由游戏边界工作室开发、结合多人生存和身份对抗玩法的新作《幽霾》，将于1月20日和大家在Steam正式见面！游戏支持1-9人在线游玩和邻近语音功能，售价49元，首发折扣10%。 <内嵌内容，请前往机核查看> 作为新怪谈题材游戏，本作融合了生存与社交推理，并拥有角色成长、随机遭遇事件、多剧本模式等玩法。玩家将扮演MCI控制局的调查员，在收容失效的站点中，一边合作完成任务，一边提防怪物和伪人的暗中破坏。游戏特色包括：       - 独特的身份对抗机制，自由做出你的选择 - 挑战各种机制不同的收容物 - 十余名技能各异的可控角色 - 自由搭配丰富的局内突变能力 - 配合你的策略，制作各种武器和道具 - 随机出现的D6骰、微型奇点、玩具枪等收容道具 - 探索离奇的随机遭遇事件  《幽霾》将在上线时推出3个玩法不同的剧本，并会持续更新内容，包括新的角色、突变、遭遇事件、剧本、收容物等等。 <内嵌内容，请前往机核查看>

 作者：四十二 感谢鹰角让我们提前参与了《明日方舟：终末地》「再次测试」的闭门体验，汇总我们的诸多感受成文，为各位参与这次测试的朋友们参考。 # 综合体验 「再次测试」展现了大量的内容。在近10个小时的试玩过程中，我们体验了重新设计的开头导入剧情，重做的战斗系统，优化逻辑的工业生产玩法，新增的 O.M.V.帝江号，尽可能多的地图区域，部分主线剧情和三个BOSS战。  此次测试加入了巨量的内容，即便我们连续不断地游玩，也需要依赖一些开发者功能来提前体验测试理中后期的内容，因此本次测试中的游玩体验曲线缺乏参考意义：在本次测试中，第一章提供了丰富的故事，并把战斗系统和生产系统的内容充分地展开。而就在玩完这些测试内容，感慨有点吃撑的时候，竟然还有额外的探索地图，带着一整套新的工业生产科技树等待着大家——足见此时测试内容量之巨大。因此要再次强调，这并不是游戏最终上线成品的游玩体验节奏。 总地来说：全新的故事调性，重新设计的战斗系统，对游玩目的进行优化后的工业生产玩法模块都给人相当不错的体验。虽然存在一些不协调的设计，但终末地此次测试的总体体验，是一种惬意和愉快的精疲力尽的感觉压倒了少量的不协调带来的烦躁。 # 新调性：以工业的锋刃斩出一条道路 「再次测试」的终末地呈现出了一种新的审美调性，这是令人非常欣喜的一点。这种调性来自于一种对【工业的建设性力量】的审美挖掘。 在本次测试中，整个游戏的开头导入剧情被大规模地重做了。 而新版本的开头，这个恢弘巨大场景依然保留，但玩家在其中行走的剧情节奏变得明显更加紧凑。神秘感还在，但整个故事的风格从发散变为了收束集中，情节也从简单的茫然漫步变成了清晰的对抗——用钢铁的坚定对抗神秘莫测的力量，呈现出一种昂扬的斗志。  新版本的【故事运作逻辑】也有所调整。上一次测试的开头提供的是某种典型的“冒险式叙事”：在坠机中恢复，单枪匹马地与身边的同伴解决迎面而来的对抗式的事件，以一种战胜敌人的逻辑去化解危机。 在新的故事中，管理员在帝江号中苏醒，虽然失去了记忆，并且快速导入了”地面设施遭受攻击“的故事走向，但主角以稳健的方式接手整个终末地工业和帝江号，并且斗志高昂而积极地准备使用新的工业技术（即工业生产玩法）解决地表的危机的时候。整个故事的调性形成了一种潜移默化的改变：不再是冒险者，而是工程师，一种属于工业生产力的强大开始附着在人物上。 而当主角团队下降着陆在地表上，快速地用几场战斗搭配叙事平复了基地的危机并引入了剧情的悬疑之后，主角指导帝江号从轨道高空将“工业生产核心模块”空投而下，展开整个模块，带来一种“用工业来解决问题”的思路。在故事的质感上，这带来了一种新的体验。  管理员需要担起终末地工业领导者的责任，破坏锚点，拯救同伴，解决工业方面的燃眉之急，除了势力范围内的干员委托，还有路见不平拔刀相救，甚至是直面「塔卫二」这颗卫星遭受的毁灭性威胁。——不止于“经典的冒险者故事”，终末地工业的管理员不仅仅是设定上的身份，而是真正会“用工业来解决问题”的势力领导者，这种叙事体验上的全新维度，它来自帝江号，来自终末地工业具体的“工业聚合体”的形象，它赋予了主角“管理员”一种不同的力量感。 我个人倾向于肯定并强化这种对工业力量的描绘和表达。因为从目前测试的内容来说，这种属于工业的建设性美学出现在诸多细节之中，并且每次出现都能带来新鲜而独特的感受。  为了不让各位产生不切实际的期待，提前要说明的是，也许玩家们在故事中还是能感受到那种“这片大地上的苦难”的质感，我想表达的只是终末地看起来傻乎乎的管理员身上带有一种新的可能性：当以工业的锋刃，在塔卫二的苦难中，斩出一条新的道路。 管理员傻乎乎的真是太讨喜太可爱了。忍不住要再次提一句。 # 新游戏目标：生产与建设的意义 在这次测试中，这种工业化力量感的美学表达也与游戏的玩法有了更深的互动。如果说在剧情里对落魄营地的乡亲们表示“用上终末地的技术，就能给你们通上电了”是一种情感上的正反馈的话，能在具体玩法上真正赋予生产建设意义，才是能够让终末地的工业生产玩法带来极大乐趣的设计。 总的来说，在“再次测试“中，终末地的工业生产玩法经历了一些在逻辑上比较大的更改：首先是用据点机制赋予工业生产全新的游玩意义，其次是讲人物培养逻辑在很大程度上从生产玩法中剥离了出来。  在上次测试中，被人戏称为“赛博打灰”的一整套工业玩法，包含了传送带与生产链规划，它承载了很多生产要素：战斗中使用的消耗品、人物的装备系统、人物的培养素材，都需要通过它来产出。总的来说，它的逻辑符合我们熟悉的游戏培养逻辑：通过人物培养的刚性需求，来促使玩家去摆弄研究各种生产玩法，也形成一种培养上的玩法刚性梯度。 而在再次测试中，生产高级装备成为了为数不多与强度相关的“刚性”需求。而在消耗品生产之外（顺带一说，本次测试中消耗品加上了在战斗中自动使用的逻辑，使用消耗品的主动性也催生了生产的主动性），工业生产的产物有了新的【需求维度】：目前的生产区域不止一块，不同建设区可以给玩家规划生产链带来新的思路，还引入了需要靠工业产物支撑发展的“据点”。 这就形成了一种稳定的“工业生产——满足需求”的循环，而且玩家可以看到随着工业制成品需求的不断满足，据点还会逐渐升级，并给玩家其他维度的资源奖励。  你会发现，这种叙事与玩法同时构筑了一种【生产与建设的意义】，这让「再次测试」中的生产玩法拥有了更强的游玩驱动力，同时这种驱动力又不因过度刚性的需求而造成焦虑感。不过可惜的是，在目前的测试版本中，据点需求的维度还不多。据点会对特定的工业产品产生需求，并且还贴心地提供了自动交付产物的功能来适配玩家疯狂运转的生产线，还可以进驻干员来实现一些效果加成，完成据点需求后获得的奖励还可以兑换部分养成资源。但我个人的观点是：据点对工业产品的需求设计可以下狠手出重拳，因为终末地中蓬勃的、建构的工业美学调性，为这个部分的互动创造出广泛的空间：与冒险者在村落中挑水扫地除草赶走啄食庄家的乌鸦相比，自动化工业生产所面对的将会是更恢弘更大气的困难，工业可以支撑着文明在更大的尺度上与自然伟力交手，而这将会是塔卫二上的开拓故事中浓墨重彩又独特的一笔。 而帝江号作为终末地工业的基地，承载着战斗模拟训练、养成材料种植等玩法功能，管理员还可以通过派驻干员来强化产出效率。这是我们所熟悉的培养素材的生产逻辑。干员培养的逻辑更简单明确，这很好地回答了上一次测试我所提出的疑问：既然工业流水线玩法造成的产能爆炸确实会不可避免地干扰人物培养的节奏控制，那么就可以尝试将其拆分出来，使用更明确和传统的玩法模型来承载。  在帝江号上玩家可以与在“上工”的干员对话，劝他们先别干了休息一下，然后你会看到他们高高兴兴地说“好呀！”然后从生产线下来溜溜达达地走出去。实在是非常有趣。 # 新游戏目标续：与地图互动 另一个微妙但可以体感的新改动是，在工业设施与地图探索的关系上，「再次测试」中有了新的设计逻辑。 如果说上一次测试我们的感受是“工业设施能够在玩家完成了这块地图的主线任务后，提供更加便利的体验”，我们在本次测试中的感受到的逻辑是：“工业设施的建设，以及它所带来的便利性【应当】与主线剧情的推进和地图探索【同时展开】”。 工业建设不再是完成本段主线故事才有的玩法内容（这点从玩法引导教学阶段就能看出来，帝江号第一次投射集成工业核心就发生在故事前端），对于类似“滑索”这样的设施，它也不仅仅是“玩家已熟悉的地图区域的便捷移动手段”，以特定的垂直纵深地图为例，滑索将对玩家的流畅探索产生极大的帮助，它不再只是某种甜蜜的添头，而是玩家思考与地图如何互动的关键策略。  除此之外，我们可以看到团队更多的尝试性的设计。地图上除了有我们很熟悉的“获取素材的封闭战斗区域”，这次测试还提供了另一种战斗方式：塔防玩法。顾名思义，现在玩家可以制造一种全新类型的设施，这就是炮塔。除了地图上常见的怪点，玩家还可以在会触发战斗的能量淤积点按照自己的心思树立各式炮塔，然后开启战斗，静待这个区域刷出怪物，给他们一点“工业化震撼”。 我个人忍不住猜测这是一个还在调整和测试的玩法模块，因为它目前看起来出奇的粗暴——但正因为这种粗暴，让在地图上拉电线产生了一个我意想不到的乐趣。 我从来没有想过，我会美滋滋地拉上百十来米的电线，一路上还特别高兴地想，之后可以如何造上一堆炮塔把怪打得上下翻飞，想得如此之美，嘴角都忍不住上扬了......由于这些设施也同样长久的留在地图上（只要不在战斗中被冲毁），当怪点刷新，玩家就可以来开启一场地图上的塔防战斗，然后让炮塔替自己”劳作一下”，这确实是我意料之外的自动化体验。对于这一玩法的更细致的纵向设计，也成为了我对以后内容的某种期待。  可以看到，在这些新的逻辑的支持下，终末地期望它的工业玩法模块应当与地图探索有着更深切的互动方式，希望这一次测试的玩家反馈能够给他们足够的参考。 实际在本次测试中，工业玩法的内容量也十分惊人——当玩家循着故事发展，体验完测试的第一章节主线内容，终末地还将开放新的国风探索区域，玩家将在一片山清水秀看到：一整个新的工业生产科技树，以水为媒，与此前基础工业树完全不同的逻辑。对于此前思考的工业生产玩法延展性的疑问，这可能是一个明确的解答。 来到山清水秀的武陵城城郊，整套液体运输与生产的技术就展开在我们面前，玩水很有趣，造出麦饼也很香甜，更令人高兴的也许是，以后还有诸多可能性等待着终末地工业前去开拓。 # 按的很爽：战斗系统重制体验 「再次测试」中对战斗系统做了大刀阔斧的改动。 和上一次测试以队内人物切换为基础的逻辑相比，本次测试调整为一种“玩家可以长时间控制单一人物，但可以频繁触发其他人物的连携技”的模式。这里简单提供一些机制上的描述和体验分享： - 在新的战斗系统中，玩家可以集中在一个人物的控制上，并可以通过快捷键释放小队中对应人物的主动技能。全队共享技能资源——该资源随时间和战斗行动增加，玩家在战斗中需要思考策略，判断当下用谁的技能更合适。满足条件后，可以通过【长按】对应人物的技能快捷键，释放每个人物的大招技能，并触发动画演出。 - 在战斗中玩家会通过满足条件触发特定人物的【连携技】，触发后人物将对当前目标完成连携技释放。 - 游戏依然提供切换人物的功能，但在战斗中这个决策本身是非必要的，也不提供额外的收益。 - 人物可以通过完美闪避规避怪物的伤害，除此之外完美闪避不提供其他收益。 - 在整个战斗过程中，非玩家操作的小队人物会自动对怪物做出攻击动作并造成伤害。上一版中的“仇恨线”等等偏 MMORPG 的设计现在都已经删除或调整；队友也会更加积极地通过对峙和闪避来吸引敌人的攻击。 从结果来看，现版本战斗系统最甜蜜的部分在于“倾泻感”——通过人物队伍BUILD，实现连携技的依次连续触发，打出大量的爆发性伤害，是这套战斗系统能够频繁稳定给出的良好体验。简单来说：按得很爽。 此次测试的BOSS战也做了很多调整和优化，让战斗体验的压力控制在比较合适的区间。值得一提的是BOSS战中加入了很多范围清晰的地板技，和上述整个战斗系统合在一起，给人以非常清晰的“即时指令化”的设计思路倾向：包含一些动作性，但明显指令战斗的要素会重一些。  在此次测试中的战斗也存在一些微妙的不协调感，可能主要表现在闪避动作的设计上：由于不提供除了无敌之外的任何收益，所以精准闪避用起来略显尴尬。因为在很多场景下、搭配自动使用消耗品进行回复的机制，这套战斗系统会让玩家产生战斗中更应该重视资源轮转和提前走位的感受。但玩家在游玩过程中也会发现在某些复杂高压的战斗场景中，还是需要精准闪避这一非常具有动作游戏属性的判断点来保证自己的生存能力。 从体验上来讲，虽然连携技等系统传达出清晰的【指令式即时战斗】的思路，但偶尔还是会感受到这套系统中【动作性】的决策要素在和【指令式】决策要素在冲突和打架。 有些很微小的战斗细节体验也会强化这种紊乱感。在玩家专注于连携技释放序列、资源管理、技能CD等很【指令式决策】的时候，会遇到一些场景，比如连携技有可能空放，比如BOSS会出现的一些缺乏明确前置提示的攻击动作。这些场面会突然给玩家某种抽离感，感觉游戏也需要做一些【动作性】的反应判断，因此产生“这套系统重点应该在玩什么”的困惑。 这种困惑可能会导致玩家“认为自己能通过精准闪避可以把BOSS磨死”，而不是干脆利落的判断自己应该提升数值强度。虽然也确实可以做到将BOSS磨死，但这漫长的过程可能会带来一定程度上的负面体验。 总的来说，终末地本次测试调整后的战斗系统，很好地完成了主要任务：提供一种直接、明确、易于理解、正反馈清晰的爽快战斗体验。而目前一些设计细节上的毛病要如何调整，以及这套系统能否带来足够强的策略深度，则是制作团队后续需要思考和打磨的部分了。 # 拾遗备忘：巨量的测试内容带来的记忆混乱 终末地「再次测试」的【内容量巨大】不只是单纯可游玩内容多、游戏时长充足，而是玩法的多维度展开，使得测试过程中总是引起人“怎么能玩的东西还有这么多”的过载感。有很多体验琐碎而且不成体系，就在本段记录： - 游戏流程中包含跳跃解谜。玩家甚至有的时候要面对移动平台这样的经典跳跃解谜设计，但游戏的移动机制并不提供玩家进行二段跳或者在空中调整动量的可能性，导致这种跳跃内容惊人地上强度。 - 本次测试包含一个早期的 roguelike 爬塔玩法模块尝试，这个模块目前是计时模式，而且也会涉及很多的跳跃内容，对于平台跳跃苦手来说，难度不小。 - 目前人物拥有四个维度的属性系统，再由属性生效转化成对应的强度机制（例如伤害、技能CD等等），然后装备系统又会针对性地提升特定的属性……这样的拆分给人物培养留出了很大的空间。 - 本次测试中出现了人物获取的系统：采用全人物池的抽卡机制。 - 目前的剧情中，反派给人的感觉令人一种熟悉的感觉。那台词，那谜语，和终末地员工嘎嘣脆的台词形成鲜明对比。就跟见到了故人一样。 - 管理员傻了吧唧的。陈千语也傻了吧唧的。实在是太好了吧这。 # 结尾：坦途自现 写到最后，我才意识到此次的测试属性之重。除开战斗、工业生产等特定的玩法模块，实际上这次测试也是有关广义上游戏内容的大型测试。  在我们体验到的试玩版本中，不可避免的出现了测试版本会遇到的一些问题，甚至本文的结尾也可以如上次测试的记录一样，落到同样的问题上：终末地的开发会必然走向大量的新的领域，试验大量新的设计，提出大量的新问题。传统的、经典的、被市场验证跑通的要素，和全新的设计、全新的尝试，会在这款游戏里持续不断地产生矛盾，互相对立、干扰，为内容生产与持续运营带来新的难题，然后在不断地测试与调整中融合，这可能是，也可以是一条新的开拓之路。路无坦途，行者不知，或不想知。  然而，也许正如帝江号将工业模块投向塔卫二，正如终末地工业再次启程。新的问题，将以新的姿态，新的方式，新的决心去斩开。斩出一条道路。 峘山险象，帝江舞天，行者跨天堑而坦途自现。 塔卫二，静待新一轮测试的先行者们。 祝各位《明日方舟：终末地》「再次测试」游玩愉快。

 由P.A.WORKS制作的《爱丽丝梦游仙境》题材剧场动画《与爱丽丝梦游仙境 -Dive in Wonderland-》（不思議の国でアリスと　-Dive in Wonderland-）公布了首个特报，将于8月29日在日本上映。 <内嵌内容，请前往机核查看>  本作改编自1865年刘易斯·卡罗尔创作的原著，也是日本首次将该故事制作为剧场动画。作品将以现代女孩Rise为主人公，迷失于奇异世界的她与“爱丽丝”相遇，故事由此展开。  《与爱丽丝梦游仙境 -Dive in Wonderland-》公布的制作及声优阵容如下： STAFF 原作：「不思議の国のアリス」（ルイス・キャロル）監督：篠原俊哉脚本：柿原優子アニメーション制作：P.A.WORKS製作幹事：松竹、TBSテレビ CAST りせ：原菜乃華アリス：マイカ・ピュ

