汽后市场的服务半径早已突破物理车间，蔓延至用户的精神刚需地带。

2025年，在政策持续宽松与市场利率下行的双重驱动下，头部消费金融公司凭借科技赋能和生态整合，加速行业集中化，银行则通过低利率产品和科技化转型争夺优质客户，挤压中小消金公司生存空间。

商业内幕报道，全球民意调查和数据公司YouGov发现，**美国公众对特斯拉的好感度已跌至九年来的最低点。**美国人对特斯拉的印象评分在周三降至负12.7分，**这是自2016年，YouGov开始对特斯拉进行民调以来的最低分。**特斯拉在自由派人士中的评分最低，为负34.9分，温和派人士的评分为负9.1分。相比之下，汽车制造商的平均印象评分为17.2分。  马斯克与特斯拉 不过，**特斯拉在美国保守派人士中的好感度大幅上升**。周三，特斯拉在美国保守派人士中的评分为7.6分，远高于六个月前的负分水平。YouGov的印象评分指标**包括印象、价值、声誉、满意度、质量以及人们推荐该品牌的可能性等多个维度。** YouGov得出这一民调结果之际，**美国多个城市正在举行反对马斯克与抵制特斯拉的活动**。人们以此来回应马斯克与特朗普政府的政治活动。这家汽车制造商还成为了一系列破坏行为的目标，导致警方在最近几周逮捕了数人。 最近的民意调查发现，**马斯克的形象与特斯拉品牌紧密相连，他在美国的好感度也有所下降**。 不过，尽管特斯拉在美国的印象评分不断恶化，但YouGov表示，**总体购买意向**——即衡量消费者下次购车时是否会考虑特斯拉的指标——在美国不同政治群体中随着时间的推移**趋于相对稳定**。这与一些华尔街分析师此前的预测相符：即使一些消费者不认可马斯克的行为，这也不一定会阻止他们购买自己想要的汽车。 但有迹象表明，特斯拉在一些市场的销售受到了影响，因为**最近几个月特斯拉在多个国家的销量都有所下降**。 据澳大利亚、德国、挪威、丹麦和瑞典等国的交通部门报告，2月份特斯拉在澳大利亚和德国的交付量下降了70%以上，在挪威、丹麦和瑞典的交付量下降了40%以上。根据S&P Global Mobility的数据，在美国，特斯拉1月份的销量下降了11%。 [查看评论](https://m.cnbeta.com.tw/comment/1485626.htm)

今天是一年一度的315国际消费者权益日，央视的315晚会将会在今晚20:00开播。**同时，“全国消协智慧315平台”（以下简称消协315平台）也在今天正式上线运行。**据悉，消协315平台由中国消费者协会携手全国消协组织共同打造，历经两个阶段，第一阶段重点是畅通消费者在线投诉端口，打通在线和解、在线调解流程，开发阳光公开、个案公示等功能，并于2024年3月15日上线试运行。 第二阶段重点围绕智能化与共治化建设，**部署DeepSeek实现面向消费者的智能问答，优化新增行业公示、指数公示、协作共治等功能。** **消费者可通过[电脑端网址](https://315.cca.org.cn)，或手机端微信、支付宝搜索“消协315”小程序注册登录消协315平台。** [](//img1.mydrivers.com/img/20250315/558230ccba9d45298827a7028b6f84cf.jpg) 注册登录后，可进入“我要投诉”“我要咨询”模块进行在线投诉和咨询，体验消协组织的消费维权服务。 消协315平台还设置“消协帮您查”“消协帮您选”等模块，为消费者提供企业服务联系方式、商品比较试验结果等信息查询，为消费者生活消费提供帮助和指导。 [](//img1.mydrivers.com/img/20250315/909a2d099996469fb97079573075cf1e.jpg) 据了解，自消协315平台上线试运行以来，截至2025年3月13日，累计注册消费者702786人，入驻经营者42913家。 共接收消费者在线投诉与咨询585387件，其中投诉576911件，已处理510126件，为消费者挽回经济损失4.1亿元。 [查看评论](https://m.cnbeta.com.tw/comment/1485618.htm)

近日，**图灵奖得主、Meta首席**AI科学家**杨立昆**在一档播客节目中“炮轰”人形机器人，“很多人形机器人演示令人印象深刻，但实际很蠢，**不少机器人公司都在豪赌未来3到5年AI会突飞猛进**。”杨立昆认为，**目前我们仍然没有家用机器人**，也没有能够完成猫或狗所能完成任务的机器人，更没有完全自主的L5级自动驾驶汽车。 他强调，我们**所欠缺的是如何训练一个系统**来理解像**视觉这样复杂的感官**输入。 杨立昆进一步指出，如果我们能够构建出**理解物理世界、拥有持久记忆、能够推理和规划的AI系统**，那我们就有了为机器人提供动力的AI基础。这样的机器人会比我们现有的机器人灵活得多。 他提到，过去一两年里，成立了很多机器人公司，他们制造人形机器人和类似的技术。 [](https://static.cnbetacdn.com/article/2025/0129/59eb826fc2def6c.png) 虽然所有的演示都令人印象深刻，**但这些机器人实际上都很蠢。** 它们不能做人类能做的事情，不是因为它们缺乏身体能力，**而是因为它们根本不够聪明，无法驾驭现实世界的复杂性。** 杨立昆还提出，很多这样的公司都寄希望于**AI在未来3到5年内**会取得快速进展。 他们预计到他们准备好大规模生产和销售这些机器人时，AI的进步将使它们足够智能。 然而，**杨立昆认为这是一场豪赌，他无法确定这是否能在三至五年内实现。** 最后，杨立昆强调，虽然我们无法确定未来三到五年内AI的具体进展，**但我们极有可能在未来十年内取得更大的AI进展，**从而制造成更灵活的机器人。 因此，他认为**未来十年**将是机器人时代。 公开资料显示，图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun），是法国计算机科学家，其是在**2018年**获得图灵奖的。 杨立昆被誉为**“卷积神经网络（CNN）之父”**，为卷积神经网络和图像识别领域做出了重要贡献。 他在**学术界和产业界**享有极高声誉，是推动人工智能发展的重要人物之一。 [](//img1.mydrivers.com/img/20250315/7783e16bc5224fb1ab2a216410e91ae2.png) [查看评论](https://m.cnbeta.com.tw/comment/1485616.htm)

近日有网红博主在社交媒体上的发言引起了众怒，其直言米汤可完全代替奶粉母乳。**这位博主在社交媒体上发帖，宣称用古法熬制米汤，可以完全代替奶粉和母乳，声称喝奶粉的孩子，大便臭，容易哭闹，容易水肿。可让宝宝喝米汤到10个月，然后换莲藕粥喂养**。 中华预防医学会健康传播分会常委钟凯接受媒体采访时表示，古代没有婴幼儿配方奶粉，所以没有母乳的时候，可能他会想一些权宜之计，其中一个用米汤。但是有一个事实大家不能忘了，在我们的古代婴幼儿的夭亡率是非常高的，除了一些疾病的因素，很重要的原因就是如果这个孩子母乳不足，甚至没有母乳的时候，他的营养是跟不上的。 **“米汤里面比较缺乏蛋白质，脂肪也不够，能量就不够，然后像铁钙这样的一些微量元素也是远远不足的。像维生素D它更是几乎就没有，那么这样的成分来喂给婴幼儿的话，它一定是一个严重的营养不良。”** 根据《微博社区公约》的有关规定，用户@张玄化的言论构成造谣，已受到禁言处置，并已扣除近期全部广告收益，站方也对相关内容进行了打签说明。 [](//img1.mydrivers.com/img/20250315/3636a546143643f695eb8ebcbbce76e3.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1485612.htm)

近日，负责发展蓝牙技术的行业协会蓝牙技术联盟（Bluetooth SIG）宣布正式成立蓝牙技术（北京）有限公司，总部设在北京，并在上海和深圳设立了分部。蓝牙技术联盟（Bluetooth SIG）是一个非营利性的国际标准制定组织，负责推进、保护和推广蓝牙技术，该组织拥有50000多家成员企业，联盟成员每年的蓝牙产品出货量超过50亿件。 [](//img1.mydrivers.com/img/20250315/c5e01878-14bb-4eb5-b721-63656ca623fb.jpg) 据介绍，中国在全球蓝牙生态系统中发挥着至关重要的作用： -中国是蓝牙技术联盟全球第二大成员国，拥有超过6500家成员公司； -中国成员公司研发的蓝牙芯片占每年蓝牙芯片总出货量的近50%； -智能手机是支持蓝牙功能的主要平台产品，每年售出的智能手机中，近50%由中国成员公司开发。 蓝牙技术联盟充分认识到中国成员公司在蓝牙生态系统中所扮演的重要角色，新实体的成立将为中国成员公司提供本地化的支持、资源和专业知识。 [](//img1.mydrivers.com/img/20250315/263e5f77723d4210bfb9004f7f4fb4b6.jpg) 中国主流行业领导企业都对蓝牙技术联盟中国实体的成立表示支持，并肯定了其在促进本地合作和推动无线通信技术发展方面的作用。 华为终端有限公司产业发展副总裁秦尧表示：“华为终端业务致力于将最新的科技带给消费者，让世界各地更多的人享受到技术进步的喜悦。蓝牙技术联盟中国实体将加强本地产业协作，帮助中国企业更好地进入全球市场。我们期待与蓝牙技术联盟及其成员公司共同推动兼具开放性和互操作性的技术发展，让全球更多消费者从中受益。” 小米软件部总经理张国全表示：“蓝牙技术在小米智能生态体系中扮演着至关重要的角色。我们很高兴看到蓝牙技术联盟不断拓展中国市场，并期待与其进一步合作，共同加速创新，提升用户体验，开拓新商机。” [查看评论](https://m.cnbeta.com.tw/comment/1485610.htm)

