所有文章

图形AI粗读丨预训练特征与模型微调

![](https://image.gcores.com/64df0d89c249d84ba2ba3f6b9867e6b9-1920-1280.jpeg?x-oss-process=image/resize,limit_1,m_fill,w_626,h_292/quality,q_90) # 前言 在[上一篇](https://www.gcores.com/articles/200590)中,我们读到了正则化相关的技术,以及它对提升训练效率和避免过拟合方面起到的作用。 这次的课件中,我们会继续深入机器学习中偏落地实现方面的内容。这部分的时间节点大约是距现在10年前,之前介绍到了以图像识别为主的AI技术逐步进入了商业化阶段,因此各种提升性价比和提升模型性能的考虑也被不断提出和实践;另外,如何以较低成本迁移已有的模型训练成果也是实际操作中的考虑方向。 本文还是以翻译PPT页内容为主,打星号的部分则是我的补充说明。 # 1 表征学习——Representation learning ![回顾:在其它机器学习的基础上提出神经网络方式的动机](https://image.gcores.com/c55c1f8d3af4406814ce00f0c152beb7-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (回顾:在其它机器学习的基础上提出神经网络方式的动机) *之前某一篇中也介绍过,用NN提取特征时,人们只用设计少量超参数;如果是手动提取特征,则需要设计全部模型参数。 ![神经网络学习的内容](https://image.gcores.com/75f03c59158c7993ced4e4152a580639-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (神经网络学习的内容) (蓝字):高效地生成表征数据,自上而下地简化学习任务。 隐藏层——学习如何提取特征数据;输出层——学习如何预测。 ![如何高效地描述、表征图像?](https://image.gcores.com/8cd9470cb6ea4ec1bd2b990996a0a517-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (如何高效地描述、表征图像?) *以图中的汽车预测为例,需要预测颜色和车的种类。图中的全展开式参数也是一种方式,虽然明显不太成熟。 ![](https://image.gcores.com/9cc5aa7307dd42d2bc08922ccc98e226-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (红字)设计一个模型,先提取颜色、之后提取物体种类(使用多层提取特征的方式获得了更高的参数效率)。 ![诠释表征的一些核心技巧](https://image.gcores.com/04e3d8bfdd8f8da87922ca3d7492f825-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (诠释表征的一些核心技巧) - 视觉过滤器和结果激活图层。 - 基于相似特征检索相似的图像。 - 通过有着最大值激活单元的神经网络来分析图像。 ![](https://image.gcores.com/ce6c622f23a797cae125a9377490d83c-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 视觉过滤器和结果激活图层。 ![观察VGG16模型是如何学习的](https://image.gcores.com/cb7a600204af763f9e29098146ef2451-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (观察VGG16模型是如何学习的) *VGG16模型在上上篇中介绍ImageNet时介绍过。紫色框中间是3X3但个数逐步收敛的卷积核。 ![VGG16:3个卷积层中的过滤器](https://image.gcores.com/7bb872ef567c7b992d7655a64e638a2b-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (VGG16:3个卷积层中的过滤器) (蓝字)过滤器从探测简单的特征(例如边缘、颜色)逐步演变至复杂的结构。 ![观察AlexNet是如何学习的](https://image.gcores.com/c538f0061ce73e39bbd218c3f0d78c8e-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (观察AlexNet是如何学习的) 紫色框是11X11,步长为4的96个卷积核。 ![AlexNet:卷积层1中的96个过滤器](https://image.gcores.com/eff3caa87f3ba70782e068ae657bf901-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:卷积层1中的96个过滤器) (蓝字)过滤器探测不同的频率、朝向和颜色。 ![AlexNet:范例激活图层](https://image.gcores.com/83833362e6ebaf63f88ca0c2ee5c0dc5-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:范例激活图层) ![AlexNet:范例激活图层(回顾:每一个图层对应一个过滤器的结果)](https://image.gcores.com/6b7832da32d2daedbac1ae49f2586bd2-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:范例激活图层(回顾:每一个图层对应一个过滤器的结果)) *图中的例子,左侧彩色的是不同的图像,其右侧都是不同的特征提取(过滤器执行)的结果。 ![AlextNet:卷积层2中的256个过滤器](https://image.gcores.com/824c184a48ddff4e1ece41df9edb0799-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlextNet:卷积层2中的256个过滤器) (蓝字)如何在模型中诠释这些过滤器也是一项挑战。 ![AlexNet:采样的激活图层](https://image.gcores.com/41a06926e37b6bd00fd76a0610fac8ee-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:采样的激活图层) (蓝字)你能从图中推测每个过滤器各自提取的是什么特征么? *能看出的有比如:轮廓、边缘、亮度等。 ![](https://image.gcores.com/a7973c2d716e81d2e547e6fb71f56e6a-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 基于相似特征检索相似的图像。 ![](https://image.gcores.com/1df833873e0a38f2f3039a1ad7af9e1f-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *图中紫框是AlexNet的4096个节点的全连通层部分。 ![AlexNet:以相似的FC7向量检索图像](https://image.gcores.com/c59fff0a8f08cf5efcb9cd6c032230f1-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:以相似的FC7向量检索图像) (黑子)最左侧一列是测试图像,右边是相比测试图像的FC7特征激活有着最小欧氏距离的训练图像。 (蓝字)从中你能推测出怎样的FC7特征表征?——与光照和物态无关的图像语义。 *FC7是全连接层,因其输出都是向量数据,因此可以计算与目标值的欧式距离。 ![](https://image.gcores.com/c9b44694085cd2059c2c9a0223786890-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 通过有着最大值激活单元的神经网络来分析图像。 ![AlexNet:图像经过最大值激活函数,得到单输出的结果](https://image.gcores.com/a0d038d93281d2604013c8a2a8d6f52c-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (AlexNet:图像经过最大值激活函数,得到单输出的结果) 意味这100张图像中的哪些(例如,有着更高的激活分数)。 *紫框部分是一个多层重叠的MaxPool。关于最大值池在之前介绍池层时提到过。 ![总结:诠释表征的一些核心技巧](https://image.gcores.com/2b7d3c89e4592899fe1044ae2b075e8a-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (总结:诠释表征的一些核心技巧) 除了之前提到的3点,还有更多新的技术没有在课件中覆盖到。 ![CNN:通用表征](https://image.gcores.com/82b61bdf9cc985a26c5990ba4da4b662-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (CNN:通用表征) *这里是指通过不同训练目标的共同特征的提取,来实现跨模态信息融合的一种方案。可以看到自下而上,特征级别逐步提高;不同的物体识别共有了一部分特征提取节点。 ![研究CNN的一些在线工具](https://image.gcores.com/98c3dfb8d0bdc9aca63658945c1d94d4-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (研究CNN的一些在线工具) # 2 预训练特征——Pretrained features *这部分可以理解成预先集成进模型的一些卷积过滤器或激活函数过滤器。 ![CNN:预训练的特征](https://image.gcores.com/dbe99a2f88548b487acd96449c9fc8b0-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (CNN:预训练的特征) (预训练特征是)神经网路内已提取的数据表征,而不是来自输入或输出预测。 ![将AlextNet中预训练的CNN特征提取与不同的数据集比较](https://image.gcores.com/2cef5c76c4a1f933132af0627fb6131e-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (将AlextNet中预训练的CNN特征提取与不同的数据集比较) 数据集1:ImageNet(1.5M的物体图片,摘录自搜索引擎) 数据集2:Places(2.5M的场景图片,摘录自搜索引擎) ![](https://image.gcores.com/b617b1a574f999d19d650dbcebc156d1-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *下面关注紫框中的卷积层——过滤器的情况。这部分会进行一轮特征提取。 ![](https://image.gcores.com/506e7181fa571efb842895c0ed009082-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)不同数据集的过滤器看起来相似还是不同? ![](https://image.gcores.com/d5840beded909d27cd609492f82e1599-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *下面关注紫色框的MaxPool,这里会进行一轮最大值激活运算。 ![](https://image.gcores.com/52a2dde039b818453147044bcc047d9e-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)不同数据集中的过滤器是倾向于学习探测相似还是不同的特征? ![](https://image.gcores.com/fd4ae23bbb0385a2ea9b43a6c9f2fc7c-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)ImageNet-CNN中的过滤器更倾向于探测斑状结构而不是地形类结构。 ![](https://image.gcores.com/360fc89394e9627b12137758925ecb48-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *下面关注紫框中的MaxPool。 ![](https://image.gcores.com/7011947246875d98fd99fa8e9b523335-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)ImageNet-CNN中的过滤器更多被斑状结构激活——相较于地形类结构。 ![](https://image.gcores.com/f3c9add2c5c6cf6148289fe1155a6dd0-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *最后关注全连通层FC7的激活情况。 ![](https://image.gcores.com/29b0646208c3e5aac0dd5e059e15857f-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)ImageNet-CNN中的过滤器更多被斑状结构激活——相较于地形类结构。 ![总结](https://image.gcores.com/f4059358506b72ac0b872f1c2e95353f-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (总结) 特征的表征方式受很多因素决定,包括: - 用于解析特征的层 - 用于训练模型的数据类型 # 3 模型微调——Fine-tuning ![](https://image.gcores.com/6643bdcaec9604a6e168f4c98b40d8e0-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (蓝字)一个预训练的神经网络可以被“微调”以用于不同的数据集或目标任务。 ![调优——也被称为转化学习](https://image.gcores.com/de86491d89ea3fdbfa4076402d65675c-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (调优——也被称为转化学习) 使用预训练的神经网络作为不同数据集或目标任务的训练起点,例如: - 加载预训练的神经网络——(蓝字)早期层学习低级别的特征(边缘、斑点、颜色等);(紫色)后期层学习任务特化的特征。 - 替换最终层——(橙色字)将后期层替换成新的层,用于学习新的数据集特化的特征。 - 训练网络——使用新的数据集作为训练图像,新的最后层作为训练选项。 ![核心选择:冻结还是微调对应的层?](https://image.gcores.com/62e64d55564e85e3ca07da573d69836d-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (核心选择:冻结还是微调对应的层?) *这里冻结就是指保留原模型中的层,微调就是替换成新的待学习的层。 ![分组讨论](https://image.gcores.com/6290c73d712f787f365fc39cb20d4a7a-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (分组讨论) 假设你需要开发识别低收入家庭中常用物体的分类模型: - 如果你需要微调基于ImageNet预训练的AlexNet,会移除或冻结哪些层,为什么? - 如果现有一个对应低收入家庭物品的大规模数据集,你会从零开始(from scratch)训练AlexNet或针对ImageNet预训练的模型进行微调?为什么? *问题1参照前面的介绍,应该会替换最的FC6和FC7层,基于数据量不算丰富的情况进行少量样本训练,生成新的一套权重;对于问题2的假设,要达成更好模型预测结果,是需要从零开始训练的——相对于ImageNet数据来源地的情况(如图)。 *文末会附一篇网络上关于Fine Tuning的介绍。 # 4 训练神经网络:软件与硬件——Training neural networks: hardware & software ![回顾:神经网络成功的核心要素](https://image.gcores.com/79ebc2a6c99dbdd39f0bc23eb3d0be47-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (回顾:神经网络成功的核心要素) *文中的关键字:算法、数据、处理器。 ![](https://image.gcores.com/77dfe8e74fd350cd260e790178c1f0af-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 关键问题:到达目标(实现上句中的目标,进行数据预测)需要多长时间? ![挑战:训练神经网络需要大量运算(例如百万级的参数)](https://image.gcores.com/4a681253f958994b33714b501f93ef7d-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (挑战:训练神经网络需要大量运算(例如百万级的参数)) *这个图表之前的篇中也反复提到过了,简单再提一下就是前向输入数据——基于当前参数权重得出结果——将预测结果和目标值比较,计算变化梯度并反向调整参数。 ![理念:更好的硬件](https://image.gcores.com/047ea60ff06849c1610619c76bd7b085-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (理念:更好的硬件) 理念:使用GPU而不是CPU进行算法训练。 *“得益于”英伟达的市场推广,在10年前还要放在课件里提一嘴的事,现在应该已经是大众常识了。 ![历史回顾](https://image.gcores.com/822d9a8ab16cbaf243a3092567633d43-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (历史回顾) 更好的硬件——例如更好的处理器:GPU。(*图中是几十年间处理器算力的差距) ![](https://image.gcores.com/14cd30edb6c72ff3b674d8071f4cf833-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 例如,更多的存储空间。 ![](https://image.gcores.com/10c7f4fb328f7c6dedd5fb47c33b9ac1-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *图中是近几十年硬盘容量的变化。 ![硬件:CPU对比GPU](https://image.gcores.com/067e279113b663aed7cc3acf85ac980f-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (硬件:CPU对比GPU) 图形处理单元(GPU):能加速运算载荷,因为有着更多的处理核心。 *CPU单元少是因为设计出来是要处理复杂逻辑和计算,而神经网络中需要的计算GPU都能搞定。 ![](https://image.gcores.com/13a0206e38439cbe56cd35f62ad290f3-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) 如果不注意,读取数据输入到GPU可能会称为训练的瓶颈。解决方案: - 将所有数据读入内存 - 使用SSD存储设备 - 使用多CPU线程来预载数据 ![GPU设备:租还是买?](https://image.gcores.com/1393f9aad400fbe204aa0c33f8e2536d-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (GPU设备:租还是买?) *这篇大概反映了美国10年前的设备价格,可以参考一下相应的AI训练成本。 ![“深度学习”开源平台的兴起](https://image.gcores.com/e326a121efb349cd425cea188e280a36-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (“深度学习”开源平台的兴起) 动机: 可以在GPU上执行:OpenMP支持、OpenCL支持、CUDA支持、自动微分。 使用流行的神经网络架构来简化训练:有预训练的模型、回归型网络、卷积网络、RBM和DBN、并行执行(多节点)。 *RBM是限制性波尔兹曼机的缩写,DBN是深度信念网络的缩写。文末会附一篇介绍。 ![](https://image.gcores.com/818e53941e5cf72fbf93b1267237e3dc-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) *图中可以看到一些开源深度学习训练的平台,有些到现在还是AI模型训练的常客。 ![Microsoft Azure支持的平台](https://image.gcores.com/17c6dfaa9d5e80065af8ed0ac46d5f7d-2667-1500.jpg?x-oss-process=image/resize,limit_1,m_lfit,w_700,h_2000/quality,q_90/watermark,image_d2F0ZXJtYXJrLnBuZw,g_se,x_10,y_10) (Microsoft Azure支持的平台) *Microsoft Azure是微软的一个云计算系统服务平台,而其中列出名字的一些平台很多还是AI模型训练甚至入门级学习的常客。 # 结语 这一篇的内容,在课件中并没有对各个方面进行很深入的讲解,更像一篇提纲。 我个人对此的理解是:具体的实践智慧,在10年前和目前肯定也有了非常大的变化,近些年全球高校和头部科技公司涌现出的论文汗牛充栋,很大一个方面就是模型训练的算法优化和效率提升;另一方面,这篇课件确实引出了例如TensorFlow、PyTorch等目前比较成熟的开放训练技术平台,在10年后的现在,对于志业在AI大模型方向的人来说,在TensorFlow上训练一个基于ImageNet的模型就已经是偏“入门级”的操作内容了。 下篇会进入有更多算法细节的部分,会读到物体探测和语义分析。 下面是资料链接: [NeuralNetworksAndDeepLearning-Spring2022/Lectures/09-PretrainedFeaturesAndFineTuning.pdf](https://home.cs.colorado.edu/~DrG/Courses/NeuralNetworksAndDeepLearning-Spring2022/Lectures/09-PretrainedFeaturesAndFineTuning.pdf) [腾讯云上关于预训练模型应用相关的很多论文摘要](https://cloud.tencent.com/developer/article/1920770) [知乎上一篇关于表征学习的概要,包含其它媒介形式](https://zhuanlan.zhihu.com/p/136554341) [知乎上一篇关于LLM微调的介绍](https://zhuanlan.zhihu.com/p/694447562)