作者 | Li Yuan  编辑 | 郑玄   大模型时代已经正式迈入第三年。 回首过去的两年，不禁令人感慨。每年都有基座大模型架构已经尘埃落定的声音，然而每年，技术都在飞快地迭代创新，突破人们想象。 2024 年，OpenAI 的推理模型，通过对模型架构的创新，用 RL 的方法延续 Scaling Law，让大模型的智力水平持续进展；而中国公司也并没有落后，价格屠夫 DeepSeek 通过 MLA 的架构创新，让推理成本直接降低了一个数量级。 2025 年开年，令人欣喜的是，我们看到了一向在人们印象中是「低调做产品」的 MiniMax 公司，也加入了开源行列，将最先进的底层技术直接与社区和行业分享。 1 月 15 日，大模型公司 MiniMax 正式发布了 MiniMax-01 系列模型。它包括基础语言大模型 MiniMax-Text-01，和在其上集成了一个轻量级 ViT 模型而开发的视觉多模态大模型 MiniMax-VL-01。  开源界面｜图片来源：GitHub 「卷」起来的大模型公司，令人乐见。开源会提升创新效率，越来越好的基座模型之上，才搭建越来越有用的应用，进入千家万户，帮人们解放生产力。 这是 MiniMax 第一次发布开源模型，一出手就是一个炸裂模型架构创新：新模型采用了 MiniMax 独有的 Lightning Attention 机制，借鉴了 Linear Attention（线性注意力）机制，是全球第一次将 Linear Attention 机制引入到商业化规模的模型当中。 效果也是立竿见影，模型上下文长度直接达到了顶尖模型的 20-32 倍水平，推理时的上下文窗口能达到 400 万 token。模型效果立刻在海外上引起了关注。  X 用户感叹 MiniMax-Text-01 可以在 400 万 token 上实现完美的海底捞针 ｜ 图片来源：X  另一个来自中国公司的强大模型，在学术测试集上表现优越｜图片来源：X 模型的上下文窗口，指的是模型在生成每个新 token 时，实际参考的前面内容的范围。就像是模型能够一次性从书架上取下的书籍数量。模型的上下文窗口越大，模型生成时可以参考的信息量就越多，表现也就更加智能。 站在 2025 年年初的时间点，长上下文窗口还有一个新的意义：为模型的 Agent 能力，打下坚实基础。 业界公认，2025 年，Agent 能力将是 AI 届「卷生卷死」的重点，连 OpenAI 都在本周内推出了 Tasks，一个 AI Agent 的雏型。在 2025 年，我们很有可能看到越来越多真正「全自动的」AI，在我们的生活中起作用。甚至不同「全自动的」的 AI 共同协作，帮我们处理事务。而这对基座模型的能力，有极大的考验。而长上下文是 Agent 能力实现的必要条件。 看起来，2025 年，基座大模型之战仍未结束；中国公司发力，也才刚刚开始。   # 01 Linear Attention 架构 的第一次大规模使用   此次 MiniMax 开源的模型，最大的创新点，在于使用了 MiniMax 独有的 Lightning Attention 机制，这是一种线性注意力。 在传统的 Transformer 架构中，最「烧」算力和显存的部分往往是自注意力（Self-Attention）机制。 原因在于，标准的自注意力需要对所有的词（Token）两两计算注意力分数，计算量随着序列长度 n 的增长是平方级（O(n²)）。 如果用通俗的语言来形容，类似于你在举办一场联谊会，人很多。如果每个人都要两两打招呼，沟通成本会随着人数增加而急剧上升，每个人都得重复无数次「握手」。 这带来了一系列的问题——其中一个就是，联谊会的人数，也就是模型的上下文的窗口，很难无限扩展。硬要扩展，对于算力的需求就非常高。 为了应对这一挑战，传统上，研究人员提出了各种方法来降低注意力机制的计算复杂度，包括稀疏注意力、Linear Attention（线性注意力）、长卷积、状态空间模型和线性 RNN 等方式。 此次 MiniMax 开源的模型，就是借用了其中的 Linear Attention（线性注意力）的方式。 Linear Attention 的思路就像给会场安排了几位「速配助理」。每个人先把自己的关键信息交给助理，比如「希望认识什么样的人、擅长什么」。助理整理这些信息后，直接告诉每个人最适合交谈的对象。这样，大家不必一个个自我介绍，整个匹配过程更高效，沟通成本大幅降低。 不过，Linear Attention 之前虽然在理论上有所创新，但在商业规模模型中的采用有限。而 MiniMax 团队则第一次验证了 Linear Attention 机制在商业规模的大模型之上的可行性。 这意味着一项技术从实验室走向真实世界。 MiniMax 团队使用了一个传统的 Linear Attention 的变种，被 MiniMax 团队称为 Lightning Attention。Lightning Attention 解决了现有 Linear Attention 机制计算效率中的主要瓶颈：因果累积求和操作的缓慢，使用新颖的分块技术，有效规避了累加和操作。 在一些特定任务，如检索和长距离依赖建模上，Lightning Attention 的性能表现可能不如 Softmax 注意力强。 MiniMax 团队又引入了混合注意力机制解决这一问题：在最终的模型架构中，在 Transformer 的每 8 层中，有 7 层使用 Lightning Attention，高效处理局部关系；而剩下 1 层保留传统的 Softmax 注意力，确保能够捕捉关键的全局上下文。 这样的架构创新，效果十分惊艳。 MiniMax-01 系列模型参数量高达 4560 亿，其中单次激活 459 亿。在主流模型目前的上下文窗口长度仍然在 128k 左右的时候，MiniMax-01 系列模型能够在 100 万 token 的上下文窗口上进行训练，推理的时候上下文窗口可以外推到 400 万 tokens，是 GPT-4o 的 32 倍，Claude-3.5-Sonnet 的 20 倍。 在面向现实情景，进行长上下文多任务进行深入的理解和推理的第三方测评 LongBench v2 的最新结果中，MiniMax-Text-01 仅次于 OpenAI 的 o1-preview 和人类，位列第三。  模型在 LongBench v2 上的评测表现 ｜ 图片来源：GitHub LongBench 在模型的基础表现上，MiniMax-01 系列模型也在标准学术基准测试中可与顶级闭源模型相媲美。不仅如此，在模型上下文长度逐渐变长的过程中，模型的表现下降也最平缓——部分模型虽然宣布上下文窗口长度较长，但真正使用起来，在长上下文情况下，效果并不好。  MiniMax-01 系列模型可与顶级闭源模型相媲美 ｜ 图片来源：MiniMax 论文 MiniMax 团队对比了在 CSR（常识推理）、NIAH（大海捞针）和 SCROLLS 等基准测试上，在同样的计算资源下，用采用了 7/8Lightning Attention 和 1/8 的 Softmax 的混合注意力模型可以放更多参数、处理更多数据，并且训练效果还比只用 Softmax 注意力的模型更好，损失更低。  基准测试上混合 Lightning Attention 的架构表现更好 ｜ 图片来源：MiniMax 论文   # 02 为 Agent 时代爆发的前夜做准备   自 2024 年开始，长上下文一直是模型迭代的一个重要方向。 在这个领域，国外的 Google、Anthropic，国内的 Kimi，都是坚定的投入者。2024 年年末，DeepMind 的 CEO Demis Hassabis 曾表示，在内部测试中，Google Gemini 正在向无限上下文窗口发起冲击。 或许有人会困惑，此次 MiniMax 发布的 MiniMax-01 系列模型，上下文窗口长度已经达到 400 万 token，如果按照1个 token 约等于1.7个中文汉字的计算方式，已经约等于 700 万字的上下文窗口。人类需要和 AI 聊出这么多的上下文吗？ 答案是， 盯住长上下文的各家公司，可能盯住的并不是目前的一问一答的问答 AI 场景，而是背后的 Agent 时代。 无论是单 Agent 所需的持续记忆，还是多 Agent 协作所带来的通信，长链路的任务都需要越来越长的上下文。 长上下文，在多种 Agent 应用场景中，将具有极大的意义。 在搜索场景中，这可能意味着用户可以一次性看到更多答案的综合，直接获得更精准的回答。 未来的效率工具中，这可能意味着用户拥有了无限的工作记忆。在无数版本的修改之后，当甲方让你还是用第 1 版的文章结构和第三版的小标题的时候，你可以无痛回复「好的」，然后让 AI 一键生成两个版本的融合。 未来的学习工具中，这可能意味着用户可以直接具有更大的知识库。直接上传一本教材，就能让 AI 根据其中的内容，进行教学。 而在和 AI 助理的对话中，它将像聪明的人类助理一样，真正记住你之前说过的话，并在你需要的时候「记起来」。MiniMax 团队的论文当中的一个场景就很能说明问题。 模型被要求从最多 1889 条历史交互（英文基准）或 2053 条历史交互（中文基准）中精确检索出用户的一条历史互动——用户重复要求 AI 写关于企鹅的诗歌，同时进行了多轮不相关的对话，而在最后，要求 AI 提供第一次写的关于企鹅的诗。而 MiniMax-01 仍然很好地完成了这一任务。  长上下文的任务表现 ｜ 图片来源：MiniMax 论文 对于 Agent 来说，另一个重要能力，则是视觉理解 ——MiniMax 此次同系列也发布了 MiniMax-VL-01。这是一个同样采用了线性注意力架构、以及拥有 400w token 上下文窗口的视觉多模态大模型。 在 2024 年 Rayban-Meta 眼镜爆火之后，今年的智能硬件的一大看点在于 AI 眼镜能否真正让 AI 成为人们的随身助手。而能成为随身 AI，AI 必须的能力就是长上下文——记住你的所有生活场景，才能在随后为你提供个性化的提醒和建议。 这样的记忆将是「真记忆」，与 ChatGPT 目前的记忆功能所能提供的简易效果完全不同。 要真正实现随身的 AI Agent，跨模态理解、无限上下文窗口都是基础能力。 论文最后， MiniMax 表示未来将在线性注意力这一路径上做到极致，尝试完全取消 Softmax 注意力层，最终实现无限的长上下文窗口。   # 03 基座模型创新未死， 中国公司大有可为   值得注意的是，这次是 MiniMax 公司，第一次推出开源模型。 此次的大模型命名的 MiniMax-01 系列，在 MiniMax 的内部序列中，原本是 abab-8 系列模型。 MiniMax 在上一代 abab-7 模型中，已经实现了线性注意力和 MOE 的架构，而在 abab-8 中，取得了更好的效果。 此次，MiniMax 选择在这个时间点，将模型开源出来，并以这个节点为开始，重新命名模型 MiniMax-01。 这似乎代表着 MiniMax 的公司哲学的一种改变。 在过往，MiniMax 公司给外界一向的印象是：业务很稳定，做事很低调。 从星野、Talkie 到海螺 AI，MiniMax 有自己忠实的一波用户群体。在去年的公开发布中，MiniMax 曾经表示每天已经有 3 万亿文本 token 的调用，在国内 AI 公司中名列前茅。 这些应用背后的 AI 技术则一直较为神秘，在此之前主要用于支持公司本身的业务。 这次开源，似乎是一个转折，是 MiniMax 第一次对外高调展示技术实力。 MiniMax 方面表示，模型可以在 8 个 GPU 单卡、640GB 内存上，就能够实现对 100 万 token 进行单节点推理。希望此次开源帮助其他人开发能够突破当前模型的局限。 回顾过往，自 OpenAI 推出 ChatGPT、Meta 发布 Llama 系列开源模型以来，一直有声音表示基座模型的创新已趋于终结，或仅有少数国际科技巨头具备未来模型架构创新的能力。 最近两次中国公司的开源动作，告诉我们并非如此。 2024 年，DeepSeek 凭借其突破性的 MLA 架构，震撼了全球 AI 行业，证明了中国企业的技术创造力。 2025 年年初，MiniMax 再次以其全新的 Lightning Attention 架构刷新了行业认知，验证了一条此前非共识的技术路径。 中国 AI 公司不仅具备工程化和商业化的能力，更有能力推动底层技术创新。 新的一年，不论是 AI 应用的普及，还是技术金字塔尖的攻坚，我们可以对中国 AI 公司有更多的期待。   *头图来 源：视觉中国 本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

