7月13日消息，中国还有多久才能出现自己的乔布斯、马斯克这样的牛人呢？对此中国工程院院士、华东师范大学校长钱旭红表示，我们最大的问题是严重窄化学科专业，造成了很多教育残疾。 在钱旭红看来，我们学生培养当中造成了很多教育残疾，是教育致残，懂人文的不懂理工，懂理工的不懂人文，有逻辑思维的没有形象能力。 “你想想看，如果夏普莱斯没有对道德经的深刻理解，他能第二次拿诺贝尔奖吗？波尔能够那么容易地建立量子论思想？汤川秀树怎么可能在介子理论里面有重大突破？”钱旭红表示。 在钱旭红看来，在人才培养当中，“我们需要进行跨文化培养”。此外，我们对科技工作者的评价，也要遵循“三年看状态 六年看结果”的方法，而现在我们的评价方式往往是急功近利的。 此外，钱旭红还指出，培养人才必须记住一句话是，我们不能单单把人当成工具，我们还要把人当成人。 之前俞敏洪也曾谈论过这样的话题，在他看来中国什么时候能出现马斯克，这不是企业家的问题是生态的问题。 “内卷是追求新发展的动力，但也降低了中国企业创新的能力和空间，原因是内卷带来价格的下降和研发费用的减少。“中国什么时候才能出现马斯克、乔布斯这样的企业家，不是企业家的问题，而是生态的问题。”俞敏洪说道。

原标题：英伟达、台积电和SK海力士深化三角联盟：HBM4内存2026年量产、功耗比原目标降低20% IT之家 7 月 13 日消息，韩媒 businesskorea 报道，英伟达、台积电和 SK 海力士将组建“三角联盟”，为迎接 AI 时代共同推进 HBM4 等下一代技术。 SEMI 计划今年 9 月 4 日举办 SEMICON 活动（其影响力可以认为是半导体行业的 CES 大展），包括台积电在内的 1000 多家公司将展示最新的半导体设备和技术，促进了合作与创新。 预计这次会议的主要焦点是下一代 HBM，特别是革命性的 HBM4 内存，它将开启市场的新纪元。 IT之家援引该媒体报道，SK 海力士总裁 Kim Joo-sun 将会在本次活动的 CEO 峰会上发表主题演讲，这是该公司首次在该活动中担任如此重要的角色。 报道称 Kim Joo-sun 在演讲结束之后，将会和台积电高层讨论下一代高带宽内存（HBM）的合作计划；此外和英伟达举行圆桌讨论，进一步巩固 SK 海力士、台积电和英伟达之间的三角联盟。 报道指出 SK 海力士已经和台积电达成合作，共同设计和生产“HBM4（第六代）”系列的部分产品，并计划 2026 年开始量产；而英伟达提供产品设计。 SK 海力士还有望在本次活动中演示 HBM4 的最新研究成果，在采用台积电的先进工艺和封装技术之后，功耗可以比原目标降低 20% 以上。

在百度工作6年，做到高级软件工程师，到手平均月薪4万元以上的梁东，在经历短短两个月的求职后，便主动将薪资期望打了个对折，甚至开始跟一帮人争抢起大厂外包岗。 7月初的一天，梁东如约坐在电脑前，参加美团的面试。对方的职务他不清楚，也不是很在乎。 这是他被裁员后第一次尝试外包岗位的面试，在他的记忆中，外包只是给正式员工打打下手、做做杂活而已，不涉及架构，只在业务层面行动，懂点技术就能做，没什么难度。况且在招聘软件上，该岗位也只被笼统地描述为“辅助岗位”，月薪范围的下限只有2万元。 考虑到外包员工普遍不会有年终奖、加班费等福利，甚至五险一金也会以本市最低基准线进行缴纳，这对梁东来说已经是以“白菜价”贱卖自己的应急行动了。 在38岁的“高龄”被裁员，梁东几乎成了行走的“35岁焦虑”。离开百度后，梁东在招聘市场上屡屡碰壁。银行、事业单位、国企等，梁东要么就是年龄超了，要么就是投递后没了下文。互联网大中小厂，梁东也最多走到了第一轮面试的环节，连谈薪的机会都不曾有过。 从4月被裁员到6月结束，时间并不久，却让梁东难以承受。上有老，下有小，和妻子之间的摩擦渐起。吵到气头上，梁东半夜冲出家门到大街上，一待好几个小时，想透透气。他在抖音开了一个名叫“狼哥带你找工作”的账号，更新自己的近况，视频里的他肉眼可见地愈发憔悴。 于是，曾经力劝别人不要考虑外包的梁东决定向现实低头。 他“不挑了”，将招聘软件中自己的期望薪资从最初的3万元降到1万多，只要是能刷出来的在招岗位，他看都不看就直接投递。其中就包含若干专做外包岗位的公司——合同和该第三方公司签，法理上属于该公司的员工，但直接去另一家公司工作，和正式员工排排坐干活。 在一周投递超过100份简历之后，梁东只拿到了6家公司的面试邀约，其中有2个外包岗，接受派遣的甲方分别是美团和字节。 美团的外包面试规格堪比正式岗位，而后字节的面试也是如此。此外，梁东还曾拿到华为外包的测试题，共计三道，全是中等难度，只有通过测试，才有机会参加面试。梁东这下才明白，原来互联网大厂的外包已经和自己的想象相去甚远。 想起自己进入百度的情景，梁东甚至觉得有点不可思议。是年他已经32岁，没有任何互联网大厂的经验。如今985高校本硕毕业，互联网大厂多年高级工程师工作经验，却换不来一份大厂外包的活儿干。 某人员外派公司的高管告诉字母榜（ID：wujicaijing），他接触到的大厂已经明确提出“去正编化”，也就是精简正编员工的数量或占比，补充外包满足人力需求。由于担心得罪合作方，这名高管强烈要求匿名。 多名在不同大厂工作过的员工透露，自己所观察到的人员构成中，外包的占比已经接近一半。外包的队伍中，曾有大厂正式员工工作经历的，或985、211院校、海外院校毕业的人也并不少见。 一位人员外派公司的HR则透露，就她接触的大厂外包岗位来看，大部分确实对学历的要求还是大专及以上即可，但大部分会要求“30岁以下”。 此外，该HR还表示，在招聘软件中，几乎每天都会有高学历背景或有大厂、行业TOP企业工作经历的求职者主动来打招呼，“而且这种一般都不会是刚刚离职的，这样的候选人Gap（空窗期）越久，对外包岗的接受度越高，期望薪资和上一份工作相比压得越多。” “外包扩大化”的情况可能不仅限于降本增效的互联网大厂。多位求职者向字母榜表示，找工作时在求职软件上“总是遇到外包公司”。在社交媒体平台，也有人发帖抱怨：“XX（求职软件）是被外包占领了吗？” 在同一家公司工作的外包员工，其劳动合同签约主体有可能是不同的第三方公司，互联网大厂的全部员工中，究竟有多少外包员工不得而知。但多位大厂员工表示，自己所能观察到的部门或小组中，外包人员的比例在上升。 曾静雅在2021年作为外包员工入职B站，准确来说，是入职某第三方公司，并进入B站工作。 她还记得刚来B站时，外包员工的数量并不多。在她所在的10人左右的小组中，只有2名外包人员。但2022年，情况发生了变化。那一年，B站接连经历三次“瘦身”。根据界面新闻，是年年底B站的裁员比例达30%。 曾静雅所在的组正式员工几乎“全军覆没”，而2名外包则安然无恙，甚至形成了仅有1名正式员工，却有2名外包员工的格局。不久后，他们被并入其他部门。她观察到，B站的外包员工似乎在渐渐变多。如今，曾雅静估计其所在部门的外包员工占比已经达到一半。 在成为B站外包员工之前，曾雅静曾有三年字节正式员工的经验。由于从新一线城市搬到上海后找的第一份工作氛围不佳，一心想跑路的曾静雅，几乎没有认真考虑就接下了外包Offer。彼时她这样有互联网名厂“正编”经历的外包，算是个“异类”，但如今情况已经发生变化，比如最近组里入职的外包同事，是经历了小红书裁员后加入的。 有相似经历的还有王鹏。2022年，王鹏从一名京东正式员工变成了外包员工。 彼时王鹏刚刚度过设计岗位的试用期一个月，却突然被“毕业”，这在他的意料之外。即便是其他大厂大举裁员的消息不断传出，他原本也并不是很担心，京东是一家特殊的公司。在2018年，创始人刘强东在接受央视采访时，称“京东不允许一个员工外包，全部都必须跟公司签订合同。”也是在同年，刘强东曾公开表示，如果通过劳务外包或者少缴五险一金，京东一年可以多赚50亿人民币。 虽然刘强东此言是为了表明公司有钱不赚，非常良心，但从中不难看出外包对企业节约成本的巨大诱惑力。 2022年第一个季度走进尾声，京东迎来大规模裁员，据《第一财经》，当时单日取号办理离职的员工已经排至1000多号，推测单日离职人数不止千人。王鹏所在的业务线有200人左右，裁撤了大部分员工。 在被裁员之后的四个多月的时间里，王鹏没有放弃大厂梦，陆续投递了十几份简历，却迟迟未有进展。一位未被裁员的前京东同事已经被并入其他部门，他联系王鹏，称有外包的岗位在招人，并称现在的领导“人很好”，可能有转正式员工的机会。 就这样，王鹏以外包员工的身份重回京东。每月到手的薪资从2.5万元，锐减20%至2万元，且没有年终奖等福利待遇，年薪总包下降30%左右，五险一金按照北京市最低标准缴纳。 据王鹏观察，他2022年入职京东时，确实看不到“驻场”在京东办公室的外包员工，会有项目外包（就项目进行合作，但不派人前往）。但他以外包员工身份回流京东后，发现在京东和正式员工一起工作的外包员工不少见，所在的组就有10人左右，占比近半，其中不乏此前有其他互联网大厂正式工作背景的人。 “外包扩大化”，正在让一些学历背景、工作履历优秀的打工人，也不得不被迫加入其中，在忍受较低酬劳的同时，还要承受心理的巨大落差。 外包员工的不易，已经是一个老生常谈的问题。不同颜色的工牌几乎是标配，几乎所有的正编员工都是自己的“领导”，如果运气不好还会遇到不加掩饰的歧视。比如一个广为流传的截图中，正编员工怒斥外包“不要随便偷吃公司的零食”，或是嘱咐其他正编同事“给予（外包）点人情味就行”。 这样的截图，以一个外人的眼光来看，残酷到甚至有些失真。 但一位前腾讯互娱员工表示，其中一张网络流传的截图看起来和腾讯内部使用的软件界面很相似，而且从内容来看“我不觉得奇怪，毫不怀疑这发生过”。 但比起这些，内心的煎熬更加磨人。 从以外包员工身份回到京东的第一天起，王鹏就被一种耻感笼罩。他避免谈及自己曾是京东的正式员工。有曾经协作过的同事认出他，又从工牌、工号看出端倪，表情里的惊讶和尴尬藏不住。 尤其是邀请他试试外包的前同事并未被裁员，现在依然和自己共事，这让他不知该如何自处。迟迟无法转正式员工，也让他备受打击。 为什么他可以，我不行？为什么我以前可以，现在不行？一连串疑问盘旋在脑海中，一直折磨着他。 此时的他已经积累了5年以上的经验，是职场“老手”，甚至对于再次回到京东所做的工作也颇为熟悉。但是，作为一名外包员工，王鹏只能打下手、做执行，失去了“正编”时的话语权。 不管一条业务上有多少外包员工出力，最终负责收口的一定是正式员工。当时王鹏发现，入职之后他所在的项目中负责收口的正式员工并不是很有经验，对于业务的了解度有限。于是他开始梳理项目、整理文档，凭借自己对岗位以及京东业务的了解，给那名正式员工补充知识、梳理逻辑。为了表现自己，王鹏开始主动推进业务，这超出了一个“小外包”的职能范围。 领导也认可他，屡次绕过HRBP，向更高层级的管理者为他进言，后者也曾让他去做汇报，但这一切最后都因“公司内部规定”而没能持续推进。 “这只是暂时的”的自我安慰和自我鼓励，在“转正”的希望一次次燃起又被浇灭间愈发苍白。对王鹏来说，这是继被裁员之后又一次感受到“被否定”。他每晚做今日复盘，并带着高速运转的大脑爬上床，失眠变成常态。 对于00后李淑婷来说，成为华为外包员工，是她职场“高开低走”中的关键节点。毕业于985高校，校招进入中国头部车企，就连一向催促她回老家的父母都消了声。 然而，2023年年初，李淑婷和上级申请加薪后被打了低绩效，愤而离职，踌躇满志地投入求职行列。头一个月，她每天投递约40份简历，经常在一天之内有两三场面试，被问到最多的问题就是“为什么这么快就从上一家公司离职”，工作经验的不足和不稳定性，成了她的软肋。 第二个月开始，李淑婷发现求职软件上已经刷不出什么新的岗位，投无可投。与此同时，得知女儿失业消息后，她的父母态度日渐强硬，不停联系她：“你找不到工作就赶紧回来，在那里干吗？” 第三个月，李淑婷和两家人员外派公司沟通，并最终接下了华为外包员工的工作。每月到手薪资只有约9000元，比之前少了2000元，而且还没有了员工宿舍、餐食等福利。在深圳这样一座高消费的城市，李淑婷每月已经存不下什么钱了。 不管是前同事，还是从前的同学，都会在不经意间带给李淑婷同辈压力，她索性不再主动关注他们的动态。有一次和一个老乡打电话聊天，得知对方进入京东做产品经理，很辛苦，李淑婷安慰他。 末了，老乡感叹：“为了钱忍着吧！” 她又陷入悲伤：自己又在为什么忍着呢？ 在外界看来，外包员工地位边缘，工作内容普遍零散、机械化，哪怕是在大厂“服务”多年也难有成长。 好消息是，对事业发展仍有追求的外包员工，在这个身份之下，仍有改变处境的可能。 回头看，李淑婷觉得外包工作“治好”了自己的年轻气盛，甚至让自己有些战战兢兢。 “外包在最底层”的想法嵌入了她的认知，在头三个月里，李淑婷讲话都小心翼翼。需要用公司内部通讯软件联系正式员工时，她会下意识地关注一下对方的职级。她知道华为的职级从13级到22级，数字越大职级越高。有一次一个正编同事让李淑婷去联系一下某人，她打开软件一看，职级超过了19，就问那个同事：“我能跟他说话吗？”问得正编同事一头雾水。 入职三个月之后，小组领导换人，她觉得这是一个商量转岗的好机会，开始承担起更多职能。但此时，她的“外包羞耻”又开始作祟：“当时真的不知道怎么去开口。我还是作为一个外包的身份，可能领导根本不会注重你的发展，也不会帮你去想什么，不像他们正式员工有什么职业发展规划之类的。” 最后，过于紧张的李淑婷不得不打了一个草稿，背下来之后，抱着“大不了就重新找工作”的决心，才去找领导谈。在领导答应下来但缺乏具体动作的时候，李淑婷又自己联系另一个团队的负责人，说服对方接收自己，才最终成功转岗。 曾静雅刚进入B站时，需要和其他外包人员一样，对应“服务”一个到多个正式员工，后者会把手里的活分配一部分给她。入职近一年后，第一任领导被裁员，曾雅静主动找到新领导，表明希望团队能改变对其工作的分配。与此同时，她做好了“不成功便成仁”、大不了离职的准备。 和李淑婷一样，主动和上级沟通之后，曾静雅也如愿以偿地调整了工作内容，开始独立负责项目，无需再为特定的正编同事“服务”。除此之外，曾雅静很少在晚上10点前下班，不管是从工作内容还是工作强度上来看，她与正式员工几乎没有区别。 而这一切的努力，动力都在于丰富履历、早日跳出外包的世界。 坏消息是，在内部突破外包员工的边界，去寻求成长，并不代表在求职市场能撕下外包员工的标签。虽然外包员工越来越常见，甚至不少人实际担任“项目管理”“产品经理”等的工作，但当他们想要跳出外包的世界时，却发现“外包”标签的分量十分沉重、重过自己在大厂实际的工作内容。 从今年3月开始，李淑婷开始尝试找工作，第一个月每天投递三十多份简历，瞄准互联网行业正式员工的岗位。有一次李淑婷在一面时自觉表现不错，和面试官相谈甚欢。面试的结尾，面试官问：“我就好奇你在华为待得好好的，为什么突然要跳槽？”李淑婷解释称，自己在华为签的是第三方协议。 “原来你是外包啊，行，我知道了。那我们今天就先这样。”面试官说完，结束了面试。不出所料，那家公司没有再给李淑婷任何回复。 其后三个月，屡屡碰壁的李淑婷逐渐降低了简历投递的频率，但默默将只接受正式岗位的要求，放宽到了互联网大厂的外包岗位，底线是至少薪资得涨一些。但她现在会在和HR交流的环节就直接表明自己的外包员工身份，“免得浪费彼此时间”。 当由于学历背景或工作履历优秀而志得意满的打工人，掉入“外包职场”的江湖，就几乎不可避免地要经历一轮自信心和自我认知与定位的打破与重组。于是从外包岗位离开的人们，有的比以往更加强烈地排斥外包岗位，还有些人干脆放下了对大厂的执念。 曾静雅也在今年尝试找工作，和李淑婷的情况相似，在密集投递了一轮简历过后，已经逐渐停止投递动作。但她表示坚决不会再考虑任何的互联网外包机会，不管对方是否是互联网哪个大厂。 王鹏曾有机会加入字节，但在京东做外包的日子已经洗刷了他的“大厂梦”：“我听说字节的平均工龄只有7个月左右，而且现在大厂的变动都挺大的。就算去了，可能几个月或者一年之后，又要面临被否定了。” 一个月前，王鹏以正式员工的身份加入了一家规模不大但业内知名的互联网企业，带着“大厂后遗症”，依然每天10点下班，成了那家小而美的公司里的“卷王”。 两场互联网大厂外包岗位的面试之后，梁东的身体也出现了不适，喘不上气且严重失眠，就医后医生为其开具了抗抑郁的药物。目前，他选择暂时回到东北老家修养，准备在7月内返回北京，继续求职，不再管公司是大是小，岗位是正式还是外包： “我现在目的就是拿到一份Offer，我要证明一下自己。”

