新闻资讯
News and information
-
25
06/20
点击率暴跌，谷歌AI概览给了网站站长当头一棒
或许，网站站长的好日子怕是要结束了。网站站长从去年开始就一直担心的事情终究还是发生了，谷歌此前在I/O开发者大会2024上公布的AI搜索功能AIOverviews（AI概览），让用户点击网页链接的兴趣大幅下降。日前知名SEO工具提供商Ahrefs公布的一项研究结果，揭示了谷歌AI概览功能对搜索结果页面（SERP）点击率的显著负面影响。Ahrefs的这一研究结果显示，当搜索结果中出现AI概览时，相关关键词的平均点击率会下降34.5%。具体来说，Ahrefs选取了该公司关键词资源管理器数据库中的30万个关键词，其中有一半触发了AI概览，另一半则未触发。为了确保结果的有效性，Ahrefs特意选取了2024年3月和2025年3月的数据，因为谷歌是在2024年5月举行的I/O开发者大会上公布的AI概览功能。通过同比这两个时间点的数据，Ahrefs研究人员发现，触发AI概览的关键词平均点击率从0.073大幅下降至0.026。号称“重新定义搜索体验”的谷歌AI概览功能，指的是用户在搜索问题时，基于Gemini大模型的这一功能就会自动抓取网页内容、在搜索页面顶部总结提炼出用户所查询内容的概要，用户则可以根据自己的需要、再点击网页去寻找所需信息。彼时就有许多网站站长敏锐地发现，一旦有了AI概览，用户就可以直接在其提炼的“精华”中找到所需信息，无需点击任何网页链接。只不过谷歌的AI概览上线即“花式翻车”，诸如“用户用胶水将芝士固定在披萨上”、“推荐摄入石头获取营养”等匪夷所思的总结，直接让谷歌方面颇有些无地自容。当时AI概览如此的糟糕表现，则让许多站长吃下了一颗定心丸，毕竟一个胡说八道的疯子AI，可没法满足用户对于信息的需求。然而遗憾的是，AI是会进化的。谷歌旗下如今最强的Gemini2.5Pro与去年的Gemini1.5Pro相比，已经发生了天翻地覆的变化，前者更堪称是目前地表最强的AI推理模型。到了2025年春季，谷歌的AI概览功能更是获得AIMode模式，强化了AI搜索的推理、思考与多模态处理能力。在AIMode模式下，AI概览通过名为“查询扩展（queryfan-out）”的技术，可同时针对不同的子主题进行搜索，以及即时数据检索，最终实现了回应的时效性、准确性和可读性。到了这时候，网站站长们就赫然发现情况有了变化。由于AI概览已经从去年的玩具变成了如今的工具，一众网站站长就发现它开始改变流量分配的规则。过去，网站站长欢迎谷歌搜索的爬虫抓取自己的页面是因为有利可图，谷歌方面也会通过广告联盟的方式，将搜索引擎拿走的流量重新分配给这些网站。以往站长们只需要保证自己的网站内容质量优异、网页加载速度快、网页结构清晰，就会被谷歌搜索给予搜索结果页更靠前的位置，由此也就能获得更多的用户点击。换而言之，站长之所以愿意去搞SEO（搜索引擎优化），就是看中了拥有数十亿用户的谷歌搜索，能帮助他们高效地将流量用广告来变现。可是网站的广告变现是基于用户点击了谷歌搜索结果页的链接，并访问了相关网站才会得以实现。如果用户根本就不点击链接，挂在网站上的广告又要展现给谁呢？其实站长们并不恐惧AI概览本身，而是担忧AI概览带来的零点击，因为这就意味着用户将直接在AI概览中找到所需的信息，无需访问任何网站。AI概览这种将内容嚼碎、并去粗取精的模式，几乎是毁灭了网站的生存空间。要知道目前的科学研究已经证明，普通用户对于AI有着近乎盲目的信任，这也就意味着已经被推荐算法惯坏了的用户，必然会倾向于使用AI概览获得已经被提炼、归纳的信息。尽管谷歌为了确保AI概览所呈现内容的真实和有效性，着力突出了AI概览中的参考来源。只不过相比以往谷歌搜索第一页上提供的十余个链接，AI概览中的参考来源只有两个。从争夺十几个位置到争夺两个，难度显然直接就上了几个台阶。绝大多数用户根本就不会进行所谓的“事实核查”，只要AI提供的信息不至于离谱到“推荐摄入石头获取营养”，许多人根本不会意识到AI在胡诌。更加致命的是，为了与OpenAI的SeachGPT、Perplexity等AI搜索引擎竞争，未来谷歌搜索呈现的第一页搜索结果将会完全由AI概览负责，也就是说用户将会看到一整页由AI提炼、并总结出的回答。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
06/20
他用AI三天做了个网站，结果被黑了两次，氛围编码大翻车
今年2月，OpenAI前创始成员AndrejKarpathy凭一己之力，带火了一个词——“氛围编码”（VibeCoding）。简单说，就是“你说想法，AI写代码”。就算完全不懂编程，只要有个点子，借助像Cursor、ChatGPT这样的AI工具，也能快速做出一个应用、小游戏之类的。这种“说着就能写程序”的方式吸引了不少开发者尝试。不过，看起来轻松高效的背后，也藏着不小的安全隐患。并不是每个人、每个项目都适合靠“氛围”上代码。这不，一位开发者HarleyKimball就在X上分享了自己使用“氛围编码”而后“掉坑”的经历。他用了三天不到的时间开发并上线了一个聚合网站的应用，殊不知，却在随后短短两天内接连遭遇两次安全漏洞攻击。幸运的是，这两次攻击都由白帽黑客（负责任的安全研究员）在没有恶意破坏的前提下发现并反馈。为此，HarleyKimball将自己的遭遇进行了总结与复盘，希望为更多的初创项目和个人开发者敲响警钟。三天快速开发的网站HarleyKimball做的这个应用，说白了就是一个把各大安全研究员平台（像HackerOne、Bugcrowd、GitHub这些）上的公开资料集中到一块的网站。用户注册登录之后，可以一眼看到各路白帽黑客的公开档案。Kimball的初衷，是想给整个漏洞赏金圈搞一个“查号宝典”，方便大家快速找到相关研究员的资料。据Kimball自述，这款目录网站的前端是通过Cursor和Lovable等AI编程工具搭建的，并与Supabase提供的云数据库服务相连。Supabase在开发者中颇受欢迎，提供开箱即用的认证、存储和数据库功能。不过，整个系统中最关键的数据采集部分——也就是把各个平台的公开资料导入数据库的过程——是通过独立的自动化脚本来完成的，并没有集成在前端或用户操作中。这种“前后分离”的设计，虽然能让界面更轻便，也便于快速上线，但也意味着如果底层权限控制没做好，系统可能在开发者都没注意到的地方暴露风险。起初，HarleyKimball打算让用户使用SupabaseAuth自行注册，并提交他们想要汇总的个人资料。但在开发过程中，他意识到，处理用户注册不仅涉及身份验证（Authentication），还涉及权限管理（Authorization）——如果管理不当，可能造成数据被恶意篡改。因此，他放弃了自助注册功能，转而采用只读的数据视图...令他没想到的是，这也成为了第一个安全漏洞的导火索。第一次被攻破：邮箱泄露引发的权限绕过在开发测试阶段，Kimball采用Supabase提供的用户认证功能，这意味着用户必须使用真实邮箱注册登录。然而，他在检查前后端的数据传输时意外发现：用户邮箱信息会被一并返回给前端页面，存在泄露风险。虽然这些邮箱可能原本是公开的，但一旦用户对平台抱有隐私期待，这种行为就可能构成严重的问题。为了修复这个漏洞，他采用了一个常见的处理方式：用PostgreSQL创建了一个“视图”（view），只提取所需字段，排除了邮箱信息，并让前端只访问这个视图。表面上看，这个做法更安全了——然而，问题也悄然埋下。正式上线后不久，也就是在第一个版本发布不到24小时，一位安全研究员反馈称：尽管网站的前端并没有提供新增或修改数据的入口，他依然能在数据库中随意插入、修改和删除记录。这显然说明，系统的访问权限控制出了问题。问题的根源，出在那个看似“安全”的数据库视图上。Kimball在创建视图时，使用的是默认设置——也就是说，这个视图运行时会继承其创建者（也就是管理员）的权限。而PostgreSQL的行级安全（Row-LevelSecurity,RLS）机制，是需要额外配置才能在视图中生效的。如果没有手动启用“SECURITYINVOKER”或加上专门的安全限制，RLS就会被绕过，导致权限失控。这正是这次“首个安全漏洞”的核心原因。所幸，一位名为Goofygiraffe06的研究员负责任地报告了这个问题，Kimball随后紧急修复了访问权限，重新设计了数据的查询方式，堵上了这个漏洞。第二次被攻破：关闭前端不等于关闭后台就在首个安全漏洞修复的第二天，Kimball又收到了另一位安全研究员Kr1shna4garwal的提醒：攻击者依旧可以注册账号并创建数据。他们发现依然可以往数据库中添加新的“研究员档案”——虽然不能修改或删除已有数据，但这意味着系统的访问控制没有完全锁死。这一次的问题，并不是出在前文提到的数据库视图上，而是另有隐情。Kimball虽然在前端界面上取消了“用户自助注册”入口，但后台使用的Supabase认证服务（Auth）依旧处于激活启动状态。换句话说，攻击者只要知道API的调用方式，就可以绕过前端，通过邮箱和密码注册一个新账号，成为系统“眼中”的合法用户，并按照既有的权限规则操作数据。这种“前端没入口，但后端没封死”的配置，在不少使用现成后端服务的项目中很常见，也很容易被忽视。最终，Kimball通过彻底关闭SupabaseAuth的注册功能，才完全堵上了这个权限漏洞。经验教训：氛围编程虽快，安全不能缺位Kimball在总结这次“上线即被攻破”的经历时，也分享了几点关键反思，对依赖低代码或AI工具进行开发的开发者具有一定参考意义：首先，“氛围编码”（vibecoding）虽然能让项目快速成型，但默认状态下往往忽略了安全配置，一不小心就会留下严重漏洞。其次，Supabase和PostgreSQL这对组合功能强大，但它们的权限模型也相对复杂。特别是在使用数据库视图（view）和行级安全策略（Row-LevelSecurity，RLS）时，如果开发者不了解其背后的默认行为，就很容易配置失误，导致权限失控。比如，PostgreSQL中的视图默认是以创建者（通常是管理员）的权限运行的，这意味着RLS策略会被绕过，除非显式指定为SECURITYINVOKER，或另行设置安全策略。此外，如果项目并未真正使用Supabase的认证功能，务必在后台设置中彻底关闭注册入口——仅仅在前端页面隐藏相关功能远远不够。Kimball表示，他的应用主要聚合的是公开数据，因此这两次安全事件的实际影响有限。但如果系统涉及的是敏感信息，例如个人身份数据（PII）或健康信息（PHI），类似的配置漏洞可能会造成灾难性后果。这起事件也提醒开发者，即便是看似简单的工具链和“只读数据”的项目，也必须进行基础的威胁建模与权限审查。快速上线不代表可以省略安全流程，尤其是在AI编码与自动化工具愈发普及的当下。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
