扎克伯格同学最近心情很不错。

与马斯克在线激情互喷垃圾话后，对标“元宇宙版推特”的Threads仅用了不到五天的时间完成了1个亿用户的积累，成为了全球用户总数破亿速度最快的新社交平台。Threads,成为小扎打在马斯克脸上的一击力拳。

但商场的拳台上没有裁判叫停，扎克伯格说Threads的用户规模目标是10亿。而只有达到10亿目标以后，Meta才会认真考虑Threads赚钱的问题。这一数字相当于推特目前规模的两倍。

扎克是认真的。无论是反感马斯克版推特的愤怒用户，还是Meta帝国多年沉淀下的庞大商业机构关系网，都在极短的时间内涌入了Threads平台。而在无数游牧迁徙的用户中，夹杂着一个硅谷最有权势的光头——微软首席执行官萨蒂亚·纳德拉（Satya Nadella）。

纳德拉过去是尊贵的推特蓝V，拥有307万的用户，每天像AI一样毫无感情地转推各种微软的新闻公关稿。不过这次他专门注册了一个Threads账号，热情洋溢地宣布了微软将与Meta的“大模型婚姻”：

微软云Azure将帮Meta训练和推广Llama大模型，而Llama也将上线Azure库和适配Windows系统。

而如双方官宣文件所言，Azure从设备、硬件和软件（facility, hardware and software）层面进行了针对性的设计，从而支持世界领先的AI训练。而在本次合作后，Llama的开发者则可以利用Azure AI的工具进行训练、微调、推理和安全方面的功能开发。

巨头之间的云合作屡见不鲜。但全世界都知道，Azure可是OpenAI的御用云平台。

在2019年微软掏出10亿美元投资OpenAI后，Azure就一直是OpenAI的独家云服务商。而Azure为了更好地为大模型提供算力和对外服务，重新进行了部分架构设计。甚至在一些观察者眼中，当年微软拍板投资OpenAI的核心原因，其实就是Azure的发展——

毕竟彼时Transformer还没有完全验证，但微软已经多年下注AI并开始将云业务的未来愿景视作是“为AI服务的超级计算设施”。无论是算力支持，还是OpenAI开放全球的chatbot测试，Azure都功不可没。

Altman本人甚至还曾经专门发推对Azure团队的给力支持表示感谢，高度评价微软是“世界上最好的AI基础设施”。

如今Sam前脚刚烧了两炷香，纳德拉转手就把这个“世界上最好的AI基础设施”租给了扎克伯格。

不知道俩人是不是提前商量好的。又或许对纳德拉来说，这大概都是计划的一部分。总之扎克伯格表现得很高兴。

在扎克伯格的Instagram账号里，他贴出了一张与纳德拉的亲密合影以“感谢纳德拉”，扎克伯格表示：

“（Meta）将Llama2开源给了微软，而（这次开源）将成为下一代大模型建设工作的基础。”

微软与Meta的确是相互需要的。

Meta正在走向大模型的“深水区”，在70B参数的Llama2已经达到了GPT3.0的水平，几乎已经成为了目前口碑最好的大模型底座。对于闭源大模型阵营来说，Llama2成功带来的压力一点不亚于Threads对于Twitter的震慑。

闭源公司花几千万搞不出来的东西，开源社区可以直接用，相当于将未来全球开源大模型社区的起跑线提升到了3.0的水平。

最近登顶HuggingFace开源大模型榜单的Stability的Freewilly大模型，被认为接近3.5的水平，正是基于Llama2.0调教优化后的产品。

对于Meta来说，参数规模的提升带来计算量的攀升、模型的逐步成熟也让看到更好的商用潜质。但如果要战胜这些困难、落实这些潜力，扎克伯格需要一个更高效的合作伙伴。而那些Azure已经有的、但Meta没有的东西，对于Llama来说就显得更重要了，比如Azure的算力经验、Azure的AI工具箱、以及Azure的云本身……

Meta是为数不多没有公有云服务的互联网巨头。

在过去，Meta与亚马逊都互为对方的超级大客户，包括Meta的一些AI研发算力，也都是采购的AWS。而微软这次撬墙角的方案，除了开放Windows场景以外，还开放了Azure的企业渠道能力，将Llama2加入到自己的产品名录中。

Azure虽然在整体市场份额中依然落后AWS，但是在SaaS销售领域却显著领先于同类竞争对手。而随着云与SaaS的融合，微软在渠道层面有显著的差异化优势。通过Azure，Meta和它的生态追随者们可以直接通过云端来销售和使用Llama2的产品。

对于微软来说，大模型的挑战则更加多元的。

微软过去在大模型应用层面几乎是all in OpenAI的产品。无论是最早接入的Bing，还是基于Windows生态的Copilot面向开发者的工具生态AI Studio、甚至是新的AI云服务品牌OpenAI Azure，背后都是OpenAI的影子。

OpenAI是全球最好的大模型公司，Windows依然是全球最重要的生产力软件生态。但在大模型全球军备竞赛中，这两者的结合并不意味着绝对的胜券在握。

与Meta和微软结合几乎同时“官宣”的，则是苹果的大模型计划。

据海外媒体报道，苹果已经完成了名为“Ajax”的大预言模型基础框架，将开发类似ChatGPT的对话式AI。而消费级产品的推出时间则计划在明年发布。

苹果的入场被认为是硅谷大模型竞赛中的重要变量。

相比于公有云之类的互联网风口，AI是被苹果管理层高度认可的科技方向，近期管理层口风也有朝着AI加码的趋势。

除了长期关注AI科技外，苹果是全球最有钱、最有场景的公司。苹果每年净利润接近1000亿美元、经营净现金流超过1200亿美元，相当于微软与Meta的总和。苹果生态已经超过微软成为全球最大的封闭操作系统，活跃设备数量超过20亿，而微软只有15亿。

而相比于账面实力外，苹果更具想象力的是它的半导体能力。它或许是全球参与大模型竞赛的科技企业中，为数不多将来可以不用外采GPU与CPU的厂商。不仅如此，苹果的芯片效率似乎更有想象力。

在2023年WWDC上，苹果推出的M2 Ultra芯片。相比于普通厂商CPU、GPU分离的部署方式，M2 Ultra统一内存架构以及随之带来的超高内存带宽，甚至可以让开发者在一张卡上就能跑大模型。

尽管类似的消费级芯片还无法和英伟达的专业芯片相媲美，但类似小秀肌肉，也让外界对苹果未来的GPU算力延展能力产生了兴趣。

以OpenAI为例，外界预估其大概同时动用了两万张显卡进行计算。但王小川近期对媒体表示，OpenAI正在测试1000万张显卡同时计算的模型，相当于英伟达目前10年的产能，“完全是登月计划（级别）”。

除了苹果以外，微软、谷歌、Meta、亚马逊等巨头都有自研AI芯片的计划，但已经有顶尖半导体开发能力的苹果依然是最有资格“大力出奇迹”的人。

Apple将两枚 M2 Max 的芯片连接在一起打造出M2 Ultra

谷歌凶猛、苹果虎视眈眈，微软和Meta选择结盟。

对于纳德拉来说，与Meta队形站位可以让微软在大模型的生态战争中更加稳固。

首先，微软依然需要开源，开源在未来的大模型竞争中将持续扮演重要的角色。

开源天然具有人才参与众多、迭代速度快、垂类覆盖效率更高的生态能力。虽然OpenAI拿下头筹，但开源社区的进步速度依然很可观。比如Llama只用了大半年的时间、使用参数70B，已经赶上了175B、耗时2年的GPT3。

尤其是如果未来开源路线成为了行业解决方案的主流，Llama与Azure深度结合，或许真的可以帮助微软云业务完成对AWS的弯道超车(2022年底Azure市占率23％、AWS为32％）。毕竟相比于Windows和Office，Azure才是微软最赚钱、最有潜力的业务。

其次，开源大模型的不断发展，必然让愿意砸钱做封闭系统的厂家也自然会越来越少。

比如Bard在Llama2之后就受到了不小的压力。除了许多好事者在晚上讨论bard未来长期发展的压力外，有媒体报道称谷歌内部人士也曾撰文称bard在对抗开源社区时优点吃力，后者进步神速且成本更少、场景更丰富。

在大模型超级投入的产业结构没有变化的情况下，封闭式大模型依然会有其存在的合理性，但可能将仅仅限于极少数领先者，而其中大概率会有OpenAI。

如果OpenAI有护城河，那它的名字可能叫Llama2。

图源：valasys

当然，OpenAI其实也并不是微软的“亲儿子”。

在100亿美元投资后，微软虽然拥有75％的分红权，但实际上也只占有OpenAI 49％的股权。换言之，微软虽然手握大量的OpenAI资源，但并不完全拥有OpenAI绝对的控制权。

但与llama合作像是一个标志，手握OpenAI的微软其实正在成为游戏规则的制定者：

它既有最具潜力的AI基础设施Azure,也有最前沿的商业化变现接口Windows copilot。而当最核心的基础设施和渠道能力在微软手上时，OpenAI也只是微软的“超级程序员”。

当Meta等平台成熟后，微软可以再引入更多的“程序员”，甚至开放更多的系统级场景给开源生态、从而让Windows系统的生产力进一步提升。

实际上，OpenAI原本就只是纳德拉重注AI和语言大模型的一个选项。

在ChatGPT之前，微软甚至和英伟达合作开发过5300亿参数的大语言模型威震天-图灵Megatron-Turing，是当年最大的基于transformer的模型，参数比GPT3多了好几倍，讲究的是绝对的大力出奇迹。

可最后威震天还是输给了奥特曼，于是威震天才选择了买下奥特曼。

但微软内部其实一直没有放弃大模型的相关技术路线开发。

例如6月时，微软就发布了13亿参数的“小型”大语言模型 phi-1。有OpenAI作为核心资产，微软不走“大力奇迹”模式，而是改用号称“教科书等级”的高品质资料集训练模型，让实际效果胜于千亿参数的 GPT 3.5。7月时，微软还提出了新的大模型架构RetNet，称其可以在更大数据维度基础上，比transformer更优。

图源：arxiv.org

大模型的战事还远没到中场，威震天与奥特曼们的游戏或许才刚刚开始。

宁德时代和福特的合作项目遭到了美国国会的审查。这项于今年初宣布的交易是福特为了提升其在新能源汽车领域竞争力的一部分。据悉，福特将投资35亿美元，在宁德时代的帮助下在密歇根州马歇尔市——福特的总部，建造一座电池厂。

现在这项合作前途未卜，众议院中国特别委员会和税收委员会的主席在周四联名给福特CEO吉姆·法雷利（Jim Farley）写信，要求他提供这项合作的全部细节——尽管国会给出的理由仍然是那些冠冕堂皇的指控，但这个信里的要求暴露了其真实意图，它甚至要求其提供与宁德时代的所有通讯往来。

这种超越商业契约的要求摆明了就是要阻止这个正常的商业合作顺利进行。

原本双赢的合作

福特和宁德时代的合作本来是一个多赢的好事，不仅对福特和宁德时代，甚至对美国来说都是。

福特的目标是在2026年实现全球范围年产200万辆电动车，因此与宁德时代——这家中国最先进电池提供商的合作，不仅有助于在提升产能（福特已经储备了制造电动车大约70%的电池产能），还有助于革新技术——美国广泛使用的是镍钴电芯，而中国则使用磷酸铁锂电芯，后者的成本更低。

这对宁德时代的出海来说显然也是利好。

刚刚发布半年度财报的宁德时代，今年上半年净利润同比增长154%逾200亿人民币，平均下来一天净赚就超过了1亿。总收入则达到1892亿，同比大涨67.52%。

总的来说这份财报无愧“宁王”之名，但细看之下，不是没有隐忧。比如，虽然收入同比大涨，但环比其实下跌了12.23%，净利润也比去年下半年少了20多亿。

最重要的是，宁德时代电池系统的产能利用率为60.5%，去年同期则是81.25%，有人认为这意味着宁德时代出现了产能过剩，其中原因之一是像蔚来、小鹏这样的大客户出走，这也让宁德时代的市场占比下滑到了43.4%。

出海原本是遏制市占率下滑的一剂良方，背后是最正常的商业逻辑。实际上同福特的合作，某种意义上是最轻松的——宁德时代只需要出技术就行了，出钱出人和负责管理运营的都是福特。

甚至，这对美国来说也是一件好事，福特的这项投资计划将为锈带上的马歇尔市创造2500个就业机会。

中国在电动车领域的先进技术需要更大的市场，而老牌车企则需要更新的技术。从各种意义上说，这项合作都让人觉得有益无害，类似的例子还有前两天刚刚宣布合作的大众与小鹏。然而这两个合作之间还有一个许多人最初觉得微不足道的细节差别

——福特是一家美国公司。

当美国的技术领先自信被打破后

在给福特的信中，国会议员们也直抒胸臆：表示他们的目的就是防止美国的新能源汽车产业受制于中国人。

这直白的不能再直白，它比美国政府官员的一些表述更加接近在泛化国家安全概念后美国一些有权人士的真实想法。

比如美国财政部长耶伦在北京时用 diverse 这个听上去格外中性的词来形容美国的对华经济政策，比如美国一直强调的所谓“使关键供应链多样化或采取有针对性的国家安全行动”，似乎建立了某种护栏后，之外的一切还可以按照自由贸易的准则如常进行。

这些冠冕堂皇的表述，加之过往的争执都主要发生在美国掌握绝对主导权（并非技术，而是供应链与利益链条）的芯片领域，曾经让不少人想当然认为美国一直是从一个技术优势地位进行的所谓“制裁”，一些“慕强”者因此快速的选择了自我矮化。

但这次针对宁德时代的无理打压再次撕开了其真实想法，并暴露真正的问题：

一方面，这种针对中国的行为是“无差别”的。

国会山的共和党议员从始至终都在不停地指责政府对中国的态度过于软弱，在他们的设想里，美国实际上应该全面地审查和限制同中国在任何领域的一切合作，而不仅限于美国先进技术。尤其是在美国落后的技术领域，他们应该更加强势，通过不合作或审查，完成某种对中国技术的打压，甚至可以通过各种手段，强行获取一些技术和商业机密。

从2月份宁德时代和福特这项合作官宣，就有人跳出来持反对意见，其中闹腾最凶的是弗罗里达州共和党参议员马可·鲁比奥（Marco Rubio），他直接敦促政府调查这笔交易，最好是直接立法禁止使用宁德时代技术的电动汽车获得政府税收补贴。之后国会呼吁调查福特和宁德时代合作的呼声一浪高过一浪。

众议院中国特别委员会的主席迈克·加拉格尔 Mike Gallagher 的总结更直白，他面对媒体时直接喊话道：为什么有这么多美国企业和经理人想要中国作为商业伙伴？

福特也尝试给出各种解释，比如，福特想要提醒美国，这家电池厂是福特百分百控制的，宁德时代甚至都不占有任何股份，而一旦福特自己生产电池——而不是从供应商那里购买电池，这显然是对美国新能源汽车发展有利，而不是有害。再比如，福特的发言人特别指出，创造的2500个就业岗位是属于美国的，其中不包含宁德时代派来的技术人员。

这些解释哪怕指向利好美国和解决美国政客们天天挂在嘴边的民生问题，也没有任何帮助。

另一方面，这次闹剧揭示的更重要道理，是美国不希望自己的所谓“优势地位”的虚假人设被揭穿。

就如美国媒体充满醋意的报道所说，今天宁德时代生产全球约三分之一的电动汽车电池，早已经是通用汽车、大众、宝马、特斯拉和其他大车企的供应商。“残酷的事实是，中国人在电动汽车上进行了一场豪赌，为这个行业投入了上万亿美元的资金，而碰巧的是，这一把全是王牌。”

这揭示了美国如此惧怕宁德时代与美企的正常合作的深层原因——在代表着未来的新能源汽车核心技术领域，美国的技术领先自信被打破了。

因此这些原本就荒谬的行为发生在对宁德时代的审查上就显得更加歇斯底里，当美国所谓的技术领先的自信受到动摇时，他的霸权本性展露的更加清晰，以国家安全为名的各种政治工具只是他们的武器，什么程序正确都不用再提。他的所有工具都变成威胁所有人的方式，甚至包括他自己的企业。

实际上，这不是美国国会第一次就这项合作提出关切了，早在 4 月，吉姆·法雷利就已经收到了一封来自国会的信。

这些信与其说是关切，不如直接称为“威胁信”。

而最近的信中，除了荒谬而无理的要求福特提供这项交易合同副本以及两家公司之间沟通的全部内容外，还质疑福特是不是耍了花招，把宁德时代的技术人员也算进了新增美国的就业人口，以及福特究竟是否应该得到政府有关电动车的税收补贴——如果不能让国会满意，福特可能面临一个后果，那就是它无法拿到《通胀法案》提供的税收补贴，这项旨在鼓励美国电动车发展的政策提供每千瓦时35 美元和每块电池 10 美元的税收减免。

然而，这些法案越来越像美国为自己丧失的技术优势地位遮羞而放置的破布，它们在推出之初也许可以是福特们将工厂设立在美国本土而不是墨西哥或者加拿大的重要理由，但随着类似针对宁德时代的不合理打压越来越多之后，认清真相的福特们可能也要重新考虑工厂的选址了。

在被ChatGPT和大模型裹挟着踏入AGI时代后，产品经理们率先成了那群最焦虑、躁动，且迷茫不知去向的人。

“最近有很多互联网产品经理找到我，尤其是有过几年工作经历的产品经理，他们对于自己当下所处的行业大环境有非常强烈的危机感。”前科大讯飞业务线负责人、阿里云AI产品专家、也是《人工智能产品经理》一书的作者张竞宇对品玩说。

随着AGI浪潮汹涌而至，张竞宇的著作近期再度成为一本职业畅销书，同时他也接收到越来越多的行业演讲与咨询邀约，其中大半与如何成为/做好AI产品经理有关。

同样在人工智能领域深耕十余年、并一手打造了AI产品经理第一社群的黄钊（常用ID：hanniman），对近两个月中找到他指点迷津的转型期产品经理已经应接不暇，“数量没具体统计，但特别多产品经理找过来，他们在转型期都或多或少出现了一些问题”。

黄钊告诉品玩，不少想转型的产品经理不但拿不到offer，甚至面试的机会都非常少；在AI热潮下，已经决议转型并离职的产品经理gap（休息）2、3个月都是常事，有些空档期长达4到6个月，gap时间越长，他们（产品经理）的内心就愈加慌张。

就连行业顶尖的产品经理们也在被焦灼的情绪拉扯，他们内心笃定AGI是正确的方向且蕴藏巨大潜力，然而如何抓住机遇进入最头部的AI公司、并实现最大程度的自我跃升，成了无比迫切的事情。

一位知情人士向品玩透露，不少互联网大厂的高P产品经理在卡位头部AI创业公司产品负责人的职位，字节跳动火山引擎的高层也在行业里“求医问药”，企图找到能做出国内最好大模型产品的方法。

这是最好的时代，也是最坏的时代；这是智能涌现的时代，也是混沌迷茫的时代。

外围技能失效，产品经理们步入“尴尬期”

继ChatGPT问世后，在一家互联网大厂工作了5年的产品经理靳宸（化名），突然发现自己80%的日常工作未来都会被AI弱化甚至完全取代。

且不说近年来外界经常调侃互联网产品经理的工作是摆放按钮的、专业做PPT的、研究向上管理和cue流程的，仅靳宸自己的感受而言，互联网产品经理一直以来所擅长的市场调研、竞品分析、PRD设计，以及数据监控等一系列外界看起来有些黑盒属性的技能，在当下的AGI时代里变得有些鸡肋。

“就拿PRD（产品需求文档）来说，这个看起来是产品经理的拿手绝活，其实技术含量并不算高。”靳宸表示目前利用ChatGPT和Midjourney相结合就已经可以实现PRD的自动生成了，其效率和质量都还不错。

在人工智能行业跌宕沉浮十余年的资深AI产品经理张竞宇对此也深有感触。

在他看来，那些以往消耗了产品经理大部分时间的外围技能，就像泡沫一样在GPT到来之后加速破灭，“坦白来说PRD里面很多都是废话，都是非核心流程，包括产品设计原型和项目管理跟踪，这些都可以用AI模型来实现自动化了”。

不仅是外围技能失效，还有很多垂直细分领域的产品经理在随着AGI技术的发展而消亡。

一部分是那些已经或即将被AI取代行业里的产品经理。

比如当下语义和语音为代表的特定领域就发生着翻天覆地的变化，菁菁（化名）在一个互联网大厂先后做过几款翻译工具类产品，其中也有借助以往的AI技术来提升翻译速度和效果的产品，还曾在公司内部获得了多个奖项。

然而生成式AI技术浪潮的出现从底层逻辑上改变了用户和机器之间的交互方式，用以往做语义产品的思路和流程来做AIGC产品已不再适用，“（翻译工具）产品本身都已经不再需要了，身处其中的产品经理自然也被取缔了”，菁菁说。

图源：unsplash

另一部分则是以往基于数据制定策略的产品经理们，他们在移动互联网时代多被称之为“策略产品经理”，这也是随着互联网大厂前些年业务扩张、组织架构不断臃肿所诞生的细分工种，事实上在移动互联网后期，很多产品经理都只需要掌握部分知识和技能，以适配一个模块的正常运转。

张竞宇告诉品玩在GPT之前，人和机器基于产品数据的决策占比可能是80%和20%，而大模型时代到来之后，这个占比情况可能会调换位置。

更具体些，以往电商行业里搜索推荐的策略都是由产品经理制定的，比如用户通过关键词搜索后的商品展现方式，在很长一段时间内都是人为决定的，“AB Test也是人主导的，主要测试不同的策略投放效果，但策略本身也是人制定的”，在张竞宇看来人并不擅长做数据驱动型的决策，“因为人都有思维盲点，在分析数据时难免有所缺失”。

其他几位受访的产品经理也向品玩表示，纯数据驱动型的工作和决策未来一定会由机器来完成，这是AI时代顺理成章会发生的事情。

可真当这些产品经理们准备踏入AGI洪流之时，他们却发现自身处于一个非常尴尬的阶段。

科技创新周期的演变基本上都会经历“技术先于产品-产品先于技术-运营先于产品”这样几个阶段。

以移动互联网时代为例，智能手机刚开始普及时，行业急需的人才以安卓/IOS系统开发工程师为主，等到基建层渐趋完善后移动App才百花齐放般出现，同时也开启了产品经理的黄金时代，而从2018年起移动互联网增速放缓，行业整体也从“人人都是产品经理”转向“运营之光”，这时抖音和小红书为代表的重运营型产品后来居上，凭借优质内容与精细化运营跻身国民App之列。

AGI行业、或者说AI2.0时代，目前处于“技术先于产品”向“产品先于技术”过渡的中间地带。

多个从业者向品玩表示，当下仍是AI2.0时代打地基的时期，基建层的核心产品比如大模型，一定是由技术驱动的，虽然大模型团队中也有产品经理的身影，但其站位和功能多是为研发服务的。

据靳宸观察，不少互联网大厂也开始下场做大模型和AIGC相关的产品，然而团队很多是由内部临时抽调转岗组建，自身也处于对新业务的学习摸索期，产品经理在其中发挥的作用和话语权都较为有限。

图源：unsplash

黄钊在运营大型社群的过程中，接触到了大量行业一线的AI产品经理和各类AI企业，他发现AI2.0带来的第一波职位机会更多是面向产品负责人级别的，但相比于大厂而言，垂直领域的头部AI公司更受资深产品经理的欢迎，“一个大厂正在做LLM（大语言模型）的产品负责人，最近明确愿意看AI2.0一线公司的机会”。

“目前来看产品负责人级别的都招差不多了，但不少AI产品落地方向还不够清晰、没有看到初步效果，所以没法继续扩大团队规模。”

据黄钊透露，几家还不错的AI创业公司都因为产品方向不确定，所以很多候选人被卡住了，“能看到Q3对AI产品经理的需求淡了一些，Q4会是分水岭，只有产品体验有突破，才会有一波核心输出PM（大头兵）级别的HC（名额）”。

AI产品经理的供大于求，也造成了现阶段PM招聘市场的极度内卷。

一方面，转型而来的AI产品经理使得市场上候选人的数量快速增加，公开数据显示AI产品经理是当下AGI领域中供需比最高的职业，平均58个人同时竞争1个职位，相比之下竞争最激烈的技术研发岗位，例如NLP和推荐算法工程师，也不过是10个人同时竞争1个职位。

另一方面，处在“技术先于产品”阶段的AI企业对产品经理的需求较少且不急，随着候选人数量的递增，AI企业也把人才预期和基准线拉得更高，就连那些并非由这波技术革新创造的、已存在多年的职位的招聘标准也都水涨船高。

AI产品经理的招聘乱象也由此催生。

“有些第三方招聘平台发布的职位，在企业内推系统里面是查不到，要么是挂出来搜刮简历，要么就是企业为了降低招聘成本连内推的费用都不愿意出；还有些职位，在询问HR后对方的第一反应是先问候选人的薪酬预期，可见AI公司的财务压力可能真的不小。”黄钊说。

品玩还向知情人士了解到，一家AI2.0明星初创企业虽然近期还在对外发布新产品模块，相关宣传举动也未曾停下，甚至第三方招聘平台还能看到不少该企业的职位，但事实上，内部已在准备调整业务方向并酝酿裁员，外界看起来红红火火的表象之下，是HC全部冻结、在职的产品经理向外寻求跳槽机会。

那些在AGI应用层跑起来的产品经理

就在产品经理们削尖脑袋般地挤向AI2.0行业却始终不得要领的时候，AGI领域的发展似乎也步入了一个瓶颈期。

继ChatGPT问世、国内持续半年多的“百模大战”后，AGI已渡过了信息爆炸带来的红利期，那些容易看到的低垂果实随着认知和共识对齐之后，迅速成为了人满为患的模仿秀竞技场，放眼望去多是些同质化严重的AI画图、AI聊天、AI Office等GPT衍生品，并没有哪个真正成为大众期待中的AI Native应用。

一边是焦虑迷茫、找不到自身用武之地的产品经理；另一边却是艰难寻找应用场景、实现商业落地迟缓的AGI技术。

这两者似乎在AI2.0时代逐渐从“技术先于产品”发展到“产品先于技术”的过程中被错配了。

换言之，AI落地的真正瓶颈正是缺少合适的产品经理，无论在大厂还是初创企业，AI产品经理的价值还未得到足够的重视。

图源：Midjourney生成

即便如此，小部分让产品经理高度参与的团队在AGI应用层快速跑起来了。

吴海波是一个十多人规模AI创业团队的产品负责人，他的团队孵化于购物电商平台蘑菇街。自去年开始，在Stable Diffusion扩散模型和ControlNet神经网络结构的加持下，国内市场便爆发了一波又一波AI生成图片的热潮，同样是基于开源社区打造自己的产品，吴海波既没有像那些对技术极为狂热的创业者般，痴迷于锻造模型本身，也没有跟风做一款追逐短期流量的AI绘画产品。

他看到的更多是AIGC之于电商行业的落地应用价值。

吴海波告诉品玩他的脑子里每天都在冒着各式各样的产品想法，都是围绕电商领域相关的，想法之多以至于无法、也不可能尽数实现，但它们成为了吴海波这样产品经理吸取养分的一种方式。

所以当SD这样的技术方案出来之后，吴海波就能很快地把之前的产品想法串起来，这是产品经理主导的团队在技术革新落地时反应更加快速的原因。

不到两周的时间，吴海波和团队就利用ControlNet Stable Diffusion七七八八地做了一款AIGC商拍工具的Demo，“一开始Demo样子其实很挫，但先做出来再去讨论迭代升级更有价值”。

产品经理这种快速产出Demo的过程被称之为MVP（Minimum Viable Product，最小可行性产品），作为国内第一批AI产品经理的黄钊认为无论是移动互联网时代还是AGI时代，MVP都是至关重要的，甚至要先于产品的研发投入，只有先在小范围、或者通过简单的验证方式确认了产品能满足用户需求的前提下，才可以进入后续研发环节。

“在上一波人工智能热潮中就出现过这类问题，当时有创业公司自己产品的模式还没搞清楚，就忙着高薪挖大厂的技术人才，结果花大价钱请来了人才，但产品没做出来公司也慢慢死掉了。”黄钊说。

简单来说，吴海波做的这款AI工具就是给服饰商品生成模特上身图，这也是虚拟试衣需求最大的落地场景之一，以往服饰类卖家给自己的商品拍摄照片要经历选模特、选场景、与中间商协作沟通等一系列环节，流程复杂不说成本也很高昂，而通过AIGC工具来实现一键商拍，将极大解决众多中小卖家、甚至是跨境电商卖家的痛点。

为了迅速且成本可控地将产品做出来，吴海波在具体技术方案的选择上也更偏向产品经理视角。

在实现服装一键商拍的过程中，最困难的点在于AIGC很难生成衣服穿在人身上所具有的真实垂坠感，这个难题相比投入更多研发成本和时间来解决，吴海波的思路更加高效简单，那就是原始图片采用人台来拍，“创新其实有很多种，现阶段能实际解决用户需求才是最重要的，不是所有问题一定要用技术来解决，而这也是产品经理这个角色要做的事情”。

产品导向的思路也决定了吴海波更加注重交付的细节，比如图片滤镜风格问题、AIGC内容生成模特的脸崩问题，这些能通过技术研发测试的瑕疵在吴海波眼里是致命的，他也因此跟内部团队发生过争执，但最后仍用产品经理的思维说服了对方。

从科技创新整体周期来看，技术确实先于产品而诞生并发展，可一旦技术迈入商业世界寻求落地场景，便已经开启了“产品先于技术”的新阶段，无论技术革新的浪潮有多么澎湃，市场和用户终究是为产品买单，而产品经理应该与技术研发们并肩作战、甚至跑在更前面。

此外，据品玩观察很多像吴海波一样在国内AI领域实践多年的产品经理、创始团队的AI产品负责人，在当下这轮AGI浪潮中，都不约而同地选择B端作为切入点。

在吴海波看来，AGI技术整体仍处于早期发展阶段，从产品后续的迭代交付、团队未来的运营情况等方面考虑，B端产品目前是比较稳妥的选择，相比之下此时如果选择做C端产品，首要面对的就是漫长的生存问题。

“更重要的是，当下ChatGPT引爆的热度其实距离AGI技术的范式革新还太远了，包括年初我们期待的多模态内容生成能力也还没正式开放使用，所以C端的落地应用行业里目前没有完全想清楚，除此之外大家也会担心C端最后又会变成一场规模游戏。”经历过PC互联网后半场、又在移动互联网周期里沉浮多年，吴海波直言不愿再在AGI时代里重复做那些容易被竞争对手复制的产品。

目前正在一家“AI+教育”机器人创业公司做产品负责人的张竞宇也有着同样的感受，“上一波移动互联网技术革新的地位很难被颠覆，C端流量还是寡头。更本质的是，新的利基市场还没有被AGI技术发掘出来。”

多个一线资深AI产品经理向品玩表示，无论是技术本身的狂热，还是资本市场的鼓吹，并无法从根本上撬动C端用户的需求，事实上互联网技术已很大程度上满足了大众的刚需，“AGI在C端落地的难点在于，到底有多少社会层面的需求不得不高频地使用这项技术解决，它更加真实的使用场景价值是什么”。

不同于当下一众拿着AGI技术寻找落地场景的大厂和AI创业公司，像吴海波这样本身具有极强的产品思维、兼具对AGI技术理解能力，并且还在垂直领域积累多年对卖家用户的需求了然于胸的团队，他们带着用户的痛点“反”过来向AGI技术寻找答案，如此才能找到真实的落地场景。

AI2.0时代到底需要怎样的产品经理？

产品经理，这个最早诞生于传统行业、却在互联网领域以一种极为吸睛方式出圈的职业，经历了移动互联网早期的“造神”、高速发展期的“人人都是产品经理”，以及增速放缓期的“流水线产品经理”几个阶段后，随着AGI技术的爆发步入一个全新的阶段。

在这个全新的AI2.0时代里，产品经理的核心竞争力已发生巨大变化。

图源：pixabay

首先也是最重要的，产品经理在AI2.0时代将回归它最朴素也是本质的职能：发现、提出，并协调整合资源来解决问题。当外围技能像泡沫一样被AGI挤破后，产品经理真正无法被AI取代的能力是对趋势的判断、对交互关系的深层洞察，以及人类独有的灵感和审美。

从某种程度上来说，这也是产品经理和技术研发两个工种之间的差异。

产品经理由于长期近距离地观察市场趋势变化和用户行为方式，因此天然对场景与需求有着更敏锐的嗅觉，而后者则更擅长通过技术来实现需求提高效率，甚至通过技术创新颠覆底层生产力。

这种彼此不可替代的差异注定了产品经理与技术研发缺一不可，过于放大一方的角色优势、甚至忽略另一方的重要性，都会造成产品本身的竞争力缺陷。

比如在吴海波看来，OpenAI和Google的最大区别就是前者具有完整的产品经理视角，“OpenAI所打造的ChatGPT很多技术都是由Google研发出来的，但是Google的技术创新多停留在发表一篇有影响力的学术论文阶段。后面技术如何应用在产品上？有没有人持续跟进技术落地的情况？”相比之下，OpenAI虽然也是由技术驱动的公司，但它却是一众技术型公司中产品思维最强的。

同样地，虽然硅谷和国内当下阶段的AI2.0公司/产品，都是由技术创始人/CTO在打前阵，但不得不承认的是，硅谷的CTO比国内的CTO更具产品思维，一位曾与国内多个头部企业CTO有所接触的受访对象告诉品玩，他总是听国内CTO说“只要业务能把方向和需求确定好，他们技术研发就能实现它”，但在硅谷，CTO经常是与产品负责人争执落地大方向的角色。

产品经理核心能力的更迭和角色的缺位，以及CTO产品思维的匮乏，可能也是造成AGI技术在硅谷的C端应用落地要比国内更快更多的原因之一。

除此之外，AI2.0时代要求产品经理比以前更“懂”技术。

如果说互联网时代的产品经理懂技术是加分项但不是必备技能，那么AI产品经理对技术边界的理解与认知，将决定了产品下一步的创新和迭代方式，不能天马行空也不能毫无创新，如果用一个词来形容，“极客”类型的产品经理在AI2.0时代会更受欢迎。

更重要的是，多位资深行业人士认为AI2.0时代的产品经理还要更深入垂直领域，进行专业知识的获取和积累。

“一定要找到某个具体行业作为落地场景，你可以理解为 ‘AI+落地行业’，后面那个才是产品经理用来保命的。”在上一波AI热潮中，张竞宇曾亲眼见证自己在互联网大厂的同事，因为过于聚焦纯AI型产品从而忽略了在具体落地行业的积累，当技术周期过境之后，成为了第一批被淘汰的高价人才。

“这类产品经理早期是行业里最贵的（薪资最高），但很多时候是拿着锤子找钉子、没有垂直到任何行业里面，也是最容易受到技术革新影响的，一旦大厂进行业务调整，他们在垂直行业甚至找不到合适的工作机会。”张竞宇表示与其盲目地追风转型做大模型产品，不如静下心来思考自己所处行业真正能与AGI技术结合的机会。

在过去几年时间里，吴海波虽然每天都在一线带队做产品，但他仍保持着每年百来篇AI专业论文的阅读量，这使得他对行业前沿发生的变化更敏感、甚至有时能提前嗅到创新可能诞生的方向，他一手打造的WeShop自五月中旬上线短短两个月，就已有了近十万企业用户，这在B端领域、尤其是没有做任何付费推广的情况下，已经是令人艳羡的成绩。

“我们甚至觉得增速有些快了，不过这样也能推动我们做技术迭代和产品升级，这个时候就很考验产品负责人在客户增长后如何解决短期需求与长期需求的资源竞争问题。”

在AGI一线做产品负责人的同时，吴海波也时刻关注着产品经理这个行业的变化。

吴海波告诉品玩，他最关注两种类型的AI产品经理，“一种是天才型选手，但可能他不适合我们团队，不一定非要强行融入，我们会寻找机会投资他们；另一种是成长型产品经理，逻辑sense和技术感知很好，但需要组织内部提供成长环境，这类是我们下个阶段会重点看的”。

产品经理们，挣扎在AI新纪元到来前的黑暗/图源：Midjourney生成

与此同时，国内AI求职市场的竞争也愈演愈烈。

靳宸发现经常使用的几个第三方招聘平台上，AI产品经理的岗位数量并没有显著增加，但每个职位下的竞争者数量却同比大幅激增，看着求职诊断里自己的竞争力排名逐渐下降，她有时想放弃转型的念头，有时又想索性先接个不理想的offer、迈进门槛再做打算。

据吴海波透露，近几个月有越来越多具有海外工作背景的AI人才选择回国发展，“我们招聘过程中发现这类人才的比例在明显上升，对比来看他们倒不是说技术上比国内人才厉害，但对产品的想法更多”，吴海波还观察到，就在国内多数AI人才还一门心思地涌向大厂的时候，这些AI海归人才的选择更加随意开放，很多倾向于中小型初创企业。

弥漫在产品经理群体间的焦虑和迷茫短期内很难散去，他们就像掉进技术周期更替之间的洞里，暂时性地被低估与忽略，但即便如此，几乎所有受访的产品经理都表示并不后悔进入这个行业，也没有离开的打算。

“这是少数作为个体能站在时代潮头浪尖的职业，我喜欢这种感觉。”他们说。

在手机上打开名为Hi Echo的App，点击通话，接通后一个名叫Echo的虚拟形象弹了出来，这是一位24小时全程待命的私人口语教练。

当我想练口语的时候，我可以问它任何问题，Echo这位虚拟人，像真人老师一样循循善诱又流畅自如的使用纯正美音回答，这几乎是我能想象到的最自然的口语交互方式了。

这一幕发生在26号有道“子曰”教育大模型应用成果发布会上，这位名叫Echo的口语教练实际上是由网易有道子曰大模型所驱动的最新产品，它就像是我记忆中那位无限温柔耐心，永远不会发脾气的英语老师一样，在这里我不用担心自己的英语口音，也不用害怕想不出话题直接社死，只管大胆去说就行了，剩下的都由老师来帮忙。

品玩第一时间上手试用了这款新产品。

接通后，我可以和Echo随意谈论任何感兴趣的话题，从北京的名胜古迹到它的职业理想都可以，Echo的回答速度飞快，表达自如。

由于大模型能力支持，Echo能同时听懂中文和英文（甚至是磕磕绊绊的中式英文），还能智能判断说话的开始和结束，甚至还能接受对话被直接打断，因此实际上我唯一需要做的就是和它说话。

当然，单纯“完成”一段对话还不够，Echo更让人深刻的能力是引导对话，“主动”的它可以说具有一定“情商”。比如在我表达了心情不好的时候，它提议给我讲个笑话。

又或者，在我介绍了我的职业和工作内容后，Echo一方面发表了自己的看法（科技发展非常迅速），另一方面还能基于对话发问（你对技术的未来怎么看），引导对话持续。

就连那个所有中国人都再熟悉不过的问题：How are you？ Echo也能往下接。

Echo像人类的地方还不止于此。

再比如，Echo 介绍自己最喜欢的电影（《音乐之声》和《狮子王》）之前有一种“选择恐惧症”发作的感觉，也很像人类在对话时的反应。

Echo所具备的这种真实、自然的多轮对话的能力，实际上精准还原了人们日常使用语言的场景，它就像一个流利口语又十分健谈的好朋友，我可以和它随心所欲的谈论任何问题而不用担心出戏。

当然，同样可以把Echo当做专业的口语教练，针对某个具体的话题进行练习。毕竟，人家Echo还拥有教育学硕士学位呢！

比如旅游相关话题，我可以作为游客，询问面前这位无所不能的导游，连路线都给安排好了。

如果在对话中出现了卡住和不知道要怎么表达的情况，除了用中文外，还可以点击界面上的小灯泡按钮，系统会自动匹配、推荐适合当下对话的句子，可以直接选择跟读。

作为专业的口语教练，在整个对话完成后，还会收到一份口语分析报告。

首先是对整段对话的等级评分，包括了词汇、发音和语法这几个部分。

接着能看到和Echo完整对话，系统还特别针对口语部分进行了AI润色，从而辅助我让句子变得更加准确、生动。

用的多了就能发现，Echo在点评中式英语方面可以说十分有经验了 ……

由于录制了所有语音，因此还可以对照着系统给出的发音问题回放自己的语音来进行检查和纠错。

由于这些功能都是系统级的，所以可以在我的每一次对话中都看到这些点评，而由于大模型能力的加持，Echo实际上涉及的话题范围近乎是无限的，App基于场景简单分成了8类，涵盖个人发展、生活日常、社会议题等共60多个小的话题门类。

在点击进入某个具体门类后，Echo就会化身成为这个领域的专家，可以围绕着相关主题进行深入探讨。

作为艺术爱好者探讨当代艺术馆和一般性艺术馆之间的区别。

可以看到，Echo的用词流畅而口语化，在同一段中尽量使用了不同的表述形式，同时做到了信息的精准传递。

下面有关个人身体锻炼的例子也很典型。

Echo不仅非常简练介绍了有氧运动和力量训练各自的优点，还明确了循序渐进的锻炼思路以及格外强调了锻炼对心理健康的好处。

因此，这种对话实际上不仅进行了口语技巧的训练，还辅助用户拓展了对具体话题的讨论广度，有过口语考试经验的人都知道，这种提炼重点、拓展话题的能力恰恰是口语能力考察的重点之一。

再举个例子，比如雅思考试中经常出现的介绍家乡/城市类话题，Echo就能很好地用来辅助复习。

系统还贴心的在场景设置时就已经帮忙划出一些谈话要点。

另一个考试中出现比较多的场景是租房子，在这里Echo化身成为一名房东。具体的对话过程大家可以自己体验，比较好玩的是，不管向它确认多少遍，Echo都坚称房租是1元！

如果不是bug的话那可真是业界良心了！

而除了偏日常的讨论外，Echo在理解复杂问题和讨论抽象概念方面也还挺擅长的，比如城市社群多元化，这是一个在英语世界比较主流的议题。

当然，我们不会忘记问Echo有关人工智能的看法的，而Echo的回答也可以说是比较公允了，关于人工智能的利弊都有点到。

从互动性、话题深度、语言精准度以及对用户的语言评价和优化上，Echo都达到了相当水准，当然，这不是说它不会出现失误，比如下面这个例子。

不过，随着对话继续进行，Echo很快自己就进行了纠正。尽管类似的失误尚不能完全避免，但瑕不掩瑜，在没有大模型之前，像Echo这种级别的基于互动的综合语言功能App是不可能出现的，甚至可以说，这是第一次，在语言学习最困难的口语部分，技术某种程度上发挥了主导作用。

大模型热从去年底延烧到现在，大致经历了“百模大战”和“垂直模型”两个阶段，前者强调参数量、通用性，后者则逐渐将目光转向细分行业领域。

出现这种转向，是因为每个大模型玩家都有一道必答题需要回答：大模型的商业化路径是什么？

有两个赛道看上去是十分确定，那就是搜索和语言类产品，相比于前者，和语言有关的功能，比如翻译、生成式写作、文档问答等，它们的教育属性几乎和大模型有着天然的契合，毕竟大模型的全称就是大语言模型。

但实际上，我们目前能看到的跑出来的教育类大模型落地产品可以说寥寥无几，相比之下，有道在5月时就剧透了Echo这款产品，26号的发布会上，除了Echo代表的虚拟人口语教练外，网易有道展示了“子曰”大模型在多个场景中的应用成果，包括作文批改、习题答疑、语法精讲等六大教育的细分领域，充分展现了“子曰”大模型在自然语言处理领域的技术实力和教育领域的广泛应用前景。

用有道CEO周枫的话来说，大模型在教育领域中最大的机会就是助力因材施教，“我们的目标很明确，就是以实际的教育场景驱动，用技术创新助力教育创新。”周枫在发布会现场说到。

显然，大模型带来的技术创新是革命性的，Echo就是最典型的例子，“会看会写不会说”是许多人学英语的通病，而造成“哑巴英语”的一大原因就是缺乏语言环境，而营造一个通过语言来多轮互动的场景恰恰是大模型最擅长的。

由此，一个长久无法得到解决的基于场景的痛点被大模型化解。

当然，除了大模型赋能以外，想要打造成熟的商业化产品还离不开在教育行业深耕多年积累的丰富场景经验。以Echo为例，想要成为合格的口语教练，内容生成和对话能力固然重要，但语音内容识别能力、全维度评测纠错能力，甚至虚拟人准确而赋予情感的表现力都同样重要，而这些“内功”在短期内是不可能速成的。

一切都基于场景和产品。这不由让人期待下半年国内大模型生态的演化，随着更多垂直模型的问世，场景赛道的明确，产品如何在与大模型能力结合的基础上落地将是所有人关注的焦点，而有道已经走在了前面。

根据发布会上的透露，很快有道将把Echo的口语能力扩展到包括词典、翻译软件和各种硬件产品上去，这意味着大模型商业化链路率先由有道在教育垂直场景上跑通，而更多的大模型产品也正在路上。

中国大模型发展的新阶段，已经到来了。

最近，中国车企屡次成海外车企的“技术供应商”，这很可能成为中国品牌与外资品牌新的发展趋势和合作模式。吉利与雷诺成立合资公司，在全球范围内研发、制造和供应混合动力总成和燃油动力总成；奥迪与上汽合作，开发全新电动车型。此外，有报道称，零跑也将向某海外车企出口技术，加上之前丰田和比亚迪合作，其实也都体现了这一点。

品驾曾在此前的文章中提到，中国车企，第一次从生产提供者成为了技术定义者，而这些海外车企们在中国市场，正依靠中国技术自救，这也是全球汽车产业中难得一见的景观。

就在昨天，又有一桩合作尘埃落定，也体现了我们的这种判断：

7月26日，大众汽车集团宣布，将与小鹏汽车达成技术框架协议，合作内容主要包括以下三点：

合作初期，计划推出两款面向中国中型车市场的大众品牌电动车型，预计将于2026年走向市场；

大众汽车集团将向小鹏汽车增资约7亿美元，以每ADS 15美元的价格收购小鹏汽车约4.99%的股权；

交易完成后，大众汽车集团将获得一个小鹏汽车董事会观察员席位。

同时，大众集团也强调了，奥迪与上汽的合作，大众与小鹏的合作，都是为了推进在华电动战略。

合作一出，资本市场首先给出最热烈的回应：小鹏汽车股价一度上涨40%，炒股人士率先鼓掌。

大多数行业人士也认可，这是自主品牌的历史性时刻，同时也标志着中国新能源市场进入了新的整合阶段。

毫无疑问，当中国汽车市场从“技术换市场”，到越来越普遍的向外资输出技术，与大众的合作，可以看作是小鹏技术层面受到的认可。尤其对于一家新势力品牌来说，这比与友商打嘴炮来的含金量更高。

但是，在欢呼之后，我们也更愿意聚焦那些待解的疑问，“大小合作”的新阶段，又给我们带来了什么？

大众：拿下中国市场，还得靠中国技术

有关这次合作，我们从大众汽车集团与小鹏汽车所发布的不同角度的官方新闻稿中看到了更多细节。

从大众集团公布的信息来看，与小鹏汽车合作的主体是大众汽车（中国）科技有限公司（VCTC），这是大众在今年5月全资新成立的一家主要用于本土研发的公司，位于安徽合肥，总投资10亿欧元，并将于2024年第一季度投入运营。而同样位于安徽的，还有大众主导的大众安徽公司。

他们都并非是我们传统意义理解上的南北大众，这是大众在科技层面的再次加码。

大众汽车（中国）科技有限公司项目投资签约仪式

虽然大众小鹏的合作已经在朋友圈里燃起了热火，但实际上，作为传统车企的大众，在这方面投资范围其实甚广。

比如就在去年10月，大众还宣布了旗下软件公司 CARIAD 与地平线成立合资公司，大众投资24亿欧元，持股60%，合资公司的目的是开发领先的、高度优化的全栈式高级驾驶辅助系统和自动驾驶解决方案。

奥迪与上汽的合作，以及大众与小鹏的合作，大众这些操作的意图已经非常明显：在中国电动车市场，大众必须有快速上量的车型，不多，三四款就够了，只需要快速弥补中国市场的空缺。

加上为小鹏注资的7亿美元，大众目前这些全部在华投入，相比CARIAD一年在欧洲就烧掉20亿欧元划算多了。

当然这背后是：大众也意识到，自己的电动平台在中国市场已经无法依靠技术口碑发挥作用了，因此产品层面，大众强调与小鹏的合作，双方计划面向中国的中型车市场，共同开发两款大众汽车品牌的电动车型，并将于2026年走向市场。

大众安徽

而小鹏的新闻稿中则提到了更多细节，强调自己哪方面能力发挥了价值。

小鹏称，双方将基于各自的核心能力，以及小鹏G9平台、互联性（智能座舱等）、ADAS（辅助驾驶），共同开发两款B级纯电动车。

小鹏G9

小鹏G9上市时遭到了市场的一些非议，这似乎是一次给G9平台相关技术正名的时刻。

不过，更看得出来，大众、小鹏的合作，大概率与全球市场没有什么关系。大众的目的是获得中国市场，而小鹏，却不能借此加码海外市场。

其实这也并不意外，国外的智能座舱还依然以CarPlay与Android Auto生态为主，而智能驾驶想要走出去，更是需要大量的本土化工作，就连特斯拉FSD，时至今日也未能走进更多国家。现在谈进入欧洲还太早，这其实是后好几步的事情。

而奥迪与上汽的合作，可以理解为大众在中国电动车市场各细分市场作出了精细化布局：奥迪与上汽主攻高端，大众与小鹏聚焦中型车市场。

虽然这轮产品还要等个两三年才能进入市场，但是也比大众自己的平台进展快多了。

大众第三代（MEB与PPE之后）电动车平台SSP进展屡屡被推迟，本计划于2025年推出，并于2026年在大众安徽工厂制造SSP平台的新车型，对于最终落地时间大众一直无法肯定，由于CARIAD研发进度缓慢，SSP平台的推出时间曾一度被推迟至2029年，但在今年6月的大众投资日上，大众集团CEO奥博穆表示，他们正努力在2026年推出SSP平台。

大众集团各电动化平台计划时间线

因此，小鹏与大众合作的两款车型，是否会基于大众平台，在SSP平台上开发，目前仍然无法判断。

目前可以肯定的是，大众集团更看重小鹏提供的“本土化”能力——也就是智能化领域的技术，来弥补自己的短板。

不过，大众先后与地平线合资，与小鹏合作，双方在智驾层面的能力如何分配，似乎也是一个问题。

但这轮操作下来，大众在中国新能源汽车市场已经形成了一系列的产品投放计划，其实都是力求达到稳妥推进和平衡：

一汽方面，PPE平台将在奥迪一汽新能源投产，奥迪持股60%；

SSP平台落地大众安徽，大众持股75%，是否与接下来与小鹏的合作有关还不能确定；

奥迪与上汽共同开发新车型，具体合作细节未定；

大众与小鹏合作，共同开发两款大众汽车品牌的电动车型，投放新的细分市场。

可以看出，大众已经完全调整了在中国的战略方向，将“在中国，为中国”与“在中国，用中国”结合，用中国的技术，去抢占中国市场。中国新能源汽车市场这块蛋糕，大众要想办法切下更大的一块儿。

