Windows 11 KB5055625 现已在 Dev Channel 上发布，它有很多有趣的功能。一个是重新设计的“开始”菜单，没有“推荐”板块，另一个是自动缩放任务栏图标的功能。此功能称为“显示较小的任务栏按钮”，您可以在 “设置”  >  “系统”  >  “任务栏”  > “任务栏行为”下找到它。  Windows 11（包括版本 24H2）从未允许您更改任务栏的大小，尤其是图标。但是，Windows 11 KB5055625 有一项新功能，允许任务栏在拥挤时自动更改图标（应用程序图标）的大小。 这样做的目的是确保你可以访问所有你喜欢的应用程序。目前，任务栏不会自动缩放应用程序图标，因此当任务栏拥挤时，它们会隐藏在三个点菜单后面。 在未来的 Windows 11 版本中，任务栏图标将自动调整大小，为其他应用程序/窗口腾出空间。此功能已在 Windows 11 KB5055625 中进行测试，我制作了一个 GIF 来演示实现：  有多达三个切换按钮可以改变任务栏设置的工作方式： 当任务栏已满时：这是任务栏已满时处理图标的默认模式。当任务栏很拥挤，而您又不想关闭应用程序或点击三个点来查看已打开应用程序的完整列表时，它非常有用。  从不：如果您不希望图标大小发生变化，可以使用此功能。这将恢复当前/旧的行为，不喜欢小任务栏图标的用户可能会更喜欢此功能。重要的是要记住，只有图标的大小会发生变化，因为任务栏的宽度保持不变。 始终：如果您一直喜欢小图标，则可以使用“始终”选项。 正如我在一开始提到的，您可以从“任务栏行为”部分下的“任务栏设置”更改任务栏处理应用程序图标的方式，然后您需要从“显示较小的任务栏按钮”中选择上述任何选项。  微软仍在致力于任务栏应用图标自动缩放，它应该自 Windows 11 发布之日起就存在，但现在还不算太晚。然而，如果公司可以让我们更好地控制任务栏本身的缩放方式以及系统托盘，那就太好了。 Windows 10 允许用户手动更改任务栏和图标的大小，但现代任务栏缺少这些功能。更糟糕的是，仍然无法将任务栏移动到顶部或左侧/右侧。 微软之前告诉我们，它不允许将任务栏移动到顶部，因为这会扰乱动画的流程，而且它没有计划改变这一点。 [查看评论](https://m.cnbeta.com.tw/comment/1490994.htm)

美国太空部队已根据国家安全太空发射第三阶段计划向 SpaceX、联合发射联盟和蓝色起源授予了价值 137 亿美元的合同。这些合同将持续到 2029 年，标志着三家公司首次同时处理最高优先级的军事卫星任务——标志着国防太空发射竞争的新时代。 SpaceX获得了最大份额的合同，共 28 次发射，总金额达 59 亿美元。与此同时，ULA 共 19 次发射，总金额达 54 亿美元，Blue Origin 共 7 次发射，总金额达 24 亿美元。这些发射将把敏感有效载荷（如国家侦察局的间谍卫星）送入需要先进技术精度的轨道。作为 Blue Origin 首次尝试获得 NSSL 合同，与资深承包商一起入选，凸显了军事发射行业不断变化的动态。 仔细查看财务数据，可以发现供应商之间的成本差异很大。SpaceX 每次发射的平均价格约为 2.12 亿美元，远低于 ULA 的 2.82 亿美元和 Blue Origin 的 3.41 亿美元。这些数字不仅包括发射本身，还包括机队监视和特定任务研究等附加服务。  SpaceX 将部署其猎鹰 9 号和猎鹰重型火箭执行这些任务。 NSSL 第三阶段计划将发射分为两个轨道：第 1 轨道用于商业任务，第 2 轨道用于高风险的国家安全有效载荷。最近的合同属于第 2 轨道，要求严格的性能和安全标准以最大限度地降低风险。这种结构为第 1 轨道的新供应商打开了大门，同时将第 2 轨道保留给能够满足该计划最复杂要求的系统。 第三阶段较前阶段有显著扩展，预计在 2025 至 2029 财年期间将执行 84 次任务，几乎是第二阶段执行任务数量的两倍。其中，第 2 航道将执行 54 次任务，凸显了这一阶段在维护国家安全方面的重要性。  ULA 正在使用其新认证的 Vulcan Centaur 火箭。 每家供应商都将使用其旗舰火箭执行这些任务。SpaceX 将部署猎鹰 9 号和猎鹰重型火箭，而联合发射联盟将依靠新认证的 Vulcan Centaur，逐步淘汰其较旧的 Delta IV 和 Atlas V 火箭。蓝色起源将使用其 New Glenn，该火箭于今年早些时候完成了首飞，但仍需要额外的认证才能执行第 2 号通道任务。 过去十年，军事航天发射的竞争态势发生了重大变化。虽然 ULA 曾经主导该领域，但现在它面临着来自 SpaceX 可重复使用的猎鹰火箭助推器的激烈竞争，后者提供了一种更具成本效益的替代方案。自 2015 年获得军事合同竞标资格以来，SpaceX 已获得超过 40% 的 NSSL 任务，巩固了其作为五角大楼重要合作伙伴的地位。  蓝色起源的新格伦火箭于今年早些时候完成了首飞。 蓝色起源正在这一领域取得进展，但也面临障碍。该公司需要至少再成功发射一次 New Glenn 火箭才能获得 Lane 2 任务的全面认证，这一里程碑预计在 2026 年底实现。与此同时，ULA 在两次成功试飞后获得了 Vulcan 火箭的认证。ULA 专为复杂的轨道机动和长时间任务而设计，希望这款火箭能使其与竞争对手区分开来。除了第 2 号通道任务外，第 1 号通道还为 Rocket Lab 和 Stoke Space 等新玩家提供了进入军事发射市场的机会，他们可以通过低风险的低地球轨道有效载荷发射火箭。这些要求较低的任务认证要求较少，因此在保持成本效益的同时，也吸引了更广泛的参与者。 [查看评论](https://m.cnbeta.com.tw/comment/1490992.htm)

张磊，70 后，罗俊，80 后，两位早已超过 35 岁门槛的男士，眼神带着工作的疲惫，但身上却没有流出「中年焦虑」，反而更像刚毕业的学生一般充满了干劲。 张磊是 AI 算法大牛，香港理工大学讲座教授，在深圳带着一个有 30 多号人的实验室，琢磨着如何通过 AI 让手机影像更强。罗俊是他的搭档，任职 OPPO 影像算法总监，顶在前面，拆解各种需求，并把算法工程化，装到手机里。 在 OPPO 前海办公楼里，刚认识张磊不久，罗俊就意识到他是一个从学校里走出来的大牛，身上充满学术气息，他团队的不少人也都是门下学生，工作氛围与公司其它部门有些不同，但它更有凝聚力。 不过，对于具体的手机影像链路和成像等工程方面，张磊团队欠缺实战经验。他的团队强项在 AI，是底层视觉技术和理论的专家。罗俊则从索尼公司开始，已积累了 20 年影像工程经验。 小概率下，两个学识、技能互补的人聚在了一起，在 OPPO 公司携手做一件行业内几乎是从 0 到 1 的事：用 AI，把手机影像再做一遍。 ## 「60 倍」的高难度开局 2022 年，张磊加入 OPPO。这一年底，ChatGPT 横空出世，掀起新风云，代表着 AI 从卷积神经网络向 Transformer 架构的代际跨越，孕育出各种可能。 对于手机端，AI 大模型如何装到小的手机里？更重要的是，AI 大模型能否真的可以帮助手机小尺寸的光学硬件「逆天改命」？这里隐约藏着变革机会。很多手机公司都在琢磨下一步的变化。OPPO 影像算法总监罗俊，对算法竞争力负责，「大模型对手机影像的影响比预判提前了两年」。  两人的第一场 AI 战役，赶上了 OPPO 的 Find X6 项目。通过这个项目，张磊和罗俊初步尝试了用 AI 模型，来处理传统的降噪超分计算，并且用 AI 的方式来替换传统的色彩重建过程。这是对移动影像计算架构的一次革新，用先进的 AI 计算方法，替换了手机中存在十几年的 ISP 计算方式。在传统 ISP 计算对降噪和色彩重建已经达到了极限的现在，OPPO 用 AI 计算开拓出了计算影像的新可能。 小试牛刀 AI 之后，他们决定探索长焦，尝试 AI 大模型。用大模型把 60 倍手机拍摄的模糊照片变清晰，就是一项突破（这个项目后来被称作 AI 千里长焦）。张磊和罗俊知道，对于手机有限的尺寸来说，他们永远不可能要求一颗能够直接拍摄出 60 倍的光学镜头。即使对于 Find X8 Ultra 这样最前沿的手机，6 倍的镜头已经是最长的距离极限。而大模型和光学的结合，甚至是对光学物理规则极限的改写。这让他们无比兴奋。 前提是代码写出来，算法跑通，成熟后再工程化落地，投到市场。 ## 大模型「赛马」 执行任务落到张磊团队身上，成与败，关系到张磊的颜面，更关系到 OPPO 在影像业内的竞争力。 张磊让团队分头行头，利用生成式扩散大模型尝试不同的技术路径。 其中一个方案被称为 CCSR，迭代频数需要 50 步，后面不断优化，经过两个月迭代，降到 15 步，最终降到 3 步，已达到极限。 另一个方案，则被称为 SeeSR。虽然迭代步数略微少，可是输出图像稳定性不如 CCSR。只有减少步数，才可以减少手机能耗，缩短拍照成像时间。 有了初步算法，想试试效果。「最早拿算法效果给手机影像相关的部门的人看，跑完了，大家发现画质几乎没有提升。」但随着算法的演进，生成式大模型的优势逐渐体现，CCSR 达到了预期的效果。 根据项目进程，部署时间挺紧张。大家商量 CCSR 改到极限后，部署同事先着手工程化落地。这已经到了 2024 年 3 月中旬，离 10 月份产品上市只有半年时间。 但 AI 技术进化的频率，还是超出了大家的预料。 有一天，张磊团队看到在图像生成领域用 diffusion 做到单步生成也有不错的效果，这或许也同样可以让图像复原的多步迭代步数减少。在团队尝试做出第一版结果后，张磊颇为兴奋：推理只用了单步，优点明显。随后，张磊猜想另一位同学研究的「文生 3D」使用的分数蒸馏（score distillation）方法，可以加进来。 赶工几周，算法逐渐成型，最后取名 OSEDiff（单步复原）。4 月中旬，大家着手整理实验和写文章，经过团队一起一个月的努力，文章写好投到业内顶会 NeurIPS 上。手机界领先苹果和三星、首创的大模型复原 60 倍长焦图像项目，自此有了算法雏形。 过了一段时间，张磊组织了一次盲选会，准备了 100 张图，分别由单步 OSEDiff 算法和 CCSR 复原而成，发给了认知组、测试组、影像算法组、产品线等各个条线成员，让他们挑选质量更好的照片。单步算法完胜。OPPO 决定「高速路上换发动机」，在项目进度已经基本达到极限的情况下，毅然决定切换更优质的单步算法。  千里长焦项目在 2024 年 10 月发布的 Find X8 上面第一次成功落地，它应用生成式大模型，可以让 60 倍数码变焦拍摄的模糊图像，经过 2 秒钟本地运算后变得异常清晰；又在 2025 年 4 月 2 日发布的 LUMO 凝光影像系统中，脱胎换骨似地升级，把 60 倍甚至 30 倍变焦的效果都大大提升，就像给手机镜头又戴了一幅「AI 望远镜」。张磊与罗俊完成了苹果和其它安卓厂商都没有实现的行业首创。 ## 没有先例的困局 做出千里长焦，张磊和罗俊不满足，虽然这项技术展示了超强的 AI 能力，但「只能算 OPPO 的一个阶段性成果」，真正能让 AI 展示实力、向行业证明 OPPO 的 AI 能力，搭载在 OPPO 全新推出的 LUMO 凝光影像系统，以及搭载这个系统的 Find X8 Ultra 上，里面有 AI 征服手机影像「纽北赛道」的一场新赛事。 设想在夜晚的重庆洪崖洞前，光线错综复杂，远处有各种霓虹灯光，近景有人脸，背对着暗处——夜景人像曾经是很多手机影像工程师的噩梦。兴许 AI 加持，才可以有所突破。 不过，罗俊知道内中难处，首先是数据。没有数据的供给，再力大无穷的 AI，也会力不从心。 一方面，夜间光线稀薄，即使对于手机中最大的镜头来说，采集到的光线数据都不富裕，AI 只能反复利用有限的数据，推理出该有的纯净画面，但结果往往令人失望。另一方面，夜间光线又过于复杂，特别是中国城市 LED 灯光近年来的高速发展，即使对于造价十几万的大块头的相机来说，将五光十色的城市夜景和人物同时拍出彩，也不是一件可以轻而易举完成的事情。 第一个问题，相对还算好解决，因为有既定的案例——相机代表的光学规律，就是答案。提升进光量，提升光源的品质，喂给传感器更多、更优质的数据，这意味着下血本地增加光学模组的性能——简单点说，就是用更大的镜头来吸收更多的光线数据，用更好的镜头把光学提纯，用更大尺寸的传感器去接收消化这些数据。「算法不能脱离光学，所以 OPPO 一直讲软硬结合，硬件决定了画质的下限，算法决定了画质上限。」罗俊一直强调。  在 LUMO 凝光影像中，OPPO 拿出了一颗全新的 70mm 焦段的人像主摄。这颗摄像头的进光量达到了前代产品的 150%，成为同级别中进光量数一数二的「大块头」。不仅如此，为了更优质的光源数据，罗俊的战友——光学团队，甚至「发明」了一种全新分子结构的玻璃材料，对红外光这种「杂质」的过滤性甚至比传统最好的一种玻璃材质还要高 81%，就为了给到 AI 更优质的原始数据。 但第二个问题，夜间光线过于复杂的带来的影响，即使在相机超过 100 多年的历史中，也找不到答案。 在相机还统治摄影的上个世纪，城市夜晚的人造光源，基本只有白炽灯和荧光灯两种类型。而进入 21 世纪，LED 迅速成为光源的主力军，甚至淘汰了前面的两种光源。 LED 光源色彩是多种多样的：暖黄的路灯（约 2700K）、冷白的建筑照明（5000K-6500K）、霓虹广告的彩色光（RGB 混合）可能同时存在。 传统相机的全局色温算法（基于单一白平衡预设或自动检测场景主光源）无法精准适配多区域色温差异，直接导致照片的局部色偏，也就是画面中不同区域因光源色温差异呈现割裂的效果，最典型的是在进行夜景人像拍摄时，人物的肤色会被多重色温的光源严重「染色」。 罗俊和他的同事们，最开始也考虑过使用 AI 技术对画面不同的区域进行理解和分割处理，但缺少原始的色温信息的数据，AI 模型也无能为力。 「不得不去发明一个新的摄像头，来给 AI 提供更精准的色温数据。」这就是在即将发布的 Find X8 Ultra 上，多出的一个摄像头——丹霞原彩镜头。它第一次能够对画面中的色温信息进行空间区域的分割，分别采集各个光源区域中的色温，这意味着后端等待的 AI，第一次对夜晚的光色，有了精准的数据源。对于罗俊来说，更精准的数据，让 AI，第一次在色彩这件事上有了大展拳脚的空间。 然而，被数据喂饱的 AI，又遇到了无法解决的新难题。即使 AI 已经因为丹霞原彩镜头，可以看透夜色的本质，可以将夜色和人物的肤色准确还原，但依然无法看透用户的心。 ## 科学家不懂艺术家 就在张磊加入 OPPO 的第二年，为了让影像技术的角逐，回归摄影的审美，统一照片审美认知，OPPO 专门从一些美术学院、摄像协会挖来了一些摄影专家，成立了一个影像认知组，对好的效果给出定义。 「关于效果的文字性描述，很难量化，无法确定客观标准。」艺术圈与工程界跨圈层对话，中间隔着多少词语与定义的暗礁，谁也说不清。张磊感叹，「有时候，我盯着两张图片看，硬是找不到区别。」 罗俊同样感受到的 AI 算法叠加的困难：「算法是一个黑盒，一些照片输入进去，谁也不知道它会输出什么。而有时这些效果调好了，另外一些效果就因为互斥而出错。」 2024 年 4 月份以来，张磊与罗俊持续与认知组一起对齐标准。罗俊说，这项工作各厂家都在探索阶段，以前从来没有人做过，也就没有工程标准化流程（SOP），甚至连采集多大量的数据集算够，都没有人能说清楚。 而且诸多工作又多了一个核准维度。2024 年初，OPPO CEO 陈明永在内部发起了一项组织变革，「深入一线，创造价值」，所有的工作都要到第一前线去面向用户创造价值，反映到影像上面，调教出来的拍照，特别是人像照片，要以用户喜爱为牵引线，同时还要有 OPPO 自身影像追求。 这让科学家张磊感受到一个不大不小的挑战。比如，前一段时间用户受互联网平台影响，热衷于摆拍，过了一段时间，风潮陡变，年轻人又喜欢上转着圈抓拍。不要小看这一变动，它对影像 AI 算法的调教影响几乎是全方位的。 但好在，几个团队在不到一年的时间里，迅速解决了主观和客观评价不容易的问题。为此，OPPO 甚至全新开发出了一个评价体系的软件。通过这个软件，负责审美的认知同事，可以将用户的输入意见，以及经典摄影审美的案例，转化成客观的数据，交给技术人员来进行客观化地技术调整。比如对于 OPPO 凝光影像对夜景人像肤色的调整，其中包含了丹霞原彩镜头提供的技术上绝对准确的信息，也包括了认知审美对于亚洲各种肤色的研究，甚至还会包括与美妆机构联合研究的一些人因相关的因子。  有了多次的锤炼，张磊和罗俊们已经习惯摸索着进前。一遍遍尝试后，AI 算法成像逐步稳定下来，他们有信心在 4 月份发布的全新 Find X8 系列上推出来，接受用户检阅。 ## 理想，不过时 回首三年多死嗑 AI 影像的过程，张磊有些感慨，教授「再就业工程」在一系列偶然与必然的碰撞之后，逐渐走上正轨。如果没有 OPPO 公司一再地坚持抛橄榄枝，没有 OPPO 对影像的执念，没有罗俊搭建起学术探索与工程实现之间的桥梁，没有 Y Lab 实验室里年轻的博士生们不知疲倦的探索……这里面缺了任何一环，他都可能铩羽而归，回到校园。 2018 年，通过中间人介绍，OPPO 副总裁刘畅找到张磊，邀请加入。OPPO 在技术研发的投入上雄心勃勃，有一系列研发上的大手笔蓄势待发，渴望顶尖人才加盟。 不过，刘畅来迟了，张磊当时已基本确定去一家华东的互联网大公司。刘畅叫上 OPPO CEO 陈明永，一起请张磊在深圳吃了一顿饭。陈明永给张磊留下了平易近人、务实的印象，「没有大老板架子」。 此后，刘畅一直和张磊保持着联系，出差到对方城市，会留出专门时间拜访。在延揽张磊一事上，刘畅把 OPPO 公司「坚持做正确的事」和「长期主义」信条发挥到极致。没有他的坚持，不会有张磊加入 OPPO。 三年过后，张磊打算换平台。跟了三年多的刘畅是他的第一选择，「我信任他」，张磊说：「刘畅是一个非常值得信任的人，我相信到 OPPO 可以实现我手机影像的理想」。 行业内，大家知道 OPPO 在影像上有相当多积累。2012 年，OPPO 第一次为手机上带来堆栈式传感器，极大提升手机传感器感光能力，让手机在暗光环境拍照成为可能。2016 年，OPPO 创造性地提出了四合一像素聚合技术，这甚至奠定了现在所有手机传感器像素使用的规则，让手机能拍出高品质夜景照片。 2017 年巴塞罗那的 MWC 盛会上，OPPO 拿出了世界上第一个潜望式长焦摄像头，这甚至颠覆了全球各大科技品牌和媒体记者的认知。当时的罗俊甚至没怎么听说过 OPPO 这个品牌。当他看到那颗潜望长焦摄像头后，觉得移动影像大有乾坤。 「我想，这也是打动张磊最重要原因」，刘畅认为，「牛人更看重舞台，更在意能否实现理想。」   *头图来源：OPPO