还敢去泰国旅游吗？

 2025年首场自动驾驶峰会，燃爆北京！ 车东西1月14日消息，就在今天，由智一科技旗下智猩猩、车东西共同发起的第四届全球自动驾驶峰会在北京中关村国家自主创新示范区展示交易中心-会议中心圆满落幕。 作为智一科技面向自动驾驶领域打造的会议IP，第四届全球自动驾驶峰会以“技术新周期 产业新征程”为主题，设置“主会场+分会场+展区”三个板块。 其中，主会场进行开幕式、端到端自动驾驶创新论坛、城市NOA专题论坛；分会场则进行自动驾驶视觉语言模型技术研讨会、自动驾驶[世界模型](https://chedongxi.com/p/tag/%e4%b8%96%e7%95%8c%e6%a8%a1%e5%9e%8b)技术研讨会，全方位呈现全民智驾时代端到端自动驾驶新周期里的科研成果、技术探索、产品方案创新与未来趋势。 整场活动，近30位自动驾驶学术领袖、产业大咖与青年学者齐聚一堂，共同探讨了端到端、世界模型、视觉语言模型、城市NOA等行业内最火热的热门话题。  ▲主会场现场 现场嘉宾精彩观点不断，[清华大学](https://chedongxi.com/p/tag/%E6%B8%85%E5%8D%8E%E5%A4%A7%E5%AD%A6)车辆与运载学院/人工智能学院教授、博导李升波认为车路云一体化是自动驾驶基座模型的开发框架，需要政府、企业、高校三者组建联合体解决数据和算力等方面的难题。 [理想](https://chedongxi.com/p/tag/%E7%90%86%E6%83%B3)汽车自动驾驶研发副总裁郎咸朋表示，理想汽车将致力于“人工智能的汽车化”，从模型、工程、产品等方面提升自动驾驶能力。 零[一汽](https://chedongxi.com/p/tag/%E4%B8%80%E6%B1%BD)车智能驾驶合伙人王泮渠，昇启科技联合创始人、CTO刘敏俊，朗歌科技副总经理李战斌，都认为端到端带来了研发模式的革新。 峰会全天有接近九百位观众来到现场。无论是主会场上下午，还是分会场的两场闭门研讨会，均是座无虚席。尤其是开幕式，场内观众席两侧通道及后排空间更是站了不少观众。与此同时，20+媒体平台与视频号直播了本次峰会，直播观看量超过百万。  ▲分会场-自动驾驶视觉语言模型技术研讨会  ▲分会场-自动驾驶世界模型技术研讨会 作为2025年国内首场自动驾驶峰会，本次会议不仅系统呈现了智能驾驶过去一年的发展态势和量产进展，也为端到端自动驾驶开启的新一轮变革指明了前进方向，也燃动了世界模型在国内自动驾驶领域的研究与开发热度。 ## 一、智驾商业化迎来重要节点 端到端+[大模型](https://chedongxi.com/p/tag/%e5%a4%a7%e6%a8%a1%e5%9e%8b)掀起行业新变革 峰会现场，智一科技联合创始人、CEO龚伦常作为主办方代表进行了开场致辞，他表示，过去一年，端到端与大语言模型、视觉语言模型协同，成为自动驾驶的主要技术路线。同时，世界模型也获得了更高的关注。  ▲智一科技联合创始人、CEO龚伦常 基于此，峰会希望通过充分探讨，梳理行业的发展现状，进一步厘清未来的发展趋势。 本次峰会围绕端到端自动驾驶、城市NOA、自动驾驶视觉语言模型技术、自动驾驶世界模型技术等方向设置了多个话题。 数字化和智能化正在成为中国新一轮高质量发展的重要驱���力，智一科技成立以来一直聚焦在这一驱动力背后的核心技术和行业需求，构建了[智东西](https://chedongxi.com/p/tag/%E6%99%BA%E4%B8%9C%E8%A5%BF)、[芯东西](https://chedongxi.com/p/tag/%e8%8a%af%e4%b8%9c%e8%a5%bf)和车东西三大媒体品牌，持续提供专业优质的图文和视频内容，在相关领域具有广泛影响力。 同时，智一科技围绕企业服务，打造了智猩猩品牌，采用线上公开课和研讨会等形式提供高质量的技术向内容。 在最后，龚伦常感谢了中关村科学城管委会对本次峰会的大力支持。 龚伦常致辞结束后，清华大学车辆与运载学院/人工智能学院教授、博导李升波率先登台，分享了“数据驱动的端到端自动驾驶”发展历史、关键技术与未来趋势。 他首先回顾了人工智能领域的里程碑事件，包括2015年ResNET、2017年AlphaGo、2022年[ChatGPT](https://chedongxi.com/p/tag/chatgpt)等，标志着人工智能时代的到来，并强调，自动驾驶是人工智能的重要应用方向之一，具有市场规模大、牵引链条长、技术难度高的特点。  ▲清华大学车辆与运载学院/人工智能学院教授、博导李升波 紧接着，李升波指出，狭义上“自动驾驶”主要是指面向复杂城市交通工况的高级别智能驾驶系统。 这类系统对感知、决策、控制技术的安全性要求极高，因为控制权、风险监控、失效应对都是归属于系统本身处理，系统必须能够独立地完成所有驾驶任务。 李升波表示，安全性不足是现有自动驾驶系统走向实用化的核心难题，典型指标是行驶过程的万公里接管数，还远远不能达到人类驾驶员的平均水平，核心难题在于如何处理边缘驾驶场景（即发生数量的稀少，但危险度高的场景）。 为了解决这一问题，行业已经形成的共识是：以数据闭环为基础，以神经网络为策略载体，走“端到端”自动驾驶的技术路线。 其目的是通过对边缘场景数据的采集、上传、清洗、训练和部署，不断优化自动驾驶系统的行驶策略，达到边开车边学习，驾驶性能越来越好的效果。 李升波指出，端到端的本质是“神经网络化”，而非只有一个黑箱的神经网联。 他介绍了端到端自动驾驶的技术优势，与传统的分模块设计相比，端到端的设计方案一方面能够更有效地传递信息，减少信息损失，能够充分挖掘数据资源潜力；另一方面具有更多的神经网络参数，具有更大的训练自由度，性能的上界更高。 李升波提到，我国科研机构开展端到端自动驾驶的技术研究并不比国外晚，清华大学车辆学院的智能汽车团队自2018年起就开始探索这一技术路径。 他指出，六年前启动这一技术的研发，并不像今天具备这么好的条件，数据不足、算力匮乏都是制约模型训练性能的挑战性难题。 该团队也是于行业内率先提出“数据不足仿真补、算力不足算法超”换道研发思路，并于仿真软件、AI训练器等诸多方面取得了一系列重要进展，包括研发自主知识产权的大规模自动驾驶训练软件LasVSim和首个面向工业控制的最优策略强化学习求解器GOPS。 李升波分享了清华大学在强化学习和神经网络训练方面的研究成果，特别是针对稳定性和效率的改进。 该团队提出了强化学习领域性能排名第一的算法DSAC（Distributional Soft Actor-Critic），过拟合状态动作价值的连续分布，等价学习了无限多个价值函数，有效抑制了传统强化学习仅拟合单值函数导致的过估计难题，较之已有强化学习算法性能大幅提升；研发了工业控制领域性能排名第一的神经网络优化器RAD（Relativistic[Adaptive](https://chedongxi.com/p/tag/adaptive)gradient Descent），将神经网络参数的优化过程建模为多粒子相对论系统状态的演化过程，从动力学视角保障了强化学习的训练稳定性和收敛性。 以此为基础，清华大学成功开发出国内首个三段式端到端自动驾驶系统iDrive，并率先完成城市工况的开放道路测试，这一技术方案后续成功在[广汽](https://chedongxi.com/p/tag/%E5%B9%BF%E6%B1%BD)、[东风](https://chedongxi.com/p/tag/%E4%B8%9C%E9%A3%8E)、[智行者](https://chedongxi.com/p/tag/%E6%99%BA%E8%A1%8C%E8%80%85)等企业进行了实车部署，能够在拥堵、无信号交叉口等城市复杂道路条件下实现非机动车让行、路侧停车绕行等行为。 最后，李升波展望了未来的发展方向，指出车路云一体化是自动驾驶基座模型的开发框架，亟需建立统一的数据平台以促进数据共享，同时强调算力对自动驾驶的重要性，呼吁由政府、企业、高校三者组建联合体共同解决这些制约自动驾驶发展的瓶颈难题。 李升波教授从学术的角度分享了对于自动驾驶的思考，理想汽车自动驾驶研发副总裁郎咸朋则站在了产业的角度，发表了主题为《理想自动驾驶技术创新应用》的演讲。  ▲理想汽车自动驾驶研发副总裁郎咸朋 郎咸朋介绍了过去一年理想自动驾驶的研发进展。 理想汽车创新性地提出自动驾驶端到端+VLM双系统架构，并结合基于世界模型的训练评价体系，率先完成车位到车位的全量推送。而自动驾驶模型性能的提升同样符合Scaling Law，基于1000万clips训练的模型即将推送用户，全场景接管率（MPI）将超过100公里。 他表示，当前自动驾驶模型训练总里程基数超过30亿公里，云端算力超过8E Flops，下一阶段将着重以创新技术手段提升资源利用效能。 郎咸朋还指出，从端到端+VLM到VLA，是AI能力从“行为智能”到“空间智能”的再次进阶，后续理想汽车将着力于“人工智能的汽车化”，从模型、工程、产品三个维度提升自动驾驶的综合能力。 为实现L3，全场景接管率（MPI）要超过500km，等效双周一次接管，平均事故里程（MPA）要超过350万公里，约等于人类安全里程的5倍，AD里程渗透率要大于25%，实现跨越鸿沟。 而要达到L4，这三方面的能力需要进一步提升至更高维度。 为实现L4，全场景接管率（MPI）要超过2500km，等效每季度一次接管，平均事故里程（MPA）要超过660万公里，约等于人类安全里程的10倍，AD里程渗透率要大于60%。 郎咸朋在最后强调，理想的使命愿景是成为全球领先的人工智能企业，并以此为方向持续进行自动驾驶技术与产品的创新与应用，还请大家拭目以待。 一些供应链行业代表也分享了关于自动驾驶的一些思考。 [元戎启行](https://chedongxi.com/p/tag/%e5%85%83%e6%88%8e%e5%90%af%e8%a1%8c)副总裁、技术合伙人刘轩指出，当前的智能驾驶系统已摆脱传统模块化的规则驱动，转向以AI为核心的数据驱动模式。  ▲元戎启行副总裁、技术合伙人刘轩 但现在的端到端智驾系统缺乏可解释性，无法解释它驾驶决策的逻辑。另外如果碰到难以用常识理解读懂的情况，系统就很难推理出好的驾驶决策。 目前，元戎启行正在研发VLA模型。实际上，VLA模型也属于端到端框架，但和现在用的端到端模型不同。 VLA模型融合了VLM和E2E模型，对比上一代模型，VLA模型更简洁，信息传递更直接，对于复杂场景的解读更到位，可以更透彻地理解人类的驾驶文化。 最后刘轩表示相信很快智能市场就会迎来一个暴涨期。搭乘着市场的东风，元戎启行也会全力冲刺。 极佳科技的副总裁毛继明在演讲中深入探讨了生成式世界模型如何引领自动驾驶和具身智能走向新的时代。 当下，消费者对智能驾驶功能的体验和要求不断提高，这种高规格的要求使得智能驾驶算法的迭代面临高质量数据、低频场景需求激增的困境。 为了解决这一问题，业界开始探索使用生成数据的可能性，以辅助提升算法性能。毛继明指出，「生成数据」是世界模型的首要应用之一，也是端到端自动驾驶最重要最高效的数据来源。  ▲极佳科技合伙人&副总裁毛继明 毛继明强调智能驾驶算法的表现需超越人类驾驶员才能获得人类司机的信任和使用。因此，构建一个实时可交互的环境让算法进行实践显得尤为重要，而生成式世界模型就负责构建这个环境。 进而，毛继明介绍了世界模型的基本概念，尽管目前尚无统一的定义，但业界的共识认为核心功能包括建模、想象、预测和行动。 世界模型是现实世界的投影，能够为智能体提供想象能力、预测未来结果，并进行结果评判。毛继明强调，构建世界模型的过程中，需要引入视频生成、空间几何和物理引擎等多种技术，以实现更全面的世界建模。 在具体应用方面，毛继明提到，世界模型可以用于数据生成和泛化，通过生成多样化的数据来提升感知算法的鲁棒性，还可用于4D场景构建，以支持实时闭环仿真等应用。在此过程中，毛继明展示了如何通过激活不同功能区来实现这些目标。 在演讲的最后，毛继明分享了极佳世界模型与合作伙伴落地的成功案例，展示了不同的模块和功能在行业落地应用的情况，以及极佳在此过程中积累的行业经验和“武器库”。 毛继明在演讲中对生成式世界模型在智能驾驶和具身智能领域的突破性应用进行了全面阐释，并结合实际案例展示了极佳科技的技术成果。 正如他所强调的，世界模型并非仅是技术工具，而是推动未来人工智能迈向[通用](https://chedongxi.com/p/tag/%E9%80%9A%E7%94%A8)智能时代的核心引擎。通过融合视频生成、空间几何和物理引擎等多种技术，世界模型不仅为算法的性能提升提供了高效的模拟环境，更为整个行业带来了新的应用可能性。 在未来的人工智能技术版图中，世界模型的地位举足轻重。它为实现高效、低成本的数据生成，增强智能体的预测与决策能力铺平了道路。极佳科技致力于将世界模型的潜力进一步转化为实际应用，加速推动技术从专有领域向更广泛场景的扩展，为通用智能的全面实现打下坚实基础。 [智加科技](https://chedongxi.com/p/tag/%e6%99%ba%e5%8a%a0%e7%a7%91%e6%8a%80)首席科学家崔迪潇则从更细分的角度入手，围绕走向更安全更智能的干线物流带来了深入分享。  ▲智加科技首席科学家崔迪潇 崔迪潇指出，中国的干线物流是一个万亿级别的巨大市场，卡车的存有量达到800万台。然而在这个巨大的市场背后，一系列结构性的问题正日益凸显。一方面，干线物流安全事故频发，另一方面，人力与燃油成本攀升挤占利润空间，降本增效需求显著。 针对这些痛点，智加科技始终坚持不懈地推进自动驾驶重卡的研发工作。目前，搭载智加领航系统的智能重卡已率先实现量产，并且智加领航系统也已在头部物流企业投入实际运营。 值得关注的是，崔迪潇也就业内盛行的端到端热潮作出回应。他指出，端到端在某种程度上可谓是一种资源“恐吓”，尤其对于部分初创型企业而言更是如此。 与此同时，他也提到，尽管资源有限，但这些创业团队同样面临着机遇。当技术发展至一定阶段后，能够以十分之一的成本达成同样出色的效果。这是因为在端到端智能驾驶中，大量冗余的标注与计算实际上并无必要。 针对这些，智加科技提出了基于人类的驾驶驾驶指令来引导模型高效学习场景表征的SSR框架，成功实现了不依赖于感知标注的真正端到端训练。 最后，崔迪潇总结说：“L4级自动驾驶是我们的终极目标，在朝着这一目标前进的过程中，我们势必会遇到各种变化和挫折，也会发现一些新的技术方向。不过，这些新的技术方向仅仅是我们实现目标的手段，而非目标本身。不能走了太远，忘了为何而出发。为达成无人化这一目标，还有很多更重要的工作要大家一起坚持继续去做。” 辰韬资本执行总经理刘煜冬博士从智能驾驶产业投资的角度，分享了关于端到端新范式下的智能驾驶产业投资思考。  ▲辰韬资本执行总经理刘煜冬 刘煜冬表示，过去的半年整个行业有很大的变化，乘用车高阶智驾渗透率接近10%，整个高阶辅助系统向更低的车型渗透，智驾产品处于从早期市场迈向主流市场的重要拐点。 刘煜冬提到，目前端到端已经不仅仅是一个技术名词，破圈成为用户体验和用户心智的一部分。 关于端到端范式加速演进，刘煜冬表示大模型将赋能VLM/VLA，提到端到端1.0是从规则到数据驱动，端到端2.0引入大模型和强化学习范式，会进一步强化数据带来的壁垒，行业向车企和头部智驾公司集中。 但是，刘煜冬表示端到端落地面临着路采数据回灌开环验证，实车性能差异大Sim2Real gap无法避免和Corner Case采集成本高、效率低等挑战。 刘煜冬认为生成式世界模型成为端到端落地的重要工具，其可以充分利用海量的无标注数据，包括互联网数据、跨车型和传感器参数的数据。还可以低成本生成高保真度的测试验证数据，用于端到端算法的闭环验证。 端到端在乘用车辅助驾驶领域大放异彩，而在无人驾驶领域，2024年已经是无人驾驶的商业化元年，诸多场景的无人驾驶公司开始了规模化复制和指数增长。 例如，[易控智驾](https://chedongxi.com/p/tag/%e6%98%93%e6%8e%a7%e6%99%ba%e9%a9%be)在矿区部署超 1000 台无人车，[Waymo](https://chedongxi.com/p/tag/Waymo)在美国运营超千台Robotaxi ，订单量急剧增长。目前头部无人驾驶公司也开始进行端到端的早期探索，更加关注新技术在L4无人驾驶降本增效和场景拓展的能力。 刘煜冬最后总结道，端到端自动驾驶2.0阶段将开启VLM/VLA的新范式，主机厂和掌握数据的自动驾驶公司进一步掌握话语权。 而随着无人驾驶开始规模商业化，率先完成商业闭环的公司更有机会布局投入新范式，并扩展至更通用的无人驾驶开放场景。 而上午场嘉宾演讲结束后，本次峰会也进入圆桌讨论环节，本次圆桌讨论围绕 “全民智驾时代开启，端到端掀起新一轮变革” 的主题展开，在智一科技联合创始人、总编辑张国仁的主持下，零一汽车智能驾驶合伙人王泮渠、辰韬资本执行总经理刘煜冬共同探讨了自动驾驶领域在2024年的重要变化和未来发展趋势。 与会专家普遍认为，2024年是自动驾驶商业化的重要节点。  ▲圆桌讨论现场 零一汽车智能驾驶合伙人王泮渠提到，wayve的技术进展和[融资](https://chedongxi.com/p/tag/%E8%9E%8D%E8%B5%84)事件标志着端到端架构的可行性，这为整个行业注入了信心。随着无人驾驶技术的不断成熟，多个领域如出租车、矿区无人驾驶、无人物流等开始实现商业化应用，展现出良好的市场前景。 这一趋势不仅促进了投资者的信心，也推动了相关企业的上市，标志着行业进入了一个新的发展阶段。 论坛中，专家们强调了技术迭代和数据驱动对自动驾驶行业的重要影响。 辰韬资本执行总经理刘煜冬指出，自动驾驶行业正在从传统范式向数据驱动的范式转变，新的开发模式使得技术进步和产品落地的速度加快。尤其是人工智能技术的快速发展，为自动驾驶的实现提供了强有力的支持。 专家们认为，过去几年的数据积累和技术创新为行业的快速迭代奠定了基础，使得自动驾驶的落地应用得以迅速推广。 在讨论未来市场时，专家们认为自动驾驶领域将会出现多种技术路线的共存。 王泮渠表示，尽管市场上有许多自研厂商，但第三方供应商依然有生存空间。随着市场规模的扩大，自动驾驶技术的渗透率仍在提升，为不同团队提供了发展机会。 刘煜冬则指出，未来的商业化发展会更加依赖于技术的创新和应用场景的多样化，尤其是在物流和交通运输等领域，仍然存在大量未被开发的市场机会。 ## 二、端到端革新智驾研发范式 掌握数据或掌握更多话语权 在今天下午峰会现场，主会场举行了两场论坛，分别是端到端自动驾驶创新论坛和城市NOA专题论坛。 在下午的端到端自动驾驶创新论坛上，[中科院](https://chedongxi.com/p/tag/%E4%B8%AD%E7%A7%91%E9%99%A2)自动化所副研究员张启超首先带来主题报告，从科研角度讲解监督学习范式下端到端自动驾驶的新进展及其面临的关键挑战。  ▲中科院自动化所副研究员张启超 张启超指出，2016年后端到端走向两条路，一派是去做开环的端到端，然后另一派是做Carla仿真闭环的端到端。 他坦诚说，在2023年底的时候，他个人对于端到端自动驾驶能上车并没有抱很大期待。而由于[特斯拉](https://chedongxi.com/p/tag/%E7%89%B9%E6%96%AF%E6%8B%89)一直在引领端到端的范式，再加上2024年其团队也在与一些企业的合作过程中发现，端到端在落地方面确实带来很好的上限能力。 值得注意的是，在其团队的科研实践中，张启超指出监督式端到端自动驾驶存在规模化定律，数据量的大规模增加带来了两方面的影响。 好消息是，Data Scaling带来了“组合泛化”能力，数据规模化为端到端自动驾驶提供了“组合泛化”能力，为自动驾驶安全落地提供理论支撑。 坏消息则是，闭环性能提升随着数据量的指数增加有变缓趋势。他指出，由于监督数据拖后腿，随着算力、模型增大，收益将饱和。 而对于成为业内热词的“世界模型”，张启超也给出了一些值得进一步探索的研究方向。 张启超表示，端到端从开环走到闭环，需要打造世界模型。 用途一是打造闭环测试验证世界模型，把世界模型作为一个演练场，去评估和测试当前的端到端模型能不能上车。 用途二则是打造闭环世界模型用于RL策略训练，即高保真的交互的世界模型，这也是一条不错的路径。 零一汽车智能驾驶合伙人王泮渠以《端到端+大模型: 加速新能源重卡智能化之路》为主题展开分享。  ▲零一汽车智能驾驶合伙人王泮渠 王泮渠表示，辅助驾驶已经进入量产状态，2023年，具备辅助驾驶功能的智能网联乘用车销量995.3万辆，市场渗透率达47.3%，而目前，商业车对无人驾驶的需求还更高一些。 但是王泮渠提出，目前无人驾驶没有走在软件行业的商业模型上。 王泮渠以Waymo为例，表示其复制成本高、不同场景之间壁垒高，不具备通用性和跨越性。 而当前L4算法架构的问题，有模块过多且分散、泛化性较差、研发成本巨大和大规模产品化落地困难等。 那么如何解决？王泮渠表示零一汽车选择了多模态大语言模型端到端。为什么选择端到端？因为端到端框架简易、泛化性强、成本有优势和量产友好。 关于如何保证大语言模型的安全性，王泮渠认为原理大语言模型的逻辑输出可以被追溯，在算法上可以通过多模态对齐、生成对抗式学习和强化学习三种方法。 在流程上可以通过线下大规模开环与闭环仿真验证，让模块快速进化。在系统上通过硬件与车辆冗余设计，让系统更可靠。 王泮渠最后总结道，要做量产无人驾驶大模型是最优路径，量产自动驾驶一定需要量产车，车是一个平台，可以百倍地下降自动驾驶的成本。 强泛化的算法，可量产的车辆，以及快闭环的场景是实现无人驾驶量产落地的必由之路。 以神经网络为载体的“端到端”自动驾驶规控方案，使得全栈模块具备利用数据闭环进行快速更新的能力，这为高级别自动驾驶的智能性提升提供一条全新的技术路径，昇启科技联合创始人、CTO刘敏俊登台，对其一站式端到端自动驾驶研发平台进行了深入解读。  ▲昇启科技联合创始人、CTO刘敏俊 刘敏俊表示，从2023年12月份以来，端到端已经成为行业趋势，而且在行业内端到端整体的发展方式也变成主流。 其中，国内企业动作较快，不管说是两段式的还是一段式的端到端，甚至在组织架构上面有很多的团队有做了适配和调整。 他紧接着介绍了端到端的意义，端到端带来的是研发模式的革新。 从之前的模块化到现在的端到端一体化，一方面数据驱动的模式取代了以往的人工专家规则设计的范式，让其信息传递产生的损失能够大大减少，能够保留的有效信息更高更完整。 另一方面在性能层面，端到端能够通过数据驱动的方式去突破边界，而在迭代速度和维护成本上也有一个极大的优势。 而在整个范式升级的过程中，其实核心的三要素就是数据、算法和算力。 围绕这三要素，昇启科技打造了一整套研发工具链，帮助主机厂完成端到端的模型开发。 昇启科技自主研发的千行平台，覆盖数据生成、模型训练、仿真测试以及模型部署等全栈功能，提供场景泛化、性能评估、数据挖掘、场景回放等开发工具，可实现大批量、自动化、高覆盖度的端到端自动驾驶模型训练。 目前千行平台已服务合作多家企业，帮助研发团队完成数据驱动的AI能力建设，实现自动驾驶端到端模型的落地，并在全国多个城市完成开放道路的实车测试验证。 除了端到端一体化平台的作用日益凸显外，智驾地图的重要性日渐提升，对此，朗歌科技副总经理李战斌博士则探讨了智驾地图在端到端时代的重要性，分析了其先验知识与关键模态的应用。 这场演讲主要围绕三个核心点展开：传统地图的局限性、端到端智驾地图的构建新范式，以及智驾地图的未来进化方向。  ▲朗歌科技副总经理李战斌 李战斌首先指出，传统地图在自动驾驶领域的应用存在明显的局限性。当出现错误时，如何处理这些错误的维护成本高且周期长。 此外，传统地图的建图周期较长，更新速度慢，容易导致事故隐患和通行效率降低。这些问题使得人们对地图在智驾中的作用产生了误解，认为其地位在下降。 随后李战斌提到，采用“影子模式”构建的数据闭环系统，能够有效解决传统地图的不足。这种模式不仅提高了地图的更新效率，还增强了其在复杂场景下的应用能力。同时，智驾地图作为一种先验知识和新模态，与传感器的前融合范式，是解决地图更新能力与覆盖缺失不一致的高效解决方案。 最后，李战斌指出，未来的智驾地图构建也将实现如系统一的端到端模型生成，智驾领航信息的生成也将如系统二的多模态大语言模型生成，出品质检与仿真检验也将可通过世界模型实现。 同时，智驾地图OEM图层云端编辑，将高效解决智驾cornercase，规避软件和模型训练的高成本和滞后性。 李战斌提到，地图在提供超视距感知能力方面具有独特优势，能够在传感器受限的情况下，依然保证自动驾驶的安全性和可靠性，前融合的先验模态将如同智驾大模型的提示词，向智驾大模型输入实例化的场景提示信息，实时增强模型并输出更为准确和全局最优的智驾规控信息。 总的来说，李战斌博士的演讲强调了智驾地图在自动驾驶领域的重要性，指出其在传统地图应用中的局限性，并介绍了端到端时代的新构建范式及未来发展方向。随着技术的不断进步，智驾地图将成为提升自动驾驶安全性和效率的关键要素。 ## 三、车企重仓城市NOA量产 数据算法算力是关键 本次峰会的最后一个论坛是城市NOA专题论坛，城市NOA是当前各大车企重点投入的方向。[北汽](https://chedongxi.com/p/tag/%E5%8C%97%E6%B1%BD)研究总院智能网联中心专业总师林[大洋](https://chedongxi.com/p/tag/%E5%A4%A7%E6%B4%8B)从主机厂视角，对城市NOA量产应用展开了分享。  ▲北汽研究总院智能网联中心专业总师林大洋 林大洋表示，NOA功能，尤其是城市NOA功能，能覆盖更多用户出行场景，是近期行业重点发展方向。当前，L3级自动驾驶正在推进试点准入，预计应用场景聚焦在高速&快速路的单车道通行，中长期逐步覆盖更多场景。 而“数据”、“算法”、“算力” 是驱动城市NOA的关键技术。林大洋指出，现在针对端到端方案，实现一个城市的量产需要的投入非常高。 同时他也指出，算法、算力和数据的突破将推动智能汽车由量变到质变，未来车端通用大模型将整合座舱、智驾，实现“类人” 能力。 在最后，林大洋也介绍了北汽城市NOA的量产进展。北汽智能驾驶已量产产品覆盖L2级ADAS系统到城市NOA。 为给驾驶者带来更加智能、轻松且安全的驾驶体验，北汽正加快BEV+OCC、端到端等智能驾驶核心算法的自研、建立数据闭环机制，通过构建 “数据+算法+算力” 技术生态体系，聚焦关键技术自主可控，支撑北汽高阶智能驾驶技术快速发展。 [黑芝麻智能](https://chedongxi.com/p/tag/%E9%BB%91%E8%8A%9D%E9%BA%BB%E6%99%BA%E8%83%BD)产品管理总监周勇以“NOA走向普及，智能汽车“芯”平台“芯”思考”从芯片方面对NOA进行了分享。  ▲黑芝麻智能产品管理总监周勇 周勇表示，半导体创新是每个技术变革时代的重要推动力，大模型的出现为汽车智能化带来更多发展机会，大模型的演进给智能座舱交互和高阶自动驾驶带来明确的方向和道路选择。 汽车智能化的关键是车载计算，黑芝麻智能致力于成为智能汽车计算芯片的引领者。 关于智驾技术的演进趋势，周勇表示AI算法的快速演进对芯片的算力持续突破和架构创新带来驱动力；而高算力和创新架构的车载计算SOC芯片反过来能推动汽车智能化向高阶智能驾驶和无人驾驶发展。 关于NOA功能的进一步演进和落地，周勇表示将会有两个方向，其中一种会以高速（含城区快速路）NOA普及为主，覆盖的区域主要为区域高速/城区快速路。 另一方向是城市NOA，特点是场景复杂不确定性很高，第一阶段覆盖区域为城市主干道，第二阶段覆盖城市毛细路。 除了强大的算力基础外，更优秀的感知技术运用也在当下的智驾竞赛中越来越重要，对此上海昱感微电子科技有限公司的创始人兼CEO蒋宏分享了多维像素多模态感知技术的应用与发展。  ▲上海昱感微电子科技有限公司的创始人兼CEO蒋宏 其演讲主题为“多维像素多模态雷达融合技术，构建自动驾驶超级感知能力”，重点介绍了该技术如何提升AI系统的环境与事件感知能力，从而推动AI从计算智能向感知智能，再到认知智能的演进。 蒋宏首先指出当前自动驾驶市场的快速发展，他强调，昱感微的产品定位在于为客户提供“多模态感知融合技术“的方案以及对接的多维像素融合信号处理芯片，以更快地支持客户完成智能感知的系统产品实现。 蒋宏介绍了“多维像素”的概念，指出该技术通过将不同传感器的信息映射到可见光的图像像素上，从而扩大感知的物理维度。通过时空对齐，这些传感器的信息能够有效地同可见光摄像头图像融合（完成像素级别的融合），为自动驾驶系统提供更全面的环境感知。 在技术实现方面，蒋宏展示了昱感微的原型机，强调了时空对齐在多模态感知中的重要性。通过对图像和点云数据的融合，昱感微能够实现像素级的多传感器融合感知精度，显著提升自动驾驶系统的感知能力。 此外，蒋宏提到，昱感微的技术不仅在可见光条件下表现出色，在低光和复杂环境下也能有效识别目标。例如，远红外传感器能够在各种天气条件下探测到目标（而且对人体识别场景有特别地针对性），为自动驾驶提供额外的安全保障。 蒋宏表示，昱感微的多维像素多模态感知技术通过将不同传感器的数据融合在一起，能够为自动驾驶系统提供更丰富的信息，提升其智能化水平。他表示，未来昱感微将继续推动技术的进步，以满足日益增长的智能驾驶需求。 全道科技CTO刘斌以“从1到10：新生态数据闭环重塑高阶智驾”进行了分享。  ▲全道科技CTO刘斌 刘斌表示，今天汽车行业的机会是数据驱动形成智驾技术代差，大算力与数据闭环成为胜负手。 在高级别智能驾驶方面，刘斌认为需要丰富和准确的数据才能做到车智能大于人工智能。 刘斌表示时空先验数据在人可感知数据的视距范围内可以与感知数据融合，交叉验证，提升可靠性。在车辆实时感知数据的视距范围内时空先验数据可以弥补感知，增加可用性与体验。 而时空先验数据在视距范围外可以提供超越人脑的记忆内容、范围、经验、大数据规律与临时交通或事件干预，同时提供人类世界的先验规则，提高模型的安全底线，为驾驶安全兜底。 刘斌提出，车载端到端模型是“全国都能开”的终点，却是“全国都好用���的起点。 刘斌认为，为了实现2025年NOA功能全国都好用，会分为端到端+先验数据的借助先验数据的NOA和借助VLM大模型的端到端+VLM两条线路。 ## 结语：全民智驾时代来临 回望过去一年，自动驾驶迎来商业化重要节点，端到端被确立为行业趋势，AI推动智驾体验从“可用”向“好用”的突破，2025年L2+级别自动驾驶的国内渗透率有望进一步提升，全民智驾时代已经到来。

