近日，在“AI未來2025閱讀新風向”發佈會上，清華大學領導力與組織管理系主任李寧教授發表《資料和人工智慧如何賦能組織管理》的演講。他認為，資料驅動的管理決策已經很有效地應用在了精準行銷、庫存管理、質量管理等領域，但是在涉及組織、員工管理方面卻仍有很大的提升空間。人工智慧將如何賦能企業解決傳統資料分析的困境，挖掘資料背後更深層次的規律，改變“996”、“加班”之類的管理模式？李寧：清華大學領導力與組織管理系系主任、Flextronics講席教授、《智能組織》作者以下為李寧演講精編（有刪減，未經本人審閱）：我今天主要圍繞兩個方面來展開。資料驅動的管理決策，比如說精準行銷、庫存管理，在業務端的方方面面，我們其實都完成了這種數位化的轉型，積累了大量的資料，然後用資料來做更好的決策。但是，在組織端，在人的決策方面，其實資料驅動決策還是非常滯後的。在管人的時候，更多時候還是依靠領導的直覺、感覺、經驗，來做這樣的判斷。比如絕大多數企業和老闆不喜歡遠端辦公，希望你能夠來辦公室。這個背後反映出，你如果不在我眼前，我不知道你的產出，我不知道你的貢獻。所以，這就涉及到我沒有資料來衡量一個人他在組織當中的貢獻，特別是我有很多員工，這些員工合起來，他對於組織的貢獻是什麼？或者這個組織時時刻刻的健康度，或者它的創新度是什麼？這是一個問題。所以，就造成了很多社會上面的一個現象，比如“996”、加班、打卡。為什麼很多企業嚴格打卡，要看員工的工作時長，很多時候把這個當成一個奮鬥者指數。因為它沒有其他的一個指標。但其實這裡面就很矛盾，因為我們在組織端，特別是現在，比如說，有釘釘、飛書、企業微信，我們已經積累了大量的資料，但絕大程度上，這些資料並沒有使用起來。我們做一個判斷，就是在業務端，我們的數位化的程度是非常高的，我們已經實現了資料驅動的決策。但是，在組織端，涉及到人的時候，可能還是用到Excel，然後領導看一下Excel報表，然後就開始決策。特別是比如在績效評估的時候，在招聘的時候都會存在這樣的問題。所以，這存在一個不平衡的問題。這背後的原因是什麼？現在關於人的資料，實際上是一個成本，而不是一個資產。我們知道資料現在越來越重要，變成一個企業重要的資產，甚至是資料的一個入表，但這個更多是集中在業務端，因為有業務端，我就可以用這些業務的資料進行庫存管理、精準行銷、質量管理等等一系列。但是，比如一家企業用了飛書、釘釘，每天積累了多少人與人之間協作的資料，每天所有會議的記錄，線上文件，這些所有跟人和組織相關的一個資料就變成一個成本，佔用了很多伺服器的空間。這些資料拿來真正做組織管理的決策，這是非常有限的。我覺得有三個主要的方面的原因：第一，觀念。有多少人覺得人，比如我們涉及到管人，人的複雜度可以被資料所抓取出來。其實這是一個根深蒂固的，就覺得人就是千人千面的，人就是依賴於過去的經驗和直覺，針對不同的人要制定不同的方法方式來管理，可能跟每個人說的話都不一樣。既然強調了它後面沒有規律性，就自然談不到資料驅動的管理。但另外一種，如果你相信人背後有很強的規律性，我們就可以從資料中提煉出相應的x（因素）跟y（目標），並找到與之相對應的關係。第二，假設我們有這樣一個連接，如何找到建構x跟y之間的一個關係。第三，其實跟第二個關係相當密切，人才缺口，就是在做資料驅動的時候，因為人是複雜的，所以我們需要建構一些高維的指標。比如現在的很多企業關注的點是淺層的，你是不是985的，你是不是211的，潛台詞就是你的學歷是不是跟你的績效相關，你每天加班的時長是不是跟績效相關，但這是一個淺層的指標。我們需要挖掘出更深層次的指標，這就涉及到比如心理學、管理學，甚至是統計學的很多相關的知識，很多企業並沒有這樣的人才儲備。關於第一個問題，人的複雜性是不是可以被資料所抓取出來，我們是不是可以通過設計一系列的實驗，或者通過資料來探究背後的一個秘密。我這裡舉了一個例子，在某些國家，人在換領駕照的時候它有一個選項，詢問你器官捐贈的一個意願。這個就是反映了兩類國家它的捐贈意願的比例。如果默認選項，你願意參加器官捐贈項目請打鉤，比例就非常低。如果說你不願意參加這個項目，請打鉤，打鉤的比例也很低，這就反映了人們打鉤的比例都很低。因為你在做這個事情的時候會有人反覆地提醒你，但你不知道怎麼打鉤。比如大家去面臨這樣一個情況，你會怎麼選？你也很難選。