新能源车补贴历史清算落地，数亿资金被核减，叠加价格战受监管，政策“断奶”倒逼行业转型。

 夏日炎炎，温泉馆该如何吸引顾客光临？为了抵挡酷暑，给客人带来更好的服务，线条小狗的温泉馆即将开放全新避暑场景，为·小动物访客带来更清爽舒适的夏日休闲体验！ 休闲放置游戏《线条小狗：动物温泉》即将于7月23日推出首个季节主题付费DLC —— 夏日派对。从7月23日起，游戏本体与DLC将同期开启九折优惠，游戏本体限时折扣价23.4元，DLC折扣价11.7元。同时，夏日派对DLC上线时会一起和「原声带DLC」与「游戏本体」组合成10%OFF的优惠捆绑包！ <内嵌内容，请前往机核查看> 本次DLC将为玩家带来全新夏日主题关卡，新增美发店等内容，并有七位全新小动物顾客登场。除此以外，游戏本体更新了员工休息等功能，帮大家一起开启清爽又精彩的盛夏度假时光！  <内嵌内容，请前往机核查看> # 避暑清凉，温泉馆内的夏季限定派对 炎炎夏日，温泉馆也要成为避暑好去处，在夏日季节主题DLC夏日派对中，游戏增加了三个全新关卡 —— 沙滩、水上乐园和山谷。  匹配环境主题，每个关卡都有对应的特色新家具，方便玩家们自由设计出富有夏日特色的主题浴室。沙滩浴场滑板冲浪，水上乐园欢乐戏水，而在山谷浴场，大家可以享受夏日里难得的宁静清凉。 在夏日派对，动物温泉将给顾客和玩家都带来不一样的休闲体验。  新关卡自然少不了新朋友 —— 憨憨的暹罗猫，亲切的柯基犬，众多备受玩家期待的动物朋友将随新关卡一同登场！究竟这些全新的动物伙伴有哪些故事和心声要和玩家们分享？就让我们在18封寄托动物心语的信件里自己去解锁发现。  提起夏天就总会想到清凉的泳池，在夏日派对里，玩家可以为动物访客建造泳池。不同于经典关卡中的浴池，清凉泳池的大小可以自由调整。看着泳池中浮动的西瓜游泳圈，池边撑开的乘凉太阳伞，夏日暑气瞬间就被驱散了不少。  摆上夏日躺椅与冲浪板，温泉馆里仿佛也有了大海的感觉。吸一口椰汁，换上个性发型，搭配上21首独属于夏日的酷爽音乐，一场惬意热闹的夏日派对就此开启。  要在派对里释放魅力，带小动物们去全新开张的美发店设计一个新造型吧。玩家可以指派动物员工成为发型师去经营美发店，为参加派对的动物顾客们贴心提供造型服务，10多种风格突出的发型可供选择。  炎热夏日，注意补水！在温泉馆里，访客和员工们都会更加容易感到口渴。在场馆内放置更多饮水机吧。如果员工不及时补充水分，口渴时工作能力便会下降。而访客们如果口渴，则会减少金币和星星的数量，还请大家要在夏日里注意健康。  # 也让小动物们歇歇脚吧 新版本中，制作组针对玩家之前提供的一些反馈更新了游戏本体内容 —— 小动物们工作久了需要休息！员工培训室如今新增了可解锁升级项，闲置员工会自动到附近的椅子坐下来休息。而随着培训等级的提升，休息后员工还能短暂提升移动速度。工作辛劳，大家也多在工作中回回血吧。  除此之外，针对玩家反馈员工走来走去会干扰玩家布置馆舍的问题，制作组新增了“强制坐下”功能，让闲置员工暂时就坐，方便玩家们认真布置馆舍，放置家具，以免被可爱员工们吸引注意，干扰视线。 # 蒸汽新品节，游戏本体Demo限时开启 《线条小狗：动物温泉》首个季节主题付费DLC夏日派对将于7月23日开启，游戏本体限时九折优惠23.4元，DLC折扣价11.7元。伴随本次DLC发布，《线条小狗：动物温泉》也将在蒸汽新品节期间（7月23日至7月29日）限时开放Steam全球版和蒸汽平台的游戏本体Demo，欢迎新玩家们尝试体验。 想要了解更多游戏信息的朋友，也欢迎访问Steam页面和官方Q群，第一时间了解游戏的最新资讯！ 

还能涨多久？

<blockquote><p>数据波动别急着交叉表，先把指标分三档、原因打标签，5分钟定位真问题。</p> </blockquote>  当业务指标开始波动的时候，人们总会有问题： - “为啥涨了5%” - “为啥又跌了1%” - “为啥涨了2天又跌了？” - “为啥三天了都没变化呀？” 总有十万个为什么，从各个部门口中脱出，然后搞得做数据的同学天天忙着跑数，晕头转向不说，还落个：“为啥不能事前洞察？”“你这也不深入呀！”的抱怨。 咋整？今天系统讲解下。 ## 一、常见的错误做法  最常见的做法，就是遇到指标变化就拆解。各种维度都拉出来做交叉，最后哪个差异最大，就说是哪个因素导致的指标波动（如下图）。  而这么做，非常无脑+低效。 无脑，是因为：业务方关心的是具体的问题。比如： - 是不是新品不给力 - 是不是对手有动作 - 是不是执行没到位 - 是不是环境有变化 …… 这些业务原因，不是数据库里“性别、年龄、地域、产品名”这样的简单维度能概括的。因此即使拉出交叉表来，也不能解答这些深层问题。 低效，是因为：严重浪费数据分析师的时间。相当多的波动，丫根本就是自然波动，或者是业务自己整出来的活。相当多的波动，就是单纯因为开发动了埋点又没吭声。这些问题根本不需要反反复复拉交叉表。只知道逼数据分析师拉交叉表，不但浪费时间，而且错失了总结规律，深入分析的机会。 那么，怎么优化做法呢？ ## 二、诊断模型三大关键 从源头上看，反问三个灵魂问题： 1、是不是所有指标波动都很重要？ 2、是不是所有波动都原因未知？ 3、是不是所有波动都值得行动？ 回答是：不是、不是、不是！ 至少3/4以上的波动是计划内的、可预知、不值得理会的。因此事前的基础工作，远比着急忙慌有用。把指标分清楚，原因提前收集，结果提前预判，是系统解决问题关键。想达成这一点，靠的是整个工作流程的支持，而不是一串神秘代码。 ## 三、区分核心、附属、边缘指标 同收入、成本、利润相关的，都是核心指标。核心指标发生波动一定是优先关注的。 附属指标，则是组成收入、成本、利润的过程指标或子指标。比如用户数、转化率、客单价等等。附属指标的波动是问题吗？不一定是。很有可能只是业务发展有了新形态。因此，不需要每天看变化，而是关注发展趋势（如下图）：  边缘指标，而是一些不直接相关，甚至不可准确量化的指标，比如满意度、NPS等等。这些指标监控其长期趋势即可。并且，关注口碑、舆情中极端个案（特别不满的顾客或者恶意攻击）会比看统计指标更有价值。 当然，不同业务的核心、附属、边缘定义会有差异。但区别对待是必须的，不然很有可能出现：“分析了一堆，对业绩影响一毛钱都没有”的窘境。 ## 四、理清正向、负向原因 **常见的正向原因：** - 促销活动 - 政策利好 - 新品上市 - 新店开张 - 旺季到来 - **常见的负向原因：** - 系统宕机 - 政策利空 - 旧品退市 - 阴雨天气 - 淡季到来 这些不但可以提前知道，而且其中相当多的部分，可以提前做分析，给出可接受的范围。 淡季/旺季，可以用周期分析法，从过往数据中提取周期波动规律（如下图）。  促销活动，可以先对活动类型打标签，再根据过往数据，测算每一类活动投入产出比。  新品上市，可以先对商品类型打标签，再根据过往数据，测算商品LTV曲线。  新店开张，可以先对门店类型打标签，再根据过往数据，测算店铺LTV曲线（原理同商品分类）。 通过标签分类+复盘分析，大部分自然原因、人为原因导致的波动，可以得出一个量化范围。在事前收集这些原因，就能极大地缓解指标波动带来的神经过敏，聚焦真正该聚焦的问题。 注意，这里有两类问题是很难事前准备的： 1、突发型事故，比如系统bug，恶劣天气等等 2、外部因素变化，比如对手促销，政策风险 这些需要沟通+问题排查机制解决。 ## 五、常规沟通与问题排查 **常规沟通：** 1、从业务：近期促销上线、产品上下架计划、开店计划、投放计划。 2、从技术：开发进度、开发问题 3、从外部：新政策发布、生效；竞争对手已公布动作 **问题排查：**基础数据质量，常规日报数据核对。 所有信息，汇总到时间表上，就能形成解读波动基本素材，之后静待数据给出结果。看结果再决定是否深入。  ## 六、发生结果后诊断 **A类：知道原因+期**望内+正向变化。只要没有击穿期望值，监控趋势即可。要问波动原因，就四个字：正常波动。 **B类：**知道原因+期望内+负向变化。只要没有击穿期望值，监控趋势即可。要问波动原因，就四个字：正常波动。 **C类：**知道原因+期望外+正向变化。比如下图所示，原本预计的上促销会大涨，结果没啥反应，啥原因？活动拉胯了呗……这时候直接切入活动分析细节，让业务方赶紧做做一手调研，想想救命办法更靠谱。 **D类：**知道原因+期望外+负向变化。比如下图所示，原本预计恶劣天气持续太久，导致一些原本薄弱的门店快不行了。这时候要兵分两路。 一路：分析是否有其他交叉因素，助纣为虐 另一路：做标杆分析，看恶劣环境下有没有应急办法  **E类：**不知道原因+正向变化。超出预期是不是好事？不见得，比如回光返照式短期销售暴增，如果业务方信了，又补了货，那只会造成更大积压，因此正向事件超出预期时，要格外注意关联因素，比如畅销品缺货、滞销品积压、营销成本暴涨（别便宜了羊毛党）、投诉数量激增等问题。 **F类：**不知道原因+负向变化。这是得警惕的。这个时候要先“三看” 一看：局部问题or全局问题 二看：突发问题or持续问题 三看：有缓解迹象or越来越严重 （举个简单例子，如下图）  原则上局部、突发性问题，从内部找原因更快；全局、持续型问题，有可能存在外部深刻影响。之前在分享《提升DAU，数据分析要怎么做？》的时候，有更详细说明，大家可以参考。 总之，有了充分的基础准备，就能快速区分问题的轻、中、重，输出分析结论，也能为后续分析做好铺垫，避免漫无目地交叉。 ## 七、小结 数据分析需要跑数，但想解读跑出来的数，需要的是掌握丰富的事实情况，用数据量化评估其中可量化的部分，监控其中持续发展的部分，拆解其中模糊部分，从而越来越接近真相。 需要注意的是，这些工作并非靠数据分析师一个人能完成。 - 如果领导自己都不清楚目标 - 如果开发我行我素瞎胡乱搞 - 如果业务连啥叫“分类”都不懂 - 如果业务一定要扯“我做的就是牛掰克拉斯！一定是其他原因干扰了我！” …… 分析？分析个屁！分析结论就是：这个公司蠢逼太多，救不了。 只是做数据的同学，要掌握这些基础的做分类、打标签、提取周期波动、计算ROI的方法，这样才能在争吵中清晰地判断是我们自己没有用对方法，还是对方不愿意配合，对方不懂得科学管理，对方在浑水摸鱼。毕竟好公司可遇不可求，自己长本事，才是进入好公司的正道。 本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

&#34;There is not a lot of evidence right now, with regards to negotiations, of any country or jurisdiction&#34; escaping U.S. tariffs, said Mark Carney.

