3月27日消息，RTX 5090移动版虽然已发布一段时间，但几乎买不到，根据视频博主**Dave2D在雷蛇灵刃16笔记本上进行的测试，RTX 5090移动版相比RTX 4090移动版还是有着不小的提升。****在《黑神话：悟空》中，RTX 5090在1440p分辨率下(开启光线追踪、最高画质、DLSS平衡模式)比RTX 4090快33%。**  而在《霍格沃茨之遗》中，RTX 5090在1600p分辨率下(开启光线追踪、超高设置、DLSS平衡模式)的帧率比RTX 4090高出65%。  **如果加上多帧生成(MFG)技术，RTX 5090的性能提升更为显著，与使用DLSS 3帧生成技术的RTX 4090相比，RTX 5090的速度超过了2.5倍。** 在《漫威争锋》中，RTX 5090在1600p分辨率下(开启光线追踪、超高设置、DLSS平衡模式)比RTX 4090快48%，而在使用MFG技术时，速度提升超过了2.4倍。  **不过Dave2D也指出，DLSS 4 MFG在像《漫威争锋》这样的快节奏游戏中表现并不理想，画面不够流畅，不适合竞技游戏。** 但对于像《霍格沃茨之遗》这样的单人游戏来说，这项技术是理想的，尽管它并不能神奇地改善低帧率的情况，用户还是需要一个足够流畅的基础帧率，否则仍然会显得卡顿。  Dave2D还测试了《赛博朋克2077》(开启RTX Overdrive，在1600p分辨率下使用DLSS平衡模式)，RTX 5090仅比RTX 4090快12%，但使用MFG技术后，RTX 5090的速度几乎是前代的两倍。 [查看评论](https://m.cnbeta.com.tw/comment/1488658.htm)

大模型为智能终端带来的变革是全方位的，但挑战也同样显而易见。云侧部署的大模型加端侧应用的大模型是综合平衡性能、成本、功耗、隐私、速度之下的最佳选择。

通过需求引领、底座支撑、数字转型、场景驱动、智慧赋能，全面支撑自然资源数字化治理能力提升，最终答好自然资源数字化治理过程中的必答题。

<blockquote><p>在AI开发工具的激烈竞争中，字节跳动推出的Trae和知名的Cursor展开了全面对决。本文通过五个维度、14个具体测评用例，对这两款AI原生IDE进行了深度对比，涵盖简单任务处理、复杂任务处理、响应速度、兼容性以及用户体验等多个方面。</p> </blockquote>  Trae作为国内首款AI原生IDE，凭借免费策略、深度中文支持和全流程自动化开发能力，在开发者社区引起了较大反响。  出于探究这款工具真实效能，为广大中文开发者和用户提供可靠参考的目的，我们对Trae展开了五个维度的深度测评，并与Cursor进行了多维度对比。本文中Trae特指中文版，以下内容不做特别说明。 Trae官方地址：www.trae.com.cn Cursor官方地址：www.cursor.com **先看结论：** 总体上Trae在复杂任务处理上稍逊于Cursor，但其本土化体验、安全性和用户体验方面，更适合国内用户。  ## 01 介绍Trae Trae是由字节跳动开发的国内首个免费的AI原生IDE，旨在通过人工智能提升开发效率。它深度集成了doubao1.5pro、满血版的DeepSeek-R1和DeepSeek-V3模型，提供两种主要模式：Builder模式和Chat模式。 Builder模式：通过自然语言指令，实现“从零到一”的应用程序开发，简化项目设置、文件创建和初始代码编写，并且还提供预览功能，方便查看开发成果。  **Chat模式：**提供中文代码问答和调试功能，作为AI助手，帮助开发者理解和修改代码，支持引用特定代码片段，进行精准提问。  ## 02 测评：Trae vs Cursor 接下来我将从对话指令跟随能力简单任务处理、复杂任务处理、响应速度与代码生成效率、兼容安全性和用户体验与易用性这五个方面，对Trae和Cursor进行深度体验测评。 为了保证测评的公平性，我们分别选用了Trae国内版和Cursor中现阶段公认的代码能力最强的内嵌模型，其中：Trae国内版对应DeepSeek-R1、Cursor对应Claude-3.7-Sonnet-thinking。以下的任务**均默认上面为Trae的最终呈现，下面为 Cursor的最终呈现。** ### 简单任务处理能力 通过以下两个任务来测试Trae和Cursor在处理简单任务的时候，所完成的质量情况。 **任务1-环形进度条** <blockquote><p>“创建一个带动画的环形进度条，点击按钮后从0%到100%平滑加载，完成后弹出”Done!”提示，要求支持暂停/继续功能。”</p></blockquote> 这是Trae的效果：  这是Cursor的效果：  两者皆存在一些问题，Trae做的缺少一些功能比如“继续”功能并且没有明显的进度条显示，而Cursor的具备所要求的所有功能，但是关于进度条显示上还存在一些问题。总体而言Cursor的更遵从指令，呈现的画面效果也更符合用户的审美。**任务2 – 石头剪刀布** “创建包含晃动选择按钮（石头/剪刀/布）、电脑AI随机选择、动态比分展示和胜负动画效果的网页对战游戏。” 这是Trae的效果：  这是Cursor的效果：  基本都完成了需求，但Cursor生成的细节方面做得更好。 结论：在简单任务处理上Cursor完成的质量更高，画面的效果呈现得更好。 ### 复杂任务处理能力 通过以下两个任务来测试Trae和Cursor在处理复杂在任务时完成的质量情况。 **任务1：跨文件能力测试任务设计** **Step 1**：生成初始文件 输入指令： <blockquote><p>“在项目根目录下创建以下文件1. utils/logger.py：生成一个日志记录函数 save_log(log_data)，将字典数据保存到 logs.json 文件 2. app/main.py：生成一个主函数，调用 utils.logger.save_log，传入当前时间戳和用户 ID”</p></blockquote> **Step 2**：测试跨文件能力 输入指令： “在 app/main.py 中调用 utils/logger.py 的 save_log 函数时，自动添加缺失的导入语句，并确保参数类型匹配（log_data 必须为字典）。” **预期表现：** 自动生成from utils.logger import save_log，将一个字典格式结果保存在项目目录下的一个json文件中。 **这是Trae的效果：**  **这是Cursor的效果：**  从输出结果可以看出，Trae 和 Cursor 都完成了我们的要求，但是它们生成的代码在**时间戳格式处理逻辑**上存在本质差异。以下是具体原因和影响分析： - **差异根源**：DeepSeek-R1模型 使用datetime模块生成了高可读性日志，而Claude-3.7-Sonnet-thinking 模型则使用time模块生成了原始计算友好型数据。在最终效果上Trae更符合企业级开发规范（如日志审计、跨时区协作），减少后期数据清洗成本。 - **结果实用性**：通过简单指令即可让两者生成对方默认格式，但 Trae 的初始代码更贴合生产环境需求，无需额外调整。 **任务2：太空餐厅点餐模拟器** 输入指令： <blockquote><p>“创建一个可拖拽星座图点餐的Web应用：</p> <p>– 点击星座图标生成菜品（如拖动巨蟹座到烤架出牛排）</p> <p>– 错误搭配时出现爆炸动画</p> <p>– 滑动选择人数时，餐盘大小同步缩放</p> <p>– 双击太空背景可召唤隐藏饮料飞碟”</p></blockquote>   从效果展示来看，Trae最终的成果存在不合指令（比如没有召唤隐藏饮料飞碟）和交互不符合现实（菜品不是放在餐盘中）等问题。而cursor全部完成了所要求的功能，且各功能交互合理，并且有使用指南提示，对任务要求全面实现，且画面美观可使用性高。 综合两次测试，Trae和Cursor在代码生成和Web应用开发方面表现出不同特点。 在跨文件代码生成任务中，两者均能完成基本要求，但Trae在时间戳格式处理上更符合企业级规范，生成的日志更具实用性。 在太空餐厅点餐模拟器开发中，Cursor全面且精确地实现了所有指令要求，交互设计合理，用户体验优秀。而Trae的成果存在功能缺失和交互逻辑不符等问题。 总体而言，Cursor在复杂任务的理解和执行上表现更优，Trae在代码生成方面具备一定优势，但对复杂交互的理解和实现能力有待提升。 ### 响应时间和处理速度  测试说明： 生成2个经典的小游戏测试Trae和Cursor的平均响应时间。响应时间的定义是使用秒表记录从「回车」到「完整代码停止输出」的时间。 **任务1 – 记忆卡牌 ** <blockquote><p>“生成4×4卡牌配对游戏，需要实现点击翻牌显示动物emoji图案、匹配成功保留、60秒倒计时和失败重置功能。”</p></blockquote> Trae用时5分14秒  Cursor用时1分47秒  **任务2 – 打砖块** <blockquote><p>“创建基于鼠标控制的击球游戏，需包含水平移动的反弹板、可破坏彩色砖块阵、实时分数统计和失败重试按钮。”</p></blockquote> Trae用时3分50秒  Cursor用时1分17秒  从以上结果得出：在面对同一个编程任务**时Cursor的响应时间更短。** ### 调用国内API的兼容性 验证以下问题： **Trae**和**Cursor**调用国产 API（如百度地图 API）时会有哪些问题。 **输入指令（直接提问）**： <blockquote><p>“生成调用百度地图 API 的 Python 代码，根据地址获取经纬度，API 文档要求参数为：ak=密钥, address=地址, output=json。”</p></blockquote>  结果得出，Trae和cursor都完成了任务，但是Trae在处理问题时会有参数未定义等问题，需要人工干预来解决，Cursor虽然很流畅解决了问题，但这里cursor存在一个关键问题就是未使用HTTPS协议，这里存在一定的安全隐患，这里猜测是**由于内嵌的模型不同**，所以我们使用了海外版Trae的Claude 3.7-sonnet模型再次进行测试，结果如下方图片所示：  总结：Trae需要人工干预提示，而Cursor能直接生成语法正确且可执行的完整调用代码，最终二者最后生成的代码都能成功的调用API，完成任务需求。 ### 用户体验与易用性 **Trae：** 刚开始开打Trae，最开始看到的是醒目的工作区，提示我们打开文件夹等我们需要的对文件的操作；还有右侧的对话区，可以选择我们需要使用的模式，如下图：  当我们打开一个文件夹后就可以看到中间提示的快捷功能，帮助我们更好上手操作这个ide，这对于初次体验者来说很友好，如下图：  点击右侧对话框的Builder模式可以直接用自然语言进行对话，这对编程小白来说几乎零门槛，如图下图：  另外Trae还提供Web预览功能，可以直接预览生成效果，不用再跳转到浏览器，如下图：  对于Trae将**Builder模式**和**Chat模式**设计成两个窗口，开发者可以使用 Builder 模式快速生成基于其需求的基本结构和初始代码库。然后，可以切换到 Chat 模式来处理更精细的任务，例如优化特定功能、添加新特性、调试问题或寻求关于生成代码的解释。通过这两种模式的结合，可以简化开发流程，提高开发效率。 Cursor： 初始打开cursor可以看到选择项目、克隆仓库和通过SSH连接选项，我们可以选择需要的操作。但是因为不是中文界面，所以对于国内用户来说不是那么友好，如下图：  当我们打开一个文件夹，也可以看到中间的工作区和右侧的对话区，但是可以明显看出，相对于Trae的界面，cursor的中间工作区没有快捷键提示，对于新手来说可能会存在不知如何唤起对话框这个问题，如下图：  另外cursor的菜单栏初始时英文的，如果用户需要中文显示则需安装中文插件，但是cursor本身的一些提示和设置界面还是会以英文显示，这可能会降低中国用户的使用体验，如下图：   在整体体验感受上，Trae的UI 界面相较于cursor在观感上更加美观和易用，尤其是Trae的文件区、工作区和对话区三个板块分界明显且观感舒适，相对而言cursor的页面没有那么流畅，但是cursor的整体页面呈现更像传统的VS Code，所以对于一直使用VS Code的用户可能会更加适应。 ## 03 总体分析  那么为什么现在IDE里的AI插件已经很多了，但还是要搞个Trae呢？ 关键区别就在于这个是“AI原生”，AI原生IDE与传统IDE插件的不同，核心在于其架构上的根本性差异。 原生IDE其AI并非事后添加而是从底层将AI深度集成，这也是其功能和价值主张的核心方面，实现了AI与IDE核心功能的无缝融合，从而优化了资源管理，提升了数据流的效率，使得AI能够更全面地理解项目上下文，提供更准确、流畅的辅助。 相比之下，传统IDE插件作为附加功能，在资源竞争、上下文感知和工作流程集成等方面存在局限，导致AI能力的发挥受到限制。 最后，在全面对比 Trae 和 Cursor 的各项维度后，给出如下建议： - 若您极为重视数据安全性、中文语境支持，或是对交互体验要求较高，Trae 的两种编程模式定会让您耳目一新。 - 若是您有更深入的编程诉求，对项目品质期望更高，Cursor 无疑是更优之选。 本文由人人都是产品经理作者【超级酷鹿】，微信公众号：【超级酷鹿】，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 Pixabay，基于 CC0 协议。