06/20
传统企业如何落地应用AI
企业如果搞不懂AI就不要盲目投入AI01企业应用AI的门槛有多高？当前市面上的AI产品很多，但其实并非人们想象的那样成熟，还处于一个成长发展期，AI就如数字化系统一样有一个成熟、发展期，但同时与传统系统不一样的是AI具有学习能力，有巨大的应用潜力，应用得当对企业效能的提升是显著的。但对于当前的大部分传统企业而言，AI又是陌生的，如何选择AI产品是应用之路的第一个拦路虎，因此企业一定要根据自身的需求来选择，比如是选型文字大模型产品还是图片大模型产品，同时还要考虑的是数据的安全性与合规性，比如在一些企业明确规定禁止接入ChatGPT,当然在应用AI产品的过程中大部分的传统企业关心的还是投入成本，这些成本包括购买大模型的费用、相关接口费用、训练成本，其中对于AI的训练是最消耗时间成本的，所以企业不仅要具有技术能力，最重要的还是要有AI思维，象AI一样的思维能力。02企业如果搞不懂AI就不要盲目投入AI！企业为什么做AI，其中一个最重要的原因就是想利用AI实现效率的提升，以此来实现降本增效。那么在投入应用AI之前首先要考虑如下问题：第一，哪些场景需要用AI来实现；第二，评估投入、产出比；比如很多企业一开始可能会用AI来搭建知识库，但需要注意的是知识库的场景虽然很简单，但知识库的质量却是关键，同时建设与维护知识库投入的成本却比较高，这个时候在搭建知识库之前就要论证其建设的必要性，如果该知识库的内容应用为低频，搭建完成后一年用不了几次，同时又要花费大量的运维成本，那么该知识库就没有搭建的必要。应用AI技术不是为了炫酷，而是要用AI产生价值，所以AI产品的应用还是要以价值为中心。03企业如何推广AI？这是企业不得不面对的一个现实问题，并不是所有的企业领导与员工都会接受AI，所以信息部门一旦引进了AI产品必然面临一个推广应用的问题，但应用实践过程如果把控不好必然会面临一个由期望满满到失望落空的过程，到时候寄予厚望的AI产品又会变成“鸡肋”，这个时候推广策略显得十分重要。比如提前做好关于AI产品的宣传，让企业领导及员工认知AI，同时加强线下培训，但值得注意的是这种培训必须是小范围的进行，必须有针对性，可利用工作场景设计一些与AI互动或PK的游戏环节，在趣味性的同时也让大家认知、学会了AI的相关功能，增强了员工对AI的探索欲。企业领导与员工也要知道的是AI不是“芝麻开门”那般简单，它是一个系统化的实践工程，需要练习，也是一个探索工程。04目前企业引进与应用AI会面临哪些问题？▍准确率的问题：由于技术及思维能力的问题，训练AI的过程中如果方法不当可能会导致输出结果的准确率降低，那么此时企业因理性看待此问题，分析原因，排除故障点，在训练的过程中要象AI一样思考，一样提问；▍价值输出的问题：企业做数字化转型建设都是以价值为中心，AI亦是如此，当前面临的问题是如果信息部门花大量成本引入AI产品，如何用AI助力企业实现降本增效？▍成本投入的问题：AI需要一些技术门槛，所以意味着企业需要投入一定的资金成本、人力成本、时间成本、运维成本来完成此事，但当前大部分传统企业处于求生模式，是否有魄力引进AI产品？▍AI能力的问题：做AI产品的应用不仅需要企业具备一定的技术能力，同时还需要有AI的思维能力、设计能力，必须还具备应用的推广能力，所以企业应用的并不是AI这个产品，而是一种综合能力；▍企业领导对AI热度的问题：AI产品从意识到认知、从认知到实现、从实现到全面应用有一段很长的路要走，企业领导是否有足够的耐心来等待AI能力的转化；从以上不难看出，AI不仅是一种技术，更是一种能力，是未来企业管理的趋势，但目前而言，大部分的传统企业仍是读不懂、看不透、不敢用、不会用，先进技术变成生产力仍需时日，先进技术在传统管理中仍难体现价值，因此企业需要的不仅是技术，更是技术与业务融合的管理转型。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
06/20
传统企业引入AI项目，真的准备好了吗？这些坑千万别踩
AI不是目的，而是手段。只有真正解决业务问题，AI的价值才能体现出来。从2025年伊始AI就成了各行各业的“香饽饽”，很多传统企业也摩拳擦掌，想要借助AI实现所谓的降本增效。但问题是，AI真的适合所有企业吗？传统企业在引入AI项目时，可能会遇到哪些坑？今天老杨就来聊聊这个话题，帮你避开那些“雷区”。part.01AI不是万能药，盲目跟风要不得很多企业看到别人搞AI，自己也急着上马，结果往往是“赔了夫人又折兵”。为什么？因为AI并不是万能的，它需要结合企业的实际需求来落地。如果只是为了赶潮流，而没有想清楚AI到底能解决什么问题，那最后很可能就是花了一大笔钱，却看不到任何效果。最关键的是如果AI项目与企业的长期战略脱节，那它很可能会变成一个“面子工程”，既浪费资源，又看不到实际效果。怎么规避？在项目启动前，企业需明确AI项目的战略目标，确保它与企业的长期发展方向一致。同时，制定清晰的AI路线图，分阶段实施，确保项目有序推进。AI项目启动之前，先问问自己：为什么要做AI？它能解决哪些具体问题？比如，是提升生产效率，还是优化客户体验？只有明确了目标，才能避免盲目投入。part.02技术门槛高，不是想玩就能玩AI技术听起来很酷，但实际操作起来却非常复杂。传统企业往往缺乏相关的技术储备，比如数据科学家、算法工程师这些专业人才。而且，现有的IT基础设施可能也无法支持AI项目的运行，改造起来又是一大笔开销。AI技术也如一个超级大杂烩，有各种各样的门道。要是不小心选错了技术，那可就像走错了路，越走越偏。比如说，在一些数据量不大、业务也不复杂的情况下，非要用那些对数据和计算资源要求超高的人工智能算法，就好比一个小马拉大车，累得够呛还没什么效果，最后模型出来的精度低得让人头疼。怎么规避？在选型前，一定要充分调研企业自身的业务需求和技术现状。可以找专业的技术顾问帮忙评估，多参考一些成功案例，考虑技术的成熟度、适用性以及与现有系统的兼容性等因素。还可以进行小规模的测试和试用，看看技术的实际效果如何，再做决策。part.03组织架构僵化，协作成难题传统企业的组织架构通常比较僵化，层级多、决策慢，而AI项目需要快速迭代和跨部门协作。如果各部门之间沟通不畅，项目很容易卡在半路。怎么规避？首先应成立一个专门的AI项目团队，明确每个人的职责和权限。同时，争取高层的支持，确保项目有足够的资源和优先级。其次，要对企业现有的组织架构进行适当的调整和优化，打破部门壁垒，建立更加灵活、高效的协作机制。可以设立专门的AI项目团队，团队成员来自不同的部门，共同负责项目的推进和实施。同时，加强对员工的沟通和培训，提高他们的团队协作能力和跨部门沟通能力。part.04数据质量差，AI再好也白搭数据对于AI来说，那就是吃饭的“粮食”。要是这“粮食”有问题，那AI这个“胃口”再好也干不好活儿！数据不准确、不完整或者不一致，就像给人做饭的时候米里有沙子，做出来的饭肯定不好吃。比如说销售数据错了、缺了，那根据这些数据做出来的预测就成了瞎猜，一点儿准儿都没有。怎么规避？在启动AI项目之前，建立完善的数据治理体系，从数据的采集、录入、存储、处理到使用的每一个环节，都要制定严格的规范和标准。加强数据审核和校验机制，确保数据的准确性和完整性。定期对数据进行清理和维护，去除无效数据和重复数据，解决数据不一致的问题。part.05员工抵触情绪，项目落地难AI项目的引入可能会让员工感到不安，们怕自己会因为这个丢了工作，或者不想去学那些新技术。这就好比是让一个习惯了走路的人突然去学游泳，心里肯定害怕，抗拒也是正常的。这种抵触情绪不仅会影响团队士气，还可能导致项目难以落地。怎么规避？在引入AI项目之前，要充分做好员工的沟通和宣传工作，让员工了解项目的重要性、意义和对他们个人发展的积极影响。为员工提供必要的培训和指导，帮助他们掌握新的技术和知识，提高适应能力。同时，制定合理的激励机制，对积极参与和配合项目的员工给予适当的奖励和表彰，激发他们的积极性和主动性。part.06运营成本高，长期投入压力大AI项目不仅初期投入大，后期的维护和优化成本也很高。如果企业没有做好长期投入的准备，项目可能会半途而废。怎么规避？在项目规划阶段就充分考虑运营成本，确保企业有能力持续投入。同时，采用分阶段实施的策略，先从小规模试点开始，验证可行性后再扩大范围。part.07投入和产出，得算明白引入AI项目，那可是个烧钱的活儿！从买硬件设备到请专业的老师培训人才，哪一项不需要花大钱？要是在一开始没把这个成本算准了，就像做饭的时候盐放多了，到时候发现钱没了，项目又进行不下去，那可就尴尬了。还有一些企业啊，看着别人都在搞AI，自己也不想落后，就跟着掺和。结果引入之后才发现，AI项目和自己企业的业务根本就不搭调，根本无法实现降本增效。这就好比你种了一地的庄稼，到收获的时候才发现，长出来的全是草，那可就白忙活了。怎么规避？在引入AI项目之前，要充分结合企业的战略目标、业务需求和发展规划，进行深入的可行性研究和分析。评估AI项目与企业业务的适配性，预测项目的收益和风险，确保投资回报率符合企业的预期。如果对某个项目不太确定，可以先进行小规模的试点，验证项目的可行性和效益后再做大规模的推广。同时在项目启动前，进行详细的预算规划和成本评估。考虑到项目可能涉及的各个方面，包括设备采购、软件开发、人员培训、系统集成等费用，预留一定的预算弹性空间，以应对可能出现的变化和意外。同时，加强成本控制和管理，在项目实施过程中严格控制费用支出，避免不必要的浪费。AI确实有巨大的潜力但它并不是“即插即用”的工具。传统企业在引入AI项目时，需要从意识、技术、组织、数据、能力、运营等多个方面进行全面评估，确保项目能够真正落地并产生价值。如果你的企业正在考虑引入AI，不妨先问问自己：我们真的准备好了吗？如果答案是否定的，那不妨先从小处着手，逐步积累经验和能力，等到时机成熟再大展拳脚。最后，记住一句话：AI不是目的，而是手段。只有真正解决业务问题，AI的价值才能体现出来。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/23
即时零售大战启示录：巨头 all in 超级 App，下一个十年看微信模式？