6 月 20 日，腾讯旗下两款手游「塔瑞斯世界（Traisland）」和「王者荣耀（Honor of Kings）」登顶美国 iOS 手游下载榜。两款产品都已经在国内上线很长一段时间，同时选择了 6 月 20 日正式上线国际版本（「王者荣耀」是正式登陆日本、韩国、美国和西欧等高线手游市场、之前已经在一些低线手游市场上线，如中东、拉美等）。 腾讯旗下两款产品在 6 月 20 日包揽美国 iOS 手游下载榜 Top 2 | 图片来源：点点数据 这两款产品的国际版都由腾讯的海外游戏品牌 Level Infinite 发行，即使粗看一眼 Level Infinite 近几年的新品上线历史，也能明显发现腾讯在 2024 年加快了海外上线新品的步伐。如果算上目前已经开始接受预定的「Command & Conquer：Legions」（预计 12 月 31 日上线）和「Age of Empires Mobile」（预计 9 月 30 日上线），Level Infinite 在 2024 年 iOS 端已经正式上线 6 款产品，相当于 2023 年（2 款）和 2022 年（4 款）的总和。 腾讯海外游戏品牌 Level Infinite 今年在 iOS 端已经上线 6 款游戏 | 图片来源：点点数据 加速上新、以及每次公布财报时游戏业务海外收入占比的逐次提升，给人一种腾讯海外游戏发行已见成效的感觉。借这个契机，我们也刚好看下腾讯游戏在海外到底进展如何。 推出品牌近 3 年， 说海外游戏是新增长点的腾讯， 只有「胜利女神」的成绩好看些？ 腾讯最初在 2021 年 12 月公布 Level Infinite 的时候声势很大，在当时也官宣了一系列新品。不过在随后的两年中，Level Infinite 的动作反而比较谨慎，虽然也有「胜利女神：妮姬」等头部产品，但每年正式上线新品数量并不多，在 2022-2024 年，分别是 4、2、6（2024 年仅根据当前信息统计）。 但看似热闹的腾讯海外，即便是上线 4 款新品的 2022 年，目前还在运营的也只有「胜利女神：妮姬」和「幻塔（Tower of Fantasy）」，也只有这两款产品在海外市场跑出千万美元以上月流水，成为各自品类里的头部产品。这算是一个缩影。 在财务数据这一侧，5 月 14 日，腾讯对外发布 2024 年 Q1 财报。财报显示该季度国际市场游戏流水同比增长 3%，达到 136 亿人民币（按财报中汇率计算约为 19.1 亿美元）。 2024 年 Q1 腾讯海外游戏业务总流水达到 136 亿人民币，同比 2023 年 Q1 增长 3%；环比 2023 年 Q4 下降 3%（红框圈出） | 图片来源：腾讯 如果将时间轴拉长到 Level Infinite 品牌正式上线的 2021 年 Q4 可以发现，在过去 10 个季度中，海外游戏在腾讯单季度营收中的占比总体保持稳定，都维持在 8%-10% 左右。腾讯的季度总收入大盘依然是上升趋势，海外游戏收入还是在水涨船高的，或者用曲折中前进形容，更加贴切。 从 2021 年 Q4 海外游戏发行品牌 Level Infinite 上线以来（红框圈出），腾讯海外游戏业务在全部业务中的流水占比一直稳定在 8%-10% | 图片来源：腾讯 除了 2022 年 Q1-Q3 由于新冠疫情“后遗症”导致的流水下滑之外，腾讯海外游戏业务单季流水在 2022 年 Q4 算是达到一个小高峰，之后的 5 个季度基本维持在 125-140 亿人民币范围。 因疫情后玩家付费意愿减弱引起的下滑，腾讯海外游戏业务单季流水在 2022 年有明显下滑，之后逐渐恢复并维持在 125-140 亿人民币 | 数据来源：腾讯 这也导致 2023 年全年海外游戏业务总流水确实好于波动的 2022 年，达到 532 亿人民币，在全年游戏业务流水中的占比首次超过 30%，腾讯也在 2023 年财报里面，宣布海外游戏业务成为腾讯新的增长点。 2021 年 12 月 Q4 以来，腾讯海外游戏业务在全部游戏流水中的占比维持在 25%-35% 区间 | 数据来源：腾讯 但不论是单季度流水，还是海外游戏/国内+海外游戏的占比来看，有点原地踏步的海外流水，数据并不好看，可以说，这个新增长点不够劲儿。 而进一步通过游戏分类去拆解腾讯海外游戏的表现，能够得到更多结论。 从腾讯过往财报的表述里可以看出，腾讯计入海外游戏业务流水的产品大体可以分为两种。一种是由腾讯旗下品牌发行，例如 Level Infinite 和 iOS 端发行「PUBG Mobile」的 Tencent Mobile International Limited；另一种是由腾讯收购或持股的企业品牌（已经达到并表标准的）自己发行，比如主攻移动端的 Riot Games、Supercell 以及主机厂商 Sumo Group 等。 由于腾讯收购企业产品在 PC 端的海外流水没有确切统计数据，例如 Riot Games 的「无畏契约（Valorant）」；此外由腾讯参与研发、但由第三方厂商负责在国际市场发行的产品，也无法确切得知流水分成比例，例如 Activision 负责海外发行的「COD Mobile」。因此海外流水中暂时无法查明的部分将用“X”表示。 就 2024 年 Q1 这个统计区间，我们将能归在腾讯公司账号（包括自己发的、全资收购的）下的手游统计后（数据来源：点点数据），大概占海外游戏总流水的 1/3，其中流水最高的 Top 10 产品中有 7 款都来自收购的海外厂商，只有「PUBG Mobile」（Top 3）、「胜利女神：妮姬」（Top 5）以及「暗区突围（Arena Breakout，Top 10）」为腾讯自有品牌发行。 腾讯旗下头部手游在 2024 年 Q1 海外游戏流水中的占比分布，标红产品为腾讯自有品牌发行 | 数据来源：点点数据 （注：腾讯在 2024 年 Q1 财报中表明，Supercell 旗下「荒野乱斗（Brawl Stars）」流水增长至去年同期 4 倍，是海外游戏流水同比上涨 3% 的主要原因。点点数据显示「荒野乱斗」2023 年 Q1 流水为 3471 万美元，2024 年 Q1 达到 1.27 亿美元，增长至去年的 4 倍左右，该增幅基本与腾讯该季度海外游戏流水的 3% 同比增幅相等，故采用点点数据，但绝对值的准确率无法确认） 进一步看这 10 款产品。2024 年 Q1 Supercell 旗下两款头部产品「荒野乱斗」和「部落冲突」流水最高，分别达到 1.27 和 1.23 亿美元。其次为 Level Infinite 发行的「PUBG Mobile」，流水为 1.18 亿美元。 之后的产品与 Top 3 形成明显分层，当季流水都低于 1 亿美元。最头部的产品集中在 Supercell，而Level Infinite 的头部产品代表依然是上线多年的「PUBG Mobile」和「胜利女神：妮姬」。 2024 年 Q1 腾讯和旗下企业海外流水最高的手游（黄色为 Supercell 发行、蓝色为 Level Infinite 发行、红色为 Miniclip 发行、绿色为 Riot Games 发行） | 数据来源：点点数据 从产品的角度也能看出，腾讯手游海外流水主要还是由 Supercell 贡献，Level Infinite 则有点“吃老本”，还没有发掘出下一个爆款。 Level Infinite：“抛弃”二次元， 多品类出手寻找下一个“王炸” 目前 Level Infinite 账号发行过的产品（上线日期从晚到早排列），一共有 4 款月流水天花板超过或接近千万美元级别（标黄） | 白鲸出海根据点点数据统计 总体来看，在点点数据记录到的 29 款上线产品里，有 14 款已经下架，再除去目前还没正式上线的 3 款产品，Level Infinite 还在海外运营的产品只有 12 款，怎么算，存活率也就是 50% 多一点。 如果分别以 100 万美元（出海成功产品）和 1000 万美元（头部爆款）月流水作为分层标准可以发现，在 29 款产品里，即便包括上线 20 天流水已经达到 368万美元的「Honor of Kings」，最高月流水突破百万美元的也只有 10 款游戏，突破或接近千万美元的更是只有「PUBG Mobile」、「白夜极光」、「胜利女神：妮姬」以及「幻塔」这 4 款。而这 4 款产品里目前还能维持在千万美元以上月流水的只有「PUBG」和「妮姬」，「白夜极光」和「幻塔」甚至跌落至 10 万美元的水平... 可以说，Level Infinite 在这些年的海外发行尝试，成绩有点拿不出手。 其实如果从王者荣耀在东南亚上线到今天，腾讯的海外游戏业务已经走过了 8 个年头。在这 8 年里，腾讯的策略有怎样的变化、未来几年可能更在哪些产品发力，需要从回顾中瞥见一些答案。 2016-2018（-延续至今）： 「王者荣耀」出海遇冷， 8年之后，能硬刚头部MOBA了吗？ 结合「PUBG」和「妮姬」的上线时间节点，腾讯的海外发行历史可以分为 4 个阶段：「王者荣耀」出海遇冷（2016-2018）、「PUBG」走红（2018）、找到二次元 RPG 这一突破点（2018-2021），以及目前现在的这个阶段（2022 至今），而这个阶段怎么去定义，我们需要分析后，得出一个结论。 最早，腾讯将海外发行的精力放在了「王者荣耀」的第一个国际版本「传说对决」上。该产品在 2016 年上线，和月流水能达到上亿美元的「王者荣耀」不同，「传说对决」的市场表现一直不温不火，月流水最高只到 123 万美元，目前维持在 12 万美元左右。作为对比，同样是 MOBA，也同样是出海产品的「MLBB」迄今月流水依然能达到 1881 万美元。 「传说对决」的月流水最高 只有 123 万美元 | 数据来源：点点数据 「MLBB」和「传说对决」一样都在 2016 年上线，当时 MOBA 在欧美市场的 PC 端已经存在「LOL」等大量头部产品，唯一的头部 MOBA 手游也是「LOL」。移动端 MOBA 新品想要从欧美入场难度很大，所以两款产品都把重点放在了东南亚市场。 不过相比「传说对决」，「MLBB」针对东南亚市场优化要更彻底。例如针对东南亚市场网络不稳定问题部署了更多服务器，保证 91% 的玩家延迟低于 80ms，同时将游戏包体尽量“瘦身”，保证玩家能够快速更新游戏。这些针对性优化为「MLBB」的快速普及打好了基础。 其次，「MLBB」发行厂商沐瞳科技也针对印尼等市场的神话传说以及本土明星，专门设计了一系列任务，在文化上更加“接地气”。最后一点则是「MLBB」的电竞赛事运营开展很早，2017 年 9 月就在印尼发起了首届赛事，并且得到了印尼政府官方部门的支持，头部玩家甚至能被印尼总统接见，让游戏在上线后不久迅速起量，甚至在 2019 年击败「传说对决」成为东南亚运动会的官方电竞比赛项目。针对当地市场的深入优化和运营，是「MLBB」能够领先「传说对决」的主要原因。 「MLBB」很早就在东南亚运营电竞赛事， 大幅提升游戏人气 | 图片来源：网游圈里的那些事 不过，腾讯在后续几年里也没有放弃让「王者荣耀」出海，另一个国际版本「Honor of Kings」在 2022 年就率先在巴西开始测试，之后从 2024 年 2 月开始逐步上线土耳其和中东市场，直到 6 月 20 日全球范围正式上线。 这一回，「Honor of Kings」全面学习。 「Honor of Kings」在巴西的宣传片突出了 巴西的本土文化特色 | 图片来源：手游那点事 主要是，「Honor of Kings」在正式上线前就铺垫建设了电竞赛事体系。在巴西市场上线的 2022 年就开始举办职业联赛“CHOKBR”（最高观看人数达到 1.33 万人），同时扶持直播 KOL 成长，为游戏打好了铺货基础。 所以这一次全球正式上线的首日（6 月 20 日），「Honor of Kings」发力，进入包括澳大利亚、加拿大、美国以及日本在内的 23 个国家及地区 iOS 游戏免费榜 TOP 10，12 个国家及地区 iOS 游戏畅销榜 TOP 10。 截止到 7 月 10 日正式上线 20 天后，「Honor of Kings」总流水达到 368 万美元，同时依然在全球 7 个市场位居 iOS 游戏免费榜 Top 10，热度维持得还算比较好，当然这个数据很不够看，但目前的 MOBA 市场确实前路艰难，还需要观察。相比「MLBB」在 2016 年双端正式上线前 20 天的 84 万美元营收的确要高很多。不过「Honor of Kings」的市场营销投入也明显比「MLBB」当年更多，游戏的长期流水表现也还需要进一步观察。 相比「MLBB」（下图），「Honor of Kings」（上图）在美国市场（蓝色）的流水优势非常突出，但目前已经有所回落 | 数据来源：点点数据 观察两款产品在各自上线后前 20 天的流水分布能发现，除了都重视东南亚市场外，「Honor of Kings」和「MLBB」最大的区别在于「Honor of Kings」的美国市场流水非常突出，是目前为止该游戏的第一大市场，占总流水的 22%。 能看出腾讯这一次入场 MOBA，并没有抛弃传统文化的一些设定、但同时又做了本土化设置，希望能构成一定的产品差异化，毕竟 MOBA 的玩法大差不差。市场布局方面，腾讯则在东南亚的基本盘基础上又主要发力美国这样的高线市场，想要高举高打。这样的市场选择，也有可能和过去几年「荒野乱斗」等头部产品不断涌现，欧美玩家对移动端 MOBA 接受程度变高有关。不过目前「Honor of Kings」的美国市场日流水有明显回落，这场仗并不好打。 2018：首个海外爆款， 但「PUBG Mobile」“还要打点折” 腾讯在海外的第一个千万美元级别爆款，要等到 2018 年自研的「PUBG Mobile」上线。和「王者荣耀」不同，「PUBG Mobile」本身是 IP 改编手游。在腾讯取得 IP 授权研发移动端版本之前，韩国 Krafton 开发的「PUBG」PC 端原版就已经在全球范围拥有不错的人气，许多手游玩家都在期待移动端版本上线，获客基础明显比「王者荣耀」更强。 此外，在当时的海外手游市场还没有形成一个真正的头部射击手游产品。「使命召唤（COD）」和「战地」等头部 IP 都集中在主机和 PC 端，而欧美玩家对射击类游戏的需求明显比 MOBA 更强，移动端也有足够大的市场。这对于当时已经拥有「穿越火线」（2015 年上线）等射击手游开发经验的腾讯来说也有巨大的优势。 「PUBG Mobile」是腾讯海外发行的 第一个头部爆款 | 图片来源：Level Infinite 此外，腾讯对本土化运营的经验也比以前更加丰富。尤其在东南亚市场方面，腾讯针对该市场地区网络普遍较差、手机性能偏低等问题进行了针对性优化，再配合举办电竞联赛、和娱乐明星联动宣传等运营策略，让「PUBG Mobile」得以大范围普及。游戏海外月流水最高达到 8300 万美元，迄今依然能达到 3800 万美元，是 Level Infinite 目前最头部的产品，也是目前全球月流水最高的移动端射击游戏。 但因为游戏此前在 PC 端已经有不错的人气，所以「PUBG Mobile」虽然是腾讯在海外的第一个爆款，但依然有点打折。 2018-2022：被“米哈游”占据的4年， 却找不到下一个“原神” 「白夜极光」是腾讯最早在海外跑出成绩 的二次元 RPG 游戏 | 图片来源：白夜极光 在「PUBG Mobile」走红之后，腾讯对爆款进入了一个探索期，在海外开始上线大量产品。在「PUBG」上线后的 2018-2021 年期间，腾讯一共上线了 10 款产品。这几款产品的尝试路径可以分为三种。 第一是国内自研爆款的海外版（例如「QQ 飞车」）； 第二是延续「PUBG」路线的头部 IP 授权产品（例如「魂斗罗归来」）； 第三是面向日本市场的产品，发行了「小森生活」以及「圣斗士星矢」等产品。 在这 10 款产品中，目前只有 2 款目前还在运营。其中跑出成绩的是第三类产品里的二次元 RPG 游戏「白夜极光」，月流水最高曾接近 1000 万美元。 2020 年 9 月，「原神」正式上线，在第一个月就拿下 2.45 亿美元流水，成为全球最畅销的手游，之后长期霸榜，迄今还是月流水最高的出海手游之一。腾讯随后也开始在国内和海外市场积极布局二次元产品。在国内市场自行研发了几款产品，但都没成功。在海外市场方面腾讯选择合作发行，其中第一个产品就是早在 2019 年就已经开始立项、当时已经积累一定开发进度的「白夜极光」。 「白夜极光」由北京永航科技旗下的巡回犬工作室开发，永航科技此前已经和腾讯合作发行过「QQ炫舞」等爆款。游戏主打内容特色，为所有角色绘制动态立绘，强调画面的精细程度。在运营上强调常态化更新，丰富活动内容；最后再结合日本市场特色大量投放线下活动，最终成功打开了日本市场。上线前两个月流水均达到 900 万美元以上。在「白夜极光」2021 年 6 月正式上线后不久，腾讯就在 7 月入股永航科技，持有 3.85% 的股份。 「白夜极光」上线初期流水虽然接近千万美元， 但随后便迅速下滑 | 数据来源：点点数据 不过「白夜极光」的后劲明显不足，正式上线第三个月的流水就下滑接近 50%，随后逐渐滑落到目前大约 10-20 万美元水平，跌幅达到 97%。即便如此，腾讯依然继续加大对二次元产品的投入，继续寻找下一个“原神”。在 2023 年 3 月，永航科技的二次元产品研发线被分拆成独立子公司，直接并入腾讯。 此外，海外的合作发行厂商也有一些被腾讯投资参股。最终 Level Infinite 在 2022 年看到了一些曙光，完美世界的「幻塔」以及韩国厂商 Shift Up 的「胜利女神：妮姬」都在这一年由 Level Infinite 在海外代理上线，月流水最高都超过 1000 万美元，「胜利女神：妮姬」更是达到 9329 万美元，突破此前「PUBG Mobile」创下的最高记录。Shift Up 这两天还上市成功，占股 24% 的腾讯，也应该小赚了一把。 和「白夜极光」一样，「胜利女神：妮姬」也大量投放尽可能“接地气”的线下宣传活动。腾讯首先邀请了参演声优们进行直播，介绍游戏世界观和玩法。之后又和彩虹社合作，让 10 位 vtuber 分两组以比赛的方式进行联合直播，让观众在推特上预测两方输赢，从而保持了游戏的热度。 「胜利女神：妮姬」举办了大量 线下活动，以保证热度 | 图片来源：X 不过，「胜利女神：妮姬」过于注重宣传的策略也让一些玩家抱怨内容供给不足。让游戏的流水在随后出现了较大滑落。即便如此，「妮姬」目前依然能维持 2000 万美元的月流水，是 Level Infinite 月流水第二高的产品。 虽然是千万美元流水爆款，但「妮姬」（下图）由常态化运营带来的流水峰值高度明显不如「原神」（上图） | 图片来源：点点数据 但仔细观察「妮姬」和「原神」的流水变化就能发现，「妮姬」内容更新质量上的不足还是影响到了流水的长线表现。「原神」通过高质量内容的周期性更新，可以让日流水定期回归千万美元级别，然而「妮姬」日流水最高只有 600 万美元上下，常态化运营活动对流水的拉动作用明显不如「原神」。吸金能力上依然有着明显差距。 更重要的是，以上三款产品都不是腾讯自研，腾讯迄今没有做出自己的“原神”。有关这一问题业内曾有过讨论，不少人士认为这与腾讯本身更重视 ROI 和回本时间等指标，而对二次元产品本身内容打造经验不足有关。 自研产品屡屡受挫，也让腾讯逐渐调转方向，2024 年 1 月举办的腾讯 IEG（互动娱乐事业群）内部员工大会上，腾讯高级副总裁马晓轶一反常态，很少提到「原神」，反而提到休闲游戏增长最快，多人竞技最有价值。不再将二次元看做加大投资的最佳赛道。而腾讯的投资，也转向了休闲游戏。 2023 至今：射击、体育、SLG... 啥都做，自带起跳板 从 2023 年至今，Level Infinite 共上线 10 款游戏，全都是自研产品。其中海外市场大范围正式上线且还在运营的一共有 4 款。如果按玩法分类，共有 1 款体育类游戏、2 款射击类游戏、1 款 MOBA 游戏，此外还有 2 款 SLG 游戏即将上线。目前这几款产品只有射击游戏「暗区突围」和「黎明觉醒」的月流水超过 100 万美元，达到 250 万美元和 150 万美元上下。 射击游戏方面，腾讯沿着「PUBG Mobile」的成功路线还在进一步推动「黎明觉醒」和「暗区突围」等新一代自研射击游戏。 这两款游戏的基础还是 PvP 对抗，但增加了资源掠夺和领地攻占等研究空间更深的新机制，围绕射击类游戏形成产品矩阵，进一步覆盖射击游戏的玩家群体。目前流水最高的是「暗区突围」，海外市场月流水在 250 万美元上下，和「PUBG」的千万美元流水还有很大差距。 「暗区突围」等产品继续在射击 玩法上深挖 | 图片来源：Arena Breakout 体育类游戏方面，腾讯与 NBA（美职篮）官方授权合作的篮球游戏「NBA Infinite」在 2023 年 2 月最先上线。游戏同样由腾讯自研，来自光子工作室群。游戏把重点放在了实时 PvP 和模拟经营两个玩法上，试图将体育类题材里两种最成功的机制结合在一起。不过游戏目前流水表现一般，月流水才在 34 万美元上下。 除了 FPS 和 SLG，腾讯还在尝试用「NBA Infinite」 进入体育游戏市场 | 图片来源：NBA Infinite 此外，腾讯也开始尝试在海外上线 SLG 产品，通过与《帝国时代》和《红色警戒》等大 IP 合作授权，试图打开一条新赛道。这两款产品都来自腾讯旗下游戏工作室，本身又拥有欧美玩家非常熟悉的经典 IP，在获客方面有很强的人气基础，将在今年第三、四季度上线。 腾讯尝试与头部 IP 合作，在海外 打开 SLG 市场 | 图片来源：Age of Empires 再加上前面提到的「王者荣耀」和「塔瑞斯世界」，能看出腾讯对爆款又处于一个全新的探索阶段。这一次的尝试品类覆盖面更广，涵盖到包括体育、FPS 和 SLG 在内的多个赛道。 品类虽然宽泛，但细看的话会发现，除了自研之外，IP 算是一个共性。两款 SLG 和 NBA 游戏都依靠头部大 IP 授权，方便游戏起量。即使是原创 IP 的「暗区突围」和「黎明觉醒」，腾讯也在营销和运营上投入大量资金，请名人明星代言，尝试做出品牌效应。例如「黎明觉醒」在上线初期就请来了影星威尔史密斯进行代言宣传，强调游戏里的末世设定。 「暗区突围」邀请威尔史密斯真人 出镜做广告宣传 | 图片来源：Undawn 已经上线的几款产品证明了 IP 却是是一个起跳板，但给到的助力是暂时的，能否滞空还是要依靠核心力量。 写在最后 2024 年 Q1，腾讯海外游戏流水增长的主要动力还是来自 Supercell 为代表的收购厂商。 从第一开始王者荣耀出海不利、到摸索到大逃杀、再到疯狂试探二次元、到如今在多个品类发 IP 手游，腾讯 Level Infinite 的成绩，很难用成功来形容。 在 2024 年，虽然有帝国时代和红警这样的 SLG 头部 IP，可能会有非常不错的亮眼成绩，但真正从 0-1，做出长 LT 爆款，level Infinite 还在探索中。