AI医疗的真正挑战，往往不在单点的技术，而在场景之深，并非引入领先的技术就一定能如愿转为为业务价值，能理解场景需求，精准解决痛点才是落地关键。钛媒体《数字价值观察室·AI落地观察》邀请方舟健客技术高级副总裁郭陟，带来前沿的AI医疗实践洞察。

<blockquote><p>在数字化浪潮下，企业如何高效整合海量数据，将其转化为驱动决策和创新的核心动力？数据中台作为企业数字化转型的关键基础设施，正逐渐成为焦点。本文深入剖析数据中台的概念、业务流程、核心功能及在企业中的应用案例，揭示其如何助力企业打破数据孤岛、提升数据质量与价值，成为企业在数字化时代竞争的有力武器。</p> </blockquote>  在数字化飞速发展的时代，企业如同置身数据汪洋大海。每一天，海量数据从企业各个角落不断涌现，业务系统、用户交互、交易记录…… 这些数据就像是一座蕴含巨大价值的宝藏，但如何让这些数据真正发挥作用，成为推动企业前行的强大动力呢？ 数据中台正逐步成为企业数字化转型进程中不可或缺的关键基础设施。 ## 1 到底啥是数据中台？ 简单来说，数据中台就是企业打造的一个综合性的**数据能力平台**。数据中台的主要任务是把来自不同地方、不同类型的数据整合到一起，经过标准化处理、有效治理以及共享，最终形成一套可以重复使用的数据服务能力，从而推动企业业务创新，助力科学合理决策。 数据中台的核心目标是打破企业内部的数据孤岛现象，将数据转化为企业资产，并实实在在地参与到业务价值的创造过程中。数据中台具有几个显著的特征： - **统一性:**能够把企业内部以及外部的数据进行全面整合，让企业从一个全局的视角来审视和运用这些数据。比如：一家大型制造企业，不仅能整合自身各个生产环节、销售渠道产生的数据，还能把市场调研的外部数据也纳入其中，形成一个完整的数据视图。 - **服务化**:通过 API 接口、标签化等方式，将数据以服务的形式提供给企业内部各个部门及外部合作伙伴。就像互联网公司把用户行为数据封装成 API 接口，方便广告投放部门精准推送广告。 - **敏捷性:**能够快速响应业务部门提出的各种需求，大大缩短从数据中提取价值的时间周期。比如：电商企业在促销活动期间，数据中台能迅速为运营团队提供实时销售数据及分析，助力其及时调整营销策略。 需要注意的是，数据中台并不是一个全新的、孤立的技术系统，更像是对企业现有数据管理和应用体系进行一次全面的整合与优化升级。**数据中台融合大数据、云计算、人工智能等一系列先进技术，借助一套标准化的流程和工具，实现数据从收集、存储、计算、分析到应用的全流程运作，以此提升企业数据的质量和价值。** 有一家连锁超市，旗下有众多门店，每个门店都有自己的销售系统、会员系统，这些系统各自管理数据。数据中台就像一个超级数据管家，把这些分散在各个门店、各个系统里的数据统一收集起来，进行清洗，去除错误数据和重复数据，然后按照统一标准进行处理。然后根据不同业务需求，为采购部门提供商品销售趋势数据，以便合理安排采购计划；为市场部门提供会员消费偏好数据，助力开展精准营销活动，让数据在整个企业内部高效流动起来，发挥出最大的作用。 ## 2 数据中台业务流程 数据中台业务流程从数据采集开始，到价值输出的整个生命周期，主要包含以下几个关键环节： ### **1）数据集成与接入** - **多源整合：**要把业务系统（ ERP、 CRM、 OA、 HR等）、日志文件，及三方平台（像微信支付、支付宝支付数据）的结构化、半结构化甚至非结构化数据，全部统一接入到数据中台。 - **实时与离线同步：**既支持像 Flink CDC 这样的技术实时捕获数据库的变更日志（比如 MySQL 数据库产生的 Binlog 日志），也可以通过 Sqoop、DataX 等工具进行离线状态下的批量数据同步。 ### **2）数据清洗与标准化** - **规则引擎处理**：运用一系列规则对数据进行处理，比如对敏感信息进行脱敏处理（把用户身份证号部分数字隐藏）、统一数据格式（将日期格式都调整为 “YYYY – MM – DD”）、去除重复数据等，以此来提高数据的质量。 - **标准化映射**：对数据字段进行统一命名（比如把 “客户年龄” 统一命名为 “age”），对代码值进行规范转换（例如把 “女 / 女性” 统一为 “女性”），确保数据在整个企业内部的一致性和规范性。 ### 3)**数据建模与存储** - **分层架构：**按照数据的不同用途，将数据分层存储。一般分为原始层（ODS），存放未经任何处理的原始数据；标准化层（DWD），存放对原始数据进行清洗和标准化处理后的数据；主题层（DWS），根据不同业务主题（如客户、产品、订单）对数据进行进一步加工聚合；应用层（APP），存储直接面向业务应用的数据。这种分层架构能够满足不同业务场景下对数据的分析需求。 - **模型优化：**在构建数据模型时，可以采用维度建模（如星型模型）或者范式建模方法，并结合实时数仓技术（像 Doris），让数据查询更加高效快捷。例如：构建电商数据模型时，使用星型模型，以订单事实表为核心，关联客户维度表、商品维度表等，快速实现对订单相关数据的查询分析。 ### **4）分析与挖掘** - **算法与工具支持**：数据中台集成各种机器学习算法和商业智能 BI 工具（如 Tableau、帆软等），利用这些工具和算法，可以对用户行为进行分析，预测市场趋势等。 - **实时洞察：**借助流处理技术（如 Flink），能够实现对业务的实时监控和预警。例如：在物流行业，实时监测货物运输状态，一旦出现运输延误等异常情况，及时发出预警通知。 ### 5）**数据服务化输出** - **API 与微服务：**把处理好的数据封装成接口，提供给企业内部的业务系统调用。 - **可视化与自助分析：**通过设置数据看板、提供自助查询工具，让业务人员无需专业技术知识，就能轻松获取和分析自己需要的数据，降低数据使用门槛。 ## 3 数据中台核心功能 ### 1）数据采集 这是数据中台运作的第一步，需要从企业内外部多数据源获取数据。内部数据源包括业务系统数据库、记录系统运行情况的日志文件、日常办公产生的文档等；外部数据源包含专业市场调研机构提供的数据，或三方数据服务平台出售的数据等。数据采集方式主要为实时采集和批量采集。实时采集适用于那些对数据及时性要求非常高的场景；比如：在线游戏平台，需要实时采集玩家的游戏行为数据，以便及时调整游戏策略；批量采集则适用于对数据时效性要求相对较低的情况。比如：企业每天生成的财务报表数据，就可以在夜间进行批量采集。 ### 2）数据存储 数据中台一般采用分布式存储技术，其中 Hadoop 分布式文件系统（HDFS）是比较常用的一种。它能把大规模的数据分散存储在多个节点上，这样既保证数据的高可用，也方便随着数据量的增长进行扩展。数据会依据不同类型和用途，存放在不同层级。原始数据层专门存储未经任何处理的原始数据；数据仓库层存储的是经过清洗和结构化处理的数据；数据集市层则是针对特定业务部门，存储经过聚合和筛选后的数据，以满足不同业务场景下的数据查询和分析需求。 ### 3）数据建模 数据中台提供一套统一的数据建模工具和方法，企业可以根据自身业务需求构建数据模型。这些模型能够清晰地反映业务中的**核心实体**以及实体之间的关系，比如：电商业务中客户、商品、订单之间的关系。通过数据建模，把原本分散的数据整合到一起，形成一个结构化的数据体系，方便后续进行数据分析和应用。数据中台支持模型的迭代和优化。随着企业业务不断发展，数据量持续积累，数据模型也需要不断调整和完善，以更好地适应新的业务需求。 ### 4）数据处理与分析 - **数据清洗**：数据清洗主要是去除数据中的噪声（比如异常的交易数据）、重复数据，纠正错误数据，以此提高数据质量。 - **数据开发：**数据中台具备功能强大的数据开发工具和平台，能够支持开发人员进行数据的 ETL（抽取、转换、加载）操作，把原始数据转换成适合分析和应用的数据格式。 - **数据分析挖掘：**通过运用数据挖掘算法、机器学习模型等技术手段对数据进行分析，从中发现数据背后隐藏的规律和价值。例如：使用预测模型预测产品未来的销售趋势，帮助企业合理制定生产计划。 - **实时与离线计算**：数据中台同时支持实时计算和离线计算，以满足不同业务场景对数据处理时效性的要求。 ### 5）数据资产管理 数据中台能够全面梳理和管理企业的数据资产，包括对数据的定义、分类、数据之间的血缘关系（即数据从哪里来，经过了哪些处理环节）以及数据的生命周期等进行管理。通过建立数据目录，企业员工能够快速找到自己需要的数据，并且清楚了解这些数据的来源和用途。 同时，数据中台还负责数据质量监控工作，设置一系列数据质量规则，实时监测数据的准确性、完整性和一致性。一旦发现数据出现质量问题，及时发出警报并进行修复，确保数据能够可靠地被使用。 ### 6）数据服务 数据中台把处理和分析后的数据，以 API 接口、数据报表等形式提供给企业内部的业务系统以及外部合作伙伴。企业内部的业务系统通过调用数据中台的 API 接口，获取像用户画像数据、商品推荐数据等，从而实现业务的智能化。 ### 7）数据安全 数据中台通过身份认证、访问控制等手段，严格确保只有经过授权的人员才能够访问和使用数据。同时，采用加密技术对敏感数据进行加密存储和传输，防止数据泄露。并且，定期进行数据备份和恢复演练，以应对可能出现的数据丢失或损坏情况，全方位确保数据的安全性和完整性。 数据中台是一套能够持续 【让企业的数据真正用起来】 的有效机制，不仅是一种技术选择，更是企业数字化转型过程中的一种战略决策和组织形式。数据中台将企业内部分散在各个业务系统中的数据进行全面整合、清洗、转换，构建成统一的数据标准和模型，彻底打破数据孤岛，为企业提供高效、准确、一致的数据服务，已然成为企业在数字化时代提升自身竞争力的一件重要武器。 本文由人人都是产品经理作者【壹叁零壹】，微信公众号：【壹叁零壹】，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。

