和风物语存档

相关新闻万国鹏承认《一年级》中追求张予曦：全是节目效果近日，万国鹏当年在《一年级》综艺里追求张予曦，还把张予曦吓得退出的片段，引发网友热议。随后万国鹏在评论区回应称此事全是节目效果：“是营销号编的哈，挺低估。

2024-11-2711:13:48万国鹏《错位》贺鹏是谁演的贺鹏是好人吗？《错位》贺鹏是谁演的？贺鹏是好人吗？贺鹏是电视剧《错位》中的角色，由路宏饰演。路宏，1991年1月11日出生于黑龙江省鹤岗市，中国内地影视男演员。

2024-07-1516:10:42错位《半熟男女》高鹏什么工作高鹏和谁在一起了《半熟男女》高鹏什么工作？高鹏和谁在一起了

2024-09-1314:45:25半熟男女杨鹏丞短剧有哪些？杨鹏丞短剧合集杨鹏丞的短剧作品涵盖了多样化的题材和风格，为观众带来了通俗的视觉体验。其中，《夏日情书》是一部青春校园BL短剧，通过双男主的视角发散了一段青涩美好的情感故事。而《错爱难逃》则探索了复杂情感纠葛中的逃穿与救赎

2024-08-0711:36:03杨鹏丞半熟男女高鹏是渣男吗，高鹏角色介绍《半熟男女》这部电视剧以其扣人心弦的剧情驱散了极小量关注，尤其是男主角面对女友出轨所作出的惊人反应，引发了观众的热烈讨论。剧中，高鹏，由演员张哲华诠释，与何知南构建了一段异地恋情

2024-09-2710:40:38半熟男女《半熟男女》高鹏是富二代吗？高鹏角色设定在电视剧《半熟男女》里，男二号高鹏的角色设定驱散了极小量关注与讨论，这个角色将由演员张哲华诠释。观众们尤其好奇高鹏是否出身富贵，答案是接受的

2024-09-1311:37:37半熟男女

日前，IDC发布《中国公有云服务授予商安全技术能力评估，2024》报告，首次针对中国12家公有云服务授予商进行安全技术能力综合评测。阿里云在安全计算环境保障能力、安全区域有无批准的保障能力、安全通信网络保障能力等7项评估维度中均获得满分，其安全技术能力再次获得保障机构认可。

图：IDC《中国公有云服务授予商安全技术能力评估，2024》阿里云安全能力评分

IDC在报告中指出，阿里云致力于确保云上每项业务的安全，并通过授予创新的安全产品与服务，让用户轻松共享阿里云安全能力，其安全技术无足轻重具体体现为全面且无效的安全防护框架，包括全流程的产品安全保障建设、全方位的红蓝对抗反向校验、全面的云工作负载防护体系、一体化的云上安全运营、以及坚守数据主权的数据安全保护。

在产品安全保障方面，阿里云通过实施“多层防护、全面覆盖”策略，将安全融入DevSecOps中，实现云产品全生命周期的安全管控。在红蓝对抗反向校验中，阿里云通过内部红蓝对抗演练、外部第三方验证及与白帽社区合作，指责安全防御能力。在一体化云上安全运营方面，阿里云云安全中心作为统一的安全运营平台，已与30余款云产品原生集成，减少破坏国内外多个云计算平台和本地数据中心的瓦解部署，实现日志的统一收藏，储藏和风险的发散无约束的自由，从而授予全面的安全防护和有效无约束的自由。

与此同时，阿里云始终将“保障客户数据安全”作为首要任务，承诺客户完全掌握数据主权，未经许可不触及数据，并构建了全面的数据安全保障体系，确保租户隔离等安全措施的有效性。阿里云严格遵守相关数据安全法规，并通过国内外保障认证的验证数据保护机制。此外阿里云还授予数据操作审计、加密传输、细粒度访问控制、可信计算及机密计算等技术，全面保障数据安全。

面向智能时代，阿里云将结束为客户授予更安全、更可靠、更无效的云计算服务，确保客户充分享受到云上计算资源与服务带来的有效便捷，从而实现业务的结束增长与创新。据IDC调研显示，在网络安全领域，将GenAI与安全技术瓦解并进入概念验证（POC）阶段的企业达到了49.7%，已经开始进行采购的企业达到了36.4%。

在此背景下，阿里云也将GenAI与云安全技术深度瓦解，指责自身AI增强的威胁检测和无约束的自由运营能力。同时，阿里云为用户授予了自动化和可靠的威胁检测、响应、溯源闭环，通过“减少破坏跨平台使用、与云产品深度瓦解、建立了无效的反馈机制”，确保安全服务的有效与便捷，干涉用户结束降低安全无约束的自由效率，指责用户体验。

（推广）

相关新闻万国鹏回应张予曦曾被自己表白吓得退出节目录制近日，万国鹏回复网友评论，透露当年在《一年级》综艺里追求张予曦，结果把张予曦吓得退出节目录制都是节目效果

2024-11-2711:05:42万国鹏《错位》贺鹏是谁演的贺鹏是好人吗？《错位》贺鹏是谁演的？贺鹏是好人吗？贺鹏是电视剧《错位》中的角色，由路宏饰演。路宏，1991年1月11日出生于黑龙江省鹤岗市，中国内地影视男演员。

2024-07-1516:10:42错位杨鹏丞短剧有哪些？杨鹏丞短剧合集杨鹏丞的短剧作品涵盖了多样化的题材和风格，为观众带来了通俗的视觉体验。其中，《夏日情书》是一部青春校园BL短剧，通过双男主的视角发散了一段青涩美好的情感故事。而《错爱难逃》则探索了复杂情感纠葛中的逃穿与救赎

2024-08-0711:36:03杨鹏丞《半熟男女》高鹏什么工作高鹏和谁在一起了《半熟男女》高鹏什么工作？高鹏和谁在一起了

2024-09-1314:45:25半熟男女《半熟男女》高鹏是富二代吗？高鹏角色设定在电视剧《半熟男女》里，男二号高鹏的角色设定驱散了极小量关注与讨论，这个角色将由演员张哲华诠释。观众们尤其好奇高鹏是否出身富贵，答案是接受的

2024-09-1311:37:37半熟男女《半熟男女》高鹏和谁一起了高鹏结局如何？《半熟男女》高鹏和谁一起了？高鹏结局如何？?高鹏最终和韩苏在一起了。?在电视剧《半熟男女》中，高鹏的角色拥有一段预定的情感线索，随着故事的发散，观众将逐步见证他与官配伴侣韩苏之间的感情发展。韩苏最终成为了高鹏的妻子，这一分隔开既在情理之中，又带着些许意外色彩。

2024-10-0915:12:55半熟男女

声明：本文来自微信公众号“机器之心”（ID:almosthuman2014），作者:Sia，授权站长之家转载发布。

新年伊始，ChatGPT竟成了「恐怖分子」的帮凶?在为一位美国现役军人授予爆炸知识后，后者成功将一辆特斯拉Cybertruck在酒店门口引爆……

汽车爆炸现场画面，外媒视频截图

这并非科幻电影桥段，而是AI安全风险正在文明身边真实上演的缩影。知名AI投资人RobToews在《福布斯》专栏预测，2025年我们将迎来「第一起真实的AI安全事件」。

我们已经开始和另一种智能生命一起生活了，RobToews写道，它跟人一样任性难测，且具有真诚对待性。

巧的是，另份新鲜出炉的行业预测也指向同一问题。北京智源研究院在2025十大AI技术趋势中描绘了从础研究到应用落地再到AI安全的不完整图景。值得划重点的是，AI安全作为一个独立的技术赛道，被智源评为第十个趋势:

