今日，市场调查机构Canalys发布2024年全球智能手机市场出货量数据，**全年增长7%，达到12.2亿部，实现连续两年下滑后的反弹。**2024年，iPhone出货量下降1%至2.259亿部，苹果凭借新兴市场的增长以及北美和欧洲的稳定表现，成功抵消了其在中国大陆市场的挑战，连续第二年稳守市场榜首。 三星紧随其后，出货量同样下降1%至2.229亿部，**小米稳居第三，成为2024年行业出货量增长的最大贡献者。** [](//img1.mydrivers.com/img/20250205/0e99179ee1794f5cb96645f46d90a592.jpg) Canalys表示，**受中国大陆市场的强劲势头以及在新兴市场的持续战略扩张推动，小米出货量增长15%，达到1.686亿部。** 有“非洲手机之王”之称的传音首次跻身第四，OPPO（包括一加）位列第五，分别增长15%和3%至1.067亿部和1.036亿部。 [](//img1.mydrivers.com/img/20250205/44a3f921ce2b4d45a3694b17c4568fef.jpg) Canalys分析师表示：“在旗舰机高需求的推动下，苹果和三星依然保持韧性，反映出市场持续高端化的趋势。在高端市场，消费者越来越倾向于选择旗舰系列中的高端版本，这得益于厂商在旗舰系列中提供更清晰的产品区分，同时这一市场本身对价格的敏感度较低。 以苹果为例，2024年iPhone 16 Pro和Pro Max的出货量比2023年的iPhone 15 Pro和Pro Max高出11%，达到5500万部以上。 Pro机型强劲表现成为iPhone 16系列超越iPhone 15系列首发年表现的关键因素。 [查看评论](https://m.cnbeta.com.tw/comment/1476214.htm)

华为（昇腾+CANN）+Deepseek，能解决英伟达GPU+CUDA的“卡脖子”吗？据tomshardware等多家媒体报道，**华为最新的AI处理器昇腾910C（Ascend 910C）的推理性能已达NVIDIA H100 GPU的六成。** [](//img1.mydrivers.com/img/20250205/0e4586a41d8445be8d29b2f577fa7f92.jpg) 根据DeepSeek 研究人员的测试，**在推理任务中，昇腾910C性能可达H100的60%。据悉，升腾910C采用chiplet封装，第二代7nm级（N+2）工艺，整合约530亿个晶体管。 ** **虽然昇腾910C并非当前最强AI芯片，但它有助于降低中国对NVIDIA GPU的依赖。** 此外，通过手动优化CANN内核，其效率可以进一步提高。**DeepSeek对昇腾处理器及其 PyTorch存储库的原生支持允许以最小的的资源代价，实现CUDA到CANN的无缝转换，从而更容易将华为的硬件集成到AI工作流程中。** [](//img1.mydrivers.com/img/20250205/d1c6bd79c96d4b19b71a7f28ce42303b.jpg) 据了解，DeepSeek的支持为华为芯片带来了关键优势：**从第一天起就支持华为昇腾芯片，自主维护PyTorch仓库，只需一行代码就能将CUDA转换为CANN；而且性能优化潜力巨大，通过定制优化可达到更高性能。** 据华为官网介绍，**CANN（Compute Architecture for Neural Networks）是昇腾针对AI场景推出的异构计算架构**，对上支持多种AI框架，对下服务AI处理器与编程，发挥承上启下的关键作用，是提升昇腾AI处理器计算效率的关键平台。同时针对多样化应用场景，提供高效易用的编程接口，支持用户快速构建基于昇腾平台的AI应用和业务。 [](//img1.mydrivers.com/img/20250205/6fe913d8812243c98308f0bab7460a6d.jpg) **据了解，CANN分社区版和商用版。**前者是快速提供新特性的体验版，供开发者提前试用；而后者是满足商用标准的稳定版本。 目前，CANN社区版已经来到了8.0.0.alpha003版本，针对Ascend C进行了特性增强。而商用版CANN 8.0.RC3版本也已经发布，新增适配7个操作系统，简化了CANN安装流程。 [](//img1.mydrivers.com/img/20250205/46db98c87251483bb727167246714fc9.jpg) DeepSeek的Yuchen Jin表示，长期训练可靠性是中国处理器的一个关键弱点。 主要是NNVIDIA硬件和软件生态系统的深度集成，该生态系统已经发展了二十多年。虽然推理性能可以优化，但持续的训练工作负载需要华为的硬件和软件堆栈进一步改进。 而随着AI模型架构向Transformer收敛，C**UDA和PyTorch编译器的重要性将降低。DeepSeek团队的加入将显著降低对NVIDIA的依赖，大幅节省成本。** [](//img1.mydrivers.com/img/20250205/c14626cb7a644fa9809dafcecb025486.jpg) 无独有偶。此前有消息称，**DeepSeek开发的大语言模型绕过了英伟达的CUDA框架，正为未来兼容国产GPU芯片做准备。** 最新发现显示，DeepSeek使用英伟达的H800芯片训练时，使用英伟达底层硬件指令PTX（Parallel Thread Execution）语言，而非高级编程语言CUDA。 **这样意味着DeepSeek绕过了CUDA，使用更底层的编程语言做优化。** 对于程序开发人员来说，CUDA是一种更加友好的高级语言，开发者只需要专注于程序和算法最相关的运行逻辑，而不太需要考虑具体的程序是如何在GPU等硬件上具体如何执行计算的，从而能够降低开发难度。 而PTX在接近汇编语言的层级运行，允许进行细粒度的优化，如寄存器分配和Thread / Warp级别的调整。这种编程非常复杂且难以维护，所以行业通用的做法是使用CUDA这样的高级编程语言。 **换句话说，DeepSeek把优化做到了极致。** 北京航空航天大学副教授黄雷表示，绕过CUDA可以直接根据GPU的驱动函数做一些新的开发，从而实现更加细粒度的操作。 这也说明DeepSeek拥有一些擅长写PTX语言的内部开发者。**假如它之后使用国产GPU，其在硬件适配方面将会更得心应手，其只要了解这些硬件驱动提供的一些基本函数接口**，**就可以仿照英伟达GPU硬件的编程接口去写相关的代码，从而让自家大模型更加容易适配国产硬件。** [查看评论](https://m.cnbeta.com.tw/comment/1476212.htm)

RTX 5090D虽然只是阉割了一部分AI性能，游戏性能和RTX 5090差距微乎其微，但毕竟是不完整版，让很多高端玩家无法接受，于是纷纷想尽各种办法求购RTX 5090，也给了黄牛极大的空间。距离中国不远的日本、韩国，成为很多国人的首选，中国台湾也是优先考虑之列。  比如**在著名的日本东京秋叶原，RTX 5090/5080发售之初就有多达四五百人疯抢**，其中既有真正想要新卡的玩家，也不乏黄牛，再加上现场管理不到位，导致一片混乱。 有抢到卡的玩家感慨，**没出现踩踏事故，真是幸运。**     在中国台湾某电脑市场，不少人提前排队，当地媒体就采访了两位从大陆过去的，都带着睡床、被子去排队。 **两人都是提前到达的，都不想要阉割版RTX 5090D，更不想加价，希望能在当地买到原价的RTX 5090。** 新卡在台湾地区也是数量稀少，比如辉达在北部地区只有20块现货RTX 5090，可预购30块，RTX 5080则是现货280块。 而在中部南部地区，RTX 5090现货只有区区4块，预购也不过30块，RTX 5080现货也不过60块。 **RTX 5090在台湾地区的首发售价7.2-9万台币(约合人民币1.6-2万元)，而部分黄牛愣是炒到了20万台币(约合人民币4.4万元)。**  更有海外玩家嗅到了其中的商机，主动向中国市场倒卖RTX 5090。 比如**一位韩国玩家，就在国内某平台上叫卖索泰的RTX 5090 SOLID OC，标价高达29999元。** 韩国媒体发现后，也是惊呼OMG。  [查看评论](https://m.cnbeta.com.tw/comment/1476210.htm)

据丰田中国媒体服务中心“谈笑丰声吧”最新发文，丰田与上海市达成共同助力绿色低碳发展相关战略合作意向，**计划新设雷克萨斯纯电动汽车及电池的研发·生产公司，并于2027年投产**。  和一汽丰田、广汽丰田不同，**丰田将要开建的这座工厂是100%独资的外企工厂，和特斯拉上海工厂一样**。 早在去年6月份，就有消息传出，丰田正在与相关部门洽谈，在上海投资建设工厂的可能。 有知情人士透露，丰田希望能争取到和特斯拉中国相似的待遇，从税收优惠到政策支持，从土地使用权到无需本土合资伙伴等，丰田几乎是想复制特斯拉在华独资建厂的所有优惠条件。 据悉，这座工厂将专门生产雷克萨斯的电动车，在车尾也会有中文标志，**计划中国本土零部件使用率达到95%以上，生产的新车在中国市场销售的同时，将同步销往日本以及其他海外市场**。 值得一提的是，凭借此举，**丰田将成为首个在中国单独建设工厂的日本车企，同时也是继特斯拉之后在上海独资建厂的第二家外资企业**。  [查看评论](https://m.cnbeta.com.tw/comment/1476202.htm)

**2024年勒索软件赎金支付额暴跌35%至8.1355亿美元，但攻击量暴增创纪录！** 财富50强公司被迫支付7500万美元天价赎金，企业集体反击：“宁毁声誉也不妥协！” 执法重拳粉碎LockBit，攻击者疯狂加码却难逃制裁。

供需两端都不够尽兴。

财报不太理想。

辉瑞的发展史，就是一部“投机史”。

<blockquote><p>在旅游预订领域，元搜索业务正逐渐成为重要的流量入口和预订渠道。本文将为你快速梳理酒店元搜索业务的核心逻辑，包括其定义、产品形态、与OTA的区别，以及主流的竞价策略。</p> </blockquote>  ## 一、元搜索是什么? 元搜索，又叫整合搜索/Meta SearchEngine。**注意了！**它可不是前脸书，现在的Meta。它得名于对不同网站信息的整合能力，是旅游行业中重要的预定渠道和来源。如果你想找全网最低的酒店/机票/租车等价格，往往离不开元搜索的比价功能。以酒店为例，类似Google Hotel/Tripadvisor/Kayak等的元搜索引擎会基于用户的入住需求，将不同渠道的酒店价格整合在一起返回给用户。 用户觉得哪个网站更便宜，更有吸引力，就会点进哪个网站下单。 下图为最大的元搜索引擎google hotel ads的界面：  另一个元搜索引擎Kayak的界面：  ## 二、元搜索的产品形态 所有的元搜索引擎，本质上业务形态都是一样的。 首先，用户在元搜索平台输入出行意向信息，如地点、入住日期、人数等。接收到信息后，元搜索引擎返回符合要求的酒店清单、以及在不同网站的价格（房间货源可来自于酒店本身、ota平台、甚至其他元搜索平台）。 用户可以自行点击进感兴趣的网站进行下一步预订操作。有时，元搜索引擎本身也提供直接下单的快捷预订服务。产品流程图总结如下：  通常来讲，由于其根系深厚的供应链和广告运营能力，**booking/agoda等OTA巨头往往能够在不同的元搜索平台上占据绝对优势**。 ## 三、元搜索与OTA的区别 **那么，元搜索引擎和OTA最大的区别是什么呢？** 首先，前者的产品提供的是【多个】渠道进行比价，而后者的页面只会返回【一个】渠道的价格。**理论上，**如果酒店的价格在全网一致，那么用户从哪个渠道预订并无区别。但**实际情况是，**各个渠道提供的价格相差较大，最低价的渠道往往收割最多的流量。因此，各个玩家总是会尝试使价格更低，哪怕是一两块的差异也会影响用户的选择。 另外，二者**盈利的模式有本质区别**。元搜索平台通过广告盈利，收费模式以cost per click或cost per sale为主，向广告主（指酒店或OTA) 收取广告费用。而OTA则通过佣金盈利，对在OTA上预定的酒店，按预定金额乘以特定的佣金比例向酒店收取费用。 ## 四、元搜索引擎的竞价策略 这里介绍两种主流的付费模式：cost per click和cost per sale。 cost per click模式下，无论是否有预定，只要有点击即会产生费用。而cost per sale是只有在入住情况下才会产生费用，模式更加简单、风险和灵活度都更低。 当然，也有部分规模较小的元搜索平台，如HotelsCombined，提供的收费模式较为单一。这些小平台往往在本国、或者特定市场，是不可忽视的优质流量来源。 对广告主来说，选择最优的付费模式能以最小的成本获得最优质的流量，一套智能化的CPC竞价策略能够带来比CPS更好的投资回报率。 因此，竞价策略至关重要，公司内部往往由专门的人员负责，通过不断测试不同的模式来寻找最优解。 作者：OTA小王 来源公众号：OTA小王 本文由 @OTA小王 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

 分别为人气动画电影《GRIDMAN UNIVERSE》三位女主——宝多六花、新条茜、南梦芽，Solarain原创服饰企划，以原作角色设计担当坂本胜先生特别绘制的「Dreamy Divas Ver.」形象1/7手办化登场！  三位因缘际会相识的JK少女，现在在同一时空中汇聚。 三体手办动作神情各异，角色姿势看似随意，实则经过精心设计。  「宝多六花（Dreamy Divas Ver.）」全高约26厘米，神色认真，双腿交叉，长发高高扎起，马尾飘飞，红蓝两色的发带像两根兔耳。 加厚冲锋衣的配色同样以红蓝为主，互为互补色，视觉效果鲜明，既有活泼，又有沉稳。外套宽松舒适，露出肩膀。  六花单手插兜，另一只手拿着手机，皮手套质感分明。身穿运动内衣+包臀裙，微微隆起的小腹，引人注目。  而最最吸引人的便是六花的大腿了，金色腿饰的设计源自动画中，六花发圈上的大鹏形象。左腿上的「SSSS.」标志更是凸显了六花腿部的丰满线条，从背后看，还能隐约看到屁股与大腿之间的诱人阴影。   接下来是「新条茜（Dreamy Divas Ver.）」。 全高约24厘米，以活泼的姿态跳跃，粉色的腰链随着她的动作摇摆，动感十足！双手摆出V字形，配合着俏皮的Wink表情，简直是迷人与可爱的完美化身！  茜的脖子上架着耳机，可拆卸的帽子巧妙地融入了原作外套上的四个犄角元素，帽身上印有的“TIL ALL ARE GONE!”字样等细节，不仅忠实地再现了角色原设，追加的诸多细节更为新条茜增添了一丝俏皮的小恶魔气息。  茜的上身夹克采用了亚历克西斯·凯利夫的火焰图案设计， 运动内衣包裹着三位女主角之中最饱满的胸部，随着茜夸张的动作略微抬高，腰部纤细紧实，少女曲线诱人。  下身穿着低腰热裤与连裤袜，颜色较深，飞起的粉色编绳点亮视线。 双层腰带的热裤与渐变紫灰色的丝袜相得益彰，大腿膝盖处的涂装用心，展现出独特的质感。   最后是「南梦芽（Dreamy Divas Ver.）」。全高约24.5厘米，姿态慵懒，长发飘逸，似流云缱绻。   梦芽翠绿的猫猫眼眯起，一手卷起发丝，一手握着造型精美的“DYNAWING”，挎包上的益智环也随身姿摆动。 微微后仰的动作与略带慵懒的表情，为南梦芽注入了独属于她的松弛氛围。   手办提取了原作中南梦芽的多种元素，还原了角色标志性的黑红主配色。夹克风衣上的绿色透明材质点缀，高叉连体内搭与腰间恰到好处的露肤相结合。 热裤搭配金属感十足的腰带等配饰，打破了以往的“JK”印象，展现了南梦芽少见的帅气风格~  小编最喜欢的便是梦芽的褐色丝袜了~腿袜上的“S”型伤痕为她增添神秘感，膝盖与脚踝处颜色略深，腿肚的丝袜被撑开，透出皮肤的色泽。梦芽将高跟厚底鞋驾驭得极其完美，双腿自然弯曲，修长迷人，吸引所有人的目光。   三人都可购入特典款，获得角色的毛绒娃娃，萌力十足，除了各自的可拆卸配件，每款娃娃的外套均为可脱形式~  除了三人的单人款，还有最适合选择困难症的六花&amp;茜&amp;梦芽「Dreamy Divas Ver. 」系列三人组合SET普通版与特典版， 普通版附带三个手办与特典铭牌，特典版在此基础上外加了三人的萌萌毛绒娃娃！ 女主角们组合出场，各自的优势更加突出，观赏性翻倍哦！  [&gt;&gt;三人组合SET普通款购入传送门&lt;&lt; ](https://e.tb.cn/h.T91cdfvcCZPLL6J?tk=pki2e2as809)  [&gt;&gt;三人组合SET特典款购入传送门&lt;&lt;](https://e.tb.cn/h.TQwVG3D07onlfIo?tk=9cexe29B2YN) 在手办原画的基础上，青时雨本次特别出品了种类繁多的“Dreamy Divas Ver. ”系列周边制品，从小巧的徽章到巨大的挂画，从沉甸甸的超厚亚力克到轻薄的T恤，品类丰富，与手办同期开售！周边品类详情请戳 [&lt;&lt;微博传送门&gt;&gt;](https://weibo.com/7504000833/Pa0eTmJkn)   《GRIDMAN UNIVERSE》三位女主——宝多六花、新条茜、南梦芽的「Dreamy Divas Ver.」手办已开启预定，喜欢古立特三人组的朋友们千万不要错过~ SolarainToys官方旗舰店传送门：【[点击传送](https://solarain-toys.tmall.com/index.htm?spm=a1z10.5-b.w5002-25556669531.2.4f5160d6FQRHcS)】

