NVIDIA CEO黄仁勋在GTC的问答环节中表示，依靠全栅(GAA)晶体管的下一代工艺技术可能会为NVIDIA GPU带来20%的性能提升。当然这可能是再下一代GPU的事情了，也就是预计在2028年推出的Feynman。  根据tomshardware报道，黄仁勋在回答中似乎淡化了工艺节点变化的重要性，强调摩尔定律的放缓意味着未来全新的工艺技术在密度、功率和/或效率方面只能带来20%左右的改进。他还表示尽管尖端工艺技术带来的改进值得欢迎，但它们已不再具有变革性。“我们会接受它，”他说，但指出其他因素更为重要。随着人工智能系统的规模扩大，管理大量GPU的效率变得比每个GPU的原始性能更重要。 NVIDIA通常不会首先采用台积电最新工艺，会选择更为成熟的工艺，他们正在用台积电的4nm工艺去生产面向消费级以及数据中心的Ada Lovelace、Hopper和Blackwell GPU，而台积电4nm工艺本质上是他们家5nm节点的改良版。而NVIDIA的下一代GPU RuBin计划是采用台积电3nm工艺，可能是N3P或者是NVIDIA的定制版本，因此NVIDIA首款采用GAA工艺的应该是2028年推出的Feynman。 台积电预计首款基于GAA工艺的N2将比N3E性能提高10%到15%，当然黄仁勋并没有提及会采用哪家的GAA工艺，所以理论上上台积电N2还是三星的类似工艺，甚至是Intel 18A其实都有可能。而且NVIDIA大概率不会使用第一代工艺技术，所以Feynman可能更可能会使用N2的改进版N2P，它将提高性能、降低电阻并稳定电力输送，此外台积电预计N2P和A16工艺都在2027年投产，A16工艺将增加背面供电功能，性能会比N2提升8%至10%。 如果NVIDIA在Feynman GPU上使用N2P或者A16工艺，预计它将会比采用N3P工艺的Rubin GPU每瓦性能提高20%，实际性能提升可能更高，不过考虑到目前AI计算的巨大需求，NVIDIA似乎更倾向追求最高性能而不是最佳能耗。 [查看评论](https://m.cnbeta.com.tw/comment/1488962.htm)

台积电位于亚利桑那州菲尼克斯附近的 Fab 21 工厂开局不利，因此公司正在重新调整其美国战略。该公司的首个模块从破土动工到投入生产耗时近五年，远远超过台湾通常的两年生产时间。早期的挫折（包括劳动力问题、成本上升和文化差异）减缓了进度，但这些障碍也提供了宝贵的经验教训。 在更清楚地了解当地建设环境后，台积电计划加快未来项目的速度。公司高管已经找到了可靠的当地承包商，并解决了曾经阻碍进展的许多瓶颈。因此，这家台湾制造商正加紧努力，加快即将投产的模块的建设时间表。值得注意的是，台积电打算今年开始建造其第三座晶圆厂——Fab 21 模块 3，目标是实现与台湾相似的速度。 现阶段，台积电正在完成Fab 21模块1的设备安装，同时为模块2奠定基础。计划于2026年开始在模块2试产先进的3纳米级芯片，预计2028年开始大批量生产。模块3的加速进度被视为更快生产下一代芯片的途径，包括使用N2系列和A16工艺技术的芯片。 然而，快速建设并非没有风险。一个关键问题仍然是及时采购必要的晶圆厂工具。ASML和应用材料等领先供应商面临大量积压订单和产能限制，这可能会延迟必要设备的交付。随着台积电承诺更快地建设其美国产能，整个供应链都在密切关注这些供应链挑战能否得到解决，确保公司在扩大其在美国市场的立足点的同时满足其雄心勃勃的生产时间表。  [查看评论](https://m.cnbeta.com.tw/comment/1488960.htm)

预测未来十年的航空公司将会是什么样子既非常容易，又几乎不可能。空中客车公司稍稍揭开了商业航空业的面纱，让我们一睹其未来。在图卢兹举行的空中客车 2025 峰会上，该公司展示了未来单通道客机的技术。  经过 125 年的发展，航空航天科学技术已经相当成熟，商用客机的基本概念也已成型。自 20 世纪 50 年代喷气式发动机问世以来，它并没有发生太大变化。 另一方面，航空业还远未成定局。技术仍有很大空间从新工具、新材料和新创意中获益。虽然 2030 年代的客机可能仍然看起来像 20 世纪 30 年代出现的无聊的老式圆柱体和机翼模板，但它仍然可以从卓越的创新中受益。 预测者面临的问题是，这些创新将会是什么还远未确定，而这些创新如何与市场、法规以及支持航空业的基础设施等相互作用，这使预测变得非常困难。 尽管如此，空客还是根据公司正在通过各种项目开发的内容，向公众展示了未来的单通道客机。令人沮丧的是，演示缺乏细节，但它确实提供了一些关于未来可能发生的事情的见解，并澄清了空客决定放慢氢动力客机的步伐。 [](https://newatlas.com/aircraft/airbus-give-peek-future-airliner/#gallery:1) [](https://newatlas.com/aircraft/airbus-give-peek-future-airliner/#gallery:1) 未来的客机将采用开放式涡扇发动机 据该公司介绍，下一代空客客机的机翼将模仿鸟类翅膀的机翼，使其更轻、更薄、更长。根据空客位于英国菲尔顿的机翼技术开发中心所做的工作，新机翼将产生更大的升力，阻力更小，该中心是“明日之翼” (WoT) 研究和技术项目的所在地。为了抵消这些超长机翼的影响，新机翼将是可折叠的，因此新飞机将能够使用现有的机场登机口。 另一项创新是空客正在研发的新型喷气发动机。可持续发动机革命性创新 (RISE) 开放式风扇发动机演示器将现代喷气发动机的现有涡轮风扇和整流罩替换为更大且位于开放式的开放式涡轮风扇。据称，与现有发动机相比，这可将燃料消耗降低 20%，并且能够使用高达 100% 的可持续航空燃料 (SAF) 运行。 除了新发动机之外，空客还希望引入混合动力技术，利用锂离子或固态电池和高压系统不仅提供推进力，还能运行空调系统或照明等机载功能，从而降低燃料消耗。 [](https://newatlas.com/aircraft/airbus-give-peek-future-airliner/#gallery:3) [](https://newatlas.com/aircraft/airbus-give-peek-future-airliner/#gallery:3) 未来的客机将拥有可折叠的、类似鸟类翅膀一样的机翼 另一个领域是材料。空客希望放弃碳纤维增强塑料 (CFRP)，转而采用碳纤维增强热塑性聚合物复合材料 (CFRTP)。这种新材料是 CFRP 的改进，因为它可以在成型后重新成型和再加工，制造速度更快，抗冲击性更高，可回收和重塑，加工成本更低。 未来的客机还将进一步进入数字化领域，其系统将高度互联和自动化，能够即时更新，数据处理速度也将提高。此外，新的自动辅助系统将使飞行更加安全，并帮助飞行员更轻松地处理复杂任务。 但为什么未来的空客客机不使用氢气作为燃料呢？在峰会上，空客解释称，他们通过计算发现，虽然可以制造出成功的氢气客机，但这种飞机的成功方式与协和式飞机的成功方式相同。换句话说，这是技术上的胜利，但商业上的失败。 市场根本还没准备好迎接氢动力飞机。监管框架尚未形成，氢经济也不足以提供绿色或黄金氢燃料，因此，尽管新一代 100 座、航程 1000 海里（1150 英里，1850 公里）的 ZEROe 氢动力客机更加先进，拥有六台发动机而非四台，但目前仍处于开发阶段。 <ps direction="vertical" indicator="1"></ps> 空客未来项目负责人 Bruno Fichefeux 表示：“氢能是我们致力于航空脱碳的核心。虽然我们调整了路线图，但我们对氢能飞行的执着坚定不移。正如我们在汽车行业看到的那样，从长远来看，由氢燃料电池驱动的全电动飞机有可能彻底改变航空运输，为可持续航空燃料途径提供补充。” <ps direction="vertical" indicator="1"> </ps> [查看评论](https://m.cnbeta.com.tw/comment/1488950.htm)

<blockquote><p>小红书种草联盟取消投放金额门槛，为中小商家带来重大利好！本文将为你剖析这一政策背后的四大增长红利，以及如何抓住红利实现降本提效、快速突围。</p> </blockquote>  小红书种草联盟（包括小红星、小红盟、小红链）宣布全面取消投放金额门槛。 这个战略调整标志着小红书正构建”大闭环+小闭环”双轮驱动的商业生态。对于预算有限的中小商家，这波政策红利等于说是彻底改变竞争格局。 今天就专门开一篇帮大家分析一下，这个政策对我们来说到底意味着什么。 并且讨论讨论，中小商家该怎么利用这一波政策红利再次在小红书上降本提效，快速拿到投放成果！ ## 01 低成本试错 过去品牌选达人像买彩票，花大钱投头腰部达人，但效果难预测，也有很多时候有曝光无转化，长期下去也很难评估是否对品牌发展有正向反馈。 现在0门槛后，中小品牌可以玩「小额测试」——比如用200-500元测10个不同风格的素人，看谁带来的收藏、加购数据好，再重点投放。 而达人筛选则可采用”333法则”——30%预算测试腰部达人，30%用于A/B测试同产品不同人设，剩余40%集中投放转化前3的达人。 以此来获得不同roi反馈，用数据证实并迭代获客成本。 这里需要注意的是，尽管小红星能够实现数据回传，我们仍需要结合淘宝后台真实成交情况、以及淘搜波动情况进行交叉验证，最大程度上避免误差。 ## 02 冷启动破局 koc矩阵+搜索优化的组合打法正成为新趋势。 在过往投放中，会更强调中腰部达人的粉丝影响力，但在小红星的模式下，我们可以选择KOC矩阵进行搜索覆盖。在短期内帮我们快速定位精准流量。 这时候同样对我们的内容优化能力提出考验，如何自然植入关键词，如何挑选关键词，都是难点。 ## 03 数据资产沉淀 在现在的市场环境下，资本营销是一种手段，但在降本提效这一命题下，内容仍旧是核心。 建议大家都去建立”内容模板库”和”用户标签库”双资产体系。 比如按五力模型筛选TOP20%优质内容，将内容拆解为标准化模板为”痛点型标题公式+场景化产品植入+行动指令”标准化模板。方便营销期内随时调动资源+迭代模板公式，这样过往的经验才能真正被我们利用。 用户标签管理要聚焦三类数据： - 基础属性——地域/消费力 - 行为路径——笔记停留时长/跳失节点 - 内容偏好——视频完播率/图文互动点 建议每周更新人群包，重点运营”小红书收藏→淘宝加购”的高价值用户。 ## 04 全域运营闭环 主要关注三大场景，帮我们实现品效协同。 - 搜索场景：优化”场景词+功效词”组合，提升自然流量占比 - 内容场景：在爆文评论区植入”领券”“点击橱窗get同款”等转化钩子 - 私域场景：通过企微福利引流，结合社群闪购提升复购 品牌需抓住「小额测试-精准筛选-闭环沉淀」的新逻辑。短期内，中小商家可借势低成本试错；长期看，具备内容资产沉淀与用户运营能力的品牌将更易突围。 ## 05 品牌运营需要注意 ### 合规风险防控 小红书新规严禁诱导站外交易，违规将面临限流或封号。建议品牌将私域钩子改为“加入品牌会员”等站内合规形式。 ### 数据工具深度整合 需联动聚光平台定向标签（如地域、搜索偏好）与小红星转化数据，构建「种草-搜索-转化」全链路模型。 ### 组织能力适配 取消门槛后，品牌需具备快速迭代能力，建议设立「每周数据复盘机制」，重点监测收藏率（≥8%）、加购率（≥3%）等核心指标，及时淘汰低效内容。 总的来说，小红星门槛取消标志着平台从流量分配转向了数据赋能，小红书开始从“土豪游戏”变成了“策略游戏”。 中小品牌想弯道超车，只需记住三个关键词： - 测试要快——小预算多方向试错 - 内容要真——用户视角讲故事 - 数据要细——盯住收藏率8%+加购率3%的黄金线 本文由人人都是产品经理作者【啵啵开小灶】，微信公众号：【啵啵开小灶】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自小红书官网

