Industry 3176 articles · 249 matching

从家电到机器人，到IFA探寻AI落地浪潮的下一个爆发点。

数据分析建议不被采纳？学学三国军师的智慧！本文结合《三国演义》案例，拆解答疑、建议、提醒、总结四种指导姿势，教你用AI多方案测算提升建议说服力，让运营真正听你的。 “数据分析要指导运营决策，提供可落地的建议”是很多企业对数据分析师的要求。很多同学直接用大模型生成分析、写建议，以为数据够全、算得够快，运营就会照做。 可真做起来，很多同学叫苦连天：我提的建议，运营都不听！也不按我说的做！让我咋落地呀…… 那到底该咋办？ 一个通俗的例子，看懂指导方式 我们看《三国演义》里边的军师是怎么指导主公决策的。凡是那种喊着：“主公不听我言，必遭大败”的军师，都被主公拖出去咔嚓了。此时主公的内心独白都是：“我是主公还是你是主公！”而真正受主公信任的军师，则在用这4种方式发言。 方式1：答疑 主公问：敌方摆的是啥阵型呀？ 军师答：敌方摆的是八门金锁阵，这个阵法分为…… 此时主公不了解情况，军师给主公科普，讲清楚事情就是“支持”决策。 方式2：建议 主公问：军师有何退敌良策呀？ 军师答：上策是趁敌人远道而来，疲惫困顿，粮草不济，坚壁清野。中策是……下策是…… 这里有很多细节： 1、军师给建议，是分析+结论一…

从部署到实测：覆盖标准部署、量化部署、Agent场景三大维度。 作者丨吴海明 何宇轩 编辑丨李娜 岑峰 8月14日，阿里 Qwen 团队开源了 Qwen3.8-27B 模型，紧接着社区里的声音从“能不能跑”变成了“是不是新的模型斩杀线”，有人把它叫作本地 Opus，也有人直接给出更刺激的判断：一个 27B 开源模型，已经能在部分代码和 Agent 任务上达到顶级闭源模型的水平。那么，一个 27B 开源模型，体验到底怎么样呢? 根据官方数据，27B dense、Apache 2.0、262K 原生上下文、可扩展到 100 万 token、支持视觉理解、思考默认开启，低比特量化后还能压到十几 GB 级 GGUF 文件，这说明 Qwen3.8-27B 是一个试图把代码、长上下文、多模态和 Agent 工作流一起拉到本地的开源底座。 因此，我们从适配 Agent 出发，先后测试标准化部署、量化部署和接入 Agent 框架。其中，标准部署看 vLLM、SGLang 和 Llama.cpp 谁更能榨干 GPU，将推理速度提到最快；量化部署从 2bit 测到 16bit，看文件体积、速度和质量怎么取…

最近，亚马逊云科技发布了 aws-bench"。这是一个开源基准测试工具，用于评估 AI 代理完成真实 AWS 任务的准确性，例如诊断配置错误、配置基础设施以及运营实时云环境。 该项目声称，他们采用了与传统静态测试环境基准测试不同的方法。该公司表示，使用在一次性真实亚马逊云科技账户中创建的实际资源，可以在一些开发人员和团队经常在 AWS 上执行的工作中更准确地评估智能代理的表现。 每个基准测试都会在隔离的亚马逊云科技账户中部署一个场景，由 CDK 堆栈中定义的一组 AWS 资源组成。当场景就绪后，待评估的智能代理会使用范围限定凭证，在沙箱容器中运行一项任务。任务完成后，结果将通过自动化验证器进行评分。该验证器可以是大语言模型（LLM）评判器，也可以是对实时 AWS 状态进行程序化检查。 该基准测试附带预定义的数据集，包含基础任务和高级任务。这些任务涵盖可观测性、计算与数据、数据库与存储、EC2 多区域、无服务器、流处理与物联网、参考架构以及多服务故障排除等用例。 尽管这次发布主要面向的是人工智能研究人员和模型提供商，但工程团队也可以尝试使用该基准测试，并通过扩展现有的场景和任务来满足自…