<blockquote><p>作为即时零售行业最重要的一种模式，前置仓模式通过缩短配送距离提升效率，吸引了大量企业入局。然而，这一模式在快速发展的同时，也在验证着侯毅所言“伪命题”的判断！</p> </blockquote>  ## 一、优势凸显：极速配送，分秒必争 前置仓的核心布局策略是将仓储设施设立在消费者密集的区域，这种布局直接缩短了配送半径，使得商品能够实现“分钟级”送达。 以叮咚买菜为例，其在全国范围内广泛布局前置仓网络，构建起了一套高效的配送体系。从源头的农产品采购，到中间的仓储周转，再到最后的配送环节，各个流程紧密衔接。 通过优化配送路线、合理安排配送人员以及利用智能化的订单分配系统，叮咚买菜成功地把生鲜从田间采摘到送至消费者餐桌的流转时间压缩到了30分钟以内，完美契合了都市人群在快节奏生活中对新鲜食材的迫切需求。 无论是上班族下班后急需的新鲜蔬菜，还是家庭临时需要的生鲜食材，叮咚买菜都能迅速送达，为消费者节省了宝贵的时间。 成本优化，效益提升 相较于传统门店，前置仓有着独特的成本优势。前置仓无需大面积的展示空间，也无需进行豪华的装修，在选址上更为灵活，可选择租金相对较低的区域。 朴朴超市在福建区域的运营实践就是一个很好的例证。朴朴超市通过精细化的成本管理和高效的运营模式，其单仓运营成本相较于传统商超降低了约30%。 在仓储环节，朴朴超市利用先进的库存管理系统，实现了对库存的精准控制，减少了不必要的库存积压，降低了库存成本。同时，短距离配送不仅提高了配送效率，还大幅减少了运输过程中的损耗。 以生鲜产品为例，传统配送模式下的损耗率通常在20%左右，而朴朴超市通过前置仓模式，将生鲜损耗率成功降至5%以下，大大提升了经济效益。 区域深耕，脱颖而出 部分企业通过精准定位区域需求，充分验证了前置仓模式的可行性与巨大潜力。七鲜在北京市场的运营策略就极具代表性。七鲜精准瞄准北京的中高端客群，深入了解这部分消费者的消费习惯和需求偏好。 在商品供应上，不仅提供丰富多样的进口食材，满足消费者对高品质、国际化食材的需求，还推出定制化服务，如根据消费者的特殊需求定制食材套餐、提供个性化的烹饪建议等。 凭借这些特色服务，七鲜在北京市场的单仓日均订单量超过2000单，在特定的市场场景下展现出了显著的竞争力，成为区域深耕的成功典范。 ## 二、困境重重：流量受制，缺乏自主 当前，多数前置仓企业严重依赖美团、饿了么等大型平台进行引流，处于一种“流量寄生”的被动状态。 很多从业者认为，大家就像是在为平台做嫁衣，前期投入大量资源进行市场开拓和培育，而一旦平台觉得时机成熟，便可能自建仓储，切断对创业者的流量支持。 曾经有一个区域前置仓品牌，在某平台的流量扶持下，业务迅速扩张，在当地市场积累了一定的用户基础。然而，当该平台决定在该地区自建仓储后，这个区域品牌的订单量瞬间骤降60%，陷入了经营困境，抗风险能力之薄弱暴露无遗。这也凸显出过度依赖平台流量对前置仓企业发展的巨大风险。 引流昂贵，烧钱难止 即时零售领域的流量竞争已经进入了白热化阶段。据相关数据显示，在2024年，行业平均获客成本高达150元/人，这一数字是线下门店获客成本的3倍。 为了在激烈的竞争中抢占市场份额，部分企业不惜将30%以上的营收投入到促销补贴活动中，试图通过烧钱的方式换取流量。 有前置仓企业创始人曾无奈地表示，平台抽成加上高昂的引流费用，几乎吞噬了企业80%的毛利。企业在这种“烧钱换流量”的循环中苦苦挣扎，盈利空间被不断压缩，生存压力巨大。 供应链复杂，管控艰难 多仓运营模式对供应链管理提出了近乎苛刻的要求。以叮咚买菜为例，其在全国拥有2000多个前置仓，需要管理超过5000个SKU（库存保有单位）。 - 在采购环节，涉及到从全国各地甚至全球范围内的跨区域采购，要确保采购的商品品质优良、价格合理，同时还要应对不同供应商的合作问题。 - 在仓储环节，由于生鲜产品对存储环境要求各异，需要设置多温区仓储，精准控制温度、湿度等条件，以保证商品的新鲜度和品质。 - 在配送环节，要实现即时配送调度，确保订单能够在最短时间内准确送达消费者手中。而且，生鲜产品的每日损耗管控误差必须小于1%，这就要求采购预测和库存周转必须精准无误，稍有差池，就会引发一系列连锁反应，导致成本增加、用户体验下降等问题。 价格厮杀，利润微薄 整个即时零售行业的竞争陷入了一种“囚徒困境”。商家们为了争夺有限的市场份额，纷纷打起价格战，不断压低商品价格。而在这场激烈的竞争中，平台却坐收渔利。 以社区团购为例，在2023年，行业均价同比下降了15%，然而平台佣金却逆势上涨了5%。部分前置仓企业为了保住市场份额，不得不将毛利率压至8%以下，这一数值远低于零售行业15%的健康毛利率水平。 长期处于这种低利润状态，企业的可持续发展面临严峻挑战，不仅难以进行技术创新和服务升级，甚至连基本的运营成本都难以覆盖。 ## 三、破局之道：构建私域，自主获客 摆脱对平台的过度依赖，关键在于建立起属于企业自身的自主流量池。朴朴超市在这方面做出了成功的探索。朴朴超市通过精心打造自己的APP，构建了完善的会员体系。 在会员权益方面，提供专属折扣、积分兑换、优先配送等服务，吸引消费者成为会员并在其APP上进行购物。通过这些举措，朴朴超市的私域订单占比成功提升到了45%。 此外，企业还可以充分利用企业微信、社群运营等方式，直接触达用户。例如，某区域品牌通过在社群开展预售活动，提前收集用户需求，根据订单进行采购和配送。这种方式不仅提高了用户的参与度和忠诚度，还将复购率提升到了70%，同时引流成本降低了40%，实现了高效的自主获客和用户留存。 柔性供应，数字赋能 数字化技术正在为供应链管理带来全新的变革。叮咚买菜借助大数据分析与AI算法，实现了对市场需求的精准预测。 通过对海量的历史订单数据进行深度挖掘，结合季节变化、节假日、天气等多维度信息，叮咚买菜能够提前准确地预测不同区域、不同时段的消费者需求。 在夏季，通过大数据分析预测到西瓜、桃子等水果的市场需求量将会大增，叮咚买菜便提前与优质产地建立紧密合作，加大采购量，并根据各个前置仓的历史销售数据和实时库存情况，合理分配库存。 这一系列操作使得库存周转从原来的6天缩短至3天，损耗率降低了25%，极大地提升了运营效率和经济效益。 小象超市在供应链创新方面也取得了显著成效。小象超市采用“订单农业”模式，与云南的蔬菜种植基地建立了深度合作关系。双方根据市场需求共同制定种植计划，基地严格按照小象超市的标准和订单量进行蔬菜种植。 在种植过程中，小象超市会为基地提供技术指导和质量监控，确保蔬菜的品质符合要求。以生菜为例，从云南基地采摘后，通过全程冷链物流直送小象超市的前置仓，再快速配送到消费者手中，整个过程在12小时内完成。 这种模式不仅保证了蔬菜的新鲜度，让消费者能够享受到口感鲜美的生菜，而且成本相比传统采购模式降低了18%，实现了从田间到餐桌的高效供应链运作。 业态融合，创新发展 前置仓与多元零售形态的融合互补，为行业发展开辟了新的路径。山姆会员店凭借其强大的品牌影响力和会员基础，借助前置仓覆盖周边3公里的配送圈，为会员提供生鲜、日用品等商品的即时配送服务。这一举措不仅延伸了山姆会员店的服务半径，满足了会员对于即时购物的需求，还进一步提升了会员的满意度和忠诚度。 便利蜂试点“店仓一体”模式，将门店与仓储功能相结合。通过优化店铺布局，在有限的空间内实现了商品的展示销售和仓储存储功能的有机融合。这种模式使得便利蜂的坪效（每坪的面积可以产出的营业额）提升了30%，有效提高了店铺的运营效率和盈利能力。 钱大妈则将生鲜前置仓与社区代收点相结合。在社区内设立代收点，消费者可以在钱大妈的线上平台下单，选择到附近的代收点自提商品。这种模式不仅方便了消费者取货，还增强了用户粘性。消费者在自提商品的过程中，可能会顺便购买其他商品，从而促进了销售增长。 回归本质，品质至上 在激烈的市场竞争中，品质始终是企业取胜的关键。盒马通过推出“日日鲜”系列产品，树立了良好的品质形象。“日日鲜”系列严格把控产品的采购源头，只选择新鲜、优质的食材，并且承诺当天销售，绝不售卖隔夜商品。这一举措赢得了消费者的高度认可，使得盒马前置仓订单中高端商品占比达到了65%。 胖东来在服务品质方面堪称行业典范。胖东来的配送员在上岗前都要经过严格的商品知识考核，确保他们能够解答消费者关于商品的各种疑问。无论是产品的产地、营养价值，还是烹饪方法，配送员都能为消费者提供专业的建议。这种对服务品质的极致追求，使得胖东来的NPS（净推荐值）高达85分，在消费者心中树立了极高的口碑，吸引了大量忠实客户。 ## 四、趋势洞察：市场分化，优胜劣汰 当前，即时零售行业呈现出一种“哑铃型”格局。一端是美团、饿了么等互联网巨头凭借其强大的资金实力、技术优势和庞大的用户基础，构建起标准化的仓网体系，在全国范围内进行大规模的布局和运营；另一端是区域品牌通过深耕本地市场，了解当地消费者的独特需求，提供精细化的服务和特色商品，在区域市场中占据一席之地。而处于中间层的企业，如果既没有巨头的资源优势，又缺乏区域品牌的特色和精细化运营能力，若无独特优势，就很容易在激烈的市场竞争中被淘汰。 相关数据显示，在2024年，前置仓企业数量较峰值时期减少了40%，而头部企业的市占率则升至65%，市场分化趋势明显。 技术驱动，效率飞跃 随着科技的不断进步，无人仓、智能分拣、无人机配送等先进技术逐渐投入应用，为即时零售行业带来了效率的飞跃。 美团在深圳试点无人机配送，通过利用无人机的快速配送能力，成功将单均配送成本从7元降至3元。无人机配送不受地面交通拥堵的影响，能够在短时间内将商品送达消费者手中，大大提高了配送效率。 同时，AI选品系统也在发挥着重要作用。某企业借助AI选品系统，根据消费者的购买历史、浏览记录、市场趋势等多维度数据，动态调整SKU。通过精准的选品，该企业将滞销品占比从12%压至3%，优化了库存结构，提高了资金周转率。 政策规范，良性竞争 为了促进即时零售行业的健康发展，《即时零售服务规范》等一系列政策相继出台。这些政策明确了仓储标准、配送时效、商品质量等方面的要求。 例如，在仓储标准方面，对仓库的卫生条件、存储设施、消防设备等提出了具体规范；在配送时效方面，规定了不同品类商品的最长配送时间；在商品质量方面，加强了对商品的抽检和监管力度。 虽然合规成本的上升在短期内会加速行业洗牌，部分实力较弱的企业可能会被淘汰，但从长远来看，这有利于构建一个公平、有序、良性竞争的市场环境，促使企业不断提升自身的服务质量和运营水平。 前置仓模式正站在发展的十字路口。短期内，流量争夺和成本压力无疑是摆在企业面前的主要矛盾；但长期来看，其价值在于重构人、货、场的时空关系，为消费者提供更加便捷、高效的购物体验。 企业的成功不再仅仅取决于模式本身，而是在于如何将效率优势转化为可持续的盈利能力。刘老实认为，能存活下来的往往不是发展最快的，而是最懂平衡的。在即时零售领域，只有将技术创新、供应链深耕和用户价值创造有机结合，才能穿越周期，赢得最终胜利。 撰文：刘老实 排版：柯不楠 校对：十 三 公众号：即时刘说 本文由 @即时刘说 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Pixabay，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>近几年IT市场上中台产品的建设情况，应该是可以用“有人辞官归故里，有人星夜赶科场”来形容，各家拆中台、建中台此起彼伏，各路中台好坏的说法甚嚣尘上，这里面有对中台深有研究的专家给出中肯之言，也有只在吹嘘高大上概念的，也有在说中台末路的，信息鱼龙混杂；</p> <p>这篇文章想搁置争议，我们更多的想去聊一聊中台的背后，在企业软件架构中的位置，中台可能的做法；设计中台之初想解决的是什么问题以及为什么有的落地的好，有的落地的很差，这背后的要点在哪里。同时，帮助非IT的同学也能对中台有基本的了解去更好的用好中台，对一些八股文免疫，无论对方来自所谓的大厂。</p> </blockquote>  这是一张传统电商企业经典的软件架构图，我们以此为案例进行分析：  图1 软件架构图 从最开始的小门小店、软件的MVP到后面各个板块完善的系统，企业的发展过程也是企业软件架构逐步完善的过程，世界上没有最完善的软件架构，只有当前场景下尽量最优和最合适的软件架构： **康威定律：“任何组织在设计系统时，都会倾向于构建出与其自身信息结构相匹配的系统”，即一个组织内部的沟通方式、团队的结构与企业管理文化，是直接影响最终软件系统的架构和设计。** 所以笼统的去谈论中台好坏并无意义，因为中台首先是管理方法，其次才是软件方法，我认为更值得客观讨论的是：企业在什么场景下，引入和设计怎么样的中台对企业发展是有利的，什么样的认知是有害的，这篇文章会就此问题进行讨论。 ## 一、中台的适用场景 我们软件传统的开发模式无非是前台+后台，上面的架构图里面的软件系统和整体系统基本都是这么设计的，各个组织和各个系统各司其职对业务进行支持，如果此时： - 随着公司业务的发展，公司内部开始开发多条产品线，这多条业务线隶属于多个部门，但它们又有很多通用的模块，对所有共性的业务模块的支持，如何提升效率； - 产品服务的某些能力是有可能在多种场景下去复用，需要的是对问题较为完善的解决方案框架； - 业务部门增多，但是不同业务部门都会只专注于自己的事情，提的需求也只是局部的，那么问题是，难道局部最优就是整体最优了吗？或者说业务部门此时此刻理解的局部最优，就是真的是符合整体利益的局部最优解吗？ - 在直线职能式的组织框架下，很多时候遇到的问题愈发深刻，已经不是单个团队可以解决的时候，我们经常说要去做难而正确的事情，但是在kpi或okr的机制下，很多时候很多组织事实上是在回避那些长期困难的事情，那什么样的组织和软件架构去执行产品运营战略，先行去攻克那些交叉的复杂问题，也得有能力去探索出一条可行的路出来，打造MVP（最小可用版本，宁缺毋滥）和PMF（适配客户，小步迭代）出来？ - 信息和数据分散在各个系统，如何打破各个异构系统之间的孤岛，统一数据让数据产生价值？ 需要说明的是，这些问题也是企业发展中遇到的常规性问题，历代管理人员和软件工程师都给出了解决路径，中台只是其中的一种，事先人们不应该过度夸大中台的作用，应以落地结果为导向进行客观评价。中台为解决上面的问题提出了三种形式：产品中台、技术中台和数据中台： - 产品中台：产品中台首先应该代表先进生产力，设计和沉淀可复用标准化产品和产品能力，为业务提供完善的问题解决方案或产品能力，坚持长期主义，在效率和核心价值提升上助力业务发展和敏捷创新； - 技术中台：将企业通用的底层技术能力，基础设施、工具链、中间件、开发支持平台等抽象和统一管理为可复用的中台服务，为各个业务线提供统一、规范的技术支撑，核心目标是避免重复开发来提升效率、降低系统故障率、通过标准化能力支持产品创新和沉淀技术资产； - 数据中台：建立合理的数据管理框架，沉淀数字资产，将企业内部多源异构系统的数据进行采集、整合、治理、建模与服务化，统一管理进行全链路分析。 ## 二、数据中台的本质 在图1的企业架构图我们可以看到，在目前的架构下，企业各个业务系统都在管理自己那一块的数据，多个异构系统之间就必然存在数据孤岛，数据和信息已经被分散在各处，对以上的问题5的数据孤岛问题，为了完成对数据的统一管理，数据中台包含了2个部分： - 数据采集：实现基本的数据采集、数据仓库建立和数据分析能力的共享，是将做数据相关工作的技术团队整合，根据顶层设计和业务需要进行统一管理； - 数据应用：对各业务线的数据打通、数据共享和协同运用，以实现具体的业务目标为目的，比如企业经营数据分析、用户数据分析等，一般是通过数据仓库的bi分析工具、建立主数据分析平台来实现。  图2 数据建设 通过建立数据仓库（DataWarehouse），解决异构系统统一的数据经营分析问题而存在（所以数据仓库只读不写），在管理上从上而下把统一分析的体系定下来，然后再通过统一的规则，对数据仓库进行写入和存储，然后再根据统一标准进行分析做应用层的呈现。其次，对于一些固定数据的加工逻辑，可以在数据仓库上建立了小的数据仓库即数据集市（Data Mart）来进行交易和映射完成，方便不同的业务对数据进行规范化的处理需求，底层数据源还是一致的； 主数据平台一般是以人或物或某个基础的实体，可以打通各个业务屏障将数据资产统一管理起来，根据需要把全链条必要的客观的数据也放进来进行统一管理和分析，在全局角度根据业务模型统一分析找到规律来辅助决策，主数据特别是用户主数据在对用户数据全链路分析方面极具意义，物料清单主数据对产品生产所需材料及其相关信息的核心数据进行管理，对企业标准化生产、成本核算和供应商物料供应效率都很有意义，读者可以根据产品设计所需进行灵活应用； 建设数据中台是发掘数据价值的基础，在Ai时代，Ai的实时数据分析和推理能力将会进一步放大数据价值，但是基础一定是要先做好数据框架的管理和维护。同时，需要说明的是，在软件行业大家普遍认为数据中台并不是一个新的事物，因为在中台出现之前这些数据工作已经在进行，数据中台到目前并没有很突出的理论贡献出来，不过这也反过来一定程度上也证明了这套数据设计框架自身的先进性。 ## 三、产品中台的本质 产品中台是想从小中台验证价值，通过中台实现杠杆效应，提升效率，撬动业务实现规模化创新，为了实现这个目标，产品中台的建设可以概括为中台向前和中台向后： - 中台向前：产品中台向前直面业务，对标核心数据，实现业务需求，打造系统化的完整产品解决方案进行完整的输出，沉淀优质经验，不断迭代； - 中台向后：产品中台向后把某些产品能力抽象为更细的通用能力，在更多场景里面接入，对此同类问题提供标准化的解决能力；  图3 产品中台 在企业发展越来越大的时候，在直线职能式的组织框架下，很多时候遇到的问题已经不是单个团队可以解决的了，对以上的问题4，需要去探索出前沿的这些交叉复杂性问题，打造出来产品的MVP版本。中台在这方面具有先天的优势，从以上架构图可以看到，中台日常就会调用后台的各种基础服务，是从全局的角度来看待问题和设计系统，找到最本质的流程去设计，然后承接前台各个业务线的需求，输出通用优质的产品框架和个性化方案，落地即是当前最优解； 中台事实上承担了各个业务支撑器的作用，支撑着多个部门和系统，由中台牵头，以业务的核心数据指标为优化目标，以“小中台大前台”的方式，可以更高效的设计出MVP最小可用版本进行小范围验证，再通过PMF适配客户进行落地，以此来解决复杂交叉的企业问题，同时以此推理，对于新的产品创新这个路径同样具备可行性，中台理论上可以以MVP和PMF为抓手，作为创新中心进行存在，根据顶层战略需要，提前预判业务发展方向，在中台层面探索新的产品方案建设，为业务探索前沿的产品能力建设，主动去解决复杂问题，既能开疆拓土，也能打扫后院。 ## 四、写在最后 在行业来看，无论是阿里、字节、美团、SHEIN等企业内部中台建设，无非也是以上几种，效果也是有好有坏，比如美团以产品中台统一外卖、到店、酒店和旅行等用户体系和交易流程，字节的APP工厂的成绩，也有大厂的中台偏离业务导致总是落后一步。中台首先是管理方法，其次才是软件方法，希望我们的视野更加广阔，兵无常势，水无常形，产品经理的角色必须为始终产品的价值埋单才是唯一正途，回归常识而不是虚名，从最本质的东西出发才是最有力量，希望这篇文章能对你有所启发。 本文由@大风吹 原创发布于人人都是产品经理。未经许可，禁止转载。 题图来自 Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。提供信息存储空间服务。