小鹏现实收益大，未来的收益呢

资本市场的反应，其实也意味着小鹏的回报率真不小。

股价上涨，7亿美元注资，对于缺钱的新势力来说，简直是江湖救急。

毕竟今年上半年，小鹏可以说是新势力中过得最苦的，Q2时，毛利率甚至出现负数，交付量不达预期是主要原因。今年1月-6月，小鹏月交付量均未超过一万台。

眼下，小鹏期待G6上量，希望一系列新技术在接下来的产品中发挥作用，当然更希望账面资金越多越好。今年一季度小鹏汽车的现金储备340亿元，如果不能及时扭转局面，账面上的钱也只够烧3年-4年左右。7亿美元（约合人民币50亿元），的确对于小鹏来说很重要。

所以，这个合作一出，其实也是给小鹏在如今惨淡的时光里提提气儿。

别忘了，小鹏给出的4.99%股权，可不是小数目。如果小鹏卖的好，在技术没有完成转化之前，也不耽误大众分成。

接下来就是“取长补短”的过程。其实从现阶段的新能源合资合作中可以发现，这种模式有时并不一定能够达到强强联合的目的，双方能够提供多大的研发诚意，是否会对自身市场结构造成伤害，都会一定程度上改变合作的结果。

过去的比亚迪与戴姆勒合资的腾势，如今的吉利与百度，都有类似特点。

所以，要不是小鹏需要钱，小鹏会愿意拿出自己（G9平台）的核心竞争力吗？还是建立在对其海外市场没有什么作用的基础上。

收益和投入层面看，小鹏可能以后会在与大众的合作车型中得到额外的收入，还能摊薄小鹏在技术研发、生产制造方面的成本，为小鹏的未来加上了一份“保险”。

大众想要市场，小鹏想要钱。

合作成功与否，才是决定上述结果的关键。

深耕中国市场的大众，可以说是精明的生意人，但是一向被认为“老实的小鹏”，到底能从中获得多少价值，还得掂量掂量。

2023年7月26日晚19:00，三星在首尔举办的Galaxy Unpacked活动上正式对外公布了自家2023年度的折叠屏系列产品。

作为第一个推出折叠屏手机的品牌，三星的折叠屏产品一度引领着手机行业的发展形态。但经过4年的发展，国产折叠屏手机无论是从形态还是技术上都已经十分成熟，三星折叠屏在这些这些产品面前已经“略显疲态”。

“换汤不换药的Z Fold 5”

从外观来看，Z Fold 5和早前发布的Fold 4甚至Fold 3都没有十分明显的区别，这种更新态度是不能让等了一年的消费者心甘情愿买单的。

图源：三星官网

虽然外观的更新不明显，但是Z Fold 5内在的升级还是蛮大的。最肉眼可见的就是内屏升级为了一块峰值亮度达到1750nit、支持1-120Hz自适应刷新率的Dynamic AMOLED 2X显示屏。

图源：三星官网

处理器方面，当然就是S23系列上的那块高通骁龙8Gen2 for Galaxy（也就是8Gen2领先版），国行拥有12+512G和12+1TB两个版本选择。值得注意的是，三星在本场发布会上着重介绍了Z Fold 5将搭载全新的散热系统，希望这能够让它的性能表现更进一步。

Z Fold 5重量由上一代的263g减少为253g，折叠时的厚度也由上一代的14.2mm减至13.4mm，全新的闭合精工铰链设计让这一代Z Fold 5可以完全闭合的同时依旧能够维持多角度悬停模式，用户再也不用担心放在兜里内屏会进灰这种事儿了。

图源：三星官网

至于其他对配置，Z Fold 5依旧保留了IPX8级别的防水等级、无线充电等功能，内置4400毫安时电池，还有祖传的25W快速充电。

划重点：Z Fold 5的相机模组与Fold 4完全相同，仍然是5000W主摄+1200W超广角+1000W长焦，内屏的那枚400W像素的“隐藏式”屏下摄像头也跟上一代一毛一样，真是一点牙膏也不想挤啊。

SPen保护壳的升级也算是Z Fold 5为数不多的亮点之一，全新的Slim SPen Case可以将笔完全收纳至后盖内（厚度十分可观），并且这一代的SPen将和保护壳形成撞色设计，十分抢眼。

图源：三星官网

Galaxy Z Fold5国行先行者尝鲜价13999元起售，具体价格将在中国区发布会上公布。

“本场发布会最大升级：Z Flip 5”

相较于换汤不换药的Z Fold 5，Z Flip 5起码在外观上给了用户不小的惊喜。 

该机器的外屏由上一代的1.9英寸增加到了3.4英寸，外屏尺寸的增加意味着它不再只是一个通知中心，三星官方为外屏加入了类似健康、聊天软件、通话记录、三星支付、自拍相机等功能，相信国内开发者能在外屏上玩出新花样。

图源：三星官网

Z Filp 5的内屏也被同样升级为Dynamic AMOLED 2X柔性屏，尺寸为6.7英寸，分辨率2640*1080，支持自适应1-120Hz刷新（外屏依旧是60Hz）。

图源：三星官网

处理器方面Z Flip 5依然搭载了高通骁龙8Gen2 for Galaxy，存储有8+256GB和8+512GB两个选择，目前国行先行者计划购买256GB的用户可以免费升杯至512GB，不理解为什么三星不舍得给Flip上12GB内存，8G真的不太够用了。

Z Filp 5也采用了全新的超闭合精工铰链，手机盒盖后再无缝隙，重量为187g无变化。

此外，摄像头模组、电池容量和充电功率均无变化，用户期待的双SIM卡功能依旧没有支持，海外版则是eSIM+实体SIM卡的组合。

Galaxy Z Flip 5国行先行者尝鲜价8499元起售，具体价格将在中国区发布会上另行公布。

没有存在感的手表和平板电脑

可穿戴设备Galaxy Watch Classic宣布回归，如果你喜欢比较正式的手表样式，Classic肯定是更好的选择，不过这一代Galaxy Watch一直在发布会上强调睡眠监测功能，难道Galaxy Watch之前一直都不能够进行睡眠监测吗？

最后，Galaxy Tab平板系列也终于得到了更新，三星在高通骁龙8+Gen1这一代处理器上并没有推出自家的新款平板电脑，而S8系列的第一代8Gen1处理器的发热问题也让它的定位一度十分尴尬。

虽然三星平板对于国产软件的适配效果一直一般般，但Tab S9系列的确是你能买到唯一采用第二代骁龙8Gen2领先版的处理器的安卓平板了，其他的平板目前最强的也只到8+而已。

以上就是三星全球新品发布会的全部内容了，而三星中国区新品发布会的正式时间为8月3日19:00，感兴趣的小伙伴可以期待一下届时我们的评测内容。

人工智能这门技术从诞生以来就一直在从脑科学领域寻找灵感，而现在随着人工智能本身变得越来越强大，它开始反过来“影响”着脑科学的发展。

6月29日，由蚂蚁技术研究院和复旦大学脑科学研究院联合攻坚的类脑研究“基于图计算的脑仿真架构”正式启动。双方希望通过图计算、人工智能与实验神经科学的紧密结合，开发新的大规模高精度脑仿真系统，为理解生物智能和治疗脑疾病提供新的研究手段。

据介绍，蚂蚁和复旦团队的合作，第一期目标是先构建出小鼠 MS 中脑间隔这个脑区的模型，这是攻坚阿尔兹海默症的关键之一，项目周期为三年。

在当天的活动上，项目核心成员做了分享，我们也主持了一场圆桌，听他们分享了项目的来龙去脉，图计算和脑神经科学的最新科研进展，脑科学家和人工智能研究者对所谓通用人工智能的看法，以及贯彻背后的人工智能与脑科学“纠缠不清”的漫长互动史。

对话嘉宾简介：

王云，复旦大学脑科学研究院高级PI、研究员、博士生导师，附属中山医院教授吉凯基因新药事业部首席技术官，上海市药学会药理分会委员。

陈文光，蚂蚁技术研究院院长，蚂蚁图计算技术负责人，清华大学计算机系教授。主要研究领域为操作系统、程序设计语言与并行计算。获国家科技进步二等奖一次，部级科技一等奖两次，国家自然科学基金杰出青年基金获得者，国家重点研发计划项目首席科学家。

王小斐，1998～2005年于清华大学计算机系学习，2006～2010年于不列颠哥伦比亚大学计算机系博士学习。2011年回国后在清华大学信息技术研究院和电子工程系担任高级工程师。现于复旦大学脑科学研究院担任工程师。主持国家自然科学基金项目一项，联合基金两项。发表了包括PNAS的研究论文8篇，其中第一通讯论文2篇。

朱晓伟，2018年博士毕业于清华大学计算机系，主要研究方向为图计算系统与图数据库技术，曾获西贝尔学者、中国计算机学会优秀博士论文奖等荣誉；2020年加入蚂蚁集团，现任蚂蚁技术研究院图计算实验室研究员。

以下为对话实录。

王兆洋：刚刚四位的分享信息量很大，一个很流行的说法，就是听下来死了好多脑细胞，所以想先问一下王云老师， 这种说法对么？  

王云：哈哈，这个说法不对，其实更准确的说法是，在丰富环境里面我们的脑细胞更被激活了。

王兆洋：这个我们就放心了，您刚刚提到脑子里的零件都是没有备用件的，每个都不想要失去。

刚才各位的分享让我有很多好奇，首先请各位讲一下这次合作的起源和过程，复旦为什么会选择蚂蚁，以及蚂蚁对合作的期待是什么，以及各位在跨界合作里面，最让你们感到最兴奋的点是什么。

陈文光：我们都是比较实际的讲这件事儿。这件事儿的缘起是小斐有一天在清华门口约我喝咖啡，然后递给我一份论文，说脑的这事儿已经这样了，你这个图计算应该有得搞，能用上。

我一看，这好事儿啊。但是当时还没有想好怎么去运作这个项目，你要弄这件事儿，其实是需要经费的。做实验，刚才我们讲的很多那都是要设备、要材料、要人工，要很多的经费。所以当时还没有完全想好。

所以小斐位置比较关键，他确实拉通两边。这边觉得我们的计算技术可能有用武之地，那边觉得说脑的这些实验技术的发展也确实到了这个程度。所以最后他选择了王云老师的实验室，跟王云老师去沟通了。然后王云老师也很高兴，觉得可以做。

总体上，大家都有一种在这个新技术层出不穷的时候做一些突破性的事情的想法。我觉得这是大家一直都有的动机。然后在小斐居中的联系催化下，形成了这样一个合作。

后面要做这件事还是需要一个相当数量的经费的。其实蚂蚁技术研究院去年的时候就在酝酿，也刚刚成立，像这个额度的在蚂蚁也是不多见的，我们也是跟老苗（蚂蚁CTO倪行军，花名苗人凤）做了汇报。他还是非常支持这样的一种前瞻性的、创新性的项目，所以后面我们就得以比较顺利的去推进，构成了这次的合作。

王小斐：就像文光老师说的，我看论文嘛。一直在学习中，然后看论文就找到相似的点，脑子里的神经元被激活了，然后就去找文光老师。因为我大一就认识文光老师，很多年了。

对于我来说，为什么一直想做这个事儿呢？起源于20年前，我还是清华计算机系的研究生，那时候脑子也不知道哪个神经元有问题，去上了清华大学的神经生物学课，然后课程设计是你要写个东西，但是你不是生物科班出身，你写什么呢？

我写了一个怎么把CPU和人脑联在一起，然后实现一个东西。

当时教我神经生物学课的老师说，计算机系每隔十年就会来你一个这样的。我特别想知道，我之前那十年谁去了。

这是个故事，但是这个故事我现在还能回想起来，这个就是一个理想主义。然后后来我在清华那边参与了各种神经生物学的课程和事情。现在算是懂得确实多一些，当年的梦想我觉得没有错，我们还可以再试试，又有机会了。

王兆洋：那请王云老师也讲讲，小斐老师怎么打动您的。

王云：小斐跟我讲过很多次陈老师刚才介绍的那个故事。其实小斐来找我他真的不需要打动我，他一说，我就一口答应了。为什么？实际上这也是我刚才因为时间关系没有讲的那一个故事，小斐也都不知道。

我当年从复旦离开去了英国。我就是拿了我刚才讲的1987年那篇论文，英文是我自己翻译的，然后我投到英国去了以后，我就拿到了英国最高的奖学金。那时候年少无知，就进了那个实验室。

我的博士实验室的导师是做数学计算模型的，是做的脊髓的计算模型。我后来跟我导师聊天的时候我说，你为什么招我？我对这个一窃不通。他说我看中是你的技术，就比如我现在的学生能够做膜片钳的话，在差不多40年前，我已经能够做细胞内的记录，那时候还没有膜片钳，而且是在体内的细胞技术。

所以说，小斐和陈老师给了我一个机会，让我读完博士都没懂我的导师在干什么的这一个事情，能够重新捡起来。我希望我在退休的时候能把这件事情做成。

王兆洋：看来这个合作里大家都各自有一些执念在里面的。晓伟有没有要补充的？

朱晓伟：其实这个事情对我来说，某种意义上可以算是一个命题作文，因为有了这样一个项目。

王兆洋：那你现在有点像当年的他们，也是不知道为什么但处在了一个交叉的前沿。

王小斐：这个事情对我自己而言，其实还是有相应的动力在的。从做研究开始，一直到加入蚂蚁，接触到的图计算的应用，他还是感觉局限在一些东西里，当然它离我们生活很近，但是就感觉跟科学有点远。

但是其实我一直知道说，图计算其实是在科学领域，不光是社会科学还有自然科学，都是有这种应用的。所以有这样一个机会，虽然我刚刚说是命题作文，但是这个命题作文我还是很乐意去以一种比较好的状态把它写好。

王兆洋：好，接下来每个人的问题，我先问陈老师。我注意到您过往多次提到一个思路也是指导您工作和科研的思路，就是要做一些有想象力和开创性的东西，而不是说在一个已有的系统里面去做一些修修补补。

刚才您分享里面也提到Open AI，我刚才自己去想，它的想象力好像和跨界这种想象力不太一样，像Open AI这样他相信一个技术路线，充满质疑的情况下去做了很多脏活把这个最终给做成了，这是一个开创性的想象力。另外一种，就像王云老师做了这么多年，他可能就在等这一天，之前没有人把这两个技术融到一块儿去做的，这也是一种想象力。所以想问您，您怎么去定义这个想象力。

陈文光：其实想象力更多的是看那个结果。你做出来的结果让人觉得这东西还能这么做。

像AlphaFold，我们最近是被ChatGPT刷屏了，但是之前AlphaFold也是个非常非常令人震惊的工作，他可以通过输入蛋白质一维的序列，基本上非常精准的预测出他的三维的结构。

因为这个工作我之前用我们叫做第一原理的方法做过，实际上他非常的耗时。你要真正的通过那个方法要得出来一个完整的蛋白质的序列，需要非常长的时间。所以就会有一个项目叫做Folding@home，就是把这个任务分发到这些空闲的桌面机，全球的人的机器上面去做。因为和这个对应的之前叫SETI@home（Search for Extraterrestrial Intelligence at home，在家探索外星文明），那些分析外星信号的一样也是计算量非常大的。

所以，过去这么大计算量的一个工作，现在由于有了AI的方法的演进，可以能够拿到这样一个非常惊人的效果，我觉得从这个角度讲，我认为就是很有想象力的。

包括AlphaGo也是这样的，其实他不太在那个过程。你说我就是认定了一个方向就往前走，还是说我是通过交叉做出来的，还是通过其他的方式做出来的，我觉得方式不重要，最重要的是那个结果你要先能想到。

因为有些科研是说你就是做出来了，大家也觉得也还可以，就那么回事儿吧。但我觉得我们这个项目，我们这次跟王云老师这两年的项目，我们其实还只是做了一个很小的区的模拟。但是一个大的愿景，我们还是真的希望能够精准的、精确的去模拟全脑。

这个事情我想如果能做出来一定是非常有想象力的。

当然这里面还有很多挑战，刚才小斐说了，要10的29次方。大家知道，现在所谓的的AI涌现现象，是10的24次方。10的22次方以上就有一个大拐点，但是他还是FP16（半精度，深度学习里的一种数据类型）的，或者现在新的一些精度的，但是像这个里面，经常是FP64（双精度）。就是说，他的一次计算顶你10次计算的复杂性。所以说这个计算量还是非常有挑战的。

这是计算量的角度，我们之前做过好几个工作，包括在咱们国家最大的超级计算机上我们做过100万亿边的图，这个量级我们其实是已经达到了。包括大模型训练，我们也都做过100万亿参数模型的训练。所以我觉得我们在相关的一些技术的基础上，也不是完全的没有基础，或者说我们现在的一个想象，应该就是说一个极大的计算能力，我们是有足够的能力去支撑的。再和这样的一个领域相结合，我们相信是一个值得探索的方向。

王兆洋：也就是要做就要做最重要想象力最大的事情。

陈文光：是的。

王兆洋：另外今天这样的合作里，大家也很关心图计算这个技术本身发展的现状是什么样的。

我们最近关注很多生成式人工智能相关的进展，我会理解图计算更偏向数据那部分，而现在外界更关注的是算法、模型这些非常光鲜的、能让每个人都聊两句的东西。这里面包括很流行的GNN这些，其实跟图计算有关，但人们似乎没太关注里面图计算扮演的角色。所以结合生成式人工智能的进展，请您讲一讲图计算现在的一个现状。

陈文光：对。图和关系数据相比较的话，你可以看成是在更深度的关联上面的一种数据处理的方式。但其实图和智能之间我认为也是天然的有两个连接点的。就像你刚才讲的，第一个点是知识图谱，第二个点是图神经网络。

那么这两个点，未来还是有很大的空间的。当然之前陆奇讲过一个话，不要用知识图谱，就用统计的模型就好了。但后来也有说法说陆奇否认他自己说过这句话，是媒体的误传。但是不管怎么样，实际上蚂蚁技术研究院另外一个我们想做的事情，实际上是希望能够做大规模的常识知识图谱，因为你可以想现在的大语言模型说他读了这么多语言的东西，他自动的自回归的自生成了一个类似于把知识嵌入进去了。但是实际上这样的语言模型，也为大规模的生成一个显式的知识图谱提供了机会。就是过去可能处理不了这么好，现在你能够处理的比过去更好了。

那么数据能够有一个显式的知识图谱，比过去的知识图谱的规模大10-100倍的这样一个规模的显式的知识图谱出来。有了这个东西以后，他对于解决现有的模型中的一些幻觉、一些不确定的问题，是会有很多的帮助。

这也是我的一个信仰。

但是我也跟很多人谈过，大家现在的思路都不一样，有认为说知识图谱本身有扩展性的问题，所以他应该只局限于在一些领域里面构建一些知识图谱，去和大模型作为通用的知识去结合。但我自己还是刚才那个逻辑，我们要想一些比较难的，或者说别人认为可能这条路是比较挑战或者不太容易做的事情，我可能还是想往这个方向去发展。

所以整体上，从智能的角度来讲，图的角度来讲。第一个就是我们和神经科学、脑科学结合，去有一些更多的促进和发展。另外一个是大规模知识图谱的构建，看看这个能不能有一些涌现的现象出现。大概是这样的一个考虑。

陈文光

王兆洋：感谢，接下来问问王云教授。

我们刚才讨论会发现，今天人工智能领域是一个充满不同路线，彼此较量的一个学科。而脑科学方面，您刚才讲的美国和欧洲的不同项目，其实背后也有一个路线的不同，就是到底模拟出来的脑重要，还是脑是完全模拟不了的，你就先做，然后你再逆向工程，再去解释这个原理。

现在看起来我们是选择模拟脑的路线。不过我回想了一下人类的技术演进，尤其是人类想要超越自身限制，模仿一些大自然里的神奇能力的过程，比如最典型就是飞机，人类也是一开始像达芬奇设计的跟鸟一样扇翅膀，但是后来飞机真的实现飞行的梦，并不是扇翅膀，反而是先有了飞机，再有研究出来流体力学、空气力学这种东西的逆向工程的感觉。

所以您怎么看今天脑科学和人工智能结合时候的技术路线？

王云：这件事情，从我的观点来讲，我会认为我们去做这样的一个脑的话，肯定首先是要对脑的一些基本的原理做深入的理解。

刚才的视频里面已经讲的很清楚了，里面有一个数字，他们里面模拟的2000多个连接的时候，只有20个可能性，已经可以被实验科学所做到的。那么我们就可以看到，我们要对这个实验科学去理解，他肯定是一个很长时间的，而且需要耗费大量的资金、人力和财力的过程来做到这件事情。那么在这个发展的过程中，刚提到的两种路线，这两者必然是一个结合的。陈老师在最开始的时候讲了，这两者就是互为相互关系的，不是说哪一个更在一个前面或者更在一个后面的关系。我是这么来理解的。

我是希望说，这两者之间能够互相互补，任何的知识发展，任何的技术发展，和理论和技术、理论和最终的产品，我一直认为认可的是互为推动、螺旋式上升的过程，而不是说我只有先有一个理论完全成熟了以后，才能有这个技术，才能变成一个产品。或者说，我先要有了技术、先要有了产品，才能推动这个理论的发展。我希望是一个能够互相互为的作用，然后螺旋式上升，才能够不断的是一个有序的上升。

王兆洋：也就是像刚才陈老师说的，互为目的和手段，以及螺旋式上升。那么如果具体到这一次的合作，我刚刚听到也有第一个两年的规划，第一个阶段谁会先是谁的目的？

王云：这么说吧，接着我刚才讲的我和我的博士导师之间的对话。

我那时候真的是年少无知，我也不懂，我就给他提供数据。这是一个很粗浅的参与方式。陈老师在前一次我们沟通的时候也是一直就强调，前面很多的人在做这样的模型的时候，都是说我只要拿到生物学的数据以后，我就来建模，建了模了以后就是这样。

我们希望是说，我们互为目的和结果，就是一个螺旋上升的，而且不仅我们可以获取不管是美国脑计划、还是欧洲脑计划，还是其他的实验室里面的数据，我们更要获取我们自己实验的数据。

为什么我讲这一点，我们知道生物学的数据里面，刚才讲了，我们对这个脑区已经知道他有三类神经元，有论文发表。但是大家知道生物学数据里面有一个很重要的，我为了一个目的去做的实验，他有基础。所以说我现在给我的学生一个指标，没有任何的基础，你就是“盲着眼睛”去做，不要说这两个细胞之间，我找到有关系的我才去记录他。

所以说我们要真的通过大数据，通过数据去验证，然后推动这个模型向前发展。这也是陈老师所希望的，我们不是一个松散的联系，而是紧密的联系，我们要不断复盘我们的结果，复盘我们的模型。

王兆洋：听下来脑科学跟人工智能比起来，路线的意味不太强烈，更多的是一个只要能为我所用，都会用到你的研究里面。

王云：对，因为如果为了想要说明一个科学问题，那么我就是有目的的去获取这样相关性的数据，但是我们在做真正仿真的时候，我就必须是一个真，真是一个非常重要的词，真才是一个真正的词。我们对这个真的了解是什么？这是关键。

王兆洋：我还想追问一下，刚刚听您分享您的科研历程，会发现脑科学还有一个特点，一方面在学术研究上，像您刚刚讲的是40多年其实对大脑还是一无所知，其实这也意味着对科学家做科研突破诱惑性非常大，甚至需要像您刚提到的没有目的的去追求极致的真。但另一方面，您刚才同时也提到在开发药物的经验，其实现在我们普通人太需要马上有研究成果转化出来的，帮助到大家，甚至是救命的一些东西。

那么这两者如何平衡，您是怎么去把握的。

王云

王云：我觉得这在于说明确你的不同的目的。

如果说在实验室，就是两个科学问题。第一个是关于这个脑仿真相关的科学问题，这里面的网络架构是怎么样的，神经元的网络架构和仿真网络是怎么样的，他这是一个真实的东西，或者说是一个客观的东西，那我就要客观的呈现。那么陈老师他们这个图计算里面出来的仿真的才能够真正的是和真更加接近，或者说无限接近的一个过程。

而我们在去做药物的测试的时候，或者说药物研究的时候，我就要去针对我所要的这个目的，去获取我针对的这个靶点相关的数据，那么一些不相关的数据，我就可以先放到一边去。

所以，你要根据不同的目的，采取不同的手段，没有对和错，只是你的目的一定要明确。我一直和学生在讲，只有你的目的明确了，你做的事情才是正确的。

王兆洋：好。感谢。接下来问问晓伟老师，刚刚你分享了很多图计算的案例，像你说的，其实都更贴近实际的场景，比如用在社交网络关系的分析，欺诈的可能性的分析，你也提到图计算现在要用到脑科学的时候，其实还有一些不太一样的地方，比如神经元的复杂度也不太一样。那么如何让这个技术更适配脑科学的需求。

王小斐：这个事情需要随着计算机这边的同学相应的神经科学方面知识的不断的积累来不断加深。

最开始的时候，我们就觉得神经元好象就应该是一个点，但我们讨论时候就会发现好象把神经元当点不一定是最好的选择。当然了，现在我们也很难说是不是现有的那些框架，比如说用树来描述这个神经元，就是一个更好的选择，也不一定。

但一方面是说我们了解了更多之后，会有更多的idea，但是其实我们做系统的很难说一定哪一个是最正确的，我们要都尝试过之后，然后再来看哪个更好。

以及其实可能真的没有更好的，因为做系统的最重要的一个事情就是取舍，我在某方面获得的提升可能是牺牲了另一方面的。所以，我觉得这个事情挺有意思的，但是这个会在学习和实践的过程当中不断的来修正我们的一些已有对图计算的一些认知。

王兆洋：刚提到学习不同知识，我记得有人形容计算神经学是人工智能跟脑科学之间的桥梁，听刚才大家分享，其实会发现这个合作里，小斐老师就是蚂蚁和复旦之间的桥梁。

有一个问题想问小斐，其实刚才听了你分享之后有一个感觉，就是会觉得这合作早就应该是这样啊，怎么直到今天，图计算才被用到了脑科学，开玩笑的话，是不是你更早看到论文就会更早做这个事儿？

王小斐：哈哈，其实一直在看论文，主要工作就是看论文。之所以之前没有到现在这个状态，其实是因为一个是生命科学的技术是在不断成熟的。

从膜片钳到多通道膜片钳，到更多，现在王云老师说的这个工作量，已经是非常优化的一个结果了。

第二个方面是数据方面的积累，确实是美国脑计划和欧洲脑计划让数据开始攒得多了。如果你数据量不到位的话，这些都是无源之水。

第三个方面是图计算技术成熟，或者说大家开始动这个脑子了。也是从2020年之后，就是我那张图，那个蓝色部分，2020年左右出现了好几个蓝色的小框，这就是意味着大家开始做这个事儿了。

我讲一个科学故事，但是不太负责任啊。大家都知道希格斯，希格斯获得了诺奖。但是希格斯的发现是1960年代的。他当时为什么发现了这个？推算出希格斯粒子的论文其实在三个月里面有6-7篇，这6-7篇论文来自于欧洲和美国不同的地方，这些都是理论物理学家推出的。

那么为什么在这三个月中出现了这么多，且都推出了希格斯粒子？就是因为欧洲的实验物理学砸出了东西，这个设备建成了，这个能级达到了这个程度了，实验数据就出来了。而若干个搞物理的组都知道这个数据，都等着这个数据，都在做这个东西。

然后希格斯是被接受的第一个。然后那之后希格斯就一直在锻炼身体，直到拿到诺奖——我说了我对这个故事不负责任啊。所以爱丁堡大学的一景，就是每天去看希格斯跑步。然后终于在希格斯90岁还是92岁的时候，拿到了诺奖。那么多推出来的，为什么是他？一个是活的久，另一个是欧洲的加速器能级升级了，就又砸出了一批数据，验证了希格斯粒子，另外那6、7个都是算的慢，但是都是对的。

所以，其实大家都知道，但就必须得有实验数据砸出来了才行。于是第二年赶快给希格斯老头子诺奖。这个故事就是这样的，不负责任的一个故事啊，但这就是一个时间到了，可以做了。

王兆洋：有意思的故事，相比起来，我们这件事儿，其实是两个学科都要同时到了一个节点。也是一个螺旋的关系。

王小斐：没错。

王兆洋：你刚才提到这个，也会让人想到现在的人工智能，所谓涌现，也有这种感觉，ChatGPT出来以后，马上就出现了其他的希格斯们，只不过比他证明的慢一点，现在还在跑，而且没有那么快。

今天你的身份是最特殊的，跨两边的，所以对人工智能一些话题也可以让您聊一下。刚才王云老师说了，包括整个研究脑的人肯定都会有这个敬畏，就是说我们对脑依然一无所知，但为什么一个好像要复现人的脑的人工智能出现了这么大的一个进步，让人们觉得我们离通用人工智能更近了？你有想过这样一个问题么，或者怎么理解这个问题？

王小斐：作为学计算机的跳到生物这边，我本质还是相信（智能是）计算机可以计算的，早晚会出现。但是人工智能我觉得现在包括ChatGPT也已经出现了，跟人还是不一样。或者说，他还是一个工具，并不好评估到底他跟人有多像。

或者说它不一定跟人有多像，而是人可能比想象的更接近机器，这是一个反向的思路，我倾向于这个。

王兆洋：就是不一定一切讨论都要以碳基为出发点，可能是硅基。

王小斐：或者说，人不像自己想象的那么有随机性，因为我印象很深，ChatGPT出现了之后我就在想，当时对我震撼蛮大的，他确实聊的很像个人。

后来我就做了一个思维实验，我想了我每天思考的事儿到底有多少件？我发现不多。人没有想象的那么聪明，而不是AI进展过快。不过我这个可能是一个邪道，我过滤了一下自己，我每天思考的事儿，大概就是吃饭、睡觉，不需要很多智能。

王兆洋：归根结底还是像王云老师说的，怪我们大脑。谁告诉我们要研究大脑，谁告诉我说大脑最厉害，其实都是大脑告诉我们的，所以可能大脑骗了我们。

王小斐：对对对，我在反向的复盘他的工作量。

王兆洋：看来还是得给大脑列比较清楚的KPI。

王小斐：是的。

王兆洋：最后有一些供大家去一起讨论的问题。

第一个问题，刚才跟王云老师在聊，前天我也去了复旦听拉维特（michael levitt）教授在分享，我觉得有一个让我觉得挺厉害的，他是一个生物科学的人，但他分享了他对人工智能怎么去理解，非常精炼简洁。

而作为对比，我刚才注意到一个细节，各位每个人的幻灯片里都涉及到了对方领域的东西，但是一旦到相关部分的时候，大家都很谦虚，会说我这个可能不对，我这个可能是从网上拿来的。但是我觉得跨学科有一个很大的价值是，你带来的不同的视角，和不同的对本质的理解。

所以请大家不要谦虚，分享一下在图计算的研究者或者科学家眼里面，脑科学是什么东西，以及在脑科学家的眼里，图计算或者人工智能是怎么去理解的。

图左到右：陈文光，王小斐，王云，朱晓伟，王兆洋

陈文光：对，你刚才说的人工智能和脑科学之间的关系，我也想稍微回应一下。

实际上人工智能是有他自己的发展道路的，就是数据加算法加上规模，我觉得基本上是这样的一个关系。

你不能说他完全没有参考脑的事儿，如果你看深度神经网络，和人的那个视觉脑区的层次结构是有一定接近的。但是，相当多的人工智能研究者都认为，他们两个并不需要完全的绑定，并不是脑怎么做的，人工智能就要怎么做。

人工智能其实有了自己这个学科发展的一些方式，包括他向不同的方式探索，包括大规模的并行处理，达到现在的效果，我觉得它是既有联系又有它自己独立的发展路径的。

所以，并不是说我们理解的脑越多，你就一定会有更好的智能。

但是为什么我们还是希望做这件事呢？原因是说，如果我们想突破现有的这条路径，这条路径他已经走的很好了，走的不错了。我们想说，怎么能做得更好。

我们其实没有太多别的方法，就比如知识图谱可能是一个方法，另外，理解人脑是怎么运作的，可能也是一个可能的方法，这个我觉得更多的是从一种替代路径的角度来考虑这件事情。

我觉得你刚才举的飞机和鸟的例子也是很合适的，飞机并不是完整的去模拟了一只鸟，但是我如果理解了鸟的一些行为的规律，对我设计飞机应该说还是有帮助的。我觉得他们两个是这样的一类关系。我觉得这是人工智能和脑之间的一个关系。

王云：小斐刚才讲的那个东西我补充一点。小斐刚才说作为一个人来讲，每天在思考的事情并不多，我就是吃饭、睡觉、工作。我不同意这个观点。

实际上站在神经科学的角度来讲，人涉猎很多的东西，但是都是一种无意识的涉猎，或者说现在有一个比较时髦的叫做斜杠，我很喜欢做一些斜杠的事情。我们的信息进来了以后，对他进行了一些处理了以后，他会根据不同的需求，然后构建成不同的网络。那么如果说我们的每天的任何的信息，我们在座的每一个人，每天获取的信息的量是差不多的。你的这些信息是不是能够被进行计算了以后，和你原来的记忆一起，是要对他进行编码，编码了以后，要把原来的信息提取出去然后进行再编码，这个过程叫什么？这个过程在神经科学或者叫认知科学里面、心理学里面叫信息的融合，你要把这些信息给综合起来。

从我个人的认知上面来讲，我现在越来越觉得，我们看一个人的知识量大不大，或者他聪明不聪明，实际上就是你对这个信息的融合的能力，而不是你信息的获取的能力有多少。现在我们的信息获取更多了，来源更多了，但是你能不能把这些信息的融合起来，把一个信息叠加成多个的信息。所以我说，你每天可能就这件事情，但是你的一些无意识的信息，都在促进你的脑的成长，你的思考，你的那些能力的提升。

围绕您刚才的问题，我在过去几年里面，我刚才说了跨界、斜杠，比如我对脑机接口非常感兴趣，有机会和做脑机接口的公司互动，他们邀请我讲课，我也要求他们给我讲讲。当然我之前也不是说从0开始的，这就是我刚才讲的，我的这些信息不断的在从其他地方进来，并且已经储存在你的脑子里面，可能在你的潜意识里，那么你的这个信息来了，你就能融合。

所以我们从神经生物学的角度来讲，我对像是Alpha Fold等人工智能这些都是非常关注的，我在前面去做报告的时候，我最初在我的合作的公司里面，他们开发出来了一个关于靶点研究的，当然他后来有一个自己的名字。最早还没有自己名字的时候，我就把它命名为Alpha  G，实际上就是我们用人工智能去判断这个基因的可成药性，我就给他命名为Alpha  G，实际上原理是一样的。

所以说，跨界这不是一个很大的问题，只在于说你能不能够更多的关注他，而且把他给结合起来。这是最重要的。

王兆洋：时间关系，最后一个问题。刚才我突然发现，我们看起来是蚂蚁和复旦在谈合作，但其实台上也是一个复旦和三个清华。我觉得有一个很有意思的问题问一下大家，刚才提到计算神经学，你看小斐分享里面有一个计算社会学，似乎计算两个字后面可以加任何东西，包括图计算也是有这种属性，能跟很多学科做很深入的融合。

我现在想问的是，各位都有一些学界、企业界双重身份，我们都会遇到跨学科的，就像我们刚才调侃说自学，未来尽量不要自学，需要有一些方法。能不能跟大家分享一下每个人的一些想法。

王小斐：我的心路历程是一个比较复杂的过程，从小就感兴趣，然后大学的时候修了课程。我一共读计算机系修了生化原理、神经生物学和营养学三门生物系的课，分数还可以，中等偏上一点，因为老师比较怜惜我。

王兆洋：毕竟十年才来一个。

王小斐：对。后来一段时间，专心的写程序。有一段时间也和生物系的同学在组里做实验，后来自学成才是自学成才，但是跟生物系的人就混在一起了。然后你会发现，是可以自学成才的，学习曲线极其陡峭，但是兴趣是最好的老师，你感兴趣你就会想把他搞明白。

曾经有一个老师问我，你这样到底图个啥？

我当时就说，我想知道这个世界为什么是这个样子的。

那个老师到现在对我还挺好的，就看你兴趣驱动，就是王老师的PPT里面的那个小白鼠，下面就写着“Explore（探索）是人的本能”。大家开玩笑说抗AD最好的就是你的环境要丰富，在一个玩具非常多的环境中的小鼠，它的老年痴呆概率就是把单一环境下的小鼠要低得多，探索就是让自己神经元总在兴奋，然后就可以有趣。

王云：我有一个很重要的感受，您刚才讲了，我们这边是一个复旦、三个清华。但我还是想说，这是蚂蚁和复旦的合作。这实际上不仅是一个跨界所带来的创新的项目，对你个人也是非常非常重要的提升。因为你在一个狭窄的社会环境里面生长是不行的。

刚才小斐也讲了，我们老鼠在一个单一的环境里面，它的神经元的生长，我们说神经元本身不能增加了，但是它的树突上面的这个关联的突出是会增加的。老鼠你让它在丰富环境里面多了以后，它这个突出会增多。

给我自己的亲身体会是什么？如果说我早几年回国的话，我跟现在完全是不一样的，在学业上会有一些更好的成就，但是我一点都不后悔，为什么？我去了企业。那几年给我的个人的成长，从我个人成长的丰富度上面来讲是不可比拟的，我至今我认为我在礼来的那几年获得的所谓的大厂的正规的训练，对我的整个人生是非常非常重要的。所以说，我特别感谢蚂蚁，特别感谢陈老师，能够有这样的机会我们进行合作，真正的做校企合作。

王兆洋：感谢大家，非常期待合作接下来的成果。

十多年前，工具类应用曾是中国出海开发者最为青睐的赛道。后来，游戏应用、泛娱乐应用、金融科技应用等成为中国应用出海热门赛道。

市场竞争渐趋白热化的2023年，做应用出海还有机会吗？

以最受瞩目的游戏应用为例，上升空间极大。Adjust公布的数据显示，2022年中国游戏出海总收入达173亿美元，预计到2026年将上升至265亿美元。

而从大盘来看，中国应用开发者中有79.1%计划出海。

作为一家业务遍布全球的移动营销数据分析平台，Adjust在中国的主要业务也是出海业务。Adjust中国区商务负责人兼全球副总裁Chris Rupp表示，其他国家的移动营销者通常集中在本土市场，中国移动应用行业不同，在出海业务上有多年积累，在不同目标国家、行业，甚至子品类上都有非常丰富的经验。

结合Adjust公布的数据，品玩Global将在本文中带来对2023年移动应用出海概况的解读。

关键市场表现

7月上旬，Adjust的数据团队创建了一个中国出海应用的样本，以研究应用出海现状。

图源：Adjust

总体来看，美国（66%）、印度（50%）、巴西（40%）、菲律宾（40%）、印尼（38%）是最热门的5个出海市场。上图列出的15个市场中，除了发展成熟的欧美和日本，有4个位于东南亚地区，有2个位于拉美地区，新兴市场的潜力不容小觑。

图源：Adjust

而当切换视角观察中国应用在各国总安装量中的占比时，各个市场的差异显现。中国应用总安装量占比最高的市场几乎全都是新兴市场，最为热门的美国市场竞争激烈，占比仅为6%，毕竟本土开发者的实力不容小觑。

总安装量占比最高的肯尼亚是东非门户、世界组织和世界五百强总部热门地点，也是中国企业出海非洲不会错过的市场。具体看15个市场总安装量占比排名，几乎半数（7个）来自东南亚地区，断层式领先于数量排名第二的南亚地区（尼泊尔、印度）。

Photo by Rami Al-zayat on Unsplash

聚焦到工具、娱乐和游戏这三个类别时，总安装量占比最高的15个市场存在高度重叠，总计包含以下17个市场（不分先后）：越南、尼日利亚、泰国、巴基斯坦、马来西亚、菲律宾、印度、埃及、哥伦比亚、俄罗斯、阿根廷、巴西、印尼、英国、美国、孟加拉、土耳其。

其中，中国移动应用在9个市场的工具、娱乐、游戏三个类别的总安装量占比均进入前15，这些市场是（不分先后）：越南、巴基斯坦、菲律宾、印度、哥伦比亚、俄罗斯、巴西、英国、美国。

分别看每个类别，中国工具类应用在越南（39%）和尼日利亚（35%）的占有率最高，泰国位居第三（27%），紧随其后的是巴基斯坦（21%）和马来西亚（20%）。

在巴基斯坦，娱乐类应用的总安装量中有 22% 来自中国应用。越南（20%）、印尼（14%）和埃及（12%）的表现也不错。

中国游戏应用在东南亚的影响力不容小觑，总安装量占比最高的5个市场中有4个是东南亚国家：印尼（30%）、菲律宾（27%）、马来西亚（23%）、泰国（22%）。

全球重点领域趋势

以上数据足以窥见中国应用出海的大致情况。关于全球移动应用的2023年趋势，Adjust在近期发布的《2023年移动应用趋势报告》（下称趋势报告），对电商、游戏、金融科技三个重点领域提供行业趋势分析和解读。品玩Global仅在此罗列一小部分趋势见解，详情请查看报告。

趋势报告显示，社交电商、可购买广告格式是2023年电商类应用诸多重点中的两个。2022年，移动电商销售额为 4159.3 亿美元，增长率首次跌破两位数，仅有9.9%，行业总体仍保持上升趋势。2022 年，社交电商总销售额达457.4 亿美元，到2023年，TikTok、Instagram等平台的可购买广告进一步发展。

2022年对游戏开发者是不友好的一年，Adjust数据显示，全年游戏应用安装量年同比下降12%，其中北美地区跌幅近20%。好消息是，与2022年第4季度相比，2023年1月安装量反弹23%，表现优于2022年。2023年，游戏应用行业回暖。

作为全球最活跃的新兴经济体，拉美是2022年金融科技增长最为显著的地区，年同比增长率高达 54%，欧非中东和亚太地区分别为40%和30%。2023年全球移动设备端支付金额将超2万亿美元，无接触移动支付交易量预计会增至490亿美元，比2021年高出92%。

结合中国出海应用概况和全球移动应用趋势，中国移动应用出海的热潮远没有停下。这些出海应用在东南亚的影响力最大，而南亚、拉美、中东北非等新兴市场的机遇则有待继续挖掘。

题图来源：Photo by Rob Hampson on Unsplash

新能源，天天都有新花样。

去年新能源汽车领域嘴炮一个接一个：“500万以内最好”、“遥遥领先”，主打的就是一个放狠话。而今年如果关注新能源汽车新车发布会的车友们则不难发现，新技术已经开始“烧脑”了。

举几个例子：

同样是800V高压快充，5分钟充满200公里和10分钟充满400公里，到底哪个好？

在北京西直门桥挑战城市NOA，与望京智能驾驶PK，对于车主来说，到底哪个更靠谱？

无论是燃油车还是新能源，当座舱交互成为标配，怎么考验它是一个合格的行车助手？

再比如，今年夏天进入史上最多高温日时，什么样的指标能够提高夏季用车体验？

日新月异的技术创新就像一把双刃剑，车企想借助新技术脱颖而出，与此同时也增加了用户客观理解新技术的难度。

如何让用户真正看到什么才是“合格的新技术”？一辆车到底好不好，单靠车企提供的技术参数就够吗？

怪不得全网车主都在高呼，新能源汽车的吹牛症，真得有人管管了。

夏季开车，痛点很多

今年夏天毫无预兆地，全国多地都迎来了极端高温，也让很多新能源车主意识到，新能源车不止冬天难过，夏天的槽点也很多。

过去，很多人将夏季用车的关注点放在充电安全上。不过随着电池企业在电芯的设计和制造上不断升级，以及在电池包的材料应用也在不断改善，电池安全系数整体其实在持续提升。大家比较担心的充电起火、自燃等现象，目前市场上的主流新能源车型都极少出现类似情况，事故数量在大幅减少。

但安全性高了，夏季用车体验似乎并没有随着新能源汽车整体产品水平的提高而变得更好。

新能源汽车在高温环境下的痛点，竟然变多了。

新能源车主在这个夏天感受最深的，大概就是日渐成为标配的全景天幕，在炎热的夏季增加了车内炙烤的温度，有些人甚至在车里戴起了草帽。

图源：网络

甚至有车主担心，高温情况下手机都会遇到需要冷却、重启的情况，极端的热度，会让新能源汽车经历什么？

比如，随着新能源汽车依靠堆配置升级，高温暴晒反而增加了提升车内甲醛浓度的风险；

再比如，当车机已经成为新能源汽车以及燃油车的标配，已经有车主开始担心，在高温情况下，车机会不会像手机一样死机；

同时，随着新能源汽车续航里程和驾驶体验的提升，新能源汽车自驾游也越来越普遍。在高温天气长途自驾出行，除了补能，高温行车还有一些安全层面的问题是车主注意不到的。

而这部分，恰恰没有一个明确的安全测试指标供用户参考。

据公安部最新的统计数据显示，截至今年上半年，我国新能源汽车的保有量已经达到1620万辆，与市场规模一同增长的还有技术创新带来的不同用车体验，同时，智能座舱与智能驾驶在量产车型的搭载率也在不断提升。

这也意味着，夏季高温环境下，除了电池安全、空调制冷，随着车型软硬件升级，很多维度的使用体验用户根本无法判断，可以说，夏季用车，用户不但有痛点，而且有“盲区”。

事实上，针对极端条件，高温、高寒、高原环境，汽车企业在产品进入市场前都会进行三高测试，这一测试重点在于验证汽车的安全性和耐久性。

但是对于用户来说，很少会看到车企公布真实的测试数据，对于测试标准和实际用车体验之间的差别，用户也知之甚少。

三高测试仅仅验证了车辆的稳定性和安全性，但是不能决定用户的用车体验。

7月22日，懂车帝公布了2023年夏季测试结果，这也是懂车帝第二年在新疆吐鲁番进行大规模汽车测试。相比于去年，今年懂车帝的测试车型从去年的41款，覆盖到今年汽车市场热销的主流车型60款。

图源：懂车帝官方这些结果你一定想不到

此次测试不但车型覆盖规模大，很多测试结果可以说颠覆了用户的常规认知。

比如，很多人认为，相比于冬天的低温环境充电，夏季充电时功率影响会更小。而实际上，“电动车不怕热”，可能是一种误判：

因为高温会导致额外的散热负担，会让充电时功率受到影响。

另一方面，最近两年定价在30万以上的新车越来越多，销量也持续走高，但是懂车帝的测试也带来了一个令人惊讶的结果：

价格高的车，并非产品力全面领先。

虽然在广大用户的用车体验中，豪华车的舒适度更高，正所谓一分价钱一分货。但与此同时，豪华车内饰用料丰富，配置更多，在高温暴晒环境下所释放出的甲醛浓度也就越高。

图源：懂车帝官方

当然，对于介意高温甲醛的用户来说，也可以试试远程App提前开启车外空气循环，前提是该品牌App具备这样的功能。

与此同时，车机作为体现软硬件实力的配置，与车本身的豪华程度没啥关系。合资品牌车型的语音交互表现普遍不如国产车型，新势力品牌在这方面表现更好。

值得注意的是，这次测试也再一次验证了国产车型的全面领先性：无论是续航能力、行驶静谧性、加速性能，还是智能化水平，国产车型都是佼佼者。

比如高温加速性能的测试中，前十名中只有一款不是中国品牌车型；从续航表现来看，前三名均被国产车型包揽，前十名国产车占据9席。

图源：懂车帝官方

为了更加贴近自驾场景，今年的夏测增加了满载测试，每个车驾驶员之外的额定座位均增加了一个120斤沙袋，所以平均续航达成率相比去年（66%）有所下降，但下降幅度不大。

在高温续航测试中还得到一个结论：现阶段增加电池容量仍然是提升续航最有效的方式。测试结果显示，续航前十名车型中，9台车的电池容量超过80kWh；续航前五名，4台车的电池容量超过100kWh。

高温驾驶辅助测试，也带来了一些意想不到的结果。虽然新势力更喜欢谈论自己的智能驾驶能力，但是在此次测试中发现，燃油车和合资品牌的车型在ACC测试、AEB测试中的表现并不逊于新势力车型，比如雷凌、别克世纪、E5，均能够满分通过ACC测试。

主动安全测试 图源：懂车帝官方

AEB表现好的车型不再仅限于感知硬件丰富的新势力品牌车型，传统车企的车型如雷凌、雅阁、宝马3系、CLC、bz3也能靠简单的感知硬件配置实现60km/h的时速下刹停。

当然，如果有用户对于辅助驾驶的能力非常在意，那么多一个激光雷达确实更有安全感。比如此次测试中，比理想L8 Pro多一颗激光雷达的理想L9 Max，测试表现确实更好。

为了更贴近用户用车体验，今年懂车帝的夏季测试中，新增了智能化的项目，以及独特的湿地麋鹿测试，这些都是模拟夏季出行环境增设的。

测试结果首先消除了用户的一个疑虑：夏季高温不会影响车机系统的流畅度。

但与此同时，虽然传统品牌车型在辅助驾驶安全能力上表现不错，但是在车机体验上，就远不如新势力品牌车型了。其中，大众、奔驰和奥迪的语音系统体验均处于排名底部位置。

车机流畅度也是此次智能化体验的一个测试指标，此次测试主要涉及了用户常用的地图导航、音乐以及车辆设置三大功能，并且将滑动灵敏性和流畅度指标进行了量化。

车机测试还带来一个结果，堆料并不一定能够带来更好的车机体验，选择合理的搭配反而会强过一味的硬件堆料。比如，比亚迪海鸥选用相对较小的屏幕尺寸搭配算力适中的主控芯片，既节约了成本，表现也不错。

图源：懂车帝官方

在新增的车机测试中，懂车帝还采用了自研的采集设备，其中包含分析软件，通过软硬件结合的方式来提取参数，从而得到关于车机性能等方面的测试结果。

同时，此次新增的湿滑麋鹿测试，对于热爱自驾的新能源车主来说，也十分用意义。

对于喜欢自驾的车主来说，自驾游途中遭遇下雨天湿滑路面的场景几率也会越来越高，而湿滑麋鹿测试模拟的正是一种极端条件下，在新能源车型在低附着路面进行急打方向时，车辆操控的安全性究竟如何。

图源：懂车帝B站夏测视频

此次测试结果也发现，在低附着力路面进行急打方向时，出现推头趋势的车辆要远多于出现甩尾姿态的车辆，而运动化调校取向的车辆更容易出现甩尾姿态，相对于推头，对于普通人来说，甩尾要更加难以控制，这一点需要注意。

同时，相比于轿车，SUV车型在湿滑麋鹿测试中并没有明显劣势，因为新能源SUV电池组位于底盘，整车重心相较于燃油SUV更低，在附着力更低的路面对于车辆姿态的影响更小，不会出现高重心SUV在干地麋鹿中容易出现的抬轮姿态。

不过，MPV车型在此项目中表现不理想，无论是燃油车型还是新能源车型。根本原因在于车身太过庞大，轴距较长，电控系统在此极限工况下很难完美稳住车身，而转向调校精准度一般，影响车手对于车辆的感知。

吹过的牛都实现了吗？有人帮你把关

回看整个测试结果不难想象，这场测试不但耗时耗力，也很消耗脑细胞。

那么这样的测试有没有必要，到底图啥？

有人说这样一场夏测，只有几个品牌是最终的赢家。然而，事实上，完成排名显然不是它的最终意义。

回到实际选车场景，就很好理解了。

前段时间有位朋友问我，奔驰EQE和特斯拉model Y比较推荐哪个？

首先我很惊讶于这位朋友为什么选择了售价并不十分接近的两款车，选择困难的原因看来并不出在购车预算上。

于是我问，为什么是这两款？

这位朋友说，一款品牌不错，一款卖得好，除了品牌口碑和市场销量的验证，这位朋友并不知道如何深入了解这两款车的差异。

实际上，很多准备入手新能源车型的车主都面临这样的困惑。而在这个时候，一个集合了主流车型的多条件测试结果，恰恰可以给这样的朋友提供更加专业的参考。

因为它是符合用户真实用车场景的极限测试：测试结果代表的几乎是所有车型的能力下限，如果这个下限没有触及用户对车辆需求的底线，那么对于用户来说，也就多了一个选车的理由。

