大众汽车集团与中国一汽签署战略合作协议，共同确定一汽-大众11款全新车型规划。其中，大众汽车品牌自2026年起将推出10款车型，其中包括9款新能源车，覆盖多个细分市场。此外，捷达品牌的首款纯电动车型将于2026年上市，以强化在入门级电动汽车市场的竞争力。  图片 来源：企业供图 从一汽-大众对外披露的信息来看，未来将重点聚焦新能源领域。一汽-大众预测，未来，紧凑级车型预计将占据纯电动汽车市场50%的份额。对此，一汽-大众将基于大众汽车集团本土开发的CMP平台推出两款纯电动车型。这两款车型将搭载高性能的CEA电子电气架构，可实现数字化服务与高级自动驾驶辅助功能。同时，CMP平台将首次打造两款插电式混动车型，从而满足这一高速增长的细分市场。 为了拓展入门级电动市场布局，推进捷达品牌电动化，捷达品牌将于2026年推出首款纯电动车型，进军快速增长的入门级纯电动汽车市场。该车型将提供先进的智能化功能。未来，捷达品牌将推进燃油车智能化功能的搭载。 紧凑级市场之外，一汽-大众在中级车市场将推出两款基于大众汽车集团未来先进平台的纯电动车型及其增程式版本。 在“油电共进”战略下，一汽-大众还计划推出一款全新燃油车型，强化大众汽车品牌在燃油车市场的地位。按照规划，至2030年，一汽-大众各品牌将推出超过20款全新车型。 大众汽车集团负责中国区业务的管理董事、大众汽车集团（中国）董事长兼首席执行官贝瑞德（Ralf Brandstätter）透露，大众汽车集团正进一步拓展一汽-大众的产品阵容，在覆盖所有动力类型的同时，重点布局新能源汽车领域，包括纯电动、插电式混动及增程式车型。此外，大众汽车集团将为新产品提供技术赋能，以打造智能网联汽车矩阵。 从目前来看，大众汽车集团在华智能网联汽车创新中心——大众汽车（中国）科技有限公司（VCTC），以及集团旗下汽车软件公司 CARIAD 中国，将与一汽-大众协作，在新车型的开发过程中发挥关键作用。 据悉，VCTC和CARIAD中国正在携手本地合作伙伴联合开发CEA电子电气架构，以实现在大众汽车品牌车型的搭载，但一汽-大众并未对外透露具体的合作对象。 据记者了解，目前一汽-大众旗下大众品牌已与卓驭科技（原大疆车载）联合打造了IQ.Pilot高阶智能辅助驾驶，并在全新探岳L上实现了量产搭载。另外，一汽奥迪也与华为宣布合作，旗下车型将搭载华为高阶智驾。 眼下，一汽-大众正在快速追赶与国内新能源智驾的差距。3月1日，一汽-大众对外发布了燃油车智驾方案落地三步走的智驾路线图。其中，智驾1.0阶段，将实现燃油车核心高阶智驾功能的普及，覆盖90%城市场景和95%高速场景；智驾2.0阶段，将实现端到端大模型上车，可覆盖95%城市场景和100%高速场景，保证燃油车的智驾平权；智驾3.0阶段，即在2026年实现覆盖100%城市场景和100%高速场景。 一汽-大众加速新能源、智能化转型背后，是大众汽车集团电动化转型的加速。按照规划，2025至2027年间，大众汽车集团在华将推出约40款全新车型，其中超过半数为电动化产品。 3月11日，大众汽车集团董事长兼首席执行官奥博穆表示：“2025年，我们将坚定不移地继续推进战略落实，加快转型步伐。” 在中国市场，大众汽车集团2024年交付了293万辆汽车，相比2023年的323万辆减少了30万辆。尽管整体交付量有所下降，但作为较早在新能源领域布局的外资车企，大众汽车集团在华交付了超过20万辆新能源汽车，其中ID.纯电车型的销量同比增长了17%。截至2024年底，ID.系列车型在中国的累计销量已突破55万辆。 对此，奥博穆表示：“2024年对大众集团而言是关键决策之年，我们通过战略调整巩固了自身的优势地位。2025年是我们加速前进的一年，将是大众汽车集团实力全面展现的一年。” 按照规划，2025年，大众汽车集团（中国）将全面迈入战略成果的交付阶段。据悉，在今年4月将开幕的2025上海车展期间，大众汽车集团将全面展示首批全新产品及前沿技术。其中，一汽-大众将展出大众汽车品牌的全新概念车。到2030年，大众汽车集团将为中国市场带来超过30款纯电动车型。 [查看评论](https://m.cnbeta.com.tw/comment/1485958.htm)

百度在上周日发布了文心大模型4.5和推理模型X1，再次引起了美国媒体对于大模型成本的关注。为此，《商业内幕》专门拿百度的新模型与DeepSeek、OpenAI进行了对比。结果发现，**OpenAI大模型的调用价格要比百度、DeepSeek贵出一大截。** 百度称，文心大模型4.5是其首个原生多模态大模型，在多项测试中表现优于GPT4.5，API调用价格仅为GPT4.5的1%。**X1为深度思考模型，性能对标DeepSeek-R1，调用价格约为R1的一半。** **去年12月，DeepSeek发布了大语言模型V3，并在今年1月推出了推理模型 R1。**根据伯恩斯坦研究公司的分析，这些模型在性能上与OpenAI 的同类模型相当甚至更优秀，但价格“便宜20-40倍”。 **中美三大公司对比** Tokens是AI模型处理中的最小数据单位。企业会根据模型处理时的输入Tokens数量和生成的输出Tokens数量来定价。 **以文心4.5大模型为例，它的输入价格为0.004元/千tokens，输出0.016元/千tokens，约为GPT4.5价格的1%。**  基础模型价格对比 《商业内幕》把百度和DeepSeek的模型定价转化为每百万输入/输入tokens的美元价格，发现百度文心4.5大模型的定价确实只有GPT4.5的大约1%，但它仍高于DeepSeek V3。 **在推理模型方面，文心X1的定价是最便宜的，不到OpenAI o1模型的2%。**  推理模型价格对比 抛开使用成本不谈，那些已经试用过文心大模型的人似乎都对它印象深刻。风投公司Zero2Launch风投合伙人阿尔文·胡(Alvin Foo)在X表示：“已经体验了几个小时，表现令人印象深刻。” **另外，百度还在拥抱开源，计划把文心大模型4.5开源。**“我们从DeepSeek身上学到一点是，将最为优秀的模型开源供所有人使用，将可以极大地推动其应用，因为大家出于好奇自然会想去尝试开源模型，进而推动其更广泛的应用。”百度CEO李彦宏在2月份的电话会议上表示。 [查看评论](https://m.cnbeta.com.tw/comment/1485956.htm)

空中客车公司、达索系统公司以及超过90家欧洲小型科技公司和游说团体已敦促欧盟委员会主席乌尔苏拉·冯德莱恩设立一个主权基础设施基金，以增加对尖端技术的公共投资。这些公司和团体表示，美国和欧盟近来的发展以及美国的措施凸显了欧洲采取措施保持其在关键领域战略自主权的紧迫性。 他们在3月14日的一封公开信中表示：“欧洲需要重新掌握主动权，在其关键数字基础设施的各个层面实现更大的技术独立性，从逻辑基础设施——应用程序、平台、媒体、人工智能框架和模型——到物理基础设施——芯片、计算、存储和连接。” 他们表示：“欧洲目前的多重依赖关系带来了安全和可靠性风险，损害了我们的主权，并阻碍了我们的增长。”  信中表示，主权基础设施基金是实现这一宏伟目标的关键，尤其是在量子技术和芯片等资本密集型的价值链环节。信中还建议政府在采购招标中采取“购买欧洲货”政策，以刺激需求并鼓励企业投资。信中称：“目的不是排除非欧洲企业，而是为欧洲供应商创造合法竞争（并证明投资合理性）的空间。”这封信的签署方包括法国云服务提供商OVH Cloud及其在其他欧盟国家的同行、欧洲软件研究所、欧洲初创企业网络、德国人工智能协会、阿姆斯特丹互联网交换中心（AMS-IX）和法国公共投资银行BPI France。这封信同时也提交给了欧盟科技主管汉娜·维尔库宁。 [查看评论](https://m.cnbeta.com.tw/comment/1485952.htm)

<blockquote><p>春节是一个很大的流量池，经过一年时间的劳累，人们有了更多的闲暇时光，这是企业也是内容创作者获取流量的绝佳时机。</p> </blockquote>  这个春节，我被各大产品的情感化设计萌化了，设计细节太贴心了，极大的增加了产品与用户的粘性，各大厂都推出了既承载千年文化重量，又具备数字原生形态的新春物种，花样可谓是百花齐放。 各大厂都纷纷从视觉、社交互动、内容创作展开想象，设计了丰富多彩的春节用户体验，下面让我们来开开眼福，一睹他们的风采，同时也顺便学习下，作为设计师的我们有哪些创意出发点？ ## 一、各大厂春节设计的背景 春节，作为中国最重要的传统节日，不仅承载着深厚的文化内涵，更是一场全民参与的消费盛宴和社交狂欢。在这个特殊的时期，人们的注意力高度集中，围绕春节展开的各种活动，无论是线上还是线下，都呈现出爆发式的增长。 从电商数据来看，2025年全国网上年货节期间，全国日均网上零售额同比增长6.2%，累计网络零售额更是突破7000亿元人民币，同比去年增长9.8%，再创历史新高。  抖音电商“春节不打烊，财神送福气”活动中，全域日均支付GMV同比增长56.02%，直播日均支付GMV同比增长46.57%。  快手本地生活“新春团购节”GMV同比大涨117%，新线城市日均支付用户数环比增长234%，这些惊人的数据，无一不彰显着春节期间电商消费的强劲活力。 社交平台上同样热闹非凡。除夕及春晚期间微博活动用户达2.97亿，全站互动超3.1亿次，4656万用户除夕赢得福运红包，全国年味相关话题阅读量破102亿。 快手在2025年春节期间，平台日活用户规模创历史新高，春节活动相关视频总播放量超2000亿，直播总观看量高达150多亿，“摇发财树”红包活动中，用户一共摇了57亿次红包。  如此庞大的流量和用户注意力，为品牌和商家提供了绝佳的展示舞台。在这个信息爆炸的时代，谁能在春节期间成功吸引用户的注意力，谁就能在市场竞争中抢占先机。 一个精心设计的广告、一场别出心裁的互动活动，都有可能在这个流量高峰中迅速传播，收获海量的关注和曝光，实现品牌知名度的提升和产品销量的增长。 下面就让我们看看各大厂在春节期间都找到了哪些设计机会点？ ## 二、视觉机会点 ### 1、按钮的设计机会  设计思考： - 百度地图，在按钮设计上动了小心思，按钮用动车和灯笼相结合，颜色上也用的大紫大红，尽显春节的气氛。 - 花瓣，把几个素材的功能入口做成了红包形式，画面效果耳目一新，原来按钮入口还能如此的多姿好看，年味十足。 - 农业银行，功能入口全部由之前玻璃质感的扁平风变成了现在的微质感年味风，图标的每一个细节都在紧靠春节展开创作，展现了产品的细心和用心。 - 肯德基，功能入口图标全部用剪纸风格形式表达，将过年家家户户贴窗花的场景搬到了线上，让用户尽享年味。 - 腾讯视频，将主要功能入口用了故宫的古典建筑和节日的锣鼓，彰显了节日的热闹，也是不错的设计着手点。 ### 2、网页皮肤的设计机会  设计思考： - 太平洋汽车，左边灯笼，右边灵蛇，甚是欢乐，蛇年氛围十足。 - 春秋航空，背景用了极具中国年味的水墨插画进行表达，画面中有熙熙攘攘拜年玩耍场景，更有调皮可爱的小蛇带着帽子在街上行走，饱足了观众的眼福。 - 搜狐，左边新年祝福语，右边一个调皮的剪影小蛇嘴里叼着一个灯笼，虽简洁，也是很能感受到节日的气息。 - 万方数据，左右两对精致的灯笼，通红的背景，营造出万家灯火的感觉，满满的吉祥寓意，象征着来年的好运与吉祥。 - 中华网，满屏的烟花秀，让人瞬间想起大年三十除夕夜的烟花，小小的元素也是有着大大的魔力，让人浮想联翩。 ### 3、弹窗的设计机会  设计思考： - 花瓣的弹窗，用了红包与灯笼的结合，玫红色和金色金币的运用，画面财源滚进的寓意浓厚。 - 有道翻译的弹窗，边框用了具有中式边框的造型，左右两串长长的灯笼，下面还配有祥云，很有意境，红火的画面，再将需要凸显的信息放置在在紫色按钮上，对比感强烈，信息传达无比清晰。 - 应用宝的弹窗，用了漫画的风格进行表达，按钮和边框都运用了中式的装饰纹样，紧扣节日主题。 - 中国电信的这个弹窗，比较讨巧，其他的样式都沿用了日常的样式，只是在右上角添加了一个小小的烟花造型，氛围感马上呈现，对于设计师来说真是省时省力的举措。 - 支付宝的弹窗，直接用了转红包的视觉创意，将过年的这种人情世故转到了弹窗中，很亲民。 - 中信银行的弹窗，运用欢乐的吉祥物形象，外加几何烟花造型来营造春节氛围，也是不错的视觉表达。 ### 4、动效在春节PC端的设计机会  设计思考： - 金投网的背景用了一些在空中摇曳的灯笼和福字，让春节的氛围额外的浓烈，果然动效是氛围打造的绝佳利器。 - 地下城与勇士，它的氛围打造就更浓郁了，有人有物，场景额外的热闹，仿佛看到了过年大家一起赏灯看烟花的场景。 ### 5、动效在春节登录页的设计机会  设计思考： 登录元梦之星和洪恩识字，感觉就像打开了一场烟花秀的视觉盛典，特别是洪恩识字，效果特别的炸裂，数字烟花秀做的特别吸睛。 这样的动效视觉表现很好的与用户产生了情感共鸣，拉近了彼此的距离，增加了节日的乐趣。 ### 6、动效在春节APP的设计机会  设计思考： 支付宝在春节期间推出了一款很惊艳的皮肤，画面中仙气飘飘，一改之前单调的纯色背景，将有中国韵味的敦煌壁画文化搬上了荧屏，增添了很多喜庆的氛围和中国味，养颜又养心。  设计思考： 腾讯QQ在过年期间，推出了一个领Q币的活动还挺有意思，小企鹅穿着厚厚的衣服，手中抱着一个福袋在奔跑，通过这样的动效引导用户去领金币，非常的有意思。 ### 7、Banner在春节的设计机会  **设计思考：** Banner是很好进行情感化设计的窗口，也是打造春节气氛的绝佳宝地，那么这个春节它也一定不会缺席。 - 优设网在Banner中运用古代门头和灵蛇结合，再配合烟花，喜庆感倍增。 - 钉钉在Banner中采用了他们的吉祥物进行了设计，让吉祥物身穿年服来传递节日的气息，也是不错的设计出发点。 - 七猫中华网，运用城市烟花结合写作的笔进行创作，符合节日属性同时又与平台业务相契合，表达的很妙。 - 创客贴，一改常规的大红，用了淡雅的黄色，左右两边点缀一个灯笼和些许元宵，也传递了不一样的节日氛围。 ## 三、功能创新机会点 ### 1、微信红包的微创新  **设计思考：** 今年的微信红包，新增了一个随机的拜年红包功能，可以随机的派送红包金额，并且在红包的封面上可以长按，说出你想跟对方说的寄语，这个小小功能的精进，让发红包这个事情也变得更加有温度。 微信红包，还有一个新的创新点，小小的红包封面变成了产品的宣传栏，比方说广汽埃安的这个红包封面，它既是拜年的寄语栏，又是绝佳的产品宣传栏，配合动效，特别的酷。 ### 2、百度地图的微创新  **设计思考：** 百度地图在这个春节心系百姓的民生问题，知道人们在这个节日有旅游、探亲、出行的需求。 百度地图开发了人口迁徙监测功能、交通拥堵实时监控功能，让人们在出行时避开高峰路段，以及人口扎堆的旅游景点。 更有后方快车通过的提醒功能，当后方来了一辆很快的车时，百度地图也会进行语音播报，提醒车主这时不能随便变道。 当自己体验到这个功能的时候，感觉到这不仅仅是简单的功能了，更是一份对用户的爱，以及对生命的敬畏。 ### 3、满足拜年需求的产品功能创新  设计思考： 过年期间，是重温感情的好机会，朋友间彼此的问候还是很有必要的，那么如何问候，是简单的文字，还是用更有创意的视频画面去表达呢？ 发现我们考虑的，很多产品都已经帮我们想好了，比方说讯飞智作、剪映就推出了很多拜年视频的模板供用户自己去选择加工使用。 很大程度提升了用户制作视频的效率，也很大程度提升了产品的粘性，为用户多考虑一点，用户对产品的依赖也会更多一点。 ## 四、社交互动机会点 ### 1、支付宝的社交互动  设计思考： 发现支付宝在与用户社交互动这块做的非常的好，每逢大的节日都会有与大众互动的运营活动。 比方说元宵节的点福卡活动，萌萌的元宵，再配合微动效，以及引导用户去点击的手势动效，无不是在号召用户参与进来。 支付宝的五福活动，很有意思，入口的左右两边放置一个帅哥和靓妹在接红包，画面很有互动感，欢乐性十足，让人也忍不住去参与集福卡的活动。 ## 五、营销机会点 春节是消费高峰期，人们有购置年货、礼品等需求，此时也是各大品牌搞营销活动的好机会。 ### 1、体验的营销案列组一  **设计思考：** - 苏宁易购，在元宵节推出家电换新补贴20%的政策，满足了很多人购置新年物品的需求，一定程度上促进产品的转化。 - 有道和WPS在春节推出联合会员，且只有4折，极大的刺激了用户的复购，以及新用户的购买。 - 字由也紧跟节日步伐，在这个特殊的节日展开了“阿里汉仪顺利热土体”的公益发售，促进了字体的发售，就连我这个平时很少购买字体的人来说，也顺利下单了，来支持这个公益字体的发售，可以商用，却只要59.9就能终身商业使用，谁人不心动，字体又这么好看。 - 农业银行在这个春节期间推出乡村农产品的售卖活动，价格实惠，同时又带着助农的性质，我相信一定会带来一波不错的销量。 - 长沙银行也积极推出低利率的贷款活动，吸引人们去贷款。 ### 2、体验的营销案列组二  **设计思考：** 酷我音乐在过年期间，把皮肤设计当成了一种增加会员的刺激手段，一旦成为会员就能享受跟普通用户不一样的头像装饰。 连音乐播放页的皮肤也会有更多选择，可以选择年味十足的播放页，这让成为会员的人有一种偏爱的感觉，很不错的促销手段。 产品既能赚到钱，又能满足一些用户的需求，多好的共赢方式，拥有着健康的成长生态。 ## 六、阿里春节设计趋势报告 在阿里UCAN年度设计趋势报告中，着重强调了设计在商业场景里对用户行为的关键影响。在春节这一特殊时期，流量高峰带来海量用户，此时设计的价值尤为凸显。 报告指出，随着技术的发展，设计已从单纯的视觉美化，转变为提升用户体验和驱动商业增长的核心力量。 以春节红包设计为例，具备按钮动效的设计能极大吸引用户注意力。从心理学角度来看，动态元素更容易刺激用户的视觉神经，引发他们的好奇心和探索欲。 这与UCAN报告中提到的利用动态设计增强用户交互体验的理念高度契合。数据显示，这种设计使红包打开率提高了30%，直观地体现了优秀设计在春节流量高峰下，对提升用户参与度的显著效果。  在电商页面设计方面，UCAN报告强调简洁直观且富有创意的界面设计，能有效引导用户行为。 春节期间，电商平台流量剧增，那些依据这一理念设计的页面，通过合理布局商品展示、运用鲜明的春节色彩元素，以及提供便捷的购物流程，成功吸引用户点击，提升了商品点击率和购买转化率 。 这不仅印证了报告中关于设计要贴合用户心理和行为习惯的要点，也再次证明了在流量高峰时，优秀设计对商业转化的巨大推动作用。 ## 七、腾讯春节趋势报告 微信团队发布《微信里的赛博年味儿》报告显示，自制红包封面玩法流行，春节期间微信里诞生了1亿+款用户创作红包封面，约3.9亿人收到此类自制封面红包。 微信“送礼物”功能中，书籍品类送礼订单量环比增长10000%+，收到礼物数目最多的省份前三甲是广东省、山东省、浙江省。  看到这份趋势报告，我惊呆了，挖掘一个符合用户需求的产品功能，能带动海量用户的黏性和活跃，不得不说，微信自制红包的这个功能开发的太好了。 ## 总结 作为设计师，以前只在意产品的视觉和皮肤，没有站在一个多维的角度去看待一件事情以及背后的逻辑，发现写作让我思维更开阔，视角更全面，想事情想的更清楚，看问题看的更明白，感谢这一年来自己笔耕不辍，一直在精进的路上。 作者：姝斐suphie，公众号：姝斐 本文由 @姝斐suphie 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自作者提供 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>许多广告主在投放过程中常常面临流量来源不清晰、投放效果难以优化的困境。本文通过一个实战案例，展示了如何通过引入Appid穿透分析工具，将微信广告投放的ROI从1.5提升至4.5，实现了300%的增长。</p> </blockquote>  在微信广告投放的战场上，我曾陷入”知道流量来源却看不清战场全貌”的困境。 直到掌握这个工具，让每个appid都开口说话，最终实现ROI从1.5到4.5的惊人跨越。 ## 困境：被加密的流量密码 2024年Q2季度，我们的母婴用品广告账户出现诡异波动：日均消耗稳定在8万元，但ROI在1.2-1.8间剧烈震荡。 流量报表显示60%转化来自小程序场景，但密密麻麻的appid就像没有注释的代码——我们知道这些数字代表流量入口，却无从知晓背后的运营逻辑。 比如有一次发现异常：某appid（wx8a3b4c5d***）单日带来37单转化，次日同源流量却骤降80%。  团队耗时3天人工排查，才发现该小程序是某头部母婴博主的”隐藏款”测评工具，内容更新周期导致流量潮汐。 这种后知后觉的决策滞后，让我们每月至少损失15%的投放效率。 ## 破局：让数据开口说话 引入Appid穿透分析工具后，运营模式发生质变： - 解密黑箱：输入wx8a3b4c5d***，3秒获取”宝宝成长测评研究院”小程序全貌 - 深度体检：通过工具内置的”场景穿透”功能，直接查看小程序落地页结构、核心交互节点、用户平均停留时长（该案例中达147秒） - 流量解构：发现该小程序用户71%集中在晚20-22点访问，且”营养计算器”页面的退出率比均值低43%  ## 策略重构四步法 **源点筛查**：用工具批量检测近30天500+个来源appid，筛选出日均访问量＞1000的12个核心小程序**场景还原**：实际访问发现”孕妈社区”类小程序存在隐藏的”好物漂流瓶”板块（用户自发分享购物链接） **动态适配**：将原通用素材替换为场景化内容，例如在测评类小程序投放”权威机构检测报告”，在社区类推”万人亲测推荐” **时段狙击**：根据各小程序流量高峰设置差异化投放策略，某奶粉广告在测评类小程序的21:00-21:30时段CTR提升217% ## 数据见证拐点 实施30天后对比： - 单客获取成本从**89元**降至**53元**（↓40.4%） - 高价值用户占比从**18%**提升至**35%** - 晚间黄金时段ROI突破**5.2**，整体ROI均值稳定在**4.5+** - 意外收获：通过某早教类小程序的”爸爸育儿”板块，挖掘出男性用户占比28%的增量市场 ## 运营者札记 - 工具使用Tips：每周一用”跨小程序用户画像对比”功能，快速捕捉场景差异带来的需求变化 - 创意优化秘诀：在工具查看小程序页面配色体系后，将广告主色调从明黄色调整为莫兰迪色系，转化率提升33% - 风险预警：某高流量appid经查实为”薅羊毛”集合站，及时排除节省日均7000元无效消耗 ## 结语 在日益内卷的存量流量战场，知道”从哪来”只是基础，读懂”为什么来”才是决胜关键。 当每个appid背后的商业逻辑都清晰可见时，精准投放就不再是概率游戏。 我们已建立小程序流量动态追踪模型，下个目标是将决策响应速度缩短至2小时 —— 或许下次见面时，又有新的突破值得分享。 本文由 @Kainy 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

