智驾技术进阶与现有的功能安全，执行逻辑上总是相悖。

Trump claimed he would have very little problem to strike a deal with the EU to reduce tariffs in exchange for access to a US market, in which he said has something everyone wants. But he's "in no rush."

并购案过会后遭追责。

**作者｜shiyun** **编辑｜郑玄**   2022 年，由于大厂工作压力大，开发者 Shawn 已与焦虑症对抗了三年。某次，在阳台晒太阳的经历让他感到治愈，之后他每天出门晒太阳，一年后焦虑症状不再出现。 工作近十年，他第一次冒出一个想法，能不能开发一款帮大家晒太阳的 app？他曾在 2015 年和 2018 年分别接触过国内不同的独立开发者群体，一直想像他们一样做一款自己的产品。 2024 年，Shawn 从前司离职，来到杭州良渚周边，成为了一名独立开发者。 近一两年，良渚聚集了众多像他一样的独立开发者，掀起了一阵新的独立开发热潮。 「这两年做独立开发的人一下子多了好几倍，感觉这个圈子一下子就热起来了。」多位开发者告诉极客公园。原因在于，AI 技术大幅降低了开发门槛、提高了开发效率，让越来越多人能成为开发者，也让产品开发更敏捷、多元、有想象力。 花了三个月时间开发之后，Shawn 把产品内测的内容发到小红书上。出乎意料的是，第一条笔记点赞数就破 3000，一周后内测用户就达到了八百。上线不到 2 个月，Shawn 在小红书上收获了两万个用户。    Shawn 发布的小红书笔记 | 图片来源：小红书   Shawn 并非个例，过去一年里，相当一批开发者和他们的产品，从小红书上「出圈」 ，比如 AI 饮食记录应用「胃之书」的开发者赵纯想、拍照应用「小猫补光灯」的开发者花生、聊天工具「哄哄模拟器」的开发者王登科等等。 这个以生活内容著称的社区，意外地正在成为许多新一代开发者的「产品创新试验场」，甚至是他们产品从 0 到 1 冷启动的「创业社区」。 「独立开发者们基本都来小红书上了。」多位开发者说。   # _**01 **_**开发者涌入小红书** 今年 2 月，在「谜底黑胶」黑胶播放器产品推出 3.0 版本时，其开发者、谜底科技创始人柳毅顺手发了一条小红书视频笔记。 他是国内最早一批的知名开发者，有十几年的开发经历，其开发的「谜底时钟」，曾经获 2022 年苹果设计奖提名。 作为资深的黑胶爱好者，柳毅花了很长时间打磨和开发「谜底黑胶」这款产品，3.0 版本的迭代足足花了半年时间。这款产品曾经在海外多个国家的 app store 榜单上登顶，积累了几百万的用户体量，也因此，过往柳毅也很少把精力投入国内的社区平台。 但让他没想到的是，随手发布的这条视频笔记意外「爆了」，收获了许多对黑胶感兴趣的用户关注和反馈，以至于柳毅一天都在回复留言。而随之而来的是，这款产品在国内迎来了一波用户高峰。 这让他意识到，这也许是一个值得投入的平台，自那以后，他更新小红书的频率也逐渐高了起来。    完成谜底黑胶 3.0 之后，柳毅发布的小红书视频笔记 | 图片来源：小红书   他也观察到了，身边越来越多的开发者开始「驻扎」在小红书上。「我的体感是，现在新的开发者，应该人人都在小红书上，而那些老的开发者他们慢慢也来小红书了。」 行业里甚至开始流行一种说法，「小红书+Cursor（AI 编程工具）」是独立开发者的两件套。 从 Shawn 和柳毅的故事里，不难看出，能够精准地链接一批有需求的用户，是让这一批开发者留下来的直接原因。 据 Shawn 介绍，小红书内测为产品带来了 90% 左右的用户。不到一个月，SunAlly 就拥有了 2 万用户。由于下载量居前，Sun Ally 还被 APP store 推荐了。 「小红书帮我们完成了冷启动。」Shawn 说。 过往，所有的开发者或团队，都在追求产品在对应人群中获得最大的曝光。因此，他们在应用商店买广告、去内容平台上运营、在社交平台上投放，但独立开发者往往预算有限，而这些平台往往竞争激烈、流量向头部靠拢。 但在小红书上，像 Shawn 和柳毅这样的独立开发者们能以更低成本、甚至零成本，获得更精准的用户和留存。多位开发者表示，它是一个更好、更快地找到种子用户的平台。 这背后离不开平台的推荐算法、以及去中心化的分发机制。它意味着，新的产品和团队有更多机会能获得精准的曝光。 但更重要的答案，或许在于需求流向本身。 #   # _**02 **_**最多元的用户需求，最小的产品试验田**  在决定要开发这个产品之后，Shawn 就在小红书上搜索「晒太阳」的关键词。这看似是一个极其细分的需求，但搜索之后，他发现有几百万篇相关的笔记。 这让他觉得，这个场景或许也存在足够多的用户需求。他把自己看到的一千多条笔记保存下来、把评论摘下来，一条一条看，并去看与这些笔记互动的人具有什么样的画像和特征。 他发现补充维生素 D 是更受欢迎的方向，非常多用户有维生素 D 相关的痛点。于是，他正式将产品方向从侧重防晒，调整到了侧重补充维生素 D。 无论是「晒太阳」，还是「听黑胶」的开发思路代表了一种已经发生的趋势——在独立开发圈层，大而全的开发思路转向更细分、垂直、极致的需求开发，这一代的独立开发者，抓住毛细血管式的生活需求，将其落地成 AI 产品。 需求可以细到：专为 INFJ 做的 AI 陪伴应用、一个调酒单产品、钓鱼记录工具、宠物友好餐厅地图、ADHD 专注神器等等。 这背后的本质是，过去十余年移动互联网的发展让衣食住行等日常需求被国民级应用所满足，但今天，不管是开发者还是用户，都开始重新发现小像素、细分需求的价值。 AI 的出现 ，让这些需求都有了被重新做一遍的可能。 通过提升开发效率，AI 大大缩短了产品从创意到产品的周期，就像「快时尚」快速推向市场；它也降低开发门槛，让任何有创意的人都有机会开发出自己的产品……种种因素下，像素级的需求所激发的产品供给，正在成群涌现。 比如此前在饮食记录赛道，有「薄荷健康」这样的产品，但「胃之书」用多模态生成、流式输出等 AI 技术，用 AI 做出了兼具饮食记录和情绪价值的用户体验——这正是赵纯想的观点，「被占满的工具赛道都可以被『重做一遍』」。 作为国内最大的生活社区，小红书是个巨大的「需求池」。人们在上面分享、检索各类足够多元、细分、长尾的生活内容，这也构成了用户在这里寻找、消费各类生活场景需求的内容心智。这或许是为什么今天相当一批独立开发者们，聚集在这里的原因——当他们的开发从像素级的需求出发，小红书恰好为他们提供了一个挖掘需求、验证需求，也满足需求的平台。 不管是 Sun Ally、谜底黑胶、胃之书，还是去年更出圈的小猫补光灯等产品，都在反复验证这套在平台上链接和挖掘生活需求的逻辑。 越来越多的开发者意识到了这一点。Stress Watch 的开发者 Patrick 就透露，他们在一开始做这款压力监测产品时，就是专门针对小红书的用户去设计的。    Stress Watch 产品介绍 | 图片来源：App Store   团队调研发现，小红书上的用户画像相对集中，符合一款压力监测产品的用户预期——大致年龄在 20 岁到 35 岁之间，主要为女性，喜欢可爱、视觉效果好的东西，而且通常压力较大。 基于这样的用户洞察，团队决定围绕压力这个主题，设计一个可爱的形象。他们认为，这种形象会受到 Apple Watch 用户的喜爱。 精准瞄准用户需求的产品设计，也在社区里得到了验证。这款产品从招募内测开始，小红书笔记的用户互动性就很高，「我觉得这对开发者来说是非常友好的。」其开发者 Patrick 说。 如今这款产品，不仅在两年拿到了 400 万用户，并至少四次获得苹果 App Store 的推荐，其中两次是在首页的专题。 #   # _**03 **_**生活社区更多的可能性** 越来越多由需求激发的产品创新，正在小红书上发生。 小红书官方的数据显示，过去一年小红书站内活跃着超过 5 万名独立开发者，近一年独立开发相关内容发布增长 146%。 围绕生活需求的开发，也正在悄然改变国内开发者们的「创作过程」。 一个最典型的代表案例是小猫补光灯、小猫爱心眼的开发者花生，发布第一款产品之后，他的评论区涌进了大量的用户，提出功能反馈和改进建议。这些反馈不仅直接促进了产品迭代，还被花生写进了每一个产品的版本更新记录里。    图片来源：小猫爱心眼 App Store 更新说明   这与传统产品开发有本质区别。传统模式下，用户反馈往往是单向、间接的，而在小红书这样的社区里，开发者与用户之间的对话是直接的、即时的、多维的。用户不仅是需求的提出者，更是产品迭代的「隐形共创者」。 有人认为小红书是「中国的 Discord」，后者是国外的社群聊天软件，开发者常在社群里与自己的用户交流互动。在这一点上，小红书确实与 Discord 有异曲同工之处。 当越来越多的开发者涌入小红书、围绕用户需求创新并拿到了结果。某种程度而言，他们也正在成为社区里一个全新的创作者群体。这或许会为内容社区带来更长远的影响。 很长一段时间，内容社区的内容形态，停留在图文、视频，但随着 AI 带来的技术平权让开发应用的难度无限趋近于发布笔记，未来，「应用」或许会成为一种新型的内容形态。 另一组数据支持了这个观点：在小红书上，有超过 90% 的独立开发者一年不只开发一款应用。这些开发者从自身兴趣出发，通过持续开发表达态度、与外界对话，这不正是创作者在这个社区里做的事吗？ 从这个角度来看，开发者就是 AI 时代的创作者，而独立开发就是下一个时代的 UGC。 小红书相关负责人也在昨天的「独立开发大赛」颁奖现场透露了下一步计划，将搭建相关产品能力，简化创意到产品上线的流程，目的是为了让开发者更好地与用户发生对话、连接。    「独立开发大赛」颁奖现场 | 图片来源：小红书   届时，「小红书成为新一代 app store」或许不再是个比喻，而是事实。 试想一下这样的画面：下午 5 点，临近下班，压力值即将爆表，点开小红书看一段猫咪松弛视频，然后发现了一款监测压力的应用，在小红书上点了点，便连上了智能手表，弹出实时压力值，并配了一张小猫的哭丧脸。 这大概是一天中最被理解的时刻。对开发者来说，他的创作正是为了这一刻。 与其说是开发者选择了小红书，不如说是时代选择了这样一种更贴近用户、更敏捷、更具生活气息的创新路径。这不仅是小红书的可能性，也预示着未来应用开发与分发的新趋势。  

一种名为“ResolverRAT”的新型远程访问木马（RAT）正被用于攻击全球的组织，发现该恶意软件最近被用于针对医疗保健和制药行业的攻击。 ResolverRAT通过网络钓鱼邮件传播，违反法律或版权，根据目标国家的语言量身定制。电子邮件包含下载合法可执行文件（'hpreader.exe'）的链接，该链接利用反射DLL加载将ResolverRAT注入内存。 Morphisec发现了之前未记录的恶意软件，他们指出，Check Point和Cisco Talos最近的报告中也记录了相同的网络钓鱼基础设施。 然而，这些报告强调了Rhadamanthys和Lumma窃取者的分布，未能捕获独特的ResolverRAT有效载荷。 **ResolverRAT功能** ResolverRAT是一个完全在内存中运行的隐形威胁，同时它还滥用 net ‘ resourcerresolve ’事件来加载恶意程序集，而不执行可能被标记为可疑的API调用。 “这种资源解析器劫持代表了恶意软件的最佳进化——利用一个被忽视的。net机制完全在托管内存中运行，绕过了传统的安全监控，重点是Win32 API和文件系统操作，”Morphisec描述道。 研究人员报告说，ResolverRAT使用复杂的状态机来混淆控制流，使静态分析变得极其困难，通过识别资源请求来检测沙箱和分析工具。 即使它在调试工具的存在下执行，它对误导和冗余代码/操作的使用也会使分析复杂化。 该恶意软件通过在Windows注册表中最多20个位置添加xor混淆键来确保持久性。同时，它还将自己添加到文件系统位置，如“Startup”、“Program Files”和“LocalAppData”。  基于注册的持久性 ResolverRAT尝试以随机间隔在计划回调时进行连接，以逃避基于不规则信标模式的检测。 操作员发送的每个命令都在专用线程中处理，在确保失败的命令不会使恶意软件崩溃的同时，启用并行任务执行。 虽然Morphisec没有深入研究ResolverRAT支持的命令，但它提到了数据泄露功能，该功能具有用于大数据传输的分块机制。 具体来说，大于1MB的文件被分成16KB的块，这样可以通过将恶意流量与正常流量混合来逃避检测。  将较大的文件分成小块 在发送每个块之前，ResolverRAT检查套接字是否好写，防止拥塞或网络不稳定导致的错误。该机制具有最佳的错误处理和数据恢复功能，从最后一个成功的块恢复传输。 Morphisec在意大利、捷克、印度、土耳其、葡萄牙和印度尼西亚观察到网络钓鱼攻击，因此该恶意软件具有全球操作范围，可以扩展到更多国家。

