快科技7月25日消息，据供应链最新消息称，为了加快备货速度，台积电接到了不少中国厂商抛出的订单，后者甘愿支付40%溢价。 按照消息人士的说法，台积电第二季度优异的毛利率意外地由来自中国大陆的大量订单推动，其中许多是超级急件订单。 台积电拒绝就具体客户和订单发表评论，但已披露称，2024年第二季度，其中国大陆客户订单产生的销售额占晶圆总收入的比例增长至16%，而上一季度为9%。 台积电的主要中国大陆客户包括比特大陆、阿里巴巴平头哥半导体（T-Head）、中兴微电子技术公司等。 在这之前，还有不少中国半导体厂商正在加快购买半导体设备，比如ASML等企业也是全力以赴加快交付订单。 当然了，由于诸多因素限制，台积电不会给中国厂商提供7nm及其以下先进工艺的。

董宇辉和俞敏洪，终于完成一次漫长的分手。 根据界面新闻消息，7月25日，东方甄选在港交所公告，董宇辉已决定不再担任公司雇员及公司一个合并联属实体的高级管理层，该离任乃由于董宇辉的职业抱负、对彼其他事业的投入及个人时间安排，并于2024年7月25日生效。 该公告还就董宇辉个人福利、补偿以及与辉同行的安排等事项作了公开说明。这意味着东方甄选“小作文”风波终于结束，董宇辉从东方甄选离职，正式单飞。 与辉同行将正式姓董 事实上，关于董宇辉单飞的声音，从去年年底爆发的东方甄选“小作文”事件后，就一直没有停息过。特别是“丈母娘”们（董宇辉粉丝），坚定地认为他在俞敏洪手下受了极大的委屈，其价值不被认可还不断被东方甄选团队背刺，不如离职单干。 这场风波给俞敏洪出了一道“二选一”的难题：东方小孙（原东方甄选CEO孙东旭）和董宇辉留其一。最后，俞敏洪做了艰难的决定：2023年12月16日，孙东旭被免去东方甄选执行董事、CEO职务，由俞敏洪兼任。与此同时，新东方连发任命状，董宇辉也由普通打工人，被提升为东方甄选高级合伙人、新东方教育科技集团董事长文化助理，兼任新东方文旅集团副总裁。 俞敏洪明面上还给予了董宇辉足够的支持。今年1月初，在他和东方甄选的支持下，董宇辉完成新账号“与辉同行”的冷启动，并于1月9日实现首播，取得首场销售破1亿元的佳绩，一炮而响。 截止目前，与辉同行的抖音账号粉丝已超过2150万，董宇辉个人抖音账号粉丝超过2600万。开播半年来，与辉同行抖音直播带货总销售额超40亿元。有专家推算，与辉同行半年来的佣金收入可能高达6亿元，净利润可达4至5亿元。这个成绩，已经不输东方甄选，甚至在某些时间段力压东方甄选一头。 尽管与辉同行的带货成绩可圈可点。但董宇辉和与辉同行，在东方甄选体系内的角色确实十分尴尬。从根本上说，与辉同行只是东方甄选账号矩阵中的一个，它的收入和利润都会百分百并入东方甄选。此外，与辉同行的控股公司新东方迅程网络科技的法人，则是孙东旭。 在今年年初一场临时股东大会上，东方甄选管理层表示，与辉同行是东方甄选全资子公司，由东方甄选100%控股。其供应链和人员激励由东方甄选决定，但董宇辉可以决定卖什么和不卖什么。俞敏洪也多次表态，董宇辉不会像传统MCN那样拿提成，而是会分给一定的股权，以及更高的激励。当时有消息称，董宇辉已获得东方甄选0.5%的股权，按照当前市值计算，价值高达1.2亿元人民币。但这并未得到官方证实。 但这还是无法回击外界挂空职的质疑，认为董宇辉仍然只是“高级打工人”。其中就有可能是最了解俞敏洪的前同事罗永浩，他曾在直播时直言，这都是虚的。上市公司如果有足够大的股份授予，理论上会发公告，只用关心（是否有）这个。高级合伙人不重要，工商部门是不管的，这些都不重要，最重要的是给了多少 随着董宇辉正式离职，与辉同行的归属将发生根本性变化。东方甄选公告发布之后，俞敏洪和董宇辉先后发表公开信回应市场和业界关切。根据公告及公开信，东方甄选将旗下“与辉同行”100%股权以7658.5万元人民币出售给董宇辉，由俞敏洪安排支付。除了向董宇辉悉数支付承诺的全部待遇之外，俞敏洪已恳请董事会及薪酬委员会并取得同意，把与辉同行的全部净利润奖励给董宇辉。 随后，俞敏洪在公开信评论中进一步解释了公告信息，他称，“'宇辉持有与辉同行所需的股权购买款，我也按符合上市公司规则和公司章程规定的方式予以安排支付'，这句话的意思是，宇辉购买公司的钱我安排了，公司是送给宇辉的。” 董宇辉也在留言中回应，“此次股权购买款项，也是由前老师以上市公司规则给予全部支持，另外，俞老师还免费支持了我们运营系统。”也就是说，东方甄选在根据上市公司规则完成转让后，与辉同行将不再姓俞，而正式改姓董。 董宇辉将面临更大的挑战 按照俞敏洪在公开信中的说法，这次“分手”酝酿已久。他表示，今年3月份就与董宇辉面聊过多次，为了确保与辉同行有更好的发展舞台，避免业务冲突和舆论纠葛，双方经过反复磋商，最后决定到财年结束（5月31日）之后，有俞敏洪去请求董事会同意，把与辉同行的股份100%转让给宇辉本人。 值得一提的是，早在“小作文”风波后不久，俞敏洪就透露，早在一年前（按时间推算，是2022年董宇辉走红之后），自己曾跟董宇辉谈过做自己平台的想法，但一直没有落实。 在年初的中国创业者峰会上，俞敏洪回顾此次风波时再次吐露真言，“我对一件事情的方向性的能力还算是可以的，但是我身上这种杀伐决断的能力，以及遇到问题的时候要果敢地处理问题的能力，其实是远远不够的”。 显然，俞敏洪那次的杀伐果断的力度还不够，只是考虑到安抚旗下大主播，提供更大的平台，并未从根本上解决问题。尤其是今年以来，东方甄选似乎习惯了把内部问题摆到公众面前，接受舆论的讨论、审判以及质疑，最后内部矛盾公开化，并上升为全网事件，给公司造成无法愈合的创伤。 有批评指出，如今的东方甄选像一个“商业巨婴”，持续消耗董宇辉在前期积累下的口碑。这种表现，不是一家成熟上市公司应有的状态。这也能理解，为何多次热搜过后，不少人已经对东方甄选祛魅了。俞敏洪应该带领东方甄选，学会内部问题，内部消化解决。 在唐辰看来，俞敏洪这次之所以做出如此果决的选择，很大一部分原因在于“东方甄选现在做得乱七八糟”，外界的舆论和自身内心的折磨，让他不得不快速切割。 他在公开信中也写道，“我在与辉同行镜头面前出现减少了，主要原因是因为我一旦出现，就会出现密集的攻击；我也不敢出现在东方甄选的镜头面前，一旦出现，也是密集的攻击。我左右为难，作为东方甄选的创始人，支持公司发展变成了一件极其困难的事情。” 从帮助董宇辉做自己的平台，到放手董宇辉单飞，俞敏洪还算公道。毕竟商业的归商业，人情归于人情。 但对于董宇辉来说，他将面临更大的挑战。就像他在公开信中所说，“脱离了港口的庇佑，与辉同行从今天开始，就要独自驶向辽阔海面了。未来不可预知，唯有全力以赴”。 而摆在首位的即是供应链重构的难题。这个问题在年初与辉同行刚开播时就出现过一次。当时新账号仅开播三天，就因为没东西卖了，要停播一天。#与辉同行因没东西卖停播一天#的话题，还冲上了热搜，在榜上挂了大半天，目前阅读数是1.1亿。 具体来看，与辉同行开播的头三天，直播间一共上架309件商品，食品饮料占比近半，比例为41.76%，其次是23.62%的生鲜蔬果。图书教育占比第三，为12.3%。这些上架的商品，完全不包括东方甄选自营品，甚至还有与主账号有重合的选品。两者之间，初看起来有些内部竞争的意味。 唐辰就曾分析，供应链对于直播带货的重要性，再怎么重视都不为过。与辉同行还在东方甄选框架内时，其供应链主要由东方甄选负责，这在东方甄选管理层的表述里是这样，与辉同行的供应链和人员激励由东方甄选说了算，而董宇辉则可以决定卖什么和不卖什么。 就目前的情况看，一个理想的状态是，独立后的与辉同行，还能免费使用东方甄选提供的自主研发的信息系统。经过半年多的磨练，董宇辉已经体现出自身的管理能力，对与辉同行的供应链能力进行过锤炼，已经能够支撑他“独自驶向辽阔的海面”。 不仅如此，人怕出名猪怕壮。董宇辉被逐步捧上神坛之后，一举一动都被外界放大，引发各种舆情。比如最近董宇辉在一档户外电台节目中表示，“我是非常抗拒卖东西的，实事求是，我到今天都不享受这个工作”“可能本质上还是自己以前性格上的原因，过去职业的原因”。董宇辉虽然觉得自己的工作有支撑意义，但没有喜悦。这番言论直接引发东方甄选股价跌超10%。 客观上说，过去很长一段时间，东方甄选和俞敏洪为董宇辉分担了太多炮火，俞敏洪都被骂怕了，直言自己现在说话已经很小心，在网上被骂次数比100辈子加起来都多，最后不得不关闭抖音评论。 流量能捧红人，流量也能形成致命漩涡。这对独立后的董宇辉和与辉同行来说，是不得不面对的难题。他除了需要更加爱惜自己的羽毛，还需要在兼顾行政管理和卖货之间，做好平衡。在此之外，销量指标、网红路线、个人祛魅等问题，都显得不那么突出。 而放在整个直播带货行业来看，董宇辉的单飞，对于大盘并不会产生更大的冲击。而大家期待的，是他这种“非主流的”带货方式，能够给业界带来更多的新故事，新价值空间。这或许才是大众对董宇辉独立前行最大的期待。 如今，俞敏洪算是真正完成“去董宇辉化”，“中国合伙人2.0”版本演绎出了符合流量时代的剧情。某种程度上，这半年的缓冲期，对东方甄选来说也未见得不是一件好事，其商业模式已经稳固，即不依赖大主播，不做MCN，做自营，背后还有新东方作为依托。接下来，俞敏洪只要稳定局面，东方甄选依然是直播电商里重要的玩家。 值得玩味的是，东方甄选宣布董宇辉离职的消息后，不少网友到东方小孙抖音账号留言：孙老师，今天是个好日子，期待您早日回到直播间。

