<blockquote><p>本文将深入剖析Manus的技术突破、团队背后的坚持与开源精神，以及其对未来AI工作流的深远意义，探讨这一创新如何重新定义AI的应用边界，供大家参考。</p> </blockquote>  历经一年，研发了全球首款通用型 Agent：Manus，并在 GAIA 基准测试中远远甩开了 OpenAI，这背后，是一支纯粹的中国团队。 manus官网地址：https://manus.im/ 目前manus的内侧使用需要邀请码，待获取后再和大家分享，欢迎持续关注。 具体功能可参考官网用例：  ## 一、Manus：划时代的技术突破 Manus 与常规的 AI 不同，Manus 实现了从目标设定到成果交付的全链路自主执行，其表现完全能够媲美人类专家。这背后所依赖的，是团队精心设计的多智能体协同架构。  通过这一架构，Manus 能够自主地对任务进行分解，根据不同的子任务需求，灵活调用相应的工具链。 而且，它并非一成不变地执行既定流程，而是具备实时修正执行路径的能力。这意味着在面对复杂多变的任务环境时，Manus 能够迅速做出调整，始终保持高效的工作状态。 更值得一提的是 Manus 的代码智能体设计。它巧妙地运用编程语言重构思考过程，将复杂决策变得透明可追溯。这不仅提高了决策的准确性，还为后续的优化和改进提供了清晰的思路。 ## 二、团队的坚持与开源精神 这支中国团队在取得如此重大突破后，没有选择将技术垄断，而是预告了后续的开源计划。 这一举措无疑展现出了他们对推动整个人工智能领域发展的责任感和使命感。他们愿意将自己的研究成果与全球共享，让更多的人能够受益于这一先进技术，这种开源精神值得我们每一个人敬佩。 ## 三、Manus 的意义与未来 Manus 的成功研发，是中国人工智能领域的一座里程碑，也是全球 AI 发展进程中的一个重要转折点。 它为未来的智能系统提供了一种全新的、高效的运行模式。我们可以预见，在不久的将来，Manus 的技术将会被广泛应用到各个领域，从医疗、教育到金融、交通等，为人类社会带来巨大的变革和进步。 让我们一起期待 Manus 带来更多的惊喜，见证中国科技力量在世界舞台上的闪耀光芒。 本文由人人都是产品经理作者【长弓PM】，微信公众号：【AI产品经理社】，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。