<blockquote><p>作为一个算是混在短剧行业产品人，有时难免要问：短剧行业的底层逻辑是什么？如何用产品思维打造爆款？</p> </blockquote>  在抖音刷到第3个“总裁下跪认错”的剧情时，我突然意识到：自己已经连续30分钟沉浸在短剧的“多巴胺陷阱”里。这不是偶然——2024年中国微短剧市场规模突破500亿，分账千万的暴富神话频出，但实际上90%的短剧仍沦为炮灰。 ## 短剧本质：情绪快餐的工业化生产 短剧不是传统影视的缩水版，而是移动互联网时代的“情绪解决方案”。用户要的不是艺术价值，而是**3秒入戏、30秒高潮、3分钟颅内高潮**的极致体验。这种需求催生了独特的工业化生产模式： ### 1. 需求侧：七宗罪驱动的人性算法 贪婪（逆袭暴富）、色欲（性张力）、虚荣（打脸炫富）构成短剧核心爽点。听花岛团队通过AI工具逐秒分析《请回答1988》，发现用户瞳孔放大的峰值集中在“身份反转”和“肢体冲突”场景，这与《长公主在上》单月2000万收入的“疯批美人复仇”路径高度吻合。 ### 2. 供给侧：按秒计算的流水线作业 头部厂商已建立标准化流程：剧本创作14天、拍摄8-20天、剪辑14-21天，服装误差不超过1厘米。这种工业化体系下，《我在80年代当后妈》将40集长剧内容浓缩为80分钟，每分钟保留3-4个情绪爆点，实现内容密度的指数级提升。 **产品启示：**短剧是首个实现“用户情绪可量化”的内容形态。产品经理需建立“情感共鸣指数”，用数据反推剧情设计——就像美团通过监测“用户弃剧节点”优化《拜托了！别宠我》，将憋屈桥段压缩到1集3次打脸。 ## 爆款公式：从“拉片拆解”到产品架构 传统编剧依赖灵感，产品化短剧需要可复用的结构模型。头部公司总结出三大产品架构： ### 1. 黄金结构：钩子×反转×卡点 ① 前3秒冲突锚定：捉奸在床、亿元支票甩脸等强刺激开场，堪比App的“啊哈时刻” ② 30秒情绪爆破：耳光声+玻璃碎裂音效构成爽感催化剂，数据表明此类桥段完播率提升172% ③ 卡点付费设计：一卡（8-12集）铺垫期待，二卡（26-30集）引爆充值，三卡制造传播裂变 ### 2. 角色系统：标签化人格模型 ① 主角记忆点公式=反差设定×情绪杠杆。如《念念无明》男主“医者/刺客”双重身份，通过5个特写镜头完成人格锚定 ② 反派设计准则：极致恶行（95%用户期待反派速死）+ 阶段性胜利（制造焦虑缺口） ### 3. 技术赋能：AI辅助创作革命 听花岛开发的“剧情热度预测系统”，能通过学习数百部短剧的情绪曲线，自动生成最优剧本结构。其测试显示：高潮点从第5分钟推迟到第7分钟，用户留存率下降23%。这启示产品经理必须掌握“情绪节奏表”——就像微信通过消息“未读”状态设计降低社交压力。 ## 产品迭代：从流量赌博到科学运营 短剧行业正经历从“灵感驱动”到“数据驱动”的范式转移： ### 1. 用户分层运营 天桥短剧通过分析银发群体行为数据，发现“黄昏恋+打脸逆袭”组合的付费转化率是甜宠剧的2.3倍，遂推出《闪婚老伴是豪门》收割中老年市场。这种精细化运营，堪比拼多多通过“砍一刀”设计穿透下沉市场。 ### 2. 跨端场景延伸 咪咕数媒依托运营商体系，将《小狗来福》同步植入IPTV点播系统，开辟家庭场景新战场。这种多端联动策略，类似微信通过“小程序+公众号+支付”构建生态闭环。 ### 3. 品牌价值重构 美团与剧点合作的“理论三级火箭”模型，将短剧从投流工具升级为品牌资产。正如微信通过“红包照片”功能重新定义社交货币，品牌短剧正在成为新一代营销基础设施。 ## 未来战场：内容生态的升维竞争 2025年短剧行业呈现三大趋势： ### 1. 竖屏美学体系 听花岛开发的“竖屏一镜到底”技术，通过烛光对比、旋转镜头等手法，使画面信息密度提升40%。这种移动端原生的影像语言，可能重构内容消费习惯——就像短视频颠覆长视频格局。 ### 2. AI创作民主化 “一键成剧”系统逐步成熟，输入关键词即可生成分镜脚本。但需警惕算法导致的同质化——正如微信公众号早期“标题党”泛滥的教训。 ### 3. 社会价值融合 《我在长征路上开超市》用喜剧重构主旋律，证明短剧可承载文化传播功能。这种“**爽感+价值**”的双重满足，正是产品经理追求的终极形态。 ## 我们终将杀死伪文艺 短剧行业的爆发，本质上是一场“用户本位”对“创作者本位”的革命。当传统影视还在讨论镜头美学时，产品经理们已在用数据解剖多巴胺分泌曲线。这不是艺术的堕落，而是移动互联网时代最残酷的真相：**用户不会为你的情怀买单，只会为他们的快感付费。** 在这个“3秒定生死”的战场，唯有掌握“情绪炼金术”的产品人，才能持续制造爆款。而那些还在纠结“艺术价值”的创作者，终将被时代的洪流吞没——就像诺基亚工程师无法理解iPhone的Home键设计一样。 作者：老林 公众号：需求管理指南针 本文由 @老林 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>2024年，全球程序化广告市场规模达到1591亿美元，并预计在2026年突破2000亿美元。是什么让这个市场重新火热？本文将从CTV（联网电视）和RMN（零售媒体网络）两大增长引擎切入，探讨程序化广告市场的新趋势，以及亚马逊等巨头在其中的布局和影响。</p> </blockquote>  ## 01 一直以来，我都觉得程序化广告这事儿应该没什么新故事了。毕竟它是一个发展了20年的「老古董」了。 2005年的时候，美国首个广告交易平台Right Media，首次引入了实时竞价（RTB）机制，允许广告主通过算法对单个广告曝光进行毫秒级出价。这种模式颠覆了传统广告的合约购买方式，开启了程序化交易的先河。 细数一下，程序化广告交易已经发展了整整20年。 不过前几天我看了eMarketer的一个数据，我发现今年全球的程序化广告市场好像又行了： 2024年，全球程序化广告市场有1591亿美元的规模，预计2026年这个数字将突破2000亿美元，增速还是很可观的。 ## 02 总的来看，驱动全球程序化广告市场高速发展的是两驾马车：**CTV（联网电视）和RMN（零售媒体网络）。** 首先是CTV的程序化交易，今年一个大趋势是CTV程序化交易会继续向中小广告主开放。 去年奥运会的时候，我在《这是第一届程序化售卖广告的奥运会》一文中提到： <blockquote><p>NBC环球通过旗下的流媒体平台 Peacock，第一次以程序化方式销售巴黎奥运会期间的广告资源。根据NBC环球公布的数据：巴黎奥运会和残奥会70%的广告商都是新客户，其中大部分都是借助程序化广告的带来的。</p></blockquote> 要知道，传统电视广告需要高额预付和长期合约，中小品牌根本挤不进黄金时段。而程序化CTV通过实时竞价机制，把广告位拆解成可量化的资源包，让原本被大品牌垄断的广告库存公开竞价，让预算有限的中小玩家也能参与进来。 如果连奥运会这样的顶级赛事都开放给程序化广告，那未来营销大事件的广告售卖就会加速程序化进程。 从用户大盘看，全球观众加速向流媒体迁移，截至2024年，全球CTV（联网电视）用户量增长的核心驱动力来自美国市场。数据显示，美国市场占据全球CTV广告支出的66%，美国CTV用户规模已达2.3亿，占其总人口的68.4%，这一渗透率远超其他国家，相应地，美国市场占据全球CTV广告支出的66%。 根据eMarketer的数据，CTV的程序化交易量增速确实最快的，2025年预计超过 90% 的 CTV 展示广告将以程序化方式进行交易。 除了CTV，RMN（零售媒体网络）也是驱动程序化市场的重要力量。 到 2025 年，RMN（零售媒体网络）广告支出的增长速度，将是程序化展示广告大盘增速的两倍以上。到 2026 年， 将占新增程序化广告支出的四分之一以上。 RMV的崛起主要是因为零售媒体手握的第一方数据。 随着第三方 Cookie 和其他传统跟踪技术的消失，零售媒体拥有的第一方消费者购买数据将弥足珍贵，这些数据为品牌投放的闭环归因提供数据支撑。 在这一赛道，亚马逊是绝对老大，目前占据了零售媒体程序化展示广告支出的2/3以上份额。 且未来这一市场的集中度还会向亚马逊继续倾斜，因为亚马逊广告业务在今年做了一件事儿——技术下沉。 今年1月份的时候，亚马逊推出了零售广告服务（Retail Ad Service）。主要是依托云服务（AWS），为其他中小零售商（如亚洲在线超市Weee！、健康产品零售商iHerb等），提供实时竞价、用户行为分析等底层技术能力，让其他零售商无需投入上百万美元自建技术平台，也可以程序化方式在自己的网站或App中开辟广告位，接受来自亚马逊上商家的广告投放。 当然作为回报，亚马逊将从广告收入中抽取一定比例，并收取技术基础设施费用。 这个举措一方面是有普惠的价值，因为对中小零售商家来说，自建广告平台成本高昂，且无力对接到更多高价值的广告主。 另一方面体现了亚马逊广告上的野心，这和当年谷歌建立广告联盟，帮助中小网站售卖广告一个路数。就是通过做大零售媒体在广告市场的份额，巩固自己在零售媒体市场的领先地位，获取更多的收益。 随着亚马逊在零售媒体上的持续布局，受损最大的是Criteo和阳狮。 尤其是阳狮，它在2023年就基于旗下的电商分析平台Profitero推出了自己的零售媒体网络，拥有来自Kroger和Target等主要零售商的实时购物者数据，广告客户可以利用这些数据来指导他们的竞标。接下来，阳狮的零售媒体业务将受到亚马逊的疯狂挤压。 ## 03 技术和市场的火热，让资本市场对广告技术领域的投资又有了兴趣。 从2024 年下半年开始，程序化广告的广告技术领域的并购势头强劲。 Luma Partners的数据显示， 2024 年广告技术并购交易同比增长 73%。经过一年的加速发展，2024 年第四季度的交易量创下了 2021 年第四季度创纪录以来的最高水平，当时该行业共完成 28 笔交易。根据 Luma 的年终市场分析，它认为“广告技术行业将进入整合阶段”。 去年下半年的广告并购事件里，金额较大的有两笔：Mediaocean以5亿美金收购Innovid，Innovid 是一家专注于联网电视 (CTV) 和数字视频广告的独立广告和测量平台。同年，科技平台 Outbrain 以 9 亿美元收购广告平台 Teads。 2025年，广告技术领域的并购热潮还在持续。1月份，The Trade Desk收购了数据公司Sincera；T-Mobile宣布以约6亿美元的全现金，收购即时户外广告技术提供商Vistar Media。今年的这两个并购都是大动作。 接下来的一年里，广告技术领域的并购量还会加速增长，这里面有两个潜在的推动因素： 首先是更宽松的政策环境。在新一届美国政府的领导下，交易环境可能会更加有利。美国司法部 (DOJ) 和联邦贸易委员会（它们共同负责反垄断执法）预计将采取比拜登政府时期更为宽松的并购审查方式。如果特朗普成功降低利率，这可能会刺激更多的并购交易。 其次，还有一个更大的变量就是谷歌。 整个市场都在等待一项具有里程碑意义的反垄断裁决。如果美国司法部赢得对谷歌广告技术业务的诉讼，谷歌可能会被迫剥离其广告技术业务。 这可能会对其Google Ads 和 Display and Video 360 (DV360) 产生连锁供应链效应，整个广告技术生态系统将受到冲击。到时候，市场的活跃度将进一步提升，并购交易的潜力会进一步被激发出来。 还有个未知数，就是「谷歌Chrome浏览器是不是要禁用第三方 Cookie？」这也将迫使广告技术做出调整。 根据 ID5 的研究，全球五分之四的营销专业人士预计到 2025 年第二季度将发生这种转变。所以市场上有众多广告技术公司都在布局于无 Cookie 定位和测量解决方案。许多拥有高质量数据、技术或方法的提供商也将被收购。 总之，2025年广告技术市场应该会挺热闹的。 作者：刀客，公众号：刀客doc 本文由 @刀客 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

一场难打的仗。

<blockquote><p>当手头紧张需要借钱时，却发现借钱这件事已经变得“卷”到极致。作者在尝试通过支付宝、微信和抖音等平台借钱的过程中，意外发现各大平台为了吸引用户借款，纷纷推出了极具竞争力的优惠策略：支付宝上线“全网比价”功能，微信推出15天免息券，抖音更是有5000元6个月免息的体验活动。</p> </blockquote>  事情是这样的，掌柜最近手头有点紧。 毕竟有了二宝之后，各项开销直线飙升，平时的钱也都上交了（心疼3秒钟），需要1.5万做个应急周转。 但这个事儿吧，就不想麻烦别人，所以找老婆申请、找朋友借这些渠道就免了，于是想在支付宝、微信上借点钱。 该说不说，早些年掌柜可是支付宝的铂金会员，“借呗”上的利率那可是相当低，我记得是借1000块钱利息0.1块，核算下来年利率只有3.65%，所以之前资金周转就靠借呗了。 但后来资产由负转正之后，好几年没再用支付宝，铂金会员也变成了黄金，瞬间就不值钱了。 随之而来的借呗利率也变高了，这次打开一看，好家伙，年化7.2%，有点小贵。 正在我纠结要不要申请借款的时候，突然发现了一个“降利率”的按钮，抱着好奇心点进去，顿时有一种：上帝给你关上了一扇门，却又打开一扇窗的感觉。  支付宝为了让用户来自己这里借钱，上线了一个类似于“全网比价”的功能，其他平台的利率如果比我低，好，你截图过来，我就给你降！ 于是我打开了微信的“微粒贷”，嘿！还真比支付宝低，是6.48%（1000块钱1天0.18元），于是截图上传到支付宝上。 3秒钟之后，支付宝的借款利率给我降到了1000块钱1天0.17元（就是要比你低一分）。 好家伙，还能这么玩？ 其实你说，这个利差算下来能多出多少钱呢？但就是给你一种更低的选择，让你来我这里。 按逻辑来讲，这个比价功能应该就是一个图片自动识别的处理，但这又衍生出来一个新问题： 如果图片是ps的，把利率降得更低怎么办？ 我们来看支付宝是如何规避这种风险的。 首先，它们要求截图之后30分钟之内上传图片，所以肯定会判断截图右上角的时间是否在30分钟之内。 其实我感觉30分钟还是长了点，ps熟手改个图片上的数字，还是很快的。按照人的操作习惯来看，我感觉把30分钟降低为10分钟足够了。 另外，如果其他平台的利率特别特别低，相信支付宝也不会审核通过，它肯定有一套自己的风控逻辑在里面。 不过，如果我会PS，我会改一张年化5%左右的图，传上去试一试，看看它们到底能不能识别出来图片的问题。 之后，你以为这就结束了吗？ 不！远远没有！ 我又抱着试一试的心态去看了抖音借钱功能，虽然利率很高，但是 它有一个新客5000元借6个月，免息的体验活动！  亲测有效，5000块钱0利息，不借白不借。 这背后，其实也是平台与用户的一种“博弈”。 通过用户使用抖音、尤其是在抖音商城的消费情况，结合平台的外部数据，评估出来一个“信誉阈值”，5000块钱也不多，大部分用户还是不会因为这点钱违约，影响自己征信的。 好了，现在已经0利息借到了5000，我还差1万块，需要在支付宝和微信两个平台做选择了。 正在我准备在支付宝申请的时候，突然发现微信这边有一个前15天免息券。 ？？？这么算下来，如果我15天之内提前还款了，那不就等于白用了么。  于是，另外1万我在微信上做了申请，支付宝的一个“比价”功能，让我用更低的利息，几乎0成本，借到了1.5万，但并没有在支付宝上借。 只能说，谢谢你，支付宝！ 这件事也反映出当前各大金融机构相同的困境。 金融机构无论如何转型，做场景，业务在本质上依然是赚“息差”，随着这几年经济的转型，借钱的人要么是风险高的，金融机构不敢借，要么是消费降级勒紧裤腰带不借钱的。 就算利率越来越低，借钱的人（和机构）依然在减少，另一面是坏账率的持续飙升。 人们存钱越来越多，虽然存款利率低了，但架不住贷款这边的收益少了，所以兑付压力还是蛮大的，相当于成本越来越高。 既然这样，就得想办法“开源”。 于是，在借款这项业务上，支付宝上线了“全网比价”功能、微信上线了15天免息券、抖音上线了5000元6个月免息借，都是在想尽一切办法，开源！ 最后，必须要说一句： 借款有风险，一切都要量力而行。 本文由人人都是产品经理作者【不想延期】，微信公众号：【不想延期】，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。

[据报道](http://t.cn/A6BIKETl)，宁波的王女士反映，2023年，**自己和亲戚先后买了三辆雷克萨斯的纯电车，每辆车价格39.39万元，当时签了一份保值回购服务合同，一年内可以按90%的比例回购。**王女士说，去年3月份就把车送到了4S店，一年了，回购的事还没处理好。 [](//img1.mydrivers.com/img/20250315/2c0d5447566d4d06bfdf9eb8c3d620b9.png) 王女士介绍，他们购买的3台车均是雷克萨斯RZ450e，当时她们签订的保值回购合同中写明，车辆12个月以内，置换同品牌回购比例90%，置换其他品牌回购比例80%，此后没过12个月，回购比例依次递减10%。 [](//img1.mydrivers.com/img/20250315/51fb07a6ede44c1888d663f147417664.png) 她们用了不到一年时间就把车辆交给4S店，从去年3月份封存至今。并且，**她们又在其它4S店订购了同品牌的三辆新车，但这三辆车始终没办法交付。** 后来她们向厂家反馈，厂家给出处理方案，让她们先把新的三台车定金退掉，等4S店这边把回购款打给她们再买新车，但4S店拖延至今没有解决。 对此，王女士购买新车的4S店经理介绍，他们已经把王女士回购的事情向丰田厂商反馈，对方也在积极处理当中。 后续，王女士反馈，她们已经和4S店签了一份合同，这几天就能把钱打给她们。 [查看评论](https://m.cnbeta.com.tw/comment/1485608.htm)

根据新加坡陆路交通管理局公布的统计数据，比亚迪2024年击败丰田、宝马和特斯拉等品牌，首度拿下新加坡年度车企销冠的称号，这也是中国电动汽车品牌首次荣登榜首。数据显示，**比亚迪2024年在新加坡的注册数量达到了6191辆，占新加坡所有新车注册量的14.4%，市占率排名第一。**  并且，**比亚迪2023年在新加坡的注册量为1416辆，排名第四，而仅过了一年时间，比亚迪的注册量就同比增长了337%，增速迅猛。** 比亚迪新加坡和菲律宾的董事总经理James Ng表示，比亚迪是第一个在新加坡销量排行榜上名列前茅的电动汽车品牌，新加坡推动电动汽车转型的努力以及比亚迪品牌在全球范围内的实力发挥了重要作用。 其他品牌中，丰田、宝马、特斯拉在新加坡的新车注册量，虽然也均有增加，但增幅远不及比亚迪。 其中，丰田2024年新加坡注册量为5736辆，与比亚迪有400余辆的差距。并且，新加坡此前的车企销冠也一直是丰田汽车。 **宝马2024年新加坡的注册量为5042辆，特斯拉的为2384辆。** 有业内人士指出，比亚迪在新加坡的崛起是东南亚汽车市场巨变的象征，中国汽车品牌在全球市场的影响力正在加速扩大，而此前的东南亚汽车市场向来由日系车主导，但如今，包括比亚迪在内的国产车，正在加速占领丰田、本田和三菱等传统品牌的市场份额。  [查看评论](https://m.cnbeta.com.tw/comment/1485604.htm)