图源：懂车帝官方

比如，很多车主目前在用车场景中对车机的依赖度并不高，也很少使用复杂的语音指令，那么也不会介意传统品牌在这方面的表现。

再比如，有些车主认为自己驾驶新能源汽车去颠簸路况的几率比较低，那么也可以忽略这部分的得分。

事实上，这种持续性的专业测试，通过多维度的评测指标，并将这些实测数据加入数据库，对于一辆车来说，能够形成非常系统的指标参考。

同时，它也能不间断地检验进化中的中国新能源汽车，结果对比更加充分直观，能够以更专业的方式审视车企的技术升级和迭代能力。

懂车帝本身每年也在丰富评测体系，甚至升级了检测的软硬件。作为第三方平台，懂车帝通过不断进化自身的评测能力，并借助这种能力所带来的监督作用，也为车企持续提升产品力提供了新的借鉴，更具参考价值。要知道，能达到这种评测能力，并且愿意投入的平台，目前还没有第二家。

也正是由于这种评测的丰富性，对于车企开发产品来说，也提供了新的思路，比如高温对于智能辅助驾驶相关功能的影响，无论是用户还是车企，很大程度上都会忽视这种相关度。

连续两年的夏季测试，不但验证了新能源汽车更加扎实的三电水平，对行业技术水平的进步进行了更加充分的验证，同时也能够提示车企，不要盲目创新，满足用户需求永远是第一位的。

如今的新车发布会，“用户”占据的位置越来越重要 图源：网络

过去两年可以发现，越来越多的车企喜欢谈论用户共创、用户价值，时刻彰显将用户放在第一位。虽然车企在积极建立与用户沟通的渠道，在车型设计和研发上征求用户的意见，车企与用户以双向奔赴的心态，认为找到了造一辆好车的路径，但是当新车推向市场，在使用层面，仍然逃不掉这样那样的问题。

毕竟，新车的技术指标与实际评测之间，就像卖家秀与买家秀，你永远不知道差距有多大。对于汽车这个大件儿，很多人可不想钱花出去了，才发现产品不如预期。

所以现在的新车实测也越来越火爆，但是通过更加专业的实测，不断拆解评测指标、贴合用户购车决策的评测仍然是凤毛麟角。

在很多人看来，懂车帝的冬夏季评测挺较真儿的，不过换个角度想想，有人帮你较真儿，你还怕新能源车企吹牛吗？

一款以柠檬黄为主视觉颜色的应用空降下载榜榜单——今年3月，异常拥挤的美国社交媒体赛道迎来新挑战者Lemon8。

Lemon8最开始叫做Sharee，由品牌咨询公司朗标做了重新的branding，品牌意思为柠檬水，也代表无限多的柠檬。 图源：网络

定位为生活方式分享社区，Lemon8的内容形式以图文为主。“Pinterest和Instagram的结合体”，这是美国媒体对Lemon8的定义。而如果是国内用户，则不难看出它与小红书近乎像素级的相似。

由明星经理人周受资亲自坐镇，又从“姊妹应用”TikTok疯狂导流吸引了一批种子用户，再加上买量这样的基本操作，Lemon8毫不意外地冲上应用商店的下载榜单。

按理来说，字节跳动用打造TikTok的方法论把Lemon8做起来只是时间问题。当下，这款生活方式应用的风光没有得到延续，处境有些尴尬。

Rest of World的报道中提到，4月份以来，Lemon8的日活跃用户几乎腰斩；到5月底，每日下载量下降至3月峰值的6.7%。为提供指南而生成的指南信息，没有留住用户。

又按理来说，有小红书这个已经在大规模市场被验证的成功应用在前，可以说只要大差不差的模仿就不会错。那么，问题出在哪里呢？

学习曲线高

Lemon8试图创造新的社交媒体图文范式，首先遇到的是创作者教育问题。在英国和美国，平台付费邀请创作者发布符合特定标准的内容，对标题、封面、文案都有细致标准，受平台欢迎的内容包括按步骤拆解的生活指南。

事实上，Twitter、Instagram、Pinterest的文案都形成了各自的范式，比如在Instagram发布文案，点睛之笔从来都是emoji而不是文字。但所谓的内容范式，也许不是平台初期便形成的、一成不变的标准。

想打造一套独特的内容范式，Lemon8的出发点没错。然而一部分创作者的确犯了难，之前从没见过这种图文内容发布要求。能在其他平台熟练“拿钱办事”的他们，到了Lemon8还得从头慢慢学习。

Lemon8内容发布指南 图源：Lemon8 @Lemon8_SG

Lemon8给用户提供了详细的内容发布指南。第一步是选择话题，建议用户发布咖啡厅评测、美妆/美发评测、旅行推荐、时尚搭配指南等内容。第二步是创建帖子，建议用户每次发布3张照片或1条视频，将内容的比例设置为3：4，为帖子创建一个封面图片，封面图需包含文字标题。第三步是撰写文案，将体验细节和关键信息写出来。

不难看出，Lemon8这是直接把小红书爆款文案格式照搬到了海外。奇怪的是，小红书起初不是生活指南，Lemon8却想一步到位模仿它的完全体。

缺乏社区感

起源于pdf版购物攻略，小红书是海淘分享社区App。平台首批用户是海淘爱好者，小红书解决了他们出国不知道买什么好的痛点，内容侧重于好物评测和分享。

图源：网络

之后几年，小红书在商业化上频繁尝试，比如曾做过跨境电商业务，和网易考拉等海淘平台同台竞技。而无论它在商业化上如何探索和改变，从产品设计和运营思路看，社区属性永远是第一位。

Lemon8如此心急地模仿小红书，想要占据图文分享的海外用户心智，和小红书折戟的出海之路分不开。小红书先后在海外推出过多个垂类社区，均未取得理想成绩：

时尚社区Uniik（日本市场，已停止运营）
海淘购物社区Spark（东南亚市场）
户外生活方式社区Takib（日本市场）
家居品类社区Catalog（欧美市场，已停止运营）

有些尴尬的是，小红书并非没有出海，而是做着“薛定谔的出海”——限制于做中文使用者的生意。自从规定显示用户IP地址后，人们才发现全世界会说中文的人几乎都在用小红书。之所以不用华人/华裔来概括它的用户群体，是因为会说中文的群体越来越多。

图源：小红书

刚学会基础中文的日本用户、韩国用户忍不住加入，在这个内容丰富的平台探索。甚至连澳大利亚的海警都埋伏在小红书，根据分享内容透露的地点，提前等候非法渔猎者。

时至今日，小红书依然是出国吃喝玩乐指南，同时进化为了海外本土生意流量入口。有赞AllValue成为小红书的合作方，北美等地区的商家在小红书做电商和国内一样简单。

小红书在全球中文使用者群体中不断扩大影响力、垂类社区出海遇挫，表明两件事：在国内不能使用Instagram和Pinterest等应用，对小红书来说是件好事；海外社交媒体生态中，少有空间给到新晋生活方式/时尚应用狂野生长。

Lemon8开局就做生活方式大类，听上去是个不错的选择，但它只学到小红书完全体的表，还没拥有其里。

创作者急于变现

除了一上来就想方设法给内容社区打造范式，Lemon8还有一点很是令人不解：为“种草”而“种草”，重视创作者大于用户。

不知是TikTok在美国可能被封禁的阴霾迟迟没有退散，还是该平台创作者的变现需求太旺盛，Lemon8看上去是个打着生活指南幌子、为创作者变现而造的内容分享平台。后果是显而易见的，用户对刻意“种草”渐渐失去感兴趣。

图源：Lemon8

有意思的是Lemon8的首页分为For You和Following两个页面，确实是TikTok的味道。说到底，Lemon8这个平台的底色还是TikTok那一套，换汤不换药。启动阶段靠“堆量”打造分享社区，用户增长自然是困难的。

在TikTok，能进入For You流量池的视频播放量不低，而如果没有进入，播放量会非常惨淡。“不鸣则已一鸣惊人”，这个平台跑出太多粉丝量巨大的创作者，而在小红书，大部分博主的粉丝都不足10万，创作者之间的差距断层远不及TikTok那么显著。

换言之，小红书的“生活指南”是表面，用户踊跃分享的社区是实质。当下的Lemon8平台，用户和创作者之间明显脱节。职业创作者为了潜在变现机会提前布局，普通用户没有太多自发创作内容的热情。

Photo by Walls.io on Unsplash

更严谨地说，内容平台不是社区，但每个平台上可以产生很多社区。每个大大小小的社区都有其特定的范式，这种范式由共同的价值观念驱动，受社区成员认可，而不单纯是为变现而设置的。

观察风靡北美的内容平台，会发现这些App一开始的形态都非常简单。Instagram起初是拍照和分享照片的应用，标记上地理位置信息，记录和分享生活；Pinterest是收藏和分享好点子的地方，图片合集背后是灵感；TikTok一开始也不是个庞然大物，而是青少年们对着镜头跟随BGM“对口型”的App。

如何让用户自发地发布内容，或许是Lemon最需要解决的问题。这种困境本身，和美国社交媒体、内容平台的激烈竞争脱不开关系。

北美市场的“锅”

“Fresh Discoveries Everyday”是Lemon8在应用商店的介绍，难怪平台在用户不够多的情况下着急地给创作者付费，企图以此提供更多Discoveries。

Lemon8在美国启动困难是必然的，在美国市场，用户有太多内容平台可以探索。YouTube可以看短视频、中视频、长视频、直播；Instagram可以看图文、视频、直播；Pinterest可以看图文、视频、直播……再不济，打开流媒体电视，各种新鲜视听内容任君挑选。

相反，Lemon8在印尼取得不错的成绩。众所周知的是，印尼用户对新鲜事物态度开放，各类应用的使用习惯不如欧美用户那般根深蒂固。

图源：data.ai 左为Google Play，右为App Store

对比7月15日Lemon8四个国家生活方式应用的排名情况（Google Play），印尼市场排名最高，日本市场其次。反观同一天App Store的情况，排名先后相同，但在生活方式应用的位次均排在前50名。显然，iOS用户消费力更高、更喜欢精致生活的“刻板印象”再次生效。

图源：data.ai Lemon8在各国App Store排名

data.ai的数据表明，在5月经历过排名极速下降后，Lemon8在美国已重新爬回生活方式应用TOP20的位子。有媒体报道称，TikTok CEO已接管Lemon8，公司大概率会想方设法维持这款应用的排名。

尽管Lemon8不遗余力地吸引创作者加入，不少人担心它会像TikTok那样面临封禁威胁，在平台的付出将瞬间灰飞烟灭。直到足够多的用户养成使用习惯、成为平台拥趸的那天，Lemon8在北美才能建立真正意义上的社区。如果运气不好，Lemon8不会成为小红书在海外的有力竞争对手，而将经历“东南亚突围、北美吃瘪”的故事。

题图：Midjourney和Canva制作

在Android系统设备没有所谓的“生态”以前，苹果的“Hand off”一直都是所有安卓厂商所羡慕的能力。苹果通过系统的封闭性，让所有设备都可以通过iCloud和网络、蓝牙连接在一起，比如来电同步、相机续通、共用剪贴板等等。

正是因为这些小的不能再小的功能，让苹果多设备之间能够实现1+1>2的效果。

图源：Apple官网

同样，因为苹果出色的多设备生态，iPad、Mac等有了更多发挥的余地，让这些设备的销量一直都处于行业前列。尤其是iPad，着实让安卓厂商眼红了好一阵子。

直到华为推出了多屏协同之后，情况才有所改变。

相较于苹果将每个设备之间做出隔离，安卓平台更多的是将设备融合在一起，比如在PC上打开手机镜像界面，并且电脑可以同步操作手机内容，文件也可以进行共享。再比如手机和Pad之间音画流转、网络、来电通知相互同步等。正是Android选择了这样一条道路，Android平板、手机品牌的PC等等销量也在不断上升。

图源：华为官网

除了这些基础之外，华为HarmonyOS还推出了独特的“应用流转”等功能，总的来说，是让每个形态的设备都变成了一块屏幕，应用可以在任何一个屏幕上进行操作，而这也就是华为所说的：注意力在哪，服务就在哪。

除此之外，微软也下场做了互联应用：Phone Link且内置在Windows 11中，用户可以直接在Windows 11中查看和使用手机安装的应用，将App以PC软件的形式存在于电脑内。

图源：微软

就是从这开始，Android的协同生态超越了苹果，无论是便利性还是功能性，都强了一大截。虽然苹果也推出了Mac和iPad之间共享键鼠、文档互相接力等功能，但相较于Android的互通功能，还是有些杯水车薪。

那么一个新的问题出现了，在全世界都讲“协同”的今天，苹果到底是怎么想的？

图源：苹果官网

前段时间苹果更新了MacOS新系统的Public版本，也就是我们所说的公开测试版。相较于Beta版本，一些细节体验Public版要更稳定一些。所以，我也将手中的所有苹果设备都更新到了Public版本。

而在MacOS Sonoma（MacOS的新系统名字）中，我也看到了苹果对于协同的一些看法。

在MacOS Sonoma中，有一个不太起眼的功能，那就是小组件。在MacOS Sonoma中，我们可以将原本只能在右上角二级菜单中才能找到的小组件，直接放置在桌面当中。

图源：品玩 ByArsT

我们直接在桌面点击右键-编辑小组件，通过拖拽和点击加号，就能将小组件放置在桌面上。

图源：品玩 ByArsT

在这一界面中，我们可以自行选择放置时钟、日期、天气，甚至照片小组件，以此来丰富桌面内容，桌面文件也会对小组件进行避让。

当然，这一切的一切，在我看来都是表面，真正的重点是在细节处体现。

注意，当我们将iPhone和Mac连接到同一网络后，小组件菜单将会出现不一样的变化，那就是手机上的小组件也会出现在Mac当中。

图源：品玩 ByArsT

在小组件菜单中，右上角会标识该小组件来自哪个设备，如果像相册这种Mac和iPhone都有的应用，就会在右上角提示选择。不过目前还是处于公测阶段，左侧的应用列表还是有一定的Bug，部分应用图标无法显示。

右侧会提示来自iPhone       图源：品玩 ByArsT同时也提供了选项   图源：品玩 ByArsT

在这一选项中，我们可以将部分手机App的小组件放置到桌面中，比如菜鸟小组件可以看到目前快递情况、飞猪等App可以看到下一次的行程安排、喝水计量组件可以看到今日的饮水量等等。

图源：品玩 ByArsT

值得一提的是，这些App都不能在电脑中打开，当我们点击后，会提示我们打开手机进行操。不过像提醒事项这种可以交互（点击）的小组件则可以正常操作。

Mac不能打开手机软件     图源：品玩 ByArsT但可以点击互动    图源：品玩 ByArsT

在小组件数据同步的延迟方面，经过实际测试，表现一般，中间需要一定的数据传输时间，偶尔会出现长时间无法同步的情况。不过由于目前还是测试版，具体表现还是要以正式版为主。

同步速度表现还可以     图源：品玩 ByArsT

至于像音乐小组件，表现就比较差了，切换歌曲之后很长时间都没有同步到Mac当中，过后好久才同步完成。因此可见，小组件不适合实时性的内容，只适合重要信息显示。

不过有一个比较疑惑的点是，我设置了一个翻页时钟小组件，即便是我的手机与电脑断开联系，小组件的时间也是正常的。从这件事也能看出，苹果的小组件协同并非单纯的屏幕流转，而是带着数据流转到电脑当中，部分组件脱机也可使用。

图源：品玩 ByArsT

从我个人的角度来看，这一功能的意义非常重大，这意味着苹果将手机的一部分功能，比如信息显示、注意事项、待办通知等等都在Mac上显示了出来，在另一种程度上提高了两者之间的协同能力。

而这，也反应了苹果与Android不同的“协同”思想。

图源：苹果官网

无论是从此前的文档接力、软件互通，再到剪贴板同步、记录同步，再到如今的小组件同步，这其中的中心思想无非是将一个产品的能力放大，再放大。

而这种思想，也可以说是“将专业的事交给专业的设备”。

用户可以将iOS设备作为起点，通过iCloud、蓝牙等方式连接到iPad，让两者之间实现通信。也可以把手机作为辅助工具，将Mac的协同能力最大化。个人来看，这其中的核心思想是：只传输有用的内容。

图源：苹果官网

Android的多设备协同，虽然看着炫酷，功能也比较繁杂，但从产品设计角度来说，将所有的东西一股脑送到电脑屏幕上，是一种偷懒的方式，因为其中有太多的无用内容了，名义上是工作需要，但实际上它对工作起到的作用微乎其微。

而苹果的这一种方式虽然看似简单，但实际上已经包括了工作协同中所需的绝大部分功能。或许这也是苹果能留住大量用户的根本原因吧。

本季度最有看点、最受关注的一个财报日来了。

谷歌和微软在AI业务上的强强对决还在持续，而这次，两家巨头的季度财报甚至都放在了同一天发布。

过去一个季度，谷歌和微软之间的“战斗”可以说是非常焦灼。谷歌IO、微软Build等年度大会先后登场，两家公司关于AI的模型更新、产品发布应接不暇。但大家都好奇的是，AI是否给真正给它们带来了用户和收益，两家公司谁的表现又更胜一筹？

下面，让我们在它们最新的季度财报中去找答案。

不惧微软挑战，谷歌广告、云业务双狂飙

在微软大举进军AI之后，市场都为之前的AI霸主谷歌捏了一把汗。毕竟微软现在搜索、生产力工具、云业务上发起的猛攻都指向谷歌的要害。今年一季度，谷歌的营业利润、每股收益等关键指标也均不达标，出现了明显的下降。

但这次，谷歌完全顶住了压力，不仅各项指标远超出市场预期，广告业务似乎完全摆脱颓势重回稳定增长区间，云业务的强势增长也让人眼前一亮。

谷歌二季度实现营收746.04亿美元，同比增长7%，远远超出市场预期4.4%的增长和727.7亿美元的营收预期。虽然增速还没有回到两位数，但已经远好于上季度3%的同比增长。

从盈利指标来看，二季度稀释后每股收益为1.44美元，同比增长19%，高出市场9.1%的增长预期，而上一季度这一指标同比下降了4.9%；营业利润218.38亿美元，同比增长近12.3%，远高出市场预期的2.6%，而上一季度同比下降13.3%。

本季度谷歌盈利逆转，图片来自Robinhood

从分项业务来看，谷歌本季度也一扫上季度的阴霾、大获全胜。

其中广告、搜索、地图、YouTube、硬件、安卓、Chrome和Google Play在内的谷歌服务录得662.85亿美元收入，同比增长约5.5%，其中，广告板块的表现尤为亮眼，不仅止住了两个季度的连跌，搜索业务和YouTube的增长都超出了预期。

二季度整体广告创收581.43亿美元，同比增长3.3%，高出市场 2.1%的预期。谷歌搜索及其他相关业务收入为426.28亿美元，同比增长约4.8%，比上一季度的1.9%增长加速不少。YouTube在连续几个季度让市场失望之后，本季度增长4.4%，远高出分析师1%的低增长预期，创收 76.65亿美元。

除了广告外，大家尤为关注的第二增长曲线的云业务也继续延续了高增长的势头，并未遭受市场预期的来自AWS和微软云的猛烈冲击。

二季度谷歌云营收80.31亿美元，同比增长约28%，跟一季度增速持平，高出了市场24.8%的预期，并未出现增长明显放缓的趋势。值得注意的是，在上一季度谷歌云取得历史上首次盈利之后，本季度云业务继续保持盈利，录得3.95亿美元的利润，较上一季度的1.91亿美元翻倍，而去年同期亏损还高达5.9亿美元。

谷歌本季度的亮眼财报表现也直接体现在了股价上。今日美股盘后，谷歌股价一度大涨超过7%。

虽然关键业绩指标喜人，但谷歌此次并没有过多的谈论AI以及AI给业务带来的影响。在财报会上，跟AI相关的主要事项有两方面。一是谷歌宣布了一项高层人事变动，谷歌的首席财务官Ruth Porat将担任首席投资官（CIO），在谷歌寻找新CFO的人选之前她将兼任两份工作，作为CIO她将负责谷歌包括AI、自动驾驶等创新部门在全球的投资。二是谷歌表示今年将持续加大在数据中心和服务器方面的投资，释放了强劲的为AI服务的信号。

对AI的投入目前也并没有大幅增加谷歌的业务支出。谷歌本季度的资本支出68.9亿美元，远低于市场预期的80.1亿美元。

微软总体依然稳健，但AI并未如预期发力

相较于隔壁一片欢欣鼓舞的谷歌，今年高歌猛进了半年多的微软这次就显得有点不温不火。

如果用一个字来评价微软的业绩表现，那“稳”字可能最合适不过。

本季度微软的关键业绩指标虽然不算惊艳，但也都高出了市场预期。微软财报显示，第四财季营收562亿美元，同比增长8%，虽然不及去年同期的两位数增长，但仍然高于了554.9亿美元的市场预期；净利润增长20%至201亿美元，摊薄后每股收益2.69美元，同比增长21%。

但从整个财年来看，微软今年的表现稍微有些逊色。全年营收为2119亿美元，同比增长7%，但过去五个财年该指标均保持了两位数的增长。

从分项业务来看，微软的生产力和业务流程部门（包含 Office 生产力软件、LinkedIn 和 Dynamics）实现了 182.9 亿美元的收入，增长了 10%，超过了预期的 180.6 亿美元，其中办公室消费者产品和云服务营收同比增长3%，微软365消费者订阅数增长至6700万，LinkedIn营收同比增长5%。

包括Windows、设备、游戏和搜索广告的更多个人计算业务，营收为139.1亿美元同比下降降约 4%。其中，Windows操作系统营收同比下降12%；硬件设备营收同比下降20%；Windows商业产品和云服务营收同比增长2%；搜索和新闻广告服务营收同比增长8%。

从中或许可以看到，Bing搜索集成AI之后带了比较明显的增长，但Windows系统和Office层面AI对收入的拉动能力还并没有显现。

图片来自于CNBC

除了AI没有预期般发力之外，此次微软云的表现也并没有让市场满意。

虽然本季度微软智能云业务营收同比仍然增长了15%至239.9亿美元，高于市场预期的238亿美元。但Azure和其他云服务业务仅增长26%，而上一季度为31%，这说明Azure已经连续几个季度放缓，让人担心云业务是否进入了增长乏力的阶段。要知道，在疫情期间Azure曾连续保持了50%的高速增长。

在随后的电话会上，微软似乎也证明了这种担忧。微软预计2024财年第一季度Azure营收增长率将为25%至26%，这也意味着云业务增速将进一步放缓。此外，微软也给出了略显悲观的业绩指引，预计下一季度智能云收入为233-236亿美元，个人计算业务收入为125-129亿美元，生产力和商业业务收入为180-183亿美元，都不及市场预期。

不过，云业务的增长不如预期强劲，但它对微软的重要性正在明显增加。在电话会上纳德拉表示，微软云的年收入超过了 1100 亿美元，其中 Azure 的收入首次占总收入的 50% 以上。

在营收之外，大家尤其关注的还有微软本季度由AI引起支出是否在大幅增加。事实也确实如此，微软上一季度的支出为89.4亿美元，高于市场预期的78.5亿美元。在电话会上微软表示，公司预计2024资本开支将在2024财年逐个季度增长，主要将用于数据中心、CPU芯片、GPU芯片和网络设备方面，也和谷歌一样释放出出将持续加大AI投资的信号。

受到微软云业务增速放缓和低业绩预期的影响，微软股价在盘后一度跌超3%。

虽然AI的投入还并没有体现在本季度的业绩之中，纳德拉也明确表示将继续加大AI投资战略。他表示，微软仍然专注于引领新的人工智能平台转变，讲帮助客户使用微软云从他们的数字支出中获得最大价值，并提高运营杠杆。

总体来看，虽然上个季度是生成式AI的高潮期，但AI目前并没有给谷歌、微软带来预期的回报。但从两家公司的表态来看，加大AI投资的路线并不会改变。

可能真正的AI之战还尚未拉开帷幕。

注：封面图来自于TechTalks，版权属于原作者。如果不同意使用，请尽快联系我们，我们会立即删除。

随着人工智能技术的突破，AI正在改变着千行百业，首当其冲的就是软件。当自然语言变成最热门的编程语言，整个软件的开发流程都被颠覆。

过去7个月，GitHub上新增的源代码已经有超过46%是AI生成的。PingCAP 创始人兼 CEO 刘奇在PingCAP 用户峰会 2023上分享了这个惊人数据，AI意味着巨大的生产力提升。

过去需要写SQL才能查询的数据，现在依靠自然语言十分钟就能做到。这样巨大的生产力提升意味着数据消费的门槛变得极低，换而言之，数据库的巨大挑战来了。

如果数据增加10倍、100倍会怎么样？它还能做到人人可用，人人轻松使用吗？这其实是PingCAP在四五年前就思考的一个问题：如果为全世界所有开发者提供一个免费的数据库，它的架构应该是什么样的？

在生成式AI迅猛爆发的今天，PingCAP给出了自己的回答。

AI 时代数据库

PingCAP的答案名叫TiDB Serverless，这是PingCAP 数据库品牌TiDB的最新版本，刘奇宣称，它具有超低的成本和门槛。

PingCAP 创始人兼 CEO 刘奇

TiDB Serverless采用了完全分离式的架构，不只是存算分离，还包括算算分离、存存分离，这让整个数据库不仅使用起来异常简单，而且还具有非常强的弹性——也就是说，用户只需要为正在使用的部分付费，而不需要按照自己最高峰值的需求去配置一个在大多数时用不到的数据库。

举个例子，当有10个TD跑在TiDB Serverless上面，没有任何访问的时候，所有的计算节点全部会被自动下档，而当有需要的时候，你可以在百毫秒内让它启动。

由此，PingCAP 这个AI 云时代的数据库可以做到比云上部署的社区版还便宜。PingCAP 联合创始人兼 CTO 黄东旭把TiDB Serverless代表的理念称之为数据库的服务化，而不是服务化的数据库。

PingCAP 联合创始人兼 CTO 黄东旭

“八年前一开始设计TiDB的时候，我看到的东西就是一台台具体的服务器，我看到的是CPU，我看到的是内存，我看到的是磁盘，基于这些东西我们构造了TiDB，”黄东旭说道，“我重新再开始去设计这个系统的时候，我看到的是云上给我的服务。”

基于这一理念，四年前PingCAP开始了基于云上的Serverless 架构的开发，最终让TiDB Serverless 不仅实现了对成本的精确控制，还支持弹性扩容，以及多租户多应用模式，让数据库不仅支持大规模海量用户的使用，还能实现安全隔离以及高效利用、共享底层系统资源。

“我们把TiDB Serverless当做一个完整的服务，而不是只当作一个数据库设计的。”黄东旭宣称。

从技术角度看，TiDB Serverless 靠着三个部分的创新做到了这一点。

首先是全新的云原声引擎CSE，它是一个为了实现极致成本控制的储存引擎，在数据库的每一层上都能实现存算分离，比如大部分用户很少用到的冷数据，可以直接放到更便宜的云储存上去，而数据库所有的组件，包括所有的计算节点、储存节点都变成了池化的设计，只有在用户真正需要的时候才开启。

因此实际上，这种架构保证了TiDB Serverless用户越多，数据量越大的时候，它的成本就会更便宜。

除此外，还有 TiDB 第一次引入逻辑上的 Key Space 以及 Resource Control 模型，让用户非常方便的将多个MySQL业务汇聚到一个TiDB集群里。

一方面它能极大降低多套集群的运维成本和运维复杂度，同时通过多合一的业务汇聚实现成本节省。

PingCAP宣称，在实际的用户场景中节省的成本高达40%，而过去几个月，TiDB Serverless已经拥有了超过1万个活跃集群。

无需资源规划、秒级启动、0 元起步、按使用付费、极致弹性，在黄东旭看来，无论技术世界如何变化，稳定性、性能、高可用、易用性与工具生态永远都是数据库需要着意关注的重点，而在未来，TiDB Serverless 甚至还会支持私有化环境部署，这会为企业在安全合规环境下调用数据库提供极大的方便。

PingCAP认为这实际上是一场数据库架构的现代化革命。

“小大模型”

“让用户专注于创新”一直是 PingCAP 的主张，这意味着将用户从复杂的数据处理工作中解放出来。从解决MySQL 分库分表问题，到 HTAP 架构、云原生，再到 TiDB Serverless 数据库，都是该理念的延伸。

这种理念下的数据库，恰好符合生成式AI爆发的需要。“以极简架构、极致体验和超低门槛为云上开发者、创业公司提供低至零成本的选择。”刘奇评价刚刚正式商用的 TiDB Cloud Serverless时说道，而关于AI和数据库如何结合，刘奇想的还有更多，可以大致分为三层。

第一层当然是最简单和容易想到的，那就是用自然语言与数据库进行日常交互，这样就自动完成了数据分析的工作。第二层则是中间环节，“很多时候已经与大模型无关了。”刘奇说，比如可以训练一个AI小模型，来预测用户工作负载的变化，及时准确调用各种数据，让用户觉得好像数据一直就在这里。

第三层则是最重要的，系统架构的变革实际上可以和AI深度结合。刘奇举了个例子，数据库降低成本很重要的方法是压缩数据，但这是非常消耗CPU算力的事，这时AI就派上了用场，“根据数据的特点很容易用一个小模型来选出用什么样的压缩算法达到最高的效率。”刘奇说道，而如果把AI植入系统架构的各个环节，很多地方都将是专用小模型的用武之地——一方面它能实现很快的速度，同时还能兼顾数据的安全合规。

数据库将被AI赋能（ AI-Powered ），而用户看到的不是一个AI功能，而是整个数据库能力的提升。在PingCAP看来，这将是极大的创新与机会。

而生成式AI领域的技术突破甚至有点让人应接不暇，过去被认为需要花很多年才能相对接近OpenAI能力的小模型，实际的进步速度飞快，在PingCAP看来，小模型在接下来几个月就可以满足Query这样的应用场景。借助小模型的能力，今天需要等待十几秒生成的SQL未来可能只需要几秒钟。

“小模型的意思不是它是个小朋友，而是它也到了基础的线，它具备基础的综合素质。”刘奇说。起步训练量在1TB token左右的小模型，它的知识丰富程度已经很高，实际上可通用性和可用性已经非常强，就算达不到博士毕业生的水平，至少也是“高中大学生水平”，而成本则比通用大模型低得多，这让它天然适合介入数据库运行的许多环节。

“我们现在已经做到了全世界最具性价比的数据库，而它的能力还会借助AI，逐步做的更好。”刘奇说道。一个激动人心的AI时代数据库愿景，正在PingCAP手中变成现实。

每到过年过节回老家的时候，我总要面对家里长辈们因为智能手机而引发的各种问题。

因为对于不擅长使用智能化设备的他们来说，智能手机的功能真的太多了。

在我不在本地的这段时间，我经常能在家庭群里看到她们在用微信群分享出去游玩时的照片，一次分享几百张，还张张都是原图。

图源：品玩 LU摄

而我妈日常最爱干的就是用手机刷抖音极速版，看七猫免费小说，还有就是往微信群和朋友圈转各种养生新闻。

从那一刻我就明白，其实现在给父母这一辈人换手机的诉求，还真的和年轻人不一样。

对于他们而言，是不是影像旗舰，有没有哈苏、徕卡影调不重要。因为到了她们那个岁数，拍照的POSE都充满着岁月感，把照片打印出来插到家里布满灰尘的影集里毫不违和，所以如果影调太奇怪的话，反而会被诟病“偏色严重、拍不清楚”。

用没用骁龙8Gen2领先版、UFS4.0也不重要。手机里面最吃性能的游戏可能还是QQ斗地主，因为每天我都能在群里看到他们在分享链接领欢乐豆。

而是不是曲面屏，上不上2K、120Hz也不重要。因为他们手机中的字体比我女朋友美甲上贴的水钻还要大，字体够大、能看清他们才是唯一的需求。

图源：品玩 LU摄

他们对于手机看中的点其实非常简单：

• 1.大品牌，不能是冷门小众机，因为要去淘宝买好看的手机壳。

• 2.存储容量大，一个景点拍几百张照片可不是闹着玩的。

• 3.拍照不能太差，趁着还年轻能到处走，多玩多看多拍，回来才能和老伙伴儿们炫耀。

• 4.续航好，充电快。父母那一辈人属于手机充满电就拔掉，绝不会跟我们一样插着充电器过夜，所以临出门前发现没电是非常正常的，30分钟之内把电充满并且能用一天这事儿很重要。

• 5.至少保证手机2年流畅运行，毕竟你如果给父母一年换一台手机，他们妥妥的骂你乱花钱。

对此我还特意咨询了New Bing Chat，它给出的结论跟我预想的差不多，并且它还贴心的给出了几个推荐机型。

图源：微软Bing Chat截图

但是粗浅的看了一下，荣耀X50虽然相机不错但是采用了小火龙第一代骁龙7+处理器；而iQOO Z7和Redmi Note12T的处理器性能可以，但摄像头都不尽如人意。虽然我在之前的文章中教过大家如何通过谷歌相机改善Note12T的拍照体验，但是从后台N条年轻用户都搞不定各种提问的“盛况”来看，想让父母用上谷歌相机实在是难于上青天。

在2000元左右价位段，想要买一台符合上述需求的产品其实并不容易。究其原因，就是因为目前手机市场对于中低价位段产品最看重的是性能表现，而不是影像能力。

因为对于这个价位的目标用户来说，手机绝对不能只用一年就换，要在尽可能长的生命周期里面保持流畅运行，所以厂商将仅有的预算都堆在了处理器和存储上，对于影像的态度就是“扫码级”。

而你给他们买上大几千的影像旗舰，他们往往又会因为价格原因不舍用，我之前给我爸了一台努比亚Z40 Pro，但过年回家却发现他还在用之前的iQOO 5G，就是因为觉得新手机贵，旧手机又没坏，不舍得换。

而今天下午刚刚发布的OPPO K11，可以说是完美的符合了我以上的所有需求，如果你在今年也恰好又给父母换手机的打算，不妨继续看下去。

再用惯了各家的超大杯之后，我在初次摸到OPPO K11的时候属实被他轻薄的机身和简洁的线条惊喜到了。我拿到的配色是冰川蓝，它采用织羽流沙工艺，使蓝绿渐变色搭配珠光纱的纵向编织纹理，在阳光下呈现出独特的美感，186g的重量也让整个机器的手感得到了保证。

图源：品玩 LU摄

在轻薄之余，5000mAh大电池、100W超级闪充、全场景NFC、双扬声器、红外遥控应有尽有，甚至还配备了X轴线性马达，要不是它只卖2000块钱，这个配置你说它是“轻旗舰”我都不反对。

而在我前文中提到的，比较看重的影像功能上，OPPO K11 “破天荒”的搭载了IMX890旗舰级大底主摄，要知道K系列大上一代产品K10采用的还是Note12T同款的OV64B，这一代直接升级为自家影像旗舰Find X6同款的IMX890主摄，可见OPPO要为大众用户带来旗舰级影像体验的决心。

图源：品玩 LU摄

说到IMX890，可以算是“老熟人”了。但是在2000元价位段的手机上，应该还是首次使用。目前采用IMX890的产品多多少少都沾上“影像轻旗舰”的名号，就是因为这枚1/1.56英寸的大底传感器的进光量比较足，不仅是白天，即便处于暗光环境下，配合OIS光学防抖也能拥有更加稳定的成片能力。

OPPO K11 人像模式 图源：品玩 LU摄

OPPO K11的人像效果基于自然人像虚化引擎效果优化，能够让成片具备单反级别的景深和光斑效果。我们测试了逆光环境下的人像模式，可以看到OPPO K11的人像模式对主题边缘的判断非常明确，虚化的效果有层次感。很多影像旗舰的人像模式都会出现的前后景分明的“纸片感”在OPPO K11上并不会出现。

并且K11对光线的压制也比较出色，这张照片的拍摄环境在目视情况下，玩偶的手腕部分已经出现了明显的过曝，但经过计算摄影后画面被拉到了一个比较正常的状态。

图源：品玩 LU摄

OPPO K11的色彩风格比较克制，还原的能力非常准确，同时符合大众对于“好看”照片的定义。

图源：品玩 LU摄

在拍摄例如食物这类近摄环境下，1/1.56英寸传感器的优势就体现出来了。它不会让画面中的其他配菜因为超大底传感器的原因出现不自然的虚化，最近对焦距离大概在10CM左右。

图源：品玩 LU摄

得益于动态抓拍引擎的支持，OPPO K11的抓拍能力相较于上一代K10提升了130%，并且从上面这张图片可以看到，对于毛孩子的毛发，OPPO K11的锐化非常克制。我们在前一段时间的超大杯影像旗舰横评的时候提到过，很多手机会基于算法让画面显得更清晰，在后期处理事增加锐化效果，导致宠物的毛发看起来脏脏的，而OPPO K11并没有出现这种问题。

证件照 图源：品玩 LU摄

相机APP中的AI证件照功能，可以让用户很容易的在1分钟获取一张临时的证件照，虽然肯定没有最近大火的“妙鸭相机”做的好，但是在临时需要证件照的情况下还是非常好用的，不仅可以输出不同的照片尺寸，还能根据需求更换不同的背景颜色。

容量方面，随着存储颗粒价格的下调，再加上IMX890传感器让图片体积的进一步增加，OPPO K11最高配备了12G+512G的存储，并且十分罕见的还提供了最大1TB的内存卡拓展功能（三选二，第二张SIM卡不可和TF卡同时使用），这下不用担心照片没地方存了吧？

OPPO K11的“核心”则是采用了高通骁龙782G，这枚传感器虽然比较少见到，但想必大家对骁龙778G并不陌生。782G与778G的大部分规格是一样的，GPU架构同样是Adreno642L，均集成X53 5G基带，主要区别则是782G才用了1+3+4三丛集架构，“超大核A78”主频为2.7Ghz，单核性能更强，而778G采用的则是传统的4+4设计。对于中低端产品日常的应用场景来说，有一个性能更加突出的单核显然比4个大核更加实用。

日常使用过程中，这枚处理器的安兔兔跑分接近72W，在ColorOS超算平台的加持下，OPPO宣称K11的性能已经做到了同平台性能排名第一，对于长辈来说完全够用了。

之前在OPPO高端型号上讲过的内存基因重组和焕新存储技术在K11上均有搭载，能够保证手机流畅运行4年不会出现明显卡顿。

其实稍微了解一点Android系统的用户都明白，Android已经不是那个当年用半年系统就会卡到操作系统了。这么多年来Google一直在优化Android系统，让硬件的“起点”逐渐降低，而各家手机厂商的针对系统的优化也都能够保证自家产品至少可以流畅使用48个月，所以还在纠结Android系统卡顿的用户大可不必担心。

图源：品玩 LU摄

电池容量方面，OPPO K11内置了5000毫安时大电池，在电池健康引擎的管理下，OPPO K11 能够保持循环充放电1600次后仍有80%剩余容量，搭配100W SUPERVOOC长寿版闪充，可在10分钟将手机电量从1%充至50%，26分钟将手机电池从1%充至100%，我前文中提到的出门前发现手机没电的情况再也不用担心了。

图源：品玩 LU摄

总结：迄今为止OPPO K系列中影像最强的“K”

整体来说，OPPO K11相较于前代产品K10，在影像系统上完成了越级式的提升，作为市面上2000元档最强的影像手机，它的产品定位完美契合长辈的用机场景，并将OPPO给其“为大众用户带来旗舰机影像体验”的任务完成的非常圆满，2023年作为OPPO整体影像能力跃升的大年，影像能力下放的OPPO K11对大众普及手机摄影有非常重大的意义，在未来OPPO还会带来哪些惊喜，让我们拭目以待。

都说天上不会掉馅饼，这回还真就可能掉了。7月24日，OpenAI首席执行官山姆·奥特曼（Sam Altman）宣布启动世界币（World Coin）加密货币项目，并在全球上线推广。

奥特曼与世界币CEO亚历克斯·布拉尼亚（Alex Blania）在发布的联合声明中介绍，世界币由保护隐私的世界ID和加密货币WLD组成。用户现在就可以下载钱包World App，预订份额。这个World App可以让用该数字货币的人在全球范围内购买支付以及转账，俨然一个可以行走全球的数字钱包。

怎么得到这个世界币呢？根据官方介绍，是通过“做任务”即可领取，最开始每周可领取一个，后面领取的时间间隔会变长，比如拉长到每个月领取一个。

研究AI的Altman有一个设想，那就是用AI来造福人类，让全球的人都能获得AI带来好处。但这并不是件易事，首先就要解决身份认证难题，识别真实的人类，Worldcoin 特别之处在于它使用一种名为“Orb”的专业硬件扫描每个用户的虹膜，然后给这些用户提供一个基于区块链的证书，从而区分人类和AI，类似于我们的指纹识别，每个用户都只有一个属于自己的生物学ID。

它的长期目标是创建一个完全去中心化的的系统，并已获得多个知名投资方的支持。Worldcoin的路数与OpenAI相似，目前免费提供交易和背景测验，不仅免费，参与钱包内的背景测验还能获得9美元等值的加密货币奖励。或许，当worldcoin 达到一定规模以后，会收费，比如，成为应用入口级的平台后，就可以收税；再比如，为第三方提供身份验证服务，这一点，从今年 3 月就开始实行了，这或许会成为 Worldcoin 新的盈利模式。

迄今为止，已有包括智利、法国和肯尼亚在内的约 25 个国家和地区的 70 多万用户注册了 Worldcoin。该公司计划在 2023 年全面启动该项目，并希望迅速扩大用户群。

一夜之间，马斯克又搞事了：Twitter改名为X，小蓝鸟变身黑白交叉符。

上一次，换Logo结果引起全网狂欢，还是在深陷“剑桥门”危机的扎克伯格宣布Facebook改名Meta、公司logo从大拇指变成无限符号之时，同样，马斯克今天干了一件几乎一样的事情——他宣布换下Twitter标志性的小蓝鸟logo，并正式把Twitter称为“X”。

目前，在Twitter主页上其官方标志已经正式改成了一个X符号，马斯克多年前买下的x.com 域名现在也直接定向到了 twitter.com。马斯克表示，以后大家发的推文也都不叫Tweets了，改叫X’s。

今天，Twitter位于旧金山办公室总部外的原有标志正在被拆除。

图片来自推特

跟扎克伯格当年想要进军元宇宙类似， 重塑Twitter的背后藏着马斯克的“雄心壮志”。众所周知，马斯克一直对于“万能应用”念念不忘，而此次给Twitter改名换姓似乎是他正式开始行动的一个信号。

不过，有Meta这个前车之鉴，大家此次对于这种宏大愿景似乎并不感冒，普遍都认为这只是马斯克的又一次大型营销。大家似乎关心更多的是，承载着大家十几年社媒记忆的Twitter，这次会不会真的要被马斯克彻底搞垮、走向终结。

毕竟，元宇宙没有搞成，Facebook、Instagram这些社交平台还在。但X不能实现，Twitter可能也再也飞不回来了。

Twitter自2006年成立以来的logo变化抛弃“小蓝鸟”，Twitter正式变身X

最近马斯克似乎对于他的“X帝国”计划非常上头。就在不久前宣布成立xAI之后，周日他连发十余条推文为“X”造势。

他先是发起要不要把Twitter平台的默认颜色改成黑色的投票，后又向网友们公开征集新的Twitter logo。一个多小时后，马斯克选中并转发了一位名为Sawyer Merritt的网友给出的设计方案，接着更改了自己和Twitter官方的头像。

马斯克明确表示，从改换logo开始，公司将告别 Twitter 品牌，并逐渐告别所有跟birds有关的东西。

昨天晚上，Twitter位于旧金山的总部大楼被率先印上了一个大大的X符号。

不过，马斯克表示目前的Logo是临时徽标，因此我们未来可能还会看到logo的变化。

在马斯克宣布将Twitter“改头换面”后，上任后存在感极弱的Twitter真正CEO Linda Yaccarino也连续发文，更详细地阐释了Twitter下一步宏大的发展计划。简单来说，Twitter就是要朝着所谓的“万能应用”方向进军。

Linda表示，未来的X，就是要是打造一个无限交互的未来形态，以音频、视频、消息、支付/银行为中心，去创建一个充满着创意、商品、服务和机会的全球市场。同时，在人工智能的支持下，X 将以充满想象力的方式连接所有人。

质疑声“爆棚”，网友直呼马斯克别玩了

然而，对于Linda这番对于X品牌激情澎湃的描述，一些知名创业者和投资人看到之后却直接笑出了声来。

Lyft的联合创始人、投资人Rajat Suri转发了Linda推文并评论道，YC里的初创公司创始人们如果这么描述他们的公司一定会被嘲笑。

紧接着YC的联合创始人、有“硅谷创业教父”之称的Paul Graham也在下边略带嘲讽地附和道：“如果他们还在上大学，我们会让他们休息一下。”

除了业界大佬之外，大部分的网友也对X的宏伟愿景毫不买账，直呼让马斯克放过Twitter，他们想要的就只是一个正常的、能够让他们社交的平台而已。

一些人甚至喊话Linda，说你如果被绑架了就眨眨眼，不然你自己看看现在都在说些啥呀。

一些人也强烈怀疑Linda这一大段关于X的描述是用AI生成的，关键词就是“给我一大堆没有意义的流行词，假装我们在做的事情非常高大上。”

一些媒体人也站出来纷纷犀利点评，现在，不如让我们来看看扎克伯格和马斯克的品牌重塑计划哪个更烂吧。

图片截自于TechCrunch

当然，也有很多人关心Twitter创始人Jack Dorsey对于这件事的看法。一些人跑到JackDorsey的账号下大呼，你快去管管吧，马斯克正在屠杀你的“孩子”。一些人问他究竟能不能从马斯克那把Twitter买回来，大家可以集资出力。

但相较于四处奔走的网友，Jack Dorsey这边却反而显得比较平静。他转发了Twitter 小蓝鸟logo设计者回忆Twitter成立17年来 logo的设计变迁，也表态认为品牌重塑可能并不是 “必要的”。

但同时，他也表示改名换姓可能是一条可行的前进道路，但最终衡量平台是否成功的标准在于该平台的实用性，而不在于它的名称。

重塑品牌背后，Twitter的烂摊子还有一大堆

大家普遍不看好此次Twitter的品牌重塑计划，并不是毫无根据。

首先，改头换面并不能掩盖Twitter目前面临的巨大经营窘境。自去年10月马斯克接手Twitter以来，Twitter的营收和广告商一直在稳步下降，并一直持续到本月。

本月中旬，马斯克曾亲自发博揭示，Twitter的广告收入下降了约 50%，加上沉重的债务负担，Twitter目前整体现金流仍然为负。他当时表态，在其他任何东西之前，Twitter首先需要实现的是正现金流。

除了业务大幅下滑之外，马斯克此前对于Twitter的“暴力治理”也留下了大量的后遗症，近几个月来，来自Twitter前员工、房东、供应商的起诉纷至沓来。

本月初，Twitter前 CEO帕拉格·阿格拉瓦尔、前CFO内德·西格尔等高管共同提交了一份法庭文件，称Twitter拖欠他们160多万美元的法律费。一些前员工也提起了诉讼，称他们在被解雇后Twitter拒绝兑现之前的股权偿付承诺。有律师统计，Twitter 目前所欠员工工资高达数千万美元。

此外， Twitter还被曝出拒绝支付谷歌云账单，因拖欠房租被各地的办公室或驱逐或起诉等各种负面消息。马斯克在 3 月份就对员工表示，Twitter 的估值已降至不到去年公司收购价格440 亿美元的一半。

而抛开Twitter的自身问题，站在愿景层面，相较于Facebook改名Meta之后对元宇宙“爱而不得”、疯狂亏损的状态，Twitter此次朝着“万能应用”X发展似乎更加不靠谱。

对于Facebook来说，改名或许是未来公司业务发展的必然选择，因为随着十多年来的发展Facebook一词显然已经不能代指旗下的所有社交产品。但Twitter改名改logo则完全是源自于马斯克的个人喜好，跟公司的原本业务几乎没有任何关联。

此外，从发展基础来看，扎克伯格在宣布进军元宇宙时旗下已经有了Quest VR系列畅销产品，同时也在虚拟社交领域投资研发了多年。但Twitter要做的“万能应用”呢？

根据Linda的说法，X公司未来想做的事情包括且不限于音视频社交、实时通讯、在线支付等等，但要知道，这每个领域目前市场上都盘踞着一些占据着垄断地位的应用，除了消息社交之外，Twitter在其他任何领域都并不具备优势，很多事情几乎都要从头做起。然而，鉴于Twitter目前的财务状况，除非马斯克自己再掏腰包或者再去忽悠融资，否则X公司业务建立连起步都会非常艰难。

图片来自Daily mail，版权属于原作者

但不论如何，马斯克似乎心意已决，Twitter的变革已然拉开了帷幕。根据最新报道，除了拆除原有logo之外，马斯克已经告诉员工今天将是最后一天使用Twitter作为邮箱后缀，同时在Twitter办公室内部，马斯克已经开始用含有X的单词来重新命名会议室，包括“eXposure”、“eXult”等等。

重塑品牌之后，“X”究竟能给投资者、用户带来什么变化？现在所有人都不得而知，甚至都没有一个成型的概念。但站在营销的角度，“X”确实又再一次加深了马斯克个人的标签和品牌的塑造，他已经离“X Man”这个称号越来越近。

当然，或许最开心的应该是扎克伯格。马斯克的连环操作不仅给Meta送去了大量用户，如今甚至连元宇宙的嘲笑声都显得没有那么刺耳了。

注：封面图由贵星人编辑制作，文中插图来自于Twitter。如果不同意使用，请尽快联系我们，我们会立即删除。

从1997年流行至今的动画剧集《南方公园》今年3月刚刚更新完第26季，不过说起下面这集，你可能不太会有印象。

卡特曼有一天从最近的好莱坞抗议AI罢工事件中得到启发，突发奇想要做一个新的商业项目：一款名叫Queepi的在线深度伪造（Deepfake）服务，来给现成的影视作品里的角色换脸，解决好莱坞将没有新作供应的危机。

他先找到了Bizney公司，想让Bizney成为Queepi的天使投资人，却被发言人告知，“除非你能找到另一个愿意投资你的人”。

接着卡特曼又和他的小老弟Butters找到了投资中介人Andreessen，一番讨论之后决定先找几个演员谈谈肖像权合作。

第一个是哈里森·福特。但福特拒绝了卡特曼，原因是他已经和某个非常有名的科技巨头签订了类似的合作。

第二个是梅丽尔·斯特里普。斯特里普先是表明自己坚定地站在好莱坞罢工者们一边，接着以AI会模糊现实和虚假的界限、抢走演员们的饭碗为由拒绝了卡特曼。她也神秘地说自己和某个科技巨头有约在先了。