2025-07-20 06:35:46 · 0次阅读
 
 
全球首家特斯拉超充影院餐厅试营业 机器人卖爆米花

7月20日消息,位于洛杉矶圣莫尼卡大道的特斯拉首家“超级充电餐厅”正式试营业。**这家店把1950年代汽车餐厅、赛博霓虹和巨型影院屏幕装进同一空间:** 80根V4超充桩一字排开,两辆特斯拉停在旁边就能边充电边看电影; 两个45英尺LED巨幕同步播放影片,声音直接通过车内音响输出,车主不用下车就能“包场”。点餐更简单,车机屏幕一键下单,汉堡、薯条、热狗、奶昔、鸡翅全都有。 **现场最惹眼的是擎天柱机器人,它端着爆米花穿梭送单,旁边还有真人服务员补位。** 马斯克2018年的脑洞如今落地成现实,复古轮滑、霓虹灯、钢铁装饰一个不少,Cybercab无人驾驶出租车也停在影院里凑热度。 充电、吃饭、看电影一条龙,特斯拉把“等人”的碎片时间变成了一场小型嘉年华。 [![](https://static.cnbetacdn.com/article/2025/0720/4788a277d59c565.png)](//img1.mydrivers.com/img/20250720/1758e4a26a9c4dbb9ad9bc1ced87540c.png) [查看评论](https://m.cnbeta.com.tw/comment/1514204.htm)

2025-07-20 06:35:07 · 0次阅读
 
 
马斯克宣布将推出儿童版AI应用“Baby Grok” 暂未披露功能细节

据彭博社等媒体报道,美国企业家埃隆·马斯克20日通过社交平台X宣布,其人工智能公司xAI将开发一款专为儿童设计的应用“Baby Grok”。报道称,马斯克未透露“Baby Grok”的具体功能细节,仅表示该应用将为儿童提供“友好型内容”。 ![](https://n.sinaimg.cn/spider20250720/445/w822h423/20250720/1aea-e42ac2a5c04ef1da71f9fcceb1082699.png) 彭博社称,xAI 7月初刚推出新一代聊天机器人Grok4,这距前代产品发布仅隔数月,凸显人工智能领域的加速迭代。而此次更新正值Grok陷入舆论旋涡,该应用此前在X平台发布多条反犹言论,引发广泛谴责。 印媒报道称,“Baby Grok”将专门为儿童提供适合的内容,旨在为年轻用户创建一个安全的数字空间。马斯克此举标志着xAI发展的新方向,此前该公司一直专注于通用AI模型。 [查看评论](https://m.cnbeta.com.tw/comment/1514202.htm)

2025-07-20 06:05:21 · 0次阅读
 
 
马斯克:我对人工智能抗拒了太久 现在游戏开始了

20日,亿万富翁埃隆·马斯克在社交平台X表示,“有时,人工智能存在性焦虑令人难以承受。”他随后又发文称:“我对人工智能抗拒了太久,一直活在否认之中。现在,游戏开始了。” ![](https://n.sinaimg.cn/finance/transform/796/w550h246/20250720/5d19-21aafedef81bec89d57692051f192da6.jpg) 当日,他声称将推出儿童友好型Baby Grok,并公布了“AI男友”Valentine视频。 ![](https://n.sinaimg.cn/finance/transform/193/w550h443/20250720/78ef-b59f1c15da8703baefbce87b7e7dffb4.png) 据报道,马斯克的Grok4机器人近期因反犹等内容备受争议。 [查看评论](https://m.cnbeta.com.tw/comment/1514200.htm)

2025-07-20 06:05:11 · 0次阅读
 
 
白话经济学十大原理:这些“道理”,藏在每天的生活里

白话经济学十大原理:这些“道理”,藏在每天的生活里

2025-07-20 06:00:53 · 0次阅读
 
 
被光伏招商“套牢”的地方国资,拿起了法律武器……

地方政府在招商时的背调、风控明显出了问题。

2025-07-20 06:00:49 · 0次阅读
 
 
当零跑开始讲“故事”

十年磨一剑,零跑终于开始讲述它想成为谁。

2025-07-20 05:39:38 · 0次阅读
 
 
商务宴请萎缩,徐记海鲜“下凡”