超级APP整合即时零售，高频带低频，资源优化与挑战并存。即时零售超级APP趋势2025年以来，京东秒送、美团闪购、淘宝闪购三家巨头先后重推即时零售业务。然而有趣的是，在三家的业务推进过程中，美团闪购虽然独立出来，但并没有像美团外卖APP那样，再单独拆分出一个美团闪购APP；京东秒送和淘宝闪购更是直接在其主业设置一级流量入口，更不可能再给这些新业务出单独APP。这是因为，超级APP”成为平台突破增长瓶颈的核心武器——通过将高频服务（如社交、支付、即时零售）与低频场景（如电商、本地生活）深度捆绑，构建用户“一站式需求闭环”。这与数年前互联网企业的业务模式大相径庭。曾几何时，互联网企业开拓新业务，往往会单独出一个APP，以此来区隔业务，同时也能在APP应用市场中多占一个位置，获取更多流量。比如腾讯自己，为了与抖音竞争而推出了微视。腾讯曾耗资百亿推广独立APP微视，2018年春节，微视通过QQ走运红包合作发放微视礼包，新增数百万用户。黄子韬、刘昊然、张天爱、迪玛西等数十位明星助阵拜年并入驻微视，但结局如何呢？最终还是败于抖音。再比如当年字节跳动，在今日头条之外，先后推出内涵段子、皮皮虾、抖音等多款APP，构建起庞大的内容生态。但如今，时代已经发生了变化。从外卖大战到即时零售的角逐，巨头们纷纷将新业务融入已有的超级APP中，allin“超级APP”模式。这种转变背后，有着怎样的战略考量？超级APP模式又为何会成为巨头们的新宠？它是否会成为未来十年互联网发展的主流模式？超级APP模式的崛起所谓超级APP，指的是那些拥有庞大的用户数，成为用户手机上的“装机必备”的基础应用。这类APP除去流量分发的工作，还将自身引擎化来承载各种轻应用的运行，底层支撑能力相比普通App要求要高得多。超级APP的概念并非新创，但在近几年才真正成为互联网巨头们的战略重点。以微信为例，堪称超级APP模式的佼佼者。微信从最初的即时通讯工具，逐步发展成为集社交、支付、生活服务、小程序等多种功能于一体的超级平台。用户不仅可以在微信上与朋友聊天、分享生活，还能通过微信支付进行购物、缴费，使用各种小程序实现打车、订餐、订票等功能，几乎涵盖了日常生活的方方面面。微信做支付，是超级APP模式成功的典型案例。如果微信支付不是直接绑定在微信内，而是单独出一个APP，很难想象它能通过春晚红包一夜逆袭支付宝，其成功的核心在于通过微信与社交场景进行无缝融合。微信本身拥有庞大的用户基础，通过将支付功能无缝融入其中，极大地降低了用户使用支付功能的门槛，用户无需额外下载和注册新的应用，就能轻松完成支付操作。这种便捷性使得微信支付能够迅速获得用户的认可和使用，快速抢占支付市场份额。再看视频号，微信推出视频号，并非另起炉灶开发一个独立的视频APP，而是直接将其嫁接到微信上。微信为视频号提供了强大的流量支持，通过朋友圈、发现页等入口，让视频号能够快速触达海量用户。视频号依托微信生态，与微信的社交功能紧密结合，用户可以方便地分享视频到朋友圈、群聊，与好友互动。这使得视频号仅用3年便实现8亿月活，日均使用时长超35分钟，成为与抖音分庭抗礼的短视频平台。微信之所以能够在超级APP模式上取得巨大成功，与其长期坚持不分流的策略密切相关。微信通过最先开放小程序，为众多开发者提供了一个便捷的开发和推广平台。小程序无需下载安装，用户在微信内即可直接使用，极大地提升了用户体验。同时，微信给予核心业务一级流量入口，确保用户能够方便快捷地找到和使用这些功能。这种对用户体验的极致关注和对业务的合理布局，使得微信能够牢牢锁住用户，十多年如一日稳居用户在线时间最长的APP宝座。巨头在超级APP下的较量在即时零售领域，美团闪购、淘宝闪购和京东秒送的表现，也充分体现了超级APP模式的优势。美团闪购作为美团旗下的即时零售平台，虽然独立品牌发布，但并没有单独推出APP。用户只需打开美团外卖App，就看叶看到明显的闪购频道，即可进入美团闪购页面。美团闪购依托美团体系内的海量用户、每日百万级在岗骑手提供的小时达服务，以及覆盖全国超过2800个市区县的美团配送能力，涵盖了酒水零食、美妆个护、宠物母婴、乳品百货、果蔬生鲜、鲜花绿植、数码图书等众多品类的传统零售行业商品的即时配送服务。美团将闪购业务融入美团外卖APP中，能够充分利用美团已有的用户基础和配送体系，实现资源的高效整合。用户在使用美团外卖订餐的同时，很容易发现并使用美团闪购的服务，这种便捷的入口设置，为美团闪购带来了大量的流量。淘宝闪购同样如此，淘宝天猫将即时零售业务“小时达”升级为“淘宝闪购”，并在淘宝APP首页设置一级流量入口。淘宝本身拥有庞大的电商用户群体，通过在首页设置一级入口，能够让海量的淘宝用户迅速知晓并使用淘宝闪购的服务。淘宝闪购上线首日就覆盖50个城市，上线第6天单日订单量突破1000万单，如此惊人的成绩，离不开淘宝超级APP的强大流量支持。淘宝闪购借助淘宝的品牌影响力和用户基础，能够快速打开市场，吸引消费者使用其即时零售服务。京东秒送也是在京东APP内重点推进。京东整合原京东小时达、京东到家两大品牌，推出“京东秒送”，借助达达秒送的高效配送与众多优质零售合作伙伴，为消费者提供极速服务。京东将秒送业务融入京东APP，能够充分发挥京东在电商领域的供应链优势和用户信任度。京东的用户在购物时，对于京东秒送提供的快速配送服务更容易接受和尝试，因为他们对京东的品牌和服务质量有较高的认可度。从这些巨头在即时零售领域的布局可以看出，超级APP模式为新业务的发展提供了强大的支持。通过将新业务融入已有的超级APP中，能够充分利用超级APP的用户基础、品牌影响力、流量入口以及各种资源，实现新业务的快速发展和市场拓展。超级APP下的高频带低频策略在超级APP模式下，巨头们还通过高频业务带动低频业务的策略，进一步提升平台的竞争力和用户粘性。以京东秒送为例，京东本身的电商业务相对低频，消费者并不会每天都在京东上购物。而外卖业务属于高频消费，消费者每天都可能有订餐的需求。京东全力加速外卖进程，通过高频的外卖业务为低频的电商业务引流。当用户频繁使用京东的外卖服务时，他们对京东APP的打开频率也会增加。在这个过程中，用户很可能会发现京东的其他业务，如京东秒送的即时零售服务，以及京东丰富的电商商品。这样一来，高频的外卖业务就成功地为低频的电商业务带来了更多的流量和潜在客户，实现了高频带动低频的效果。淘宝闪购同样有着类似的考量。淘宝闪购通过提供即时零售服务，满足消费者对于商品快速送达的需求，吸引消费者使用淘宝闪购。而淘宝自身作为电商平台，需要大量的流量来推动商品的销售。淘宝闪购与饿了么之间也存在着协同关系。从长期来看，淘宝闪购和饿了么很可能会进一步融合。目前淘宝闪购可以帮助饿了么拓展业务，同时饿了么也能为淘宝闪购提供配送等方面的支持。而淘宝通过淘宝闪购吸引来的流量，也能够促进淘宝自身电商业务的发展。长期来看，淘宝闪购与饿了么是否会真正成为一家，也未尝可知。总之，这种高频带低频的策略，不仅能够提升平台的整体流量和用户活跃度，还能实现不同业务之间的协同发展，提高平台的综合竞争力。在当前电商用户增速放缓的大环境下，这种高频带低频的策略显得尤为重要。各大电商平台已经很难通过大规模获取新用户来实现业务增长，因此如何充分挖掘现有用户的价值，提高用户的活跃度和消费频次，成为了关键。超级APP模式下的高频带低频策略，正好为解决这一问题提供了有效的途径。通过将高频业务与低频业务整合在一个超级APP中，能够更好地满足用户的多样化需求，提升用户体验，从而增强用户对平台的粘性和忠诚度。超级APP成为行业趋势的必然性从外卖大战到即时零售的竞争，互联网巨头们纷纷选择超级APP模式，并非偶然，而是有着深刻的行业背景和必然性。随着移动互联网的发展逐渐进入成熟阶段，用户的时间和注意力变得越来越稀缺。用户对于手机应用的安装和使用变得更加谨慎，他们更倾向于使用功能全面、能够满足多种需求的超级APP，而不是在手机上安装大量功能单一的APP。这就使得超级APP在吸引用户和留住用户方面具有天然的优势。开发和维护多个独立的APP需要投入大量的人力、物力和财力。从产品研发、设计到推广运营，每个环节都需要耗费巨大的成本。而且多个APP之间还可能存在资源竞争和用户分流的问题。而超级APP模式通过将多种业务整合在一个平台上，能够实现资源的共享和协同，大大降低了开发和运营成本。例如，在技术方面，超级APP可以共享底层的技术框架和基础设施，减少重复开发；在推广方面，超级APP可以利用自身的品牌影响力和用户基础，为新业务进行推广，降低推广成本。在超级APP模式下，平台可以更好地整合用户数据，通过对用户在不同业务场景下的行为数据进行分析，深入了解用户的需求和偏好，从而实现精准营销和个性化服务。例如，微信通过对用户的社交行为、支付记录、小程序使用情况等数据的分析，能够为用户推送更加符合其兴趣的广告和服务；美团通过对用户的外卖订餐和闪购购物数据的分析，能够为用户推荐更合适的商品和优惠活动。这种精准营销和个性化服务能够提升用户体验，增强用户对平台的满意度和忠诚度。超级APP模式下，平台可以将多种业务进行有机整合，实现业务之间的协同发展。例如，在即时零售领域，电商平台可以将线上销售与线下配送、售后服务等业务进行协同，为用户提供更加便捷、高效的购物体验；社交平台可以将社交功能与电商、生活服务等业务进行协同，通过社交关系带动其他业务的发展。这种业务协同能够创造出更大的价值，提升平台的竞争力。超级APP模式面临的挑战与风险虽然超级APP模式具有诸多优势，但也并非完美无缺，它同样面临着一些挑战和风险。随着超级APP功能的不断增加和业务的不断拓展，APP的体积和复杂度也会随之增加。这可能会导致APP的运行速度变慢、耗电量增加，甚至出现卡顿、闪退等问题，影响用户体验。例如，一些功能繁多的超级APP在手机配置较低的设备上运行时，就会出现明显的性能问题。如何在不断丰富功能和业务的同时，保证APP的性能和稳定性，是超级APP面临的一个重要挑战。超级APP整合了大量用户的各种数据，包括个人信息、消费记录、行为偏好等。这些数据一旦泄露，将对用户的隐私和安全造成严重威胁。而且随着数据安全法规的日益严格，超级APP平台面临着巨大的数据安全合规压力。所以，如何加强数据安全管理，防止数据泄露，确保用户数据的安全和隐私，是超级APP必须要解决的关键问题。超级APP在市场上往往占据着主导地位，具有很强的市场影响力。这可能会引发反垄断方面的担忧，监管部门可能会对超级APP平台的市场行为进行严格监管。例如，一些超级APP平台可能会利用自身的优势地位，对商家进行不合理的收费、限制商家的经营自主权，或者在市场竞争中采取不正当手段排挤竞争对手。如何在遵守反垄断法规的前提下，合理开展业务，也是超级APP需要面对的法律风险。超级APP模式下，平台上的业务种类繁多，涉及到不同的行业和领域。