根据麟评居住大数据研究院最新公布的100个城市的房价收入比数据，2024年全国100个城市的房价收入比分布继续“下沉”，已有7成以上城市低于10，只有5个城市的房价收入比维持在20以上的高位水平。 这5个城市分别为：一线城市中的深圳、北京、上海，以及三亚、厦门。 这100个城市的2024年房价收入比平均同比下降了9.7%，降至10.3。其中二线城市降幅最大，为10.8%。一线城市的房价收入比也在加速下降。 房价收入比指城市居民每户住房总价与家庭年总收入的比值，一般用来衡量买房的难易程度。 一般认为，我国在 7 倍左右可认为合理区间。  图源：麟评居住大数据研究院 麟评居住大数据研究院分析认为，虽然表面上看买房压力持续下降，但近两年房价收入比下降的原因已与2022年以前截然不同，近两年的下降原因则是房价持续下跌而非居民收入的显著提高，而2022年以前房价收入比下降系居民收入增速远远大于房价上涨速度。目前购房压力虽缓解但仍存在。  图源：麟评居住大数据研究院 分区域来看，海峡经济圈和珠三角、长三角经济圈位居前三，2024年房价收入比分别为15.6、14.1、11，这些经济圈是我国经济发展较为活跃的区域，集中了大量的高端产业和优质资源。 例如，长三角经济圈涵盖了上海、杭州、南京等核心城市，珠三角经济圈则有深圳、广州等一线城市，而海峡经济圈以厦门、福州等重点二线城市为代表，相对旺盛的购房需求推高了这些城市的房价水平，同时居民收入平稳增长无法快速弥补差距，以致购房压力较大。东北、西南、西北城市的房价收入比在7—8之间，居民购房压力相较小于其他经济圈。  图源：麟评居住大数据研究院

More importantly, DeepSeek has open sourced a world-class reasoning AI model, Jensen Huang said. He sees future reasoning models consume much more compute, stating "we're at the beginning of reasoning AI and inference time scaling.”

魏家凉皮狂推副牌，要做“餐饮界小米”。

在AI PC 2.0战略中，荣耀试图用AI重构荣耀笔记本，打造AI内核驱动的智能硬件、AI智能体赋能的人机交互和AI服务流转的跨端生态。

<blockquote><p>在AI技术蓬勃发展的浪潮中，无数创业者和公司怀揣着改变世界的梦想投身其中。然而，市场的残酷和现实的挑战让许多曾经备受瞩目的AI公司倒在了黎明前夜。本文回顾了那些在AI浪潮中崛起又陨落的公司，分析它们的失败背后隐藏着怎样的教训？而这些教训又将如何照亮AI行业的未来？</p> </blockquote>  我相信大家都能感觉到，现在已经是AI爆发的时代。大厂和创业公司每天都有大量关于AI的新动向，我们追赶的速度永远跟不上市场更新的速度。整个市场紧张且兴奋。 这股浪潮下，大家关注的对象往往在明星公司身上。然而回首望去，AI已经发展了几十年，很多公司没有等到黎明的到来，但并不意味着它们的存在没有意义。 根据钛媒体AGI统计，从2022年11月ChatGPT发布到2024年7月，国内已经有8万家AI相关公司消失。很多初创企业直到服务器停机的前夜仍在追问：我们究竟是被泡沫吞噬，还是为未来殉道？ 此刻站在算力洪流奔涌的岸边，那些消逝的代码与理想在数据湖底闪烁微光。当所有媒体都在跟进AI行业新动向的时候，我想用一篇文章缅怀那些倒在黎明前夜的AI公司。它们曾经是上一轮AI浪潮里的明星，又在AI黎明前走向倒闭、卖身、创始人跑路的悲怆结局。 当世界为DeepSeek欢呼时，很少有人注意到那些在黎明前熄灭的星火。当我们从未来的某个时间点回头看，它们的倒下又意味着什么？ ## 01 波形智能：95后带队曾获千万融资，被卖后创始人入职OPPO 姜昱辰本科毕业于浙江大学竺可桢学院，后在瑞士苏黎世联邦理工大学攻读人工智能博士。师从自然语言生成领域专家Ryan Cotterell，曾在微软亚洲研究院参与大语言模型研发。2023年大语言模型不断涌现，ChatGPT、Sora等生成式AI席卷全球。1998年出生的姜昱辰意识到，AI发展的契机已经到了。同年姜昱辰放弃在瑞士的高薪工作，毅然回到杭州创立了名为“波形智能”的AI公司。 公司成立不到两个月，波形智能就完成了上百万的种子轮融资，随后和浙大团队联合推出中文创作大模型Weaver，这在当时是不小的突破。Weaver大模型推出不久，基于Weaver的小说写作产品“蛙蛙写作”正式发布，在网文圈引起热烈反响。  图：蛙蛙写作官网 2024年1月，波形智能完成了千万级Pre-A轮融资，这是属于波形智能的高光时刻。半年后“蛙蛙写作2.0”发布，该版本实现了全链路内容创作，创作范围覆盖小说、剧本、视频等多个领域。应用上线一年注册用户超30万，生成近200亿字的文本。 然而就在几个月后，创始人姜昱辰突然将社媒账号签名更新为“now at OPPO”，坊间关于波形智能解散、卖身OPPO的消息流出。随后，波形智能确认被收购，并表示“产品和公司仍在正常运营，均不受影响”。OPPO收购波形智能后，姜昱辰及核心团队成员几乎均入职OPPO。 去年全球范围内大量大模型创业公司面临相同窘境，“AI闭店潮”下，能够被大厂收购已经是不错的出路。 ## 02 Afiniti：“老牌”明星AI公司，创立18年死于不赚钱 2024年11月，创立18年的老牌AI独角兽Afiniti宣布破产。 Afiniti的创始人Zia Chishti曾是一位少年成名的企业家，1997年创立了Align，这家公司发明了世界上第一款隐形牙套“隐适美”。直到今天，Align仍然是隐形牙套界TOP级的存在。2006年，Zia Chishti在清仓了Align的全部股份后开始了二次创业，创立了人工智能公司Afiniti。 Afiniti的主要业务，是根据算法为打客服电话的用户匹配合适的客服人员。这一模式在电信、金融等重客服行业迅速铺开，曾受到资本的热烈追捧。公司2017年完成D轮融资，年估值突破130亿人民币。当时所有人都在推测，Afiniti可能成为美国第一家上市的人工智能软件公司。  图：2017年国内媒体对Afiniti的报道 Afiniti之后的坍塌让所有人感到震惊，又完美契合了新老交替的第一个沉重音符。 Afiniti看起来客户很多但并不赚钱，即使融资到E轮仍然处于亏损状态，资金链非常脆弱。直到2021年，前员工指控创始人Zia Chishti性侵及职场霸凌，Zia Chishti因此辞职，Afiniti的催命符又多一道。 创始人丑闻使Afiniti的处境雪上加霜，但更严重的危机还在后面。Afiniti的算法本质是静态规则引擎，在深度学习时代已是“老古董”。ChatGPT使客户对人工智能的兴趣几乎一夜之间就转向了生成式人工智能。 ChatGPT之后，一批老AI集体倒下；DeepSeek热潮后，倒下的又会是谁？ ## 03 鹰眼智慧中医：中医数字化先锋，从港股收购到一夜崩塌 这家以“红外热成像+AI算法”为核心技术的公司，试图用科技破解中医“千人千方”的个性化难题，却最终一夜崩塌。 鹰眼智慧中医成立于2019年，基于中科院刘忠齐教授、北京中医药大学李洪娟教授等科研团队的理论基础，打造出了“中医红外热成像+AI多参算法”技术。董事长向军曾踌躇满志：“中医的精髓是个性化辨证论治，我们的技术能实现‘千人千方’的突破。” 公司拥有一系列颇具特色的产品，比如鹰眼8号智能舱体机、鹰眼4号智能机器人、鹰眼中药配方颗粒调剂设备等等，结合“检诊疗评管”一体化系统，试图将中医“望闻问切”数字化。根据网络上的公开信息，鹰眼智慧中医的产品曾广泛应用于800多家医疗机构、百余家大型企业，积累了庞大的数据资源。2023年底，港股上市公司江山控股收购鹰眼智慧中医69.45%股权，试图借其技术布局大健康产业。 虽然背靠上市公司，鹰眼智慧中医还是迎来了资金链断裂的老套剧情。2024年12月，公司战略管理部总经理吕继有突然在企业微信发布解散通知：“全体员工解聘，公司停止运营。”没有预兆，没有缓冲，连被收购的价值都已消失殆尽。此时距离ChatGPT掀起全球AI狂潮，不过一年光景。  图：网上流传的鹰眼智慧中医解散通知 “机器替代中医”的乌托邦，最终将成为了时代的昂贵注脚。 ## 04 华夏芯：自主架构追光者，破产清算后技术资产被拍卖 2014年，华夏芯（北京）通用处理器技术有限公司成立。彼时，国内芯片行业仍依赖Intel、ARM等海外巨头，而华夏芯的目标是“全自主”：从指令集、微架构到工具链，全部自主研发。 华夏芯的突破来得很快。2017年，公司发布了中国首款 64 位高、端嵌入式 CPU/DSP 统一处理器 IP 核，填补了国内空白，某种程度上打破了国外垄断。2018年，华夏芯获得国民技术1.4亿元战略投资，后者以21.37%的持股成为第二大股东。 2020年，华夏芯迎来高光时刻，斩获2020年度中国IC设计成就奖之五大中国创新IC设计公司、2020硬核中国芯最具潜力IC设计企业奖等，技术实力得到行业认可。2021年已经构建了由100多项全球专利组成的知识产权体系，弥补了中国国产异构晶片领域的空白。 没有稳健经营，即使技术领先也会走到末路。2024年4月，华夏芯因资金链断裂，公司被申请破产清算。15项软件著作权、14项专利以1万多元的起拍价挂上京东拍卖。  图：有关华夏芯破产清算一案的公告 当2025年全球AI芯片市场迎来爆发，华夏芯的遗产——那些曾承载“让AI更普及”使命的专利，已散落在未知买家的手中。它像一簇未触达黎明便熄灭的火苗，提醒后来者：芯片长征路上，活下来比技术情怀更残酷。 ## 05 Stability AI：开源神话难抵变现寒冬，创始人跑路核心团队瓦解 2022年10月，AI文生图模型Stable Diffusion的幕后开发公司Stability AI宣布获得1.01亿美元融资，市值飙升到10亿美元。凭借开源模型Stable Diffusion掀起的图像生成革命，市场上催生出大量AI作图工具，AI作图如野火燎原。  图：Stability Al官网 但技术理想主义与商业现实的撕裂很快显现。尽管Stable Diffusion广受关注，但开源模式下，个人用户更倾向于使用免费社区版本或第三方封装工具，Stability AI的收入模式并不理想。 随着微软、Adobe等巨头入场，AI绘图赛道陷入价格绞杀战。此时Stability AI已烧完三轮融资，却未能跑通订阅制、API调用等变现路径，现金流及其紧张。 2024年3月，创始人Emad Mostaque宣布辞去CEO职务，此前Stable Diffusion的核心研究团队已经集体辞职，公司处于卖身边缘。几个月后Stability AI再次获得融资，在失去核心人才后，在被卖边缘艰难地活了下来。 然而它的经历仍然提醒着后来者：在AI军备竞赛中，技术理想主义必须嫁接商业现实主义。 ## 06 光年之外：美团二把手豪掷5000万美元，四个月后“托孤”王兴 王慧文，美团联合创始人，与王兴并肩打下外卖江山的关键人物。2023年2月，ChatGPT的全球爆火让他嗅到了AI革命的信号。这位互联网老将毅然宣布“带资5000万美元入场”，创立光年之外，剑指中国版OpenAI。 光年之外的诞生自带光环：王慧文自掏腰包5000万美元，公司初始估值2亿美元，75%股份预留给顶尖人才。很快，团队便集结了“搜狗输入法之父”马占凯、北京智源人工智能研究院副院长刘江等大牛，迅速搭建起70人精锐团队。美团创始人王兴以个人身份参与光年之外A轮融资，并出任董事，A轮融资超过2亿美元。 2023年6月，王慧文因病住院，光年之外瞬间失去灵魂人物。随后，美团宣布以20.65亿元全资收购光年之外，王慧文以1元对价转让股权，A轮投资人“平价退出”，其个人5000万美元投入化为沉没成本。这场收购被外界解读为“兄弟救急”——王兴接手的不仅是技术资产，更是一份江湖情谊。 当美团们以“救场者”姿态入场时，创业者或许该深思：你的护城河，究竟是技术信仰，还是巨头的收购清单？目前，王慧文已回归AI业务一线，在美团带队探索AI应用。  图：王慧文所在美团AI团队的情感陪伴产品 ## 07 Character.AI：曾被视为OpenAI对手，创始人携部分员工卖身谷歌 2021年，谷歌员工Noam Shazeer和Daniel De Freitas由于不满谷歌官僚作风，离开老东家。2022年二人创立Character.AI，分别担任CEO和总裁。Character.AI是一款角色扮演应用，用户可以创建自己的AI角色，也可以和其他AI角色聊天。 Character.AI的发展非常顺利，短时间就获得了多个天使投资人和机构的投资，晋升“AI独角兽”。2023年3月，Character.AI宣布完成1.5亿美元融资，估值飙升至10亿美元。 接下来的剧情就比较抓马了。2024年8月，Character.AI的CEO Naom Shazeer和总裁Daniel De Freitas携手跑路，带着负责模型训练和语音AI的30名员工“卖身”谷歌。“叛逃员工”重返老东家，Character.AI余下的100名员工风中凌乱。不过谷歌放话，会为Character.AI提供更多资金，帮助其继续成长。 当通用大模型进化速度超过垂类迭代能力，卖身巨头几乎是唯一出路。Adept、Inflection AI等初创公司均没有逃过被大厂“收编”的宿命。曾经在互联网时代上演的“创业独角兽集体卖身”戏码，如今又登上了AI舞台，节奏甚至更快。 ## 08 结语 历史的剧本总是很相似：每次技术革命爆发前夜，总有一批先驱在黎明前殉道。 回看这些倒下的名字，它们的死亡证明上写着不同的病因。但商业世界的残酷之处在于，先驱者的墓碑往往成为后来者的路标。当我们惊叹DeepSeek的对话深度时，不该忘记Character.AI验证了人格化AI的可行性；当英伟达市值冲破三万亿，华夏芯的教训正在警醒新一代芯片创业者。 2025年的某个深夜，或许某位工程师会从光年之外的开源代码里扒出几行有效指令，某个投资人在复盘Adept的“尸检报告时”，顿悟了硬科技的生存法则。这些散落在AI进化链上的“失败基因”，终将以另一种形式重组重生。 谨以此文，献给所有在技术深水区摸索的探险者。 作者：关珊月 编辑：郑晶敏 本文由人人都是产品经理作者【进击的沈帅波】，微信公众号：【进击波财经】，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。

