<blockquote><p>随着AI技术的飞速发展，C端产品范式正迎来重大升级。本文从上下文争夺、产品渗入场景以及生态构建三个维度，深入探讨了AI产品在C端的未来发展方向。</p> </blockquote>  OpenAI的姚顺宇发表的《中场》表达了观点： <blockquote><p>AI已经进入到下半场。下半场拼的不再是模型参数谁大，而是谁能定义问题，谁能找到真正的应用场景，并进行专项优化。</p> <p>https://ysymyth.github.io/The-Second-Half/</p></blockquote> 是时候从重模型轻产品的AI上半场，转向产品力决定胜负的下半场了。 相信大家都相信，AI的确具备革新很多领域的能力。如Sam Altman所说： <blockquote><p>年轻人通常把 ChatGPT 当作操作系统来用，将其接入各种文件、为其设置复杂的提示词，甚至在做许多重要人生决定前，会先问问 ChatGPT 的意见；而年龄大一些的用户则更多是把 ChatGPT 视作谷歌浏览器的一个替代品。</p> <p>发现明日产品的，公众号：APPSO OpenAI CEO 最新访谈：20 岁和 35 岁的人，用 ChatGPT 的方式完全不同</p></blockquote> 肉眼可见的，AI已经剑指操作系统、搜索引擎等领域，且备受期待能够发展成个人助理。 但怎么革新？谁来革新？ 以下是笔者结合行业信息，对于C端产品升级趋势的判断（纯私货，很干，您姑且一听）：（主要基于LLM及衍生的语音模态对产品的影响，未考虑视频模态，笔者认为当前的视频模态发展主要局限于生成，未具有重塑产品形态的能力） 总结来一句话： **上下文（先决条件）+ 产品力（渗入场景）-&gt; 行动（生态）** ## 上下文是必争之地 俗话说，巧妇难为无米之炊。在开源模型遍地走、商业模型百花齐放的今天，谁能得到用户的内容，才能谈用AI提供服务。 最常见的方式，是用户主动把内容在聊天框发出来，也是我们最熟悉的和AI对话的方式，但是这样非常依赖用户的主动性，相对麻烦。 编程场景中天然就有上下文，因此Cursor把项目内容+用户需求当成上下文来辅助编程。 类似地，浏览器中网页上下文信息含量很大，豆包电脑版和DIA浏览器看上了这一块内容；最近的谷歌I/O大会上，谷歌给浏览器加入AI来保留住自己的流量入口。 总的来说，从入口端有以下发力点： 要么是争取更长的上下文：越底层的产品越容易得到内容，优先级：OS &gt; 浏览器/内置小程序的应用（微信，支付宝等）&gt; 网页/普通应用。同一层级本身市占高的产品有先发优势，全新的产品要追上很难。 要么是争取更多的模态：扩展到屏幕外的世界，比如谷歌XR眼镜、车机、智能家居。 得上下文者得天下。 ## 渗入场景：产品优势vs迁移成本 想象一下，在你办公的时候： 有一个真人助手A站在你旁边，你每产生一个动作，比如拿起手机、比如站起来伸个懒腰，ta都凑上把殷勤地等着你吩咐； 对比一个真人助手B，其实也在关注你的一举一动，但是只有当你打出某种暗号，比如抬了两下左手，ta才会过来听你指令，其他时间和你保持距离产生美。 你会选择哪个？ 这两个在比喻的是豆包桌面版（A）和小众新产品DIA浏览器（B）。 它们都在做类似的事情：不满足于让你自己把内容发到聊天框，它们都是浏览器级的，可以随时调用问问题。但是产品定位、目标受众的不同导致它们让人感受到的风格是截然不同的： 豆包就是那个事事殷勤递到你手边的助手：  豆包桌面版首页  对英文博客页面，豆包可以打开AI阅读模式，对照翻译、生成播客，同时可以提问 豆包是全面的，怕你看不到功能，恨不得把所有你可能用到的都写在脸上（在地址栏及两侧就出现了六个元素：AI阅读、翻译、总结全文等） DIA则是话贵精不贵多，像总裁被训练好的秘书：  DIA首页  DIA显化将页面内容以page形式提供这个过程，聊天内可以@多个page DIA就更注重产品形态的清爽优雅，用好理解的设计语言扩展一些不同于常规浏览器的功能点，但由于是新发布的小众产品，功能不算特别全面。 当然，这两个助手都很不错，有总比没有好。对大部分人来说，能得到哪个都能大大提升效率了。从产品经理的角度来说，笔者觉得DIA的产品形态更优雅一些。但从竞争结果来说，笔者猜测豆包这种侵入性强的产品更容易得到更多用户使用。 然而，这条路很有可能依然是强者恒强——软性的产品力太容易被抄袭。Google I/O大会表示也把Gemini加进Chrome，只要他们能够走出个还行的水平，老用户们就依然会选择它而不是新产品DIA——新产品的产品力优势比不过迁移成本。 所以，旧的巨头们快快行动起来（目前感觉Safari最为落后，狗头）。 ## 有生态，才能行动 我们聊天，希望的永远不止是聊天。 你告诉别人今天是你的生日，不是为了让他知道你的生日是X月XX日，而是为了得到对方的反馈：可能是祝福、礼物，也可能是一份八字报告（笑） 内容是路径，行动才是目的。 基于LLM牵动行动的产品终局，笔者认为将从两个角度改变： ### 1 深度：改变交互方式 对于AI能否改变交互方式这一点，业界有不同的观点： 反方： <blockquote><p>去年年底有一篇报道说字节内部判断AI对话类产品天花板可能不高，提升剪映即梦优先级</p> <p>完全相反的判断怎么理解？ – 全速前进 | 小红书</p></blockquote> 正方： <blockquote><p>前几天OpenAI的首席产品官Kevin Weil给出了完全相反的判断，认为聊天界面就是AI交互的核心，因为最通用灵活(versatile)，也是人与人之间交互的方式，人类的智商高低差距很大，但是大家都是通过聊天的方式沟通。</p> <p>完全相反的判断怎么理解？ – 全速前进 | 小红书</p></blockquote> <blockquote><p>Aparna 提到，Prompt 正在取代传统的 PRD，成为构建产品的起点；NLX（自然语言交互） 将成为新的用户体验设计范式；同时， Aparna 用自主性、复杂性、自然交互解释了 Agent 的核心特征。</p> <p>Founder Park，公众号：Founder Park 微软CPO专访：Prompt是AI时代的PRD，产品经理的工作方式已经彻底变了</p></blockquote> 在此笔者投正方一票，笔者支持NLX的概念： 当前是功能调用是基于GUI的，形成功能分布在Page上，通过click调用； 升级的形态则是基于Chat，通过Agent（模型自主规划的）/Workflow（固定的，服务提供方定义或用户自定义的）形成对function block的调用。 ### 2 广度：打通服务生态 MCP、A2A等协议都有着很大的野心，无论是模型调用服务、还是模型间通信，都表示着大模型正在摩擦拳掌走出聊天框，最终形成一场生态之争。 Google I/O大会在力推这件事，借助自己已有生态将AI的手伸得更广： <blockquote><p>谷歌的 AI 将内置于人们日常使用的大部分平台中，从 Chrome 浏览器到 Android 手机再到 Workspace。其生态系统涵盖个人生活（ 照片、家用设备）、工作（文档、Meet）、知识（搜索、YouTube）和娱乐（ Android/Play ）。这种产品生态系统创造了协同效应，从而放大了人工智能的影响力。</p> <p>知危编辑部，公众号：知危 OpenAI再强，也挡不住Google往生态里狂塞AI</p></blockquote> 能与这种生态能力匹敌的，在国际上只有苹果，但苹果的AI目前看起来不太给力…… 而国内，微信则从扶持小程序生态出发，支持了微信小程序对于微信内容本身的打通： <blockquote><p>CodeBuddy里面，不止有小程序，还有小游戏，还有微信支付，还有各种API，等等等等。微信，它是我们熟悉的社交，是我们每天用的支付，是我们和世界对话的界面，是我们和身边人、和陌生人、和生活场景链接的总线。而当一个AI代码助手，能和微信的小程序体系、消息体系、支付体系、入口体系全面打通的时候，它就不再只是个开发工具了。</p> <p>数字生命卡兹克，公众号：数字生命卡兹克 腾讯悄悄出了个插件版“Cursor”，还跟微信小程序打通了。</p></blockquote> 这样下来，微信如果自己推个AI助手（其实现在已经有类似的形态，即商家的企微服务号），通过A2A和小程序内的Agent服务交互、通过MCP和小程序内的普通服务交互。还有啥事是它干不成的？ 而且，微信本身的形态就是基于社交、基于聊天（巧了，这不就是第一点深度笔者描述的NLX生态？），甚至和AI聊天时，很多内容你都不需要重新打字，把和朋友的聊天转发给AI助手就好了。 这个流程就实现了笔者说的，深度与广度两个特点，且两者相辅相成。 （写到这里笔者深深陷入一种，自己在这里卖弄聪明分析半天，发现人家早已领先十年的战栗感……未来即过去——[AI，特指LLM 的]未来即[微信的]过去） 太强了，这样下来只有本身也有小程序生态的几家公司（阿里、字节、美团等）能靠着自有业务去进行生态之间的PK了。虽然打不过，但是也不一定需要投降。 以上是对于LLM这一轮AI引领产品升级（生态与行动）的终局畅想。如果步子不迈得这么大，对于中期的内容消费生态（比如微信订阅号、小红书等）的行动升级，笔者有如下看法： ### 1 比推荐更优秀的是？ 过去互联网产品做推荐，是因为网络上的内容太多了，无法决定给用户呈现什么。因此初步收集用户的喜好，启动推荐，再根据用户反馈不断优化。 现阶段这个流程效果不错，但是用户习惯推荐生态后逐渐催生出了在此基础上自定义推荐流的需求——从小红书评论区的很多人喜欢发“大数据 我爱看”可以看出。 为此，小红书增加了可以个人调整推荐内容领域比例的功能。 可是，如果你有一个人工助理，你会把自己的浏览行为导出给ta，然后让ta分析哪个内容得到了你的点赞、哪个得到了评论收藏，这些内容什么特征，应该怎么多推给你吗？ 你只会转发给ta说：关注下这类内容，之后遇到发给我。 因此，LLM的memory完全有能力取代原本推荐的特征，且是从黑盒到类似白盒的，更用户友好的升级。 从产品形态上，内容消费端可能看不出很多变化，增加一个AI Agent入口即可。 ### 2 关注生态重塑 过去我们关注一个账号，大部分是因为你觉得他未来可能发布你喜欢的内容。你发起了箭头，以后他发布的内容再分发给你，形成双箭头。 如果你的人工助理足够聪明，当他关注到你喜欢某一份内容的时候，他应该之后主动关注类似的内容，甚至把同一主题市面上所有的内容对比一下，帮你精挑细选最好的那份，甚至附赠你一份对比报告。 （这将有效解决微信中各种账号对同一份内容互相转载，导致内容重复带来的困扰） ### 3 内容消费本不该焦虑 数字互联网时代带来的FOMO心态（Fear of missing out，社群恐慌症，指由自己的不在场所产生的不安与持续性焦虑）或许可以通过AI助理缓解。 <blockquote><p>在推特上关注一桩突发事件，会给他带来获得大量信息的感觉；但根据他的经验，若是等到第二天早上再去看《华盛顿邮报》的报道，获得的信息往往更全面。除非你是突发新闻记者，否则关注互联网上有关重要事件的铺天盖地、不完整、冗余且常常相互矛盾的信息，效果往往会适得其反。</p> <p>《数字极简》卡尔·纽波特</p></blockquote> 如《数字极简》中提到，通过社媒去关注突发事件，会有参与感、但是并不能得到全面的信息。反而经过人工编辑筛选过的信息，更全面、质量更高。 或许AI数字助手可以帮我们解决这个问题，对于大部分没必要立刻关注的新闻，让它次日早晨整理好发给我们即可。 然而，内容平台未必愿意用这种方式提供内容，毕竟这会减少用户的停留时长，和他们的商业化有根本矛盾。 总之，笔者认为，在现阶段互联网内容大大供过于求，人们注意力被大大占用的时代： 用AI帮人类删繁就简、筛选总结好的内容，是比用AI继续生成一堆低质量内容（强调低质量）混杂在真人生产的内容之间，更具有社会责任感和使命感的事情。 各内容平台加油啦～ ## 引申：笔者的一点感慨 笔者之前看到过这样的内容： <blockquote><p>真相是：AI让个体技能变得廉价，而组织优势被无限放大。当每个人都能用AI写代码、做设计、创作内容时，这些技能的稀缺性瞬间归零。市场价值的本质是不可替代性，而AI的核心特征恰恰是让一切创造变得可复制。</p> <p>AI时代最大的谎言是”赋能个体” – 鱼见AI | 小红书</p></blockquote> 当时笔者就认为作者说得很有道理，在今日分析了AI生态之争之后更是有此感慨。 当创造都可以轻易复制之时，唯有生态、数据才是真正的护城河。 本知它有护城河，却未曾细想过这条河是如此深不可测。 AI时代，终将走向All in one。 作者：灰原爱AI 公众号：灰原爱AI 本文由 @灰原爱AI 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

在AI发展大势的当今，Digiarty 软件公司也推出了 Macxvideo AI 这款基于人工智能技术的视频和图片处理工具，为更多的用户提供便捷快速的视频以及图片的增强、放大和其他体验。Macxvi