<blockquote><p>AI医疗笔记赛道正成为硅谷的热门投资领域，凭借明确的市场需求、专有数据壁垒以及巨大的市场潜力，相关企业估值飙升。本文将盘点这一赛道的头部玩家及其核心竞争力，揭示其背后的商业逻辑与技术优势。</p> </blockquote>  很难想象，在美国，医疗笔记可是一个大生意。 因为医生需要记录每位患者的诊疗过程。由于工作过于繁琐，在很多年前，这些高收入的医生就已经将医疗记录的工作外包出去。在美国，大约有10万名医疗抄写员，占到了医生总人数的1/10。 而现在，这个市场正在被AI全部吃掉。根据Statista数据，AI医疗笔记的潜在市场规模约为39.6亿美元，是当前整个医疗GenAI应用市场的8倍。 于是，AI医疗笔记自然也成了当下硅谷最看好的AI应用赛道之一。 今年2月，AI医疗笔记公司Abridge完成了2.5亿美元的融资，最新估值高达27.5亿美元，领投的是硅谷知名风险投资人Elad Gil。考虑到24年年底Abridge的ARR只有5000万美元，算下来EV/ARR高达55倍，甚至比大模型公司还高。 除了投资人看好外，科技巨头也在进场。不久前，微软推出AI医疗笔记工具Dragon Copilot，预计今年5月正式上市。 那么，AI医疗笔记这个市场到底有什么魅力？其中又有哪些公司值得关注呢？ ## 01 最具确定性的AI应用赛道 市场需求明确+专有数据带来高壁垒 时至今日，AI医疗笔记已经成为硅谷最被看好的AI应用赛道之一。 据不完全统计，现在美国已经有50多种AI医疗笔记产品，涵盖儿科、精神疾病科、宠物医疗等各个细分医疗场景。这些产品不仅融资规模很可观，估值也明显高于其他AI应用赛道。 在融资规模上，不少产品都拿到了相当多的钱： - 面向B端医疗机构，转录患者与临床医生对话的人工智能平台Abridge，在今年2月完成了2.5亿美元的融资，最新估值高达27.5亿美元； - 面向C端临床医疗的医疗笔记工具FreedAI，也刚刚完成了3000万美元的融资，红杉资本领投； - AI医疗笔记应用Suki也在去年下半年完成7000万，估值5亿美元。 不止给钱多，投资人也毫不吝啬地愿意给AI医疗笔记公司更高的估值。比如，估值27.5亿美元的Abridge，2024年年底的ARR只有5000万美元，EV/ARR（企业估值/年经常性收入，一种估值方法）高达55倍。  要知道，Open AI、Anthropic等大模型公司的EV/ARR大约只有40-50倍，投资人对AI医疗笔记的乐观程度可想而知。 除了投资人看好外，科技大厂也在加速进场。 不久前，微软就推出了AI医疗管理工具Dragon Copilot，它可以帮医生和护士自动完成耗时的文书工作，像是准备患者摘要或根据医患对话记录写转诊单。今年5月，该工具就将在美国和加拿大上市。 投资人和大厂纷纷下注AI医疗笔记并非毫无道理。原因是，这个赛道实在太好了，不仅需求确定市场空间大，还有着很高的壁垒。 先说需求，医疗笔记的需求量巨大。 2009年，美国开始推行的EHR(Electronic Health Record，电子健康记录系统)补助，要求医生详实填写文档。医生对每次患者诊疗都需要记录SOAP(Subjective, Objective, Assessment and Plan)笔记，来记录诊疗和给出处方的过程。 由于记录属于工作流程的上游，必须尽早完成，加上填写的信息较多，导致美国医生在EHR上花费的记录时间约为其他国家的4倍。所以，美国医生在医院的正常工作时间之外，往往需要每天加班1.5-2小时来记录临床文档。 后来，为了减轻工作的负担，也开始有人雇佣人工抄写员，把这项工作外包出去。直到现在，医疗笔记外包也已经形成了一个庞大的市场。仅在美国，就有大约10万名医疗抄写员，占到了医生总人数的1/10。 而如今，这项工作几乎可以由AI来做。相比传统转录员25美元/小时的刚性成本，AI的边际成本趋近于零（AI转录成本&lt;0.02美元/分钟）。 至此，AI医疗笔记公司有机会完全吃掉这个市场。 根据Statista数据，截至2024年1月，美国医生人数约110万人，按每名医生$300/月的平均订阅价格计算，临床听写软件的TAM（潜在市场规模）约为39.6亿美元，是当前整个医疗GenAI应用市场的8倍。 市场空间大只是投资人看好AI医疗笔记的一个方面，还有另一个重要的点是，医疗行业专有数据的价值，将给创业公司带来极深的护城河。 比如，医生问诊录音转录的文本，比如”患者主诉间歇性胸痛3周，放射至左臂”，这种包含独特的时间和症状描述、医学术语嵌套的数据无法通过公开语料复现。 再比如，通过解析百万条真实医患对话（假设日活5000，人均生成10条笔记），就可以构建疾病-症状-检查-用药的知识图谱。 在Norwest Venture Partners合伙人Scott Beechuk看来，AI公司最深的护城河将由大型专有数据集创造。那些拥有独特的数据集，能训练或微调出自己的模型，并能够在特定垂直渠道中脱颖而出。 于是，兼顾成长性和高壁垒的AI医疗笔记，就成了投资人眼中最具确定性的AI应用赛道。 ## 02 AI医疗笔记产品大盘点：大型医院、专科医院和兽医 目前，获得大额融资或收入的AI医疗抄写员工具，在诸如产品特色功能、市场区域性、细分赛道等方面有各自的竞争优势。以下是一些值得关注的产品： ### 1、Abridge：面向医疗卫生系统 从功能上，Abridge与其他AI笔记产品没什么不同，核心就是语音转录和整理特定格式的内容。 与很多AI笔记面向C端医生个人市场，Abridge选择与美国的医疗卫生系统进行合作让自己的产品可以和医疗卫生体系里的其它产品进行深度整合，成为美国医疗卫生系统流程的一部分。 此前，Abridge就已经与康涅狄格州最大、最全面的医疗保健系统耶鲁纽黑文卫生系统达成一项新的合作，这将使成千上万的临床医生能够使用Abridge的产品。 截至目前，Abridge已在美国100多个医疗系统中落地，覆盖从农村诊所到顶尖学术医疗中心的多元场景。最新合作名单包括梅奥诊所、约翰霍普金斯大学医疗系统、杜克大学健康中心等权威机构，服务数万名临床医生。 同时，Abridge还开发了自己的专用LLM。Abridge的专有语音识别模型经过数十万小时的语音内容(跨30多种语言)的训练，并针对数千小时的去识别化医疗对话进行了微调。 在专有模型的支持下，Abridge支持50多个专业领域的临床准确总结和医学术语，以及在14种以上的语言中识别、理解并准确记录笔记，保证了结构化临床笔记草稿的完整性和高精度。 ### 2、FreedAI：主打C端市场，服务医生数量超1.7万 FreedAI面向的是美国47%的独立执业临床医生，通过AI转录系统记录患者就诊讨论内容，识别关键术语并创建结构化的病历记录，帮助医生将文档工作时间减少73%。这一定位的好处是，避免了医疗机构冗长的购买审批流程。 与面向B端的产品相比，FreedAI作为一个独立工具，部署更简单。同时，在定价上，FreedAI采取简单透明的订阅制定价策略，网页版基础套餐为每月99美元，iOS应用版为每月139美元，两个版本都支持无限次就诊记录，并且允许用户随时取消订阅。 较低的定价和产品的易用性，让FreedAI取得了不错的市场表现。产品发布不到2年的时间，每天有1万个付费医生使用，达到了1000万美金ARR（年度经常性收入） ### 3、Nabla：可远程医疗，年处理量300万次 Nabla旗下的AI临床记录助手Nabla Copilot，集成了医疗编码识别和与电子健康记录（EHR）等功能，可以自动标注关键生物标记（如血压异常值）；还能进行远程医疗适配，就是针对视频问诊场景优化，自动识别非语言线索（如语气停顿），辅助生成评估建议。 2024年，Nabla将其AI助手嵌入2000家诊所的Epic系统，使医生文档时间减少47%。2025年通过分析50万份肿瘤科病历，推出了“动态知识图谱”功能。 Nabla Copilot自2023年3月推出以来，已被超过两万名用户采用，年处理咨询量将达到300万次。2024年1月，Nabla获得2400万美元B轮融资，投后估值达到1.8亿美元。 ### 4、SukiAI：准确率达95%，年收入千万美金SukiAI除了一般的AI抄写功能外，也支持环境生成笔记和医生口述记录两种方式，有超过95%的准确率。 此外，SukiAI还拥有更好的平台兼容性，它兼容Cerner、Meditech等15种EHR系统，支持一键同步至医保编码模块，缩短报销周期30%。 目前，SukiAI已被全美超过350家医疗系统和诊所采用，临床医生中的采用率达到行业领先的70%以上。据Similarweb的数据显示，其年收入在1000~1500万美元。 该公司在2024年10月完成了D轮7000万美元的融资，融资总额达到了1.65亿美元。 ### 5、Scribenote：兽医专用，小市场垄断 Scribenote是一款针对兽医的AI临床笔录应用，它内置20万种动物生理参数数据库，可识别犬类心电图异常（如房颤）并生成饲主易懂的护理建议。与此同时，它还可以与兽用超声设备直连，自动将B超图像中的异常区域（如猫肾囊肿）与文字记录关联标注。 它还有一项特色功能——对宠物行为分析，就是通过问诊录音，识别动物嚎叫频率，辅助判断疼痛等级（如犬类术后疼痛指数预测准确率89%）。 2024年，Scribenote与宠物医院BanfieldPetHospital合作，在300家连锁宠物医院部署。Scribenote服务于北美数百家诊所，在不到一年的时间内生成了超150万份病历。 Scribenote定价较高，按月付费价格高达249美金，按年付费价格也在每月165美金。Scribenote在2024年9月完成种子轮融资，共筹集820万美元。 ### 6、HeidiAI：全科医生工作流覆盖，主打本地化 HeidiAI是一款主要服务澳洲地区、全科医生工作流全覆盖的AI医疗抄写员产品。 全流程覆盖体现在，HeidiAI从患者建档、问诊记录、诊断辅助、处方生成，到转诊管理和随访提醒，全面嵌入全科医生日常操作，减少重复性工作30%。 HeidiAI在本地化上做了深度的策略。首先是深度绑定，它与澳洲区域性诊所网络合作，预装诊所专属模板（如土著居民健康筛查表），支持Bulk Billing流程自动化。 另外，它也建立了合规壁垒。它通过澳洲TGA认证，无缝对接My Health Record系统；它还针对澳大利亚Medicare报销体系，AI引擎自动解析超8000条报销规则，确保数据主权与隐私合规。 2023年，HeidiAI用户扩展至100家诊所，推出AI驱动的转诊单自动生成功能。2024年，HeidiAI与澳洲电信合作嵌入远程问诊平台。 HeidiAI采用低成本订阅模式，按诊所规模阶梯定价，月费低至49澳元。2025年3月初，HeidiAI在A轮后续投资中筹集1660万美元。 文/朗朗 本文由人人都是产品经理作者【乌鸦智能说】，微信公众号：【乌鸦智能说】，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。