高端酒楼,飞入寻常百姓家。

2025-07-20 04:46:13 · 0次阅读
 
 
AI Agent变“第二个我”?从惊艳到警觉,只用了五分钟

ChatGPT Agent带来的便利与隐忧

2025-07-20 04:46:09 · 0次阅读
 
 
营收暴跌95%还要IPO?44亿"伟哥公司"背后的估值游戏

营收暴跌95%还要IPO?44亿"伟哥公司"背后的估值游戏

2025-07-20 04:46:05 · 0次阅读
 
 
LIS系统设备与试剂管理功能设计

<blockquote><p>在现代实验室的信息化建设中,设备与试剂的管理不只是“账目清晰”那么简单,而是牵动着实验效率、质量控制乃至成本优化的核心环节。本文聚焦于LIS系统中设备与试剂管理模块的设计逻辑与实践探索,从功能结构到业务配套,为你揭示系统背后那些“看得见与看不见”的产品思维。</p> </blockquote> ![](https://image.woshipm.com/2023/04/17/381527c4-dcf5-11ed-9781-00163e0b5ff3.png) 在现代医学检验实验室中,设备与试剂的管理如同人体的循环系统——看似平凡却关乎整个检验流程的顺畅运行。检验结果的准确性、报告的及时性、成本的可控性,最终都要落到这两大核心要素的管理上。而LIS(实验室信息系统)的设备与试剂管理功能,正是让这个循环系统高效运转的核心引擎。从设备的数字化建档到试剂的全流程追溯,每一个功能细节的优化,都在推动实验室管理从粗放式经验走向精细化数据。 ## 一、设备管理 实验室设备是检验工作的硬件基础,其状态直接决定检验质量。LIS系统的设备管理功能,通过全生命周期数字化管控,让每一台设备都处于可知、可控、可预测的状态,实现从被动维修到主动运维。 ### 1.1 设备信息录入 设备信息录入不是简单的信息登记,而是为每台设备建立数字孪生档案——既要包含基础身份信息,更要关联检验业务的核心数据,为后续管理提供数据依据。 **1)信息采集的全面性**:以全自动生化分析仪为例,除名称、型号、生产厂家等基础信息外,必须纳入三类关键数据: - 业务关联数据:可检测的50余项生化项目(如肝功能的ALT、AST,肾功能的肌酐、尿素氮)、检测原理(比色法/电极法)、配套试剂类型(液体双试剂/干粉试剂); - 成本核算数据:购置价格、保修期(如05-2026.05)、预计使用寿命(10年); - 操作规范数据:日常操作SOP编号(如SOP-SHYX-001)、操作人员资质要求(需持生化检验上岗证)。 **2)录入功能的场景适配性**:不同规模实验室的需求差异显著,系统需提供灵活切换的录入方式: - 小型实验室(10台以内设备):设计一步式录入界面,首屏展示80%核心信息(设备名称、编号、型号、检测项目范围),次要信息(如生产厂家地址)可折叠,减少页面跳转; - 大型实验室(数十台设备):开发Excel批量导入模板,模板预设强制字段+可选字段(强制字段如设备编号、检测原理,可选字段如生产厂家联系方式),并内置格式校验(如设备编号需符合实验室代码+设备类型代码+3位序号,如JKY-XYFX-005代表检验科血液分析仪第5台)。某省级三甲医院上线时,通过该功能3小时完成42台设备录入,较手工录入(2人×2天)效率提升近10倍。 **3)数据准确性的技术保障**:系统需通过规则校验避免数字垃圾: - 唯一性校验:设备编号重复时,立即弹出红色提示框(如编号JKY-SHYX-003已存在,对应设备为奥林巴斯AU5800生化仪); - 关联性校验:录入检测项目时,系统自动匹配设备型号支持范围(如录入肌钙蛋白时,若设备为普通生化仪,提示该设备不支持此项目,建议关联化学发光仪)。 ### 1.2 运行状态监控 检验设备的突发故障是检验延误的主要原因,尤其是急诊样本(需30分钟内出结果),任何停顿都可能影响临床决策。LIS系统通过物联网技术,搭建设备健康监测网,让设备状态实时可见、异常即报。 **1)传感器的精准感知**:针对设备关键部位部署定制化传感器,实现毫米级、秒级监测: - 孵育箱:顶部和底部各嵌入1个±0.1℃精度的热电偶传感器,监测温度均匀性(避免局部过热导致的结果偏差); - 离心机:转轴外侧安装非接触式霍尔效应传感器,实时捕捉转速(如设定值3000r/min,波动超±150r/min即触发预警); - 生化分析仪:试剂仓加装红外传感器,每30秒扫描一次试剂余量(精确到剩余检测次数,如可检测120人份); - 血液分析仪:采样针安装压力传感器,若穿刺阻力异常(如堵针),立即反馈采样异常。 **2)警报的分级响应**:系统根据设备重要性和异常程度,触发差异化警报: - 急诊设备紧急异常(如急诊生化仪孵育温度2℃,超出37±0.5℃范围):实验室操作间声光报警(红色警示灯闪烁+蜂鸣器响)、当班技师手机短信(含设备名称+异常项+处理建议)、系统自动创建维修工单(指派给急诊设备专员); - 常规设备一般异常(如门诊血液分析仪计数通道轻微堵塞):系统弹窗提示+设备管理员微信消息(10分钟内未处理自动升级提醒)。 ### 1.3 维护保养计划 “三分用,七分养是设备管理的黄金法则。一台百万级生化仪,维护得当可延长3-5年寿命,反之可能因小故障积累导致核心部件损坏(维修成本超30万元)。LIS系统将经验性保养转化为数据化计划。 **1)定制化保养计划的智能生成**:系统根据设备使用强度+厂家规范自动生成计划: - 高频设备(如日均检测1000份样本的生化仪):每3天冲洗试剂管路(避免结晶堵塞)、每2周校准光路(保证吸光度准确性)、每3个月更换蠕动泵管(预防漏液); - 低频设备(如每月使用10次的血气分析仪):每季度校准电极(避免电解液老化)、每半年更换过滤器(防止气路污染); - 特殊设备(如PCR仪):每次使用后自动提示紫外消毒30分钟,并记录消毒时间(关联下次使用权限)。 **2)计划执行的闭环追踪**:系统通过全流程提醒+记录留痕确保保养落地: - 提醒机制:任务到期前3天启动渐进式提醒(第1天站内消息、第2天微信推送、第3天电话自动外呼); - 记录要求:维护完成后需录入更换部件型号(如蠕动泵管XX-003)、校准前后参数对比(如校准前ALT试剂吸光度误差3%,校准后0.8%)、操作人签名; - 考核挂钩:未按时完成的任务自动计入科室月度考核(占比设备管理分的20%)。 ## 二、试剂管理 试剂是检验结果的源头变量,其质量、库存、流转直接影响检验准确性与成本。LIS系统的试剂管理功能,通过全流程追溯+智能预警,让每一瓶试剂都可查、可用、不浪费,从库存混乱到精准流转。 ### 2.1 入库管理 试剂入库不是简单的签收登记,而是通过全信息核验拦截不合格试剂,避免源头污染。 **1)入库方式的场景适配**:针对不同来源试剂设计差异化流程: - 采购入库:扫描随货同行单的GS1二维码,系统自动关联采购订单(显示订购20盒,本次到货15盒,短缺5盒需补送),并校验供货厂家是否在合格供应商名单内; - 赠送入库:需上传厂家赠送协议(含试剂批号、有效期、用途限制),且仅限非诊断用试剂(如科研用校准品),诊断用试剂需额外经院感科审批; - 内部调拨:如检验科向急诊化验室调拨新冠试剂,需双方管理员在系统内确认(调出方扣减库存,调入方增加库存),并生成调拨单(含经手人、时间、用途)。 **2)信息核验的严格把关**:扫描试剂包装追溯码后,系统自动校验三大核心要素: - 批次匹配:若采购订单要求20231001批次,实际到货为20230915批次,立即提示批次不符,需采购专员确认是否接收; - 效期预警:有效期<3个月的试剂(如实验室设定阈值),弹出黄色警告框(“该试剂剩余效期58天,建议优先用于门诊样本),且需管理员手写原因后才能入库; - 冷链合规:对需2-8℃保存的试剂(如新冠核酸检测试剂),系统自动读取运输过程的冷链温度记录(通过蓝牙对接冷链箱温度计),若运输途中有1小时超温(如达10℃),拒绝入库并触发不合格品处理流程。 ### 2.2 出库管理 试剂出库的核心是按需发放、成本可控,既要避免发错试剂影响检验,又要确保费用与患者账单精准关联,实现试剂精准流向。 **1)出库规则的智能匹配**:系统根据检验需求自动关联试剂,避免人为差错: - 项目关联:技师录入血常规+CRP申请时,系统自动生成出库单(含EDTA-K2抗凝管、血常规试剂、CRP乳胶试剂),且标注CRP试剂需冷藏,建议从冷链冰箱取用; - 先进先出:同一试剂有多个批次时,系统优先推荐效期最早的(如20231101批次剩5盒,20240101批次剩10盒,自动选择前者),尤其对酶类试剂(如ALT试剂)可减少因效期不足导致的活性下降。 **2)费用关联的无缝对接**:通过与HIS系统集成,实现试剂消耗-费用结算自动联动: - 高值试剂(如肿瘤标志物CEA试剂,单盒800元):出库时系统实时将名称、数量、单价同步至HIS,患者结算时自动计入检验费明细; - 低值耗材(如采血针):按每日汇总同步(如当日出库500支,系统自动生成检验耗材费-采血针合计金额)。 ### 2.3 库存预警 试剂短缺(如流感季有样本无试剂)或积压(如过期浪费)是实验室的常见痛点。LIS系统通过动态阈值+多级提醒,让库存始终处于安全区间,保障试剂不断供、不积压。 **1)库存阈值的智能设定**:系统根据历史数据自动调整安全库存,避免一刀切: - 常规试剂(如血常规试剂):按近3个月平均消耗量×1.2设定(如每月用100盒,安全库存=100×1.2=120盒); - 季节性试剂(如流感病毒检测试剂):每年10月自动将安全库存提高50%(从80盒调至120盒),并在次年3月调回; - 应急试剂(如鼠疫检测试剂):保持至少100人份固定库存,且每季度自动提醒效期检查。 **2)预警机制的全面触达**:系统通过多渠道确保预警信息不被忽略: - 视觉提醒:系统首页红色预警栏(如告急:新冠核酸提取试剂,当前20人份<安全库存50人份)、实验室电子看板滚动播放; - 人员提醒:向采购专员发送短信(含缺口数量、建议采购量、历史供应商)、实验室晨会自动播报预警清单; - 流程联动:库存<紧急阈值(如安全库存的50%)时,系统自动生成采购申请单(预填试剂名称、规格、建议厂家),推送给采购科。 ## 三、业务价值 LIS系统的设备与试剂管理功能,最终实现的是实验室管理从被动应对到主动管控的升级。 在设备端,通过全生命周期数字化,设备从买来就用、坏了再修变为按需维护、预测故障;在试剂端,通过全流程追溯,试剂从库存混乱、过期浪费变为精准流转、成本可控。 这种转变的核心,是让数据代替经验、流程代替人工,让实验室真正聚焦检验质量而非管理琐事。 本文由 @阿堂 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自Unsplash,基于CC0协议

2025-07-20 04:43:48 · 0次阅读
 
 
任天堂 Switch 重新定义了游戏机,而 Switch 2 重新定义了 Switch

Switch 2,任天堂的 iPhone 4。 #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/1631386) ·[查看评论](https://www.ifanr.com/1631386#comments) ·[新浪微博](https://weibo.com/ifanr)

