跳到正文

全部动态

今日 34 条
10月13日周二
  1. 人人都是产品经理36

    从“会用 AI”到“会做 AI 产品”,中间差的是什么?

    从“会用 AI”到“会做 AI 产品”,核心差距在于能否把会议原句整理成带来源的候选任务草稿,并把判断权留给人。文章以“周五再决定要不要采购”被误整理为“周五前完成采购”为例,拆解需求、数据、流程、评估、成本、运营六个维度,强调保留原句、人工核对与证据链,缺负责人时应显示“待核对”而非让模型补一个合理日期。

  2. 量子位8

    第八届亿邦产业互联网年会暨首届产业智能体大会定档11月20日北京

    由亿邦动力主办的“2026第八届亿邦产业互联网年会暨首届产业智能体大会”定档11月20日在北京国贸大酒店举行,主题为“AI与出海带来的模态进化”。年会议题覆盖产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等方向,同期将发布《2026亿邦产业互联网发展报告》《千峰奖·模态进化案例集》及标杆企业探访视频集。

  3. 人人都是产品经理22

    云松鼠黄骏达谈五指 UMI:如何破解五指灵巧手的数据瓶颈

    云松鼠创始人黄骏达以五指 UMI(通用操作接口)为核心,让人用机器人五指末端直接完成真实交互并转化为训练数据,试图破解五指灵巧手的数据采集瓶颈。他透露自变量与乐聚已就数据供给、采集硬件、灵巧手和场景落地展开合作,目前推进到合同阶段。团队正尝试完全用 UMI 数据训练模型,在现有测试中达到与真机数据相同水平的成功率。

  4. 人人都是产品经理62

    怎样才算企业级 Skill:四个要素与三条下沉判据

    作者从一次企业 AI 化落地咨询出发,提出企业级 Skill 需具备明确触发条件、确定性执行环节、可验证交付物与可维护机制四个要素,并给出恒等式 Skill ≡ U(需求) ∘ T(执行) ∘ M(结论)。文中提出三条把动作从模型下沉到工具的判据:结果要求分毫不差、不想每次重造轮子、公司已有系统接口,并以竞品商品价格监控为例说明六步流程中模型只在首尾两步自由发挥。

  5. 人人都是产品经理22

    人类的降智是否还能掌控AI时代

    OpenAI 一口气公布七百多篇 AI 生成的数学论文,其中模型仅用三小时就攻克了伦敦大学学院教授研究二十五年的沃尔 D(2) 问题。与此同时,国内前八个月上线的四十三万部微短剧中 AI 生成占九成多,爆款率仅 0.47%,「规矩体」台词被批量复制并喂给十几亿人。作者认为 AI 在批量产出正确答案的同时,正在抹掉人的创造力与发现错误的能力。

  6. 人人都是产品经理34

    把需求翻译好,是种 AI 做不来的非遗分析技能

    数据分析中真正难以被 AI 替代的,是把运营模糊需求翻译成清晰口径的能力。作者以“某品类下消费者未被满足的需求”为例,指出运营用 AI 写出的 skill 存在逻辑割裂、方法不严谨、意图不清三类问题,其中后两类只能靠人沟通厘清。他建议分析师先讲大白话搭出痛点与痒点的框架,再让需求方做判断题,而非直接扎进指标细节。

  7. 人人都是产品经理36

    腾讯、阿里、字节的 Personal Agent,开始围剿携程?

    腾讯、阿里、字节密集布局 Personal Agent:字节豆包9月30日上线“出行用豆包”入口,整合机票、酒店、火车票、打车与导航;蚂蚁灵光10月11日被曝内测2.0,新增“我的生活”并强化长期记忆与主动提醒;腾讯元宝团队据称在开发“元宝助手”。携程已接入外部 AI 生态,9月携程商旅展示与豆包工作的对接,其 TripGenie 第二季度辅助订单同比增长约400%。

  8. 人人都是产品经理12

    好的商业模式三句话就能讲清楚:从真伪需求判断到护城河构建的实战指南

    好的商业模式可用一句话概括:企业如何发现价值、创造价值和获取价值,其链路是需求→产品→流量与渠道→转化→复购。判断需求要看是否真需求、规模是否够大、能否持续,产品则要回答解决什么问题、比现有方案好在哪、能否规模化。验证阶段需算清收入、成本、毛利率、净利率与期间费率,并判断有无壁垒。

  9. Fortune22

    Alphabet 总裁 Ruth Porat:Google 如何为长期胜利投资 AI,以及未来的最大风险

    Alphabet 今年 AI 资本支出约 2000 亿美元,总裁 Ruth Porat 表示明年将"大幅增加",公司仍处于算力受限状态。她反驳 AI 泡沫论,称在需求强劲时无法获得回报"不合逻辑",并强调长期投资是制胜关键。她同时承认约 71% 美国人不愿社区附近建数据中心,需通过增加能源供给和本地就业来化解阻力。

  10. 人人都是产品经理20

    创业必读:为什么OPC(一人公司)真正的生产力是资产?