资本生造出的“农药证新规概念”在不同层面都充斥着“以讹传讹”的误导，美邦股份“十连板”的快速诞生与更快速度消亡折射的是当下市道中涌动着的非理性力量，短暂“鸡血”过后往往留下“一地鸡毛”，让价值投资的理性与逻辑倍显孱弱。此时，对暴力炒作中玩弄的概念误读进行理性梳理，多少有些现实意义。

Raphael AI 是一款由 FLUX.1-Dev 模型驱动 AI 绘图工具，以青小蛙测试了20来张图片来看，的确无需注册、免费、即开机用。但注意这类服务属于早用早享受，晚了用不到类型，并无法确定能

全球首发英特尔酷睿Ultra 200H处理器，华硕率先开卷“PC芯片”。

不死。

 由美国派拉蒙影片公司出品的电影《刺猬索尼克3》发布“搞笑对决”正片片段。蛋头博士和爷爷杰拉德·罗博尼克利用高科技纳米武器搞笑对决，喜剧大师金·凯瑞分裂式演绎“双蛋”博士，上演自己打自己，只为给观众带来满分欢乐！电影《刺猬索尼克3》影院热映中，萌酷超英，全家开笑，寒假合家欢就看索尼克！ <内嵌内容，请前往机核查看> 在今日释出的“搞笑对决”正片片段中，蛋头博士与爷爷杰拉德·罗博尼克在万米高空的飞船中激烈对峙，蛋头博士识破了爷爷的计谋——用载有夏特混沌力量的飞船引爆地球，尽管蛋头博士曾经也是邪恶坏蛋，但他只想统治地球，而非毁灭地球，地球上的电视剧和拿铁，都是他的最爱。幡然醒悟新的他决定阻止爷爷，爷爷使用纳米武器，双手伸出一对巨钳，尾部伸出一条蝎钩，瞬间让自己变成一只人型蝎子。  蛋头博士呼叫防御，没想到只造出一段矮矮的栅栏，初次上手的蛋头出了洋相，但他迅速掌握了精髓，双手化作一对螳螂臂，背部也露出翅膀。“蝎子”和“螳螂”扭打在了一起，人和昆虫的机械结合，魔性十足，二人的脚步顿挫，既保留了人类的躯体，又模仿出了昆虫的肢体语言。值得注意的是，在《刺猬索尼克3》中，蛋头博士和爷爷杰拉德·罗博尼克均由欧美喜剧大师金·凯瑞一人饰演，这一段打斗也均由金·凯瑞分裂式地表演完成，上演了一出“自己打自己”的爆笑桥段，让人不得不赞叹金·凯瑞在喜剧方面永远不让人失望，总能带给观众更多的惊喜。  电影《刺猬索尼克3》自上映以来，收获来自粉丝及家长孩子的无数好评，影片的喜剧桥段更是被观众大力称赞，尤其是金·凯瑞饰演的“双蛋”博士让大家印象深刻，无论是“双蛋”魔性共舞的段落，还是今日发布的“搞笑对决”正片片段，金·凯瑞的表演充满着滑稽与荒诞，丰富的肢体动作与夸张的表情让不少观众赞叹“金·凯瑞的表情管理太厉害”、“63岁的他能做出常人做不到的肢体喜剧”、“许久未见这样的肢体喜剧表演，看一部少一部”……除了喜剧段落，影片的大场面也看得观众热血沸腾，“索尼克与夏特东京角逐太刺激了”、“最后的太空决战场面宏大”、“月球居然一炮就被轰炸了”……寒假已经正式开启，全家一起来电影院看《刺猬索尼克3》，新的一年一起“索”向披靡！ 电影《刺猬索尼克3》由美国派拉蒙影片公司出品，系列前两部导演杰夫·福勒回归执导，本·施瓦茨、金·凯瑞、詹姆斯·麦斯登、伊德里斯·艾尔巴等原班人马强力助阵，电影正在热映中，开年“超”喜合家欢，影院不见不散！

 任天堂官网公布了一段NS2的新视频，展示了新Joy-Con的拆装方式。从视频中可以看出，新的Joy-Con并不完全依靠磁力进行吸附，在拆除时能够看到背后的拆除按钮以及卡扣的存在。 <内嵌内容，请前往机核查看>   或许并不会出现下图的这种情况（via x KanuitiChrom ） 

等待下一次技术革命。

今年，蛇年春晚将突破地域限制，不仅有北京主会场、各地分会场，还将有数亿人一起参与的淘宝“云会场”。   记者获悉，淘宝成为2025蛇年春晚独家电商互动平台。1月17日，淘宝官宣了春节互动玩法：许心愿、领红包，瓜分25亿。21日起，全国网友打开淘宝app，搜索“淘个好彩头”就能直达活动页面。   “过年大家都喜欢的祝福是‘心想事成’。”淘宝春节项目组负责人暮珊表示，淘宝春节的许愿活动正是源自农历新年祈福的仪式感，“每天万能的淘宝都在见证无数心愿的诞生。每一次搜索、下单都是遇见心愿的瞬间。新的一年淘宝将助力更多心愿在这里实现。”      一年一度的春晚是各大平台必争之地，作为春节申遗成功后的首个春晚，此番携手国民电商平台淘宝，蛇年春晚备受期待。根据淘宝公布的活动规则，今年玩法有三个突出亮点。   一是简单直接，没有套路。相较于互联网平台日益复杂的春节营销活动，淘宝为今年蛇年春晚设计的互动玩法门槛更低、受众更广。不需要复杂的猜谜、集卡，用户只需要根据提示许下心愿，就能领取红包。   二是红包量大，奖品给力。春节期间，淘宝提供了总价值25亿元的奖池，用户最多能领1888元。除了红包，还有机会获得包括汽车、手机、演唱会门票在内的实物礼品。据了解，淘宝将在每晚八点进行心愿抽奖，在春晚现场直播中，也将大范围随机派送心愿奖品。   三是玩法新颖，互动有趣。除了默默许心愿、领红包，为了让大家在春节期间和亲朋好友增加互动，淘宝还面向所有用户上线了“送礼”新功能。消费者可以在商品页面查看是否有“送礼”选项，点击“送礼”按钮即可享优惠下单，将相关口令转发给亲友，就能送出礼物，目前支持微信、钉钉、内容平台粉丝私信、短信等多种方式。   这并不是淘宝和春晚的第一次联手。2018年除夕，淘宝和春晚一起推出“福袋红包雨”、“清空购物车”活动，掀起互联网平台争相和春晚互动的热潮。今年淘宝再度成为春晚独家电商互动平台，对双方都有重要的意义。   一方面，每一年的春晚都在推陈出新，吸引更多年轻人关注。作为国民电商平台，淘宝具有最大规模的全年龄段活跃消费人群，也是年轻人的首选购物平台。根据公开数据，淘宝活跃买家中，95后、00后占比显著提升，其中00后用户在淘宝天猫的成交额同比去年增长28.28%。今年天猫双11期间，大盘成交额中，90 后、00 后消费占比超过 50%。过去一年淘宝推出了猜题免单、线上运动会、双12挖宝等活动，深受年轻网友欢迎。   另一方面，春晚天然具有极强的带货力，“看春晚”和“淘同款”早就成为新一代消费者除夕夜的黄金搭档。春晚明星刚刚登台，淘宝上同款就被扒出来，社交媒体上相关讨论区就会成为求淘宝链接现场。去年春晚，章若楠同款粉色毛衣、马丽同款大衣短靴、朱一龙同款红西装、张天爱同款口红等相关话题，轮番登上微博热搜榜，超1000万人上淘宝搜索购买同款。   一代人有一代人的年俗，看春晚、逛淘宝已经悄然成为这届网友的新年俗。行业人士表示，这是春晚第四次牵手国民电商平台淘宝，有望进一步扩大蛇年春晚在全年龄段人群的影响力，实现在年轻人群体破圈儿。

1月17日00：46分，万科企业股份有限公司执行董事、总裁、首席执行官祝九胜更新了一条朋友圈，转发了一条万科泊寓的宣传文章，转发语为“节前出差、春节团聚节后返工、短暂过渡选商旅短租，连住更实惠”，疑似回应被带走调查传闻。 就在发出这条朋友圈的前几个小时，据经济观察网消息，祝九胜被公安机关带走调查，祝九胜的手机电话无人接听。 36氪联系万科官方人士，对方表示万科对本次事件不予置评。 被传闻影响，1月17日开盘后，万科A股价一度跌超5.8%。  祝九胜深夜发朋友圈，图源：yoyo 万科官方公布的信息显示，祝九胜1993年从中南财经大学（现中南财经政法大学）毕业；1993年至2012年在中国建设银行股份有限公司深圳市分行工作，历任福田支行副行长（主持工作）、分行信贷部总经理、公司部总经理、分行副行长等；2012年加入万科，2012年至 2015年担任公司高级副总裁，2014年至2020年3月担任万科全资附属企业深圳市万科财务顾问有限公司董事长，2016年至2018年1月担任万科联营企业深圳市鹏鼎创盈金融信息服务股份有限公司董事长兼总经理；2018年2月起任公司总裁、首席执行官，2020年7月至今任公司董事。 截至2024年二季度末，祝九胜持有万科股票195900股，持股比例为总股数的0.0016%。 2018年之后，祝九胜为郁亮之后的万科2号位，主要负责的是万科投融资、资金调配等方面的事宜。 郁亮的管理理念中，集团对整个公司的核心管控权为人事权和财权，而祝九胜就主要负责后者。 祝九胜被带走调查的传闻，恰巧发生在万科陷入舆论质疑之际。 传闻风起的一周之前，1月10日收盘时，“22万科04”当日大跌12.37%，收盘价52.5779元；“21万科06”当日大跌8.18%，有4只债券价格跌至60元以下，市场预估的万科违约风险加剧。 市场质疑的根本原因是万科将在2025年迎来偿债“高峰”。 Wind数据显示，公开市场方面，2025年万科在公开市场累计有9只境内外债券到期，总规模达215.9亿元。其中，一季度有4笔境内债券到期，合计约98.9亿元。 而万科官方财报的数据显示，除了公开市场债券，万科的整体债务压力非常大。 万科2024年三季度报告数据透露，截至2024年9月底，万科有息负债合计3276.1亿元，其中，一年内到期的有息负债金额约1166.3亿元，而公司现金流仅为797.45亿元，无法覆盖其短期债务。 多为业内人士表示，包括恒大、碧桂园、绿地在内的，曾经的头部房企接连暴雷之后，不希望万科再出现违约情况，因为地产市场从2024年10月份之后开始出现恢复迹象，这个时间节点，再爆发一次大规模的信任危机，会影响地产市场的走势。 过去一年多时间中，万科一直在努力自救，保兑付。万科积极自救的途径包括： - （1）坚持积极销售，推动销售回款； - （2）开展存量资源盘活，2023年至2024年三季度末，累计盘活和置换新项目 36 个，合计优化及新增产能 474 亿； - （3）推进大宗资产交易，2024年1-9 月实现大宗交易签约金额232.6 亿元，相关交易项目41 个项目； - （4）拓展资产退出渠道，通过REIT基金等方式盘活经营性项目资金。 此外，借助于多方力量，万科还在通过银行信贷等途径密集融资，2024年1-9 月合并报表新增融资与再融资774 亿元。 万科的走向，是地产行业2025年最值得关注的一件事。 按照黄奇帆最新公开演讲中的判断，2025年中国房地产止跌回稳，此后进入新阶段。 而这一年，正是地产企业弃旧向新的关键期，没有人想倒在趋势转折之前。