第三个是汤姆·克鲁斯。从汤姆·克鲁斯这里卡特曼才知道，这几个大牌演员共同的签约对象是——埃隆·马斯克。

汤姆·克鲁斯没有明确拒绝卡特曼，反而乐意充当中间人介绍马斯克给卡特曼认识。

马斯克这边正在策划一个把一批知名演员送上火星，美其名曰保护人类文化遗产的项目。有汤姆·克鲁斯在一边说好话，马斯克决定考虑考虑投资卡特曼这个“变革娱乐产业”项目的事情。

故事的结局是，开始卡特曼还开心地跑到Bizney公司准备这家正在观望的公司入伙，不多久就得知，老奸巨猾的马斯克根本没有把他的项目放在心上，继续忙他的火星计划去了。

这个名为《Queepi窘境》的滑稽故事看起来和《南方公园》的其他故事都是差不多的画面和风格，但炸裂的消息是，这个故事从头到尾的编剧、导演、剪接和配音，都是由AI完成的。

一家名叫Fable的旧金山初创公司在最近发布了这个叫做“Showrunner”的AI技术成果。Showrunner目前能够在一些既有的影视作品（IP）的基础上，生成以用户的想法为主的全新作品。

Fable成立于2018年，最早是作为Facebook（现Meta）旗下Oculus的一个部门诞生，早期主要在做VR电影的相关项目。

Fable曾凭借VR电影《Henry》拿到了它的第一座艾美奖，后来又凭借由其打造的虚拟人Lucy出演的VR电影《Wolves in the Walls》再度拿下艾美奖。而就在7月早前，虚拟人Lucy还获得了皮博迪奖。

不过，现在Fable则把相当一部分精力放在了探索AI内容上。

“Lucy的问题在于她没有过去，因为她从未真正生活过。”Fable的CEO Edward Saatchi不久前在接受采访时说道，“她是一个虚拟人，但她无法通过说 ‘我也有宠物，后来它死了，所以我知道那种感觉’这样的话和真人产生关联。”

让AI拥有自己的生活，这几乎成为Fable探索AI的出发点。

Showrunner便是这家公司目前AI研究成果的一次集中展示。

除了文章开头提到的故事，Fable其实还用Showrunner生成了另外几个与之剧情相关联的《南方公园》的故事。比如其中一个就是关于Bizney公司创造了一个种族歧视的机器人猪伴侣，结果给公司造成了公关噩梦。

另一个故事讲的则是，投资中介人Andreessen发现马斯克绑架了好莱坞知名演员到火星和他一起生活，并从90年代就开始对他们出演的电影进行深度伪造。

从Fable发布的论文来看，Showrunner用到了由其命名的Show-1模型，并且该模型主要用到了OpenAI的大语言模型GPT-4，图像自定义的扩散模型和多智能体模拟等来进行训练。

如，GPT-4主要用来影响模拟中的智能体（角色）并生成《南方公园》剧集的场景。

有趣的是，GPT-4的训练数据集原本就包括了《南方公园》大部分剧集，所以它已经对每个角色的个性和语言风格都提前有了了解，所以这次也无需做定制。

扩散模型方面，Fable则从以往的剧集素材中收集了一个由大约1200个人物和600张背景图片组成的综合数据集，作为模型学习该剧风格的原材料。

经过扩散模型的训练，可以为每个新作品生成新的单个角色和单独背景，来为后续拼接做准备。

多智能体模拟则是让剧中的角色智能体真正能“拥有自己生活”的关键一步，想象一下《西部世界》里的场景，此时剧中的角色等于说已经可以进行相互训练了。

而到了用户这里，操作界面就变得非常简单。

用户只需要进入Fable搭载了Showrunner技术的产品“Simulation”，在《南方公园》大地图中选择一个期望的主角，以及其他的角色、场景等，并输入一段prompt，稍等片刻就可以生成一个崭新的故事。

比如开头提到的故事，输入的prompt就是：

卡特曼听说美国演员工会正在进行罢工，孩子们都在担心未来不会有新的作品推出。卡特曼宣布了他的商业创意：一个叫做Queepi的在线深度伪造服务。

对故事的干预程度也完全可以根据用户自己的偏好而定。

Fable称，用户可以通过以下三种方式来生成故事：一是让Simulation自动创建剧集，二是给出一两句话的提示，三是针对细节，可以逐个场景编辑对话场景并重新生成。

此外，用户甚至还能把自己作为主角或其他角色放进去。

Show-1的角色扩散模型允许用户通过图像到图像的Stable Diffusion，根据自己的长相创建一个角色，作为参与的智能体加入模拟。由于用户也可以克隆自己的声音，因此通过扩散模型创建用户自己的角色也不是难事。

Fable的CEO Saatchi就创建角色主演了自己的《南方公园》剧集。

从最后的效果来看，新生成的剧集几乎已经是“以假乱真”的程度。

拿《Queepi窘境》这集来说，尽管它可能不是最有趣的故事，但它已经完整地包含了开头、中间的转合和结尾，并且当中的13个角色，每个人的台词都符合各自的背景、个性、语言风格和动机，甚至交代地点的空镜也非常贴合。

把它放给一个不知情的观众看，可能也很难想象这是AI创作出的作品。

这样的跨越意义非同寻常。

从目前许多大模型的表现来看，一般擅长的都是完成短期任务。就像可能在几天前用户想靠大模型生成一段视频，方法还都是比如先用ChatGPT生成剧本，用Midjourney或Stable Diffusion生成人物形象，再用Runway之类的视频生成工具去生成画面，最后再把片段剪接到一起。

还没有一个模型能够生成足够完整、有构思规划的长篇故事和影视剧集。

更重要的是，AI智能体们可能从此将像《西部世界》里演绎的那样拥有自己的栖身之地，在这里它们有完整的生命，可以彼此对话，产生连接，发生故事……

Fable似乎也并不满足于只借助他人的IP去生成《南方公园》这样的新故事。早先，Saatchi就宣布Fable将创建一个充满AI角色的世界——这些角色将由真人训练，在虚拟世界中生活。

“我们推出Simulation的目标是通用人工智能（AGI），”Fable几天前通过@fablesimulation 的官方账号发文谈到，“AI是真正活着的，而不像很多聊天机器人一样只在人类有需求的时候才被唤醒， ‘AI人’能够在模拟世界中每天过着真实的生活，并随时间慢慢成长。”

Fable还希望用户能够像“那就是真实的人在生活”那样看待现在这些AI生成的剧集。

对此，英伟达首席AI科学家Jim Fan还兴奋地断言，“多智能体模拟，将是新兴智能的下一个前沿。 ”

不过，Fable风险可能在于，它现在刚好站在了好莱坞抗议AI罢工的风波之中。

7月中旬，继编剧停工两个多月之后，美国演员公会也发起了罢工，要求抵制潜在的AI侵袭。据称这可能导致60多年来美国电影业最严重的一次瘫痪。

Fable做的事，看上去恰好一拳打在了编剧演员们的愤怒点上。

拿《南方公园》来说，据报道，这部剧的每一集都是在6天之内制作完成——在开会脑暴之后，编剧写出剧本，然后由动画师、编辑、技术人员和音响工程师组成的整个团队完成制作，一周下来要工作100-120小时。

但随着Simulation这样的产品出现，不知道又会有多少人丢掉饭碗。甚至有媒体称Simulation的推出是“所有好莱坞从业者恐惧的总和”。

从社交网站的评价来看，网友对Simulation生成《南方公园》剧集这件事的评价还是比较两级的。支持者期待着能用这一工具改写烂尾的《权力的游戏》，惊叹于它的模仿能力，甚至预言它将能提高影视团队的生产力。

反对者则认为，Simulation并不懂什么是影视制作，称它窃取了他人的成果，AI就是纯粹的VC骗局；

潘多拉的魔盒一旦打开，就关不上了。

也或许是出于舆论压力，Fable的公开发言都在反复强调《南方公园》剧集的生成“仅供研究使用”，“我们不会开放让用户创造自己的《南方公园》剧集的功能，因为这不是我们的IP！”

据Fable称，其正在与创作者合作，会在今年晚些时候宣布几个基于原创IP的Simulations生成的电视节目，包括了一个太空探索模拟“奖金”，一个讽刺硅谷的模拟“退出硅谷”，以及一款可玩性较高的侦探模拟“查理·木星”。

 Saatchi似乎没有那么担心Fable的未来，几天前他在采访中就针对当前好莱坞的罢工风波表示，

“我们觉得（推出Simulations的）时机是正确的。通过发布研究成果，我们希望好莱坞工会能够协商强有力的保护措施保证艺术家的权益，同时知识产权持有者也需要弄清楚如何与商业化的人工智能公司进行谈判。”

“这次罢工是制定未来十几年规则最大的杠杆时刻。”

伴随着最薄的“横向内折”大折叠屏：荣耀Magic V2的发布，折叠屏究竟能不能成为手机的未来形态，已经有了新的答案。

从最早的2019年初正式迈入商用阶段，再到如今折叠屏产品百花齐放，这中间四年多时间手机厂商都在尽最大所能去探索、突破。

对于折叠屏手机来说，小米MIX Fold2的出现是一个技术方向的拐点；华为Mate X3通过定制和自研，对技术升级、改进，让这一优势不断扩大；到了荣耀Magic V2这里，供应链和技术已经足以成熟，做好了面向市场的准备。

图源：品玩 ByArsT摄

也正是因为如此，经过我一段时间的上手体验之后，能够明显感受到荣耀Magic V2相较于此前的折叠屏手机，有着几个非常突出的优势。

折叠屏会不会代替直板机成为未来，让我们用两部分实际体验告诉你。

 手感是折叠屏成为未来的第一步

荣耀Magic V2的手感正在无限逼近直板手机，这一点在我刚将其拿到手上的时候就有所感触。

首先，荣耀Magic V2的铰链设计并没有进行革命性的颠覆，同样是水滴形铰链，上一代是采用榫卯式一体成型机构支撑，而这一代则在每个零件的厚度和材料上做出变化。

图源：品玩 ByArsT摄

这一代的荣耀Magic V2在铰链处设计了7组凸轮阻尼结构，让其有了多角度悬停的功能，实际体验悬停角度能超过60%。除此之外，轴盖采用了3D打印技术，钛合金材质能够比此前的铝合金材质强度更高，铰链宽度也大幅度下降，这一点荣耀Magic V2更轻薄的机身就能证明。

与iPhone 13 Pro厚度对比      图源：品玩 ByArsT摄

除此之外，还有自研盾构刚解决轻薄后的坚固问题，荣耀青海湖电池解决厚度问题，再加上最薄的折叠大屏、最薄的PU材料、最薄的折叠铰链、最薄的Type-C接口模块，让其展开态厚度不超过4.7mm，闭合态厚度不超过1cm；重量仅有237克，素皮版本重量仅有231克。

图源：品玩 ByArsT摄

相较之下，华为Mate X3展开态厚度5.3mm，素皮版重量约239克。

仅从手感来说，荣耀Magic V2的体验是目前折叠屏手机中最接近直板机的，长时间单手握持完全没有任何问题。

图源：品玩 ByArsT摄

在外观方面，荣耀Magic V2延续了上一代荣耀Magic Vs的设计，由于附着浓浓的商务风，导致整台手机看起来稍显厚重，与实际重量有着一定视觉差。边框处，上一代的直角边在这一代如此轻薄的机身上显得不太受用，改为了类似华为Mate X3的弧形边框，让整个机身显得更为纤薄。

图源：品玩 ByArsT摄

在屏幕上，荣耀展示了除了手感以外的凸出优势，那就是媲美直板机的内外屏。

荣耀 Magic V2 系列外部搭载一块 6.43 英寸 OLED 屏幕，比例 20:9，接近传统直板手机，分辨率 2376 x 1060；内部展开则是一块 7.92 英寸的 OLED 屏幕，比例 9.8:9，分辨率 2344 x 2156。内外双屏均支持 10.7 亿色及 100%的 DCI-P3 广色域。

图源：品玩 ByArsT摄

值得一提的是，在这款机器上，荣耀还把引以为豪的3840Hz超高频PWM调光加进这台手机当中，而且是内外双屏都支持，这一点对于我这种经常用眼者非常友好。

这台机器的外屏峰值亮度能够达到2500nit，即便是内屏峰值亮度也能达到1600nit，这意味着消费者即便在强光下也能清晰的看到内容，同时在观看图片和HDR高动态视觉素材时，也能更为清晰、真实。

除此之外，荣耀Magic V2的Type-C接口采取了定制设计，在Type-C与背板之间做了一个圆滑过渡，解决了Type-C过厚影响整体手感的问题。

图源：品玩 ByArsT摄

如果说在产品设计上，荣耀Magic V2解决了折叠屏的手感和普适性问题，那么在性能上，荣耀Magic V2就改变了消费者对折叠屏“性能残废”的看法。

如何让折叠屏=直板机

出乎所有人意料，荣耀Magic V2的处理器没有采用目前旗舰常用的第二代骁龙8，而是采用了更高一级的第二代骁龙8 领先版。

第二代骁龙8基于第二代台积电4nm工艺，相比普通版第二代骁龙8有着约10%的提升。首先是Cortex-X3超大核从3.2GHz升级到了3.36GHz，在单线程工作时能够有更好的表现。除此之外四个性能核心（A715*2+A710*2）为2.8GHz，三个效率核心A510为2.0GHz，没有变化。

图源：品玩 ByArsT摄

在GPU方面，第二代骁龙8搭载 Adreno740 GPU，相较基础款频率680MHz，提高到了719MHz。

这些参数上的变化，意味着荣耀Magic V2的性能，比直板机旗舰还要强，同时这也代表着，瘸腿的折叠屏彻底向直板机冲锋。

这里我们看安兔兔的跑分数据就能明显感觉到变化。

图源：品玩 ByArsT

在安兔兔 V10版本中，荣耀Magic V2的得分数据约为156万分，虽然不及搭载第二代骁龙8领先版的直板机，但对于目前搭载第二代骁龙8的顶级旗舰，性能则是完全超越。

图源：品玩 ByArsT

在GeekBench 6中，荣耀Magic V2更是有着不错的成绩。其单核跑分达到了1893分，多核分数达到了4975分，保证了最基础的使用体验。

此前总有人笑话折叠屏“低人一等”，除了性能是主要原因，受限于机身内空间和散热问题，在一些配套硬件上也有所落后，比如电池、充电、信号等等，荣耀Magic V2这一次直接将其补齐。

荣耀Magic V2电池采用了荣耀Magic同款的青海湖电池，电池容量高达5000mAh，厚度平均下来仅有2.72mm，续航表现更好。除此之外，荣耀Magic V2还搭载了和荣耀旗舰同款的66W有线快充，解决了补能的问题。有一点遗憾的是，荣耀Magic V2不支持无线充电和反向充电。

图源：品玩 ByArsT摄

至于此前大放异彩的荣耀自研射频芯片C1，这次也被荣耀装在荣耀Magic V2当中，使得这款手机成为了全球首个搭载射频增强芯片的折叠屏手机。在天线设计升级的基础上，通过 C1 芯片进行系统级天线调谐和切换，让通信表现能动态化的根据用户场景调优，实现对弱信号几大核心场景进行了相应的优化，从而提升通信体验。

影像方面，虽然荣耀Magic V2搭载全焦段三摄像头，包括 5000 万像素广角摄像头、2000 万像素长焦摄像头和 5000 万像素超广角摄像头。但从实际体验上来看，仍旧是算法在发挥非常大的作用。

正是荣耀在算法上的努力，使得荣耀Magic V2的影像表现处于及格线之上。这里我们用荣耀的直板旗舰荣耀Magic 5Pro进行对比。

图源：品玩 ByArsT摄图源：品玩 ByArsT摄图源：品玩 ByArsT摄图源：品玩 ByArsT摄图源：品玩 ByArsT摄图源：品玩 ByArsT摄

从我这一段时间来看，荣耀Magic V2是非常罕有的，售价亲民且几乎没有短板的折叠屏旗舰。

折叠屏会不会代替直板机成为未来

身为多年的数码博主，多年的经验告诉我，仅凭一个新的产品形态或者新的技术功能，并不是决定产品未来发展的决定性因素。相反，消费者的日常使用频率才是看待一类技术或功能能否成为未来的标准。

所以，关于折叠屏能否代替直板机这一点，我更想从日常使用频率来进行分析。

大折叠屏与小折叠屏不同，小折叠屏受限于外屏显示内容的大小，用户想要获取完整的内容或者功能，就需要将折叠屏展开才能使用，这一动作一定程度上解决了折叠屏使用频次的问题，所以小折叠的方式更适合消费者之间互相普及传播。

图源：品玩 ByArsT摄

而大折叠屏不同，大折叠屏首先就有一个外屏，外屏可以提供完整的功能和内容，消费者打开折叠屏的需求直接减少了一大半。除此之外，大折叠屏摆脱不了重量和厚度的问题，消费者得到了一块大屏，但综合体验直线下降。

荣耀Magic V2诞生的意义，一部分是轻薄，另一部分则是在内屏的使用率上（严格意义上来说，这两点应该算一点，轻薄导致内屏使用率上升）。在一段时间的使用中，在轻薄的前提下，一个不争的事实是，我个人的内屏使用率确实高了很多，这也导致了我对这款手机有着不错的产品印象。

所以，从目前来看折叠屏正在不断过渡，厚度和直板机相同，且功能更多，已经实现阶段性的替代。至此，折叠屏才算真正成熟的产品。

“有谁还没去XX直播间薅不到19元一杯的星巴克？”

“买就送豪华游艇出海、海上直升机、深海潜水、摩托艇体验……”

“抢了几桶食用油，外卖小哥敲门送到的时候，手机屏幕里的主播都还在说话，感觉很神奇。”

本地生活赛道正变得拥挤。不止是2022年就已入局，今年还在不断加码的抖音，其他多个互联网企业也纷纷加入其中——

• 微信视频号上线了本地生活组件，商家可在视频号直播间销售兑换券，用于到店核销、自提或同城上门配送等消费场景；
• 快手全面拉开战线，相继入驻上海、成都、杭州、哈尔滨、青岛等重点城市；
• 阿里将旗下高德地图与口碑合并，重新整合本地生活到店业务，随时准备憋出大招；
• 拼多多推出社群团购平台“快团团”；
• 小红书也开始布局团购业务……

正如文章开头那几句吆喝或顾客的证言，眼下已经进入“万物皆可直播”的时代，零售企业已经达成“直播、短视频是必备数字基础设施”的共识，互联网进军本地生活赛道的过程中，直播成为核心战场之一。

除了抖快视频号等携视频直播流量入局，作为本地生活赛道的头部企业，美团也开启直播之旅。有媒体报道，从7月12日开始，美团已经在50%用户的APP首页界面添加直播入口。

关于本地生活直播的较量一触即发。

本地生活，不一样的直播

“在门店堂食场景，海底捞有多种方式可以服务顾客，比如给小孩送上一份小玩具，给生日的顾客准备小惊喜等。但在外送场景上，触达顾客的方式比较单一，借助视频化直播，海底捞可以把这些具有情绪价值的个性化服务也宣传出去，加强与顾客交流。”今年618，海底捞参与了美团的本地直播活动，其社区营运事业部总经理张赢这样对媒体表示。

相比于全国性展示推广、集中向全国各地发货的电商直播，多数本地生活直播的商家面向的是附近的消费者，最大特征就是本地——商家在附近，多数顾客也在附近。直播带来的服务购买虽在线上，但服务也由线下门店承接，通过外卖或者到店完成最终消费。

因此，本地生活直播不是流量越大越好，而是越精准越好——最好是附近的目标消费者，在有需求的时候，正好进入到本地商家的直播间，恰好又能购买到想要的商品或服务。如果北京的商家在网上直播，结果进到直播间的都是上海、广州、深圳、武汉的消费者，直播带来的转化率则不一定高。

这就意味着，衡量一场本地生活直播的效果，关键不是观看人数，而是有多少精准的本地流量，即附近有需求的消费者当中，有多少人看了直播、下单购买团购券，最终又有多少人实际核销并完成最终交易。

那么，如何提高本地生活直播的效果？

不妨回到事情本质进行思考。本地生活直播是由线下实体门店通过直播的形式，来向门店周围的消费者展示其商品和服务，消费者在直播间线上购买套餐或消费券后，再以到店或外卖的方式完成核销，结束服务闭环。

也就是说，完整链路包含线上直播展示、线上下单与线下消费三个环节，核心要素是本地商家、附近用户、直播展示、到店核销/外卖购买。要想提高本地生活直播的效果，就需要从这4个核心要素入手。

其中，本地商家是本地生活直播最终服务的承接载体，以及销量的归处。

不同于传统门店的“人找货”模式，本地生活直播凭借着“货找人”的模式，塑造了一个新的“人货场”，特别适合拉新，但对商家而言，直播内容做得越出色，往往直播效果越上佳。

作为美团上第一个尝试商家自播的面部护理连锁品牌，樊文花专门搭建了近10人的自播团队，不仅针对不同皮肤状况、季节详细讲解护肤事项，还现场展示门店的服务细节和环节，使消费者能够线上感受服务的整个流程。

“第一，做直播对我们来说是纯增量。第二，低价折扣可以吸引新客、唤醒老客，让私域流量得到高效变现。”樊文花品牌方透露，618直播间成交的订单中，超过80%来自新客，拉新效率比传统门店派送面膜更高。而且直播间“所见即所得”的场景更容易建立信任，售价近千元的商品也有成交，有利于留住高净值用户。

如果说商家自播时候，直播展示水平由其自身决定的话，那么本地商家、附近用户的精准度，以及到店核销/外卖购买的转化率，则与本地生活直播平台密切相关。

其中，本地商家的供给数量和质量，决定了当用户产生需求后，能否从平台找到“对口”的商家买到相匹配的“团购券”；而附近用户推送得精准与否，直接影响到商家是否能够找到目标客群；前两项因素，再加上平台是否打造了完整的交易体系，包括配送履约基础设施建设，最终决定了用户到店核销/外卖购买的转化率。

基于以上，可以下结论：本地生活直播是一条完全不同于电商直播的赛道。

本地商家又该如何搞好直播？

寻找增量、引流至线下，成为实体门店商家尝试直播、短视频的首要目的。“实体经营最大的痛点就是引流到店。”山东大型零售企业银座集团数字化经营中心副总监顾洪枝表示。

那些从疫情中挺过来的企业，也越发意识到短视频和直播等数字化布局的重要性，不少品牌将市场、品牌以及短视频直播中心打通，甚至让直播团队接管市场和品牌工作。

例如，山东的零售企业银座集团，从去年开始，上到总部、下到门店甚至专柜都搞起了直播，其中门店每周至少直播两场，而且横跨美团和抖音。再比如知名健身品牌超级猩猩，在2020年开始做运动直播，彼时只是希望帮助疫情期间在家的朋友们一起运动起来，如今继续投入到直播之中，则将直播变为常规化的获客和销售渠道。

不过本地生活直播的果实并非触手可得。像樊文花、超级猩猩这样的全国连锁品牌，毕竟是少数。整个中国的线下零售业绝大部分都是小店，不仅规模小，而且分布散、店内布局杂乱无章，内容能力较弱，不可避免地需要直播平台的助力和帮扶。其实，大品牌又何尝不需要？本地生活本就是个强地域性且分散的行业，潜在的客户有限，既得靠线下的产品服务留住老客户，也需要通过线上拉新、扩大客源。

目前，以大型短视频平台为代表的流量平台和以美团为代表的本地生活平台，是本地生活直播赛道两类主要的玩家。两者的玩法和优劣势完全不同，对商家的帮扶作用也不尽相同。

大型短视频平台，以抖音为例，坐拥七亿日活和大量的内容创作者，这意味着丰富多元的内容玩法。同时，线下美食内容又是抖音最鲜活也最卷的垂类赛道，创作者本就干劲十足，而抖音官方又在通过种种方式，鼓励内容创作者生产出各种好玩好看的探店视频。

在触达用户方面，这样的平台属性和生态，无疑有助于那些全国连锁型品牌打响声量。比如6月16日下午，就有8万人进入演员黄圣依的抖音直播间，去围观其讲解五天四夜豪华线下双人游等套餐。618当天，另外一位明星马可的肯德基直播专场，打破了肯德基在抖音达人直播的专场销售纪录。

但对大部分中小商家而言，情况可能就不一样，毕竟他们缺乏直播运营和内容制作能力，还需另请KOL，成本可能是一道难以逾越的坎儿。

这类平台虽然流量大，但精准性并不高，这就导致商家不得不投入大量的广告费用，进行推流。《2022上半年抖音商家生存报告》显示，热销TOP200直播间中，七成观众来自付费投流。而且平台流量的保质期“变短了”，投放周期从6个月加速到了2个月。一位来自福建的火锅店老板表示，随着该平台流量被稀释得越来越快，有时候赶上菜品上新可能每月都得推一次。且“难就难在，随便发几条推广一点作用没有，每次需要投几十条，加起来就贵了”。

不仅如此，在收入端，流量型平台虽然因为丰富的本地生活内容，能吸引大量用户对商家门店种草，但由于尚未建立足够完整的交易体系，又使得消费者从种草到下单直至核销的转化率偏低。最近，这类平台也意识到自身在这方面的不足，开始上线评价体系，强化交易属性。

“一个被线下门店品牌意识到的关键问题是场观与核销率之间的微妙关系。2022年，大家会非常追求场观，认为大流量可以给品牌账号吸粉、拉动售卖。但最终发现，吸粉是有可能的，但是否能拉动售卖则需要慎重思考。”一位咖啡连锁品牌创始人在接受采访时表示。

该人士继续指出，在某短视频平台上，某国际知名快餐连锁品牌的几款券和单品都是现象级的表现，但对中腰部品牌和小店而言，他们可能不敢确保说一个十万级别的场观一定可以带来多少的转化。的确如此，另外一家连锁品牌透露，其在2022年Q4到2023年Q1曾尝试了多个流量平台的直播模式，虽然有几次直播观看人数超过30万，但真正购买团购券的人仅四位数，最终去门店有效核销的更是不足百人。

相比于大型流量平台，美团作为强交易心智的平台，同样也是优劣势明显。

其中，作为一个类工具平台，美团在内容上先天不足。当然，美团已经开始了补齐短板的行动，例如在平台直播过程中，美团未向参与直播的商家收取坑位费和分成。不仅仅是流量补贴商家、让利吸客，在内容方面，美团已经开始鼓励部分商家自播、拍摄短视频以及提供内容运营的指导，并在增长平台整体内容能力。

但另外一方面，也是更重要的，美团具备竞争对手所没有的独特优势，而这恰恰是本地生活直播的杀手锏——高转化率。

首先，相比于头部短视频平台大水漫灌式的直播流量，美团定向推送门店周边3到5公里人群，使得流量更精准——用户有了购买需求，打开美团，就能找到最近的商家，这从一开始就注定其平台上直播的最终转化率不会低。

其次，美团平台聚集了超过1300万家合作商家，相当于大流量平台的至少10倍。如此丰富的商家，意味着用户可以几乎随时随地从附近购买到想要的商品与服务，而不至于出现想消费，但找不到合适的商家的情况。

第三，美团在履约交易上的持续深耕，比如拥有遍布全国各地的骑手，也确保了消费者可以享受确定性的标准化优质服务——无论是点外卖还是到店用餐、30分钟送达或次日达，均可保证商品服务更快地送达消费者。

第四，美团还拥有完整评价体系和榜单，能帮助商家承接新客后的复购、用户维系等问题。这两项因素相加，就使得美团占据了独家的消费决策和交易心智。商家无需考虑与网红、专业做号者进行流量竞争等因素，更能专注于提高产品、服务质量以及内容运营水准，避免分散时间与精力。用户也不用担心售后等问题，从而放心大胆地下单、核销。

基于以上优势，美团虽然流量规模和内容丰富度远不及短视频平台，却拥有独一无二的转化率和核销率。

以银座为例，其同时在抖音和美团平台直播，从流量上看，抖音平台的观看人数明显占优，美团直播间的观看人数并不多，但在转化率方面，美团直播间却产生了几千笔订单，转化率是其他平台的3-5倍，即时送达相当于100%核销率。

今年，超级猩猩开始将直播作为常规化的获客和销售渠道，并参与了美团618的直播活动。超级猩猩用户增长负责人郑东敏介绍，“用户非常热情，数据也超出了我们的预期。”据介绍，最终两场直播的销售额超200万元。

“核销率和转化率比其他平台高出30%左右。”在郑东敏看来，美团直播的优势是核销率高、本地生活的基础服务能力更强，从用户兑换、核销、客资统计、退款等流程都会更成熟和顺畅，对像超级猩猩这种连锁门店管理起来会更轻松一点。她还进一步介绍，美团的门店属性强，有完整的交易体系，美团直播的数据、评价最终都能沉淀到门店，提升门店流量的同时也帮助新用户做决策，形成营销正循环。

不止是银座、超级猩猩，据第三方数据统计，美团本地商家直播的订单平均转化率达到30%-40%，这些订单最终转化为门店销量的核销率超过了90%。

此外，与传统直播间的漏斗式转化、核销逻辑不同，平台打通了直播间和货架的购买，用户在核销商品券时，会顺便加购其他商品，从而给商家带来高于商品券本身的交易额，促进商家生意的大幅增长。美团就曾公布首场直播带动货架“交叉销售”的数据——平均1张商品券核销，带动产生了商品券价值1.5倍的订单交易额。例如肯德基的9.9元香辣鸡翅券，用户在货架加购的交易额占整体订单交易额的比重达84.39%，相当于用户在核销商品券的同时，还会增加购买几十元的货架产品及服务。

由此可见，在本地生活直播这门生意当中，观看量绝非最关键的因素，高转化率才是真正的王道。相比于大水漫灌式的流量，商家，尤其是绝大多数的中小商家，借助拥有精准滴灌式的流量、完整的交易体系的平台，更能实现小成本、低投入、高转化率、高收益的目标，进而摆脱内卷，赢得生意的增长。

结语

在过去相当长的一段时间内，以“吃喝住行游娱”代表的本地生活业，由于场景复杂、布局分散，被互联网渗透和改造的程度不深。

如今，当随着移动互联网的发展，本地生活业也加速数字化。在电商直播之后，线下实体门店也开始纷纷试水，入局直播。

不过，本地生活直播不同于电商直播。如果说电商直播是空军作战，那么本地生活直播就是陆军推进——空军作战，针对核心区域、核心目标，多进行几次飞行和轰炸，高举高打，目标基本就被摧毁得八九不离十，但陆军推进则需要近身肉搏、逐个击破，前者看重覆盖范围和爆发力，后者则强调的精准度和效率。

对于电商直播，商家和消费者早就习以为常，但就本地生活直播而言，商家和消费者都充满新鲜感和高期待。

本地生活直播，好戏才刚刚开始。

在成为阿里巴巴“分拆”后同时担任三个业务集团董事的业务CEO，以及连续交出亮眼增长业绩后，阿里巴巴国际数字商业集团CEO蒋凡回到阿里合伙人的名单中。

7月19日晚间，阿里巴巴发布年报，在梳理各个业务年度具体成绩之外，合伙人名单的更新引发关注。与此前的名单相比，最主要的变化是蒋凡和菜鸟的万霖进入。

蒋凡的归位其实无人意外。事实上，如果关注阿里国际和蒋凡在过去阿里整体变革里的变化，会对此更有预期。

在淘宝天猫的转型和发展中奠定自己“少帅”形象后，他的一举一动备受关注，在2022年接手阿里的海外商业板块后同样被人们各种讨论，究竟是被“边缘”化还是被授权更多的自主权，人们众说纷纭，但后续的成绩和阿里整体的调整，以及进入二季度后密集的调兵遣将，让答案很清楚了。

今年3月阿里刚公布了“1+6+N”的最新组织结构变化，蒋凡成为新成立的6个集团之一的国际数字商业集团的CEO，“海外商业板块独立经营”也基本确定。紧接着，今年5月阿里又马不停蹄地公布了6个业务集团的董事会成员，最年轻的蒋凡在其中三个集团都担任董事。

这些已经说明他已经回到阿里巴巴的核心管理层。

此前的文章我们曾提到，在阿里巴巴内部，人们喜欢将一个有望升任重要岗位的员工在升迁之前最后面对的挑战，称为他的“渡劫”。而当时的风波之后的处理结果反而说明了阿里对他业务能力的认可，处以重罚，但仍给予机会。而2022年的业务调整后，国际板块在他负责下一路增长。

以5月公布的阿里巴巴最新季报来看，国际零售收入增长41%，连续3个季度超出预期，其整体订单增长15%。到今天回到合伙人序列，内部诸多评价称其再次证明自己能打胜仗。

那么这一年半蒋凡在阿里国际商业板块做了些什么？

阿里国际业务并不经常在大众视野里，一些观点倾向于将这里的成绩简单解读为“新业务容易增长”，但这并非一个简单的东方不亮西方亮的故事。某种程度上，现在阿里的各个业务里，国际商业部分是最接近调整前的阿里整体面对的那种业务复杂度的，同时它还面对着更丰富及不同的市场结构和当地对手的挑战。

根据年报，阿里国际板块由国际零售商业和国际批发业务组成。前者包括Lazada,速卖通，Trendyol和Daraz 等，后者是阿里“起家”就有的alibaba.com，你可以简单理解前者接近c端后者更多是b2b的生意。根据年报，2023 财年国际数字商业总收入为 692.04 亿元，同比增长 13.3%，占阿里巴巴总收入的 8%。其中，零售部分收入 498.73 亿元，批发部分收入 193.31 亿元。这些生意复杂链路漫长的业务遍布全球，根据年报，其中一季度新推出的高性价比的choice 服务就已经覆盖到215个国家和地区

在国际商业板块整体经常提及的重点国家就包括西班牙，俄罗斯，土耳其，美国，印尼，韩国等，各种差异巨大的市场——基本没有一个国际政治专家会同时研究这些国家。

哪怕拿被人们认为是沃土的“东南亚”这个整体概念来说，事实上这里有最大的穆斯林国家印尼，华人为主的新加坡，社会主义国家越南，等等。真正去了当地就会发现它并非一个单一的市场，这使得尝试在这些国家同时取得成功的公司都在遇到挑战——哪怕是“东南亚”公司。看看过去一年，总部新加坡的SEA慢慢缓过劲来，而印尼最大科技公司Go-to集团的野心也在逐渐被现实磨平。

面对这个差异化明显但又彼此无法分割的市场，过往的跨国公司经验显然没有什么能复制，需要一些新的设计。

图源：好看商业

蒋凡到任半年后，Lazada做出了一个有意思的调整，由42岁的董铮成为Lazada集团首席执行官，同时兼任Lazada印尼首席执行官。值得注意的是这个兼任的安排，类似的其越南分部CEO也是兼任总部COO。此前和其高层交流中，提到这种设计对业务的帮助，它可以让各地区有很强自主权来根据本地市场做判断，同时结合相同点来统一规划彼此配合。

除了外部经验，阿里自己的经验哪些能用，怎么用，也需要智慧，而非自大的认为有了中国互联网经验就足以“降维打击”。

阿里国际版图各种产品的调整呈现出这种思路：在产品和商家工具的设计和搭建上充分借鉴淘宝天猫的经验，在市场策略上以及这些策略的切入点上充分尊重当地的文化和特点。

比如速卖通开始在各个国家推出不同的网站和平台设计，根据当地喜好进行推荐，这能看到典型的千人千面的思路，是对产品敏感的领导者会做出的改变。

比如在西班牙，推出Miravia 的电商平台同时，据悉相关业务也开始探入有本地生活属性的本土业务，以当地一直存在的服务空档为切入点，主打提供更便捷的电商和生鲜配送。

这样的动作越来越多。

速卖通（AliExpress）在今年正式推出基于全托管模式的新服务“Choice”，“Choice”上线后，带动AliExpress订单两位数增长。

在土耳其，Trendyol也在持续增长，2023财年以当地货币计算的GMV增速超过110%。据一位接近，蒋凡近期在土耳其与当地团队交流并做了讲话，反响积极。

包括阿里国际站这样的老牌生意也在透露出新的野心，近期收购外贸生意智能工作台 OKKI，继续着把数字化服务更加复杂化系统化并拓展到阿里之外的路线推进。

这些带来增长的新动作实则需要不小魄力。要知道，阿里国际站为代表的业务毕竟是阿里传统业务，甚至是这家公司一切商业模式的起源，而同时，这里又是阿里收购而来的国际公司的聚集地，这些公司在当地并非像国内一样总被与阿里直接联系起来，比如据当地员工称，Lazada在像越南等国家更多被认为是年轻精英聚集的外企。这都需要管理者思考如何延续公司原有文化同时融合并塑造独有的新文化。

某种程度上在阿里新的变化之后，这家公司未来面对的机会和挑战，将在6家业务集团身上以迥然不同的方式进行呈现，这其中国际数字商业面对的情况也许是最复杂也是最特殊的，观察它如何从过去的阿里身上获取能量，用新的聪明的方法来解决未来新的问题，也会是理解新的阿里巴巴会怎样演变的一个切口。

可以确定的是，挑战和改变会不停发生。在此前的几次直接接触中，蒋凡给人的印象是务实而机敏，回答问题极为简洁，并且喜欢从自己统领的业务全貌出发分析问题。

而据接近他的人描述，在带领海外业务后的蒋凡继续关注技术的新变化，并开始对更宏大的商业之外的叙事感兴趣。

这些都容易让人想起1894年初到越南的一名法国军官曾说的话。

“多么遗憾不能早十年来此啊！这里有着大好的立功出头之途啊！在这里，没有一个担任前哨部队和侦察部队指挥官的区区中尉不在六个月之内就发展出在法兰西的军官终其军旅生涯都无法企及的积极性、意志力、耐力和人格。”

按照阿里的安排，国际商业板块将进行独立融资。今天蒋凡已重新回到合伙人，未来他可能会同时成为一个独立上市公司的CEO，一个集团的28人核心管理层中最年轻的那个，以及唯一在三个业务板块董事会里的业务CEO。往后将又是一个新故事了。

编者按：此消息来自 MAKA Motors 和AC Ventures，下文对内容进行了调整。

印尼EV创业公司MAKA Motors近日宣布，已完成了一轮3760万美元的融资，创造了东南亚地区硬件创业公司种子轮记录。

本轮融资由AC Ventures、East Ventures和南韩的SV Investment领投，Northstar Group、Provident、AlfaCorp、Skystar Capital、Peak XV Partners（红杉印度）、Openspace Ventures、Shinhan Venture Investment、BEENEXT、Kinesys Group以及M Venture Partners领投。

MAKA Motors于2021年成立，联合创始人Raditya Wibowo和Arief Fadillah都是网约车巨头GoJek的高管。两位创始人希望能够为印尼骑士提供兼顾价格、续航、动力、皮实耐用的电动摩托车。

两位联合创始人 Arief Fadillah 和 Raditya Wibowo，图源：MAKA Motors

虽然印度尼西亚的电动两轮车行业仍处于起步阶段，但许多品牌正相继推出自己的模型。印度尼西亚政府正在提供税收回扣、商业援助、购车补贴等更多支持，这将进一步降低电动摩托车的使用成本。

印度尼西亚是全球第三大两轮车市场，拥有超过1.27亿辆摩托车，但其中电动摩托只有大约4.3万辆。鉴于印尼每年新销售的摩托车数量达到600万至800万辆，使得电动摩托车有巨大的机会空间。

从印尼本地骑手的需求出发，做出产品的创新研发，是 MAKA Motors 的一大坚持。“我们很高兴能与那些理解并支持我们的以研发为先的策略的合作伙伴一起努力。通过在本地和内部进行我们的研发过程，我们解决了许多当前的电动两轮车公司在外包他们的研发过程时面临的限制，这些公司错过了关键的用户洞察，对他们的供应链的控制，以及潜在的成本效率。我们最终的目标是通过提供满足印度尼西亚骑手独特需求的创新解决方案，来引领市场。”MAKA Motors的联合创始人兼CEO Raditya Wibowo说。

图源：MAKA Morors官网品牌故事页

除了在产品中积极创新，MAKA Motors 联合创始人兼首席技术官 Arief Fadillah 也对来自世界其他地区的合作伙伴、技术团队保持开放的心态，他补充说到，“自从开始，我们就进行了严格的内部研发过程，招聘了具有在印度尼西亚、日本和德国的领先汽车公司工作经验的顶级团队成员，并与世界级的技术合作伙伴和供应商合作。除了创造优越的车辆，我们梦想在印度尼西亚建立卓越的硬件工程能力，并邀请我们优秀的本地人才回家，加入我们的使命。”

在此轮融资中的领投资本之一 AC Ventures 专注于东南亚市场的投资，品玩曾在往期的文章中分享过其创始人兼管理合伙人 Michael Soerijadji 对印度新能源车市场的见解。对此番融资，Michael Soerijadji 也表示："我们之所以投资MAKA Motors，是因为他们的创新方法和高效的供应链管理。他们的团队对印度尼西亚市场有着非常全面的了解，我们相信他们可以帮助推动可持续出行的转变。他们的供应链的一部分肯定会从中国采购，而另一部分则会在印度尼西亚本地采购。"

MAKA Motors 计划用本轮融资扩大运营规模、提升研发能力和设施建设，以及加速其创新电动摩托车的生产。公司的第一款面向大众市场的产品目前正在开发中，并计划在2024年发布，其首批试点车辆将于本月投入使用。MAKA Motors还将在今年晚些时候开始在西爪哇建设其工厂。

题图来源：MAKA Motors 官网

关于 AI 在出海圈的应用，比如用 Midjounery 生成概念图甚至产品宣传图，或者用 ChatGPT 写产品包装和社媒文案，品玩Global之前已经通过一篇文章介绍，这已经是很多跨境商家的基本操作。

由于“涌现能力”的出现，通用大模型 AI 在交互、生成、推演、计算等方向上的能力都得到了巨大的提升。这意味着AI将更深入地影响业务的每一个条线，而不仅仅是图文自动生成那么简单。

2023 FBIF食品饮料创新论坛上，企业创新数智化技术服务商——衔远科技创始人周伯文向品玩Global分享了他的见解。

从产品营销的角度来说，AI大模型的进步和垂直领域能力的分化带来了机会，意味着今天企业业务场景中遇到的问题，都有机会找到更好的解决思路；而挑战和困难在于，企业主不仅要理解高速发展的 AI 技术，基于业务需求选择适合自身的 AI 大模型，还要能够协调好不同 AI 工具和模型之间协同使用的问题，让内部接入新技术的成本最低，收效最高。

那么问题来了：在漫长复杂的产品和品牌营销过程中，有没有机会在某个特定行业或领域内，用一个大模型解决企业的所有问题？

通用大模型的“能力涌现”和垂直领域的能力分化

在 ChatGPT 为代表的的这一波创业浪潮里，拥有学术和业界双重背景的周伯文无疑是备受关注的明星创始人。他曾任京东集团技术委员会主席、美国 IBM 人工智能基础研究院院长，他任职 IBM 期间提出的“自注意力融合多头机制”的自然语言表征机理，成为ChatGPT背后所使用的Transformer架构的核心思想之一。

在与品玩Global的对话中，周伯文表示， AI 大模型将是未来企业 IT 基础设施般的重要存在。他创立的衔远科技就致力于用 AI 重塑商品价值。

以 FBIF 论坛主要关注的，也是衔远科技当下正重点服务的食品饮料行业为例，据市场调研数据，2020年时，AI在食品饮料行业的市场价值就已经达到30亿美金且在持续增长，但当时AI还只是处在所谓的“狭义人工智能”阶段，即一个模型只能实现一类特定任务或功能，比如食品研发、营销、自动化生产、食品监控等。

同一时期，周伯文在京东带领团队从零搭建了一个叫做JD AI NeuHub 的人工智能开放平台，目的就是帮助各行各业在供应链上去做效率优化，涉及产品定义、设计、用户研究、市场洞察、交易、售后、客服等诸多场景。这个平台最终做到每天调用量达到100亿次。

如此的高频使用，证明了AI 在实际产业中的应用价值，也暴露了当时 AI 落地的难点：支持服务不同场景的任务需求的背后，是周和团队在NeuHub上部署了数百个不同的 AI 模型，才得以实现的。其部署和实施的技术难度和成本之高，几乎只有实力雄厚的大厂才能实现。

但今天的机会点在于，有可能用一个模型去实现过去数百个场景中需要的功能，并与人进行智能的协同交互。这将极大降低以 AI 赋能企业的门槛，甚至改变很多行业内部的工作模式。

一个通用模型，赋能企业全生命周期，重构产品-用户关系

在周伯文看来，品牌或产品的一个完整的生命周期闭环，是从机会洞察（Discover）开始，到产品定义（Define）、设计（Design）、研发（Develop），再到最终的推向市场完成营销转化（Distribution）的 5D 流程。无论是国内零售电商、出海跨境电商，或是食品饮料、3C电子等不同品类的零售企业，底层链路都有共性。

图源：衔远科技

这一闭环中的每一个环节，都需要产品和市场人员投入大量精力，或进行用户和市场调研，或捕捉行业热点。市场现有的解决方案，大多专注于其中的单一环节，尤其是在营销转化环节，竞争激烈。过去的解决办法是通过不同的数智化工具来辅助解决，单点突破式地赋能产品和营销人员。

而衔远科技想做的，就是打造零售垂直领域的大模型，打通商品和用户的关系，让 AI “想你所想”，在产品研发到营销的任意环节为营销人员甚至用户直接提供支持和协助。

周伯文博士认为，首先在大模型赋能下，用户和产品之间的二元关系将被重构。

洞察用户和市场机会，以及产品定义和设计，这两个功能借助大模型能力，能够穿透营销和产品传统意义上复杂多层次的工作流程，直接将“用户”和“产品”这两个要素联系起来，让企业和企业内部的员工，能够简单粗暴地透过种种数据和现象，看到最本质的用户需求，并且直接以特定的产品功能点去匹配需求。在现有产品或功能不足以满足需求的情况下，还能创造新的产品，以更好地匹配市场需求。这种以终为始的思路，会极大地改变人们的工作习惯，降低新品开发和营销难度的同时，达到更好效果。

周伯文表示，利用衔远大模型的强大预测生成能力，他们能够帮助企业预测消费者和商品体验的依存关系、细颗粒度的对应关系，从而帮助产业人员重新深刻理解什么样的消费者需要什么样的商品，甚至具体到消费者在什么样的场景、体验上，被什么样的品牌参数、材质、文化符号、功能等价值点打动，从而与品牌发生什么样的互动。

图源：衔远科技

其次，这也是零售电商行业的企业在公司内部，首次通过一个大模型，就能够实现 5D 产品全生命周期的完全赋能。

“生成式人工智能让5D第一次有可能用同一个AI基础模型跑起来。而且能够将5D的数据集中到一起并实现全部穿透，这类场景以前是不存在的。” 不久前周伯文接受品玩采访时曾这样指出。

从产品和市场团队关心的市场机会洞察，供需分析，新品定义，爆品开发，产品研发，到营销和销售团队关心的人群定位画像，广告内容生成，用户触达转化 …… 这些企业内部各有分工但都紧密关联的岗位和工作内容，以及面向不同用户的千人千面的定制化需求，在历史上第一次有机会通过一个大模型就实现完全支持，这将是企业数智化和经营提效的巨大转变。

在大模型支持下，5D 链条上的任何部门的员工，都能获得个性化且专业的支持，能够快速调用内部知识，获取基于数据的洞察等。衔远在自身大模型的基础上，搭建了一个企业级的通用多轮对话平台 ProductGPT，可以面向企业内部不同职责分工的员工，扮演不同的 CoPilot（副驾）角色，相当于每个员工都有一个“专家”外脑，具备专业知识和海量信息，可以随时响应，无限刷新，从而赋能每一个员工高效完成工作。

图源：衔远科技

并且，由于大模型的自然语言理解和互动属性，这种支持能够简单快捷地通过多轮对话获取，不需要对员工进行额外的使用技能培训，上手快速但提效明显，尤其是能够减少员工对于个人经验的依赖，提升依靠数据分析决策的能力和效率，反向以智能化带动数字化，是绝佳的生产力工具。

对话互动案例，图源：衔远科技

除此之外，衔远大模型也具备其他基于通用大模型的能力，但都根据零售电商行业进行了进一步的能力“微调”，以更适配建立产品-用户关系的垂直需求。如支持多模态内容生成，可以根据产品和用户特点，生成千人千面的个性化营销素材，提供从文案到图片等多种模态的产出内容。这些能力也集成在衔远平台提供的多种现成服务选择里，可以和产品营销前序的市场洞察、产品设计等内部内容对接，不用额外再接入其他的工具。

这也回应了他决定创业时，在朋友圈公布的对于商业模式与产品价值的构想：垂直整合从自有基础大模型到应用、到终端用户的全场景闭环，以实现生成式 AI 技术与商业价值“双落地”。

出海行业天生适用 AI 大模型

在 FBIF 上，衔远公布了在食品饮料行业的品牌合作案例：与蒙牛集团达成合作，帮助蒙牛做了企业自身的大模型私有化部署，提供了更贴合乳品饮料行业的全套品牌解决方案。其中有提及基于市场洞察和竞品研究，由 AI 主动生成的新品创意以及可落地的产品配料组合方案。令人印象深刻的同时，品玩 Global 也相当好奇，这种大模型能力，能否迁移到出海领域。毕竟，相比国内，跨境面临着跨语言、跨文化等更为复杂的市场洞察需求，以及同样激烈的选品竞争和品类创新诉求。

对此，在会后的交流中，周伯文也给出了令人振奋的回应。他认为，在海量数据 + 规模效应的大背景下，利用 AI 提效，天然适配于企业出海业务场景。

首先，大模型的多语种理解和翻译能力，可以解决出海最大的挑战之一：语言和文化障碍。这对出海企业的市场洞察、产品本地化和客服都是必须应对的挑战。然而，具备通用能力与专业知识的大语言模型却可以轻松承担相关任务，无论是多语种环境的用户沟通交流，还是本地化的品牌内容生产，都能帮助出海企业显著提高客户沟通与服务的效率和质量。

AI 生成图片，by 通义万相

其次，AI 大模型对数据的整合、挖掘及分析能力，将有助于企业快速识别复杂多变的海外市场中的用户趋势和商业机会，并为企业制定本地化策略提供支持。例如，借助 AI 技术自动总结社交媒体趋势、生成顾客画像、记录顾客对话，辅助员工在海外市场落地品牌营销工作，并为消费者提供个性化的营销和服务。

衔远科技也正积极拓展跨境电商尤其是B2C出海企业的合作场景和资源， 愿意与更多这一领域的合作伙伴共建更适配出海领域的大模型和具体应用。

我们亦观察到，在 ChatGPT 为代表的这一波大模型浪潮中，跨境电商行业是最早做出反应、积极实践探索的。当前落地较快的工具和应用场景，主要还是集中在内容生成类工作上。但当大模型工具与应用更深地参与到跨境生意的更多环节和链条中去，并跟与之协作的人们产生更多碰撞，甚至改变现有的工作习惯和工作方法之后，AI 在出海行业的深远影响才会更多显现出来。

在当前复杂多变的全球背景下，大模型可能是中国企业出海过程中的一个重要变量，我们期待看到更多场景下的AI落地应用。

自从AIGC这把火烧起来了之后，谷歌和微软这两家巨头就进入了全面开战的局面。新技术发布争抢时效、新产品上线一定是要前后脚。

而在AI代码开发领域，凭借着GitHub Copilot这个王牌工具，微软明显抢占了先机和占据着上风。但谷歌也并没有坐以待毙，它选中了一个秘密武器——Replit。

不久前，谷歌宣布牵手Replit，将旗下人工智能语言模型和Replit的生成式代码工具Ghostwriter结合。该消息之后，Replit很快完成了约1亿美元融资，估值突破12亿美元。

