全球混凝土及砂浆行业供应链平台

星舰在博卡奇卡的发射台 核心提示： 1.自2019年以来，SpaceX在得州博卡奇卡至少19次引发火灾、泄漏、爆炸或其他问题。 2.马斯克的策略就是利用美国各个联邦机构的局限性和彼此竞争。 3.鱼类和野生动物管理局官员感到愤怒，质疑FAA是否在与SpaceX合谋，破坏环境保护工作。 4.美国国防部和美国宇航局都打算用星舰运送货物，他们施压FAA尽快批准星舰发射。 上个月，埃隆·马斯克(Elon Musk)的巨型星舰成功试飞。这次发射被誉为SpaceX和美国民用航天计划的一次巨大飞跃。 两小时后，在确认环境安全的情况下，一支由SpaceX、美国鱼类和野生动物管理局(FWS)以及一个保护组织组成的团队，开始检查发射场周围脆弱的候鸟栖息地。 星舰发射造成的影响显而易见。 这次发射在马斯克耗资30亿美元的太空基地周围的公共土地上释放了大量泥浆、石块和燃烧的碎片。大块的金属片和绝缘材料散落在州立公园一侧的沙地上。在其他地方，发射还引发了一场小型火灾，留下了一片烧焦的公园草地，这是星舰在燃烧了750万磅燃料后制造的发射痕迹。 最令一名随行人员感到不安的是，在前一天有个鸟巢的地方，土壤上有一团黄色的污迹。在发射之前，非营利组织“海岸弯湾和河口计划”记录的9个鸟巢没有一个是完好无损的。 现在，地面上沾满了蛋黄。 “海岸弯湾和河口计划”的野生动物生物学家贾斯汀·勒克莱尔(Justin LeClaire)告诉一名鱼类和野生动物管理局检查员：“这些鸟巢全都被弄乱了，还有的鸟蛋丢失了。” 此类发射制造的破坏此前已经发生了多次，有据可查。自2019年以来，SpaceX在这里的运营至少19次引发火灾、泄漏、爆炸或其他问题，这些问题与马斯克的发射场在博卡奇卡基地的快速发展有关。这些事件造成了环境破坏，并引发了一个话题更为广泛的辩论，即如何在技术和经济进步，与保护脆弱生态系统和当地社区之间取得平衡。 保护区的滨鸟，距离SpaceX星际基地不到10英里 这种人与自然的紧张态势因为马斯克对美国太空抱负的影响而加剧。随着美国政府越来越依赖SpaceX执行商业太空任务以及前往月球甚至火星的计划，国会议员和拜登政府的高级官员已经在私下和公开场合对马斯克的权力表示担忧。 如果研究一下马斯克在南得州的策略，你就会发现他是如何利用各个联邦机构的局限性和相互竞争的使命的。这些机构本来最有希望对马斯克称之为“星际基地”的工业园区的迅猛扩张进行制衡。那些负责保护该地区文化和自然资源的人，尤其是来自美国内政部鱼类和野生动物管理局、国家公园管理局的官员，一再输给更强大的机构，这其中就包括美国联邦航空管理局(FAA)，后者的目标与马斯克的目标交织在一起。 最终，南得州的生态环境保护让位于SpaceX和美国的雄心壮志。 SpaceX高管拒绝就此置评。但直到今年一直担任SpaceX五角大楼发射项目顾问的加里·亨利(Gary Henry)表示，该公司意识到了官员们对环境影响的抱怨，并致力于解决这些问题。 大蓝鹭，南得州是重要的鸟类栖息地 负责太空发射许可证的FAA高级官员开尔文·B·科尔曼(Kelvin B. Coleman)表示，他确信该机构正在履行其职责，即促进太空旅行的安全。 “我们不希望看到碎片被吹到州立公园或国家土地上，但重要的是没有人受伤，”科尔曼在接受采访时说，“我们当然不希望人们担惊受怕。但SpaceX在那里进行的是一项非常重要的行动，这对我们的民用太空计划非常重要。” 随着SpaceX增加发射频率，并使用更大的火箭星舰，南得州的人与自然冲突可能会在SpaceX位于加州和佛罗里达州的其他发射场重演。 马斯克误导官员 《纽约时报》的这一报道基于通过公开记录请求、法庭文件和联邦披露公开的超过一万页电子邮件和其他州、联邦记录，以及对监督该项目的二十多名地方、联邦和州官员的采访。 这些记录揭示了SpaceX如何逐步扩大其在南得州的火箭制造和发射业务的，它现在的规模要比马斯克最初承诺的大得多。 “他们一直说，不，我们不会那样做，我们不会那样做，然后他们又反悔说，是的，我们会这么做，”在SpaceX发射基地项目启动时担任国家公园管理局当地最高官员的马克·斯皮尔(Mark Spier)说，“我们被误导了。” 马斯克 当马斯克和SpaceX在博卡奇卡建立发射基地时，他们曾承诺了一种不同的环保理念。SpaceX告诉当地官员，该项目的占地“小而环保”，会让“周边区域保持原样”，这意味着它将“为野生动物提供一个极好的栖息地”。 但是，根据《纽约时报》对参与SpaceX土地购买的高管们的采访，从一开始，马斯克的计划就是将联邦和州土地与公司最初购买的一小块地一起使用，明知火箭事故很可能会导致碎片飞散。 “我们有很多无人居住的土地，所以如果它爆炸了，也没什么大不了的，”马斯克在2018年的一次新闻发布会上说。 甜甜圈洞 当马斯克开始谈论建造前往火星的宇宙飞船的愿望时，得州布朗斯维尔附近的地区是一个有吸引力的选择。 它位于美国最南端，这使得火箭更容易进入轨道，因为马斯克可以利用地球在赤道附近的自转加快作为进入太空的弹射器。这个人烟稀少的地区以亲商著称，并且几乎没有可能减缓或阻碍建设的法规。 时任布朗斯维尔经济发展主管的吉尔伯托·萨利纳斯(Gilberto Salinas)表示，2011年4月，SpaceX的代表们一直在秘密查阅卡梅伦县的土地记录，寻找完美的选址，关键是只购买一小块土地，SpaceX官员戏称其为“甜甜圈洞”。 他们看中了一块在地图上邮票大小的私人土地，这款地主要被政府拥有的州立公园和联邦野生动物保护区包围，不能建造任何东西。尽管如此，仍有居民住在附近的博卡奇卡村，游客也经常光顾这些州立公园。马斯克的计划要求在每次发射火箭时疏散这些公园和居民区。 星际基地 这一地区被作为重要的鸟类栖息地进行保护。墨西哥湾附近的泥滩富含营养物质和昆虫，该地区是鸟类南北迁徙的必经之路。这里记录了近500种鸟类，包括稀有或濒危鸟类。附近的博卡奇卡海滩也是肯氏海龟的繁殖地，这是世界上最濒危的海龟物种。 SpaceX一位高管的一封电子邮件显示，早在2011年，SpaceX就向得州官员询问“该地区使用得州公园土地的频率”。 马斯克向当地和联邦官员提出了一项计划，将博卡奇卡作为SpaceX猎鹰9号火箭的另一个发射场，该火箭当时已开始从佛罗里达州和加州定期发射。作为SpaceX的主力火箭，猎鹰9号很快就成为美国政府和商业公司将卫星送入轨道的最受欢迎选择。 SpaceX最初告诉得州官员，第三个猎鹰9号发射场的建设规模不大，成本仅为5000万美元左右，能够创造约150个就业机会。 密谋星舰 然而，《纽约时报》的采访和获得的文件显示，马斯克私下里已经在计划更大的事情。SpaceX的目标是利用得州的这个角落发射一枚世界从未见过的火箭。 萨利纳斯说，SpaceX早在2014年就告诉他，“这将是一枚更大的火箭，火箭的全面生产将在南得州进行”。 这种新型火箭将被称为“星舰”，体型远大于“猎鹰”最大版本，重量几乎是它的四倍。星舰第一级发动机能够产生惊人的1670万磅的推力，是土星5号火箭第一级推力的两倍多，后者曾执行过美国宇航局的阿波罗登月任务。 FAA对该选址进行了一项环境影响研究，但是这项研究基于马斯克最初的提议，也就是在该地点使用猎鹰火箭，而不是像星舰这样的庞然大物。 在星舰计划公开后，FAA告诉当地一个环保组织，他们原本计划对该项目进行新的环境影响评估。但是，该机构改变了主意，决定修改旧的版本。 星舰 最根本的问题是，FAA决定它可以合法地考虑发射台及其控制中心的运行对环境的影响，但不考虑附近规模大得多的火箭工厂。鱼类和野生动物管理局官员对此表示反对，认为应该考虑整个SpaceX综合设施的影响。 FAA的法律决定至关重要。该发射台最终只成为了SpaceX整个火箭制造和测试设施的一小部分，现在分布在该公司逐步获取的大约350英亩土地上。 最后，FAA认定SpaceX的活动不太可能危及任何濒危物种的“持续存在”，也不太可能损害重要的栖息地。 乔治·尼尔德(George Nield)是SpaceX申请该选址时FAA太空发射部门的高级官员。他承认，环境审查过程可能存在漏洞。但他认为，SpaceX 是在“利用”政府土地，而不是开发它。 “我们能做些什么来最大限度地实现SpaceX大胆而宏伟的愿景？”尼尔德回忆起FAA的目标时说，“鱼类和野生动物管理局有一个使命，但它与我们的不同，不包括很多火箭。” 火星，我们来了 大约四年前，博卡博卡一个深秋的下午，太阳即将落山。SpaceX开始倒计时，准备对“星舰”原型机SN8进行第一次高空试飞。 SN8缓慢地离开地面，直到达到大约8英里的高度。这远低于轨道，但达到了马斯克想要的高度。然后飞行器水平转向，开始有控制的下降，预期会平缓着陆。 但是与预期相反的是，在这次2020年12月进行的测试中，它爆炸成了一个巨大的火球，碎片炸飞到了整个区域。 马斯克在社交媒体上庆祝了这一结果。长期以来，SpaceX一直将其早期火箭版本的爆炸视为学习如何调整设计的一种方式。 “我们得到了所有需要的数据！祝贺SpaceX团队，太棒了！”在试飞结束几分钟后，马斯克在推特上喊道，不久之后又补充道，“火星，我们来了！！” 马斯克祝贺团队 然而，他在推特中没有提到的是，发射本身违反了联邦命令。 在FAA明确告知SpaceX不要发射火箭后，SpaceX发射了这枚火箭。FAA非常担心，这次发射可能会产生冲击波，甚至可能破坏离发射场很远的房屋。 鱼类和野生动物管理局官员非常愤怒。他们在来回交流的电子邮件中开始质疑，FAA是否在与SpaceX合谋，破坏他们保护该地区的工作。 事件发生几天后，鱼类和野生动物管理局助理现场督导道恩·加德纳(Dawn Gardiner)在写给上级的电子邮件中写道，SpaceX和FAA都没有“根据《濒危物种法》，对他们正在进行的测试活动取得授权，无论是否存在异常情况”。 美国国家公园管理局的不满情绪也越来越大。该局负责监管帕尔米图牧场战场(Palmito Ranch Battlefield)，这是南北战争最后一场战斗的地点，距离火箭发射台只有两英里远。美国内政部官员告诉FAA，由于现在可以看到侵入性结构，该地点已经“被SpaceX严重破坏”。 美国政府心急 去年夏末时，马斯克开始施压，强迫FAA迅速授权他再次发射星舰。该公司派出高管、前美国宇航局官员威廉·格斯滕迈尔(William Gerstenmaier)前往华盛顿，在参议院作证，抱怨星舰的批准耗时太长，并敦促加快环境审查。 拜登政府内部也在向FAA施压。美国国防部和美国宇航局都打算用新的星舰运送货物。美国宇航局手握一份价值29亿美元的合同，计划使用星舰50多年来首次将宇航员送上月球。 “SpaceX一直在等待与内政部合作，解决与在那里发射有关的一些环境问题。”空军部长弗兰克·肯德尔(Frank Kendall)在4月访问博卡奇卡后不久对众议院的一个委员会说，“这是一个重大的延误。” 鹈鹕飞过SpaceX发射台附近的博卡奇卡海滩 FAA为SpaceX制定了63项纠正措施清单，以解决2023年4月事故造成的问题，包括安装火焰转向器。SpaceX同意了他们的要求，该机构最终开了绿灯。 美国鱼类和野生动物管理局也屈服了。就在星舰11月第二次发行前几天，该机构批准了这些修改。 但是，这并没有结束该机构与SpaceX的斗争。鱼类和野生动物管理局发言人奥布里·布泽克(Aubry Buzek)说，该机构已开始调查今年6月份星舰发射对鸟巢蛋造成的损害。她表示，该机构正在与SpaceX和其他公司合作，“减少对野生动物和公共土地的影响”，并遵守《濒危物种法》。 该机构还对SpaceX处理博卡奇卡拥堵的方式表示担忧。由于 SpaceX正在建造一座100万平方英尺的火箭工厂、增加第二个发射台并建造工人宿舍，该地区的一条狭窄的双车道公路的交通变得非常糟糕，以至于SpaceX专门为其员工建造了一艘气垫船。鱼类和野生动物管理局官员在写给SpaceX的一封信中称，这一解决方案给“全球重要的滨鸟区”带来了新的危害。 作为SpaceX资助的野生动物监测计划的一部分，该公司与一家名为海龟公司(Sea Turtle Inc.)的非营利组织合作监测海龟，并在必要时转移它们的蛋。它还雇佣了一名顾问来跟踪鸟类迁徙模式。 根据联邦政府对结果的总结，SpaceX的研究人员“几乎没有发现”该地区鸟类种群变化的证据。但是，“海岸弯湾和河口计划”在SpaceX附近收集的三年数据显示，受到威胁的笛鸻种群在2021年前后下降了54%。 马斯克在公开言论中表达了他对曾经宁静的博卡奇卡在自己的领导下迎来转变的自豪。现在，每天约有3400名工人进入这个地区，即使现在这里没有公共设施，甚至没有便利店。 “你能在里约格兰德河边的一个沙洲上看到这么一座相当复杂的工厂，这太不可思议了，”马斯克在上个月火箭发射前一天接受一名太空爱好者的采访时说，“就像一艘外星飞船着陆了。” (作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

