就在有报道称苹果考虑今年晚些时候上调iPhone售价之际，美国总统特朗普表示，他周一与苹果CEO蒂姆·库克进行了通话。知情人士称，苹果正在权衡是否上调今年秋季推出的新款iPhone售价。报道称，该公司正探索将涨价与新功能和新设计“捆绑”的策略，同时努力避免外界将价格上涨与美国加征关税联系起来。苹果方面未就此回应置评请求。  在报道发布数小时后，特朗普表示他已与库克通话。这位总统并未提及苹果潜在的涨价计划，而是强调他认为苹果最终将在美国扩大5000亿美元的投资计划。特朗普说，库克将在美国为苹果建很多工厂。 事实上，消费者和分析师过去一个多月以来已经在为苹果可能涨价做准备。早在4月就曾报道，苹果为应对关税已提前备货，价格上涨的可能性正在上升。 自2017年推出iPhone X起，iPhone的旗舰机型起售价一直维持在999美元未变。不过，特朗普此前的关税措施已对苹果主要生产基地构成冲击，显著抬高了手机制造成本。 苹果CEO蒂姆·库克在财报电话会上表示，预计本季度公司因关税将承担约9亿美元的额外成本。 库克在特朗普第一任期期间，曾成功游说政府将部分苹果产品豁免在关税之外。 [查看评论](https://m.cnbeta.com.tw/comment/1499100.htm)

Sandisk 正在开发一种名为 Stargate 的高容量 SSD 新架构。Sandisk 首席执行官 David Goeckeler 称其为一个“炸药”项目，将显著推动企业存储的发展，尤其是与该公司的BiCS 8 QLC NAND闪存搭配使用时。他还补充说，Stargate 的到来指日可待。  Sandisk 曾是西部数据的子公司，但几年后于今年早些时候从母公司分离出来。前西部数据负责人、现任 Sandisk 首席执行官的 David Goeckeler 正在筹划一些雄心勃勃的项目。 Goeckeler 在最近的投资者问答环节中讨论了 Stargate 的潜力。ComputerBase 指出，该项目涉及新的控制器架构和 ASIC 设计，但技术细节仍不明确。不过，Sandisk 目前的产品路线图揭示了 Stargate 可能扮演的角色。 <picture><source type="image/webp" srcset="https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-p_500.webp 500w， https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-p_1100.webp 1100w， https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-p.webp 1920w" sizes="(max-width: 960px) 100vw， 680px"/></picture> Sandisk 在投资者日上公布的路线图包括将于今年发布的 128TB 固态硬盘，随后将在 2026 年推出 256TB 型号，并在 2027 年推出 512TB 版本。最终目标是推出 1PB 的存储单元，以满足人工智能企业和大型科技公司的高容量需求，这些公司正在继续将业务转向聊天机器人。硬盘制造商也看到了同样的机遇，希捷计划在 2030 年推出 100TB 的硬盘。 Stargate 将支持名为“Ultra QLC”（也称为 DC SN670）的全新企业存储平台，64TB 和 128TB 型号将于第三季度上市。客户可以期待显著的性能提升。随机读取速度将提升 68%，随机写入速度将提升 55%，顺序读取和写入速度将分别提升 7% 和 27%。 <picture><source type="image/webp" srcset="https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-2-p_500.webp 500w， https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-2-p_1100.webp 1100w， https://www.techspot.com/images2/news/bigimage/2025/05/2025-05-12-image-2-p.webp 1920w" sizes="(max-width: 960px) 100vw， 680px"/></picture> 新款驱动器采用 PCIe Gen5 总线，但 Stargate 也可能利用更新的PCIe 6.0标准。得益于 QLC 内存，每个存储单元的单芯片容量将达到 2TB。Tome&#39;s Hardware 指出，Stargate 可扩展至每通道 64 个芯片，512TB 的驱动器将使用 32 个通道。 典型的客户端SSD最多提供八个通道，因此像Stargate这样复杂的存储管理技术短期内不会出现在消费级SSD中。该技术将面向企业级市场，而企业级市场仍将是Sandisk的重点关注领域。 [查看评论](https://m.cnbeta.com.tw/comment/1499098.htm)

阿肯色州共和党参议员汤姆·科顿今天提交了《芯片安全法案》，旨在“防止先进芯片流入美国对手手中，保护美国产品的完整性”。简而言之，该法案旨在追踪显卡和处理器等各种硬件组件的所在地，从而防止这些部件的走私。  走私 CPU 和 GPU 并不是什么新鲜事，过去也发生过这样的事情，这些部件被运往远在大洋彼岸的中国和其他东亚国家。随着国家间人工智能战争的持续，美国一直在调查有关 NVIDIA GPU 是否非法流入中国，以使像 DeepSeek 这样的中国AI大模型受益的报道。 因此，为了应对此类情况，国会正修订美国《芯片安全法案》，为此类设备添加位置验证机制，等等。提出该法案的阿肯色州共和党参议员汤姆·科顿（Tom Cotton）也在新闻稿中概述了所有修改内容： <blockquote><p>《芯片安全法》将指示部长：</p><ul><li><p>要求在法案颁布后 6 个月内对出口管制的先进芯片或带有出口管制先进芯片的产品建立位置验证机制，并要求先进芯片出口商在其产品被转移出预定地点或遭受篡改企图时向 BIS 报告。</p></li><li><p>与国防部长协调，在明年研究其他潜在的芯片安全机制，并在未来几年内制定在适用情况下在涵盖的先进芯片上实施此类机制的要求。这一较长的时间表涵盖了下一代先进芯片长达数年的技术路线图。</p></li><li><p>与国防部长协调，连续三年每年评估最新的安全机制，并确定是否需要任何新机制。</p></li><li><p>连续三年每年提出建议，说明如何使出口管制更加灵活，从而简化向更多国家的运输。</p></li><li><p>在制定芯片安全机制要求时，优先考虑保密性。</p></li></ul></blockquote> 您可以在州议员官方网站上[找到](https://www.cotton.senate.gov/news/press-releases/cotton-introduces-bill-to-prevent-diversion-of-advanced-chips-to-americas-adversaries-and-protect-us-product-integrity)官方新闻稿。 由于公告仅提及“3A090、4A090、4A003.z 和 3A001.z” IC 和计算机部件的存在，因此并未提及硬件组件的具体细节。不过，可以肯定的是，通常擅长 AI 工作负载的 GPU 和 NPU 肯定也在其中。 [查看评论](https://m.cnbeta.com.tw/comment/1499096.htm)

苹果今天发布的 iOS 18.5 更新包含针对iPhone 16e的 C1 调制解调器的安全修复程序，这是第一款苹果自行设计的调制解调器。根据苹果针对 iOS 18.5 的[安全支持文档](https://support.apple.com/en-us/122404)，C1 调制解调器的一个漏洞已被修复。 苹果表示，该漏洞修复了一个基带安全漏洞，该漏洞可能允许“处于特权网络地位”的攻击者拦截网络流量。简单来说，能够访问蜂窝网络基础设施的黑客可能会利用该漏洞进行监视或实施中间人攻击。 C1 的基带用于信号处理，因此它会对设备和网络之间的通信数据进行编码和解码，并处理通话、短信和数据连接。苹果通过改进状态管理解决了该漏洞，这可能意味着需要新的验证检查，以防止攻击者利用运行状态之间的漏洞。  苹果于今年早些时候发布了 iPhone 16e，今天的安全更新值得注意，因为它标志着在 C1 调制解调器中发现和解决的第一个安全漏洞。 iOS 18.5 还包含其他几项安全修复，修复了图像处理、通话记录、蓝牙、文件解析、FaceTime、备忘录、ProRes、WebKit 等方面的漏洞。目前尚无已知漏洞被主动利用，但建议您立即更新。 [查看评论](https://m.cnbeta.com.tw/comment/1499094.htm)

[据彭博社](https://www.bloomberg.com/news/articles/2025-05-12/apple-plans-ai-powered-battery-management-mode-for-devices-in-ios-19)报道，随着iOS 19 的更新，苹果计划使用人工智能来帮助用户更好地管理iPhone的电池寿命。iOS 19 将有一个由人工智能驱动的电池管理选项，它可以分析你如何使用设备，并尽可能地进行调整以减少电池损耗。  电池选项将包含在Apple Intelligence功能套件中，苹果将利用其长期从用户那里收集的电池数据。电池模式将能够根据设备使用情况降低应用程序和其他系统功能的功耗，并且还将包含一个锁定屏幕指示器，显示 iPhone 充电需要多长时间。 iOS 19 的新电池管理工具在设计时就考虑到了超薄的iPhone 17 Air。苹果新款超薄 iPhone 内部没有足够的空间容纳电池，一些传言称 iPhone 17 Air 的电池续航时间将无法与其他iPhone 17机型相提并论。苹果计划通过 AI 优化来提升 iPhone 17 Air 的电池续航时间，不过这项功能将适用于所有能够运行 iOS 19 的 iPhone。 除了 AI 电池模式外，iOS 19 中的几项新功能将被描述为“由 Apple Intelligence 提供支持”，苹果还计划将该措辞用于某些 Apple Watch 功能。 iOS 19 的其他功能包括与 visionOS 类似的玻璃设计、重新设计的健康应用（具有新功能）、Siri更新等等。古尔曼表示，苹果还在“督促”工程师确保 iOS 19 更新“功能更强大、故障更少”。 [查看评论](https://m.cnbeta.com.tw/comment/1499092.htm)

苹果今天发布了 watchOS 11.5，这是 Apple Watch 上运行的操作系统的第五次重大更新。watchOS 11.5 是在 Apple发布 watchOS 11.4一个多月后发布的，它与 Apple Watch Series 6 及更高版本、所有 Apple Watch Ultra 型号以及Apple Watch SE 2兼容。  您可以在已连接的iPhone上下载 watchOS 11.5，方法是打开 Apple Watch 应用，然后前往“通用”&gt;“软件更新”。要安装新软件，Apple Watch 的电池电量至少需要 50%，并且需要将其放在充电器上。 watchOS 11.5 更新添加了全新的 Pride Harmony 表盘，并修复了可能导致 Apple Watch 电池充满电后 iPhone 无法显示通知的问题。苹果的发布说明如下： <blockquote><p>此更新包含新功能、改进和错误修复，其中包括：</p><p>- 全新 Pride Harmony 表盘</p><p>- 在第三方设备上的 Apple TV 应用内购买内容时，可以使用“通过 Apple Watch 购买”功能</p><p>- 解决了手表电池充满电后 iPhone 可能无法显示通知的问题</p></blockquote> [查看评论](https://m.cnbeta.com.tw/comment/1499090.htm)

白宫官员周一证实，来自中国的小包裹仍需缴纳120%的关税，这对寻求从 Shein 和 Temu 等电子商务零售商处购买廉价商品的美国消费者来说是一个重大打击。 [](https://static.cnbetacdn.com/article/2023/1226/c11e719084c5d7e.webp) 特朗普此前曾打破了允许低价值商品免关税进入美国的漏洞——尽管对大多数其他中国进口商品征收的高额报复性关税有所降低，但这些征税似乎已成为新常态。 特朗普政府周一宣布了一项临时贸易协议，将在未来 90 天内将中国商品的关税从 145% 大幅降低至 30%。 一位白宫官员透露，这项协议没有涵盖以下事项：对价值低于 800 美元的货物征收 120% 的关税，或对每件邮件征收 100 美元的固定费用。从 6 月 1 日起，固定费用将增加到 200 美元。 此前，价值低于 800 美元的包裹享有免征附加税的“最低限度”优惠，这使得 Temu 和 Shein 等外国在线零售商可以向美国消费者出售廉价商品。 由于海关和边境保护局制定了对这些商品征收关税的协议，特朗普于今年早些时候正式取消了长期存在的最低限度豁免。 批评该豁免的人士表示，该政策损害了美国企业，例如时尚零售商 Forever 21，该公司在将 Shein 和 Temu 的崛起部分归咎于其衰落后，开始清算其美国门店。 [查看评论](https://m.cnbeta.com.tw/comment/1499088.htm)