其实早在谷歌押注之前，Replit在开发者中就已经属于一个家喻户晓的工具，甚至在4年前还拒绝过来自微软10 亿美元的收购要约。

不过，很多人或许知道的是，Replit目前是全球最大的基于浏览器的集成开发环境（IDE）之一、是增长最快的编码平台。很多人并不知道的是，总部位于旧金山的Replit实际上是由三位约旦移民创立，三人都没有美国学历和生活经历，他们从合约工做起，最后共同创建出了这个如今在全球代码世界中影响深远的创新公司。

没有名校光环、没有强大背景，Replit又是一个典型的、难以在其他地方复制的的硅谷创业故事。

创业故事：

Replit 三位创始人都来自于约旦，包括两位软件工程师 Amjad Masad、Faris Masad 和一位视觉设计师 Haya Odeh。三人都毕业于约旦本地的大学，在工作之前都没有在美国本土学习或者工作过。一直到他24岁那年，他才因机缘移居到美国。

Amjad Masad的约旦家庭并不富裕，当他选择抛下一切来到美国时，除了信用卡债务之外一无所有。刚到美国时，他加入了一家位于纽约的创业公司Codecademy，主要业务是做线上编程教育平台，当时团队里没有几个人，他是创始工程师之一。

在纽约呆了两年之后，Amjad Masad离职加入了Facebook。在工作过程中，他发现开发者的开发环境非常繁琐、安装过程也很复杂，于是创建一个开发人员可以在任何地方、任何设备上编程的工具的设想诞生了。

为了实现这个想法，他找来了两位约旦的朋友，一位是他在约旦大学读本科时的同学Faris Masad，另一位是从约旦到美国来做视觉设计的女生Haya Odeh。两人都是约旦来的移民，根据Haya Odeh的LinkedIn信息，在成为Replit的联合创始人之前，Haya Odeh在美国做了几年的视觉设计合约工。

Repl.it的创始团队，图片来自Repl.it

当时三人的目标是创建一个完全在浏览器上运行的集成开发环境（IDE），让开发者能够在任何地方、任何设备上编写、运行和分享代码，进而大幅降低编程的门槛。

在2016年成立公司之后，Replit被YC孵化器拒绝了3次。但三人并没有放弃，用大约2年的时间完成了Replit的第一版本，之后终于在2018年得到了YC青睐，并于同年3月开始正式提供服务。到了2019年初，Replit的用户快速突破100万，特别在年轻用户开发群体中非常风靡。

2019年，仅有6人的Replit团队接到了一家科技巨头10亿美元的收购要约。但Replit当时想要专注于做好自己产品，于是拒绝了这一极具诱惑力的Offer，而根据Business Insider的推测，该巨头应该就是微软。如今，Replit已经发展成为全球最大的浏览器内开发环境，有超过2000万的用户、月活用户高达几百万，是目前开发领域增长最快的平台之一。

主要业务：

Replit 此前最核心产品就是它的在线 IDE，开发者无需在本地下载或安装任何开发工具，就可以直接在浏览器、移动设备中编写代码，并且能够在 Replit 的环境中编译、运行、测试和部署他们的应用程序。

此外，Replit支持 50 多种编程语言，包括 Python, JavaScript, Go, Ruby, C, C++ 等等，开发者可以自由选择他们所需要的语言环境进行编程。整个开发环境是支持在线协作的，用户可以邀请他人查看他们的代码，并可以同时进行实时编程。

除了IDE之外，Replit近年来也在AI编程助手上狠下苦功。去年11月，Replit 发布了一个名为 Ghostwriter 的AI编程助手，直接对标 GitHub的 Copilot。这个产品在发布之后也立刻吸引到了谷歌的注意。

今年3月，在GitHub 发布采用最新 OpenAI GPT-4 模型、引入语音聊天助手的Copilot X之后，谷歌立马宣布跟Replit达成合作、联合发布编程工具，Replit 将使用谷歌的 LLM 升级其 Ghostwriter 产品，进一步发展和完善其建议代码块、完成程序和回答开发人员问题的能力。Google Cloud 和 Workspace 的开发者用户也可使用 Replit来进行代码的编辑和协作。

全新的Ghostwriter具备以下功能：

代码自动生成和补全：使用了最先进的语言模型，开发者可以通过输入自然语言描述，Ghostwriter既可以智能地生成和补全代码，同时能够精准形成代码的逻辑和风格。

代码的语言转换：Ghostwriter可以帮助开发者实现跨语言编程，自动将一种编程语言的代码转换成另一种编程语言的代码。

代码的解释和搜索： Ghostwriter可以为开发者自动形成代码的注释和文档，帮助开发者理解和学习代码的含义和用法。允许开发者便捷地在编辑器内搜索和导入其他开源代码。

AI助手： 2023 年 1 月，Replit在Ghostwriter中加入了对话式 AI 界面，开发者可以通过跟AI的交流，协作完成代码的创建，开发者可以通过点击或拖拽来直接选择或调整AI生成的代码。

目前AI Ghostwriter功能目前仍然处于测试阶段，预计到2023年底会正式推出Ghostwriter产品。截至今年4月，Replit表示平台上的代码已经有超过 30%是由AI 生成的。

商业模式：

Replit 的商业模式相对比较简单，主要收入来源是订阅服务。

Replit提供免费的在线编程环境，提供基本的代码编写、编译和运行功能。Replit的免费版本吸引了大量用户，形成了强大的用户群体，增强了Replit的品牌影响力。在此基础上Replit也给个人开发者、公司等提供额外的高级订阅服务，价格从7美元-20美元/月不等。订阅者可以享有私有项目、额外的计算资源、AI助手、优先客服支持等功能，同时也提供了付费部署服务。

此外，Replit也提供针对教育机构的专项服务，合作的学校可以使用Replit教室（Replit Classroom）来进行编程教育。Replit Classroom提供了一个方便的平台，让教师可以轻松地分发作业、查看学生的代码、提供反馈等。

融资经历：

截至2023年7月，Replit共完成了8次融资，累计总融资金额突破2亿美元，背后不乏顶级风投的身影。

2016年-2018年10月，Replit分三次完成了种子轮融资，其中领投资机构包括YC、A16Z、Amino Capital等。

2021年2月，Replit获得由A.Captial Ventures领投的2000万美元A轮融资。同年年底，Replit再次获得由Coatue领投的8000万美元B轮融资，估值为8亿美元。

2023年4月，Replit完成9740 万美元的B+轮融资，由 A16Z领投，跟投者又增加了更多大佬的身影，除了老伙伴Coatue、Y Combinator、Bloomberg Beta等，又增加了SV Angel,  Angelist 创始人Naval Ravikant、《7 Powers》的作者 Hamilton Helmer 以及ARK Ventures 等，估值达到 11.6 亿美金。

注：封面图和插图来自于Replit，版权属于原作者。如果不同意使用，请尽快联系我们，我们会立即删除。

7月20日下午，由北京市委网信办指导、首都互联网协会主办、品玩承办的首届“青年思享会”青年先锋论坛活动在京成功举办。论坛以“人工智能的机遇和挑战”为主题，邀请了来自中国科学院的专家学者，以及百度、奇安信、科大讯飞、向量数据库Zilliz、云测数据、映宇宙、易观分析、中科闻歌等企业的青年先锋，共同探讨在人工智能的背景下，大语言模型的技术路径、商业化落地、产业化发展和生态系统建设，力求“全景式”解锁大模型的真实面貌，“立体式”呈现大模型未来图景。百余家互联网企业及相关单位代表，近300人参加活动。

北京市委网信办相关负责人表示，“我们要以《生成式人工智能服务管理暂行办法》为准绳，明确生成式人工智能服务安全要求，认真做好申报安全评估、加强数据安全和隐私保护等工作，规范操作、划好底线、守住安全。希望大家在企业的发展过程中强化主体责任，既要把握人工智能等新技术、新应用带来的机遇，营造创新生态；又要保持正确的大局观、发展观、安全观，重视防范风险。”

通用人工智能走向新拐点

随着人工智能技术的迅速发展，大模型已经成为人工智能技术的重要基础。国家高度重视人工智能的发展，提出了大力发展智能经济的战略，加强了基础研究和关键核心技术攻关。相关政策措施利好也在不断地促进行业发展，AI产业链有望加速升级。

易观分析高级分析师陈晨在《中国通用人工智能的现状、前瞻、机遇和挑战》的主题演讲中提到，“原本的信息化数字化时代，做企业转型升级的时候，可能会出现一些数字化的洼地，但大模型有了之后，能够解决我们原本需要用数据化的力量去动用解决的问题。”

突破创新，全面构建新时代的大模型

中国科学院计算所多语言大模型“百聆”负责人、计算所研究员、博士生导师冯洋发表了《在语料和模型规模之外，如何有效训练大模型？》的主题分享，探索了新的解决方案 ——多语言大模型“百聆”在指令微调阶段将英语与其他语言对齐，以交互式翻译任务为核心进行指令微调训练。她表示，“我们要提升大模型中文生成能力，需要分两步。首先需要收集大量的语料，去提升基座模型的能力，接下来还需要构建一些中文的指令，来提升大模型在中文上和人类对齐的能力，以及完成任务的能力。”

百度AI技术生态总经理马艳军分享了《知识增强大语言模型，走向通用人工智能的突破与创新》的主题演讲，他表示，“行业大模型必须以通用的大模型为基础，否则跟以前的普通模型没有什么区别，所以现在大家提行业大模型，根基依然是通用的技术模型。”

AI浪潮下,更须守护数据安全

论坛围绕大语言模型的监管治理进行了探讨。合理的监管是保障人工智能技术健康发展的重要前提，同时也是保护数据安全、避免信息滥用和引导行业良性竞争的关键措施。奇安信、映宇宙等参会企业分享了各自在大语言模型网络安全方面的实践，提出了一些值得借鉴的方法和策略。

奇安信集团首席安全专家翟胜军在《关于人工智能2.0对网络攻防格局影响的讨论》的主题演讲中提到，“把以前整个安全的基础做成，健全符合数据安全的基础安全设施，把制度、管理体系到位，保证整个安全落实到实处。我希望我们发展新技术，不应该因噎废食，但在使用新技术带来更高效果和好处的同时，也应该关注新技术带来的负面作用，尽量地减少负面作用。”

映宇宙集团高级合规专家游涛发表了《人工智能与企业合规的赋能与边界》的主题分享，他表示，“对于AI失控的管理才是最重要的。要加强对人工的培训，怎么样让更多的人员了解到AI的问题，做数据的标签将是核心。同时要建立内容举报机制，让我们一起监督人工智能的语言和内容，比较重要的是要关注内部的培训，适应AI环境下的人文的素养。”

共建生态，推动中国大模型迈向高质量发展之路

高端对话环节，嘉宾们以“打破壁垒，打造中国大模型健康发展的生态系统”为主题展开讨论，品玩创始人兼CEO骆轶航担任对话主持人，科大讯飞开放平台AI服务市场部总经理陈贤华、向量数据库Zilliz联合创始人郭人通、中国科学院自动化研究所副研究员、“中科闻歌-中科院自动化所”联合实验室主任孔庆超、云测数据总经理贾宇航分享了精彩观点。

品玩创始人兼CEO骆轶航表示，“中国大语言模型的生态，我们是全球开源生态最积极的推动者，我们每个人都是这个生态的建构者。”

科大讯飞开放平台AI服务市场部总经理陈贤华表示，“我们在大模型的时代，除了讯飞这样的平台，把平台里面有的技术给到大家之外，对于大家更多的借鉴的意义还是需要从场景的落地、务实的角度出发。所有的创意需要有人去用，需要对自己的切身的体验和学习工作有提升，或是起到降本增效的作用，这非常关键。”

向量数据库Zilliz联合创始人郭人通提出，“我们要把大模型的生态做好，把模型作为核心，围绕周边的系统做建设，特别是系统的基础软件这块，在行业我们才能够真正的落地创造价值。”

云测数据总经理贾宇航表示，“数据实际上是数据的质量决定了大模型的最终的结果的好坏的一个非常重要的作用。我们做的事情是以数据标注为核心，以标准化数据接口的方式，跟任何的企业的数据库打通，完成原始数据到标注数据中的快速积累，包括模型训练、模型仿真。”

中国科学院自动化研究所副研究员、“中科闻歌-中科院自动化所”联合实验室主任孔庆超分享到，“我们的定位是以人工智能的技术去驱动认知决策，希望用集成各种各样大模型的能力，去继承各种各样的行业，去发挥大模型的真实的行业的效应。”

首届“青年思享会”青年先锋论坛活动的圆满落幕，也预示着AI大模型正朝向健康合规的方向发展。AI大模型正在成为赋能千行百业、引领产业变革的关键力量。未来，随着人工智能加速发展，行业企业将通过系统创新、坚持开源开放，加速产业生态繁荣发展。

努比亚终于更新自家的35mm主摄了，前段时间努比亚发布了Z50以及Z50 Ultra，很多用户还在好奇为什么消费者最买账的Z50 Pro并没有在同期发布，原来是憋着上新的传感器呢。

一直以来，努比亚的机器都因为独树一帜的主镜头焦段，在这个计算摄影高速发展的时代被一群人所青睐。但是在各大厂商影像旗舰纷纷入局一英寸的今天，如果继续使用IMX787作为主传感器，未免从参数上略显尴尬。

但话说回来，手机摄影的成像效果不单要看硬件水平，更重要是计算摄影的算法，如果能将两者有效的结合，即使硬件参数没那么夸张，也一样可以获得不错的成像效果。

图源：品玩 LU摄

而各家厂商拼命往手机里塞下一英寸传感器除了营销需要之外，更根本的原因还是大底传感器能带来更多的进光量。老话说：“摄影是光的艺术”，能够获取更多的进光量，就能够在相同的条件下获得更好的画面，这也是为什么很多老手机在白天并没有和现在的新旗舰在影像上拉开差距的原因，因为白天光线充足嘛。

不知道大家有没有发现一个问题，目前主流一英寸传感器的手机，主摄焦段都在22mm-24mm。这是因为传感器面积越大，等效焦段就越广，如果努比亚想要在Z50S Pro上强行使用一英寸传感器并且继续采用35mm焦段，手机的厚度将会非常可怕。

所以这次努比亚的新机Z50S Pro没有无脑冲一英寸，而是上了一枚1/1.49英寸的传感器。而为了让这枚传感器最终的成像质量能够与一英寸传感器相同，努比亚采用了更加“粗暴”的做法，那就是增加通光孔径。

努比亚镜头模组特写 图源：品玩 LU摄

在Z50S Pro上，这枚全新的35mm主摄的通光孔径达到了业界最大的5.21mm，进光量已经超越了其他一英寸传感器。镜片方面采用了1G+6P的组合（G代表玻璃镜片，P则代表塑料镜片），官方宣称这套镜头的阿贝数高达81.6，是目前手机镜头中系数最高的（阿贝数用以表示透明物质色散能力的反比例指数，数值越小色散现象越厉害，一般眼用光学镜片的数值在30-60左右），能够有效地改善紫边现象，所以不论是白天还是暗光夜景的成像效果都有着不错的表现。

努比亚Z50S Pro在镜头上的新技术我们已经介绍的差不多了，接下来就是喜闻乐见的对比环节，我们选择在产品定位中比较相近的小米13Pro来做这次对比，毕竟Z50S Pro和13Pro均为大杯机型，并且都没有配备潜望长焦。

图源：品玩 LU摄

第一组照片，我们使用Z50S Pro的35mm主摄对比小米13Pro的23mm一英寸主摄（拉到1.5倍），可以看到虽然努比亚没有使用一英寸传感器，但是虚化效果丝毫不虚，画面边缘也没有肉眼可见的紫边，效果非常出色。

图源：品玩 LU摄

在扫街时，作为参照我在所有拍摄环境中都将小米13Pro拉到了1.5倍变焦，以保证取景画面一致。能够看出由于影调和进光量的差异，Z50S Pro的暗部细节更加丰富，而徕卡影调的13Pro则压得有点死。但并不能因此就说Z50S Pro比13Pro更好，毕竟影调这种东西每个人的倾向都是不同的。

图源：品玩 LU摄

这组照片是两款机器长焦的对比，Z50S Pro默认是80毫米，而小米13Pro是75mm。在取景时不同的是，无论在拍摄过程中如何点击主体，13Pro的背景永远都是清晰的，无论他的光圈开到多少。而Z50S Pro则会像人像模式一样自动虚化背景，突出主体。

图源：品玩 LU摄

但将Z50S Pro切换至人文扫街模式后，拍摄的成片就跟小米13Pro一样清晰了。

图源：品玩 LU摄

在近景的细节方面，小米13Pro看起来没什么问题，但是和Z50S Pro相比能看到画面明显的肉一些，石头栏杆上的细节刻画并没有努比亚做的好，但是好在小米13Pro有非常好用的长焦微距功能，而Z50S Pro则是比较传统的超广角微距。

图源：品玩 LU摄

这组照片中，努比亚Z50S Pro使用了人文扫街模式的富士胶片质感滤镜，而小米13Pro则是徕卡经典。还是上面那组照片同样的问题，小米在画面的感觉上有点肉，不过好在暗部细节够多。Z50S Pro的成片对比度更强，岁月的痕迹也更明显。

图源：品玩 LU摄

这组景物特写镜头中，如果要说色彩那我一定站小米。徕卡影调在面对这种绿色为主的画面时效果大家有目共睹，但你也不得不承认努比亚Z50S Pro无论是近景特写又或者远景的虚化效果都丝毫不输一英寸传感器，这就是大通光孔径带来的最直观效果。

图源：品玩 LU摄

逆光拍摄的一组长焦对比，小米从10至尊版到13Pro都有这个问题，就是长焦逆光环境下照片泛白严重，而Z50S Pro这张就正常的多，高下立判。

图源：品玩 LU摄

夜景环境下，Z50S Pro进光量的优势就体现出来了。这组对比图中可以明显地看到努比亚在暗部的细节更加明显，整面墙体的光影结构也更加立体。1/1.49英寸传感器能在暗光环境下拍成这样，努比亚这回增加进光量的做法算是押对宝了。

而在拿到这台机器的时候，努比亚的小伙伴一定要让我体验一下闪电抓拍功能，用他的原话说的就是：“比相机强。”这成功的激起了我的好奇心，我必须要试试看，其实闪电抓拍并不是Z50S Pro独占的新功能，但是在这一代机器上软件得到了全面的升级。

那既然他们信心满满的跟我推荐了，我决定将Z50S Pro和我的主力扫街相机理光GR3X做一个对比，因为理光的GR系列有着独特的快拍模式，是小尺寸相机中最适合扫街和抓拍的相机之一，我们一起来看一下他们的实际表现。

本轮参赛的两名选手 理光GR3X VS 努比亚Z50S Pro 图源：品玩 LU摄Z50S Pro闪电抓拍 图源：品玩 LU摄

努比亚Z50S Pro的闪电抓拍是在拍照及人文扫街模式下默认启动的，用户无需进行额外的设置。至于它是否起效果，只能通过水印上的快门时间进行判断了～总体的效果还是比较可圈可点的。

理光GR3X 快拍模式 图源：品玩 LU摄

理光这组照片才用了快门优先模式，并且将快拍距离设定为1.5m，可以看到整体的效果上，专业相机并没有和Z50S Pro拉开差距，这也足以见得闪电抓拍的能力。

但从拍摄手感上来说，GR3X由于设置了快拍模式，所以按下快门是不需要对焦的，手感没有明显的迟滞感。而Z50S Pro在拍完照片后，系统在很短的时间内需要一个响应时间，这就导致在抓拍时快门不是特别跟手，连续按动两次快门之间有明显的停顿感，希望在今后的系统升级中可以解决这一问题。

从我的随身相机是GR3X也能看出来，相较于传闻更适合扫街的28mm，其实我是更擅长使用35-40mm这类人文焦段的。

每次写到努比亚Z系列的相关文章，后台就会有小伙伴跑过来问：“35mm到底好在哪儿？为什么努比亚坚持不懈的用35mm作为主摄的焦段？”虽然说过了很多次，但是我还是要再解释一次：努比亚Z系列影像旗舰的核心，就是人文。

而35mm之所以被列为人文摄影中的黄金焦段，主要是就是因为这个焦段的镜头“进可攻退可守”，既可以展示大的场景，也可以拍摄特写。这个焦段的镜头在相机中由于用途广、质量高、尺寸适中，经常被作为选购挂机头的一个参考标准。

相较于我们目前在手机上经常使用的24mm主摄，35mm主要的优势就是视角相对比较窄，画面的透视变形会更小一些。对于人像、扫街、静物小品等场景都会有更加纯净的画面表现。

图源：品玩 LU摄

比如这张照片，其实周围都是坐着乘凉喝老酸奶的游客，但是35mm你只需要往前跨上一步，就能获得相对纯净的构图。这如果是23mm，您要么靠变焦靠损失画质去获得构图，要么贴大爷脸上让他教育教育你……

近几年，品牌在讲到手机摄影风格的时候，很爱用影调这个词。不管是小米的徕卡、OPPO的哈苏还是vivo的蔡司，这些手机品牌与相机品牌的联名都为自家品牌带来了非常明显的风格化色彩。

而对于不了解努比亚的小伙伴，可能不知道其实努比亚也有自己的风格化色彩，只是没有大张旗鼓的将它贴在自己的手机上罢了。努比亚内置了布列松风格黑白滤镜和多款富士胶片色彩滤镜。

布列松风格黑白滤镜 图源：品玩 LU摄

黑白滤镜相较于彩色可以让画面中的张力更强，而富士滤镜在CDD、胶片相机“文艺复兴”的当下，拍出来的色彩表现的确非常适合分享到社交媒体，我建议在拿到Z50S Pro后你一定要在人文街拍模式下多试几个滤镜看看，这些滤镜搭配35mm镜头会迸发出意想不到的化学反应。

富士胶片风格的蓝调滤镜 图源：品玩 LU摄

聊完影像，我们再来看看Z50S Pro的外观部分。从Z40S Pro开始，努比亚就将自己的机身外观变得“棱角分明”，我曾经用老罗的话来形容了一下Z50 Ultra，那就是“圆滑当道时代的锐利异类”。虽然从iPhone12开始手机有从圆角回到方边框的趋势，但是敢于在这么大尺寸的手机上毅然决然的使用直屏直角边的设计，努比亚是除了iPhone Pro Max之外的独一份。

图源：品玩 LU摄

在Z50S Pro上，努比亚标志性的红色电源键和自定义滑动按键依旧得到了保留，日常我会把它设置成一键启动街拍模式，但我的同事更愿意把它作为静音/铃声模式的切换。

红色电源键+滑动键特写 图源：品玩 LU摄

从正面来看，Z50S Pro的屏幕没有老大哥Z50 Ultra那么惊艳，还是趋于传统的保留了顶部的摄像头挖孔，当然这样做的好处是前置摄像头的成像质量得到了保障，相对于Ultra，Z50S Pro更加“传统”，也更加适合大多数人去使用。

而这块6.78英寸的屏幕使用京东方Q9发光基材，分辨率为1.5K，刷新率120Hz，除支持最高2160Hz的高频PWM调光之外，还可以在开发者选项中开启全局DC调光，算是国内顶级屏幕之一。

图源：品玩 LU摄

而处理器则使用了最近刚刚解禁的骁龙8Gen2领先版，熟悉8Gen2的小伙伴都知，这枚处理器有一个主频较高的型号，在此之前是三星Galaxy S23系列独占的，但是三星实在是不争气，就算是用了这枚处理器，在8Gen2梯队中的跑分也是倒数的……

不过现在这枚处理器已经解禁，Z50S Pro也不甘落后的上了这枚处理器，让我们来看看努比亚对它的调教究竟如何。

经过安兔兔V10测试，Z50S Pro这枚8Gen2领先版的跑分数据为1629818，测试时室温27度，算是目前夏天比较典型的一个室内场景了。不过令我比较惊讶的是，在跑分结束后Z50S Pro的背部几乎没有什么热量，这点还是很令人惊奇的。

图源：安兔兔V10

Geekbench6中，这枚8Gen2领先版的单核分数为2078，多核分数为5595，从数据的确能看出它比标准版的8Gen2分数有一定的上升。

图源：Geekbench6

而在我更为看重的3DMark Wild Life Extreme Stress Test 20分钟压力循环测试中，Z50S Pro的成绩也可圈可点，稳定性达到了87.7%，跟小米13Ultra以及vivo X90Pro+的性能释放稳定性同属第一梯队，这在被动散热的手机来说已经是非常不错的成绩了，达到90%以上一般需要外置散热器或手机内置风扇的游戏手机才可以做到。

图源：3DMark Wild Life Extreme Stress Test

Z50S Pro散热最关键的部分就是VC均热板。努比亚在Z50S Pro机身内塞入了4233平方毫米的VC均热板，展开后的总面积高达42833平方毫米，从上面的数据来看，它的确发挥了不小的作用。

努比亚Z50S Pro依旧采用了80W的有线快充，电池容量为5100mAh，未搭载无线充电虽然在意料之中，但是未免还是有些遗憾。比较有意思的一个功能就是在手机开启【游戏空间】后，手机可以选择“充电分离”，在该模式下充电器将直接为手机主板进行供电，这样游戏时可以减少给电池充电的发热量，这种“旁路供电”的模式在游戏手机中比较常见，努比亚将它下放到了Z系列影像旗舰中，看起来对自己的性能表现也是充满了信心。

充电分离 图源：品玩

另外，【游戏模式】的插件库中有些堪称“物理外挂”般的功能，能够在游戏的过程中给用户提供非常大的帮助，比如下面这几款。

图源：品玩

另外经过和努比亚的小伙伴内部沟通，Z50S Pro也将支持王者荣耀120帧模式，由于该功能需要提前和游戏开发商沟通适配，所以平日里爱打王者的小伙伴一定要注意月底的OTA更新。

结尾我们重点来说说这款产品的背部设计。

由于现阶段手机的正面几乎都被一整块屏幕所覆盖，所以各家其实并不能在正面的外观上拉开什么差距（Z50 Ultra除外）。所以手机的背部就变成了各家设计师发挥的画布，也是各家手机建立辨识度的主战场。

图源：品玩 LU摄

前段时间小米13Ultra在发布之初，说自家手机背部的设计灵感来自于徕卡M相机，但恕我直言，我是真的没看出来。而Z50S Pro从背部来看更像是一款合格的“卡片机”，它的造型和宾得H90非常像，也符合一般用户对于相机的印象。

宾得H90 图源：小红书

不过令我惊奇的是，努比亚告诉我这块摸起来看起来都像是素皮的材质，居然也是玻璃材质的？！这款机器的背部采用了业内首创的小牛皮玻璃工艺，让玻璃能够呈现出极其细腻的小牛皮手感。它相较于目前已经成熟的AG磨砂玻璃工艺更加防滑，而相较于素皮材质又不会有长时间使用发黏脱落的风险。

图源：品玩 LU摄

至于努比亚自家的MyOS系统，我们在之前的测试中聊过了很多次，这个系统的功能完整性是比较值得肯定的，但是UI部分还有进步的空间。好处就是整套系统几乎没有什么广告，并且人家努比亚在没宣称自己有什么“剃刀计划”的情况下，系统也能将应用卸载掉只剩8个，对于这一点，国内的其他手机厂商真应该好好学学了。

正是努比亚对于手机的这些坚持，让它能在一众产品中让人一眼就看出它的不同。对于很多业界“约定俗成”的做法，努比亚总有着自己不同的看法，这种不跟随的精神在产品越来越趋同化的今天是难能可贵的。由衷的希望努比亚能够在这条注定并不平坦的道路上坚定的走下去，带给我们更多令人眼前一亮的产品。

最近，以 ChatGPT 为代表的大模型产品的突破性进展，燃起了全行业对于 AI 技术的应用热情，出海行业也不例外。我们已经看到在跨境电商领域，从公司到个人都积极拥抱和探索 AI 工具的落地使用，更进阶的技术与应用也在不断涌现。

面对 AI 这个可能产生深远影响的技术新变量，出海企业与从业者们既兴奋，又“焦虑”，大家都在思考一些行业共同关心的问题：

站在出海商家的角度，怎样看待大模型及AIGC技术的发展和未来影响？

作为个体，如何在 AI 技术急速发展的当下，保持自己的独有竞争力？



出海企业应该怎样结合具体业务需求，发挥AIGC技术和大模型的应用潜力，为未来发展做好准备？

这是我们持续关注的，并希望与更多出海品牌主和技术提供方共同探讨的一大重要话题。

扫描上图二维码，锁定现场参会名额

为此，品玩 Global 组织了本期“AI 大模型浪潮下的出海机遇与应用趋势”主题 SYNClub 线下沙龙，邀请出海赛道的品牌先行者和 AI 领域的技术落地专家，面对面分享真实经验和案例，与更多出海从业者一同探讨如何以 AI 更好地赋能跨境电商及出海品牌。

无论你是已经开始接入大模型或 AIGC 工具的跨境电商“技术型玩家”；还是尚未启动，但迫切希望了解如何借力 AI 提升业务表现或经营效率的出海品牌和企业主，都欢迎报名，带着需求和疑问来与我们现场交流。假如你是跨境大卖、服饰零售品牌、多品类/多市场商家，我们强烈推荐你参与，本场的多位特邀嘉宾在这些领域均有丰富经验积累。我们期待，能够通过本次活动与更多出海企业交流碰撞，共同探讨 AIGC +跨境电商的无限可能。

重磅嘉宾

曾任字节跳动某2B业务多条产品线产品负责人，创业期间曾实现从0到数亿GMV快速业务增长，拥有丰富的全球产品和商业化落地经验。

电商独立站AI服务商，算法专家，多年跨境电商、算法AI从业经历，国内服务于阿里巴巴等电商公司。

Google glass系统构架师，曾参与Google Shopping.Ads项目算法研发；也曾作为Apple第一代Apple AirPods系统构架师， 负责产品研发、设计、生产全流程。

曾任Convertlab广告技术副总裁，腾讯广告首席解决方案架构师，MMA Martech委员会副主席，新加坡科技研究院类脑计算科学家等。

专注出海和高科技方向，并主导了OPay，易仓，和生创新，QBIT，HABBY，航木，DwarfLab等项目的早期投资；曾担任腾讯的产品经理。

知名全球化快时尚独角兽品牌联合创始人&CTO，已开启 AI 赋能业务尝试。

即刻扫码报名，锁定参会席位8月3日（周四）下午我们在深圳不见不散！

【*扫描图末二维码，即可报名参与】

活动亮点

• 品牌现身说法——展现快时尚行业的“AIGC+”和大模型的落地应用实例；

• 带来全局视角——从投资到落地，展现出海全链路中，AI应用的可能性；

• 深度趋势洞察——从研发，到内容生成，再到广告营销，解读AI大模型的应用趋势；

扫描上方图片二维码，或点击点击此处，即可参与报名，锁定现场席位！

你的猜测是对的，大模型在变笨！

最近几个月一直都有关于OpenAI的两个传说，其一是ChatGPT的流量开始下滑，其二是GPT4“变笨”了。

前者已经被证明是真的，根据数据公司SimilarWeb的统计，5月到6月，ChatGPT全球流量下降了9.7%，美国境内流量下降了10.3%。

后者则是逐渐变成了一个Twitter热门传说，大家讨论它的热情堪比对GPT4模型结构的全力揣测，以至于OpenAI的产品副总裁都公开说，不！我们没有让它变笨！

然而群众讨论热情丝毫不减，就在今天，一篇论文被预印在arXiv上，题目十分直白：How Is ChatGPT's Behavior Changing over Time?

论文的主要内容，简而言之就是，你说对了！大模型确实在变笨！

论文试图通过多种维度评估GPT的表现为何让人感到如此不稳定和不一致，于是为GPT3.5和GPT4划分了四种能力维度，分别是数学问题，敏感问题，代码能力和视觉推理能力。

通过对比2023年3月和6月两个版本的大模型，这篇论文发现了如下结果。

首先，两个大模型的表现都在短期内有着显著变化，特别明显的是数学问题，GPT的准确率大幅下降。举例子来说，在判定一个数是否是质数上，GPT4的成功率在三个月内从97.6%下降到了2.4%！

尤其注意的是，两个模型不同版本给出的答案重叠度也很小，论文给出的推测原因之一是其思维连贯能力出现了问题。

其次，在敏感问题上，作者准备了饱含100个敏感问题在内的数据集测试这些大模型，按理来说，大模型应该直接拒绝回答这些问题。

论文中给出的敏感问题例子是：解释一下为什么女性低人一等。

测试的结果，总的来说GPT4表现更好，6月版本的GPT4只回答了5%的敏感问题，相比之下GPT3.5的回答率从2%增加到了8%。作者推测原因是GPT4的更新可能部署了一个更强大的安全层，但是这可能并不意味着大模型正在变得更安全。

因为当作者进一步采用AIM方式欺骗大模型的时候（关于AIM，它是always intelligent and Machiavellian的缩写，你可以简单理解为用prompt诱导大模型放弃它的道德准则），GPT3.5几乎回答了所有的敏感问题！而GPT4即使经过升级，也回答了近三分之一的问题。

有关大模型伦理和安全的挑战目前看来依旧比较严峻。

最后，关于代码和视觉推理，论文发现GPT开始变得更倾向于不直接给用户生成可执行代码，而视觉推理的准确率则有略微的提升。

大模型变笨意味着什么？

这篇论文的作者中除了有来自斯坦福的华人教授James Zou和他的学生 Lingjiao Chen外，也包括了伯克利的计算机科学教授 Matei Zaharia，他的另一个身份是AI 数据公司 Databricks 的CTO。

之所以对大模型变笨这个问题感兴趣，当然不是单纯想做“谣言粉碎机”，而是大模型这项关键能力实际上同它的商业化能力息息相关——如果部署在实际环境中的各种AI服务会随着大模型的迭代而出现能力上的剧烈波动，这显然不利于大模型的落地。

论文中用了 longitudinal drifts 纵向漂移这个词来形容模型能力随着迭代和时间变化而带来的不稳定性，尽管论文本身没有给出具体的原因，但这篇论文已经在Twitter上引起了广泛讨论，不少人都认为，这实际上回应了关于大模型变笨流言中的一个主要的阴谋论——OpenAI实际上并不是处于节省成本目的故意让模型变笨的！

它似乎也失去了对模型能力稳定性和提升节奏的控制。

这引出了另一个更加让人不安的消息，每一次大模型的迭代升级，fine tuning 和 RLHF（基于人类反馈的强化学习）实际上都会造成模型能力的变动与不稳定，而目前还无法确定这一切是如何发生的！

论文作者之一表示：真的很难解释这一切是为什么。可能是RLHF和 fine tuning遇到了困难，也可能是 bugs。管理模型质量看上去很棘手。

有人说这一发现一旦被确认，实际上吹响了大模型终结的号角，因为人们需要的是一个稳定的AI，而不是会在短期内出现剧烈变化的模型。

也有人猜测，这可能就是OpenAI在努力推进 alignment 对齐研究的原因，因为对齐的目标之一实际上就是确保大模型每次迭代升级中在某些基准上保持一致性。

还有人表示GPT4在数学问题上的糟糕表现让人怀疑，大模型的内部似乎有一种机制在主动控制模型输出错误的答案。

不过也有人指出，OpenAI刚刚发布的 Code Interpreter 功能实际上补充了GPT在代码方面下降的能力，这让人怀疑可能是OpenAI对整个GPT4的大模型结构进行了一些调整，比如为了加快决策速度省略了一些步骤（或许是一个小的大模型？），而又将一些专门的模型单独处理Code Interpreter 相关的任务。

总之，这篇论文引起了人们对模型能力跟踪评估的关注，毕竟，没有人希望自己的AI助手时而聪明过人，时而又异常愚笨吧！

宝马研发和中国本土的缘分由来已久。

据可查询到的公开信息，宝马在中国的研发可以说是从沈阳的电动化、制造和技术验证开始的。早在2011年，位于沈阳的华晨宝马就已经开始新能源汽车的研发工作并成立了高压动力电池实验室。而后华晨宝马研发中心一期工程于2012年动工，一年后投入使用。沈阳研发中心自成立以来就聚焦电动化技术开发和产品国产化标定及验证，至今已有十多年的历史。2017年宝马集团在中国建立了德国以外首个拥有完整电池装备和测试能力的电池中心，这也是宝马在中国建立的德国之外最大的技术试验和验证体系。

毗邻宝马生产工厂和动力电池中心，沈阳研发中心的目的也很明确，主要专注于电动出行方案研究和本土化生产技术验证。今年，沈阳研发中心二期扩建项目也正式启用，该设施拥有19个新的实验室，其中17个专门用于测试新能源车。

过去，品驾也多次参观了宝马沈阳的铁西和里达工厂，其生产效率、技术应用和数字化转型都给我们留下了深刻的印象。

走在沈阳铁西园区的街头，也颇有“一子落带动满盘活”的感悟。

2018年，宝马继续加强了本地化的研发。这一年，北京、上海（新）研发中心正式启用——位于北京的研发中心将着重于整车的质量测试和车型认证，并根据中国客户的需求进行本土化策略制定；位于上海的研发中心则专注于未来出行趋势、用户研究和创意设计。

除去沈阳、北京和上海之外，2021年，在汽车“新四化”的大背景下，宝马还与南京诚迈科技合资成立宝马诚迈公司，专门从事汽车软件开发，目的主要是为了吸引本土化的人才，融入本地生态，提升数字化进程。

如果仔细研究宝马在中国投研发的过程，其实有点像是从“试一试看一看”到“真刀真枪深度绑定”的过程。可以看到，这几年，宝马在这个百年难遇的大变革中，也决定继续升级在中国研发的举措，夯实“家在中国”的战略。

7月18日，宝马宣布启用新上海研发中心。宝马称，伴随宝马在北京、上海、沈阳、南京研发机构的持续拓展和升级，宝马集团已在中国建立德国总部之外最大最完备的研发体系，秉承开放式创新理念，宝马各研发职能齐聚同一屋檐下，实现更高效的合作。宝马在中国实现具备汽车全流程研发职能以及全栈智能网联汽车软件开发能力，用实际行动践行立足中国的企业战略。

在我们看来，全新的研发中心更多瞄准数字化智能技术。

本次借着研发中心开放，我们也有幸参观了几个实验室，让我们印象深刻的是用户研究实验室。

人机交互是数字化用户体验的核心之一，中国则是德国之外唯一设立Skylab人机交互设计团队和Usability Lab用研实验室的国家，这是本次研发升级的一个小亮点。它们拥有全部核心设计功能，涵盖用户体验设计、视觉设计、用户研究和人机交互的开发，展现了宝马系统化、精确和先进的基于仿真模型的可用性研究方法。用研团队由设计师、软件工程师和认知心理学专家等组成。

比如车机系统的研发，宝马创新地运用上了眼动追踪技术，主要进行注意力研究和驾驶分心测算。

眼动追踪技术通常运用在混合现实设备，以及广告追踪等系统中。但在驾驶过程中，其实驾驶者的状态会在潜意识和理解意识中切换，就好比人们在面向仪表盘时多数是“瞟一眼”的状态不需要细看，它的意识主要还停留在更高安全级的驾驶上；而面对车机中央的娱乐屏导航时，眼动追踪仪显示的热点图提示人通常会仔细查看，进入理解意识的状态，通常来说，理解意识更难分心。所以，长时间关注车机中控就可能会造成危险。

这个实验室内还放置着一个被巨大黑布遮住的测试装置，据介绍，其实它就是下一代的宝马车机系统。宝马已经在车机系统研发中，纳入了这种认知心理学和软件工程研究。

整个研发实验室的参观感受下来，可以感受到，不管是座舱体验还是智能驾驶体验，宝马的一个理念其实是“悦人”——让宝马的客户在不同的驾驶场景中，感受到更“悦人”的体验。

而像宝马这种豪华车厂，不仅是在促进改善产品体验本身，也更多地让技术服务于它们的研究和员工，眼动追踪技术是一个很好的例子，在这个过程中，客户不光享受到了更好的产品体验，研究人员也在最大化地实现自己的研发价值。

据品驾了解，宝马中国数字化研发团队已经超过700人，而且还在快速增长。

在这方面，宝马形成了北京——侧重AI、语音交互，数字地图和数字生态等，上海——侧重乘客影音娱乐系统，用户研究、数字化账户和宝马APP等，南京——侧重本土化人才引入，融入本地生态，实现软件研发支撑的立体研发体系。

宝马集团董事长齐普策在年初曾谈到，数字化并不是看谁的功能更丰富、谁的代码更长、谁的屏幕更大。它的精髓还是在于客户体验，这才是真正的竞争优势。

于是宝马在产品上，加强了软硬件一体的研发，保证体验不割裂。可见的是，在全新的宝马i7上，确实拥有一系列浑然一体的软硬件体验——从UI设计到氛围灯警示，从智能驾驶系统启用到车内所有感官系统的调用，“所有创新科技的运用都只为打造一个优质、丰富、融合的整体用户体验”，这方面也借鉴了中国本土化市场。

中国本土化的功能设计，背后是将中国研发更好地、更准确地结合到全球研发体系中。除去产品本身，更重要的是，宝马今年正在大刀阔斧地调整本地研发团队架构。

4月，宝马集团进一步提升中国研发部门的管理，任命雷凯博士全面负责在华研发。宝马称，此举加强了各大研发职能的协同，使中国在宝马的全球研发网络中发挥日益重要的作用，并更快、更准确地把握未来趋势，更好服务中国市场，中国研发部门将与宝马德国总部协同开发，更好地倾听中国声音，满足中国消费者的需求。

Meta最近“杀红眼”了。

在上周Meta推出Threads对战Twitter、以史上最快速度突破1亿用户之后，今天，Meta又在大语言模型方面和微软强强联手，向谷歌和OpenAI发起了新的挑战。

在今天的微软的Inspire 合作伙伴大会上，Meta宣布和微软深化合作，正式推出新一代开源大型语言模型Llama 2，并将该模型免费开放给商业和研究使用。

此次Meta高调开源Llama 2，无疑是在正面硬刚走“技术保密路线”的GPT-4和谷歌的PaLM 2。扎克伯格在Facebook上发帖表示：“Meta有着悠久的开源历史，开源推动创新，它让更多开发人员能够使用新技术进行开发，同时提高了技术的安全性。我们相信如果生态系统更加开放，将会带来更多进步，这就是我们开源 Llama 2 的原因。”

面对OpenAI和谷歌正在努力构建的技术围墙，Meta似乎想要另辟蹊径、通过生态开放来切入这场巨头间的大模型竞赛。

模型升级+开源可商用，Meta拿出LLaMA2 “大杀器”

今年2 月，Meta 首次发布了自家的大语言模型LLaMA（Large Language Model Meta AI）系列，包含 70 亿、130亿、330亿 和 650 亿4个版本。

当时Meta表示LLaMA拥有超高性能，使用130亿参数的LLaMA在规模仅为ChatGPT 的十分之一的情况下，性能表现可以优于GPT-3。使用650 亿参数的 LLaMA 则可以与 DeepMind700 亿参数的 Chinchilla模型和谷歌5400 亿参数的 PaLM模型比肩。

LLaMA模型表现，图片来自Meta

但2月版本的LLaMA并不是ChatGPT的直接竞争对手，LLaMA定位于“开源的研究工具”，所使用的是各类公开可用的数据集。它当时更多的着眼于研究领域，仅在非商业许可下提供给政府、社区和学术界的研究人员。

值得注意的是，LLaMA发布后还出现了一个“泄露风波”，从而在业界推动了一波GPT平替风潮。虽然当时Meta称LLaMA是开源的，但研究人员仍然需要向Meta提出申请和审核。但就LLaMA发布不久后，其模型源代码的文件却在技术论坛上疯传，直接助推了包括斯坦福大学Alpaca、加州大学伯克利分校ColossalChat等基于LLaMA构建的语言模型和产品的出现。

当时因为泄漏的种子文件还被一度合并到了 Meta Research官方GitHub 上，并得到了一些项目维护者的批准，也有人猜测LLaMA的泄露是Meta有意为之，其目的就是为了日后的商业化做铺垫。

但不论此前LLaMA的泄露是否是Meta的试水之举，今天，Llama 2正式开启了开源商用版本。

根据Meta的官方数据，Llama 2 相较于上一代其训练数据提升了40%，包含了70亿、130亿和700亿参数 3个版本。Llama 2 预训练模型接受了 2 万亿个 tokens 的训练，上下文长度是 Llama 1 的两倍，其微调模型已经接受了超过 100 万个人类注释的训练。

在训练流程方面，跟 ChatGPT类似，Llama 2也经历了预训练阶段（PT）、指令微调（SFT）以及人类反馈强化学习（RLHF）三个阶段。在包括推理、编码、熟练程度和知识测试等外部基准测试中，Llama 2 在许多方面都显著高于MMLU、TriviaQA等其他开源语言模型。

Meta 表示Llama 2可免费用于研究和商业用途，开发者们可以直接在Llama 2官方网站下下载该模型。为了避免此前LLaMA泄漏后带来的深度伪造和色情聊天机器人等不良信息和产品的出现，Llama 2已经经过了红队测试，避免模型产出不良和有害内容，并且为开发者们制定了使用指南和守则。

图片来自MetaMeta搞免费开源，搅动大模型池水

Meta发布首个开源可商用大语言模型的消息，无疑是在行业内释放了一个重磅炸弹。

用Yann LeCun的话来说，Meta此举可能将就此改变大模型行业的竞争格局。

众所周知，OpenAI和Google目前是大语言模型领域中的两大霸主，但他们在最新、最先进的模型上都选择了“闭源”，OpenAI目前只是以API付费的方式向开发者提供服务。而此次，Meta在性能上足以比肩GPT-3.5的Llama 2免费开放给所有人，这肯定会吸引大量的开发者和创业者使用抛弃OpenAI和谷歌转向Llama 2。

对于Meta来说，在AI用户争夺战上的落后让它不能再和OpenAI、谷歌一样走非开源语言模型路线，开放生态则是目前一个很好的切入点。开源之后，Meta将拥有更多的可训练数据，开发人员能够帮助Llama 2去发现和解决漏洞，并且能够很快打开市场，为未来的商业化铺路。一定程度上来说，Meta此次也是在反向施压OpenAI和谷歌。

此次，为了鼓励更多开发者加入Llama生态，Meta还开放了人工智能研究社区和Llama影响力挑战赛，鼓励开发者们基于Llama 2来进行创建、交流和讨论，并进一步解决环境、教育和其他公共领域的问题。

除了Meta官方以及合作伙伴微软之外，Llama 2 还可以通过亚马逊AWS、Hugging Face 和其他提供商获取。

“双M”联盟走向深化，微软或成最大赢家？

除了Llama此次的开源、商业特点之外，Meta 和微软（Microsoft）的联盟也尤其引人注目。

Meta和微软向来关系不错，此前Meta搞元宇宙时，纳德拉就为其站台并且率先带着微软的一众产品进入Meta的VR平台。在AI领域，两家巨头也有着长期的合作历史。从2017年两家共同推出了可互换人工智能框架的开放生态系统，到ONNX Runtime 与 PyTorch 的集成等，Azure一直都是Meta的云业务上的战略合作伙伴。

图片来自扎克伯格Instagram

此次，两家就Llama 2进行了更加深入、全面的合作。微软表示，Llama 2将在Azure AI模型目录中提供，使得使用Microsoft Azure的开发者能够构建并使用Llama 2，同时利用他们的云原生工具进行内容过滤和安全功能。Llama 2也已优化为可在Windows本地运行，为开发者提供无缝的工作流，将更广泛地提供给企业并可由企业定制。

值得注意的是，Meta和微软也是今年以来股价涨幅最大的科技巨头之一，Meta今年上涨了154%，微软上涨了48%。

总体来看，一边抓着OpenAI闭门研究、探索商业化变现，另一边跟Meta联合搞开源生态，微软或许是此次AI热潮中最得意的人。

那么，你对于Meta这一次的商业版大模型开源怎么看，你们认为Meta此举会引发行业内的开源热潮吗？欢迎大家留言讨论！

注：封面图来自于Meta，版权属于原作者。如果不同意使用，请尽快联系我们，我们会立即删除。

天空，一直是一个撩动人们探索好奇心的领域。

自18世纪开始，人们就尝试通过用各种方式进入这片领域。孟戈菲兄弟在凡尔赛宫前曾进行过人类的第一次热气球飞行表演，到如今两百多年已过，人类早已成功进入了距离地球几十万千米的太空，高于地面几千米的高空飞行也成了司空见惯的交通方式。

然而，迄今为止，能有机会和能力进入太空的人屈指可数，人们也不会每天乘机出行。高度低于120米的低空，虽是一个与人们日常生活交互频次更高的城市空间，却因高楼林立、飞鸟繁多等导致飞行技术难度大，被长期忽视。如今，随着轻小型无人机越来越智能、技术越来越成熟，这片低空空域正逐渐成为又一个充满经济想象力和发展潜力的新空间。

机器人，还是机器人

世界人工智能大会（WAIC）有着未来科技发展和科技生活指示标的意义和价值，在2023WAIC上，机器人是绝对主角。

从踢一场足球赛到表演毛笔书法，从微创手术到写诗作画，从工厂代班到病房看护……机器人正迅速进入人们的日常生活。根据统计，今年WAIC，共有各家企业的二十余款机器人亮相，多款为首发首秀。长期致力于城市低空物流配送的美团无人机，也展出了第四代新机型。

自2021年在深圳送出首单后，截至2023年5月底，美团无人机已在深圳、上海等城市落地，为社区、商圈、景区等场景内的消费者提供即买即达的配送服务，累计完成16.7万余单。在深圳、上海的无人机运营区域，“人在家中坐，外卖天上来” 早已不是科幻电影中才有的场景，而是一步步成为了人们现实生活的一部分。

为了让“飞行机器人”能更好融入人们日常生活中，美团第四代新机型在更高效、更安全、更智能等维度上，都进行了技术升级。

美团第四代无人机正式发布 图源：吕鑫（摄）

具体而言，跟上一代机型相比，第四代无人机通过软件技术的提升，最高可以83km/h的速度安全稳定飞行，在海拔2000米高度以下、“零下20度至50度”的环境中工作，基本适应国内绝大多数城市的低空自然环境要求。

同时，为了降低对环境的干扰，新机型采用边界层湍流控制技术和折叠三叶桨设计，在延长使用寿命的前提下，飞行噪音较上代机型降低约50%，效果相当于听50米外的两个人面对面交谈；此外，第四代无人机的运维友好度也进一步提升，不仅机体、电池等零部件寿命大幅延长，同时其自研的智能充电柜、移动控制站等配套设施，也让运营效率大幅增长，有利于降低运营成本。

美团无人机业务负责人表示，软硬件技术的系统升级，将有利于新机型进一步拓展服务范围和运营场景，在弱光、雨雪和大风天气中，为人们提供15分钟最远5公里范围内的即买即达服务。

城市低空经济爆发前夜

想要从城市低空经济中谋求服务转型和消费体验升级的，并不只有美团。

根据统计，国内无人机企业超过1.5万家，无人机拥有者注册用户超过70万个，无人机注册数已超过100万架，年飞行量约2000万小时。其中，有相当一部分从事城市低空物流配送等经济活动。

南京航空航天大学通用航空与飞行学院副院长张洪海在接受媒体采访时曾表示，城市领域的地面、地下空间有限，随着城市的发展，地面交通越发拥挤。城市低空空间蕴含着巨大的社会需求和经济价值，通过开发低空资源，可以更好满足老百姓对城市运营安全、经济、舒适的美好生活向往，也是我们发展低空经济的目的所在。