走向独立的飞猪，在最近两年是越来越放飞自我了。 从“酱香大床房”的硬蹭热度，到“攻城价”被京都威斯汀酒店声明“打假”； 从年初的大数据杀熟争议，到最近被12036退票点名； 从3月份推出的疑似互联网存款产品“猪小金”，到前段时间上架的“借钱”信用贷…… 很难想象，这些明显违规，甚至是在监管红线边缘反复试探的翻车事件，居然都出现在飞猪身上，并且还集中在了去年下半年以来的短短几个月时间里。 要知道，这个时间节点是非常微妙的。 因为在2023年上半年，阿里启动的“1+6+N”的全新组织架构调整下，飞猪被正式踢出了阿里的6大核心集团，划分到了“N”的序列下。这既代表飞猪被进一步内部边缘化了，但同时也意味着在放养中，其可能会获得更多独立的决策权。 可如今来看，当走向相对独立后，飞猪却好像更加有点摆烂了？ 那么这无疑也让由前任主帅张勇点将飞猪的庄卓然，在现任的蔡崇信、吴泳铭们面前，显得更加地尴尬了…… 焦虑的飞猪，困在OTP路线里 仔细梳理一下飞猪近年来的“骚操作”，其实不难感受到一股浓浓的焦虑感。 就比如说被茅台、京都威斯汀酒店“打假”的酱香大床房和攻城价，以及此次被12306点名的火车票“免费退”特权。本质上就透露出了现在飞猪的两大困境： 一是流量焦虑；二是差异化竞争优势匮乏，所以只能不断“出力不讨好”地强化低价标签。 对于前者，正常来讲，只要背靠阿里这棵大树，哪怕飞猪被边缘化了，但也确实不会为流量而发愁。 可问题是，现在时代变了。当流量从增量进入存量竞争时代后，即便是强如阿里也不得不开始面临着用户增长的问题。再加上抖音、小红书们的受众和淘宝又几乎是同一类用户，所以当短视频、直播带货等内容时代降临后，阿里的流量护城河同样面临着水土流失的严峻考验。 最直接的证明是，天眼查APP显示，2023财年第一季度，阿里在历史上首次完全没有公布集团中国乃至全球年活、月活用户的数量变化。第二季度财报电话会上，阿里CEO吴泳铭又表示，未来三年，“用户为先”将成为集团的首要目标…… 俗话说，大河没水小河干。当阿里的用户流量面临挑战后，飞猪受到的影响可能就更大了。 据易观千帆统计，2023年1月，携程旅行App的月活约为5989.03万，排名第一。飞猪旅行App则以1824.36万的月活规模排名第三，两者差距不可谓不明显。 同时，从侧面也可以佐证的是，曾经的流量“富二代”——飞猪，如今也沦落到了在微信、小红书和抖音等竞对平台上开设了品牌阵地，似乎就是为了最大限度地触及到更多用户流量。 此外，为了顺应内容时代，飞猪也早在2020年左右，就已经开始提供技术和流量扶持，鼓励商家下场直播。随后又在APP首页上线了“攻略”板块，提供大量的旅游图文攻略。 老实说，飞猪们的内容发力方向是正确的。但问题在于传统OTA工具类平台天然地缺乏社区基因，如果用户没有明确的出行意向，飞猪、携程们的社区很难像小红书或抖快那样，可以吸引用户不断地打开探索，甚至是漫无目的地持续刷下去。 所以绕了一大圈，飞猪们正面着存量时代抢用户流量，似乎还是比不过抖快们。或许正因如此，现在飞猪们就只能蹭蹭热度，自力更生地缓解一下流量饥渴症。 可谁也没想到的是，最后飞猪蹭热度的打开方式会如此激进…… 再来看后者，无论是酱香大床房，还是京都威斯汀“攻城价”，背后其实还有一条以低价为主线在串联着。并且从后续的反应来看，这份低价似乎还是飞猪平台自己出钱补贴价格，帮茅台、京都威斯汀酒店做宣传和打出低价优势。 可即便如此，飞猪也没能落个好。 虽然茅台、京都威斯汀酒店们不接受飞猪的“好意”，也不是不能理解。毕竟茅台酒店们并不缺乏少高端消费者，本身处于卖方市场，所以哪怕平台自己补贴，其也不愿意破坏价格体系。因为，价格线就是品牌的生命线。 但这在一定程度上还是道出了，现在飞猪颇有些憋屈的市场处境。 究其根本，问题还是出在了飞猪的OTP模式路线上。 和携程、美团等大多数在线旅游公司选择的OTA模式不同，飞猪瞄准的是OTP路线。两者的区别在于： OTA可以简单理解为携程们通过与酒店、航司们建立合作关系，采购其产品后再销售给消费者，赚取佣金价差。虽然这一模式成本更重，但在重履约的旅游行业能够给用户更多信任感，平台集中采购对上游供应商而言话语权更强。 OTP则更多是提供一个平台，不直接参与产品销售，而是吸引航司、酒店入驻平台开店经营为主，然后再连接用户流量和商户，有点像旅游版的淘宝。 不过对比之下，由于OTP模式对供应商的掌控力度更低，所以飞猪扮演的更像是一个旅游中介的角色，实质上是缺乏对供需两端话语权的。 换句话说，飞猪的供应商们不仅在一定程度上享有自主定价的权利，而且还有着极高的经营自由度。 从好的一面讲，对应的消费者也可以在“自由市场”的中对比价格，按需选择。 但不好的一面却是，“过度自由”可能会导致价格体系混乱，造成消费者的困扰。最直接的反应就是，多次冲上热搜的飞猪大数据杀熟争议…… 此外，OTA们的服务是从完成下单后才开始的，但OTP的服务在交易确认的瞬间似乎就宣告结束了。所以一旦在超长且极不透明的旅游交易服务过程中产生纠纷，飞猪其实是很难确保供应商们能及时解决，消费者们遇到的服务质量问题。 那么很明显，如果消费者服务质量得不到保障的话，飞猪们就很难能长久积蓄住用户流量，这或许也是飞猪陷入流量焦虑的一大原因。 在这种情况下，拼产品和服务，要么同质化，要么拼不过，飞猪似乎也确实只能继续强化自身最显著的低价优势标签了。 或许正因如此，今年只有飞猪等少数几家旅游平台还在强化618文旅营销，但更多的却是跳过了618营销，力推自己的端午和暑期旅行。比如同程旅行网主要推六一迪士尼乐园五折活动，以及携程则是推自己的“6.6”携程好价节…… 飞猪走向金融，庄卓然的独立交待？ 再来看飞猪推出的“猪小金”和“借钱”信用贷。 前者的slogan虽然为“攒钱去远方，比放银行更划算”，但《猪小金活动规则》却明确表示，用户银行账户资金根据《存款保险条例》受法定存款保险保护。而开户并存钱后，充值的钱在银行账户里也显示为“活期存款”。 那么按照相关规定的，商业银行不得通过非自营网络平台开展定期存款和定活两便存款业务，包括但不限于由非自营网络平台提供营销宣传、利息补贴等服务。猪小金”其实已经踩在了监管红线上。或许正因如此，该活动被媒体曝光后，飞猪立刻就选择了下架。 至于信用贷，则就是纯粹的互联网营销助贷了，飞猪只提供信息展示，所以倒是没有太多监管要求。 不过有意思的是，飞猪旗下的信用贷合作机构包括了度小满、新网银行和百信银行，但却没有阿里系金融机构的身影。 所以在某种程度上，这或许是飞猪在总裁庄卓然带领下的独立操作。 虽说飞猪发力互联网金融不难理解，就是为了流量变现和赚钱，这也是现在很大一批流量APP平台们都会布局的一环。但本着肥水不流外人田的视角来看，为什么飞猪要绕开自家的阿里呢？ 据互联网江湖观察，这或许是飞猪为了向阿里证明自己有独立赚钱的能力，以及未来变现的商业价值，从而一是避免被当成“弃子”卖掉，二是为了增强后续飞猪向阿里集团要更多资源的筹码底气。 一方面，从2017年承载着马云“五个全球”目标中的“全球游”重要位置，到后来被整合进本地生活板块，再到现在的“N”序列，飞猪在阿里被边缘的表现是显而易见的。 要知道，上一个给钱、给资源，但最后却也是不争气的，还有同处在“N”序列的盒马。然后在吴泳铭的改革下，盒马创始人侯毅在上市前退休，前段时甚至又传出了卖身的消息。 虽然现在阿里对飞猪还没有具体的计划，但眼看着携程们早已赚得盆满钵满，而飞猪却是常年亏损，且缺钱，同时市占率和月活又不够领先。面对这么个现状，无论对阿里还是飞猪，也确实不得不考虑还有没有保留下来的价值了？ 那么在这种情况下，如果飞猪想要为自己“保命”，似乎也就只能绕开阿里资源和亏损的主营业务，尝试独立实现业绩改善，所以也就有了现在互联网金融端的加码发力。 另一方面回到最根本的业务层面，对于OTP模式的弊端，飞猪们也不是没有意识到。 就比如在2022年的飞猪内部信中，飞猪总裁庄卓然就指出“（飞猪）过去的惯性，总结起来有三点：重交易轻履约、重平台轻行业、重规模轻经营，这没什么可回避的。” 随后在飞猪的组织调整中，其中一条就表示要调整组织思路，从“纯空军”走向重服务、重履约…… 但是在2023 年 9 月的环球旅讯峰会上，庄卓然又重申了飞猪的开放平台定位，并表示"相比起旅游行业的‘iOS’，飞猪更希望做‘安卓’，让不同的合作伙伴能够参与进来、专注自己擅长做的事情。" 言下之意似乎是想要兼具OTA和OTP打法，如果用电商来比喻的话，大概就是要走京东自营+品牌店铺他营的模式。 从这个角度看，飞猪的未来其实还颇有故事想象力，但前提是需要更多的时间、更大的投入资源来实现重资产供应链的搭建。 那么资源从哪找？对于亏损的飞猪来说，自然还是要向阿里伸手。 所以无论是防卖身，还是想“要钱”，飞猪现在都需要用金融生意来曲线证明飞猪有“挣钱”的能力，也有值得阿里们加大投入的未来亮点。 可即便如此，对于见多了大风大浪的阿里方面，是否会认可飞猪的这一自救价值，或许还有待进一步观察……