很難選的時候你就會遵循一個默認的選項。所以，這就是心理學上的默認選項偏差。這個也反映了很多時候我們做決策的時候，我們就會選擇那個默認的。這個背後其實反映了人是有很強的規律性的，那種規律性是跨越了國家和地區的。所以，這為我們資料驅動的組織管理決策提供了依據。比如說，有些國家養老金的儲蓄，它的設計就是是把儲蓄當成一個默認選項還是一個主動選項。比如有些國家說，每個人都是會強制儲蓄10%，但是你可以選擇把這個勾掉，這時候一個默認的選項就會極大地提升養老儲蓄的比例。這個在政策上面就會引發很積極的一個效果。所以，這個就是人背後有規律性可循，我們就可以依賴於這樣一個規律，用資料探勘出它背後的規律。我們再看回來最開始的那個問題——混合辦公。關於混合辦公這個事情，它對於績效有什麼樣的一個影響，其實這是很現實的一個現象。比如說，你如果說允許混合辦公，你有可能會降低一些成本，甚至可能會留下一些員工，如果他通勤時間比較長，你可以允許他混合辦公，你可以擴大招聘範圍。但很多的企業家就會說，他是不是會影響到我的績效。這是發表在《Nature》，在攜程做的一個實地的實驗，也就是在組織決策端做了一個A/B的測試。它的結論是什麼？混合辦公不會降低績效，反而會降低員工的離職率。所以，資料驅動的價值在於，其實對於提高我們決策的精準度和精度，我們知道有兩個，就是做對的事，還是把事做對。做對的事，其實就是要找到一個方向感，很多時候我們會發現我們很卷，但如果我們決策的方向錯了，其實你的效率再高，也是浪費一些資源的。所以，資料驅動其實就是保證我們在做重要的決策，特別是在組織端中跟人的決策，保證我的決策的精準度。首先是驗證認知，其實絕大多數資料反映出來的跟我們常識的認知是相符的。但是，它的價值在於拓展認知，有些時候資料呈現出來的一些結論可能跟我們的認知是不相符的，把我們的認知進一步地發展。它甚至可能會挑戰我們的認知，比如在招聘的過程當中，其實如果單看工作經驗，它沒有那麼重要，反而是比如說在矽谷的很多大廠，它招聘一個程式設計師不會看你的工作經驗，它會讓你直接現場寫code，這就是一個工作知識樣本測試的結果。這是在個體層面。如果是在組織層面，我們如何度量一個組織的創新度也好，健康度也好，或者組織的效能？這個長久以來都是一個問題。如果一個企業裡面有了優秀的員工，他不見得組織一定很優秀。我們有沒有一個合適的工具來度量組織的健康度呢？我們就提出了這樣的概念，叫組織網路分析。但是，組織網路分析其實也有一段歷史了。它是把人與人之間的協作、連接具體化出來，通過一種分析的方式。我們能夠看得到的組織是組織層級的分佈，就是那些人在一個部門，他們之間匯報的關係。但實際上會發現在組織當中很多的合作它是跨部門的、跨層級的，它是自發產生出來的，它並不是按照組織的設計而發生的。所以，這個就是一個組織網路。我們之前做過的一個創業團隊的研究。可以看到，不同的顏色就代表不同的部門，可以在這樣一個創業的環境當中有大量的跨部門的人的協作。這樣的跨部門的協作，它會對於組織的效能，甚至是績效產生極大的影響。我們一直談論，為什麼很多大廠並沒有出現DeepSeek，很多真正初創的企業，真正很有創新活力，有些企業卻創新比較差。有研究表明，一個組織內部網路的結構跟它是否能夠產生大量創新性的想法相關，其中一個指標我們就叫小世界網路。比如同樣的一個組織構架，它可能會出現兩種不同的一個呈現形式。也有一些研究把矽谷認定是世界創新的中心，它就是特別符合小世界網路的特徵，這裡面不同的節點代表當時一些科技巨頭的分佈。這個網路不像是一個區域的網路，它反而像是一個公司的網路。就相當於在矽谷公司之間是你中有我，我中有你，所以導致了它的想法的自由地流動。比如以這次生成式AI，從2017年Transformer這個構架文章，從Google出來之後，這個技術很快就會擴散在矽谷很多的地方，然後來適用這樣一個技術。最後，簡單說一下人工智慧對資料驅動有什麼樣的幫助？我們知道過去其實有兩個缺陷一直沒有解決，一個就是我們沒有x跟y，很好地來衡量，比如創新度，比如人的價值。第二個就是人才缺口，我們企業裡面，特別對於很多中小企業、傳統企業，我沒有合適的人來做這樣的資料分析，從中找到一些組織管理的洞見。人工智慧為什麼能夠解決這個問題呢？它可以把很多傳統上非結構化的資料變得結構化，能夠讓我們更精準地衡量出人的一個貢獻。