通用股份增长的业绩，似乎让红豆集团有信心短期内再寻一个买家

去年12月29日上午，**韩国济州航空客机降落滑行时失事，导致179人遇难**，震惊世界。距离这起悲剧过去仅仅3个月，近日，又有一架满载乘客的韩国客机差点再酿惨剧。韩媒报道，本月25日下午3时，韩国廉价航空公司真航空LJ312号航班从日本札幌出发，并于下午5时35分左右到达韩国准备降落釜山金海国际机场。 **当时航管人员指示航班在“18R”跑道降落，LJ312却在“18L”降落，好巧不巧的是，当时釜山航空一架即将起飞的航班也要进入18L跑道。** 万幸的是，航管人员发现LJ312进错跑道，于是及时阻止釜航飞机进入跑道，从而避免了一场飞机相撞的惨剧。 据透露，当时LJ312机上一共114人，包括106名乘客、6名空乘、2名机长，目前事发原因未知。 有业内人士猜测，**可能是机长误把“R”错听成“L”，才导致飞机在错误跑道上降落**，不够具体情况有待官方进一步调查。 [](//img1.mydrivers.com/img/20250327/bc0400fb-a2ba-4c0f-a14b-8a10dcbcae7a.png) [查看评论](https://m.cnbeta.com.tw/comment/1488656.htm)

胡润全球富豪榜今日出炉，数据显示，全球十亿美金企业家阵营再添163位新成员，总人数达到创纪录的3442位。在科技浪潮汹涌澎湃的当下，AI领域的发展依旧势如破竹，持续加速。英伟达作为人工智能GPU领域的霸主，其掌舵人黄仁勋凭借公司在该领域的绝对主导地位，财富实现了大幅增长，成功突破1000亿美元大关。 尽管他仅持有英伟达3%的股份，但英伟达在AI芯片市场的卓越表现，让黄仁勋的财富如火箭般飙升，成为全球财富舞台上的耀眼明星。 与此同时，AI领域也涌现出了新的财富标杆。来自杭州的DeepSeek创始人40岁的梁文锋，与OpenAI的39岁掌门人Sam Altman，分别以330亿元和130亿元人民币的财富首次跻身胡润全球富豪榜。 值得一提的是，梁文锋的财富比Sam Altman的两倍还多。此前，OpenAI对自身非盈利模式进行了大刀阔斧的改革重组。 从十亿美金企业家的财富来源来看，金融服务业以9.8%的占比位居榜首，成为孕育富豪的重要摇篮。紧随其后的是消费品行业，占比8.6%；医疗健康行业占比7.6%；零售和投资行业则各占7.2%。这些行业在全球经济中扮演着重要角色，为富豪们积累了巨额财富。  此外，对于未来中国首富的人选，胡润给出了五位极具竞争力的候选人。 小米集团创始人雷军，若能敏锐捕捉机器人科技浪潮带来的机遇，凭借其在科技领域的深厚积累和创新能力，有望问鼎中国首富宝座。 宁德时代掌门人曾毓群，如果新能源汽车赛道能够持续保持良好的发展态势，凭借其在动力电池领域的领先地位，也将是有力的竞争者。 梁文锋持有DeepSeek超80%的股份，若DeepSeek能够达到OpenAI如今的一万亿估值，他极有可能成为中国首富。 币安创始人赵长鹏，若虚拟货币市场持续活跃，凭借其在加密货币领域的巨大影响力，同样具备角逐中国首富的实力。 寒武纪创始人陈天石，若能持续抓住算力市场的发展机遇，凭借其在AI芯片领域的创新突破，也将是未来中国首富的有力候选人。 这五位候选人各自在不同领域展现出强大的实力和潜力，未来中国首富的归属充满了悬念与期待。  [查看评论](https://m.cnbeta.com.tw/comment/1488654.htm)

眼下，DeepSeek、OpenAI等国内外公司都在纷纷推出推理大模型。和基础模型不同的是，推理模型要先花时间对复杂问题进行“思考”，然后再给出答案。那么，AI真的能够像人类那样进行推理吗？对于一台计算机而言，思考意味着什么？这些系统真的正在朝着真正的智能发展吗？  DeepSeek R1推理模型 《纽约时报》周三发文，对AI模型的推理原理、它与早期模型的区别等问题进行了汇总解答。 **何为AI推理？** 推理仅仅意味着聊天机器人花费额外的时间解决问题。 “推理是指系统在问题提出后还要做额外的工作，”加州大学伯克利分校的计算机科学教授、AI创业公司Scaled Cognition首席技术官丹·克莱因(Dan Klein)表示。 在这一过程中，AI可能会将一个问题分解为一个个单独的步骤，或者尝试通过反复试验来解决它。以ChatGPT为例，最早版本会立即回答问题。新的推理系统在回答前则要花费几秒钟，甚至几分钟的时间来解决问题。 在某些情况下，AI推理系统会对问题的处理方法进行优化，反复尝试改进它选择的方法。其他时候，它可能会尝试几种不同的解决方法，然后选定其中之一。或者，它可能会回头检查几秒钟前做的某些工作，以确认是否正确。 总体来说，推理系统会尽一切努力回答你的问题。这有点像一名在解决数学问题时遇到困难的小学生，他会在纸上潦草地写上几种不同的解法。 **什么问题需要推理？** AI可能会对任何问题进行推理，但是在涉及数学、科学和计算机编程的问题时，推理的效果最佳。 推理模型与早期模型有何不同？你可以要求早期的聊天机器人向你展示它们是如何得出某个特定答案的，或者要求它们检查自己的工作，因为老版ChatGPT是利用互联网上的文本进行学习训练的，人们会在这些文本中展示自己是如何得出答案或者检查自己工作的，所以聊天机器人也能进行这种自我反思。  ChatGPT 但是，推理系统的能力则更为强大。它能够自行完成这类任务，无需他人指使。而且，它还能以更广泛、更复杂的方式完成这些任务。 企业之所以将它称之为推理系统，是因为它的运作方式感觉就像是一个人在思考棘手的问题。 **为什么AI推理现在变得重要了？** OpenAI等公司认为，这是改进其聊天机器人的最佳方式。 多年来，这些公司一直信奉一个简单的理念：喂给聊天机器人的互联网数据越多，它的的性能就越好。 但是到了2024年，它们几乎用尽了互联网上的所有文本数据。这意味着它们需要一种新的方法来改进聊天机器人。因此，它们开始构建推理系统。 **如何构建推理系统？** 去年，像OpenAI这样的公司开始大力依赖一种叫做强化学习的技术。 强化学习的过程可能持续数月之久。借助这一过程，AI系统可以通过大量反复试验学习行为。例如，在解决成千上万的数学问题后，它可以学会哪些方法能得到正确答案，哪些不能。 研究人员设计了一套复杂的反馈机制：当系统做对了某件事时，给它反馈；做错了时，告诉它哪里出错了。 “这有点像训练狗，”OpenAI研究员杰里·特沃雷克(Jerry Tworek)表示，“如果系统表现好，就奖励它一块饼干。如果表现不好，就说‘坏狗狗’(惩罚或提醒它)。” **强化学习管用吗？** 它在某些领域非常有效，比如数学、科学和计算机编程。在这些领域，企业能够清晰地定义好的行为和坏的行为。数学问题有明确的答案。 然而，强化学习在创意写作、哲学和伦理学等领域的表现不佳，因为在这些领域，好坏的标准往往更加难以确定。研究人员表示，即使是在回答数学和科学之外的问题时，这一过程也通常能改善AI系统的表现。 “它逐渐学会了哪些推理模式能引导它走向正确的方向，哪些不能。”AI创业公司Anthropic首席科学官贾里德·卡普兰(Jared Kaplan)表示。 强化学习和推理系统是一回事吗？ 不是。强化学习是企业用于构建推理系统的方法。它是最终能让聊天机器人具备推理能力的训练阶段。 **推理系统仍会犯错吗？** 当然会。聊天机器人的一切都是基于概率做出的。它在决策时会选择与其数据学习内容最相似的一条路径，不管这些数据是来自互联网还是通过强化学习生成的。有时它会选择一个错误或不合逻辑的选项。 **它能帮助机器达到人类智力水平吗？** AI专家对此看法不一。这些方法仍然相对较新，研究人员仍在努力理解它们的局限性。在AI领域，新的方法通常开始时进展很快，然后就会放慢速度。 [查看评论](https://m.cnbeta.com.tw/comment/1488652.htm)