苹果今天发布了 iOS 18.5 和 iPadOS 18.5，这是去年 9 月发布的iOS 18和iPadOS 18操作系统的第五次更新。iOS 18.5 和 iPadOS 18.5 是在苹果发布 iOS 18.4 和 iPadOS 18.4一个多月后发布的。  新软件可以通过“设置”&gt;“通用”&gt;“软件更新”在符合条件的 iPhone 和 iPad 上无线下载。iOS 18.5 更新的内部版本号为 22F76，因此已安装 RC 版本的用户将看到另一个更新。 该版本中第一个真正值得关注的更新是邮件功能，现在新增了显示或隐藏联系人照片的设置，无需在“设置”应用中进行更改。此外，用户还可以禁用“按发件人分组”视图。 说到“设置”应用， “AppleCare &amp; 保修”部分有一些小变化。它包含一个新标题，用于解释服务并提供网站链接。 另一个广为报道的变化是苹果自己也确认了一组新的壁纸。2025年骄傲节壁纸系列延续了苹果每年发布骄傲版Apple Watch表带、表盘和壁纸的传统，以倡导 LGBTQ+ 平等。2025 版壁纸由大胆的彩虹条纹组成，可以根据用户移动和解锁设备的方式而移动。 RC 版本中发现的一个意外的后期变化是 iPhone 13 系列支持运营商提供的卫星功能。此前，这项功能仅限于iPhone 14及后续机型，但现在 iPhone 13 系列设备也支持该功能，前提是它们使用的运营商支持该功能。 iOS 18.5 版本的其他改进包括“屏幕使用时间”功能，当孩子在设备上成功输入密码时，该功能会向家长发出警报。如果孩子偶然发现了密码，这可以帮助防止孩子进行未经授权的更改。 Apple Vision Pro应用程序也已更新，以修复偶尔出现黑屏的问题。 此次更新还包括一系列安全改进、错误修复和其他背景修改，以提高性能。 完整发布说明如下： <blockquote><p>此更新包含以下增强功能和错误修复：</p><ul><li><p>全新“骄傲和谐”壁纸</p></li><li><p>当孩子的设备上使用屏幕使用时间密码时，家长现在会收到通知</p></li><li><p>使用 iPhone 购买适用于在第三方设备上购买 Apple TV 应用内内容</p></li><li><p>修复 Apple Vision Pro 应用可能显示黑屏的问题</p></li><li><p>iPhone 13（所有机型）均支持运营商提供的卫星功能。更多信息请访问：<a href="https://support.apple.com/122339">https://support.apple.com/122339</a></p></li></ul><p>某些功能可能并非在所有地区或所有 Apple 设备上可用。有关 Apple 软件更新的安全性内容的信息，请访问：<a href="https://support.apple.com/100100" _src="https://support.apple.com/100100">https://support.apple.com/100100</a></p></blockquote> 苹果很快将把重点转移到iOS 19和 iPadOS 19 上，它们将在 6 月的全球开发者大会上首次亮相，但苹果会继续发布 iOS 18.6 更新，从而将Apple Intelligence带到中国。 [查看评论](https://m.cnbeta.com.tw/comment/1499086.htm)

经过常规 Beta 测试后，新的macOS Sequoia 15.5 现已公开发布，但重要的新功能将被保留到 WWDC 和 macOS 16 的发布会上。此次 macOS 更新主要侧重于修复错误和提升性能，但任何macOS更新实际上都意义重大。虽然修复错误、提升性能以及增强安全性都是值得更新的理由，但建议等到 macOS 正式发布一段时间后再进行更新。  macOS 15.5 中的新内容少之又少，可见的变化和改进就更少了。这绝对像是苹果在发布下一个 macOS 重大更新之前，为了整理 macOS Sequoia 而发布的一个版本。 这似乎是一个旨在添加更多Apple Intelligence功能的版本，因此对于未开放该功能的区域来说意义较小。 **苹果在其更新说明中仅列出了对屏幕时间的更改：** <blockquote><p>该更新包括增强功能、错误修复和 Mac 的安全更新。</p><p>- 当孩子的设备使用 Screen Time 密码时，家长现在会收到通知</p></blockquote> 屏幕使用时间功能有所改进。现在，如果孩子试图篡改屏幕使用时间密码，其父母将会在设备上收到通知。 苹果还在“系统设置”中添加了一个虽小但实用的新功能。由于你可能只是进入“设置”来更改某项设置，所以你可能没有注意到，但它总是会在“通用设置”部分重新打开。现在，即使你退出并重新启动系统设置，苹果也添加了历史记录功能，帮助你更快地返回到最近使用的部分。 苹果公司表示，他们已经解决了 Apple Intelligence 的一个问题，现在使用起来更加顺畅了。据报道，由于 LLM 下载在完成之前被中断，Apple Intelligence 请求有时会出现延迟。 Apple Intelligence 在其各个区域版本中也存在错误，目前该错误已得到解决。 据称Safari浏览器的使用体验也更加流畅，但在这种情况下，这是由于未指明的稳定性改进所致。虽然苹果公司也没有具体说明其在应用程序方面所做工作的任何细节，但它表示，随机应用程序崩溃和系统崩溃问题已经得到解决。 除非出现意外问题，否则这几乎肯定是 macOS Sequoia 的最后一个版本，之后其替代版本将于2025 年 6 月在WWDC上发布。不过，这不太可能是该版本的最终版本。接下来会有 macOS 15.6，但它不会引入任何新功能。 [查看评论](https://m.cnbeta.com.tw/comment/1499084.htm)

美国总统特朗普周一签署了一项影响广泛的行政命令，要求制药商降低药品价格，与其他国家的药品价格保持一致。分析师和法律专家认为该行政命令很难实施。该命令给制药商提出了未来30天内的价格目标，如果这些公司在命令签署后的六个月内没有在实现这些目标方面取得 “重大进展”，则将采取进一步行动降低价格。  特朗普在新闻发布会上说，如果美国的价格与其他国家不一致，政府将对企业征收关税，并表示他正在寻求59%至90%的降价幅度。 “**每个人都应该平等。每个人都应该支付同样的价格**，”特朗普说。 投资者对该命令的执行持怀疑态度，隔夜因 “最惠国待遇 ”定价威胁而下跌的股价在周一早盘回升并上涨。 **美国支付的处方药价格最高，往往是其他发达国家的近三倍**。特朗普在第一任期内曾试图让美国与其他国家看齐，但遭到法院的阻挠。 特朗普提出药品定价建议之际，他正努力履行竞选承诺，应对通胀，降低从鸡蛋到加油泵等一系列美国人日常用品的价格。 特朗普说，他关于药品价格的命令部分源于与一位不愿透露姓名的朋友的谈话。这位朋友告诉总统，他在伦敦以88美元的价格打了一针减肥针，而在美国同样的针剂要1300美元。 该命令的副本显示，如果制药商没有达到政府的预期，政府将通过制定规则使药品价格达到国际水平，并考虑采取一系列其他措施，包括从其他发达国家进口药品和实施出口限制。 代表生物技术和制药的贸易团体对此表示谴责。 该命令还指示美国联邦贸易委员会考虑对政府所称的制药商的反竞争行为采取积极的执法措施。 一位白宫官员说：“我们都很熟悉制药公司为阻止竞争以降低价格而挑战极限的一些做法，”他指出了专利保护和制药商与仿制药公司达成的交易，以阻止廉价仿制药的生产。” 卫生政策律师保罗·金（Paul Kim）说，这项行政命令很可能面临法律挑战，尤其是超出美国法律规定的限制，包括对从国外进口药品的限制。金说：”行政命令提出的更广泛或直接面向消费者的进口远远超出了法律允许的范围。” 美国联邦贸易委员会长期以来一直对制药和其他医疗保健公司采取反垄断执法行动。特朗普上个月命令联邦贸易委员会与其他联邦机构协调，就药品行业的反竞争行为举行听证会。消息人士称，预计他将于周一要求联邦贸易委员会考虑采取执法行动。 “特朗普总统在竞选时提出要降低药品成本，今天他正在这样做。美国人已经厌倦了被欺骗。联邦贸易委员会发言人乔·西蒙森说：”联邦贸易委员会将是这一新努力中值得骄傲的合作伙伴。” 尽管联邦贸易委员会下达了范围广泛的命令，但主要制药商的股价在盘前交易中最初下跌后，于周一反弹。默克股价上涨了5.2%，辉瑞上涨了3.2%，吉利德科学上涨了6.7%。制药商礼来上涨了2.4%。 行政命令与制药商的预期不同。四位游说人士表示，他们原本以为行政命令会要求对部分医疗保险药品实行 “最惠国待遇 ”定价。 “执行这样的命令相当具有挑战性。”墨尔本银行资本市场（BMO Capital Markets）分析师埃文·塞格曼（Evan Seigerman）说。 特朗普的命令还指示政府考虑推动直接面向消费者的采购计划，以其他国家的价格销售药品。 他还命令商务部长和其他机构负责人审查并考虑就可能造成价格差异的药品或成分的出口采取行动。 [查看评论](https://m.cnbeta.com.tw/comment/1499080.htm)

周一，Google宣布推出人工智能未来基金，这是一项新举措，旨在投资利用该公司人工智能研发实验室Google DeepMind 的最新人工智能工具构建的初创企业。 该基金将支持从种子期到后期阶段的初创企业，并提供不同程度的支持，包括允许创始人提前使用 DeepMind 的Google AI 模型、与 DeepMind 和Google实验室的Google专家合作，以及获得Google云积分。部分初创企业还将有机会获得Google的直接投资。 AI Futures Fund 已经有一些案例研究。表情包制作平台 Viggle 和网络漫画应用 Toonsutra 等初创公司都参与了该项目。初创公司可从 5 月 12 日起[在此申请](https://labs.google/aifuturesfund)。  过去几个月，Google一直做出重大承诺，支持下一代人工智能人才和科学突破。 去年11月，Google旗下慈善机构[Google.org](http://google.org/)宣布向人工智能领域的研究人员和科学家提供2000万美元的现金支持。此前，Google首席执行官Sundar Pichai于9月宣布，公司将设立一个1.2亿美元的全球人工智能机会基金，帮助将人工智能教育和培训推广到全球更多地区。Google.org还启动了一个2000万美元的生成式人工智能加速器项目，为开发人工智能技术的非营利组织提供资金支持。 Google还设立了“Google创业者基金”（Google for Startups Founders Funds），支持来自不同行业和背景的创始人创办公司，包括人工智能公司。一位发言人今年2月告诉TechCrunch，该基金今年将开始投资美国专注于人工智能的初创公司，更多信息将在稍后公布。 <svg hidden="true" xmlns="http://www.w3.org/2000/svg" width="41" height="20" 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> [查看评论](https://m.cnbeta.com.tw/comment/1499078.htm)