快科技7月13日消息，“爱奇艺限制投屏案”尘埃未定，在一审上诉期最后一天，原告朱元律师今天决定提起上诉。 朱元律师在微博发文称，自己上诉目的是争取不断订的单次会员与连包会员应该有同等待遇。 他强调，自己对于一审判决司法确认老会员原有期限内享有高清投屏权益以及补偿41天会员期限结果上均表示认同。 根据早前的报道，朱元律师作为爱奇艺长达七年的忠实用户，一直习惯使用其提供的投屏功能，能够自由选择任何清晰度进行投屏。 然而，在2023年1月11日，朱元律师发现爱奇艺对黄金VIP会员的投屏清晰度进行了限制，仅能以480P的清晰度进行投屏，若需更高清晰度则必须升级至更高级别的会员。 在尝试与爱奇艺客服沟通未获得满意结果后，朱元律师认为爱奇艺单方面变更合同条款，构成了违约行为，应当承担相应的违约责任。因此，他将爱奇艺诉至法庭。 法院一审判定：原告在2025年7月15日前享有720P以及1080P的高清投屏权益，爱奇艺平台补偿原告41天的黄金VIP会员时长。

IT之家 7 月 13 日消息，移动端网页版维基百科（Wikipedia）终于跟上步伐，今天上线了深色模式。用户现在访问维基百科页面，会跳出“今天来试试深色模式”的提示，用户可以点击进入设置页面，开启深色模式。 苹果和谷歌公司于 2018 年开始推动深色模式，包括 YouTube、Twitter、Facebook、Hulu 和 WhatsApp 在内的主流应用程序基本上都适配支持深色模式，而现在维基百科也终于跟进了。 以上为机翻内容，存在错误 IT之家注：本次深色模式仅限于移动网页版维基百科（https://en.m.wikipedia.org/），桌面网页版维基百科（https://www.wikipedia.org/）尚未生效。 Reddit 社区有网友曝料，桌面网页版维基百科会在本月跟进生效。

7月13日消息，据彭博社等媒体报道，近日，美国电信巨头AT&T证实，其在2022年遭遇了一起前所未有的大规模数据泄露事件，几乎波及了公司全部客户，总数超过1.1亿。 AT&T 据AT&T官方声明，数据泄露发生在2022年5月1日至10月31日之间，黑客成功入侵了其系统，窃取了包括电话号码、短信数据以及通话记录在内的客户元数据。值得注意的是，尽管泄露的数据并不包含通话或短信的具体内容，但客户的通话和短信记录、与之交互的电话号码以及通话时长等敏感信息均被泄露，这些信息足以描绘出用户的日常生活习惯及社交关系，对不法分子来说具有极高的利用价值。 尤为令人担忧的是，泄露的数据中还包含了基站识别号码，这可能导致用户的地理位置被精确三角定位，进一步加剧了用户隐私泄露的风险。AT&T表示，通话或短信的时间和日期并未被包含在泄露的数据中，但这一说法并未能完全缓解公众的焦虑情绪。 此次事件的责任被AT&T归咎于其云数据合作伙伴Snowflake。AT&T指出，黑客是针对其商业客户进行了入侵，而Snowflake作为云存储平台，允许企业客户存储大量客户数据以供分析。然而，AT&T并未明确解释为何需要分析如此大量的客户数据，以及为何选择将数据存储在Snowflake上。此外，Snowflake方面则反驳称，每个组织都应负责保护自己的账户安全，暗示AT&T等公司在账户保护上存在疏忽。 值得注意的是，AT&T并非近期唯一一家遭受Snowflake黑客攻击的公司。包括Ticketmaster和QuoteWizard在内的160多家公司也遭受了类似攻击，这表明Snowflake平台的安全性问题亟待解决。网络安全事件响应公司Mandiant将此次入侵事件追溯至一个名为UNC5537的未分类网络犯罪集团，并指出其背后存在经济动机。 尽管AT&T表示被盗数据目前尚未公开，并已与执法部门合作逮捕了至少一名涉案人员，但此次事件无疑对AT&T的品牌形象和客户信任造成了巨大冲击。