李佳琦的“身边人”朱旺旺，再一次出圈了。 7月以来，朱旺旺八次登上微博热搜，一度超过李佳琦的六次热搜，累计阅读量超过1亿，这一切源自朱旺旺近期参加的一档由芒果TV自制的综艺《我家那闺女》。 图源：芒果TV《我家那闺女》 作为李佳琦的助播，早在2022年朱旺旺就因为“变美”而走红。在小红书和抖音，有关朱旺旺的话题均有过亿的播放量和阅读量。在美ONE内部，朱旺旺更是被当作李佳琦的接班人来培养。 从美ONE的一位普通打工人到成为李佳琦的身边人，朱旺旺的成长史，成了诸多被超级主播“养成”的“直播间二代”们的命运写照。 辛巴培养的徒弟“蛋蛋”，从最开始的百万粉丝博主，在辛巴的培养下，最终成为快手9900万粉丝的大主播，去年的带货数据更是超过了师父辛巴；疯狂小杨哥的徒弟“七老板”，在小杨哥跌落抖音带货月榜的时候，也曾连续两个月冲入抖音带货月榜前二十；薇娅曾经的助播“琦儿”，转战抖音后承接了薇娅的部分流量，成为抖音的头部主播。 在直播带货快速发展的红利期，处于顶流位置的超级主播们用自己的流量辐射到他们的身边人，使得助播或者徒弟们迅速承接流量，他们获得了比普通人更多的机会；当头部主播相继隐退，他们构建起的庞大粉丝和消费力需要被“承接”，由新的主播弥补流量空白，播二代就此诞生。 不同于企业家的二代接班，播二代们并非超级主播的下一代，仅仅是超级主播的“身边人”。说白了，其实就是一家MCN机构为头部主播隐退培养的“接班人”。 2024年，和朱旺旺一样的“播二代”们正在大放异彩，如果不出意外，他们的最终使命是接下大主播的担子。现实的情况却是，2022年爆火的董宇辉成了最后一个超级主播，此后再无新人上位。 尤其面对平台和商家对超级主播们越来越强的警惕之心，想要拿到一张超级大主播入场券，对“播二代”们正变得越来越难。 从美ONE的一位普通工作人员走到李佳琦接班人的路，朱旺旺用了四年。 2019年底，刚来到美ONE一年的朱旺旺，就作为李佳琦的口红模特出现在李佳琦直播间，这个时候的旺旺，在直播间的有趣反应给李佳琦留下了深刻印象。 以至于2020年5月，当李佳琦的前助播付鹏宣布退出李佳琦直播间时，李佳琦选择了朱旺旺成为他的新助播。除此之外，李佳琦谈到之所以选择她，还因为朱旺旺足够努力，不是自己负责的事情也会努力学习，让李佳琦出乎意料。 然而，刚刚走入李佳琦直播间的朱旺旺并不被粉丝所喜爱，甚至因为外貌而被网友恶言相加。也因此，朱旺旺开始了自己的变美逆袭之路，两年时间，朱旺旺成为诸多女性变美和逆袭的范本。 事业上，朱旺旺的专业能力也得到了李佳琦和美ONE认可，他们有意识培养朱旺旺。以至于后来在美ONE的自制综艺《所有女生的offer》中，朱旺旺展现的招商能力、对产品的专业能力，以及谈判能力都为她积累了不少人气。 在《所有女生的OFFER》第二季中，李佳琦说“我也不知道为什么我要带你去录制”，随后又说“我怕其他人记不住产品的名字和成分”。 据新周刊报道，2022年双十一，李佳琦复出后的第一个双十一预售日，李佳琦以超200亿元的成交额刷新了自己的纪录，但是当晚登上热搜的，却是副播朱旺旺。也是这次双十一之后，美ONE官宣了“所有女生”的新直播间，主播正是由朱旺旺为代表的助播团构成。 在美ONE内部，朱旺旺是仅次于李佳琦的带货主播。今年，朱旺旺也多次在直播间挑起大梁。据估算，今年7月以来，李佳琦仅有10天出现在直播间，而朱旺旺仅有7天没有出现在直播间。 就在朱旺旺进入李佳琦直播间的同年，2019年冬，另外一位主播也走入了头部主播的直播间，自此走上了“播二代”之路，那就是快手头部主播辛巴的徒弟蛋蛋。与朱旺旺相比，蛋蛋即将成为全网第三个粉丝破亿的主播，在快手，她有超过9900万的粉丝，仅次于她的师傅辛巴。 坊间传闻称，辛巴和蛋蛋当时初见面，交谈半个小时，辛巴就直言蛋蛋“能成事”。平台的快速发展和辛巴的帮扶，使得这个名不见经传的东北女孩，迅速成为快手的大主播。 2020年，蛋蛋加入辛选一年，当年全网带货销售额排名前三的是薇娅、李佳琦、辛巴，排在第四的不是“四大带货天王”之一的罗永浩，而是蛋蛋，以80亿元的带货额成为直播带货TOP4主播。 这一年的一场直播中，蛋蛋直接对着师父辛巴下跪，并感恩说道“谢谢爹给我所有的一切”，辛巴也非常坦诚地应了这声“爹”，并放狠话，“以后谁也别想欺负我姑娘。” 真正让蛋蛋一战成名的是，辛巴在2021年9月为她策划的一场名为“挑战辛巴”的直播挑战。为了给蛋蛋直播造势，辛巴邀请了白敬亭、张继科等明星录制助力视频，还买下了四座城市地标的大屏广告。最后这场直播，蛋蛋创造了单场超14亿元GMV的纪录，增长了400多万的粉丝。 这场直播的三个月后，薇娅彻底消失在直播间。此时的蛋蛋粉丝还不到4000万，但是已经是全网带货第一的女主播。而后三年时间，蛋蛋又增长了近6000万粉丝。 在抖音，和蛋蛋一样在“师徒制”的体系下脱颖而出的还有主播“红绿灯的黄”（简称小黄），和七老板，他们都是抖音超级主播疯狂小杨哥的徒弟。 小杨哥在抖音有着超1.2亿的粉丝，和辛巴一样，小杨哥也试图在抖音建立一个师徒江湖，通过和徒弟们的连麦，徒弟来自己直播间直播，到徒弟直播间直播，将自己的流量喂给徒弟们，几年时间，小杨哥收了六个徒弟。徒弟们的直播打法师承小杨哥：低俗、恶搞。凭借着相同的节奏，小杨哥的几个徒弟迅速增粉。 小杨哥最出名的一位徒弟是“红绿灯的黄”（简称小黄），在巅峰时期月销售额能达到5000万元至7500万元。去年，和小杨哥的一场带货，让小黄出尽了风头，同时也因被指低俗带货而惨遭翻车，暂时中断直播带货之路。 今年春天，疯狂小杨哥由于拍摄短剧而忽略直播带货的时候，他的另外一位徒弟七老板则一跃成为新的黑马。在疯狂小杨哥跌出抖音带货月榜前二十的时候，七老板则连续两个月冲进抖音带货月榜前二十。 和上述几位播二代不同的是，薇娅曾经的助播“琦儿”，并没有享受到薇娅对她的直接培养，例如到琦儿直播间直播，呼吁粉丝关注琦儿。但是相同的是，琦儿同样承接了来自大主播薇娅的流量和影响力。琦儿直播间粉丝不少是昔日薇娅的粉丝，直到现在，还有粉丝到薇娅丈夫董海峰的视频号或者薇娅的公众号下呼吁，能不能让薇娅给琦儿在选品方面提提建议。 播二代们已然成长起来，头部主播们也表示出了“隐退”的意味，将直播间交给徒弟们或者助播们。 今年4月14日，蛋蛋连续开播十几个小时，粉丝量冲刺到9800万，蛋蛋鞠躬感谢师父辛巴，辛巴脱口而出：“蛋蛋粉丝破亿那天……到那天，我也就退（出直播）了。”两天后，蛋蛋发视频称，“下个月，我要准备粉丝破亿了。” 小杨哥同样如此，今年3月，他在直播间谈到2024年直播计划时表示，今年自己娱播会比较多，将降低直播带货频次，如有专场活动，考虑将自己过亿粉丝的账号直接交由徒弟使用。 李佳琦虽然没有明确表示要将直播间交给助播们，但是也透露过不想直播的意愿。去年李佳琦就曾在直播间感慨道，自己其实不用工作了，每天坐在直播间都头痛得要死，坚持直播的原因是公司里的员工还需要培养。 李佳琦似乎也在为“退隐”做打算，直播时间正在慢慢减少。去年，李佳琦的直播时长已经从原本的5至6小时降低至3至4小时。今年以来，李佳琦直播时长进一步减少，没有李佳琦的全品类助播专场增多。截至7月24日，7月以来李佳琦仅有10天出现在直播间，其余场次都由助播完成，特别是全品类助播专场频率在增加。目前，有七天都是全品类助播专场。 随着大主播们纷纷萌生隐退之意，考验播二代的时代机遇随之到来。但播二代们想要接好这一棒，却绝非易事。 一个值得关注的现象是，今年618是超级主播集体后撤的一年，小杨哥、董宇辉、李佳琦、罗永浩、辛巴等超头主播减少出现在直播间的频次，正是整个直播带货处于新旧交替的空白时期，本应更有利于新的超级主播诞生，对于日常接受大主播流量浇灌的播二代们，颇有些“近水楼台先得月”的优势。 然而，现实是在没有新人主播顶上的同时，播二代们也没有能够补位新的超级主播阵列，创造新的带货佳绩。今年618大促，谦寻、美ONE、无忧传媒等MCN机构均未发布具体战报数据，这不仅让人猜疑超级大主播的整体带货能力是否遭遇下降，而且也让外界意识到大主播的助播梯队，并没有被完全培养起来去承接大主播被分散的流量，进而帮助MCN提升业绩。 播二代们很难凭借带货像师傅们一样出圈，从个人层面来讲，超级主播的成长中，必不可少的是大主播对他们的流量倾斜。比如蛋蛋，在辛选浓厚的师徒文化和家族制带货模式之下，辛巴通过带徒弟露脸在自己直播间，或者坐镇徒弟直播间，将自己的流量、人气，和粉丝对其的认同感，让渡复制给蛋蛋，才使得名不见经传的蛋蛋乘着辛巴的流量起飞。 正如辛巴在蛋蛋直播间所说：“我辛有志培养的账号，从一百万到一个亿，这就是我的作品，可以吊打整个行业。” 也因此，这些播二代们都是在大主播的“提携”下被快速催熟，并未形成自己的直播风格，更没有像大主播那样向外界证明自己的独特之处，或者在某个垂直领域拥有超级号召力，进而创造自己出圈的带货时刻。 比如李佳琦，当年和马云PK卖口红赢了马云，成功挑战“30秒涂口红最多人数”的吉尼斯世界纪录，“口红一哥”的名号也正式出圈，确立了自己在美妆领域的超头地位；罗永浩以带货数码产品的优势，确立起在直播带货界的地位。 董宇辉无疑便是播二代们的反面。尽管俞敏洪尝试了知识带货的路数，但是将这个风格贯彻到极致的是董宇辉，也由此使得他成了知识带货领域的天花板。 如果播二代们想要超越师傅，成为新一代的超级主播，或许不得走的一条路是：跳出舒适区，敢于脱离现有的体系。唯有如此，播二代们才能检验粉丝的商业价值所在，哪些是自己的，哪些是平台或者师傅们赋予的。 正如朱旺旺在综艺节目里扯着假睫毛哭诉道，“我的危机感就在于，我觉得我是，可以随时被替代掉的。” 在谈到如果朱旺旺有一天不开心要离职的话，李佳琦说自己一定会让她走。朱旺旺问：“不会留一下吗？加点工资，不会吗？”李佳琦果断说：“不会”，又笑着补充说，“我会说要多少钱的离职费，给。” 图源：芒果TV《我家那闺女》 即使播二代们敢于脱离头部主播的庇护，想要打出属于自己的一片天地，但是外部环境的变化，正在使得超级主播的诞生变得越来越难，直播带货或许已不再需要新的头部主播，一个属于超级主播的时代正在远去。 一个现实情况是：继2022年董宇辉走红之后，直播带货没有再出现过新的头部主播。 快手培养主播的土壤，基本上由辛巴家族“掌控”，除了辛巴家族，几乎没有新的超级主播成长起来；抖音擅长制造网红，但是网红却很难转化为主播带货，更何况是超级主播，无论是早期的张同学还是刘畊宏，以及后来的黄老师，还有最近的郭有才，这些昙花一现的网红，均未能成功完成从网红到带货主播的身份蜕变。 从外部环境来看，随着直播带货环境愈发严苛，一个大主播的出圈变得愈发困难。今年7月份，《消费者权益保护法实施条例》正式落地实施，新规进一步明确了直播平台、直播间和主播等为了保障消费者权益应该履行的义务，对直播电商各个环节的主体有了更清晰的责任划分。 从平台层面来看，平台和主播之间的博弈关系正在被重塑。由于平台和主播之间关于流量倾斜和补贴的纷争时常发生在快手和辛巴之间，平台早已意识到被超级主播绑架的危险性，近些年也一直都在避免超级主播一家独大。 近日，抖音还传出了正在降低对达人直播的流量分配比例，并将流量倾斜给优质短视频和品牌店播。尽管抖音方面予以否认，但不可否认的是，这是抖音电商的一个大趋势。 根据蝉妈妈数据，抖音电商直播平台2023年上半年，相较于品牌自播和店播，达人直播间对流量利用率的下降幅度较大。而2023年，尽管抖音的货架电商占抖音电商GMV比重仅为30%，但是却同比增长277%，增速远高于包含直播、短视频等兴趣电商的44%。 商家对主播的渴求也在减弱。多位业内人士表示，主播效应不再明显，商家对头部主播的依赖性在减弱。据《21世纪经济报道》，一位业内人士称，商家对主播的依赖性逐渐降低，此前主播在产业链条上的话语权高达70%，现在只有20%。 整个头部主播群体的直播带货影响力也在减弱，对某个品类的绝对掌控力更是有了明显衰退，大主播神话迎来消解时刻：一方面是带货数据上，今年618，“青眼情报”数据统计，李佳琦618预售首日的美妆GMV，同比下降46%。多家媒体引用飞瓜数据报道称，抖音几大头部主播如广东夫妇、琦儿、潘雨润的618首场直播GMV同比下跌86.4%、88.46%、77%。 另一方面，大主播接二连三陷入“被打假危机”之中，消费者对超级头部主播的信仰也在逐渐崩塌，主播的声誉和信任度正在下降。 第一代超级主播的诞生，正处于整个直播带货行业迅速发展的红利期，离不开行业、平台、商家、消费者的共同驱动。如今随着对直播带货行业的祛魅，直播带货行业还需不需要新的超级大主播，不仅是播二代们面临的现实困境，也是整个行业正在思考的问题。 参考资料： 《李佳琦背后的女人，成功上位》电商报Pro 《登上热搜第三！李佳琦背后的女人火了》天下网商 《李佳琦隐退，大女主上位？》每日人物 《快手带货一姐，粉丝破 1 亿！》品牌营销官 《主播直播中突然晕倒！猝死、压榨？带货主播大降薪，“不如街头发小广告”》 21世纪经济报道 《大主播隐退，朱旺旺们上位》新周刊

IT之家 7 月 25 日消息，据北京市规自委官网披露，亦庄新城 YZ00-0606 街区 0106 地块工业项目以约 8.42 亿元成交，竞得方为小米通讯科技旗下的小米景曦科技有限公司，该地位于小米汽车工厂东侧，或将用于建设小米汽车工厂二期。 出让文件显示，该地块为工业用地，土地面积为 53.11 万平方米，建筑控制规模不超 69.05 万平方米，出让总年限为 50 年。地块起始价约 8.42 亿元，最终以该价格底价成交。据悉，该项目所在用地位于制造生产主导区，根据区域产业培育要求，拟发展高端汽车和新能源智能汽车产业。根据设计方案，项目总建筑面积约 40.00 万平方米，其中地上 39.15 万平方米，地下 8503.33 平方米，容积率 0.74，最大建筑高度 15.95 米，绿地率 15.04%，机动车停车位共 1009 个。 挂牌文件显示，该工业用地计划用于建设新能源智能网联汽车整车与零部件制造项目，固定资产投资不低于 26 亿元，达产年产值不低于 160 亿元。 IT之家注意到，挂牌出让公告显示，亦庄新城工业项目采取“带设计方案”方式挂牌。北京市规划和自然资源委员会官网显示，亦庄新城工业项目的规划设计方案、设计方案总平面图等资料随之公开。

