社区

上世纪70年代，沃兹尼亚克、乔布斯、费尔森斯坦、比尔·盖茨、约翰·德雷珀等人成立了名为Homebrew Computer Club的组织，他们在聚会中展示创意、交换想法，希望开创一个每个人都有电脑的世界。 后来的故事大家都很熟悉，沃兹尼亚克和乔布斯在Homebrew Computer Club的会议上展示了Apple I，并在第二年成立了苹果公司。同时推动了开源文化的兴起、个人电脑的普及，成了科技史上最具影响力的技术社群之一。 当世界进入到智能化时代，创新的种子在全球遍地开花，类似Homebrew Computer Club的社群也开始在更大范围内萌芽。 其中就有2020年12月30日成立的创原会，由CNCF执行董事Priyanka Sharma、中国信通院云大所副所长栗蔚和华为云CTO张宇昕作为创始会员构建的全球技术创新交流平台，希望通过探索前沿的云原生、AI等技术，共享产业落地实践经验的方式，共创技术与业务融合的无限可能。 经过四年时间的发展，创原会已经吸纳了来自学术研究、汽车出行、能源制造、互联网、金融投资、货运物流等行业的三百多位技术骨干，不乏衔远科技创始人周伯文、面壁智能CEO李大海、吉利汽车数字中心主任郑金伟、小红书云原生基础平台负责人黄玉奇等懂行的技术“老炮儿”。 正是在这样的背景下，每年一次的创原会年度技术峰会，作为会员们年度相聚、思想碰撞、互动交流的“舞台”，已成为洞察行业创新趋势、落地实践经验的风向标。 比如刚刚结束的2024创原会年度技术峰会，达成了“全面拥抱AI-Native”的共识，并为AI-Native的落地指明了方向。 01 走向AI-Native，先要解决算力资源的挑战 根据咨询机构Gartner的预测，2026年将有超过80%的企业在生产环境中落地大模型或调用API，并部署启用生成式AI应用。 比研究报告更加直观的，是创原会年度技术峰会上的

马斯克、黄仁勋等人的站台，让具身智能迅速蹿升为2024年最受资本追捧的赛道之一。 复盘具身智能赛道过去一年融资事件，人形机器人是出现频率最高的词。或许是受《机械姬》、《西部世界》等科幻作品的影响，人们本能地认为具身智能应该拥有双手双脚、面部表情等设计。 但影智科技创始人唐沐对此并不认同：“具身智能在产品设计上应该解决特定需求，而非单纯追求形式上的’人形’。当前市场对人形机器人的追捧更多是概念化，而非实用主义。” 作为QQ头像、微信表情包等现象级符号的缔造者，小米路由器、小爱智能音箱等亿级爆款产品的掌舵人，唐沐以其敏锐的洞察力和创新的产品思维，打造了一系列国民级产品。 与那些还处于实验室状态、“吊着威亚”展示的人形机器人不同，影智科技的xbot咖啡机器人已经是各种科技展会上的明星，每次体验机器人制作咖啡的观众都排起了长队。 具身智能为什么必须回归需求导向？这种理念为机器人带来了哪些颠覆性的改变？又有哪些成功落地的应用场景？带着这些问题，我和影智科技创始人唐沐进行了一场深度对话，尝试打破外界的刻板印象，找到通往具身智能正确答案。 01 机器人的进化路径：不是从“像人”开始，而是“更有用” 2023年走进大众视野的具身智能，正处于“八仙过海” 的时期，吸引了一大批用人形机器人求解具身智能的创业者。 而支撑他们投身人形机器人的动机，可能只是一场不确定的“风”：当马斯克开始做人形机器人之后，市场、资本机构都认为必须加快入场，不能等特斯拉真正做出来了大家再去追。 有着20多年产品经验的唐沐，并不苟同这种追风现象。 2003年，唐沐加入 $腾讯控股(00700)$ ，着手组建了腾讯用户研究与体验设计中心（CDC），负责QQ、QQ电脑管家、QQ音乐、QQ空间等亿级用户的产品体验设计。外界所熟悉的QQ头像、微信