2025-07-20 04:00:27 · 0次阅读
 
 
售价10万元 AMD旗舰CPU 96核PRO 9995WX跑分暴增60%

AMD新一代Zen5架构的线程撕裂者PRO 9000WX系列的国行价格已经公布,其中96核心撕裂者PRO 9995WX售价为99995元,接近10万元。**在Chiphell论坛相关帖子中,Napoleon放出了线程撕裂者PRO 9995WX在Cinebench R23多核测试中得分,获得了高达173452分。** ![](https://static.cnbetacdn.com/article/2025/0720/2d4f0b3de040fd2.png) 这一分数相比前代7995WX的平均得分(约100000至110000分)提升了近60%,根据他的说法应该是开启了PBO模式,而功耗也达到了840W。 除了旗舰型号外,AMD线程撕裂者PRO 9965WX(24核48线程)也在Cinebench R23测试中表现出色,得分60336分。 ![](https://static.cnbetacdn.com/article/2025/0720/5b7118a26ec6d79.png) **相比前代7965WX提升了22%,与32核的线程撕裂者7975WX相当,**这一成绩似乎是在默认设置下取得的,开启PBO模式后,性能有望进一步提升。 [![](https://static.cnbetacdn.com/article/2025/0720/fd916d6624e1546.png)](//img1.mydrivers.com/img/20250720/3f095e63-4f13-4d0a-a6f1-1d2656472d28.png) 需要注意的是,Cinebench R23的测试结果与核心频率密切相关,比如线程撕裂者PRO 7995WX在液氮冷却和超过6000MHz的频率下,可以突破200000分大关,因此,9995WX在实际应用中的表现可能会更加出色。 [查看评论](https://m.cnbeta.com.tw/comment/1514198.htm)

2025-07-20 03:35:20 · 0次阅读
 
 
美国进口汽车25%关税威力巨大 大量汽车积压比利时港口

据央视新闻报道,美国政府4月初开始对进口汽车加征25%的关税,这一举措对欧洲汽车产业的对美出口造成了严重影响。在比利时最大的港口安特卫普-布鲁日港,**原定出口美国的汽车在这里大量积压,无法装船出海。** [![](https://static.cnbetacdn.com/article/2025/0720/1f1cec3174a4323.jpg)](//img1.mydrivers.com/img/20250720/fe8eeb7d90774837b7d4d40d15776260.jpg) 据了解,美国对进口汽车加征25%的关税已于4月3日正式生效,**此前美国只向来自欧洲产地的汽车征收2.5%的关税,目前已经累计达27.5%。** 受关税影响,2025年上半年,由安特卫普-布鲁日港运往美国的新车数量同比下降了15.9%。 此外,美国政府近日又宣布自8月1日起将对欧盟国家商品征收30%的关税,这导致一些汽车制造商暂时叫停了对美出口。 比利时ICO滚装运输公司总裁阿兰·吉勒明:美国关税政策如今给市场带来了一些不确定性,或者说不止一些。在8月1日前,汽车制造商会观察一下事态的发展,所以他们会暂停出口一段时间。 事实上,除了欧盟受美国进口关税影响之外,日本对美国的汽车出口也有明显下降。 日本财务省近日公布数据显示,由于美国关税政策导致日本对美汽车出口额锐减,6月日本对美出口额同比下降26.7%,已是连续第三个月同比下降。 [查看评论](https://m.cnbeta.com.tw/comment/1514196.htm)

2025-07-20 03:35:07 · 0次阅读
 
 
贾跃亭首款MPV被指抄袭长城 FF官网删除高山9宣传语

日前,由贾跃亭创立的Faraday Future(法拉第未来,简称FF)旗下第二品牌Faraday X首款MPV车型Super One发布。新车发布后,有不少网友质疑其外观设计抄袭长城汽车的魏牌高山。 更尴尬的是,**甚至有网友发现FF官网的Super One介绍页面出现了高山9的宣传语。** [![](https://static.cnbetacdn.com/article/2025/0720/3e1eb9f4a03a76f.png)](//img1.mydrivers.com/img/20250720/5dfa4aee8cfd4716aa771423317a7094.png) 修改前 目前,**FF官网已删除“高山9”字样。** [![贾跃亭首款MPV被指抄袭长城 FF官网删除高山9宣传语](https://img1.mydrivers.com/img/20250720/f0e1d02afc39445099cbb74b2dc3a765.png)](//img1.mydrivers.com/img/20250720/f0e1d02afc39445099cbb74b2dc3a765.png) 修改后 FF表示,截至717发布会结束,FX Super One已累计收取B2B和B2C共10034个付费预订单。 据了解,**FX Super One在进气格栅位置可以选装一块大尺寸显示屏,官方称其为“AI具身智能生命体”。** 按照FF的说法,FX Super One配备的全球首创Super EAI F.A.C.E.(超级智脸)系统,取代传统汽车“僵尸脸”,实现“千车千脸”。 据悉,Super One将推出两种动力系统:纯电动与全球首创的超级AI混增系统。 每种动力形式均提供四座GOAT版、六座版和七座版,共计六个版本。 [![](https://static.cnbetacdn.com/article/2025/0720/25eeaac1e365af7.jpg)](//img1.mydrivers.com/img/20250720/be64510f131d484592f0d138a3654e0f.jpg) [![](https://static.cnbetacdn.com/article/2025/0720/badf7900fa857e3.jpg)](//img1.mydrivers.com/img/20250720/16d3b7e8dc3844b3829aba8b2d9fac75.jpg) [![](https://static.cnbetacdn.com/article/2025/0720/13e531b65296571.jpg)](//img1.mydrivers.com/img/20250720/55f352a3ea4246bb9c3a3520547df416.jpg) [![](https://static.cnbetacdn.com/article/2025/0720/cb9f6226b2c0cfe.jpg)](//img1.mydrivers.com/img/20250720/f0abc4c82313463c8def10a79caf01db.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514194.htm)

2025-07-20 03:05:31 · 0次阅读
 
 
消息称NVIDIA H20供应有限 且不打算重启生产

据报道,**NVIDIA已告知中国客户,H20芯片的供应有限,并且公司不打算重启生产。**近日NVIDIA公开宣布,H20芯片已经获得美国的批准,将重新恢复对中国厂商供应。不过最新消息显示,**由于美国4月的销售禁令,NVIDIA取消了在台积电预订的制造产能,导致H20芯片的供应有限。** H20是NVIDIA在2023年底专为中国市场打造的AI芯片,曾是NVIDIA在中国合规销售中性能最强的产品。 今年4月,美国政府以国家安全为由,禁止NVIDIA向中国出口H20芯片,担忧其可能被中国军方用于推进军事现代化等。 知情人士称,美国政府4月的销售禁令,迫使NVIDIA取消客户订单,以及在生产芯片的台积电预订的制造产能。 [![](https://static.cnbetacdn.com/article/2025/0720/3f7006f5da8cae0.jpg)](//img1.mydrivers.com/img/20250720/5a7c675dc33a4552b2a995044ce8aa8f.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514192.htm)

2025-07-20 03:05:20 · 0次阅读
 
 
“史诗级”外卖大战,究竟因何而战?

7月18日,市场监管总局约谈饿了么、美团、京东,要求三家平台企业进一步规范促销行为,理性参与竞争。就在网友们担心“别给优惠券谈没了”时,今天(19日),外卖大战继续“红温”!三大外卖平台再度一齐发起大规模补贴,推出“0元奶茶”“0元早餐”等神券。有网友造梗称:“一代人有一代人的鸡蛋要领”,自嘲年轻人对网络时代“薅羊毛”行为的执着。 ![](https://static.cnbetacdn.com/article/2025/0720/086d9c76e27cf0d.jpg) 然而,不少领着补贴吃外卖的人都在困惑,这场堪称“史诗级”的外卖大战,究竟因何而战?而在外卖巨头间战争的硝烟下,商家和消费者真的是获利者吗? **顾客0元购,骑手日挣千元** 7月19日一早,点开外卖平台的孙琦,就接连收获“大礼”:美团发来了零元奶茶、早餐的兑换券,而淘宝闪购发来了一套188元的优惠券包,并宣传称“1天5顿全包”!“一天吃五顿,把消费者照顾的跟坐月子似的,还挺受用。”孙琦美滋滋的表示。 其实,从7月5日“外卖大战”首次“白热化”以来,孙琦已经很少外出堂食了,无论在家还是单位,快到饭点时,他就会拿出手机,“像约定好了一样”收取大额满减的优惠券,部分优惠券满减力度,甚至能达到“满15减15”、“满20减18”。“一周以来我养成了一个习惯,超过10元的饭不点,超过5元的奶茶不喝,”孙琦笑言:“放着现成的羊毛不薅,以后会后悔的!” ![](https://static.cnbetacdn.com/article/2025/0720/457d94ed49b8ffd.jpg) 不过,孙琦回忆,上周末到店取美团0元购饮品时,还是遇到了挫折。他本想按照预约时间到店,拿了0元下单的柠檬水就走,然而等到了位于郑州市索凌路的门店时,却发现店门口早已沿着马路排起了数十米的长队(如图),队伍前面一名小伙子告诉他:已排了近半小时的队,“出的汗都比一杯柠檬水多得多了”。 在消费者薅羊毛的同时,骑手们也忙的不亦乐乎。7月12日19时许,外卖员张鸣在等餐的空挡,匆匆告诉记者,活动日平台的配送补贴很高,上调的配送费叠加高温补贴,“平时跑一单能挣三四块钱,但今天可以拿到八九块钱。几个同行今天已经挣了上千元。” ![](https://static.cnbetacdn.com/article/2025/0720/b5fad47b1fbe515.jpg) 虽然当天郑州的最高气温一度突破40度,但面对配送费翻倍、单量又多的情况,不少骑手都不舍昼夜的骑行、奔跑。张鸣表示,“今天已经跑了60多单,准备挣够800再休息”。 **外卖大战或将冲击餐饮业** 与消费者、骑手乐此不疲的状态相反,餐饮店面的员工面对外卖大促却疲于应对。某商场连锁餐饮品牌店长胡先生告诉记者,很多店家都是被动参与到这场外卖大促中的,店面有自身的运营规划和营销动作,突然的大促,会对门店运营造成很大压力。 “平常周末的订单在一百多单,但上周末的补贴大战,让单量暴增至300单,已经累的两名店员提出离职了。”胡先生无奈的表示:“短时间内订单激增,导致我们不管是堂食还是外卖的顾客,都照顾不周,收到了好几条差评!” 上周六晚19:30分,就在胡先生的门店还在疯狂出单时,美团发布了最新战报,显示即时零售订单再创新高。在发送“0元券”的美团“神枪手项目”里,实时订单量接近4000万单! ![](https://static.cnbetacdn.com/article/2025/0720/30e048d6b7e7aab.jpg) 那么,在外卖巨头间战争的硝烟下,商家到底是不是获利者?对此,中国食品产业分析师朱丹蓬认为,外卖大战,于餐饮商家有短期商业利好,但对餐饮行业的颠覆,却是深远的。 “外卖大战的确让不少商家订单翻倍,营收激增。但补贴活动只是短期的,消费者消费习惯的重构,却是长期的。”朱丹蓬分析道,在大额优惠面前,原本更愿意堂食的消费者,也开始接受并适应了外卖,实体餐饮店未来无疑将会面对更多习惯了利润薄的线上客户,经营环境会愈发艰难。 此外,河南好恰餐饮管理有限公司总经理任鑫炜也认为,持续的价格战也会带来“价格锚效应”。“原本价值30元一份的套餐,消费者在活动期间10块钱就买到了,他会觉得这个套餐只值10元,如果恢复原价就不会复购了。”任鑫炜说,品牌建立起来的客单价体系,不得不承受用户价格预期下调的经营压力,将会更加艰难,“餐饮品牌的创新能力、管控能力、对餐饮的坚守是未来存活的关键”。 **外卖大战,抢的到底是块什么“蛋糕”?** 其实,消费者所说的外卖大战,从今年4月份,京东率先宣布启动“百亿补贴”时,就开始打响了。7月2日,淘宝也高调宣称启动500亿元补贴计划,并在7月5日发起第一波大额补贴模式,瞬间让消费者陷入疯狂囤货状态。美团在7月5日当天也立即接招,向用户推送大批优惠券,还高调宣布:截至7月5日22时54分,美团即时零售当日订单已经突破了1.2亿单,其中,餐饮订单已超过1亿单。 如此激烈的外卖大战究竟因何而战?对此,郑州商学院工商管理学院教师张倩丽认为,外卖战只是表象,巨头之间争夺的是外卖背后更大的即时零售市场。 “曾几何时,淘宝、京东曾是大家网购的唯二选项。然而近两年,抖音和拼多多入局电商,势头强劲。”张倩丽分析指出,新兴电商平台的商品交易总额直接超越京东,也挤压的让淘宝的市场占比不足50%。于是,需要新的流量加持的两个传统电商巨头,将视线瞄准了外卖这个每天活跃用户数亿的超大流量入口,“毕竟东西可以几天不买,饭可得顿顿不落啊!” ![](https://static.cnbetacdn.com/article/2025/0720/09409203ff2cd25.jpg) 百亿补贴为京东换回了巨大的流量,今年4月起,月平均用户两年来首次实现反超美团,据悉,四成点外卖的消费者都会选择在京东购物。京东的探索,让淘宝深受启发,立马将旗下饿了么转化成淘宝App内的闪购外卖,并发起500亿补贴的闪电战,目的也是为了让外卖引流,从而守住自己在电商领域的优势。 朱丹蓬认为,当电商平台开始经由骑手,串联起线下卖家与买家时,平台便突破了自身瓶颈,拥有一大块增量市场。“将从高利润但购买频次较低的商家处赚到的钱,补贴给高购买频次的餐饮商家,通过提升用户活跃度和转化率,再反哺高利润低频商家,实现良性循环。”朱丹蓬说:“这也正是传统电商乐于‘烧钱’的用意!” (应受访者要求,孙琦、张鸣为化名) [查看评论](https://m.cnbeta.com.tw/comment/1514190.htm)