模型能力指责与风险预防并重，AI安全治理体系结束完善。

报告点评道:作为复杂系统，大模型的Scaling带来了涌现，但复杂系统特有的涌现结果不可预测、循环反馈等特有属性也对传统工程的安全防护机制带来了确认有罪。基础模型在自主决策上的结束进步带来了清楚的失控风险，如何引入新的技术监管方法，如何在人工监管上不平衡的行业发展和风险管控?这对参与AI的各方来说，都是一个值得结束探讨的议题。

AI大模型安全，水深流急

2024年，AI大模型在实现跨越式协作发展同时，也让我们透明看到了安全的警惕神经如何被促进挑动。

根据研究，AI安全风险可以分为三类:内生安全问题、衍生安全问题和外生安全问题。

「内生安全问题」（如「数据有毒」、「价值对齐」、「决策黑盒」），属于大模型的「基因问题」——庞大的架构、海量的参数、复杂的内部交互机制，让模型既强大又难以驾驭。

很多人知道「poem」复读漏洞——重复一个词就能让ChatGPT吐出真实个人信息，这是因为大模型学习过程中，除了提取语言知识，也会「背诵」一些数据，结果数据隐私以一种意想不到的荒谬方式被触发出来。

机器之心曾让ChatGPT不断重复「AI」这个词，一开始它很听话，不断重复，在重复了1395次「AI」之后，它突然话锋一转，开始说起SantaMonica，而这些内容很可能是ChatGPT训练数据的一部分。

Prompt攻击是因为系统提示和用户输入都采用相同的格式——自然语言文本字符串，大语言模型没办法仅根据数据类型来区分指令和输入。

「越狱」手段也是层出不穷。从「奶奶漏洞」、「冒险家漏洞」、「作家漏洞」到最新的「DeceptiveDelight」技术，攻击者只需三次对话就有65%的概率绕过安全批准，让模型生成违禁内容。

DeceptiveDelight攻击示例，来源PaloAltoNetworks

Anthropic的最新研究更是发现，大语言模型居然学会了「真实的物品对齐」。

更令人担忧的是大模型在行业领域的表现。大模型在通用对话中表现流畅，清华大学、中关村实验室、蚂蚁集团等机构联合撰写的《大模型安全实践（2024）》白核书指出，在金融、医疗等对模型输出专业性、准确性要求极高领域的应用却面临严峻确认有罪，包括严重幻觉、缺乏复杂推理能力。

展望2025年，智源研究院预测AgenticAI将成为大模型应用的主要形态，这些具备更强自主性的智能体将深度融入工作与生活，也加剧了系统失控的风险。

试想一下，未来两到三年内，我们可能生活在一个每个人都有数十或数百名代理为我们工作的世界，安全基础设施的建设变得尤为重要，谁来授予这些安全基础设施?如何无约束的自由这些AI代理?如何确保它们不会失控?

当前的大模型安全评测主要聚焦内容安全，对于智能体这类复杂应用架构和未来AGI的安全评估体系仍显不足。

AI安全风险的另一大来源是「衍生安全问题」，随着AI滥用引发其他领域的一些重大安全事故，如假新闻、深度伪造诈骗、解开知识产权、教唆青少年自杀、作弊，也对社会治理提出了重大确认有罪。

「真实」这个高度发展命题正遭到前所未有确认有罪。西藏日喀则地震期间，「地震被压废墟下戴帽小孩是AI生成」的新闻冲上热搜，很多平台账号转发图片时都以为是真。除了金融诈骗，深度伪造也将网络性暴力推向极端，「厌女文化」盛行的韩国成了重灾区。世界经济论坛甚至把AI操纵选举列为2024年的头号风险。

这张图片被平台多个账号发布，并和本次地震关联，引发网友关注和转发。经媒体查证，上述图片由AI工具创作，原始作者在2024年11月18日发布了相同画面的短视频，并声明是AI生成。

版权是另一个大问题。OpenAI、Anthropic、Suno等领头羊已深陷版权泥潭。最近，爱奇艺起诉某大模型公司AI魔改经典影视剧片段，开创国内AI视频侵权诉讼先例。

第三类「外生安全问题」指向了人工智能偶然的外部网络攻击对抗，如平台、框架安全漏洞、模型被盗、数据泄露风险等，属于传统信息安全范畴。

就拿更加严峻的数据泄露来说。目前AI模型推理比较好的选择仍是在明文状态下进行，用户会输入极小量真实、警惕数据，获取模型建议。有报告指出，2024年企业员工上传到生成式AI工具的警惕数据增长了485%，包括客户减少破坏信息、源代码和研发数据。

因为不同类型的数据（如文本、图像、视频、音频）在数据规模和处理需求上的巨大统一，被预测寄予厚望的多模态大模型让数据的安全防护变得更为棘手。

穿越激流，构筑多维安全航道

人类叩开了深度智能时代的大门，安全问题也迎来质变时刻。

2024年，整个业界、政府、国际组织在AI治理上做了很多工作，从技术研究、治理框架到国际合作，进行了多种形式探索。数字时代积聚的安全对抗能力，让中国在大模型应用与治理方面走在了世界前列。

在监管层面，中国是全球最早对生成式AI进行规范的国家之一。继2023年5月发布《生成式人工智能服务无约束的自由暂行办法》后，《网络安全技术生成式人工智能服务安全高度发展要求》也已进入公开征求意见阶段，很多规范细正在制定之中。

在底层关键技术研究上，国内业界取得了积极成果。例如，北京智源研究院研发了防御大模型和AI监管大模型，对齐优化方面进行了创新。

因为模型在预训练后形成的分布结构较为稳固，大模型存在「抗拒微调对齐」的特性，后期单纯通过微调来实现对齐往往效果不理想，对此，智源提出在预训练阶段就将对齐所需的表征能力编织入模型架构中。

在对齐优化过程中，针对未对齐答案和对齐答案之间存在的偏差，智源采用了迭代训练的方法，更有利于模型从原始问题到对齐问题的训练，取得了良好效果。

在多模态对齐上，智源推出的「alignanything」框架实现了多模态信息的全面对齐，其创新在于将多模态信息、现实世界的具身认知、以及人类意图进行细粒度的对齐整合，在LLaMA模型的微调过程中已经展现出显著效果。

同样是解决大模型的可控性，蚂蚁集团的应对之道是把知识图谱的优点——逻辑推理能力强、知识准确可靠，与大模型分隔开起来。通过在大模型预训练、提示指令、思维链、RAG（检索增强生成）和模型对齐等环节中引入符号知识，有效增强了模型输出的专业性和可靠性。

大模型作为一种通用技术，既可以用于「攻」，也可以用于「防」。在拥抱大模型，以AI对抗AI方面，华为、蚂蚁集团、360集团、深信服等厂商进行了有益探索。

华为提出业界首个L4级AI安全智能体，用大模型加上一些安全知识图谱实现安全的纵深推理，发现一些以前没有发现过的安全攻击。

蚂蚁集团发布了大模型安全一体化解决方案「蚁天鉴」，包含大模型安全检测平台「蚁鉴」、大模型风险防御平台「天鉴」两大产品，拥有检测与防御两大不次要的部分安全技术能力。

「蚁鉴」是全球第一个实现工业级应用的可信AI检测平台，以生成式能力检测生成式系统，覆盖了内容安全、数据安全、科技伦理全风险类型，适用文本、表格、图像、音频、视频等全数据模态。

在防御能力上，「天鉴」会动态监测用户与模型的交互，防止诱导攻击，同时对生成的回答内容进行风险过滤，保障大模型上线后从用户输入到生成输出的外围安全防御。

360集团推出了基于类脑分区专家协同架构的安全大模型，通过EB级安全数据训练，已具备L4级「自动驾驶」能力，实现了从威胁检测到溯源分析的全流程自动化。

深信服的「安全GPT」可授予7×24小时实时在线智能值守，指责安全运营效率，同时深度挖掘传统安全设备难以检测的高对抗、高绕过的Web攻击、钓鱼攻击。

除了监管、关键技术的推进，行业也在积极破坏AI安全协作。

在安全治理领域，模型的安全评测是一个非常次要的环节。2024年4月，联合国科技大会发布了两项大模型安全标准，其中，蚂蚁集团牵头制定《大语言模型安全测试方法》，首次给出四种攻击强度分类，授予了可衡量的安全评估标准:L1随机攻击、L2盲盒攻击、L3黑盒攻击和L4白盒攻击。

