在品牌建设的浪潮中，达人常被视为“救命稻草”。但他们真的是决定性的力量吗？或许，达人更像是催化剂，而非救世主。本篇文章将带你重新审视达人价值，理解品牌成长背后的真正驱动力。在流量成本越来越高的今天，许多品牌将冷启动的希望寄托于达人矩阵。但无数案例证明，缺乏品牌基石，达人带货只是一场“租借流量”的短暂狂欢。作为一名长期奋战在品牌内容传播一线的人，我与无数新消费品牌一样，曾一度将达人种草视为解决品牌冷启动的“万能钥匙”。然而，现实的冷水一次次泼来：一场场几百万甚至千万的达人投放，可能带来了短暂的销量脉冲，但活动结束后，品牌声量迅速回落，用户只记得“XX达人推荐过”，却记不住品牌本身，复购率和品牌溢价更是无从谈起。我终于清醒地认识到：达人，永远无法独立解决品牌冷启动问题。它们不是构建品牌的“基石”，而是品牌有了基石之后，最好的“催化剂”。一、迷思与困境：为什么达人解决不了品牌冷启动？当我们谈论“品牌引爆”的时候，核心任务是构建最初的品牌认知、建立基础信任和明确价值主张。而这恰恰是达人模式的软肋：“租赁信任”的致命缺陷：用户购买，是基于对达人的信任，这是一种可租赁但难沉淀的信任资产。交易完成，信任关系也随之终结。品牌自身没有与用户建立直接的联系，导致“达人一走，流量即停”的尴尬局面。流量≠品牌资产：达人带来的是瞬时流量和短期销量，但这些数据很难转化为品牌的认知度、美誉度和忠诚度。流量是水， ...继续阅读 (1)

不知不觉，吉利帝豪已经来到第五代了。距离第一代车型上市，已经过去了整整 16 年。在那个国产车还要跟合资车抢饭碗的年代，恐怕没人能想到，今天的中国车市会被电池和电机统治。这种反差在今天的舆论场里显得尤为强烈。当大家都在聊 800V、激光雷达、百公里加速 3 秒的时候，把一台搭载 1.5L 发动机的入门家轿推到台前，听起来甚至有种不合时宜的复古感。但吉利偏偏就这么干了。就在刚刚，第五代帝豪正式上市。官方指导价 7.49 万 – 8.29 万元，配合限时权益，起售价直接杀到了 6.59 万元。当所有车企都在忙着向上突围，忙着讲科技故事的时候，吉利反而在思考，那些预算只有几万块、没有充电条件、或者单纯就是不想伺候电池的沉默的大多数，他们到底需要一台什么样的车？把 B 级车的体验，塞进 6 万块的预算里如果不看这台车的尾标，光看侧面的线条和体量感，你很难把它和「帝豪」这两个字联系起来。4815mm 的车长，2755mm 的轴距，这组数据放在几年前，妥妥就是一台 B 级车的标准。这种尺寸上的变化带来的感官刺激是很直接的，尤其是当你把第五代帝豪和朗逸、轩逸这些传统合资对手停在一起时，这种体量上的优势会转化成一种很微妙的心理优势——花同样的钱，我买到了一台更大的车。这台墨绿色的实车，前脸采用了吉利家族标志性的直瀑式格栅，官方给它赋予了很多关于时间的文化寓意，但从工业设计的角度看，这其 ...继续阅读 (1)

Calligraphy是一款英文花体字，可以用于商业和非商业场合。限免获取地址：https://www.creativefabrica.com/daily-gifts/ref/2025266/夸克网盘：https://pan.quark.cn/s/165267e64ff9限免截止时间：2025年11月20日16时 来自反斗限免 ...继续阅读 (1)

疫情过后，制造商和供应链领域的领袖们一致认为，更强大的系统和技术对于应对未来的潜在波动至关重要。如今，我们将见证这些经验教训是否得到了真正的吸收和实施。供应冲击和需求冲击有何区别？运营和供应链领袖们通常被教导要判断潜在的干扰是来自供应冲击还是需求冲击。然而，如果说近期的历史教会了我们什么，那就是今天的正在发生的是同时影响供应和需求的“双重冲击”。这种双重冲击在不同行业和国家的表现形式各不相同，导致一些行业面临严重的投入限制，而另一些行业，则因关税和政策的变化而需求下降，从而使市场动态发生变化。同样，拥有强大的国内替代方案或已建立区域联盟的国家，可能比那些严重依赖目前充满争议的贸易关系的国家更能有效地应对这些冲击。企业规模、资源可用性、区域市场覆盖范围、供应链复杂性和企业财务状况等因素都会影响冲击的严重程度。规模较小的企业往往缺乏足够的资本缓冲或多元化的供应商网络，难以抵御外部冲击。同样，深度融入全球供应链或高度依赖特定区域市场的企业，可能更容易受到地缘政治不稳定性的影响。相反，拥有完善的应急计划、多元化业务和强大财务韧性的企业则更有能力应对动荡，并最终变得更加强大。对于制造商而言，这些故事说明了一个很清晰明确的道理：如果不采取任何措施，则无法建立韧性。进步需要信念、活力和持续创新——这一点在面对逆境时尤其重要。想要在全球不确定的大环境下实现蓬勃发展，企业需要信念和远见——打破部门壁 ...继续阅读 (1)