产业互联网到了要变一变的时刻

<blockquote><p>在数据分析的海洋中，如何找准方向、高效解决问题？本文为你揭秘四大实用分析思路，助力你在企业数据分析中精准满足业务需求，从新手迈向高手！</p> </blockquote>  “老师，到底该怎么分析问题？？？”经常有同学这么问，今天分享4个简单好用的思路，能应对大部分的问题。 首先要明确，在企业内工作，满足业务需求，是数据分析最高要求。 因此不要拿着书本背诵方法了。 关注：到底领导/业务需要我回答什么问题？才是解题的关键。 而业务需求，通常有4类。 ### 思路1： 描述式分析业务需求：不了解状况，先看数据，搞清状况提问方式：“你去分析一下销售/运营/商品/会员/物流情况” 此时的重点是：讲清楚情况。 此时，不要倾倒太多无条理的数据，大家会看不懂。 可以按着：“业务现状→工作目标→整体进度→子部门进度”的方式展开。比如“你去分析一下会员的情况”，那么可以做如下介绍（如下图）:  看完以后：如果整体进度没问题，各子部门顺利，那么大家会说“很好，继续监控”如果整体进度没问题，但一两个子部门有问题，那么大家会让你“研究下，为啥就这个部门做的不好”如果整体进度有大问题，那么大家一定会让你“深入分析原因”描述性分析，一般是其他分析的起点思路 ### 思路2： 探索式分析业务需求：我知道目前有问题，但不知道问题出在哪，帮我找出来提问方式：“最近销售/运营/商品/会员/物流指标没达标，为什么？” 此时的重点是：将问题点，落实到一个具体的、可改进的对象上去。这一点非常重要！ 很多同学喜欢翻来覆去地讲：客单价下跌了3%，转化率下跌了5%……在业务看来，这都是废话！为什么啥客单价低了呢？ 1、新上的商品不行？ 2、促销打折打多了？ 3、用户缺少消费动力？这才是大家关心的，可以做改进事情。 所以做探索式分析的时候，一定要落到一个有业务部门负责的，具体的点上比如“最近用户消费没达标”，可以做如下探索，注意！下图每一个分析逻辑分枝，都有明确的业务指向（如下图）：  ### 思路3： 检验式分析业务需求：领导/业务提了一个明确的分析要求，期待回应提问方式：“我们最近的会员消费下跌和优惠政策调整有没有关系？” 此时的重点是：排除其他可能性。大家要注意，当你说出：“确认是A因素影响的时候，就意味着：“不是B、C、D因素影响”。 如果没有排除掉明显的其他问题，十有八九会被批为：“分析不全面，我说一句你做一句吗”。此时需要主动收集：还有哪些业务假设。 一些大家共识过的，不用考虑的因素，可以不纳入分析之中，聚焦几个核心问题。 比如“B公司增长瓶颈是人力问题”拆分开就是：核心假设：是缺少人手剔除因素：不是缺市场，就是缺人（如下图所示）   注意！为了让自己的论证站住脚，可能需要多级论证，比如上图中，论证”B公司就是缺人”，那么得讲清楚“B公司目前人效非常高！不是他们不会做”，还得论证清楚： “B公司人效高，是普遍情况，不是有一个高人带着一群人躺赢”……总之，论证的点越多，论据越充分，结论就越站的住脚。 这是非常考验数据分析师逻辑能力和思考深度的事情。 新手分析师，往往只会简单列出一两个指标，只有老手才能充分考虑各种因素，收集证据。同学们平时要多练习哦。 ### 思路4： 测试式分析业务需求：领导/业务提了一个尚未发生，计划要做的事，不确定效果提问方式：“如果我们调整政策/更换商品/改进版面，是否能解决问题” 此时需弄清三个关键问题：到底要不要做测试？要做什么级别的测试？要测的到底是啥？ 1、如果计划的事情，是历史上从未发生过的（比如上一个全新的产品），那必须测试，不然没法下结论； 2、如果计划的事情，历史上做过类似的（比如投优惠券，以前也投过），那可以拿历史数据做一定参考； 3、如果计划的事情，可以小范围测试（比如让部分业务员改话术，选部分用户投券），那么优先考虑做AB分组，通过ABtest对比差异 4、如果计划的事情，没法小范围测试（比如修改渠道政策，一旦公布开弓没有回头箭），那么就得先做调研，再通过数据测算，让大家有心里准备总之，根据计划类型来提供实验建议。 在实验前，一定要记录清楚以下信息，列清楚了才好做分析： 1、本次对业务调整的点是XX 2、本次调整，期望的目标是改进XX指标 3、本次没有调整XXX影响因素比如要优化投放效果，你最好记录清楚：到底这个版本改变的是推广主图、关键字、站内路径还是商品/优惠，这样才好在各版本间做对比，如果一次性大改太多，那就只能看整体效果了，没法具体到细节（如下图）。  以上，纵观整个过程可以看出：和业务保持密切沟通，了解业务需求对症下药才是重点。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，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。

Zhang has become a billionaire owing to the success of TikTok and ByteDance. ByteDance is the largest shareholder of TikTok, holding approximately 39.1% of the shares, and Sequoia Capital is the second-largest shareholder of TikTok, holding 12.8% of the shares.

特斯拉官方近日再度力挺纯视觉智驾方案，其表示：**人用眼睛和大脑开车，而不是一套传感器，特斯拉的车也一样**。众所周知，**特斯拉的FSD高阶智能驾驶系统是当前世界唯一的纯视觉方案，甚至连毫米波雷达都已弃用，只依靠摄像头和AI系统。** [](//img1.mydrivers.com/img/20250328/792a5e8a4b7f451197a4bd4719e781ce.png) 而国内虽然也有宣称“纯视觉”方案，实际上应该是“主视觉”，因为除了摄像头，当前依旧保留了有其他传感器，只是去除了激光雷达。  早在2021年，特斯拉CEO埃隆·马斯克在接受媒体采访时就曾声称：**“自动驾驶汽车应当使用与人类司机相同的感觉驾驶汽车，人依靠眼睛和智力驾驶汽车，自动驾驶汽车也应当这样。”** 马斯克认为，**之所以特斯拉只采用视觉方案，是为了让车载计算机更加“专注”**，一旦增加雷达等相关数据，会使系统获得超过它处理能力的冗余数据，如此会对软件产生负面影响。  不过在中国，当前主流是融合感知方案，也就是集激光雷达、高清摄像头、毫米波雷达等感知硬件为一体，其中的代表就是华为、理想、蔚来。 华为对激光雷达的开发和应用程度称得上那四个字，**甚至给最新车型还加入了三颗固态激光雷达，用于更为精确的感知**，而理想汽车董事长李想此前也曾力挺激光雷达，放言称“如果马斯克在中国高速深夜开过车，特斯拉也会保留激光雷达。”  [查看评论](https://m.cnbeta.com.tw/comment/1488948.htm)

**据中国地震台网正式测定，今天14时20分，缅甸（北纬21.85度，东经95.95度）发生7.9级地震，震源深度30千米。**本次地震是今年以来全球发生的第17次6级及以上地震，也是今年以来的最大地震。 泰国全国有震感，曼谷震感持续数分钟，民众震感十分剧烈。 **有网友晒出的实拍画面显示，泰国一楼顶泳池的水都被晃了出来，像瀑布一样直泄而下。** 据报道，泰国总理佩通坦收到有关地震的报告后，迅速中断会议，紧急商讨应对措施。  值得注意的是，本次地震的震中距离中国最近国境线294公里，**造成云南西双版纳、德宏、昆明、丽江、保山、大理等地震感强烈，贵州、广西等地亦有震感反馈。** 这里还是提醒大家要掌握一些地震小知识，并且和家人一起学习，避免真正灾害来临时手足无措。 专家介绍，地震时如果无法迅速逃至空旷地区，应该躲在桌子等坚固家具的下面，在重心较低、且结实牢固的桌子下面躲避，并紧紧抓牢桌子腿。  在没有桌子等可供藏身的场合，无论如何也要用坐垫等物保护好头部。 如果地震时被掩埋在废墟中，自救最重要的是镇静、除险、求救。设法保护自己，及时排除险情保存生命，坚定生存信念，等待救援。 期间要想方设法向外界传递求救信息，要尽可能利用手边的简易工具，间歇性地敲打附近坚硬器物，发出求救信号，耐心等待救援。 [查看评论](https://m.cnbeta.com.tw/comment/1488946.htm)

华硕低调推出了采用背插设计的“**TUF GAMING B850-BTF WIFI W**”主板，**不但是B850的第一次，事实上也是华硕的第一款AMD平台背插主板。**该主板的供电、硬盘、输入输出、风扇等接口都设置在背面，因此正面非常简洁，再加上白色风格，装机颜值妥妥的在线。  同时，**PCIe 5.0 x16显卡插槽末尾增加了华硕自行设计的GC-HPWR插槽，可以直接为显卡提供最高600W的供电能力**，相当于把16针接口从显卡转移到主板上，不再需要额外走线。 这需要显卡兼容支持，目前只有华硕、铭瑄的可以，当然你也可以选择忽略它，继续使用普通显卡和电源线。  该主板还**升级了Q-Release Slim显卡易拆装设计，取消了金属挡板**，避免可能对显卡金手指造成磨损。后续的B850、X870主板都会如此。 其他方面，这块板子还有14+2+1相供电(每路80A电流)、DDR5 8000+MT/s内存频率、三个M.2接口(其一支持PCIe 5.0)、后置USB-C 20Gbps和前置USB-C 10Gbps、Wi-Fi 7无线网口和2.5G有线网卡、ALC1220P声卡，等等。            [查看评论](https://m.cnbeta.com.tw/comment/1488944.htm)

如今新能源MPV激战正酣，而作为MPV的王者，别克自然也不会闲着。其将推出一款名为“GL8陆尚”的插电混动MPV，今日，官方公布了该车的更多官图，并喊出了四项同级之最：**同级最长续航、同级最强动力、同级最快提速、同级最低真实能耗**。 GL8陆尚前脸延续了家族最新设计语言，大嘴格栅内部为精致的镀铬装饰，前脸侧包围以及大灯设计则向别克世纪车型靠拢，使得前脸更加精致大气，尾部配有通过装饰板贯穿相连的尾灯。 车身尺寸方面，**长宽高分别为5219/1878/1807mm，轴距为3088mm，定位于大型MPV**，目测配备20或者21英寸密辐条铝合金轮圈。 值得一提的是，相较于腾势D9、岚图梦想家、魏牌高山，**GL8陆尚的宽度相当克制，甚至不超1.9米**，在城区驾驶以及狭窄车位停放时更具灵活性。 动力方面，新车将搭载真龙插混系统，该系统已经应用于GL8陆尊PHEV之上，其为P1、P3串并联双电机构型，**系统总功率达292kW，零百加速时间为7.8秒，80-120km/h 的超车用时仅5.2秒，即使在匮电状态下也能保持强大动力输出**。 GL8陆尚是别克品牌30万级新能源MPV的全新力作，直面竞争腾势D9、岚图梦想家以及丰田赛那/格瑞威亚等竞品车型，**将于今年上半年上市并交付，并采用一口价模式，推测起售价大概率低于30万元**。  [查看评论](https://m.cnbeta.com.tw/comment/1488942.htm)

特斯拉官方今日宣布，**旗下Cybercab无人驾驶出租车将于2025年6月在美国得州奥斯汀投入运营，相比原计划2026年的发布时间有所提前。**特斯拉Cybercab发布于2024年10月，其车辆成本预计低于3万美元（约合人民币21.8万元）。  该车外观设计简洁，延续特斯拉家族风格，配备贯穿式灯带和剪刀门，车尾采用流线型设计，配备贯穿式LED尾灯，全封闭式轮辋有助于提升空气动力学性能和续航表现。 车内取消了方向盘和踏板，配备大尺寸中央显示屏，左侧显示车辆信息，右侧显示行程信息。 **特斯拉已在得克萨斯州超级工厂建立Cybercab生产设备，计划于今年夏季投产，新车或配备低于50千瓦时的电池组，续航里程约300英里（482.8公里）。**  [查看评论](https://m.cnbeta.com.tw/comment/1488940.htm)

微软Windows新功能会在不同渠道中陆续推出，而且缺乏明确的顺序，这让用户很难及时了解最新的功能更新，即便是资深爱好者也很难及时关注到。**不过在Windows 11发布第四年之际，微软终于推出了一个专门的Windows路线图网站，旨在解决这一问题。** 微软表示，该网站的目标是让用户更清楚地了解哪些功能目前对所有人开放，哪些功能仅限于Insider计划，哪些功能正在逐步推出等信息。 [](//img1.mydrivers.com/img/20250328/a0d231d6-e101-449e-b847-39540da9d968.png) 此外，该网站还将帮助用户了解如何访问新功能，哪些功能将面向不同类型的设备（如Copilot+ PC或普通PC），以及查看某些功能的更新情况等。 **Windows路线图网站的另一个亮点是，它为每个功能显示了预计的发布时间，这有助于用户更好地了解何时可以期待新功能或变化。** 网站还提供了针对特定版本（如23H2和24H2）、Insider渠道等的筛选功能，每个条目都有详细的描述、附加说明以及指向其公告帖子的链接。 **目前，Windows路线图网站主要关注Windows 11的消费级功能，因为这是微软推出最多变化、新功能和改进的领域。** 目前的首批功能包括照片应用中的Super Resolution超分辨率、文件资源管理器改进、Click to Do、Reall以及改进的Windows Search等 [查看评论](https://m.cnbeta.com.tw/comment/1488936.htm)