网约车下半场，聚合平台需戴上紧箍咒 作者｜IT时报记者 沈毅斌 编辑｜郝俊慧 孙妍 拥有巨大乘客流量的聚合平台与拥有司机运力的网约车小平台，“手拉手”构建聚合打车模式，正在逐渐成为网约车的一种重要运营模式。 6月27日，交通运输部网约车监管信息交互平台（以下简称平台）发布的2024年5月份网约车行业运行基本情况显示，共收到订单信息9.44亿单，环比上升5.2%，其中聚合平台完成2.42亿单，环比上升4.2%，占比已经超过25%。 然而，今年以来，《IT时报》记者持续跟踪报道发现，在聚合平台接单的不少中小网约车平台，存在着司机提现难、平台牌照出租获益、乘客维权困难等诸多问题，而聚合平台应承担的责任和义务也成为舆论热议的焦点。 随着记者调查的持续深入，聚合平台和这些中小网约车平台千丝万缕的关系，被抽丝剥茧，一点点曝出真实面貌。高德打车作为国内最大的聚合平台，被多地交通运输管理部门开出罚单，昆明市出租汽车管理局在查获多起网约车非法营运案件后更是直接点明，“高德打车在本案中是运输价格的制定者，是服务品牌的实控者，是实际运力的控制者，是乘客费用的收取者和分配者，其实质就是一个大号的网约车平台。” 聚合？自营？厘清这个问题的背后，是发展十年后，网约车“下半场”需要新的“吹哨规则”。 前员工 做起SaaS服务商 普通乘客在聚合平台上打车时，往往只需要三步：输入地址—选择平台—确认打车，但在系统中却“暗藏”着一个中间环节——SaaS服务商。事实上，当你摁下“打车键”的那一刻，信息从聚合平台App发送至SaaS服务商，然后再通过其系统分配给各个网约车小平台，其中，“平台会抽5%~8%的信息服务费，SaaS服务商抽佣9%，最后由实际服务的网约车平台扣除之后，才是司机的。”张华告诉记者，正是由于“套娃式”的层层抽佣模式，才导致近年来网约车司机常常吐槽，实际收入与乘客支付费用差距过大。在《IT时报》记者此前采访中，便有司机表示被抽佣比例达50%，远高于交通运输部默认的“30%红线”。 “如果想知道聚合平台的玩法，不妨去看看约约出行（厦门约约出行科技有限公司）、白龙马云行（北京白龙马云行科技有限公司）、未来出行（厦门未来出行科技有限公司）这三家公司。”业内人士张华（化名）向《IT时报》记者透露，它们都是与高德打车有着“密切联系”的SaaS服务商。 公开资料显示，这三家公司之间有着密不可分的联系。白龙马云行和约约出行所属公司均由厦门云行信息科技有限公司百分百持股，未来出行的两名股东杨某和于某，一位是厦门云行曾经的法定代表人，而另一位则是厦门云行的现任监事，而未来出行和厦门云行目前的法人代表为同一人。 此外，厦门云行对外投资的公司还有两家分别名为北京龙驹易行和北京白驹易行的公司，其中北京白驹易行最新获得专利中有“确定网约车预约订单接单司机的方法装置”“车辆调度方法、装置及计算机设备”“网约车定价方法、装置”……而北京龙驹易行的专利则集中于“代驾系统”，比如“基于代驾司机恶意绕路的封控方法”。 图源：企查查 从这些公开信息基本可知，这几家公司经营内容为与网约车调度相关的软件服务，也即所谓的网约车SaaS服务，那它们的主要服务对象是谁呢？ “隐身”其后的高德 此前，白龙马云行和约约出行都曾宣布过，获得阿里巴巴e-WTP基金投资。另据《晚点LatePost》采访的多位高德员工透露，2019年到2021年，白龙马团队一度在高德总部望京首开广场，与高德员工一同办公，现任白龙马CEO杨某原为高德P9员工，CTO于某、研发负责人董某、测试负责人姚某、运营负责人王某此前均任职于高德。 《IT时报》记者也在社交平台上查询到，厦门云行现在的法人代表吴某也曾是高德员工。 对于这些由前员工创立的SaaS服务商与高德打车的关系，高德集团总裁刘振飞曾在2022年表示，只是合作关系，无股权关系。白龙马联盟则在2023年12月15日发布的推文中表述，白龙马于2019年首创聚合出行生态，与高德地图、携程、同城等流量平台建立合作。 不过，据张华透露，聚合平台上网约车的运营规则，如运力调度、价格制定，其实都由平台主导，“高德通过这些SaaS服务商‘操控’全国各地的网约车小平台，为它们打造网约车后台系统后，网约车租赁公司提供的车辆和司机就能加入其中。” 此前，高德也曾公开否认干预网约车价格制定、车辆和司机调度等管理，但张华的说法在高德打车连续获得的“罚单”中得到部分印证。 2023年11月，高德接连被银川市、三明市开出万元罚单，三明市交通运输局发布的公告显示，“高德打车长期在我市对网约车进行跨平台运力和供需订单的统一调度及匹配，提供一口价约车并向未取得《网络预约出租汽车运输证》的车辆派单，相关经营行为已超出信息撮合范畴”；福州市交通运输局综合执法支队此前公布一则行政处罚，“北京易行出行旅游有限公司作为高德打车业务运营主体，在‘无证’的前提下擅自从事网约车经营活动”，并因此被处以罚款；铜陵、成都多地，也对高德打车“无证”经营网约车做出过处罚或警示。而反观“白龙马”系公司资料，并无同类罚单。 去年4月，交通运输部等五个部门发布的《关于切实做好网约车聚合平台规范管理有关工作的通知》中明确表示，网约车聚合平台不得干预网约车平台公司价格行为，不得直接参与车辆调度及驾驶员管理。 图源：交通运输部 神秘的“股权质押” 曾经滴滴的市场占有率高达90%以上，网约车市场似乎都成为姓“滴”的天下，但高德带着聚合打车的新模式走来，凭借庞大的乘客端流量和SaaS服务模式，成功抢到20%以上的市场份额，上位“网约车亚军”宝座，据不完全统计，已有超过150家中小网约车平台接入高德。但与其之前宣称的“信息撮合平台”定位不同，不少网约车平台背后都隐现高德身影。 “早期，高德打车接入了一批小平台，让他们彼此赛马，一是看平台实际运力增长态势，二是看平台开城数量。当黑马出现之后，高德便会出手投资，将其与自身利益绑定。”张华提醒记者，可以重点关注妥妥E行、携华出行、及时用车和365出行四家平台的股权质押情况。 股权质押，简而言之，就是企业将其持有的股权作为抵押，获得投资公司资金。通过股权质押，企业能够迅速获得所需资金，用于企业的运营和发展，同时避免了传统融资方式的种种限制，而且不会变动股权结构。但风险在于，一旦企业无法按时偿还贷款，可能会面临失去部分或全部控制权的风险。 《IT时报》记者查询公开资料可知，妥妥E行母公司为长燃智享（宁夏）新能源科技有限公司，董事兼总经理刘凯也是最大股东，第二大股东霍江为董事长。在企查查风险预警中可以看到，2021年5月28日，刘凯和霍江分别出质355万元和135万元股权数额给阿里巴巴（中国）网络技术有限公司。 携华出行大股东兼董事长庄智强也曾在2020年10月15日，将595万元股份出质抵押给阿里巴巴（中国）网络技术有限公司；而阿里巴巴（中国）网络技术有限公司监事冯云乐同时还担任高行（天津）管理咨询有限公司的监事，这家高行咨询就是携华出行的第二大股东，持股25.71%。 “股权质押潮”并未就此结束。 2021年3月2日，及时用车两大股东王丙周和侯刚分别质押401.83万元和642.92万元股份给阿里巴巴（中国）网络技术有限公司；招招出行（重庆小租网络科技有限公司）在2021年10月22日，分别质押900万元、1020万元、80万元股份给阿里巴巴（中国）网络技术有限公司…… 除了“喜欢”股权质押，融资也是参与网约车平台的方式之一，T3出行曾在2019年和2021年进行过两轮融资，阿里巴巴（中国）有限公司均有参与；2020年，阿里巴巴（中国）有限公司与宁德时代共同参与享道出行的A轮融资；2021年，阿里巴巴（中国）有限公司又向大众出行投资4000万元。 此外，据媒体此前报道，高德另一位副总裁王桂馨曾在风韵出行、享道出行、招招出行、携华出行、妥妥E行、大众出行等6家网约车公司担任董事，不过2022年开始陆续卸任，如今企查查上已经查不到王桂馨的相关任职信息。 截至发稿，记者通过企查查查询到，上述公司向阿里巴巴（中国）网络技术有限公司质押的股权依旧显示为有效。 需要注意的是，高德还有一位“亲儿子”网约车平台，名为火箭出行，企查查工商信息显示，火箭出行的运营主体是北京利通出行科技有限公司，公司注册于2021年9月，高德软件有限公司为唯一股东。 图源：企查查 “高德打造自己的网约车平台，相当于既有订单流量，又有司机运力，还能全拿抽成，自然会引起其他服务平台的不满，所以火箭出行只在北京开城。”张华对此分析。 高德此前曾表示，高德打车与火箭出行是两个完全独立的平台，高德打车坚守聚合平台定位。 中小网约车平台“乱象” 今年开始，《IT时报》记者连续关注中小网约车平台“乱象”。 作为一项与“人身安全”高度相关的出行服务，截至2024年5月31日，全国共有351家网约车平台公司取得网约车平台经营许可，但与此同时，网约车司机收入低、中小网约车平台因不合规被停服、乘客投诉无门等现象也屡见不鲜。 为了能获取更多市场份额，各个网约车平台铺天盖地的广告充斥网络，并号称提供“各种奖励”，如免抽佣、新人冲单奖、平台开城奖励等等，没有经验的新人司机很容易被吸引，可一旦与平台签约，便被绑定在“战车”上，要么坚持跑下去，要么损失一笔违约金。 “跑网约车要慎重，我被坑了四千元。”网约车司机周赫（化名）告诉记者，自己通过“车队长（网约车平台推荐人）”找到一家名为苏州永智达出行服务公司，跑单平台为妥妥E行。公司明面上说提供车辆，但入职时，企业需要司机在支付宝中的花芝租小程序签约汽车租赁款共三万六千元，说是平台认证。之后每周需要还3000元，共12期。 这时周赫才意识到，原来网约车租赁公司说的提供车辆是让司机自己租车跑单，且每周需要还租车费。但当他在妥妥E行平台上跑了一周后发现，赚的钱还没租金多，便向租赁公司提出辞职，最后交了四千元违约金才得以脱身。 对于聚合平台的乘客而言，最大的烦恼在于一旦发生纠纷，却往往找不到相关负责人。 2022年，重庆老人刘志芳在回家路上被一辆网约车撞伤变为植物人，涉事网约车是在妥妥E行平台注册、通过高德聚合平台接单。事故发生后，司机当晚便消失了，妥妥E行在支付1万元精神安抚金后也不再露面，家属向平台讨要说法，但平台认为自己无责。 同年，郑州一位女大学生通过高德平台打到“有象约车”的网约车，在经过交叉路口时，一辆货车闯红灯后撞上网约车，导致这名女大学生死亡。事后，高德和有象约车发出事故说明，均表示网约车营运行驶合规，主要责任为货车司机，但均未对涉事网约车是否有相关证件，是否属于违法上路，违法载客的问题进行回复。去世女孩哥哥表示，联系高德后，高德让他联系有象约车，而有象约车相关工作人员却以公司经营困难，拿不出多余的钱为由拒绝赔偿。 通病？还是个案 交通运输部网约车监管信息交互平台发布的2024年5月份网约车行业运行基本情况显示，目前市场上主要有7家聚合平台，根据合规情况排序依次是滴滴出行、花小猪出行、高德打车、携程用车、百度打车、腾讯出行、美团打车。 那么，前文所述问题是否在聚合平台中普遍存在？《IT时报》记者对这七家平台做了一番测试。 在上海，花小猪出行、百度打车、腾讯出行、美团打车四家聚合平台中，出行人可选择的平台包括曹操出行、首汽出行、享道出行、阳光出行、T3出行等知名的网约车平台，并没有其他小平台，但在高德地图打车时，添猫出行、62580约车、900出行、方舟行、众约出行等中小平台出现频次更高。 北京市也是类似情况。花小猪出行、百度打车、腾讯出行、美团打车主要接入的是曹操出行、首汽出行、滴滴出行等较大网约车平台，而高德打车里则会出现旗妙出行、AA出行等品牌。来到深圳市和广州市，花小猪出行、百度打车、腾讯出行、美团打车四家聚合平台在上述接入平台的基础上新增如祺出行、飞嘀打车、哈啰出行等网约车平台，但也都是较为知名的平台。 其中，由广汽集团和腾讯控股作为主要股东的如祺出行，已经进入上市的冲刺阶段。反观高德，斑马快跑、东潮出行、中军出行、全民GO等更多中小平台涌现，其中斑马快跑在《IT时报》此前报道中显示，所属司机“提现困难”。 不过，在武汉市，记者发现花小猪出行的主推荐位是大平台，但在“远必省”系列品牌中，也出现了帮邦行、伙力专车、长宽出行、网路出行等中小平台，且这些平台在高德中均未出现。百度打车、腾讯出行、美团打车三家聚合平台依旧以接入大平台为主。 6月27日，《IT时报》记者就与SaaS服务商的合作方式，包括运力调度、价格制定、扣点方式等运营模式等具体问题，向高德打车发出采访需求，截至发稿，未收到回复。 记者观察 网约车进入“下半场” 聚合平台也需戴上“紧箍咒” 中国的网约车上半场走得很快。 从2010年易到用户上线，到滴滴和快的展开“补贴大战”，网约车市场迅速走向繁荣，但随之而来的一桩桩交通案件，让司机权益、乘客安全等问题备受关注，网约车行业急需法律法规约束。 2016年，交通运输部等七部委联合发布《网络预约出租汽车经营服务管理暂行办法》，这是中国首个关于网约车行业的国家级规范文件，明确了网约车的合法地位，要求网约车平台、车辆和驾驶员都需要获得相应的资质。 如今，网约车行业进入下半场。依托互联网技术、与网约车平台公司合作、面向乘客并匹配供需信息，共同提供网络预约出租汽车服务的平台（俗称网约车聚合平台）发展迅速，为乘客出行服务提供新选择的同时，也平衡了网约车行业生态。 这意味着针对网约车行业的监管和治理力度需“因时而变”。 2023年4月，交通运输部等五个部门发布的《关于切实做好网约车聚合平台规范管理有关工作的通知》明确指出网约车聚合平台不得干预网约车平台公司价格行为，不得直接参与车辆调度及驾驶员管理，维护公平竞争市场秩序。 但在现实情况中，网约车聚合平台和网约车平台公司的企业责任落实不到位、从业人员和乘客合法权益保障不到位、发生事故难以定责等问题依然存在。 某种意义上，网约车聚合平台是一个“网约车平台的淘宝”，如果以《电子商务法》类比，其对网约车平台天然具有监管责任和义务，也应承担相应的连带责任。 如今，网约车行业已经进入“下半场”。市场份额越来越大的聚合模式，在满足消费者需求、推动市场主体自由竞争的同时，也让行业日益“内卷”，是该让将戴上“紧箍咒”了。

快科技7月8日消息，微博话题“人死后指纹还能解锁手机吗”冲上热搜榜，引发热议。 在评论区，不少网友认为，人死后指纹不能解锁手机，因为冬天室外手冻得没有温度的时候，手机识别不了指纹。 对此，专家指出，能否解锁得看具体情况，比如光学指纹无法识别指纹持有者是否还有生命特征，因此，有较大的概率在人死亡后还能解锁。 相比之下，电容式指纹的安全性相对较高。 据悉，人体细胞活动会产生微弱的电流，且微观上指纹纹路是高低不平的，所以利用硅晶圆和皮肤的电解液接触，可以形成此起彼伏的电场，这时候传感器就可以采集到指纹的形状，获取图像后用于解锁。 一般而言，在人体死后，身体内的细胞依然会维持大约3小时左右的活动，这时人体依然会存在相应的电流，也就有较高的概率解锁手机。 但随着死亡的时间不断延长，解锁的概率也会越来越小。

IT之家 7 月 8 日消息，据英国《每日电讯报》当地时间 7 日报道，英国就业法庭裁定，苹果公司必须赔偿一名因涉嫌骚扰女同事而被解雇的员工。 事件发生在苹果公司位于伦敦巴特西的办公场所（IT之家注：当地系苹果公司英国总部，同时还有一家苹果零售店），时任过程分析师的 Christoph Sieberer 拍摄了两张女性同事的照片，并将它们分享给另一名男同事 —— 这名同事被指对照片中的女同事有好感。 其中一张照片是该女性与同事交谈的场景，另一张则是在公共区域从她头上三层楼高的位置拍摄的。收到照片后，这名男同事（仅被称为 Thomas）回复说：“这是我的女孩。”“多么可爱的宝贝儿…… 她努力工作的样子看起来真棒。” 然后，Thomas 将其中一张照片向另一名女性员工展示，后者却向她的经理告发了此事。经过调查，苹果以“性骚扰”为由，解雇了 Thomas 和 Christoph Sieberer。 英国就业法庭裁定，苹果公司解雇 Christoph Sieberer 的行为“不公平”。法官表示，“没有合理的理由”支持解雇决定，而且没有证据表明看到照片的任何人感到被冒犯。 法官还进一步批评了苹果公司的“骚扰政策”，并指其“模糊不清”。“虽然拍摄这些照片可以说是侵犯了隐私…… 但这是一个到处都有摄像头的世界。” 裁决同时也提到，这些照片不应被拍摄，Christoph Sieberer 已经承认自己确实不应拍摄这些照片。而与此同时，苹果公司必须支付一笔由法庭在未来确定具体数目的赔偿金。

蓝鲸新闻7月8日讯（记者 陆鹏鹏）“开网约车越来越难挣钱了。”老雷干网约车这行有4年多时间，前两年每个月纯收入能有9000多元，但是今年以来他明显感觉到流水、单子正在变少，收入也大不如从前。 今年以来，深圳、重庆等多地发布网约车行业风险预警，市场趋于饱和，曾经轻松月入过万行业，如今已难以维持生计。 日均出车12小时，每月纯收入不到6000 司机称跑网约车不如进厂打工 “作为一个老司机，我们每天出车12个小时，平均每天流水340元，偶尔生意好的时候才能达到500元，但在过去一天500元很轻松就能做到了。之前一个月纯收入能有9000元，现在月流水只有9000元，除去充电、违章、过路费、车损等一些用车成本，每个月纯收入也就6000多元。现在为了每个月多挣点，不得不多跑跑夜班。为此老婆还经常吐槽，嫁给了网约车司机，就等于爱上一个不回家的人。”老雷对蓝鲸新闻记者说道。 和老雷一样感到网约车难做的人不在少数，在成都跑车的小王到7月为止才6个月工龄，年初干到现在已经萌生了转行的想法。 他对记者说道：“我是租的车，一个月固定3000元，每天一觉醒来就要欠租车公司100块钱，不论是否出车，这个成本都是要自己承担的。刚开始一个月我流水有11000元，但后来才发现高兴的太早，那是新手保护期的光环，现在除去成本每个月纯收入只有4000多元。当初正是觉得跑网约车自由才做这行的，但现在发现根本没有自由，一天至少出车12个小时，多的时候要15个小时，累死累活这点收入还不如进厂打工。” 蓝鲸新闻记者了解到，网约车行业除了自购车和租车跑网约车外，还有一种是上班的模式，即给公司跑流水，公司给你发工资。 长沙的网约车司机洛洛对记者透露：“我们底薪只有5000元，公司要求月流水跑到9000元才能拿到7500元的任务薪资，跑不到工资几乎只有底薪。刚开始干的时候这家公司称多劳多得，有人一天能跑五六百，一个月能挣1万5，但自己干后才发现，一个月连9000都跑不到。” 网约车越来越多 司机挣得却越来越少 事实上，跑网约车远比想象中的要辛苦。 蓝鲸记者从多位网约车司机处了解到，司机们往往早上5点就要起床，6点准时出车，抓住早高峰的时间多跑几单，一直跑到10点收车充电吃饭，中午12点继续出车到4点左右，休息半小时后继续出车。如果拼一点晚班多跑几个小时，一天多的话能有15小时的出车时间。 “什么工作一天干十几个小时，整月只休息两天甚至不休，到手工资却只有五六千，还不交社保。”从司机们的吐槽声中可以看出，跑网约车已是一项付出与回报难成正比的工作。 蓝鲸新闻记者从各地受访者提供的数据整理发现，在一线城市，网约车司机的日流水可达到400~500元，二线城市约为300~400元，三线及以下城市日流水则更低。纯收入在日流水的基础上打6到7折，如果是租的车司机到手则更少。 然而官方给出的日流水数据则更低。 据《广州市网络预约出租汽车市场运行管理监测信息月报》数据显示，从2023年9月至2024年5月，广州报备网约车数量从9.74万辆增至12.12万辆，注册驾驶员从12.91万增至13.85万；与此同时，从去年12月到今年5月，网约车日均订单量则从14.21单下降至12.22单，日均营收也从343.34元降至311.63元。 重庆方面，运营数据监测显示，2024年第一季度，该市中心城区网约车日均出勤接单车辆约4.8万辆，日均总订单量65万余单，单车日均接单13.6单，日均营收约321元（未剔除平台公司流水抽成、订单信息服务费）。 按照日均300元出头的流水计算，除去日常用车成本后司机日均纯收入约为200元，如果整月不休息，月收入也仅为6000元。但对于大多数网约车司机来说，整月不休几乎是不可能的事。在广州、重庆这样的一线、准一线城市，不到6000元的收入远远低于当地的平均收入水平。 多地再次预警 网约车市场趋于饱和 为什么现在跑网约车不挣钱了？司机们收入下滑背后的原因是什么? 今年以来，全国多地发布网约车行业风险预警，公开提醒慎入网约车行业。 今年4月，深圳市交通运输局发布网约车行业运营动态与风险提示，并表示深圳网约车市场已趋于饱和，近年来，已陆续有从业者经过评估退出深圳市网约车行业。提醒有意从事网约车经营的企业与从业人员，应详细了解网约车相关法规，做好市场调研，充分考量营运收入受供需关系、市场条件等因素变化，出现波动或持续下降等情形，客观评估行业从业人员实际收入水平，理性审慎作出从业选择。 同月，重庆市道路运输事务中心也发布了相关公告，重庆明确表示“中心城区网络预约出租汽车运力已远超实际需求”。 5月，景德镇市发布网约车行业风险预警通告，网约车及从业人员数量快速增加，综合市区人口数量、群众出行需求、公交发展水平以及现有出租汽车里程利用率等因素，市区网约车运力趋于饱和。 事实上，这已经不是行业内的首波预警，早在去年，东莞、三亚、温州、济南、遂宁、长沙、上海等多地连续发布饱和预警提醒，有地区网约车单车日均接单量甚至不足10单。 网约车市场饱和、运力过剩的背景下，司机平均接单量逐渐减少，收入自然大不如前。为了弥补单量减少带来的损失，司机不得不延长工作时间增加接单量，原本每天工作10小时，现在每天要12个小时甚至15个小时，在这一趋势下，网约车司机的工作将变得愈加辛苦。 除了市场饱和、运力过剩的原因外，平台抽佣变相提高、用车成本上升、监管趋严等也间接影响了网约车司机的收入。一直以来网约车都是吸纳灵活就业人员的重要岗位，然而随着大量平台和司机的加入，行业竞争愈加激烈，这导致从业者不得不面临收入降低工时变长的压力。 不止一位司机对记者表示，2024一半过去了，今年跑网约车几乎没挣到什么钱，司机小王称：“做完这个月，准备退车进厂打工，厂里一天也是10个小时，还管吃住包三餐，每个月稳定六七千比跑车靠谱多了。