短剧创作者如何挖掘增量机会？

「盲人摸象」式入华首秀。 #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/1615724) ·[查看评论](https://www.ifanr.com/1615724#comments) ·[新浪微博](https://weibo.com/ifanr)

山姆和胖东来最大的相同点，那就是自身是一个足够强势的零售品牌。

<blockquote><p>在当今信息爆炸的时代，如何确保重要信息能够被快速关注和传播？“置顶”功能成为了许多社交和信息平台的关键利器。那么，置顶功能具体有哪些应用场景和注意事项呢？这篇文章，我们来看看作者的分析。</p> </blockquote>  置顶功能，通过调整内容的展示顺序，将其置于最顶部，让用户更方便地看到特定信息。从应用场景看可以分为两种：置顶后给别人看和置顶后给自己看。 ## 一、置顶后给别人看 给别人看的目的也可分为两种：一是营销自己，向外展示，增加自身（内容）吸引力。另一个则是为别人，认为内容对别人有用，希望别人快速找到。 ### 1. 营销自己，向外展示 小红书的置顶笔记、抖音的置顶内容、微信置顶朋友圈，这些功能都是为了让用户能将自己的优质内容优先展示在个人资料页。小红书和抖音更多是为了吸引用户关注，而微信则是为了展示自我，便于人与人之间更快地打开关系。 此外，还有一类产品通过付费推广，将用户内容置顶于平台内，带来更多浏览，这也是营销自己的一种方式。  ### 2. 为他人提供有用信息 小红书除了可以置顶笔记，还可以置顶评论，这是抖音没有的功能。根据小红书商业化团队的发布报告显示，88%的搜索行为为用户主动发起，其用户更注重内容实用性。所以，博主可以将有用评论置顶，方便其他用户在浏览笔记时，快速查看有用评论。比如，穿搭博主晒了照片后，很多用户在评论区要链接，博主就可以将自己回复内容置顶，方便其他用户查看。 小宇宙、知乎、知识星球等产品都有此功能，此类产品更注重信息传递的实用性价值。例如，小宇宙中，如果主播在聊天中说错了信息，就可在评论区发布正确内容进行置顶，方便其他用户在浏览时能第一时间发现此信息。  X 作为一款社交平台，重于信息的情绪消费。但在查看 X 的时候发现，它可以将评论内容置顶，我开始还有些奇怪。使用后，才发现，置顶的评论并不是在评论区被置顶，而是会置顶咋在个人主页的信息中，依然是属于营销自己的范畴。 ### 3. 数量限制 由于是给别人看，过度置顶可能导致信息过载、影响观看者的感受。小红书、知识星球、知乎、小宇宙，对于对他人有用的信息内容，限制最多置顶 1 条。 可如果想要给别人看的信息就是多条呢？首先，置顶代表了信息的稀缺性，当置顶滥用后，如何对其他人强调信息的稀缺程度？所以，即要保证信息的重要程度，还想要置顶多条时，我觉得飞书的做法就很合适。在聊天对话框内，可以对单条信息进行置顶，但可以对多条信息进行 PIN。置顶信息将存在于聊天框顶部，比如领导希望大家每周五汇报工作进度，若不口头提醒，大家就会忘记。就可以将“每周五要汇报工作进度”的信息置顶在聊天框内。PIN 的信息呈现就会相比置顶弱一级，在界面中，PIN 以一个入口的形式存在，点击后是 PIN 过的信息列表。 对于营销自己，向外展示的内容，小红书最多展示 2 条=一排笔记，抖音最多展示 3 条=一排内容。微信试了十来条，貌似没有做数量限制，但从页面布局中做了限制，最多展示 1 行，更多进入详情页查看。 ### 4. 置顶作为通知 在微信群聊中，也可以对消息进行置顶，置顶后，群聊中的所有人可见。那么这里的置顶，和小红书把个人笔记置顶的区别在哪里呢？——通知。 在微信群消息中，置顶消息是以通知的形式出现。置顶人希望这条信息被群里的所有人关注到，所以，置顶消息后，微信会发送一条系统提示信息“XX 置顶了一条消息”。飞书中群消息置顶也是如此。 那么此时置顶前的提示就非常重要，否则就是一次社死经历。（不要问我怎么知道的） 微信会在用户进行置顶前提示功能信息，并让用户进行二次确认。而飞书在点击「置顶」按钮后，消息就已经发出…  ## 二、置顶后给自己看 这类功能主要用于方便自己快捷查看，工具类产品居多。比如微信消息列表、飞书聊天信息、等等。用户将常用或重要的内容置顶，能快速定位，提高工作效率。 **专栏作家** 阿青，公众号：阿青碎碎念，人人都是产品经理专栏作家。B端UX设计师。 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。