<blockquote><p>当“系统孤岛”成为业务增长的绊脚石，后端对接就是把数据变成流动资产的唯一桥梁。这篇 9K 字长文用“求婚”比喻接口归属，用“交际花”形容中台，把 HTTP、MQ、SFTP、断抓补抓、判重键、中间表、日志留痕等晦涩概念写成段子，再配 10 张流程图当“课件”，让产品经理在 2 分钟内看懂如何让数据安全、高效、可追溯地跨系统流动，从此把“孤岛”改造成“众系统中的社牛”。</p> </blockquote>  一个系统装再多数据，不与其他系统交互，那也是孤岛系统，孤独没女朋友。 一个系统若很外向，不断撩拨周围的系统，也乐意被撩拨，成为了众系统中的“交际花”，那么这货基本就是中台的性质。 而更多的系统是介于上述两种极端之间的。像人一样，自己搞生产，也要参与社交——就是系统之间的数据对接。 对接的本质是为了实现数据信息的传输。 在后端产品的世界里，各子系统之间，或与外部系统之间的对接非常常见。 作为产品经理，不仅要知道数据从哪来，还要理清楚获取数据之后的握手方式、运算逻辑、异常规则、容错机制、数据日志等等。 本文尝试聊聊如下话题： - 数据传输的场景和意义 - 数据传输的方式 - 数据传输的处理机制 - 数据传输的注意事项 ## 一、数据传输的场景和意义 ### 1. 数据传输的应用场景 1）前端和后端本身无时不刻的数据互动。 2）公司的各个系统之间的信息共享。 比如，式系统部署之后，就需要各个系统模块之间进行数据的配合，比如订单系统的库存扣减数据要同步给备货系统进行采购。 3）与第三方平台的对接 比如入驻第三方销售平台亚马逊之后，店家可能自己需要管理自己的订单，这时候就要从亚马逊平台获取订单数据，也就是抓取。 4）调用现成的公共插件 避免重复造轮子，市场上很多开放性的功能插件可以调用或接入，比如接入百度地图的API，接入微信小程序的二次开发。 ### 2. 数据传输的意义 1）不重复生产数据库，避免资源和功能的浪费。 2）统一数据的维护或生产源头，避免数据不同步。 比如同一个公司的两个系统都要用人员信息架构数据，如果各自都能维护，势必出现不一致，也浪费资源。 3）别人家的数据，自己没办法生产。 4）复用现成的轮子，API或SDK共享（可能自己也发明不出来）。 ## 二、数据传输的方式   数据传输的方式，作为产品经理我将其分为：接口传输、中间件传输、message方式传输等。散开了说，比如：MQ（队列）、HTTP接口、otter、文件共享传输等。每一种又有细分的方式和适合的场景。 ### 1. 接口 这是一种传统的问答式的传输方式，是典型才c/s 交互模式。 相当于一台客户机，一台服务器（注：这里的客户机或服务器根据数据的提供方和接收方相对而言的，并不一定是实际的）。 目前我们常用的http调用、java远程调用、webserivces 都属于这种方式，只不过，不同的就是传输协议以及报文格式的区别。 **1）接口的作用** 通过接口，可以调用成熟的第三方功能插件为我所用（一般就是API接口），也可以根据实际需求由开发写具体的接口代码解决具体场合的信息传输问题（一般所说的http接口）。 对后端产品经理来说，http接口的使用场景最多。比如：公司先上线了OA系统，后上线了订单系统，订单系统需要同步OA系统的人员组织结构信息。那么一个可行做法就是OA系统创建一个接口，订单系统请求，获取最新的人员结构信息。 这个笼统的方案描述中，包含了这么些信息：创建接口、请求接口、获取最新信息等，那么分别是什么以及有什么原则呢？下面分别讨论。 **2）哪一方负责创建接口？** 在讨论需求的时候，开发会问哪方创建接口呢？有时候产品经理只知道需要建接口，不知道哪个系统来建。 可以这样理解，如果把数据源比成一缸水，那么接口就像是凿的一个口，口只能是在缸上面的。 所以接口必须是在被请求的数据源这边，由被请求的一方定义接口。 注意，这里的数据源是相对的数据源，就是被请求的一方就是数据源方。 实际上可能目标数据在请求方。比如例子中也可以是OA系统请求订单系统，但是如果这样的话，接口就是订单系统创建了。因此确切说是被请求的一方创建接口。 通俗的讲就像是求婚：男方去求婚带一百万，女方接到后就把姑娘嫁过去，这是一来一回。 女方也可以去求婚，只是是直接带着姑娘去敲开男方的门，而后男方才把一百万送到女方，这也是一来一回。 **3）什么是定义接口** 定义接口，其实就是定义缸上的出水口。口的大小、滤网、放水的频率等，就是个规则。 这个规则约定了哪些数据是需要流过去，以及流过去的条件（像门禁密码一样）。 定义接口就是设定口令、数据范围、推送前的筛选、转化运算规则等，这是接口的核心内容。 **4）数据在哪一方做转义？** 某些时候，数据从源头到应用端不是原封不动的，而是转化了。比如80分、90分都是及格，可能使用者只需要两个值：及格or不及格。 那么这就涉及到是在接收之前就转化为是否及格，还是接收之后自己转化的问题。 考虑的依据主要是：该数据获取之后是否还有其他用处，只要有可能被二次使用，最好是取原数据。 提前转化的好处是，流转的数据会变得简单直接。但是需要注意的是转化后数据量不一定会少，比如：数据源是订单维度的，而目标是转化为订单+商品维度的数据，这就可能一条变多条了。 **5）是主动获取还是对方推送** 有时候开发还会问是对方推，还是我们主动去取，这就是接口的post/ get方式问题。 get是从服务器方请求数据，post是向服务器方传送数据。前面也提到了，接口交互数据可以是主动推送，也可以是请求获取。 主动推送一般是数据生产方一旦更新，则触发推送，将所需字段对应值传递过去。 请求获取就是数据需求方传递请求参数（请求参数一般是若干条件，比如：账号+密码）。数据生产方则按照协议响应，给出满足条件的数据到请求方（也就是返回参数）。 所以可以看出来，如果对时效要求高的，则建议生产方主动推。比如产生一个新用户，那么就可以理解把用户的信息主动推送给运营方使用。 如果是时效不高或者数据量大，则可以按一定频率主动请求，有利于系统负荷压力稳定。 在具体使用的时候，如果你对接的系统比较多，那么建议做一个公共接口，以后谁想用他们自己来对接就好了，不然就要来一个对接一次，麻烦还有风险。 另外，选择post/ get，最终由双方开发权衡决定，但是一般而言： <blockquote><p>get传送的数据量较小，不能大于2KB。post传送的数据量较大，一般被默认为不受限制。get安全性非常低，post安全性较高。</p></blockquote> **6）接口定义是开发的事情，但产品经理需要给出轮廓** 在输出方案的时候，**接口定义的规则是什么？传参和返回参数是什么？重复传参时是跳过还是再次获取（一般都再获取）？必传参数是什么？是否回传接收结果给数据生产方？这些都是要有大致明确并传达给开发测试的。** 比如：每小时/次取对方表中第一页最新的50条数据。超过的数据下个小时继续取。可以这样设计：  因为一些关键参数牵扯到业务的唯一性维度，这些都在产品经理调研的时候获知的，而这些可能开发根本不知道。因此产品经理要给出轮廓和大概方向。 **7）数据流转的时效** 接口创建之后，如果是接收的对方数据库中的信息，那么上线之后，要考虑先进行数据的初始化（保持基础数据一致）。然后确保后续双方是同步的。 同步的机制和要求是在定义方案的时候就确定的。那么怎么确保同步呢?方法是两种：**触发式和定时任务。** 触发式就是一旦一个参数值满足条件，则触发同步。  定时任务式一般用在不知道数据源什么时候更新，需求方就要设置一个定时任务的脚本，隔一段时间查询一次。请求的频率需要与更新的频率相协调。 **8）总结接口的特点** 优点：时效性强，可以触发式实时问答。容易控制权限，通过传输层协议https，加密传输的数据，使得安全性提高。通用性比较强，无论客户端是.net架构，java，python 都是可以的。 缺点：服务器和客户端必须同时工作，当服务器端不可用的时候，整个数据交互是不可进行。当传输数据量比较大的时候，严重占用网络带宽，可能导致连接超时。使得在数据量交互的时候，服务变的很不可靠。 **9）相关概念扩展** API：即“应用程序编程接口”，是一些预先定义的函数，无需访问源码或理解内部工作机制的细节，即可调用的对象。比如和Windows系统沟通，需要调用Windows提供得API。和新浪微博进行沟通，需要调用新浪微博提供得Api。其实它就是一个软件系统对其他软件系统提供得服务。 - open api：是指对外开发的接口，比如百度地图API、facebook的API等。 - SDK（“软体开发工具包”）：可以理解为api的集合，也就是封装后的API为，功能更完善。 - http接口：是基于接口的传输方式（HTTP协议）来命名的，当然也有基于其他协议传输的接口。 比如： - 和Windows系统沟通，需要调用Windows的API（CreateWindowEx, bitblt,等等），是C语言函数形式的接口。 - 和.Net框架进行沟通，需要调用.Net提供得Api，是以C#，VB函数/类形式的接口。和新浪微博进行沟通，需要调用新浪微博提供得Api，是以Http请求形式的接口。 - API接口的叫法相对http接口叫法更笼统和概念化一些。因此在写方案的时候，http接口和API接口都可以，在具体的场景开发都可以理解的。 ### 2. 数据库对库同步 接口完成的是信息的传输，相对来说比较保守，易于保护敏感信息。而数据库同步实际就是表对表的共享，相对接口就大方多了，因此多发生在企业内部两小无猜的系统之间。 数据库同步有这么几种办法： **1）使用中间表** 例如：B系统要用A系统的数据，可以新建一个数据库DB，A系统将数据写入DB，B系统再到数据库中读取数据。 也就是将数据放进一个中间表中，A、B两个系统都对这个表有访问权限。这样的好处就是选择性地将一大批数据共享出去。 **2）直接调取对方数据表** 这个方式就是在B系统在开发时，在代码中加载A系统的数据表，直接从数据表中取数据。 这就是实时拉取对方的数据，B系统自己本地不做表保存。比较省，事但是耦合性较大，数据量大的时候不建议。 **3）同步对方的数据表** 直接将对方的数据表copy一份过来，并保持实时同步，otter技术就是常用的一个方法。 otte可以将mysql的数据同步至另外mysql或者oracle，也支持双向同步（即A库同步给B库，B库也同步给A库）、文件同步等，主要应用应用是多数据中心、BI系统抽取数据、灾备。  该方式需要DB协助配置。也就是做了一个mysql的同步平台（带WEB管理界面），在界面上，你可以定义相应的映射规则，otter进程就会根据你定义的规则读取binlog，并更新到目标库中去。 该方式主要用于内部系统之间（一般一个公司的才这样）库对库的传输，可以实现数据的相互同步更新。建议应用在数据量大的时候，或者基础数据对周边兄弟系统提供基础支持的时候。优点是占用资源少，交互更加简单可靠。 当连接B的系统越来越多的时候，由于数据库的连接池是有限的，导致每个系统分配到的连接不会很多，当系统越来越多的时候，可能导致无可用的数据库连接。 这时候otter比较适合。而两个不同公司的系统，不太会开放自己的数据库给对方连接，因为这样会有安全性影响。 ### 3. 文件包共享方式 一些第三方公司为了保密，不愿意提供接口，那么会把文件存在类似网盘或网页上，供需求方下载。 双方系统约定文件服务器地址、密码、文件命名规则、文件内容格式等，通过上传文件到文件服务器，进行数据交互，对大数据量的也很适合。 这就是一种异步的上传下载机制，双方的操作割裂开，并且一旦上传可以被多个需求方使用。  比如：第三方支付公司与需求方约定好SFTP服务器（一种文件服务器，可以理解为网盘）的账号密码，然后支付公司将账单数据上传到SFTP服务器上，那么需求方就可以登陆SFTP客户端，进行下载、解析，然后保存使用。这也实现了数据在服务器之间的传输。 实际上这些数据本身也是加密的，所以只有协议的公司才能拿到解码钥匙。长期合作的公司就会持续更新，授权的公司就可以持续下载和解析。这里就有一个下载频率的问题，一般使用定时任务按一定频率去下载。并且要考虑丢包的机制。 案例： <blockquote><p>到SFTP服务器抓取并解析WP支付平台的账单明细，方案如下：<br/>到SFTP服务器找到文件路径，筛选出需要的类型文件，打开文件，按规则解析所需的字段，对应写入本地数据表。<br/>脚本执行逻辑：每次抓取路径下‘修改时间’为前一天的文件。（这里有个隐患：如果出了故障，可能某天的数据就漏了）。<br/>问题：怎么防止丢抓呢？<br/>分析：因为是外部数据，所以这里无法对源数据做“是否被抓取过”的标注。因此建议防丢方案是增加断抓补抓机制。<br/>断抓补抓机制：比如4号抓了修改时间为3号的数据。5号断抓，则6号继续抓取4、5号的数据。断抓补抓的机制就是说一旦某一天的数据中断了，发现不连续，那么系统就自动在下次重新抓一次，看看是否能补上。直到三次都未取到。则不再补救。<br/>该方案可以降低我方抓取故障导致的抓空情况。有时候开发懒省事不愿意考虑这么多，这时候产品经理要提醒他。</p></blockquote> ### 4. 消息队列MQ（Message Queue） **1）MQ概念** 消息队列技术是分布式应用间交换信息的一种技术。目前市场上有很多开源的jms消息中间件，比如ActiveMQ, OpenJMS。  简单说就是一方不断把信息推到队列中，像排队进隧道一样，另一方依次消费这些信息。消息队列可驻留在内存或磁盘上，队列存储消息直到它们被应用程序读走。 该方式更适用于公司内部，数据量大，规律性强，批量往来的数据。主要解决应用解耦，异步消息，流量削锋等问题。 **2）以异步处理举例说明** 用户注册后，需要发注册邮件和注册短信。传统的做法有两种：a.串行的方式；b.并行方式 a、串行方式： 将注册信息写入数据库成功后，发送注册邮件，再发送注册短信。以上三个任务全部完成后，返回给客户端。  b、并行方式： 将注册信息写入数据库成功后，发送注册邮件的同时，发送注册短信。以上三个任务完成后，返回给客户端。与串行的差别是，并行的方式可以提高处理的时间。  假设三个业务节点每个使用50毫秒钟，不考虑网络等其他开销，则串行方式的时间是150毫秒，并行的时间可能是100毫秒。 因为CPU在单位时间内处理的请求数是一定的，假设CPU1秒内吞吐量是100次。则串行方式1秒内CPU可处理的请求量是7次（1000/150）。并行方式处理的请求量是10次（1000/100） 小结：如以上案例描述，传统的方式系统的性能（并发量，吞吐量，响应时间）会有瓶颈。如何解决这个问题呢？ 引入消息队列，异步处理。改造后的架构如下：  按照以上约定，用户的响应时间相当于是注册信息写入数据库的时间，也就是50毫秒。注册邮件，发送短信写入消息队列后，直接返回，因此写入消息队列的速度很快，基本可以忽略，因此用户的响应时间可能是50毫秒。因此架构改变后，系统的吞吐量提高到每秒20 QPS。比串行提高了3倍，比并行提高了两倍。 在设计方案的时候要注意异常情况的处理机制。比如：首次消费失败？ 如果第一次数据消费的时候，无法识别没有匹配上，但是又想下次再消费一次看是否匹配的上怎么办？可以设定机制：无法识别的则重新插到队列后面继续推送。 如果一直循环仍消费不掉信息积压怎么办？ 设定处理机制：超过一定积压数据量或者循环时间过长则进行报警。 **3）MQ、文件包共享、接口的对比** MQ推送过去之后，是否推送成功无需对方再用MQ返回，因为推到中间站就意味着我方能做的事情已经做完。 而接口是一来一往才知道是否成功的，也就是要返回一个信息。这点与mq是不一样的。但是如果非要对方再返回是否接受成功的话，那么就要做反向MQ，这相当于另一个独立的MQ。 文件包共享也不需要反馈机制，因此传到了文件服务器之后，数据方的事情就做完了。 队列的一个信息只能被消费一次，不同系统不能共同消费一个队列。因此如果对接多个系统则要多次创建MQ。而接口可以创建一个，让其他很多系统调取。 在订单系统对接各个销售网站和平台的时候就可以采用这样的机制，避免多次对接。文件包共享也是可以上传一次，供多个需求方下载。这点和接口有相似之处，是MQ所不具备的。 ### 5. 其他手段 数据传输包含了数据信息的获取和写入，其实除了线上的自动机制，还有很多土办法，在后端产品系统中也是常使用的。 **1）导入导出** 场景：没有办法做系统之间的对接，但是线下能获得数据。数据量不太大，且有规则数据。则可以通过导入的方式。 文档一般用csv格式，该格式文件较小，兼容性好，然后需要定义好excel表格对应字段的关系，比如A列对应字段‘name’，B列对应字段’age’。 上传时需要对文件检验，比如格式不对、必填项为空等，建议一旦一处错误，就全部不予导入。并返回错误提示，修改后继续导入。 若数据太大（与服务器的性能也有关系，比如超过一万条），可以采用异步上传机制，就是上传之后不立即执行写入，而是后台自动分批写入。 **2）爬取** 作为数据需求方，获取数据可以通过协商接口的方式、SFTP解析的方式、或者直接爬取的方式。比如需要获取第三方网站商标库中最新商标名称、注册地、logo、授权期限等信息，如果该网站不给于开放的接口授权，可能就需要我们开发写爬虫代码爬取（当然有的商业数据也是带有反爬机制的，这就看谁道高一尺魔高一丈了）。 ## 三、数据传输的处理机制 ### 1. 数据同步的触发机制 前面提到了数据获取的方式，那么数据获取频次或者触发机制是怎么样的呢？这要根据应用场景来设定方案，但是一般都是要求持续获取的。 一种方式是操作事件触发，比如页面的按钮点击则触发传递最新状态。这种的时效性比较高，但是也会由于并发而增加系统负荷。 如果对时效要求不高就可以采用异步机制。比如使用脚本监控。设定脚本的运行频率，当读取到更新时间为频宽内的数据，则将其捕获并传输。定时脚本也叫定时任务等。定时脚本在后端是很常用的。 比如说每次获取A系统6小时内更新的数据，那么每2小时取一次的话是没问题的。但是若每7小时获取一次就会漏掉1小时的数据。因此一定是每次获取的数据时间区间，要高于数据获取的时间间隔。 当然用时间是一种维度，更安全的是用标示性字段。比如每次获取is_got为0的数据。前台是is_got做表索引（索引前面讲到过），这样遍历（遍历约等于全表查询）数据库的时候就不会太慢。 ### 2. 是否异步执行数据处理 如果获取后还要在本地进行规则运算，则最好先落地到中间表，再由中间表写入最终表。也就是异步写入。 比如：按照订单+包裹号维度，从物流系统获取运费到财务系统，然后财务系统再将其分摊到包裹的商品上面，算出每个商品分摊的运费金额。 这时候就很容易出错，因为分摊规则是个算法，算法就带有规则的可变动性。一旦分摊规则的参数不准确，或者算法结构变化，都会导致最终分摊的运费金额错误。那么这时候追查错误原因并修复数据就很麻烦。 所以在进行分摊之前，先落地到财务系统的临时表（中间表）中，然后获取数据完成。再进行写入分摊运费的操作。 除了上述方便查错误原因外（有种数据清洗的意思），这种异步操作同时也确保了较少的偶联，不至于一个环节出错，则联动出错。同时它作为一个基础数据，也可以被其他功能调用。若数据量万级以上的，必须这样做。 ### 3. 判重机制 数据通道搭建好之后，数据流往往是持续获的。而数据源在别人那里，可能会被增删改，因此常常有相似或相关的数据进来。 在写入本地表的时候，不管是覆盖、更新还是插入，都是以确定若干字段做为判重的标示为前题的。 比如职工信息表：（姓名+手机号+性别+家乡+身份证号）。（姓名+手机号+性别+家乡）这几个字段对一个职工不一定唯一，但是身份证号就是唯一的。因此如果我们更新这里的数据，就以身份证号为唯一标示。 比如获取到同一个身份证号的手机号与我们的数据库的不同，则更新。遇到我们的数据库不存在的身份证号码则插入。 某些时候无法确定那几个是唯一字段，则可以添加一个备用字段，人为定义其取值规则，然后作为去重字段，比如这个字段叫unique_code，取数据源表的主键+日期，（或者直接就取源表的id，也就是外键）。 有了判重字段（也就是数据唯一的字段），就可以进行更新、插入或者跳过规则设定了。 注意:若一段时间之后，改变了表的去重规则，则需要考虑到历史数据对新数据的影响，因为二者的判重维度不一样，可能会进来和以前的历史数据冲突的交叉数据。 ### 4. 获取到数据之后，如果使用? 一种是直接在页面展示，不保存在本地数据库中。相当于每刷新一次页面则通过接口调取一次对方的数据展示。但这种从性能和场景上都是比较少的，一般都是先保存到本地数据库上，自己本地各种调用。 对于先保存到本地的情况，有两个问题要考虑：是否异步保存，和如何确保同源同步。 ### 5. 处理日志 数据日志：目的是记录数据的来龙去脉，追溯以分析问题。 日志要记录三个主要事项：数据源系统是否提供数据、目标系统是否接收到数据、目标系统是否写入了数据。 产品经理告诉开发加数据捕获日志的时候，需要告知是否存到表里，因为系统一般都有一个类似缓存一样的日记，只是会定期清理的。只有保存下来才能一直记录和追溯。 开发后台本身是有数据log日志的，因为log4j开源代码定义了5个主要级别的log：FATAL、ERROR、WARN、INFO、DEBUG，一般情况下，开发都会自觉配置INFO或DEBUG级别的日志，以方便查数据。 但是代码中的kog保存时间不会太长，比如一个月就会清除了。因此如果需要保留的时间长，则可以将其保存到本地数据库。 根据实习需要，存了数据库就可以做成页面，展示给用户看。 ## 四、数据传输的注意事项 ### 1. 目标数据表最好和中间表的维度一致 假设从A系统获取的数据存入B系统，先落地到中间表b，然后经过一些列运算后将数据从b写入到b’表。 注意b和b’表的去重字段要对应起来，并传递下去。因为维度相同，做到一对一，方便实现异常数据溯源。 ### 2. 不同入口写入同一类型数据时，如何与自身入口的数据去重，且与其他入口的数据互相去重？ 案例： 有新旧两个不同的写入程序，写数据到利润表，写入的都是‘退件入库’利润类型，是殊途同归。不巧的是两个写入入口各自有本身的去重规则，彼此去重的规则不能通用：假设入口1对应的去重字段是A+B，入口2写入的去重字段是B+C。 这就意味着同一个数据如果分多次写入，有可能从两个入口都会写入。如何实现避免重复写入是核心问题。 我们首先考虑的是，如果一条源信息从一个入口已经写入了利润表，那么就不能从另一个入口再写。 其次，如果从入口1写入一次，那么后面源数据更新再次触发写入的时候（判重，确定是插入还是更新），就还要从入口1写。也就是一旦从一个入口写入，后面该数据的变更触发的再次写入也只能从这个入口继续变更。 只有这样才能保证这个数据不重复。好比先找到是哪家的孩子，再确定是第几个孩子，且只能是基于这家内部去确认。 方案一：比如入口1遇到一个待写入的数据，则先按自己的去重字段A+B校验。如果发现不存在该数据，则再按照入口2的去重字段B+C（这个事先是知道的）判断是否存在，若也不存在，则回到入口1写入。若存在，则入口1不在写入，且结束进程（因为入口2会触发写入该数据的）。 方案二：比如入口1遇到一个待写入的数据，则先按入口2的去重字段B+C校验。 查看对方入口下是否有重复数据，有，则本入口不写（继续按对方的路径写）；无，则自己的路径写。显然方案二的判断路径更短，相对好一点。 ### 3. 同步基础数据的时候是否提前过滤 这个在上面内容中也提到过。比如：A系统维护了员工的基础信息，其中有个状态为【是否有效】，只有有效状态的才能在整个系统中看得到才是生效的。B系统要取用员工信息的数据，但不做数据维护。那么是否只取启用状态的数据到B，还是不区分状态都取呢？ 答案是：在数据量差异不大的情况下，取全量。 原因之一就是，若启用状态的用户忽然被A系统禁用，那么可能该用户在B系统的生产数据报错，这时候到中间表看状态就可以看出来问题，而不需跨系统或跨部门沟通查证。 本文由人人都是产品经理作者【产品参赵】，微信公众号：【产品参赵】，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。