之前我们报道中提到，这个月微软对华为的供货许可也到期，之后就只能完全国产化，采用中国芯+中国系统的PC。按照华为内部传出的消息看，华为即将推出的PC将搭载鸿蒙系统，要求就是全面推进鸿蒙的产品。 其实早在2024年9月20日，华为常务董事、终端BG董事长、智能汽车解决方案BU董事长余承东在央视新闻直播间透露，由于制裁影响，“Windows PC可能停止供货了，可能是最后一批了，以后只有用我们的鸿蒙PC了。” 按照一些经销商透露的说法，华为将推出首款搭载Linux系统的笔记本电脑——MateBook D16 Linux版。 这款产品的硬件配置与现有的MateBook D16保持一致，主要区别在于操作系统采用Linux，而不是Windows。 所以问题来了，不用Windows系统的华为PC相比之前能便宜多少呢？ **按照一位博主的说法：“Matebook D16 Linux开售供货，配置跟D16相同仅系统不一样，售价是4299元比Win版低300元。”** 当然了，在这之后华为还准备了5款新的PC，其都会搭载Linux系统，那么对于用户来说，如何换系统呢？ **按照上述博主透露的情况，跟之前华为的操作一样，买过的用户线下陆续收到U盘。**  [查看评论](https://m.cnbeta.com.tw/comment/1485602.htm)

在DeepSeek爆火之后，不法分子正利用公众对AI技术的热切期待，编织着一场信任与技术的双重陷阱。据统计，仅在DeepSeek问世两个月内，仿冒DeepSeek的钓鱼网站已激增至近三千个。近日，澎湃新闻记者调查发现，有消费者在应用商店下载DeepSeek遭遇形似DeepSeek的“李鬼”APP，被“永久会员”坑骗198元；有人误信所谓“本地部署”的话术，支付49元后下载到假安装包。 DeepSeek官方此前已经多次声明，所有功能完全免费，任何收费项目均为诈骗。唯一正版渠道为公司官网及应用商店认证的“DeepSeek-AI人工智能助手”，开发者信息可追溯至杭州深度求索公司。 技术专家提醒，本地部署DeepSeek有着电脑硬件和计算机知识的双重门槛，普通用户根本没有必要进行本地部署。法律人士指出，打着DeepSeek幌子“收割”消费者的诸多行为或已违反多个法律规定，消费者一定要提高警惕。 这场AI热潮下的信任危机，既考验技术防御能力，也凸显公众科普的紧迫性。 **大量消费者本地部署遇“坑”** “山寨网站太逼真了！我被骗得毫无防备。”网友刘女士在接受澎湃新闻记者采访时说道。 据刘女士描述，她在社交媒体上看到有博主介绍本地部署DeepSeek的诸多好处，便在搜索引擎中搜索攻略，搜索引擎给出了不少链接，写着“正版下载”“快捷安装”等。刘女士挑选其中一个链接进行了安装下载，其间，该软件还弹出了付费窗口，刘女士未加思索便支付了49元费用。 然而最终的使用界面令刘女士疑惑，“我的写着‘Chatbox’，我记得博主介绍的图片里不是这个样子。又去网上搜索了一下，看了别的网友分享的经历，才知道自己上了当。”  刘女士购买DeepSeek本地部署软件遭遇“货不对板” 回忆受骗经历，刘女士说，网站相似度极高，在下载安装期间，页面上也多次出现“DeepSeek安装”等相关关键词，直到付费后下载了嵌套软件，实际上才能明确分辨出来与DeepSeek无关。  山寨网站“Deepsek”提供所谓“DeepSeek本地部署”的页面截图 刘女士的经历远不是个例。在投诉网站以及各大社交平台上，可以看到，还有大量网友在试图本地部署DeepSeek时遭遇了类似骗局，他们均因在网页搜索DeepSeek本地部署后误入山寨网站，损失金额分别为49元、59元、68元不等。  投诉网站上有大量网友在试图本地部署DeepSeek时遭遇了类似骗局  在搜索引擎中可以搜索到大量山寨DeepSeek的网站 被投诉的公司有湖北娱了个娱网络科技公司、武汉知图信息技术有限公司、常州昇一网络科技有限公司等，澎湃新闻记者在天眼查搜索发现，上述公司均为小微企业，或被列为“经营异常”，或多个司法案件在身。 **技术专家：一般消费者其实没必要进行本地部署** 在强调消费者要提高防范意识的同时，行业专家普遍指出，本地部署有着硬件和技术门槛，普通用户其实也并没有必要去对DeepSeek进行本地部署。 工信部信息通信经济专家委员会委员盘和林在接受澎湃新闻记者采访时提到，“本地部署是将DeepSeek整个开源模型下载到本地服务器，一般是专业用户想要借着开源模型打造自家的大模型。而骗子骗钱有两种方式：一种是用假程序、假算法冒充DeepSeek的开源模型卖给客户，又或者是找到免费的DeepSeek开源模型，然后以收费的方式卖给用户；另一种是将DeepSeek开源模型改造成自家的大模型APP，形成应用向客户收费。” 盘和林直言，一般情况下，普通用户不要去本地部署。本地部署大模型需要一定专业知识，要连接数据库、设置参数、搭建运行环境。本地部署对于普通用户有较高门槛，一般是专业大模型公司用DeepSeek来优化自家模型。 FutureLabs未来实验室首席专家胡延平建议，一般消费者的确没必要在手机或电脑里做本地部署，直接使用云端服务或者一些App接入的开源的DeepSeek推理模型服务就好。“这些服务都无须下载，也无需付费。” 胡延平提到，多数情况下，消费者面临着较高的硬件门槛，“即使下载安装1.5B、7B、8B等尺寸较小的模型，实际上也无须付费；而对于14B、32B、70B等模型，一般用户电脑的显卡显存或统一内存不够，运行不起来，所以也不推荐；671B的模型，消费级电脑更是不可能跑起来。” 他补充说，“另外，网上一些并非明显骗局的本地部署，其实也只是接入云端服务、为购买者提供一个账号而已，并没有真正地将模型部署到用户本地，虽然伤害不大但也相当于是骗钱的。” “总之DeepSeek免费就能用，对于收费的一定要当心是骗局。”胡延平强调。 **陷阱层出不穷，律师提醒：或已违反多项法律规定，消费者一定要提高警惕** 借助DeepSeek爆火而给消费者挖坑的行为不仅有上述本地部署相关骗局，还有大量仿冒账号、钓鱼网站、虚假课程等。 针对不太了解DeepSeek的消费者，骗局花样百出。白先生向澎湃新闻反映，听说DeepSeek爆火后，自己当时在手机应用商店搜索“DeepSeek官方”类似关键词，下载了排在第一位且被标为“广告”的应用，并付费198元购买了永久会员。然后在其退出应用之后，才发现自己下载的应用名为“DreamDesk”，与DeepSeek毫无关系。  DeepSeek官方APP使用界面（左），以及白先生下载的山寨APP使用界面（中）和付款界面（右） 值得留意的是，仍有不少消费者还被蒙在鼓里了。澎湃新闻记者在白先生提及的这款名为DreamDesk的评论页面中发现，不少消费者认为该款软件就是DeepSeek本身，还对其做出了“DeepSeek太能干了”“中国之光”等评价。 奇安信XLab实验室报告显示，通过对2024年12月1日至2025年2月3日期间的域名注册情况进行统计分析发现，在此期间共出现了2650个仿冒DeepSeek的网站，且数量仍在快速增加。这些网站通过相似域名、界面设计诱导用户点击，进而传播恶意软件、窃取个人信息或骗取订阅费用。  奇安信检测仿冒DeepSeek域名注册时间分布 另外，据国家计算机病毒应急处理中心网站发文称，我国已出现仿冒“DeepSeek”官方APP的手机木马病毒，对用户的个人隐私和经济利益构成较大威胁。  恶意APP诱导用户授权其使用无障碍功能 上海德禾翰通律师事务所高级合伙人卫峰律师介绍，此类行为或违反多项法律规定。 根据《中华人民共和国商标法》第57条，仿冒DeepSeek的网站和APP使用了DeepSeek的商标或类似标识，误导消费者认为这些是DeepSeek的官方产品，构成商标侵权。 以“永久会员”或“本地部署”为名收取费用，但未提供相应服务或产品，属于欺诈行为。根据《中华人民共和国消费者权益保护法》第55条，该条款规定，经营者提供商品或者服务有欺诈行为的，应当按照消费者的要求增加赔偿其受到的损失，增加赔偿的金额为消费者购买商品的价款或者接受服务的费用的三倍。 此外，围绕DeepSeek下载的各类陷阱还触犯了《中华人民共和国网络安全法》《中华人民共和国反电信网络诈骗法》等法律。 卫峰建议，消费者一旦发现下载的APP是假冒的，例如以“永久会员”或“本地部署”为诱饵的欺诈应用，首先应立即停止使用并将其卸载。这样可以防止进一步的经济损失或个人信息泄露。 其次，消费者可以向市场监督管理、消费者保护组织、互联网监管机构或当地警方举报假冒DeepSeek的APP和钓鱼网站，提供详细的信息，例如假APP的名称、下载链接、支付记录或诈骗网站的网址，有助于相关部门调查并打击这些非法行为。 此外，他建议，如果损失金额较大，或涉及个人信息泄露导致更严重后果，消费者可以寻求法律援助，咨询专业律师，了解是否可以提起诉讼追回损失，并维护自己的合法权益。 卫峰强调，消费者一定要提高警惕，一是要选择官方渠道下载，在应用商店下载APP时要仔细核对开发者信息；二是不轻信不明链接，避免点击来路不明的链接或下载来源不明的安装包，例如所谓“本地部署”的假安装包。 [查看评论](https://m.cnbeta.com.tw/comment/1485596.htm)

一数码博主表示，自己接到交警电话，沈阳全市排查小米SU7 Ultra。据其所述，当地交管部门正联系小米SU7 Ultra车主签下一份驾驶安全承诺书，嘱咐他开车一定要注意安全。 [](https://static.cnbetacdn.com/article/2025/0314/39479e61d751c4e.jpg) 据大河报消息，沈阳市公安局交警支队某大队称，他们没有接到通知，并反问“网上的东西能可信吗”？ 另一交警大队接线人员称不清楚此事，一区交警大队车辆管理所也称不清楚此事。 沈阳一家小米之家汽车旗舰店的工作人员称，目前没有接到类似的通知。 另据极目新闻，沈阳交警局工作人员表示，对于这份安全承诺书，网友存在误读，只是对高性能车的车主进行安全宣传，当地一直在整治飙车炸街，该项行动不针对任何特定汽车品牌。 目前该博主已将那条微博删除。（综合大河报、极目新闻等） [查看评论](https://m.cnbeta.com.tw/comment/1485594.htm)

3月15日，经济学人发文称，长时间使用Manus会发现，它要成为稳定有用的工具还有很长的路要走。令人困惑的回答、令人沮丧的延迟和无休止的循环让体验大打折扣。**开发者显然秉持着“先完成再完美”的理念，匆忙将其推向了市场。**  Manus智能体是一个建立在现有模型之上的系统，可以与互联网互动，并执行一系列任务，而无需征得人类用户的许可。开发者声称，他们打造出了世界上首个能将“你的想法转化为行动”的通用智能体。**然而，全球的AI实验室此前已经在私下对这种智能体方法进行过实验。**Manus之所以引人注目，并非因其存在本身，而在于**它被其创造者完全投放使用了**。一个AI研发的新时代已经到来，但**它并非发生在实验室里，而是在现实世界中**。 这与美国大型AI实验室的做法形成鲜明对比。**出于对创新成果安全性的考虑，他们将技术雪藏，反复调试直至达到可用的1.0版本**。OpenAI在2019年等待了九个月才完全发布GPT-2。Google的LaMDA聊天机器人早在2020年就能内部运行，但公司雪藏了两年多才以Bard之名面世。 **大公司对AI智能体同样保持谨慎**，这有其合理考量。赋予智能体自主解决问题的自由，而非依赖人类逐步提示，**可能放大其危害隐患**。例如Anthropic和Google虽然展示了Computer Use功能，但都未广泛发布。在各种测试和开发者预览版中，这些系统既受制于技术局限，也受限于政策约束，会定期或在处理复杂任务时交还用户控制权。 **然而Manus的存在使这种审慎态度难以为继**。随着初创公司与人工智能巨头之间的技术差距缩小，**行业巨头已失去从容打磨产品的余裕**。这也意味着它们原有的安全策略不再可行。 值得庆幸的是，目前尚无迹象表明Manus造成了任何危害。**但安全保障不能再局限于大公司发布前的大规模测试**。监管机构和企业需要实时监控已投入使用的系统，对发现的危害快速响应，必要时完全停用行为失当的系统。无论人们是否接受，**Manus都昭示着人工智能研发的未来将在开放环境中展开**。 [查看评论](https://m.cnbeta.com.tw/comment/1485588.htm)