2025-07-20 03:05:11 · 0次阅读
 
 
娃哈哈“遗产争夺战”终局大推演

当国资介入,终局走向有了更多可能性

2025-07-20 02:53:06 · 0次阅读
 
 
美国诞生又一千亿美元AI巨头 2027年要超越OpenAI

据外媒The Information报道,据两位参与讨论的人士透露,美国AI独角兽Anthropic的部分盈利指标正在改善,这一财务表现已促使部分投资者伸出“橄榄枝”:若Anthropic启动融资,他们愿意以**超过1000亿美元(约合人民币7180.2亿元)的估值**进行投资。 ![](https://static.cnbetacdn.com/article/2025/0720/c5e3b8446fe640a.jpg) Anthropic管理层向投资者透露,其直接向客户销售AI模型和Claude聊天机器人产品的**毛利率约为60%**,并预测2027年Anthropic营收有望达到**350亿美元(约合人民币2513.1亿元)**。 据外媒The Information报道,OpenAI今年初预测2025年其毛利率将达到**48%**,到2029年达到**70%**,保守估计其**2027年营收为120亿美元(约合人民币861.6亿元)**。从预测数据看,Anthropic与OpenAI的差距正在逐步缩小。 一、毛利率达60%,但云服务业务仍亏损30% 据爆料,Anthropic近期告知投资者,其直接向客户销售AI模型和Claude聊天机器人产品的毛利率约为**60%**,并正朝着**70%**迈进。该毛利率数据通常指扣除服务器成本和客户支持费用后的利润占比。知情人士解释道,这些毛利率会随公司对计算资源的规划使用效率而波动。 知情人士还补充道,今年早些时候,Anthropic通过亚马逊云服务和Google云销售Claude模型的毛利率为**-30%**,猜测原因可能是亚马逊和Google在向云客户转售Anthropic模型时抽取了可观分成。 但通过云服务商产生的收入可能只占Anthropic总收入的少数,截至2024年底,其**约70%收入来自直销**。目前尚不清楚直销收入的具体占比,但最新披露信息显示,Anthropic的整体毛利率可能还将维持在**50%-55%**,与2023年底持平。 作为对比,OpenAI今年初预测2025年毛利率为**48%**,并预计将稳步提升,到2029年达到**70%**。两家公司的毛利率计算方式是否一致尚不明确。 值得注意的是,Anthropic与OpenAI的毛利率均未反映其每年投入AI研发的数十亿美元资金及人力等运营开支,而这些支出都远高于传统软件企业。 Anthropic在第一季度融资时告知投资者,今年将消耗**30亿美元(约合人民币215.4亿元)**现金,同时预测其2026年收入有望快速增长至**120亿美元(约合人民币861.6亿元)**。 今年早些时候,OpenAI预测今年将消耗约**68亿美元(约合人民币488.3亿元)**现金,明年达**76亿美元(约合人民币545.7亿元)**,同期营收分别为**130亿(约合人民币933.4亿元)**和**290亿美元(约合人民币2082.3亿元)**。 根据财务披露,OpenAI收入是Anthropic的数倍,但其现金消耗量却显著更低。整体而言,**OpenAI的运营效率高于Anthropic**。 二、上半年营收增长4倍,预测2027年营收冲350亿美元 Anthropic管理层预测,公司2027年营收有望达到**350亿美元(约合人民币2513.1亿元)**,进一步缩小与OpenAI的差距。在相对保守的情景下,OpenAI预计2027年营收为**120亿美元(约合人民币861.6亿元)**。 ![](https://static.cnbetacdn.com/article/2025/0720/befa62c34153af2.jpg) ▲Anthropic营收预测(来源:The Information) 投资者称,若Anthropic启动融资,他们愿意以超过**1000亿美元(约合人民币7180.2亿元)**的估值进行投资。这一数字较4个月前融资中公布的**580亿美元(约合人民币4164.5亿元)**估值提升了将近一倍。 其中一位知情人士称,该公司3月通过股权融资筹集**35亿美元(约合人民币251.3亿元)**,但此前曾向部分投资者透露今年计划融资总额为**55亿美元(约合人民币394.9亿元)**,近期已向特定投资者开放了部分财务数据。 若按1000亿美元(约合人民币7180.2亿元)估值计算,Anthropic的远期市销率将达25倍。作为对比,OpenAI今年1月与软银洽谈融资时,投前估值260亿美元(约合人民币1866.9亿元)对应约43倍远期市销率,当时年化营收约60亿美元(约合人民币430.8亿元),现已突破100亿美元(约合人民币7180.2亿元)。 如此“大胆”的预测并非空穴来风。今年上半年,Anthropic的营收实现**4倍**增长,按最近单月营收年化计算已超**40亿美元(约合人民币287.2亿元)**。 Anthropic向部分投资者透露,其5月推出的编程助手Claude Code,周下载量已达**300万次**,自6月以来增长**6倍**。Anthropic预计该产品将带来**超2亿美元(约合人民币14.4亿元)**年化收入,月均1670万美元(约合人民币1.2亿元)。 Anthropic的增长部分还源于其对新兴AI初创企业的赋能作用。其主要竞品Cursor的核心技术同样基于Anthropic模型,其业务扩张间接推动了Anthropic的收入增长。 虽然AI模型研发成本高昂,但因为算法改进和AI芯片使用效率提升,OpenAI与Anthropic展现出的模型运行成本均呈现下降趋势,这令投资者稍感宽慰。不过当前投资者更关注的是两家公司惊人的营收增长,双方均有望大幅超越年初设定的乐观营收目标。 结语:资本看好编程任务自动化市场 专注于编程任务自动化的企业,正加速推出能处理复杂长期编程任务的智能体。包括OpenAI在内的多家机构研究者认为,编程自动化是开发通用AI的关键一步。 不止一个硅谷的科技大佬在公开场合提及过,智能体大规模替代AI研发人员的工作后,研发人员将有更多的时间放在更加具有创造性的工作上,并且这也为智能体自动化处理其他经济价值更高的工作奠定了技术基础。 外媒评价,编程任务自动化堪称大语言模型目前最成功的商业应用,投资者对于Anthropic的乐观期待也证实了这一点。 [查看评论](https://m.cnbeta.com.tw/comment/1514184.htm)