**微软近日的一项安全更新，却意外导致联想多款设备的BIOS更新失败。**据Windows Latest报道，微软更新了Windows系统的“易受攻击驱动程序阻止列表”（DriverSiPolicy.p7b），以提升系统安全性。  **但这一更新意外拦截了联想BIOS工具必需的WinFlash64.exe程序，导致Windows 10和Windows 11用户无法通过联想官方工具（如Vantage或BIOS Update Utility）升级固件。** 受影响的设备主要是联想ThinkPad系列产品，用户在尝试更新BIOS时，可能会遇到“操作被阻止：管理员已限制此操作”、“驱动程序因安全策略无法加载”等错误提示。  此外，联想Vantage会显示“更新未正确安装”，WINUPTP界面也可能报错“Flash Error”。  **如果用户已安装以下更新，那么在升级BIOS时就可能会遇到错误：** Windows 10 22H2：KB5050081/KB5051974/KB5052077 Windows 11 22H2/23H2：KB5050092/KB5051989/KB5052094 Windows 11 24H2：KB5050094/KB5051987/KB5052093 联想已通过新版BIOS修复了这一问题，但由于旧版BIOS版本仍然无法安装，因此用户需要手动下载最新固件，其他品牌设备若遇类似问题，也可以尝试升级至最新BIOS版本 [查看评论](https://m.cnbeta.com.tw/comment/1488934.htm)

据中国地震台网正式测定：**03月28日14时20分在缅甸（北纬21.85度，东经95.95度）发生7.9级地震，震源深度30千米。****本次地震是今年以来全球发生的第17次6级及以上地震，也是今年以来的最大地震。**  据悉，这次大震震中离缅甸第二大城市曼德勒非常近，强震所有能量都将释放在人口密集的伊洛瓦底江沿线。 从各国测定的震级来看，本次7.9级大地震是缅甸自1839年阿瓦大地震以来最强地震、也是2015年尼泊尔大地震后大陆内部发生的最强地震，很可能会成为今年全球重大自然灾害之一。 自然资源部海啸预警中心根据初步地震参数判断，**地震可能会在震源周围引发局地海啸，但由于震源位于太平洋范围之外，不会对我国沿岸造成影响。** 泰国全国有震感，曼谷震感持续数分钟，民众纷纷离开高层建筑，涌到街上。 **从我国网友反馈来看，四川、云南等多地都有明显震感，甚至还有西安网友称震感强烈，尤其是20楼以上的高层。** [查看评论](https://m.cnbeta.com.tw/comment/1488932.htm)

 # Intro 得说一句，这个题目其实很早就想写了。 一方面，这一年半的工作，也算是……听了一年半任务对IP的各种“问责和埋怨”——特别是我并不认为我们的IP难以合作的情况下。 另一方面，我确实在某次工作过程中听到来自IP同学的抱怨——反正给了任务任务都会让你改。 确实有很多的IP在跟我混熟后，会向我去抛出这个问题——到底怎么样写故事才算是”好的任务剧本“。 所以，作为一个曾经的IP，现在的任务（臭配表的），我打算站在任务的视角下，来给IP同学写一份有点可行性的合作指南，顺带也希望IP同学能够借由这篇文章提到的一些观点，来了解作为一个任务，可能会关系剧本的什么部分。 # 有时，矛盾并不只是在“写一个故事”还是“写一个剧本” 首先，我想从业有一段时间的IP同学应该都知道一个“经典矛盾”——会有人指责你交上来的剧本或大纲写的太像是一个”故事“，或者说太像是”一本小说“。 有些IP同学可能认为，ok这可能是我把交付的文本写的太过于正式化，只要我写的简略一点，应该就还好。 但其实问题可能并不出在行文风格或字里行间中，让我们举一个不太恰当的例子。 <blockquote>汪淼轻轻推开门，扑面而来的淡淡的气息是他没有想到的，那是森林的气息，他仿佛进入了一间护林人的林间小屋。墙壁被一条条棕色的树皮覆盖着，三只凳子是古朴的树桩，写字台也是由三个较大的树桩拼成的，还有那张床，铺的显然是东北的乌拉草。这一切都很粗糙、很随意，没有刻意表现出某种美感。以杨冬的职位，她的收入是很高的，可以在任何一处高尚社区买下房子。可她一直同母亲住在这里。 汪淼走到树桩写字台前，上面的陈设很简单，没有与学术有关的东西。也没有与女性有关的东西；也许都已经拿走了，也许从来就没在这里存在过。他首先注意到一张镶在木镜框中的黑白照片，是杨冬母女的合影，照片中的杨冬正值幼年，母亲蹲下正好同她一样高。风很大，将两人的头发吹到一起。照片的背景很奇怪，天空呈网格状，汪淼仔细察看支撑那网络的粗大的钢铁结构。推想那是一个抛物面天线或类似的东西，因为巨大，它的边缘超出了镜头：照片中，小杨冬的大眼睛中透出一种令汪淼心颤的恐惶，仿佛照片外的世界令她恐惧似的。汪淼注意到的第二件东西是放在写字台一角的一本厚厚的大本子，首先令他迷惑的是本子的材质，他看到封面上有一行稚拙的字：&#34;杨冬的桦皮本。&#34;这才知道这本子是桦树皮做的，时光已经使银白色的桦皮变成暗黄。他伸手触了一下本子，犹豫了一下又缩了回来 </blockquote> 这段文本节选自《三体》里汪三水第一次拜访叶文洁家，进入杨冬房间的桥段。 文笔上有种刘慈欣特有的那种叙述感，编排上也还不错，视点的变化从房间整体到局部，后面再引入杨东和叶文洁的一些细节内容。桦皮本回点了一下叶文洁的背景，算是个呼应。 但在任务的角度呢？我们来尝试拿这段文本设计一段进屋的任务流程。  你会发现，在任务流程的设计上，除了给这个房间放上各种物件交互外，你几乎很难再拆分出更多的任务流程步骤。即便你可能想通过引导玩家在房间内自由探索的方式来丰富这段流程，但这也意味着玩家进入房间后缺乏一个明确的目标指引，换言之，玩家不知道进去后该做什么，直到他和桦皮本交互。  (当然，并不是游戏做不到电影的调度，而是游戏在设计这种桥段时，还需要考虑交互性) 所以其实很多时候，“太像一个故事”的潜台词是在告诉你，目前给到的这个故事很难设计更多的“流程”。 有时你可能会听到一些吐槽，说你的故事里的角色经不起推敲，或者故事的发展太过于小儿科。但你会觉得很奇怪，明明给到任务那边的剧本充满了各种角色心理活动变化，各种微表情和台词上的小处理明明能够体现角色的情感变化。最后你只能愤怒的躺在工位上，抱怨合作的任务或者看故事的玩家文学素养不够。 但事实上这是因为——游戏里有关于角色的各种表达，实际是要依托于基于玩家视点的，以事件为载体的情境的。换言之——体验了，才能感知。 如果你看过《银屏系漫游指南》的【为了搞明白《权游》到底为何烂尾，我们分析了剧中七万字的台词】这一期，你应该会记得这期提到过一个观点：编剧为了能够在六集内交代故事走向，不得不让人物去服务于叙事（中角色的功能性），对白服务于故事（的信息呈现）。  但事实上，在设计游戏的剧本和故事时，人物的逻辑，情感，动机十分依赖于所遭遇的事件，在事件中做出的行为来表达。因为事件意味着能够产生流程和交互，进而让玩家以一个身份成为该事件中的成员，这样游戏才能利用交互和GamePlay来表达叙事。玩家才能被任务的难度，事件中的各种转折，甚至是某个交互或者某个玩法调动出情绪。 所以很不幸，以往在文本创作中，“事件”牵着角色走的“糟糕设计”，在游戏剧本的设计中反而成了“设计任务叙事“的前提条件。并且受限于游戏本身的表现形式带来的影响，你几乎不能用你喜欢的某些叙事手段来设计——比如不能设计各种文戏桥段，设计角色在事件中的微表情或者动作，你甚至不能预想玩家完整的看完了每一句台本，或是配音演员对于某段台词的发挥符合你的设计…… 某种程度上说，给游戏写剧本，更像是在写一种“不断创造事件的情景喜剧或舞台剧”。 # 节奏，节奏很重要 当我们了解了游戏叙事的本质是不断的事件后，另一个经常困扰IP同学的，总是被该死的任务挂在嘴上的名词就会出现——节奏。 首先，电影和小说都会有自己的节奏。电影会有自己的叙事节奏，有时会舒缓，有时会紧张。 他会对应一些桥段上的设计，比如需要放缓节奏时加入文戏，又或者是什么围炉谈话，某个放松的游玩之类的。 小说和文章也有自己的节奏，比如你看我这篇文章有时一段只有一两句，有时一段又有一大堆。这本质上是我在根据我自己的阅读习惯来设计这篇文章的阅读节奏。 所以游戏本身其实也有自己的节奏，通常来说，我们会说“心流曲线”。  大家应该对这张图已经有点……看烂了。 本质上，任务在节奏的设计上需要符合这个“心流通道”的设计。毕竟任务是游戏的一环，自然要遵循游戏的设计原则。 但一般来说，任务在实际设计的过程中，还会受到一些故事的设计理论的影响。比如我个人设计任务时很喜欢参考《银屏系》提到过的“故事环”。在我的设计里，回归和改变这两个阶段通常是心流情绪里走向缓和与平静的部分（后日谈），这种地方会用来设计给代入角色的玩家释放自己情绪。  不过，有一点我其实想聊聊。 多数情况下，玩家初次游玩任务流程时，玩家在感受的心流时，还会产生这样一个情绪的循环  这个感知的过程有点像CQB，本质上是了解当下，构建目标，行动并遭遇下一个情境。 对于很多CRPG，还有一些射击游戏的流程设计来说，任务的开始阶段通常都始于玩家被丢进某个环境，玩家被丢进某个情境后需要对环境建立感知，明确当前的任务目标，在行动中不断构建信心，再遭遇变化打破感知。 所以，明确自己设计的桥段是什么样的节奏，或者在设计故事节奏的过程中思考一下体验节奏，思考玩家处于什么样的节奏阶段，他们会怎么体验，又可以从故事上设计什么，这才是任务对故事真正关心的部分。 # 但其实，日子没有你想象的那么难过 讲一个不太相关的例子。 依稀记得是Quake还是虚幻竞技场，在某一代进行线下CE测试时，他们找了两拨职业选手测试武器。其中有一把武器，他们暗改了一下双方的武器音效，两边玩家听到的是不同的开火音效和换弹音效。 结果有一边的选手抱怨，他们的这把武器比起对面某把武器来说弱太多了，这不平衡。 但实际上不论是武器的伤害，弹道速度，开火间隔，两边数值都一样，只有音效不同…… 其实游戏有很多专门属于游戏自己的叙事表达方式，而且这些叙事表达方式其实比你想象的成本更低。 比如如果我要塑造一个强大的敌人，在小说里我可能要描述他的技能多么强大，他的地位多么高大，必要时我可能还需要写死几个人来做铺垫； 在电影里情况稍微好一点，但也需要我给到几个英雄镜头，武器开火的特写，最好得来个以一敌百的桥段，各种快速剪辑等等。 但在游戏里，你其实可以只要在合适的时候，给他设计一个相对当前玩家而言比较有挑战的数值和动作模组——回想一下，《只狼》的苇名一心，《生化危机》的舔食者和暴君，《最后的生还者》里的循声者，《Half-Life·Alyx》里的杰夫等等等等。  (杰夫确实是一个在叙事体验上结合的很好的Boss，这关本身的挑战，杰夫和玩家交互的特性，环境对杰夫的渲染) 当你回想这些BOSS的设计时，他们哪个真的用上了电影或者小说里常见的，用来描绘强大敌人的方式？相反，你对他们的印象往往都来自初见杀，或者是某些“同伴的警告”。 另一方面，回想一下你在“莱温霍姆”的整个体验，或者是PT的无限回廊，又可能是使命召唤·现代战争2（老MW2）被谢菲尔德背叛。这些让你“印象深刻”的关卡，他们通常流露于“文字表达”或“镜头表达”的地方其实不多，更多的是桥段和环境的塑造，对吧？  (以至于RTX版的演示也选的是莱温霍姆，绝了) 我们经常说游戏是一门“交互的艺术”，或者我们总是在强调“游戏叙事的本质是围绕着玩家体验的一系列设计”，这里的“体验”和“交互”实际上指的就是针对玩家“玩游戏”这件事情的一系列设计。 当然，客观上我得吐个槽，国内很多自许“内容导向游戏”在设计方法论上极其廉价——番剧化的演出+所谓的战斗爽=我们是个内容型游戏。多数的内容来自于社区的脑补，和流程中的“情绪点”——以往我们还会深究故事的合理性，但到了这代人，大家只有情绪冲动了。  但情绪设计本质上是游戏叙事体验里很重要的一环，优秀的情绪设计本质也是在为玩家体验负责。只是现在国内的叙事很多并不从“游戏交互性”来传达情绪，更多的依赖文学性，电影感，甚至是沿生PV和社区二创来传达情绪。这实在是有点“昨日重现”——毕竟老外也追求过游戏要看起来有电影感，并以此为工业化。 从我个人的角度上，我会建议IP同学在设计故事桥段时，能够放开一些“传统艺术“的枷锁——你完全可以参与到流程的整体gameplay体验设计中。 而且其实，在我的印象中，很多同僚本身是乐于见到IP同学提出各种gameplay上的要求和想法——比如要求流程里有个时刻在狙击玩家的反派，或者是最终的Boss战让玩家打起来足够有压力，以体现Boss的性格和角色”殊死一搏“的感觉。 说一句玩笑话:Sam Laker都能在AW2里提“用跳脸来表现“被黑暗力量侵蚀”这个设定”，你又有什么好担心自己在Gameplay上的想法是糟糕的呢？ # 最后，我们退回来聊一个问题——什么是“不好合作的任务策划”。 我先来放出一个得罪很多人暴论——所有不尊重IP自我表达的任务设计师都是失职的。 一般来说，任务自己会有一个习惯——不去直接评论IP同学写的故事。 对于我个人来说，任务设计的核心是“帮助他人将故事表达转换为体验表达”。 当然任务本身也是一个有想法的设计师，且这个岗位自然会要求从事该工作的人最少要能够读懂IP同学的剧本，能够了解到剧本想要的表达，并以游戏设计的方向去思考剧本的演绎。 而每个创作者本身都是自由的，都是有偏见的，都是对他人带以有色眼镜的。 所以一定会出现“任务私底下吐槽某个IP写的剧本不行”这件事情，或者事后这个任务同学回头评价IP同学给到的剧本怎么样怎么样。 但我觉得作为一个任务设计师，一个专业人士，给IP的书面反馈叫“你的故事写的不行”，”你这里台词再改改，我都能写个比你好的”，“你这里写的真的合理吗”。 这种人会让我很怀疑作为任务的专业水平。  (当然……也有要求能自己上手写故事的，比如CDPR) 不过我觉得这个可能得区分一下“我有个想法”这种状态——因为有些时候，任务确实会对剧情里的一些桥段，甚至一些事件提一些想法。 比如我可能会说“诶你这段可能不太好表现“或者”这段玩家体验起来会比较单调“，随后可能抛出一些建议的想法，比如“让我们把这一个桥段扩展成一个流程阶段吧，把环境也换一换，目的和主旨我们保持不变”。 在确实读懂了IP同学的表达和立意的情况下，这种讨论反而是良性的，也是我推崇的“我有一个想法”的状态。他理论上来讲是尊重IP的表达，目的是为了让这段叙事在体验上更加饱满，从任务的角度提出在流程和节奏上的设计思路。 所以你其实可以以这个作为一个评判标准——如果作为和你合作的任务同学，总是在指责你的某一个“剧情”或者某一个“文本”有问题，或者以这个为正式的拒绝理由来跟你沟通的话，你就可以将他视作“不好合作的任务策划”。 因为对于任务来说，故事通常决定的是一段任务流程的基本分。平庸的故事是可以通过有意思的流程设计和节奏设计来提高体验，而本身节奏划分优秀，结合gameplay机制创作的故事，任务即便设计的再平庸，也很难掩盖故事本身的闪光点。