如何设计可配置的供应链SaaS架构：多租户与多组织设计的核心逻辑--让一套系统适配千变万化的企业组织架构，是可配置架构设计的终极挑战。作为产品经理，我们常常面临这样的需求：一家大型集团需要让总部看到所有分公司的数据，而分公司只能看到自己辖区的内容，不同部门还需要不同的功能权限。这背后的核心，就是多租户与多组织架构的设计。01 理解多租户与多组织的本质区别在深入设计之前，必须厘清两个核心概念：租户和组织。租户通常指一个独立的企业客户，租户间数据完全隔离，是安全的边界。例如，使用同一套SaaS系统的A公司和B公司就是两个不同的租户，他们的数据彼此不可见。组织是一个租户内部的行政结构，如总部、分公司、部门等，组织间通常需要数据共享和流程协作。例如，A公司旗下的华东分公司和华北分公司就是两个不同的组织。这种层级关系决定了不同的数据隔离需求和安全策略，是系统架构设计的基础。02 多租户数据隔离的三种核心方案数据隔离是多租户设计的核心。主要有三种方案，各有适用场景。下面的表格详细比较了三种方案的特点：1. 独立数据库方案（数据库级隔离）每个租户拥有独立的数据库实例，提供最高级别的数据隔离。这种方案适合对数据安全要求极高的大型企业，如政府机构、金融机构等。优点：数据隔离性最强，安全性最高，可针对单个租户进行个性化定制缺点：硬件和维护成本高，升级维护复杂2. 共享数据库隔离Schema（表级隔离） ...继续阅读 (2)

激活老用户，比拼命拉新更暴利！一句话：把话说进他们心坎里，就能让用户多留 3 倍时间、多买 5 次单，而成本只有新客的 1/5。ROI 不是提升，是坐火箭。流量荒年，别再做“抢人”大战的炮灰！当新增用户像沙漠里的水越掘越少，DAU 成为最后一块必争之地，却也开始触顶。真正的增长黑客早已调转枪口——把每一位老用户炼成“超级用户”：让他们停留更久、消费更多、分享更疯，用价值裂变对抗数量枯竭。比如：某头部短视频App，在新增注册连续3季度负增长后，上线“老友回流计划”——用AI推荐+专属福利召回90天沉默用户结果：7日内回流率41%，人均观看时长提升58%，回流用户贡献的广告收入环比翻1.9倍，仅花掉拉新预算的1/4，就把整体DAU重新拉回两位数增长。存量时代，得用户价值者得增长，得人心者得天下。如何做好存量时代，利用互联网把老客“聊好”没有“聊”下去，就没有赚下去！转化次数 × 生命周期 = 用户价值 （LTV ARPU）换句话说，相当于用户价值=多买几次×多待几天。想让公式爆表，唯一变量就是——把天聊好。新品上线？先讲个故事，再推按钮；例如：古茗「龙井香青团」上新——没有先讲茶底配方，而是把整杯饮料拍成“春天第一口江南”：小红书 2 万篇自来水笔记，话题浏览 8 000 万；线下门店销量直接翻 5-8 倍，龙井系列从此成为古茗春季固定爆品——先让网友为“江南春色”买单，再为一杯奶茶付 ...继续阅读 (1)

在竞争激烈的汽车市场，传统的“线索思维”已难以支撑企业的持续增长。本文将深入探讨车企如何通过用户运营思维，实现从单点线索到长期关系的转变，揭示背后逻辑与实践路径，为行业提供可借鉴的运营新范式。概念重构：从 “线索” 到 “用户数字身份” 的转变用户数字身份的内涵与特征用户数字身份是一个全新的概念,它超越了传统线索的简单定义,代表着用户在数字世界中的完整画像和身份标识。根据相关研究，数字身份是用户在数字环境中的自我表征，通常由社交媒体、在线购物和个人信息等构成，涵盖用户的行为数据。用户数字身份具有以下核心特征：第一，多维度数据融合。用户数字身份不是单一的数据点，而是包含了用户在各个触点的行为数据、偏好信息、社交关系等多维度信息的综合体。通过 CDP 平台，可以打通线上与线下的客户数据，包括品牌官网、App、微信小程序、抖音号、天猫旗舰店等线上触点，以及 4S 店、试驾活动、车展、售后服务中心等线下触点。第二，动态实时更新。与传统线索的静态属性不同，用户数字身份是动态的、实时更新的。系统能够持续感知用户的行为变化，包括浏览轨迹、互动频率、购买意向等，并据此调整用户画像。第三，跨平台身份统一。用户在不同平台往往存在多重身份，通过 OneID 系统可以实现跨渠道用户识别和归一管理。这种统一的身份体系使得企业能够在微信、抖音、小红书、电商、门店等多个渠道之间准确识别同一个用户。新定义下的用户 ...继续阅读 (2)

仅一天，AI 新王再度易主！从前期吊胃口的预热，到现在高调发布！挤爆牙膏！！几乎全项能力都登顶！！！凌晨，在前期数次预热的 Gemini3 终于发布，目前可以在Google AI Studio中先行体验！不得不说，昨天 Grok 4.1 还在与 GPT-5.1 你来我往的争第一，这下伴随着 山姆.奥特曼 的祝贺下 Gemini3 在各大榜单上大杀四方。在LMArena排行榜上，Gemini3 pro 取得了夸张的 1501 Elo的成绩，把昨天刚上位的 Grok4.1 thinking 给踹了下去，这马斯克屁股还没捂热呢。在 ARC-AGI-2（半私有评估）测试中，甚至实现了2倍的行业领先水平提升。01 「人类最终测试」再度被刷榜！作为给 AI 出台的现阶段最难的考试「人类最终测试」Gemini3 pro 不负期待的拿下了 37.5% 的惊人成绩，高于之前最佳的 GPT-5.1 10 个百分点以上。综合能力：人工智能分析指数登顶在基于以上人工智能分析智能指数10项评估中有5项位居榜首，包括：GPQA Diamond、 MMLU-Pro、HLE、LiveCodeBench 和 SciCode。在幻觉表现方面，新推出的知识和幻觉评估工具 AA-Omniscience 的表现中也处于领先地位，在Omniscience Index（对错误答案扣分）和 Omniscience Accurac ...继续阅读 (2)