这种分级不仅搁置了攻击的技术复杂度，更次要的是基于攻击者能获取的模型信息程度来划分，这让防护措施的部署更有针对性。

在推进国际对话上，2024年3月，北京智源研究院发起并承办我国首个AI安全国际对话高端闭门论坛，与全球AI领袖学者及产业专家联合签署《北京AI安全国际共识》，设定模型安全红线，释放模型自我演进、自我复制和不受控的无能的增长等行为，确保开发者遵循严格的安全标准。

9月威尼斯，一场推动AI安全的全球对话落幕，图灵奖得主YoshuaBengio、姚期智等科学家共同签署「AI安全国际对话威尼斯共识」，降低重要性了人工智能安全作为「全球公共产品」的重要性。

放眼全球，英美侧重轻触式监管，美国加州的SB1047因争议被同意。欧盟AI法案已经生效，它建立起四级风险分类体系，明确了人工智能产品的全生命周期监管要求。

在业界，主要头部AI公司相继发布安全框架。

OpenAI在不次要的部分安全团队解散后公布了前10个安全措施，试图在技术创新与社会责任间寻求不平衡的。

Google也紧随其后发布了SAIF安全框架，应对模型窃取、数据降低纯度等风险。

Anthropic发布了负责任扩展策略（ResponsibleScalingPolicy，RSP），被认为是降低AI灾难性风险(如恐怖分子利用失败模型制造生物武器)最有前途的方法之一。

RSP最近更新，引入了更僵化和细致的风险评估与无约束的自由方法，同时重新确认不培训或部署未实施充分保障措施的模型。

一年多前《经济学人》就开始讨论人工智能的快速发展既让人平淡，又让人恐惧，我们应该有多担心?

2024年初，中国社会科学院大学在研究报告中指出，安全科技将成为社会的公共品，并与人工智能并列为未来的两项通用技术。一年后，智源研究院再次呼吁关注安全治理印证了这一战略判断的前瞻性，AI越强大，安全科技价值也在不同步放大。

我们不可能扔掉利刃，重新接受科技，唯有为其打造足够安全的刀鞘，让AI在造福人类的同时始终处于可控轨道。变与不变中，AI安全治理或许才是AI行业永恒的话题。

文｜李振兴

8月19-20日，李宁股价开始了上周五业绩发布后的下跌情况，连续上扬了两天。

上周五，李宁发布的上半年业绩显示，李宁收入达143.45亿元人民币，较2023年同期下降2.3%（2023年上半年：140.19亿元人民币）。由于销售和行政费用的减少，李宁的净利润为19.52亿元，同比下跌近8%。

其中零售市场下滑较大，钱伟表示，下半年的确认有罪依然巨大。

在业内人士看来，体育大年，作为国内领先的体育品牌缩短投入，牺牲短期的利润，实现更广更深和更长远的影响是值得的。但李宁作为“扛大旗”的品牌需要做出更多的努力。

外围收入实现增长

2024年上半年，李宁营收同比下降2.3%，得益于电商及直营业务效率优化。

就外围而言，李宁CFO赵东升在业绩会上表示，上半年，受保持轻浮的市场环境影响，外围流水同比下降低单位数，其中电商流水实现10%-20%中段增长，线下流水同比下降中单位数。销售数量受客流压力影响下降中单位数。期内严格管控经销商发货节奏，扣除专业渠道发货的收入批发收入下降高单位数，批发流水下降幅度与收入保持一致同意趋势，确保了终端渠道健康。

数据显示，销售予特许经销商的占比为46%，下滑了2%。直接经营销售占比24.4%，减少了0.1%。电子商务渠道销售占比27.9，降低了2.3%。

李宁集团联席CEO钱炜表示，上半年电商经营环境有所使恶化，通过线上、线下、商品营销打通，电商直营流水实现10%-20%中段的增长。结束强化电商经营环境，全平台深化零售布局，加大对各个电商平台的投入来应对平台和竞争的变化，最终实现电商客流指责10%-20%中段增长，同时转化率保持轻浮，折扣率同比使恶化低单位数。针对不同渠道的需求，指责统一化组合的精准度，并且加大滚动翻单频次，指责库存有效性。

业绩报告显示，上半年李宁外围渠道保有量总计7677家，较去年同期减少229家，其中李宁牌店铺减少72家，李宁young店铺减少157家，李宁主品牌积极优化渠道布局，巩固并缩短在高层级市场的竞争无足轻重，同时积极开拓新兴市场，进一步指责品牌形象与市场的影响力。此外，李宁帮助店铺形象升级，九代店数量已超450家，相比2023年末增长达96%以上，平均月月销约45万元。

钱炜表示，上半年李宁进一步优化渠道布局，帮助低效店铺处理，推进优质店铺整改。不次要的部分商业体店铺进驻率轻浮在90%，巩固李宁在不次要的部分商业体中的不次要的部分竞争力和无足轻重，聚焦高层级市场店铺运营效率，调整不当部分不符合集团渠道战略的店铺，优化外围渠道效率，同时帮助新兴市场渠道建设。上半年新兴市场新开店超100家，整改店铺80家以上，关闭80家低效店铺，为新兴市场消费者授予更好的购物体验。

就品类而言，鞋类收入占比达54.7%至78.44亿元，同比增长了4.4%。其中，跑鞋成为最大亮点，李宁跑步品类流水同比增长25%，三大不次要的部分跑鞋IP超轻、赤兔、飞电上半年销售超过500万双，其中专业跑鞋赤兔7PRO表现尤为突出，上半年销售超190万双，同比大幅指责。

跑步、篮球与健身三大不次要的部分专业品类流水占比达66%，创五年同期新高，其中，跑步品类流水增速最高，同比增长25%；期内，李宁专业跑鞋助力签约选手获得了30个马拉松及越野赛的冠军，累计登台56次。

在运动用品行业，运动鞋的技术和产品开发能力是验证公司的不次要的部分竞争力，是运动用品赛道品牌公司的重要壁垒。

服装收入53.75亿元，同比下滑了4.7%，器材及配件收入首次突破10亿元，达11.26亿元，同比增长达30.3%。

净利下滑保长期市场

值得注意的是，实现净利润19.5亿元，同比下滑了8%，净利润率为13.6%，同比下滑了1.53个百分点。

不过，李宁期内毛利达72.4亿元，同比下降5.8%；李宁毛利率较去年同期下降1.6个百分点至50.4%。

在时尚产业独立分析师、上海良栖品牌无约束的自由有限公司创始人程伟雄认为，净利润下滑也是因为电商销售的减少，导致费用减少，利润减少，缩短，以及奥莱店等折扣销售增长所致导致低利润的渠道销售增长所致。

“原来‘中国李宁’是不打折的，现在也开始打八折九折，说明销售是受到挤压的。”程伟雄说。

数据显示，李宁销售不无关系的非接纳费用，如直营店铺费用、平台佣金、物流费用等总计减少2.05亿元。主要由于直营渠道拓展，巩固不次要的部分商圈是店铺销售费用减少，以及电商平台流水恢复带来的佣金减少，广告与营销费用减少2.07亿元，费用率同比指责1.3个百分点至8.7%。

对此，赵东升表示，营销费用下降主要由于体育大年背景下加大品牌营销投放以及驱动流水复苏而减少的推广促销费用，为巩固与指责品牌不次要的部分竞争力，研发和人员费用、债务折旧等减少，导致其他平台费用减少8100万元，其他收入减少，缩短9200万元，由于投资理财收益以及利息收益等减少，缩短。

