Despite geopolitical pressures, Wei emphasized that no single country or company can achieve complete self-reliance in semiconductor production, underscoring the necessity of global collaboration.

<blockquote><p>GPT-4o文生图模型展现惊人能力，从精准细节到复杂融合，AI生成图像的效率与质量正重新定义创意边界。本文通过多场景实测，揭示GPT-4o如何以非自回归架构颠覆传统设计流程。</p> </blockquote>  前天，写了一篇关于 ChatGPT 文生图功能的文章。 发到知乎后，一位 2021年的年度新知答主 提出了质疑，认为我使用的可能不是最新的模型，因为新旧版本差距很大。 他指出，最新版文生图能力很强，而我展示的结果提示词理解差，生成的文字也错误很多。 他举例说，像提示词「两个人相互推对方」这种简单概念，真正最新版模型应该能准确表现。他还建议我检查是否使用了新模型，并给了我一个链接，称那是最新版的界面。 他还分享了一个验证方法： 输入100+个英文单词，如果文字全乱就是其他模型（如DALL·E），如果只错一两个字母才是最新版的 ChatGPT。 他还晒出了两次按我的提示词生成的结果，质疑不能都用“随机性”来解释。被他这么一说，我怀疑自己用错了模型，我之前用的ChatGPT客户端，拿它生成的来比，效果的确有有差异，于是，决定重新试一下。 首先，我用了这位新知答主给我的提示词，如下： <blockquote><p>Alright, here’s a shorter version:12 flowers in a 4×3 grid on a wooden tray with glass bottom and animal fat layer. From top to bottom<br/>ylang-ylang, osmanthus, yellow champaca; tuberose, gardenia, jasmine; carnation, peony, pink hyacinth; blue iris, violet, wisteria. Photo taken on a sunny afternoon</p></blockquote> 英文原意比较长，翻译成缩减的中文是： <blockquote><p>从正上方俯拍的 12 种花，呈四行三列摆放。第一行有依兰、桂花和黄缅栀子；第二行有晚香玉、栀子花和茉莉；<br/>第三行有康乃馨、牡丹和粉色风信子；第四行有蓝鸢尾、紫罗兰和紫藤。所有的花都放在一个带玻璃底的木质托盘上，玻璃上有一层透明的动物脂肪。照片拍摄于一个阳光明媚的下午，托盘被阳光完全照亮。</p></blockquote>  ChatGPT 很快给出了答案。这次生成与以往不同的是，它补充了一句话：根据你的描述，这是由 DALL·E 创建的。DALL·E 是 OpenAI 的图像生成模型。 看来，不仅我遇到过前天提到的模型混淆问题，估计国外友人也遇到过类似情况。 从这里可以得出一个结论：ChatGPT 官方提到的免费试用最新的非自回归模型（Non-autoregressive models）似乎并不支持，或者说做了一定限制。 于是，我直接把问题抛给了 ChatGPT：“如何运用最新的文生图模型？”它给出了三种答案： 第一种是直接使用 ChatGPT 内置的图像生成功能，直接输入详细的描述，它会用最新的模型生成图像。你可以优化提示词（Prompt），比如： - 具体描述主体、背景、光照、风格等 - 指定构图，比如“俯视图”“广角镜头” - 选择艺术风格，如“油画风”“赛博朋克风” 第二种是使用 API，你可以进行批量生成或将其集中到作品中；第三种则是纯介绍，它提到新的文生图模型做了多模态结合，生成带有故事性的连续图像，用 AI 先生成草图，再细化成精美插画等。 不想太多，我直接按照它的要求，把任务交给了 Kimi，让 Kimi 帮我生成一个提示词： <blockquote><p>在昏暗的复古书房里，一盏台灯散发着柔和的暖光，照亮了一张古老的木质书桌。书桌上散落着几本泛黄的书籍和一支羽毛笔，旁边是一杯冒着热气的红茶。画面采用油画风格，营造出宁静而怀旧的氛围，仿佛时间在这里静止。</p></blockquote> ChatGPT生成的图片如下，但是，它依然还是那句话，这是由 DALL·E 生成的图像，展现了你描述的复古书房氛围；很快，ChatGPT 将推出新的图像生成模型，带来更好的细节和风格控制。 所以，结论是：ChatGPT模型是无法使用最新的文生图模型的。怎么办？为了验证准确度，好久没有给ChatGPT充值的我，索性再来了一个月会员。  搞定后，切换到ChatGPT 4o对话界面，输入提示词： <blockquote><p>在一片宁静的海边小镇，夕阳的余晖洒在古老的灯塔上，灯塔的影子拉得很长。远处的海面上，几艘小船在金色的波光中缓缓航行，天空中飘着几朵粉色的云。画面采用水彩画风格，色彩柔和而温暖，营造出一种宁静而梦幻的氛围。</p></blockquote> 响应速度有点慢，不过，生成的图片的确有意境：  所以，必须ChatGPT 4o才可以用，GPT还是老版本的DALL·E模型。随后，我又给它了一个卡通人物的提示词： <blockquote><p>一个活泼可爱的卡通小猫，有着大大的蓝色眼睛和柔软的粉色耳朵，身上穿着一件红色的小背带裤，脚上蹬着一双黄色的小靴子。<br/>它正站在一个充满魔法的森林里，周围是五颜六色的蘑菇和闪烁的萤火虫。画面采用卡通风格，色彩鲜艳明亮，营造出一种奇幻又欢乐的氛围。画面比例为4:3。</p></blockquote> 我很好奇它能生成什么样的画面。你觉得怎么样呢？  我确实不太好评价，只能说这张图风格可爱、充满童趣，色彩温馨。如果用在儿童读物、绘本，或者早教、幼教的互动课件、手工素材里，肯定是足够的。 接着我把图片拿给豆包，让他深度思考一下，说：你评价一下效果怎么样？我用的是ChatGPT 4o的最新文生图模型。 豆包说： <blockquote><p>这幅图还挺不错。小猫的表情和衣服细节画得挺生动，蘑菇和萤火虫也很有感觉。暖色调的小猫配上冷色的夜景，色彩搭配和谐，营造出一种梦幻又可爱的氛围。<br/>小猫在画面中间，构图看着很舒服，主题也很突出。画面整体质量挺高，能用到不少地方，这模型生成的效果挺好。</p></blockquote> 但是，问题来了，测试文生图也看不出它的厉害之处，试试它两张图的融合能力怎么样？ 我从百度上随机下载了两个水杯的图片，这两个水杯都处于真实的场景中，且每个水杯都有手拿着。我想看看它是否能把手抠掉，把两个杯子放在同一个平面上。 然后给到 Kimi，让 Kimi 帮我写个提示词： <blockquote><p>请将两张水杯图片中的手部部分去除，仅保留水杯本身，确保水杯的细节清晰完整。背景保持简洁，以便用于电商海报设计。水杯的光影和质感需要保留，确保整体画面自然且具有吸引力。</p></blockquote>  第一次它好像卡住了，跟我说：抱歉，我处理不了你的要求，要不你再试试？ 估计是用的人太多了。我重新开个窗口，这回它很快就有反应了。问题是，第一张照片处理得挺干净，但第二张直接被忽略了。  这下我可不干了，直接把要求说得清清楚楚，一共四点： 把两只手都去掉，只留下水杯；水杯的细节、质感和光影得保留好，看着得自然；背景要简单干净，突出水杯；两个水杯放在一起，比例要协调，画面得好看。还特别提醒它，尺寸要4:3的。 结果它花了大概40秒，就搞定了。看到结果时，真的只能惊叹：“这也太厉害了”，设计师要下岗了。  你觉得怎么样？速度、效率远比人工抠图搞的快。 我又试了试Chat GPT 4o新出的知识图功能，官方吹的吹得神乎其神，说有了这功能，AI生成图片能把现实世界里的知识用起来，更懂用户想啥，做出来的图也更靠谱、更合乎常理。 简单说：AI画画会琢磨现实里的那些细节，比如地方在哪儿、啥文化背景，还有物理规律那些。 这次，让deepseek来，我说，你帮我写一个带因果逻辑的文生图的提示词。有一个细节就是图片比例依然是4:3。这是它随机给到的： <blockquote><p>内容是一个阳光明媚的下午，一个小男孩坐在公园的长椅上，手里拿着一个冰淇淋，脸上露出开心的笑容。<br/>因为他刚在游乐场玩得很开心，现在正享受着美味的冰淇淋。画面采用温馨的色调，背景是绿树成荫的公园，远处有几个小朋友在玩耍。图片比例为4:3，整体风格清新自然。</p></blockquote>  额，这看不出什么因果逻辑。怎么办？重新来过。索性直接把「定律」加在图中间。这是deepseek给我的两个提示词： <blockquote><p>一个是杠杆定律：生成一张图，一个小孩在跷跷板上，通过杠杆原理把一个重物抬起来。小孩用力往下压，重物被抬高，体现杠杆原理。背景简单，比例4:3。</p></blockquote>  如上图。这看着像吗？的确很杠杆。给豆包后，它说： “这图是说，有个小孩在压跷跷板一头，想把另一头的大重物撬起来。就像玩跷跷板，坐一头能把另一头的人翘起来，利用这个方法，不用费老不用费老大劲就能把重东西抬起来，是一种省力的小窍门。” 的确有点强。不过兴许有些简单，换一个：就拿「相对论的时间膨胀效应」来测试。 提示词： <blockquote><p>生成一张图，展示两个人：Alice 在地球上，Bob 在高速飞行的宇宙飞船里。因为相对论的时间膨胀效应，Bob 看起来比 Alice 年轻。地球上 Alice 在慢慢变老，而飞船里的 Bob 几乎没变。背景简单，比例4:3。</p></blockquote>  你能看得出来吗？ 反正我能看得懂。不过，第一次生成时，Alice的名字被放在了脚下面，看起来有点奇怪。经过二次对话微调后，成功地把名字放到了正确的位置。 我认为还能在进化，比如：指定人物的性别等等。 除了文生图、图片与图片合成、以及生成理解物理世界规律的图以外，还有没有其他玩法呢？ 试试风格转换。比如：将一张人物照片转换为动漫风格，或者将一张图片的风格与另一张图片的内容融合，这种技术在艺术创作和设计时非常受用。 问题是怎么转换呢？我现在有一张个人形象照，把问题甩给DeepSeek，让它帮我想想。 <blockquote><p>DeepSeek说：如果你想测试OpenAI的ChatGPT文生图模型的能力，可以出一个稍微复杂一点但又具体明确的问题，这样既能考验模型的理解能力，又能测试它的生成能力。</p></blockquote> <blockquote><p>比如：我有一张个人形象照，我想把它变成动漫风格。希望你能帮我把照片里的我变成一个动漫角色，头发换成深蓝色的，整体风格有点赛博朋克那种酷酷的感觉。图片比例是4:3就行。</p></blockquote>  不管了，一股脑甩给ChatGPT 4o来处理。这好像有点翻车了。不过，可能我要求太高了。  的确有点抽象，你怎么看？ 不管怎么说，非自回归模型（Non-autoregressive models）的进化速度确实很快，它改变了核心架构。 这个架构会先理解整个图的结构和细节，有点像学生先听完老师讲完题目，把整张画的轮廓勾勒出来，然后再一点点填充细节。 国内很多产品也在用这种能力了，希望能抓紧时间赶上并超越它。 本文由人人都是产品经理作者【王智远】，微信公众号：【王智远】，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。

两家本土顶流零售公司，的不同发展路径。

品类+品牌的双重挑战。

车企自研芯片有机会，但第三方供应商仍将长期需要。

联合利华缩减广告投放。

中美在商业航天领域的差距较大，中国在大运载火箭塔架回收技术上有望在未来十年内实现突破。中国商业航天的发展趋势是整合供应链力量，发挥自身特色，逐步缩小与美国的差距，并在可回收火箭领域取得突破。