按时整活！DeepSeek开源周第四天，直接痛快“**1日3连发**”，且全都围绕一个主题：**优化并行策略**。  **DualPipe：**一种创新的双向流水线并行算法，能够完全重叠前向和后向计算-通信阶段，并减少“流水线气泡”。它通过对称的微批次调度，优化了并行计算效率。 **Expert Parallelism Load Balancer**(EPLB)：用于MoE的负载均衡算法，通过复制高负载专家并智能地分配专家到不同GPU上，确保计算资源的均衡利用。它包含两种政策：层次化负载均衡和全局负载均衡。 **Profiling Data：**训练和推理框架的性能分析数据，展示了通信-计算重叠策略和底层实现细节。  这三者中，DualPipe从时间上优化了计算与通信的调度，EPLB从空间上平衡利用计算资源，Profiling Data则提供了前两者在实际应用中效果的可视化证据。 且**DualPipe的开发团队中包括梁文锋本人**。  发布后10分钟不到，3者在GitHub上的星标已经破300了，且其中DualPipe的星标飙升最快。 而DeepSeek一发推，网友的留言也排山倒海一般扑面而来，几乎都是不吝溢美之词： 好活！令人兴奋！ 优化策略可以重新定义行业的性能。  Day 4，直接1日3连发 DualPipe **DualPipe是在DeepSeek-V3中首次出现双向流水线并行算法，现在代码完全开源。** 它实现了前向与后向计算-通信阶段的完全重叠，还减少了流水线气泡（即某些设备在某些时刻空闲等待）。 DualPipe采用了双向微批次调度策略，其核心特点是： **对称设计**：反向方向的微批次与前向方向对称排列，形成一种几何平衡的调度结构 **计算-通信重叠**：两个共享黑色边框的单元格表示相互重叠的计算和通信过程 **双向并行**：同时在两个方向上推进微批次，最大化硬件利用率  传统流水线并行方法如1F1B（one-forward-one-backward）在处理多GPU场景时会产生大量气泡。 DualPipe通过重新安排微批次执行顺序，和对称结构缓解这个问题。  EPLB **EPLB适用于V3/R1的专家并行负载均衡器，解决MoE模型在分布式训练和推理中的负载不平衡问题。** 在MoE架构中，不同的输入会激活不同的专家，可能导致某些专家过载，进一步造成不同GPU的利用率不平衡。 EPLB**采用“redundant experts”**（冗余专家）**策略**： 识别高负载专家→复制多个副本分配到不同GPU→在推理时动态分配输入到负载较轻的专家副本。 并带有两种普通的策略： **分层负载平衡**，专家并行较小的预填充阶段使用。 **全局负载平衡**，在专家并行规模较大的解码阶段采用。  V3/R1中的计算通信重叠分析数据 开源第四弹的part 3，DeepSeek**公开分享了来自训练和推理框架的分析数据，以帮助社区更好地了解通信计算重叠策略和低级实现细节**。 GitHub上注明，分析数据是使用PyTorch Profiler捕获的。 下载后，开发者可以通过导航到Chrome浏览器中的chrome://tracing（或Edge浏览器中的edge://tracing）将它进行可视化。 Attention please——DeepSeek模拟了一个绝对平衡的MoE路由策略进行分析。 **首先，训练阶段。** 训练配置文件数据演示了DeepSeek在DualPipe中，对一对单独的向前和向后数据块的重叠策略。 每个数据块包含4个MoE 层。 并行配置与DeepSeek-V3预训练设置一致EP64、TP1具有4K序列长度。 为简单起见，在profilng期间不包括PP通信。  **其次，推理阶段。** **1）预填充。** **对于预填充，配置文件使用EP32和TP1**（与DeepSeek V3/R1的实际在线部署一致）**，提示长度设置为4K，每个GPU的批量大小为16Ktokens。** 在预填充阶段，DeepSeek利用两个微批次来重叠计算和多对多通信，同时确保注意力计算负载在两个微批次之间平衡 ——这意味着相同的提示可以在它们之间分配。 **2）解码。** （注：相关数据尚未准备就绪，将于稍后发布） **解码方面，该配置文件采用了EP128、TP1和4K的提示长度**（与实际在线部署配置非常匹配）**，每个GPU的批量大小为128个请求。** 与预填充类似，解码还利用两个微批处理进行重叠计算和多对多通信。 但与预填充不同的是，解码期间的all-to-all通信不会占用GPU SM： 发出RDMA消息后，所有GPU SM都会被释放，系统在计算完成后等待all-to-all通信完成。 有关all-to-all实现的更多信息，请参考开源周第二弹DeepEP。  One More Thing **“大放异彩！”** 对于第四弹的开源内容，网友是这么感慨的。  目前看来，DeepSeek开源周的前4天，都挺令追更群众们满意。 尤其是这次开源周全部瞄准大模型的Infra层。 追更看客们表示： 更好的团队合作不仅是团队管理优化的一部分，更是实现顶级AI性能的秘诀。 **DeepSeek正在创建新的标准，大规模训练的未来就在咱们眼前！**  好了，DeepSeek开源周，明天就是最后一天了，不知道会有什么压轴登场？ 参考链接： https://x.com/deepseek_ai/status/1894931931554558199 Github： [1]https://github.com/deepseek-ai/DualPipe [2]https://github.com/deepseek-ai/eplb [3]https://github.com/deepseek-ai/profile-data [查看评论](https://m.cnbeta.com.tw/comment/1481922.htm)

美国德克萨斯州的麻疹疫情正日益严峻。该州卫生官员周三（2月26日）宣布，一名未接种疫苗的“学龄儿童”因感染麻疹在一家儿童医院死亡。这是自2015年以来美国首例麻疹死亡病例。 [](https://static.cnbetacdn.com/article/2024/0628/2b324fb59fb4cc8.jpg) 美国本轮麻疹疫情爆发于大约四周之前，当时得克萨斯州休斯敦卫生部门确认了两例与国际旅行相关的麻疹病例。目前，起始于得克萨斯州的麻疹疫情已蔓延至邻近的新墨西哥州，总共有超130人感染。 据德克萨斯州卫生服务部称，该地区目前确诊的麻疹病例超过120例，大多数是5至17岁的儿童，且大多数都没有接种疫苗。该州官员表示，已有18名感染者入院治疗。 德克萨斯州卫生官员还表示，周二在新墨西哥州东部，靠近德克萨斯州边界的地方又报告了9例病例，疫情已经蔓延至大约10个县。 麻疹是一种传染性极强的呼吸道病毒，可在空气中存活长达两小时。麻疹症状通常在接触病毒一两周后开始，包括高烧、咳嗽、流鼻涕、红眼、流泪等。麻疹可引起严重的健康并发症，对5岁以下儿童的危害尤为严重。 根据美国疾病控制与预防中心（CDC）的数据，美国麻疹的死亡率为每1000例报告病例中有1至3例死亡。美国上一次出现麻疹死亡病例是在2015年。 预防麻疹的最佳方法是接种两剂针对麻疹病毒的疫苗，也就是麻疹、腮腺炎、风疹三联疫苗（MMR疫苗）。美国卫生部门建议儿童在12至15个月大时接种第一剂MMR疫苗，在4至6岁时接种第二剂。 新墨西哥州卫生部门警告称，“由于麻疹的传染性很强，可能会报告更多病例。” 德克萨斯州韦科市贝勒大学疫苗开发中心主任彼得·霍特兹博士将本轮麻疹疫情爆发归咎于激进的反疫苗运动，并指出，疫情“将在一段时间内加速” 。 值得注意的是，当被问及麻疹疫情时，美国卫生与公众服务部部长小罗伯特·F·肯尼迪周三轻描淡写地表示，疫情每年都会发生。 肯尼迪长期以来一直对疫苗持批评态度，他认为很少有疫苗是安全的。他一再将儿童疫苗与自闭症发病率上升联系起来，并拒绝承认相反的证据。 [查看评论](https://m.cnbeta.com.tw/comment/1481918.htm)