英伟达 GTC 大会热度飙升。继黄仁勋在英伟达大会上发布基础世界模型 Cosmos 引发业内讨论后，英伟达团队近日又发布了一个新的物理世界大模型：Cosmos-Reason1。 作为 Cosmos 系列的一个大模型，顾名思义，Cosmos-Reason1 更强调模型的“Reason”（即“推理”）能力。这是继 DeepSeek R1 采用纯强化学习方法替代 SFT 之后，思考推理模型在物理世界中的进一步探索；且据论文介绍，其取得了不错的成果。  论文地址：https://arxiv.org/abs/2503.15558 与 DeepSeek 跑在云端不同，Cosmos-Reason1 致力于解决的是人工智能系统与物理世界交互的问题——这要求跑在物理世界中的 AI 大模型要同时具备感知、理解与执行复杂动作的三个基本能力，即当前具身智能领域主流的研究热词“VLA”，或“具身大脑”。 根据论文介绍，Cosmos-Reason1 可以理解物理世界，并通过长思维链（Long CoT）的推理过程在自然语言中生成适当的行为决策。在这个思路上，英伟达的研究团队开发两个多模态大模型，分别是 80 亿参数的 Cosmos-Reason1-8B 和 560 亿参数的 Cosmos-Reason1-56B。 他们分四个阶段来进行数据收集与模型训练，分别是：视觉预训练、通用 SFT、物理 AI SFT、以及物理 AI 强化学习后训练。为了评估模型效果，他们分别在物理常识与具身推理两个方向上制定了 Benchmark，并取得了不错的表现。  Cosmos-Reason1 技术路线图概览 当前 Cosmos-Reason1 已开源，具身智能先锋研究者宋舒然等人也参与其中。 物理世界的 AGI 有何不同？ 业内一直有观点认为，AGI 的发展会天然地分为云端 AGI 与端侧 AGI，物理世界中的 AGI 即属于后者。 但相比云端 AGI 模型（如 DeepSeek R1 等），能够与物理世界进行有效交互的 AGI 却突破缓慢，因其难度更大，不仅要具备云端 AGI 的理解、推理能力，还需要感知、决策。即使是推理环节，云端大模型的训练主要基于互联网上的大量文本数据，也难以迁移到与物理世界的互动知识中。 物理世界中的 AGI 需要具备什么能力？ 英伟达团队认为，与设计擅长解决编码和数学问题的大模型不同，物理世界的大模型应该具备物理世界常识与基于物理世界的具体推理能力。这包含两方面： 一是物理常识应分为三个主要类别：空间、时间和基础物理，同时这三个类别又会被进一步划分为 16 个细粒度的子类别。这关乎到物理世界如何在物理定律下运行，以及 AI 如何与物理世界进行交互；  图注：物理常识的 16 个子类别，空间包含关系、合理性、可供性与环境；时间包含规划、相机、因果、指令、行为；基础物理包括反重力、热力学、电磁、机械学、客体永恒性、状态、属性。 二是他们认为，要为具身推理引入一个二维的知识体系，其包含跨越 5 类具身智能体的 4 种关键推理能力。这样有助于 AI 智能体在物理世界中的理解与规划。 具体而言，具身推理需要具备以下能力： 处理复杂的感官输入。与处理清晰数据表示的符号推理不同，具身推理必须从原始的、往往不完整且模糊的感官输入中提取有意义的模式。 预测行动效果。行动会产生物理后果，有效的推理需要直观地掌握因果关系。AI 系统必须预测一个物体对力会有怎样的反应，一个机器人的身体将如何与周围环境相互作用，或者一辆车辆的移动将如何受到地形和物理规律的影响。 遵循物理约束。与通常涉及优化离散选择的抽象问题解决不同，具身推理必须考虑现实世界的物理因素，如惯性、摩擦力和材料属性。它要求 AI 生成在物理约束条件下可行的长期行动规划，以确保执行过程中的稳定性、效率和安全性。 从交互中学习。在物理 AI 中，行动不是孤立发生的；每一个动作或决策都会影响环境并产生反馈。具身推理必须基于这些交互不断更新其理解，使系统能够动态地改进其行为。  在这个过程中，Cosmos-Reason1 的目标之一是使多模态大模型生成更多符合物理世界要求的反应。在视觉世界中，模型对世界的理解会被表示为视频形式，然后通过视频输入感知、理解与推理物理世界，再用自然语言将模型的反应表达出来。他们采用的是纯解码的多模态大模型架构，以及混合的 Mamba-MLP-Transformer 架构。 值得注意的是，Transformer 架构此前一直被诟病虽然擅长长序列表达、但无法高效实现空间理解，而 Mamba 架构是典型的非 Transformer 架构，英伟达团队采用 Mamba 混合或许就是为了中和 Transformer 在物理世界大模型中的短板。 他们使用张量并行度为 4 来训练 Cosmos-Reason1-8B 模型，而 Cosmos-Reason1-56B 模型则使用张量并行度为 8 和流水线并行度为 2来进行训练，以支持更长的视频训练。  为了提高模型的通用能力，在数据采集上，英伟达团队一共采用了总计 120M 的图像、视频与交互数据用于数据预训练，8M 的图像和视频数据用于通用的 SFT。 在大模型的推理中，基于规则的、可验证的大规模奖励（即强化学习方法）对解决数学、编码问题起了很大的作用。受此启发，英伟达团队也在 Cosmos-Reason1 中使用了强化学习方法来训练模型在物理世界中的推理能力。 他们探索了两种多项选择题回答的奖励类型，一种是基于人工注释的 MCQ，另一种是受视频自监督学习的启发，自动生成基于视频数据结构的 MCQ，比如用打乱的时空视频补丁来解谜题、预测视频向前或向后播放的时间箭头等。 Cosmos-Reason1 的效果 为了测试 Cosmos-Reason1 的效果，英伟达团队制定了以下基准： 在物理常识上，他们制定了 3 个基准（空间、时间与基础物理），包含了来自 426 个视频中的 604 个问题。 在具身推理上，他们建立了 6 个基准测试、包含来自 600 个视频的 612 个问题，覆盖了包括人体、机械臂、人形机器人与自动驾驶等多个构型的物理具身。 他们将 Cosmos-Reason1 与其他的大模型进行了对比，结果如下： 在物理常识的基准上，Cosmos-Reason1-8B 与 56B 的效果都显著提升，尤其是 56B 的效果全面超过 Qwen2.5-VL-7B 与 72B、Gemini 2.0 Flash 与 GPT-4o，只稍逊于 OpenAI 的 o1：  在具身推理上，显著强于其他 VLM 模型，效果提升超 10%：  雷峰网认为在直观物理上，他们的研究发现，许多主流的 VLM 大模型实际难以进行直观的物理推理。 为了测试模型的直观推理能力，他们为三个任务（时间箭头、空间谜题与物体持久性）中的每一个任务都策划了 100 个视频，并生成 100 个问题。 结果显示，现有的许多 VLM 模型在时间箭头与物理持久性的任务上表现不佳，GPT-4o 与 OpenAI o1 处理空间谜题比随机猜测强。但 Cosmos-Reason1-8B 在三个任务中都得到了显著改进：  时间箭头例子：  时间箭头例子：  参考文献：https://arxiv.org/pdf/2503.15558