这篇文章拆解 Gemini 3 的技术突破与实战场景，带你看懂谷歌如何凭借系统性优势，重塑 AI 模型的能力边界与应用可能。刚刚，谷歌正式发布了Gemini 3。从今天起，Gemini 3 Pro 已在全球范围内向 Gemini App 和 Google AI Studio 用户推送。甚至在正式官宣之前，谷歌已经悄悄把模型提前上线。作为谷歌迄今最强的一代基础模型，Gemini 3 在推理、多模态、工具使用等核心维度上全面超越了 2.5 和 2.0 系列，也被谷歌内部定义为一次“代际升级”。就连奥特曼在看到相关案例展示时，都忍不住点了赞。那么，Gemini 3 的实力究竟如何？下面我们结合谷歌发布的技术细节和实际案例，一起来拆解。/ 01 / 跑分更猛了，推理能力是亮点Gemini 3 Pro 的核心变化，是推理能力的全面上升。谷歌在Gemini 3发布时反复强调一句话：这一代模型“能把任何想法变成现实”。夸张成分先放在一边，从各类基准看，它的确在关键维度上拉开了与2.5 Pro 的差距。最能体现整体实力的LMArena 排行榜里，它拿到 1501 分，排在第一。这种 Elo 式评分既考模型在开放问答里的稳定性，也考它在长对话和任务拆解中的一致性，从结果看，Gemini 3 Pro 的表现明显更“稳”了，也更擅长把复杂问题讲清楚。▲Gemini 3系列的推理模式在多项高难度AI基准测 ...继续阅读 (3)

当 AI 不再只是工具，而能在一句话中生成一个完整世界，你会如何想象未来？Gemini 3 的发布，不仅是技术的飞跃，更是对我们理解创造力与边界的一次挑战。刚刚，谷歌正式发布了Gemini 3。从今天起，Gemini 3 Pro 已在全球范围内向 Gemini App 和 Google AI Studio 用户推送。甚至在正式官宣之前，谷歌已经悄悄把模型提前上线。作为谷歌迄今最强的一代基础模型，Gemini 3 在推理、多模态、工具使用等核心维度上全面超越了 2.5 和 2.0 系列，也被谷歌内部定义为一次“代际升级”。就连奥特曼在看到相关案例展示时，都忍不住点了赞。那么，Gemini 3 的实力究竟如何？下面我们结合谷歌发布的技术细节和实际案例，一起来拆解。01 跑分更猛了，推理能力是亮点Gemini 3 Pro 的核心变化，是推理能力的全面上升。谷歌在Gemini 3发布时反复强调一句话：这一代模型“能把任何想法变成现实”。夸张成分先放在一边，从各类基准看，它的确在关键维度上拉开了与2.5 Pro 的差距。最能体现整体实力的LMArena 排行榜里，它拿到 1501 分，排在第一。这种 Elo 式评分既考模型在开放问答里的稳定性，也考它在长对话和任务拆解中的一致性，从结果看，Gemini 3 Pro 的表现明显更“稳”了，也更擅长把复杂问题讲清楚。▲Gemini 3系列的推理模 ...继续阅读 (3)

这篇文章拆解 KSL 从明星到退场的全过程，剖析融资策略失误与供应链差距的核心影响，带你看懂人形机器人行业 “量产定生死” 的残酷竞争逻辑。具身智能，可能是过去两年最火的赛道了。但谁也没想到，赛道上的第一声倒下，会来得这么快。2025年11月，K-Scale Labs（KSL）CEO Benjamin Bolte（本杰明）发出长文告别信：解散团队、全额退款并开源所有技术。KSL可不是无名之辈。去年刚刚成立就拿了三轮融资，并连发了两款产品，拿到超过200万美元订单，其中包括OpenAI机器人业务负责人Caitlin Kalinowski。可就是这样一家风口上的明星公司，却倒在了量产的前夕。一个很重要的原因是，没钱量产了。在这一年里，KSL只做出了大约10台K-Bot原型机，每台成本超过10万美元。KSL的倒下不仅是一桩创业失败。它揭开了一个在欧美机器人行业内部早已存在的裂缝：缺乏本土完整供应链后，绝大多数初创公司没有能力独立承担量产门槛，更无法在价格上给出具有竞争力的方案。正如本杰明在告别信中最后所写的那样：“宇树科技、加速进化、众擎、松延动力等中国竞争对手，已经筹集到大规模生产所需的资金，而西方同类企业几乎没有实现真正的量产交付。”/ 01 / 现金储备仅40万美元，血是怎么流干的？2025年11月5日，KSL CEO本杰明向预购用户发送了一封邮件：公司将进行全员裁撤、全额退还所有 ...继续阅读 (2)

这篇文章拆解 KSL 从明星到退场的全过程，剖析融资策略失误与供应链差距的核心影响，带你看懂人形机器人行业 “量产定生死” 的残酷竞争逻辑。具身智能，可能是过去两年最火的赛道了。但谁也没想到，赛道上的第一声倒下，会来得这么快。2025年11月，K-Scale Labs（KSL）CEO Benjamin Bolte（本杰明）发出长文告别信：解散团队、全额退款并开源所有技术。KSL可不是无名之辈。去年刚刚成立就拿了三轮融资，并连发了两款产品，拿到超过200万美元订单，其中包括OpenAI机器人业务负责人Caitlin Kalinowski。可就是这样一家风口上的明星公司，却倒在了量产的前夕。一个很重要的原因是，没钱量产了。在这一年里，KSL只做出了大约10台K-Bot原型机，每台成本超过10万美元。KSL的倒下不仅是一桩创业失败。它揭开了一个在欧美机器人行业内部早已存在的裂缝：缺乏本土完整供应链后，绝大多数初创公司没有能力独立承担量产门槛，更无法在价格上给出具有竞争力的方案。正如本杰明在告别信中最后所写的那样：“宇树科技、加速进化、众擎、松延动力等中国竞争对手，已经筹集到大规模生产所需的资金，而西方同类企业几乎没有实现真正的量产交付。”01 现金储备仅40万美元，血是怎么流干的？2025年11月5日，KSL CEO本杰明向预购用户发送了一封邮件：公司将进行全员裁撤、全额退还所有机器人K ...继续阅读 (4)