在一个星期前，NVIDIA开启了“验证优先购买权（Verified Priority Access）”计划，旨在帮助真正的游戏玩家以原价购买到RTX 5090和RTX 5080 FE显卡。根据网友反馈，**首批邀请码已开始发放，部分用户已经确认收到了NVIDIA的邀请邮件，邮件中包含了购买RTX 5090或RTX 5080 FE的链接。** 用户需使用注册时的NVIDIA账户登录NVIDIA Marketplace进行购买，RTX 5090和RTX 5080 FE的官方售价分别为1999美元和999美元。 **根据计划，申请者需要满足以下条件：必须拥有2025年1月30日之前注册的NVIDIA账户，并通过在线表格申请购买资格。** NVIDIA可能会分析申请者的使用数据，如游戏时长和驱动更新频率等，以判断其是否为真正的游戏玩家，从而决定是否授予购买资格。 此次计划的邀请并非按申请顺序发放，而是随机分配，即使用户在计划公布后立即申请，也可能在后续批次中收到邀请。  [查看评论](https://m.cnbeta.com.tw/comment/1481914.htm)

比特币市场似乎进入了熊市，交易员们正在快速撤离该市场，反映出恐慌情绪的强烈。截至发稿，比特币价格跌至84570美元，24小时内跌幅达到约4%，距离1月的价格高点则下跌了22.85%。根据CoinGlass的数据，比特币三天内价格下跌了超12000美元，导致超10亿美元的杠杆多头仓位蒸发。  此次抛售与美国总统特朗普的关税威胁有关，周三，特朗普宣布将对欧盟征收25%的关税，市场因此动荡不安。美股市场在英伟达超预期财报推动下，周三收盘却只能持平，黄金市场则在两天内下跌2.2%，更多投资者涌入美国长债寻求安慰。 交易员们担心，由于全球关税冲突和美国对海外的科技出口限制，很多公司将陷入困境，从而打消市场因人工智能发展而建立起的看多热情。 而相较于更加传统的避险资产黄金，比特币的波动性可能比避险属性更深入人心，在当前的交易阶段更容易变成抛售的测试市场。 据SoSoValue平台的数据显示，2月25日，美国比特币ETF累计净流出11.4亿美元，创下历史纪录。过去六天，比特币ETF连续净流出资金，总规模已经达到22.4亿美元，这也是自去年6月以来的最长资金流出时间纪录。 渣打银行数字资产研究全球主管Geoff Kendrick担忧道，尽管过去12个月出现了机构资金流动，但数字资产仍然主要由散户资金驱动。而普通投资者的资金实力较弱，或者说没有足够的资金来弥补损失。 他进一步警告，此类损失通常会非常大，且不会有改善的可能。他还认为，之后将出现更大规模的下跌。 [查看评论](https://m.cnbeta.com.tw/comment/1481912.htm)

有关苹果即将于 2025 年 9 月推出 iPhone 17 系列的传言愈演愈烈。 这一次，传言不是关于有争议的相机模组造型更新，而是关于内置内存。分析师 Jeff Pu 再次透露，他预计两款 [iPhone 17 Pro](https://appleinsider.com/inside/iphone-17) 机型都将配备 12GB RAM，但更可靠的消息来源却并非如此。  根据9to5Mac看到的一份分析师说明，Jeff Pu 认为 iPhone 17 Pro 和 iPhone 17 Pro Max 都将配备 12GB RAM。 这样的升级将有助于这些设备独享更强大的人工智能功能。 &#34;同时，iPhone 17 Pro 和 Pro Max 预计将迁移到 LPDDR5 12GB，&#34;Pu 在说明中说。&#34;仅这一转变就将促使智能手机 DRAM 内容年同比增长 3.5%，预计将有 1 亿部新 iPhone 上市。&#34; Pu曾在 2024 年 5 月说过同样的话。 只不过当时只有他一个人这么说。 2024 年 8 月，天风国际证券分析师郭明錤透露，只有 iPhone 17 Pro Max 将配备 12GB RAM 和热管冷却系统。 其他 iPhone 17 机型将配备 8GB 内存。 从郭的历史来看，他可能是对的，不过他与Pu至少对 iPhone 17 Pro Max 的看法是一致的，而且苹果有可能在两款 Pro 机型中使用相同数量的内存。 Jeff Pu 分享了许多有关 iPhone 17 产品线的细节。 其中一些是已经泄露的信息，另一些则是第一手信息。 - iPhone 17 纤薄版采用钛金属，iPhone 17 Pro 采用铝金属 - iPhone 17 纤薄版将配备 6.6 英寸显示屏 - iPhone 17 纤薄版厚度将为 6 毫米 - iPhone 17 机型将全系配备 2400 万像素自拍摄像头 Pu 时不时会获得一些行业内部信息，但他利用这些信息做出准确预测的记录并不稳定。 [查看评论](https://m.cnbeta.com.tw/comment/1481904.htm)

<blockquote><p>本文通过一个真实的运营案例，展示了如何在短短30天内，将一个没有价格优势的洗护产品做到月销50万元的惊人成绩，供大家参考。</p> </blockquote>  这几天在复盘前段时间做的一些项目，怎么说呢？拼多多确实简单，我们接的店铺里面起店成功率还是可以的，但唯一的遗憾是没有做到100%起店。 总有那么几家店，无论付出怎样的努力和心血，就是烂泥扶不上墙，没办法，这可能就是生活吧，如果任何一个品在我这里都能玩活的话，那我就不是人，而是神了。 闲话少说，这次我以其中一个品的实操案例为大家唠唠我们是如何起店的，当然，为了保护甲方爸爸的敏感信息，以下的数据会做脱敏处理，也就是大家看思路即可，数据这块呢？真真假假，各位自己来甄别咯。 ## 01 项目介绍 这是一个怎样的项目呢？是一个洗护的知名牌子，当对方找到我给我发了产品图片时，我就知道，他们肯定不是品牌方。 因为这是个国外的牌子，品牌实力雄厚，对方要么是总代，要么就是区域代理。果不其然，对方总代都不是，而是区域代理，透露的信息就是他们的品没有价格优势。 ## 02 市场分析 咱们拿到品就直接开干了吗？当然不是的，甲方爸爸告诉我们他们准备要推的品之后，我们还要去看看市场，先看看这个东西有没有搞头，别一分析，竞品卖的最好的一天就10单的品，你说甲方让我们一天干到1000单，那就有点脱离实际了。 还好，这个品竞品最高的一天有200单，客单50左右，市场空间还可以，那就可以干。 ## 03 定价策略 当我们确定了产品量级和甲方的需求后，我们内部便开始了烧脑讨论，这个品甲方的成本在40左右，我们要按照竞品的价格去打，就10块钱空间，未必能起量，但也可以一试。 或者我们直接拉到69去打，30块钱的开车空间，或许更符合拼多多目前的调性，强付费嘛。 ## 04 前期准备 成本、卖价确定好之后，甲方的店铺也下来了，那就准备素材咯，做电商就是卖图片，咱们走的是高价，素材质量这块一定要过关，不能比卖50块钱的低。 还好甲方比较配合，提供了不少产品素材过来，主图详情都很齐全，这也正常，人家好歹是国际大牌，推了那么久了，素材很多都是现成的。 但我们玩的是高价，除了副轮播和详情可以借用之外，前三张主图还是要自己做的，做成什么样呢？这就是电商人的终极难题了，后面链接能不能爆就看这个主图了。 我们调研了一圈洗护类的，不管是同行同款，还是竞品非同款，高价低价的分析了一圈，觉得不能向低价马扁看齐，那个做不出来价，要是19.9两瓶那还行。咱们可是69.9一瓶哇。 最后出了一系列很有逼格调性的图，别看图有逼格，但是设计的一点不复杂，真的是越简单的东西，往往越高端。 ## 05 开车 素材好了，直接开干，拼多多就是好，没那么多花里胡哨的，我们69.9上架后，直接利润的一半去拉，别看我们开车不亏钱，但是我们出价在同行中那也是相当高的。 你想竞品利润才10元，我们车费就干到了30元，料定系统会推荐我们的品，意料之中，单链接当天直接跑完了一阶段。更加意料之中的，链接进入二阶段就断流了。 像我们这种见惯不怪的早就习以为常了，二阶段断流是啥原因，本质上就是链接转化跟不上。一阶段跑的快告诉我们一个信息，这个品人群已经很成熟了，我们要做的就是做出比竞品更加细致的详情页面来。 怎么做呢？我们进一步分析了用户，这个洗护产品打的用户其实也有多个诉求的，有的用户看重的是A功能，有的用户看重的是B功能（甲方不让写具体的）。 既然这样，那我们就玩细分化链接，针对A功能做A链接，针对B功能做B链接，说干就干，我们是咋干的，继续作图，但是思路变了，针对A功能的，我们翻遍了拼多多打A功能的竞品链接，总结出了一句攻心文案。 其实就是一句话，这句话说对了，转化提升5%，说错了，他就是断流，至于这句话是什么？每个类目每个品都不一样，这要各位用敏锐的小眼睛去挖掘了。 我们是主图讲A功能，标题讲A功能，SKU讲A功能，更要命的是我们的评价文案，也都换成了夸A功能好的，这样一波操作下去，我自己看了都想买了。新链接上架之后，为了强入池，我们大手笔2投产去开托管，硬拉人群。拉到人群之后，切到稳定成本里面去慢慢放大。 ## 06 放大 大家可能有个误区，觉得链接放大是不是必须要有什么黑科技或者狠活之类的，实话说，我也不知道，反正我们没有。链接能不能放大，本质上是链接质量决定的，没有黑科技，也可能是我们做的这个品属性决定的，玩不了骚操作。 链接放大我们的要求只有一点，链接的转化竞争力必须优化到7级以上，不然很难放大。当我们前期工作做到位了，在稳定成本里跑过一阶段，即使二阶段断流，但是一天后，又起来了，期间我们没有做任何操作，就是靠链接的强力内功，自己拉起来的。 在跑的过程中，我们发现靠单链接去冲销量，还是有点困难，想要更高的销售额，必须提高单量或者客单价。 我们就围绕着2块去发力，因为甲方的SKU多，我们变着花样去玩，一个品一条链接，两个品一条链接，多个品一条链接，随便组合一条链接，这样裂变式的组合，单店稳定出单的链接数有30多条了，当然出单扛把子还是那条多个品组合的一条链接。 后续我们在提升客单价这块又想了一些办法，也是结合了这个类目的特点，买家喜欢囤货，那就直接主推多支的SKU，之前客单60的单品链接，我们组合装链接客单可以去到100块钱，就这样稳扎稳打，我们30天后的日销做到了2万+。 不过呢，当时销量上去了，利润并没有多少，后续又持续了一段时间的托价，最终整体结果是：甲方爸爸喜获现金牛店铺，我们又成功起了一家店。 ## 07 最后 魔鬼的魅力在于细节，起店也是如此。如果甲方是厂家或者品牌方，这个店铺起店难度至少降低一倍，不过谁让咱们是做拼多多的呢，只要甲方有起量的需求，咱们硬着头皮也要上。 结论就是条条大路通罗马，总有一个方法适合你现在的店铺（除了真辣鸡品）。 本文由人人都是产品经理作者【老虎讲运营】，微信公众号：【老虎讲运营】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