这对平台的运营管理提出了很高的要求，平台需要具备跨行业的运营能力和专业知识。例如，在即时零售业务中，平台需要同时管理好线上销售、线下配送、商品供应链等多个环节，任何一个环节出现问题，都可能影响整个业务的正常运行。如何提升跨行业的运营管理能力，确保平台上各种业务的高效运作，更是超级APP面临的运营挑战。超级APP模式的未来展望尽管面临诸多挑战，但超级APP模式依然展现出了广阔的发展前景。未来，超级APP有望在以下几个方面继续创新和发展。随着人工智能技术的不断发展，超级APP将更加智能化。通过人工智能算法，超级APP可以更加精准地预测用户的需求，为用户提供个性化的服务推荐。例如，在用户打开超级APP时，系统可以根据用户的历史行为和实时场景，自动为用户推荐最适合他们的商品、服务或内容。同时，人工智能还可以应用于客服领域，通过智能客服为用户提供24小时不间断的服务，快速解决用户的问题。超级APP将进一步拓展线下场景，实现线上线下的深度融合。例如，在即时零售领域，超级APP可以与线下实体店进行更紧密的合作，通过线上平台为线下店铺引流，同时利用线下店铺的库存和配送能力，为线上用户提供更快的配送服务。此外，超级APP还可以通过与线下商家合作开展各种营销活动，如线上线下联动的促销活动、体验活动等，提升用户的购物体验和参与度。随着5G技术的普及，超级APP将能够支持更加丰富多样的应用场景。例如，5G的高速率和低延迟特性将使得虚拟现实（VR）、增强现实（AR）等技术在超级APP中的应用更加流畅和便捷。用户可以通过超级APP使用VR技术进行虚拟购物、在线试衣、看房等，或者利用AR技术进行商品识别、导航、互动游戏等。这些新的应用场景将为用户带来全新的体验，进一步提升超级APP的吸引力和竞争力。未来，超级APP将更加注重与合作伙伴的生态共建。平台将开放更多的接口和能力，与第三方开发者、商家、服务商等建立更加紧密的合作关系，共同打造一个繁荣的生态系统。例如，微信通过开放小程序接口，吸引了大量的第三方开发者开发各种小程序，丰富了微信的生态内容；美团通过与众多商家合作，构建了庞大的外卖、生活服务、甚至内容种草生态的超级应用。而京东秒送、淘宝闪购亦有像这条路延展的可能性。通过生态共建，超级APP可以实现资源共享、优势互补，为用户提供更加全面、优质的服务，同时也为合作伙伴创造更多的商业机会。从外卖大战到即时零售的角逐，超级APP模式已经成为互联网巨头们竞争的新战场，如今各大平台表面上只是在抢占更多单量，而在看不见的战场，各大平台势必将投入更多资源去进一步优化用户体验，将更多可留住用户的奇思妙想植入到其APP中。在这场超级APP的博弈中，没有永恒的王者，只有持续的进化。正如微信十年磨一剑的克制，或许正是破解“流量焦虑”的终极答案。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/23
事实驱动AI：企业AI搜索引擎寻求战略投资
事实驱动的企业AI搜索：重塑企业决策的智能引擎在人工智能技术狂飙突进的今天，一家名为“事实驱动的企业AI搜索”的创业公司，正试图用技术创新破解大模型时代的核心难题——当生成式AI的“幻觉”风险遇上企业级场景对数据可信度的严苛要求，如何让AI真正成为商业决策的可靠伙伴？从行业痛点中诞生的解决方案医疗领域曾发生过令人警醒的案例：某三甲医院医生使用传统AI工具查询药物相互作用，系统错误建议导致患者出现严重不良反应。这类事件暴露出企业级AI应用的致命缺陷——数据可信度与结果可验证性。创始人徐维挺的创业动机正源于此。这位在安永、携程等企业深耕十年的产品专家，观察到企业内部数据使用中的多重矛盾：数据孤岛阻碍信息整合、隐私合规压力限制数据流动、传统搜索工具难以理解复杂业务逻辑。尤其在金融、医疗等高合规要求行业，企业对“零误差”AI的需求持续攀升。据第三方机构预测，2023-2030年全球企业AI搜索市场年复合增长率将超35%，其中可信数据服务占比将突破60%。技术架构的双重革命项目团队构建的“双层解耦架构”展现出独特的技术哲学：将意图解析层与数据检索层彻底分离。这种设计使系统既能通过大型语言模型深度理解“招商项目中类似案例的关联方”等复杂查询，又能依托时序图谱技术实现跨部门数据的动态关联。核心技术突破体现在三个维度：1.可信验证机制：VeriCore模块通过行为异常检测（F1-score0.87）与全链路溯源，将AI虚构内容风险降低90%。当系统无法获取可靠数据时，会主动拒绝回答而非猜测。2.隐私计算引擎：联邦学习框架支持企业联合训练模型而不共享原始数据，配合差分隐私技术，使医疗机构的患者记录与药企的研发数据得以安全融合分析。3.动态知识更新：与蚂蚁图计算TuGraph共建的底层架构，可实现社交关系图谱的实时增量更新。某招商机构使用该系统后，项目线索挖掘效率提升3倍，洽谈周期缩短60%。垂直场景的价值穿透在医疗领域，系统通过整合院内药典数据库和PubMed开放数据，将用药风险提示准确率提升至99.2%，某三甲医院的人工复核时间因此下降70%。金融行业则借助社交行为异常分析，帮助保险集团将欺诈案件识别率提升45%，年止损超1200万美元。这些案例验证了项目的商业逻辑：不做通用型AI，而是聚焦医疗、金融、制造等数据敏感行业的深度需求。通过构建行业专属知识图谱，系统可自动解析“药物A与B的代谢路径冲突”等专业查询，将原本需要数小时的人工核查压缩至秒级响应。构建行业生态的野望团队正推进两项战略级规划：开发支持文本、图像、语音的多模态搜索功能，以及动态数据实时更新引擎。更值得关注的是其生态布局——与头部云服务商共建行业解决方案市场，推动“可信AI搜索”标准制定。这种“技术+生态”的双轮驱动，使其在应对巨头竞争时，能够通过垂直场景深度建立护城河。创始团队的破局之道徐维挺带领的团队兼具技术理想与商业嗅觉。团队核心成员包括来自头部互联网公司的架构师和行业数据专家，他们在时序图谱、隐私计算领域拥有多项专利。面对AI技术快速迭代的压力，团队选择开放开发者社区，通过API接口吸引第三方开发者丰富应用生态，这种“核心自研+生态共赢”的模式，正在医疗数据合规交易、金融风控等场景显现价值。下一站：可信AI的产业革命当被问及项目愿景时，徐维挺展示出一张技术演进图：从信息检索到事实赋能，从生成式AI到验证式AI。这或许预示着更深层的产业变革——在数据爆炸的时代，真正稀缺的不是信息获取能力，而是对信息真实性的甄别力。事实驱动的企业AI搜索，正在重新定义智能商业的底层规则。据透露，项目已启动与长三角区域企业的深度合作，2026年技术扩展计划包含动态数据治理工具开发。在可见的未来，这套系统或许会成为企业数据资产的“智能质检员”，让每一条决策建议都能追溯到可信的数据源头。这场关于事实与智能的探索，正在打开产业数字化转型的新维度。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
AI正在杀死“专业性”吗？
在工作中，你被强行要求使用AI了吗？这两年，AI像一股洪流一样冲进职场。文案、策划、设计、记者……似乎没有哪个岗位能“幸免”。一开始大家很兴奋，觉得AI能帮自己提升效率、拓宽能力边界。但慢慢地，随着AI使用的越来越多，越来越多的职场人开始发现问题的不对。似乎，我们曾经赖以生存的“专业技能”正在变得越来越“无用”，辛苦完成的工作，也很容易被领导一句“让AI再改改”而推翻。“专业”在AI时代正逐渐被解构。比如今年年初，一位广东的医生在社交媒体上发布视频表示，他给患者开完药之后，患者质疑其治疗方案不对，因为DeepSeek不是这么说的。这一幕其实和互联网时代真的十分相似，当时网络上广为流传的一个段子就是，医生最讨厌拿着百度来看病的人。医生给你开完药，你却说“我看百度上讲，这个病不是这么治的。”如今，“百度”的角色被“AI”替代，社会对于“专业”的解构也越来越严重。让AI再改一下！“你把这个稿子上传给AI，让它再润色一下。”这是近两个月来，罗铮汇报工作时听到领导重复最多的话。没有意见、没有问题，也没有修改的方向，只是一味地让他用AI再修改一下。罗铮是北京某科技公司的品牌文案，之前的工作也算顺利，但自从领导年初在微信群里分享了一篇关于员工如何使用AI提高效率的文章后，这样的噩梦就开始了。“领导要求我们每个人都使用AI，稿子不要自己写，尽量都用AI，给AI提要求。”罗铮说。“领导自己也用AI，无论什么事情都要去DeepSeek问一问，现在看他工作多少有种算命感。”▲沉思的达芬奇，图片由ChatGPT生成当然，如果仅仅是要求使用AI，那对罗铮的影响并不大，毕竟日常工作中他也会使用很多AI工具。真正让罗铮感到气愤的，是领导使用AI之后对他们的工作表现出的不尊重。“我们公司最近有新产品要做一系列的宣发，但所有的宣发稿件和产品介绍给到领导之后，他都会顺手投给AI，然后反馈给你一个面目全非的版本，并要求你按此执行。”“有种被AI抄袭的感觉。”罗铮认为，AI本质上是在他们的工作上进行修正，但领导最后不会记得自己的工作，而只会记得你们用了一两天也做得不好，而AI几分钟就搞定了。而且罗铮认为AI修改的内容也并不完美。“文案和稿件本身就有很多主观的成分，不同的人有不同的偏好，而且AI有些内容虽然给的不错，却并不一定贴合既定的宣传调性。”“但领导不会在意这些，他只会觉得AI的内容更好，但我们不能不管，我们有KPI，所以为了效果，我们又不得不去调整投放策略，属实是为了这碟醋，包了顿饺子。”类似的困扰也发生在从事媒体工作的于晴身上，最近一场采访结束后，于晴按惯例整理好QA版本给采访对象确认。但让于晴没想到的是，采访对象给他反馈回来的，是一个调整到几乎全新的内容。采访对象还有些得意地告诉她，这是他用AI重新修改的，并表示这样才更有利于传播，会有更多人看。但于晴看着反馈回来如同会议纪要稿件，想破脑袋也没想通这个版本凭啥可以更有传播度。类似的事情也不止发生在文字工作场景，在某公司做设计的张艳也遇到类似情境。“领导最近总要求我们用AI生成设计素材，但我们的设计主要是活动海报和现场主KV等内容，这些东西不像是艺术作品，AI并不太好生成。”五一之前，张艳用AI生成了五一节庆海报的素材，但领导对AI画面的具体内容又有想法，比如人物形象，站位，服饰等等。这些画面牵一发而动全身，为了做出领导满意的效果只能重复抽卡，当时仅生成素材就花费了一整天。“自从开始使用AI之后，领导总是PUA我们，说我们的工作还不如AI做的好。”罗铮表示，AI确实改变了我们的工作方式，但却并不是往好的方向改变，有了AI之后，反而要面对更多的压力。二、被解构的“专业”通过上述的这些案例，我们会发现一个让许多人难以接受的事实，即在AI时代，人们的专业能力被解构了。