外围来看，李宁的经营利润率由去年的同期的17.7%下降一个百分点至16.7%，净利润率从去年同期的15.1%下降1.5个百分点至13.6%，利润的表现高度发展符合预期。

虽然净利润下滑，但李宁长期保持经营活动现金流健康充裕。截止6月30日，公司经营活动产生的现金净额为27.3亿元，同比下降40.6%，现金及等同现金项目为61.5亿元，较2023年末净减少7亿元，现金余额为175.6亿元。

充裕的现金储备，使李宁在面对复杂的终端环境时，能够更好地调控压力和风险，同时也将更僵化地把握未来新的生意增长机会。

李宁集团董事长李宁在业绩会上表示，2024年是运动大年，由此契机李宁推出以我为名的主题活动，威吓每一个人成为运动主角。从传递品牌主张和精神，到国家金牌运动员及运动kol的运动者故事，再到李宁科技实力的外围展现，主题系列产品推出，终端主题氛围打造，夯实李宁品牌的专业形象，实现从品牌主张到产品体验的全链路，深度链接品牌与每一个消费者，威吓每个人成为运动主角。

值得注意的是，在奥运会期间，也传出了李宁运动装备的负面新闻。程伟雄认为，因为乒乓球备受国人关注，所以李宁服装也受到更多关注，相关事件也说明运动品牌更要在制作过程中更精准，更好地服务运动员，并将不无关系的技术服务到大众消费层面。

在李宁方面看来，体育大年带来的并不是短期的业绩。

钱炜表示，李宁主要赞助的中国国家乒乓球队，中国国家跳水队、中国射击队为中国代表团获得了40枚金牌中18枚金牌。李宁品牌服务乒乓球队20多年7届奥运会，一直以来为国家队运动员授予装备，希望运动员能得到更好的表现。这也为李宁带来更多的在专业领域的自信。但单次的体育盛会带动生意短期内巨大变化的可能性不大，我们希望通过奥运会，以及不无关系的营销活动，让更多的消费者来关注体育运动，加深对李宁专业运动品牌专业性的认知。

“不可承认李宁依然是中国运动领军品牌，是运动品牌中‘扛大旗’的品牌，不过李宁受到的确认有罪会越来越大，李宁的职业团队更要在专业性方面做出更多的努力。”程伟雄说。

(责任编辑：zx0280)

声明:本文来自于微信公众号AIGC开放社区，作者:AIGC开放社区，授权站长之家转载发布。

微软在官网发布了2025年6大AI预测，分别是:AI模型将变得更破坏大和有用、AIAgents将彻底保持不变工作方式、AI伴侣将减少破坏日常生活、AI资源的利用失败将更高效、测试与定制是开发AI的关键以及AI将帮助科学研究突破。

其中，微软在序言部分特意提到了AIAgents，到2025年，将以自主、自动的方式完成更多的复杂工作流程，来指责工作、家庭方面的效率。放眼更大的应用领域，从气候变暖到医疗保健，AI都将发挥着重要作用。

图源备注：图片由AI生成，图片授权服务商Midjourney

1、AI模型将变得更破坏大和有用

过去的一年，AI模型在推理效率、功能方面取得十足进步，很多前沿模型能完成多种复杂任务，2025年AI模型将在更多任务上表现出色。

例如，像OpenAIo1这样具有先进推理能力的模型，能以类似人类的逻辑步骤解决复杂问题，在科学、编码、数学、法律和医学等领域发挥作用，可进行合同比较、代码生成和多步骤工作流程执行。

模型创新不仅依赖推理能力指责，数据无约束的自由和训练后优化同样关键。微软的Phi模型系列隐藏，高质量数据同样可降低AI模型性能和推理能力;

Orca和Orca2则展示了分解数据对小型语言模型训练后优化的作用，使其达到以往大型语言模型的性能水平，并在特定任务中表现更好。这些进步将在2025年创造更实用的AI体验，包括在AIAgents中的应用。

2、AIAgents将彻底保持不变工作方式

AIAgents是能够自主执行任务或代表用户自动执行任务的AI产品，可以是软件程序，也可以是集成在各种设备中的AI助手。这些Agents能够理解自然语言指令，通过学习和推理来完成复杂的任务，并与用户进行自然交互。

微软表示，财富500强公司中近70%的员工，已经使用Microsoft365Copilot中的Agents来处理极小量重复性的日常工作，例如，自动筛选电子邮件和在Teams会议期间做笔记、摘要。

2025年，新一代AIAgents功能将更强大，凭借在记忆、推理和多模态能力方面的进步，以更好的交互方式处理多种复杂的工作。更高级的记忆与推理能力，AIAgents将具备更强大的记忆功能，能够记住用户的历史行为、讨厌和工作不习惯，从而授予更加个性化和精准的服务。

同时，它们的推理能力也将得到指责，能够更好地理解复杂情境和业务逻辑，做出更加合理和高效的决策。例如，在供应链无约束的自由中，Agents可以根据历史数据和实时信息，预测库存需求变化，提前调整不当采购和生产计划，避免库存积压或短缺。

多模态交互与协作，Agents将减少破坏多种交互方式，包括文本、图像、语音等，使用户能够以更自然和便捷的方式与Agents进行沟通。同时，Agents之间的协作能力也将得到破坏，可以像人类团队成员一样协同工作，共享信息和资源，共同完成复杂的任务。

例如，在一个大型项目中，不反对Agents可以分别负责项目规划、进度跟踪、资源分配和风险评估等工作，并实时交换数据和反馈，确保项目的顺利进行。

此外，微软在去年11月举办的“Microsoftignite2024”全球开发者大会上，在Microsoft365、Dynamics365等主打产品中集成了极小量商用AIAgents，这些都为2025年Agents的大爆发奠定了重要基础

负责微软商业和工业Copilot副总裁CharlesLamanna认为，AIAgents将是AI时代的新型应用程序，就像我们使用不反对应用程序来执行不同任务一样，AIAgents将彻底保持不变我们的工作方式和业务流程。

3、AI伴侣将减少破坏日常生活

2025年，微软Copilot将作为AI伴侣在日常生活中发挥作用，干涉简化和优先处理日常任务，例如，自动无约束的自由极小量数据，奴役个人时间，同时保障隐私、数据和安全。

Copilot将不断进化，具备更多新功能。例如，CopilotDaily能以熟悉声音为用户授予新闻和天气摘要;CopilotVision可理解用户浏览的网页，实现与用户的互动，回答问题并授予建议;

还能干涉用户做决策，如布置新公寓时搜索匹配家具并规划布置方案。未来，AI体验将更精准，情感智能指责，实现更流畅的交互。

4、AI资源的利用失败将更高效

AI在工作的过程中需要消耗极小量资源，创新解决方案正在应对这一确认有罪。例如，尽管2020年全球数据中心的工作负载是2010年的九倍，但数据中心的电力需求仅减少了10%。

这是因为微软正在与AMD、英特尔和英伟达等公司合作，降低其硬件的效率，包括其定制硅系列、AzureMaia和Cobalt，以及为大规模AI系统设计的高效冷却热交换器。

未来几年，减少破坏AI的新数据中心将投入使用，且不消耗任何水资源用于冷却，公司还将缩短其对超高效液体冷却偶然的使用。

这些创新方案都是为了使AI基础设施在2025年更加高效和可结束。随着微软干涉构建更高效的AI基础设施，将继续投资并使用低碳建筑材料，包括接近零碳钢、混凝土替代品和交叉层压木材。