昨晚，据市场监管总局官网消息，2024年全国市场监管部门共查处违法广告案件4.69万件，罚没金额共计3.49亿元。其中，听花酒罚没金额合计430万元。实际上，去年央视3·15曾重点报道了听花酒，称其“虚假宣传”。仅仅时隔一年，听花酒已经“卷土重来”，其广告已经遍布全国多地。  近日，新浪财经实地走访了听花酒北京品鉴中心。对于此前3·15曝光的“虚假宣传”，该店人员极力否认，称“那是不正当竞争，而非市场上流传的虚假宣传。我们坦然接受处理结果，也进行了相应的整改。” 如今，听花酒的精品装系列产品已暂停内地销售，而标准版则仍可公开售卖。新浪财经发现，其零售价格为5860元/瓶的标准版，在闲鱼等平台上普遍售价在1200-2300元区间。同时，听花酒官方客服人员表示，线上渠道还在推进恢复中，现在仅有微信小程序会员店开放购买。但是查询发现，近半年来，该店的好评数量仅有1条。 销售渠道混乱，线上渠道又迟迟未打开……复苏后的听花酒还能走多远？ （国家市场监督管理总局官网截图） **悄然复苏：闲鱼成了“出货地”** 2024年315晚会，听花酒因涉及虚假宣传被央视点名批评。该栏目对其宣传的“提升免疫力、改善睡眠、保障男性功能、抗衰老”等功能进行打假，称听花酒所宣传的“高科技”凉味剂，实际为常见的薄荷提取物。 一时间，北京、成都等多家听花酒体验店关停；淘宝、京东等线上渠道下架；母公司青海春天股价暴跌近90%。 那一刻，听花酒走到了垂危的边缘。 但很快，在关店整改两个月后，也就是2024年5月9日，听花酒接连发布三则公告，对市场政策进行战略性调整： 第一，听花酒实施限量配额供货制度，每年投放市场的听花产品总量不超过3000吨（包含销售用酒、推广用酒及品鉴用酒）； 第二，听花酒标准装的经销商结算价上调至3989元/瓶； 第三，听花酒精品装系列产品暂停内地销售。 据悉，听花酒产品矩阵中共有两大系列，分别为听花精品装系列（52°浓香、53°酱香），售价为58600元/瓶；听花标准装系列（52°浓香、53°酱香），售价为5860元/瓶。 此次听花酒刀刃向内，直接砍掉一条核心产品线，既被外界视为舆论风波后的“断臂求生”，同时也是回归市场的一大表现。 酒类分析师蔡学飞认为，“在国内特殊的市场舆论环境下，听花酒只是优化了自身的高端化战略，本身并没有影响听花酒的推广与战略实施，特别是在面向高净值人群的团购市场，听花酒仍然有一定的消费人群。” 同时，他也表示，听花酒相关的法律处罚已经结束了，相关整改也得到了相关部门的认可，所以恢复相关广告投放，以及线下经营属于正常情况，毕竟品牌还是要继续发展。 除了在全国各地的电梯等重要传播点投放外，听花酒也在二手平台和小红书上被频频提及。 以闲鱼为例，有卖家打出“公司福利”“已停产”“听花小弟”等噱头公开售卖听花酒，其价格多为1200-2300元区间，大多为全新或准新包装。 （闲鱼平台搜索截图） 不论是相比3989元/瓶的经销商结算价，还是5860元/瓶的官方售价，二手平台的产品均远低于官方规划的“价格红线”。  （社交平台上，多地网友晒出听花酒电梯广告） **实地探访，品鉴中心否定“虚假宣传”** 针对这一情况，新浪财经走访了听花酒北京品鉴中心。招商经理表示，听花酒本身对渠道和市场价格的把控较为严格，从官方渠道走出的产品以及旗下经销商必须按照规划价格售卖。“我们不向经销商压货，也不希望经销商破坏价格红线。” （听花北京品鉴中心实拍） “我们主要做的是团购渠道。正常烟酒终端摆柜和流通，我们是不做的”，她表示，想取得听花酒的经销资格首先要考察经销商的团购渠道把控能力，即能否将酒销售出去。其次，还需要针对不同城市考量经销商是否有能力支撑运营成本。 另外她还强调，听花酒团购店里不允许售卖其他品牌。像传统团购大店，茅台、五粮液、郎酒等多高端品牌并行运营的方式无法通过审核。 值得关注的是，听花酒精品装系列已在国内全面停止供货，即便经销商也无法代理，只能在线下体验中心作为品鉴用酒。目前，5860元/瓶的标准装系列仍在全国各地开放招商。 经过闭店整改，工作人员讲解的侧重点已转为酒体的年份、口感和色泽。而对于店内大屏滚动播放的三位担任听花酒科研专家的诺贝尔奖获得者，以及保健功效，该店人员闭口不提。 （听花北京品鉴中心实拍） 对于3·15事件，该店人员极力否认了“虚假宣传”。 该招商经理强调，“那是不正当竞争，而非市场上流传的虚假宣传。我们坦然接受处理结果，也进行了相应的整改。” 当被问到线上渠道何时开放时，听花酒官方客服人员表示，听花酒的线上渠道还在推进恢复中，现在仅有微信小程序的听花会员店开放购买。 虽然具体销量官方工作人员尚未披露，但通过小程序店铺的售卖情况看，近半年仅获得一条好评，不难推断听花酒的线上渠道远未打开。 **难言成功，母公司五年已亏12亿** 事实上，听花酒自品牌创立起销量及影响范围就相当有限，难言成功。 今年1月16日晚间，听花酒业母公司青海春天药用资源科技股份有限公司（以下简称“ST春天”）发布2024年度业绩预亏公告。 公司预计2024年度归属于上市公司股东的净利润为-1.45亿元至-1.74亿元，归属于上市公司股东扣除非经常性损益后的净利润为-1.17亿元至-1.46亿元，将出现亏损。 对于亏损原因，ST春天在公告中表示，主要原因为公司酒水销售板块业务原定的经营计划未能全部实施，后续公司努力恢复有关产品的正常经营，相关费用投入较大，还未形成规模效应；同时公司对部分投资、存货、无形资产、应收等计提了减值损失。 而若将时间维度拉长，ST春天的窘境则更加明显。 2020年到2023年，其归母净利润分别亏损约3.20亿元、2.49亿元、2.88亿元和2.68亿元，加上2024年，5年累计亏损规模已超12亿元。 根据上交所的退市新规，ST春天如果2024年最终财报营收未能达到3亿元或未能扭转亏损局面，将面临强制退市的风险。 ST春天原被称为“冬虫夏草第一股”，极草5X粉片曾红极一时。 在虫草保健概念失灵后，公司董事长张雪峰转向白酒生意，先是获得宜宾凉露酒业所产的凉露酒20年全国经销权，然后将其变更为宜宾听花酒业发展有限责任公司，开始大力营销保健酒概念。 为了抬高听花酒身价，张雪峰不仅将产品研发故事写成“神仙托梦”，并且还请来诺贝尔奖得主作为噱头，在机场、高铁站等区域大量投放广告。营销费用由2020年的0.48亿元一路上涨，仅去年前三季度销售费用就达到了1.12亿。 如今，中国白酒进入缩量竞争时代，马太效应进一步加强，市场份额向头部企业集中。面对连年上涨的销售费用和迟迟走不出的亏损“泥潭”，听花酒似乎已经“无牌可打”。 对此，酒类分析师蔡学飞点评道，积极地看，听花酒在品牌、品质与品类方向具有开创性价值，极大提高了中国酒的价格天花板，拓展了中国酒的品类边界，虽然宣传上存在瑕疵，但是整体上还是应该对其报以一定积极的态度。 文 | 新浪财经 张奥 [查看评论](https://m.cnbeta.com.tw/comment/1485586.htm)

3月14日，英特尔公司在一份文件中披露，新任CEO陈立武的薪酬组合总价值约为6900万美元。根据文件内容，陈立武的基础年薪为100万美元，并有机会获得高达200%的绩效奖金。此外，他还将获得两项长期激励：价值1440万美元的长期股权奖励和价值1700万美元的股票绩效奖励，这两项奖励均将在五年内逐步兑现。 [](https://static.cnbetacdn.com/article/2025/0313/c3a080eb7fe8a01.webp) 文件还显示，陈立武将获得价值960万美元的股票期权，以及一份价值2500万美元的新员工期权奖励。作为任职条件之一，陈立武已同意在就任后的30天内，自费购买价值2500万美元的英特尔公司股票。 陈立武将于今年3月18日上任，并重新加入英特尔董事会。在英特尔宣布任命陈立武为CEO后，英特尔股价在周四飙升15%，今年累计上涨20%。 [查看评论](https://m.cnbeta.com.tw/comment/1485584.htm)