在这之前，无论是输出海报设计，PR稿件，还是记者的专访内容，都需要一定的门槛，比如一定的专业技术，一定的经验积累。但拥有AI之后，无论你之前是否有过相关工作经验，甚至无论你是否对这个工作有过了解，你都可以通过AI快速输出一份看起来还不错的结果。专业能力被解构，一方面固然让许多人的能力得到极大增强，并成长为超级个体。但另一方面，他也给许多人带来“我上我也行”的错觉，然后藐视专业。比如前面提到于晴的采访对象用AI修改稿件，或者罗铮的领导用AI修改品牌内容都属于这种行为。这其中包含两个层面的问题，首先是专业性的问题。这里的专业性并不是指完成任务的能力，而是指完成工作背后的认知和思考。以媒体的采访稿为例，每个媒体都有自己独特的视角和风格，有自己既定的读者群体，并且根据不同的事件有不同的传播点。因此选择什么样的内容形式和表达重点背后，是综合所有信息的复杂决策。AI虽然能够快速的生成内容，但显然并不能获得这些完整的背景信息，因此即便AI生成的内容很好，但也可能与媒体并不适配，企业宣传内容同样如此。其次是AI的答案是否真正专业的问题。这两年来，由于AI宣传的扩大，许多人将AI输出的结果当成是一种标准答案，但实际很多时候，AI输出的结果连参考答案都算不上。这是因为AI也会讨好用户。4月底，OpenAI更新ChatGPT-4o之后，ChatGPT就曾被用户诟病过度讨好用户。比如有用户提出“售卖粪便”的商业计划，ChatGPT也会称赞这是一个天才的想法。这种过度讨好导致OpenAI不得不撤回这次更新。所以许多人觉得AI输出的内容非常满意，根本的原因是这个内容就是AI为你量身定制的，但个人的喜恶显然并不能代表大众的喜恶。但在实际工作中，处于领导地位的人却往往忽视这些问题，借助AI将个人的喜恶强加在大众的喜恶上，导致对专业的藐视，并最终作出错误的决策。同时，这种行为也会对员工带来负面的影响，比如员工会感觉到自己的专业不被重视，同时又会觉得自己随时会被AI取代的危机感，并最终导致员工离职，或者消极的工作态度等等。而弥合这种差异的办法，就是要让真正专业，懂得市场和大众需求的人来指导AI完成工作，这才能真正贴合市场和大众需求。结语当然，AI对专业性的解构还表现在许多方面。比如现在许多自媒体非常流行DeepSeek说的文体，当热点事件发生后，将事件发给DeepSeek评论一下，然后作为文章内容进行发布。就这样，DeepSeek逐渐被许多人当成一种绝对权威，成为一种新的名人名言。以前我们引经据典，都是孔子曰、孟子曰，莎士比亚说.....现在都是DeepSeek说、豆包说、Kimi说......这种情况在下沉市场更加严重，人们越来越少的进行独立思考和自主判断，逐渐变成AI的应声虫。出现这种情况，本质上是技术大范围平权的结果。即专业性的解构，其实是技术平权带来的。技术平权当然是一件好事，但同样，任何事情都有两面性。从社会的角度来看，互联网可能是一个比较好的案例。如今，仍然有许多人在怀念古典互联网时期网络平台上的优质内容氛围，比如2017年之前的知乎，2008年之前的天涯论坛等等，那时候网络平台上到处充满了友好的社交氛围和高质量的、专业且深刻的讨论。但随着互联网的普及，越来越多的人群涌入，天涯论坛还是衰落，知乎逐步变成了装逼的故事汇，微博小红书等平台充满了愤怒、谩骂、分歧和争吵。互联网的普及让每一个人都可以发声，都可以被看见；但同时也有大量未经思考、未经审查的内容被发布。于是我们得到了一个和古典互联网时期完全不一样的互联网环境。很难说过去和现在哪一个互联网会更好，但毫无疑问，类似的发展趋势也必将在AI场景重现。当AI让更多人轻而易举获得能力，但他们却没有驾驭这种能力相对应的专业素养之后，等待这个世界的又将会是什么呢？AI可以替代人工作，但不应该替代人思考。本文来源：虎嗅APP文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
产业互联网，一次B端和C端的双向奔赴
当AI的浪潮开始席卷各行各业，当人们对于各色AI产品的应用热度不减，产业互联网的样子，正在变得清晰而透明。曾经，在消费互联网时代，我们看到的是，以互联网玩家们为代表的B端玩家们对于C端的消费行为和习惯的深度改造；曾经，在消费互联网时代，我们看到的是大型平台的主动以及流量端的被动。当AI的浪潮推开产业互联网的大门，我们却看到了一幅完全不一样的场景，如果对于这样一种场景进行总结和定义的话，它更像是一个B端和C端双向奔赴的过程。一方面，AI正在深度而全面地改造以互联网玩家们为代表的B端，并蜕变出来了新的产品和服务，以更好地服务于C端用户；另一方面，C端用户借助AI的产品和工具在深度而全面得改造自身的行为习惯和工作方式，以更好地实现与B端用户的完美桥接。这样一种B端和C端双向奔赴的状态，无疑正是产业互联网时代的真实写照。当B端和C端的双向奔赴开始出现，特别是当B端和C端不再是对立和分裂的个体，以往在消费互联网时代我们所看到的虚拟经济和实体经济二元分立的产业结构将会被打破，随之而来的是，以数实融合为主导的新产业时代的来临，而当新的产业形态开始衍生和出现，真正意义上的产业互联网时代，或许已经来临。B端，以供给侧改革奔向C端不知道你有没有发现，如今越来越多的互联网玩家们开始主动拥抱AI，开始寻找自身与AI结合的正确的方式和方法，开始用AI来改造自身。如果我们对于B端的这一系列的操作进行总结和定义的话，以供给侧改革来实现产业端的升级，从而更好地满足C端的需求，无疑是再合适不过了。当B端开始自我改造，当B端开始自我创新，我们看到的是，以往所形成的产业元素、产业逻辑、产业衍生品开始发生了深刻的改变。如今的电商，不再是传统意义上的电商，如今的零售，不再是传统意义上的零售，如今的资讯，不再是传统意义上的资讯，无疑是再合适不过的了。B端之所以会发生如此深刻而彻底的改变，其中一个最为重要的原因在于，它们试图通过供给侧改革的方式来衍生出新的产品和服务，从而更好地满足C端的需求，它们不再把C端看成是一个被收割的对象，而是更好地为C端服务。可以说，只有这样，B端玩家们才能在产业互联网的新周期里继续获得新的发展，才能在存量时代继续占得市场。否则的话，B端玩家们非但会在拓展市场上举步维艰，甚至连继续留在牌桌上的机会都不会存在了。因此，如果我们对于当下正在发生着的这样一场产业互联网的新变革进行总结和定义的话，B端开始通过供给侧改革的方式提升和完善自身，并且以此为切入点，更好地服务于C端，更好地拥抱于C端，无疑是再合适不过的了。在这个过程当中，B端真正开始审视C端用户的真实需求，而不再是像消费互联网时代一样仅仅只是将C端看成是一个改造的对象，仅仅只是将C端看成是一个可以被资本改造的对象。而这样一种B端通过供给侧改革向C端奔赴的过程，正是产业互联网的真实写照。C端，以主人翁的姿态奔向B端当deepseek开始出现，我们看到的是，一派热火朝天的应用景象，C端用户开始通过自身的方式来利用这样一种新产品，C端用户开始通过自身的要求对于B端提出新的需求。从某种意义上来讲，这个时候的C端，不再是一个被动接受B端产品和服务的过程，不再是一个被动接受改造的存在，而是成为了一个更加主动、积极，更加富有主人翁意识的存在。可以说，透过以deepseek为代表的一系列的AI产品的应用，我们看到的是，C端用户的角色、地位开始发生了一场深刻而彻底的改变。当C端用户不再仅仅只是一个被改造的对象，而是开始主动地去向B端提出需求，它的角色开始发生根本上的改变。C端用户的这样一种自我意识的觉醒以及由此所带来的潜能的释放，其实就是产业互联网真正的本质内涵所在。在产业互联网时代，并不存在严格意义上的消费互联网时代的C端，而仅仅只存在新产业形态下的组成成分，它们没有主次之分，几乎都是产业发展过程当中不可或缺的存在。很显然，这完全打破了消费互联网时代业已形成的那样一种二元分立的模式，从而真正实现了B端和C端的重混。深入分析不难看出，正是C端用户的自我觉醒，以及由此所导致的B端和C端的界限的消弭，才真正导致了这样一种现象的发生。而这样一种现象，正是产业互联网为我们展现出来的最为真实的状态。B端与C端，衍生出新的产业形态产业互联网，之所以会与消费互联网有本质上的区别，其中一个很重要的原因在于，在消费互联网时代，其实并没有新的产业形态产生，而仅仅只是在产业末端的渠道产生的改变。我们看到的那么多的「互联网+」模式，几乎都是这样一种现象的直接体现。在消费互联网之所以没有新的产业形态的产生，其中一个很重要的原因在于，B端和C端并未真正完成一次真正意义上的双向奔赴。当AI时代来临，特别是由此开始导致的产业互联网的从理想照进现实，我们看到的是，新的产业形态开始出现。在这样一个过程当中，玩家们不再是消费互联网时代的虚拟经济形态，抑或是消费互联网时代的实体经济形态，而是蜕变成为了兼具虚拟经济形态和实体经济形态的数实结合的新产业形态。在这样一种全新的产业形态之下，玩家们仅仅只是做平台，仅仅只是做中心，仅仅只是坚持虚拟经济为主导的产业逻辑，必然无法适应产业的发展的，只有真正用虚实结合的产业形态，才能真正在产业互联网时代占据一席之地。近些年以来，我们看到的互联网玩家们对于实体经济的拥抱，我们看到的实体经济的玩家们对于互联网的拥抱，几乎都是这样一种现象的直接体现。可以说，只有当B端和C端在双向奔赴的基础上，实现了完美的融合，只有它们在这样一种过程当中衍生出来了新的产业形态，真正意义上的产业互联网才能够实现。结论当AI的浪潮汹涌来袭，我们看到的是，一场以B端和C端的双向奔赴为代表的新浪潮的来临。在这样一种全新的趋势之下，无论是B端和C端都成为了其中的一份子，开始以一种双向奔赴的方式参与其中。当B端和C端开始双向奔赴，我们更多地看到的是，产业互联网的真实样子。随着B端和C端的双向奔赴，消费互联网时代的二元产业结构开始被打破，产业互联网时代的一元产业结构开始衍生和出现。当新的产业形态开始出现，真正意义上的产业互联网时代，或许将会来临。本文来源：R艾瑞网文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
古典互联网还在散发“该死”的魅力