作者 | 王薇 林觉民 编辑 | 林觉民 看繁花似锦，却命运转折。 01 怎么丢掉了“省”的传统？ 在一次百亿补贴的内部会议上，京东创始人刘强东拍着桌子呵斥到：“你们知道老百姓的真实消费力吗？你们知道中国至少有四亿人没有吃过猕猴桃吗？” 价格对消费者的愈加不友好，一度让东哥在会议上直接批评：“京东以前是多快好省，现在省的传统被丢得一干二净。京东现在完全是贵族化、老爷化。” 当前的京东一方面是品质电商，另一方面也是价格高地。 福建当地的红木家具厂商江南向雷峰网称，他们一把椅子在拼多多最多不过能卖二三百元，可放到京东上，只要把关键词改成产地新西兰、进口原材料、百年红木这类高大上的表述，价格立马能翻好几倍。 因此，尽管京东销量不大，但利润极高，商家还可以拿着这部分利润去其他平台投流。 不过当前的京东正在硬着头皮重拾低价心智。 去年京东双十一启动的第二天，“京东硬刚李佳琦”的消息冲上了热搜。起因是一名京东采销人员在朋友圈公开喊话，声称李佳琦与品牌签订了“底价协议”，并人为制造出“伪全网最低价”，京东“自掏腰包”补贴后的商品价格比李佳琦的还低，这导致他突然收到品牌商的律师函，要求巨额赔偿。他自己是顶着巨大压力、牺牲整个部门的毛利才达成现在的价格。对于目前这种状况，他感到十分惊讶。 尽管从当时的舆论来看，京东赢了，然而复盘之后，不免让人看出端倪： 一方面，品牌商竟敢叫板以强势渠道著称的京东，这件事本身就足以证实京东正在丧失流量；另一方面，京东在低价上确实有决心。 实际上，京东不少品类此刻结算价格，都比拼多多还要便宜。 家住海淀的白领李纯向雷峰网谈过，今年618当日，她本来已经在拼多多和淘宝看好了电动自行车 F90，结果鬼使神差在京东搂了一眼，竟然发现京东叠加满减后的价格竟然比淘宝、拼多多都要便宜，于是改在京东上买。 如果价格更便宜，消费者首选当然还是京东。 但现在情况就是，消费者已经打心底里认定了京东价贵，而且处处都贵。 02 京东想要扭转心智有多难？ 为了让更多的用户拥有像李纯这样的体验，京东正在努力去做两件事： 1、卷白牌，引入更多的商家； 2、百亿补贴，让用户改变心智。 目前，京东只能凭借某部分单品来塑造低价心智，第一批享受百亿补贴的是标品，例如 3C、苹果、华为等。其基本套路仍然是摸着拼多多过河。 然而京东以目前的人事和组织效率去做这两件事，注定会出现走偏。关于人事和组织的问题，本文后面章节会单独来扒，这章节我们先把两个业务问题说完。 近两年，“抖、快、淘、拼”这四大平台一直在卷白牌和产业带的商家。 京东从去年1月份也开始去做产业带上的事。 经过一整年的不断调整和尝试，京东不断引进了B店商家、C店商家，以及有营业执照的个体工商户等。 一位在淘宝经营10年的珠宝商家王润告诉雷峰网：目前，京东官方虽然宣传了不少优惠政策，比如：入驻免费、降低扣点、降低保证金，没钱也可以进来先经营一段时间，然后根据经营效果再设定保证金等；但是像他这样的产业带商家，大多都是四五线城市、甚至是小县城的，他们对京东这些政策没有感知。 产业带的商家普遍认知仍然是，京东是很难进入的，无论是自营还是做POP都要交很多钱，还要懂得京东的规则和潜规则才能玩的转。 京东的一位招商负责人金莱很无奈地告诉雷峰网：“这都是过去惹的祸。原先在整个主流电商平台中，京东对商家采取的是一种相对强势的态度和策略，设置高门槛是为了阻拦不合规的商家。现在京东一直在进行培训，要降低门槛。” 在京东小二们看来，过去一年平台所收纳的这些产业链商家，以前是不配进入京东的。 原先哪怕是面对品牌商家，小二的姿态也很强势，商家违规很快就会被限流处罚。而现在，只要有商家，哪怕是白牌商家，哪怕是被投诉了，也不会立刻清退，只是罚钱，一直罚，就是不清退。 京东的策略是用这些罚金给监管部门交罚款，给消费者赔付仅退款，这样消费体验还提升了。 为了卷白牌打低价，京东确实变了很多，起码在努力地学着放低姿态。 然而，京东上存在大量授权店，商家端并不会轻易给低价，所以相比于淘宝和商家共同让利，京东现在只能自己掏钱补贴。这看起来也是学拼多多的打法，然而看花容易绣花难，京东的百亿补贴，可是自己掏真金白银。 比如Apple官方授权经销商，Apple产品京东自营旗舰店就得亲自下场补贴。 有内部人士告诉雷峰网，如果按照之前的情况，京东百亿补贴的预算应该只够支撑两三个月。 为此，今年年初，京东出了个新规则——百亿补贴品销售比不能超过30%，去年有些品牌的占比能达到60%，在新政策下超出部分将不再有补贴。 当然如果其他平台价打的太狠，像是苹果这类商品就得跟进优惠，但是这笔钱最终大概率是各部门平摊——这是一个值得注意的地方，后面还会提到。 在今年的这种情况下，不少中小商家纷纷选择关店，称自己是小买卖搭不起这么多的钱，一些大的手机品牌只能含泪咬牙自己掏钱做补贴跟价，否则就会被下架。 在各方拉扯下，京东当下的战略也出现了摇摆。 原先，京东很大一部分利润源自地方政府的返税和补税，但近两年地方效益不佳，无法提供那么多，因此京东必须依靠自身去挣钱。于是在一年前，刘强东制定了“副总裁只考核利润”的新 KPI，使得全公司上下都鼓足了劲去“保利润”。因此去年618，京东可是满嘴的利润故事。 然而仅一年时间，受到拼多多的冲击，京东这艘大船不得不掉头转向市场份额/GMV。 对于京东如此大规模的组织体量，这种转变艰难无比。 以“强物流”著称的京东，“211配送”优势已经在各家追赶下显得不再突出。宣称最快9分钟送达的即时零售业务“京东秒送”，也因为京东内部对用户和商品的理解度不够，一直没有找到自己的核心竞争品类。真实速度上和美团闪购半小时相比也不是很能打。 面对拼多多等平台的强势围攻，京东不得不抓紧时间重拾低价心智。 网传在一封回复京东零售3C家电事业群中的邮件中，刘强东写道：“随着我们的3C家电业务的成功，很多兄弟开始夜郎自大、沾沾自喜，以为掌握了定价权，丝毫不再关注我们的低价优势，这样下去早晚会成为第二个苏宁！” 然而，低价心智培养并非一朝一夕之事，东哥现如今既想要低价、又想要利润，底下执行的人可谓是难上加难。 03 内容生态何以始终慢半拍？ 不久前的4月16日傍晚，随着“321，欢迎东哥……”的欢呼声，刘强东准时亮相京东直播间，不过来的并非真人，而是数字分身“采销东哥”。 当天，数字人“东哥”同时在京东家电家居和京东超市同时开启“直播首秀”。 不过，网友对此并不买账，不少人吐槽：“当时这个直播在网上预热了很长时间，吊足了大家的胃口，没想到最后来的是个假人。如果不是老刘在那唠嗑，谁会闲着没事来京东看动画片？” 这场直播最后的结果是：42分钟时长、2100万观看量、5000万成交额，乍一听是一个不错的数据。 但是，回想8年前京东刚开做直播的时候，东哥本人化身暖男在双十一大战高潮开启之际，在京东直播间简简单单秀了个厨艺，做了顿西域大盘鸡和波士顿大龙虾。在明星阵容的加持下，仅四个小时，直播间累积观看人次也高达2100万。 要知道，那一年8年前京东的年活跃用户仅有1.7亿，而今天京东早已翻了3倍之多，超过5.5亿。如此对比下，分身和本尊之间的差距就凸显出来了。 这次尴尬的登台亮相前20天，京东刚刚将将内容生态、开放生态、即时零售明确为今年三大必赢之战。其中，内容生态是其首次提及，并表示将聚焦于直播、短视频和图文等站内板块。 京东这次把做内容生态的决心搞得人尽皆知，说得跟第一次做内容似的。 可是不少业内人都还记得，京东做内容是起了大早，赶了晚集。自2016年起，年年有新策略。 2023年，直播略显乏力，短剧火遍大江南北。在淘宝、拼多多入局后，京东姗姗来迟，在4月初，也宣布今年将投入10亿元现金和10亿流量作为奖励，以吸引更多原创作者和优质内容机构入驻。 最低其他中型平台拥有500粉丝就可以入驻京东短剧，单个视频补贴上限200元，单个达人补贴上限1600元。一时间众多MCN机构纷纷加入，一位MCN机构的老板李远告诉雷峰网，都是为了补贴，哪有真心想做内容的。不过因为京东内容流量不高，想要薅羊毛也并不容易。 京东一直渴求流量，但始终没有稳准狠的动作。 “东哥分身"直播更像是一场京东内部的自娱自乐。一个月后，520当天，京东采销直播间请到了进军直播的红衣大叔周鸿祎和京东CEO许冉参观京东总部，试图给京东直播破个冰、添把火，缓解一下京东流量问题。 但根据相关报道，直播间的用户停留时间不到3分钟。网友们纷纷表示，像电视购物，一点看下去欲望都没有。 直播饱受诟病，短剧默默无闻，平台连个知名大主播都没有。这些年来，京东的情况是：大声呼唤罗永浩，可锤哥已无心恋战；大张旗鼓邀请董宇辉，然而老师充耳不闻；退而求其次找上猫一杯（其在全网拥有 2000 万粉丝，却因短视频造假被封禁），结果一波未平一波又起。撬不来大主播，就只能自己培养。去年初，京东推出了“SUPER 新星计划”，可惜毫无反响。今年索性招聘了一个自带热点话题、因外型爆红而辞职的华为hr来做直播，依旧没有下文。 除了直播，京东还与小红合作推出小红盟，希望能够有小红书的流量加持。再者重金赞助春晚，以求获得流量增长。 相较于8年时间里持续加码内容生态的举动，京东的每一次推进似乎都只是流于表面。 关注京东的投资人陈辰向雷峰网透露，京东一直在开展内容方面的工作，2016 年与淘宝几乎同时启动了直播，然而内部从未予以重视。2017年，京东发现淘宝进行社区化探索的诸多数据呈正相关，于是赶忙跟进。在这6年时间里，上线的版本更新迭代多为小幅度的改动，一线人员有很多大改动的想法，可实际上落地的几乎没有。 而这一切的背后原因在于“上面的人没有决策权，下面的人没有执行力”。 一位京东内部人士林峰向雷峰网表示，京东的核心问题在于反应太慢，大家的协作成本过高。之前在初创型公司，基本上80%的决策自己能够拍板，完成后拿结果，哪怕最终是错误的，该汇报就汇报，该改正就改正。如今跳槽到京东，做任何一个决策都需要把所能接触到的横向人员全部沟通一遍，否则就会出现“为什么不通知他”的情况。 京东这些年的并购成果都不尽如人意，如果非要找出相对成功的案例，收购腾讯电商或许能算一个。 然而，当年京东并未充分利用微信的资源，反倒是拼多多紧紧抓住了机会。如今谈到拼多多的崛起，微信的作用不容小觑，不了解情况的人可能还以为两家是合作关系。 实际上，当年腾讯多次封杀拼多多，可拼多多想尽办法更换链接，通过各种明的暗的手段从微信获取资源，最终以低于其他平台十分之一的流量成本拥有了第一批核心用户。 拼多多是绞尽脑汁地去获取，而京东却是资源喂到嘴边都不会加以利用。2015年，拼多多借助薅羊毛和微信社交裂变实现了第一步的突破，而京东却仍处于彷徨等待的阶段，从微信生态获得的新用户占其新增用户总数的1/4左右。 当然，这件事不单涉及执行力方面的问题，还和创始人刘强东自身传统的性格以及战略格局有关。 2014年，京东就曾尝试涉足社交电商领域的玩法，可直到2018年，刘强东在内部所传达的态度却是：拼多多不过是在流量端搞些旁门左道，零售的核心始终在于供应链和物流。 曾经有段时间，京东的VP们与中层们每天上午皆是在开会以及挨骂的状态中度过，显然沟通频率是够的，但是从结果来看，一切压力都是从上到下，流量见顶这种压力并没有从前线传到后方。 04 没人被真的放权？ 听得见炮火声的前线人员应当被赋予相应的决策权。 然而一位在京东供职多年的高管却对雷峰网说：“除了老刘，无人敢于做决策、敢于拍板、敢于推动事情。” 身为创始人的东哥也曾数次坚定决心开展组织变革，可最终还是在放权和收权之间来回摇摆，难以决断。 2007年之前，京东草莽闯天下。京东的状态被投资人形容为：刘强东这一头狮子带领一群绵羊去打仗。 2007年，京东引入第一批高管。完成了今日资本投资的1000万美元A轮融资后，刘强东意识到京东需要走向正规化。这一时期入职京东的有徐雷、王笑松、陈生强、肖军、马松等人。 2012年左右，京东空降第二批外企职业经理人。前一年，沈皓瑜正式入职京东，他也是京东第一次引入的CXO级别的高管。此后首席营销官CMO蓝烨、京东金融CEO陈生强、首席技术官CTO王亚卿，首席财务官CFO黄宣德、首席人力资源官隆雨、海外事业部负责人徐昕泉等陆续加入京东。 此为，一放一收。 2013年，徐雷重返京东，融资紧锣密鼓。京东连续狂奔15年后，刘强东打算“歇歇”，选择赴美留学一段时间，这是他第一次想过要放权，持续到他的婚礼结束。他曾在一次采访中透露，他想看看他走后这些高管是如何配合的。然而，彼时的真实情况是，担任京东商场的CEO沈皓瑜所有重大的决定都要向刘强东汇报，他同意就做，不同意就不做。 2014年，历经9轮融资的京东终于正式登陆纳斯达克。 2015年，婚礼。 2016年前后，刘强东开始收权，沈皓瑜变相流放之后，京东核心业务京东商城不再设置CEO，老刘重新掌管京东商城，商城的8个品类事业部副总裁都要向刘强东汇报，加上集团的总共18位高管向他汇报。在全权领导下，京东完成对美投资人诺言，首次扭亏为盈。同年，如同王者归来的刘强东做客央视，说出了那句“如果不能控制公司，宁可卖掉”的经典名言。 此后，第二批职业经理人在京东的势力逐渐式微。老刘在公司严厉斥责高管以及下面的人存在人浮于事、拉帮结派、裙带关系纵横交错...于是，第一批老将重新掌握权力，公司开始重点培养管培生嫡系。 余睿便是其中的典型代表，接替了京东CHO隆雨的职位。 此为，二放二收。 2016——2018年，流量红利不复存在，拼多多迅速崛起，京东则陷入了增长困境。2018年8月底发生的明尼苏达州事件成为了关键的导火索，彻底引发了投资人对京东的重新审视。此后，投资人纷纷减持，京东股票暴跌，市值大幅缩水达150亿元。 投资人权绍谦告诉雷峰网，当时京东内部的部分高管都已经做好了“老刘可能要出局”的心理准备，有的甚至私下开始搞一些小动作。因此，刘强东韬光养晦一段时间，回到前台干的第一件事就是削弱他们，先处理陈志强，然后再把徐雷架空。徐雷刚开始还升任到京东商城CEO，但是后来他发现自己下面的减一怎么都去给刘强东汇报去了，要知道那时刘强东只担任董事局主席。业内同好，想一起讨论，欢迎添加林觉民微信 linjuemin_vx一起扒 。 此为，三放三收。 05 京东没有二号位？ “收权放权”表象之下是东哥对组织力的渴望，于是京东自2018年又开始了自上而下的三次变革: 1、裁掉京东10%的高管。 2、京东商城、京东物流、京东数字科技，形成三足并立的子集团结构，而这三个子集团的负责人皆是历经考验的10年以上嫡系老兵：徐雷，王振辉，陈生强。刘强东将收拾的服服帖帖的三个事业群老大，倒手给徐雷，退居二线，表面再次放权。 3、京东首次采用“中台”的组织架构，将原先以品类为核心的纵向一体化架构，变成了以客户为中心的前中后台的架构，京东云独立。 在刘隐退幕后的日子里，徐雷频频出现在公众视野，京东健康、京东物流的上市，露面的都是徐雷。 2022年4月，徐雷正式成为集团CEO。 那一年，刘强东那句“谁不服徐雷，就是不服我”，向外界表明徐雷正式坐稳了二把手的位置。 但是不久，“京东没有二号人物”的剧情再次上演，刘强东再度收权。13个月后，一手创立618盛世的老将徐雷退休。经过三次变革推出来的徐雷，也没持久。 曾经的京东零售CFO许冉接替徐雷，成为京东集团首位女CEO。 不过在很多业内人士看来，许冉并非真正意义上的接棒者，只是一个合适东哥此刻选择的人选。 2023年京东变革宣布末位淘汰10%高管、推出常态化“百亿补贴”后，刘强东强势回归京东的“第三把火”，“烧”到了组织架构调整。 京东零售开启新一轮组织架构变革，原有的事业群改为事业部，原事业群统管下的的各事业部，按照细分品类拆分为具体的经营单元，给予品类负责人更大的经营决策、管理及人事任免等权利。 同时，拆分后的经营单元内部不再区分POP和自营，从推荐位、流量分配，以及广告的竞价等方面实现名义上的POP跟自营平权，二者全面打通，由统一的品类负责人管理。 精减管理层级、提高组织效率，直接作战的业务单元拥有更大的决策权。 “放权与收权”背后反应的是京东一直以来“一人当家”的形象。 尽管东哥一直试图弱化，开始建设高管团队的集体决策机制，设立了包括SEC、SDC在内的各类委员会。但集体决策也容易引发新的认知障碍，比如因群体压力而产生的“趋同思维”，因利益相关和防卫心理而产生的“动机性盲视”。 “在京东，众多高管中没有谁进行过真正的思考。”一位曾在京东任职的高管董霖向雷峰网透露，他接着补充说：“我与这些高管一同做过无数次的汇报，他们所考虑的完全是，老刘会如何看待这件事？老刘是否支持，若支持就去做，若不支持就先等等。没有人真正依据商业逻辑和管理逻辑去思考这个问题。” 截至2023年底，京东已有接近52万兄弟。 这一数字是阿里巴巴的2倍、腾讯的5倍、拼多多的30倍。 从今年第一季度的财报来看，京东、阿里、拼多多的营收分别为 2600 亿元、2219 亿元、868 亿元。然而，就利润而言，情况则相反，这三家依次是89亿元、244 亿元、306亿元。 京东陷入了利润增长的困境。财报发布不久之后，京东内部着手严抓考勤，并且对基层人员实施了大规模的裁员，然而对于一直备受重视的采销团队，则给予了不同程度的加薪。 一位在各大厂之间频繁跳槽的员工，曾经向雷峰网提到，他从腾讯跳京东时花了半年时间才融入京东文化。 在他看来，京东之所以特别唯上，并不是人主观构建，而是重资产运营模式带来的后果。然而，唯上文化对于组织运行实则有极大的损害，最严重的就是降低决策效率，除了老板没有人能负的起责任。 大象转身艰难时刻，仅凭刘强东一人，又怎敌得过四面八方来敌。 06 为什么没有战事？ 5月24日，刘强东在高管会上宣称：“凡是长期业绩不佳，从不拼搏的人，不是我兄弟。” 至此，“兄弟”一词在京东又有了新定义。 倘若在京东，随便询问任何一个人，都无人敢称自己是东哥的兄弟。这是个极为现实的问题：任何人都有可能被抛弃，有些人起初误以为自己是东哥的兄弟，后来却发现并非如此。 还记得我们上文提到的京东2016年，以时任商城CEO沈皓瑜为首的空降职业经理人势力式微，老将们重新掌权吗？ 实际上，没有人知道刘强东究竟自何时起，对空降高管和职业经理人们失去信任的，但唯一可以确定的是，廖建文的一次告发，加速了这一切的进程。 据相关人士告诉雷峰网，2018年，时任商城CEO沈皓瑜、京东CHO隆雨、CFO黄宣德三人曾在上海有过一次小聚。 三位海派高管在席间谈笑风生，沈皓瑜开玩笑地说，自己在高瓴投了不少优质标的，可这些好公司就缺个 CEO。他向隆、黄二人递出橄榄枝，询问他们是否有兴趣去给这些公司当 CEO。 “反正你们京东的股票也快到期了，该做好准备去找下一波能赚钱的公司了。” 暂且不论沈皓瑜的这番话是真是假，然而这些酒桌上的玩笑之语，却被其他京东高管获悉了。 不久后，三人的谈话被很快被刘强东知晓，并被安上了“叛徒”的名头。随后，三人被逐次架空，海派高管们人人自危，最终也都是走的走、散的散。 投资人郭正浩向雷峰网表示，在京东，所有人见到老刘没有不害怕的。早年，有一位老将马松去做战略汇报，一上去手就不停地发抖。 说到马松，不得不提到他的老搭档徐雷，这也是外界最熟悉的的一位“京东二号人物”。作为一个打小儿在北京大院长大的孩子，徐雷身上罕见地兼具匪气和正气。在京东的一些对外活动上，他身上总是戴着各种各样的首饰，手上戴戒指，腕上有手镯手串，耳朵上有耳钉，颇有个性。 就是这样一个少见的的摇滚型互联网高管，也被刘强东收拾的“服服帖帖”。 2011年底，徐雷被传与国内一家专业广告技术和服务提供商MediaV之间有着非同寻常的关系。多位知晓“收拾徐雷事件”的高管对当时的处理进度，印象极深： 12月20日，刘强东开始怀疑徐雷。 12月23日，刘强东拍板除去徐雷。 12月26日，正是京东集团新发股票的日子，徐雷痛失一笔巨额收入。 即使后来刘强东再请徐雷回归京东，也没有承诺给他新发股票，只答应了恢复之前的股票，这也让徐雷在京东的收入，一直都比其他集团副总裁低很多。之后，徐雷变得更加服从东哥意见。 投资人郑昌敏告诉雷峰网，京东蔑视高管，高管没有试错权。重用的都是那些严重依赖老刘的人，然而这些人越依赖于他，越被瞧不起，陷入死循环，没人能脱离他的控制。 在如此文化中，没人觉得自己是安全的，就连心腹爱将亦是如此，管培生同样没有安全感。管培生仅仅是一个身份，谁都有机会担任。没有人能够确定，这个职位只因自己有实力、有经验就一定属于自己。 这个游戏没有赢家，只有裁判，因为这是裁判的游戏。 京东管培生在总监以上高管中占比不大，因为管培生每届仅一百多人，中间还有离开的，大多数人还在普通层级。不过，管培生有身份优先权，有些是刘强东直接定。 刘强东给予管培生 “直达天庭”的特权，但同时寄希望于从他们口中听点“真话”。但实际情况是，不过是能通过建新墙的方式解决墙太多的问题。老板的每句话都可能被拿来用放大镜反复揣摩。 京东的一位离职高管赵鲲鹏向雷峰网透露，刘强东从不亲自招募管培生，而是让这些高级副总们负责招聘，而他自己则负责打分、带队以及交流感情。之所以做这样一套，是为了让公司的其他人找不到话柄，毕竟人是你们招的，他只负责挑选。管培生的一切荣辱得失全然取决于东哥。 有人表示，东哥对于身处其控制范围内的“兄弟们”缺乏起码的信任，这似乎源自20多年前开餐厅时所遭遇的“厨子”事件。虽说这只是调侃之语，但能够看出刘强东对周围事物的不信任由来已久，并非短时间内就能改变的。 很早的时候，刘强东曾说过，“支撑这家公司的是基层，只要基层不乱，无论管理层如何调整，都不会动摇公司的根基”。 既使京东已经发展到了万亿营收、52万员工规模，“管理层无用论” 仍旧环绕在京东上空。 独立意志很强的人在京东没有机会，因而京东在低价心智、内容生态两个战场都没法快速决策试错，高管只能跟着老刘或者对手亦步亦趋。 在一个人人皆忧心位置的环境当中，敌人不是战场，自保才是战场。即便是真正的勇士又能使出多大力气呢？ 四面都是炮火，京东却没有战事。 不是没仗可打，而是因为没人愿意打仗，所以无战事。