盘点2024年消费市场的年度关键词，“反向占领”可以说是热度最高的候选项之一。 2024年的巴黎车展，上演了不少名场面： $比亚迪(002594)$ 、 $小鹏汽车-W(09868)$ 、 $赛力斯(601127)$ 问界等中国车企的展区人潮汹涌，甚至有外企高管拿皮尺量车取经；在“国货信仰”高涨的日本，来自中国的家电产品悄然占据了70%的货架...... 要知道，欧洲作为汽车产业的摇篮，曾经是中国消费者首选的进口对象；而东芝、日立、松下等品牌的家电，曾是80后、90后等几代人的童年记忆。现在情况发生了逆转，中国品牌成了当地年轻人的首选。 相似的情景，并非只出现在新能源汽车和智能家电行业。同样是“舶来品”的卫浴行业，也已经掀开“反向占领”的序幕。 在11月29日的“大国好货嘉年华——九牧以旧换新全国发布仪式”上，九牧集团被独立第三方咨询机构尚普咨询授予“中国第一 世界前三”市场地位的认证，此前其还获得了沙利文“2023年智能马桶全球销量第一”的市场地位确认。 图：尚普咨询授予九牧集团“中国第一 世界前三”市场地位认证 同期TOTO在举办的2024财年半年度业绩说明会上，公开表态正面临中国企业的竞争，其中九牧的存在感不断增强，并坦陈即使投入更具成本竞争力的产品，也不会出现戏剧性的改善。 12月17日举行的“2025年九牧全球量利营销大会”上，九牧集团表示要把长征精神作为企业创造精神，要把握时代拐点，不断颠覆创新、彻底改革、自我反省、换道超车、成为全球卫浴行业绝对领导者，让九牧再次伟大！ 本期内容，我们将以九牧卫浴为研究对象，结合20

2024年是大模型落地应用的元年。 开发者们不再迷恋于“大练模型”，而是将大模型装进了手机、带到了课堂、融入的生产线、赋能到城市管理……大模型和场景的深入融合，不单单释放出了新质生产力，还默默重构着产业上下游的格局。 12月14日的升思人工智能框架峰会上，升思MindSpore开源社区理事长丁诚向外界公布了一组新数据：升思MindSpore AI框架开源版本的下载量已经超过1100万次，覆盖全球130多个国家和地区的2400多个城市；3.7万多名开发者参与社区贡献，累积代码提交10万多行。 同一时间，中国科学院科技战略咨询研究院预测，中国AI框架2024年新增市场升思份额将达30%。而根据IT行业的市场规律，一个AI框架的市场份额超过30%，意味着可能成为事实上的行业共识，将逐步形成完善的产业生态，进而推动技术更快的落地。 问题在于，为何升思MindSpore会成为新增市场份额超过30%的AI框架，又将对大模型的落地应用产生什么样的影响？ 01 立足开源开放，3.7万名贡献者撑起的繁荣生态 一个AI框架是否好用，开发者生态是不可或缺的一环。 时间回到2020年3月28日，升思MindSpore AI框架正式开源。时值国内深度学习框架的“春天”，不少企业都推出了自己AI框架，不乏同样采取开源路线的玩家。不同的是，升思MindSpore在开源之外，还着手构建了一套完整的人才培养和社区治理体系。 先说人才培养。 当外界普遍抱怨AI人才难觅的时候，升思MindSpore开源社区悄悄构建了一套面向开发者分层分级的社区学习和发展体系。 第一阶段是学习，社区提供了30多门系列主题课程，600多场线上线下专题活动，每年20多场创新训练营等专场赋能，目的是帮助每一个对AI有兴趣的开发者，掌握人工智能相关的技术知识 ； 第二阶段是实践，开发者熟悉了AI相关的知识后，通过以赛促学、以练促学的方式