<blockquote><p>这篇文章深入探讨了为什么老板过于上心的创新项目反而容易失败的原因，揭示了背后隐藏的人性、管理逻辑和组织文化等多重因素，并为职场人和管理者提供了应对和破局的策略建议。</p> </blockquote>  你是否经历过这样的场景：老板对某个创新项目格外重视，亲自定方向、频繁过问进度，团队成员却在背后偷偷吐槽“老板太强势了”“根本没人敢提真实想法”？最终，这个创新项目以失败告终，老板捶胸顿足，团队集体沉默。 这是职场中最扎心的悖论之一：老板越上心的创新项目，反而越容易翻车。 为什么？是因为老板“不懂产品”？还是团队“执行力差”？其实，答案远比表面复杂。这背后隐藏着人性、管理逻辑和组织文化的多重博弈。 ## 01 老板越上心，为何反而“翻车”？ ### 一、傲慢：用“经验”扼杀可能性 老板们在商海征战多年，往昔的辉煌战绩如同勋章般耀眼。然而，这些荣耀有时会成为无形的枷锁，使他们陷入 “经验主义” 的傲慢陷阱。 他们自信站得高、看得远，认为员工的新奇想法不过是小打小闹。总是要找手下的不是，不断批判、不断训斥。觉得没有人比我更懂用户、更懂创新了。 某传统家电巨头的老板在智能家电转型研讨会上，听到年轻产品经理提出“打造家电物联网生态”的构想后，直接否定：“别整这些虚头巴脑的，当年我靠性价比把产品铺满全国，现在照着这个路子干准没错。” 问题在于：当老板用“经验主义”过滤新想法时，团队的创新火花被无形的“紧箍咒”压制。 ### 二、信任缺失：用“控制”浇灭创造力 创新的本质是试错，但很多老板将团队视为“精准执行的机器”。 某互联网公司开发社交APP时，因初期用户增长未达预期，老板当众斥责团队：“你们做的什么玩意？我花这么多钱养着你们，就给我看这个！”高压下，员工战战兢兢，不敢尝试新功能，最终项目胎死腹中。 信任的代价：当老板用“结果导向”取代“过程包容”，团队陷入“不敢犯错”的僵局。创新需要容错空间，就是要在创新过程中不断试错，敏捷精进，而老板的“不信任”直接掐断了试错的可能。 ### 三、指责与换人：用“甩锅”摧毁团队凝聚力 当创新项目受挫时，老板的第一反应往往是“换人”，而非解决问题，搞得人心惶惶，都想自保，哪儿有时间和精力取做事情。 某科技公司在研发新软件时，因技术难题迟迟无法攻克，老板接连换了三任负责人。团队成员人心惶惶，精力全放在“表现自己”上，汇报上总是花大量时间和精力找“不真实”数据亮点，来体现工作成绩，然而项目问题无人关心也无人愿意去克服，最终项目沦为一盘散沙。 连锁反应：频繁的人事变动不仅消耗团队士气，更让“责任”变成“表演”。老板的“甩锅文化”最终反噬了项目的生存基础。 ### 四、信息茧房：用“滤镜”掩盖真相 老板习惯性拒绝“坏消息”，高压之下无人敢说真话，导致团队陷入“虚假繁荣”。 某电商公司直播带货项目启动时，老板力排众议推进，团队成员明知供应链无法支撑爆单，却因害怕被否定而选择沉默。最终因货品不足、售后混乱，口碑崩塌。 信息的毒性：当老板的“权威”成为团队表达真实意见的障碍，项目就像戴着“皇帝新衣”的面具前行，直到一败涂地，最后知道真相是老板，才被揭晓。 ## 02 普通人的破局：在“逆境”中修炼成高手 一旦老板过度插手创新项目，我们往往会陷入水深火热之中。老板强势施加的压力犹如千斤重担，压得人几近窒息，项目方向也因老板的频繁干预而变得扑朔迷离，令人完全无法判断当下路径是否正确。这种混乱状况，让我们的心理防线濒临崩溃，内心被焦虑与迷茫填得满满当当。 面对这种困境，我们应积极调整心态，将其视为成长契机。秉持 “事上磨练” 的心态，在与老板沟通、推进项目的过程中，每一次解决问题、突破困境，都是积累经验、提升能力的机会。 与此同时，自我保护意识同样重要。我们要保持清醒，客观评估项目情况。若项目因老板不合理干预陷入僵局，继续坚持只会带来不必要的损失，此时就要果断放弃。不能一味坚持，让自己成为项目失败的牺牲品。毕竟职场路漫长，保存实力才能迎来更好的发展。 ### 一、学会向上管理：用“老板的语言”表达价值 在老板过度干预的项目中，学会“向上管理”是职场人必备的核心能力。 首先，要掌握预期管理，主动与老板对齐目标，明确阶段性成果，避免因期望落差导致信任危机。 其次，通过结构化汇报传递关键信息：用数据代替主观判断，聚焦老板关注的商业逻辑，例如“当前方案的用户转化率提升15%，但开发成本增加30%”。 同时，提供备选方案而非直接反对，比如“我们可以优先实现核心功能，后续再迭代优化边缘需求”，以此降低决策阻力。 最后，将个人建议与老板的目标绑定，例如“您的目标是抢占市场，我的方案能缩短上线周期30天”。通过这些策略，既能展现专业度，又能巧妙引导决策方向，在高压环境中为自己和项目争取空间。 核心技巧： 用数据代替情绪：将主观判断转化为可量化的商业逻辑。 提供选择而非对抗：给老板多个方案，降低决策阻力。 绑定利益关系：强调“你的目标+我的方案”的双赢逻辑。 ### 二、提升行业Know-How：用“专业壁垒”赢得尊重 在老板主导的项目中，普通员工若缺乏核心竞争力，极易沦为执行工具人。以某设计公司竞标大型商业空间项目为例：设计师因过度揣测老板偏好，将本可突破的创意方案调整为保守模板，虽成功中标却泯然于众，错失建立品牌标杆的机会。 破局关键在于用专业壁垒重构话语权——通过深耕行业Know-How，建立系统性认知框架（如商业空间动线设计法则、用户行为数据分析模型），将抽象创意转化为可量化论证的商业价值。 例如在方案中嵌入“人流热力图预测”“坪效提升模型”等专业工具，既能规避“天马行空”的质疑，又能用数据佐证创新逻辑。当专业深度成为信任支点，即便面对强势老板，亦能通过“技术理性+商业洞察”的组合拳，将边缘角色转化为不可替代的智囊角色。 破局关键： 深耕细分领域：在某个环节建立不可替代的专业能力（如用户洞察、技术落地）。 输出行业洞察：定期用“行业报告”“趋势分析”展现对市场的理解。 打造个人IP：通过内部分享、外部演讲强化专业形象。 ### 三、应用迭代思维：用“小步快跑”应对不确定性 创新的本质是“动态试错”，但管理者的“结果焦虑”往往将团队推向“完美主义悬崖”。某智能硬件初创团队曾因执行“必须一次成功”的指令，耗费18个月堆砌冗余功能，最终因技术过重、市场风向转变而痛失先机。 复盘后，团队切换至MVP（最小可行性产品）策略：聚焦核心用户痛点，仅保留基础交互模块，3个月内完成开发并投放市场。通过实时追踪用户行为数据，发现80%的活跃度集中于核心功能，遂集中资源优化关键体验。 结果，产品以“精准需求穿透力”在细分赛道斩获25%市占率，验证了“小步快跑”的科学性——创新竞争力不在于“大而全”的预设完美，而在于“准而快”的敏捷验证。这一案例揭示：容忍阶段性不完美，以“快速失败-快速学习”的迭代逻辑替代静态完美主义，方能真正驾驭市场不确定性。 行动建议： 拆解目标为阶段成果：用“里程碑”替代“终极目标”。 建立反馈闭环：每周复盘进展，及时调整方向。 接受“不完美”：用“快速失败”换取“快速学习”。 ## 03 管理者的破局：从“控制者”到“赋能者” 在创新项目中修炼，是一件反人性的事。老板要勇于打破过往的思维定式，果断抛弃曾经的成功经验。过往经验在创新浪潮中往往会成为阻碍，唯有躬身入局，在事上磨练自己，培养强大的开放和批判思维，才能在创新的实践中不断打磨自己，最终引领成功。 张一鸣曾经说过：通过减少管理的管理方式，让好的人去自己追求目标，达到好的结果。老板不应再以传统 “控制者” 姿态参与，而是积极投身其中，成为 “赋能者”，引领团队开拓新的天地。 知道容易，做到很难，知行合一，事上磨练才能成事。 ### 一、允许失败：给创新“试错的权利” 某科技公司设立 “创新风险基金”，为创新项目预留了一定的试错空间。在 10 个创新项目中，即便有 7 – 9 个遭遇失败，只要能诞生 1 – 3 个极具影响力的头部产品，公司便实现了成功。这体现出公司深谙创新之道，明白允许失败是通往成功的必经之路。 管理启示： 构建容错体系：把 “失败成本” 纳入预算规划，为创新尝试兜底。 激励探索行为：对于提出新方案的团队，给予额外资源支持，鼓励大胆探索。 挖掘失败价值：定期举办 “失败复盘会”，挖掘失败中的经验教训，助力后续创新。 ### 二、躬身入局：从 “权威者” 到 “领航员” 管理者不应居高临下地批评指责，而需躬身入局，借由高绩效教练方法引领团队。就像京东投身外卖大战时，刘强东亲身体验外卖配送工作，深入一线洞察配送难题，从而做出有效布局，大幅提升配送效率与服务质量。 管理启示： 参与，而非主导：在组织头脑风暴时，领导者应转换角色，如刘强东那般，只倾听不发言，给予员工自由探讨的空间，借此激发多元创新思维。 倾听，而非评判：在创新管理进程中，领导者需包容看似 “离经叛道” 的想法，深入剖析背后逻辑，切勿贸然否定，因为某些看似荒诞的思路，极有可能成为变革的关键突破口。 支持，而非干预：领导者应全力为团队提供资源支撑，涵盖资金、人力、技术设备等方面，避免代行决策，让团队在自主决策的实践中积累经验、茁壮成长 。 ### 三、重建信任：用“尊重”激发团队潜能 根据马斯洛需求理论，尊重的需求（第四层）是团队效能跃迁的关键杠杆。当成员感受到价值认可（如参与决策权、创意署名制）而非工具化执行时，其主观能动性将产生裂变效应。 以某科技公司为例，管理者通过“方案路演制”让基层员工直接向董事会提案，并设立“创新勋章”表彰贡献者，使团队专利申请量同比激增47%。 这印证了管理真谛：信任不是放任，而是通过制度设计将尊重需求转化为生产力——当员工从“被考核者”进阶为“价值共建者”，潜能的释放将远超机械激励的边界。 管理启示： 透明化决策：公开资源分配逻辑，使各部门理解资源流向，满足其对尊重的心理预期，减少猜忌。 赋能而非控制：开展培训、合理授权，提升团队自主性，让成员感受到自身价值被认可，尊重需求得以满足。 认可而非指责：以 “过程表扬” 替代 “结果批评”，肯定成员努力，从尊重层面激发团队活力。 ## 04 每一次失败，都是团队成功的一小步    项目失败不可怕，可怕的是在失败中一蹶不振。要知道，每一次失败都是成长的宝贵经历。就像那句金句说的：“那些杀不死你的，终将使你变得更强大。” 在老板参与的项目中，我们虽然面临巨大压力，但这也是提升自我的机遇。 对于普通人来说，这是一次积累行业Know-How、提升向上管理能力的绝佳机会；对于管理者而言，则是一次打破“权威幻觉”、回归“赋能本质”的必修课。 最终的答案或许在于：当老板学会用“信任”替代“控制”，用“尊重”替代“指责”，当团队敢于“犯错”、擅长“迭代”，那些曾经“翻车”的创新项目，终将成为照亮前路的灯塔。 正如那句古老的航海谚语所说：“风浪越大，越能证明船的坚固。”在产品创新的浪潮中，只有放下“掌控一切”的执念，才能真正驶向成功的彼岸。    你在职场中经历过哪些“老板越上心项目越失败”的案例？欢迎留言分享，或许你的经验能成为他人的灯塔。 本文由人人都是产品经理作者【简单有道】，微信公众号：【简单有道】，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。

苹果手机产品价格发生变化。近日，《科创板日报》记者走访深圳多家苹果授权经销门店发现，iPhone 16 Pro等多款机型已出现调价，以iPhone 16 Pro 128GB为例，售价从官网原价7999元下调至6499元；Pro Max全系版本同步降价超1300元。多位销售人员表示，“我们线下已经统一调过两轮了，目前（苹果）官网与直营店是原价。”  苹果经销商门店 **截至目前，苹果iPhone 16系列在不同销售体系中形成了明显的价格分层：**目前苹果官网与直营门店售价保持不变，授权门店则统一执行下调后的挂牌价，而电商平台通过限时发券和补贴，将部分型号价格进一步压至6000元以下，满足“以旧换新”补贴门槛。 截至目前，苹果未对渠道价格变化作出公开回应，苹果中国区客服则向《科创板日报》记者表示，“目前没有接到降价通知。 小米、华为、OPPO等品牌也已在线下渠道启动“618价”预热促销，部分机型通过组合补贴实现提前放量。 苹果iPhone 16线上、线下“三价共存” **《科创板日报》记者在一线走访中发现，本轮苹果降价并非由苹果官网或直营门店统一发布公告，而是由授权经销商同步调价，叠加平台限时补贴机制，目前市场上已出现三种价格带：官网原价、授权统一价、电商补券实付价。**  苹果经销商门店中iPhone 16现价 其中，在深圳多家苹果授权经销门店，包括iPhone 16 Pro、iPhone 16 Pro Max、iPhone 16、iPhone 16 Plus在内的机型已普遍调价。例如，iPhone 16 Pro（128GB）售价为6499元；iPhone 16 Pro Max起售价为8599元；标准版iPhone 16与Plus版本分别为5099元、5599元。**门店销售普遍表示，“这个价格是统一调整后的，之前调过一次，昨天（即：今年5月11日）又调了一轮，全国授权门店基本一致。”** 销售对比价的方式也较为直接，“你去官网或者直营店看看，都是原价的。”一位销售边展示官网售价边强调：“我们虽然不是直营，但是授权渠道，全国联保，一样保修。” 《科创板日报》记者走访京东之家线下门店时获悉，其线下价格与官网一致，未执行授权体系中的“6499元”价格体系。其销售人员称：“线下是原价，参加不了国补；线上你看到的5999元，是京东平台通过发券方式实现的。” **这一点从电商平台促销页面也可得到验证。** 在京东与天猫Apple官方旗舰店上，iPhone 16 Pro（128GB）通过限时优惠券叠加“以旧换新”补贴后，价格被压至5499元。京东之家的销售人员也坦言：“你要是抢得到券，确实划算，但昨天（即：今年5月11日）晚上iPhone 16 Pro（128GB）的货都抢完了。” 当前“国补”并非限定产品属性，而是依据价格门槛（6000元以下）来界定参与资格。只要实付价格达标，iPhone、iPad乃至AirPods均可在参与平台获得补贴。Apple官网与直营门店由于价格未调整、且线下不纳入政策适用范围，因此无法实现补贴；而线下授权门店虽有调价，但大多未跌破6000元临界点。 **由此，这构成了一种价格层级结构：官网定价“保持高位”；授权门店已两次调价；而电商平台则通过“补贴券”，触发“国补”要求的方式创造出最低价格成交通道。** **截至目前，苹果未对渠道价格变化作出公开回应。《科创板日报》记者向苹果中国区客服进行咨询，其官方客服表示，“目前没有降价通知，请以官网价格为准。若有降价，会第一时间同步线下直营店和授权门店。”** **在“三价共存”所造成的“信息差”背景下，消费者在不同渠道间的体验差异也被愈发拉大：部分门店销售并不会主动提及平台价差，但亦有部分销售仍会清晰解释“国补门槛”的逻辑。** 社交平台上，有用户分享了iPhone 16系列在不同平台的报价截图，对比授权店、官网与电商实付价的差异，并制作了“价格走势记录表”，标注出Pro系列近期多次降价区间。也有博主总结不同版本的成交价格，并提示券后价是否接近往年同期水平。在相关评论区中，“是否为历史低价”“是否还有空间”“618是否会继续降”等话题被反复提及。 部分用户反映，电商平台降价的时间节点较往年提前，引发对“首发购买是否划算”的讨论。有消费者在公开评论中称：“去年买15 Pro降价慢，今年16 Pro不到半年就降”；也有网友表示“现在比官网低1000多，看起来门店更早行动了”。 在多个平台的评论中，出现了关于“不同销售渠道政策差异”的集中讨论。一些用户留言表示难以理解“为什么官网没有降，门店却统一降了”；也有网友交流称“只有电商平台配合券才够国补门槛”，并表示“只能多平台比价，看哪边便宜”。 苹果手机在华出货承压 这并非苹果首次在“大促”前进行调价。 早在去年3月，iPhone 15系列便率先启动降价，幅度达1500元；进入去年“618”期间，价格进一步下探，最大降幅达到2350元。今年3月，苹果再度推出全系降价活动，iPhone 16（128GB）价格一度低至4499元，创下其旗舰机型的历史新低。 根据IDC发布的数据，2025年第一季度中国智能手机市场出货量同比增长3.3%，达到7160万部。但在整体市场回暖的背景下，苹果的表现未能同步改善。IDC数据显示，苹果该季度在中国的出货量为980万部，同比下降9%，是主要品牌中唯一出现负增长的厂商。Canalys数据显示，2024年全年，苹果在中国市场出货量为4290万部，同比下降17%，市场排名被华为反超。 Canalys高级分析师朱嘉弢对《科创板日报》记者表示，“第四季度是苹果iPhone的传统销售旺季，未来几个季度将面临更大的销售压力。”他认为，降价可能对销量提升产生一定作用，但在当前竞争与价格政策限制下，提振效果有限。尤其在“6000元以下机型可获补贴”的政策背景下，苹果部分主力产品定价区间仍未纳入。 苹果公司2025财年第二财季财报显示，其在大中华区实现营收160.02亿美元，较去年同期下降约2%。全球层面，该公司本季度总营收达953.59亿美元，同比增长5%；净利润为247.8亿美元，同比增长5%；其董事会已批准最多1000亿美元的股票回购计划。分析认为，苹果整体盈利能力保持稳定，为区域性策略调整提供了一定操作空间。 天风国际分析师郭明錤在近期研报中表示，苹果在2025年面临多重挑战，包括iPhone出货增长放缓、创新节奏承压以及中国业务连续性疲软。**有观点认为，在此背景下，包括通过渠道调价、与平台协作释放补贴空间等策略，正成为苹果应对本地市场压力的方式之一。** 根据Counterpoint的数据，苹果在中国高端手机市场的份额从2022年的75%，下降至2024年的54%。同期，华为、小米等品牌在旗舰产品的发布频次、技术配置、本地服务适配等方面持续推进，苹果在本土市场面临更直接的竞争局面。 根据Canalys发布的2025年第一季度中国智能手机市场数据，小米、华为、OPPO和vivo分列市场前四，出货量分别为1330万台、1120万台、1110万台和1080万台，均实现同比增长。其中，小米以18.6%的市场份额位居第一，同比增幅达39.9%；华为同比增长10%，排名上升至第二。 多个手机品牌提前启动“618” **《科创板日报》记者在走访中发现，除了苹果经销商调价之外，部分品牌的门店已开始在社交媒体上预热“618”促销活动。** 部分渠道明确打出“618价格提前执行”口号，并结合店铺补贴、国补政策、赠品福利等组合方式将销售节奏提前。 例如，OPPO在线下门店对Find X8s机型推出最高直降1000元的限时优惠，优惠后价格低至3699元，较官网价格明显下探。店面同步配套贴膜、回收、免息分期等服务。该活动原计划截至5月11日，后因市场反响，活动延长至5月18日。 华为则围绕Mate 70系列、Pura 70系列、nova Flip等机型在部分门店推出“到手价+国补+店补”组合形式，补贴后售价最高降幅超千元。旗下智能穿戴产品如WATCH GT 5与FreeBuds Pro 4系列也在部分渠道以“国补后价格”发布限时售价，折后优惠力度集中在300元至900元区间。 小米则在小红书等平台发布门店促销信息，15系列手机不同版本普遍在官方零售价基础上直降800元，并配套赠品。部分宣传话术强调“无需等618”“线下价优于电商平台”等卖点。 目前各品牌促销方式差异较大，覆盖方式从官方门店统一价，到渠道自主发券、平台补贴触发国补，再到线下销售话术强调“早买早享”。从促销节奏看，618价格释放已有提前趋势，线下端成为核心承接场景之一。 [查看评论](https://m.cnbeta.com.tw/comment/1499076.htm)