2025年2月5日，截止收盘，沪指跌0.65%，报收3229.49点；深成指涨0.08%，报收10164.22点；创业板指跌0.04%，报收2062.92点，两市成交额较上一交易日增加1716.8亿元，合计成交12895.52亿元。

<blockquote><p>微信输入法在经历20多个版本更新后，终于加入了删除功能，这一看似简单的改进引发了对输入法设计和用户体验的深入思考。本文将从微信输入法的背景、功能优势以及市场定位出发，探讨其在输入法市场中的独特价值。</p> </blockquote>  最近下载了微信输入法，在经过一段时间的使用后，觉得好像也还不错，但有一天突然发现一个问题：没有删除功能。好奇的我查了一下微信输入法的版本，发现有 20 多个了，然后在最新的 1.2.1 版本中才更新了这个功能。  ## 一、微信输入法是什么 在说到微信输入法前，应该先知道下 QQ 输入法，在2007年11月20日推出的汉语拼音输入法，后被被并入搜狗输入法。在现代的各种应用中，输入是一个最大的前提，无论是社交工具，还是游戏，还是其他的操作。在当今环境中，语音输入、动作输入、思维输入还未能进行普及和大规模应用，所以手打输入目前一定是最好的对接桥梁。 当今，腾讯没有了自己主打的输入法，对于用户输入习惯的输入、数据、模型其实已经丧失了主动权。如果是要做自己的生态圈，并且保证上下游都能有自己主控的应用，那么必须要在每一个环节都要有自己的话语权。腾讯主打的是社交，对上有微信啊、QQ 邮箱、王者荣耀、公共事业服务等内容，对下有数据、模型等基础服务加持。 所以微信输入法是一个更好的承接之物，上下做关联。 如果只是一个输入法，那其实没什么太特殊的，但如果把输入放到关键环节，那么就是在补齐生态圈的概念。小可小，只是一个输入法；大可大，解决关联关系。  ## 二、为什么微信输入法会“更好用” 现在的输入法都是什么？基础 的核心还是打字，做输入的动作。如果个说要在这个输入的操作上增加三个灵巧点： **输入更便捷：**微信输入法推出的【拼写 Plus】 功能，里面不光有常规的26 键和九宫格，手写、笔画、五笔。键盘大小方面，支持自定义调节。还有单手模式，左右撇子都照顾到。嗯，还有表情开关。  **关联推荐：**微信输入法在触发到一些关键词的时候会进行推荐，这个是借用输入法打通了自媒体传播和电商两个领域。我先尝试了下我自己的公众号《产品经理有话说》，没有搜到，然后我又尝试了其他就几个也不行。和后面换到了知名的就有结果了。但这里有个小小的问题，是需要精准匹配，然后不能有其他的词，还需要稍等下让 AI 来识别。所以这个交互的操作还有待优化。  **不用多场景重复：**打字最怕的是什么？是麻烦，那么对于陌生词，很大的时候需要重复一次两次三次的要去一一确认，特别是在会议的时候，一个词穷就会导致一句话没有记住，甚至可能就是一个关键内容丢失，这多尴尬？这还只是尴尬，但万一是领导的名字打错字了，这都不是尴尬的事情，甚至。。。对吧。 以上三个点都是从应用说来说微信输入法的优势，其实我觉得微信输入法还有另外一个目的：联动。所谓联动，就是指我可以在A终端上下达命令，然后通过指令传达给 B，而不需要再到 B 上进行单独的操作哦哦。比如在手机上闹钟的设定，就可以在微信输入法里，打一个/闹钟：明天早上8点，收拾东西去火车站。 能不能实现，和怎么实现不是现在要考虑的问题，现在微信输入法需要先把上下游的生态打通，能够获取的权限，能够做到关联，才可以进行。不然微信输入法再怎么折腾，还只是围绕输入法做文章，那也就没必要在做一个输入法，保持 QQ 输入法就可以了。就像在 QQ 之后，推出了TMQQ来切入到企业应用中，后续又推出了企业微信。 做一步看一步是常规的做法，但是做一步规划三步和预备五步才是一个商业化执行的能力。不要只看眼前，要多考虑下未来。 ## 三、如何看待在输入法的市场上的新兵 输入法有很多，比如搜狗输入法、百度输入法、QQ 输入法、谷歌输入法、微软输入法、讯飞输入法、华语输入法（原紫光拼音），为什么微信输入法能够突然热起来，仅仅是因为挂了一个微信？那 QQ 输入法也是腾讯的啊？  ## 四、如果我作为微信输入法的产品经理，我会从两个角度来考虑 ### 1、现有的市场如何破局 首先，微信输入法更新了一个概念就是跨设备。也就意味着我在电脑端打字的习惯会带到手机上来（两者需要都安装微信输入法，并且账号登录，并且授权改功能）。跨设备解决的最明显的一个问题是：有些我常用的词、句，我会作为常用定义，但其他的输入法在不同的设备上都需要重新在打一次。就比如说人名。我们都知道很多的词在第一次输入的时候，需要逐字确认，这样后面才能准确的打出来。但在 PC 端上打完了，手机端还得在打一遍，这不就很烦神嘛。 其次，微信输入法还是沾光了微信。微信本身就是要做生态圈，那么在微信这个社交的点上要做好上下游直接的关联。微信把小程序已经融合了，以微信为载体，包容了更多的应用。微信还在拓展视频领域、电商领域，这俩效果不好，但一直都有在做。那么下一步输入法就是一个新的突破点，这是一 个竞争对手不太对，壁垒也不太高的领域。而且有 QQ 输入法为基础，并不是从0开始。 ### 2、竞争的优势如何量化 微信输入法有什么：流量。这就是新品推向市场最大的优势。之前游戏圈有一句名言：暴雪出品，必属精品。同样微信也是这个“道理”，虽然腾讯也出了很多一般的产品，但架不住腾讯体量大啊，有任何的应用，都可以先搞出来一波浪潮。 新媒体时代曝光也是一种量化，而且微信有这个招牌，新品推出来后，势必会有很多人去评测，很多人会发帖、发公众号、发视频来讲解，然后就可以开始传播，然后进行吸引更多的人去试用。很多人都在会在原本已有输入法的情况下再下载一个新输入法：微信输入法，去体验，去尝试。用起来逐步习惯，然后就会保留，用的越多，绑定在自己的账号上。越多的投入，就会增加越多的成本，用户就会越深入的绑定《用户上瘾模型》。 ## 五、作为产品经理，如何看待下一代输入法 输入法，在我上学的时候我记得是用紫光拼音，同时还在学习五笔输入法，但遗憾的是五笔输入法我没学会。后面开机经历了各种QQ 输入法、百度输入法、搜狗输入法，从基础的全拼、简拼打字，到后面的内容关联、上下联想，然后再到后面的动态表情、AI 关联。输入法，已经不再是一个简单的输入法，而是人机之间的交互承载点。 未来，输入法的形态必然是动态语音加持，AI 模型作为服务层，多端协同+界面承载。 - **动态语音加持：**打字是一个常规的操作，很多的时候打字是一种状态，但输入的方式有很多，打字只是一种。未来语音输入会更贴合实际，就像今天这写篇文章初稿大概会有三千字，哪怕是我全心投入，也要一个多小时，但语音可能就十几分钟。无论是效率还是更多思维方式的拓展，都会是更好的方式。这里说的动态语音加持，是指一种更好的应用，而不只是语音输入，还会包括动作，感知。就像夏天回到家之前说提前打开空调，不是手动打开空调应用 APP，而是通过对话交互。 - **AI 模型：**输入的概念是什么，目前是根据指令得出结果，也就是说我想要打出来一个字，结果就是一个字；打出来一组词的简拼就出来这组词。但未来的模式是，可以根据我前面起的头，自动延伸出后面的一段。是能够跟随我前面的指令自动延伸出来后面，而无需我逐字敲打下去。并且还可以根据指令，比如/配图，会自动根据前面的内容生成一幅对应内容的图，或者图表，或者数据集。 - **多端协同：**微信现在的多端协同和华为的鸿蒙万物互联是一个概念，既在一个应用上做结果，多个应用终端可以相应。包括但不局限于手机/电脑上输入，然后在手表、眼镜、耳机，和电视、冰箱、微波炉、门锁等能够同步指令。就像前面说的/配图，如果是把/更换为对应电子闹钟的接受，那在输入的时候下指令明天 8 点提醒开会，电子闹钟就会接收，并且自动设定成功。 - **界面承载：**显示，如何显示，是未来界面的一个承载的关键。输入法的界面在于显示，但还有一个问题，能够做到多端互通，并且能够相互的承载。就像前面说的多端协同，如果很多人会在浴室洗澡的时候想出来很多的点子，和一些需要即兴的内容，那么在这个时候怎么记录下来呢？一个防水的录音笔？但，好像也不是很方便，而且录音笔只能录，也没办法显示，更没办法修改，后面得导出到其他的应用上，然后在转为文字。一忘，怕就是忘记了。如果能够多端协同，内容直接同步显示，并且即时调整，会不会更好？ 关于概念，其实有很多的方式，这里要考虑最重要的一点：如何落地。输入法作为一个内容的承载，不光是要考虑如何做输入，还要考虑如何去做承载，并且还得结合终端做应用。输入的方法有很多，依靠打在未来很长的一段时间都不会消失，毕竟这是一种根本的形式。就像写字一样，即便是现在互联网现在这么便利，但写字这个还是会在各种场景中使用，但相应的会减少，但在相应的场合还依然有必然的存在。 最后：作为产品经理来说，任何的产品都是有价值的，哪怕是当前的市场已经充满了对手和技能，但通过细分，通过当前赛道的深耕依然可以找到新的突破口。但价值不代表该产品具有商业性，作为产品经理，还需要考虑营收的问题，也就是如何在已有的市场环境中找到上下游之间的关联，它的利润点在哪里，要怎么诞生，我是否有能力去掌控。 **专栏作家** 老虎~色，公众号：产品经理有话说，人人都是产品经理专栏作家。13年产品经理经历，涉及商业设计、业务转型、产品架构定义、个成成长等方面。自学AIGC落地应用，目前在鸿蒙场景做产品服务工作。 本文原创发布于人人都是产品经理。未经许可，禁止转载 题图来自 Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

在中国市场站稳后，华为手机开始重回全球，而官方已经宣布了新的动作。华为手机今日宣布，2月18日将马来西亚吉隆坡举行产品发布会。**虽然官方没有透露太多的内容，但华为的新折叠屏产品Mate X6的广告牌之前已出现在中国香港、迪拜和吉隆坡等国际化都市的核心位置，这预示着华为回归全球市场的决心。** 由于先进工艺限制和Android系统禁令，华为手机的发展一度受阻，尤其是在2020年美国制裁加码后，其在海外市场面临供应短缺的局面。 不过，随着Matet 60系列的横空出世，华为手机已经转危为安。 **对于上述行为，有供应链人士表示，华为手机重回全球市场是早晚的事，其已基本不受美国的制裁的影响。** [](//img1.mydrivers.com/img/20250205/1229b51ace0f43428f1cffd2d6ad8cc7.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1476200.htm)

OPPO预告全球最薄折叠屏Find N5将于两周后正式亮相。这款新品搭载高通骁龙8至尊版移动平台，**是全球第一款骁龙8至尊版折叠屏，也是迄今为止性能最强悍的折叠屏旗舰。** [](//img1.mydrivers.com/img/20250205/587904655c5841fdbb45e075d11d2f52.png) 不止于此，OPPO Find N5还做到了全球最薄设计，**折叠态厚度不到9.2mm，单边厚度在4mm左右，刷新了折叠屏的厚度纪录。** [](//img1.mydrivers.com/img/20250205/81727005a6264cb8aa014f41964d5617.jpg) 在做到全球最薄的同时，Find N5还支持了IPX6、IPX8、IPX9满级防水，是全球第一款拥有满级防水能力的折叠屏旗舰。 另外，Find N5还支持50W无线充，官方承诺“以后Find系列机型都将标配无线充”。 OPPO周意保介绍，Find N5采用了超薄的定制无线充电线圈，厚度仅有0.18mm，比常规的0.3mm无线充电线圈更薄，经实测，该折叠屏能够无缝支持比亚迪、蔚来、极氪、坦克、岚图等众多汽车的无线充电。 [](//img1.mydrivers.com/img/20250205/e1bb30a061414704bd8011cf447f1b49.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1476198.htm)