<blockquote><p>在零售行业竞争日益激烈、流量红利逐渐见顶的当下，传统零售巨头永辉超市正经历一场前所未有的变革。从砍掉中间商、推行“裸价直采”，到学习胖东来的极致服务，永辉的转型不仅是商业模式的重构，更是对产品经理角色的重新定义。本文将深入剖析永辉变革背后的商业逻辑，探讨产品经理如何从“功能实现者”转变为“商业决策参与者”，并分析科技在这一变革中所能发挥的作用。</p> </blockquote>  在流量红利见顶、成本高企的零售下半场，一个残酷的现实正摆在产品经理面前：只会画原型、写PRD的“功能型产品经理”正在被加速淘汰。 当永辉挥刀砍向中间商，当胖东来用极致服务重构人货场，当折扣店用“硬核低价”颠覆传统渠道——这些变革的背后，早已不是简单的功能优化问题，而是商业模型的重构。 作为零售供应链产品经理，我们正站在一个关键转折点： - 过去，我们可能只需对接业务需求，设计几个库存管理界面，优化几条物流路径； - 今天，我们必须回答：永辉的“裸价直采”如何通过数字化落地？胖东来的高满意度服务能否被系统规模化复制？当账期从90天缩短到15天，供应链重构及供应链金融产品该如何设计？ 产品经理的价值，正从“功能实现者”升级为“商业决策参与者”。 这篇文章，我将以永辉变革为切口，拆解三个维度： - 行业视角：为什么传统KA模式走向崩溃？渠道费用、账期、腐败如何形成“死亡螺旋”？ - 产品视角：供应链系统如何从“成本中心”变为“利润引擎”？会员数据、动态补货算法、供应商协同平台如何重构零供关系？ - 职业视角：产品经理需要哪些新能力？从财务模型理解到商业敏感度培养，从供应链全链路认知到变革推动力。 如果你不想只做需求的搬运工，而是用产品推动一场商业革命——这篇文章就是你的转型地图。 我们要做：用产品参与商业决策的产品经理！ 我看好永辉的调改，首先表达我的个人态度，以下内容也是围绕这个主旨展开。 我想通过本文阐述这么几个问题： - 永辉遇到了什么问题？ - 科技为什么没能救永辉 - 胖东来调改到底在调什么？为什么如此急迫？ - 永辉胖改能成功吗？ - 科技的力量以什么样的定位和能力重新参与到这场向死而生又波澜壮阔变革中？ **引言** 关注零售的朋友，想必也关注了3月29日永辉超市的供应商大会，这篇文章我们就以此为起点讲讲零售当下现状： 由渠道盈利模型向价值盈利模型的颠覆性变革 以及永辉变革为什么如此瞩目。 自从永辉开始学习胖东来，就一直处于风口浪尖，他的一举一动都会被各种自媒体人各种维度解读，为什么如此瞩目？ 我想与其大家关注的是永辉本身，还不如说是一份希望， 永辉是从传统的，连续亏损4年的，多次转型失败的全国综合性超市向死而生，给零售行业注入动能，而我们也希望从中得到正能量，摆脱阴郁密布的生活氛围，。 本次大会叶国富董事提出： - 计划完成超200家门店调改。 - 砍掉中间商推行“裸价直采”，取消对供应商的各类收费。 - 规划了孵化100个亿元级单品、锁定200家核心供应商等长期目标。 单从一次会议不足以梳理永辉变革的主脉络，我们以时间点及永辉主要事件的方式做梳理： 3 月 17 日股东大会，叶国富当选非独立董事，原 CEO 李松峰落选。永辉系仅剩张轩松、张轩宁兄弟保留席位。 - 改革领导小组成立：叶国富出任组长，实际掌握经营决策权。 - 新高管任命：永辉供应链负责人及其下属标品负责人/生鲜负责人调整到位 - 推行门店业态分层：推出 “小店（2000㎡）、中店（2600㎡）、大店（32000㎡）” 三级模式，聚焦年轻家庭客群。 - 执行关店计划：2025 年关闭 250-350 家低效门店，门店数量从700+，缩减到400+，资源向长三角、珠三角倾斜， - 调改目标：2025 年计划调改 200 家门店，至 2026 年完成所有存量优化。 3 月 29 日“供应商大会”提出： - 聚焦核心供应商：首批锁定 200 家战略供应商 - 聚焦大单品：3 年孵化 100 个亿元级单品 - 聚焦长期主义：取消条码费、进场费等传统收费，推行 “裸价直采”，目标将采购成本降低 15%。 - 反对中间商：砍掉经销商层级，建立 “工厂 – 永辉 – 消费者” 直连模式，首批 200 家核心供应商已实现 100% 直采。 - 风险共担：与供应商签订 “对赌协议”，约定大单品销售目标，超额部分按比例分成。 - 数字化赋能：开放会员数据，帮助供应商精准开发区域定制商品，如为广东市场开发低糖粤式点心。 从动作看目的，从表象看本质，我们总结三点： - 调组织人员：关键人到位 - 调组织认知：有多大能力干多大活！降门店数量，降门店面积，降门店运营品类。将公司经营规模与公司组织能力匹配。 - 调商品力和服务力：商品力对标山姆/COSCO，服务力对标胖东来，商品力是一切的根本。 ## 一、永辉遇到了什么问题？ 以下是2021年到现在的财报数据及披露的原因：  企业经营，波峰波谷，是正常的商业现象，但是连年持续亏损是不正常的，相比亏损来说，找不到出路才是主要根因。 我们从用户购物体验展开介绍永辉提供的商品力和服务力 ### 1）无论何时都能在永辉买到普通商品 这是小红书上一名长期在永辉购物的用户发出的感叹。那么这名顾客为什么觉得普通，以及为什么永辉只能上这种类型的商品。 顾客眼里的普通有两层意思：你有的别人也有；一个人工作生活社交圈子相对固定，在这个圈子里零售需求被卖场，便利店，专卖店，线上购物渠道所包围，当购买饮料时，不管是便利店还是卖场，都只有那几个品牌，那么就归于普通 顾客感觉卖场商品“老三样”：每次进入卖场，货架商品，陈列顾客感觉都没有什么变化，失去新鲜感。生鲜品质预期一如既往的没有改变，邹邹巴巴，缩水，叶菜发蔫。 ### 2）店员一问三不知 我相信，进入大部分的商超卖场（胖东来除外），顾客都会有这种感觉， 不知道！ 店员穷横穷横的，问配料表，不知道， 问制作工艺，不知道，问商品怎么吃怎么用，同样，也不知道。 东来哥说的那样，一个店员给他开不到4000块钱，还要求对顾客笑，怎么可能办到呢，他不撂挑子已经很不错了。 原因是相互作用的，企业经营出现暂时性困难，短期最见效的就是裁员，保证现金流；员工少，那么员工负责的坪米就会变大，负责的品类就会变多。专业度和工作量要求也会直线上升，在繁重劳动下保证服务品质就是一句空话。 是不是像一个向下螺旋？服务差，用户不来；用户不来，销量差；销量差企业亏损继续夸大，继续裁员；在职数量变少，工作量又增加，员工压力更大；一直螺旋下去。。。。。 ### 3）永辉进入了“滞胀阶段” 与其说是永辉进入了滞胀阶段：货架的琳琅满目，大而全的商品不是顾客需要的，顾客要的偏偏货架上又没有；顾客找半天勉为其难找到替代品，或者根本就没找到。这就是当下主要矛盾 应该说整个卖场零售行业，都进入了滞胀阶段，不止永辉。 上面提到的问题是结果，不是根因，根因是经营模式已经不适应当前的发展，在讨论现在应该是什么经营模式之前，我们需要讨论零售和客户需求发展的此消彼长. 工业革命的标志是手工劳作被机械作业所替代， 电的发明又极大推动了工业的发展。从原来依赖山川河流等势能被电能替代，也就是机械工业不再受地理位置的局限； 中国改革开放46年，在此过程中 工业产能从欧美转移到日本和亚洲四小龙（韩国、台湾、香港、新加坡），随后进入中国，随着中国加入WTO， 24年来，中国形成了工业全门类，物质生产占全世界的14.5%，位居世界第一。中国人也从吃不饱饭到普遍三高，政府不得不从国家层面推动减肥计划 为什么要讲工业革命和中国规模化生产，以及政府推动国民减肥？ 主要为了佐证 现在是商品极大丰富的时代，这里的极大丰富是同质化商品极大丰富。这是规模化生产的功劳，这就是为什么顾客在永辉总能买到普通商品原因的基本面 另一个维度就是当下零售业供商关系—渠道盈利模型的深度绑定，在讲 渠道盈利模型之前，我们前置简要的讲一下什么叫商业模型  和经营模型 零售行业的商业模型比较简单：低买高卖的利差模型； 经营方式多种多样：到家业务，到店业务，线上商城业务等等。其中到店业务也就是顾客主动到卖场/便利店/专卖店进行自主选择型购物，到自助收银/银线收银付款的方式。 可能大家想象的超市售卖的商品是：超市从供应商采购商品，然后摆上货架，用户从货架取商品并支付金额的方式是吧？ 超市的利润 = 顾客的付款金额 – 商品的成本金额 – 超市运营成本金额。 实际上不是的，这里重点介绍：渠道盈利模型， 在介绍这个模型之前，我们讲一下这个模型运作的参与方： **品牌商：** 拥有商品品牌所有权，负责品牌建设、产品设计及市场策略，可能自产也可能委托生产。比如元气森林：自主研发饮品配方，代工厂生产，通过便利店、电商等渠道铺货。 核心特点： - 掌握品牌溢价权，主导消费者心智。 - 不直接参与生产或销售时，需通过制造商和渠道商协作。 **制造商：** 实际生产商品的实体企业，可能是品牌商自有工厂，也可能是第三方代工厂。比如富士康：为苹果（品牌商）代工iPhone，收取加工费。 核心特点： - 专注生产环节，利润依赖订单规模与成本控制。 - 可为多个品牌商服务（OEM/ODM模式）。 **经销商：** 从品牌商或上级经销商批量采购商品，获得区域/渠道销售权，通过加价分销获利。 分级模式： 一级经销商：直接签约品牌商，负责大区分销（如省级）。 举例：某白酒品牌的一级经销商“华致酒行”，向二级经销商批发茅台。 二级经销商：从一级经销商拿货，覆盖更小区域（如市级）。 举例：市级食品批发商，向本地超市供货。 核心特点： - 承担库存、资金垫付、本地推广等职能。 - 常见于需要深度分销的行业（如快消品、汽车）。 **供应商（Supplier）** 定义：广义指所有商品/服务提供方，在零售语境中特指直接向零售商供货的厂商或经销商。举例： - 宝洁（P&amp;G）：作为沃尔玛的供应商，直接向其配送洗发水。 - 本地农产品合作社：向永辉超市直供蔬菜，属于生鲜供应商。 **零售商（Retailer）** 定义：直接面向消费者销售商品的终端渠道，比如实体店卖场超市，线上电商。 核心特点： 赚取进销差价或通道费，依赖流量与周转效率。 举例： - KA卖场：大润发、沃尔玛等大型商超。 - 专业零售商：苹果直营店（品牌商自建零售终端）。 - 电商平台：天猫（平台型）、京东自营（采购再销售）。 这几方的物流流转，以下图为例：  流通商承接了品牌商1，2，3的商品，负责华东区域的销售。流通商本身不负责销售，他需要对接本地的卖场商超（也就是我们说的超市），夫妻零售店，便利店，折扣店和专卖店等销售渠道。 由于卖场商超在本地占有相当的销售规模体量，所以被流通商定位为： KA客户，二者的合作模式即渠道模式。卖场商超的盈利模式即为渠道盈利模式。 我们以下图为例，说明流通商的商品如何在卖场商超中流转：  流通商如果有新品在卖场商超上新，则需要上缴通道费，主要通道费用构成如下： - 进场费：流通商产品进入卖场需支付的“门槛费”，通常按品类或SKU数量计算。 - 条码费：每个商品条形码的注册费用。 - 促销费：包括堆头费、端架费（特殊陈列位置）、DM海报费（促销宣传），促销人员成本费等。 - 返利：按销售额比例返还给卖场（如年返、季返）。 - 仓储物流费：部分卖场要求供应商承担库存或配送成本，如上图所示 商超为解决门店收货有序，做统一调配，强制流通商将商品配送零售商仓库，经过在库拣货或者直通模式由零售商的物流能力配送到门店。这其中又分为联营代管，商品暂存，由此而产生的流通商的仓储拣配的费用支出。在促销档期结束，商超退货也会收取暂存费，流通商支付后再将退货拉回流通商仓库。 **结算方式** - 流通商需先支付上述费用，卖场再安排商品上架或促销资源。 - 商品销售后，卖场采用“账期”模式（如60-90天）将销售货款返还给供应商，占用供应商现金流，各类通道费用占供应商成本的15%-20%。「大家记住这一点，整个利益链条最脆弱的地方」。 三角平衡结构：商超-中间商-供应商的共生逻辑，稳定存在三十年 商超的算盘：通过流通商转移资金和运营风险，自身轻资产扩张。 流通商的价值： - 资金池功能：头部食品经销商平均垫资规模超千万元（如河南某乳品经销商年垫资1.2亿）； - 服务网络密度：华东某休食经销商为200家便利店提供“48小时补货+临期调换”服务。 供应商的妥协：中小厂商品牌力弱，依赖流通商进入KA渠道，宁可让利15%-25%。 我们分析这种模式下的利弊关系： 流通商的作用： 流通商作为资金缓冲者：通过垫资、分销，缓解了品牌商（或者供应商）与商超之间的资金矛盾。小型供货商难以直接应对商超的账期要求，流通商的介入分摊了资金压力；垫资和接受长账期下的资金挤占是流通商最核心的作用。 区域服务整合者：流通商具备区域配送、售后服务、客情维护等能力。尤其在下沉市场，流通商构建的本地化网络，能更高效地满足商超的碎片化需求。 风险分担者：市场波动、商品退换货等风险，常由流通商与供应商共同承担。例如，商超促销后的退货损耗，中间商往往承担了二次分销的责任，这里就会出现流通商在所负责区域内进行周转，比如AD钙奶促销档期结束，从卖场退回后，流通商继续将货流转到夫妻店，便利店等这就是流通商统筹的能力，当然也会窜货到不是他负责的区域。 供应商/流通商与卖场冲突 （1）利益分配不均 - 卖场倾向于提高通道费比例，挤压供应商利润，尤其对中小供应商。 - 供应商若销量不佳，可能无法覆盖费用成本，导致亏损； - 还没有入场就提前缴纳通道费用，并且上架越多，费用越多； - 销售不佳极有可能无法覆盖通道费，但是卖场稳赚不赔。 （2）账期与现金流压力 - 卖场长账期（刚才提到的账期有可能是60天，甚至90天），占用供应商资金，影响其运营周转，甚至供应商因资金链问题无法扩大经营生产甚至断裂而破产。 - 供应商可能被迫接受“赊销”模式，增加财务风险，在小供应商，就会出现胁迫供应商事件，话语权的争夺白热化。 （3）促销资源争夺 - 卖场要求频繁降价促销，供应商利润受损；若拒绝配合，可能被下架； - 一般情况下卖场是15天一促销，促销涉及商品降价，促销囤货，促销端架/堆头陈列，促销员费用承担，促销退货费用承担，这一系列的费用都是供应商/流通商承担，无形中的费用都在降低供应商的利润和日常运营安排。 （4）数据与定价权之争 - 卖场掌握销售数据但未必共享，供应商难以精准规划；到目前看零售商的数据（零售商自我加工主动暴露的数据不包括在内）都是非常敏感的，不对外开放的，这导致流通商的商品陈列是否满足合作要求，销售单据是否透明合理都有风险 - 卖场可能绕过供应商/零售商直接比价，压榨价格空间；流通商/供应商为了保证同一地区内价格相对公平，实行统一进价或者统一售价，卖场可能为了自身销售优势，直接进入比价从而引发降价销售，从而影响流通商/供应商的利润。  这套系统的致命缺陷 - 成本层层叠加：供应商商品出厂价格，比如新品，市场反馈未知，需要流通商首先垫资购买这批货，经过仓库暂存和运输，配送到流通商本地仓库，流通商加价后，通过和卖场谈判各种通道费，确定零售商的采购成本，零售商加价后，开始陈列并对外销售，这就是层层加价的过程。零售商一瓶出厂价3元的饮料，经中间商加价、通道费、商超毛利后终端售价达6元，而社区团购同款仅4.5元。 - 反应链条迟缓：供应商对市场隔离远，无法通过准确及时的用户购买实际情况进行反馈，方便产品的迭代。中间商环节导致市场反馈延迟，某方便面品牌因经销商压货错过口味迭代窗口期。 - 腐败温床：永辉有千家供应商，其他零售卖场相信也有很多供应商，部分供应商为了能拿到入场券，陈列面，促销资源，都会为了自身利益提高采购价，或者针对超市管理人员进行利益输送，某外资超市采购经理受贿案显示，中间商常通过“返点”换取排面资源。 针对渠道盈利模式的打破，为什么现在这么急迫？ 渠道盈利模式下的卖场遇到了人财两输的局面，卖场商品根本不是用户需要的，所以销量下降；由于销量下降，那么在流通商的权重下降，也就拿不到更好的通道费。 那么如果更改卖场商品满足用户呢？更改分几部分： 1. 和周边竞品形成差异化：差异化商品就需要特定采购，供应商，订货渠道，销售风险都是未知；同时对供应商/流通商提供的新品想必夫妻便利店而言，引入的成本也更大，一旦销售不及预期，亏损也更大。所以卖场的思维惯性是规模，同一商品大量陈列，从而触发低价销售，这是卖场的核心优势。 2. 更低的价格：由于流通商控价盘，以及自身的渠道费用，导致卖场商品售价只能比便利店高才能实现盈利。 3. 更好的服务，没有利润支撑的服务是不能长久的，毕竟企业盈利的前提是生存。 所以在当下的渠道盈利模型，各方利益相互冲突又相互绑定，已经很难优化迭代。 更重要的是：市场环境变了，这才是渠道盈利模型难以为继的原因。 首先用户需求的改变：现在不是吃不饱穿不暖，有就行，能用就行的时代，而是追求健康，绿色环保，品质的时代；同时电商对卖场的冲击可谓摧枯拉朽，卖场乃至线下实体店都毫无招架之力；电商针对卖场最大的优势：无界的商品陈列，无限的营业时间，无中间商流通商（可供应商直接对消费者），电商的劣势在于交易时间和交易空间（冗长的商品选择时间成本，较长的物流运输时长，并由此而衍生出来，针对生鲜品的销售在淘宝京东是没有的，这也是线下门店发力的点）。 零售新势力的诞生（朴朴超市，叮咚买菜，小象超市，7鲜等），社区零售以及硬折扣店的出现，正在以强势姿态占据区域零售下的市场份额，而卖场到现在依然没找到应对之策。卖场走向胖东来的营销+服务模式也是无奈之举。 在这种前后夹击下，卖场—经销商—品牌商（供应商）这一个三十年的成熟的商业模式开始土崩瓦解。 所以永辉的自我革命，向死而生的改革气度和手段与其说是自身的变革。还不如说是零售业的经营模式的重构。 不仅仅是永辉，是当下传统卖场商超，只要是沿用渠道盈利模型的，都面临永辉同样的问题。 我们再回看永辉的董事叶国富先生提出的： - 聚焦核心供应商：首批锁定 200 家战略供应商 - 聚焦大单品：3 年孵化 100 个亿元级单品 - 聚焦长期主义：取消条码费、进场费等传统收费，推行 “裸价直采”，目标将采购成本降低 15%。 - 反对中间商：砍掉经销商层级，建立 “工厂 – 永辉 – 消费者” 直连模式，首批 200 家核心供应商已实现 100% 直采。 - 风险共担：与供应商签订 “对赌协议”，约定大单品销售目标，超额部分按比例分成。 - 数字化赋能：开放会员数据，帮助供应商精准开发区域定制商品，如为广东市场开发低糖粤式点心。 是不是就理解他为什么这么做了？ 本篇 用6000+ 字解释了 专题：永辉遇到了什么问题？ 本文由人人都是产品经理作者【老杨产品进化论】，微信公众号：【老杨产品进化论】，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。