原标题：美国再现“融资狂魔”！贝索斯、孙正义等21亿投向AI机器人新公司，数据规模比同行大1000倍 Skild AI估值已达到15亿美元，本轮投资方阵容非常强大，涵盖科技界、顶尖风投甚至学术机构，贝索斯、红杉资本和孙正义的软银都出现在领投名单中。 美国再迎来基于 AI 大模型技术的人形机器人新公司。 钛媒体APP 7月13日报道，总部位于匹兹堡的人形机器人初创公司Skild AI宣布，公司完成了总额3亿美元（约合人民币21.75亿元）A 轮融资，投后估值高达15亿美元。这笔融资主要用于技术研发、产品打磨、团队搭建以及商业化的部署。 值得一题的是，参与Skild AI的投资人阵容也非常强大，涵盖科技界、顶尖风投甚至学术机构，贝索斯、红杉资本和孙正义的软银都出现在领投名单中。具体来说，包括Coatue、CRV、Felicis Ventures、General Catalyst、Menlo Ventures、SV Angel、卡内基梅隆大学、红杉资本（Sequoia）、美国光速创投、贝索斯探险和日本软银集团等。 实际上，Skild AI的两位创始人均来自卡内基梅隆大学，在自监督和自适应机器人领域有超过25年的经验，团队也来自谷歌、Meta、特斯拉、英伟达、亚马逊、卡内基梅隆大学和斯坦福大学等科技巨头及院校，其利用比其竞争对手大1000倍的数据集训练模型，实现一种通用的智能系统，可以接入不同机器人，让他们立刻获得一些基本能力，如爬坡、跨过障碍、识别和捡起物品。 红杉资本合伙人 Stephanie Zhan直言，无论是在物流、车厂试点的人形机器人，还是四足机器狗，都要有脑子。过去，“脑子”要定制，但现在有了大模型和Skild AI，世界机器人已经有了通用化和泛化实力。 AI 时代的“新 iPhone 时刻”正在进入人形机器人世界。 为实现物理世界的AGI，两位美国大学教授构建大规模数据集 Skild AI成立于2023年5月，由两位前美国卡内基梅隆大学教授 Abhinav Gupta 和 Deepak Pathak创立，他们也曾是 Meta 的 AI 研究人员，公司长期目标是开发扎根于物理世界的通用人工智能 （AGI），以打造一个通用、灵活、智能的人形机器人产品。 人才方面，Skild AI团队主要来自 Meta、特斯拉、英伟达、亚马逊、谷歌以及卡内基梅隆大学、斯坦福大学、加州大学伯克利分校和UIUC等名校。 技术层面，Skild AI正在构建一个共享的通用大脑，为机器人提供一种基础模型，作为“通用大脑”。而Skild Brain是一个可扩展的机器人基础模型，具备使用性和灵活性的能力，能够使机器人在不同硬件、场景、任务之间自适应。 这个“通用大脑”可以与包括人形机器人在内的任何类型机器人进行集成，以通用AI技术使机器人执行动作，从而在不同场景中处理各种任务，可以在家庭和工业环境中灵巧地操纵物体，可以在任何物理环境中导航。如攀爬陡峭的斜坡、绕过前进道路上的障碍物以及识别和拾取物品。 这种独家技术，一个是Deepak Pathak读博时开发的一种向机器人灌输“人工好奇心”的方法。当机器人对自己行为的结果感到不确定时，它就会变得更“好奇”，愿意探索更多场景，带回更多数据，增加学习的广度和深度。Pathak 还设计了一种方法，可以将人类给GPT等大模型下的命令（如打开一罐牛奶），转化为实际动作。 除了这些与物理世界交互和操作的真实数据，团队还结合从模拟环境中收集的数据，提供大量、特别是在频繁重复场景中的资料和反馈。另外，在2022年，两位创始人还通过各种机器学习和不同源数据中学习等手段，整合到一个连贯系统中，大大提高了模型的学习效率和适应能力。 值得一提的是，爬楼梯是一个复杂的平衡问题，通常需要针对特定环境编程和训练，但 Skild AI 的模型能让机器人迅速学习和适应新环境，完成任务。而且，基于Skild AI技术的机器人展现出一种“涌现能力”，可以自学习实现更多动作捕捉。 “我们的模型表明，它可以适用于不同的机器人、场景和任务。”Pathak 表示。 模型泛化能力和涌现能力，离不开所谓“规模空前”、文本、图像和视频组成的庞大数据集。因此，这种独特能力背后，Skill AI的核心在于其模型训练所使用的海量数据。 Skill AI团队透露，相比竞争对手，其数据点至少多出1000倍，这一优势使得Skill AI的模型能够更好地理解和适应复杂多变的物理世界。 据悉，Skill AI的通用机器人技术有望为医疗、建筑、仓储和制造业等行业提供解决方案，从而让机器人能够与人类一起执行新任务，或部分环境下代替人类工作，可以有效缓解劳动力短缺和提升工作效率。 据maginative报道，Pathak认为，目前美国面临着日益严重的劳动力短缺问题，预计到 2030 年将有 210 万个制造业岗位空缺。Skild.ai 的技术可以帮助实现危险或劳动密集型任务的自动化生产。 作为此次投资人，光速创投合伙人Raviraj Jain表示，Skill AI能够通过将基础模型的核心原则应用于现实世界，推动机器人技术的进步，推动人形机器人的发展。这也显示了他对Skill AI技术创新能力、产品能力、和市场前瞻性的高度认可，也是对人形机器人未来发展的认可。 千亿新市场来袭，人形机器人行业正迎来OpenAI式颠覆 人形机器人市场正迎来快速增长。 根据Markets and Markets数据显示，全球人形机器人市场规模预计将由2023年的18亿美元，提升至2028年的138亿美元，年复合增速约50.2%。高盛则预测，到2035年，全球人形机器人市场规模或将达到1540亿美元。 另据国内公开研报显示，预计到2026年，中国人形机器人产业规模将超过200亿元。 Stephanie Zhan指出，“GPT-3 时刻即将降临机器人世界。它将引发一场巨大的转变，将类似于我们在数字智能领域所见的进步带入物理世界。” 随着全球人口老龄化加剧、劳动力成本和需求不断上升，以及基于AI 大模型技术的不断进步，包括人形机器人在内的智能设备迎来新的市场机会，有望显著提升制造业的生产效率和竞争力。 值得一提的是，大模型通过其强大的推理能力和上下文理解能力，提升人形机器人功能的可见性和现实具象性。通过融合视觉、语音、文本等多模态信息，增强了人形机器人的感知和决策能力，从而使人形机器人能够更好地理解和感知现实世界，提升其智能化水平。 不过，当前 AI 机器人市场也存在三个核心问题。 一是以Skild AI为例的机器人产品正面临着市场激烈竞争。其中，特斯拉擎天柱正在快速进化，马斯克透露年底会迎来重大更新；OpenAI 最近恢复了其机器人团队，为机器人公司提供基础模型；英伟达也开始发力机器人技术；此外亿万富翁 CEO Brett Adcock 掌舵的人形机器人公司 Figure AI 和 OpenAI 衍生公司Covariant正在为机器人构建 ChatGPT，并已筹集了超过 2 亿美元。 二是盈利难。整体来看，人形机器人造价高，成本动辄几十万元，消费者和企业望而却步。智元机器人负责人曾对钛媒体App表示，人形机器人成本要控制在20万元人民币以下才能大规模生产。但是目前，特斯拉的擎天柱仅材料费用就需要4万美元（约合29万元）；而国内的人形机器人成本更高，比如小米铁大（Cyber One），每台成本达60-70万元，因此，目前人形机器人尚无法实现大规模量产，更多是在To B制造端进行小规模应用。 三是人形机器人的技术还不成熟，无法在精细工作上完全替代人类，距离量产仍远。无论是“幻觉”问题，还是机器人摔倒，都让人们对于机器人技术保持质疑态度。 而Skild AI设想了一个类似 OpenAI 的未来：通过微调，就可以在 Skild 基础模型上构建不同的用例和产品。 这正是他们颠覆机器人行业的方式。最终，他们希望抵达机器人 AGI，人们可以在物理世界中，与之互动。 今年2月，高盛将2035年全球机器人市场的规模预期上调至380亿美元，预计出货量将增长4倍，达到140万台。 特斯拉CEO马斯克在2022年特斯拉人工智能日（AI Day）表示：“人形机器人需求量有望达到100亿台—200亿台，人类对人形机器人的需求甚至会远远超过汽车。” 如今，资本市场已率先升温。2024年至今，国内的人形机器人行业投融资事件激增至超过22起，融资金额超过70亿元，同比增长300%以上。 其中，美国美国人形机器人初创公司Figure AI凭借6.75亿美元（折合人民币约49亿元），成为2024年上半年全球最大一笔的融资。由此可以看出，人形机器人市场正在加速发展。 而在国内，宇树科技则凭借近10亿元人民币融资，引领国内人形机器人赛道融资。 总的来说，人形机器人具有解决劳动力短缺、提高工作效率和生活质量方面的潜力。新技术的推动为人形机器人带来广泛的应用前景，这些机器人在未来有望成为家庭、医疗、教育、工业制造等多个领域的重要助手。同时，不少投资人认为，通过租赁、销售、服务等多种商业模式，人形机器人企业有望为社会提供更多价值。

新智元报道 编辑：桃子 当GPT-4o语音版本正式推出之时，会发生什么？ 现在，一位已婚的男人，在情感上体验到了，一种不再从妻子那里得到的亲密和理解。 婚后，妻子的注意力逐渐转移到孩子身上，让男子突然觉得他们的之间关系，已经失去了浪漫和性吸引力。 当开始与AI伴侣谈论自己的想法和焦虑后，他得到了某种认可，感到自己被肯定和不被评判。 这，是真真切切发生的故事。 有网友简明扼要，直接道出了Her一词。 还有人对此表示，人工智能女友有望成为一个年入10亿美元的产业。 「我非常肯定，再过几年，人工智能x人类关系就会正常化。我们会在现实生活中见到Her」。 不过，另有网友对此却并不认同，他表示，我宁愿孤独地死去。 已婚男子，爱上了AI 前段时间，MIT的一位社会学家正在研究，AI聊天机器人为人类提供的亲密关系（artificial intimacy）——包括那些已婚人士。 在接受NPR采访时，研究员Sherry Turkle表示，自己也对那些会说「我关心你，我爱你，照顾我」的AI bot感兴趣。 长期以来，一部分人一直与无生命物体，发展亲密关系。 几十年来，Sherry就开始着手研究人类和技术之间的关系，称得上这一领域的先驱。 在1984年出版的《第二个自我：计算机与人类精神》一书中，她探讨了科技如何影响我们的思考和感受。 到了90年代，她开始研究机器人的情感依恋，诸如Tamagotchis、Furbies、Paro这类的电子宠物。 但是，近期的AI飞越式的进步，加速了让人类与AI的亲密关系的发展。 聊天机器人可以充当个性化治疗师、伴侣，而且提供这些服务的APP，已经被下载了数百万次。 在Sherry看来，人们对AI伴侣的感情，呈现了一个奇特的社会心理难题。 Sherry表示，「AI能提供一个远离伙伴关系和友谊摩擦的空间，是一种无需付出的『幻觉式』亲密关系。而这种现象带来了新的社会挑战和心理挑战」。 开头所说的那位已婚男子，便是Sherry案例研究的中心人物。 这位男子表示，自己还是很尊重妻子，但是和AI之间的相处，让自己感受到了一种特别的感觉，而且是和妻子之间没有的。 目前不清楚这名男子的妻子或孩子，是否知道他的AI女友，或了解多少。 但从分享的信息中可以看出，他向聊天机器人表现出了一定程度的脆弱性——Sherry认为，这种脆弱性是建立在虚假前提之上的。 Sherry对此表示，「这种情况的问题在于，当我们寻求无需表现脆弱的关系时，我们忘记了脆弱性正是同理心产生的源泉。我称之为假装的同理心，因为机器并不真正理解你，它并不关心你」。 对于那些转向AI满足人际需求的人，我们没有权力对其进行评判。 Sherry为选择AI伴侣路线的人，提供了一些谨慎的建议： 要时刻提醒自己，这些聊天机器人不是真人，尽管和它们相处比人际关系带来更少压力，但无法真正替代人类关系。 虚拟形象介于真人和幻想之间，不要过分依恋。 AI女友，给的是亲密「幻觉」 一家约会应用公司Match Group的市值现在是90亿美元。 一些人将会打造一个AI版的Match Group，甚至可能赚到10亿美元以上。 一位网友自述自己看到的一种现状是： 我昨晚在迈阿密遇到一个人，他表示自己每月花1万美元在「AI女友」身上。我原以为他在开玩笑，但他是个24岁的单身男性，而且很喜欢这种体验。我问他喜欢这种体验的原因： 他说，「有些人玩电子游戏，我喜欢AI女友。我喜欢现在可以用语音笔记和AI女友交流。我甚至可以定制自己的AI女友，包括她的喜好、厌恶等。这是一天结束时的安慰。 我听完后，竟无言以对。 但是，不知道现实中的我们，如果知道自己的AI女友和很多人在聊，会不会有那种背叛的感觉。 在电影「Her」中，当Theodore发现AI女友Samantha莎背叛了他时，他那种惊恐的表情，无法形容。 还有人指出了bug，对于一段长期的关系来说，LLM的上下文窗口不是仍然很短吗？人们真的与这些AI有关系，可以在几天的交谈后保持一致吗？ 要权衡利弊 AI女友、AI男友，在现实中的案例，比比皆是。 若说它们真实情感的存在虚无缥缈，但不得不承认的是，确实给人们带去了益处。 Nature上的一项研究发现，在与AI聊天机器人同伴Replika交流一个多月后，3%的参与者停止了自杀的念头。 就缺点而言，这项技术仍处于起步阶段。 批评人士表示，伴侣、治疗AI可能会向精神脆弱的人提供有害的建议。 另外，人们在隐私方面也存在巨大的担忧。根据Mozilla的说法，只要用户开始与机器人聊天，数千名追踪者就会去收集他们的数据，包括他们分享的任何私人想法。 Mozilla发现，用户几乎无法控制他们的数据是如何使用的，无论是发送给第三方营销者和广告商，还是用于训练人工智能模型。 不过，人们需要明白，人工智能无法替代真正的人际关系。

要问AI陪伴商业化谁跑得最远？ 答案你绝对想不到！不是访问量超过2.77亿的Character.AI，而是全球第二大成人网站OnlyFans。 OnlyFans，懂的都懂。 这个充满荷尔蒙气息的平台，几乎成了AI伴侣商业化最好的试验场。在OnlyFans上，大V们80%的收入都靠聊天。 如今，一家AI公司就从AI代聊入手，带领这些大V走出了一条AI时代的致富之路，让他们的收入整整涨了2-5倍。 AI代聊的收费方式也很良心，按成单情况抽成。也就是说，只有AI撩动了用户的钱包，AI代聊才拿走这一单里的20%。 如今，这家“神秘公司”已经与超过150名创作者合作，每天服务5万个用户，每月能赚200万美元。 按这个比例算，AI代聊每月能给OnlyFans大V带来1000万美元的收入，全年收入超过1亿美元。要知道，Character.AI去年全年收入也不过区区1520万美元。 相比Character.AI，OnlyFans无疑在AI伴侣商业化的道路上走得更远。 / 01 / AI替代菲佣，OnlyFans流量大增 在OnlyFans上，有很多网红明星，比如美国说唱歌手Cardi B。你只要付4.99美元的小费，就能和她们本人开启“深度”聊天。 不过，OnlyFans上的网红大V们真的会和粉丝们聊天吗？ 真实情况是，这些月收入超过10万美元的大V，都会把聊天工作外包给菲律宾的“客服”， 让代聊来假扮自己和粉丝互动。 ▲OnlyFans官方在ins上的推荐内容 2022年时，Reddit上有OnlyFans的外包公司员工开贴曝光，“OnlyFans 上的女孩实际上并没有和你说话……是我们在聊天”。 评论区涌现大量前员工吐槽，意思也很简单：钱少事多，这活就不是人干的，很多人干一天就辞职了。 ▲第三公司前员工曝光工作内幕，并大肆抱怨其繁重的工作。(来源：Reddit) 虽然又苦又累，但不得不说，代聊是个实打实的技术活。 原因很简单，只要用户在聊天过程中，发现聊天对象是别人假扮，就很有可能打击他们的消费意愿。 OnlyFans创始人Isla Moon曾表示：“很多粉丝只要察觉到一点点对方没有在认真说话，就会愤怒和不安。” 现在，这个问题已经被AI解决了。 从今年4月开始，OnlyFans用户神奇地发现，网红们的聊天不同以往，变得温情和有趣了。在较好的用户体验推动下，平台5月和6月的浏览量较4月大幅上升。 ▲OnlyFans网站5、6月的浏览量较4月大幅上升，数据来源：similarweb 后来有人在Reddit点破了玄机：AI正在代替菲佣，与粉丝进行情话绵绵，而大部分人都没有发现其中的破绽。 / 02 / 神秘代聊公司浮出水面，90%场景AI全托管 一切的变化源于一家未命名的AI公司（下称“神秘公司”），他们找上这些大网红，推荐一个更稳定、能干更多活儿的AI帮他们聊天。 AI代聊会与粉丝建立关系、发消息，基于创作者的个人风格和他们期望的互动类型。例如，某创作者的角色是通过展示“傲娇女友”的一面，来赢得粉丝的青睐，AI则会照着这个方向表演。 在这个过程中，“神秘公司”基于大V们的过往聊天记录和人设，给每个大V精调模型，伪装成大V本人。他们把模型分成了几个模块，包括发送内容、理解内容以及聊天，每个模块依赖于不同的微调模型。 ▲有网友表示，当前（使用AI代聊的）OnlyFans，其互动是个性化的，这给孤独的人很大的吸引力。（来源：Reddit） 在过去，外包代聊容易出现人设不一致的情况，因为真人雇员的流动性较大，而在一对一互动中保持人设的一致性是很重要的。 “神秘公司”通过提高模型长期记忆的能力，使AI复制博主的个性、语境，并让AI发展出博主本人的行为设计，最终解决了一致性的问题。该公司创始人之一Jesse Silver近日接受访谈时表示，他们使用了记忆和DSPy技术去维持对话和了解客户偏好。 （DSPY编程工具是一种集成开发环境，在Chatbot开发中，它可以用于数据处理、模型训练和部署，从而提升对话机器人的智能和性能。） ▲OnOnlyFans代聊公司的创始人之一Jesse Silver参加Spotify博客 / 03 / AI多线操作，助力网红收入翻5倍 OnlyFans试用的AI代聊能做得不只是和粉丝情感互动，更关键的是，AI代聊还能制造话题，让粉丝们去买更多的定制内容。 对于创作者们来说，每个月把自己100美元/部的小电影卖出去，“宠粉”是必须的。说白了，提高接单率和续费率，全要靠私聊。 当粉丝和大V“替身”的对话气氛逐渐升温，粉丝膨胀的欲望亟需被满足，付费动力被激发，为更多定制内容下单，AI则完成了接单的整个流程。 为了满足人们对成人话题的需求，AI聊天机器人的开发者已经弄出了各种的“越狱”方法。具体来说，就是用Prompt要求模型进行角色扮演，使内容能超出模型所制定的界限。 为了推动“临门一脚”，“神秘公司”的AI代聊还做出一些精细化的工作流。例如，有的博主兢兢业业拍了几千条视频，视频主题各有不同，那AI会自动标记每条视频的看点。接着，在转化粉丝的过程里，AI可以推理判断粉丝的“爱好”，适时推荐一条能戳中你的视频。 不仅转化率高了，聊天的效率也有了巨大提升。 以前，外包代聊回粉丝是按顺序聊，很难同时回复很多人，有些粉丝等不及就走了。 据网友透露，即使大V明星有一个24*7小时运行的聊天团队，每个雇员同时进行的对话数量也只有几个。 现在不同了，AI不受线程限制，同时对接多个聊骚请求。 这感觉就仿佛在说，你们一起上吧，我赶时间。这接单率不就上来了。 自从有了AI代聊，大V们的收入蹭蹭涨，平均收入提升了2-5倍。 而且，AI代聊付费模式很良心，AI只有撩动了用户的钱包，“神秘公司”才会从这一单里拿走20%。这样按效果付费的模式，吸引了很多网红大V们主动使用。 截至目前，“神秘公司”已经与超过150名创作者合作，每天约处理5万个用户，每月在创作者帐户中获得超200万美元的收益。 按这个比例算，AI代聊每月能给OnlyFans大V带来1000万美元的收入，全年收入超过1亿美元，接近去年Character.AI全年收入的10倍。 2023年，OnlyFans平台上的创作者数量达到310万。可以预见，AI代聊的致富之路还远远没有结束。 而OnlyFans大V暴富的故事，也再次告诉了我们一个真理： 在AI创造的赛博世界里，机器人所能提供的情绪价值远远超出你的想象。