一个多月前， $长安汽车(000625)$ 数智工厂正式揭幕，让外界记住了这样一串数字：工厂的制造效率综合提升了20%、成本降低了20%、能耗降低了19%，平均每60秒，就有一辆新汽车从数智工厂下线。 数智化转型的成效不可谓不诱人，可在不少人的理解里，这样的叙事似乎只属于行业里的头部企业。 因为数智化探索的过程，也是一个不断试错的过程，需要持续投入大量资金和人力，而且面临转型失败或收效甚微的风险。以至于长安代表的头部企业的数智化进程全面加速时，不少规上企业还在观望。 对此，华为中国政企CMO邱恒对各行业的数智化转型给出了一个“标准”答案：对于我国的大中小微企业，只要选择了“伙伴+华为”体系，就能获取全套能力，包括自主创新的技术、深入场景的方案、适销易用的产品，以及周到的服务和就在身边的团队，结合华为自身丰富的数智化转型经验和行业转型标杆实践等，让千行万业客户与“数智世界 一触即达”。 01 把复杂留给自己，把简单带给客户 在帮助制造行业客户加速实现数智化转型升级的背后，首先是华为的能力外溢。 据华为中国政企智能制造系统部总经理杨萍介绍：华为是一家源于制造、更懂制造的企业，2018年就全面启动了人工智能战略，通过“研产供销服+AI+数据”的模式，将大模型技术引入到各个业务领域。 以生产执行为例，华为通过大模型技术和数据治理，清洗并训练了市场订单数据、研发代码、仓储物流数据和产线设备数据等全流程所需数据，大大提高了工厂敏捷性、效率和生产力。原先80人的高端手机产线，现在只需要14个人，每20秒就能生产一部手机。 在和长安汽车数智工厂的合作中，华为依托自身的数智化转型经验，为数智工厂构建了坚实的数智化底座，实现了全工厂硬件设备数据的采集上云，助力打通汽车制造业三个核心业务流：工程数据流、商业信息流

12月2日，美国宣布了新一轮对华出口限制措施，将140余家中国企业加入贸易限制清单，涉及半导体制造设备、电子设计自动化工具等多个种类。 12月3日，中国互联网协会、中国半导体行业协会、中国汽车行业协会、中国通信企业协会等陆续发布声明，呼吁国内企业审慎选择采购美国芯片。 翻看多家被列入“限制清单”企业的回复，均表示不会对公司业务产生实质性影响，这些企业的股价也没有出现大幅波动。 $半导体产品(BK4141)$ 但在知乎等平台上，讨论的焦点没有局限在半导体产业，而是将话题指向了AI。根据CNNIC发布的《生成式人工智能应用发展报告》，2024年上半年国内生成式人工智能产品的用户规模已经超过2.3亿人次，等于是每六个中国人中，就有一人正在使用生成式AI产品。 一旦AI领域所需的芯片供应被“切断”，是否预示着国产AI的进度速度将放缓，进而影响到千行万业的数智化进程，影响每一个用户的智能体验？ 01 算力的另一种“解法” 之所以会出现上述猜想，原因在于大模型对算力的依赖。 大模型通常有数十亿到数万亿的参数，需要处理海量的训练数据，对算力提出了极高的要求。比如训练过程中需要进行大规模的矩阵运算，对GPU、TPU等加速硬件依赖很大，算力不足的话，可能导致训练时间指数级增长。 以至于大模型概念刚走红时，出现了哄抢GPU的一幕，价格被炒高数倍，甚至手里有多少枚GPU，都成了创业公司融资的筹码。但在台积电断供、新一轮对华出口限制的现实背景下，依靠国外芯片补充算力的模式已经“岌岌可危”。 特别是在四家协会集体呼吁“保障芯片稳定供应”的背景下，生成式AI的算力难题是否存在新的解法？ 时间回到2023年9月，华为云正式上线了升腾AI云服务。 有别于行业内普遍采用英伟达架构和软硬件方案的部署方式，升腾AI云服务给出了全