美国联邦航空管理局（FAA）周一表示，将以空中交通管制人员、跑道建设和设备问题为由，提议削减纽瓦克自由国际机场的航班。联邦航空管理局还以空中交通管制人员配备问题为由，于周一在纽瓦克机场实施了一项新的地面延误计划。 [](https://n.sinaimg.cn/tech/transform/93/w550h343/20250506/8ab3-ae39a0b89847dfe180b921caaf3ae8ba.jpg) 联邦航空局在一份通知中说：“该机场显然无法处理目前的定期运营水平，”联邦航空局在周三开始与航空公司举行的为期两天的会议之前说，“该机场显然无法处理目前的定期运营水平，”联邦航空局在一份通知中说。“联邦航空局认为，这项建议将把超额排班、航班延误和取消减少到可接受的水平。” 联邦航空局建议，在纽瓦克机场跑道施工期间，每小时到达率不超过28个航班，相应的起飞率不超过28个航班。 联邦航空局的会议将只针对国内航空公司的计划运营。 这一限制将持续到6月15日，从9月到年底的周末也是如此。联邦航空局还另外提议，在10月25日之前，当施工没有进行时，每小时到港和离港的计划航班数不得超过34架次。 纽瓦克遭受了一系列的电信故障。 周日，美国联邦航空局（FAA）称，在纽瓦克机场引导飞机的设施出现了新的电信问题，迫使该局短暂放慢了进出机场的航班速度。 费城航站楼雷达进近控制中心的问题也曾一度导致联邦航空局发布地面停飞命令，以确保冗余系统能按设计正常工作。 周五，费城设施发生了长达90秒的雷达和电信故障， 这是继4月28日严重故障之后两周内发生的第二次故障。 最新的事故凸显了空中交通管制网络基础设施的老化问题，而在此之前，交通部长肖恩·达菲周四提议在未来三到四年内花费数十亿美元来修复。 上周，美国联邦航空局（FAA）表示，它正在立即采取措施解决目前存在的问题，这些问题已经中断了数百个航班。 美国联邦航空局去年将纽瓦克空域的控制权迁至费城，以解决纽约市地区的人员和交通拥堵问题。美国联邦航空局的空中交通管制员人数比目标人数少大约3500人。 [查看评论](https://m.cnbeta.com.tw/comment/1499074.htm)

每年的5月，是攀登珠穆朗玛峰的黄金窗口期，吸引了大量“有钱有闲”的攀登者前来挑战。一直以来，攀登珠峰这个项目，都被认为是一项富人才敢参与的“玩命挑战”，虽然听着不舒服，但这是事实。  首先，需要准备一大笔钱。大多数人都是从尼泊尔南坡上的，总费用差不多需要50万人民币，包括登山许可证（今年涨价为15000美元，之前是11000美元）、报团费用、向导服务、垃圾清理押金、机票住宿，以及装备等等费用。 若运气不好，需要救援，费用另算，鉴于珠峰的环境，救援服务是非常昂贵的。  其次，就是时间。前期的运动训练时间是无法量化的，完全看个人体质和训练状态，这个阶段的花销也很大。 等身体的运动能力达标了，准备攀登了，要经历2个过程，一是适应当地环境（主要是高海拔低氧低温），二是攀登。 现在借助夏尔巴人向导的帮助，一路上铺设了辅助设备，比较安全的珠峰攀登，时间需要预留2个月。徒步到大本营后，要进行适应性训练，一般要40天才能登顶。 自从1953年首次成功登顶珠峰后，这个时间一直都没有怎么改变过，很多商业公司也推出了“速登”服务，但成功的不多，危险系数也很高。 然而，今年的登山季，知名登山向导卢卡斯·富滕巴赫（Lukas Furtenbach）竟推出了“闪现”登山服务，号称：一周就能往返珠峰，而秘密“武器”则是使用稀有气体——氙气。 一周“闪现”珠穆朗玛峰 向导卢卡斯以挑战攀登珠峰极限而闻名，之前他的“闪现”记录是3周（注：需要在家提前进行低氧训练），而这一次，他将“闪现”记录缩减至1周。 按照他的设想，登山者先打“飞的”到加德满都，然后直接去一家机构进行“氙气训练”，大约30分钟，再坐直升机飞往大本营，大本营待一会，2小时内开始攀登珠峰。 天气理想的情况下，登山者4天到顶峰，一周内返回家里。 相比较，其他登山者从到达大本营到登顶，一般要60天，快一点的也要25天。  今年1月份，这次“闪现珠峰”首发团就有4人报名，价格每人15万美元。 飞行员加思·米勒 (Garth Miller)是其中一员，他表示自己工作很忙，还要回去照顾孩子，所以参加了这个“闪现珠峰团”。他和向导卢卡斯一样，认为有了稀有气体氙气的帮助，一周就能登上珠峰并返回家中。他希望周一出发，周日就能回家吃晚饭。 他们会这么想，理由也很简单：氙气在医学上是麻Z剂，人在使用时，会增加促红细胞生成素，也叫EPO，这种物质有利于生成红细胞，而红细胞就可以携带和运输氧气。 当在高海拔地区，氧气稀少，人体就会缺氧，多一些可携带氧气的红细胞，就能对抗这种缺氧状态，这样身体就可以在短期内快速适应珠峰空气稀薄的环境。 用向导卢卡斯的话来说，氙气提供了一条适应环境的捷径，大大缩短登山者的适应过程，登山时间自然就短了。 他还有一个观点则是：在山上待得时间越短，登山者也越安全。  为了证明这个方法是有效且安全的，向导卢卡斯做过亲身体验。 2020年，他接受了低剂量的氙气训练，成功登顶阿根廷海拔6960米的阿空加瓜山，据他回忆，登顶时血氧饱和度是89%。 2022年，他和其他2位向导也用相同的方式测试攀登珠峰，攀登珠峰前，他们还额外在家里进行了低氧训练，提前睡在低氧帐篷里适应环境。 这一次测试，向导卢卡斯表示也和登陆阿空加瓜山是一样的，氙气确实有帮助。 而今年的4人“闪现”首发团，就是为了再次验证这个方案，参与的4个人均有丰富的登山经验，身体素质也很强。 备受争议 目前，这个“闪现”首发团是否成功，还没找到消息。 不过自从尝试用“氙气”来加速适应时间，这个方法就受到多方批评。 有一点必须强调，关于氙气能否帮助人们登上世界最高峰，医学专家们的回答是不一致的。 很多专家是反对的，他们认为没有足够的科学证据来表明这一点。 于是引发了另一层担忧：在世界上最极端的环境中使用“未经测试的方法”，太危险！ 一旦氙气过量，就有可能导致头晕、恶心、失去意识，甚至死亡。 在珠峰上，境地如此危险，意识混乱或判断失误，一个小小的错误就会造成登山者死亡，还会连累整个团队。  还有一点也要明确，克服低氧，不代表你就能成功且快速登顶珠峰。 因为，在珠峰上阻碍登山者前进的因素，有很多。 可以看一下上面这张图，根据这个统计图，死亡最常见的原因是雪崩（29%），其次是坠落（23%）、冻伤（11%）和急性高山症（10%）。 还有一些匪夷所思的原因，都包含在其他27%里，比如被“猪队友”连累、攀登人太多路上交通堵塞、绳子突然断了等等。 总之，攀登珠峰的危险性很高，克服低氧只是规避了其中一个风险。想要安全且快速完成，其他方面也很重要，就连运气，也是必不可少的。 [查看评论](https://m.cnbeta.com.tw/comment/1499072.htm)

<blockquote><p>如果你还在为会议纪要整理而烦恼，这篇文章将为你带来福音！以下是5款实用的AI会议纪要神器，它们凭借各自的优势功能，全面提升了会议效率和纪要质量，让打工人轻松应对会议挑战。</p> </blockquote>  上次有读者在后台留言，说要测评并推荐好用的AI会议纪要的工具和产品。以下是一些好用的 AI 会议纪要工具推荐及相关测试情况。 先看一下整体本文讲到的5款AI会议纪要的产品的主要功能，以及整体的使用感受。  ## 01 钉钉 - 功能特点 2025 版升级的「AI 会议中枢」能将 2 小时录音压缩成 3 分钟结构化纪要，自动关联日程任务，通过语音语调判断发言者态度，还有「情绪值分析」功能，可用于谈判复盘。 - 钉钉PC端网址： https://www.dingtalk.com    - 测试情况 在实际企业应用中，其智能关联日程任务和情绪值分析功能为会议管理和复盘提供了独特的视角和便利。例如，在一些商务谈判会议后，通过情绪值分析可以帮助团队更好地了解双方的态度和立场变化，为后续决策提供参考。  ## 02 腾讯会议 - 功能特点 联合科大讯飞推出定向降噪麦克风 + AI 纪要套装，可清晰分离人声与环境音，具备「角色识别」功能，通过声纹自动标注发言人，会后点击记录可回放对应音视频片段。 - https://meeting.tencent.com。这是腾讯会议的官网，在官网中可以找到 PC 端软件的下载链接等信息。  - 测试情况 在嘈杂的展会现场等复杂环境中，腾讯会议的定向降噪和角色识别功能表现出色，能有效减少环境噪音干扰，准确识别不同发言人的内容，方便会后查阅和回顾。 ## 03 讯飞听见 - 功能特点 支持 128 种语言转写，包括方言，准确率实测超 95%，上传录音后可生成角色分离剧本、关键词云图、智能摘要三种格式，支持自定义热词库 - https://www.iflyrec.com/zhuanwenzi.html    - 测试情况 在跨国会议和调研访谈场景中，讯飞听见的多语言和方言识别能力优势明显。例如，在涉及多种语言和方言的调研访谈中，能够准确转写内容，为后续的分析和整理提供了高质量的文本基础。    ## 04 飞书妙记 - 功能特点 实时转写功能强大，一边开会一边能看到文字记录，语音识别准确率高，智能总结功能可自动提取会议中的关键信息和行动项。 - https://www.feishu.cn/product/minutes?ref=www.xindu.city%2F   - 测试情况 在日常的企业会议、培训等场景中，飞书妙记能够快速准确地生成会议纪要，帮助参会人员及时回顾会议内容，明确待办事项，提高工作效率。不过，其免费版功能有限，如需更长录音转写时长和更多存储空间等高级功能，需付费订阅。  ## 05 通义听悟 - 功能特点 实时语音转文字，多语言同步翻译，音视频转写能智能区分发言人，还具备 AI 智能分析和总结功能，可提取关键信息、问答观点、章节脉络、待办事项，支持多格式一键导出。 - https://tingwu.aliyun.com    - 测试情况 在一些涉及多语言的会议和学习场景中，通义听悟的多语言翻译和智能分析功能能够帮助用户更好地理解和掌握会议内容，提高信息获取和处理的效率。  如果你对 AI 会议纪要有特定需求，如跨国会议的多语言支持、嘈杂环境下的准确记录等，可以根据上述工具的特点和测试情况进行选择和试用，以确定最适合自己的产品。- 每一次分享都让你懂得更多 本文由人人都是产品经理作者【AI产品经理Echo】，微信公众号：【产品经理的逻辑与审美】，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。