据央视新闻报道，近期，随着返程客流迎来高峰，多地也出现雨雪天气。在高铁站台候车时，有网友认为铁路接触网电压高达2.75万伏，打伞存在触电风险，也有网友认为可以打伞。这种担心到底有没有道理呢？铁路人员给出了详细说明。 据国铁南昌局福州供电段供电技术科科长 胡文明介绍，**晴好天气下，旅客撑伞金属伞尖或携带的金属物品只要离开接触网一个手臂的距离就是安全的。** 如果在雨天出行，撑伞金属伞尖或携带的金属物品应尽量远离接触网带电体，**与接触网带电部分的距离不能小于2米。** 同时，国铁南昌局福州供电段供电技术科科长 胡文明表示：高铁站台打伞造成触电必须有许多先决条件，比如，站台地面有大量积水、旅客撑的伞是导电的金属伞尖、离接触网太近。 国铁南昌局福州供电段安全科科长 冯天介绍：我们建议旅客在雨天尽量穿戴雨衣或使用防水外套，避免在站台上打伞。 如果确实需要使用雨伞，可以使用折叠伞，避免金属伞尖靠近接触网带电范围。 此外，出于安全和乘车秩序的考虑，铁路部门不提倡在高铁站台打伞的。如果站台有“禁止打伞”的标志，旅客朋友切勿使用雨伞。  特别是春运客流高峰期间，站台上人流密集，打伞会进一步增加拥挤和混乱的风险，打伞还容易遮挡视线，影响他人通行，甚至可能发生碰撞、剐蹭等事故，引发纠纷。 并且，高铁站台打伞存在安全风险。当列车进出站时，由于旅客和列车之间的空气流动速度快，气压小于周围气压，形成了把旅客往列车方向的推力。**这股推力可能把雨伞甚至旅客吸向列车，造成安全事故。** [查看评论](https://m.cnbeta.com.tw/comment/1476196.htm)

对于AI圈来说，这个春节是DeepSeek冠名的春节。所有人都在讨论它，DeepSeek成了前所未有出圈的AI产品和公司。这种讨论伴随着中美竞争、美股暴跌、神秘天才与暴富流言等大家喜闻乐见的话题，不可避免的走向了神化/妖魔化的方向。 **但DeepSeek的研究员们怎么样了？他们在忙些什么？** 虽然这是个极其低调的公司，但同时作为一家鼓励自己的科学家获得学术成就，尤其是被其他人follow的成就感，以及以极致的开源为根基的AI研究公司，DeepSeek的年轻科学家们其实在社区里也很活跃，他们是一个个具体而鲜活的研究员。 与那些夸张或臆想的文章获得的大量关注不同，这些研究员们的一手讨论与分享往往阅读量很少。但对于真正想要了解这家公司的人来说，与其想象，不如看看这些研究员们真实的分享。 1 **“乐子人”和“Infra团队里随便一个人”们** 在X上做些搜索和研究，你会发现，最明显的感受是，DeepSeek的研究员们没有OpenAI或者其他明星研究员那种浓浓的PR味儿。这些账号充满人味。 比如，认证为DeepSeek机器学习和多模态研究员的刘星超，给自己的简介是“乐子人”。  根据公开资料，他博士毕业于德克萨斯大学奥斯汀分校，目前是DeepSeek多模态组成员。他一直在Twitter上分享自己的工作，像每个研究员那样，关注着大佬的反馈。他参与的DeepSeek多模态模型JanusFlow被知名AI学者谢赛宁转发，当在他的分享下方，有人提到对模型的target encoder的好奇时，他直接回复对方。这些分享在当时并不会被很多人看到，但却是研究员们的日常。  这些DeepSeek研究员们的账号还有个共同特点，他们都在关注着同行的工作，并为他们点赞，有时候也好奇追问。 在爆火之前，很多时候他们跟我们这些普通关注者一样，发出的信息石沉大海。 邵智宏实习期间成为DeepSeek Math的核心作者之一，后来参与了R1等模型开发，他在Twitter上不停给o1和Gemini的成果点赞，给这些团队留言祝贺，像极了我们关注AI各种进展的每个普通人。 而在DeepSeek火了以后一切也发生了变化。 邵智宏在发布DeepSeek Coder模型时的转发，阅读也只有2000多。  而R1终于一朝成名天下知，他随便转发就有几十万的阅读。 于是这些习惯于简洁明了做学术交流的推文以及回复，也开始带上能力宣示的意味。 DeepSeek基础设施团队的许哲安在V3因成本而引发热议后在Twitter的一句简单回复，得到4.6万的阅读。  “你们真的只用了2000个H800就做出了这个模型？” “yes” 而他给自己的简介是“基础设施团队里随便一个人”。  在努力之后，他们确实得到了梁文锋在专访里所说的，被follow的成就感。 2 **不懂RL的数学天才分享在DeepSeek的研究方式** 另一个直观感受是，这些研究员的背景很不一样。此前有接近DeepSeek的人分享的招聘经历称，DeepSeek喜欢找复合背景，尤其基础学科的人才。 而在关于DeepSeek的技术报告的讨论里，有人形容其中公式简洁明了，把SFT和大多数的RL类型统一到了一个公式里。这种对算法的理解——所有这些训练方法是事实可以被构建为同一个数学原理，是简洁而美妙的。  很多人认为这最终是依靠数学的品味。 而参与了DeepSeek几代重要模型的Peiyi Wang则在Twitter上，直接分享了自己的研究历程： “去年我加入DeepSeek，没有任何强化学习经验。在进行 Mathshepherd 和 DeepSeekMath 研究时，我独立推导出了这个统一公式，以了解各种训练方法。感觉就像是一个“顿悟时刻”，尽管我后来意识到这些就是Policy Gradient（策略梯度）。”  这种思考体现在DeepSeek的好几个模型里：不拘泥于现有的思路，不拘泥于RL或者任何已有的算法分类带来的约束，从模型能力本身来思考。梁文锋也曾提到，DeepSeek最重要的一个架构创新MLA，就是一个年轻人“在总结出Attention架构的一些主流变迁规律后，突发奇想去设计一个替代方案”。 和其他研究员一样，翻看Peiyi Wang的Twitter，他也一直在和社区交流自己的研究，而在DeepSeek被更多人关注到后，他第一时间分享的是好奇心。把真实情况分享给社区的开源精神明显。这种分享在今天越来越不说人话创造大词的AI圈里，能带来十分难得的接地气的讨论。 3 **对DeepSeek 内部来说，超越ChatGPT有多重要** 大部分时候，这些研究员在各自关注自己关心的领域，但最近他们有个共同的庆祝时刻： 超越ChatGPT。 多个研究员转发了DeepSeek的app登顶应用商店并超过ChatGPT的新闻。 “每一次突破都提醒我们，还有很多东西需要学习和改进。让我们一起继续突破界限！” “这个时刻对我来说简直太现象级了。”潘子正写到。此前他在英伟达的导师曾分享过他的经历，曾在英伟达实习的潘子正在2023年却毅然决然回国加入了当时只有3人的DeepSeek多模态团队。现在这个决定带来了兑现的时刻。  从这些反应也可以看出来，对于内部来说，瞄准和超越OpenAI是一个多么关键的历史时刻，对他们来说意义有多重大。 而在OpenAI传出对DeepSeek的蒸馏指控后，这些研究员也做出了隔空回应：  “鲸鱼帮每个人提前蒸馏好了。好笑吧。”刘星超写到。这也是少有的带有火药味的回应。在R1系列的技术报告里，DeepSeek用R1系列模型为Qwen等更小模型做好了蒸馏，供社区直接使用。 从这些分享也能看出，在内部，战胜一次OpenAI对他们来说有多重要。 另一个最近让这些研究员纷纷转发的，是对一个虚假账号的辟谣。一个冒充梁文锋的账号在Twitter出现，还得到大量关注。  “这不是我们的文锋”，多个DeepSeek研究员忙于转发辟谣。能看出DeepSeek最近爆火后的困扰。 从这些研究员的分享看，R1系列的发布原本就是一个春节礼物。但看起来这个效果出乎他们自己的预料，也加速了他们和OpenAI的继续竞争。 “春节期间让我最兴奋的事情，是亲眼见证了 R1-Zero 模型性能曲线的 持续增长，并真正的感受到强化学习的力量。”DeepSeek研究员郭达雅在Twitter上感慨。他2023年刚刚博士毕业，参与了DeepSeek一系列数学和代码的模型工作。 而他也由此开始做了一次难得的小型问答，并被大家以对待OpenAI自己爆料的规格对待，认为这是难得的剧透。在几个问答里，透露了一些令人兴奋的信息。 —— “想问下模型的性能持续提升能持续多久呢？现在是早期阶段吗？DeepSeek的RL模型是像GPT-2时刻一样还是已经到GPT-3.5这种比较成熟的阶段，快到瓶颈了？” 郭达雅：“我觉得我们还处于非常早期的阶段，RL领域还有很长的路要探索。但我相信今年会看到显著的进展。” —— “基于 R1-Zero 的性能，如何评估模型是真的具备了泛化能力，还是仅仅记忆了状态转换和奖励 ？” 郭达雅：“我们使用 RL prompt 未覆盖的领域的基准来评估泛化能力。目前来看，它似乎具备泛化能力” ——“这次 RL 训练跑了多久？” 郭达雅：“660B 参数的 R1-Zero 和 R1 是在 V3 发布之后才开始跑的，训练大约花了 2-3 周。之前我们提到的 R1 模型其实是 R1-Lite 或者 R1-Lite-Zero” —— “你们有没有尝试用 RL 来搞 形式化证明环境，而不是只做问答对？今年如果有开源模型能在 IMO 拿金牌就好了。” 郭达雅：“我们也在尝试将 R1 应用于 Lean 这样的形式化证明环境。我们希望尽快向社区发布更好的模型” ——“下一个模型更新？” 郭达雅：“我们并不确定模型会在何时更新，因为它取决于实验的进程。我们没有设置deadline。但当模型有显著的进步时，一般我们自然就会做发布和更新。”  这些回答信息量巨大，更重要的是，它们显得十分真诚，都关乎DeepSeek的核心技术和发展方向，回答也都围绕技术本身，没有故弄玄虚，没有在刻意用那些AGI的叙事去收获泡沫式的关注，讨论的都是具体而真实的研究。 此前，前OpenAI的研究员Andrej Karpathy 曾说，今天AI界真正在改变世界的爱因斯坦们，可能在架构表里藏在CEO以下5层。 从对DeepSeek的组织形态的各种研究来看，这是一个极其扁平的组织，有OpenAI和英伟达的味道，不论层级，可以直接像CEO汇报，也可以跨部门打散整合，因此不同模型能力也可以随时因重要的创新而共同协作。 而对于一个注定要影响人类未来的技术，把它交给每天都有新的莫名其妙的新名词出现的团队，和把它交给看起来依然是热情洋溢的鲜活的个体的团队，后者可能更能让普通人对关键的话题参与进去。 这些具体在做着自己相信的研究的年轻AI科学家，看起来确实在改变着世界。 [查看评论](https://m.cnbeta.com.tw/comment/1476194.htm)

一个年过完，许多人的微信里都多了一个**好友**。与一些陪伴大家多年从不回复的沉默工具号不一样，这是一个事事有回应的AI助手。虽然除夕夜的发红包高峰已过去，但不断有网友晒出它的“**隐藏菜单**”。   根据身边统计学，有人是通过做好的红包封面里附赠了对联，**发现这个封面助手还有对话功能**！  也有人是手滑把文章链接发错给它，却意外收获一份**AI总结**。  许多人与它初识是在“**制作我的专属红包封面**”这里。  但除夕夜、初五两波发红包的高峰期已经过去，“元宝红包封面助手”不但留在了大家的好友列表中，甚至有人把它设为了置顶。  一个红包封面助手凭啥让大家被种草？这就来体验一波～ 实测元宝红包封面助手 微信搜索“元宝红包封面助手”就能加它微信，以**微信好友**的形式聊天。  先来展示一下它原本的功能——生成红包封面。  只需输入简单的主题词，比如“天天开心”，它便能自动生成精美的绘图，并搭配由关键词组成的祝福语等，制作成独特的红包封面。  过年拜年那会儿，这个功能的确蛮实用，没什么门槛，从没接触过AI的长辈也能玩得来。 抓马的是，网友无意中发现这玩意不仅能生成红包封面，还有各种花式玩法。 谁说过完年就没用了，过完年接着用可太棒了。  自动总结各种资料 比如，甩给它一个链接，一个做红包封面的竟然支棱起来秒秒钟自动生成总结，不需要额外prompt。  连纯链接也没放过：  想让它给你读什么？随手一个**转发**就行了！  生成各种图片表情包 除了做总结摘要，它还能帮你“斗图”，生成各式各样的图片、表情包。  “文字”生成准确率那是相当高：  而且，你和它对话还**可以直接****发语音**，解放双手，亲测一些**方言**它也能听懂（doge）。  这些个功能压根没法完全展现这个红包封面助手的实力，它还有更多玩法。 答疑解惑，情感陪伴 元宝红包封面助手具备**全网搜**的能力，遇到各种问题你都可以骚扰它。 比如不知道吃什么让它推荐，不会做饭让它教：  想看电影，但不知道看什么，也能喊它参谋一下。  再比如，问它天气怎么样？替大家查过了，确实挺准，不是胡编乱造的。   再再比如你还可以让它帮忙算算星座运势。（不准！恋人在哪？？？哪有恋人？？？ ）  甚至你还可以让它陪你玩梗：  总之，**你和它是微****信好友关****系，联系起来不能再方便了，**遇事不决都能找它，而且完全不用担心它没空，都是秒回的。 在角色设定上，对比一些智能客服的刻板印象，“元宝红包封面助手”很有人味儿。 没有机械的“您好，我是您的AI助理”，开口就是“宝儿”，同它对话陪伴感、情绪价值拉满。  玩了一番，咱只想说，赶紧把人家名改改吧，叫红包封面助手太局限了。 好友列表，AI应用的新想象空间 进入2025年，AI圈充满了意外，一些**看似简单但贴近生活**的AI应用往往能有超预期的收获。 就像在CES上意外爆火的AI陪伴玩具，以及这个春节收到关注的“元宝红包封面助手”，它们的共同点都是通过低门槛、贴地气的使用场景，不需要改变人类习惯，不需要教育用户认知。  这或许预示着，如今的AI应用正呈现出“场景化”的大趋势。对普通用户而言，那些能切实解决生活中实际问题、润物细无声地提供帮助的AI助手，才更容易被接受和喜爱。 接下来，强烈期待元宝红包助手能有更多功能，别藏着掖着啦，比如也能接打电话什么的，常驻好友列表。 在移动互联网时代，微信早已成为大众应用。如今，**这个连接着亿万用户的APP或许将成为AI普惠的最佳载体**。 [查看评论](https://m.cnbeta.com.tw/comment/1476192.htm)