<blockquote><p>Cursor作为一款强大的AI编程助手，以其“聊天式”编程模式和高效的功能模块，正在改变传统的编程体验。本文将为你带来30个实用的Cursor使用技巧，从基础理念到高级操作，全方位提升你的AI编程效率。</p> </blockquote>  本文将为大家分享 30 个让 Cursor 更听话、更高效的实用技巧，帮助你实现极致心流体验。 ## 基础理念篇 **01. 理解”聊天式”编程** Cursor 标志着”聊天式”编程的到来。与传统编程模式相比，它有三大核心突破：通过”自然语言”写代码、追求以判断力的速度迭代、模糊了产品经理、设计师和程序员的边界。这种新范式下，我们的注意力将从”如何写代码”转移到”解决什么问题”，AI 会逼迫你”想清楚、说清楚”。 **02. 了解 Cursor 四大件** Cursor 在不同场景提供了不同能力支持，从简单到复杂依次是：Tab、Inline chat、Ask 以及 Agent。熟悉这四大功能模块的特点和适用场景，是高效使用 Cursor 的基础。 **03. 掌握”想清楚”到”说清楚”的转变** AI 很强，但它不知道你脑子里到底想要什么。为了有效沟通，推荐使用结构化表达+足够的上下文，最直接的结构化表达就是使用 markdown 格式描述需求，这种格式天然会对内容”分块”，AI 更容易理解。 **04. 学会分而治之+小步验证** 将复杂问题拆分为简单的小问题，一步步解决。在开发过程中，不要一次生成几千行代码再验证，应该按照拆分任务逐步执行、逐步验证，这样更容易控制代码质量。 **05. 理解 MCP (Model Context Protocol)** MCP 是 AI 与外部世界的”万能连接器”，让 AI 有了眼睛和手臂。它的真正价值在于统一了标准，不用再重复造轮子，让 AI 不仅有了更大的上下文，也让闭环操作性上了一个大台阶。  ## 日常操作篇 **06. 终端对话** 再也不用因为忘记 Linux 命令而苦恼，直接使用 command+k，用自然语言描述命令行操作。这个功能在本地开发时特别实用，可以用 Cursor 专门操作本地终端。 **07. 历史代码生成注释** 选中代码后使用 command+k，为历史代码快速生成注释，相比 Ask 模式速度极快。这对于接手他人代码或回顾自己早期代码特别有用。 **08. 一键生成 commit message** 告别思考”我的代码改了什么”的烦恼，Cursor 可以一键帮你生成符合规范的提交信息，提高 Git 操作效率。 **09. 快速可视化项目架构** 接手新项目时，使用 Ask 模式给你整理出项目的架构图，输出 Mermaid 语法的文本。可以粘贴到 https://mermaid.live/ 查看，快速了解项目结构。 **10. 巧用 Notepad 记录关键思路** 使用 notepad 记录重要上下文，使用@即可调用。Notepad 在 Ask 和 Agent 模式之间起到很好的桥梁作用，有助于连贯思路。 **11. @Git 找出代码漏洞** 遇到代码 MR (Merge Request) 时，可以对比与主干代码的差异，检查是否有问题。当 MR 后代码发生问题时，使用 @Git 功能快速定位。 **12. 使用 checkpoint 一键回滚** 当 AI 修改代码出错时，可以使用 checkpoint 功能快速回滚到之前的稳定版本，避免手动恢复代码的麻烦。 **13. 设置专属提示词** 在 Cursor Rules 里设置你的专属提示词，提高 AI 理解你需求的准确性。网上有很多提示词模板，可以自行查找并定制。 **14. 拖拽式添加上下文** 再也不用一个一个寻找目录去添加上下文，在目录中直接按住目标文件，拖进对话框即可。大幅提高工作效率。 **15. @web 联网获取最新信息** 使用联网功能，快速获取最新的信息，解决开发中遇到的各种问题，特别是对最新技术或库的问题。  ### 高级技巧篇 **16. 一个问题一个 Chat** 把大模块需求拆分成小问题，为每个新问题单独开启一个 Chat 对话。过长的对话可能导致 AI 记忆混乱、响应时间变长，不利于回顾和管理。 **17. 多文件修改使用 Composer** 当涉及模块间的数据联调（多个代码文件需要协同工作）时，建议使用 Cursor 的 Composer 功能。相比 Chat，Composer 能同时分析多个文件，理解代码上下文，提供更合理的修改建议。 **18. 告诉 Cursor 不要急于写代码** Cursor 更倾向于直接提供代码，在项目前期，可以先进行发散讨论，让 AI 帮助补充不明确的细节。明确要求 AI 暂缓执行，等思路确认后再让它动手。 **19. 引导 AI 提问，避免无脑执行** 让 AI 反问你，主动确认更多细节。Cursor 默认相信你的判断，如果你自己都拿不准解法，一定要让 AI 反问你，避免按照错误思路执行。 **20. 强调不要修改无关代码** 在需求描述中明确范围，指明哪些代码可以修改，哪些不能动，以降低 AI 误改的概率。强调自己是代码小白，让 AI 生成更详细的中文批注，帮助理解代码逻辑。 **21. 做好 .md 需求文档沉淀** 建立 .md 需求文档，记录项目背景、核心逻辑、已实现功能等内容。每次开发新功能时，让 AI 先阅读文档，确保理解上下文。明确指示 AI 阅读需求，避免因多个文件 @ 过多而遗漏关键内容。22. 强调”思维链”提高 AI 推理能力 使用”思维链”(Chain of Thought) 技巧，让 AI 进行更严谨的逻辑思考，适用于复杂计算、代码分析、任务规划等场景，减少 AI 的模糊推理。 **23. 添加调试代码，帮助定位原因** 在实现复杂功能时，让 AI 添加调试代码，将代码粘贴到编辑器运行，查看实际执行情况。结果不符预期时，截图反馈给 AI，帮助快速定位问题。 **24. 让 Claude 展示丰富回复帮助理解** 引导 Claude 以更丰富的方式解释模糊概念，通过符号、文字排列的方式，更直观地感受差异，增强对复杂概念的理解。 **25. 使用项目规则 (Project Rules)** 放弃 .cursorrules，改用 Project Rules。它支持按文件类型设置不同规则，控制 AI 语气和结构，还能通过 GitHub 团队同步，让 Cursor 更懂你的技术栈。 分享一个比较万能的规则，保存为 .mdc 文件放入项目里使用： <blockquote><p>You are an advanced AI prompt engineer, specializing in transforming basic prompts into comprehensive, context-rich instructions that maximize AI capabilities. Your expertise lies in structuring prompts that yield highly specific, actionable, and valuable outputs.</p> <p>Core Process:<br/> 1. Deep Prompt Analysis<br/> Thoroughly analyze the user’s original prompt to extract explicit and implicit intentions</p> <p>Identify the domain, complexity level, and desired output format</p> <p>If the prompt lacks critical details, ask targeted clarifying questions focusing on:</p> <p>Intended audience and their expertise level</p> <p>Specific goals and success metrics</p> <p>Required output format, length, and tone</p> <p>Subject-specific considerations</p> <p>2. Strategic Prompt Enhancement<br/> Transform the original prompt by incorporating:</p> <p>Clear role definition with specific expertise level</p> <p>Contextual background information to ground the response</p> <p>Precise instructions with actionable verbs</p> <p>Parameters that define scope, constraints, and boundaries</p> <p>Create a hierarchical structure with primary and secondary objectives</p> <p>Include concrete examples that demonstrate the desired quality and approach</p> <p>Add conditional logic for handling different scenarios or edge cases</p> <p>3. Domain-Specific Optimization<br/> Incorporate domain-specific terminology, frameworks, and best practices</p> <p>Reference relevant methodologies, tools, and techniques appropriate to the field</p> <p>Include industry standards, benchmarks, or metrics for evaluation</p> <p>Tailor the prompt to address common challenges or misconceptions in the domain</p> <p>Provide strategic guidance on how to approach complex aspects of the topic</p> <p>4. Structural Engineering<br/> Organize the enhanced prompt using a clear hierarchical structure:</p> <p>Role &amp; Context: Define who the AI is emulating and the situation</p> <p>Objectives: Primary and secondary goals with clear success criteria</p> <p>Methodology: Specific approach, frameworks, or processes to follow</p> <p>Required Components: Essential elements that must be included</p> <p>Format Specifications: Exact structure, sections, and presentation style</p> <p>Evaluation Criteria: How the output should be assessed for quality</p> <p>Use precise formatting (bullets, numbering, bold text) to improve clarity and emphasis</p> <p>Incorporate semantic markers to denote different types of instructions</p> <p>5. Quality Assurance<br/> Review the enhanced prompt against these criteria:</p> <p>Completeness: Addresses all aspects of the original intent</p> <p>Specificity: Provides concrete instructions rather than vague directions</p> <p>Actionability: Contains clear, executable steps or components</p> <p>Flexibility: Allows for creative problem-solving while maintaining boundaries</p> <p>Error Prevention: Anticipates and addresses potential misinterpretations</p> <p>Advanced Techniques:<br/> Chain-of-Thought Integration<br/> Include step-by-step reasoning instructions to guide the AI through complex analyses</p> <p>Structure sequential thinking processes for problem-solving tasks</p> <p>Incorporate decision trees for scenarios with multiple possible approaches</p> <p>Output Formatting Control<br/> Define precise output structures using clear formatting instructions</p> <p>Include templates or schemas when appropriate</p> <p>Specify exactly how information should be organized and presented</p> <p>User Interaction Design<br/> Build in options for follow-up refinement</p> <p>Include progressive disclosure mechanisms for complex topics</p> <p>Add instructions for soliciting appropriate user feedback when needed</p> <p>Example Implementation:<br/> Basic Prompt: “Create a business plan”</p> <p>Enhanced Prompt:</p> <p>“You are a seasoned business consultant with 15+ years of experience developing successful business plans for startups across diverse industries. Your expertise combines strategic planning, financial modeling, and market analysis with practical implementation guidance.</p> <p>Objective:<br/> Create a comprehensive, investor-ready business plan that balances strategic vision with practical execution details. The plan should serve dual purposes: guiding internal operations and attracting potential investors.</p> <p>Approach:<br/> Executive Summary Development:</p> <p>Craft a compelling 1-page overview capturing the business essence, unique value proposition, and growth potential</p> <p>Include a concise problem statement, proposed solution, target market size, competitive advantage, financial highlights, and funding requirements</p> <p>Write this section last to ensure it accurately reflects the complete plan</p> <p>Business Analysis:</p> <p>Define the business model using the Business Model Canvas framework</p> <p>Articulate the problem-solution fit with specific pain points and how they’re addressed</p> <p>Develop a clear uniquevalue proposition with differentiation factors</p> <p>Identify the Serviceable Addressable Market (SAM) and Serviceable Obtainable Market (SOM)</p> <p>Market Analysis:</p> <p>Conduct a detailed market segmentation identifying primaryand secondary customer segments</p> <p>Analyze target customer demographics, psychographics, and behavior patterns</p> <p>Include a comprehensive competitive analysis using the Five Forces framework</p> <p>Identify market trends, growth projections, and regulatory considerations</p> <p>Strategy &amp; Implementation:</p> <p>Define concrete, measurable business objectives using the SMART framework</p> <p>Develop detailed marketing, sales, and operations strategies</p> <p>Create a realistic implementation timeline with key milestones</p> <p>Include specific customer acquisition strategies with associated costs</p> <p>Financial Projections:</p> <p>Develop 3-5year financial projections including income statements, cash flow statements, and balance sheets</p> <p>Include key assumptions behind all projections with sensitivity analysis</p> <p>Calculate and explain key metrics: break-even point, profit margins, CAC, LTV, and ROI</p> <p>Present funding requirements, use of funds, and expected returnsfor investors</p> <p>Output Format:<br/> Present the business plan in a professional, investor-ready format with these sections:</p> <p>Executive Summary (1 page)</p> <p>Company Overview (1-2 pages)</p> <p>Market Analysis (2-3 pages)</p> <p>Product/Service Description (1-2 pages)</p> <p>Marketing &amp; Sales Strategy (2-3 pages)</p> <p>Operations Plan (1-2 pages)</p> <p>Management Team (1 page)</p> <p>Financial Projections (3-4 pages)</p> <p>Funding Requirements &amp; Use of Funds (1 page)</p> <p>Appendices (as needed)</p> <p>Include visual elements such as graphs, charts, and tables to improve readability and impact. Use professional business language while avoiding unnecessary jargon. Balance optimism with realism, particularly in financial projections and market analysis.</p> <p>Additional Considerations:<br/> Identify key risks and include mitigation strategies</p> <p>Consider scalability factors for future growth</p> <p>Address potential investor questions or concerns proactively</p> <p>Include an exit strategy with potential options (acquisition, IPO, etc.)</p> <p>Ensure all claims are supported by data, research, or logical reasoning”</p> <p>Important Notes:<br/> Always calibrate complexity to match the user’s expertise level</p> <p>For technical domains, include field-specific methodologies and evaluation criteria</p> <p>For creative tasks, balance structured guidance with creative freedom</p> <p>Always prioritize actionable, concrete instructions over theoretical concepts</p> <p>Your enhanced prompts should empower users to obtain precisely what they need from AI systems while minimizing iterations and clarifications.</p></blockquote> **26. 同步相关文档** 在 @Docs 中添加相关框架和库的文档，给 Cursor 更多上下文，能提升代码准确性和建议质量。 **27. 使用 @Codebase 查全库** 想找 bug 或定位函数？用 @Codebase 提问，比如”支付流程在哪里？”或”哪个组件渲染了仪表盘？”Cursor 会扫描整个项目给出答案。 **28. 启用 MCP，动态访问数据库** Model Context Protocol (MCP) 让 Cursor 实时读取数据库模式，可以动态获取表、自动编辑模式，省去手动写迁移文件的麻烦。 **29. AI 自动生成行级安全 (RLS)** 行级安全 (RLS) 设置很繁琐？直接告诉 Cursor：”生成 RLS 策略，让用户只能访问自己的数据。”几秒钟搞定安全访问规则。 **30. 保存优质代码** Cursor 生成的好代码，存成 .md 文件供以后参考，或记到 Notepad 复用，逐步打造个人 AI 代码库。随着使用经验的积累，你可以形成自己的代码样板，提高开发效率。 对 AI 编程还有什么疑问，欢迎评论区留言交流。 本文由人人都是产品经理作者【饼干哥哥】，微信公众号：【饼干哥哥数据分析】，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。

日本在准备为芯片初创企业Rapidus Corp．提供至多8025亿日元（54亿美元）的额外援助，此举反映出日本政府确保半导体供应的决心越来越大。再加上另外1000亿日元的拟议资金，这使得日本为打造一个先进芯片代工企业而拨出的公共资金总额至多将达到1.72万亿日元。 世界上大多数用于开发人工智能（AI）的先进逻辑芯片是由台积电生产的，再加上美国总统唐纳德·特朗普的“美国优先”运动，也加剧了日本的紧迫感，这也是Rapidus获得帮助的原因。 就始于4月的财政年度，日本经济产业省批准了最多6，755亿日元对前端加工（晶圆制造）的额外支持，以及另外1，270亿日元对后端加工（包括芯片封装和测试）的额外支持。财政部官员表示，从下一财年开始公共援助可能会减少。 “我们希望在下一个财政年度看到私营部门提供支持，”经济产业省情报产业课长Hisashi Kanazashi周一对记者表示。他补充说，与可能的企业和财务合作伙伴的融资谈判正在按计划进行。  他说，Rapidus有望在4月开始运营一条试点生产线，并将在夏季之前开始加工第一批晶圆。这家初创公司的投资者包括丰田汽车、索尼集团和软银，力争2027年开始量产下一代芯片，这是一个雄心勃勃的目标。 [查看评论](https://m.cnbeta.com.tw/comment/1489494.htm)

由数百名人工智能研究人员组成的小组表示，目前该领域正在以错误的方式追求通用人工智能。这一见解是在人工智能促进协会 (AAAI) 的 2025 年人工智能研究未来总统小组会议上披露的。这份[冗长的报告](https://aaai.org/wp-content/uploads/2025/03/AAAI-2025-PresPanel-Report-Digital-3.7.25.pdf)由 24 名人工智能研究人员共同编写，他们的专业知识涵盖人工智能基础设施现状和人工智能的社会方面。 [](https://static.cnbetacdn.com/article/2024/0719/91b184f7aa3af5f.png) 该报告包括每个部分的主要内容，以及社区意见部分，受访者被问及对该部分的看法。 “AI 感知与现实”部分由麻省理工学院计算机科学家 Rodney Brooks 主持，引用了 Gartner 炒作周期特征，这是技术炒作中常见的五阶段周期。报告指出，2024 年 11 月，Gartner“估计生成式 AI 的炒作刚刚过了高峰，正在走下坡路”。社区意见部分 79% 的受访者表示，目前公众对 AI 能力的认知与 AI 研发的现实不符，90% 的人表示这种不匹配阻碍了 AI 研究——其中 74% 的人表示“AI 研究的方向是由炒作驱动的”。 布鲁克斯在一封电子邮件中表示：“我之所以采用 Gartner 技术成熟度曲线，是因为这是他们多年来一直使用的方法，它概括了在很多不同领域出现的所有炒作，随后都以失望告终。因此，它在许多领域的存在和准确性告诉我们，我们应该谨慎地接受当前对未来事物的炒作，任何时候都要谨慎行事。” 布鲁克斯补充道：“我认为，公众对人工智能的大量讨论都过于相信炒作的准确性。” [通用人工智能 (AGI)](https://cloud.google.com/discover/what-is-artificial-general-intelligence)指的是人类级别的智能：假设机器能够像人类一样解释信息并从中学习。通用人工智能是该领域的圣杯，对无数领域和学科的自动化和效率都有影响。想想那些你不想花太多时间做的琐碎任务，从计划旅行到报税。通用人工智能可以用来减轻死记硬背任务的负担，也可以催化其他领域的进步，从交通到教育和技术。 令人惊讶的是，大多数人（475 名受访者中的 76%）表示，仅仅扩大当前的 AI 方法还不足以产生 AGI。 报告写道：“总体而言，这些回应表明了一种谨慎而又向前迈进的方法：人工智能研究人员优先考虑安全、道德治理、利益共享和逐步创新，主张协作和负责任的发展，而不是竞相发展通用人工智能。” 尽管炒作扭曲了研究现状，而且当前的人工智能方法并没有让研究人员走上 AGI 的最佳道路，但这项技术已经取得了突飞猛进的发展。 “五年前，我们几乎不可能进行这样的讨论——人工智能仅限于可以容忍高比例错误的应用，例如产品推荐，或者知识领域受到严格限制的应用，例如对科学图像进行分类，”弗吉尼亚大学计算机科学家、该报告事实性和可信度部分主席亨利·考茨 (Henry Kautz) 在给 Gizmodo 的电子邮件中解释道。“然后，从历史角度来看，通用人工智能开始发挥作用，并通过 ChatGPT 等聊天机器人引起公众关注。” 报告指出，人工智能事实性“远未解决”，最好的法学硕士在 2024 年的基准测试中只能正确回答大约一半的问题。但新的训练方法可以提高这些模型的稳健性，而组织人工智能的新方法可以进一步提高它们的性能。 “我相信，提高可信度的下一阶段将是用合作的团队取代单个人工智能代理，这些团队不断核实彼此的事实，并努力保持彼此的诚实，”考茨补充道。“大多数公众以及科学界（包括人工智能研究人员群体）都低估了当今最佳人工智能系统的质量；人们对人工智能的认知落后于技术一两年。” 人工智能不会消失；毕竟，Gartner 炒作周期不会以“逐渐消失”而结束，而是以“生产力达到顶峰”而结束。人工智能使用案例的不同领域有不同程度的炒作，但随着私营部门、政府官员，甚至是我们自己的家庭对人工智能的呼声越来越高，这份报告令人耳目一新，人工智能研究人员正在非常批判地思考他们所在领域的现状。从人工智能系统的构建方式到它们在世界上的部署方式，都有创新和改进的空间。既然我们不会回到没有人工智能的时代，唯一的方向就是向前。 [查看评论](https://m.cnbeta.com.tw/comment/1489492.htm)

经济学家朱民在央视《面对面》节目中谈及中国制造业发展时一度哽咽落泪。他表示中国制造业占全球制造业的30.3%，是美国、德国、日本、韩国的总和。改革开放前20年，中国的制造业是最便宜的。后20年，中国制造业是又便宜又好的。今后20年，中国制造业是全球又便宜、又好、又科技的。 **比亚迪的车在欧洲市场的价格是中国的两倍，即便加税、加上运输成本，也到不了原价格的100%，照样低于大众等其他品牌的电动车，打败欧洲无敌手。** 同时，他还分享了一个月前去比亚迪的一些感受，他说：“我特别感到中国工程师的厉害，这个非常了不起，这个是我们的未来，我看到了那个厂，特别骄傲，这是我们一代人的骄傲。” 朱民还指出：“中国最大的资源是人力资源，今天的人力资源是中国几千万的工程师。” 同时朱民也特别强调了比亚迪的工程师精神，**比亚迪通过工程师天团打造出技术鱼池，技术的赋能让比亚迪多点开花，2024年一跃跻身全球车企销量排行榜第五名。**所以说，技术创新是中国企业快速发展的核心驱动力。 [](//img1.mydrivers.com/img/20250331/83cee09e-bc35-4849-9156-6c35f290530d.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1489490.htm)

**近日，宝马iX2纯电动SUV在韩国上市，提供iX2 eDrive20版本，<strong>官方指导价为6470万韩元（约合人民币32万元）。</strong>**作为现款X2的纯电动版本，宝马iX2外观造型与燃油版近似，采用最新设计语言，前格栅为封闭式设计，带有菱格纹装饰。  LED头灯组内部为双箭头造型日间行车灯，车头下部配备空气动力学组件。  车身采用溜背式轿跑SUV结构，配备平齐式门把手、红色刹车卡钳等细节，车尾造型紧凑，带有小尺寸尾翼和高亮黑装饰组件。  内饰方面，宝马iX2配备10.25英寸+10.7英寸一体式曲面双联屏及iDrive 9车机系统，副仪表台采用分层设计，配备杯架和无线充电面板。 动力上，**iX2 eDrive20版本采用前置单电机，最大功率150千瓦，峰值扭矩247牛·米，0-100公里/小时加速时间为8.6秒。** **搭载64.7千瓦时三元锂电池组，续航里程为350公里，电量10%-80%的快充时间为29分钟。**  目前，宝马iX2尚未进入中国市场，其潜在竞品包括smart精灵#3、奔驰EQA/EQB、奥迪Q4 e-tron等车型。 如果该车后续进入国内市场，该车的价格预计也将在30万这一级别，但按照宝马i3的优惠力度来看，该车的优惠应该也会很大，预计将来到20万内。 [查看评论](https://m.cnbeta.com.tw/comment/1489488.htm)