昨天，特斯拉中国官方发布 2024.45.32.12 软件更新，该更新的主要内容为：①城市道路 Autopilot 自动辅助驾驶；②驾驶室摄像头；③地图包版本更新：CN-2025.8-15218更新的具体详情如下图：  与此同时，知危在网络上获得了一张内部邮件图：  **经知危编辑部多方确认，此内部邮件为真。通过内部邮件的口径，我们可以确定本次更新为 “ FSD 智能辅助驾驶的部分功能 ” ，但还不是 FSD 的完全体。** 本次更新有几个要点，首先是仅有搭载了 HW4.0 硬件并且花费 64000 元购买了 FSD 功能的车主才可以收到推送，并且不包含焕新 Y 车型。这大概是因为适配问题，焕新 Y 才刚刚推出，适配还没有做好。 在昨天下午，一些符合条件的车主已经收到了更新推送，手机端更新界面如下：  车端有推送后，社交平台上有诸多媒体和用户寻找车源，一时间，当年花6万4的特斯拉车主，成了全网的香馍馍。 第二点是，本次更新被内部邮件称之为**“ FSD 中的一部分 ” **，但，实际上**特斯拉的 FSD 现在在原理上已经是一个 One Model 的端到端模型了，理论上是无法把功能进行模块化拆分的。** 关于这一点，**知危猜测本次更新的大概率是北美版本 FSD 的早期版本**，在 FSD 逐渐进化到端到端的过程中，某些版本是仅有部分功能的，而本次更新就是进化过程中的某个版本。 所以，**本次更新在部分场景下可能会相较于之前的 EAP 辅助驾驶变得更不稳定**，**甚至在一些 Corner case 上给人一种 “ 倒退 ” 的感觉也不是不可能。** 从目前车主们的实测反馈也能看出，当前 FSD 版本在快速路、城市主要道路上的基础能力较强，表现比较稳定，跟车丝滑、加减速也比较舒服，在混入主路车多的时候，变道时机也比较好。 GIF源自笔者一位北京的好友  但对于复杂路口、红绿灯等地方，会存在识别错误的情况。闯红灯、走错路口、施工路段表现随机，这些是被很多网友吐槽的点。 _连闯两个红灯，GIF来源：微博@**Blood旌旗**_  所以我觉得现在的 FSD ，就像是一个外国老司机第一次开车来中国，驾驶技术还是有的，意识也有的，就是对于路况和交通规则不熟，水土不服。 为什么会出现这种情况，其实马斯克在之前的一次财报会议中提到过。FSD 此前在北美训练较多，**中国的开放路面驾驶环境与北美稍有区别，比如潮汐车道、红灯待行区等场景。** 如何匹配中国的道路环境，马斯克之前称，是使用公开的视频进行仿真训练。而根据我们的了解，**再好的仿真训练，依然不能完全替代真实数据。** 当然，如果特斯拉后续可以在国内大规模测试，这样的问题是可以被解决的。 至于监管问题，有消息称特斯拉会采取本地数据本地训练的方式解决，这可能会类似于苹果 iCloud 的 “ 云上贵州 ” 解决方案，境内数据都保存在境内。 第三点，本次更新的一个必要条件是车机的地图要更新到CN-2025.8-15218 的新版本，这会让人产生一个疑问：为什么要匹配地图更新，难道这次的 FSD 更新是有图的自动驾驶？ 如内部邮件所说，此次更新为 “ FSD 中的一部分 ” ，根据前文推测，该更新大概率为 FSD 的早期版本，而 FSD 是以无图端到端为目标训练的，所以本次更新也应该是无图的。 或许，地图更新是为了优化相关功能诸如匝道、交叉口时的体验，毕竟特斯拉的 “ 地图难用 ” 是一直被国内用户所诟病的。 这次的 FSD 虽然不是正式版，但也算是 FSD 迈出了入华的第一步，这会对特斯拉的经营有什么影响呢？ **过去，特斯拉在华一直是 “ 有短板 ” 的，同样是纯电阵营，国产新能源都可以做到城市 NOA ，这是特斯拉此前在华无法做到的。** 但，即便如此， 2024 年，单是 Model Y 这一款车型，中国市场销量就达到了 480309 台，月销量稳定在 4 万台以上，蝉联全国乘用车单车销量排行榜第一。 现在，**随着 FSD 的入华，这个短板会被逐渐补足**，特斯拉在华会在本就单车竞争力第一的情况下，继续提高竞争力。 毕竟，很多特斯拉车主是对 FSD 抱有期待的，过去是期货都愿意为此买单，现在这个期货兑现了一部分并有可能逐渐全部兑现，愿意买单的人会变得更多。 不过，**64000 元的 FSD 买断费用，与国内动辄直接标配免费的厂商相比，性价比还是太低了。** 当比亚迪这样的厂商高喊着 “ 愿景是 10 万元车型也能享受城市 NOA ” 的口号时，特斯拉该如何让客户们付费订阅呢？到底有多少人能买单呢？会不会推出按月订阅呢？ 这些疑问，可能要等到 FSD 完全体入华，我们才能知晓答案。 [查看评论](https://m.cnbeta.com.tw/comment/1481898.htm)

