先愣住几秒，接着突然口若悬河，滔滔不绝，舌灿莲花，顽石点头。 但一扩展到没有固定答案的题目，一问一个不吱声。    同样的事情，在国外也发生过。 波兰一家远程工作的公司，招人时就遇到一个“ 香饽饽 ”。 这哥们简历是无敌的，从名牌大学毕业，也在知名企业工作过，技术面试中也是第一个 2 小时内完成所有编程任务的人。  老板都差点发 offer 了，结果最终面试时，觉得这哥们背景实在有点可疑。比如他从波兰华沙理工大学毕业，但不会说波兰语，就算了。 最骚的是，2 个月后那哥们用 DeepFake 换脸技术又来了，简历和技术依旧是乱杀。 最后咋发现的呢？老板让他把手张开，挡在自己的脸前面。 结果那个人拒绝了。  当然，这些年也确实有人用 AI 作弊成功了。 一个叫 Roy Lee 的哥伦比亚大学计算机系学生，就靠自己开发的 AI 工具，前后拿到 Amazon、Capital One、Meta、TikTok 四家巨头的 offer。 要不是他狼人自爆，估计现在都没人知道。  可能有差友看到这会说： AI 作弊确实不对，但这关我啥事， 这不 HR、老板操心的问题么。 那我们换个角度看：一个水平差你一大截的人，靠 AI 作弊，赚得比你还多，你也不答应吧。 虽说目前还是有不少 HR 可以看出 AI 面试——看应聘者的回答延迟、说话风格，问一些更细节的问题。 但我们也要考虑到 AI 还在发展以及幸存者偏差——没识别出作弊的 HR，也不会在网上说这些。 差评君是觉得，这样下去： HR 们迟早要被倒逼去学一些识破 AI 的技能，甚至面试软件也要接入 AI 表情判断，眼球追踪系统。  AI 攻防战，不会要在职场面试里打响第一枪吧？ 写文章时，差评君看到有人提出疑问： 牛马何必为难牛马。如果一个人能用 AI 解决所有问题，这不挺牛逼的么，不就说明他有这个能力吗？ 乍一看好像没法反驳，但其实漏洞太多。  首先，真正的面试，是思想的交锋，是实力的展示，而不是比谁 AI 工具用得“ 好 ”。 HR 想知道的是你的思想，你给的却是别人的声音—— 这不是所谓的辅助，这都是灵魂外包了。 其次， AI 不可能解决所有问题。 面试是面试，AI 能帮你通过面试，并不意味着它能搞定实际工作中每一个项目，每一个用屁股决策的甲方。 你要知道： 人有“ 一双 ”眼睛还是“ 两双 ”，“ 大家 ”后面是“ 好 ”还是“ 坏 ”，这些答案不过是 AI 从数据库里通过计算概率，猜出的最佳选项。 猜错答案、出现幻觉、胡说八道，也是 AI 的常态。 这种充满不确定、不稳定的外部技能，并不能称为自己的能力，更不能把日常工作完全托付给它。 否则： 你的每一次工作，都在把 AI 当成许愿机，然后双手合十，如赛博修女，静静祷告出现在面前的，是正确答案。 [查看评论](https://m.cnbeta.com.tw/comment/1491558.htm)

在停更多日、小米15周年发声后又短暂“停更”至今后，雷军终于现身了。今日，雷军现身北京小米总部，与几位同事一起站在楼下，目送客人离开。    不知是哪位重要客人来访，雷总亲自下楼送客。只见雷总双手握拳、略显拘谨，面带笑容欢送客人乘车离开。  有两辆商务车驶出了小米园区。   网友评论：“雷总瘦了，憔悴了”，“军军都憔悴了，心疼一分钟”，“没有之前那种快乐的感觉了”。 确实如网友所说，视频中的雷总憔悴了，与往日的神采奕奕相比，差别巨大。这与最近的事情不无关系。 小米SU7的事故不需再多提，自那之后，雷军的社交平台以往的节奏被打乱。 雷军在4月1日发声回应事故，称心情非常沉重，觉得不应该再等了，必须站出来，代表小米承诺：无论发生什么，小米都不会回避，将持续配合警方调查，跟进事情处理的进展，并尽最大努力回应家属和社会关心的问题。 此后，雷军的微博停更了5天。 直到4月6日，小米成立15周年的日子，雷军发微博称：“今天，小米的创业路已走过了15年。这只是开始，我们会继续努力。” 当天，小米众高管齐发微博庆贺小米15周年。 然后到今天，雷军又“沉默”了两天。 SU7事故相关家属的社交账号也不再更新，大家都在等待调查结果。无论这个结果是什么，我们猜测，雷军的社交平台多多少少会发生变化。具体分析请看下列文章。 [查看评论](https://m.cnbeta.com.tw/comment/1491554.htm)