前不久，2026年世界机器人大会在北京亦庄举行。373家企业带着3000余件展品集中亮相，五天会期累计吸引观众55.7万人次。 大会展馆内，机器人分拣快递、烹煮面食、搬运货物、封装打包。一个个精心设计的应用场景，把具身智能再次推至聚光灯下。 摩根士丹利研报勾勒出的全球图景显示，2026年上半年，全球机器人出货量中约有65%流向娱乐展示、前台接待、教育研发及数据采集等领域。 在世界机器人大会的展馆中稍加留意便会发现，多数机器人依然依附于简单、封闭且高度垂直的场景，部分演示过程中还需要人工介入。整体泛化能力不足、距离真正意义上的“通用”仍然遥远，是展馆内外已经形成的共识。 科沃斯董事长钱东奇在会上说得更为直接：“泛化没有解决之前，眼下所有的Demo都只是特定场景的炫技。” 一、场景泛化太难，开发成本太高 市场所期待的机器人叙事，实际上正卡在两个基础问题上：一个是场景泛化能力差，另一个是开发制造成本高。 当下多数机器人采用的是“一场景一机型”的开发模式：针对具体场景采集数据、定向训练，形成一套固定的能力。演示视频里的流畅动作，大多是这种模式的产物。问题在于，机器人一旦走出预设环境，能力便迅速…

企业首先应该谈的是业务如何运营、如何管理。你把业务标准化、数据标准化，体系做出来之后，模型和算力其实只是底座。

用了三年多 AI，从对话、画图到搭 Agent、写工作流，作者越跑越确信：个人差距不在谁的工具多，而在谁能建立可持续的成长系统。直面恐惧、动手闭环，比收藏十篇教程都值。 上周，看了卡神的一篇文章，讲的是他们创业两年半后，关于AI组织的7点心得。 读完后，我最受触动的，不只是他对AI、业务和商业本质的洞察，还有他对“人”和“组织”的期待。在一个总在谈效率、模型和商业化的时代，这种真诚和善意反而显得稀缺。 回头想想，我们开始用AI也有三年多了，从chatgpt时代开始，开始和大模型对话；再到AIGC的火爆，开始频繁画图、做视频、做音乐；再到Agent的出现，用coze搭各种各样的工作流；再到小龙虾的出现，开始搭建自己的助手，去完成很多自动化的任务，沉淀skill；到现在的workbuddy和codex，真正拥有了自己的办公助手…… 上一届卡塔尔世界杯梅西捧杯的场景仿佛还在昨天，转眼间，美加墨世界杯已经由西班牙捧起了新的奖杯。AI产品的更迭速度，甚至比四年一届的世界杯更能提醒人：时间真的过得很快。 这三年多，AI发展的实在是太快了，快到小红书上的热评总是“只要你够懒，学得够慢，你就不用学了，…

会员升降级是产品经理的噩梦，升级易，降级难。本文作者基于美容SaaS实战经验，提出“升级不粗暴作废，降级不回收已得”的核心原则，并详解差价折算、缓冲期设计、退款逻辑及RFM分层方法，助你避开客诉雷区，提升会员体系体验。 做过会员体系的产品同学应该都有个体感：升级大家都很开心，降级全是地雷。 我之前负责美容SaaS的会员升降级模块，业务同时存在两套模式——成长值自动升降级和付费主动升级。老版本的权益处理规则非常粗暴：付费升级直接作废旧会员剩余周期，降级回收用户已经领到手的券和次数，退款逻辑也是简单一刀切。结果就是门店客诉居高不下，付费会员退款纠纷多，不同客单价门店的付费升级转化差异也很大。 这篇文章把我踩过的坑、最终的设计方案、以及背后的数据分层方法完整写出来，希望给正在做会员体系的产品同学一个可落地的参考。 一、先说结论 上线后数据： 升降级相关客诉下降 65.7% 会员付费退款纠纷下降 61.3% 核心设计原则只有两条： 升级不粗暴作废用户已购周期，用差价折算抵扣 降级绝不回收用户已经到手的东西，只变更未来权益和实时身份 二、升级：两种场景完全不同 场景A：用户主动付费升级 典型场景…