在新能源汽车叙事全面转向AI与纯电平台的当下，极氪的这次出牌显得不合时宜，却也格外引人注目。

年报显示，2024财年，电科金仓实现营业收入4.33亿元，较上年同期增长16.02%；实现净利润8006.60万元，较上年同期增长6.42%。

<blockquote><p>当线上社交陷入“海量陌生人+低信任”死结，N2my用一通3分钟的AI电话把线下B2B活动变成精准匹配现场：先让算法帮你筛出“最该认识的人”，再让真实场景完成破冰，60万次配对验证——AI不是替代人，而是把人类社交的火花提前点燃。</p> </blockquote>  全球社交应用市场似乎正在迎来一波变革。 根据点点数据，2024年H1季度，全球泛娱乐社交应用下载量同比增长了2.2%，总体呈现出了上升趋势。以用户需求和技术发展为导向，一些更为细分的场景被开发并落地，逐渐成为改变泛娱乐社交品类延展方向的航向标。 “当AI在助聊场景使用频率变得更高，我们意识到线上社交正在面临一波大洗牌。”N2my的创始人Joanna对我们说道：“传统社交产品多数是以聊天作为人类的了解基底，使用社交产品的人，通常会抱有一些目的，比如聊不聊的来、是否会有一些精神上的沟通、回复及不及时等等。而我们看到AI出来之后，第一个快速兴起的AI社交赛道产品是助聊软件，也就是利用AI去回复一些来自陌生人的聊天内容。透过这一趋势，我们意识到，如果一个人被丢在一个装了很多鱼的池子里，可能不知道哪条鱼才是能改变你命运的。但如果我们帮助他先筛选一遍，就能直接把最适合的那条鱼递到他面前。” 基于这一思考，N2my诞生了。N2my是一个垂直型AI社交工具，以线下B2B活动作为切入点，通过AI算法来帮助用户进行配对。在具体使用方式上，用户只需要留下手机号，和N2my的语音AI进行通话，即可在活动开始前收到精准的匹配建议。截至目前，N2my已经生成了近60万次匹配，落地20+付费B2B活动，并且已经产生了上万美元的收入，获得了海外资本的青睐和注资。  由于N2my瞄准的本身就是想要参加线下活动（有明确目的）的用户群体，因此本质上说，N2my解决的是社交网络中的匹配效率问题，与AI赋能社交的逻辑天然契合。同时，其衍生出的商业模式，也非常符合以人为基底来实现价值交互的的社交网络环境。 瞄准北美市场的线下社交是怎么跑出来的？N2my的发展和产品打造经验或许可以成为一个重要的参考。为此，我们特别和N2my背后公司haveumet的创始人&amp;CEO Joanna聊了聊。以下是对话原文，为优化阅读体验略有顺序和文字调整： ## 基于AI的社交系统是怎样炼成的？ 扬帆出海：请简单介绍下自己和咱们的业务。 Joanna：我是一个连续创业者，同时也是一个消费品赛道的投资人。目前我们在做的AI匹配项目-N2my已经在美国正式上线并运营一段时间了。N2my是在线下活动中帮助参与活动的用户进行一个匹配，告诉他来到这个活动最应该认识谁，最该聊什么，怎么去和其它用户建立联系。 扬帆出海：目前咱们的团队构成是怎样的？ Joanna：我们目前团队主要是以哥伦比亚大学为基石的，我自己是哥大MBA，我们主要的AI技术负责人是哥大AI项目的PhD，AI工程师也是来自哥大。 扬帆出海：了解到咱们目前为止几乎没有在国内做过宣传，现在在国内发声的契机是什么？ Joanna：契机就是认识了一个在国内做创始人社群的、非常厉害的女性投资人，她说如果想要在国内看下投融资机会，那应该在国内进行一些宣传，正好我们也有这个项目，就觉得是一个非常好的机会。 扬帆出海：我们了解到，N2my目前是从线下B2B活动的AI配对切入。这样做的原因是什么？优势有哪些？ Joanna：我们把社交归结于四个环节：exposure（暴露）、matchmaking（匹配）、filtering（筛选）、interactions（互动）。 绝大多数社交产品是尝试从第一步做到第四步的，这里面它会带来一个问题：当我们是茫茫人海中的两个陌生人时，我们是非常低信任度的，而低信任度要靠很长的时间去磨合缓解。那B2B这一场景天然就把基于活动主持人或者活动组织者的信任感带到了我们产品中，这是第一点。 第二点，基于验证的角度去理解这一问题，如果我们是两个陌生人，想要通过陌生人社交结识，那其中会有很长的试探验证过程，而且人的心理期待值也会非常高，所以往往容易失望。而对于我们产品来说，既然你已经要去参加这个活动了，那么为什么不让你的活动更有价值和效率呢？其实是这样的一个思考逻辑。 此外，我们也看到传统社交产品一直依赖于网络效应，网络效应就是说越多人用你的这个产品才越好。但在纽约等一些城市，如果想要（在当地）有更好的网络效应，那么大概需要有5万名左右的用户，这就会让整个池子变得更杂、让人变得更杂了，反而用户体验和信任度会变低。而对于N2my而言，无论这个活动是30人、300人还是3000人都没关系，都会有很好的网络效应。 扬帆出海：那传统社交应用的匹配机制大多来自于算法或者标签分类，N2my则是通过AI来进行配对，二者逻辑上有何异同？你怎么看待如今市场中社交匹配平台或者工具？ Joanna：AI的到来给匹配算法本身带来了一些新的科技，但我们认为更重要的点是：AI真正赋予了社交类产品获取信息方式的变化，特别是精准匹配率的提高。 信息收集方面的提升要远大于算法方面，因为在传统过程中，很多时候我们戏称说你使用的社交产品都是程序员帮你定好的，你回答的都是程序员觉得重要的东西。而现在，AI给出了一些其他（类型）的信息收集方式。 以N2my为例，N2my是用打电话的方式进行信息收集的，打电话这一方式有几个核心优势，首先就是高效率，一个人说话肯定比打字快。第二是技术和互动，如果你说了一个有意思的东西，那么AI可以顺着你的思路去往下说，而不再是程序员定好的（思路）。第三点比较容易忽略的是情感支持。人在社交的过程中其实是一个长期的孤独或者迷茫的状态，在和N2my互动的过程中，有很多我们的使用者都反馈“被支持了”，也重新思考了自己人生的一些事情，这是很有意思的。还有一点，就是从语音的角度可以收集到比填表或纸面更多的信息。因为现在出现了很多AI协助填表回复的情况，但从语音的角度来说还不那么容易。  扬帆出海：AI在融入社交玩法上确实带来了很多机遇和优势，那反过来，是否也给社交工具带来了一些负面影响？ Joanna：最大的负面影响其实是AI助聊，或者说是AI对人的语言、整体表面的修饰，甚至假图片的出现。从我个人理解来说，我认为AI其实是让人类的社交变得更加割裂，一部分用户会极度享受和AI互动带来的情绪价值和支持，比如AI男友、AI女友等，而且这本身也是一个很大的机会赛道。另一个赛道的方向，就是一部分用户极度厌倦了网上带来的虚假和嘈杂的声音，更想要与真实的线下人类社交。从这个角度说，AI是把人类社交这件事变得更割裂了。 扬帆出海：那针对这些痛点，咱们是否有探索到好的解决办法？ Joanna：我们的产品N2my更多是从第二个赛道——真人社交方向去发力。目前我们的第一个产品形态是活动匹配，第二个产品形态是我们接下来马上要推出的一个产品形态，当用户们已经交换联系方式并有初步了解后，和AI讲述一遍自己的人生故事，让AI去记住他的需求，并且帮助用户来判断他们之间是否值得继续进行连接，进一步提高效率。同时，这涉及到我们目前内部开发的一个重要技术——social network，通过更多用户模型的建立，可以很好地对用户的社交思考以及需求进行判断和预判。最终我们是希望打通线上线下的壁垒，甚至打通一些穿戴型设备、APP等链路。 ## 瞄准目的明确的高质量用户，B2B线下社交的优势 扬帆出海：既然是从线下B2B场景切入，那咱们目前主要面向的群体有哪些？ Joanna：目前主要有几类，包括投资人和创业者、校友会和学校、恋爱为目的社群和社区、企业招聘或团建等等，总结来说就是针对有高度社交需求、有目的社交的群体。那些无欲无求就是想交个朋友或找饭搭子的用户是比较少的。 扬帆出海：这类用户和我们所谓的高质量用户类型很类似，那么他们对于这种社交形式的付费意识和习惯怎么样？ Joanna：非常强。我们现在是和B2B的活动方进行合作，那对于我们来说，可以获得活动组织者的一些信息，来帮助我们训练模型。对于活动组织者来说，他们也是有获取信息需求的，这是他们的付费理由之一。而用户们在参加活动之前就知道他要见到谁，为什么要见到他，以及这个人可能对他带来怎样的人生变化时，会更容易来参加，不会放鸽子。对于活动组织者来说这也是一个额外价值。此外，AI这么一个小的元素，会让活动组织者觉得非常有意思，也是吸引他们付费的核心点之一。  （图：N2my 正在为用户推荐合适的社交伙伴） 最后，我们的最终产品形态是一定会面向C端用户进行收费的，最简单的一个付费点就是效率。目前来说，美国的消费者最愿意为自己的效率付费，而社交其实是一个非常累的事，就好像复读机，要不断跟不同的人复读自己的人生经历。而既然这是一个必须的经历，那他们宁愿每一次复读都可以带来价值，所以愿意为此付费。 扬帆出海：那在咱们线下实践里，有哪些活动类型特别受到用户青睐？ Joanna：一个是投资人和创业者，另一个就是约会。 扬帆出海：这个过程中，怎么样做好用户数据的回传和接收？ Joanna：形式的话是通过打电话。在信息获取方面，我们主要有三个维度，一是活动组织者给我们发来的用户参与信息；二是一些用户的互联网可见信息，比如领英或Instagram等平台上获得授权的一些信息；三，也是最重要的一点，是互联网不可见信息。很多时候社交中有太多用户存在一些不可明说的需求，比如想要在一个投资人活动上找工作，或者想要在约会活动上找投资人、在校友活动上找恋爱对象等等，这些互联网不可见内容的分享，是驱动用户主动向组织者提出想要使用我们产品，以及愿意持续使用的重要原因之一。 扬帆出海：那咱们N2my用户和AI电话沟通的时长大概需要多久？ Joanna：标准版本下，如果用户想要回答得很快，大概3-4分钟就可以完成，如果用户想要回答得更多，大概可以聊到10分钟。此外，N2my有很多不同的受众，根据用户的目的不同，时长也会有所差异。 ## 真人社交风潮不可忽视，AI融入带来新的变量 扬帆出海：从今年6月中旬的数据来看，全球社交市场中做游戏社交、语音房、直播交友的应用占比远超主打交友的应用，线下社交产品其实非常少。想了解下，您是如何看待如今的海外与国内社交市场的？ Joanna：我认为你刚刚提到的这些肯定是主流，但接下来，如果人想和人继续保持联系的话，我们觉得真人社交也会是一个不可忽视的风潮，甚至是一个有更多付费欲望、付费意愿和付费能力的市场，这是一点。 针对欧美和中国市场的差异，我认为亚洲特别是中日韩国家都是非常有网感的，就是人们在网上得到了非常大的情感支持。还有就是客观来说，这个生活生存压力是非常大的，也因此能够给人留下社交和建立真实世界连接的时间比较少。东亚社交市场的一个明显风格是重联系、轻社交。解释来说，就是人与人之间的关系非常紧密，可以为兄弟姐妹两肋插刀。但可能每年认识新朋友或者建立社交关系的人数非常有限。而对于美国市场来说正相反，是轻联系，重社交，可能美国人之间只认识一次就能称为朋友，但实际上一年也不会发几次信息，而且每周、每个月甚至每年他们都会认识非常多的新人。所以能看出两个市场的社交背景和逻辑完全不一样。 扬帆出海：那从咱们打造N2my的经验来说，怎么样的一个线下社交产品才能让用户满意？ Joanna：N2my目前探索的就是低验证成本，这个非常重要。因为我们之前尝试做过一个一步到位打通整个社交流程的产品，但最后发现不是AI技术不行，也不是用户不相信AI，而是验证这个匹配到底好不好的成本太高了。 所以我们现在的核心思路还是从一个低验证成本的情景出发去完成这个事情，然后在用户的使用过程中去为用户进行建模，建模完成后，再继续去深挖，和用户建立信任。而长链路的社交产品有时只要在建立用户信任的过程中有一点小摩擦，用户就会掉头，不会再用这个产品了。 扬帆出海：说到建立信任，可能AI的精准匹配非常重要，咱们目前是怎么做到的？ Joanna：主要是前面提到的三个信息收集渠道。精准匹配一定是来自于足够多的材料和足够精准的材料输入。此外，由于我们试错成本比较低，用户试错了或者试对了都会比较愿意和我们继续互动，所提供的反馈能够帮助我们进一步矫正用户模型。重要的是，他们不会因为几次聊天失败就特别难过，而是会说下次你们可以做的更好一些。传统社交产品可能让用户失望一次就不会再有任何反馈了。 因此对于我们来说，一个好的反馈系统可以让用户愿意用一个低试错、低验证的形式去进行反馈，在此基础上再扔到AI系统中进行训练。不过总的来说，我们还是认为实际上的核心还是用户收集，因为整个AI C端市场在技术上已经没有太厚的壁垒了，更多的是和用户之间的信任度。 扬帆出海：在N2my的社交匹配系统中，哪些AI模型的能力是比较核心的？ Joanna：比较重要的是匹配算法，因为我们是从Dating APP起家的，已经做了非常多匹配玩法和技术层面的突破升级。但这些东西拿到N2my这个产品形态里其实是一个降维打击。因为很多时候社交不需要非常复杂的匹配思路，逻辑简单一点就可以做到了。所以我们把其中的一块拿过来做，也可以对用户有更好的一个建模。除了匹配算法之外，就是信息收集系统、语言收集系统以及AI语音互动等。 扬帆出海：N2my是怎么做投放的？ Joanna：我们目前是有两种方式，一是使用一些AI的B2B市场工具来精准地找到我们这种产品的活动组织者，可以是企业里负责企业文娱活动的某个人、校友会的负责人等等。二是我们现在正在做的这种线下社交模式其实是有独特分发渠道的，我们不需要做SEO，更多是精准地在社群内进行一些投放，即community insider business。 ## AI社交的尽头是“哲学”，人与人社交的火花需要维系 扬帆出海：后续N2my所代表的这个赛道可能会遇到哪些挑战？ Joanna：最大的挑战是：人真的还想和人社交吗？我们觉得AI社交这条赛道做到最后一定是哲学问题。比如包括我在内的大部分人遇到生活或者情感上的问题都会和GPT讨论一下，那么以后人真的还需要和人社交吗，还是和AI就行？这可能是终极的哲思。 扬帆出海：涉及到哲学可能是一个需要很长时间才能回答的问题了。 Joanna：是的，这也是一个全人类需要思考的问题。我们创业有一个核心思路，叫：AI for Good，意思就是AI应该给人类社会带来一些正面的东西。我们认为我们在做的产品其实是在帮助人类继续维持在真人社交的火花里。 扬帆出海：我们最近观察到，市场上专门与AI聊天的这种类型产品其实有一点遇冷，下载和营收相较于过去两年下降了很多。 Joanna：我认为有两个方面的原因，一是他们做的还不够聪明，二是现在GPT这样的对话模型已经做得非常聪明了，我完全可以把我的GPT通过Prompt编写调整成一个男朋友或女朋友，那我为什么还要去单独下载一个AI聊天应用呢？除非它是一个实体机器人。 作者丨汪酱 编辑丨火狐狸 本文由人人都是产品经理作者【扬帆出海】，微信公众号：【扬帆出海】，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。