机器人界“球星”竟被CMU英伟达搞出来了！科比后仰跳投、C罗、詹皇霸气庆祝动作皆被完美复刻。2030年，我们将会看到一场人形机器人奥运会盛宴。机器人版科比、詹皇、C罗真的来了！只见“科比”后仰跳投，在赛场上大杀四方。   “C罗”和“詹姆斯”也纷纷展示了自己的招牌庆祝动作。   以上这些还只是开胃菜，这款人形机器人还会侧跳、前跳、前踢、右踢，甚至能够完成深蹲、腿部拉伸等高难度动作。       更惊艳的是，它还会跳APT舞，非常嗨皮。 比起波士顿动力Altas，如今人形机器人早已进化到人们难以想象的样子。正如Figure创始人所言，人形机器人iPhone时刻即将到来。 那么，能够成为“机器人界的科比”，究竟是用了什么魔法？ 来自CMU和英伟达的华人研究团队重磅提出ASAP，一个“real2sim2real”模型，能让人形机器人掌握非常流畅且动感的全身控制动作。  项目主页：https://agile.human2humanoid.com/ 论文地址：https://arxiv.org/abs/2502.01143 开源项目：https://github.com/LeCAR-Lab/ASAP 它包含了两大阶段——预训练和后训练。 在第一个阶段中，通过重定向的人体数据，在仿真环境中预训练运动跟踪策略。 在第二阶段，将这些策略部署到现实世界，并收集真实世界数据，训练一个delta动作模型，来弥补动力学差异。 然后，ASAP把这个delta动作模型集成到仿真器中，对预训练策略进行微调，让它和现实世界的动力学更匹配。 英伟达高级研究科学家Jim Fan激动地表示，我们通过RL让人形机器人成功模仿C罗、詹姆斯和科比！ 这些神经网络模型，正在英伟达GEAR实验室的真实硬件平台上运行。  在网上看到的多数机器人演示视频都是经过加速处理的，而我们特意“放慢动作速度”，让你能清晰观赏每个流畅的动作细节。 我们提出的ASAP模型采用了“真实→仿真→真实”方法，成功实现了人形机器人全身控制所需的超平滑动态运动。 我们首先在仿真环境对机器人进行预训练，但面临众所周知的仿真与现实差距：人工设计的物理方程难以准确模拟真实世界的动力学特性。 我们的解决方案简明有效：将预训练策略部署到实体机器人采集数据，随后在仿真环境回放动作记录。虽然回放过程必然产生偏差，但这些误差恰恰成为修正物理差异的关键数据源。通过额外神经网络学习差异参数，本质上是对传统物理引擎进行“动态校准”，使机器人能依托GPU的并行计算能力，在仿真环境中获得近乎真实的大规模训练体验。 未来属于混合仿真时代：既继承经典仿真引擎数十年锤炼的精准优势，又融合现代神经网络捕捉复杂现实世界的超凡能力，实现两者的协同进化。 一直以来，sim2real是实现空间与具身智能的主要路径之一，被广泛应用在机器人仿真评估当中。 而real2sim2real直接打破了繁琐的动作微调的难题，弥合sim2real的差距，让机器人能够模仿各种类人的动作。  Jim Fan对此畅想道，2030年的人形机器人奥运会一定会是一场盛宴！  有网友期待地表示，真想看看它们打拳击的表现。  **01 ASAP，机器人奥运会不远了** 由于仿真环境和现实世界的动力学差异，人形机器人想实现敏捷又协调的全身运动仍是巨大的挑战。 现有方法，如系统识别（SysID）和域随机化（DR）通常要花大量时间调整参数，或者生成的策略过于保守，动作不够敏捷。 本文提出了ASAP（Aligning Simulation and Real Physics）是一个两阶段框架，旨在解决动力学不匹配问题，实现敏捷的人形机器人全身动作。 ASAP实现了许多以前很难做到的高难度动作，展现出delta动作学习在缩小仿真与现实动力学差距方面的潜力。 ASAP为“sim-to-real”提供了一个很有前景的方案，为开发更灵活、更敏捷的人形机器人指明了方向。  ASAP具体步骤如下： 运动跟踪预训练与真实轨迹收集：先从真人视频中提取动作并重定向到机器人上，预训练多个运动跟踪策略，生成真实世界的运动轨迹。 Delta动作模型训练：基于真实世界轨迹数据，训练Delta动作模型，缩小仿真状态与真实世界状态之间的差异。 策略微调：Delta动作模型训练完成后，将其集成到仿真器中，使仿真器能匹配真实世界的物理特性，随后对之前预训练的运动跟踪策略进行微调。 真实世界部署：最后，直接在真实环境中部署微调后的策略，此时就不再需要Delta动作模型了 。 **02 两阶段：预训练+后训练** ASAP包含两个阶段：预训练阶段和后训练阶段。 在预训练阶段，研究团队将真人运动视频作为数据来源，在仿真环境中训练动作跟踪策略。 先将这些运动数据重定向到人形机器人上，然后训练一个基于相位条件的运动跟踪策略，让机器人模仿重定向后的动作。然而，如果将这一策略部署到真实硬件上，由于动力学差异，机器人的性能会下降。  为解决这一问题，在后训练阶段需要收集真实世界的运行数据，包括本体感知状态，以及由动作捕捉系统记录的位置信息。随后，在仿真环境中回放这些数据，动力学差异就会以跟踪误差的形式表现出来。 接着，训练一个delta动作模型，通过缩小真实世界和仿真状态的差异，学习如何补偿这些偏差。这个模型实际上是动力学误差的修正项。  最后，研究者借助delta动作模型对预训练的策略进行微调，使其能够更好地适应真实世界的物理环境，从而实现更稳定、敏捷的运动控制。 总的来说，这项研究的贡献如下： 提出ASAP框架：运用强化学习和真实世界的数据来训练delta动作模型，有效缩小了仿真与现实之间的差距。 成功在真实环境部署全身控制策略，实现了不少以前人形机器人难以做到的动作。 仿真和现实环境中的大量实验表明，ASAP能够有效减少动力学不匹配问题，让机器人做出高度敏捷的动作，同时显著降低运动跟踪误差。 为了促进不同仿真器之间的平滑迁移，研究者开发并开源了一个多仿真器训练与评估代码库，以加快后续研究。 **03 评估** 评估中，研究人员针对三种策略迁移进行了广泛的实验研究：IsaacGym到IsaacSim、IsaacGym到Genesis，以及 IsaacGym到真实世界的Unitree G1人形机器人。 接下来，他们一共回答了三个问题。 **Q1：ASAP能否优于其他基线方法，以补偿动力学失配问题？** 表III中的定量结果表明，ASAP在所有重放动作长度上都持续优于OpenLoop基线，实现了更低的Eg-mpjpe和Empjpe值，这表明与测试环境轨迹的对齐程度更好。  虽然SysID有助于解决短期动力学差距，但由于累积误差的增加，它在长期场景中表现不佳。 DeltaDynamics在长期场景中相比SysID和OpenLoop有所改进，但存在过拟合问题，这从下图5中随时间放大的级联误差可以看出。 然而，ASAP通过学习有效弥合动力学差距的残差策略，展示出了优越的泛化能力。 同时，作者在Genesis模拟器中也观察到了类似的趋势，ASAP相对于基线在所有指标上都取得了显著改进。 这些结果强调了学习增量动作模型，在减少物理差距和改善开环重放（open-loop replay）性能方面的有效性。  **Q2：ASAP能否在策略微调方面，优于SysID和Delta Dynamics？** 为了解决问题2，研究人员评估了不同方法在微调强化学习策略，以提高测试环境性能方面的有效性。 如表IV所示，ASAP在两个模拟器（IsaacSim和Genesis）的所有难度级别（简单、中等和困难）中都持续优于Vanilla、SysID和DeltaDynamics等基线方法。 对于简单级别，ASAP在IsaacSim（Eg-mpjpe=106和Empjpe=44.3）和Genesis（Eg-mpjpe=125和Empjpe=73.5）中都达到了最低的Eg-mpjpe和Empjpe，同时具有最小的加速度（Eacc）和速度（Evel）误差。 在更具挑战性的任务中，如困难级别，最新方法的表现依旧出色，显著降低了运动跟踪误差。 例如，在Genesis中，它实现了Eg-mpjpe=129和Empjpe=77.0，大幅优于SysID和DeltaDynamics。 此外，ASAP在两个模拟器中始终保持100%的成功率，而DeltaDynamics在更困难的环境中的成功率较低。  为了进一步说明ASAP的优势，研究人员在图7中提供了逐步可视化比较，对比了ASAP与未经微调直接部署的强化学习策略。 这些可视化结果表明，ASAP成功适应了新的动力学环境并保持稳定的跟踪性能，而基线方法则随时间累积误差，导致跟踪能力下降。 这些结果突显了，新方法在解决仿真到现实差距方面的鲁棒性和适应性，同时防止过拟合和利用。 研究结果验证了ASAP是一个有效的范式，可以提高闭环性能并确保在复杂的现实场景中可靠部署。  **Q3：ASAP是否适用于sim2real迁移？** 针对第三个问题，研究人员在真实的Unitree G1机器人上验证了ASAP的有效性。 由于传感器输入噪声、机器人建模不准确和执行器差异等因素，仿真到现实的差距比模拟器之间的差异更为显著。 为了评估ASAP在解决这些差距方面的有效性，他们在两个代表性的运动跟踪任务（踢腿和“Silencer”）中比较了ASAP与Vanilla基线的闭环性能，这些任务中存在明显的仿真到现实差距。 为了展示所学习的增量动作模型对分布外运动的泛化能力，作者还对勒布朗·詹姆斯“Silencer”动作进行了策略微调，如图1和图8所示。  结果表明，ASAP在分布内和分布外的人形机器人运动跟踪任务中都优于基线方法，在所有关键指标（Eg-mpjpe、Empjpe、Eacc和Evel）上都实现了显著的跟踪误差减少。 这些发现突显了ASAP在改进敏捷人形机器人运动跟踪的仿真到现实迁移方面的有效性。  再接下来，研究人员就三个核心问题来全面分析ASAP。 首先是，如何最好地训练ASAP的增量动作模型？ 具体来说，他们研究了数据集大小、训练时域和动作范数权重的影响，评估它们对开环和闭环性能的影响，如下图10所示，给出了所有因素下的实验结果。  其次，如何最好地使用ASAP的增量动作模型？ 如下图11所示，强化学习微调在部署过程中实现了最低的跟踪误差，优于免训练方法。 两种无强化学习的方法都具有短视性，并且存在分布外问题，这限制了它们在现实世界中的适用性。  **Q6：ASAP为什么有效以及如何发挥作用？** 研究人员验证了ASAP优于基于随机动作噪声的微调，并可视化了Delta动作模型在各个关节上的平均输出幅度。 调整噪声强度参数，能降低全局跟踪误差（MPJPE）。  图13可视化了在IsaacSim训练得到的Delta动作模型的平均输出，结果揭示了不同关节的动力学误差并不均匀。踝关节和膝关节的误差最显著。  **04 作者介绍** **Tairan He（何泰然）**  共同一作Tairan He是卡内基梅隆大学机器人研究所的二年级博士生，由Guanya Shi（石冠亚）和Changliu Liu（刘畅流）。同时，也是NVIDIA GEAR小组的成员，该小组由Jim Fan和Yuke Zhu领导。 此前，他在上海交通大学获得计算机科学学士学位，导师是Weinan Zhang（张伟楠）。并曾在微软亚洲研究院工作过一段时间。 他的研究目标是打造能改善每个人生活质量的机器人；重点是如何为机器人构建数据飞轮，使其获得媲美人类的运动能力和语义理解能力，以及如何让机器人既能安全可靠，又能灵活适应各种环境，具备通用性和敏捷性来完成各类实用任务；采用的是随计算能力和数据规模扩展的机器学习方法。 **Jiawei Gao（高嘉伟）**  共同一作Jiawei Gao目前就读于CMU。他曾获得了清华学士学位，曾与Gao Huang教授、Jiangmiao Pang博士、Guanya Shi教授合作，参与了强化学习算法及其在机器人领域应用的相关项目。 他一直在思考人类智能的起源，以及如何构建能够像人类一样学习和推理的机器。为此，他希望致力于研究通用决策算法，使机器能够在复杂的物理世界中进行交互、学习和适应。 除了研究兴趣外，Jiawei Gao也热衷于历史、哲学和社会学。个人学习钢琴已有十年，是西方古典音乐的忠实爱好者，贝多芬和马勒是我最喜欢的作曲家。同时，他也喜欢旅行和摄影。 **Wenli Xiao**  共同一作Wenli Xiao是卡内基梅隆大学机器人研究所（MSR）的硕士生，由Guanya Shi教授和John Dolan教授指导。 他目前在NVIDIA GEAR实验室担任研究实习生，与Jim Fan博士和Yuke Zhu教授一起研究人形机器人基础模型。 此前，他在香港中文大学（深圳）获得电子信息工程专业学士学位。 **Yuanhang Zhang（张远航）**  共同一作Yuanhang Zhang目前是CMU机器人研究所（CMU RI）的硕士生，目前在LeCAR Lab研究，导师是Guanya Shi教授。 此前，他曾在上海交通大学获得了工学学士学位，期间Hesheng Wang教授Danping Zou教授指导。 本科期间，他担任SJTU VEX 机器人俱乐部的编程组负责人，并参与了无人车（UV）和无人机（UAV）相关的各类竞赛。 他的研究兴趣包括机器人学、机器学习和最优控制。目前，他本人的研究方向是人形机器人和空中操控。 [查看评论](https://m.cnbeta.com.tw/comment/1476190.htm)

近日，大S在日本因为流感致肺炎不治身亡的消息引发了非常大的关注，也让很多人再次正视流感的威力。实际上除了大S，**在演艺圈还有一名艺人也因为疾病而在春节当天不幸离世，享年仅27岁。** 据报道，男演员梁祐诚在大年初二（1月30日）当天去世，**知情人透露梁祐诚因中枢神经感染而不幸离世，他最初以为得了普通感冒没想到病情迅速恶化**，目前，梁祐诚的百度百科页面已变灰。 [](//img1.mydrivers.com/img/20250205/e545c0b1-e6f8-4de7-a864-05d438061fd3.png) 据上海市公共卫生临床中心科普，中枢神经系统的感染性疾病，**按病因分有病毒、细菌、结核、真菌、寄生虫等引起的疾病**。 根据感染部位，中枢神经系统感染可分为脑炎、脊髓炎、脑脊髓炎（主要侵犯脑和/或脊髓实质）、脑膜炎、脊膜炎、脑脊膜炎（主要侵犯脑和/或脊髓被膜）以及脑膜脑炎（脑实质与脑膜合并受累）。 中枢神经系统感染的常见表现包括**发烧、头痛、恶心、呕吐、颈部僵硬、意识模糊或精神状态改变等**，此外也可导致癫痫、昏迷、视力/听力受损、肢体麻木/无力、尿便失禁等症状。 中枢神经系统感染可影响所有年龄段的人群，在婴幼儿中风险更高，一旦感染后，十分凶险，治疗若不及时，病情进展快速，容易危及生命。 [](//img1.mydrivers.com/img/20250205/b585919a-0638-4acd-9b95-5716b66aa60f.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1476188.htm)

大S(徐熙媛)去世后，最初的说法是流感并发感染肺炎，但**知情人士称，大S的真实死因是败血症，而非肺炎。**不过，二者并非毫无关联。据专家指出，**病毒性肺炎会导致患者免疫功能下降，从而引起细菌或真菌感染，导致败血症，**尤其是有些患者的脓毒症进展非常快，半天至一天就可能进展到脏器功能衰竭，甚至是死亡。 特别是如果患者本身基础情况就比较差，在病毒感染基础上，再合并其他感染，特别肺部感染，病因的判断就会比较困难。 **大S的情况应属于甲流引发肺炎，出现肺部功能的损伤，导致呼吸衰竭，甲流病毒和继发感染的细菌又在体内扩散，引发了不可控的炎症风暴，最终导致多个器官的损伤和功能障碍。** 根据既往报道，**大S心脏患有二尖瓣脱垂，有癫痫病史，曾两次流产。**  **败血症其实是历史名称，现在的正式说法是“脓毒症”，或者“全身性感染”。** 脓毒症是一种由感染引起全身炎症反应综合症，常见于严重创伤或感染性疾病的患者，分为脓毒症、严重脓毒症、脓毒性休克。 其中，脓毒症是指明确或可疑的感染，引起的全身炎症反应综合征。 严重脓毒症是指脓毒症，伴由其导致的器官功能障碍及组织灌注不足。 脓毒性休克是指脓毒症伴其所致的低血压，经液体治疗仍无法逆转。  脓毒症的主要症状包括**寒战、发热、心慌、气促、精神状态改变等**，可发展为严重脓毒症和脓毒性休克，导致器官功能不全及循环障碍，危及生命。 发病原因包括细菌、真菌、病毒及寄生虫等引起的感染，导致机体炎症反应及免疫调节失衡。 虽然脓毒症并非传染病，但其风险因素包括年纪（年幼或高龄）、免疫系统受损、糖尿病或肝硬化病史、长期于重症监护室治疗、创伤、侵入性治疗等。 数据显示，**全球每年脓毒症患病人数超过1900万，其中约600万死亡，存在认知功能障碍的约为300万。** 世界脓毒症联盟统计，**全世界每2.8秒就有一个人因脓毒症离世，如果不及时治疗，死亡率很高，脓毒性休克的死亡率在50-60％。**  [查看评论](https://m.cnbeta.com.tw/comment/1476186.htm)