需要救生艇，但CEO还在画航海图。

<blockquote><p>在人工智能领域，大模型的交互和应用一直是技术发展的关键。近期，MCP（Model Calling Protocol）作为一种新兴的标准化交互协议，迅速吸引了全球技术圈的关注。从OpenAI到谷歌，各大AI巨头纷纷投入MCP的怀抱，试图通过这一协议实现大模型间的无缝交互。本文将深入剖析MCP的起源、核心价值、与现有技术的对比，以及它对未来技术生态的潜在影响，探讨MCP是否真的有可能成为“AI界的HTTP”。</p> </blockquote>  To MCP or not to MCP? 在OpenAI宣布支持MCP之后，谷歌也没犹豫太久。4月4日，Gemini宣布在官方API文档中添加了使用MCP的范例。至此，OpenAI、谷歌、Anthropic等AI巨头全部投入这个「大模型USB-C」的怀抱。  作为大模型间标准化交互的尝试，MCP被寄予“AI界的HTTP”厚望，但AI领域从来不乏“核弹级技术”。其爆火究竟是走向共识还是昙花一现？对于技术决策者而言，MCP能否真正跨越概念到落地的鸿沟或许更加值得关注。 MCP爆火一个月后，本文从关键问题切入：为何这项技术能引发巨头争夺？它距离定义AI时代的交互事实标准还有多远？。 //章节速览 - MCP是怎么火起来的？ - MCP是什么，本质解决了什么核心矛盾？ - MCP能否撼动甚至颠覆Function Call的地位？ - 目前跟MCP类似的大模型协议有哪些？MCP离成为“事实标准”还有多远？ - MCP对现有的技术生态有什么影响？ ## 一、MCP是怎么火起来的？ 从Github的Star History和Google搜索趋势上看，MCP的确是全球范围内AI新贵，尤其是两个观测不同热度指标的曲线，竟然呈现出高度相似的增长态势，这代表MCP在同时吸引圈内人和圈外人的关注。  MCP的爆火大概有三个阶段。 去年11月由Anthropic发布以来，MCP迅速吸引技术极客与开源社区开发者，其核心价值在于解决AI工具集成的“最后一公里”问题。开发者通过封装Slack、Notion等工具构建MCP Server，验证协议在各种场景的可行性。这个阶段的局限性在于，多数实践聚焦于个人效率工具，尚未触及企业级复杂场景。例如BlenderMCP项目通过自然语言操控3D建模工具，虽在GitHub三天斩获3.8k星标，但主要服务于独立开发者群体。 第一次破圈在于3月上旬，主要来源于“标准之辩”和“Manus发布”。3月11日。LangChain 联合创始人 Harrison Chase 与 LangGraph 负责人 Nuno Campos 围绕 MCP是否就成为未来AI交互事实标准展开激辩，虽然没有结论，但很大程度上激发了大家对MCP的想象空间。这场辩论的同时，LangChain 还在网上发起了投票，40% 参与者支持 MCP 成为未来标准。 第二天，Manus框架发布。Manus虽未直接采用MCP技术，但其引发的“3小时复刻开源”事件，客观上推动更多团队关注协议标准化价值。另一方面，Manus展现的多Agent协同能力精准契合了用户对AI生产力的终极想象。当前LLM的主流交互形态仍以ChatBot为主，虽然其Function Call机制已展示了连接外部数据的可能性，但由于需要复杂的技术对接，实际应用始终存在门槛。 当MCP通过聊天界面实现“对话即操作“的革新体验——用户亲眼见证输入框指令直接触发文件管理、数据调取等系统级操作时，那种“AI真的能帮我动手干活”的认知革命才真正爆发。正是这种颠覆性体验的反向赋能，使得Manus的发布成为了带火MCP的关键推手。 随后，OpenAI的官宣下场，让大家看到了“AI界HTTP”成为现实的可能。当这个占据全球40%模型市场份额的巨头宣布支持协议，意味着MCP开始具备类似HTTP的底层基础设施属性，MCP正式进入大众视野，热度持续走高，指数级飙升。 ## 二、MCP是什么，本质解决了什么核心矛盾？ MCP通过Client、Host、Server将大模型与外部交互抽象成了“客户端-服务器”架构。任何支持 MCP 的 AI 应用（MCP Host）均可直接配置并使用应用市场的MCP Server（官方、三方），无需预编码适配，类似于 USB 设备插入即用。当LLM需要完成特定任务时，可以像“即插即用”般调用这些模块，实时获得精准的上下文支持，从而实现能力的弹性扩展。  在更广阔的视角看待，MCP 其实是Prompt Engineering 发展的产物。大模型是 AI 应用的大脑，Prompt 则负责给大模型指引和参考资料。使用 Prompt Engineering 加速大模型应用的落地是如今的主流做法。具体而言，结构化的 Prompt 可以给大模型提供： 额外的参考资料，如使用 RAG、联网搜索来增强大模型的回复。 调用工具的能力，从而实现 Agent。如提供文件操作工具、爬虫工具、浏览器操作工具（Manus使用的Brower Use）。 回顾 Function call或者RAG，都需要手工地执行工具检索、手工地将信息加入到 prompt 中，prompt 本身也需要精心地手工设计。尤其是不同大模型的Function call遵循不同的调用结构和参数格式，彼此之间基本无法互通。  MCP的爆发源于它击中了Prompt Engineering的核心矛盾——动态意图理解与静态工具调用之间的割裂。传统开发模式下，Function call需要开发者预先编写工具调用逻辑、设计Prompt模板、手动管理上下文，这一过程不仅效率低下，还导致AI应用难以规模化。 ## 三、MCP能否撼动甚至颠覆Function Call的地位？ 先说结论，颠覆不好说，但会把“Function Call们”卷起来。 Function Call本质上是某些大模型（如 GPT-4）提供的专有能力，允许 AI 通过结构化请求调用外部工具（例如查询天气、执行计算）。宿主应用收到请求后执行操作并返回结果。其核心是模型厂商内部的功能扩展接口，无统一标准，实现依赖特定厂商。 MCP 的核心优势在于统一了各家大模型原本差异化的 Function Calling 标准，形成通用协议。它不仅支持 Claude，还能兼容市面上几乎所有主流大模型，堪称 AI 领域的“USB-C 接口”。基于标准化通信规范（如 JSON-RPC 2.0），MCP 解决了模型与外部工具、数据源间的兼容性问题，开发者只需按协议开发一次接口，即可被多模型调用。 也是由于两者都能实现与外部数据的联动，MCP在刚问世时，开发者常纠结“它是Function Call的简化版，还是AI交互的HTTP标准？”但随着生态发展，MCP相比Function Call的开放性优势逐渐被认知的更加清晰： Function Call的“私有协议困局”，类似手机厂商的私有快充协议，主流AI厂商各自定义封闭的调用协议（JSON Schema、Protobuf等），导致开发者为不同平台重复开发适配逻辑。切换AI服务商时，工具调用体系需“推倒重来”，跨平台成本高企，拖慢AI能力的规模化落地。   MCP通过统一通信规范和资源定义标准，MCP让开发者“一次开发，全平台通用”——同一工具可无缝适配GPT、Claude等不同模型。这如同AI世界的“书同文、车同轨”，终结“重复造轮子”的窘境。   但Function Call仍是高频轻量任务的“王者”：它像模型的“贴身助手”，也是 MCP 协议链接各方的基础，运行时直接调用（如快速计算、简单查询），响应极快。   而MCP则擅长“复杂任务外包”：模型像“指挥官”下达需求（如抓取网页），MCP Server作为“快递员”按需响应，通过HTTP/SSE协议“送货上门”，全程无需开发者手动干预。 可以预见的是，MCP短期内不会颠覆Function Call，但会倒逼其进化 。当模型自带工具的丰富度追上MCP，开发者还需要费力搭建专用Server吗？答案或许是不一定。但至少，MCP的出现让Function Call们不得不“卷”起来——推动工具调用更标准化、更便捷。   Function Call是AI的“即时小助手”，MCP是“按需响应的快递员”——两者更好的模式是协同发展。 Function Call代表“代码控”思维：开发者需精细控制工具细节；而MCP转向“意图派”模式：开发者只需定义能力边界，具体执行由大模型动态决策。两者并存，让开发者既能享受高频任务的高效，又能解锁复杂场景的灵活性。   ## 四、目前跟“MCP”类似的大模型协议有哪些？MCP离成为“事实标准”还有多远？ 都说MCP像当年的HTTP协议，其实上一个和MCP这么像的还是LSP——语言服务器协议。 在2016年LSP发布之前，开发工具生态可以用“各自为政”来形容。在传统开发范式下，集成开发环境（IDE）与主流代码编辑器（如VSCode、Sublime、VIM等）必须为Java、Python、C++等不同编程语言重复开发语法解析、代码补全、调试支持等核心功能，这不仅造成巨大的资源浪费，更导致开发者体验的割裂。而LSP的革命性突破，在于创建了编辑器前端与语言后端解耦的标准化通信架构——通过定义JSON-RPC规范下的跨进程交互协议，使得语言智能服务能够以可插拔的方式适配任意编辑器，听着是不是和MCP异曲同工？ 可以说，MCP的设计灵感很大程度上来源于LSP，两者的理念非常相似，都将M*N的难题简化成了All in One。   LSP毕竟是解决编程语言和编程环境交互的，除此之外与MCP类似的技术协议大致可分为两类，各自代表不同技术路径，但对比MCP都呈现一定的劣势。 传统API规范派系 - OpenAPI/Swagger：通用API描述标准，需开发者手动定义接口与逻辑，缺乏AI原生设计。 - GraphQL：灵活的数据查询协议，但需预定义Schema，动态上下文扩展能力不足。 - 企业私有协议：如OpenAI Plugins、Google Vertex AI工具链，封闭性强，生态割裂。 AI专用框架派系 - LangChain工具库：提供500多个工具集成，但依赖开发者编码适配，维护成本高。 - Zapier式低代码平台：通过可视化流程连接工具，但功能深度受限，难以满足复杂场景。 从这里面找一个潜在对手，OpenAPI似乎能掰掰手腕。 但事实上， OpenAPI作为API定义的事实标准，为MCP提供了基础架构而非竞争关系。 在API 管理公司CEO Speakeasy Batchu看来：“从OpenAPI规范到MCP的跨越非常小——前者本质上是MCP所需信息的超集，我们只需将其与LLM专用参数（如语义描述、调用示例）封装为实时服务。”这种设计差异揭示了二者本质区别：OpenAPI是静态接口说明书，而MPC是动态执行引擎。当AI代理通过MCP服务器发起请求时，其实时交互能力可动态适配上下文变化，例如自动补全参数缺失的API调用，这种“活的规范”特性解决了传统集成中模型无法理解API架构信息的致命缺陷。 前文的提到的“标准之辩”也深入探讨了各种可能性。 正方的观点主张：「MCP 的核心价值在于：让用户为不可控的 Agent 添加工具。例如在使用 Claude Desktop、Cursor 等应用时，普通用户无法修改底层 Agent 的代码，但通过 MCP 协议就能为其扩展新工具。」 核心的技术支撑是：MCP提供标准化的工具描述框架、支持通过提示词 (prompt) 引导工具调用，以及基础模型的工具调用能力本身也在持续进化 反方认为，「现有模型在专为特定工具集优化的 Agent 中，工具调用正确率仅 50%。若强行通过 MCP 注入新工具，效果恐更不理想。」 一些现实的挑战是： - 工具描述与 Agent 系统提示词需深度耦合 - 当前 MCP 需要本地部署服务，使用门槛高 - 缺乏服务端部署能力，难以应对规模化需求 - 权限验证等安全问题尚未解决（MCP在H1的计划中准备解决） 开放式的讨论并没有给出答案，就像Langchain在x上发起的投票一样。将近500位投票者，其中有40% 参与者支持 MCP 成为未来标准，并没有取得压倒性的胜利。  对了，Speakeasy Batchu对此也有看法——“我相信，一段时间内会出现一些模式之争，直到最终形成像 OpenAPI 这样的标准”。 此时，Batchu还不知道十几天后OpenAI和谷歌都宣布支持MCP。 ## 五、MCP对现有的技术生态有什么影响？ MCP“万能插头”优势让开发AI应用进一步解耦，大大降低了技术门槛，让“人人都是AI开发者”变得触手可及。 对AI厂商而言，技术重心从工具适配转向协议兼容。MCP协议如同AI领域的“通用插座”，使得模型厂商只需确保与协议标准的兼容性，就能自动接入所有MCP生态工具。例如OpenAI通过支持MCP协议，其模型无需单独开发接口即可调用GitHub、Slack等数千种工具服务。这种转变让大模型厂商能够专注于核心算法优化，而非重复开发工具适配层。 对工具开发者而言，MCP实现了“一次开发、全生态通用”的技术普惠。开发者将功能封装为MCP Server后，就能被所有兼容协议的AI应用调用。如PostgreSQL官方开发的数据库Server已被500多个AI应用集成，而无需针对每个模型单独适配。这让所有应用都找到了快速AI化的路径，就像十几年前“所有行业都值得用互联网重做一遍”一样；现在，所有产品都值得做一次MCP适配改造。  (几天之前，MCP server的总体数字还是6800) 对应用开发者而言，MCP打破了技术能力的边界，并加速交互范式从GUI（图形界面）向LUI（语言界面）的跃迁 。通过协议标准化，开发者无需理解底层技术细节即可组合各类资源：教育机构用自然语言指令调用多语种资料库生成定制教案，零售企业通过语音指令整合ERP系统和AI模型管理库存。 MCP的协议兼容性使得自然语言交互可直接映射到具体功能实现，例如腾讯地图MCP Server支持用户用“找附近人均200元的川菜馆”等口语化指令完成复杂搜索，替代传统GUI中的多级菜单操作。这种转型在制造业尤为显著——某工厂工程师通过语音指令调度MCP连接的设备集群，响应速度比传统工控界面提升5倍。 LUI开发效率的革命性提升也得益于MCP对交互层的解耦： - 传统GUI困境：需为不同平台（Web/iOS/Android）开发独立界面组件，维护成本占开发资源的60%； - MCP+LUI优势：开发者只需用自然语言描述功能需求（如生成周报图表），MCP自动匹配数据库查询、可视化工具等Server，并通过协议标准化输出结果。 这种转型或许正在重构人机交互的底层逻辑。就像iPhone用触摸屏取代键盘，MCP协议通过统一的功能调用标准，使自然语言成为连接用户意图与系统能力的“终极接口”。 MCP的崛起标志着AI发展进入生态竞争新阶段。正如HTTP协议奠定互联网基石，MCP正在构建智能时代的“数字神经系统”。其价值或许不仅在于技术规范本身，更在于开创了开放协作的新范式——让模型、工具、数据在统一协议下自由流动。 MCP是否能一统天下尚未可知，但这显然让我们离AGI又近了一步。 本文由人人都是产品经理作者【鹅厂技术派】，微信公众号：【鹅厂技术派】，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>拼多多作为中国电商市场的重要参与者，吸引了众多商家和运营者。然而，如何在竞争激烈的市场中快速起量，是每个运营者都面临的问题。本文将结合实际案例，分享拼多多店铺快速起量的实战经验，包括如何选择合适的类目、如何快速入池、如何挑选有潜力的链接，以及运营过程中的常见问题和解决策略。</p> </blockquote>  咱们做拼多多估计都想快速起量吧，之前我在公司做拼多多时，只负责单个类目，比如面膜，比如耳机。公司的品是什么，我就只能做什么。如果这个品本身的市场空间就小，想爆单，我也有点心有余而力不足。 就跟前几天接的一个陪跑学员，是做鱼缸的，很小众。沟通中，我发现这个学员对用户理解很到位，对SKU布局很有见解，开车也是很熟，但就是起不来量。 一剖析，第一确实品的天花板太低，第二客服跟不上。你说遇到这样的品和团队，神仙来了都爆不了单，我就劝他换个公司，去做大类目的品，以他的能力，如果去玩水果，轻轻松松就能爆单。 所以，很多时候，咱们做拼多多能不能起量，除了个人能力之外，你所在的公司实力，团队的配合水平，也是相当重要的。 而我现在做代运营拼多多店铺期间，我接过高价白牌，产业带、品牌旗舰店的，可以说各种产业角色都有，这里面有能起量的，也有无论咋做就是不出单的，做的多了，慢慢的就总结出了些经验。 这里以我代运营的一些店铺为例，为大家分享下，拼多多想快速起量，要如何做呢？ ## 01 首先，选对类目 俗话说，男怕入错行，女怕嫁错郎。咱们做电商运营的，最怕的就是选错类目。我最开始做拼多多时，选的是护肤品，类目蛮大，但是角色不对，不是源头厂家，不是品牌，是经销商。结果天花板有限，单店日销顶多1个W。 后来我去做了源头厂家3C类目，什么是海阔凭鱼跃，天高任鸟飞，我单链接日销都可以干到5个W，简直就像解除了封印。 你说是我的能力有了突飞猛进的提高吗？倒也不是，虽然运营水平有点提升，但也不至于一步登天。那是因为啥？选对类目了。3C类目榜单链接，一天日销20个W的都有，我不进前三，我进前十总可以吧，能进前十的日销也绝对吊打其他众多类目了。 而现在接的产业带比如水果、百货类的，现在想的都不是起量的事，而是一单要赚多少钱，这种大类目低成本的品真的很好起量，大家如果做这样的类目，绝对比你做高价白牌，尤其是白牌护肤品好做一万倍。 ## 02 其次，要快速入池 链接爆单意味着什么？意味着链接入池了。链接如果没有入池，就算你的成本是全网最低的，他也没有单。我玩强付费，用了3个月把一个高价品做到日销百单，竞品低价截流我，甚至直通车出价都高过我很多，但是，他就是没单，为啥呢？因为链接没有入池。 链接爆单的前提一定是入池，入池就是切到了人群池子，切到的池子越多，爆单的几率就越大。如果你一个品刚开始每天10单，你就投产2亏钱去冲到每天2000单，然后拖价，即使很猛的拖价，拖到5投产盈利时每天100单，他也能稳定的跑起来。 想想，每天10单时投产是多少，投产5时，每天单量可比原始单量翻了10倍，因为啥呢？入池了。 那么问题来了，咋入池呢？大家觉得呢？盯着链接就能入池了？通过牛掰的运营手段就能入池了？大家知道去看热门歌手的演唱会是需要门票的吧，而越火爆的歌手的演唱会门票越贵，对吧！你说，我既想去看演唱会，但又不想花钱，怎么可以看到演唱会呢？在梦里看吧。 入池也是这样，入池就像进演唱会听歌，门票就是货损或者车损的费用。想看演唱会就得买门票，链接想入池就得花钱，这是天经地义的科学道理，大家可千万别觉得自己是天命之子可以逆天行事，凡事遵守自然规律就好。 那我是如何快速入池的呢？全店托管低投产去拉咯。不管咱链接的保本投产比是多少，只要托管2的投产比开极速，大部分链接都能跑过极速起量阶段。 极速起量也就20单，20单的权重能有几个曝光和点击，这还算不上入池。这时可以切到稳定成本在跑20单或者托管里面降低投产比出价，按照限额跑，每天200限额跑满他，跑个5~7天，基本上就能入池了。 ## 03 再次，选对链接 上面2个步骤做好了，就能快速起量了吗？非也。快速起量有个前置条件是选对链接，拼多多平台是个去中心化的流量分布方式，去中心化意味着，你这个链接能不能入池，会有概率性在里面。为啥平台鼓励大家多做店铺，就是解决这个概率性问题。 单链接能被系统命中的概率是1%，那你做100条链接是不是起来1条爆款链接的概率要大很多了。像我接的那种高价店铺，单品都是5条5条链接一起上的，就算同样的素材也可以铺5条，因为鬼才知道哪条能跑起来。 我看好的链接直通车跑不动，不看好的链接二阶段都没断流，这都是真实发生的事。 所以，我的经验就是什么链接能快速入池，上架10条链接都丢到托管去跑就好了，能跑出来的，就是好链接，这样的链接就可以2的投产甚至1的投产去冲单量拉权重，好链接还怕后期无法拖价回本吗？ ## 04 最后 家家有本难念的经，你愁的是没有单量，别人愁的是有单量没利润，更有人愁的是有单量有利润，但是利润太少，还有甚者愁的是有单量有利润，利润高，但是市场占比太小了。 看到没，人啊！就是这样不知足，那么各位电商盆友，你现在处在哪个阶段呢？ 本文由人人都是产品经理作者【老虎讲运营】，微信公众号：【老虎讲运营】，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。

在智能清洁领域稳居头部的石头科技，正在加速拓展大家电版图。2023年其首款洗烘一体机H1系列问世，两年内快速扩展至9款产品，完成了洗烘一体机和迷你洗衣机两大产品线布局；不久前，其又推出搭载分子筛烘干技术的石头分子筛热泵洗烘套装Z1S Pro，试图在技术路线、产品定价、用户体验三个维度重构行业规则。 然而，在品牌壁垒森严的大家电领域，技术突围与市场突围之间存在着复杂的转化逻辑，这场跨界战役既展现出科技新势力的锐气，也暴露出传统赛道的残酷法则。 ### 分子筛技术破局，创新背后存争议 石头科技在洗衣机领域实现破局，依靠的是其自研的分子筛低温烘干技术。在传统冷凝式与热泵式技术主导的格局下，石头科技引入分子筛物理吸附技术，走了一条差异化的技术路径。 实验数据显示，Z1S Pro的烘干温度可低至37℃，相较于热泵式烘干的42℃-50℃，能更好地现实对羊毛、真丝等高端面料的低温护理。 据石头科技介绍，不同于冷凝或热泵式烘干，其产品采用物理吸附技术，利用分子筛吸湿能力对衣物进行除湿。配合“烘干-再生”双循环风路烘干系统，实现对洗烘一体机滚筒内衣物的低温烘干。不仅可以烘真丝羊毛等高端面料，而且还提高了烘干效率，达到高效干衣的效果；另外，还解决了传统洗烘一体机毛屑附着、残屑污染等问题。 这一技术突破源于石头科技对用户痛点的捕捉。随着现代生活的发展，用户对衣物烘干的需求愈发强烈。现有洗烘一体机存在很多体验上的不足，以常见的冷凝式和热泵式为例，冷凝技术因其成本较低，被广泛采用，但其高温吹风的方式容易损害衣物材质；热泵技术虽烘干效果出色，但价格过高，让许多家庭被劝退。 石头科技的分子筛技术解决了传统洗烘设备高温伤衣、烘不干、价格昂贵等问题，特别是在万元以下市场，石头科技Z1S Pro洗烘套装成为目前唯一获得国际羊毛局洗烘双绿标认证的产品。将洗烘套装价格下探至万元以下，打破高端洗护设备的价格壁垒。 但分子筛技术的应用路径并非全无争议。 资深家电分析师指出，分子筛技术并非创新概念，只是不被主流品牌采用而已。而且，其最新推出的Z1S Pro洗烘套装采用分子筛+热泵设计，也引发技术自洽性质疑：若分子筛技术可独立实现低温高效烘干，为何仍需叠加传统热泵方案？是为了提升大容量负载下的烘干效率，还是双技术协同可降低对单一系统的性能依赖？ 针对技术自恰性质疑，石头科技营销负责人罗晗给出了市场角度的解读。企业采取“热泵+分子筛”这种渐进式技术路线，核心考量在于降低用户认知门槛。当前热泵式烘干为市场主流，在此基础上叠加分子筛技术，既保持技术创新形象，又避免完全依赖新兴技术可能引发的市场疑虑。这种技术融合策略实质上是平衡创新风险与市场接受度的产物。（对石头洗衣机的更多看法，欢迎添加作者微信Angiee0620交流。）  ### 品牌鸿沟难越，价格策略陷两难 石头科技“技术+性价比”的组合拳确实撕开了市场缺口。 今年新推出的石头分子筛热泵洗烘套装Z1S Pro，将洗烘套装价格拉至万元以内，仅为传统热泵套装的1/2；国补后2300出头就能拿下的H1 Air洗烘一体机，更是利用其分子筛低温烘干技术将洗烘一体机拉入大众市场，同价位产品无出其右。 这种降维打击策略在细分市场初现成效：据石头科技方面的数据，在1kg迷你洗的细分市场，石头洗衣机在2024年第三季度的销售额已经做到了行业第一，10月份洗烘一体机销额同比增长374%。 但技术优势难掩根本性挑战。一位资深家电行业分析师告诉雷峰网，2024年双十一期间，石头科技洗衣机销量仅3-4万台的量级，而且从其年报推算，其洗衣机年销售量预计不超10万台，与传统品牌百万计的销售规模形成鲜明对比。 这种差距暴露出大家电赛道的残酷法则：消费者对耐用消费品的品牌依赖远超预期，即便产品力出众，「石头洗衣机」的品牌认知尚未突破科技发烧友的圈层。在消费者心智中，「石头」二字仍牢牢绑定在扫地机器人品类，要建立大家电的品牌信任度，远非技术能够跨越。 这种认知鸿沟源于家电行业的特殊属性。不同于数码产品的尝鲜消费，洗衣机作为使用周期超10年的耐用品，消费者更依赖品牌历史积淀形成的质量信任。美的、海尔等巨头通过数十年售后服务网络建设，已在用户心中建立&#34;可靠&#34;标签。 这种品牌势能的缺失，使得石头的技术优势难以充分兑现为市场优势。对于消费者而言，他们更信赖有几十年制造积淀的海尔、小天鹅，而非「做扫地机的石头」。 价格策略同样陷入两难。虽然分子筛技术带来成本优势，但万元级定价既无法触及小米的极致性价比区间，又难以动摇卡萨帝等高端品牌的溢价能力。当技术红利被竞品快速跟进，石头可能陷入「创新者窘境」——用高成本研发教育市场，最终却为他人做嫁衣。  ### 规模效应与生态迷局的双重枷锁 成本结构的劣势同样制约发展。相较于头部企业百万量级的规模效应，石头科技年销不足10万台的规模，导致供应链议价能力薄弱。 据石头科技2023年度报告显示，因新增洗烘一体机业务，在其他智能电器产品（除智能扫地机器人以外的其他智能电器产品，包含洗地机、洗烘一体机等）中外购配件/整机成本约0.44亿元，占总成本的17.42%，对比体量更大的扫地机器人业务，其智能扫地机及配件的外购配件/整机成本约0.38亿元，仅占总成本的1.04%。 这种规模劣势直接压缩利润空间。2024年公司净利润同比下滑3.42%的财报数据，暴露出跨界扩张对盈利能力的侵蚀。 更严峻的挑战则来自生态闭环的缺失，当海尔构建起从洗衣机、干衣机、洗烘一体机到清洁机器人扫地机、洗地机的全场景矩阵，当美的以COLMO和东芝抢占高端市场，单品突破的石头犹如闯入巨人国度的格列佛。 这种生态劣势在渠道端暴露无疑。石头洗衣机BU CEO谢濠键曾公开表示，截至2024年11月，石头洗衣机国内已有113家门店，覆盖20个省份。海外市场方面，2024上半年石头洗衣机产品已经在德国和瑞士开售，不久将在东亚国家和地区销售，预计2025年上半年登陆欧洲市场。 然而，113家线下门店的渠道布局，尚不足海尔3.2万个线下门店的零头，这种渠道短板直接制约着市场渗透速度。即便其销售模式以线上渠道为主，但大家电的「最后一公里」服务仍依赖传统品牌的毛细血管网络。海外市场的拓展更像镜花水月，在博世、美诺盘踞的欧洲高端市场，缺乏品牌积淀的石头洗衣机，可能重蹈中国车企出海初期的覆辙。 大家电行业长达数十年的技术沉淀形成的专利壁垒、供应链管理经验、以及上百万台的规模效应，都不是单点技术突破可以轻易跨越的鸿沟。 美的洗衣机研发中心总负责人王海峰曾坦言：“洗衣机行业的入门门槛较低，但上限的门槛很高，并不是一下子就能将各个细分的技术方向全部都突破。欢迎不同领域的所有对手良性竞争，推动技术进步。但新进入者也会经历和传统企业相同的试错过程，将面临开发流程、品质把控、性能稳定等诸多难点，不会有后来者优势。”  ### 颠覆者能走多远 石头科技在大家电领域的探索，恰似当代版的&#34;堂吉诃德挑战风车&#34;。其技术突破证明了新势力改变游戏规则的可能，但品牌、规模、生态的三重枷锁仍在制约发展。 值得玩味的是，石头科技2024年报中暗藏的战略密码。2024年石头科技营收增长37.82%，净利润下滑3.42%，这种「增收不增利」的态势，反应出转型期的阵痛。56.93%的研发费用增速，昭示着破釜沉舟的技术豪赌。 这种&#34;用扫地机器人利润喂养大家电&#34;的模式，能否支撑到市场拐点的到来？当分子筛技术专利壁垒被突破，当传统厂商祭出价格屠刀，这场技术革命或将面临最残酷的倒计时。 未来三年或将是石头科技的关键窗口期：若能突破年销门槛，构建起技术-制造-品牌的正向循环，或可重演扫地机器人领域的逆袭神话；若困于十万量级泥潭，恐将沦为家电创新史上的悲情注脚。 技术可以弯道超车，但制造体系无法速成。石头需要补的课，是美的、海尔们用三十年踩坑积累的制造know-how。（更多大家电行业相关信息，可添加作者微信Angiee0620交流。）（雷峰网）