<blockquote><p>客户生命周期价值（LTV）是衡量SaaS产品商业模式健康和可持续性的核心指标。本文以订阅制SaaS产品为切入点，详细探讨了LTV的统计方法、实践要点以及多维度分析的重要性。</p> </blockquote>  文章背景为，假定某订阅制SAAS产品，付费模式为月、季度、年三档。项目已经历市场相对空白到竞品围剿的多重阶段。 针对客户生命周期价值（LTV）问题做了讨论，经整理成文，文章是一个思考的过程，对大家可能无法形成理论性指导，但作为开拓思路之用还算尚可。 **订阅制的SAAS类产品LTV的统计方式** 首先来说，客户生命周期价值（LTV）对SAAS类产品而言，是其商业模式健康和可持续的核心指标，但LTV的统计，是一个复杂的、需要多部门深度协同的工程。 ## 一、基于SAAS产品的LTV计算方法 统计LTV的核心目的是预测客户在整个生命周期内，为公司带来的净收入。比较常用的方法是基于现金流的预测，这似乎更贴近SAAS产品的特点。 核心计算公式是：LTV=(平均每月经常性收入)*毛利率%*平均客户生命周期(月) 其中对平均每月经常性收入的计算，比较推荐的是按按客户群/层级计算（例如按获客月份、按套餐等级、按客户规模分组），分组计算LTV会更有意义。 毛利率方面，一般来说毛利率=(收入-直接服务该客户的可变成本)/收入*100%。不过对于软件类产品来说，会存在一些可变成本，比如服务器等基础设施，可以按照用户使用量分摊。比较麻烦的是客户的支持成本，这大部分是人的成本，很难准确分隔，只能按照可归属部分做大致分摊。 这里面是不包括研发成本、一般管理成本（比如非一线岗位人员的成本等）等这些固定成本的，这里的LTV更看重客户带来的毛利润贡献。 比较难预测的部分是平均客户生命周期，通常的做法是：平均客户生命周期(月)≈1/月客户流失率。其中月客户流失率=该月内流失的客户总数/月初客户总数*100%。当然，流失率还是应该尽量按照客户群来计算，因为新老客户、不同套餐的客户流失率差异可能非常大，不做分组的计算，会导致数据异常高或异常低，干扰最后的判断。 ## 二、LTV的统计实践 统计的实践主要涉及两个问题，一个是数据的梳理整合，一个是统计的要点。 **2.1、数据的来源和梳理整合** CRM(如Salesforce)：客户基本信息、合同价值、订阅开始/结束日期、增购/降级/流失记录。 订阅/计费系统：精确的MRR、ARR、交易流水、续约状态、退款记录。这是收入数据的核心来源。 产品分析工具：用户行为数据（活跃度、功能使用深度），这些是预测流失和增购潜力的重要指标。 财务系统：成本数据（服务器费用、支付手续费、客户成功/支持成本分摊）。 客户支持系统：支持工单量/类型/解决时间、客户健康度评分。 **2.2、统计的要点** 客户分组：按获客时间、获客渠道、初始套餐、客户规模、行业等进行分组统计。过于追求平均的LTV数据价值并不大。 区分毛流失与净扩张：计算流失率时，区分客户数量流失和收入流失，并明确NRR的计算。 处理可变合同：对于用量计费或合同价值波动大的客户，MRR的计算需要更精细（如滚动平均）。 成本分摊：建立清晰、一致、可审计的规则来分摊可变成本到客户或客户群。避免过度复杂化，但也要保证合理性。 **1、LTV是一个需要多部门高度协同的战略动作** 其实统计LTV也好，统计其他维度的数据也好，很多人都有这个观念，但最后的实施之路往往一波三折，导致最后无疾而终。这是一个需要从上至下的、多部门高度协同调配的工作。其关键点在于： 统一数据口径：所有部门对“客户”、“MRR”、“流失”、“增购”、“成本分摊”等关键概念的定义达成一致，如果一个数据存在多种解释方法，那最后的结果必然失真。 绝对的单一事实来源：源数据一定确保一致，保证各部门看到的是基于同一套源数据得出的计算结果。 清晰的流程与责任：明确各部门在数据录入、清洗、计算、报告和应用各环节的责任和流程。 定期沟通：建立跨部门例会，共享结论和猜想，讨论数据异常，共同制定优化策略。 将LTV融入决策：单纯停留在数据层面的统计毫无意义，要么放弃LTV统计，要么融入并干预决策。 领导层支持：很简单，皇上不急太监急的事普遍干不成。 **LTV统计的维度问题** 问题背景是探讨LTV应该是针对某一个具体客户，还是某一个渠道客户，还是针对某一个时间段内的客户来进行。综合来看，LTV的统计意义并不是非此即彼，它可以并且应该在不同的维度上计算和分析，每个维度都服务于不同的业务目的。 **不过不管基于什么业务目的，最核心的基础都是客户的分组。** 直接计算单个客户的精准的LTV在大多数场景下既不现实也没有很大的必要。除非是极少数超高客单价、高度定制化的企业客户。 客户分组的意义在于，同一个组内的客户有极大的相似性特征，比如获客时间、渠道、规模等等，这决定了他们的留存率、购买力、产生的收入模式也比较相似。计算他们的平均LTV对业务的指导意义更大些。 另外就是，基于相似群体的历史行为分析，得到的结果对未来的预测更准确，是远高于基于个体客户行为做的预测的，毕竟个体客户的行为是有极大偶然性的。 **2、不同维度的LTV计算及意义** 比较推荐的还是按时间段/客户群的LTV统计，在特定时间段内，获得的所有客户作为一个群体的平均LTV。通过对比不同时期的LTV，可以评估市场策略、产品迭代、竞争环境变化对客户的长期价值影响。 同时，通过连续观察LTV的变化趋势，可以判断项目整体健康状况和增长质量。 按获客渠道维度统计LTV的最大作用就是优化营销预算的分配。结合渠道的获客成本，计算LTV/CAC比率。比率高的渠道表明投资回报率高，应加大投入；比率低甚至小于1的渠道则需要优化或削减预算。 当然，这也有助于更好的理解渠道的价值。不同渠道吸引的客户可能在产品使用、留存率、增购能力上有显著差异。LTV可以告诉你哪个渠道带来了真正高质量的、能带来长期利润的客户，而不仅仅是注册量或首单。 ## 三、LTV统计单一归因到渠道导致的数据失真问题 这也是一个很常见的问题，当按照渠道做用户分组，进行LTV统计的时候，如果遇到行业市场环境的变化或者其他外部因素的强烈影响时，就会导致LTV数据严重失真，导致对渠道价值的误判。 简单点说，就是因为归因偏差导致渠道背锅。 比如某公司通过A渠道进行获客，竞对发起全面的免费补贴政策，导致A渠道获客流失率飙升。如果这时候只是单纯的仅看A渠道的LTV，结论可能是A渠道质量下降，但真实原因是全部渠道的流失率无差别上升。极有可能会因此制定错误的战略，如盲目降低A渠道的预算，而忽略了真实的威胁：竞对的经营战略变动。 **3.1、解决方案：从单一渠道归因到混合归因** 首先，应该区分流失的类型。比如如果是客户意向度匹配差，那渠道的因素就大一些。如果是产品体验导致的流失，那要做的就是优化产品，而不是在终端渠道上费力气。如果是因为竞对经营战略导致的行业市场格局变化，那要做的就是及时调整经营战略，决定是跟进还是转向反击。 其次，可以增加时间维度的对比，排除外部环境噪音。比如可以计算渠道历史平均流失率，监测当前流失率相对历史水平的偏移程度。 一般来说，流失率偏移度= (当前流失率 – 历史平均流失率) / 历史平均流失率 ，在此计算公式下，如果所有渠道的偏移同步扩大，基本可以判定是外部环境因素导致的。如果只是单一渠道偏移度增大，则可以初步判定是渠道问题。 ## 四、用户的现金留存和行为留存问题 假定某订阅制产品的续费周期为月、季度、年三个时间档位。那对于首次就选择季度付费的用户，应该看看做是用户预付了3个月的服务费用，其续费行为需要分层定义，而非简单等同于连续3次月付货等待二次续费。 所谓的现金留存，是看用户是否在当前服务周期结束时再次付款，主要是用来预测收入、财务做核算。而行为留存，是看用户是否持续使用产品直至下一个周期，这对产品健康度判定尤其重要。 **4.1、对用户留存的两种分析视角** 假定A用户在1月1日支付了Q1费用，那应该如何评估其留存与否？ 如果从财务连续视角，只要等到季度结时候观察是否二次续费即可。好处是符合收入确认逻辑，避免虚假留存。缺点是滞后性比较严重，需要Q2才能判断Q1用户的留存，延误决策。比如用户很可能在Q1中就已经停止使用，但等到Q2才被发现。 那如果从用户活跃度角度看，就要监控每个月用户是否有持续的使用行为（假定把持续使用定义为每月使用＞5天）。好处当然是可以实时发现用户的流失风险，可以和产品价值交付做深入的绑定，缺点是不能直接反映财务结果，因为用户即使每个月都很活跃，但依然有拒绝二次付费的可能。 **4.2、解决思路：双轨制分层评估** 首先要明确两个概念：现金留存率和行为留存率。 现金留存率是季度付费用户在服务结束后支付下一周期费用的比例，按季度统计。行为留存率是季度付费用户每月活跃度天数达标比例，按月统计。 其次是对用户行为的动态监控，比如当用户连续两个月不活跃的时候，运营部门就要及时介入。如果单月活跃度下降超过50%，要开启用户满意度相关调研工作。 最后就是季度末验证现金续费，对行为模型进行校准。如果发现行为留存但现金未续费，就要判断是否是竞品异常动作或产品本身功能出现问题。 ## 五、对非订阅制产品（即一次性购买性质），如何看待渠道及LTV价值 现在我们可以跳出订阅制SAAS产品，去看一下那些几乎不存在复购的行业（如婚庆服务、房产中介、留学咨询、B2B大型设备销售等），其商业逻辑与订阅制SAAS有本质区别。这类业务的优化核心在于：最大化单次交易价值与获客成本的差值，同时通过客户价值延伸（要区分用户绝无复购可能，零售行业的复购不在此范围之内）弥补复购缺失。 **5.1、关注的重点从LTV到单次交易价值（STV）** 对这类行业，我们关注的重点，就要从LTV过度到STV。通常情况下，STV=(客单价×毛利率)+衍生价值。 对于客单价的优化，普遍的做法是针对渠道来源和客户属性分型来动态定价（仅从运营技术角度考量问题，排除相关法规等外部干扰因素），比如同样的产品或服务，对高端渠道的客户溢价15%。 当然也可以捆绑销售，通过增加高毛利的附加服务，提升客单价，比如房产中介+装修套餐设计。 至于衍生价值，则需看重量化。比如客户推荐（转介绍）推荐带来的新客户数×平均STV×转化率婚庆客户推荐1单=额外创造¥20,000的价值。 **5.2、对渠道的评估要看重边际贡献率而非留存率** 通常来说，边际贡献率（MCR）=(STV-CAC)/STV，当MCR＞40%的时候，应该马上扩大预算，拉升效果。当MCR在20%-40%之间时，要着重优化渠道转化链路，拉升转化率。当MCR不足20的时候，就要重新考量渠道价值，减少投入或者重新尝试其他定位看是否有转机。 比如某留学机构发现小红书渠道的MCR是35%，其他信息流广告MCR只有12%，那肯定是要把预算朝小红书倾斜的。 **5.3、基于STV的运营优化思路** 对于这种商业模式，运营商可以尝试从两个层面去优化。 交易层的优化要关注一次性价值的榨取，在规则允许的条件下最大程度榨取单次成交价值。可以尝试通过各种推荐加购、捆绑策略等实现。比如婚庆客户签单后，自动推送蜜月旅行套餐。 衍生价值层面，主要是客户转介绍和客户案例的资产化。同样的获客成本之下，转介绍每多一次，平均投入成本都是呈指数下降，对项目整体影响非常大，尤其是对某些工业、重定制的超高客单价行业。 最后就是关于MCR的统计周期问题，重点要解决的就是统计周期内数据的可靠性和决策时效性之间，如何取得一个平衡点。 当样本过小的时候，会造成数据扭曲，严重影响对渠道的判断。比如某些成交比较稀疏的行业，如果仅成交2-3单就进行判断，会造成MCR过度虚高。 当然，也有另一种情况，比如房产类行业，遇到政策波动时导致MCR下跌，如果没有合理的判断体系，会误杀潜力渠道。再比如留学客户签约后的2-3个月才可能会推荐新客，当月的MCR并没有体现，这可能会低估渠道的长尾价值。 诸如此类的问题还有很多，各位可以自己思考看有什么解决思路。 本文由 @郑春雨 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

 5月27日，小米集团发布2025年第一季度业绩报告，营收、经调净利再创新高，其中智能大家电收入翻倍增长，空调、冰箱、洗衣机产品的出货量及增速均创下佳绩。在近期的小米15周年战略新品发布会上，雷军用“气势如虹”来形容小米的科技家电，并宣布将家电业务升级为集团战略业务。 这场对传统家电巨头腹地的奇袭，引发了业界对于家电行业未来格局的无限遐想。因为就在不久前，美的集团董事长方洪波在接受采访时透露，小米宏大愿景之一就是大家电三年之内成为中国头部（前三）。当时间指针拨向2028年，在这场多方角力的战场，伴随小米家电的崛起，究竟是谁会率先离场？（美的、格力、海尔，小米想把哪一家挤下去？欢迎添加作者微信 Angiee0620 分享不同观点。） ### 小米之矛 小米集团发布的2025年第一季度业绩报告，无疑是一份令人振奋的成绩单。一季度小米营收1113亿元，同比增长47.4%，连续两个季度破千亿；经调整净利润为107亿元，首次突破百亿，同比增幅高达64.5%。 从数据上看，小米智能大家电的收入同比增长达113.8%，这一增速不仅远超行业平均水平，更是让众多传统家电巨头望尘莫及。空调产品出货量超110万台，同比增速超过65%；冰箱产品出货量超88万台，同比增速超过65%；洗衣机产品出货量超74万台，同比增速超过100%；其中，洗衣机与冰箱出货量均创历史峰值。 这份成绩单背后，是小米以独特商业模式对传统家电格局的重构，其崛起之势，源于难以复制的竞争壁垒： ODM模式驱动的轻资产运营策略是小米快速切入市场的核心武器。通过精选代工厂商并建立全链路品控体系，小米绕开传统巨头依赖的重资产陷阱，实现产品高速迭代与品类扩张。短短数年间，空调、冰箱、洗衣机产品线迅速完备，构建起完整的智能大家电矩阵。 随着规模壁垒形成，小米又灵活转向深度掌控——投资智能家电工厂，实现自研自产。这种轻与重的辩证统一，成为小米穿透市场的独特法则。 互联网基因是小米区别于传统家电企业的另一关键差异点。当传统家电企业还在依赖经销商传递用户声音，小米已将“与用户做朋友”的互联网思维深植家电基因。卢伟冰在微博发起的产品建议征集，直接催生出双区洗烘洗衣机、上出风空调等创新产品。这种&#34;与用户做朋友&#34;的互联网思维，使小米家电在年轻消费群体中迅速建立了品牌认同感。同时，小米擅长的爆品策略和精准营销也为其家电业务提供了强大助力，通过集中资源打造少数几款高性价比产品，在细分市场形成突破，再逐步扩展产品矩阵。 智能生态优势则是小米挑战传统巨头的第三张王牌。截至2025年3月，其平台连接设备数已达9.44亿台，同比增长20.1%。当用户通过小米手机一键控制全屋家电时，传统品牌的单品优势在系统级体验前黯然失色。 这种生态协同形成强大的自增强循环：更多设备接入提升生态价值，更强的生态吸引力又促进设备销售。即便手机份额波动，这个生生不息的庞大生态体系，依然为小米家电提供着持续扩张的独立势能与深厚护城河。 小米的锋芒不仅刺穿行业增速天花板，更以其系列创新重塑家电行业竞争规则，迫使传统巨头转身求变。正如方洪波所言：“小米进来对家电行业是好事。”这条闯入沙丁鱼群的鲶鱼，正推动整个行业打破舒适区。 面对冲击，传统巨头开启竞合新模式——近期美的与海信达成战略合作，在AI应用、全球先进制造等领域深度协同，标志着行业从零和博弈转向生态竞合。这场由鲶鱼效应引发的行业升维竞争，正加速中国家电产业进入生态竞合新阶段。 ### 巨头之盾 面对小米的强势崛起，美的集团董事长方洪波的&#34;战略藐视、战术重视&#34;论调颇具代表性：“战术上我重视小米，但战略上我并不害怕小米进来。”他透露，美的已累计完成十几万字的小米研究报告，学习其策略。 这种矛盾态度折射出传统巨头对新兴势力的复杂心态——既坚信自身护城河难以逾越，又忌惮其颠覆性。 这种自信来自于数十年积累的深厚产业根基，包括完整的供应链体系、成熟的技术储备、遍布全国的渠道网络以及深入人心的品牌影响力；而忌惮则源于一步步被侵蚀的市占率。十几万字研究报告的背后是残酷的市场份额争夺。 奥维云网数据显示，截至2025年4月底，美的系（含华凌）、格力、海尔系（含Leader）合计占据线上空调市场67.79%的份额，行业集中度进一步提升。但小米的快速崛起正在蚕食其领地，线上销量已跻身前三。  小米的爆发式增长非一日之功，而巨头们的觉醒也早有迹可循。 虽然方洪波是近期才声明“美的既要往上走、做高附加值产品，也要往下走、拼成本，不能坐视小米蚕食市场”，但业内皆知，通过华凌子品牌下沉市场、COLMO高端品牌提升附加值的“双线狙击”方式，美的已贯彻多年。（COLMO能否挑起美的高端化，雷峰网后续将推出相关报道，可添加作者微信 Angiee0620 交流。） 还有格力，虽暗批小米没有核心技术，走不长远，但从早期的线上口水交锋，到去年的线下“董明珠健康家”转型，其对小米的防御，不仅时间最早，也从线上衍生到线下，在重兵布阵线下渠道的同时，加速多元化布局。 小米的短板在这场攻防战中逐渐显现，最大的软肋在于线下渠道与售后服务。数据显示，2024年小米空调线上市占率11.77%，虽稳居前三，但线下份额仅0.08%，不及美的（33.46%）、格力（30.49%）的零头。 在空调这类“重交付、重售后”产品上，缺乏完善服务网络无疑是致命伤。 除此之外，小米的价格优势也正在弱化。在空调市场，虽然小米均价仍低于格力和美的，但相比于华凌、统帅等品牌已失去明显竞争力。今年春季以来，华凌空调价格持续下探，形成对小米的直接压制——在京东平台，华凌大1.5匹新一级能效变频空调挂机叠加国家补贴后仅售1319元，较小米同规格产品1439元的到手价低出120元。美的通过子品牌华凌发动价格战的狙击意图已不言而喻。 与此同时，不在同一价位竞争的格力今年也主动放低身段，空调价格跌破2000。其主力机型云佳空调通过叠加国家节能补贴、以旧换新及平台优惠券，实际入手价从2799元降至1969元。 **当传统巨头在价格维度全面迎击，小米的性价比光环正逐渐褪色。随着价格差收窄，产品可靠性、技术积累与服务网络等长期竞争力要素，将成为用户决策的核心考量，而这恰恰是小米需要跨越的新门槛。** 在这场多维竞争中，小米的终局位置也引发行业预判。某大厂家用空调事业部负责人认为：“小米家电的终局会跟其手机在国内的终局一样，最终可能会稳在第二、第三的位置，想要在整体市场份额上超越美的，可能性较低。”他指出，往后的竞争还是要回归整个系统的能力，不是单一某方面强就能赢。 这种判断基于手机业务的参照：若连核心腹地的手机业务都未能跻身国内前二，其他品类又凭何底气能超越这一高度？ ### 围观者危 多方博弈下的家电行业格局重塑已成定局。在这场没有硝烟的战争中，究竟谁会率先被判出局，并非一个简单的胜负问题，而是家电品牌在技术、市场策略及消费者认知上的综合较量。 小米的强势介入打破了原有相对稳定的&#34;三足鼎立&#34;格局，也催生出一个更为复杂的竞争生态。在这场博弈中，不仅小米与传统三巨头相互角力，二线品牌如海信、TCL、奥克斯等也被迫卷入这场混战，而一些更小的品牌则面临生存危机。 一位行业资深人士判断：“未来美的格力海尔小米等多方竞争，实际上死掉的是旁边围观看热闹的。” 当前，行业洗牌已在数据中显现：2024年中国家用空调销量为18977万台，同比增长20.9%，其中内销9652万台，同比增长6.6%。线上市场TOP3品牌份额高达61.8%，相较2023年增加4个百分点，市场集中度持续提升；TOP10之外品牌的份额已萎缩至5.76%，奥克斯、海信、科龙等品牌正在价格战中失血。 当行业被重构，二线及二线以下品牌的生存空间被急剧压缩，它们最有可能成为&#34;旁边围观看热闹的&#34;出局者。尤其对于既缺乏小米的互联网基因和生态优势，又不具备三巨头的规模效应和技术积累的品牌而言，在价格战日益激烈的环境下，利润空间被不断挤压，最终或将只能暗淡退场。 **这场新旧势力的对决，最终可能演变成一场“大鱼吃小鱼”的行业洗牌。真正的输家或许不是台上的巨头，而是场边的观望者。而小米的真正价值，在于用生态革命加速行业洗牌，让&#34;陪跑者&#34;率先退场。** “死掉的永远是围观者，舞台永远留给真正的角斗士。”当战火烧至海外市场与核心技术领域，这场新旧势力的对弈，才刚进入中盘。（作者长期关注家电领域相关信息，更多企业故事、行业情报，可添加微信 Angiee0620 来聊。） （雷峰网） （雷峰网）