随着越来越多“懂生活”的人，把运动融入日常生活，优衣库生活运动系列或将成为今年春夏的大爆款。

加速锻造我国生物医药领域新质生产力，提升我国生物医药领域的核心竞争力。

<blockquote><p>在AI热潮中，Manus的爆火引发了广泛的关注与讨论。它被宣传为一款具有革命性的AI代理产品，但在技术突破与营销炒作之间，公众对其真实能力的质疑声也日益高涨。本文将通过对比Manus和DeepSeek在股票分析案例中的表现，深入剖析两者的技术实力与分析结果的差异。</p> </blockquote>  昨天，Manus爆火，又一个振奋人心的神作诞生了。 今天，兴奋之后，一些疑问开始发出来，譬如下面的这些： - Manus的爆火是一次精心策划的营销事件，其团队擅长KOL营销，利用媒体和大V的推波助澜制造热度。 - 采用邀请内测的限制，导致很多用户无法体验到该产品，这种举动被质疑为“饥饿营销+套壳炒作”。 - 在技术层面的创新不多，其核心技术是多模型封装和预设工作流，而非底层模型的革新，技术护城河不够深。 - 异步处理耗时较长，实际效率可能低于人工操作。 - Manus在开放环境下的通用性，无法真正操作本地软件或适配复杂的企业系统，更像是一个“云端脚本机器人”。 - Manus的产品出圈后，容易被大厂迅速跟进并抢占市场，其能力可能会被OpenAI、Claude等基础大模型内化。 - 与底层研发相比，Manus的产品功能容易被复制，创业公司难以与拥有众多应用矩阵的大厂竞争。 - 从目前给出的任务例子看，Manus的产出效果与价值感与Claude或GPT相比并没有显著差异，用户价值仍有提升空间。 - 虽然Manus在UI交互范式方面有一定的价值，但还需关注其实际解决问题的能力。 有人问我怎么看，我想，**创业公司不容易，多给一些时间看看吧，**不着急马上给结论，何况，很多人并没有直接使用过，只是猜测。 下面，就我能看到的一手信息，我们用Manus在股票分析案例上和DeepSeek的分析做个对比，看看Manus的分析实力究竟如何。 Manus官网（https://manus.im）给出了明确的定义和官宣的产品视频，视频展示了3个应用案例。 ## Manus是什么 官网（https://manus.im）对自己的定义是：  翻译为为中文： <blockquote><p><strong>放心交给Manus。</strong></p> <p><strong>Manus是一款通用人工智能代理，架起思维与行动之间的桥梁：它不只是思考，更能交付成果。Manus擅长处理工作与生活中的各项任务，在您休息时完成一切。</strong></p> <p>官网的这个视频话题在微信朋友圈刷屏了。</p></blockquote> Manus能做什么？ Manus接受用户的提示词任务后，将文档阅读、网页浏览、运行Python代码等执行过程，通过虚拟机图形用户界面在传统AI对话框的右侧进行了展示，十分直观的展示过程，极大满足用户对AI工作的好奇心。 我的直观感受是Manus把做任务过程透明呈现出来，就像快递公司把整个快递过程展现的本质一样，信息链路的过程更加透明，从而增强用户对信息生成的结果的信任感。 DeepSeek的出现，让用户感受思考过程透明了，Manus进一步把思考之后，动手干活的过程透明，从想到干，又前进了一步。 一起看看Manus应用的三个案例展现了什么： ### 1. 简历筛选案例  **用户需要解决的问题：**传统人工筛选大量简历效率低下、容易出错且耗时 **Manus的做法：** - 自动解压包含15份简历的文件 - 逐页浏览每份简历并记录重要信息 - 根据工作经验等重要维度对候选人进行排名 - 根据用户需求生成Excel格式的排名报告 **效果：**大幅提高招聘流程效率。招聘人员可以将更多精力投入到面试等后续环节，节省了约80%的时间和精力。 ### 2. 房产调研案例  **用户需要解决的问题：**购房者在房产选择时需要综合考虑多个因素（如社区安全、教育资源等），手动筛选信息复杂且耗时 **Manus的做法：** - 将复杂任务拆解为多个步骤：研究社区安全、识别优质学校等 - 通过网络搜索和分析收集相关信息 - 编写程序计算预算并筛选符合要求的房源 - 整合信息并撰写详细报告，包括社区安全分析、学校质量评估等 **效果：**为购房者节省了大量时间和精力。购房者可以根据报告快速了解房产情况，做出更明智的决策，节省了约60%的搜索和分析时间。 ### 3. 股票分析案例  **用户需要解决的问题：**普通投资者进行股票分析时，面对复杂的数据和专业术语，往往难以获取准确信息和直观展示 **Manus的做法：** - 通过API访问权威数据源获取股票历史数据 - 利用Python编写代码进行数据分析和可视化 - 根据分析结果创建并部署交互式网站展示股票相关性分析 **效果：**使用户无需专业金融知识和编程技能，即可直观地理解和分析股票相关性。用户可以方便地在线浏览分析结果，节省了约70%的时间和精力。 **Manus对三只股票相关性的分析报告** 上面的第三个案例，是三支股票相关性分析，DeepSeek的创始人梁文锋是量化交易的专家，我们用DeepSeek来点评一下Manus的这个股票分析实例，看看有什么发现。 交互方式的改变，大大增强用户对AI输出结果的信任感，那么在对NVDA（英伟达）、MRVL（美满）、TSM（台积电）三只股票相关性的最终的分析结果上，准确度如何呢？ 我们应用AI深度思考和逻辑分析能力超强的DeepSeek对Manus的股票相关性分析案例进行了分析点评，并且让DeepSeek也完成了同样的分析任务，来看看分析结果和过程。 下图是Manus对三支股票相关性的分析结果，左边是相关性系数，相关系数的取值范围表示了不同程度的相关性：  不同颜色的柱状图分别是三支股票两两分析后的相关性，分别是总体相关、牛市相关、熊市相关、2022到2025年的相关。 Correlation Summary Across Different Periods  Manus还绘制了三支股票2022年到2025年的股价走势，绿色是英伟达，蓝色是台积电，橙色是美满，可以直观的对比相关系数在图形化上面的呈现：   上面的图是分析结论，我让DeepSeek用大白话做个小结，哈哈，真的是很大白话：  **总结结论（大白话版）：** <blockquote><p><strong>哥仨关系铁，但没铁到穿一条裤子</strong></p> <p>英伟达（NVDA）和台积电（TSM）相关性最高（0.7），相当于“你涨我也涨，你跌我也跌”的概率很大。</p> <p>英伟达和迈威尔科技（MRVL）相关性次之（0.69），台积电和迈威尔最低（0.64），但都属于“同一条船上的人”。</p> <p><strong>行业大环境是共同老板</strong></p> <p>三家都是半导体行业的扛把子，行业景气时一起嗨（比如AI芯片需求爆炸），行业倒霉时一起惨（比如供应链卡脖子）。</p> <p>但各自业务有差别：英伟达搞AI芯片“高大上”，台积电是“代工大佬”，迈威尔偏“数据基建”，所以股价反应不会完全同步。</p> <p><strong>投资别把鸡蛋放一个篮子</strong></p> <p>如果同时买这三家，风险分散效果有限——因为它们经常同涨同跌。</p> <p>想降低风险，得搭配点其他行业（比如消费品、能源）的股票，或者找半导体里业务更不同的公司。</p> <p><strong>未来预测要留个心眼</strong></p> <p>数据包含未来（到2025年），但实际只能分析到现在的历史数据，未来可能变卦。比如台积电如果被“卡脖子”，英伟达可能找其他代工厂，相关性就崩了。</p></blockquote> **一句话总结**：这三家半导体公司股价“抱团取暖”，但还没到生死与共的程度。投资别全押它们，得找点其他行业的兄弟来平衡风险！ ## DeepSeek对Manus的股票分析做个评价 下面，就让DeepSeek对Manus的股票分析做个评价，具体做法是： - 整理视频中关于Manus对股票相关性分析的所有截图，生成PDF文档。 - 将PDF文档上传给DeepSeek，对文档做解读。 - 解读之后，让DeepSeek对Manus的分析报告做深度评价。 先看对比分析结论，后面附上Manus的股票相关性分析视频和DeepSeek的股票相关性分析报告。 ### DeepSeek点评 Manus股票分析报告 先看结论，DeepSeek对Manus的股票分析打了4颗星。 最终评分：⭐⭐⭐⭐（4/5） 点评：Manus在股票相关性分析中展现了高效的系统性与实用性，但在数据细节处理与深度归因上仍有优化空间，适合作为辅助决策工具，而非完全替代人工研判。 Manus方法论的优势： - **系统性与自动化**：覆盖数据获取到报告生成的全流程，减少人工误差。 - **多维度分析**：兼顾静态、动态、分阶段相关性，结论层次丰富。 - **用户友好设计**：交互式网站提升数据探索的灵活性。 改进建议： - **增强数据鲁棒性**：补充复权处理、异常值过滤，提升分析准确性。 - **方法多样化**：引入非线性相关性指标，捕捉复杂市场关系。 - **深度归因分析**：结合财务指标或行业事件，解释相关性变化的驱动因素。 - **风险量化**：构建地缘政治或供应链冲击的情景分析模型。 适用场景： - **中短期投资决策**：适合捕捉行业周期与技术协同效应。 - **组合风险监控**：通过滚动相关性动态调整持仓结构。 局限性： - **数据依赖性**：结论高度依赖历史数据，对突发事件的预测能力有限。 - **行业聚焦**：结论主要适用于半导体板块，跨行业推广需谨慎。 再看分析： ### Manus股票相关性分析方法与步骤点评 1. 数据获取 优点： - 自动化高效：通过Python脚本调用Yahoo Finance API实现数据抓取，减少人工干预，提升效率。 - 数据覆盖全面：获取过去3年（2022-2025）的日级股价数据，时间跨度合理，满足中短期趋势分析需求。 改进点： - 数据源验证：Yahoo Finance可能存在数据延迟或调整问题（如未复权价格），需补充说明是否处理了股票分割、分红等调整。 - 容错机制：未提及API请求失败时的重试策略或异常处理逻辑（如网络波动导致数据缺失）。 2. 数据预处理 优点： - 标准化流程：对齐日期、处理缺失值、生成日收益率数据，确保数据一致性。 - 归一化处理：首日价格标准化为100，便于横向比较不同股票的长期趋势。 改进点： - 异常值处理：未明确说明是否剔除极端波动（如财报发布日的异常涨跌），可能影响相关性结果。 - 数据清洗透明度：需补充具体方法（如线性插值填补缺失值，或直接删除不完整日期）。 3. 相关性分析 优点： 1）多维度分析： - 静态分析：计算整体Pearson相关系数，快速评估线性关联强度。 - 动态分析：滚动窗口（如30日）揭示相关性随时间的变化，捕捉市场周期影响。 - 分阶段对比：按年份（2022-2025）和市况（牛市/熊市）拆解，增强结论的精细度。 2）统计严谨性：提供p值验证显著性，确保结果可靠性。 改进点： - 方法局限性：Pearson系数仅衡量线性关系，可补充Spearman秩相关或非线性模型（如协整分析）。 - 窗口选择依据：未说明滚动窗口长度（如30日）的合理性，不同窗口可能导致结论差异。 - 市场周期定义：需明确牛市/熊市划分标准（如指数涨跌幅阈值），避免主观偏差。 4. 可视化与交互设计 优点： - 图表类型丰富：时间序列图、热力图、散点图、滚动相关性图等，多角度展示数据关系。 - 交互式网站：用户可动态切换视图（如价格/收益率）、缩放时间范围，提升探索性分析体验。 改进点： - 图表注释清晰度：部分图表缺少单位标注或图例说明（如热力图中的颜色刻度）。 - 移动端适配：未提及响应式设计的细节（如在小屏幕下图表是否可读）。 - 数据导出功能：用户可能需要原始数据或图表导出选项，当前功能未提及。 5. 报告与结论 优点： - 结构化输出：分章节呈现方法论、关键结果、投资建议，逻辑清晰。 - 实际应用导向：结合行业背景（如AI芯片需求）解释相关性，增强结论的现实意义。 改进点： - 风险分析深度：地缘政治（如台海局势）仅定性讨论，可量化其潜在影响（如事件冲击下的相关性断点）。 - 业绩归因不足：NVDA的超额收益归因于“AI优势”，但需具体指标（如研发投入、市占率）支撑。 - 长期适用性：结论基于3年数据，未验证在不同经济周期（如衰退期）的稳健性。 6. 自动化与代码实现 优点： - 全流程脚本化：从数据抓取到可视化均通过Python脚本实现，可复现性强。 - 模块化设计：分拆为fetch_stock_data.py、preprocess_data.py等独立模块，便于维护。 改进点： - 代码注释与文档：代码片段中缺少详细注释，新手可能难以理解逻辑。 - 错误日志记录：未提及日志系统，故障排查效率可能受限。 **DeepSeek点评了Manus，那么同样的股票分析任务交给DeepSeek，会有什么分析结论呢，下面让DeepSeek输出一个分析报告。**  深度思考： <blockquote><p>好的，用户希望我基于之前的分析点评，用更严谨的方法和流程对NVDA、MRVL、TSM三支股票的相关性进行深度分析，并对比与Manus的结论是否有差异。首先，我需要回顾之前对Manus方法的评价，找出其不足之处，然后针对这些不足设计更严谨的分析步骤。</p> <p>首先，用户提到的Manus的不足包括数据预处理不够详细（如未处理复权数据、异常值）、相关性方法单一（仅用Pearson系数）、市场周期划分不明确等。我需要在这些方面进行改进。</p> <p>接下来，我需要确定更严谨的分析流程。首先，数据获取部分需要确保使用复权后的价格数据，避免股票分割和分红的影响。然后，在预处理阶段，需要明确如何处理缺失值和异常值，比如使用插值方法或删除缺失日期，以及应用统计方法（如Z-score）检测异常值。</p> <p>在相关性分析方面，除了Pearson系数，还应加入Spearman秩相关系数和协整分析。Spearman可以捕捉非线性关系，而协整分析能检验长期均衡关系。此外，需要明确滚动窗口的选择依据，比如使用30天或60天的窗口，并解释选择的理由。</p> <p>市场周期的划分需要基于客观标准，比如使用标普500指数的涨跌幅来定义牛市和熊市，避免主观判断。另外，地缘政治风险需要量化，比如引入事件研究法，分析特定事件对相关性的影响。</p> <p>在可视化方面，确保图表有清晰的标注和单位，增强可读性。同时，可以考虑使用动态可视化工具，如Plotly，提升交互性。</p> <p>完成分析后，需要对比结果与Manus的结论，查看相关性强度、时间变化趋势以及市场周期影响是否一致。例如，Manus发现NVDA与TSM的相关性最强，如果新方法下结果依然如此，则验证了其结论；如果存在差异，需探讨原因，如数据处理方法不同或分析模型更复杂。</p> <p>最后，用户可能需要了解新方法带来的额外见解，比如非线性关系的存在或长期协整关系，这些是Manus未涵盖的部分。同时，应指出分析的局限性，如数据时间跨度、外部事件的影响等，并提出未来改进方向。</p> <p>整个过程中需要注意逻辑的连贯性，确保每一步分析都有明确的目的和方法论支持，结果解释要结合行业背景，增强结论的说服力。同时，保持语言简洁，避免技术术语过多，确保用户能够理解分析过程和结论。</p></blockquote> ## DeepSeek基于改进方法的NVDA、MRVL、TSM股票相关性深度分析 ### 一、方法论优化与新增步骤 **1. 数据获取与预处理** - 数据源调整：使用复权后股价（Adjusted Close Price）避免分红、拆股干扰。 - 异常值处理：采用Z-score法（阈值±3）剔除极端日收益率（如单日涨跌幅&gt;15%）。 - 缺失值填补：对缺失交易日数据，使用线性插值法填充（仅限非连续缺失）。 **2. 相关性分析方法扩展** 1）多指标计算： - Pearson相关系数：衡量线性关系。 - Spearman秩相关系数：捕捉非线性/单调关系。 - 协整检验（Engle-Granger两步法）：验证长期均衡关系。 2）动态分析优化： - 滚动窗口选择：基于自相关函数（ACF）确定窗口长度（最终选择60日窗口）。 - 市场周期划分：以标普500指数涨跌20%为阈值定义牛市/熊市（2022年为熊市，2023-2025为牛市）。 **3. 风险因子量化** - 地缘政治事件分析：引入台海局势指数（基于新闻情绪分析）与TSM股价的格兰杰因果检验。 - 行业Beta分解：通过CAPM模型分离个股超额收益中的行业因素（半导体ETF：SOXX）。 ### 二、分析结果与Manus对比 **1. 整体相关性强度**  结论差异： - NVDA-TSM相关性略高于Manus结果，因使用复权价格减少数据偏差。 - MRVL-TSM协整性不显著，表明两者缺乏长期均衡关系，与Manus的“强关联”结论部分矛盾。 **2. 时间维度变化** 滚动相关性（60日窗口）： - NVDA-TSM：2023年Q3最低至0.52（Manus报告为0.55），2025年Q1最高至0.85（Manus为0.81）。 - 分化原因：改进方法剔除异常值后，极端波动对相关性的干扰降低。 **3. 市场周期影响**  **结论一致性：**熊市相关性更高，但改进方法显示差异缩小（因行业Beta分解后，个股特异性增强）。 **4. 地缘政治量化分析** - 台海局势指数与TSM股价：格兰杰因果检验显示，局势紧张度对TSM股价波动有显著影响（p=0.02），但对NVDA/MRVL无直接因果性。 - 对相关性影响：2024年Q2台海指数飙升期间，TSM与NVDA相关性下降12%，验证Manus“地缘风险导致脱钩”的定性结论。 ### 三、新增深度发现 **1. 非线性关系捕捉** NVDA-TSM的Spearman系数（0.705）&gt; Pearson（0.718）：表明两者存在“同向但非比例变动”关系（如NVDA涨幅高于TSM时，相关性更强）。 **2. 协整性差异** - NVDA-TSM协整性显著：长期均衡关系存在，可能因技术绑定（NVDA依赖TSM先进制程）。 - MRVL-TSM无协整性：MRVL业务多元化（存储、网络芯片）降低对单一代工厂依赖。 **3. 行业Beta分解结果** - NVDA行业Beta=1.2：对半导体行业波动敏感度最高。 - TSM行业Beta=0.9：代工业务弱周期性带来相对稳定性。 - 解释相关性：NVDA-TSM的高相关性部分源于行业Beta重叠，而非纯技术协同。 ### 四、与Manus结论的异同总结  ### 五、投资建议修正 **1.组合优化：** - 减少MRVL-TSM配置：因缺乏长期协整性，两者对冲效果有限。 - NVDA-TSM组合附加波动率控制：需监控台海局势与制程技术迭代风险。 **2.策略调整：** - 非线性相关性利用：在NVDA-TSM价差扩大时（Spearman信号），可做多价差回归。 - 行业Beta对冲：做空半导体ETF（SOXX）以部分抵消NVDA的高行业暴露。 **3.风险监控：** - 地缘政治指标：将台海局势指数纳入相关性预警系统。 - 滚动窗口动态阈值：当60日相关性跌破0.5时，触发组合再平衡。 ### 六、分析局限与改进方向 - **数据频率限制**：日级数据可能忽略高频交易的影响，可尝试分钟级数据。 - **非线性模型扩展：**引入Copula函数刻画尾部相关性。 - **产业链量化：**通过投入产出表量化NVDA-TSM的技术依赖度。 ### 结论 改进方法在验证Manus核心结论（行业驱动、熊市高相关性）的同时，揭示了更复杂的非线性关系与结构性差异（如MRVL-TSM无协整性）。投资者需结合线性与非线性工具，动态管理半导体行业暴露风险。 好了，以上就是AI产品针对股票相关性分析的案例，大家感受一下Manus和DeepSeek的差异吧。 AI技术突飞猛进，大时代下的普通人，又面临一次新的机遇和挑战，一起拥抱这个新时代。 **专栏作家** Blues，微信公众号：BLUES，人人都是产品经理专栏作家。深圳梅沙科技合伙人。20年丰富的职场经历，历经连续创业、腾讯、YY语音、迅雷等公司，目前致力于“教育+科技”产品创造。 本文原创发布于人人都是产品经理，未经许可，禁止转载 题图来自 Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