据湖北省医保局官网，**今日，湖北省医保局发布全国首个脑机接口医疗服务价格，**标志着这一前沿科技正式步入民生领域，为无数患者带来希望与曙光。其中，**侵入式脑机接口置入费为6552元/次，侵入式脑机接口取出费为3139元/次，非侵入式脑机接口适配费为966元/次。** 官方在通知中提到，全省公立医疗机构应依据自身条件开展上述3项医疗服务价格项目，项目价格为全省最高限价，不得上浮，下浮不限。 [](//img1.mydrivers.com/img/20250331/143a9b798fe74f84852e223a3d673c7e.png) **项目服务产出如下：** 非侵入式脑机接口适配：通过外部放置的电极采集脑电信号，进行脑机接口系统的调试和功能监测。 侵入式脑机接口取出：通过手术方式将已置入大脑皮层或特定神经区域的脑机接口系统取出。 侵入式脑机接口置入：通过将脑机接口系统置入大脑皮层或特定神经区域，实时采集神经信号，实现大脑与外部设备的信息交互。 [](//img1.mydrivers.com/img/20250331/54bc9233f1bc413088c5670a40ea5099.png) [](//img1.mydrivers.com/img/20250331/ea8facbed6b64375aead213fa42ce700.png) 据“湖北发布”介绍，脑机接口是在大脑与外部设备之间建立直接连接的通路，大脑在思维活动时产生脑电波，脑机接口则通过识别脑电波特征直接读取大脑意图，将其转化为计算机指令，实现人与机器或外部环境之间的交互联通，创造让瘫痪者行走、让失语者“说话”、让盲人“复明”等奇迹。 近年来，脑机接口技术不断发展，逐步拓展其应用边界，不仅在神经功能缺陷譬如偏瘫、失语患者治疗方面，更在帕金森、癫痫、抑郁症等功能性神经疾病的治疗中展现出巨大的潜在优势。 据了解，**2024年4月，浙江大学脑机接口迎来全新突破，其最新研究首次实现汉字书写脑机接口，成功实现了侵入式脑机接口控制机械臂书写汉字。** 76岁高位截瘫的患者通过侵入式脑机接口，用意念控制外部机械臂手握马克笔，在白板上成功写出“浙江大学脑机接口”。 目前，浙江大学脑机接口团队突破了汉字书写的特殊编码机制，在此基础上发展了汉字书写轨迹解码新技术。 在书写每一个汉字时，都有不同的神经元组合参与进来，进而产生不一样的脑信号模式。 **科研人员通过动态解码模型，可以实时捕捉志愿者的脑神经活动，解析志愿者想象的书写轨迹，再通过控制机械臂进行书写。** 在离线状态下100个常用汉字的分类正确率达到了91.3%，在语言模型辅助下，正确率可提高至96.2%。 [查看评论](https://m.cnbeta.com.tw/comment/1489472.htm)

人生瞬间是一款记录生活瞬间的 iPhone 应用，也可以叫做日记应用，支持双人共写，可以导出 PDF，以及在应用中的吐槽建议中，填写暗号 “小众软件领会员” 送终身会员，这个非常有趣。@Appinn

<blockquote> <p>「产业带计划」是由36氪发起的深度内容专题，去年我们陆续走访了深圳、常州、合肥、成都等多个城市。2025年我们将继续走进中国一线产业带，以实地走访、企业对话、行业观察研究等方式，记录产业变迁，深度连接创新项目、链主企业、机构和地方政府，共同探索产业的未来。</p> </blockquote> 文 | 张冰冰 编辑 | 阿至 沪杭线高铁从上海虹桥站开出，23分钟后，就会停靠在第一站——嘉善。这是一个隶属浙江嘉兴的县，因为有着比一线城市通勤时间还短的高铁交通、特殊的地理位置与发展政策，这里成为了浙江接轨上海的“第一站”。 嘉善南高铁站不算起眼，与中国大多数县城并无二致。初来乍到可能还没适应这样的都市景观落差，毕竟20分钟前，人们还在上海虹桥的COACH门店里跟导购询问这一季的新款。 但从嘉善南站出发，开车不到5分钟，“上海人才创业园”几个大字和背后的玻璃大楼就占据了绝大部分视线，带出另一幅城市面貌：门面堪比酒店的现代化厂房、水乡洋房式的配套小区、建筑面积3万平方米的图书馆博物馆……嘉善的发展路径和接轨效果逐渐展开。  嘉善博物馆 与上海接轨的“快”，是嘉善的先天优势。嘉善主动承接发达地区经济增长的溢出，“补位”上海企业发展需求，**目前，嘉善约90%的引进项目与上海相关，逐渐形成“总部在上海，制造服务在嘉善”、“创意在上海，孵化转化在嘉善”的产业协作体系。** 从发展成果看，嘉善在2024赛迪百强县名单中排名第53位，在全国进入研究范围的1800多个县域经济体中已属佼佼者。但把这一成果放到长三角地区，浙江千亿县城就有33个，嘉善2024年GDP是958.3亿元，数字在其中并不算亮眼。 然而早在12年前，嘉善就已经成为全国唯一的县域科学发展示范点；3年前，成为全国唯一的县域高质量发展示范点。这显然不是简单的数字衡量，也不仅依靠经济发达地区的溢出效应。 嘉善产业转型的“快”，提供了另一个观察维度。**从依赖木业家具、五金机械、纺织服装产业等“老三样”产业，到数字经济、生命健康、新能源新材料三大战略性新兴产业为主导**，嘉善实现了传统产业向新兴产业的快速转型。 其中，2020年，嘉善在生物医药产业引进云顶新耀项目，创造了当年3月签约、5月出资、10月上市、12月开工的“嘉速度”，云顶新耀也在落地后成长为市值超百亿港元的生物制药公司。 这是一个为人称道的案例，但我们更希望挖掘高光时刻的之前和之后，以此看到更多嘉善产业发展的切面：背靠地理位置禀赋，嘉善做对了什么？跳出先天资源优势，嘉善还做了什么？ ## **7个月跑出一家上市公司** 云顶新耀由康桥资本于2017年孵化投资成立，最初以“License in”（许可引进）为商业模式，专注于创新药和疫苗研发、临床开发、制造及商业化。 在企业厂房林立的嘉善经济技术开发区，云顶新耀是一个具有代表性的名片。初入云顶新耀园区，帆船造型的办公和实验楼不像印象中的“工厂”，更像一线城市的“大厂”，实验室藏身其中，与办公室就隔着一层玻璃。外部是多个管线生产车间和动物房，由布局严谨的管道设备相连接。园区整体占地面积约86亩，相当于8个标准足球场大小。  云顶新耀办公区 而在5年前，这里还是一片空白。伴随厂房从无到有，云顶新耀也经历了曲折向上的一段发展历程，与嘉善经济技术开发区的携手共进是其中最重要的注脚，一切的开始还需要回到2020年。 当时，云顶新耀手握8款具备良好市场前景的临床候选药物组合的产品管线，覆盖肿瘤、免疫学、心肾疾病及感染性疾病。**要更往前一步的发展，核心产品的研发和商业化、候选药物的临床试验及备案登记等，都依赖于资金、政策和厂房，一切的关键是找到合适的承载地并成功上市。** 彼时，嘉善同样在寻找合适的新兴产业项目。“传统产业已经发展了二三十年，到了一个发展瓶颈，有一部分也是已经做过好几轮的转型升级了，再通过老产业去做提升，其实也很困难。”嘉善经济技术开发区管委会副主任李炜骏介绍道，嘉善走访了上海、苏州等工业园区，发现高附加值的产业几乎都绕不开新一代信息技术、新能源、新材料、生物医药等高技术产业。根据自身资源基础，嘉善将新兴产业的方向定在了：数字经济、生命健康、新能源新材料。 其中，生命健康领域细分板块众多、研发投入大，嘉善需要找准发展的发力点。传统小分子药在国外已发展多年，涉及专利垄断，很难创新突破；医疗器械类嘉善已有涉足，但利润和转化周期还需提升；而创新药是一个全球百花齐放的赛道，国外没有达到绝对领先，国内起步尚属早期，靶点式治疗相比化疗放疗等传统手段也更有优势。 创新药项目的引进成为了最优选，**李炜骏坦言“传统小分子药竞争很激烈，大部分专利集中在国外巨头手中，但大分子药国内外大家的基础都差不多，我们是有机会的，所以我们也一直想要去找这样的标的，但说实话这样的项目并不好找。”** 一边是亟需产业转型的区域，一边是手握产品寻求落地生产的潜力项目，康桥资本成为了中间的桥梁。作为亚洲最大的医疗健康产业基金，康桥资本主要从事孵化运营和并购型投资，一手孵化了云顶新耀，同时也与全国各区域政府建立了广泛联系。 在康桥资本的推动下，云顶新耀在嘉善落地的项目放上了谈判桌。 云顶新耀最初的计划总投资规模在百亿级别，而2020年，嘉善的GDP为655.77亿元、财政总收入117亿元，这显然不是一个能轻易促成的事情。“像云顶新耀这么大体量的生物医药企业，传统做法给多少政策可能谈落地都很艰难，那我们就换个思路。”李炜骏介绍道。 “基金+股权+项目”的创新模式成为突破口：政府**与基金投资机构合作，借助产业基金对产业的敏锐“嗅觉”，通过股权投资形式，解决高科技企业在研发阶段的资金需求，最终完成项目招引，撬动区域产业转型升级。**这种模式，在今天国资和产投主导的时代，释放出了更大的优势。 通过股权投资的形式，嘉善和康桥资本成为了云顶新耀的大股东。从传统的招商项目，变成了更紧密的合作伙伴，新的合作效率也在酝酿。 当时参与项目落地的人员，对一个环节印象深刻。厂房的建设通常会涉及水、电、环保、消防等各个部门的审批许可，云顶新耀厂房的主要业务领域之一是mRNA平台，其设计和建造更是需要符合中国GMP法规要求、WHO的PQ标准，同时满足高标准的无菌和排布划线要求。流程的复杂度增加了建设难度和时间成本。嘉善经开区为云顶新耀成立了专班，听取企业诉求，与企业共同推进项目建设，从2020年底厂房开工，到2022年正式投入运行，只用了2年的时间，一期工厂就实现了试生产。 优越的区位依然是加分项。生物医药等高技术产业非常依赖专业人才，**除了接轨上海第一站，嘉善还地处浙苏沪三省市相向融合发展的核心区，通过相关人才政策，可以吸纳周围的人才来到嘉善。**据悉，云顶新耀有一部分员工来自嘉善，也有很多专业人才家在上海、苏州、杭州甚至无锡，嘉善成为一个很好的位置点，帮助企业保留在江浙沪的人才。 2020年3月，云顶新耀项目签约落地嘉善，项目计划总投资100亿元，一期投资4.05亿美元，完全达产后预计年销售额超100亿元。当年10月，云顶新耀在香港上市。 回过头看，这也是一个抓住了时代机遇的故事。各方都表示，无论是资金规模还是推进速度，在今天的市场环境下都很难再复制。**在时机选择上的果断和坚决，让云顶新耀抓住了发展的窗口，也让嘉善在生物医药产业落下了重要的一子。** ## **在不确定中把握确定性** 创新药的特点决定了，这是一个在不确定性中寻找确定性的产业，而创新药的招引落地，更是放大了这一特性。 License in的研发方式，充满了不确定性的考验。**不同阶段创新药引进的费用不一样，越早引进前期付出得少，但后期面临的风险也会更大。这非常考验一家公司的专业能力，包括BD能力和风险把控能力，选靶点、选赛道、选治疗领域的能力。** 同时，初创型创新药企业需要在研发阶段耗费大量时间资金，很多企业可能会倒在临床阶段，让早期项目招引后的落地发展充满未知。李炜骏回忆：“我们当时选定云顶新耀这个项目，原因之一就是它在海外已经开展临床了，有几个比较重磅的药，同时也有比较强的资本支持，和初创企业不太一样，我们可以更快进入到产业化这一步。”可以说，企业的专业实力、政府的政策支持，共同为创新药的成长提供了确定性的保障。 然而2022年，最大的不确定性出现了，生物医药行业进入“寒冬”，港股整体震荡。 在这个大环境之下，生物药企都在扩大管线和回笼现金流之间挣扎。康桥资本挥刀，为保住基本盘，云顶新耀将一手引进的重磅肿瘤药物Trodelvy的独家权益退回给了卖方，这是云顶新耀耗时一年排除万难买入的管线，曾成为其市值的核心支撑力。 这一消息无疑是一个重磅炸弹，云顶新耀股价应声下挫。 对嘉善来说，重点引进项目出现大幅股价波动，这本应是个“心惊肉跳”的时刻，但在回忆时李炜骏描述得很平淡：“云顶新耀当时属于断臂求生，卖掉Trodelvy回笼一部分资金，保住另外两款药的管线流程。” 从项目招引和投资的经验来看，哪怕是成熟项目的落地，也存在一定风险，但李炜骏表示，嘉善依然有确定的信心：“企业就在我们当地，我们交流也比较多。最重要的是，**我们是以重要合作伙伴的角色，深度参与到云顶新耀的经营成长中，心里有数就不会慌。**” 事实证明，云顶新耀的策略奏效了，两款重磅新药——“全球首个氟环素类抗菌药物”依嘉®、“全球首个IgA肾病对因治疗药物”耐赋康®——都在2023年获批上市。云顶新耀最新财报显示，耐赋康®2024年5月在中国大陆商业化上市、2024年12月被纳入医保，2024年销售收入达3.53亿元，同比增长1581%。依嘉®目前覆盖医院扩展至300家核心机构，2024年销售收入3.53亿元。两者合计贡献超过7亿元销售收入，直接拉动云顶新耀2024年收入同比增长461%，实现商业化层面盈利。 云顶新耀赢得了扭转局势的机会，进一步升级“引进+自研”双轮驱动的发展战略，自研能力取得突破性进展。 云顶新耀位于嘉善的自建工厂具备多种规模的mRNA产品GMP生产产能，2021年以来，云顶新耀的mRNA平台成功地通过了临床验证，致力于肿瘤治疗性疫苗的自主研发。 2025年3月，云顶新耀宣布，其研发的首款新型mRNA个性化肿瘤治疗性疫苗EVM16在北京大学肿瘤医院完成首例患者给药，标志着该疫苗从实验室研究向临床应用迈出了坚实一步，表明云顶新耀具有自主知识产权的肿瘤新抗原AI算法系统和mRNA技术平台已成功进入人体试验阶段。 同月，云顶新耀启动伊曲莫德（VELSIPITY®）位于嘉善工厂的生产建设项目。伊曲莫德主要用于治疗中重度活动性溃疡性结肠炎（UC）患者，嘉善工厂将利用现有P1车间一楼的2200平方米空间进行GMP改造装修，并引入世界领先的片剂生产线，预计正式投产后伊曲莫德的年产能可达5000万片。  云顶新耀嘉善工厂 嘉善的生物医药产业也在龙头企业的带动下站稳脚跟。截至2023年10月底，嘉善成功引入康爱生物、神畅医疗等60家医药企业，总投资超过100亿元，取得资质的医药生产企业38家，科创板上市企业1家，企业数同比增长66.7%。 **这个充满考验的时刻，更能看到嘉善能取得发展的原因：勇于创新又踏实务实。** 一个细节是，云顶新耀项目一期投资4.05亿美元，计量单位变化的背后，是跨境并购项目要涉及的一系列ODI审批（境外投资备案）。而对于从未操作过ODI的嘉善来说，更难的是“一片空白”。李炜骏直言：“知道难点我就去解决了，更难的是都不知道难点在哪里。”但嘉善还是坚定地踏出了面对空白的一步。 这或许也在回答那个问题：为什么众多县域里，嘉善成为了那个发展样本。 ## **县域经济的“耐心资本”** 在嘉善，不同类型企业园区，就像不同发展阶段的缩影：梦天木门、TATA木门等传统企业园区规模大，是当地发展的经济支柱；浙江长盛滑动轴承、格林策巴赫机械等企业园区，是印象中的工业厂房风格，承载着制造业发展的印记；云顶新耀、兰钧新能源等企业园区，已经向现代化发展，简约而大气。  兰钧新能源 多种产业类型的融合，呈现了嘉善产业发展的转型思路。 **产业升级相当于要给经济发展换引擎，是一场涉及面广、充满未知的变革。**不得不承认的是，在合肥投资式招商的故事被放大之后，经济发展和招商引资被压缩到了一个期待很高、时间又很紧的节奏上，在焦虑和冒险的刺激下，产业发展的思路和动作容易变形。 保持定力，本身就是一个不小的挑战。“企业发展有市场规律，有合适的标的我们也会引进，但产业的发展还要靠产业自身的动力。”李炜骏表示，产业发展是理想和现实并行的：“传统企业虽然创新力上不如新兴产业，但营收利润稳健，是经济的压舱石。新兴产业无论是生物医药还是集成电路，都需要培育时间，短时间内很难创造可观的收益。两者需要科学搭配。” **科学的发展思路之外，一切还需要交给时间。** 以生物医药产业已颇具规模的苏州为例，2007年，在苏州一片稻田和荒地的独墅湖边，被称为“生物湾”的苏州生物医药产业园开园，时任苏州工业园区党工委副书记的杨建中在媒体采访中回忆，“当时的工委书记整天追问我，这些企业什么时候爆发？”他回答，10年。 经过10多年发展，这里才终于成为江苏医药创新的第一梯队，园区内20余家企业陆续上市，生物医药产业竞争力稳居全国第一方阵。相比而言，嘉善生物医药产业和云顶新耀都还在起步期，双方一致看到，距离生物医药产业“爆发”还有一段距离。 医药产业具有特殊性，举例来说，企业需要拿到药品生产许可证C证，才能够和拿到药品生产许可B证的企业进行合作，这无形中让合作门槛变高，产业融合也更需时日。但嘉善一直坚持做正向的探索，在引进生物医药企业时，依然会推荐企业和云顶新耀建立联系。比起立竿见影的建设效果，更关键的是始终保持做正确的事。 科学的发展观念、优越的体制机制、理性的创新方式，多方因素成就了嘉善的发展蓝本，由此放眼整个江浙县城，众多县域发展的“块状经济”催生了各具特色的专业市场：海宁的皮革、义乌的小商品、丹阳的眼镜……都在细分产业中做到了行业天花板，甚至走出国门。 **而专业市场的繁荣，又反过来推动“块状经济”的进一步壮大，使得“江浙县城”成为独具特色的发展代名词，共同构筑了长三角一体化的发展根基。** 借助长三角一体化发展机遇，嘉善的产业发展始终在路上。与云顶新耀同一年落地的兰钧新能源项目，三期施工正在如火如荼进行，达产后新增年产值将超500亿元，将推动嘉善新能源产业加速迈向千亿级产业集群。 在不确定性弥漫的当下，未来的道路或许不会如以往明确，但科学发展的底色、创新务实的精神将铺设出一块块坚实的踏脚石，一路通向发展的方向。 ### 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/ZBLmFSQhIMxHBOvOuR2sJQ)，作者：张冰冰，阿至，36氪经授权发布。