RSSFilter 是一个开源的 RSS 内容过滤工具，用户只需输入关键词或分类 ID，即可生成一个新的、经过过滤的 RSS Feed 地址。过滤后的内容中将不再包含指定的关键词，确保只显示用户感兴趣

霸王茶姬离“东方星巴克”还有多远？‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

自2014年深圳举全国之先，为机器人产业出台规划政策以来，涌现出一批具有行业代表性的企业，业已成为全国最重要的机器人产业集群城市之一。在此背景之下，机器人全产业链接会（FAIR plus 2025）应运而生！将于2025年4月24 -26日，在深圳市福田会展中心7-8号馆举办，旨在挖掘和展示深圳和全球机器人产业的最新成果，夯实和增强深圳机器人产业链优势，并推动我国机器人产业开发配套与智能制造能力走向世界。 **权威发布，连续十年记录产业发展** 4月24日活动开幕式上，深圳市机器人协会将连同中国科学院深圳先进技术研究院共同发布《2024年深圳市机器人产业发展白皮书》。这也是该组白皮书连续第十年的发布，是对政策推动下深圳市机器人产业发展的全程记录。 **大规模！机器人最新成果展** 此次活动是深圳市内举办的机器人产业规模最大、品类最多的最新成果展。备受关注的优必选、逐际动力等人形机器人“深圳十三太保”集体亮相；宇树科技、强脑科技等杭州六小龙中与机器人相关的四小龙也将悉数登场；居家服务机器人领域的创新成果腾讯Robotics X实验室研发的“小五”会在FAIR plus首次与市民互动；来自硅谷的工业具身智能机器人eBots选择深圳做全球首展；帕西尼、星动纪元等明星企业还会在活动现场发布重量级新品……FAIR plus云集了180家机器人企业的实物，是机器人产业最新成果的集中展示，社会各界有机会与专业人士共同见证全球机器人产业的发展动态。   **夯实深圳机器人产业链优势** 据摩根士丹利发布的《人形机器人100：绘制人形机器人价值链图谱》，我国凭37家企业上榜（含台湾地区5家）成为最大赢家，深圳贡献的7家代表性企业中6家都是上游核心部件厂家。从消费电子到新能源汽车，深圳上游产业链的能力支持了新兴产业的萌芽和壮大。此次FAIR plus的举办也是基于产业链的现有能力，通过技术交流，引导该能力向机器人产业的迁移和复用，以降低机器人产品研究开发的周期和试错成本。同时，通过全国产业链召集，进一步夯实和增强产业链优势，打造机器人开发选购第一城。 **场景牵引，30余家场景提供方现场对接** 智能机器人应用的场景无处不在，此次活动积极响应深圳市面向人工智能和机器人技术开放场景的相关政策精神，重点收集了南山区以及万科集团、深圳地铁、中集集团、南方电网、中广核、深圳航空等龙头企业的代表性需求。面向全国做机器人厂家的召集，在FAIR  plus现场做对接活动。围绕具身智能技术突破、应用场景适配等议题展开深度研讨，推动产研合作以及产业链协同创新，共同加速人形机器人、具身智能机器人的商业落地。 **全品类硬件选购会，打造国际合作新角色** FAIR plus 是一个专注于机器人全产业链技术和开发资源的平台。此次活动将机器人上游产业链整体打造为机器人开发套件，将机器人整机产品打造为开发平台，在机器人产业的国际合作中重新定义角色。定向邀请来自欧美、东南亚、日韩等国家的专业买家300余人，提供线下见面的机会，借以推动中国机器人产业开发配套与智能制造能力走向世界，共建机器人及相关业内人士的国际化产业盛事。 活动概览 3天主论坛（具身智能机器人产业与学术前沿论坛、资本论坛、出海论坛）； 3场发布会（《深圳市机器人产业发展白皮书（2024年）》发布）； 4场标准工作组会议； 6场技术社区共建会； 10+场新品发布及产品说明会； 20+具身场景供需对接会 （智能制造、智慧康养、智慧园区、商贸服务、水务管网、建筑钢构、煤炭矿山等场景）； 50+具身智能机器人产业环节； 150+机器人产业链上游及整机企业实物展示； 400+人次海外专业买家团；20000+人次行业专业观众；  雷峰网

从“流量套利”到“生态竞争”，从“政策洼地”到“合规深水区”，平台经济的生存法则已然改变。

华尔街分析师普遍认为，GLP-1减肥药领域正在从注射剂型向便捷的口服形式转变，而礼来已经取得了早期领先优势。这场激烈的多年竞争已经有了明显的赢家，至少目前看来，礼来已被市场加冕为GLP-1药物领域的新王者。  礼来公司的口服减肥药Orforglipron在三期临床试验中表现出色，可以媲美甚至超越注射型GLP-1药物。 市场对礼来的突破性进展反应强烈。4月17日，礼来股价收涨超14%，盘中暴涨16%，创下自2023年8月以来的最大单日涨幅。  与此同时，长期占据GLP-1市场主导地位的诺和诺德股价则大幅收跌近8%。 根据礼来公布发布的新闻稿，其口服GLP-1药物orforglipron在3期临床试验中“展示了统计学上显著的疗效结果，且安全性与注射型GLP-1药物一致”。 数据显示，服用Orforglipron的参与者在40周后平均减轻了16磅，约占体重的7.9%，这一表现超过了礼来之前预计的4%至7%减重范围。  相比之下，诺和诺德的明星产品Ozempic在最高剂量下糖尿病患者仅减轻约6%的体重。 “这些数据代表了一款一上市就能成为重磅产品的最佳情况，”Jefferies分析师Akash Tewari表示。 瑞穗证券医疗保健专家Jared Holz表示，礼来将在相当长一段时间内保持该类别中的卓越地位，因为基于这些数据，其领先于制药和生物技术领域竞争对手的优势正在扩大。 华尔街分析师普遍认为，GLP-1减肥药领域正在从注射剂型向便捷的口服形式转变，而礼来已经取得了早期领先优势。这场激烈的多年竞争已经有了明显的赢家，至少目前看来，礼来已被市场加冕为GLP-1药物领域的新王者。 礼来公司董事长兼CEO David Ricks在一份声明中写道： “作为一种方便的每日一次口服药丸，Orforglipron可能提供了一个新选择，如获批准，可迅速大规模生产和推出，供全球人使用。” 口服药物：便利性与制造优势的双重胜利 Orforglipron是一种更便捷的口服替代GLP-1注射剂的治疗方案，这给礼来带来了超越诺和诺德等竞争对手的潜在优势。 礼来的Orforglipron不仅在疗效上具有竞争力，其口服给药方式还提供了显著的便利性优势。 据报道，虽然目前市场上已有GLP-1类药物如Wegovy获得巨大成功，但这些药物必须以每周注射的方式给药，这限制了它们的使用范围。 如果Orforglipron能以简单的口服形式提供类似的效果，它有潜力接触到更多患者并成为重大的市场颠覆者。 除了便利性外，礼来还在积极准备大规模生产Orforglipron。该公司最近披露了价值近5.5亿美元的库存，“主要与Orforglipron相关”。这表明礼来正在建立产品库存，避免诺和诺德和自身注射型GLP-1药物曾面临的供应短缺问题。 Leerink Partners分析师David Risinger表示：礼来将成为唯一一家拥有易于生产的口服GLP-1药物的公司，领先新竞争对手近三年。这一优势将使礼来能够在更长时间内保持更高定价能力。 登顶减肥药之王？ 据华尔街见闻此前提及，在礼来公布这一振奋人心的消息的同一周，其竞争对手辉瑞宣布停止开发其口服减肥药Danuglipron，原因是临床试验中一名患者出现潜在与药物相关的肝损伤。报道称，辉瑞的退出进一步巩固了礼来在这一领域的领先地位。 与此同时，诺和诺德自去年6月以来持续遭遇一连串利空，包括减重药Wegovy和Ozempic需求不及预期、口服减重药monlunabant的中期试验结果令人失望，以及另一款在研注射药物CagriSema的数据表现不佳，导致其本月痛失欧股市值老大的位置。 GLP-1减肥药市场预计将从目前的280亿美元迅速增长至2030年的约950亿美元。根据高盛分析师的预测，Orforglipron的风险调整后峰值销售额（包括肥胖和糖尿病）将在2035年达到235亿美元，远高于市场共识的168亿美元。 为避免类似注射型GLP-1药物的供应短缺问题，礼来已经开始积极备货Orforglipron，最近披露的价值近5.5亿美元的库存“主要与Orforglipron相关”。有报道称，公司计划在5年内实现Orforglipron在美国的全部供应本地化生产。 根据临床试验数据库，礼来公司的主要肥胖症试验最早将于7月完成。该公司计划今年晚些时候寻求减重适应症的监管批准，明年初则将申请糖尿病适应症。如果一切顺利，分析师预计该药物最早可能在2026年上半年获得FDA批准上市。 [查看评论](https://m.cnbeta.com.tw/comment/1493776.htm)

特朗普关税冲击之下，全球市场反而掀起中国电商“旋风”。最新数据显示，阿里国际站冲进美国电商APP下载榜前五，并在全球120个市场的电商APP下载榜中位居前十。   与此同时，中国国民APP淘宝也在全球爆火。据第三方数据机构统计，截至目前，淘宝在16个国家App下载榜上排名第一，并冲上美国下载榜第二，在123个国家排名前十，大量海外消费者涌入淘宝。      平台流量激增背后，是美国用户通过TikTok等社交平台自发掀起的“中国工厂揭秘”热潮。大量视频揭露欧美大牌实际源自中国代工厂，并通过阿里国际站等平台直连源头供应链，带动海外用户涌入中国电商平台“囤货”。   在美国TikTok上一条“中国工厂购物指南”的帖子，被5万多用户收藏，下面2000多条评论里，满屏的“Alibaba.com（即阿里国际站）”，最火的评论在说：“我也是直接用阿里国际站买过好几次东西！你可以直接跟工厂沟通、买他们的样品。每个工厂都有不同的生产能力，就取决于你的需求是什么！”“我用的就是阿里国际站，质量非常好！”   这波“泼天富贵”也让中国外贸商家深有感触。“美国中小买家，真的离不开中国工厂。”从事海外阳光房定制业务的阿里国际站商家熊伟平说。   就在美国加关税的当天，一位波士顿客户仍在给熊伟平下单，据这名客户说，他们在东南亚等其它市场找不到“平替”，最后还是来找中国工厂。甚至这位美国客户还自掏腰包直接给他们买好了机票，让他们去给当地滑雪度假村定制阳光房、量尺寸。据熊伟平介绍，这个订单最后全部拿下的话，大概有200万美金。   “我发现原本美国老客户的订单并没有下降，甚至4月以来还有新增，而且都是新买家。”熊伟平说，关税政策发布以来，他从一开始的忐忑不安，到现在彻底因为新订单的涌入而放下心来。   为了帮助商家接住这波流量，阿里国际站推出了多项中小外贸商家举措，数千名小二已经奔赴外贸产业带，并成立多个专项小组，在4月初即已飞赴全球各地，调研当地买家，帮商家找销路。同时，阿里国际站还开启专属流量通道，定向为拓展新市场的商家提供流量倾斜，对接更广阔的全球客户。  

消费者金融保护局 (CFPB) 正在发出大规模裁员通知，这违反了之前的法院命令，禁止 DOGE 削减后进一步裁员。一份由消费者金融保护局 (CFPB) 代理局长 Russell Vought 发给一名员工的通知写道：“很遗憾地通知您，您受到了裁员 (RIF) 行动的影响。这项 RIF 行动对于重组该局的运营至关重要，以便更好地体现该机构的优先事项和使命。” [](https://static.cnbetacdn.com/article/2024/1128/053d12f51fb20ba.webp) 通知称，周五之后，CFPB 系统将被切断访问，员工将被安排行政休假，直至正式休假结束。 据福克斯商业新闻报道，据一位不愿透露姓名的消息人士透露，约有1500名核心职能部门的员工将收到RIF通知。据《华尔街日报》报道，周四晚间，CFPB首席法律官Mark Paoletta发布了一份关于该机构监管和执法重点的通知，称CFPB将“将资源从各州可以进行的执法和监管工作中转移出去”，并撤销了之前的执法和监管重点文件。 今年3月，一名联邦法官下令特朗普政府“不得解雇任何CFPB员工，除非解雇原因与员工个人绩效或行为有关；被告不得向任何CFPB员工发出任何裁员通知”。本月，上诉法院的一项命令部分暂停了该禁令的执行，但仅限于阻止CFPB签发其“经具体评估后，认为对被告履行法定职责不必要的裁员通知”。 最初提起诉讼以阻止该机构被解散的工会于周四晚间提交了一份动议，要求法院要求政府解释大规模裁员如何不违反其初步禁令。“原告被告知，包括法定办公室在内的所有办公室，已经或即将被裁撤或裁员至一人，”文件称。“令人难以置信，在短短24小时内就将该局员工削减90%，而且没有通知相关人员做好裁员准备，这竟然不会‘干扰’其法定职责的履行，更不用说被告在上诉法院实施该要求后的三个半工作日内对每位员工的角色进行了‘具体评估’。” 参议员伊丽莎白·沃伦 (Elizabeth Warren) (马萨诸塞州民主党人) 是参议院银行委员会的民主党领袖，她帮助建立了该机构，她称该机构的“解散”是“这个无法无天的政府对消费者和我们的民主的又一次攻击，我们将尽一切努力予以反击。” [查看评论](https://m.cnbeta.com.tw/comment/1493774.htm)

AMD在2月发布了新一代RDNA 4的RX 9070系列显卡，两款显卡都搭载了Navi 48芯片。接下来还有X 9060系列，将在2025年第二季度发布，搭载的是Navi 44芯片，至于两者之间存在的性能差距，AMD准备了RX 9070 GRE填补产品线空缺。 根据VideoCardz最新了解到的数据，**RX 9070 GRE将搭载Navi 48 XL芯片，配备48个CU，也就是3072个流处理器，屏蔽了大概四分之一的GPU内核。** 其加速频率达到2.79GHz，低于RX 9070 XT的2.97GHz，但是高于RX 9070的2.52GHz。 **RX 9070 GRE搭配的是12GB显存，与之前的RX 9070 XT和RX 9070一样是GDDR6，不过速率会低一些，从20Gbps降至18Gbps。** 这意味着在192-bit位宽下，RX 9070 GRE的显存带宽比起RX 9070 XT和RX 9070少了约三分之一，降至432GB/s。 [](//img1.mydrivers.com/img/20250418/4f3de262-85c4-4d44-944b-6b9e3d9f952c.png) 在默认状态下，RX 9070 GRE的峰值FP32算力可达RX 9070的约95%，此外，用户还可以通过显存超频来进一步提升性能。 AMD预计将在未来几周内正式公布这张显卡，目前还不清楚是只在中国市场推出，还是会在全球发售。 [查看评论](https://m.cnbeta.com.tw/comment/1493770.htm)

一周前，理想汽车创始人李想官宣理想MEGA的家族新成员——MEGA Home家庭特别版。李想将其描述称：**一个带大客厅的移动空间，能带着家人们在车内面对面聊天、吃饭、娱乐和工作，它不仅是“移动的家”，更是面对面的“幸福的家”**。 而从预告图可以看出，这款家庭特别版目测支持二排座椅旋转，如此就能与三排乘客面对面对坐，近日，网络上突然流出了一组该车内部的实拍图，疑似体验过的媒体提前泄密。 相较于普通版，家庭特别版最大的亮点就在于第二排座椅，**可以看到其依旧为独立航空座椅，配有电动腿托，可大幅度向后仰**，达成类似零重力的状态，但由于对前排空间造成侵占，目测该功能仅支持驻车状态下使用。 [](//img1.mydrivers.com/img/20250418/b2557fd726764b51badd43ab24778323.jpg) 二除此之外，**二排座椅还新增了可旋转的功能，甚至能180度向后**，这在此前官方发布的预告图上已有展现，此状态下，二三排乘客可面对面交流，放上小桌板，就可以拓展更多使用场景。 [](//img1.mydrivers.com/img/20250418/f2c28df52adb4920928454180d2b1905.jpg) [](//img1.mydrivers.com/img/20250418/c9e89bfcab42444380046af5d4d456a5.jpg) [](//img1.mydrivers.com/img/20250418/ca1fc5c4e58f42189224bfe84fcb4d4e.jpg) 其实二排座椅向后旋转的功能并不罕见，不少SUV和MPV都有过类似的尝试，比如起亚EV9、极氪MIX和领克900，但在SUV上，由于空间布局灵活性远不如MPV，所以即便有这项功能，也缺少实用性。 不过放到MPV身上，尤其是像理想MEGA这种纯电MPV则可以将让种功能发挥出更大的价值，别的不说，它绝对可以解决二三排乘客对坐时可能碰腿的难题。 根据此前工信部申报信息显示，**新款理想MEGA整体外观设计变化不大，也就细节部分有所升级，比如车顶激光雷达尺寸更为紧凑，与车身融入更和谐。** **在智驾硬件方面，MEGA智驾焕新版将会从双英伟达Orin-X芯片升级到单Thor-U芯片，此外还有消息称，MEGA将升级前排自动门，弥补老款的遗憾。** 动力方面，智驾焕新版与现款车型保持一致，配备800V平台以及5C超快充，CLTC纯电续航710km，双电机综合功率400千瓦，最大扭矩542牛·米，0-100km/h加速5.5秒。 日前，理想MEGA Ultra智驾焕新版正式开售，价格为52.98万元，和老款维持一致，而MEGA Home家庭特别版的价格官方未披露，预计也会围绕52.98万展开。 [](//img1.mydrivers.com/img/20250418/3d890ed0b2034e4ead123e0b8cc4f331.png) [查看评论](https://m.cnbeta.com.tw/comment/1493762.htm)

技嘉出了一款很特殊的RTX 5060 Ti 16GB显卡，包括黑色款EAGLE、白色款EAGLE ICE，也就是魔鹰系列，它的PCIe金手指只有x8半长，正好匹配PCIe 5.0 x8的带宽。外媒评测拆解这款卡之后，发现了更神奇的地方，**它的PCB相当短，正好到PCIe 5.0 x8金手指的末端，长度还不到10厘米！** **就这块巴掌大的PCB上，密集排列着GPU芯片、显存芯片、供电电路和元件、输出接口、供电接口，刚刚好。**    我们测试的映众RTX 5060 Ti曜夜，PCB同样短小精悍，但至少顶部和底部都向后延伸了一段。  技嘉一共发布了21款不同型号的RTX 5060 Ti，包括**一款半高式刀卡，不过依然配备了三风扇，厚度也是双插槽。**  此外，索泰有一款单风扇的小卡，但尚未公布详情。 想要单插槽的，等等RTX 5060或许会有。  [查看评论](https://m.cnbeta.com.tw/comment/1493760.htm)