2025-07-20 02:36:38 · 0次阅读
 
 
韩国股民狂买中国股票 尤其热衷港股

韩国股民抢筹中国股票。来自韩国证券存托结算院(KSD)旗下SEIBro的数据显示,以成交额计,今年以来截至7月17日,中国位列韩国股民最喜爱的海外市场的第二名,仅次于美国。韩国股民尤其热衷港股。截至7月18日,韩国股民持有金额最多的港股为小米集团-W。 值得注意的是,截至7月18日,韩国股民可用于购买股票的投资者存款达66.7万亿韩元,处于近年的高位,表明股民还有加仓的空间。 过去一年,小米集团-W位居净买入金额榜首 韩国股民对港股的热情高涨。 来自SEIBro的数据显示,截至2025年7月18日,过去一年,韩国股民净买入金额排名前10的港股分别为小米集团-W、比亚迪股份、宁德时代、阿里巴巴-W、老铺黄金、泡泡玛特、百济神州、三花智控、Global X 恒生科技ETF、优必选。 其间,韩国股民净买入小米集团-W的金额为1.60亿美元,净买入比亚迪股份的金额为6243.77万美元,净买入宁德时代的金额为6085.39万美元,净买入老铺黄金的金额为5769.15万美元,净买入泡泡玛特的金额为2940.64万美元,净买入百济神州的金额为2476.77万美元,净买入三花智控的金额为2092.20万美元,净买入Global X恒生科技ETF的金额为1880.34万美元,净买入优必选的金额为1704.85万美元。 ![](https://n.sinaimg.cn/spider20250720/497/w1080h217/20250720/cd06-c26c31bf71506bbcbed0d4a7c2ff7a26.png) 过去一个月,老铺黄金位居净买入金额榜首 截至7月18日,过去一个月,韩国股民净买入金额排名前10的港股为老铺黄金、三花智控、小米集团-W、中国财险、中国宏桥集团、南方东英三星电子每日杠杆(2x)ETF、理想汽车-W、国泰海通、中广核电力、石药集团。 其间,韩国股民净买入老铺黄金的金额为2942.90万美元,净买入三花智控的金额为2092.20万美元,净买入小米集团-W的金额为1985.85万美元,净买入中国财险的金额为219.75万美元,净买入中国宏桥集团的金额为187.83万美元,净买入南方东英三星电子每日杠杆(2x)ETF的金额为184.40万美元,净买入理想汽车-W的金额为164.47万美元,净买入国泰海通的金额为146.89万美元,净买入中广核电力的金额为126.48万美元,净买入石药集团的金额为109.27万美元。 ![](https://n.sinaimg.cn/spider20250720/469/w1080h189/20250720/4626-75fc38604999771e2391c865ef94d1ae.png) 最近一周,阿里巴巴-W位居净买入金额榜首 7月11日至18日,韩国股民净买入金额最多的10只港股分别为阿里巴巴-W、老铺黄金、康方生物、地平线机器人-W、南方东英三星电子每日杠杆(2x)ETF、恒瑞医药、中海油、中国财险、中国宏桥集团、iShares沪深300ETF。 ![](https://n.sinaimg.cn/spider20250720/515/w1080h235/20250720/2978-d963dc4faf76852547509871363535d7.png) 其间,韩国股民净买入阿里巴巴-W的金额为1337.77万美元,净买入老铺黄金的金额为681.50万美元,净买入康方生物的金额为74.17万美元,净买入地平线机器人-W的金额为64.08万美元,净买入南方东英三星电子每日杠杆(2x)ETF的金额为60.91万美元,净买入恒瑞医药的金额为54.56万美元,净买入中海油的金额为54.33万美元,净买入中国财险的金额为52.98万美元,净买入中国宏桥集团的金额为42.39万美元,净买入iShares沪深300ETF的金额为41.81万美元。 小米集团-W位居持股市值榜首 截至7月18日,韩国股民持股市值排名前10的港股为小米集团-W、腾讯控股、阿里巴巴-W、中芯国际、宁德时代、泡泡玛特、比亚迪股份、天齐锂业、赣锋锂业、GLOBAL。 其中,韩国股民持有小米集团-W市值2.51亿美元,持有腾讯控股市值2.17亿美元,持有阿里巴巴-W市值1.76亿美元,持有中芯国际市值为9235.29万美元,持有宁德时代市值8333.13万美元,持有泡泡玛特市值8021.84万美元,持有比亚迪股份市值6655.65万美元,持有天齐锂业市值5676.33万美元,持有赣锋锂业市值5652.17万美元,持有GLOBAL市值4995.25万美元。 ![](https://n.sinaimg.cn/spider20250720/631/w386h245/20250720/2665-6b597656a0367622c189722ef91329b1.png) 中国为第二大海外市场 2025年截至7月17日,中国股票的累计成交额排名海外市场第二。 ![](https://n.sinaimg.cn/spider20250720/591/w1080h311/20250720/9d0d-6d9202521c346e7b49f8643518d23a25.png) 根据SEIBro数据制表,单位为百万美元。 2025年截至7月17日,韩国股民对中国股票(包含中国内地股票和中国香港股票)的累计成交额约55.14亿美元,仅次于对美国股票的成交额3224.41亿美元。以累计成交额计,中国在韩国股民最热衷的海外市场中排名第二,超越日本和欧盟。 热衷美股虚拟资产概念股 韩国不乏“疯狂”的股民,数字资产股票受追捧。 6月19日至7月18日,韩国股民净买入金额前五大美国股票为Circle、Direxion每日特斯拉2倍杠杆、Coinbase Global、纳斯达克100ETF、iShares 0-3个月美国国债ETF。 ![](https://n.sinaimg.cn/spider20250720/501/w1080h221/20250720/e6ae-dde68926eea1f19abe064a42eec41176.png) 其间,韩国股民净买入Circle 5.20亿美元。 还有加仓空间 韩国交易所(KSX)是亚洲重要交易所之一。以2024年的日均成交额计,它排在沪深交易所、港交所和东京交易所之后。 韩国综合股价指数(KOSPI)今年截至目前涨幅达32.89%,这背后是公司治理改善,市场情绪乐观。 ![](https://n.sinaimg.cn/spider20250720/159/w1080h679/20250720/7055-f473d981f9e245b22c4098fac5cc4675.png) 韩国散户投资者正加杠杆冲进股市。韩国金融投资协会(Korea Financial Investment Association)的数据显示,截至7月17日,韩国投资者未偿还保证金贷款金额达21.6万亿韩元,为近一年来高位。投资者可用来购买股票的闲置资金达66.6万亿韩元,位于自2022年中期以来高位。 散户热潮反映预期扭转。过去几年,韩国股市表现不佳,估值相较于其它市场偏低,这一现象被称为“韩国折价”。今年以来截至目前,KOSPI指数涨幅超过30%。这背后原因包括政府对市场友好、承诺改善公司治理、关注股票回报率等。Lombard Odier高级宏观策略师Homin Lee此前接受彭博社采访时表示,如果政府维持支持市场的态度,散户投资者或持续涌入市场。此外,来自摩根大通的一份报告表示,除了全球风险资产的波动外,韩国市场下一个关键催化剂是它能否与美国达成贸易协议。摩根大通对韩国仍保持超配立场。 [查看评论](https://m.cnbeta.com.tw/comment/1514182.htm)

2025-07-20 02:36:26 · 0次阅读
 
 
路透:哪吒汽车虚报销量超6万辆 经销商仓库堆满“已售”新车

7月20日,据路透社报道,根据路透社查阅的文件以及对经销商和汽车买家的采访,哪吒汽车和极氪汽车近年来通过虚报销量来实现激进的销售目标,其中哪吒虚报的销量超6万辆。 ![](https://static.cnbetacdn.com/article/2025/0720/d20e0b69d1eb548.webp) 哪吒汽车 文件显示,这些公司在车辆尚未出售给买家之前就给它们上了保险。经销商和消费者表示,按照中国汽车行业登记惯例,这样做能让车企提前把这部分汽车记作销量,从而完成月度和季度销售目标。 路透社看到的哪吒发送给经销商的记录副本显示,2023年1月至2024年3月,哪吒通过这种方式提前记作销量的车辆至少有64,719辆,占其在这15个月里报告的11.7万辆销量的一半以上。 在中国汽车行业,尚未卖到买家手中就被记作已售出的车辆被称为“零公里二手车”。这种做法的出现正值中国汽车市场上演激烈竞争之际。 上保险当销量 根据路透社获得的记录以及一位哪吒经销商的说法,哪吒在把车辆发往经销商之前就为其办理了保险,提前把这部分汽车记作销量。 这些记录包含了每辆车的详细信息及所购买的保单,还列出了保险代理人的姓名。路透社查阅的记录副本显示,经销商在找到买家后,可以参考这些信息将保单转移给新车主。哪吒通过这种方式提前记作销量的车辆共有64,719辆。 一位要求匿名的经销商透露:“哪吒汽车明确告知经销商,这些车辆已提前投保,因此算作已售出车辆。我们不得不向购车者解释交强险是附赠险,并提醒他们保险将提前到期,需及时续保。” 然而,三位不愿透露姓名的哪吒买家告诉路透社,经销商并未告知他们保单在汽车购买日期之前很久就已经生效,他们是在保险到期时才知道这一情况。 该经销商表示,哪吒从2022年底开始采用这一做法,以获取即将在当年结束的新能源汽车购置补贴。 这位经销商表示,哪吒提供的许多“零公里二手车”至今还滞留在他的仓库里,没有卖出去。哪吒当时只有一个态度:“尽管做吧,别人都在这么干”。 根据中国汽车工业协会的数据,哪吒的销量在2022年达到顶峰,当年以15.2万辆的销量位列中国新能源汽车制造商第八名。然而,哪吒去年销量下降至87,948辆(包括出口的23,399辆),今年第一季度销量为1215辆。 自2024年底以来,该品牌一直面临财务困境,其母公司合众新能源汽车股份有限公司管理人已正式发布《合众新能源汽车股份有限公司意向投资人预招募公告》。 公告披露,合众新能源破产重整一案已于6月12日获法院裁定受理,并指定联合管理人推进相关程序。此举标志着哪吒正式进入司法重整阶段,管理人将通过市场化、法治化方式盘活资产,维护债权人、员工及消费者等各方合法权益。 [查看评论](https://m.cnbeta.com.tw/comment/1514180.htm)

2025-07-20 02:36:14 · 0次阅读
 
 
特朗普政府启动对SpaceX合同审查 结果发现与马斯克“脱钩”很难

据《华尔街日报》报道,**对于美国政府来说,要想和埃隆·马斯克(Elon Musk)分道扬镳,说起来容易做起来难。**据知情人士透露,就在特朗普在6月初提出可能与马斯克旗下公司断绝业务关系的几天后,特朗普政府启动了对于SpaceX与联邦政府合同的审查,目的是查找这些数十亿美元合同中可能存在的浪费情况。 ![](https://static.cnbetacdn.com/article/2025/0720/668a8e158de71ed.png) 马斯克与特朗普 不过,美国政府官员最终认定,大部分合同无法取消,因为它们对国防部和美国宇航局(NASA)来说至关重要。这些初步评估**凸显了SpaceX作为全球顶尖火箭发射商以及主要卫星互联网供应商的主导地位。** 一位白宫官员表示,这次合同审查聚焦一系列拥有丰厚政府合同的企业。 **合同审查** 马斯克曾是特朗普最亲近的顾问之一,负责监督名为“政府效率部”的削减成本计划。然而,在马斯克公开批评特朗普的标志性税收与开支法案后,两人关系破裂。 6月5日,随着马斯克在社交媒体上的攻击变得带有个人色彩,特朗普在其社交媒体Truth Social上发文称,节省联邦资金的最简单方式就是“终止”马斯克旗下公司的政府合同。 据《华尔街日报》获悉的一封邮件,几天后,美国总务管理局(GSA)的一名高级官员要求国防部填写一份表格,列出其现有的所有SpaceX合同和其他交易协议。这封邮件由GSA联邦采购服务局局长乔什·格伦鲍姆(Josh Gruenbaum)在6月9日发出。他在邮件中表示,计划与白宫分享这些数据。 一名政府官员透露,格伦鲍姆还向NASA以及近六个其他联邦机构提出了类似的SpaceX合同信息要求。这些被称为“评估表”(scorecards)的表格中包含了SpaceX合同的金额,以及是否有竞争对手能更有效地完成同样的任务。 知情人士称,在审查完这些数据后,白宫和各机构官员(包括五角大楼官员)并没有终止与SpaceX的合同,而是认为其中大部分合同对国防部和NASA的任务至关重要。其中一名知情人士表示,部分SpaceX合同可能会继续接受审查。 知情人士表示,在审查进行期间,SpaceX总裁格温·肖特维尔(Gwynne Shotwell)最近几周与白宫官员进行了会面。 **特朗普政府难以找到方法减少政府对SpaceX依赖,反而凸显了各机构对SpaceX先进技术的高度依赖。**至少目前,美国政府在许多火箭发射和近地轨道卫星服务上可选择的替代方案有限,这种局面会继续让SpaceX以及马斯克本人在太空领域扮演着举足轻重的角色。 截至发稿,马斯克和SpaceX未对置评请求作出回应。 [查看评论](https://m.cnbeta.com.tw/comment/1514178.htm)