大模型落地，还在加速。 3 月 31 日，快手在长沙召开 2025 磁力大会，宣布将磁力引擎打造为「下一代 AI 智能商业引擎」，从电商、内容消费、本地生活、品牌营销等核心业务场景切入，打造一条新的全 AI 商业链路。 自数字营销行业诞生之初，它就一直是个性化、智能化算法技术的「练兵场」，不仅因为这一领域需要算法，更在于这种效率提升能实打实地转化为商业效益。 现在，快手的磁力引擎，已经能够覆盖从内容生产、投放到匹配的全链路，并为各种垂直行业提供 AI 解决方案。可以说，整个数字广告行业正在进入一个全维度 AI 时代。    # AIGC 让广告内容制作「升维」 过去 20 多年，广告是整个互联网行业最重要的现金牛，为技术发展提供了最多的动力。几乎所有的互联网巨头，都依靠广告作为最主要的收入来源。 但在数十年里，线上广告平台所有的革新，主要是投放和匹配的核心，即「让内容找到正确的观众」，广告制作本身依然停留在相对传统的阶段。因为高度依赖创意和素材生产，所以存在门槛高、周期长、试错成本高的问题，也存在一定的同质化。 过去几年，AIGC 技术已经在深刻改变这一领域。越来越多商业素材，特别是插图、配音，都开始广泛采用 AI 生成，以降低商用成本，规避版权风险。据华尔街日报报道，Meta 的 AI 图像生成工具上线后，帮助广告主规避了 90% 的版权风险。各家数字广告平台都在通过生成工具帮助中小广告主降低成本。近期，快手创始人程一笑在新季度财报电话会上表示：根据快手内部测算，AI大模型预计可以把客户的短视频营销素材制作成本降低60%-70%甚至更高。  现在，AIGC 已经开始融入到广告制作的每个环节，从创意脚本、内容素材，再到生成实时交互……这种变革意味着 AI 从单点的效率工具，正在演变为一种创意基础设施。它的意义不只在于降低制作成本，更增加了广告的投放维度，让广告不再局限于单纯的视频或图文，而是可以升维到具有情感互动能力的数字人直播，智能客服等等。 过去一年，快手的技术聚焦重点之一就是数字人的「情感表达能力」，迭代后的女娲数字人，能够实时响应观众提问并保持自然互动，显著提升直播转化效率。2024 年第四季度，快手全平台 AIGC 短视频素材和数字人直播服务的日均消耗量已超过 3000 万元。  对广告主来说，AIGC 最大的应用价值不只在于降低成本，即便今天的 AIGC 素材生成效果已达到了良好水准，也仍有大量内容在通过实拍等方式制作。但 AIGC 在传统广告的生产端，也能发挥很大的作用。 基于 AI 能力，广告主可以生成大量不同方向的创意脚本，通过大量素材的交叉投放、评估效果，最终确定未来内容制作的投入方向。 过去数字广告行业的大部分成果，几乎都归功于「效率优化」，通过精准投放和效果评估，实现投放的效果最大化。而现在，AIGC 可以从生产端就开始介入，使它不仅成为内容素材的生成工具，也可以为制作投入进行前置的「验证」。   # AI buff 加成：投放从人工到智能 所有的数字广告系统，核心都是「流量效率」的优化，其中一侧是平台自身的分发调优，另一侧则是广告主的竞价和匹配。 「卖流量」的生意已经存在了数百年之久，从纸媒时代的平面广告，电视时代的视频广告，再到数字广告，它们都是在对广告和受众进行细分。这些「匹配算法」经过几十年的发展，已经变得非常成熟，比如体育节目后面总是跟着汽车广告，儿童视频则总是有玩具广告…… 但问题是，传统的垂直匹配颗粒度太低了，其中还包括很多刻板印象。自从内容算法诞生之后，有越来越多的结果都是「反直觉」的，比如一些户外运动的爱好主力其实是女性而不是男性，看上去低龄受众的可爱玩具，实际备受年轻的成年人追捧。当下时代，可以说每一天都有新的意识在形成，新的场景等待被挖掘。今天很流行的一个词「网感」，其实就是感知和归纳这些新意识的能力。 所以，进入 AI 时代，下一代智能投放 agent 最重要的能力，应该是「发现盲点」的能力。 当下，广告投放操盘已经进入复杂的博弈阶段，数百个素材内容、数十个投放目标以及多元出价工具的叉乘组合，让投放的复杂程度远超人脑决策的极限。 所以，新的商业投放策略，应该是精细的、全域多目标组合，且可以多体裁、长周期地投放，在过程中不断逼近理想的转化效果。如果说过去的广告匹配是独立的多次「对焦」，没对上就再来一次，AI agent 则让这个过程真正变成了「连续追焦」的过程，更容易达成调控目标，也更便捷。 2024 年，快手基于大模型推理上线了全自动投放（UAX）能力，过去一年，UAX 的客户渗透率已接近60%、投放冷启成功率提升了25%。全站推广 Agent 为投放商家撬动了 60% 以上的自然 GMV 增长。  现在，快手的营销推荐大模型已采用思维链决策学习技术，能够模拟人类认知过程逐步分析复杂问题，洞察用户行为与商业行为的内在联系，从而匹配用户购买需求与商品核心卖点。它具有一种「俯瞰舆论场」的能力，发现那些最新的热点，甚至挖掘出盲点。 在内容匹配上，广告主也不再需要根据已有的市场调研结果来进行人群匹配。磁力引擎能对广告内容进行自主的多模态大模型理解、匹配，增加推荐精度和转化率，提升匹配效率，让冷启动变得更容易。   # 让大模型创造新的价值增量 当下，AI 落地的最大障碍，就在于它还没有创造出明显的「价值增量」。 大部分大模型应用，都依然停留在对人力的模仿、替代，对很多普通用户来说，AI 带来的「危机感」要大于「价值感」，这将是大模型进化成通用人工智能道路上的最大长期阻碍。 在那些相对垂直的场景里，如电商经营、内容消费、本地生活等领域AI 大模型对现有系统的优化提升要具体、确切得多。一切都可以被更准确地衡量，也就意味着切实地价值增量。 过去一年，AI 对商业营销的加成已经缔造了快手带来了商业生态的繁荣。平台商业化收入同比增长超 20% 至 724 亿，合作客户数也同比增长 50% 以上。就连「广告」这个概念本身也在改变，曾经分野明确的「节目」和「广告」，界限正在变得越来越模糊。越来越多商业内容，因为与用户需求的紧密贴合，本身就变成了一种内容。 尤其是在短剧、小说、小游戏这些内容领域……内容的创作、生产、投放、营销、消费，已经形成了完整链路，深刻融入了平台。2024 年 Q4，快手内容消费行业获得迅猛增长，其中短剧的商业化消耗同比增长超 300%。截至目前，短剧的单日消耗峰值已突破 3000 万，小游戏的日消耗峰值突破 1200 万。  而这些新垂类背后，都能看到 AI 技术的影子。无论是对用户偏好的分析预测、内容素材的生成，还是发布策略的制定，都已经离不开 AI 大模型的支撑。 未来，AI 将持续带动内容形式和垂类创新，让内容变得更具互动性，也开拓更多新的工具品类。比如针对电商、本地生活类产品，可以通过 AI 智能客服实现即时互动、深度转化私信。或在品牌营销领域，可以用 AIGC 生成玩法融入到品牌宣发里，让受众参与进来，实现自己的个性定制。 这种革新，对广告主、用户，以及大模型技术本身，是一次「多赢」。商业项目得到曝光，用户收获价值，大模型则得到了效用的验证。这种循环模式，还在延伸到更多领域。通过这种垂类的反馈优化，反而能帮助 AI 大模型技术突破 C 端应用的鸿沟，形成正向的创新反馈闭环。 可以说，通过全面融入 AI，快手将有机会带动商业引擎进入一个全新维度，为平台乃至整个数字商业经济注入更多新活力。