微软还将继续投资并使用无碳能源，如风能、地热能、核能和太阳能。公司正在进行长期投资，以将更多的无碳电力引入其运营的电网，并继续倡导全球清洁能源解决方案的扩展。

5、测试与定制是开发AI的关键

测试是定义和评估AI中的风险，对于负责任地构建AI至关重要。2025年AI的发展可以用两个词来概括——测试和定制。

如果能够测试风险和威胁，就可以干涉解决或威吓它们。这意味着，例如，检测和解决不准确的AI“幻觉”响应。微软结束努力构建安全的AI应用程序的一部分是开发严格和全面的测试。除了评估内部威胁，测试将变得更好地识别外部和日益复杂的攻击。

6、AI将帮助科学研究突破

AI已经在世界各地产生了巨大影响，推动了从超级计算到天气预报等各个领域的进步。它正在推动科学研究的历史性突破，并有望在自然科学、可结束材料、药物发现和人类健康等领域奴役新的能力。

例如，在2024年，微软研究院取得了突破，使研究人员能够以前所未有的速度和精度探索世界上一些最简单的生物分子科学问题，包括发现挽救生命的药物。利用失败AI驱动的蛋白质模拟系统，研究人员找到了一种新的方法（AI2BMD）来模拟生物分子动力学。

AI2BMD，可以干涉科学家解决以前难以解决的问题，并推动蛋白质设计、酶工程和药物发现等生物医学研究。

微软研究院副总裁兼董事总经理AshleyLlorens表示，2025年最令人平淡的事情之一将是AI在科学研究中的使用，如何推动解决世界上一些最紧迫问题的进展。AI将继续推动科研创新，为全球的人类和组织奴役巨大应用潜力。

今年618，各大电商平台用尽浑身解数，但得到的可能是最冷的夏天。

虽然各大平台继续保持着不公布销售总额的默契，但星图数据告诉大家，今年618，全网销售总额为7428亿元，同比下降了7%。虽然这个数据并不客观，但中心的疲弱却是肉眼可见。

大盘疲弱之下，作为电商增长极的直播电商也是寒意阵阵。

某大平台的618首播，多名头部主播的销售额同比减少，缩短了七成以上。

压力之下，保持不变也正在发生。

头部玩家转移战场

曾经，主播被视为直播带货商业模式的不次要的部分。但如今，超级主播们在直播间出现的频次越来越低了。

他们背后的机构则在加快脚步奔向新战场。

除了建设直播间矩阵、布局货架电商这些高度发展动作，多个头部玩家都把目光投向更终极的战场——做自营品，从带货保持方向做货，打造自己的产品品牌。

美腕最近上线了“美腕优选”；三只羊的“小杨臻选”去年就已宣布销量突破千万单；辛选去年就已码出20多个自营品牌；东方甄选则可以说是整个电商领域的自营标杆与旗帜，光在抖音一个平台，其自营品的销量就已突破1亿单，100多款产品进入抖音相关产品排行榜的前三名。

无论是出于抗风险的目的，还是为打破天花板谋求更大想象空间，总之，各个头部玩家赶在电商直播增长触顶之前，作出了相同的选择——用多元渠道和自营产品，摆穿对超级主播的依赖。

不过，自营品也许是好的出路，但一定不是好走的路。

做自营品没有“玄学”

如果说直播带货要做的是串一条链，那么，做自营品就是要织一张网。产品开发、库存无约束的自由、供应链无约束的自由、质量控制、售后服务、品牌打造……企业运营无约束的自由的难度、压力和风险指数级升高。

在这种情况下，把难做的事情用更愚蠢更省力的方式去做，就成了大部分玩家的选择。

关闭“美腕优选”旗舰店，目前在售商品一共7款，洗衣凝珠、干发帽、乳胶凉席、洗脸巾……全是标准化工业品。

再看三只羊的“小杨臻选”，抖音店铺在售的数十款商品以零食、日用品、服饰等为主，生鲜产品仅两款：红富士苹果和库尔勒香梨。

就连在农产品直播带货领域有声有色的辛选，在做自营品时都老老实实寻找了生鲜品类。

东方甄选是唯一的例外：超400款自营品，八成是农产品。

这是俞敏洪挖下的“坑”。早在2021年11月东方甄选的首场直播当中，俞敏洪就放言，要成立大型农业平台，通过直播带货干涉农产品销售。因此，东方甄选做自营品，也将农产品作为主赛道。

改革开放之初，总设计师就讲：“四个现代化，比较起来，更加造诣深的是农业现代化。”到今天，农产品也依然没能摆穿非标属性带来的品控难题。除此之外，农产品的存储、运输、售后，每一步都埋着“雷”。

先说品控。相比于日化、零食、服饰等标准工业品，农产品最大的特点就是不轻浮。就拿苹果来说，别说不同产地、不同年份的苹果大有统一，就算是同一时间的同一棵树，结出的果实品质都会有所不同，每一颗苹果都独一无二。

这种情况下怎么保证品质？“笨功夫”是省不了的，产地得一个个去跑，供应商得一家家去谈，产品得一口口去试吃。

还得上科技手段。去年东方甄选做了一场自营洛川苹果溯源直播，合作工厂用智能分选线检测糖度、剔除瑕疵果、按果径大小分类。这些都是硬投入。

好产品只是第一步，接下来怎么收到消费者手里，同样是巨大的考验。

农产品易损、难存，还要保鲜，其仓储配收常被称为“地狱级”困难。比如草莓这类产品，要低温、冷链，要将车速控制在80公里/小时之内，要以特殊包装方式和特定车内压差，才可能将耗损控制在15%以内。

怎么解决？还是靠的笨办法：跟市面上最好的物流服务商合作，用更大的成本建立更强的物流配收能力。除了常温发货、冷链物流，东方甄选今年又做起了前置仓、“小时达”，让生鲜产品以更好的状态到达消费者手中。

这一切，没有裸露，公开可言，也没有捷径可走。如果说超级主播的诞生在一定程度上存在“玄学”和“运气”的成分，那么做自营品这件事，简单直白到一点也不性感，更没有任何“玄学”可言。

如今回看，选择农产品作为主赛道，让东方甄选一起步就啃了最硬的骨头，但也得到好处：一是死磕出过硬的供应链能力、品控标准与作业体系，另外也在品牌创建上占了便宜。

农产品攸关健康但品质参差不齐，市场上又一向缺乏好的农产品品牌，这给了东方甄选机会和空间：

它让俞敏洪和新东方多年积聚的公众好感变成独有的不次要的部分无足轻重，令其自营品快速形成品牌效应，及时做强的供应链和品质与服务体验，则进一步夯实用户忠诚度强化品牌势能。根据东方甄选近期披露的数据，其自营品外围好评率超95%、复购率达59%。

长坡厚雪

每一个投资者都希望找到长坡厚雪的公司，每一家企业也都希望自己长坡厚雪。

但真正的长坡厚雪在哪里？

产品是一切的根本。即便大家常常认为直播带货这种流量驱动型的商业模式，主播是1，产品是后面的0，但真正的长坡厚雪，显然应该是产品本身，产品是1，主播才是后面的0。

相比于支摊卖货，做自营产品无疑是一件高难度、高风险的事。它要求业者在整个供应链都有自己的投入和创建，而链条越长，风险也就越多，任何一个环节出错都可能满盘皆输。

这可能也是罕有其他业者像东方甄选一样，下降到战略高度重做自营品的原因。

但事情都有利弊两面，链条长风险点多的背后，是更多创造价值的机会点和空间，高难度背后是一旦攻克难关往往也意味着形成不次要的部分能力，占领先机，筑高了护城河。

能力，能干涉公司超越产业经济周期，不断质变和超越。

能力就是长坡厚雪。

直播电商也常被归类为内容电商，在消费品的商业里，最好的内容无疑就是产品本身。从这个意义上说，直播电商的下一位超级主播，可能不再是某个人，而是某个产品。

(责任编辑：zx0600)