OpenAI想做社交媒体，Kimi想做社区，微信公号终于要向张小龙当初设想那样，直接开放每个人都能发表短内容……AI狂飙的时候，古典互联网又在散发它该死的魅力。01还是先从朋友圈说起。我发现，我们这一辈人先是把QQ空间当朋友圈，后来人人网、微博是朋友圈，后来有了真的朋友圈，现在彻底失去了朋友圈。说这一辈，好像也不太准确，年龄上未必差什么，或许十岁，或是两三岁。有人在失去朋友圈后，还是找到了朋友圈，比如还是有人一直在豆瓣，有更多人小红书，也有人即刻。但我们当中，终归有一辈人失去了发朋友圈。但是，这并不妨碍，微信仍然是数字操作系统般的存在，而且微信也在改变。微信正在灰度测试一个重大更新：允许每个普通微信用户直接在手机端注册自己的公众号并发表内容。过去，注册运营公众号通常需要电脑端操作或借助“订阅号助手”App，有一定门槛。而这次改版后，用户只需在微信内进入“我的公众号”页面，一键注册，即可像发朋友圈一样随手发布公众号文章或短内容。看似简单的改动，却被认为颠覆了公众号的内容生产流程，大幅降低了创作门槛，让“发表一篇公众号”变得像发一条朋友圈动态那般容易。对于拥有13年历史的微信公众号平台来说，这一举措并不稀奇。事实上，张小龙多年来一直心怀让“人人都能创作”的愿景。他曾坦言微信公众号的发展走过一些弯路：最初公众号定位是连接品牌与用户的群发工具，并非纯粹的媒体内容载体，但阴差阳错却演变成了少数人撰写长文、多数人只能阅读的格局。这导致微信在“短内容”形态上长期空白，缺少一个让普通人也能便捷表达观点的平台。张小龙说：“不能要求每个人天天写长文章”，微信需要一个载体承载文字、图片、视频等各种形式的短内容。早在2017年，他就设想过在朋友圈入口下增加一个“非朋友圈”的公开平台，让用户发短文或图片视频，与熟人圈分离。虽然由于工程复杂一度搁置，但微信团队随后在短视频领域发力，于2020年推出了视频号，部分满足了用户轻量创作的需求。不过视频号偏重影音内容，而对于纯文字或图文类的表达诉求，微信仍未完全满足。此次公众号灰度新功能显然是对“人人可写”初心的再度拥抱。当手机端可以随时中，将有更多长尾用户变身内容生产者。这有望为微信庞大的生态注入海量的新鲜内容。如果说最初短内容的设想，更接近于微博，那么现在，公众号短内容更接近于小红书的形态，也就是小绿书。如果进展顺利，微信或将重塑自身为一个适合人人创作的内容平台，实现从最初“连接一切”到“激发每个人表达”的飞跃。当然，挑战也不容忽视。让海量普通用户参与创作，内容质量参差不齐难以避免，如何通过算法和运营保障有价值内容的曝光？大量UGC涌入是否会影响既有的内容生态和平衡？微信需要在鼓励创作和维护用户体验之间找到平衡点。不过，从更长远看，此举一旦成功，将强化微信作为内容平台的生命力，并进一步巩固其在社交领域无可撼动的统治地位。更重要的是，语料库在AI时代变得尤为重要。人生产的内容，和AIGC，几乎是一个鸡和蛋的关系。因为人类知识库和古典互联网已经沉淀了太多内容，AI才能学习。而人如果停止生产，AI的智慧还能否继续增长？02当然，AI圈也瞄上了古典互联网社区。OpenAI正在开发类似于X（原Twitter）的平台型社交媒体。内部已打造出一个原型，重点结合了ChatGPT的图像生成能力和社交信息流。据报道，OpenAICEOSamAltman已私下向部分圈外人士征求这款产品的反馈。目前尚未确定该社交网络会作为独立应用推出，还是整合进ChatGPT。有爆料形容OpenAI的构想为“AI版小红书”——即通过AI生成内容与社交分享相融合，打造新型社区体验。OpenAI此举可能意在挑战马斯克的X平台以及Meta等社交巨头，与之在社交媒体领域正面竞争。更深层的动机在于获取源源不断的实时用户数据，反哺其AI模型训练。马斯克将X平台与其创立的xAI模型相结合（如让Grok模型抓取X内容）正令业界侧目，OpenAI显然也不愿错过这一数据金矿。如果拥有自家的社交网络，OpenAI不仅可以让AI帮助用户创作更优质的内容，还能借此累积丰富的对话与互动数据用于模型优化。当然，进军社交领域对OpenAI来说也是一大挑战：如何从零培养起庞大的用户社群、如何平衡AI生成内容与真实用户内容的质量，以及如何避免充斥大量机器人和不实信息，都是亟待解决的问题。此外，与马斯克之间本已紧张的关系可能因此进一步加剧——据悉，当马斯克酝酿控制OpenAI时，Altman曾在X上回击：“不如我们拿974亿美元收购推特”。可以预见，OpenAI若推出社交媒体，将面对技术和舆论上的双重考验。一直在功能和产品上跑在前面的AI助手Kimi也在悄然迈出社区化的步伐。尽管被deepseek重创了，Kimi的版本更新却是飞速。Kimi内测了全新的“发现”社区功能，定位于构建真正AINative的内容平台，面向AI创业者、从业者、内容创作者及科技爱好者等用户。早在去年业界就指出，各类AI工具要想提升用户留存，必须构建基于AI生成内容的互动社区，如今Kimi正在实践这一思路。Kimi社区“24h热点播报员”频道自动聚合了AI生成的科技资讯摘要。从实际体验看，Kimi的社区目前更类似于一个实时资讯聚合平台。在其App顶部，“发现”栏汇集了最新的热点事件，内容以AI抓取全网新闻并生成摘要为主，集中在AI、互联网、财经、科学等领域。Kimi也在邀请一些频道号入驻，重点产出科技、财经等垂直内容。普通用户当前能发布的内容十分有限——主要是转发自己与Kimi的对话记录到社区，暂不支持上传原创的图文或视频。信息流内容完全由KimiAI个性化推荐，用户也无法主动搜索特定用户或主题频道。尽管形式上接近资讯平台，Kimi社区的一大亮点在于深度融合了AI互动功能。Kimi正尝试将AI助手与社区论坛融为一体：既利用AI实时生产、筛选内容，又让AI充当互动参与者，降低用户获取信息和讨论门槛。这种模式在国外也有类似探索。例如美国的AI搜索引擎Perplexity去年就上线了“Discover”页面，为用户提供科技、金融等兴趣领域的热点内容聚合，并内嵌AI问答互动。据报道，Perplexity甚至在部分内容下尝试添加商品购买链接，并为付费会员提供电商配送优惠，以探索内容社区的变现路径。相比之下，Kimi目前尚未涉足电商，但不排除未来借鉴此类商业模式。此前主打AI内容社区的多为偏陪伴娱乐属性的产品，如Character.AI或国内MiniMax的“星野”。后者允许用户与虚拟角色对话后，将有趣的故事情节分享到社区，与他人分享交流；其创始人闫俊杰直言星野“底层设计不是陪用户聊天，而是一个内容社区”，用户可以在其中创造故事和世界观，并进行互动，类似沉浸式的互动小说体验。相较之下，Kimi定位为严肃问答型的聊天机器人，更强调为用户解答问题、提供工具性帮助，用户在内容创作上的参与度有限。因此Kimi社区当前呈现的形态更接近于AI驱动的知识社区（类似Perplexity的做法），而非纯粹的社交网络或二次元内容分享圈子。对于Kimi这类尝试，“社区是否有助于产品留存和商业化”是业内关注的焦点。当然，前提是社区生态能健康成长，既要有足够的真实用户互动，也需要控制AI生成内容的质量，不让社区变成清一色的机器信息流。这仍有待时间和运营来检验。03尽管社交社区的价值有目共睹，从商业角度审视，它却是一门历久弥新的难题。一方面，经营社区面临用户增长和留存的挑战：冷启动时如何吸引足够多的优质用户进入并持续产出内容，成熟后又要防范用户流失和社区内容衰退。许多社区类产品在初期凭借新鲜感聚拢用户，却由于后继内容乏力或缺乏粘性机制而迅速沉寂。另一方面，变现模式的探索同样艰难：社区用户对商业化变现通常比较敏感，过度广告会侵蚀用户体验，而单纯依赖广告收入又很难支撑社区的长期运营。订阅会员、增值服务、虚拟道具等变现场景也需要建立在庞大而活跃的用户基础之上才能奏效，这对大多数社区来说并不容易。当前，不少社区产品都在探索平衡点。它们意识到，只有当用户价值与商业价值统一时，社区才能长久生存。比如，小红书通过种草内容与电商交易结合，用户在分享生活方式的同时也促进商品消费，实现内容与商业的闭环。但小红书，目前还只有一个。AI时代为社区的商业突围提供了一些新思路一方面，AI技术可以降低社区运营成本、提高内容匹配效率。例如，智能推荐算法让每个用户都能更快地找到自己感兴趣的帖子，提升留存；自然语言处理可以辅助审核海量发言，过滤违规内容，维护社区氛围；生成式AI还能辅助用户创作，激发更多UGC产出。另一方面，AI也创造了新的社区形态和商业机会。人机共生的社区可能诞生全新的盈利模式：正如前述Kimi和Perplexity的探索，AI可以根据用户讨论的话题嵌入相应的产品或服务链接，实现内容到消费的转化；又如Character.AI等虚拟角色社区，通过提供高级定制的AI形象陪伴，或为创作者打造虚拟IP形象并售卖相关版权，也可能催生付费业务。再看OpenAI，如果其社交平台上线，理论上还可与ChatGPT的付费订阅形成联动——用户为了在社区中享受更强大的AI辅助创作或个性化功能，愿意支付订阅费，从而变相为社区创造收入。当然，即便有AI的加持，社区商业化的基本面依然离不开“人”本身。真正活跃且愿意投入时间金钱的，仍是社区里的一个个真实用户。因此，社区产品要赚钱，首先得把人留住、留好。这意味着既要有源源不断打动用户的内容和功能创新，也要建立健康正向的社区文化，让用户有归属感和参与感。一些潜在突破口包括：深耕垂直细分领域，提供专业人士愿意付费交流的高价值社区（如投资、医疗等领域的付费社群）；培养超级用户和KOL，通过打赏、分成等机制激励头部创作者留在平台生产内容，进而吸引粉丝群体并带来商业合作；以及社区IP化和周边经济，将一个成功社区的影响力延展到线下活动、品牌联名、衍生商品等更多元的变现渠道。社交社区并非一门快速盈利的生意，但其战略意义重大——尤其在AI时代，它不仅是满足用户情感和社交需求的载体，也可能成为技术与人文结合、催生新商业模式的土壤。无论是OpenAI野心勃勃地想打造“AI社交”，还是Kimi这类新秀希望通过社区提高用户黏性，又或微信这样的巨头重塑创作生态，背后都反映出对社区价值的高度认同。正是因为看到了“人”的不可替代性，他们才投入资源让社交回归。这股潮流预示着：即便AI无所不在，人与人之间在线上相聚互动的需求始终长存，而能满足这种需求的社区型产品，依旧大有可为。当AI技术席卷各行各业，我们目睹信息生产和获取方式发生巨变。然而，社交与社区的底色始终属于人性。古典互联网时代孕育的论坛、博客、朋友圈等形态，在今天并未过时，反而因为稀缺的真实情感联系而愈发显得珍贵。本文来源：R艾瑞网文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
OpenAI很看好，首个SWE-1模型发布，软件开发或将提速99%