近日，VAST宣布完成B轮和B+轮融资，合计约30亿人民币，由经纬创投领投，完美世界、蓝色光标、芯动能投资、延趣游戏、中科创达、广电投资、三七互娱等一线产业资本，鼎晖VGC、中金资本、CMC资本、洪泰基金、三正健康投资、中平资本、福建产投基金、福创投、卓源亚洲、江西金控等一线财投联合参投，老股东达晨财智、春华资本、四三九九、慕华科创、绿洲资本、渶策资本、华控基金持续超额追投。 不到半年，VAST累计融资约50亿人民币，刷新AI 3D领域融资额纪录。 至此，VAST战略投资方已覆盖对3D原生基座模型和世界模型有切实需求的各行各业。多元产业方资本的加注，意味着VAST技术能力已跨过“生产可用”门槛，正在成为多个行业3D内容生产的默认基础设施。 本轮融资将持续投入于3D原生模型与数据能力的迭代、训练与推理基础设施的扩建、产品开发与商业化落地的加速，推进AI 3D从“可用”走向“好用”，成为各行各业的AI 3D基础设施。 Tripo P2.0：全球首个原生四边面拓扑3D大模型，开启3D领域的Vibe Coding时代 与融资同步，VAST发布旗舰3D原生基座模型Tripo P系列最新版本——T…

9月1日上午，一张超过10亿元的采购单落在华为昇腾950上。国产算力就这样从发布台走进金融和制造现场。另一边，NVIDIA拿出35亿美元投资联发科，开放NVLink承接客户的定制芯片。两笔钱一头买产能，一头买标准，算力竞争已经不只是在比单颗芯片。在老曹看来，接下来更硬的门槛，是把芯片、互连和行业交付拧成一套能长期运转的生意。 一起来看看这两天发生的AI和互联网赛道的大事件吧！ 📌 今日AI互联网大事件速览 1，范式智能拟斥资超10亿元采购华为昇腾950，国产算力进入大额订单期 2，DeepSeek开放V4多模态模型权重，视觉Agent支持本地部署 3，微信支付AI专属卡接入DeepSeek Harness与OpenClaw 4，海信发布家庭AIOS JUOS，多终端共享“超级小聚” 5，宇树展示消防机器狗方案，耐高温机型进入火场侦查 6，《后西游记》成为国内首部上星AIGC长剧，首播收视居同时段第一 7，Cadence称AI有望将芯片设计周期减半，资深工程师仍不可替代 8，NVIDIA拟向联发科投资35亿美元，开放NVLink承接定制芯片 10，欧盟将ChatGPT列为超大型在线搜索…

01 存算一体，进入交付时刻 2026年，存算一体赛道的节奏骤然加快。 8月24日，小米发布玄戒O100高带宽AI加速芯片，采用6nm工艺与3D晶圆级堆叠，近存计算带宽达1.22TB/s，正式加入存算一体战局。 再往前，8月中旬，成立仅两年多的谦合益邦完成超20亿元B轮融资，同时披露其4层3D DRAM堆叠存算一体芯片成功回片点亮；皓泽科技发布面向端侧AI的VVT300 SoC，计划年内量产出货。 更早前的7月13日，东方算芯率先发布全球首颗软件定义近存计算3D芯片DF1000，基于14nm制程实现520 TFLOPS算力，目前已进入量产交付阶段。 在这个过程中，存算一体开始从实验室里的新架构，变成越来越多芯片公司试图布局的核心技术。 后摩智能的存算一体芯片后摩漫界M50已经完成量产，在Agent Computer、智能终端、陪伴机器人等实际产品规模化落地；知存科技的存算一体芯片则已经在可穿戴等终端实现千万级出货。 融资、流片、点亮、量产、交付，这些原本属于不同阶段的关键词，开始密集出现在同一个赛道。 IIM信息数据显示，2025年全球存算一体市场规模已达到48.7亿美元，同比增长超过…