“相关并不意味着因果”——这句老生常谈在科学研究中常被提起，却也常被忽视。

所有的企业，都要为最终用户服务

“水战”未完待续。

文 | 张冰冰 编辑 | 阿至 36氪获悉，蓝点触控（北京）科技有限公司（以下简称「蓝点触控」）近日宣布完成近亿元B轮融资，本轮融资由广发信德、复星创富、合肥创新投、华仓资本联合投资，资金将用于产品研发投入、海外市场拓展、团队人员补充等方面。 「蓝点触控」成立于2019年，是一家专注于智能机器人力控技术研发及应用的国家高新技术企业，核心团队主要来自中国科学技术大学、航天科技集团、中国科学院等科研院所，北京航空航天大学机器人所名誉所长王田苗教授担任公司董事。目前已形成包括人形机器人六维力传感器、通用六维力传感器、关节扭矩传感器、拉压力传感器等多个产品系列。 「蓝点触控」力觉传感器产品在传统工业机器人领域、新兴人形机器人领域均有覆盖。工业机器人方面，「蓝点触控」聚焦打磨、装配、医疗手术机器人、焊接等领域，产品已应用于医疗、航空航天、3C电子、汽车等行业。**人形机器人方面，「蓝点触控」已与智元机器人、小米机器人、千寻智能机器人、优必选、众擎机器人等行业头部企业建立合作，成为其批量供货商。** ## **一、用平台型技术能力，推动力觉传感器规模化应用与成本下降** 六维力觉传感器最早系统化应用在航空航天领域，用于测量飞行器在风洞试验及飞行过程中的空气动力学特性。在具身智能系统中，力觉传感器相当于机器人核心的力觉感官——通过应变或压电效应，将机械臂末端、关节或足底等部位的环境作用力转化为电信号，实时反馈至控制系统，从而让机器人实现操作精准调控、碰撞保护及自适应运动控制等功能。 长期以来，以ATI为代表的国际厂商凭借先发优势占据高端力觉传感器市场，但「蓝点触控」创始人刘吴月认为，国内力觉传感器在技术层面有更深的积累，“**中国航空航天研究六维力传感器已经有70多年的积累，我们核心团队来自航天领域，相当于站在巨人的肩膀上发展，所以在串扰、灵敏度等性能上，我们目前的水平其实要比外资品牌好。**”国内新兴企业真正的挑战，在于如何将航天领域&#34;不惜成本&#34;的技术体系转化为可规模复制的工业方案，并且解决成本问题。 据介绍，**「蓝点触控」在成本控制和技术方案上做了一系列调整，在保持高性能的情况下，达到了更好的性价比。**“第一是技术手段，通过技术方案的改进，实现包括硬件电路、结构以及生产工艺的整体迭代。第二是通过自动化生产工艺改进，提高生产效率，保障高良品率。第三是规模效应，规模化后，通过管理手段和供应链管理，进一步降低成本，提高生产质量。”刘吴月总结道。 具体产品性能指标上，「蓝点触控」在三个方面进展明显：**精准度方面**，普遍做到0.3%FS，人形机器人六维力传感器具备0.1%FS高精度；**响应速度方面**，在一些关节上，最高响应频率做到10kHz，相当于每0.1ms响应一个数据点；**集成度方面**，传感器重量相比原来降低80%以上、体积降低90%以上，让合作方能够在几乎“无感”的情况下植入力传感功能。  「蓝点触控」 人形六维力传感器  性能提升的背后是底层的平台型技术能力，「蓝点触控」技术平台包括四项核心技术：第一项是高性能弹性体的迭代设计，通过精巧的结构实现高性能、高结构强度、低串扰，同时具备高过载能力的性能；第二项是嵌入式硬件电路，其核心在于在低噪声、高带宽的情况下获取整个底层的应变数据；第三项是力控算法，强调高效且高精度地解耦，将内部数百个敏感点的数据快速、高精度地解耦出六维信息数据；第四项是高精度六维同步校准技术，运用光学引导和浮动载荷等技术，以及六维同步加载的综合技术，形成一个高精度的校准体系，以保证总体的精准度。 **依托平台型技术能力，「蓝点触控」可以将客户需求响应周期从定制化的6-8周，降低到3-4周。**在具身智能技术加速迭代的产业环境下，整机产品的市场化周期已普遍压缩至6-8个月，时间压缩的能力也成为衡量技术型供应商竞争力的重要指标。 ## **二、具身智能行业增长超预期，加速国内市场渗透与海外布局** 在刘吴月看来，近两年具身智能行业发展迅速，一方面，在工业机器人领域，协作机器人增速很快，两年前几十台订单都算是大客户，现在行业陆续出现了千台量级的订单；另一方面，人形机器人在2023年下半年开始大发展，据IDC报告，2024 年中国人形机器人商用销售出货量约2000台，超出行业预期。刘吴月预估，按照当前趋势，2025年人形机器人出货量有可能达到5000到10000台的量级。 同时，随着具身智能行业加速下场实践，力觉传感器的重要性也逐步凸显。**“当机器人真正下场交互，任何接触场景都很难仅靠视觉定位达到高精度要求。这个时候其实就非常典型地需要类人方式操作，即视觉粗定位，力觉完成精细操作。”**刘吴月观察到，去年下半年行业开始向末端加装六维力传感器，今年开始在每个关节加装关节力传感器，“因为六维力传感器加装速度最快，而关节力传感器响应速度表现更好。”根据行业统计，人形机器人普遍需要手腕、脚腕4个六维力传感器，28个关节力矩传感器，量产状态下，约占人形机器人整机BOM成本的15%。 针对人形机器人和工业机器人两大板块不同的需求、产品特性，「蓝点触控」定向推出对应的产品系列。面向人形机器人，研发LA和LC系列产品，包含了人形机器人六维力和关节扭矩传感器产品；针对传统工业领域，开辟LB、LD和LE系列，分别是通用六维力传感器、关节扭矩传感器、拉压力传感器。  「蓝点触控」 LC关节扭矩传感器  公开资料显示，「蓝点触控」在规模化上已经形成了较强优势，**2024年其人形机器人六维力传感器领域的市场份额已突破70%，**2025年上半年已有多个单一客户六维力传感器出货量达到千台量级；**在机器人关节力传感器方面，「蓝点触控」2024年出货量近5万多套，2025年上半年出货量7万多套，占国内总出货量95%以上。** “力传感器本质上是一个零部件，零部件一定要尊重其发展规律，前期凭借技术优势快速开拓市场，但最终要通过规模化来实现长期可持续发展。公司已及时将技术优势转化成规模优势和市占率，同时反向形成综合的服务、质量、成本优势。”刘吴月介绍，「蓝点触控」连续三年每年销售收入翻倍，已实现正向现金流。 此次融资后，「蓝点触控」将进一步补充研发端投入、扩张团队，面向人形机器人小尺寸、高精度、高带宽等方面需求，拓展更多细分领域的传感器产品。**在市场端，通过综合技术优势，拓展核心客户的商业渠道，并面向欧洲和美洲市场拓展海外客户。** ### **36氪未来产业** 「36氪未来产业」持续关注城市发展、产业转型和创新创业项目落地。寻求报道可邮箱联系wangfengzhi@36kr.com或扫码联系作者。 此外，今年36氪正式推出《36氪企业投资指南内参》，依托在经济圈产业群、区域重点推进规划与招商领域的深厚积累，36氪通过提供深入详细、更为及时、独家专有的全面信息服务，为政府部门提供高效、精准的产业项目内参；助力项目方匹配产业资金、链接关键人脉、快速融入新的产业生态。      本文来自微信公众号[“36氪未来产业”](https://mp.weixin.qq.com/s/MOG7paw5ynZntIRQPwRsJg)，作者：张冰冰，阿至，36氪经授权发布。

Trump Indonesia will pay the U.S. a 19% tariff on all goods exported to the U.S., while U.S. exports to the country &#34;are to be Tariff and Non Tariff Barrier FREE.&#34; The 19% tariffs are inevitably lower than the 32% levies Trump threatened last week.

2025年7月8日，中国（广州）国际建筑装饰博览会现场，**金牌家居**正式启动新一代家居设计智能体“**飞流AI2.1**”全民公测。**拓元智慧携手鲲鹭W实验室**，依托**拓元智慧**自研“**物理空间智能引擎**”，突破传统AI设计瓶颈，实现从空间解析到沉浸式交互设计的**全流程物理级精准闭环**，引领家居设计迈入“所想即所见、所见即所得”的智能化时代。   图 1“飞流AI”部分界面截图 **1.技术底座｜破解AI“不懂物理”行业痛点** 传统 AI 设计工具因仅在“数字”空间训练，常出现“尺寸失真”“物理规则违背”等硬伤（如家具比例失调、材质反逻辑）。拓元智慧自主研发的物理空间智能引擎，赋予模型真实世界的空间与物理认知能力，依托两大核心技术实现行业突破： **1）具备空间感知的多模态生成**：融合显式物理空间表达与嵌入表示，实现具备空间理解与保持能力的多模态内容生成与仿真。 **2）面向物理感知的长程推理**：结合多模态思维链与空间解析能力，支持空间关系建模与物理交互的深层次物理感知推理。 **2.落地效能｜开启“所想即所见、所见即所得”的家居新范式** 借助以上技术，飞流AI已进入公测，构建“空间解析→空间生成→空间交互编辑”一体化智能流程，真正实现想象到落地的无缝闭环： **（1）高精度4D空间重建与仿真** i.从任意2D平面图一键生成高保真3D模型，自动完成硬装空间建模与可视化编辑； ii.内置15类经典户型模板，快速输出专业设计图，支持实时漫游与光影预览。 **（2）自然语言驱动的空间交互** i.用户可通过一句话或多轮对话，实时调整墙体、家具、灯光等元素； ii.智能意图识别，所有改动同步更新至三维场景，操作简便又精准。 **（3）三维资产深度定制与智能布局** i.平台自动生成并优化家居模型，材质、结构、风格可多维度自由编辑； ii.智能重构室内布局，最大化释放空间潜力、提升使用效率。 凭借这一整套前沿技术与高效流程，飞流AI不仅加速了专业设计落地，也大幅提升了用户体验。 **3.行业赋能：从技术验证到千行万业的智能进化** 飞流AI的公测标志着拓元智慧技术引擎的又一次场景验证，该引擎已推动多领域变革： **（1）线下无人零售领域**：以AI为核心粘合行业上下游，提供AI新零售综合解决方案，助力线下零售向智能化、无人化运营转型。 **（2）具身智能仿真训练**：围绕“感知+决策+执行”，打造具身智能场景的“中心智脑”，赋能具身应用“最后一公里”。 拓元智慧CTO陈添水表示“物理空间智能引擎正成为产业智能化的共性底座。我们将持续聚焦于研发新一代物理空间智能引擎，开放技术能力，助力更多行业实现‘数字空间与物理世界对齐’”。