比如舉個例子，在財務分析方面，最早有一篇研究，就是用GPT，或者現在用DeepSeek，你問它買股票的建議，你能夠掙錢嗎？然後這篇研究發現，它能夠獲得4.5倍的回報。怎麼做的呢？它就是讓AI去讀新聞標題，然後根據新聞標題做判斷，是正面的消息還是負面的消息，如果正面的消息買進，負面的消息賣出。所以，它可以分析大量的媒體關於某些公司的報導。我們知道過去量化分析是基於一些結構化的量化的資料，但現在有了AI，有了生成式AI，它就可以把這些非結構化的資料納入到你的決策體系當中。如果我們放到這個組織當中，其實很多非結構化的資料就能夠更精準地衡量人的貢獻、人的價值。比如說，舉個例子，這是一家物業公司，物業公司就很難管理，它並沒有很好的結構化的資料，特別是它很分散，這家公司就把每個物業盤子的晨會錄音交給AI去分析，從中提取出來說有那些問題，這個會議開得好還是不好？這就可以把一個非常隱性的資料結構化了，這就可以提前進行預警，說那些物業盤子可能出現了一些問題。接下來就有一個問題，如果我們讓AI來基於文字做一些判斷，它判斷得靠譜不靠譜？這個是我們目前在做的一個研究。我們就會發現，AI的打分跟人的打分呈現出驚人的一致性。比如說，我們讓六個人對同樣的文字和AI讓它同樣打六次，它們兩個之間的相關度已經達到了0.7以上，最高是1。這就說明比如在組織當中我們已經可以用AI來分析會議，分析員工討論的想法，包括想法的創新度，這樣的話，我們就能夠解決在組織當中創新如何評價的這個問題了。所以，生成式人工智慧從分析的角度，它其實降低了人的門檻，我們過去有HR，但他們沒有資料分析的能力。AI使得人更加賦能，使得傳統的資料分析的困境逐步地解決掉，它形成一種普惠化。即使是現在的從業者，他並沒有資料分析的能力，比如借助於DeepSeek，或者借助一些其他的工具，他就可以來有效地分析企業內部產生的資料，甚至更進一步，你可以搭建智能體，來即時地分析發現背後的一些複雜的變化。資料驅動能夠幫我們實現從人智到數智。現在很多的問題，比如加班，包括“996”，工作時長，這些因素完全可以納入到決策目標當中，取決於你的目標是怎麼定義的。如果我們在組織當中可以有更加平衡的目標，比如說我們既關心創新，也關心績效，也關心員工的福祉。我們通過不斷地完善、挖掘資料背後的規律，就能夠實現更和諧的組織發展，以及更和諧的員工跟組織的關係。 (財經ThinkTank)

斯坦福HAI發佈了一年一度的AI Index，整個報告456頁，報告涵蓋了過去一年全球AI各種進展的詳細資訊，這裡給大家總結一下大家可能關心的資料和圖表：中國和美國模型的差距正在縮小：2023 年，領先的美國模型表現明顯優於中國模型，但這一趨勢已不復存在。2023 年底，MMLU、MMMU、MATH 和 HumanEval 等基準測試上的性能差距分別為 17.5、13.5、24.3 和 31.6 個百分點。到 2024 年底，這些差距已大幅縮小至僅 0.3、8.1、1.6 和 3.7 個百分點人工智慧模型性能在前沿收斂：根據去年的 AI 指數，Chatbot Arena 排行榜上排名第一和第十的模型之間的 Elo 分數差異為 11.9%。到 2025 年初，這一差距已縮小至僅 5.4%。同樣，排名前兩位的模型之間的差距也從 2023 年的 4.9% 縮小到 2024 年的僅 0.7%。AI 領域的競爭日益激烈，越來越多的開發人員提供高品質的模型產業界繼續對人工智慧進行大量投資，並在顯著的人工智慧模型開發方面處於領先地位，而學術界則在高引用率研究方面處於領先地位中國在人工智慧研究出版物總數方面領先，而美國在高影響力研究方面領先2024年，美國機構產生了40個值得關注的人工智慧模型，大大超過中國的15個和歐洲的3個的總和美國在全球人工智慧民間投資中領先優勢進一步擴大中國在工業機器人領域的主導地位儘管略有放緩，但仍保持著2022 年至 2023 年間，美國獲得人工智慧碩士學位的畢業生數量幾乎翻了一番 (AI寒武紀)