<blockquote><p>在私域运营中，许多商家陷入“卖货思维”的困境，频繁推送产品信息却收效甚微。本文提出，私域运营的核心不在于卖货，而在于挖掘用户的痛点，并提供针对性的解决方案。</p> </blockquote>  如果你的私域转化很低或者你想做的更高，花5分钟把这篇文章看完你会有答案！ 见过太多的私域是这样： - 起早贪黑加好友，拉群发圈累成狗 - 产品图刷屏，优惠券轰炸，朋友圈活脱脱一个线上小卖部 结果呢？群里死寂一片，朋友圈点赞个位数 私聊石沉大海，好不容易有人问价，一句“太贵了”就消失无踪… 更扎心的是，好友数噌噌掉，屏蔽你的人越来越多 然后老板心累，迷茫，想放弃！ 但问题很可能出在根儿上——你还在用“卖货思维”做私域！ 硬广刷屏 ➔ 用户无感/反感 ➔ 不买/退群/删好友 ➔ 你的私域彻底沦为“死域” 这就是绝大部分私域的标准化死亡流程 那私域到底该卖啥？答案就俩字：痛点！ ## 一、为什么用户只为“痛点”买单？ 痛点是什么？ 它不是用户“有点想要”的痒点 而是用户“不解决就难受死”“不改变就焦虑疯”的真问题、真麻烦、真恐惧！ 要相信一点：人永远先解决痛苦，再追求快乐 比如你肚子饿的时候想到的一定不会是想去买跑车 这就是生存痛点＞享受需求 再比如当你脚磨破皮的时候，一定不会在此刻去纠结挑袜子款式 而是去赶紧买一双可以用的 这就是紧急痛点＞审美需求 所以什么决定了成交概率呢？ 两个因素，一个是痛点的强度，另外一个就是解决方案的可信度 光我们解决方案专业是不能转化用户的 这就是为什么很多私域明明产品很靠谱，但是就是转化率很低 因为用户的痛点强度过低，甚至没有 另外一个痛点是会伪装的 举个例子 宝妈的痛点，是“奶粉”本身吗？不！ 是孩子大半夜撕心裂肺哭闹3小时，她顶着黑眼圈濒临崩溃，第二天上班还要被领导骂！ 她需要的是“一夜安睡”的解决方案！ 所以用户买的从来不是产品本身，而是产品能帮他解决的那个“痛”！ 是痛点消失后的那个“爽”！ 另外之前我们说过很多遍，私域的本质是“关系” 而解决痛点，是建立强信任关系的最高效捷径！没有之一 当你不再像个推销员，而是像个懂他的朋友 像个能帮他的专家，去关注他的难处，理解他的焦虑 并提供哪怕一点点有价值的建议或信息 信任的桥梁瞬间就搭起来了！ 所以永远记住产品扮演的角色是止痛片，痛点则是病因 先诊断病因（痛点），再开药（产品） 用户才会愿意买！ ## 二、三步用“痛点”卖爆私域 道理懂了，热血沸腾了？ 那如何从“卖货佬”变成“卖货大佬”呢？ 四步走起！ ### 第一步：挖痛点——找出用户心底最深的刺！ 这里有个很多人都会犯的错，瞎猜！ 但你要知道用户不会把痛点写在脸上 你得去“问”、去“听”、去“看”！ 私聊或者在社群里，不要直接推产品 学会通过一些小技巧了解他们的问题 比如社群里可以互动 “最近大家被[XX问题]困扰的举个手？我看看有多少同病相怜的战友！” 还可以盯紧朋友圈！ 用户的朋友圈就是情绪和需求的晴雨表！ 抱怨加班？吐槽孩子？晒减肥餐？都是线索！ 另外还可以观察用户在你的社群和朋友圈里，对什么内容点赞、评论、提问？ 哪些话题能炸出潜水党？ 尤其是那种发圈时间在0点到3点之间的内容更是天然的“痛点外放” 所以记住：用户的抱怨、吐槽和提问都是他们的痛点 ### 第二步：打造“痛点内容”——朋友圈/社群/1v1聊什么？ 核心原则就一条 少晒产品说明书，多晒“治病救人”的现场！ 那发什么呢？三种内容 ①共鸣型内容（引发“对对对，就是我！”）： 比如母婴赛道可以发“凌晨3点还在哄娃，感觉自己像个行走的zombie…当妈的都懂这种灵魂出窍的感觉吧？” ②干货型内容（提供价值，建立专业）： 比如减肥赛道可以发“避开减肥反弹的5个大坑！血泪教训总结！”（免费经验，就是硬通货） ③故事型内容（真实案例，最有说服力）： 重点讲某个客户如何在我们的帮助下从“痛”到“不痛”的转变过程！ 总结一句话就是：朋友圈一定要学会晒“疗效”比晒“药”强100倍！ ### 第三步：设计“痛点钩子”——让用户主动找你“求解药”！ 光有共鸣和干货还不够 还得巧妙引导用户走向你的解决方案！ 学会在共鸣/干货内容后可以设置用户的互动钩子 比如“如果你也正在经历换季敏感，评论区扣‘救命’，送你一份《换季敏感肌急救指南》！” 用‘痛点共鸣’做鱼饵，用‘解决方案’做鱼钩 用户自然追着你跑！ ### 第四步：销售话术升级——把产品包装成“痛点终结者”！ 当用户被痛点折磨得受不了，主动来问时，你的机会来了！怎么说？ SPIN销售法则，绝对是私域卖货的最好用的法则 用一句话总结：先给痛点‘伤口’上撒盐（唤起痛苦） 再给你的产品‘抹蜜’（提供解药）！ 所以要记住 在私域里比产品更稀缺的 是让人心头一颤的理解 用户不是在为产品买单，而为痛点消失后的‘爽’买单！ 无痛不私域！谁能解痛，谁就赢！ 希望你的私域，也能从“死域”变“活域”了！ 如果看完觉得有收获，给何老师一个在看吧 祝我们都能成为私域卖货大佬 本文由人人都是产品经理作者【私域何老师】，微信公众号：【用户之道】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>通过对全球主流的独立站聚合支付方案在费率成本、支付成功率、合规风险、技术对接、本地化运营、申请门槛这六个维度的对比，帮助中国跨境商家理解为什么要选择聚合支付以及如何根据不同支付方案的优劣势匹配企业诉求，选出最合适的方案，提升独立站转化率。</p> </blockquote>  本文文章概览： 1.独立站平台所提供的聚合支付方案是什么？ 2.为什么跨境企业实现全球化扩张需要聚合支付？ 3.主流聚合支付方案多维度对比，选择适合企业的最佳方案 4.参考文献来源 ## 一、什么是独立站聚合支付？ 独立站聚合支付是指独立站平台通过技术手段整合多种支付方式（如信用卡、电子钱包、POS 等），覆盖主流国际支付渠道及本地化支付工具（如东南亚GrabPay、拉美Boleto），为独立站商家提供统一的支付接口和管理能力，从而简化支付流程、提升交易效率并降低运营成本。[1] 目前国际主流的各家独立站建站平台都推出了面向平台商家的聚合支付方案，如 SHOPLINE 的SHOPLINE Payments、Shopify 的 Shopify Payment 、Woocommerce 的 WooPayments、BigCommerce 的 BigCommerce Payments 等。 大部分的平台自有聚合支付方案，都对使用的商家减免了对于第三方网关交易的抽佣费用，这对于体量较大的商家而言，可谓节省了一笔不小的支出成本，甚至在不少跨境商家搭建新站点或做成熟站点迁移的建站平台选型时，平台的聚合支付方案表现会在很大程度上影响商家的决策。 ## 二、聚合支付，品牌出海实现全球化扩张的关键能力 ### 1、多支付渠道整合，提升全球市场渗透率 1） 多支付渠道整合： 优秀的聚合支付能通过整合全球主流支付方式（如信用卡、电子钱包、本地支付工具）及新兴市场特色渠道（如东南亚的GrabPay、拉美的Pix等），帮助企业覆盖全球支付方式，解决传统支付渠道单一导致的订单流失问题。[4] 2） 本地化运营适配： 针对不同地区的用户习惯（如欧洲北美年轻群体的BNPL先买后付、中东的CashU、印尼的COD货到付款）优化支付流程，提供多语言结算页、本地货币显示等能力，降低本地消费者认知门槛。[5] ### 2、支付成功率与用户体验升级 1） 智能路由优化：能够根据成功率、费率等动态选择最优通道（如对于拉美本地的消费者，优先使用拉美本地 Boleto 付款而非国际信用卡）。 2）单页结账与极简流程：减少跳转步骤和验证环节、失败交易自动重试，用户完成支付所需耗时越短，跳失率越低，支付成功率越高。 ### 3、合规与风控能力强化 1）税务合规：针对跨境支付的高风险特性，聚合支付方案提供全链路合规支持。在业务上提供专业的合规运营规划指导，产品能力上提供精准的税费计算，帮助企业规避税务风险。 2）AI反欺诈与实时监测：能够依靠设备指纹和AI算法，高效区分正常买家和潜在诈骗者，确保交易的安全性。能够智能识别并拦截来自可疑设备和地区的欺诈交易，确保商家免受不必要的经济损失。 ### 4、数据驱动运营优化 用户行为分析与精准营销：通过支付数据追踪消费偏好（如分期付款占比、复购周期），优化营销策略。 那么，面对这么多的跨境独立站平台以及对应的聚合支付方案，该如何选择呢？ ## 三、六个维度横向对比​六大主流独立站聚合支付方案 ### 1、费率成本  结论​​：SHOPLINE Payments成本最优，尤其适合跨境商家；Shopify Payments 及 WooPayments 隐性成本高，Ecwid 适合低预算起步，Square Payments​​ 适合线下零售商家。 ### 2、支付成功率​  结论​​：SHOPLINE Payments 在主流及新兴本地支付市场优势显著；Shopify 和 Square 在美国本土市场表现较好，但成功率不是很稳定。 ### 3、合规风险​  结论​​：SHOPLINE Payments 风控能力全面；Shopify 和 Ecwid 风险较高，需商家额外投入。 另外，Stripe 作为美国本土金融科技公司，受到IRS（美国国税局）的严格监察，使用 Stripe系的支付方案平台，商家需要自行处理VAT申报，中国商家使用海外账号易触发税务稽查。在VAT申报问题或拒付率过高问题出现时，大部分的海外平台都会在第一时间进行无理由的封店，这可能会导致商家收到巨大的损失。[8] ### 4、技术对接​  结论​​：SHOPLINE 和 Square 技术友好度高；WooPayments 适合开发者，Ecwid 适合新手商家。 ### 5、本地化运营​  结论​​：SHOPLINE Payments 本地化能力表现碾压其他平台；Shopify 和 Square 区域局限性明显。 ### 6、独立站支付方案申请门槛对比 以下从 主体资质、区域限制、技术门槛、合规审核 四个维度对比六大支付方案的申请门槛，结合最新政策与行业数据： **（1）SHOPLINE Payments** - 主体资质：支持国内外公司主体申请，所有套餐版本均可申请，无需升级。 - 区域限制：无明确地域限制，支持中国、东南亚、欧美等全球商家。 - 技术门槛：线上申请，零代码一键开通，无需 API 调试。 - 合规审核：需提交企业营业执照、银行账户信息等材料，中文客服+线上审核，最快 3 天下户。 **适用商家：中大型跨境企业，需要本地化支付、多币种结算能力支持的商家。** （2）Shopify Payments - 主体资质：仅支持 香港或美国公司主体（中国大陆商家需注册香港公司并绑定当地银行账户）。 - 区域限制：仅限 29 个国家/地区（如美国、加拿大、新加坡等），中国大陆商家无法直接使用。 - 技术门槛：需 API 密钥配置操作，高级功能依赖插件（如订阅支付需 Recurpay ）。 - 合规审核：严格风控，新卖家账户冻结率超 30%，需提供税务文件（如香港公司需商业登记证）。 **适用商家：欧美成熟市场商家，具备海外公司资质。** （3）WooPayments - 主体资质：依赖 Stripe 底层技术，需美国或香港公司主体（中国大陆个人/企业无法申请）。 - 区域限制：支持 45 个国家/地区（如美国、英国、澳大利亚），中国内地商家需通过境外主体绕行。 - 技术门槛：需 WordPress 技术栈支持，开发者需熟悉 PHP/API 调试。 - 合规审核：需完成 Stripe KYC 认证（提供 EIN、公司注册文件等），审核周期3-5个工作日。 **适用商家：技术团队较强的 WordPress 用户，具备境外公司资质。** （4）BigCommerce Payments - 主体资质：支持 全球企业主体（无地域限制），但需绑定企业银行账户。 - 区域限制：无地域限制，但本地支付方式覆盖较弱（如拉美仅支持信用卡）。 - 技术门槛：需配置 REST API，多支付通道整合需自建中间件。 - 合规审核：基础风控审核（如 AVS/CVV 验证），无深度税务代缴支持。 **适用商家：需全渠道整合的大型企业，技术团队配置完善。** （5）Ecwid Payments - 主体资质：支持 个人及小微企业主体（免费版无营业执照要求）。 - 区域限制：无地域限制，但仅支持主流支付方式（如 PayPal、信用卡）。 - 技术门槛：即插即用，无 API 开发需求（仅限基础功能）。 - 合规审核：风控能力薄弱，无企业级反欺诈系统（盗刷率1.5%）。 **适用商家：试水型小微商家，无需复杂功能。** （6）Square Payments - 主体资质：仅支持 美国公司主体（需 EIN 税号及美国银行账户）。 - 区域限制：仅限美国本土商家，跨境业务需第三方通道（手续费+1.5%）。 - 技术门槛：API 文档完善，但跨境功能接口较少。 - 合规审核：需 SSN/ITIN 认证，触发 1099-K 税表门槛低（部分州 $600 即需申报）。 **适用商家：美国本土线下零售商家，企业自身税务合规能力强。** ## 四、参考文献来源 [1] SHOPLINE Payments｜一站式跨境电商支付解决方案，覆盖全球主流支付方式，https://shoplineapp.cn/shopline-payments/ [2] 跨境支付全攻略：Shopify收款渠道设置指南，https://www.ycoem.net/news-detail/136.html [3] 跨境电商独立站收款有什么好的选择？，[https://blog.csdn.net/weixin_38975266/article/details/132482915](https://blog.csdn.net/weixin_38975266/article/details/132482915) [4] 2024-2030年中国聚合支付行业创新模式及商业模式发展趋势报告,[https://www.renrendoc.com/paper/337810396.html](https://www.renrendoc.com/paper/337810396.html) [5] 中国聚合支付行业市场调研及未来发展趋势预测报告.docx，[https://max.book118.com/html/2025/0116/7120003060010024.shtm](https://max.book118.com/html/2025/0116/7120003060010024.shtm) [6] 全网最全：一篇讲透跨境电商独立站收单、收款、提款！如何开通Shopify Payments！99个Shopify建站技巧（18）,[https://mp.weixin.qq.com/s?__biz=MzkxOTQxNDQ0OA==&amp;mid=2247485412&amp;idx=1&amp;sn=4c0708b0af512ef28e724f2e2053c599&amp;chksm=c0437927f9b94d4c49670b926b50d15947d099bed5c7f128a0bb84dfc0778648764842f8f14c#rd](https://mp.weixin.qq.com/s?__biz=MzkxOTQxNDQ0OA==&amp;mid=2247485412&amp;idx=1&amp;sn=4c0708b0af512ef28e724f2e2053c599&amp;chksm=c0437927f9b94d4c49670b926b50d15947d099bed5c7f128a0bb84dfc0778648764842f8f14c#rd) [7] 跨境收单业务(跨境电商流程)，[https://www.amz123.com/ask/ud9wCwD2](https://www.amz123.com/ask/ud9wCwD2) [8] Shopify店铺被封？深度分析Shopify封店机制，https://zhuanlan.zhihu.com/p/24696217028 本文由 @Alex Lee 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

国产片创新，进口片守旧。

 发行商 Gamirror Games 于今日公开了奇幻风 Roguelite 横版动作过关游戏《绝对魔权》的全新角色“西德”及角色预告，并宣布游戏将参与本月的 Steam 新品节，试玩版会在6月9日21时于 Steam 平台免费推出，支持双人联机。 &lt;内嵌内容，请前往机核查看&gt; 《绝对魔权》由多家工作室联合开发，将Dotemu（《忍者龟：施莱德的复仇》）和Guard Crush（《怒之铁拳4》）在清版动作游戏玩法方面的驾驭力与Supamonks顶尖的美术和动画制作能力合二为一，倾力为玩家奉上一场畅快新奇的 “Rogue 横版过关”体验！  此次公开的新角色“西德”有着灵活的位移能力，善用高空打击、手斧和臂刃与敌人展开周旋，玩家可以在本次试玩版中尽情体验她的制空之力。  《绝对魔权》试玩版将会带来： - 三名可操作角色：扮演“大剑斗士”加兰德拉，“诗歌矮人”卡尔，或是新角色西德，每一位都将有独特的战斗风格和特长。 - 可解锁的升级项：通过获取经验值，获得新的技巧和元素之力，打造契合你战斗风格的强力招式组合。  - 丰富的探索内容：探索格兰德里的广袤土地——这里山峦起伏，海岸线嶙峋曲折，曾维系着哥布林、人类与矮人之间微妙的平衡，如今却因贪婪与新生的血腥冲突而逐渐崩解。 - 完成任务赢得奖励：深入探索《绝对魔权》的迷人世界——通过完成各种支线任务，获取珍贵情报与宝藏，逐步揭开这片大陆的奥秘。 - 鏖战强大的BOSS: 检测你对战斗的掌控 —— 迎战幽境之王！这位陷入疯狂的泰坦统治者挥舞着足以横扫战场的火焰镐斧，既能喷射烈焰，又可投掷崩山裂地的巨石！  在这场奇幻历险中，玩家踏过的每一步都有北村友香（《黑暗之魂》《艾尔登法环》）、Gareth Coker （《奥日与黑暗森林》《光环：无限》和Mick Gordon（《毁灭战士：永恒》《原子之心》）等知名作曲家气势如虹的瑰丽配乐相伴。

2025年6月5日，截止收盘，沪指涨0.23%，报收3384.1点；深成指涨0.58%，报收10203.5点；创业板指涨1.17%，报收2048.62点，两市成交额较上一交易日增加1373.58亿元，合计成交12904.05亿元。