iPhone 系列一直是苹果的摇钱树，无论该公司涉足多少类别，其移动设备业务始终蓬勃发展，为公司带来了最大的收入份额，并帮助在技术行业建立了新的梯队。凭借在中国、越南和现在的印度等地区建立的全面供应链，苹果不仅可以保证每年数百万台的出货量，还可以利用这些地区的低劳动力成本来最大化利润。这些原因以及其他原因使有人坚信，无论特朗普最新宣布的关税高到何种程度，这家库比蒂诺公司都不会将 iPhone 生产转移到美国。  将 iPhone 制造转移到美国不仅会使苹果的劳动力成本飙升，而且持续的劳作可能会导致产量下滑。 首先，苹果为在美国建立生产工厂而投入的资金数额将非常惊人。与其他国家相比，在美国开展业务的成本更高，因此这家总部位于加州的巨头选择在海外建立工厂也就不足为奇了。 NewsWire 此前发表的一篇文章估计，在关税影响下，iPhone 的价格将飙升至 3500 美元，这种说法遭到了彭博社记者马克·古尔曼的批评，他后来又发了一篇帖子，称“苹果绝对不会将 iPhone 生产转移到美国”。  尽管苹果承诺在四年内向美国境内投资 5000 亿美元，但也丝毫没有提到该公司将 iPhone 生产转移到当地。经营 Max Tech 频道的著名 YouTuber Vadim Yuryev发现了古尔曼的回应，并发表了看法称美国人可能无法持续完成东亚、南亚、东南亚工厂里连续数小时甚至十几个小时的单调工作量，而且所得的工资也难以在美国维持生计。 假设 iPhone 确实在美国生产，产量不仅会减少，而且工厂工人的工资更高，这就将迫使苹果提高 iPhone 的价格，因为管理费用增加了。当然，该公司可以在美国生产其他产品，但那是因为这些产品是可以批量机器生产的，因此不需要投入大量人力。 据报道，为了准备 iPhone 16 的发布，富士康此前已额外招聘了 5 万名工人，并向他们提供了 1050 美元的入职奖金，以满足即将到来的需求。但在美国，上述金额会被视为微不足道。 [查看评论](https://m.cnbeta.com.tw/comment/1490990.htm)

面对高额关税，苹果将不得不提高美国和其他地区 iPhone等热销产品的价格，但正试图将涨价推迟到下一次硬件升级。一份新报告显示，苹果正在采取多项举措，以减轻美国和其他国家对其旗舰产品征收关税带来的成本上涨。也就是说，美国消费者应该预计在不久的将来会看到 iPhone、Mac和其他硬件产品的价格上涨。  尽管苹果多年来一直在努力将生产设施从中国转移，但几乎所有苹果开设工厂的国家（如巴西、印度和越南）都面临着进口关税的猛烈冲击。据彭博社报道，该公司正在采取多种策略，尽可能减轻冲击。 据估计，将生产全部转移到美国可能会使苹果产品的价格翻倍。如果真是这样，那么在目前的情况下，吸收和减轻当前的关税实际上是苹果的最佳选择。 虽然苹果在美国拥有一些制造工厂，但这些工厂仅占该公司总产量的一小部分。芯片制造商台积电最近在美国开设了一家工厂，用于未来的芯片生产，但短期内还远远不能满足苹果等科技公司的需求。 正如特朗普总统所认为的那样，苹果有可能增加美国制造业，但如果这真的有可能，也将需要数年时间，而且不会改变苹果对原材料的需求，因为原材料始终需要进口。 此外，等到任何新的美国制造业能够为苹果的供应链做出超过一小部分贡献时，目前的关税预计将被取消。即使国会不撤销这些关税，关税的计算方式也表明，它们可能会不可预测地被上调或下调。 因此，苹果不会将生产转移到美国，而是会尝试减少无法避免的关税影响。该公司无疑会采取一些选择，但这些选择都无法避免苹果提高价格。 例如，苹果可以通过暂时降低利润率来吸收部分增加的成本。目前，苹果产品的平均加价幅度约为 45%。 短期内，苹果可能会采取这一措施，降低利润率，尽可能长时间保持当前产品价格不变。该公司还可能向制造合作伙伴和零部件供应商施压，要求他们降低价格，但目前还不清楚供应成本能有多少降低空间。 同样，据推测苹果正在研究通过其他供应链变革尽可能避免关税的方法。这些策略可能包括从生产设施直接向非美国市场发货，避免来自美国出口和进口的关税增加。 据称，为了尽可能推迟涨价，苹果一直在囤积现有库存。如果消息属实，这可能意味着苹果将推迟提高其最受欢迎的产品（如当前的 iPhone 和iPad）的价格，直到 2025 年下半年产品更新，具体取决于它能够建立的库存规模。 除非关税发生变化，否则即将推出的苹果设备的价格将大幅上涨。据报道，由于关税和由此引发的贸易战， iPhone 17 Pro 机型的价格可能会上涨至2000 美元甚至更多。 苹果并不是唯一一家面临关税问题、客户不得不支付更多费用的公司。从科技产品到日用杂货，几乎所有产品类别的价格上涨都将对美国消费者造成冲击。 这也是苹果和其他受影响的美国公司股价因关税而受到冲击的主要原因。人们担心美国经济可能陷入衰退，导致消费者推迟所有大宗采购——这加剧了关税的影响，并导致美国市场持续混乱。 [查看评论](https://m.cnbeta.com.tw/comment/1490978.htm)

创业者们，掌握了投资人所看重的这九大关键要素，就如同掌握了开启融资大门的钥匙。

Google上个月发布了Pixel 9a ，但随后由于未知问题而推迟了发布。这款手机最终将于下周（具体时间是4 月 10 日）上架。在此之前，YouTuber PBKreviews 设法拿到了一台设备，并在他现在传统的拆解视频之一中将其拆开。所以如果你一直想知道 Pixel 9a 里面有什么，现在你有机会知道了。 这款手机的可修复性得分为 7.5 分（满分 10 分），其中 10 分表示最易修复，0 分表示最难修复。其内部设计、零件可用性和屏幕更换的便捷性均获得最高分——满分 2 分，共获得 2 分。 它的不足之处在于更换电池的难易程度，在 2 分中只得到了 1 分，尤其是更换杂件的难度，在满分 2 分中只得到了 0.5 分。  [查看评论](https://m.cnbeta.com.tw/comment/1490976.htm)

是否将加密货币作为长期持有资产可能是对数字资产感兴趣的投资者需要做出的最大决策，但像比特币这样的加密货币该存放在哪里，可能会成为最具决定性的问题。在今年早些时候加利福尼亚发生野火之后，社交媒体上开始出现一些声称比特币损失的帖子。一些用户展示了原本用于保护助记词的金属板被烧毁，变得难以辨认，或者描述了要找回存放在受火灾影响银行的保险箱中的加密货币密钥有多么复杂。  虽然无法核实关于火灾烧毁包含所谓 “硬冷存储” 加密钱包和助记词的硬盘、笔记本电脑及其他存储设备的个人说法，但可以确定的是，比特币的自我保管存在一系列独特的安全问题，而且这些风险还在不断增加。 加密货币持有者通常会使用某种形式的所谓 “钱包”，钱包有几个主要特点：该钱包是否连接到互联网，以及钱包中直接嵌入的用于交易和转账的控制权有多少。此外，还有一个根本问题，即加密货币投资者是否完全使用第三方进行托管，还是对自己持有的资产保持完全的托管和交易控制权。 标准的第三方平台 “热钱包”（比如 Coinbase 或Blockchain.com提供的服务）是持续连接到互联网的。另一方面，“冷存储” 和 “冷钱包” 包括离线保存私钥的硬件设备（如 U 盘），甚至只是写在纸上或金属上的助记词（一种主恢复代码，由 12 到 24 个单词组成，用于恢复对加密钱包的访问权限）。当硬件钱包或助记词的离线备份通过另一台设备连接到互联网时，就可以用来访问加密货币。 对于第三方托管选项，有一些措施可以帮助所有者保持警惕，防范可能会访问到联网平台的网络犯罪分子所带来的威胁，包括使用双重身份验证和强密码。美国司法部下属负责美国执法资产没收的美国法警局，使用 Coinbase Prime 为其没收的数字资产提供托管服务。 许多比特币多头更愿意自行保管像比特币这样的数字资产，部分原因和他们一开始对比特币感兴趣的原因相同：对某些形式的机构控制缺乏信心。加密货币经纪商提供的托管钱包以便利性换取了交易所被黑客攻击、关闭或欺诈的风险，就像备受瞩目的 FTX 倒闭事件那样。而野火只是最近一系列全球事件中的一个例子，这些事件引发了更多关于加密货币托管争论转变的问题。中东地区持续的冲突以及俄乌冲突，已经促使海外的比特币多头重新思考他们的自我保管方式。 自我保管公司 Casa 的联合创始人兼首席执行官尼克・纽曼表示，世界上像自然灾害这样的物理风险是一个重新审视比特币安全机制以及大多数人在操作中常见安全漏洞的机会。“大多数人用一个私钥来保护他们的比特币。如果那个私钥在单个设备上，或者以助记词的形式写在纸上，这就是一个单点故障。如果你丢失了那个私钥，你的比特币就没了。” 他说。 纽曼指出，很明显，把助记词写在纸上是抵御火灾能力最低的保护方式，但这却是常见的做法。把这些纸条放进防火袋或保险箱里能提供一些保护，但作用不大，而且即使采取额外措施，把助记词写在 “坚不可摧” 的金属存储板上，也存在一些失效点。一方面，这些金属板可能并没有那么坚不可摧；另一方面，在废墟中可能根本找不到它们。 “从逻辑上讲，考虑到加利福尼亚火灾发生的地点以及在 X（原Twitter）上分享的故事，很有可能比特币已经丢失了。” 纽曼说，“其中一些说法相当有说服力。” Casa 会对助记词备份进行年度压力测试。 一些自我保管服务，比如 Casa，提供多重签名设置，降低了单点故障的风险。一个多密钥加密 “金库” 可以包括手机密钥、多个硬件密钥，以及像 Casa 这样的公司代表所有者持有的恢复密钥。 多重签名托管方式允许所有者持有大多数密钥，而一个可信赖的合作伙伴持有少数密钥。Swan Bitcoin 的董事总经理约翰・哈尔表示，在这样的设置下，所有者需要同时丢失所有的物理设备和所有的助记词副本才行。只要所有者能够访问至少一个设备或一个助记词，他们就能够找回自己的比特币。哈尔说，这种方法应该能显著降低在像自然灾害这样的事件中所有设备都丢失的可能性。 “你可以把这些密钥分散在多个地区甚至多个国家，并且你需要五个密钥中的任意三个来批准一笔比特币交易。” 纽曼谈到 Casa 的五密钥方法时说道。 受监管的加密货币托管商 Fortress Trust 的首席行政官乔丹・巴尔塔佐尔表示，我们在个人生活其他方面使用的最佳实践也应该应用于加密货币领域。一方面是存储方式的多样化以及对风险的权衡。他说，在将个人敏感数据备份到云端以确保数据不丢失或不损坏方面，数字资产和其他数据没什么不同。 包括 Coinbase 和杰克・多尔西的 Block 在内的公司提供的产品试图融合其中一些理念，打造出一种更安全且使用起来依然方便的加密货币钱包。有 Coinbase Vault，它在用户能够访问用于交易的加密货币资产之前设置了增强的安全步骤。还有 Coinbase Wallet 和 Block 的 Bitkey，它们都有像传统钱包一样的移动应用程序，使转移比特币变得容易，但同时具备与硬件钱包配对的能力，并且增加了通常与冷存储相关的安全性。 Bitkey 硬件要求对交易进行多重授权以增加安全性，类似于 “多重签名钱包”。Bitkey 还提供恢复工具，这样自我保管中最大的风险之一 —— 丢失恢复冷钱包所需的代码或短语 —— 就不那么成问题了。 像多尔西公司推出的这类解决方案可能有助于解决便利性和安全性之间的矛盾；至少，它们凸显了这种矛盾的存在，并且这很可能会成为加密货币更广泛普及的一个障碍。除了野火、各种自然灾害和冲突等形式的风险之外，比特币的自我保管还可能面临所有个人风险中最大的风险：比特币所有者的意外死亡。可以说，在解锁加密货币的保管链方面，没有什么比继承问题更复杂的了。 Coinbase 在释放托管资金之前需要遗嘱认证法庭文件和特定的遗嘱指定，而物理钱包几乎不提供任何支持，这可能会使所有的数字价值都被锁定在一个私钥上。Bitkey 在 2 月份推出了其继承解决方案，一位 Bitkey 高管称这是在解决 “一个可能会引发数十亿美元损失的问题”。 “在比特币上有大量投资的人绝对需要以不同的方式思考如何保护它。” 纽曼说。他表示，在像加利福尼亚野火这样的灾难发生后，或者当像 FTX 这样的交易所倒闭时，这个行业确实会看到更多的加密货币持有者采取行动，转向更安全的存储设置。“我想，等到‘坏事发生’才促使人们采取行动改善自己的个人处境，这是人的本性。” 他说，“但我认为，如果人们能更积极主动一些会更好。否则，他们就有可能遭遇那种‘坏事’，到那时就太晚了。” [查看评论](https://m.cnbeta.com.tw/comment/1490974.htm)

 本期时间轴制作：雏雏 上次聊前任和爱情的节目引发了不错的反响，“老常规节目重制”的企划似乎有必要继续下去。 本期节目当中，我们找到了前任节目当中的几位当事人，继续“重制”另一个话题：“宿舍往事”——作为最高效聚拢同龄人共同生活的单位，关于学生宿舍的回忆几乎人人都有。时间拉回到或近或远的回忆里，当青春的荷尔蒙涌动，那时的环境、那时的人、那时干过的胡逼事儿，都会像蒙太奇一样，出现在你的眼前。 等一下，上期宿舍往事怎么就过去8年半了？