一夜之间，英伟达、AMD公司市值共增长超过1700亿美元（约合人民币1.22万亿元），英伟达市值已经朝着4.2万亿美元狂奔而去。

一场意外的走红，揭开了一家千亿企业“用户至上”的底层逻辑。 如果不是今年3月“代表通道”上海尔集团董事局主席、首席执行官周云杰的“出圈”，拉近了公众与这位传统制造业巨头的距离，很多人可能很难相信，原来不只米粉能许愿，海尔也可以，而且能力强、效率高，用户许愿的三筒洗衣机，海尔就加紧研发生产直至下线。 用户才是永远的顶流。自入驻社交平台以来，这位掌管着全球大型家电第一品牌的企业家，每天晚上都会认真翻看评论区留言，把用户的每条建议视为“弥足珍贵”的创新源泉。他说，“我要成为网友的‘最强嘴替’，代表网友倒逼企业加快创新，打造出更好的产品体验。” **但其实，这种“听劝”态度，海尔已经坚持了四十年。** 在近日召开的2025海尔洗衣机科技产品发布会上，海尔再次将“用户至上”具象化。 ### 从解决痛点出发的「重新发明」 从河边捶打到木桶搓洗，从手动绞拧到电动旋转，人类清洁衣物的历史几乎与文明史一样漫长。 1928年第一台电动洗衣机面世，结束了手洗衣物的时代；上世纪50年代全自动洗衣机的诞生，让清洁效率大幅提升；90年代变频技术的应用，实现了节能与静音的突破。然而近二十年来，一部分洗衣机品牌的技术发展却似乎脱离了用户的需求——更快的转速、更多的水量选择、更花哨的外观设计，却未能解决用户真正的痛点。 **当技术本身成为目的，洗衣机就忘记了它为何出发。** 2025年7月9日，海尔洗衣机科技产品发布会成为行业分水岭。海尔洗衣机抛弃“技术堆砌”的老路，而是以用户真实生活场景为原点，重新构想洗衣机的形态与价值。它们源自对用户生活的深度洞察：洗衣机本应是清洁的守护者，却常常成为污染源；分区洗涤需求日益增长，但多台机器占据宝贵空间；高端面料需要专属呵护，而传统洗衣机只会粗暴摔打。 此次发布的新品，并非一次参数升级，而是“重新发明”。它们彻底颠覆了洗衣机的传统形态和使用逻辑，每一种创新都直指未被解决的用户痛点。 以多筒分区洗护新场景——海尔融合·洗护家为例。分区洗烘的困境困扰着现代家庭。传统解决方案是购买多台洗衣机，但这意味着改水改电、占据大量空间。海尔融合·洗护家以占地仅0.36㎡的紧凑设计，容纳了四大独立洗烘分区。  4大洗烘分区1机融合，占地仅0.36㎡即可实现分区洗烘，大件衣物与小件衣物分开洗、深浅色衣物不混染、面料匹配专属洗涤参数、内衣专属洗涤程序均可实现。 多类衣物同时洗涤，互不干扰，真正实现“全家需求一台搞定”。这种设计背后是对现代家庭结构的深刻理解——不同类型的衣物需求差异、健康意识提升带来的分类需求、小户型空间限制的现实考量。 还有终结波轮机百年污垢难题的V转子洗衣机，直接取消了波轮盘，从源头杜绝藏污纳垢的可能。这款“永远不会脏”的洗衣机，改写了波轮洗衣机近一个世纪的设计规则，从被动清洁到主动杜绝污染源。  还有此次全面升级的AI洗护科技，生动诠释了“用户痛点驱动创新”的理念。 当用户抱怨快洗不净时，海尔研发出了“AI直驱快翻洗科技”，打破行业百年来匀速洗涤逻辑，让摔打力提升1.8倍、快翻转次数达到2倍，洗衣机只用29分钟，就能把全家10件衣服，效果堪比普通洗衣机洗52分钟。当用户抱怨智能科技不能真正读懂人的需求，海尔洗衣机还融合了智慧语音、人感开机、人近即亮等多种智能交互，比如，怀抱衣物时，只要贴近洗衣机30cm，停留2秒，舱门就能自动感应开启等等。  在用户痛点面前，海尔不是简单堆砌技术参数，而是深入理解生活场景的本质需求，从根本上解决问题。 ### 从单品颠覆到全球引领 海尔洗衣机的创新不是孤例，而是海尔智家整体战略的缩影。这种以用户为中心、解决真实痛点的创新理念，已渗透至海尔全品类产品，构建起难以撼动的全球竞争力。 2024年海尔洗衣机品牌零售量已连续16年蝉联全球第一，畅销英国、德国、法国、意大利等20多个国家。 更值得关注的是，国际电工委员会（IEC）联合发布了全球首个多筒洗衣机性能测试方法国际标准，该标准由海尔主导制定。而标准制定之路，却充满曲折：2015年，海尔首次向IEC提交多筒洗衣机国际标准提案，但彼时分区洗的观念在欧美尚未普及，这一提案遭拒，但团队并未放弃，而是奔赴明斯克、奥克兰等会议，以实验数据说服各方，2017年标准终获立项，再经多年跨国联合起草，这一标准才得已正式面世。IEC TC59 SC59D专家瑞纳·斯坦明格教授评价：“海尔不仅是全球多筒洗衣机开创者，也是品类标准定义者。”  据不完全统计，近十年来，海尔已主导参与120项国际标准制定，在中国占比高达70%。海尔凭借领先科技和精准洞察，持续引领国际趋势，助力品牌走向全球200多个国家和地区。 ### 重新发明的不只是产品 2025年3月，AWE展会现场，海尔洗衣机总经理赵弇锋面对媒体道出朴素而深刻的理念：“用户买洗衣机的目的是为了洗干净衣服、洗好衣服，所以用户关注的是衣服而不是洗衣机。因此，用户可以不了解洗衣机，但我们必须了解用户。” 这句话揭示了海尔洗衣机蝉联全球16连冠的底层逻辑。**当技术本身成为目的，创新就会陷入“为科技而科技”的怪圈；当用户需求成为北极星，科技创新才找到真实的价值坐标。** 在西安发布会现场，海尔V转子洗衣机被取消的波轮盘——它不仅是技术上的突破，更是思维模式的跃迁。海尔重新发明的不只是洗衣机，更是企业价值创造的方式：从“我们能做什么”到“用户需要什么”，从技术导向到需求导向，从跟随标准到定义标准。 如今，海尔在全球布局布局35个工业园、163个制造中心，将先进算法、数字孪生和知识图谱等融入制造流程。但比这些硬件设施更重要的，是海尔构建的“10+N”开放式创新体系，链接全球25万专家资源，让用户痛点能够快速转化为技术创新。 随着海尔主导的IEC多筒洗衣机国际标准被全球多数国家采纳，中国制造正完成从“出海”到“引航”的历史性转变。在新一轮产业变革中，海尔模式证明：真正伟大的创新，始于对用户生活的深刻理解，终于对人类生活品质的提升。 ### 结语 海尔洗衣机的创新旅程仍在继续。当其他企业还在为技术参数竞赛时，海尔已悄然改写游戏规则——不是“我们能做什么”，而是“用户需要什么”。这种思维的转变，让海尔在全球多筒洗衣机性能标准发布会上，从参与者蜕变为定义者。 把标准写进世界规则，把答案留给用户生活。海尔重新发明的不只是一台机器，而是洁净本身，所以说，其又一次重新拉高了行业天花板。 （雷峰网） （雷峰网）

 R星旗下在线服务平台【Rockstar Games Social Club】已于今日正式关闭，该平台创建于2008年，比《侠盗猎车手4》的发售早几个月，至今已有15年历史。  目前玩家访问该网站地址会重新定向至R星官网，这一转变可能预示着一个专为《GTA 6》打造的全新在线平台的到来。

 据《综艺》杂志报道，《小马宝莉》即将首次以真人实拍（live action）的形式登陆大银幕，这部影片由亚马逊米高梅工作室影业和孩之宝娱乐联合打造。“小马宝莉”最早诞生于1982年，是一款深受欢迎的玩具，几十年来已经被改编成多部动画剧集和电影。  《小马宝莉》第一代的系列动画片于1986年开始播映。2010年，由 Lauren Faust 担任制作人的第四代动画片《小马宝莉：友谊就是魔法》播出后，意外吸引了许广大年长的观众，其中大多数是男性青少年与成人，打破了本系列收视族群一向为女性幼童的刻板印象。随着2021年9月第五代电影《小马宝莉：新一代》的发行，代表小马宝莉系列正式进入新的阶段。 值得一提的是，这将是“小马宝莉”诞生43年来首次尝试真人化改编。这个色彩缤纷、充满童趣的 IP ，凭借拥有彩虹色鬃毛和尾巴的小马，吸引了一代又一代观众。目前，《小马宝莉》真人实拍电影还处在早期开发阶段，具体的主创团队尚未公布。