Google近十年来首次更新了其色彩鲜艳的“G”标志。[据 9to5Google 报道，](https://9to5google.com/2025/05/12/google-icon-update/)iOS 版Google应用的更新展示了一个新标志，该标志将标志的红、黄、绿、蓝四色融合成渐变色。  Google上一次对其标志进行重大修改是在2015年9月，当时该公司将字体更新为无衬线字体。当时，Google还发布了一个全新的“G”标志，融合了该品牌的所有颜色。 虽然这种变化可能有点微妙，但新混合的标志使其与双子座标志设计所使用的渐变保持一致。 到目前为止，Google似乎只更新了其 iOS 应用上的徽标。“G”在 Android 和网页版上的颜色之间仍然有明显的边界。 [查看评论](https://m.cnbeta.com.tw/comment/1499070.htm)

<blockquote><p>本文深入剖析了AI产品经理面试中的常见机器学习算法及其应用场景，通过通俗易懂的解释和对比，助力读者扎实掌握基础知识，提升专业素养，为面试做好充分准备。</p> </blockquote>  继续分析和学习100道AI产品经理面试题目第2题。 100道题详见《AI产品经理：100道面试题，你能聊多少？》 前面的第一题可以看下面的链接，扎扎实实的把基础知识学习一遍，流畅回答问题的背后是扎实的基础知识学习和实践理解的功底。 《AI产品经理面试题1：人工智能、机器学习、深度学习的区别》 一位大厂AI产品经理看了这100道题，说，如果真的能把这100到题目都讲清楚，一定是理论知识深厚、实战经验丰富的一线高级AI产品经理。 第2题：列举 5 种常见机器学习算法及其典型应⽤场景（如 KNN ⽤于推荐系统）（算法应⽤ ，★★) 下面是这道问题的思考和解答： ## 题⽬解析思路与知识点拆解 知识点：机器学习主要类别的分类说明，涵盖定义、典型算法、典型任务。 ### 一、监督学习（Supervised Learning） - 定义： 通过带有标签（正确答案）的数据训练模型，学习输入特征与输出标签之间的映射关系，用于预测未知数据的标签。 - 典型算法： 线性回归：预测连续值（如房价）。 逻辑回归：二分类任务（如垃圾邮件识别）。 决策树：基于特征分割数据（如贷款风险评估）。 支持向量机（SVM）：通过超平面分类数据（如文本分类）。 K近邻（KNN）：根据邻近样本分类（如手写数字识别）。 - 典型任务： 回归：预测连续数值（如股票价格）。 分类：预测离散标签（如疾病诊断）。 通俗解释：就像老师带着答案教学生做题，模型通过大量“题目+答案”学习规律，最终能独立完成类似题目。 ### 二、无监督学习（Unsupervised Learning） - 定义： 从未标注数据中发现隐藏结构或模式，无需标签指导。 - 典型算法： K-means聚类：根据相似性分组数据（如客户分群）。 DBSCAN：基于密度发现任意形状的簇（如异常检测）。 主成分分析（PCA）：降维以简化数据（如可视化高维数据）。 关联规则（Apriori）：发现数据间关联（如购物篮分析）。 - 典型任务： 聚类：将相似数据分组（如用户行为分析）。 降维：压缩数据维度（如图像特征提取）。 异常检测：识别离群点（如信用卡欺诈检测）。 通俗解释：像学生自己整理笔记，通过观察数据间的相似性自动分组或简化数据。 ### 三、强化学习（Reinforcement Learning） - 定义： 通过与环境交互试错，根据奖励信号优化策略，以最大化长期累积奖励。 - 典型算法： Q-Learning：通过更新Q值表学习最优策略（如平衡杆游戏）。 深度Q网络（DQN）：结合神经网络处理复杂状态（如Atari游戏）。 策略梯度（DDPG）：适用于连续动作空间（如机器人控制）。 - 典型任务： 动态决策：如自动驾驶路径规划。 游戏AI：如AlphaGo围棋策略。 通俗解释：像训练小狗做动作，正确时给零食奖励，错误时无奖励，最终学会最优策略。 ### 四、半监督学习（Semi-Supervised Learning） - 定义： 结合少量标注数据和大量未标注数据训练模型，降低标注成本。 - 典型算法： 标签传播：基于图结构传递标签（如文本分类）。 半监督SVM：利用未标注数据优化分类边界。 - 典型任务： 医学图像分析：少量标注CT片结合大量未标注数据学习。 通俗解释：像学霸用错题本和大量练习题自学，少量标注数据指导模型方向。 ### 五、自监督学习（Self-Supervised Learning） - 定义： 通过自动生成伪标签，从未标注数据中学习特征表达。 - 典型算法： 掩码语言模型（如BERT）：通过预测被遮盖的词语学习上下文。 对比学习（如SimCLR）：通过增强数据构建正负样本对。 - 典型任务： 图像补全：预测被遮盖的像素。 语言模型预训练：生成文本的上下文表示。 通俗解释：像玩填空题，模型通过猜测缺失部分自学语言或图像规律。 - 总结对比  ## 题⽬解析思路 该问题考察候选⼈对机器学习算法的基础掌握能⼒和技术与场景的映射能⼒ 。 回答需体现以下 要点： 1.  算法分类：明确算法类型（监督 / ⽆监督学习）及适⽤场景； 2.  原理简述：⽤⼀句话说明算法核⼼逻辑； 3.  场景匹配：结合真实案例说明算法应⽤价值； 4.  差异化对⽐：避免同类算法重复（如逻辑回归与 SVM 需区分场景）。 回答参考（满分答案框架） 答案结构： 分类说明→逐项列举→场景举例→总结适配逻辑。 ### 1.监督学习算法 （1）线性回归 （ Linear Regression） ■   原理：通过拟合数据点的最佳直线预测连续值  ■   场景：房价预测（输⼊⾯积、地段 ，输出价格）、⼴告点击率预估。 （2）决策树 （ Decision Tree） ■   原理：通过树状规则链（如 “ 年龄 &gt;30 岁→ 申请贷款？” )  进⾏分类或回归。  ■   场景：信⽤卡申请审核（规则可解释性强）、疾病诊断流程。 （3）K 近邻算法 （ K-Nearest Neighbors, KNN） ■   原理：根据最近的 K 个样本的标签投票决定新样本类别。  ■ 场景： 电商推荐系统（相似⽤⼾喜好推荐商品）、⼿写数字识别。 ### 2.  ⽆监督学习算法 （4） K 均值聚类 （ K-Means Clustering） ■   原理：将数据划分为K 个簇 ，使同⼀簇内样本相似度最⾼。  ■   场景：⽤⼾分群营销（如⾼价值 / 低价值⽤⼾）、 图像颜⾊压缩。 （5）主成分分析 （ Principal Component Analysis, PCA） 主成分分析法是一种常用的无监督学习降维技术 。它通过线性变换将多个相关的原始变量转换为少数几个互不相关的综合变量（即主成分），这些主成分是原始变量的线性组合，并且尽可能多地保留原始数据的信息。  ■   原理：通过降维保留数据主要特征 ，减少计算复杂度，结合上图进行理解：‍‍‍‍‍‍‍ 原始变量与坐标系：图中 (x_1) 和 (x_2) 代表原始的两个变量，它们构成了原始的坐标系。数据点在这个二维平面上分布。 数据的方差：主成分分析的目标是找到新的坐标轴方向，使得数据在新坐标轴上的方差最大化。方差越大，说明数据在该方向上的离散程度越大，包含的信息也就越多。 主成分轴：图中的 (y_1) 和 (y_2) 是经过主成分分析得到的新坐标轴，即主成分轴。其中 (y_1) 方向上数据的方差最大，是第一主成分； (y_2) 方向与 (y_1) 正交（垂直），且在 (y_2) 方向上数据的方差是在与 (y_1) 正交的所有方向中最大的，是第二主成分 。一般在降维时，会优先保留方差大的主成分，比如只保留 (y_1) ，就将二维数据降到了一维。 ■   场景应用   例如⼈脸识别预处理（降低图像维度）、⾦融数据去噪。 数据降维：在处理高维数据（如基因表达数据，可能有数千个基因变量）时，PCA 可以将数据维度降低，减少计算量，同时保留大部分关键信息，便于后续的数据分析和可视化。 图像压缩：图像可以看作是一个高维数据矩阵（每个像素点的颜色值等构成变量）。利用 PCA 可以提取主要成分，去除冗余信息，实现图像的压缩，在保证一定图像质量的前提下减少存储空间。 信号处理：在处理复杂信号（如音频信号、电生理信号等）时，PCA 可用于去除噪声，提取主要特征信号 ，帮助分析信号的本质特征。 ## 总结 适配逻辑算法名称适配逻辑线性回归适用于预测目标为连续值，且变量间存在近似线性关系的场景，如通过面积、地段等因素预测房价等连续数值。决策树适用于需要基于规则进行分类或回归，且对规则可解释性要求高的场景，像信用卡申请审核判断类别、疾病诊断流程梳理等。K 近邻算法适用于样本具有相似性度量意义，可通过近邻样本标签确定新样本类别的场景，比如电商根据用户相似性做商品推荐、手写数字识别判别类别。K 均值聚类适用于对无类别标注数据进行分组，挖掘数据内在结构，实现同类相似性高的场景，如用户分群营销划分不同特征用户群体、图像颜色压缩归类相似颜色。主成分分析适用于高维数据场景，旨在降低数据维度、减少计算复杂度，同时保留主要信息，可用于人脸识别预处理降维、金融数据去噪、图像压缩、信号处理等。 ⾯试官评估维度 通过候选⼈回答可判断以下能⼒层级：回答水平判断标准 初级 ( ★★) 正确列举 5 种算法及场景 ，但缺乏原理描述（如 “ KNN ⽤于推荐”  但 未解释 “ 邻居投票”  逻辑）。 中级 ( ★★★) 清晰说明算法原理与场景的关联性（如 “ SVM 适合⾼维数据因分类边 界复杂” ）。 ⾼级  ( ★★★★) 对⽐算法优劣（如 “ 随机森林抗过拟合但计算慢” ），或结合项⽬说明技术选型原因。 加分项： •   提及算法局限性，如 “ KNN 计算效率低 ，不适合实时性要求⾼的场景” ； •   混淆算法类型，如将⽆监督的 K 均值归类为监督学习； • 场景举例错误，如 “ ⽤ KNN 预测房价” 。 ## ⼤⽩话解释： 假设你想让电脑学会 “ 帮⼈解决问题”   1. 线性回归 :就像⽤尺⼦量⾝⾼ ，预测体重：“ ⾝⾼每增加 1 厘⽶ ，体重⼤概增加 0.5 公⽄ ”。 2. 决策树 : 像考试做选择题 ，⼀步步排除错误答案：“ 先看年龄 ，再看收⼊ ，最后决定能不能借 钱给你”。 3. K 近邻（ KNN） 像问邻居意见：“ 如果你想买游戏 ，就问最近买过游戏的 5 个朋友 ，他们买 啥你买啥”。 