  每个人童年记忆里都有自己的超级英雄，如果把兄弟姐妹心中的最强战力拉出来PK，到底哪个“真神”能更胜一筹？后羿vs财神爷、高达大战克苏鲁……这个春节，各大门派欢聚一堂，在《全面憨憨战争模拟器》中一战到底！ <内嵌内容，请前往机核查看> 欢乐沙雕的“赛博斗蛐蛐”游戏TABS《全面憨憨战争模拟器》，今日在TapTap和苹果商店正式上线手游版。游戏为买断制收费，原价18元，首发前两周限时优惠价12元。 《全面憨憨战争模拟器》手游是基于Steam上好评如潮的原版游戏TABS《全面战争模拟器》进行原汁原味的移植，由开发商Landfall官方授权心动代理。  作为TABS的官方正版手游，首发正式版将带来原版游戏所有地图关卡和兵种派系，以及海量可解锁的隐藏彩蛋，一次付费便可买断全部体验！  # 乱成一锅粥，那就趁热喝了吧 游戏内置强大自定义功能，你梦想中的对决这里都有，但所有事件可未必会按大家预想的方向去走…… 在《全面憨憨战争模拟器》里，欢乐无厘头的氛围始终在线，在各种一镜到底和夸张慢速镜头中，人们忘记了紧张的战场胜负，即使遇到再离谱的阵容，也只会留下流泪与肚子疼等爆笑导致的副作用。 抽象永远是TABS的底色，就好像诸葛亮再度出征草船借箭，但这船是海盗船，借的箭还是爆炸箭……  土生土长的草原牛马突然变身恐怖直立猿，二话不说就跳脸行走的沙漠仙人掌，画风堪比荒木脑子里的奇妙冒险……  美国西部黑水镇上演牛仔决斗桥段，给亚瑟·摩根机会，可以让他暴虐迈卡·贝尔一万遍……  没什么是一场PK解决不了的，如果有，那就再开一局！ # 脑洞无极限，英雄随便捏 无需费力操作，只要脑洞够大，大家便可捏出独属于自己的超级英雄。从仙人掌兽到一拳超人，在这样一款无所不能，欢乐满满的战争模拟器里，只有你想不到，没有它做不到。  你可以在游戏里上演一场《行尸走肉》式的僵尸大逃杀。  也可以搞一场憨憨萌萌的花园战争。  或是用最新加入的“霓虹”系列装备与技能，随随便便就打出《星球大战》的大片既视感。 除此以外，《全面憨憨战争模拟器》还将一批PC版本玩家社区中的热门mod移植进了手机版，未来也将持续对社区模组进行更新，让玩家持续畅享游戏中海量的欢乐玩法与新鲜内容。 # 随时随地，导演一场憨憨乱战 与原版TABS对比，《全面憨憨战争模拟器》针对手游玩家习惯，重新设计了手游的操作UI，尽可能减少了按键对游戏画面的遮挡，呈现精彩的战斗演出效果。  玩家可以在界面一键收放兵，”沙雕”之路纵享丝滑；还能在游戏中自由调整镜头的同时，进入时停和“子弹时间”，尽情捕捉憨憨战斗细节；通过一键隐藏UI，手机可以随时录屏，在战场上三百六十度“开始你的表演”。只要脑洞够大，整个战场都是你的舞台！ 除此以外，手游版还加入了让战争更为热闹的双人联机功能，让大家可以趁着春节跟朋友尽情战到宇宙边荒大道磨灭。在这个假期，就让我们一起成为对着屏幕尽兴傻笑的快乐憨憨吧。  真实物理引擎战争模拟游戏《全面憨憨战争模拟器》，今日在TapTap和苹果商店正式上线手机版。游戏原价18元，首发前两周限时优惠价12元，感兴趣的朋友们可以前往购买体验！ [<TapTap安卓商店入口>](https://www.taptap.cn/app/229435) [<iOS商店入口>](https://apps.apple.com/cn/app/%E5%85%A8%E9%9D%A2%E6%86%A8%E6%86%A8%E6%88%98%E4%BA%89%E6%A8%A1%E6%8B%9F%E5%99%A8/id6443786927)

大模型没有长期主义，零一万物当下的处境，几乎可以说是“六小虎”的一个缩影。李开复那句“这就是一个难解的局，To B、To C、国内、国外，都不容易做”，似乎是当下国产AI初创的写照。

  自2023年底在Steam正式上线以来，半瓶醋工作室的像素版开放世界武侠RPG游戏《大侠立志传：碧血丹心》，在玩家间依然保持着特别好评的评价。  在过去一年多时间里，半瓶醋工作室持续打磨《大侠立志传：碧血丹心》的侠义江湖。超长售后到2025年还在延续：今天，免费资料片“祸起蓬莱”正式上线。  除新成就、新武学及物品道具以外，此次更新还包含一条拥有完整真结局的故事线，牵涉到100多个游戏事件以及30余名角色错综复杂的江湖恩怨。 #### 江湖的故事永远不会终结 在《大侠立志传：碧血丹心》中，玩家会扮演一名初出茅庐的市井小人物在江湖上自由行走，结交千姿百态的鲜活角色，历经跌宕起伏的奇遇与冒险。通过修习各门各派的武功绝学，走出一条独属自己的大侠之路。 可成为大侠并不是武侠故事的终点，在“祸起蓬莱”更新中，原本风平浪静的江湖上波涛再起。  尽管自铲除九流门之后，天下局势已趋于安定，但三年一度的论剑大会举办在即，其背后隐藏着埋没了十余年的恩怨纠葛，并将玩家引领到了位于东海仙岛蓬莱，行事向来神秘莫测的蓬莱派中。 #### 武侠的恩怨情仇流传四海 作为渤海三神山之一，蓬莱仙岛自古便被视为“求仙访药”的修行之所。八仙在蓬莱阁醉酒后留有“八仙过海”的神话传说，《山海经·海内北经》里老早就记载有“蓬莱山在海中”，黄金、白银为宫阙，珠轩之树皆丛生。 “祸起蓬莱”的故事里，隐居在蓬莱仙岛上的蓬莱派，原本自守卫楚襄之后便长久不在江湖上走动。近日，这远隔海外的门派突然打算退出武林，破天荒地邀请各大门派掌门与武林侠士到岛上赴宴，还准备将门派中的珍宝武学遣赠给有德之人。  “关门大酬宾，要啥都白送”，江湖人士听闻此事都蜂拥上岛。可事出突然必有妖，故事若真这么简单，江湖险恶岂不是成了一纸空谈？所有隐秘内情，还需要玩家们在“祸起蓬莱”的故事里慢慢解开。 究竟五湖四海的大侠们将会续写出自己怎样的传奇人生？就让我们共同期待。