8月28日晚间，国产GPU企业壁仞科技（06082.HK）披露2026年中期业绩。2026年上半年，壁仞科技实现营业收入12.36亿元，较上年同期增长约1997.6%；期内亏损大幅收窄至3.77亿元，同比大幅减亏76.4%；经调整期内亏损（非国际财务报告准则计量）收窄至3.37亿元，同比减亏38.9%，亏损收窄速度明显加快。 作为国内领先的通用智能计算解决方案提供商，壁仞科技围绕“芯片－软件－系统－供应链”全栈体系快速发展，在商业拓展、产品迭代、软硬协同与量产能力建设上均取得显著进展。展望未来，壁仞科技将持续加速下一代芯片的量产与导入，坚持高质量、前瞻性的研发投入，深化与客户及生态伙伴的协同，以扎实的产品与交付能力，为国产算力基础设施建设和全球人工智能产业发展贡献壁仞力量。 01 上半年营收超越去年全年 互联网大客户导入开启放量周期 2026年上半年，Agentic应用加速落地，token消耗量呈指数级增长，强劲市场需求驱动之下，壁仞科技步入高速发展通道，上半年营收超越去年全年，商业化达成里程碑式突破。 报告期内，壁仞科技壁砺™系列产品销售持续扩大，多个标杆项目落地。其中，公司与上海仪…

过去两年，大模型的能力边界不断向外扩展。文本、图片、视频、语音模型快速迭代，Agent也开始进入企业生产流程。对于企业来说，可选的AI能力越来越丰富，但实际使用时需要处理的问题也随之增加：一项任务应该调用哪个模型，如何平衡生成效果和成本，不同部门如何管理AI预算，生成后的内容资产又该如何沉淀。 尤其在视频商业场景中，一条内容从创意到最终产生效果，通常会经历脚本、图片、视频生成、数字人、配音、剪辑、分发等多个环节，背后可能连接不同模型、算力和工具。过去分散使用几款AI产品还算容易，当应用规模扩大到多个团队、品牌、门店和市场之后，模型调用、账户体系和预算管理开始成为企业AI落地中的实际问题。 近日，筷子科技Kuaizi.ai正式发布视频商业AI能力统一价值单位“KP”及企业“KP钱包”。按照其公布的方案，一个Kuaizi企业账户对应一个KP钱包，可以使用丽帧引擎、Kuaizi主平台、Kuaizi国际版、“推你”及企业级FDE服务，覆盖模型调用、内容生产、分发传播、资产管理以及企业级部署等环节。 多模型时代，企业需要更简单的调用方式 模型生态的丰富已经带来明显变化。OpenAI、Anthro…

推理已经成为吞噬算力的黑洞。

同一需求详情页上三套进度并存，谁都没错却说不清进展。本文从数据层判断状态机与流程编排的分界，剖析三种履约模型，并给出选型与运行治理的落地建议，助产品经理理清复杂流程的本质。 打开一条需求，同一张详情页上三套进度：对象状态写着“开发中”，流程图显示“联合验收”，任务清单里还有两项没完成。同一个需求，三个说法。谁都没错，但谁也说不清它到底走到哪了。 做内部项目管理平台这几年，我越来越警惕一个听起来很明确的词：流程。产品说一条需求要“走完需求流程”；研发理解的是状态从待开发变成开发中、再变成待测试；测试画出来的是客户端、服务端、测试准备同时开跑的协作图；管理者还指望流程里能挂审批、通知、超时催办和上线确认。每个人说的都是流程，讨论的却不是同一种产品模型。 第六篇讲过，状态机管的是一个业务决定如何合法发生，回答工作项现在处于什么状态、还能执行哪些迁移。可客户端、服务端、美术、测试要同时推进时，一个当前状态装不下全部进展。这里摆着三种选择：继续用总体状态管需求、拆出子工作项、在需求内部跑一组活动节点。三种选择都能画流程图，保存的却是完全不同的业务事实。 真正危险的从来不是选错组件，而是没意识到自…