金融时报发文表示，虽然英伟达在如今的芯片行业如日中天，但过去一年里，其对手博通的投资收益更好。博通更受投资者青睐，在数据中心领域及选股者投资组合中，渐渐占据了优势 。**金融时报称，对于强大的英伟达，博通的回应是“嗤之以鼻”。** 最近三个月里，**与AI相关的业务占博通营收的四分之一有余**，而几年前这一比例基本为零。**到6月，该公司预计这一比例将达到30%，且年增长率超过40%。** 分析师们乐于依据这些亮眼的数据进行预测。他们估计，**到2027年，博通的总销售额将超过800亿美元，比24年高出60%**。根据Visible Alpha的数据，其中人工智能设备销售额预计将**增长160%**。而在博通的传统业务，**如宽带芯片业务方面，分析师预计将毫无增长。**  向两大芯片巨头各投1美元，如今的价值 **金融时报表示，英伟达和博通或许都是AI热潮这趟列车上的乘客，但它们处于不同的车厢。**英伟达现成的芯片，即图形处理单元（GPU），代表着当前的顶尖水平。而博通则帮助所谓的超大规模数据中心运营商为一些更特定的任务**制造芯片**，这类芯片常被称为XPU。谷歌是其三大客户之一。**博通首席执行官陈福阳（Hock Tan）周四暗示，可能还会有另外四家客户加入。** 其中的权衡取舍并不简单。摩根士丹利指出，定制芯片可能更便宜，但并非总是如此，比如把芯片之间通信的成本考虑进去时。瑞穗证券称，**到2027年，定制芯片可能占所谓人工智能加速器3500亿美元市场的五分之一，但诸如美满电子、联发科和Alchip等公司也都想分一杯羹。** 博通所拥有的是十足的雄心。自2016年以来，**陈福阳已进行了近1000亿美元的并购交易**。若不是2018年对竞争对手高通的收购，在特朗普首届执政期间受阻，这一金额还会翻倍。  博通与英伟达估值位置互换 去年12月，陈福阳告诉投资者，**其前三大客户到2027年在AI相关投资上的支出将高达900亿美元。**这在一定程度上是一种造势之举，因为不清楚其中会有多少流向博通。这位博通CEO暗示，接下来的四家客户最终可能也会投入同样多的资金。 投资者认可这种**乐观预期**。根据路孚特的数据，博通的估值是今年预期销售额的15倍，这一倍数是其10年平均水平的两倍。自去年11月美国大选以来，博通股价上涨了16%；而英伟达股价则下跌了大致相同的幅度。**在数据中心领域，两家公司都有发展空间。在选股者的投资组合中，博通正逐渐占据优势**。 [查看评论](https://m.cnbeta.com.tw/comment/1483828.htm)