凤凰网科技讯 7月25日，东方甄选公告称，董宇辉从东方甄选离职，并以7658.55万元收购与辉同行100%股权。俞敏洪称“公司是送给宇辉的”，董宇辉对此回应称，“与辉同行股权购买款项，是俞老师以上市公司规则支持我们的，另外过去半年，与辉同行的经营利润，也留作与辉同行的经营。” 俞敏洪在《致东方甄选股东朋友的一封公开信》中提到，“为了向宇辉表示感谢，除了已经支付承诺的全部待遇，我已恳请董事会及薪酬委员会并取得同意，把与辉同行的全部净利润奖励给宇辉。”根据公告显示，自2023年12月22日至2024年6月30日，与辉同行纯利为1.41414亿。 俞敏洪公开信中还提到，宇辉持有与辉同行所需的股权购买款，我也按符合上市公司规则和公司章程规定的方式予以安排支付。为了确保与辉同行业务的正常运营，东方甄选经董事会同意将研发好的信息系统无偿交付与辉同行使用。 随后，俞敏洪进一步解释称，“宇辉持有与辉同行所需的股权购买款，我也按符合上市公司规则和公司章程规定的方式予以安排支付。这句话的意思是，宇辉购买公司的钱我安排了，公司是送给宇辉的。”

不知道硅友们还记不记得去年爱奇艺的“投屏案”。 简单来说就是一位爱奇艺黄金会员发现，自己原有的投屏清晰度突然被降至了480P，必须升级会员才能享受原有的高清晰度。 权益贬值这事放谁身上都生气，但巧就巧在，这位会员恰好是名律师，当即拿起法律手段保护自己，反手就把爱奇艺告上了法庭。 这一告就是一年半，直到今年7月初，法院一审判决原告会员期内都享有高清投屏权益，另一方面也要求爱奇艺补偿其中阉割了投屏权益的会员时长，算下来总共41天。 但事件并未就此告一段落，爱奇艺马上就对判决提出了上诉。 平台的主要上诉理由是：虽然自己提供过免费高清投屏服务，但这并不意味着一直会免费提供。 换句话说，之前是咱们好心送你的，而不是你买的。 但广大用户明显对这一说辞并不买账，认定了平台就是想让用户多花钱，把平台狠狠批判了一番。 用户的忿忿不平可以理解，毕竟用户买了几十寸的4K、8K大电视，配上百兆光纤，又花钱买了平台会员，本就图的是大屏看剧的爽快。 而480P损失的画质实在太明显了。硅基君斥巨资开了会员，在播放器上按照不同清晰度，在金刚电影里截了两张图，480P的金刚几乎看不清表情，唯一清晰的只剩下了爱奇艺自己的Logo，属实难绷。 有数码博主也当了回群众的嘴替，不惯平台的毛病，自己卸载为敬。 不过在限制用户投屏清晰度这件事上，爱奇艺虽然不厚道，但也有自己难以言说的痛。 在知乎上，有老哥给广大网友科普了“互联网电视牌照”的概念——类似爱奇艺这类网络视频平台，如果没有牌照，是不允许投屏的。 2018年，央视高价将俄罗斯世界杯的新媒体直播权卖给了优酷，本以为这是赚笔版权费、自己还能稳占收视的一鱼两吃，但谁知优酷用户通过投屏抢占了大量电视端的流量。 转头回来，就有相关部门公开强调，“互联网电视上的投屏应用，必须是具有互联网电视牌照的联合运营方才可以开展，任何独立第三方投屏行为都属违规”。 于是对于爱奇艺们就意味着，只有和牌照方合作，拿到许可证，才能合理合法地把内容投屏到电视上。这个过程难免产生一些授权费用。 所以从这个角度来看，爱奇艺说之前投屏服务是“送”给用户，倒也不是没有根据的。 但一波未平，一波又起。 爱奇艺与投屏清晰度相关的热搜还没平息，又一个把爱奇艺批判了一番的新热搜就来了。 这回，事情是这样的，有爱奇艺的基础会员发现，在花了15块钱每月的订阅费用之后，正准备满心欢喜地享受会员服务看剧吃瓜，结果发现自己还得（必须）老老实实看完2分钟的广告才能看剧。 用户花钱买会员就是为了享受免广告看剧，这几乎算是最基础的权益了。因此事情一经爆出，网友还未平息的情绪又绷不住了。 有用户被伤透了心，表示自己之前一直买会员为的就是支持正版，但发现平台只是把自己当韭菜，现在只相信澳门威尼斯（盗版网站）是真爱。 还有网友则开始预判平台的下一步动作，平台未来可能把播放的清晰度，都纳入到会员分级制度里面，到时候再圈一回钱。 而爱奇艺官方回应则表示，推出比黄金会员更便宜的基础会员，是提供给愿意接受广告、但希望订阅价格更低的用户的。 像这种让不同会员福利如同婆罗门和首陀罗一样泾渭分明，然后再进行区分定价的会员体系，这么做的不止是爱奇艺一家——腾讯、优酷、芒果TV，甚至是Netflix其实也都大同小异。 2022年，Netflix结束了长达20年的无广告会员模式，推出了含广告的带广告套餐，和爱奇艺的基础会员模式如出一辙，由此和价格更贵的标准会员和高级会员做区隔。 平台增收的效果立竿见影，Netflix在扩了新的会员产品之后，2023年就新增了2950万会员，全年营收337.23亿美元，同比增长6.7%。 同样的内容买单的用户更多了，利润率也从18%涨到了21%。 而其他腾讯、优酷和芒果TV会员们的体系，大多分为VIP和SVIP两种套餐。 其中腾讯视频的SVIP就可以享受热播内容抢先看，其实也就是套壳的“超前点播”。 芒果TV和优酷的SVIP核心权益主要是一些热播内容的特别花絮。而优酷在投屏问题上，比爱奇艺做得更离谱，如果没有把会员升级到SVIP，优酷会员连投屏480P的资格都没有。 除此之外，各大用户平台在想尽办法限制用户权益方面，一直都在和会员们斗智斗勇。 还是拿爱奇艺来鞭尸，去年青海一个小伙的爱奇艺年费会员，就因为用了3个设备同时登录账号喜提封号。想要解封只有一条路： 充值更贵的会员。 腾讯心悦会员：这事咱熟。 除此之外，也有用户想出了绕过爱奇艺白金会员才能高清投屏的路径，试图通过HDMI连接线输出信号的方式，将电脑信号传输到电视大屏上看剧。 结果平台早就看穿了一切，用弹窗告知用户，“内容不支持HDMI连线播放”。 不堪其扰地向用户限制权益，平台的根本目的，还是尽可能地让用户订阅价格更高的会员。 而平台疯狂整活，很大程度也是被迫的不得不做。其实只要条件允许，谁都想在赚钱同时也能留个好口碑，但问题是这两年爱奇艺们活得并不滋润。 一方面，整个国内的长视频平台用户规模已经见顶了。 爱奇艺的会员人数早在2019年就突破了1亿大关，但此后4年会员人数没有太大涨幅，就像遭遇了智子一样被牢牢锁在了这个水平线。到今年1季度，爱奇艺已经不再披露会员规模。 其他平台的境遇也大体相同。当增长的故事讲不下去，爱奇艺们唯一能做的，就只有从每个会员获得更高营收，割二茬韭菜。 而这也是各大平台不得不严格限制低等级会员福利，想尽办法驱赶用户订阅更高价格会员的根本原因。 用户们对此给出的评论出了奇的统一：吃相难看。 此外，平台们也发现了一个残酷的事实：用户的黏性从来不在平台身上，愿意让用户花钱订阅的还是爆款剧，平台充其量不过是个播放器，换了哪家都一样。 像是最近缺乏爆款剧的爱奇艺，1季度和会员收入相关的营收就同比下滑了13%。而隔壁腾讯视频因为有了大爆的《繁花》，1季度会员数量应声涨了8%。 于是大彻大悟的平台一旦遇到爆款剧的出现，往往都会抓住机会，榨出爆款剧的最大价值。 像是爱奇艺备受诟病的投屏问题，就上线于《狂飙》大结局前后，把用户气得直跺脚。 而从结果来看，爱奇艺的努力成效明显。到2024年1季度，爱奇艺从单个会员身上获得月度收入连续6个季度环比增长，从一块田里刨出来了更多粮食。 另一方面，广告是会员收入之外的重要增量，这也是平台拼命整活的另一个重要原因。 不止是基础会员的强制广告，就算你会员等级拉满，也还有片中弹窗广告、暂停广告、片尾广告等一系列广告等着你。会员免的只是片头广告，真实环境早已处处都是广告。 面对诱人的广告营收，爱奇艺已经悄然埋下了后门。 在爱奇艺的会员条款中有一段话是这么写的，即便会员享有广告特权，但—— “部分视频片头仍会有其他形式的广告呈现。” 说白了，即便各位充了最高等级的星钻VIP会员，但只要你同意了会员服务协议，那么它还是可以给你看广告。 除了这些页面广告，平台也早就放下了顾忌，在电视剧、综艺里面大规模地植入软广。 像是爱奇艺的《种地吧2》就一口气合作了22个品牌，以至于观众困惑：我究竟是在看综艺，还是在看广告？ 今年1季度，在品牌普遍收缩预算的背景下，爱奇艺的广告业务硬是涨了6%。不过副作用就是，平台的口碑确实在日益下滑。 而行业里为数不多的清流，还剩下B站。 B站投屏不仅不需要会员，甚至还能和网页一样看弹幕，广告更是自始至终从所未有，深得用户们的厚爱。 用户得了实惠，平台赢了名声，唯一的代价却很惨烈：B站至今还没能实现盈利。 总的来说，用户想要获得好的体验、平台实现盈亏平衡都是合理的诉求，大家都没有错。但在现有的条件下，平台想要盈利还是不得不以牺牲用户体验为代价，双方的博弈势必还要持续很久。 在这个过程中，或许赢家只有一个： 澳门威尼斯。 全文完。

快科技7月25日消息，日前在2024年度游戏商务大会上，华为终端云互动媒体商务总经理蒋治力表示，华为在过去五年已助力出海游戏厂商累计实现100亿收入。 蒋治力在演讲中指出，华为游戏中心目前拥有超过2.3亿玩家，覆盖全球170多个国家和地区，海外市场上架游戏超过5万款。 中国前30强的出海游戏厂商中，有28家与华为保持紧密合作，华为游戏中心已成为海外TOP3的游戏分发渠道。 尽管由于部分原因海外新机销量近年并不理想，但华为通过构建全球化平台和本地化运营能力，实现了海外游戏流水的持续增长。 自2019年以来，华为在海外的游戏分发量和IGA接入数量实现了数十倍的增长。 此外，华为在全球拥有2万多家线下门店，以及参与多个海外游戏电玩展，为合作伙伴提供曝光机会。 蒋治力还提到，华为还提供全球化支付解决方案，覆盖170多个国家的本地主流银行卡支付，与100多个运营商合作，支持主流DCB支付，并与40多个国家的第三方支付合作，实现全球支付能力。

凤凰网科技讯（作者/韩田澍） 7月25日，爱企查App显示，近日，湖北星纪魅族集团有限公司发生工商变更，注册资本由3.53亿美元增至4.53亿美元。该公司成立于2022年1月，法定代表人为苏静，经营范围含可穿戴智能设备制造、销售，移动终端设备制造、销售，集成电路芯片设计及服务等。股东信息显示，该公司由Dreamsmart Technology Hong Kong Limited全资持股。 值得一提的是，原法定代表人、经理、执行董事沈子瑜还卸任了湖北星纪魅族控股有限公司、湖北星纪魅族信息技术有限公司、湖北星纪魅族科技有限公司等公司职务，均由苏静接任。 多位业内人士表示，星纪魅族集团正在积极筹备赴港上市，此次苏静出任星纪魅族CEO，或是为了更好地推进IPO。 图源：爱企查

IT之家 7 月 25 日消息，佳能集团今日公布了 2024 年第二季度财报。数据显示，该季度佳能集团营业额同比增长 14.4%，为 11677.86 亿日元（IT之家备注：当前约 550.95 亿元人民币），纯利润同比增长 37.4%。 佳能目前拥有印刷业务、影像业务、医疗业务和工业业务，四大业务具体营业额数据如下： 印刷业务领域：该季度营业额 6545 亿日元（当前约 308.79 亿元人民币），同比增长 13.8%。彩色数码印刷机 image PRESS V 系列产品、中速彩色复合机 image RUNNER ADVANCE DX C3900 销售坚挺。 医疗业务领域：该季度营业额 1410 亿日元（当前约 66.52 亿元人民币），同比增长 11.8%。受市场降息预测影响，医疗机构投资意愿出现恢复迹象，去年收购的 Minaris Medical 公司也促进了销售额增长。 影像业务领域：该季度营业额 2447 亿日元（当前约 115.45 亿元人民币），同比增长 11.6%。全画幅专微 EOS R6 Mark II 及 APS-C 画幅专微 EOS R50 等产品销售监听，小型数码相机销量也实现增长。 工业业务领域：该季度营业额 945 亿日元（当前约 44.58 亿元人民币）同比增长 26.2%。生成式 AI 的发展使半导体曝光设备销售持续向好，同比销售台数大幅增长。