AMD在今年3月初推出了新一代RDNA 4架构的Radeon RX 9070系列显卡，理论上下一批产品应该就是第二季度的Radeon RX 9060 XT，不过RX 9060 XT用的Navi 44 GPU是128bit显存位宽的，所以只能弄出8GB或者16GB显存的版本，这就让RX 9070和RX 9060 XT之间的性能落差会很大，因此有消息指出AMD可能会面向国内市场推出配备12GB显存的Radeon RX 9070 GRE显卡。  根据benchlife报道，目前Radeon RX 9070 GRE 12GB在AIB合作伙伴的规划中，已经准备进入投产阶段，因此很快就会看到相关显卡在国内市场推出。 目前RX 9070 XT和RX 9070都是用256bit显存位宽和16GB GDDR6显存，而RX 9070 GRE从12GB的显存容量就能看出位宽会削至192bit，如果所用的显存速率依然是20Gbps的话，带宽会降低至480GB/s，降低了四分之一，除此之外流处理器数量也肯定会比RX 9070的3584个更少。 AMD会根据不同地区的市场情况制定不同的SKU，而国内市场是经常会出这类产品的，比如AMD没有在国内推出的RX 7600 XT转而推出了RX 6750 GRE系列，还有最近刚推出没多久的RX 7650 GRE，而RX 9070 GRE有不小可能会在国内取代RX 9060 XT 16GB的地位，说真的128bit的卡出16GB也不是很有必要。 另外AMD对GRE的定义已经从最初的“Golden Rabbit Edition”变成了“Great Radeon Edition”，所以这些GRE显卡也不一定是只面向国内市场的，此前Radeon RX 7900 GRE就在国外有销售。 [查看评论](https://m.cnbeta.com.tw/comment/1490970.htm)

据报道，苹果最终将在今年晚些时候推出 iPhone 17 Pro 和 iPhone 17 Pro Max 这两款旗舰产品时引入设计变更，这两款高端机型可能会采用双色饰面，并在背面有一个突出的横条。不幸的是，一份报告完全驳斥了这些先前的说法，称该公司无意纳入这些变化，这意味着即将推出的“Pro”系列与当前一代产品之间可能没有明显的区别。  新报告淡化了据称即将在 iPhone 17 Pro 和 iPhone 17 Pro Max 上出现的一些令人兴奋的变化，称这“并不能准确代表未来”。 [9to5Mac](https://9to5mac.com/2025/04/06/gurman-iphone-17-pro-design/)发现了 Mark Gurman 的“Power On”新闻通讯中的细节，那些终于为看到全新的 iPhone 17 Pro 和 iPhone 17 Pro Max 外观而满怀期待的人将彻底失望，因为预计不会有这样的设计变化，至少根据彭博社记者所获悉的情况来看是这样。这表明，我们偶然发现的有关双色饰面和摄像头条的任何信息都无法最终确定。 <blockquote><p>“网上的一些图片甚至展示了双色设计，深黑色的摄像头块位于银色 iPhone 背面。就像互联网上的许多渲染图一样，这些都不是未来设计的准确代表。</p><p>据我所知，iPhone 17 Pro 不会采用双色后背。相机区域将与设备的其他部分采用相同的颜色。这表明苹果正在进行更为渐进的设计变革：iPhone 17 Pro 与当前型号并没有太大的不同。”</p></blockquote> 苹果可能正在用一些原型试验上述变化，并决定不将 iPhone 17 Pro 和 iPhone 17 Pro Max 的新外观投入量产，因为要么是质量控制问题，要么是这种外观不符合公司的设计理念。 [查看评论](https://m.cnbeta.com.tw/comment/1490964.htm)

 作为宝可梦赛事体系中最具权威的大型赛事，宝可梦大师赛迄今已在国内连续成功举办2年，累计8场，足迹遍及北京、上海、广州、深圳、苏州等城市。新赛年伊始，2025宝可梦大师赛于广州保利世贸博览馆再次开启征程，来自全国各地的训练家齐聚花城，竞逐盛会巅峰。据统计，本届广州大师赛参赛选手总数超六千名，游客总数近两万人。  (广州大师赛活动现场) 本次大师赛的公开组采用了排位+双败淘汰的全新比赛形式，为大家带来更为精彩刺激的卡牌对决。训练家先通过公开组排位预赛获得排位分，排位分靠前的256位选手晋级公开组正赛。通过正赛的第一场比赛将256位选手分成128名胜者组和128名败者组，两个组别分别对战至均只剩1人，再由胜者组冠军与败者组冠军进行最终决赛。这为因一次失利败北但综合实力不俗的训练家提供了“再来一次”的机会。但要想从败者组中突围，也需要训练家具备更强的心理韧性以应对更高的体力与脑力挑战。通过增加容错空间、延长竞争链条、强化公平性，新比赛形式为训练家们提供了更全面的竞技舞台，同时也极大地提升了赛事的观赏价值。究竟是一路过关斩将的胜者组冠军最后能锁定胜局，还是蛰伏良久的败者组冠军最后能绝地反击，在最终结果未出之际都将成为全场最大悬念。最终，胜者组冠军“卡利欧-叶辰”，凭借“密勒顿ex卡组”，披荆斩棘，摘得公开组桂冠；而少年组与儿童组的冠军则分别由“超凡.菇蘑吃不-”与“XHG一个小学生”夺得。  (广州大师赛公开组/少年组/儿童组颁奖及比赛现场) 赛场之外，纷繁多样的嘉年华活动在囊括往年人气项目的同时也增设了不少让人耳目一新的独特体验。“宝可梦漂漂船”首次将水上游艺项目引入大师赛，小小训练家们可以搭乘座舱顺着水道，体验一场欢乐漂流，还能在“海洋球乐园”中欢乐嬉耍。新近上线的动画内容《宝可梦 地平线》也在动画展区亮相，人气角色也在现场和大家互动更添乐趣。能够体验全系列“宝可梦对战”乐趣的全新游艺机《宝可梦明耀之星》更是在现场首次发表，并为训练家们开放了先行体验。玩家可以在超大屏幕上与野生宝可梦进行激烈对战，尽情感受游戏乐趣。在活动会场的“绘梦工坊”中除了可以绘制专属宝可梦外，来场训练家还可为画作投票，最具人气的画作将在后续大师赛等活动中持续展出。会场区域内同时增设了多处场景化打卡空间，为训练家们留下珍贵回忆。丰富有趣的系列活动让2025广州大师赛也成为了大小训练家们的春日假期好去处。无论是亲子家庭还是训练家同好都得以在轻松愉悦的氛围中感受宝可梦带来的无限乐趣。此外，赛场内还设置了“2025宝可梦广州大师赛购物站”，赛事主题商品也于现场火热开售，掀起跨世代训练家们的收藏盛宴。  (宝可梦大师赛嘉年华活动现场)  (用心装扮的训练家们盛装合影) 为将宝可梦的多样魅力辐射更广人群，为2025广州大师赛打造的活动将于广州塔下延续至4月20日。10米高巨型新叶喵气模全球首现广州塔下，成为城市打卡新地标；绘梦工坊151活动让更多人见证训练家们的创意和与宝可梦的羁绊；而在主会场颇受欢迎的赛事主题周边商品也将以快闪店的形式在这里继续精彩。  (广州塔新叶喵巨型气模) 不断革新的比赛形式推动赛事竞技生态趋向更专业、更包容的方向。而持续推陈出新的配套系列活动，也将宝可梦的多样魅力渗透至全民视野。当冠军奖杯尘埃落定，训练家们的全新冒险即刻启程。赛后现场公布了后续赛事详情，宝可梦超级赛即将于5月、6月在武汉和郑州陆续开启。未来，宝可梦也将继续通过丰富多元的体验活动连接虚拟与现实，为训练家们留下更多难忘瞬间。

特朗普政府激进关税政策已导致全球股市蒸发6.6万亿美元，投资者401k严重受损。民众在全球1000多个城市举行&#34;放手！&#34;抗议活动，要求保护社会安全网和经济稳定。对特斯拉和马斯克的抵制情绪高涨，可能影响相关投资。  周六，数以万计的示威者在全美乃至全球各地爆发大规模抗议活动，反对特朗普政府的各项政策。抗议人群抨击了一系列政府政策，包括激进的贸易关税、联邦雇员的裁员、合法移民的驱逐、对跨性别群体的攻击、入侵格陵兰的威胁，以及马斯克的政府效率部。 这次抗议活动恰逢特朗普宣布的全面10%关税正式生效之际，华尔街陷入为期两天的抛售潮，股市市值蒸发了6.6万亿美元。尽管市场大幅动荡，特朗普周六通过社交媒体敦促美国人在他所谓的&#34;经济革命&#34;中保持耐心，承诺&#34;这并不容易，但最终结果将是历史性的&#34;。 **&#34;放手！&#34;运动：全美1000多个城市参与** 这场由&#34;放手（Hands Off）！&#34;运动组织的抗议活动覆盖了美国1000多个城市和城镇，得到了从堕胎权到气候变化等各类倡导组织的支持。华盛顿国家广场的集会规模最大，抗议者持有各种标语，包括&#34;企鹅反对关税&#34;、&#34;把Musk送上火星&#34;和&#34;让我的401k再次伟大&#34;。 一位来自安纳波利斯的抗议者Peter（要求不透露姓氏）表示，他参加集会是为了回应他所看到的特朗普和马斯克对民主的&#34;攻击&#34;。华盛顿居民Maya则表示，她正在抗议&#34;亿万富翁寡头政治&#34;，并补充说&#34;关税伤害的是工人阶级&#34;。 马斯克成为抗议焦点：DOGE部门引发合法性争议 在特朗普重返白宫后，他任命马斯克通过政府效率部门(DOGE)削减政府开支，这一举措迅速引发了反弹。 马斯克重组和缩减联邦机构的迅速行动已引发一系列法律挑战，包括3月份发布的一项限制令，暂时阻止DOGE工作人员访问社会安全局系统。一组劳工和倡导组织质疑该机构允许DOGE访问其敏感信息数据库的合法性。 抗议者不仅在华盛顿表达不满，在欧洲城市如伦敦、里斯本和巴黎也举行了示威活动，在柏林的特斯拉展厅前也有抗议。特斯拉已成为针对马斯克的抗议焦点，美国各地的特斯拉车辆和经销店已遭受多次袭击。 **政治影响与经济担忧：投资者需要关注的信号** 这场抗议活动具有重要的政治意义，组织者和民主党人已利用马斯克的不受欢迎程度来激励抗议者和选民。上周二，马斯克支持的候选人Brad Schimel在威斯康辛州最高法院竞选中惨败，这场选举被广泛视为对这位争议亿万富翁的公投。 从投资角度来看，示威者主要担忧以下几点： 关税政策对全球供应链和消费者价格的负面影响； 股市大跌对退休账户(401k)的严重损害； 联邦机构削减对科研和基础设施的潜在长期影响。 宾夕法尼亚大学的研究生Connor Hogan向媒体表示，由于特朗普政府削减国立卫生研究院(NIH)等机构的拨款，研究生录取名额已经减少，实验室失去了资金支持。&#34;来自NIH的联邦资金就像美国生物医学研究的命脉，&#34;27岁的Hogan说，&#34;特朗普削减这些资金会使美国医疗保健倒退数十年。&#34; [查看评论](https://m.cnbeta.com.tw/comment/1490960.htm)

据报道，**越南越捷航空将于4月中旬首次在国内航线上运营中国制造的中国商飞短途支线客机C909。**根据文件，越捷航空计划于4月15日在首都河内和南部昆仑群岛之间运营四趟航班，该公司还将在同一天在胡志明市和昆仑群岛之间运营四趟航班。  **据悉，越捷航空于2011年开始营业，是越南第二大航空公司，也是越南首家和最大的私营航空公司，**共运营越南和泰国197条国内和国际航线，该公司的机队主要由78架空客A320和A321组成。 去年2月，商飞在广宁省云屯县云屯国际机场举办商用客机展览及飞行展示活动，向越南介绍了C919和C909两架飞机。 **去年底，越捷航空签署了一份租赁合同，从2025年开始租赁两架中国商飞的C909飞机。**  C909也就是此前的ARJ21改名而来，是我国首次按照国际标准，自行研制的具有自主知识产权的新型涡扇支线飞机。 2002年4月经国家批准立项，2008年11月28日在上海成功首飞，2016年6月28日成功首航，实现了我国航线上国产喷气客机零的突破。 航程2225—3700公里,最大起飞重量40500千克，最大使用高度11900米，具有适应性、舒适性、经济性、共通性、系列化等特性。 可实现多种客舱布局，包括78座两舱、90座全经济舱、95或97座高密度经济舱等。 [查看评论](https://m.cnbeta.com.tw/comment/1490958.htm)