<blockquote><p>近期，一款名为Manus的AI产品引发了广泛关注，甚至被冠以“全球首款通用型AI Agent”的称号，一时间舆论热度居高不下。然而，在众多自媒体的热捧与争议声中，Manus的真实情况究竟如何？它是否真的如宣传那般强大，又是否真的具有划时代的意义？本文作者凭借其多年的产品经理经验和对AI领域的深入研究，将为你拨开迷雾，从多个角度剖析Manus的真相，帮助你在喧嚣的声音中保持理性，全面了解这款备受瞩目的AI产品。</p> </blockquote>  “一夜爆火”？ “体验炸裂”？ “现象级”甚至宣称“又一个国运级”？ 更夸张的连“拳打ChatGPT，脚踢Deepseek”都喊出来了？ 如果近几天各位有关注AI相关的信息，应该都会被上面这样的标题刷屏。没错，这些都是各路自媒体们对于3月6日发布的AI产品——Manus的各种评价。 那么，这款被冠以“全球首款通用型AI Agent”的AI产品，究竟是何方神秘？它为什么会引起关注？其实际情况究竟如何？在下也连夜加班加点，给各位朋友好好梳理一下。 ## Manus以及AI Agent，到底是什么？ Manus是什么？简单一句话就是，它是由中国团队Monica.im所开发的一款通用型AI Agent（关于Manus是什么，可以参考其官网https://manus.im/，有团队的官方介绍）。这里就引入了一个可能大家平时比较少接触到的概念——AI Agent。  所谓AI Agent，是指能自主感知环境、分析信息、决策并执行任务的智能实体。当然，对于理解Manus，只需要聚焦到它与平时我们用到的诸如ChatGPT、Deepseek、元宝等等AI产品有什么差别就可以了。我们知道，像ChatGPT、Deepseek、元宝之类的AI产品，都属于“对话式AI”，它们都只能生成文本。 也就是说，在我们实际开展工作时，它们只能“提供想法”，却无法“下场操作”。而Manus这样的AI Agent，则可以根据用户所提出的任务，分解成具体的执行步骤和相应内容，并自行调用它的配套工具来完成任务。也就是说，对话式AI是“提供想法”，而AI Agent是“交付成果”。按照Manus在其官网提供的示例，它可以产出包括研究报告、数据分析成果、课程课件乃至于生成简单的Web游戏。  ## 为什么Manus会引发关注 OpenAI曾经提出过AI发展的5个阶段，从Level 1到Level 5，分别是：Chatbots、Reasoners、Agents、Innovators、Can do the work of an organization。而在Manus之前，我们所使用到的AI产品，大抵对应到Level 2的Reasoners，也就是具备“人类水准的问题解决能力”。而Manus被冠以“全球首款通用型AI Agent”，自然是引起大家对于AI是否已经要迈入下一个新阶段的猜想了。  其实，说Manus是“首款通用型AI Agent”并不准确。事实上，在它之前，就已经有多款通用型AI Agent产品问世了。不过，Manus的确在表现上领先了此前面世的AI Agent产品。针对通用型AI Agent有一个评估其解决现实世界问题能力的基准测试体系——GAIA。据Manus官方提供的信息，它在全部三个难度级别上均取得了当前最先进水平（SOTA）的性能表现。  当然，除了表现优秀以外，Manus还叠加了一层“中国团队开发”的光环。自从Deepseek横空出世以来，无论是业界还是群众，都对于AI时代中“中国团队”所扮演的角色、所发挥的力量有了更高的认可与期待。此时，又一款出自“中国团队”的AI产品出现，自然也会引来更多追捧。 ## 冷静冷静，Manus其实也还存在不少争议 我们常说，AI的发展速度是“一日千里”，“士别三日当刮目相看”，这同样也造就了许多人在AI时代下的焦虑情绪，因此对于许多AI新事物都紧绷着一根弦，生怕自己落后于时代甚至被抛弃于时代。典型表现在Manus的邀请码据说已经被炒到了5万块一个的地步，甚至说已经出现打着“Manus旗号”的AI课程想要收割一波“韭菜”了。 虽然我也没有拿到邀请码，但根据这两天广泛阅读各方资料和使用体验报告。我想给大家说一句，请先保持冷静，Manus其实也还存在不少争议。对此，我总结了以下4点。 ### 1. Manus其实也没这么通用 根据部分已拿到邀请码进行体验的用户反馈，Manus的确在“思考-规划-执行”这条AI Agent向前迈进了一步。但同样是“通用”，对比起“对话式AI”，Manus就显得不那么“通用”了。不少用户表示，哪怕是与官网宣传的同类场景，也遇到了不少了翻书情况。 ### 2. Manus的“幻觉”情况非常严重 同样是来自部分体验用户的反馈，当他们使用Manus进行诸如产出股票分析报告时，就发现Manus给出的许多数据、信息都是错误的，而且不是个别之处，而是大面积出现“幻觉”情况。因此，哪怕跑通流程，其产出的成品也基本不可用。 ### 3. Manus的技术实现并无难度 这里主要是质疑Manus没有自己研发的大模型，这样的产品其实是“工程调优”，是多种工具的拼凑。典型表现就是在Manus发布后不久，就有隶属于国内AI Agent初创公司DeepWisdom（深度赋智）的MetaGPT团队进行了产品复刻，并将产品Open Manus上传至开源社区。 ### 4. Manus这轮火爆实际上是炒作 Manus发布后，短时间内就引发了一波自媒体的吹捧，这也是我们文章开头那一堆形容词的来源。但一天不到的时间，舆论风向又迎来了反转。不少文章将其嘲讽为“第一款自媒体比技术从业者先发现和评测的AI产品”，认为这是一堆自媒体企图裹挟着爱国热情在“蹭流量搏眼球”。 ## 最后，说说我的个人看法 最后，我简单说说我的个人看法。一句话总结就是：Manus不完美，甚至可能不是那个开启通用AI Agent大门的产品，但它依然给业界有所启发。 我在之前介绍Deepseek-R1是如何炼成的文章中有引用过这么一个说法，“罗马不是一天建成的，Deepseek-R1也不是‘灵光一闪’就做出来的成果。”同样地，通用AI Agent也不是一天就能达成了，它需要业界共同的努力，一齐贡献彼此的汗水与智慧。 至于技术实现是否有难度，我依然坚持我的看法。我以为，AI行业发展，我们应该重点关注两大主题：技术突破和应用落地，Manus在我眼中就属于后者。因此，只是着眼在技术层面，反而会以偏概全。能够将成熟的AI技术转为了应用产品，这本身也是一种创新一种突破。甚至在此，我大胆预测，3个月内，像Coze、元器等智能体平台，就会跟进发布类似“输入需求，AI拆解并生成工作流”的特性。Manus尽管从测评表现来看，远远够不上“拳打ChatGPT，脚踢Deepseek”的程度。这很大程度上是因为多步骤的任务，过程中往往会存在无法预知的变量，这些变量的积累就会导致成品的不可用（这也是为什么我更看好的模式是AI来生成工作流，在执行前由用户确认，在执行中让用户确认）。但是，它能够给到业界关于AI Agent不少的思考乃至于启发，我想这点还是可以肯定的。 再说了，按Manus团队（宣称的）本意，他们只是做了一轮内测。像开头这些夸张的称谓，其实都是自媒体为了“蹭流量搏眼球”而编造的。中国AI的发展的确取得了巨大的进步，但像自媒体对Manus这样尽皆过火的炒作，其实已经明显是一种“捧杀”了。某种程度上，这些自媒体就是在吃“赛博人血馒头”。而我们能做的，就是仔细甄别，加强自身的认知迭代，而非不作判断人云亦云。 最后，愿你我都有一颗理性且乐观的心，亦愿中国AI产业继续创造更多突破成绩。 附：主要参考资料 - 一手体验首款通用Agent产品Manus -唯有惊叹。 - 实测Manus：首个真干活AI，中国造（附50个用例+拆解） - Manus、OpenAI Deep Research 20个用例大横评，通用Agent抛弃奥特曼了。。。吗？ - 三小时复现Manus，开源的OpenManus带来哪些启示？ - 被捧为”国产AI之光”的Manus，半天就翻车了？ - 仅24小时，Manus就跌下神坛 - 从“赛博炼丹炉”到“人工智障”：Manus的24小时封神与塌房实录 作者：产品经理崇生，公众号：崇生的黑板报 本文由 @产品经理崇生 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>本文将深入剖析央国企员工信息档案管理的现状与痛点，并结合实际案例，探讨如何通过系统搭建、数据整合、权限管理以及智能分析等策略，实现数字化转型，提升决策科学性与管理合规性，为央国企的人力资源管理提供实战指南。</p> </blockquote>  在国家”十四五”规划中，数字化转型被列为推动经济高质量发展的核心战略之一。规划明确指出，到2025年，国企需实现核心业务数据全生命周期的数字化管理，并通过数据要素市场化配置来提升整体运营效率。近年来，国资委进一步提出了“穿透式监管”的要求，意味着国企在员工管理领域，不仅需要实现信息的系统化归集，还要在多级组织层面实现实时追溯与分析。这一政策导向为国企的人力资源管理特别是员工信息档案管理提出了更高的数字化标准。 尽管政策方向明确，但现实中，许多国企在员工信息管理上仍面临传统模式的制约，导致人效瓶颈问题突出。一方面，纸质档案分散存储、人工录入等传统方式导致数据利用率不足40%，使得人事决策更多依赖经验判断而非数据驱动。另一方面，不同系统间的数据割裂形成“数据孤岛”，跨部门协作效率低下，限制了国企管理效能的提升。 数字化不仅是解决管理痛点的工具，更是实现高效、合规与可持续发展的重要手段。只有将员工信息档案管理纳入数字化转型的总体布局，才能真正释放人力资源的潜力，为国企的高质量发展提供坚实的人才支撑。 ## 员工信息档案管理的现状与挑战 ### 1. 数据孤岛导致决策失真 当前，许多国企存在数据孤岛问题，各部门各自为政，档案管理系统、HR主库、业务系统之间的数据缺乏有效整合与共享。在国企庞大的组织架构下，数据孤岛不仅降低了管理效率，还可能引发资源分配不均、人才选拔不当等问题，阻碍企业的长远发展。比如，在选拔干部时，档案系统与HR主库数据不一致，引发任职资格争议，影响决策的科学性和及时性。这种数据孤岛问题使得企业在决策时难以获取全面、准确的信息，从而影响决策的科学性和及时性。 ### 2. 信息更新滞后引发连锁反应 员工调动过程中信息更新的滞后，常常引发一系列连锁反应。比如，某国企子公司A的员工在申请调出时，集团HR因手工录入延迟了3天，导致子公司B在此期间已进行了调入操作。结果编制数据超限，触发了审计预警。在人事异动频繁的情况下，如国企存在大量跨法人调动、借调、挂职等异动场景，信息滞后可能导致编制数据超限、薪酬核算错误、绩效考核不准确等问题，不仅影响人事决策的及时性，还可能导致资源的浪费和管理成本的增加。 ### 3. 手工操作埋下合规隐患 手工操作模式在国企员工信息档案管理中仍较为普遍，这种方式繁琐且易错，给企业带来了诸多合规隐患。在严格的国资监管环境下，合规性是国有企业管理的底线，手工操作的不确定性和风险性显然难以适应这一要求，可能引发劳动纠纷和法律诉讼，影响员工的切身利益。 ### 4. 多系统数据乱象 国企通常使用多个业务系统，但这些系统之间缺乏数据标准的统一和有效的对接机制，导致数据在传输和存储过程中出现偏差。例如，党建系统中记录的入党时间比档案系统记载晚6个月，社保系统中的首次参保时间与劳动合同签署时间不一致。这种“数据打架”的现象可能导致员工在评优、晋升时受到不公正对待，影响其职业发展。 ## 数字化转型下员工信息档案管理的策略与实践 随着数字化转型的深入推进，国企在员工信息档案管理中面临着前所未有的机遇与挑战。为了提升管理效率，确保数据安全，优化决策支持，国企应采取一系列切实可行的策略与措施。 ### 1. 系统搭建与技术选型：适配国企需求的数字化平台构建 在数字化转型进程中，国企要构建高效的员工信息档案管理系统，需精准定位自身需求，考量功能、安全与可扩展性等关键因素。技术选型时，可参考市场成熟产品，但更需注重与企业实际情况的契合度，同时满足国企特有的干部管理、编制控制等定制化需求的厂商（如红海云、用友、金蝶s-HR）。 功能层面，优先选择支持人事全生命周期管理，涵盖入职、异动、培训、离职等核心场景，系统应全方位涵盖员工信息管理各环节，实现从采集、存储到检索、分析的一站式服务的管理系统。  （国企员工信息管理功能示例—内容参考红海云HR系统国企员工信息管理整理） 安全方面，鉴于员工数据的敏感性，系统必须配备严谨的权限管理、加密存储等安全机制，如通过等保三级认证，支持国密SM4加密算法，可采用私有化部署，或者采用“本地数据库+私有云备份”混合架构，既满足数据不出内网要求，又实现跨区域实时调阅，为数据保密性 “保驾护航”。 可扩展性主要考虑能否无缝对接现有信息化系统，如OA、财务管理、业务系统等，避免信息孤岛，推动企业数字化生态。 ### 2. 数据采集与整合：打破数据壁垒，激活信息价值 数据是数字化转型的核心资产，而采集与整合是释放数据价值的关键前置步骤。国企员工信息档案管理，首先要建立统一的数据标准与规范，明确数据格式、编码规则以及定义，为后续整合奠定坚实基础。在此基础上，多渠道采集员工信息，涵盖在线填报、移动终端采集以及文件导入等方式，确保数据的及时性与完整性。 对于历史纸质档案，数字化转换是盘活存量数据的必由之路。某省属国企在推进档案数字化过程中，投入专业力量对海量纸质档案进行高精度扫描，并运用 OCR 技术识别文字内容，随后将其有序存储至档案管理系统。同时，建立严格的质量检查流程，确保转换后的数据清晰可读、准确无误，让沉睡的档案在数字世界中 “焕发新生”。   ### 3. 权限管理与信息安全保障：筑牢数据安全防线 在信息时代，数据安全已成为企业运营的 “生命线”。员工信息档案管理中，敏感信息泄露风险不容小觑。为此，国企应构建完善的权限管理体系：基于角色的权限设置，确保人力资源数据的安全性和保密性。如普通员工、部门主管、人力资源专员等，并为每个角色量身定制访问与操作权限。同时，对涉及薪资、身份证号等敏感信息的字段实施加密保护，确保数据在传输与存储过程中的安全性；基于组织权限设置，不同层级组织和单位人员具有不同的数据访问权限。例如，总部高层管理人员可以访问集团汇总数据，分公司HR只能能访问本单位相关数据等；账号管理涉及账号的分配、开通、使用、变更和注销等多个环节。每位员工只能拥有一个账号，并且必须经过审批。对需要更高安全等级的系统和管理员账号，需通过更严格的审批机制来分配，防止权限滥用。 存储方案上，国企可结合自身实际，采用私有云存储与本地存储相结合的模式。云存储凭借其弹性扩展优势，满足海量数据的存储需求；本地化存储则以高安全性守护核心机密。比如，某央企在实践过程中，将非敏感的员工基础信息存储于云端，而对薪资、绩效等敏感数据则采用本地存储，实现了数据安全与成本效益的双重优化。 ### 4. 数据治理与智能分析应用：以数据驱动决策 数据孤岛是制约决策科学性的关键障碍。国企员工信息档案管理需打破这一困局，建立集团级数据库，整合分散于各部门、各系统的数据资源。在此基础上，借助智能分析工具生成多维度可视化报表，涵盖人效、编制、流动率等关键指标，为决策层提供直观、精准的数据支持。 **1）集团级数据库构建** 打通集团内部业务系统数据，建立包含员工能力图谱、组织健康度等指标的标签体系。比如，某能源集团通过红海云hr系统，构建覆盖员工职业生命周期的全流程数字化档案系统，动态记录职位变动、岗位变动、级别晋升等信息，通过数字档案平台可视化呈现员工成长轨迹，支持HR、部门主管、高管等多角色的快速信息查阅需求。 **2）智能分析与可视化应用** 通过先进的智能分析工具，国企可以将整合后的员工信息数据转化为直观、易懂的可视化报表和分析结果，为管理层提供精准的决策支持。 **（1）编制管控。**通过动态监控，管理层可以及时了解各二级单位的人员配置状况，确保编制管理的合规性和灵活性。比如上文某能源集团借助红海云HR系统实时监测二级单位的编制情况，通过招聘、录用、编制动态联动管理，实现超编、缺编预警提醒，自动触发超编审批流程；  **（2）人效优化。**通过将HR系统与业务系统对接实现数据共享，通过将员工绩效数据与业务营收数据相结合，精准定位低效单元，为管理层提供优化人力资源配置的依据； **（3）人才画像。**构建全面的人才画像，整合员工的基本信息、工作经历、教育背景、绩效记录、技能特长等多维度数据，形成360度全景视图。通过人才画像，管理层可以深入了解每位员工的优势和不足，为人才选拔、岗位调整、继任计划等提供精准支持。 本文由 @象牙舟 原创发布于人人都是产品经理。未经许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