在量子世界，两个原子即便处于宇宙的两端，也可以瞬时产生相互影响。

金沙江创投迎来新的变化。

Jiang shared that pre-orders for the N2 and E1 have beat expectations, surpassing 500 units. He envisions NOETIX Robotics becoming the &#34;Xiaomi&#34; of the humanoid robot industry in the short term and the &#34;Apple&#34; of robotics in the long term, ultimately building a globally influential company.

**作者 | **丁卯 范亮 **编辑 | **郑怀舟 春节以来，在宏观政策发力、消费数据回暖以及DeepSeek爆火的共振下，资本市场开始重新审视中国资产的投资机会。 但相比去年9.24以来对A股的空翻多，2025年最大的边际变化是市场更加看好离岸中国资产，特别是以恒生科技为代表的中国科技资产。今年2月至今，恒生科技指数累计涨幅高达26%，年初至今为34%，如果拉长周期到去年9月，更是反弹了71%，相比A股的主要指数和美股纳斯达克均收获了巨大的超额收益。 市场看好恒生科技指数背后，除了认为港股具备更大的估值修复空间外，更重要的是恒生科技具有更高的科技/AI含量。 然而，作为离岸资产普通投资者想要参与港股并不容易。最直接的方法是通过开通港股通参与香港市场的个股和基金交易，但这种方式对投资者资金体量和交易经验都有要求。除此之外，通过境内发行的指数挂钩基金参与港股市场则是一种更常见的方式。 那么，现阶段恒生科技指数为什么值得关注？投资者又该如何选择基金产品？ ## **“聪明的钱”映射出哪些市场变化？** ETF资金作为市场最敏感的风向标，是投资者了解市场动向、进行资产配置的重要参考。2月以来，ETF资金呈现出了两个显著的变化： **（1）从“被动防御”到“主动出击”** 2月至今（截至3月4日）的反弹中，**ETF市场呈现出明显的卖出宽基ETF、买入行业和主题型ETF的趋势。**具体的原因可能包括两个方面：一是，2月份市场情绪大幅回暖，A股市场日均成交额达到1.8万亿，投资者对市场态度由被动防御转为主动进攻；二是，2月以来是典型结构市，AI、机器人板块大幅上涨，而公共事业、金融等传统行业表现一般，投资者通过主题型ETF把握结构行情。 受此影响，2月以来宽基ETF份额净减少764亿份，主题、行业指数分别增长144亿和79亿份。具体看，前期热门的宽基ETF基本都处于净流出状态，如中证A500 ETF净流出239亿份，科创50ETF则从2024下半年就维持净流出状态，本次统计期间份额净流出280亿份。  图：各类型ETF份额变动情况  资料来源：Wind、36氪整理 相反，行业和主题型ETF则受到市场追捧。分主题看，机器人/人工智能主题指数份额分别增加75亿/57亿份，份额数相较2月初增加82%/41%。分行业看，证券公司、800消费、中证全指电力指数挂钩的ETF份额则有较多增加。  图：主题指数份额变化 资料来源：Wind、36氪整理 **（2）港股科技偏好升温** 除了在A股战略上更积极主动外，2月以来，ETF资金的跨境投资也出现了一些结构变化。 **一是，ETF资金对港股偏好提升，美股偏好下降。**Wind数据显示，2月1日至今，跨境ETF份额增加前10基金中，全部是港股相关指数挂钩产品。规模最大的为港股通互联网、港股创新药、港股科技50；同时，在份额流出最多的10只产品中，有3只均与互联网相关指数挂钩。 **二是，结构市特征明显，更偏爱科技。**Wind数据显示，2月1日至今，跨境ETF份额增加前10基金中有5只都与科技相关的港股指数挂钩；在流出份额最大的10只基金中，规模最大的为恒生互联网ETF，这只基金前5大重仓成分股分别为快手、美团、腾讯、阿里和京东，合计权重占比60.2%，而港股通互联网ETF前五大重仓股分别为阿里、小米、腾讯、美团和金蝶，合计占比64.3%，可见港股通互联网ETF的科技/AI含量更高。 除此以外，从流出份额前10的基金看，尤其是进入3月以后，生物医疗、创新药相关产品也受到了港股主题切换的影响。  图：跨境指数份额变化 资料来源：Wind、36氪整理  图：跨境指数份额变化 资料来源：Wind、36氪整理 ## **为什么关注恒生科技指数？** 如前文所述，2月以来，市场对港股的关注显著上升，而科技相关的标的更是成为了市场加仓的主要方向。在这种背景下，恒生科技指数的热度显著升温，那么恒生科技指数究竟具有怎样的特征呢？ **1.科技含量高且质量好。**恒生科技指数（HSTECH），是2020年7月由恒生指数服务有限公司编制发布的，由30家最大的香港上市科技企业组成，旨在反映香港上市公司中与科技主题高度相关的龙头公司表现，被誉为“港版纳斯达克”，代表着中国质量最好的科技龙头。 **2.成分股权重分布均匀，有利于分散风险。**恒生科技指数按照流通市值加权法编制，在单股的权重上限方面，规定非外国公司成份股个股权重上限为8%；外国公司成份股个股上限为4%，合计不超过10%。目前指数中仅有一家外国公司ASMPT（00522.HK），主要的业务是半导体先进封装设备和表面贴装技术。由于单个公司的权重上限不高且分布较为均匀，所以有效降低了个股对指数的影响力，使指数更能代表科技龙头公司的走势。 **3.行业和个股分布均衡，覆盖范围更广，更利于追踪中国科技资产表现。**从行业占比看，恒生科技指数行业分布更均匀。以万得三级行业分类为基准，恒生科技指数覆盖的行业既包含多品类零售和信息技术，又包含电脑、汽车、半导体、电子元器件、软件等。  图:恒生科技指数行业构成  资料来源:Wind、36氪整理 从具体的成分股看，恒生科技指数不仅包括阿里、腾讯、美团等各大互联网龙头企业，还包括理想、小鹏等新能源车企，中芯国际、华虹半导体等国内半导体头部企业，同时��有小米、联想、比亚迪电子、舜宇光学等消费电子品牌和硬件龙头，以及金山、金蝶等软件龙头。  图：恒生科技成分股构成   数据来源：wind，36氪整理 与此同时，相比港股通互联网指数，恒生科技指数的成分股并不全是港股通标的，其覆盖了一些未纳入港股通但科技含量和质量较高的标的，因此整体覆盖度相比港股通产品更为全面。 整体来看，作为普通投资者而言，站在长期配置的角度，如果想要参与港股的科技主题行情，那么，科技含量较高、行业分布均匀、个股覆盖广泛且质量好的恒生科技指数挂钩的产品无疑是一个更稳妥的选择。 ## **基金如何选择？** 国内的基金投资者想要参与恒生科技的投资机会，目前主要可以通过三种方式：**1.用证券账户购买国内发行的恒生科技ETF基金；2.通过基金代销机构购买场外的恒生科技指数基金或者恒生科技ETF联接基金；3.通过港股通账户购买香港发行的恒生科技ETF基金。** 那么，这几种参与方式有什么特点？又该如何选择？ **1.境内发行的恒生科技ETF** 恒生科技ETF属于场内基金，最典型的优点是流动性好且操作灵活（T+0回转交易机制）、实时报价和费用低廉；但由于ETF除了受跟踪标的本身价值影响以外，还会受到市场供需关系的影响，因此其价格波动可能会短期偏离价值，出现折价或溢价的状态，在高溢价时需要注意投资风险。 同时，由于恒生科技指数属于海外市场的宽基指数，因此国内发行的恒生科技ETF是QDII基金，一定程度上存在汇率风险，而且由于A股和港股的交易时段有差异，国内发行的恒生科技ETF按照A股市场时段报价，但标的指数实际上按照港股交易时段波动，这可能会引发时差所带来的额外价格波动风险。 目前，市场上共有10只内地上市的恒生科技ETF产品。投资者在挑选的时候可以综合规模、业绩表现和费用三方面进行选择，规模越大代表基金产品的流动性越好，而费用越低则代表基金产品的成本更优。 一般而言，场内基金的费用只有管理费、托管费和交易佣金，交易佣金主要与开户的券商有关，对个人而言较为统一。因此，在实践中只需要将托管费和管理费的总费用率当作成本参考。  图：境内恒生科技ETF概况  数据来源：wind，36氪整理 对比来看，10只基金中规模和日均成交额前三位的是华夏恒生科技ETF、华泰柏瑞恒生科技ETF和易方达恒生科技ETF，规模/日均成交额分别为229.8亿元/58.3亿元、199.9亿元/55.1亿元、74.5亿元/13.9亿元。 业绩表现上，近一年回报率方面，10只基金整体表现较为接近，在65.3%-67.7%之间，排名前三为华夏恒生科技ETF、摩根恒生科技ETF和广发恒生科技ETF，年化收益率分别为67.7%、67.5%和67.0%。溢价率方面并不夸张，只有广发和华安超过1%。 费用率上，总费用最低为汇添富，最高为嘉实，但需要注意的是华泰柏瑞的跟踪标的是香港上市的南方东英恒生科技ETF，因此存在双重收费问题，实际总费率高达1.24%。 综合业绩表现、流动性和成本三方面看，表现较为突出的为易方达和汇添富。 **2.香港发行的恒生科技ETF** 相比国内市场ETF，香港发行的恒生科技ETF规避了QDII基金的汇率和时差风险，极大降低了跟踪误差，且实时性流动性更好。但由于属于境外基金，投资这类ETF需要开通港股通账户，具有一定的资金和经验门槛，需要满足前二十个交易日日均资产50万的资金要求和半年的交易经验。 目前港股通纳入了5只香港上市的恒生科技ETF，分别是未来资产（韩国）的GX恒生科技ETF、恒生投资（中国香港）的恒生科技ETF、南方东英（中国）的南方恒生科技ETF、贝莱德（美国）的安硕恒生科技ETF、华夏基金（中国）的华夏恒生科技ETF。  图：香港恒生科技ETF概况 数据来源：wind，36氪整理 对比来看，规模和日均交易额最大的是南方恒生科技ETF规模已达450亿，日均交易额为62亿，其次为贝莱德旗下的安硕恒生科技ETF规模为152亿，日均成交额3亿。 业绩表现上，近一年表现最好的是安硕恒生科技ETF年化收益率65%,其次为华夏恒生科技ETF为64.5%，南方恒生科技ETF业绩表现最差为63.7%。 费用率上，总费用率最低为安硕恒生科技ETF，最高为南方恒生科技ETF。 综合流动性、费用率和业绩表现，5只基金中表现最佳的为安硕恒生科技ETF，南方恒生科技ETF虽然规模最大但业绩较差且费率最高，规模大的一个原因是国内华泰柏瑞的恒生科技ETF挂钩这只产品，基金规模接近200亿。 **3.场外恒生科技挂钩基金** 相比于场内基金，场外基金不需要开户，可以通过直销和代销机构进行交易，灵活度好且参与门槛低。但场外基金的交易对象是基金公司，不提供实时报价，只公布每日收盘净值，而且整体费用会略高于场内基金。 按投资标的不同，场外跟踪恒生科技指数的基金又可以分为指数型基金和ETF联接基金两类；按照收费模式不同，又可以分为A、C、E、F、I类等不同基金份额，较为常见的是A和C两类。对于分类的具体介绍，**可在之前**[**《中证A500哪家强？| 智氪》**](https://mp.weixin.qq.com/s?__biz=MzIzOTk2Mjc1Mg==&amp;mid=2247611305&amp;idx=1&amp;sn=8d7a23fbb5dcb5bae43ba95123bc3a34&amp;scene=21#wechat_redirect)**一文中具体了解。** 目前，市场上共有29只挂钩恒生科技指数的场外基金，其中8只为指数基金，21只为ETF联接基金。 **（1）A类基金份额** 目前市场上，共有13只与恒生科技指数挂钩的A类基金份额，其费用结构为管理费、托管费、**申购费和赎回费。**  图：恒生科技挂钩A类基金概况   数据来源：wind，36氪整理 对比来看，规模上，规模最大的为天弘恒生科技指数A为45.1亿元，其次为易方达恒生科技联接A为11.5亿元，第三位为华夏恒生科技ETF联接A为10.7亿。 业绩表现上，近一年回报率均值为76.5%，好于均值的有6只，其中收益表现前三位的为天弘恒生科技指数A（79.2%）、华夏恒生科技ETF联接A（78.2%）和华安恒生科技联接A（77.9%）/广发恒生科技联接A（77.9%）。 费用上，由于A类基金份额除了基础的基金管理费和托管费以外，还要收取申购费和赎回费，所以**A类基金份额对于资金量小且持有期短的投资者并不友好。** 但随着持有期的延长，基金费用率会逐步下降，如小资金量投资者持有期在1年以上的总费用率最低为易方达恒生科技联接A的0.85%，最高为建信恒生科技指数A的2.2%。**对于资金量小且持有期超长（＞3年）的投资者，A类基金相对费用优势更为明显。** 同时，**对资金量大于500万且长期持有期较长（至少1年以上）的投资者，A类基金的总费用率会明显降低，**目前各基金申购和赎回费用基本相同，大致都为1000元/笔的申购费和0%的赎回费率（汇添富恒生科技联接A的资金量为100万），相当于除了管理费和托管费外的额外费用率仅为0.02%。 **（2）C类基金份额** 目前市场上共有13只和恒生科技指数挂钩的C类基金份额。C类基金的费用结构为基金管理费、托管费、**销售服务费和赎回费。**  图：恒生科技挂钩C类基金概况    数据来源：wind，36氪整理 对比来看，规模最大的为天弘恒生科技指数C48.9亿元，其次为华泰柏瑞南方东英恒生科技ETF联接C规模21亿元，第三位为易方达恒生科技联接C为17.5亿元。 业绩表现上，13只基金近一年收益率范围在71-79%之间，均值76.1%，其中，排名前三的为天弘恒生科技指数C（78.2%）、建信恒生科技指数C（77.8%）和华夏恒生科技联接C（77.7%）。 费用率上，13只基金在管理费率、托管费率、销售服务费率上差距较大，同时由于C类基金份额按照持有时间不同赎回费用也有较大差异（一般可以划分为7日以下、7-30日以及30日以上三个档），因此目前恒生科技指数挂钩的C类基金份额总费用率差距较大，范围在0.4%-2.8%之间。**总费用率最低为汇添富恒生科技联接C，最高则为建信恒生科技指数C。** 除了上述的场外基金外，还有**三只较为特殊的恒生科技ETF联接基金，**均是基金公司在原有的A、C份额基础上，近半年增发的新份额，分别为华泰柏瑞南方东英恒生科技联接I、华安恒生科技联接I和广发恒生科技联接F。这三只基金在费用结构上和C类基金一样，只收取交易服务费和赎回费，但**和C类基金的区别主要是销售机构不同（多为直销和极少数代销），同时交易服务费更低，通常为0.1%，且华安和广发的两只目前的销售服务费还有折扣，折后为0.01%。** 综上所述，**在场外基金的选购上，对于资金体量小且持有期短的投资者，更建议关注C类和三只特殊的I/F类份额基金。**如果看重流动性和业绩稳定性，那么华夏恒生科技ETF联接C、天弘恒生科技联接C、广发恒生科技联接C和易方达恒生科技联接C均是不错的选择；如果更看重成本费用，那么汇添富恒生科技联接C、易方达恒生科技联接C、华安恒生科技联接I、广发恒生科技联接F则可以优先关注。 **对于资金体量大且持有期长的投资者，更建议关注A类份额基金。**如果看中业绩稳定性，优先关注天弘恒生科技联接A、华夏恒生科技ETF联接A和广发恒生科技联接A；如果更看重成本费用，易方达恒生科技联接A、汇添富恒生科技联接A和南方恒生科技指数A可以优先关注。 ## **综合建议** 整体来看，投资者在挑选恒生科技指数挂钩的基金产品时，最好遵循先考虑投资目的，再对比基金业绩和综合费用率的方式。 **如果对投资的时效性、流动性有较高需求，**且本身**资金体量较大、投资经验丰富，**那么**香港本土发行的场内ETF**就是最佳的选择。 如果对**时效性和流动性有要求，**但**资金规模和投资经验达不到门槛，**那么则优先**选择境内发行的场内ETF**。 若**无时效性、流动性要求**，只想要参与恒生科技指数的投资机会，那么**场外的ETF联接和指数基金均在可选范围内。**具体选择上，对于**资金体量小且持有期短的投资者，更建议关注C类和三只特殊的I/F类基金；**对于**资金体量一般且超长期投资者（＞3年）或是资金体量大且持有期较长（＞1年）的投资者，**则**A类基金产品**可以优先关注。 *免责声明：  本文内容仅代表作者看法。  市场有风险，投资需谨慎。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。我们无意为交易各方提供承销服务或任何需持有特定资质或牌照方可从事的服务。