漏洞的性质、严重程度和数量发生了显著变化。

美联储理事沃勒表示，如果通胀数据“配合”，美联储可能会比预期更早、更快地降息。

<blockquote><p>在当今数字化时代，企业架构（EA）和领域驱动设计（DDD）成为了构建高效、灵活且可扩展软件系统的关键方法论。本文将深入探讨企业架构TOGAF框架与DDD的融合之道，分析如何通过这种结合实现从业务战略到技术实现的无缝对接。</p> </blockquote>  今天聊聊企业架构与DDD如何进行融合。 ## 一、企业架构TOGAF ### 什么是企业架构TOGAF？ TOGAF（The Open Group Architecture Framework）是一个广泛采用的企业架构（Enterprise Architecture, EA）框架，由开放组（The Open Group）开发和维护。 它为组织设计、规划、实施和治理企业信息架构提供了系统化的方法和工具。TOGAF旨在帮助企业通过高效的架构管理，实现业务目标、优化资源利用和增强灵活性。 ### TOGAF发展历程  如图展示了从1970年代至2012，企业架构框架和相关标准的演进历程，其中包括： - C4ISR (Command, Control, Communications, Computers, Intelligence, Surveillance and Reconnaissance) - TAFIM (Technical Architecture Framework for Information Management) - Zachman Framework - TOGAF (The Open Group Architecture Framework) - FEAF (Federal Enterprise Architecture Framework) - DoDAF (Department of Defense Architecture Framework)以及ArchiMate 在此历程中，美国各组织和政府部门陆续制定并优化了各自的企业架构方法论和标准，携手推动了企业架构领域的蓬勃发展。 1970年启动的C4ISR计划为军事和政府架构提供了架构理论基础。 1986年开始研发的TAFIM和1987年提出的Zachman框架，标志着企业架构实践开始走向系统化。 1993年，The Open Group成立并着手制定系统标准，随后在1995年发布TOGAF 1.0，为商业领域提供了通用的企业架构开发框架。 1996年，美国联邦政府颁布了里程碑式的克林格·科恩法案，要求政府机构（特别是国防部和财政部）采用企业架构理论构建IT系统。这项法案为政府机构的数字化转型注入强劲动力，显著提升了其信息化水平。 1997年，C4ISR升级为AF 2.0版本。1999年，联邦企业架构FEAF问世，为政府跨部门整合提供了方法论支持。 进入2000年，TOGAF相继发布7.0版本（2001年）和8.0版本（2002年），持续完善其架构开发方法。同期，政府部门推出DoDAF（2003年发布1.0版）和FEA相关方法（2002年起持续更新），两者形成了良性互动。 2006至2008年间，FEA-PMO陆续发布FTF、EAAF3.0等成果，DoDAF也更新至1.5版。 2009年，The Open Group发布TOGAF 9，为企业架构领域带来更系统、更灵活的方法体系。同期，DoDAF在2010年更新至2.02版。 2011年，TOGAF 9.1的发布进一步优化了框架内容，使架构师能更顺畅地应用这一方法论。 为满足日益增长的架构可视化和建模需求，The Open Group于2008年接管ArchiMate的研发工作，并在2012年发布ArchiMate 2.0，为企业架构的表达和沟通提供了统一的建模语言。 在2022年，TOGAF正式发布了10版本，这是一次重大更新。TOGAF 10在保持核心框架稳定的同时，增强了灵活性和适应性，更好地支持数字化转型和敏捷开发等现代企业需求。 TOGAF通过吸收政府机构在企业架构实践中积累的丰富经验，不断完善和沉淀，最终发展成为一套通用且系统化的企业架构方法论。 这套方法论不仅适用于政府机构，还能广泛应用于各类企业和组织。目前，福布斯前50强企业中有80%采用TOGAF理论，美国500强企业中有60%使用这一方法论来优化和改进其IT架构。 这些数据有力地证明了TOGAF在企业架构领域的权威性和实用价值，同时也凸显了企业架构理论在现代组织管理和IT治理中的重要地位。 在TOGAF理论中，有四种核心视图：业务架构、应用架构、数据架构和技术架构。 这四个架构视图构成了企业整体架构的核心。虽然各视图关注点不同，但它们相互联系、相互支撑，共同构建了完整的企业架构体系。如图2-3所示。  ### 业务架构 业务架构定义了企业如何将其业务战略转化为结构化的、全面的、多维度的抽象模型。这些模型包括价值流、业务能力、业务流程、业务对象和组织架构，同时描述了它们与企业战略、产品、策略、项目执行以及利益相关者之间的关系。 ### 应用架构 应用架构描述了企业内应用系统的结构、行为和相互关系，以及这些系统如何支持业务流程。它既关注单个应用的架构设计，也注重应用系统间的协作方式，确保所有系统能够协同运作，有效支撑企业目标。 ### 数据架构 数据架构明确定义企业的数据管理方式，包括数据的收集、存储、管理和使用。它包括数据模型设计、数据库技术选型，以及数据治理机制的建立与实施。 ### 技术架构 技术架构描述了支撑企业业务、数据和应用服务所需的IT基础设施和技术组件结构，包括硬件设施、软件包、网络系统、技术中间件、通信设备和计算资源等。 ## 二、企业架构与DDD融合 在前文中，我们已经了解了TOGAF企业架构的四大视图，它们共同构成了一个完整的企业架构框架。 接下来，我们将深入探讨领域驱动设计（DDD）这一重要方法论，以及它如何与企业架构协同工作来解决复杂的业务问题。 通过了解DDD的核心概念和应用方式，我们将看到它如何帮助组织更有效地实现从业务战略到技术实现的转化。 ### 1. DDD是什么 大多数人初次接触领域驱动设计（DDD）时，通常会阅读Eric Evans的《领域驱动设计》。这本书被誉为DDD的”圣经”，但许多读者看完后往往感到困惑，觉得内容深奥难懂。 DDD旨在实现软件系统与业务的紧密对接，提高开发效率和质量，同时更好地应对复杂性和变化。它将业务置于核心地位，通过深入把握领域知识并建立有效的领域模型，来指导软件设计和开发过程。 具体而言，DDD的核心理论包括： - 分治思想：DDD应对复杂性的核心理念是”分而治之”。它将复杂的业务领域划分为较小的子域，并在每个子域中明确上下文边界和核心实体等要素。通过这种系统化的分解、分类和推导过程，最终形成最优解决方案。 - 领域建模：DDD的核心在于将业务流程抽象化，通过定义领域实体、领域服务和领域事件等要素来满足业务需求。作为贯穿整个软件生命周期的方法论，领域模型让开发人员、产品经理和架构师能够基于统一的模型进行设计和讨论，确保项目始终保持正确方向。 - 架构分层：DDD采用清晰的分层架构，将应用程序分为用户接口层、应用层、领域层和基础设施层四个主要层次。每一层都具有明确的职责和功能定位。这种分层架构使业务领域的结构更加清晰、有序。 - 事件驱动：领域事件是一种跨领域的交互机制，负责在不同模块之间传递信息。通过事件的发布与订阅机制，不仅使领域模型更加简洁，还实现了系统间的低耦合。 ### 2. DDD与架构视图 在4大架构视图（业务架构、应用架构、数据架构、技术架构）和DDD的落地过程中，存在2个问题： - 1. 在业务领域划分环节，DDD 未提供明确的领域划分指导，如何进行合理的领域划分？ - 2. 如何基于业务架构合理划分应用系统结构和抽象数据模型？ 业务架构与DDD方法论的融合能有效解决这两个问题。  端到端的业务流程包含多个业务场景，每个场景都需要依赖不同的业务能力。通过对业务能力进行分层抽象，我们可以识别出各个层次的业务能力，这为领域和子域的划分提供了重要依据。 在应用架构设计阶段，需要对应用系统结构进行划分。应用是一个可独立发布和部署的单元，可提供一个或多个应用服务。在这一过程中，DDD中的限界上下文为划分应用结构提供了有效依据： - 当业务复杂度高、用户规模大且团队规模大时，应用系统需要拆分为微服务，以实现独立部署和维护。这种情况下，通常一个限界上下文对应一个微服务。 - 相比之下，当应用系统面向企业内部用户时，由于用户规模较小，通常不需要分布式架构。这类应用宜采用较大颗粒度划分，将多个相关的限界上下文整合在一个应用中，以减少系统调用并降低部署复杂性。 在数据模型设计过程中，DDD的核心概念为数据建模提供了重要指导： - 聚合根定义了数据访问的边界，作为一组相关对象的统一入口。 - 领域实体是具有唯一标识的业务对象，体现了核心业务概念。 - 值对象则是通过其属性来定义的对象，它不需要概念上的唯一标识。 这些模型元素共同构成了一个丰富的业务概念框架，指导数据模型的设计，确保数据模型能准确反映业务领域的复杂性和内在逻辑。通过将这些概念应用到数据建模中，我们可以创建出更贴合业务需求、结构清晰、易于维护的数据模型。 ### 3. DDD带来的价值 DDD为企业带来多方面价值，包括提升团队协作效率、沉淀业务能力和优化技术实现。让我们从以下关键方面深入了解DDD在实践中的具体价值与优势： **1、统一语言** 业务、产品、设计和技术团队使用统一的业务术语进行沟通。无论是日常交流、设计讨论、文档编写、图表绘制还是代码开发，都采用同一套标准化语言，大幅提升了工作效率。 **2、团队协作高效** 通过系统化地识别和分类需求，将其划分为清晰的领域、子域和限界上下文，能有效指导团队分工协作，避免职责混乱。这种划分可以防止任务错配，例如将原本属于技术团队A的任务，错误分配给团队B。也能避免两个团队重复开发同一功能，造成资源浪费。 **3、领域能力沉淀** 业务能力的可复用性是衡量软件架构设计质量的关键指标。通过建立业务知识与模型之间的统一映射关系，并持续验证和优化这些模型，我们能确保它们准确反映当前业务状况。这种方式让业务知识能够通过模型得到有效传承，让团队新成员能够准确理解业务逻辑。 **4、业务与技术有效融合** 传统开发方式过分注重数据库表结构设计，却忽略了业务模型。DDD则采用相反的策略——先抽象业务领域模型，再据此设计数据库结构。这种方法让业务与技术真正融合，克服了传统开发中只关注数据层和接口层的局限性。 ### 4. DDD的缺点 尽管DDD在构建复杂软件模型方面具有显著优势，但这套方法论也存在一些明显的局限性。 **1.学习曲线陡峭** DDD包含了限界上下文、实体、值对象、聚合和领域事件等一系列复杂概念和实践。掌握这些概念需要投入大量时间和精力，对初学者或习惯简单开发模式的团队来说尤其具有挑战性。 **2.过度设计的风险** 团队在运用DDD概念时，容易陷入过度设计的陷阱。为了完美实现领域模型，可能会构建过于复杂的层次结构和关系，导致”充血模型”泛滥，甚至演变成”高血压模型”。这不仅增加了项目的复杂度，还会显著提高开发和维护成本。 **3.实施成本和时间** DDD的正确实施需要投入大量时间和资源进行领域建模，同时要求与业务方保持密切沟通。这种特性在项目初期可能会放慢开发进度，特别是对需要快速交付的短期项目来说，会带来较大压力。 **4.不适用于所有项目** DDD主要适用于业务逻辑复杂、需要长期发展和维护的大型软件项目。对于业务简单或生命周期较短的项目，使用DDD反而会带来不必要的复杂性和额外投入，因此并不适合。 ### 5. DDD的核心概念 为DDD的完整设计流程，DDD的核心理念由两个关键部分构成：战略设计和战术设计。 战略设计专注于宏观层面的领域分析和边界划分，而战术设计则着重于微观层面的领域模型实现。  **领域和子域** 领域指的是特定的业务范围或问题域。在运用DDD解决业务问题时，会将业务领域细分，并将问题限定在特定边界内。在这个边界内，DDD建立领域模型，并通过代码实现这些模型来解决相应的业务问题。这种方法的核心思想是”分而治之”。 领域可以进一步划分为子域，每个子域对应一个更小的问题域或业务范围。DDD本质上是一种处理复杂领域的设计方法，它通过持续细分将复杂的业务简化，使其更易理解和实现。 这种方法类似于公司的组织结构。以一家互联网创业公司为例，它包含产品研发部、市场营销部、客户服务部等部门。领域就像公司的一个大部门，比如产品研发部，负责产品的设计与研发，主导公司的产品方向和策略。 子域则类似于大部门下的小团队。例如，产品研发部门下设有产品团队、前端团队、后端团队和测试团队。每个子域团队专注于具体职能任务，共同支撑上级部门的目标。这种分层确保每个部门、团队和小组都有明确的职责，让公司运作更加有序高效。 同理，在DDD中，通过划分领域和子域，软件研发团队能更好地理解和处理复杂的业务需求。各个层级虽关注不同细节，但通过协作完成整个系统的开发。 **核心域、通用域和支撑域** 在领域划分过程中，子域可根据其重要性和功能属性分为核心域、通用域和支撑域。 核心域决定产品和公司的核心竞争力，通用域是多个子域共用的功能域，支撑域则负责支持业务运转，但既不直接影响核心竞争力，也不包含通用功能。 划分这三类域的主要目标是聚焦关键事项。通过这种划分，公司能够清晰区分不同子域的重要性，从而更有效地分配资源和关注度，在激烈的市场竞争中保持优势。 以电商领域为例，主要子域包括商品、订单、用户、支付、物流、客服和数据分析。 在电商领域中，核心域直接关系到业务的核心价值和主要收入，主要包括： - 商品子域：负责管理商品信息，包括展示、分类、搜索和推荐等功能，构成电商平台的基础。 - 订单子域：负责订单的创建、修改、查询和状态管理等，是交易流程的关键环节。 - 支付子域：负责支付交易处理，包括支付方式管理、状态跟踪和渠道对接等，是完成交易的核心环节。 - 物流子域：负责商品配送管理，包括物流公司对接和配送状态跟踪等，确保商品准确送达消费者。 - 客服子域：提供客户支持服务，包括咨询和投诉处理等，解决用户使用过程中的问题。 通用域支持多个业务领域的运作： - 用户子域：负责用户信息管理，包括注册、登录和资料编辑等。虽然用户管理在多个系统中都很重要，但在电商系统中主要是支持核心业务流程。 支撑域为核心域提供支持，主要涉及决策分析支撑： - 数据分析子域：负责业务数据分析，包括用户行为和销售数据分析等，为决策制定和业务优化提供支持。 **限界上下文** 在DDD中，限界上下文（Bounded Context）是对一个特定业务边界内的概念和规则进行统一管理的范围。它将领域模型的适用范围、业务语言以及规则约束都界定在一个相对独立的“上下文”中，以避免概念在不同业务场景间的混用或冲突。 在一个复杂系统里，不同业务子域可能对同一个名词或实体有各自的含义和处理逻辑。若不加区分，容易出现命名混乱、逻辑冲突等问题。通过划分限界上下文，可以让团队在各自的上下文内部使用统一的“业务语言”，保持模型的一致性与完整性。 在限界上下文之间，通常还需要定义清晰的协作关系和数据交换方式。例如通过上下文映射（Context Map）来确定上下文之间的接口、依赖以及团队之间的协同策略。这样可以最大程度减少跨上下文沟通带来的复杂度，也让每个上下文能独立演进。 例如在电商平台中，“订单”一词在“支付”上下文和“仓储”上下文可能包含不同的信息和规则。支付上下文关注付款状态、交易金额等，仓储上下文关注库存、物流等。把它们划分到不同的限界上下文，可以让每个上下文的“订单”实体都针对自己需要的领域规则进行优化，避免混淆。 **实体** 实体是具有唯一标识的对象。即使实体的其他属性发生变化，只要其标识（如ID）保持不变，它就仍被视为同一个实体。实体在系统中代表持续存在的业务对象。实体具有以下关键特征： - 标识性：每个实体都有唯一标识，通常通过ID或编码实现。 - 连续性：实体在其生命周期内可能经历多种状态变化，但标识始终保持不变。 - 区分性：即使两个实体的所有非标识属性完全相同，只要标识不同，它们就是不同的实体。 以电商平台的订单系统为例，每个订单实体都有唯一的订单号。即使订单的属性（如商品、数量）或状态（如已付款、已发货）发生变化，只要订单号相同，它就仍然是同一个订单。 **值对象** 值对象是描述事物状态或属性的对象，它没有唯一标识，且通常不可变。值对象用于表示对象的某个特征，无需独立身份，仅为更完整地描述实体。值对象的关键特征包括： - 无标识：值对象没有唯一标识。它们通过属性值定义，通常作为实体的一部分存在。 - 不可变性：一旦创建，值对象的属性就不应被修改。若需改变，应创建新的值对象。 - 替换性：由于没有唯一标识，值对象可被具有相同属性的另一个值对象完全替代。 举例来说，订单中的收货地址（包含省、市、街道和邮编）是值对象，因为它没有独立标识，仅描述了一个地理位置。 同样，订单的支付金额（包括数字和货币单位）也是值对象，因为它只描述了价值的数量，本身不需要独立存在。 **聚合与聚合根** 在DDD中，聚合是一个核心概念，它帮助开发者管理复杂度，尤其是在处理大量相关对象时。聚合由紧密关联的实体和值对象组成，是修改和保存数据的基本单位。每个聚合都有一个仓库，用于保存其数据。 聚合包含一个聚合根和上下文边界。边界根据业务需求和内聚原则，定义了聚合应包含的实体和值对象。聚合之间保持松耦合，这种设计自然地实现了微服务的高内聚、低耦合特性。 在DDD分层架构中，聚合是领域层的一部分。领域层可包含多个聚合，共同实现核心业务逻辑。实体在聚合内采用充血模型实现业务能力，确保业务逻辑的高内聚。 跨多个实体的业务逻辑通过领域服务实现，而跨多个聚合的业务逻辑则通过应用服务来实现。 聚合根可以类比为部门负责人，既是实体，也是聚合”部门”的管理者。作为实体，它拥有自身的属性和业务行为，执行特定的业务逻辑。作为管理者，它在聚合内部会协调实体和值对象，完成业务逻辑。 而在聚合间的协作中，聚合根充当对外接口人。它通过自身ID关联其他聚合，接收外部请求。访问聚合内其他实体时，必须先经过聚合根，再导航至内部实体，外部对象无法直接访问聚合内的实体。 **领域服务** 领域服务用于处理实体、值对象或聚合无法独立完成的业务逻辑。它专门封装跨实体或跨聚合的复杂逻辑。领域服务仅包含纯业务逻辑，不直接涉及数据库操作、消息队列等具体技术实现。 需要将领域服务与应用服务区分开来。应用服务位于应用层，主要负责调用外部系统和协调多个领域对象的流程。而领域服务则专注于领域内部的业务规则计算。领域服务具有以下特征： - 跨聚合或跨实体逻辑：当业务逻辑需要使用多个聚合的数据或操作，适合将其放在独立的领域服务中。 - 聚焦业务逻辑：理想情况下，领域服务应只依赖领域模型中的接口或抽象模型，而不关注具体的数据库、网络调用等基础设施细节。这样可以保持领域逻辑的纯净性和可测试性。 **领域事件** 在DDD中，领域事件（Domain Event）是一个核心概念。它表示业务领域中发生的重要事件，这些事件由具体业务行为触发，例如用户注册、订单生成或支付完成。领域事件反映了业务流程中的关键状态变更，对流程的进展具有重大影响。 领域事件在软件开发中发挥着关键作用，其重要性主要体现在以下几个方面： **1）微服务解耦** 领域事件是微服务架构中实现服务解耦的有效工具。通过将直接调用转换为异步消息传递，它降低了服务间的紧密依赖，提高了系统的灵活性和可维护性。 **2）数据一致性保障** 在分布式系统中，数据一致性维护是一项重大挑战。领域事件通过记录业务操作，使系统即使在发生故障时也能通过重放事件来恢复状态，从而增强了系统的容错能力。 **3）系统可追溯性** 领域事件为系统提供了完整的历史变更记录。通过存储和追踪这些事件，我们能够清晰地了解系统状态的演变过程，这对故障排查、系统优化和业务分析都具有重要价值。 **4）促进业务理解** 作为领域模型的重要组成部分，领域事件反映了业务领域中的关键变化。通过识别和捕获这些事件，开发者能够更深入地理解业务规则和逻辑，同时加强研发人员与业务人员之间的有效沟通与协作。 ### 6. DDD分层架构 DDD分层架构是对传统三层架构的优化升级，形成了四层结构。如图2-6所示，这四层从上到下分别是：用户接口层、应用层、领域层和基础设施层。  **1、用户接口层** 负责管理系统与用户的交互。它接收用户输入（如表单数据或操作），并将应用层的处理结果通过Web页面或移动应用界面呈现给用户。 **2、应用层** 应用层处理业务用例和流程相关的操作，理论上不应包含业务规则或逻辑。它位于领域层之上，负责协调多个聚合的服务和领域对象，完成服务的编排与组合。 应用层需保持简洁，开发时应避免在此放置领域层的业务逻辑。若应用层过于复杂，可能导致领域模型失焦，使微服务退化为传统三层架构，致使业务逻辑混乱。 **3、领域层** 领域层是系统的核心，负责封装业务概念、逻辑和规则。它执行核心业务逻辑，并通过各种校验确保业务的准确性。领域层包含聚合根、实体、值对象和领域服务等领域模型对象。 **4、基础设施层** 基础设施层为其他层提供技术支持和基础服务，包括数据库、文件系统、消息中间件和缓存等。 本文由人人都是产品经理作者【汤师爷】，微信公众号：【架构师汤师爷】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>AI换衣技术的兴起为电商和娱乐行业带来了新的活力，但在这股热潮背后，却隐藏着一些不为人知的秘密。本文将深入剖析AI换衣大模型的现状，揭示其中的套壳现象和隐私侵犯、色情敲诈等乱象。</p> </blockquote>  最近，AI 换衣着实火出圈了！不管是在电商平台上，想网购衣服时，通过 AI 就能让自己或虚拟模特快速试穿各种款式，轻松解决 “这件衣服到底适不适合我” 的纠结；还是在日常娱乐里，大家把自己的照片上传到换衣 AI 大模型中，瞬间就能变身时尚达人，体验各种风格穿搭，甚至还能搞怪一把，让自己穿上奇装异服，这些都让 AI 换衣成为了热门话题。 走在时尚前沿的弄潮儿们，早已按捺不住对新鲜事物的热情，纷纷投身这场 AI 换衣的狂欢。在社交媒体上，到处都是大家分享自己 AI 换衣后的惊艳照片或搞笑视频，点赞、评论、转发量直线飙升。这股热潮，就像一阵旋风，迅速席卷了各个年龄层和社会群体。 电商行业更是敏锐地捕捉到了这一商机，众多平台纷纷推出自家的 AI 换衣功能，以此吸引消费者的目光。在这个快节奏的时代，谁能为消费者提供更便捷、有趣的购物体验，谁就能在激烈的市场竞争中抢占先机。AI 换衣功能的出现，无疑为电商行业注入了一剂强心针。 然而，在这看似一片繁荣的景象背后，是否隐藏着一些不为人知的秘密呢？今天，作为一个热衷于技术探索的博主，我决定深入扒一扒这些换衣 AI 大模型，看看它们究竟是货真价实的创新，还是徒有其表的 “伪装者”。 ## 一、AI 换衣大模型的 “闪亮登场” 在这股 AI 换衣热潮中，几款备受瞩目的大模型迅速崭露头角，成为了大众关注的焦点。  就拿可图大模型来说，自其宣布开源后，可谓是赚足了眼球。 在 2024 WAIC 上海人工智能大会上，它的 AI 试衣功能首次亮相，便惊艳全场。这一功能基于可图基座模型，巧妙地引入了衣服 SKU 保持网络，就像一位技艺精湛的裁缝，能够精准地提取和表征服饰的细节特征。无论衣服上的图案多么复杂，文字花纹多么精致，它都能完美呈现。同时，通过引入人物 pose 姿势和 Mask 掩码图像作为条件特征，它实现了人物姿势保持的换衣效果。 想象一下，你上传一张自己运动时的照片，无论你是在奔跑、跳跃还是伸展，换上新衣服后，姿势依然自然流畅，仿佛这件衣服就是你当时所穿。而且，它还复用了可图背景修复技术，经过大量高质量人物衣服 pair 对大数据的训练，在不同衣服款式、人物姿势以及复杂背景条件下，都能生成自然美观的试穿效果。不仅如此，可图大模型还支持跨越不同年龄、性别、种族的人物模特及背景生成，满足了商家多样化的模特需求。再结合可灵图生视频能力，它能生成运动连贯的 AI 试衣短视频，让用户全方位、动态地感受试穿效果。  谷歌的 TryOnDiffusion 模型也毫不逊色。它成功解决了 AI 换装领域长期以来的两大难题 —— 既保留衣服细节，又能随意变换姿势。 以往的一些模型，在这两个方面总是难以两全。而 TryOnDiffusion 通过提出一种基于扩散的框架，将两个 Parallel – Unet 统一起来，就像搭建了一座桥梁，让衣服细节和姿势变换能够和谐共处。 在这个模型中，不需要使用文字，而是通过一组成对的图片（一张是衣服或穿着衣服的模特，另一张是模特），每张图片被发送到自己的神经网络（U – net），并通过 “交叉注意力” 的过程相互共享信息，最终输出新的穿着这件衣服的模特的逼真图像。 在实际效果中，衣服在人物身上的变形极其自然，衣服的褶皱、垂坠等细节都还原得十分到位，仿佛这件衣服就是量身定制的一样。  还有一些电商平台自研的 AI 换衣模型，它们紧密贴合电商购物场景。以银泰百货的喵街 “AI 试衣间” 为例，用户可以在喵街小程序中，用 AI 生成以本人为蓝本的数字人去试穿全品类衣物。这些数字人既真实又美观，区别于传统的卡通形象换衣 app。而且，这里的衣服都以银泰百货线下售卖的服饰为基础，材质、褶皱等细节一目了然，非常逼真。用户不仅可以随心搭配，还能与 AI 搭配师互动，获取专业的穿搭建议。此外，还能参与穿搭 PK，增添了不少购物的趣味性。在这个过程中，用户仿佛置身于一个虚拟的时尚秀场，尽情享受着换装的乐趣。 这些主流的换衣 AI 大模型，凭借各自独特的功能特点，在电商购物、短视频创作等多个应用场景中发挥着重要作用。在电商领域，它们为消费者提供了更加直观、便捷的购物体验。消费者无需再为 “这件衣服穿在我身上好不好看” 而烦恼，只需上传照片，就能快速看到试穿效果，大大提高了购物决策的效率，同时也降低了商家的退货成本。在短视频创作方面，创作者们利用这些模型的 “变装” 特效，制作出了各种新颖有趣的内容，如明星同款穿搭展示、卡点变装视频等，吸引了大量用户的关注和点赞，为短视频平台增添了新的活力。 ## 二、扒皮行动：疑似套壳现象曝光  ### 技术相似性剖析 在深入研究这些换衣 AI 大模型的过程中，我发现部分模型存在一些令人疑惑的现象，疑似存在套壳行为。从技术层面来看，一些换衣 AI 大模型在代码结构上与已知的开源模型有着极高的相似度。就好比搭建房子，开源模型是按照某种特定的设计蓝图构建的，而这些被质疑的模型，其内部的 “房间布局”“支撑结构” 等代码层面的架构，几乎与开源模型如出一辙。这可不是简单的巧合就能解释得通的。 算法逻辑上，它们也表现出了惊人的相似性。以图像特征提取和融合这一关键环节为例，开源模型采用了一种独特的算法，能够精准地捕捉人物和衣服的特征，并将它们巧妙地融合在一起，实现自然的换衣效果。而某些被怀疑套壳的模型，在处理这一过程时，不仅使用的算法原理相同，连参数设置都相差无几。这就好像两个厨师做同一道菜，从食材的选择、处理方式，到烹饪的火候、调料的用量，都一模一样，很难不让人怀疑其中一个厨师是不是直接照搬了另一个厨师的菜谱。 模型架构方面，一些模型的整体框架与已有的成熟模型极为相似。比如，在神经网络的层次结构、各层之间的连接方式以及数据的流向等方面，几乎没有明显的差异。这种相似性不仅仅是表面上的，深入到模型的内部细节，也能发现诸多雷同之处。这就如同建造桥梁，不同的工程师可能会根据实际需求和设计理念，采用不同的桥梁结构，但如果两座桥梁在结构、材料、施工工艺等方面都高度相似，那就不得不让人怀疑其中一座桥梁是否是模仿另一座建造的。 ### 案例深度解读 为了更直观地说明问题，我们以具体的某几款被质疑套壳的换衣 AI 大模型为例进行深入分析。就说之前在网上引发热议的 A 模型吧，它在推出后，凭借着宣传中的一些亮点功能，吸引了不少用户的关注。然而，当技术人员对其进行拆解分析后，发现它的核心代码与一款开源的 B 模型相似度极高。从函数的命名规则、代码的注释风格，到关键算法的实现细节，都能找到明显的对应关系。 进一步研究发现，A 模型在功能实现上，几乎完全依赖于 B 模型的开源代码。在遇到一些复杂的换衣场景时，A 模型所表现出的处理能力和 B 模型如出一辙，甚至在一些特定情况下出现的错误和缺陷都相同。这就好比一个人穿着别人的衣服，还试图伪装成自己的风格，但举手投足间却暴露了真实身份。 这种套壳行为对行业创新产生了极其不良的影响。它严重打击了原创研发团队的积极性。那些投入大量时间、精力和资金进行研发的团队，本期望通过创新为行业带来新的突破和发展，却发现自己的成果被他人轻易抄袭、套壳，这无疑是对他们辛勤付出的极大不尊重。就像农民辛苦耕耘，种下了种子，精心呵护，眼看就要收获果实了，却被别人偷走，种在了自己的地里，还声称是自己的劳动成果，这怎能不让人感到心寒呢？ 套壳行为阻碍了整个行业的技术进步。如果套壳现象得不到有效遏制，将会有更多的企业和团队选择走捷径，放弃自主研发，转而依赖套壳来推出产品。这样一来，行业内就会缺乏真正的创新动力，技术发展也会陷入停滞。长此以往，我们将无法享受到更加先进、高效、智能的 AI 换衣技术，整个行业也将失去持续发展的活力，无法在全球科技竞争中占据优势地位。 ## 三、乱象丛生：背后的 “黑暗勾当” ### 隐私侵犯风暴  在这场 AI 换衣的热潮中，隐藏着一股令人毛骨悚然的隐私侵犯风暴。一些不法分子将罪恶的目光投向了换衣 AI 技术，他们如同隐匿在黑暗中的窃贼，肆意窃取、滥用用户的照片，对个人隐私进行了无情的践踏。 在网络的某些阴暗角落，存在着一些非法网站，它们打着各种幌子，暗中收集用户的照片。这些照片一旦落入他们手中，便可能被用于各种非法商业用途。比如，一些不良商家为了推广自己的产品，未经用户同意，擅自将用户的 AI 换衣照片用于广告宣传，让用户在不知情的情况下成为了 “代言人”。更有甚者，将这些照片出售给其他不法分子，形成了一条隐秘的个人信息贩卖产业链。 还有一些人恶意传播用户的照片，将普通人的形象暴露在公众视野中，对用户的生活造成了极大的困扰。曾经有一位女性网友，在某社交平台分享了自己使用 AI 换衣的照片，本是为了展示时尚穿搭，却没想到被别有用心的人下载，并在一些低俗网站上传播。这些照片被配上了不堪入目的文字描述，给这位女网友带来了极大的精神压力，她不仅遭受了网友的恶意评论和骚扰，甚至在现实生活中也受到了异样的眼光，正常的工作和生活完全被打乱。 ### 色情敲诈产业链  除了隐私侵犯，AI 换衣技术还被卷入了一条更为恶劣的色情敲诈产业链中。这一犯罪链条如同一张无形的大网，从制作、传播到实施敲诈，环环相扣，给受害者带来了身心和财产的双重巨大伤害。 一些犯罪分子利用换衣 AI 技术，精心制作色情内容。他们通过获取他人的照片，利用技术手段将照片中的人物 “换装” 成裸体或穿着暴露的样子，再通过合成技术，将这些照片与一些色情场景相结合，制造出以假乱真的淫秽图片和视频。这些图片和视频制作完成后，便通过各种渠道在网络上广泛传播，比如一些非法的色情网站、私密的社交群组等。他们以此吸引更多的人关注，同时也为后续的敲诈勒索行为埋下伏笔。  一旦这些色情内容传播开来，犯罪分子便开始实施敲诈勒索。他们通过各种方式找到照片的主人，以公开这些淫秽图片或视频为威胁，要求受害者支付巨额钱财。受害者往往在恐惧和羞耻的双重压力下，被迫就范。以深圳的吴先生为例，他突然收到一条陌生彩信，里面是他与一名陌生女子在酒店房间内的不雅照片，对方威胁他必须在指定时间内转账，否则就将照片发送给他的亲朋好友和同事。吴先生顿时陷入了极度的恐慌之中，他完全不知道这些照片是如何被伪造出来的，但又担心照片公开后会给自己的名誉和家庭带来毁灭性的打击。无奈之下，他只能选择报警。警方经过侦查，成功打掉了这个利用 AI 换脸技术合成不雅照进行敲诈勒索的犯罪团伙，但吴先生所遭受的精神创伤却难以在短时间内抚平。 据相关数据显示，近年来，这类利用 AI 技术进行色情敲诈的案件呈逐年上升趋势。仅在 2023 年，全国就发生了多起类似案件，涉及金额高达数百万元。这些案件不仅严重侵犯了公民的人身权利和财产安全，也对社会的公序良俗和道德风尚造成了极大的冲击。 ## 四、行业反应与社会影响 面对 AI 换衣大模型领域出现的套壳现象以及隐私侵犯、色情敲诈等乱象，行业内的反应迅速而强烈。许多专注于 AI 技术研发的企业纷纷发表声明，谴责这种不正当的行为。他们强调，套壳行为不仅违反了行业的道德规范，也破坏了公平竞争的市场环境。一家知名的 AI 企业在声明中表示：“我们一直致力于通过自主研发和创新，为用户提供高质量、安全可靠的 AI 产品和服务。套壳行为是对整个行业的亵渎，我们呼吁所有从业者共同抵制这种行为，维护行业的健康发展。” 行业组织也积极行动起来，发出了强烈的呼吁。中国人工智能产业发展联盟就发布了相关倡议，要求成员企业严格遵守法律法规，加强自律，杜绝套壳、侵权等不正当行为。同时，联盟还呼吁相关部门加强监管，建立健全的行业标准和规范，为 AI 产业的发展营造良好的环境。 这些不良现象对社会产生了多方面的负面影响。在社会公序良俗方面，色情敲诈等行为严重违背了道德伦理，给社会风气带来了极大的污染。它让人们对网络环境产生了恐惧和不信任，尤其是女性群体，她们在使用网络服务时，不得不时刻担心自己的照片被滥用，这种心理压力对个人的身心健康造成了极大的伤害。 从网络安全角度来看，隐私侵犯行为使得用户的个人信息处于高度危险之中。一旦这些信息被泄露，用户可能会面临各种风险，如账号被盗、诈骗电话和短信的骚扰等。这些风险不仅会给用户带来财产损失，还可能影响到用户的正常生活和工作。 消费者对 AI 换衣技术的信任也受到了严重的打击。原本，AI 换衣技术为消费者提供了便捷、有趣的体验，让他们能够更轻松地选择适合自己的服装。然而，套壳现象和隐私侵犯等问题的出现，让消费者开始对这项技术产生怀疑。他们担心自己在使用 AI 换衣服务时，个人信息会被泄露，或者得到的是低质量、抄袭的服务。这种信任危机不仅会影响到 AI 换衣技术在电商等领域的应用和推广，也会阻碍整个 AI 产业的发展。 ## 五、未来展望：呼唤规范与光明 面对当前 AI 换衣大模型领域的种种乱象，我们不能坐视不管，而应积极探寻解决之道，为其未来发展照亮前行的道路。 政府部门应发挥主导作用，加大监管力度。一方面，要尽快制定和完善相关法律法规，明确 AI 换衣技术在研发、应用等各个环节的法律规范和责任界限。对于套壳行为，应制定严格的处罚措施，包括高额罚款、责令停产整顿等，让违法者付出沉重代价，从而有效遏制这种不正当竞争行为。另一方面，针对隐私侵犯和色情敲诈等犯罪行为，要加强执法打击力度，建立专门的执法队伍，提高案件侦破效率，依法严惩犯罪分子，切实维护公民的合法权益。 行业内部的自律也至关重要。企业和开发者应树立正确的价值观和道德观，加强自我约束。企业要建立健全内部管理制度，加强对技术研发和应用的审核，确保自身的产品和服务符合法律法规和道德规范。同时，行业协会可以发挥组织协调作用，制定行业自律公约，加强对会员企业的监督和管理，定期开展行业自查自纠活动，对于违反自律公约的企业，进行公开曝光和行业内通报批评，促使企业自觉遵守行业规范。  对于广大用户来说，增强自我保护意识是防范风险的关键。在使用 AI 换衣服务时，要仔细阅读隐私政策和用户协议，了解自己的权利和数据的使用方式。避免在不可信的平台上上传个人照片，选择正规、有信誉的 AI 换衣应用。同时，要提高对网络诈骗和敲诈勒索的警惕性，一旦发现异常情况，及时向相关部门举报。 我们期待未来的 AI 换衣大模型能够在规范的轨道上健康发展。企业能够将更多的精力投入到技术创新中，不断提升 AI 换衣技术的准确性、自然度和用户体验。例如，通过改进算法，实现更精准的人体姿态识别和衣服贴合效果，让虚拟试穿更加真实可信；利用更先进的图像处理技术，呈现出更加细腻、逼真的服装材质和纹理。 在应用场景方面，AI 换衣大模型有望进一步拓展。除了电商购物和短视频创作，它还可以在时尚设计领域发挥更大作用，帮助设计师快速预览不同设计方案的效果，提高设计效率；在虚拟现实（VR）和增强现实（AR）场景中，为用户打造沉浸式的试衣体验，让用户仿佛置身于真实的服装店中。 相信在各方的共同努力下，AI 换衣大模型一定能够摆脱当前的困境，迎来更加光明的未来，为我们的生活带来更多的惊喜和便利，推动整个行业向着更加美好的方向发展。 **专栏作家** 老虎~色，公众号：产品经理有话说，人人都是产品经理专栏作家。13年产品经理经历，涉及商业设计、业务转型、产品架构定义、个成成长等方面。自学AIGC落地应用，目前在鸿蒙场景做产品服务工作。 本文原创发布于人人都是产品经理。未经许可，禁止转载 题图来自 Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