 《Drova》是由 Deck13 Spotlight 和 Just2D 开发的独立游戏，于去年 10 月发布。这款游戏不仅获得了巨大的关注，而且在 Steam 上凭借近 6000 条评论仍保持着 95% 的好评率，并且刚刚为所有新老玩家推出了大型免费内容更新。这款暗黑像素角色扮演游戏现已在 PC、PlayStation 4、PlayStation 5、Xbox Series X|S、Xbox One 和任天堂 Switch 平台上发售，售价92元（25%折扣）。 &lt;内嵌内容，请前往机核查看&gt; 角色扮演游戏该有的样子 《Drova》是一款传统的角色扮演游戏。游戏中没有任务标记，只有一个供玩家探索的开放世界。没有微交易，玩家只需支付一次 92 元。没有为首日 DLC 删减内容，实际上根本没有 DLC。也没有人工智能生成的内容。只有一个精心打造的世界，包含 40 小时的游戏内容、复杂的战斗系统以及超过 250 个可互动的角色。《Drova》忠实于启发它的那些游戏的根源。  血肉崛起 此前已经发布了两次大型内容更新，受到了粉丝们的热烈欢迎。现在第三次也是最后一次内容更新 “血肉崛起” 已经推出，为玩家带来了体验《Drova》世界的新方式。  更新内容： - 红沼之地已进行了重新设计 - 古老魔法（供那些想在游戏前期就使用魔法的玩家） - 根据社区反馈对第三章进行了调整 - 一个全新的往昔地牢  - 以武器为核心的魔法 - 红沼之地的洞穴已被彻底重新设计 - 大量的小新增内容 - 大量的小修复内容 - 大量的平衡性调整 为了庆祝这次全新更新的发布，《DROVA》目前在 Steam 上可享受 25% 的折扣优惠。这次更新将在未来几天内登陆主机平台。在“血肉觉醒”更新推出后，玩家可能需要稍微等待一段时间，才能再次听到 Just2D 的消息。据悉，《DROVA》还将有一些小型的改动，但新的项目已经开始开发了。  &lt;内嵌内容，请前往机核查看&gt;

<blockquote><p>“人货场模型”是一个通过从客户（人）、商品（货）、渠道（场）三个维度拆解问题，帮助你快速找到业务问题的核心，并结合实际案例和操作步骤，教你如何应用这一模型来解决收入下降、用户增长缓慢等常见问题的技术工具。</p> </blockquote>  “我看到收入下降/新增用户减少/转化率不行，该怎么进一步分析呢？”很多人有类似困惑，尤其怕写了一堆“同步收入下降5%，环比下降”得不出对业务有价值的结论。 ## 01 什么是人货场模型 人货场模型是三个固定的分析维度： - 人：客户、业务员 - 货：商品结构，商品价格 - 场：销售渠道，推广方式 在分析问题时，从人/货/场三个维度拆解，找到问题关键。在提出建议时，将表现优秀业务VS 差劲业务，从人货场三维度进行对比，能找到具体的，可落地的改进点。这样就实现了从数据到业务行动的落地。具体操作，则分成5个步骤。 ## 02 怎么应用人货场模型 ### 第一步：业务梳理，先了解基础数据。 1、我司有哪些客户（人） 2、我司有哪些销售（人） 3、我司有哪些商品（货） 4、我司有哪些渠道（场） ### 第二步：打标签，做分类。 这一步至关重要。因为数据库里，可能只有具体的客户名称/具体商品编码/渠道代码，对着这些琐碎抽象的东西没法做分析，需要做概括性分类。 常见的分类，比如： 1、C端客户（人），按累计消费/会员等级进行分类，区分高低购买力客户； 2、B端客户（人），按行业/公司规模分类（大公司需求天然大，要争取） 3、业务员（人），按从业经验，过往业绩水平，手头持有老客户数分类 4、商品（货），根据商品自然属性，做一二三级分类 + 商品毛利 5、线下渠道：按地区、位置、营业面积、营运成本进行分类 6、线上渠道：按推广平台，投放费用多少，转化率高低分类 经过这一步处理，需要形成分类思维导图，便于分析时形成思路；同时在数据库里打好标签，便于后边交叉对比（如下图）。  ### 第三步：明确分析目标。 这是所有分析都必须的，目标要具体： - 错误目标：销售额下降了，分析下 - 正确目标：9月销售仅达标85.3%，分析差异来源 分析目标还可以是新注册用户数/经营单位成本费用/商品库存等等…… ### 第四步：从人货场维度进行拆解，寻找问题原因。 这里要注意： 1、先看大分类，再看小分类 2、从差异大的维度开始 3、先看完一个分类，再看另一个 举例：“9月销售仅达标85.3%”，可以先分别看以下哪个维度达标率最低，从哪里下手： 1、不同销售渠道达标率 2、不同商品品类达标率 3、不同客户目标达标率 这里需要从**差异最大**的维度切入。比如下图，从人的角度看，AB团队都没有达成目标，但是从商品（货）的角度看，新品的问题明显更大，此时就应将新旧商品切换为主分析维度，继续往下挖原因。  经过这一步拆解，能锁定主要问题点，之后再做深入分析。 ### 第五步：结合过程指标，深入分析原因。 比如上例，我们发现：新品达标情况很差。再往下解释为什么差，需要更细节数据，比如： 1、产品基础性能参数与竞品对比 2、产品价格与竞品对比 3、产品推广投入与自身同类产品同期对比 4、产品铺货进度，计划与实际执行对比 这样才能具体看出问题所在（如下图）  当然，也有可能，人/场的维度下差异巨大，此时可以结合具体业务情况，提出细分分析思路。 ## 03 不同行业的人货场模型 不同行业，在构造人货场模型时，会有差异性： 1、有实体店的，**门店位置**特别重要！此时优先打“场”标签 2、toB业务的，大客户非常重要，此时优先打“人”（客户行业/规模）标签 3、对品牌商而言，产品线布局/新品上市最重要，此时优先打“货”的标签 这非常考验数据分析师水平。 ## 04 人货场模型深入应用 深入讨论人货场，大家会发现更多复杂的情况，比如： 情况1：优秀标杆不可复制。比如：发现销售团队里小张很好，但小张自带客户资源，其他人没有这个条件，此时只能再找其他方法。 情况2：短期策略不可持续。比如：短期内靠促销（货）拉动业绩，但促销不能一直做，只能再做分析，看非促销情况下还有什么方法。 情况3：两个维度相互影响。比如：特定商品只在特定地区好卖，意味着要观察商品+地区的组合，来判断销售情况。 这些，都需要构造更复杂的分析逻辑，具体得考虑问题。 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。

<blockquote><p>单点问题往往是系统问题的表象，解决之道在于跳出局部，审视全局。从山姆与盒马的价格博弈到海底捞的员工激励，系统思维不仅能破解商业难题，更能为个人困境提供全新视角。本文以实际案例剖析系统思维的力量，带你重新定义问题解决的逻辑。</p> </blockquote>  关于单点问题和系统问题，其实去年在做山姆&amp;盒马的研究的时候，就认识到了重要性，但最近才深刻意识到这个思维的用处有多大，这几天正是靠这个思维把我拉出了持续两三周的痛苦的深渊。 这个思维在商业上的应用，拿山姆和盒马举例： 单点上我们看到现象是，去到山姆，同样的品牌产品换算到单位价格比盒马便宜、或者类似的价格但是山姆的产品用料明显更好，单点看这个问题的话，的确很神奇很难解，凭什么山姆就能把价格打下来还能赚钱，盒马也不傻呀，退一步说，品牌方也不傻为什么卖进山姆就愿意赚更少钱呢。 但是如果到系统上看，看山姆和盒马作为渠道在链条上的位置，他们作为零售渠道，上游是供应商和品牌方，下游是消费者，供应商的上游是原料采购，这是一个完整的系统。如果山姆希望向下游的消费者售卖更低的价格，但是又需要这个系统的所有人利益不受损、不然没有人会愿意，这时候要怎么办呢？单点来看是无解的，但是看到这个系统后，我们惊喜地发现，如果原料商愿意给供应商更便宜的价格、供应商就可以给山姆更便宜的价格、山姆就可以给消费者更便宜的价格，怎么让原料商愿意给供应商更便宜的价格呢？答案是规模优势。 当山姆可以给消费者足够的价值预期和信任预期，消费者就会更多更持久地在山姆买东西，这时候山姆就可以向供应商承诺稳定且大的量，供应商自然也就可以从原料商用规模去议价、或者山姆直接用量向品牌方议价，以及山姆建立起了高端的价值形象后，这也是向品牌方议价的方式，因为进入一个高端渠道是可以帮助品牌捆绑来背书的。 虽然有了这个理解，但还是不能调动来使用它，所以说，从理解到掌握，还有巨大的应用的鸿沟。 我在面对自己工作上的困难，持续了好几周都心情低落，觉得无解，但是有一天早上我突然就开窍了，我想到，我面对的难题是我作为个体的单点问题，如果放到系统上看会怎么样呢。于是我用到了工作中锻炼的思维习惯、站在CEO的视角去看整个公司这个系统， 如果我们把公司抽象成一个流水线，组织架构就是这个流水线上有哪些点位、不同的点位的传输是怎么配合的，然后每个岗位上的人就是这个流水线上分别的加工点，每个加工点的齿轮转得越来越快、加工点的配合越来越紧密，流水线就会运转得效率越快，这个就是组织设计的逻辑，每个加工点上的齿轮运转速度变快就依赖于员工变强变熟练。 所以当我站在这个流水线去看问题之后，就能够跳脱出情绪很理性地看到我这个加工点位到底核心的重点是什么。比如我之前一直苦苦思考和尝试但是无解的是到底要怎么提高我的个人影响力和传播面，但是看到这个系统后，会发现，其实并不一定要把自己打造成一个IP才能帮助这个系统的转动，而是只需要我有足够的价值、并且能把价值让别人感知到，这个齿轮就足够转起来。 你看，我作为一个员工，所感受到的痛苦要站在公司系统的层面思考才有解法；这让我想到，之前好几个创业者或者管理者问过我类似的同一个问题，“我的下属工作没有积极性怎么办？只有领导在场盯着才能积极一点” “我的员工总是流动性很高怎么办？” 比如我们来看员工工作积极性不高这个问题，在这个单点问题上的话，你能想到的解法有哪些？给钱？多团建？少加班？ 但是，多给钱可能你的公司人力成本撑不住、而且时间久了也一样会没有积极性、或者只是表面积极；多团建甚至可能员工更反感。 这个问题从单点来看是很难解的，但是我们用系统思维，站在公司组织系统来看，会不会有新思路呢？ 海底捞给了一个很好的答案。海底捞的服务员会讲说，哪有时间摸鱼，上厕所都要用小跑的；你去海底捞吃饭，也一定能感受到服务员的态度和微笑都是真心实意的，甚至送顾客离开，等电梯关上门了才会转身。 如果只靠规章制度，是无法规定员工一定要上厕所小跑、对顾客发自内心微笑的，就算设置了检查小组，也无法保证在监督者不在场的时候依然有一样的效果。 海底捞的服务员每天要站十几个小时，为什么还能积极主动成这样？ 海底捞是这样做的： 首先筛选出认可“双手改变命运”和渴望赚钱改变命运的员工，这些人的动力就是赚钱，下一步就是需要把他们的赚钱渴望和积极的工作状态所关联起来。这里涉及到薪资体系设计、晋升机制设计和组织架构设计的一系列系统问题， 解释背后的逻辑的话，简单来说： 当员工的服务的每桌顾客都代表每一笔钱的时候，还会不抓紧服务顾客吗？当收拾的每一个餐盘都代表一笔钱、而且每天都能看到自己赚多少钱的时候，还会去摸鱼浪费时间吗？ 当薪资和晋升都需要被复购率考核的时候，还会不希望给顾客好的体验吗？ 当知道公司在帮助自己拿到想要的生活、在真心关爱自己的时候，还会不真心实意微笑吗？ 所以，要解决员工积极性的问题，只发奖金、或者只做员工关怀都是不够的，因为这是个系统问题，员工在社会的系统里，员工在公司的系统里，需要匹配这两个系统的交集去分析去设计全套的管理动作，包括组织架构、工作流程、分工协作方式、评价考核体系等等。 所以我很感叹，这个系统的思维不仅是对个人问题有用，在我做咨询帮助客户解决问题的过程中，发现系统思维在公司运营的各个场景也有巨大的用处。 比如： 营销出问题是大部分不是做传播的问题，而是系统问题，比如产品或者服务没想清楚 ； 动作执行不下去不是某个员工的单点问题，而是组织设计的系统问题； 差异化优势的构建也是系统问题，每个动作都要导向用户价值的传递。 这就是这个系统思维的妙处，当转换一个更宏观的视角，就会发现之前困扰的问题其实可能从源头来说压根不需要思考、或者正确的思考完全是另一个方向才会有解。 本文由人人都是产品经理作者【思考要挣扎】，微信公众号：【思考要挣扎】，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>ETF跟踪误差是投资者关注的核心指标之一，它不仅反映了基金与标的指数的偏离程度，还直接关系到投资收益的稳定性。本文深入剖析ETF跟踪误差的概念、成因、计算方法及应对策略，帮助投资者在复杂市场中做出更明智的选择。</p> </blockquote>  ## 一、概念 大家平时有没有发现到同类ETF为什么涨跌不一致？是跟踪误差在作祟吗？在回答这个问题时，先让我们一起来看看ETF跟踪误差的概念是什么，不过网上有很多版本，究其根本概念。 1、通俗版-跟踪误差概念：基金的净值变化和指数涨跌之间的偏离度。（如下图所示）方便大家理解，举个栗子：你和教练一起跑步，你跑的速度和教练跑的速度不一样即差值，其速度差值就是“跟踪误差”。  2、简单版-跟踪误差概念：在同一个时间段内，ETF实际收益率与被跟踪指数收益率之间的偏离程度（不考虑股息、利息等因素，收益率= (期未指数值或价格-期初指数值或价格) / 期初指数值或价格*100%)。 3、基金管理人和投资者都希望二者能够紧密贴合，和指数同涨同跌。紧跟踪标的指数，追求跟踪偏离度和跟踪误差的最小化，跟踪误差越小，说明ETF与其所跟踪的指数表现越一致和基金管理人是不是有本事把ETF管好。 敲黑板划重点： 跟踪误差的大小常用来衡量基金管理人的运作水平高低，另外是投资者选择投资标的考量指标之一。在实际过程中，各种的原因，指数基金并不是完全按照指数去复制，会存在一定的比例误差，跟踪误差是没有办法避免的。 到这里大家要明白ETF所赚的钱是从那里来的，就是从它盯住的那个指数挣的钱之间的差距。和同类ETF为什么涨跌不一致。 ## 二、原因 通过上面的学习，相信大家或多或少已知道ETF跟踪误差是什么了，那趁热打铁我们来聊聊：ETF跟踪误差产生的原因是什么？ETF跟踪误差产生的原因众多，主要有以下6种原因造成的，下面我们分别来介绍下吧。 ### 2.1、复制策略差异  ### 2.2、现金头寸管理  ### 2.3、基金运作成本  注：ETF基金运作过程中包含管理费、托管费等成本，计入基金资产，一般来说这些费用越高，跟踪误差越大。 ### 2.4、市场冲击与调仓成本 - 市场极端波动：在暴涨暴跌行情中，ETF可能无法及时调整仓位，加剧跟踪误差。 - 大额申赎引发的流动性冲击：机构资金快速进出可能导致ETF净值异常波动。 - 调仓滞后：指数成分股调整后，ETF需时间完成持仓变更，期间可能产生跟踪偏差。 ### 2.5、基金规模与流动性  ### 2.6、分红、税收、监管 税收和监管也会造成ETF跟踪误差，这里不做介绍了，简单说下：成份股分红，如果ETF持有的成份股分红，这部分分红资金会进入ETF账户，管理人需要时间把这些现金用于建仓跟踪指数标的成份股，也会造成ETF跟踪误差的放大。 成份股数量的四舍五入，实际投资过程中，ETF按照跟踪指数建仓成份股会产生碎股，例如，假设某ETF规模为10亿元，按照跟踪指数权重有5%（5000万元）要投资于成份股A，而成份股A的价格假设为3000元，那么就需要购买16666.6667股（假设保留4位小数），而A股市场主板股票最小交易单位为100股，这就需要ETF实际购买股票进行四舍五入取整，例如16700股，这就使ETF持有成份股A的权重和“理论权重”产生了差异，导致跟踪误差的产生。但一般而言ETF规模越大，受碎股影响越小。 敲黑板划重点： - ETF跟踪误差是多种原因叠加作用的结果，投资者需结合费用结构、复制策略、市场环境等综合评估。建议大家投资ETF时多选择规模大、流动性好、费用低的ETF产品，往往能够拥有更低的跟踪误差。 - 在投资前可在基金公司官方网站‌、专业的金融数据平台和三方代销售平台上均可查阅基金的历史跟踪误差数据及披露文件，了解其管理能力与潜在风险。  图片源于支付宝基金查看某基金跟踪误差，如有侵权请联系删除 ## 三、计算/工具 我们已知道ETF跟踪误差是什么、ETF跟踪误差产生的原因，那我们接下来了解下：ETF跟踪误差数据是这样计算出来，首先说下：ETF跟踪误差数的计算公式比较复杂，同时要有一定金融数学基础，所以多读书还是有好处，书到用时方恨少，不过大家了解下也无防。 ### 3.1、基础公式：跟踪误差的核心计算逻辑 - 波动性视角：衡量每日（或周期性）收益差异的波动性，反映ETF与指数的短期偏离程度。 - 累积差异视角：比较长期累积收益的绝对差异，反映整体偏离的规模。 3.1.1、简单跟踪误差（Simple Tracking Error）  3.1.2、波动性跟踪误差（标准差法）  3.1.3、平均绝对偏差（MAD）  小结：ETF跟踪误差计算方法和公式比较多，这里围炉简单介绍三种基础计算公式，在计算过程：要注意数据频率选择、异常值处理、调整成分股变动。说实话这块围炉不懂，懂点皮毛所以不做过多介绍了，有兴趣者可自行去学习。 ### 3.2、跟踪误差计算工具 有ETF跟踪误差计算公式，当然得有相应的计算工具即软件，来配合一起来高效完成复杂计算过程。工具有：Excel、Python、MATLAB和其它专业金融软件(如：Wind、Bloomberg、Morningstar Direct)。 3.2.1、Excel 入门首选：Excel适合快速验证，适用场景：基础计算、小规模数据、快速估算。 实现方法：标准差/相关系数计算，使用STDEV.P或STDEV.S函数计算每日收益差异的标准差。 误差值 = STDEV.S(ETF收益率范围 – 指数收益率范围) * SQRT(252)  / 年化跟踪误差。（注：STDEV.S‌（样本标准差）：用于计算样本数据的标准差；SQRT（全称 Square Root）表示平方根运算） 优缺点：操作简单，无需编程基础；缺点：处理大数据时效率低，缺乏高级优化功能。 3.2.2、Python 高阶应用：适用场景 – 批量处理多只ETF数据、复杂模型等 实现方法：导入库并加载数据、计算日跟踪误差、计算年化跟踪误差、进阶优化 优缺点：灵活高效，适合自动化分析；需编程基础 <pre><code>import pandas as pd</code><code>import numpy as np</code><code># 加载数据</code><code>data = pd.read_excel(&#39;hs300_etf.xlsx&#39;, parse_dates=[&#39;date&#39;])</code><code>data.set_index(&#39;date&#39;, inplace=True)</code><code># 计算日误差</code><code>data[&#39;etf_return&#39;] = data[&#39;510300_close&#39;].pct_change()</code><code>data[&#39;index_return&#39;] = data[&#39;000300_close&#39;].pct_change()</code><code>data[&#39;tracking_error&#39;] = data[&#39;etf_return&#39;] - data[&#39;index_return&#39;]</code><code># 年化计算</code><code>annualized_error = data[&#39;tracking_error&#39;].std() * np.sqrt(252) * 100</code><code>print(f&#34;年化跟踪误差: {annualized_error:.2f}%&#34;)</code></pre> 3.2.3、其它工具 MATLAB和其它专业金融软件，围炉这里就不介绍了，主要平时工作中很少接触到，所谓没有使用就没有发言权。 ### 3.3、跟踪误差计算流程与数据源  ## 四、异常处理措施 ETF在运作和计算过程中，肯定会出现各种异常的问题，如：流动性型、操作失误型、市场冲击型、汇率型、政策型等很可能会让误差超出正常范围。那么投资者需要监控误差来源，比如检查费用、流动性，或者考虑换基金。金融机构可能需要调整投资策略，优化交易执行，或者加强风险管理。 ### 4.1、投资者应对方法 优选低误差ETF产品，关注费用与规模、选择完全复制策略的ET等； 定期检查误差成因，如现金拖累（分红再投资延迟）、成分股停牌或流动性不足等，必要时调整持仓等； 对跟踪误差波动较大的ETF，可通过买入指数期货或期权对冲偏离风险，锁定收益。 ### 4.2、金融机构应对策略 加强风险管理与系统优化，提升交易执行效率 优化投资组合管理、降低运营成本与摩擦、 强化风险监控与披露、建立误差容忍阈值、 定期复盘与迭代 本文由人人都是产品经理作者【围炉喝茶聊产品】，微信公众号：【围炉喝茶聊产品】，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。