<blockquote><p>当 Slogan 从“指南”变成“兴趣社区”，小红书正式宣告：它要的不只是内容帝国，而是以人为节点的多元宇宙——在 1 亿日活的临界点，它选择用“生活兴趣”扩容，把每个小众圈层吸进同一张无限延伸的社交星图，成为“社区的社区”。</p> </blockquote>  小红书要做人的集合，而非内容的集合。 7月8号小红书换了slogan，从「你的生活指南」变成「你的生活兴趣社区」。 从2013年上线时的“找到国外的好东西”，到2015年做APP时的“全世界的好东西”，再到2017年社区转型时的“全世界的好生活”，然后2018年升级为“标记我的生活”——这时小红书真正出圈，赞助了《青春有你》和《创造101》，涌进了非常多新用户。在2022年疫情期间变成了“你的生活指南”，这个slogan特别匹配那个阶段大家对小红书的认知——对普通用户来说，小红书是一个非常好的搜索引擎，里面有非常多生活经验可以分享。直到这次2025年的“你的生活兴趣社区”。 对于主产品来说，改slogan是一个非常重要的事情，一定是最核心管理层一起讨论好多次，最后才能定下来。 这次调整可以从两个层面看：首先对内部说明——小红书其实是一个社区。因为小红书变得越来越大，超过1亿日活，可能有很多从字节、快手、阿里来的人，大家会自然想到我们已经这么大了，要去干平台的事情，比如“规模化地去搞供给，去激励创作者，去花钱补贴，然后把大家都——但他不是把这些社区的成员当做人，而是更多的是当做一个数在看规模。”但社区天然就有反规模效应的部分，有要关注人的部分，有不能只看数的部分。所以这个slogan是首先是要跟内部做好对齐——小红书是社区，不是平台。 社区和内容平台有什么不一样？如果是内容平台，肯定是规模化搞内容供给，建设消费和供给的匹配，花钱补贴，拉更多日活，更多看规模、看数据。但社区天然是一个反规模的事情，尤其对于目的和手段之间的关系。前几年陈睿接受晚点采访时被问，“试想一下让字节跳动来做B站？他可能会给UP主大额补贴计划，把首页的信息流做得更上瘾，然后插广告去卖。最关键的是，从一开始如果只有一笔钱，再砸一个大众内容和一批二次元用户喜欢的小众内容，他可能会毫不犹豫选择前者。” 假设小红书依旧想要做到3亿日活，那么现在更需要思考的事情应该是我做什么事情能够让我的社区承载更多的用户服务3亿日活用户，而不是反过来我要服务3亿用户，我应该做什么？就是你的目的不能代替手段，手段不能替代目的，尽管这两者从结果上看是类似的，但是你的路径和你的最终结果的质量是完全不一样的。  另外对外面的用户喊话，尤其是非核心用户。在社区里，核心用户本身在产品的使用上面已经有非常高的深度和自己的习惯了，自己心目中的小红书是什么，其实是有自己的答案的。非核心用户就是现在还没来，未来会来的那部分群体。过去小红书在讲你的生活指南确实在强调有用性，现在开始尝试用一个更广的定义、更广的范畴去吸引这些原来没有服务好的非核心用户。同时也强调，小红书最核心的肯定是“社区”，我不是内容平台，我不是抖音，我不是头条，我不是知乎，但因为社区这个词太大了，前面还需要加个前缀——我是“生活兴趣”社区。 在一个用户过亿的体量下，小红书依然坚持称自己为“社区”，这在互联网世界里几乎是独一无二的。大多数平台在达到这个规模后，都会自然地演化为“平台”——开门做生意，连接BC两端。但小红书不同，它选择了一条更难的路：做选择，有价值主张，维护独特的社区氛围。比如小红书通过“真诚分享”这四个字，为自己划定了边界——什么要，什么不要。这种价值主张的坚持，正是社区能够在规模化过程中保持独特性的关键。 这次从小红书的slogan更新出发， 我们邀请了几位对社区产品有深入思考的专家，一起探讨这些问题。从2013年的海淘工具，到今天的生活兴趣社区，小红书究竟经历了怎样的蜕变？当我们谈论“生活兴趣社区”而非“内容平台”时，这意味着什么？以及垂直社区在大平台时代的生存空间，小红书是否也可能变成社区的社区等相关议题。 下面是一些核心讨论纪要： ## 从“有用”到“兴趣”：创作动机的转变 王洪喆老师在高校任职，在他的观察里，现在00后这个代际的城市大学生群体，几乎人人都用小红书。这是他们重要的展示平台，展示频率和价值对很多孩子来说已经超过了微信朋友圈，他们更希望能够向陌生人展示。他自己最近两次旅游也用小红书找到了旅游搭子，上回在网上认识网友的经历，可能要追溯到十几年前。 上一个周期里大部分新增用户来使用小红书，都是因为把它当成搜索工具来用。但它肯定要去转化，得让你从搜索用户变成刷的用户，然后让你从刷的用户变成评论的用户，从评论用户变成持续发帖的用户。这是从边缘用户变成深度用户，再变成社区核心用户的产品演进路径。 张卓觉得兴趣是小红书所有连接的触发器和通行证，人们因为兴趣来小红书，而不会因为生活本身去逛小红书。具体解释一下，会因为比如周末去哪、如何养一只布偶猫，或者像王老师说他去旅游也是一种兴趣，一头扎进来。兴趣就是那个钩子，把散落在世界各地的互不相识的人拉到小红书这个社区。社区确实跟内容平台不一样，社区还是有身份认同和连接属性，因为有了兴趣，所以大家连在了一起。它确实不是被规划的，它就是生长的，就像小红书一直说的，它自己是要生长，不要增长。当你在一个充满共同兴趣的社区里沉浸久了，这个社区的审美价值观还有生活方式，或多或少会影响到我们，最终会塑造我们的生活。所以她对兴趣生活社区三个词的排序，兴趣是第一，社区是第二，生活是第三。  当小红书的slogan从“你的生活指南”变成“你的生活兴趣社区”，好像听起来是要从有用往不一定有用这个方向走了，可能是去更多地追求兴趣跟体验。张卓认为不是所有人都能发有用的内容，不是所有人都能发指南性的内容。可能小红书更多希望用户把它当朋友圈发，你可以发一切你认为个性化的情感表达，还有你的经验，也许它根本就没用。可以看到一片云你也可以发，看到路上有什么好玩的事情你可以发。甚至你的一些失败体验，因为现在小红书也有很多帖子讲自己怎么做失败了，那个东西是毫无任何指南性的。他围绕自己的年龄，或者一些不是很开心的事情发表感慨，可能就几段，但你会看到底下评论区特别多人留言，甚至里面会有人去交换自己的记忆经验，有些人会互相形成安慰，可能评论区的两人就会形成安慰。 从有用到兴趣，本质上他还是继续要去拓宽创作者的群体，因为真的不是所有人都能发指南的。现在小红书更会倾向于把这样的分发做得更好，让人们在这个社区里面形成情感连接，这种情感连接是现在社会里面很稀缺的。 当小红书从实用性向兴趣性转变时，刘飞观察到了一个有趣的现象：如果之前它是实用指南，那么我们发笔记时会想“这个笔记是真的记下来一些东西帮到别人”。这时候作为创作者、发帖的人会有心理压力或心理预设——“我这个东西是不是能帮到别人？别人看了会不会收藏？” 甚至大量当时在小红书上分享笔记的人，内心里还是有一个“我要做账号”、做自媒体、做网红、产生影响力的想法。但后来慢慢你就会发现，有些人真的就没有多少点赞，也不希望在小红书能有什么商业化，未来能赚到什么钱，但他很愿意发。为什么？因为他在上面能认识很多朋友。这其实就是兴趣能延伸出来的，大家有了新的场景。这种时候很多用户就会把发小红书变成了发朋友圈这样的状态。这种微妙区别，让很多很细碎的、很长尾的内容出现。 前年刘飞去菲律宾旅行，在一个非常小的机场要转机，转机时间不充裕，那个机场情况他完全不了解，也没有官网，没有具体转机信息可以参考。整个中文互联网世界里他到处都搜过，只有小红书有几个也在那个机场转过机的朋友分享。但看帖子也没几个赞，下面评论区基本都是在那个机场转机过的朋友过来交流。那个发笔记的朋友，并不是为了多大影响力、未来赚钱，就是当时也遇到转机问题，比较糟心，但解决掉了。“我很想发出来，可能帮到别人，帮不到别人发出来也挺开心的。” 之前“标记我的生活”、“你的生活指南”其实都是非常强调结构化的感受。但今天我们看到，去年小红书办了一个文学大赛，里面一个00后女孩她在给陌生人写悼词，也常在小红书里偶尔刷到一些，可能是80后独生子女面对双亲过世的，在里面记录下那时候的生活状态和对过往的怀念，以及当时自身的感受。他们不全是在往有用那个方向走，而是更多记录大家的生活，甚至不是经验，不是对别人有用的经验，而是我自己的生活经历——一手的鲜活的，也可能是惨烈的遭遇。把他们日复一日的生活记录下来，有些感受不一定对别人有用。 未来我们会在小红书这个社区里看到更多跟我们自己有关的事情，它可能事关我们的心灵，关乎我们生活的意义，也可能关乎我们跟其他人、跟世界的联系，但不是更纯粹的“我一定要对别人有用”。 ## 社区扩容：小红书是人的集合，不是内容的集合 扩容的三个维度 - 内容扩容： 从“有用”到“不一定有用”，从攻略、测评、教程到包容更多娱乐性、表达性内容。 - 人群扩容： 从对生活有追求的精英用户，到任何有兴趣的普通用户。 - 场景扩容： 从特定的生活场景（购物、旅行、美妆）到全兴趣覆盖。 小红书过去很擅长的是垂类运营——露营、飞盘、City Walk这些。这种运营很精准，用户黏性很高，但规模有限。飞盘再好也不如苏超这样的大众话题影响力大。但苏超这样的话题又带来了新的挑战——如何处理大众化内容与小众兴趣的关系？如何让足球用户和美妆用户在同一个平台上都感到舒适？  张卓分享了她从小红书了解到的一个重要观点：扩容这件事的关键在于新扩的内容能不能包含到前面的内容。如果包含不了，这个扩容就是方向不对；如果能包含，就说明这个扩容是非常顺畅的。 小红书的扩容路径很好地证明了这个逻辑：最开始是教你更好地买东西，后来扩容到变得更美（美妆或穿搭），其实变得更美是可以包含到买东西的。接下来又变成了“标记你的生活”，其实里面让你的生活变得更好，也可以扩容到前两个slogan。包括现在的兴趣社区其实也可以把前面包进去。 所以小红书的扩容一直是往前推，而不是比如说虎扑社区忽然就要做美妆，那是没有办法推导出来的。 小红书内部的运营方法叫“一横一纵和上下探”，纵向是指挖掘用户核心需求，横向是站在时间轴上判断趋势，上下探是考虑城市层级差异。 当发现一个兴趣在小红书特别火的时候，比如苏超、露营、攀岩等，纵向就是在这个兴趣里面去挖掘这类人群，了解他们的核心需求是什么。比如说去苏超的人真的是喜欢看足球吗？很多小红书的博主平时可能做饭或者开服装店，苏超他也去了，那他背后到底是什么？攀岩的人背后的诉求是什么？他一定不是攀岩本身，他一定有一个人的最基本的诉求。所以他们在纵向里面会选择这个群体的用户，去好好了解一下他们的核心需求是什么。  横向的逻辑是他们会站在比如说三年后这个攀岩或者露营或者苏超还火不火？如果还能继续是一种生活方式，或者说是一种趋势的话，他们就会去主动运营。如果他们觉得三年后这个并不形成一个趋势，他们可能就会慎重一点。所以这个横就是站在时间轴上去看一下当下这个兴趣点，它到底会不会未来成为一个大的兴趣点，或者是一个大众趋势。 上下探是说因为一线城市和四五线城市，比如北上广可能和其他的城市，它在兴趣点上面可能存在差异。同样是搜索周末旅游，北上广可能就是露营、攀岩或者是徒步，但是可能四五线城市的人是去公园。所以他们在上下探的时候也会看到这个兴趣，如果是落在了其他城市，比如说更下沉的一些城市，这些兴趣会变成什么？就像他当年他们把飞盘这个活动运营起来的时候，是首先在北上广发现的，后来发现其实更下沉的城市也有很多人喜欢玩飞盘。 小红书的扩容，一个是看后面能不能包前面，第二是在选择一个不同的兴趣的时候，他们会挖本质的需求，而不是只看表面。所以苏超和攀岩露营能不能在一起？显然是可以的，因为本质诉求有的时候是相似的。可能苏超的同学就是喜欢凑热闹，或者说去一些群体性的运动，那他可能他们也喜欢，比如说玩剧本杀，或者玩露营攀岩，也可能喜欢玩飞盘都可能。然后他们再通过发现机制可能会把这些圈层打通，而不至于产生矛盾。 小红书的发展轨迹清晰地展现了这套扩容逻辑：从最开始的出境游旅程分享，到有什么东西值得买，再到有什么餐厅酒店值得去。在做好商品/购物内容之后，小红书开始对内容进行泛化，从购物泛化到吃喝玩乐，定义成生活方式平台，成为种草神器。在从购物社区转型生活方式社区路上，小红书开始包含很多低频内容，比如旅游，通过博主这种方式去平衡各种用户和品类，用多样化的内容和用户，将很多低频场景串在一个地方。 小红书做的是人的集合，不是内容的集合。生活方式并不是衣食住行、买买买，它是一种价值主张，由个人的情趣爱好和价值取向所决定，它远远超过了我们心目中的物质消费以及精神消费。小红书通过生活兴趣社区的产品形式，把这些人集合在这里。因为小红书的内容组织形式是人，人就会有方方面面的需求。他们可能是从一个需求而来，但是他们慢慢的把自己生活的方方面面都从线下搬到了线上，打破了垂直的疆域。 ## 垂直社区和社区的社区 今天我们看到马蜂窝、好好住、虎扑贴吧这些过往主打兴趣社区的产品，都面临了各种各样的问题：用户老化、活跃度下降、商业化困难。在这样的背景下，小红书有没有可能变成一个“社区的社区”？  刘飞认为，很多垂类社区都面临可能要被小红书重新洗掉或者转化的危机。背后的核心逻辑是小红书有很好的产品承载力。小红书的图文结构很多年没有变过，而且能一直坚持用同一个结构去承载不同的诉求或者不同的场景，这一点非常重要。各种垂类的场景基本上都可以用图文去承载。 很多男性用户一开始不太可能通过美妆转化到小红书上，而是通过家居或者旅行。比如看身边女性朋友推荐的泰国攻略，慢慢开始用小红书搜旅行攻略，或者分享旅行的一些事情。当你转化过来之后，小红书就可以通过运营手段让用户自然拓展。因为人在这了，开始只看旅行，但后面就可以看音乐、看黑胶、看篮球、看足球、看体育、看数码、看游戏。 这类似虹吸效应，就像互联网其他产品存在的流量黑洞一样，它会通过人把人的需求不断地吸过来——本来只有一个需求在你这满足，但会把所有相关的需求都在你这满足。 关于垂类社区被蚕食的现实案例，张卓观察到三个现象： - OC（原创角色）是今年小红书增长最快的赛道，很多OC社区因此流失了大量用户，OC用户转到小红书去发文创作。 - 苏超火爆后，小红书快速设立足球赛道，在体育版块又分了一个足球版块。 - 垂直APP被直接冲击，张卓的朋友做垂直APP，因为小红书的出现，广告收入夭折50%，垂直赛道的客户全部投给了小红书。 在商业化上没有什么必要再出现垂直社区，用户也没有办法再去下载一个社区满足特殊诉求了。 千岛的创始人沈振宇提出了一个重要观点：过去五到七年，其实不断就是垂类被各大平台蚕食的过程。很多垂类在大平台自己都没什么感觉的情况下，悄无声息地就被淹没了。比如微拍堂这个文玩玉石交易平台的衰落，他一度是微信生态的明星公司，但是因为抖音直播的兴起，原本在微拍堂开店的文玩店老板发现，在抖音直播上能获得更多买家流量，流量效率远超微拍堂，而基础交易功能也都具备，于是平台就衰落了。如果你这个平台做的所有事情大平台都能做，那垂类社区的存在意义就不太大了。 今天很多垂类兴趣的重度爱好者，很多圈子里的人已经开始在小红书上发笔记，甚至比他们原本所属的垂类社区更加活跃。 但沈振宇同时认为，大平台不可能什么都做，不可能把每一个垂类的核心痛点逐个击破。因为每个兴趣都有巨大的差异化，不能指望做一个功能就把所有的兴趣爱好都解决了。在兴趣这件事上并没有银弹，没有解决一切问题的方法。而且最终支撑品牌和产品差异的根源是用户心智的差异，每个平台最终只能形成一个用户心智。不管平台有多大，它最后总要用一句话来归纳它给用户的心智是什么，用户对品牌的记忆和理解是非常简单粗暴的，我们从未见过一个什么心智都占的平台。 小红书的成功在于找到了一个平衡点：做人的集合，既能承载足够广泛的内容类型，又能维持社区的连接感。但随着社区的扩容，如何在广度和深度之间取得平衡，满足重度爱好者的需求，将是一个持续的挑战。 本文由人人都是产品经理作者【乱翻书】，微信公众号：【乱翻书】，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>别再沉迷“魔法提示词”了——真正决定AI输出质量的，是你为它搭建的“信息房间”。本文把近期AI圈热议的“上下文工程”翻译成大白话：与其反复打磨一句话，不如像总设计师那样，把用户画像、规则、工具、实时数据一并打包，做成AI一眼就能看懂的“项目文件夹”。</p> </blockquote>  你有没有感觉，跟AI对话就像在拆盲盒？顺的时候，它引经据典，惊才绝艳；拧巴的时候，它胡说八道，让你血压飙升。 你把这归咎于自己的提示词写得不够好，于是，你像个炼丹师，反复调整“咒语”，希望能炼出“仙丹”。 你有没有想过，自己可能一直在用“错误”的方式努力？ 问题的根源，或许根本不在于你那句“咒语”，而在于AI所处的那个空空如也的“毛坯房”。如果你只给AI一句指令，却没给它地图、工具箱和背景资料，那它再聪明，也只能在黑暗中乱撞。 忘掉网上那些“魔法提示词”吧，今天我们来聊点更有用的东西——**上下文工程（Context Engineering）。** ## 从“提词师”到“总设计师”：上下文工程到底是什么？ 假设你要请一位世界顶级的建筑大师为你设计房子。 **提示工程（Prompt Engineering）**，就像你对大师说：“我想要个漂亮的房子。” 这句话就是你的提示。如果你说得更具体，比如“我想要个带有落地窗和开放式厨房的现代简约风别墅”，大师就越可能理解你的意图。 在这个过程中，你像个“提词师”，试图用最精妙的语言来影响大师的创作。 但这远远不够。 **上下文工程（Context Engineering）**，则完全是另一套玩法。你不再只是“说”，而是直接递给大师一个项目文件夹。 这个文件夹里可能装着： - **你的家庭成员构成和生活习惯**（用户画像） - **当地的建筑法规和气候报告**（规则与约束） - **你收藏的各种建筑风格照片**（成功案例） - **一块已经完成地质勘探的土地，附带详细的土壤报告**（实时数据） - **一支顶级施工队的联系方式和报价单**（可用的工具/API） 现在你觉得，哪种方式能让大师的作品，更接近你的梦想之家？答案不言而喻。 **上下文工程，就是为AI精心设计并搭建这个“项目文件夹”的艺术和科学。** 它是一门系统性的学科，专注于为AI提供完成任务所需的一切背景信息、规则、工具和实时数据，并以一种最利于它理解的结构化方式呈现出来。 它的焦点，不再是那个孤立的“提示”，而是AI做出响应前，其所处的整个信息环境——也就是“上下文（Context）”。  上下文工程的8大构成要素 ## 提示工程 vs 上下文工程 很多人会误以为，上下文工程只是提示工程的“豪华升级版”。这种理解，好比说建筑学只是“砌砖Plus”，完全忽视了其核心的质变。 **提示工程，是“点的艺术”。**它的核心在于“遣词造句”，目标是优化那个单一的、发送给AI的指令字符串。 **上下文工程，是“面的系统”。**它的核心在于“信息架构”，目标是设计一个能动态供给信息的系统。 打个更形象的比方：**提示工程师像是在教一个演员说好某句关键台词；而上下文工程师则是在为这位演员搭建整个舞台、编写整部剧本，并随时通过提词器给出最新的指示。**最终让演员一举成名的，究竟是那句台词本身，还是整个舞台和剧本所赋予的能量？ 微软CEO纳德拉在阐述其Copilot产品的理念时，反复强调一个词：“grounding”（接地气）。 他指出，AI助手的价值，取决于它能在多大程度上利用你当前的上下文——你正在写的邮件、你正在分析的报表、你即将参加的会议。 这种“接地气”的能力，本质上就是上下文工程的胜利。它将AI从一个“什么都略懂，但什么都不真懂”的“懂王”，变成了一个能融入你工作流的“博士生私人助理”。 ## 为什么说，未来属于上下文工程师？ 如果说提示工程是AI时代的“入场券”，那么上下文工程就是“头等舱的机票”。后者之所以重要得多，原因有三： **首先，AI的瓶颈已从“智商”转向“信息”。** 随着Gork 4、Gemini等模型的迭代，大型语言模型的通用推理能力已达到惊人高度。 很多时候，AI犯错不再因为它“笨”，而是因为它“不知道”。好比一位再聪明的大侦探，没有线索也破不了案。 AI应用的失败，正越来越多地表现为“上下文失败”（Context Failure）。未来，决定一个AI应用是“神器”还是“鸡肋”的，不再是模型本身，而是它能接触到的上下文的质量和广度。 **其次，上下文窗口的“军备竞赛”，为上下文工程铺平了跑道。** 早期的模型只能处理几千个词的上下文，像一条只有几分钟记忆的金鱼。而现在，我们有了能处理超过一百万个词（相当于一部《红楼梦》的体量）的上下文窗口。 这在技术上为构建复杂、有状态、能长期记忆的AI应用打开了闸门。暴增的上下文窗口，就是为上下文工程师准备的广阔舞台。 **最后，真实世界的商业应用，需要的是“系统”而非“技巧”。** 一个有趣的聊天机器人，或许能通过精妙的提示实现。但一个能处理银行风控、审核企业法务合同、管理供应链数据的企业级AI，绝不可能只靠几个提示词就稳定运行。它需要一个严谨、可靠、可扩展的系统来持续供给和管理上下文。 那些率先掌握上下文工程能力的企业，将构建起难以逾越的“护城河”。 正如Y Combinator的掌门人、著名投资人丹尼尔·格罗斯所观察到的，真正有价值的AI代理（Agent），其核心竞争力都在于它们如何与外部世界的数据和工具进行交互——这正是上下文工程的用武之地。 ## 你的位置在哪里？ 对“提示词”的迷恋正在退潮，而对“上下文”的深刻理解正在成为新的核心竞争力。 这也不仅仅是工程师和产品经理需要关心的事情。无论你是市场营销人员、内容创作者、金融分析师还是律师，你与AI协作的深度和广度，都将取决于你为其提供上下文的能力。 所以，下回再碰到AI“犯傻”的时候，别再执着于修改那句“咒语”了。 试着退后一步，问问自己： - 我为它搭建了一个怎样的“房间”？ - 这个房间里，有它完成任务所需要的所有信息和工具吗？ - 我是否用最清晰的结构，把这些东西交给了它？ 当你开始像一位“首席设计师”一样思考，而不是一个“提词师”时，你就已经走在99%的人前面了。 作者：赛先声；公众号：奇点漫游者 本文由 @赛先声 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