随着近日一系列相关业务调整浮出水面，阿里的AI To C业务布局逐渐清晰，对夸克的定位也不仅仅是“四小龙”之一，而是将其作为AI C端的代表性应用。

<blockquote><p>小红书这几天接受TikTok难民的事沸沸扬扬，可为什么是小红书而不是其他的？本文将探讨小红书如何凭借其独特的运营和用户基础，成功吸引了这些“TikTok难民”，并分析这一现象背后的增长逻辑和潜在影响。</p> </blockquote>  TikTok跌倒，小红书吃饱。 还沉浸在2024年怒赚10亿美元快乐之中的小红书，迎来了又一波泼天的富贵。TikTok禁用日的临近，因为“小红书”三个汉字，TikTok用户开始涌向 “平替产品”小红书，导致小红书一度冲到 App Store 免费应用的下载榜首。 一开始在#TikTok Refugee（TikTok难民）产生了超130万讨论量，之后又与中国用户开启对账模式，从吃穿住行到工作时长，西大多年苦心经营的人设，一夜之间就崩了。  我在做增长咨询的时候，最常被问到“怎样才能爆发增长？”我的答案一直都是两个字：“运气”。 没错，爆发增长需要运气。 ## 01 运气好！ 2023年底，一款上宽下窄，如同一个小型健身器材般巨大尺寸的保温杯突然成为美国网红产品。只要限量联名款发售，Instagram、TikTok上就会出现年轻人大排长队抢购这个名为Stanley、有着百年历史的保温杯的视频。 人们还会将其带到撸铁、出行、户外等场合，让Stanley杯子与lululemon服装一起成为重要的摆拍元素。  Stanley杯子是怎么成为出圈走红的呢？答案是运气。 2023年11月，一名女子拍下了自己失火的汽车残骸，一片焦黑中，放置在杯座中的Stanley水杯不仅完好无损，甚至连杯中的冰块都没融化。没想到这则TikTok短视频迅速引爆社交网络。 面对泼天的富贵，时任Stanley CEO的Terence Reilly马上，不仅要给该用户送上新水杯，还承诺送她一辆汽车，又收获了一波流量。接着又趁热搞起了联名限量，不仅推出多巴胺配色，还跟芭比、星巴克推出联名套装，将网红进行到底。 我在《潮流：品牌引爆、出圈背后的秘密》一书里讲过Allbirds案例，原本瞄准年轻女性的Allbirds并没有掀起水花，却因为在Instagram、Facebook、Twitter、Snapchat等社交媒体平台的运营，获得了硅谷人士的青睐。这些用户不光是消费者，还是产品设计、营销传播、品牌运营，Allbirds会根据他们的反馈，在鞋型、材质以及品牌理念等方面进行不间断的优化。 类似的还有社交软件Telegram，2013年8月上线，一直不温不火。2014年2月，Facebook收购了WhatsApp，结果出现了小红书现象。一直觉得扎克伯格不靠谱的美国网友涌入Telegram，仅仅5天就涌入了超过800万。  所以我说，爆发增长就像黑天鹅，没人知道会在哪天突然降临，给你一个措手不及。 降临确实没法判断，但品牌可以做的是做好应对的准备。 ## 02 是实力强！ Stanley可不是新兵蛋子品牌。早在1913年，电气工程师William Stanley以家族姓氏创立了保温杯品牌Stanley。凭借双层真空、保温保冷的设计，Stanley很快成为户外群体和蓝领工人的心头好，并被带进了各种影视剧中，电影《星际穿越》男主随身带着的就是Stanley。 而这一波成为网红的Quencher系列巨无霸吸管杯，也是在2016年就进入了市场，并随着女性导购网站the buy guide的推荐，逐步深入女性消费群体。 试想如果没有百年历史，有星罗棋布的销售网络，拍出排长队抢购的视频可不是件容易的事情。如果没有女性群体的随身携带，更是不可能出现在汽车残骸里。 一切果皆有因，没有长期耕耘、没有消费者青睐，Stanley很难碰上运气。 到这里，肯定有人会抬个杠，现在是互联网时代，一夜走红不是件稀罕事。 可有没有一种可能，来也匆匆，去也匆匆，一夜走红也真就是一夜？ 我曾总结过一个“刷爆朋友圈魔咒”，凡是在产品诞生之初就刷爆朋友圈，注定了这个产品昙花一现的结局，相反，如果产品运营过一段时间，这个产品很可能持续走红，运营的时间越长，长红的可能性越大。 不信的话，大家可以想想脸萌、足记、魔漫相机，曾经风靡一时，然后就没有然后了。 为什么出现这种现象？ 因为能刷爆朋友圈的都是情绪型产品，正像我在《上海网红店都要这么做，情绪价值产品售价高。》分析的，情绪型产品呈现出典型的铅笔型增长曲线，成长快，下滑也快。这类产品适合吸睛，把用户吸引过来，然后用常规产品满足这些人的日常消费需求，就像瑞幸的酱香拿铁，抖音的魔性音乐，耐克的联名限定球鞋。  而在产品诞生之初，连功能都没完备，光有情绪价值，最后也就是成了一根漂亮的铅笔，来也匆匆，去也匆匆。 所以为什么TikTok难民涌入了小红书？固然因为小红书明晃晃的三个汉字，但真正留下TikTok难民的是因为 - 小红书十几年的运营，沉淀了过亿日活的庞大活跃用户群 - 恰好这个群体是受过高等教育的中产，人均10年以上的英语学习经验 - 又恰好是他们最擅长英文读写 - 又又恰好是他们感兴趣的话题 - 又又又因为小红书诡异的推荐策略 于是就有了TikTok跌倒，小红书吃饱，一场中美网友大联欢在互联网上徐徐拉开。 回到开头的那个问题：“怎样才能爆发增长？” 是不是运气？ 但只有运气显然不够，接住天降横财之前，你起码得有个盆儿吧。 还是那句话，所有的增长都是水到渠成。 作者：杨泽，公众号：杨泽l社交式增长（ID：social-growth） 本文由 @杨泽l社交式增长 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

 EA 于日前宣布，《我的模拟人生》合集将于3月18日再各大平台发售。 《我的模拟人生》原本于2008年10月28日发行，游戏呈现可爱卡漫的风格。 在这款重新发行的怀旧经典游戏中，享受全新升级的画面，让你的世界将焕然一新！搬到一个近期陷入困境的城镇。发挥你的创造力，并在当地人的协助下让小镇重新繁荣起来。  大力发展小镇，吸引各种角色前来定居，包括大厨吉诺·德利西奥索、DJ坎蒂·苏波格鲁芙以及街机游戏厅老板维克·维克托，还有镇上的海盗吉妮船长。了解居民的所想所需，帮助他们在你的新模拟市民城镇中生活。从零开始设计热水浴缸或者自动点唱机，从屋顶到前门，建造房屋和商铺。探索不断发展的城镇，发现特殊的装饰和图案。从家具，物品到建筑，再到整座小镇，你的每一个创意都是独一无二的。游戏特色包括：  - 建造并自定义整座城镇——从花店的设计到疯狂科学家实验室的布局等等，整座城镇都是你独一无二的作品。 - 社区营造——谁住在这里，谁搬出社区？你会和谁交朋友，又会无视谁？都由你说了算！ - 探索广阔的世界——和当地人交流，发现隐藏在城镇各处的实用又奇特的宝藏。 - 创建自己的模拟市民——从头到脚打造个性化的模拟市民外观。和邻居成为朋友，解锁炫酷服装。 - 设计自己的物品——用属于你自己的家具与配件进行装饰，然后再用自己从城镇四周种植、采收或发现的东西来自定义自己的作品。

 [据彭博社](https://www.bloomberg.com/news/articles/2025-01-16/sony-cancels-two-more-playstation-projects?accessToken=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzb3VyY2UiOiJTdWJzY3JpYmVyR2lmdGVkQXJ0aWNsZSIsImlhdCI6MTczNzA2ODk1MywiZXhwIjoxNzM3NjczNzUzLCJhcnRpY2xlSWQiOiJTUTdFWjJUMEcxS1cwMCIsImJjb25uZWN0SWQiOiJCMUVBQkI5NjQ2QUM0REZFQTJBRkI4MjI1MzgyQTJFQSJ9.OtpjLAX_fLRPjeIhmdZSXLhsiFNDef1RlL6IxoCIQes)消息，索尼取消了Bend Studio和Bluepoint Games分别开发的两款未公布的“实时服务型游戏”。  彭博社记者Jason Schreier表示，Bluepoint Games的项目是一款《战神》IP的服务型游戏，该工作室自2022年《战神 诸神黄昏》后后就一直致力于开发该项目。 索尼互动娱乐公司的一位发言人证实了取消的消息，他表示这两款游戏是“根据最近的审查”后才取消的，并重申PlayStation将继续制作单人游戏和在线游戏。 Bend Studio上一款作品是《往日不再》，而Bluepoint Games上一款作品则是PS5版的《恶魔之魂》，也有参与《战神 诸神黄昏》的开发，于2021年被索尼收购。 