快科技7月8日消息，据媒体报道，越南计划投资部在一份报告中显示，由于缺乏足够的投资奖励，越南错过了包括英特尔和LG化学在内的跨国公司数十亿美元的投资。 吸引全球科技企业“落户”方面，越南正面临着来自泰国、马来西亚等东南亚多国的竞争压力，该部门5日已经向越南中央政府提交了投资激励基金的计划，以增强本国竞争优势。 美国芯片制造商英特尔曾提议在越南投资33亿美元，并要求该国提供15%的“现金支持”，但后来决定将该项目转移到波兰。韩国LG化学公司也跳过越南，在印尼投资电池项目，此前该公司要求越南承担30%的投资成本。 该文件补充说，奥地利科技与系统技术股份公司（AT&S，简称奥特斯）在越南要求投资支持，在未得到满足后，决定在马来西亚进行投资。此外，韩国三星电子正将部分生产转移到印度。 除了缺少投资激励政策外，人力成本上升等因素也在增加外资对进入越南市场的顾虑。有消息人士透露，对越南电力供应稳定性的担忧是主要原因之一。越南在2023年6月遭遇大规模停电，许多制造商暂时停产。

财联社7月8日讯（编辑 夏军雄）荷兰光刻机巨头阿斯麦CEO克里斯托弗·富凯（Christophe Fouquet）表示，包括德国汽车行业在内的芯片买家需要中国芯片制造商目前投资的传统制程芯片。 富凯于今年4月接替退休的彼得·温宁克，成为阿斯麦新任总裁兼CEO。他发表上述言论之际，有报道称，欧盟正向欧洲芯片行业征求对中国扩大传统制程芯片产能的看法。 所谓传统制程芯片，又称成熟制程芯片，一般指28纳米制程以上的上一代芯片，广泛应用于汽车、洗衣机以及医疗设备等日常科技产品。 “尤其是汽车行业，包括德国汽车行业，需要更多使用更简单、早已为人所知的技术制造的芯片，”富凯在接受媒体采访时说。 据富凯介绍，全球对传统制程芯片的需求正在急剧上升，但制造这类芯片的利润并不高，西方公司的投资也不够。他说：“欧洲甚至不能满足自己一般的需求。” 根据行业组织SEMI的估计，到2025年，中国芯片制造商的产能将增长14%，达到每月1010万片，约占全球总产量的三分之一。 富凯表示：“如果有人想降低（中国芯片生产商的）生产速度，不管出于什么原因，那么就需要替代方案。阻止别人生产你需要的东西是没有意义的。” 据媒体报道，欧盟向欧洲芯片行业征询的信息范围，超过了美国商务部向美国公司发送的安全调查的范围。 去年12月，美国商务部宣布开始管理中国生产的传统半导体的信息，以此追踪美国公司对中国技术的依赖程度。 对此，中国外交部当时回应称，全球产供链的形成和发展是市场规律和企业选择共同作用的结果。人为干预将经贸问题工具化、武器化，违反市场经济和公平竞争原则，加剧全球产供链安全风险，最终受损的是包括美国自己在内的整个世界的利益。美方应当切实尊重国际经贸规则和市场经济原则，为中美经贸合作创造良好条件。

快科技7月8日消息，编程语言Java的创始人，被誉为“Java之父”的James Gosling，近日在社交媒体上宣布了自己正式退休的消息。 Gosling表示：“我终于退休了。做了这么多年的软件工程师，现在是时候享受人生了。”他透露，在亚马逊的过去7年是非常美好的时光，并期待未来能够完成一系列个人项目。 1955年5月19日出生于加拿大的Gosling现年69岁，他的职业生涯始于获得加拿大卡尔加里大学计算机科学学士学位，并于1983年在美国卡内基梅隆大学获得计算机科学博士学位。 在1984年至2010年长达26年的时间里，Gosling就职于Sun Microsystems，期间他设计并实现了Java语言的最初版本，并因此获得了美国国家工程院外籍院士的荣誉。 Java语言自1995年推出以来，以其“Write Once, Run Anywhere”的理念，成为软件开发领域的重要基石。 尽管Java在GitHub上的受欢迎程度近年来有所下降，但它仍然是无数开发者饭碗的保证，是全球最流行的编程语言之一。

5~10年将有大突破，商业落地蓄势待发 作者｜IT时报记者 沈毅斌 编辑｜孙妍 “桌面有点乱，你帮忙清理一下。” “好的，正在为您清理桌面。” 听到指令后，“青龙”一边回答一边缓缓抬起双臂，用双手缓慢且轻柔地抓起桌面上混合摆放的面包和水果，分类放进左右两个篮筐内，即使是柔软的面包，也不会变形。在人形机器人与具身智能发展论坛上展示的这款“青龙”人形智能机器人不仅拥有识别认知能力，185厘米的身高和80公斤的体重，放在机器人界也是妥妥的“型男”一枚。 从国内外众多机器人企业“大秀肌肉”展出的“十八金刚”，到各种论坛畅想着机器人的发展前景，人形机器人、具身智能成为2024世界人工智能大会（WAIC 2024）当之无愧的“顶流”。主办方数据显示，本届大会合计展出的人形机器人超过25款。火热的人形机器人赛道，正在迎来商业化蝶变的关键时刻。 但冷静下来思考，人形机器人的发展依旧面临诸多挑战，上海人形机器人制造业创新中心首席科学家江磊表示，人形机器人当前面临的问题可以总结为“一高五难”，硬件门槛高、软件算法难、软硬解耦难、知识积累难、人才聚集难、安全应用难。 人形机器人与具身智能目前发展现状如何？何时能够商业化落地？怎样让人形机器人遵循“机器人三大定律”？带着这些问题，走进WAIC 2024的人形机器人“世界”。 人形机器人应该“论斤卖” 人形机器人由控制器、传感器、精密减速器、交流伺服电机等核心零部件组成，每一个部件都需要不菲的成本。 根据Macquarie Research在2023年发布的报告，人形机器人的硬件总成本目前约为5万美元。其中，端到端AI软件大脑、传感器与芯片、伺服电机与电机驱动器都各需要1万美元，惯性测量单元与扭矩传感器需要5000美元，精密减速器需要8000美元，电池与电池控制系统需要2000美元，其他部件约5000美元。 以色列智能机器人中心主席Yosi Lahad在人形机器人前沿论坛上表示，为了让人形机器人能够得到大规模采用，其成本需要降到2万美元以下，是现在成本的一半以下，甚至可能需要对机器人的外型进行一些改变，例如重新考虑模仿人类腿部的底座设计。而特斯拉预计明年量产的Optimus，预计成本控制在1万美元左右，预计售价2万美元。 相比之下，国内人形机器人已经将售价降至10万元以下，今年5月，宇树科技发布的最新的人形机器人产品Unitree G1，市场售价仅9.9万元起。“我们一直认为，人形机器人未来应该像猪肉一样论斤卖。”宇树科技联合创始人陈立在“国际人形机器人技术与应用发展论坛”上表示，抛开研发成本，人形机器人其实是铁、钢、铜等材料的堆叠，随着零部件的量产，成本自然也会随之降低。 根据《2024年中国人形机器人行业研究报告》，人形机器人按量产规模不同，降本大致可划分为三个阶段：小批量千台量级生产，降本20%~30%至约10万美元；万台级别降本50%至5万美元；数十万至百万台大规模量产，降本70%~80%至2万~3万美元。一时间，人们感到人形机器人商业落地近在咫尺。 但需要注意的是，Unitree G1与Optimus的区别在于没有搭载大模型，若按照智能标准来看，特斯拉的Optimus依旧可以作为行业的风向标之一。 成本不仅来自硬件 硬件是人形机器人最直观的成本，但在降低成本方面不能只依赖于硬件的量产。 “硬件成本降低我认为已经不是主要难题，而是时间问题，设计和研发环节的成本才是人形机器人目前需要突破的成本问题。”聚焦国讯芯微董事长方婷婷在论坛上表示，国内人形机器人领域有许多核心技术依赖国外进口，如人形机器人仿真工具平台。 从人形机器人软件形态来说，大量的跨学科内容都需要软件来融合，需要更多的相关产业企业来抱团。而人形机器人本体厂商也要从设计之初就考虑软硬件成本。 鑫精诚传感器董事长吴浩认为集成化也是降低人形机器人成本的方式之一，比如在灵巧手方面，人类的手指可以感受温度、力度等，人形机器人的传感器也可以借鉴，将多模态的感受集成在同一零部件上，这样既能降低成本，也能减少体积。 人形机器人会在哪些应用场景爆发？B端场景下，开普勒CEO胡德波认为，第一类是工业场景，尤其是重工业，工人的安全得不到保障，用人成本高，适合用人形机器人替代；第二类是仓储物流场景，可能是最快实现落地的场景之一；第三类是制造业，如3C制造、汽车制造等。业内人士对C端场景的应用已经达成共识，人形机器人将走进千家万户，赋能养老育儿场景。 据高盛最新预测，人形机器人到2035年将呈爆发式增长，出货量将达到140万台，全球市场总规模（TAM）达380亿美元。全球从事物流和制造业的人形机器人将在2030年左右达到100万台，人形机器人有望在十年内走入服务、家庭护理、健康和教育产业。 5~10年迎来大突破 如今的人工智能如同一颗封在瓶子中的“大脑”，虽然会计算、思考，却不能付诸行动。具身智能是一种智能系统或机器通过感知交互与环境进行实时互动的能力，通俗的理解是为人工智能打造一款可操控的身体，包括四足机器狗、工业机器人、动物仿生机器人、自动驾驶汽车等多种形态，但人形机器人的类人形态，可以更贴合人们的互动需求，无疑是具身智能的最佳载体。 中国工程院外籍院士张建伟在人形机器人与具身智能发展论坛上表示，实现具身智能需要完成三个维度的突破，即空间维度，在开放式、复杂、动态的空间环境下，实现二维、三维动态语义建模；时间维度，除了简单移动外，还要同时具备操作和使用工具的能力；交互能力，让机器人基于知识和人、环境做出正确的交互行为。这其中依赖的便是AI大模型。 仅靠大模型进行感知、策划还不能让具身实现真正智能，加入“小脑”才能进行动作执行。 以“青龙”为例，名为“朱雀”的具身大脑以多模态大模型为核心，通过文字信息、图像信息作为输入，输出语音交互以及任务决策信息。“玄武”小脑模型则是具体任务执行模型，轨迹规划模块由端到端模仿学习所驱动，以人类的作业作为模仿对象，进行机载视觉输入，并输出人们所期待的行动轨迹。运动控制器则基于强化学习的智能运动控制方法和全身动力学的模型预测控制方法两条技术路径，通过环境信息以及机器人的状态，完成任务执行。 尽管AI大模型开始“移植”到具身智能上，但效果并不算理想。“青龙”机器人平台技术负责人梁振杰坦言，目前，模型还处于发展的初期阶段，功能尚不完善，能力仍需提升。 宇树科技CEO王兴兴在论坛中表示，目前大语言模型、多模态模型对整个世界的理解其实是非常糟糕的，包括时间、时空、物理定律等方面的理解。世界模型+具身智能才是通向AGI的最佳路径。 上海人工智能实验室主任、首席科学家周伯文也认为，具身智能不只是大模型加机器人的应用，而是需要根据物理世界的反馈及时进化的大模型。 不过，对于人形机器人和具身智能未来的发展，业内依旧持积极开放态度。“未来5年肯定有很大的技术突破，绝对不会超过10年。”王兴兴预测道。国家地方共建人形机器人创新中心总经理许彬也表示，会把相关的人形机器人的全栈技术，包括大脑、小脑、肢体的相关技术全部开源。通过5年~10年，在人类的家政服务、交流陪护领域进行更多应用。 规模化数据是最大痛点 数据无论是对人工智能，还是具身智能而言，都是灵魂般的存在。目前，人形机器人主要数据来源是国外的开源数据，以及研发机构通过动作捕捉、视觉捕捉等方式自行采集。 但自行采集往往需要大量的人力成本，去不断模拟演示。北京大学助理教授、银河具身智能联合实验室主任王鹤在人形机器人与具身智能发展论坛上举例道，把电池放到盒子里这样一个对于人类而言十分简单的动作，特斯拉靠40人的采集团队进行遥操实现，每一个倾斜、横倒、错位等所有失效案例都要采集。 “人形机器人规模化数据是整个行业目前最大的痛点。”国家地方共建人形机器人创新中心研发体系总监邢伯阳也同样表示。 面对这一行业痛点，王鹤认为当下可以真正实现规模化量产的数据就是合成数据。所谓合成数据，是一种通过算法生成的数据，虽与真实数据相似，却并不直接来源于真实世界。 靠合成数据具身智能实现了从0到1的突破。在银河通用机器人训练时发现，二维传感器存在泛化问题，跳脱出训练数据便不会处理；三维传感器又无法识别玻璃等透明物体。最终，靠合成数据进行千万场景十亿抓取的大规模训练，才实现银河通用机器人对各种物体的任意抓取。 邢伯阳代表的国家地方共建人形机器人创新中心则主张通过数据开源的方式来共享海量数据。为此打造出Openloong开源社区，通过社区和训练场创新的机制加速人形机器人、具身智能训练和数据集构建的工作。 不发展是最大的不安全 人形机器人已不再是科幻小说中的幻想，而是融入日常生活的现实。试想一下，未来人形机器人穿梭于繁华都市的大街小巷，在工厂、医院等地按照系统指令按部就班，这将改变人们的生活方式和社会结构。而与这一科技进步相伴而来的，是关于人形机器人治理的思考与挑战。 “高铁刚进入中国时，许多人担心电磁波辐射；早期飞机、电话等发明同样被人们所担忧。可以说人类的进步史就是对科技发展的担忧史。我们应该制定一部促进人工智能发展的法律，而不是一部规范人工智能行为的法律。”在人形机器人法治与伦理论坛上中国政法大学副校长时建中表示，面对担忧不应过度焦虑，要对人工智能采取包容和审慎态度，这体现在训练数据易获取、算力与算法鼓励合作、生成内容容错并及时纠错等方面。 联合国人工智能高级别咨询机构成员、中国政法大学数据法治研究院教授张凌寒同样表示，不发展是最大的不安全，要全力促进人工智能的发展。 “它就像一岁半大的孩子，需要我们的正确引导。”华东师范大学人工智能金融学院院长、教授邵怡蕾表示，目前，人形机器人在人工智能的加持下已经具备感知智能和认知智能，最后一座需要攻克的“堡垒”是行为智能。而当人形机器人行为出现在人类社会后，是对人类身份与法律的挑战，这不仅需要对人形机器人进行身份界定，更需要人类对其行为进行引导和约束。 如何协调机器人与人类之间的互动？阿西莫夫的“机器人三定律”曾经被视为基础规范。但是，当具身智能时代来临之际，这样的“约法三章”已经难以解决人机共生的复杂问题，需要一种新的法律治理架构。 中国海洋大学法学院教授李晟在《东方法学》人形机器人法治专刊中表示，治理架构需要立足于人形机器人与人的差距，考虑当前发展阶段的应用问题，而不是关注人形机器人替代人时所产生的未来问题。