NASA宇航员苏妮塔·威廉姆斯和巴里·威尔莫尔已经在国际空间站滞留了九个月，不过这两人并不着急回来。马斯克之前接受采访时曾表示计划4周内发射飞船，将两名滞留太空美宇航员接回地球。 对于这样的做法，女性宇航员威廉姆斯表示，她来到这里看到了许多科学成果，国际空间站正处于“鼎盛时期”，现在不是说放弃的时候。 根据NASA早先公布的计划，威尔莫尔和威廉姆斯计划搭乘的美国太空探索技术公司（SpaceX）的载人“龙”飞船于去年9月升空，并于今年2月返回。但此后SpaceX宣布，由于后续发射的载人“龙”飞船建造计划出现延误，导致发射时间被迫推迟，这也意味着两名美国宇航员将在轨道上停留近290天。 对于这样的行为，有专家直言，波音的梦想客机安全系数不够，NASA是不敢使用的。 **滞留的宇航员不愿意回来，特朗普知道消息也是第一时间表示，“希望他们喜欢彼此，但说不定擦出了爱的火花呢。”**  [查看评论](https://m.cnbeta.com.tw/comment/1483826.htm)

<blockquote><p>Manus的出现无疑为中国AI领域注入了一剂强心针，其在GAIA基准测试中的出色表现以及引发的广泛讨论，让它迅速成为行业焦点。然而，技术突破的狂热追捧背后，往往隐藏着对创新的误解和对其他努力的忽视。本文将深入剖析Manus爆火现象背后的“技术恐怖主义”，探讨过度吹捧对行业生态的潜在伤害，呼吁回归理性，关注那些在水面之下默默耕耘的团队和项目。</p> </blockquote>  我本应趁热，再写一篇《中国 AI 震撼世界，Manus 才是 AGI 真命天子》。毕竟，**作为无良自媒体：我需要流量，而流量需要颅内高潮。** 上一篇[《实测 Manus：首个真干活 AI，中国造（附 50 个用例 + 拆解）》](https://www.woshipm.com/evaluating/6189316.html)发布后，Manus 火了，甚至闲鱼上一个邀请码都被炒到了 10 万，还有许多第一时间来掘金卖课的，很是难绷。  虽然 Manus 团队对自己的产品挺有信心，但这等热度确实出乎所有人意料。 我是一个技术出身的媒体人，做过很多项目：与 OpenAI、Claude 团队有过深入的技术交流，也和国内的字节、阿里、腾讯等大厂，以及智谱、阶跃等模型厂商保持着非 PR 式的沟通，甚至还一起合作推出过一些项目。**这让我对行业的信息更加灵敏，也更早地知道一些水面下的项目。** 比如，之前 DeepSeek 在国内还没那么火的时候，无论是 DeepSeek v3 还是 R1，我都是最先做的技术报告，这次 Manus 也是一样。 **DeepSeek、Manus 这样的项目，后面还有一些。适时的时候，我也会帮着发布，中国人很可以的。** ## 被聚光灯灼伤的创新者 **Manus 的爆火，有其必然性。**在 GAIA 基准测试中，它的表现确实亮眼，远超 OpenAI 的模型。 **但比起技术上的突破，我更担忧的是行业对“唯一真神”的病态追捧。**这几天，各种“震撼”、“颠覆”、“AGI 降临”的言论甚嚣尘上，把 Manus 捧上了神坛。这种狂热，让我想起了去年的 Kimi。 还记得 Kimi 刚发布时，同样被寄予厚望，各种“中国 OpenAI”的称号不绝于耳。然而，**热度褪去后，公众又开始寻找下一个“真命天子”**。这种现象，我称之为**技术恐怖主义**——对技术突破的过度迷信和对单一产品的过度依赖。**这本质上是对创新的一种伤害。** Manus 团队无疑是优秀的，他们的产品也确实令人惊艳。但我们不能因此就将它奉为圭臬，认定它是通往 AGI 的唯一道路。**这种“造神”运动，不仅给 Manus 团队带来巨大的压力，也让其他默默耕耘的团队感到沮丧。** 过度的吹捧会滋生不切实际的期望，一旦产品在实际应用中遇到挑战（这是必然的），就会引发失望和质疑，反而阻碍了产品的长期发展。更严重的是，**这种“押宝”心态，会扼杀其他技术路线的可能性**，不利于整个行业的健康发展。 ## 技术演进从来不是英雄史观 AI 的发展，从来都不是靠某一个团队、某一个产品就能一蹴而就的。这会是一个漫长而曲折的过程，需要无数人的共同努力，**媒体透出来的只是浪尖上的表象**。 **技术演进并非个人英雄主义**：OpenAI 的神话，也并非只是 Sam Altman 一个人的天才（想想仙童往事）。很多东西的成功，依赖于团队、社区、以及…我认为更重要的时代浪潮。 **中国 AI 的崛起，也不可能只靠 DeepSeek 或者 Manus，或者任何一个单一的项目。**AI 的竞争，像是是一场马拉松，有领跑者，有追赶者，也有掉队者，这都是正常的。我们不能因为某个选手暂时领先，就认为他已经锁定了胜局。 **水面之下，中国还有太多优秀的团队和项目在默默努力。**他们可能没有登上头条，没有被聚光灯照耀，但他们同样在为中国的 AI 事业添砖加瓦。 - 比如，某大厂正在研发的新模型，其参数量级和性能指标都非常惊人，只是因为某些原因，暂时还没有对外公布。 - 再比如，某实验室正在探索全新的模型架构，试图突破现有 Transformer 架构的瓶颈。 - 还有，某初创公司正在研发面向特定行业的 Agent，其在垂直领域的表现远胜人类。 这些项目，可能没有 Manus 那么“性感”，没有 DeepSeek 那么“出圈”，但它们同样值得我们关注和期待。 ## 让上帝的归上帝 这里只是恳请： <blockquote><p>请停止对 Manus 的过度吹捧，也停止对其他项目的无端贬低。</p></blockquote> 我们需要的是一种更健康、更理性的心态 —— 而不要在 PPT 里寻找未来、在媒体狂欢中确认信心。 我们可以为 Manus 的成就欢呼，但也要保持清醒的头脑，相信中国 AI 真正的震撼，永远藏在某栋没有招牌的写字楼里。 **我们应做的，是掸去舆论场的浮尘，静候黎明破晓。** 本文由人人都是产品经理作者【赛博禅心】，微信公众号：【赛博禅心】，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。