<blockquote><p>在AI技术深刻影响日常生活与商业决策的当下，如何实现AI与人类的最佳协作成为重要议题。本文将通过用户画像实验，探讨AI控制的适度性与边界，从实践中寻找人机协作的最佳平衡点，为AI驱动的产品设计与管理提供新的启示。</p> </blockquote>  ### 背景与意义 AI 在复杂任务中的角色日益重要，但如何协作才能发挥最大价值？本文**探索人与AI协作处理复杂任务的方式，怎样合作的方式会更有效。** ### 研究目标 - 评估 AI 介入用户模型生成的有效性 - 探索 如何提高 AI 生成用户画像的质量 - 研究 不同协作方式对结果的影响 - 反思 AI 时代的最佳工作流 ## 一、实验结果概览 对比两种方式的测试结果，**纯AI自主模式在整体表现上优于流程化控制**，主要评判标准包括典型性、差异性、契合性和有效性。然而，纯AI自主方式的输出颗粒度较为粗糙，仍有优化空间。  总结：  接下来分别分享下这个过程 ## 二、方式一：流程化控制 ### 2.1 模型需求与选择： 本研究需要具备**通用推理、联网搜索**能力的模型，备选方案包括 DS、千问、GPT。由于 Deepseek R1 不能联网，且本次研究依赖最新产品数据，暂不测试。同时，千问的推理能力未达预期，最终选用 GPT（4o mini、o3 mini）。 ### 2.2 流程主线 我将这个过程分为了两个阶段，预热和制作用户画像，同时通过关键节点的控制来进行流程的构建  **预热的目的** - 聚焦关键信息：AI 具备广泛的知识储备，但未经引导可能会输出不相关内容。通过预热，可以**设定主题边界**，引导 AI 关注核心信息，确保研究方向精准对齐。 - 拓展思维维度：AI 能提供跨学科视角，弥补人的知识盲区，帮助拓展思考路径。相比人类依赖经验判断，AI 可通过模式识别发现潜在的逻辑关联，但需要对其生成的内容进行合理性评估，以避免信息偏差。 - 评估模型能力：不同模型在推理、数据完备性和表达方式上存在差异。预热阶段可用于测试模型在理解问题、提供新知、生成高质量内容等方面的表现，从而选择最合适的模型进行后续研究。 **预热结果：** 结果基本达标，控制器中的关键节点问题都能回答上来，它可以做为用户体验专家来做接下来的任务  ### 2.3 制作用户画像 找到这个流程的关键节点，只对关键节点进行管控，以下分别从流程、产品了解、用户群体的划分、用户画像的坐标去做为节点控制 **流程合理：**整体流程架构正确，确保用户画像的生成逻辑连贯。  **产品信息：**AI 具备联网能力，能获取并整合最新产品数据。  **用户群体划分：**基础分类较为全面，但仍需进一步优化细分标准。  **划分维度：**基于用户需求和行为模式，设定了 4 个核心划分维度。  **画像维度：**基本覆盖主要特征，但颗粒度仍可优化。  **画像质量：**当前生成的画像相似度较高，缺乏足够的差异化，未能充分展现更多典型用户特征。  ### 2.4 总结 流程化控制过度干预 AI 生成过程，导致任务执行零散、不连贯，影响结果质量。此外，这种方式容易出现**过拟合**，限制 AI 的灵活性，同时**微调成本高，**调整难度大。 ## 三、方式二：纯AI自主 ### 3.1 模型需求与选择 本研究需要具备 **推理能力**和**联网搜索** 功能的模型，备选方案是 Qwen2.5-Max，该模型是千问的最新推理模型，可以自主推理并完成任务，仅需提供清晰的需求描述，AI 即可规划执行。提示词的精准度 是影响最终结果质量的关键因素。 ### 3.2 提示词对结果的影响 （1）基础提示词（简要描述目标）：[https://chat.qwen.ai/s/87509ea8-5afd-49f7-b500-4c50c972e49d](https://chat.qwen.ai/s/87509ea8-5afd-49f7-b500-4c50c972e49d) 用户模型结果：整体分类清晰，但细分维度较为粗糙，部分画像存在重叠。  （2）优化版提示词（增加关键上下文）：[https://chat.qwen.ai/s/b2121f82-004d-4553-93d6-ad029983cbd4](https://chat.qwen.ai/s/b2121f82-004d-4553-93d6-ad029983cbd4) 用户模型结果：分类相对合理，但画像的定位较粗略。可将相关需求细化并融入提示词，以提升生成质量。  通过两个提示词对比结果，只要提示词够精准，质量会更高。 过程甚至有图表示意和属性权重  ### 3.2 总结 在纯AI自主模式下，推理模型可自主完成复杂任务，**核心挑战在于如何精准描述需求**。提示词的清晰度直接影响 AI 的理解和执行效果，决定最终生成结果的质量。 ## 四、研究启发与AI协作的思考 ### 4.1 AI 在用户模型生成中的表现 - **联网搜索的局限性**：搜索结果更偏向信息总结，而非提供新的洞见或深度思考，这可能与模型的知识处理方式有关。 - **提示词设计的影响**：分步骤提问时，建议每个问题都清晰独立，因为 AI 可能不会自动关联前一步的内容。 - **结合真实用户数据的重要性**：如果 AI 能基于具体的用户数据，生成的用户画像会更加准确和贴合实际需求。 - **行业趋势**：用户画像自动化：未来可能会有专门的公司，将 AI 处理复杂标签体系的能力封装成产品，实现一键生成精准用户画像。 - **AI 的关键词理解 vs. 人类语言**：AI 对关键词的理解与人类表达方式可能存在偏差，但从最终结果来看，核心意义往往是匹配的。例如“典型性、差异性、契合性、有效性”等概念，AI 可能没有直接归纳，但在推理过程中已实际应用这些逻辑。 - **搜索的作用与局限**：AI 依赖搜索内容作为知识库，在推理时更看重搜索结果的权重。因此，在构建分析框架时，不建议过度依赖搜索，以免限制 AI 的推理能力。但在执行任务时，搜索仍然是重要的信息更新手段。这也许解释了o1 推理模型为何默认关闭搜索，优先依赖自身的推理能力，而非外部数据。 ### 4.2 从节点控制到端到端优化：AI协作模式的演变 **（1）节点式控制的局限** - **人工定义逻辑是否优于 AI？**传统流程由人设定规则，但 AI 是否能推理出更高效的逻辑？ - **复杂环境下的适应性**，人难以预见 AI 在所有场景中的表现，过度控制反而增加失败风险。 - **AI 仍是执行者，**在这种模式下，AI 仅作为任务的执行工具，缺乏自主优化能力。 **（2）端到端优化** OpenAI 的 **Deep Research** 采用端到端优化思路，基于 o3 模型 强化 AI 对工具的使用能力，使其能够自主拆解目标任务、执行任务并动态调整策略、独立使用工具进行分析和推理。 这一模式让 AI 不再只是被动执行，而是主动优化任务流程，探索出更高效的解决方案。这也启发我们重新思考 AI 在未来工作流中的角色定位  ### 4.3 AI 时代的协作新思考 - **流程控制是否必要？应控制到何种程度？** - **传统的工作流程是否仍然适用？AI 时代如何构建新的工作模式？** 在流程化控制和纯 AI 自主之间，我还探索了**半控制**的方式。这种方法在适度干预 AI 任务执行的同时，仍然保留 AI 的自主推理能力，使其在效率与准确性之间找到平衡点。然而，本次文章的重点不在此，因此不作详细展开。 **实验结果：** 在相同的引导方式下，不同 AI 模型生成的用户画像趋于一致，均涵盖 社交型、探索型、创作型、情感陪伴型 四大类别。相较于纯流程化控制和完全自主方式，**半控制方式的结果质量更高**。   ## 五、说明 本次实验并非严格的科学实验，而是一次个人探索，未采用严谨的控制变量法。实验过程中，提示词的表达方式也会影响结果，因此结论具有一定的局限性。 我希望分享的重点在于：在大多数人无法完美编写提示词的情况下，流程化控制可能反而降低了最终结果的质量。 本文由@玄清 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。

<blockquote><p>在用户运营日趋精细化的时代，AI技术正逐步成为解锁用户消费行为洞察的有力助手。本文将围绕如何利用AI实现用户分层和偏好洞察，分享具体方法与实际案例，为从业者提供实践指导，助力构建更高效、更精准的运营策略。</p> </blockquote>  随着deepseek的爆火，我一直在想能不能用AI来帮我做用户运营，目前deepseek只能提供框架层面的运营建议，还无法实现将订单数据给到它，能够自动化分析并将用户分层，并给出可视化的运营洞察报表。 但是，我要告诉大家，除了deepseek，我成功通过AI实现了自动化的用户运营，它可以帮我自动处理数据，自动进行用户分层，自动进行用户洞察并输出可视化报表，同时给出运营建议，有这个工具在手，你就是一个非常厉害的数据分析师兼用户运营专家兼PPT高手，先带大家一探究竟。 首先这里是一个未经深入加工的订单底表数据，字段信息包含用户ID、用户画像的基础信息以及用户购买品类信息，购买品类这里，如果有购买这个品类，则它的值是T否则是F  现在我的运营需求是： - AI结合用户的画像信息和购买品类信息将用户自动聚类，并给每个用户打上聚类标签（比如家庭主力族，精致生活族） - 给出我聚类的可视化报告，分别是用户群的大小分布用饼图实现，各用户群体的特征洞察（年龄分布，收入分布）用箱图实现，各用户群的商品品类偏好热力图，各用户群体的支付方式偏好；每个可视化图表要深入解读 - 针对洞察结果给出分层用户的运营策略 接下来我把需求给到AI，以下为AI的自动化输出，包含可视化和运营策略：  从饼图可以看出，我们将用户分成了四个群体，其分布如下： - 年轻白领族：占比46.8%，是最大的用户群体 - 家庭主力族：占比21.7%，是第二大用户群体 - 精致生活族：占比17.7% - 经济实用族：占比13.8%  让我们继续分析各个用户群体的购物偏好特征。 首先解读年龄和收入分布的箱型图： 各群体特征分析： **1. 年轻白领族：** - 年龄分布：主要集中在25-35岁之间 - 收入水平：中等偏上，大约在20000-27000元区间 - 群体特点：年轻、有稳定收入的职场人士 **2. 精致生活族：** - 年龄分布：25-40岁较为分散 - 收入水平：最高，中位数约25000元，且上限较高 - 群体特点：追求品质生活的中高收入人群 **3. 家庭主力族：** - 年龄分布：30-45岁，较为集中 - 收入水平：中等，约18000-25000元 - 群体特点：家庭购物主力军，年龄较成熟 **4. 经济实用族：** - 年龄分布：最年轻，主要在20-30岁之间 - 收入水平：最低，主要在10000-15000元区间 - 群体特点：年轻且预算相对有限 现在让我们看看各群体的购物品类偏好：  让我们详细解读热力图所展示的各用户群体的购物偏好特征： **1. 年轻白领族（占比46.8%）的购物特征：** - 最显著偏好：罐装蔬菜（深红色区域） - 次要偏好：软饮料、冷冻食品 - 购物特点：偏好便捷性食品，可能因为工作繁忙，追求快速便利的饮食方案 - 消费行为：注重效率，选择即食或快速加热类食品 **2. 精致生活族（占比17.7%）的购物特征：** - 最显著偏好：葡萄酒、乳制品 - 次要偏好：水果蔬菜、生鲜肉类 - 购物特点：追求品质生活，偏好高档饮品和健康食材 - 消费行为：愿意为优质生活付费，注重饮食品质 **3. 家庭主力族（占比21.7%）的购物特征：** - 最显著偏好：生鲜肉类（深红色区域） - 较高购买：水果蔬菜、乳制品 - 购物特点：注重新鲜食材，购买品类全面 - 消费行为：可能负责全家的日常饮食采购，注重营养均衡 **4. 经济实用族（占比13.8%）的购物特征：** 相对均衡的购买模式，但总体购买强度较低 - 较高购买：糖果、软饮料 - 购物特点：价格敏感，偏好低单价商品 - 消费行为：理性消费，可能会追求促销商品 让我们再看看支付方式的偏好：  **1.年轻白领族的支付特征：** - 刷卡(CARD)支付占比最高，约45% - 现金(CASH)支付约35% - 支票（CHECK）支付约20% 特点：偏好电子支付，反映了该群体追求便捷的支付方式 **2. 精致生活族的支付特征：** - 刷卡支付占比约40% - 现金支付约35% - 支票支付约25% 特点：各种支付方式都有使用，但仍以电子支付为主 **3. 家庭主力族的支付特征：** - 现金支付占比最高，约40% - 刷卡支付约35% - 支票支付约25% 特点：偏好现金交易，可能与日常采购习惯有关 **4. 经济实用族的支付特征：** - 刷卡支付约40% - 现金支付约35% - 支票支付约25% 特点：支付方式分布相对均衡 最后针对4个用户群的营销建议： **1. 针对年轻白领族：** - 开发便捷性套餐 - 强化快煮、即食类产品的营销 - 推出工作日特惠活动 **2. 针对精致生活族：** - 引入更多高端品牌 - 开展品鉴活动 - 强调产品品质和健康属性 **3. 针对家庭主力族：** - 推出家庭装产品 - 设计全品类优惠活动 - 强化生鲜食材的新鲜度保证 **4. 针对经济实用族：** - 提供实惠型套餐 - 设计积分奖励计划 - 推出限时特价活动 通过这个案例展示，大家有没有发现做用户运营基本就是一个0门槛的事情了，刚才AI代替我们做了哪些事情呢？ - 通过聚类模型将用户自动分层，一般这个过程需要用到聚类算法，很多运营同学基本不会 - 用户可视化分析，生成了精美的箱图，热力图等，我相信这些图很多运营同学做不出来，但是AI可以几秒生成，拿来做PPT简直不要好 - 用户运营策略框架，这个很多AI都会，但是比较框架，需要运营自己细化并能落地，如果这块工作某一天也被AI取代，那运营这个岗位或许就不存在了 最后，运用AI做用户运营的精髓是什么呢，当然就是写提示词啦，如果你对用户运营不是太精，你就不知道让AI给你输出什么，比如我给到AI的提示词里包含聚类、箱图、热力图这些让AI知道输出范围的关键词，就能确保它按我的想法工作！ 好了，今天就分享到这里，大家如果有更多学习AI用户运营的需求，关注我的公众号，账号是用户运营观察，带大家学习更多的应用案例。 **专栏作家** 赵文彪，公众号：用户运营观察（ID：yunyingguancha），人人都是产品经理专栏作家。用户运营、私域流量营销领域的资深从业者，专注分享场景化用户运营、社群营销的干货文章及独特见解。 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。