美國全面關稅政策雖對部分半導體進口實施豁免，但對GPU、晶片製造裝置及相關電子產品的高關稅威脅著美國半導體行業的復興，關稅漏洞帶來的問題遠超預期。半導體供應鏈的複雜性使得成本上升、供應鏈混亂及盟友報復性關稅的風險加劇，可能削弱美國在全球晶片市場的競爭力。美國意在通過關稅重振美國製造業，但其效果存疑，短期內或導致價格上漲與創新受阻，長期則需依賴更全面的政策支援。Part 1美國關稅政策對美國半導體行業的直接影響美國宣佈的關稅政策中，半導體被列入豁免清單，表面上緩解了行業壓力，白宮發佈的《協調關稅表》（HTS）豁免範圍狹窄，僅涵蓋部分先進晶片（如HTS程式碼8542.31），而GPU（8473.30）、伺服器（8471.50）及晶片製造裝置等關鍵品類未獲豁免。直接進口的裸晶片免稅，但封裝後的電子產品和生產裝置仍需承擔高達49%的關稅，以輝達為例，其1300多種產品中，僅約20%可能免稅，DGX伺服器等AI核心硬體將面臨顯著成本上漲。半導體多以成品形式進入美國（如智慧型手機、伺服器），關稅實際相當於對這些產品徵收約40%的綜合稅率，間接影響將推高消費品價格，削弱美國企業在AI、雲端運算等領域的成本競爭力。半導體是AI發展的基石，尤其是輝達的高端GPU在訓練大模型中不可或缺。◎ 美國關稅若全面實施，將顯著提高GPU及伺服器成本，直接影響美國資料中心建設與AI模型訓練的進度。◎ 晶片製造裝置（如光刻機）的關稅漏洞尤為關鍵。全球最先進的光刻機主要由荷蘭ASML（20%關稅）和日本東京電子（24%關稅）生產，若進口成本激增，美國新建晶圓廠的裝置採購將面臨更大壓力。這與《晶片法案》（CHIPS Act）推動的製造業回流目標背道而馳，關稅政策可能適得其反，延緩國內產能提升。半導體行業高度依賴宏觀經濟健康，其產品廣泛應用於汽車、家電等消費品。拉斯貢指出，關稅引發的價格上漲將波及下游產業，消費者可能面臨智慧型手機、汽車等商品的成本增加。汽車行業依賴的傳統晶片若因關稅漲價，可能抵消《晶片法案》帶來的生產回流效益，原材料（如鋼鐵、鋁）及電子元件的關稅進一步推高製造成本，形成“上游受益、下游受損”的典型關稅困境。半導體供應鏈的全球化特性使得單邊關稅難以實現預期效果，反而可能削弱美國在高科技領域的領導地位。Part 2關稅政策對全球供應鏈與美國戰略目標的影響● 美國關稅覆蓋美國眾多盟友，如台灣（32%）、日本（24%）和荷蘭（20%），這些國家在半導體供應鏈中扮演關鍵角色。◎ 台灣台積電生產全球90%以上的先進晶片，裸晶片免稅，但其出口的伺服器等成品將面臨高關稅，台灣低利潤的伺服器廠商可能被迫提價，推高美國AI基礎設施成本。◎ 東南亞國家如越南（46%關稅）和泰國（36%關稅）也受重創。這些國家近年來成為晶片製造外包的熱門目的地，高關稅可能阻止英特爾、美光等公司將生產從中國轉移至此，供應鏈混亂將是“長期且痛苦的”，可能引發全球經濟動盪。美國宣稱關稅旨在將製造業帶回美國，但半導體行業的複雜性使其難以迅速實現。半導體行業協會資料顯示，2023-2024年間美洲晶片銷售額增長48.4%，遠超中國（5.6%）和歐洲（-8.1%），顯示回流已有進展，美國僅佔全球產能12%，遠低於1990年的37%。《晶片法案》投入520億美元試圖扭轉頹勢，但新建晶圓廠需數年時間，且依賴進口裝置與原材料。關稅雖可能激勵部分企業投資美國，但光刻機等裝置的成本上漲將抵消吸引力。喬澤姆帕指出，半導體製造涉及500多個決策因素，關稅僅是其中之一，人才、稅收政策及基礎設施更為關鍵。美國忽視這些綜合因素，單靠關稅恐難達成目標，反而可能削弱現有投資回報。美國依據《國際緊急經濟權力法》實施的“解放日”關稅，包括10%的普遍關稅及針對60國的互惠關稅（如中國54%），標誌著保護主義的全面回歸，這將推高全球通膨並損害消費者利益。中國已承諾“堅決反制”，其他國家如加拿大、墨西哥也可能採取報復措施，導致貿易戰升級。半導體供應鏈的全球化特性使其尤為脆弱，高關稅可能導致區域化生產趨勢加劇，削弱美國主導地位。小結美國的關稅政策旨在通過貿易壁壘重振美國半導體行業，狹隘豁免與全面徵稅並存的矛盾設計，正威脅這一目標的實現。供應鏈混亂及盟友報復風險，正削弱美國在AI與高科技領域的競爭力。短期內，消費者將承受價格上漲之苦，企業則面臨投資回報縮水；長期看，製造業回流需依賴《晶片法案》等綜合支援，而非單靠關稅施壓。豪賭可能為美國帶來局部就業增長，卻也可能以創新停滯與全球孤立為代價。在半導體這一現代經濟命脈的博弈中，美國需審慎平衡短期收益與長期戰略，否則復興之夢恐成空談。 (芝能汽車)