2025-07-20 02:36:01 · 0次阅读
 
 
上半年中国进口车品牌销量榜:前十阵营除了雷克萨斯 其余全线暴跌

易车网日前发布了2025年上半年及6月品牌进口车及车型销量TOP20榜单。在进口车品牌销量榜中,明显可以看到,国内进口车的销量规模在进一步萎缩,**前十阵营中,除了雷克萨斯同比增长12.2%外,其余品牌全线大跌。** [![](https://static.cnbetacdn.com/article/2025/0720/57142483d7d48e1.jpg)](//img1.mydrivers.com/img/20250720/6a63c675db7a49c1af75b6c0ce1d2cc6.jpg) 具体来看,上半年,雷克萨斯以91222辆的进口成绩,成为国内进口车销冠品牌。但雷克萨斯付出的代价,却是终端销售价格一降再降,曾经国内加价提车的销售神话,也彻底破灭。 奔驰为进口车品牌第二名,上半年累计进口量54221辆,同比下滑12.5%。虽然奔驰迈巴赫S级等豪华车型依旧占据销量大头,但也遭到了中国自主品牌豪华车尊界S800的挑战。 宝马上半年进口量34633辆,位居第三名,同比下滑26.8%;路虎为20962辆,同比下滑17.1%。 保时捷进口榜排名第五名,上半年进口量19970辆,同比下滑26.1%。并且,**保时捷已是在国内连续多月销量下滑,也失去了中国这个全球最大单一消费市场的份额。** 此外,我国最新出台的规定,将对超豪华车的征收10%消费税的起步零售价下调至了90万元,这也对保时捷这类百万豪车造成了更大的市场冲击。 至于第六至第十名,分别为奥迪、丰田、沃尔沃、MINI、大众等品牌。其中,进口销售降幅最大的为宝马MINI,上半年累计进口量已降至4345辆,降幅高达51.8%,已经超过腰斩。 [查看评论](https://m.cnbeta.com.tw/comment/1514176.htm)

2025-07-20 02:35:49 · 0次阅读
 
 
字节跳动否认申请购买NVIDIA H20

上周,**黄仁勋来华接受采访时表示,美国已批准H20芯片销往中国,NVIDIA将向中国市场恢复销售。**此消息一出,**就有报道称,中国企业正在争相下单采购这款芯片,包括互联网巨头腾讯和字节跳动。** NVIDIA随后需要将订单送交美国政府审批。目前,字节跳动、腾讯正在走申请流程。 对此,**字节跳动相关负责人回应媒体称,“目前并未提出购买申请,有关报道不准确。”** 腾讯方面暂未回应。 知情人士称,该采购流程的关键是一份由NVIDIA建立的“白名单”,只有在名单上的中国公司才有资格登记潜在采购意向。 除了恢复H20销售外,NVIDIA还宣布将针对中国市场推出新的合规芯片。 近日,摩根士丹利(大摩)发表报告称,NVIDIA计划恢复对中国的H20芯片销售,更宣布开发专为中国市场设计的新款AI芯片RTX Pro GPU,该芯片完全符合美国出口管制要求。 **大摩认为,此消息对BAT,即百度、阿里巴巴、腾讯而言,是积极催化剂。** 鉴于第一季资本支出较低,大摩预料阿里巴巴、腾讯下半年资本支出将增加。 大摩亦还表示,在GPU算力应用,腾讯方面为AI应用、广告技术升级、云端服务。阿里巴巴为云端服务、利用AI改造现有核心电商业务、通义及夸克AI应用;百度为将基础搜索迁移至生成式AI搜索、云服务和无人驾驶出租车。 [![](https://static.cnbetacdn.com/article/2025/0720/b7c805c54ff761f.jpg)](//img1.mydrivers.com/img/20250720/3cd47cc433b548a7b5748e971cce0da8.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514174.htm)

2025-07-20 02:35:34 · 0次阅读
 
 
12306抢票遇到真大佬上热搜 大佬一文讲懂铁路卖票的底层逻辑

今日,“12306抢票遇到真大佬了”的话题登上了微博热搜。一位网友对12306的卖票逻辑和候补功能等问题,做出了详细分析,此事也引起热议。 据这位网友介绍:**12306的底层逻辑是铁路售票利益的最大化。而候补实际上是发布需求给铁路部门知晓的意思,类似于滴滴打车的发布行程。** 比如,你要从景德镇买G99次(上海虹桥到香港西九龙)的车票去赣州,即使提前15天开售的那一刻刷票,都会发现无票。不是真的没票,而是不想卖给你。 为什么?因为一个座位你买了景德镇到赣州这一段,上海到景德镇和赣州到西九龙这两段可能会空置。所以当你发现景德镇到赣州没有票,可以看上海虹桥到终点香港西九龙,是有票的。 此时就不用着急,因为票是有的,只是不卖给你。**这时你就候补,当同时有人候补上海虹桥到景德镇和赣州到香港西九龙,三张票会同时出来,因为实现了利益最大化。** 网友还进一步解释道,我知道大家不喜欢候补,喜欢不停的刷新,看看有没有票。但铁路部门希望大家候补,因为第一,候补也是要排队的。 以刚才G99次为例,如果2组人的行程正好覆盖列车全程,那么第3个候补的对不起,你拿不到票,你就得等第3组。 第二,候补是发布行程让铁路部门知道。铁路部门知道多少需求才决定怎么开车。有的列车本来是8节的,只有500多张票,如果候补+已售超过了700,那么铁路部门就可以把这趟列车加长为16节,车票达到1000张。 **所以及时的候补能够让铁路部门更准确地堂握大家的需求,提高大家买到车票的概率。** ![](https://static.cnbetacdn.com/article/2025/0720/6f63601970fb43e.png) [查看评论](https://m.cnbeta.com.tw/comment/1514172.htm)

2025-07-20 02:35:20 · 0次阅读
 
 
上海123座地铁站“闸机常开”:刷卡扫码秒通过 效率提升20%

早晚高峰坐地铁的朋友,可能已经烦透了那个闸机门。通常情况下,前一名乘客进入闸机后,闸机门会自动关闭,后一名乘客需要刷卡或扫码之后才会打开,导致通行效率不高。去年,**深圳、福州、上海、杭州、合肥**等多地地铁都试行了“闸机常开门”模式。 为进一步提高车站闸机的客流通行能力、缓解高峰客流压力。 **7月20日起,上海地铁在现有32座车站试点的基础上,再新增91座车站试点“闸机常开门”模式。** **至此,上海全网“闸机常开门”已累计覆盖19条线路的123座车站。** [![上海123座地铁站“闸机常开”:刷卡扫码秒通过 效率提升20%](https://img1.mydrivers.com/img/20250720/0c9f51f4-8af1-4cdc-ae27-95ea30dd0fb8.png)](//img1.mydrivers.com/img/20250720/0c9f51f4-8af1-4cdc-ae27-95ea30dd0fb8.png) 在所有“闸机常开门”状态下,乘客刷卡或扫码后,无需等待机械开合,即可直行通过,**队伍移动速度相较传统闸机提升近20%。** 对此,地铁方面介绍,当无票通过闸机时,闸机扇门将自动合拢,阻挡通道,乘客须重新扫码或寻求工作人员协助处置。 同时,排队进出站时,当前面的乘客通过后,后面的乘客也无须等待闸门关闭,而是可以直接刷卡或扫码通行。 而这种转变不仅可以延长闸机寿命,还能提升乘客通行效率。 [查看评论](https://m.cnbeta.com.tw/comment/1514170.htm)