塌房主播复活大赏：头套、小号、人设漂白……

<blockquote><p>过去这一个月，大家都在讨论DeepSeek。但狂欢过后，人们开始冷静下来，思考如何真正将这些技术转化为商业价值。本文将深入探讨如何在微信生态中利用AI赋能视频号、私域运营和个人IP等业务，并分享一些关于DeepSeek在数据处理、内容生成等方面的实战经验和思考。</p> </blockquote>  DeepSeek 的热度盖住了所有声音，狂欢了近一个月之后，大家开始理性的思考，如何使用它赚钱。 除了卖课的镰刀，已经割了头茬新鲜韭菜，真正的商业化，似乎还没有正式开始。 从大年初一，到现在每天用 ChatGPT、DeepSeek 几小时的摸索，也算是头茬韭菜，已经有些商用的落地，以及思考。 今天分享给大家，依旧是关于微信生态的商业化，如何用AI赋能视频号、私域运营、个人 IP、卖货。 使用的几个认知，分享给大家。 ## 01 AI+数据处理 以语言大模型为主的AI：DeepSeek、ChatGPT、腾讯混元大模型、豆包、kimi、包括海外 Google 的 Gemini 等等，现在生成的东西简单的提示词，是无法达到商用的效果的。 前几天，我把税务系统的发票与银行流水放进去，做财务核对，大模型里核对的结果测试： - DeepSeek R1最不靠谱，完全是基于“幻觉想象”，生成的数字完全不对，非常夸张的是简单的数字相加，结果也会出错； - ChatGPT 4o，几乎没有推理能力，无法对较长的 Excel 表格进行分析，也无法给出数据报表，需要超级强的提示词才会有结果，但是结果也是瞎编的； - 腾讯元宝的hunyuan推理模型，是唯一数据计算正确的结果，但是重新生成之后又出现幻觉，数据错误。 - Google的Gemini 也无法处理数据类型的项目。 得出几个结论： - 对于数据处理，普通人如果没有经过专业的提示词训练，几乎无法使用这些大模型做业务； - 大模型一本正经瞎编的能力太强，对用户的误导性很强。 数据型的业务2C端，是无法直接使用的，需要专业的公司调试后才能搞业务。 这个商业化的机会很大。 ## 02 AI+内容生成 纯手工文案、图片、短视频等业务，加上 DeepSeek也许走得通，但是反过来以AI为主线，去做生成进行商业化，目前无路可走。 调试过几千次之后的经验，直接给结论： **1、直接生成的短视频文案，根本无法使用，除非经过非常苛刻的提示词体系调试。** 哪些网络上教你：DeepSeek+某某+某某，可以每天生成 1000 条短视频的，基本都是骗子。 不信？你试试就知道了。 因为那种逻辑下，你可以生成 10000 条，但基本都是垃圾内容，这些AI的内容不经过人工去调优，根本无法使用。 **2、DeepSeek在文本生成的能力是有限的。** 对于多条并发的提示词，DeepSeek 或选择性“忽视”，多条上下文提示词之后，DeepSeek 的内容会忽略之前的约束，不断的变形，而且很难拉回来。 相比之下 ChatGPT，就会听话很多，对指令的服从度很高，在较短的时间内会生成，较为满意的文案。 DeepSeek对于单条短视频文案使用还可以，但是多条、多指令几乎无法使用。 另外，这个商业化的机会就很大，因为提示词的调试本身是一个技术活+体力活，C端可以玩玩，但是商业化仍旧需要服务商做赋能。 也就是所谓的智能体业务，有能力调试垂直行业智能体的，可以搞这个业务，需求应该很大。 知识类、大健康行业可以加微信交流，我研究的算是很多的，也在正常的做业务了。 ## 03 DeepSeek 的“牛逼幻觉” DeepSeek有一些使用技巧分享给大家： **1、DeepSeek 的推理思考本身的意义，要远大于它生成的内容。** 因为你很快就会发现，它的推理思考的过程是非常有价值的，但是结果并不一定是按照它思考的生成的。 这也许是AI版本的：“想到跟做到”还是两码事儿。 比如它会清晰的理解了你需要 400字的文案，它已经知道了，但是它会只生成 200 字，然后在最后的结论里一本正经的是已经生成了 400 多字。 **2、DeepSeek推理模型的推理总结能力远大于想象能力。** 上午提到的，它对于一件事情的总结推理能力很强，但是发散想象的能力，远不及ChatGPT。 当然，它已经是国内合规最好用的了。 所以，这个工具可以日常玩玩，但是大部分商业化，仍旧需要二次调优，不然无法直接使用转化。 所以，AI不是普通商家、普通人的风口，是大厂的风口。 而AI延伸出来的“智能体”、二次调优、垂直行业深度二次研发，才能真正解决实际问题，才能商业化。 也许这才是真正的AI风口。 对于视频号内容创作者、个人IP、私域流量变现的业务而言，要么做二次研发、要么自己购买这种服务。 也许才不会成为 DeepSeek 热度之下的头茬韭菜。 本文由人人都是产品经理作者【大鱼知道】，微信公众号：【大鱼知道】，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。

10年增长150倍的生意。

<blockquote><p>有效地管理批次属性不仅有助于优化库存控制，还能提高供应链的整体效率。这篇文章，我们和作者一起来学习一下如何管理。</p> </blockquote>  批次管理在WMS系统中很常见，今天来讲一下WMS系统的关键批次管理。 ## 一、什么是关键批次属性 WMS的商品库存级别一般到SKU+批次库存，也就是说SKU+批次是WMS中的唯一商品标识，而关键批次属性，则是在SKU级别、SKU+批次级别，新增一个SKU+关键批次维度。 关键批次属性是指将批次属性中需要用于仓储作业的批次属性合并起来作为一个商品维度，在上架、拣货、库内作业等各个环节只按照关键批次属性作业，系统记录仍然能以SKU+批次为准，这样既可以减轻仓储存储成本，同时对仓储作业效率也会带来一个较大的提升。 - 例如某商品的库存的批次属性为：SKU+生产日期+批次号+保质期/有效期+入库日期+原材料批号+生产设备号+成本部门 - 仓储作业的批次属性维度为：SKU+生产日期+批次号+保质期/有效期+入库日期； ## 二、应用场景 鞋服、食品、化妆、医药、制造、生鲜、日用品等行业客户均可以用到，在WMS实施过程中，只需要明确客户在仓储作业过程中关心哪些批次即可（一般关心的批次在实物上都会有标记，比如生产日期、批次号等等） ## 三、WMS中关键批次属性设计思路 ### 1. 设置 在设置批次属性时，勾选关键项作为关键批次属性，大家可参考FLUX WMS设置批次属性的方法。（由于截图多次上传错误，请自行查看FLUX WMS操作手册） ### 2. 收货 商品收货后，要以SKU+关键批次属性，生成关键批次属性流水号，作为库存维度。 ### 3. 上架/反拣上架 1》上架策略中，关于库位的限制不允许混放批次，改为不允许混放关键批次即可。 2》上架作业时，以关键批次属性为维度展示每个目标上架库位的上架数量。 ### 4. 拣货 拣货作业时，以关键批次属性为维度展示每个拣货库位的拣货数量。 ### 5. 播种 播种作业时，以关键批次属性为维度展示每个格口的批次数量。 ### 6. 复核 复核作业时，以关键批次属性为维度展示每个格口的批次数量。 ### 7. 库内作业 移库、一步移库、两步移库、补货、盘点、冻结、解冻，均可按照关键批次属性为维度展示相应数量即可。 ### 8. 总结 仓储作业均可按照关键批次属性为维度作业，但系统流水仍然可记录到SKU+批次属性维度。 本文由 @阿猫阿狗 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。

作为中国咖啡市场的开拓者，星巴克中国正遭遇着前所未有的挑战。

打破便利店的界限。

<blockquote><p>对于许多新手来说，如何在海量的内容和复杂的规则中找到自己的道路是一个巨大的挑战。本文作者凭借五年自媒体写作经验，总结了8个常见的自媒体陷阱，供大家参考。</p> </blockquote>  我做自媒体写作已经有五个年头了，几个平台的粉丝加起来，也就10万左右。 这个成绩看起来的确不值一提，但是好在我从自媒体上赚到的钱不止10万。 而且对于许多普通人来说，我这几年也经历了不少自媒体的弯路，我想和一部分小白朋友分享其中的一些心得。 ## 01 不要什么都想写 做自媒体很多人为了所谓的流量、热点，今天说民间八卦，明天说哪个明星离婚了，后天又写某个企业倒闭了。 这样的账号，变现能力是很差的。 你不是雷军、也不是李国庆，本身就有影响力，随便说个话题都有人看。 更何况，大家去看看雷军的账号，不谈闲事，全都是和小米业务相关的。 ## 02 不要随便换赛道 今天看到别人做零食推荐账号，觉得很简单，自己就去拍了。 拍了几天发现数据不行，又听说书单号很赚钱，又去做书单号。 发现有个朋友做项目拆解有流量，就又给自己包装一个形象去做项目拆解。 一年换了很多方向，什么都不精通，粉丝也不知道你在干什么。 ## 03 不要更新不稳定 现在做自媒体不是比运气，而是比勤奋、比实力的时候。 以前随便写个八卦、拍个小孩子就有流量，现在天天更新都不见得有流量。 很多人今天写一篇，过个三五天再写一篇。 或者今天写个三五千字的文章，明天就写了三五百字的。 不管是频率、文字、风格、内容方向，都要保持一致性。 ## 04 不要忘记做引流 做自媒体第一层目的是为了曝光，但是曝光以后呢？ 你写的每一篇文章，都有人看。 但这些流量都在外面，都没有进入到你自己的流量池里面来。 所以一定要尽可能的把这些公域流量，导流你的公众号、微信号里面去。 记住，从你写第一篇文章开始，就要放出你的微信号。 ## 05 不要忘记做变现 很多人会觉得自己刚开始写文章、拍视频，还没有流量，怎么变现呢？ 1，像头条、西瓜、抖音、视频号这些短视频平台，只要有播放量就有收益，有些平台的门槛也就三五百粉丝就行了。 所以这也是我建议各位，你只要去发布，就有钱可以赚。 2，在公众号写文章，一开始接不到广告没有关系，你可以直接把你产品、服务放在文章中，吸引客户。 不要等到粉丝量很多了，再来做转化。 其一，有些用户就看一眼就走了，并没有关注你，可当时他的消费意愿是很高的。 其二，从一开始就建立用户的消费理念，筛选精准的粉丝，明确告诉用户我就是来做广告、就是来卖货的。 ## 06 不要帮别人做分销 不要在自己公众号、视频号等平台上去推荐别人的产品，尤其是许多人写公众号，所谓加入了某个人社群，花了几万块钱买个了合伙人。 然后一直在宣传别人的课程、社群之类的，这就是不是在做自媒体。 你本质上就是别人的流量池，你在帮别人做分销，用户对你没有任何的印象，最终是帮别人做嫁衣。 ## 07 不要去在意阅读量 对于普通人来说，写作、拍摄的前期是很枯燥的。 尤其是现在，有结果的周期是半年以上。 但是你总幻想着一个礼拜流量就爆发了，那是不可能的。 前期很长的一段时间，阅读量可能就是50、100之类的。 尤其是在公众号这个渠道，看起来一篇文章50个阅读低的可怜，但这个阅读量其实比许多平台1000、5000的曝光量还有价值。 因为你要知道，只要持续有阅读量，就代表有人看。 ## 08 服务一类人就可以 每一个人都想成为几百万、几千万的大网红，但实际上，我们只要服务好一小部分人就可以了。 不管在哪一个渠道，能持续赚钱的反而不是那些几百万的、昙花一现的大网红。 反而是那些粉丝只有几万、十几万的小网红，团队一两个人、深耕某个领域、有自己认可和高频消费客户。 对你来说，你不管写什么、说什么都会有人不满意，因为每一个人的认知、环境、教育、经历都不一样，你只要服务好认可你的那100人、1000个人就可以了。 当然，我把这些盘点出来，先给你提个醒。 但不是所有人都会照做的，有的人还是会去踩各种，等你自己亲自感受了一波你就知道了。 本文由人人都是产品经理作者【十里村】，微信公众号：【十里村】，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。