2025開年，AI技術打得火熱，正在改變程式設計師的職業命運：阿里雲核心業務全部接入Agent體系；字節跳動30%後端崗位要求大模型開發能力；騰訊、京東、百度開放招聘技術崗，80%與AI相關……大模型正在重構技術開發範式，傳統CRUD開發模式正在被AI原生應用取代！最殘忍的是，業務面臨轉型，領導要求用RAG優化知識庫檢索，你不會；帶AI團隊，微調大模型要準備多少資料，你不懂；想轉型大模型應用開發工程師等相關崗，沒項目實操經驗……這不是技術焦慮，而是職業生存危機！曾經熱門的開發框架、巨量資料工具等，已不再是就業的金鑰匙。如果認為會呼叫API就是懂大模型、能進行二次開發，那就大錯特錯了。製造、醫療、金融等各行業都在加速AI應用落地，未來企業更看重能用AI大模型技術重構業務流的技術人。如今技術圈降薪裁員頻頻爆發，傳統崗位大批縮水，相反AI相關技術崗瘋狂擴招，薪資逆勢上漲150%，大廠老闆們甚至開出70-100W年薪，挖掘AI大模型人才！不出1年 “有AI項目開發經驗”或將成為技術人投遞簡歷的門檻。風口之下，與其像“溫水煮青蛙”一樣坐等被行業淘汰，不如先人一步，掌握AI大模型原理+應用技術+項目實操經驗，“順風”翻盤！ (AI寒武紀)

當抖音、視訊號、快手逐漸形成三足鼎立格局時，快手卻乘著這波 AI 浪潮悄咪咪躥到了前列——各家大廠還在“燒錢”為 AI 造勢時，可靈 AI 悶聲營收破億，並順勢擠到了圖生視訊全球第一的位置。3 月 27 日，全球知名 AI 基準測試機構 Artificial Analysis 發佈最新的全球視訊生成大模型榜單，快手可靈 1.6pro（高品質模式）以1000分的 Arena ELO 基準測試評分登頂圖生視訊賽道榜首，Google Veo 2、Pika Art 分列榜單二、三名。頭圖｜《讓子彈飛》劇照不僅如此，從廣告到電商再到本地生活，AI 正由點到線重塑快手商業生長路徑。快手商業化演算法負責人江鵬認為，AI 以一種前所未有的速度席捲全球，今年 AI 或將生成一個商業行銷新範式。“短影片平台大模型分發引擎 CPM（千次展示成本）大約 40 元，成本還是非常高的，只有提升變現能力同時大幅降低成本，才能讓大模型顛覆廣告引擎成為現實；幸運的是，DeepSeek 及 COT（思維鏈） 技術突破邊界，快手未來 1-3 年內大模型完全可以將重塑廣告分發引擎變成現實。”江鵬說道。上述表態的底氣在於，乘著兇猛的流量勢能，2024Q4 快手單季廣告收入同比增長 13.3% 達 206 億元，一舉超過百度同期的 179 億元——要知道，百度曾是 BAT 時代的領頭羊，如今別說騰訊、阿里，其在核心廣告收入上（季度）連快手都追不上了。甚至，2024Q4 快手上的 AIGC 短影片行銷素材及虛擬數字人直播解決方案日均消耗超過 3000 萬元；其中，“女媧”數字人消耗峰值日均突破2000萬——據快手測算，AI 大模型預計可將客戶的短影片行銷素材製作成本降低 60%-70%，甚至更多。難怪在最近的財報電話會上，快手創始人兼首席執行官程一笑表示：公司將在未來 3 年甚至更長時間進行更大規模的資本支出及研發投入，希望通過可靈 AI 改造升級現有業務，同時創造 AI 視訊內容生產的新賽道，進一步保持快手（短影片生產和消費社區）的領先地位。當躺賺的廣告，開始拼技術過去一年，快手 MAU（月活使用者數）沖高至 7.36 億，並提前向資本市場兌現了 DAU（日活使用者數）破 4 億的目標。值得一提的是，這4億DAU“含金量”不容小覷——2024Q4 快手使用者日均使用時長攀升至 126 分鐘，放眼整個移動網際網路排在前面的只有微信、抖音了。有鑑於此，平台迸發出來的商業需求也變得越來越強，電商月活躍買家達到 1.43 億，本地生活月付費使用者同比增長 52%，推動 2024 年電商 GMV 同比增長近 18% 達 1.39 兆元，全年淨利潤更是同比大增 72.5% ——如此陡峭的上揚曲線，在一眾網際網路大廠中都讓人側目。虎嗅獲悉，快手廣告收入計算模型，涉及 DAU、人均視訊條數、廣告載入率和價格，目前實際測算超 700 億元，穩態經營利潤率預計超 30% ——這背後托底的內容生態，日均播放量接近 1300億次，推薦頁佔比 80%。一個有趣的資料是，快手高級副總裁、電商事業部負責人兼商業化事業部負責人王劍偉透漏，2025Q1 快手新春行銷活動和商業影片播放量首次達到2000億。