作者 | 赖文昕 编辑 | 陈彩娴 「伟大的事情从来不是一个人做的，而是由一群人做的。」 **智驾向左，具身向右** 2015 年的一天，赵行走出 MIT的实验室，收到了浙大本科同级朋友董思远的消息，向同样涉足过光学的他了解 CSAIL 里各位教授的具体研究方向，也想到 MIT 里做些 CV 的工作。 两年前，这两位青年从浙大毕业后赴美深造，都围着视觉打转：赵行到 MIT读博，先后师从Ramesh Raskar和Antonio Torralba教授，研究计算成像和多模态学习；董思远到康涅狄格大学读研，师从郑国安，研究傅里叶叠层成像技术。 在接下来的十年里，两位从 CV 出发的年轻人都面对着同一个问题：做自动驾驶还是做智能机器人？ 迄今为止，他们已回答过两遍这个问题，做出了两次不同的选择。 在 MIT 的头两年里，赵行意识到，计算成像的应用，尤其是拍照的社会影响力不够大——而自己想做能在现实世界产生价值、提高生产力的事。  2015 年，赵行决定不做计算成像后，开始参与多个项目探索自己感兴趣的方向，首先找到了 MIT Cheetah 系列四足机器人的负责人 Sangbae Kim教授，提出做其机器人课的助教。 MIT Cheetah 是仿生机器人领域的里程碑式成果，通过全电机驱动系统和高性能控制算法，实现了高速奔跑（最高时速达48 km/h）、复杂地形适应（如闭眼攀爬楼梯）以及动态平衡（如抗干扰稳定），推动了四足机器人从实验室向实际场景（如救援、军事巡检）的落地，其在 2019 年开源的 Mini Cheetah，其中的准直接驱动器的设计，更是影响了一波中国机器人企业的诞生与成长。 彼时 Sangbae Kim 组里有液压的人形和五个电驱机器狗，从硬件、结构到控制均为团队自研，研发成本奇高。因系统不够鲁棒容易损坏，上飞机需要安排货运，参加一次展会的成本大约是 3 万美元，团队往往只得放弃展示机会。  2015 年发布的 Cheetah 2 在Cheetah2项目里，赵行负责搭建感知系统，是唯一的华人成员。他曾向 Sangbae 力推深度学习，但当时深度学习在控制领域效果远不及模型预测控制（MPC），因此控制派学者并不认可，「做传统控制的老师们都非常厉害且坚信自己的道路，所以几乎都看不上没有数学保证的深度学习。」 后一年，赵行开始接触自动驾驶，参与John Leonard教授发起的 Duckietown 项目，开发自动驾驶的研究和教学平台，团队有来自不同实验室的十几人，包括两名博士生、博士后和老师，开设课程教授学生自驾系统各模块的知识。  项目链接：https://hangzhaomit.github.io/papers/duckietown.pdf 具体来说，他们自己搭建一个微缩版的城市交通，并且自己设计低成本的轮式小车，装上传感器和计算单元，就实现了自动驾驶车的硬件系统。软件上，搭建一个 ROS 中间件，通过它定义自驾各模块的接口，如感知、建图、定位、导航、规划、控制、人机共驾、多机协同、车路协同等。之后，各模块的开发工作将分配给不同团队的成员，最后大家共享专业知识，共同构建一个多智能体的自动驾驶交通系统。 作为助教，赵行负责搭建整个平台，并参与深度学习感知模块。该课程后来作为机器人系统的实践课程，被全球 250 多个大学和 160 多个公司所采用。 而在多模态学习方面，赵行在Antonio的课题组提出了视觉-声音跨模态学习方法 Sound of Pixels，解决语音领域长久以来的“鸡尾酒问题”；和隔壁组的赵明民（现 UPenn 助理教授）合作提出视觉-WiFi 跨模态学习方法 RF-Pose，用WiFi实现人体姿态识别。两项工作都是多模态学习领域的典范，获得了 NBC、BBC、Science 等媒体的广泛报道。 2019 年赵行毕业时，他的求职目标很明确：自己擅长的视觉和多模态学习对自驾和机器人很有价值。而既然机器人行业未成形，那便进入最有价值、最硬核的自驾行业。 加上自驾车辆配备如毫米波雷达、激光雷达、相机、夜视仪等多种传感器，为多模态学习提供了广阔的应用空间，如果能去头部的 Waymo工作和学习， 将这些技术应用于自驾汽车，他就不再考虑其他机会。 当时的Waymo如日中天，众多顶尖人才齐聚于此。例如，坐在赵行身边的 PointNet 作者 Charles Qi，VoxelNet 的作者周寅，还有自驾领域最早开展模仿学习工作 ChauffeurNet 的作者 Mayank Bansal 等人。 在 Waymo 研究院，赵行主要聚焦两个方向。 一是多模态感知，涉及视觉、激光雷达、毫米波雷达和声音等多传感器数据融合；二是学习驱动的预测规划，主要建模车辆与环境的交互。 很快赵行便结识了自己的最强搭档高继扬，他早三个月加入 Waymo，其自驱力在公司内尤为突出：既能高效开发产品，又主动推进研究，几乎是一人担两职。 彼时谷歌组织架构高度扁平化，内部合作极为灵活，二人便联合 Google Research 的孙晨（高继扬学长，曾引荐其师从 Ram Nevatia），三人跨三组合作自驾轨迹预测的系列工作 VectorNet 和 TNT。 另一边，在赵行逐步深入自驾行业之际，董思远也在 2015 年来到 MIT 读博，先是加入了正从视觉向触觉传感转型的 Ted Adelson 小组，意外开启了触觉与机器人的研究，跟着师姐原文祯学习 GelSight 传感器的原理和制作。  博二时因组里经费紧张，Ted 建议董思远和其他老师多交流以实现联合培养。 恰好此时亚马逊要举办第二届机器人拣选挑战赛（Amazon Picking Challenge），由传统控制大牛 Alberto Rodriguez 带领的 MIT 队决定同普林斯顿大学宋舒然团队组成 MIT-普林斯顿联队参赛，因需设计一个基于触觉反馈的抓取平台，便提出同 Ted 合作。 董思远得以参与其中，逐渐转到 Alberto 小组，开始聚焦操作领域（Manipulation），通过将触觉信息融合至控制器与规划器，系统性提升机器人任务执行效能。 到了博四，董思远与 Ted 团队合作自己最具代表性的成果——触觉反馈夹爪的线缆操作研究，并获得机器人顶会 RSS 2020 最佳论文提名奖。 针对柔性物体难以物理建模的挑战——理论上具有无限自由度，无法像刚体用六维位姿描述——该研究创新性利用触觉反馈追踪线缆姿态，仅凭触觉感知即可实现从线缆一端到另一端的精准操控，突破了传统视觉方案对柔性物体建模的复杂度瓶颈。  论文链接：https://arxiv.org/pdf/1910.02860 受深度学习浪潮影响，董思远开始探索其在机器人操作中的应用。但因两位导师都并非深度学习领域，尤其 Alberto 倾向基于模型的方法，所以在 MIT 的最后一年，董思远自行钻研机器人学习在插拔任务中的应用，开发了基于强化学习的高维触觉控制框架。 强化学习在处理高维传感器输入（如视觉触觉融合数据）的独特优势得以展现——通过深度网络构建端到端控制器，突破了基于牛顿力学的传统控制范式对低维抽象物理量的依赖，为高复杂度接触敏感型任务提供了数据驱动的解决方案。  论文链接：https://drive.google.com/file/d/15FSgNIV9BfjqL9Yekx0ui1kfzJb3NBSf/view 2020 年，想继续钻研 RL 的董思远来到华盛顿大学做博士后，与 Byron Boots 合作，研究将学习算法应用在四足狗上，使其在恶劣环境也能跑得更快，还帮助 Byron 带着学生做了不少机器人操作与触觉传感的探索。 2022 年 6 月，董思远回国加入华为的终端部门，先是在机器人和具身智能方向做了些探索，但他很快意识到，机器人离大规模商用仍十分遥远，就连最头部的特斯拉也仅是公布了 Optimus 的原型机。 一年后董思远所在部门面临重组，他便带着团队去了离具身智能机器人最近的自动驾驶部门，加入了华为车 BU，真正地走进自驾领域。 过去做科研时，董思远需独立搭建含控制器、规划器等从软到硬的整套系统，而更成熟的自驾领域则分工明确，仅需负责其中某模块；自驾重感知的模式也让其技术栈也得以更新，点亮了过去并非自己强项的感知算法。 最近，董思远又转向端到端框架，直接将传感器信号映射为规划指令，绕过模块分工实现「感知-控制闭环」，回归自己感兴趣及擅长的领域，把机器人学习算法运用在自驾领域。 在他看来，机器人与自驾在技术底层已高度趋同——当端到端架构兴起后，车辆本质上已成为具身智能在物理世界的延伸载体，二者的核心逻辑都是通过海量示范数据训练控制器，使系统能模仿人类行为：自驾追求「类人化」的安全决策，机器人则需完成叠衣、烹饪等家庭场景任务。 差异仅在于任务复杂度，自驾面对的是规则化道路环境，而具身智能需应对开放动态空间中的精细操作，这对硬件与数据提出了更苛刻的要求。 自驾之所以率先商业化，源于数据获取门槛低和硬件生态成熟的两大优势。反观机器人，操作任务的示范数据采集极其困难，需依赖高成本遥操作或雇佣专人生成数据，且硬件层面仍缺乏能精准复现人手灵活性的执行器，更难以说服消费者为高溢价却低实用性的家用机器人买单。 「虽然具身智能创业热潮涌动，但核心缺失在于涉及更复杂的物理交互与价值闭环的操作能力，唯有攻克，机器人才能真正创造人类可感知的应用价值，这也是具身智能商业化落地的必经之路。」 尽管决定继续扎根自驾领域，董思远却不认为自己离开了具身智能，「我反而觉得当前用海量数据去做学习训练的经历是非常宝贵的，这远比实验室小规模仿真更具工程价值，而且对于未来如果再做操作等具身智能任务，也非常有借鉴意义。」 与董思远相向而行，赵行则是从自动驾驶转向机器人。 在 Waymo 的一年多后，赵行在 2020 年回国加入清华任教。因意识到深度学习使各领域边界持续消融，他创立 MARS 实验室，希望不局限于单一研究方向，而做更广泛的 AI研究，包括多模态学习、自动驾驶和机器人。 刚回国后，赵行与刚上任理想汽车算法负责人的浙大师弟王轶伦讨论起自驾的技术进展，基于共同兴趣开展了视觉感知和无图自动驾驶的研究，后来发展为了与理想的正式合作。 到了 2023 年，之前在Waymo的合作者高继扬这时候找到他聊起创业，他们感觉到具身智能领域的创业时机成熟，一切恰如 2016 年自驾的起步阶段，并于年中正式成立星海图智能。 二人再次成为搭档合作尤其顺畅，最初计划开发轮式机器人，但在许华哲加入后，经过深入探讨，决定以仿人形双臂轮式机器人作为首款产品，最终确定了产品形态。（许华哲加入星海图的故事详情在伯克利具身智能图谱：深度强化学习浪尖上的中国 90 后们） 「自驾和 AR/VR 是我毕业时最火的俩方向，两者技术都有难度但自驾因社会意义大，尽管过去十年一直在烧钱，一直有社会各界的支持。」赵行认为做技术须兼具前沿性与社会价值，「相信具身智能机器人同样是各方会持续投入人力和财力推动发展的行业。」 看似殊途的赵行和董思远，或许会在未来再次同行。 **GelSight 的演进** 在董思远加入 Ted Adelson 组读博的 2015 年，团队已从 CV 向视触觉转型，专攻 GelSight 的视触觉研究和机器人应用的发展。 长久以来，触觉感知总被视为具身智能操作（Manipulation）的「最后一公里」，让机器人在黑暗中也能「看见」物体的形状、硬度与纹理，如同人类指尖在闭目时描绘世界的轮廓。 作为前沿中的前沿，触觉感知的技术路线自然未收敛，但在一众方案中，近年来受到最广泛关注和认可的触觉传感器 GelSight 正是诞生于 Ted Adelson 团队。 从聚焦视觉观测的传感器到结合上机器人触觉感知的「完全体」，GelSight 的演进离不开两个关键人物：李瑞和原文祯。 回到 2009 年，视觉认知和计算机视觉领域的泰斗、美国两院院士 Edward (Ted) Adelson 和其博后  Micah Kimo Johnson 在 CVPR 上首次提出 GelSight，其命名直指技术内核：通过有均匀反射涂层的透明凝胶材料形变捕捉信息，再利用光学成像和光度立体算法还原出接触面的高精度三维形状。 最初的 GelSight 是个边长为 50 厘米的大盒子，跟机器人的触觉毫无关系，更多是用来做物体表面微观结构的检测，比如说表面的纹理和凸起等。 同年，在新加坡南洋理工大学毕业的李瑞来到 MIT 读博，从 2005 年起他就开始做机器人和计算机视觉方面的研究。 2011 年秋，想继续钻研自己感兴趣的机器人和 CV 领域的李瑞在一次和 Ted 的交谈中讨论起做机器人也能用的传感器，帮助机器人更好实现类人的手眼协同操作，二人想法一致，便转组加入了团队，成为其机器人方向的第一位毕业的 PhD。  2011 年，Ted 和 Kimo 二人在 SIGGRAPH 上展示了更强大的第二代 GelSight：通过优化凝胶材料与多角度照明设计，将空间分辨率提升至惊人的 2 微米，甚至能无惧物体表面的光学特性（如反光或透明材质）捕捉几何细节——此时的 GelSight 用上了单反相机、已具备手持设备的雏形，但仍和机器人触觉无关，离机器人实际应用仍有较大差距。Kimo 也于同年创立了 GelSight Inc.公司，将 GelSight 技术主要应用于缺陷检测领域，但也与机器人并无关系。 彼时机器人操作领域的工作多是与视觉的结合，李瑞十分认可第一性原理，认为机器人若要像人一样操作，触觉不可或缺，极为重要。结合 GelSight 自身形变等特性，在 CV 领域深耕多年的李瑞和 Ted 设想将其改造成机器人触觉传感器。 李瑞从人的触觉获取灵感：一是能感知如纹理、形状的物体本身性质；二是可获取接触状态、反映在人的手指形变里的信息。 「此前的触觉传感器其实更应该叫压力传感器，仅能获取很稀疏的法向力信息，而 GelSight 接触物体时会像手指一样发生形变，我要做的就是通过摄像头捕捉多维的实时的形变信息，再用 CV 方法反推出触觉信息。这样其中一大好处就是可以获得超高分辨率的多维触觉信息。」 项目牵扯到硬件、软件、算法等多方面的综合，起初李瑞和 Ted 对能否成功都没有十足把握，不过随着李瑞完成视触觉传感器 Fingertip GelSight 雏形，他们对此路线愈发坚定。2010-2015 年间，Ted 围绕该方向陆续招收 3 名博士生，其他方向鲜少招人。随着组内其他学生陆续毕业，资源自然向视触觉研究集中。 看看 Fingertip GelSight 的研发过程。 2011 年，GelSight 已有的几个原型设备体积大、质量重、运行缓慢，用在机器人上既不实用也不合适，因此无论是电路、光路还是系统集成，都需要重新设计。 若仅算重大改动，主导项目的李瑞至少完成了二三十次版本迭代：为了兼顾满足性能需求、成本低廉、反应快速与尺寸小巧，测试了 40 多种摄像头；光路设计也历经多次迭代，涉及诸多光源、弹性体、支撑板、导光板的选型等细节调整；软件和算法上也要做到非常实时和精准。 这些组件组合方式繁多，难以确定最佳方案，甚至不确定能否正常运行，探索空间极大。他要在有限时间内，研发出性能适配的传感器及算法。 李瑞还跟 Ted 讨论过是否将其更名为「GelFinger」以跟之前的 GelSight 作区分，最后师徒二人还是决定沿用原名，但加了个前缀「Fingertip」。 在 CVPR 2013 上，李瑞发布了包含  40 种触觉纹理的数据库，使传感器能够通过接触识别多种不同的布料、砂纸、木材等材质。 2014 年，在机器人领域顶会 IROS 上，GelSight 迎来了历史性跨越，进化为现在大家所熟知的形态：李瑞与 Ted 推出全球首款超高分辨率的视触觉传感器 Fingertip GelSight（GelSight 指尖传感器，也称 GelSight 2014），其尺寸仅如人类指尖，是个边长约为 3 厘米的立方体。  论文链接：https://dspace.mit.edu/handle/1721.1/88136 这一设计让机器人实现类人手指精细操作，如插拔 USB 接口、自适应抓取等。大部分人类操作需手眼同时参与，即「手眼协同」，这对机器人实现类人通用操作同样关键。借助视觉-触觉闭环控制，机器人模仿人类「手眼协同」作业逻辑，完成精细操作：视觉粗定位与引导，触觉精细化闭环控制，二者相辅相成，缺一不可。 李瑞展示的机器人插拔 USB 的操作，使用的是早期重复定位精度只是毫米级的协作机器人 Baxter，但通过 Fingertip GelSight 实现亚豪米级的精准闭环操作，还展示了自适应抓取鸡蛋、薯片、树叶等脆弱或柔性物体，机器人可依据多维力反馈动态调整动作，而无须事先设定好每个物体力的大小，实现类人的通用自适应抓取能力，大大提升了机器人操作的能力上限。GelSight Inc.公司于 2022 年所推出的 GelSight Mini 传感器，正是在这版设计上改进而成。 除了传感器自身的软硬件和算法升级外，GelSight 技术在机器人触觉感知的应用也在不断突破，为此从无到有搭建起体系并奠定了关键基础的人，除了李瑞，还有晚一年进组的原文祯。 原文祯本科就读于清华机械工程系，在张文增指导下参与灵巧手和器械结构设计项目，负责用视觉做手势识别来控制灵巧手，参与过大量编程算法相关的软件工作。她发现，打造出色的机器人离不开智能软件与硬件的协同，希望找到二者最佳的结合方式，以此制造智能机器人。 因此，2012 年来到 MIT 后，对感知领域产生了浓厚兴趣的原文祯主动和多位研究人类认知科学与机械认知科学融合的教授交流，其中便有 Ted。 Ted 称自己已从视觉研究转向触觉，并向她展示了 GelSight，说打算做机器人触觉传感器，这与她想融合硬件与感知的想法不谋而合，遂决定加入团队。  作为一名机械系学生，原文祯进组后受到了不小的冲击。 GelSight 的核心硬件是带涂层的透明软胶，涉及化学流程，要亲自准备材料、做模具、融合材料，表面喷涂难度极大。 Ted 把原文祯带到实验室，指着一堆瓶瓶罐罐，让她抄录，说是要做软胶触膜的喷涂。身旁 GelSight 方向的大师姐贾晓丹一边教一边说自己即将离开，之后这屋子和全组的软胶研发制作就由她继承了。看着满屋子化学器材，原文祯直接懵了，「本来想多写写代码，结果却先来搞化学了。」 在专注硬件开发之外，原文祯开展了 GelSight 力学建模研究，试图从根本上理解测量信号的本质。 原文祯以传统机械工程思维开启研究，聚焦机器人触觉的核心问题——接触力测量。面对复杂力学建模的挑战，她通过大量实测建立基础理论框架时，开创性地在物体表面配置黑色标记点，意外发现这些标记点的信号变化与抓取滑动（Slip）高度关联。 在与副导师、触觉先驱 Mandayam Srinivasan 的深度探讨中，她敏锐捕捉到解决「物体滑落」这一抓取难题的关键：将 GelSight 传感器的高维信号优势（精度较传统触觉设备提升两个数量级）与几何学结合，耗时两年最终构建出基于标记点的滑动检测模型，并发表于 ICRA 2015，师兄李瑞也参与其中。 检测抓取失败、物体滑落是机器人触觉领域的第一重要课题。此工作加上 2017 年同董思远的合作，系统性地研究、论证了全新的基于触觉检测机器人抓取后物体滑落的方法——比起传统方法更普适、更稳定，能真正地应用于机器人上。  论文链接：https://ieeexplore.ieee.org/abstract/document/7139016 此时正值机器人触觉领域低谷，受限于传感器硬件、机器人算法及传统传感器价格稳定性问题，行业认为触觉应用天花板已至且实用价值有限，原文祯所发的文章也曾只有个位数的引用量、在会议上无人问津，甚至一度成为实验室唯一的学生。 对未来感到迷茫的她通过跨领域的交流与反思，认识到关键在于「感知（Perception）」本身，要向整个机器人领域证明，高精度触觉传感器本身如何将物理本质和认知结构结合起来，实现从未有过的认知能力——这种新式传感器能否催生新的感知范式？ 她将目光投向硬度检测这一传统难题：传统传感器和纯视觉方案均无法有效解决，是因为物体软硬度必须通过接触才能感知。 而基于对 GelSight 信号的物理直觉，她设计系列实验验证猜想，成功实现复杂工况下的硬度检测（接触受力未知、物体形状随机且存在干扰力），并衍生出对布料/衣服等复杂可形变物体的感知工作。 这项探索分两阶段推进：她先尝试描述物理现象并进行小规模测试，在化学实验室手工制作不同硬度硅胶球后，通过分析 GelSight 接触信号，采用手动提取特征方法，构建出能很好描述信号的低维物理模型，这篇发表于 IROS 2016 的研究虽仅适用标准球体，但验证了理论可行性。 彼时 Ted 的办公点仍在视觉图形组，同 William Freeman 和 Antonio Torralba 为邻，正赶上深度学习在计算机视觉领域跨越式发展的时刻，原文祯便常和周博磊（UCLA AP）、吴佳俊（斯坦福 AP）、薛天帆（港中文 AP）等做视觉、图像的同学交流，学习最新的视觉领域进展，从中获得灵感。 为了实现广泛应用、测试任意物体的硬度，她与 William 组的 Andrew Owens 合作，将物理洞察与卷积神经网络结合——前者确保模型具备可解释性，后者利用 CNN 和 RNN 处理高维信号的优势，最终实现对任意形状物体的通用硬度检测，并发表于 ICRA 2017。这项研究也让原文祯成为了最早融合触觉与深度学习的学者之一。  论文链接：https://arxiv.org/pdf/1704.03955 之后，原文祯积极探索其他将深度学习和高精度触觉结合起来以增强触觉感知的方式，比如以不同形式将触觉和视觉结合在一起，使用深度学习，来获取对布料、衣服的深入感知。 在 ICRA 2018 的工作中，她展示了机器人通过视觉定位主动抓取衣物，结合动态触觉与深度学习，不仅能识别纹理，还能推断厚度、蓬松度、光滑度等物理属性，以及适用季节、洗涤方式等智能理解信息，初步实现了 Ted「做一个机器人在家里给衣服分类洗涤」的愿景。 「最早我认为做好机器人，要靠精妙的机械结构和用于感知和控制的优秀算法，但事实证明机器人前沿发展的推动力，也依赖材料科学以及先进的制造技术。」原文祯感叹，「机器人是一门综合性很强的学科。」 对 GelSight 作出重要贡献的二人至今仍在用不同方式探索着视触觉领域，李瑞选择了创业，原文祯则留在了学术界。 李瑞一直有着通用机器人的梦想，博士毕业论文里开篇提到的场景就是未来的机器人可以在家里和工厂里帮人类做各种各样的事，而视触觉传感器和手眼协同便是其中重要的一环。 2015 年李瑞博士毕业时，Ted 问他要不要拿 GelSight 去创业，但他觉得时机未成熟，选择在硅谷创立了无人配送小车公司 Robby Technologies，进军更成熟的自驾领域，研发了纯视觉和无需依赖高精地图的技术，与特斯拉的技术路径不谋而合，项目也入选了硅谷创业加速器Y Combinator（YC），并得到了 OpenAI 董事等的投资。 直到去年 1 月，一直密切关注视触觉领域发展的李瑞认为机器人创业时机已到，便在国内成立了纬钛科技，以通用机器人为目标，计划根据核心视触觉传感器、视触觉灵巧手、整机的渐进式路径研发，近 20 年跨领域的积累得以充分发挥，离其在博士论文中对通用机器人的愿景更近了一步，「做真正心灵手巧的机器人。」 原文祯则在斯坦福做了一年博士后之后，在 2019 年入职了 CMU RI，先是带学生做出了难度极大的触觉传感器仿真器。她们同步推进基于学习的方法和物理建模的方法 ，都取得了很好的效果，后续还把它与机器人仿真结合，实现了仿真到现实的迁移。 来到 UIUC 任教后，原文祯还针对触觉传感器硬件差异导致数据异构的难题，提出基于深度学习的跨硬件统一表征网络，通过仿真器生成万级异构传感器数据集训练编码器，实现跨硬件触觉信息的标准化表达，为触觉大模型奠定数据基础。 上月，她也因在机器人触觉领域的突出成就和宋舒然、朱玉可与刘畅流等学者一同获得了 IEEE RAS 2025 的早期学术生涯奖。从毕业时只有少数头部院校发教职 offer 到 GelSight 成为当下最广泛流行的触觉传感技术，原文祯感叹，「这也算是当年的坚持受到了时代的肯定了。」 **Learning「登堂入室」** MIT 的机器人研究曾长期由传统方法主导——基于刚体动力学与精密控制，波士顿动力创始人 Marc Raibert 的早期工作（如动态平衡单足机器人）便是典范，加上 Russ Tedrake、Alberto Rodriguez 等大牛坐镇，在学习方法展示出其能力前，自是没必要颠覆过去的深厚积累。 