将软件开发提速99%！Windsurf发布首个前沿模型SWE-1，AI编程领域风起云涌，目标是将开发效率提升99%。SWE-1不仅能写代码，更能理解并协助整个软件工程流程。核心创新在于「流动感知」系统，即AI与用户共享操作时间线，实现高效协作。Windsurf首秀终于来了！在Cursor火爆全网，OpenAI宣布30亿美元重金收购Windsurf后，Windsurf不甘寂寞，终于出手！Windsurf发布首个前沿模型SWE-1，目标是将软件开发提速99%！SWE-1不只是一个「会写代码」的模型，而是一个理解、参与、并协助整个工程过程的协作伙伴。目前这个系列包含三个模型：SWE-1：具备与Claude3.5Sonnet类似的工具调用推理能力，但运行成本更低。在推广期内，所有付费用户可免费使用。SWE-1-lite：一个更小但质量更高的模型，全面取代CascadeBase，对所有用户（包括免费用户）开放。SWE-1-mini：更小、更快，专为WindsurfTab中的低延迟被动体验而设计，适用于所有用户。刚刚，SWE-1已经上线Windsurf，且处于免费使用阶段。AI编程发展「快闪」近几年，「会写代码」的模型取得了巨大进步，已经能从简单的自动补全发展到一次性构建出完整的小型应用。但这种能力仍然存在明显的上限：其一，软件开发不仅仅是写代码。开发者要做的事情远不止编码，还要操作终端、获取知识、调试产品、理解用户反馈等。因此需要的是更全面的模型，能覆盖整个开发流程。其二，工程过程是跨阶段的、持续变化的。目前主流的基础模型仍然是基于「代码能否编译」和「是否通过单元测试」来训练的。但现实中，这只是更大工程任务中的一小部分。真正需要的是能处理「尚未完成的状态」、理解模糊目标的模型。否则，即使模型写出了能运行的功能，后续维护与扩展性可能会非常差。因此，仅仅提高「写代码」的能力，无法真正提升整个工程效率。需要打造的是支持完整软件工程流程的模型——简称SWE模型。SWE-1的开发过程SWE-1的开发灵感来自广受欢迎的Windsurf编辑器，构建了全新的数据结构（共享时间线）和训练方法，能够理解未完成的状态、长周期任务以及多种交互界面。其初衷是在资源有限的情况下，通过这种方法做出一流性能的模型。SWE-1是这个目标的第一个验证成果。在整体表现上，SWE-1接近最前沿的基础模型，在多个维度上超过了所有非前沿模型和开源对手。可以通过离线评估与线上实测两种方式进行验证。离线评估评估将SWE-1与Anthropic系列（Cascade中使用最频繁的模型之一）以及Deepseek、Qwen等主流开源模型对比，主要有两个基准测试：会话式SWE任务基准从一个正在进行中的Cascade会话中截取，任务尚未完成。评估模型如何响应用户的下一步请求，打分标准综合考虑帮助程度、效率、正确性以及目标文件编辑的准确率。这项测试关注模型在「人机协作」环境中的表现。端到端SWE任务基准从会话一开始就评估模型是否能完全独立解决问题，并通过一组单元测试。得分基于测试通过率和专家打分。这项测试衡量模型自主完成任务的能力。评估结果表明，SWE-1在这些任务上接近顶级实验室的前沿模型，远超中等体量和开源的对手。虽然还不是绝对领先，但非常有潜力。线上实测（生产实验）Windsurf有大量用户，因此也通过盲测实验评估真实使用中的表现。Windsurf将用户分组，分别使用不同模型，在不告知模型类型的前提下观察行为和效果。Windsurf主要看两个指标：每位用户每天接受的代码行数即Cascade编写、用户实际接受并保留的代码行数，反映模型的实际帮助程度、响应质量和用户粘性。Cascade代码贡献率对于被Cascade修改过的文件，模型所做的代码改动所占比例。这是一个反映模型「主动性」以及「用户信任程度」的指标。SWE-1专为Cascade场景设计和优化，因此在这些指标上表现几乎是行业领先，效果优于所有非前沿模型。其他模型分析你可能在上面的图表中注意到SWE-1-lite，这是SWE-1的中型版本，使用相同训练方式，在非前沿模型中表现最佳，现已取代CascadeBase，向所有用户开放。Windsurf还开发了SWE-1-mini，体积更小，速度更快，适用于WindsurfTab这种对延迟要求极高的被动预测场景。需要说明的是，这只是一个起点。Windsurf不仅希望赶上最前沿实验室的水平，最终目标是全面超越它们。Windsurf坚信自己已经具备了实现这个目标的引擎，并将持续加大投入。流动感知系统（Flow-AwareSystem）Windsurf提到SWE-1的灵感来源于Windsurf编辑器。关键在于Windsurf独特的设计理念：流动感知（FlowAwareness）。什么是流动感知？Windsurf打造的Windsurf编辑器实现了用户与AI的「共识时间线」：AI的每一步用户都能看到并干预，反过来，AI也能理解并跟进用户的行为。这种「共享时间线」的感知能力，Windsurf称之为FlowAwareness（流动感知），也因此Windsurf一直把这种人机协作的体验称为「AIflows」。为什么流动感知很重要？因为短时间内，没有模型能完全独立完成所有开发任务。流动感知允许模型和人类之间「自然交接」：AI做一部分，用户校正，AI再继续，形成顺畅衔接。借助共享时间线，Windsurf可以持续追踪当前模型的能力边界，观察哪些任务需要用户介入、哪些能完全自动完成。这是SWE-1能快速成长为当前水平的关键原因之一。共享时间线在Windsurf中的演进构建共享时间线是Windsurf许多功能背后的核心理念：初代Cascade就支持「你在编辑器改完内容后输入continue，AI就能继续理解你改了什么」——这是对编辑器的感知。后来Windsurf加入了终端输出感知——AI能理解你执行命令时出现的错误。Wave4中加入了「预览」功能——AI开始理解你看到的前端组件和错误。Wave5和Wave6中，Tab增加了对终端命令、剪贴板内容、IDE搜索内容等的感知。这不是一堆随机新功能，而是Windsurf构建「最全面软件工程时间线」的一部分。即便使用的是通用模型，只要Windsurf记录和利用好了这些上下文信息，AI的表现就会大幅提升。而现在Windsurf有了自研的SWE系列模型，这个正反馈循环将真正开始加速：模型能更好地理解时间线并参与其中更多部分。接下来会发生什么？SWE-1只是开始。它是由一个小而专注的团队打造的，利用Windsurf在产品和基础设施方面的优势，展示了Windsurf完全有能力打造接近最前沿的模型。未来，Windsurf将持续改进SWE系列模型，在保证低成本的同时不断提升性能，让开发者能用Windsurf构建更大、更强的软件项目。随着SWE-1的发布和OpenAI对Windsurf的收购，AI编程工具正迎来一个新的时代。从简单的代码补全到全面的工程协作，AI正在深刻改变软件开发的方式。对于开发者来说，这是一个充满机遇和挑战的时代，如何利用这些新工具提升开发效率，将成为他们需要思考的重要问题。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
判断企业负面严重程度的6个维度
上热搜不是唯一标准其他事情可能会有人抢，危机处理是铁定落在公关部的工作。这个又难又危险的活儿，让姚素馨讲的话，3天3夜也逼逼不完。这篇文章，截取培训里的一页内容，以及我们平时给品牌方处理事件的实际经验，讨论一个相当重要的具体点：如何判断企业负面的严重程度。准确判断“严重程度”，是制定方案的先决条件。连会有多严重都搞不清楚，就谈处理措施，纯粹胡扯。“严重程度”判断不足，觉得不要紧，最终舆情会教你做人的；“严重程度”判断过度，措施过多，就会“消耗资源”和“损伤品牌”。熟练的公关人，凭借过往的经验，或许可以直接对负面严重程度做出预判。如果不是那么有信心，或者需要拿具体的条目去说服老板和同事，我们列出6个维度，以供参考。01公众如何站边除非是绝对TOB的企业，第一条永远是考虑公众如何站边。也就是说，如果负面爆发，事件在最广泛的舆论场中讨论，公众会怎么看，会怎么说，会站谁。所有做公关同学要牢牢记住，公众如何站边，决定舆情走向。“你觉得”，“业务部门觉得”，“老板觉得”，在“公众觉得”面前，屁都不是。不听劝的，非要拿自己当根葱的，万一被公众发现“你觉得”，“业务部门觉得”，“老板觉得”与他们的不一致，只会死得更加难看。最广泛的公众如何看待一件事，直接决定了舆情的敏感程度、受关注讨论的程度、广度和深度。有能力的公关，能够直接说出，公众会不会骂、骂什么、能不能骂上热搜。危机处理翻车，在这里就出问题了。“没猜对”、“没想到”的案例不胜枚举。有2个难点特别说下：第1个点，舆论场上的“严重程度”并不直接等于事实严重性，而是能被公众感知、并且有兴趣讨论的严重性。比如，“高管桃色新闻”就是对于企业的实际严重性很低，但公众很乐意讨论的典型。第2个点，“公众怎么站边”也一直在变化，不能沉浸在“过往案例”之中。比如，以前提“贤妻良母”没什么，现在敢提试试，冲不死你。02主管部门的态度所有让主管部门难做、难看、难处理的负面，舆情去冲主管部门账号的，严重程度直接往上拉。有的负面，真是企业咎由自取，那我们也不说什么了。但是其实，很多负面企业是有委屈的，这个时候，能否取得主管部门的理解，能否争取一些余地，就很关键。相反，如果判断官方迫于“民意汹涌”，也不得不下场，那就也别挣扎了，再委屈也憋着吧。特别是涉及到行业准入资格、牌照、热门领域、标杆作用的企业，尤其要关注主管部门的态度。（这个部分真的不能展开，我尽力了。）03是否踩中媒体“选题”媒体，在传播中起“重要节点”作用，不仅仅能迅速扩大传播范围，有些时候还能影响公众的观点、判断。为什么是有时候呢？因为现在公众也不一定听媒体的。所以，这条在第三趴，公众站队在第一趴。说得更加明一点，现在媒体写的正面，不一定有什么好的传播效果；但是他们下狠手认真写的负面，很大概率就是公众爱看的。要判断是否会成为媒体“选题”，需要公关对于不同媒体的特点、受众分布、选题思路、写法、正负面稿件比例……具备基本功。注意，这是平时就知道的，不是负面发生之后，临时再去抱佛脚的。这里也做2个提醒：第1个点，现在做内容的普遍呈现跨行业、跨题材的趋势，只要事件到达一定传播量，为了流量，几乎所有类型的媒体都能找到一个角度跟进，呈现“全面开花”的状态。公关尤其要对负面是否具备“大家都能写”的潜质，有足够判断力。第2个点，现在已经不太可能“撒币”来解决问题了。不要再有这种八百年前的老想法了。说句不好听的，不是资本没有力量，而是你没有足够的资本。老老实实按照媒体选题会不会选到的思路，去做准备。04会被上什么价值“上价值”这个技术，不仅公关有，现在网友们也都普遍掌握了。公关写新闻稿，内容太水，为了上个价值抓耳挠腮；负面一出，网友们送的上价值，信手拈来，分分钟按照“企业不做人”，“就是坏透了”处理。在公关的判断里，一个负面是否严重，要看到底击中了企业什么问题。包装没搞好、海报不当心、代言人抽风……这些都外围的，不算严重。