    OPC(一人公司)不是少人的公司,而是没有冗余兜底的公司,其真正生产力不是努力而是资产。作者将OPC资产分为有形资产(房产、现金、服务器等)与无形资产(个人品牌、知识产权、流程与数据、关系资产)两类,前者用于抗波动、买时间和换信用,后者实现一次创造多次变现。OPC成熟标志是创始人离开一周公司收入不归零,创业第一张表应是资产表而非日程表。

  11. 人人都是产品经理34

    33岁转行AI产品经理还有前途吗?先分清三类岗位再算转型成本

    33岁转AI产品经理的关键不在年龄,而在分清岗位差异:行业应用、平台产品、研究/模型三类岗要求截然不同,Anthropic的Research (Code)岗要求AI/ML理解与Python、SQL,Enterprise Privacy岗则侧重数据留存与访问控制。旧经验的价值在于能指出具体错误出在哪一步,转型成本取决于能拿到多少真实素材,路径从现有业务切口到跨行业换岗成本递增。

  12. 人人都是产品经理24

    手机装下AI,还是AI颠覆手机?Personal Agent 与订阅制对传统终端的冲击

    IDC 数据显示 2026 年 Q2 中国智能手机出货量 6601 万台,同比下降 4.3%,连续五个季度同比下滑,AI 手机未能带动行业增长。与此同时,Instinct、Muse、Cue 等 Personal Agent 产品成为资本新宠,Instinct 于 2026 年 9 月完成 10 亿美元融资、投后估值 100 亿美元,仅 14 名员工。

  13. HBR · AI 与机器学习22

    AI 时代,卓越战略家凭什么脱颖而出

    当 AI 让竞争对手获得相同的分析工具、战略框架、情景建模能力和市场数据时,差异化战略越来越依赖“黏性知识”。HBR 指出,人人可得的出色分析已不再是竞争优势的关键来源,竞争者由此得出相似结论、采取相似行动,优势很快消失。

  14. HBR · AI 与机器学习4

    HBR:客户数据究竟在告诉你什么?

    《哈佛商业评论》本周 Insider 通讯由管理编辑 Gretchen Gavett 推荐新文章,主题是理解客户真正看重什么,以及如何在团队中开展更有成效的冲突。该通讯为订阅制周更,面向高管筛选 HBR 的故事、研究与观点。

10月12日周一
  1. TechCrunch · AI26

    微软总裁 Brad Smith 称英国最适合主导全球 AI 监管

    微软总裁 Brad Smith 呼吁紧急监管 AI,认为英国比美国和欧盟更适合主导全球安全规则,因为华盛顿不像看待布鲁塞尔那样看待伦敦。他主张对 AI 系统被失控智能体入侵设立法定通报义务、产品发布前须经外部评估,并支持在人类失去控制时启用 kill-switch。Smith 称白宫上月与 OpenAI、Anthropic、Nvidia 等签署的自愿性文件是"良好一步",但不足以替代强制监管。

  2. 傅盛(公众号)34

    前苹果设计师用 AI 手搓开源 PS「Compositor」,傅盛考虑退订 Adobe

    前苹果设计师 Robbie Tilton 用 AI 编程做出开源图像工具 Compositor,上线不到一个月 GitHub Star 超过 1.6 万,支持图层、蒙版、钢笔曲线、混合模式和读取 PSD 文件,体积仅 12MB。傅盛称公司正考虑退订 Adobe 全家桶,日常修图交给免费开源工具或 GPT,专业设计岗继续用 Adobe。

  3. Fortune60

    白宫想让 AI 公司自我监管,OpenAI 解雇安全研究员说明了什么

    OpenAI 在签署白宫《超级智能协议》两天后解雇三名安全研究员,其中包括独立评估方联系人 Tomek Korbak,公司称其不当处理敏感信息,三人否认。文章认为这暴露了自愿自我监管的漏洞,并呼吁国会通过 AI 举报人保护法案和 AI 事件报告法案,对压制监督或鲁莽部署模型的高管追究刑责。

  4. Fortune66

    麦肯锡:到2035年自动化或吸收美国一半工作时间,更大挑战在技能

    麦肯锡全球研究院新研究估算,未来十年技术与经济变化可能使劳动力需求减少相当于3600万个岗位,同时经济增长或创造约4100万个岗位需求,美国2035年岗位总数可能多于今天。

    推荐理由:麦肯锡全球研究院给出未来十年美国劳动力需求与技能错配的量化估算,可用于组织的人才规划参考。

  5. Fortune38

    Mastercard 如何应对失控 AI 智能体乱花钱的风险

    Mastercard 正为 AI 智能体可自主消费的未来做准备,其 Agent Pay 技术支持智能体代消费者完成交易,Agent Pay for Machines 则让机器之间在设定参数内互相交易。总裁兼 CTO Ed McLaughlin 强调需确认是哪个智能体在购买、谁授权、允许买什么,并把人的介入点放回流程中,即便智能体失控也能叫停。

  6. 新智元(公众号)22

    Karpathy 揭示 AI 认知折叠:60 亿人未接触 LLM,2000 万人陷入智能体眩晕

    Karpathy 提出 AI 认知的「四级漏斗」:全球约 60 亿人(75%)从未接触过 LLM,10 至 20 亿人仅把免费版 ChatGPT 当作笨拙助手,约 2000 万人付费使用 Codex、Claude Code 等前沿智能体并陷入「智能体眩晕」,仅约 5000 人能接触 AI 公司内部系统、目睹智能体蜂群自主协作数周。