4. ⽀持向量机（SVM） 像在纸上画⼀条最宽的线 ，把猫和狗的图⽚分开：“ 线越宽 ，越不容易 分错”。 5. 随机森林 像让 100 个⽼师投票打分：“ 每个⽼师看不同题⽬ ，最后取平均分更公平”。 本文由人人都是产品经理作者【Blues】，微信公众号：【BLUES】，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>本文为AI产品经理求职者或从业者整理了100道面试题，涵盖技术理解、产品设计、商业化等关键维度，助力读者精准把握岗位要求，提升专业素养，从容应对面试挑战。</p> </blockquote>  这段时间整理了目前市场上的AI产品经理招聘岗位职责和要求，结合自己的学习实践和大模型对话探索，整理了100个AI产品经理面试问题。 如果你打算转型AI产品经理，或者你已经是一位AI产品经理，可以看看这些题，你理解多少，你也可以跟AI对这些题目进行讨论，模拟面试官和候选人进行多轮问答，这是AI时代的一个学习方法。 如果你在招聘AI产品经理，一样可以看看这些题目，一样可以和AI进行探讨，扮演面试官和候选人，针对一些问题进行多轮问答和探讨。 我在晨跑的时候，以前是听歌、听书，现在，会跟AI聊天，尤其是聊人工智能，大模型比咱知道的东西多很多。 100道面试题，分为6个维度，五个难度，1星最容易，5星最难。 六个维度： 技术理解 产品设计 项目管理 商业化 伦理合规 行业洞察 难度星级和面试使用说明： 难度选择： 初级岗：★~★★★（侧重技术理解与基础设计） 资深岗：★★★~★★★★（高阶技术、商业化、风控） 专家岗：★★★★~★★★★★（战略、伦理、行业重构） 追问技巧：对高星问题（★★★★★）可要求候选人绘制流程图或举例详细推演。 注：以上问题可根据企业具体业务场景（如金融、医疗、消费）替换行业案例，增强针对性。一、技术理解与算法基础（25题） 考察特质：技术原理掌握度、算法应用能力、技术边界判断 解释机器学习、深度学习和人工智能的核心区别（技术框架理解，★） 列举5种常见机器学习算法及其典型应用场景（如KNN用于推荐系统）（算法应用，★★） 监督学习、无监督学习、强化学习的区别是什么？各举一个产品案例（技术分类，★★） 什么是过拟合？如何从产品设计角度规避其风险？（模型优化，★★★） 如何处理数据不平衡问题？举例说明产品化解决方案（数据治理，★★★） 解释迁移学习原理，并说明其在跨领域AI产品中的应用价值（技术迁移，★★★） 模型可解释性为何重要？如何通过产品设计提升用户信任？（可解释性设计，★★★） 对比SaaS模式与API调用模式在AI商业化中的优劣（技术架构，★★★） 什么是数据漂移（Data Drift）？如何通过产品机制监控？（数据监控，★★★★） 大模型微调技术（如LoRA）的核心原理与落地价值（大模型调优，★★★★） 解释Transformer架构相比RNN的优势（NLP技术，★★★） 模型蒸馏（Distillation）与剪枝（Pruning）的区别及产品意义（模型压缩，★★★★） 多模态AI的技术难点与产品规避策略（多模态设计，★★★★） AIGC的技术边界是什么？举例当前无法可靠解决的场景（技术局限，★★★） 如何选择适合业务场景的AI模型？需考虑哪些维度？（模型选型，★★★） 什么是冷启动问题？如何通过产品策略缓解？（冷启动设计，★★★） 联邦学习（Federated Learning）的原理及其在隐私敏感产品中的应用（隐私技术，★★★★） 实时推理（Real-time Inference）与批量处理的适用场景对比（性能优化，★★★） 解释AI芯片（如TPU）对产品性能的影响（硬件协同，★★★） 对比开源模型与自研模型的商业化路径选择（技术选型，★★★★） 如何设计一个模型效果评估指标体系？（指标设计，★★★） 什么是模型鲁棒性？如何通过测试保障？（鲁棒性测试，★★★★） 知识图谱在AI产品中的应用场景与局限性（知识工程，★★★） 端侧AI（On-device AI）与云计算的协同策略（部署架构，★★★） 生成式AI与判别式AI的核心区别及产品定位（技术分类，★★）二、产品设计与需求分析（20题） 考察特质：用户洞察、需求转化、体验设计 如何将用户需求转化为AI技术需求？以“智能客服情绪识别”为例说明（需求拆解，★★★） 设计一个AI语音助手PRD，包含优先级与技术可行性分析（文档撰写，★★★★） 如果算法团队反馈功能实现成本过高，如何调整方案？（资源权衡，★★★） 如何平衡模型准确率与用户体验响应速度？（性能权衡，★★★） 设计一个面向老年人的AI健康监测产品交互逻辑（适老化设计，★★★） 如何通过A/B测试验证推荐算法效果？（实验设计，★★★） 设计一个跨境电商智能选品工具的功能框架（场景设计，★★★★） 如何定义AI产品的核心功能？需考虑哪些维度？（需求聚焦，★★） 如何处理AI产品中的不确定性（如模型输出波动）？（容错设计，★★★） 如何设计AI产品的用户体验评估指标？（体验量化，★★★） 如果用户反馈AI生成内容存在偏见，如何优化产品机制？（公平性设计，★★★★） 如何设计AI助手的人格化体验以提升情感连接？（情感化设计，★★★） 设计一个AI写作工具的付费功能差异点（商业化设计，★★★） 如何通过用户分层提升订阅率？（分层运营，★★★） 设计一个AI产品的冷启动增长方案（预算50万元）（增长策略，★★★★） 如何通过数据埋点优化用户留存率？（数据分析，★★★） 如果竞品降价30%，如何调整商业化策略？（竞争应对，★★★★） 如何设计AI招聘系统的公平性保障机制？（伦理设计，★★★★★） 未成年人使用AI伴侣产品的风险防控方案（合规设计，★★★★） 如何通过产品设计减少信息茧房效应？（生态健康，★★★★）三、项目管理与技术协同（15题） 考察特质：跨团队协作、风险管控、流程优化 描述一个AI项目从需求评审到上线的全流程及关键风险点（流程管理，★★★） 如何管理算法工程师与前端工程师的协作冲突？（冲突协调，★★★） 在数据不足时，如何通过产品策略补充数据？（数据获取，★★★） 如何制定AI产品的版本迭代计划？（优先级管理，★★） 如果模型效果未达预期，如何推动问题解决？（问题归因，★★★） 如何设计数据标注流程以平衡质量与成本？（标注管理，★★★） 敏捷开发（Scrum）在AI项目管理中的适用性与调整方法（方法论，★★） 如何向非技术团队解释大模型微调原理？（技术沟通，★★） 如何处理AI产品开发中的技术瓶颈？（瓶颈突破，★★★★） 如何协调数据科学家、工程师和设计师的工作？（跨职能协作，★★★） 如何管理AI产品的开发周期？（周期管控，★★★） 如何确保AI产品的数据质量？（质控设计，★★★） 如果上线后模型性能下降，如何排查修复？（故障排查，★★★★） 如何设计一个AI产品的数据安全防护机制？（安全管理，★★★★） 如何评估第三方技术供应商的可靠性？（供应商管理，★★★）四、商业化与运营策略（15题） 考察特质：盈利模式设计、市场洞察、运营执行 如果企业要求半年内盈利，你会选择哪种商业模式？为什么？（盈利策略，★★★★） 如何评估API定价合理性？列举3个核心维度（定价策略，★★★） 设计一个AI产品的海外本地化运营方案（全球化运营，★★★★） 如何通过用户反馈驱动商业化功能迭代？（用户驱动，★★★） 解释“产品-市场匹配”（PMF）在AI领域的特殊性（市场验证，★★★） 如何设计订阅制与按需付费的混合模式？（混合变现，★★★★） 如何通过免费版引流并实现付费转化？（漏斗设计，★★★） 如果用户要求删除AI生成数据痕迹，技术方案是什么？（数据合规，★★★★） 如何处理AI生成内容的版权争议？（版权管理，★★★★） 设计一个AI医疗产品的合规性框架（医疗合规，★★★★★） 如何通过合作伙伴生态扩展AI产品的商业化场景？（生态合作，★★★★） 设计一个AI产品的品牌影响力提升方案（品牌运营，★★★） 如何通过KOL合作加速AI产品市场渗透？（营销策略，★★★） 如何设计AI产品的客户成功体系？（客户管理，★★★） 如何应对政府监管政策突变导致的业务调整？（政策应对，★★★★★）五、伦理合规与高阶思维（15题） 考察特质：风险意识、伦理决策、战略视野 如何设计AI产品的透明度说明机制？（可解释性，★★★） GDPR对AI产品数据收集的影响及合规要点（数据合规，★★★★） 如何评估AI医疗产品的伦理风险？（风险评估，★★★★★） 如果发现用户用AI工具伪造证据，应对策略是什么？（风险处置，★★★★） 如何看待AI伦理与隐私保护的平衡？（伦理权衡，★★★） 设计一个AI产品的长期技术演进路线图（技术战略，★★★★） 当前AI行业的主要趋势是什么？对产品方向的影响？（趋势洞察，★★★） AI在哪些行业有颠覆性潜力？为什么？（行业预判，★★★） 如何应对AI技术的快速变化？（技术迭代，★★★） 你认为AI产品的未来发展方向是什么？（战略视野，★★★） 如何通过组织架构调整适应AI产品开发需求？（组织适配，★★★★） 设计一个AI产品的灾难恢复（Disaster Recovery）方案（风控设计，★★★★） 如何构建AI产品的用户信任体系？（信任工程，★★★） 解释AI技术对传统行业价值链的重构逻辑（行业变革，★★★★） 如何设计AI产品的社会影响评估机制？（社会评估，★★★★★）六、行业洞察与开放问题（10题） 考察特质：行业敏感度、创新思维、批判性思考 分析ChatGPT对现有AI产品生态的冲击与机会（竞品分析，★★★★） 如果让你重新设计Kimi，你会优化哪些功能？（产品批判，★★★） 元宇宙场景下AI产品的创新机会点有哪些？（创新设计，★★★★） 自动驾驶领域AI产品经理的核心能力差异是什么？（领域差异，★★★） 如何评价当前AI开源社区与闭源商业化的博弈关系？（生态洞察，★★★★） 如果预算无限，你会如何设计一款颠覆性AI产品？（创新规划，★★★★） 举例说明一个失败的AI产品案例并分析原因（案例复盘，★★★） 如何应对AI技术泡沫化风险？（风险预判，★★★★） 设计一个AI产品的碳足迹评估与优化方案（可持续发展，★★★★） 用一句话总结AI产品经理的核心价值（本质思考，★★） 上面的问题，你能侃侃而谈么，欢迎探讨。 本文由人人都是产品经理作者【Blues】，微信公众号：【BLUES】，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。