<blockquote><p>在当今快速变化的商业环境中，创新成为企业生存和发展的关键。然而，资本的介入究竟是推动创新的催化剂，还是成为创新的绊脚石？本文通过对比DeepSeek和OpenAI的创新路径，探讨了资本与创新之间的复杂关系。</p> </blockquote>  今年春节非同寻常。 **一个是火爆的《哪吒2》**，在春节档电影市场中，拿了巨额投资的大片有《封神2》，也有《射雕》，还有《唐探1900》，前期不被看好，甚至低调的连预热营销都不多，如今是断崖式领先； **另一个是DeepSeek**，在春节前就已经火遍全球，让美国总统特朗普都震惊的中国AI公司，已经登上了140个国家下载榜榜首！有意思的是，不论国外，还是国内，各大AI公司，均是巨额投入，背后金主无数…… 春节档电影和AI创新，看似毫无关联的两个领域，却在同一时间点上呈现出相同的资本悖论，貌似是——**钱越多，决策越慢；资源越丰富，创新越受限。** ## 一、谁在引领AI竞赛？“骑单车”的DeepSeek还是“开豪车”的 OpenAI？ 当DeepSeek以迅雷不及掩耳的速度推出多模态AI，让整个科技圈震惊时，很多人都没想到，这支小团队竟然能在OpenAI这样巨头林立的赛道上脱颖而出。而OpenAI手握微软巨额投资、拥有最强大的云计算资源，却反倒在内部决策链条的泥潭里越陷越深。据传，美国某头部AI团队甚至连调整一个模型参数，都要经过8位投资人的层层审批。相比之下，DeepSeek的工程师们只需要放下手里的猪脚饭，果断删掉20个鸡肋功能，一周之内完成产品优化迭代。 这不禁让人思考，**资本对科技创新而言，是助推器还是绊脚石？** ## 二、资本越多，决策链条越长，创新就越难落地？ 斯坦福大学曾对500个科研项目进行追踪研究，发现小团队（10人以内）平均只需6个月，就能完成从构思到落地的全过程。而大公司至少需要16个月，时间足足翻了近三倍。究其原因，核心问题在于**决策链条的复杂化：** - **人多嘴杂，意见难统一。**科技行业如此，影视行业亦如是，营销行业也一样。比如一个电影剧组，选个女二号都要综合5家制片方的意见，最后根本无法平衡，只能看数据指标来定人选。这就是为什么如今的电影海报越来越趋同，因为任何创新的设计，都必须经过层层审核，才能通过资本方的把关。再比如，营销行业做个创意，金主部门比较多、领导比较多，平衡起来也是非常复杂，最后只能妥协，有时好的创意不一定能拍板执行。 - **“可爱”的投资人，既要出钱又要干涉。**很多投资机构的“精力”远远超过创始团队，投了钱不算完，还要往公司派驻“指导员”。这导致企业不但要向用户交代，还要向投资人“汇报”，日报、周报、月报层层递交，结果创新能力被这些“体系”所束缚，越大的资金池，反而意味着越少的灵活性。去年和一个投资人交流，他反思前几年自己“犯的错误”，就是变成了投资又投人，最终有些公司不再创新，就等着投资人来干了。 - **大树底下，寸草不生。**资本越集中，巨头越强势，创新的空间就越狭窄。就像森林里，参天大树的阴影下，往往没有小苗生长的余地。 AI赛道和影视行业，都正在经历这种“创新密度悖论”：**大公司办公楼里每平方米的创意密度，远远低于创业团队的工位。** DeepSeek之所以能在短短时间内完成多模态AI的突破，就是因为它的工程师们甚至能跨界做UI设计，相当于语文老师兼职教音乐。 **创新，就是在这种极致灵活的环境下发生的。** ## 三、DeepSeek震撼业界的“壁虎断尾式创新” 如果说资本的束缚是一个悖论，那么DeepSeek的解决方案则提供了一个绝佳的参考：**“壁虎断尾式创新”**。 – 上周刚立项的功能，这周发现不对，立马砍掉重做。 – 产品经理发现对话模型有问题，下一秒就冲到程序员工位，两人蹲地上画草图，第二天功能就上线了。 **换成大公司呢？** – 先要立项，讨论利弊，半个月。 – 确定负责人，落实预算，再来半个月。 – 最后还要讨论优化成本由哪个部门承担，又是半个月。 在大公司，一个创新项目往往耗费数月甚至一年。而DeepSeek的创新速度直接快3倍。在竞争激烈的AI时代，这种速度差距，足以决定胜负。 当然，也有人会说，现在DeepSeek现在还“小”，等它成为大公司的时候，创新也就会受限了。 创新，是需要机制与文化的，组织形态的“特种兵制”就是一种创新型组织模式，大公司也一样可以参考。 ## 四、创业公司能从DeepSeek学到什么？ 对于创业者而言，DeepSeek提供了6个关键启示： - **小团队+高度灵活=创新效率最大化。**保持团队精简，确保每个人都能多面手，不要被繁琐的组织架构拖累。 - **决策要果断，不对就砍掉重做。**过度讨论只会拖慢节奏，创业公司更应该采用快速试错的方法。 - **资金充足但不过剩。**有足够的钱支持运作，但不过度依赖外部融资，以免被投资人的过度干预扼杀创新。（DeepSeek有母公司做量化赚钱输血，初创公司要不就是自己先有启动资金，要不就是融资时与投资人确定好职责分工，投资人提供资金支持，但不插手业务，让团队专注于创新） - **多功能人才培养。**鼓励团队成员跨界合作，比如让算法工程师兼任 UI 设计，让产品经理深入一线参与研发，减少沟通成本，提高执行效率。 - **精准的市场定位：**DeepSeek明确自己的市场定位，并围绕这一定位展开业务，初创公司可以学习其如何精准定位市场，避免资源浪费。很多初创企业如果你想胜出，最好要出奇兵，可以试着找到巨头的反方向，进行技术、产品的研发思考，找到差异化的市场定位。DeepSeek与OpenAI的技术路线不同，“开源+低成本”策略杀入市场。 - **生而全球化的国际化视野：**DeepSeek具备国际化视野，初创公司可以学习其如何拓展国际市场，实现全球化布局。 ## 五、资本的最佳姿态：钱是钱，别变成绊脚石 资本并非一无是处，但它必须找到 “刚刚好”的姿态，才能真正帮助科技创新和文化创意。DeepSeek不是穷光蛋，它的母公司一直在金融量化交易领域盈利，AI业务也有外部投资。但他们并没有像大公司一样堆砌资源，有人形象的比喻——用NVIDIA的RTX3090显卡搭建“九宫格火锅”服务器，不同格子涮不同数据，效率甚至比云服务器高30%。 **正所谓，创新是逼出来的**（好像马云也说过）。 **俗语有云，车到山前必有路。** **《周易・系辞下》中有句名言：穷则变，变则通，通则久。** 总而言之，创新，有时候是无路可走，有时候是另辟蹊径…… 我之前在营销课上分享过一个观点，如果给你5000万市场预算，并不一定显出营销负责人、营销团队的能力，但是如果在没有充足预算下，你还能把产品卖出去、甚至制造了热门话题，你所做的内容、话题、营销活动等，一定是一次创新，这才是真实力！ ## 六、结语：真正的创新，来自自由而高效的环境 从AI赛道的DeepSeek到电影行业的《哪吒2》，**我们一次次看到，小团队的灵活、专注、高效，往往能创造更惊艳的成果。而资本的手伸的太长，不仅不会成为助推器，反而会成为 “创新的杀手”。** 十年前在一家公司做职业经理人，感触颇深，那个企业就是资源太多、投资人参与太多，**每天团队思考的是怎么把资源利用好，而不是到底该做什么产品符合市场、符合用户需求。** **未来，科技创新的突破，或许不再取决于谁的钱多、资源多，而是取决于 谁更快、谁更灵活、谁更敢于颠覆自己。** *参考资料：**** 1、大象新闻《DeepSeek 团队：本土年轻高潜，淡化职级自由创新》2025年01月27日 2、麻省理工科技评论《DeepSeek超越OpenAI的秘密武器：创新》2025年01月27日 3、钛媒体APP《一文看懂DeepSeek的中国式创新》2025年2月2日 **专栏作家** 魏家东，微信公众号：魏家东商业评论。人人都是产品经理专栏作家，企业超级增长顾问、天使投资人、品牌营销专家、东狮品牌咨询CEO、溪有物种创始人；北京大学汇丰商学院创业实践导师、北京邮电大学世纪学院客座教授、上海外国语大学-法国里昂商学院MBA企业导师，曾任北航、贸大、北外硕士研究生授课导师，中国人民大学x字节跳动“首席营销官训练营”导师，东方卫视《极限挑战3》宣传顾问。蒲公英奖、金旗奖、虎啸奖评委，吉林省作家协会会员，2017人人都是产品经理年度作家，2022年度直播营销领军人物奖，2022博鳌青年领袖。已出版著作：《超级增长》《超级文案》《借势》《数字营销战役》 本文原创发布于人人都是产品经理，未经许可，不得转载。 题图来自 Unsplash，基于CC0协议。 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>为什么别家的产品能卖到1000万，而你的产品定价1000元却无人问津？这背后不仅仅是价格的问题，更是产品价值、客户定位、市场策略和企业能力的综合体现。本文将通过一系列关键问题，引导读者深入思考产品价值与市场定位的关系，探讨如何在竞争激烈的市场中找到适合自己的发展路径。</p> </blockquote>  年底了，做总结、做预算、做规划、做分析。看着面前的数据，你在开心还是闹心？今年的收益有没有达到你或者你老板的预期？ 在做这一堆年底不得不做，做完明年也不确定能不能做到的事的时候，是不是偶尔会想，xxx产品为什么卖的那么好，产品趋同、本质没区别，为什么他就能卖到1000W，我只能卖1000？为什么客户更愿意买他的产品甚至主动去询价，而我的产品，销售上门主动推广人家还犹犹豫豫？ 这些，是每个有产品和服务在售卖的企业都会思考的问题吧？可是，你打算拿这些问题问谁呢？谁会给你一个明确的回答呢？ 或者说，你自己的产品值不值钱，值多少钱，为什么是1000而不是1000W，你内心真的没谱吗？ 不，实际上你内心门清，你只是不敢面对而已。甚至，内心都有解决方案，你只是不敢坚定的往那个方向走而已。 是担心、忧虑、对未来的不确定和恐惧，限制了你。 很多人说，赚钱的方法都写在了宪法里，我理解不是的，真正赚钱的方法，其实写在了经济学里，下图这些点，只体现了经济学的一部分运转关系，但凡成功的企业或者个人，必然是抓住了其中的一个或者几个点，并无限深挖、做到极致、争取长久。 治国，我们讲长治久安；齐家，我们讲长相厮守、长命百岁。为什么到赚钱这，就变成了快速变现了呢？ 我们从小到大学习的可持续发展，其实不只是自然资源，企业发展也一样呀，个人发展亦是如此啊。 如果真想直面1000而不是1000W这件事，先问自己几个问题： - 产品创建之初，你内心的定价是多少？ - 你打算做这个产品多少年？ - 你的客户具体是谁？ - 你的客户愿意为这件事付多少费？ - 如果他不付费，你怎么办？ - 如果他要价值1000W的产品，你能不能做到？ - 如果你能做到1000W价值的产品，你敢不敢做？ 我亲爱的读者，看到下图，你带入的是谁？牛马？老板？大长鞭子？还是磨盘？  如果你想剖析本质，真正回答上述7个问题，我建议你带入你自己，就是看图的人，来看图说话。 这个图表达的还不太准确，将周围的环境和等待磨盘上的米粉或者豆粉的人也画出来会更清晰些。 那我们来看图说话一下，假如产品创建之初，你内心的定价就是1000W，那么： 1、应该找个什么样的赛道，才能满足你持续赚到1000W，一赚就能赚300年的期望？是要做摩根银行那样的金融巨鳄？还是国酒茅台那样的制造厂商？ 2、你的客户是谁？服务于这样的客户，你需要什么样的资源？是牛马？是人才？是政府关系？是渠道通路？ 3、假如作为牛马的人才们兢兢业业，作为老板的资本家们费心费脑，认认真真的盘出来了一个优秀的产品，比如米粉，卖给旁边等待的人，他要不要呢？ - 你说你的米粉，可以果腹，饱腹的人说，我不要，我不饿；饥饿的人说，来一碗，我给你2块钱。行叭，此时你的客户就是饥饿的人，卖不了1000W，卖不了吃亏，最多要2块。 - 你说你的米粉，益智、美容，假如这是真的，如果你的客户群体是城市里的宝妈、白领，你能卖到成千上万块，毕竟儿童的玩具、女人的化妆品，确实赚钱；假如这是假的，那就真刑了。 - 你说你的米粉，能年轻10岁，嗯，很多有钱人，10W愿意买，更多的，就得犹豫犹豫了，毕竟不值啊，再怎么说，它是米粉不是时光机，如果是时光机，别说1000W，1个亿都行。 4、那我们就说说时光机，有人说你的米粉只年轻10岁不够啊，我想回到17岁，你给我造个时光机，我给你1000W，生意也来了呀，你要不要做？ 如果不抬杠、这些问号戳到了内心的痛点也认，理智的看待上述所有问题，其实你自己内心都有谱对不对？ 每个问号，在你的内心其实都是有答案的。 不管你是个人还是企业。 一个人、一个团队、一个公司，甚至一个城市、一个国家的能力边界在哪里，掌舵者心里其实是清清楚楚的。只是我们想要长久、想要更好、想要今年值1000明年值1W，才一次次的去规划、去拓宽拔高这个边界，去探索更多的可能性。 那么，我们基于现在，回答一遍上述问题，基于一年、三年、五年甚至30年后我们期望的样子，分别回答一遍上述问题，是不是前路就能更清晰一些了呢？ 整体分析完，如果说我的能力边界，就在1000，那么我们去追寻长尾，更多的复制这个1000，也是走向1000W的方式。 如果说我的能力边界在1000W，也需要探索该怎么更好的长期发展，毕竟真正能为1000W付费的客户，确实是有限的。 好啦，想表达的大概说清楚了，就到这吧，愿我们每个个人和企业，在年底复盘这一年时，都还算满意；规划下一年时，都充满期待。 坚持着坚持着，萧条期就过去了；坚持着坚持着，小公司就变大了，管培生也做到总监了，加油。 本文由人人都是产品经理作者【敏尔说财税】，微信公众号：【B端起飞啦】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在当今竞争激烈的商业环境中，“以客户为中心”已成为企业战略的核心理念。然而，如何真正落实这一理念，却是一个复杂且多维的挑战。本文借助DeepSeek这一强大的开源语言模型，重新解读“以客户为中心”的战略体系，供大家参考。</p> </blockquote>  DeepSeek（深度求索）是目前很火爆的开源大型语言模型，用极低的成本训练出了性能上媲美世界顶尖闭源模型ChatGPT、Claude的语言模型。为用户提供了便捷、高效的信息获取和处理体验，无论是在日常生活还是专业领域都能够提供帮助。 DeepSeek的横空出世和其较为精准的信息辅助，各行各业的自媒体都测试了各种问题。 作为市场洞察&amp;用户研究的从业者，我也让DeepSeek回答了“以客户为中心”的相关问题，并基于12年+从业经验，进行观点述评。 **为什么询问“以客户为中心”问题？** 近年来，随着体验经济兴起，越来越多的企业践行“以客户为中心”的战略，通过建立客户体验管理体系来触达、掌握并满足客户的真实需求，并进一步提供更好的产品/服务体验。 实践中，这些企业凭借更好的口碑和更高的客户忠诚度获得更强的增长动力，实现稳定可持续的价值创造。 根据我多年的工作和咨询经验，几乎所有的公司的口号都有“以客户为中心”，以至于，我和每个公司的老板在一起聊天时，都先给他们“算命”： <blockquote><p>X总，你不用说，我都知道你们公司的口号肯定是“以客户为中心”，”以质量为根本”，“以产品和服务为两翼”。。。。。。。你挑一个吧。</p></blockquote> 当然，我也最怕的是这些老板们信誓旦旦的说“以客户为中心”，因为，“以客户为中心”喊了很多年，普遍之下，肯定良莠不齐。我不知道这些老板是真的践行“以客户为中心”还是“别人以客户为中心，我也要以客户为中心”。 近年来，AI工具的快速发展，让大家有了更高效的辅助工具，DeepSeek更是里程碑式的标志。 让DeepSeek回答“以客户为中心”的相关问题，不仅可以借助科技的智慧，也能让更多市场洞察&amp;用户研究的从业者，深化“工具始终是解决问题的手段，独立思考才会无可替代”的理念。 ## Q1：企业怎么做，才能真正做到“以客户为中心”？ **DeepSeek的回答：** <blockquote><p>企业要真正做到“以客户为中心”，需从战略、文化、流程和技术等多方面入手，确保客户需求贯穿于所有业务环节。以下是关键步骤：</p> <p><b>1. 建立以客户为中心的文化</b></p> <p><b>领导层推动</b>：高层需明确客户为中心的理念，并通过言行传递这一价值观。</p> <p><b>全员参与</b>：让每位员工理解客户为中心的重要性，并将其融入日常工作中。</p> <p><b>激励机制</b>：通过奖励机制，鼓励员工积极提升客户体验。</p> <p><b>2. 深入了解客户需求</b></p> <p><b>客户调研</b>：通过问卷、访谈等方式，定期收集客户反馈，了解他们的需求和痛点。</p> <p><b>数据分析</b>：利用CRM系统和大数据，分析客户行为，预测需求变化。</p> <p><b>客户画像</b>：创建详细的客户画像，帮助企业精准定位需求。</p> <p><b>3. 优化客户体验</b></p> <p><b>简化流程</b>：减少客户在购买或服务过程中的障碍，提升便利性。</p> <p><b>个性化服务</b>：根据客户偏好提供定制化服务，增强满意度。</p> <p><b>全渠道体验</b>：确保客户在不同渠道（线上、线下、社交媒体等）获得一致且无缝的体验。</p> <p><b>4. 建立快速响应机制</b></p> <p><b>及时反馈</b>：对客户的意见和建议迅速响应，避免负面体验。</p> <p><b>问题解决</b>：建立高效的客户问题处理流程，确保问题得到及时解决。</p> <p><b>持续改进</b>：根据客户反馈，持续优化产品和服务。</p> <p><b>5.构建长期客户关系</b></p> <p><b>客户忠诚计划</b>：通过会员制、积分奖励等方式，增强客户粘性。</p> <p><b>定期互动</b>：通过邮件、社交媒体等渠道与客户保持沟通，提供有价值的信息。</p> <p><b>客户关怀</b>：在重要时刻（如生日、节日）给予关怀，提升客户情感联系。</p> <p><b>6.技术与创新支持</b></p> <p><b>数字化工具</b>：利用CRM、AI、大数据等技术，提升客户管理的效率和精准度。</p> <p><b>自动化流程</b>：通过自动化工具减少人工干预，提升响应速度和服务质量。</p> <p><b>创新服务</b>：通过技术创新，提供更便捷、智能的服务体验。</p> <p><b>7.持续改进与反馈循环</b></p> <p><b>定期评估</b>：通过KPI和客户满意度调查，评估客户为中心策略的效果。</p> <p><b>反馈循环</b>：建立反馈机制，确保客户意见能及时传达到相关部门并推动改进。</p> <p><b>灵活调整</b>：根据市场变化和客户需求，及时调整策略。</p> <p><b>8.员工培训与赋能</b></p> <p><b>客户服务培训</b>：定期为员工提供客户服务技能培训，提升服务水平。