2026 年夏天，阿里把 QoderWork、悟空、MuleRun 整成「千问办公」，字节将 Coze、TRAE 并进「豆包工作」，腾讯也收拢多只龙虾。巨头办公 Agent 决战开启，不到半年便杀死十余个曾熟悉的 AI 名品。 2026年8月的 AI 圈，组织架构调整的消息比产品发布更密集。 先是阿里将 QoderWork、悟空、MuleRun 三款产品整合为“千问办公”（QwenWork），8月3日正式开启公测。紧接着8月24日，字节跳动也将 Coze、TRAE（扣子）团队及相关办公 Agent 能力整合进豆包体系，8月25日正式推出“豆包工作”。 伴随着字节、阿里和腾讯都确定了自己的 ChatGPT Work，也意味着巨头旗下那些曾经熟悉的 AI 品牌名字，以后将不再被重点投入，逐渐退出大众视野。 实际上不只是字节3款、阿里3款 AI 产品被整合，腾讯WorkBuddy前有至少五只“龙虾”——自研的 WorkBuddy、直连微信的 QClaw，以及接入企业微信、QQ 和腾讯云轻量云部署的多款 OpenClaw 改版；百度则关闭了文心一言官网，dodo 收进搭子，而且这可能还不是最终…

学术数据和真实数据完全是两回事；可解释性成落地“生死线”。 作者丨幸丽娟 编辑丨岑 峰 三年前，正值大模型爆发之年，麦肯锡就曾对全球交通与工业领域的从业者做了一项调研，问题很朴素：距离真正的智能化，还有多远？ 答案出乎意料地悲观：还要10到20年。 而把时间线拉到现在，模型越来越大、智能体越来越多、时空数据挖掘的论文层出不穷。 现实依旧是，全球没有一座城市长期部署了基于强化学习的交通信号控制系统。那些在顶会上“超越所有SOTA”的预测模型，真正到了城市交通部门手里，他们的答案往往是：“这个方案，我不敢放手用。” 问题的症结在哪里？ 在刚刚结束的 IJCAI 2026 Early Career Spotlight（早期职业焦点）演讲中，慕尼黑工业大学 (TUM) W2 教授黎子玥（Ziyue Li）给出了他的答案： 第一，学术研究长期停留在“干净数据”的舒适区，而公共部门面对的，永远是不完整、不规整、不可控的真实数据； 第二，可解释性不是论文里的加分项，而是从实验室走向城市落地的“生死线”。 黎子玥的履历横跨学界与工业界：香港科技大学工业工程与决策分析系博士，现任慕尼黑工业大学W2教授，…

399美元的Microduck只有25厘米高、不到800克，便宜到“摔得起”。开放SDK与MuJoCo仿真后，可同时跑4096个虚拟环境训练步态再部署回真机。若英伟达129亿美元收购成行，这条开源路径还能否保持中立，值得观察。 Hugging Face又造机器人了，并且爆火到每4秒就卖出一只。 这一次，它造了一只“鸭子”。 近期，Hugging Face旗下机器人团队Pollen Robotics发布一款名叫Microduck的机器鸭：25厘米高、不到800克，它拥有两条短腿，一张可以开合的鸭嘴，售价399美元，约合人民币2800元。 这只看起来有些像电子宠物的小机器人，会走路、踢球、滑旱冰，也能弯下身体，用嘴把地上的东西“叼”起来。 但Hugging Face显然不只是想卖一只更便宜、更可爱的机器人。 过去两年，这家以AI开源社区闻名的公司，已经从机器人训练框架LeRobot，一路做到低成本机械臂、机器人模型，再到接连推出两款几百美元的机器人。 一家原本做AI开源社区的公司，为什么越来越认真地造起了机器人？ 答案或许就藏在这只399美元的小鸭子里。 01 一只可以被反复训练的“鸭子”…