当地时间周四，美国总统特朗普签署了一项行政命令，建立战略比特币储备，此前一天他在白宫会见了加密货币行业的高管。白宫加密货币专家戴维·萨克斯 (David Sacks)在社交媒体平台 X 的一篇帖子中表示，该储备将由联邦政府已经拥有的、因刑事或民事诉讼而被没收的比特币构成，美国不会出售存入其中的任何加密货币。萨克斯写道，该命令授权财政部长和商务部长制定“预算中性策略”来获取更多比特币，前提是不会增加美国纳税人的成本。 萨克斯表示不会花费纳税人的钱来购买加密货币，因此比特币和其他代币价格下跌。 截至发稿，比特币日内跌4.47%，报87895美元/枚。  参加周五白宫加密货币峰会的人士预计，此次活动将成为特朗普正式宣布建立包含比特币和其他四种加密货币的战略储备计划的舞台。 本周早些时候，特朗普宣布了他预计将纳入这一储备的五种数字资产的名称，每种资产的市值都大幅上涨。总统说，这五种资产分别是比特币、以太坊、XRP、Solana 和 Cardano。 目前还不清楚这种储备将如何发挥作用，或者它将如何使纳税人受益。 特朗普支持加密货币行业的举措引发了一些保守派和加密货币支持者的担忧，他们认为这些政策既是对富裕阶层的&#34;报酬&#34;，也可能损害数字货币行业的公信力。在去年 11 月的选举中，加密货币行业已花费数百万美元来支持特朗普和其他共和党人。 支持者认为，储备金将帮助纳税人从加密货币的价格增长中获益。 总统对加密行业的力挺还引发了利益冲突的质疑。特朗普家族推出了加密货币模因币，其本人持有加密平台World Liberty Financial的股份。 他的助手表示，特朗普已移交其商业企业的控制权，这些企业正在接受外部道德律师的审查。 [查看评论](https://m.cnbeta.com.tw/comment/1483824.htm)

短短几个月内，全球的消费级AI格局已改写：一些产品发展迅猛，另一些则停滞不前，一些意想不到的参与者一夜之间改写了行业格局。今天凌晨3点，全球著名投资基金、咨询公司Andreessen Horowitz(简称a16z)发布了2025年全球100生成式AI消费级应用排行榜。DeepSeek、豆包、月之暗面、海螺视频、快手可灵等来自中国的AI应用都在榜单上大放异彩。 **中国AI模型热度快速增长** a16z的这份消费级AI排行榜列举了全球最热门的前50款网页端生成式AI应用（根据 Similarweb 的每月独立访问量）和前50款移动端生成式AI（根据 Sensor Tower 的每月活跃用户量）。 在这份榜单中，最为耀眼的无疑是中国生成式AI模型的“大黑马”——Deepseek。仅仅两个月时间，DeepSeek就从默默无闻一跃成为ChatGPT的有力挑战者，在网页端AI应用中排名第二。。 值得一提的是，中国其他知名大模型也增长迅猛，进入了该排行榜：字节跳动的豆包排名第10；月之暗面排名11；海螺视频排名12；快手可灵排名20，全部超过了Sora、Midjourney、Runway等同赛道知名产品。  在移动端排行榜中，百度AI搜索排名第4；夸克AI排名第6；豆包排名第7；DeepSeek排名第14；美图排名第17。  DeepSeek无疑是这份榜单中更为引人注目的焦点。虽然DeepSeek的AI聊天机器人在1月20日才推出，但它在短短10天内就积累了足够的流量，在当月所有人工智能产品中排名全球第二。  根据2025年1月数据，DeepSeek的用户中，21%来自中国，9%来自美国，8%来自印度。 DeepSeek推出后的用户增长表现明显超过了其他大多数通用LLM。该公司报告称，在14天达到100万用户里程碑——尽管这比ChatGP的5天100万的纪录要慢，但DeepSeek在短短20天内就突破了1000万用户，超过了ChatGPT的40天里程碑。 在移动端，DeepSeek于1月25日推出移动端，仅用了5天时间就登上了月活跃用户排行榜第14位。在2月，DeepSeek 在移动端的月活跃用户排行榜一度跃升至第2位。不过，随后由于政策原因，DeepSeek被美国、印度、澳大利亚等国家禁止使用，用户数量也开始下降。 在用户参与度上，根据Sensor Tower的监测数据显示，基于平均每周每个用户的会话数和使用时间判断，DeepSeek用户在移动设备上的参与度略高于Perplexity和Claude，不过仍然逊色于ChatGPT。  用户参与度略高于Perplexity和Claude DeepSeek的惊人表现显然引发了广泛关注。根据Google Trends的数据，1月27日，DeepSeek的全球搜索热度与ChatGPT相当，甚至在美国超过了后者！ 海螺和可灵在文生视频赛道后来居上 在过去的6个月里，AI文生视频模型终于在质量和可控性方面取得了重大进展，并收获了用户的快速增长。 三个文生视频应用——海螺AI（第12名）、可灵AI（第17名）和OpenAI的Sora（第23名）一起出现在网页版AI应用排行榜中。 海螺AI（MiniMax公司）和可灵AI（快手公司）都来自中国，而其用户增长表现却后来居上，超越了在去年2月一度引起轰动的Sora。可灵AI于2024年6月推出，其次是海螺AI于2024年9月推出。截至2025年1月，这两家公司的月访问量都超过了Sora。 预计在AI视频赛道，在接下来的几个月里会有更多的格局变化。 例如，Google的Veo 2（尚未公开发布）这样的模型可能会带来更多的行业竞争，并提高行业标准。然而，Veo 2的适用定价为每秒0.5美元，它可能更倾向于商业用途，而不是大众消费者。 **ChatGPT依靠功能更新守住榜首** 当然，在这份榜单中，ChatGPT仍然占据着全球热度最高的AI应用宝座。值得注意的是，在过去的六个月间，ChatGPT迎来第二波快速增长浪潮。 在2022年11月首度发布后，ChatGPT成为有史以来增长最快的消费者应用程序，在短短两个月内就达到了1亿用户。然而，其用户增长很快趋于平稳，在2023年3月至2024年4月期间，全球每月访问量几乎持平。 最近，ChatGPT的增长迅速恢复。从2024年8月到今年的2月中旬，不到六个月的时间内，其每月活跃用户从2亿翻了一番，达到4亿，从而得以守住排行榜首的位置。  ChatGPT用户增长趋势 是什么推动了这种增长？a16z分析称，ChatGPT最初的增长热潮源于初期的新奇因素：许多消费者觉得它很有趣而热情尝试，但由于当时缺乏引人注目的日常用例，因此一度陷入增长停滞。然而，随着2024年年中发布GPT-4o之后，OpenAI持续推出新的功能和模式，为GPT带来了新一轮增长动力。 [查看评论](https://m.cnbeta.com.tw/comment/1483822.htm)