这篇深度指南从筛选与搜索的本质差异切入，系统拆解基础筛选、高级筛选、AI筛选等九类B端筛选组件，理清筛选逻辑规则，点出设计中的核心问题，还提供了匹配业务场景的落地SOP，帮设计师和产品经理精准规避误区，让筛选功能既高效又贴合业务需求。筛选，我相信各位同学一定不会陌生，它有着不同的展示形式，不同的使用方法，很多时候遇到你只能躺平，选择基础筛选进行呈现。甚至我们会说：“一个 B 端表格页面设计得是否优秀，核心在于是否具备高效、清晰的筛选功能。今天我们将从 筛选与搜索的差异 入手，逐步拆解筛选逻辑、分类梳理筛选类型，最终帮大家掌握筛选设计的落地 SOP，包括如何匹配业务场景选择筛选类型、如何规避设计误区。那好话不多说，我们正式开始～在开始之前先来说说 什么是 B 端产品，我们通常也叫做管理后台。这里会有两个问题：“它管理什么？到底如何管理？”给大家三秒钟可以思考一下。首先它管理的是数据，无论是 ERP 系统的订单数据、CRM 的客户数据、OA 的流程数据，你都会发现管理后台就是在不停的对数据进行补充、整合。那到底应该如何管理？简单来说就是 数据的“增删改查”，筛选其实就是查询的一种重要方式。比如一个客户关系管理系统（CRM），销售人员去拜访客户就会提前查询客户信息，来了解客户关注内容进而去组织销售话术。那这里的筛选应该如何设计？怎样设计既能高效便利，同时也具备扩展性？那今天我们系统盘点筛 ...继续阅读 (3)

这篇深度指南从筛选与搜索的本质差异切入，系统拆解基础筛选、高级筛选、AI筛选等九类B端筛选组件，理清筛选逻辑规则，点出设计中的核心问题，还提供了匹配业务场景的落地SOP，帮设计师和产品经理精准规避误区，让筛选功能既高效又贴合业务需求。筛选，我相信各位同学一定不会陌生，它有着不同的展示形式，不同的使用方法，很多时候遇到你只能躺平，选择基础筛选进行呈现。甚至我们会说：“一个 B 端表格页面设计得是否优秀，核心在于是否具备高效、清晰的筛选功能。今天我们将从 筛选与搜索的差异 入手，逐步拆解筛选逻辑、分类梳理筛选类型，最终帮大家掌握筛选设计的落地 SOP，包括如何匹配业务场景选择筛选类型、如何规避设计误区。那好话不多说，我们正式开始～在开始之前先来说说 什么是 B 端产品，我们通常也叫做管理后台。这里会有两个问题：“它管理什么？到底如何管理？”给大家三秒钟可以思考一下。首先它管理的是数据，无论是 ERP 系统的订单数据、CRM 的客户数据、OA 的流程数据，你都会发现管理后台就是在不停的对数据进行补充、整合。那到底应该如何管理？简单来说就是 数据的“增删改查”，筛选其实就是查询的一种重要方式。比如一个客户关系管理系统（CRM），销售人员去拜访客户就会提前查询客户信息，来了解客户关注内容进而去组织销售话术。那这里的筛选应该如何设计？怎样设计既能高效便利，同时也具备扩展性？那今天我们系统盘点筛 ...继续阅读 (3)

还在为导航栏、标签栏、应用栏的命名和用法纠结？这篇干货指南3分钟帮你理清核心区别：导航栏聚焦全局跨版块切换，应用栏（分顶部/底部）承载当前页操作与信息展示，标签栏则对应特定平台的功能跳转定位。导航组件的命名很容易产生混淆，即使是相似的组件，在不同的设计指南中也可能具有不同的名称和功能界定。例如在谷歌的Material Design 3设计指南 (MD3) 中，①为导航栏，用于切换应用内3-5个核心功能版块；②为顶部应用栏，③为底部应用栏，聚焦当前页面的导航控制 (如返回)、功能操作 (如搜索) 与信息展示 (如标题)。但在苹果Human Interface Guidelines设计指南 (HIG) 中，将①定义为标签栏，将②定义为导航栏。为什么HIG中对导航栏的定义不同呢？我认为iOS中的②不仅仅是展示标题，还是一个功能导航，可以返回上一级，强调层级导航与页面操作的整合；①聚焦跨版块快速跳转，用于切换不同的版块，因此被定义为标签栏。行业内还存在常见的别名：导航栏可称GNB (全局导航栏)、标签菜单；顶部应用栏可称操作栏、标题栏 (网页端常用)。多数团队会根据内部的沟通习惯灵活定义组件名称，核心是明确组件的功能边界而不是纠结专业的术语。01 导航栏设计规范与使用方法导航栏是产品的全局导航核心，提供3-5个功能入口，确保用户快速切换核心功能版块。① 基础构成①为容器、②为激活指示器、③ ...继续阅读 (3)