</p> <p><b>授权员工</b>：赋予一线员工更多决策权，使其能快速解决客户问题。</p> <p><b>跨部门协作</b>：打破部门壁垒，确保各部门协同为客户提供一致体验。</p> <p><b>9.社会责任与品牌形象</b></p> <p><b>社会责任</b>：通过履行社会责任，提升品牌形象，赢得客户信任。</p> <p><b>透明沟通</b>：与客户保持透明沟通，尤其在危机时，及时传递信息。</p> <p><b>10.以客户为中心的产品设计</b></p> <p><b>客户参与设计</b>：让客户参与产品开发，确保产品符合需求。</p> <p><b>敏捷开发</b>：采用敏捷开发模式，快速响应客户反馈并迭代产品。</p></blockquote> **DeepSeek的总结** <blockquote><p>“以客户为中心”不仅是口号，而是需要从文化、流程、技术等多方面系统推进的战略。企业需持续关注客户需求，优化体验，建立长期关系，才能在竞争中脱颖而出。</p></blockquote> **述评：** 在第一眼看到DeepSeek的回答，感觉似曾相识。 因为无论是：建立以客户为中心的文化、深入了解客户需求、建立快速响应机制、持续改进与反馈循环，还是员工培训与赋能、以客户为中心的产品设计等，都和我几年前写的一篇文章《如何推广用户体验文化和建立NPS（用户体验推荐）体系运营机制》，很多观点都不谋而合，也和很多多年行业从业者的观点一致。 思考后，我就明白了，毕竟DeepSeek是基于现有问题的观点和材料，使用使用数据蒸馏技术，得到更为精炼、有用的数据。 那么，无论我还是之前专家的各种观点，都是“蒸馏”技术的“底层材料”。基于行业内的原有观点，“蒸馏”提纯的结果也必然一致，是包含关系。 数据蒸馏是一种业内常见的技术做法，是指通过一系列算法和策略，将原始的、复杂的数据进行去噪、降维、提炼等操作，从而得到更为精炼、有用的数据。数据蒸馏的目的是将复杂模型的知识提炼到简单模型。 “以前的大模型训练相当于使用题海战术，在大量的数据中训练。而蒸馏就相当于让在题海战术里磨练过的优秀大模型充当新模型的老师，筛选出有效题目，再让新的大模型训练。” **补充几点：** 1、“以客户为中心”**领导层推动中，需要由领导层牵头制定并向下落实方案，自上而下持续性强化理念宣贯，并由点及面逐步展开关键性的客户体验优化举措**，使企业获得更强的增长动力。 2、品牌形象中，DeepSeek回答过于笼统，需要领导层投入——兑现品牌价值要素，实现差异化品牌形象。 在“以客户为中心”的的落地举措基础上，我们发现真正打造出差异化客户体验战略的企业，通常能够识别并兑现多个品牌价值要素。 什么是**价值要素**？客户在购买产品/服务时会重点考量自己的核心需求是否得到满足，我们将客户最常纳入考量的30个关键需求命名为30大价值要素。 马斯洛的需求层次理论指出，人的需求可以分为不同的层次，满足直接关系个体生存的低级需求后，会产生更为复杂的个人精神/价值层面的高级需求。 结合这个理论，将30大价值要素分为四个层次，分别是**满足功能、呼应感情、改变生活和影响社会**四类。  资料来源：贝恩咨询 其中满足功能类要素主要来自于商品本身的属性，呼应感情类要素主要来自于产品/服务为客户带来的直观的情感冲击，改变生活类要素主要来自于自我精神投射，而影响社会类要素则来自于最高层级的自我超越。 我们将企业**“兑现”**一个价值要素的门槛定义为：有50%的客户在评价企业于该元素的表现时打分超过7分（评分范围0–10）。 3、明确客户体验工作优先级。 在明确“以客户为中心”的战略变革后，企业最直接的目标就是逐步改善客户体验。在此之前，企业需要了解哪些工作于客户而言更为关键，会在较大程度上影响客户的净推荐值（NPS）。 比较切合国内企业实情，且容易分析的解决方案是“NPS（用户推荐）影响因素及改善模型”。示例来源《改善用户推荐（NPS）的MNA方法论》。 NPS（用户推荐）影响因素及改善模型的原理是： 根据子NPS和子关注度，以关注度作为横坐标，子NPS作为纵坐标，将所有的体验环节划分为四大区域。方便我们进一步分析，找到关键需要改进的方向和指标。 其中象限内的横线是关注度均值，纵线是子NPS均值。  示例来源《改善用户推荐（NPS）的MNA方法论》 - 稳定保持区：NPS和关注度均在平均水平以上，继续稳定保持即可 - 锦上添花区：用户推荐水平在均值以上，但关注度较低，可以不断持续优化 - 亟须改善区：是驱动用户提升推荐意愿最有潜力的方面，但目前推荐意愿较低，亟须改善 - 长期关注区：用户推荐意愿和关注度均不高，仍需要长期关注 **子项NPS** 计算方法是：**<u>子项NPS=子项的推荐者占比-子项的贬损者占比</u>** 背后原理：对于每一个NPS子项问题来说，关注它的用户中推荐者和贬损者人数占比的差异，即子项NPS本身也是这个子项问题在用户心中推荐程度最直接的体现。 **子项关注度** 计算方法是：**<u>子项关注度=选择NPS子项问题的用户数/参加NPS问卷调研的总用户数</u>** 背后原理：首先，我们认为，在NPS问卷中用户对0-10分完成选择后，进入到具体的推荐贬损原因子项时，做出任何一个子项的选择，都代表对此类问题的关注，也一定程度上体现了此类问题在用户心中的重要性。 因此，我们通过选择某一NPS子项问题的用户数占所有参加NPS问卷调研的用户数的比例来定义关注度这个指标，衡量NPS子项问题的重要性。 ## Q2：“以客户为中心”，具体有哪些量化指标？ **DeepSeek的回答：** <blockquote><p>要衡量企业是否真正做到“以客户为中心”，可以通过一系列量化指标来评估客户满意度、忠诚度、体验质量等。以下是一些常见的量化指标：</p> <p><b>1.客户满意度指标</b></p> <p><b>客户满意度评分（CSAT）</b>：通过问卷让客户对产品或服务进行评分，通常采用1-5或1-10的评分标准。</p> <p><b>净推荐值（NPS）</b>：衡量客户向他人推荐企业的可能性，通常通过“你有多大可能推荐我们？”的问题，评分范围为0-10。</p> <p><b>客户努力度（CES）</b>：评估客户解决问题或完成任务的难易程度，通常通过“你解决问题有多容易？”的问题，评分范围为1-7。</p> <p><b>2.客户忠诚度指标</b></p> <p><b>客户保留率（RetentionRate）</b>：衡量在一定时间内继续使用企业产品或服务的客户比例。</p> <p><b>客户流失率（ChurnRate）</b>：衡量在一定时间内停止使用企业产品或服务的客户比例。</p> <p><b>重复购买率（RepeatPurchaseRate）</b>：衡量客户在一定时间内多次购买的比例。</p> <p><b>3.客户体验指标</b></p> <p><b>首次响应时间（FirstResponseTime）</b>：客户提出问题后，企业首次响应的时间。</p> <p><b>问题解决时间（ResolutionTime）</b>：客户提出问题后，企业解决问题所需的时间。</p> <p><b>客户接触点满意度</b>：衡量客户在不同接触点（如网站、客服、门店等）的满意度。</p> <p><b>4.客户价值指标</b></p> <p><b>客户生命周期价值（CLV）</b>：衡量客户在整个生命周期内为企业带来的总价值。</p> <p><b>平均订单价值（AOV）</b>：衡量客户每次购买的平均金额。</p> <p><b>客户获取成本（CAC）</b>：衡量企业获取一个新客户所需的平均成本。</p> <p><b>5.客户反馈指标</b></p> <p><b>客户反馈数量</b>：衡量客户提供的反馈数量，包括正面和负面反馈。</p> <p><b>客户反馈响应率</b>：衡量企业对客户反馈的响应速度和比例。</p> <p><b>客户反馈解决率</b>：衡量企业解决客户反馈问题的比例。</p> <p><b>6.客户参与度指标</b></p> <p><b>网站或应用使用率</b>：衡量客户使用企业网站或应用的频率和时长。</p> <p><b>社交媒体互动率</b>：衡量客户在企业社交媒体平台上的互动情况，如点赞、评论、分享等。</p> <p><b>邮件打开率和点击率</b>：衡量客户打开和点击企业邮件的比例。</p> <p><b>7.客户细分指标</b></p> <p><b>客户细分比例</b>：衡量不同客户群体（如高价值客户、潜在客户、流失客户等）的比例。</p> <p><b>客户细分满意度</b>：衡量不同客户群体的满意度评分。</p> <p><b>8.客户服务质量指标</b></p> <p><b>客服满意度评分</b>：衡量客户对客服服务的满意度。</p> <p><b>客服通话时长</b>：衡量客服与客户通话的平均时长。</p> <p><b>客服问题解决率</b>：衡量客服解决问题的比例。</p> <p><b>9.客户行为指标</b></p> <p><b>购物车放弃率</b>：衡量客户将商品加入购物车但未完成购买的比例。</p> <p><b>页面跳出率</b>：衡量客户访问网站后未进行任何操作就离开的比例。</p> <p><b>转化率</b>：衡量客户从潜在客户转化为实际购买客户的比例。</p> <p><b>10.客户口碑指标</b></p> <p><b>社交媒体提及率</b>：衡量客户在社交媒体上提及企业的频率。</p> <p><b>在线评论评分</b>：衡量客户在第三方平台（如Google、Yelp等）上的评论评分。</p> <p><b>口碑传播率</b>：衡量客户通过口碑推荐企业的比例。</p></blockquote> **DeepSeek的总结：** <blockquote><p>这些量化指标可以帮助企业全面评估“以客户为中心”的成效，识别改进空间，并持续优化客户体验。</p> <p>企业应根据自身情况选择合适的指标，并定期跟踪和分析这些数据，以确保客户为中心的战略有效实施。</p></blockquote> ## Q3：这些量化指标中，以哪个为主？ **DeepSeek的回答：** <blockquote><p>在“以客户为中心”的指标体系中，<b>没有单一的“主指标”</b>，因为不同的指标反映了客户体验的不同方面。企业应根据自身的业务目标、行业特点和客户生命周期阶段，选择<b>最相关的核心指标</b>，并结合其他指标进行综合评估。</p> <p>不过，以下几个指标通常被认为是<b>最核心和广泛适用</b>的，可以作为企业重点关注的对象：</p> <p><b>1.净推荐值（NPS）</b></p> <p><b>为什么重要</b>：NPS直接衡量客户的忠诚度和口碑传播意愿，是客户对企业整体体验的综合性评价。</p> <p><b>适用场景</b>：几乎所有行业都适用，尤其是依赖客户口碑和长期关系的行业（如零售、服务、SaaS等）。</p> <p><b>局限性</b>：NPS只能反映客户的推荐意愿，无法直接说明具体问题所在，需要结合其他指标深入分析。</p> <p><b>2.客户满意度评分（CSAT）</b></p> <p><b>为什么重要</b>：CSAT直接反映客户对某一具体体验（如产品、服务、交互）的满意度，帮助企业快速定位问题。</p> <p><b>适用场景</b>：适用于评估具体接触点的体验，如客服、购买流程、产品使用等。</p> <p><b>局限性</b>：CSAT通常是短期反馈，无法全面反映客户的长期忠诚度。</p> <p><b>3.客户保留率（RetentionRate）</b></p> <p><b>为什么重要</b>：保留率直接反映客户的忠诚度和企业的长期价值创造能力，尤其是对订阅制或长期服务型企业（如SaaS、会员制零售等）。</p> <p><b>适用场景</b>：适用于依赖客户长期关系的行业。</p> <p><b>局限性</b>：保留率无法直接反映客户的具体体验，需要结合其他指标分析流失原因。</p> <p><b>4.客户生命周期价值（CLV）</b></p> <p><b>为什么重要</b>：CLV衡量客户在整个生命周期内为企业创造的价值，帮助企业评估客户为中心策略的长期回报。</p> <p><b>适用场景</b>：适用于高客户获取成本的行业（如金融、电商、教育等）。</p> <p><b>局限性</b>：CLV的计算需要大量数据支持，且结果受多种因素影响，难以实时跟踪。</p> <p><b>5.客户努力度（CES）</b></p> <p><b>为什么重要</b>：CES衡量客户在解决问题或完成任务时的难易程度，直接反映客户体验的流畅性。</p> <p><b>适用场景</b>：适用于需要频繁客户交互的行业（如客服、技术支持、售后服务等）。</p> <p><b>局限性</b>：CES主要关注客户体验的“努力程度”，无法全面反映客户的整体满意度。</p></blockquote> **DeepSeek回答：如何选择核心指标？** <blockquote><p><b>根据业务目标</b>：</p> <p>如果目标是提升客户忠诚度，重点关注<b>NPS</b>和<b>客户保留率</b>。</p> <p>如果目标是优化具体接触点的体验，重点关注<b>CSAT</b>和<b>CES</b>。</p> <p>如果目标是评估长期客户价值，重点关注<b>CLV</b>和<b>客户保留率</b>。</p> <p><b>根据行业特点</b>：</p> <p><b>零售/电商</b>：NPS、CSAT、转化率、购物车放弃率。</p> <p><b>SaaS/订阅制</b>：NPS、客户保留率、CLV、流失率。</p> <p><b>服务行业</b>：CSAT、CES、首次响应时间、问题解决时间。</p> <p><b>根据客户生命周期阶段</b>：</p> <p><b>新客户</b>：CSAT、转化率、客户获取成本（CAC）。</p> <p><b>现有客户</b>：NPS、客户保留率、CLV。</p> <p><b>流失客户</b>：流失率、客户反馈解决率。</p></blockquote> **DeepSeek的建议：** - **以NPS为核心**：NPS是一个综合性指标，能够反映客户的整体体验和忠诚度，适合作为核心指标之一。 - **结合CSAT和CES**：CSAT和CES可以帮助企业深入了解具体接触点的体验问题。 - **长期跟踪CLV和保留率**：这些指标能够评估客户为中心策略的长期效果。 最终，企业应根据自身情况选择**2-3个核心指标**，并结合其他辅助指标进行全面分析，才能真正做到“以客户为中心”。 ## 量化指标述评：Q2&amp;Q3量化指标述评 ### 1. NPS净推荐体系，需要和获得性增长价值做互相印证。 DeepSeek中占比较重的核心指标是NPS，当然也是当下衡量“以客户为中心”的北极星指标。 对于NPS，我做一部分补充。这部分DeepSeek没有说到的部分，我猜测可能是理论较新，或者引用不多，没有被DeepSeek的算法“蒸馏”出来。 通常成功的企业在践行该战略时，会基于两个度量标准帮助高管判断企业现状、识别关键问题：NPS净推荐体系和获得性增长价值。 NPS净推荐体系和获得性增长价值是具体衡量企业客户体验现状和增长质量的两个重要标尺。 系统化的NPS净推荐体系通过监测和追踪客户旅程中关键触点的分数，建立客户闭环反馈体系，了解客户对企业产品和服务的满意度和忠诚度。 **获得性增长价值**是将以客户体验为基础的价值核算方法纳入财务指标，更客观透明的将客户体验水平量化并融入企业财务报告中。 获得性增长由企业留存客户创造的收入和获得性（非购得）新客户创造的收入占比计算得出，具体计算方法是用净收入留存（NRR%）加上获得性新客户（ENC%）并减去100%。 **NRR%净收入留存指的是现阶段留存客户（去掉流失客户）带来的经常性收入和收入增量除以上阶段收入。** **获得性新客户（ENC%）指的是现阶段获得性新客户（非购得）带来的新增收入除以上阶段收入。** 净推荐体系和获得性增长价值二者相辅相成，互为补充，共同衡量企业的现有客户关系质量和客户服务水平。 借用DeepSeek的逻辑，NPS是“原始的、复杂的数据”，获得性增长价值是进行去噪、降维、提炼等操作，得到的更为精炼、有用的数据。获得性增长价值的目的是将NPS体系提炼为财务数据。  资料来源：贝恩咨询 ### 2、针对DeepSeek说的NPS局限性：NPS只能反映客户的推荐意愿，无法直接说明具体问题所在，需要结合其他指标深入分析。 现在国内的NPS研究，针对NPS诞生之初的问题——无法直接说明具体问题所在，已经进行了“国产化”。其中被多家企业广泛采用的是基于用户体验流程图的《改善用户推荐（NPS）的MNA方法论》。  整个NPS的问卷逻辑主要分为三部分，用户推荐（NPS）评分问题、评分原因（到一级体验维度）、评分原因继续挖掘（针对一级体验维度细化到二级维度）。 以XX的【AAAA】为例：用户推荐（NPS）评分问题 Q1. 根据您在【AAAA】的购物体验，您有多大可能将【AAAA】推荐给您熟悉的采购人员？（0-10分评分，0分绝对不会推荐，10分肯定会推荐）【单选题】 一级体验维度： Q2 – 1. （针对Q1选择了9-10分的用户，循环显示选项）请问您愿意推荐【AAAA】的原因是？（多选。1-7项） Q2 – 2. （针对Q1选择了0-8分的用户，循环显示选项）请问您认为【AAAA】在哪些方面做出改善，您会更愿意推荐？（多选。1-7项） 二级体验维度：针对Q2选到的选项进行提问。以“产品质量”为例 Q3 – 1. （针对Q2-1选择产品质量，循环显示选项）您觉得“产品质量”在哪些方面做的好？多选 Q3 – 2. （针对Q2-2选择产品质量，循环显示选项）您觉得“产品质量”在哪些方面需要改善？多选 **总体述评** 总结：DeepSeek在理论阐述方面，结构清晰，论据较为全面，可以给市场洞察、用户研究需求者提供一个基本的描述。 但在具体的量化指标落地方面，仍需要专业的市场洞察&amp;用户研究从业者，进行指标筛选和依据实际问题做优化。 《本文结束》 以DeepSeek、Kimi、豆包等各种AI工具的问世，是不是让你对市场洞察&amp;用户研究行业，充满了危机意识？ **专栏作家** 用户在左 体验在右，公众号：用户在左 体验在右，人人都是产品经理专栏作家。中国社会科学院管理学硕士，10年+市场洞察和体验管理经验，谙熟市场洞察和用户体验管理的结合。在品牌诊断与定位、产品设计开发、用户需求挖掘、体验管理等方面具有丰富的经验；研究领域涉及金融、互联网、电子产品、快速消费品等多个行业。 本文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。