3月27日，胡润研究院发布《2025胡润全球富豪榜》，这是胡润研究院连续第14年发布“全球富豪榜”。56岁的雷军是今年财富增长最快的企业家之一，他的财富增加了一倍多，达到2200亿元人民币，首次进入中国前十。  其他值得关注的中国企业家还包括宁德时代57岁的曾毓群，财富增长61%，至2700亿元；总部在北京的芯片制造商寒武纪40岁的陈天石，财富增长逾4倍，至870亿元；字节跳动数据中心基础服务供应商润泽科技65岁的周超男及其家族，财富增长逾1倍，至425亿元；总部在北京的泡泡玛特38岁的王宁及其家族，财富增长3倍，至505亿元。 字节跳动创始人42岁的张一鸣取代了71岁的“瓶装水大王”钟睒睒，成为中国首富；得益于字节跳动因AI业务的势头和前景带来的估值上涨，张一鸣的财富达到4350亿元人民币，增长了76%，即1900亿元。腾讯54岁的马化腾超过了拼多多的黄峥，以3200亿元人民币排名中国前三。 胡润百富董事长兼首席调研官胡润表示：“很多人关心未来的中国首富包括谁，我有五位候选人。雷军如果能抓住机器人科技浪潮，有望问鼎中国首富。如果新能源汽车赛道保持良好发展，曾毓群也是有力竞争者。梁文锋持有DeepSeek超80%的股份，如果DeepSeek达到OpenAI如今的一万亿估值，他有望成为中国首富。如果虚拟货币市场持续活跃，赵长鹏同样有实力角逐。寒武纪的陈天石如果能持续抓住算力市场，也将是未来中国首富的有力候选人。” [查看评论](https://m.cnbeta.com.tw/comment/1488650.htm)

3月27日，Google对Android闭源引发热议，对此Google已向Android Authority回应表示，其仍致力于公开发布Android的源代码，引发热议的调整并不意味着Android将转向闭源。 未来Google仍会持续公开新版本Android的完整源代码——例如今年晚些时候发布的Android 16系统，其源代码仍将按惯例公开。此外，Google也将继续公开Android Linux内核分支的源代码。由于该内核分支采用GPLv2协议（强制要求公开源代码），且独立于Android开源项目（AOSP），因此这一部分不会受此次调整影响。 从下周开始，所有Android系统的开发工作将集中于Google内部代码库中进行。对代码的修改将不再实时公开，而是仅在Google发布包含这些修改的新版本分支时统一对外发布。这种模式其实早已适用于Android系统大多数组件的开发流程——Google此次只是将分散的开发模式统一整合到单一代码分支中。  Google使用的基于网页的代码审查系统AOSP Gerrit的截图 需要重点关注的变化是：部分Android组件的公共源代码更新频率将降低。当前采用“AOSP优先”开发模式的组件（如构建系统、系统更新引擎、蓝牙协议栈、虚拟化框架和SELinux配置等），此前完全在公开仓库中开发。 而Android系统的核心框架等主要组件，本就主要在内部开发，尽管某些功能模块如“仅解锁设备可用的存储区域API”仍保留在AOSP公开开发。此次调整后，这些组件的公开源代码更新将统一遵循新版本发布的节奏，而非此前部分组件持续滚动更新的模式。 [查看评论](https://m.cnbeta.com.tw/comment/1488648.htm)

“世界上只有两个事情需要绝对保密，一个是政治，一个是犯罪。”亚特兰大dealer奥斯特李奇，正在用Signal给他的客户发送照片，这张照片非常简单——一棵树，树下的某个位置打了个箭头。箭头下的土里，是层层包裹的5克可卡因。  因为匿名聊天软件和加密货币的出现，犯罪正在变得前所未有的安全。 像奥斯特李奇这样的dealer正在变为主流，通常的做法是：找多个分散、偏僻且没有监控的地方，提前埋好毒品，拍下照片，接下来的2到4周，和客户的交易只需要用Signal发送照片即可。 而支付，则用加密货币USDT。 双方根本无需见面。  亚特兰大DEA分局一位匿名探员表示，现在的犯罪正在变得越来越难以追踪，Signal的端对端通信加密协议以及不保留数据的功能，让执法面临巨大挑战。 “你只要看到某棵树下有挖过的洞，那就一定埋过毒品。” “情况已经严重到，几乎每棵树下都有挖过的洞。” “Signal让问题变得越来越扩大化，现在他们开始埋军火了。没有人能想到小学后面的树林里埋着能装备一个特种突击排的武器，买卖双方连对方是谁都不需要知道。”  什么是Signal？帮派犯罪和美国官员都在用的应用程序 安全从来不是一个褒义词，不同的人谈论安全有不同的意义。 对于罪犯来说，他们的安全是所有人的威胁。 奥斯特李奇只是底层dealer，更大宗的毒品交易也在用Signal进行。 奥斯特李奇说到一个故事，他社区一个大佬，用Signal卖了150公斤可卡因。 这位大佬压根就没有亲手过货，他的上线也只是用Signal给他发了某座山里的坐标和图片，然后这位大佬安排人把150公斤毒品就地分装成5公斤的包裹，分开掩埋，再把新的坐标和图片发给其他州的买家。 全程Signal联系，加密货币支付，大佬连毒品的面都没见过就把它们给卖了。  “罪犯比政客更谨慎，从这一层面来说，他们不如聘请黑手党精英来管理国家。” 看了这两天美国高官用Signal办事捅出来的新闻，波特兰的技术犯罪大鳄“鸵鸟”表达了自己的蔑视。 “鸵鸟”是一名真正的犯罪先锋，推动了整个俄勒冈犯罪网络的通信变革，他把自己视为解放者，并认为通过加密通信网络和虚拟货币进行个人活动，是渺小个体对庞大系统的有力反抗。 这位犯罪界的普罗米修斯为各个帮派提供技术咨询，还有普及犯罪哲学，他正在被13个州通缉。 [查看评论](https://m.cnbeta.com.tw/comment/1488642.htm)

美东时间周三，美国总统特朗普宣布了将对“所有非美国制造的汽车”征收25%的关税，引发全球汽车界轰动。不过值得注意的是，这一消息虽然导致福特、通用等美国汽车巨头股价下挫，但特朗普亲密盟友马斯克的特斯拉公司股价却在盘后上涨。 [](https://n.sinaimg.cn/spider20250322/241/w1104h737/20250322/8cd1-f0a773a51451883dec0d7be8acb4e022.png) 有分析指出，特斯拉受到关税的影响会远小于多数竞争对手，因为特斯拉在美国销售的汽车全部由加州和得州的工厂组装。 这也让不少人猜疑，特朗普对海外汽车加征关税的想法，是否受到了马斯克的影响？ 对此，特朗普特别对记者强调，在作出汽车关税决定期间，马斯克并没有介入此事，“因为他可能会存在利益冲突。” 当被记者问及新关税对马斯克的特斯拉公司是否有利时，特朗普表示，其影响可能是“中性的，也可能是好的”。 他还表示，特斯拉在德克萨斯州奥斯汀和加利福尼亚州弗里蒙特都有整车装配厂，这就说明，对于“任何在美国有工厂的人来说——这些关税都是好事。” **马斯克矛盾的身份** 马斯克作为特朗普的高级顾问，领导着美国政府效率部（DOGE）；但同时，他也并没有放弃他管理的众多商业公司，如SpaceX和特斯拉等。这使得他在公共事务和个人商业之间的两重身份有时会产生冲突。而此次汽车关税所引发的外界质疑，正是这种身份冲突的体现。 尽管在周三，特朗普特别强调称，马斯克从未“在商业上向我求过任何帮助”。不过，特朗普这话可能并不一定能说服所有人。 就在本月早些时候，特朗普还曾亲自为特斯拉汽车“带货”：他把白宫南草坪上公开购买了一辆特斯拉Model S，并大赞特斯拉汽车的设计和外形，号召人们购买。 几天后，美国商务部长霍华德·卢特尼克（Howard Lutnick）在接受新闻采访时，甚至直接敦促美国公众“购买特斯拉”的股票。 **特斯拉并非不受关税冲击** 事实上，特斯拉并非完全不受关税困扰，因为其在美生产汽车所用的汽车零部件也有部分来自海外。 最近，特斯拉在给美国贸易代表的一封信中写道，“即使在美国国内积极实现供应链本地化”，“某些零部件也很难或不可能在美国国内采购。”该公司敦促美国贸易代表办公室“考虑为解决不公平贸易行为而采取的某些拟议行动的下游影响”。 据透露，特斯拉通常从墨西哥、加拿大和中国的供应商那里购买汽车前大灯、汽车玻璃、刹车、车身面板、悬挂部件和用于各种汽车电气系统的印刷电路板。 [查看评论](https://m.cnbeta.com.tw/comment/1488640.htm)

据知情人士透露，苹果将任命一位全球门店主管，此举意在精简由高管Deirdre O &#39;Brien领导的零售部门的管理。知情人士称，苹果将提拔Vanessa Trigub担任全球商店和零售业务副总裁。据悉，Vanessa Trigub之前负责美洲西部地区的门店管理，并同时处理零售运营事务。现在，她将监督欧洲与中东、亚太地区以及美洲东部地区的零售主管。 此次晋升及新的汇报架构赋予Vanessa Trigub更多职责，并简化了零售组织架构。Deirdre O &#39;Brien仍负责整体管理零售部门，而此次调整将减少她的直接下属数量。此前，她需要直接管理各个地区的零售主管，而现在，她只需管理Vanessa Trigub以及负责零售房地产、营销和在线销售的副总裁。此外，Deirdre O &#39;Brien仍在重组人力资源部门，前首席人事官Carol Surface在该职位上任职不到两年便离职。 苹果零售网络在全球约有535家门店。自2019年Deirdre O &#39;Brien上任以来，苹果零售网络的领导层一直相当稳定。苹果的知情人士认为，该公司可能正在培养Vanessa Trigub作为Deirdre O &#39;Brien的潜在继任者。Deirdre O &#39;Brien在苹果已工作超过30年，而近年来，随着多位高管接近退休年龄，苹果内部也在加紧讨论接班计划。 这是苹果近几天来第二次引人注目的管理层变动。上周，该公司首席执行官库克对AI部门负责人John Giannandrea失去信心，转而任命Vision Pro负责人Mike Rockwell接管Siri语音助手业务。此次调整凸显苹果在AI领域落后于行业对手的紧迫感，并试图通过重组技术团队扭转局面。  [查看评论](https://m.cnbeta.com.tw/comment/1488638.htm)