还在为导航栏、标签栏、应用栏的命名和用法纠结？这篇干货指南3分钟帮你理清核心区别：导航栏聚焦全局跨版块切换，应用栏（分顶部/底部）承载当前页操作与信息展示，标签栏则对应特定平台的功能跳转定位。导航组件的命名很容易产生混淆，即使是相似的组件，在不同的设计指南中也可能具有不同的名称和功能界定。例如在谷歌的Material Design 3设计指南 (MD3) 中，①为导航栏，用于切换应用内3-5个核心功能版块；②为顶部应用栏，③为底部应用栏，聚焦当前页面的导航控制 (如返回)、功能操作 (如搜索) 与信息展示 (如标题)。但在苹果Human Interface Guidelines设计指南 (HIG) 中，将①定义为标签栏，将②定义为导航栏。为什么HIG中对导航栏的定义不同呢？我认为iOS中的②不仅仅是展示标题，还是一个功能导航，可以返回上一级，强调层级导航与页面操作的整合；①聚焦跨版块快速跳转，用于切换不同的版块，因此被定义为标签栏。行业内还存在常见的别名：导航栏可称GNB (全局导航栏)、标签菜单；顶部应用栏可称操作栏、标题栏 (网页端常用)。多数团队会根据内部的沟通习惯灵活定义组件名称，核心是明确组件的功能边界而不是纠结专业的术语。01 导航栏设计规范与使用方法导航栏是产品的全局导航核心，提供3-5个功能入口，确保用户快速切换核心功能版块。① 基础构成①为容器、②为激活指示器、③ ...继续阅读 (5)

吴恩达最新洞察戳破AI行业真相：比起模型规模与算法突破，电力短缺与半导体产能不足才是制约AI前进的核心物理瓶颈！这篇文章结合他的深度分析，拆解AI时代的多重核心命题：编码助手如何重塑软件生产方式与人才结构，模型“开放与封闭”的全球博弈如何改写技术版图，企业落地AI的真正障碍为何卡在组织与人，以及背后全新的投资逻辑。近日，吴恩达在最新一期 20 VC 节目中表示，“现在最大的两个瓶颈，其中之一就是电力。” 在他看来，行业表面在追逐模型规模与算法突破，但真正限制 AI 前进的，是电力、数据中心与 GPU 的物理约束正在全面逼近上限。他进一步指出，算力需求并不会因为模型变得更高效而下降，相反，“太多人希望多跑一些推理、多生成一些 token，但我们现在就是没有足够的 GPU、数据中心和电力去满足这种需求。” 这句话直接点破了生成式 AI 爆发期的真实矛盾。除了硬基础设施，他还把讨论延伸至模型开放、企业落地和人才结构的深层变化。在他看来，行业的很多困难并不来自技术，而来自组织惯性，因为“当技术已经能做到 80 分时，剩下的 20 分往往卡在人。▍ AI 时代最真实的瓶颈当前外界仍习惯把重点放在模型规模、算法创新和数据增量上，但真正让整个体系减速的，却是两个越来越难忽视的物理约束——电力与半导体。当数字经济把数据中心推向“新型基础设施”的地位之后，供电能力就不再是后台问题，而是直接决定算力增 ...继续阅读 (5)

这篇文章结合吴恩达的深度分析，拆解AI时代的多重核心命题：编码助手如何重塑软件生产方式与人才结构，模型“开放与封闭”的全球博弈如何改写技术版图，企业落地AI的真正障碍为何卡在组织与人，以及背后全新的投资逻辑。近日，吴恩达在最新一期 20 VC 节目中表示，“现在最大的两个瓶颈，其中之一就是电力。” 在他看来，行业表面在追逐模型规模与算法突破，但真正限制 AI 前进的，是电力、数据中心与 GPU 的物理约束正在全面逼近上限。他进一步指出，算力需求并不会因为模型变得更高效而下降，相反，“太多人希望多跑一些推理、多生成一些 token，但我们现在就是没有足够的 GPU、数据中心和电力去满足这种需求。” 这句话直接点破了生成式 AI 爆发期的真实矛盾。除了硬基础设施，他还把讨论延伸至模型开放、企业落地和人才结构的深层变化。在他看来，行业的很多困难并不来自技术，而来自组织惯性，因为“当技术已经能做到 80 分时，剩下的 20 分往往卡在人。AI 时代最真实的瓶颈当前外界仍习惯把重点放在模型规模、算法创新和数据增量上，但真正让整个体系减速的，却是两个越来越难忽视的物理约束——电力与半导体。当数字经济把数据中心推向“新型基础设施”的地位之后，供电能力就不再是后台问题，而是直接决定算力增长上限的核心变量。越来越多地区的数据中心建设被审批流程、社区博弈和基础设施瓶颈反复拖延，扩容速度明显慢于需求增长 ...继续阅读 (5)

阿里C端AI战场再添重磅选手！旗下Qwen大模型首个官方应用“千问”正式亮剑，凭借全模态能力矩阵与权威榜单领先的模型性能，直指全能AI应用标杆。这篇文章通过多轮实测对比，拆解千问的核心优势与产品逻辑，探讨模型高分如何转化为真实用户体验，分析其在Agent能力升级、场景心智建立等方面的挑战与潜力，带你看懂阿里全栈AI布局在C端的集中爆发。最近，国内AI的战场上，又多了一位参赛的C端选手——阿里千问App。此次上线的千问，作为阿里旗下最强最新的Qwen大模型首个官方应用入口，剑指ChatGPT等全能AI应用标杆。其核心竞争力在于Qwen系列模型——该系列模型在多项权威评测榜单中持续登顶，以领先性能构筑起底层技术壁垒。但问题的关键在于：Benchmark上的高分，能否转化为用户手中真实可感的体验？这篇文章卫夕就和大家一起来盘一盘——一、千问需要将模型能力转化成好用的应用体验一台好车，发动机的马力只是必要条件，而非充分条件，最终用户在意的，是这辆车整体开起来舒不舒服。Qwen系列模型的实力毋庸置疑，Qwen的开源模型已经位列全球第一梯队，长期雄霸各类榜单。同时其建立了一个完整的模型家族：语言、视觉理解、图像生成与编辑、视频生成、代码……几乎覆盖了所有关键场景。这种全模态的能力矩阵，是千问区别于竞品的第一道护城河。这一点对于竞争而言其实挺重要的，目前市面上各家AI偏科 ...继续阅读 (3)