<blockquote><p>在生成式AI快速崛起的浪潮中，Google以全新的产品矩阵和技术升级迎来属于它的“LLM时刻”。从文本到图像，从工具到生态，AI全家桶的发布让人们看到技术无边的可能性。本文将带你深入解读这些突破背后的技术逻辑与市场策略，探讨Google如何在AI竞赛中拔得头筹，并展望行业未来的新格局。</p> </blockquote>  对于Google来说，作为Transformer等核心技术的发明者，在“AI 4巨头”的讨论中没有它，是一件很尴尬的事情。  这让其一直憋着一口气，决心证明自己。最近Google的系列更新就颇具看点： 发布开源模型 Gemma 3，性能超越DeepSeek V3、o3mini为全球第二强开源模型，但是模型大小仅为7B。发布Gemini 2.0 Flash Experimental，动动嘴就能PS的AI文生图产品。不仅如此，对指令理解也相当到位，能连续生成一致性图片，并评为AI生图的GPT时刻，这几天在X传疯了。Deep Research开放免费使用，背后是2.0 Flash Thinking Experimental 提升推理能力并扩展上下文窗口。还有新一代 机器人 AI 模型Gemini Robotics ，对物理世界更懂了。 国外有网友评价**Google这次更新，是几乎每项到了最佳**：  到底有没有这么强呢，鲸哥认为是大差不差，有惊喜，也有吹嘘。 先说**这次最被热议的更新—Gemini 2.0 Flash Experimental**。 原生图像生成功能上线，**说话就能PS照片的梦想实现**。通过聊天任意编辑图像的局部或者全部，有点类似Adobefirefly版本。 我们用英伟达CEO黄仁勋此前发布会的图片，来试试是否可以随意PS。  我们先要求换背景，让黄仁勋在直播间中带货。这个难度不大，是不是抠图也不好说。  “321上链接”，5090显卡刀法精准，直接卖爆了，我们让黄仁勋开心地笑起来。看得出来表情有些崩，但整体还是做到了AI改变人物表情。  再要求把脸从黄仁勋换成马斯克，这个挺顺畅完成了，马斯克的脸部还挺逼真，表情也比较自然。一个小细节，摄像机上手机屏幕中的人物也跟着换成了马斯克。  还有一个这两天大家很爱玩的功能，就是这个合成图片的功能，熊的视角略微有一些转向，但是合成图片中还原的还不错。  很多人会质疑这个功能有什么用，国外有小伙，利用gemini-2.0 新推出的图片编辑 API，连夜肝了个工具，实现白底图到产品实拍图的批量自动化生成。 他是这样评价这个产品：“**效果炸裂，特别是对产品的特征保留的很好，相比 ComfyUI 工作流调个半死，这不强多了**。” 当然它还能给线稿上色，鲸哥生成了“猿力崛起”类似的图片。生成效果确实还没有Midjourney强，但是能力很连贯，这是生成式AI的体现，这是预言挑战画家的颠覆性一步。  Gemini-2.0不仅改图能力强，还能生成连续性的图片故事集，效果也不错。以下是鲸哥测试的成果。 “生成一个关于爆炒羊杂教程系列图片。对于每个场景，生成一个图像和一段介绍文字。”Google生成的教程显示有点长，我在排版时用SVG动画显示了，大家点击下方即可查看。 羊杂切碎，调好备料最关键是羊杂焯水    羊杂切碎，调好备料最关键是羊杂焯水 放油，先炒调料再加入羊杂爆炒·    放油，先炒调料再加入羊杂爆炒 放入蔬菜，炒至断生加入勾芡，炒熟装盘·    放入蔬菜，炒至断生加入勾芡，炒熟装盘 感谢Google，终于知道中午做的爆炒羊杂为啥不好吃了，原来没有先把羊杂焯水（直男落泪）。 此前的 2 月，Google Veo 2 已通过 Freepik 发布了图像转视频功能，现在与2.0 Flash有很好的结合了。 这个视频是JP博主制作，用一张AI生成的美女和商品图结合，先是生成了带货图片，然后转成了视频，神奇的是视频中饮料的商标都没有变，目前在X上很火。 最后再讲一个很有用的东西，应该比以上视觉工具更加落地。 是不是大家仍没有Manus邀请码，感觉也不用苦苦等待了。**Google deep Research 现在可以免费使用，由 2.0 Flash Thinking模型提供支持**，而且可以展示研究过程（chain of research），甚至支持链接你的搜索记录对 Gemini 进行个性化设置。 这是我做的“**中国视频类科技商业博主起号及爆款**”研究专题，要求生成30页以内的PPT报告。  还能根据这份报告继续提问，我问了下最适合普通人学习的博主是谁，回答结果如下，额，不知道大家怎么看这个结果。  Deep Research能罗列Researching websites，这样你可以清楚看到引用的哪些网站内容，靠不靠谱。同时这也是Google deep Research 的优势，搜索内容的广度上要比OpenAI 大很多，甚至能索引 YouTube 内容。 最重要的是，它输入框底下有行字，“Gemini can make mistakes, so double-check it”，避免出错进行了双倍检查。这就极大避免了幻觉率，确保提供的信息，一定范围内的准确性。 当然问题也有，**就是这个产品不太Agent，让生成PPT最终没有生成**，估计是因为调用不了其他工具。我体验导出报告，调用Chrome文档也不流畅。以后使用MCP协议估计效果会更好。 在基础语言模型方面，最大的更新是发布最新开源模型 Gemma 3 。 **最大仅为27B，性能超越DeepSeek V3、o3mini，为全球第二强开源模型，仅次于DeepSeek R1，但是模型小很多，达到差不多的性能。**  其他几个模型分别为 1B、4B、12B 和 27B，微型模型意味着可在手机、电脑上跑。 虽然模型小，但是各方面能力都具备。比如增强文本和视觉能力，可理解文本、图片、短视频。支持128K上下文窗口 ，支持函数调用，支持AI 代理开发，自动执行任务。 不仅是通用LLM模型更新，Google还在具身智能领域做了很大的改进。 **Google DeepMind 推出基于 Gemini 2.0 研发的新一代 机器人 AI 模型Gemini Robotics 。** 首先是**具备泛化能力**：Gemini Robotics利用Gemini 2.0的世界理解能力，机器人能够处理未见过的新物体、新指令和新环境，甚至完成训练中未见过的新任务。 在综合泛化基准测试中，Gemini Robotics的性能比其他最先进的VLA模型高出一倍以上。 例如，它能完成未训练过的任务，如扣篮一个新篮球。- 其次是**交互性**：它能理解日常语言指令（包括不同语言），并快速响应环境或指令的变化。例如，当物体被移动时，它能迅速重新规划行动路径，无需额外输入即可继续任务。 然后还具有**灵活性与灵巧性**：通过多模态推理（结合视觉、语言和动作），机器人能精确操控物体，完成多步骤任务。支持执行需要精细动作的复杂任务，如折叠纸鹤、将零食装进拉链袋或轻柔放置眼镜。 要知道，一开始，Google在大模型这波生成式AI浪潮中确实落后了。通过这两年的蛰伏，Google还是证明了其技术储备，完成了一场AI逆袭。 作者丨鲸哥 本文由人人都是产品经理作者【AI鲸选社】，微信公众号：【鲸选AI】，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>小红书正式上线了“乘风选品分析”功能，这是首个由小红书官方推出的AI驱动型选品工具。本文将详细介绍这一新工具的功能、适用场景以及实战技巧，帮助商家更好地利用这一利器，实现品牌增长。</p> </blockquote>  选品即战略，选品不对，预算白费 小红书平台不是一个什么产品都适合的平台，品牌进入小红书投放之前，第一件事就是要选对品，品选对事半功倍 当然，不建议大家“拍脑袋选品”，而是要结合用户洞察、赛道趋势进行科学选品，在之前确实没有办法来利用官方工具来进行选品，但是就在这个月，乘风平台官宣了“选品分析功能”，简单说就是商家可以用工具检测“用户行为、竞品和交易全链路”，直接通过检测市场趋势预测出下一个爆款，亲测好用，跟着下文一起了解一下吧  ## 一、乘风选品分析功能是啥？ 3月初，小红书正式上线“乘风选品分析”功能，这是首个专为商家设计的AI驱动型选品工具。选品分析为商家在小红书拓展品类赛道、挖掘新品、店内潜力品投广的三大环节中提供了选品策略，其核心价值在于： **1）数据穿透力** 整合站内商品销量、用户行为（点击率、加购率）、竞品动态等全域数据，并通过自然语言处理技术解析用户评论、直播弹幕等非结构化数据 **2）智能预测** 基于深度学习算法和乘风1.0营销大模型，预判商品潜力（如“抗老精华”赛道未来3个月GMV增长趋势），减少试错成本 **3）全链路闭环** 从选品→推广→转化全程数据追踪，支持ROI目标自动调优（如某品牌通过系统建议将ROI目标从2.8提升至3.2，转化成本降低15%），同时能够挖掘长尾价值，识别“休眠商品”唤醒机会  ## 二、适合什么商家使用? **1）直播品牌商家场景** 适合以直播为核心带货渠道的品牌商家，他们的核心目标是通过直播实现高转化率与流量爆发，快速打爆单品，所以可以通过往月类目数据来切入潜力赛道 整体的定向逻辑是优先选择“电商行为人群”+“场景兴趣人群”，结合智能扩量覆盖相似人群，根据实时监控直播间在线人数、互动率，动态调整投放预算，直播后对高潜商品绑定“搜索推广”+“信息流推广”，延长生命周期 **2）商销笔记商家专属场景** 此类品牌商家是以内容种草为核心的长效运营为主，他们的核心目标是想要快速跟品，查看爆发力好且增长趋势好的商品，通过内容种草积累用户资产，提升复购率与品牌黏性 通过精准的快速跟品，投放“场景化商销笔记”，持续积累用户搜索心智 注意点： - 谁能看到选品分析：每个店铺绑定的主账号、子账号 - 能看哪些类目数据：仅能看到商家入驻时所选的工业类目 - 一次性能看数据：每次仅能看到一个类目的数据  ## 三、商家选品实战技巧 ### 1）扩展品类赛道 使用姿势：选赛道 — 定价格 — 产品命名 — 定带货体裁 — 优质案例 商家可通过类目洞察扩展品类赛道，综合榜单可帮助商家查看热卖赛道综合得分榜单，综合得分越高，标明该商品的热卖潜力越高，成交排名可确定不同类目的销售行为如何，依据趋势热度可明确类目排名情况，最后是推广效果，商家若有明确推广计划，可参考推广效果表现好的赛道数据，经此流程，商家即可完全的、清晰的明确有发展性的赛道进行深度开展  但注意：可通过子类目中的类目分析和优质笔记来明确所属类目下的商品价格和热搜词，并且可根据该类目下的优质笔记数据查看排名，有明确推广诉求的客户可针对性查看推广笔记的优质案例  ### 2）深度挖掘新品 使用姿势：选商品 — 产品命名 — 定带货体裁 — 优质案例 在商家明确赛道选择后就要进行选品计划，通过商品洞察的综合榜单、成交排名、趋势热度、推广效果四方面来明确当下该类目中最符合品牌形象和未来发展趋势的商品，同时也要结合目前热度较好的优质笔记整体方向内容，为后续做铺垫  ### 3）店内潜力品投广（目前在内测中） 底层逻辑：四大维度得分排名前10%+近7/30天未投广商品 效果观测周期：新品从推广到稳定跑量效果&amp;ROI需1-2周时间，建议稳定每天投放预算，观测潜力品推广效果 写在最后 品牌想要有效利用好选品分析产品，就要明确以下三点： - 提升商家运营效率：通过整合直播卖货与内容种草场景，乘风平台实现选品策略与投放链路的自动化闭环 - 精准匹配用户需求：挖掘细分品类潜力，通过“隐形痛点”挖掘新品，实现高颜值与实用价值双驱动 - 深化潜力品高转化：真实数据支持+计划性推广投放，一键促发商家的有效潜力品爆发获流 本文由人人都是产品经理作者【赵子辰Vic】，微信公众号：【Vic的营销思考】，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>微信公众号正在灰度测试一项新功能——选中文字划线评论。本文将深入探讨这一新功能的使用方法、潜在价值以及可能遇到的问题，帮助你更好地理解微信公众号的这一创新尝试。</p> </blockquote>  日前，微信公众号正在灰度测试，选中文字划线评论功能，其主要特征有： 1.划线评论只在该段落出现，公众号底部留言区域不显示。 2.公众号作者后台无法查看用户具体评论信息，要想看到用其他用户的划线评论，需要在“划线”频道查看。 3.划线评论没有字数限制，最短到1个字，最长可以是几个段落。 4.划线评论功能仅限于最新文章，历史文章并不支持划线评论功能。 5.该功能目前仍处于灰度测试阶段，据我的观察来看，一个公众号支不支持评论划线功能并没有明显特征（比如，是否是新闻媒体账号，是否是新号，是否是原创文章），预计后续会大规模放开。 6.如果公众号作者不想让用户选中内容划线评论，可在公众号后台的互动管理→划线→右边评论设置→关闭“允许用户评论此文章的划线”按钮。  微信公众号文字选中划线评论的具体使用方法： 打开自己想要划线评论的文章，长按想要评论的语句或段落，即可看到“写评论”字样，点击后下方的输入框输入内容即可。 经测试后发现，微信公众号的选中文字划线评论功能有两个Bug： 1.当评论文字过多的时候，会显示系统错误。 2.设置精选评论的按钮非常隐蔽，用户需要在公众号后台的“互动管理→划线→评论区→再点击评论”，才会发现“精选评论按钮”，这里作者可以选择精选、点赞、回复。不过，即使公众号作者选择“精选”后，其他用户并不能从底部的“留言”区看到，仅仅只会在浏览到该段落时并进一步点击划线详情，才能看到相关评论。 选中文字划线功能并非微信公众号的首创，该功能最先被应用在微信读书App上，在其他网络小说App上也能看到该功能，用户可以对书中某个段落发表自己的评论见解。微信读书的老用户对于公众号的这个功能必定非常熟悉，一些热门书籍中，随便看看，都能找到不少“经典语句”的划线评论，其他用户的评论既是一种内容增量，同时又能补充读者的视角。  微信公众号“嫁接”微信读书的选中划线功能，显然也是想扩大内容增量，也增强用户与内容以及创作者之间的粘性，但这里面会存在三个问题： 第一，用户在使用微信读书的过程中相对处于“沉浸”状态，这是一种“深度阅读”，而用户阅读微信公众号的时候，有些用户是“浅度阅读”，本身就是“随便看看”，或者就是不小心点开了，这种情况下，用户最多会在评论区留言一下，或者比较“好的”内容就直接收藏，“选中文字”评论功能夹在中间，反而会有点不知所措。 实际上这与微信公众号的整个内容生态有关，微信读书上的内容，相对严谨，有不少本身就是出版类图书，而微信公众号的内容参差不齐，导致用户很难“沉浸”下去，更别提去选中评论。 第二，文字选中划线评论功能对头部创作者友好，对中尾部创作者用处不大。留言评论作为内容增量的前提是本身数量够多，如果一共也没几个人划线评论，那么，最终就显现不出功能的价值。 头部创作者的优势在于，其基本上每篇文章的内容都能有很高的阅读量，这就意味着其留言评论的人数会非常多，有创作者曾分享过某篇文章的数据，划线人数近1000人，这种情况下，被选中的该段落就自成一个新的内容区，评论互动也会非常有价值。 但很显然，如果一个创作者本身只有寥寥数人在划线评论，其他用户看到也不会有反应。 第三，曾有公众号作者揶揄称，微信公众号的读者普遍年龄偏大，有不少都是一些“大爷大妈”在看，这里面固然有夸张的成分，但从侧面反映出另一个问题，即微信作为国内月活跃用户数最高的App，其用户群覆盖范围比较广，而微信并没有一个总的渠道去告诉用户，“我们新上了一个什么功能，你们该怎么使用”。 选中划线评论功能也会面临这种尴尬，即年龄偏大的用户群根本不知道什么是微信公众号划线，更不会进一步对内容评论。 用户不知道，不会用，就会导致一定的沉默成本，这也是以往微信每次推出新功能的尴尬。 当然，从产品角度来看，微信这艘“巨轮”竟然还在创新，确实值得点赞，一款好的产品，就是在各种各样的情况下去满足用户需求，解决用户痛点。 本文由人人都是产品经理作者【郭静】，微信公众号：【郭静的互联网圈】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自微信官方

2025年3月17日，截止收盘，沪指涨0.19%，报收3426.13点；深成指跌0.19%，报收10957.82点；创业板指跌0.52%，报收2215.13点，两市成交额较上一交易日减少2188.15亿元，合计成交15730.05亿元。

