全球混凝土及砂浆行业供应链平台

苹果与高盛终止合作 凤凰网科技讯 北京时间11月29日，知情人士称，苹果公司将终止与华尔街知名投行高盛的信用卡合作关系。高盛原本希望借助苹果的信用卡向消费者借贷领域扩张，但是这一努力如今遭到了致命一击。 据知情人士透露，苹果最近已经向高盛提出了一项建议，希望在未来大约12个月至15个月内解除合同。合作的终止将涵盖双方的整个消费者合作伙伴关系，包括两家公司在2019年推出的信用卡和今年推出的储蓄账户。 目前尚不清楚苹果是否已经为其信用卡找到了新的发卡机构。 高盛撑不住了 两家公司的分道扬镳表明，这个消费者金融合作项目已经发生了重大变故。就在一年多前，苹果和高盛还将双方的合作延长到了2029年，该项目还被高盛视为进军消费者业务领域的支柱。 去年年底左右，高盛有了退出合作的想法。当时，高盛为了建立可提供全方位服务的消费者业务已经损失了数十亿美元。今年年初，高盛告诉苹果，它将寻求摆脱双方的合作关系。一般来说，在这种合作关系中，商家会掌控话语权。在与高盛的合作中，苹果占据主导权。 苹果信用卡 高盛已与美国运通进行了磋商，讨论了该苹果信用卡项目移交给美国运通的可能性。但是，美国运通对该合作项目的多个方面表示担忧，包括信用卡损失率。目前尚不清楚这些讨论是否还在继续。 知情人士称，除美国运通外，消费者金融服务公司Synchrony Financial也一直在研究接手苹果信用卡业务的可能性。Synchrony是美国最大的商店信用卡发行商，它所面向的贷款对象范围广泛，其中包括了信用评分较低的消费者，它最初曾与高盛争夺苹果信用卡项目。多年来，Synchrony一直试图将自己定位为一家与科技公司关系密切的发卡商，并将亚马逊、PayPal列为最大的信用卡合作伙伴。 对苹果的影响 对苹果来说，终止与高盛的合作是其服务业务遭受的一次挫折。随着iPhone销售开始放缓，该公司越来越依赖服务业务。不过，与高盛的合作关系很可能只占其收入来源的一小部分。截至今年9月份的第四财季，苹果整体销售额同比下降不到1%，而服务业务收入增长了大约16%。 相比之下，高盛受到的影响更大。该投行的主要业务一直是服务大企业、投资者客户和超级富豪，本希望借助与苹果的信用卡合作进军消费者领域，实现业务的多元化。但是，这一努力失败了，结束与苹果的合作就是一个重大败退。现在，高盛正把注意力回归到核心客户上。 高盛的信用卡贷款余额 高盛还在今年11月告诉员工，计划结束与通用汽车的其他信用卡合作关系。通用汽车预计将开始寻找新的发卡商。今年10月，高盛同意将专门提供改善住房贷款的GreenSky出售给一群投资者，并停止发放个人贷款，并出售了大部分贷款余额。 矛盾重重 其实，高盛和苹果的合作关系从一开始就不太顺利。苹果在广告中称，其信用卡不是来自银行，这激怒了高盛的一些高管。苹果一直在推动高盛批准几乎所有信用卡申请，推高了高盛的贷款损失。 苹果还坚持要求持卡人在月初收到账单，这导致高盛客服人员被大量持卡人打来的电话所淹没。一般情况下，大多数信用卡项目会分批次向持卡人发送账单，以避免这种混乱。 而且，高盛的一些高管私下里将该行受到的监管审查归咎于苹果。高盛去年披露，美国消费者金融保护局正在调查其“信用卡账户管理做法”，包括该银行如何解决账单错误和向持卡人退款。 与此同时，美联储一直在更广泛层面上调查高盛的消费贷款业务。高盛正把把员工从消费贷款部门调往一个名为“蓝色计划”(Project Blue)的内部项目，该项目的任务是解决监管问题。 高盛还在想办法留住信用卡业务的员工，直到公司将苹果信用卡项目转手。该银行在本月告诉其信用卡合作业务的员工，如果他们被裁员，他们将有资格获得相当于一年薪酬的补偿。高盛正在将这一计划扩大到特定员工，包括法务和工程部门的员工，这些员工不在消费贷款部门工作，但他们的主要工作重点是满足该部门的需求。(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”。

滴滴崩了。 这次瘫痪时间持续近12个小时，有可能创造滴滴历次故障之最。对于平台型产品，不稳定性极大的影响用户体验。 很快，“滴滴崩了”、“滴滴打车打不到”、“青桔害我迟到”、“部分滴滴司机开始提现”等话题相继登上热搜，引发热议，还有好事者梳理出：滴滴崩溃简史。 28日早间，滴滴官方回应，网约车等服务陆续恢复正常。对于本轮系统故障的原因，不少分析认为，滴滴系统半夜遭遇黑客攻击，滴滴App、共享单车都崩了，说明更底层的基础设施出问题； 还有不少人认为，结合此前的阿里云故障，目前精细化管理，降本增效成为互联网公司主流。多番调整，受冲击最大的是公司的中层骨干，也就是干活的那帮人，活水转岗或者是裁员跳槽，最终反噬到经营管理。网友说的更直白，调侃称，这是开“猿”截流，降本增“笑”——字面意思，不难理解。 值得一提的是，11月12日，阿里云刚刚经历了一次大规模故障，共持续超过一个小时。当时有用户反映，滴滴产品也出现服务不稳定的情况。 更加巧合的是，27日，从早上9点16分开始，阿里云北京、上海、杭州等地以及美东、美西等多个地域，多个数据库产品（RDS、PolarDB、Redis等）的控制台和OpenAPI访问出现异常，直到10点58分恢复。 这不免让外界把此次故障原因与阿里云联系到一起。28日晚间，滴滴对外释放信息，截止当日晚20:00，一些滴滴司机师傅表示，已经回到了日常接单的忙碌状态，平台也发放了奖励。有滴滴内部人士透露，网约车整体呼叫成功率已恢复至上周同期100%的水平。 还有滴滴内部员工对媒体表示，服务系统崩溃时滴滴内网也处于崩溃状态，员工无法正常使用内网相关服务。在11月28日下午，滴滴内网完成修复。结合来看，此次故障原因没有外界臆测的那么复杂，可能就很简单，或者说很低级，即是自身业务调整引发故障。 相比以往，这次滴滴的宕机故障造成的影响更加负面，传播范围更广。单从经济损失上看，有媒体预测，根据滴滴出行此前公布的2023年第三季度财报数据，单季度中国出行业务总交易额为725亿元，日均单量达到3130万单，而以此次“崩了”的故障时长计算，估计将会让滴滴损失过千万的订单量和超4亿的交易额。 但对滴滴来说，账面上的财务损失容易找补，但程维的损失可不止这4个小目标。 首先是对滴滴业务能力信心的打击。澎湃的采访报道提到，司机端App也崩溃，司机付师傅表示，司机个人损失不多，但当天滴滴平台上，可能出现挤兑的情况，不少司机都在提现，怕系统出问题自己的账户出问题或者被注销。他还提到，系统提现也有问题，“我可以提现，好久了一直没有到账。不过群里有几个说到账的了，时间还都不一样。” 这条新闻，完整的标题是《滴滴崩溃12小时：乘客下不了单，司机休息避险，出了什么故障》，客观的记录了滴滴崩溃12小时的影响。但到第一财经，选择性的截取其中一段，核心信息就变成“部分滴滴司机开始提现”，虎嗅等重要平台跟进转载，话题迅速被推上热搜。 事件真相未明之前，部分事实或者说个体情况的转述，只会让普通司机、不明觉厉的群众产生恐慌。正如网友在微博吐槽：“司机不懂，怕最后不能提现，所以着急，这个我能理解。但是你一个大媒体把这事儿做成话题发出来，就有故意制造紧张氛围的嫌疑了。搁这揣着明白装糊涂？ ” 在这个话题下，不少网友发表类似的感慨“想起我的小黄车99元押金还没有退。”这种被流量营造出来的紧张氛围，传递到司机端、出行端就是恐慌。辛苦挣的钱，拿到手里才算安稳，这是最朴素的诉求。但对平台的负面效用，就是可能产生挤兑，损伤对平台的信任。比如不少观点就提到，“高德躺着就赚到了”。 类似的想法很单纯。周鸿祎在2023世界互联网大会乌镇峰会上曾表示，如果滴滴的服务器宕掉了，可能你出门就叫不到车了。他表示，互联网是一个整体，每个人都联在网上，一旦遭到攻击后，老百姓的生活肯定会受到巨大影响。 这是周鸿祎做安全业务的职业习惯，或者说本能反馈，互联网是一个整体，并且成为新的基础设施时，任何的动荡，受益的绝对不是普通老百姓。 其次是对滴滴商业模式、经营能力的质疑。在故障发生前不久，滴滴刚刚发布2023年三季度业绩报告。数据显示，三季度滴滴实现总收入514亿元，同比增长25%。营收增长的同时，滴滴三季度经调整EBITA亏损3亿元，并未实现盈利。今年前三季度，滴滴累计亏损14.85亿元。 经历过一次挂牌即巅峰的流血上市风波，滴滴一直在苦修内功，谋求重启港股上市。但多方面分析指出，滴滴再次上市的过程不会比过去简化，业务合规及数据、网络安全方面审查，仍然是横在其面前最大的门坎。 回过头来看，冲过去，摔下来，流血阵痛。这个门坎也是滴滴在2021年冲关上市前后，持续保持静默的根本原因。 还有一个普遍关注的信息是，导致故障产生可能是云能力不足。其实，滴滴曾推出过云服务，2017年11月，滴滴公有云以“为开发者而生”的口号上线。今年3月31日，滴滴云方面宣布，由于产品线调整，自当日起不再对外提供公有云服务。 这次宕机，把滴滴的诸多内部问题，更加真切地暴露，就像一次未经编排的演练，打了程维一个措手不及。 最重要的还是来自舆论的压力。除了第一财经的“蹭流量”式报道，澎湃还有一篇评论：《滴滴崩溃12小时：重新认识“风险社会”》。评论员指出，这次突发状况，加深了“风险社会”概念的注脚。 现代风险社会理论框架下的风险，与过去常规理解的社会风险有几个重要区别。比如，从影响面来说，风险社会中的风险被称为“平等主义者”，它几乎是同等地指向每个人。 这次滴滴崩了，带来的影响就是跨地区、跨人群的，具有很强的扩散性和传导性。这种情形，虽然未必能做到百分百避免，但平台有责任加强防范，保障好系统的运行稳定和运营安全，并建立完善的应急系统，尽可能将负面社会影响降到最低。 正所谓““体量越大，能力越大，责任越大”，传递到滴滴，就是平台责任、经营压力的逐级下放，这是鞭策，也是教训。 实际上，虽然本次故障，直接导致不少用户选择其他出行平台，进行风险对冲。比如“滴滴系统崩溃，其他平台爆单”的话题登上了热搜，很多网友表示，因滴滴出行出现故障，第一次用上了高德打车、美团打车和百度打车等。但这对滴滴的整体市场规模不会产生太大影响，这是典型的马太效应，也是滴滴的底层能力。 这在媒体报道里有所反映，滴滴在网约车领域仍占据“一超”地位。根据网约车监管信息交互系统统计，10月份共收到订单信息8.09亿单，环比上升2.1%，其中，以高德、百度、美团等为代表的“聚合平台”，完成2.23亿单，环比上升2.1%，占据了市场约27.56%的份额。 滴滴出行过去市占率最高约为9成，降到目前的7成左右，形成“滴滴出行+聚合平台+运力公司”的格局。 由此也能看到，过去一段时间，互联网企业转向的负面效应也逐渐显现。这次是崩溃的是滴滴、阿里云，下一次会是谁？不得而知。 就在此时，收到滴滴最新致歉：初步确定，这起事故的起因是底层系统软件发生故障，并非网传的“遭受攻击”，后续公司将深入开展技术风险隐患排查和升级工作，全面保障服务稳定性，尽最大努力避免类似事故再发生。

财联社11月29日讯（编辑 黄君芝）为了降低生物柴油的生产成本，立陶宛的研究人员开发了一种环保的方法，从大量的废物来源——烟头中提取三醋精（三乙酸甘油酯，一种增强燃烧的添加剂）。以这种方式回收烟头不仅可以处理废物，而且可以使其得到可持续利用。 生物柴油是一种可再生、可生物降解的燃料，是传统“化石”柴油的替代品，有害温室气体排放量低。生物柴油由食用油和非食用油、动物脂肪和废弃的餐馆油脂等生物来源制成。这听起来似乎不错，然而，生物柴油生产的高成本是其全球营销的主要障碍。 一种有效的解决方案是将生物柴油与三醋酸甘油酯等添加剂混合。研究表明，三醋精有助于减少空气污染，提高生物柴油的可燃性。问题是，三醋精一般是通过化学方式生产的，消耗大量的化学物质，产生大量的废物和有毒残留物。这意味着需要一种替代的、环保的三醋酸来源。 来自立陶宛考纳斯理工大学（KTU）的研究人员与立陶宛能源研究所合作，开发了一种从大量的废物（烟头）中提取三醋精的方法。最新研究结果已于近期发表在了《分析和应用热解期刊》上。 该研究的首席兼通讯作者Samy Yousef说：“香烟由三种成分组成——烟草、纸张和由醋酸纤维素纤维制成的过滤嘴，是一种很好的原材料和能源来源。此外，烟头很容易收集，因为有很多收集这种废物的系统和公司。” 以前，有科学家曾尝试使用热解从香烟废料中提取原料，但在这里，研究人员采用了一种新颖的方法，不试图将香烟分解成其成分。 Yousef说：“有一些研究与我们类似，使用热解作为一种方法，这需要对材料进行预处理，以分离所有成分。由于烟草是一种有毒废物，处理它需要特别小心，而且由于分离香烟废物成分的技术过程复杂，这在经济上是不可行的。” 在最新实验中，研究人员利用热解技术进行了一系列实验，在1202、1292和1382 °F（650、700和750 °C）的温度下对烟蒂进行热分解。根据所使用的温度，他们可以提取出不同数量的富含三醋酸苷的油、焦炭和气体。 具体而言，在1382 °F（750 °C）的温度下，三醋精化合物的萃取量最大（43%），产率估计为38 wt%的油、25.7 wt%的焦炭和 36.4 wt%的气体。在相同温度下，焦炭产品具有富含钙的多孔结构，可用作吸附剂。 “所有的产品都有实际用途，”Yousef说：“在我们的研究中，炭是多孔的，富含钙，可以用作肥料或废水处理，作为吸收剂和能量储存。天然气可以用作能源。最后但并非最不重要的是油，富含三乙酸乙酯，可以用作生物柴油的添加剂，以降低成本。” 据估计，全球还有4.5万亿个烟头正在污染我们的环境。以研究人员提出的方式回收这些烟头，不仅可以清除废物，还可以对其进行可持续利用。