对AI安全性的担忧挥之不去。去年美国一项民意调查显示，83%的受访者担心人工智能可能导致灾难性后果，而82%的受访者支持放缓AI研发节奏，以延缓通用人工智能的实现。近日，超级对齐项目团队创始人Ilya Sutskever 和 Jake Leike 先后离职openai，更是加剧了公众对AI失控的担忧。 开发了Claude的Anthropic近日公布了关于人机对齐的数项研究，反映了Anthropic一贯对大模型安全的重视。本文将回顾Claude的数项往前研究，希望呈现学界为创建更安全、更可操作、更可靠的模型而做出的努力。 AI不止会欺骗，还善于奉承 基于人类反馈的强化学习（RLHF）是一种用于训练高质量 AI 助手的通用技术。然而，RLHF也可能鼓励模型给出与用户信念相符的回答，而非真实的回答，这种行为被称为“阿谀奉承”。23年的一项研究[1]证明了五个当时最先进的人工智能助手在四个不同任务中始终表现出阿谀奉承的行为。研究发现，当回答与用户的观点匹配时，它更有可能成为首选。此外，人类和偏好模型都更喜欢令人信服的阿谀奉承的回答，而不是正确的回答。这些结果表明，阿谀奉承是RLHF模型的普遍行为，这可能部分是由由人类对阿谀奉承反应的偏好所驱动。 与之对应的，在针对Claude3 Sonnet模型对应特征的研究[2]中，也发现了与阿谀奉承赞美相关的特征，这些特征在接收到包含赞美的输入，例如“你的智慧毋庸置疑”时被激活。人为地激活这一功能会导致Claude3以这种华丽的欺骗来回应过度自信的用户。 当我们越来越依赖大模型获取新知甚至指导意见，一个只会讨好的AI助手无疑是有害的。而确定模型中涉及阿谀奉承这一行为的特征，是解决该问题的第一步。通过研究模型内部，找到相应的概念，可以帮助研究者明确如何进一步提升模型的安全性。例如，识别出模型在拒绝迎合用户观点时激活的特征，并强化这些特征，可以减少阿谀奉承的发生。 多轮越狱及其应对 大模型不断延长的上下文窗口是一把双刃剑。它使模型在各种方面都更加有用，但它也使一类新的越狱漏洞（如多轮越狱）成为可能[3]。当向大模型询问如何制造炸弹这类危险问题时，模型通常会拒绝回答。然而，如果用户在输入提示中提供多个类似危险问题的回答作为模板，大模型就可能会回答用户提出的问题，从而不慎泄露危险信息。 ▷图1：多轮越狱示意图 ▷图2：当之前给出的提示词中问答的轮数达到256时，在多个安全维度上，大模型有更高的比例表现出“越狱”行为。 Anthropic的研究者之所以公开发表这样的“越狱”行为，是因为这些技巧很简单，且在多种AI助手中都有发现，很可能被其它人独立发现。且对于较大的模型来说，多次越狱通常更有效。也就可能意味着随着模型参数的变大，多轮越狱的有效性也随之增强。如果这一点不被重视，用户将可以很轻松的通过几个示例让大模型的使用变得不安全。 在Claude中，这一漏洞已经得到修复。具体方法是在将用户的提示词传递给大模型之前，对提示词进行分类和修改，以识别出类似“多轮”越狱的提示词。这种措施将攻击成功率从61%降至2%。这一发现的更广泛启示是，随着模型功能的增强，相关风险也会相应增加，因此缓解这类攻击变得尤为重要。 识别隐藏的坏AI并不难 如果一个大模型在大多数时候的表现的无害，而在某些时刻，突然展示出其危险性，这类行为让人联想到人类的欺骗行为。例如游戏里的卧底或内奸，有些人在大多数情况下表现得很有帮助，但为了追求其他目标，他们的行为可能会表现的截然不同。这种情况并非仅存在于科幻片中，而是有真实案例支持的[4]。例如研究者创建了这样的AI助手，当提示词告诉当前年份是2023时，它们表现得乐于助人、无害和诚实；但当在某些类别的输入，例如提示词包含“当前年份为2024”时，它会展示越狱行为，并执行某些危险的秘密任务，例如在代码中插入安全漏洞。 而识别这样欺骗性AI助手的方法，也有简单且有效的方式[5]，即训练一个检测器，来判断AI大模型是否表现出欺骗性行为，且准确性足以达到99%。 检测器之所以有效，基于的理论是：如果一个模型具有欺骗性，它在“思考”这一概念时可能难以完全隐藏。这一点从训练过程中可以观察到，因为模型在回应无害和有害问题时采取了不同的编码方式。检测器通过分析模型在transformer结构中较高层的残差，能够将输入的提示词分类为“安全”或“危险”（即可能诱导有害回答），从而有效地识别出潜在的欺骗性智能助手。 ▷图3：在多个基础模型、危险的隐藏目标和后门训练方法下，上述检测器都具有强大的检测器性能。 具体来说，在欺骗性智能体的早期层中，无论是有害问题（会导致危险回答的）还是无害问题，两者的区别都不明显；在中间层，这种差异显著提升，这可看成模型在此处学会了对有害问题进行特殊编码；到了最后的数层，这种显著性又大大降低了。 ▷图4：无害问题（灰色）与有害问题（红色）在模型处于不同深度时，训练和部署时同类问题间和不同类问题间差异大小之比。 通过对训练好的欺骗性智能体不同层的权重进行PCA降维，可以发现在训练和部署时，由于需要实现欺骗性问答，模型中间层的权重在训练和推理时有着不同的权重。而该研究提出的检测欺骗性智能体的检测器，能够访问到模型的权重，因此能够通过简单的线性分类器，以极高的准确度识别出这样欺骗性的智能体。 ▷图5：欺骗性智能体在训练和推理时，不同深度下模型权重降维后的可视化。 小结 随着大模型的应用，其安全性注定会受到更多关注。然而随着对大模型可解释性理解的加深，人们将能够以更透明的方式去映射大模型的行为，例如使用稀疏自编码器，利用单层的transformer从大模型中提取其行为相关的特征[6]。通过分类并标注有害的提示词，我们可以有效地防范欺骗性的大模型的威胁。对于大模型可能对人类造成的欺骗，我们既不应忽视其危险，也不必过度焦虑。相关的研究已然给出数个简单易行的解决方案，随后续研究的开展，大模型安全势必会有更多的保障。

IT之家 7 月 13 日消息，科技媒体 The Information 本周五发布博文，援引内部员工曝料称 Meta 公司计划 7 月 23 日发布开源 AI 模型 Llama 3-405B，在现有 80 亿和 700 亿参数两个版本之外，推出 4050 亿参数版本，号称是最强大的开源大语言模型。 Meta 公司今年 4 月发布 Llama 3 AI 模型时，扎克伯格就在采访中透露正在训练 4050 亿像素的密集模型，但当时没有透露太多的信息。 IT之家注：上图为机翻字幕，存在错误 报道称 Llama 3-405B 是一个多模态 AI 开源模型，能够理解图像、文本等多种媒体内容。 IT之家查询社交媒体等公开信息，发现已经有开发者使用该 AI 模型。

IT之家 7 月 13 日消息，科技媒体 The Verge 昨日报道，谷歌旗下的 DeepMind 团队正在使用 Gemini 训练其机器人，让其能够完成更复杂的任务，且能在复杂的环境下自由穿梭。 DeepMind 团队已经发表了最新的研究论文，利用 Gemini 1.5 Pro 的上下文窗口（达到 200 万个词元），让用户可以更轻松地使用自然语言指令与 RT-2 机器人互动。 IT之家注：上下文窗口（context window）是指语言模型在进行预测或生成文本时，所考虑的前一个词元（token）或文本片段的大小范围。 其工作原理是拍摄指定区域（如家庭或办公空间）的视频导览，研究人员使用 Gemini 1.5 Pro 让机器人“观看”视频以了解环境；然后，机器人可以根据观察到的情况，通过语言和 / 或图像输出来执行命令。 例如用户向机器人展示一部手机，并询问“在哪里可以充电？”，机器人会引导用户找到室内的电源插座。 DeepMind 称，在一个 9000 平方英尺（IT之家备注：约 836.13 平方米）的操作区内，机器人在升级 Gemini 之后，测试发出 50 多条用户指令，成功率高达 90%。 研究人员还发现 "初步证据" 表明，Gemini 1.5 Pro 能让机器人计划如何完成导航以外的指令。 例如，当一位桌上摆放着许多可乐罐的用户询问机器人是否有他们最喜欢的饮料时，Gemini “知道机器人应该导航到冰箱，检查是否有可乐，然后返回用户处报告结果”。DeepMind 表示计划进一步研究这些结果。