<blockquote><p>大模型的飞速发展为人工智能的应用打开了新的篇章。然而，如何让大模型真正融入实际场景，发挥更高效的作用？本文将聚焦于MCP技术，解读它如何成为大模型的“翅膀”，赋能不同领域的创新实践，同时探讨技术背后的核心价值与未来潜力。</p> </blockquote>  Manus 火的时候，由于我没有邀请码无法第一时间体验这个号称第一个“通用型人工智能助手”的应用，产生一种被新质生产力甩下的落伍的感觉。与此同时也注意到，紧随Manus 一起火起来的除了OpenManus 等开源项目（看了看测评，效果都比较差）外，还有今天要介绍的重点 **MCP**（Model Context Protocol）。 MCP 的概念介绍文章、视频都比较技术化，很硬核，对非技术背景的产品经理来讲很难懂，所以我打算换做自己能理解的概念，从头梳理清楚 MCP 究竟是什么？和Manus 这种通用AI Agent又为何能扯上关系。慢慢看完，你一定会有所收获。 在正式介绍 MCP 之前，先来看一个情景题：“大语言模型都是预训练好的数据，怎么才能获得联网的实时信息呢？” 这个问题背后实际是在问 “大语言模型如何感知真实世界、影响真实世界”。 OpenAI 在2023年6月份时给出了解决方案—— **Function Calling**（函数调用） 。大语言模型本身相当于一个被关在铁笼子里的专家，无法了解外部信息也无法和外部交互，但Function Calling相当于提供了一个跑腿小弟给这个专家，由他代劳信息搜集和数据交互的工作，详细的知识图解见下。  讲到这里，大家应该能反应过来，Manus 这个通用型 AI Agent 做到了能打开网页自主收集信息、注册账号甚至帮人类画PPT的通用型 AI Agent 就是通过无数个 Function Calling 实现的。 Manus 团队在工程实现上一定花费了大量的时间，工作量庞大无比。原因在于** 每一个 Function 是需要手写的**，每一个大语言模型需要依赖的外部工具都需要开发者写好对应的函数来适配，要理解手搓一个 Function 是有成本的，那么看上去有几十上百个 Function 不止的 Manus 成本肯定不小。  话题进行到这里，肯定有人会疑惑，这一切和文章开头埋下悬念的 **MCP** 有什么关系？**答案现在揭晓**： MCP 是 Anthropic（Claude 的母公司）在2024年12月份提出来的 Agent开发过程中的规范。就好比Type-C接口能给大部分安卓机充电，可口可乐的瓶盖能拧在百事可乐瓶口上。也就意味着，开发者 A 依照MCP规范写出来的 Function ，可以直接开放给 开发者 B 使用，相当于把原本独立的 Function 开发过程变成一定意义上的协同开发，支持开发者们把各自为 Agent 实现过程中写的 Function 开源，大幅提升了开发效率，不用再去重复造轮子。 MCP 主要做了几件事： - 统一命名，把大模型的运行环境叫做MCP Client，Function叫做MCP Server； - 统一开发规范，把大模型与Function之间的交互规范统一为一个范式。  现在我们再回到最开始的问题——MCP 和 Manus 有什么关系？有了 MCP 后，也即意味着你可以享受他人已经开发好的 MCP Server ，可以说饭喂到嘴边了，只需要你懂怎么配置 MCP Server，就能享受优秀大脑们创造的成果。通过挑选配置合适的 MCP Server 就能组装出来自己的 AI Agent，岂不美哉。 这里抛一个 MCP 服务市场，如果你感兴趣的话，就撸袖子开干，武装你的大模型让它全知全能吧！ [https://smithery.ai/](https://smithery.ai/) 看两个视频来更直观地感受 MCP 为大模型带来的加成： [AI直接操作电脑建模！MCP这个词今年一定要知道！](https://www.bilibili.com/video/BV1pHQNYREAX?spm_id_from=333.788.recommend_more_video.1&amp;vd_source=7a0c3cb7c43c2f8e17e7b6d6a307bf01) [Fetch MCP Server 快速生成科技日报](https://www.bilibili.com/video/BV1EVPtekExi/?spm_id_from=333.337.search-card.all.click&amp;vd_source=7a0c3cb7c43c2f8e17e7b6d6a307bf01) 本文由 @我叫徐知鱼 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。

<blockquote><p>在AI工具迅猛发展的2025年，产品经理正在悄然转型，成为驱动企业增长的隐形操盘手。本文通过三张核心图表，结合一线案例，深度解析产品经理如何在需求验证、商业生态构建以及价值创造的多重挑战中脱颖而出，展示这个岗位的真正魅力与未来趋势。</p> </blockquote>  “产品经理每天的工作就是写文档、开会、跟程序员互怼吗？”这个问题的答案，在AI工具井喷的2025年显得尤为尖锐。据LinkedIn《全球数字岗位竞争力报告》显示，产品经理岗位的AI替代风险指数仅为23%（低于客服的78%和基础程序员的45%），但其价值创造模式正在发生根本性重构。今天我想通过三张核心图表，结合各头部企业实战案例，揭示这个岗位如何从“需求搬运工”蜕变为“商业生态建筑师”。 ## 图表一：产品经理的“时间黑洞”分布  图中的时间分配比例，打破了外界对岗位的刻板认知：画原型只是冰山一角。以某头部电商平台2024年推出的“AI砍价助手”为例，产品团队耗费87%时间用于需求验证——他们分析3亿条用户会话，用KANO模型剔除伪需求，最终锁定“实时砍价进度条”这一兴奋型功能，推动次日留存率提升18%。 更值得关注的是跨部门博弈的隐性成本：某智能家居公司产品总监透露，为平衡硬件防水性能与成本控制，曾与供应链、研发部门进行17轮方案拉锯战，甚至需要制作实物模型说服管理层。正如张小龙所说：“产品经理的会议室战争，本质是资源分配的价值博弈。” ## 图表二：产品价值创造双螺旋模型 - 螺旋A：用户痛点捕捉→数据验证→敏捷迭代 - 螺旋B：商业生态构建→技术预研→战略卡位 这个模型揭示了岗位的双重进化路径： - 用户侧螺旋：抖音电商团队通过实时监测“停留时长/转化率/差评关键词”等300+指标，将功能迭代周期压缩至72小时。2024年上线的“虚拟试衣间”功能，正是通过分析2.6万条“退货原因：尺寸不符”的客服记录反向推导而来。 - 商业侧螺旋：小米生态链产品经理的KPI已从“单品销量”转向“设备互联场景数”，他们需要预研边缘计算、空间感知等技术，在智能台灯中植入人体传感器，与空调联动构建“健康办公场景”。 个人见解：当AI接管基础需求分析后，顶尖产品经理的核心竞争力正在向“预见性创新”迁移。如同乔布斯在iPhone中预埋陀螺仪为AR铺路，当下热门的多模态AI助理产品，实则是三年前技术预研的战略成果。 ## 图表三：2025年产品经理能力雷达图  这张图暴露了行业的能力断层危机： - 伦理判断力成为新高地：2024年某社交App因“情感计算功能过度采集生物数据”引发诉讼，其产品经理坦言：“在KPI压力下，我们明知风险却选择妥协。”反观华为终端业务，设立“数字伦理审查官”岗位，所有AI功能需通过隐私影响评估（PIA）才可立项。 - 生态构建力决定天花板：蔚来汽车产品团队通过开放电池管理系统API，吸引第三方开发者创建“充电桩共享调度算法”，将充电网络利用率提升34%。这种“产品即平台”的思维，正在重塑行业竞争规则。 个人评论：在OpenAI发布ChatGPT-5的今天，产品经理如果仍沉迷于Axure技巧，无异于马车夫苦练挥鞭术却无视内燃机的轰鸣。真正的护城河，在于对人性的洞察与商业生态的想象力。 ## 行业拐点：2025年产品经理的“诺亚方舟船票” Gartner最新报告指出，未来三年产品经理岗位将分化出两条路径： - AI协作者：借助Notion智能PRD生成工具（提升文档效率60%）、Figma自动标注插件等，聚焦高阶决策。 - 生态架构师：如百度智能云产品经理主导的“AI原生应用商店”，通过标准化接口连接开发者与企业用户，开辟新的分成模式。 建议从业者关注两大趋势： - 垂直领域专业化：新能源汽车产品经理需理解碳化硅电控系统，医疗SaaS产品经理要精通DRG付费规则，泛知识产品经理甚至开始研究脑机接口原理。 - 从功能到场景的跃迁：荣耀手机团队在开发折叠屏时，联合滴滴出行定制“车内办公模式”，自动调整屏幕曲率适配车载支架，这种跨界场景创新正在成为新常态。 ## 结语：这个岗位配得上“痛并快乐着” 回看三张图表，产品经理的本质愈发清晰：他们是商业世界的双语者，既要听懂用户“想要更省电”背后的焦虑，也要翻译成工程师能理解的“待机能耗＜0.5W”；既是资源博弈的谈判专家，在研发说“做不了”、老板说“必须做”之间寻找第三条路；更是数字文明的守夜人，在数据利用与隐私保护的天平上谨慎添码。 正如美团王慧文所言：“优秀产品经理的思考密度，是普通人的十倍。”当AI替代了基础工作，这种高密度的价值判断与战略预判，正是人类智能最后的堡垒。而对于准备入行的年轻人，或许该记住：选择这个岗位，就是选择永远在解没有标准答案的应用题。 作者：老林 公众号：需求管理指南针 本文由 @老林 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

给芭比化妆、换衣服、设计造型，或者对着芭比说话，把芭比当成自己最好的朋友，可能还会替她设想一个完美的故事，比如给她找一个男朋友，让他们一起去度假、举行婚礼…… 应该是很多女孩子小时候会做的事。虽然芭比没法给出回应，但它的存在本身，已经是一种慰藉与陪伴。   现在随着技术的成熟，AI可以赋予芭比这样的玩具们“生命”，让它们不仅能与用户对话，还能根据用户需求和心情做出个性化的回应。   芭比们不再是无声的玩具，而是能够建立真实情感连接的“伙伴”。曾经存在于幻想里的互动，正一步步走向现实。   这个趋势不仅体现在传统玩具上，也扩展到了二次元文化领域，形成了一个新的消费市场。   在上海的南京路商圈里，二次元浓度超标的谷子店挤满了挑选棉花娃娃和手办的 00 后——这是 2024 年年末，「谷子经济」火热的缩影之一。   随着二次元文化的普及，谷子（二次元周边产品）已成为粉丝表达情感的重要载体。但这些周边产品虽然被赋予了情感价值，终究是「不会说话的纸片人」，缺乏互动性，更难以满足用户对深度情感陪伴的需求。   用户真正需要的不仅是一个可以收藏的角色，而是一个可以互动、交流、甚至伴随左右的「朋友」。   二次元+AI，智能养谷也就应运而生。   ## AI养谷：让情感流动起来   所谓「谷子」，其实是二次元文化衍生商品的统称，涵盖了手办、徽章、海报、卡片、挂件、立牌、娃娃等多种产品。这一名称源自英文「goods」（商品）的音译，由于这类产品不仅价格亲民，还拥有广泛的消费群体，逐渐演变成年轻人之间的一种社交货币。   传统谷子市场的产品形态众多：轻量级的徽章、亚克力挂件主打便携，重量级的棉花娃娃、手办则强调观赏性，但它们都是「沉默的伙伴」，只能单向输出情感。   谷子经济的本质是情感经济，然而目前的交互停留在单方面输出，用户更渴望的是双向的情感流动。   但用户对二次元角色的情感依赖，实际远比表面上看到的要强烈得多。许多用户会带着谷子带出门，不管是吃饭、逛街还是旅行，都会专门跟谷子拍照合影互动。   Neurobo 创始人郭轶捷看来，这种诉求背后是传统谷子产品亟需科技化升级的强烈信号。Neurobo致力于精准抓住这部分二次元用户——基于他们对角色的深厚情感羁绊，用智能谷子帮助虚拟角色与现实生活深度融合。   Neurobo（弈智交互）是一家位于上海的创业公司，获得前百度总裁、微软副总裁陆奇博士创办的奇绩创坛的投资。团队核心成员来自清华大学与日本筑波大学等海内外名校，致力于结合LLM与现实场景数据，让二次元用户可以将「谷子」变为随身相伴，随时触达的实体情感伴侣。   Neurobo正在构建一个以情境感知交互为核心的「养谷」平台，养谷指的是通过不断互动，让虚拟角色通过实体谷子逐渐理解并回应用户情感的过程。   初期，Neurobo推出了一种「捏」智能谷子的工具，让用户可以在不同情境下，通过平台设计并编辑与自己喜爱的虚拟角色在通过智能谷子发生的互动。  用户与Neurobo的智能谷子进行互动｜图片来源：Neurobo   同时，团队还在开发一个「智能娃包」相关的硬件产品。普通的「娃包」其实就是用来携带和保护娃娃的包，Neurobo 做的「娃包」则不同，依托其内置各类传感器、麦克风、扬声器等硬件设备，及其自研的情境感知交互系统，让用户能在物理世界与角色进行深度互动，包括「娃娃」感知用户的动作和情绪，并根据这些信息调整角色的行为反应。   用户可以通过与「娃包」的互动，感受到角色的情感回应，就像与一个真实的朋友在交流一样。   比如，在产品测试中，有用户带着 Neurobo的「娃包」出门，「娃包」识别出附近有用户喜欢的火锅店，就会问用户要不要去吃，这种贴心程度，跟真人朋友也没什么区别了！    正在研发中的「娃包」，并非最终形态，团队仍在迭代开发和测试之中｜图片来源：Neurobo   随着对现实场景数据的积累，Neurobo 可以让谷子逐渐「理解」用户的行为、情绪和社交习惯，从而实现真正的深度陪伴。Neurobo 的创新尝试解决了虚拟角色与现实世界隔阂的问题，并通过技术手段让这些角色具备了更强的情感连接性。   通过二次元角色与现实世界进行深度互动，让这些虚拟角色具备类似真实伙伴的陪伴能力，就是Neurobo 的核心理念。   无论是「捏」谷子的交互创作过程，还是通过硬件实现的深度互动，Neurobo 都是在尝试突破传统二次元产品的边界，力求让虚拟角色真正成为生活中的一部分，为用户提供更加个性化和情感化的陪伴体验。   ## AI+硬件的新机会   在刚过去不久的2024年，AI硬件赛道俨然已成为科技巨头与创新玩家的竞技场。   眼镜领域有Meta、Rokid、百度、闪极科技等推出新品或公布进展，用AI给了眼镜这个产品全新的生命力；耳机领域有字节跳动推出OlaFriend ，在耳机里藏了个「灵魂伴侣」。   而在CES 2025展会上，一场「情感科技革命」爆发了：Yukai Engineering的猫耳机器人Mirumi用撒娇治愈孤独，Nékojita FuFu的仿生宠物能感知主人情绪波动，还有专为银发族设计的Romy陪伴机器人，用AI重新定义「孝心经济」。   这一切的背后，是大模型技术掀起的多模态交互革新。AI与硬件的结合不再只是锦上添花，而是成为真正提升体验、开辟新市场的刚需，也因此，AI+硬件被视作2025年的AI落地的主要机会之一。   据行业估算，2024年全球AI硬件市场规模为537.1亿美元，预计到2033年将达到4735.3亿美元，其中陪伴型产品正以年均25%的增速狂奔。百亿级情感经济市场的门正在打开。   一方面，人们对于情感陪伴的需求只增不减，AI 技术恰逢其时，为满足这一需求提供了全新的解决方案。通过赋予玩具等产品智能交互能力，使其成为人们的情感寄托对象，填补情感空缺。   另一方面，二次元文化在全球范围内拥有庞大的粉丝群体，其虚拟角色和故事内容有着很高的情感价值和商业潜力。   将 AI 与二次元巧妙结合，不仅能创造出更具沉浸感和互动性的体验，还能通过个性化定制等方式，进一步提升用户的满意度和粘性，让粉丝与虚拟角色之间的联系更加紧密。   目前，大模型应用主要集中在线上——比如根据Sensor Tower的数据，情感陪伴应用Character AI在2024年达到了2200万月活跃用户，并且其下载量接近1900万次。   但行业内已经敏锐地意识到，将大模型与硬件结合，将释放出更为巨大的潜力——另一个数据是，据了解，2024年AI+玩具领域则大约完成了500-1000万台的出货量，预计今年出货目标在5000万台以上（含合作伙伴），增长态势迅猛，市场前景广阔。   随着市场需求的不断扩大，AI+玩具有望成为大模型技术落地的一个关键机会，但同时也面临相应的挑战。   首先，技术的复杂性和硬件的实现难度是一个不小的考验。从 AI 模型到硬件设备的结合，每一个环节都需要细致的技术研发和不断优化，以确保用户获得流畅的体验。   要让比较小型的硬件实现多模态交互，需在算力与功耗间找到平衡。比如棉花娃娃内部空间有限，可能就需要为传感器设计定制芯片，模型也需进一步轻量化处理。   此外，情境感知的准确性直接决定用户体验。要让用户能够真正感受到与虚拟角色的情感互动，系统需要精准理解和响应用户的行为和需求。   如何吸引更广泛的用户群体、让他们接受并融入这种基于虚拟角色的互动模式，也是 Neurobo 这类公司面临的一大挑战。二次元文化的受众虽然也不少，但要引导这些用户从传统的收藏向互动转变，依然需要耐心和更多创新。   随着科技的进步，尤其是 AI 的发展，为「谷子」文化的消费模式提供了新的可能性。AI 可以帮助用户在高度个性化的需求下创造出符合自己喜好的内容和产品，定制角色与互动模式，在满足个性化需求的同时，进一步强化内心的情感共鸣和精神满足。   未来，AI+玩具可能会容纳一个充满情感价值与个性化体验的巨大商业空间。  