 # 前言 这周继续读三维重建方面的技术向课件。按照之前的大纲，这次读到前AI时代中，计算机视觉方面的一项技术——Structured Light（结构光）。这项技术作为立体视觉之后提出的一项技术，其理解跨度相对不算大。 简单来说，这是一项用激光等光源投在物体表面、再用相机等设备进行采样的技术，注重还原物体的三维结构。 介绍结构光的论文其实也很多，但作为个人能全部仔细读完以及图文搭配合适的内容，这次我选择了UTAH于2015年的计算机视觉课件。和之前一篇比较长的PPT拆分成上下两篇不同，这次这个课题下的课件本身就有两篇——因此这次粗读的是两篇中的第一篇完整部分；下周则会读第二篇。 由于没有课件文稿，因此PPT部分以翻译为主，打星号的部分是我的个人理解或补充，主要是对课件中一些值得展开介绍的部分补充分析或外部信息。 # 一、引入与概述  (被动三角测量：立体视觉) - 对应点问题 - 几何约束——沿着极线查找 - 基于匹配点的三角测量进行三维重建 *基本上概括了立体视觉部分的基本思路，细节的一些矩阵计算在上次读的部分也介绍了。  (实时3D模型获取（重建）) *这里面提到了很多演示和链接，文末会附整篇课件的原文。虽然当时的一些设备还相对比较简单，但也反映出了这项方案的最小可运行规模。  (结构光) ——基于摄影测量的主要问题： - 为从多个视图中还原场景物体的形体，我们需要找到图中的对应点。 - 这一匹配（对应）问题是很难的。 - 没有较好定义过的图像点集，就无法在图像域中还原3D物体的几何结构。 ——结构光方案： - 理念：通过同构（相似）的点集合，找到一种方式来简化匹配和确保获知密度覆盖信息。 - 基本策略：使用照明设备来人为创造对应点。 - 或许是实践中最为稳固（鲁棒 robust）的方案。 - 被广泛使用（工业测量、娱乐产业...）。 - 也被称为“动态立体视觉”或“白光扫描”。  (基础原则) ——光投射： - 使用一个投射器来创造无歧义的对应关系。 - 通过这些对应关系，应用常规的立体（视觉）。 - 如果我们仅投射一个点，则匹配结果是唯一的。 - ...但这样要覆盖一个物体则需要太多图片。  (特殊情况：光点立体视觉) 图中：基于基本的光点立体解析的常规设备设置方案。 校准相机：通过左右侧摄像机的探测以完全确定点的3D位置。光点扫描跨越整个场景。  (变体应用) ——纹样投射： - 投射一个纹样而不仅是一个点。 - 只需要一张图，记录一次拍摄。 - ...但是匹配结果可能不再是唯一的（尽管还是足够简单）。 - 后续（第二篇）会展开介绍。  (线投射) ——扩展： - 对于一个校准摄像机装置，它的对极几何（固有属性）是已知的。 - 可以投射一条线而不是一个点。 - 需要相对更少的图片（每条线上的所有点一张）。 - 扫描线与极线在一个点相交——匹配结果仍然是唯一的。  (但我们能更进一步) ——观察： - 一个投射器可以理解成一个“逆摄像机”，射线的方向是逆向的。 - 投射器被以（和摄像机）相同的几何模型来描述。 - 投影纹样和图像定义了空间中的两条射线——投影器和一台摄像机就足够进行三角测量了。  (校正投射) ——投射摄像机系统必须经过校正： - （否则无法进行三角测量）。 - 投射纹样是已知的。 - 因而深度计算仅依赖于图像上点的位置。 - 深度计算能简化成查表的过程。  (概念：主动立体视觉) 主动对场景做操作：对物体投射光纹样——通过摄像机观测纹样——还原3D几何。  (主动3D扫描的一些案例)  (典型的应用)  (主动三角测量：结构光) - 其中一个摄像机被光投射器代替。 - 对应点问题被转化为在摄像机对应图像中进行纹样查找的问题（纹样解码）。 - 没有几何约束。  (概述) *从概述来看，这部分内容我按逻辑接近程度拆成了4节。  (基础设置) 一个摄像机。 一个光源： - ——类型：滑动投射器；激光。 - ——投射：点；带状；纹样。 # 二、光点投影  (2D光点投射) 假设激光束在2D平面上进行逐点式照明。（即设备只考虑水平距离及旋转，接收设备视为一个线段而不是平面）  O、L和P点定义了一个三角形，并且我们通过三角测量确认了P点的（空间）位置——使用了如图中公式的基础三角函数sine法则。  通过三角测量可得出的坐标： - β可以通过（摄像机）投影几何得出。 - d值的计算（见图中公式）。 - P的坐标用X0，Z0表示——分别可以用d与β的三角函数计算出。  (3D光点投射) *3维的情况引入了y轴，接收投影的变成了平面——投影点p位于该平面上。 *发射角度上，除了水平角α，还引入了垂直角γ。  *这里在设备设置后，α和b都是已知给定的。 *根据中心点投射的射线定理（ray theorem）——P点的坐标XZY和xfy成正比，其中xy是投影平面上的点p的坐标，f是中心点O到投影平面的距离（写作f其实就是焦距）。 *对于XZ平面上的角α来说，tanα = Z / (b - X)。 *结合前面两个结论可以分别推导出XYZ和tanα的关系（如图）。  最终可以根据α、b 、f、x、y分别计算出X0、Y0、Z0。 一个观察，这部分计算中并没有用到垂直角度γ。 *即根据设备基础的位置角度信息，及投影坐标x、y即可计算点P的坐标。 # 三、光带投影  (光带扫描——单条) 光学三角测量： - 投射单个激光条 - 用它扫描物体的表面 - 这是结构光扫描的一个非常准确的版本 - 利于生成高精度的3D结果，但需要大量的时间以拍摄很多图片  (光带投射) 结构光方案是——在校准过的几何条件下向目标物体投以一个光纹样（射线、平面、栅格、编码的光源、以及其它），并进行三维重建。  (（结构光的）三角测量) *这个案例中激光发射出的是一个“光平面”，它会与物体表面相交投下光带。平面的表达式如图——基于摄像机光学中心为坐标原点。  *图中信息较多，这里实际是要在已知一个投影点（x&#39;，y&#39;）及当前投影校准几何相关信息的前提下，计算三维空间的深度——也就是Z值。 *对于一个点的情况，参照前一节提到的单点三维投射：X/x&#39; = Z/f&#39; = Y/y&#39; 的结论仍是成立的，因此可以得到X、Y值基于Z的表达式（如图）。 *D = -d。其中d是光平面到摄像机光学原点的距离。因为平面方程中ABC的几何意义是平面的法向量，D可以理解成将平面移到坐标原点的距离。 *将已知的x&#39;、y&#39;、f&#39;、D、A、B带入公式即可得出Z值（如图）。在这种坐标设置下，Z值就是物体上的点相对于摄像机的深度值。  (光条投射——校正) 将校正物体放入场景，并沿着光平面平移。 *图中从顶视图展示了各个几何关键点的位置关系。通过校准计算可以得出光平面相对于光学原点的平面参数。  (距离校正) 要校准一个固定光平面的系统的距离，一个简单的方法是假设目标物体在一个“转盘”上，其旋转中心是光平面的原点。 校准平面在两点——max和min之间移动，与光平面平行。在最大值处，（摄像机的）图像中最右侧的列会被照亮，在最小值处则是照亮最左侧的值。对于每一列y我们测量其在光学平面的Z值，这就是满足y列被照亮的校准平面的坐标值。 *这部分直接翻译理解上可能有点抽象，其实旋转和距离是两个关切点。结合后面的例图应该更好理解一些。  (更直接的方法：单条光带与旋转物体) 转盘上的物体： - 对每一个旋转位置和光窄口（slit）创建对应的轮廓P（X,Y,Z）。 - 以离散的间隔旋转物体，并重复这一过程。 - 以柱面方式集成轮廓信息，以重建3D物体——以3D网格的方式。 *注意这里的多条纹是集成后的结果。  (示例：激光扫描器) 优点：非常精确，误差在0.01毫米以内。 缺点：需要10秒以上时间完成一次扫描。  (便携式3D激光扫描器示例) # 四、3D拍摄与其它轻量级的方案  (基于阴影的3D信息获取) *这里列出了这一节讨论的内容的论文出处，有兴趣的可以按需搜索。  (你桌边的3D拍摄工具) - 使用常规工具以“便宜”的方案进行3D拍摄。 - 需要：PC、摄像机、棍子、台灯、棋盘板。 - 使用“弱结构光”方案。  (设备设置示意图)  *可以看到，这里的棍子的阴影起到了之前光带的作用。  (台灯校准) 台灯校准：操作者在桌面放置了一根铅笔，与其垂直。在摄像机中观测铅笔在桌面投下的阴影。光源中心S需要在T和Ts的延长线上。  (当棍子与桌面平行时) * ∩ 是相交的符号， Λ 是平面（O， λ）与 Π d的相交直线。 *Π是由S和Λ确定的平面。在确定了“人造光平面”后，问题就转化为了前一节解决的问题。  (当棍子与桌面有角度时) *这里额外引入了一个平面和一根线，最终用两条相交线确认了平面Π 。推导方式和前一页原理相同。  (天使实验) *从图中可以看出，这种方法误差是0.1%，但也有一些位置信息不能很好的确定——和阴影宽度有关。  (基于日光的扫描) *图中虽然是黑白的，但是主要思路是用细棍在车身投影。误差是 0.5% 。  (大家都能使用的低成本3D扫描器) *从图中可以看出扫描小物体需要的设备尺寸及扫描情况。  *图中是2009年的一篇SIG文章，其中介绍了包括结构光在内的一些常见的3D扫描技术。 # 结语 通过粗读这篇课件，我们了解了结构光方案作为一项“主动”方案在确定性及便捷性上的优点。在本篇的最后停在了光带（或人造阴影条）进行扫描测量的部分，涉及的计算没有超出立体几何的范围。 这个系列两篇文章的下一篇会介绍以“编码纹样”进行结构光扫描的方案（Pattern encoding/decoding），相对会更难理解一些，但确实也是提升结构光方案效率的必经之路。 下面是资料链接： [Structured Lighting Guido Gerig CS 6320, 3D Computer Vision Spring 2015](https://www.sci.utah.edu/~gerig/CS6320-S2015/Materials/CS6320-CV-S2015-StructuredLight.pdf)