2026年4月，让我们再次相约维港之畔，共赴这场洞见世界浪潮、引领未来科技的巅峰之约！

<blockquote><p>系统孤岛时代已终结，数据必须流动才有价值；本文用一张思维导图、五大传输方式、四类处理机制，帮你三分钟把接口、MQ、文件、数据库同步全链路拆解到手，让产品经理也能秒懂后端对接的选型与避坑。</p> </blockquote>  <blockquote><p>世界最遥远的距离，是我站在你对面，你却在另一台服务器里。世界最温暖的举例，是我在internet的另一端，而你挑着一筐刚刨出来的数据来看我。<br/>——做产品的柏拉图</p></blockquote>  一个系统装再多数据，不与其他系统交互，那也是孤岛系统，孤独没女朋友。 一个系统若很外向，不断撩拨周围的系统，也乐意被撩拨，成为了众系统中的“交际花”，那么这货基本就是中台的性质。 而更多的系统是介于上述两种极端之间的。像人一样，自己搞生产，也要参与社交——就是系统之间的数据对接。 对接的本质是为了实现数据信息的传输。 在后端产品的世界里，各子系统之间，或与外部系统之间的对接非常常见。 作为产品经理，不仅要知道数据从哪来，还要理清楚获取数据之后的握手方式、运算逻辑、异常规则、容错机制、数据日志等等。 本文尝试聊聊如下话题： - 数据传输的场景和意义 - 数据传输的方式 - 数据传输的处理机制 - 数据传输的注意事项 ## 1 数据传输的场景和意义 ### 1、数据传输的应用场景 1）前端和后端本身无时不刻的数据互动。 2）公司的各个系统之间的信息共享。 比如，式系统部署之后，就需要各个系统模块之间进行数据的配合，比如订单系统的库存扣减数据要同步给备货系统进行采购。 3）与第三方平台的对接 比如入驻第三方销售平台亚马逊之后，店家可能自己需要管理自己的订单，这时候就要从亚马逊平台获取订单数据，也就是抓取。 4）调用现成的公共插件 避免重复造轮子，市场上很多开放性的功能插件可以调用或接入，比如接入百度地图的API，接入微信小程序的二次开发。 ### 2、数据传输的意义 1）不重复生产数据库，避免资源和功能的浪费。 2）统一数据的维护或生产源头，避免数据不同步。 比如同一个公司的两个系统都要用人员信息架构数据，如果各自都能维护，势必出现不一致，也浪费资源。 3）别人家的数据，自己没办法生产。 4）复用现成的轮子，API或SDK共享（可能自己也发明不出来）。 ## 2 数据传输的方式   数据传输的方式，作为产品经理我将其分为：接口传输、中间件传输、message方式传输等。散开了说，比如：MQ（队列）、HTTP接口、otter、文件共享传输等。每一种又有细分的方式和适合的场景。 ### 1、接口 这是一种传统的问答式的传输方式，是典型才c/s 交互模式。 相当于一台客户机，一台服务器（注：这里的客户机或服务器根据数据的提供方和接收方相对而言的，并不一定是实际的）。 目前我们常用的http调用、java远程调用、webserivces 都属于这种方式，只不过，不同的就是传输协议以及报文格式的区别。 1）接口的作用 通过接口，可以调用成熟的第三方功能插件为我所用（一般就是API接口），也可以根据实际需求由开发写具体的接口代码解决具体场合的信息传输问题（一般所说的http接口）。 对后端产品经理来说，http接口的使用场景最多。比如：公司先上线了OA系统，后上线了订单系统，订单系统需要同步OA系统的人员组织结构信息。那么一个可行做法就是OA系统创建一个接口，订单系统请求，获取最新的人员结构信息。 这个笼统的方案描述中，包含了这么些信息：创建接口、请求接口、获取最新信息等，那么分别是什么以及有什么原则呢？下面分别讨论。 2）哪一方负责创建接口？ 在讨论需求的时候，开发会问哪方创建接口呢？有时候产品经理只知道需要建接口，不知道哪个系统来建。 可以这样理解，如果把数据源比成一缸水，那么接口就像是凿的一个口，口只能是在缸上面的。 所以接口必须是在被请求的数据源这边，由被请求的一方定义接口。 注意，这里的数据源是相对的数据源，就是被请求的一方就是数据源方。 实际上可能目标数据在请求方。比如例子中也可以是OA系统请求订单系统，但是如果这样的话，接口就是订单系统创建了。因此确切说是被请求的一方创建接口。 通俗的讲就像是求婚：男方去求婚带一百万，女方接到后就把姑娘嫁过去，这是一来一回。 女方也可以去求婚，只是是直接带着姑娘去敲开男方的门，而后男方才把一百万送到女方，这也是一来一回。 3）什么是定义接口 定义接口，其实就是定义缸上的出水口。口的大小、滤网、放水的频率等，就是个规则。 这个规则约定了哪些数据是需要流过去，以及流过去的条件（像门禁密码一样）。 定义接口就是设定口令、数据范围、推送前的筛选、转化运算规则等，这是接口的核心内容。 4）数据在哪一方做转义？ 某些时候，数据从源头到应用端不是原封不动的，而是转化了。比如80分、90分都是及格，可能使用者只需要两个值：及格or不及格。 那么这就涉及到是在接收之前就转化为是否及格，还是接收之后自己转化的问题。 考虑的依据主要是：该数据获取之后是否还有其他用处，只要有可能被二次使用，最好是取原数据。 提前转化的好处是，流转的数据会变得简单直接。但是需要注意的是转化后数据量不一定会少，比如：数据源是订单维度的，而目标是转化为订单+商品维度的数据，这就可能一条变多条了。 5）是主动获取还是对方推送 有时候开发还会问是对方推，还是我们主动去取，这就是接口的post/ get方式问题。 get是从服务器方请求数据，post是向服务器方传送数据。前面也提到了，接口交互数据可以是主动推送，也可以是请求获取。 主动推送一般是数据生产方一旦更新，则触发推送，将所需字段对应值传递过去。 请求获取就是数据需求方传递请求参数（请求参数一般是若干条件，比如：账号+密码）。数据生产方则按照协议响应，给出满足条件的数据到请求方（也就是返回参数）。 所以可以看出来，如果对时效要求高的，则建议生产方主动推。比如产生一个新用户，那么就可以理解把用户的信息主动推送给运营方使用。 如果是时效不高或者数据量大，则可以按一定频率主动请求，有利于系统负荷压力稳定。 在具体使用的时候，如果你对接的系统比较多，那么建议做一个公共接口，以后谁想用他们自己来对接就好了，不然就要来一个对接一次，麻烦还有风险。 另外，选择post/ get，最终由双方开发权衡决定，但是一般而言： <blockquote><p>get传送的数据量较小，不能大于2KB。<br/>post传送的数据量较大，一般被默认为不受限制。get安全性非常低，post安全性较高。</p></blockquote> 6）接口定义是开发的事情，但产品经理需要给出轮廓 在输出方案的时候，**接口定义的规则是什么？传参和返回参数是什么？重复传参时是跳过还是再次获取（一般都再获取）？必传参数是什么？是否回传接收结果给数据生产方？这些都是要有大致明确并传达给开发测试的。** 比如：每小时/次取对方表中第一页最新的50条数据。超过的数据下个小时继续取。可以这样设计：  因为一些关键参数牵扯到业务的唯一性维度，这些都在产品经理调研的时候获知的，而这些可能开发根本不知道。因此产品经理要给出轮廓和大概方向。 7）数据流转的时效 接口创建之后，如果是接收的对方数据库中的信息，那么上线之后，要考虑先进行数据的初始化（保持基础数据一致）。然后确保后续双方是同步的。 同步的机制和要求是在定义方案的时候就确定的。那么怎么确保同步呢?方法是两种：**触发式和定时任务。** 触发式就是一旦一个参数值满足条件，则触发同步。  定时任务式一般用在不知道数据源什么时候更新，需求方就要设置一个定时任务的脚本，隔一段时间查询一次。请求的频率需要与更新的频率相协调。 8）总结接口的特点 优点：时效性强，可以触发式实时问答。容易控制权限，通过传输层协议https，加密传输的数据，使得安全性提高。通用性比较强，无论客户端是.net架构，java，python 都是可以的。 缺点：服务器和客户端必须同时工作，当服务器端不可用的时候，整个数据交互是不可进行。当传输数据量比较大的时候，严重占用网络带宽，可能导致连接超时。使得在数据量交互的时候，服务变的很不可靠。 9）相关概念扩展 API：即“应用程序编程接口”，是一些预先定义的函数，无需访问源码或理解内部工作机制的细节，即可调用的对象。比如和Windows系统沟通，需要调用Windows提供得API。和新浪微博进行沟通，需要调用新浪微博提供得Api。其实它就是一个软件系统对其他软件系统提供得服务。 - open api：是指对外开发的接口，比如百度地图API、facebook的API等。 - SDK（“软体开发工具包”）：可以理解为api的集合，也就是封装后的API为，功能更完善。 - http接口：是基于接口的传输方式（HTTP协议）来命名的，当然也有基于其他协议传输的接口。 比如： - 和Windows系统沟通，需要调用Windows的API（CreateWindowEx, bitblt,等等），是C语言函数形式的接口。 - 和.Net框架进行沟通，需要调用.Net提供得Api，是以C#，VB函数/类形式的接口。和新浪微博进行沟通，需要调用新浪微博提供得Api，是以Http请求形式的接口。 - API接口的叫法相对http接口叫法更笼统和概念化一些。因此在写方案的时候，http接口和API接口都可以，在具体的场景开发都可以理解的。 本文由人人都是产品经理作者【产品参赵】，微信公众号：【产品参赵】，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。

前脸上还有 142 颗。 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1630909) ·[查看评论](https://www.ifanr.com/1630909#comments) ·[新浪微博](https://weibo.com/ifanr)

据《商业内幕》报道，当顶尖AI研究人员被科技巨头招募时，他们会提出什么要求？在这方面，最近在大力挖角的Meta CEO马克·扎克伯格(Mark Zuckerberg)很有发言权。  扎克伯格 对于要跳槽的人来说，薪酬当然很重要。但是扎克伯格表示，除了钱之外，他接触到的AI人才还对另外两件事很感兴趣。 “过去，我为公司不同部门招人时，他们会问，我的职责范围有多大？” 扎克伯格周一在科技网站The Information的TITV视频节目中表示，“但现在，他们说，我希望手下管理的人越少越好，并且要给我最多的GPU。” **AI GPU是研究人员用来构建、训练和运行基础AI模型及其相关产品的芯片。在AI竞赛开启后，英伟达的H100 GPU成了炙手可热的“香饽饽”，该公司被视为AI芯片领域的领导者，之后又推出了更强大的芯片。** “从根本上来说，让每位研究人员拥有最多的算力绝对是一种战略优势，这不仅有助于完成工作，还能吸引到最优秀的人才。”扎克伯格称。 其他AI公司的招聘也证实了扎克伯格的说法。Perplexity CEO阿拉温德·斯里尼瓦斯(Aravind Srinivas)去年回忆说，他曾试图从Meta挖走一位AI研究员，却被直接拒绝。对方说：“**等你有了1万块H100 GPU再来找我。**” 斯里尼瓦斯表示：“你必须提供极具吸引力的激励措施，并且要确保计算资源能够迅速到位。我们这里说的可不是小型计算集群。” 目前，大型科技公司和AI创业公司都在争抢最顶尖的AI人才。**Meta等公司甚至开出了数以百万美元计的薪酬方案。**Meta从谷歌、Anthropic和OpenAI等竞争对手那里挖人才。**OpenAI CEO萨姆·奥特曼(Sam Altman)表示，Meta向新招募的人才提供高达1亿美元的签约奖金。** [查看评论](https://m.cnbeta.com.tw/comment/1513306.htm)