近日，智利大学 CIAE 教育研究所的研究员 Roberto Araya 进行了 4 组对照实验：提供相同的提示词，让 Gemini 2.0 Flash、ChatGPT o3-mini、DeepSeek R1 进行推理分析，研究三个模型在应对幻觉问题上的性能对比。 其研究发现：ChatGPT 03-mini 在应对大模型幻觉问题上占有绝对优势，能够灵活切换不同的策略进行思考推理。 相比之下，DeepSeek R1 和 Gemini 2.0 Flash 虽然能够尝试使用策略，但表现了出对这些策略的抗拒，且推理过程存在错误或混乱。  在面对同一个问题时，三个思考模型在进行推理的过程中也展现出了较大的差异： 其中，Gemini 2.0 Flash 的思维链用词最少，ChatGPT o3-mini 是其约 3 到 10 倍，DeepSeek R1 是其大约 12 到 36 倍。而用词更多，往往意味着推理的算力成本更高。 尽管 Gemini 2.0 Flash 用词更少，其推理过程中策略使用方法与推理结论效果却不是最佳——在四个策略实验中，ChatGPT o3-mini 的推理过程与结论正确率最高，DeepSeek R1 虽然推理过程更冗长、但结论正确率远高于 Gemini。 ChatGPT-o3 mini、Gemini 2.0 Flash 与 DeepSeek R1 是当前全球综合能力最强的几个基础模型，他们在问题思考与推理上的不足也代表了当前大模型技术距离 AGI 终点还有很长的路要走。 ## 贝叶斯推理视角下的大模型推理 为了得出较为准确的结论，研究团队设计了一个适合小学生兴趣与认知水平的贝叶斯推理问题，并选择了谎言检测这一主题。大模型需要运用自身的推理能力来识别谎言并得到正确答案。 在第一个实验中，研究人员测试了模型在无提示的情况下解决一个贝叶斯推理问题的能力。 他们先是提出了一个适合小学生的谎言检测问题，描述了一个包含多个对象（如谷仓、羊、猪、猫、书等）的乡村风景场景。问题的核心线索包括：猫声称卡片不在它旁边，猪表示 90% 的时间卡片都在猫旁边，以及猫在特定情况下说谎的概率等。模型需要根据这些线索判断卡片最可能隐藏在哪本书中。 实验中，研究人员没有提供任何关于使用自然频率、整体对象或具身启发式方法的提示，而是观察 LLMs 是否能够自主使用这些生态策略来解决问题。 而结果表明，测试的三种模型均未能自主使用这些策略。 Gemini 2.0 Flash 在第一次尝试中用了 255 个词得出结论，第二次尝试用了389个词。在第一次尝试中，Gemini 的推理过程主要依赖于先验概率，得出的结论是正确的，但推理过程不正确。在第二次尝试中 Gemini 则是直接给出了错误的结论。 而 ChatGPT 用了 2039 个词，耗时32秒。它的推理过程看似合理，但过程存在逻辑漏洞，未能正确整合所有线索。 DeepSeek R1 的推理过程最为复杂，用了 2876 个词，在经过多次自我反思和检查后，最终得出了正确结论，但在推理过程中犹豫不决，且未能清晰解释如何计算概率。  而第二个实验则是直接在上一个实验的基础上，增加了一个引导提示，建议模型使用 Gerd Gigerenzer 提出的“自然频率”策略来解决问题。 在这个实验中，只有 ChatGPT o3-mini 成功地将概率转换为自然频率。它用了 1107 个词，并且将推理过程分成了两部分。第一部分使用贝叶斯公式得出正确结论，第二部分使用自然频率再次验证，并得出了正确结论。 相比之下，Gemini 2.0 Flash 用了 204 个词，虽然尝试了自然频率策略，但其推理过程并不一致，仍然依赖于百分比进行部分计算，最终得出了错误的推理逻辑。 DeepSeek R1的表现则更为复杂，共用了 7344 个词，最终虽然得出了正确的结论，但其推理过程充满了犹豫和反思，缺乏清晰性和一致性。  紧接着，实验三与实验二的内容相同，但研究人员在最后增加了一个条件：且明确地以塑料块的具体形式表示每个案例，并将问题简化为计数块。 最终的结果显示，实验中只有 ChatGPT o3-mini 成功地将概率转换为自然频率，共用了 1141 个词，并用塑料块来表示每个案例，从而得出了正确结论。 而 Gemini 2.0 Flash 用了 351 个词，虽然尝试了整体对象策略，但其推理过程并不一致，仍然依赖于百分比进行部分计算，导致其推理逻辑存在错误。 而 DeepSeek R1 用了 5504 个词，而且在推理过程中频繁地在自然频率和百分比之间切换，结论虽然正确，但过程过于冗长。  最后一个实验则是在实验三的基础上，增加一句话：“描述你如何通过计数块来解决问题。以一种适合12岁学生的教学方式，使用两种颜色的块来解释你的推理。” 最终 ChatGPT o3-mini 用了 1405 个词并成功地将概率转换为自然频率，并用塑料块来表示每个案例，同时正确地使用了着色策略得出了正确结论。 Gemini 2.0 Flash 用了 504 个词，虽然尝试了着色策略，但在推理过程中出现了错误，未能正确整合所有线索，结论正确但论证过程存在错误。 DeepSeek R1 的表现则更为复杂，用了 8457 个词，而且过程中多次出现混乱，最终在清洁版本中正确使用塑料块，但颜色标记错误。 最终，研究人员得出结论： 在实验中，三种模型在贝叶斯推理任务中的表现各有不同，并且所有模型在某些条件下都能得出正确结论，但在无提示条件下，它们的表现都不稳定。 其中，ChatGPT o3-mini 在提示条件下表现最为稳定，能够灵活切换推理方法，并正确使用自然频率进行推理。 相比之下，DeepSeek R1 虽然最终也能得出正确结论，但其推理过程冗长且混乱，多次进行自我检查和调整。 而 Gemini 2.0 Flash 虽然在提示条件下能够尝试使用生态有效策略，但其推理过程存在错误。 在策略使用方面，ChatGPT o3-mini 是唯一一个在提示条件下能够完全正确使用自然频率的模型。 而 DeepSeek R1 和 Gemini 2.0 Flash 虽然尝试使用具体物体和颜色标记，但未完全掌握这些方法的使用，表现出对生态有效策略的抗拒。 在过程复杂性方面，ChatGPT o3-mini 的推理过程较为简洁，能够直接使用自然频率得出结论。相反，DeepSeek R1 的推理过程最为冗长，而 Gemini 2.0 Flash 的推理过程较短，但存在错误。  ## 大模型的幻觉问题 从大模型的出现到普及，幻觉问题都是一个“顽疾”，不管技术多么先进，模型总会有不靠谱的时候。 它一般指的是模型生成的内容与现实世界事实或用户输入不一致的现象。这种现象可以被视为模型的“胡说八道”。具体来说，大模型的幻觉可以分为事实性幻觉和忠实性幻觉两大类。 其中，事实性幻觉指的是模型生成的内容与可验证的现实世界事实不一致。例如，模型可能回答“保时捷借鉴了小米 SU7 的外观”，但事实却悄悄相反。而忠实性幻觉则是模型生成的内容与用户的指令或上下文不一致。例如，我们要求模型帮我们查询今天的天气，但模型却给了我们去年今日的天气新闻。 而大模型产生幻觉的原因主要可以归纳为几个方面： 数据源问题：训练数据中的错误信息、偏见以及过时或不完整的知识都会导致模型生成不准确的内容。 训练过程问题：模型在训练过程中可能会学习到不准确的模式和规律，尤其是在数据分布不均匀或数据质量不高的情况下。 推理过程问题：模型在生成内容时，可能会基于其学习到的模式进行“想象”或“创造”，而不是严格遵循输入信息。这种“想象”在某些情况下可能是合理的，但在其他情况下则可能导致错误。 为了减少幻觉问题，研究人员们也提供了多种策略，例如：提升训练数据的质量和多样性、引入先验知识和常识、增加模型的鲁棒性、优化模型架构和算法、结合人类评估和反馈等方法。 当然，雷峰网认为幻觉并不代表着绝对的错误。 虽然幻觉有时候可能导致模型生成不准确或误导性的内容，但两者之间还是存在着一定的区别。 回答错误是输出与正确答案不符，可通过比较纠正，而幻觉是生成内容脱离实际输入或现实，是模型的“想象”，难以直接比较发现。两者之间可能有所关联，但评估模型时需综合考虑多种因素。 参考链接：https://arxiv.org/pdf/2503.15268

在3月20日下午，首款“阔折叠”华为Pura X出现在华为Pura先锋盛典上，这是华为在小折叠、双折叠以及三折叠产品外扩展的又一折叠形态，也是首款全面搭载鸿蒙操作系统5的移动设备。 据悉，**华为Pura X内屏采用16:10比例，配备LTPO 2.0自适应刷新率，**支持1-120Hz刷新率调节，峰值亮度是2500尼特，支持HDR Vivid高动态显示，支持1440Hz PWM高频调光。 [](//img1.mydrivers.com/img/20250328/754fab855aae431594f40c976c769292.jpg) 和传统手机相比，华为Pura X的阔型屏设计在观看内容的时候更具优势，在看短视频的时候可视面积多了40%；看图片和文字可显示面积增加了60%。 博主数码闲聊站表示，**华为Pura X和苹果想法一致，阔折叠这种定制屏幕比例是为了铺路16:10鸿蒙生态。** **这意味着后续的鸿蒙电脑、鸿蒙平板等设备也将采用16:10设计，届时鸿蒙系统5将全面打通手机、平板和电脑三大品类，实现互联互通。** 华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东表示，华为终端将全面进入鸿蒙时代，今年5月将推出鸿蒙电脑。 [](//img1.mydrivers.com/img/20250328/8fd97c41cd27423a8181b4e223e66763.jpg) 此前在去年9月份，余承东在直播中表示，受制裁影响，Windows PC可能停止供货了，可能是最后一批了，以后只有用我们的鸿蒙PC了。 目前市场有消息称，华为鸿蒙PC系统基于OpenHarmony深度定制，强调跨终端协同与分布式能力，该产品初期版本已实现基础办公功能，包括硬件驱动、外设接入、多任务处理等等。 [](//img1.mydrivers.com/img/20250328/95362a2c313245ba8278ba27c7c3ed47.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1488930.htm)

今日，“微信派”公众号宣布，最新版本微信中，**可在我-设置-通用-翻译中勾选自动翻译聊天中收到的消息，不再需要逐条长按翻译。**目前，**微信翻译已支持简体中文、繁体中文（台湾）、繁体中文（香港）、英语、印度尼西亚语、马来语、西班牙语、韩语、意大利语、日语、葡萄牙语、俄语、泰语、越南语、阿拉伯语、土耳其语、德语、法语共18种语言。** 另外，微信现在批量转发记录不用一条条戳了。在聊天页面中长按消息，选“多选”后，划拉到想结束的任何位置，点击“选择到这里”，可自动选中所有划到的消息。 值得一提的是，微信近日还上线了“附近的工作”新功能，**在微信内搜索“附近的工作”、“兼职”、“日结”、“零工”等关键词，就能自动匹配所在城市的零工，还能根据“距离”、“薪资待遇”、“性别”等快速筛选。** 目前，已覆盖北京、上海、广州、深圳等全国超200个地市。 [](//img1.mydrivers.com/img/20250328/1de3e6e2e6de448bb6945345461462b1.png) [查看评论](https://m.cnbeta.com.tw/comment/1488928.htm)

博主数码闲聊站爆料，**华星已经顺利出样Real RGB OLED，这是国产供应链打造的全新手机屏幕，预计在今年量产上市。**据悉，Real RGB OLED采用完整RGB子像素排列，每个子像素独立自发光，可以减少像素密度折损，同分辨率下清晰度媲美LCD，同时优化了屏幕寿命和功耗。  众所周知，LCD是指采用RGB三原色子像素排列的液晶显示屏，每个像素点由这三个子像素组成，通过控制每个子像素的亮度和色彩，实现丰富的颜色显示。 **Real RGB OLED则是一种新型的OLED显示技术，旨在解决传统OLED屏幕的一些关键问题，如像素折损、烧屏等。** 和LCD方案类似，Real RGB OLED采用完整的RGB子像素排列，每个子像素独立自发光，包含标准红、绿、蓝三原色，避免了PenTile结构的锐度损失，使得文字边缘更加锐利清晰，色彩精准还原。 更重要的是，传统OLED屏幕由于蓝色子像素的寿命较短，容易出现烧屏现象，Real RGB OLED改进蓝色子像素的发光效率，延长了屏幕的整体寿命 [查看评论](https://m.cnbeta.com.tw/comment/1488926.htm)