 太厉害了，她只发22篇笔记，就快速吸粉5.7w。 做养生赛道的人慢慢地多起来，现在涨粉确实不如一两年前容易了，那她是怎么做到这个成绩的？  我们一起来看看。 ## 1、自媒体内容系统化 虽然互联网的内容依然鱼龙混杂，但跟几年前比起来，大家对于高质量内容接受度越来越高。 有一类爆款选题，就是比较系统化的养生内容，这说明互联网受众比以往更加愿意看深度一些的内容，而不仅仅是浅显、博眼球的东西了。 所以，小禾做的脾胃专题、黄帝内经共读专题这一系列，内容系统性、深度都比较强的内容，在此刻出现，弥补了互联网深度内容不够的空缺，能够受到欢迎。  当然，互联网开始欢迎系统化的内容，不意味着欢迎论文：有系统有深度的内容，依然要讲得清晰明白、易于大众理解，才能受到喜爱。 ## 2、做一个表格/导图增加完播 在“脾胃专题”中，小禾会在视频开头的部分，展示自己做的思维导图、或者总结的表格等等，这样一份资料，对于完播有很大的帮助。 一方面，你自己做了这样细致的笔记梳理，会让观众更信任你，觉得你是经过输入、思考之后再输出的，你的内容更加可信； 另一方面，许多观众会想要一份这样的资料，以前的账号，会经常在视频开头说“视频最后会有思维导图”，许多观众会为了获得资料而看到最后，同样看到小禾呈现的资料，也会想要多看看； 小禾还会将资料图片分享在评论区，这样一来，评论的互动、停留增加了，完播也增加了。  ## 3、下期预告提高转粉率 一般来说，小红书的转粉率是10:1，也就是10个赞藏对应有1个粉，但小禾的转粉比例，大概是3:1，很高的水平。 这么高的转粉率，一方面来自于内容的系统化，另一方面，也来自于每个内容的“下期预告”。 当你的“下期预告”越让人期待，大家成为你的粉丝的可能性也就越高。  ## 4、个人+品牌双IP 小禾除了自己的这个个人号，也在做一个品牌号“小禾食养”。 小红书上许多主理人品牌，都会走这种“个人+品牌双IP”的路线，用个人做 ip 树立形象，品牌店铺号完成转化，我们之前分析过的阿丹在食养、床垫大王默翰都是这样做的，个人和品牌互相助力，变现能力很强。 小禾目前还在积蓄粉丝势能的阶段，暂时还没有进行变现，但可以预见，她的变现能力也不会弱。  不过这种方式在养生赛道，更适合有专业背书的人，像小禾自己就是相关学校毕业的，品牌也会获取相应资质，只有这样，才能更好地避免违规、完成店铺认证和产品的上架。 本文由人人都是产品经理作者【李子木说运营】，微信公众号：【李子木说运营】，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。

我第一次学开车是在 10 岁左右，16 岁时就拿到了驾照。人工智能发展到现在已经 73 岁了，但仍然不会开车。这是怎么回事？人工智能无法驾驶汽车的原因有很多，而这些原因都与电子设备有关。  传感器并不适合所有路况，问题在于所需的处理能力超出了汽车所能提供的范围，处理时间可能比人脑慢（即使使用超级计算机），人工智能无法做出道德决策等。有很多技术障碍阻碍人工智能汽车上路。 但最大的障碍不是传感器、技术，甚至不是法律问题或道德问题。事实可能是我们实际上并不知道人工智能是如何思考的。 [Anthropic](https://www.anthropic.com/research/tracing-thoughts-language-model)最近的一项研究发现，人工智能聊天机器人会产生幻觉，不擅长做基础数学，而且经常对自己的推理撒谎。就像人类一样。事实证明，我们对大脑的运作方式一无所知，无论是人工智能还是人类。 和人类大脑一样，关于人工智能如何运作的理论也有很多。“我们认为它这样做是因为那个”之类的解释。和大多数科学一样，这只是最好的猜测。 测试一下就很简单了。我在 ChatGPT 中输入了“57+92”。它回答“57+92=149”。这是正确的。但当被问到“你是怎么得到这个答案的？”时，人工智能给了我标准的教科书式答案“我先把个位和十位相加，然后把结果合并起来。” 在这一点上，ChatGPT 撒了谎。 这不是人工智能得出答案的方式。人工智能是一台计算机，就像任何高级计算器一样，它只是将 1 和 0 放在一起并得出总数。就像这样： 111001 (57) + 1011100 (92) = 10010101 (149) 人工智能是一台计算机，它现在仍然这样进行数学运算。当我问 ChatGPT 它到底是如何进行数学运算的时候，它在撒谎。它简要解释了数字到二进制再到结果的过程。与上面说明的类似。 自 1994 年以来，情况发生了很大变化，但还不足以使人工智能与普通人类驾驶员平起平坐。美国的车辆有两个联邦强制要求的传感器。两者都用于排放。车辆的其余预碰撞安全系统依赖于驾驶员的眼球和反应。 回到现在，Anthropic 的人们正在测试一种名为 Claude 的语言模型 AI，它与我们许多人可能通过自然语言每天接触的 AI 类似：ChatGPT、OpenAI 等等。 他们发现，Claude 通常会根据预先设定的叙述来编造逻辑，以安抚或吸引与之互动的人。这与政客们对某个话题喋喋不休以示赞同的方式类似，但 Claude 的诡异和恶意要少一些。 把这个道理应用到路上的汽车上。开车时，我们每分钟都要做出数千个决定，这些决定不仅会影响我们的生活，还会影响我们周围人的生活。我们从分心驾驶数据中得知，即使是片刻的疏忽也会导致可怕的后果。现在想想如果人工智能为自己的错误反应辩解，或者无法足够快地做出决定，会发生什么。不要管谁应该为这个结果负责。 关键在于，虽然人工智能技术需要大量工作才能达到与人类驾驶员相同的水平，但学习模型本身也需要跟上。人工智能现在已经 70 多岁了，但只能达到与小孩相同的认知水平。我们甚至不确定它是如何做到这一点的。 如今的汽车有几十个传感器、数百英尺长的线路、三台或更多车载电脑、无线和 Wi-Fi 连接、GPS 和许多其他设备。这些都不能代替你驾驶汽车。即使是那些带有“T”字样的车型也不能。它们需要人类驾驶，而且可能还需要一段时间。大多数真正的自动驾驶汽车出于法律和技术原因，都被“限制”在某个区域内。 人类比我们的人工智能创造物具有明显的优势：我们生来就拥有非常顶级的感官系统，这些感官系统可以以多模式的形式工作——经过数千年的进化，我们非常善于利用它们。与大多数动物一样，我们擅长整理多种输入并做出相应的反应。 随着传感技术的进步，人工智能或许能证明自己是一个更优秀的驱动者。但我们不能肯定地说，因为人工智能的思维方式与我们不同。人工智能不擅长多感官输入认知和学习。这是大自然最伟大的壮举之一，但到目前为止，我们还没有轻易地在机器上复制它。人工智能也没有证明自己非常擅长在数据很少的情况下做出快速决策。它没有直觉，而我们经常凭直觉做决定。很多时候没有太多的有意识的思考。这是驱使我们不仅创新，而且适应和克服困难的重要原因。 不过，对于自动驾驶汽车爱好者来说，好消息是，由于我们不太了解人工智能的思维，它可能会做出我们意想不到的事情。它可以变得直觉敏锐，能够同时处理多个输入。可以肯定地说，如果它能做到这一点，它很可能比我们人类在更短的时间内完成。 希望到那时我们至少能找到让事情变得诚实的方法。 [查看评论](https://m.cnbeta.com.tw/comment/1490954.htm)

 无论b站，知乎或者其他论坛，时常能看到以“拍案叫绝的台词”为主题的内容。打开后发现，所谓的拍案叫绝，无不是深刻的道理，什么“谁赢他们帮谁”，“我是想站着，还把钱挣了”之类的。这些台词精彩吗？精彩。拍案叫绝吗？拍案叫绝，但这些只是一方面，所谓拍案叫绝的台词，并非只是字里行间的惊雷。 首先，什么是台词？台词是“日常生活中听到的内容的压缩版本，是谈话的精彩集锦。” 优秀的台词不是简单复制日常闲谈，而是捕捉那些最富有表现力的瞬间，精炼出交流的本质和节奏。在这个过程里，具体词语的选择反而不如对话整体流淌的韵律重要。一个停顿，或者一个打断，往往比华丽的辞藻更能打动观众。 观众不是傻子，在流媒体时代中网上冲浪的人，对台词的敏感度和判断力已经超越了其他任何叙事元素。只有真实、生动的对话才能创造代入感，让观众忘记自己是在看表演，而是真正生活在故事里。正因如此，台词写作不仅是编剧最重要的功课，也是最容易被观众第一时间评判的艺术要素。 拐回来，如何才能创作出令人拍案叫绝的角色对话？ - 用台词塑造性格 精彩的台词就像指纹一样，必须真实反映角色的独特性，也就是角色的性格。这意味着编剧需要对自己的角色有近乎心理学家的理解——不仅知道他们会说什么，更要明白他们为何这样说，以及会以怎样的方式表达。在写作中，我常会用“匿名测试”来检验自己写的台词：如果遮住剧本中的角色名字，仅凭对话内容你还能分辨出说话者是谁吗？这个方法简单，但及其有效。 这就引出了另一个问题：角色的表达方式由其内在驱动。 不过，我更喜欢另一种表达——情绪才是角色的发动机。 一个成功的角色会包含很多种复杂的情绪，而他的情绪必然会反作用于台词。简单来说，就是以下三点： - 动机因素：一个渴望权力的角色和一个随遇而安的角色，即使面对同样的情况，表达方式必然大相径庭。 - 背景烙印：成长环境、文化背景、教育程度都会在语言习惯中留下不可磨灭的痕迹。 - 性格特征：内向者倾向于言简意赅，外向者往往滔滔不绝，而偏执的角色则会反复确认细节。 值得注意的是，编剧在为角色创造性格的同时，也要保持作品整体风格的一致性。就像昆汀·塔伦蒂诺的电影即使角色各异，但观众仍能感受到鲜明的“昆汀式”对话风格。 2.多层次的对话功能 剧本中的对话不同于日常闲聊，每句台词都应该承担叙事功能，理想状态下甚至是多重功能： 1.背景铺陈：通过对话自然交代故事背景，而非生硬的陈述。在《宇宙探索编辑部》里，编剧是这样交代背景的： <blockquote>唐志军 ：我女儿，她自杀的那天，那个凌晨，她给我发了一条短消息。她问了我一个问题，我当时不知道怎么回答。我现在也不知道，现在也不知道。这个问题就是：我们人类存在在这个宇宙里的意义究竟是什么？</blockquote> 2.角色塑造：用语言习惯、用词选择展现人物性格。比如《三国演义》中，俘获曹丞相芳心的经典台词： <blockquote>董卓起身拔剑，威胁袁绍。 董卓：尔要试试我的宝剑是否锋利吗？ 袁绍迅速拔剑，怒斥董卓。 袁绍：我剑也未尝不利！</blockquote> 3.情节推动：对话本身应该创造新的情节点或冲突。这一点仍然可以用董卓和袁绍的那场戏来解释。 <blockquote>袁绍：当今，朝廷初定，招尔等入京，以为辅佐天子安定庶民。而你，却几次三番妄议废嫡长而立庶。岂不是蓄意谋反吗？（停顿）你，只不过是一窜逆之辈，又待怎样！ 这段话刺激了董卓，他拔剑，威胁袁绍。 董卓：尔要试试我的宝剑是否锋利吗？</blockquote> 4.潜台词表达：角色表面说的是A，实际想表达的是B。比如在《建国大业》中，毛人凤和阎锦文坐在车内。毛人凤为阎锦文布置任务，让他干掉张澜。但毛人凤知道，阎锦文并不会执行命令，而是护送张澜离开。对于这个共事多年的手下，毛人凤反而没有为难。 <blockquote>毛人凤递过一张纸。阎锦文接过，打开，阅读。 阎锦文：是公开的还是秘密的？ 毛人凤不耐烦地摘下墨镜。 毛人凤：这种事怎么能公开呢？ 阎锦文：是，懂了。 阎锦文开门，准备下车。 毛人凤拉住他，拍了拍他的肩膀。 毛人凤：保重啊。 </blockquote> 简单来说，台词的关键是要让这些信息自然融入到对话中，而不是让台词变成明显的“功能性宣言”，让角色跟个傻子似地机械朗读，就差举个板子了。 3.创作动态对话的要素 - 制造张力：没有两个角色会完全一致地看待世界。这些认知差异不一定会引发激烈冲突，但必然会给对话带来丰富的层次感。当角色各自的诉求相互碰撞时，即使是最平凡的对话也会变得耐人寻味。 - 善用潜台词：现实生活中，人们常常言不由衷。优秀的剧本对话同样如此——角色可能在讨论天气，实际却在试探对方的态度。这种未说出口的信息往往比直白的表达更有戏剧性。 - 把握节奏：对话不仅是文字内容，更包含呼吸般的节奏感。适当的停顿、打断或重叠说话都能创造生动效果。我写台词时，感觉节奏乱了就会自己演一遍——如果在演的时候觉得别扭，观众听起来一定会更别扭。 不过最重要的是，在电影和电视剧中，比起精彩，跌宕的剧情，丰满、立体的角色才更能抓住人。成功角色的精彩台词永远扎根于丰满的角色关系。 当你对某句台词犹豫不决时，不妨回到基本问题上：这个角色是什么性格？这个角色知道什么？他如何理解眼前的情况？他真正想要的是什么？ 理清这些，动人的台词便会自然而然地流淌出来。

近日，**一位Reddit用户分享了其微星RTX 5090 Gaming TRIO OC显卡和配套电源因12VHPWR供电接口烧毁的惨状。****该用户表示，其使用的是海盗船SF1000L电源附赠的原厂线材，未超频的情况下，显卡和电源两端的12针接口均出现塑料鼓包、金属针脚熔毁的情况，**价值约2900美元（约合人民币21118元）的旗舰显卡就此报废。 此前类似的事故已多次发生，尤其是在高端显卡如RTX 5090上，该显卡在高负载下功耗接近600W，对供电接口的稳定性要求极高。 技术分析指出，当接口未完全插紧时，电流会集中于少数针脚，局部温度可能飙升至150℃以上，足以熔穿绝缘层并损坏针脚。 最新的12V-2x6接口虽然在一定程度上确保了更好的接触，但仍无法完全避免电流集中在少数针脚的情况。 [](//img1.mydrivers.com/img/20250406/97d95ffd-a916-471c-b44a-bdf53db00f37.jpg) [](//img1.mydrivers.com/img/20250406/7c7e9ff5-e446-48ec-82dc-6d3116b01a24.jpg) [](//img1.mydrivers.com/img/20250406/9944c00c-d4bc-4ffd-9989-172935627730.png) [查看评论](https://m.cnbeta.com.tw/comment/1490952.htm)