黄仁勋 凤凰网科技讯 北京时间11月30日，美国人工智能芯片巨头英伟达CEO黄仁勋(Jensen Huang)周三证实，公司正在为中国市场开发特供芯片，这些芯片不会违反美国的出口管制规定。 黄仁勋周三出席了在纽约举行的DealBook大会。他重申，英伟达致力于中国市场的发展。他表示：“我们必须开发出符合出口管制规定的新芯片，一旦满足规定的要求，我们就会回到中国销售。我们会尽量与所有人做生意。当然，我们的国家安全也很重要。我们的国家竞争力至关重要。” 他还警告称，美国的出口管制规定会带来意想不到的后果。他说，中国目前有多达50家公司正在开发与英伟达产品竞争的技术。（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”。

在这个短视频平台井喷的时代，想要成为一名网红这事，不再是虚无缥缈的梦。 比起图文自带限制，短视频强在短小精湛不花太多时间，又主打视听体验拉满。 So，不需要鹤立鸡群的事迹，只要有高颜值或过人之处，就有成为网红的机会。 小雷自刷短视频以来，已经陆陆续续关注过不少女博主，从0到1变成了女网红。 某音女网红那么多，想必大伙略知几个，但要说起「痞幼」可就没人不知道了吧？ 痞幼坐拥2872万粉丝，获赞6.1亿，随便发一个视频少说几十万多则有上百万点赞。 不过几年时间，小雷依然还是码字小编，人家却从小网红变成千万粉级头部网红。 害，说不羡慕那是假的。 图源：抖音@痞幼 而网红一旦粉丝体量上来，一举一动多少双眼睛看着，一不小心就容易「翻车」。 这不，最近这几天痞幼就接连上了好几次微博热搜，甚至陷入「抄袭」风波。 这其中到底发生了什么？小伙伴们请准备好沙发和瓜子，下边且听小雷细细道来。 千万粉女网红道歉 事情还要从短视频博主丁亦然发布的一个视频说起。 先给不了解情况的小伙伴介绍下，丁亦然是一名极地摄影师，目前正旅居冰岛。 喏，他的账号作品主要以极地风光见长，而作品里头又以「冰岛风光」更出名。 原本他和痞幼是完全不同类型的网红，就像两条平行线永远不会有交集的关系。 图源：抖音@丁亦然 只是最近痞幼也去了冰岛，而在她发布的冰岛视频里，却出现和丁亦然一模一样的视频片段。 小雷反复看了好几遍，基本可以确定这两段视频就是同一个素材，只是前者画面有些裁切。 而原创作者丁亦然在粉丝提醒下发现这事儿，于是人家果断在平台喊话视频被盗用。 图源：抖音 痞幼先是找丁亦然聊了聊，表示是团队一直在找素材，觉得好看这才放进视频里。 好看归好看，但版权总归是他人的，作为千万粉网红的团队，这波操作属实离谱。 So，丁亦然并没有接受痞幼方的说辞，而是要求尊重对方原创内容并且公开道歉。 图源：抖音 毕竟痞幼是千万粉级别网红，事情一发酵就火速上了微博热搜，网友立马炸开锅。 不过痞幼反应速度很快嗷，马上就发布了一则正式道歉声明： 视频里确实未经授权使用了丁亦然的视频素材，对此她感到抱歉； 郑重承诺丁亦然以及更多艺术创作者，她不会在本人非授权和允许下使用其账号素材。 图源：抖音 喏，原作者丁亦然也接受痞幼的道歉，表示自己并没有别的诉求。 只是希望这件事能作为一个例子，引起大家对版权的重视，并且尊重版权。 这波格局打开了有没有~ 小雷本以为这件事就告一段落，没成想才过了一天，痞幼就又双叒叕上了热搜！ 图源：微博@丁亦然Yiran 吸金能力一流 这次火上微博热搜的是，#痞幼3个月广告收入约为1620万#这个话题。 都知道当网红挣钱，但头部网红能挣到这么多钱，见多识广的小雷也是头一回见。 虽说痞幼方回应因相关人员在国外，收入情况还不清楚，但小雷已经扒到了一些。 图源：微博 喏，现阶段痞幼的流量变现主要以橱窗带货和广告两种方式为主。 橱窗带货这个大伙很熟了吧，有流量的账号开通橱窗，就可以上架商品进行售卖。 痞幼橱窗里已经售出了26万+件商品，上架商品不固定，目前挂着的是眉笔链接。 光靠一个小小的橱窗，痞幼就已经卖出了这么多商品。 图源：抖音@痞幼 除了橱窗，痞幼的广告视频也很吸金。 据媒体消息，痞幼的星图报价1~20s视频报价为35万；21s~60s及60s以上报价为60万。 更关键的是，痞幼账号里关于广告的视频时长普遍都要超过60s。 而据巨量星图数据显示，截止到2023年9月15日，近90天的时间痞幼共更新46条内容。这里面广告视频有27个，占了更新总条数的一半还要多。 打个比方，如果按每天广告60万的报价计算的话，近3个月的时间痞幼广告收入大概为1620万元，也就是热搜话题上的那个数字。 图源：微博@财经网 那么问题来了，几千万粉丝的女网红也不是没有，怎么她们不如痞幼挣得多呢？ 其实还要归功于痞幼及时转型，早期痞幼靠着萌妹和机车的反差组合火出了圈。 在收获大批男粉后，关于痞幼擦边相关争议随之出现，这时痞幼男粉占比超9成。 图源：微博@财经网 兴许是有高人指点，中后期的痞幼开启了「男女通吃」路线。 比如开启了《粉丝系列》，痞幼和男男女女粉丝或亲密互动、或实现他们的愿望。 不仅给自己营造了没架子接地气的人设，还有一种给粉丝们抽大奖送福利的感觉~ 图源：抖音@痞幼 后边又和诸如猴哥说车、八戒说车等汽车类博主合拍视频，顺带炒炒CP蹭蹭热度。 最后真正火出圈了，痞幼甚至能和宁静等大明星一块露露脸，流量这不就来了嘛。 到如今痞幼的女性粉丝占比已经达到49.2%，基本和男性粉丝占比五五开了。 男女通吃，粉丝又多，影响力也上来了，甲方自然愿意花钱往痞幼账号投广告喽。 最后 小雷说了这么多，其实痞幼这波抄袭风波，本质上还是「网红翻车」这一挂的。 既然已经做到2000万粉级别的网红，这些低级错误属实是没必要也不应该犯的。 而网红不比明星们有技艺、作品和忠实粉丝在手，大部分时候只靠人设在支撑。 So，一旦一时疏忽没把握住尺度，就有可能让积攒了好些年的人气流量重置为0。 小雷温馨提醒：网红易成也易倒，各位网红还是尊重版权，好好珍惜羽翼吧。 封面图源：抖音

科技日报记者 张佳欣 据最新一期《自然·神经科学》杂志报道，一项新研究证实，美国加州理工学院研究人员开发的功能性超声（FUS）技术可以成为一种“在线”脑机接口（BMI）的基础，这种BMI可以读取大脑活动，通过用机器学习编程的解码器破译其含义，从而控制一台延时极短、可准确预测运动的计算机。 解剖记录平面和行为任务。 图片来源：物理学家组织网 2021年，加州理工学院研究人员开发了一种使用功能性超声读取大脑活动的方法，这是一种侵入性小得多的技术。 超声波成像的工作原理是发射高频声音脉冲，然后测量这些声音振动在物质（如人体的各种组织）中的回声。声波在这些组织类型中以不同的速度传播，并在它们之间的边界反射。这项技术通常用于拍摄子宫内胎儿的图像及其他诊断成像。 由于头骨不能透过声波，因此使用超声波进行脑部成像需要在头骨上安装一个透明的“窗口”。超声波技术不需要植入大脑本身，这大大降低了感染的机会，并使脑组织及其保护性硬脑膜完好无损。 神经元活动的变化会引起它们对氧气等代谢资源的利用发生变化。这些资源通过血液重新补充，这是功能性超声波的关键。在这项研究中，研究人员使用超声波来测量流向特定大脑区域的血流的变化。就像救护车的警报声随距离远近而改变音调一样，红细胞会在反射的超声波接近声源时增高音调，而在远离声源时降低音调。 通过测量这种多普勒效应，研究人员可以记录大脑血液流动的微小变化，空间区域只有100微米宽，大约为一根头发那么宽。他们能够同时测量广泛分布在整个大脑中的微小神经细胞群的活动，其中一些小到只有60个神经元。 研究人员使用功能性超声来测量非人灵长类动物顶叶后皮质（PPC）的大脑活动，该区域负责规划并帮助执行运动。实验动物被教会了两项任务：移动手来引导屏幕上的光标，移动眼睛看屏幕的特定部分。它们只需要考虑执行任务，而不是实际移动眼睛或手，因为BMI可以读取它们的大脑活动。 超声波数据被实时发送到解码器，然后生成控制信号，将光标移动到希望的地方。BMI能够成功地对8个径向目标执行此操作，而平均误差很小。 总编辑圈点： 带有浓浓科幻色彩的脑机接口技术，正在走进现实。“硅谷钢铁侠”埃隆·马斯克对脑机接口技术的投入，进一步让它变得炙手可热，倍受社会关注。不过从目前来看，这项技术仍处于起步阶段，存在诸多不足。比如侵入式脑机接口往往对使用者身体带来损伤，甚至容易在创口引起炎症反应；非侵入式的脑机接口需要佩戴笨重的头盔，体验感有待改进。与脑机接口相关的脑科学、电子信息技术、材料学等领域的科研进展，将不断助推这项技术迭代升级。

 28日至29日 习近平总书记在上海市考察调研 他考察闵行区新时代城市建设者管理者之家 了解保障性租赁住房建设等情况 闵行区新时代城市建设者管理者之家 共有138间房 440个床位 租金定价结合市场价格 同时充分兼顾保障对象收入水平 为城市一线工作者营造便利之家 温馨之家 　　监制丨申勇 　　策划丨史伟 王鹏飞 　　记者丨贾林 杨紫童 俞翔 　　摄像丨张垚 王子杭 　　航拍丨范凯 郭恩友 罗安敏 　　统筹丨马亚阳 闫岭 　　制作丨赵钰婷 　　资料丨丁欣