<blockquote><p>当所有人还在把 AI 当“高级 Word”时，有人已经用它来开“无人公司”了。本文作者提出真正的 AI 思维不是多学几个模型，而是把“智能优先”写进组织 DNA：先用世界模型在云端低成本“预演未来”，再让智能体并行试错、用算力对冲物理成本，最终实现“以虚驭实”的商业闭环。</p> </blockquote>  关于AI的很多理解现在基本是一团乱麻。有人说模式识别不是智能原生，就有人说模式识别是典型的AI算法，为什么不是智能原生。类似的还有关于无人公司，一人公司等等。 这里面比较别致的一个点则是AI思维，和互联网思维很不一样，现在反倒是没什么人说了。 那驾驭AI是不是需要一种新的思维方式，如果需要怎么去定义它？ ## AI的应用层次 我们总是可以像用更高级的Word那样去用各种大模型，这种情形下AI是一种更好的工具，在这个时候真的不用什么AI思维，经常用就好了。 但AI显然不止是一种工具，多智能体系统可以把完整的业务封装到自己的体系里面来。这时候AI就不再是单纯的工具，而成为价值创造的主体。 当然在工具这主体这两者之间还有不同的层次，大致是：  越往后越需要一种新的思维方式。否则就像成吉思汗的打法驾驭不了轻步兵一样，越想进阶越可能伤害到自己，欲速则不达。 ## 智能优先 在《无人公司》里面排第一的、要遵循的新原则是智能优先。 注意不是老板、现状等等优先，而是智能优先。 这其实和AI成为价值创造主体是一个意思，也是AI真正能发挥效用的前提。 有的人可能会问，那如果做不到智能优先怎么办？ 那就把AI当工具用好了，不要让它当主体。否则即使短期跑起来多智能体系统，也有一定效果，它也会逐渐死去。 因为AI工具的使用成本很低（应该比学Office还容易些），所以AI真正要产生效用，难点不在使用工具，而在于基于AI的基础特性来封装业务。  上述三者和业务的结合最关键的正是AI思维。 ## AI思维 AI思维，是当我们将智能优先（AI First）原则应用于生产和服务的组织过程中，所必然采用的一种全新问题解决方法论。 它不是指让个人学会写代码或使用AI工具，而是指在战略和执行层面，用一种内生于计算和模拟的模式来思考和行动。其核心要义可以概括为三点：虚拟先行、规模化试错、以及算力对冲。 ### 1.虚拟先行（Virtual-First Simulation）：在行动前预演一切 传统商业模式遵循“规划-执行-反馈”（PDCA）的线性流程，每一步都发生在物理世界，试错成本极高。而AI思维的第一原则是“虚拟先行”，即在投入真实资源之前，先在数字世界中创建一个与真实环境高度对应的“世界模型”（World Model），并在其中进行大规模的模拟。 这个世界模型，正如近期学术界热议的，是真实世界环境的算法代理 。它可收窄到只和自己的业务相关，核心目标也不是为了生成逼真的视频供人娱乐，而是为了模拟真实世界中所有可行动的可能性，以支持有目的的推理和行动” 。 这种能力，在心理学中被称为“假设性思维”（Hypothetical Thinking），在实践中就是我们常说的“思想实验”（thought experiments）。 AI让这种垂直领域的思想实验成本变的极其低廉。 无论是AlphaGo通过自我对弈探索出人类未曾想过的棋路 ，还是自动驾驶系统预测街道上所有车辆和行人的未来轨迹 ，其本质都是在成本极低的虚拟世界中，对无数种“可能性”进行推演，从而找到最优解。 这正是AI思维赋予我们的第一个超能力：在行动之前，看见未来。 ### 2. 规模化试错（Rapid, Scalable Trial and Error）：用并行计算探索最优路径 人类的试错是串行的、昂贵的、且受限于个人精力与经验。而AI可以在世界模型中，以接近零的边际成本，进行百万次、千万次乃至亿万次的并行试错。 一个营销团队可能需要一周时间来设计和评估三种广告方案。而一个AI Agent可以在一小时内，生成一千种文案和图片的组合，在虚拟的用户群体中测试点击率和转化率，并根据反馈实时迭代，最终筛选出最优的几个方案投入真实市场。 这种规模化、自动化的试错循环，将创新的速度提升了数个量级。这相当于是改变了时间轴。 这种能力的基础，正是虚拟先行能够生成无数条“假设性轨迹”（hypothetical trajectories），让智能体在其中通过强化学习或模仿学习等方式，充分利用所有“想象中的经验”（imagined experience）。 特别需要一提的，如果试错成本足够低，本来就是在数字空间，那也可以越过虚拟先行。 ### 3. 算力对冲（Computational Hedging）：用计算成本置换物理成本 “虚拟先行”和“规模化试错”的经济学基础，是“算力对冲”。这意味着我们可以用相对廉价的计算资源（CPU/GPU时间、电力），去对冲和替代那些极其昂贵的物理世界资源（如时间、原材料、人力资本、市场机会成本）。 在过去，验证一款新药需要长达数年的临床试验和数十亿美元的投入。 如今，AI可以在分子级别的世界模型中，模拟药物与蛋白质的相互作用，提前筛选掉大量无效或有毒的候选方案，将物理试验的范围缩小到几个最有可能成功的选项上。在这里，数百万美元的算力成本，对冲的是数亿美元的研发失败风险。 同理，一家公司在决定是否进入一个新市场时，不再需要花费数月进行昂贵的市场调研，而是可以在一个模拟了该市场消费者行为、竞争格局和社会文化的世界模型中，运营一个“虚拟分公司”，观察其数个季度的虚拟财报，再做出最终决策。 如果上述几点一定要找个统一的例子的话，那可以回顾下移动互联网时代做App的故事： 你可以精打细磨，选一个方向做一个App； 也可以像某个公司直接就是App阵列，那个数好留那个。 显然的后者的关键不在于思路，而在于试错成本和成功率。而AI思维无疑可以让后者的普适性极大提升，不再局限于做App。 ## 无人公司：AI思维的终极组织载体 当上述三种AI思维方式被系统性地应用到一个商业组织中，其最终形态必然会演化为“无人公司”。 “无人公司”并非指物理空间里空无一人，而是指其核心价值创造链条由AI智能体（AI Agent）而非人类员工来主导。人类的角色，从亲力亲为的执行者，转变为目标的设计者、规则的制定者和价值的赋予者。 在这种组织中，AI思维不再是“锦上添花”的工具，而是其赖以生存的“操作系统”。 其技术内核，可以借用最新论文：PAN（Physical, Agentic, and Nested）的通用世界模型架构所描绘的蓝图 。 - 物理的（Physical）：无人公司需要模拟真实世界的物理动态。例如，一个无人电商公司，其世界模型需要理解一个包裹从仓库到用户手中的完整物流过程。 - 智能体的（Agentic）：公司的核心是自主行动的智能体。无人公司必须支持多智能体行为的模拟，例如一个负责营销的Agent和一个负责客服的Agent如何协同工作。其未来的发展方向正是从单智能体扩展到对整个商业或社会集体行为的模拟。 - 嵌套的（Nested）：无人公司的世界模型是分层和嵌套的。它既能在高层次用类似LLM的结构进行战略规划和概念推理，也能在低层次用扩散模型等处理精细的物理或感官细节。 当然如前所述，物理的和智能体的未必不重叠，但不管怎么样，总的来看，这注定是一套依赖倒置的系统：以虚驭实。 举个最简单的例子，一个典型的无人公司工作流如下： 人类创始人设定一个商业目标（如“本季度将某款产品的ROAS提升至2”）。这个目标被输入到公司的“大脑”。接着，多个AI Agent（市场分析Agent、广告创意Agent、预算分配Agent等）在这个模型沙盒中，进行大量模拟投放实验。它们会“预计算并缓存各种可能的世界状态、在这些状态下的可行行动及其模拟结果” 。（不一定要模拟，也可以少量真实环境操作） 最终，系统会选择一个预期回报最高的行动方案，并自动在真实世界的广告平台（如Google Ads）上执行。 ## 从理论到现实：AI思维塑造的商业新浪潮 尽管普遍的、完全成熟的“无人公司”仍是未来愿景，但AI思维的原则已经渗透到当下的商业热点中，并展现出巨大的威力。 **工业与制造业：数字孪生与虚拟工厂** 英伟达的Omniverse平台就是一个典型的例证。汽车制造商在建立一条新的生产线之前，会先在Omniverse中创建一个1:1的数字孪生工厂。工程师们可以在这个虚拟工厂中，模拟机器臂的每一个动作、测试生产线的节拍、优化物流路径，甚至模拟工人的操作安全。这正是“虚拟先行”和“算力对冲”思想的完美体现，用虚拟的调试替代了昂贵的物理安装和返工。 **内容与营销：AIGC与自动化增长** 传统的营销模式正在被颠覆。如今，一个“一人团队”可以利用GPT生成营销文案，用Midjourney和Sora生成广告图片和视频，再通过自动化工具进行全渠道分发和A/B测试。这背后就是AI思维在驱动：用极低的成本进行大规模的内容创意生成和效果测试，这在过去是需要一个庞大团队才能完成的工作。虽然当前专注视频生成的世界模型（如Sora）还不支持交互式推理 ，但它们已经展现了AI在创意生成方面的巨大潜力。 **科学与研发：AI驱动的假设与验证** 科学研究的本质就是“提出假设-进行实验-验证结论”的循环。AI正在以前所未有的方式加速这个循环。例如，论文中提到的AlphaGeometry2已经能够解决奥林匹克级别的几何难题 ，这本质上是在一个纯粹的数学世界模型中进行高效的“思想实验”。而像ReasonerAgent这样的系统，则可以在网络上自动进行文献调研和信息整合，辅助人类研究员更快地形成和验证假设 。上面提到的Chai 2也是其中很好的例子。 ## 未来属于掌握“模拟-行动”飞轮的企业 我们正在从一个“经验驱动”的商业世界，迈向一个“模拟驱动”的商业世界。 企业的核心竞争力，不再仅仅是拥有多少资本、多少人才，或积累了多少过去的成功经验。未来的核心竞争力将取决于：你的世界模型对真实世界的模拟保真度有多高？你的“模拟-行动”飞轮转得有多快？ 掌握了AI思维，就意味着掌握了用最低成本“预见未来”并“选择未来”的能力。以此为基础构建的“无人公司”，将具备传统组织无法比拟的敏捷性、效率和扩展性。它们能够更灵活地适应市场的风云变幻，更精准地捕捉用户的潜在需求，最终在竞争中获得结构性的优势。 我们最终的目标是构建具备“人类智能所特有的适应性、韧性和自主性” 的AI系统。这条道路漫长但充满机遇，而那些率先拥抱AI思维、并开始构建属于自己的“世界模型”和“无人公司”原型的企业与个人，无疑将成为定义下一个商业时代的先行者。 当然，真动手前，需要首先缩减业务的切口，然后再去确定究竟需要多少层级的模拟。 可以先观察学习，不要着急，比如可以先读《无人公司》…  上面有想象成分，但显然的它会构建真正的智能文明，那会是一个很不一样的世界。 本文由人人都是产品经理作者【琢磨事】，微信公众号：【琢磨事】，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。

 Arc Games 今日发布最新预告片，并联合 Asmodee 与 Cephalofair Games 宣布：《霜港迷城》——一款基于高人气同名桌游改编的黑暗奇幻战术 RPG，将于 2025 年 8 月 1 日 通过 Steam 与 Epic 游戏商城开启 PC 平台抢先体验，定价为136元人民币。 &lt;内嵌内容，请前往机核查看&gt; 为提供优质的桌游数字化体验，Arc Games 也携手《幽港迷城》数字版发行商 Twin Sails，推出包含《霜港迷城》和《幽港迷城》的数字版游戏合集包，该合集将于 8 月 1 日，也就是《霜港迷城》抢先体验上线当日，同步发售。  本作由《X-COM》系列创作者 Julian Gollop 领导的 Snapshot Games 开发，桌游原作者 Isaac Childres（Cephalofair Games 创始人）担任顾问。双方团队表示，对《霜港迷城》即将开启的抢先体验阶段感到无比激动，并期待与玩家共同推进游戏演化。抢先体验的上线只是个开始，玩家不仅可以率先游玩数字版《霜港迷城》，还可以通过反馈参与到游戏内容、平衡与设计的持续开发和优化过程中。  从8 月 1 日起，参与抢先体验的玩家，将可体验约 1/3 的完整版本内容。后续将以约每三个月一次的频率推出更新，带来更多内容与玩法改进。 首发内容包括： - 单人模式 &amp; 在线合作多人模式 - 支持 NVIDIA GeForce NOW 云游戏 - 8 名可选角色（6 名初始角色 + 2 名可解锁角色） - 超过 40 个策略战斗任务（含深度教学关卡） - 超过100个抉择驱动事件 - 前哨基地建造系统：玩家可建造建筑、触发事件，逐步解锁新功能 无论你是资深桌游老玩家，还是首次接触的新手，都可以迅速投入这场冰封前线的激烈战斗。  为庆祝抢先体验版的上线，Arc Games 将携《霜港迷城》亮相 北美最大桌游展会 Gen Con 2025，展会将于 7 月 31 日至 8 月 3 日 在印第安纳会议中心举办！参与者可在 Cephalofair Games（1643号展位）与 Forteller Games （3015号展位）体验独家试玩内容、领取限量周边，并与开发团队面对面交流，一同见证桌游改编之旅的诞生。 &lt;内嵌内容，请前往机核查看&gt; Snapshot Games 首席执行官 Julian Gollop 表示：“在上个月的 Steam 新品节中，我们的试玩版获得了来自全球玩家的热烈支持，这对我们来说意义非凡。我们非常感谢玩家社区、朋友与同事们在这段开发旅程中的支持与陪伴。《霜港迷城》的抢先体验只是开始，我们希望玩家能真正参与到开发过程之中，协助我们不断完善玩法、优化性能，并打造一个更丰富、更完整的游戏。欢迎大家与我们一同踏入这片危机四伏的北境荒原，携手让《霜港迷城》释放全部潜力！”

股权之外的幽灵：宗庆后留下的是遗产，还是梦魇？

不能违背常识做公关。

暑假到来，不少小伙伴都有外出旅行的计划吧。那么旅行途中没有一部称心如意的智能手机可不行，这也成为眼下最要紧的事情。今天小编就给大家推荐一款颜值实力俱佳的折叠屏手机——华为Mate X5。        首先我们来看看华为Mate X5的屏幕。这次华为Mate X5搭载了一块6.4英寸的OLED外屏以及一块7.85英寸的可折叠OLED内屏，内外屏的像素密度都达到了426 PPI，同时内外双屏都支持120Hz LTPO动态高刷以及1440Hz高频PWM调光，无论是流畅度还是护眼效果都能兼顾。如此高规格的配置带上华为Mate X5出门旅行无论是看电影、玩游戏以及办公都能拥有出色的体验。   **轻薄可靠，旅行更安心**         值得一提的是，华为Mate X5还对内外两块屏幕都进行了升级。其典藏版在外屏上采用了玄武钢化昆仑玻璃进行覆盖保护，通过了全球首个瑞士SGS金标五星抗刮耐摔认证，整机耐用性得到了大幅提升。内屏方面应用了抗冲击柔性内屏技术，采用复合叠层结构引入非牛顿流体材料，遇强则强，遇柔则柔，强有力地保护屏幕。此外还有IPX8级抗水性能，这样我们出门旅游再也不用担心手机意外跌落导致损坏啦。         说到这可能不少小伙伴会担心了，出门在外带个折叠屏会不会很重不够便携。这是以前的老观念了，经过这两年的发展折叠屏手机已经非常轻薄，尤其是华为的折叠屏手机更是行业的标杆，今天说的华为Mate X5轻薄程度足以媲美部分旗舰直板机。实际上手体验手感非常不错，折叠状态下单手回复消息也不成问题。同时展开形态下，5.3mm的厚度也是非常纤薄的，还能提升我们旅途中刷视频、处理办公文件的体验何乐而不为。        不仅轻薄，华为Mate X5这次在电池容量上进一步提升，全系标配5060mAh大电池，搭配66W有线快充及50W无线快充，在当下折叠屏手机的续航配置中绝对是第一梯队。根据实测，从1%电量开始充电，华为Mate X5在15分钟后可充入44%，30分钟充入84%，全部充满耗时38分钟。这也意味着我们出门旅行可以在短时间内快速充电，保持手机长时间使用。   **XMAGE影像+双向北斗卫星消息**   在摄像方面，华为Mate X5也毫不逊色。它配备了一组强大的后置摄像头，包括5000万像素超感知摄像头、1300万像素超广角摄像头和1200万像素潜望式长焦摄像头。这些摄像头的组合支持5倍光学变焦和高达50倍的数字变焦，让您可以捕捉清晰的照片和视频，不论是近距离还是远距离拍摄。  另外，华为Mate X5还支持双向北斗卫星消息，即使出门旅行身处在无地面网络信号的环境，仍能通过畅连应用发送和接收北斗卫星消息，为我们的出行安全保驾护航。此外，华为Mate X5信号方面还非常出色，其搭载灵犀通信技术。这其中包括灵犀天线、灵犀AI算法和灵犀网络充分挖掘通信讯号的潜在能力，通过软硬件相结合的方式，做到通信能力的全面提升。  总结一下，华为Mate X5凭借更先进的技术和精良的设计，自开售后就深受消费者喜爱，300多万的销量也足以说明它的确深受用户的喜爱，让它成为了各个节日的送礼首选。如今暑期将至，大家如果对华为Mate X5感兴趣，可以联系附近门店前往选购，或通过电商平台抢购，选到您满意的折叠屏手机。  现在购买还可享受4000元优惠以及至高12期分期免息折扣哦，到手价8999起，是不是很划算。