<blockquote><p>曾经风靡一时的可口可乐“分享瓶”活动在2025年卷土重来，但这次的市场反响却远不如预期。十年前，这一创新营销活动在全球范围内引发了巨大轰动，尤其在中国市场，通过将网络热词印在瓶身上，成功吸引了年轻消费者的广泛关注和积极参与。然而，如今的“分享瓶”似乎失去了往日的魔力。本文将深入探讨可口可乐“分享瓶”为何不再火爆，分析其背后的原因，包括创意的陈旧、媒体环境的变化以及竞争对手的冲击，揭示品牌营销在新时代面临的挑战。</p> </blockquote>  2025年4月，可口可乐在中国市场悄然重启了曾一度风靡的“分享瓶”活动。二十多种精心挑选的标签，如“干饭人”、“社牛”、“显眼包”等网络热词，被印在了经典的红色瓶身上，并通过线下装置与线上互动，试图在Z世代中激发全新社交热潮。 然而，与十多年前初次亮相时的盛况相比，此次“分享瓶”在中国的市场反响似乎略显平淡，未能激起预期的水花。 事实上，这一轮“分享瓶”的回归，美国市场已率先启动，其形式与十多年前类似，依旧是以常见的英文人名为主，并辅以线上互动，试图复制当年的成功路径。 在碳酸饮料整体市场增速放缓，北美出货量甚至出现下滑的当下，此番重启既是对辉煌IP的情感唤醒，也是在激烈竞争中谋求销量和关注度的战略试验——然而，时间与环境都已不再相同。 ## 01   可口可乐分享瓶的诞生 可口可乐“分享瓶”最早始于2011年的澳大利亚，当时，可口可乐澳大利亚分部大胆创新，将当时最常见的150个澳大利亚名字，如 “Tom”、“Emma” 等，直接印在了可乐瓶身上，并配上了“Share a Coke with …”的引导语，引导消费者去找到自己的名字，分享快乐。 这一极具个性化和互动性的创意，迅速在当地的青少年和千禧一代中引发了强烈共鸣，成为现象级的营销事件。 这个成功的创意很快便开启了其全球征程。从2012年夏季开始，“分享瓶”逐渐扩散至新西兰、欧洲及亚洲等多个区域，2014年6月，分享瓶正式登陆美国市场，可口可乐推出了印有250个美国人常用名字的20盎司瓶装可乐。 “分享瓶”之所以能够大获成功，其核心在于它巧妙地将大规模工业化生产的标准化产品，赋予了个性化的温度。几乎每个人都有机会在货架上找到印有自己名字的那瓶可乐，这种感觉就好像这家全球闻名的饮料巨头专门为自己定制了一款专属包装。这种被看见、被专属的惊喜感，让消费者异常欣喜，并乐于为此买单和分享。 “分享瓶”也成为当年真正的社交货币。 据CNN Business当时的报道，可口可乐分享瓶直接推动可口可乐在美国的销量同比增长超过2%，成功扭转了此前可乐销量多年来持续下滑的趋势，可谓是力挽狂澜。 2013年，“分享瓶”的概念被引入中国市场，并以一个更为本土化、更具网感的名称——“昵称瓶”为大众所熟知。考虑到中国文化的独特性，可口可乐在这里进行了一次关键的创新。 在英语国家，像Tom、Jack、John这样的名字非常普遍，250个常用名字足以覆盖数千万乃至上亿人口。但在中国，姓名的多样性和复杂性使得直接复制“姓名瓶”的模式几乎不可能——总不能印上“张三”、“李四”吧？ 于是，中国版的“分享瓶”另辟蹊径，将目光投向了当时在社交网络上流行的各种人设标签，如“神仙姐姐”、“文艺青年”、“高富帅”、“白富美”等等。可口可乐或许是国内最早将网络人设概念与自身产品包装深度结合的大品牌之一。 在那个社交网络主要以微博为舆论主阵地的年代，“昵称瓶”一经推出，便迅速引爆了社交平台。无数消费者兴奋地在货架上寻找属于自己的或朋友的人设可乐，拍照分享，并将这些网络人设与自己或朋友对号入座，形成了一场全民参与的社交狂欢。 “昵称瓶”的巨大成功，也使其获得了该年度艾菲奖全场大奖，在整个创意营销界都引发了不小的震动，被公认为当年最成功的营销战役之一。 尝到甜头的可口可乐，在接下来的几年里，又相继在中国市场推出了“歌词瓶”、“电影台词瓶”等一系列衍生营销活动，持续挖掘包装的互动潜力。 ## 02   炒网络梗已再难掀波澜 可口可乐“分享瓶”的首次成功，本质上是品牌精准捕捉时代情绪与媒介红利的产物。2013年的昵称瓶将微博时代的“标签化社交”与消费者渴望身份认同的心理结合，通过网络标签，将产品转化为社交货币，形成全民参与的狂欢。 然而，与十多年前“分享瓶”推出时的盛况相比，今年这波重启，即便有着数字化赋能和本土化标签的加持，市场反响似乎平淡了不少。 作为一个长期关注营销动态的圈内人，我明显感觉到，周围讨论这次“分享瓶”战役的声音稀疏了许多，甚至不少广告从业者都未曾留意到它的回归，更遑论引发大众市场的广泛热议了。 这不禁让人发问：当年的爆款IP，为何如今难以再现辉煌？ 首先在于创新本身的陈旧，本质上是一次“旧瓶装新酒”的复刻。 可口可乐第一次推出“分享瓶”时，其创新性是毋庸置疑的。在欧美市场，将常见的名字印上瓶身，赋予了消费者一种“专属定制”的尊贵感，带来了强烈的归属感和惊喜。 而在中国市场，巧妙地将产品与当时微博时代盛行的“标签化社交”深度绑定，无论是“文艺青年”还是“吃货”，都让无数年轻人找到了身份认同的切入点，使其迅速成为一种流行的社交货币。 但反观今年的“分享瓶”，尽管在执行层面加入了二维码互动、数字定制等新元素，但其核心创意——在瓶身上印制特殊文字——并没有本质上的突破，更像是一次对十多年前成功创意的简单复制粘贴。对于经历过第一次浪潮的消费者而言，这更像是一次熟悉的“情怀杀”；而对于新一代的年轻消费者，这种形式也早已不再新鲜。 在中国市场来说，第一次“昵称瓶”之所以能火爆，很大程度上是因为这种将网络流行语与大众消费品结合的玩法，在当时是开创性的。而今年选用的“i人”、“e人”、“社牛”、“吃瓜群众”等标签，恕我直言，早已是各大社交平台反复咀嚼、甚至有些“烂大街”的网络梗。 当这些缺乏新鲜感的标签再次出现在可乐瓶上时，很难再激起消费者当初那种眼前一亮、急于对号入座并分享的冲动，反而可能让人觉得“味同嚼蜡”，难以触动情绪的G点。 一部经典的电影，固然可以通过重新上映来收割一波老用户的情怀，但指望重映的老片能创造出超越首映的票房奇迹，显然是不太现实的。  其次，媒体环境的剧变导致了严重的信息疲劳和注意力稀释。 回想第一次“分享瓶”的火爆，很大程度上得益于当时社交媒体（尤其是微博）的快速崛起和用户乐于分享新鲜事物的红利期。那个时代，信息尚未像今天这般爆炸式增长，市场上优质且具有广泛传播力的营销创意也相对稀缺。一个足够好的创意，一旦借助可口可乐强大的渠道优势铺开，便能迅速触达千家万户，形成裂变式传播。 而今非昔比。我们身处一个信息极度过载的时代，社交媒体平台众多且算法复杂，用户每天都被海量的新产品、新资讯、新热点轮番轰炸。我们的注意力被无限分割，对于营销信息的筛选阈值也水涨船高。单纯依靠瓶身文字的改变，即便加上了扫码互动，也很难再给消费者带来强烈的刺激和分享的冲动。 对于阅遍各种营销套路的Z世代而言，“分享瓶”这种形式，或许早已是见怪不怪的常规操作了。 最后，来自竞争对手的“创意内卷”，使得“分享瓶”毫无优势。 第一次“分享瓶”的出现，其创意在快消品营销领域堪称独树一帜。但“一直被模仿，从未被超越”的神话难以持久。在随后的几年里，各大品牌纷纷效仿并进行创新，个性化包装、社交化营销的玩法层出不穷，创意生态经历了爆炸式的增长。 比如旺仔牛奶推出的“56个民族瓶”，精准触达不同地域文化认同；王老吉的“姓氏罐”，将个性化定制玩出了新花样，更不用说像瑞幸咖啡与茅台联名的“酱香拿铁”这样，通过跨界合作，直接引爆社交话题，创造出全新的消费体验和讨论热度。 在这些五花八门、甚至更为大胆和新奇的营销创意面前，仅仅依靠预设标签的“分享瓶”，就显得有些相形见绌，甚至略显平庸了。当消费者有了更多元、更刺激的选择时，对“分享瓶”的热情自然会降低。  近年来，全球碳酸饮料市场增速持续放缓，从2022–2023年的9.1%增速减少至2023–2024年的5.1%，其中一项调研指出，2023年美国成人碳酸饮料的消费频率相比2022年几乎减半，主要因“觉得不健康”而减少饮用。 可口可乐近年销售表现尚可，主要靠无糖产品。2024全年，Coca-Cola Zero Sugar全球销量实现9%的增长，远超整体碳酸饮料品类的2%增速，进入2025年第一季度，集团全球单位箱销量虽仅回升2%，但Zero Sugar同比大涨14%，成为唯一实现双位数增长的核心产品线。 在这样的市场大背景下，可口可乐选择重新祭出“分享瓶”这一经典IP，试图用“新瓶装旧创意”的方式来唤醒市场热情，难免在市场遇冷，这本质是时代命题的错位：当消费者用脚投票奔向“中式养生水”“益生元汽水”等新物种，可口可乐却仍在试图用十年前的社交标签缝合当下的健康焦虑。 无糖可乐的续命针，终难治愈碳酸饮料的慢性消亡症。若巨头仍将创新困于瓶身符号，而非颠覆产品本质，那么再多的怀旧营销，也不过是给下沉市场的渠道战车，披上一件过时的文化戏袍。 作者 | 寻空本文由人人都是产品经理作者【寻空】，微信公众号：【寻空的营销启示录】，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。

本质上是各个城市争夺新兴产业发展机遇的一场大规模“竞技”。

堪培拉当局正在采取强硬措施应对勒索软件威胁。一项新法律将要求某些组织在数据泄露后披露其向网络犯罪分子支付勒索金的时间和金额。然而，专家们仍然不确定这是否是解决问题的最有效方法。 在澳大利亚运营的公司现在必须报告在遭遇勒索软件事件后向网络犯罪分子支付的任何款项。政府官员希望这项新规定能帮助他们更深入地了解这一问题，因为许多企业在成为文件加密恶意软件的受害者时，仍然会支付赎金。 该法律最初于去年提出，仅适用于年营业额超过193万澳元的公司。该门槛针对的是澳大利亚注册企业中排名前6.5%的企业，约占该国经济总产出的一半。 根据新法律，受影响的公司必须向澳大利亚信号局（ASD）报告勒索软件事件。未能正确披露攻击事件将根据澳大利亚民事处罚制度被处以罚款。 据称，当局计划采取两阶段措施，首先优先处理重大违法行为，同时与受害者进行“建设性”对话。  从明年开始，监管机构将对不合规的组织采取更为严格的立场。澳大利亚政府在认定自愿披露不足后，实施了这项强制性报告要求。2024年，官员们指出，勒索软件和网络勒索事件的报告数量严重不足，只有五分之一的受害者站出来举报。 勒索软件仍然是一个高度复杂且日益严重的现象，尽管执法部门加大了对臭名昭著的网络犯罪团伙的打击力度，但攻击次数仍创下历史新高。尽管一些政府已提出类似的法规，但澳大利亚是第一个正式颁布此类法律的国家。 网络安全公司 Semperis 的事件响应总监 Jeff Wichman 警告称，强制报告是一把双刃剑。虽然政府可以获得宝贵的数据并深入了解攻击者的个人资料，但这项法律可能无法降低攻击的频率。 相反，它的主要作用可能是公开羞辱受攻击的组织，而网络犯罪分子则继续从中获利。Semperis 最近的一项[研究](https://therecord.media/australia-ransomware-victims-must-report-payments)发现，在 1000 家遭受勒索软件攻击的公司中，超过 70% 的公司选择支付赎金，并期待最终结果。 “有些公司只想付钱，然后把数据从暗网上撤下来。而有些公司则希望延迟响应，希望在弄清楚发生了什么事情的同时与攻击者进行谈判，”Wichman 解释道。 研究显示，60% 的付费受害者获得了可用的解密密钥并成功恢复了数据。然而，40% 的受害者提供的密钥已损坏或失效。 [查看评论](https://m.cnbeta.com.tw/comment/1504590.htm)

周三晚间，Alphabet 首席执行官桑达尔·皮查伊（Sundar Pichai）在旧金山市中心接受彭博社采访时，驳斥了人们对人工智能最终可能导致公司 18 万名员工中一半人失业的担忧。相反，皮查伊强调了公司至少在明年保持增长的承诺。 [](https://static.cnbetacdn.com/article/2025/0518/7a3e331f11f5c58.png) “我预计我们目前的工程阶段甚至会延续到明年，因为它能让我们做得更多，”皮查伊说道。他还补充道，人工智能正在通过消除繁琐的任务，使工程师能够专注于更有影响力的工作，从而提高他们的工作效率。他称人工智能并非取代人类，而是将其视为推动新产品开发的“加速器”，从而创造对更多员工的需求。 近年来，Alphabet 已多次裁员，但到目前为止，2025 年的裁员似乎比往年更具针对性。据报道，今年早些时候，Google云部门裁员不到100 人，最近又裁掉了平台和设备部门数百人。2024 年和 2023 年的裁员幅度要大得多， 2023 年公司裁员1.2 万人，去年又裁员至少1000 人。 展望未来，皮查伊指出，Alphabet 不断扩张的业务，例如 Waymo 自动驾驶汽车、量子计算项目，以及 YouTube 的爆炸式增长，都表明创新机会正在不断涌现。他指出，仅在印度，YouTube 就拥有 1 亿个频道，以及 1.5 万个拥有超过百万订阅用户的频道。 皮查伊曾表示，试图思考太远“毫无意义”。但他也承认，人们对工作岗位流失的担忧并非杞人忧天。当被问及 Anthropic 首席执行官达里奥·阿莫迪 (Dario Amodei)最近关于人工智能可能在五年内取代一半入门级白领工作岗位的言论时，他表示：“我尊重这种说法……我认为表达这些担忧并进行讨论非常重要。” 采访结束时，皮查伊被问及人工智能的局限性，以及世界是否永远无法实现通用人工智能（AGI），即在所有方面都与人类一样聪明的人工智能。他停顿了一下，然后回答道：“我们所走的道路上还有许多进步空间，不仅是我们目前正在研究的一系列想法，[还有]我们正在尝试的一些更新的想法。” “我对看到大量进展非常乐观。但你知道，”他补充道，“技术曲线总是会有一些变化，可能会暂时停滞不前。那么，我们目前是否已经走上了通往通用人工智能的绝对道路？我认为没有人能肯定地说。” <svg hidden="true" xmlns="http://www.w3.org/2000/svg" fill="none" viewBox="0 0 41 20"></svg> <path fill="#fff" d="M0 0v6.452h7.097V20h7.097V6.452h6.451V0zM27.742 13.548V6.452h-7.097V20h20v-6.452zM40.645 0H27.742v6.452h12.903z"></path><path fill="#fff" d="M0 0v6.452h7.097V20h7.097V6.452h6.451V0zM27.742 13.548V6.452h-7.097V20h20v-6.452zM40.645 0H27.742v6.452h12.903z"></path> [查看评论](https://m.cnbeta.com.tw/comment/1504588.htm)

近日，中国工业和信息化部公布2025年“新能源汽车下乡”推广车型目录，**涉及124款车型，相比2024年增加25款车型**，覆盖范围进一步扩大。**值得注意的是，特斯拉的Model 3和Model Y也出现在名单里。** [](//img1.mydrivers.com/img/20250605/c716c21b-e228-4dc9-bd42-d3a558e09e4d.jpg) **而特斯拉方面也证实，这是特斯拉首次入选《新能源汽车下乡车型目录》。** 这标志着特斯拉在中国市场策略上的重大转变，开始积极争取三线以下城市和农村消费群体。 **特斯拉试图通过政府补贴和政策支持，拓展在农村市场的销售。这不仅是特斯拉的“下乡”之路，或许更是其在中国市场自救的一部分。** 官网显示，特斯拉Model Y和Model 3的起售价分别为26.35万元和23.55万元。 而这一举措背后，却是特斯拉在中国市场面临的严峻挑战。 今年3月和4月，特斯拉在中国销售分别同比下降11.5%、6%。 根据乘联分会数据，预估2025年5月特斯拉中国批发销量为6.17万辆，同比下降15%。今年1-5月，特斯拉中国的批发销量为近30万辆。 相比之下，中国自主车企表现强劲，特斯拉的市场份额被不断蚕食。 此外，为了应对竞争压力，特斯拉还计划推出一款代号为“E41”的低成本Model Y，预计在2026年投产，目标是将生产成本降低至少20%。 [查看评论](https://m.cnbeta.com.tw/comment/1504586.htm)

今日，任天堂Switch 2正式开启全球发售。京东表示，**0点起全国准时发货，首批在京东全球购“京东香港自营旗舰店”参与预售的消费者甚至0点就能收到Switch 2。**据了解，**京东香港自营旗舰店的Switch 2为任天堂官方授权货源，京东自营官方质保一整年。** 目前，该旗舰店可选四种Switch 2套装，分别为典藏套装、玩家套装、实用套装、马里奥赛车世界套装，预估到手价4352元起（含税）。   据悉，**Switch 2采用7.9英寸屏幕，掌机模式支持120高帧率和HDR、分辨率为1080P，电视模式下支持4K分辨率，底座内置风扇，散热性能更好。** Switch 2机身存储升级为256GB，自带支架，内置双扬声器，麦克风支持智能降噪，配备双USB-C接口。 [查看评论](https://m.cnbeta.com.tw/comment/1504584.htm)