第二届世界人形机器人运动会收官了。总奖牌榜上，智元、天工、宇树、加速进化、银河通用包揽前五名。 智元一共派出 4 款产品参赛，全部为量产产品，没有针对比赛进行特化改装，最终拿下本届比赛的金牌榜和奖牌榜第一。 50 个赛项中，智元共获得 46 枚奖牌，包括 18 金、16 银、12 铜。其中，本届新设的灵巧手专项共有 8 枚金牌，智元临界点的量产版 OmniHand 拿下其中 7 枚。场景赛共产生 12 枚金牌，智元拿到 6 枚。舞蹈、武术、乒乓等竞技项目中，智元又获得 5 枚金牌。 如果只看社交媒体，这届运动会最容易留下印象的，可能还是机器人跑得有多快、能不能跳舞、会不会打乒乓球，以及各种摔倒和翻车的瞬间。 比赛确实变得更好看了。赛项从上一届的 18 个增加到 50 个，新增举重、街舞、乒乓球、自由搏击等大量竞技项目，并且新增灵巧手类目比赛。机器人能够完成的动作越来越多。 并且，即使是在这样一场面向大众的机器人赛事中，机器人也开始被放进更真实的环境，并被要求更多地依靠自己完成任务。 从赛制上看，第二届运动会明显提高了对真实作业和自主运行能力的要求。这也是过去一年机器人能力提升之后，必须…

从“出片”到“出海”，无界动力即将奔赴下一个考场。 作者丨郭 思 编辑丨董子博 没有刻意的社交氛围，一人静坐或几个好友相聚，手捧一杯咖啡，在音乐与咖啡的交汇中，暂时剥离工作与生活的琐碎，获得片刻放松与灵感回响。这是平日里我们对于休闲时刻美好画面的印象，也是2026世界机器人大会现场最反差的一幕。 与去年以及今年上半年以来出现争奇斗艳、跳舞翻跟头的喧闹不同，今年WRC，记者探展一圈发现，展会上出现了很多垂直场景的机器人，有专门针对人的心脑血管做手术的医疗机器人，也有分拣物品进行归类的各种家庭机器人，还有一些特别关注手关节折纸动作的机器人……在其中，无界动力与韩国HOLLYS 联手打造的人机共生沉浸式机器人咖啡空间，则是一块与众不同的“闲暇之地”。 整体空间被绿植围绕，北欧风的白色小栅栏打开，客人可以坐下来点单自由选择自己爱喝的拿铁或者美式，也可以点一杯大师级别的手冲。 接收订单后，咖啡师在吧台后制作大师级咖啡或其他饮品，递放至出餐区，机器人则负责端送到桌，并顺手收走隔壁桌的垃圾、推回座椅。大象无形，大音希声，给人一种不会打扰你，但是在你有需要的时候随时出现的陪伴感与交互感。 "机器人当服…

过去几年，AI芯片行业最容易比较的是一张卡。雷峰网 雷峰网 峰值算力多少、显存多大、带宽多高，几组参数放在一起，似乎就能迅速分出高下。但当大模型进入规模化训练与推理，尤其是MoE、Agent等新型负载不断拉高算力需求后，单卡性能正在变得越来越不够用。 真正进入数据中心，一张卡能跑多快只是第一关。数十张、数百张乃至上万张芯片如何高速互联，软件能否把硬件能力释放出来，集群能否在高负载下长期稳定运行，正在共同决定一套算力系统最终能够交付多少有效算力。 AI芯片的竞争，正在从“造一颗更快的芯片”，变成一场芯片、模组、互联、软件和集群共同参与的系统战。 这也让燧原科技过去八年的一条技术路线，开始显出不同的价值。 从2018年成立开始，燧原选择的就不是一条只围绕单颗芯片展开的道路。四代架构、5款云端AI芯片之外，它逐步向AI加速卡及模组、编程软件平台、智算系统和大规模算力集群延伸，最终搭起了一套覆盖芯片、硬件、软件与集群的核心技术体系。 这套体系也已经越过实验室阶段。燧原多代产品进入大型互联网公司的真实业务，在国民级应用中实现规模化部署；与此同时，千卡、万卡级智算项目也已经走向商业化。 因此，如果…