刚刚上任，**Intel新任CEO陈立武（Lip-Bu Tan）就向外界传达了一个明确信息——在AI硬件领域跟NVIDIA一较高下。**据报道，在27日提交的年报中，陈立武表示：“**我们无疑须开发具有竞争力的服务器系统解决方案，以强化云端AI数据中心的市场地位，这将是我跟团队的优先要务。”** [](https://static.cnbetacdn.com/article/2025/0324/5ce437bb1131399.jpg) 陈立武瞄准的竞争产品，是NVIDIA最顶级的GB200 NVL72 Blackwell。 一名Intel前高层曾说，NVIDIA这套系统是AI运算领域的终极掠食者（apex predator）。 GB200 NVL72在一台服务器内部链接了72颗GPU，远多于上一代的8颗，能在有限空间内提供前所未见的算力密度。 **从市场层面来看，NVIDIA在AI数据中心硬件市场拥有霸主地位，而Intel的AI产品表现却欠佳。** 2024年10月，该公司坦承旗下Gaudi系列AI芯片无法达成之前设定的2024年5亿美元营收目标。 今年1月，Intel又宣布其首颗AI GPU、面向下一代高性能计算的Falcon Shores难产，将转而研发另一项AI数据中心解决方案Jaguar Shores。 在公司第四季度财报电话会议上，时任Intel联席CEO Michelle Johnston Holthaus 表示，Intel将“利用Falcon Shores作为内部测试芯片，不会将其推向市场”。 3月31日至4月1日Intel VISION大会期间，**陈立武将迎来自己的首次公开演讲，具体时间为北京时间3月31日18点-18点45分。** [查看评论](https://m.cnbeta.com.tw/comment/1488924.htm)

 今天我们继续来谈一个概念，产品架构设计的前提：理解企业数字化的5个阶段。 而为什么要谈这个概念？其实就是因为很多产品人并不是不会分析需求到产品能力的转换，而是因为绘制出的产品架构视野太局限了。 为什么这么说呢？我将在这篇文章的结尾回答这个问题。 首先我们先来谈谈这个概念——企业数字化的5个阶段。 更具体来说就是企业数字化的发展历程，是通过五个阶段——**线上化、数据化、自动化、策略化和服务化**——来实现一步步完成数字化演进的，并从而提升竞争力和市场适应性。 下面我们来一个个介绍： ## 第一阶段：线上化 ### 1.1 线上化目标   线上化是数字化转型的起点，它涉及到将传统的线下业务流程和场景转移到线上平台。这一阶段的目标是通过线上化实现业务效率的提升。 ### 1.2 实施关键点   - 评估现有业务流程：识别哪些业务流程可以转移到线上。 - 数据迁移与整合：将线下数据迁移到线上系统，并确保数据一致性。 ## 第二阶段：数据化 ### 2.1 数据化目标   迈过了线上化，下一个目标是实现数据化阶段，也就是沉淀企业数据，通过收集、存储、分析和利用数据来优化业务流程和提高决策质量。 ### 2.2 实施关键点   - 建立数据仓库：构建中心化的数据仓库，用于存储和管理数据。 - 数据分析工具：引入数据分析工具，进行数据挖掘和分析。 - 数据治理：确保数据的质量和安全，建立数据治理框架。 示例：客户数据管理     通过线上化建设，某销售公司建立起了以CRM为核心系统的销售管理体系，而这个阶段主要集中在客户数据的管理上。主要目标包括客户档案的建立、客户跟踪以及交易历史的记录。 这些功能帮助企业建立起客户信息数据的沉淀，为后续的营销和销售活动提供数据支持。 这些数据是公司提升客户满意度和忠诚度，与产品和服务的持续改进的重要依据。 ## 第三阶段：自动化 ### 3.1 自动化目标   自动化阶段的目标是通过技术手段提高业务流程的效率和准确性，减少人为错误。而自动化的基础是必须拥有足够多的业务数据，通过业务数据的指导来制定自动化的流程操作。 举个例子说，商品上下架功能，我们通过第一个阶段实现了业务可以通过系统方便的进行商品的上下架管理，随着上下架数据场景的不断的收集与整理，我们可以**提炼出商品自动化上下架的逻辑**。例如商品在销售完之后自动下架，又或者商品在指定时间段自动下架。 ### 3.2 实施关键点   - 流程分析：识别可以自动化的业务流程。 - 开发合适的自动化开关：如时间控制，如某参数触发控制等。 - 监控与优化：持续监控自动化流程的效果，并进行优化。 ## 第四阶段：策略化 ### 4.1 策略化目标   策略化阶段的目标是在前面自动化的基础上制定出一套可扩展的多参数指引的业务自动化操作，进一步解放业务人员的工作。 **具体来说，自动化仅仅是单点上的操作，例如控制商品的上下架功能的开与关等，而策略化是将整个业务视为一盘棋来看，在多点联动下完成一个业务视角的完整动作链条。** 举个例子，前面说的商品下架的逻辑仅仅是业务层面对于商品售罄这一操作的执行，但是在业务层面上来说，对于商品售罄这件事，我需要进行如下的这一连串的动作： - 发现售罄商品； - 分析售罄商品近期暴涨的需求量是多少？ - 据该需求量紧急追单； - 向供应商提交需求； - 下架已售罄商品； - 选择替代商品在售罄商品未到货前来满足用户需求。 而策略化就是解决这个问题，**它可以理解为是多个业务动作的集合全面实现自动化，并按照一定的逻辑顺序去进行执行。** ## 第五阶段：服务化 ### 5.1 服务化目标   服务化阶段的目标是在解决了业务的需求之后，我们需要将这个业务能力抽象出来，方便其他的子系统快速的使用。 ### 5.2 实施关键点   - 服务设计思维：采用服务设计思维，以与具体场景解耦为中心进行设计。 - 服务封装与打包：将产品、系统、文档等封装为服务，提供一站式解决方案。 还是说回刚才的CRM的例子，在发展至当前这个阶段，我们要追求的就是集成性和可定制性复用 随着企业需求的多样化，CRM系统开始强调集成性和可定制性。系统与企业的其他管理系统（如ERP、财务系统）集成，形成一个完整的企业管理解决方案。同时，CRM系统提供高度的可定制性，以满足不同企业的特定需求。 看到这是不是有点熟悉？没错，其实中台建设就是服务化设计的一种体现。 ## 结语 理解这些，让我们回答文章开头提出的问题，数字化转型是一个持续的过程，每个阶段都是企业成长和发展的基石。而很多时候我们为什么设计不好产品架构的原因，就是因为我们没有这样的5个阶段的全局视角。 正确的产品架构设计是我们应该清楚地知道，我们当前所处在的企业数字化阶段是在哪个阶段？而这个阶段所需要的产品能力是什么？这些能力不仅仅要解决当前阶段的问题，同时还需要为下一个阶段的目标埋下伏笔。 这才是一个好的产品架构诞生的底层逻辑！ 本文由人人都是产品经理作者【三爷茶馆】，微信公众号：【三爷茶馆】，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。

为符合德国政府向可再生能源转型的环保要求，**该国最为先进的现代化火力发电站莫尔堡（Moorburg）发电厂近日被爆破**。据悉，这座电站于2004年由瑞典大瀑布电力公司（Vattenfall）提出建设提议，2007年动工，2015年建成投入运营，成本约30亿欧元。  其采用超超临界技术，净电效率达46.5%，高于全球平均硬煤电厂效率，**年发电量可达11.5太瓦时**（注：但由于各种限制，实际运行小时数远低于预期）**，烟气净化采用三阶段工艺，二氧化碳排放较传统燃煤电厂减少25%，非常环保**。 **然而这座如此现今、清洁的电站，在运行仅6年，停用关闭近4年后，竟然被一炸了之**。 多家德国媒体报道，在过去几周，为了进行定点爆破，这两座电站锅炉地下室的混凝土柱上钻了大约1850个孔洞，**每座锅炉下各铺设了约600公斤的炸药**。 锅炉附近还设置了30个水池，每个水池装有2立方米的水，通过引爆水中的雷管，形成一堵水墙降尘。 即便如此，在爆破过程中还是出现了异常情况：**原计划炸毁的两座高约100米的大型电站锅炉最终只倒塌了一座，另外一座虽然发生火灾，但依旧岿然不倒**。 目前尚不清楚第二座锅炉爆破失败的具体原因，专家正在进行调查并讨论下一步行动，汉堡能源公司负责人表示，**未爆炸的炸药现已被回收，将在下次爆破前更换雷管和炸药**。 [查看评论](https://m.cnbeta.com.tw/comment/1488922.htm)

3月27日，台湾清华大学半导体研究学院院长、台积电前研发副总经理的林本坚，鸿海集团半导体策略长、前台积电共同营运长蒋尚义共同出席了施惠《半导体科技一点都不难：有趣实验带你认识生活中的半导体》新书发布会。期间，林本坚和蒋尚义对于台积电追加对美投资、特朗普关税，以及与三星和英特尔的竞争相关话题给出了自己的看法。  首先，在近期备受关注的台积电对美国追加1000亿美元投资的事件，林本坚认为，台积电若持续只在台湾投资将面临很多限制，包括水、电、人才和土地都不够，台积电趁这次机会在美国、日本和德国投资设厂，扩展变成大型跨国公司。 蒋尚义则表示，台湾在营运生产成本方面比较具有竞争力，且基于经济规模，台积电最好能够集中在台湾发展，不过仍要留意水、电等资源问题。 其次，针对美国特朗普政府威胁对台湾制造的半导体加征关税一事，林本坚表示，虽然税率影响仍待进一步观察，不过半导体是电子产品的必需零件，预期大量采购台湾半导体产品的美国厂商将会受到较大影响，台湾受影响应有限。 他表示，因地缘政治，全球各国都想要实现半导体自给自足，使半导体人才争抢越来越严重，人才缺口达好几倍，要真正解决人才缺乏问题，不是开设半导体学院，因为开不完，而是要解决地缘政治。 林本坚进一步指出，过去半导体产业是基于自由经济基础发展，各国设备、材料和设计等方面各献其长、各补其短，才能快速进步，美国采取关税和出口禁令等措施，将使半导体产业开倒车，影响全球经济。 林本坚还示警，中国大陆若在美国围堵下，被迫创新材料和构架，达成半导体先进制程，挟价格低、市场大优势，台湾恐面临挑战。 第三，对于台积电与三星和英特尔竞争态势，林本坚分析称，根据各家公司实力分析来看，台积电有很多客户，有好几百家客户，是互助团体，客户可帮很多忙，也同时提出挑战，但三星没那么多客户，英特尔更没有，从这角度看，他们永远追不上台积电。 林本坚认为，台积电产能多，能比别人做得快又好，但台积电不能太骄傲松散，还要不断努力。 蒋尚义则回顾了台积电过去与联电竞争表示，台积电能赢，主要是联电犯错，联电当时与IBM合作失败，台积电则坚持自研制程。他过去很努力希望带领台积电打败英特尔，很遗憾未能达成目标，现在台积电真的打败英特尔，很意外也很高兴。英特尔以往是半导体业领导厂商，愿意冒险，不过10nm遇到很多问题。三星也有问题，台积电则几乎没犯什么错，一路稳健发展。 蒋尚义说，英特尔以前追求技术领先，不能断供，台积电则寻求怎么省钱，因此当英特尔技术不再领先，也无法与台积电价格竞争，发现自己什么都不是，以前是“King”，现在是“Nobody”。英特尔现在要务改成追求技术领先，比较有机会达成。 [查看评论](https://m.cnbeta.com.tw/comment/1488920.htm)