短剧一下子火了。 投资人蜂拥而来，剧组挤满横店，500字一集的剧本征集帖四处可见，做短剧暴富的神话在社交平台散布。倘若要给短剧产业命运的齿轮找一个转动的起点，恐怕不是短剧诞生的那一天，而是抖音快手可以直接跳转到微信小程序的那一刻——很多人口中的互联网拆墙时刻。 事实上，付费短剧，乃至更广义的付费短内容，抖音和快手都尝试过。只是过去数年，付费短内容收益寥寥，招致的骂声远高于赚来的钱财。每次新实验上线时，收益能不能覆盖成本尚未可知，但诸如“刷抖音/快手也要付钱啦”之类的热搜话题却从不缺席。 几次尝试后，抖音和快手都逐渐放下曾经做过的“付费梦”。即便制作短剧等精品短内容，也主要将其视为内容生态的补充，重视其消费价值和增长价值，而非付费价值。 但这一切关于付费短内容的“常识”，在今年遭遇突袭。 01. 花钱的理由 短视频平台在做内容付费业务时遇到的麻烦，不能被简单归纳为“用户不爱花钱”。 事实上，抖音和快手的用户，在花钱这件事上并不吝啬。 他们愿意花钱给喜欢的主播打赏礼物，直播收入一度是短视频平台最重要的营收来源。快手上市后发布的第一份财报显示，2020年全年，直播业务营收占比高达56.5%，直播平均每月付费用户数超过5760万。2021年起，尽管线上营销服务收入已取代直播业务，成为快手营收的第一主力，但直播业务的收入仍在持续增长中。 他们也愿意在电商直播间花钱购物。 根据最新财报数据，2023年第3季度，快手电商商品交易总额突破2900亿，前3个季度电商商品交易总额超过7800亿，到年底，成为下一家GMV破万亿的电商平台几乎已成定局。另一头，抖音则在去年就完成了万亿GMV的里程碑，并在今年向着2万亿的目标发起冲刺。 创作者也愿意花钱买流量推广自己的作品。普通创作者付费所购买的流量，在快手被称作“粉条”，在抖音的名字则是“Dou+”。据“Dou+”官网数据，当前花钱推广过自己作品的创作者累计已达4092万。 但主动付费和被动付费是两种商业逻辑，前者是用户消费/生产内容后，主动花钱以表达赞赏或寻求传播，后者则用付费作为门槛，截断了内容消费行为本身。 一字之差，颠覆的是用户在“给内容花钱”行为中的站位。从抖音和快手多年来的探索过程，可以窥见这微小的差异对短视频平台开展内容付费业务的阻力。 早在2020年，快手就曾试水付费内容，部分付费才能完整观看的内容被聚合到名为“付费精选广场”的页面，内容形态包括短视频、直播、录播，内容类别包括课程、短剧、游戏视频等。 快手侧边栏的付费内容入口，图源快手截图 抖音对付费内容的尝试则肇始于2021年夏天。彼时，定价1到30元的抖音夏日歌会被推出，用户可付费收看张惠妹、孙燕姿等歌手的演唱会直播。 其对付费短内容的尝试，则要追溯到2021年第4季度。一批需付费解锁的短剧被推出，按集收费，每集最低需支付1元。2021年11月29日，话题#抖音测试短剧付费#登上微博热搜榜，一度引起广泛讨论，但该模式此后并未全量上线。 2022年初，抖音上线由柠檬影视子公司好有本领制作的精品短剧《二十九》，单集3分钟左右，共20集，前16集可免费观看，后4集需要付费解锁。当前，单集解锁价格为25抖币（即2.5元），打包解锁后4集的价格为60抖币（即6元）。 图源抖音截图 刺猬公社根据《二十九》页面展示的数据统计，截至2023年11月27日，免费的前16集集均点赞量为60.99万，付费的后4集集均点赞量为1.27万。以点赞量粗略估算，付费用户的转化率仅为2.1%。 02. 付费困局，始于基因 国内当前已跑通的内容付费形态主要有两种。第一种是为单篇内容/课程/专栏付费；第二种是形成付费会员体系，对免费/付费用户能消费的内容、可用的功能、使用的体验做差异化处理，以吸引更多用户从免费会员升级为付费会员。 其中，前者促使用户付费的动因，是单一内容/作者自身的高价值性和独占性，最具代表性的是众多知识付费平台打造的付费课程，以及院线电影登陆流媒体平台后的单片付费模式。这类付费行为，强依赖于内容本身与用户需求的匹配程度，且需要与用户免费获取的信息高度区隔。 后者依赖的，则是产出高价值内容的连续性与稳定性，是众多长视频平台的营运之道。 但这两种付费模式，都曾在以抖音、快手为代表的短视频平台遭遇水土不服。并非付费业务做得不好，而是因为短视频平台赖以生存的基因，原本就与这两种付费模式运转的场景相去甚远。 换言之，那些导致用户不愿意在短视频平台看付费内容的因素，正是抖音快手起初能从传统内容平台手里抢来用户的武器。 具体而言，短视频平台与内容付费的底层冲突，体现在以下几个方面。 1）海量的内容生产 抖音和快手拥有海量的视频内容池。2021年，时任快手商业化负责人马宏彬曾透露，快手日发布作品数达3000万条。在抖音，这一数据被称作投稿数，量级在快手之上。 以每天3000万条为基准，单平台一年的作品生产量为109.5亿条，即便其中只有千分之一的作品具备较高的消费价值，1095万条视频也足以确保内容生态的多样性。 内容足够多的另一面是，没有什么内容是非看不可的。即便喜欢某个创作者，把它放入关注列表中，用户也不见得会时常记得观看最新作品。一个佐证是，抖音和快手的关注页，如今显然都已不再是内容消费的主战场。 2）短平快的内容特征 “短”是短视频的基本特征，但对用户的付费动机而言，“短”却是一个负向因素。 内容越短，意味着用户为每秒钟内容付出的成本越高，反过来，短内容需要提供足够高的“单位时间信息价值”，用户才有可能认可这是一笔划算的交易。这是知识付费业务得以生存的核心空间。 除此之外，吸引用户为短内容付费只能依靠“冲动消费”，但在内容供给充足、内容推荐精准的当下，“冲动”显然不足成为一种可靠稳定的销售策略。 3）信息流的产品形态 除了海量内容，制造“千人千面”的推荐算法同样是短视频崛起的重要助力，投喂足够多的用户画像和行为特征后，信息流成为了“最懂你的人”。 与之相对应的，一套完整的交换公式逐步确立起来：创作者生产作品，平台分发内容，用户付出时间，品牌投放广告，平台获得收益，收益被分配给头部创作者。 在这一链条中，用户已习惯付出时间而不是金钱。甚至，因为内容本身就具备吸引力，用户对于付出时间成本是无感的，“时间”成为一种隐形消费。至于打赏主播或是购买商品，那都是“千金难买我乐意”。 但如果要为内容付费，原本稳定的链条就会被打破，成本变得尤为直观可感。用户的第一反应是：反正平台能把我喜欢看的东西推荐到我面前来，这个要付费，那就下一个。 这些基因，连同多年来形成的体验惯性，让用户天然认为在短视频平台“刷”视频应该是免费的，付费内容的空间与场景显得尤为狭窄。 快手的付费精选广场页面一直被保留到现在，入口在快手侧边栏，当前主要售卖的内容为各类课程。热卖课程包括19元的《商用辣椒酱配比量化》、399元《腰间盘突出康复精华课》、25元的《电焊，氩弧，气保焊零基础视频课》等。截至当前，快手付费内容页面销售量最高课程是《迪老师教你零基础学腹语》，售价9元，售出7.4万份。 部分快手热卖视频，图源快手截图 相较娱乐内容，用户更愿意付费的是短内容的知识属性，而大部分以日常娱乐为主要价值的短内容，很难形成足够的付费动机。 数次尝试后，抖音和快手仍回到了最熟悉的领域，即从内容供给视角看待以短剧为代表的精品短内容。至少在今年秋天之前，短视频平台面对的疑问重新回归到“让用户付费看短内容是不是一个伪命题”。 但一些形似“草台班子”的闯入者，打破了某种平衡，付费短内容风云再起。 03. 规模带不来“乱杀” 2023年秋天，当小程序短剧开始疯狂吸金时，不仅行业外的人深感意外，行业内的人也有些措手不及。从业多年的产品经理刘源曾对刺猬公社表达过他的困惑： “付费短剧抖音快手早就在做了，为什么今年突然在小程序火了？” 某小程序短剧平台，一部短剧需要充值39.9元 这种困惑，有很强的依据支撑。 论内容质量，抖音快手参与制作/采买的短剧，剧情、道具、拍摄、后期的精良程度远在小程序短剧的水准之上，几乎是在用做长剧的标准做短剧。 论流量规模……抖音和快手是全中国流量池最大的内容平台，实在是没什么好论的。 题材没有变革，内容质量更高，流量池子富裕，但为什么率先实现付费收入破亿的，却是名不见经传的小平台？为什么让用户完成付费动作的，是DAU存疑、留存不明的众多短剧小程序？ 对习惯规模红利的互联网人而言，这无疑像是蚂蚁咬了大象一口。 但蚂蚁力量再小，数量众多时，也能爆发出惊人的力量。仔细体验后，刘源总结称：“他们（做小程序短剧）不是做内容的模式，是以前做换皮小游戏的模式。” 以极短周期和极低成本完成制作后，小程序短剧主要成本消耗在广告投放上，触达用户-跳转回小程序-继续观看-付费，每一环节都是一层漏斗，直到筛选出愿意为它付费的人群。短视频平台没有付费场景，但跳转回短剧自己的小程序后，场景发生了迁移——在这些看起来设计粗糙的小程序里，所有短剧需要付费才能看全集。 “有些人可能一辈子都不会跳转到小程序，也有些人可能一辈子都只看免费的那几集，但没关系，只要基数够大，总能最后漏出来一群会付费的人。” 甚至不需要单独计算某部短剧投放的ROI，当数量足够多时，只要有一部踩中爆款，就有机会达成整体盈利。换言之，这些小程序短剧的制作方，根本不在意自己是否形成品牌，也不在乎自己套着模板开发的小程序是否有用户留存，他们只需要保管好每天投流和营业额的账本，只要账能算平，生意就能做下去。 像极了那些上线后只有三个月生命期，但流水足以覆盖成本的换皮小游戏。 类似的事，作为流量售卖者的平台很难这样做。因为平台要计算的账，不是付费收入和投流成本之间的账，直接把流量售出的收益是稳定的，拿这部分流量投放自制短剧以换回付费收益却是冒险的。这笔帐，算平远远不够。 更何况，大象要考虑的远不是脚边的几粒米。作为平台方，需要关注的是整体内容生态和消费时长，不可能因小失大，像小程序短剧制作方那样批量生产短剧，再通过投流算ROI的方式简单粗暴地计算收益。 短剧作为平台精品短内容的代表，需要背负的不止是播放量和时长，还有外部投放时对新用户与回流用户的触达效率。快手在财报中曾提到：“我们日益重视用户增长的效率和质量，使得2023年第三季度单位用户的获客成本同环比继续下降，并实现了ROI的持续改善。具体来说，我们进一步加大了包括短剧在内的优质原生内容的渠道投放力度，取得了较好的用户留存。” 因此，无论抖音还是快手，目前播出的自制短剧内容都相对精良。用刘源的话来说，“至少仍然算是在做内容”。 04. 危机亦良机 用户不愿意在抖音快手为短内容付费，却愿意在形形色色的小程序上为短剧花钱，对抖音和快手而言，这是一件坏事吗？ 至少在现在这一阶段，答案是否定的。 基于上文所提到的商业模式，短剧小程序本身并不具备用户黏性，活跃用户基本来自外部（尤其是短视频平台）导流，且采用的是“一剧一投”的模式。它们并不能脱离流量池独立“存活”。 对抖音和快手而言，这些短剧小程序将是稳定的广告客户。 第三季度财报电话会上，快手CEO程一笑透露，付费短剧投放消耗同比增长超300%，环比增长近50%。抖音虽未公开数据，但整体趋势应与快手一致。 而第四季度，短剧行业的火热还在延续。涌入短剧市场的投资者、在小红书四处“收剧本”的策划、在横店日夜赶工的剧组、转型拍短剧的影视制作公司和MCN，经他们之手制作出的海量短剧，最终都会抵达抖音和快手的信息流。 赛道有多拥挤，对抖音快手的流量需求就有多凶猛。 第四季度，大大小小的短剧公司是否都能赚到钱尚未可知，但抖音快手的短剧投放消耗，想必又会迎来新高。 站着赚流量钱之外，倘若能借小程序短剧的东风，培养起用户对短内容的付费习惯，对抖音和快手而言，都是一桩坐收渔翁之利的美事。 即便在主App的免费+推荐场景下，用户依然难以跨出从付出时间成本到付出真金白银这一步，但剥离场景并不是什么太难的操作——抖音和快手都各自有小程序的基础能力，实在不行，还可以做独立App，例如近期已上架的快手短剧产品喜番。 喜番的登录界面，图源喜番截图 值得关注的是，部分在快手可以免费看全集的短剧，在独立App喜番上则需要看广告解锁最后几集。 图源喜番截图 平台显然已经意识到了场景对于付费的重要性，但想要在内容的时长价值和付费价值中寻求平衡，上线一个独立App只是起点。 乱拳打不死老师傅的另一个原因是监管措施已在路上，短剧行业从无序到有序几乎是必然的方向。而抖音和快手拥有做精品短剧的先发优势，下一阶段能否在新的平衡下赚到流量以外的钱，还要各凭本事。 真正的危机不是短剧“杀”了短剧，而是平台“杀”了平台。只要外部的小程序短剧，仍需要通过抖音快手的流量投放获取用户，平台就始终占据着主动权。 而当短剧被拱上风口，在付费短内容的探索层面，抖音和快手的相关业务方，应该也能争取到更多的资源和试错空间。 至少，用户愿意为短内容付费的成功案例就摆在眼前，商业故事里的绝对卡点已被改写。当新的方案被提出时，才不会轻易得到一句“ROI做不正”的判词。