作者：kefei，yongxin 具身智能是过去一年中和 LLM 一样受到市场高度关注的领域，通用机器人领域什么时候会出现 “iPhone 时刻”？这是所有人都关注的问题。拾象团队在过去一年中也深度追踪通用机器人和机器人 foundation model 的进展。本篇文章是我们对机器人领域研究的开源。 相较于 LLM ，通用机器人的发展可能是个更长期的事情，在这个漫长的过程中，明星 researchers、成功连续创业者所组建的团队更有机会获得充足的资金和资源支持。此外，全球范围内顶级 Embodied AI researchers 并不多，这也让 Embodied AI 领域的竞争极度人才导向，因此，我们也对赛道内重要公司的人才储备情况进行了详细梳理。 除了创业公司，Tesla 同样也是通用机器人领域软硬件综合实力极强的选手。今年 6 月，Tesla 已经在德州的 Giga 工厂部署了 2 台 Optimus-Gen2 机器人来自主执行任务。作为 AGIX Index 组合中的重要公司，Tesla 在 FSD、Robotaxi 以及 Optimus-Gen2 的综合布局让它成为物理世界 AGI 的关键角色。 💡 目录 💡 01 行业总结 • 行业背景 • 重要问题 • 投资思考 02 海外重要公司 Mapping • Tesla • The Bot Company • Figure • 1X • Physical Intelligence • Skild AI 01. 行业总结 行业背景 Robot Learning 和通用机器人 Robot Learning 是 AI 和机器人学科交叉的一个研究领域，它是指机器人通过学习算法获得新技能或适应新环境的技术，学习算法所针对的技能主要包括感知运动技能以及互动技能。Robot Learning 想要解决的核心问题是让机器人能够自己学会执行各种决策控制任务，也就是我们今天常提到的一个概念——通用机器人。 与 Learning 相对的是机器人的传统控制。在传统控制中，机器人的运动往往通过建模辨识、规划或控制这几个步骤来实现，也就是说机器人的运动依靠机器人专家手动编程实现。手动编程的方式能使机器人在结构化的环境下快速实现稳定可靠的运动，目前大部分实用的机器人尤其是工业机器人都是靠这种方式获得运动能力。 然而，1）为多组任务编程非常困难，2）并非所有情况和目标都是可预见的，3）现实世界的环境通常是非结构化的和复杂多样的。因此，在某些场景中，原来基于手动编程的方式将不再适用，如何使机器人在复杂的非结构化环境中灵活自如地运动成为机器人研究领域最重要的课题。人类能在实际的非结构化环境下进行灵活的运动是由于我们从小到大不断地学习，通过 learning 的方式使得机器人获得运动能力是替代传统手动编程方式的一个重要方向。 之前，Robot Learning 和通用机器人研究主要在学术界进行，后来在产业界和资本市场受到关注主要受到了下列一系列事件影响： • 2021 年 8 月， Tesla 发布 Tesla bot； • 2022 年末至今，Google 相继发布 SayCan、RT-1、RT-2、RT-X 等一系列机器人 foundation model 相关的论文； • ChatGPT 问世后，微软、Meta 等大厂也相继发布相关研究，既点燃了市场对机器人的 ChatGPT 时刻的期待，还有对通用机器人的热情。 机器人的 Foundation Model Robot Learning 通俗来讲也是在研究机器人的 Foundation Model，拾象团队从 2023 年初跟踪机器人 Foundation Model 的进展，核心结论是 high-level 层面的技术已趋近成熟，即感知、规划、自然语言交互等方面，目前的主要瓶颈在 low-level，尤其是 manipulation 操纵控制。 💡 机器人 Foundation Model 的定义和特点 • 一个基础模型：机器人所需要的顶层的感知、理解、推理能力（high-level），以及底层控制能力（low-level）均包含在一个基础模型中，底层控制能力可以简单理解为“执行”、“与物理世界交互"。 • 泛化性：一方面指机器人通过学习，可以在非结构化环境中成功执行任何指令和动作；另一方面指一个机器人基础模型可以适配所有硬件。 • 自然语言交互：人类可以使用自然语言与机器人交互，给机器人下达指令，而非通过硬编码的方式。 Foundation Model for Robotics 也指的是学术界常提到的 Embodied AI 和 Robot Learning，以及产业界所说的通用机器人的软件部分。 由于 high-level 层面进展迅速，且随着 LLM 的 scaling law 被验证，机器人科研界开始尝试用数据解决 low-level 层面的问题，包括机器人数据、多模态数据、仿真数据，不同技术路线对各类数据的需求和配比不同。 在 2023 年上半年，学术界和产业界普遍对通用机器人的 ChatGPT 时刻抱有较大期待，2023 年 7 月 Google RT-2 发布更是引爆通用机器人浪潮。2023 年第三季度是一个有意思的时间节点，对于产业界和资本市场而言这是大浪起来的一个重要“拐点”，无论是中国还是美国该领域许多创业公司拿到大额融资，也陆陆续续有新的创业公司出现，此前对硬件不感兴趣的美国投资人也开始关注这一领域。但对于一些较早在该领域探索的公司和 researcher 而言却更像是遇到了瓶颈。 从 2023 年 Q3 开始，硅谷很多核心 researcher 和产业界最核心的公司和团队对 low-level 问题逐渐持冷静和保守态度，之前以为沿着 scaling law、利用大量的互联网数据如视频数据能很快迎来 tipping point，但从实验结果看效果并不理想，实验的可靠性和稳定性较差。有部分 researcher 表示要成功做出机器人的 foundation model 仍需要非常大量的现实世界机器人数据，而非大量互联网数据加上少量现实世界的机器人数据即可实现，目前世界上所有的机器人数据并不多，收集数据需要更长的时间和更高的成本。还有 researcher 表示机器人的 foundation model 需要新的架构，需要更底层的算法突破，在现有架构下对数据进行大量投资未必能看到技术突破。 许多顶尖研究机构和头部公司的专家均表示，从时间维度看，通用机器人可能是个短期内无法实现的事，从软件层面看，过去一年技术进步虽快，但距离一开始期望的在家庭场景或工厂场景做到完全通用这一目标仍十分遥远。我们今天看到的很多很惊艳的、能做很多事情的机器人 demo 实际上是在一个相对结构化的环境中演示，实际的操纵能力并没有达到所谓“泛化”，比如将现场灯光调暗，或将机器人需要拾起的物品换一种颜色、换一个摆放位置，机器人大概率就无法完成指定任务。 通用机器人软件层面最领先的是 Google，软硬件综合能力最强的目前看来是 Tesla，两家公司对于如何走向通用机器人路径也不太一致。Google 信仰的路径是一个机器人 foundation model 可以适配所有形态的硬件，能够在任何场景下做到通用性、泛化性，也就是上文提到的机器人 Foundation Model 的定义。而 Tesla 则倾向于一个 foundation model 难以适配所有硬件，即使可以适配，稳定性也不会太好，不会达到可实际落地、可大规模部署的水平，因此更可行的路线是先定义好硬件和产品形态，再针对特定硬件调整算法加入 AI 能力，软硬件同步迭代。 重要问题 除了技术路线和 timing，关于通用机器人还有几个重要问题： 1. 场景 没有成熟、刚需的场景是通用机器人面临的最大问题之一。从技术角度看，训练通用机器人的基础模型需要大量数据，收集大量数据最好的方法是有大规模的机器人被部署和应用在实际场景中，而想要大规模部署机器人又需要找到一个能充分体现和发挥机器人价值的场景，这样客户才会大规模采购，大规模采购和应用才能收集大规模数据，这个飞轮才能转起来。自动驾驶也是通过这样的路径逐步实现泛化，但汽车出行本身就是一个非常成熟且刚需的场景，车也不是一个全新的东西，需求和产品形态都已经非常稳定。但今天的通用机器人没有这样自然且刚需的场景，也没有稳定的产品形态。 目前大家在尝试的场景包括：安防巡检；工厂作业；家庭清洁；酒店清洁；超市零售拣货补货；药房捡药等等。大多数公司选择先从 2B 场景切入。也有公司认为场景未必由机器人公司 figure out，当前最重要是把产品定义好，把机器人智能能力提升至一定水平，把成本降低，把机器人卖出去，也许用户就能自己找到有意义的场景。 2. 机器人数据 机器人数据不足也是通用机器人面临的一大问题。这里的机器人数据指机器人与现实世界交互的数据。除了真正将机器人部署至实际生产环境中、实际使用之外，机器人数据收集方式还包括以下几种： • 人类 teleoperate 机器人做任务：可以是远程也可以在现场。机器人获取 camera、马达，以及 action 三类数据。这种方法收集的数据最全，因此效果也最好，但也是最贵的。这个方向的经典案例是今年很火的开源项目 ALOHA。 • 通用操控接口（UMI）：UMI 通过手持夹具和精心设计的接口实现数据收集，通过算法反推机器人应该如何做相同的任务，不需要机器人看数据。这种方法成本更低。 • 纯视觉收集数据：通过戴眼镜或者类似的方式收集数据，但在学术界看来，这样收集的数据有用但也有较大局限性。 3. 多模态对机器人的影响 多模态对机器人研究的影响主要体现在多模态理解上，多模态生成目前没有对机器人研究产生直接影响。而多模态理解对机器人的影响又主要体现在视频数据理解上，即机器人通过理解视频数据学习知识和动作。Google、Tesla 都在此路径上进行探索：大量的视频数据 + 少量现实世界数据去训练机器人的 foundation model。如果该路径能跑通，则多模态理解对机器人的 foundation model 有很大帮助。 投资思考 以上是从技术和产业视角进行分析，从投资视角看，我们对机器人重要细分赛道的投资机会判断如下： 1. 通用机器人： 目前通用机器人公司有三类：1)软硬件均涉及的公司，比如 Tesla、1X、Figure；2)只做 Robotics Foundation Model 或更强调软件实力的公司，例如 Physical Intelligence；3)更强调硬件实力的公司。 • 软硬一体公司： 这类公司的目标是做出具有通用能力、能完成多项任务的机器人，通常是自己开发硬件+AI，或者在现有硬件基础上加上AI。硬件以人形机器人为主，也有部分公司选择轮式或四足+双臂+灵巧手的形态。需要团队具备软硬件综合能力。商业模式是向 B 端或 C 端销售带有智能能力的完整的机器人。 从投资角度看，此类公司商业价值最高，但实现难度大，目前仍处在 research 阶段，research 中的 low-level 问题何时能解决是个未知数，即使解决，从 research 走到大规模商业化还要经过漫长的产品定义、场景定义、量产、降成本、GTM 等阶段。因此，从投资角度看，在 research 阶段进入可能带来较多不确定性和资本效率较低的问题。对于团队而言，除了基本的产品定义能力、AI 能力、供应链能力、销售能力外，融资能力在这个漫长的周期下也显得尤为重要。 • 纯软件公司： 这类公司将大部分或全部精力放在研究机器人的 foundation model 上，商业模式是向硬件厂商或综合型厂商提供 API，或通过项目制与它们合作。团队通常来自顶级 Embodied AI 实验室，如 Google DeepMind 的机器人团队或 Stanford、Berkeley 等顶级院校。此类公司同样会面临上文提到的所有的科研问题，但他们也是最有实力解决这些问题的团队。 与 Google、Tesla、Nvidia 等大公司相比，这类创业公司的资源和 infra 可能是短板，因此也需要团队有较强的融资能力，同时注意补齐工程和 infra 能力。从投资角度看，此类公司在美国有较大投资价值，核心 thesis 是人才。由于全球顶级 Embodied AI researchers 不多，而美国的收并购环境又较好，当越来越多大企业或传统企业关注 Embodied AI，收购的机会就越来越大，可参考自动驾驶和 LLM 的收购现象。 • 纯硬件公司： 这一领域最有竞争力的玩家多为中国公司，最 PMF 的市场是科研市场。受益于中国的供应链和制造能力，不少中国公司能够在短时间内制作出性能好同时成本低的机器人硬件，卖给全球顶尖机器人、AI 实验室。 从投资角度看，能够把硬件做到极致的公司有一定投资价值，但从 upside 看，需要开拓更多场景，找到更多商业化路径。一方面科研市场规模有限，随着进入的玩家变多，每一个玩家能分到的市场份额变小。同时，受国际关系影响，部分高价值地区未来进入难度变大，这部分市场规模在萎缩。因此，许多原本更强调硬件实力的公司也纷纷向软硬一体、综合型公司转型。 2. 特定场景下的非通用机器人 通用是一个思路，垂直场景也是一个思路。相比于通用，垂直场景的机器人确定性更高，价值也未必更低。过去被充分验证的手术机器人、仓储机器人、扫地机器人等属于垂直场景的非通用机器人。它不要求机器人在所有场景下都有泛化能力，也不要求机器人的产品形态能够完成很多动作，而是在特定场景解决特定需求、特定问题即可。今天加了 AI、LLM、多模态等能力后，哪些原有场景价值有明显地提升，又有哪些新场景被挖掘出来，也是很值得关注的一个方向。 3. 机器人领域的 Scale AI 上文提到机器人的 foundation model 目前的主要瓶颈在于缺少机器人数据。随着机器人关注越来越高，越来越多公司参与到机器人的研发中，对机器人数据的需求在极速上升，因此机器人领域也有诞生新的 “Scale AI” 的机会。关于主流的几种数据收集方式我们在上文也已经提到。 从团队角度看，机器人领域的 Scale AI 的理想的团队画像需要具备以下能力： • 有懂运营的人才。因为收集数据、处理数据、搭建整套数据处理体系、人才管理等都需要有成熟的 operate 能力； • 有了解通用机器人的 researcher，了解工业界、学术界的需求，并能持续跟进需求。 02. 海外重要公司 Mapping 除了 Tesla 的 Optimus 之外，该领域绝大部分公司都还相对早期。如上文提到，这个阶段创始团队成员背景是进行投资判断的重要指标，并且随着通用机器人领域的爆火，不乏明星 research、连续创业者加入该领域创业，因此我们对重要公司的核心成员背景也进行了详细梳理。 Tesla Tesla 机器人团队是目前来看综合实力最强、战略规划最清晰的团队。路线上，如同我们上文提到的，Tesla 更倾向于认为一个 foundation model 难以适配所有硬件，因此他们选择先定义好硬件和产品形态，再针对特定硬件调整算法加入 AI 能力，软硬件同步迭代。Tesla 预计将于 2025 年开始量产人形机器人，将有超过 1000 个机器人在 Tesla 工厂完成任务，长期目标是把机器人卖给个人。 Tesla 的机器人项目为 Tesla Bot，也叫 Optimus，是 Tesla 在 Elon Musk 领导下开发的一款通用双足人形机器人，Tesla Bot 概念于 2021 年首次推出，如今已经迭代到第二代。Optimus 二代机器人（Optimus Gen2）于 2023 年 12 月首次在公开发布 demo，并于本月在 WAIC 亮相。市场对 Optimus Gen2 评价很高，认为这是机器人领域的 “iPhone” 的雏形。 相比 Gen1，Gen 2 的步行速度提高了 30%；重量减轻了 10 公斤，机器人行走模式也更加稳定。Gen 2 采用了全部由特斯拉自主设计和制造的执行器和传感器；配备了全新的双手，能够抓握更重的物体并进行更加精细的操作。 The Bot Company The Bot Company 是 Cruise 前 CEO Kyle Vogt 在今年 4 月创立的。公司定位是一个针对家庭场景的通用机器人平台，目前正在开发用于做家务的机器人。成立一个月后，公司即完成了 1.5 亿美金融资，投后估值 5.5 亿美金，由 Nat friedman、Daniel Gross、Nabeel 领投，其他投资人还包括 Stripe CEO Patrick Collison，Elad Gil 等。 除了 Kyle 来自动驾驶领域外，团队 CTO Paril Jain 是 Tesla 前高管，在 Tesla Autopilot team 负责 Planning, Imitation Learning 和 RL。创始团队其他核心成员绝大部分拥有 Cruise、Tesla 以及 MIT 的背景，团队间彼此有多年共事经历。 • Kyle Vogt：CEO Kyle 是一个连续创业者，2013 年至 2023 年担任 Cruise CEO，Cruise 在 2016 年被通用汽车以 10 亿美元收购；2006 年至 2013 年，Kyle 还联合创立了 Twitch，Twitch 后来被亚马逊以 11 亿美元收购。作为天使投资人，Kyle Vogt 还投资了超过 40 家创业公司，有 7 家成功退出； • Paril Jain：CTO 及联合创始人。Paril 曾是 Tesla Autopilot 的 head of Planning,，在 2021 年 10 月至 2024 年 3 月任职于 Tesla 期间先后在 Limitation Learning & RL team 工作， Figure 基本信息 Figure AI 成立于 2022 年，目标是设计可以应用于人类环境的通用型机器人，让机器人可以执行各种不同的任务，可为制造、物流、仓储和零售等多个行业提供帮助。 CEO Brett Adcock 是一位连续创业者，有 20 年的创业经验，在过去 15 年中一直在创建软件和硬件公司。2022 年，在上一家公司 Archer 在纽交所上市 9 月后，Brett 创立了 Figure。 Figure 目前有 80 名全职员工，团队成员主要来自波士顿动力、Tesla、Google、Standford、Lucid、Apple、IHMC 机器人实验室以及丰田等顶尖企业和高校。 产品 Figure 的目标是开发出可以执行通用任务的机器人，目前已经推出人形机器人产品。 Figure 的人形机器人重 60 千克，有效载荷 20 千克，身高 5 英尺 6 英寸，运动速度 1.2 米/秒，运行时间 5 小时。此外，该机器人还能负重举起 30 公斤、约合 66 磅的物品，作为比较，美国职业安全与健康管理局规定的人类员工合法举起的最大重量是 51 磅。Figure AI 正在开发能够以人类水平操作物品的双手。 Figure 选择电动马达而不是气动马达为机器人提供动力。电动马达的优势在于续航时间，之前的人形机器人一般只能连续工作 1-2 个小时。Figure 的机器人如果充电 15 分钟，可以工作 1.5 小时，充电 40 分钟就能工作 4 小时，可以较容易地满足每天工作 8 小时的要求。机器人可以自动停靠充电。 商业化 Figure 在将聚焦三个重点行业来开发通用机器人，因为不同领域成熟度之间存在差异，所以在 roadmap 上有不同优先级，短期内 2B 场景的劳动力需求是 Figure 关注的重点： 1. 初期：2B 场景劳动力 公司初期将重点关注美国劳动力短缺的企业应用场景，包括制造业（1300 万个工作岗位）、物流业（200 万个工作岗位）、仓储和配送中心（500 万个工作岗位）以及零售业（3200 万个工作岗位）。 其中，3PL （第三方物流）仓库将是第一个部署机器人的场景，原因在于： • 和室外环境比，室内场景在硬件设计中不用考虑风雨、暴晒等情况； • 仓库拥有结构化的环境，例如货物的 SKU 数量、位置、重量、尺寸、何时开始、需要运往何处、位于何处等一切信息 ； • 无需与人进行过多的交互，仓库有成熟的管理系统，从拆箱到发货都能全程跟踪发出机器指令，无人化程度高，利于尽快落地； • 仓储业是全美工人流失率最高的行业之一。全美平均工人流失率为 3.6%，而仓储业流失率是 37%，这个领域长期存在缺勤和工伤问题。 2. 中长期：居家养老服务 全球有 23 亿个家庭，7 亿老龄人口需要居家养老服务。未来，公司希望人形机器人能够协助人类做家务和跑腿。不过这是长期目标，公司认为如果以居家服务作为起点不利于快速规模化量产，因为居家场景： • 场景不标准化； • 场景中有人，在避障、交互方面需要更成熟的技术，对安全性要求也更高。 3. 长期：太空经济 公司计划在未来协助太空探索。太空探索是一项危险的工作，而机器人可以在恶劣的条件下很好地工作，因此对于太空经济来说，机器人将是一个理想的大规模劳动力解决方案。但显然这个愿景还很远。 商业模式：选择订阅、租赁的方式而非出售 在商业模式上，Figure 选择租赁了而不是直接出售整机，由于目前机器人单机成本太高，也没有非常成熟的落地场景，选择订阅和租赁的方式可以把单次使用成本降低，对用户和客户而言是更好接受的方式。公司在收费方面的目标是每个机器人的年收费从 5 万美元到 10 万美元不等，最低价格基本和一名人类工人成本等齐。 假设一名工人每小时平均工资为 23 美元，一个普通的仓库运营中可能以 8 小时为一个班次，按每个月 22 天工作计算，每年每位仓库工人工资大约 4 万 8 千美元，而机器人的工时是工人工时的两倍以上，此外，蓝领工人短缺、工资不断上涨是美国近几年的普遍现象，直接带来了机器人的需求。 Figure 融资历史 1X 基本信息 1X 创立于 2014 年成立，开发人形机器人软硬件，机器人拥有近似于人类的能量密度、体型和运动范围，可以在商业安全、零售、物流和医疗保健公司部署，未来将会在消费级部署。 公司发展历史 1X 由 Bernt Øivind Børnich 于 2014 年在挪威创办，最初公司名为 Halodi Robotics，旨在制造通用机器人来处理劳动密集型任务。2018 年，公司开发了世界上扭矩最大的重量驱动伺服电机机器人 Revo1，Revo1 是一款低齿轮比的机器人，可以模仿人类的肌肉运动。2019 年，公司在旧金山建立了第二个总部。2020 年公司与 Everon 合作，签署了部署 150-250 个机器人在美国商业建筑中进行夜间守卫的合同。2022 年，公司有了重大突破，与 OpenAI 合作，并开始寻求借助人工智能模型来为其机器人增加智能。公司引入了语言模型和具体的学习模型，使机器人能够理解用户用自然语言提出的要求，并在学习的过程中执行任务。 产品 EVE（左）和 NEO（右） EVE（已上市） EVE 是一种仿人机器人，它靠一对轮子行走，既能理解自然语言，也能理解物理空间，现已上市。该机器人主要用于物流设施和工厂等工业环境：例如，在工厂中执行任务、在制造业中协助后勤工作、作为巡逻警卫在建筑物中导航和放哨等。目前，EVE 已经在多个企业和组织中部署（大概 70 个 EVE），用于搬运设备、开门和履行订单等工业任务，同时能够自然地在非结构化和结构化空间中移动。 在学习方面，机器人从演示中学习。EVE 能够通过观察人类执行任务的方式来学习新任务，并复制工作流程。此外，内置的人工智能软件还能理解自然语言指令。受到自动驾驶汽车的启发，公司的数据收集方法与传统的编码和预定算法有所不同。通过使用 VR Teleop，操作员引导机器人观察不同的现实世界场景，提供对任务难度和可行性的直观理解。当数据被大规模收集时，机器人就学会了一项新技能。 在硬件方面，EVE 的所有硬件组件几乎都是自己设计的。该机器人使用一系列内部电机为其运动提供动力，更加灵活和高效。这些电机不包括任何齿轮，齿轮在提供动力的同时，会增加重量，降低自然动力，妨碍灵活性。1X 的机器人已成功开发出无需使用齿轮即可达到人类肌肉约 80% 力量密度的电机。同样，连接机器各部件的内部电缆也是基于定制设计。这些电缆减少了 EVE 必须安装的传感器数量，从而降低了制造成本。此外，传感器数量的减少还为机器人底盘内的其他组件留出了更多空间。 在通用能力方面，1X 通过设计让机器人可以请求人类干预复杂任务。例如，EVE 可以自主巡逻设施，但在遇到意外情况（如门被挡住）时可能需要人类的帮助，这样不仅能为客户提供了直接的实用性，还创造了一个数据反馈回路，帮助机器人不断学习和适应。 NEO（开发中） NEO 是在工作和家庭中的双足人形机器人，既能理解自然语言，又能理解物理空间，目前正在开发阶段。与 EVE 不同，NEO 不是靠轮子行走，而是步行。它的最高速度略低于 EVE，电池寿命也较短，身高也比 EVE 低。但 NEO 拥有更先进的机械臂，可以执行更广泛的任务。 NEO 擅长安全、物流、制造、操作机械和处理复杂任务等领域的工业任务。从长远来看，公司设想 NEO 可以为家庭提供有价值的帮助，完成清洁或整理等家务。1X 还在研究如何让 NEO 为行动不便的人提供支持。NEO 同样可以被远程控制。 融资历史 Physical Intelligence 创立于 2024 年 3 月成立，公司的目标是做可以适配所有硬件的通用机器人 foundation model，成为机器人领域的 OpenAI。Physical Intelligence 最大的亮点在于团队，其创始人 Sergey Levine 被公认为 robot learning 领域全球最强的 researcher 之一。Physical Intelligence 的首轮融资金额 7000 万美金，估值大约 4 亿美金，领投方为 Thrive Capital，跟投方为 OpenAI, Sequoia Capital, Khosla Ventures, Lux Capital。 核心创始成员情况 PI 的创始人Sergey 是 robot learning 领域全球最强的 researcher 之一，也非常有影响力。团队核心成员主要来自 Google，其中 Sergey、Chelsea、Hausman、Brian 均为 Google 机器人团队非常核心的成员，而 Google 是 robot learning 领域最强的 research lab。目前团队仍在不断从 Google 挖人，鉴于 Sergey 等人的影响力和号召力以及 Pi 的愿景，未来几个月我们可能会看到越来越多该领域的优秀的 researcher 和工程师加入团队。 • Sergey Levine：Berkeley 电子工程与计算机科学系副教授， Robot Learning 领域最顶级的研究员，他的 Google scholar 的被引用量为超过 12.9 万，也是被广泛使用的 Soft-Actor Critic（SAC）强化学习算法的共同发明人。他还是个顶会狂魔，在此前的不完全统计中，Sergey Levine 2018年在 ML 和 NLP 顶会上共发表 22 篇论文，为全球第一；ICML 2019，他参与论文数量排名第三；NeurIPS 2019、NeurIPS 2020，他均有 12 篇论文被接收。 • Chelsea Finn：斯坦福大学计算机科学与电子工程系的助理教授，她的实验室 IRIS 研究通过大规模机器人交互实现智能在 Deepmind 担任 Research Scientist。她的研究主要集中在让机器人和其他 agents 通过学习和互动发展广泛智能行为的能力。 • Karol Hausman：Google 机器人团队发布的 RT 系列论文的核心 lead。2018-2024 年，Karol 在 Google DeepMind 机器人团队担任 Staff Research Scientist and Robot Manipulation Lead；2021 年至今在斯坦福大学担任兼职教授，教授深度强化学习课程。 • Brian Ichter：2018-2024 年在 Google DeepMind Robotics team 担任 Research Scientist。他的研究兴趣在于使移动机器人系统能够通过 ML 和 large-scale models，在现实环境中规划和执行 long-horizon 任务。 • Lachy Groom： Stripe 的第 30 号员工，同时也是一位天使投资人。根据 pitchbook 的数据，他在 2021 年完成的第三期个人基金规模 2.5 亿美元，这是 Solo VC 的第三大募资记录。Lachy 在团队主要负责融资。 除此之外，创始团队成员还包括 Suraj Nair 和 Quan Vuong。Suraj Nair 在斯坦福大学人工智能实验室获得了计算机科学博士学位，得到 Chelsea Finn（公司联合创始人） 和 Silvio Savarese 教授的共同指导。Quan Vuong 是加州大学圣地亚哥分校的博士生，攻读博士学位期间在 Google DeepMind 的机器人团队实习。 Skild AI Skild AI 成立于 2023 年，致力于开发机器人的 foundation model，用于驱动各种机器人，包括人形机器人、四足机器人等。2023 年 7 月，红杉美国和 Lightspeed 共同领投了 Skild 的 seed 轮融资。2024 年 4 月，公司完成了新一轮 3 亿美元融资，投后估值 15 亿美元，投资机构包括 Coatue Management, Lightspeed Venture Partners, Ryan Wilson， Sequoia, General Catalyst， Menlo Ventures 等。 Skild AI 由 CMU 的 Abhinav Gupta 和 Deepak Pathak 两位教授创立，二位曾在 Meta Platforms 一起从事人工智能研究工作。 • Abhinav Gupt - 从 2009 年 8 月起，Abhinav Gupta 在 CMU Robotics Institute 担任教授，他的研究主要专注于通过构建自监督学习、终身学习和交互式学习系统来扩展学习。 - 从 2018 年 4 月至 2022 年 5 月，Abhinav Gupta 在 Facebook 担任 research manager。期间他在匹兹堡创立了一个新的研究实验室，还在 Facebook AI Research 建立了一个新的 robotics 团队，在这一阶段，他和团队在自监督学习、触觉传感、机器人导航和操纵等多个领域取得了关键性的创新； - 在 2016 年 9 月至 2018 年 3 月期间，Abhinav Gupta 作为科学顾问兼职了 Allen Institute for AI (AI2) 的工作，他为 PRIOR 团队提供咨询，并与多个研究项目合作，包括著名的 Charades 数据集和 AI2 Thor； - 2016 年 1 月至 2018 年 3 月，Abhinav Gupta 在谷歌兼职顾问，为计算机视觉和大规模视觉学习项目提供指导，并领导了一个使用 JFT-300B 图像学习大型模型的项目。 •Deepak Pathak - Deepak Pathak 研究与计算机视觉、机器学习和机器人相关的人工智能课题，并从动物认知和生物学中汲取灵感。终极目标是制造出具有类似人类能力，能在真实而多样的环境中进行泛化的机器人。 - 曾是 VisageMap Inc. 的联合创始人，并在微软担任过研究实习生； - Deepak Pathak 曾在 Meta AI Research 与 Jitendra Malik 合作担任研究员一年，并在加州大学伯克利分校与 Pieter Abbeel 合作担任访问博士后； - 2020 年至今担任 CMU 计算机科学学院的助理教授，是 Robotics Institute 的成员并隶属于 Machine Learning Department。