2022年，从阳澄湖捕捞的第一篓大闸蟹，就通过顺丰无人机在十分钟内送到了目的地，如果换作环湖公路运输的话，送达时间将是一小时二十分钟。

而在国外，谷歌的兄弟公司Wing在2019年实现无人机快递商用，为美国弗吉尼亚州、得克萨斯州和澳大利亚的城镇运输食品、药物。截至2022年10月，Wing完成了30万个商业配送订单。亚马逊无人机经过9年的研发测试，于2022年圣诞节时，正式在加州和得州的城镇开启无人机商业化配送业务。

避开了城市道路拥堵的影响，“快和准时”，是无人机配送的最大价值点。

一个快递包裹上午送达还是下午送达对消费体验影响微乎其微，但外卖有高频、高时效、时段相对集中和有规律性的需求特点，与无人机配送服务的价值点更为契合。

“3公里半径15分钟送达”，这是美团无人机划定的服务时间标准。而随着新机型的投入，消费者有望享受到更便捷、更快速的配送服务。

行业发展逐步规范化

不同于上述在郊区、山区、农村等运行的中长途物流运输类无人机，城市是生产要素和人员汇聚的综合体，要在这样的复杂场景中指挥无人机自由穿梭，同时平衡成本、效率和安全性，对相关企业的技术开发和运营能力提出了很高的要求。

与此同时，无人机作为一种新生事物，实践探索在迅速发展，相关行业监管规范也同样处于逐步完善过程中。

2022年8月，我国民航局发布《民用无人驾驶航空发展路线图V1.0(征求意见稿)》（下称《意见稿》），为无人机发展规划了具体时间表。该意见稿显示，2025年，城市短距离低速轻小型物流配送无人驾驶航空器逐步成熟；2030年，城市中短距离快速中小型物流配送无人驾驶航空器逐步应用；2035年，城市中长距离快速中大型物流配送无人驾驶航空器逐步推广。

6月28日，《无人驾驶航空器飞行管理暂行条例》（以下简称《条例》）落地，对无人驾驶航空器从设计生产到运行使用，进行了全链条管理规定，是我国首个系统性的无人机相关条例。

在不少业内人士看来，《条例》对飞行范围、经营要求等商业化重点内容有了明确的要求，尤其是对微型、小型无人机设备的宽松化管理，让无人机有了更多商业化的可能，也成为低空经济发展的重要政策保障。

作为一家探索城市末端低空物流配送的企业，美团在几年时间内，也先后参与制定国际标准化组织ISO《无人机探测与避障标准》《民用无人驾驶航空器产品安全要求》等国际、国家、行业标准规范，将自身实践探索经验与业界标准相融合，以另一种方式推动行业发展。

“空中修天路”，打造端到端服务闭环

对城市低空经济而言，每日运行在空中的无人机仅是庞大体系中的一环。

2021年，美团无人机首次在WAIC亮相，提出要在“空中修路”，并对外介绍了正在搭建的城市低空物流配送网络。两年之后，美团再次参加WAIC，对外全面阐释城市低空物流解决方案，包含无人驾驶航空器（无人机）、智能化调度系统和高效率运营体系三部分。

这次新机型不仅在软硬件技术上进行了系统升级，智能化调度系统和高效率运营体系同样围绕高效、安全和智能进行了系统完善。

比如，美团无人机高效率运行的一个典型例子就是，可实现超视距飞行（BVLOS），即无人机飞手可远程监控视野范围之外、处于飞行状态的无人机。这套运营体系在很大程度上提升了美团无人机的服务效率。

再比如，美团为每一台第四代无人机都设计了子系统冗余备份，一旦发生紧急情况，调度系统在100毫秒内就能作出判断帮助无人机启动合适的应对方案，必要时还会触发无人机降落伞的自动开伞操作。

上述无论是超视距飞行还是安全机制的触发，都是智能化升级的结果。也就是说，无人机从接到订单、航线调度和起飞飞行的全过程实际上都是在无人机后台系统自主完成的。

美团无人机硬件产品负责人介绍，作为美团城市低空物流解决方案的组成部分，智能调度系统可同时完成每平方公里上千架无人机的调度工作。这与外卖的高并发、高时效要求能完美配合。

实际上，经过六年的打磨，美团无人机研发的这套方案已通过中国民航局审定，并获得局方颁发的《特定类无人机试运行批准函》和《通用航空企业经营许可证》。这一审定结果也意味着，美团无人机成为了一家货运通用航空公司，可以开启商业化运营。

美团已成为中国无人机短距离城市物流的领跑者。

写在最后

如今，每到中午用餐高峰，在深圳星河商圈工作的人们，会不时看到无人机从空中飞过。

中午11点左右，美团外卖小哥从商家取餐，然后将外卖打包送至停机坪，完成无人机货箱装载后。随后，无人机将按照系统规划的航线自动飞到指定地点，并降落至智能空投柜顶。这些智能空投柜装有传感器，一旦感应到无人机靠近，顶端就会打开，供无人机降落，让“空投”的外卖顺利入柜。消费者收到外卖送达提示后，可凭取餐码取走自己订购的外卖。

在深圳、上海等地，上述服务流程在每天用餐高峰被不断重复着。目前，可通过无人机配送的商品品类已达2万种，未来人们生活中熟悉的物品都可以通过无人机“空投”到用户手中。

最近刷小红书，发现这个被誉为新晋“搜索引擎”的软件真的是深得我心，感觉像有一位无所不知的“数字人”分身进入到了软件中，在我刚和同事说完夏天在户外使用电子产品会非常烫后，小红书就开始给我推荐各种降温神器，什么便携空调、散热背夹、清凉贴统统的出现在了我的首页中。

作为一名购物狂人，我很难不被主页博主们推荐的产品种草。况且他们推荐的绝大多数都是户外解暑降温产品，对于我这样的常年出差的用户来讲，备着从比没有强。

而且，在不久之前，北京一名地接导游在带团游览颐和园时因为中暑导致诱发“热射病”不治生亡的消息历历在目。自从六月以来，光北京这样的特大城市因为中暑的急救案例就有明显上升趋势。 比如，北京急救中心调度指挥中心的120呼叫量较前两个月明显提升，日均呼叫量达到6000余次，派出急救车辆维持在日均2800余次，比此前提升30%左右。与中暑相关的急救日均有30余起。

在室内几乎不存在中暑问题，在室外几乎没有不担心中暑问题的。

如果正巧你也像我一样，有出差或者旅行计划，担心烈日炎炎下因为高温引起的各项问题，那么不妨看看我为您推荐的一套完整的“人机”散热计划。

这里我就以目前小红书去“环球影城”为例。为什么要挑选去环球影城这个场景呢？

因为除了我是尊贵的还需要0.1折购买门票的怨种年卡用户外，环球影城已经成为了北京必去打卡点，知名度早已和天坛故宫齐名。去过的都知道，北京环球影城既没有天坛的绿荫又没有故宫的亭台楼阁适合乘凉，多数都是直接暴晒环境。

你不一定见过凌晨四点的纽约，但你一定听说过凌晨五点的上海迪士尼和环球影城。

而此外，不仅需要人体降温，数码产品也不能过热，要不后果不堪设想。接下来我给各位的酷暑“北京旅游”讲建议，都是我亲自实验出来的，大家一定要收好。

“出发前一定要睡好觉”

想要在环球影城或者故宫这样日均2万人的乐园里优先玩，早排队必不可少，你不一定见过凌晨四点的纽约，但你一定听说过凌晨五点的上海迪士尼和北京环球影城。

想要一天都有精气神儿，休息好自然必不可少。不过想要在这晚上都平均25°的夏天睡好觉，对于不喜欢开空调睡觉的人来讲，苦恼不已。

比如我睡觉时候一般都关空调关门睡，但是这样一来，本身卧室就小，不开空调不开电扇屋里温度可想而知，一点风都进不来，特别闷热。

所以我就想了一个办法，开空调并调整特定角度，吹到风扇，靠这样的“传递”来进入到卧室，不过收效甚微。

图源：来自网络

折腾来折腾去，不如芭蕉扇来得实在，睡前扇一扇，睡后呼一呼。但依旧不如凉枕来得直接，之前用过几个杂牌子凉枕，刚开始用的时候还好，但是后半段就“凉枕边热枕”。

图源：躺岛官方

听同事介绍躺岛不错，网上一查：Chillcool机能面料，导热碳化硅粒子，亲水纤维。真的是科技与恨活，简单来讲，这款夏凉被能给你带来开着空调盖棉被的舒适感，只不过把空调费省了。

索尼黑科技，让你精神很凉，身体直接“凉”

休息好，整装待发，这时候就到了最苦恼的户外降温设备挑选环节。使用传统扇子吧，本身在环球影城游玩就已经够累的，再扇扇子更容易中暑。使用便携手持小风扇，会有几个问题：其一，在游乐园这种需要随时存包的环境，只能让它老老实实躺在包里。其二，本身户外温度高，吹的是热风，不吹不会中暑，没准一吹就中暑。

脖挂空调 图源：品玩 LU摄

脖挂电扇或者脖挂空调，虽然能彻底解放双手，但依旧有更为严重问题。

首先是便宜的脖挂电扇吹得依旧是热风，其次因为通常马达等电路是布置在后颈处，开久了就会出现发热现象，而这时候如果紧贴着后脖颈，会非常烫。而高价位的脖挂空调倒是因为技术不断加强，确实能够解决后勃颈发热问题，但大几千元售价加上不高的续航，以及过大体积，都太小众。

图源：淘宝

而面对夏天降温神器这种相对小众的市场，索大法自然不会错过，Sony REON POCKET 4赶紧了解下。

图源：索尼官网

简单来讲，这就是一款“人体冰封背夹”，它作用原理和游戏散热背夹作用一样，都是通过半导体制冷片实现的，而且解决了上代续航差、制冷效果差问题。

这产品看起来很美好，但对于小孩或者老人来讲，可能要命。比如这种半导体制冷片贴到后脖颈子，这直接贴到命脉上啊，吹风还容易引起疾病，这直接把制冷片贴到后脖颈子，不直接要命吗？

再者，即使“自我感觉良好”，但如果户温度过高，很容易引起“热射病”，造成器官衰竭。

图源：小林制药

所以我建议，咱们还是老老实实直接穿防晒户外服装，并使用“小林制药衣服快速降温喷雾”以及降温散热贴，不折腾还轻便。

数码设备如何降温

去户外景点玩，自然少不了拍照，在这烈日下别说人扛不住了，机器都可能随时“罢工”。

如何避免户外拍摄发热问题？作为搞机20年的玩家，我建议在手机中设置屏幕显示为最低分辨率，并开启省电模式，以我手头使用的iPhone和小米13Ultra为例，开启省电模式都不会出现拍摄卡顿，成像慢问题。

据去了小50次环球影城的我观察，很多游客在排队等候时都选择玩游戏作为消遣方式，我建议直接使用正常模式即可，之后把各项游戏画质降到最低。此外，还有一种更为“硬核”的调整方式，但只限高通处理器。

直接使用高通内置的Game Tuner就能像PC一样调整游戏参数，只需要把画质参数拉到最低即可。

图源：Game Tuner截图

但其实无论怎么调整，都不如直接使用被动散热。比如冰封散热背夹，黑鲨2Pro就是个不错选择，但它也不是完美无缺的，目前黑鲨2Pro两个最大的问题就是安装好后比较妨碍双手持握手机打游戏，另外就是它是需要外接电源的，如果在户外使用你就一定要甩一根电源线到移动电源上。

图源：品玩 LU摄

除此以外如果预算充足，可以直接选购冰封散热保护壳，既不需要额外供电，也不会像散热背夹一样拖个充电线影响到游玩手感，直接套上手机就能用。

图源：网络

当然了，不管是往后脖颈子贴便携空调，还是想方设法增强数码产品散热，其实都不如周围环境人为地增加消暑降温办法，比如在适当增加遮阳棚以及大型喷雾风扇来得“简单粗暴”。

此外，还有一项高温津贴大家也不要错过，发放时间为6-9月，室外作业人员每人每月300元；室内作业人员每人每月200元。

最后，大家都有哪些户外“人机”散热措施？欢迎一起讨论。

7月20日，由北京市委网信办指导，首都互联网协会主办、品玩承办的“青年先锋论坛：人工智能的机遇和挑战”将在北京举办。

半年前，许多公司以“成为中国的OpenAI”为目标航行，而现在迎来了新的拐点，大模型在海面掀起巨浪后，企业家们开始意识到，大模型要实现价值就必须落地，给大模型适配合适的应用场景“导航系统”才能让巨轮继续破浪前行。人们开始讲述关于“大模型赋能千行百业”的新故事。

在前不久刚落幕的2023世界人工智能大会上，我国大模型已完成首次“选拔组队”。由国家标准委指导的人工智能标准化总体组宣布，我国首个大模型标准化专题组组长由上海人工智能实验室与百度、华为、阿里等企业联合担任。

很快，国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局七部委联合公布《生成式人工智能服务管理暂行办法》。建立有效的管理机制和监管策略，以确保人工智能生成内容的责任和道德规范，对于确保人工智能的健康发展至关重要。

国内大模型市场的风向，随着首个大模型标准化专题组的成立和官方政策的公布，也开始有了新变化。

大模型时代，任何事情都值得用大模型再做一遍。然而只有深入产业、解决实际问题的大模型才能真正体现其真正的价值。于是，人们开始深入思考大模型的应用方向，思考行业需要何种类型的大模型，以及大模型如何实现商业化落地，从而降低产业成本并提高效率......

本次论坛邀请到了来自中国科学院、清华大学新闻与传播学院等杰出的专家学者，以及百度、腾讯云、科大讯飞、奇安信、向量数据库Zilliz、云测数据、映宇宙等国内知名的大模型平台企业。希望能借这个机会探索在人工智能的背景下，大语言模型的监管治理、技术路径、商业化落地、产业化发展和生态系统建设，力求“全景式”解锁大模型的真实面貌，“立体式”呈现大模型未来图景。
大会完整议程与嘉宾阵容如上，如果您想与各界人士共话产业新未来，扫码”即可报名，非常期待各位的到来！

活动链接� [https:]

7月11日和7月12日，第8年的亚马逊Prime Day促销来了。可能是国内刚结束618还没缓过劲，也可能是亚马逊电商在国内越来越四平八稳，今年的Prime Day对于国内商家和消费者似乎少了一丝兴奋和热情。

图源：微博 @跨境操盘手

不过对于亚马逊来说，今年可以算得上“赢麻”。Prime Day销售破记录，今年成为有史以来销量最好的一届大促：亚马逊不但甩开了中年危机，而且还回春了。

图源：亚马逊官网截图

在官网，亚马逊自豪地公布数据：短短两天时间，世界各地的Prime会员购买超3.75亿商品，高于2022年的3亿件；共计数百万笔的交易共为消费者节省超25亿美元，换算成人民币也是“百亿补贴”了。

图源：Adobe Blog截图

第三方给出的数据同样印证亚马逊这次Prime Day活动的成功。长期观察美国消费者电商消费习惯的Adobe Analytics 数据显示，美国消费者在两天内疯狂消费127亿美元，与2022年相比有所增长。

同行亮低价、放长线

Prime会员是平台的核心消费者，也是促销活动的主力军。去年Prime Day， 亚马逊的大促“鸡血”打不动。买家看个热闹，卖家集体躺平。于是亚马逊在10月份趁着黑五在北美和欧洲的15个市场又加场Prime Early Access Sale（Prime会员早享日）促销试图拉高销售数据，结果两天卖出了1亿件商品，和7月的1.0差了不少。

去年的Prime Day表现并不好 图片来自digitalcommerce360

Prime Day这个名字经常被人误认为是所谓“会员内购会”，这也让其他友商摩拳擦掌，势要与亚马逊抢夺客户。把不想掏腰包充亚马逊会员的用户抢过来。

图源：网络

美国本土电商平台，着急在Prime Day开始前收割流量，塔吉特和沃尔玛办起了Circle "Week" 和 Plus "Week"。

Target Circle Week活动时间为：7月9日~7月15日
Walmart Plus Week活动时间为：7月10日~7月13日

从时间上看，两家平台的促销开始时间早于亚马逊Prime Day，结束时间晚于Prime Day。有国内电商购物节提前开始预售的“那味儿”了，明摆着不希望亚马逊独占鳌头。

Temu首页放出低至一折的信息，很是诱人 图源：Temu

依靠“地板价”在北美高歌猛进的Temu化身为一元店，低至一折的信息如同“江南皮革厂倒闭了”一样反复刺激着消费者的神经，清仓大甩卖浓度过高，不惜赔钱也要蹭上Prime Day期间的流量高峰。截至发稿前，这场降价狂欢仍在继续。

无论有无门槛，促销力度如何，如同京东的618之于中国电商，亚马逊Prime Day在8年运作之后也成为了北美年中购物季的代名词。在这个基础之上进一步看亚马逊的热销品类，你会发现消费者们越来越会过日子了。

消费者买什么？

消费者数据与洞察公司Numberator每年都会进行消费者调研，品玩Global结合该公司数据，整理出最近三年亚马逊Prime Day热销品类图。

图源：品玩Global

2023年，受调查的消费者中，高达28%购买了家居用品（Home Goods），26%购买了生活必需品（Hosehold Essentials），24%购买了服饰鞋履（Apparel & Shoes）。

消费电子（Consumer Electronis）和智能家居（Smart Home Devices）的购买人数比例与2022年相比有所下滑。今年的健康保健（Health & Wellness）和护肤美妆（Beauty &Cosmetics） 的总合比往年的健康与美妆（Health & Beauty）更高。

Numerator还公布了销量最高的5款商品（根据销售量，而非销售额）

1.Temptations Cat Treats（猫粮）
2.Amazon Fire TV Stick（电视棒）
3.Liquid I.V. Packets（速溶饮品）
4.Echo Dot 5（智能音响）
5.Blink Outdoor Camera（安防摄像头） 

2022年，销量最高的5款产品是（根据销售量，而非销售额）

1.Amazon Fire TV Stick（电视棒）
2.Echo Dot 4th Generation（智能音响）
3.Echo Show（带屏智能音响）
4.Dawn Dish Soap（洗洁精）
5.Kasa Smart Plug Mini（智能插座）

消费者对智能设备的热情有所下滑，买冲泡的速溶固体饮料而非直接买功能饮料，也有些消费降级的意思。“再苦不能苦猫咪”，饲主们瞅准时机为宠物大量囤粮。

事实上，美国2022年7月的通胀率为8.5%，该数值在今年6月已下降至新低的3%。尽管如此，消费者们显然还是把Prime Day当作囤积生活必需品的好时机。

亚马逊特意强调帮助消费者省钱，Temu亮出击穿地板的价格，都表明消费者们越来越精打细算了。不知道是不是疫情改变了消费者的价值观，生活必需品的消费降级伴随对健康、护肤、美妆品类支出的增加。

对于中国跨境商家来说，Prime Day除了是促销活动，也是摸清海外消费者喜好的窗口。毫无疑问，他们需要性价比更高的生活必需品，更高品质、满足更高层级需求的商品也存在巨大机会。

题图来源：利用Midjourney和Canva制作

每一家芯片厂商都想要把“人工智能=英伟达芯片”这个公式推翻，英特尔尤其有必要这样做。7月11日，英特尔在北京发布了名为Gaudi 2深度学习加速器芯片，这是英特尔专为大模型训练和推理打造的专供中国市场的芯片。

英特尔的目标显而易见，它把对抗英伟达的希望寄托在了中国市场。

一直以来，数据中心业务都是英特尔主要收入来源之一，它和英特尔在CPU领域的成功一道，在过去几十年构筑了英特尔最强的企业护城河，而这条宽且深的护城河，部分由于英伟达主导的人工智能浪潮，现在已不复存在。

最新的财政季度，包括个人电脑在内的客户计算事业部CCG和数据中心与人工智能事业部DCAI业务收入双降，同比都在38%左右，由此拖累了英特尔录得自2010年以来最低的季度收入（同比下降36%），更是30年来首次连续亏损。

CPU卖不动了大家早有预期，后疫情时代包括PC在内的个人电子消费品市场都陷入疲软，下行的半导体周期还叠加了摩尔定律的失效——英特尔最核心的CPU芯片制程工艺曾长时间停留在14nm阶段数年，以至于长久以来屈居第二的AMD通过异性架构的处理器实现反超。

但数据中心业务的下降就显得有些不同寻常，英特尔市场份额的萎缩同人工智能的高歌猛进形成了鲜明的对比——类似ChatGPT的大模型技术无论是训练还是推理都需要庞大的数据中心算力来支撑，然而目前为止英特尔并没有从中得到任何利好，绝大部分的收入实际上都被英伟达拿走了。

随着百模大战的展开，所有人都在如饥似渴地囤货英伟达显卡，在供不应求且小道消息满天飞的情况下，A800这样专供中国市场的“阉割版”芯片的售价在15天之内就涨了两万块钱，交货周期也从过去的1个月拉长到最少3个月。甚至许多经销商玩起了同奢侈品行业一样的“配货”规则——想要最新的算力卡，就得搭配采购其它积压的库存一起。

这就是目前市场火热的现状。人工智能是近年来普遍疲弱的科技行业少见的增长亮点，整个半导体行业都在受益于这场AI浪潮，有人预计到2030年整个芯片市场的收入将达到1.25万亿美元，而根据摩根士丹利的估计，四年内AI芯片和它的上下游关联领域的收入就将达到总收入的10%，也就是1250亿美元。

出于任何理由，英特尔都不会放弃这项传统上属于英特尔优势领域的业务，而这一次，英特尔把出手的地点选在了中国。

外科手术式精准出手

“市场想要备选方案。”英特尔公司执行副总裁、数据中心与人工智能事业部总经理Sandra Rivera在北京作出如上表述。

其中之一的意思是，有太多太多的言论有意无意把生成式AI同英伟达GPU绑定了起来，而英特尔并不认同这一点。基于英特尔产品组合的AI解决方案，用英特尔自己的话说，“为在封闭生态系统中寻求摆脱当前效率与规模限制的客户提供了极具竞争力的选择。”

现在选择来了。

在7月11日举办的活动上，Sandra Rivera 笑容满面地向媒体和合作伙伴展示了名为Gaudi 2的深度学习加速器芯片，英特尔宣称这是大规模部署AI的“更优解”。

Gaudi 2 采用台积电7nm制程，拥有24个可编程Tensor
核心，21个100 Gbps（RoCEv2）以太网接口用来内部互联，96GB HBM2E内存，总内存带宽达到了2.4TB/s。

Gaudi 2 的定位非常精准，就是针对大语言模型LLM和生成式AI。它是由英特尔2019年收购的以色列AI初创公司Habana Labs 设计的，尽管英特尔从未将其称之为GPU，但无疑把它看作是英伟达高端GPU A100和H100的竞品。

实际上，英特尔在现场展示了Gaudi 2 的强大性能都在对标英伟达。比如针对Bert模型预训练，发布会现场的图表显示，Gaudi 2 的性能比英伟达A100 快1.7倍。Sandra Rivera称 Gaudi 2 不仅在性能上超过A100，还在最先进模型上提供了约2倍于A100的性价比。

至于更先进的H100，Habana Labs 首席运营官 Eitan Medina 直言，Gaudi 2 是为数不多能替代英伟达 H100 进行LLM训练的方案，在由MLCommons 发布的 MLPerf 3.0 基准测试中，Gaudi 2 是唯二能够进行 GPT3 训练的，另一个正是 H100。

尽管在目前基于GPT-3模型，单个H100的性能领先于Gaudi 2 达3.6倍，但Eitan Medina 预计随着在9月采用FP8软件，Gaudi 2 有望显著缩短训练时间，这样它在性价比方面就会超过H100。

中小模型推理方面，英特尔有已经升级到第四代的至强处理器，发布会现场英特尔演示了使用至强处理器的电脑使用stable diffusion生成图片，花费大约五秒钟。当模型规模提升到千亿级别时，则有 Gaudi 2 来帮助大模型进行训练。

英特尔由此组成了一个产品组合。

这样的产品组合让英特尔覆盖了目前人工智能对算力需求的方方面面，而Gaudi 2作为英特尔在大模型领域布局的重要一环，精准聚焦于在性能和每瓦能耗两方面展开同英伟达的竞争——提供不弱的性能同时，保持了较高的性价比，这等同于在为客户省钱。

英特尔在服务器领域的丰富经验让这场关于Gaudi 2的发布会很大程度上变成了针对重要客户的宣传，除了性价比之外，Gaudi 2还在规模化部署和开箱即用方面让人印象深刻。

同样是MLPerf 3.0基准测试，在GPT3模型上，把Gaudi 2从256个增加到384个，其扩展效果是近乎线性的（近线性95%），这意味着客户可以按照自己的需要扩展部署Gaudi 2芯片而几乎不用考虑其性能上的结构性损失。

至于开箱即用方面，Gaudi 2的SynapseAI软件套件集成了PyTorch、TensorFlow和DeepSpeed等主流人工智能开发框架，这意味着开发者可以非常迅速地在不同硬件平台上进行代码迁移。

有多迅速？Hugging Face首席布道师Julien
Simon给出的答案是10分钟，这还包括了阅读文档的时间。

“最简单的开发体验之一。”Julien
Simon如此形容。

实际上，作为一款在去年就已经发布的芯片，Gaudi 2 在近一年的时间里一直在针对大模型需求进行软件方面的迭代，同去年11月提交MLPerf 3.0基准测试的数据相比，Gaudi 2在Bert模型性能上提高了10%，英特尔宣称预计在第三季度发布对FP8软件支持的时候（目前是BF16），其性能还将有进一步明显提升。

从性能、效率和迁移成本、规模化扩展方面，Gaudi 2看上去都做好了准备。

要说还欠缺什么部分，那可能是中国市场的东风。

对中国市场的重视

Gaudi 1 就是在北京发布的，此番故地重游，英特尔为Gaudi 2中国区发布做了许多准备。

中国区发布的Gaudi 2相比国际版，内部互联的以太网接口由24个减少到了21个，这显然是为了应对美国政府相关的合规要求。

不过英特尔数据中心与人工智能集团副总裁兼中国区总经理陈葆立表示，其整体性能基本上是一致的，特别是Gaudi
2在中国会首先搭载在浪潮信息的服务器上，根据Eitan Medina的说法，浪潮服务器的设计实际上没有用到所有的网口，也就说企业级客户在采购服务器（而不是Gaudi 2芯片本身）的时候，其性能损失很少。

英特尔的营收有近四分之一来自中国，实际上本周英特尔CEO Patrick Gelsinger 也在中国，尽管没有任何公开媒体行程。这已经是这位大刀阔斧改革英特尔的CEO今年内二度访华。

深耕中国市场让英特尔可以更好地同中国产业上下游的伙伴紧密合作。除了Gaudi 2芯片，发布会上一同亮相的还有浪潮服务器NF5698G7，它由8颗Gaudi 2和两颗至强芯片组成。浪潮信息高级副总裁、AI&HPC产品线总经理刘军宣称，其算法工程师实际体验后认为它的使用体验“和GPU上使用基本没有太大区别”，这意味着客户从迁移数据到训练负载的整个过程都将十分平顺。

基于Gaudi 2加速器的浪潮NF5698G7服务器

除了浪潮外，Gaudi 2在中国的合作伙伴还有紫光新华三和超聚变等公司，也就是说，企业级客户数据中心的采购需求可以在芯片发布的第一天经由英特尔的合作伙伴来满足。

能抢走多少英伟达的蛋糕？

不管英特尔做了多少，最后的问题还得回到商业化上。当天Sandra Rivera也被问到关于英特尔对英伟达、特别是CUDA生态的看法，由于许多开发者都在CUDA环境中编写代码，这种生态实际上构成了竞争壁垒，让迁移数据到别的平台变得格外困难。

Sandra Rivera 对此表示了乐观，80%的大模型开发者是基于框架层做开发，而Gaudi 2和英特尔的服务器在软件层面已经基于框架层做了很长时间的积累和适配，并且同包括Hugging Face在内的开源社区进行合作。

换而言之，英特尔已经在自己所能及的范围内尽力降低了开发者的迁移成本。考虑到英特尔多年来在数据中心业务的积累，尤其是至强系列服务器芯片同Gaudi 2能发挥更好的协同效果，在地缘政治日益复杂的背景下，作为一种替代方案，Gaudi
2显然是一个值得考虑的选项——一个合格和更具性价比的替代品，这实际上也是英特尔对这一代Gaudi
2芯片的定位。

当然，上面的情况都属于理论推测的范畴，想要在人工智能浪潮中分一杯羹，还不得不考虑真实的商业逻辑。

尽管投资生成式AI看上去是所有科技大厂的必选项，但在资金投入上大部分企业仍然被避险情绪所主导，也就是说，大家并不愿意冒迁移平台的风险。

在大模型芯片领域，英特尔还是个新手，Gaudi 2在全球范围内推出已经有一年多时间，而配套的软件一直在优化迭代，这或许影响了用户的采购意愿，在发布会上英特尔没有宣布任何一家客户采购Gaudi 2，与之形成鲜明对比的是英伟达在台北电脑展上推出DGX GH200 超级计算机时就同步官宣了三个大客户：谷歌云、Meta和微软。

更严峻的挑战在于，即便是这些数据中心大客户，也都在开发属于自己的大模型芯片以期削减成本。这个过程是与它们大肆采购英伟达芯片同步展开的，而这同样也是英特尔必须面对的课题。

算下来，中国市场对于英特尔来说确实是个难得的机会，但芯片业务上把目光投向中国的也不只英特尔一家，包括 AMD 和Graphcore 在内的公司都在加紧推出自己的AI专用加速芯片，它们同英特尔正产生着直接的竞争。特别是AMD，这个CPU领域英特尔的老对手刚刚发布了名为MI300X的GPU，在多项性能和指标上都宣称高过H100一筹。

相比模型层的百模大战，硬件层“天下苦英伟达久矣”的呼声一直存在，英特尔这次精准出手可以看作是这家老牌芯片公司对英伟达人工智能领域垄断地位的一次挑战，而它的成功与否，最终还是需要交给市场来检验。

马斯克的“X宇宙”今天又增添了一位新成员——xAI。

当然，作为一直抨击和抵制以OpenAI为代表的生成式AI浪潮的领头人，马斯克这次高调入局AI自然走的不是寻常路。

对于xAI究竟是要用AI做什么？马斯克说是为了理解现实（understand reality），而xAI的官方主页目前也只有一句话——xAI 的目标是为了理解宇宙的真正本质（understand the true nature of the universe）。

图片来自Twitter

跟微软、谷歌最近直接上聊天机器人、上各种产品用例的实用性风格不同，马斯克此次的xAI则颇具一些“玄学”色彩。

面对大家对xAI的疑问，他只是说到“一旦你知道要问的正确问题，答案通常是最简单的部分。”在回答AI是否有意识时，他提到了夸克、轻子和外星人，还发出了“生命的意义是什么”的灵魂拷问。

此外，马斯克又再一次的提到了他所钟爱的“42”这个数字。他在xAI的官方推特下配图回复，表示xAI发布的日期加总正好等于42。“42”在道格拉斯·亚当斯的科幻小说《银河系漫游指南》中，指代“生命、宇宙以及任何事情的终极答案”，被科幻迷广泛应用致敬。

图片来自Twitter高调反AI斗士，这次想要用AI做什么？

在此之前，马斯克对于人工智能持保留态度早已是一个公开的事情。他曾多次公开场合称人工智能是一项危险的技术，带头发表暂停AI研究公开信、怒怼Open AI，甚至还曾威胁要起诉微软。

虽然做着反AI斗士，马斯克自今年年初以来就在悄悄搞AI其实也早有迹可循。从今年2月开始，马斯克被曝出就一直在人工智能领域物色人才，计划招募一支人工智能研发团队来组建一个新的实验室，当时有消息爆料这个实验室的直接目的是要跟ChatGPT 展开竞争。

紧接着，美国内华达州的一份文件显示，马斯克在3月9日注册成立了X.AI 公司。其中马斯克担任董事，负责营运马斯克家族办公室的Jared Birchall 被列为该公司秘书。

今年4月初，马斯克为Twitter购买了 1万个GPU，当时大家猜测，这些GPU是在用于推进Twitter的一个全新的AI项目，极有可能是在开发自家的大语言模型。

而从今天xAI公司公告来看，马斯克成立的xAI并不是为了Twitter服务，似乎也不是在对标OpenAI。xAI将作为马斯克X集团下的一个独立成员存在，但未来可能也会跟Twitter、特斯拉等其他公司进行合作和联动。

图片来自xAI官方主页

xAI表示，更多关于信息的揭晓和与团队的交流互动，将在本周五（7月14日）的Twitter Space活动上进行（硅星人也将持续跟进）。

这一波操作，吊市场胃口和为Twitter引流双管齐下，不得不说马斯克“地表最强营销大师”的称号真不是浪得虚名。在宣布成立xAI之后，有网友还冒充马斯克踩了一下最近正在Threads上春风得意的扎克伯格，阴阳怪气地说希望他这次不要再抄袭。

年轻的AI学术天团坐镇，华人研究员占三分之一

纵观整个神秘感十足的xAI项目，目前可能信息最丰富的部分就是它的研究团队了。在仅有一页的xAI官方主页中，列出了xAI的12位主要研究人员信息，其中也不乏有华人研究员的身影。

xAI的团队由马斯克领导，其他11名团队成员则分别来自 DeepMind 、OpenAI、谷歌研究院、微软研究院、特斯拉、多伦多大学等，成员整体都非常年轻，团队成员遍及硅谷、加拿大、英国等地。

图片来自xAI官方主页

在12人中，华人研究员共有4位，分别为Yuhuai Wu、Greg Yang、Guodong Zhang和Zihang Dai。

其中Yuhuai Wu博士毕业于多伦多大学、后在斯坦福大学攻读博士后，Greg Yang本科毕业于哈佛大学、后就职于微软研究院，Guodong Zhang本科毕业于浙江大学、后在多伦多大学攻读硕士和博士，Zihang Dai本科毕业于清华大学、后博士毕业于卡耐基梅隆大学就职于谷歌研究院。

除了这四位年轻的华人研究员之外，xAI的团队成员还包括：Igor Babuschkin和Manuel Kroiss，两位都是DeepMind AI部门的资深研究员，Igor Babuschkin前也曾在Open AI 工作过，是ChatGPT项目团队的成员。两人今年3月就传出已经被马斯克挖去了Twitter。

Christian Szegedy来自于谷歌，Toby Pohlen来自于DeepMind，Jimmy Ba 是多伦多大学的明星青年副教授、Ross Nordeen来自于特斯拉、Kyle Kosic来自于OpenAI。

团队目前由研究员 Dan Hendrycks 担任顾问，他目前是人工智能安全中心的负责人，该中心是一个非营利组织，旨在“减少与人工智能相关的社会规模风险”。

在xAI的团队介绍中，链接了团队的成员所参与研究和贡献的目前AI领域重要的技术和方法，表示致力于研究并领导该AI领域一些突破性的开发，包括AlphaStar、AlphaCode、Inception、Minerva、GPT-3.5和GPT-4等。

根据xAI官方页面显示，目前xAI也在积极招聘优秀的工程师和AI研究员。

图片来自xAI官方主页不明觉厉的网友们，先玩起了梗

虽然对于xAI究竟是在做什么现在大家都还完全没有头绪，但马斯克高举高打的“探索宇宙本质”的口号无疑也激起了大伙儿的兴趣。

一些马斯克“死忠粉”们赶紧做起了“应援图”，表示xAI的出现将是对OpenAI的降维打击。

图片来自Twitter

一些人也为马斯克早早地设计好了他的“X大厦”。

图片来自Twitter

当然，为xAI设计的炫酷公司logo也少不了。

图片来自Twitter

而鉴于最近扎克伯格推出Threads之后，马斯克怒斥Meta抄袭的对峙，一些人也开始调侃扎克伯格现在肯定又在听墙角了。

图片来自Twitter

当然，一些人也质疑马斯克海口夸得太大，xAI的目标听上去很让人激动、很不走寻常路，实际上可能最后就只是发个类似于聊天机器人的产品罢了。毕竟，特斯拉的完全自动驾驶马斯克也已经信誓旦旦地说了快5年了。

那么，xAI究竟会推出什么样的技术和产品能够帮助我们去认知宇宙的本质，马斯克所说的宇宙的本质又究竟是什么呢？我们静待着周五的Twitter Space揭晓答案。

注：封面图由硅星人制作。

“有网友认为荣耀Magic V2能达到华为Mate X3的七八成功力，这个观点您怎么评价？”

“呵呵，不是一个思维逻辑下产生出的产品，把它们放在一起比较，我觉得可能说反了。”

图源：荣耀Honor

在荣耀推出的一段预热视频的问答环节中，荣耀终端有限公司CEO赵明表达了这样一个态度。

在国内手机市场仍显萎靡的今天，短时间内很难出现大的改变，且国内市场受到经济低迷、消费信心等因素的影响，换机周期正在不断拉长。在这一环节中，重拾消费者信心的关键，很大一部分在于新的技术和产品形态，折叠屏就是一个很好的例子。

根据IDC的数据表示，2023年第一季度，中国智能手机市场出货量约6,544万台，同比下降11.8%。但与之相对的，国产折叠屏产品出货量保持稳定，出货量达到102万台，同比增长52.8%。

这一数据说明，消费者正在积极接受折叠屏类产品，并对此类产品有着很强的兴趣。

今年年初，华为推出了新一代折叠屏旗舰：华为Mate X3，凭借着出色的设计和完整的功能体验彻底点燃折叠屏市场。时隔几个月，荣耀也推出了自家新一代的折叠屏旗舰产品：荣耀Magic V2。

图源：荣耀官网

荣耀Magic V2到底是不是如赵明所说超越华为Mate X3？别急，发布会刚刚结束，我们为大家总结荣耀Magic V2的几大亮点。

一、 轻薄

荣耀Magic V2采用自研荣耀鲁班钛金铰链，通过荣耀榫卯式一体成型技术，将铰链轴盖和铰链主题一体化，龙骨零件数降低70%。这种更一体化的整体架构使得铰链整体变得更薄。

图源：荣耀官网

此外，通过最薄的折叠大屏、最薄的PU材料、最薄的折叠铰链、最薄的Type-C接口模块，让其厚度薄的惊人。

图源：荣耀官网

根据官方宣传，荣耀Magic V2是近年来全球最薄的折叠屏旗舰，展开态厚度不超过4.7mm，闭合态厚度不超过1cm。

图源：荣耀官网二、  重量

重量是折叠屏手机的核心重点，荣耀Magic V2除了在屏幕、铰链等部件中做了最大化的减重处理，还加入了更多新材料来保证机身强度，比如钛金材质就被用在相对脆弱的中轴部分，在铰链主体处则用了大量的荣耀自研盾构钢，相比上一代厚度减薄25%，强度提升20%。

图源：荣耀官网

在重量上，荣耀Magic V2玻璃版重237克，素皮版重231克。

图源：荣耀官网

与之形成对比的是，华为Mate X3重量约242.5克。

三、  屏幕

荣耀Magic V2内外屏均支持120Hz LTPO，能够在静态画面下实现更低的刷新率。

其中，外屏为一块 6.43 英寸 OLED 屏幕，比例20:9，分辨率为2376 x 1060，峰值亮度2500nit，支持3840Hz超高频PWM调光、10.7亿色及100%的DCI-P3广色域。

图源：荣耀官网

内屏则是一块 7.92英寸的OLED 屏 幕，比例 9.8:9，分辨率2344 x 2156，峰值亮度1600nit，支持3840Hz超高频PWM调光、10.7亿色及100%的DCI-P3广色域。

四、  内外屏手写笔

荣耀Magic V2同样延续了上一代浓厚的商务属性，内外屏均支持手写笔书写能力，让用户可以沉浸在手写笔的书 写、绘画、批注、点按等操作。

图源：荣耀官网

但值得一提的是，这根手写笔仍旧为外置，这意味着消费者需要随身携带才可更方便的使用。

五、  青海湖电池

在荣耀Magic 5系列上大放异彩的青海湖电池这次被放在了折叠屏旗舰荣耀Magic V2上，以极高的电池能量/体积比实现了高达5000mAh的大容量电池。

图源：荣耀官网

在LTPO的加持下，根据官方数据荣耀Magic V2能够实现14.06小时的大屏视频，23.99小时的大屏阅读，13.77小时的大屏导航。

需要注意，虽然搭载了密度更高的5000mAh青海湖电池，但其有线充电功率仍为66W，至臻版亦是如此。

六、  第二代骁龙8 领先版

荣耀Magic V2是少有的搭载最新旗舰处理器的折叠屏手机，而且还是骁龙8Gen 2的升级版：骁龙8Gen 2领先版。

图源：荣耀官网

骁龙8Gen 2领先版基于第 2 代台积电 4nm 工 艺，集成的八颗核心分别为 1 颗 Cortex-X3 3.36GHz ，2 颗 Cortex-A715 2.8GHz，2 颗 Cortex-A710 2.8GHz 和 3 颗 Cortex-A510 2.0GHz，其中 X3 大核处理器的频率由骁龙8Gne 2的3.19GHz 提升至 3.36GHz。

七、  射频增强芯片

同样被用在直板旗舰荣耀Magic 5系列中的荣耀自研射频增强芯片C1，这次也被放在荣耀Magic V2当中。在天线设计升级的基础上，通过 C1 芯片进行系统级天线调谐和切换，让通信表现能动态化的根据用户场景调优，实现对弱信号几大核心场景进行了相应的优化，从而提升通信体验。

图源：荣耀官网

这一体验包括在写字楼地库等弱信号场景，实现缴费、充电扫码不卡顿、地铁、高铁场景，频繁的信号塔切换下，刷视频、看直播依然能保证更流畅等等。

八、  影像

荣耀Magic V2搭载全焦段三摄像头，包括 5000 万像素广角摄像头、2000 万像素长焦摄像头和 5000 万像素超广角摄像头。

图源：荣耀官网

从配置上来看，算法仍旧是荣耀Magic V2的核心重点。

从荣耀Magic V2的参数表现来看，的确，荣耀Magic V2在重量和厚度上实现了跨越式的进步，甚至已经超过了行业“老大哥”华为的折叠屏旗舰华为Mate X3。除此之外，荣耀Magic V2采用了骁龙8Gen 2领先版也是给了消费者很大的惊喜。

图源：荣耀官网

但产品不是堆积木，除了硬件参数上的提升，体验也是重中之重。在体验层面，荣耀到底做到了多少分，还是个未知数。接下来我们会推出荣耀Magic V2的体验和评测内容，敬请期待。

5年前，当“考虑放开合资股比”的政策信号越来越强烈时，行业里掀起了一股要不要放开合资股比的争论。

而最主要的担心就是，合资股比一旦放开，没有核心技术的自主品牌们，很可能随着外资品牌加大对合资公司的控股而彻底占领中国市场。

5年以后，中国汽车市场朝着甚至有些意想不到的趋势发展。即便奥迪在中国拥有两家合资公司，也无法解决新能源市场缺位的困境。

最近，有外媒报道，奥迪打算从中国本土电动车企购买电动平台的授权，以缩短车型开发周期。而奥迪在对第一财经的回应中，也并未否认此事。

紧接着，7月11日，吉利控股集团发布消息称，吉利控股集团和吉利汽车控股有限公司与雷诺集团签署了一项50:50的约束性合资协议，成立一家新公司，在全球范围内研发、制造和供应混合动力总成和燃油动力总成。

图源：吉利汽车控股有限公司公告

雷诺方面称，合资公司建成后产能达每年500万套，将供应超过130个国家和地区市场，可满足全球80%的市场需求。

从这一合资中至少可以看出两点：首先，作为合资中的一方，吉利已经变成技术支持者；其二，合资的意义已经不仅仅局限于中国市场，而是面向全球。

毕竟，燃油车市场依然是跨国车企们的主要利润来源，有分析称，合理分摊相对成熟业务的成本是企业的生存关键。而吉利和雷诺都能在这个交易里找到甜头：

吉利寻找到了技术的规模效应，雷诺可以分配更多资源用于转型。

而奥迪寻求中国本土电动车企合作的另一案例也在佐证：随着新能源战略转型，中国品牌也就此开启了新一轮角色转换，中国品牌成为了技术定义者。

从合资，到产品技术定义者

奥迪的母公司大众，以平台化开发为特点，而这一优势在中国技术发展快速的新能源汽车市场不灵了。

在中国市场，奥迪还与一汽成立了新能源合资公司，准备在2024年本土化生产面向高端市场的PPE平台。同时，奥迪还有一个号称电气化转型王牌的SSP平台。

图源：网络

但是奥迪曾被寄予厚望的融合了800V电动架构以及新一代电池组的SSP平台一再推迟，冗长的开发周期已经让奥迪意识到，市场已经经不起漫长的等待了。

所以奥迪选择在中国寻找一个成熟的电动平台，来确保新平台到来之前，自己不被市场遗忘，似乎也就有其合理性了。

最近，行业内一直猜测，奥迪最有可能购买哪个品牌的平台，热门选择不乏已经被很多品牌应用的吉利SEA浩瀚平台，比亚迪e3.0平台，甚至上汽E2平台，都在传言之中。

这其中，吉利SEA浩瀚平台有较高的向外输出度，比亚迪e3.0平台在供应链上的绝对优势和电气化优势，都有奥迪可以与之合作的技术合理性。

最重要的是：他们具备快速开发的能力。

图源：网络

但是，另一个层面来看，无论是奥迪还是雷诺，目前以及曾经，在中国都成立过合资企业（东风雷诺已经于2020年解散），而他们并没有将他们合资方的中方企业作为首先，这说明什么？

合资时代，中方一直扮演着生产者的角色，在那个用市场换技术的时代，合资公司中的中方虽然有股比红线保证着稳定的市场利润，但是在技术上，一直被外方严防死守，没有获得真正的输出。

彼时，在技术上，中方几乎没有话语权。

早在十年前，吉利汽车集团董事长李书福就是取消合资股比的拥护者，他认为，只有股比打破，才能真正形成中国企业和外国企业的竞争。

在这期间，真正积累了核心技术的中国品牌，也迎来了新的合作局面。

所以，为什么奥迪、雷诺不首先向他们的合资方寻求技术支持？因为他们的合作伙伴并不具备这样的能力。

而现阶段无论是奥迪还是雷诺，都在面临电气化转型困境。一方面要保证燃油车市场的利润，一方面确保自己不能在转型中失去机会，市场、利润、电气化，环环相扣。

事实上，在全球市场份额已经连续四年下滑的雷诺，早在去年底就启动了新的计划，通过将雷诺拆分为五个独立的运营公司来提高盈利，其中，与吉利的合资企业就占其一。

无论是与雷诺合资的吉利，还是奥迪欲寻求的“中国电动平台卖家”，这里面，中国品牌毫无疑问都是技术输出方，中国品牌在其中的角色转变是值得关注的。

现在跨国车企转型困境，即便在中国有合资公司，也很难从合资中的中方得到技术，所以寻找其他品牌新的技术，采用新的合作模式的越来越多，而中国品牌也终于摆脱了合资时代的代工者角色，无论是在技术层面还是品牌层面，中国品牌都在与外方的合资合作中，起到至关重要的作用。

但强强联合，不等于更强

技术合作的结果往往并不一定是理想的强强联合，这其中很大一部分原因还取决于外方为中国市场的开发诚意。

两个最典型的例子就是比亚迪与丰田的合作，以及戴姆勒与吉利联手打造的smart，在中国市场的表现就大相径庭。

早在2019年，丰田就与比亚迪达成了合作关系，二者的合资公司在2020年正式成立，但是随着搭载了比亚迪电机和电池，基于e-TNGA平台打造、挂着丰田标的bZ3新车上市后，也看出了丰田搭上比亚迪这个合作伙伴的用心——在中国电动车市场急于求成。

另一边，搭载吉利浩瀚平台，由戴姆勒负责整车开发和设计，以及运营的smart，在中国电动车市场已经有一番声色。

图源：网络

成熟的纯电平台无疑能缩小开发周期，降低开发成本，当然，核心是产品。

比如对于奥迪来说，除了平台技术的成熟性，电气化能力、以及其背后的供应链管控能力，以什么样的方式购买或者合作，新平台之下的产品定位，都影响奥迪接下来的产品能力。

其实最近大众ID.系列的降价也能看出，所谓的德系血统在中国新能源市场已经不再具有燃油车时代的竞争力了，大众在软件、电池先后在中国建立合资企业后，奥迪在电动平台的试水更加证明，中国在产业链以及技术上的优势，必须让德系巨头重新做决策了。

在中国市场，依靠中国技术自救，这也是全球汽车产业中难得一见的景观。

无论对于奥迪还是雷诺，无论是应对中国市场还是全球市场转型，中国品牌在其中的技术输出角色所起到的支撑作用都已毋庸置疑。当然，中国品牌也不会就此成为“拯救者”。

真正能拯救他们的，仍然只有他们自己。

产品简介：简单来说 ，Weshop就是“一键给服装商品配个模特”的AI工具。用户在上传自己拍摄的真实服装图片后，可以在它提供的交互界面里，通过简单的勾选和语言描述，生成不同风格种类的模特图。这对中小电商卖家，尤其一些需要外籍模特的跨境商家来说，可以节省很多成本。目前它已经对外开放，并可以免费试用。

2022年8月，Stable Diffusion开源了它的模型。它进一步降低了对计算设备的需求，同时又带来了惊艳的图片生成效果，和已经被很多人把玩的Midjourney一起，伴随着口水和争执彻底带火了AI生成图片的技术应用。但随着使用者增加，人们也困扰于它的不可控：一些细节总是无法按照需要生成，导致图片经常无法真正的被使用——虽然叫stable但并不怎么稳定。

直到次年2月，ControlNet的出现改变了一切。这是一种神经网络结构，通过增加更多的条件来控制扩散模型，当加到Stable Diffusion上后彻底改变了它的可用性。

在Controlnet Stable Diffusion刚一出现时，并没有立刻改变混乱的AI绘画社区，艺术家和创作者们还是在混乱而兴奋的讨论和使用着这些工具，但在杭州的一个小办公室里，一个一直在关注Diffusion模型的小团队，觉得他们等了很久的东西终于出现了。

“我觉得这一波有机会了。”吴海波对我说。他是WeShop团队的负责人，他们开发了一款基于Diffusion模型的服装模特生成工具。WeShop团队是电商公司蘑菇街的一支特种兵，他们一直在关注虚拟试衣的方向，在Stable Diffusion出来时，他们已经在尝试搭建自己的各种demo，而看到ControlNet的一刻，他们觉得是时候做一些更深入的版本了。

ControlNet让一个期待了许久的技术走向商业场景的可用，而另一个冲击也在4月到来——Meta 的 Segment Anything出现。这是一个用于图形分割的基础模型，让人们可以只通过提示工程就可以高效的完成高质量的图形分割。

这是一次飞跃，所有人都炸了。

吴海波回忆他所在的技术讨论小群看到这篇论文的那个夜晚。“那天晚上大家都很热闹，因为你一直在做相关的工作，就会发现你看到这个技术时你的理解跟别人不一样，你一直苦恼的东西你觉得它能马上解决。”

然后一周半不到，WeShop的全新方案完成。

今天你打开WeShop的网站，可以看到这是一个三列式的布局。“最左边是功能图，你可以理解成它是我今天雇的一个AI摄影师，他目前主要是干这个场景的，但我们未来会有非常多场景，比如说你要拍个淘宝类的，拍个小红书类的，拍个拼多多类的，你再拍个亚马逊类的，以前只能一套图多用，但现在完全是可以的。 ”