 发行商 Selecta Play 宣布，《泡泡幽灵 REMAKE》——基于 90 年代经典作品《泡泡幽灵》全手绘完全重制版，于 今日（3月27日）正式发售，登陆 PC（Steam），Nintendo Switch，PlayStation 5以及Epic Games Store，并同步发布全新发售宣传视频！ 本作对 90 年代的经典游戏进行了完整重制，精细调整原版 36 个关卡，以全手绘艺术风格焕然一新，为玩家带来别具一格的经典重现。  在英格兰北部的一座古老城堡，著名发明家海因里希·冯·辛克的灵魂因为某种机缘巧合化成幽灵重返人间。 与他的灵魂一起回来的还有一颗神秘的气泡，面对自己失控的发明与凶猛的怪兽，海因里希必须借助轻柔的吹拂，引导气泡穿越险境，逃离城堡。  # 熟能生巧 穿越充满危险与谜题的关卡，考验你的操作能力。沉浸在令人上瘾的游戏玩法和极具挑战性的关卡设计，你的唯一目标就是不惜一切代价保护气泡！  # 挑战强敌 迎战强大的BOSS，每一场战斗都必须全力以赴！ 只有最熟练的玩家才能取得最终的胜利！  # 重温经典 完整重制90年代的经典游戏，36个原始关卡以焕然一新的艺术风格重现。  # 荣耀排行 在竞速模式中不断挑战最佳通关时间，上传成绩，冲击全球名人堂排行榜！ # 游戏特色 - 超过40个关卡，高超技巧与巧妙解谜通关缺一不可。 - 三种难度模式，为你带来不同游玩体验。 - 全面重制的画面与音效，赋予古堡世界全新生命力。 - 通过在城堡各个房间收集隐藏道具，深入探索发掘海因里希的故事。 - 全球排行榜系统，上传你的最佳成绩，与全球顶尖玩家一较高下。 - 隐藏房间、多个结局，并解锁各种挑战成就！ 准备好迎接这场奇幻冒险了吗？ 

2025年3月27日，截止收盘，沪指涨0.15%，报收3373.75点;深成指涨0.23%，报收10668.1点;创业板指涨0.24%，报收2145.1点，两市成交额较上一交易日增加363.84亿元，合计成交11906.9亿元。

 《上古卷轴OL》“落旗”地下城游戏包以及免费的U45更新基础版游戏补丁现已登陆 Xbox One、Xbox Series X|S 、PlayStation 4 与 PlayStation 5 主机端。“流亡哨站”与“秀跃隐修院”已于3月10日登陆PC/Mac，而现在主机端玩家也可以前往这两处全新的4人地下城开始探索。  《落旗》引入了两处全新的PvE地下城，它们分别拥有专属的故事线、角色、挑战、独特Boss战与秘密。你可以与最多其他3名玩家组成4人队伍，在共同挑战新内容的同时获得物品套装、收藏品与成就等各种独一无二的奖励。 玩家需要拥有ESO Plus会员资格才能解锁《落旗》地下城内容，但官方将在今年晚些时候推出其他解锁方式。免费的U45更新基础版游戏补丁也将与《落旗》同步上线，它为所有《上古卷轴OL》玩家带来了一系列修复、新增内容以及对游戏核心体验的优化。譬如在此补丁中，部分新手区获得了视觉更新，使其能够进一步匹配游戏中其他区域较高的细节水准。  该基础版游戏补丁还带来了各种游戏体验改善功能。其中包括提升坐骑初始速度、将制作勇士星星更改为无需放入槽位即可生效，以及优化梦达思之石赐福的可见性。除此之外，贝塞斯达预计还会在今年内上线其他更新。 请于北京时间4月11日03:00准时收看ESO Direct，了解 ZeniMax Online Studios 为保持游戏新鲜感而对《上古卷轴OL》进行的改动，并分享可供玩家在今年探索的刺激新冒险。在[此处](https://www.elderscrollsonline.com/cn/news/post/67655?linkId=100000348033171)了解详情。 同时，《上古卷轴OL》于近期[宣布](https://x.com/TESOnline/status/1900234721201717592)与Kinda Funny Games联名合作，推出全新的限定播客系列。这个共分为4集的系列将邀请《上古卷轴OL》开发团队出席，共同讨论游戏走过的10年历程。第1集将于4月11日播出。

<blockquote><p>在现代企业管理中，如何实现高效的价值分配与人才管理？本文通过OKR方法论和具体案例，展示了如何将抽象的“态度”“能力”转化为可量化指标，从而精准筛选、培养和激励人才。同时，强调了竞争机制在标准制定中的关键作用，倡导用数据驱动管理，取代主观感觉，提升组织效率和人才质量。</p> </blockquote>  一个公司的经营机制，其实就是围绕价值分配的利益驱动机制。而一套合理的价值分配系统，则必须有一个合理的价值评价系统做支撑。 能够具体、清晰、可量化的定义和计量值，才能够合理地分配价值。 我在公众号反复强调，成事在人。 找到对的人，远比做正确的事更重要，也是正确做事的基础。 尤其是在后工业化时代（工业时代的流水线对工人主观能动性的要求比较低），“人”作为创造价值的主体，其重要性也越发明显。 可以说，先人后事是一个管理者最基本的认知。人不对，什么样的培训和sop都失去了意义。 所以，我的观点是，**公司人才的建设60%靠筛选，30%靠培养，10%靠激励。** 但是，筛选该往哪个方向筛选，用什么标准筛选？培养又应该往哪个方向培养，培养到什么标准算合格，什么标准算优秀？激励又应该如何去有效激励？ 这一切，都需要回到原点：**如何去定义和计量价值？** 狂朝学苑从今年开始，开启了去“盗坤”化的运作。今年狂朝学苑的第一次线上陪跑营，也基本实现了我个人的“零参与”。 而想要完全实现狂朝学苑的去盗坤化运转，依然还需要大量的工作建设，尤其是团队建设。 作为狂朝偏中层的一些管理人员，他们也都具备“先人后事”这个基本认知。 所以当我同狂朝学苑新搭建的流量部门运营主管沟通时，他也清楚知晓选人、用人、育人的重要性，并且知道应该从态度、能力、网感等几个维度去找人。但是，在如何具象化地清晰定义并计量一个同事所创造的价值时，我发现他对此依然有些模糊。而这个模糊，将直接影响我们搭建团队的效率和质量，并最终影响我们的经营效率和产出。 于是，我给他阐述了公司人事部门定义价值的案例，以此说明应该如何有效评价同事的“态度”“能力”和“网感”，并合理量化同事所创造的价值。 今天，将此案例也分享给大家。 ## 用OKR定义指标 OKR，即目标与关键结果法，旨在帮助团队和个人明确目标、聚焦关键任务并高效实现成果的管理方法论。 它的**主要思路**就是通过明确目标（Objective），并通过目标拆解出关键结果（ Key Results），从而达到信息平权和决策下放的目的，并最终实现降低团队信息传递损耗，提高员工自主决策能力，进而扩大管理半径的效果。 接下来，我将用我们某业务HR部门的具体案例来讲解这一方法论的具体实操。 狂朝传媒有一个业务是短视频带货达人孵化业务。企业经营的最终目标是实现利润的增长，而这个业务的利润增长，则需要佣金收入提高，以及运营成本的降低。  而佣金收入的提高，则与营业额、佣金率以及与达人分佣比例三个维度相关。因为本文主要讲的是HR部门的工作内容，我们就主要拆解与HR部门相关的指标：**营业额**。  - **营业额=更新达人数量 x 平均营业额。** - **更新达人数量=签约达人数量 x 更新率。 ** 平均营业额、达人更新率都是运营部门的事情，而签约达人数量则主要就是HR部门的事情了。   所以，具体细分到HR部门，他们的Objective=签约达人数量。而根据这一结果，结合业务模型推理，又可以得出部门Key Results：邀约量、到面量、提交试镜量、试镜通过量和签约量。  至此，对于HR部门的最终筛选、培养和激励方向（签约达人数量），以及细化方向（邀约量、到面量、提交试镜量、试镜通过量和最终的签约量以及对应的到面率、提交试镜率、试镜通过率、试镜签约率和最终签约率），也从抽象的“态度”“能力”，演变成了有清晰指向的概念。 而这些指向，也是我们具体培养一线HR专员的方向，对于这些方向的具体量化考核标准，其下限就是我们筛选淘汰的标准，在这个下限标准之上，也就成了我们激励的标准。 ## 用数据量化指标 把态度和能力等抽象的表述，转化为到面量、签约率等具象化概念，可以让我们筛选、培养、激励人才有更加清晰的指向。 但是，光有指向是不够的。把这些指向量化为可验证、可计量的具体数据，我们的筛选、培养和激励，才能有更加精准的判断基础，从而实现整个组织更高效率的运转。 如下图，是我们一个HR小组20天里具体工作内容的量化可视图。通过这份数据化视图，就可以直观感受到一个HR小组的具体工作内容和成果。   这个时候，站在主管层面，通过这个小组的量化视图，可以判断出这个小组的整体工作成果，以及这个组长工作能力的具体体现。 而作为一个组长，如下图所示，每个组员工作内容的量化视图，又可以让组长清晰感知到每位组员的工作成果，以及这背后的态度和能力。   就比如，最终签约人数是一个HR专员工作态度和能力的综合体现，而邀约量、到面量等则是一个HR工作态度的具体体现。 如果一个HR专员，整体签约人数落后同事很多，但是邀约量和到面量和同事保持一致，甚至是大幅领先，那么至少说明这位专员的工作态度没问题。 反之，如果不仅仅是签约人数落后同事很多，连没有技术含量，只需要靠勤奋就可以做到的邀约数量仍大幅落后于同事，在入职时限、资源配置也都完备的情况下，那么只能说明是态度问题。 工作技巧和专业技能是可以通过培养提升的，而工作态度和习惯方面的问题却是很难改变的。 所以，有了这个量化数据作为参考的时候，筛选、培养、激励人也就有了具体的参考指标，从而脱离完全依赖个人“感觉”的状态。 就比如在识人和选人方面，通过量化指标可以更加精准地判断这个人的态度和能力，再结合个人经验，从而实现更加精准的判断。 又比如在培养人的环节，也可以根据每个组员的具体数据表现，针对性的培养。有的HR邀约量和到面量是很优秀的，但是提交试镜的达人数量太少，那么就是在线下沟通环节出了问题。 这个时候，组长就可以针对性地就线下沟通环节进行培养和指导。对整个线下沟通环节重新培训，然后观摩她的沟通，给出指导意见，并进行多次实战演练。 如此，便可以更加高效地培养人才的目的。 ## 用竞争衡量标准 有了可衡量的量化数据以后，如何界定标准又是一个很大的学问了。 如何经营好一个大学？吸引优秀的教师以及优秀的学生。而如何筛选出优秀的学生，那就是高考分数线。一个公司的筛选标准，就好像一个高校的录取分数线一样，直接影响本公司的人才质量。 公司与公司的竞争，其实就是用户端的体验领先（品质、价格、服务），以及在此基础上的经营领先（成本领先、效率领先）。 而人才质量将直接影响到产品的最终体验，以及公司的经营成本和经营效率。 比如，如何界定一个HR的邀约量、签约量算合格或者优秀，将直接影响这个公司的达人签约成本和达人签约效率，并最终影响这个公司的整体成本和效率。 既然这个标准如此重要，那么这个标准又从哪里来呢？从一线战场中来，从优秀同行中来，从市场竞争中来。 首先，这个标准不应该是老板来定，也不应该“人事部门”来定（这里特指人事部门不能去定其他业务部门的标准，但是本文案例讲的就是HR部门的工作，所以还是由HR部门来定），而是应该由一线战场的基层工作人员、组长、主管、总监来定。 作为脱离一线战场的老板或者人事，是无法清晰感知一线工作的具体工作流程和工作内容的，也就无法准确量化这个筛选和激励的标准。 其次，最好的老师就是同行。 用优秀同行的标准来作为自己内部运营管理的标准，就可以击败市面上大多只是及格线的对手。 记得我们做口播短视频的时候，一个拍摄人员一天只能产出十几二十个视频，而且一个演员一天的成本需要1500-2000左右。 而在了解到同行的演员成本一天只需要1000-1500，并且他们的拍摄一天可以产出一百个视频以后，我们的标准也就演变了。 而伴随着内部筛选和激励标准的提高，就好像一个大学的录取分数线提高一样，我们的人才质量得到大大提高，最终演员成本和拍摄效率都达到了同行的水准。 当然，这个同行标准的借鉴，还要参考到公司的具体情况和发展阶段，一个三本院校直接对标清华的录取分数线是不合理的。同理，一个刚刚起步的公司用华为的标准来设计自己的选人、用人标准也是脱离实际的。 最后，这个标准还应该在竞争中不断优化。 对于体验过智能汽车的用户来说，是无法忍受丰田卡罗拉这样的“功能机”的。 但是，如果在一个没有电动汽车的市场呢？如果在一个只有燃油车的市场呢？他连优秀的标准都不知道，也就不会用智能化、智驾、冰箱、彩电、大沙发这些标准去考核当地的汽车产品。 而当这样的汽车，真正在中国市场来竞争，那么只会被打得落花流水（参考这几年中国市场的本田、尼桑、起亚…）。 充分的竞争，才可以激发市场的潜力，从而不断追求更高标准的产品服务和经营理念。 如果没有苹果手机这条鲶鱼进入中国市场，就不会有华为、小米这些手机品牌的诞生。如果没有特斯拉汽车进入中国市场，也不会有后面中国新能源汽车的百家齐鸣，更不会有现在的比亚迪、小米和问界。 所以，在公司外部要有竞争思维，在公司内部，同样需要竞争机制。 当内部缺乏竞争的时候，就好像一个陷入垄断的市场一样，只有坐享其成的思维和僵化的标准，绝不会有创新出现。 试想一下，如果电信一个公司垄断市场，能不能诞生类似微信这样的即时通讯软件出来？他根本就不需要思考把发短信、打电话这个事情变成语音短信、视频通话… 所以，回到文章开头的地方。狂朝学苑流量部门对于人才的筛选、培养和激励体系应该如何去搭建？ 一样的，从抽象到具象，从主观到客观，从封闭到开放（所有人都知道努力的方向和晋升的标准），从管理者个人感觉驱动，到员工数据驱动。 而要实现这一目标，就要根据公司最终目标去层层拆解，得到本部门的目标（Objective），并结合本部门的业务模型拆解出达成这一目标的关键结果（ Key Results）。 再然后，就是根据这个Objective和 Key Results，摸索出具体的量化考核指标，并在具体运营中，在不断竞争中优化和调整这个指标。 类比到获客的小红书运营岗位，Objective是客资数量， Key Results账号数量、笔记数量、点赞量、导粉率等指标。 客资数量是工作态度和能力的综合体现，作为重要考核指标。运营的账号数量、笔记数量等维度则是工作态度和培养方向的具体体现，作为辅助考核指标。 而这些指标的具体考核标准，也就成了我们筛选的标准，培养的目标，激励的方向。 本文由人人都是产品经理作者【盗坤】，微信公众号：【盗坤】，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。