估值44亿元。

<blockquote><p>本文基于已落地座舱项目，沉淀【多功能场景智能推荐】的产品策略定义方法，用于未来更多【服务找人】的场景中。</p> </blockquote>  随着智驾和AI技术的不断更迭，座舱未来会趋于第三空间的概念发展。驾驶和乘客的角色会逐步弱化，座舱作为一个智能空间去满足用户更多使用场景。 在产品的定位和战略方向锁定之后，产品经理根据产品战略拆解产品目标，深度挖掘用户在不同用车场景下的真实需求，并基于此原则定义匹配座舱场景的产品策略，由【人找服务】转变为【服务找人】，主动识别用户需求，提供给用户更好的服务及情绪价值。 完整流程如下图，着重拆解前三步的策略搭建思路。  ## 一、分析场景对应的用户需求 每个车型的市场定位和核心竞争力各不相同，在这里列举一个通用场景概况，在静态/动态场景下用户的用车侧重需求分别是什么。 实际项目中可以根据车型定位、目标用户、核心竞争力等维度结合去梳理对应的细分场景。 ### 用车场景  ### 用户旅程图-静态用车：午休小憩场景 基于具体场景做用户旅程图分析，其目的是为了寻找场景中的用户核心需求和痛点。通过梳理或模拟用户在工作日午休场景下，在座舱内的实际操作及理想体验状态，寻找产品机会点。  ## 二、梳理座舱关联功能 根据各个功能模块（如多媒体、车控、车设等）做原子功能拆解，通常会基于Feature list筛选出可以作为组合场景功能的原子功能，颗粒度到Feature list中的二级功能或三级功能。 下图为车控座椅的部分Feature list。 以【座椅加热】为例，在梳理原子功能时需要拆解到四级功能中的档位。原因是在场景联动多个功能时，【座椅加热】这个功能开启时必须对应一个默认档位信号，档位的默认开启可直接根据模块产品经理策略定义。  ## 三、功能匹配及联动机制 ### 座舱内感知&amp;决策的变化  从传统汽车阶段到当前新能源车的发展阶段，产品的核心体验目标也在不断变化。从早期的用户主动行为，逐步发展到由系统主动洞察用户心理和用车需求，及时为用户提供符合场景需求的贴心产品服务。  ### 功能组合匹配策略 **1）梳理场景库** 针对不同车型定位的侧重点，梳理核心用车细分场景  **2）感知能力与执行能力的原子拆分** 将不同车型具备的感知能力与软件功能原子化拆分，目的是建立明确的、可匹配的对应关系  **3）建立场景匹配映射机制**  **【感知条件集合】=【前提条件】+【限制条件】** - **互斥：**【前提条件】与【限制条件】本身为互斥的关系。即当前状态下务必满足“前提条件”状态，同时非“限制条件”状态； - **和：**对于前提条件和限制条件，原子条件之间可以是“和”的关系。即满足原子条件1的同时满足原子条件2； - **或：**对于前提条件和限制条件，原子条件之间可以是“或”的关系。即满足原子条件1，或者满足原子条件2； **【执行条件】=【功能1】+【功能2】+【功能3】+【…】，功能可以是跨多个模块的** - 在“ 执行功能集合”内，不同功能允许同时执行，或按照预设时间轴顺序执行； - 对于该执行功能集合，允许单次执行、循环执行，或按照预设时间上限定时执行 ，根据业务需求做策略定义； **4）映射机制优先级定义** 一个痛点可以有多种不同的解决路径，且不同场景映射可能会占用相同的硬件资源。因此场景映射之间并非完全独立，而是一个相互交叉的“关系网”。 在实际定义过程中，可以根据映射关系网中的关联项来明确执行映射策略。不同类型的感知条件同时发生时，对应的执行项可能是完全相反的结果。 此时就需要通过定义不同类型感知条件集合下的策略执行优先级，提前规避这样的问题。  ### 场景执行推送策略 执行策略可以根据产品需求的类别进行定义。例如当按照以下产品体验策略定义，所有涉及到场景联动的策略都可以基于此原则执行，以保证整体产品策略和服务体验的一致性。 - **安全需求**：预设联动，直接执行，无法关闭，不可编辑 - **功能需求**：预设联动，直接执行，允许关闭，允许编辑 - **情绪需求**：预设联动，请求执行，允许关闭，允许编辑 - **个性化需求**：深度学习搭建联动，请求执行，持续迭代  ## 四、结语 【数据反哺】及【建立多功能场景库】两部分侧重点主要在产品策略定义完成后通过数据埋点及用研的落地数据反馈-产品运营-策略完善形成的闭环流程，本篇不过多赘述。座舱多场景的可探索空间还很大，期待朋友们共同交流探讨，碰撞出更多有意思的点。 最后特此感谢我的优秀实习生小侯，过程中收集了大量资料并梳理出清晰的思路（比心。 本文由 @阿尤女士 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>作为产品经理，我们都希望自己能产出高质量的产品原型。那么，原型之前，我们需要做些什么？这篇文章，我们看看资深的产品经理，是如何打造高质量原型的。</p> </blockquote>  工作中，你是否遇到过反复修改原型的场景，可能是领导的要求，认为很多地方都不符合他的需求；也有可能是研发的要求，觉得很多逻辑不通，无法进行开发，或是产品设计不合理，担心即使开发完成后，也需要返工重做。 原型是产品经理的产出物，是需求的具体体现，是研发开发的重要依据。原型的质量的高低，决定了各方对我们评价的好坏。 （这里，我想特别说明一下，我们对原型的理解，不单单是一个界面，还包括所必需的各种图、逻辑说明。） 那么，如何产出，并且持续产出一份高质量的原型，这其实是有方法，具体包括： 需求分析 —— 确认需求 —— 产品设计分析 —— 进一步确认需求 —— 原型设计 —— 最终确认需求—— 与相关方评审 ## 一、需求分析 当我们第一次接触需求时，需求方会按照他的思考方式，对信息进行加工，然后呈现给我们，我们需要以系统化的方式，进行快速分类，然后通过提问，快速获取我们想要的信息。 这种系统化的方式是什么呢？就是快速拉业务流程。 前段时间，运营部门的人提了个需求，说想用优惠券，吸引人员来充电。 此时，我头脑快速思考，优惠券业务，大致可以分为三个阶段：发、领、用。 那么围绕着“发”，我的问题就有了：怎么发？（谁来发？什么时间发？发多少？发什么类型的优惠券（满减？代金券？））。 围绕着“领”问题…. 这就是需求分析。 我只是把分析的这步前置了，当然，可能当时的情况下，想得不是很周全。下来后，我会看一下其他平台的优惠券是怎么弄的，把流程拉出来，和我的做对比。有哪些缺失，是不是可以根据已知信息来推断，不能就留着，  ## 二、确认需求 这时候的确认，最好是带着你对业务的了解，给出选项。这些东西是你花时间思考的，做出的每个选项都有一定的道理，这时候就变被动为主动了。 下面是我当时确认，后面参考并整理的需求。  通过上面需求分析-需求确认的步骤，能拉齐我们与需求方的90%理解，按照这样的需求来进行产品设计，需求变更的可能就比较小了。下面，就该进行产品设计，也就是画原型了。但画原型之前，我们还是要做一个步骤。 ## 三、产品设计分析 这一步是什么意思呢？就是在画原型之前，按照画原型的思维，先进行系统架构，分成哪些端，几个模块来做。每个模块有哪些菜单，每个菜单有哪些操作。每个操作会有哪些字段，哪些影响。 以刚才那个优惠券的需求来说，下面是产品分析的思维导图：  为什么要有这步产品设计分析呢？其实是为了更快的画原型，如果省去这一步，直接画原型的话，就会边想边画，边参考边画，思维非常散乱，还特别容易出错。将分析在这一步确认下来，接下来原型就比较畅通了。 ## 四、进一步确认需求 这一步，到了比较细节的部分，可能会出现需求中没有提到的，这时候可以判断或者再次与需求方确认。 其实我们与需求方已经经过3次的沟通了，第一次刚接触需求时，第二次，需求整理后，第三次，需求分析后。我们和需求方的理解又更多了。 ## 五、原型设计 有了前面那么细的分析后，我们画原型，写标注。就是比较机械的动作了。 业界有一种说法：不要做画原型的工具。说的其实就是不要在画原型上浪费时间，而是要将分析过程分离出来。 很多新手，画原型会比较吃力，是因为对PC端和移动端的交互、组件比较陌生，其实多去画，多去练习，很容易突破的。    ## 六、最终确认需求 原型画完了，必须再次拉上需求方，因为之前的讨论，基本都是基于文字，有了原型，就比较直观了。 这里多说两句，给需求方讲解原型的技巧：先讲流程——再根据流程对应原型一步步讲解下来。 ## 七、与相关方评审 很多新手怕评审，一方面是对自己的产品设计心理没底；另一方面是怕被挑刺。 对产品设计心理没底，就是缺少一步一步的参考、分析、比对的过程，你参考了那么多，也和自己对话了那么多次，底气就会很足了。 怕被挑刺。这一步，更多是心态和认知的问题。你可以这样想：你是从不确定中建立确定性的东西，有错是正常的。研发写了那么多代码，将确定性的东西弄出来，不是还有bug吗？ 总结：当我们将70%精力投入前期分析，就能减少50%的返工耗时。记住：原型不是终点，而是团队共识的载体。 本文由 @阿星 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>AI的浪潮正在重塑商业世界的格局，而不同的老板们对AI的应用方式也成为了他们能力的分水岭。本文将通过具体案例，剖析不同层次的老板如何在AI时代采取截然不同的策略，并揭示AI背后真正的价值所在。</p> </blockquote>  DS刮起的AI旋风席卷中国，连我最近待的十八线小城镇，茶局上大家都把重点话题放在了AI。不管卖豆腐的，养猪的，还是卖菜的老板们，每个人都兴奋描绘着它的应用。 就在前几天，我还参加一个计划用AI预测超市产品销量的电话会议。 当AI从科技头条钻进老板们的饭局，事情开始变得有趣。 - 三流老板拍着肚皮吹牛逼：“AI能裁50%员工吧？” - 二流老板半夜翻论文：“怎么用AI降本提效？” - 一流老板蹲在办公室抽烟：“这玩意儿能不能掀了行业牌桌？” AI成了老板们的分水岭—— 有人拿它当遮羞布，有人当瑞士军刀，有人当核武器。 三流老板谈 AI 替代员工，二流老板用 AI 优化流程，一流老板拿 AI 重新洗牌市场。 ## 01 三流老板：把AI当裁员免责声明 三流老板看到 AI 的第一反应是：这东西能不能替代员工？ 他们觉得，AI 可以 24 小时不间断工作，不会累，不会抱怨，还不用发工资，简直是完美的员工。 于是，他们开始琢磨怎么用 AI 替代员工，降低成本。 这类老板最爱在全员大会喊话：“不用AI就会被淘汰！” 转头让实习生用ChatGPT生成日报，逼设计岗玩MJ十连抽，美其名曰“拥抱变革”。结果？ - 客服机器人回话像复读机，用户骂娘； - AI生成的营销方案把母婴产品投进养老院； - 最离谱的是某游戏公司拿AI写代码，上线当天服务器炸成烟花。 真相： **AI替代的是工具人，不是人才。** 自己没搞懂业务逻辑，先甩锅给“技术革命”的老板，本质上在给团队表演“数字化转型真人秀”。 这种老板，注定会被淘汰。 ## 02 二流老板：AI是效率解药 二流老板看到 AI 的第一反应是：这东西能不能优化流程？ 他们觉得，AI 可以自动化处理很多重复性工作，提高效率，降低成本。 于是，他们开始琢磨怎么用 AI 优化流程，提高效率。 这种老板，比三流老板强一点。 这群人已经摸到门道： - 跨境电商用AI筛爆品，选品速度碾压同行三个月； - 餐饮老板拿AI盯外卖评价，实时调整SKU结构； - 连传统制造业都开始用AI预测设备故障，停机损失砍掉60%。 关键动作： - 把重复决策交给算法（比如库存/排班/投放） - 要求员工必须掌握AI外挂（写周报不算！） - 亲自下场测试AI工具颗粒度 但致命问题是—— **所有优化都在既有赛道上内卷，就像给马车装V8发动机，再快也跑不过特斯拉。** ## 03 一流老板：用AI重写行业规则 一流老板看到 AI 的第一反应是：这东西能不能重新洗牌市场？ 他们觉得，AI 可以颠覆传统行业，创造新的商业模式，重新洗牌市场。 于是，他们开始琢磨怎么用 AI 重新洗牌市场，创造新的商业机会。 这种老板，才是真正的高手。 真正的高手在干什么？ - 某SaaS公司砍掉80%功能，用AI对话重构产品逻辑，客单价翻三倍； - 某MCN要求达人全部训练个人AI分身，把接广告效率提升200%； - 更狠的是某消费品品牌，直接让AI分析全网内容，反向定制生产线，硬生生在红海市场撕出新品类。 核心逻辑： 1️⃣ 找到行业里“所有人都忍受的低效环节”（比如服装打版要7天） 2️⃣ 用AI把7天压缩到7分钟（数字打版+AI设计+柔性供应链） 3️⃣ 拿着新定价权去收割市场当你用AI重构成本结构时，对手连护城河在哪都找不到。 ## 04 总结：AI是认知战，不是技术战 见过太多老板犯的错： - 花200万买AI系统，却不肯花20小时研究底层逻辑； - 强迫员工“必须AI化”，自己连GPT账号都没有； - 最要命的是用农业思维搞AI——播种完就等收割，活该被当韭菜。 最后暴击： 三流老板谈 AI 替代员工，二流老板用 AI 优化流程，一流老板拿 AI 重新洗牌市场。 三流老板在裁员名单写故事，二流老板在Excel表抠数字，一流老板在行业废墟上插旗AI不会改变世界 改变世界的永远是会用工具的人。 2025年，别问“AI能做什么”，要问“哪些事没有AI根本做不成”。 这题想明白的人，新牌桌就有你的位置 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。