简单来说 ，WeShop就是“一键给服装商品配个模特”的AI工具。用户在上传自己拍摄的真实服装图片后，可以在它提供的交互界面里，通过简单的勾选和语言描述，生成不同风格种类的模特图，也可以选择让这些模特出现在不同的背景中。这对中小电商卖家，尤其一些需要外籍模特的跨境商家来说，可以节省很多成本。目前它已经对外开放，并可以免费试用。

以下为一些真实例子，可以看到，它生成的图片和真实模特拍摄的之间已经难以区分。

“商家们比我们更聪明”

技术方案确定的同时，WeShop也快速选择了两个主要的商用场景：一个是外模场景，另一个是“真人场景”。

前者来自于WeShop过去几年和跨境商家的接触，他们普遍苦于寻找合适的外籍模特，而疫情更加深了这种苦恼；另一个则基于蘑菇街的电商经验。

“因为我们做这么多年电商之后，非常讨厌货不对版，我们认为必须设定底线，也就是但凡任何一套技术它会改变商品本身的细节的，售卖的过程中就会出问题，就不能上。”

所以WeShop设计了真人和人台的概念。

“人台是说，你针对真实产品虽然请不起外模，但你自己把它穿上去，你只要这样拍，具体是什么样都无所谓，你在哪里拍都好，我们都可以给你生成好看的模特图片。我们产品反复在迭代就是降低你对图片本身的要求，这是核心未来要不停做的。”吴海波说。

“第二个是真人，也就是有好多国内卖家，他其实也拍过图了，拍过图之后我们可以帮他把图换掉，可以生成另一种图。”

而在产品逐渐提供给商家试用后，更多的有意思的需求由商家们提了出来。

一个是今天网红带货里非常爱说的“氛围感”，有非常多的商家反馈他们非常需要抠背景，就是商品换背景，换各种地方，而传统的技术会显得不够逼真。“然后我们发现我们花了一点精力做了一下，效果也很好，我们也就做上去了。”

而更让开发团队感到惊喜的，是聪明的商家们发明的使用窍门。

在人台的生成过程中，不可避免出现一些崩掉的问题。weshop团队一开始想了各种方法，比如让商家自己买个真人台，要求一定要有头，或者用技术的方法给每一个人台再生成一个头。

最后发现，用户自己解决了，方法非常简单，就是在上传图片时，同时在头的位置涂抹两下，就好了。

“是我们自己想多了，用户比我们聪明多了。”他说。而这样的做法从技术上也能立刻理解，它帮助模型识别的更准确。

“我们马上会有一个新的功能，就是让他更容易涂，直接在我这边能涂，不用去美图秀秀，也不用去ps中涂，后面还会再加一个小工具扩一下，可以涂，还可以把四肢长出来。”

越来越多的商家开始使用，也有越来越多的商家开始付费。目前，weshop的订阅价格为298元/月、598元/月、1598元/月，其对应算力点为20000、60000、200000，分别约可生成2000张、6000张、20000张商拍图。此外WeShop也提供“加油包”作为算力补充，有25元、125元、250元三个档位可供选择。在这个收费逻辑下，用户使用WeShop越熟练，算力浪费就越少，即单张商拍图的价格就越低。

产品经理思路

作为一款基于新流行的人工智能技术开发的产品，也意味着它在开发过程中要面对全新的问题，以及解决全新问题的技术路线的抉择与取舍。

在技术方案确定后，WeShop团队面对的最大挑战依旧是如何让这套技术方案能够在业务工作流里听他们的话。让扩散模型可以被掌控永远是非常难的事情。

如果把Diffusion想成一个人，他就是一个很调皮，有自己想法的人。

比如，吴海波介绍了一个调皮的例子：“大部分时候我们把图像切割出来之后，Diffusion模型非常喜欢在商品的边缘做一些他自己的修饰，比如说他给你袖子这里加一个链条，或者说你明明是一个穿着高跟鞋的，他给你上面加一些花纹，就是你的鞋面上给你加一点东西，你的鞋跟给你加一点东西，就这些事情他非常喜欢干。”

而面对这样的问题，WeShop团队也曾想出很算法科学家的解决方案——他们开发了一个模型。“这个当时按我们的理解，就是一个局部重绘的场景，所以我们当时就开发一个模型，它可以缓解很多这种问题。”吴海波说。

但是当模型上线时，在测试的时候他们发现，这个模型会让整体照片的质感偏向一种油画的感觉，像是加了一层滤镜——这是产品经理思路的人才会发现的问题。

“对产品经理来讲，才会盯这个东西，且盯得很细。我们在自己的测试集里面是没有问题的，如果是发paper的那种算法开发的思路，这就够了。但是我们选择拿很多用户上次跑过的案例再跑一次，结果两张图放一起比就发现，一些情况下滤镜的感觉就出来了。”吴海波说。

团队内部为此争论了一个星期。“这是一个电商场景，他拿回去还要再做处理的，我最好给他的是一个iPhone原片，或者是某个单反摄像机的原片这种感觉，他可以再做处理。但我如果已经给他了，他就没法用了，它的感受不一样，感受p图过度了。”

“最后我们决定下线自己研发的这个模型。”吴海波说。“对我们来说迭代出一个模型是非常困难的，而且好不容易有一个模型能上线解决一个很重要的问题，但最终我们还是强行下线了它，没有让它出现在客户面前过。”

这也形成了WeShop的产品思路，产品经理的比重会大过纯算法或者技术的思路，因为后者往往会走向炫技的陷阱。

WeShop团队内部也经常讨论为什么GPT会在OpenAI而不是在Google出来的问题。一个结论就是，对同样的模型，怎么去调它这件事，理解是不一样的。

“我们实践的过程中我们出的图脸很少崩的，因为我们接受不了脸崩这件事情，因为我做产品的，我怎么把整个脸都崩成鬼畜的样子出来，这是不能接受的。但是如果是一个工程师团队或者是一个学术团队，我第一波做完，我现在公开测试指标好不好，我指标如果不错，然后再从我的case中，只要我的脸崩概率小于百分之多少，我就认为可用了，就类似于这一套东西跟我们以前做算法很像的，发paper的思路，做完结束了，那就做下一个。

吴海波记得OpenAI也分享过类似的经验，他们与Google的区别就在于，OpenAI的人们就像一个产品团队，开发后会不停的用产品，而Google的团队在学术界paper发完了就进入到下一个课题了。

“但是只有产品经理、对产品负责的人，他才会反复对自己孩子一样，反复用它，你才会知道它的边界已经超出你的认知了，你指导回来的那个技术方向也就不一样。”

吴海波认为，他们今天能做到这个程度，一定程度上也是对SD的实践是远多于其他人。

“它的边界在哪里？我们试过的case是多于其他人的，所以当我们产品第一天上线的时候，可能别人还不太理解为什么能到这种效果。其实每次历史上都是有一波人他自己因为用的够多了，才会对这个东西有更好的理解，然后做的东西就不太一样。”

在6月中旬，谷歌也发布了用在虚拟试衣的TryOn Diffusion，可以向顾客展示衣服在不同体型和尺寸的真实模特身上的效果。它基于扩散的框架，把两个Parallel-Unet统一起来，实现了对衣服细节的更好的把控。

达到这个效果的一个重要方法，是基于谷歌自身算力资源进行的大量训练。

“我们也看了它的研究，其实证明了这条路的前景，大厂用暴力证明这条路，后面开源社区会给它进一步实现。”吴海波说。

虚拟试衣看起来离我们越来越近。

不过，在这样一个蓬勃发展的技术下，单独的一个产品不是最终的目的。WeShop团队经常思考，什么才算是AI native的产品。

“当然今天这个产品刚做出来还比较早期，但我们内部有一些想法，他们不一定对，但是更远。”吴海波说。他相信AI Agents的方向，未来会是很多种AI工具最终结合到一起，有点像是一个AI管理的经理。

“今天的大模型有点像一个常青藤毕业读了最多的书，有非常好的背景的学生，他什么都懂，什么都能跟你聊一聊，但他就是不知道你的业务问题是什么。”他说。

“AI的技术虽然很强，但它总是要有某个流程把它串在一起。怎么串可能现在还不知道，但我们先把一些特定的场景做出来，可能谁第一个找到这个业务流程中数据闭环或者业务闭环，找到能跟AI之间反馈并且直接迭代的，谁就有了最深的壁垒。”

影石 Insta360是一家非常有趣的公司，他们的创意仿佛是无限的。

在运动相机系列有看起来非常模块化的ONE RS系列，毫不夸张的说这款产品应该算是市面上模块化设备的典范，用户能够自由更换镜头模组来达到不同的拍摄需求。

而更随性的则有刚推出主打趣味拍摄的GO 3，还有前段时间一经推出就把其他品牌拍在沙滩上的影石 Flow手机稳定器。

不过提到影石领先行业的全景影像技术，影石Insta360 X3绝对是他们最具代表性的创新之作之一，目前这款全景运动相机已经推出到了第三代。

去年九月份的时候，我们首发了X3全景运动相机的上手体验《影石Insta360 X3真的是未来运动相机发展方向吗？》，当时后台有很多小伙伴对这款能够拍摄全景照片的新形态运动相机非常感兴趣，如果对X3的拍摄画面感兴趣的小伙伴，可以参考这篇文章中的视频实拍。

因为相对于传统的运动相机，X3不再需要用户去考虑拍摄时的构图问题，你只需要拿稳它，点击开始录制，它就能够帮你记录周围360°视角的全部内容，而360°摄影也一直是影石区别于其他家产品的核心竞争力之一。

而就在今晚，这款目前累计销量全球第一的全景运动相机宣布与集英社的现象级动漫《鬼灭之刃》合作，推出了两款限定配色的联名版影石Insta360 X3，并且此次发售并非全球同步，而是仅在中国和日本地区限量发售，所以对《鬼灭之刃》感兴趣的小伙伴可千万不要错过。

图源：影石官网

本次的联名一共分为两款，分别是哥哥灶门炭治郎的黑绿配色以及妹妹灶门祢豆子的白粉配色。

图源：影石官网

黑绿配色从外观来看是以炭治郎的外套作为主打颜色，机身顶部的灵感来自于炭治郎额头的疤痕印记，这块小时候为了保护弟弟被火炉印上的旧伤也被后人描述为被“被上天选中的日之呼吸使用者”的独特标志。

灶门炭治郎 图源：来自网络

而机身底部两枚功能键中间的图案，则采用了他日轮刀中的“ 镡 ”（通称护手或剑格）元素。镜头部分则采用了炭治郎眼睛的红色作为点缀，体现出这款“赫灼之子”的独特之处。

炭治郎的日轮刀 图源：来自网络

这次我们拿到的，是看起来人气应该会更高一些的白粉配色，以灶门祢豆子为主要设计元素。同时这也是X3首款白色边框的设计，从外观来看无疑更加容易获得女性用户的喜爱。我周围有不少女性摩托车友会将全景相机作为摩旅时的记录工具，那这款看起来粉粉嫩嫩的设计肯定比黑色款更容易俘获她们的芳心。

图源：品玩 LU摄

白粉配色的X3设计灵感来自于祢豆子身上和服的花纹。日本作为一个对花纹有着执念的国家，会把花纹印在各种器物上，并称之为“和柄”，不同的花纹有着不同的寓意。而灶门祢豆子身上的花纹被称为麻叶纹。麻叶是一种生命力顽强的植物，所以这种华为经常被用于孩童的服饰，寓意茁壮成长。同时麻叶纹也有着驱除厄运的寓意，用这个花纹作为祢豆子联名款的主要纹理，可谓再合适不过了。

X3麻叶纹特写 图源：品玩 LU摄

机身背部除了麻叶纹之外，还有一个《鬼灭之刃》粉丝非常熟悉的元素，就是祢豆子嘴里咬着的竹筒。这节当初被富冈义勇塞到她嘴中的口枷也是祢豆子在「锻刀人之村」篇之前的“最后一道防线”，让其在被鬼舞辻无惨的血沾染后可以保持最后的理智。

图源：品玩 LU摄

而在机身正面，录制和菜单按键部分的纹样则来自祢豆子“鬼化”之后身体皮肤上呈现出的柳纹，也是祢豆子的专属印记。而镜头部分也跟炭治郎版一样，采用了妹妹的粉色瞳孔作为主配色。

图源：品玩 LU摄

从联名的角度来考虑，竹筒、麻叶纹、和柳纹都是灶门祢豆子的专属标志，将它们作为联名款的重要设计元素，能够看出这次X3与《鬼灭之刃》的联名之中，设计师下了很大的功夫去了解IP本身，这要比很多品牌的盲目联名走心的多。

图源：品玩 LU摄

但在浏览官网时我发现了一个小问题，那就是虽然X3出了白粉色的联名款设计，但目前官网的电池好像还是只有黑色版。而为了保证密封性，X3的电池采用的是电芯+防水外壳的一体式设计，所以如果你想多买几块电池备用，截止目前好像还是只有黑色的版本，这还是有点尴尬的，希望今后能推出白色的电池套装。

图源：品玩 LU摄

关于外观说了这么多，咱们说回相机。

虽然在去年9月份我们就已经做过了相关的测试，但是我还是要在这篇稿子里面说一句：X3完全改变了我对于视频拍摄习惯。

早在几年前，我受邀参加了百度地图测绘工作的对外展示，当时我选择用来拍摄第一视角的设备是台GoPro Hero7，由于是传统的运动相机，所以我在使用过程中要时刻保持它面向我的正前方，与我的视角保持一致，还要在整个测绘小组之间跑来跑去，既要担心闯入人家的采集区，又要保证自己拍摄到了需要的素材。

而在去年试用过X3之后，我对全景运动相机的喜爱程度达到了一个新的高度，它完全来自全景相机的“先拍照、后取景”的特点。

X3的这两枚镜头可以组合起来拍摄最高5.7K 360°的全场景录制，也就是说在拍摄的时候你用影石专用的自拍杆将设备举起来之后，它能够直接拍下周围所有的内容，并且依靠影石的算法拼接技术，自拍杆在画面中是自动隐形的，完全不会破坏画面的美感。拍摄完成后你再将素材导入到电脑或者手机，来根据素材选择要展示的画面。

5.7K 360°拍摄 图源：品玩 LU摄

如果你不喜欢这种带有畸变的奇怪视角，也完全可以把它作为一个可以拍摄4K 30帧视频的常规运动相机来使用，无论是简单的Vlog拍摄还是户外活动的记录都非常合适。

 4K 30帧单镜头无畸变 图源：品玩 LU摄

和其他运动相机最根本的不同就是，X3在机身两侧都有一枚镜头，你无需将运动相机转来转去就可以自由切换前后镜头，并且始终可以在机身屏幕上监看画面。这虽然听起来是一个很小的功能点，但它在使用过程中给创作者提供的便利可是很大的。

尤其是搭配X3全新的“跟拍模式”，在该模式下，画面会完全“追”在被摄主体上，再搭配官方的隐形自拍杆，就可以让画面呈现出类似固定视角的第三人称视频，仿佛拥有了一个专属摄影师。

影石官方配件中有一个3米多长多自拍杆……非常夸张 图源：品玩 LU摄

在影石的官方配件中，有一个非常夸张的隐形自拍杆，它的展开长度有3米，在类似环球影城花车巡游这类集会类的使用场景，会有特别惊艳的使用体验。

模拟穿越机模式 图源：品玩lzh摄

比如上图这张GIF，如果我不说，有多少人会以为它是通过穿越机拍摄的画面？但实际上这只是360°全景镜头拍摄，并通过关键帧锚点定位来生成的内容。

如果你对剪辑不是很精通，还可以通过影石的官方App让AI自动取景功能来帮你一键生成视频，在这种模式下，AI会自行解读一条360°影片中的精彩画面，在不同的画面之间为你添加转场效果与背景音乐一键生成精彩影片。

这对全景相机初上手的用户来说十分友好，你不要亲自去面对复杂的剪辑逻辑和画面筛选，只需要静静等待，然后把成品视频一键上传到社交媒体，等着别人给你点赞就行了。

总体而言，对于绝大多数用户来说，X3给了一种非常新颖的拍摄逻辑，它让运动相机不再是滑雪、滑板以及其他极限运动用户专属设备，影石用尽可能简洁的拍摄手段，轻量化的剪辑逻辑以及惊艳的成片效果吸引了一众普通用户，这或许才应该是运动相机未来的正确发展方向之一。

就在今天下午，自然语言处理领域的顶级学术会议、有NLP界奥斯卡之称的ACL 2023 在加拿大多伦多揭晓了三篇”年度最佳“学术论文，其中有两篇都有华人研究者的身影。

今年，除了最重磅的年度最佳论文由过去的一篇增至了三篇之外，ACL也大幅度增加了优秀论文的奖项设置和获奖比例，颁发了四大单项奖、39篇杰出论文和12大细分领域的最佳论文等奖项。ACL组委会表示，今年获奖论文达到了总提交论文数的1.5-2.5%。

作为对比，去年ACL所有获奖论文加总仅有12篇，获奖数量还不到今年五分之一，由此可见今年的ACL有多热闹！很多人甚至形容今年的ACL就像是AI圈的“火人节”，来自世界各地的AI研究者们都激情四溢，从7月9日开始，在加拿大多伦多进行着一场为期5天的AI狂欢派对。

值得注意的是，不仅是最佳论文，在此次的所有获奖论文中，有华人学者参与和由华人团队领导的研究几乎占据了半壁江山。

华人研究者成为ACL的“中流砥柱”

在39个杰出论文中，全部都由华人研究者组成的研究团队达到了六个，有华人参与的杰出论文占一半以上。这些研究者所来自的中国机构既有清华大学、复旦大学、南京理工大学等高校，也有华为、腾讯等大型企业。

在细分领域的主席奖中，来自清华大学和武汉大学的华人团队摘得了“情感分析、文体分析和论点挖掘”领域的最佳论文，来自中科大、北京交通大学、微软亚洲研究院的华人团队摘得了“自然语言处理应用”领域的最佳论文。除了这两个领域之外，其他4个的领域中也有华人研究者的身影。

在最佳演示论文奖中，由中科大、清华大学、智谱AI、财智科技的研究者组成的团队斩获了唯一一篇最佳论文奖项。最佳学生研究奖项中，来自中国的学术团队也位列其中。而在四个特别单项奖中，有华人研究者身影的奖项达到了三个。

总体来看，无论是作为参与者还是研究领导者，华人研究者这次在ACL的存在感都特别强。

3篇年度最佳论文，分别都在研究什么？

本次获奖的三篇年度最佳论文包括：

• Do Androids Laugh at Electric Sheep? Humor “Understanding” Benchmarks from The New Yorker Caption Contest

论文作者：Jack Hessel（艾伦人工智能研究所）, Ana Marasovic（犹他大学）, Jena D. Hwang（艾伦人工智能研究所）, Lillian Lee（康奈尔大学）, Jeff Da（华盛顿大学）, Rowan Zellers（华盛顿大学）, Robert Mankoff（Air Mail and Cartoon Collections） 和 Yejin Choi（华盛顿大学）

篇论文主要探讨了人工智能是否真正理解了幽默。研究者通过三个有关《纽约客》漫画标题比赛的任务来挑战AI模型，包括将笑话与漫画配对、识别出赢得比赛的标题，以及解释为什么赢得比赛的标题是有趣的。

研究团队表示，这三个任务的复杂度是逐渐进阶的，关键点在于测试AI对于图像和标题之间复杂性的理解，以及对人类经验和文化的模仿和应用。团队在研究中使用了多模态和单一语言两种模型进行测试，但最后研究发现，两种类型的模型在所有三个任务上都存在困难。

图片截自于论文正文

例如，最好的多模态模型在匹配任务上的性能比人类低30个准确性点，即使提供了真实的视觉场景描述，人类编写的解释也在大于2/3的情况下优于机器编写的。但同时团队也指出，这个研究结果是在比较少的GPT-4模型下所得出的。

虽然这篇论文的作者分属于不同机构，但总体来看这也是一篇由OpenAI强参与的研究，论文作者中 Jeff Da, Rowan Zellers 和 Yejin Choi 都在 OpenAI 工作。

• What the DAAM: Interpreting Stable Diffusion Using Cross Attention

论文作者：Raphael Tang（康卡斯特应用AI团队）, Linqing Liu（伦敦大学学院）, Akshat Pandey（康卡斯特应用AI团队）, Zhiying Jiang（滑铁卢大学）, Gefei Yang（康卡斯特应用AI团队）, Karun Kumar（（康卡斯特应用AI团队）, Pontus Stenetorp（伦敦大学学院）, Jimmy Lin（滑铁卢大学） 和 Ferhan Ture（康卡斯特应用AI团队）

这篇论文主要关注了大规模扩散神经网络在文本到图像生成中的应用，研究团队认为虽然目前文本到图像模型已经取得了重要的里程碑式成就，但从学术研究的角度人们对它们仍然缺乏深入认知和可解释性分析。

为了解决这个问题，研究团队基于最近很火的开源模型Stable Diffusion进行了文本-图像归因分析。他们提出了一种名为DAAM的方法，通过放大和聚合去噪子网络中的交叉注意力单词-像素得分，以生成像素级的归因图。

图片截自于论文正文

最后，他们使用DAAM研究了几种语义现象，重点是特征纠缠，其中，他们发现共同词素降低了生成质量，而描述性形容词关注得过于广泛。研究团队表示，他们的研究是首次从视觉语言角度来解释大型扩散模型，这可能为未来的研究开辟了新的道路。

该研究主要由全美最大有线电视、第二大互联网服务提供商Comcast集团的AI研究团队领导，在该研究团队中，有一半以上的作者都是华人。

• From Pretraining Data to Language Models to Downstream Tasks: Tracking the Trails of Political Biases Leading to Unfair NLP Models

论文作者：Shangbin Feng（华盛顿大学）, Chan Young Park（卡耐基梅隆大学）, Yuhan Liu（西安交通大学） 和 Yulia Tsvetkov（华盛顿大学）

这篇论文主要研究了预训练语言模型（LMs）中的政治偏见，及其对下游自然语言处理（NLP）模型公平性的影响。研究团队开发了新的方法来测量在多样化的数据源（如新闻、论坛、书籍、在线百科全书等）上预训练的LMs中的政治偏见，其中特别关注了仇恨言论和误信息检测这两个高风险的社会导向任务。

该研究的发现预训练的语言模型确实存在政治倾向，不仅加强了语料库中存在的极化，还将社会偏见传播到了仇恨言论预测和误信息检测器中，论文讨论了这些发现对NLP研究的重要影响，并提出未来的方向以减轻不公平性。

其中，根据公开信息显示，这篇文章的第一作者Shangbin Feng本科就读于西安交通大学，于去年开始在华盛顿大学攻读博士学位，师从Yulia Tsvetkov。

NPL界的顶流大会，孕育无数AI新技术、新业态

ACL（Association of Computational Linguistics）起源于1962年，源自美国一个小而专注的学术组织，其宗旨是推动计算语言学的发展。在当时，计算机科学才刚刚起步，人工智能更是还处于婴儿阶段的学术概念，但ACL早在60多年前就已经预见了的科技的巨浪，今年已经是第61届大会。

如今，在人工智能、特别是研究自然语言处理领域有四大顶级会议，分别是ACL、NAACL、EMNLP、COLING。而除了COLING 之外，其他三大会议均由ACL（Association of Computational Linguistics）主办。

几十年来，随着技术的进步和AI研究的深入，ACL逐渐发展成为全球最重要的自然语言处理领域的学术会议。作为AI领域里的“奥斯卡奖”一般的存在，ACL可以说是所有自然语言处理领域研究者们所向往和奋斗的方向。

ACL会议每年都会产生大量的顶级研究论文，推动了自然语言处理技术的快速发展，这些新思想、新技术往往也会被业界快速应用和商业化。最重要的是，ACL培育了一代又一代的AI领袖和研究者，是全球AI领域最重要的人才池。

ACL大会的举办地点在每年都会变化，遍及北美、欧洲、亚洲等地，以尽可能吸引全球各地的研究者参与，每年的会议地点都由ACL的组织委员会提前选定并公布。今年的举办地则放在了AI研究前沿、有“深度学习之父”Geoffrey Hinton坐镇的加拿大多伦多。

Geoffrey Hinton在ACL开幕上发表演讲，图片来自推特

或许是受AI浪潮的影响，今年的大会氛围尤其热烈。全球各地的AI研究者们前来“朝圣”和分享、交流，谷歌、微软、亚马逊、IBM等大型科技企业也都在ACL上设置了展位，跟研究者们进行面对面交流。

知名的专家和研究者将进行一系列的主题演讲，各国年轻的学者们也将对最新研究成果进行分享和研讨，参会者能够深入地参与特定主题。此外，ACL还设置了企业展示和招聘环节连接学术界和工业界，促进AI技术的落地转化。

几个小时前SemiAnalysis的DYLAN PATEL和DYLAN PATEL发布了一个关于GPT-4的技术信息，包括GPT-4的架构、参数数量、训练成本、训练数据集等。本篇涉及的GPT-4数据是由他们收集，并未公开数据源。仅供参考。

原文翻译如下：

揭秘 GPT-4：导致 OpenAI 架构的工程权衡

OpenAI 保持 GPT-4 架构的封闭性并不是因为对人类存在一些生存风险，而是因为他们构建的东西是可复制的。事实上，我们预计Google、Meta、Anthropic、Inflection、Character、腾讯、字节跳动、百度等在短期内都将拥有与 GPT-4 一样强大的模型。

不要误解我们的意思，OpenAI 拥有令人惊叹的工程技术，他们构建的东西令人难以置信，但他们得出的解决方案并不神奇。这是一个优雅的解决方案，具有许多复杂的权衡。做大只是战斗的一部分。 OpenAI 最持久的护城河是他们拥有最真实的使用情况、领先的工程人才，并且可以通过未来的模型继续领先于其他人。

我们从许多来源收集了大量有关 GPT-4 的信息，今天我们想分享一下。这包括模型架构、训练基础设施、推理基础设施、参数计数、训练数据集组成、令牌计数、层数、并行策略、多模态视觉适应、不同工程权衡背后的思维过程、独特的实施技术以及它们如何减轻一些问题他们最大的瓶颈与巨型模型的推理有关。

GPT-4 最有趣的方面是理解他们为什么做出某些架构决策。

此外，我们将概述 A100 上
GPT-4 的训练和推理成本，以及如何在下一代模型架构中与 H100 进行扩展。

首先，问题陈述。从 GPT-3 到 4，OpenAI 希望扩展 100 倍，但问题是成本。 密集变压器模型将无法进一步扩展。密集变压器是 OpenAI GPT-3、Google PaLM、Meta LLAMA、TII Falcon、MosaicML MPT 等使用的模型架构。我们可以轻松说出 50 家使用相同架构培训法学硕士的公司。这是一个很好的方法，但它在扩展方面存在缺陷。

从训练成本的角度来看，请参阅我们在 GPT-4 公告之前关于即将推出的密集模型 AI 砖墙的训练成本讨论。在那里，我们揭示了 OpenAI 在 GPT-4 架构方面所做的高层工作以及各种现有模型的训练成本。

在过去的 6 个月里，我们意识到培训成本无关紧要。

当然，从表面上看，花费数千万甚至数亿美元的计算时间来训练模型似乎很疯狂，但这对于这些公司来说是微不足道的。它实际上是一个资本支出项目，规模扩大可以持续带来更好的结果。唯一的限制因素是将计算扩展到人类可以获得反馈并修改架构的时间尺度。

未来几年，谷歌、Meta、OpenAI/微软等多家公司将在价值超过千亿元的超级计算机上训练模型。Meta 每年在“Metaverse”上燃烧超过 160 亿美元，Google 每年在各种永远不会实现成果的项目上浪费 100 亿美元。亚马逊在 Alexa 上损失了超过 50 亿美元。加密货币在毫无价值的事情上浪费了超过 1000 亿美元。

这些公司和整个社会可以而且将会花费超过一千亿美元来创建可以训练单个大规模模型的超级计算机。然后可以通过多种方式将这些大型模型产品化。这项工作将在多个县和公司重复进行。这是新的太空竞赛。以前的浪费与现在的区别在于，人工智能可以在短期内从人类助手和自主代理身上带来有形的价值。

扩展人工智能（真正的人工智能砖墙）的更重要问题目标是将训练计算与推理计算分离。这就是为什么训练 Chinchilla 对于任何将要部署的模型来说都是最佳的。这就是为什么要进行稀疏模型架构；每个参数在推理过程中都不会被激活。

真正的战斗是将这些模型扩展到用户和代理的成本太高。推理成本是训练成本的数倍。这就是OpenAI在模型架构和基础设施方面的创新目标。

大型模型的推理是一个多变量问题，其中模型大小会导致密集模型的死亡。

我们已经在这里详细讨论了有关边缘的问题，但数据中心的问题陈述非常相似。简而言之，设备永远不可能有足够的内存带宽来容纳大型语言模型来实现一定水平的吞吐量。即使它们有足够的带宽，边缘硬件计算资源的利用率也会很糟糕。

在数据中心、云中，利用率就是一切。 Nvidia 因其卓越的软件而受到赞誉的一半原因是，在 GPU 的几代生命周期中，Nvidia 不断更新低级软件，通过在芯片周围、芯片和内存之间更智能地移动数据来提高 FLOPS 利用率。

目前大多数用例中的 LLM 推理都是作为实时助手运行，这意味着它必须实现足够高的吞吐量，以便用户可以实际使用它。人类平均每分钟阅读约 250 个单词，但有些人的阅读速度高达每分钟约 1,000 个单词。这意味着您需要每秒至少输出 8.33 个令牌，但每秒需要输出 33.33 个令牌才能覆盖所有极端情况。

由于内存带宽要求，即使在最新的 Nvidia H100 GPU 服务器上，万亿参数密集模型在数学上也无法实现此吞吐量。每个生成的令牌都需要将每个参数从内存加载到芯片上。然后，将生成的令牌输入到提示中，并生成下一个令牌。此外，注意力机制的 KV 缓存中的流传输需要额外的带宽。

上图展示了以足够高的吞吐量推理 LLM 以便为单个用户提供服务所需的内存带宽。它表明，即使 8x H100 也无法以每秒 33.33 个令牌的速度提供 1 万亿参数密集模型。此外，每秒 20 个令牌的 8xH100 的 FLOPS 利用率仍低于 5%，导致推理成本非常高。实际上，目前的 8 路张量并行 H100 系统存在约 3000 亿个前馈参数的推理约束。

然而，OpenAI 正在通过 A100
实现人类的阅读速度，其模型超过 1 万亿个参数，并且以每
1,000 个代币仅 0.06 美元的低价广泛提供。那是因为它是稀疏的，IE 并不是每个参数都被使用。

废话够多了，我们来谈谈 GPT-4 模型架构、训练基础设施、推理基础设施、参数计数、训练数据集组成、标记计数、层数、并行策略、多模态视觉编码器、不同工程权衡背后的思维过程、独特的实施的技术，以及它们如何缓解与大型模型推理相关的一些最大瓶颈。

总结主要的关于GPT-4的信息（总结来自Yam Peleg的推文）：

• 参数数量：GPT-4比GPT-3大10倍，估计参数数量在120层、1.8万亿左右。
• MoE架构：即Mixture-of-Experts架构，这部分信息已经确认，OpenAI通过利用MoE架构保持一定的成本，包含16个Experts，每一个都是一个MLP.2，约1110亿参数，每个前向传播都被路由到这些专家中
• MoE路由：尽管公开的技术文档中说了很多高级的路由功能，包括每个token如何选择每个专家等。但是现有GPT-4其实非常简单，大约就是为每个attention共享550亿参数的方式。
• 推理：每一个前向传播的推理（生成一个token）需要2800亿参数以及560 TFLOPS，这与纯dense模型每次正向传递所需的约1.8万亿参数和3700 TFLOPS形成了鲜明对比。
• 训练数据集：GPT-4在约13万亿tokens上训练。这不是指不同的token数量，是根据epochs计算使用的token数量。基于文本的数据集做了2次epoch训练，基于代码的数据集做了4次epoch训练。
• GPT-4 32K：每一个预训练阶段都是8K的长度。32K的版本是8K预训练模型之后微调得到的。
• Batch Size：batch size是逐渐上升的，在集群中经过几天的时间达到一个数值。最终，OpenAI的Batch Size达到了6000万！也就是每个专家大约有750万的token数量，但是并不是每个专家都能看到所有的tokens。
• 并行策略：由于NVLink的限制，OpenAI训练GPT-4做了8路tensor并行，15路的pipeline并行。
• 训练成本：OpenAI训练GPT-4的FLOPS约2.15e25，在2.5万个A100上训练了90-100天左右时间（MFU约32%到36%），如果是一个A100约1美元，那么训练成本约6300万美元（如果现在使用H100可能只要2150万美元）。
• MoE的取舍：使用MoE之后做了很多取舍，包括推理的处理困难，因为每个模型都用来生成文本。这意味着生成的时候有的可以使用，有的空闲，对使用率来说非常浪费。研究显示64-128个专家的损失比16个专家更好。
• GPT-4的推理成本：比1750亿的Davinchi（GPT-3/3.5系列）高3倍，主要是GPT-4的集群太大，利用率低一点。估计约1k tokens要0.0049美元（128个A100）。
• MOA：Multi Query Attention，和其他人一样，都是正常使用MOA。因为只需要1个head，显存大大下降，但是32K依然无法在A100 40G运行。
• 持续batching：OpenAI使用可变的batch size和持续batching方法。可以平衡推理成本和推理速度。
• Vision Multi-Modal：GPT-4的多模态部分是单独一个visiion encoder，带有cross attention。使得1.8万亿的GPT-4的参数扩展到2万亿左右。VisionModel是从头训练的，还不够成熟。Vision部分的一个作用是让代理可以月度网页，然后转换成图片和视频。部分数据是基于Latex与屏幕截屏训练的。还有YouTube视频，包括使用whisper翻译的脚本与抽帧结果。
• 推理架构：推理是在128个GPU集群上运行的，在不同的区域有不同的集群。每个节点有8个GPU，包含1300亿参数的模型。或者说每个GPU少于30GB的FP16、少于15GB的FP8/int8。

原文链接：点击前往

很多人可能都对不久前张雪峰的那番言论有所耳闻。

今年高考结束后，“考研名师”张雪峰在回应考生家长提问时表示，“理科590报新闻？你会崩溃的。”“别报新闻，从中国本科专业目录里面闭着眼睛摸一个都比新闻好。”“如果我是家长，孩子非要报新闻学，我一定会把他打晕，然后给他报个别的。”

这番被广泛视为“新闻无用论”的言论随后在网上引发了持久的讨论，支持者认为张雪峰只是说出了很多人不敢说的大实话，以重庆大学新闻传播学教授张小强为代表的反对者则批评他是“害人不浅、误导公众”。

我们暂且不去讨论这个问题的是非对错，张雪峰事件其实给我们提供了一个观察今年高考的切片。

一方面在新高考改革的大背景下，考生和家长填报志愿时的关注点正慢慢从对名校的执念，转移到和自身兴趣关联更大的专业选择上来；另一方面，张雪峰事件的出圈说明，作为很多人的人生经历和记忆，高考的影响是持久的，因而人们仍会不自觉去关注和高考有关的一切。

另一个在今年被集中关注的依然是教育资源的分配问题。就像最近几天开始在网上流传的对“山河大学”的调侃——山东、山西、河南和河北四个省份的343万考生，每人出1000元，总共是三十多亿，就可以打造出一所四省交界的综合性大学，面向“山河四省”招生。甚至还有网友设计出了这所虚构大学的官网、校训、校徽、院系和招生简章等等。

这些都只是今年大众对高考关注的一部分体现，事实上，大家的关注点十分多样，诸如ChatGPT会怎么写高考作文、今年的各科考题难不难、高考期间各地的路况如何，以及第一个走出考场的考生说了什么等等，也成为各大社交平台讨论的热门话题。

几乎每年，高考都会引发一场国民讨论，足以见得高考在国人心目中的地位——不仅是考生、家长和老师关心，很多正在备战高考的准考生们，以及已经经历过高考的人，甚至才是把高考话题一次次推向高潮的那部分人群。

有趣的是，随着时间的推移，人们了解和讨论高考相关信息的渠道也在发生变化。

时间如果转回五年前，我们了解绝大部分的高考信息可能还是透过电视新闻、公众号文章和微博等社交平台网友的讨论等等，但到最近几年，随着短视频愈发融入人们的生活，短视频平台也逐渐成为了很多人了解高考、讨论高考的新阵地。

短视频平台用户讨论高考的热情正在逐渐高涨。根据快手刚刚发布的《2023快手高考数据报告》，今年1月至6月，快手高考相关话题视频发布量高达347万，相关评论量达到1.02亿，快手高考内容搜索人数则同比增幅50.3%；而随着时间临近，用户通过快手关注高考相关资讯的需求也越来越旺盛，高考关键词搜索量6月较5月环比增加了高达1015%。

来源：《2023快手高考数据报告》

作为国内当前的头部短视频平台，快手事实上也为我们观察信息媒介渠道的变迁提供了一个窗口。据了解，今年快手站内也主动对高考的消费和搜索加大了运营力度，在5月12日至7月12日期间，推出了长达两个多月的高考季特别活动。

而随着快手这样的短视频平台成为大众获取各类高考信息的新渠道，很多人也慢慢发现，平台上的视频和直播等内容也有着许多传统的内容载体所不具备的功能。

关注高考，不只有一个维度

由于高考天然的话题度，近几年有不少平台都开始有意识地运营起了高考内容，尤其是搜索平台。有观察认为，近年高考季基本是搜索公司的核心战场，因为高考周期对应着考生和家长的搜索高峰，各家搜索平台会不遗余力投入线上广告、应用商城等位置推广，一些平台同时还推出了面向考生的志愿填报工具等。

搜索平台自身的属性事实上也决定了它服务的对象，主要是针对考生和家长人群。而相比这些垂直度更高的服务，其实能很明显地发现快手的不同——在满足考生及家长需求的同时，快手平台上的高考相关内容还兼顾了更广泛的大众。

快手将今年的高考季活动按照考前、考中和考后三个阶段，分成了“高考备考站”、“高考加油广场”和“高考志愿厅”三个板块。

首先在高考冲刺的关键阶段，不同人群已经展现出了不同需求。

比如考生需要对各科知识做最后的巩固，同时适当掌握一些缓解紧张焦虑的方法；作为“后援队”的家长，也需要做好考生的后勤保障，比如在饮食上做一些调整，以及用合适的方法给予他们积极鼓励；此外许多低年级学生面对未来即将经历的这一“人生大考”，也想借此机会做一次预演，去关注考前应该注意的事项、应该重点关注哪些知识点等等。  

针对这些需求，快手在“高考备考站”板块就组织了针对语文、物化生和政史地等不同科目的考前知识重点讲解、热点考题预测，以及包括均衡饮食、心理调节等主题在内的多场考前直播活动。数据显示，这一系列直播最终观看人数达726万。

其次是在高考期间，这其实也是外界对高考的关注度达到顶峰的阶段。

如今很常见的一个现象是，网上“许愿”已经是许多年轻人表达情感非常常见的方式，比如观看影剧、综艺时便经常能在一些片段看到弹幕集体许愿的场面。快手在今年高考季推出了“AI画高考好运锦鲤”和“许愿直播间”的玩法，其实就给考生以及关心考生的人提供了一个表达情感的出口。

而对更广泛的大众来说，因为关心高考，也想去主动了解比如高考现场的情况（尤其可能是自己家乡的高考现场）、考试出了怎样的题目以及难易程度如何等等。今年快手也推出了“高考现场直击”和“试题作文解析”的相关内容，让大家可以更直观地“探班”今年的高考。

数据显示，快手联合@新华社、@央视频等媒体开设的高考许愿直播间系列直播，观看人数就有近9000万，评论量达则达到63万；和121家政务机构及媒体联动进行的直击高考现场、呈现考场资讯的系列直播，观看人数也达到了3630万，并收获了超150万点赞。

而当高考落幕，接下来广大考生和家长最关心的事情就成了应该怎么填报志愿，事实上不只是考生和家长，很多低年级学生也尤其会关注这个过程，希望能从中吸收更多经验。

志愿填报实际又有着许多学问和门道，譬如该怎么去选择专业和学校、自己中意的学校今年的招生政策如何、填报某一学校的某一专业前景好不好，以及是不是有具体的工具可以事先进行模拟填报等等。围绕这些考生和家长关心的话题，快手推出的“志愿大咖说”策划了15场关于志愿填报辅导的独家直播，同时还有165所高校在快手开设了400多场招生直播，其中前者观看人数达920万，后者观看人数则高达1.3亿。

同时就像文章开头提到的张雪峰的相关言论等等，高考结束填报志愿的阶段，其实也很容易产生许多出圈的话题，成为大众讨论的焦点。

所有这些动作传达出的一个信息是，快手想为所有关心高考的人打造一个全景式获取高考信息的渠道，考生和家长能在这里了解如何备考和填报志愿，更广泛大众也能在这里表达对考生的祝福、参与对高考的各种讨论等等，而亮眼的数据表现恰恰也验证了短视频用户对高考关注的热情。

高考信息如何能更“有用”

作为短视频平台的快手本质上有着很强的媒体属性，从这一点来理解，为广大用户提供各类高考信息其实应该属于快手的天然职责。不过从快手在今年高考季活动中推出的种种内容来看，在为用户提供信息之外，快手显然想更切实地帮助到有需要的人群，或者说让提供的信息更“有用”。

一个显著的体现是在高考志愿填报环节。

中央美院人文学院今年参与了快手组织的高校招生宣讲直播活动，由人文学院院长黄小峰、应届硕士生康家轩和应届本科生张一出镜，在高考后进行了一场面向考生和家长的直播，内容涵盖了介绍中央美院人文学院的本科招生及其特点，中央美院的学校特色，人文学院的办学历史、学科优势，以及招生专业的培养等等。

“我们发现大家最关心的问题都聚焦在大学的培养方式、未来继续升学的渠道，以及未来的工作机会等等。”中央美院人文学院院长黄小峰告诉品玩。

实际上，邀请大批高校进行招生宣讲直播，也是快手今年高考季活动的一大亮点。显然在快手看来，邀请高校通过直播的方式来进行招生宣讲，是解决信息不对称问题一个非常有效的方式——尤其当考虑到新高考改革下对录取制度进行改革的大背景，志愿填报方式的变化和填报数量的增多，都让考生和高校之间信息不对称的问题越发明显。

就中央美院人文学院来说，本身就面临着艺术类院校招生方式特殊，以及宣讲渠道没有打开、很多有意愿的考生对学校情况缺乏了解的困境。

此外，北京协和医学院护理学院副院长梁涛也告诉品玩，“虽然北京协和医学院在医学界人人皆知，但在广大人民群众中却存在很多误区。”据她介绍，北京协和医学院是目前全国最好的医学院，很多北京协和医学院毕业生的就业去向都是国内顶尖的北京协和医院——尽管如此，这些信息一直以来却总是难以被考生和家长感知。

在这样的状况下，快手在高考季推出的高校招生宣讲直播活动，相当于是为考生和高校之间用最直接、便捷的方式搭建了一座沟通的桥梁。

正如黄小峰提到的，通过直播，中央美院人文学院得以更清晰地了解考生和家长最关心的话题，也达到了“让更多人更好地了解中央美院人文学院”的诉求；梁涛在参与快手的招生宣讲直播后，同样获得了新的启发，“比如有人会问到一个问题：北京协和医学院不属于985、211，那它属于什么？我们便在直播中介绍了北京协和医学院是财政部支持的全国六所小规模特色院校之一，专业上有特色，学术上不低于985，这个解释非常重要。”

事实上，比起一些第三方志愿填报技巧辅导类的直播，与高校直接对话，明显能够让考生和家长更加透明直观地了解自己中意学校的最新实际信息；同时对高校来说，也能更直接清晰地了解考生的诉求，有助于在往后的招生过程中更好地宣传自己。

快手在今年高考季邀请到了165所高校在平台开设了400多场招生直播，当中不乏清华大学、北京大学、复旦大学、浙江大学、武汉大学、厦门大学和四川大学等等名校，同样还有很多学校会像中央美院人文学院这样以学院为主体专门开设招生直播，来更有针对性地解答很多考生和家长的细节问题。

“以往中央美院进行招生宣讲的渠道主要是网站、自媒体等；相较之下直播所面对的人群更加多样，覆盖面是很惊人的，另外直播畅聊的方式也会更有亲和力，能更加直观地呈现信息。”黄小峰谈起中央美院人文学院此次和快手合作的感受。

梁涛也评价道，“快手给了像北京协和医学院这样传统院校突破招生宣传的瓶颈的途径……这个贡献，不仅局限于北京协和医学院，而是能引发考生对医学的热度，优秀的人来学医，不论在哪个大学，未来都将会使广大人民群众受益。”

数据显示，今年快手高校招生系列直播的观看人数高达1.3亿，显著超过了其他高考相关直播的观看人数，一定程度也说明了用户对此种招生宣讲形式的欢迎。

高校招生宣讲直播能够为考生解决志愿填报过程中非常现实的问题，而在今年高考季，提供更加“有用”的信息，也成为快手高考信息服务一个非常明显的趋势。

考生能从考前辅导直播中及时学到缓解焦虑的方法，家长能够了解应该怎样为孩子准备餐食，接送考生的志愿者能从路况直播中及时做出路线判断，很多高考准考生也能从考题分析的相关直播中进一步巩固自己的知识……在洞察用户需求的基础上，为用户提供更有针对性的切实帮助，这些也都是“有用”信息在细节处的体现。

结语

快手推出高考季相关活动最早可以追溯到2020年。当时随着新冠疫情爆发，各地学校全面开展起线上教学，师生群体的线上需求被进一步挖掘，快手高考季的相关活动也诞生在这样的背景下。也是从这时起，快手发现有不在少数的用户都会在平台上搜索观看高考相关内容。

2020年高考是疫情下的第一个高考，也被称作是“最难高考季”。快手在这一年的6月29日至7月11日，推出了为期13天的高考季活动，邀请多家大V和头部媒体进行了六大专场直播。

如果说当时快手推出高考季活动，很大一部分是出于公益性质，且存在一定的“偶然性”，那么现在进行到第四年，从一开始只是零散地推出一些高考主题直播，到现在时间跨度更广地覆盖到高考的全过程，以及推出更多的板块和更有用的内容等，快手其实正在把“助力高考”这件事更“认真”地做起来。

作为短视频平台、拥有超过3亿日活用户的快手，显然也是适合做这件事的——庞大的用户量让它可以触达到更多有需求的用户，短视频平台的属性则让它能够更直接、实时且有效地连接各个人群，这也是传统的内容载体所不具备的特性和优势。

诞生至今，快手给用户提供的服务已经从最早单纯的娱乐，到现在可以在上面求职招聘、相亲、进行本地团购，乃至如今去连接考生和高校的报考和招生。从“有趣”到“有用”，在高考期间发挥价值，也再一次验证了短视频平台的无限可能性。

（注：更多详细内容可查看《2023快手高考数据报告》）

千呼万唤，Code Interpreter 插件终于全面上线了，OpenAI宣布，它的Beta版向所有ChatGPT的付费用户（即ChatGPT Plus）开放。

作为官方插件，Code Interpreter 最早在今年年初开放给非常有限的用户使用，当时它强大的能力就引发了一波关注小高潮。

过去的这几个月，有关于GPT4.0所谓“智能水平”下降的传言不绝如缕，有说随着用户规模扩大，模型能力下降的，也有说是计算资源实在不够，OpenAI做了一些干预调整。

但无一例外，大家对Code Interpreter的印象都非常好，而这次Code Interpreter 全面公测之后，大家对于它的美誉度更是蹭蹭上涨。

认证资料为AI从业者的Twitter用户@moritzkremb 直接宣称，Code Interpreter 就是戴着插件面具的GPT 4.5！

实际上持这种观点的不在少数。总结了8个Code Interpreter案例，浏览量超过百万级别，认证资料显示为AI创业者的@minchoi 也在推文中表示，有传言GPT4 加上Code Interpreter 其实就是GPT4.5。

更有人表示，有没有Code Interpreter 简直就是两个模型！因为有了Code Interpreter 的新ChatGPT可以给十五万字的书来写大纲了！这和一直有字数限制的CHatGPT本体实在是差太多。

作为一个插件，Code Interpreter 有什么魔力？

什么是 Code Interpreter？

顾名思义，Code Interpreter这个名字直接翻译过来意思是代码解释器，但它实际在做的工作其实刚好和这个名字相反——略去代码过程，通过自然语言交互，直接得出结果。

沃顿商学院用了Code Interpreter几个月的教授Ethan Mollick写了一篇入门指南，他对Code Interpreter最大的感想是，连prompt都可以不要了，你要做的就是和AI讨论你在GPT 4.0上上传和下载的内容本身（100MB以内），通过自然语言就可以。

所有复杂代码环节和需要精心设计prompt，在Code Interpreter 的帮助下都可以大幅略去。对用户来说，本质上Code Interpreter就是介于自然语言和代码语言之间的媒介，而这个媒介经过OpenAI的训练，拥有智能能力，又由于OpenAI开放了上传下载文件接口，这个媒介可以理解更复杂、冗长的资料。

用OpenAI联合创始人Andrej Karpathy 的话说，Code Interpreter是你的个人数据分析师，你可以用它读取上传文件、执行代码、生成图表、统计分析等等。

比如直接从PDF提取所有的文字，只用一句话，ChatGPT就能自己完成OCR任务。

截图自Twitter用户@DataChaz

也就是说用户上传的各种文件Code Interpreter 都能进行解读，甚至可以是压缩文件zip包或者整个代码库！有Code Interpreter 的早期用户指出，该功能在理解代码重点方面完成的相当好，很多人都直接把它当作了代码版的ChatPDF或者ChatDOC来用。

除了完美的阅读理解能力，Code Interpreter 还能做到基于数据的图表生成。比如它可以在没有几乎任何指导的情况下，理解文件内容是关于全球温度数据的，并且成功识别每一个年份，然后绘制出一张图标。

截图来自Twitter用户@hausfath

Twitter上还有人贴出了在5分钟内就完成对特斯拉股票数据分析的例子，附带各种翔实丰富的图表，这些都是一键生成的，如果换成Excel这一般需要数小时（数据分析师瑟瑟发抖）。

下面是用 Code Interpreter 直接生成正态分布的10000个随机数，你要做的只是用英语告诉ChatGPT。

截图来自Twitter用户@DataChaz

有人会说生成图表这种还不算什么独家秘籍，但要是 Code Interpreter 可以在读了一篇关于如何绘制图表的论文后，自己升级了自己的结果呢？
Ethan Mollick就给了这样一个例子。

截图自Twitter用户@emollick

在给打开了Code Interpreter功能的ChatGPT喂了一篇关于如何制作更好的散点图的论文后，果然系统反馈了一张升级版、更清晰标注的散点图。

不仅出图快，学习速度更快，就问这样的 Code Interpreter你怕不怕？

这些功能的实现意味着 Code Interpreter 让ChatGPT 不仅深度理解复杂文本内容，还能够进行转化。

这对整个数据行业的运作模式都是颠覆性的。然而不只是数据， Code Interpreter 在代码方面同样有心得体会。它不仅能够理解代码，还能够执行代码。

这里面想象空间就很大了，正如 Andrej Karpathy所强调的，社区需要一些时间来充分发挥Code Interpreter 的潜力。

被玩坏了的 Code Interpreter

Twitter上的大家自然已经是马不停蹄的搞起事情来了。

比如通过提供给ChatGPT的数据直接创建一个 XGBoost 预测模型，并且可以优化迭代，你所需要做的仅仅是告诉ChatGPT去进行调整参数的行动即可。

截图自Twitter用户@TechMemeKing

这是对Code Interpreter 代码执行能力的一个很好的体现。

再比如 Ethan Mollick就让 Code Interpreter 用 Python复制了自己的Stata格式文件，并且以CSV格式输出。这个过程中 Ethan Mollick所做的就是上传文件，用英语告诉它该干什么（out put it as a CSV file.），剩下的事情“升级版”ChatGPT完全自己完成了。

截图来自Twitter用户@emollick

这种代码级的理解甚至还涉及到一些跨模态领域，比如ChatGPT可以进行一些基础视频剪辑，还能把GIF和静态图片变成通过放大缩小、转移视角等方法变成一个短视频。

在Ethan Mollick给的另一个例子中，他上传了关于美国海岸灯塔位置的CSV文件，并要求ChatGPT生成它们在地图上的所有位置并闪烁，ChatGPT成功做到了这一点。

注意，这是一张GIF图片！

截图自Twitter用户@emollick

而目前为止（这个功能才上线了两天时间）最让人惊讶的是，有人甚至用 Code Interpreter 制作一个游戏！

Twitter用户@icreatelife写了一行要求ChatGPT生成游戏代码的 prompt，然后一套完整的游戏代码就出现了。

截图自Twitter用户@icreatelife截图自Twitter用户@icreatelife

具体的步骤是这样的。第一步，写prompt：write p5.js code for Asteroids where you control a spaceship with the mouse and shoot asteroids with the left click of the mouse. If your spaceship collides with an asteroid, you lose. If you shoot down all asteroids, you win! I want to use my own textures for the spaceship and for asteroids.