但随着环境复杂度提升，学习范式崛起之风也逐渐吹向了 MIT，这从 Alberto 和 Russ 二位的学生的研究便可窥得一二。 Alberto 曾师从操作泰斗 Mathew Mason，属于传统机器人学一派，在 MIT 机械系带领着操作与机械实验室（MCube），研究自主灵巧操作和机器人自动化，在 2023 年到波士顿动力领导机器人操作后，依旧同 MCube 合作紧密。 2015 至 2017 年，亚马逊连续举办了三届机器人挑战赛（APC），旨在推动仓储自动化中机器人无序分拣技术的突破，赛事瞄准机器人操作领域的「圣杯问题」——Bin Picking（从杂乱箱体中抓取物体）。 Alberto 所带领的 MIT 队连续参与了三届且均稳居前三，其中组里的学生俞冠廷（Peter Yu） 作为「三朝元老」与技术架构总负责人自然功不可没。  赴美前，俞冠廷先后在台湾交通大学和台湾国立大学读完了计算机本科和硕士，并于 2013 年到 MIT 机械工程系读博，师从精通灵巧操作的 Alberto Rodriguez 和擅长视觉导航的 John Leonard。 加入 MIT 的俞冠廷显然是个比赛型人才。 2013 年，资助过十年无人车比赛的美国国防部高级研究计划局（DARPA）转而举办人形机器人挑战赛，博一的俞冠廷加入 MIT 队，也积极参与其中。 比赛赛程十分紧张：8 个月内准备虚拟机器人挑战赛，暑假过后收到 Atlas 机器人，又要在短短 4 个月内凭借真机再度参赛。MIT 队从零开发了大量系统组件，比如兼容优化的运动学和动力学引擎、完整用户界面，还集成了现有复杂软件，其中俞冠廷主要负责研究感知问题。  2015 年再次参与 DARPA 机器人挑战赛的同时，俞冠廷也开始参与亚马逊机器人挑战赛，担任感知和软件负责人。 比赛场景设定在一个类似自动化仓储的仓库中，机器人有 20 分钟的时间从货架上拣选物品，并将其放入塑料托盘中。货架上的 12 个货箱里存放着 25 种产品，每个货箱都有一个目标物品。机器人若成功拣选到目标物品，可获得 10 分的基础分，若货箱杂乱或物品难以处理，还能获得额外加分；若拣选了错误的物品、损坏或掉落物品，则会被扣分。 在 26 支队伍中，MIT 最终以拣选 7 件物品、获得 88 分的成绩位居第二。不过在首届赛事中，他们仍采用传统感知-规划-执行架构，重点解决物体识别、抓取规划和轨迹计算问题，通过集成有限的传感器反馈（视觉、压力）实现部分任务级验证，但尚未达到完全的实时闭环控制。 因此在第二年他们决定和 Ted 组合作加上触觉反馈以直接确认抓取状态，同时还和普林斯顿组成联队一起参赛。 最终 MIT-普林斯顿队获得 Stowing Task（装载任务）第三名、挑拣任务的第四名，并提出一种基于多视角 RGB-D 数据的自监督深度学习方法，通过全卷积神经网络分割场景并匹配 3D 模型，无需手动标注即可生成训练数据，实现复杂场景下 6D 物体姿态的可靠估计。  论文链接：https://arxiv.org/pdf/1609.09475 第三年，MIT-普林斯顿队再得装载任务冠军与 ICRA 2018 最佳系统论文奖。 值得一提的是，团队所设计的机器人抓取-识别系统核心突破在于实现了对未知物体的零样本操作能力。 该系统包含多可供性抓取框架与跨域图像匹配框架，前者基于全卷积网络，无需物体分割和分类就能规划抓取动作；后者利用双流卷积网络，无需额外训练即可识别新物体——在比赛中以 100% 成功率完成仓储任务，成为赛事史上首个在限定时间内精确处理所有已知与未知物体的解决方案。  论文链接：https://arxiv.org/pdf/1710.01330 2018 年 6 月，俞冠廷在博士毕业后，和同年毕业于 CMU 的好友周佳骥一起，在波士顿创立星猿哲（XYZ Robotics），为物流及工业自动化提供更好更快的机器人解决方案，成为最早一批机器人创业者。（周佳骥与CMU的故事详情请看：CMU 具身智能风云榜：从传统到全面） 深度学习对机器人领域的影响更剧烈地发生在了 Russ Tedrake 的小组里。 2017 年，李昀烛从北大计算机系毕业来到 MIT 读博，科研方向正从 CV 向深度强化学习拓展。想做智能体与环境交互研究的他自然想到了机器人技术同 CV 的结合，而 Russ 和 Antonio Torralba（也是赵行导师）正好也想共同指导学生，三人就匹配成功了。 Russ 侧重基于物理的模型及模型优化，Antonio 关注计算机视觉、深度学习和生成模型，双方的应用领域和方法大相径庭，让李昀烛在博士阶段初期协调起来颇为吃力，需在不同思路间周旋。但另一方面，这也是难得的成长契机，他得以同时接触机器人和计算机视觉两个领域的前沿成果和视角。  一开始，李昀烛启动了视触觉研究，探索视觉与触觉之间的相互预测，侧重多模态交互。朱俊彦（现 CMU AP）在加入 Antonio 组担任博士后后也参与其中，协助李昀烛在模型训练、调试与设计等方面，推动项目顺利开展并完成。随后，两人又与 Wojciech Matusik 的团队合作，开展触觉手套项目，李昀烛主要负责模型与学习相关部分。 为投稿《自然》杂志，他们解答了为何选择研发触觉手套而非其他形式的触觉传感器：手是人体与环境交互的核心部位，触觉手套不仅能实现技术突破、捕捉多模态交互信息，还能推动人类手部行为的科学研究，进一步启发机器人领域的发展。 投稿后不久，评审就给出了非常详尽的反馈。「这是我收到过最高质量的审稿意见，没有之一，」李昀烛感叹道。意见中提出了许多他们在投稿前已考虑到和尚未想到的问题。看到论文有望被接受，几位作者多次召开长达四小时的会议，深入头脑风暴如何恰当回应评审意见。最终，该工作成功发表在 2019 年的《自然》杂志上。  被展示在 MIT 博物馆中的触觉手套 论文链接：https://www.nature.com/articles/s41586-019-1234-z 此后，李昀烛持续深入触觉研究领域，与 Wojciech 团队的罗亦悦（现华盛顿大学 AP）合作，研发用于多模态大数据采集的触觉织物与触觉地毯，并推进柔性、可扩展的触觉传感器设计。与 GelSight 的实现方法不同，他们希望通过超薄且可扩展的结构，使传感器能够适应人手、机械手的抓握部位及机器人皮肤等多种复杂表面。 触觉以外，李昀烛更重要的研究主线是如今的热点——彼时被称为「Intuitive Physics（直觉物理）」的世界模型（World Models）。 这一研究起源于李昀烛与 Russ 关于建模方法的深入讨论：我们究竟应采用基于物理的建模与优化，还是应从数据中学习动力学模型？在具身智能交互中，每个系统都涉及机器人状态与环境状态的协同演化。相较而言，获取机器人的状态较为容易，因为其传感器系统可由设计者主动配置；而环境状态及其动态变化则更难观测与建模。人类对环境的物理理解正是通过与环境长期交互中逐步学习获得的。因此，李昀烛希望能够学习环境的动态模型，即所谓的“世界模型”——这一方向也正是他与两位导师共同关注的研究重点。 彼时 MIT 内吴佳俊和其导师 Joshua Tenenbaum 在该领域成果显著，李昀烛便向他们请教，恰好吴佳俊也对直觉物理在机器人领域的运用很感兴趣，双方便开始了长期合作，共同研究环境的动态模型与世界模型。 博一下学期，李昀烛与吴佳俊合作提出了动态粒子交互网络（DPI-Nets），以粒子作为环境表征，统一建模刚体、流体与可变形物体，并通过图神经网络学习粒子间的动力学关系。该研究发表于 ICLR 2019，为解决物理模拟与现实之间的偏差问题提供了新思路。DPI-Nets 能够将传感器数据转换为粒子表示，从而实现多种物体动力学的高效模拟与控制，支撑机器人在复杂环境中操控不同材质物体，完成多样化的操作任务。  论文链接：https://arxiv.org/pdf/1810.01566 作为一个复杂的系统工程项目，DPI-Nets 涵盖仿真和现实世界两部分，而那时的仿真技术的实现远不如现在成熟，很多须用 C++ 和 CUDA 编写。 为了将仿真与深度学习算法接起来，李昀烛还给英伟达的仿真器编写 C++ 包装层，使其内部 API 能与 Python 对接；并搭建仿真环境，在其中进行数据收集、模型学习、模型配置、控制规划；仿真环节后又再将整套流程迁移到现实机器人上。 对他而言，这是一次绝佳的锻炼：全程涉及图形学、基于物理的模拟、模型学习、基于机器人模型的优化与规划，以及模拟到现实的迁移，让他对机器人系统有了更深刻的理解。 当时，吴佳俊在模型设计和项目规划等方面提供了诸多建议，而 Russ 刚从人形机器人转向操作研究，实验室也刚开始搭建现实世界中的机器人操作系统，整体架构尚不成熟。通过这个项目，李昀烛不仅积累了大量实践经验，还系统性地认识到感知、学习、建模与 Sim2Real 等关键问题，研究视野由此显著拓展，选题也变得更加顺畅，其中不少思路至今仍在延续。 李昀烛的一系列工作让 Russ 看到学习算法在环境建模中的潜力；组里 Peter Florence 和 Lucas Manuelli 的论文《视觉运动策略学习中的自监督对应关系》又让 Russ 相信学习还能进一步用于策略制定；最后在丰田研究院，Russ 同宋舒然（现斯坦福 AP）团队合作的基于扩散模型的机器人动作生成策略「Diffusion Policy」则让这位坚定的「Model-Based 信徒」真正转向了学习一派。 如今，李昀烛与 Russ 会在会议中偶然碰面，二人的讨论发生了有趣的变化：李昀烛向 Russ 提出应在学习系统中添加恰当结构以提升泛化性与样本效率；Russ 却主张构建机器人基础模型，像 VLA 模型和大型行为模型等，已然 all in 端到端的机器人基础模型研究。Russ 还感慨，自己都未曾料到会有如此转变 。 2021 年，李昀烛和许华哲、吴佳俊等人合作了 RoboCraft 项目：许华哲在吴佳俊组里做博士后，二人经讨论认为动力学模型学习（Dynamics Model Learning）是个不错的方向，想起李昀烛之前做的 DPI-Nets 也是相关工作，便提出了合作。 次年李昀烛毕业，来到斯坦福，在李飞飞和吴佳俊组里做博士后，顺着 RoboCraft 继续推进 RoboCook 工作，和史浩辰（斯坦福 PhD）合作，通过图神经网络和预测控制算法让机械臂学会操控各种软体材料，比如借助工具完成包饺子任务，最终获得了 CoRL 2023 的最佳系统论文奖。  论文链接：https://arxiv.org/abs/2306.14447 接着，李昀烛还和黄文龙、吴佳俊、李飞飞等人一起合作了 VoxPoser 项目。 一作黄文龙（斯坦福 PhD）曾在谷歌大脑参与 PaLM-E 项目，研究语言与机器人操作的融合问题。博士入学后，他在斯坦福与李昀烛等人展开深入讨论，认为尽管基础模型在高层次任务上表现出色，但在生成机器人动作等低层次控制上，仍需结合结构化框架以提升可靠性与可控性。 鉴于李昀烛之前在模型学习、基于模型的优化和规划方面有诸多经验，便建议将基础模型的高层次能力与低层次优化相结合，从而充分发挥两者优势，由此产生了 VoxPoser 的想法。  项目链接：https://voxposer.github.io/ VoxPoser 将大模型接入机器人，把复杂指令转化为具体行动规划，无需额外数据与训练；还结合大语言模型同视觉语言模型，在 3D 空间中分析目标及需绕过的障碍，以零样本的方式合成轨迹为机器人规划行动。 尽管仍处于实验室演示阶段，与实际商业应用尚有不小差距，该工作首次展示了机器人在更通用场景中，基于语言指令与视觉观测完成多种复杂操作任务的能力。论文发表在 CoRL 2023 后，迅速引发学术界、工业界及风投圈的广泛关注。此后几乎每周都有多位投资人主动联系作者团队，寻求进一步交流与合作。 离开斯坦福后，李昀烛先后在 UIUC 和哥伦比亚大学任职，带领学生持续推进世界模型（World Models）、多模态感知（Multi-Modal Perception）与基础模型应用（Foundation Models for Robotics）三大方向的研究，「核心目标是让机器人能像人一样，更加灵活通用地感知环境并与之交互。」 **具身智能进行时** 2019 年初，MIT 开始筹备成立一个虚拟组织——具身人工智能研究小组（Embodied AI Group，简称 EI 小组）。 「在 EI 小组成立前，具身智能并不是一个热词。」在李昀烛的回忆里，此前大家更关心基于模型的方法，小组成立后合作交流更紧密。 EI 小组把研究计算机视觉、图形学、机器人控制、机器人任务规划等方面的老师聚集到一起，既方便申请资金，又组织讲座等多种活动。 整个 EI 基本都在 Stata Center 的三楼，各个实验室的距离都在百米内，老师们有单独办公室，而不同实验室的学生则三两交叉、混杂分布在不同办公室里，以便更好地日常交流。 这年的录取结果公布后，收到 offer 的陈涛到 MIT 实地交流时，就已经了解到 EI 小组的不少安排：每学期会办约八场讲座，外部嘉宾和内部交流五五开，还设一对一交流和共进午餐等不同的机会；各大顶会前办研讨会，各组学生齐聚一堂互相分享讨论投稿论文。 陈涛本科在上海交通大学的机械工程与自动化系，大四开始自学编程、机器学习、慢慢接触 AI，毕业后先在人形机器人创企岭先机器人工作了一年，探索室内导航的 SLAM 系统搭建、强化学习上真机、物体检测等方向，把机器人系统所用的 AI 技术摸了个遍。 确定想研究用 AI 方法尤其是强化学习去控制机器人系统后，陈涛便决定出国深造，在 2017 年到 CMU 读研，师从 FAIR 机器人部门研究负责人、现 Skild AI 创始人 Abhinav Gupta，做了关于智能体无任务奖励下自主探索现实复杂 3D 环境的工作。  两年后，想拓展新圈子、跟随年轻老师的陈涛来到 MIT 读博，师从刚从伯克利毕业后到 MIT 任教的 Pulkit Agrawal，成为其首位博士生，二人共同感兴趣的方向。此前 MIT 的机器人探索更偏「硬核」，在传统控制和硬件研发上成果斐然，Pulkit 加入后，则新添了深度强化学习的色彩。 进组后，作为组里少数了解真机的成员，陈涛先是负责搭建真机平台及 Infra，用 Python 写 AI的控制软件及脱离 ROS、以少量代码实现机器人交互的库。 接着陈涛又做强化学习打视频游戏的研究，但因实验室计算资源有限，没能扩大规模；同时因 Pulkit 和 Sangbae Kim 的合作并行开启了对四足机器人的探索，研究用强化学习算法让四足机器人跳过沟壑，带着本科生写代码；还会协助 Pulkit 备课，他首次在 MIT 熬夜便是帮 Pulkit 准备编程作业。 博一接近尾声时，陈涛终于找到了自己最感兴趣的领域：机器人操作与灵巧手控制。 2019 年 10 月，OpenAI 发布的机器人转魔方工作引起轰动，陈涛因此也有了做灵巧手的想法，于是在完成手头的项目后，决定解决灵巧手中最难的控制问题，聚焦到把灵巧手做得更泛化（朝向任意方向），突破 OpenAI 灵巧手只能朝上的局限。 起初实验室没有灵巧手，陈涛便在仿真器上开始探索，用强化学习和模仿学习训练灵巧手控制器，并且展示了灵巧手在手面朝下此最极端的情况下也能转动任意形状的物体，而且还通过无模型框架重新定位了超 2000 个形状各异的物体，具有非常高的通用性。 他们还发现，当灵巧手控制器足够鲁棒时，即使不知道物体形状信息，也可以以高成功率转动任意物体到指定朝向。  论文链接：https://proceedings.mlr.press/v164/chen22a/chen22a.pdf 彼时灵巧手控制领域十分冷门，传统模型方法和遥操作方法各有难以逐一建模和数据不足的问题，用强化学习实现突破的 OpenAI 也裁撤了其机器人团队，直到陈涛用强化学习完成远超以往难度、众人未曾设想的灵巧手控制任务——此工作获得了 CoRL 2021 的最佳论文奖。 除了用强化学习训练模型使机器人学习有用信息外，团队还将原本需数月的训练时长缩短至两天内以提升效率，并将模型从依赖大量设备、成本高达几十万美金的 OpenAI 早期模式转变为仅用一个几百美金相机、一张 3090 显卡及一周左右即可完成训练，通过网络架构优化提出新框架，极大简化整机部署系统，提升数据采集效率 。 推进此工作时陈涛也意识到，仿真器中充足的质量、材质、摩擦系数等信息其实属于「作弊信息」，尽管做了大规模的理论验证说明它可以被迁移到真机上，但依旧难以在真机上部署，因此下一步得训练出在真实世界里能够部署的解决方案，便紧接着发表第二篇论文解决在真机上实现时遇到的问题，投在了期刊杂志《Science Robotics》上。 有了这个鲁棒的机器人控制器框架后，陈涛开展了大量应用工作，解决如灵巧手抓物重定向、削水果蔬菜等问题，还制作触觉传感器用于机器人在桌面或封闭空间精准定位目标物体。 2024 年博士毕业，一直对创业很热衷的陈涛拉上了上交大小两级的师弟秦誉哲，一起在加州成立了 Dexmate，主攻机器人的灵巧操作。 秦誉哲在 UCSD 读博，博导正是陈涛在 CMU 的学长王小龙，两人通过王小龙认识后发现经历十分相似，同样从机械系转到 AI，并专攻相对小众的灵巧手，因此思路非常契合。 目前，Dexmate 的产品已迭代至接近稳定的状态，即将进行小规模量产。区别于一般的人形机器人，他们选择「轮式底盘+双臂双手」的操作形态，但没有设计胸腔，而是让机器人既可以蜷缩、折叠，也能展开到两米多高。 「我们奉行实用主义，机器人要具备像人一样的操作能力，而不需形态上像人，灵巧手也不一定是五指结构。」 而在陈涛读博的最后一年，算得上是我国本土培养的首位具身智能博士方浩树也来到 Pulkit 组做博士后。 方浩树在 2013 年入读上海交大，是个在本科期间就崭露头角并敢于尝试的年轻人。他在大三参加本科生研究计划时跟随阎威武学习机器学习知识后终于找到感兴趣的研究方向，即神经网络和 CV；之后看到卢策吾的实习生招聘广告，因兴趣契合投递简历并通过面试，就在大三结束后休学，在不同的科技公司实习，也去了UCLA访问，同时一边跟着卢策吾做实验。  休学两年间，方浩树聚焦 CV 陆续以一作发表四篇顶会论文，又在 2019 年本科毕业时，拿到多个北美知名实验室的 PhD offer，不过，他最终选择直博到吴文俊人工智能博士班，继续留在卢策吾团队。（卢策吾的具身智能故事请看：3D 视觉派：斯坦福具身智能人物关系图） 过往的研究让方浩树对机器人越来越感兴趣，便决定从视觉切入，先做抓取，开启了基于二指夹爪的通用物体抓取工作 AnyGrasp，期间也提出了 GraspNet-1Billion 标准数据集。 耗时三年，方浩树和团队终于在 TRO 2022上发表了 AnyGrasp：它能高效生成准确、全自由度、密集且时间平滑的抓取姿态，面对较大深度传感噪声时运行稳健；清理装有 300 多个未知物体的箱子，成功率达 93.3%，与受控条件下的人类表现相当；单臂系统上处理速度超每小时 900 个物体；在动态抓取方面，还成功展示了水中捕获游动机器鱼的过程。  项目链接：https://graspnet.net/anygrasp.html 这是机器人首次在任意场景抓取任意物体时，表现出堪比人类的能力，既无需物体 CAD 模型和检测，对硬件构型、相机也无限制。 因此，AnyGrasp 被很多研究者当作抓取的通用模型使用。 除了抓取外，方浩树也在思考如何用新范式做机器人操作。 2021 年 GPT-3 问世后，他发现采用序列建模，若数据充足，可借鉴 GPT 思路进行机器人学习。研究 GPT 及此前模仿学习方向文章，他们注意到从 GPT-1 到 GPT-2 有重大思想转变：GPT-1 时语言模型各任务需分开训练，GPT-2 则将不同任务作为输入网络，使一个网络能同时处理不同任务，还引用了在机器人学习领域率先提出的单模型多任务的元学习（Meta Learning）论文，证明在大规模数据下多任务学习的可行性。 这让方浩树想用同样方法研究机器人学习。他还参考脑科学文章，发现人类处理语言和日常操作的脑区高度重合，主要负责序列建模，且考古学文章表明语言因操作需求而产生，用于传递操作经验，因此认为语言建模方式适用于机器人操作。 但当时更关键的是缺少合适的数据集，为此方浩树和团队花数年采集 RH20T 数据集，包含了超过 11 万机器人操作序列，提供了视觉、力、音频、运动轨迹、演示视频和自然语言指令等多种数据模态，发布后不久便收到了谷歌的邀请，成为大中华区最早参与 Open X-Embodiment 数据集的一支队伍。  项目链接：https://rh20t.github.io/ 推进 RH20T 时，方浩树发现基于遥操的数据采集方式并非最适合扩大规模的方式，从 2021 年起便开始用外骨骼代替遥操作，开发了双臂外骨骼设备 AirExo，让人能穿着直接采集数据。 对硬件和灵巧操作的深入探索让方浩树意识到了触觉的重要性，便打算再读个博士后。恰好妹妹方晓霖在 MIT 读博，同样研究 AI 和机器人，她描述的MIT的研究风格深深吸引了方浩树。在跟董思远聊了之后，他认为视触觉大牛 Ted Adelson 组的研究与他之前的研究十分互补。 方浩树给 Ted 发邮件表达了自己对用于操作的触觉很感兴趣，Ted 十分高兴，但是称自己只做触觉不做操作，之后又联系上了在MIT主攻机器人操作方向的教授 Pulkit。就这样，方浩树在 2023 年末前往 MIT，在两位导师的指导下做博士后。 他先是作为共同一作负责学习算法的部分，在 IROS 2024 上发表了 EyeSight Hand，用模仿学习做灵巧操作，让配备了视触觉传感器的三指灵巧手能完成切橡皮泥、单手开盖等操作，这篇文章也获得IROS 2024 RoboCup最佳论文提名。随后，方浩树也开始探索硬件设计。  项目链接：https://eyesighthand.github.io/ 目前，方浩树在 MIT 主要围绕着灵巧操作研究，既设计灵巧手、外骨骼硬件和传感器，也钻研新的数据采集方式和学习方法。 MIT的研究经历让他逐渐从一个 Learning 背景的研究者转变为对软件硬件都有深刻见解的学者。 「不少灵巧手的功能与二指夹爪类似，主要用于抓取，电机数量的增加却不能带来能力上的提升。」方浩树认为灵巧操作中仍存在许多待解决的科学问题，「市面上灵巧手虽多，但关于哪种手的结构、手指数量、自由度配置、触觉传感器的密度、灵敏度及排布方式更适合日常操作等问题均未得到妥善解答。」 **结语** 在 2019 年 EI 小组诞生前，MIT 就已经孕育了好几拨具身智能的探索者。 他们或从传感器出发，或先探索更成熟的自驾领域，或在传统控制方法上深深扎根。十年光阴，AI 和 Robotics 终于开始双向奔赴。 赵行和董思远最早从视觉出发，如今前者在清华叉院和星海图推进机器人研究，后者在华为车 BU 钻研自驾，以不同的路径探索着具身智能； 李瑞和原文祯让 GelSight 成为真正意义上的机器人视触觉传感器，现在一位创立纬钛科技从传感器开始做机器人，一位则在 UIUC 任教、探索触觉大模型； 俞冠廷和李昀烛亲历 Learning 深刻改变机器人领域，目前前者仍在用心经营星猿哲机器人，后者则在哥伦比亚大学任职推进世界模型与多模态感知。 而在 EI 小组成立后来到 MIT 的陈涛和方浩树则搭乘上最新的浪潮，无论是成立 Dexmate 研发机器人，还是作为博士后继续科研，都在攻克着灵巧操作这一核心难题。 「分层系统与端到端 VLA 并不矛盾，当前因端到端控制存在速度慢、闭环能力差等致命缺陷，可行方案是采用大模型规划 + 端到端执行的分层设计。」赵行认为，未来具身智能的研究方向是将端到端与大模型融合为一个系统，「强调结合动作模型与视觉语言模型以提升执行能力，这在自驾和机器人领域的思路都是一致的。」 MIT 的校训是拉丁语「Mens et Manus（Minds and Hands）」，译为「手脑并用」。巧合的是，具身智能同样追求「心灵手巧」。 这些 「传动轴」们的故事或许会成为新的启示：在 AI 与机器人的交叉地带，真正的「心灵手巧」从来不是某个天才的灵光一现，而是一群攻坚者们在齿轮咬合处的持续深耕——他们拧合的不仅是技术链条，更是让智能从「云端」落地「指尖」的时代齿轮。 地基夯实，大厦将起。 （对于 MIT 派系及具身智能明星们的更多故事细节，欢迎添加雷峰网作者 anna042023 交流）雷峰网