文丨赵宇 编辑丨宋玮 《晚点 Auto》从多位知情人士处获悉，理想汽车计划在 2024 年开启出海，首批进入的市场为阿联酋、沙特等中东国家，还可能包括部分北非国家。首批出海车型为理想 L9，根据海外消费者的接受程度，还可能加上理想 L8、理想 L7。 一位知情人士对《晚点 Auto》表示，在今年理想秋季战略会之前，曾有中东和欧洲的资本方与理想接洽。理想经过评估认为，相较于欧洲，中东市场的政治和消费环境更适合作为出海第一站。 政治环境方面，欧盟已于 10 月 4 日宣布对产自中国的纯电动车启动反补贴调查，而中东国家普遍欢迎中国电动车厂商到当地投资兴业。 消费环境方面，中东地区的多数国家鼓励多生多育、多子多福，这对于主打大空间、家庭用车概念的理想汽车来说是一个利好因素。 此外，理想旗下车型的售价较高，中东国家的经济发展水平与之相匹配。国际货币基金组织（IMF）数据显示，2022 年，阿联酋人均 GDP 达 5.06 万美元（约合 35.88 万元人民币），沙特人均 GDP 达 3.26 万美元（约合 23.11 万元人民币）。 理想汽车的出海动作可以追溯至两年前。一位知情人士透露，2021 年下半年，理想就曾准备进入美国市场，并为此在北京搭建起约 30 人的团队。这个团队当时负责的工作主要包括海外市场推广、品牌策略、战略分析、数据分析等。2022 年初，由于出海节奏放缓，该团队的部分成员被调整到国内业务，另有部分成员离职。 理想此次启动出海的时间点较公司此前公开披露的规划有所提前。7 月 18 日，理想汽车 CEO 李想曾在微博上发文称，“2025 年之前理想汽车不会做海外市场，会集中全部资源实现 2025 年的目标。” 今年 5 月，理想高级副总裁范皓宇则曾在美国硅谷的一场宣讲会上表示：“出海是我们公司（管理层）每年都会聊好几次的问题……至少在中国市场做到 30% 的市占率之前就要出海，因为如果直到国内市占率达到 30% 才开始做这件事，会有点晚。” 终端销量数据显示，理想在 20 万元以上中国新能源汽车市场的市占率已从今年一季度的 10.9%、二季度的 13.7%，提升至三季度的 15.4%。 理想在国内新能源市场的市占率有望实现快速提升。据了解，理想内部规划的 2024 年目标销量达 80 万辆，而其在 2023 年的全年销量预计为 38 万辆左右。 现阶段，已经有一些理想旗下车型被以平行出口的方式售卖到中东、俄罗斯、哈萨克斯坦等国家或地区。对此，李想曾在微博上表示：“7 月前两周，私人平行出口了 200 多辆车，详细调查后发现以出口中亚和中东为主。” 他还在回复网友评论时称，“我们没有权利限制私人平行出口的需求”。 据《晚点 Auto》了解，理想汽车将其出海进程分为 “小闭环” 和 “大闭环” 两个层面。 其中，小闭环是指将理想在国内生产的整车直接运输到海外市场售卖，这个过程持续的时间为接下来的一到两年。当前，理想已经为小闭环搭建起相关团队，负责人为理想销售与服务高级副总裁邹良军。 邹良军是今年新近加入理想汽车的高管，职级为 M11。4 月 17 日，理想汽车官宣邹良军出任销售与服务高级副总裁，负责管理零售、交付、服务、充电网络，向 CEO 李想汇报。 公开资料显示，邹良军本科毕业于湖南大学电气与信息工程专业，其职业生涯于 1999 年从华为起步。2005 年至 2010 年间，他曾被派驻沙特、阿联酋等海外市场历练。2016 年，他担任华为意大利终端业务部部长。2018 年，他调任华为公司总部，负责荣耀手机在海外的销售与服务工作。2021 年，华为出售荣耀后，邹良军加入新成立的荣耀终端有限公司，担任首席营销官。 如果能够将小闭环成功推广到一些海外市场，跑通商业模式，理想计划在此基础上推进大闭环。 所谓 “大闭环”，是指理想会在一些海外市场建立自己品牌的线下直营门店网络，包括销售门店、维修门店等。此外，理想还计划在海外建设整车工厂，并引导国内供应链厂商共同去海外建厂。大闭环的启动时间为 2026 年或以后，负责人为理想汽车 CFO 李铁。 一位知情人士对《晚点 Auto》表示：“大闭环还比较遥远，目前大家只是在讨论，以及做一些调研，实际落地的时间，包括出海的动作，其实都还没有确定下来。” 小闭环则已经有实际动作。《晚点 Auto》了解到，理想的研发人员已经开始在中文车机系统的基础上，做阿拉伯语和英语版本的针对性适配。 目前，理想官网和职场应用 LinkedIn 上均发布了面向海外市场的招聘需求，包括国际化法务总监、智能空间海外项目经理等，工作地点均在国内。 理想尚未在国外就出海项目启动大规模招聘。上述知情人士表示，“海外目前也没有太实际的动作，如果真的建立海外办公室，可能也只是一个联络处，因为现在业务还没有真的往外走。” 关于理想旗下车型在海外市场的售价，一位接近理想的人士分析称，考虑到关税、海运运费，以及清关费用等，预计会达到国内市场售价的 1.5-2 倍。 《晚点 Auto》就上述信息与理想汽车官方确认，截至发稿，未获回复。 中国电动车品牌正在逐步进入中东市场。9 月 7 日，零跑汽车宣布，未来 2 年，零跑 5 款全球化产品将在中东、欧洲、亚太、美洲等地同步销售。10 月 14 日，高合汽车宣布，高合 HiPhi Z 及城市版车型将在今年内进入中东市场。10 月 27 日，哪吒汽车宣布与阿联酋 EIH 集团达成合作，将于 2024 年在阿联酋市场推出多款电动车。 同时，中国电动车产品进入全球市场的步伐加快，销量连年攀升。中汽协统计数据显示，2023 年 1 至 10 月，中国新能源汽车出口 99.5 万辆，同比增幅达 99.1%，较传统燃油车的出口量同比增幅高出约 49.5 个百分点。 所有人都在加速跑，理想也必须加快脚步了。 窦亚娟对本文亦有贡献。 原标题：理想明年启动出海，把L9卖给中东富人

图注：百度曾力邀辛顿 凤凰网科技讯《AI前哨》北京时间12月4日，据知情人士透露，百度公司曾出价1200万美元(约合8486万元人民币)邀请“AI教父”杰弗里·辛顿(Geoffrey Hinton)及其学生加入公司，但被拒绝。 时钟先拨回到2012年秋天。当时，64岁的多伦多大学教授辛顿和他的两名研究生发表了一篇研究论文，向世界展示了AI的潜力。论文显示，他们训练了一个神经网络来识别常见的物体，例如花、狗和汽车。 百度出手 这项技术的准确性令其他科学家感到惊讶不已，并引起了人工智能研究员余凯的特别注意。余凯在一次研究会议上认识了辛顿博士，那时他已开始为百度工作。 据三位知情人士透露，百度向辛顿博士和他的学生出价1200万美元(约合8486万元人民币)，邀请他们加入百度北京公司。辛顿拒绝了百度的邀请，但是也对丰厚的薪酬动了心。 辛顿毕业于剑桥大学，除了偶尔在微软和谷歌任职外，他的大部分职业生涯都在学术界度过，对于报酬并不是很在意。但是，由于他自己拥有一个患有神经多样性(如自闭症、多动症)的孩子，所以金钱能够带来经济保障。 人才拍卖 “我们不知道自己值多少钱。”辛顿表示。他咨询了收购方面的律师和专家，想出了一个计划：“我们将组织一场拍卖，自己兜售自己。” 此次人才拍卖在年度AI会议期间举行，地点位于加州太浩湖的哈拉斯赌场酒店。科技巨头们都听到了风声。谷歌、微软、百度和其他公司开始相信，神经网络将是一条AI发展之路，它不仅能让机器看，还能让机器听、写、说话，甚至最终实现思考。 谷歌CEO拉里·佩奇(Larry Page)曾在谷歌AI实验室谷歌大脑看到过类似的技术，他认为辛顿的研究可以提升他手下科学家的工作水平。他给谷歌高级工程副总裁艾伦·尤斯塔斯(Alan Eustace)开了一张相当于空白支票的支票(随意填数)，让他聘请自己需要的任何AI专家。 于是，尤斯塔斯和谷歌大脑负责人杰夫·迪恩(Jeff Dean)飞到了太浩湖。就在这场人才拍卖举行的前一天晚上，他们带着辛顿及其学生们到哈拉斯赌场酒店里的一家牛排馆吃晚餐。迪恩回忆说，那里充斥着浓烈的旧香烟味。在晚餐时，尤斯塔斯和迪恩极力劝说辛顿到谷歌工作。 次日，辛顿在他的酒店房间里举行了这次拍卖。受到背部旧伤的影响，他很少坐下。他把一个垃圾桶倒过来放在桌子上，然后把笔记本电脑放在上面，在接下来的两天里，他看着报价滚滚而来。 谷歌发出了邀约，微软紧随其后。随着报价的上涨，谷歌旗下AI公司DeepMind很快退出了。根据详细介绍此次拍卖的文件，科技巨头们先将出价提高到2000万美元，然后又增加到2500万美元。当价格超过3000万美元时，微软退出了，但随后又以3700万美元的价格重新加入了竞标。 “我们感觉就像是在拍电影。”辛顿这么形容拍卖过程。 接着，微软第二次退出。现在，只剩下百度和谷歌了。他们把出价推到了4200万美元，然后是4300万美元。最终，辛顿博士和他的学生们在4400万美元(约合3.1亿元人民币)的价格上停止了这次拍卖。虽然出价仍在上升，但他们想为谷歌工作。这一报酬已经很惊人。 因担忧AI辞职 今年5月，辛顿宣布从谷歌离职。辛顿表示，从谷歌辞职是为了可以自由地谈论AI的风险。他说，现在对自己一生从事的工作感到有些后悔。 辛顿认为，随着企业不断改进AI系统，它们会变得越来越危险。“看看五年前和现在的情况，”他在谈到AI技术时说，“接受差异并将其传播出去。太可怕了。” 他表示，直到去年，谷歌一直是这项技术的“适当管理者”，小心翼翼地不释放可能造成伤害的东西。但是现在，微软用聊天机器人增强了必应搜索引擎，挑战谷歌的核心业务，导致谷歌也在竞相部署同样的技术。辛顿说，科技巨头陷入了一场可能无法阻止的竞争。凤凰网科技《AI哨所》对此将持续关注。(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”。

奥特曼 凤凰网科技讯《AI前哨》北京时间11月30日，OpenAI创始人山姆·奥特曼(Sam Altman)周三正式重新担任CEO。在经历了突遭罢免，然后又戏剧性回归后，奥特曼有很多话要说。 奥特曼周三接受了外媒的采访，回顾了从被罢免到回归这一过程。但是，对于被罢免的具体原因，奥特曼依旧三缄其口，他希望让董事会的调查揭晓真相。他表示，自己从这次事件中学到了一件事，那就是没有他，OpenAI也能正常运转。 以下是采访全文(CTO米拉也一同接受采访)： 媒体：山姆，我希望先解决一个显而易见的问题，那就是我们仍然不知道你被解雇的确切原因。你觉得你为什么被解雇吗？ 奥特曼：董事会将对此进行独立审查，对此我非常欢迎。我现在没什么其他可说的，但我期待着了解更多事情真相。 媒体：OpenAI董事会之前说对你失去了信任，你对此怎么看？ 奥特曼：这个问题你最好问他们。 媒体：你在X上说，你和董事会成员明显存在误解。这些误解是什么？ 奥特曼：我觉得我还没准备好谈论这个话题。我认为让这个审查过程进行下去是非常重要的。我很乐意谈论任何有前瞻性的事情。我想将来有一天我会很高兴地谈论这里发生的事情，但不是现在。 媒体：为什么现在不能谈？ 奥特曼：我只是想让审查程序继续下去，不想干扰它。 媒体：你在内部备忘录中谈到了伊利亚·苏斯克沃(Ilya Sutskever，OpenAI首席科学家)。你能告诉我他为什么改变主意，决定和其他员工一起支持你回归吗? 米拉：我们不知道，你得问伊利亚。 媒体：山姆，事后看来，让你回来的主要动力是什么? 奥特曼：这个过程真的很有趣。那个周六早上，一些董事会成员打电话给我，问我是否愿意讨论一下。我的第一反应是反抗，感觉就是“伙计，我现在很受伤，很生气，我觉得这很糟糕”。 然后，我马上又开始想，很明显，我真的很喜欢这家公司。过去四年半时间里，我把所有心血都投入到了这家公司，大部分时间都在从事这项事业。我们在我非常关心的使命上取得了巨大进展，这个使命就是实现安全有益的通用人工智能(AGI)。但是也要感谢各位同事和所有在我们身上投下如此重大赌注的合作伙伴，还有米拉和领导团队，以及所有在这里从事这项了不起工作的人。我花了几分钟时间才振作起来，说服自己，抚平情绪，然后对打来电话的董事会说：“是的，我当然想谈谈。” 媒体：所以，董事会想让你回去？ 奥特曼：是的 媒体：你一开始犹豫了吗？ 奥特曼：有一点。这件事发生后，我心里五味杂陈。 媒体：很明显，员工站在你这边，这对你回归发挥了多大作用？ 奥特曼：毫无疑问，我们凭借着一支更强大、更团结、更专注、更忠诚的团队度过了难关。我们之前就具备了强大信念和专注力，现在我认为更上了几层楼。这让我感到一些慰藉。 在整个过程中，我们没有失去一名员工，一个客户。他们不仅在难以管理增长的情况下保持产品运转，而且还推出了新功能。研发进展也在推进中。 媒体：你想回董事会吗？ 奥特曼：这听起来像是一个公关话题，不是我现在关注的东西。我有一大堆非常困难、重要和紧急的工作要做。我希望能够做好自己的工作，但这与是否进入董事会无关。这不是我现在花时间想的事情。 媒体：你说的“改进治理结构”是什么意思？OpenAI的非营利控股公司结构会发生改变吗？ 奥特曼：这个问题最好留给董事会成员回答，但也不是现在。老实说，他们需要时间，我们会在这方面支持他们，让他们好好思考这个问题。很明显，我们的治理结构出了问题。解决这个问题的最佳方式还需要一些时间。我完全理解人们为什么希望立即得到答案。但我也认为期望立即得到答案是完全不合理的。 媒体：为什么你认为这是不合理的？我认为人们对发生的事情有很多不解。(你被解雇)似乎是因为分歧，而不是渎职之类的事情。 奥特曼：哦，这是因为设计一个真正优良的治理结构，特别是对于这样一个有影响力的技术公司而言，不是一个星期就解决的。我们需要花大量时间来思考这个问题，进行辩论，获得外界的反馈意见，进行压力测试。只是需要一点时间。 媒体：OpenAI的安全工作方法是否会因为刚刚发生的事件而发生变化？ 米拉：不，这和安全无关。 媒体：有报道说你们的Q*模型取得了突破，到底什么情况？ 奥特曼：我对于这次不幸的泄密没有特别的评论。但是我想继续重申一件事：我们希望这项技术继续快速发展，我们也希望继续努力研究如何保证其安全有益。这是我们以前每天醒来要做的事情，也是将来每天醒来要做的事情。我认为我们在这个问题上意见非常一致。 我们不评论任何具体的事情或项目，我们相信进步的源泉就是研究。你总有可能碰壁，但我们预计将继续取得重大进展。我们希望就这个问题与世界保持接触，想办法把它做得尽可能好。 媒体：最后一个问题。我相信你还在思考这一切。我知道这才发生不久，那么你从整个事件中学到了什么？ 奥特曼：我学到了，没有我公司也能正常运转，这是一件非常好的事情。当然，别误会我的意思，我很高兴能回来。但我回来后没有任何压力，不会认为“哦，天哪，我必须这样做，或者公司需要我什么的”。我自我感觉良好，这是因为要么我挑选了优秀的领导者，要么我很好地指导了他们。我很高兴公司没有我也会完全没问题，团队已经准备好了，成长了。(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”。