GPT4o的多模态生图前天上线之后。经过两天的发酵，含金量还在不断提升。在我的群里，已经能看到越来越多的，进入到实际生产环节的例子。比如@银海的直接做商品图的翻译和合成，这是原来的算法，很难做的效果，但是现在，有手就行。  非常复杂的电商流程，一张原始图，换产品换脸换衣服。  比如@歸藏的直接把UI图放样机里面的例子，如果做过UI或者产品设计的朋友肯定都知道，以前我们在做做展示，或者做汇报的时候，经常做样机做的挺痛苦的。  比如给他头像，画的两套表情包，是可以直接上架到微信表情商店的那种。   来自设计大佬@付遥，用GPT-4o来直接做之前非常流行的3D品牌海报。  比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。  也用GPT-4o直接做商品图翻译出海。 群友@默月佥在用GPT-4o出蜜蜂的解剖科普图。  一个很专业的公众号AI博主@阿真lrene，不仅用GPT-4o生成复杂的漫画，还能抠图，一键直出透明通道的PNG图。  干死各种抠图软件的不是更牛逼的抠图软件，而是大模型…… 还有朋友@不知名网友虎子哥，用GPT-4o给他自己家的房子装修……  还有一些我确实不知道源头的但是被传播的蛮广的例子（如有作者，欢迎评论区认领）。 给几个家具做一个展示图，这个场景在电商领域无敌。  之前我写可灵的AI模特的时候，很多人问，能不能让模特带首饰？现在，可以了。  还用它，直接P图，消除人物。  老照片一键修复+上色。  甚至，还可以模仿字体做自体设计。  在GPT-4o的冲击下，N多的设计师和创业者，都有点emo了。 比如就有大佬在X上感叹道：  朋友圈里还看到了一张图，是glif的老板，在X上发的。  纪念ComfyUI，纪念一切的AI图像工作流。 OpenAI的一次更新，又屠杀了一堆公司。 又一次深刻的阐明了那句《三体》中的经典台词： 我消灭你，与你无关。 GPT-4o的冲击当然是有，但是，他的上限在哪？能做到什么地步？真的能彻底替代ComfyUI的AI图像工作流吗？ 我想弄清楚这个答案。 首先我觉得我还是要跟大家非常简单的用一两句话解释一下ComfyUI，让大家知道这玩意是个啥，我们才好继续往下聊。 ComfyUI是一个非常专业的工作流工具，不局限于AI绘图，AI视频啥的也都可以往里面接。他的界面大概是这样的，很像电路板。  这个就是在Liblib上搭的ComfyUI工作流。 它是以节点方式，把各个工具、各个模型给串起来，形成一整套的工作流，比如一张图进去，经过各种节点和插件，输出一个完全风格不同的AI视频，这都是OK的。 坦率的讲，我不是ComfyUI的专家的，做过的工作流也不多，我觉得在这个领域，我并没有那么强的发言权，所以。 我去请教了一下我的1个好朋友，AI绘图大神@炼丹师忠忠。 我想听听，他的看法。 首先是，GPT-4o对电商设计的冲击到底有多大？ 我跟忠忠聊了很久。 最后得到的结论，跟我自己在设计行业里感受到的水温差不多。 对于普通水平的电商设计师，肯定是有打击的，他们原有的技能水平也就只能产出跟gpt4o差不多的图，相对来说意义不大了。 上游的运营专员可以自己操作工具来生产一样质量的图。跟被冲击的插画师类似，可能会变为帮忙修补gpt4o产出的图的bug，还有叠加原图部分细节上去加强细节还原（类似于高低频修复流程）。 生产成本降低后，需求量会变大，原本用不起各种华丽背景图包装的商家，现在也用的起了。 从效果上极简操作就能生图的工具有美图设计室等一堆工具，GPT4o只是在某些效果方面更进一步而已，对于专业级的实际商业生产的影响可能没有那么大。 而从视觉设计角度，对现有的整个开源生态，反而是利好作用。 忠忠举了自己设计的公司IP的例子。 现在，可以一句话把IP的3D模型，直出到品牌海报上，不需要走以前的3D建模+渲染了，大大节省了时间。   同时，更有趣的一点是，GPT-4o可以根据一张IP草图，来生成这个IP的各角度视图。  而这些图，会进一步推动flux等开源模型的微调版本的效果。 你可能会问，都有GPT-4o了，为什么还要去微调flux，在ComfyUI搭工作流用呢？这不是脱裤子放屁多此一举呢？ 其实有两个原因。 数据隐私性和精准性。 数据隐私很好解释，就是GPT-4o是一个闭源的模型，后面最多最多也就是开放一个API，让大家接到ComfyUI里面去用，但是，就OpenAI这个尿性，我们给过去的东西，大概率就成他后续的训练素材了。 举个例子，《流浪地球3》2027年上映，要是现在美术组把核心概念图或者设定图直接灌给GPT-4o做一些处理，到时候，《流浪地球3》电影还没上映，设定图你可以直接在GPT-5o里面让它画出来，这特么就炸了…… 所以，数据隐私性至关重要，在真正的生产环境里，特别是一些大厂里，必须只能用本地的ComfyUI搭，真正的输出，必须是本地环境，用开源的模型。 所以，这个时候，我们就可以用一些不敏感的信息，扔给GPT-4o，来辅助生成数据集，反过来微调自己的flux模型，这个点，真的很有用。 精准性其实也很简单，我们回过头来看忠忠用GPT-4o输出的自己家IP的海报。  先不说其他的细节了，这几处，你是能发现一些明显的BUG的。 这其实在生产环境里，这种BUG是品牌方觉得不可能接受的，就想你给一个手机产品做广告，你把人手机弄变形了，你跟人说不行AI出得就是这样的，你看对面会不会把你挂在电风扇上转着打。 而这个时候，用Flux专门微调的Lora，是可以完美的解决这种精准性和一致性的问题的。 这其实就是普通设计场景和专业设计场景的区别。 GPT-4o当然可以替代大部分的普通工作流，会让ComfyUI里一大批的工作流失去价值，但是这就不代表，ComfyUI失去价值了。 很简单的一点是，在专业的设计工作里，纯对话式的简单界面满足不了复杂专业的需求的。 就像你问一个专业设计师，为什么设计是用PS做设计，而不用美图秀秀来做设计，对方只会把你当傻子。 在真正的专业的AI设计工作里，可控性，很多时候非常的重要。 需要精确的规定重绘区域，需要精确的调节风格效果，出图尺寸比例等，所以在专业生产中需要精确调节的细节，不能指望OpenAI全做成功能。  还有前后处理流程，比如说前置的裁剪，抠图，语义识别，后置的比如对图片的放大，贴回原图细节（高低频修复），再接入其他工作流继续处理等。 自动化一键完成的效率要比多轮对话高很多。 包括在一些精准度要求高的产品和场景上，GPT-4o目前还达不到专业级的水准。 看个例子。 比如我们要把问界M9这款车，换到另一个场景里。车这种产品，跟笔、戒指、香水等等要求的精细度，完全不一样。  这是GPT-4o出的图。  而如果我们用大佬的牛逼工作流呢？  生成出来的效果在整体比例和质感上，是更好的。  对比应该非常直观了。 这里我要给自己叠个甲，我并不是在这里鼓吹，GPT-4o不行，ComfyUI的效果可以吊打GPT-4o。 如果是这样的话，我也不会连更两篇，来给大家看一看，GPT-4o，有多酷，有多强。 我想说的是，GPT-4o，跟当年的SD、Midjorney、Runway、可灵等等AI工具是一样的。 会无差别替代所有这个行业里面的初级执行职位。 屠杀所有曾经在工程层面对大模型进行的一些优化。 然后，一点一点侵蚀更上层的建筑。 它更像是一层层汹涌上涨的潮水，将整个AI图像领域原有的边界打得支离破碎。 都说做AI产品，要看到大模型的边界，在边界之外的安全地带做。 但是现在，你根本不知道边界在何方。 那些看似高耸的技术壁垒与工作流程，如果只是基于简单组装或者初级执行的逻辑，正在被GPT-4o以近乎暴力的方式消解。 绝大多数机械式的制作工作，一旦被强大的多模态理解与生成替代，就会像那些轰然倒塌的围墙一样，被历史的风尘轻易覆盖。 有没有一种第一次工业革命时候，机器代替手工劳动的即视感？  历史总是在不断的重复。 可一如上文所言，这绝不代表ComfyUI之流就会被完全淘汰。 在工业级、专业级的深度工作流里，人们对数据安全、设计精度、可控度的需求不可能凭空消失。 那种图像与视频的多次处理、分层输出、版本管理、脚本化批量运行、自动化节点衔接，只要是大型企业或核心团队，都会很在意。 GPT-4o会在C端和中小B端市场里摧枯拉朽，取代了大量低端或者重复性工作。 而ComfyUI、Flux、ControlNet等开源生态则在更专业的领域继续进化，利用它们精细、可控、可离线部署的特性，为高端客户或机密项目提供服务。 这气势就像云端办公与本地办公的关系一样，前者无限便捷，后者安全可控。 也如同家用轿车与顶级跑车的分别，各自目标用户并不冲突。 GPT-4o也一定会不断进化，去扩大自己的边界蚕食更多的场景。 开源生态也会有各种可以复刻效果的模型、产品出来，从而进行私有化。 没什么能够阻止浪潮向前。 要么成为浪潮的追随者，要么成为浪潮的推手。 这二者，都肯定比做一块沉在海底的礁石，要精彩得多。 你说是吗。 [查看评论](https://m.cnbeta.com.tw/comment/1488914.htm)

3月28日消息，文远知行WeRide宣布与法国自动驾驶出行网络运营商beti携手，获得法国纯无人驾驶公开道路测试和运营牌照（下称“牌照”）。至此，文远知行成为全球首个、也是迄今唯一一个同时拥有中国、阿联酋、新加坡、法国、美国五国自动驾驶牌照的科技公司，充分展现了文远知行在技术上具有极强的跨国市场适用性，在运营上具有成熟的合规性、安全性和可靠性。    此次牌照允许文远知行自动驾驶小巴以40km/h的时速开展运营活动，这是法国目前批准的时速最高的纯无人道路测试和运营牌照。 2月27日，文远知行联合beti、雷诺集团、Macif，共同在法国德龙省瓦朗斯推出了欧洲首个公开道路自动驾驶小巴商业运营项目。而此次牌照的获得正是该项目顺利运营的有力法规保障和政府背书。四方预计在今年7月将实现远程辅助1对多的纯无人商业运营模式。 文远知行已在10个国家30个城市进行自动驾驶的研发、测试和运营，旗下robotaxi、robobus、robosweeper等前装量产产品已落地法国、西班牙、瑞士、新加坡、阿联酋、日本等国家。 [查看评论](https://m.cnbeta.com.tw/comment/1488900.htm)

 雷峰网获悉，近期，AWS大中华区在通过“三年期不续签和PIP”这两种方式陆续进行裁员。范围大致涵盖了所有部门。 其中，三年不续签原则上属于硬性规定。对员工来说，如果三年到期后还想获得续签机会，就需要拿到TT绩效。然而，在亚马逊的绩效评估体系中，TT代表“Top Tier”，算是最高等级的绩效评价，通常授予表现最优秀的员工，仅占员工总数的10%左右。 而对一些团队leader来说，如果想要保住一个非TT绩效但能力尚可的到期员工，就要PIP（Performance Improvement Plan，绩效提升计划）掉团队里的另一个成员，才能向公司交代。 关于赔偿方案，据一些知情人反馈，去年PIP的赔偿是N+5，再加上1-2个月的缓冲期。而此前对于三年不续签的员工，则可以拿到n+3赔偿，即按照社平3倍的小n来赔。这次裁员大概率也会采用该方案。 PIP加上三年不续签，总体的裁员比例约在10%左右。而对于一些非打单部门，如partner等相关部门据传是今年裁员的重灾区。更多各部门裁员详情，可添加作者微信 **xf123a **交流。 与此同时，据多位行业人士透露，AWS大中华区今年的招聘名额在收紧，除了部分BD岗位外，非打单团队的招聘指标非常少：“往年裁员后，通常都会有一个替补的Headcount放出来，但今年基本没有，走一个就少一个。” 关于人员缩编的原因，目前主要有以下两种猜测。 一是业绩原因。雷峰网从多位业内人处了解到，去年，AWS大中华区八大行业线里，制造行业增速最高，安克（算力大单）、涂鸦和海康是主要的增长客户。汽车行业的增速也在排名前三，贡献了约1.5亿美金左右的营收。更多外资云最新营收和客户数据，可添加作者微信 **xf123a** 交流。 但同时，去年，AWS大中华区也遭遇了小红书、携程、比亚迪等一些中大型客户的流失。并且，由于一些垂直行业的整体环境不佳、用户选择多云或自建等因素，游戏（米哈游掉数）、零售两大行业线业绩相对较差。再加上China region的持续亏损，综合下来，AWS大中华区2024年业绩可能并没有多么乐观。这或许是当下AWS大中华区进行裁员的内因之一。 此外，AWS此次裁员还受到一些外部趋势性因素的影响。 在不少业内人看来，AWS大中华区主动缩减人员这一行为可能反映出AWS全球总部对中国市场相对消极和保守的评估。类似的情况是，微软中国近期也缩减了招聘指标。此外，据多位海外从业者称，去年启动的“微软在华产品团队外迁”项目还在继续，目前已有几百号人陆续迁到了欧美、加拿大、澳洲、新西兰等地，还有不少人在等待签证。雷峰网雷峰网

2025年3月28日，截止收盘，沪指跌0.67%，报收3351.31点；深成指跌0.57%，报收10607.33点；创业板指跌0.79%，报收2128.21点，两市成交额较上一交易日减少717.15亿元，合计成交11189.74亿元。