阿里C端AI战场再添重磅选手！旗下Qwen大模型首个官方应用“千问”正式亮剑，凭借全模态能力矩阵与权威榜单领先的模型性能，直指全能AI应用标杆。这篇文章通过多轮实测对比，拆解千问的核心优势与产品逻辑，探讨模型高分如何转化为真实用户体验，分析其在Agent能力升级、场景心智建立等方面的挑战与潜力，带你看懂阿里全栈AI布局在C端的集中爆发。最近，国内AI的战场上，又多了一位参赛的C端选手——阿里千问App。此次上线的千问，作为阿里旗下最强最新的Qwen大模型首个官方应用入口，剑指ChatGPT等全能AI应用标杆。其核心竞争力在于Qwen系列模型——该系列模型在多项权威评测榜单中持续登顶，以领先性能构筑起底层技术壁垒。但问题的关键在于：Benchmark上的高分，能否转化为用户手中真实可感的体验？这篇文章卫夕就和大家一起来盘一盘——一、千问需要将模型能力转化成好用的应用体验一台好车，发动机的马力只是必要条件，而非充分条件，最终用户在意的，是这辆车整体开起来舒不舒服。Qwen系列模型的实力毋庸置疑，Qwen的开源模型已经位列全球第一梯队，长期雄霸各类榜单。同时其建立了一个完整的模型家族：语言、视觉理解、图像生成与编辑、视频生成、代码……几乎覆盖了所有关键场景。这种全模态的能力矩阵，是千问区别于竞品的第一道护城河。这一点对于竞争而言其实挺重要的，目前市面上各家AI偏科 ...继续阅读 (3)

在大模型时代，产品经理的角色正在被重新定义。评测驱动开发不仅是一种方法论，更是一套帮助 AI 产品经理驾驭复杂系统、提升决策质量的核心法则。引言：你的AI产品，正在“盲飞”吗？在大模型（LLM）时代，AI应用的开发正面临前所未有的挑战。我们过去习惯的开发模式——依赖预设用例测试、部署后再观察验证——如今就像在风云变幻的空中“盲飞”，难以为继。为什么这么说？因为基于大模型的AI应用，其行为具有高度的随机性和不可预测性。一个LLM Agent在处理复杂任务时，可能这次表现优异，下次却谬以千里。在多Agent协作的流程中，每一步的微小误差都可能被放大、累积，最终导致整个系统的准确率断崖式下跌。这种根植于技术底层的不确定性，正是AI产品经理面临的核心困境。正因如此，一种新的研发范式——评测驱动开发（Evaluation-Driven Development, EDD）——正迅速成为确保AI应用成功的关键。EDD通过将系统性评测深度嵌入开发全流程，形成“评测-反馈-优化”的闭环，为驾驭复杂的AI系统提供了质量保障、系统稳定和建立用户信任的导航塔。本文将从理念、工具、流程到文化，为你提供一套完整的EDD实践指南，帮助你和你的团队告别“盲飞”，精准导航，真正驾驭AI产品的未来。一、基石篇：EDD的核心价值与三层评估框架要用好EDD，必先理解其道。本章将深入阐明EDD的理论基础，解释其核心思想、重 ...继续阅读 (4)

在智能体浪潮的推动下，企业级操作系统正迎来全新的演进。Agent OS 不只是技术架构的升级，更是组织生产力、生态协同与商业模式的重构蓝图。1. 结论先行业务系统不会消失，但 GUI 的主导性会弱化；AI Native 的低代码/无代码平台将成为企业业务系统的新底座；所有业务系统都要“嵌入 Agent OS”，而不是与 Agent 平行存在。2. 为什么企业业务系统在 AI Agent 时代仍然存在？原因一：AI 是智能，不是业务规则系统AI 很强，但它不负责：权限合规数据一致性审批流程（只可建议，不能当最终规则）财务/供应链等“硬逻辑”这些仍然需要业务系统来承载。原因二：企业仍需稳定性、高可用、可追溯Agent 可以帮你操作、推荐、自动执行，但核心记录系统（System of Record）不能由 Agent 替代。原因三：Agent 是 orchestrator，而不是 ERP它们补的是“智能 + 自动化”，不是“结构化连续业务流程”。3. 未来 5–10 年企业架构的核心变化The Shift： From “GUI-first” → “Agent-first + Low-code Backbone”以前：先画 GUI -> 再建业务逻辑 -> 再写接口 -> 再接入 BI -> 最后才想“要不要 AI”以后：先建数据层（RAG、Graph、事件流）-> 再建可由 Agent ...继续阅读 (5)