<blockquote><p>在快消行业日益激烈的市场竞争中，营销活动的成功不仅依赖创意，更需要精准的支付方式设计来提升用户体验和促成交易闭环。本文将深度解析营销活动中支付方式的关键考量，探讨如何通过设计优化为品牌创造更大价值。</p> </blockquote>  快消行业以其消费频次高、周转快、市场庞大而吸引了众多投资者和企业纷纷涌入该领域，加大投入，推动技术创新和产品升级，以期在激烈的市场竞争中占据一席之地。 同时快消行业销售链条长，涉及到生产商、品牌商、经销商、分销商、零售商、商超、卖场，还有无数的夫妻小卖店，造就了复杂的流通渠道与销售网络。 由于产品价格相对较低，利润空间有限，企业需要通过提高生产效率、优化供应链管理、降低物流成本和营销费用等方式来控制成本，保持盈利能力，其中营销费用就是最关键一环。  快消行业常见的营销活动主要有促销、陈列、进场、广告/推广，促销包括终端促销、渠道促销、返利、折扣等，陈列有货架陈列、冰柜陈列、堆头陈列、收银台陈列等，这些营销活动都会产生费用，也称通路费用。 厂商在做营销活动时，一般交由各地的经销商去执行，比如让经销商在当地的超市开展割箱陈列、堆头陈列、终端买三赠一、打折、促销海报等营销活动，由经销商与商超结算费用，厂商再与经销商结算费用，如下图：  诸如电视广告、互联网广告、楼宇广告以及现在流行的某书种草则交专业广告推广商去做，因为这不是经销商擅长的事。 因为经销商向厂商订货，同时厂商也向经销商采购了（营销）服务，故双方都互为客户；但一般厂商更强势，经销商需要预付款才能订货，所以厂商让经销商做推广或营销活动时，会以更利于提升厂商销量或增加粘性的方式，比如现金、货补、票扣、账扣等形式支付营销（通路）费用。 这几种各有特点： 现金：厂商直接以现金或银行转账的方式支付经销商提供营销费用； 货补：以商品作为优惠补贴或对价的一种促销方式，如购100件货补50元，后续再次订货时可以此抵扣现金，实务中货补金额不能超单次购货金额的20%。 票扣：是指厂商在开具发票时直接将折扣金额体现在发票上，按打折后的金额确认收入。例如，销售收入为10万元，折扣3万元，发票列示2行金额：10万、-3万，合计按7万元开具增值税发票，如下图：  账扣：是指厂商发票全额开具给经销商，但在收取经销商款项时给予折扣，税务上要求按全额确认收入，折扣部分计入销售费用抵扣货款。例如，按10万元开具发票，（收到经销商开的发票后）销售扣除3万元的经销商费用，实际收到货款7万元。与货补有点类似，不同点是经销商须开具发票后才能抵扣。 上述几种支付方式中，现金容易理解，而货补、票扣及账扣让人容易混淆，他们区别如下： **1）发票处理方式**： - **货补：不涉及发票处理，发票按扣除货补后金额开具给客户（经销商）。** - **票扣**：发票金额直接体现折扣后的金额（发票上须明示列出折扣部分金额）； - **账扣**：发票金额为全额，折扣在账务处理中体现； **2）税务处理**： - **货补：按扣减货补部分后的金额确认收入；** - **票扣**：税务局允许按打折后的金额确认收入； - **账扣**：税务要求按全额确认收入，折扣计入财务费用或销售费用。 **3）会计分录**： - **货补：销售时，货补部分用负数（红字）冲销，按剩余金额入账；** - **票扣**：在销售业务发生时，应收账款和销售收入按未扣减折扣前的实际金额确认，折扣作为对购货方提前付款的鼓励性（费用）支出； - **账扣**：在账上直接扣除相应的费用，不需要在发票上体现； 作者：业财老曾，公众号：业财老曾谈，专注财务信息化20年 本文由 @业财老曾 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。

<blockquote><p>在AI技术飞速发展的浪潮中，产品设计中的需求洞察正逐渐失去焦点，沦为技术驱动的“狂欢祭品”。但技术的突破是否意味着用户价值的提升？这篇文章将深度剖析这一迷思，探讨如何在技术与需求之间找到平衡点，为AI时代的产品设计注入更深层次的洞察。</p> </blockquote>  最近两年AI火得不行，产品经理见面不聊两句大模型都不好意思打招呼。但你看那些被吹上天的AI产品，有多少真能解决用户问题？我见过太多团队砸钱搞智能推荐，结果用户压根不想要；死磕算法精度，最后发现方向跑偏。今天咱们就扒几个活生生的例子，说说产品经理追AI时最容易掉的那些坑。 ## 一、技术自嗨症：工程师思维上头 去年某大厂搞了个”智能文档助手”，产品经理非要把能自动生成PPT当成核心卖点。结果用户调研发现，打工人真正想要的是能自动整理会议纪要里的待办事项。工程师们花三个月搞出来的AI排版功能，还没人家WPS的模板库受欢迎。这就像你给沙漠里的人送冰箱——技术再牛，不对场景都是白搭。 还有那个著名的”智能美颜相机”翻车事件。团队用顶尖算法搞出能识别300种脸型的美颜功能，结果用户吐槽：”我只需要一个能P掉双下巴的按钮！”现在应用商店里评分最高的拍照APP，反而是功能简单到能三秒上手的那个。这巴掌打得够响吧？ ## 二、数据迷信病：把数字当圣旨 某电商平台去年搞了个”千人千面”推荐系统，算法团队拿着用户停留时长当金标准。结果出现神操作：给刚失恋的女生狂推婚纱摄影，就因为人家半夜刷商品多看了两眼。这哪是智能推荐？简直是伤口撒盐。数据不会说谎？那得看你会不会问对问题。 在线教育赛道更离谱。有家做AI批改作文的，拿着95%的准确率到处吹牛。结果家长现场测试，孩子故意把”高兴”写成”高幸”，系统居然夸”用词新颖”。真实课堂里学生那些鬼画符的笔迹，算法根本招架不住。这让我想起小区门口的人脸识别门禁——戴个口罩就不认识你了，还吹啥AI黑科技？ ## 三、场景失忆症：活在真空里做产品 有个做智能客服的团队，非要在系统里加情绪识别功能。结果发现用户80%的问题都是”密码忘了怎么办”，根本不需要AI共情。反倒是因为过度追求拟人化，闹出机器人跟用户对骂的糗事。你说这是人工智能？我看是人工智障。 最典型的是某办公软件去年的”史诗级更新”。产品经理给在线文档加了智能脑图、自动生成周报这些炫酷功能，结果最让用户叫好的改进是什么？是终于能一键导出清晰的PDF了！那些花里胡哨的AI功能，使用率还不到3%。这就像给自行车装航空发动机——除了显得牛逼，真没啥实际用处。 说到底，AI就是个工具。好的产品经理应该像老中医——先望闻问切找准用户痛点，再决定要不要开AI这味药。别被技术浪潮冲昏头，记住那个最朴素的道理：能帮用户解决问题的产品，就算不用区块链不大模型，照样有人买单。下次做AI需求前，先到用户现场蹲三天，比看十篇论文都好使。 本文由 @佳简几何 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。

总的来说，唯有回归医疗本质、重构服务链路的玩家，才能成为下一个周期的优胜者。

我要带社团打进尖沙咀。

**文｜黄绎达** **编辑｜郑怀舟** 上周（3月10日~14日）A股大盘震荡上行，上证指数在周内上涨1.39%，于3月14日收盘报收3420点；万得全A指数上周上涨1.49%。 板块方面，申万31个一级行业在上周28个上涨，3个下跌，其中美容护理、食品饮料、煤炭、纺服、社服等板块涨幅居前，计算机、机械设备、电子这三个板块在上周下跌。 **从风格来看，红利板块相对占优，科技股相对落寞。**反映到风格指数、宽基指数的表现上，中证红利指数、富时中国A50、上证50、深证红利等指数涨幅居前，科创50、科创100、科创综指、科创创业50、科创200等指数同期涨跌幅居后。 港股大盘在上周震荡下跌，恒生指数周内下跌1.12%；恒生科技指数在上周下跌2.59%。板块方面，12个恒生行业指数中，5个板块上涨，7个下跌，必选消费、原材料、能源等板块领涨，综合、资讯科技、非必选消费等板块领跌。 海外大类资产方面，美股三大指数在上周均大幅收跌，欧洲各国股市有明显分化，西欧除意大利外主要股指大都收跌，东欧主要股指大都收涨；亚太地区除日经外主要股指大都收跌。商品方面，原油在上周收涨；基本金属表现分化，铜涨、钢铝跌；贵金属在上周上涨较多，黄金再创历史新高；农产品中除玉米、大豆下跌外，其他品种大都收涨。美元指数在上周整体小幅下跌。  图：全球主要大类资产周涨跌幅；资料来源：wind，36氪 ## **01 顺周期下红利股为什么会占优？** 上周大A的分化行情，可以简单的概括为大消费和大金融带动下的普涨行情，同时不少科创龙头则出现了不同程度的下挫。 从行业指数的表现来看，美容护理和食品饮料的周涨幅分别超过8%和6%，纺服和社服的周涨跌幅均超过了3%；大金融里面，非银的周涨幅超过了3%，普涨行情下，银行的周涨幅也有1.41%。同时，周期板块在上周表现不俗，煤炭的周涨幅接近5%。 再说红利板块，在投资者的传统认知里，红利是典型的防御策略，于是过去几年经济遭遇逆周期的市场行情里，红利板块顺理成章的成为了各路资金的避风港。而近期，可以说是顺周期之风劲吹，消费与科技为当下市场主线的观点已是公论，那么上周为何会出现红利占优的局面呢？可以从如下三个方面来解答这个问题。 其一，**普涨行情之下，红利板块里面的高权重组分，典型如煤炭和金融在上周的表现都非常不错；再加上近期外资做多中国，外资对A股的偏好还是以大盘股为主，这些明显的边际增量资金也大量流入了银行、煤炭等大盘股居多且风格上偏红利的板块；** 其二，年初到上周末的区间里，上证红利指数累计下跌了6.8%，**这就导致股息率有一定程度的被动抬升，从策略的维度来看，红利板块的投资价值有所上升，而且连续的调整也增厚了红利板块的安全垫，对相对保守的资金更有吸引力；** 其三，从大类资产的维度来看，红利策略赚的是股票债性的钱，因此与债券具备了一定的比价关系，市场目前对国债利率走势的判断是下行依然有空间，短期看的是降息兑现，长期主要看降低实体融资成本相关政策营造的低利率环境，**当国债利率长期低位，股息收益相对更高的红利策略对风险偏好相对较低的资金有更强的吸引力。** **展望未来，红利策略由于股息率相对较高，因此与债券相比红利策略至少在中期都更具吸引力；从宏观预期来看，目前仍处于弱复苏中，目前的通胀数据距离通胀目标尚有一定距离，也标志着复苏依然有个相对漫长的过程，这是红利策略作为未来交易主线的主要支撑。** **值得注意是，外资是个重要变量，**因为红利板块中权重较高的银行、煤炭等大盘股都是在外资的偏好之内，而且很大一部分外资都是交易盘的情况下，**外资的流入与流出都会对红利板块产生不小的边际影响，**判断这部分外资流入和流出的逻辑，一则看A股短期的赚钱效应，二则看A股短期内有无强势主题。  图：中证红利指数近年来周K；资料来源：wind，36氪 ## **02 投资策略** 自今年春节以来，市场的交易主线一个是科技，一个是消费，科技的核心主线是由DeepSeek引发的AI投资热潮，消费则主要由相关的刺激政策驱动。相比去年，A股的交易主线包含了一个很大的边际变化，那就是存在上述强势交易主题的情况下，叠加传统的春季躁动，市场情绪明显乐观，在投资中似乎已经忽略了对经济基本面的影响。 然而，从经济周期的节奏来看，金融、通胀、社消等高频数据都显示，目前我国经济依然处于弱复苏中、筑底的过程并未结束，同时还要关注来自外部的冲击，可能会对经济复苏的进程产生一定的扰动，届时随着投资逻辑的切换，情绪面的边际变化、外资的交易行为等多重因素均会导致过去旧的投资逻辑再次成为主导的可能。 因此，在投资方向上，宏观层面的不确定性，叠加目前弱复苏的现实，以及与债券的比价关系，红利策略依然可以作为长期配置的主线，尤其是在经历了前期的调整后，随着股息率的被动抬升，配置的性价比也有一定程度的提升。 短期来看，无论是赚钱效应，还是参考外部因素，特别是从估值去看，以AI为代表的科技目前尚未被明��高估，所以依然会是近一段时间的投资主线，细分领域上则主要围绕AI应用、算力、机器人等热门主题。消费方面，短期的看点是相关促消费的政策，比如近期的鼓励生育；交易层面上，消费本身的拥挤程度不高，让交易也具有了一定的持续性，具体方向上，市场普遍看好家电、消费电子、商贸零售、社服等行业板块。 *免责声明： 本文内容仅代表作者看法。 市场有风险，投资需谨慎。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。我们无意为交易各方提供承销服务或任何需持有特定资质或牌照方可从事的服务。

<blockquote><p>在信息爆炸的时代，新闻工作者如何高效挖掘有价值的信息成为一大挑战。AI技术的崛起不仅为新闻报道提供了全新的工具，也正在重塑传统新闻制作流程。本文将通过实验证明，AI如何帮助记者更快速地收集、分析和制作新闻，从而开启报道效率的新篇章。</p> </blockquote>  日常工作过程中，我们时常会需要收集了解行业或者时事热点，特别是对于一些新媒体运营或者社群运营者来说，发布每周或者每日新闻资讯更是固定事项，而这往往需要花费大量的时间精力。 <blockquote><p><strong>纯人工处理的工作流</strong>：先通过搜索平台检索关键词（1-2分钟/关键词）——人工阅读完每篇文章筛选是否采编（每篇文章平均3-5分钟）——人工整理并编写文案（3-5分钟）——将内容制成图片（20-30分钟）。</p> <p><strong>使用Kimi/豆包/DeepSeek等AI辅助的工作流</strong>：先通过搜索平台检索关键词获得文章链接（1-2分钟/篇）——将链接发送给KIMI/豆包/DeepSeek等AI平台，让他们提炼文章内容（2-3分钟/篇）——人工决定是否采编（1-2分钟）——重复上述动作收集多篇内容，让AI再优化整理文案（1-2分钟）——通过即梦等AI图片生成网站生成图片（2-3分钟）。</p></blockquote>  **总得来说** - 传统人工流程，需要多角色协同，较为耗时，新闻的总结提炼由个人能力决定，原创性较高。 - 直接使用Kimi/豆包/DeepSeek等AI辅助效率高，单人即可作业，但每个环节步骤，都需要人工输入指令。 基于这个场景，我在思考并且尝试配置AI-Agent，看看能不能通过设定规则，让它输出的内容更可控，更自动化。 以下是我基于这个场景的AI实践笔记，包含对于需求的梳理思考，每一步配置的思考和实践，以及发现的问题和总结，预计阅读时间要15分钟，看完应该会帮助你对于AI工作流会有一些了解~ 为了便于后续的阅读理解，这里先用表格的形式，对一些概念做一下基础的解释：  ## 步骤1：需求的梳理 首先，先梳理我的需求。我希望输入一个关键词，就可以帮我检索出多篇相关内容，文章发布时间是1周内的，能够根据多篇的内容综合提炼内容，并且能够生成对应的配图，形成新闻速报。 根据需求，拆解具体要完成的步骤，我拆解了以下几点：  ## 步骤2：工作流的配置 在Coze平台，创建一个工作流，点击[添加节点]，选择插入插件  在[插件]中，检索“新闻”相关的插件，通过看插件的描述，选择一个可以根据关键词，检索输出新闻资讯的；  <blockquote><p><strong>插件选择小贴士：</strong></p> <p>目前扣子插件库中新闻相关的插件，主要有以下几类：</p> <p>①直接帮你检索平台热点事件；</p> <p>②需要你输入链接帮你提取链接内容的；</p> <p>③通过你的关键词检索的； 其中需要传入的&lt;参数&gt;，一般标注&lt;url&gt;的是要求用户输入文章的链接，从链接解析内容的。</p> <p>这里我们实际使用场景是，根据用户输入的关键词，然后检索关键词相关的新闻资讯。所以选择的时候<strong>要注意看插件输入和输出的字段是否满足实际使用需求</strong>。</p> <p>可以查看插件<strong>被引用数，链接成功率，平均响应时长</strong>等数据，如果扣子官方插件可满足，<strong>建议优先选择官方插件</strong>，有一些个人作者的插件，后续发布智能体时，有时会限制发布的平台。</p></blockquote> 链接开始节点与获取新闻节点，选中插件节点，将插件输入变量，直接选择引用开始节点的输入&lt;input&gt;变量；  选中插件的节点，可以看到它可以输出的内容，包含标题&lt;title&gt;、文章链接&lt;url&gt;、时间&lt;time&gt;…此时可以先链接到结束节点，输入一个关键词去测试一下这个插件是否正常运行，并且也可以通过运行结果有一个比较直观地了解。  选中结束节点，输出的变量选择直接引用&lt;news&gt;;  如下图所示，按照步骤可以随机输入一个关键词，测试插件输入输出的效果；  这里可以看到，插件根据关键词检索出了5条新闻（0/1/2/3/4，分别对应一个新闻），分别展开可以看到每一条新闻整理出的对应内容；  随机点开一条信息，会发现这个插件已经做了内容的提炼，但是仔细读内容会发现信息点太少了。所以需要AI访问原文链接重新进行整合提炼。这里这个插件对我来说，输出了这么多字段只有url是我所需要的；  截止到这一步，我们已经通过工作流实现了原先划定目标中的第1及第2步，接下来要按顺序实现第3步，根据检索出来的链接，解析链接中的文章内容；  （下图是错误示范） 这里我一开始想的是直接插入一个大模型节点，让大模型直接读取，但插入之后会发现大模型是无法直接访问链接读取内容的。所以这里我们还需要配置一个插件，通过插件的能力，从url中获取信息；  点击添加节点，选择插件，在插件库中选择链接读取的插件，可以通过查看参数，看到这个插件只需要必传url，就会返回全文；  （下图是错误示范） 这里如果直接添加这个链接读取插件，且输入变量url直接引用为上一节点输出的url变量，会发现，上一节点能整理出了5条信息，这个节点只能接收到第一条新闻的url，这不满足使用；  我要实现的目标是，让AI能阅读完所有的文章之后，把文章内容综合提炼一个内容。所以这里需要添加循环体，实现不断输入文章的url，整合提炼。下面的示意图大概表达了，这里用循环结构在做的任务逻辑；  选择添加循环节点，页面会出现两个东西，一个叫“循环”，一个叫“循环体”，它们是一个整体，中间有线连着；循环是用来配置输入/输出/中间变量的参数的，循环体内主是用来配置具体的循环节点流程的；  选中“循环”，会发现，这里需要配置三个内容，包含循环数组/中间变量/输出； <blockquote><p><strong>什么是循环体中的“中间变量”？</strong></p> <p>在AI工作流的循环中，<strong>中间变量</strong>就像流水线上的临时储物格，专门用来暂时存放当前步骤的加工数据（如计算结果、状态信息），既能承接上一步的输出，又能为下一步提供输入，还能动态更新循环进展（例如记录已处理的图像帧数或调整训练参数），最终将关键结果传递到循环外部，是循环过程中数据流转与状态管理的核心枢纽。</p></blockquote>  选中循环体（注意，这里一定要确保选中循环体的框体，再添加节点），然后添加链接读取的插件，将输入变量引用为循环的&lt;url&gt;；  添加完链接读取的插件后，我们需要整理内容，所以我们要再循环体中添加大模型的节点，让它处理内容；  上图在插入大模型节点后，又插入了一个设置变量的节点，实际上，这步是将大模型输出的内容做了定义，是在处理下图绿色框选部分的逻辑，将大模型读完第一篇文章输出的内容赋值，结合第二篇链接的内容传输给大模型…，让它把所有的内容结合起来给我做提炼；  完成循环体的配置，至此我们已经完成了目标中的1-4步，第4步中的要求对应的就是循环体中，你写给大模型的系统提示词；  用AI生成图片，必须要有图片生成的提示词，这里我们可以再插入一个大模型的节点；  然后再插入一个图像生成的节点（这里可以直接选择图像生成或者是图像生成的插件）；  链接结束节点，添加最后要输出的变量，并配置对应输出变量引用的值；  配置完成后，可以进行试运行，根据运行情况进行调整，各个节点都输出成功之后，点击[发布]工作流； ## 步骤3：配置Bot 工作流配置完成，还需要配置一个Bot，方便后续使用。在工作空间-项目开发，选择创建一个智能体；  在中间工作流，选择添加我们上面配置好的工作流，左侧输入人设和要AI做的事情，要注明什么情况下调用这个工作流；配置完成后，可以通过右侧对话框进行测试，再调优人设；  确认后无误后，可以选择发布到对应应用平台；  ## 经验总结：基本逻辑可实现，实际效果仍有很大提升空间 - **AI 配图有文字乱码**：用 AI 生成配图的时候，哪怕清清楚楚设置了限制条件，可图上还是老出现文字乱码。到现在我也没找到啥好办法解决，这对配图的使用和看着好不好看影响挺大的。 - **图和新闻内容不好组合**：一开始我想直接弄出那种一张图，包含新闻文字描述+新闻配图，我尝试在结果在插件库里找了半天，好不容易找到一个，测试时候链接报错，所以要达到目标大概率还得靠人工手动组合。 - **初次配置比较复杂**：AI 生成东西速度确实快，可要是第一次去配置流程，那得费好大劲摸索。需要参考其他大神的一些攻略，然后了解了原理之后，根据实际业务需求设计。 - **实现效果受限较大**：实际操作的时候还是得依赖现成插件，像新闻检索，插件库貌似没有发现现成插件可以实现在百度或者微信搜一搜场景下可获取链接的。 本文由 @笛仁杰 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。