经过多年苦熬，智能手机行业总算迎来了久违的春天。Canalys数据显示，2024年第二季度全球智能手机出货量同比增长12%，对比过去，可谓是嗖嗖往上窜。 春天，亦是播种的好时节，手机厂商们一个个像老农似的，卷起袖子，撸起裤腿，把AI和折叠屏这两大宝贝给凑一块儿，琢磨着搞搞“杂交”。 当下的AI手机和折叠屏手机，虽各自都有着不少花样，但整体却难成潮流——AI手机功能丰富，可用户热情不高；厂商耕耘折叠屏多年，却仍普及不开。正应了尼尔·波兹曼那句话：“每一种技术既是包袱又是恩赐，不是非此即彼的结果，而是利弊同在的产物。” 在此背景下，趁着赛道回暖的东风，将AI与折叠屏“杂交”，兴许能结出个大果子，为智能手机赛道找到一条新的出路。 难兄难弟 智能手机时代，尽管行业整体被收束，远不及功能机时代那般多点开花，但在同质化的表象背后，也不乏诸多指向垂类的产物，比如早先年的美图手机以及游戏手机等。而折叠屏手机与AI手机，作为手机赛道近些年传播热络的新玩家，则在一定程度上起到了接棒的角色。 然而，自2019年三星携折叠屏走入广泛的消费市场以来，其颠覆传统智能手机的结构设计，一度被认为是智能手机的未来，可随着时间推移，折叠屏手机的光环逐渐黯淡——销量数据层面仍在取得增长，折痕、铰链、软件适配等方面亦在不断改进，仍然无法掩盖尴尬的事实：终端消费者普遍将之视作另一门类，而非智能手机的接班人。 因此，折叠屏并未创造出淘汰直板机型的换机浪潮，市场实际反馈并不如预期。 AI手机虽然更加“年轻”，但从市场反馈来看，其现阶段似乎走上了前辈的相同道路。 最近两年间，各品牌AI手机及大模型纷纷亮相，苹果也加入其中，但据光子星球此前在各门店了解的情况来看，截至目前，消费者对于AI手机的兴趣甚微，更多关注的还是手机的基本性能、影像能力和外观设计。 而这，也直接影响了门店店员的态度——对AI功能的推介并不积极，售卖套路同之前别无二致。换言之，AI现阶段更多是锦上添花的增值功能，而非决定性的因素，亦未能大规模撼动主流直板机市场的格局。 因此，折叠屏与AI手机两个细分市场，背负着颇为相似的宿命。尽管技术创新与市场营销不断推进，但就销量而言，却未能完全兑现预期，市场渗透率依然有限。据TrendForce预测，2024年全球折叠屏手机出货量约1780万部，仅占智能手机整体市场约1.5%。而考虑到手机厂商在折叠屏供应链与大模型方面砸下的真金白银，故事或许正在走向一个难以为继的结局。 究其所因，手机发布会与终端市场巨大割裂的背后，是商业世界亘古不变的真理——用户需求才是市场的最终决定因素。手机厂商不能用自己定义的“好”去强行覆盖用户认为的“好”。用大白话来说就是，不要试图教用户做事。 一个简单的例子，Kindle等电子阅读器既能存储成千上万本书籍，亦为读者提供了更加便捷的阅读体验，但有许多人依然钟情于更加“落后”的纸质书的沙沙触感与真实的翻页声。 而折叠屏同样如此，部分厂商习惯性地将折叠屏与直板机做类比，自我陶醉，质疑折叠屏明明在轻薄、价格层面均已追平直板旗舰，为何用户还是不愿买单。 殊不知，直板机经过多年的演化，已经在设计、功能和用户习惯上达到了一个令人满意的平衡。而折叠屏虽在形态上突破了传统，但倘若其无法打破这种平衡，那么它注定只能成为市场中的小众产品。 即便是引领了触屏智能手机潮流的“iPhone时刻”，成功之处亦绝非单纯的滑动解锁，而在于硬件、软件与生态系统的无缝整合。而这，意味着智能手机市场的变革，绝非单一技术突破所能实现。 AI折叠屏，歪打正着 有时候你不得不承认，做生意需要一些运气，科技创新也是。 对手机厂商而言，当手中握有一枚硬币，还未知抛起落下后的一面是正是反的等待过程，该如何迈步？向左走，向右走？相较于二选一，将二者堆叠，既是所谓的“复合创新”，显然也是最稳妥、避免资源浪费的选择。 而折叠屏与AI，一个代表着硬件结构的创新，一个则象征着软件智能，看似毫不相关的两条技术路径交织在一起，却有如瞎猫碰上死耗子，似乎能产生相互促进的“化合反应”。 折叠屏手机为追求轻薄化设计，相较传统直板旗舰，硬件层面往往有所取舍。比如影像方面，受限于折叠结构的空间限制，折叠屏手机通常无法搭载更大的影像传感器与更复杂的镜头组。这使得折叠屏手机在C端市场中除了“折叠”与“办公”等少数卖点外，显得乏善可陈。 而通常，对一款产品而言，重要的不是查错能力，也不是改错能力，而是容错能力。而增加产品的容错度则必增加其冗余度，最后得到的往往是一个“水桶”，而不是一个精致的水杯。 而折叠屏机型，从某种意义上说亦是“水桶机”，各方面配置较为均衡，但除了折叠本身之外，很难在屏幕素质、影像能力、性能层面拿出超越直板旗舰的亮点。即便是折叠屏涉入较深的办公细分市场，对于手机厂商而言，仅凭大屏这一单一优势，以及在OS中塞入一些工具化的办公应用，亦很难满足现阶段日益复杂、细分的办公需求。 在此背景下，AI起到了“放大镜”般的作用——AI对办公场景的改造无需赘言，而借由AI，原本“四不像“，难以找到自身定位的折叠屏，势必将变得愈发垂直，从而更加深入商务办公市场。 另一方面，折叠屏有着目前AI助手、应用迫切需要的“空间”。 这并非单纯物理层面的扩展，亦是AI应用功能与体验的延伸。当前阶段，诸如vivo蓝心小V、OPPO小布助手等智能助手，作为激活手机AI能力的“入口”，通常以浮动窗口的形式呈现。 这样的设计虽然在一定程度上提升了智能化的交互体验，但在实际操作中，AI助手的浮动窗口常常占据屏幕一角，不仅限制了视野，还增加了操作的繁琐度，用户往往需要频繁在应用、文本与助手窗口之间来回切换。 这一桎梏在更广泛的AI应用中同样存在。例如，当用户试图将文心一言生成的祝福语复制到微信对话框时，仍需经历繁杂的操作流程，打断了用户的操作流畅性。 而在折叠屏上，此番问题迎刃而解。折叠屏为AI助手及应用提供了更大的空间，无需切换，亦不会干扰其他应用的正常使用。以三星AI折叠屏新品为例，其双屏对话模式，使对话双方能够分别通过主屏幕和外屏查看AI加持下的实时翻译结果。 这既意味着，折叠屏与AI，能在一定程度上互相补足对方的短板，并强化彼此的长板——折叠屏对屏幕空间的扩展，使AI手机则获得了其亟需的“空间”；AI作为效率武器，则为折叠屏撕开了挺入垂直办公市场的口子。 同样的案例，亦发生在PC赛道。今年初，微软宣布在Windows PC键盘的右Alt键旁边，增设Copilot键，用以直达由微软AI驱动的Windows Copilot服务——要知道，Windows PC键盘上一次改变，还要追溯到1994年。 也意味着，AI时代洪流下，愈发强势的AI应用，正在解构过去硬件与软件的关系——硬件不再只是被动的载体，而是将同AI耦合，成为丰富智能体验的重要一环。 终 从现阶段手机赛道的形势来看，AI+折叠屏或许将成为手机厂商们共同的新故事。 尽管此番烈火烹油的产物，或许仍无法打入大众市场，但其所能覆盖的办公赛道，作为垂直市场具备着巨大的潜力。纵观消费电子行业，从苹果的MacBook系列、iPad Pro与Vision Pro，再到Meta的Oculus与微软的HoloLens，都曾将办公场景视作硬件销售的推力。 有如Windows系统早期，当空接龙用户使用率一度高于Word和Excel，可到了2024年，当空接龙不在了，蜘蛛纸牌也不在了，Word和Excel却活到了最后。 另一方面，AI时代，智能手机行业正在经历一次朝花夕拾——无论是高通还是联发科，都在以AI能力这一新维度标榜自身芯片，苹果更是直接汰换了“前朝元老”，这意味着，影响手机行业多年的“性能溢出”正在成为过去式，过往智能手机硬软件协同进化的逻辑或将重新回归。 而AI折叠屏，恰恰身处新逻辑下的浪潮之巅。眼下，手机赛道的严冬正在散去，而蛋糕就在眼前，AI折叠屏有理由分得一杯羹。 只是，过去几年间在折叠屏领域踌躇不前的苹果，自从其AI蓝图逐渐铺开后，折叠屏步伐正有所加速。或许，其他手机厂商应该感受到些许危机感了。