4月6日，金融时报发文，从车顶搭载无人机的汽车，到免费的自动驾驶软件以及5分钟充满电的技术，**中国公司在电动汽车领域的创新步伐十分迅猛**，一些分析师认为，**这正推动着汽车行业迎来从未有过的激烈竞争**。  预计特朗普推行的大规模关税政策将导致美国和欧洲的资源及电子零部件成本上升，进而使电动汽车的销量进一步下滑。然而，作为全球最大的电动汽车市场，**中国今年的电动汽车销量预计将增长约20%，达到1250万辆**。汇丰银行的数据显示，随着电动汽车销量开始超过内燃机汽车，**中国电动汽车销量的78%集中在仅10家公司手中，其中比亚迪一家就占了27%**。 汇丰银行驻北京的分析师丁玉倩表示，这意味着**约52个汽车品牌将争夺中国市场剩余的22%份额**，其中包括30多个年产量不足3万辆的品牌，这些品牌可能很快就会面临被市场淘汰的命运。 **在中国，平均每两天就会推出一款新车型**。随着市场不可避免地走向整合，能否跟上先进技术的步伐，比如辅助驾驶功能和最新的信息娱乐系统，已成为企业生存的关键。 丁玉倩称，现在的市场呈现出“两极分化”的态势，**分为具备“智能电动汽车”技术的公司和不具备这种技术的公司**。她还补充说，随着燃油汽车市场的进一步恶化，汽车行业正进入其历史上“竞争最残酷”的时期。 她用扑克牌术语来形容这种情况：**“你要么弃牌认输，要么跟进加注。”** 自动变道和自动泊车等功能在中国已经越来越普遍。但由于有基于人工智能的大语言模型的助力，中国本土汽车制造商也在比许多分析师预测的更早时间开发出更先进的自动驾驶软件。**这类人工智能系统使汽车制造商能够更快地在模拟路况下训练无人驾驶汽车，并且更容易整合地图数据集。** 贝恩公司驻上海的汽车技术专家曾志翔表示，中国汽车集团正在“加大投入”，部署先进的驾驶辅助系统软件，**目标瞄准曾由老牌外国汽车集团主导的高端市场。** 他说：“所有中国汽车制造商都在努力在高端市场展开竞争。**他们在这些功能上投入巨大。这就是他们的竞争优势。**”  马斯克的特斯拉在上海生产汽车，曾被认为帮助点燃了中国消费者对电动汽车的热情。然而，随着消费者更青睐比亚迪等主要竞争对手推出的新车型，**特斯拉等外国汽车集团的市场份额正在流失**。 今年前两个月，马斯克作为特朗普的顾问卷入美国政治事务。在此期间，**特斯拉在中国纯电动汽车（不包括混合动力汽车）市场的占有率为7%，低于去年同期的12%。** 比亚迪本周表示，其第一季度电动汽车销量为41.6万辆，同比增长39%。而特斯拉在周三表示，其在同一时期的全球交付量为33.7万辆，远低于分析师预测的39万辆，也低于去年同期的38.7万辆。 根据咨询公司Automobility的数据，自2020年特斯拉在中国推出Model 3以来，特斯拉新推出和更新的车型总计为4款，而同期比亚迪推出的车型约为130款。 Automobility的创始人表示：“**跟上中国本土市场的步伐确实是一项挑战。**” 2025年前两个月，**外国汽车制造商在中国的市场份额降至31%的历史低点，自2020年以来已失去了三分之一的市场份额**。 瑞银分析师巩辰卓表示，过去十年外国汽车制造商在中国平均每年200亿美元的利润面临风险。他计算得出，**如果他们的市场份额降至20%，这些公司可能会面临1000万辆的过剩产能。** 作为全球最大的两家汽车集团，德国大众和日本丰田正在通过大力投资本土生产以及与中国公司建立技术合作关系来反击。最近几周，宝马宣布与阿里巴巴和华为建立合作关系，外国公司正寄希望于中国开发的软件来谋求生存机会。  然而，除了推出新车型和新功能外，**中国汽车制造商还在进行一场激烈的价格战**，这给本土汽车企业带来了更大的财务压力。 蔚来的创始人李斌在3月份告诉员工，随着竞争加剧，公司将在整个业务范围内削减成本。该公司还宣布了一项4.5亿美元的融资计划。 美国银行的汽车分析师李明勋表示，去年汽车巨头吉利和搜索引擎公司百度联合推出的电动汽车品牌极越的失败表明，**即使是拥有强大经济后盾和外国老牌原始设备制造商作为支持的电动车初创企业也可能受到冲击**。 李明勋说：“即使你有很有钱的后盾，你仍然可能破产。” [查看评论](https://m.cnbeta.com.tw/comment/1490948.htm)

4月6日下午消息， 胖东来近日发布关于侵权行为的处理公示（五），其中提到，宋清辉在“胖东来基层员工平均月薪9886元”的微博超话中评论“胖东来是一家没有什么核心竞争力的企业，只能变着花样靠流量活着”的言论，上述言论涉嫌对公司品牌形象进行贬损，追责金额不低于100万。  @宋清辉 今日在微博发布声明称将死磕到底。他表示，一个正常健康的社会不能够只有一种声音，专家学者存在的价值就是批判，就是探寻真相。“我微博上言简意赅几句话，指出的是一种企业流量乱象，即一家河南企业主如何通过刻意、精巧地制造流量噱头变现，转移经营压力，以期谋求更大的利润空间，为己所用。因此，完全不存在任何贬损名誉的行为。若胖东来无理取闹，我将积极反诉、斗争到底。” 他在声明中还表示，胖东来没有核心竞争力，其之所以能够“活”到现在，与其创始人于东来刻意制造的流量乱象密不可分，例如公开干涉员工私生活等等，其目的无非就是想把汹涌流量噱头转化为源源不断的人流、现金流，这不是一家正常企业所作所为，更是不务正业的表现。这是在消费宝贵的媒体资源、消费广大人民群众对国家的信心，可惜许多网友看不到这一点。 [查看评论](https://m.cnbeta.com.tw/comment/1490940.htm)

微软在Windows 11 24H2版本更新中又遇到了新的兼容性问题。**微软确认了一个涉及Windows 11 24H2的Bug：运行sprotect.sys驱动程序的应用可能会导致设备出现蓝屏或黑屏报错，甚至可能导致系统无法启动或恢复。** sprotect.sys驱动程序主要用于提供数据加密保护，常见于一些专用安全软件和企业级解决方案中。 微软表示，该问题影响所有版本的sprotect.sys驱动程序（包括1.0.2.372和1.0.3.48903），并且可能会被许多不同的应用程序安装过程自动引入系统。 **为避免用户在升级过程中遇到这些问题，微软已经对运行不兼容sprotect.sys驱动程序的设备应用了兼容性保留。** 这些设备将不会通过Windows Update自动安装Windows 11 24H2版本更新，如果用户使用的是家庭版或专业版，并且受到此保留措施的影响，Windows Update页面将显示一条消息，提示用户目前无需采取任何操作。 微软还为系统管理员提供了相关的保护措施ID（56318982），以便通过Windows Update for Business报告检查此问题。 **微软建议，如果用户无法安装Windows 11 24H2版本更新，不要强行进行升级。** 目前，微软正在与sprotect.sys驱动程序的开发商SenseShield公司合作，以解决这一兼容性问题。 [](//img1.mydrivers.com/img/20250406/522fc298-7f4a-4c15-ac8b-7f17941424ed.png) [查看评论](https://m.cnbeta.com.tw/comment/1490938.htm)

Android系统使用 Android Runtime 来执行应用程序代码，而在安装新应用程序时Android使用名为 dex2oat 工具获取 APK 的.dex 文件，这个文件包含应用程序的编译字节码，dex2oat 会使用该文件生成一个或多个应用程序工件。  通常这些工件可以帮助操作系统更快和更高效地加载大多数应用程序，使其成为Android系统的重要组成部分，具体来说工件可以采用多种形式：vdex 文件包含额外的元数据以加速 Runtime 的字节码验证，odex 文件包含应用程序中的预编译代码，art 文件则包含某些字符串或类的 Runtime 内部信息用于加快应用程序启动速度。对大多数Android设备来说安装新应用和游戏都不是难事，但如果处理器性能比较弱或者存储速度比较慢的话，低端设备仍然难以安装大型应用，所以Google希望通过另一种方式对应用程序安装进行优化，方便再低端硬件上更好地运行。 据 Android Authority 发布的消息，Google计划在 Android 16 中增加名为云编译的新功能，该功能允许从 Google Play 商店下载的文件中加载应用程序工件，而不是在设备本地通过 dex2oat 生成应用程序工件。  通过将应用程序编译转移到云端，Android 16 可以加快低端设备上的应用程序安装过程，尤其是对于那些需要编译大量代码的应用程序来说可以加快安装速度，Google的做法时从 Google Play 下载的 SDM 文件中提取编译好的工件。 SDM 是 Android 16 中引入的新文件格式，其中包含云编译工件，代表安全的 Dex 云数据，使用与签署 APK 相同的密钥进行签名，不过这类功能暂时还在测试并未投入使用，因为Google还需要在 Google Play 上进行配置让 dex2oat 可以生成这些应用程序工件。 这个功能对开发者来说可能是个好事，因为即便是大型应用程序也可以提高在低端硬件上的安装速度，只不过这个功能可能会配置为可选，因为实际使用时这会增加数据下载量，对于数据流量价格较高的地区可能会花费更多费用。 [查看评论](https://m.cnbeta.com.tw/comment/1490936.htm)