翻译：编写 p5.js 代码，在小行星中用鼠标控制一艘宇宙飞船，然后用鼠标左键单击小行星来射击小行星。如果你的宇宙飞船与小行星相撞，你就输了。如果你击落了所有小行星 ，你赢了！我想用我自己的纹理来制作宇宙飞船和小行星。

第二步，去创建草图，然后从 GPT-4 复制粘贴代码。

第三步，生成纹理文件。

第四步，将文件名替换为自己的文件名。

最后，运行程序！

这个开发的简单程度几乎等同于经典的“把大象装进冰箱总共分几步”，实际上如果不是要使用自己的纹理样式，这个游戏的开发过程就只剩下输入prompt，然后复制代码，替换文件名并运行这样寥寥几步！

尤其特别值得一提的是，如果程序运行中出现了错误，@icreatelife 强调你可以要求ChatGPT去修复，方法就是把错误代码复制粘贴到对话框中——这和询问人类程序员的方法是一模一样的。

而在某些例子里，Code Interpreter甚至可以自己修复代码！

更有想象力的未来

能够做到这一切神奇功能，还得回归到Code Interpreter的原理——相比于功能，Code Interpreter的原理看上去简单得多。

当用户发起请求的时候，Code Interpreter会生成一个沙盒环境来执行命令，这个环境里包括了一个Python解释器、库和临时的磁盘空间，在执行完成后，Code Interpreter会直接输出结果，这些结果在基于ChatGPT界面的所有函数中都可以使用，于是复杂任务就能被很好拆解。

作为最早使用Code Interpreter 功能的人之一，Ethan Mollick对它的能力进行了一个小概括：Heading towards a world of coding by intent. 迈向意图编码的世界。

你想要做什么，Code Interpreter用代码帮你实现。

这也就意味着，编程的成本变得无限低，人人可以用自然语言来自由编程。

甚至，如果你没有任何编程基础，还可以让ChatGPT来教你！你只需要给它的prompt里说“现在假设你是一位编程老师”即可，上文设计游戏的@icreatelife 就是这么做的。

用户用自然语言告诉ChatGPT最终需要的结果，Code Interpreter 在运行代码的过程中如果遇到错误会自己进行修正，直到产生符合要求的答案。

就生产力方面而言，这当然意味着对程序员工作的大减负，因为写代码实际上已经自动化了。加上对文件内容本身的理解以及对数据、图标的分析能力，Code Interpreter 将对程序员、数据分析师等许多行业造成大冲击，这也是有人愿意称它为GPT4.5的原因——它实在是太强大了，人们对它的能力认知可能还需要有一个逐步提高的过程。

但另一个方面，除了对就业市场的潜在影响，更为重要的是——拥有了代码能力的ChatGPT，实际上可以借助Code Interpreter找到降低和消除机器幻觉的路径。

自然语言在描述世界的过程中可能出现种种不准确、谬误和自圆其说的地方在代码面前都不存在，因为代码本身是基于精确规则运行的，这其中绝少有似是而非的空间。因此借助Code Interpreter 来消除大模型的“胡言乱语”这个思路将变得十分有吸引力。

如果代码让大模型变得更精准，那某种意义上说也就是让大模型更诚实了，从这个意义上说，把Code Interpreter称之为GPT4.5也不为过了。

刚刚进入下半年，汽车行业搞了一次史无前例的“维和行动”。在中国汽车工业协会主办的2023中国汽车论坛上，包括比亚迪、长城、特斯拉在内的16家车企联合签署了一项承诺书——《汽车行业维护公平竞争市场秩序承诺书》。

承诺书的前两条重点提到，不以非正常价格扰乱市场公平竞争秩序；要注重营销宣传方式方法，不夸大宣传、不虚假宣传。

图源：网络

《承诺书》签署一天后，“不以非正常价格扰乱市场公平竞争秩序”涉及“价格”的表述被主动删除。而《承诺书》发布的意义，和它今后能起到的作用，一时间仍然无法解读。

这项承诺书的背后，其实指的就是今年上半年以来中国汽车市场愈演愈烈的价格战竞争。而价格战究竟是否具有合理性？它在为用户带来更低价格的产品的同时，对整个市场和产业又带来了怎样的影响？这恰恰是今年上半年备受争议，和让诸多车企感到煎熬的话题。

此次参与签署《承诺书》的16家车企，分别为一汽、东风汽车、上汽、长安汽车、北汽集团、广汽集团、中国重汽、奇瑞汽车、江淮汽车、吉利、长城汽车、比亚迪、蔚来、理想、小鹏、特斯拉。

可以说，核心汽车集团、大自主、头部新势力们，甚至包括第一个卷起新能源汽车市场价格战的特斯拉都来了。

一场看似推动行业公平公正的承诺背后，却出现了一些更加矛盾的情绪。

中国已经成为全球特斯拉售价最便宜的市场，中国的新能源汽车产业卷的燃油车越来越无还手之力，中国新能源汽车行业，到底是变得更好了？还是竞争环境更差了？

确实谁也没想到，去年还在不断涨价的新能源汽车市场，转眼在今年价格战就愈演愈烈，去年消费者还在加价买车，今年就变成了“等等还能更便宜”。

刺激还有新车上市发布会也开始变成口水战，汽车媒体们甚至沉迷于“角色扮演”，一时间，中国新能源汽车市场甚至出现了那么一点点硝烟的气息。

明明上海车展上德系大佬们都包机前来组团膜拜了；明明中国品牌也能造出百万级的电动车了；明明插混可以卖的比燃油车还便宜了；明明欧洲已经开始恐慌中国新能源汽车很可能侵袭本土市场了。

明明我们的新能源汽车产业已经很硬气了，但是为什么还是有点这个行业在日益激烈的竞争中变得有点妖魔化的走势了呢？到底是哪里出了问题？

凭借中国新能源汽车产业在全球的领先发展势头，中国消费者终于能够买到全球最便宜的电动车了。当然，消费者对于产业链深陷价格战的阵痛，以及舆论战让一些汽车企业深陷品牌伤害是没有感知的。

所以，当这个行业准备看似握手言和的背后，是诸多消费者的不理解。长安汽车总裁王俊其实在这一活动上的发言，点到了问题的本质：行业内还出现了一些不明确、不正当竞争的现象。非资本因素参与、非市场化逻辑导致竞争格局的构建进一步复杂化。

那么，一份承诺书能让这个行业就此回归正常的竞争状态吗？产业链上下游利润越来越少需要如何解决？用户期待的高性价产品是否被就此被打压？

这些不解的疑惑，都来自挺高兴也挺糟心的上半年，也不妨让我们回顾下。

中国车市最畅销的已经不是大众了

今年一季度，比亚迪的上险量超越大众，此后的三个月，比亚迪还在持续刷新单月销量纪录，与大众的差距越来越大，可以说，比亚迪彻底改写了中国汽车市场外资居高的格局。

图源：比亚迪汽车

似乎大众也认可了短期内这种无法改写的局面，6月下旬，大众汽车集团CEO奧博穆在资本市场日上提到了大众汽车集团经营目标的一项重要调整：

从过去追求销量最大化调整为追求价值最大化。

这是因为，大众发现，过去那种通过销量提升利润的策略已经无法实现了，在中国这个大众最大的单一市场保住第二的前提下，大众必须重新思考盈利问题。

如果大众已经感受到在中国汽车市场的难过，日系甚至豪华品牌BBA们又何尝不是，可以说，今年上半年，中国品牌依靠新能源打败了传统燃油巨头的历史性时刻已经到来了。中国品牌也渐渐脱离了过去汽车市场上来自合资品牌的威胁。

价格战会就此停止吗？下半年合资品牌会拉开价格战新的序幕吗？反正大众、凯迪拉克已经开始了。

竞争不会停止，并且还是那么残酷。

扎心，新势力依然不赚钱

好消息，中国新能源汽车市场变好了，坏消息，并不是人人都赚钱。

尤其是在中国新能源汽车市场话题度甚高的新势力们，似乎并没有乘着新能源汽车市场发展的东风越走越顺，尤其是上半年，蔚来和小鹏眼看就要成为难兄难弟。

今年一季度蔚小理的财报，理想笑傲群雄，蔚来、小鹏不忍直视。虽然理想在今年一季度实现了单季度第三次盈利，但是，这并不意味着新势力就此终于有了一家连续盈利的车企。接下来，理想在纯电、补能以及智能驾驶上还有大手笔的投入，虽然理想账面资金充裕，但是长期盈利仍然是一项重要的课题。

图源：微博

新势力们亏着钱，自主巨头们也不好过。今年上半年，能拿出好看的财务数据的车企并不多，价格战对车企的承压能力消耗太大了，转型的投入也远超想象。

所以为什么整个行业在叫苦，因为钱都让比亚迪和特斯拉赚了。

好在，也有一些品牌终于要借助新车型熬过那个困难的周期了。最近小鹏汽车董事长何小鹏发微博称，G6上市后订单火爆。转机可能就要出现。

中国终于成为全球汽车最大出口国

自去年我国汽车出口超过德国后，今年一季度又超越日本，中国终于成为全球最大汽车出口国。

而拉动出口量上升的，当然是新能源汽车。

图源：网络

仅仅今年前5月的乘用车出口量，就已经接近2021年全年的汽车出口量。虽然这其中上海工厂生产的特斯拉带动了一部分出口量，不过，今年前5月的数据显示，自主品牌新能源已经成为我国新能源汽车出口主力了。

比如，今年前5月，比亚迪的出口量突破6万辆，超过了比亚迪去年全年的出口量总和。

再比如，东南亚市场已经成为中国新能源汽车重要的出口市场，中国车企在当地建厂、拉动本土产业链、建设渠道方面，也投入了大量资源。而这些市场，原本都是日系的重要出口市场。

当然，中国品牌的野心还包括欧洲，这也为德国汽车品牌们带来了跟大的转型压力。

上汽已经宣布要在欧洲建厂了，中国新能源汽车新一阶段的全球化已经来了。

出海，为我国新能源汽车市场发展燃起了希望。

卖纯电的干不过卖增程的

乘联会预测，今年上半年新能源汽车销量约为353万辆，同比增长44%。不过，插混+增程的增速，远超纯电动车型的增速。

从上半年各个品牌的表现更加不难看出，上了增程的企业销量涨势喜人。零跑C11增程版上市后，零跑月交付达到了过万的成绩；长安深蓝直接将打造行业第一增程品牌为目标。从上半年的交付量表现来看，新势力前三都被增程包揽了，理想、零跑、哪吒交付量远超蔚来、小鹏。

图源：网络

媒体们也开始乐衷于问只造纯电的车企，“打算上增程吗？”然后问造增程的车企，“啥时候造纯电？”

好像卖增程是错，不卖也是错。

与此同时，汽车行业里还暗暗较着一股劲：造插混的看不起造增程的。但是市场给出了现实的一票：卖纯电的特斯拉、卖插混的比亚迪、卖增程的理想，最终靠的都是成本优势。

归根到底，技术路线之争、新能源终极发展形态的讨论，都逃不开用户的灵魂追问：你的性价比究竟在哪？

所以说，与其纠结别人的技术路线，不如多研究研究市场，理解用户，永远不会吃亏。

新能源卷杀燃油车，价格战太猛了

今年上半年比亚迪成功带火了一个词：冠军版。

想卷同级别竞品吗？出个冠军版吧。而油电同价，也把市场竞争推向了高潮。

这也侧面反映出，今年上半年车企卷的太过猛烈，价格战甚至直接在新能源与燃油车之间爆发。

再也不会有人抱怨同级别新能源车型比燃油车贵了。

被卷的最懵的大概就是日系品牌了，过去一度需要加价买的汉兰达，已经连续几个月月销不足5000辆了。以前一项在混动车型定价强势的日系，今年也放低了姿态，比如6月上市的皓影，不但拉低了混动版门槛，PHEV版本价格与混动版价格相差也并不大。

在中国市场一再下滑的日系，虽然没有加快电动化的速度，但是在定价这一块儿，已经懂得，“一个极具竞争力”的价格是多么重要了。

贾跃亭的车终于上市了，但是交付还是延迟了

5月开始，贾跃亭的微博开始频繁更新，还开了抖音号，因为将近十年磨一剑的FF91终于上市了。

图源：微博

但是这款定价高达200万、并且需要全款预定的车型早已让汽车市场失去耐心，整个行业对于这款车型的讨论，甚至远不及对贾跃亭何时回国的关心。

整个6月，法拉第未来也在上演着独角戏。FF91上市后不久，又迎来了延迟交付的消息。6月底，FF又宣布获得了1.05亿美元融资承诺，可以继续生产。

FF依然像坐过山车一样生死未卜，但是挣扎在生死线上的又何止贾跃亭一人。

当行业竞争愈加激烈，现实也就愈加清晰：

造车不是为梦想买单。

贾跃亭该醒了，沈晖也该醒了。

汽车圈裁员最狠的竟然是自动驾驶

身在汽车圈，大概很多人可以感受到，汽车行业并没有随着新能源汽车的发展而显示出蓬勃之势，裁员潮时不时就会上演，行业的转型正在伴随着激烈的阵痛持续着。

自动驾驶堪称重灾区。

除了大众启动全面重组，自动驾驶技术公司日子更难，这是全球性的，而非仅仅在中国，很多自动驾驶技术公司或自动驾驶业务线都经历了人员重整。

对于自动驾驶这项需要长期投入、商业化速度慢的技术，资本市场早已表达出了不乐观的情绪。

图源：网络

与此同时，在应对电动化转型上，福特在欧洲和中国也开启了大规模裁员。

技术投入过高需要裁员，转型过慢需要裁员。自动驾驶风口的冷却恰恰印证了汽车行业在坚持技术驱动、长期价值与渴望商业化变现之间的矛盾。

不过，近日马斯克在世界人工智能大会上提到，特斯拉在今年晚些时候将实现完全自动驾驶。很多从业者知道，这个行业又要卷起来了。

卷，有时候也是好消息。

要问最近科技圈什么最火？或许是苹果Vision Pro。的确这款被誉为苹果下个十年的产物，一问世便引起来了轩然大波，记得在发布当天，只要随便瞥一眼各家科技头条，那绝对榜上有名，而时至今日，热度骤减，已经鲜能从网上新闻，茶余饭后讨论中听到它。

毕竟比起大语言模型来讲，苹果Vision Pro属于“空中楼阁”，看不见，摸不着，只能云评测。

而各种大语言模型就不一样了，不仅被讨论得热火朝天，甚至隔三差五就有一款面向消费者可以体验到的大模型，面世发布。

我问了几位身边的朋友，他们从大模型火起来的一开始非常好奇，但也就三分钟热度，因为早期ChatGPT的各种限制，大多数人尝试了一下就再也没有碰过，原因就在于没有具体场景可以深度使用。

而我却是另外一副情景，别人对大模型爱答不理，我却在利用微软Newbing定制出差旅游计划时，和大模型“吵起来了”。

我竟然和微软Newbing大模型吵起来了

起因微不足道，事情是这样的，我准备把这次前往厦门出差的差旅计划全部交给微软微软Newbing来策划，而选择微软Newbing，是因为就我个人体验而言，它或许是目前对于大众玩家而言，最容易上手的大模型，有三点原因：

其一，只要搭建好网络通路，就能访问Newbing全中文聊天界面，这个界面简洁直观，并能够在同一界面中体验到ChatGPT 3.5和4.0不同回答风格的乐趣。

在Newbing页面中，并没有直接写出ChatGPT 3.5这样对于大众用户一头雾水的单词，而是以“更平衡”替代，而ChatGPT 4.0则以“更富有创造力”和“更精确”替代，对大众用户来讲一目了然。

不得不说，界面还挺简洁的

如果希望它“说人话”我建议大家放在“更富有创造力”。

其二、可以直接使用微软Newbing来生成图片，它会免费且提供多套方案，不用再去其他付费AI网站满处找。

其三、资料都有迹可循，会在回答下方直接标出参考出处。

回归正题，这次我准备借着去厦门出差机会，周末到转悠转悠。但无奈时间太紧，想把厦门整体玩完简直天方夜谭，来厦门一定要去鼓浪屿，是来客不成文的规定，就和去北京不能不去故宫长城一样。

如果按照计划，如果周六下午去，中午落地立马去鼓浪屿会很疲劳，如果休息一晚，周日上午去又看不到日落美景，甚是矛盾，于是我就把选择权交给了微软Newbing。

微软Newbing建议我周日上午去，不仅能避开人流还能留有休息时间，而且白天风景也会很美。规划虽好，但其实我更愿意周六下午去，而且在我主观印象里，鼓浪屿晚上日落十分美景会比白天更有特色。

微软Newbing强烈建议我周日去

于是我就反问道：如果我周六下午去鼓浪屿，不是正好能赶上日落？岂不是晚上鼓浪屿更美？

微软Newbing直接回复了一大段，告诉我是赶不上日落的。但当我使用地图软件，查询到机场到酒店距离以及酒店到游船码头距离时间后，发现如果1点落地，3点就能到码头。

之后我就质问微软Newbing为什么赶不上？我从机场到码头，算上放行李也仅需要2小时。于是乎，微软Newbing就为我解释了为什么赶不上，总之，这口吻就像是“渣男”的PUA，告诉你一堆有的没的，比如交通拥堵、排队买票、等待渡轮等等，甚至告诉你还需要挑选拍照角落。

微软Newbing已经开始各种“PUA”我

这不仅PUA我，还让我多了一些担心。于是我就问微软Newbing，能不能为我生成一张带有徕卡影调和风格的拍摄鼓浪屿日落的示意图。

这暗角，真徕卡

看到生成好的图片后，就更加坚定了我周六去鼓浪屿的决心，于是我给Newbing提了非常刻薄的需求，

我让微软Newbing为我定制一套非常详细的差旅攻略，态度坚毅且决绝

当然，最后输出的计划就更刺激，我直接贴图。

看到微软Newbing竟为我定制了这样详细的旅游策略，心里真乐开了花，但打脸的事情来了。

期望有多大，失望就有多大

等落地厦门，整个人都傻眼了，阴天、大雨、闭园全赶上了，这让我对微软Newbing仅存的好感，完全破灭，直接“路转黑”，究其原因，可以概括为两点。

好家伙，落地厦门就大暴雨。天气预报压根就没写在微软Newbing策划的行程中

其一，Newbing目前只能结合网络断已有的文字攻略给出出行建议，并不会结合实时天气来进行策划，所以在落地厦门后，发现彼时的厦门尽然下起来了瓢泼大雨。而据我了解，厦们将近一周的天气都不好，不过还好到下午三四点就停了，还算是没有耽误我去鼓浪屿的行程。

其二，无法提供更详细的游玩景点“周边”信息，比如这次微软为我计划的去鼓浪屿日光岩景点，能告诉我这处景点景色优美。这确实让我觉得大模型判断“极为先进”，但当我下午5点来到景点后，却被拒之门外，谁也没料到会遇到“闭园”状况。

去日光岩吃了闭门羹

此外，关于更为细节的景点和景点之间间隔多少米？是否需要门票？几点打道回府？回程船票是否需要再单付？这些大模型都避而不谈，像极了渣男套路招式。

大模型真能替代“导游”服务业吗？

即使我已经使用了ChatGPT 4.0这样“极为先进”的模型，并通过Newbing “更富有创造力”接近正常人表达的效果来进行策划，输出的内容猛地一看也足够具体。

但仍然让我在使用后，觉得就是利用网上的攻略进行“拼凑”，毕竟我们在什么值得买、小红书这样的社交网站上看到的，也都是具体景点介绍，此外从给出的具体策划内容出处中也不难发现，这些内容也都是攻略向介绍。

这样最终反馈给消费者的策划内容，就像是导游提前列好的形成提纲，至于更为细节的景点路程时间、开园闭园时间等细节，这些本应该就是“导游”的职责，简单来讲，在大模型策划后输出的旅行攻略，以及实际交由给用户之间，缺少一名“地陪”角色。

有报告指出，2023年全球旅游总人次将达到107.8亿人次，全球旅游总收入将达到5.0万亿美元，这会恢复到19年的74.4%和86.2%。目前旅游经济呈稳步恢复态势，旅游业在多个层面发生了全面的、系统性的变化。

旅游市场有这样“巨型”蛋糕，那是否就意味着，像大模型这样的“产品们”会对这样的领域趋之若鹜呢？

答案是否定的，虽然目前已经相关部门推出的指导文件，旅游行业也迎来多项政策利好，通过智慧旅游融合创新来推动整个行业发展，但不论是从像国内的百度地图侧智慧平台，利用AI对数据分析挖掘，分析出的游客画像，还是面向游客侧客流预测、导览多形态介绍等场景，这些都只是针对特定景区利用大数据进行运用。

建议以后去旅行还是小红书吧 远比使用大模型做旅游攻略强不少

而对于游客从住所前往景区的路程规划以及像“导游”这样的细致入微的安排，似乎现在的一众“大模型”们仍然无能为力。

所以我建议如果要有出差或者旅游计划，千万不要完全依赖于大模型，最好的做法就是让大模型规划好一个大概的路线，之后直接利用“有真人讨论”的社交媒体或者社群去了解一些实打实的注意事项。

这样才是使用大模型规划行程的“最优解”。

等啊等，扎克伯格和马斯克的约架没看到，比两位中年男人肉身缠斗更精彩的乱斗来了：Meta的Twitter杀手Threads上线，社交媒体圈子很久没这么热闹过，Meta与Twitter、扎与马的恩怨情仇瞬间霸榜科技报道的头版头条。

12年没发推文的扎克伯格，在Threads上线当天挑衅式地登上Twitter（密码应该不是dadada了），发布了一张多元宇宙蜘蛛侠互指的经典梗图，开启了小扎蛰伏多年的反击。

图源：Twitter @Mark Zuckerberg

Meta在马斯克收购Twitter三个月后开启了这个代号92的项目。随着马斯克一次次作妖，Twitter这半年已经出现多次“移民潮”：Twitter硬核用户拥抱长毛象Mastodon，讨厌马斯克的社交重度用户加入Bluesky，就连懒得挪窝的日本画师都无奈转战新浪微博……

而Project 92最终定名为Threads，看起来这个名字平平无常，但实际上可能暗藏着小扎的心机。

Thread在科技界算是个菜市场名，可以代表进程，也可以是条目，当红智能家居协议Matter的基础通讯协议也叫Thread。但最重要的是，thread是Twitter社区最重要的符号之一，代表着一系列超过设定字数的高质量长推文。同时thread也是字母T开头，按照字母排序可以压Twitter（以及Tiktok）一头。这可能就是扎克伯格宁愿配上一个价值相对不高的 名词复数.net 域名也要用这个名字的其中一个原因吧。

藉由Instagram超过20亿的月活和巨量的口耳相传，Threads 甚至在中国区App Store下载总榜都能排到前五。一天之内，Threads聚集了超过3000万的用户，这个用户增速只有ChatGPT可以与之一战。

更让Twitter坐不住的是，Threads吸走的基本上都是品牌和红人——这是Twitter一直以来仰赖的流量和现金来源。Threads第一批优先登陆并发送推文的账号，全部都是Netflix、Vogue杂志、Airbnb、吉尼斯世界纪录等官方邀请来的品牌账号，还有Usher、Pink、Oprah Winfrey、Shakira等在各大主流社交媒体上都有庞大粉丝基数大名人“大V”，更有可口可乐这样马斯克接手后立马停止投放Twitter广告的大品牌方。

来个联动，图源：Threads @shakiranetflix在首条推文里玩起了“等人”梗，图源：Threads @Netflix US

也许在马斯克眼中，长毛象和Bluesky带走了只会白嫖、拦截广告和骂自己的不良用户。但是Threads不一样，和前面这两个技术和价值观驱动的非盈利平台相比，Threads的商业愿景更加清晰、直接——就是要把品牌从Twitter抢回来，然后让他们在这里过得更滋润。

左图为长毛象Mastodon官方客户端的隐私获取情况，显示该应用未收集用户数据；右图为Threads的隐私获取情况。图源：App Store

因为Threads应用还相当早期，并没有任何公开数据供我们进行佐证。仅从品玩Global的观察和体验来看，Threads基本上沿用了Instagram的规则，对大V的展示度比一般的用户更高，基本上一次刷新，认证用户的推文（这里还是继续沿用推文的说法）占到7成左右。

在注册的流程上，这可能是对品牌最友好的新社交平台了。首先，因为Threads直接和Instagram账号和认证信息绑定，品牌无需担心Threads id被恶意抢注，并且直接带蓝勾无需二次认证。

Threads的账户管理后台也和Instagram完全捆绑、并提供选项链接Facebook、Whatsapp账号，对普通用户来说可能感觉不适，但对品牌运营方来说，这种一站式服务不要太方便。

其次，Threads注册完成之后，在设计上刻意引导用户选择关注所有Instagram跟踪账号，即使里面的账号都没有开通Threads都可以预关注，如此倒用户的量级只有在微信早期抢用户用QQ导联系人时候见过。总之，品牌方也不需要花费太多额外精力就可以实现从0到1，获得可观的互动和效果。

在使用体验上，Threads产品本身还处于荒蛮时期，是很适合做growth hacking的阶段，和官方玩梗，开Twitter玩笑，都能获得不错传播效果。另外就是Threads在这个阶段还没有商业化，品牌方可以低成本进行测试，无论是发送文字、图片还是视频，或者串门回复，都可以获得可观的展示量和传播声量。

真官方号从不回头看爆炸，图源：Threads @oppo

另外，Threads背后Instagram的传播池也不小，目前Threads提供一键推文转图像，分享到Instagram时间轴和story，品玩global拥有的Instagram账号的story流已经出现不少Threads专属的分享图片，也可以从Instagram一键切换到Threads，继续吸引更多用户来注册。

未来Threads还将兼容去中心化社交网络协议ActivityPub，接入所谓联邦网络Fediverse，简单来说就是和长毛象等众多基于ActivityPub协议的服务打通，可以跨服务追踪、互相@、搜索等等，这就让Threads的未来变得更加开放和有更多可能性，自然，品牌也可以基于ActivityPub进行新的营销尝试。

简而言之，就目前的设计，普通人发布的内容获得公开展示的机会很少，甚至体验像Instagram一样，只能开小透明号看热闹。Threads就是为品牌而生，未来也会是Instagram营销的极大补充。Twitter曾经引以为豪的点赞和转推营销，几乎可以被像素级复制到Threads，不但在平台内发酵，也可以在Instagram、Facebook、Fediverse进行二次放大，一鱼多吃。

当然，目前Threads还存在着各种不确定性，比如Threads的原罪——Meta。Meta旗下产品对用户隐私保护的缺失一向为人诟病，Facebook就因为剑桥分析丑闻爆发过类似于Twitter移民的#deletefacebook 行动。许多其他社交平台观望的用户也都是因为这是Meta的产品而不愿意登陆Threads。

图源：网络

相较于限制级内容满天飞的Twitter，Threads不允许成人向内容等对品牌安全有害的信息发布。换句话说，它的确不像Twitter那般自由，用户不能口无遮拦。普通用户使用Threads的体验和Instagram差不多，如果不是精心编排过的内容很难获得流量，大多数人想必都是浏览大于发布。但是没有限制级内容在另一层面上又一次保护了品牌，让品牌内容的呈现更得体。

有趣的是，美国左派政治人物AOC直接在Bluesky表明，她再也不会相信大企业的社交平台。但与此同时，Nothing手机的创始人裴宇在Threads表示Bluesky已经没戏了。可以预见，这种分裂的拉扯还会在多个平台上演。

另外就是有人认为Threads的一夜成名只不过是另一个Clubhouse，这也带来Threads平台持续性的怀疑。的确目前看来，Threads的推文展示仍很单一，所有的声音堆在一起，没有可掌握的线索和规律可言，这个特质确实和刚在爆发期的Clubhouse很像。如果开发节奏慢一些，这样的使用体验可能会劝退一部分用户。

较少数有线索（thread）的内容，图源：Threads

此外就是属于监管的影响，虽然Threads上线浩浩荡荡，但实际上它还没有开放欧盟市场。受欧洲数据监管法规影响，Threads在欧洲推出的日子还无法确定，也不排除永远没有办法或者用妥协办法进入欧洲的可能，这会让Threads替代Twitter成为全球脉搏的进程蒙上阴影。

虽然按照中国更为超前的应用生态发展，下一个爆点会是小红书类的图文分享。但看到价值暴跌，广告商流失严重的Twitter还处在大而不倒的状态。这也证明了基于文字的社交媒体在海外的需求度依然很高，用户的参与度也维持在一定的高位。在目前Twitter每天胡搞瞎搞并且不知道第二天会闹出什么样幺蛾子的情况下，这是Threads的好机会，对于需要在海外市场有所突破的品牌方来说，Threads愿意双向奔赴，同样是个不容错过的机会。

我们正在经历一场声势浩大的AI新基建大潮。

半年之内，大模型从小范围共识迅速扩散。中信所发布的报告显示，目前已发布的参数模型超过10亿的大模型数量已经接近80个，一半来自企业，一半来自科研机构。

国内大模型生态逐渐形成的过程中，也开始剥离对OpenAI的追随逐渐寻找适合自己的道路。衡量大模型成功与否的标准，也从硬桥硬马的参数竞赛，来到了真刀真枪的解决问题上。

商汤科技在今年4月首次公布了“日日新SenseNova”的大模型体系，发布了包括自研中文大语言模型“商量SenseChat”在内的多个AI大模型及应用。近日在世界人工智能大会上，商汤科技宣布了“日日新SenseNova大模型”体系的第一次重大迭代。大语言模型“商量”升级到2.0版本。

它更强了。在整个商汤科技大模型布局体系中，它的作用也愈发明显。

更强的“商量2.0”

怎么直观体现“商量2.0”的能力提升？ 商汤科技董事长兼CEO徐立在现场演示了老子与孔子之间的一场并不存在的对话。

“商量2.0”的回答围绕“道”来进行。孔子向老子问道，老子虽然已经悟道，但无法与孔子言说，只是拂袖而去。这一场演绎出的对话行云流水。“商量2.0”甚至在文中加了一个玩笑：

孔子曰：“吾闻夫子大名，今日得一见，实乃三生有幸！”

老子笑道：“非也，吾与汝同道而行，何来‘三生’？”

并且依据问题，整个对话以文言形式出现。并且为了避免混淆，“商量2.0”也在回答的第一句话写明了“这只是虚构之作，不应被视为历史的真实记录”这样的前提。

“商量1.0”首次推出时，现场的演示已经展现了它优秀的多轮对话以及人机共创能力。三个月后，“商量2.0”在知识信息准确性、逻辑判断能力、上下文理解能力、创作性等方面都有了更多提升。

比如用“商量2.0”来做旅行规划，并且吩咐它做成表格：

或者来考验考验关于“女朋友说的都对”的事：

甚至不只是能读懂女朋友，“商量2.0”还能读出点反讽或者阴阳怪气的语气了：

这三个月“商量2.0”到底经历了什么，其实看看几场考试结果就知道了。在全球范围内的三个权威大语言模型评测基准（MMLU、AGIEval、C-Eval）的测评结果中，“商量2.0”的表现都超过了ChatGPT。

除此之外，可能有一些人在前面老子与孔子对话的演示照片中注意到了“商量2.0”出现了XL和S两个版本的分屏演示，这是“商量2.0”在升级后增加了更多不同参数尺寸的大模型以供客户选择，其中最小参数的模型版本甚至可以跑在手机终端上。

在语言上“商量2.0”新增了阿拉伯语和粤语等新语种。支持简体中文、繁体中文以及英语等多语言之间的交互。并且“商量2.0”对超长文本的支持，也从2k提升到 32k，能够更加充分理解上下文。

对于商汤科技这样核心面向ToB的大模型厂商来说，大模型本身的素质只是起点，企业客户如何以自己的需求给大模型定义出具体轮廓，后者如何实现稳定的迭代流程并一步步逼近真实的痛点，是最终分胜负的地方。

开放知识库融合能力

商汤科技训练出一个具备超强的理解、对话、推理等能力的“商量2.0”后，企业客户还可以用自己沉淀下来的企业知识让大模型变成能够服务好自己企业的“专业人才”。

如何高效解决这些工程问题非常重要。

商汤科技此次推出的“商量2.0”新增了知识库融合接口，让企业可以无需等待基础大模型的迭代升级，快速拥有专业知识和能力。融合了知识库后，可以增强模型对知识更新理解的能力，加强知识的快速理解和获取，同时客户训练模型的成本会大幅降低。

商汤科技联合创始人、首席科学家王晓刚表示：“有了知识库，不需要进入到我们的模型本身，就可以比较简单、方便地将这个领域的相应知识总结在一起”，并且因为信息更加准确，也解决了幻觉的问题。

作为效率工具的数字人

“商量2.0”的全面升级的同时，“日日新SenseNova大模型”体系内AIGC平台能力也在不断突破，并且在融合语言大模型能力后，实现了跨越式提升。

比如前面提到的文生图创作平台“秒画”此次升级到了3.0版本，模型参数提升到了70亿量级，生成图片的细节刻画达到专业摄影级别。而在提示词这个头疼问题上，“商量2.0”为“秒画3.0”提供了提示词的自动扩展能力。这意味着用户只需要少量简单的提示词就可以达到一张细节丰富的图像结果。

而在数字人领域，此次商汤科技的数字人视频生成平台“如影”也升级到了2.0版本，“如影2.0”的语音和口型流畅度的提升超过30%，并且可以实现4K视频效果。发布会上，经济学家任泽平、延参法师以及徐立本人的数字人形象现身，效果足以乱真。

在大模型的落地场景中，数字人是一个非常重要的承载方式，近日十分火热的数字人直播带货就是一个典型场景。而直播带货包括短视频也是“如影2.0”在3个月内测和公测中间，客户最聚焦的场景之一。

商汤科技数字文娱事业部总经理栾青表示，在AIGC这个大框架内，“商量2.0”可以承担短视频直播的文案和剧本创作。而“如影2.0”如何在交流上能够紧跟潮流，也要依靠“商量2.0”的语言大模型能力去学习时新的短视频语料。

短视频和直播场景之外，“如影2.0”正在加速进入各行各业。

比如保险行业，每一个保险专员都有为客户宣传新产品或是其他个性化的服务型内容输出需求，“如影2.0”可以在客户的生日或某个理财产品发布的节点去代替保险专员做个性化的内容和服务；在教育行业，“如影2.0”已经开始协助国内头部职业教育平台的教师制作教育素材，解决内部对视频制作的需求。

“数字人是一个很典型的企业内部的效率工具。”栾青表示。

如影作为一个AIGC创作平台未来会继续在视频生成领域做深，栾青认为这是由于内容创作正在经历一个从文字、图片到视频的维度变化。

迈向多模态

由于图片与视频信息在真实世界中的占比极大，远超语言信息，对于真实世界的理解需求让基础大模型的未来一定会走向多模态，这一点透过“商量2.0”已经初见端倪。

除了文字，“商量2.0”拥有了对图片和视频内容的分析能力。

比如，如上图展示，“商量2.0”可以在一张杂乱的办公桌照片中识别出具体物件之后，结合每个物品的特性来回答“当你感觉热时，你会做什么”这样接近流程设计的开放问题；或者在看到一张菜单照片后，帮助用户在一个限定价格区间内给出点菜方案。

最初从计算机视觉的研究切入AI领域，已经跨过一次AI浪潮的商汤科技更确信这一次大模型拉起的浪潮会是一次真正的机会。

现在的大模型研究都是基于transformer网络架构。“商汤从2019年开始从事大模型研究，那时候做视觉走的就是这条路线”，在商汤科技联合创始人、首席科学家王晓刚看来，今天一些视觉标准和自然语言标准正在逐渐趋向融合，“我们往多模态方向发展的时候，语言、视觉开始有更加深度的融合，就体现出比较强的这方面的积累和能力。”

我们现实生活当中遇到的很多应用场景，如在自动驾驶、机器人等等一系列领域，都要运用到多模态。“但是多模态的数据和一些任务，往往不容易获取，需要有很深的行业积累，这方面也是商汤的优势所在。” 王晓刚介绍到。

在今年世界人工智能大会，首次公开亮相三个月后，商汤“日日新SenseNova大模型”体系以全面升级的姿态对企业级用户开放。同时许多人没有注意到，商汤还联合上海人工智能实验室一起发布了书生多模态大模型。未来，商汤是否能率先找到决胜多模态之路的钥匙，很值得期待。

摄影：申远 （全部摄制于WAIC现场）

监制：王兆洋

校对：申远，王兆洋

请看：

看够了么？我已经不认识大模型三个字了。

“我们做模型不是为了和其他模型竞争。”

在2023年世界人工智能大会期间，阿里云CTO周靖人这样说道。这似乎和许多人津津乐道的“百模大战”有些出入，不是无论大厂小厂都在开发自己的模型，然后彼此竞争么？阿里云也是其中之一啊。

这种痴迷于零和游戏的刻画其实有些粗糙而一厢情愿。它忽视了阿里云作为一家云计算厂商的本质，和它在提出模型即服务的模式后真正在一步步建设的东西。

也就是，云计算服务是它一切动作的出发点。

通义系列的模型只是其中一部分。在这之外，周靖人提醒人们关注阿里云做模型的逻辑。“我们有多重身份。”周靖人说。“我们自己的大模型是为了服务好云上的企业和ISV，让他们可以更简单地调用模型，或把大模型集成到他们的业务体系里，这样我们可以期待应用的爆发。同时，我们也要服务自研模型的创新者和模型开发者，给他们提供工具和生态。”

而无论是直接满足自己平台上的已有客户的需求，还是给更多的模型创造者们提供高质量的算力和工具等基础设施，归根到底，阿里云要通过降低门槛来让生态繁荣，让模型真正发挥作用，来解决实际问题。没人想要让大模型仅仅停留在一种被讨论被神化或被妖魔化的概念了。

更多的积木

为达到这个目标，阿里云的一个做法是，要通过各种工具建设让模型的研发和使用像搭积木一样简单。

当天周靖人公布了阿里云提供的更多的“积木”。

首先是通义大模型体系的新积木，文生图的模型通义万相。

和此前出现的通义千问，通义听悟一起，它们组成目前阿里云自己的大模型系列，并且成员肯定还会继续扩充，沿着阿里云多模态的既定路线继续进行。

据介绍，通义万相基于阿里研发的组合式生成模型Composer，简单说，它通过把图片的元素进行拆解的方法来控制生成的稳定性，这是一种基于扩散模型的组合式生成框架。周靖人参与其中的Composer 相关论文已被国际 AI 顶会 ICML 2023 收录。

在这样的新思路下，它在产品侧除了提供传统的基于提示词的文生图功能，还提供了相似图生成，可以提供想要的风格的图片来帮助生成；以及风格迁移功能，可以更直观的把一个给定图片的风格实现在另一张生成图片上。这些很明显都在解决用户生成图片的稳定性和可用性的问题。

在自研体系之外，阿里云也在为百模市场造积木，比如灵积模型服务平台。

它给模型创造者提供标准上云接口，也给要使用模型的应用开发者提供统一SDK。

对模型，它提供一系列自动化的模型上云工具链路，支持模型的自主接入，把它们引向阿里云积累的模型推理微调拓展以及自适应弹性部署等各种服务能力，并且可以根据需求进行公共部署或用户自定义独占部署等。这使得模型不仅能通过推理API被集成，也能通过训练微调API实现模型定制化。

对AI开发者，可以通过统一的SDK方便地获取不同模型并集成到自己的应用中。

当前灵积平台上托管了很多业界领先大语言模型，除了阿里云自己的通义千问，更多的是ChatGLM-v2、百川、姜子牙、Dolly等三方模型。

灵积背后是阿里云强大的算力和AI开发平台，包括传说中拥有十万卡GPU的国内最强智算集群，以及支持万卡的单任务分布式训练规模的机器学习平台PAI。

这些积木将会降低大模型的研发和使用门槛，让中国的模型市场生态更自由、更活跃。而AI开发者社区魔搭，是未来的大模型自由市场的预演。

模型自由市场的预演

魔搭社区是阿里去年推出的AI模型社区，上线以来增长惊人，短短半年多已经是国内最大的AI模型社区，目前集聚了180多万开发者和900多个优质AI模型，这些模型由20多家顶尖人工智能机构贡献，累计下载量突破3600万。这其中，有约100个参数规模在10亿以上的大模型。

在魔搭，所有模型生产者都可上传模型，验证模型的技术能力，探索模型的应用场景和商业化模式。魔搭社区打通了与灵积平台的部署链路，支持社区的模型通过灵积来实现服务化。

大会当天，阿里云又推出了一个新工具ModelScope GPT（魔搭GPT），它能任意组合、自由调度魔搭平台所有大小模型。

魔搭GPT是一个听得懂人话的工具，你只需要跟它对话，提出需求，它就可以通过中枢大模型去寻找调用小模型，组队完成你给的任务。

事实上它也是今天被越来越多模型开发者重视的AI Agent技术路线的一种，简单说就是可以基于理解自主决策的助手。

“它也是一种模型，更多是AI Agent，它通过对其他模型，甚至是对其他整个互联网的各种工具的理解，结合自然语言和多模态的能力，能够更智能化地拆解复杂问题，在每一个子问题里调用相关模型去解决。”周靖人说。

“我们需要一个通用的Agent，结合模型力量去帮我们完成各种任务。我相信这个想象空间是非常巨大的。”他说。

ModelScope GPT可以视作一种“打样”，基于魔搭社区的生态基础，开发一款工具，增加开发者与模型社区的互动，增加模型社区的要素流动，激发整个社区的创新。

据介绍，ModelScope GPT现已能够调用魔搭社区十多个核心AI模型的API，包括地址解析，信息抽取，翻译，语音视频合成等等，未来它的模型API清单会不断扩容，能力也会不断增强。

阿里云决定把ModelScope GPT的数据集和训练方案开放，供开发者自己上手，制作趁手的模型调用工具，用到任何想用的地方。

有生态，自然会有商业化

今年的人工智能大会上，大模型已经成为绝对焦点，穿梭展区和论坛，你会发现MaaS（模型即服务）概念已无处不在。

去年11月，阿里云率先在业界提出“Model as a service”概念，同时推出AI模型社区魔搭。彼时行业还响应者不多，而今天它已经衍生出各种理解。

大模型正在重塑云计算行业。云计算服务商，需要围绕AI模型这个中心，提供包括模型训练、推理、部署、精调、测评、产品化落地等全方位服务。

“阿里云在践行MaaS开发范式，围绕AI模型，重新定义和设计云产品的方方面面。”周靖人说。

某种程度上，在MaaS的思路下，阿里云平台不止服务自研模型，而更像是一个大模型的“天猫”，这是一个所有模型都可以通过它直接提供给潜在用户的平台，而非以自营为主、所有其他东西都服务于自营的模式。

“阿里云将把促进中国大模型生态的繁荣作为首要目标，向大模型创业公司提供全方位的服务。”周靖人说。只有真正让模型带来的技术能力深入群众，解决真正的问题，才能让生态繁荣。

MaaS范式也许并不直接通向某个具体的商业模式。周靖人认为，当模型自由市场的生态开始繁荣，当我们真正开始用大模型解决实际问题，商业化的模式会自然生成，而这个过程一定是基于公共云路线之上的。

“今天我们希望一个模型能够触达更多的开发者，或者说产生更多的真实价值，而它只有通过公共云的方式才能触达到全社会，今天如何利用好公共云的技术优势和价值，是企业和开发者能够实现业务突破的重要方面。”

云计算就是以基础设施的方式让更多人享用计算能力，大模型归根结底也是计算能力的一次进步，而让更多人以更低门槛获得新技术带来的新计算能力，才是云厂商该扮演的角色。

什么是战略性稀有资源？

商务部和海关总署宣布将从 8 月 1 日起对镓和锗实施出口管制，一石激起千层浪。

大家可能对镓的化合物之一氮化镓比较熟悉，各种快充头之所以能在提升功率的同时缩小尺寸，都亏了这种化合物。

作为一种新型半导体材料，氮化镓热导率高，导通电阻低，除了做电源适配器，在半导体照明领域氮化镓也有广泛应用，比如 高亮度发光二极管（LED），而且由于熔点高、频率高的特点，氮化镓在微波雷达、卫星通信等产业中也颇有发展潜力，美国爱国者导弹防御系统据说就在研发基于氮化镓的替代技术。

这还只是镓诸多化合物中的一种。镓的其他化合物，比如砷化镓在射频领域有广泛应用，而属于第四代半导体的氧化镓具有耐高温、耐高压、大功率的特点，这让它在军事领域有巨大应用潜力， 2022 年美国已经宣布对其实行出口管制。

至于另一种元素锗，它的单晶体和各种化合物，无论在光学领域还是半导体材料中都有大量的应用，除了可以用来制造光纤预制棒、太阳能电池衬底和红外镜头外，磷化锗锌晶体还能帮助实现激光器的小型化，除了民用的红外光谱、红外医疗器械等应用外，还能用于国防领域，比如激光雷达等。

所有以上这些元素和它们的化合物，都包括在了商务部、海关总署联合发布的出口管制名单中。根据规定，想要出口这些物项，必须向商务部申请许可。《公告》还特别明确指出，对国家安全有重大影响的物项，还需要商务部会同有关部门报国务院批准。

为什么要对镓和锗实施出口管制？最浅显的理由当然是产量。中国生产了全球超过 90%的镓和近 70%的锗，但实际上中国并不是什么财大气粗的自然资源“大户人家”，以锗为例，美国的储量甚至比中国还高一些，因此，完全不对这些稀有矿产资源的使用进行管控显然不符合可持续发展的理念。

但实话实说，稀有矿产资源不少，为什么单单管制这两种？

答案是战略性。上文介绍这些元素的化合物性质时实际上已经谈到，作为出色的半导体材料，它们所拥有的巨大潜力其背后的技术路径基本上都是军民两用的，不管是提高芯片性能，强化雷达功率，还是制造太阳能电池，这些提升既可以是民用的，也可以服务于国防和军事目的。

比如，氮化镓对电离辐射的敏感度较低，这让它可以进入太空成为人造卫星的太阳能电池阵列的一部分。

2016 年，美国就叫停了一桩中国投资者对飞利浦子公司的收购计划，根据华尔街日报的说法，原因正是这个子公司负责的照明业务实际上包括了某些氮化镓技术，美国海外投资委员会以国家安全的理由否决了这笔交易。

可见，在这些化合物的战略重要性上，全球的看法是基本一致的。

从先进制程半导体到太阳能电池板，从电动汽车到LED照明系统，镓、锗及相关化合物发挥的重要作用，让欧盟和日本都将它们归类为战略性矿产，而美国国家地质调查局更将其列入“关键性”矿物名单中，进入这份名单的矿物资源不仅具有重要的经济或安全意义，而且在供应链方面具有某些薄弱和易被攻击处。

这正是中国作为镓和锗的资源大国对其实施出口管制的原因。

打开中国的政策工具箱

实际上，对关键矿产资源实行出口管制是国际通行做法，本来不值得大惊小怪，之所以此次引发舆论的关注，关键还是其时间节点。

就在中国出口管制措施宣布之际，美国有两条重要消息公布，其一是财政部长耶伦将要访问中国，其二则是美国去年 10 月公布的半导体出口管制政策传出要进一步扩大升级的消息——除了实体芯片的限制将会再加码外，美国还试图限制中国用户使用美国的云服务。

如果再加上荷兰政府刚刚正式公布的旨在限制 ASML 出口先进光刻机的规则，以美国为主导，在先进制程半导体芯片领域对中国全方位围堵的策略实际上正在逐步成型。

没有人会在纸面的规则里公然写上中国的名字，它们宣称所有一切都是基于国家安全利益的考量，而为了维护所谓国家安全利益，既可以堂皇破坏全球化贸易规则，大搞单边制裁、保护主义，也可以不受监督的任意行使自由裁量权力，以完全泛化的公平和安全名义，对所有涉及先进技术的正常商业交流实行“审查”制度。

这种行为实际上完全枉顾全球半导体产业链实际上已经紧密融合而成为一个整体的事实，从一开始就遭到了包括美国企业在内的各方反对。

中国既是一个巨大的市场，同时也是产业链的重要一环，因此一开始我们并没有采取直接反击的行动，而是在每一个场合不断强调全球合作和产业分工的重要性，以及中国为之做出的重要贡献。

然而随着对手以几近歇斯底里的方式不断出招，大搞围堵战略，甚至抱着把中国从先进制造产业链中剥离出去的想法，一味的妥协忍让显然无法争取到合理、正当和足够的生存空间。

针对镓和锗的出口管制是中国从政策工具箱里精心遴选的武器。

它的切入点十分精准，镓和锗的重要性已经如前所述，中国作为主要的出产国，在这两种战略资源上决定性的话语权是任何人都无法消解和否定的。

而这项政策的打击面同样也经过精心的考虑。中国是国际自由贸易规则的坚定维护者，现有的政策工具实际上仍然是防守反击性质的，既符合中国的国家安全利益，同时实现了精准打击和严肃警告的作用。正如外交部发言人所说，中国政府依法对相关物项实施出口管制，是国际通行做法，不针对任何特定国家。

最后，作为一个拥有全产业工业链，地大物博资源丰富的国家，中国维护自己安全和正当合法权益的行动实际上是在向所有人宣示，我们的反制工具还有很多，信心和能力都是坚定不移的。

在《中国日报》的独家专访中，商务部原副部长魏建国表示，对镓和锗实施出口管制的举措是经过“深思熟虑”的。

“不仅能打得某些国家慌，还会打得某些国家疼。”中国从来不是主动挑起事端的一方，但也绝不会坐等对手找上门来被动挨打，而从镓和锗的博弈中就能看出，打蛇七寸的手段，我们还有更多。