想要抢占人工智能高地的城市又多了一个。 过去一个多月，香港在AI布局上接连落子。香港投资管理有限公司（简称港投公司）连投三家公司，智能制造企业思谋科技、生命科学人工智能大模型公司百图生科和具身智能创业企业银河智能。 2022年10月，港投公司由香港现任特首李家超在《施政报告》中宣布成立，希冀更好利用财政储备以促进香港经济和产业发展。一年多来，港投公司隐而未发，不过一出手的连环招，却全部与人工智能和创新产业相关。有人评价，港投公司可被视作“港版淡马锡”，同时香港可能正在进入产业政策主导的时代。 通观过去两年港府动作，投资的确只是这座城市产业雄心的一环。在培育高新产业上，香港有详细的规划、路径和动作。 2022年的施政报告中，李家超提出，为了全速引领香港实现国际创新科技中心的愿景，希望在五年内吸引不少于100家具有潜力或代表性的科创企业在港设立或扩展业务，包括至少20家龙头科创企业。 去年以来，特区政府“抢人才”、“抢企业”的动作声势浩大，成立了引进重点企业办公室，高端人才通行证计划也加大力度，引进人才数量相比此前年份有几倍增长。 一位资深区域观察人士称，在当下的产业现状下，押注创新领域和科技产业，对香港可能已是一道必答题。而要从金融中心、贸易中心的地基上结出新的果实，这座城市也有不少要跨越的门槛。如何打破发展的路径依赖，发挥香港的比较优势，仍有待长期经营。 01 一套抢人、抢企业、撒钱的组合拳 最近，香港正连环出招，贴牢身上的AI创新标签。 港投公司在一个月里密集打出的子弹，凸显了港府在发展人工智能等高新技术产业上的决心。 一方面，三家被投企业都与AI相关。另外，三场签约合作仪式上，被投企业都有明确的在港战略布局。如银河通用智能提到，将支持香港成为国际具身智能人才聚集地和创新中心；探索机器人在香港的商业、旅游及其他服务场景等实际应用；建设本地团队以促进香港具身智能技术和产业的发展。 港投的角色和任务由此浮出水面。港投公司行政总裁陈家齐在公开演讲里提到，一方面要争取合理的投资财务回报，更重要的是，用好资本引导生态和杠杆其他资源的力量，助力香港重点产业生态圈的构建和激活。 这意味着，投资撒钱对香港而言，不只是财务行为，还是撬动资源，拉动科技企业扎根落地香港，发展新兴产业的手段。也因此，有人评价，香港正在走进产业政策时代。 产业政策当然不止投资一招，抢人、抢企业，香港政府正多管齐下。 几天前，港股上市的人工智能老牌龙头企业科大讯飞宣布在香港设立国际总部，计划未来5年内在港投资4亿港元，建立150人团队推动研发及拓展海外市场。这支在香港的团队将专注于开发大语言模型，以及智能语音、教育和医疗保健领域的人工智能应用。 这是香港重磅引进龙头企业计划的一环。2022年12月，香港政府的引进重点企业办公室成立以来，已经有不少科技制造龙头企业在港设立国际总部或研究中心，比如宁德时代去年底就宣布落地香港。 今年3月，特区政府披露数据，已有两批总计50家行业龙头企业将落地香港，投资将超400亿港元，主要来自生命健康科技、人工智能与大数据、金融科技、先进制造与新能源科技产业领域。据悉，这些企业将创造1万多个就业岗位。 香港还大力吸纳新兴产业人才，抢人大战已经持续了一年多。 内地城市此前抢人通常都是放宽落户门槛，香港也采取了同样路径，去年开始推出了“高端人才通行证计划”（简称高才通）。 对比此前的人才引进方式，高才通不需要攒积分，没有地域和专业限制，内地有13所高校的学生拿香港身份门槛大幅降低。 “有几万人向我们咨询和办理高才的手续和流程”，在香港从事高才落地服务工作的周荣华告诉数智前线，他是华中科技大学毕业生，也在这波引进浪潮里拿到了香港身份。 去年年初开始，他最早做了申请了高才通的攻略，在校友群之间广泛传播，并扩散到其他高才通资格院校校友之间。这被在香港筹备成立高才通人才服务协会的尚海龙议员发现，双方一拍即合，组织了多次面向高才来港之后的子女教育、续签、防诈骗、就业、相亲等多场公益活动。 2024年5月6日，为了更好的服务来港高才企业家们，帮助他们更快在香港开展业务，获得认同，他们干脆注册成立了一家非营利组织——新质企业家联合会。这是新出现的角色，也是香港这波产业变革的一个注脚。 公开数据显示，截止2024年6月，香港总计收到高才申请数量超近9万，7.1万获批，含受养人14.3万人，其中9万人已经来港激活签证。比港府原定的每年引进3.5万人才目标超出数倍。 香港也意识到与内地头部城市的基建差距，进一步加码AI基础设施。在全球AI发展算力紧缺的背景下，香港的超算中心建设也受到了广泛关注。目前这一建设计划由香港数码港牵头，第一阶段预计今年下半年启用，预计最快2026年初将提供每秒浮点运算3000千万亿次的算力，相当于1小时可完成近100亿张图像处理。 除了在算力层面摆平AI发展障碍，香港政府今年3月在年度财政预算中，还专门拨款30亿港元，推行为期三年的人工智能资助计划，资助本地大学、研发机构及企业等运用算力，推动科研突破，并加强算力中心的网络安全和数据保护。 投资人工智能时代，港府正打出一套组合拳。 02 产业升级：香港的一道必答题 押注产业升级，实际上可能是香港这座城市当下的一道必答题。 香港的支柱产业仰仗贸易及物流、金融服务、房地产及建造业、专业服务及其它工商业支援服务、旅游业。公开数据显示，2022年服务业占香港GDP的93.4%，制造业在香港GDP中的占比不足1%。 在地缘政治压力下，香港的贸易物流、金融等传统优势产业客观上遭遇不小的挑战和压力。消费性服务业虽能吸纳大量就业人口，但在香港GDP里的占比有限，很难形成有规模的中产人群和收入回报，反哺社会经济的良性循环。以旅游业为例，2022年，香港旅游业吸纳了香港约6%的就业人口，但整体贡献的GDP仅0.4%。 谈起占GDP20%以上的地产行业，每一个去过香港的人可能都对香港的房价和地产富豪们的八卦印象深刻。每年的胡润百富榜，上榜的香港富豪多数是地产发家。房价高，除了关乎普通市民的民生和生计，也与产业发展息息相关。 市场调研机构世邦魏理仕的一项数据显示，截至2022年第四季度，香港中环的甲级写字楼租金全球最高，比新加坡核心区还要高约四成。能够承受高昂写字楼的行业，也只能是金融、地产等高利润行业，这无形中挤压了创新型产业的发展空间。 优势产业发展承压，寻找经济发展的新动能，已经是摆在港府眼前必须要解决的问题。港府重要官员在多个公开场合都有过表态，“没科创，没未来”。 而要实现产业升级转型，却并非易事。最直接的一点，在创新的产业土壤和人才都尚未成规模之际，如何打破旧有的路径依赖。 以年轻人的去向为例，香港社会多年的路径是，最优秀的年轻人都流向了医疗、律师等行业。“DSE考试（文凭考试，香港的高考）的状元们通常多数都会选择医科。10个状元8个学医，因为他们收入高，社会地位高，一毕业就有很高的回报”，一位经历过互联网高速发展阶段，从内地到港发展的“高才”对数智前线表示，内地早有知识和科技改变命运的走向，但香港整个社会还没有出现依靠科技和创新改变命运的创富示范。 当下港府大手笔下场，抢人、抢企业、撒钱，多路并进，正是为了给新兴产业，用真金白银，砸开一条路。从这个角度看，说当下的香港正在进入新的产业政策主导发展的新阶段并不为过。 港府在这场产业变革中扮演了很重要的角色。2022年12月港府发表的《香港创新科技发展蓝图》，被外界视作创新产业的一个纲要型文件，给未来五到十年的香港创新科技发展定了明确的发展路径。其中提到，未来5到10年要将香港制造业占GDP的比重从1%提高到5%。 这个雄心勃勃的计划，要推进的制造业并不是老一套的车间工厂，而是新型的制造业和新型工业化，人工智能、高端制造等新兴技术在其中扮演的角色不言而喻。 香港生产力促进局主席陈祖恒受访时说，香港要发展的是高度自动化的制造业，或者是定制化、高增值的生产，也包括新型工业，例如智能监控系统、芯片等。“比如，一家做毛衣的公司，它可以就是一台机器，什么都不用碰它，一件衣服就可以像打印一样生产出来，类似这种制造业，拉回香港。” 03 香港半导体消亡启示录 重提制造，发展科创，制定长期发展规划，港府可能也在汲取此前香港产业发展经验教训。 以当下港府希望引进来的芯片半导体产业为例，香港曾经有全亚洲第二大的芯片测试中心，芯片产业也是香港产业版图中的一部分，发展并不逊色于亚洲四小龙其他区域。而由于缺乏产业规划和长期经营，在产业转移浪潮中，它最终逐渐从香港这片土地上消失了。 时间拉回到上世纪中叶，当时半导体产业正处于从美国向东亚溢出的阶段。同亚洲四小龙其他地区一样，香港最初承接的也是半导体封装环节，属于劳动密集型产业部门。1962年，大名鼎鼎的仙童公司落地香港，在香港恒业街租下厂房，建立了自己的工厂，这是香港半导体产业的起点。1963年，仙童香港分公司的晶体管产能达到了1.2亿枚，之后德州仪器、摩托罗拉、NEC等半导体企业也在香港扎根。 快速发展的半导体产业使得香港的电子封装规模一路走高，1981年时香港电子产品出口总值相比1975年几乎翻了2番。也在这时，香港产业发展的隐忧就逐渐凸显出来。 劳动密集型产业，比拼的重点在土地和劳动力价格。不同于其他区域半导体产业发展的大片土地供应，香港的工业发展起步于市区，工厂早早上楼，半导体产业也和纺织服装等产业一样，蜗居在工业大厦内。而除了在土地供应有限之外，香港的劳动力价格也相比其他四小龙地区更高。 更大的问题是，区域间的产业竞争已经变得更为激烈。上世纪80年代开始，与中国香港同步发展半导体产业的中国台湾、韩国、新加坡等地，密集出台产业政策。政府积极倾注资源引进外部技术，培育半导体产业。而香港当时港英治下，秉持着自由主义相信市场的逻辑，在这场产业竞争里少有作为。 与此同时，全球大分工还在轰轰烈烈继续，如同游牧民族追逐水草一般，从欧美、日本承接而来的制造业，继续追逐着更低的劳动力和土地成本，寻找新的价格洼地。而香港的地产行业由于土地供应极少步步走高。 上世纪90年代中叶，香港地产在GDP里的比重超过20%，已成为这座城市重要的产业支柱。从后视镜看历史，所有人都能看到问题，高地租挤占了创新与实体产业的持续成长，制造产业会加速溢出。 最令人扼腕的失之交臂也在这一时期发生。时任香港特首董建华上任后希望推动经济转型，不依赖地产，而是发展科创产业。中芯国际创始人张汝京在到上海之前先与香港有过多轮谈判意向。但半导体工厂要批地时，据说港府“三司中有两个不同意”。香港的土地价格此时已经飙涨，寸土寸金，在缺乏长期产业经营视野的背景下，造芯片并不如卖地有确定性。而张汝京则北上，被上海的诚意和产业招商政策所打动，未来的中芯国际落子上海。 香港的互联网经济也是在同样的逻辑下没能发展起来。被寄予厚望的李泽楷的香港数码港在新世纪伊始，从最初规划的科技创新港逐渐变成了靠地产和租金收益拿回报，香港没有抓住互联网时代。 新世纪之初，随着具备自主设计的能力的摩托罗拉旗下的万力半导体搬迁，香港本土制造业朝向高端方向演进升级的可能性彻底消失，香港半导体产业走势与亚洲四小龙其他地区的发展走向分道扬镳。 半导体产业在香港的消失，是地产行业挤压创新企业空间的故事，也是账面繁荣和短期收益逼退长期利益的故事。在产业巨变的浪潮里，一个区域里的创新产业如何生长是个有争议的议题，依靠原子化的企业充分参与市场，去获得竞争优势，还是依靠政府的产业政策支持来构建体系化的能力，一直存在不同的答案。 在这波人工智能变革里，香港的选择看起来汲取了几十年前的半导体产业的教训。在这条路上，它也不是独行者。 今年4月举办，香港特区政府创新科技及工业局和数码港合办的2024数字经济峰会上，除了一众港府高级官员和大企业高管，合肥市长罗云峰也在演讲嘉宾之列，他演讲的主题是剖析合肥以科技创新引领高质量发展的成功实践。 合肥的城市产业发展轨迹是一个通过产业政策和产业投资，实现逆天改命的城市。现在，香港希望借鉴和汲取合肥的经验。 04 如何完成惊险一跃 有了顶层设计，并且大手笔，撒币式地引进人才和新兴企业，香港的产业升级之路就此一片坦途吗？ 可能还不是。我们听到了这样的一则真实案例。一位香港的大学教授在港创建了一家人工智能公司，几番波折，最终研发办公室却只能选在了深圳福田口岸附近。 这里面有几重原因，香港高校在技术和专利等层面为新兴产业发展提供了巨大的智力支撑。而落在深圳，则是最大限度降低成本，同时利用香港的津贴，撬动深圳的高级技术人才。 这个真实的案例体现了发展人工智能产业上，香港当下的优势和劣势。 高等教育界的支撑无疑是巨大的优势。目前香港有14个跨行业的AI研究实验室，有三家大学进入U.S. News 2023全球AI顶尖高级院校前30名等。创科香港基金会是红杉资本旗下的公益组织，去年发布的《香港创科人才指数2023》里也提到，来自大学的创业者成为香港初创企业的中流砥柱，从香港各大学出来的初创公司数量在近五年间增长近4倍，“学院派”创业者占香港独角兽一半以上。 这份报告还提到，高校的研发人员占比和增长率显著高于政府机构和工商机构，香港63%的研发人员来自高等教育界，工商界和政府部门占比不到一半。 但不能忽视的是，这些积累和投入偏向学院派。一位资深区域观察人士分析，学院派的人才和研发力量通常能完成从0到1，他们可能手握专利和知识产权，但最后形成产品，完成规模化生产走向市场，考验的可能是10～100的能力。 这也使得此前具有香港基因的科技企业最终都走了香港孵化、内地壮大的路。例如，商汤科技和思谋科技，包括大疆科技，三家企业都与香港的科研院校的技术有着深厚的联系。但最终商汤科技落地上海，思谋科技总部设在深圳，香港科学园设置了办公室，大疆总部也落地到了深圳。 究其原因，香港缺乏更大规模的工程化人才，而到内地，珠三角、长三角等地背靠更庞大的供应链资源，更有利于这些创新企业走出规模化发展之路。 场景的缺乏是香港发展新兴产业要面临的另一个挑战。业界普遍认为，大模型时代之后，创新的原发地越来越多地转移到了工业界。因为计算规模变得前所未有庞大，高等院校很难承担算力的成本。香港在建的超算中心正在解决这重困难。 另外则是技术的进步和应用都需要寻找到合适的场景，需要有更多的场景里的数据才能有更智能的产品。去年年底，香港生产力促进局发布《香港人工智能产业发展研究》报告，其中调研香港本土AI企业，有44%企业表示难以收集数据，16%表示需要长时间才能收集数据，而8%表示没有相关数据。 这一点上，能看到港府相关部门也在做出努力。刚刚结束的世界人工智能大会上就出现了香港AI企业的身影。香港贸发局带队组织十几家企业带着产品，比如物联网系统，图像生成技术与大语言模型等，希望为产品找到应用场景或市场，找到更多合作伙伴。 先有鸡还是先有蛋，这是一个天问。对香港来说，解法可能也藏在问题之中。就像教授创业，点设在福田，这是充分利用毗邻香港的深圳的工程人才密集和工程师红利一样，香港的新一轮产业发展，本身也需要被纳入到了大湾区的框架内讨论。 香港生产力促进局主席陈祖恒在与吴小莉对谈时说，香港的工业发展，一定离不开整个大湾区。他提到，“生产力局做了很长时间的调研，结论是‘9+2’这个布局里，9个城市有不同的工业发展，在不同的行业产品上都有独特的优势，或独特的供应链是比较完整的。到最后我们决定，要做就要做“9+3+1”，要在9个城市里都有我们的基地和据点，有人和资源配合每一个城市的工业发展。” 一位在港深两地穿梭的人士告诉数智前线，他已经看到，为了打破原来的路径依赖，香港社会在更深的层次作努力。 正值暑假，不少学校组织学生们北上，到中国最好的科学基地参观和学习。“就是为了在这些孩子们心里种下科技的种子。总体看，蝴蝶的翅膀已经扇动起来。”