<blockquote><p>随着电商平台竞争的加剧和市场环境的变化，直播电商行业正在经历一场深刻的变革。从早期的“低价刺激需求”，到如今的“供给创造需求”，电商行业的增长逻辑正在发生根本性的转变。</p> </blockquote>  4月2日，中办、国办联合发文规范市场价格行为，要求强化事前引导预防和事中事后监管，维护市场价格秩序。 **反内卷这事儿，摆到了台面上。** 其实，之前各家电商平台已经有了不少动作。 3月31日，淘宝直播宣布，2025年全面加码品质直播，新增110亿投入。 最近，抖音方面，最近也推出九大商家扶持政策，助力商家降本增效。 而京东方面则宣布，针对多类目继续实施返佣降扣政策。 4月3日，拼多多“商保会”宣布，未来三年内拟投入资金、流量等资源超过1000亿元人民币，加码高质量电商生态建设，扶持商家。 以前大家是抢夺用户，**今年商家地位显然更重要了。** 平台看重商家，一是为上半年的618准备。年初给618做准备是常态，每年这个时间节点各平台都要出一些扶持商家的动作，今年不一样的是，平台投入力度更大了。 二是，电商要反内卷，**低价刺激需求逻辑就改变了。** **当内卷成为历史，供给重振需求的价值就显现了出来。**由此，整个电商行业，从低价刺激需求到供给创造需求的动力转换，势在必行。 ## 直播电商，供给为王 潘乱说，短视频是互联网的白话文运动。 这个总结很精辟。 如果把这个总结在电商的语境里，那就应该说“**直播就是一场电商的十月革命”。** 商品是死的，内容是活的。主播在直播间里嬉笑怒骂，与粉丝亲密互动，然后用精致的表演告诉你，就买它！ 然后呢，卖货的逻辑彻底变了。 **1.0版本里，卖货的本质是卖注意力。** 李佳琦、小杨哥、罗永浩、董宇辉，哪个主播刚开始做直播，不是先从搞大流量池开始的？那个时候，直播还有流量红利，而价格是重要的增长工具。 低价带来流量，带来注意力。 用户涌进直播间，也大多为低价买单。 于是，**低价的商品不是商品，而是被异化成了流量的工具**。借此，抖音、快手凭借自身巨大的流量池，迅速完成电商化。 **2.0的版本里，卖货的本质是卖情绪。** 头部主播崛起之后，直播间里的交易，复购比例上升。这个时候，用户与主播之间建立了信任链接，到直播间里买东西，成为一种习惯。 这个时候直播间里，卖货的本质是卖情绪。 用户有了信任基础，只要直播间里氛围感塑造足了，货就能卖得出去。直播间的冲动消费也变得更多了。 作为主播，谁能把情绪凝聚起来谁就能带货，这也是辛巴、小杨哥崛起的内核逻辑之一。 **今天，直播电商迭代到了3.0版本，卖货的本质就是卖货，电商返璞归真。** 头部主播复购上升，以及各类翻车事件，倒逼直播供应侧升级。李佳琦搭建供应团队，辛巴开始做严选，主播都在打造自己的选品体系的时候，直播电商，其实就已经走到了拼供应的阶段。拼供应就这件事儿，淘宝、京东是有优势的。 一个很有意思的数据是，2024年抖音电商货架场景和店播在GMV大盘占比合计超过70%。直播电商平台，货架对GMV的贡献比重在上升，店播对于平台GMV的影响比重也在增加。 这种结构性变化，则**要求供给端的质量进一步提升。** 特别是反内卷、规范价格竞争这事儿摆在台面上之后，靠价格刺激需求的路子已经走不通了，能不能通过深挖供给来找一条新路子？ 这是所有电商玩家们都要掂量掂量的问题。 萨伊理论讲：**供给决定需求。帮助商家做好供给端这件事儿，是能带来增量的。** 拿汽车行业来说，2018年开始，行业就进入了存量市场，产销总量都在下滑。但直到2024年，小米su7当初新发布，10万辆的产能就已经卖完了。事后统计数据发现，买小米su7的车主，有25%是增购。 这说明什么？说明**好的产品是能带动需求的。** 电影行业也能证明这一点。这些年电影业的多么惨，大家有目共睹，光线传媒股价一度跌到8块多。 这么惨一个行业，还不是出现了《哪吒2》这样的精品？而且票房还创造了新历史。 天眼查APP显示：《哪吒2》由光线传媒（300251）主投，其他出品方包括成都可可豆动画影视有限公司、成都自在境界文化传媒有限公司、北京彩条屋科技有限公司。光线传媒也靠着优质的内容供给，扳回一局。 小米su7、《哪吒2》都是现象级的爆款，都是能拉动需求的好供给。 说白了，要想带来增量，那么**你的供给要做到极致。** 对于电商行业来说，不仅要有极致好的商品，也要用最低的成本，完成整个交易链条。**成本才是这个行业里最大的差异化竞争力。** 淘宝加码品质直播，就是这个底层逻辑。 做了这么多年电商，阿里一手搭建了行业的供给、流通的基础设施，在供应链的积累深不见底。阿里生态体系内 活跃买家数有10亿，淘宝不缺买家，做电商这么多年，也不缺供给。 问题是，怎么好的供给挖掘出来？ 也因此，淘宝需要做的就是不断寻找一种更高效的机制，做到更高效的供需匹配。品质直播，就是那个新机制。 **供需匹配，效率就是增量。** 这里面不仅要靠优化算法，也靠商家。淘宝新投入百亿来做品质直播，其实就是要做一件最核心的事：**增强商家创造内容的能力。** 从达播到店播，从“卷商家”到扶持商家，电商平台的这些动作，本质上是在把创造流量的能力分散给商家**，把挖掘增量的能力给到商家。** 这就好比“土改”之后，土地的产出能力才能提升，才能慢慢积累财富，才能促进工业发展和经济繁荣。平台花资源帮助商家的本质，**就好比发镰刀铁锹。**其实是在分散生产资料，提升整体的生产力。 直播这个“生产力工具”只有分散到品牌商家手里，真正能被商家用好，用出效果，那么品质直播促进交易的概率就能更高，卖货的价值才能最大化。 说到底，还是那句话：“直播电商，供给为王。” ## 殊途同归的“增量”方法论 电商市场格局的变化，往往是需求的流动和供给的调整。 2019年消费升级崛起，国潮成为最大的消费红利，于是一种国潮品牌崛起，2020—2023年，低价成为新增量，于是，行业越来越卷。 拼多多掐准了时代脉搏，吃下了电商行业最大的那一块儿增量蛋糕，顺利冲进五环。抖音快手也凭借内容优势，走上了各自的电商化之路。而如今**，**直播电商返璞归真，电商行业兜兜转转，挖掘增长的方法，反倒是回归了卖好货的本质。 **流量和商品，是打赢电商战争的两大核心要素。** **前者要求的是平台内容分发的能力，后者要求的是对于商业要素组织的能力。** 抖音、快手做电商是不缺流量的，算法分发是紧握在手里的武器。 也因此，电商之于快抖，本来就是一个变现业务，核心的目的不仅在于服务好多少用户，更在于能够提升多少货币化率。 但要提升货币化率，就得找到好的商品，**商品是流量价值的承载物。** 抖快做电商，是围绕货币化率这个指标去做优化，扶持商家的目的，还是为了尽可能多地找到那个流量价值的承载。 好商品多了，能持续变现了，那么KPI就完成了80%，这也是其深挖供给增量的要义所在。 **淘宝和京东虽然不掌握内容分发要素，但商业要素的组织能力却很强。**比如供应链，比如物流。 **京东最强的点在于物流，核心就一个字“快”。** 快的极致是什么？其实就是即时零售。这也是未来京东业务的增量方向之一。你看，京东APP首页之后，就是秒送，即时零售业务是当下京东战略的一大核心。 电商业务这块儿，京东有成熟的壁垒、场子稳得住，重点在于把交易频次提上来。**这是京东做供给的一个重要方向。** 挖掘好的商品，能进一步提升平台的交易频次。京东跟美团打得火热，需要进一步提升交易频次。 交易频次上来了，一方面能降低流量成本、提升GMV和转化率。另一方面，好的产品是天然就有流量的，也能反哺内容端，直播的价值也能被更多地挖掘出来。 **淘宝强，强在自带流量池，强在供给侧足够丰富，同时也有挖掘增量的能力，是整体实力的强。** 淘宝加码品质直播目标是成交和用户规模两年翻番。在我看来这个目标实现并不难。原因之一在于，**直播把电商这个消耗流量的商业，变成了能生产流量的商业。** **直播是个放大器，能把好商品的流量价值放大。** 你看，淘宝APP加入了直播，视频入口放在一级菜单之后，日活、转化数据是不是提升了不少？用户端，有了丰富的视频内容之后，刷淘宝的时长是不是更长了？ 也就是说，只要淘宝永远有好商品，那么直播生产流量就永不枯竭。 实际上，直播对于货架电商的“流量激活”还可以更充分，渗透率还有进一步提升的空间。这本身就意味着增量。而对商家端来说，只要把淘宝现有的生态做好，有一套成熟的方法论就很容易找到增量。 我一个同学，做淘宝电商十多年了，我问他为什么不去试试其他平台，他给的理由很充分，有经营的方法论，而且也有增量。 他说，只要打磨一下运营细节，适应一下新的平台规则，就能稳健地找到增量，远比去其他平台投入要容易得多。 **这就是商业要素强带来的好处。** 商家想要增量，但对成本投入讳莫如深。这个时候，往往就需要平台用资源注入来推一把。 淘宝做品质直播，新增110亿元投入，目的也是继续打磨货盘运营，扶持更多的商家主播，帮助更多的品牌商家，打磨方法论，进而找到增量。 **有方法论就有增长的确定性，有确定性增量就会源源不断。** 不管是掌握分发，还是掌握商业要素，放眼整个电商行业看，直播融合货架是正在发生的一个大趋势。可以确定的是，内容场景和货架场景的深度融合，需要一套新的增长方法论。 从供给出发寻找这套方法论，各家平台殊途同归。 寻找增量之路，道阻且长，谁能赢得下一城？值得期待。 文：互联网江湖 作者：刘致呈 本文由人人都是产品经理作者【互联网江湖】，微信公众号：【互联网江湖】，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。

AI不过周末，硅谷也是如此。大周日的，Llama家族上新，一群LIama 4就这么突然发布了。这是Meta首个基于MoE架构模型系列，目前共有三个款：Llama 4 Scout、Llama 4 Maverick、Llama 4 Behemoth。 最后一个尚未推出，只是预告，但Meta已经毫不避讳地称前两者是“我们迄今为止最先进的型号，也是同类产品中最好的多模态型号”。 详细来看一些关键词—— Llama 4 Scout，16位专家的170亿激活参数的多模态模型，单个H100 GPU可运行， 同类SOTA，并拥有10M上下文窗口 Llama 4 Maverick，128位专家的170亿激活参数多模态模型，击败GPT-4o和Gemini 2.0 Flash，与DeepSeek-V3同等代码能力参数只要一半，主打与DeepSeek一样的性价比，单个H100主机即可运行。 Llama 4 Behemoth：2万亿参数的超大超强模型，以上二者都由这个模型蒸馏而来；目前还在训练中；多个基准测试超过GPT-4.5、Claude Sonnet 3.7和 Gemini 2.0 Pro。  Meta官推激情表示，这些Llama 4模型标志着Llama生态系统新时代——原生多模态AI创新的开始。  与此同时，大模型竞技场排名迎来一轮更新。 此次发布的Llama 4 Maverick，在困难提示、编码、数学、创意写作方面并列第一；得分1417，不仅大大超越了此前Meta自家的Llama-3-405B（提升了149分），还成为史上第4个突破1400分的模型；。 而且跑分明确——超越DeepSeek-V3，实现亮相即登顶，直接成为排名第一的开源模型。  GoogleCEO劈柴哥第一时间发来贺电：  中杯、大杯首批亮相 了解了Llama 4家族全体成员后，我们先来见识一下首批发布的2个模型： 两者均已能在Llama官网和抱抱脸上下载。  我们抓取并提炼出这俩模型的一些特点： Meta首批MoE架构模型 这是Llama系列，第一批使用MoE（混合专家模型）构建的模型。 中杯Llama 4 Scout有17B激活参数，拥有16个专家模型。 大杯Llama 4 Maverick拥有17B激活参数，拥有128个专家模型。 至于还没和大家正式见面的超大杯Llama 4 Maverick，拥有288B激活参数，拥有16个专家模型。 非常长————的上下文 Llama 4系列，均具有很长的上下文窗口。 这一点主要体现在Meta公布的中杯Llama 4 Scout的详细数据里： 这个配置，让它在广泛的测评集上，比Gemma 3、Gemini 2.0 Flash-Lite和Mistral 3.1的结果更优秀。  它在‘大海捞针’测试上的表现如下：  结果如下：  那么之前的Llama系列模型的上下文窗口情况呢？ Meta官方博客中是这么写的： 原生多模态设计 Llama 4系列，开启了Llama的原生多模态时代。 而已经公开对外的中杯和大杯，被官方称为“轻量级原生多模态模型”。 给用户的体验就是，上传一张图片，可以直接在对话框中提问关于这张图片的各种问题。 不是我说，Llama终于长眼睛了！！！  上面这张动图展示的仅仅是最基础的，“为难”程都升级也不怕。 比如喂它一张铺满工具的图片，问它哪些适合来干某个活。 它会很快地把适用的工具圈出来：  要认颜色+认小鸟，也没在怕的：  中杯和大杯都在官方介绍中被打上了“世界上同类产品中最好的多模态模型”的tag。 来看和Llama系列前作、Gemma 3、Mistral 3.1、Gemini 2.0 Flash-Lite的对比结果—— 可以看到，在各个测评集上的表现，Llama 4 Scout样样都是新SOTA。  语言天赋Max 经过了预训练和微调的Llama 4，掌握全球12种语言，以此“方便全球开发者的部署”。  比DeepSeek更狠的“AI模型拼多多” 一定要跟大家分享的一个细节，Meta这次在模型API价格方面，下狠手了！ 先说结果： 系列超大杯Llama 4 Maverick，不仅超越了同类型号其它模型，价格还非常之美丽。  更直观地来看这张表格，真的狠过DeepSeek——从性能到价格各个纬度。  要知道，超大杯Llama 4 Behemoth属于是Llama 4系列的教师模型。 如果说中杯和大杯是轻量级选手，这位就是绝对的重磅玩家。 288B激活参数，16个专家模型。 最重要的是，它的总参数量高达2000B！ 在数学、多语言和图像基准测试中，它提供了非推理模型的最先进性能。  当“最牛”和“最便宜”摆在一起的时候，试问哪位开发者会不心动？（doge） 训练细节 用他们自己的话来说，Llama系列是进行了彻底的重新设计。目前第一组LIama 4系列模型，他们也公布了具体的训练细节。 预训练 他们首次使用混合专家MoE架构，在MoE架构中，单个token仅激活总参数的一小部分。MoE架构在训练和推理方面具有更高的计算效率，固定训练FLOP成本情况下质量更高。  比如，Llama 4Maverick模型有17B个激活参数和400B个总参数。他们使用交替的密集层和混合专家（MoE）层来提高推理效率。 MoE层使用128位路由（Routed）专家和一位共享专家。每个令牌都会发送给共享专家以及128位路由（Routed）专家之一。 因此，虽然所有参数都存储在内存中，但在为这些模型提供服务时，只有总参数的子集被激活。 这通过降低模型服务成本和延迟来提高推理效率——Llama 4 Maverick 可以在单个H100 DGX主机上运行，以便于部署，也可以通过分布式推理实现最高效率。 他们早期融合，将文本和视觉token无缝集成到统一模型中。 他们开发了一种新的训练技术：MetaP，可以设置关键模型超参数，比如每层的学习率和初始化尺度。 结果发现，所选的超参数能在批量大小、模型宽度、深度和训练token的不同值之间很好地扩展和泛化—— Llama 4通过在200种语言（包括100多种语言，每种语言有超过10亿个词库）上进行预训练，实现了开源微调工作，多语言词库总量是Llama 3的10倍。 此外，他们使用FP8精度进行高效模型训练，同时不牺牲质量并确保模型 FLOPs的高利用率—在使用FP8和32K GPU 预训练 Llama 4 Behemoth模型时，结果他们实现了390TFLOPs/GPU。 用于训练的整体混合数据包括30多万亿个token，是Llama 3预训练混合物的两倍多，其中包括各种文本、图像和视频数据集。 在所谓的“中期训练”中继续训练模型，通过新的训练方法（包括使用专业数据集进行长上下文扩展）来提高模型的核心功能。 后训练 后训练阶段，他们提出一个课程策略，与单个模式专家模型相比，该策略不会牺牲性能。 在Llama 4中，采用了一种不同的方法来改造我们的后期训练管道： 轻量级监督微调（SFT）&gt;在线强化学习（RL）&gt;轻量级直接偏好优化 （DPO）。 一个关键的教训是，SFT和DPO可能会过度约束模型，限制在线强化学习阶段的探索，并导致精度降低，尤其是在推理、编码和数学领域。 为了解决这个问题，他们使用Llama模型作为评判标准，删除了50%以上被标记为简单的数据，并对剩余的较难数据集进行了轻量级SFT处理。 在随后的在线强化学习阶段，通过仔细选择较难的提示，我们实现了性能上的飞跃。 此外，他们还实施了一种连续的在线强化学习策略，即交替训练模型，然后利用模型不断过滤并只保留中等难度到较高难度的提示。事实证明，这种策略在计算量和准确性的权衡方面非常有利。 然后，他们采用轻量级DPO来处理与模型响应质量相关的拐角情况，从而有效地在模型的智能性和对话能力之间实现了良好的平衡。流水线架构和带有自适应数据过滤功能的连续在线RL策略，最后造就了现在的LIama 4。 总结来看，Llama 4架构的一项关键创新是使用交错注意力层，而无需位置嵌入。此外，他们还采用了注意力推理时间温度缩放来增强长度泛化。 这些他们称之为iRoPE架构，其中“i”代表 “交错 ”注意力层，突出了支持 “无限”上下文长度的长期目标，而 “RoPE ”指的是大多数层中采用的旋转位置嵌入。 Llama 4 Behemoth 最后，他们还透露了超大模型Llama 4 Behemoth一些蒸馏和训练细节。 我们开发了一种新颖的蒸馏损失函数，可通过训练动态加权软目标和硬目标。 预训练阶段，Llama 4 Behemoth的代码蒸馏功能可以摊销学生训练中使用的大部分训练数据计算蒸馏目标所需的资源密集型前向传递的计算成本。对于纳入学生训练的其他新数据，他们在Behemoth模型上运行前向传递，以创建蒸馏目标。 后训练阶段，为了最大限度地提高性能，他们删减了95%的SFT数据，而小型模型只需删减50%的数据，以实现对质量和效率的必要关注。 他们在进行轻量级SFT后，再进行大规模强化学习（RL），模型的推理和编码能力会有更显著的提高。 强化学习方法侧重于通过对策略模型进行pass@k分析来抽取高难度提示，并根据提示难度的增加精心设计训练课程。 此外还发现，在训练过程中动态过滤掉优势为零的提示语，并构建包含多种能力的混合提示语的训练批次，有助于提高数学、推理和编码的性能。最后，从各种系统指令中取样对于确保模型在推理和编码方面保持指令跟随能力并在各种任务中表现出色至关重要。 由于其规模空前，要为两万亿个参数模型扩展RL，还需要改造底层RL基础设施。 他们优化了MoE并行化的设计，从而加快了迭代速度；并开发了一个完全异步的在线RL训练框架，提高了灵活性。 现有的分布式训练框架会牺牲计算内存以将所有模型堆叠在内存中，相比之下，他们新基础架构能够将不同模型灵活分配到不同GPU上，并根据计算速度在多个模型之间平衡资源。 与前几代产品相比，这一创新使训练效率提高了约10倍。 One More Thing 要知道，由于昨天DeepSeek发了新论文，搞得奥特曼都坐不住了，赶紧出来发声： 但，谁知道半路又杀出个Llama 4？！ 前有猛虎，后有豺狼，OpenAI你真的得加油了…… 网友调侃道，当奥特曼一睁眼，看到Llama 4来了，而且Llama 4的成本比GPT-4.5降低了3个数量级后—— 他的状态一定是酱婶儿的：  以及相比Llama，现在可能神秘低调的DeepSeek，可能不知道什么时候突然就会推出DeepSeek R2和V4…同在杭州的通义千问也干劲十足，Llama也好GPT也好，基本成为平行参考了。 太平洋这头，已经开始落地应用和智能体了。 参考链接： [1]https://www.llama.com/ [2]https://ai.meta.com/blog/llama-4-multimodal-intelligence/ [3]https://x.com/AIatMeta/status/1908598456144531660 [4]https://x.com/lmarena_ai/status/1908601011989782976 [5]https://x.com/IOHK_Charles/status/1908635624036590070 [查看评论](https://m.cnbeta.com.tw/comment/1490934.htm)