全球芯片巨头NVIDIA因美国政府的芯片出口限制政策而面临巨大压力。据最新消息，**该公司在过去三个月内花费了近百万美元用于游说美国政府，试图缓解这些限制措施对其业务的冲击。**  美国政府的芯片出口限制政策对NVIDIA的营收产生了明显影响，2025年第一季度，NVIDIA因无法向中国出口H20等AI芯片，导致其损失高达55亿美元。 **该公司在财报中指出，由于制裁，其第一季度有25亿美元的产品无法出货，并预计本季度还将损失80亿美元的销售额。** 为了应对这一困境，NVIDIA加大了游说力度，**公开文件显示，该公司在第一季度花费了近百万美元游说美国政府，试图推动更有利的出口管制政策。** NVIDIA CEO黄仁勋此前曾警告称，限制对中国的芯片销售可能会使美国公司失去市场份额，而中国本土企业可能会填补这一空白。  [查看评论](https://m.cnbeta.com.tw/comment/1504582.htm)

**中国航空发动机集团有限公司给出的公告显示，6月5日在湖南株洲举办的AES100发动机研制工作总结会宣布，AES100发动机已获颁生产许可证并签订销售合同，**表明AES100发动机从设计研发阶段迈向批量生产阶段，为其投入市场、推动低空装备发展奠定了基础。 据悉，此发动机可配装5至6吨级双发直升机和3至4吨级单发直升机，也可用于倾转旋翼机等飞行器，执行运输、观光、巡逻、警用、救援等任务。此前已于2024年8月获颁型号合格证。 相关专家表示，这不仅仅是一款特定发动机通过认证，它标志着中国已经完全掌握了按照国际通行的适航标准，自主研发、测试和认证航空发动机的能力，为未来CJ系列等更大推力发动机的商业化应用，扫清了流程和体系上的障碍。 更早前，美国商务部已暂停部分美国公司向中国商飞出售产品和技术的许可证，这些产品和技术被用于开发C919飞机。 **随后，中国航发集团董事史坚忠在2025年3月江苏太仓举办的航空技术大会上透露，长江-1000A发动机的试运行表现“远超预期”。** 既然AES100发动机获生产许可证，接下来的长江-1000A发动机也就不远了。   [查看评论](https://m.cnbeta.com.tw/comment/1504580.htm)

<blockquote><p>随着 AI 技术的飞速发展，其在数据分析等领域的应用愈发广泛，但数据分析师真的会被 AI 取代吗？本文以图表分析为例，深入探讨 AI 在数据分析中的优势与局限，以及数据分析师如何借助 AI 提升效率，同时强调人类分析师的核心竞争力 —— 数据分析思维、沟通与应用能力等软技能，是无法被 AI 替代的关键所在，值得每一个从业者深思。</p> </blockquote>  随着 AI 技术的发展，AI 的能力正在变得越来越强，能做的事情也变得越来越多。 AI 不仅能读懂我们输入的各种内容，而且能输出文字、图片、音频和视频。 比如，给 AI 发送一张数据可视化图表，它不仅能解读图表，提供优化的建议，而且能快速创建图表。 虽然 AI 可能会出错，需要我们检查 AI 输出的结果，但它确实能大大提升我们的工作效率。 以《用图表说话》（作者：斯科特·贝里纳托）中介绍的一个图表为例，给具有图片理解功能的 AI 上传这个图表：  并发送如下提示词：1你是一位数据可视化专家，请解释图表中需要改进的地方，并提出具体的优化建议。要求简洁明了，不要浪费我的时间。 Claude-4-Sonnet 模型给出的图表分析和优化建议如下：  虽然 AI 很强大，可以帮助我们快速识别图表中存在的一些问题和不足，但它并不是万能的，有时候也会犯错，最终还是需要我们做出自己的判断和决策。 例如，AI 说图中有 10 条不同颜色的线条，但其实是有 11 条。 为了获得更好的优化建议，我们可以测试使用不同的 AI 模型，对比它们的效果。 例如，把上面的图表和提示词发给 ChatGPT，其中的 GPT-4o 模型回复如下：  发送「需要」之后，ChatGPT 创建了如下图片：  其中不仅存在很多乱码，而且把原始数据改得面目全非，显然这不是我们想要的结果。 所以，我们在应用 AI 做数据分析的时候，千万不要盲目相信 AI 输出的结果，哪怕是使用世界先进的 AI 模型。 我们可以把 AI 当成一个沟通互动的对象和助手，让它提供不同的视角，执行指定的任务，成为我们工作流程中的一部分，但前提条件是我们自己要有判断力，能够引导 AI 发挥它的潜能，并且知道 AI 输出的结果哪些是有用的，哪些是没用的，甚至是错误的。 要想更精准、更快速地优化数据分析图表，我们可以基于图表背后的原始数据，用 Python 或其他软件来实现。 在《用图表说话》这本书中，作者给出了如下优化结果：  上面的图表经过优化之后，把杂乱无章的色彩，转化为两组鲜明对比的颜色，重点突出旧金山和奥克兰的数据变化，并在标题中给出了行动的建议：午餐时分去旧金山，稍后去奥克兰。 要想让 AI 快速实现上面的图表效果，并给出合理的行动建议，恐怕还有很长的路要走。 尽管 AI 能够明显提升简单数据分析的工作效率，但是面对复杂问题的时候，还是需要有人类的参与。 事实上，AI 工具的简单化，并不会降低问题本身的复杂度。 就像人类发明了计算器，让简单的数学计算变得很容易，但是依然有很多复杂的数学问题没有被解决。 当我们遇到一个复杂问题时，可能会涉及很多 AI 不知道的业务背景信息，光是写好 AI 提示词、把需求描述清楚就不容易，而且需要反复沟通和验证 AI 生成的结果，反而可能更加费时费力。 所以，在数据分析领域，依然需要懂业务的专业人才，而 AI 只是一种高效的工具，洞察能力、沟通能力、应用能力等软技能才是关键，优秀的数据分析师不容易被替代。 有些人拿到数据之后，不问目标和背景，不知道背后的诉求是什么，直接一顿操作猛如虎，最后发现什么有价值的结论都没有。 真正替代数据分析师的其实不是 AI，而是更会使用 AI 解决复杂问题的人。 人与人之间的差距，往往体现在数据分析的思维和逻辑层面，而不是停留在工具层面。 当所有人都会使用 AI 工具时，竞争优势就来自于那些无法替代的能力，比如综合运用数据分析思维、快速抓住问题的本质、提出更有价值的建议等，这才是数据分析师的核心竞争力。 具备数据分析思维的人，在 AI 的加持下，能够激发出强大的想象力和创造力，更快地洞察事物的本质，未来成长也会越来越快。 与其抱怨 AI 发展太快，盲目跟风最新的技术，不如找准自己的定位，在自己擅长的领域内，用 AI 放大自己的能力，创造出独特的价值。 愿我们与 AI 共同进步。 本文由人人都是产品经理作者【null】，微信公众号：【林骥】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>AI工具的广泛应用不仅提高了工作效率，还打破了传统岗位的边界，使得个体能够以更全面的能力组合应对复杂的工作任务。本文探讨了如何在AI时代成为职场超级个体，强调了构建“能力模块化”思维、熟练掌握AI工具、提升沟通效能、以扁平化交付为导向以及持续复盘与标准化沉淀的重要性。</p> </blockquote>  在AI时代降临的今天，技术迭代的速度远超我们传统岗位与技能的演变速度。越来越多的职业正面临AI工具的“降维打击”，原本的岗位分工被迅速打破。在这种变革之下，每个人都可能成为AI赋能的超级个体。 过去，我们习惯于公司设定的明确岗位边界：产品经理、设计师、前端开发、后端开发、测试工程师、运维工程师等等，各自专业分工明确，井水不犯河水，大家通过沟通协作推进项目。然而，这种模式天然带来沟通环节多、信息传递损耗严重、效率较低的问题。 根据多项行业调查数据，传统沟通链条越长，信息的损耗越严重。即使在面对面沟通条件下，信息传递的准确率一般也只有70%-80%，而在多环节文档翻译传递中，累计损耗率更是高达40%以上。这种损耗直接影响项目交付的准确度，很多项目需求落地准确率甚至低至60%。 ## AI正在如何颠覆传统工作模式？ AI工具，特别是类似Cursor、Copilot和GPT-4等AI大模型的出现，开始实质性地改变工作方式。过去只能靠多人协作才能完成的复杂项目，现在可能一个人、搭配一款合适的AI工具就能快速地完成关键环节： - **需求与原型设计**：不再需要多角色反复确认，一个人借助AI，即可快速捕捉需求、生成交互原型并展示给客户，短短几个小时就可以获得可执行的反馈。 - **工程与发布环节**：AI能够直接生成高质量代码，减少了从需求到开发的中间环节，直接实现“代码即交付”，显著降低了信息损耗率，提升了项目整体准确度与交付效率。 - **运营与持续优化**：利用AI自动化的监控和反馈分析，个体能迅速响应和优化项目，不再依赖庞大的团队与繁琐的协作流程。 这样的变革，本质上实现了从“岗位限制”到“能力驱动”的跨越，让每个人都有可能具备更全面、更灵活的能力组合，成为AI赋能下的超级个体。  ## 什么是AI时代的超级个体？ AI时代的超级个体，不再受限于传统岗位的职能边界，而是以能力为核心去解决实际问题。他们具备以下关键特征： - **高效敏捷的行动力**：利用AI工具，快速从需求出发，直接产出可见成果，而不需要漫长的沟通与审批链路。 - **复合型能力体系**：打破单一岗位限制，掌握AI辅助设计、代码生成、需求分析、数据驱动优化等多种技能。 - **极高的信息传递准确度**：通过扁平化的直接交付模式，大幅减少沟通损耗，实现信息的快速准确流转。 以往的岗位设定将我们锁定在狭窄的专业赛道中，而超级个体则以AI为杠杆，实现了“能力破界”，进而掌控更大的职场自主权和影响力。  ## 如何成为AI时代的超级个体？ **1. 构建“能力模块化”思维**摒弃传统“岗位”的概念，重新审视你的核心能力。以问题解决为导向，提炼自己在不同场景下所需要的技能模块，例如需求洞察、快速原型生成、代码基础交付、数据分析与反馈管理等。 **2. 熟练掌握AI工具**Cursor、GPT-4、Copilot等工具在产品设计、需求提炼、代码生成、数据分析等场景中已经十分成熟。熟练驾驭至少一两款AI工具，能够极大放大你的个人产出效率。 **3. 深入场景理解，提升沟通效能**未来的信息流转讲求更高效、更精准。建立场景化思考能力，通过AI辅助，快速验证想法，减少理解误差，提升需求实现准确度。 **4. 以扁平化交付为导向**从项目初期就借助AI工具输出可视化成果（例如可交互的Demo或可运行代码片段），将过去复杂的“需求-设计-开发”流程直接简化为“需求-代码-验证”闭环。 **5. 持续的复盘与标准化沉淀**将AI辅助过程中产生的高价值成果沉淀为标准化模板、代码库和提示词库，不断降低后续项目的启动和交付成本，提升个人或团队效率。  ## 结语 AI时代，岗位的边界正逐渐模糊，每个人的能力潜力被大幅放大。真正优秀的产品经理、设计师、开发工程师，将不再局限于过去单一的职能标签，而是以敏捷的行动、高效的信息传递和AI工具赋能的跨职能技能组合，成为这个时代的“超级个体”。 在不断变化的未来职场，我们需要的不是固守岗位边界，而是主动拥抱变化，用AI为自己赋能，成为更灵活、更敏捷、更具竞争力的职场精英。 你，准备好成为下一个超级个体了吗？ 本文由 @Zoran 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

6月5日，广州市公安局天河区分局发布悬赏通告，公开通缉网络攻击广州市某科技公司致重大损失案件的20名犯罪嫌疑人。经360数字安全集团与国家计算机病毒应急处理中心、计算机病毒防治技术国家工程实验室联合开展技术溯源，已锁定此次网络攻击源头为台湾民进党当局“资通电军”。随后，三方机构联合发布《台民进党当局“资通电军”黑客组织网络攻击活动调查报告》，起底台APT组织的攻击行径以及技战术特点，直指其针对大陆地区和港澳地区重要行业和单位实施长期网络攻击破坏活动，妄图破坏社会公共秩序、制造混乱局面。  **台APT组织长期“作恶”：紧盯我国关键基础设施领域** 报告显示，2022年至2024年期间，多个台 APT 组织多次将攻击矛头指向我国关键基础设施领域单位，发起大规模网络攻击，且活动频率与范围显著扩大。 事实上，360对中国台湾APT情况掌握较早，已独立发现并命名了5个中国台湾APT组织，分别是APT-C-01（毒云藤）、APT-C-62（三色堇）、APT-C-64（匿名者64）、APT-C-65（金叶萝）和APT-C-67（乌苏拉），这些组织均由台湾民进党当局支持，受台当局“国防部”下属“资通电军”部队指挥。 各组织攻击目标各有侧重，APT-C-01聚焦政府、国防军工、科研教育等领域，重点搜集国防科技成果、中美关系、两岸关系和海洋活动等敏感信息；APT-C-65以国防军工、航空航天、能源等为目标，实施数据窃取与渗透破坏；APT-C-67主要攻击大陆和港澳地区的物联网系统，尤其是视频监控系统，今年4月对广州某科技公司实施网络攻击的正是该组织。尽管各组织在攻击目标、技战术和活动周期性规律上有差异，但都服务于“倚外谋独”的政治诉求，妄图破坏社会公共秩序、制造混乱。 **技术能力透视：“三线水平”暴露无遗** 从技术层面看，台APT组织能力有限。近年来，它们利用公开网络资产探测平台，针对大陆10余个省份的1000余个重要网络系统（涉及军工、能源、水电、交通、政府等）开展大规模网络资产探查，搜集基础信息和技术情报，并通过发送钓鱼邮件、公开漏洞利用、密码暴力破解、自制简易木马程序等低端手法实施多轮次网络攻击。 360安全团队凭借十余年实战对抗经验，全面掌握其武器库和技战术特征，建立起基于行为模式分析的战术推演模型。在深入分析台APT组织相关攻击案例后发现，其攻击技战术处于较低水平，主要表现在：依赖已知漏洞攻击，缺乏自主漏洞发现和利用能力以及高级零日漏洞储备；高度依赖公开资源，缺乏自主网络武器和技战术开发能力；反溯源能力弱，相关组织人员缺乏专业化能力。 360集团创始人周鸿祎在央视采访中指出，台湾省APT组织技术水平整体处于全球APT组织中的“三线水平”。其攻击手法简单粗暴，骚扰破坏意图明显，具有强烈政治意味，试图窃取我国国防外交等领域的重大决策及敏感数据信息。这类攻击本质是“低成本骚扰”，虽技术水平不高，但政治目的明确，试图制造恐慌、干扰社会秩序，为“倚美谋独”提供情报支撑，暴露了台当局在网络空间的脆弱攻击性。 **溯源台“资通电军”：政治化操弄的危险走向** 此次攻击的幕后推手——台“资通电军”部队（全称“国防部资通电军指挥部”）成立于2017年，前身为台“国防部”“老虎小组”网络部队，旨在整合军方、“政府”与民间技术力量，实施所谓“网络作战反制”，被外界称为“台湾省最神秘的部队”。 经过溯源，360对台“资通电军”部队的组织架构、人员情况、主要任务、工作地点、支撑单位进行了起底。报告显示，该部队由多名少将级军官主导，近三年超30家企业为其提供技术培训与软硬件支持。台当局将资源投入到对抗性的网络攻击中，这种“危险行径”给台湾省带来不可预估的安全风险。 **结语** 360安全团队凭借十余年实战对抗经验，构建起覆盖“武器库分析-行为模式建模-溯源定位”的完整技术链条：通过持续追踪台APT组织攻击特征，建立基于行为模式的战术推演模型，并结合威胁情报共享机制，实现对相关攻击的快速识别与精准反制。这种技术压制能力，客观呈现了“业余化攻击”与“专业化防御”的差距。 此前，360已多次披露美国国安局和中央情报局等情报机构对我国关键基础设施单位的攻击窃密行为。截至目前，360累计发现并披露了58个境外APT组织，占国内所有发现APT总数的90%以上。 随着大模型的发展，APT攻击已进入“AI 时代”。我国政府、各大中小企业、科研机构以及重要基础设施单位等，如何拥抱智能化，以人工智能对抗人工智能，快速看见并处置尤为重要。 为此，360安全专家建议：尽快组织开展APT攻击自检自查工作，并逐步建立长效的防御体系；同时，发展实战应用的安全大模型，赋能高级威胁猎杀各个环节，实现全面系统化、智能化防治，抵御AI时代的高级威胁攻击。