Jensen Huang made a surprise visit to China, right after Nvidia stocks plunged on fresh export control on AI chips disclosed. Nvidia said the export license requirement for H20 is expected to cost $5.5 billion for the first fiscal quarter ended this month.

 [Variety报道](https://variety.com/2025/tv/news/pacific-rim-tv-series-legendary-eric-heisserer-amazon-1236371706/)，亚马逊Prime Video正在开发一部《环太平洋》前传真人剧集，由《降临》的编剧Eric Heisserer撰写剧本。  Variety曾在2024年报道过该项目，Legendary Television已与Amazon MGM Studios达成了合作协议，目前正由Prime Video开发。《降临》的编剧Eric Heisserer将为该剧集撰写剧本并担任执行制作人。  《环太平洋》首部电影在2013年上映，由Guillermo del Toro执导，讲述未来世界人类发明大机器人对抗入侵地球怪兽的故事，在票房和口碑上取得了成功，之后又推出了由Steven S. DeKnight 执导的续作《环太平洋2》和继承电影世界观的动画剧集《环太平洋：黑色禁区》。报道称，消息人士表示该系列仍有潜力推出新电影。

近期，网络安全界被一则消息炸开了锅——一款名为AkiraBot的Python框架能绕过CAPTCHA（全自动区分计算机和人类的公开图灵测试），利用AI生成内容对**中小企业网站实施大规模垃圾信息攻击**。截止现在，该工具已成功向**8万个网站发送垃圾信息**，这一事件再次敲响了中小企业邮件安全的警钟。  **一、为何中小企业难逃邮件攻击？** **1、技术短板**：AI邮件攻击手段不断升级，中小企业缺乏专业的安全团队，大部分中小企业邮件系统还处在“裸奔”状态，仅依靠基础的防火墙。 **2、成本困局**：中小企业受限于自身成本预算，传统硬件方案费用相对高昂，难以投入大量资源用于邮件安全防护。 可想而知，一旦邮件系统被攻破，企业的机密信息，客户资料等重要数据都可能面临泄露的风险。面对技术短板和成本困局的双重夹击，邮件云网关或许是中小企业不错的选择 。 **二、邮件云网关，物美价廉的高性价比之选** 邮件云网关是一种基于云计算技术的邮件安全管理服务平台，它通过云端的强大计算能力和先进的安全技术，为企业提供全方位的邮件安全防护，其优势主要体现在以下几个方面： **1、功能全面，安全有保障**：邮件云网关就像一个“超级卫士”，能够提供强大的反垃圾邮件、反病毒和反钓鱼功能。它能够有效识别和拦截各种恶意邮件，保护企业的邮件系统免受侵害。 **2、性价比高，省钱又省心**：邮件云网关前期投资低，中小企业无需购置昂贵的硬件设备，也无需聘请专业 IT 人员进行维护，极大地节省了物力与人力成本。 **3、强大兼容，快速上线**：邮件云网关产品能快速适配各种软硬件，包括服务器、操作系统、邮件系统等，中小企业无需额外变更网络架构和系统架构，真正做到即买即用。 大家可能会问：有没有一款**安心、省心又放心**适合中小企业的邮件安全云网关呢？ 答案当然是肯定的。 **三、安全云网关：中小企业邮件安全的“护身符”** CACTER邮件安全云网关以其卓越的性能和全面的功能脱颖而出，完美符合中小企业的各项需求： **1.精准拦截恶意邮件**：基于自主研发的神经网络平台NERVE2.0深度学习能力，全面检测并拦截各类恶意邮件，包括垃圾邮件、钓鱼邮件、病毒邮件及BEC诈骗邮件；反垃圾准确率高达99.8%。 **2.零门槛部署上线**：无需硬件投入，免运维，**5分钟接入**，普通员工也能上手。  **3.无缝对接兼容**：可兼容Coremail、Exchange、O365、Gmail、IBM Domino、lotus notes、飞书企邮等几乎所有邮件系统。 **4.在线运维支持**：26年专业技术沉淀，提供**5X8小时**专家在线服务，突发攻击30分钟响应，为企业提供一对一的解决方案。 选择CACTER邮件安全云网关，就是选择您的专属安心、省心和放心。

近日，全球领先的IT市场研究和咨询公司IDC发布《中国AI Agent市场剖析及厂商推荐，1Q25》（Doc#CHC53057025，2025年3月）报告。根据企业级智能体的产品能力、技术支持等进行了评估，甄选代表厂商为企业级用户提供选型指南。**经评估，360数字安全集团凭借360安全智能体成为唯一获得推荐的安全厂商**。 **智能体迎来规模化落地浪潮，找到垂直场景是关键** 近年来，大模型技术在各行各业的应用日益广泛。然而，大模型虽然能理解、问答、生成，但是在执行复杂的专业任务方面却显得“力不从心”，只有加上专家经验、知识获取、工具调用等能力，变成智能体才能执行复杂的专业任务。**正如360集团创始人周鸿祎所说，大模型的短板在于难以直接融入生产业务流程，而智能体赋予大模型“手脚”，使其能够使用工具、执行具体任务**。  通用模型解决“广度”，垂直模型决定“深度”，只有以专业大模型为基础，打造针对垂直场景的专业智能体，才能真正让AI在业务中切实落地。IDC指出，2025年，AI Agent将迎来规模化落地浪潮，以360数字安全为代表聚焦垂直场景的应用技术厂商，通过差异化解决方案形成竞争壁垒。 在安全行业，相较于传统的安全工具和安全产品，安全智能体能够更便捷高效的满足用户安全运营、安全检测、安全处置等需求，帮助各类安全专家从日常任务和重复劳动中解放出来，真正帮助用户提升安全能力、提高运营效率。 作为国内唯一兼具数字安全和人工智能双重能力的企业，360自2023年起就专注于安全智能体的研发与应用。提出用AI重塑安全并推出首个AI实战应用的安全行业大模型：360安全大模型，并**以其为大脑构建智能体框架，持续推进AI智能体落地**。 **深耕安全智能体研究，360持续推进标杆客户落地** 360 AI智能体产品主要聚焦于智能体开发平台搭建以及智能体应用，通过低代码开发平台实现工作流的定制化、工具调用和知识应用，通过生成式提升用户体验。 **· 在基础模型方面**，360独创“类脑分区协同（CoE）”安全大模型结构，与大模型底座解耦，在模型结构、推理程序等模型底层进行创新，真正做到掌握模型核心机理，模型可以“打的开，调的了，训的起来”。 **· 在开发平台方面**，360以近20年安全领域实战化专家经验为基础，采用低代码方式，整合丰富的安全工具、安全知识，场景化落地agentic workflow。 **· 在应用场景方面**，360锚定自动化威胁狩猎、深度分析研判、威胁攻击溯源、钓鱼邮件检测等领域进行专项训练，推出100+安全数字专家，帮助企业进行针对性安全防护能力提升，低成本、高效率地实现24小时不间断安全守护。  IDC在报告中提到，360智能体产品服务完善、行业经验丰富、定制化能力强且具有创新精神，在网络安全防护、终端安全管理等场景表现卓越。 2024年1月，360安全智能体首次实现APT分钟级猎杀。此后，360安全智能体在勒索拦截、漏洞防护、攻防演练等实战场景落地应用。近期，在针对亚冬会网络攻击的溯源中，360安全智能体也对锁定NSA三名个人特工发挥了关键作用。 自发布以来，360安全智能体已经为北京市朝阳区政府、重庆大学等近500家用户在真实环境中完成测试应用与交付，加持政府、金融、央企、运营商、交通、教育、医疗等行业客户实现智能化安全运营。 对智能体发展带来的安全问题，360提出“以模制模”，用AI解决AI的安全问题，推出大模型安全解决方案，全面覆盖大模型应用中的系统安全、数据安全、内容安全、幻觉问题和智能体行为失控等问题，为人工智能安全保驾护航。 此前，360安全大模型也荣获北京市科学技术进步奖、2024年度中国互联网企业创新发展十大典型案例、人工智能创新应用典型案例、年度大模型创新技术等诸多奖项。此外，平台已通过中国信通院安全大模型多项能力检测、中国软件测评中心大模型产品安全性检测认证、安全服务能力认证、人工智能管理体系认证等。 本次唯一入选IDC智能体报告垂直场景代表厂商，不仅是对360在技术创新上的认可，更是对360在推进智能体落地应用成功的积极肯定。未来，360将继续推进智能体在更多场景下的实践应用，为行业向智能化、高效化发展贡献力量！