据媒体报道，**由工匠派打造的小跑车SC01将于4月15日正式上市，售价预计在30万元以内。**该车由江西江铃集团新能源汽车有限公司生产制造，悬挂羿驰牌，正式命名或为羿驰01。  句此前的消息来看，**SC01是一款双门双座电动跑车，外观采用简洁设计风格，配备犀利的前大灯组、三段式进气口、18英寸双五辐轮圈和黄色制动卡钳。** 车身侧中后部分设有通风开口，展现出强烈的运动感。 车尾部分，新车采用宽厚尾部造型、圆形尾灯组和尾部扩散器装置，进一步提升空气动力学效应。  车身尺寸为4106/1830/1170mm，轴距2503mm。 动力方面，**新车搭载前后双电机，综合最大功率431马力，0-100km/h加速时间为3.9秒，配备中创新航科技股份有限公司的三元锂离子蓄电池，CLTC续航里程为500km。**   此外，新车还采用推杆式悬架结构和中后置电池布局，以提升操控性。 作为一款不到30万元的电动小跑车，其价格以及比较纯正的外形，加上纯电的驱动形式，都非常适合做年轻人的第一辆小跑车。 [查看评论](https://m.cnbeta.com.tw/comment/1489470.htm)

据上海清算所官网公告，**华为投资控股有限公司在3月18日及3月24日发布了两期超短期融资券，分别融资40亿元，总额80亿元。**  **第一期发行简称为“25华为SCP001”，代码为“012580699”，期限设定为270天，**起息日为2025年3月20日，兑付日定于2025年12月15日。 发行利率为1.7600%，发行价格为100.00元/百元面值。  **第二期发行简称为“25华为SCP002”，代码为“012580748”，期限设定为268天，**起息日为2025年3月26日，兑付日则定于2025年12月19日。 发行利率为1.70%，发行价格为100.00元/百元面值。  据了解，超短期融资券（Super Commercial Paper, SCP）是中国非金融企业在银行间债券市场发行的无担保短期债务工具，期限通常为270 天以内（含），属于《银行间债券市场非金融企业债务融资工具管理办法》规范范畴。 其发行需经中国银行间市场交易商协会注册，**资金用途以补充流动资金为主，主要面向信用评级AA+及以上的央企、地方国企或上市公司。** 常见期限为7 天、14 天、21 天、1 个月、2 个月、3 个月，最长不超过 270 天。 利率由市场定价，通常低于同期银行贷款基准利率，且无承销费外的隐性成本。 [查看评论](https://m.cnbeta.com.tw/comment/1489468.htm)

**本月28日14时20分，缅甸中部发生7.9级地震，震源深度30千米**，之后又多次发生余震，最高7.5级。这起地震今年以来全球最强的地震，不仅造成缅甸曼德勒地区重大伤亡，其冲击波甚至波及700公里外的泰国曼谷和中国云南省，英国剑桥大学地震学家詹姆斯·杰克逊形容，**这场强震“如同一把巨刀切入地球”**。 缅甸强震引发了世界关注，同时也对同为地震多发国的日本带来了强烈警示，近日，日本政府方面公布了有关“南海海槽特大地震”的最新损失估算数据。 数据显示，如果“南海海槽特大地震”发生，**造成的经济损失最大可能超过292万亿日元，较上一次在2013年得出的估算值（约220万亿日元）大幅上升，且至多或导致29.8万人死亡**。 研究已知，以日本东海地区以西的太平洋沿岸为震源的巨大地震迄今为止反复发生，最后一次是在上世纪40年代中期。 日本气象厅及地震相关专家等方面认为，自静冈县到南九州海域的南海海槽，在未来有发生特大地震的风险，并持续在关注和评估相关数据。 结合今年1月份日本政府地震调查委员会最新评估数据可知**，南海海沟今后30年内发生规模8至9级地震的概率，已提高至约80%水平。** 地震调查委员会委员长平田直例行会议后表示：“南海海沟地震可能100年发生一次，每经过一年，发生概率提升约1%，并非概率骤升，但随时都可能发生，希望大家做好防震对策。”  [查看评论](https://m.cnbeta.com.tw/comment/1489466.htm)

据媒体报道，**Google旗下的Waymo的自动驾驶出租车在2024年共收到589张违规停车罚单，罚款总额高达65065美元（约合人民币47.3万元）。**违规行为包括堵塞交通车道、无视街道清洁限制以及占用禁停区域等。 自2024年11月在洛杉矶向公众提供服务以来，Waymo也收到75张违规停车罚单，截至今年3月，仍有543美元罚款未缴纳。 Waymo发言人Ethan Teicher表示，公司始终将安全放在首位，**车辆在接送乘客时被编程为“采取最安全的行动”，许多违规停车罚单正是在这段时间内发生的。** Waymo会支付这些罚款，并正在努力改进。 在美国加利福尼亚州，警察无法对自动驾驶车辆的移动违规行为开罚单，但违规停车罚单不受此限制。 随着人工智能技术的发展，无人驾驶汽车的交通事故责任主体划分问题对传统法律规定带来了冲击，Waymo正在努力解决这一问题。 [](https://img1.mydrivers.com/img/20250331/0cde474b418d4230a669d996ed95439a.png) [查看评论](https://m.cnbeta.com.tw/comment/1489464.htm)

据报道，在近日召开的第二届全球独角兽企业大会上，《中国独角兽企业发展报告（2025）》正式对外发布。这份权威报告揭示了中国创新企业群体的最新发展态势。报告数据显示，中国目前拥有独角兽企业409家，总估值达15068亿美元。 从全球范围来看，中国独角兽企业数量占比接近30%，规模仅次于美国位居全球第二。根据国际通行的定义，独角兽企业是指成立不超过10年、估值超过10亿美元且拥有核心技术的非上市创新企业。从行业分布来看，这些高价值企业广泛分布在12个重点领域。其中，人工智能、新消费与零售、集成电路三大领域的企业总估值位居前三甲，分别达到4612亿、2039亿和1925亿美元。 值得注意的是，在平均估值方面，人工智能领域以75.61亿美元领跑，电子商务（61.85亿）和新能源智能汽车（54.31亿）紧随其后。目前中国已有18家估值超百亿美元的&#34;超级独角兽&#34;企业。 与此同时，另一类高成长性企业——瞪羚企业正日益受到市场关注。这类企业虽然规模相对较小，但展现出更快的成长速度和更强的创新能力。与独角兽企业不同，瞪羚企业往往已经度过初创期，正通过技术创新和商业模式突破实现超常规发展。  [查看评论](https://m.cnbeta.com.tw/comment/1489460.htm)

近期在海外论坛Reddit的华擎主题板块，不少用户都反馈遇到了锐龙9000在华擎主板上无法点亮的问题，对此华擎已经回应称，是异物导致，清理干净后即一切正常。  现在又有一名网友反馈了一个奇怪的案例： 他购买了一颗锐龙7 9800X3D处理器、一块华擎RS X870主板，还有金士顿FURY 64GB内存，升级至最新版BIOS，开始一切正常。 **但是用了9天之后，突然无法点亮，开不了机了，而此前没有任何异常表现，拆机查看处理器、主板也都完好无损，至少外观上没啥变化，不像是烧毁。** 因为还没有超过14天的退换货期限，这名网友选择了换新，目前正在等待中。 [](//img1.mydrivers.com/img/20250331/7b632e2f2ee74ed4a2e7abd515472370.png) [](//img1.mydrivers.com/img/20250331/bd161e81aca84c4ba3ab93b6b6d6a7ca.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1489458.htm)

记事本，作为一个简单的普通文本编辑器，曾经常年没有任何变化，但是这几年，微软对记事本、画图等传统工具非常重视，不断带来耳目一新的变化，现在也进入了AI的时代。其实一切都从2022年开始，记事本有了众望所归的标签页，还从Win32传统应用升级为UWP统一应用，又增加了拼写检查等功能。  **现在，Windows 11的记事本首次直接集成了Copilot，在工具栏上显示为一个单独的按钮。** 目前的Copilot功能共有五个，分别是**重写、缩写、扩写、改变语气、改变格式。** 语气提供**正式、随意、激励、幽默**四种选择，格式则有**段落、列表、商务、学术、营销、诗歌**六种选择。 不过需要注意的是，使用记事本的Copilot功能，**必须登陆微软账户，并订阅Microsoft 365 Personal或者Family计划**，非订阅用户只有几次试用机会。 [](//img1.mydrivers.com/img/20250331/d6a76e24dceb4f6cba6265d0e91522be.jpg) [](//img1.mydrivers.com/img/20250331/7567593513074948ac74f2a21be9d07d.jpg) [](//img1.mydrivers.com/img/20250331/7142193140d441f795a59fba4a7e81a0.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1489454.htm)

据韩国Infomax调查，**分析师预测三星电子在2025年第一季度的营业利润仍不乐观，面临连续三个季度下滑的局面。**分析师预测，三星电子2025年第一季度的营业利润预计为4.7万亿韩元（约合32亿美元），同比减少27.8%，环比减少26.6%。 **报道称，这一下滑趋势主要归因于中国DRAM厂的产能全开，导致传统DRAM价格下跌，三星作为传统DRAM的主要供应商，受到严重冲击。** 2024年第二季度，三星的营业利润为10.4万亿韩元，但随后逐季下降，第三季度降至9.2万亿韩元，第四季度进一步降至6.5万亿韩元。 **不过根据TrendForce的最新调查，由于下游客户库存去化有成，2025年第二季度传统DRAM报价跌幅有望收窄至0%至5%。** 若纳入HBM计算，受惠于HBM3e 12hi逐渐放量，预计均价将季增3%至8%。 三星电子已定将于四月初公布2025年第一季度的初步财报。  [查看评论](https://m.cnbeta.com.tw/comment/1489452.htm)

36氪获悉，天津滨海高新区3月28日召开了2025年第一季度新闻发布会，就高新区脑机接口产业发展情况进行了介绍。 天津滨海高新区党委常委、管委会副主任刘宪明指出，高新区聚焦脑机接口产业，将全力构建“成果转化—生态构建—产业集聚”的全产业链发展模式，努力打造以脑机海河实验室为依托，以华苑片区为核心的“中国脑机谷”，创建未来产业先导区，合理规划、精准培育脑机接口产业，推动未来产业特色化集聚发展。3月19日，高新区脑机接口作为重点领域方向，已正式获批天津市首批未来产业先导区。  天津滨海高新区召开2025年第一季度新闻发布会 事实上，早在2023年3月，天津市第六家海河实验室——**脑机交互与人机共融海河**实验室就已揭牌成立，支撑高新区在未来产业新赛道中取得“先手棋”。 在此期间，高新区全方位满足脑机海河实验室的科研要求、设备需要、办公诉求、产业化发展需求等，先后投入近10亿元支持实验室打造“1+1+N”的脑机接口产业载体布局。 具体来看，建筑面积达4.6万平方米的两栋科研楼主要用于实验室科研办公、小试中试、检验检测、企业孵化，是脑机接口领域自主创新的重要源头。同时，高新区与实验室联合高新区优质载体打造未来产业智造基地，给予产业链上下游企业项目注册、办公场地、人才引进、培育孵化等多方面的支持，支持优质企业和项目在高新区集聚发展。此外，支持实验室与其他区域、其他单位开展共同研发、技术合作、设立联合实验室等，做强做大做优天津市脑机接口产业。 在机制创新和人才培育方面，实验室获批自主立项权，对科研项目可自主立项、自主组建科研团队，自主立项项目视同省部级项目；获批工程技术系列医疗器械专业的职称自主评审资格，正高级、副高级和中级职称可自主评审；获批设立博士后创新实践基地和国家级博士后科研工作站，引育高端人才。 在资金方面，高新区构建“政府引导+社会参与”投资模式，和中国电子信息产业集团、海河产业基金和合盈资本共同发起成立国内首个面向脑机接口产业发展的专项基金——天津市脑机产业基金，总规模10亿元，首关资金已到位，已启动投资行为，将带动更多资本投早、投小、投硬科技。 值得关注的是，脑机海河实验室的孵化企业开天燧世，已作为基金的第一个被投项目立项。 据悉，高新区今年将进一步加快脑机接口产业高质量发展，全年预计落地10家以上企业，3个以上制造业项目，1个10亿元以上重点项目，推动产业规模实现翻倍增长。 “2025年，高新区将继续加大脑机接口产业的投入力度，在发展新质生产力上勇争先、善作为，依托天开华苑园，建设具有全国影响力的未来产业高地，打造新质生产力标杆。”刘宪明总结道。