<blockquote><p>在AI领域，文本数据已经铺天盖地，但高质量的语音数据却稀缺得惊人。这正是David AI这家创业公司所关注的核心问题。从一个周末搭建的电话应用开始，David AI在不到一年的时间里完成了2500万美元的A轮融资，估值超过1亿美元，成为全球顶级AI实验室的重要数据供应商。本文将深入探讨David AI如何解决语音AI的数据荒漠问题，以及为什么语音数据在AI领域中比文本数据珍贵1000倍。</p> </blockquote>  你有没有想过，为什么ChatGPT能够如此流畅地回答你的问题，却很难找到一个同样自然的AI语音助手？答案很简单：数据。互联网上充斥着无数的文本数据，但高质量的对话音频数据却稀缺得惊人。就在所有人都在讨论AI如何走出屏幕、进入真实世界的时候，一个根本性问题被忽视了——AI需要学会”说话”之前，它必须先学会”听懂”人类的真实对话。 这正是David AI要解决的核心问题。这家刚刚完成2500万美元A轮融资的创业公司，在不到一年的时间里已经成为全球顶级AI实验室的重要数据供应商。从一个周末搭建的电话应用开始，到现在年收入超过八位数，为包括谷歌、亚马逊、苹果、Meta在内的科技巨头提供关键的语音训练数据，David AI的成长轨迹揭示了一个被严重低估的市场机会：在AI进入真实世界的征程中，语音数据正在成为比黄金更珍贵的资源。 当我深入了解这家公司的故事时，我意识到我们正在见证一场静悄悄的革命。不是那种铺天盖地的技术突破，而是一种更加基础但同样重要的变革——为下一代AI奠定数据基础的革命。创始人Tomer Cohen和Ben Wiley曾在Scale AI共事，他们意识到，尽管大家都在谈论多模态AI和语音AI的美好未来，但真正阻碍这一愿景实现的不是算法或计算能力，而是数据——高质量、多语言、多方言的对话音频数据的极度匮乏。 ## 语音AI的数据荒漠 当我们谈论AI训练数据时，文本领域已经有了Common Crawl这样的巨大数据集，几乎囊括了互联网上的所有文本内容。但音频领域却截然不同，这里没有类似的”通用爬虫”存在。更要命的是，即使互联网上存在一些音频内容，大部分都是单声道录制，而不是AI语音模型真正需要的多声道分离格式。这看似技术细节，实际上却是一个巨大的障碍。 我了解到，当前最先进的端到端语音模型架构对音频质量的要求极其严格。它们需要的不是普通的录音，而是完全分离的多声道对话数据——每个说话者的声音都要在独立的音频通道中清晰录制，不能有任何串扰。这种要求听起来简单，但在实际操作中却异常复杂。David AI团队在早期尝试了各种现有的音频分离技术，但发现这些方案都无法满足AI模型的严格要求。模型对音频通道之间的”泄漏”容忍度极低，任何微小的串扰都会影响训练效果。 更让人震惊的是数据的匮乏程度。Meta AI在2024年的一篇研究论文中指出，即使将所有主要的公开对话语音数据集组合起来，也只能得到约3000小时的可用音频数据。而训练有效的端到端语音模型需要”数百万小时”的结构化、上下文丰富的录音。这个数字对比让我深刻认识到，语音AI领域面临的数据短缺问题远比我之前想象的严重。  这种数据短缺不仅仅是数量问题，更是质量和多样性的问题。真实世界的语音交互充满了复杂性：不同的口音、方言、语调、情绪状态、环境噪音，以及各种非正式的表达方式。AI模型需要接触到这些多样化的语音模式，才能在实际应用中表现出色。但现有的数据集往往过于标准化、单一化，缺乏真实世界对话的丰富性和复杂性。这就是为什么许多语音AI应用虽然在实验室环境中表现不错，但一旦面对真实用户就会出现各种问题的根本原因。 David AI的创始人们意识到，要解决这个问题，唯一的方法就是从源头开始——设计专门的数据收集流程，让人们在受控环境中进行自然对话，并使用专业设备进行多声道分离录制。这不是一个可以通过技术手段事后解决的问题，而是需要从数据收集的第一步就做对的基础工程。 ## David AI的数据实验室模式 让我印象深刻的是，David AI并不仅仅将自己定位为数据供应商，而是”音频数据研究实验室”。这个定位的区别至关重要，它体现了公司对待数据收集工作的态度和方法。正如Tomer Cohen所说，”我们用研究人员对待模型开发的同样严谨性来构建音频数据集。”这意味着设计、评估、迭代和扩展数据集都要精确到位。 这种研究驱动的方法让David AI在满足顶级AI开发者的复杂需求方面具有显著优势。公司不是被动地响应客户需求，而是主动研究AI模型的发展方向，预测未来需要什么样的数据，然后提前开始收集和准备。这种前瞻性的数据研究方法让他们能够为特定的模型架构和用例定制数据集，特别是那些需要实时、全双工语音系统的应用场景。 我特别感兴趣的是他们的运营模式。David AI建立了一个全球性的平台，让人们参与脚本化和非脚本化的对话录制。这不是简单的众包模式，而是一个精心设计的数据生产系统。他们会根据特定的研究目标设计对话场景，招募合适的参与者，使用专业的录音设备，然后对收集到的数据进行精细的后处理和标注。  公司目前已经积累了超过10万小时的音频数据，覆盖15种以上的语言，并且每个录音都包含详细的口音和方言标注。这种规模和质量的数据集在业界是独一无二的。更重要的是，他们的数据收集流程是可持续的、可扩展的，能够随着AI模型需求的变化而不断适应和改进。 有趣的是，David AI的商业模式也很独特。传统的数据标注公司通常采用专业服务模式，客户提出定制需求，公司负责执行并收取服务费。但David AI采用的是产品化模式——他们基于对市场需求的深入理解，主动开发标准化的数据产品，然后向市场推广。这种模式的优势在于可以实现规模经济，降低单位数据成本，同时保持高质量标准。 从商业角度看，这种模式的可持续性也更强。客户不需要等待定制开发周期，可以快速获得高质量的数据产品。而David AI则可以通过规模化生产来优化成本结构，并将收益投入到更深层次的研究和开发中。正如Ben Wiley在访谈中提到的，”我们从来不觉得自己在推销。我们有这些数据，由实验室决定是否有用。如果有用，那就太好了。如果没用，那就算了。”这种自信来自于他们对市场需求的深刻理解和产品质量的绝对信心。 ## AI进入真实世界的关键基础设施 在我看来，David AI的成功揭示了一个更大的趋势：AI正在从文本时代过渡到多模态时代，而语音将是这一转变的关键界面。我们即将看到AI应用从屏幕走向现实世界，无论是人形机器人、可穿戴设备、智能家居，还是各种嵌入式助手，都需要通过语音与人类自然交互。 这种转变的意义远超技术层面。想象一下，当AI不再被限制在键盘和屏幕的交互模式中，它将如何改变我们的工作和生活方式？语音交互将让AI变得更加无处不在，也更加人性化。但这一愿景的实现完全依赖于高质量的语音训练数据，而这正是David AI所提供的核心价值。 从市场反应来看，这种需求的迫切性已经得到了充分验证。David AI在不到一年的时间里就实现了八位数的年收入，并且获得了包括科技巨头在内的众多客户。这种快速增长不是偶然的，而是反映了整个行业对语音数据的”饥渴”状态。正如Amplify Partners的Sarah Catanzaro所说，”现在的公司对数据非常饥渴。David AI的美妙之处在于它解决了语音AI开发者今天面临的紧迫需求，但它也是一个相对简单的解决方案。如果他们需要数据，就卖给他们数据，你不需要把它复杂化。” 我认为David AI的成功还预示着数据基础设施领域的一个重要转变。过去，数据公司往往试图覆盖尽可能广泛的数据类型，成为”通用数据平台”。但David AI的经验表明，在某些特定领域，深度专业化可能是更好的策略。通过专注于音频数据这一个垂直领域，他们能够建立深厚的技术护城河，提供其他公司无法复制的价值。 这种专业化的方法不仅让David AI在技术上具有优势，也让他们在商业上更有竞争力。他们不需要与其他数据公司在价格上竞争，因为他们提供的是独特的、不可替代的产品。同时，他们也不需要担心客户流失，因为语音AI的发展只会增加对高质量音频数据的需求。 从投资者的角度看，David AI的成功也验证了”基础设施投资”的价值。虽然语音AI应用层面的创新更容易获得关注，但真正的价值往往在于支撑这些应用的基础设施。就像互联网时代的数据中心和云计算服务一样，语音AI时代的数据基础设施将成为整个生态系统的关键支撑。David AI在这个领域的领先地位，让他们有机会成为语音AI时代的”AWS”或”Google Cloud”。 ## 从Y Combinator到行业领导者的快速崛起 David AI的成长轨迹本身就是一个引人入胜的创业故事。两位创始人Tomer Cohen和Ben Wiley在Scale AI工作时成为好友，他们决定一起创业的时候，距离Y Combinator申请截止日期只有一周时间。他们匆忙准备申请材料，在截止日期的午夜时分才提交，Cohen后来回忆说：”我当时想，这算是迟到了还是准时？” 但这种看似匆忙的开始却孕育了一个深思熟虑的商业理念。两人都有在Scale AI工作的经验，深刻理解AI训练数据的重要性和复杂性。Cohen曾是麦肯锡的商业分析师，后来在Scale AI担任参谋长，这些经历让他具备了创业所需的商业洞察力。Wiley则拥有强大的技术背景，曾在微软和Scale AI担任工程师，负责开发关键的AI平台。 进入Y Combinator后，他们立即开始验证自己的假设。他们接触了许多正在训练多模态模型的YC公司，试图了解这些公司最需要什么样的支持。一个转折点出现了：一家训练人形机器人的公司对他们的想法非常感兴趣，而这家公司最需要帮助的恰恰是机器人语音方面的音频数据。这个”啊哈时刻”让Cohen和Wiley意识到，即使是解决复杂物理世界问题的机器人公司，也可能在音频数据这个看似基础的领域遇到困难。 更有趣的是他们第一个产品的诞生过程。在一个周末里，他们搭建了一个电话应用，让朋友和家人打电话进来进行对话，用来测试他们关于如何收集高质量音频数据的假设。这个周末项目为他们提供了第一个小型数据集，也成为了后来全球化平台的雏形。从这个简单的开始，David AI现在已经发展成为一个大规模的全球数据收集平台，支持脚本化和非脚本化的对话录制。 他们的第一个客户是那家机器人公司，合同金额只有1000美元。虽然金额很小，但这个项目让他们深入了解了音频数据的复杂性，并建立了对这个市场的独特见解。这种见解成为了他们向下一个客户推销的资本，然后是下下个客户。在Y Combinator训练营结束时，他们已经签下了第一个六位数的合同，客户是一家大型AI实验室。 更令人印象深刻的是他们的成长速度。几个月后，他们开始签署七位数的合同，现在已经与大部分”七大科技巨头”以及几乎所有领先的音频AI实验室合作。这种快速的客户获取和收入增长反映了市场对他们产品的强烈需求，也证明了他们选择的市场时机和产品定位的正确性。 从1000美元的第一个合同到2500万美元的A轮融资，再到超过1亿美元的估值，David AI在不到一年的时间里完成了许多创业公司需要数年才能实现的成长。这种成长速度不仅体现了语音AI市场的巨大潜力，也证明了创始团队的执行能力和商业洞察力。 ## 语音AI时代的基础设施投资机会 从投资角度看，David AI的成功融资也反映了资本市场对语音AI基础设施的看好。这轮2500万美元的A轮融资由Alt Capital和Amplify Partners联合领投，First Round Capital、Y Combinator、BoxGroup等知名投资机构参与。这些投资者的参与不仅带来了资金，更带来了丰富的行业经验和网络资源。 特别值得注意的是，这轮融资还吸引了一批在前沿音频研究领域具有数十年经验的天使投资人。这些投资者的参与表明，行业内的专业人士对David AI的技术方向和商业模式都持乐观态度。同时，Jack Altman加入董事会也为公司带来了额外的战略指导和行业洞察。 First Round Capital的Liz Wessel曾领投了David AI今年早些时候的500万美元种子轮，她对公司的发展轨迹非常看好。”这很有道理，”她说，”每个人都知道过去几年一直是以ChatGPT为代表的基于文本的AI，现在每个人都开始想办法将AI引入语音领域。”这种从文本到语音的转变趋势，正是David AI所把握的核心机会。 Amplify Partners的Sarah Catanzaro也表达了类似观点：”现在的公司对数据非常饥渴。David AI的美妙之处在于它解决了语音AI开发者今天面临的紧迫需求，但它也是一个相对简单的解决方案。如果他们需要数据，就卖给他们数据，你不需要把它复杂化。”这种简单而有效的商业模式正是投资者青睐的类型。 我认为David AI的成功融资也反映了一个更大的投资趋势：在AI热潮中，投资者开始更加关注基础设施层面的机会。虽然应用层的创新更容易获得媒体关注，但基础设施层的投资往往具有更强的防御性和更长的生命周期。语音数据作为AI时代的”石油”，其价值只会随着语音AI应用的普及而不断增长。  从估值角度看，David AI在不到一年内就达到超过1亿美元的估值，这在AI基础设施领域是相当惊人的。这种估值不仅反映了公司当前的业务表现，更反映了市场对语音AI未来潜力的预期。随着更多的语音AI应用走向市场，对高质量音频数据的需求只会继续增长，这为David AI提供了巨大的市场空间。 更重要的是，David AI已经建立了可持续的竞争优势。他们不仅拥有大量的高质量数据，更重要的是拥有持续产生这些数据的能力和基础设施。这种能力是其他公司难以快速复制的，也是投资者看好公司长期发展前景的重要原因。 ## 对AI行业发展的深层思考 David AI的成功让我对AI行业的发展有了一些新的思考。我们常常关注算法的突破和应用的创新，但往往忽视了数据基础设施的重要性。实际上，在AI的发展历程中，数据往往是最关键的限制因素。GPT系列模型的成功很大程度上得益于互联网上丰富的文本数据，而语音AI的发展则面临着截然不同的数据环境。 这种差异不仅仅是数量上的，更是结构性的。文本数据相对标准化，容易处理和标注，而音频数据则充满了复杂的变量：说话者的身份、情绪状态、环境噪音、录音设备的差异等等。这些因素都会影响AI模型的训练效果，需要专业的数据处理流程来解决。 我认为David AI的成功预示着AI行业的一个重要趋势：专业化的数据基础设施公司将变得越来越重要。随着AI技术的不断发展，对特定类型数据的需求会越来越复杂和精细。通用的数据平台可能无法满足这些特殊需求，而专业化的数据公司则可以通过深度聚焦来提供更高质量的服务。 同时，这也反映了AI行业正在从”通用化”向”专业化”转变的趋势。在AI发展的早期阶段，大家都在追求通用人工智能，希望构建能够解决所有问题的系统。但随着技术的成熟和应用的深入，我们开始意识到，在很多特定领域，专业化的解决方案可能更加有效。 从更广泛的角度看，David AI的成功也反映了”picks and shovels”商业模式在AI时代的价值。在加州淘金热时期，真正赚钱的不一定是淘金者，而是卖给他们工具和装备的商人。在AI热潮中，情况也是类似的。虽然AI应用公司获得了更多关注，但提供基础设施和工具的公司往往能够建立更加可持续的商业模式。 我也思考了语音AI发展对社会的影响。随着语音交互技术的成熟，我们可能会看到人机交互方式的根本性变革。这不仅会改变我们使用技术的方式，也会影响我们与技术的关系。当AI能够理解和响应我们的自然语言时，技术的使用门槛将大大降低，这可能会带来更加普惠的技术体验。 但同时，这也带来了新的挑战。语音交互的普及可能会引发隐私和安全方面的担忧，也可能会改变我们的沟通习惯和社交方式。这些都是我们在享受技术进步带来的便利时需要思考的问题。 总的来说，David AI的成功不仅仅是一个商业故事，更是AI行业发展的一个重要标志。它提醒我们，在关注算法和应用创新的同时，也不能忽视基础设施的重要性。在AI走向真实世界的征程中，像David AI这样的公司正在默默地奠定基础，让未来的AI应用能够真正实现人们的期望。语音可能确实是AI进入真实世界的方式，而David AI正在为这一愿景的实现铺平道路。 ## 结尾 ‍ 本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，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。