安全问题、价值观问题、背刺核心用户群体、与原定“人设”不一致……这是伤筋动骨的核心问题。核心问题，会动摇企业长久塑造的形象和对外输出的价值观。另外，一旦在公众判断“企业是故意的”，或者“终于露出了狐狸尾巴”，严重程度害得翻几番，容易引发公众对企业的全面质疑和批判，俗称“粉转黑”或“路转黑”。去年京东与杨笠的双十一合作，被认为背刺了“大兄弟们”就很典型。特别提醒，被上价值之后，企业再解释“根本没有这个意思”，“大家误会了”，没人会信。除了粉丝。05企业内部震动负面对于企业的影响，不只是“外部的”。员工也会接收到大量舆情信息。不同岗位员工，对于企业负面事件的“知情程度”是完全不同的，企业在对外部进行“统一口径说明”之前，也不会先给内部一个说法。因此，公关同样需要判断看到负面信息之后，员工会产生什么样的质疑、恐慌、不信任。特别是在信念感很强的企业，负面对于员工的冲击甚至大于对公众的影响。企业内部如果人心惶惶、无心工作，伤害度其实非常高。当年任正非使用华为的资源为姚安娜申请相关商标，被舆论关注后做的操作是，在内部社区进行解释：承认公器私用，向全体员工道歉。就是把对员工的影响放在很重要的位置。想具体看这事的戳这里。另外，危机处理决策制定之后，在执行中，需要非常多的部门参与和配合，大家如果都没心思了，铁定搞不好了。军心不稳是没法好好干活的，且这种影响舆情系统是监测不到的。06非舆情类的外部反馈公关考虑“负面严重程度”，不能只看舆情上的呈现，除了上面说了内部员工，还有外部方方面面的反馈。经销商、总代和投资人，肯定不会参与负面传播，但一定在第一时间问了一堆问题；产业链上下游的合作伙伴，你欠他们钱的，他们欠你钱的，也都会有丰富的心理活动；客服承担的询问量有没有急剧上涨；代言人有时候都要来问问会不会波及自己。对于TOB为主的企业，这条的重要程度和占考虑的权重比例，还要往前面提。甚至，是最核心的考量维度。07最难的是综合判断上述6条，像是做立体几何题目的辅助线，是用来协助看清问题，做出决策的。最难的是，你怎么把上面这些判断，做出综合考量，形成唯一结果。对于经验不够的公关，会有2个常见错误：一种是，漏掉核心要素，其他想了一堆，最重要的没想到；另一种是，想多了，反而把某一个部分看得太重，反而导致决策失误。不点名了。08老板凌驾一切说了这么多吧，但在实际的舆情处理中，大家都懂的，公关判断负面是否严重，决定参与什么样的方式处理，很多时候也就一个标准：老板承受程度。老板忍不了，火急火燎地赶紧处理；老板觉得没事，就先不动。其他，就看命了。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
25
05/17
互联网平台现状：鼓励AI，限制AI
AI创作陷入不确定性一场针对AIGC作品的限制，正规模化地席卷各个平台。一些AIGC创作者在小红书拉起群组，分享自己被限制的经历。有人发布12星座内容被判定「传播封建迷信」，有人因为生成AI明星而遇到「侵权」提示。「虚构事件」和「假冒真人」是最常被引用的处罚理由。同样的情况也发生在视频号和抖音，大量AIGC作品遭遇下架和封禁。作品即便不被封禁，也会被限制流量曝光和商业权益。许多人推断，这一轮监管可能与9月1日即将实施的《人工智能生成合成内容标识办法》有关。该《办法》要求所有AIGC内容需添加显式标识（如文字提示、角标、语音声明）和隐式标识（如元数据、数字水印）。不过依然有创作者反映，标注AI水印后的作品，还是没有被正常对待。鼓励AI创作的同时，也在限制AI。平台的这种矛盾心理让创作者迷茫，困惑。他们不是明知故犯，挑战规则，只是不知道边界和红线到底在哪，未来不知何去何从。频繁踩红线？AIGC创作者林聪最近有点烦。她发布在视频号的两个AI人物视频，因为被判定非真人出镜，视频推荐、私信和评论能力直接被停用。按照要求，林聪详细提交了个人身份验证，选定AI制作选项，提交相关手机制作截图。系统回复，信息不够详细，不能证明制作过程。虽然她内心有些不情愿，还是按照提示，再次把PC端所有制作关键流程截图依序提交。这次验证通过，而且系统提示：之后发表AI制作内容，选择「内容为AI技术制作，虚构内容请谨慎甄别」等提示。不过这次验证只是恢复了视频评论功能，若需恢复私信功能，需要删除所有AI制作内容后，再次提交申请。删除作品等于擦除个人名片，这让她有些无法接受，所以至今她的私信功能都没有恢复。即便如此，林聪的体感是，这波针对AI作品的监管风潮，视频号不是最严苛的平台。她告诉新莓daybreak，「好像除了快手打上AI标识没什么影响，几个大的视频平台都在清查AI创作的作品。」林聪不是个例。小红书关于AI限流的笔记数量超过3万篇。从流量曝光，商业权益限制，到产品被下架，涉及不同程度的封禁。短视频平台风声鹤唳，网文圈的行动其实更早。今年2月，晋江打出「反AI」的第一枪，发布了《关于AI辅助写作使用、判定的试运行公告》，明确规定使用AI的边界。接着，起点、番茄小说宣布全面禁止AI，要求作品必须100%人工创作。网文平台整治力度之强，导致出现不少误判的现象。甚至评论区出现「感觉像是AI写的」，也有可能被编辑永久拉黑。电商也加入行列，对「AI假图」进行整顿。3月27日，淘宝修订了《淘宝网商品发布规范》和《天猫商品发布规范》，对「商品失真」做出明确的拓展解读。其中一个重点的指向，便是利用AI等技术合成方式，呈现显著失真的与实际不符的商品信息效果图。整治力度空前，大有「宁杀错不放过」的决心。AI原罪？过去两年，在「AI暴富论」、「超级个体」的叙事逻辑下，「一键生成」的内容迅速在互联网泛滥。有人利用AI卖课，有人利用AI数字人贩卖三无产品。淘宝上，大量AI生成的卖家秀误导消费者购入，结果到手商品与图片严重不符。AI乱象，AI污染的声音不绝于耳。据林聪观察，这一轮AI内容治理中，打击较多的是同质化、低原创性内容。「现在有了AI，谁家的内容火了，大家就会快速大量地复制。」一个典型的例子就是今年过年期间《哪吒》爆火后，抖音出现了大量跟风制作哪吒的现象。而这类题材往往使用的都是相似的提示词或者同一个Lora生成的内容。AI也让一些机构的起号成本变低了，利用AI工具一天内可以生成了上百篇引发矛盾对立的笔记。小红书去年三个月里处置了超过100万个黑灰产团伙，均为通过超大规模矩阵生成同质化内容。为此，抖音从算法层面切入，将「原创识别率」纳入核心指标，AI生成内容若未标注或存在同质化「如重复率超25%」，会被判定为低质内容。而视频号则明确「禁止批量发布通过近似的情景、文案、元素等编造的同质化内容」。平台重点整治的另一个方向便是，虚构真人形象和情节虚假夸大。从平台的角度，这一点不难理解。毕竟小红书以「真实分享」为社区根基，视频号则要保障社交关系链中的信息可信度。这也是为什么，小红书去年就着手研发基于「分类器」技术的AI识别模型，对识别为疑似AI生成的内容进行标记。为了巩固效果，小红书还设置了机器识别与人工审核的双重屏障。站在创作者的角度来看，这有些无奈。因为「真实」这一特质天然就和AIGC背离，人物本身就是虚构的，情节自然也是虚构，所以这更像是贴附于自身的「原罪」。平台为「真实」所设立的门槛，还引发了另一个层面的「不公」：比起真实题材的视频，AIGC的审核标准更为严苛。半职业AIGC创作者蓝心的作品最近也遭遇了违规提示。在小红书上，她曾先后发布了一系列真实的王一博的照片和AI生成的王一博视频。如今，前者仍挂在她的主页，而后者已经被平台要求删除。同样的题材，因为是由AI生成，便得到不同的判定结果。值得一提的是，当下所有AI视频工具都在强调「真实感」。比如可灵的物理规律模拟、大幅度运动生成，比如即梦的质感提升、动作模仿，一切都在强调自身生成的效果接近真实。从结果看，平台不希望创作者利用AI复原人物真实感，假如AI创作一只小猫、小狗，做出真实感，应该是会被接纳的。未来何去何从？AI创作内容被严格限流的同时，各平台的AI「军备竞赛」却是日趋白热化。3月19日，小红书才刚为旗下的AI应用「点点」上线了新入口，位于消息页面，且支持深度思考模式。几天前，字节开启了「即梦3.0」的灰度测试，该版本在分辨率上提升了50%，生成速度提升了30%。更方便的入口、更新的版本、更强的性能，这些平台投入了大量资源，推动了AI工具的发展。目的是为了抢占下一代内容生产基础设施，将创作者绑定在自身生态内。但当大量创作者开始使用AI工具，并且涌入AIGC这个领域，平台却缺少一套清晰的规则和审核标准来承接，这让质疑声频出。有人说平台使劲拉人给AI工具做任务，搞了特别多相关的比赛和活动，然后大规模封禁，是一种诱导；也有人也说AI给平台带来不了利益，影响真人主播的收益，趁着政策出台，正好「一刀切」比较痛快。平台既扮演AI工具提供者，又承担内容审核者角色，这种双重身份本身就是一种挑战。有些平台甚至还在主动催生矛盾，比如番茄小说为了训练自己的AI，在签约协议中曾新增AI训练条款，引发过大量作者抵制和不满。自2023年生成式AI广泛运用以来，伴随AIGC作品而来的就是诸多质疑和限制。知名如AI绘画作品《太空歌剧院》，曾两次进行版权申请被拒绝。AI作品不仅版权上得不到正名，「同行」之间的关系也愈发紧张。大量传统内容创作者竖起了「反AIGC」的旗帜。这也使得2024年一款名为Cara的反AIGC社交产品，开始频繁登顶美国AppStore的下载榜单。小红书上也形成了一种「反AIGC」的氛围，创作者唐飞对此感到无奈，「一些用户看到AIGC作品就会点举报，特别是绘画圈的那群人。」除了社会和法律法规层面的不被认同，对大模型厂商，AIGC还意味着一种危险：用AI生成的数据去训练AI超过5次，模型性能会大减。莱斯大学和斯坦福团队的研究人员将此称之为「模型自噬障碍（MAD）」。而当下的中文互联网，AIGC作品正在走向泛滥。在已经公布数据的平台中，微信视频号AI生成内容占比已经达到了30%。其它平台上，AI生成内容也肉眼可见地攀升。这一次封禁，小红书上的一条评论得到了高赞：这是好事，每次搜资料搜素材出来全是大批大批的AI，想找到正经参考的都难。大刀阔斧砍向AIGC的平台，有点像是在治理一场数字领域的「蝗灾」，目的不是为了「灭绝」，先从整体数量规模上减少，再从生态环境中防治劣质内容的生产。面向未来，AIGC创作者又该何去何从？有人总结了一条「532法则」，即：50%的人工，原创案例、真实情感、独家观点；30%的AI，数据整理、框架搭建、标题优化；20%的工具，用ContentAny等去除AI痕迹。但这些经验是否奏效，谁也无法保证。又或者说，当下奏效的经验，几个月后是否依然可行，没人知道。所有人都要习惯这种不确定性。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