腾讯今日发布截至2024年的年报，年报显示，截至2024年12月31日，腾讯大股东Prosus通过MIHInternet Holdings持有2214863800股，持股比例为24.01%，腾讯CEO马化腾持有804859700股，持股比例为8.72%。   截至2024年12月31日，腾讯股权结构 腾讯执行董事为马化腾，非执行董事分别为JacobusPetrus (Koos) Bekker、Charles St Leger Searle；独立非执行董事分别为李东生、Ian Charles Stone、杨绍信、柯杨、张秀兰。 截至今日收盘，腾讯股价为440.4港元，市值为40531亿港元。以此计算，马化腾持有的股权价值为3534亿港元。 今年以来，腾讯股价上涨了5.61%。不过，腾讯今年股价一度突破540港元，但自发布2024年第四季度的财报以来，腾讯股价已缩水超过20%。 最近几个交易日，腾讯每日都进行回购，每次金额为6亿港元。 分析认为，腾讯对股价策略是“托而不举”——腾讯当前股价处于相对高的位置，腾讯并未像2024年曾经有段时间每个交易日10亿港元的规模进行回购，近期港股波动中，腾讯就一天下跌超12%，直接从497港元跌至435港元，这使得投资者不仅很难从这样的回购规模中进行套利，还损失惨重。 **2024年斥资1120亿港元进行回购** 当然，相比于小米、比亚迪逢高配售，募资超过400亿的做法，腾讯对投资者更友善，也更让投资者尊重。  腾讯2024年一共斥资1120亿港元进行回购，购回合共307，238，500股股份。购回的股份其后已被注销。进行回购旨在长远提高股东价值。 于2024年，腾讯通过派发现金股息每股3.40港元（约320亿港元），及回购总值约等于1120亿港元的股份，向股东提供了可观的资本回报。 2025年，腾讯增加年度股息32%至每股4.50港元（约等于410亿港元），派息日前为2025年5月30日，并计划至少回购价值800亿港元的股份。  截至2024年12月31日，腾讯持有的现金及现金等价物为1325.19亿元，定期存款及其他为2828.94亿元，借款为1994亿元，应付票据为1392亿元，现金净额为767.98亿元。 **年营收6602.57亿** 年报显示，腾讯2020年、2021年、2022年、2023年、2024年营收分别为4820.64亿元、5601.18亿元、5545.52亿元、6090亿、6602.57亿；毛利分别为2215.32亿元、2459.44亿元、2387.46亿元、2931.09亿元、3492.46亿元。  腾讯2020年、2021年、2022年、2023年、2024年经营利润分别为1261.97亿元、1246.56亿元、1108.27亿元、1600.74亿元、2081亿元；年度盈利分别为1601.25亿元、2278.1亿元、1887亿元、1180.48亿元、1964.67亿元。  腾讯2024年来自增值服务营收为3192亿元，较上年同期的2984亿元增长7%，占营收的比例为49%；来自营销服务营收为1213.74亿元，较上年同期的1014.82亿元增长20%，占比为18%；来自金融科技及企业服务的营收为2119.56亿元，较上年同期的2037.63亿元增长4%，占比为32%。  按非国际财务报告准则，腾讯2024年经营盈利为2378亿元（331亿美元），同比增长24%；经营利润率由上年的32%上升至36%；年度盈利为2272亿元（316亿美元），同比增长40%；年度公司权益持有人应占盈利为2227亿元（310亿美元），同比增长41%。 腾讯2020年、2021年、2022年、2023年、2024年经调整净利分别为1432.41亿元、1527.29亿元、1432亿元、1918.86亿元、2378.11亿元。 [查看评论](https://m.cnbeta.com.tw/comment/1491552.htm)

在过去四个交易日中，苹果股价暴跌 23%，这再次让微软成为了全球市值最高的上市公司。截至周二收盘，微软的市值为 2.64 万亿美元，而苹果的市值为 2.59 万亿美元。 [](https://static.cnbetacdn.com/article/2025/0327/481ad0f92f3331d.jpg) 虽然唐纳德・特朗普总统的大规模关税计划让整个市场都遭受了重创，但在科技巨头公司中，苹果受到的冲击最为严重，原因是这家 iPhone 制造商对海外市场存在依赖。 在过去四个交易日里，纳斯达克指数下跌了 13%，因为特朗普总统决定对来自 100 多个国家的进口商品征收关税，这引发了人们对物价上涨可能导致经济衰退的担忧。瑞银集团的分析师周一预测，iPhone 16 Pro Max 在美国的售价可能会上涨至多 350 美元。 在最近的股票抛售潮之前，苹果、微软以及芯片制造商英伟达的市值都曾超过 3 万亿美元。 今年 1 月，微软发布的营收预期令人失望。尽管如此，上周，当杰富瑞集团的分析师下调了许多软件股的目标价时，他们写道，微软是那些 “我们认为受关税不确定性影响较小” 的公司之一。 在 2024 年初，微软也曾是所有上市公司中市值最高的，但苹果很快又夺回了这一头衔。  [查看评论](https://m.cnbeta.com.tw/comment/1491550.htm)

触底重生后，出海计划加速。