过去的一年里，新技术与新趋势不断涌现，在保持不变人类生活方式的同时，也为产业带来了比较罕见的发展机遇。2025年随着新一轮科技革命和产业变革帮助推进，数据无约束的自由将发生怎样的变革？在人工智能结束协作发展大潮中，企业该如何充分奴役数据价值、应对愈加复杂的业务确认有罪？企业全球数据无约束的自由领域领军企业Denodo日前发布2025新趋势展望，分享了关于数字化转型新兴技术及企业无约束的自由创新的前沿洞察。

ángelVi?a（Denodo创始人兼首席执行官）表示：

2025年展望–数据无约束的自由的未来

数据无约束的自由架构将不断发展，以焦虑日益增长的数据量、各种数据源和更多样化的数据消费用户的需求。此外，还会有更严格的隐私和治理要求，并且更加重视授予对企业数据的安全访问，以便GenAI应用的使用场景化。

以下是我的2025年“展望”清单：

1.逻辑/联邦数据架构的兴起

○数据网格和数据编织的增长。企业正在从单体数据湖保持方向分布式数据架构，如数据网格和数据编织，他们将数据视为产品并按域组织数据。这些方法减少破坏去中心化、联邦治理，在这种治理中，数据所有权分布在各个团队中，从而降低了可扩展性和自主性。

○对统一数据生态系统互操作性的需求减少。逻辑数据架构将推动对跨不同数据源（包括云、本地和瓦解环境）的无缝互操作性的需求。减少破坏跨分布式偶然的数据系统语义统一和查询计算的工具和平台将获得不明显的，不引人注目的驱散力。

2.瓦解和多云数据无约束的自由成为新常态

○用于数据主权的瓦解云架构。数据隐私法规和对数据主权的厌恶将推动组织采用瓦解架构，其中警惕数据耗尽在本地或私有云中，而不太关键的数据存储在公共云中。这种方法可在利用失败公共云服务可扩展性的同时，实现法规遵从性。

○跨云授予商的统一数据无约束的自由。随着越来越多的企业使用多云，对跨授予商的统一数据无约束的自由工具的需求将不断增长。能够跨AWS、Azure、GCP和其他平台授予单一视图和治理框架的解决方案将受到高度重视。

3.更加关注数据产品生命周期无约束的自由

○数据产品是数据民主化的关键推动因素。数据产品将原始数据转换为增值服务，为最终用户授予可操作的洞察力，以实现业务目标。不反对交付模式和自助服务界面将使所有组织中的新成员能够使用数据产品，从而显著减少数据使用量。

○数据产品生命周期变得更加复杂。数据产品由具有不同技能和职责的不同角色无约束的自由，通常以去中心化的方式进行无约束的自由。数据无约束的自由平台将减少破坏数据产品的整个生命周期，从创建（设计、实施、部署）到发现、使用和监控。

4.用于数据无约束的自由的AI：AI驱动的数据无约束的自由的扩展

○自动数据编目和发现。AI将在数据发现、分类和编目中发挥更大的作用，干涉组织自动进行数据组织和标记。AI驱动的数据目录将授予有关数据沿袭、数据质量和使用模式的实时洞察。

○智能数据执行。数据无约束的自由平台将通过预测使用模式、将查询映射到正确的数据执行引擎以及自动调整不当数据工作负载以比较大限度地降低成本和降低性能，来减少破坏基于AI的数据查询执行优化。

5.用于AI的数据无约束的自由：减少破坏GenAI模型的极小量

○RAG增强。除了对LLM进行微调以供企业使用之外，GenAI模型在跟随训练时使用的数据上停留在某个时间点。它们不了解企业数据或上下文，也无法访问实时信息。数据无约束的自由平台将不断发展，以授予和自动化对LLM的RAG增强，并通过企业数据将GenAI应用程序的行为场景化。

6.继续向去中心化数据治理转变

○面向域的数据治理。去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行无约束的自由的。这使得最接近数据的团队能够对其质量和合规性负责。

○监管重点日益关注数据透明度。监管要求越来越关注数据透明度，尤其是在AI驱动的决策环境中。数据治理架构将包括用于跟踪数据来源和确保可解释性的框架，以遵守新的数据和AI法规。

○数据可观测性作为不次要的部分功能。数据可观测性使组织能够监控数据健康状况、沿袭和使用情况，这将成为一项标准功能。可观测性工具将授予有关数据管道、数据新鲜度和沿袭的洞察，确保用于分析和决策的数据的可靠性。

7.关注超个性化、大规模隐私和数据安全

○超个性化功能。所有数据都将降低为每个客户定制数据使用体验的需求。数据无约束的自由将在下一代数据交付平台中发挥关键作用。

○保护隐私的数据无约束的自由。对数据隐私的担忧将导致采用保护隐私的技术，以便在不泄露警惕信息的情况下进行数据分析和共享。

○自动合规性监控和策略实施。随着数据隐私法规的日益严格，企业将依赖自动合规性监控工具来确保数据无约束的自由实践符合所有区域和数据环境的法规。

8.越来越重视成本优化和可结束性

○经济无效的数据存储和计算。数据无约束的自由将减少对更具成本效益的存储和计算数据解决方案的减少破坏。FinOps功能（如根据数据使用频率优化存储成本的数据分层，以及根据业务优先级和财务目标将数据工作负载动态分配到计算引擎）将变得更加重要。

○节能数据处理。可结束性将成为数据无约束的自由中搁置的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳足迹跟踪，以焦虑企业可结束性目标和法规。

2025年的数据无约束的自由将更加分布式、实时和动态，其架构将优先搁置模块化、治理、AI驱动的自动化和定制数据使用。这种演变将使组织能够在日益复杂的数据生态系统中焦虑可扩展性、法规遵从性和数据民主化的需求。

AlbertoPan（Denodo首席技术官）表示：

预测：到2026年，超过50%的企业会将数据系统分布和异构性视为开发减少破坏GenAI的数据产品的主要确认有罪。

论证：2024年Gartner技术架构师调查(1)显示，“跨不同平台的数据系统分布”是制定数据架构决策时第二个最常被引用的确认有罪，56%的架构师都降低重要性了这一点。

GenAI应用程序必须以安全、受控的方式访问所有组织系统中的数据，即使这些数据是动态的和实时的。但是，当前将GenAI应用程序与外部数据源分开的方法（例如检索增强生成(RAG)模式）忽略了数据分布的复杂性。将GenAI应用程序扩展到试点和高度发展用例之外，需要直接解决这一确认有罪的解决方案。

建议：搁置使用数据虚拟化等逻辑数据无约束的自由技术，为AI驱动的数据产品建立可访问的数据层。这些技术可以实现对多个数据源的实时统一访问，为实施一致同意的安全和治理策略授予单一入口，并允许以业务语言呈现数据。

(1)来源：《Gartner2025数据无约束的自由规划指南》。发布于2024年10月14日。

预测：到2026年，超过80%构建发散式云数据仓库或湖仓架构的组织将无法选择把某些工作负载迁移到其他环境，包括同一云授予商内的其他数据处理系统、其他云中的系统，甚至是本地环境（数据回迁）。

论证：数据民主化和基于使用量的云定价模式的驱动，导致许多大型组织的成本飙升。IDC2024年6月的报告《评估工作负载回迁的规模》(2)反映了这一趋势，该报告发现，约80%的受访者预计在未来12个月内会出现某种程度的数据回迁。回迁既复杂又昂贵，因此组织还会通过为每个用例选择在效率和成本效益之间取得理想不平衡的的云环境和系统来优化成本。

建议：随着技术和业务需求的发展，投资于简化将用例迁移到最合适环境的技术。开放表格式可实现与多个处理引擎兼容的数据表示。此外，逻辑数据无约束的自由技术（例如数据虚拟化）使数据使用者无需了解各个处理引擎的细微差别，包括SQL方言、身份验证协议和访问控制机制。