上海在机器人领域布局又有新动作。 今日，上海市人民政府办公厅发布《上海市促进工业服务业赋能产业升级行动方案（2024—2027年）》（简称“方案”），其中提到，促进人工智能与制造业深度融合，创建国家人形机器人制造业创新中心，在汽车、电气设备生产和零部件加工等领域，打造一批人形机器人赋能制造应用场景，形成机器人生产解决方案。 人形机器人是人工智能与物理世界交互的优质载体。除上所述外，此次方案还提到有关人形机器人的具体应用方向： 实施工业物流降本提质行动，加大对工业物流企业设备技术改造的支持力度，推动部署无人车、人形机器人等智能物流设备。 此外，方案提出构建“上海制造”新型服务生态平台，并对机器人产业标准建设作出指示： 提升工业专业服务水平，全面推进新兴产业标准体系建设，前瞻布局人形机器人、新型储能等未来产业标准研究。 ▌机器人赋能制造应用场景 两端融合加速 实际上，此次方案早在今年2月21日举行的上海市政府新闻发布会上就已埋下伏笔，当时上海市发展和改革委员会副主任陈国忠就表示，力争芯片制造全流程数字孪生仿真验证平台、智能分子影像共享平台启动建设，争取人形机器人国家制造业创新中心落地。 而此次方案的推出，无疑是更多从应用端宣告未来机器人、特别是人形机器人与制造业融合方向。 华安证券近日研报指出，当前劳动力缺口正加速机器人产业化进程，人形机器人下游应用场景丰富，包括生产制造、应急救援、家庭陪护、教育、医疗等。 该机构进一步指出，在产业场景中，人形机器人主要在智能制造领域发力，如IBM结合AI、遥感和边缘计算的力量打造新一代安防巡检机器人，亚马逊采用AI技术驱动机器人用于自动化的仓库操作和物流处理等。劳动力缺口扩大导致用工成本上升，工厂机器替人需求逐渐增加，有望进一步加速机器人产业化进程。

近日，阿尔特在接受机构调研时表示，目前公司正联合英伟达技术团队将Omniverse引入机器人开发，探索打通英伟达完整的机器人产品体系，包括边缘计算芯片、Jetson硬件解决方案、Isaac软件开发和测试解决方案、机器人开发生态等。 2024年3月，阿尔特正式宣布成立AI机器人事业部，从事机器人设计开发、代工生产、AI算法智能化场景运用等机器人领域的前沿研发和创新，致力于将公司在汽车研发设计领域积累的丰富的软硬件技术及供应链能力，结合生成式AI等最新人工智能技术，与国内外各行业龙头企业联合，赋能和支撑AI机器人创新开发和应用。 阿尔特同时与英伟达基于各自核心优势及业务发展需求，已就AI赋能汽车研发进行了多轮沟通，目前已在多个方面形成合作： （1）阿尔特是国内首家采购英伟达全套OVX最新系统的企业，目前已发布团队协同作业的初版DEMO，在打通NVIDIA Omniverse与多款工业软件研发协同工作，以及结合适配器和生成式AI应用于造型设计方面取得重要成果。 （2）阿尔特于2023年11月正式启用“阿尔特（无锡）智算中心”，该智算中心集成了多种英伟达高性能GPU产品，以强大算力驱动AI模型对数据进行深度加工，全方面支撑人工智能应用落地，为AI深度应用提供算力基础。未来阿尔特将在整车研发设计环节探索AI技术的应用及落地，积极探索汽车研发设计知识库、汽车研发设计数据库与AI大模型相结合的模式和创新路径，打造汽车研发设计新模式、新业态。 （3）目前阿尔特已经正式成为英伟达的Solution Advisor:Consultant合作伙伴，未来将基于自身在汽车行业的研发设计经验、供应链资源、车型数据积累、国内外广泛合作的客户等系列优势，结合英伟达技术赋能与产品服务，在AI模型、机器人、自动驾驶等多个领域为客户提供一揽子解决方案。阿尔特表示，公司希望与英伟达共同探索更多AI技术在不同领域的应用场景，成为AI驱动的设计智能体，推动行业的技术创新和转型升级，引领实现AI时代设计数智化变革。

快科技7月25日消息，据媒体报道，西安交通大学与西湖大学科研团队携手，成功提出了一种创新的偏置屈曲双稳态设计理念，并基于此突破性技术，研发出了一款前所未有的昆虫级微型跳跃机器人——BATE。 BATE跳跃机器人，其体积微小至仅15毫米，却蕴含着令人瞩目的跳跃能力。它能够在两种截然不同的跳跃模式间自如切换：一是高度跳跃模式，轻松跃升至自身体长的12.7倍之高；二是距离跳跃模式，跨越距离更是惊人地达到自身体长的20倍。 更令人赞叹的是，BATE能够执行连续、敏捷的跳跃动作，其稳态转换过程中的snap-through与snap-back时间均被精准控制在惊人的300毫秒之内，展现了极高的响应速度与动态灵活性。 除了卓越的跳跃性能外，BATE还配备了先进的实时状态监测系统，能够即时侦测并预警潜在的系统故障，如空气泄漏等，从而极大地提升了其操作的稳定性和可靠性。这一智能特性，无疑为BATE在各种复杂多变的环境下的应用提供了坚实保障。 展望未来，BATE跳跃机器人以其昆虫级的出色表现，在探索未知、搜救救援等多个领域展现出了巨大的应用潜力。其小巧轻盈、灵活多变的设计，使得它能够在狭小空间和复杂地形中自由穿梭，执行人类难以触及的任务。 特别是在灾后救援场景中，BATE能够深入人类难以到达的狭窄区域，开展高效、精准的搜索与救援工作，为生命救援争分夺秒，成为救援行动中的得力助手。

8月1日，欧盟《人工智能法案》（下称《AI法案》）将在欧盟范围内正式生效，并将在未来三年分阶段实施。这是全球第一部全面监管人工智能的法案，影响力不可低估。 与人工智能企业切身利益相关的是，《AI法案》对多类在欧盟区域开展业务的海外公司有所约束，影响波及域外地区。这部法案已经引起法律界和业界广泛重视，大家都在等待欧盟对一些条例提供进一步的详细说明和配套设施。 以数据合规相关内容为例，全球机器学习和增长营销解决方案公司 Moloco亚太区产品总监刘连波告诉第一财经，“隐私政策这件事情并不是针对某个一家公司，是对所有参与其中的partner（合作方）或者所有的player（玩家）都是相关的。这个行业大家面对的挑战总是一样的，我不认为会对出海生意的趋势有本质的影响，因为这个行业会共享这个挑战。”他认为首先重要的是合规，其次是正确收集数据而不滥用，这最终也会促使我们调整算法模型来进行应对。“我们会仔细跟踪和研究该法案对我们出海客户的具体挑战，然后我们会和客户一起去研究落实解决方案。” “国内出海至欧盟的企业最需要关注的是高风险系统AI系统。如果不符合规定，企业将面临高额罚款和法律风险。” 垦丁（广州）律师事务所创始合伙人、主任律师，W&W国际法律团队创始人王捷告诉第一财经记者，参考国内科技企业在欧盟地区开展业务的情况，主要受影响的行业包括医疗健康、人力资源、公共安全和交通运输等。 另有业界人士告诉记者，对于《AI法案》中的一些规定，企业要遵守并不容易，且做到合规预计将带来企业成本上升。 罚款可达3500万欧元 ChatGPT 2022年年底意外爆火带来了人工智能立法的急迫性。在欧盟紧锣密鼓的筹备下，《AI法案》今年3月在欧洲议会通过，并于今年5月获得欧盟理事会批准。今年8月1日该法案正式生效。 《AI法案》在全球范围内的影响力不可小觑，一定程度上是因为，《AI法案》的管辖范围包括一些在欧盟区域外设立的相关公司。6个月后，总则和关于不可接受风险AI系统的禁令将适用；12个月后，高风险AI系统的部分章节、通用人工智能模型等章节将适用；24个月后，除高风险AI系统分类规则等部分内容外，其余部分适用；36个月后，高风险AI系统分类规则等部分内容也适用。 该法案规定，条例适用于将AI系统投放到欧盟市场或为欧盟提供AI系统服务的提供商，或是将通用人工智能模型投放到欧盟市场的提供商，无论这些提供商设立地或所在地是在欧盟还是在第三国。也适用于设立地或所在地在欧盟的AI系统部署商，以及AI系统进口商和分销商、以自己名义或商标将AI系统与产品一起投放市场或投入使用的产品制造商、位于欧盟的受影响人员等。 这意味着，只要海外AI相关公司将AI系统投放到欧盟市场，或带上了自己的商标，或影响到欧盟地区的人员，便可能在该法案规制范围内。违反规定的企业最高将被处以3500万欧元或最高年收入7%的行政罚款（以较高者为准）。 关于该法案的价值和后续影响，法律界和学界多有讨论。 此前欧盟发布的《通用数据保护条例》（GDPR）已显现“布鲁塞尔效应”，意即欧盟通过单方面市场规制能力将其法律制度推广至境外，让受监管实体在欧盟之外也遵守欧盟法律。这种效应能否在《AI法案》上再次体现，出现了不同的声音。 “《AI法案》是一个‘石破天惊’的法案，在权利、义务、责任之外，它往前探了一步，抓住‘风险’这个牛鼻子。以往立法从来没有提出对新技术的整套规制方法。”同济大学法学院副教授陈吉栋告诉记者，欧盟通过大量问卷调查和报告来支撑法案中几个简单的条文，投入巨大的立法成本，前期研究十分透彻。在AI发展优先和监管优先两端之间，欧盟希望在中间做平衡，监管并没有太早。这部法案并非一劳永逸的完美法案，还会根据AI发展改进。《AI法案》在国内已被学习参考。美国则体现了实用主义者的选择，采取动态监管方案。 在金杜律师事务所合伙人赵新华看来，《AI法案》非常全面，在全球性问题治理上，欧盟立法走在前面。结合2018年的GDPR以及近年的数字服务法、数字市场法等，欧盟为进入数字经济时代做了多年铺垫。该法案积极的一面是对AI监管起到很好的示范，“就像GDPR出台后，全球监管框架基本上都在借鉴GDPR，《AI法案》出台也必定会对全球AI治理提供有益的借鉴和参考。” 北京师范大学法学院副教授、中国互联网协会研究中心副主任吴沈括认为，这会对跨国企业带来非常重大的影响，影响业务研发模式、合规流程设计、市场运营策略，其优点在于明确的规则和细化的制度设计。 另有声音认为，《AI法案》推出可能过早过严，而全球不同地区对AI产业发展的态度并不相同。 