回收电动汽车的高压电池并不容易，但保时捷想尝试一下。计划：从旧电动汽车电池中提取原材料，为自己的电动车型制造新电池。该公司上周宣布，已启动一项试点项目，以研究适合扩大规模的回收流程。  保时捷热衷于尝试回收电动汽车电池，为新电动汽车提供动力 保时捷董事会成员芭芭拉·弗兰克尔 (Barbara Frenkel) 解释道：“借助创新的回收流程，我们努力增强对动荡和地缘政治不稳定的原材料市场的独立性。” [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:4) [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:4) 保时捷工厂正在进行高压电池回收流程 在三个阶段中的第一阶段，废旧电动汽车 (EV) 电池被强力机器粉碎，并加工成称为“黑块”的颗粒混合物。其中含有锂、镍、钴和锰等有价值的材料。 [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:3) [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:3) 从废旧电动汽车电池粉碎中回收的混合物 接下来，黑色物质被分离成生产新电池所需的单个原材料。最后，这些质量和纯度合适的材料将按一定比例用于制造新款保时捷电动汽车的电池。 这家德国汽车制造商表示，迄今为止，它已经生产了 65 吨黑色物质，如果能彻底解决这一问题，这一努力将推动其循环经济战略。这还将帮助该公司遵守[欧盟法规，该法规要求汽车制造商通过回收计划回收电池材料](https://ec.europa.eu/commission/presscorner/detail/en/ip_22_7588)；就锂而言，到 2031 年，回收率目标为 80%。 [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:2) [](https://newatlas.com/energy/porsche-battery-recycling-ev/#gallery:2) 从电动汽车电池中提取的铝、铜和“黑色物质” 希望保时捷能够解决这个问题，并为其他品牌树立榜样。据说，虽然锂离子电池中 95% 的材料都可以回收，但[只有 5% 的电动汽车电池被回收](https://www.here.com/learn/blog/ev-battery-recycling)利用。这听起来像是一笔巨大的财富，而且有很大的潜力可以减少我们对这些贵重金属的开采需求。 [查看评论](https://m.cnbeta.com.tw/comment/1490924.htm)

**印度压力重重的中产阶级消费者削减了在星巴克的消费，致使这家国际企业大幅放缓了其在印度的雄心勃勃的扩张计划。**据星巴克印度合资伙伴塔塔消费产品公司首席执行官Sunil D’Souza称，公司去年1月宣布，到2028年将把其在印度的门店数量增加近两倍，达到1000家，**但在2024年的最后三个月，其开业数量仅为当季30家目标的一半多一点**。 Souza在接受采访时表示：“我们看到客流量在下降，所以我告诉我的团队，让我们稍微放缓一下，**我们会继续发展，也仍在开设门店，但只是暂时放慢了速度**。” 此外，星巴克在印度还面临着其他挑战，如市场竞争日益激烈，以及2024财年其收入增长放缓至12%、亏损增加了两倍等。 **数据显示，2024下年，星巴克归属于上市公司的净利润为37.61亿美元，同比下降8.82%。** 第四季度全球可比门店销售额下滑7%，营业利润率降至15%，主要原因是员工工资、福利成本上升及促销活动增加。 星巴克当前全球门店总数达40199 家，其中美国最多，为16941家，中国次之，达7596家，两国门店数量合计占比61%。 而在印度市场，去年财年其扩张至421家门店，**截至本月4日，星巴克在该国共有487家门店，其中8家是汽车餐厅（得来速）门店**。 [](https://static.cnbetacdn.com/article/2025/0114/808b7a3777cd1b2.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1490922.htm)

4月3日，日本川崎重工集团公布了可供人类骑乘的四足机器人概念模型“CORLEO”。该机器人以氢气作为动力源，通过骑手转移重心来控制，就像骑马一样。CORLEO计划在2025年4月13日开幕的日本国际博览会（以下简称“大阪·关西博览会”）上展出。  此次发布的“CORLEO”是川崎重工集团为“大阪·关西博览会”未来社会展示项目“未来生活博览会·未来城市”所准备的2050年概念模型。 概念视频（CGI）： 日媒报道川崎重工CORLEO： 该机器不仅拥有机器人技术带来的四足崎岖路面行进能力，还融合了川崎重工在摩托车领域深耕的机动性与稳定性。它可以像骑马一样进行控制，即使是初学者也可以安全可靠地穿越山脉、水域等轮胎难以行驶的地形。 机器前部搭载的面板会显示导航系统，包括氢气剩余量、到山顶的路线、重心位置等信息。夜间时，它还能通过照射路面上的路径标记，为骑手提供更优化的骑行支持。 此外，作为一款可持续移动工具，该机器搭载了150cc的发电用氢燃料引擎。氢气由后部搭载的储存罐供应，利用引擎产生的电力驱动安装在四条腿上的动力单元。 川崎重工集团在参加大阪·关西世博会之际，发布了名为“移动本能”的展示主题，其理念是“通过移动感受幸福”。这款机器CORLEO正是体现该主题的产物，它寄托着一种愿望：希望人们能以壮丽的大自然为舞台，驰骋于群山之间，呼吸纯净的空气，欣赏令人惊叹的美景，从而解放人类的移动本能。     视频画面：              [查看评论](https://m.cnbeta.com.tw/comment/1490920.htm)

“AI界的C口” 要来了？这么说吧，这段时间，AI圈有个叫MCP的概念火了。它号称一统AI江湖，能让AI直接上手办公软件、设计软件等等十八般兵器，直接替你干活。网友们聊的也是热火朝天，认为它就是AI的未来，比如，就有人用GPT-4o画了张在MCP面前，AI大厂们都是一家人的图……  也有网友分享MCP的工具集合，直接收获了36万的阅读量。  甚至就连奥特曼也表示，大家都支持MCP ，那我们也支持！  所以，这玩意到底是个啥，为啥全世界都这么火？ 但是光看那些科普，感觉又硬又干，根本啃不下去。。 俗话说得好，实践出真知嘛。所以，江江直接上手尝试一把，看看这玩意到底有多神，经得起一直吹？ 先说结论，这玩意确实还挺牛的。 大家先想一下，现在的AI，是不是纯纯的“嘴炮大师”，你问他一句，他能一分钟回复你几千字不重样，但你消化起来可能就要几个小时。。  而MCP能让AI直接进入“二阶段”，从“嘴炮大师”进化成“打工机器”！ 话不多说，我们直接上演示。 咱先从简单的开始，我直接告诉Claude：在我的桌面生成一份PDF文件，里面包含1980年各国的GDP排名的数据表格，并包含两张柱状图。 这玩意虽然不难，但是能帮我动手，我就能腾出手来摸鱼了。 AI哥雷厉风行，直接请求连接我的系统，然后搜集资料、填表格、画图表，一气呵成。  完事直接上桌面打开，有表，有图，还有数据来源，整个过程不到两分钟，我只需要边喝茶边看它表演就行了。  你可能会说，这玩意是个人都能做，牛逼在哪呢。 诶，接下来的东西，你还真不一定会。从小到大，对3D建模一窍不通的我，用它居然能实现“用嘴建模”。 来看我操作这波。我直接告诉他：“给我建个林中小屋模型。”  消息一发送，它二话不说就开始操作Blender ，创建几何体、调整参数、设置材质... 几分钟后，模型直接送到我眼前了。别的不说，能做出来，就已经比我强了。  不仅如此，AI这双无形的手还能伸到文艺界。 我直接跟它说：“给我写首歌，不需要贝斯。”（对不起，因为它写出来的贝斯实在太难听了。。 ） AI哥直接连上Ableton，就开始创建音轨、设置bpm、调整音色，编出了一段曲子，两个音轨，一个是钢琴，一个是提琴。你还别说，味道还挺对的。  最离谱的是，它还能操纵我的任务管理器。我在Claude里输入“请你结束Claude”，它居然真的把自己结束了。我们AI哥还真是说一不二，狠起来连自己都干。。  这哪是AI助手啊？简直就是三头六臂的全能打工人。而我，直接化身甲方爸爸，只需要疯狂提需求就行了。 而这一切的一切，都要归功于我们今天讲的这个玩意——MCP 。 这玩意全称Model Context Protocol，也就是模型上下文协议。简单来说，有了MCP，就相当于AI和软件装上了“万能接口”，让它能直接访问和操控你电脑上的软件和文件。 其实，过去要做到这些也不是不行，例如开发者通过LangChain来集成各种工具，后来OpenAI提出了自己的Function Calling机制来让大模型调用工具。 但这些都没有被大多数人所接受，主要原因就是技术门槛过高，调用几个小工具就要写上千行代码。。况且写出来的函数还不通用，程序员得给每个任务单独开发一个函数。世界上这么多软件，程序员挨个适配的话，到头发掉光也开发不完。。 这个时候，MCP登场了，直接桌子一拍：咱们把接口规范都统一了，你开发完我也能用，效率不就上来了？这就是为什么MCP如此受关注，它确实保住了程序员的头发。 至于 MCP 是咋做到这些的，其实原理上并不难，主要分三步。 第一步，它会发起询问：&#34;能干这活的请出列！&#34;并获取可用的工具列表。在第二步，工具列表和你的请求会被打包发给 AI 。 最后AI会思考，并决定用哪个工具，并且指挥工具开始干活，再把结果喂回 AI 嘴里，让你看见。 这一系列操作下来，AI的能力就直接到Next level了。以前的AI就像只长了嘴，只能告诉你应该怎么做，你看不懂只能抓耳挠腮；现在有了MCP，就像给AI装上了手和眼睛，你只需要动动嘴，工作就能完成了。 更逆天的是，有了MCP之后，各大语言模型之间，甚至能能协同工作了，比如让Claude操纵对手OpenAI的 GPT4o生个图，这种操作已经不是幻想了。 也就是说，我一个人可以让一堆AI为我服务，谁擅长这个工作就让谁来，而这一切只需要在一个对话框里就能做。  而现在，网上已经有MCP工具的超市了，各种功能的MCP Server应有尽有，包括百度地图、高德、MasterGo等等中大厂也在宣布接入。 如果觉得不够用，你还能按自己的需求开发专属MCP Server，打造完全符合你习惯的AI助手，这感觉比Manus都香多了。。  诶，看了这么多演示，你可能会觉得：这MCP应该能打遍天下无敌手了。不过，从我这几天的体验来看，这玩意其实还有很大的进步空间。 首先，MCP还在起步阶段，支持MCP的工具也不太多，而且配置起来较为繁琐，小白很难成功用上这些工具，配置环境时可能很容易就迷失到代码里，无法自拔。。  而且，这玩意还挺费token的，一是因为调用工具本身就很费token，上层服务调用下层服务时，就要把上层信息传达下去，调用完成后，下层还要回传信息，一层接着一层，这就会导致token爆炸多。 二是AI很难一次就找到解决问题的最优解，它可能会挨个方法去试，这就导致如果它一直找不到好办法，就会一直卡在那里循环。。 还有，虽然MCP能给AI装上手和眼睛，但它的大脑，还是我们的大语言模型，只有大模型理解了你的需求，它才能操作工具干活。但目前的大模型，很多时候还挺蠢的。 就拿上面的AI建模来说，有时候建出来的东西，根本不是人类能理解的东西。。  所以说到底，想要真正发挥MCP的潜力，各大模型厂商对大模型能力的突破才是重中之重，不然会经常出现你让它往东，它给你往西的尴尬场面，白白浪费你的token 。 不过总而言之， MCP这股风已经在各行各业刮起来了，而且只会越刮越大，照AI这个发展速度，以后人人都能配个AI小团队。 到时候你做个决定，立马有三五个AI助理给你写方案，这才是真正的科技改变生活嘛。所以，你觉得人类解放双手的日子，还会远吗？ [查看评论](https://m.cnbeta.com.tw/comment/1490918.htm)