别再写“业绩要搞高、转化率要提升”这类空洞话术了！高质量的分析建议，核心是跳出结果指标，通过拆解标杆找到可复制的实操方法。这篇文章直击职场人提建议的核心痛点，分享四步实操思路：筛选稳定标杆、识别可复制特征、深挖业务过程、精准分层提建议，帮你摆脱“拍脑袋”式建议，让每一条方案都有数据支撑、有落地路径，轻松赢得领导认可。每到写分析建议的环节，很多人就急得直挠头：数据分析建议到底该咋写？我写了建议，但是被嫌弃，咋办？高级的数据分析建议到底长啥样？今天系统跟大家讲解一下，高质量分析建议该咋提，话不多说，上干货。低等的建议，长这样典型的低质量建议，形如：“同比下降3%，要注意”“业绩差5%未达标，要搞高”“转化率下降10%，建议提升”这些都是废话。业绩低了，肯定要搞高啊，难不成要搞低吗。真正的问题是：到底咋搞？谁来搞？投多少搞？搞到多高合适？一口气搞太高会不会以后没得搞？领导很想搞但一线说“这都是大环境不好”该咋搞？……不解决这些具体问题，“要搞高”就是一句空谈。这里涉及的业务细节很多，单靠对着同比、环比、业绩达成几个结果指标拍脑袋，是很难解决细节问题的，并且也很难证明建议的可行性。因此最快捷的方法，就是找标杆。标杆是已经成功的案例，通过拆解标杆的特征和做法，来识别复制标杆的难度，从而推导出可行的业务策略。具体来说，可以分四步走。第一步：筛选标杆树立标杆是第一步。但注意，并不是把某个指标从高 ...继续阅读 (5)

在游戏产业的浪潮中，迁徙往往意味着重生。《奇异园艺》从小众解谜到鸿蒙生态的跨越，不只是一次技术上的移植，更是一次关于生态、用户与未来的深度试探。一、起点：一款来自国外的小众解谜游戏，和一次偶然的“窗口机会”《奇异园艺》是一款典型的“慢热型”独立游戏。没有炫目的战斗，没有快节奏的竞技，只有一间隐匿在森林边缘的植物商铺、一位安静的店主，以及一段被植物与符号编织的悬疑故事。这类游戏，在海外能稳定吸引一群忠实玩家，但在国内，如何让它“出圈”，是作为独家代理的蜂巢游戏需要思考的问题。鸿蒙生态的出现，成为解题思路。蜂巢对鸿蒙的关注，并不是从这款游戏开始的。团队从鸿蒙系统推出起就一直保持跟进，甚至为了研究鸿蒙应用商店，还专门采购过一台鸿蒙设备。促成团队内部讨论的直接原因，是生态端释放出的实际信号。华为给到的流量扶持政策和生态激励计划，对任何一家游戏公司来说都是值得关注的资源；同时，鸿蒙系统在国内的影响力持续增长，用户规模扩大得非常快，让蜂巢游戏看到了一种可能性：这个市场正在形成新的增量，而游戏类内容在其中可能会有更大的发展空间。内部的讨论并不复杂，重点都落在研发成本和生态回报两个方面。首先是技术可行性的问题。《奇异园艺》原本采用 Unity 2022.3.19 开发，要想导出鸿蒙工程，必须迁移到 Unity 的“团结引擎”，这中间存在不小的技术不确定性。另一个讨论点是渠道资源，他们希望在确认适配 ...继续阅读 (4)

以为早已沉寂的抖音社交App“多闪”，竟悄悄冲到了App Store社交榜第一名！这篇文章拆解多闪逆袭的核心逻辑，探讨其“视频社交”的差异化定位能否撬动微信的社交壁垒，带你看懂抖音在社交领域的持久战与新布局。阿里巴巴、腾讯、百度、网易等互联网巨头过去惯用的打法就是“高举高打”策略，高投入、高回报。但近两年来，这些互联网巨头们开始走保守路线，不仅缩手缩脚，哪怕是肉眼可见的未来，它们也不敢说“未来几年，投入XXX亿力推某业务”。在互联网巨头保守的同时，它们在推出新App的速度也在降低。当其他互联网巨头改变路线后，抖音并未改变策略，仍在在实行“高举高打”这一套，并且，少了明显的竞争后，抖音获得了大量的机会，抖音旗下的App长期“霸榜”App Store免费总榜。七麦数据显示，11月18日，苹果的应用商店App Store免费榜前四名，都是抖音旗下的产品，分别是：豆包、红果短剧、抖音商城、多闪。据郭静的互联网圈观察，在2025年1月15日，App Store免费总榜前十名中，有8款App都是抖音旗下的产品。App是目前移动互联网行业的主要载体，无论任何移动互联网公司，只要涉及到相关概念，那就必然涉及到App，接着就会涉及到下载量、用户注册量、留存率、用户使用时长等。很明显，抖音对“App”的理解很透彻，干脆让旗下的各个App都独立发展壮大，这样做的好处是，避免将风险和收益完全压在一款App ...继续阅读 (3)

在模型迭代速度远超想象的今天，AI 产品经理的角色正面临前所未有的挑战。如何在技术洪流中找到立足点，不被淘汰，已成为一门新的生存法则。引言：技术在狂飙，真正被卷的是谁？2025 年的秋天，对所有 AI 从业者来说，都弥漫着一种熟悉的焦虑。这种焦虑感，就像等待另一只靴子落地，但你不知道这只靴子有多大，也不知道它会砸在哪里。我们刚刚经历了，或者说正在经历一场从 2024 年末延续至今的“模型集体暴走”。文本领域，Gemini 已经把长上下文的窗口拉到了一个令人咋舌的数字，而 Gemini 3 版本更是号称在推理能力上有了代际飞跃；图像这边，Midjourney 不再是唯一的焦点，Nano Banana 和 Seedream 4.0 带来的“可编辑、可运营”的视觉资产生成能力，让设计的边界再次模糊；更不用提视频领域，Sora 2 和 Veo 3 的发布，让一年前那些看起来还像“数字幻觉”的短片，进化到了可以讲述连贯故事的程度。每天早晨醒来，刷新行业新闻，感觉就像在看神仙打架。但热闹是他们的，我们这些身处一线的 AI 产品经理，内心深处却有一个越来越响亮的声音在盘旋：“我们的产品和角色，会不会被下一代模型直接吃掉？”这个问题的背后，是一种深刻的无力感。当模型的能力边界以季度为单位进行指数级扩张时，我们辛辛苦苦搭建起来的产品功能、精心设计的交互体验、甚至是整个商业模式，都显得如此脆弱。我们好 ...继续阅读 (4)