Xiaomi Auto said its delivery exceeded the 20,000-unit mark for the fourth consecutive month, stressing its annual target of 300,000 vehicles this year.

<blockquote><p>从《黑神话：悟空》到《哪吒2：魔童闹海》，再到DeepSeek等创新项目，我们看到了年轻一代如何通过创新思维和灵活的管理方式，推动技术和文化领域的突破。本文将深入探讨这些年轻人如何通过打破规则、遵循内心以及群体协作，改写商业法则，为未来的发展开辟新路径。</p> </blockquote>  **“若前方无路，我便踏出一条路；若天理不容，我便逆转这乾坤。”** 踩着贺岁的尾巴，昨天带孩子看了《哪吒2：魔童闹海》，嗯，对我而言，妥妥的超预期体验。 如果非要说印象最深的一句台词，就是开头这句对年轻无畏的诠释。  图-⬆️ 来源于网络，侵删 最近这段时间，国内不少领域的表现都在对冲所谓的经济寒周期，如，去年广受好评的黑悟空（《黑神话：悟空》：如何才能做出好产品？）、被封禁又解封的TikTok、外网难民疯拥的小红书、当下大火的DeepSeek，当然，也包括评分、票房都不错的《哪吒2》。 抽象这些事件，带给我的最大感受是：**创新似乎一夜之间在国内土壤生根发芽、开花结果**。 这似乎有些反常识。 但是，镜同学读完了张一鸣的创业传记，听完了记者对梁文峰的采访录音，看了哪吒2导演「饺子」的媒体专访，我认为这些创新成果的出现是必然的——**我们从来不缺能创新的人才，而是过去支撑创新的机制、土壤不成熟**。 如今，这些底层土壤正在被善于打破规则的年轻领导者重塑。 - 张一鸣，1983年出生，字节跳动创始人。 - 冯骥，1982年，游戏科学创始人。 - 梁文峰，1985年出生，DeepSeek创始人。 - 饺子（杨宇），1980年出生，《哪吒1/2》等动画导演、编剧、制作人。 嗯，优秀的年轻领导者正通过遵循年轻人认知的领导风格，激发年轻人的创新势能，重塑新的商业规则。 比如，游戏科学创始人冯骥一直提倡「**轻度失控**」的管理风格，**他认为游戏制作过程中应保持轻度失控，以便在面临挑战时保持灵活性和创造力**。 所以，黑悟空才会如此精良，对了，冯骥还力荐同龄人梁文锋的DeepSeek，他甚至将DeepSeek称作「国运级别」的科技成果。  图-⬆️ 来源于冯骥微博 还有，梁文锋在接受记者采访时这样说过： <blockquote><p>过去三十年中国过于强调赚钱，忽视了创新，认为创新不仅仅是商业驱动的，还需要好奇心和创造欲。DeepSeek的团队以本土年轻人为主，很多是Top高校的应届毕业生或实习生。他强调，团队成员对研究的渴望远超对金钱的追求。他表示，创新往往不是被安排出来的，DeepSeek的创新模式主要是“自下而上”的，团队成员都有独特的成长经历和自带的想法，不需要被强制推动。</p></blockquote> 显然，**这种年轻化、灵活的管理方式，更容易激发同为年轻人的创新势能**。 所以，有国外媒体评论说，让人忧虑的不是DeepSeek的异军突起，而是其年轻化、创新足、效能强的人才团队——平均年龄25岁、人数仅100+的年轻团队。再者，2019年《哪吒1》电影路演结束，导演饺子就开始闭关创作续集的剧本，在团队内部既十分专注，又非常鼓励创新，看看其台词和情节设定就能知道他们有多年轻化、创新力。 但遗憾的是，不只是某些大厂的管理制度略显臃肿，就连很多小公司的所谓制度也都是繁琐的很，其实都在扼杀创新。 **年轻人天然更懂年轻人，往往也更懂年轻市场**，但可惜这天然合理的逻辑在众多传统领导者看来不可思议、不可理喻、不能允许，以至于本能急迫地为创新贴上「反骨」的标签。 但用户不断用脚投票，反复说明「**符合市场的产品才是好产品**」这个朴素的常识。 我们以《哪吒2》为例，随便聊几个「叛逆」背后的创新启发： ## 一、创新需要打破规则：哪吒的“反骨”与TikTok的“逆袭” 相信大家对哪吒用藕粉重塑肉身时的桥段印象颇深，太乙真人被哪吒这个甲方反复修改需求，一会儿要帅气、一会儿要沉稳，不仅让观众笑出眼泪，更隐喻了创新路上的“不破不立”——**打破常规，才能创造新物种。** 字节跳动用TikTok上演了同样的剧本。 当传统社交平台还在争夺熟人关系链时，TikTok用算法重构内容分发逻辑，让素人视频一夜爆红，而后又用“病毒式传播机制”颠覆了Facebook的帝国大厦。 数据显示，2024年底，其海外用户已突破10亿，覆盖150多个国家和地区，值得一提的是，TikTok创作者平均年龄在18-24岁之间，好奇心打头的他们似乎在诉说着“**年轻人不需要旧世界的通行证**”。  ## 二、突破世俗、遵循内心，亦是一种创新体现 我们早已习惯遵循规则，尤其是各类职场规则。 电影还有个让我印象深刻的桥段，当哪吒走在玉虚宫的热闹街道时，有三两个仙童议论哪吒长相怪丑，这小爷没有自卑低头，伸手抓起栏杆就要去干，好在被太乙师父拦下。 看到这个情节时，好多人都笑了。 其实，仔细想想，现实中我们也会遇到世俗的嘲讽，比如，学历歧视、年龄焦虑、长相外貌、身材胖瘦等等，**很多时候这些世俗评判压制了年轻人的自我创新。** 而哪吒之所以能打动年轻人，其中之一就在于其对世俗的反抗、对内心的遵循。 导演饺子如此，黑悟空冯骥如此，你我也可以如此。  ## 三、个体力量有限，群体才能最大化创新势能 前两天我在群里分享过一个视频，是张一鸣的一次访谈，期间聊到对年轻创业者的告诫，他提到自己的创业观——**找一群优秀的人，做有挑战的事情**。 你看，创新的势能来源于一群具有创新意识的小伙伴。 电影《哪吒2：魔童闹海》结尾那句“**我知道你会回来，因为我们是年轻人；因为我们都太年轻，不知天高地厚**。”，算是整部电影最动人的注脚。 在我看来，这不仅是对友情的定义，更是对“年轻”本质的重新诠释： 哪吒与敖丙的“魔丸+灵珠”组合，隐喻了创新者的两面性——**既有破坏旧秩序的“魔性”，也有建设新世界的“灵性”**。 正如DeepSeek既采用了混合专家MoE架构（魔性），又选择了创新开源（灵性）。 也正如字节跳动早期既颠覆传统内容分发（魔性），又用算法精准匹配需求（灵性）。 显然，创新势能依赖的是能互补的群体，而不是某一个人。 镜同学去年在面试辅导时就听到不少小伙伴都特别在意团队氛围，我曾做过电话调研，其中大家对创新向上的团队氛围的关注，断崖领先其他关注点。 我们有理由相信，**聚在一起的年轻人正在用创新重塑新的商业规则**。  最后，咱们作为产品经理，更需要有创新的心态，主动构建团队的创新文化，不局限于过往，才能做好未来的好产品。 说到这里，镜同学突然还想到冯骥在接受采访时曾说过的另一段话： <blockquote><p>最让你痛苦的不是远方的高山，而是鞋底的沙子。 沙子是无穷无尽的，但是你想走到那座山，就得忍受这样的过程。踏上取经路，比到达灵山更重要。</p></blockquote> 的确，一旦走上创新之路，鞋里必然会跑进沙子，我们也就越需要选择专注、选择不认命、选择孤注一掷，导演杨宇（饺子）接受采访时所说的一句话，权可当做取经路上的魔珠： **每一部作品都要当做最后一部作品去创作**。  本文由人人都是产品经理作者【产品大峡谷】，微信公众号：【产品大峡谷】，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。

**特斯拉上海储能超级工厂已于2024年12月底竣工，仅用7个月完成建设，刷新了“上海速度”。**2月11日上午，特斯拉计划在上海储能超级工厂举行投产仪式，该工厂将在2025年第一季度开始产能爬坡。 特斯拉上海储能超级工厂于2024年5月23日在上海临港开工，临港集团还与特斯拉完成了中国首批超大型电化学商用储能系统Megapack的签约。 **投产后，Megapack产量将达1万台，储能规模近40吉瓦时。** 该项目总占地面积约20万平方米，总投资约14.5亿元，是特斯拉在美国本土之外的第一座储能超级工厂，也是特斯拉入华十年来继上海超级工厂之后在中国的又一大型投资项目。  [查看评论](https://m.cnbeta.com.tw/comment/1476184.htm)

日前，中国人工智能初创公司DeepSeek火了，不仅在美区下载榜上超越ChatGPT，还引发多个美国科技股的股价暴跌。为了让更多领域的用户切实便捷地开展体验，**国家超算互联网平台宣布上线DeepSeek Chatbot可视化界面功能。** 超算互联网平台用户无需部署或进行其它复杂操作，进入[平台](http://www.scnet.cn)后，通过首页Banner，点击立即探索按钮，即可进入体验界面。 DeepSeek Chatbot界面清晰友好，**在输入框内输入想要咨询的问题或指令，即可开启对话，超算互联网平台提供全天候不间断不限量免费体验服务。**  [](//img1.mydrivers.com/img/20250205/0255f00f5e1d42699e1d365037ec97ed.png) 据介绍，DeepSeek-R1、V3、Coder等系列模型，已陆续上线国家超算互联网平台，近期还将陆续更新32B、70B等版本。 [](//img1.mydrivers.com/img/20250205/e93a3bab5c3649f7936617c4fa1001dd.png) 据了解，**DeepSeek可谓是用最少的钱，干最多的事，其推出的模型，在性能上和世界目前顶尖的GPT-4o等大模型不相上下。** 但在成本上，OpenAI训练ChatGPT-4花费的成本高达7800万美元，还可能达到1亿美元。 而DeepSeek大模型训练成本不到600万美元，仅为同性能模型的5%到10%。 国家超算互联网“由科技部指导发起，致力于链接我国算力产业上下游及供需双方资源，实现超算、智算等全国算力资源的统筹与调度，打造集算力、应用、数据、生态、社区等于一体的开放共享平台。 [](//img1.mydrivers.com/img/20250205/ca0f9bead52f44f99948acdd63b65188.png) [查看评论](https://m.cnbeta.com.tw/comment/1476182.htm)

刚刚推出新推理模型o3-mini与新智能体Deep Research，又先后与软银和韩国Kakao达成新合作，OpenAI也还是没能留住Figure这个合作伙伴。当地时间2月4日，这家机器人公司的创始人Brett Adcock宣布，Figure决定终止与OpenAI合作。 Figure在全自主研发的、完全端到端机器人AI方面取得了重大突破，未来30天内，公司将向外界展示“人形机器人上从未见过的东西”。 一石激起千层浪，评论有人或表示担心，或看好Figure“能完全掌握自己的命运”，还有的问起Figure会否搭载DeepSeek大模型。不过创始人Adcock都没有做出回应，只是在评论区发布了一则招聘启事：“如果您有兴趣将具身智能大规模推向世界，请考虑加入我们的AI团队。”  实际上，Figure与OpenAI的合作仅维持了不到一年。 2024年2月29日，Figure宣布完成6.75亿美元B轮融资，彼时投资方包括微软、英特尔、OpenAI Startup Fund、Amazon Industrial Innovation Fund 、英伟达等。同时公司宣布与OpenAI达成，合作内容便包括OpenAI将为Figure人形机器人构建专门的AI模型。 同年8月面世的Figure第二代人形机器人Figure 02，就是使用OpenAI模型进行自然语言交流，且这款机器人与上一代相比，具备更加强大的视觉、感知、交互能力以及堪比人类的手掌，可以利用AI视觉系统更好地感知物理世界并完成抓取物体、翻转手腕等一系列的动作。 今年初还有消息称，OpenAI对人形机器人的兴趣进一步提高，甚至在考虑开发一种类人机器人。 至于为何叫停合作，Figure创始人Adcock在接受Techcrunch采访时，给出了更详细的解释。 他表示，和OpenAI合作的问题在于“集成”（Integration）。OpenAI规模庞大、业务范围广泛，又拥有与之相匹配的大模型，但为机器人等具体对象装配AI并非OpenAI的主要关注点。正确的解决方案应该是建立一个端到端AI模型，重点是为特定硬件专用。 “我们发现，要想在现实世界中大规模解决具身智能问题，就必须垂直整合机器人AI，我们不能外包AI（大模型），理由和我们没法外包硬件一样。” 值得一提的是，同样瞄准了端到端大模型的特斯拉，或许也即将发布人形机器人更新。当地时间1月7日，马斯克在游戏直播时透露，“未来几周内，我们就可能会更新Optimus（人形机器人擎天柱），它的进展非常顺利，团队做得很棒。” [查看评论](https://m.cnbeta.com.tw/comment/1476180.htm)