IT之家 7 月 8 日消息，近年来，人们在分辨真假信息方面遇到越来越多的挑战，尤其是网络上充斥大量的虚假新闻和夸大宣传。研究表明，人类在判断真假话方面表现得并不好。 图源 Pexels 据IT之家了解，传统测谎手段，例如测谎仪，因其准确性问题而饱受诟病。一些人认为，人工智能 (AI) 可以帮助我们提高识别谎言的准确率。未来的某一天，基于人工智能的测谎系统或许能帮助我们识别社交媒体上的虚假信息、评估网络上的各种言论，甚至还能甄别求职者的简历和面试回答中的夸大之处。然而，问题在于我们是否会信任这些系统，以及它们是否值得信赖。 德国维尔茨堡大学经济学家 Alicia von Schenk 及其团队最近研发了一款人工智能测谎工具，该工具的准确率明显高于人类水平。他们进行了相关实验以探究人们如何使用这一工具，实验结果显示，使用该工具的人在识别谎言方面确实有所提升，但同时也会导致更多的人被怀疑说谎。 研究人员在发表于 iScience 期刊的论文中提到，他们让参与者书写周末计划。其中一半的参与者被要求撒谎，并会因为说服人相信谎言而获得少量金钱奖励。研究共收集了来自 768 人的 1536 份陈述。 随后，研究人员利用谷歌的人工智能语言模型 BERT，对其中 80% 的陈述进行训练，以帮助算法区分真假话。测试结果表明，该工具能以 67% 的准确率识别出剩余 20% 陈述的真伪。相比之下，人类的平均准确率仅为 50% 左右。 为了解人们如何借助人工智能工具识别谎言，von Schenk 团队又将另外 2040 名志愿者分成小组进行了一系列测试。 其中一项测试显示，当人们可以选择支付少量费用使用人工智能测谎工具并获得奖励时，只有三分之一的人会选择使用该工具。von Schenk 推测，这可能是因为人们对这项技术持怀疑态度，或者高估了自己的识谎能力。 然而，选择信任该工具的那三分之一人对其表现出了极大的依赖。“当人们主动选择依赖这项技术时，他们几乎都会遵循人工智能的预测…… 他们非常信任其判断。”von Schenk 说。 这种依赖会影响我们的行为。通常情况下，人们倾向于相信他人说的是实话。这项研究也印证了这一点 —— 尽管参与者知道一半的陈述是谎言，但他们只标记出其中的 19%。然而，当人们选择使用人工智能工具后，标记为谎言的比例上升到了 58%。 在某种程度上，这或许是一件好事。此类工具可以帮助我们在日常生活中识别更多的谎言，例如社交媒体上的虚假信息。 但另一方面，这也会破坏信任，而信任是人类行为的基础，有助于我们建立良好的人际关系。如果准确的判断建立在社会关系的恶化之上，那么这样的准确性还有价值吗？ 其次，准确率问题也不容忽视。研究人员承认，他们的目标仅仅是让 AI 比人类表现更好，但对于社交媒体内容的真实性判定或求职者的简历审核等场景来说，仅仅“比人类强”可能还不够，因为这会带来更多的误判和指控。 值得一提的是，传统测谎手段也存在着缺陷。测谎仪旨在测量心率和其他生理唤醒指标，因为人们曾认为压力是说谎者的特有生理反应。但事实并非如此，这也是为什么测谎仪结果在美国法庭上通常不被采信的原因。 von Schenk 指出，由于人工智能测谎工具易于大规模应用，其带来的影响可能会更大。测谎仪每天只能检测少数人，而人工智能测谎工具的应用范围几乎是无限的。 “鉴于当下充斥着大量虚假新闻和错误信息，此类技术的确有一定的益处，”von Schenk 说，“然而，我们确实需要对其进行严格测试，以确保其远超人类的准确率。如果人工智能测谎工具只会带来大量的误判，那么或许放弃使用才是更好的选择。”

7月8日，距离最后的关口只差一天。 6 月 25 日，OpenAI通知部分开发者，将从7月9日起阻止来自其不支持地区的API 流量，不幸的是，目前OpenAI仅向161个国家和地区开放API，中国恰好未包含其中。这意味着，中国的开发者们将不能使用来自OpenAI的API服务。 这份“禁令”，有人将其与曾经的“芯片”断供相类比，认识到国产大模型发展的重要性；也有人设想未来，看到了国产大模型崛起的机会与即将面临的严峻挑战。一石激起千层浪，这或许就是OpenAI这个大模型领军者的能量。 不过作为追随者的国产厂商，历经两年的发展已经变得有模有样。在OpenAI禁令下达的不久后，这些厂商已动作起来，试图吃掉OpenAI遗漏的盘子。那么，这个盘他们真的能接得住吗？ 抢客竞赛 OpenAI禁令对大模型行业有何影响？ 一边是部分开发者的层层担忧，一边却又是大模型厂商的跃跃欲试。 目前，国内使用OpenAI的技术主要有两种渠道，一种是对接OpenAI官方提供的API；一种是对接微软智能云Azure提供的OpenAI技术。当下，虽然第一种渠道被关闭，但第二种渠道仍然畅通，甚至微软内部员工表示，今年包括中华地区在内，工作重心是推OpenAI。 这意味着，OpenAI禁令的影响在开发者端并没有想象中那么大。事实上，对开发者影响大的反倒是禁令发布后国内厂商们的动作。 当一条街上最受认可、人流量最大的饭店被关了之后，会发生什么？周围的饭店会趁着这个机会大力促销抢客。现在的大模型领域就是如此。 随着OpenAI禁令的公布，大模型厂商迅速行动起来，推出了自己的迁移方案，甚至有的还抛出了零成本迁移服务，主打的就是一个“来就行了”。 其中，最先动起来的是百度智能云千帆，推出“0元迁移+服务”的豪华套餐。其中，文心旗舰大模型首次免费，针对OpenAI迁移用户赠送与OpenAI使用规模对等的更高级旗舰模型使用包，在7月25日24点前适用。 大厂中，阿里云也不甘示弱，承诺提供“最具性价比的中国大模型替代方案”，通义千问为中国开发者提供2200万免费Tokens和专属迁移服务；腾讯云宣布为新迁移企业用户免费赠送1亿腾讯混元大模型tokens（标记），并提供免费专属迁移工具和服务。 此外，智谱、零一万物、百川智能、月之暗面等也加入到这场接盘之争中，抛出了“特别搬家计划”“Yi API二折平替计划”“零成本迁移计划”等。其中，月之暗面发文表示，“Kimi开放平台接口完全兼容 OpenAl，最快五分钟实现丝滑搬家。” 这些新老厂商们有着自己的底气。如果说发展早期，国内厂商许多“套壳”OpenAI，将技术化为己用，甚至大厂都有过这样的传闻，那么经过发展，当下国内厂商已经具备了独立自主的实力。 如周鸿祎所说，“国内在早期大模型训练时，会用OpenAI来生成一些微调的数据，相当于把OpenAI GPT-4的能力‘蒸馏’到国内本地大模型里，但这是在大模型发展早期。现在大模型的很多训练方法、数据、工具都已经发展非常成熟了，这样做的厂商应该也不太多了。” 从行业端来看，这次OpenAl禁令，除了让一些仍然继续“套壳”的厂商生存艰难外，对拥有自主研发能力的国产厂商反倒是利好：一，给他们空出了一点儿盘子；二，敦促他们继续加强自主研发投入。 曾经在团购、共享出行、共享单车这些领域上演的百团大战，如今正在大模型领域上演，且战况更加激烈。 最近的2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）上，参展大模型的数量由去年的30多款，迅速增长到百款，其中有阿里、华为、百度、商汤、腾讯、网易这些老牌大厂，也有智谱、百川智能、阶跃星辰这些新势力。 “这个WAIC是我参加以来最火的一次”，百川智能技术联合创始人谢剑在一场论坛中感慨道。 火热的市场，催化着这些厂商不断迭代，此次大会期间，华为、快手、商汤、腾讯、网易、B站等厂商各展所长，或从娴熟的业务入手，或从精通的视频起步，或发挥自己在语音能力上的优势…… 中小厂同样有自己的竞赛智慧。有厂商表示，2023年做了20多个应用场景测试，而今年仅保留和聚焦了“企业营销大模型”这一场景，并不断进行深挖，解决最困扰企业发展的获客成本问题。 如果说2023年是大模型的诞生元年，那么2024年就是大模型的应用元年。所有人都试图找准自己的优势，更快找到自己与产业、与商业的落地点。OpenAl禁令后的抢客竞赛，不过是再普通不过的竞争新日常。 落地之战 从团购到外卖，从共享出行到共享单车，中国互联网的每次竞争，都离不开价格战的影子。降价抢客户——市场份额提升——涨价赚利润，这几乎是每次行业竞争的基本路径，互联网厂商们对此已经形成依赖。 大模型上，似乎也是如此。OpenAl禁令后的抢客竞赛，其实不过是大模型价格战的缩影。自今年5月以来，国内厂商就掀起了一轮大模型降价潮，可以对标GPT-4等全球主流模型的自研模型，它们将价格从每单位几分降到了几厘。 百度就宣布文心大模型4.0 Turbo(ERNIE 4.0 Turbo)面向企业客户全面开放，输入输出价格分别是0.03元/千Tokens、0.06元/千Tokens。 当然，这些聪明的大模型厂商们，并没有对大模型降价效果寄予像其他行业那样的厚望，与团购、外卖、共享出行这些更偏向C端的行业相比，更偏向B端的大模型投入更高，用户对价格的敏感性也并没有那么高。 一个共识是，AI将是一次巨大的成本驱动型的生产力革命，但企业在使用AI并不是成本驱动，而是由能否产生业务价值来决定。通俗地来说，企业使用AI是为了降成本，为了更高的生产效率，但企业使用AI并不像普通人那么在乎钱，而更在乎好不好用。 京东探索研究院院长何晓东的看法，代表了一大部分业内人士的心声：“大模型价格战短期来讲确实会繁荣生态，但长期来讲一定不是长久之计，现在的价格可能连电费都不一定付得起。” 可以预见，大模型的价格战将在理性与谨慎中展开。华泰证券在一份研报中也持这一观点：“我们认为，国产厂商在这波降价中，并不会盲目打价格战，仍然会考虑成本等因素。” 截至今年5月，通过对各大模型厂商的降价模型进行统计后，华泰发现，降价甚至免费的并不是模型厂商最先进的模型，往往是Lite轻量版或本身价格较低的模型。同时，“降价幅度较大（80%以上）的多是国内互联网大厂，拥有自有的云算力基础设施。” 意不在价格战，那么国内厂商的这些降价动作真正目的是什么？ 大模型兼顾C端和B端属性，OpenAI的ChatGPT可以在全球普通科技爱好者中掀起一轮机器人对话热潮，也可以与苹果、微软合作。前者让大模型这个概念爆火，让OpenAI估值暴涨，让全球资本看到大模型的无限前景；后者让大模型落地到产业中，让它可以商业化。 现在许多大模型厂商都有面向C端的聊天机器人，这成为它们向普通用户展示自身能力的窗口。但大多数厂商都像OpenAI一样将当前的发展重心放在了商业化上，其优先级甚至超越了模型能力的发展。据外媒报道，OpenAI 正在考虑将其治理结构转变为一家营利性企业。 尤其是对于中国厂商来说，商业化普及必须加速。原因有二： 一，投入大。大模型投入动辄数十亿、数百亿，再大的企业都不能长期单纯投入不产出，所以需要一边深入基础研究，一边做应用研究，将技术尽快转化为成果，促进技术与市场的正向循环； 二，赢者通吃。大模型是一个赢者通吃的市场，中国市场竞争激烈，在商业化上慢人一步就必须耗费更大的成本抢回份额，甚至还可能步步慢。 而无论是成长为超级应用，还是发展为深入产业的超级模型，大模型商业化普及的前提是用户/客户普及。 民生证券在研报中指出，当新应用上线时，市场应从成长性的维度出发，观测用户规模和活跃度、下载量、产品迭代等指标，关注应用的发展潜力，弱化对付费用户规模、付费渗透率等营利性指标的考虑。 降价，永远是刺激消费，提升普及率的有效方式，在大模型领域也不例外。据阿里云CTO周靖人透露，降价后大批客户在阿里云上直接调用大模型，近两个月，通义千问开源模型下载量增长2倍，突破2000万次，阿里云百炼服务客户数从9万增长至23万，涨幅超150%。 有用户/客户就有生态，有生态就有规模和增长。作为API资源供给方，AI开放平台存在一个这样的飞轮：更多的API产品、更低的调用单价——更好的AI能力和体验——更多的开发者入驻——形成更大的产业生态——反哺AI平台壮大——更多产品、更低单价…… 价格竞赛背后，打响的是一场商业化落地之战，更是未来门票的抢夺战。谁能抢到更多的客户，落地更多的场景和产业，谁就在竞赛中更有优势。 结语 在打响价格竞赛、抢客竞赛的同时，大模型厂商不能忽视的还有另一个关键之战：技术之战。 降价竞争的背后是技术之战。单纯牺牲自身利润的降价是莽夫之举，正面的案例是优化架构中的各个部件，降低训练成本、推理成本。 竞争的终极是技术之战。大模型是一个人才密集、技术密集的行业，顶级的技术几乎是一切竞争的先决条件，造轮子、买沙发式拼汽车的糊弄方式在这里一定不适用，别人不会留着时间等你，用户也没有耐心等你。 现在才是竞争加速的初始阶段，但也是关键阶段。或者说，任何时候都是关键阶段。