　　28日至29日，习近平总书记在上海市考察调研。他考察上海科技创新成果展，了解上海推进国际科技创新中心建设情况。  　　上海科技创新成果展集中展示上海贯彻落实习近平总书记重要指示要求，提升科技创新策源能力、推进国际科技创新中心建设的重大成果。成果展分为基础研究、集成电路、人工智能、生物医药、高端装备、开放创新、美好生活七个板块。展览充分彰显上海支撑高水平科技自立自强、以科技现代化支撑中国式现代化的使命与担当。 　　监制丨申勇 　　策划丨史伟 王鹏飞 　　记者丨马喆 杨紫童 周倜 　　航拍丨范凯 罗安敏 孙慧升 　　剪辑丨韦钧富 　　统筹丨马亚阳 闫岭 闫伸 　　资料丨中央广播电视总台上海总站

比尔盖茨曾说过，人们往往会高估短期的影响，而低估长期的变化和影响。如今，这样的事情正发生在美团身上。 11月28日，美团发布了三季报。根据财报，本季度美团营收765亿，经营利润34亿，经调整EBITA净利润57亿。无论是营收还是利润表现，都是超越了彭博市场的一致预期。尽管如此，投资人还是更多关注美团与抖音在本地生活的战局仍未结束。 在一片担忧之中，投资人却忽略了两个事情： 第一，本地生活战局的不确定性可能被高估。三季报里，美团广告收入增速反超佣金增速，一定程度上说明美团有办法应对抖音的竞争。 第二，站在长期视角，相比互联网其他场景，美团所在服务消费广阔仍然拥有广阔的前景。从财报看，美团在服务消费领域的各个业务也都保持着不错的增长。换言之，增长大概率仍然是美团在相当长时间里故事的核心。 相比于短期竞争的不确定性，长期稳健增长的态势或许更接近美团这家公司的本质。 如果把时间线拉长来看，美团已经取得了连续14个季度同比正增长，这在移动互联网发展趋缓的大背景下实属不易。 更重要的是，美团的业绩增长是由多项业务共同驱动，呈现明显的生态韧性。拆分业务结构来看，美团的本地生活业务中，配送业务增长14.3%，佣金增长30.5%，在线营销增长31.6%，其他业务增长56.4%。新业务方面，三季度营收同比增速为15.3%。 业绩增长背后，到家、到店业务都呈现了不错的增长趋势。到家业务方面，三季度美团即时配送交易笔数为61.79亿笔，同比增长23%。即时配送订单数量的增长，得益于闪送业务增长潜力的释放和美团外卖用户分层策略的效果显现。其中，闪送业务日单峰值已经超过1300单，而美团也更新了外卖会员计划，针对不同用户提供了不同规格的会员券包，以提升用户交易频次。 在到店业务上，美团到店、酒店及旅游业务的交易金额持续增长，同比增长90%。到店业务的规模增长既有复苏需求的延续，也离不开美团在供给端的优化。比如，今年8月美团发布了最新的“必住榜”，为消费者精选了900家酒店。此外，美团还积极通过短视频和直播等形式来推广相关产品。截至三季度，美团的官方直播已经覆盖到全国200多个城市。 美团稳健增长背后凸显了一个事实：相比电商板块，在大盘失去增长后，只能内卷的零和博弈，美团所在的服务电商领域仍具相对的增长优势。 值得一提的是，在营收稳健增长的同时，美团新业务减亏取得了明显的进展。三季度，美团新业务的亏损为51亿元，亏损率收窄至27.2%，而在今年的前两个季度这一数字分别为32%和31%。换言之，新业务亏损率较二季度环比下降了3.8个百分点，下降幅度明显高于二季度。 以上种种迹象显示，与过去类似，美团仍然处于一个稳健增长的轨道。 在本次财报里，美团与抖音的竞争也是投资人关心的一大问题。从三季报，我们能够看到两个趋势： 一是美团的广告与佣金收入仍然维持在30%以上的增长，并没有出现去年下半年广告收入增速持续落后于佣金收入增长的情况，说明抖音对美团广告收入的侵蚀已经基本过去了。二是美团在本季度加大营销费用的投放，固然有行业需求大幅修复下主动投放的增加，也在一定程度上反映抖音和美团的竞争尚未结束。 基于此，我们不难得出两个结论：尽管美团与抖音的竞争尚未结束，但美团在过去两个季度的表现也说明其有办法应对抖音的竞争。 相比于电商平台，为什么美团能够更好应对短视频的侵蚀。要回答这个问题，就要回到服务电商与实物电商不同的底层逻辑。不同于实物电商的规模化供给，服务电商领域的履约成本以及服务属性导致供给端呈现明显的产能瓶颈。 先说实物电商，由于大部分商品的生产机制高度标准化，加上物流体系的完善，意味着从生产到物流交付，实物电商的扩张成本都是极低的。正因为如此，量价在实物电商商业逻辑里的权重存在切换的可能性。换句话说，只要销量够多，是可以长期维持低价的。 但这一逻辑在服务电商领域就跑不通了。服务电商的产能瓶颈体现在两个方面：履约成本以及服务本身。 无论是到店业务还是到家业务，都需要履约，区别就是消费者自己履约还是骑手履约，这意味着每家店都有一个有限的服务半径，服务半径里的潜在用户就是该店客群的天花板。尤其当用户对时效性要求较高时，这样的成本更多凸显了。 而服务本身又有着类似于翻台属性，比如奶茶店的员工和门店面积决定了奶茶店每天能制作多少杯奶茶，而饭店则由厨房的出餐能力和前厅的餐桌数量决定。 这样的差异决定了服务电商对流量并不像零售电商那样绝对的渴求，更看重量价平衡后的实质性收益。线上流量的意义更多在于削峰填谷。尤其是产能瓶颈明显的服务商对收益管理的考量就越多。换句话说，以价换量的逻辑在服务电商领域并不能完全跑通。 目前来看，越来越多的数据证明了这一点。根据此前的第三方调研显示，由于抖音的头部商家通吃的流量分发模式，导致腰部及以下商家难以在抖音上存活，已开始大量回归美团平台。 不久前，抖音更换本地生活负责人，也在一定程度上宣告此前策略的失败。种种迹象显示，美团与抖音在服务电商领域的战争，将可能在未来几个季度内决出胜负，进而给美团的到店业务带来确定性的溢价。 短期来看，与抖音的战局结果是影响美团股价的核心因素。但长期来看，如何理解服务消费市场景气期变化，以及美团在这一领域位置，才是决定美团价值的关键。 未来几年，一个重要的趋势是，服务消费会取代实物消费成为居民最大的消费支出。2023年三季度，美国服务消费为12.5万亿，占个人消费的比重达到66.7%。根据国家统计局8月发布的数据，目前从全国居民人均消费支出的数据来看，服务消费占比已经超过了40%。这意味着，国内的服务消费占比还有巨大提升空间。 不仅如此，随着经济增速以及人口的变化，也会促使消费者需求开始从“物质富足”走向“精神富足”。比如1990年以后，当日本大部分家庭的物质生活得到满足，居民的消费重心开始向追求“精神富足”倾斜，服务消费的占比开始提升，并逐渐超过商品消费。 更重要的是，与其他国家不同，在中国服务消费占比提升过程中，基于移动互联网的高度数字化，使获得服务的便利性和快捷性大大增强。这使得像美团这样的服务电商能够在这个过程中吃到更多的红利。 作为服务消费平台，美团的价值提升逻辑有三： 从用户逻辑讲，美团正在沿着需求侧做品类扩张，从团购、外卖、再到闪购、社区团购等等。由于掌握着餐饮这一高频场景，美团可以向本地生活的其他场景延伸，并在此过程中实现用户价值的提升。 与此同时，在本地生活各个业务里，彼此有着交叉协同价值，比如外卖与闪购、到家与到店等等。交叉业务所产生的协同效应，能够优化单个业务的效率。 就拿外卖与闪购业务来说，两者的协同效应体现在两点：一是强化用户万物到家心智。根据此前的数据，截至2季度，闪购用户已渗透60%的外卖用户。二是闪购复用外卖配送网络，并与餐饮外卖配送高峰相错开，提高骑手每日配送单量。 不仅如此，美团还往产业链上游走参与供应链建设，比如自建仓储、物流等等。美团通过参与供应链管理，大幅降低目前低效的城市线下商品经销网络成本，提升商品在质量和配送速度等环节的效率。更重要的是，通过垂直领域供应链的深耕，美团可以强化对垂直行业供应链的资源管控能力，推动其壁垒从流量端向产业链效率优势延伸。 从更长周期来看，由于服务电商本身需求分散，美团通过业务扩张把一个个零散的需求关联起来，不仅有利于提升其在服务消费领域的变现率，驱动其业绩的长期增长，也能够建立系统服务的壁垒。从这个角度说，美团的增长故事远未结束。

凤凰网科技讯 12月4日，一加召开了12周年围炉夜话活动，在活动中，刘作虎回应了“一加最近总上别人的发布会”一事，他表示：“这个市场就这么大，你动了别人的蛋糕，总要允许人家发几句牢骚。” 刘作虎认为：“有这么多人时刻关注你，甚至针对你，某种程度上也意味着今年一加做得还不错，得到了行业的认可。”据介绍，从9周年宣布双品牌战略和百亿补贴计划以来，不到一年的时间，一加已经成为2500元以上档位，线上为主的品牌里面的第二名，一加现在还很小，大家不用这么紧张，但一加野心很大，具有冲击王者的实力。 此外，刘作虎从行业发展角度，表达了一加永远欢迎用「产品力」竞争的态度，他认为只有良性竞争，行业才有创新，用户体验才会更好，中国手机才会更好。 刘作虎认为，不将就不等于完美，世界上不存在完美的产品，做产品一定会面临众多客观条件限制，需要做出平衡和取舍。一加所说的“不将就”是一种敢于追求更好的态度，一加接受不完美，也承认不完美，但是一加更相信自己的潜能，尽全力做到每一款产品都力求创新、力求极致。 谈及加油文化，刘作虎称一加是为数不多真正拥有粉丝文化的手机品牌，自成立之初，一加便建立了自己的社区，与来自全球各地不同国家和背景的社区用户共同优化产品功能及体验。 刘作虎分享中也提到，其实很多用户并不只是为了第一时间去现场购买新品，而是为了参加一场老友的线下聚会，能够和朋友面对面交流，提出自己对一加产品的看法。一加其实是为这群志同道合的人提供了一个重要平台。未来，一加将继续打造以用户共创为核心的社区文化，回归用户价值为全球加油带来更多高品质产品。 在回答“一加现在为什么要开辟一个Ace系列”这一问题时，刘作虎表示，有些人误以为我们做 Ace 是要放弃高端市场，但一加其实从未离开过高端市场，而且还做出了不错的产品。

三言科技12月4日消息，今日，猎豹移动宣布，公司已通过两家全资子公司增持了北京猎户星空科技有限公司（北京猎户星空）合计 35.17%的股权。就该增持，公司向北京猎户星空的出售股东合计支付现金对价约3760万美元。在本次增持完成之前，公司持有北京猎户星空37.74%的股权。增持完成后，公司在北京猎户星空的持股比例增至72.91%,控股猎户星空。 猎豹董事长傅盛此次套现110万美元，且不再是猎户星空的直接股东。 公司将自2023年12月起将北京猎户星空的财务业绩并入其合并财务报表。 工商变更信息显示，傅盛已退出猎户星座股东。 猎户星空是一家以人工智能技术研发为核心的服务机器人提供商，总部位于北京，由傅盛创建，2023年初基于大模型技术推出大模型应用“聚言”。 傅盛表示，通过此次控股，猎豹移动将以猎户星空积累的AI技术为基础，打通从AI大模型到场景终端和应用的业务链条，完成核心业务从PC时代的猎豹浏览器、移动时代的猎豹清理大师向AGI时代AI原生应用的跃迁。 “此次控股基于四个考虑。第一，从行业大背景来说，目前正值AI大模型技术范式爆发一周年，行业处在向AI应用和产品化转变的关键阶段，猎豹移动需要继续在AI赛道上全力以赴，毫不动摇。 第二，从两家公司基因来说，猎豹移动和猎户星空各有所长，可以强强联合；猎豹移动擅长于做工具应用，需要从PC、移动向AGI时代升级，猎户星空在AI技术研发上坚持了7年，有自研全链条人工智能技术的充分积累，在场景上有自己的实践探索和理解，形成了一定规模的To B销售网络。 第三，从当下的竞争环境来说，在众多公司大举投入AI赛道环境下，猎豹移动控股猎户星空，可以进一步集中资源，是将自身优势进一步放大并发挥到最大的有力举措，确保自身在AGI时代竞争中拥有相应的行业地位。 第四，我们看好大模型时代服务机器人市场的巨大潜力，AI大模型为服务机器人的‘大脑’进行了升级，使其更好的完成在具体场景里客户要求的重复性工作，我们相信服务机器人更大的市场机遇已经到来。综上所述，猎豹移动对猎户星空的整合，将为公司装上大模型时代的长期增长引擎。” 猎豹移动是在今晚10点美股开盘前公布的消息，美股开盘后，猎豹移动涨近8%。