今日（9月1日）上午，全球在线时尚和生活方式公司希音（股份代号：00625）正式在香港联合交易所主板挂牌上市。本次上市落地，使之成为2026年港股规模最大的时尚品牌IPO，来自全球多地的合作伙伴与员工代表共同见证了本次敲钟上市的重要时刻。 按2025年的零售销售额计算，希音为全球最大的在线时尚目的地，同时位列全球五大服装和鞋类公司之列，为全球约160个市场的约2.73亿活跃顾客提供服务。本次上市仪式充分彰显出公司全球化、多元化的业务风貌，来自中国、欧美、巴西、中东等国家和地区的员工与合作伙伴代表共同见证敲钟时刻。现场既有参与全球履约网络建设、持续优化库存周转与履约速度的仓储员工，也有借助希音端到端智能供应链数字化赋能实现转型升级的国内供应商，以及“SHEIN Xcelerator”计划赋能下的时尚品牌负责人。全产业链多环节的代表齐聚，共同迎来公司发展中的全新里程碑。 希音以其首创自有的“大规模自动化小单快返”(LATR)运营模式，破解了时尚行业的“三难”困境，实现商品选品多样性、设计上新速度与存货管理效率三者之间的最佳平衡。通过提供丰富多样、高度包容、不断上新且极具性价比的产品，满足了…

钉钉的困境，是产品定位错位的典型案例。本文从刷屏长文《置身钉内》切入，深度剖析产品定位的五大核心内核与落地维度，揭示定位如何决定产品口碑、商业化与长期生命力，为产品经理提供可复用的定位方法论。 所有资深产品经理都有一个共识：产品定位是一款互联网产品的地基，更是产品全生命周期所有决策的唯一判断标尺。 一款产品最终能走多远、口碑好不好、能不能实现商业闭环、用户是否愿意留存，从来不取决于功能堆得多满。真正决定产品稳不稳的，是从0到1那一刻锚定的产品定位。 定位清晰，后续的需求取舍、功能设计、用户运营、商业化变现都会有据可依；定位模糊或错位，所有努力都是无效做功，甚至会南辕北辙，越迭代越偏离用户、越运营越消耗口碑。 今年夏天刷屏全网的离职长文《置身钉内》，就用钉钉这款国民级产品的困境，给所有产品人上了最深刻的一堂定位课。 一、从《置身钉内》说起 今年夏天，一篇7.5万字的《置身钉内》刷屏互联网圈，从产品行业火到全网职场圈。我们跳出大厂加班、职场内卷、团队内耗的表层吐槽，撕开钉钉多年来争议缠身、口碑两极分化的核心根源。现在，热度褪去，但是留下的产品思考依旧值得所有产品经理反复复盘。 作为深耕行业…

AI项目失败率居高不下，零售电商企业如何避开陷阱？兰德公司访谈65位专家，揭示五大失败根源：领导层误解、数据质量不足、追逐技术而非解决问题、部署能力欠缺、场景不适配。波士顿咨询的10-20-70法则指出，70%的成功取决于人、流程与文化转型。本文深度解析，助你提升AI落地成功率。 为了探究AI和机器学习项目失败的原因，美国兰德公司的研究团队访谈了65位在工业界或学术界拥有至少五年AI模型构建经验的数据科学家和工程师，这些受访者来自不同规模和行业的企业，以确保结论具有广泛代表性。 最终，访谈内容和相关数据形成了一份题为《人工智能项目失败的根源及其成功之道》的研究报告，据估算超过80%的AI项目最终失败，这些项目要么未能走出试点阶段，要么虽然部署上线却未能交付可衡量的商业价值。 同样的，MIT与麦肯锡的联合研究显示，90%的生成式AI实验项目从未能走出试点阶段。更令人担忧的是，标普全球2025年的调查表明，42%的企业承认放弃了大部分AI计划，而2024年这一比例仅为17%，短短一年间AI项目放弃率飙升了147%。 另据调查显示，84%的商业领袖相信AI将对业务产生重大影响，97%的商业领…