   “十四五期间，无论政府还是企业对网络安全都越来越重视……但面对人工智能的冲击，很多人开始对安全现状感到不安，总是感到从一个包围圈跳进了另一个包围圈。如何突围，在“十五五”期间打个“翻身仗”，成为广大客户和安全产业的时代之问。”    2025全球数字经济大会数字安全主论坛暨北京网络安全大会开幕峰会6月5日在北京国家会议中心召开，在网络安全产业从十四五迈向十五五的关键时刻，本届大会将主题确定为“安全突围：重塑内生安全体系”。主论坛上，全国政协委员、全国工商联副主席、奇安信集团董事长齐向东作同题主旨演讲。   齐向东在主旨演讲之初，从时代意义的视角强调突围的价值。他说，在当前复杂多变的国际局势中，发展中国家面临的安全挑战前所未有，没有网络安全，就没有国家安全；在智能体和AI垂直应用快速普及背景下，传统数据保护失灵，这说明没有网络安全，就没有企业安全。而在大国博弈与人工智能叠加的复杂环境中，网络安全产业该如何突围呢？   为回答这些时代之问，齐向东在复盘奇安信成立以来近千个网络安全防护实践的基础上提出，网络安全产业需重视网络安全体系建设，重塑体系才是突破当前产业矛盾的核心所在。   体系力量是突围之钥  “体系”是此次大会的重要关键词。齐向东在主旨演讲中重点阐述了体系对当前网络安全的重要价值，他提出，体系力量是网络安全产业的突围之钥。   近年来，北京网络安全大会已然成为我国网络安全产业的风向标。齐向东在每年的主旨演讲中都会结合网络安全最新形势做出理论更新。在2019年的大会上，齐向东提出内生安全理论，2020年推出内生安全框架，2023年提出“数智安全，内生为本”……内生安全的相关理论伴随奇安信的实践不断进化升级。齐向东在其演讲中详细解释了在今年大会提出“体系”的意义与价值。 “网络安全目前到了需要突围的时候。”在演讲开始之初，齐向东就直指当前网络安全产业体系化建设的重要性，他结合对全球最新局势和生成式人工智能技术的研判，强调体系化作战、体系化建设已成突围重要力量。他说：“体系化择优将替代单品择优、体系化设计将替代拼盘设计。”   然而，当前网络安全产业却难以跟上体系化建设的趋势。他说：“在长期‘让我做、要求我做、我凑合做’的被动导向下，安全建设陷入了‘缺啥补啥、低价中标’的拼盘惯性，安全防护大多缝隙丛生、‘中看不中用’。”   齐向东认为，当前网络安全体系建设面临三重困境，分别是体系思想落地不畅、大小体系融合瓶颈、“小体系”运营梗阻。  “目前，超90%的大型政企机构在安全建设时会采购10家厂商以上的安全设备。”针对第一重困境，齐向东认为，尽管政企机构自党的十八大以来对安全的重视程度越来越高，但由于项目建设、安全设备和项目采购分散化，尤其是一些安全项目层层分包，专业的网络安全厂商难以为项目整体负责，最终导致政企机构网络安全体系形成“大拼盘”的分散状态，一些安全项目的“一体化”实际是“形聚神散”的“一体化”。    “第二重困境是大小体系融合瓶颈。”齐向东用“大体系”指代宏观、整体的安全顶层设计、建设和架构，用“小体系”形容具体细分行业、领域、设施的网络安全体系。他认为，大小体系难以融合导致安全能力无法整合、战略难以统一实施。他举例道，某省级“大体系”建设顺利，但各市、区之间的信息化水平和安全水平参差不齐，最终导致大小体系间出现鸿沟，而小体系的漏洞又会为大体系埋下安全隐患。 第三重困境为“小体系”运营梗阻。他说，“七国八制”安全体系导致各重要单位、分支机构建设的网络安全“小体系”出现数据打不通、情报不共享等情况，最终不仅导致“小体系”难以接收“大体系”的指令，甚至还会拉大“小体系”之间的差距。 ###   体系矛盾是突围之障   齐向东认为，内生安全体系的核心是涌现效应。在演讲的第二部分，他重点阐述了影响涌现效应实现的三大矛盾的障碍，即数据孤岛的障碍、投入不足的障碍和新旧兼容难的障碍。    何为涌现效应？齐向东解释，“是指系统多个部分按照一定方式相互联系、相互作用，在整体上就能相互补充，达到1+1＞2的效果。”   自2019年提出内生安全理念，奇安信6年来的实践已证明内生安全能够激发出网络安全的涌现效应。目前，内生安全体系已在数百个大型机构成功落地，2022年北京冬奥会网络安全“零事故”的世界纪录更彰显出内生安全体系的巨大价值。   “但还是有不少客户表示，在推动体系落地时，遇到不少难题。”齐向东对制约网络安全体系突围的三重矛盾的障碍做了详尽分析。   一是数据孤岛的障碍。齐向东表示，自10年前提出“数据驱动安全”以来，尽管数据对安全的重要性呈指数级增长，但体系割裂导致的“数据孤岛”依然进一步阻碍着体系落地。   齐向东说，奇安信经过近千场实战攻防演习后发现，“万国造”和“两张皮”是数据割裂的重要原因。“比如，国内某头部金融企业，光防火墙就有几十个型号。”齐向东认为，“万国造”装备导致数据格式互不统一、接口不兼容、采集能力层次不齐。而在另一家金融机构，当业务与安全长期“两张皮”时，业务部门甚至难以辨别一些访问行为是否为外部攻击。   齐向东表示，“万国造”和“两张皮”最终导致机构内部数据不相通，根本无法支撑全域感知、快速研判和事件响应，当数据泄露等事件发生后，后知后觉的政企机构往往悔之晚矣。   第二层矛盾为投入不足的障碍。齐向东通过北京2022年冬奥网络安保的实践说明，“零事故”的背后是不计成本的资源投入，但对绝大多数政企机构而言，这样的投入力度是不现实的。   “安全投入不足的矛盾在AI时代尤其突出。”齐向东举例，一家大型能源企业每年数字化转型投入超10亿元，但网络安全投入却长期不足4%。当攻击者利用AI发起饱和式攻击时，该企业的SOC系统在15分钟内被快速冲垮。   齐向东介绍，第三个矛盾是新旧兼容难的障碍。他说，不同时期、不同厂商的安全产品和技术叠加在一起时，虽然能确保不出重大安全事故，但与新形势下实战化的体系建设目标还有巨大差距。   在演讲中，他引用一家大型制造企业负责人的表述，讲述这一矛盾的现实性。该企业的信息化建设已有20多年，不同时期建设的子系统虽然没能及时整合，但也很难推倒重来。   这位负责人认为，新体系如何充分整合现有设备和子系统，谁来负责新体系的整体设计和落地，确保各厂商兼容等都是需要回答的问题。 ###   体系重塑是突围之道   体系化建设意味着网络安全也需要秉持系统集成理念，将系统思维运用于网络安全防护体系的构建中。齐向东提出，重塑数据聚合模式、安全运营模式和生态合作模式，是安全行业重塑体系、实现突围的三大路径。   “数据的体量决定体系的规模，数据的质量决定体系的能力，数据的关联决定体系的效率。”齐向东提出重塑数据聚合模式需要拔烟囱、扫盲区，其原则为覆盖足够广、采集足够深、关联足够完整。   他表示，全覆盖、多维度的安全数据集是聚合的基础；采集足够深意味着数据颗粒度足够细，可以展示更多细节，这有助于发现传统检测技术无法发现的隐藏威胁；而上下文关联度足够高的数据才能还原威胁全貌，避免因缺乏上下文导致误判或漏判。   重塑安全体系的第二条路径是构建反馈回路，重塑安全运营模式。齐向东说：“要让内生安全体系真正起效，关键靠运营，安全运营的本质，就是构建高效通畅、螺旋上升的反馈回路。”   反馈是内生安全“自主、自适应、自成长”的根基所在。结合奇安信的实践，安全运营的路径主要有三大支柱：   其一，准确灵敏的告警是对网络异常行为的反馈。他说，无线通信领域的滤波器是实现降低噪声，高质量通信的关键，AI带来了网络安全领域自己的“滤波器”。自2024年起，奇安信将AI深度应用于威胁情报生产及运营，用自动化与标准化的情报生产为构建更敏捷的防御体系提供核心支撑。   其二，及时的处置与响应是对安全告警的反馈。在AI加持下，安全编排自动化与响应(SOAR)技术能自主学习、自动生成剧本，大大提升了运营效率，让内生安全体系更高效、智能。   其三，持续改进的安全产品是对反馈的反馈。齐向东以奇安信的AISOC产品举例，当它被部署到某部委客户现场后，在分析师的不断运营和强化反馈下，该产品能实现研判率和准确率同时达到99%，告警自动化处置率达70%以上。   重塑生态合作模式是重塑体系的第三条路径。齐向东介绍，重塑并不意味着完全推倒重来，而是要找到“一子落而满盘活”的破局点，由“安全体系总设计师”作为兜底组长，确保体系成功落地。   齐向东表示，政企机构要基于自身现状，遵循“先来后到”或者“以小服大”原则，确定一个“安全体系总设计师”，把“万家造”的设备、平台、能力、中心统筹纳管，将不同厂商分散的安全力量拧成一股绳，构建起真正有效的、纵深防御的统一安全体系。   “当前时代正在催化安全产业实现从分散到聚合、从低效到高效的跨越。”齐向东在主旨发言的最后表示，网络安全的未来是星辰大海，体系建设永无止境，共生、共荣、共赢的生态合作理念才是实现网络安全产业突围的关键。    齐向东最后说：“希望与各界同仁一道推动体系重塑，编织出一张适配时代要求的安全防护网，重燃网络安全产业的力量，打赢这场安全突围之战！”

在所有BBS类平台当中，虎扑已经十分幸运了；更多平台消失在了历史深处。

<blockquote><p>设计师们有福了！近期，AI设计领域异军突起的Lovart让众人眼前一亮。它不仅能高效出图，还兼具实用性，助力设计师从繁琐的执行性工作中抽身，专注创意与策略构思。本文将深度剖析Lovart的特色、优势、功能及实际应用效果，看它如何重塑设计流程，成为设计师的得力助手，快来看看吧！</p> </blockquote>  最近设计垂直AI工具Lovart很火，我其实第一时间就拿到了邀请码，但结果却是一波三折，说起来甚至有点好笑。我在Lovart官网申请了排队，结果第二天就拿到激活码，当我激动地准备好好测试一把… 结果，尴尬了！死活用不了！每次都报错。  跟官方联调的截图 我立马联系了Lovart官方，前前后后“联调”了两周多也没搞定，清理缓存，甚至卸载浏览器都不行，我甚至还多用了一个激活码来测试依然不行。最后，当我把浏览器从Chrome换到Firefox总算是解决了，我跟官方都挺无语。 所以，今天必须跟大家聊聊，这玩意儿到底靠不靠谱？能不能帮我们设计师（甚至是非设计师）实实在在地干活儿？ 官方送的免费点数耗费太快，为了完成演示效果，下血本冲了个高级会员，如果大家有学到，别忘了帮我点赞转发三连呀，感谢朋友们~ ## 1、Lovart和其他AI生图工具的区别？ 我学习任何一个新东西都有一个习惯：先从全局对它建立认知，然后再细化到局部去深度学习体验。所以，我的第一个问题就是，它和其他AI生图工具到底有什么区别和优势？ 像现在可以直接生图的AI工具已经非常多了，最早的AI工具也是从直接出图开始的，比如Midjourney，SD，GPT-4o之类的，都是给一个提示词，它直接出图。这样的工具有一个最大的问题就是可控性比较差，后期要调整比较麻烦，所以我平时用的最多就是拿来找找灵感，尽管我买了Midjourney的年费，但用的其实非常少了。 然后还有一个问题就是我们在设计图的时候，经常是需要在上面排版和加文字设计的，但现在的AI工具虽然也能出文字，但经常出错，而且在图片上也不好修改。这2个问题会让这些AI工具很难被实际运用到工作中，因为实际工作很少会一稿过。 后面出了comfyUI，稍微好点，我们可以把工作流搭建好，可控性稍微好一些，仅此就在实际工作中用到的会多一些，尤其是像电商类的非常好用：品质不需要那么高，很多时候也容易模板化。所以comfyUI基本上是真的是可以做到像一个初级的电商设计师水平了，能帮老板节省不少成本。 然后就到了现在的Lovart，它能像我们设计师一样自己去规划设计步骤，完善提示词，找参考图，选合适的模型，最终完成我们的需求，一次性从概念到落地都能搞定。它的出现部分解决了上面的2个问题，还可以拆分图层，这比直接出图等抽卡实用多了。 所以，大家也可以看到这种趋势，从“单点出图” 到 “带流程的ComfyUI” 再到“Lovart式的一站式设计Agent”。AI正在往一个真实岗位要求的方向去迭代，不再是生成一张“好看的图”，而是搞定一个完整的设计任务。未来的目标是从零开始做一个品牌手册、一套活动海报、甚至一个完整项目！ 这很关键！AI只有真正理解并满足一个真实岗位的工作流和要求，才能真正落地，而不是变成一个“看起来很酷，但用起来很累”的玩具。Lovart给我的感觉，就是在往这个方向努力。 ## 2、它的提示词有哪些讲究？ 和其他AI工具一样，也是给它提示词。但到这里就有一个问题，给Lovart的提示词和其他AI绘画工具的提示词有什么特别需要注意的地方吗？ 我的经验是：提示词越细致，结果越靠谱！ 这跟咱们平时接甲方需求简直一模一样！想想看： 好甲方： “要一个高端大气的科技感logo，主色调蓝白，体现‘连接’和‘未来’，参考附件里的品牌手册第5页风格，尺寸要求是…” —— 这种需求，做起来是不是方向明确，效率贼高？ 坑甲方： “感觉不太行，你再改改？我要那种… 嗯… 感觉对了就行！” —— 这种，是不是改到想死？ 好的要求做起来方向明确效率高，模糊的要求简直要改到天荒地老、怀疑人生结果也可能还是不行。所以，用Lovart（或者说任何AI工具）的秘诀就是：当个“好甲方”！把你的需求写得清晰、具体、可执行。 提示词，用中文和英文都可以，关键是把需求写清楚。 举个例子，我用下面的提示词给我自己的公众号logo设计一套品牌手册折页，这是我实验的第一个效果，其实也还行： <blockquote><p>Create a vertical 9:16 brand design guide poster using the uploaded product image. Adapt the design style to match the product’s niche and visual identity. Structure the poster with clear, elegant sections: (1) Large logo display and safe zone usage, (2) Product mockup centered and highlighted, (3) Primary and secondary color palette swatches with hex codes, (4) Typography guide with heading, subheading, body font samples, and line spacing specs, (5) Iconography or graphic motif examples used by the brand, (6) Image treatment style with sample lifestyle or studio visuals, (7) Grid system or layout rules, (8) Packaging mockups and surface applications, (9) Do’s &amp; Don’ts with annotated visuals. Use minimalist white or soft neutral background with structured layout dividers and drop shadows. The result must be visually rich, clean, and suitable for a printed or digital brand book.</p></blockquote>  从海报比例、设计风格、内容板块（Logo、产品、色板、字体、图标、图片风格、网格、包装、注意事项），到背景、视觉效果，几乎把所有关键要素都定义清楚了。虽然还没有达到特别惊艳的地步，但对比其他AI生成的效果，这个出图水平已经很不错了。 ## 3、基础功能 它本身也集成了一些基础的常用功能，在出图后可以快速使用，不要切别的AI工具修图。我理了下，主要有8个基础功能： （1）upscale 高清放大图片 （2）图片扩展 （3）去背景 （4）移除背景元素 （5）添加元素 （6）背景模糊 （7）生成单张图 目前可以选择2个图片生成模型输出单张图  （8）可以在出图的时候，选择想要的风格，风格模版库中的风格样式还是挺丰富的。  ## 4、实操案例，看看到底靠不靠谱？ 为了测试Lovart的极限，我模拟了一个超完整的需求：打造一个全新的餐饮品牌 —— “彩云的包子铺”！我一股脑儿把需求“喂”给了Lovart，让它能不能接住？ 假设我要开一家全新的连锁包子铺，品牌名叫“彩云的包子铺”，主打健康、美味、有特色。我希望用lovart帮我从品牌logo设计到品牌形象、表情包、节日海报、品牌画册、促销图、菜单包装，加盟PPT模版甚至宣传短片都帮我做出来。 当我把下面写的那些提示词打包一起发给lovart时，它也能跑完全流程，但出来的效果很一般。  在提示词不变的情况下，单个生成的时候，效果会更好一些。我把要求写具体并且分拆后： （1）品牌Logo。想要一个既传统又有现代感的Logo，能体现包子的美味和彩云的吉祥寓意。大概的画面是“一个微笑的、热气腾腾的卡通包子，头顶祥云图案，背景是温暖的橙黄色调，现代扁平插画风格，适合餐饮品牌”，可能要尝试几种风格：扁平风、国潮风、可爱卡通风。  正常情况下，它出的图不会帮你做好分层。如果想要拆分图层，可以在提示词后面加上一句提示词：在设计时图文分层，文字可编辑。  （2）品牌形象及周边衍生。设计一个可爱的“包子君”IP形象，用于后续的插画、表情包、甚至小动画。基于Logo的风格，或者单独设计，要求生成“包子君”的不同动作、表情（开心、惊讶、满足、谢谢老板、吃到撑、求投喂、今日最佳），然后将这些形象应用到餐具、包装袋、员工服装等周边产品的样机图上，快速预览效果。  生成出来的表情包个数和类型全都对上了，一致性也做的挺好。 （3）节日海报。儿童节到了，设计一组“童趣食光”主题的促销海报。希望的画面是： “儿童节主题海报，主角是可爱的包子君和小朋友一起分享美食，色彩鲜艳活泼，充满童趣，包含‘儿童节套餐半价’等文字信息占位。   （4）品牌画册。做一本精美的品牌手账或小画册，介绍品牌故事和产品。要求它生成手账本的封面、内页排版风格，融入品牌元素和插画。   （5）促销图。把“彩云的包子铺”这几个字，用面粉、蒸汽、竹笼等材质效果来呈现，做成创意海报。 “将文字‘彩云的包子铺’设计成由白色面粉堆积而成的效果，背景是木质案板，有少量散落的面粉颗粒，微距摄影风格”。这就要考验Lovart对材质和光影的理解了。  它甚至还会猜测我接下来还需要设计哪些内容，比如我接下来正好就准备输出菜单设计。  （6）菜单包装。设计出一种年轻化的视觉风格。 “绘制一组包子铺相关的扁平风插画，高饱和度色彩，粗黑描边，包含包子、蒸笼、筷子、茶杯等元素”。    （7）宣传短片。为“彩云的包子铺”拍个品牌宣传小短片，讲述一个关于美味和传承的故事。把故事大纲拆解成几个关键场景，比如“清晨，第一缕阳光照进包子铺”、“师傅精心制作包子”、“顾客品尝后露出满足的笑容”。 做短片是耗时最久的，大概花了30分钟，用了1000多积分，这样算的话充值一个月的积分也生成不了几条啊，积分完全不够用。不建议拿来测试生成视频，送的积分估计都不够出一条片的。 而且出片这个需求，我当时测试的比较着急，没有给它参考，也没有提太多要求，结果质量比较一般。只能说生成的bgm和配音效果还行。 ## 5、做UI的水平怎么样？能不能理解需求 我用它测试了下生成一个天气APP，看看能不能行？ 我先把我自己的初步想法写出来：我需要设计一个天气应用，在天气首页显示当天的天气和未来7天的天气变化，用动态图示的方式进行设计，底部需要有3个tab栏：首页，时刻，我的。 首先它会制定一个小的计划  然后它会去网上找UI的设计规范，包括风格，尺寸，配色，字体，图标等等。这些因为我一开始没交代，所以它会自己去找参考，定义好。  最后，它会调用gpt生成UI界面图  我的要求比较随意，所以最后的效果只能说一般般，但其实已经有了一个基本的结构了，比其他AI工具还是要好一些。 总结下它在UI生成方面的能力。在生成App界面和加上机模后的展示水平算入门水平。能理解“设置页”、“个人中心”、“电商商品列表”这类常见页面结构，生成符合基本设计规范的布局。风格上也能跟随提示词变化（极简、新拟态、毛玻璃等）。 对于涉及复杂交互逻辑、数据展示的界面，目前理解力和表现力还比较有限。生成的界面可能布局不够合理，信息层级不够清晰。 对于理解需求能力，依赖于你输入的提示词质量！ 如同前面强调的，提示词越精准、描述越清晰（像写产品需求文档PRD那样），它理解得越好，产出越贴切。如果你只写“做个社交App首页”，那结果可能天马行空；但如果你写“设计一个图片分享社交App的首页，顶部为搜索栏和消息入口，中部是双列图片瀑布流，底部有发布按钮和四个Tab导航…”，那结果就靠谱得多。它的“理解力”上限，很大程度上取决于你的“表达力”。 Lovart在UI设计方面，适合快速生成视觉灵感、低保真/中保真原型图、特定风格的页面视觉稿。对于需要深度交互逻辑和复杂数据可视化的高保真设计，仍需咱们设计师主导，但Lovart可以成为高效的“视觉化助手”。 ## 6、优点和不足 假期的时候，试了2天，Lovart确实给我带来了不少惊喜。目前它还处于内测阶段，就能做到这个程度，说实话，已经超出了我的预期。 我看到的亮点： （1）一站式设计Agent。最大的优势！从概念到相对落地的设计稿，一个平台搞定，工作流极其顺畅，不用在多个工具间反复横跳。 （2）理解力较强（对清晰提示词）。对于结构清晰、描述具体的需求（尤其是品牌、营销、电商类设计），理解和执行能力超出预期。它不像传统工具那样死板，而是试图理解你的整体需求，并提供一套解决方案。这感觉更像是在跟一个初级设计师助理沟通。 （3）效率爆炸。想法到初稿的速度是手动的N倍，快速试错、快速迭代成为可能。 （4）分层导出。虽然不完美，但这功能让AI设计真正具备了可编辑性，落地性大增。 （5）聚焦创意设计。专注于解决设计师/创意工作者的痛点，在特定领域做得比综合Agent更深入、更便捷。之前看过创始团队的访谈，提到他们很多员工本身就是设计师出身。从Lovart的界面设计和一些功能细节上，确实能感受到他们对设计师工作流程的理解。在创意这个垂直领域，一个打磨到极致的设计Agent，会比那些大而全的综合型Agent更懂你，也更高效。 当然它也有不足的地方： （1）分层导出不稳定。字体有时会被替换或变形，经常生成的图片是不带分层的。 （2）3D效果时灵时不灵。生成3D风格的元素或场景，成功率有待提高。 （3）字体库有限 。内置字体选择不多，对生成文字内容的精准控制（位置、大小、样式）还可以更强。 （4）精细控制不足。 比如精确控制某个元素的位置、大小缩放，目前还比较“模糊”，靠提示词调整不够直观高效。 ## 写在最后 我觉得，像Lovart这样的AI设计工具，可能预示着未来设计师全新的工作范式。我们不再是单纯的“绘图员”，而是更像一个“导演”或“项目经理”，负责提出创意、设定方向、调教AI、整合输出。 而且，Lovart的野心可能不止于服务设计师。它的智能化、简单化和易用性，让更多没有设计基础的人也能轻松上手，实现自己的创意想法： 广告营销人： 用它快速头脑风暴，寻找视觉灵感，秒出方案示意图。 电商运营： 做活动海报、产品推广图，速度和数量都能起飞，再也不用苦等设计师排期。 小老板： 品牌从0到1的第一步，可以从Lovart开始，低成本搞定基础视觉设计。 自媒体博主/自由职业者： 内容创作的配图、视频素材，都可以尝试用它来高效产出。 但AI工具再牛，也取代不了设计师的创意和思考。我们设计师未来需要更侧重于前期的策略构思、创意发想、需求把控，以及后期的深度优化、情感注入和细节雕琢，而将大量中期的执行性、重复性、探索性的视觉生成工作交给像Lovart这样的AI Agent去高效完成。这对我们未来的职业规划，如何提升自身价值提出了新的方向和要求。 如果你对设计、对AI工具感兴趣，特别是你经常需要做图、做海报、做品牌物料，甚至发愁作品集项目，Lovart 绝对值得你深度关注和尝试。后续如果Lovart有更多好玩的功能上线，或者我有更多骚操作，再来跟大家分享！ 本文由人人都是产品经理作者【彩云sky】，微信公众号：【彩云译设计】，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。