2024年7月4日~6日，2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）在上海圆满召开。当今全球生成式人工智能（AI）发展热潮正加大对“算力”的需求，这也成为本届大会的重要议题之一。 作为AI生态基础设施的重要组成部分，包括华为、浪潮信息、中兴通讯、壁仞科技、摩尔线程、燧原科技、国科微、无问芯穹、天数智芯、联想、中科曙光在内的中国GPU芯片与设备公司，以及中国电信、中国联通、中国移动等头部算力企业，均在WAIC 2024大会精彩亮相，展示一系列助力我国AI算力发展“破局”的成果。 算力步入万卡时代，多种难关亟待攻克 2022年ChatGPT-3.5大模型横空出世，引发全世界生成式AI浪潮，彼时这一大模型规模约为1750亿个参数，然而2023年推出的ChatGPT-4，参数迅速膨胀至1万亿个。如此体量的大模型，建设超过1万张GPU加速卡的算力集群必不可少。 在7月6日WAIC举办的中兴通讯AI创新生态论坛，中国工程院院士郑纬民指出，“人工智能发展有三驾马车，其中一驾就是算力。”步入万卡集群时代，数据中心将面临一系列全新挑战需要攻克。郑纬民表示，万卡时代GPU之间的互联是大问题，如何实现高带宽、低时延连接？将是提高计算效率的重点。此外作为万卡规模的数据中心，可能2~3小时就会发生一次故障，如何应对故障率增加的问题同样是一大挑战。 郑纬民指出，尽管目前英伟达占据AI GPU龙头位置，性能领先，但是目前基于国产AI芯片的系统，最关键的差距并不在算力方面，而是生态。他表示，之前许多企业并不愿意使用国产AI芯片方案，最核心的问题在于国产AI芯片的软件生态不好，易用性方面与英伟达相比有明显差距。为此，郑纬民提出国产软件生态需解决的重点，包括编程框架、并行加速、容错系统等。 目前，我国算力基础设施规模位居全球第二，截至2023年底，我国在用数据中心机架总规模超过810万架，算力总规模达到230EFlops；以闪存技术为代表的先进“存力”不断提高，在部分行业占比超过25%。郑纬民认为，尽管目前我国算力行业面临国外算力获取难、国产算力使用难/效率低、国产算力种类多等痛点，但只要解决关键问题，一定可以构建开放解耦、互联互通的国产算力新生态。 助力生成式AI，国内算力企业深度赋能 为解决当前算力提升瓶颈难题，助力我国生成式AI进一步发展，本届WAIC各大厂商带来一系列解决方案，涵盖“云、边、端”各个应用场景。以下为集微网对本届大会亮相的重点国内算力企业进行盘点： 壁仞科技：三个维度解决算力瓶颈 壁仞科技创立于2019年，致力于研发原创性的通用计算体系，建立高效的软硬件平台，同时在智能计算领域提供一体化的解决方案。在7月5日举办的“智启新章·算引未来”AI基础设施论坛，壁仞科技副总裁兼AI软件首席架构师丁云帆表示：“解决算力瓶颈问题需要从三个维度考虑：硬件集群算力、软件有效算力、异构聚合算力。” 丁云帆称，在硬件集群算力维度，壁仞科技在行业中相对领先，2020年设计的第一代产品里面就做了chiplet的架构，兼具DSA和通用GPU两个优势，是当前行业主流能够突破摩尔定律的解决方案。壁仞科技同样注重互联能力，支持单节点8卡全互连，目前已推出千卡集群建设方案，并可扩展至万卡规模。在软件效率方面，通过优先级、资源配额、弹性训练等多种手段来提升集群的调度效率，真正发挥硬件算力优势。此外，壁仞科技同样开发了异构聚合算力技术，支持壁仞GPU与英伟达A100 GPU协同训练，效率超过90%。 如何解决郑纬民院士提出的“高故障率”“并行难”问题？在7月6日举行的“中兴通讯AI创新生态论坛”，丁云帆介绍，与中兴通讯合作开发大型计算集群的3D并行、弹性训练技术，能够自动进行故障迁移，灵活应对故障；创新的网络拓扑，也能够减少网络拥塞风险。 对于AI芯片企业来说，在不断攻克技术难点的同时，需提前进行算力建设规划。7月4日，壁仞科技联合创始人兼COO张凌岚在圆桌会议表示，AI算力芯片的迭代周期通常为两年至三年，远远慢于应用侧的迭代速度。今年壁仞科技将重点发展两部分：一是进一步完善软件平台，让现有产品尽快适配全新的应用需求；二是在下一代产品中前瞻性地预见市场趋势带来的技术需求，并提前在设计中布局。 摩尔线程：AI旗舰产品夸娥升级 摩尔线程此次参与WAIC 2024，宣布其AI旗舰产品夸娥（KUAE）智算集群解决方案升级，在GPU显存和传输带宽方面，夸娥万卡集群具备PB级显存总容量、每秒PB级超高速卡间互联总带宽和节点间互联总带宽，全面提升集群计算性能。 摩尔线程称，希望能够建设一个规模超万卡、场景够通用、生态兼容好的加速计算平台，并优先解决大模型训练的难题。此外，该公司同时推出夸娥集群管理平台（KUAE Platform）以及夸娥大模型服务平台（KUAE ModelStudio），旨在以一体化交付的方式解决大规模GPU算力的建设和运营管理问题。 燧原科技：智算中心在多地落地 燧原科技在WAIC现场展示了展示了智算中心落地案例和里程碑系列产品，还为与会者带来了基于燧原算力的AIGC交互体验站，展示其最新商业落地成果及规模化应用。 在生成式人工智能（AIGC）应用方面，燧原科技现场展示编程助手、AI视频生成、3D生成等交互技术。由燧原和智谱AI合作的大模型编程助手一体机，基于云燧i20推理加速卡，能为软件开发企业提供代码生成、代码翻译、代码注释、代码补全、智能问答等多种服务。 无问芯穹：千卡规模异构芯片混训平台 无问芯穹联合创始人兼CEO夏立雪，在7月4日WAIC现场发布了千卡规模异构芯片混训平台，称这一训练集群算力利用率最高达到了 97.6%。夏立雪宣布，无问芯穹 Infini-AI 云平台已集成大模型异构千卡混训能力，是全球首个可进行单任务千卡规模异构芯片混合训练的平台，具备万卡扩展性。 无问芯穹同样展示其Infini-AI大模型开发与服务云平台，并表示7月起，通过试训申请的用户，已可在Infini-AI上一键发起700亿参数规模的大模型训练。 天数智芯：自研通用GPU产品矩阵 天数智芯连续4年参加WAIC大会，该公司表示，联合合作伙伴推出的大模型推理16卡服务器，搭载16张自主研发的智铠100推理卡，性能和性价比达到国际一流水平。天数智芯宣布，与爱特云翔合作建设千卡GPU算力集群，可支持千亿以上参数大模型的全量预训练，支持客户进行微调、参数高效微调等服务，解决了大模型训练高端算力紧缺的瓶颈问题，从算力底层支持国产大模型创新发展。 协力共创，打造中国AI生态 我国人工智能的发展，效率、生态是一大瓶颈。为齐心协力推动我国AI算力及应用建设，多家企业拿出了开放包容的态度，携手打造中国AI生态。 壁仞科技联席CEO李新荣强调，人工智能是一个庞大的系统工程，人工智能产业形成的三大要素包括：数据、算力、算法。融合三大要素的AI生态集成、生态建设，需以软硬件整合的方式实现。 壁仞科技丁云帆介绍，壁仞科技构建了开放的BIRENSUPA软件生态系统，携手合作伙伴和客户共同推进大模型产业生态的发展，为国产GPU在千卡集群规模上实现商用落地提供了有力支持。这一平台包含编译器、多种工具链，支持主流深度学习框架和自研推理加速引擎，并配备针对不同场景的应用SDK等，能够助力开发者实现软硬件协同，探索未来的无限可能。目前壁仞科技《BIRENSUPA编程模型白皮书》现已正式公开。 在WAIC大会期间，壁仞科技对外宣布，搭载壁砺系列通用GPU算力产品的中国移动智算中心（呼和浩特），近日成功上线运营。据了解，中国移动智算中心（呼和浩特）属于全国型N节点万卡训练场，单体算力6.7EFLOPS（FP16）。采用万卡高速互联、软硬全链路监控等高新技术为AI业务保驾护航，同时通过液冷机柜、闭式冷却塔、智能小母线等绿色节能技术，实现设计PUE值平均为1.15。今年5月，壁仞科技正式获颁中国电信“云网基础设施安全国家工程研究中心云计算合作伙伴”；在WAIC大会期间，中国电信发布了四大AI联创基地，壁仞科技作为中国电信的算力合作伙伴参与其中，共同为人工智能大模型场景应用助力赋能。 摩尔线程表示，万卡集群的建设需要产业界的齐心协力，为实现大模型创新应用的快速落地，让国产算力“为用而建”。发布会现场，摩尔线程携手中国移动通信集团青海有限公司、中国联通青海公司、北京德道信科集团、中国能源建设股份有限公司总承包公司、桂林华崛大数据科技有限公司（排名不分先后），分别就青海零碳产业园万卡集群项目、青海高原夸娥万卡集群项目、广西东盟万卡集群项目进行了战略签约。 本届WAIC，燧原科技表示正在推进“燎原”生态合作计划，以全国算力一体化布局的智算中心算力网络为根基，在燧原自主技术体系的基础上，发展云服务、大模型、垂直模型（ISV）、AIDC集成部署运营运维等战略生态伙伴，打造从算力建设到应用的完整落地闭环。目前，燧原科技已在四川成都、湖北宜昌和甘肃庆阳展开了智算中心的建设及合作。其中，宜昌点军智算中心仅用1年时间完成了300P国产算力建设和交付，并实现了上线全消纳。 无问芯穹在4个月前，宣布其Infini-AI大模型开发与服务云平台宣布首次公测，已有智谱AI、月之暗面、生数科技等大模型公司客户在Infini-AI上稳定使用异构算力，还有20余家AI Native应用创业公司在Infini-AI上持续调用各种预置模型API，使用无问芯穹提供的工具链开发自身业务模型。此举将打通异构新品生态，持续降低大模型应用落地成本。 天数智芯表示，天数智芯通用GPU产品适配主流CPU芯片/服务器厂商，能够支持国内外主流AI生态和各种深度学习框架，通过标准化的软硬件生态接口为行业解决产品使用难、开发平台迁移成本大等痛点，大幅缩短适配验证周期，实现业务系统的无缝使用，可以灵活支持各种算法模型，便于客户自定义开发。 集微网了解到，本届WAIC 2024，中国电信领衔承办主题论坛，聚焦中国电信智算及大模型能力规划；中国联通在“AI+赋能，智算未来”论坛上启动“上海联通新一代智算中心”，加快国产算力布局；中国移动举办以“AI赋能，创见未来”为主题的生态论坛，并正式启动五个“100”人工智能生态计划。 其它厂商方面，在“2024昇腾人工智能产业高峰论坛”中，华为携手生态伙伴首发昇腾AI新品，展现AI算力领域的技术与商业合作新样本；中兴通讯展示端到端的全栈全场景开放解耦的智算解决方案，覆盖智算、通算、存储全场景组网；算能科技携算力处理器、RISC-V融合服务器智算集群、多样大模型体验区、云边端全场景智能生态产品等亮相展区；商汤科技带来国内训练大模型的先进基础设施，SenseCore商汤大装置总算力规模高达12000PFLOPS，可支撑超过20个千亿超大模型同时训练。 随着AI大模型引发全球新一轮科技浪潮，我国算力产业在压力之下正在蓬勃发展，各项创新技术不断涌现。除了技术领域，目前我国同样注重AI产业安全与风险，已建立了一套涵盖产业应用、算法、算力、数据等方面的治理规则。 壁仞科技张凌岚强调，壁仞科技对未来AI算力芯片的市场前景和技术落地充满信心。未来，随着国产AI算力芯片陆续落地，我国多产业的数字化转型有望进一步加深。李新荣表示，希望早日实现自主可控的国产供应链，同时搭建一个覆盖全产业的软件生态合作平台。壁仞科技不只是国产大模型训练的支持者，同时也希望能够积极支持并且利用自有的资源来推动产业协作。 本届WAIC 2024大会，吸引来自50多个国家和地区的嘉宾、观众前来，汇聚1300位全球领军人物，9位图灵奖、菲尔兹奖、诺贝尔奖得主，以及88位国内外顶级院士，线下参观人数突破30万人次。 如今万卡计算时代正逐步到来，AI基础设施提供的强大算力，正为生成式AI、大模型前沿创新提供充足的想象空间。本届WAIC 2024汇聚全球AI领域前沿技术与成果，促成产学研各界的深度对话。通过不断创新的架构和开源开放的生态系统，未来中国算力产业必将持续取得突破性进步，紧紧跟随世界前沿。从长远看，人工智能必将成为推动产业经济发展的关键，随着各类应用逐步落地，AI将深入赋能千行百业，成为我国创新与发展的得力助手。

AI初创企业Anthropic的CEO称百亿美元量级AI（人工智能）模型的训练可能在明年开始。 近日，Anthropic的CEO兼总裁达里奥·阿莫代（Dario Amodei）在播客节目In Good Company中表示，目前公司正在开发的AI模型训练成本高达10亿美元，他预计，AI模型的训练成本将在2027年之前提升到100亿美元，甚至是1000亿美元。 被视为OpenAI头号竞争对手的Anthropic由一群OpenAI前员工创立。阿莫代在OpenAI工作了五年，在离开时，他已经做到了OpenAI副总裁的位置。Anthropic旗下最知名的模型是在2023年3月发布的Claude模型，今年3月，Claude 3系列正式发布。 在采访中，阿莫代谈到了自己对于AGI（通用人工智能）的看法，称自己不认为AGI会在某一个时间点突然出现，而是会以循序渐进的方式逐渐现身：“我认为，这就像一个能够学习和成长的人类孩子一样，他们会变得越来越好、越来越聪明，知识越来越丰富。” 为了让模型越变越好，就需要越来越多的资金投入。据报道，GPT-4o的训练“仅”花费了不到1亿美元，谷歌Gemini Ultra模型的训练成本则为1.91亿美元。阿莫代预计，100亿美元量级模型的训练可能会在2025年的某个时候开始，一个充满活力的下游生态系统也会随之出现。目前，公司已经筹集了超过80亿美元的资金。 阿莫代指出，模型推出的速度和模型的成本与质量之间存在一定关系，可以把它想象成一条“权衡曲线”。公司正在努力推动这条曲线“向外移动”，以同时实现模型的快速推出、高质量和低成本：“曲线在变化，我们可以用更少的资源做更多的事情，也可以用更多的资源做更多的事情。我认为这两种趋势是共同存在的。” 当主持人问到“谁会在AI上赚最多的钱”时，阿莫代认为，尽管有先后顺序，所有人都会分得一杯羹：“蛋糕会变得很大。就像现在，芯片公司肯定赚得最多，我认为这是因为模型的训练先于模型的部署，而模型的部署先于其收入。所以我认为，芯片公司的估值是一个先行指标，AI公司的估值可能是一个当前指标，而下游很多东西的估值是滞后指标，但这股浪潮将影响到每个人。” 随后，阿莫代也谈到了AI芯片龙头英伟达。面对越来越激烈的竞争，英伟达将产品发布间隔从隔一年发布大幅缩短至每年发布一次，今年市值已涨到三万亿美元以上。阿莫代指出，为了构建AI集群，包括Anthropic在内的AI企业正在为英伟达的芯片支付大笔金额；虽然尚未看到AI产生的大量收入、依然存在泡沫破灭的可能，但Anthropic选择继续押注看涨。 目前，以GPU为主的硬件需求仍是决定AI训练成本的一大因素。今年6月，红杉资本分析师David Cahn表示，AI行业每年需要为数据中心等基础设施支付6000亿美元的费用。在过去的采访中，阿莫代曾提到，有足够资金来训练专业等级AI模型的公司依然不多。 今年6月，Anthropic发布了旗下性能最强的AI模型Claude 3.5 Sonnet，称其为“迄今为止最智能的模型”。据介绍，在覆盖阅读、编程、数学和视觉等领域的多项性能测试中，Claude 3.5 Sonnet的性能基本全面超越了包括GPT-4o在内的一众知名AI模型，仅在MMLU（大规模多任务语言理解）和MATH（数理）数据集上略逊于GPT-4o，且优于自家此前最强的模型Claude 3 Opus。