作者｜陈 妍 编辑｜大 风 “我发现转转真是死不悔改。” 知名的二手电商平台转转，这几天又摊上事了。起因是抖音博主“猴大腕”连发两条视频，曝光转转在买卖二手手机的过程中，出具阴阳质检报告，引起了一阵舆论风波。等到第二天，转转官方号在抖音上回应了这件事，但只强调了给用户带来了不好的体验，深感抱歉，对阴阳报告一事避重就轻。 猴大腕对转转的回应很不满意，他在最新的视频里提供了来自内部员工的爆料，里面提到，转转针对阴阳报告的整改方案是，设定了两套回收机制，如果发现回收的手机是从转转其他零售门店或平台买走的，就是“豁免机器”，按照原质检报告的价格回收；如果不是，就按正常流程走。 抖音截图 猴大腕表示，转转不是想办法把错误改正，而是把露出的马脚藏得更深一点。 事实上，这也不是转转第一次遇到类似的事了。早在2021年，就有媒体报道过，有人将一台闲置的iPhone11在转转App上转卖，一开始App上的估值是5000元，但质检结果出来后，转转只肯花2700元回收，手机屏幕上还无辜多了几道划痕。问题的关键，就在于转转“黑盒”般的质检过程。 如今二手电商平台发展越来越成熟，“电数宝”电商大数据库显示，预计2023年二手电商交易规模能达到5486.5亿元。但同时，恶意低价收购、售后服务问题等，也成为悬浮在这些平台头顶的达摩克利斯之剑。 半小时差价4000块，薛定谔的“质量”问题 一部手机，从转转上买回来，隔不到半个小时再卖给转转，中间会差多少钱？ 最近，博主猴大腕就做了一次尝试。他先在一家转转门店，花了3112元买了部二手的iPhone12 Pro，紧接着，他把这部手机拿到转转的另一家门店转卖，结果只卖了1990元，一来一回相差1122元。 这并不是偶然现象，之后，猴大腕又在一家转转门店买了3部手机，4部手机总共花了13610元，但等他把这4部手机再通过转转回收的时候，只卖出了9567元，总共差了4043元，利润率高达约30%。 抖音截图 猴大腕怀疑，转转是为了压价，故意拿出了阴阳质检报告。 毕竟在买手机的时候，有两部手机的质检报告上标注了“无划痕”，但卖给另一家转转门店时，对方标注为“有痕迹”，还把手机上的痕迹找了出来。另一部手机买时质检报告上明明写着“摄像头正常”，但卖的时候却检测出摄像头功能“拍照有斑”。猴大腕买来的4部手机，每一部买卖前后的质检报告，都存在类似的问题。 对此，转转官方的解释是，在回收检测中，确实存在“屏幕轻微划痕”和“摄像头拍照有斑”的情况，并导致了回收价格的降低。在“摄像头拍照有斑”上转转存在操作失误，而“屏幕轻微划痕”的判定是由于不同店员对成色判定有主观差异。 转转官方回应 转转还表示，将进一步加强质检标准的培训，不断提高相关工作人员对于二手非标准品检测判定的准确性、统一性以及门店人员的技术操作水平。另外，从即日起，转转全国所有的门店开通二手商品“7天无理由退货”服务。 在猴大腕看来，转转的回应不够真诚，相当于把责任推给了门店的小职员。“我留了电话，他们应该先对我本人道歉，在网上道歉算怎么一回事？而且，我提到的依法赔偿、退一赔三，他们也没有解决我的诉求。”猴大腕向媒体表示。 作为二手电商平台，转转低价接手，加价出售的行为，原本没什么问题。但如果以阴阳质检报告的方式“霍霍”消费者，长远来看，会对整个二手电商市场造成不良影响。 转转的二手生意不稳固 别看转转现在负面缠身，想当初，它也曾被当成“香饽饽”。 2015年的时候，姚劲波盯上了二手市场生意，于是就把当时58同城的二手频道“转转”，变成独立App，正式上线运营。姚劲波对转转寄予厚望，不仅倾斜了大量资源和流量，还亲自出任产品代言人。 姚劲波 一开始，转转的运作方式跟闲鱼没什么两样，也是做C2C生意。但作为后来者的转转，想要从闲鱼手上抢夺市场，不是件容易的事。毕竟闲鱼背靠阿里，有巨大的流量池，有支付宝的信用体系为依托，还有完整的电商交易链条做支撑。 于是转转在2017年的时候，搭上了腾讯的线，获得腾讯2亿美元的投资后，又入驻了微信支付九宫格，得到了微信流量的加持。后来察觉到C2C模式存在着信息不对称的痛点，转转开始做起了C2B2C模式，充当二手生意的“中间商”，从中赚取差价和质检费。 一顿操作下来，转转一度与闲鱼、爱回收成为三大二手闲置交易平台。根据转转发布的《2020年度二手交易服务白皮书》，2020年转转收入增速超过200%，并已连续三年实现翻倍以上的增长。 但好景不长，随着平台间激烈竞争和人口红利见顶，转转也陷入了流量增长危机。QuestMobile数据显示，截至2021年12月，闲鱼月活量为1.15亿，而转转同期月活仅有2828万，两者差距十分明显。 慌乱之下，转转也尝试过用“钞能力”来解决问题，不惜花重金在抖音、快手等平台投放广告，进而维持较高的品牌曝光度。 天眼查截图 烧钱带来的资金压力，也让转转加速了融资步伐。天眼查数据显示，截至目前，转转完成了5轮融资，累计金额超过10.8亿美元，投资阵容不乏有腾讯投资、小米集团、顺为资本等知名机构。尤其值得一提的就是2021年，光上半年，转转就完成了3轮融资，总融资额已近5.5亿美元。 只可惜巨额的流量投入，最终大部分都变成了沉默成本。转转没有建立起内部的流量循环，烧钱买流量没能建构起转转二手电商生意的护城河。 二手电商们的信任危机 放眼二手电商市场，最大的障碍就在于信任体系的建设。由于大部分二手商品具有“非标品”属性，很难建立统一的认定标准，对供应链管理和货源管理的要求会很高。 就拿转转来说，截至目前，它在黑猫投诉平台的投诉量已经高达74399条，近30天都有1437条投诉，投诉原因多涉及售后服务不到位，回收业务前后报价差距过大，转转验机导致外观及系统出现问题等。 黑猫投诉平台截图 比如有网友反映，今年11月26日，通过转转平台寄卖了一台苹果mac电脑，现场验机时，可以正常开机，屏慕也无损坏，但由转转邮寄至转转青岛验机中心检验后，11月28日反馈电脑损坏无法开机。他要求平台维修电脑并赔偿损失。 不管采取何种生意模式，二手电商平台始终是面向C端用户，信任是交付的基础，平台的发展壮大也离不开口碑。 如果始终建立不了信任机制，像转转这样的二手电商平台未来的路可能会更难走。

■开源是通义千问发展的最佳出路，也是唯一出路。 ■所有大模型玩家随时超越彼此，通义千问的体验感与ChatGPT互有胜负。 ■未来国内大模型生态会收敛至最合适的状态 作者 | 闫学功 AI时代最开放的大模型——12月1日，阿里云CTO周靖人在发布会上对通义千问提出了这样的期望。一个月前的云栖大会上，他也同样将阿里云定义为“AI时代最开放的一朵云”。 这一天，阿里云开源了通义千问720亿参数模型Qwen-72B，这也是目前国内大模型开源的最大参数。至此，通义千问共开源了18亿、70亿、140亿、720亿参数的4款大模型，以及视觉理解、音频理解两款多模态大模型——阿里云称之为“全尺寸、全模态”开源。 今年4月发布的通义千问，从8月起正式走向开源之路。据阿里云披露，截至10月末，旗下开源社区“魔搭”已有超过2300个模型，开发者超过280万，模型下载次数破亿。 开源是阿里云大模型最重要的战略，但这在业内并不常见。 不论国外的ChatGPT，还是国内的文心一言，都是闭源形式。在半个月前，全球知名的人工智能科学家沈向洋在一个行业论坛上谈及大模型开源闭源路径之争。他认为，业内第一名一定是闭源，第二名他仍然踌躇不定，第三名才会是开源。 当时，周靖人就坐在台下。 在12月1日的发布会上，周靖人正面回答了阿里云一定要做开源的原因。“阿里云的初衷不是把模型攥在自己手上去商业化，而是帮助开发者，开源的策略与阿里云的初心完全一致。”在他看来，要在当下突破和创新大模型核心技术，开源是“最佳也是唯一的途径”。 巨头们争相布局的大模型，想象空间到底有多大？ 10月下旬，联想展示了AI PC（人工智能个人电脑）功能，联想集团董事长兼CEO杨元庆畅想未来“每个人都能有个人大模型”。周靖人则描绘了更具体的图景：“大家可以想象今后每一个电子设备、生活的环节，从你早上醒来第一声闹钟开始，背后都有大模型的支持。” 他甚至表示，不远的将来，阿里云再举办沟通会，他希望全程用通义千问来回答问题。 大模型未来能为行业和社会带来什么？目前国内有200多个大模型，未来生态将更繁荣还是迅速洗牌？通义千问与ChatGPT目前差距多大 ？令人振奋的超级人工智能（AGI）时代何时能够到来？ 就上述问题，12月1日，阿里云CTO周靖人在通义千问发布会后做了一场闭门分享，雪豹财经社也受邀参与，以下是对话实录（内容经摘编）： 通义千问和ChatGPT 4.0互有胜负 Q：阿里云在三季报发布后宣布，坚持更长期的投入及优先公共云的战略调整，大模型是否会有相应的策略调整？ A：我们从年初发布至今整个策略都没有变化，即一方面做技术的突破，另一方面做生态，提供模型的能力。阿里CEO吴泳铭提出的战略调整，也跟整个大模型社区的发展方向非常吻合，没什么具体的差异。公司最近会把技术工作路线更加明确下来。 Q：很多大型厂商选择了不开源，阿里云为什么要选择开源模式？ A：我认为是大家站位不同。在过去10年内，整个开源社区蓬勃发展，今天我们要让更多技术和更多人参与进来。开源社区是最佳的、也是唯一的途径。只有真正从心底去拥抱开放的生态，去促进开发者社区的发展，才能将我们的技术融入到各行各业，最终帮助整个核心技术的突破和创新。 阿里云的初衷不是把模型攥在自己手里，或者做商业化，而是帮助开发者。我们的开源策略，跟整个阿里云的初心是完全一致的。因此，我们不光在模型方面开源，数据库、技术等也都贡献到开源社区。今天AI的发展，一定不是由一家公司完成的。不管谁有最强的模型，如果没有开放的技术和经验，是无法在各项应用场景中落地的。 Q：在大模型能力上中国企业和美国企业的差距是什么？ A：科技创新上，原则上是大家你追我赶，都在做非常中长期的一系列探索，在这个时间点或许有差距，但也许差距在缩小，甚至扭转也有可能。这就是科技创新的魅力。 我们能看到（和ChatGPT）之间有一定差距，还有需要提升的空间，但是不能妄自菲薄。比如多模态等，国内很多产品也能做到ChatGPT的水平，甚至超越它。通义千问和ChatGPT 4.0在使用体感上，是互有胜负的。 Q：通义千问与其他闭源模型相比水平如何？ A：讲到评测指标，国外的Hugging Face在全球比较有影响力，它有一系列测评标准，会展现一个客观的评价。当然，不是所有闭源模型都会参与测评。在Hugging Face上，我们在开源14B的时候是非全模型排名第三，72B发布之后我们会继续等待测评。我认为我们可能会登顶。 编者注：Hugging Face是全球最大的开源模型公司，它发布的各项关于AI公司的榜单在业界有一定影响力。《时代周刊》今年首次发布的全球百大AI人物中，有两位来自Hugging Face。 Q：Open AI 最近选择了Agent作为下一步开发方向，你们有什么思考和跟进？ A：Agent这个概念不是Open AI最近提出的，但它是一个非常重要的模型利用的领域。目前我们社区已经贡献了很多关于Agent的开发和创新，接下来每个月都有相关进展，包括如何帮开发者搭建这样一个Agent，也会有一些新的功能推出。 编者注：Agent可以理解为“智能业务助理”，它具有人类的思维，在大模型技术驱动下，以自然语言为交互方式，高自动化地执行和处理专业或繁复的工作任务。 AI时代：大模型将改变日常生活 Q：联想未来将会发布与阿里云合作完成的AI PC（个人电脑），大模型会给PC带来哪些实质性影响？ A：与联想的合作是一个良好的开端。我们希望不单单是在复杂和昂贵的机器上使用模型的能力，而是把它带到各种端。当我们真正进入AI时代，大模型将改变日常生活，模型服务在各个领域无所不在。今后每一个电子设备和生活环节，从早晨的闹钟开始，都会有模型的支持。我相信很快会进入这样一个时代。 Q：未来是否会和更多硬件厂商进行合作？ A：目前已经有不少硬件厂商在洽谈，我们的心态是非常开放的。之所以开源，就是为了不局限于某一个或某几家厂商，而是有更多开发者和硬件厂商一起来参与、推动。 Q：怎么看待大模型在C端和B端商业变现的机会和价值？ A：我们要做是生态的方方面面，所以当前更加关注的是模型本身。在to C和to B方面应用的探索会有一些，但还没有到井喷的状态。模型的应用是没有to C和to B之分的，但我们也希望模型的能力能够渗透到日常生活和工作学习中。接下来会看到一些创新，也许今后几个月，我们就会聊到一系列应用，以及如何帮助到to C和to B的产品。 Q：阿里云认为实现AGI还要多久？ A：AGI已经成为社会性的话题，有各种各样的解释。但我认为现在谈AGI还太早，因为还有很多技术难题，还有很多长足的工作要做。由于ChatGPT的爆发，让一年前不怎么关注人工智能的人现在都在关注，我作为技术工作者感到欣慰。但从整个技术发展来看还需要很多时间，请大家给予更多耐心。不要今天关注一个热点，3个月没爆发，大家就淡忘了。 编者注：AGI可以理解为超级人工智能，Open AI将其作为最终目标并写在公司白皮书中。它如此定义AGI：“一个高度自治的系统，能在多数有经济价值的工作上超越人类。” Q：通义千问会将技术产品优化和商业化落地当成重点，还是像Open AI一样将AGI当作愿景？ A：我们做的工作其实是没有人指引的。通义千问首先是追求技术的卓越和极致的技术探索。如何能够把模型的方方面面提升起来？这本身就是一个研究课题，这方面一定是我们接下来的工作重点。 但在这个时代，科研、技术、产品这几个维度是更有机地联合在一起的，没办法像以前分得那么开。光埋头苦干做研究，不做技术产品、不做技术生态，在今天也不行。这就是为什么通义千问是一整个通义模型家族。我们不断追求技术突破，同时也开源自己的模型，帮助整个生态繁荣。我们还做产品，包括通义千问App、网页版产品。 200多款大模型的优胜劣汰 Q：通义千问在技术上还面临哪些挑战？ A：整个大模型还处在发展初期。不管谁家的大模型，都还有很多提升空间。今天的模型具备视觉、听觉的能力，但如何像人一样思考、去识别万物，所有大模型都还有一定差距。通义千问产品这次推出了视觉模型能力，对图片的理解在很多层面是超过ChatGPT 4.0的，但距离人类的认知能力还有一定差距。 如何让这个模型有更多思维能力、像人一样去思考，这方面才刚刚起步。我们当前有非常多要解决的技术难点，这也是为什么接下来每个月都会有一系列技术突破。整个通义千问模型的升级能力远远没有结束。 Q：实现了从0到1后，是创新更重要，还是推广产品更重要？ A：追求技术的卓越一直是阿里云的初衷。在一定程度上，所谓从0到1和从1到2没有本质区别，都是在做突破。从0到1非常难，因为要探索一条新的道路。但继续把产品技术打磨好，每提高一个百分点，其实也隐藏着非常多的技术难题和投入。 Q：上一次开源14B反响不错，为什么要再去开源更高的72B？哪些场景是14B无法解决的？ A：14B是一个非常好的起点，但模型的能力还在不断发展中，创新技术的突破一直没有停止过，14B更往上还有很多提升的空间。这是推出72B模型的初衷，今后14B和7B也会有升级的版本出来。 在不同的企业和不同的开发环境，大家对模型的尺寸、能力及背后使用的资源有不一样的考虑，有时会追求极致的性能。我们不应该用一个模型、一个尺寸，要求大家对接所有的场景，而是应该把选择权留给开发者和企业。 Q：国内已经发布了200多个大模型，需要这么多吗？合理的生态是什么样的结构？ A：任何一项技术都有一个蓬勃发展并快速迭代的周期，最终也可能受技术、商业等各方面的约束而收敛。生态的好处，就是它自己会收敛到合适的局面。 今天我们有200多款大模型，能够感受到科技界积极拥抱的态度。今年1月时大家还感觉很消极，觉得跟海外差距很大，到12月已经没有这样的感觉。我相信整个市场、整个生态也会进行优胜劣汰的选择，也会收敛到更完整、完善的状态，这就是生态的魅力。