近日，公安部道路交通安全研究中心官方公众号“交通言究社”发表《智慧领航，安全护航--智能网联汽车辅助驾驶功能使用须谨慎》一文，其中提到，近期，因驾驶人错误使用辅助驾驶导致的交通事故时有发生，引起社会关注讨论。 究其原因，部分驾驶人对辅助驾驶的认知不到位，误以为 “辅助驾驶=自动驾驶”，开启辅助驾驶功能后做出玩手机、睡觉、聊天、吃东西等危险行为，不仅违反了道路交通安全法律法规，也对其他道路使用者的安全构成严重威胁。 文章提到，车辆辅助驾驶功能虽然可以降低驾驶人在复杂路况下的认知负荷与操作压力，但仍应清楚认知，当前国内主流量产车辆所搭载的辅助驾驶系统尚处于0-2级，属于“人机共驾”的辅助驾驶范畴。如果驾驶人在车辆行驶过程中“脱手脱眼”，可能面临行政处罚、民事赔偿及刑事追责三重法律风险。因此，即使车辆开启了辅助驾驶功能，驾驶人也要全程保持驾驶位值守，实时监控路况。 关于车企误导宣传的相关法律责任，文章提到，根据《中华人民共和国广告法》第二十八条，若车企通过广告或宣传材料虚构、夸大辅助驾驶功能（如将2级辅助驾驶描述为 “自动驾驶”），误导消费者购买，市场监管部门可依据《中华人民共和国广告法》对虚假宣传行为处以广告费用5-10倍罚款，情节严重的吊销营业执照。若虚假宣传造成严重后果（如引发交通事故致人伤亡），可能触犯《中华人民共和国刑法》第二百二十二条，可对责任人处2年以下有期徒刑或拘役，并处或单处罚金。 **原文如下：** 近期，因驾驶人错误使用辅助驾驶导致的交通事故时有发生，引起社会关注讨论。究其原因，部分驾驶人对辅助驾驶的认知不到位，误以为 “辅助驾驶=自动驾驶”，开启辅助驾驶功能后做出玩手机、睡觉、聊天、吃东西等危险行为，不仅违反了道路交通安全法律法规，也对其他道路使用者的安全构成严重威胁。 **一、警惕“高阶智驾”陷阱！辅助驾驶≠自动驾驶** （一）自动驾驶定义 自动驾驶是指通过人工智能、传感器和其他技术实现车辆在没有人为干预的情况下自主行驶的能力。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。 （二）自动驾驶技术能力分级 2021年8月，中国国家市场监督管理总局、国家标准化管理委员会批准发布《汽车驾驶自动化分级》（GB/T 40429-2021）标准，将驾驶自动化分为0至5级，其核心逻辑和定义如下： 1、分级核心逻辑 动态驾驶任务（DDT）：包括横向控制（转向）、纵向控制（加速/制动）、环境感知与目标响应（如识别行人、交通信号）。 角色分配：驾驶人与系统在DDT中的责任划分。 设计运行范围（ODD）：系统适用的特定场景（如高速公路、城市道路、封闭园区）。 2、0-5级详细定义  根据上述内容可知，在汽车驾驶自动化的6个等级之中，0-2级为辅助驾驶，系统辅助人类执行动态驾驶任务，驾驶主体仍为驾驶人；3-5级为自动驾驶，系统在设计运行条件下代替人类执行动态驾驶任务，当功能激活时，驾驶主体是系统。 从部分车企官网或新闻发布会信息可知，尽管相关车企智能驾驶系统命名存在差异，但均突出“辅助”属性，技术特征均属于我国《汽车驾驶自动化分级》（GB/T 40429-2021）规定的2级标准，尚未取得3级及以上等级认证。这一现象主要受三方面因素制约：其一，感知算法在复杂场景下的可靠性尚未突破技术瓶颈；其二，车企基于法律风险防控考虑，主动将功能标注为2级，以维系驾驶人作为责任主体的法律定位；其三，我国正在推进准入与上路通行试点，目前尚未有3级自动驾驶汽车获得准入许可。 **二、“脱手脱眼”=玩命！智驾时代，请握紧安全方向盘** 从网上公开报道的事故案例来看，驾驶人未按规定使用辅助驾驶，存在明显安全隐患。 1、2024年12月4日，甬莞高速75公里处，一辆小型新能源汽车冲入施工区域，险些撞到正在施工区内作业的工人。经查，驾驶人因为不熟悉路况，开启“辅助驾驶”功能后，一直看手机，没有看前方，最终导致事故发生。 2、2024年12月4日，江苏南京发生一起因酒后使用辅助驾驶功能而引发的交通事故。据报道，驾驶人在饮酒后启动了“辅助驾驶”功能，并在高速行驶过程中睡觉，导致车辆径直撞向南京六合东收费站的安全岛，车辆严重损毁并翻车，现场爆出火光。 3、2025年3月16日，武深高速646公里发生一起交通事故，一辆小型新能源汽车突然向右偏移，随后冲向右侧山体发生侧翻。经查，驾驶人因开启车辆“辅助驾驶”功能后分心，在行驶至事发路段时，车辆方向发生偏移，驾驶人慌忙接管之际操作不当，最终导致事故发生。 4、2025年3月19日，大广高速信阳段2297公里处发生一起交通事故，一辆小型新能源汽车在行驶中发生侧翻，车辆严重受损。经查，驾驶人因长途驾驶产生倦意，遂开启车辆“辅助驾驶”功能，而车辆在驶出隧道口时偏离行驶方向，驾驶人未及时察觉车辆异常，导致接管不及时，最终引发侧翻。 5、2025年3月29日，德上高速公路池祁段发生一起交通事故，一辆小型新能源汽车在行驶过程中与中央隔离带护栏端头发生碰撞并起火。据报道，事发路段因道路封闭施工，需借道对向车道通行。驾驶人开启“辅助驾驶”功能，事故发生前4秒车辆检测出道路异常后发出提醒，驾驶人接管车辆但未能避免事故的发生。 此外，部分电商平台上销售的“辅助驾驶作弊装置”，俗称“智驾神器”，通过物理配重、强磁吸附等技术手段，刻意欺骗车辆辅助驾驶系统的驾驶员监控系统（DMS），使其误判驾驶人处于正常监管状态，从而实现长时间脱离方向盘和视线的违规操作。这种行为不仅严重消解了智能驾驶安全冗余设计，更将驾驶人与其他交通参与者共同置于重大风险之中。 **三、严守法规、安全操作，安全责任始终在肩** （一）驾驶人安全须知 1、明晰技术边界。车辆辅助驾驶功能虽然可以降低驾驶人在复杂路况下的认知负荷与操作压力，但仍应清楚认知，当前国内主流量产车辆所搭载的辅助驾驶系统尚处于0-2级，属于“人机共驾”的辅助驾驶范畴。如果驾驶人在车辆行驶过程中“脱手脱眼”，可能面临行政处罚、民事赔偿及刑事追责三重法律风险。因此，即使车辆开启了辅助驾驶功能，驾驶人也要全程保持驾驶位值守，实时监控路况。 2、规范熟练使用。不同品牌的车辆，即使拥有相同的辅助驾驶功能，但由于设计语言的不同，可能存在不同的开启或退出方式，因此驾驶人在购买和使用车辆时，应全面了解车机系统的交互逻辑与操作规范，掌握辅助驾驶功能的启用或关闭方法。首先，应充分了解掌握系统提示信息的呈现方式，在行驶过程中保持对视觉、听觉提示的实时感知；其次，要根据道路环境变化及系统反馈，及时采取接管转向、调整车速等处置措施；同时，须全程保持双手控稳方向盘，持续监测路况动态，确保车辆处于可控状态。 3、牢记禁用场景。有下列情形时，驾驶人应关闭或停止使用辅助驾驶功能：辅助驾驶功能异常或失效或未能激活的；周边环境或道路交通状况超出辅助驾驶系统设计运行范围；恶劣天气、光线发生明显变化等影响车辆感知、识别能力；遇紧急车辆或异常行驶的车辆时；突发紧急情况，辅助驾驶系统应对能力不足；车辆有其他影响安全的故障；驾驶人评估可能会有碰撞或事故风险。 （二）企业发挥主体作用 1、强化新用户培训。建议车企建立相关机制，帮助新用户快速熟悉掌握智能网联汽车及其辅助驾驶功能的使用方法及禁止事项，以减少相关交通事故对品牌形象的不利影响。如联合驾培机构，在车辆交付前或交付时，针对新用户常态化开展智能网联汽车基本驾驶技能、安全文明意识的培训，特别是当前“人机共驾”状态下，辅助驾驶功能的开启与退出方法，随车监控、人工接管等人机交互模式，以及智能系统异常情况的处置方式等。 2、切勿误导宣传。根据2025年2月25日《工业和信息化部 市场监管总局关于进一步加强智能网联汽车产品准入、召回及软件在线升级管理的通知》（工信部联通装〔2025〕45号）要求，企业必须规范营销宣传行为，向消费者提供有关智能网联汽车驾驶自动化等级、系统能力、系统边界等信息时，应当真实、全面，不得作虚假、夸大系统能力或引人误解的宣传，确保消费者正确理解和使用智能网联汽车产品。企业在组合驾驶辅助系统或功能命名及营销宣传中，不得使用暗示消费者该系统可以作为自动驾驶系统使用，具备实际上并不具备的功能等用语，防止驾驶人滥用风险。 （三）顶层设计保驾护航 1、强化法规体系与责任边界。修订《中华人民共和国道路交通安全法》及配套法规规章，明确0-2级辅助驾驶系统 “人机共驾” 的法律属性，强制要求车企在用户手册、系统激活界面标注 “辅助驾驶≠自动驾驶” 警示语，并规定驾驶人持续监控义务。参照欧盟《自动驾驶法规》（EU 2023/2410），明确车企对系统设计缺陷承担主要责任，驾驶人对未及时接管负责。 2、推动标准升级与技术监管。推动智能网联汽车生产企业提升辅助驾驶系统技术可靠性，制定相关安全技术标准，明确系统在道路施工、障碍物等高危场景的失效概率阈值，强化驾驶人状态监测的真实性。构建全国监测平台，接入车企数据接口，实时监测辅助驾驶系统运行状态（如方向盘压力、驾驶人视线偏移时长），对异常数据触发预警并推送属地交管部门。 3、构建多维度安全教育体系。探索将自动驾驶分级标准、辅助驾驶操作规范等内容纳入驾驶人教育培训和考试范围。建立车企辅助驾驶系统操作专门培训机制（含高危场景模拟）。 **四、误导宣传、驾驶分心、产品伪劣，触碰法律红线** （一）关于车企误导宣传的相关法律责任 根据《中华人民共和国广告法》第二十八条，若车企通过广告或宣传材料虚构、夸大辅助驾驶功能（如将2级辅助驾驶描述为 “自动驾驶”），误导消费者购买，市场监管部门可依据《中华人民共和国广告法》对虚假宣传行为处以广告费用5-10倍罚款，情节严重的吊销营业执照。若虚假宣传造成严重后果（如引发交通事故致人伤亡），可能触犯《中华人民共和国刑法》第二百二十二条，可对责任人处2年以下有期徒刑或拘役，并处或单处罚金。 （二）关于驾驶人滥用辅助驾驶的相关法律责任 根据《中华人民共和国道路交通安全法》及其实施条例，机动车驾驶人始终对车辆运行安全负主体责任。当前我国道路通行环境下，市面量产汽车仍处于2级辅助驾驶阶段，系统仅提供有限的辅助驾驶功能，因此，驾驶人在使用辅助驾驶功能时，必须持续履行观察路况、预判风险和及时接管的义务。若驾驶人在辅助驾驶功能激活期间未尽上述义务，存在“脱手脱眼”行为，公安机关交通管理部门将依据《中华人民共和国道路交通安全法》第九十条，认定其存在妨碍安全驾驶的违法行为，依法处以罚款并记分。一旦因此类行为引发交通事故，驾驶人将承担主要责任，需依法承担民事赔偿；若事故导致人员伤亡或重大财产损失，还可能构成交通肇事罪，被追究刑事责任。 （三）关于生产销售“智驾神器”的相关法律责任 对生产、销售者而言。根据《中华人民共和国刑法》第一百四十六条规定，“智驾神器”不符合保障人身、财产安全的国家标准或行业标准（如干扰车辆安全监测系统），若造成严重后果（如交通事故致人伤亡），生产者和销售者可能被判处5年以下有期徒刑或拘役，并处销售金额50%至2倍罚金；后果特别严重的（如多人伤亡），刑期可至5年以上有期徒刑，罚金同上。若设备设计或宣传直接诱导驾驶人脱离监管（如 “解放双手”“免接管”），导致重大交通事故，可能被认定为危害公共安全，最高可判处死刑。 对使用者而言。根据《中华人民共和国道路交通安全法》及其实施条例，使用“智驾神器”导致双手脱离方向盘、视线偏离道路，仍属于“妨碍安全驾驶行为”，依法处以罚款并记分。一旦引发交通事故，驾驶人将承担主要责任，需依法承担民事赔偿；若事故导致人员伤亡或重大财产损失，还可能构成交通肇事罪，被追究刑事责任。 对销售平台而言。根据《中华人民共和国电子商务法》第三十八条规定，电子商务平台经营者知道或者应当知道平台内经营者销售的商品或者提供的服务不符合保障人身、财产安全的要求，或者有其他侵害消费者合法权益行为，未采取必要措施的，依法与该平台内经营者承担连带责任。对关系消费者生命健康的商品或者服务，电子商务平台经营者对平台内经营者的资质资格未尽到审核义务，或者对消费者未尽到安全保障义务，造成消费者损害的，依法承担相应的责任。 （四）关于驾驶人酒后使用辅助驾驶的相关法律责任 对于驾驶人本人启用辅助驾驶功能上路通行。即便本人通过使用“智驾神器”等方式实现脱手驾驶，未实际操纵方向盘驾驶车辆，仍然属于道路交通安全违法行为，属于醉酒驾驶的，还有可能构成危险驾驶罪。原因在于，驾驶人在使用辅助驾驶相关功能时，需要通过账号登录，验证识别等方式进行授权和许可，表明驾驶人对车辆启动具有明知且认可的主观心态，驾驶人驾驶辅助驾驶汽车上道路通行期间，具有掌握车辆控制权、监控道路交通环境、保持专注并随时准备接管车辆的义务，此种义务不能由未实际操作方向盘，或者车辆具有辅助驾驶功能等理由予以免除。驾驶人在明知自身因醉驾等原因导致风险控制能力下降，且车辆的情况，仍然放弃驾驶责任，放任不具有自动驾驶能力的车辆自主行驶，具有充分的社会危害性，既属于《中华人民共和国道路交通安全法实施条例》第六十二条第3款规定的分心驾驶行为，亦属于酒后驾驶行为。情节严重，构成犯罪的，还应当以危险驾驶罪追究其刑事责任。 对于帮助处于醉酒状态的驾驶人设定终点、启动车辆、规避驾驶员监控系统（DMS），再由辅助驾驶汽车根据预先设定好的线路行驶的行为，《中华人民共和国道路交通安全法》第二十二条第3款规定，任何人不得强迫、指使、纵容驾驶人违反道路交通安全法律法规和机动车安全驾驶要求驾驶机动车。在明知驾驶人处于醉酒状态，且不会对车辆进行驾驶的情况下，仍然为其设定路线、启动车辆，实质上纵容并帮助了车主实施分心驾驶、醉酒驾驶等道路交通安全违法行为，应追究其相应的法律责任。 总之，当前国内量产车型所搭载自动驾驶系统尚处于2级辅助驾驶阶段，系统属于“执行者”角色，驾驶人才是最终责任主体，违反法律或不安全使用行为不仅面临行政处罚，还可能承担事故赔偿甚至刑事责任。因此，驾驶人应做自己生命的“第一责任人”，严格遵守《中华人民共和国道路交通安全法》，在使用辅助驾驶系统时保持专注，确保随时可控。 [查看评论](https://m.cnbeta.com.tw/comment/1493758.htm)

今日，恒安集团发布讣告称，**公司创始人许连捷因病医治无效，于4月17日16时50分逝世，享年73岁。**目前，恒安集团官网已设为黑白页面以示悼念。 恒安集团官网显示，**恒安集团创立于1985年，是国内生活用纸和妇幼卫生用品龙头企业，拥有安尔乐、心相印、七度空间、安儿乐四枚中国驰名商标。** 2024年，恒安集团营业收入226.69亿元，同比下降4.6%，整体毛利为73.25亿元，经营利润为33.55亿元，净利润为22.99亿元。   公开资料显示，许连捷生于1953年，福建省晋江市安海镇人，恒安国际集团有限公司创始人、董事局副主席。 许连捷曾创办安海后林劳保服装厂、拉链厂，后于1985年创办恒安集团。 据恒安集团统计数据，**上市以来恒安集团及其股东累计捐赠超20亿元，其中许连捷本人捐赠超10亿元。**  [查看评论](https://m.cnbeta.com.tw/comment/1493754.htm)

黄仁勋虽然又来中国了，但是面对美国新的芯片管制条例，英伟达也无能为力。**近日，美国限制英伟达对华出口H20芯片，英伟达发布声明表示，会严格遵守有关人工智能（AI）芯片能销往何处的规定，并澄清新加坡帐单地址出货地不包含中国大陆。** 英伟达在声明中指出，“美国政府指示美国企业可以销售的产品和销往何处，我们会一字不差（to the letter）的严格遵守政府指示。” 据悉，美国政府也在调查，受管制芯片是否通过新加坡转售到中国大陆，而新加坡是英伟达第二大市场，过去一年以帐单地址计算的销售额近240亿美元。 英伟达在声明中澄清，新加坡营收指的是帐单地址位于新加坡的销售订单，这些订单大多来自美国客户子公司，相关产品出货到其他地点，包括美国和中国台湾，而非中国大陆。 **有意思的是，应中国贸促会邀请，昨天英伟达公司首席执行官黄仁勋抵达北京。三个月前，黄仁勋曾在华表态称，要继续与中国合作。** [](//img1.mydrivers.com/img/20250417/4d2effec610341c28e3c725ab9f93ca6.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1493752.htm)

 各具特色的非对称阵营全球对立，彰显钢铁洪流暴力美学——经典风格即时战略游戏《风暴崛起》豪华版现已在Steam平台抢先解锁，并将于4月25日正式上线。本作由Saber Interactive旗下的3D Realms，Knights Peak以及Slipgate Ironworks共同推出。 &lt;内嵌内容，请前往机核查看&gt; 今天早些时候，游戏发布预告片的60秒片段在 “星系展示会” 上首次亮相，突出展示了这款游戏中高风险的基地建设、资源管理以及全面战争等元素，它堪称是20世纪90年代和21世纪初经典即时战略游戏的真正精神续作。  4月25日前，只要购买游戏，玩家便可获取提供更多外观自定义选项的预购奖励「指挥官组合包」。游戏豪华版售价199元，除提前解锁游戏，立刻体验非对称阵营的硬派战争以外，还将额外获取展现游戏设计理念的数字美术设定集，以及收录有41首曲目的游戏音乐原声带。游戏基础版售价159元，将在4月25日0点正式解锁上线。  《风暴崛起》将你带入一个处于平行时间线、饱受战火摧残的1997年，在这个时间线里，古巴导弹危机演变成了核战争。你可以体验两场史诗般的战役，其中有着独特的阵营设定，还有极具成就感的游戏玩法，始终聚焦于策略与技巧。全面掌控战场局势，建设你的基地，率领军队投入战斗，并执行大胆的战略以赢得胜利。主要特色包括：  - • 经典的即时战略基地建设玩法，搭配快速流畅、激烈的战斗体验，以及丰富的自定义选项。 - • 指挥两个不对称的阵营，每个阵营都拥有独特的采集模式、资源系统，以及截然不同的单位阵容，带来风格迥异的游戏体验。  - • 两场史诗级单人战役，穿插着任务间的过场动画来推动剧情发展。 - • 遭遇战、自定义游戏模式，以及采用 Glicko-2 评级系统的排位多人对战匹配机制。 

在4月17日举行的智界发布会上，刘亦菲作为品牌大使登台。网友发现，刘亦菲在介绍“智驾功能”相关体验时，**使用“辅助功能”形容，并未直接提及“智驾”。** 她表示，大家在拥有一个很好的科技辅助的同时也要注意驾驶安全，这个辅助功能帮助现代人节省很多精力，是一个好助手或者好的搭档。对于刘亦菲的发言，**网友纷纷点赞，称其“有颜值有头脑有责任感”。** 此前工信部召开智能网联汽车产品准入及软件在线升级管理工作推进会，**强调汽车企业不得对智能驾驶功能进行夸大和虚假宣传，需明确系统功能边界和安全响应措施。** 业内人士提醒，车辆辅助驾驶功能虽然可以降低驾驶人在复杂路况下的认知负荷与操作压力，但仍应清楚认知，当前国内主流量产车辆所搭载的辅助驾驶系统尚处于0-2级，属于“人机共驾”的辅助驾驶范畴。 企业必须规范营销宣传行为，向消费者提供有关智能网联汽车驾驶自动化等级、系统能力、系统边界等信息时，应当真实、全面，不得作虚假、夸大系统能力或引人误解的宣传，确保消费者正确理解和使用智能网联汽车产品。 企业在组合驾驶辅助系统或功能命名及营销宣传中，不得使用暗示消费者该系统可以作为自动驾驶系统使用，具备实际上并不具备的功能等用语，防止驾驶人滥用风险。  [查看评论](https://m.cnbeta.com.tw/comment/1493750.htm)