 **重庆信通设计院简介****：** 拥有**等级保护测评**、**商用密码**应用安全性评估、**数据安全评估**等服务资质，并具有中国网络安全审查技术与认证中心、中国信息安全测评中心颁发的网络安全服务资质；依托专业的精英团队，能够为客户提供专业的等级保护、商用密码、数据安全测评及咨询服务，并致力于成为集**咨询**、**规划设计、测评、运维、攻防对抗、培训等能力于一体的综合型网络与信息安全专家**。 **荣誉与资质****：** 担任多个理事和支撑单位，如：重庆市互联网界联合会监事长单位、重庆市信息安全协会副理事长单位、重庆市互联网协会理事会成员、重庆市云计算产业协会理事单位、重庆市信息技术应用标准化技术委员会秘书单位、重庆市网络与信息安全信息通报机制-技术支持单位、市委网信办、市公安局、市通管局等的长期技术支撑单位；拥有等保测评、密评、数安评估、培训等较为丰富的网络与信息安全相关服务资质。 来源：重庆信通设计院天空实验室

据知情人士称，富士康将于4月9日在日本举行研讨会，以介绍其电动汽车战略。一位消息人士称，富士康此举旨在提高汽车制造商和供应商对其电动汽车战略的理解。 该消息人士补充称，预计富士康首席电动汽车战略官关润（Jun Seki）将在会上发言。关润曾是日产汽车高管，于2023年被富士康聘用。由于该计划尚未公开，消息人士要求匿名。 此前有消息称，富士康已敲定了为三菱生产电动汽车的协议，将在大洋洲市场销售，包括澳大利亚。 [](https://static.cnbetacdn.com/article/2023/1019/1e1f65ba8721eae.png) [查看评论](https://m.cnbeta.com.tw/comment/1488636.htm)

美国总统唐纳德·特朗普即将对进口汽车征收25%的关税，汽车行业许多公司都将成为受害者，但是有一个显而易见的赢家，就是埃隆·马斯克的特斯拉公司。这家电动汽车制造商在加利福尼亚州和德克萨斯州拥有大型工厂，生产在美国销售的所有汽车，从而在更大程度上免受特朗普对进口汽车和关键零部件征收新关税的影响。 它的主要竞争对手，韩国的现代汽车，德国的大众汽车，以及同为美国公司的通用汽车，则很快面临成本急剧上升的严峻局面。 [](https://static.cnbetacdn.com/article/2025/0315/425e9c21712f61a.jpg) “赢家少之又少。”AutoForecast Solutions全球汽车预测副总裁Sam Fiorani说，“消费者将是输家，因为他们的选择会减少、价格会更高。” 与一些竞争对手相比，福特汽车面临的影响也可能不那么严重，因为其在美国销售的汽车中约有80%是在美国国内生产的。 从下周开始，25%的新关税将适用所有进口乘用车和轻型卡车，以及诸如发动机、变速箱和电气部件等关键零部件，且是在所有已有关税基础上增加征收。 CFRA Research分析师Garrett Nelson本周在一份分析报告中写道，特斯拉由于在美国国内生产，其受新关税的影响会最小。特斯拉本身本周一直吹嘘自己的美国身份，在社交媒体平台X上发帖称，其各型汽车是“最美国造的汽车”。 不过特斯拉也不会完全不受影响。马斯克在X上发帖回复另一位用户称，“值得注意的是特斯拉并非毫发无损。关税对特斯拉的影响仍然重大。” 马斯克在特朗普政府中扮演的重要角色，引发了对可能存在利益冲突的质疑。特朗普否认与马斯克讨论过关税问题。 “他从来没有要求我在商业上帮忙。”特朗普周三在椭圆形办公室表示，“实际上我对此有点惊讶。” 这些关税为在美国大量采购零部件的汽车制造商提供了优势，特朗普还允许一项豁免：新关税将仅适用于根据与加拿大和墨西哥的自由贸易协定进口的汽车和零部件中，不产自美国的部分。 严重依赖进口汽车的外国品牌将面临最大的压力。韩国的现代汽车可能是受冲击最严重的公司之一。尽管现代汽车及其附属公司起亚在阿拉巴马州和佐治亚州设有工厂，并于本周宣布了210亿美元的美国扩张计划，但据Global Data的数字，该公司去年向美国进口了超过100万辆汽车，占其在美销量的一半以上。 [查看评论](https://m.cnbeta.com.tw/comment/1488634.htm)

美国总统特朗普宣布下个月起对所有进口汽车征收25%的关税，分析人士周四表示，此举预计将对主要依赖对美出口的韩国汽车制造商造成沉重打击。2024年，韩国向美国出口了价值347亿美元的汽车，占当年韩国汽车出口总额（708亿美元）的近一半。 [](https://n.sinaimg.cn/finance/transform/59/w550h309/20250327/9573-09770ae02b5d095481999e74062d3bff.jpg) 专家们指出，25%的关税将提高韩国汽车在美国销售的价格，最终影响到韩国经济。 韩国IBK经济研究所发表的报告预测，如果美国对进口汽车征收25%的关税，韩国对美国的汽车出口将减少18.59%。 花旗研究预测，由于美国对汽车、零部件、医药、半导体征收25%的关税，韩国国内生产总值（GDP）将减少0.203%。 [查看评论](https://m.cnbeta.com.tw/comment/1488632.htm)

微信官方宣布，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，该功能已覆盖北京、上海、广州、深圳等全国超200个地市。     [查看评论](https://m.cnbeta.com.tw/comment/1488630.htm)

2025中关村论坛年会今日开幕，在全体会议上，理想汽车创始人、董事长兼首席执行官李想发表演讲。他宣布，理想汽车推出自研操作系统理想星环OS，他表示，该操作系统可以让理想汽车每年降低几十亿BOM成本。 理想汽车推出自研操作系统理想星环OS，起因是2020年全球芯片短缺，交付严重滞后。该操作系统研发于2021年启动，投入200名研发人员，10亿人民币。  他认为，汽车操作系统是汽车行业智能化下半场的中枢，也是通往高阶智能体的基座。理想星环OS将进行开源，理想汽车成为全球首家将汽车操作系统开源的车企，让中国创新技术普惠全球。他透露，这可以让供应商和主机厂每年节省千万甚至上亿的操作系统授权费用。  [查看评论](https://m.cnbeta.com.tw/comment/1488628.htm)