此前，快手廣告業務可以分為三個部分：外循環廣告（主要涉及非電商行業，如遊戲、金融和教育等，其收入佔比超過 30%）、內循環廣告（即電商廣告，收入佔比超 50%）、聯盟廣告（連接中小廣告流量主和品牌廣告，收入佔比個位數）；2025 年 1 月架構調整後，整個廣告團隊拆解成三塊，分別是內容消費廣告，電商廣告，本地線索廣告。具體來看，內容消費廣告包括短劇（使用者規模已超 3 億）、小說、小遊戲等。按照王劍偉近日在活動上向外界透露的資料，內容消費廣告正成為下一個冉冉升起的新賽道：2024 年快手短劇使用者日均消費時長超 20 分鐘，Q4 短劇消耗同比增長 300%，短劇廣告消耗達到行業第二。2024 年快手小遊戲同比增長 230%，雖然規模相對小，但春節周期單日消耗峰值達到 1200萬。至於內容消費賽道被輕視的技術賦能，江鵬則從素材及投放層面進行了拆解：首先，AIGC 素材生成能力得到飛速提升，包括素材跑量、素材質量提升以及從 0-1 生成素材的問題；一是可以根據多模態 AIGC 生成能力，利用全網優質素材分析為客戶素材進行微調，使得客戶素材有更強的跑樣能力，素材成本降低 70%，二是通過多模態大模型分析素材為客戶解鎖更多跑樣素材，使得轉化率大幅度提升。其次，創意 Agent 正成為 AI 的一大趨勢。客戶只需要跟 AI Agent 互動，待其完全理解客戶需求後，搜尋全網優秀案例，淨調 AIGC 工具庫製作成片投放，便可實現零素材生產，逐步代替剪輯師。“廣告投放和操盤已經進入非常複雜博弈的階段，平台有 30+ 投放目標，核心客戶每天超過 400 投放素材，組合決策的複雜程度遠超過人腦可以決策的極限，但基於大模型推理潛在受眾會評估每個素材跑量的能力，優選素材定投，獨立的全站 Agent 為客戶帶來（自然流量）增量 GMV 超過 60%。”江鵬說道。至於電商廣告，過去三年支撐著快手商業化高速發展，貢獻了絕大多數廣告利潤，2024 年平台動銷商家數實現 46% 的增長；而本地線索廣告孕育出增速超 100% 的本地生活業務。具體到落地營運，現階段快手本地生活主要分為三條線來保證業務運轉，並會根據業務需求動態調整：第一條是客戶經理線，主要追進客戶合作，負責商戶整個生命周期的營運；第二條是生態營運線，通過曝光宣傳將商品賣點深入給到消費者，生態主要由達人、內容型服務商兩種核心角色組成；第三條是生態能力線，負責前兩種角色的能力成長。值得注意的是，抖音打本地重心放在客戶引入、城市客戶覆蓋上，比如一個客戶經理覆蓋幾十個大客戶；快手策略則完全不同，一個客戶經理只覆蓋兩到三個客戶，KPI 主要是幫助達人能力成長及培養商家內容能力，包括視訊製作的指導、活動營運、提供雲剪素材等。不過，知情人士向虎嗅表示，本地探店是對內容生態友好，難的是供給生態。“本地生活是商家與達人供給並重的業務，需要同時開拓商家和達人資源（本地生活達人有地域性）；抖音業務初期主要是視訊+團券推動，快手則通過短影片+直播差異化競爭。”久謙中台專家紀要顯示，快手推薦邏輯為同一使用者差異化直播推流，該推送在演算法維度包括召回、排序、最終展示。其中，排序為最核心因素：一是階梯流量池會針對單個視訊推送，曝光量由 100 提升至1000進行持續曝光；二是會為視訊排序打分，使用者接受推送順序存在差異化；三是打分影響權重覆蓋興趣維度、關係鏈維度等。與之對應，平台的分發模型也在被 AI 深度改造。尤其，基於微調及廣告模式注入基建大模型，能精準推理使用者在短影片平台自然行為和廣告行為之間的關聯，直接端到端推出使用者感興趣的廣告，整體推理精準度提升10% 以上，針對新使用者新素材新商家冷啟轉化率提高 20%。其中，廣告調價是尤為關鍵的模組，關係到每個客戶的成本和利潤，在廣告動態博弈的過程中始終面臨著蝴蝶效應的挑戰，即每一次的操作、每一次的調價引發很長周期的影響；但快手推出的第四代Bidding推理大模型，在 2024 年出價比賽中獲得全球第一，匯聚全球超過1400家機構、公司、高校參與競技。電商的壓力給到Agent當然，快手內循環廣告與平台的商品交易總額密切相關，不論內容電商、社區電商還是信任電商、興趣電商，其本質都是通過短影片、直播間讓消費者更好理解商品，從而完成銷售轉化。過去兩年，各個電商平台都在提出一個新概念，叫做全域智能化。