<blockquote><p>当汽车行业的科技视野越过车轮，瞄准“造人”领域，人形机器人从梦想走向现实。这不仅是对科技极限的挑战，更是对未来商业模式的大胆设想。本文将深入探讨车企涉足人形机器人背后的技术创新、战略考量，以及这场科技狂想可能带来的机遇与风险。</p> </blockquote>  当车企们开始”造人”，这场看似科幻的狂想背后，是技术与商业交织的暗流涌动。我们不妨把视角拉到深圳坪山某汽车工厂的凌晨三点——优必选的Walker机器人班组正在执行夜班任务，它们用灵活的手指拧紧车架螺丝的动作，与白天人类工人的操作几乎看不出区别。这种魔幻场景正成为汽车制造业的新日常。 ## 一、技术复利：汽车厂的”万能工具箱” 车企跨界造机器人的秘密武器，藏在那些耳熟能详的汽车技术里。特斯拉的Optimus机器人能平稳行走，靠的是移植自Model S的BMS电池管理系统，这套系统原本用于管理汽车电池充放电，现在成了机器人的”能量管家”。更绝的是小鹏汽车，他们直接把城市NGP导航系统装进了机器人Iron体内，让这个铁家伙在工厂车间里认路的本事，比特斯拉的自动驾驶车还溜。 比亚迪的骚操作更接地气——他们给机器人装上了新能源汽车的同款电机，这些原本驱动车轮旋转的部件，现在成了机器人关节的”肌肉”。就像车间老师傅说的：”造车和造人用的都是同一把扳手”。这种技术复用就像乐高积木，随便拆装组合就能玩出新花样。 ## 二、万亿赌局：比卖车更刺激的生意经 摩根士丹利那份被疯传的《人形机器人价值链图谱》报告，就像行业里的《九阴真经》，里面画的60万亿美元大饼让车企们眼睛发绿。这数字啥概念？相当于把全球车企捆在一起卖十年车的总收入。特斯拉放话说要搞”罗马军团”式的机器人兵团，计划2027年要造50万台Optimus，这野心比当年马斯克放卫星还夸张。 现实中的钱景已经初现端倪：在广汽车间里，三台GoMate机器人组队干活，把原本20人干的质检活包圆了，单台车成本直降37%。优必选的Walker在极氪工厂玩得更野，直接组了个机器人班组，实训替代率突破20%，比人类打工仔还能卷。 ## 三、战略卡位：车企的”第二生命线” 现在的新能源车市就像挤满人的游泳池，车企们急着要找新赛道。小米的CyberOne机器人表面在工厂拧螺丝，暗地里在织一张”人-车-家”的大网，这招和当年苹果从iPod跳到iPhone的路数一模一样。政策东风也来添柴加火，深圳刚砸了500亿搞AI和机器人基金，这手笔比当年搞特区还狠。 专利战场更是硝烟弥漫。优必选手握2450项专利，光是机器人手指的抓握技术就够开个专利超市。有工程师调侃：”现在去车企面试，不会调机器人关节参数都不敢说自己干过汽车”。 ## 四、骨感现实：理想很丰满，落地很艰难 别看发布会上机器人耍得欢，回到现实全是坑。特斯拉Optimus现在走路还像喝醉酒，端杯咖啡能洒半杯；小米的”铁大”拧个螺丝得花14秒，老师傅看了直摇头。更扎心的是成本账：宇树的G1机器人卖10万块，够请三个工人干五年，精明的厂长们都在拨算盘观望。 技术瓶颈更是拦路虎。想让机器人达到自动驾驶L4级别，得让它们的”脑子”处理比城市交通复杂十倍的车间环境。有工程师吐槽：”教机器人识别生锈螺丝的难度，比教自动驾驶认红绿灯难多了”。 ## 五、破局之道：车间里长出的中国智慧 中国玩家们正在走一条”土味创新”路线。优必选放弃炫技的后空翻特技，专攻拧螺丝这种脏活累活，结果反而拿下35家全球大厂的订单。比亚迪更绝，直接把研发中心开在富士康隔壁，老师傅们的抱怨都成了研发需求清单。 广汽的GoMate机器人装上汽车轮子，在移动效率上秒杀两条腿走路的洋对手。这种”不管黑猫白猫，能抓老鼠就是好猫”的实用主义，正在改写行业规则。就像深圳某厂长说的：”我们要的是能顶班的机器人，不是T台走秀的模特” 这场”造人运动”最魔幻的瞬间，可能是某天凌晨的东莞工厂：人类工人在休息室刷着抖音，窗外机器人班组在流水线上默默劳作。这种场景让人想起《银翼杀手》的经典台词：”所有时刻都将消逝在时光中，一如泪水消失在雨中。”只不过这次，创造新生命的不是上帝，而是浑身沾满机油的车企工程师们。 本文由 @佳简几何 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。

<blockquote><p>在新媒体行业日新月异的变革中，传统运营岗位的边界正被重新定义。老板们不再仅仅需要会“发文”的新媒体人，而是更期待能够深刻理解用户、精准分析数据，并策划创新内容的多面手。本文将带你探讨新媒体运营角色的进化，以及当下企业真正需要的人才画像。</p> </blockquote>  昨天和做人力资源的前同事聊天，她说现在成都的文员工资，最高也就5k，这让我想起六边形战士的新媒体岗位。 任职要求文案创作、创意设计、拍摄剪辑、引流转化等技能于一体的新媒体运营，越来越让人看不懂了。 这个岗位虽然出现了很多年，但就像微信公众号已经日薄西山一样，它的岗位要求也越来越诡异。 明明市场早就细分出了“短视频运营”“小红书运营”“直播运营”等垂直细分的岗位，但只要贯上“新媒体”3 个字的大名，就可以理直气壮要求，求职者必须掌握各个新媒体平台的流量密码。 同时，它也一定会要求，求职者有一定的文字功底，这样海报文案、报审材料、活动报道、新闻稿、pr 稿等所有繁复且并不简单的文字类工作，也就能一并甩进他们的怀里。 虽然大家也心知肚明，新媒体运营和专职文案其实是两码事，但是并没有什么卵用。 时代的车轮滚滚向前，被迫卷出花儿来的新媒体运营从业者们，也要被打上遗迹的烙印了。 转型转行成本太高，跨行能力要求太高，年纪尚轻的朋友们或许能有充沛的精力和灵感，赋予运营实际成效，但一旦超过30岁的年龄红线，焦虑的警报会响彻身体的每一处。 前段时间刷到过一位 35岁被裁的新媒体运营同行，她在帖子中询问，如果新媒体运营转型，还能够做点什么？评论区的答案和建议大部分都很真诚，但是真诚的方法未必有用，或者说未必适合普罗大众。 秃头老王我的观点认为，新媒体运营本质上要往市场部门上靠，尤其在今天肯定是与绩效考核挂钩的。一方面是像我一样转型做运营操盘手，对业务指标负责。 而其他出路？可以是自己平时积累的副业，比如我之前上班搞的副业之一就是摄影跟拍。至于独立摄影师怎么获客成交？可以看看我之前写的复盘总结。 另一方面的出路，是自己对行业的深耕跳槽，相对来说最后能做到新媒体运营经理甚至市场副总监总监等，都是有可能的。 我个人觉得生命周期与市场人没啥区别，基本到VP（副总裁），职业生涯的晋升也就到头了。 每个人都有自己的命题要去解决，可能每个职业也有自己的归路，成年人的职场生涯，究竟能走到哪一步，终究还是得靠自己去拼搏的。 实不相瞒，我自己也是新媒体运营出身，19年之前一直做偏品牌宣传的新媒体岗位，但是在激烈的求职环境和中小企业对精准客资强烈需求的背景下，我还是抓到合适的机会，从新媒体运营主管转型做了运营操盘手，直接背负拉新和销售转化的硬核指标。 虽然目前市场上，大部分的新媒体运营岗位都是被包装美化后的网络销售岗，但做新媒体平台的引流转化已经是大势所趋了，死磕内容没转化的品牌宣传类新媒体运营，注定迟早被淘汰。 希望同行们能够早日找到自己的路，如果你是新媒体运营同行，对于转型和职业发展有困惑，欢迎找我这个过来人指点迷津。 好了，今天的分享就到此结束了，朋友们若是觉得还不错的话，可以点赞分享一下！ 本文由 @秃头老王聊运营 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

3月5日，在国投智能的大力支持下，厦门市气象部门成功举办“Qiko+”人工智能创新应用大赛。公司大数据操作系统研究院院长魏超，安全与应急事业部副总经理左军作为大赛评委专家出席。 本次大赛以“智慧气象 E鹭先行——‘Qiko+’人工智能助力厦门气象创新应用”为主题，首次展示由国投智能打造的“Qiko+”大模型接入DeepSeek后在气象场景应用的落地成果，吸引了全市气象部门的积极参与。参赛作品涵盖气象预报、气象灾害预警、公众服务、融媒体制作、数据分析、气象科普、行政管理、行业监管等多个领域，充分展示了厦门市气象部门在人工智能应用方面的探索与成果。 参赛队伍依托国投智能Qiko+智能体创新构建平台构建大模型应用，大大提升了工作效率，如： - 大模型基于海量气象业务数据的构建，提供了快速、准确的数据查询服务； - 在行政办公场景中，依托大模型的自然语言处理能力，自动化完成应急响应命令、宣传科普文本、会议纪要提炼、公文写作及年报编制等复杂文本工作，将原本需要2-3小时人工输入完成的消息稿件流程压缩至30分钟内完成，保障了业务的时效性； - 通过代码编制、工作流等方式，优化了气象数据监控和综合办公的自动化和智能化，提高了业务工作的稳定性和智能化水平； - ……  评审现场 比赛现场，参赛者们通过精彩的汇报和演示，展示了“Qiko+”在气象应用中的创新解决方案，现场气氛热烈。参赛团队表示：“这次比赛不仅让我们有机会展示自己的创新成果，还让我们学到了很多其他团队的优秀经验和做法，对我们的未来发展非常有帮助。 ”厦门市气象局党组书记、局长张长安对此次大赛给予了高度评价。他表示，此次大赛学习意义重大，参赛项目亮点纷呈。一是针对业务痛点精准破题，各参赛项目紧密围绕气象工作的实际问题，通过人工智能技术提出了切实可行的解决方案；二是创新形式丰富多彩，充分利用了提示词、知识库、工作流等方式，为气象业务服务开辟了人机协同新路径；三是服务维度全面扩展，充分体现了厦门气象各业务链条AI思维的建立。同时他对国投智能给予的大力支持表示感谢，并期待双方继续推动AI+在智慧气象领域的创新应用，为厦门气象事业的高质量发展贡献力量。