<blockquote><p>在数字化浪潮下，“数据驱动业务”已成为众多企业的信条。然而，数据真的能如我们所愿地驱动业务增长吗？本文作者凭借其在硅谷初创企业和国内互联网大厂的丰富经验，犀利地指出“数据驱动业务”在许多企业中可能是个伪命题，并深入剖析了KPI和OKR等管理工具背后隐藏的陷阱。</p> </blockquote>  ## 一个伪命题 <span data-font-family="default">“数据驱动业务”<span data-font-family="default">这个口号，在前几年<span data-font-family="default">数据<span data-font-family="default">科学<span data-font-family="default">还是<span data-font-family="default">风口<span data-font-family="default">的<span data-font-family="default">时候<span data-font-family="default">非常<span data-font-family="default">流行<span data-font-family="default">。<span data-font-family="default">就像<span data-font-family="default">现在<span data-font-family="default">的<span data-font-family="default">a<span data-font-family="default">i<span data-font-family="default">一样<span data-font-family="default">，<span data-font-family="default">各种<span data-font-family="default">企业<span data-font-family="default">都<span data-font-family="default">在<span data-font-family="default">往上<span data-font-family="default">靠<span data-font-family="default">。传统企业搞数字化转型、互联网企业搞ab算法大模型。**<span data-font-family="default">根据我的经验，这个事在许多企业里是个伪命题。** <span data-font-family="default">除了<span data-font-family="default">极少数<span data-font-family="default">企业<span data-font-family="default">，<span data-font-family="default">数据<span data-font-family="default">无法<span data-font-family="default">真正<span data-font-family="default">驱动<span data-font-family="default">业务<span data-font-family="default">，<span data-font-family="default">主要是<span data-font-family="default">在**<span data-font-family="default">公司架构上和管理工具上来说，数据（及其owner）和公司的业务方向存在极大脱节，****<span data-font-family="default">同时****<span data-font-family="default">可能****<span data-font-family="default">对业务的****<span data-font-family="default">描述****<span data-font-family="default">存在****<span data-font-family="default">偏颇**<span data-font-family="default">，<span data-font-family="default">不如<span data-font-family="default">说“<span data-font-family="default">业务<span data-font-family="default">驱动<span data-font-family="default">数据<span data-font-family="default">”<span data-font-family="default">更<span data-font-family="default">实事求是<span data-font-family="default">。 ## 两个陷阱 ### 1. 公司架构 <span data-font-family="default">公司<span data-font-family="default">架构<span data-font-family="default">上<span data-font-family="default">来说<span data-font-family="default">，<span data-font-family="default">数据<span data-font-family="default">及<span data-font-family="default">insi<span data-font-family="default">ght<span data-font-family="default">的<span data-font-family="default">o<span data-font-family="default">w<span data-font-family="default">n<span data-font-family="default">e<span data-font-family="default">r<span data-font-family="default">都<span data-font-family="default">不<span data-font-family="default">直接<span data-font-family="default">参与<span data-font-family="default">核心<span data-font-family="default">商业<span data-font-family="default">流程<span data-font-family="default">和<span data-font-family="default">决策。这里的owner包括<span data-font-family="default">数据<span data-font-family="default">分析师<span data-font-family="default">、<span data-font-family="default">数据<span data-font-family="default">科学<span data-font-family="default">家<span data-font-family="default">、<span data-font-family="default">算法<span data-font-family="default">工程<span data-font-family="default">师，虽然技术深度各有不同，在我看来都是难兄难弟。<span data-font-family="default">知道<span data-font-family="default">问题<span data-font-family="default">是<span data-font-family="default">什么<span data-font-family="default">，<span data-font-family="default">才能<span data-font-family="default">有<span data-font-family="default">答案<span data-font-family="default">。<span data-font-family="default">这里<span data-font-family="default">三方<span data-font-family="default">都<span data-font-family="default">是<span data-font-family="default">公司<span data-font-family="default">内<span data-font-family="default">的<span data-font-family="default">乙方<span data-font-family="default">，<span data-font-family="default">一切<span data-font-family="default">问题<span data-font-family="default">来自于<span data-font-family="default">甲方<span data-font-family="default">（<span data-font-family="default">业务<span data-font-family="default">和<span data-font-family="default">老板<span data-font-family="default">）<span data-font-family="default">。<span data-font-family="default">在存在信息<span data-font-family="default">差<span data-font-family="default">的<span data-font-family="default">情况<span data-font-family="default">下<span data-font-family="default">，预期<span data-font-family="default">对方主动提供<span data-font-family="default">“驱动<span data-font-family="default">业务<span data-font-family="default">”<span data-font-family="default">的策略<span data-font-family="default">是<span data-font-family="default">不切实际<span data-font-family="default">的<span data-font-family="default">，**更多只是一种管理/晋升上的工具说辞。** 凡是在数据团队干过两年的，都明白个中辛酸，就不细说了。 ### 2. 管理工具 <span data-font-family="default">你也许<span data-font-family="default">会<span data-font-family="default">觉得<span data-font-family="default">，<span data-font-family="default">那<span data-font-family="default">kpi<span data-font-family="default">呢<span data-font-family="default">？<span data-font-family="default">okr<span data-font-family="default">呢<span data-font-family="default">？<span data-font-family="default">这些<span data-font-family="default">都需要<span data-font-family="default">有<span data-font-family="default">数据<span data-font-family="default">支撑，不算<span data-font-family="default">数据<span data-font-family="default">驱动<span data-font-family="default">业务<span data-font-family="default">吗<span data-font-family="default">？ <span data-font-family="default">从管理<span data-font-family="default">工具上<span data-font-family="default">来说<span data-font-family="default">，<span data-font-family="default">kpi<span data-font-family="default">确实<span data-font-family="default">是<span data-font-family="default">可以<span data-font-family="default">量化<span data-font-family="default">的<span data-font-family="default">业务<span data-font-family="default">结果。**<span data-font-family="default">但可量化意味着可筛选和可操控，而可筛选和操控则意味着偏颇。**<span data-font-family="default">举个<span data-font-family="default">例子<span data-font-family="default">，<span data-font-family="default">在<span data-font-family="default">增长<span data-font-family="default">和<span data-font-family="default">服务<span data-font-family="default">质量<span data-font-family="default">上<span data-font-family="default">，老板要<span data-font-family="default">选择<span data-font-family="default">什么<span data-font-family="default">当<span data-font-family="default">北极星指标？<span data-font-family="default">只要选择<span data-font-family="default">了<span data-font-family="default">增长<span data-font-family="default">，<span data-font-family="default">那<span data-font-family="default">么<span data-font-family="default">在<span data-font-family="default">无数个<span data-font-family="default">后续<span data-font-family="default">项目<span data-font-family="default">上<span data-font-family="default">，<span data-font-family="default">服务质量<span data-font-family="default">大概率是<span data-font-family="default">会<span data-font-family="default">被牺牲<span data-font-family="default">的<span data-font-family="default">那个<span data-font-family="default">。 <blockquote><p><span data-font-family="default">企业<span data-font-family="default">高管<span data-font-family="default">也<span data-font-family="default">只是高级打工人<span data-font-family="default">，<span data-font-family="default">人性如此<span data-font-family="default">，无法奢求<span data-font-family="default">。</p></blockquote> <span data-font-family="default">举例<span data-font-family="default">吐槽<span data-font-family="default">两个产品**，****一个是滴滴的**<span data-font-family="default">**臭车**。打开社媒，到处是对臭车的吐槽。但气味如何被量化？供需团队，最在乎的是市场（即动态、短效）的revenue per session；司机团队，臭车的司机不会受到负向激励，因为这样只会减少supply（和司机聊过，无惩罚措施，不臭仅仅是+3分）; 乘客团队, 很难量化气味的难闻程度以及后续对留存影响。于是臭车只能成为房间里的大象，成为没有团队愿意真正有动力解决的问题，虽然，这是常识，也是“正确的事”。  **另一个是美团外卖隐藏“售后”入口，**<span data-font-family="default">如果<span data-font-family="default">商家错送想要退款，入口被隐藏在灰色的“更多”后面。相信这个产品上线肯定是经过A/B测试的，但时间窗口大概不会很长，PM<span data-font-family="default">大概是<span data-font-family="default">觉得用户找不到<span data-font-family="default">，就<span data-font-family="default">会<span data-font-family="default">大大<span data-font-family="default">降低<span data-font-family="default">退款率。“退款”是小概率时间，但一旦发生，用户体验那种被欺骗的感觉犹如吃屎。但，既然短期指标不受影响，客服的工单率又不是我背，大家又有好指标去汇报，何乐而不为呢？受伤的，只有用户的血压和这个产品的品牌认知。  <span data-font-family="default">仔细<span data-font-family="default">想想<span data-font-family="default">，**我们自己在买车的时候，并不会以几个指标来判断什么是一辆好车**<span data-font-family="default">。