2025-07-20 02:35:08 · 0次阅读
 
 
账号体系与账户体系关系图、功能清单及核心逻辑

<blockquote><p>账号与账户,看似只是系统设计中的术语之争,却往往隐藏着产品逻辑的分野与用户体验的关键节点。从概念厘清到功能清单,再到一张关系图的思维落点,本文试图还原账号体系与账户体系之间的结构关系与核心驱动,为产品设计者提供可落地的思路与模型参考。</p> </blockquote> ![](https://image.woshipm.com/2023/05/06/02bda630-ec01-11ed-bbb6-00163e0b5ff3.jpg) ## 一、账号与账户的关系、涉及的功能点 如果只是 浅层次的理解,可能只能看到以下简单的关系链路,如下图: ![](https://image.woshipm.com/2025/07/18/5b349fd0-63a0-11f0-b92a-00163e09d72f.jpg) 要深度理解,账号与账户的区别,才能结合业务诉求,深度构建相对完整的账号体系和账户体系蓝图。首先,我们来看账户与账号的区别点如下: ![](https://image.woshipm.com/2025/07/18/bda06622-63a0-11f0-9731-00163e09d72f.png) **账号账户体系发展至今,已经形成2大体系:账号体系+账户体系** - **账号体系(钥匙):**登录、三方登录、单点登录、切换账号、退出登录、修改手机号、修改登录密码、忘记登录密码、账号绑定解绑、账号合并、账号冻结/解冻、设备管理(部分)、账号日志(部分) - **账户体系(容器):**用户信息修改、支付密码管理、实名认证、注销账户、账户冻结/解冻、母子账户、账户合并、隐私协议、消息通知 - **双体系:**注册(同时涉及账号和账户的创建) – 设备管理和账号日志可能涉及双体系,但主要归属账户体系(因为设备管理是管理哪些设备(钥匙)可以访问容器,日志记录的是对容器的访问和操作) ![](https://image.woshipm.com/2025/07/18/301df188-63ab-11f0-9731-00163e09d72f.png) ![](https://image.woshipm.com/2025/07/18/358d1090-63ab-11f0-9731-00163e09d72f.png) ![](https://image.woshipm.com/2025/07/18/1ae7aa00-63a3-11f0-9731-00163e09d72f.png) **总结:健全的账号账户体系深度结合风控系统,才能完美实现打牢系统根基的同时又能规避业务风险和系统风险。因此,对于一个产品而言,系统的学习和梳理账号账户体系,是很有必要的一个过程,它是产品经理基本功的体现。比如抛出几个疑问,看看大家如何思考破局方案?** 1、用户注册流程中,是先走风控系统检测,还是先走后台系统业务规则校验?这个是关于系统设计顺序的实用问题。两种方式的优劣,以及最优方案是什么? 2、为什么自己新买的手机号注册一款新的APP时,竟然出现历史业务数据和用户资产?出现这种场景,对于产品经理来说,如何从系统设计层面避免这种情况?如果无法避免,如何做好用户的资产安全防护?这涉及到手机号回收机制、系统设计缺陷和安全防护等多个方面。 3、关于做一款APP的手机号一键授权登录,请问一键授权本机号码的取号原理和规则是什么?这涉及到一键登录注册的各种异常处理,产品需要知晓并提出合理化的建议和解决方案。比如:有的用户手机中拥有双卡双号,怎么取号?这就涉及设备ID绑定关系的确定、SIM卡变更检测,可能触及风控系统;也可能出现APP向运营商取不到号码掩码的情况,又该如何处理? 4、你做产品经理后,是否遇到一些用户需要修改手机号,但是手机号已经没使用,账户上还有余额资产,结果用户又把新的手机号注册了。作为产品经理,你是如何出具方案解决此类问题的? 5、你做产品经理后,是否遇到过前人挖的坑。由于前期产品设计中的账号账户体系以及风控安全体系不够完整,就没做找回账号账户的功能设计。当你入职后,leader第一个任务就是让你做找回账号账户功能。首先你调研后发现用户既没有做实名认证,也没有做生物认证。直接用短信验证码找回账户的话,又担心出现手机号已经二次回收场景。如果你在这样的一家公司任职产品负责人,且历史付费会员已经数百万,储值余额剩余数千万,这样的烂摊子,你该如何破局? 6、你做产品经理后,是否遇到过恶意注册、机器人攻击、短信/邮箱轰炸漏洞、黑产自动化工具,那么你是如何与技术团队沟通,做好风险识别和业务风险规避的? ## 二、名词解释:登录、注册、账号、账户 **1、注册的定义 (Sign Up / Register):注册是帮助用户创建账户的过程。**它的流程是: - 用户提供创建账号所需的信息(通常是用户名/邮箱/手机号,以及密码) - 系统验证信息的有效性(如用户名/邮箱/手机号是否存在/有效/可用、格式是否正确、密码安全强度是否足够) - 系统验证信息通过,将在数据库中创建一个新的账户记录。 - 系统将用户提供的账号信息(用户名/邮箱/手机号+密码)作为该账户的第一个有效登录凭证存储下来; - 通常注册过程中,有些系统还会引导用户完善一些基础的账户信息(如姓名、昵称、性别、偏好等)**注册的核心作用:**注册过程建立了账号(登录凭证)与账户(数据容器)的绑定关系。 **2、登录的定义(Log In / Sign In):登录是用户通过账号(登录凭证)向系统证明身份,从而向系统获得访问其账户权限的过程。**它的流程是: - 用户输入账号信息(手机号+验证码、用户名+密码等各种登录方式),向系统发起请验证请求; - 系统去数据库中查找该账号信息。 - 系统验证用户提供的登录凭证(如手机号与验证码是否匹配、用户名与密码是否匹配); - 系统验证成功后,系统建立用户会话(例如生成并返回一个认证令牌如Cookie或者Token),标记该用户已通过身份验证。 - 用户获得访问和操作其账户的权限。 **登录的核心作用:**登录过程其实是验证用户提供凭证是否有效的过程,登录是使用账户的钥匙。用户身份验证通过后,才有权限进入系统去查看和操作他自己的用户信息及资产。登录功能是验证用户身份的核心机制,确保访问权限。 **3、账户的定义(Account):账户是储存用户信息(包括注册信息、权限、操作记录等)的系统档案或数据记录。**账号是根基,一个实体用户在一个系统中通常只有一个主账户(尽管可能有子账户或者多角色账户的概念,如你在银行有贷款账户、存款账户)它包含了与该用户相关的所有信息,通常包括: - 唯一标识符:用户ID或者UserID或UID,通常是系统内部生成的一个数字或者字符串; - 核心凭证:账号信息(用户名、邮箱、手机号)和对应的密码(密码通常是要加密储存的)。核心凭证管理也叫账号管理,用户可以在其账户设置中管理关联的账号,例如添加新增登录方式(绑定手机、绑定微信、支付宝)、修改账号的密码、删除旧的登录方式等; - 用户资料:昵称、头像、性别、生日等信息; - 用户资产:余额、积分、卡券等; - 关联数据:用户的操作历史、业务数据、订单记录、收藏夹、好友列表、权限设置、会员等级、设置偏好、标签、用户画像等; - 安全信息:二次验证设置、登录设备记录、安全问题答案、实名认证等; **4、账号的定义 (Account Identifier / Login Name):**账号是用身份的唯一识别,是用于登录到用户账户的凭证标识。它直接给用户的呈现形式如会员号卡号、银行卡号;账号功能是唯一标识用户身份,它关联登录凭证与系统权限。从系统维度,完整的账号内容包括: - 用户名:用户自定义或者系统分配的唯一名称,如张三/user001(发展至今,此字段并非必要); - 邮箱/手机号:更常用做登录名,因为他们通常全局唯一且方面用户记忆。 - 密码:与上述的用户名/邮箱/手机号配对的秘密字符串,用于验证用户身份。一些网站经常为了密码安全性,不允许连续的数字/重复的数字/不能涵盖自己的手机号生日等要求,甚至要求必须涵盖“数字、大小写字母、特殊字符,且有最低最高长度要求,这就完全不放面用户记忆)、 - **账号的核心作用:**它的核心功能就是用于“登录”过程,验证用户身份后,授予用户访问其对应的“账户”及其所有内容权限。 PS:常说的“我的账号被盗了”,通常指的是“账号(用户名/密码)”被盗,导致“账户”被他人非法访问和控制。 **账号账户的关系**:账号是账户的一部分,是访问账户的入口凭证。一个账户必须至少关联一个有效的账号;但一个账户可以绑定多个账户(也叫登录方式)即账户与账号的关系是1对多的关系,例如,同一个账户可以同时支持用“账户名+密码、手机号+密码、手机号+验证码、邮箱+验证码、三方账号等多种登录方式,无论通过哪个账号登录,最终访问的都是同一个”账户“下的数据和权限; 本文由 @PMSPIRE 原创发布于人人都是产品经理。未经作者许可,禁止转载 题图来自Unsplash,基于CC0协议

2025-07-20 01:43:54 · 0次阅读
 
 
OpenAI 会杀死 Manus 们吗?

“Listen-that&#39;s the sound of a great many startups evaporating into the void.”

2025-07-20 01:41:54 · 0次阅读
 
 
Manus“撤退”,智能体“退潮”了?

新时代正在到来

2025-07-20 01:27:49 · 0次阅读
 
 
奇瑞集团:坚决反对价格战 缩短供应商货款支付账期

据报道,日前,奇瑞集团在内部年中干部大会上宣布,**将坚决反对“内卷”和“价格战”,维护行业健康可持续发展。**奇瑞董事长尹同跃强调,公司将加强自律,缩短供应商货款支付账期,抵制虚假和过度宣传,以及网络水军和黑公关等不良现象。 尹同跃提出了三点具体举措:**加大创新投入,加快品牌向上发展,提升出海水平,避免将价格战引向海外市场。** 奇瑞集团的这一立场和行动,旨在推动汽车产业的高质量发展,发挥重点企业的带头作用,积极参与行业交流,严守“反内卷”负面清单。 尹同跃在2025中国汽车重庆论坛上也曾表示,降价是应对竞争的无奈之举,汽车行业应追求长期主义和高质量发展,奇瑞不会参与价格战。 尹同跃还曾称,‘价格战’是我最不喜欢的一个词,因为我是被绑架的。我们销售在说某某友商已经价格战了,发出价格调整,我们的市场可能出现哪些问题。 我觉得这不是一个方向,但是年纪大的人容易被年轻人绑架,这是我做出来最痛苦的决定,也是非常违背内心的一件事情。 [![](https://static.cnbetacdn.com/article/2025/0720/2989aef293509c4.jpg)](//img1.mydrivers.com/img/20250720/3e0dc757cd344ecd83b9a9d1c67ffc8c.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1514164.htm)

2025-07-20 00:35:24 · 0次阅读
 
 
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616617618619620621622623624625626627628629630631632633634635636637638639640641642643644645646647648649650651652653654655656657658659660661662663664665666667668669670671672673674675676677678679680681682683684685686687688689690691692693694695696697698699700701702703704705706707708709710711712713714715716717718719720721722723724725726727728729730731732733734735736737738739740741742743744745746747748749750751752753754755756757758759760761762763764765766767768769770771772773774775776777778779780781782783784785786787788789790791792793794795796797798799800801802803804805806807808809810811812813814815816817818819820821822823824825826827828829830831832833834835836837838839840841842843844845846847848849850851852853854855856857858859860861862863864865866867868869870871872873874875876877878879880881882883884885886887888889890891892893894895896897898899900901902903904905906907908909910911912913914915916917918919920921922923924925926927928929930931932933934935936937938939940941942943944945946947948949950951952953954955956957958959960961962963964965966967968969970971972973974975976977978979980981982983984985986987988989990991992993994995996997998999100010011002100310041005100610071008100910101011101210131014101510161017101810191020102110221023102410251026102710281029103010311032103310341035103610371038103910401041104210431044104510461047104810491050105110521053105410551056105710581059106010611062106310641065106610671068106910701071107210731074107510761077107810791080108110821083108410851086108710881089109010911092109310941095109610971098109911001101110211031104110511061107110811091110111111121113111411151116111711181119112011211122112311241125112611271128112911301131113211331134113511361137113811391140114111421143114411451146114711481149115011511152115311541155115611571158115911601161116211631164116511661167116811691170117111721173117411751176117711781179118011811182118311841185118611871188118911901191119211931194119511961197119811991200120112021203120412051206120712081209121012111212121312141215121612171218121912201221122212231224122512261227122812291230123112321233123412351236123712381239124012411242124312441245124612471248124912501251125212531254125512561257125812591260126112621263126412651266126712681269127012711272127312741275127612771278127912801281128212831284128512861287128812891290129112921293129412951296129712981299130013011302130313041305130613071308130913101311131213131314131513161317131813191320132113221323132413251326132713281329133013311332133313341335133613371338133913401341134213431344134513461347134813491350135113521353135413551356135713581359136013611362136313641365136613671368136913701371137213731374137513761377137813791380138113821383138413851386138713881389139013911392139313941395139613971398139914001401140214031404140514061407140814091410141114121413