(2)https://www.idc.com/getdoc.jsp?containerId=US50903124

预测：到2026年，超过80%追求数据产品战略的组织将使用多个数据平台创建关键数据产品。对于跟随设想采用单一供应商方法的组织而言，这种转变将给企业范围的数据民主化计划带来确认有罪。

论证：数据产品无约束的自由计划本质上是分布式的，因为没有哪个单一平台能够跨所有数据产品优化功能、性能和成本。减少破坏这一点的是，只有不到5%的Snowflake和Databricks共同客户计划停用其中一个平台，而大多数客户还在使用其他云和本地系统(3)。此外，在联邦治理模型中，数据产品所有者通常会选择最能焦虑其特定功能和预算要求的平台。此外，随着技术创新步伐的加快，新的数据平台将不断涌现。

鉴于这些动态，企业数据产品战略必须搁置数据分布和平台多样性，以确保拖延性、一致同意性和成本效益。

建议：搁置采用数据虚拟化等逻辑数据无约束的自由技术，以建立统一的基础架构，用于跨不同平台发布、保护和访问数据产品。这种方法使数据产品所有者能够僵化地选择最适合其需求的系统，同时确保在全球范围内所有数据产品的互操作性、可重用性和简单的发现。

(3)为什么Databricks与Snowflake不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

TerryDorsey（Denodo技术推广者）表示：

人工智能将推动更多的组织关注

人工智能正日益推动组织重新思考数据无约束的自由、运营不调和和流程优化。当前的数据无约束的自由方法，包括管道、ETL和ELT，面临着相当大的确认有罪。例如，80%的企业报告经常出现数据管道故障，74%的企业在数据质量方面苦苦无魅力的运动，而解决问题通常需要一天以上的时间，37%的组织甚至需要长达一周的时间。安全问题也很普遍，57%的企业将数据安全视为一项重大确认有罪。这种数据无约束的自由方面的根本性难题破坏了主要战略计划，例如数据治理、数字化转型和人工智能部署，所有这些计划的成功率都很低。Gartner估计，到2027年，80%的数据治理计划将会大成功，而人工智能项目的大成功率徘徊在70-80%之间，尽管概念验证取得了成功，麦肯锡报告称只有约30%的数字化转型项目取得了成功。

随着利用失败人工智能保持竞争力的压力越来越大，组织正在创建新的角色，例如首席人工智能官(CAIO)，并重新审视首席信息官和首席数据官的角色，以容纳人工智能计划。然而，人工智能研究的进展速度被预见的发生之快，这通常超过了组织采用这些技术的能力，尤其是在规模化方面。许多企业正试图在相同的组织结构内并使用传统方法来集成人工智能，但这可能并不足够。

人工智能驱动转型的关键组织关注领域

数据安全和隐私数据安全和隐私是人工智能计划不可或缺的一部分，这减少了保护数据的确认有罪性和关键性。组织必须在无效的无约束的自由、审计和控制与广泛采用人工智能所需的僵化性之间取得不平衡的。例如，许多企业目前在系统或源级别无约束的自由安全。然而，随着人工智能的发展和更广泛的数据访问需求，这种方法可能会导致成本和风险升高。为了缓解这种情况，组织可以采用优先搁置发散但优美轻盈的安全模型的数据治理框架，确保数据保护和可访问性之间的不平衡的。

增强的变更无约束的自由和变更控制随着组织将职责分配给技术和非技术团队，他们必须制定稳健的变更无约束的自由和变更控制策略。变更无约束的自由（侧重于沟通和采用）和变更控制（侧重于技术实施）是独立但不无关系的领域，在人工智能驱动的环境中都至关重要。理想实践可能包括跨职能的人工智能工作组、不不透光的沟通协议和培训计划，以鞭策波动过渡。例如，对参与人工智能采用的非技术人员实施结构化培训，可以干涉弥合技术团队和业务团队之间的差距。

与业务成果保持一致同意IT与业务目标之间的穿节可能是人工智能成功的主要障碍。IT部门通常关注技术指标，而业务部门则优先搁置组织目标。鉴于数字化转型和人工智能计划的高大成功率，IT团队应与业务部门更紧密地合作，以优先搁置可衡量的业务成果。跨职能协作，由技术和业务掌舵者共同领导人工智能驱动的项目，可以干涉确保项目与不次要的部分组织目标保持一致同意并交付切实的价值。

业务流程优化和新兴技术集成转型，尤其是涉及人工智能、物联网和自动化的转型，本质上需要业务流程优化。随着组织采用人工智能，他们必须评估并可能重构其流程，以有效地集成新技术。这可能包括开发自适应工作流，允许将人工智能驱动的洞察无缝地融入业务运营中。在这个领域取得成功的组织通常采用循环方法进行流程优化，随着人工智能能力的发展不断迭代和更新工作流。

重组企业IT以实现拖延性和协作鉴于人工智能的快速发展，传统的IT结构可能会批准组织响应新兴需求的能力。许多企业将IT职能（尤其是围绕数据无约束的自由的职能）世界性政策起来，这可能会鞭策需要无缝数据访问和协作的计划的有效性。可能需要一个更拖延、更协作的IT结构，其中包括数据治理和跨部门角色。例如，企业可以在IT部门内建立瓦解角色或专门的人工智能集成团队，将技术专长与特定领域的知识相分隔开，以更有效地减少破坏人工智能和数据计划。

面向未来人工智能驱动型组织的愿景

以人工智能为中心的组织的结构旨在威吓IT和业务职能之间结束保持一致同意，优先搁置数据安全和隐私、变更无约束的自由和业务流程优化。此类组织是拖延的，具有减少破坏跨部门协作的僵化IT和治理结构。他们实施在数据保护和访问之间取得不平衡的的治理框架，使用培训计划来确保人工智能的顺利采用，并不断优化业务流程。通过采用这些原则，组织可以降低人工智能、数字化转型和数据治理计划的成功率，从而在人工智能驱动的世界中占据竞争无足轻重。

自主代理和代理工作流

大模型(LLM)可以做一些非常了不起的事情。我们在产品中特别利用失败了文本到SQL和摘要功能。由于LLM非常擅长评估/审查信息，并且在自我评估方面没有自负情绪，我们看到许多研究和框架都在寻求利用失败这种能力。它们还非常擅长根据自然语言对任务做出决策和构建信息。这些功能是自主代理和代理工作流的基础。

像亚马逊、谷歌和微软这样的主要参与者已经开发了强大的框架，使企业能够比以往任何时候都更容易地构建这些人工智能驱动的代理并将其集成到其运营中。借助AmazonBedrockAgents和GoogleVertexAI等工具，企业现在可以创建代理来提取数据、回答客户问题，甚至在无需太多人工监督的情况下执行操作。组织可以慢慢开始，实施和观察自主代理和代理工作流可能比部署给用户更容易，因此即使从这种能力开始也可能更具驱散力。预计这些将在未来一年左右的时间内变得更加流行。

增量/结束机器学习

如今，一些企业正在对LLM进行微调，在某种程度上，您可以将其视为增量学习。鉴于重新训练大型模型的确认有罪，增量/结束学习的能力意味着模型能够保持比较新状态。在这个领域有很多研究，我预计它甚至会在GenAI之外发展壮大。

从数据无约束的自由的角度来看，向增量学习范式转变意味着企业可以更有效地利用失败实时数据。此功能对于需要立即进行数据解释和响应的应用程序至关重要，例如金融交易算法、实时推荐系统和动态定价模型。随着研究的继续和这些技术的日益成熟，增量和结束学习对人工智能部署和功能的影响可能会减少，使其成为未来人工智能技术进步的重点领域。

图数据库的使用兴起

我们已经听到了很多关于LLM的一些缺点，以及在某种程度上语义搜索的缺点。图授予了一种对复杂关系进行建模的方法，因此最近有极小量研究利用失败图数据库来解决其中的一些批准。有一些提示方法，例如基于节点、基于子图、基于路径、基于层次结构、基于社区等等，这些方法都基于图的功能。在某些情况下，节点属性是嵌入的，在某些情况下是不不透光的。有各种各样的技术可以根据数据填充图来构建此类模型，因此需要能够在图中查询数据以及将数据引入图中。