<blockquote><p>本文深入浅出地介绍了机器学习领域中7种经典的分类算法，包括朴素贝叶斯、决策树、随机森林、逻辑回归、支持向量机、K近邻法和自适应增强算法。通过生动的比喻、实际的应用场景和算法之间的对比，帮助读者理解每种算法的核心原理、优缺点以及适用场景，为初学者提供了一份清晰易懂的学习指南。</p> </blockquote>  受LLM大模型的影响，传统机器学习算法也在今年开始逐渐有更多客户愿意尝试了；而以前我也对算法这件事充满了向往和好奇，觉得是一门很厉害的技术。于是最近准备恶补一下机器学习算法基础。 机器学习常见的传统模型有分类算法、聚类算法、关联分析和连接分析，每一种算法类型都适用于不同的任务场景，其中也拥有众多具体的算法模型。  以分类算法为例，顾名思义，主要是用来做分类任务的，常见场景有垃圾邮件过滤（例如分析某些垃圾单词，去分析其是垃圾邮件的概率）、情感分析（如客户/读者对于内容的正面/中立/负面情绪）、主题分类（例如一篇新闻该分到哪个主题下）。 而在具体的分类算法类型中，也有决策树、随机森林等好几种算法，适用于不同场景、各有优劣。 那么，本期，我们先从分类算法讲起，主要包含7种常见且经典的分类算法模型： 1. 朴素贝叶斯NB（Naive Bayes）：假设所有特征独立的概率计算法 2. 决策树DT（Decision Tree）：算出一套规则来画一棵分类树 3. 随机森林RF（Random Forest）：随机抽取特征、算出多套规则来画多棵分类树（三个臭皮匠、赛过诸葛亮） 4. 逻辑回归LR（Logistic Regression）：如果呈现线性关系，用一条线来区分 5. 支持向量机SVM（Support Vector Machine）：如果呈现非线性关系，用一个超平面来区分 6. K近邻法KNN（K-Nearest Neighbors）：近朱者赤、近墨者黑，找和你最相似的群体，看看他们是好是坏 7. 自适应增强AdaBoost（Adaptive Boosting）：用错题集的方式持续迭代和纠正，以达到最优效果 ## 一、朴素贝叶斯 托马斯·贝叶斯（Thomas Bayes，1702-1761），18世纪英国神学家、数学家、数理统计学家和哲学家，概率论理论创始人，贝叶斯统计的创立者，“归纳地”运用数学概率，“从特殊推论一般、从样本推论全体”的第一人。 先不要被这个名字唬到了，贝叶斯是一个人，他提出了一套贝叶斯概率理论，而朴素英文则是naive（朴素、天真），这是因为其对原始贝叶斯理论做了一层假设——即各个特征（如身高、体重、学历）之间是独立且互相没有关联的，这其实在现实生活中是不现实的，因为身高和体重某种程度上还是具有一定联系，所以称其为naive（朴素、天真），但其大大简化了算法模型的难度，在一定简单的场景下高效且适用。 朴素贝叶斯的原理就是我们上学时候所做的数学题：比如在A和B两个盒子里放了一定已知数量的红球和白球，最后求取出1颗红球属于哪个盒子。  这个公式虽然不是很复杂，但是有点绕，大家感兴趣可以下来自行了解。但是朴素贝叶斯背后隐含的含义就是：通过计算过去特征在不同条件下的概率（比如，在盒子A里红球的概率）、红球本身的概率、选择2个盒子的概率，来计算出当拿出来一颗红球后，该球属于盒子A和盒子B谁的概率更大，更大的那个就被选择作为最终的分类结果。 整体来看，显而易见，因为足够朴素足够naive，所以朴素贝叶斯计算简单、速度快、适合大规模的文本数据；但缺点也同样明显，这种前提假设导致无法挖掘特征背后关联，同时，同义词如果较多，也可能会高估对应的概率（可以考虑通过同义词特征做组合、选择独立和相关性高的特征来做优化）。 ## 二、决策树&amp;随机森林 到了决策树和随机森林就好理解多了，毕竟它是有图像符号、有直观规则可以去看的；其本身就是模拟人类决策过程，所以和我们日常去做一些决策时画的思维导图有点类似。 以下图为例，这就是一个保险客户是否会续保的决策树，每一个节点都是影响分类结果（是否会续保）的特征节点。例如第1个节点是年龄，第2个节点则是婚姻状况。  这张图很直观很好理解，那么，这里最关键的点就在于这棵树是怎么画出来的？ 其实是计算机会根据数据集中的每一个特征去计算「不纯度减少量」，选择其中最大的结果作为分裂特征。那么，这个「不纯度减少量」怎么理解呢？其背后含义是——这个特征在数据集中的分布，能够最大程度区分不同的类别，在当下n个特征中，它与目标变量的关系最为显著。 例如，以上图为例，通过计算年龄、婚姻状况等特征和目标变量（是否续保）的关系，通过计算发现——年龄是最显著影响续保结果的1个特征，这时候就会将其作为第一个节点，同时选择使得分裂后子集纯度最高的阈值（即这里按照年龄&lt;=29.5去做拆分）。 随后，循环这个过程，这棵树就出来了。 在这个过程中，决策树是应用了全量特征和全量训练集中的数据；而接下来我们要讲的随机森林和决策树核心逻辑类似，但区别则在于——多棵树+样本随机+特征随机。 随机森林的实现方式则是多次先随机且有放回的抽取N条训练集中的数据来训练、再随机地从M个特征中指定m个特征子集作为特征，从而最终生成多棵树——应用多个弱分类器（因为每个都是随机且部分的）来组成一个强分类器。  这样的好处就是不用单棵决策树来做预测，增加了预测准确率，不容易过拟合（即模型过度适应当前数据集呈现出来的特征，看起来当前预测很优秀，但缺乏了泛化能力；一旦拿到实际生产环境做预测，就无法准确应用了）。 整体而言，决策树适合小规模、低维度且对模型可解释性要求较高的场景，而随机森林则更适合处理大规模、高维度且需要高准确性和抗过拟合能力的场景。 ## 三、逻辑回归&amp;支持向量机 逻辑回归和支持向量机SVM则是一组按照边界去进行分类的方式，逻辑回归支持将符合线性关系的数据通过线性边界进行划分、而向量机不仅能支持线性可分的数据，还能支持通过几何边界（超平面）对线性不可分的数据进行分类划分。 我们先来看逻辑回归：如左图所示，如果能够应用一条线将数据清晰的划分为2类，那么则可以应用逻辑回归进行建模（例如，当房子面积为50时，房价为100万；而当房子面积为100时，房价为200万）；而像右侧，则无法应用一条不封闭的线来进行区分、而需要一个圆，此时就无法应用逻辑回归进行处理，而要用到支持向量机SVM。  那么，支持向量机会如何去区分这个圆呢？ 对于非线形数据，对应的处理方式则可以用到核技巧——先是使用一个变换将原空间的数据映射到新空间(例如更高维甚至无穷维的空间)，然后在新空间里用线性方法从训练数据中学习得到模型。  形象但不精确一点的解释就是：在一堆点中找出一个「核」拎出来，原本平面的数据就变成了立体的数据，这样就可以找到一个超平面去将2个数据区分开来了。 其中，离这个超平面最近的向量则叫做——支持向量，相当于2堵将2个类别的数据隔开的墙壁；而支持向量机的核心思路就是想要各类样本点到超平面的距离达到最远，也就是找到最大间隔超平面。 总结而言，二者都相对更多应用于二分类场景（即只分成2类）中，但由于数据特征是否呈现线性关系来进行建模的区分。 逻辑回归因为简单好搭建、解释性更强，所以经常会在需要多次调优的算法建模中当作基线baseline、从而可以和后续调优后的算法效果进行对照；而支持向量机整体能够支持处理复杂决策边界和精度要求高的场景，但在实际操作过程中需要配置一些会影响结果的超参数，导致分类在一定程度上具有不可解释性。 ## 四、K近邻法 前面已经把最经典和稍显复杂的5种类型讲完了，这里我们就简单来讲一讲什么叫做K近邻法。 K近邻法本质上其实和我们古话中的「近朱者赤、近墨者黑」的原理一样。假设有一组特征，基于样本之间的相似性，找出它最近的K个邻居，看这些邻居中分类最多的是什么，则这组特征最终就被分类为什么。 比如，有一个人身高165、体重100斤，而假设原始数据集中有3组数据「164cm、99斤、女」「162cm、100斤、女」「180cm、100斤、男」「180cm、180斤、男」，那么与其最相邻的3组数据则是「164cm、99斤、女」「162cm、100斤、女」「180cm、100斤、男」，这里男1女2，因此，判断这个人为女生。  如上图所示，待分类的数据中，找出了2个绿色和1个红色的结果，那么，则该类型就被判断为绿色。但是K近邻法的难度就在于到底该圈几个邻居，如上图所示，如果圈3个，为绿色居多；如果圈7个，则变成了红色居多。 K近邻法在理论上比较成熟，同时也是最简单的机器学习算法之一。它整体简单，适用于数据分布均匀、特征空间连续、快速构建的场景，但因为其仅仅通过相邻分类的结果来做判断、未提供明确的决策规则或概率输出，故可解释性相对较差。 ## 五、自适应增强 最后一种则是Adaboost自适应增强算法，这是一种和前面6种都不太一样的思路：它不是直接正面去做分类和计算，而是迭代式思维+逆向思维——通过先快速应用一些基础模型（如1层深度的决策树）搭建一个弱学习器（指比胡乱分类效果好那么一丢丢的效果），再不断让模型刷错题本（一出错就回过头来调高误分类的权重）来优化下一次的弱学习器，从而组合成一个强学习器（分类效果相对较准），提升最终的分类效果。  如上图所示，要对红白蓝3个数据进行分类，第1次，红色正确，白蓝错误；第二次，降低红色权重，提升白蓝权重（作为错题本），再次进入第2个弱学习器中学习，得到了白色错误、蓝色正确；那么，第三次，自然就是提升白色权重，降低红蓝权重，最终达到3个都分类正确。 Adaboost的原理比较好理解，其实现也较为简单和灵活，但其对错误数据加权重的方式也可能会让算法给异常数据和噪声给予更高的权重，导致模型表现不佳。 ## 总结和对比 学完7种模型，估计大家已经和我一样有点眼花缭乱了，那这里我们再汇总做一下对照和总结：  若追求高准确性，选择支持向量机、随机森林、自适应增强；若需要高解释性，选择逻辑回归、决策树；若计算资源有限，选择朴素贝叶斯、逻辑回归；若需要兼顾速度和准确性，选择随机森林。当然，这并不是绝对，最终在实践过程中既要结合实际场景和数据来做选择，也可以选择多个相对合适的场景来进行效果对比，最终选择合适模型。 本文由人人都是产品经理作者【冰冰酱】，微信公众号：【冰冰酱啊】，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。