<span data-font-family="default">我们<span data-font-family="default">一定<span data-font-family="default">会<span data-font-family="default">综合<span data-font-family="default">考虑<span data-font-family="default">它<span data-font-family="default">的<span data-font-family="default">外观<span data-font-family="default">、<span data-font-family="default">能耗<span data-font-family="default">、<span data-font-family="default">里程<span data-font-family="default">、<span data-font-family="default">内饰<span data-font-family="default">、<span data-font-family="default">价格<span data-font-family="default">等等<span data-font-family="default">，<span data-font-family="default">绝对<span data-font-family="default">不会<span data-font-family="default">用一两个的<span data-font-family="default">数据<span data-font-family="default">来<span data-font-family="default">决定<span data-font-family="default">要不要<span data-font-family="default">买<span data-font-family="default">。<span data-font-family="default">那<span data-font-family="default">为什么<span data-font-family="default">就能<span data-font-family="default">以两三个<span data-font-family="default">指标<span data-font-family="default">来判断企业<span data-font-family="default">的<span data-font-family="default">运行<span data-font-family="default">情况<span data-font-family="default">呢<span data-font-family="default">？大概是因为，企业并不是打工人自己的企业，既然都是领薪水，盯着上面在意的数据干就好了，至于常识、至于长期规划，很容易在利益的面前做出让步。 <span data-font-family="default">写到这里<span data-font-family="default">，**其实就对高层管理者的素质提出了更高的要求**<span data-font-family="default">。<span data-font-family="default">既然<span data-font-family="default">数据<span data-font-family="default">无法驱动业务<span data-font-family="default">，<span data-font-family="default">那么<span data-font-family="default">管理者<span data-font-family="default">就<span data-font-family="default">必须<span data-font-family="default">在商业前瞻、<span data-font-family="default">指标<span data-font-family="default">选择<span data-font-family="default">、<span data-font-family="default">以及发挥<span data-font-family="default">数据<span data-font-family="default">团队<span data-font-family="default">的<span data-font-family="default">功能<span data-font-family="default">上<span data-font-family="default">有<span data-font-family="default">更好<span data-font-family="default">、<span data-font-family="default">更有<span data-font-family="default">意识<span data-font-family="default">的<span data-font-family="default">把控<span data-font-family="default">。<span data-font-family="default">这个<span data-font-family="default">思考<span data-font-family="default">留<span data-font-family="default">到<span data-font-family="default">下篇<span data-font-family="default">来写<span data-font-family="default">。 作者：OTA小王 来源公众号：OTA小王 本文由 @OTA小王 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

 本文内容主要参考论文《电子游戏中可公度性的身体： 人与机器的系统耦合》，性质上接近论文导读。感兴趣者请参考原文。文章引用部分为论文原文内容。 本文将从简略的由二战开始的控制论发展历史为轴，对电子游戏，尤其是动作游戏进行媒介批判。并浅谈《血源诅咒》中以人机公度性为题的交互叙事（宫崎英高为什么是最伟大的游戏设计师）。 # 为什么要从控制论介入电子游戏研究？ 使用模拟游戏来代替成本极高，失败损失极大的训练和演练，在军事领域的历史由来已久。其中一个经典的例子就是，训练飞机驾驶员。 <blockquote> “在第一次世界大战期间，学习驾驶飞机在本质上意味着飞行和坠毁。”</blockquote> 直接使用真实飞机学习飞行驾驶，所带来驾驶员真实的生命危险与飞机坠毁所造成的经济损失，对于个人和军方都是极其高昂的代价。 最早的飞行模拟概念可追溯到一战前夕，地面训练装置通过机械结构模拟飞机的多种运动。之后，随着计算机模拟技术的成熟，数字模拟游戏代替训练的方案开始得到重视。驾驶员通过与计算机交互代，控制虚拟世界中的模拟飞机，代替真实飞机的进行交互。  如今，在我们的生活中，模拟游戏早已不仅仅作为战争准备工具为存在。模拟游戏的内容可以包罗万象。动作游戏也和模拟游戏一样也随着如Steam等在线游戏平台的普及，蜕变为够便捷地获取的大众娱乐消费品。 然而需要注意的是，动作游戏与模拟游戏一样，保留了之前的严肃军事模拟游戏的两个重要的共同特点：人机耦合测试，以及基于用户界面叙事的死亡循环。 # 人机耦合测试 人与机器在特定工作任务中，在高频率的交互中相互配合又各司其职，以达成一种人与机器系统的高度协作状态，这就是人机耦合。 驾驶飞机作战的过程，就可以理解为驾驶员与飞机在紧张的高强度空中作战任务中的二者通过不断交互，形成一个整体系统，达成“人机合一”般的配合。 如今的电子游戏，尤其是动作游戏本质上也是训练人机耦合的工具。玩家通过游戏给出的影像，声音，震动等物理反馈，快速即时自己调整的身体，以追求熟练掌握游戏预设好的各种可能操作。在游玩游戏过程中不断磨练自己与游戏（机器）的磨合程度，熟悉程度。最终通过击败BOSS的形式，达到游戏设计者下达的人机耦合测试及格线。 每一次遭遇敌人都是一次人机协同训练兼测试。游戏正是通过反复检验玩家与游戏（机器）的耦合程度来判断玩家的是否具有继续游戏故事的资格。（或者说，推进游戏故事是与角色死亡相反的奖励） 在这里，玩家通关《黑暗之魂》所需要的对游戏（机器）的熟练程度与磨合程度与战斗机飞行员在一场空战中杀敌并幸存所需要的对飞机的掌握度，在本质上都是一种人与机器的交互中，人机相互适应形成的人机耦合的能力。 # 用户界面叙事的死亡循环 在飞行模拟中，飞行员的错误操作，即不符合模拟设定规则的与机器的交互，会导致本次飞行模拟失败。模拟游戏中的飞机坠毁，游戏会在屏幕上通过界面提示用户的角色，即电子化身在游戏世界中死亡。而动作游戏的失败死亡提示与之一脉相承。说到动作游戏的“死亡叙事”，那就更不用提“魂系列”那标志性的死亡提示了。  而死亡之后，又是新的一次模拟训练/复活，又是新的一次死亡。在这种循环中，“死亡”作为一种叙事上的惩罚不断给予飞行员/玩家反馈，让他们不断熟悉整个机器系统的运作规则，不断调整的自己的操作，以避免“死亡”。 “搭建这两者（动作游戏和模拟飞行）的工程方法论是控制论，一种反馈循环系统，所以，动作游戏和模拟飞行一样，它通过死亡循环检测人机耦合效率。” “这或许就是为什么我们要从控制论谱系学的角度介入电子游戏研究，进行媒介批评，并尝试形成一种具有跨学科视野的普遍方法。这个想法主要基于以下两点考虑：一是它自身作为横跨神经科学和信息工程学的通用理论；二是电子游戏中大量交互界面本身的设计机制也是基于控制论。” # 反馈控制系统：机械与神经 二战后期，纳粹德国超越时代的武器——v1导弹在战争中登场。英军的高射炮平均需要打出2500颗炮弹才能打下一枚导弹。为了提高盟军防空系统的效率，那时早已涉足多个学术领域的天才学者维纳受美国军方邀请开始了开始改进高射炮控制系统的研究。  在观察高射炮操作手的协调行动时，维纳捕捉到了生物完成运动的一个重要因素——反馈。以反馈为基础，维纳模仿生物的中枢神经系统的控制循环，开始设计让人与机器自然高效交互的控制系统。 生物体的运动中存在一种的反馈控制系统。例如，人拍篮球这个动作。大脑会不断依据眼睛传来的关于篮球位置的视觉信息，不断修正身体肌肉的运动。让手跟上篮球的运动，在合适的实际用合适的力拍打篮球。 在机械工程学领域，机器部件的运动轨迹会因为各种避免的干扰因素和工程师预先设计的轨迹而产生偏差。这时，我们可以用同样的方法，通过给机器输入一段修正指令来弥补这一差距。 这种控制系统的关键在于，执行任务过程中，系统不断收集反馈信息，判断当前进度与目标的差距。并以此作为依据适当调整当前运作模式。关键在于持续的反馈信息输入系统。 维纳的防空火炮控制系统经过多次改进后，以图像和符号取代抽象的参数，提高了用户识别屏幕上交互信息的速度。如今游戏的交互界面几乎都采用了同样的设计理念。在以一帧为最小单位时间的游戏世界，用户需要快速识别游戏系统在屏幕上给出的各种交互信息，快速控制机器做出游戏当前形式下的合适操作。 几年后，维纳发表了《控制论》，“控制论”作为一项学科正式进入学界。 # SAGE系统：人机共生 1945年二战结束，1946年冷战开始。 伴随着北大西洋公约组织和华沙条约组织等区域性军事联盟相继成立，到50年代中期，美苏全面冷战对峙。 苏联在50年代大力发展远程轰炸机和洲际导弹。在改进了防空火力控制系统，帮助了盟军抵抗纳粹的空袭之后，美国军工复合体再次将关注重点放到了防空系统。 与维纳同为跨学科研究者的利克莱德，接过了他的衣钵，继续研究改进军事领域的人机交互。 在冷战的现实主义威胁论背景下，利克莱德不会轻易放弃可能的防空系统改进方向。为了让己方阵营在可能的战争中占据空中优势，防空系统的人机耦合效率需要更上一层楼。 在维纳模仿生物神经系统的反馈循环控制系统的基础之上，利克莱德进一步提出将“共生关系”这一生态学理论运用到人机交互中。与维纳的“机器服务人类”式的人本主义的核心理念不同，他走向了“人机共生”的设想。 人类和机器在配合中，为了让双方都尽可能发挥出自己的所有潜力，利克莱德试图让人机双方都更多地“奉献自己”。 在利克莱德供职的阿帕演示小组的努力下，具有划时代意义的SAGE——半自动地面防空系统诞生了。  (SAGE系统) SAGE系统通过图形界面进行目标识别标记与指令输入，操作员可以像玩电子游戏一样处理防空任务。机器提供的即时的视听反馈，开创性的图像取代语言，让用户可以用更少的反应时间处理信息。在更先进人体工效学的设计下，人类可以自然地将更多脑力投注到机器之上，换句话说“更有沉浸感”。 <blockquote> “雷达系统通过角坐标确定了物体的位置，这些角坐标再根据雷达的位 置转换为笛卡尔坐标，并依次显示在屏幕上。数据与现实的分离给图形表示带来一定程度的随意性，因此不再是屏幕在工作（如威廉姆斯管的情况），而是使用显示屏幕的用户在工作……用这种方法进行处理，像素能够在透明底图上指出位置，就像在后来的奥德赛游戏机中那样。”</blockquote> SAGE交互系统中诞生了“图形交互界面”的这一人类工效学重大成果。人机交互时，不是屏幕在工作，而是看着屏幕的用户在工作。用户实际上是作为整个空军防空系统机器的信息处理终端而参与人机交互。 <blockquote> “编程程序的计算机和解决问题的人，都是信息处理类的物种”</blockquote> 同时相对应的，利克莱德设计的软件也更加要求用户配合机器，而不是为了让人类的方便牺牲机器的效率。 为了追求对人机耦合效率的最大化，用户需要在人界合作中付出更多。以往的“机器服务人类“的设计理念被修改，机器从“服务用户”，变为“操纵用户”。 在SAGE项目中，利克莱德对“人机共生”理念的探索与人机交互的技术积累，又间接影响了著名的阿帕网——互联网雏形的诞生，不过那就是另一个故事了。 # 格斗游戏：阈值测试 这种对人机耦合阈值极限的不断试探，不难让我们联想到动作游戏，尤其是格斗游戏中，玩家对“游戏技术”的不懈追求。以《街头霸王》系列和《拳皇》系列等经典日式格斗游戏为例。一代代玩家们乐此不疲地研究游戏中每一个角色每个招式地各种帧数数据，前摇帧数，伤害帧数，后摇帧数等被图形用户界面隐藏的底层“冗余信息”。并以此为基础，开发连招，研究对策，在肉体上，不断训练自己的连招速度，降低失误率，捕捉战斗中以帧计算的窗口期做出反应； 在意识上，不断摄取游戏世界的有编程决定的运行规则作为养料，灵活运用并组合各种游戏知识，开发、优化各种可能的新的策略。在肉体上，不断训练连招的肌肉记忆，应对的反应速度。 正如之前内容提到的，人机交互中可以通过在人的方面来提高游戏技术，当然还可以改造机器来达到相似的效果。 最好的例子应该是格斗游戏界的控制器之争。概括地来说，对于格斗游戏，虽然手柄，摇杆，Hitbox等不同的控制器都可以让玩家正常体验到游戏应有的绝大多数内容。但由于底层技术的细节问题（其中既有游戏编程设计，也有控制器机械结构设计的因素），让这些不同控制器可能在一些特殊情况下存在微小的差异。例如，某些情况下，使用Hitbox释放某个角色的某个招式，会比使用其他控制器快个几帧。而在玩家以帧为单位精心计算的格斗游戏，这几帧可能就是其他控制器不可能达到的，超越人类操作极限的差距。更有甚者，可以用特定控制器在游戏中达成明显不合理的有违游戏设计初衷的操作。  (感兴趣请看天国大佬的这个视频) # 美丽新世界 随着计算机图形显示技术的进步，图像越来越生动和逼真。图形开始形成背景，组成人物角色。随着图像开始被赋予越来越多的意义，玩家沉浸感的也在不断提升。游戏的叙事能力越发强大，它逐渐成为一个允许玩家“进入”其中的世界。 # 触摸的可逆性与机器系统的可公度性 玩家如何“进入”游戏世界？人类与机器如何深度耦合？这里我们引入梅洛-庞蒂对触觉的可逆性来试图作出解答。 （论文的这部分的大段身体与世界的抽象哲学讨论对我来说相当难读，并且我认为也偏离了主题，这里只选取“身体的可逆性”这一关键部分） <blockquote> “触摸者总是能够变成被触摸者” ——梅洛-庞蒂</blockquote> 用你的左手触摸右手，你的左手在感知到右手上的指纹，毛发或是温度的同时，你的右手的被触摸的部位也在感知你的左手用于触摸的部位上的物理属性。在触摸这一过程中，触摸者看似是主动一方，但其实它在触摸的过程中，也将自己的用于接收刺激的皮肤暴露给了被触摸者的感官。皮肤既是刺激接收器，又是刺激源。究其根本，被触摸者与触摸者拥有的两套共通反馈循环系统，让他们在交互时无分主次，互相作为信息输入来源与输出对象。 这就是论文标题中的可公度性的含义。人与机器，或者说玩家与游戏，两者各自内置的反馈循环系统，通过共同的控制论基础，相互适应，相互调节，相互纳入为自己系统的一部分。 人机互动中，人类触摸机器，以为自己是触摸者，而机器也在触摸人类。  机器屏幕上的信息传入人类的中枢神经系统的反馈循环系统，人类使用按键或摇杆将编码信号发送至机器内部，机器内部的循环反馈系统同样吸收并利用这些来自对方的信息。随后机器给出自己的反馈——屏幕上的像素点刷新了……这段关系中，人类早已不是单纯的主导者。 在动作游戏的高频率高强度的人机耦合检测中，玩家与游戏（机器）形成了一个更大尺度的控制循环系统。这个系统甚至允许一定时间的人机分离。比如，一位通关了《血源诅咒》的玩家，可以在几个月后再次打开游戏时，经过短暂的适应，就可以找回手感，快速上手。 <blockquote> 即使经历分离，仍然处于随时可以“上手”的预装配状态（Pre-disposition 或 Pre-dispositif）。这便是我们对于机器的欲望，或者说对于影像的迷恋的形成原因， 一种习得性的“素质”（predisposition）。 </blockquote> <blockquote> 也正因为这种可以习得的“素质”，在输 入的界面层，玩家永远处于一种控制狂热的状态。将这种控制狂热理解为一种界面时代个体的普遍“素质”，是之后在影游融合媒介批评中面对大多数后人类主题或者赛博朋克主题的必要知识储备。“</blockquote> # 《血源诅咒》：诅咒之时亦是梦醒时分 从维纳“机器服务人类”到其利克莱德的“机器操纵人类”转变，人类需要在身体和精神上付出越来越多的东西来更好地配合机器，激发双方最高效率。从现实主义的竞技场中的生死存亡之战（SAGE系统用于空军指挥），到格斗游戏中的象征技术实力的排行榜。在整个人与技术的异化历史进程中，一位独特的游戏制作人用其独特的动作游戏将这种人机公度性暴露了出来。 那就是宫崎英高和他的《血源诅咒》。 《血源诅咒》通过巧妙地通过交互叙事设计将这种人机耦合暴露了出来。宫崎英高以具有自反性的元叙事，“掏心掏肺”式将自己的游戏的控制论原理变为反派。 曼西斯梦境关卡中的特殊怪物，强大又可怕的“脑姐”在外形设计上特意使用了和友善NPC玛利亚同样的服装。曼西斯的大脑对将玛利亚视作敌人，所以诞生了可以畸变版本的玛利亚形象。而这一怪物不仅能在游戏系统内部威胁猎人的生命，也能在游戏的外部，玩家大脑中的故事叙事中造成断裂。玩家在对游戏中获取到的所有信息进行整合以得出一个符合个人意义的故事的过程中，不得不将和蔼可亲的玛利亚的形象与这个恶心的危险敌人的形象重叠在一起。从而不可避免地交织出一副畸形融合的画面。曼西斯由此实现了真正意义上对玩家的“精神污染”。   同时又通过以“难度”（对人机耦合效率的高要求）为核心的一系列机制设计，让玩家过度投注知觉于机器，造成知觉偏移。迫使玩家适应并反思自己与游戏系统的互动，使游戏过程中的人机耦合显现自身。这点可能再出一篇文章详细扯扯。 # 总结与尾声 从二战的火炮改进到电子游戏的风靡全球，控制论的历史轨迹揭示了人机关系的本质迁移：随着用户界面的发展，人类与技术的关系已悄然从&#34;操作工具&#34;演变为&#34;系统共生&#34;。动作游戏作为控制论最普世的实验场，有着V1导弹拦截中的控制反馈机制的基因。这种跨越战争与娱乐的媒介批判启示我们——数字时代的人类知觉与认知可能在与精密的电子元件回路结合，被改造，被操纵。随着而每一次屏幕的闪烁，维纳的担忧逐渐变成预言：人机共舞中，所谓&#34;通关&#34;不过是系统的编程逻辑暂时认可了我们的神经电流，达成了危险的公度性。 运用自己的熟练度，习惯般“游玩”游戏的玩家沉沦在控制机器的的快感中，这是赛博时代的新人类本能。人类使用媒介达成目的，媒介本身也在影响人类，而像《血源诅咒》这样的优秀作品也在通过自我暴露“黑盒”来打破玩家的幻梦。  <blockquote> 在人机合一的道路上，我们并没有变得 更文明，而是背离了维纳发展控制论的初衷，在其后走向了自我武器化的深渊。</blockquote>