55年前，左脚刚刚踏上月球的阿姆斯特朗，说了一句简单的话：“这是个人的一小步，却是人类的一大步。” 过去几十年里，很多人曾引用过这句话，用来定格某个历史性时刻。今天，我们想把这句话套用到智谱的AutoGLM上。 11月29日的智谱Agent OpenDay上，对外公测或内测了三个产品——浏览器插件AutoGLM Web、电脑智能体大模型GLM-PC，以及一个多月前“剧透”过的AutoGLM，也是智谱第一个产品化的智能体Agent。 短短一个月的时间，AutoGLM的能力不再局限于点外卖、朋友圈点赞，带来了多个新进展： AutoGLM 可以自主执行超过 50 步的长步骤操作，也可以跨App执行任务； AutoGLM开启“全自动”上网新体验，支持等数十个网站的无人驾驶； 像人一样操作计算机的GLM-PC启动内测，基于视觉多模态模型实现通用Agent的技术探索。 同时AutoGLM 启动了大规模内测，将尽快上线成为面向 C 端用户的产品，并宣布启动“10个亿级 APP 免费 Auto 升级”的计划。 01 AutoGLM可以做什么？ 看到这里，可能不少人会疑问：什么是AutoGLM？ 单从名字上看，很容易让人联想到自动驾驶，毕竟几乎每辆汽车的中控区都有一个AUTO按钮，表示该功能或设置为自动模式。 顾名思义，AutoGLM的场景正是用AI控制手机，只需要一句语音指令，AutoGLM即可模拟人类操作手机来完整任务。AI从只有对话功能的Chatbot，正在进化为“有手、有脑、有眼睛”的自主Agent。 为了方便大家理解，我们提前做了一波测试。 对于不方便看视频的小伙伴，这里大致说一下我们测试的四个场景：分别是到小红书查找周末出行攻略、给小红书博主的最新内容评论、到拼多多上买一箱涌泉蜜桔、订一张从宁波到北京的机票。 直接说结果，AutoGLM都准确完成了工作，几个涉及到购买

开发者圈子里流行着一个有意思的观点：操作系统每过20年左右，就会出现一次跨越式发展机遇。 上世纪六十年代开始的大型机，到上世纪八十年代的个人计算机，再到本世纪初互联网的崛起，无不和上述观点相吻合：操作系统作为连接软件和硬件的桥梁，不断催生新应用，创造新蓝海。 而正在进行中的数字化、智能化浪潮，应用场景早已呈现出指数级增长的态势，操作系统的“20年周期律”再一次被印证。 和以往有所不同的是，数智化常常被加上“产业”的前缀，承载着生产力跃迁升级、产业深度转型的使命。操作系统作为产业数智化的“底座”，既要有繁荣的生态，更要在安全上交出一份高分答卷。 01 “得安全者得天下” 时间回到1991年，21岁的Linus Torvalds编写出了拥有10000行代码的内核，选择遵循GPL协议和GNU宗旨，将其命名为“GNU/Linux”。 接下来的几年时间里，来自全世界的开发者，对Linus编写的内核代码进行了大量修改和补充，加入了GUI（图形界面）、应用等缺失部分，逐渐形成了一个完善的操作系统，也就是外界所熟知的Linux。 可能对不少消费者而言，对Linux的熟悉度远不如Windows、Android、iOS，但在服务器和数据中心领域，Linux却有着90％以上的市场份额，即使是在 Microsoft Azure上，也有一半以上的安装了Linux虚拟机。 不夸张地说，几乎整个数字世界都运行在Linux上。 为什么对安全最为看重的服务器市场，偏偏钟爱开源的Linux呢？查阅了大量资料后，我们找到了两个答案。 第一个是开放性。 因为Linux是开源的，任何人都可以自由地查看、修改和重新分发其源代码，赋予了Linux高度的灵活性和可定制性，衍生出了基于Linux的发行版操作系统，比如Ubuntu、RedHat、Debian、Centos；国内基于Linux内核的开源操作系统openEule