6月5日，国家计算机病毒应急处理中心和**360数字安全集团**联合发布《台民进党当局“资通电军”黑客组织网络攻击活动调查报告》，首次公开披露了360 集团近年来追踪的归属于中国台湾省的五大黑客组织：APT-C-01（毒云藤）、APT-C-62（三色堇）、APT-C-64（匿名者64）、APT-C-65（金叶萝）和APT-C-67（乌苏拉）。 同时，报告还公开了台湾“资通电军”网络部队组织架构及其策划、指挥对大陆网攻犯罪的主要成员身份。本次公开的五大黑客组织就是由台湾民进党当局豢养支持，并由台当局“资通电军”网络部队直接操纵指挥的。  报告封面 今年4月，对广州某科技公司实施网络攻击的就是APT-C-67（乌苏拉）黑客组织。该组织近年来频繁利用公开网络资产探测平台，针对大陆10多个省份的1000余个涉及军工、能源、水电、交通、政府等重要网络系统开展网络资产探查，搜集相关系统基础信息和技术情报，并通过大范围发送钓鱼邮件、公开漏洞利用、密码暴力破解、自制简易木马程序等低端网攻手法实施了多轮次网络攻击。 目前，广州警方已对 20 名参与实施本次网络攻击活动的犯罪悬疑人进行悬赏通缉。  360集团创始人周鸿祎表示，网络攻击溯源是全世界公认的难题。对APT组织的溯源，通常需要掌握大量安全数据，并高度依赖拥有强大知识储备和丰富实战经验的顶级安全专家进行溯源及处置。360公司有着近20年和境外APT组织交手的经验，其中和台湾省APT组织“交手”经验丰富，2007年披露了首个归属中国台湾省背景的APT组织“毒云藤”。上个月对广州某科技公司发起网络攻击的“乌苏拉”黑客组织是一个近年来刚刚冒头的专门团队，主要针对中国大陆和港澳地区的物联网系统，特别是视频监控系统实施攻击窃密活动，意图通过控制大量视频监控设备，持续秘密窃取我网络及地理空间情报数据。但360对这些APT组织的攻击流程和攻击技战术都了如指掌。 周鸿祎认为，台湾省相关APT组织属于APT组织中的三线水平，他们的反溯源能力比较弱。尤其是其相关人员在历史上有多次极其不专业的操作，例如个人文档信息存储于攻击资源服务器，在制作一些诱饵文档和钓鱼页面时候留下容易查证的痕迹，导致在前期侦察、攻击过程中经常漏洞百出。360的专家往往在他们发起网络攻击的初始阶段就已经察觉，基于360大而全的APT知识库，第一时间就能够归因关联。 据360网络安全专家介绍，根据360的实战经验，台湾省APT组织的攻击技战术仍处于较低水平，主要表现在几个方面：一是攻击弹药储备少，网络漏洞就是网络军火，未知漏洞（零日漏洞）的威力相当于核弹级别，但台湾省APT组织主要使用已知漏洞进行攻击，缺乏自主的漏洞发现和利用能力以及高级零日漏洞的储备。二是攻击武器的自主开发性差，台湾省APT组织缺乏自主的网络武器和技战术开发能力，通常使用的攻击武器都是一些免费或开源的代码、木马、工具和商业渗透测试框架以及攻击技战术资料。三是攻击隐蔽性差，台湾省APT组织的相关人员缺乏专业化能力，无论是他们逃避检测还是想要驻留的方式都很常见，甚至会留下显著的攻击痕迹，给我们的专家提供了快速溯源的有利证据。 据了解，360 集团已累计发现了58个APT组织，占国内所有发现APT总数的98%以上，其中也包括美国国安局（NSA）、中央情报局（CIA）这些国家级黑客组织对我国关键基础设施、科研单位、政府机构进行长达十余年的网络潜伏渗透和攻击。 早在2022年，360就率先发现美国国安局对我国西北工业大学发起网络攻击，并成功溯源、上报有关部门，最终将上述两家机构潜伏在中国十余年的间谍软件网络连根拔起，也使360成为唯一被美国商务部和国防部双重制裁的网络安全公司。 周鸿祎表示，目前网络攻击已进入AI时代，作为国内唯一兼具网络安全和 AI 能力的公司，将继续发挥自身技术优势，加速研发迭代安全大模型、安全专家智能体；同时与各方携手，为构建我国数字安全防御屏障、守护国家和社会稳定贡献力量。

中国运营商遭遇的典型困境是“增量不增收”，甚至“增量减收”。

<blockquote><p>在AI技术飞速发展的今天，创意和个性化的需求正催生出新的商业机会。最近，一款名为“Midjourney风格包”的产品在闲鱼上意外走红，吸引了众多新手参与，甚至有人通过它每月轻松赚取一万多。这种风格包究竟是什么？为什么能在闲鱼上如此火爆？它背后又隐藏着怎样的商业逻辑和市场需求？本文将为你揭开“Midjourney风格包”的神秘面纱，探讨其背后的商业潜力以及如何利用这一趋势实现变现。</p> </blockquote>  你有没有发现，最近一段时间，只要一打开闲鱼，满屏都在卖什么“Midjourney风格包”，而且不少新手通过这东西每个月轻轻松松就能进账一万多。 你可能不禁要问了，Midjourney 风格包到底是什么？ 为什么能在闲鱼这么火？ 所谓风格包，简单说，就是一堆帮你更快生成某种风格图片的提示词集合。 比如，你想要一种复古油画风格的图，或者梦幻童话感，这些包里面早帮你整理好了一套提示词。 你直接复制粘贴进Midjourney，几乎是一键生成。  ## 为什么这个项目会火？ 再想一想，我们现在是不是越来越强调个性化和创意？ 你看那些自媒体、电商商家、设计师们，找图成了每天的重要工作。 自己搞不定精致的图片？现在不用愁了。 这个Midjourney风格包正好迎合了这个时代的需求。 自媒体要用好看且独特的图片抓住眼球，商家要用华丽的商品图提升销量，设计师们时不时还去风格包里找点灵感——需求多大可想而知。 难怪闲鱼这个平台会这么火爆，大家都有颗追求艺术的小心灵，没准还能挣点外快，何乐不为？  ## 如何操作这个项目呢？ 这里我会教你怎么迈出第一步，别慌，一步步来。 ### 1.注册闲鱼账号 老实说，闲鱼账号注册没什么技术含量。 要是你连淘宝账号都没有，建议赶紧去弄一个。 注意啊，别乱填信息，头像和简介可别马虎，毕竟是第一印象。 别整得太“山寨”了。 头像搞个干净的，一看就知道你是做风格包相关的。 简介也别含糊，突出你在AI绘图方面的独特优势。 可以写成：“专注Midjourney风格包，助力你的创意飞跃”， 既能装点门面，又让人觉得你这风格包内容高端。 ### 2.拿到Midjourney使用权 Midjourney 这个东西其实是收费的，官网上订阅大概每月10美元。 不过你也不一定非要急着花钱，还有很多国内第三方平台会给你提供免费试用或低价服务。 要注意甄别安全性和正规性，别一不小心把个人信息泄露出去了。 很多人还会到处找破解版，虽然有点风险，但确实也是一个不错的方法。 能少掏腰包嘛，对吧？ ### 3.收集并整理风格包提示词 这事尤其关键，需要一点点耐心。 怎么弄提示词呢？你得学会从多个来源挖宝。 组合完毕后，为每一类风格都写清楚适用场景和特点。 提示词要告诉别人能干什么，比如复古油画风格最好就用在文化宣传或艺术类素材里。 还得多加图片例子，人都是视觉动物，你弄得越好看，越有说服力。 有的人怕麻烦，直接拿粗糙生成的图片上线，那真的太劝退了。 国外那些创意社区比如ArtStation、DeviantArt都有很多艺术家分享他们的创意与提示词。 留意不同风格的分类、整理，然后你自己组合。 你找到复古的风格，归一类，赛博朋克的归另一类。 多去Midjourney的官方论坛溜达溜达。 人家用户整天在那儿讨论优质提示词。所以有空记得去记笔记，学几个回来。 还得靠自己慢慢摸索尝试，在Midjourney上折腾不同关键词，找到最能生成酷炫图片的提示词组合。 这个自己创造的提示词有时还特别受买家欢迎。这里我提供几个提示词给大家使用。 - **复古油画风格：** 提示词：古老欧式城堡，金黄色麦田，绿色藤蔓爬满墙壁，洁白云朵天空，阳光光影，复古油画质感 提示词：华丽复古长裙女子，玫瑰郁金香花园，手持书本，专注眼神，温暖柔和色调，复古油画风格 - **赛博朋克风格：** 提示词：未来城市街道，林立高楼大厦，霓虹灯闪烁，悬浮摩托车蓝色光带，科技感建筑飞行汽车，赛博朋克风格 提示词：机械改造人，废弃工厂，机械零件冷光，巨大齿轮管道，烟雾弥漫，赛博朋克氛围 - **梦幻童话风格：** 提示词：梦幻森林，彩色灯笼树木，蘑菇房子，小精灵花丛飞舞，梦幻童话色彩 提示词：粉色云端城堡，彩虹环绕，长翅膀小马草坪嬉戏，梦幻童话场景 ## 上架销售！风格包怎么吸睛怎么来 ### 1.起个好标题 “超火复古油画Midjourney风格包，一键生成艺术大片！”这种关键词走起，简洁直白还能命中闲鱼的搜索算法。 “火”、“独家”、“超值”这些词是必须得用上的，一眼拉过来用户的眼球。 别小看了标题，这是重中之重。 ### 2.详细描述你的商品 从你的风格包中包含多少条提示词，到它的涵盖风格类型，再详细说一遍。 比如这样：“本风格包包含50条独家精选复古油画风提示词，特别适合艺术项目与文化推广。” 有没有用得让人能明明白白，彻底给用户指明道路。 还得帮新手想好怎么用包——有的朋友是真小白，教到他们能熟练运用很重要。 另外不妨拍胸脯多夸夸这些提示词是“独家整理”，打磨许久的品质象征。 要让人感受到这份诚意！再不济你也可以贴几张图，显摆一下这包的威力（用那种生成图与真实图片的对比）。 千言万语不如一图啊！ ### 3.多上传好图，不看颜值但要有质感 你展示的图片一定是精华中的精华，甚至也可以放些动态生成的对比图片，一次给人美到尖叫的那种视觉冲击。 要通过图片来显示出你的风格包胜过别人几条街。 买家信服与否，看图立见分晓。 不多说了，你的创意展示能说出来一半事儿。  ## 撩动销量——营销技巧少不了 ### 1.合理定价，别搞虚的 你先低价试试，不用害怕丢人。 买一赠一嘛，我推荐一个定个9.9元的起始价先吸引人流。 随销量上去以后你再调整价格到19.9元、29.9元那都可以。 打算整合多个风格包也挺不错——将它们打包成超值合集包，打个9折甩卖出去。 别贪心，踏实走先。 ### 2.推广用好平台的擦亮功能 “擦亮”听过吧？ 我推荐每日勤快点，去擦擦商品“让买家再多看你一眼”。 提升浏览率简直是百分百。 不打广告不付费也不用太多烦恼，小手一点提高商品能见度。 平台的一些打折活动，尤其要争取报名，都增加曝光的机会。 不让每一次资源浪费掉，这方面你真得盯紧闲鱼上的波动，利用免费流量主推一波。  ### 3.小红书+抖音联动 小红书是一个展示时尚艺术特好的平台。 写几篇软文配图来引发情绪共鸣，像聊聊天，贴近年轻人文化和心态你就赢了。 抖音那方面则是带入视觉冲击，你得用短视频演示这些AI作画怎么一出好戏上演。 文艺小助手可能文案这么写更好些——赶快来围观这个可以作图的宝贝吧！ 让超美艺术与现实不再遥远！ 而且每次都用差不多的调调稍微改改。 迎合不同渠道的特点会帮助提高整体促销效果。 多把握相关的热搜词库你就进门儿了。  ## 别人成功全靠发展持久度 长远发展的话，定期更新风格包挺重要。 什么东西都有个保质期。 你可能今天主打复古风，明天科幻风、国风都能后续引入。 依据市场变化，也能让自己过上押对风格的红利期。 别以为搞个风格包就能啃一辈子，这天天变的消费胃口还挺难伺候的。 不过别急，满满总结和进化，调整方向。 那些提供教程或开展提示词定制服务，还会给店铺打开另一种收入口——客户花钱买了方便与实用，这份钱不难挣。 这一套提示词做成熟，顾客也开始期望更多教学服务，既辅助他们提高创意功力，你的用户还会和品牌粘得死死的。 小白的风格包创业，它不是一次发笔大财的“偷懒机会”，而是长期持有的项目。 一旦上道，又有强劲执行力，普通人过万收入真的不算奇迹。 细水长流显得尤为珍重——你琢磨明白这片新天地已经轻易扬帆起航了。 祝你青云直上吧。 本文由人人都是产品经理作者【抖知书】，微信公众号：【抖知书】，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。

虚拟电厂的商业模式尚在探索完善中，目前主要的运营模式可概括为需求响应聚合商模式、市场交易商模式、综合能源服务模式三类。

**NVIDIA已经确定将在台湾台北建设一座全新办公大楼，并通过高薪策略吸引顶尖技术人才，尤其是来自台积电等知名企业的工程师。**据报道，**对于高级工程师，NVIDIA开出的年薪达550万新台币（约合人民币132万元），**而对于有2-3年经验的资深工程师，NVIDIA开出了300万新台币（约合人民币71.9万元）起的年薪。 [](https://static.cnbetacdn.com/article/2025/0521/6d8530c056d308f.png) **即便是没有工作经验的硕士毕业生，起薪也在150万至250万新台币之间（约合人民币36万至59万元）。** 此外，员工还将获得年终奖和可观的股票期权。 台湾作为全球半导体制造的重要基地，拥有丰富的技术人才储备，NVIDIA的这一举措不仅是为了支持其在台湾的新办公大楼，更是为了在AI和半导体领域保持竞争优势。 [查看评论](https://m.cnbeta.com.tw/comment/1504574.htm)

博主数码闲聊站表示，美国新禁令断供EDA，涉及针对用于设计GAAFET结构的EDA工具，而**台积电2nm就是GAAFET结构。**他指出，在该禁令下，**玄戒芯片应该无法突破2nm，很长一段时间都只能在3nm节点打转，**玄戒O1也将是近几年唯一一次和苹果/高通/联发科平起平坐的芯片。 [](//img1.mydrivers.com/img/20250605/cfccad741954445691acfb2a4218b451.jpg) 值得注意的是，高通、联发科不受影响，**未来很长一段时间内，使用台积电2nm制程的将只有苹果、高通和联发科三家巨头。** 资料显示，EDA全称是Electronic Design Automation，中文名为电子设计自动化。 在半导体行业中，EDA包含了一系列从设计到制造的软件工具，涵盖了功能设计、布线、验证等环节，是芯片设计中不可或缺的重要组件，也是集成电路产业最上游、壁垒最高的部分，EDA也被称为“芯片之母”。 [](//img1.mydrivers.com/img/20250605/37ec30f392b044fda7bdee1f6e4c6391.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1504572.htm)