虎嗅瞭解到，2024 年快手全站推廣的客戶滲透翻了近 5 倍，全站消耗滲透增長 3.6 倍，客戶投放 ROI 與 ARPU 綜合效果（跑量正向率）達到 70% 以上，遠超自訂投放效果。快手磁力引擎電商廣告產品及流量產品業務負責人孔慧透露，此前全站推廣只是讓廣告在電商的排序當中增加一個 CPM 因子，2025 年會將全站調價 Agent 嵌入到電商廣告中——成為市面上第一家全站獨立嵌入電商鏈路 Agent 調價能力的內容平台。對此，王劍偉補充了一組資料，2024Q4 快手日均動銷撮合超 10 萬人，幫商家實現 GMV 同比增長超 300%，進而帶動整個商城泛貨架 GMV 同比增長 61.3%。再將視線聚焦到全站推廣的轉化上，其在電商廣告大盤佔比達到 10% 左右。孔慧透漏，2024 年雙 11 期間，全站推廣幫中小商家實現 GMV 同比增長 156%，每個月超 1.4 億使用者在快手下單，月活躍買家滲透佔 MAU 的滲透率近 20%。尤其，移動端一鍵智能化投放，既節省了商家投流素材成本，也能拉動平台整體智能化消耗和滲透的提升——虎嗅獲悉，目前磁力金牛智能投放產品消耗滲透達到 43.8%，再加上“川流計畫”對中小商家產品分銷的激勵，2025 年有望將投放消耗提升至超 70%。順著這樣的業務增長趨勢，快手貨找人模式 GMV 摸高上限約為 1.5 兆元，再乘以 1%-2% 的佣金貨幣化率，預計收入空間在 150-300 億元。所以，除了貨找人模式，快手近年來也在持續摸索，培養使用者的搜尋習慣——財報顯示，貨架電商 GMV 整體佔比已經超過 30%。相比之下，2024 年貨架場景和店播在抖音電商 GMV 大盤佔比合計超過 70%，頭部達人貢獻佔大盤已降至 9%，中小達人崛起升至 21%——這一變化主要源於，抖音管理層為扶持 KA 品牌加大了店播的流量傾斜，達人主播則疲於算 ROI 、追爆款、DOU+ 投流續勢。不過，隨著快手引入更多品牌商家、豐富供應鏈結構，並給予貨架電商更多流量入口，其佔比會進一步提升。對此，王劍偉分享了快手的具體動作：首先，大幅度降低開店門檻，提供 0 元開店，且平台經過最佳化治理規則（主要針對內容營運規範的誤觸違規），減少商家季度罰金超 1 億元。其次，2024 年平台提供超1000億流量扶持商家，2025Q1 會推出一個更強的保障計畫，首期投入 1 億元幫助所有退貨客戶在平台獲得廣告費返還，再根據效果和商家反饋將規模擴大。尤其，2024 下半年快手推出商品卡投流後，加速了整個泛貨架的變現能力——貨架投流場景消耗增長 18%，搜尋投流場景消耗增長超 26%，整個貨架場投放客戶數同比增加超 61%，日均投放商品數增長也接近兩倍。此外，快手上線 AI 客服能力後，經營成本持續降低——以成本、獲客兩個維度資料為切面，消費者私信轉化成本同比減少 71%，私信活躍客戶數同比增長 1700%。接近快手人士表示，“小步快跑的業務節奏主要靠商業化團隊階段目標推動，會拆解到每周做復盤，甚至每天盯曲線變化，這中間商家對生態至關重要——平台會回溯商家的成長模型及階段能力與業務的匹配度。” (虎嗅APP)

湖北深山裡藏著的超級行動電源——全球首套300兆瓦級壓氣儲能電站“能儲一號”，正式全容量並網發電！這個像外星基地的巨型裝置，你知道它多牛嗎？它充電1次=三峽大壩狂轉3小時，北京上海這樣的超級城市能用整整5小時！用電低谷時，它把空氣壓縮到大氣壓的100倍，塞進70萬立方米的地下鹽穴；用電高峰時，高壓空氣+回收的熱能，直接讓發電機狂飆發電！還獲得了多項世界紀錄！最狠的是，轉換效率高達70%！德國、美國老牌技術才42%、54%，我們直接碾壓！西方媒體集體破防：中國連空氣都能“存錢”了？這技術，我們抄都抄不來！ (曠投財見)