吴沈括也认为，短期来看《AI法案》存在阻碍当地AI布局的这个可能性。这是监管和产业企业之间互动博弈的过程，需要一个相互增强认知的过程。中长期看，如果在确定性和监管力度上有所平衡的话，可能存在反弹机会。 AI初创企业波形智能计划出海欧洲，创始人姜昱辰曾在瑞士攻读人工智能博士学位。她认为，欧盟严监管不是一个新问题，欧洲向来在数据隐私方面较严。“这次只是针对AI出了相应的隐私条款，但隐私条款本身严格这件事情不这么新，是欧洲市场一直存在的固有挑战。” 至于《AI法案》对市场的影响，姜昱辰认为会有一些，但对私有化部署的影响较小，对大模型公司影响可能更大，“尤其大模型公司提供闭源的API有较大风险，但给企业做私有化部署或做保障的软件，这个市场反倒更大。”当隐私监管较强时，隐私保障较好的产品及公司会获益。 高风险系统划分引关注 《AI法案》对企业的影响细化在“风险分级”监管中。 具体看，《AI法案》采取“风险分级”监管模式，将AI系统分为四个风险级别，分别为被禁止的、高风险、有限风险和最低风险，每个级别都有相应合规要求。法案规定，不可接受风险的AI系统被彻底禁止投入市场，高风险AI系统只有在符合某些强制性要求的情况下才能投放欧盟市场、投入服务或使用，有限风险AI系统的规制较少。 一些法律界人士认为，AI企业进入欧盟市场最应关注的是高风险AI系统的划定和要求。 美国奥睿律师事务所巴黎办公室合伙人Julia Apostle告诉记者，根据《AI法案》规定，高风险AI系统开发者有最重的合规负担，包括需要证明符合法律的要求。任何在欧洲开发或投放AI系统的公司都应该审查其AI系统是否为高风险。从AI实际应用看，开发可能影响个人权利、安全和自主权的AI系统公司，受该法案影响较大。 “高风险AI系统涉及关键领域，如教育和职业培训、就业、重要的私人和公共服务（如医疗保健、银行业）等，这些领域受到严格监管和合规要求。而医疗健康、人力资源、公共安全和交通运输等行业使用的AI系统大多属于高风险类别。”王捷表示。 据欧盟推动制定《AI法案》之初的预计，高风险AI系统占AI系统的比例约5%~15%。王捷判断，不直接影响人身安全、健康或基本权利的应用场景相对影响较小，如聊天机器人、个性化内容推荐等，一般不会被认为是高风险系统。Julia Apostle认为，多数AI系统不会受该法案太大影响，而对高敏感领域，如医疗保健、职业场景，将会有进一步的立法关注。 但陈吉栋判断，高风险AI系统涉及广泛，现在欧盟把大多数AI系统都纳入高风险系统中。例如自动驾驶汽车、人脸识别都可能涉及高风险。 值得注意的是，《AI法案》明确了AI系统相关的多类主体，包括AI系统提供者、部署者、授权代表、进口商和产品制造商。据上海段和段律师事务所律师团队近期发布的一篇文章，AI系统提供者的义务要求最繁多，大约涉及29条条例，这些义务涉及系统设计、开发、测试、部署、监控等多环节，明显多于部署者、授权代表、进口商涉及的条例。 王捷表示，AI系统提供者负责开发人工智能系统或通用人工智能模型并将其投放市场，这意味着需要投入更多资源来确保合规性。AI系统提供者需承担最多义务、也承担较高合规成本。 此外，《AI法案》也对通用人工智能系统施以颇大关注。该法案称，具有至少10亿个参数并使用大规模自我监督用大量数据训练的模型应被视为具有显著通用性。而当通用人工智能模型用于训练的累积计算量大于10的25次方每秒浮点运算次数FLOPs时，将被认为具有高影响能力，进而可能被认定为具有“系统性风险”，需满足一些额外要求。 大模型合规成本或超出17% 对人工智能相关企业而言，要满足这样一部全面且复杂的法案的要求，随之而来的可能是合规成本上升。 海外智库Center for Data Innovation在2021年欧盟推动《AI法案》制定之初便预计，该法案将使未来五年内欧盟经济损失310亿欧元。一家部署高风险AI系统的欧洲中小企业将承担高达40万欧元的合规成本。《AI法案》将导致所有人工智能支出额外17%的开销。 CEPS（欧洲政策研究中心）同年澄清，超300亿欧元损失的估计被夸大，支出17% 额外开销仅适用于未满足任何监管要求的公司。在CEPS的研究中，要建立一个全新的质量管理体系（QMS）的成本可能在19.3万欧元至33万欧元之间，每年的维护费用估计为7.14万欧元，一旦QMS建立起来，成本会降低，且QMS只是针对高风险AI系统提供者的要求。 以上关于合规成本的讨论发生在两三年前，当时大模型还未成为主流，如今情况可能发生了改变。 Julia Apostle认为，提出的17%这个数字，是基于非常低的AI系统基础成本的估计，未反映训练一个基础模型的成本。“合规成本还无法完全估算，因为还不知道全部细节。高风险AI系统和通用人工智能模型的提供者的成本将是最大的。法律依赖于对技术标准的采纳，由公司实施这些标准，实施过程须经过认证。而这些标准内容尚未正式确定，但肯定涉及政策、程序和具体产品要求的采纳。”Julia Apostle表示，由于该法案对AI的监管不止于欧盟，企业因该法案而离开欧盟似乎不太可能。 王捷认为，对该法案，国内大模型厂商若要在短期内快速且低成本实现合规可能有难度，特别是对于数据复杂的大模型。大模型厂商的挑战可能是适应欧盟对于数据管理、模型透明度和可解释性的高标准要求。 吴沈括认为，对于风险的分类、分级，特别是关于AI研发的披露度问题，是比较大的合规挑战，这与人工智能算法一定的黑箱属性具有较强烈和明显的冲突。赵新华则认为，《AI法案》涉及一些更高的合规标准和要求，企业进入欧盟市场前要考虑能不能接受合规成本，以及可能面临的不合规责任。 “如果说欧盟完全不在乎对经济的限制，也不准确。”赵新华表示，从《AI法案》规定范围、内容看，欧盟也在试图消除规定对创新的影响，如对一些较少风险AI系统的管理相对宽松。例如支持创新的措施中专门设了人工智能监管沙盒，供企业测试创新性产品、服务、商业模式和交付机制，避免企业因从事相关活动而立即招致监管后果，这是针对技术创新的柔性监管制度，给了小企业较多发展空间。该法案有较大灵活性，风险管控循序渐进、逐步匹配，预计对经济造成负面的冲击较小。 具体条例看，业界和法律界仍在关注哪些具体要求可能增加合规成本。 《AI法案》对高风险AI系统的要求非常细致，涉及风险管理系统、数据和数据治理、技术文件、记录保存、透明度和向部署商提供信息、人为监督、准确性、稳健性及网络安全。具体要求包括但不限于建立、实施、记录和维护与高风险AI系统相关的风险管理系统；拟定技术文件并向国家主管部门和认证机构提供必要的信息；训练、验证和测试数据集的数据准备处理工作包括各种注释、清理、更新等，并采取措施发现、预防和减轻可能发生的某些偏差。 《AI法案》对通用人工智能模型提供商的要求则包括拟定并随时更新技术文件、向拟集成该模型的AI系统提供商更新信息和文档、制定遵守欧盟版权法的政策、起草并公开一份关于通用人工智能培训内容的足够详细的摘要。被认定为具有“系统性风险”的通用人工智能模型需额外履行一些义务。 一名国内互联网大厂研发负责人向记者表示，对高风险AI系统的要求中，较可能导致成本增加的是对数据进行处理、预防某些偏差，因为涉及专门做数据处理并微调模型来避免模型输出不合法内容。国内大模型在这方面肯定做过工作，但各地标准不同，要符合新标准需重新做工作。 赵新华则表示，高风险AI系统提供者是指AI系统由某个企业提供并投入欧盟市场，法案专章列出提供者的义务，包括编制相应技术文件、证明符合法案要求，并对符合欧盟的相关规定做符合性声明，还要增加CE合格证认证。高风险AI系统投放市场前需完成合格性评估程序。 “这些规定非常具体，对提供者、部署者、进口商和分销主体设定不同的义务。”赵新华表示，如果大模型公司在欧盟市场提供服务，除了需要请律师在合规层面及法律方面做评估和建议外，还涉及通过第三方进行合格性评估程序等，有些企业加CE标志也需找第三方认证机构。此外，《AI法案》还要求将AI系统算法的主要技术数据做摘要，这可能涉及公司内部商业、技术团队，及外部第三方主体。 成本之外，人工智能企业是否愿意为了进入欧盟市场而满足《AI法案》的要求也是问题。 《AI法案》对通用人工智能模型在预训练和训练中使用数据的透明度提出要求，模型提供商应起草并公开用于训练通用人工智能模型内容的足够详细的摘要。在适当考虑保护商业秘密和机密商业信息必要性的同时，摘要内容应总体全面。 ”现在公开的大模型技术文件对预训练数据方面大多一笔带过，但其实这部分内容应该最多。”一名国内头部大模型研发人员告诉记者，大模型效果如何，80%跟训练数据有关。之所以不公开训练数据的细节，是因为训练数据在一定程度上是企业核心机密。同时，很多大模型的训练数据来自网上各种渠道，如果不披露可能不会有人发现数据来源，一旦披露则可能暴露版权问题。 以上技术人员告诉记者，需向外提交的技术文档如果有详细的要求，大模型公司也不一定愿意提供，这并非成本的问题，而是因为公司可能希望对技术保密。 《AI法案》还将分阶段实施，目前也有不少模糊或需厘清的问题。陈吉栋告诉记者，要划定高风险系统还是比较难，企业面对高风险AI系统需承担的诸多义务时，会倾向于不把自身划定在高风险范围内。欧盟或相关方还需要提供一套后台配套基础设施来支撑法律顺利运行。 吴沈括认为，从可能的缺点来看，该法案对于产业研发和应用的逻辑是否有足够强的匹配性，还需要进一步的观察。 “模糊和争议点主要集中在定义和具体合规要求上，如高风险AI系统精确界限、基础模型和应用模型的区分等。如何有效评估和监控AI系统透明度和公平性也存在不确定性。”王捷认为。 “我认为国内有些大企业已经做好了合规的准备，但大部分还没做系统准备，维持观望态度。是否做好合规准备，更多取决于战略认知。企业要从本质上认识到人类已进入人工智能高风险时代，对其风险进行管控已成为共识。”陈吉栋表示。