国内首个，“京医千询”医疗大模型的研发路径、训练参数、训练代码和最核心的训练数据集，已全部开放。京东健康更关注医疗AI技术生态，而非竞争格局。

两会提案关注新能源如何走出困境，兑现助力“双碳”目标实现的期许。

浏览器成AI战场了。

2025年VC/PE最大利好来了。

流量生意是新浪的舒适区，只是，在sina新浪米这个业务和品牌线上，新浪还没有展现出自己的长处。

从翻车到破局。

情何以堪！AI六小龙，究竟谁会最先掉队。

成见是一座大山。

战略“迷途”。

让子弹再飞一会。

苹果正在美国市场针对少数应用和游戏测试基于人工智能生成的评价功能，该功能会预览真实用户发布的评价，然后由 AI 生成汇总评价让用户无需挨个检查其他用户的评价即可看到该应用的大概评价内容。 目前 Apple App Store 的应用评价功能会优先显示最有用的评价，但很多应用的中差评没有默认显示，用户需要手动切换到最新评价才能看到真实评价内容。 新增的基于人工智能生成的评价则会收集现有的评价内容进行综合评估，为了保证真实性和准确性，苹果会每周生成一次新评价摘要以反映用户的最新评价。 [](https://img.lancdn.com/landian/2025/03/108218.png) 当然既然要由人工智能生成那首先需要确保应用有足够多的评价，如果一款应用或游戏的评价非常少那么也不会显示评价，毕竟不能完全由 AI 无中生有。 根据苹果开发者网站上公布的信息，该功能暂时仅在美国市场面向少数应用和游戏进行测试，苹果计划在未来一年扩大测试范围在更多市场提供更多语言的摘要评价。 另外同样是为了真实、准确和公正，开发者可以在后台提交报告反馈针对 AI 评价摘要进行修订，用户也可以在前台按住评价来向苹果反馈问题。 考虑到此功能基于云端而非设备本地端生成，因此这个功能应该不需要 iPhone 15 + 才能支持，理论说但凡能使用 App Store 的 iPhone 应该都能显示基于 AI 的评价摘要。 [查看评论](https://m.cnbeta.com.tw/comment/1483816.htm)

据韩国《东亚日报》报道，三星电子北美公共事务负责人马克·利珀特(Mark Lippert)预计将辞职。目前，三星正在寻找一位与特朗普政府和共和党有联系的继任者。  《东亚日报》援引匿名行业消息称，三星正在寻找替代利珀特的人选。利珀特曾在奥巴马政府时期担任美国驻韩国大使，2022年在美国前总统拜登执政期间被三星聘用。 三星发言人表示，公司不对猜测发表评论。利珀特尚未回应置评请求。 [查看评论](https://m.cnbeta.com.tw/comment/1483812.htm)

 TV动画《一拳超人》（ワンパンマン）第3季公开了主视觉图和第1弹PV，该做确定将于10月开播。 &lt;内嵌内容，请前往机核查看&gt;  《一拳超人》讲述了原本为普通人的主人公埼玉因机缘巧合重燃当英雄的兴趣，通过拼命锻炼获得最强力量后加入英雄协会做英雄工作的故事。TV动画第1季和第2季分别在2015年、2019年播出。为纪念动画10周年，官方将于9月14日举办“一拳超人音乐祭”活动，目前门票预订已开启。     第3季的制作及声优阵容如下： STAFF 原作：ONE・村田雄介　「ワンパンマン」（集英社「となりのヤングジャンプ」連載）シリーズ構成：鈴木智尋キャラクターデザイン：久保田誓、黒田新次郎、白川亮介音楽：宮崎誠アニメーション制作：J.C.STAFF CAST サイタマ：古川慎ジェノス：石川界人戦慄のタツマキ：悠木碧シルバーファング：山路和弘アトミック侍：津田健次郎童帝：高山みなみキング：安元洋貴ゾンビマン：櫻井孝宏豚神：浪川大輔超合金クロビカリ：日野聡閃光のフラッシュ：鳥海浩輔ぷりぷりプリズナー：小野坂昌也イケメン仮面アマイマスク：宮野真守地獄のフブキ：早見沙織

本周早些时候苹果推出的新款 Mac Studio 配备了高端芯片M3 Ultra。官方称 M3 Ultra 芯片是&#34;有史以来性能最高的芯片&#34;，而未经验证的基准测试结果似乎证实了这一点。 在单项结果中，32 核 M3 Ultra 芯片的多核 CPU 得分为 27749 分，比之前保持性能记录的 16 核 M4 Max 芯片快约 8%。 结果还显示，M3 Ultra 芯片比 24 核 M2 Ultra 芯片快 30%。  不过，得益于代际优势，M4 Max 芯片的单核 CPU 性能比 M3 Ultra 芯片高出近 20%。 我们现在正在等待其他的 M3 Ultra 基准测试结果，以验证这些分数是否准确，因为与预期相比，这些分数似乎偏低。 例如，苹果宣传 M3 Ultra 芯片的性能是 M2 Ultra 芯片的 1.5 倍，因此上面提到的 30% 的提升似乎应该接近 50%。 不过，苹果从未说过 M3 Ultra 芯片的性能与 M4 Max 芯片相比如何。 与往常一样，实际性能可能会有一些差异，但 Geekbench 6 等合成基准工具提供了一个有用的比较基准。如果 M3 Ultra 芯片的 Geekbench 6 测试结果有更高的性能分数，我们也不会感到意外。  [查看评论](https://m.cnbeta.com.tw/comment/1483810.htm)