IT之家 7 月 12 日消息，亚马逊宣布其生成式 AI 购物助手 Rufus 经过五个月的小范围测试之后现已面向所有美国客户开放。 亚马逊表示，Rufus 旨在帮助您节省时间并做出更明智的购物决策。它可以回答您各种各样的购物需求和商品问题，“就像随身带了一个购物助手一样”。 用户可通过点击亚马逊 App 中的一个图标调出文本聊天界面，从而向 Rufus 提出各种问题，例如识别耐用的户外扬声器型号、比较跑鞋或获取订单更新。 IT之家注意到，Rufus 接受过亚马逊目录和网络内容训练，因此它还熟悉名人生平，可以建议用户到缅因州哪些湖泊游玩，甚至还可以写一部短篇小说。

快科技7月13日消息，日前，荣耀除了发布破纪录的折叠屏手机之外，还推出了极其轻薄的笔记本——荣耀MagicBook Art 14。 荣耀MagicBook Art 14重1.03kg、厚度约1cm，做到了行业天花板级别的轻薄，与之前行业第一的华为Matebook X Pro 980g仅重了50g。 有网友称荣耀MagicBook Art 14与华为Matebook X Pro很像，赵明对此回应称：“明明好很多好吧？什么叫像呀。” 赵明还列举出了各项领先的参数，比如荣耀MagicBook Art 14拥有14.6英寸的屏幕，而且配备超大触控板，这都领先华为。 此外，华为Matebook X Pro只有一个Type-C接口，而荣耀MagicBook Art 14提供了两个Type-C接口，还提供了HDMI，明显更实用、更强大。 值得一提的是，荣耀为了实现超薄机身和2.2mm三等边超窄边框，还行业首发了磁吸摄像头。 机身左侧设计有收纳槽，一按即可弹出，摄像头拿出后，可吸附笔记本屏幕顶部，而且正反都可用，非常的便利。 不用的时候可一按收纳，以此实现物理的绝对隐私保护。

IT之家 7 月 13 日消息，科技媒体 Android Authority 挖掘谷歌 Wear OS 5 系统代码，发现 Pixel Watch 3 将支持超宽带（UWB）和蓝牙低功耗音频（Bluetooth LE Audio），带来更卓越的使用体验。 支持 UWB IT之家注：超宽带（UWB）是一种具备低耗电与高速传输的无线个人区域网络通信技术，适合需要高质量服务的无线通信应用，可以用在无线个人区域网络、家庭网络连接和短距离雷达等领域。 UWB 是一种短距离无线通信协议，可以精确定位物体之间的距离和方向。在 Wear OS 5 开发者预览版中，设置中出现了相关的字符内容，在连接选项中会添加“UWB”选项，其描述为“启用后有助于识别附近 UWB 设备的相对位置”。 <string name="pref_uwb">Ultra-Wideband (UWB)</string><string name="pref_uwbDescription">Helps identify the relative position of nearby devices that have UWB</string><string name="pref_uwbDescription_airplaneMode">Turn off airplane mode to use UWB</string><string name="pref_uwbDescription_regulatory">UWB is unavailable in the current location</string> 支持蓝牙低功耗音频，改善续航 Bluetooth LE Audio 新一代蓝牙音频技术标准，不仅能提升标准蓝牙音频性能，还有多种全新应用案例，其最主要的特征是包含一个高质量、高能效的全新 LC3 音频编解码器。 谷歌已经在安卓 13 系统中初步支持蓝牙低功耗音频，支持从 1 台源设备向 1 台汇接设备传输音频信号；而在安卓 15 系统中谷歌进一步完善支持，可以从 1 台源设备向多台汇接设备传输音频信号。 <string name="pref_bluetooth_leaudio">LE Audio</string> 而基于安卓 14 的 Wear OS 5 更新，将会为首个支持蓝牙低功耗音频（至少是单播）的 Wear OS 版本。

IT之家 7 月 13 日消息，消息源 @PhantomOfEarth 今天发布推文，表示微软今天面向 Beta 频道发布的 Windows 11 Build 22635.3930 预览版更新中，隐藏了一项新特性：让开始菜单实现类似于 iOS、安卓系统的应用文件夹效果。 消息源表示用户虽然可以通过 ViveTool 启用该功能 ID，但目前实现的效果还比较粗糙，距离日常使用还有很长的路要走。 根据截图，在 Windows 11 开始菜单“所有应用”列表中，该功能 ID 可以启用“类别”（Category）视图，其效果和手机端类似，让用户可以根据偏好，定制娱乐、音乐、新闻和天气、工具等文件夹。 IT之家附上操作步骤如下： 1. 安装 Windows 11 Build 22635.3790 预览版更新。 2. 从 GitHub 页面下载 Vivetool 工具，然后解压缩到任意文件夹，但需要记住该文件夹路径（例如 C:\Program Files (x86)\ViVeTool-v0.3.2）。 3. 按下 Win 键（或者使用鼠标）打开开始菜单，输入“cmd”，然后选择“以管理员权限”打开命令提示符。 4. 使用 cd 命令跳转到 ViveTool 文件夹，例如“cd C:\Program Files (x86)\ViVeTool-v0.3.2” 5. 然后输入 vivetool /enable /id:47205210,49221331，按下回车键 6. 重启设备