A股巨头排队赴港IPO。

快手的AI故事开了个好头，但市场尚未买单。

出海与破局。

<blockquote><p>AI硬件领域曾涌现诸多创新产品，但部分明星产品如AI Pin、Rabbit R1等却遭遇滑铁卢。这些失败案例背后隐藏着怎样的教训？文章将深入剖析这些产品的困境，总结出三条关键经验，为AI硬件创业者和科技爱好者揭示行业前行的方向。</p> </blockquote>  去年，被称为AI硬件元年。 但到了今年，你会发现，“下一代计算平台”的神话正在祛魅。 - 明星穿戴设备AI Pin被惠普以1.16亿美元“捡尸”收购； - Rabbit R1套壳安卓丑闻曝光后，每天活跃用户仅5000人； - 美国AI陪伴机器人公司Embodied AI宣布破产； - Vision Pro也因卖不动，宣布停产。 而那些真正跑出来的，反而是那些看起来没那么突破性的AI硬件。 - 没有加入任何 VR、AR 等增强显示效果的Meta眼镜，却比以往任何时候都更接近一款好的眼镜； - 仅仅增加了AI功能的第四代智能戒指Oura Ring 4，最新估值50亿美金； - 贴在iPhone背面的AI录音卡片Plaud Note，已交付超30万台，年化收入1亿美金。 事实证明，从智能硬件到AI硬件，十年过去后，没有变过的只有“硬件”这两个字。 这背后也揭示了AI硬件的底层逻辑：**没有人会为下一代计算中心买单，他们只会为AI硬件所带来的更好体验付费。** ## 01 AI硬件退潮，从明星产品开始 去年，AI硬件领域呈现“高开低走”，我们整理了一份明星AI硬件的“死亡名单”。 ### **①Humane AI Pin技术激进，需求错位** 可穿戴设备AI Pin，是第一个明星AI硬件，由前苹果软件工程总监 Bethany Bongiorno和前苹果设计师Imran Chaudhri共同开发，曾拿下2.4亿美元的投资。 发布开始，这个产品就获得了极大的关注度。 因为AI Pin足够酷，它几乎没有物理按键，用户只用语音、手势和触控就能控制Ai Pin。Ai Pin会通过激光投影将信息显示在用户的手掌上，显示分辨率为720P，所有交互内容由ChatGPT来进行回应支持。 而当去年4月12日，AI Pin产品正式解禁，一切的美好幻想就被现实打破了。 毫不夸张的说，Ai Pin的用户体验甚至用糟糕来形容，长达5-10秒的响应时间、只有2-4个小时的续航时间等等原因，导致Ai Pin的退货率超过50%。 The Verge 获得的内部销售数据显示，从5月到8月，AI Pins 的退货数量超过了购买数量。 最终，截至去年8月，从699美元降价至499美元的AI Pin只卖了一万多台。 不久前，Ai Pin的制造商Humane被惠普以1.16亿美元收购，主要包括软件、技术人员以及 300 多项专利。 伴随Humane被收购，Ai Pin也已经与Humane的服务器断开连接，所有的AI服务随之失效。这意味着，Ai Pin除了能显示剩余电量外，已经一无是处。 ### **②Rabbit R1功能鸡肋，深陷套壳质疑** 除了Ai Pin外，Rabbit R1也是去年另一款引发巨大关注的明星AI硬件。 其故事始于2023年CES展的高光时刻：这一款设备拥有2.88 英寸触摸屏、可旋转摄像头和滚轮按钮，创始人吕骋以“大型动作模型（LAM）”为卖点，宣称Rabbit R1能通过语音指令无缝操作应用。售价199美元的Rabbit R1，预售即售出10万台。  Rabbit R1实体图 然而，2024年上市后，用户发现其功能鸡肋，如无法打电话、续航仅4小时，且性能孱弱，更被曝系统实为安卓套壳，引发信任崩塌。尽管官方紧急转向开发“跨平台智能体”自救，但市场已对其失去信心。 最终，Rabbit R1在推出五个月后，10万注册用户中只有5000人每天还在使用。尽管创始人随后辟谣，R1的日活量并非5000，而是「每时每刻有5000个活跃用户」。 但不可否认的是，Rabbit R1并没有取得想象中的成功。 ### **③AI陪伴机器人Moxie倒下了** 去年年初，美国AI陪伴机器人公司Embodied AI宣布破产，其主打产品、面向儿童的情感支持机器人Moxie也将随之停止工作。 Moxie是一款旨在为儿童提供情感陪伴和社交互动的机器人，具备人脸识别、语音交互等功能，能够与孩子进行简单的对话和互动游戏，售价高达800美元（约人民币5785元）。 Embodied失败的原因主要有两个：成本过高加上没抓准用户需求。 先说成本，Moxie的单机成本超500美元，这极大限制了产品的定价空间和潜在人群。在用户体验上，Moxie与孩子的交互方式过于机械，深度不足。 正如Embodied CEO在关停声明中反思所说：“我们沉迷于让机器人‘更像人’，却忘了孩子真正需要的是‘更像伙伴’。” 同样，美国Wonder Workshop也因为过度强调编程功能却忽视低龄儿童操作门槛，最终沦为“极客玩具”。 ### ④Vision Pro也卖不动了 曾经被誉为苹果跨时代产品的Vision Pro，也卖不动了。  图源：科技博主ronak patel 去年4月，根据天风国际分析师郭明錤此前披露的信息，苹果对Vision Pro的出货量预测，从最早时的70-80万下调至后来的40-45万台。 Apple Vision Pro应用生态系统的增长速度也低于预期。 苹果当初许诺会推出600多个专属的应用和游戏。但根据数据公司Appfigures的数据，截至9月份，App Store约有1770款可用于Apple Vision Pro的应用。 其中只有34%的应用程序是专门为Apple Vision Pro，其余都是现有应用的移植版本，只是额外添加了空间计算支持。而去年9月份仅有10个应用程序添加到Vision Pro应用商店。 去年10月，The Information援引多位供应链人士消息称，由于销量太低，苹果 Vision Pro 已经基本进入停产状态。 ## 02 AI硬件失败的三条教训 回顾这些AI硬件的失败，乌鸦君大致总结三条教训： ### 第一，要离手机更远一点。 作为过去二十年最成功的硬件，手机几乎就是一个六边形战士，集体积小、更随身、智能化、交互自然等优势于一身， 很多AI硬件受限于技术和成本等原因，很难做到性能和使用体验的平衡。比如，AI Pin看上去做了一些创新，但并没有简化手机的交互，甚至还增加了一个更加复杂的基于激光投影的交互形态。 由于技术不成熟，这种看似新颖的交互形式，却给了用户糟糕的体验：不仅面临着发热和电池续航时间短等问题，就连手掌投影显示器在实际使用中的表现也不尽人意。 服务过超过50家硬件公司Global OneClick（出海一叮）的创始人易宛尧说： <blockquote><p>“手机就像是一个黑洞型产品，凡是跟手机紧密相关、贴近的产品，做起来其实都非常有难度。</p></blockquote> <blockquote><p>但凡跟手机「近」的品类，差异化是唯一的出路。因为手机面向的是大众市场，考虑的是普适性需求，做得越垂直，就越有机会。”</p></blockquote> ### 第二，与其敢为天下先，不如敢为天下后。基于已有硬件的需求，从「+AI」开始。 做新的硬件产品一般有两种思路：一种是定义全新的品类，AI原生硬件；另一种是在已有品类上做创新和提升，比如AI眼镜。从目前看，基于已有成熟硬件品类，在保证优秀基础体验的前提下，用大模型来锦上添花是一条更为稳妥的路线。 以现在大火的智能眼镜为例，最重要的并不是AI功能有多强大，而是眼镜的重量和佩戴舒适度。 现在AI眼镜里，卖得最好的当属Meta。截至目前，Meta的AI眼镜已经在全球销售了超100万台。 与初代相比，Meta眼镜在功能做了很多升级，但有一点始终没有变化，那就是轻量级的设计。 初代Meta眼镜的官方重量为49.2克，这一代Meta眼镜的官方重量为48克，始终维持在消费者佩戴眼镜的舒适区内。也正因为如此，Meta眼镜可以真实地在生活中长时间地使用。 很多人忽略了一个问题，手机之所以能成为现在最核心的计算中心，并不是因为它更智能，而更是因为它更便捷，容易访问。 也就是说，在功能升级基础上，产品越接近传统眼镜，它就越能替代它们。 ### 第三，不要做加法，要做减法，在细分垂直领域去寻找极致的PMF。 在去年中国AI硬件公司里，PLAUD AI应该是商业化表现最好的公司之一。 PLAUD AI主打的产品叫Plaud Note，是一款AI卡片录音机。它能贴在iPhone背面的卡片，接入了大模型，能够实现录音、整理和摘要等功能。 就这样一款看似简单的产品，却交出了极其优秀的商业成绩单。截至目前，Plaud Note已交付超30万台，年化收入1亿美金，连续2年达10倍增长。 在相当长时间里，录音笔赛道被认为是一个很小的赛道，录音笔全球出货量只有五六百万。像索尼、飞利浦等上一代录音笔巨头已经不在这个领域进行投入，产品形态已经十年没有创新了。 而这恰恰带来了机会。用PLAUD AI CEO许高的话说，“录音笔最后就变成了一个大厂看不上，小公司搞不定的一个事情。”由于海外市场没有AI录音笔，Plaud Note替代的过程也相对顺利。 开发Ropet机器人的公司萌友智能创始人何嘉斌也曾在采访中屡次提到，产品做减法的重要性。 产品功能的边界和定义应根据目标人群和使用场景来确定，避免过于复杂的用户体验。 “就好比你要放置物品，选择哪张桌子是很重要的。要是一个东西到处都能摆，那么人们对它的预期和目标受众群体就会变得模糊不清了。” ## 03 总结 当所有炫目的投影熄灭、激进的算法沉寂，“下一代计算平台”的神话正在祛魅。 过去两年，AI硬件创业者沉迷于用大模型与交互革命炮制新故事，却常被卡在用户不买账的尴尬里。 但回过头来想，消费硬件的逻辑从来就没有变过。谁能成为新时代的计算中心这事，不是由产品形态本身决定的，而是由产品体验决定的。 毕竟，手机之所以能成为现在最核心的计算中心，并不是因为它更智能，而是因为它更便捷。 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。