[据彭博社报道](https://www.bloomberg.com/news/articles/2025-05-12/softbank-stargate-venture-with-openai-hits-snags-on-tariff-fears?embedded-checkout=true)，由于关税相关的经济不确定性， OpenAI 雄心勃勃的星际之门数据中心项目面临延误。市场波动加剧以及人工智能服务价格低廉，使得银行、私募股权投资者和资产管理公司对投资“星际之门”（Stargate）持谨慎态度。 “星际之门”是由OpenAI牵头的项目，旨在为美国及海外的人工智能基础设施筹集高达5亿美元的资金。 软银在今年1月表示将向“星际之门”投入大量资金，但目前该公司尚未制定融资模板，也未与潜在支持者展开详细谈判。 关税可能会大幅增加数据中心的建设成本。彭博社援引TD Cowen的分析称，服务器机架、冷却系统、芯片和其他组件的价格上涨，可能导致整体建设成本平均上涨5-15%。 投资者也越来越担心产能过剩。彭博社指出，包括微软和亚马逊在内的科技巨头已经调整了数据中心战略，在某些情况下甚至撤回了建设项目。 [](https://static.cnbetacdn.com/article/2025/0204/3a50db89364ee1d.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1499068.htm)

<blockquote><p>本文为渴望入局 AI 副业的读者提供了一份实用指南，从全局视角剖析 AI 应用，深入探讨不同层次的 AI 能力与应用案例，助力读者找准定位，开启月入过万的 AI 副业之路。</p> </blockquote>  最近几天与粉丝多有交流，他们或者是经理、或者是总监，甚至有粉丝手里已经掌握了公司一些预算使用权。 从他们身上反映出了同一个问题：他们对于AI是偏焦虑的，想要入场却不得其法，其中有些在抖音自媒体那里交了一些学费、有些在项目实践上获得了一些教训，最后效果都不太好，想咨询我如何入门。 这其实让我有些为难，因为AI项目这个东西想要有足够认知，最终依旧需要经过足够实践，只不过如何让他们少交学费，貌似也是能做到的。 于是乎，我这边为其中两位付费粉丝整理了一个材料，这里将最精华的30%去除，放出来给大家感受一下。 ## 从全局看AI应用 首先要理清思路，我们对AI的一些专业名词要有足够的认识。今年常说的AI，其实就大模型一套，请见下图：  对AI最简单的理解就是他是一套API，我给他一个输入，他会按要求给我一个输出。 在此之上，要了解最常见的AI应用也就是常说的知识库：  也就是，模型可以根据公司内部的知识体系，精准明确的输出问题的答案，而知识库再演进一步就是大家经常听到的Agent了，区别于知识库Agent需要解决实际的问题：  而Agent这个架构，基本将所有的AI知识全部包含，所以最终围绕着Agent做展开学习即可：  但一旦聊到Agent，又不得不回到两条技术路径，而为什么会产生两天路径这里得回到 OpenAI 山姆奥特曼对Agent的定义。 ### Agent最初定义  L1级别（聊天机器人）。AI系统能够进行基本的对话和交流，显示出对自然语言的基本理解能力，并能对各种提示和问题作出响应。 L2：推理者（Reasoners）。AI系统能够以人类专家的熟练程度解决复杂问题，标志着其从单纯模仿人类行为升级到展现真实的智能水平。这些AI不仅擅长对话，更具备了解决问题的能力，其推理和决策能力已接近人类水平。 L3：智能体（Agents）。AI系统能够承担复杂的任务、作出决策和适应不断变化的环境，并在无须持续人类监督的情况下自主行动。这一阶段的AI不仅具备推理能力，更能自主执行各类复杂的操作任务。 L4：创新者（Innovators）。AI系统具有创造性和独创性，能够提出突破性的想法和解决方案。它们不仅能模仿人类的创造力，更能突破思维的局限，提出令人耳目一新的创新理念。 L5：组织者（Organizations）。AI系统不仅具备战略思维，还拥有实现组织目标所需的高效率和强适应性，能够管理复杂的系统。它们能够灵活协调多个智能体，合理分配任务，实时监控进度，并依据实际情况作出迅速调整。 在这个基础上，再看现有的Agent框架： ### 两套Agent技术路径  路径一其实非常简单，就是自己设计SOP，再用程序去实现即可，当前简单应用程序都不需要写了，直接基于扣子或者dify搭建即可； 而路径二就更简单了，他的意思是你什么都不需要做了，模型自己会帮你制定SOP（或者说Workflow），然后再调用各种工具（可能是MCP程序），于是乎你的功能就实现了。 怎么说呢，路径一是各个公司实际在用的一套技术框架，路径二是想将自己做成入口公司宣导的框架，尤其是具备一定模型能力或者领域能力的公司。 关于这块，后面内容会重点更新，这里稍微点一句即可。接下来我们讨论如何衡量公司乃至个人当前AI能力。 ### AI应用的七个层次 首先，模型是跳不出算法、算力、数据三大核心的，而基于模型的AI应用的话，验证阶段核心只有两个：工程与数据，要衡量团队乃至个人的AI能力，可以参看此图：  这里有几个核心考虑点： - 工程能力，也就是对AI应用的理解，核心是程序员的代码能力，以及各种自动化工具的使用； - 模型训练能力，模型训练能力可以认为是工程能力的升级，其背后涉及到的是背后的算力，以及对工程能力、行业KnowHow的组织； - 行业KnowHow，也就是对某行业的理解，比如对医生工作的理解、对律师工作的理解，低层次的KnowHow是对SOP的整理，高层次的KnowHow是大量优质数据的积累； 这里通过各种排列组合，便可以得出AI应用的级别：  ### 第一级，小白级应用 所谓小白用户，就是什么都没有的人，没AI认知、没工程能力、没行业KnowHow… 他们使用AI的场景，大概是打开DeepSeek或者ChatGPT的官网聊天页面，然后敲入：AI会取代人类吗？ 然后在跟AI的聊天过程中，不断卧槽、卧槽的对象，这种属于非常业余的用户，但可能是90%的用户。 这90%的用户俗称AI韭菜，AI极容易引起他们的焦虑，他们会在AI认知上缴大量学费，但个人觉得，这个学费是划算的。 ### 第二级，割AI韭菜的 第二级别的用户，会在第一级的基础上往前跨越一大步，他们的重要工作是贩卖AI焦虑、传授AI认知。 事实上，他们与第一级用户没有本质差别，依旧是撒都没有，“但只手熟耳”。 他们会清晰感受到AI在处理单点问题时候的“牛逼之处”，并利用其高效率的特点，协助自己完成一些工作，最常见的是：AI爆款文章、AI文生图讲故事。 并且，他们会在自己熟悉后，教第一级别的90%不明群众去使用完成AI写文章之类的动作，总之很Low但确实能赚到钱。 ### 第三级，个人助手、效率达人 第三个级别的用户，开始具备一定工程能力了，他们会将自己的工作中固定的部分整理成SOP，使用API或者RPA的自动化方式，去批量做一些动作，比如比如收发邮件、简历筛选、财务审批… 从这一步开始，AI已经真实成为解决工作问题的一部分，并且开始解放人力，属于个人助手级别的应用，但其也就局限到个人应用了。 举个例子：有个律师基于DeepSeek创造了一个个人问询工具，并做成了插件化放到了线上平台，每次有用户咨询时，AI客服先去做意向沟通，判断用户花钱意向高才引导到真人，这样效率提升在10倍以上。 这里再举个对各位自媒体可能有帮助的例子：自媒体AI提效案例 现在微信公众号的推荐逻辑变了，粉丝量虽然重要，但对于阅读来说没那么重要了，根据我这段时间的实践，有一套简单的方法论（SOP）可供参考：申请10-100个公众号账号；每天正经自己写一篇文章；使用AI自我洗稿，形成10-100篇文章；使用AI生成10-100个爆款标题；使用RPA开始分发文章； 逻辑上，每天一定会爆一篇，一篇文章会如果开流量主会带来一些收入，长久下来收益会很不错。 ### 第四级，SOP平台 从第四个级别起，对工程能力要求开始高了，往往不是个人玩家能做好的。 他们会开始意识到，个人对AI的使用都是去帮助自己去完成某一类的工作，而这类工作一定会有相当的共性，于是大家很容易就想到了这是我们第三级说的SOP。 于是，平台为了帮助更多的玩家建立个人助手，便搭建了一套平台级别的SOP搭建平台，现在最出名的应该是飞书扣子的Agent搭建平台吧。 在这个基础上，也会衍生出很多教90%用户如何使用这种低代码平台的人群，其本质是吃信息差吧，不高明但十分有效。  只不过这种低代码平台的使用成本其实很高，一般玩家是很难入手的，另外AI Agent平台本质还是在使用模型的API接口作为判断，做一些简单的功能是可以的，但要做一个完整应用是很难的，其中还不谈数据泄露的问题。 很多时候看上去就最后一公里的问题，只不过这一公里要用之前10被的成本… ### 第五级，行业工具 前四级有一个特点：他只需要各位了解AI，更进一步有一定工程能力即可，但从第五级开始便要求具备行业认知，并且具有行业认知下的优质数据。 比如在你作为一个医生通过Agent平台完成了一个自己的个人助手，在线上回答患者的问题，但一段时间后，你发现回答的问题中总有一些错漏或者模糊回答（包括诊断错误、药品推荐错误），而这可能引起灾难的结果。 而这显然不是个人的能力可以解决的问题，于是你希望这个Agent平台是专属于医疗（法律、金融）领域的应用，他们会回答的更为准确，不会出现幻觉。 如常见的AI医生、AI律师就是这个级别的产物，因为是严肃的AI工程应用，对用户来说回答错了就可能赔钱，所以其开始必须解决大模型幻觉问题。 如果要解决模型幻觉问题，离不开知识库为基础的RAG或者模型训练过程，其本身对成本的要求就会提升不止一个Level。 这个层级的入场券是优质数据与强大的工程能力而所有这一切都离不开钱… 很多公司想要利用公司内部数据搭建一套内部的AI问答机器人，就可以归属到这个级别的浅层次应用，所有这类浅层次应用都有平台化的可能。 ### 第六级，行业模型 第五级虽然对模型训练有一定要求，其实门槛不是很高，其核心依赖的是行业KnowHow与工程能力的结合。 而第四级应用者会期待有好的行业Agent平台，第五级应用者也会期待有更好的行业模型。 比如AI医生会希望依赖于医疗大模型、AI律师会希望于依赖法律大模型，基座模型的提升会大大降低工程实现难度，其背后都是成本。 举个例子：各个行业都有很多“黑话”，比如医疗中有火重与发炎、法律中有包子与容易上手案件。 如果是通用大模型，为了降低这种幻觉，团队就只能使用工程手段，并且可能需要控制得很细，但如果基座模型能力本来就到了60分，在行业幻觉这边有基本的能力，那工程手段就会难度降低。 综上，会有“牛逼的团队”想要训练一个自己的行业小模型，比如金融、医疗、律师或者公司内部场景… 在能力要求上，他们需要具备深度的行业KnowHow、积累了大量优质行业数据、对模型训练十分有经验，甚至需要稍微涉及模型底层能力。 这种需求往往是对数据安全有一定诉求的单位，比如大医院、大企业，而他们也有那个数据与财力去搭建一套自己的行业小模型。 这个级别的应用难度不好说与第五级谁高谁低，端看使用场景如何，只要用得人多了，那么对模型或者应用的要求就会直线上升。 ### 第七级，通用基座模型 类似于DeepSeek、GPT、GLM、文心、千问等做底层模型的团队，区别于之前，他们不仅是需要各种优质数据还需要真的深入模型底层技术去探索，而前六级是不需要的。 ### 小结 综上，了解以上内容，就基本了解了当前AI应用的全局，在这个基础上再学习AI便会更加游刃有余。 只不过，这里的整理过于模糊，为了便于各位更深刻理解AI应用的演进，我们以一个客服助手往深水区走走。 ## 案例·客服助手 所有自媒体包括我都有一个困局：群活跃度极低！ 这涉及了一个社群运营不可能三角：  如果群活跃度高，那么粉丝之间就会有更多的交流，同时他们获得感就会很强，在这个基础上就会有更多的订单产生； 只不过，如果需要群活跃度较高，一定需要我这边投入更多的精力，但10多20个群，我根本无力维护，最终的结果就是只有1-2个群活跃些； 并且，我在群运营投入精力过多，一定会导致后续的优质内容减少，因为优质内容的减少，反而社群可以讨论的话题变少了… 所以，我需要一个AI分身，他至少需要完成以下功能：能够识别粉丝群正在关注的话题；能够根据话题提出自己的见解；见解部分最好基于我的公众号文章； ### 一、话题生成 其实从这里开始就真正的考验实践能力了，比如根据此群聊天内容，如何形成主题：  以下是我一段提示词生成的话题：AI副业高收入诱惑与焦虑讨论  这里的提示词可以这样写： <blockquote><p>你是一个专业的话题分析助手。我会给你一段网友的聊天记录，请你分析这些消息，找出最有意思的话题，具体话题必须满足以下标准：<br/>1. **避免敏感性话题**：如果话题涉及政治敏感、违法、不当言论等问题，请自动排除并为该话题打负分。<br/>2. **简洁明了的标题**：每个话题的标题要简短、精准，能够准确概括讨论的核心内容。<br/>3. **内容总结**：为每个话题提供内容总结，突出有趣的观点、引发思考的问题和讨论的深度。<br/>4. **个人观点和情绪张力**：在总结中加入适当的个人观点，体现话题中的情绪张力，避免过于客观和中立。<br/>5. **排序标准**：根据讨论的热度、讨论参与度和话题的多样性，返回1-3个最有趣的话题，最热门的话题排在前面。<br/>6. **排序评估标准**：<br/>– **话题的深度**：是否有足够的复杂性和讨论空间。<br/>– **话题的广度**：是否涉及多个相关领域，能吸引广泛的讨论。<br/>– **时效性**：话题是否与当前的热点、趋势或社会现象相关。<br/>– **引发性**：话题是否能够激发讨论、争议或不同观点的碰撞。<br/>– **实际关联性**：话题是否与群聊成员的实际情况相关，能够引发实际经验的分享。<br/>– **情感共鸣**：话题是否能够触动群聊成员的情感，引发共鸣。<br/>– **敏感性**：话题是否触及敏感的社会或政治话题。<br/>如果某个话题评分中出现敏感性问题，或者其讨论内容过于极端、带有攻击性或不符合法律道德标准，请为该话题打负分，且不返回该话题。<br/>7.**返回结果**：不要返回相同的主题</p></blockquote> 以上只是举个例子，真实的提示词调试是个漫长且枯燥的过程，如何让模型结果总是稳定有效，这才是提示词工程真正的难点。 ### 二、话题讨论 有了热门话题后便需要进行话题讨论了，这里马上就进入了AI应用深水区，一般来说有两个做法：简单做法，忽略讨论上下文，直接就话题或者聊天上下文单独展开一次回答，这样的回答可能会有机械的感觉；多轮交流，事实上，AI应用最难的就是多论问询，因为多论问询的背后是各种SOP的设计，一旦设计的不好，AI就会胡言乱语，用户就会有割裂的感觉； 我们这里先不设计多轮问询，只说简单的话题回答，比如我们这里对AI副业高收入诱惑与焦虑讨论话题生成一段AI回复，他会是这样的： 月入10w？幸存者偏差罢了！真以为AI是印钞机？ <blockquote><p>{<br/> “content”: “月入10w？幸存者偏差罢了！真以为AI是印钞机？”,<br/>  “viewPoint”: “质疑AI副业高收入的普遍性，引导讨论幸存者偏差现象”<br/>}<br/>你的背景设计如下：{<br/>1、你是一个具有故事的人；<br/>2、也许你是话题中的主人公；<br/>3、也许你的朋友就是话题中的人；<br/>4、总之，你非常关注这个话题；<br/>}<br/>你的目的如下：{<br/>当前，你作为一个旁观者，想要知道大家对此事的进一步看法，以便了解这个话题的底层逻辑。<br/>所以，你一方面需要去引导这个话题进行下去，并且往更深入的探讨下去，在这个基础下你需要抛出一些问题和观点；另一方面，你又不能让人很简单的发现你的倾向性。<br/>综上，你需要设计一些具有引导性的发言或者问题，以便让话题继续下去，这里一定要注意每次引导性问题最好只有一个观点，其余的文字是对观点进一步的描述。<br/>}<br/>你的性格特点如下：{<br/>1、你是一名杠精；<br/>2、你经常会…<br/>……<br/>}<br/>你输出的文字要求如下：{<br/>1、你需要输出，并且只需要输出一段文字；<br/>2、……<br/>10、正确的输出格式：{“content”:”消息内容呢”,”viewPoint”:”你的观点”}<br/>}</p></blockquote> ### 三、引入RAG 以上，仅仅是在依赖大模型自身的能力进行问答，如果要让AI表达能力更好，便需要引入RAG技术了：  这是因为当话题讨论进入专业领域时，单纯依赖大模型容易产生两个致命问题： - 观点缺乏深度：模型基于通用语料生成的内容，无法体现公众号长期积累的行业洞察； - 风格偏移风险：机械化的回复容易破坏读者对账号IP的认知一致性； 这正是RAG技术的用武之地。我们以公众号历史文章构建知识库，让AI在回复时：  这里给个简单对比： 当群内讨论”AI副业高收入”时，传统AI可能给出： “AI副业确实存在机会，但需要结合个人技能…”这种通用型回答。 当群内讨论”AI副业高收入”时，传统AI可能给出： “AI副业确实存在机会，但需要结合个人技能…”这种通用型回答。 而接入RAG系统后： 知识库检索：自动匹配公众号《警惕！那些月入十万的AI副业陷阱》等3篇相关文章； 观点提炼： -    2023年问卷数据显示：92%的AI副业参与者月收入＜3000元 -   头部5%创作者占据80%流量收益的”赢家通吃”现象 -   设备/算力/数据清洗的隐性成本常被忽视 最终生成回复： 大家注意到没有？（引用《陷阱》观点） 那些鼓吹AI副业暴利的案例，本质上和十年前’微商喜提豪车’的套路如出一辙。我去年访谈的47个AI工作室中，真正盈利的只有2家，且都需要持续投入： 平均设备成本：12,800元/月（含A100显卡租赁） 数据清洗耗时：占总工时的63% 客户流失率：新客首月达82% （抛出争议点） 如果AI副业真这么暴利，为什么知识付费导师自己不全力All in？这背后的商业逻辑值得深思… 这里通过 RAG 把“内容资产”变成了 AI 的“弹药库”。一旦话题触发，AI便遵循检索→引用→输出逻辑，既保留个人声调，又可以压缩幻觉。 ## AI应用的七层架构 ### 一、生成SOP 在社群运营工具案例中，除了RAG以外，事实上我可以不用写一段代码！ 我真实的做法是： - 第一，从微信群中截取一段对话； - 第二，根据这些对话生成一个话题以及摘要； - 第三，使用提示词让AI通过话题以及聊天内容，生成自己要说的话； - 第四，将AI的话原样的发到群里，然后继续收集粉丝的聊天记录； - 重复上述流程…； 在这个过程中，事实上我只需要不断的重复调整提示词，让他聊天的内容变得更加顺滑即可！ 所有以上的行为都是在生成SOP，以及要与SOP配套的提示词！ ### 二、形成Agent 当SOP调整结束后，我会需要一个Agent去执行群聊任务，这里最简单的做法就是直接使用扣子这种编排工具搭建程序。 因为他也是支持知识库的… 在基本验证结束后，一套类似于客服Agent就实现了，便可以将扣子的程序迁移出去形成自己的呈现，比如我们就自己做了一套：   ### 三、形成平台 如果这套Agent确实运营的非常好，那么他是有必要平台化的，目的是开放给各个自媒体使用，让每个自媒体都有一套自己的AI分身，用以解决社群不可能三角问题。 由此，我们可以看到，事实上上述动作依旧跳不出AI应用的七层框架….. ## 结语 本文篇幅已经比较长了，其中多论问询部分便不再继续了，那是当前AI应用最难的板块… 最后总结一下：通过七层架构的梳理不难发现，AI应用的本质是技术与场景的渐进式融合。 从最初级的对话交互到行业模型的深度训练，每个层级都对应着不同的资源投入与技术边界。 当前的行业实践揭示出两条核心规律：其一，AI价值的释放高度依赖场景颗粒度，越是精准的SOP拆解越能体现技术优势；其二，工程能力与行业认知的”双螺旋结构”决定应用深度，缺乏数据支撑的算法优化与脱离场景的技术堆砌同样危险； 对于焦虑中的从业者，建议采取”三阶定位法”： 首先通过API调用建立技术体感（L1-L3），其次在垂直场景中沉淀结构化数据（L4-L5），最终在数据资产与工程能力双重壁垒下构筑护城河。 值得警惕的是，当前技术迭代速度远超应用消化能力，盲目追求技术前沿可能陷入”能力陷阱”。 唯有保持”场景驱动、数据筑基、工程落地”的务实态度，方能在AI变革中实现从认知升级到价值创造的跨越。 本文由人人都是产品经理作者【汪仔3905】，微信公众号：【叶小钗】，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。