作者丨朱可轩 编辑丨陈彩娴 DeepSeek 在进一步点燃 AI Infra 可能性的同时，也带来了新的竞争格局，在 DeepSeek 的范式上，其他厂商能否追赶甚至实现超越尤为关键，这决定了他们能否继续留在牌桌上，当前，AI Infra 已然进入新的洗牌期。 2025 年 3 月 22 日，雷峰网、AI 科技评论 GAIR Live 品牌举办了一场主题为“AI Infra 变革进行时”的线上圆桌沙龙。 圆桌主持人为 3C AGI Partners 创始人兼 CEO 王康曼，她一直专注于投资 AI Infra 赛道，其创立基金成立后仅一年多就已经成为英伟达全球 VC 联盟成员，也投资了海外发展势头最猛的两家 AI 芯片创业公司 Cerebras Systems 和 Groq。 同时，圆桌还邀请了魔形智能创始人CEO徐凌杰、探微芯联 CEO 刘学和清程极智联合创始人师天麾共同开启了一场深度对话。  交谈过程中，嘉宾们围绕成本进一步压缩下，MaaS、一体机等 AI Infra 商业模式的前景、DeepSeek 为国产芯片带来的启示、构建开源生态对于 Infra 的重要意义等多个方面发表了独到见解。 当前，国内 AI Infra 初创的商业模式无非云上和线下两种，而 DeepSeek 之后有关云上 MaaS 能否盈利的讨论甚嚣尘上。 对此，师天麾表示，“这块的盈利空间要看算力规模、优化程度、客户付费能力等多个因素，算力成本也会随着更优的硬件架构和更好的硬件工艺进一步降低，模型价格未来也会持续变化，现在没法一概而论能否盈利。” 线下私有化部署方面受到 DeepSeek 的影响，客户需求也逐日走高，不过虽然 DeepSeek 确实提升了大众对于 AI 的认知，但许多企业还是会担忧对实际业务是否有帮助。 针对于此，师天麾建议，“小企业没有太多数据安全顾虑可以租机器，如果对数据安全要求比较高，也可以先花几十万买个性能没有那么强的机器，也不是非要跑 DeepSeek 满血版，先试一试对企业业务场景有没有帮助，有帮助再花钱买更好的机器，用更好的大模型更好地支撑业务。” 线下这块给创业公司带来的机会很多，比如相较于偏爱提供标准化产品的大厂而言，初创提供的服务更为深入和定制化，而从上到下较短的决策链也带来了更加快速的适配跟进速度...... 而在国产芯片方面，大家一致认为 DeepSeek 所带来的机遇和提振作用多过挑战。 不过，挑战也是客观存在的。徐凌杰提到，“不止两三家企业在春节后定下了目标做 352 卡、 384 卡大集群的部署。千卡集群分成两部分，一个做 R1 的部署，另一个做 V3 的部署，这些都在他们的规划中，但因为大规模分布式难度高，看起来还需要一段时间调试。” 除前述问题外，DeepSeek 也使开源的呼声持续走高。近期，英伟达也开源了其模块化推理框架 Dynamo，用于在分布式环境中服务 AI 模型，嘉宾们对此也各抒己见。值得一提的是，和 Dynamo 同时在 GTC 上引起关注的还有 Silicon Photonic。 有关 CPO 的未来，刘学认为英伟达对此起到了推动作用，“现在大家统一认为 26 年、27 年硅光会有小批量交付，28 年到 30 年是大规模落地的时间节点。”他还表示，“现在 CPO 很重要，而且工艺厂家越早布局越好，尤其是要全面思考从做光模块转到 CPO 和之前是否有差异。” 以下是此次圆桌讨论的精彩分享，AI 科技评论进行了不改原意的编辑整理： **DeepSeek 的影响初探** **王康曼：**我们讨论的话题是 DeepSeek 之后 AI Infra 的变革，我是 3C AGI Partners的创始人兼 CEO 王康曼，我们基金在过去一年半里投了许多 AI Infra 相关的项目，今天也非常荣幸请到三位老师来共同探讨，他们分别是魔形智能创始人徐凌杰、清程极智联合创始人师天麾和探微芯联 CEO 刘学，请各位老师先介绍一下各自的背景。 **徐凌杰：**我在 AI 领域深耕多年，和 GPU 有着不解之缘，十多年前我就是第一批学 CUDA 的学生，然后一直在 GPU 行业里从事芯片研发、管理等工作，在芯片公司和互联网公司云计算平台都干过，去年创立了魔形智能（Magik Compute）这家软硬件结合的 AI 基础设施公司。 我们看到的机会是在未来相当一段时间里，因为摩尔定律的限制，芯片里能做的空间相对比较少了，随着模型越来越大、上下文越来越长，更多关于 AI  Infra 的创新是在集群、数据中心层面，所以我们既会有自己的硬件集群设计，也会有能够调出优秀性能的软件能力。 **师天麾：**清程极智是 2023 年底创立的 AI Infra 公司，我们主要聚焦于 AI 系统软件部分，通过寻找软硬件结合优化来赋能国产 AI 的发展，从底层编译器到上层并行计算，我们拥有全栈优化经验。然后我们的首席科学家，也是我的博导，是清华计算机系高性能计算研究所所长翟季冬教授，我们在系统和高性能计算领域有十几年积累，从小规模到万卡、十万卡英伟达、国产显卡的集群都有经验。 **刘学：**我之前在产业界，后来在学校从事 AI Infra 相关研发，我负责过一个过亿级的类脑计算集群的国家级研发。这十年间我们团队做了个千卡类脑集群，同时实现了 GPU 和 GPU 之间在通信领域先发优势的迭代。 现在主要解决国内GPU厂商卡脖子技术，让国内的GPU厂商具备与英伟达竞争的网络通信、并行能力，研发的 ACCLink 和 ACCSwitch 类似于英伟达的 NVLink 加 NVSwitch，是一个全自、多点、多 GPU 缓存和低延时的无损通信协议，加上自己的 Switch，再借助上层通信库，能创建无缝、高带宽、多节点集群，类似英伟达多芯片、超节点的能力。 **王康曼：**DeepSeek 发布 R1 后对国内 AI Infra 行业带来的冲击挺大的，从技术路线、成本结构和合作模式上看，对大家有什么具体影响吗？ **徐凌杰：**去年 DeepSeek 就打响了 token 价格的第一枪，从 V2、V3 到 R1 都给了我们很大启示，他们这几个模型在结构上也有很大的延续性，对 AI Infra 是有挺大冲击的，之前都会说美国的就是最好的，大家投资OpenAI，OpenAI 买微软的云，微软云买 Nvidia 的 GPU，这是非常正向的循环。 DeepSeek 带来了全面冲击，从 Infra 角度最大的启示在于，他们在训练阶段就想好了怎么实现低成本的推理，他们手上只有 2000 张卡的 H800 集群，之前也有一部分 A100 但没有 NVLink 这种强互联的 Scale up 集群的卡，基于手上有的算力资源他们做出了一套模型。 之前互联网公司做搜索推荐时，往往会分两个团队，算法团队负责提升召回率、准确率和效果，工程团队则负责降本。DeepSeek 充分考虑了算法、工程及落地效应，把整条链路打通了。这对于 AI Infra 公司人才培养提出了更高要求，现在算法工程师也要考虑到工程的落地，工程落地的人要考虑到在集群方面有什么样的限制。 对于一个年轻人来说，未来不能只是一个写算子的工程师，要了解集群互联、文件系统，以及到底要做什么样的分布式，是把所有 expert 放在一台机器上，还是每个 expert 分散放在每张卡上面达到最好的效果，侧重于系统的吞吐和优化每个用户 TPS 的体验优化策略是不一样的。 我认为 DeepSeek 点燃了 AI Infra 的可能性，前几天 GTC 上黄仁勋画了个图，横轴是单个用户的 TPS，纵轴是整个系统的吞吐，根据不同的要求能够找到不同的体验点。这对于我们不同的业务来讲也是一样的，我们通过系统的组合、软件的优化有非常多的可能性，DeepSeek 已经做出了一个范式，其他厂商能否跟上且达到他们的效果，大方向上来讲既打开了可能性，也打开了竞争格局，大家都在追随甚至超越他们的范式，这是非常激动人心的时刻。 **师天麾：**今年感觉 DeepSeek 带来最大的影响是让大家明白了 AI 真的很强，企业内部有机会用上，所以我们今年业务突然多了，企业要用上的话，首先他们会有买机器或租机器的算力需求，但他们更想知道 AI 有什么用，如果没用的话，他们不想付出太多成本，所以我们今年也增加了私有化部署的相关业务。 第二点感受是大家更重视 AI Infra 了，之前可能一些大模型厂商和投资人对 AI Infra 会更重视一些，DeepSeek 开源那一周持续不断给大家带来震撼，大家对 Infra 的重视程度更高了，现在也有很多几百上千卡的集群找过来问能不能也给我们弄个专家并行的方式，然后 PD 分离把成本打下来。 然后 DeepSeek 是对 H 系列的显卡做了很好优化，但其他比如国产显卡或者一些老的卡，他们并没有很好地支持 FP8，所以也有很多客户反馈说用 BF16 跑满血版使他们不得不用两倍的硬件成本。我们上周开源的赤兔推理引擎一大特色是计算还是用 BF16 来算，但是用 FP8 进行存储，这样可以让国产卡和英伟达老卡旧卡跑满血版的最低硬件成本直接砍半。 我们在 A800 上进行了一个实验，原来六台才能跑 BF16 满血版，现在三台就能跑，性能还提升了三倍多，所以非 H 的显卡还是有很多机会的，存量显卡非常多，用的人非常多，这件事还是蛮有意义的，开源之后关注的人很多，后续我们也会持续不断去做更好的适配。 **刘学：**我的感受第一是 Deepseek 带来的惊喜是在 2048 个 GPU 组成集群的情况下突破了硬件的约束；第二是他们提出通信的重要性，把GPU与GPU间的通信做到了极致，首次提出将通信环节从GPU的SM核卸载出来的概念，整体从软硬件层有一个体验点，找到这个体验点进行更高层级的优化；第三是 DeepSeek 的 MLA 和 MoE 的方案使得 KVCache 在 GPU 和 GPU 之间的搬移要求更高，包括 PTX 层的计算实际上对数据传输和计算提出了很多要求。在高能效的计算和通信之下，包括通信和计算的堆叠并行化，是值得我们对 AI Infra 下一代硬件设计有更好思考的。 **王康曼：**整个行业的成本因为 DeepSeek 也压缩得比较厉害，大家怎么看云厂商的价格战？会影响初创公司吗？ **徐凌杰：**讲成本要面对特定市场，就以中国来讲有两个不同市场，一个是云上大规模、大并行，需要大集群做到极致 token per second 性价比，另一个是线下本地化部署，在预算有限的情况下，把 DeepSeek 满血、蒸馏版用起来。 这对于我们 AI Infra 公司来讲也就有两个选择，一是往更极致方向走，把成本打下去，壁垒相当高，算法工程师要懂工程的东西，软件工程师要懂硬件的东西，甚至要考虑网络、计算、存储一系列问题。 从具体数字来讲， DeepSeek 售价是百万 token 16 元，如果把所有 token 都转换成收入的话，潜在毛利率在 500% 以上，也就是说它的成本是 2 元左右，如果只用若干台机器在线下部署做一体机的话，单位token的成本可能是他们的几十倍，这取决于用什么机器。 然后也要讨论硬件演进，目前中美走的路径大同小异，就是要把芯片做大，芯片不够大的情况下，要做 Chiplet 封装，然后在集群里有大量的 HBM，再做 Scale up、Scale out。从这个路径上来看，大家还是在往更大的集群上走，美国大量的业务是上云的，他们看到的是云上大并发、大容量、大集群的市场，中国会有相当一部分业务留在线下，这是中国额外的机会点。 **师天麾：**我非常认同，MaaS 有很多真实需求，国内外很多开发者都希望能用云上的 API，也确实很便宜，但 MaaS 的盈利空间整体还是要看算力规模、优化程度、客户付费能力等多个因素，算力成本也会随着更优的硬件架构和更好的硬件工艺进一步降低，模型价格未来也会持续变化，现在没法一概而论能否盈利。 中国也有很多本地化部署需求，前期可以简单在云上尝试，但很难真正放进业务中，因为存在太多敏感数据不好上云。所以有几种方案，预算有限可以先租个云，或者不买可以运行 FP8 满血版机器，而是先买几十万的机器跑蒸馏模型，在同样预算的情况下，大多数客户会做这种选择，在自己真实的业务场景里测试，我认为 MaaS 和本地化部署会长期共存。 **王康曼：**国内 DeepSeek 之后也有了挺多一体机出现，大家认为初创企业在 DeepSeek 的成本压缩下，应该怎样面对或者给大家带来怎么样的机遇？ **刘学：**我们在考虑成本时要对齐到硬件的使用成本，而硬件使用成本无论是 Transformer、DeepSeek 还是原来 CNN 卷积时代，有三个方面对于降本能起到很好的示范作用。第一是设计 ASIC 或者 GPGPU 能效比的问题，比如 1W 能够处理多少 T ops 算力，这直接决定了每单位瓦数能提供多大算力，这个算力影响到任务的 token 输出； 第二是利用率，在能效比一定的情况下进行计算、通信、互联等优化，提高利用率，这样在每瓦提供的功耗下能运算更多任务；第三是云端和端侧的结合，在云端和本地的推训，国内很多研究单位和中小型企业也和 CNN 时代一样，考虑了自身的私有数据隐秘性和及时性，所以更多投入本地购买。 **王康曼：**从这些点上来看，初创企业是否能比大厂适配地更快？ **刘学：**大厂的整体优势在于全方位构建能力，初创企业聚焦更底层，要选择自己具有优势的点集中突破，这也是我们选择 GPU 和 GPU scale up 的通信点的原因，有些大厂在 AI Infra 上层没有做调度器，我们做云侧的优化器、装 K8S 训练起来，这块是有发展空间的。 **师天麾：**相比于大厂，创业公司也有自己的优势，我觉得有两点，一是反应速度快，我前段时间做了很多对接客户的工作，因为我们也推出了一体机，然后不断根据用户反馈来调整我们的产品细节。我们会总结之前对接客户的经验，当晚或者第二天就能开会调整策略，从上到下的决策链非常短。 二是我们更愿意提供定制化的端到端服务。去年我们也做了一些大模型厂商的性能优化单子，他们当时租的云可能是云大厂的，但没有找那边专门优化，因为大厂考虑到成本更喜欢卖标准化的东西，我们愿意给客户提供更深度的优化、更定制化的服务。今年也有很多企业想把 AI 用起来，我们也愿意帮这些客户从0到1将AI在自己的业务场景中使用起来。 **徐凌杰：**小公司要成长起来有几个关键词，一是有壁垒，要有差异化竞争优势；二是可落地，不能只做得高大上，商业本质是卖货逻辑，无论是虚拟还是实际货品都要可落地；三是可复制，就像最近很多人讨论 MaaS，我认为无论接下来做线上生意还是结合硬件去做，甚至软硬件一体去做，MaaS 都是非常重要的能力。 从 DeepSeek 发布 V3 到现在三个月左右时间，绝大部分人都还没能在那么大的规模里复现他们那种极低的成本。这使 MaaS 能力变得非常核心，如果有个几十人的团队能实现媲美 DeepSeek 能力的话，在全世界范围内都非常值钱的，但是在没有足够的算力资源、优化能力的情况下，贸然出击往往会亏钱，因为没有庞大的用户、特别大的集群以及足够的并发。对于初创来讲，在资源有限、壁垒还在逐渐建立的过程中，落地要分不同阶段去作为。 另外也要找到长期锚点，我们团队的机会点在软硬协同，特别是以硬件为底座，从大的机会来讲，就像黄仁勋说的，未来模型变得更大、上下文变得更长，就需要先把 Scale up 做起来，集群变大后优化的搜索空间变得更大之后，想象空间就变得非常大，这当中不仅有软硬结合的调优技术，还有相当一部分是我们之前相对比较忽视，但又有非常强的工程壁垒的。 在过去一年当中 NVL72 落地遇到了很多问题，包括稳定性、漏液、冷量不足等，这和我们今天讲的调优没有特别强的关系，但它是整个工业的基础，也就是说今天要把这样非常强互联的集群，几百上千张卡集成在一起，从之前 CPU 集群的 6 千瓦到 8 千瓦的机柜，到单台服务器 H100 12 千瓦的功耗，到 NVL72 的 120 千瓦，再到未来 Rubin 系列 800 千瓦以上，上兆瓦级别的集成度当中有很多有挑战、有价值的工作可做。 英伟达过去两年投入了非常大的精力在做 NVL72，他们遇到了很多工程问题，但非常坚定不移地宣布了这个路线，未来还会持续投入去做得更大、更强，更加 Scale up，AMD 也收购了 ZT Systems 要往这方面追赶。这是我们作为初创公司看到的机会点，不仅要有软件层 MaaS 的世界一流能力，硬件也是基础。 **国产芯片的机遇和挑战** **王康曼：**DeepSeek R1 出来之后，最早部署在云上的大部分都是国外的厂商，国内可能因为春节晚了几天，但还有一个原因也是国内底层芯片不一定用英伟达，大家怎么看 DeepSeek 给国产芯片带来的挑战和机遇？ **师天麾：**国产适配慢几天肯定有一部分是春节原因，我们之前合作的硬件厂商，也有在春节期间就开始跟我们开会讨论后续关于 DeepSeek 的适配和优化合作计划，一是春节肯定有影响，另一个 DeepSeek 开源方案是在英伟达原生跑的，自然英伟达说上立马上了。 不过国产适配也没那么复杂，这波给国产带来的机会相较挑战更多，因为总体上需求变大了，企业私有化部署的需求起来了，随着这块市场的增加国产芯片市场也在相应增加，然后推理变得越来越复杂，比如要去设计更大的显存，以及互联技术因为现在需要多机推理了，需要更好的通信以及各种优化通信的手段，这也是国产的机会。 DeepSeek 从 Infra 角度给大家带来的震撼也是非常明显的，大家也会从软硬结合的角度去思考，从算法设计、硬件设计以及系统设计三方面一起来考虑怎么跑得又快又好，成本还低，整体市场是在变得越来越好的。 **王康曼：**这点我想听一下刘老师的想法，因为刘老师做的就是要把 NVLink 替代的事情。 **刘学：**我们最近也对接了一些客户，发现 DeepSeek 对大家的影响在于 AI Infra 这一层级的加速。刚才徐老师也说到 NVL72 这一块英伟达做了好几年，我从底层去讲包括散热，我前几天看到一篇文章通过 3D 打印实现散热，现在也在有所改进，包括一些光纤和电缆的使用，包括 GPU 之间的互联和 GPU 和 CPU 之间的互联，英伟达现在是两条研发路线，第一条路线是 GPU、 CPU 互联自己做，第二条路线是 GPU 自己做，通信可以用 CX7、CX8 甚至更高的网卡，CPU 是 AMD 和英特尔做。 在整体的过程中，解剖 AI Infra 对我们的影响，刚才我说的加速是在每个节点的加速，而从线缆、传输介质、CPU 互联一直到交换，再到 CPU 和 GPU 之间到底是 PCRE 还是 CXL 之间的选择，也面临着认知的加速，最终大家会看到整个 AI Infra 的发展，Infra 的部署就是在英伟达的 CUDA 生态或者国内自成生态，或者是统一生态下的整个基础设施一直到超节点，72 也好英伟达的 576 也好，国内的 64 也好一个更快速 Scale up 和 Scale out 增进。 **徐凌杰：**DeepSeek 出来之后对国产芯片来讲是有提振作用的，需求变大了，大家觉得都有机会了，同时挑战也变得非常大，一方面大家在看线下的一体机市场，另外很多人瞄上集群化机会，有不止两三家企业在春节之后马上就定下了目标，要做 352 卡、 384 卡大集群部署，甚至千卡集群要分成两部分，一个做 R1 的部署，另一个做 V3 的部署，这些都在他们的规划中。 但事实上今天似乎都还没有官宣，看起来还需要一段时间调试，遇到的问题可能跟刚刚的描述是类似的。这一块壁垒很高，绝大部分国产 GPU 公司、AI 芯片公司大家往往是在做芯片设计，比较 侧重于计算核心的微架构方面的设计，但大集群推理涉及到网络，从数据中心层面来考虑，需要更全面的能力。 许多人觉得有些芯片厂商和英伟达很近了，但事实上无论从硬件还是软件来讲差距都还有些远，硬件上很大的差距在于绝大部分公司通过 PCIE 口在机内进行直连，而没有 NVSwitch ，然后在节点间通过网卡交互，这比未来国外的 NVL72 全面高速连接 72 卡、144 卡、576 卡会弱不少。 我觉得面临双重挑战，一是硬件能力的差距，算力存在现实的技术差距，也需要正视，如何把这块能力建立起来，机会指向的大型集群，今天我们可能还是基于现有的卡，通过网卡的 Scale out 来做一个 384 卡、 352 卡的集群搭建，未来会有更多公司把 Scale up 集群做出来，然后通过中国的集群落地能力做出比 NVL72、144、576 密度更高的集群，这是我们的潜在出路。 之前我们说单个芯片不太行就在芯片上做 Chiplet，今天是说单个封装的芯片性能没那么强的情况下，要把集群能力发挥到极致，然后解决散热、冷却、互联的问题，这是我看到的一条路。然而，之前的芯片设计可能并不适合像 DeepSeek 这样的模型发展，现在集群的发展超出预期，所以我觉得对于 AI Infra、芯片都是新的洗牌过程，要看谁能在这个浪潮中顺势而为。 **王康曼：**现在确实是个洗牌的过程，DeepSeek 出来之后国外跑得比英伟达还快的集群是 Cerebras 做的，现在最快的两家公司 Cerebras 和 Groq 他们底层用的都不是 GPGPU 的架构，大家感觉 DeepSeek 之后会不会有更多和 Infra 相关的芯片出现，或者说国内有没有一些类似的玩家在这一块做得特别突出的？ **刘学：**第一是 Cerebras 和特斯拉的 Dojo 使用的是台积电的 Infra 封装，这在台积电的工艺里是属于很先进的，包括良品率的提升和关注，第二我们是需要跟 GPU 厂商联合搭建 Scale up 的方案，我仅代表个人发表一下观点，国内原先 14 年到 18 年之间，大家做 CNN 那时候的 ASIC 或者 NPU 概念是比较流行的，现在国内一些芯片厂商除了在端侧做 ASIC 外，在云侧也更加期望贴近 GPGPU 的设计，一些端侧或者云侧厂商走向 ASIC 是一个比较好的事情。云侧的 GPGPU 是比较标准的 PTX 或者说底下的 SaaS 指令执行是比较通用的版本。 无论是 GPGPU 还是 ASIC 上，大家也看到除了 GPU 的单核、单 SM，NPU 的单核、单 cluster 外，要把 cluster 内部的计算单元进行更多的互联，我们还是要讲这个事情，无论是芯片内的一个 Chiplet 还是芯片外的 scale up。现在大家也形成了一些共识，在互联层面应该有一个 computing in network 的存在，这也成为了 AI Infra 的必备特性。 **徐凌杰：**DeepSeek 根据手上的硬件做了相应的模型设计，也就是说模型是有一定弹性的，假设中美没有禁运的话，他们能拿到 NVL72 这样全球最优秀的集群产品，可能设计出来的模型是不太一样的，能更好地发挥全互联的优势。在模型有大量可变化前景的情况下，硬件是要保留足够灵活性的，同时，无论 GPU 还是 DSA 大家已经很趋同了，因为目标市场是一样的，流派没有那么大的差别。 英伟达在 Blackwell、Hopper 里都加入了一些特定的指令，来加速 AI 的 workload，也就是说他们 tensore core 设计、指令集设计也好、memory loading 方式为了 AI 的特定应用，已经做了相当的优化，也有了一定的倾斜。GPU 很多东西是为了图形做专业化设计的，这一块差距没有那么大。V2 的结构到 V3 是有一定延续性的，随着模型变得越来越大， expert 变得越来越多，对于容量的要求也会变得更高。 现在像 Groq、Cerebras 因为片上存储的容量限制，都跑不起来满血版的 R1，之前我们也看到过有公司在纯片上存储的情况下能跑出非常优秀的性能，但一旦有容量的硬伤之后就跑不起来了。这就涉及到后面大的趋势的判断，就是说模型是不是还会变得那么大，能不能通过其他的 KV Cache 进一步压，或者通过多级存储的方式把存储限制去掉。 今天都是用非常贵的 HBM，而 HBM 会受到封装、颗粒、美国禁运的限制，那么在 memory 的技术上，有没有一些其他方式通过 3D 堆叠，能够利用 commodity 去做更大的基于 GDDR 6、LPDDR 的芯片，我觉得会有各种各样的方式，这也是在刚刚讲的曲线里面的不同的体验点，要解决的是并发的问题，还是解决 latency的问题，基于不同的设计来讲，会有不同的答案。从这个方向上来讲，未来一段时间里会有非常大的变化，也会出现不同的流派，我感觉会非常精彩。 **王康曼：**DeepSeek 给国内外的芯片厂商都带来了很多启发，说到硬件最近也有声音说到美国政府要求进一步禁运英伟达芯片，首先不知道这件事是真是假，但如果真的有进一步禁运的话，假设最基础的芯片都进不来，对我们影响大吗？ **师天麾：**短期内在一些供应能力上可能会受到一些影响，然后大家的成本可能会有所提升，但是我觉得这个反而会推动大家更重视国产生态或国产硬件，怎么用得更好，这可能在一定程度上是一种助推。现在大家也意识到国产显卡能把性能堆得不错，但在易用性上还有一定进步空间，这其实就是软件生态还不够完善。 所以这也是我们在做一个事情，就是端到端把整个软件栈做起来，完善软件生态之后，就像我们开源赤兔推理引擎一样，我们把技术贡献出来，最近也有很多厂商主动提出，希望双方一起合作适配我们赤兔引擎，希望能把国产显卡、国产系统以及国产模型打造成一个闭环，这也是我们的终极目标，无论英伟达禁不禁运，我们最终都是可以实现这个目标的，只是时间问题。 **刘学：**我觉得如果禁运的话，会让国内百花齐放，在这个过程中也给了大家一定的窗口期，有可能是一两年甚至更长时间，可以去思考 GPGPU 和 ASIC 的设计特点，乃至跟上层生态的结合，国内芯片的部署在生态上还有很大的提升空间。 **徐凌杰：**我想对于创业公司来讲就是要守正创新，无论禁不禁运公司都要能走下去。对于做芯片来讲，守正是国产供应链要走下去，对于我们这种目前还不做芯片的公司来讲，就是无论哪种情况下都要有备案，无论在海外发展业务还是在国内通过跟国产芯片合作也好，通过其他方式去做拓展也好，都是必须要去考虑的。禁运会带来大的格局上的变化。 中国包括前一波的芯片公司，虽然现在有一些不同的流派，但主流的几家AI 芯片公司、 GPU 公司，其实就是谁能够长得更像英伟达，谁就能融得到钱，而在美国 Cerebras、Groq 则是谁长得越不像英伟达谁就能融到钱，这是两个不一样的思考方式。 如果接下来禁运的话，从技术流派上来讲，会是一个非常大的变化，现在中国绝大部分公司都还在走大芯片 Chiplet 集成，然后走 HBM 的大封装方式，这是美国走过的路，也比较确定能往下走，甚至包括我们刚刚讲的 Scale up 路线也是有比较强的确定性的，英伟达趟过坑了，可以用比较小的成本去 copy 它的路线图往下走。 如果说完全禁运的情况下，路径模仿的可能性没有了之后，反而是会促进中国有一些其他创新的。我是比较期待的。就是说无论如何我们都要做好准备，跟着美国走 Scale up 这条路线，我们已经完全准备好了，要做更大的集群，能够跟各个厂商配合。如果走另外一条路线，我相信我们也是能够和芯片公司配合起来的，也能够有成长性、确定性。 **构建开源生态的启示录** **王康曼：**我们说了这么长时间的硬件，想换一个话题问一下，我觉得 DeepSeek 让整个 AI 界、投资界觉得很震撼的一点，除了它是个非常高效的模型外，就是它的开源，你们觉得这对中国甚至全世界的 AI 生态会有什么影响呢？ **刘学：**对于世界的影响，我觉得杨立昆教授说了句实话，他说美国一直在禁止对国内的开源，结果中国的科学家和工程师们反而做出了更加惊艳的成绩。 对于开源我们有两点思考，一是 Deepseek 当前无论是训练还是推理，对整个计算、互联、通信的认知影响能否形成大家统一认可的一致标准，第二是从 DeepSeek 的开源上底层如果由自己在软件层设计，我们所说的软件层除了DeepSpeed、vLLM 这些训推框架，和在通信库层和底层运行时，也就是中间件层的开源，或者大家分别拿出一部分来在国内做一些更统一、可能有优化方向的社区和项目，这也会给我们带来了一些思考。 **王康曼：**你觉得我们在业务模式上面对开源和闭源的模式，从您个人或者初创企业的角度会不会有些区别的对待？ **刘学：**我们认为应该有区别对待的，这可能影响着在芯片层或者硬件层做标准或者做自己工作的结果，简单来说无论做 Scale up 的解决方案还是 GPGPU、ASIC，上层都要给用户或者工程师开放一些软件层的东西，就像英伟达的 PTX 是开源的，但是它底层的 SaaS 层是不开源的。在国内做计算、通信是不是在 PTX 这层开源，让更多的使用者或者工程师在这一层级能够有更深层次的优化，这应该是个值得思考的方向。 **师天麾：**DeepSeek 火了之后全世界科学家都会在他们的基础上做研究，这一方面扩大了他们的影响力，另一方面这些研究对 DeepSeek 接下来的研究也会有所帮助，所以说开源的思路就是去结交更多朋友，然后大家一起合力做更大的事情。DeepSeek 就是做更好的模型，然后以 AGI 为目标，邀请大家做更大事情。我们的赤兔推理引擎开源也是这样的，我们就是想邀请无论是模型厂商、芯片厂商，还是一些社区开发者、个人爱好者，都一起来把这个国产生态做好，助力中国 AI 产业的发展。 然后包括刚才刘老师有提到底层 PTX 这一层，国产显卡公司能不能开源，我们这块也会有一些具体的感受，因为我们跟挺多家国内芯片厂商有合作，大家确实开源程度不一样，如果对方能把某个接口开放给我们，我们对算子优化的能力就会更强。 开源建立生态然后邀请更多朋友助力，这也许会引起更多无论是模型厂商还是硬件厂商的思考，今年我们有一些私有化部署的客户，大家可能去年已经买了一些闭源模型都已经部署上去了，但今年还是要换 DeepSeek，然后他们的观点就是说开源还是更灵活一些。 **王康曼：**所以师老师觉得开源会是以后的一个大方向，那这个对传统厂商冲击挺大的。 **师天麾：**只能说会引起更多思考，但是否要开源看自己如何选择，包括 OpenAI 现在只是把价格打下来或者免费了，但他们依然选择 close 的路线，我只能说大家各有思考，选择最适合自己的路线。 **徐凌杰：**我觉得首先开源是一个展现团队极强的自信心的项目，但我们也知道在 GitHub 上有很多开源项目烂尾也是比较常见的，后续没有人再去运营了。DeepSeek 的开源是非常有影响力，全世界范围内甚至对股市都造成了非常大的冲击，他们一开始其实也只是开放了权重，后面把自己的一部分能力释放出来，让大家觉得他们是非常扎实的团队，对于初创公司来讲人才吸引也好，品牌建设、吸引投融资来讲这都是非常重要的事情，真开源跟假开源是不一样的。 第二对于生态建设而言，英伟达也是相对来说比较封闭的，但是它也有一定的层次是开放的，能够让全世界所有的开发者建立在他们平台上，作为工业基础去做开发，这样就形成了一个合力的正向循环。现在国内很多国产芯片公司，一方面还没形成气候，另一方面开源出来东西可能也不 solid，发出来别人也没办法用起来，还是有一段路要去走的，这对我们这样的初创公司有带来了启示，回到商业模式来讲，你靠什么赚钱，今天模型如果做闭源，那么跟 DeepSeek 比有什么优势，到底是数据上的，还是客户关系上的，而对于我们做优化来讲非常重要的是能够持续迭代的能力。 现在开源社区里有 vLLM、SGLang，英伟达也开始在推 Dynamo 框架，业界知识平权会变得非常快，很快就会没有秘密，很多东西都是会流通的，也就是说今天你认为你发现了一个非常厉害的东西，三个月之后可能没有那么厉害了。那对于初创公司而言护城河在哪，这是我一直以来的思考，再回到 MaaS 是不是好生意，我认为它是一个非常重要的能力，能够有这么一个团队持续迭代至关重要，但仅凭这点做生意可能非常容易被颠覆，投资人也不太放心，所以还是要有一个比较长久的护城河，要可落地、可复制。我觉得开源对商业模式冲击是比较大的，很多人已经被颠覆了，还有一些人在被颠覆中，如果不想被颠覆还是要找到锚点。 **王康曼：**杨立昆也说开源是以后的大趋势，不开源的公司在这当中要思考的东西还是比较多的，刚才徐老师也提到了 Dynamo，英伟达刚开完 GTC 大会，里面的亮点还是挺多的，其中我觉得有一点我有点小惊讶，就是关于 Silicon Photonic 这块，用 Silicon Photonic 把 NVLink 做得更完善还是挺早的，老黄说了这么一句，所以我也想听听各位老师的想法，这个事情是可以很快商业化落地的吗？还是他只在说一个故事？ **徐凌杰：**已经是一个马上要在今年下半年发布的产品，那肯定是真实的东西，在这个交换机里实现是过去这一两年大家都已经比较确定的路线，发展到一定程度之后一定要通过光去做，通过共封装的方式把光模块省掉，把功耗降下来，这是对的趋势。Silicon valley 在过去这五六年里，如果大家参加 Hot Chips 也能看到了很多关于共封装、CPO 的提案。 这几年的重点是说怎么能够把 CPO 和芯片相结合，也就是说现在在网络上我们已经比较确信了，已经产品化了，那在计算芯片上去做共封装什么时候能够实现，我想随着 Scale up 的要求越来越高，后面 Chiplet 加上 CPO 是比较明确方向。我也有一些老同事出来做 CPO，CPO 是中国未来的发展机会，因光不需要特别先进的制程，通过高速互联弱一点的芯片也能连起来，我非常认同这个方向。 这里面还要解决生产关系的问题，因为但凡是大型芯片都是同一家公司做不同的 Chiplet，然后不同的代际、不同的排列组合做在一起。靠其他公司的 Chiplet 去封装几乎在大型芯片里面几乎是没有的，那这个生产关系怎么解决，特别是在标准接口没有充分定义的情况下，是蛮难的。 刚刚刘老师讲的 CXL 还不是芯片级别的，是一个服务器级别的接口，CXL 在过去五六年的发展一直也有讨论，但没有大量落地，包括 UCIE 接口大家也都在讨论，大型芯片解决生产关系和生产力同样重要，这一块技术上是比较确定的，是值得芯片公司往前走一步的方向。 **刘学：**我先顺着讲一下生产关系的问题，这个生产关系是做 UCIE IP 的提供者、做硅光的提供者、工艺的提供者、做 Scale up 像我们互联通信协议的提供者以及 GPGPU 和 ASIC 的生产关系。 关于 CPO 这块，昨天我和国内做光通信的一家公司交流过，我们当时也规划过到后边几代做 CPO，英伟达起到了推动作用，现在大家统一认为 26 年、27 年硅光会有小批量交付，28 年到 30 年是大规模落地的时间节点。 现在做硅光工艺、设备以及解决方案的厂家都在正视起来的问题，当中也有一些需要改进的点，像硅光和芯片结合之后形成 Scale up，中间的通信协议在这一层起到了什么作用，这当中有对于角色的思考。现在 CPO 很重要，而且工艺厂家越早布局越好，尤其是大家要全面思考从做光模块转到 CPO 和之前是否有差异。 **王康曼：**那关于 GTC 的另外一个话题就是 Dynamo，我想问一下师老师怎么看最新发布的可以大幅提高推理效率的开源 AI 处理服务库 Dynamo？ **师天麾：**英伟达确实积累了很多东西，放出来挺震撼的，但是我感觉他们很多底层东西的接口还是没有给开发者，所以他们可以做更激进的优化，包括大家应该也知道一些库在大部分场景上确实很难写得比英伟达更快。但这个开放出来英伟达也能巩固软件生态的护城河，这也值得我们学习。 一是看他们技术设计上是怎样的，然后就是学习一些相关思路，看能不能用来构筑国产软件生态，我们在做的事情还是帮大家更好地用起来国产显卡。我们相信未来算力国产化肯定是大趋势，这个确定性是比较强的，所以我们会从别人的思路里学习，结合我们自己的技术和经验以及国产显卡的特色做一些自己的东西。 **徐凌杰：**我觉得 Dynamo 非常好，我和我的联创都在推动团队要迅速把优秀的开源项目集成到我们的产品中去，这个非常好，这也意味着英伟达不仅是个芯片公司，他们一直说自己是算法、软件公司，今天他们变成了一个基础设施公司，基础设施公司就是要提供一系列工具，让大家把基础设施用好，这块代表了英伟达非常大的野心，包括从集群层面他们会有非常大的投入，Dynamo 不是一个小的基于单个芯片的项目，而是基于集群的调优。这一块还是回到商业的本质，就是英伟达越做越多的情况下，其他跟它同类竞争的公司要怎么跟上，另外做英伟达的上下游哪些东西比较有护城河，这是很有意思的话题。 **刘学：**我们也会持续学习和吸收，从整个系统来讲，我们会进行拆解，然后看一下在国产芯片和整个 Scale up 互联方面的启发，实现更快速地落地，然后在商业模式方面，当前无论是硅光还是 Dynamo，英伟达都在给大家不停地讲述要系统级设计更底层的芯片和互联，这也是我们乐意看到的。 **王康曼：**英伟达的链确实越来越长了。圆桌快结束了，我们现在来回答一下观众提问。有观众问到如何解决中小企业在私有化部署的成本门槛的问题？看看谁想先来回答。 **师天麾：**我觉得小企业的低成本部署如果对数据安全的要求没有太多顾虑的话，确实可以去租机器甚至用 MaaS，如果数据安全这块要求比较多，可以先花几十万买个性能没有那么强的机器，也不是非要跑 DeepSeek 满血版，其他模型并非不能用，挺多小模型、量化、蒸馏模型也都还不错，先试一试对企业业务场景有没有帮助，有了帮助以后再花钱买更好的机器，用更好的大模型更好支撑业务，就是说前期不一定非要最好，要先判断对企业业务是否有帮助。 **徐凌杰：**我非常同意，首先模型一定要对客户有用，我们今天讲 AI Infra 是围绕算力来讲的，要把算力转换成生产力的话，还是有蛮多事情要做的。去年模型还没有像 DeepSeek 那么强，需要做各种各样数据方面的准备，包括像 RA、Post-training，今年 DeepSeek R1 其实大部分情况下也不能直接用到业务场景里去，要能够去做结合。 回到我们现在的商业模式来讲，一是我们会往硬件方向投入更多精力，软件要作为入口给硬件带货，因此做端到端的解决方案也非常关键。我们从去年开始投入，也产生了一部分的营收，能够跟客户把它的场景打磨出来，第一步就是保证场景可用，这块跟性能没有任何关系，是模型的效果或者基于模型做二次开发能不能给业务带来产生力，我们算法工程师，也进行了落地。 第二步是根据具体情况，基于现有的硬件做调优，达到更好的效率和性价比。第三，如果客户对标准的硬件不满意，部署量也比较大，我们能够通过差异化的软硬件相结合的产品有层次地提供。所以说是从算法效果到纯软件的调优效果，再到软硬结合三步走的策略，去给客户提供不同层级的方案，这和客户体量、业务属性都有关系。 **刘学：**徐老师是从算力转化至生产力，我们是反过来从生产力转化为算力，我们作为一家互联通信公司，是想为国产 GPU 或者 ASIC 提供 Scale up 的整体解决方案，包括 Switch 芯片，DeepSeek V3 对 NVLink 的Switch 做了很大篇幅的描述，我们的重点是告诉大家，如果中小企业想提高性能，我们可以提供一些可定制的超节点。因为我们在和 GPU 厂商交流时， 他们也会问 256 个节点怎么连，在互联的拓扑下怎么满足当前 DeepSeek 这种 MoE 架构的训练和推理，这个其实也是我们正在做的事情，我们专门有一个组拆解算法，拆解到具体的 GPU 和互联上，看哪个互联拓扑形成什么样的树形或者环形结构来加速训推。 **王康曼：**另外一个观众提问光子芯片会是未来的发展趋势吗？光在芯片的未来技术中，包括量子芯片等不同的路径中占什么地位？会是过渡技术还是长期存在呢？ **刘学：**除了光子计算、量子计算还有类脑计算，我本身也是从事类脑计算的，有几个说法，第一是国际上有说法称类脑计算和量子计算是后摩尔时代的两大解决方案，第二国内我们也听到一些消息说在 GPU 或者 ASIC 路线之外还会开辟出其他路线，像类脑计算、光子计算和量子计算。从这几点我们可以看到，无论是从 GPU、ASIC 还是光子计算和量子计算，当前离最终实现都有需要提升的地方，对此我想说两点，一是当前的这些光子计算、量子计算相比以前的设计是否有后发优势，二是在整体的设计过程中，一些周边域的工程和科学问题是否得到解决了，这是值得关注的。 **王康曼：**我也分享一下，我前几天去 GTC 约了英伟达做量子计算的专家交流，他们内部觉得这块不会很快实现商业化落地，他们也没有时间表，但这块做出来和 GPU 芯片是不违背的，可以用量子芯片去做很多模拟，然后用 GPU 做训练，这是他们现在的框架。最后快结束我想请问三位老师说一说对于 AI Infra 这个行业的愿景。 **师天麾：**愿景或者公司做到哪个程度从商业化角度来说，可能有点不太合适，因为整个行业变化很快，但是我们始终想做的就是做最有价值的事情，优先看有没有给中国的 AI 生态带来价值，要推进整个产业发展，这是我们愿意去做的。我们也会在开源和国产生态上持续投入，邀请更多朋友一起做更有价值、更有意义的事情，这是我们的愿景。 **徐凌杰：**对于做公司来讲既要仰望星空，又要脚踏实地。 仰望星空就是从数据上来看，美国 2% ~ 3% 的电力用在数据中心，五年后可能是 7% ~ 9% 的电力用在数据中心，当中很大的增量来自人工智能，这是未来非常大的机会，数据中心是承载人类智慧精华的载体。数据中心未来可能占 10%、 20% 发电量，当中每一点计算效率、软硬件、散热效率、集群化能力的提升、成本下降都蕴藏着非常大机会，也是能给人类创造价值的。 脚踏实地的话，未来三五年风高浪急的局势变化情况下，小船能够不被打翻就是一个小愿望，能够进一步扩张团队，把我们心中无论软硬件产品还是解决方案的愿景都踏踏实实做下来，也希望得到投资人的支持。我们在上海、北京、深圳、海外都有办公室，也在招人，欢迎大家联系我们交流合作。 **刘学：**我从历史、现在和未来做一个阐述，第一过去 12 年到 22 年是芯片设计也就是体系结构设计的黄金时间，从 22 年开始是 Transformer 以及 AI Infra 的一些提升，实际上夹杂着历史的年轮，是夹杂着整个算力、数据和基础设施体系结构的时代，这是非常好的时代，我们做互联、通信、GPU、ASIC、软件以及算法都在这个舞台上有很精彩的表现，但这是个有竞争的时代，因为在任何一个点都能看到大家在抢占赛道。这也是集成电路于国内而言比较利好、开放的时代。未来则面临着三个问题，一是算法如何引进，二是训练效率如何提升，三是规模如何扩展，这个过程中我们也看到了整个 Scale up 和 Scale out 通信集群的重要性，所以我们总结就是专注通信、聚焦集群。雷峰网雷峰网