新智元报道 编辑：编辑部 【新智元导读】UC伯克利的CV三巨头推出首个无自然语言的纯视觉大模型，第一次证明纯CV模型也是可扩展的。更令人震惊的是，LVM竟然也能做对图形推理题，AGI火花再次出现了？ 计算机视觉的GPT时刻，来了！ 最近，来自UC伯克利的计算机视觉「三巨头」联手推出了第一个无自然语言的纯视觉大模型（Large Vision Models），并且第一次证明了纯视觉模型本身也是可扩展的（scalability）。 除此之外，研究人员还利用超过420B token的数据集让模型可以通过上下文学习来理解并执行下游任务，并且统一了图片/视频、有监督/无监督、合成/真实、2D/3D/4D等几乎所有的数据形式。 论文地址：https://arxiv.org/abs/2312.00785 值得一提的是，让LVM做非语言类智商测试（Raven's Progressive Matrices ）中常见的非语言推理问题，它时常能做出正确的推断。 对此，研究人员惊喜地表示，这或许意味着LVM也展现出了「AGI的火花」！ 纯视觉模型的逆袭 现在，随着大语言模型的爆发，不管是学术界还是业界，都开始尝试使用「文本」来扩大视觉模型的规模。 包括GPT4-V在内的SOTA模型，都是把视觉和文字组合在一起训练的。 以「苹果」为例，这种方法在训练时不仅会给模型看「苹果的照片」，而且还会配上文字「这是一个苹果」。 然而，在面对更加复杂的图片时，就很容易忽略其中大量的信息。 比如「蒙娜丽莎」应该怎么去描述？或者摆满各种物品的厨房的照片，也很难清晰地被描述出来。 对此，来自UC伯克利和约翰斯·霍普金斯大学的研究人员，提出了一种全新的「视觉序列」建模方法，可以在不使用任何语言数据的情况下，训练大规模视觉模型（Large Vision Model）。 这种名为「视觉序列」的通用格式，可以在其中表征原始图像和视频，以及语义分割、深度重建等带标注的数据源，且不需要超出像素之外的任何元知识。 一旦将如此广泛的视觉数据（包含4200亿个token）表征为序列，就可以进行模型的训练，让下一个token预测的交叉熵损失最小化。 由此得到的LVM模型，不仅可以实现有效地扩展，完成各种各样的视觉任务，甚至还能更进一步地涌现出比如数数、推理、做智力测试等能力。 左：Alexei A Efros；中：Trevor Darrell；右：Jitendra Malik 简单来说就是，大规模视觉模型只需看图训练，就能理解和处理复杂的视觉信息，完全不用依赖语言数据。 纯视觉模型的扩展难题 此前，使用预训练模型的价值 (例如ImageNet预训练的 AlexNet) ，早在2015年就已经在R-CNN中得到了证明。 从此， 它从此成为计算机视觉的标准实践。 而自监督预训练，作为一种大大增加可用于预训练的数据量的方法被提出。 不幸的是，这种方法并不是很成功，可能是因为当时基于CNN的架构没有足够的能力来吸收数据。 随着Transformer的推出，其容量变得高得多，因此研究人员重新审视了自监督预训练，并发现了基于Transformer的掩码图像重建方法，例如BEiT, MAE，SimMIM，它们要比基于CNN的同类方法表现好得多 。 然而，尽管如此，目前预训练的纯视觉模型在扩展到真正大的数据集(例如LAION) 时，还是遇到了困难。 如何构建「大视觉模型」 那构建一个大规模视觉模型（Large Vision Model，LVM），需要哪些要素呢？ 动物世界告诉我们，视觉能力并不依赖于语言。而许多实验表明，非人类灵长类动物的视觉世界，和人类的极为相似。 因此，本文走在了LLaVA这种视觉-语言模型不同的方向：仅依靠像素，我们能走多远？ 研究人员试图在LVM中，模仿LLM的两个关键特性：（1）在大数据环境下的扩展能力，和（2）通过提示（上下文学习）灵活地指定任务。 为了实现这一目标，需要明确三个主要组件： 数据：研究人员希望，能够充分利用视觉数据显著的多样性。 首先是原始的未经标注的图像和视频。接下来，研究人员计划利用过去几十年中产生的各种带标注的视觉数据资源，如语义分割、深度重建、关键点、3D物体的多个视图等。 为此，他们定义了一种名为「视觉序列」的通用格式，来表示这些不同的标注，而不需要任何超出像素本身的元知识。训练数据集总共包含1.64亿张图像/帧。 架构：研究人员使用了一个具有30亿参数的大型Transformer架构，这个架构在被表征为token序列的视觉数据上进行训练。 通过学习到的tokenizer，将每个图像映射到一个包含256个向量量化token的字符串。 损失函数：研究人员从自然语言处理领域获取了灵感，其中掩码token模型已经演变为顺序自回归预测。 一旦能够将图像/视频/带标注的图像都表征为序列，就可以训练模型来最小化预测下一个token的交叉熵损失。 通过这种极简的设计，研究人员有了一些新颖的发现—— - 随着模型尺寸和数据大小的增加，模型会表现出适当的扩展行为。 - 通过在测试时设计合适的视觉提示，可以解决多种视觉任务。 - 大量无监督数据，对于各种标准视觉任务性能的提升非常明显。 - 模型在处理超出分布外数据和执行新颖任务时，表现出了一般的视觉推理能力，但还需要进一步的调查研究。 数据 数据！数据！数据！没有粘土我就做不了砖头！ ——夏洛克·福尔摩斯 任何大型预训练模型的关键，就必须接受大量数据的训练。 对于语言模型来说，获得非常多样化的大数据集，是很容易的事。 比如，流行的 CommonCrawl存储库，就包含扫描了整个网络的2500亿个网页，极其多样化，并且包括语言翻译、问题回答等「自然演示」。 然而在计算机视觉领域，想要拥有同样规模和多样性的数据源，还差得很远。 因此，研究人员的工作核心贡献之一，就是构建这样一个统一视觉数据集（UVDv1）。 为此，研究人员利用了许多不同的视觉数据源：（1）未标注的图像，（2）具有视觉标注的图像，（3）未标注的视频，（4）具有视觉标注的视频，（5）3D合成物体。 其中，未标注的图像占了总数据的80%以上，组成了大部分的视觉世界，也提供了所需的多样性，然而代价就是，数据源质量较低。 带标注的图像分布会更受限制，但通常质量更高。 而视频数据则受到更多限制（一般是以人类为中心的活动），但它们却是时态数据的宝贵来源。 3D合成对象的渲染多样性最低，但可以提供有关3D结构行为的宝贵提示。 而最重要的是，UVDv1是一个纯粹的视觉数据集，不包含文本之类的非视觉元数据。 总之，UVDv1包含16.4亿张图像。 与LLM的另一个重要区别是，语言数据对所有数据都有一个自然的、统一的一维结构——文本流。 然而不幸的是，视觉数据的情况却并非如此，不同的来源都有不同的结构。 因此在这项工作中，研究人员提出视觉序列，作为视觉数据的统一单元，这就使得他们能够从不同的集合源，训练可扩展的模型。 视觉序列只是包含一个或多个图像的序列，后面跟随着一个句尾 (EOS) token。 图1可以显示出，各种数据源是如何划分为视觉序列的。 单张图像 单张图像本身代表了视觉序列的最简单形式一一{图像，EOS}。 研究人员使用了LAION 5B数据集中14.9亿张图像的过滤子集。 这是迄今为止数据中最大的部分，占了88.5%。 图像序列 图像序列是视觉序列的自然形式。 研究人员通过从各种现有数据集中获取视频数据，来创建此类序列。 16帧的视觉序列，是通过以三个不同步长(10、20和30) 对视频进行机采样而形成的。 此外，研究人员利用了来自0bjaverse数据集的合成3D物体，生成了以物体为中心的多视角序列。 对于每个物体，研究人员都在物体中心和摄像机之间，采样了一个半径1.5到2.2的长度，并从-45度到45度采样了一个恒定仰角，然后遍历物体的不同视角（以15度步长和渲染24个视角的方式，改变方位角）。 通过这种方法，研究人员总共渲染了42000个这样的序列用于训练，8000个序列用于测试。 最后，还可以将属于同一语义类别的图像表征为序列的（一部分）。 使用ImageNet中的类别，将同一类别中的图像组（2、4、8或16个）连接成一个16幅图像的长序列。 带标注的图像 为了以统一的方式处理不同类型的图像标注，研究人员选择将所有标注表征为图像。 某些数据类型，例如语义分割图，边缘图，深度和普通图像，已经是以这种方式表征的。 对于其他数据类型，研究人员为每种特定的标注类型，量身定制了不同方法—— 1. 物体检测：通过在每个物体周围覆盖颜色编码的边界框，来创建标注。 2. 人体姿态：利用MMPose，遵循OpenPose格式，在像素空间中渲染人体骨骼。 3. 深度估计、表面法线和边缘检测：对于给定的ImageNet和COCO图像，按照特定协议生成标注。 4. 风格迁移、除雨、去噪、弱光增强和立体数据集：这些都表征为图像对的形式(例如输入/输出)。 5. 着色：将ImageNet图像转换为灰度图像，生成图像对。 6. 修复：在图像中随机添加黑色框来模拟损坏，从而产生图像对。 对于上述所有标注类型，可以通过将相同标注类型的8个图像对，连接成16个图像的视觉序列，来创建视觉序列。 对于包含同一图像的k个不同标注的数据集，使用不同的方法: 对于每组1+k 个图像 (输入多于k的标注)，然后随机选择m个元素，其中m≤n+1≤16。然后将这些m元组连接起来，形成视觉序列。 带标注的图像序列 在将带标注的视频数据（VIPSeg、Hand14K、AVA、JHMDB）转换为视觉序列时，采用了两种互补策略。 第一种策略类似于处理成对标注图像数据的方法：每个视觉序列都是通过将帧与它们的标注连接起来而构建的——{frame1,annot1,frame2,annot2,...}。 第二种方法是将多个帧与相应的标注{frame1,frame2,annot1,annot2,...}进行分组。 实现方法 与天然展现离散序列结构的文本数据不同，将图像像素建模为视觉序列并不直观。在这项工作中，研究人员采取了一个两阶段方法： 1. 训练一个大型视觉tokenizer（对单个图像操作）将每个图像转换成一系列视觉token； 2. 在视觉序列上训练一个自回归Transformer模型，每个序列都表示为一系列token。 图像分词（Image Tokenization） 虽然视觉序列在连续图像之间展现出了序列结构，但在单个图像内部并没有这样的自然序列结构。 因此，为了将Transformer模型应用于图像，先前的工作通常采用以下方法：要么按扫描线顺序将图像分割成补丁，并将其视为一个序列，要么使用预训练的图像tokenizer，例如VQVAE或VQGAN ，将图像特征聚类成一格一格的离散token，然后再按扫描线顺序将这些token转换成序列。 研究人员采用后一种方法，因为模型的离散分类输出自然形成了一个可以轻松采样的概率分布，使得在视觉序列中灵活生成新图像成为可能。 具体来说，研究人员使用了VQGAN模型生成的语义token。该框架包括编码和解码机制，特点是一个量化层，将输入图像分配给一个已建立代码本的离散token序列。 编码器和解码器完全由卷积层构成。编码器配备了多个下采样模块，以压缩输入的空间维度，而解码器则配备了等量的上采样模块，以恢复图像到其初始大小。 对于给定的图像，研究人员的VQGAN的tokenizer产生256个离散token。 需要注意的是，研究人员的tokenizer独立地对单个图像进行操作，而不是一次性处理整个视觉序列。 这种独立性允许研究人员将tokenizer训练与下游Transformer模型分离，这样tokenizer就可以在单图像数据集上进行训练，而无需考虑视觉序列的分布。 实现细节：研究人员采用了现成VQGAN架构。其中使用了f=16的下采样因子和8192大小的代码本。这意味着对于一个大小为256×256的图像，研究人员的VQGAN的tokenizer产生16×16=256个token，其中每个token可以取8192个不同的值。 研究人员发现使用ImageNet预训练的tokenizer在ImageNet图像之外并不具有很好的泛化性能。因此，研究人员在LAION 5B数据集的1.5B子集上训练他们自己的tokenizer。 视觉序列的序列建模 使用VQGAN将图像转换成离散token后，研究人员通过将多个图像的离散token连接成一个1D序列，将视觉序列视为一个统一的序列。 重要的是，研究人员平等对待所有视觉序列——研究人员不使用任何特殊token来指示特定任务或格式。 研究人员使用交叉熵损失训练一个因果Transformer模型，其目标是预测下一个token，类似于语言模型的标准方法。用相同的方式训练模型来处理所有视觉序列，使模型能够从上下文而不是从特定于任务或格式的token中推断出图像之间的关系。这使得模型有机会推广到其他未见过的视觉序列结构。 实现细节：研究人员将视觉序列中的每个图像分词成256个token，然后将它们连接成一个1Dtoken序列。 在视觉token序列的基础上，研究人员的Transformer模型几乎与自回归语言模型相同，因此研究人员采用了LLaMA 的Transformer架构。 研究人员使用4096 token的上下文长度，可以适应研究人员VQGAN tokenizer下的16幅图像。 类似于语言模型，研究人员在每个视觉序列的开头添加一个[BOS]（序列开始）token，在末尾添加一个[EOS]（序列结束）token，并在训练时使用序列连接（sequence concatenation）来提高效率。 研究人员在整个UVDv1数据集（4200亿token）上训练研究人员的模型，使用一个周期（在语言模型中使用简单周期训练，以避免潜在的过拟合）。 研究人员训练了4种不同参数数量的模型：3亿、6亿、10亿和30亿，遵循相同的训练配置。 通过视觉提示进行推理 由于研究人员模型中的自回归Transformer输出了基于先前token的下一个token的概率分布，研究人员可以轻松地从这个分布中抽样，生成完成视觉序列的新视觉token。 要将模型用于下游任务，可以在测试时构建定义任务的部分视觉序列，并应用模型生成输出。这类似于语言模型中的上下文学习或计算机视觉中的视觉提示。 实验结果与分析 最后，研究人员评估了模型的扩展能力，以及它理解和回答各种提示任务的能力。 可扩展性 研究人员研究了研究人员的模型在训练损失和下游任务性能方面的扩展行为，随着模型大小的增加以及训练过程中看到的token数量的增加。 训练损失。首先，研究人员检查了不同参数大小的LVM的训练损失，见下图。 由于研究人员的所有模型仅在数据集上训练了一个epoch，因此模型只看到每个数据样本一次，因此在训练过程中的任何时候的训练损失与验证损失非常相似。 可以观察到随着训练的进行： 1. 不同大小模型的训练损失（困惑度）持续下降； 2. 随着模型规模（参数计数）的增加，损失下降得更快。这些观察表明，LVM在更大的模型和更多数据方面显示出强大的可扩展性。 虽然LVM在训练过程中整体损失良好地扩展，但并不能保证更好的整体模型也会在特定的下游任务上表现更好。 因此，研究人员在4个下游任务上评估不同大小的模型：语义分割、深度估计、表面法线估计和边缘检测。研究人员在ImageNet验证集上评估这些任务。 对于每个任务，研究人员给出5对输入和相应真实标注以及作为输入提示的查询图像，并评估研究人员模型对下一个256个token（一幅图像）的真实标注的困惑度预测。 下图中，研究人员展示了，更大的模型确实在所有任务上获得了更低的困惑度，展示了研究人员的可扩展整体性能确实转化为一系列下游任务。 虽然LVM在更大的模型和更多数据上获得了更好的性能，但很自然地一个问题是，在UVDv1中收集的每个数据组件是否有帮助。 为了回答这个问题，研究人员在研究人员的数据集上对几个3B模型进行了消融研究，这些模型是在研究人员数据集的子集上训练的，并比较了它们在下游任务上的表现。 研究人员使用之前相同的4个下游任务和设置，并在下图中展示了结果。 研究人员观察到，每个数据组件对下游任务都有积极的贡献。LVM不仅从更大的数据中受益，而且随着数据集中的多样性（包括标注和无监督的图像和视频数据）的增加而改进。 顺序提示 研究人员首先采用最直观、最简单的方法来对LVM进行视觉提示：顺序推理。在这里，提示构建非常简单：研究人员向模型展示7幅图像的序列，并要求它预测下一幅图像（256个token）。 对于顺序提示来说，最直接的任务是视频预测。下图展示了从Kinetics-700验证集序列中提示的几个下一帧预测示例。 在顶部示例中，7帧提示（蓝色边框）后跟着预测的帧（红色边框）。研究人员观察到在空间定位、视点和对象理解方面有一定程度的推理能力。在Kinetics验证集上预测的困惑度为49.8。 下面示例显示了具有更长上下文（15帧）和更长预测（4帧）的预测。 同样类型的简单顺序提示也可以用其他方式使用。例如，下图显示了如何通过提示模型一个围绕任意轴的合成对象的3D旋转序列，使其能够预测更进一步的旋转。 或者研究人员可以将给定类别的物品列表视为一个序列，并预测该类别中的其他想法，如下图所示。 值得注意的是，虽然该系统在训练时是在同一ImageNet类别的图像组上训练的，但这里的提示包括素描，这些素描在任何标注数据中都没有出现过。 接下来，研究人员研究了准确预测后续帧需要多少时序上下文。 研究人员评估了模型在不同长度（1到15帧）上下文提示下的帧生成困惑度。下图所示，在Kinetics-700验证集上，从1到11帧困惑度明显改善后稳定下来（从62.1 → 48.4）。 类比提示 研究人员的研究通过评估一个更复杂的提示结构来进展，研究人员称之为「类比提示（Analogy Prompting）」。这种方法挑战模型理解任意长度和复杂度的类比，从而测试它的高级解释能力。 下图展示了在多个任务上使用类比提示的定性结果样本。提示包括14幅图像的序列，给出各种任务的示例，然后是第15幅查询图像。给定每个提示，预测的下一幅图像。 图的上部展示了几个定义训练集中任务的示例提示（但这些实际图像从未在训练中见过）。图的下部展示了在训练中从未展示过的任务的泛化。 研究人员展示了在Pascal 3D+ 上对关键点检测的结果，使用标准的正确关键点百分比（PCK）度量，阈值为0.1。值得注意的是，LVM在未对此数据集进行训练的情况下达到了81.2的PCK，显示出了令人印象深刻的泛化能力。 相比之下，研究人员展示了一些现有的特定任务模型：StackedHourglass的PCK为68.0，MSS-Net达到了68.9 PCK，StarMap则有78.6 PCK。 与视觉提示的比较 与研究人员的方法最接近的，也允许定义任意任务的方法是视觉提示。在下表中，研究人员比较了几种视觉提示模型在少量样本分割、对象检测和着色任务上的表现。研究人员的顺序LVM在几乎所有任务上都超过了之前的方法。 任务组合 下图演示了在单个提示中组合多个任务。研究人员展示了旋转任务与新的关键点对应任务，并要求模型继续这种模式。模型能够在测试时成功地组合这两个任务，显示出一定程度的组合性。 其他类型的提示 研究人员人员尝试他们是否可以通过向模型提供它以前没有见过的各种提示，看看模型能走到哪一步。 下图展示了一些这样的提示，效果很不错。 下图展示了一些不容易用语言描述的提示——这是LVM可能最终胜过LLM的任务类型。