<blockquote><p>随着人工智能的快速发展，AI正在不断重塑产品经理的技能边界。本文将以“文心x”和最新升级的“文心4.5”为核心，深入剖析它们的功能亮点和实际应用场景，为AI产品经理提供实用的进阶指南。</p> </blockquote>  百度周末发布了文心x和文心4.5大模型，我们一起梳理看看发布了什么核心能力，以及和其他大模型的能力对比。  ## 基本信息 ### 模型规模与架构 文心大模型4.5和文心X1均属于超大规模预训练模型，参数量在千亿级别，在架构上采用Transformers架构并融合知识增强技术。 文心4.5是百度首个**原生多模态**基础模型，通过多模态联合建模实现协同优化。模型引入了如FlashMask动态注意力（提升长序列处理效率）、多模态异构专家等新技术，以增强模型对长文本和多模态数据的处理能力。 文心X1则在文心4.5架构基础上增加了“深度思考”模块，支持链式思维推理和工具调用等能力，是业界首个可自主使用工具的推理模型。 ### 训练数据 两款模型的训练融合了海量多源数据，包括中英文互联网文本、代码语料，以及图像和视频等多模态数据。区别于仅依赖纯文本训练的传统大模型，文心系列引入了百度万亿级知识图谱进行知识增强预训练。通过知识分级采样、数据压缩融合和定向合成稀缺知识等技术，构建高知识密度的预训练数据，大幅降低幻觉错误，并提升问答的准确性。 此外，文心4.5采用**持续学习**和多任务训练，使其在对话、翻译、阅读理解、代码生成等任务上全面提升。 整体而言，丰富的跨模态、跨领域训练数据赋予模型更加广泛的知识储备和语义理解能力。 ## 核心能力 两款模型在生成、推理、编程、多模态等核心功能上各有所长： ### 文本生成与语言理解 文心4.5在基础语言能力上相比前代有显著提升，文本理解和生成更为流畅连贯。它擅长对话和内容创作，具有更强的记忆力和上下文把握能力，生成内容的逻辑性、一致性和创意均有优化。 文心X1同样在文学创作、文稿写作、日常对话等生成任务上表现出色。得益于**长思维链**能力，X1在复杂文本生成时思路清晰、有条理，可根据要求进行分步骤构思和完善。例如，X1可以根据用户提供的主题先规划大纲，再逐步充实细节，生成结构严谨且富有创意的长篇内容。 总体来说，日常内容生成场景下，文心4.5能高效地产生高质量回复，文心X1则在任务复杂、需要深度思考的生成场景中更具优势。 ### 逻辑推理与深度思考 文心4.5的逻辑推理能力相比之前大幅增强，在文本理解、数学和常识推理等任务中表现优于以往版本。官方测试显示，文心4.5在多项推理基准上成绩已追平甚至超过GPT-4.5等同级模型。 文心X1则专为**深度推理**打造，具备“长思维链”特点，善于多步推理和复杂问题求解。它采用思维链+行动链的端到端训练，并引入多元统一的奖励机制，使模型学会在复杂推理场景下逐步分析、反思和得到结论。这意味着X1遇到难题会模拟人类的逐层思考过程，拆解问题、反复自我检验，从而给出更有逻辑深度的答案。例如面对经典伦理难题“电车难题”，X1能够从不同伦理体系出发，层层分析利弊，给出有理有据的讨论。 因此，在简单问答或直接推理场景下文心4.5已足够胜任，而在复杂推理和需要深入思考的场景中，文心X1更能发挥长链推理的优势。 ### 编程辅助与代码能力 此次升级中模型的代码理解和生成能力也显著提升。 文心4.5经过专项优化，编程问答和代码生成能力比前代有大幅进步，逻辑严谨性和代码正确率明显提高。它可以根据自然语言描述生成对应代码片段，或对给定代码进行解释、补全和优化，减少了以往模型中代码“胡写”或语法错误的情况。 文心X1在此基础上更进一步，借助其**多工具调用**能力解决编程任务。X1能够自主调用内置的代码解释器等工具执行和测试代码。例如，当用户请求复杂的算法实现时，X1可一边生成代码一边调用代码运行工具检验输出，再根据结果调整代码，直到得到正确可运行的方案。这种“边写边调试”的能力让X1成为强大的编程助手，胜任代码生成、单元测试、调试优化等环节。 简而言之，文心4.5已经具备主流编程支持能力，而文心X1由于融入工具使用，在复杂编程任务上可靠性更高，可提供类似AI对话编程助手甚至自动调试的增强体验。 ### 多模态处理 多模态是文心4.5的一大亮点。作为百度首个原生多模态大模型，它在图像、文本、表格等多种模态的理解与融合上有显著提升。 文心4.5展现出“高智商”的图形推理与图表分析能力，能够读懂图表中的数据关系并回答相关问题；同时具备“高情商”，可以理解带梗的图片、漫画场景、歌曲歌词或电影片段等蕴含情感和文化背景的内容。这意味着用户给出一张表情包或影视截图，文心4.5都能识别其中关键信息并恰当地解释梗点或情节。 文心X1同样支持多模态，并在此基础上增加了**图像生成**等能力。 X1不仅能理解图片内容，还可以根据指令生成图像，并通过工具调用实现更丰富的多模态输出（如绘制数据可视化图表等）。例如，用户上传一张示意图让模型补充说明，文心4.5可以描述图中要点，而文心X1甚至可以在理解图片后生成一张新的拓展示意图或插画。 值得注意的是，X1内置的多模态工具如“AI绘图”、“图片理解”等已经解锁，使其能够自主处理视觉内容或将答案以图片形式输出。 因此，在多模态场景下，两款模型都能实现图文结合的互动：文心4.5更偏重多模态内容的理解与文本回答，文心X1则进一步打通了生成端，能输出图文并茂的结果。 **小结**：总体来看，文心4.5定位为**通用型多模态大模型**，在文本生成、逻辑推理和跨模态理解上全面均衡； 文心X1则定位为**深度思考模型**，在复杂推理、创意规划和工具增强方面更为擅长。 实际应用中，若需求侧重**快速响应和内容生成**，文心4.5即可胜任；若遇到**复杂任务或需要外部工具**（如检索、计算）的场景，文心X1将发挥更强大的推理规划能力 ## 优势与提升点 相较前代文心大模型（如文心3.5等），文心4.5系列在多个方面实现了飞跃，体现出核心竞争力： ### 原生多模态融合 文心4.5是百度首个从训练架构上原生支持多模态的大模型，实现了文本、图像、视频等信息的联合建模。 相比以前需要额外插件或子模型处理图像的方式，原生多模态使模型对跨模态任务的理解更加统一高效，大幅提升了对图片、图表等内容的解析能力。 例如，对一张含复杂数据的图表提问，文心4.5能直接读图并给出答案，这是前代纯文本模型难以做到的。原生多模态的突破，让文心4.5在中国大模型中率先具备了全面的视觉-语言处理能力。 ### 深度思考与工具使用 此次新增的文心X1模型引入了“慢思考”技术的成果，使模型具备**深度推理**和**自主调用工具**的全新能力。相较旧版模型只能给出静态答案，X1可以在回答过程中调用搜索引擎查资料、用代码解释器算题、用画图工具生成可视化等。 这种“思考+行动”能力极大拓展了大模型的应用边界，提高复杂任务的成功率和准确性。例如，以往模型回答实时性的知识问答常有谬误，而X1可实时搜索最新资料，确保答案可靠。这种深度思考能力也是百度文心系列相对于业内传统大语言模型的新竞争力之一。 ### 基础能力提升 文心4.5在基础语言模型能力上有大幅改进。通过更大的模型规模和更优的训练机制，模型的语言理解、生成、逻辑和记忆力全面增强。尤其是在**去幻觉**和**增强逻辑**方面做了针对性优化：采用高知识密度数据和自反馈式后训练，有效降低了无根据乱答的现象。 此外，引入知识图谱意味着模型在知识问答的准确率上更胜一筹。相比前代模型回答专业问题时可能含糊不全，文心4.5往往能给出更精准、有依据的答复。这种基础能力的大幅提升，奠定了其“百度有史以来最强大模型”的地位。 ### 编程与逻辑能力加强 升级后的模型在代码能力上也比以往更强。百度方面透露文心4.5显著提升了代码理解和生成能力，在数学推理、代码调试等任务上性能可比肩OpenAI同级模型。 这意味着以前文心模型在复杂数学和编程题上稍显不足的问题得到改善，新版本能够更可靠地执行链式推理和代码推演。这种在硬技能（如编程、数学）上的追赶与超越，体现了文心4.5系列更全面的AI能力图谱。 ### 性能价格优势 在保持高性能的同时，文心4.5系列大幅降低了调用成本。据官方公布，其API价格仅为GPT-4.5的约1%，极具竞争力。 具体而言，文心4.5 API每千tokens输入0.004元、输出0.016元人民币，而同级别GPT模型价格高达其100倍左右。文心X1的定价也仅为DeepSeek-R1的一半。这种**低成本高效能**的优势，将降低企业采用大模型的门槛，使大规模商用部署更可行。 这背后得益于模型架构和推理优化上的突破（如模型压缩、飞桨框架优化等），使推理效率显著提升，实现了“高性能**且**高性价比”。 ### 开源生态与可定制性 百度已宣布将在2025年6月30日正式开源文心大模型4.5系列，并计划在下半年发布文心5.0。相较之前坚持闭源策略，此次转向开放令业界瞩目。 开源后，开发者可以获取模型权重进行二次开发和精调，结合自己数据定制行业方案。这将有望繁荣文心的开发者社区，发挥“开源+产业”协同效应，进一步巩固文心大模型在中国本土生态中的核心地位。 对于企业客户而言，可自有部署模型以保障数据安全，并根据业务需要裁剪优化模型，极大提高了模型落地的灵活性和实用价值。 ## 同业大模型对比分析 文心4.5系列作为国内领先的大模型，和国际顶尖模型相比各有千秋。下面将与GPT-4、Anthropic的Claude，以及谷歌的Gemini进行横向对比： ### 与GPT-4的对比 GPT-4是OpenAI推出的通用型大模型，以卓越的推理能力和英文生成见长。 对比来看，文心4.5在中文理解和本地化内容上占有明显优势：它深度融合了中文互联网知识和文化语境，能够读懂中国的网络梗、古典文学等，这些是GPT-4相对薄弱之处。在多模态方面，两者都支持图文输入，但文心4.5声称在图表分析、复杂图像理解等测试中表现优于GPT-4.5。 另一方面，GPT-4在英文写作、开放域知识广度上仍可能略胜一筹，尤其在代码推理、高等数学等极复杂任务上保持领先地位。不过文心X1通过思维链强化，已能在数学、逻辑谜题等领域与GPT-4级别模型抗衡。 **性能**上，官方数据显示文心4.5的综合测试得分已达到79.6，略高于GPT-4.5的79.14，表明其核心能力已接近GPT-4的水准。 **成本**则是文心的巨大优势，其API价格仅为GPT-4的百分之一左右。这使得在需要大规模调用模型的企业应用中，文心方案更具性价比。 总体而言，如果面向**中文环境**和**多模态应用**，文心4.5/X1能提供媲美GPT-4的能力甚至在文化本地化上更胜一筹； 而在**英文创作**或一些极高难度任务上，GPT-4依然是标杆。值得一提的是，文心即将开源，企业可以自部署和定制，这种灵活性是闭源的GPT-4无法提供的。 因此，技术开发者和产品经理在选型时，可根据应用场景权衡：需要全球化英语能力和成熟生态，可选GPT-4；重视本地化、多模态且成本敏感，文心4.5系列会是强有力的本土替代方案。 ### 与Claude的对比 Claude（如Claude 2）是Anthropic推出的大模型，以**安全性**和**超长上下文**见长。Claude擅长保持友好无害的对话风格，最大上下文窗口甚至扩展到10万Token量级，能一次处理非常长的文档。 在这方面，文心4.5当前支持的上下文长度相对有限（尚未公开支持十万级别上下文），在处理超长文本如整本书 summarization 时可能不及Claude便利。 不过文心模型在**多模态**和**工具使用**上更胜一筹：Claude目前主要是文本对话，而文心4.5原生支持图像输入，X1还能输出图片和使用工具，功能更为丰富。 在**语言能力**上，二者在中文领域的表现对比值得关注。Claude经过训练对中文有一定掌握，但文心作为中文大模型在本地语言、领域知识覆盖上更全面，回答中文专业问题时准确性更高。相反，Claude在英文写作和创意上可能更流畅自然一些，这是其训练偏向所致。 **适用场景**上，如果企业需要让AI阅读长报告、长对话然后进行分析，Claude的大窗优势很明显；而如果需要AI具备图文并茂的交流能力或能充当“数字助手”去帮忙查资料、画图，文心X1的多工具、多模态能力则更符合需求。 安全性方面，两者都经过强化学习对齐，Claude以保守著称，不易输出不当内容；文心在国内监管要求下也进行了内容安全优化，能识别不良内容并过滤。 从生态看，Claude目前主要通过API服务，插件生态不如OpenAI丰富；而百度文心一言平台整合了搜索、学术等众多工具，为特定任务提供了**内置插件式**支持。 综上，Claude适合**超长文本分析、英文安全对话**等场景，文心4.5/X1则在**中文对话、多模态助手**方面更具优势。二者各有所长，用户可依据具体需求选择。 ### 与谷歌Gemini的对比 Gemini是谷歌下一代多模态大模型的代号，号称融合了AlphaGo式的规划能力与大语言模型的强项，被视为与GPT-4竞争的重量级模型。 根据目前业界信息，Gemini将擅长**文本、图像和可能的视频**理解，并针对交互性和推理进行了优化，Google可能会将其用于搜索、机器人等产品线的升级。 与Gemini相比，文心4.5在推出时间上占得先机（已正式开放使用），而Gemini完整版本预计在2024年底或2025推出。 文心4.5的**原生多模态**特性与Gemini不谋而合，都能跨越文本和视觉内容。若论**综合实力**，Gemini依托谷歌海量的数据和算法积累，可能在英语世界知识和跨领域泛化上更有优势；文心则深耕中文及本土场景，内置了百度知识图谱和中文互联网语料，使其在中文领域的问题回答上更专业贴切。 在**创新应用**方面，谷歌展示的Gemini可能会面向机器人控制、工具API调用等交互场景，这类似于文心X1用工具的思路。不过，Gemini作为谷歌的商用模型，短期内不太可能开源，而百度已宣布开源计划，这意味着开发者社区将更容易获得和改进文心模型。 **适用场景**上，Gemini若发布，将融入谷歌全家桶（如在Android、Google Docs等提供AI助手功能），在英语和多语言环境下服务全球用户；文心4.5则依托百度生态，在中文互联网服务（搜索、输入法、资讯流等）中落地，并通过百度智能云进入各行各业。 对于国内用户和企业而言，文心4.5系列提供了一个自主可控且逐渐开放的替代方案，可避免对海外API的依赖和潜在数据合规问题，这一点是其相对Gemini等国外模型的**战略优势**。 概括来说，Gemini代表了国际前沿多模态AI的水平，而文心4.5/X1以本土化特色和开放姿态迎战，在**性能**上逐步接近一流，在**成本和生态**上更贴近国内市场需求。 百度新发布的文心大模型4.5和文心X1在能力上各有侧重又互为补充：一个偏重通用多模态与高效生成，一个专攻深度思考与工具扩展。它们相较前代都有长足进步，展现出在中文AI领域的领先实力和差异化优势。 借助百度强大的生态和即将开源的契机，文心系列模型已经在客服、编程、内容、行业智能等诸多产品化场景中落地开花，收获了积极的用户反馈和实际成效。 对于技术开发者和产品经理而言，文心4.5和X1不仅是前沿AI技术的载体，更是可用于构建下一代智能应用的成熟底座。 本文由 @AI贾维斯 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

新能源汽车和智能驾驶的普及，为全球汽车芯片厂商提供了更多的市场机会。

<blockquote><p>在物流行业日益智能化的时代，AI技术的创新正为企业带来深远影响。本篇文章将聚焦于货拉拉的“悟空”平台，深入探讨其在物流AI智能化中的实际应用与成果。通过案例分析与数据支持，我们一同揭开这一智能化平台背后的奥秘，并展望未来的发展趋势。</p> </blockquote>  货拉拉认为，凡是能够保住业务提升效率的AI应用，均可称之为AI助理，同时，货拉拉的AI助理应用范围广泛，覆盖了14个场景，涵盖了48个真实业务需求进行AI助理的探索，并追求“简单直接、真实细致”的应用效果。 为了应对多样化需求的挑战，同时减少重复开发工作，货拉拉自研了大模型应用平台——悟空平台，依托于大模型为核心元能力引擎，采用低代码和零代码两种开发方式，结合AI Agent 相关思路和技术，提供多样化的超级交互入口，最终为货拉拉多元化的场景提供了高效、便捷、稳定、可视化的大模型应用开发SOP。 悟空平台核心优势在于可以灵活应用大模型，支持直接或间接调用大模型进行开发。无论是直接调用大模型，还是构建Chain或Agent，悟空平台都能胜任，此外，该平台数据安全方面表现优异，确保没有数据外传的风险，并可以根据需求进行定制化开发，同时支持高效的业务落地。  **货拉拉大模型应用开发体系层级**   **货拉拉一站式AI应用开发平台：悟空**    ## 货拉拉悟空大模型AI应用的五个思考 ### 思考1：随着大模型应用日益广泛，最常见的问题是大模型是否真的能解决专业问题？ **实践：专业助手** - Lone容器问题排查助手 - 漏斗原理攻击于自动识别助手 - SIEM准实时异常行为检测助手 **总结：**大模型知道的远比我们想象的多，通过prompt和大模型结合就可以解决这些专业问题，其中高质量的prompt是关键，可以让大模型更好地理解并提取有效的信息。 ### 思考2：大模型除了能解决专业问题，能否实现基于文档或已有知识库进行AI问答？ **实践：**AI问答助手 - 业务精准问答 - 综合问答 - 闲聊/专业问答 **总结：**“业务知识库+RAG+LLM”的标准范式，可以解决无标准答案的问题，但“助手分类+个性化RAG+prompt针对性优化”可实现“精准问答”业务精确率90%+。 ### 思考3：大模型能解决专业问题，能做AI问答，那能处理数据并生成报告么？ **实践：**周报生成助手 - 数据获取&amp;理解 - 数据分析 - 写码&amp;画图 **总结：**搭建周报Agent，做到有数（连接数据库、获取真实数据）、有图（结合Code Interpreter 工具）、有结论（结合LLM能分析、会总结），并结合零代码平台，实现快速复用。 ### 思考4:在前述功能的基础上，用户问能否处理多模态信息，做多模态的AI助手？ **实践：**多模态AI助手 - 多模态图片理解 - 表格信息提取&amp;生成 - 语音培训对练助手 **总结：**“工具+LLM+多模态综合理解”组合可以提升AI助手回复的精确率，如车险报价方案生成助手，首先用OCR提取信息，然后对数据进行脱密处理，再用大模型提取信息，最后结合多模态综合理解生成最终报价方案，进一步提升业务准确率。 ### 思考5：前几个阶段基本都是通过单一Agent或功能性模块实现的。随着业务需求的发展，用户希望多个场景的问题能够融合，提供一个综合的结局方案。 **实践：**Multi-agent助手 - 多轮对话，信息收集 - 单场景精准问答 - 多场景agent综合搭建 **总结：**货拉拉探索了多场景融合的合作型multi-agent助手，在IT助手场景，针对各业务场景搭建独立的agent聚焦各自场景问题问答，并通过多agent协同的工作方式，来更高效地应对复杂的业务需求，提供全面的解决方案。 **货拉拉悟空大模型AI应用之选车助手** 利用人工智能技术，为客户提供交互式服务的智能客服系统，主要目的是提高客户服务效率和质量，同时降低企业的运营成本。 用户在使用选车助手的过程中，一般不只会根据引导来进行答复，还会在沟通过程中询问其他信息。如何通过流程引导，将对话主动拉回到主流程是货拉拉需要解决的重要问题，此外，用户需要运送的货物多种多样，对于货物信息的表达方式也多种多样，导致语义难以理解，这也加大了解决问题的难度。 大模型的理解能力、生成能力、跨语言能力，对解决以上问题有显著的效果，同时使用单一智能体难以完成复杂的任务，因此使用NLG Agent和NLU Agent两个智能体，NLG Agent负责问题回答、工具调用、流程引导，NLU Agent 负责对货物信息进行提取。   **LIM-based Multi-Agent 框架**  **货拉拉悟空大模型AI应用之员工助手 Lalabot** Lalabot是为货拉拉企业内所用员工打造的一款先进的AI助手，底层依托于悟空平台和大模型，支持浏览器插件、手机小程序、PC Web等多端应用，Lalabot集聊天、写作、AI绘图、图生文、定制化Agent几大功能于一身，助力货拉拉企业内员工高效、便捷的工作。  面对长网页、论文、设计方法、会议记录、聊天历史这些长段上下文信息，可以让Lalabot帮助摘要总结这些内容，提取输入内容的核心内容和重要结论，以便能够快速了解内容的主题、目的和汇总。 用户可以在悟空平台上将构建好的AI应用一键发布到Lalabot上，打造专属的AI Agent，这些Agent能够帮助用户从处理简单问题导致行复杂的对话逻辑。而更棒的是，用户可以将自己发布的定制Agent分享和公开，让其他用户一起使用。 Lalabot的写作代理，只需要用户提供少量输入，明确用户写作的主题方向，即可为用户生成文章标题和大纲，一旦达成一致，写作代理将内置搜索相关文献资料，起草用户文章，最终呈现给用户一篇可用的文章。 由人工智能驱动的搜索辅助，用户只需输入自己的问题，AI将其进行分析，使用多个相关搜索关键词，并总结各种结果条目，以找到用户问题的答案，并提供相关的提示词去帮助用户收集更深入的信息。 Lalabot的绘图代理，只需要用户输入需要绘制的简短描述，绘图代理会智能理解和扩充用户输入的描述，最终生成待绘制图片的详细文字描述并和用户达成一致，最终呈现给用户绘制好的图片。 作者：物流小兵说 公众号：物流小兵说 本文由 @物流小兵说 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 Pexels，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