中國近期對含有鈧和鏑等關鍵材料的稀土實施了新的出口限制，這一舉措可能對全球晶片製造供應鏈產生重大影響。鈧和鏑是射頻和儲存應用中的關鍵材料，廣泛應用於智慧型手機、Wi-Fi模組、基站、硬碟驅動器磁頭和電動汽車等領域。此次限制措施涉及博通、格芯、高通、台積電、三星、希捷和西部資料等主要行業參與者。中國出台的稀土出口限制措施並非首次。此前，中國已實施了兩輪稀土出口規定，逐步收緊關鍵礦物的供應，尤其是那些用於晶片製造的礦物。此次限制措施的出台，是對川普政府對中國生產的商品徵收54%關稅以及對所有在美國製造的產品徵收34%進口關稅的回應。根據新規，從即日起，含有鈧、鏑、釓、鋱、鑥、釤和釔的產品的出口商必須向中國商務部申請出口許可證，並詳細說明材料的最終用途。這一規定涵蓋了原礦石、金屬、化合物和成品等多種產品。雖然這並非徹底的禁令，但作為中國的第三輪出口限制，它引發了全球製造商對供應的擔憂，並加劇了中美之間的緊張關係。此次限制的兩種關鍵材料鈧和鏑對電信和儲存行業具有重要意義。鈧主要用於射頻應用，通過其在氮化鋁鈧（ScAlN）中的作用，用於高性能波濾波器，如體聲波（BAW）和表面聲波（SAW）濾波器。這些濾波器是5G智慧型手機和基站前端模組以及Wi-Fi 6和Wi-Fi 7模組的重要元件。鏑則廣泛用於硬碟驅動器磁頭和電動汽車，通過提高磁鐵在高溫下的矯頑力來控制讀/寫頭。其他受限制的材料，如釓、鋱、釔、鑥和釤，也在半導體製造中發揮著重要作用。這些材料在沒有權衡和增加成本的情況下，難以被替代。然而，儘管稀土金屬被稱為“稀有”，但它們實際上並不稀有。中國之所以成為這些材料的主要供應商，是因為其建立了高效的生態系統來開採、提取和提煉稀土元素。一些觀點認為，中國補貼稀土行業以控制關鍵材料的供應，使在世界其他地區生產這些材料無利可圖。但隨著中國開始將其稀土“武器化”，其他國家的公司可能會重新評估其供應鏈，尋找替代供應商。中國此前已實施過兩輪稀土出口限制，逐步從基礎材料（如銻、鎵和鍺）擴展到製造關鍵金屬，再到用於射頻、儲存和精密部件的稀土。這些限制措施對半導體價值鏈和製造鏈的早期階段產生了高度破壞性的影響。儘管目前尚未看到由於中國的出口限制而導致晶片供應的實際中斷，但這些限制措施已經引發了行業的廣泛關注。通過出口限制，中國不僅在資源開採方面發揮了優勢，還在加工和材料科學方面發揮了優勢。這在全球半導體生態系統中產生了廣泛的不確定性，影響了從智慧型手機到個人電腦，從自動駕駛汽車到複雜防禦系統等多個領域。隨著行業調整其供應鏈以適應新的現實，中國限制措施的影響可能會隨著時間的推移而減弱。然而，可以預見的是，未來還會有更多的限制措施出台。 (晶片行業)

NVIDIA GB300 NVLink液冷交換機今年GTC大會輝達發佈最新的GB300AI晶片及AI伺服器，但是對於GB300的液冷交換機少有完整曝光，以下是零氪海外合作方STH傳回的GB300 NVLink液冷交換機圖片資料。NVIDIA GB300 NVLink 液冷交換機托盤在 NVIDIA GTC 2025 上展示的 NVIDIA GB300 NVLink 交換機托盤。這是位於 GB300 計算刀片之間的液冷交換機托盤。與當今的許多交換機不同，這些交換機採用液冷設計，適合 NVL72 機架。這是 GB300 NVLink 交換機托盤。可以看到前面的手把，然後是後面的液體冷卻噴嘴、母線電源和四個 NVLink 電纜盒的連接器。NVIDIA GB300 NVLink 交換機托盤 1該設計非常巧妙的一點是，NVLink 交換機晶片採用液冷，但並不是唯一的液冷組件。NVIDIA GB300 NVLink 交換機托盤 2這是 NVLink Switch 部分的冷板。實際的 NVLink Switch PCB 與底盤的深度相比相對較短。NVIDIA GB300 NVLink 交換機托盤 4這裡可以看到功率分佈。NVIDIA GB300 NVLink 交換機托盤 5在當今主流的液冷伺服器中，有很多橡膠軟管。在這種設計中，主要是金屬管。這是一個小特點，但卻是設計的一個區別。NVIDIA GB300 NVLink 交換機托盤 3在底部，我們看到一些控制元件，其中包括 M.2 SSD。NVIDIA GB300 NVLink 交換機托盤 6NVIDIA 通常將其 GTC 2025 展示模型上的許多其他徽標塗黑，但我們可以看到兩顆 Marvell 88E1514 和 Lattice LCMXO3D-9400HC。總結這只是 NVLink Switch 托盤的簡單介紹，這些托盤將安裝在較新的 GB300 NVL72 機架上，今年晚些時候我們將看到更多此類機架。目前，大多數市場仍在生產和消費 GB200 NVL72 機架。不過，NVIDIA 對液體冷卻的承諾是這一代產品的標誌，隨著我們進入 Rubin 時代，這一承諾只會加速。 (零氪1+1)