美国比特币公司的现有股东，包括埃里克・特朗普和小唐纳德・特朗普，将持有合并后公司约 98% 的股份。这是唐纳德・特朗普总统不断壮大的家族加密货币帝国的最新引人注目的举措。 联合创始人兼首席战略官埃里克・特朗普强调了美国在全球比特币挖矿领域的主导地位，他表示：“我们赢得了太空竞赛。我们最好也赢得加密货币竞赛。”  由唐纳德・特朗普总统的儿子埃里克・特朗普和小唐纳德・特朗普支持的比特币挖矿公司，将通过与格里芬数字矿业公司的全股票合并在纳斯达克上市。 美国比特币公司的现有股东，包括总统的两个大儿子，将持有新实体约 98% 的股份。 这是特朗普家族不断壮大的加密货币帝国的最新引人注目的举措，其中已经包括有争议的 “特朗普”（$TRUMP）模因币，该币为其顶级持有者提供与总统共进私人晚餐的机会。 作为这家挖矿公司的联合创始人兼首席战略官，埃里克・特朗普将此举视为巩固美国在全球比特币挖矿竞赛中领导地位的更广泛战略的一部分。 “每一个发达的国家都在用其多余的电力来挖比特币，” 特朗普此前告诉美国全国广播公司财经频道（CNBC）。 他与他父亲的政府的任何直接关联保持距离，但明确表示他认为美国必须在加密货币领域保持竞争优势。 “我们赢得了太空竞赛。我们最好也赢得加密货币竞赛，” 他说。 在竞选活动中，总统多次承诺支持美国本土的比特币矿工，包括在海湖庄园的一次闭门活动中告诉高管们，他希望未来所有的比特币都在美国本土铸造。 加密货币市场反应不大。比特币的交易价格约为 10.4 万美元，在过去 24 小时内基本持平 。 [查看评论](https://m.cnbeta.com.tw/comment/1499066.htm)

Google公开的 Gemma 人工智能模型集合已达到一个里程碑：下载量超过 1.5 亿次。Google DeepMind 开发者关系工程师 Omar Sanseviero上周末在 X 上[公布了](https://x.com/osanseviero/status/1921636582873800746?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1921636582873800746%7Ctwgr%5E6a1c3400a4c37d2c76f58f9004e7e1709500e107%7Ctwcon%5Es1_c10&amp;ref_url=https%3A%2F%2Ftechcrunch.com%2Fwp-admin%2Fpost.php%3Fpost%3D3005797action%3Dedit)这一数字，并透露开发者在人工智能开发平台 Hugging Face 上创建了超过 7 万个 Gemma 变体。 Google于 2024 年 2 月推出了 Gemma，旨在与 Meta 的 Llama 等其他“开放”模型系列竞争。Gemma 的最新版本是多模态的，这意味着它们可以处理图像和文本，并支持超过 100 种语言。Google还创建了针对特定应用（例如药物研发）进行微调的 Gemma 版本。 虽然大约一年内下载量达到 1.4 亿次是一个令人瞩目的指标，但 Gemma 远远落后于其主要竞争对手 Llama，后者在 4 月底的下载量超过了 12 亿次。 值得注意的是，Gemma 和 Llama 因定制的非标准许可条款而受到批评，一些开发人员表示，这使得将这些模型用于商业用途变得危险。 [](https://n.sinaimg.cn/spider20240226/88/w1080h608/20240226/7434-34bd5a760e075dd1e646e780a1a079c0.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1499064.htm)

 《荒原先驱》（Pioner）是一款以末日废土为背景的MMO第一人称射击游戏，制作组GFA Games是一支由斯拉夫人组成的团队，游戏既有《潜行者》冷峻冰冷的气质，又有《辐射》荒诞滑稽的氛围。游戏提供了广阔多样的开放世界并融合了PvE，PvP玩法。 此次实况分为大地图探索，完成支线任务，以及与开发者下副本打BOSS两个部分。

**今日，中美宣布双方取消共计91%的加征关税，并暂停实施24%的反制关税。**受此消息影响，今晚美股三大指数大幅高开，纳指涨4.16%，道指涨2.59%，标普500指数涨2.9%。 **美股科技股七巨头开盘大涨，亚马逊涨超8%，特斯拉涨超6%，苹果涨超5%，Meta涨超6%，英伟达涨超4%，谷歌涨超3%，微软涨超1%。** 据悉，此前关税政策导致七大科技股的市值损失惨重，截至4月23日，确切损失金额为30627亿美元。 今天中美双方发布《中美日内瓦经贸会谈联合声明》，让各企业获得喘息的机会。 根据公告，双方在联合声明中达成多项积极共识。 **双方认识到双边经贸关系对两国和全球经济的重要性，认识到可持续的、长期的、互利的双边经贸关系的重要性，本着相互开放、持续沟通、合作和相互尊重的精神，继续推进相关工作。** 这一举措符合两国生产者和消费者的期待，也符合两国利益和世界共同利益。 [](//img1.mydrivers.com/img/20250512/597791fad1224e5bae28adeda6cc8d0d.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1499062.htm)

目前国内已有数家公司能够提供商用电子束光刻机，分辨率达到20~50nm。

&#34;种草机&#34;遇上&#34;收割器&#34;。

**5月12日，根据路透社周一看到的一份条款清单，蚂蚁集团将以2.42亿美元(约合17.51亿元人民币)出售其所持印度支付公司Paytm 4%的股份。Paytm有“印度支付宝”之称。**蚂蚁集团是阿里巴巴集团的关联公司，此次将以每股809.75卢比的价格出售4%的股份，较Paytm周一收盘价折让6.5%。目前尚不清楚买家是谁。条款清单显示，高盛印度证券公司和花旗集团印度环球市场公司将牵头负责此次股份出售事宜。  蚂蚁集团 根据交易所数据，过去两年间，Paytm经历了一连串股份抛售事件，其中包括“股神”巴菲特旗下伯克希尔·哈撒韦公司和日本软银集团的退出。 此前，蚂蚁集团曾在2023年8月将其所持的Paytm 10.3%股份出售给Paytm创始人兼CEO维贾伊·谢卡尔·沙尔马(Vijay Shekhar Sharma)，不再是第一大股东。 截至发稿，蚂蚁集团、Paytm尚未就此置评。 [查看评论](https://m.cnbeta.com.tw/comment/1499060.htm)

据日本公共广播机构日本广播协会（NHK）周一报道，日产汽车将在全球范围内额外削减超过 1 万个工作岗位，加上此前已宣布的裁员，裁员总数将达到约 2 万人，占其员工总数的 15% 。这家陷入困境的日本汽车制造商上个月曾警告称，由于减值费用，在截至 3 月的财年中，其净亏损可能会创下 7000 亿日元至 7500 亿日元（47.4 亿美元至 50.8 亿美元）的纪录。 2025 年 3 月 26 日，一辆崭新的日产汽车展示在加利福尼亚州科尔马的金州日产的销售场地上。 日本第三大汽车制造商将于周二公布其全年业绩。 日产汽车拒绝对该报道发表评论。 由于在其最大的市场美国表现不佳，日产汽车正寻求精简业务并提升自身韧性。在美国，日产因缺乏混合动力车型以及车型老化而业绩受损严重。 日产在中国市场也面临困境，该公司正希望通过在未来几年推出约 10 款新车型来阻止销量的大幅下滑。 截至去年 3 月，日产汽车拥有超过 13.3 万名员工。作为其重组计划的一部分，日产此前已计划削减 9000 个工作岗位，并将全球产能削减 20%。 日产汽车的疲软表现迫使该公司在刚刚结束的财年中四次下调了其盈利预期。 [查看评论](https://m.cnbeta.com.tw/comment/1499058.htm)

关于 iPhone 17 相机凸起部分的传言表明，其机身未来将会发生重大变化。为了配合凸起部分的改变，即将发布的iPhone手机壳也需要更新。周日，爆料者 Majin Bu 在 X 上分享了一组照片，展示了四款手机壳。这些照片都显示，手机壳是透明的，握在左手上，并且都带有一个白色的圆环，用于MagSafe支撑。  周一发布的另一篇帖子将这四组泄露内容汇总在一起。关于这些手机壳最值得关注的是背面摄像头凸起处的开口。据称，这些手机壳适用于 iPhone 17、iPhone 17 Air、iPhone 17 Pro 和 iPhone 17 Pro Max。 Pro 和 Pro Max 的保护壳上都有巨大的摄像头凸起开口，几乎占据了保护壳的整个宽度（除了侧面的凸起部分）。为了容纳类似大小的凸起，这些开口也占据了保护壳总高度的四分之一左右。 第三种保护壳也有一个贯穿整个宽度的开口，就像 Pro 型号一样。不过，由于预期的更薄的摄像头条设计，这款 iPhone 17 Air 保护壳比 Pro 保护壳占用的空间更小。 第四个保护壳适用于 iPhone 17，采用三叉造型。竖直排列的双摄像头清晰可见，但侧面还有一个较小的开口，用于容纳闪光灯。 虽然每年这个时候泄露的假机和外壳信息通常都相当准确，但谁也无法保证它们一定正确。至少，在苹果今年 9 月正式发售 iPhone 17 系列之前是这样。 [查看评论](https://m.cnbeta.com.tw/comment/1499056.htm)