当 AI Agent 不再只是工具，而是经济体中的新型主体，服务付费体系也随之迎来“原子级”重构。x402 协议的提出，意味着一场关于价值分配、生态秩序与未来商业模式的深刻变革。想象一下，周一早上你还在通勤途中，口袋里的手机已经悄然完成了一系列复杂的经济活动。你的个人AI助手在分析了你上周的工作模式后，自主决定为你订阅了一个高级数据分析服务；甚至注意到你常用的设计素材库即将到期，提前续了费。这并非单一行为，你的AI助手可能同时与数十个服务商进行交互：一个供应链AI正在与全球上百个物流AI实时竞价，以确定最优运输路线；一个金融研究AI正在从多个数据源API中按需购买毫秒级的市场数据点，构建投资模型。这不是科幻电影的场景，而是正在快速成型的AI Agent经济的日常。据行业预测，到2030年，这类AI自主经济活动可能形成一个规模超过10万亿美元的全新经济体。高盛的报告进一步指出，仅生成式AI就可能为全球GDP带来7%的增长，而这些增长的很大一部分将由自主AI Agent之间的服务交换来驱动。我们讨论的不是几笔交易，而是每秒可能发生数百万次的、价值从几美元到几分之一美分的微交易网络。但这里有个被忽视的关键问题：当AI开始像人类一样消费服务时，它们该如何完成支付？这个看似基础的问题，却构成了AI经济爆发前夜最坚固的壁垒。你的AI助手没有实体银行卡，无法接收短信验证码，更不可能填写那些为人类 ...继续阅读 (3)

场景方法论的演进，折射出产品经理在 AI 时代的身份转型：从功能到生态，从执行到战略。它既是方法论的更新，也是行业认知的迭代。理解这一趋势，才能真正站在未来的门槛上。“最近压力好大”，那天晚上，一个做产品的朋友突然给我打电话。他说他团队新上线的功能数据特别差，用户根本不用。我问他怎么回事，他说需求文档写得很完整啊，场景也考虑了，可就是没人买单。说实话，这种事儿我见多了。很多产品经理都觉得把场景分析好了就行，可时代变了。现在AI这么火，你还在用老方法做产品，那不是等着被淘汰吗？我跟他聊到凌晨两点，最后他恍然大悟：原来问题出在场景方法论本身。它得演进，得跟上技术的变化。所以今天我想聊聊这个话题。场景分析从多年前简单的用户访谈变成现在这么复杂。我觉得是时候好好梳理一下了，希望对你们也有帮助。为什么场景方法论必须演进？大我八年的学长告诉我，他刚开始做产品的时候，场景分析特别简单。就是问问用户需要什么，然后画个流程图完事儿。那时候也没那么多工具，大家靠经验吃饭。可现在不一样了。AI来了，一切都变了。我记得去年的一个项目，用传统的场景分析方法，结果上线后完全没人用。后来才发现，用户的行为模式早就被AI改变了。他们现在习惯用语音助手，习惯个性化推荐，可我们的产品还停留在点击和滑动的时代。这让我想起一个例子。有个做金融产品的团队，他们设计了一个很复杂的风控流程。按照传统场景分析，每个环节都考虑到了 ...继续阅读 (5)

王国中最显赫的夫妇即将离婚。谁将赢得财产分割官司？在 Ex vs Ex 这款回合制 PvP 游戏中，你可以扮演擅长远程攻击并召唤能量球的女巫，也可以扮演凭借强大力量摧毁一切的战士。游戏处于抢先体验阶段，后续可能会涨价，现在先入库吧。限免获取地址：https://store.steampowered.com/app/3578450/ 来自反斗限免 ...继续阅读 (5)

当流媒体的增长红利逐渐消退，广告成为 Netflix 的必答题。如何在用户体验与商业收益之间找到平衡，这不仅是一道数学题，更是一场关于未来的战略博弈。一、广告用户规模问题已经不是问题了Netflix的广告业务要先从2022年说起，11月它在几乎被自己否定了二十年的广告模式上踩了刹车，推出带广告的低价套餐。刚上线那会儿，这个套餐的月活用户只有500万，算是一个试水。一年之后，也就是2024年5月，Netflix对外披露：广告层的全球月活已经冲到4000万，占到广告层可用国家新注册用户的40%。半年再往后，到2024年11月，这个数字翻到7000万，新的注册用户里，超过一半选择了带广告的那一档。到2025年5月，广告层月活来到9400万，占公司3亿多订阅用户里一个相当可观的比例，广告套餐在可用市场的新开通中占比进一步升到55%。最新一次对资本市场的沟通里，Netflix直接换了一个口径：把账号数，换成了广告的人数来算，推出了新的MAV（Monthly Active Viewers，月度活跃观众）指标——用内部调研估算每个家庭平均几个人看，再把广告触达换算成人。按这个口径，他们现在宣称广告每月触达的观众已经超过1.9亿。说白了，MAV这个口径，本质上是在向“电视话语体系”靠拢。传统电视卖的是GRP和收视率，习惯用“人”来算触达；流媒体原生的世界里，只看账户、订阅数和播放时长。Netfli ...继续阅读 (3)