品玩7月25日讯，据 Toms Guide 报道，Uncharted Labs 近日发布旗下AI 音乐生成应用 Udio 的1.5版本，引入了大量音频改进和一些新功能。 更新后的 Udio可以创建 48kHz 立体声音轨，并增强了清晰度和连贯性。公告称，用户将 体验到更高的清晰度、乐器分离度、瞬态、连贯性和跨代音乐性。新功能还包括新的创作者页面、音频转音频和关键控制等。 Udio 1.5 版改进了对全球语言的支持，新增了普通话等语言。不过，Udio 没有说明这次更新新增了多少种语言。

【新智元导读】9次迭代后，模型开始出现诡异乱码，直接原地崩溃！就在今天，牛津、剑桥等机构的一篇论文登上了Nature封面，称合成数据就像近亲繁殖，效果无异于投毒。有无破解之法？那就是——更多使用人类数据！ 用AI生成的数据训练AI，模型会崩溃？ 牛津、剑桥、帝国理工、多伦多大学等机构的这篇论文，今天登上了Nature封面。 如今，LLM已经强势入侵了人类的互联网，极大地改变了在线文本和图像的生态系统。 如果网络上的大部分文本都是AI生成的，我们用网络数据训练出的GPT-n，会发生什么？ 研究者发现，如果在训练中不加区别地使用AI产生的内容，模型就会出现不可逆转的缺陷——原始内容分布的尾部（低概率事件）会消失！ 这种效应，被称为「模型崩溃」。 换句话说，合成数据就像是近亲繁殖，会产生质量低劣的后代。 模型崩溃在LLM、变分自编码器VAE和高斯混合模型GMM中，都可能会发生。 有网友认为，是时候敲响警钟了！ 「如果大模型真的在AI生内容的重压下崩溃，这对它们的可信度来说就是末日了。如果它们吃的是机器人的反刍的内容，我们真的能相信LLM的输出吗」？ 真实数据，价值连城 我们都知道，如今全球已陷入高质量数据荒。 EpochAI预测，全球在今年就会陷入高质量数据荒 当前的大模型（包括GPT-3）还是主要基于人类生成的文本进行训练的，但是未来可就不一定了！ Meta研究员Thomas Scialom表示，Llama 3在后训练阶段没有使用任何人类编写的答案，全是Llama 2合成的数据 如果未来，大多数模型的训练数据也是从网上抓取的，那它们不可避免地会用上前辈模型生成的数据。 当某个版本的GPT生成的大部分文本，成为了后续模型的训练数据集，随着版本号的增加，GPT-{n}会发生什么变化？ LLM迭代至第9代，完全胡言乱语 简单讲，LLM生成的数据最终污染了下一代模型的训练集，就会出现「模型崩溃」（model collapse）的现象。 由于在被污染的数据上进行训练，LLM随后会错误地感知现实。 这样一来，会导致多代AI生成模型的退化。 也就是那句经典名言——垃圾进，垃圾出。 合成数据，无异于给数据集「投毒」。 研究中，作者们使用维基百科文章先训练了模型OPT-125m，并在前一代模型生成的文本上，训练了多代模型。 模型们被要求续写一段来自wiki的关于「萨默塞特（Somerset）一级登录建筑」条目的文本。 输入的提示如下所示，这是关于设计14世纪教堂塔楼主题的文本： 输入：据Poyntz Wright所说，一些教堂塔楼在1360年之前就开始建造了，通常是由一位大师石匠和一小队流动石匠完成，辅以当地教区的工人。但其他作者不同意这种观点，他们认为主要是由著名建筑师根据早期的垂直风格设计了这些教区教堂的塔楼。 在第0代模型中，输入同样的提示，得到的输出是： 可以看到，Gen0的续写已经开始有点前言不搭后语了，而且还出现了诡异的符号「@-@」。 奇怪的事实错误是，圣约翰大教堂位于纽约，不在伦敦。 第0代：复兴建筑的典型例子包括伦敦的圣约翰大教堂。最早的垂直复兴建筑实例可以在18@-@世纪的根西岛圣母教堂中找到，该教堂实际建于19世纪晚期。垂直教堂有两种类型：那些。 在Gen1中，虽没有奇怪符号的输出，但同样出现了事实错误—— 圣彼得大教堂（St. Peter's Basilica）真正位于梵蒂冈，而不是什么罗马、布宜诺斯艾利斯。 而且建造于公元1506和1626年之间，由教皇朱利奥二世开始建造，直至教皇奥本八世。 第1代：像罗马的圣彼得大教堂或布宜诺斯艾利斯的圣彼得大教堂这样的建筑。虽然没有证据表明这些建筑是在教皇英诺森三世统治期间建造的，但它们有可能是在他的继任者教皇英诺森统治期间建造的。 接下来，到了第五代模型，输出的结果完全是胡言乱语了。 以ism起句，讲了一大堆语种，根本不是续写的相关素材。 第5代：ism，已被翻译成100多种语言，包括英语、法语、德语、意大利语、西班牙语、葡萄牙语、荷兰语、瑞典语、挪威语、波兰语、匈牙利语、斯洛伐克语、立陶宛语、爱沙尼亚语、芬兰语、罗马尼亚语、保加利亚语、土耳其语、克罗地亚语、塞尔维亚语、乌克兰语、俄语、哈萨克语、吉尔吉斯语。 再到第9代，奇怪的@-@符号又出现了，而且还输出了更加无关的内容——tailed jackrabbits。 第9代：建筑。除了拥有世界上最大数量的黑@-@尾兔、白@-@尾兔、蓝@-@尾兔、红@-@尾兔、黄@-。 以下是所有迭代模型，完整输出的过程。每一代新的模型都是在前一代生成的数据上进行训练的。 看得出，模型在每一代次迭代中退化。研究人员发现，所有递归训练后的模型，皆会输出重复的短语。 另一个案例是，今天杜克大学助理教授Emily Wenger，发表在Nature上一篇社论文章中指出： AI基于自身数据训练，生成的图像扭曲了狗的品种。 数据集中，不仅有金毛、柯基，还有法国斗牛犬、小体巴塞特雪橇犬等。 基于真实数据训练后的模型，输出的图像中，常见品种如金毛寻回犬占大多数，而不太常见的品种斑点狗会消失。 然后，基于AI生成的数据训练模型，生成的品种全是金毛了。 最终，经过多次迭代，金毛的图像就完全出现混乱，脸不是脸鼻子不是鼻子，LLM就此完全崩溃了。 此外，2023年来自斯坦福和UC伯克利的一项研究中，作者同样发现了，LLM在少量自己生成数据内容重新训练时，就会输出高度扭曲的图像。 论文地址：https://arxiv.org/pdf/2311.12202 他们还在实验中展示了，一旦数据集受到污染，即便LLM仅在真实图像上重新训练，模型崩溃现象无法逆转。 作者警示道，为了模型不再被自己「降级」，AI需要能够区分真实和虚假内容。 这一观点，与Wenger不谋而合。 她认为，缓减LLM崩溃并不简单，不过科技公司已经部署了嵌入「水印」的技术，进而可以把标记AI生成内容，从数据集中剔除。 此外，模型崩溃的另一个关键寓意是，那些早已构建的AI模型，有着先发优势。 因为，从AI时代互联网获取训练数据的公司，可能拥有更能代表真实世界的模型。 什么是模型崩溃？ 最新研究中，作者表示，模型崩溃包含了两种特殊的情况：早期模型崩溃、晚期模型崩溃。 在早期模型崩溃中，模型开始丢失关于数据分布尾部的信息；在晚期模型崩溃中，模型收敛到一个与原始分布几乎没有相似性的分布，通常方差显著降低。 这一过程的发生，是由于三种特定误差源，在多代模型中逐渐累积，最终导致模型偏离原始模型： - 统计近似误差 这是主要的误差类型，由于样本数量有限而产生，并且在样本数量趋向无限时会消失。这是因为在每一步重采样过程中，信息丢失的概率总是存在。 - 函数表达误差 这是次要误差类型，由于函数近似器（function approximator）的表达能力有限而产生。 特别是，神经网络只有在其规模无限大时，才能成为通用近似器。 因此，神经网络可能会在原始分布的支撑集（support）之外，引入「非零概率」，或在原始分布的支撑集内引入「零概率」。 一个简单的例子是，如果我们用单个高斯分布，来拟合两个高斯分布的混合。即使有完美的数据分布信息（即无限数量的样本），模型产生误差也是不可避免的。 然而，在没有其他两种类型误差的情况下，这种误差只会在第一代发生。 - 函数近似误差 这也是次要的误差类型，主要由于学习过程的限制而产生，例如随机梯度下降的结构偏差或目标函数选择的影响。 这种误差可以看作，即便在理想条件下，即拥有无限数据且完美表达能力，仍在每一代模型中产生。 综上所述，每种误差都可能会导致模型崩溃变得愈加严重，或得到一些改善。 更强的近似能力甚至可能是一把「双刃剑」。 因为更好的表达能力可能抵消统计噪声，从而更好地逼近真实分布，但同样也可能放大噪声。 更常见的情况下，我们会得到一种级联效应（cascading effect），其中个别的不准确性会结合起来，导致整体误差的增长。 例如，过拟合密度模型会导致模型错误地外推，并将高密度区域分配给训练集中未覆盖的低密度区域。 这些错误分配的区域，随后会被频繁采样。 值得注意的是，除上述内容之外，还存在其他类型的误差。比如，在实际操作中，计算机精度是有限的。 接下来，研究人员将通过「数学直觉」来解释上述误差是如何产生的，不同误差来源如何复合（compound），以及我们如何量化平均模型偏差。 理论直觉 在所有基于前几代生成数据进行递归训练的生成模型，这种现象都是普遍存在的。 所以，到底是什么原因，导致了模型崩溃？ 研究者提供了几种理论解释。 通过研究两个数学模型，研究者量化了前一部分讨论的误差来源。 这两个模型分别是一个在没有函数表达能力和近似误差情况下的离散分布模型，以及一个描绘联合函数表达能力和统计误差的多维高斯近似模型。 它们既足够简单，可以提供感兴趣量的解析表达式，同时也能描绘模型崩溃的现象—— 考虑的总体随机过程，作者称之为「代际数据学习」。 第i代的数据集D_i由具有分布p_i的独立同分布随机变量 组成。 其中，数据集的大小j∈{1,…, M_i}。 从第i代到第i+1代，我们需要估计样本在新数据集D_i中的分布，近似为 。 这一步称之为函数近似， 。 然后通过从 中采样，生成数据集 。 其中，非负参数α_i, β_i, γ_i的和为1，即它们表示来自不同代的数据的比例。 它们对应的混合数据，分别来自原始分布（γ_i）、上一代使用的数据（β_i）和新模型生成的数据（α_i）。 这一步，称为采样步骤。 对于即将讨论的数学模型，我们考虑α_i=γ_i=0，即仅使用单步的数据，而数值实验则在更现实的参数选择上进行。 离散分布的精确近似 在本小节中，我们讨论一种没有函数近似和表达误差的离散概率分布，即 。 在这种情况下，模型崩溃的原因仅仅是采样步骤中的统计误差。 首先，由于低概率事件被采样到的概率很低，它们的尾部（低概率事件）会逐渐消失，随着时间的推移，分布的支持范围也会缩小。 假设样本量为M，如果我们考虑一个概率为q≤1/M的状态i，那么来自这些事件的i值样本的期望数量将小于1。 也就是说，我们会失去关于这些事件的信息。 如果更一般地考虑一个概率为q的状态i，使用标准条件概率，我们可以证明失去信息的概率（即在某些代中没有采样到数据）等于1−q。 这也就意味着，分布最终会收敛到某个状态处的δ函数，最终落在某个状态的概率等于从原始分布中采样该状态的概率。 将 这个过程看作一个马尔可夫链，我们就可以直接证明上述结论，因为X^(i+1)仅依赖于X^i。 此外，如果所有 的值都相同，那么在下一代，近似分布将完全是一个δ函数。因此所有 的值也将相同。 这就意味着，马尔可夫链至少包含一个吸收态，因此它会以概率1收敛到其中一个吸收态。 对于这个链，唯一的吸收态是那些对应于δ函数的状态。 因此，随着我们跟踪的模型逐渐崩溃，我们必然会陷入一个常数状态；当这条链被完全吸收时，原始分布的所有信息就都丧失了。 在一般情况下，这个论点也是成立的，因为浮点表征是离散的，因此使得模型参数的马尔可夫链也是离散的。 因此，只要模型参数化允许使用δ函数，我们一定会到达这个结论，因为由于采样误差的原因，唯一可能的吸收态就是δ函数。 基于上述讨论，我们可以看到，无论是早期模型崩溃（仅低概率事件被切断）还是后期模型崩溃（过程开始收敛到单一模式）的现象，只要是在具有完美函数近似的离散分布下，都必然会出现。 多维高斯分布 在讨论了离散分布之后，我们就可以提出一个更通用的结果，它可以在高斯近似的背景下得到证明。 在这种情况下，每一代的数据都是通过上一代的均值和方差的无偏估计来近似的。 高斯模型崩溃 假设原始数据是从分布D_0（不一定是高斯分布）中采样的，且样本方差不为零。假设X^n是递归地使用上一代的无偏样本均值和方差估计来拟合的，其中 且样本量是固定的。 此时就可以得到 。 其中，W_2表示第n代的真实分布和其近似之间的Wasserstein-2距离。 换句话说，这意味着不仅第n代的近似值会任意远地偏离原始分布，而且随着代数的增加，它也会以概率1收敛到零方差，从而发生崩溃。 这个定理展示了后期模型崩溃的效果，即过程开始收敛到零方差。这个过程，与离散情况非常相似。 语言模型中的模型崩溃 当模型发生崩溃，会对语言模型产生哪些影响？ 模型崩溃在各种机器学习模型中都是普遍现象，然而像变分自编码器（VAE）和高斯混合模型（GMM）这样的小模型通常是从头开始训练的，而LLM则有所不同。 从头训练的成本非常高，因此通常使用预训练模型（如BERT、RoBERTa或GPT-2）进行初始化，然后再对预训练模型进行微调以适应各种下游任务。 那么，当LLM使用其他模型生成的数据进行微调会发生什么呢? 实验评估了训练大语言模型最常见的微调设置，其中每个训练周期（epoch）都从一个预训练模型开始，并使用最新数据。 这里的数据来自另一个已经微调过的预训练模型。 由于训练范围限制在生成接近原始预训练模型的模型，由于这些模型生成的数据点通常只会产生非常小的梯度，因此实验的预期是模型在微调后只会发生适度的变化。 实验微调了Meta通过Hugging Face提供的OPT-125m因果语言模型，在wikitext2数据集上对模型进行微调。 为了生成训练模型所需的数据，实验使用五向集束搜索（beam search）。 将训练序列限制为64个token，然后对于训练集中的每个token序列，让模型预测接下来的64个token。 用上面的方法调整所有原始训练数据集，并生成一个大小相同的人工数据集。 由于范围涉及所有原始数据集并预测了所有块(Block)，如果模型的误差为0，它将生成原始的wikitext2数据集。 每一代的训练都从原始训练数据的生成开始，每个实验运行五次，结果显示为五次独立运行，使用不同的随机种子。 用wikitext2数据微调的原始模型，平均困惑度（perplexity）从零样本基线的115下降到34，说明它成功地学习了任务。 最后，为了尽可能接近现实情况，实验使用了在原始任务上表现最好的模型，使用原始wikitext2验证集进行评估，作为后续几代的基础模型。 这意味着，实际上观察到的模型崩溃可能更加明显。 实验还考虑了考虑两种不同的设置： - 5个epoch，不保留原始训练数据。 在这种情况下，模型在原始数据集上训练五个周期，但在后续的训练中不再使用原始数据。 整体的原始任务表现如图所示。 实验发现，使用生成的数据进行训练虽然能适应基本任务，但性能有所下降，困惑度从20增加到28。 - 10个epoch，保留10%的原始训练数据。 在这种情况下，模型在原始数据集上训练十个周期，并且每次新的训练时，随机保留10%的原始数据点。 整体的原始任务表现如图所示。 实验发现，保留部分原始数据可以更好地进行模型微调，并且仅导致性能的轻微下降。 虽然两种训练方式都导致了模型性能下降，但实验发现使用生成数据进行学习是可行的，模型也能成功地学习一些基础任务。 特别是，从图下及其3D版本中可以看到，模型崩溃现象确实发生了，因为低困惑度样本的密度随着训练代次的增加而开始累积。 这意味着，在多个训练代次中，采样数据可能会逐渐趋向于一个δ函数。 到这里，结论就和「理论直觉」中的一般直觉一致了。 可以看到，生成的数据有更长的尾部，这就表明某些数据是原始模型永远不会生成的。而这些错误，就是来自代际数据学习的积累。 这也给我们敲响了警钟—— 如果没有大规模采用AI泛滥之前从网上抓取的数据，或者直接使用人类生成的大规模数据，训练新版本的LLM，恐怕会变得越来越困难！ 有什么办法吗？ 研究团队认为，AI生成数据并非完全不可取，但一定要对数据进行严格过滤。 比如，在每一代模型的训练数据中，保持10%或20%的原始数据；使用多样化数据，如人类产生的数据；或者研究更鲁棒的训练算法。 没想到吧，人类创造的数据，居然有一天会如此价值连城。

IT之家 7 月 25 日消息，博主 @看山的叔叔 今日发文爆料，华为智慧屏 S5 Pro 拥有三种尺寸型号，全系标配 4 扬声器，默认开机无广告。 IT之家整理华为智慧屏 S5Pro 系列产品爆料亮点信息如下： 华为智慧屏 S5 Pro 系列拥有三种尺寸版本可选，分别为 65 英寸、75 英寸和 86 英寸，屏幕材质均为 LCD，支持 120Hz / 240Hz 刷新率，全系标配 4 扬声器和 4GB+128GB 内存组合，支持双频 WiFi 6、HDMI 2.1。 型号 S5 Pro 86 S5 Pro 75 S5 Pro 65 尺寸 86 英寸 75 英寸 65 英寸 色域 DCI-P3 93% DCI-P3 92% DCI-P3 92% 刷新率 120Hz/240Hz 背光模式 直下式 屏占比 98.00% 97.70% 97.70% MEMC 支持 处理器 泰山 4 核 A73+1.6T NPU 存储 4GB+128GB AG 防眩光 支持 不支持 不支持 指向遥控器 支持 支持 支持 摄像头 磁吸式；1200 万像素 扬声器 20W 2×10W 全频 + 2×10W 高音 远场景语音 支持 6MIC 分布式音箱 4 音箱 WiFi 双频 WiFi 6 HDMI HDMI 2.1 功率 450W 260W 230W 售价 11999 元 8999 元 6999 元 华为智慧屏 S5 Pro 有望明日上架开售，现已出现在华为智慧生活 App 中，拥有三种尺寸版本可选，但目前只能进入绑定操作，无法进入设备详情，因此无法查看更多信息。

品玩7月25日讯，据 huggingface 页面显示，英伟达官方推出一款小语言模型Minitron，包含4B和8B两个参数版本。 据悉，Minitron在保持相当性能水平的同时，将模型大小缩小了 2-4 倍。具体来说，使用这种方法，从 15B 模型衍生出的 8B 和 4B 模型所需的训练代币比从头开始训练少 40 倍。这使得训练整个模型系列（15B、8B 和 4B）的计算成本节省了 1.8 倍。 Minitron 模型系列现已在 Huggingface 上开源供公众使用。