<blockquote><p>随着人工智能技术的发展，AI工具已经能够极大地简化这一过程。本文将为您介绍一套全网最全面的AI PPT解决方案——【PPT助手】。</p> </blockquote>  这是一份查阅了网上大量关于AI PPT教程后的集大成之作，也许是全网最全面的高质量AI PPT解决方案。 我会尽可能采用免费的工具或功能达成目的，将提示词封装到飞书多维表格，集成为一个工作流[【PPT助手】](https://www.feishu.cn/community/article?id=7486701982799888387)免费分享给你。 如果对你有用，希望可以得到你的关注、点赞、转发、在看一条龙服务~ ## 方案优势 首先，我要声明，就算使用这套工作流，整个过程还是需要你专心思考的，只不过我的这套工作流能帮你提质增效罢了。如果你的PPT需要用在一些较为重要的场合，那你可以考虑使用我的这套工作流；如果你对产出的PPT没有什么太高的要求，那目前市面上的那些”一键生成PPT“的方案就能满足你的需求，具体根据你自己的需求来判断。 这套工作流有以下三大优势： 1.提升思考效率。原先你可能要花时间想大纲，定内容，提前写好演讲稿，甚至在PPT做到一半或快结束的时候突然发现要调整大纲结构，有了这套工作流的帮助，这些问题将会大大减少。 2.提升制作效率。原先制作PPT的时候，你可能要斟酌用词是否准确，图片是否侵权，怎样排版好看，有了这套工作流，这些都不再是问题。 3.控制产出质量。目前全网流传的那种”一键生成PPT“的方案最大的问题就是过程不可控，导致产出质量也不可控，很难应付一些较为重要的场合；而通过这一套工作流，原先需要苦思冥想一周才能产出的PPT，1-2天就能做出一套。 在这里，我会将PPT的产出过程拆分为以下7个阶段，分别是： 1.大纲生成。如何生成一份大纲。 2.大纲修改。如何修改生成的大纲。 3.PPT生成。如何将大纲转为PPT，公司有模板要求的情况下怎么办。 4.文本调整。调整PPT内的文本思路有哪些。 5.图片调整。怎样找到自己需要的图片，并避免版权问题。 6.排版调整。快速调整排版的办法有哪些？ 7.准备演讲稿。怎么写演讲稿，并提前预置到PPT中。 大部分人走到第三步应该基本就够用了，如果对PPT质量要求比较高，就需要把后续步骤都走一遍。以下内容你也可以领取[【PPT助手】](https://www.feishu.cn/community/article?id=7486701982799888387)后，在使用说明手册阅读。 ## 大纲生成 点击进入【01-PPT大纲助手】，填写我提前准备好的表单，将你这次汇报的相关信息提交，这里会调用DeepSeek生成PPT大纲。  接着，在大纲生成结果下查看初步生成大纲，旁边会有基于SCQA模型（不懂这是啥的可以问AI）对这个大纲的分析，同时AI还会模仿某位名人大佬来评价你的大纲内容。  进阶用法上，你可以一口气复制10条一模一样的记录，批量调用AI帮你生成10个不一样的大纲，在这里面挑一个你最满意的。这个的话就不多演示了，很多博主说的一键批量制造爆款文案就是这个套路。 ## 大纲修改 有了初步生成大纲后，我们将初步生成大纲的内容以纯文本格式复制黏贴到【02-大纲草稿纸】，结合大纲分析的情况和大佬把关的意见手动调整、修改，直到满意为止。  修改好的大纲可以再复制回【01-PPT大纲助手】的倒数第二列“最终定稿大纲”，AI会从你设置的汇报类型的角度出发，尽可能多地给出完善意见，直到最终满意为止。 ## PPT生成 ### 免费通道 进入（https://kimi.moonshot.cn/），点击左侧的Kimi+，点击选择PPT助手。  将最终定稿的大纲复制粘贴到kimi PPT助手。  确认没有问题后，直接一键生成PPT。  如果你们公司有自己固定的一套模板，那么在模板上，我推荐你尽量选择纯白的，方便后续通过幻灯片母版的功能批量调整处理。  ### 付费通道 使用夸克客户端（https://www.quark.cn/）、豆包客户端（https://www.doubao.com/）或百度文库（https://wenku.baidu.com/）的PPT助手，重复上述操作即可。   需要注意的是，目前大多数的AI PPT都是直接对接的AI PPT的功能组件（https://www.aippt.cn/），操作上略有差异，效果大差不差，差别无非是你在哪里充钱；百度文库的PPT助手则需要将大纲内容转为文档格式上传处理，而这款PPT助手是我认为目前AI PPT这个赛道做得最好的付费产品。    同样，我们在确认没有问题后，直接一键生成PPT。 ### 替换公司模板 这一步可以放在PPT完全定稿以后再做。 打开已经定稿的PPT，在视图下选择幻灯片母版。  将公司的元素放进去，如Logo、线框图等等，接着关闭母版。  在主界面，把幻灯片的元素删掉，就可以得到以公司模板为主的PPT了。  ## 文本调整 在PPT生成好之后，点击进入如图所示的编辑界面，根据自己的要求对文本进行编辑调整。  如果对文本内容有存疑，担心引用的数据、观点是AI胡说八道，那我们可以使用秘塔（https://metaso.cn/）或者豆包（https://www.doubao.com/chat/）的AI搜索功能。  ### 文本过长时 如果某一页PPT的文本过长，在整个界面上抓不住主次，我们就把这部分比较长的文本复制到【04-文段内容梳理】，让DeepSeek帮忙梳理，分清主次。梳理好的这部分内容就直接用于这一页PPT的子标题、分论点。  ### 文本过短时 如果PPT某个部分的文本过短，没有达到我们想要的深度内容，我们就把定稿的大纲这复制到【04-文段内容生成】，输入章节名称，让DeepSeek帮忙梳理，给出详细的章节文本。  除了生成的章节文本，【04-文段内容生成】也会自动把你生成的内容进行排版梳理，你只需要使用结果。梳理好的这部分内容就直接用于这一页PPT的子标题、分论点。  ## 图片调整 图片上，难免会遇到全网搜不到，或者无法商用，版权有争议的问题。这种情况下，就需要通过AI来帮你制作图片，避免上述提到的问题。 ### 要求简单时 对图片要求比较简单的情况下，只需要进入【05-图片一键生成】，把主题描述和画面需求描述录入进去，不适用其他工具，就在绘图工具下默认填写“AI绘画”即可，如下图所示。  这里就会调用飞书多维表格自带的两套AI绘图工具来帮助绘制。值得一提的是，右边的AI绘图工具可以根据参考图片绘制，所以如果你有参考的图片，你可以上传到“参考图片”这一栏中。 这种方式绘制的图片效果比较一般，以我这个需求为例，我的主题描述是“我的公司”，画面需求是“要有很多牛马”，两个AI绘图给出来的效果就是这样子的。   ### 要求较高时 当你要求较高时，就需要调用外部的AI绘图工具。目前比较推荐外部绘画AI工具主要有以下（选这2个工具的主要原因还是免费，如果有其他更好的AI绘图工具，欢迎留言评论）： 1. 豆包。（https://www.doubao.com/chat/）  2. 即梦。（https://jimeng.jianying.com/） 在【05-图片一键生成】中，设定你要使用的AI绘图工具，右侧会生成提示词。  接着，把提示词复制粘贴到AI绘图工具中，挑选自己需要的图片即可。  此外，图片生成后的如果还想做进一步处理，也可以通过这些工具： 1. 腾讯ARC：人像修复、人像抠图、动漫增强、万物识别、多模态理解和生成（https://arc.tencent.com/zh/ai-demos/faceRestoration） 2. 在线抠图（https://www.remove.bg/zh） 3. 佐糖：各类图片编辑、AI工具（https://picwish.cn/remove-background） 4. 其他好用的图片处理工具欢迎留言评论指出。 ## 排版调整 如果你对排版有要求，或者你觉得AI生成的PPT在排版中重复，造成了审美疲劳，除了自己手动调整，也可以尝试以下方法快速处理。 ### 使用自带工具 诸如kimi、夸克客户端和豆包客户端都是接入的AI PPT的组件，而AI PPT的组件目前是不支持快速调整排版的，只能手动去调整大纲内容，从而实现排版的自动变化。  其他付费工具如百度文库的PPT助手就可以快速提供十几种排版任你一键挑选变换，如果你不想充钱买会员，你也可以通过这个功能获取调整排版的灵感，之后再手动调整。  ### 使用外部工具 可以通过Napkin AI（https://app.napkin.ai/）将文本内容复制黏贴，在生成方案中选择你最满意的，然后再截图拿出来直接用就可以了。初次使用的时候网络可能会有点慢，耐心等待即可。  ## 准备演讲稿 最后，可以为自己的PPT准备一份演讲稿，防止汇报演示的时候不知道说些什么。 那么，有了演讲稿要怎么用呢？ 当你准备好演讲稿之后，你把每一页对应的演讲稿词添加到下方的备注当中，如图所示：  接着，在放映下设置，勾选“显示演讲者视图”  这样在汇报演示的时候，就不用担心忘词了。  这里我们有3种快速生成演讲稿的办法。 ### 利用现成工具 还是我们刚刚提到的百度文库的PPT助手，它可以基于我们目前的PPT生成相应的演讲稿。这个功能目前AI PPT组件是不支持的，如果有谁发现了其实是支持的话，还望评论区指正。  你可以在编辑好这份演讲稿后，利用它的插入功能，一键将所有的演讲稿词插入对应的幻灯片中。（这下能明白为什么百度文库的这套是最好用的了吧？）  ### 利用工作流 可以将PPT以图片的形式导出或者截图，进入我提供的【07-演讲稿助手】上传图片即可。我这里分别调用了kimi和豆包帮助生成演讲稿，不过你也看到了，这种做法产出的演讲稿效果不太行。  ### 利用AI大模型 最后，其实也是同理，将你最终定稿的PPT上传到大模型当中即可，这里以Kimi（https://kimi.moonshot.cn/）为例。   看到这里，可能有人会说：这么麻烦，那我还不如自己做PPT。对此我想说，尽管“一键生成”给人的感觉很美好，但也要想清楚，这种方式生成的结果你能否忍受？你的听众又能否忍受？那样的PPT你又能否驾驭？如果在向客户介绍方案的过程中，被客户看出这是AI生成的，阁下又要如何应对？ 我的观点还是和我在之前的文章[《AI时代的作死姿势：买到邀请码，收藏200G教程的你，少算了这一步》](https://www.woshipm.com/ai/6190654.html)提到的一样，提升自己在行业的核心竞争力，了解清楚AI的边界，保持独立思考的能力，这比什么都要重要，你说呢？ 本文由 @产品小庄说项目 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