<blockquote><p>本文将深入探讨中国供应链物流AI智能化的现状，聚焦多模态语言大模型、多智能体协作和具身智能等前沿技术，并通过对京东言犀大模型及其在物流领域的应用案例分析，揭示AI如何赋能物流行业，实现降本增效和创新发展。</p> </blockquote>  近年来，中国供应链物流行业在人工智能（AI）技术的推动下，实现了显著的智能化发展。AI技术的广泛应用，不仅提升了物流运营效率，还推动了供应链管理的整体升级，为行业带来了深远的影响。目前来看，中国供应链物流AI智能化已经进入了高速发展阶段，技术应用覆盖预测、仓储、配送等全链条场景，政策支持与创新双轮驱动市场扩张；今天，小兵通过相关案例，和各位读者分享一下中国供应链物流AI智能化发展的现状。 ## 一、三个关键词：多模态语言大模型、智能体、具身智能 ### 1、供应链物流AI智能化发展关键词：多模态语言大模型MLLMs 多模态大语言模型（MLLMs)在视觉问答、视觉理解与推理等任务中展现出卓越的性能，使其成为研究和应用的主战场，多模态技术在物流领域的应用正在不断扩展，为行业发展带来新的机遇。 ** 多模态大语言模型架构示意图**  **供应链物流多模态LLM典型应用场景**  ### 2、供应链物流AI智能化发展关键词：多智能体Multi-Agent 回顾2024年，是AI Agent真正爆发的一年，数据显示，82%的技术高管计划在未来3年内将AI Agent 集成到他们的技术栈中。另一方面，运用多个LLMs来减轻单个模型的局限性，以解决更复杂任务的多智能体协作方案，也获得广泛关注。通过改进的通信协议和任务分配机制，多个AI Agent 能够更有效地协同工作。例如在复杂的物理规划任务中，多个Agent可以自主协调，共同完成路径优化、资源分配等任务。 ** AI Agent关键特征和系统架构**  ** 多AI Agent协作模型**  ### 3、供应链物流AI智能化发展关键词：具身智能 在过去的2024年，大模型等发展带动具身智能（Embodied Intelligence）的兴起，成为推动人工智能向物理世界深度渗透的重要能力。具身智能是一个涉及人工智能、认知科学和机器人学的概念，指的是拥有物理形态的人工智能系统，这些系统能够在真实的物理环境中进行学习和操作，与周围世界实现动态交互。不同于传统基于数字环境的AI，具身智能具备感知、行动，并对外界物理刺激作出反应的能力。在物流领域，AI+机器人正推动着行业的智能化变革。 **具身智能技术架构**  **一套最小的具身智能应用实现流程示例**  ### 4、2024年中国供应链物流领域部分AI事件汇总  ## 二、京东言犀大模型 京东的言犀大模型，是扎根产业的原生大模型。凭借着从基础设施、模型层、MaaS层、SaaS层全栈的技术布局，打造多款端到端的大模型技术产品。  京东言犀大模型是基于京东云的高性能计算集群，采用Megatron+DeepSpeed的分布式训练框架，训练的Decoder-Only架构模型。在通用知识获取方面，言犀大模型添加了约30%的京东域自身的产业数据，并通过构建高质量的指令数据，帮助模型具备更强的产业属性。除了模型训练本身，京东言犀大模型还在模型的转换层和服务层进行了自研算法的深耕，提升了大模型的推理速度和部署性能，让大模型的能力能够充分的下沉到业务端，并通过集成平台能力打造真正的模型及服务。 **言犀大模型架构**  言犀大模型的主要产品包括：（1）在线咨询机器人：对话机器人、服务拟人、人机融合（2）智能质检与分析：文本/语音多维数据、全量实时质检、风险舆情洞察（3）智能培训：场景式陪练、全周期督导、知识提炼沉淀（4）智能语音外呼：拟人化交互、高接通高转化、外呼模版市场（5）智能座席辅助：全渠道辅助、会话意图摘要、知识随行（6）AI多模态数字人：多模态智能交互、形象风格定制、口唇/情绪驱动（7）智能语音应答：全自研语音引擎、多维情感感知、便捷运营（8）智能知识库：企业知识协同、多场景分发、数据安全可控（9）智能CRM：服务营销一体化、精准用户画像、线索转化分析（10）AI开发平台：高精度训练、一站式服务、低门槛操作 ### 1、京东大模型产品-京东物流超脑 2023年7月，京东在全球科技探索者大会上正式发布了“言犀”大模型，推出基于大模型的数智化供应链产品“京东物流超脑”。2024年11月，京东物流宣布升级数智化供应链技术全景“京东物流超脑”，整合大模型、数字孪生等技术，专注于供应链全链路的降本增效，涵盖智能规划、智能仓储、智能运配、智能客服、智能营销等全环节应用场景，实现辅助决策，运营优化和商业增值等全面智能化。其中“与图”数智时空平台、“京慧”一体化智能供应链平台，是京东物流超脑对外商业化核心产品。  ### 2、京东物流超脑开放应用平台——“与图”数智时空平台 与图是京东物流旗下基于供应链场景的数智化地图服务平台，基于深度整合的京东供应链全链路的亿万级规模数据，包括商流、物流、信息流、金融流等多源异构大数据，提供全场景GIS、精智地址、位域洞察三大功能模块，帮助企业网格洞察分析、智能选址、精准营销、高准确率分单、调度运筹优化，助力政企管理经营视角下的人、车、货、场、客、销六大要素，实现降本、提效、增收。“与图”数智时空平台-品牌消费画像分析示意图  “与图”零售连锁行业解决方案示意图  ### 3、京东物流超脑开放应用平台-京慧一体化智能供应链平台 京慧基于丰富的大数据分析和科学的算法模型，结合客户的实际销量情况，为客户提供销量预测、库存预警、库存仿真、智能补货以及库存营销等智能决策产品，帮助客户制定更精准的供应链计划。   ### 4、京东物流智能决策-数智化运营履约决策平台  ## 三、京东言犀大模型AI应用：京东物流内部运力机器人-运力小智 京东物流基于大模型搭建运力智能机器人“运力小智”，定位是一个集知识问答、数据分析功能于一体的便携式知识百科信息问答平台。它以运力平台日常工作所涉及的内容为核心，涵盖了业务SOP、常见系统问题、操作手册、实时类信息咨询（天气、安全）、报表查询、数据分析等多项内容，致力于帮助运力用户（内部运营岗位、承运商、司机）更便捷、高效地获取有效信息，并通过大模型能力持续赋能，为用户提供个性化的推荐和良好的用户体验，减少用户获取知识的成本以及减少异常等问题的管理难度。  运力小智一方面通过内、外部的途径建立运力垂直领域丰富的知识、数据信息库，另一方面，集成智能问答和数据分析为一体，统一入口，丰富机器人能力，减少用户查询成本。目前，主要经历了两个迭代版本，二者对比如下：  运力小智提供指标查询、知识问答、特定场景的轨迹及图片查询、报表推送、信息主动推送等功能，有效降低了内部调度、精益改善相关岗位人员的查询操作实践，同时数据分析类、运力效率、体验类指标一线人员查询结果成功率70%左右，知识问答类，一开始用户知识类的发散提问成功率为20%～30%，引动用户熟悉使用后，现在用户特定场景的使用率提升，知识问答类成功率达到50%左右。**指标查询：**大模型数据分析与udata数据能力结合，让用户可以在京ME通过便捷灵活的问答机器人方式，统一入口，快速获取数据，缩短数据分析链路，提高分析效率和及时性。  **知识问答：**为运营人员提供日常的关于操作规范、规章制度、常见系统问题、常用看板、系统连接查询等内容，大大缩短了人工检索信息的时间。同时一线咨询问题快速转化工单，大大提高每日值班人员手动录入共担的效率。  **特定场景-轨迹&amp;图片查询：**为方便运营人员根据派车单号（TW）进行车辆轨迹查询，减少繁琐的系统操作步骤；支持根据车牌号，查询对应的行驶证图片。  作者：物流小兵说 公众号：物流小兵说 本文由 @物流小兵说 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 Pexels，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>在互联网产品设计中，提升用户体验和绘制高质量的交互图是确保产品成功的关键环节。本文将为你提供一些实用的技巧，帮助你更好地优化产品体验，并掌握绘制交互图的要点。</p> </blockquote>  **【如何提升互联网产品体验设计】** 1、把用户假设成一个聪明但是很忙的人，不要指望让用户记住任何操作流程，而是随时提供清晰的指引和尽可能自由的页面跳转入口。 2、用户的高频操作，应尽量减少操作步骤，而低频操作，则无需刻意关注步骤数，更应该关注的是每一步的操作难度和界面信息是否易于理解。应尽量降低选择难度，别让用户花时间去理解。 3、一个页面只突出一个重点，用大小，颜色，形状来做分类，让用户一眼可分辨到重要信息。 4、扁平化和渐进披露相结合，视场景而定，而不是机械地执行扁平化。流程扁平化的好处是，可以让用户提前感知流程，页面跳转的成本也比较低，但是比较考验对页面信息的整合处理，渐进披露是预先把次要信息隐藏，当用户触发了对应操作，进入对应流程，才给出相应反馈或指引，好处是让用户更专注，减少理解成本。 5、页面一致性也是这个道理，就我理解，一致性的是为了让用户形成习惯，进而减少理解成本。比如，确定操作永远在右侧，选中状态永远高亮，红色代表严重警告等等。当用户已经形成统一认知，则会大大降低每一次操作的理解成本。但有时候设计师会过于信仰一致性，导致失去个性，我建议在不影响习惯的前提下，可适时打破所谓一致性的束缚，让设计更加出彩。 6、让用户有反悔机会。误操作后，可恢复，且重要操作需二次确认，并强化感知严重性。 7、避免依赖文字说明，多用图形化的方式让用户直接感知，而不是通过理解文字来感知。且文案使用的格式、主语建议统一，这有助于营造整体调性。另外一点，即按钮文案的使用，建议明确告诉用户该页面的目的和功能，同时引导行为，而不是陈述性文案。用动词+宾语的格式来引导用户操作，如：“去购买”比“商城”更清楚，“去玩牌”比“游戏”更清楚。 8、需同时考虑多平台的用户操作习惯，如ios系统上的应用，页面需提供返回按钮，而安卓上的应用，按钮应避免过于靠近手机底部操作栏，以防误操作。 **【画好交互图的4个技巧】** 开始说之前，先附上一张笔者原创的交互图（已脱敏）  **一、完整的主干闭环+可能出现异常反馈** 1、确定一个目标，例如：新用户注册，从第一步开始，按用户页面跳转顺序摆放界面。 2、针对新用户注册这个功能，完整的功能交互流程图，必须包含：新用户开启APP，触发注册，注册流程，完成注册，进入游戏这几个关键步骤的完整闭环。 3、在关键步骤的主干闭环之外，需要将所有的异常提示展示出来，如：手机号无效，手机号已注册，网络超时等主干流程中可能遇到的异常提示，以及对应处理反馈。 **二、按钮点击效果+页面跳转逻辑** 1、主干流程的按钮，均要描述点击后的处理，以及可能出现的异常反馈。 2、触发页面跳转后，需要用箭头标注跳转逻辑，两条流程线之间，尽量不要有十字交叠。 **三、标题和注解** 1、交互流程图中，主要包含四类注解：模块标题、界面标题、界面注解、流程箭头注解。 2、模块标题：一般是主干流程的功能名称，如新用户注册流程、充值流程等。 3、界面标题：即每个界面的名称，如启动页、登录页等，可展示在每个界面上方，并附带编号。 4、界面注解：是交互图中最重要的文字内容，一般展示在对应界面下方，可包含页面动态描述，页面异常情况描述，页面简要逻辑描述等。 5、流程箭头注解：一般是展示在箭头线上的，对于页面跳转的描述，如：点击注册跳转。 **四、视觉相关要素** 1、视觉焦点：一个界面，尽量只展示一个重点信息，并且使其成为视觉焦点，从面积，放置位置，颜色，字号等元素，都做强化，其他非焦点信息，则弱化。 2、图像：在交互图中，每个模块尽可能用块状底色区分，避免使用过多线框，否则容易使交互图变得复杂，加重视觉负担。 3、配色：建议交互图中，使用一种基准色，如蓝色或灰色，叠放层级靠后的模块，用深蓝色，靠前的模块，用浅蓝色。同时，按钮可单独使用一种颜色，如绿色。部分需重点突出的元素可用提醒色，如橘色。箭头可用半透明的黄色等。 4、摆放：所有界面上下对齐，间隔一致，保证工整的视觉效果。 本文由 @Ada冰 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>在竞争激烈的市场中，如何让用户在购买一件产品后，还能“多买一件”，是企业提升客户价值和收入的关键。本文通过实际案例，分享了如何通过交叉销售和关联销售策略，结合数据驱动、客户体验和产品组合设计，实现新品的高效推广。</p> </blockquote>  去年给一个智能家居品牌做用户增长，当时他们提出一个需求，如何向买过摄像头的老用户，推销它们的扫地机器人和智能门锁产品？ 这就是交叉销售（或关联销售）的话题了。 对这种可选消费品，单价又高，盲目群发推销效果是很差的。他们也试过了。怎么办呢？ 后来我们接手，先分析了购买摄像头的老用户的时间，频次，金额，性别以及活跃度情况，然后分类分群，分不同话术，产品进行推销。还根据关联销售产品的价格梯度，进行分阶段的推销。比如智能门锁卖999，但是扫地机器人3999，很明显价格越高，需要信任越高，决策难度越大。 所以针对购买过1次的老用户，先推价格低的；针对购买过3次以上的老用户，尝试推价格高的扫地机器人。这样，通过精细化策略设计，第一阶段测试下来，关联销售的转化率很不错，比他们原来的盲推转化提升59%。交叉销售（Cross-selling）和关联销售（Upselling/关联推荐）是提升客户价值、增加收入的重要手段，尤其在新产品推广中能有效利用现有客户资源。 但是怎么做呢？今天就给大家分享结合数据驱动、客户体验和产品组合设计，执行落地，这4步怎么做？ ## 一、底层逻辑和明确目标 ### 1、核心逻辑： 基于用户的需求，信任，时间来排序。基于购买行为和数据洞察，提供互补或高价值的产品组合。比如识别需求强弱，买过摄像头的，说明安全意识强，这个时候对带猫眼的智能门锁，需求就会强一些，也容易接受；所以我先对这类用户推智能门锁。这是判断需求的一种方法。 ### 2、交叉销售： 向客户推荐与已购产品相关的其他产品（如购买手机后推荐耳机）。 ### 3、关联销售： 通过捆绑销售、升级选项或场景化推荐，提升客单价（如购买咖啡机时推荐咖啡胶囊）。      ## 二、  数据驱动客户洞察这个环节就是通过数据分析客户需求，这里可以从3个方面着手 ### 1. 把客户分类： – 使用 RFM模型（最近购买时间、购买频率、消费金额）识别高价值客户。- 通过 聚类分析 将客户按兴趣、购买历史分组（例如母婴群体、科技爱好者）。-通过场景分类，比如居家场景，办公室场景，工厂场景 ### 2. 购买行为分析： – 利用 购物篮分析（Market Basket Analysis）挖掘高频关联商品（如“啤酒与尿布”）。- 分析客户旅程中的触点，识别交叉销售机会（如复购周期、浏览未购商品）。比如买了摄像头，它需要到APP上查看（触点），需要保留视频，可以购买云存储服务。 ### 3. 预测模型： – 用机器学习预测客户可能感兴趣的新产品（小程序商城里面商品的智能推荐）。这个部分是最关键的，交叉销售就是要找到精准用户，精准场景，后面才好组合产品，设计策略和话术。三、设计高转化率的产品组合我觉得这里有个误区，不一定要图高利润，高单价，而是提高转化率。 ## 产品组合我给你介绍3种策略。 ### 1. 互补型组合： – 硬件+耗材（打印机+墨盒）、主产品+配件（手机+保护壳）。- 场景化捆绑（野餐垫+保温箱+便携餐具）。 ### 2. 价格锚定策略： – 设置“基础款+升级款”选项（如普通会员 vs 高级会员）。- 推出套餐价（单买￥100，组合￥150，立省￥50）。 ### 3. 动态推荐规则： – 实时根据客户浏览/加购行为推荐关联品（如电商购物车页面的“你可能还需要”）。 ## 四、落地执行的6大策略我们当时给客户做交叉销售，用的是“短信+企微”，“AI电话+短信+企微”渠道组合。 当时正好也结合私域团队一起来做。除此之外，还有些常用的渠道可以做。 ### 1. 线上渠道： – 电商平台：在商品详情页、购物车、结算页嵌入推荐模块（如亚马逊的“Frequently Bought Together”）。- 个性化推送：通过EDM、APP消息推送基于用户行为的关联商品（如“买了衬衫的客户也选择了这条领带”）。 ### 2. 线下渠道： – 货架陈列关联（将咖啡胶囊摆放在咖啡机旁）。- 收银台推荐小件高毛利商品（电池、口香糖）。 ### 3. 促销杠杆： – 满减激励（满500元加购新品立减50元）。- 赠品驱动（购买新品A赠送关联品B的试用装）。 ### 4. 会员体系： – 针对高等级会员提供专属捆绑折扣（如Costco的“会员专享套餐”）。- 积分兑换关联新品（用积分+现金换购）。 ### 5. 人工干预： – 客服主动推荐（电话回访时介绍新品权益）。- 销售话术培训（强调组合价值，如“80%客户选择加购延保服务”）。 ### 6. 场景化内容营销： – 制作使用场景视频（展示新产品与旧产品的协同效果）。- 用户案例故事（“如何用A+B提升效率”）。 ## 五、避坑注意指南 ### 1. 避免过度推销： 推荐需符合客户真实需求，否则可能引发反感。 ### 2. 测试迭代： – A/B测试不同推荐策略（如捆绑vs折扣）。- 监控转化率、退单率等数据，及时调整。 ### 3. 供应链匹配： 确保关联产品库存协同，避免缺货导致体验下降。 ## 六、直接效果评估指标- ### 1.交叉销售率： 购买新品的老客户占比。 ### 2.客单价提升： 组合销售后的平均订单金额变化。 ### 3. 客户生命周期价值（CLV）： 长期重复购买贡献。通过数据洞察精准定位需求，设计符合场景的产品组合，并嵌入客户旅程的关键节点，能显著提升新产品的交叉销售成功率。 核心在于：用对的数据，在对的场景，给对的人推荐对的产品。 本文由人人都是产品经理作者【晏涛三寿】，微信公众号：【晏涛营销笔记】，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>在当今新媒体时代，个人IP的打造似乎成为了一种潮流，许多企业老板纷纷投身其中，试图通过个人IP的影响力为企业发展开辟新路径。然而，对于新媒体运营人员来说，这是否真的是一条值得投入的赛道？</p> </blockquote>  **如果你是新媒体运营，千万不要帮老板做创始人IP**！ 先别着急反驳我，听完我的亲身经历，相信你也能感同身受。 很多老古董们，看到今年雷军等大老板做IP风生水起，觉得有利可图，都想进个人IP这个赛道分一块蛋糕，但老王想提前泼一盆冷水。 第一个原因呢，是因为创始人做IP，本来就是一个成功率非常低的事情。要知道，不是每个老板都适合真人出镜做IP的。 尤其是当下各大自媒体平台，内容已经高度饱和化了。没有足够吸引眼球的手段，想要把IP成功孵化出来，是非常难的。 而大部分创始人呢，是没有互联网运营的sense的，他也不具备做个人IP的能力。 尤其是很多年龄比较大的，受教育水平不高的传统行业老板，无论是语言表达能力，还是肢体表现张力，都相当一般。谁愿意看个糟老头子说教啊？ 原因二呢，是新媒体运营往往只具备单一技能，而个人IP打造更需要运营操盘手这样的角色统筹全局。 老板或创始人做IP，原则上你更像是个错位的操盘手，但是你很明显要面对这两个问题： ## 1.内容到底谁来做？ 如果是你自己来做的话，那你可能无法体现出，创始人IP在这个行业的优势或者个人特点； 那如果是老板自己做内容的话，你的价值又体现在哪里呢？即便老板愿意配合你完成拍摄，但大部分老板是无力生产内容的。 ## 2.决策权归属，谁来拍板？ 以我之前给创始人孵化个人IP的经验，大概率会遇到这两种情况。 第一种是老板自己拍板，做运营的你只负责执行。那这种大概率是做不起来个人IP的，因为老板不懂新媒体的传播逻辑和用户画像。 第二种是，做运营的你来拍板。那又会面临一个问题：老板提的建议，你要不要听取呢？ 如果运营数据好，那倒是好说。怕就怕数据不好的时候，你怎么去说服老板听你的建议呢？ 而IP打造是一个长期主义的过程，所谓铁打的营盘流水的兵，老板凭什么一直相信你呢？ ## 3.投入产出比的问题 目前大部分公司做创始人IP，实际上是不划算的。我并不是说投入上的不划算，而是老板的时间精力的ROI（投入产出比）不划算。 只要打算做IP，那必然要投入大量的时间，找选题、拟脚本、拍摄剪辑…… 而大部分的中小企业，老板才是公司里最大的业务员，如果拿大量时间去做IP，那么跑业务、做团队管理的时间必然就少了。 可能老板们辛辛苦苦做出了一个IP，结果会发现：可能还不如出去跑一单赚的多！ 所以奉劝做新媒体运营的同行，真的不要帮老板做创始人IP。 本文由 @秃头老王聊运营 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自 Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

车主更希望“反向”虚标

禾赛科技率先打破了行业“不盈利”的魔咒，实现了从烧钱到赚钱的重要转折。

那个用铅笔稿纸勾勒行业规则的年代，已随张国庆的私募基金注销、杨骏的早逝，一同隐入尘烟。