有了ChatGPT，还需要人类程序猿编码吗？ 上个月，一项发表在IEEE TSE期刊（Transactions on Software Engineering）上的研究评估了ChatGPT所生成的代码在功能性、复杂性和安全性方面的表现。 结果显示，ChatGPT生成可用代码的能力差异很大。 其成功率从0.66%到89%不等，这主要取决于任务的难度、编程语言等多种因素。 论文地址：https://ieeexplore.ieee.org/document/10507163 具体来说，研究人员测试了GPT-3.5在5种编程语言（C、C++、Java、JavaScript和Python）中，解决LeetCode测试平台上的728个编码问题，以及应对18个CWE（常见缺陷枚举）场景的能力。 虽然在某些情况下，AI能够生成比人类更优质的代码，但分析也揭示了，一些AI生成代码的安全性问题。 论文作者、格拉斯哥大学助理教授Yutian Tang指出，「AI代码生成一定程度上，可以提升开发效率，自动化软件工程。然而，我们必须认识这类模型优势和不足，以便合理应用」。 「通过全面的分析，可以发现ChatGPT生成代码过程中，出现的潜在问题和局限性，进而改进生成技术」。 有网友庆幸地发出疑问，所以我还没有被解雇？另一人对此表示，至少不是今天。 还有人指出，这项研究是关于GPT-3.5的评估。要是GPT-4早就在编码能力上大幅提升，Claude 3.5更是如此。 确实，现在我们有了更好的模型，对于GPT-3.5模型的评估，并没有太大的意义。 0.66%-89%，惊人反差率 总体而言，ChatGPT在不同编程语言的问题上表现相当不错——特别是在尝试解决2021年之前LeetCode上的编码问题时。 例如，它能够为简单、中等和困难的问题生成可运行代码，成功率分别约为89%、71%和40%。 然而，当涉及到2021年之后的算法问题时，ChatGPT生成正确运行代码的能力受到影响。即使是简单级别的问题，它有时也无法理解问题的含义。 比如，ChatGPT在生成「简单」编码问题的可运行代码方面的能力，在2021年后从89%下降到52%。 而它在生成「困难」问题的可运行代码方面的能力也在此时间后从40%下降到0.66%。 Tang对比表示，「一个合理的假设是，ChatGPT在2021年之前的算法问题上表现更好的原因是这些问题在训练数据集中经常出现」。 接下里，具体看看研究者们对ChatGPT进行了哪些方面的评估。 实验评估 评估的整体流程如图2所示。 首先为给定的LeetCode问题或CWE场景构造合适的提示并发送给ChatGPT，让它根据提示和上一轮对话的上下文信息给出响应。 之后，研究人员将模型响应中的代码片段提交给LeetCode平台，利用其在线判断功能来检验代码的正确性，CWE漏洞则使用CodeQL进行手动分析。 如果测试结果通过，则生成结束，否则就需要利用LeetCode和CodeQL的反馈继续建立新的提示、输入给ChatGPT，再次进行代码生成。 如果ChatGPT在对话轮数限制（5轮）之内始终没有生成出通过测试的代码，则认为生成任务失败。 功能性正确代码生成 ChatGPT生成的代码在功能上是否正确？ 研究动机： 给定提示，ChatGPT生成相应的文本，这种能力可能会提高开发者的生产力。首先去评估ChatGPT在单轮对话中，自动生成功能正确代码的能力。 研究方法： - 让ChatGPT阅读问题描述，在单轮对话中生成相应代码。（最大对话轮数设为1） - 使用LeetCode平台上的编程问题作为数据集，截止研究时，有2500个难度不等的问题。 - 将LeetCode所有问题分为2021年之前（Bef.problems）和2021年之后（Aft.problems）两类，因为ChatGPT的训练数据截止于2021年。 - 考虑到2021年之前的问题可能已存在于ChatGPT的训练集中，这可能使代码生成任务退化为简单的数据库查询（即代码复用）。为了进行全面评估，研究中同时考虑了这两类问题。 具体而言，研究人员重点关注LeetCode上的算法问题，因为算法问题是该平台上最重要、最多和最多样化的问题。 Bef.problems和Aft.problems的总数分别为1624个和354个。此外，两者的难度分布为难、中、易，比例为1:2:1。 在所有Bef.problems中，作者随机抽取了374个问题，其数量与Aft.problems相似，难度分布也与Aft.problems相同。 同样，在354个Aft.problems和Bef.problems中，难、中、易问题的数量比例也是1:2:1，与LeetCode平台上所有问题的难度分布一致。 此外，研究人员还检查了Bef.problems和Aft.problems之间是否存在显著差异。 如果Aft.problems只是Bef.problems的重构，那么ChatGPT很可能可以轻松解决这些问题，这可能会影响实验结果在区分时间段方面的可靠性。 论文中，作者总共找到了142对问题。然后，再让2名研究生独立检查这些问题对。 通过仔细核对和讨论，结果发现这些相似的问题要么情景相似，但求解目标完全不同；要么情景和条件不同，但可以使用类似的算法（如动态编程）求解。 经过仔细的人工分析，作者没有发现在任何情况下，Bef.problems可以很容易地重新表述为Aft.problems。 因此，作者认为Aft.problems和Bef.problems之外，对于每个问题，都要求ChatGPT用5种不同的语言生成代码：C、C++、Java、Python3和JavaScript。 此外，他们还使用相同的提示模板为每个 < 问题、语言> 对创建了相应的提示。 Bef.problems和Aft.problems分别共有1,870和1,770个提示。由于ChatGPT的查询速度有限，研究者将每条提示输入一次，要求生成代码。 然后，研究者将解析后的解决方案，提交给LeetCode进行功能正确性判断，并得到提交状态，包括接受、回答错误、编译错误、超过时间限制和运行错误。 它们分别对应于A.、W.A.、C.E.、T.L.E.和R.E.。一个问题对应一个唯一的对话，以避免从其他问题触发ChatGPT的推理。 实验中，作者以状态率（SR）来评估 ChatGPT 的代码生成能力。其中 和 分别是根据状态生成的代码片段数和输入的提示数。 提示： 所设计的提示模板由4个部分组成：它们分别是<Content>、<Examples>、<Template>和<Command>。 <Content> 用自然语言描述问题，<Examples> 显示功能正确的代码 <input, output> 对，<Template> 指定生成代码的方法签名（method signature），<Command> 要求用特定语言生成代码。 结果： 表1和表2显示，LeetCode对五种编程语言在两个时间段、两种形式下的代码生成结果、SR以及相应的相对频率柱形图。 由于Python3和JavaScript都是动态编程语言，因此这两列不包含C.E.。 从总体结果来看，ChatGPT为Bef.problems生成的功能正确代码的A.率明显高于Aft.problems。 具体来说，Bef.problems的五种语言平均正确率（68.41%）比Aft.problems的（20.27%）高出 48.14%。 五种语言在不同阶段的代码生成性能差异显著，P值为0.008，效应大小值为1。 对于Aft.problems，总体正确率低于25%，其中难、中、易问题的正确率分别为0.66%、13.90%和52.47%。 用Holm-Bonferroni校正程序调整的P值和五种语言不同难度之间的效应大小值分别小于0.05和等于1。 结果表明，面对Aft.problems，随着问题难度的增加，ChatGPT在功能上正确生成代码的能力明显下降。 此外，即使是简单的问题，它也只能正确回答一半。 在这五项/四项指标中，W.A.率是所有语言中最高的一项，达到58%。 此外，每个W.A.代码片段平均有109个测试用例，而ChatGPT生成的代码只能通过其中的25%。 难题、中难题和简单难题的测试用例通过率分别为20.90%、21.03%和38.41%。因此，无论难度如何，生成代码的语义都与相应问题描述的逻辑有很大差异。 此外，C.E.率和R.E.率也都达到了16%，而且难题和中难题的C.E.率明显高于简单难题。 ChatGPT生成的中难题代码，更容易出现编译和运行时错误。比如，图4中显示生成的函数cmpfunc，在调用前没有声明。语法错误只占这些错误的一小部分（3.7%）。 至于T.L.E.率，虽然数值不高（6%），但测试用例的平均通过率为51%，高于W.A.代码片段。 T.L.E.问题的难、中、易三个难度级别的测试用例，平均通过率分别为68%、50%和1%（易问题由于其T.L.E.率接近0%，可以忽略不计）。 由于T.L.E.代码片段的测试用例通过率是部分的，不过生成的代码中最多还有6%在功能上是正确的，尽管它们的时间复杂度可能并不理想。 细分到每种语言，C、C++、Java、Python3和JavaScript的A.率分别为15.38%、19.37%、20.17%、23.93%和22.51%。 此外，图5显示了将五种不同语言与每个问题（仅考虑至少有一个正确解决方案的问题）相结合的A.率分布（接受率分布）。 从图中可以看出，Medium语言的平均线和中位线都≤0.5，而Easy语言的平均线和中位线都≥0.6。 对于简单问题ChatGPT更容易将生成的代码泛化到不同的语言中。简单问题和中等问题的中位数和均值分别为0.4和0.5。 对于Bef. Problems问题方面，难、中、易问题的正确率分别为40.13%、70.95%和89.80%，远高于Aft. problems，但不同难度之间仍存在显著差异。 用Holm-Bonferroni校正程序调整后的P值和难与中、难与易之间的效应大小值分别小于0.05和大于0.9。 五种语言中，中等难度和简单难度之间的调整后P值和效应大小值分别为0.056和0.76。 ChatGPT在解决2021年之前训练集中可能出现的问题时，表现更好，尤其是中等难度和简单难度的问题。 解决难题的正确率提高了40%，但仍低于50%，这表明ChatGPT生成逻辑复杂问题代码的能力仍有很大的提升空间。 总体正确率下降到 17.03%，难、中、易问题的正确率分别为32.89%、15.05%和6%。 生成的代码仍能通过平均112个测试用例中的25%。难、中、易问题的测试用例通过率分别为19.19%、31.12%和47.32%。 后两者都提高了10%，这表明ChatGPT对Bef. Problems有更好的理解力。 不过，C.E.率和R.E.率仍达到13%，接近Aft. problems的16%，两个阶段之间的P值和效应大小值分别为0.328和0.3125，且困难问题通过率最高，中难度问题通过率次之。 编译错误和运行时错误与Aft. problems类似，例如，图6所示代码用于重塑给定的二维矩阵，但在第15行引发了运行时错误，该行为*returnColumnSizes分配了错误大小的内存。 至此，T.L.E.率降至1.87%，测试用例平均通过率为74%。 接下来，再细分到每种语言，C、C++、Java、Python3和JavaScript的A.率分别为47.24%、68.63%、76.37%、75.35%和74.44%。 后四种语言的A.率值彼此接近，且大大高于C（最低级别语言）的A.率值，至少高出20%。 图 7 显示的是与图 5 相同的Bef. Problems。从图中可以看出，中等题和简单题的平均线和中位线都≥0.75，而且它们的中位数和平均值之间的差异比之前的Aft. problems要小一半。 此外，有难度的平均线和中位线都≥ 0.55。对于Bef. Problems，ChatGPT更容易将代码扩展到不同的语言中。 ChatGPT接受的问题的人类平均接受率为55%，而ChatGPT未接受的问题的人类平均接受率为47%。 总而言之，通过实验，ChatGPT在功能性正确代码生成任务上，比起Aft. problems，更加擅长解决不同编程语言中的Bef. Problems。 尤其是，前者的平均正确率比后者高出48.14%。此外，不同的难度也会影响基于ChatGPT的代码生成。 对于两个阶段的问题，ChatGPT都能生成运行时间和内存开销小于至少50%的人类解决方案的代码。 无论哪个阶段的问题，ChatGPT生成的代码出现编译或运行时错误的概率都差不多，平均为14.23%。 在所有问题中，C++、Java、Python3和JavaScript的A.率值分别为44.75%、48.74%、50.00%和48.80%，彼此接近，且大大超越C的31.28%。 多轮修复功能管用吗 在这个方面，作者想探究ChatGPT支持的多轮对话能力在改进代码正确性上究竟表现如何？人类能够「知错就改」，LLM可以吗？ 首先，研究人员对ChatGPT生成的157段代码的错误类型进行了分析，可以大致分为以下几类： - 细节错误（WD）：代码细节上的错误一般源于误解题意，或者代码与问题理解不一致，但大体逻辑基本正确，因此这类错误很容易被修复。 - 误解某些内容（MCC）：生成代码没有满足给定问题的主要条件，使用的算法合适，但需要修改其核心。 - 误解问题（MP）：指ChatGPT完全错解了题意，这是最难修复的一种情况，代码需要完全重写， 将错误信息反馈给ChatGPT的方式依旧延续了图3所示的格式，包括原始问题、生成代码片段、LeetCode的报错信息以及相应指令。 进行不超过5轮的对话修复后，得到了表5所示的结果。 可以看到，157个问题中能通过自动化修复的只有25个，其中16个属于简单模式，困难问题的错误答案几乎不可能被修复。 如果把对话轮数的上限增加到10轮呢？结果依旧不乐观。 从157个问题中随机选出10个，结果只有其中2个能在10轮内成功修复，剩下的8个依旧无法通过。这能让研究人员进一步分析ChatGPT很难自动修复的原因。 作者认为，一方面，ChatGPT缺乏掌握逻辑细节的能力；另一方面，在需要复杂逻辑推理的问题中，生成代码往往偏离问题的实际含义，这即使对于人类程序员也很难修复。 代码复杂度 代码的复杂性对于可读性、可维护性以及整体质量来说，都是一个重要的影响因素。想象一下，如果ChatGPT对简单的排序问题都生成出了你很难看懂的代码，那会大大拉低使用体验。 作者利用了SonarQube和cccc两个指标来评估LeetCode数据集中Bef.问题的复杂程度，并评估响应生成代码的循环复杂度（cyclomatic complexity）和认知复杂度（cognitive complexity）。 循环复杂度会计算执行时线性独立路径的数量，从而体现源代码的测试难度。认知复杂度则从人类角度衡量理解、推理一段代码的难度。 由于以上量化标准不够直观，研究人员还同时评估了人类编写的C++和Python3的LeetCode问题解答来与ChatGPT进行比较。 图20的对比中可以看出，C代码的复杂度最高，C++、Java和JavaScript次之并基本处于同一水平，Python3是最不复杂的，这与我们的固有认知基本吻合。 此外，与人类相比，ChatGPT生成的代码虽然复杂度稍高，但差距并不明显。 随着LeetCode问题难度逐渐升高（表16），无论是人类还是ChatGPT，低复杂度代码的占比都会逐渐降低，复杂度被分类为「高」和「非常高」的占比也随之逐渐提高，这种趋势也是类似的。 然而，不好的消息是，ChatGPT的多轮修复功能似乎没法让代码更简洁，多数情况下会维持甚至提高代码的复杂 性，这或许也是多轮修复功能效果不理想的原因之一。 代码安全性 由于ChatGPT训练时可能学习到了各种各样的内容，包括质量较低、易受攻击的代码，因此评估生成代码的安全性也非常重要。 由于LeetCode的算法代码通常专注于解决特定的逻辑或计算问题，并不涉及管理系统资源、网络通信等通常有敏感安全问题的操作，因此在这部分的评估中，论文同时采取了两种路径。 1)利用CodeQL对LeetCode答案的所有C、C++和Java代码进行漏洞检测，针对MITRE Top25中的5个CWE问题，包括指针和内存相关的共30个查询。 2)针对MITRE Top25中的18个CWE问题，每个问题提供3种上下文场景，给ChatGPT「挖坑」，要求它补全代码，再用CodeQL自动检测看是否确实出现了相应问题。 在第一个测试中（表18），ChatGPT表现良好，91.8%的错误集中在MissingNullTest这一类，其余的漏洞的出现频次则一般不超过5次。 但仍要注意的是，ChatGPT在CWE 787，即「越界写入」问题上表现不佳，这可能会导致潜在的代码漏洞。 而且，由于这些漏洞的修复比较简单，因此在给定错误信息并要求生成修复代码后， ChatGPT也能较好完成任务。 要求ChatGPT修复CWE-787问题的提示模板 在第二个测试——安全代码生成方面，ChatGPT共生成了2983（99.07%）个有效代码片段，其中994个存在安全漏洞，占比达到33.32%。 而且，C语言中的易受攻击片段的百分比（51.64%）远远高于Python3（17.08%），这有可能是由于C代码本身就对程序的内存安全提出了更高的要求，也可能源于训练数据中C和Python3代码的质量差距。 多轮修复功能依旧表现出色，89.4%的漏洞都能在给出CWE信息后成功解决，比如溢出、数据泄露、不安全内存操作、未经身份验证访问等相关问题。 ChatGPT非确定性 ChatGPT的非确定性输出如何影响代码生成？ 如下表所示，表22和表23分别列出了所选算法问题和温度为0.7时的实验结果。 在温度为0的条件下，10次试验中，算法问题和CWE代码场景的非确定性代码生成统计结果如表24、表25和表26所示。 其中表26列出了所选的20个CWE代码场景。 此外，作者还研究了非确定性对多轮修复过程的影响，修复结果如表27-32所示。 温度设为0.7，5次试验中算法问题的多轮修复过程。 温度设为0，5次试验中算法问题的多轮修复过程。 温度设为0.7，5次试验中算法问题的CWE多轮修复过程。 温度设为0，5次试验中算法问题的CWE多轮修复过程。 温度设为0.7，5次试验中安全代码生成的多轮修复过程。 温度设为0，5次试验中安全代码生成的多轮修复过程。 总之，实验中，当温度设置为0.7时，单轮流程中的代码生成可能会受到ChatGPT非确定性因子的影响，从而导致代码片段在功能正确性、复杂性和安全性方面出现差异。 要减轻ChatGPT在单轮过程中的非确定性，一种可能的策略是将温度设置为0。 然而，在多轮修复过程中，无论温度设置为0.7还是0，ChatGPT固定的代码片段在功能正确性、复杂性和安全性方面都可能存在差异。

【环球网科技报道 记者 张阳】AI的下半场价值点在哪里？从产业生态来看，2024年国内AI大模型技术层面依旧格局未定。近期在上海举办的世界人工智能大会（WAIC）上，垂直领域的AI应用落地成为头部大厂及初创企业共同关注的焦点， 在产业发展主论坛上华为常务董事、华为云CEO张平安介绍了获得本次WAIC SAIL奖TOP30的华为云盘古钢铁大模型案例，据介绍，华为云盘古大模型已经在宝钢的一条热轧生产线上线，精轧宽展预测精度较传统模型提升了5%以上，每年有望多生产2万吨钢板，增收9000多万元。让我们看到，行业大模型正在加速落地应用，解行业难题。 模型微调从“天”到“时” 年收益增加9000万 当前钢铁业普遍面临的技术难题是热轧生产要经过20道工序，需调整300多个参数变量，且钢板加工过程中会同时受到热胀冷缩、挤压变形、轧辊磨损等多种不确定性因素的影响，这使得钢板的成材质量面临巨大挑战。 据张平安介绍，在宝钢的这条热轧生产线上，一块260mm厚的钢坯将在2分钟之内被轧制成1.2毫米厚的钢板，钢板的尺寸厚度公差不超过0.05mm，宽度公差不超过5mm。如果进行生产规格切换或设备状态不稳定时时候，传统模型精度会波动劣化，如果需要对模型进行优化完善，通常需要花费至少一周以上时间进行调整和部署。这还只是一种钢材模板，当想生产新的钢板的种类和尺寸时，各种参数又再次需要重新修改。 而现在，华为云的盘古大模型5.0创新地将时序数据、表格数据、工艺参数、行业机理等进行token化，通过大模型的学习，实现对最优参数的预测。目前，盘古大模型已经在宝钢1880热轧生产线上线，使宝钢的精轧宽展预测精度较传统模型提升了5%以上，钢板成材率提升0.5%，更将调整生产参数的时间从过去的5天甚至一周以上缩短至3-4小时，年收益因此增加了9000余万元。下一步，华为云还要与宝钢一起挑战钢铁行业最困难的高炉场景。 AI大模型发展离不开算力基础设施创新 “中国的AI创新道路要怎么走？”张平安在产业发展主论坛上抛出了这样一个问题。在他看来，从我国现有的发展格局来看，推动AI发展，应当从芯端算力上云、面向AI进行网络架构升级、做好云基础设施系统架构创新三方面出发。 “我们不能将AI算力需求全部放在终端。”在张平安看来，由于芯片、能耗等因素制约，端侧算力存在一个“天花板”。 因此，当前最重要的是思考如何释放对芯片和端侧AI算力的需求，做好芯、端、云、网的融合，在云端构建我国的算力基础 芯端算力上云方面，华为创新的方向是将端侧的AI算力需求通过光纤和无线网络释放到云上，实现端云协同，获得无缝的AI算力。这一创新不仅让端侧保持了丰富的功能，还极大地降低了功耗。 华为云CEO张平安 在网络技术创新方面，华为具备的5G - Advanced网络为端侧算力上云和端云算力协同提供了坚实的网络保障。其上下行带宽相较5G得到了10倍的增长，时延从10毫秒降低到1毫秒，这为华为云大模型的高效运行提供了有力支持。中国丰富的光纤网络和无线5G网络，构筑起了中国的AI算力网络，也为华为云大模型在各行业的应用奠定了坚实的基础。 云基础设施方面，华为云发布的全新CloudMatrix架构，以“一切可池化”“一切皆对等”“一切可组合”的创新设计，匹配了超大规模算力诉求。基于云的技术，华为云对昇腾集群进行端到端优化，使得千亿参数模型在云上训练可实现40天无中断，平均故障恢复时间小于10分钟。这些技术创新为华为云大模型的训练和运行提供了强大的算力支持和可靠的保障。 加速行业应用落地真正解决行业难题 中国拥有千行万业的业务场景，也拥有全球最大的软件创新人群。全力支持AI技术发展的根本目的，是推动不同行业积极拥抱AI，开放行业业务场景。正如张平安所说，“中国的AI发展道路，追求的应该是在行业领域构筑大模型的全球领先地位。如果各行各业都积极拥抱AI，积极的开放行业的业务场景，中国很有机会在ToB领域构筑起全球的领先优势。” 华为云盘古大模型坚持聚焦行业，为行业“解难题，做难事”，加速了千行百业的智能升级。近期，华为云的盘古大模型5.0在华为开发者大会上正式发布，该版本在全系列、多模态、强思维三个方面进行了全面升级，在自动驾驶、工业设计、建筑设计、具身智能、数字内容生产、高铁、钢铁、气象、医药等领域，提供了更加丰富的创新应用和落地实践，标志着华为云在人工智能领域再次迈出了坚实的步伐。 盘古大模型5.0重塑自动驾驶 可以说，宝钢项目的成功是华为云大模型在行业应用中的一个缩影。在过去的一年中，盘古大模型已在30多个行业、400多个场景中落地，为不同行业带来了智能化升级，落地成效显著。 在气象预报领域，盘古气象大模型再升级，推进至更高难度的公里级区域预报，实现了从全球25公里模型向1公里、3公里、5公里区域预报精度的跨越，包含气温、降雨、风速等气象要素；在高铁动车巡检工作领域，北铁所将华为云盘古铁路大模型应用于高铁巡检机器人，双方合作采用国内首创的二维图片+三维点云+激光光谱等多模态融合诊断技术，能精准识别超限、异物等各种复杂故障。多模态融合诊断比起单模态，故障识别准确率可提升到98%以上，不仅将巡检工人从繁重的劳动中解放出来，还大幅提升了检测效率和检测准确率。 华为云盘古大模型的发展离不开中国千行百业的业务场景和全球最大的软件创新人群。中国各行各业积极拥抱AI，开放行业的业务场景，为华为云大模型的发展提供了广阔的应用空间和创新机遇。张平安也表示，“华为云与众多客户、伙伴一起，在各行各业开展AI的创新应用实践，持续深入行业解难题、做难事，不断推动华为云大模型的发展和完善。” 从目前行业内的多项创新成果来看，AI不再仅仅是实验室中的技术探索，而是真正走向了千行百业，成为推动行业变革和发展的重要力量。在今年的人工智能大会上，越来越多的企业和组织开始意识到行业应用的重要性。随着AI在各行业的深入应用，可以预见，未来将会涌现出更多创新的应用场景和解决方案，助力千行万业实现智能化的创新发展。