作者：赵一川 来源：商业人物（ID：biz-leaders） 民营车企的老板们有两个特点，一个都是男的，一个都说自己被黑公关害惨了。 12月3日晚上，比亚迪公关老大怒发微博，说自己入行20年，没见过像今年这么卷的。他说的这个卷，指的是卷下限，同行恶意诋毁抹黑，他简直怒不可遏，“搞我们两年了，不累吗？” 比亚迪表示对黑公关追究到底，并最高悬赏500万征集线索。 这不是比亚迪第一次悬赏了。早在2018年，比亚迪就悬赏5-100万，向社会征求黑公关线索。去年6月，价码抬到了5-500万，为期一年。现在，这项悬赏变成了长期有效。 比亚迪征集的线索，包括聊天记录、往来邮件、合同、资金转账记录等。当然想拿到500万不容易，要根据线索的价值来定。而价值大小的解释权，自然操在比亚迪手里。 本来激动的心，看到这个不由冷静了几分。 上一个这么炮轰黑公关的车圈大佬，是长城魏建军。11月份，魏建军在业内场合公开发飙，称有友商天天带节奏，无中生有，掌握了互联网传播逻辑，确实比长城技高一筹。 魏老板同样舍得花钱，在发飙前几个月，长城就宣布悬赏1000万打击网络水军，按照官方的宣传，还真有幸运网友拿到了奖金。 以吃瓜群众的身份看，这样的悬赏真不少，价值堪比黄金地段奢享住宅。随便在房产网站上搜一下，北京不少核心区外的二手房，这个价码都能买的下。而今年前三季度，比亚迪净利润213亿，长城净利润约50亿，这么一看，悬赏的钱简直就是九牛一毛。这笔预算，我老王和老魏批了！ 比亚迪财报 比亚迪说别人抹黑，也有人这么说它。起亚高管就曾公开点名王传福，让他教育比亚迪的水军要讲素质，在批评其他车企之前，首先反思自己的产品。这样的点名道姓，简直是把汽车人的体面甩到地上摩擦。 汽车圈的水军互喷由来已久，2018年业内就爆发过一次著名的黑公关事件。事情发生在吉利和长城之间，长城暗指对方拥有“海量”水军，李书福则称有小人陷害。最后，双方在表面上达成和解，最倒霉的，是一个造谣者被警方抓了起来。 这件事还有一个结果，就是促成八家国内车企成立了一个自律联盟，号召共同抵制行业黑公关。 到了新能源时代，车企老板们也没有闲着。2022年之后，造车新势力纷纷成立法务部，要和黑公关干到底。李想就很直白地说，不怕得罪人，那些帮助过理想的，都有稳定商业回报。但煽风点火的自媒体，就别想拿到投放预算了。 愤怒的老板，值得好斗的粉丝。都说粉丝圈可怕，看看眼下的汽车圈，一点也不差。各个品牌的红黑粉搅在一块，四处出征，不要太热闹。最理性克制的直男骂战，最口吐芬芳的粉丝互踩，最鸡同鸭讲的口水干仗，来这个圈看，就足够了。 声明一下这里不是打拳，男人们吵起架来，可能就没女人什么事。要么点名单挑，要么500万警告，比妇人骂街要刺激的多。 但有意思的是，这些车企的姿势高度一致——黑公关都是别人搞的，自己永远是受害者。每个人都旗帜鲜明的反对黑公关，但黑公关哪里来的，没有人承认。 男人们，除了表演愤怒，还得表演委屈。 再来看看当初声势浩大的自律联盟，就显得有点搞笑。如果大家都自律了，行业可能早就清清静静，不至于现在一个个委屈巴巴，除了虚空索敌、炸几个大V账号，伤不到背后的什么人。如果有的话。 都说自己是小白兔，那到底谁是大灰狼呢？ 这方面不得不提下特斯拉。特斯拉在2021年车展事件后成立了法务部，是较早的一家。在那之后，不少自媒体被先后起诉，在和特斯拉的交锋中基本失败告终。在营销宣传上，特斯拉号称一向不做投放，连去体验店试驾，谈到其他品牌时销售给你的也只是个迷之微笑。马斯克空有一身战斗值，但在国内同行吵的一锅粥时，他倒像成了个局外人。 不飙狠话，不搞联盟，有事直接上法庭，这种姿势貌似才有效果。 委屈的老板们，要不要考虑学一学？