作者 | 鳄叔 你可能听过GPT、BERT这些高大上的名词，但今天要聊的是一个更“接地气”的技术：RAG（Retrieval-Augmented Generation，检索增强生成）。 简单来说，RAG就像那个考试时可以“开卷”的学霸，既会查资料，又能灵活作答，不再只靠死记硬背! 01 RAG是什么？ RAG的核心就是：让AI学会查资料，再用查到的内容回答问题。 传统的生成式AI，比如ChatGPT，虽然聪明，但就像“闭卷考试”的学霸，回答全靠“脑子里存的东西”（训练好的模型参数）。而RAG不同，它结合了两个技能： 1. 检索能力（Retrieval）：像百度、Google那样，随时从外部知识库中搜索信息； 2. 生成能力（Generation）：像GPT那样，用自然语言把答案表达出来。 两者一结合，就成了“检索+生成”的双剑合璧，让AI不仅有知识，还能灵活运用。 02 RAG的工作原理 简单来说，RAG的工作分三步走： 1. 问题来了，先搜一搜 你问RAG一个问题，它会先去外部知识库（比如维基百科、你的公司文件夹）搜相关内容。 2. 知识到手，加工一下 找到的内容可能很杂乱，它会像个文字编辑一样，挑选、整理有用的信息。 3. 生成答案，妙笔生花 最后，它用生成式模型把答案编成一段通俗易懂的文字给你。 可以想象一下：RAG像一个超级记者，先查资料，然后写稿，还能根据你的问题定制回答。 03 RAG的优点 1. 信息更实时 普通AI是“固化知识”，模型一训练好，后面的知识更新就靠不住了。RAG不同，它随时能查新资料，时刻保持知识“在线”，比如今天的新闻、刚发布的论文都不在话下。 2. 更专业、更精准 你问它一个专业问题，它可以直接连通某些特定的数据库或文件夹，回答更靠谱。比如企业用RAG来做客服，能让AI查阅内部手册，提供更符合企业规定的答复。 3. 轻松减负，更高效 RAG

太卷了！ 刚刚过去的双11，不仅创造了史上时间最长的记录，也是各大品牌在营销上最卷的一届。 比如九牧集团刚公布的一组数据：2024年双11九牧线上销售额超过20亿元，在京东、天猫、抖音等多个平台霸榜行业第一！ 在史上最卷的双11期间，九牧集团为何能够逆势猛增呢？ 如果说双11是一块“流量高地”，那品牌的目标便是在用户心智中插上一面旗帜——不仅要营销火力猛烈，还得在打法和策略上下功夫。 其中玩梗作为流量捕手，已经成了品牌营销的一种独特形式。 比如在电梯里看到这条广告的话，你会想到什么？ 相信很多人的第一反应会和我一样：“全家桶”不是某餐饮品牌的专有符号吗，九牧居然还能这么玩？ 我把照片分享到了微信群里，然后发生了这样一幕。 01 把“梗”玩到极致的“九牧全家桶” 一开始的讨论重点，确实集中在了“全家桶”一词上。 有群友调侃道：中午刚点了全家桶，怎么就变成马桶了，完了…… 有群友则表示：“全家桶”这个概念早已被各种产品“抢注”，比如苹果全家桶、小米全家桶、Adobe全家桶等等，早就成了大家口中的普遍现象，九牧卫浴的谐音梗创意，还挺有意思的。 总结下最后达成的初步共识：九牧的创意虽然可以理解，但和“马桶”放在一起确实有些出乎意料。 如果九牧的营销策略到此为止，只能说借了下全家桶的热度，善于制造认知上的冲突，还不够巧妙。 随着讨论的深入，“谐音梗”迅速成了过去时。 有人找到了“九牧全家桶”广告片的完整版，群里讨论的方向，迅速从“全家桶”的转移到了广告片内容本身。 在广告片中，一个小孩子用“吹牛皮”的夸张口吻，向小朋友们讲述着家里马桶的神奇功能：“我们家每个人都有自己的马桶，爸爸的，会陪他看球；妈妈的，有洁癖；爷爷的更厉害，会跳舞；我的马桶，脾气好！以前那个，会咬人……” 然后镜头一转，用家长的口吻结合日常使用马桶时遇到的痛点，介绍了U型加宽坐圈、全水路除菌、自动开盖脚感开圈、全域微