在超额完成2024年度目标后，零跑汽车再次乘胜追击，实现单季度净利润转正。 1月13日，零跑汽车发布盈利预告，宣布2024年第四季度实现净利润转正，并提前一年达成单季度盈利目标，成为第二家盈利的新势力。  并在盈利预告中提到，2024年第四季度，零跑汽车月平均交付超4万台，全年累计销售新车29.37万辆，预计2024年全年公司将实现营业收入至少305亿元，同比增幅不低于80%。 销量增长带来的规模化效应及产品结构不断优化是零跑实现净利润转正的重要推手，但汽车市场的残酷就在于，高销量并不能代表着盈利。毕竟在一众新势力中，先前仅有理想汽车实现盈利，并且与理想汽车销量高、产品单价高的定位有着密不可分的关联。 曾被称为“小理想”的零跑，成为继理想之后第二家实现盈利的新势力车企，这一战报让市场有些意外。 意外，也意味着零跑需要被重新审视。   ### 01 表面的标签   目前，零跑旗下有4款C系列车型及1款T系列车型在售，有1款B系列车型即将上市。 C系列SUV车型C16、C11、C10及轿车C01面向大众市场，售价在10万-20万元；T系列车型T03为A00级纯电小车，面向5万级市场；B系列首款车型B10为全球化车型，预计于2025年上半年上市，目前仍未正式公布售价。  零跑成为2024年的销量黑马，离不开主打SUV车型的C系列。 2023年，瞄准增程赛道的零跑发布C系列首款增程车型C11增程版以及C01、C11超级增程版新车型，多款新车与理想汽车L系列车型的产品定位相似，但能做到更高的品价比，迅速弥补了相对空白的平价增程式式SUV市场，销量迎来快速增长。零跑也在盈利预告透露，第四季度售价较高的C系列车型销量占比超77%，C系列已经逐渐成为零跑的基本盘。 新车同样拥有“冰箱彩电大沙发”等配置，并且提供增程式动力版本，但市场售价仅为理想汽车L系列车型的一半，相似的产品定位，更高品价比的价格优势，二者的诸多相似引来市场热议，并给零跑贴上了“小理想”“理想平替”的称号。 对于一直被称为“小理想”，零跑的态度显得有些随和，零跑方面曾表示，“零跑并不排斥被称为“小理想”，理想汽车是业界里值得学习的榜样，包括其它车企做得好的部分，零跑都应该充分的学习，取长补短，但同时零跑也有自己的个性”。 目前零跑C系列与理想L系列在产品定位上存在相似，但相比于理想的高端定位，零跑更聚焦10-20万元的大众化市场，这一市场的市场体量更大，但用户群体的消费也对价格更为敏感，定位为品价比的零跑能迅速跑出，以更为灵活的产品策略切中“理想平替”市场，在很大程度上说明，过去增程式SUV的市场需求是没有被满足的，零跑起势很大一部分原因可以视为是找到了空白市场，精准填补。 C系列的增程车型系列车型的成功，逐渐打开了零跑的市场，但零跑内部对增程的思考并不盲目激进，甚至看得更远。 “现在入场做增程已经晚了”，零跑创始人朱江明曾在去年11月公开表达自己对增程的看法，基于这一观点，零跑方面表示，如果已经在市场上销售的就不算晚，但是如果以前没有做过增程，现在布局技术和产品，下场做增程，可能是有点晚了。 从零跑的判断来看，增程与混动始终是一个过渡性的产品，虽然说它不会立刻消失，也会很长一段时间存在，但是比例会越来越小。这一判断的逻辑是，增程与插混是作为新能源车转型过程中的补充，是满足市场在油转电过程中，原先对续航、长途有高需求的消费者的新能源用车方案。 这一判断，也在零跑的各车型销售结构中有所体现，零跑汽车高级副总裁曹力曾在24年的广州车展上表示，原来C系列的增程和纯电大概五五分、四六分的状态，慢慢地大家越来越接受纯电车型以后，增程的比例像C11、C10慢慢下降到20%几和30%不到的状态。同时，在车型大小上的需求也是不一样的，对于大车来说，增程和混动的需求可能会稍微高一点，在C16上也可以看到，增程比例稍微高一点。 曹力表示，从更长远来看，纯电续航越来越高，充电设施越来越完善，市场用户对于续航里程的需求也会越来越理性，增程类车辆的比例可能还会进一步下降，但是不会立马消失。 而对于增程，零跑汽车的表态是“拥有但不绝对依赖”，零跑依然是纯电为主的新能源发展模式。 除此之外，未来零跑汽车也并非只依靠C系列车型独撑大局，零跑方面告诉雷峰网，后续会将大众市场再细致切片，设有ABCD车系，会以C系为核心，向上向下延展，依旧聚焦大众主流市场推出更多产品，形成矩阵，进一步开拓和深化新的市场。      ### 02 优衣库是定位，丰田是策略   作为一家聚焦大众市场，产品单价不高的新势力车企，零跑汽车能够在2024年第四季度成功突破盈亏平衡点，成为第二家盈利的造车新势力，并非侥幸，而是早有预兆。 2015年前后，是新势力造车最火的时间，以“蔚小理”为代表的新势力，纷纷起家，即使模式不同，但三家产品都定位高端，选择从上往下打。而同样作为新势力的零跑走了另外一条道，做平价车，从下往上。基本盘选在大众市场，也意味着价格上优势仅仅是及格项，想要成功跑出来，还要找到第二优势。 零跑把第二优势锁定在了产品配置上，选择走“高配置+平价格”路线，对此，零跑CEO朱江明曾公开表示，零跑汽车的定位要像“车圈优衣库”，产品质量和价格优势都是关键。 而要在汽车这样的重资本、高度竞争的产业中，复制优衣库的模式，难度并不小，朱江明给出的回答是对汽车进行“祛魅”。他说：“最终汽车一定就是耐用的消费品、代步工具。将车作为代步工具来做这个产业可能更有优势。零跑的品牌定位就是希望给用户提供好而不贵的产品，不管有多大的诱惑，毛利有多高或者空间有多大，零跑始终会坚持把汽车作为大众消费品。 如何做“好而不贵”，风格上零跑选择务实。零跑汽车副总裁周颖曾告诉雷峰网，“零跑的造车思维很简单，就是抓用户需求，用户需要的功能就用在车上，我们的产品设计并不追求花大价钱突出某一技术，但是用户需要的功能和性能又都有，零跑要做的就是能满足刚需、功能都很均衡的车，车的设计更多的考虑这个价格带的用户的刚需，零跑的车不追求做到120分，但是得做到95分”。 这份务实也曾在2024年广州车展上出现，区别于其它车企展台上一众模特，零跑展台上站在车辆旁边的是“车主工程师”，“我们是零跑的资深老车主，零跑让我们过来就是想能让我们以使用者的身份来讲解，毕竟真正开过这款车，会比其他人更懂，消费者与消费者交流，也更能互相get到对方的点”，一位车主工程师向雷峰网解释其身份时说到。  （2024年11月广州车展——零跑展台） **而做“好而不贵”的策略上，零跑有丰田的影子。** 同样聚焦大众市场，丰田的精益生产理念是其成本控制的重要手段。通过持续优化生产流程以及垂直整合模式，实现从零部件制造到整车组装的全过程控制，保证零部件的质量和供应稳定性，并且在规模效应下带来成本优势。 零跑同样选择全域自研策略，目前零跑的自制率超过60%，不仅在核心三电系统方面实现了自研，还在各种高附加值零部件方面进行了自研自造，打造出中央集成式电子电气架构。在自研策略下，通过垂直整合和模块化设计实现成本控制，提高生产效率和产品质量。  （零跑汽车中央集成式电子电气架构） 据了解，零跑汽车的单车成本几乎处于逐年下滑趋势，2024年前三季度的单车成本仅为10.3万元，同比下滑了足足3.4万元，长期坚持的自研策略带来的成本控制实力已经逐渐显露。 第三季度财报显示，零跑Q3的汽车毛利率达到8.2%，环比增长5.5个百分点，这也带动了第四季度经营利润率往更好的方向发展。 截止目前，零跑汽车已经连续七个月创月交付历史新高，期间更是连续三个月同比增长超100%，销量上涨带来的规模化效应也成为盈利的一大基石。  在成本与规模的双重刺激下，零跑的实力也逐渐显露，此次盈利转正也变得合理。   ### 03 被盯上的零跑，如何打？   2024年，是国内新能源汽车市场加速洗牌的一年，持续加码的价格战炮火下，国内最大汽车经销商黯然退市，新旧势力车企频频暴雷，豪车BBA们退战保命。对于零跑汽车而言，能够从中脱颖而出，并在拥挤的市场中获得声量，逆向冲锋实现盈利，实属不易。 零跑在价格战元年的成功，也证明了不挣扎在无意义的卷价格里，而是通过“卷技术”、“卷价值”等有效努力，也依旧能实现盈利。 但上了牌桌也意味着，对手都是经过市场腥风血雨考验的，竞争只会更激烈，显然当前零跑由品价比筑起的护城河并不牢靠。 10-20万元价格带，藏有比亚迪这样的巨型车企，同时也不乏深蓝、吉利银河、领克等背靠大树的新势力，以及逐渐盯上下沉市场的蔚来、小鹏等头部新势力们。 2025年只会比2024年更激烈，零跑还并不能松懈，而通过零跑的动向可以看到，其在智驾、出海、新车型及发车节奏等板块正在紧密规划中。 对于有可能被称为智驾元年的2025年，零跑汽车高级副总裁曹力曾在2024年底的广州车展上表示，“2024年，零跑已经在算法自研领域投入了更多资源，相信大家会在2025年看到基于自研算法端到端大模型上车的智驾体系，这方面的成绩将会在B系列上得到体现。零跑汽车的智驾团队目前有400人左右，还在持续扩大规模，争取明年上车以后达到第一梯队水平。” 海外部分，自 2024 年 9 月在欧洲及其他地区销售以来，零跑已在欧洲 13 个国家建立了 400 多家销售网点，计划到 2025 年底拓展至 500 家。而在2025年1月10日，零跑 C10 增程版已经正式在欧洲上市，并开始接受订单，2025 年 3 月开始在欧洲交付，零跑在海外的渠道及车型规划已经在加速进行。  （零跑B10巴黎车展全球首秀） 对于接下来的2025年国内市场，零跑汽车的销量目标是冲击50万辆，并在近日举办的合作伙伴大会上表示，接下来在守稳C系列的同时，重心将会放在B系列和D系列上。据了解，零跑B10将于上半年上市，B01将于年中左右上市，零跑B05会在四季度开启预售，零跑D系列将于年底正式亮相。 对于2025年零跑能否完成近乎翻倍的50万辆目标，还没有人能给出确切答案。 但有趣的是，50万的数字恰好是2024年新势力榜单销冠的成绩，零跑朝着第一奔跑的决心与野心逐渐显露。雷峰网雷峰网

日产神话破灭。

<blockquote><p>在设计一个优秀的互联网产品时，设计流程往往分为几个阶段，每个阶段都有清晰的目标和方法。这不仅帮助我们找到真正的用户需求，也确保设计思路清晰、可执行。下面，我们用简单易懂的方式来讲解整个设计流程。</p> </blockquote>  ## 一、发现阶段：找到真正的问题 在开始设计前，我们要深入了解用户的需求和痛点，搞清楚用户到底需要什么。这个阶段的关键任务是“调研”。 **用户调研方法**： - **深度访谈**：与目标用户一对一交流，深入了解他们的需求和感受。 - **问卷调查**：通过结构化的问题，获取大规模用户的反馈数据。 - **用户画像**：基于数据构建典型用户的角色，帮助我们更清晰地理解目标群体。 - **确定问题域**：在调研后，我们需要整理信息，找到真正的设计痛点。这是为了确保设计不是“拍脑袋”，而是解决用户最重要的问题。 ## 二、定义阶段：明确方向，设计起点 有了对问题的深入了解，我们需要把这些问题整理出来，转化为清晰的设计目标。 - **明确目标**：我们需要制定清晰的设计原则，比如“简单易用”“高效”“视觉美观”等。这些原则会引导后续的设计工作。 - **信息架构**：梳理出产品的功能模块和用户的操作路径，需要规划产品的“骨架”。比如一个购物网站的主要功能模块可能是“商品分类”“购物车”和“支付”，用户路径则是从搜索商品到下单支付的流程。 ## 三、创意阶段：天马行空，快速验证 到了创意阶段，我们开始为产品的需求和目标寻找解决方案。 - **头脑风暴与概念设计**：通过团队讨论，提出尽可能多的创意方案，不需要立刻评估对错，只要大胆想象。 - **低保真原型**：把这些想法用简单的方式表现出来，比如手绘草图或线框图。这种原型制作快、成本低，可以快速验证可行性。 这个阶段的重点是“广撒网、快尝试”，既能打开思路，又能避免浪费时间在不可行的方案上。 ## 四、设计与测试阶段：细化方案，验证体验 创意阶段选定方向后，我们进入了具体设计和用户验证的阶段。 - **交互流程设计**：我们需要规划用户操作的每一步，比如从登录到浏览，再到购买，整个过程应该是流畅且逻辑清晰的。同时，界面元素（如按钮、导航栏）的布局和设计也需要符合用户的直觉，减少操作难度。 - **可用性测试**：把初步设计交给用户试用，观察他们是否能够轻松完成任务。这一步很重要，因为即使设计师认为“这很简单”，实际用户可能会觉得“这很难用”。通过测试，我们可以发现问题并不断优化，让产品更加贴近用户需求。 ## 五、交付与迭代阶段：落地与持续优化 当设计完成后，并不是大功告成，还有很多工作需要继续推进。 - **设计落地与开发对接**：确保设计文档标准化，清楚地标注颜色、字体、尺寸等细节，方便开发团队实现设计方案。 - **产品上线后的反馈与更新**：产品上线后，我们需要收集用户的反馈，分析他们的行为数据。比如，有没有功能用户用起来很困难？有没有哪些按钮被频繁误点？这些反馈会帮助我们发现问题并在下一次更新中优化。确保产品满足用户的需求并保持竞争力。 ## 六、总结 设计流程就像建房子，从打地基到装修，再到入住后维护，都有明确的步骤。发现阶段让我们了解用户，定义阶段让我们明确目标，创意阶段鼓励多样化思考，设计与测试阶段确保产品好用，最后的交付与迭代则让产品不断进步。每一步都至关重要，只有严谨地执行每个环节，才能设计出既满足用户又符合商业目标的产品。 本文由 @ DesignLink 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

1月16日消息，国产GPU厂商沐曦集成电路（上海）股份有限公司（以下简称“沐曦”，MetaX）在2024年底完成股份制改革之后，近日已经完成了上市辅导备案，拟在A股IPO，辅导机构为华泰联合证券。   值得注意的是，在过去半年内，多家国产AI芯片厂商燧原科技（2024年8月）、壁仞科技（2024年9月）、摩尔线程（2024年11月）均已正式启动A股IPO，其中后三者与沐曦一样都是走的GPU路线。 资料显示，沐曦成立于2020年的，其创始人陈维良曾任AMD全球GPGPU设计总负责人；联合创始人、CTO兼首席硬件架构师彭莉是AMD全球首位华人女科学家（Fellow）， 曾任AMD首席架构师，拥有15年高性能GPU设计经验；联合创始人兼软件CTO杨建博士是AMD大中华地区第一位科学家（Fellow），历任AMD、海思等首席架构师，拥有20年大规模芯片及GPU软硬件设计经验。 沐曦在成立不到1年内，公司就迅速完成从天使轮到A轮的四轮融资，融资金额达数十亿。天眼查显示，沐曦最近一次融资在2024年8月23日，投资方包括浦东资本、上海科创基金、湖南国创产业投资、加佳信息和启夏资本等。  2023年6月，沐曦展出了其首款AI推理GPU加速卡——曦思N100及解决方案在安防领域的应用。据介绍，曦思N100是一款面向云端数据中心应用的AI推理GPU加速卡，内置异构的GPGPU通用处理器核心“MXN100”，同时集成了HBM2E高带宽内存，单卡的INT8整数算力达160TOPS，FP16浮点算力则达80TFLOPS，具备高带宽、低延时特性。支持128路编码和96路解码的高清视频处理能力，兼容HEVC(H.265)、H.264、AV1、AVS2等多种视频格式，最高支持8K分辨率。  作为对比，英伟达2020 年发布 A100 GPU的INT8 算力达 624TOPS，FP16浮点算力达312TOPS。也就是说，沐曦MXN100的AI算力相当于A100的1/4。 同时，曦思N100还配套有沐曦自主研发的MXMACA软件栈，与硬件架构紧密耦合，支持多种主流框架的网络模型，支持主流计算机视觉处理和多媒体处理框架。加上持续完善的ModelZoo，客户开箱即用，各类应用场景、业务模型可以快速迁移。 据介绍，曦思N100在2023年已实现规模量产，可广泛应用于智慧城市、智慧安防、智慧交通、云计算、智能视频处理等场景。 根据官网资料显示，除了用于AI推理的MXN系列GPU（曦思）之外，沐曦还拥有面向AI训练、AI推理及通用计算的MXC系列（曦云）通用GPU(GPGPU)芯片，以及针对图形渲染加速的MXG系列（曦彩）GPU。  据相关报道显示，MXC系列的曦云C500在2023年6月就完成芯片功能测试，该芯片采用7nm制程， GPGPU 架构，目标FP32算力达到15TFLOPS，大约达到了英伟达A100（FP32性能为19.5TFLOPS）的75%的算力。同样，曦云C500也支持多卡互联。 2023年8月，沐曦发布新闻稿称，曦云C500千亿参数AI大模型训练及通用计算GPU与北京智谱华章科技有限公司开源的中英双语对话语言模型ChatGLM2-6B完成适配。测试结果显示，曦云C500在智谱AI的升级版大模型上充分兼容、高效稳定运行。 随后，沐曦还推出了曦云C290/280系列，性能相比曦云C500略有降低，具体参数暂未有详细信息，但是似乎更具性价比。 2024年6月，沐曦曦云C系列千卡集群支撑北京智源研究院完成千亿参数MoE大模型预训练。 2024全年，沐曦在国内相继交付了九大算力集群，实现商业化运营，全年布局算力集群总规模超过万卡。 公开资料显示，2024年沐曦共递交专利申请210余件，成功获得120余件专利授权、其中发明专利占比超过97%。 据芯智讯了解，沐曦产品均采用完全自主研发的GPU IP，拥有完全自主知识产权的指令集和架构（相比之下，国内有多家GPU厂商采用的是Imagination的GPU IP授权），配以兼容主流GPU生态的完整软件栈（MXMACA），具备高能效和高通用性的天然优势，能够为客户构建软硬件一体的全面生态解决方案。 需要注意的是，目前AI芯片领域已经成为了美国对华封锁的关键领域，继2022年10月美国出台对华半导体限制之后，每年都会进行一次升级，不仅限制欧美先进AI芯片的对华出口，还限制了中国获取美日荷先进半导体设备制造先进制程芯片的能力。2023年10月，美国还将国产GPU厂商壁仞科技、摩尔线程列入了实体清单。 特别是今年初以来，随着美国拜登政府的即将卸任，更是频繁出台对华半导体限制新规，其中就包括刚刚发布的美国对华晶圆代工限制新规（附完整规则），限制了台积电、三星等海外晶圆代工及先进封装企业为中国企业代工先进制程的AI芯片（晶体管数量达到或超过300亿个）。 显然，此举无疑将会影响到包括沐曦、燧原科技、壁仞科技、摩尔线程等众多国产AI/GPU芯片厂商的芯片的制造，未来只能依靠国内的芯片代工和先进封装产能。但是在国产先进半导体设备尚未获得大突破的背景下，目前国产先进制程产能相当有限，特别是还有华为、海光这样有背景的能够锁定国产先进制程产能的“AI大厂”存在，对于沐曦等众多的初创AI/GPU厂商来说，产能的获取将成为一大难题。 值得一提的是，1月16日，国产AI芯片明星“股王”寒武纪股价大跌14.65%，有网友认为是沐曦启动IPO消息影响的，其实不然，其核心问题还是在于在美国的持续封锁下，寒武纪也好，沐曦也罢，他们在国内先进制程产能有限的背景下，将会面临对于产能激烈的争夺，如果拿不到足够产能，就不会有市场竞争力，也就难以有未来。 [查看评论](https://m.cnbeta.com.tw/comment/1471802.htm)