从2月起，**欧盟消费者开始在日常饮食中发现一种新食材：黄粉虫（Tenebrio molitor）幼虫粉末，又称面包虫粉末。**欧盟委员会上个月就已经正式批准，从2月10日开始，**将允许将经过紫外线处理的面包虫粉末作为新型食品投入市场。**  根据欧盟规定，面包、蛋糕、芝士、意大利面、加工马铃薯制品、果酱中都可加入面包虫粉末。 **根据不同食品，虫粉含量最高为4%。** **不过，欧盟要求加入食品中的面包虫粉末必须经过高温处理和紫外线照射**；加入面包虫粉的食品必须进行明确标注，并标出可能过敏警告，以保障消费者的知情权，让消费者可以自行决定是否食用。  据悉，欧盟此举主要是为了环保，欧盟委员会目标到2040年，将欧盟的温室气体净排放量在1990年水平的基础上减少90%。 欧盟每年总碳排放中有10%来自农业，而生产昆虫的碳排放量远低于生产牛羊肉。  **从营养价值上来说，面包虫粉末富含蛋白质，每100克面包虫粉末含有55克蛋白质，是牛肉的2.3倍。** 此外还包含人体必需的9种氨基酸，其中赖氨酸的含量达到小麦的30倍。还富含维生素B12、铁、钙等微量元素，能为人体提供丰富的营养。 值得注意的是，欧洲早在2023年就开始在食物中加入蟋蟀粉，通过冷冻、煮沸、烘干等程序，将蟋蟀研磨成粉，可制作意大利面、面包，甚至运动饮料。 [查看评论](https://m.cnbeta.com.tw/comment/1481894.htm)

**三星显示今天宣布，将于3月3日开幕的MWC2025上展示下一代智能手机OLED面板，在户外环境下可实现亮度高达5000尼特。**即使在观看电影等日常使用环境下，该面板也能提供超过3000尼特的亮度。 该面板采用三星显示全球首个商用的“无偏光片显示”技术，即 “OCF (on-cell film)”技术为基础开发而成。 **而且相同功耗下，这款面板与近期发布的旗舰智能手机OLED面板相比，亮度提升了约1.5倍。** 三星显示表示，OCF技术不仅提升了户外可视性，还在降低功耗与创新设计方面发挥了关键作用，继折叠屏手机之后，此项技术还扩展应用于直板智能手机和可卷曲笔记本电脑等设备，并被誉为极具价值的显示技术。 [](//img1.mydrivers.com/img/20250227/4b3d87f30854470593fdbc316bb61548.jpg) [查看评论](https://m.cnbeta.com.tw/comment/1481892.htm)

**知名散热解决方案提供商暴力熊（Thermal Grizzly）推出了AMD锐龙7 9800X3D的开盖（delidded）版本，并提供两年的质保服务。**这一服务可为追求极致性能的用户提供更高效的散热解决方案，同时避免用户自行开盖导致的风险。 开盖是指移除CPU的集成散热片（IHS），以便直接对芯片进行散热处理，这一过程通常需要专业的工具和技能，且可能会损坏CPU，而且开盖后便失去官方质保。  暴力熊此次推出的开盖版本，通过其专业的工具和技术，精准地移除IHS，同时确保CPU的完整性和性能。 **根据暴力熊的介绍，开盖后的锐龙7 9800X3D将提供更高的散热效率，适合搭配直接芯片散热解决方案。** 暴力熊的开盖服务不仅包括CPU本身，还附带了IHS、测试结果以及包含CPU微观图像和测试数据的USB存储器，用户可以直观地了解开盖后的性能提升和散热效果。  **价格方面，暴力熊将AMD锐龙7 9800X3D开盖版定价为712.95美元（约合人民币5175元），比官方建议零售价高出约233美元，**但用户可以享受更高效的散热和开盖后的两年质保。 此外，暴力熊还计划在未来推出AMD锐龙9 9950X3D的开盖版本，进一步满足高端用户的需求。 [查看评论](https://m.cnbeta.com.tw/comment/1481890.htm)