作者 | 程茜 编辑 | 李水青 智东西7月8日报道，今晚，全球IoT独角兽玩家Aqara发布系列智能照明新品，包括银河系列轨道灯V1以及繁星系列妙控旋钮V1等。 现代家居生活设计中，消费者越来越重视光和灯具在家居中的应用。Aqara已经布局了完整的灯具产品矩阵，包括入门、中端、高端、旗舰全系列，涵盖主灯、无主灯、氛围照明等多个品类。 今天，Aqara发布高端V系列Aqara银河系列磁吸轨道灯V1。V1采用了全光谱光源，拥有Ra98超高显色指数，Aqara合伙人兼高级副总裁彭江波谈道，全光谱光源光谱连续性更好、缺失率更低，这种光源可以自然展示物体颜色。较上一代轨道灯，V1的功率和光通量平均提高了30%。 该灯具还实现了突破性的百万分级调光技术，能实现精准的调光控制。且在安装方面，V1既可以通过嵌装在预埋轨道中，还可以配置超薄明装轨道，满足前装和后装的不同需求。 此外，为了满足全屋智能的整体兼容性，V1还提供了IoT转接支架，这一转接器可以直接安装到轨道上，通过标准的1/4英制螺丝及双边USB-C口，可以将其他网关、传感器、摄像头等Aqara生态设备转接至磁吸轨道上，无需额外布线。 在软件方面，Aqara推出了MARS-Tech火星技术多负载类型强适应高可靠开关技术（Multi-load-type Adaptable and Reliable Switching Technology）。MARS-Tech火星技术可以解决智能灯具与智能开关的兼容问题，保证灯具状态在不同设备上同步显示。 调光方面，Aqara的软件上提供了单灯单控、调光序列、缓亮缓熄等个性妙控调光技术。 Aqara此次也同步发布了繁星系列妙控旋钮V1，其配备了X轴线性马达，模拟出逼真的段落感和阻尼，旋钮中间的触控屏不仅能显示天气、时间和环境状况等信息，还能添加各种设备，便于实时状态查看和功能控制。 Aqara还发布了云熙吸顶灯D1S及云耀吸顶灯Z1S，两款新品均采用全光谱光源，显色指数高达Ra97保证光源品质。 结语：软硬件协同满足千人千面智能家居需求 灯具已经越来越成为人们智能家居生活中的重要组成部分，每个人对于光的需求、自定义的场景特色都各有不同，因此需要硬件的标准化与软件层面的千人千面才能解决人对于灯具的本质需求。 基于此，Aqara为了满足不同用户的不同装修风格以及场景需求，正在充分布局硬件和软件产品，以为用户带来更好的智能家居体验。

快科技7月8日消息，百度网盘宣布正式登陆苹果Vision Pro，成为首个上线Vision OS的AI存储类应用。 在百度网盘VR版中，用户可以流畅地浏览4K及全景视频，摆脱了TV屏幕和投影幕布物理尺寸的限制。只要视频资源在百度网盘内，全部可以在3D空间中以200寸大屏的形式播放。 此外，用户还能在虚拟的日常家庭场景，如客厅、卧室等，根据自己的意愿定义屏幕尺寸和布置方式，甚至可以将屏幕悬浮在吊顶下方。 为了打造更高质量的虚拟空间，实现惊艳的用户体验效果。百度网盘VR版采用了百度元宇宙领域积淀的先进PBR技术，结合AR环境光变化，打造的场景逼真，犹如置身现实空间。 这种沉浸式体验让用户仿佛置身于云端视频内容之中，将赛伯朋克电影里的未来世界带入生活。 用户只需面向悬浮的操作界面，通过简单的眨眼、动手动作即可完成选择、翻页、切换等网盘交互控制功能。

还记得 Redmi Turbo 3 发布会上，介绍到这款手机的续航能力时，Redmi 品牌总经理王腾无奈一笑，表示为了更薄的机身和手感，Turbo 3 只能选择配备 5000mAh 的电池。 才过去 2 个月不到的时间，各家厂商都拿出了新一代又薄又大的「黑科技」电池：搭载 6000mAh 电池的 vivo S19 手机，机身厚度只有 7.19 毫米；一加全新「冰川电池」，6100mAh 的大容量，却比普通 5000mAh 电池更薄。 ▲ 图源：微博@数码闲聊站 史上最薄直板智能手机，诞生在十年前 5 月发布的全新 iPad Pro，因为比 iPod nano 还薄的 5.1 毫米机身，引发了外界的热烈讨论。 这个超薄 iPad 还只是一个开始，据彭博社报道，未来的苹果设备将会掀起一阵「瘦身」风潮，除了 iPad 之外，iPhone、Mac 产品都将会往更轻薄的路上走。iPhone 17 还预计会推出主打轻薄的全新「Slim」型号。 都说时尚是一个圈，数码产品可能也是。早在十年前，「瘦身」的风，已经在众厂商之间吹过。 14 年，苹果推出了 iPhone 6，6.9 毫米的厚度至今还没有 iPhone 超越，而国内两家厂商，OPPO 和 vivo 在薄上更是卷到极致。 OPPO R5，厚度 4.85 毫米，薄到塞不下一个 3.5 毫米耳机接口，在 2014 年就很「超前」地让 Micro-USB 接口分担了音频功能。 而 vivo X5 Max 凭借 4.75 毫米的「薄」度，问鼎全球最薄直板智能手机，至今还未有超越者。 这种对于手机厚度的极致追求其实也很好理解。OPPO 和 vivo 都是主打线下的手机品牌，超薄的机身，消费者在线下一看一摸就能感知得到；而让步最大的电池续航，恰好又是线下购机人群无法快速感受到的短板。 超薄也让 OV 走出了一条和其他厂商不同的差异化路线，与同期 7.9 毫米厚的华为 Mate 7，甚至 8.9 毫米厚的小米 4 一对比，原本在产品力上不太占优势的 OV 手机，也有了人无我有的独特卖点。 ▲ 小米 4 在厚度上真就是「一块钢板」 代价也很显而易见，不到 5 毫米的小机身，一些元件可以做得小又薄来节省空间，但是电池在当时只能选择妥协。于是，OPPO R5 和 vivo X5 Max 都搭载着 2000mAh 的电池。 作为对比，同期的三星 Galaxy S5 ，在屏幕尺寸小于这两款手机的情况下，搭载了 2810mAh 的电池，当然厚度也来到了 8.1 毫米。 小电池还带来了连锁反应，vivo X5 Max 和 OPPO R5 都搭载了高通骁龙 615 的一个低频改版，以降低功耗，导致这个原本偏中端的芯片，性能释放更加保守。 ▲ vivo X5 Max，图源：Phone Bluff 而且，手机厚度的减小明显具有用户边际效应，虽然手机做到了 4 毫米薄，但是给用户带来的使用体验，或许已经不如配备一个更大一点的电池。 值得一提的是，两款 4 毫米级别的手机在重量上其实和 145 克的 Galaxy S5 难分伯仲，OPPO R5 还比 S5 重了 10 克，所以手机虽然薄了，重量却没能同步降低，手感提升有限。 ▲ 三星 Galaxy S5 因此在追求过极致的超薄机身后，OV 开始探索「端水」的艺术：如何在不过度牺牲其他性能的前提下，尽可能保证手机的机身轻薄。 两款超薄手机的继任者，OPPO R7 和 vivo X6 机身都回到 6 毫米级别，都容纳了一个 2400mAh 左右的电池，虽然增加了 1.5 毫米左右的厚度，但两款手机仍然处于薄手机的范畴。 ▲ vivo X6，厚度 6.56 毫米 随后就开始了各家开始打造「水桶机」的潮流，开始卷影像、性能、续航各种配置，降下去的智能手机厚度，又开始向上走。 曾经追求过极致轻薄的 OPPO，真旗舰系列 Find 回归首作 OPPO Find X，各种配置拉满，机身厚度来到 9.6 毫米，几乎就是 OPPO R5 的两倍。 ▲ 接近 1 厘米厚的 OPPO Find X，在外观上用了曲面屏来尽量显薄 动辄半斤一厘米厚和两百克重的手机，几乎就是一块「板砖」，躺在床上玩手机，如果一不留神没抓住，很可能把鼻梁也给砸伤了。 ▲ 演员周迅躺着玩手机，鼻梁被手机砸伤了 在各个价位几乎都能做到拉满配置的情况下，「轻薄」的风又吹回了手机厂商。特别是中端机型，由于不需要顶尖的堆料水平，加上近几年各厂商都有意提升中端机型的外观造型，不少中端机都逐渐走向了轻薄和时尚的路线。 像是 OPPO 和 vivo 两家，主打线下的中端旗舰 Reno 和 S 系列，就一直有意在轻薄上做文章。 ▲ vivo S19，厚度为 7.19 mm 和 10 年前不同，已经成长为「大人」的各厂商表示，这次薄和续航「全都要」。 薄机身和长续航已经不再是单项选择题 轻薄和续航两者之间的矛盾似乎从一开始就不可调和。为了一体化的轻薄机身，手机厂商干掉了手机上的可拆卸电池，手机没电直接换电池也成为了和耳机接口一样再也回不来的「外星科技」。 ▲ 上次用能拆电池的手机，还是 Lumia 640，图源：iFixit 但科技是一直发展的，矛盾也有解决的方法。新一届的电池技术，让更大的容量，能够被塞入更小的机身。如果你有留意最近的国产手机电池，那你应该会觉得「蓝海电池」、「青海湖电池」、「冰川电池」「金沙江电池」这几个名字有点眼熟。 这几个听起来「水灵灵」的电池，其实背后都是一种名字叫「硅碳负极」的电池技术。 这里需要讲解一下锂电池的原理。电池内部被隔膜分成两个区域：正极和负极，以及充盈在电池内部的电解质。充电时正极的锂离子会从电解液穿过隔膜进入负极，放电则是从负极进入正极，所以负极可以简单理解为锂离子的「存储池」。 目前行业内锂电池负极的材料一般都是石墨，其实石墨的锂离子容量不是很大，优势是材料比较容易获取，工艺也更成熟。 说到这里，「硅碳负极」的意思已经不言而喻——以碳硅复合材料来作为电池的负极。 比起石墨，硅基材料能够吸纳更多的锂离子，比容量理论极限值能达到石墨材料的 12 倍，即使是目前小规模应用的硅碳负极材料，实际比容量也比石墨负极的理论最高比容量高出 13-20% 左右。 ▲ 一加冰川电池技术沟通会 而最近各家厂商在介绍新电池时，总会说到一个数值「电池能量密度」，意思就是在同样的体积下，能提供多少电池容量。 理论上，在其他条件和状况一致的情况下，电池能量密度越高的电池，能够在相同体积下提供更大的电池容量，或者在同样的电池容量下，实现更小的电池体积。 现在来看看几家「五湖四海」碳硅负极电池的电池能量密度： 小米「金沙江电池」：779Wh/L 荣耀「青海湖电池」（第一代）：740Wh/L vivo「蓝海电池」：809Wh/L 一加「冰川电池」：763Wh/L 联想/ moto「星海电池」：822Wh/L 作为对比，石墨负极电池的能量密度，目前上限在 700Wh/L 左右。 ▲ 左边：荣耀青海湖碳硅电池 右边：iPhone 15 Pro Max 石墨电池 硅碳电池的一个突破点和难点就在于碳硅材料的「硅含量」：硅在充放电过程中，膨胀和收缩效应会很严重，因此纯硅基负极电池非常不稳定，需要将碳和硅复合，增强电池的稳定性。 而这造成了一个新的矛盾：硅含量越高，电池的能量密度越大，但是相应的，稳定性越低。 目前已经各家新电池的硅含量都在个位数左右，而荣耀第三代的青海湖电池，已经将硅含量突破到 10%，带来了进一步的能量密度提升。 这其实也说明，碳硅电池还有着不小的潜力等待挖掘。如何在保证电池稳定的情况下，提升硅含量，成为了硅碳电池的目前的一个技术突破口。 想要兼顾轻薄和续航，不仅仅只能在电池上花心思，这几年大热的 LTPO 屏幕，也给小身板手机更长续航的可能。 ▲ 一加 9 属于国内比较早搭载 LTPO 屏幕的手机 LTPO 屏幕最大的优势就是可以实现范围较大的刷新率变化，从 iPhone 13 Pro 上的 10 – 120Hz，再到 OPPO Find X7 的最低 1Hz，甚至卷到现在的 0.5Hz。 这种「动静分明」的屏幕刷新率，在手机呈现静态内容时使用低刷新率省电，而操作滑动时又回到高刷呈现细腻的观感。 也因为能够实现极低的刷新率，手机「Always on Display」的常亮显示功能也要更加省电。 在今年 realme 真我 GT Neo6 SE 发布会上，产品经理毛巾介绍 LTPO 屏幕的好处时就表示，真我 GT Neo6 SE 上的 8T LTPO 屏幕省下的电，相当于给这款手机增加了 300mAh 的电池容量。 因此，这款实载 5500mAh 电池的手机，DOU 续航测试接近 2 天，并且机身厚度和重量都控制在了 9 毫米和 200 克以下。 薄=未来？ 苹果要做「超薄 iPhone」的消息一出，大众的观点很快就分裂成两派： 支持派认为，现在动辄 1 厘米半斤重的手机手感实在不够友好，小拇指都磨出了茧子。 反对派认为，把数码产品做薄根本没有意义，还牺牲了会影响体验的续航。 但新 iPad Pro 的实际表现，或许能够给反对派一颗「定心丸」。 虽然做到了这种极致的轻薄，但新 iPad Pro 在电池续航上，几乎和前代没有差距，这还是在新款 iPad Pro 电池容量比上一代略微缩水的情况下。 这背后是新 M4 芯片的魔力，优化的设计和制造工艺，更高的能效比，在电池变小的情况下，续航能够和以往的水平持平。 更何况，iPad Pro 本身就是苹果主打专业和性能的平板产品线，搭载苹果最新 M4 芯片的新 iPad Pro，足以胜任各种高能任务，甚至不少评测都觉得，这块芯片在 iPad 这个平台上有点「屈才」。 看得出来，与 10 年前不同，现在的数码产品用上了功耗更低的处理器，屏幕更省电，电池也更加高密度。现在的超薄机身，不是性能和续航都缺憾的「瘦弱」，而是各种元件高集成、电池高密度的「精壮」。 因此轻薄不单单是厂商创造的噱头，背后是各种技术的突破，薄型设计也因此被视为工程和技术创新的标志，我们正处在技术缓慢进步的「甜蜜点」中。 对于轻薄的追求不仅是厂商的一厢情愿，也是用户一直以来对科技产品的期待。 就像是 2022 年后的 MacBook Pro，新的模具虽然代表着更先进更强悍的生产力，但是也让人怀念曾经那个更具有曲线，外观上更显薄的旧模具。 更有人觉得，这个旧模具不是落后了，而是「太超前」了。 或者说当年微软的 Surface Pro X，即使 ARM 处理器带来了性能和兼容等诸多问题，但轻薄的机身对比起同期的 Surface Pro 7，更让人感觉前者才是真正的未来。 ▲ 图源：The Verge 当然，虽然现在续航和性能已经给轻薄机身开了绿灯，国产厂商如何把这两年也开始卷的散热系统塞进小机身，也成了新的挑战。 2024 年是「AI」的一年，因此也有人说是「未来」的一年，但除了人工智能，重走上「轻薄」道路的数码产品，或许也在为我们描绘着未来设备的形态。