 双点工作室最新力作《双点博物馆》发布全新中配宣传片，并介绍用声音刻画该作独特的风趣幽默、奇思妙想的豪华中文配音阵容。在全新宣传片中，由许棕哲老师（代表作：《漫威争锋》黑豹，《Apex 英雄》亡灵，《英雄联盟》 雷克顿）配音的现场记者“蒙蒂”将以新闻报道的形式介绍《双点博物馆》的魅力。 &lt;内嵌内容，请前往机核查看&gt; 由吴迪老师 （代表作：《人中之龙8》纱荣子，《生化危机8》人偶安吉、伊芙琳，《Apex 英雄》班加罗尔）配 音的馆内“公告系统”，以及由刘北辰老师（代表作：《人中之龙8》桐生一马，《全面战争：三国》 袁绍，《生化危机3 RE》卡洛斯）配音的电台主持人等角色声音也轮番亮相，倾情献声共同呈现双点系列粉丝最爱的“黑色幽默”。

唯有热爱，方能成就。2017年，**俄勒冈州的水手Sampson花费1美元，购入了一艘名叫“TALLY HO”的破烂帆船**。这艘帆船生产于1910年，已有一个多世纪的高龄，退役闲置几十年后整体已经状况非常糟糕，如今只需轻轻用力，就能徒手把甲板的木头掰断。 [](//img1.mydrivers.com/img/20250307/93ad6146-587c-45b5-9a86-ca67317a5f1d.png) [](//img1.mydrivers.com/img/20250307/1b361ecf-d063-49d7-a6c7-cf7ae6300443.png) 然而即便如此，Sampson也没有放弃，而是花费整整八年时间，对TALLY HO号进行了翻天复地的[大改造](http://t.cn/A6BvQXIL)。 他使用了更先进的工艺、更优质的金属部件、还有各种现代化设备，一点点改进，终于让这艘本该日薄西山的烂船重获生机。 [](//img1.mydrivers.com/img/20250307/78a821ee-baa6-414a-95a3-15097e8c17cb.png) [](//img1.mydrivers.com/img/20250307/2604840c-0918-4e31-a26c-dcabb47bea75.png) [](//img1.mydrivers.com/img/20250307/f861f916-64a0-47c3-bde9-cac313bc38e1.png) 就在上个月，水手历时8年，将TALLY HO号一切修整完成并进行了正式下水，而他的下一个目标，**将会是驾驶这艘船环游半个地球，并参加它在1927年就曾拿过冠军的大赛**。 [](//img1.mydrivers.com/img/20250307/6c628344-5370-4779-9bd3-be4aba90e5ca.png) [](//img1.mydrivers.com/img/20250307/c6e98079-aaf6-458c-9863-6f9885372979.png) 网友：整整8年时间就为了修复一艘烂船，光是这份执著的精神就足够令人佩服，更何况还有不菲的开支；**让一艘老船重获新生，真的蛮感动的，他做的事情很有意义**；相信只有亲身参与其中的人才明白这种幸福。 [查看评论](https://m.cnbeta.com.tw/comment/1483808.htm)

The Information发文称，**DeepSeek的人工智能模型正在中国本土市场以及西方持续产生影响。**中国大多数科技巨头，都将DeepSeek集成到自家产品中。中国的科技生态系统正将DeepSeek打造成一个类似于ChatGPT的重要品牌。 [](https://static.cnbetacdn.com/article/2025/0228/121a9495372489f.webp) 在美国，Meta正在悄悄评估，是否在产品中引入DeepSeek模型。至少，**DeepSeek给Meta旗舰模型的下一版本Llama 4带来了更大压力。** The Information表示，如果微软正在测试DeepSeek，以替代OpenAI的技术为Copilot聊天机器人功能提供支持，我们也不会感到意外。**微软从不掩饰其想要减少对OpenAI依赖的想法，随着它与ChatGPT开发商关系的演变，这类举措更显合理**。 The Information称，你很难找到没有试用过DeepSeek的AI大企业客户，即使他们对将其集成到面向客户的产品中，**持谨慎态度**。 为美国AI开发者提供服务器租赁服务的Compute Exchange首席执行官西梅翁・博切夫表示，DeepSeek的使用推动了**搭载英伟达H200芯片服务器的租赁业务**，仅在过去一周，相关价格就**上涨了20%至30%**。 早期投资**OpenAI的维诺德・科斯拉**在直播会议上表示：“模型创新，并非只有拥有价值数十亿美元数据中心的三四家公司才能做到。**让人们摆脱对巨额数据中心的依赖，去思考更多的可能性，这才是DeepSeek最大的贡献。**” 如今，AI应用开发者正在对DeepSeek模型进行蒸馏处理，使其规模更小，更适合特定的应用或行业。 据一位直接了解情况的人士透露，在为开发者提供服务器租赁服务的Together AI，大约四分之三的开发者对**DeepSeek R1**的使用，似乎都与蒸馏该模型的工作有关。 The Information认为，**如果DeepSeek和开源社区继续改进这些中国研发的模型，它们对消费者和企业的影响，才刚刚开始**。 [查看评论](https://m.cnbeta.com.tw/comment/1483806.htm)

JD revenue rose 13.4% year-over-year in Q4, returning to double-digit increase amidst rebounding consumption. The Chinese government&#39;s stimulus policies introduced since the second half of 2024 have driven a steady recovery in consumer confidence, said JD CEO.

 TV动画《小市民系列》第2季“秋季限定栗金饨事件”公开了新PV，该做将于4月5日开播。 &lt;内嵌内容，请前往机核查看&gt;  喜欢推理的高中生小鸠常悟朗和与有相似经历的同学小佐内由纪建立了搭档关系，面对日常的事件和谜团展开挑战。第2季将讲述原作《秋季限定栗金饨事件》和《冬季限定夹心巧克力事件》的故事。    本作的OP为Yorushika的《火星人》，ED为やなぎなぎ的《SugaRiddle》。本作的制作及声优阵容如下： STAFF 原作：米澤穂信（創元推理文庫 刊）監督：[神戸守](https://natalie.mu/comic/artist/122329)シリーズ構成：大野敏哉キャラクターデザイン：斎藤敦史サブキャラクターデザイン・総作画監督：具志堅眞由色彩設計：秋元由紀美術監督：伊藤聖（スタジオARA）美術設定：青木智由紀 イノセユキエ撮影監督：塩川智幸（T2studio）CGディレクター：越田祐史編集：松原理恵音楽：小畑貴裕音響監督 清水勝則 八木沼智彦音響効果：八十正太アニメーションプロデューサー：渡部正和ラインプロデューサー：荒尾匠アニメーション制作：ラパントラック CAST 小鳩常悟朗：梅田修一朗小佐内ゆき：羊宮妃那堂島健吾：古川慎瓜野高彦：上西哲平仲丸十希子：宮本侑芽氷谷優人：山下誠一郎

应该交给 AI 的，和不能被 AI 替代的 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 [爱范儿](https://www.ifanr.com) |[原文链接](https://www.ifanr.com/1615633) ·[查看评论](https://www.ifanr.com/1615633#comments) ·[新浪微博](https://weibo.com/ifanr)