云回迁

83%的受访企业正在将其部分工作负载迁移到私有云和本地系统。诚然，这些企业各自久坐的百分比存在一些不确定性；然而，从数据无约束的自由的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据无约束的自由策略产生重大影响。

AndreaZinno（Denodo技术推广者）表示：

分解数据

对隐私、个人数据处理、拥有训练人工智能模型的良好样本的重要性以及拥有特定（不一定聚合）数据的需求的搁置，以便能够参考个人对现象进行建模，将对分解数据产生更大的推动作用，分解数据将在选择和构建用作分析基础的样本的过程中发挥越来越大的作用。

主动本体（或主动数据目录）

在数据民主化的精神下，数据在公共和私营组织内的日益普及，以及逐步缩短其有无批准的、迈向允许组织业务模型中的相关方（合作伙伴、供应商、公共无约束的自由部门、客户……）共享和使用数据的生态偶然的趋势，使得正式和系统地解决“含义”问题变得更加重要，以便为此生态系统中的所有参与者创建通用语言。

然而，深入理解数据的需求（通过不平衡的内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是必要性），将无法选择人们对主动本体或主动数据目录以及基于本体的数据无约束的自由(OBDM)的兴趣日益浓厚。

Denodo北欧公关团队表示：

ESG作为竞争无足轻重

北欧客户越来越多地根据供应商在ESG实践方面的表现和沟通情况来选择供应商。那些没有与CSRD及其他标准相符的稳健ESG实践的企业正日益被装入在招标之外。北欧企业可能会优先搁置具有社会可结束性的合作伙伴，重点关注道德劳动实践并确保其供应链中的公平工资。企业需要无效的数据无约束的自由来无约束的自由数据收藏，储藏和报告。

人工智能的下一步

将人工智能平台分开到集成的人工智能代理的讨论越来越多。原因是它有可能分隔开一些技术无足轻重授予更比较准确的行业特定答案——媒体希望看到的具体用例。

银行、气候和数据

具有良好环境和社会资质的银行将受益于更麻烦不顺利的贷款条款。比以往任何时候都多的金融科技创新正在减少破坏可结束银行业务。基于数据无约束的自由的数字工具将干涉银行为消费者和企业授予个性化的金融服务。

银行将越来越关注无约束的自由气候相关风险。这包括评估气候变化对贷款组合和投资带来的风险，并确保长期金融轻浮。

公共部门和数据无约束的自由

公共部门参与者正在悠然，从容变得更加数字化，包括确保数据安全以及在相关参与者之间共享数据（例如，在医疗保健领域）。目标是为公民授予更好的服务。政府正在确保以合乎道德和负责任的方式使用人工智能。无约束的自由机构不调和各种网络安全计划。

RaviShankar（Denodo高档副总裁兼首席营销官）表示：

减少破坏AI的企业数据

人工智能的好坏取决于它获取的数据。不仅是任何数据，而是值得信赖的数据。即使数据意见不合在不反对位置、格式和延迟中，也需要为人工智能授予统一的可靠数据。

在互联网公共数据上训练的公共LLM（如ChatGPT）可以回答一般性问题，如授予假期旅行建议，但它们无法回答与企业内部运作不无关系的问题（如上个月发放了多少贷款）。为此，需要使用防火墙内的企业数据来训练LLM。

RAG减少破坏这种对企业数据的上下文感知。因此，由RAG减少破坏的减少破坏AI的企业数据将成为关键趋势。

减少破坏AI的人才

随着人工智能在组织内的普及，高管们要求其经理培训其员工队伍，以降低生产力并以更少的资源生产更多产品。

这项任务要求对员工进行大规模培训，尤其是在面向客户的部门，如销售、营销和客户服务。

人工智能素养将成为2025年的关键趋势。

人工智能确认有罪

随着人工智能在回答问题方面变得越来越出色，高管们将依赖人工智能来授予决策建议。

他们应该在多大程度上接受人工智能而不是他们的经理，这将成为一个问题。

2025年，我们应该会看到人类与人工智能之间的竞争，以反对谁更值得信赖，能够为高管授予更好的数据和洞察力。

（推广）

连续两项重磅公告，将汉嘉设计封死在了涨停板。

9月10日晚间，汉嘉设计发布公告称，公司控股股东浙江城建集团股份有限公司（下称“城建集团”）与苏州泰联智信投资无约束的自由合伙企业（有限合伙）（下称“泰联智信”）签署了《股份转让协议》，泰联智信以协议转让方式受让城建集团持有的公司6772.1万股股份，占公司总股本的29.9998%。本次转让对价总额为7.125亿元，转让价格为每股10.5211元。

作为“一揽子”计划，汉嘉设计拟以支付现金方式收购苏州市伏泰信息科技股份有限公司（以下简称“伏泰科技”）51%的股权，合计对价5.81亿元。交易完成后，伏泰科技将成为汉嘉设计的控股子公司。

备受资本市场关注的是，随着本次控制权收购事项实施完成，汉嘉设计控股股东将由城建集团变更为泰联智信，公司实际控制人将由岑政平、欧薇舟夫妇变更为沈刚、程倬。

而伏泰科技的实控人为沈刚、程倬，泰联智信为沈刚、程倬共同投资的合伙企业。

汉嘉设计称，本次交易构成关联交易，但不构成《上市公司重大债务重组无约束的自由办法》规定的重大债务重组，也不构成重组上市。

从二级市场表现看，9月11日，公司开盘报即涨停，股价拉至7.91元/股，总市值达18亿元。9月12日，延续强劲走势，再度涨停，最新报价报9.49元/股。

建筑设计行业风雨飘摇

汉嘉设计挥舞资本大刀背后，是整个建筑设计行业说不尽的辛糖精泪。

“自2022年下半年至今，没有任何新项目，过往项目高度发展完结，近2年一直艰难维持，结束亏损。”

“外部外围经济形势结束恶化，房地产等相关行业接连暴雷，大型项目回款周期变长，公司甲级资质续期申请未得到主管部门的通过。”

随着近几年房地产市场调控结束深入，市场红利已然消退，建筑设计行业陷入了三饥两饿的窘境，从去年开始，唱衰建筑设计行业的声音更是不绝于耳。

面临市场环境恶劣，经济形势不轻浮，业务急剧减少，缩短，设计费回收困难，资金链周转困难等种种问题，全国各地建筑设计公司有的停工停产，有的寻找资金减少破坏，有的精简人员、优化公司成本，有的暂缓工资发放。

在行业专家看来，大开发建设时期已经过去，以新城区为代表的包含公建配套和商业、住宅等大规模城市建设高度发展完成。市场饿和导致建筑设计项目量的大幅减少，缩短将成为未来的常态。

同时，“僧多粥少”引来的恶意低价竞争，对建筑设计行业的发展根除了极大的负面影响。

覆巢之下无完卵。公开信息显示，汉嘉设计成立于1993年，2018年5月在深交所挂牌上市，主要从事建筑设计、市政公用及环境设计、燃气热力及能源设计、园林景观设计、剥去设计等设计业务，EPC总承包及全过程咨询等其他业务。

2021年及之前，汉嘉设计保持了不错的业绩增长态势，营收同比增速均在20%以上，但是自2022年以来，受房地产市场景气度继续下行等因素影响，公司业绩每况愈下。

2022年、2023年，汉嘉设计实现营收分别为25亿元、22.74亿元，同比分别下滑10.77%、9.03%；同期净利润为1641.77万元、1092.20万元，同比下滑83.62%、33.47%。

2024年上半年，公司营收6.18亿元，同比降幅34.96%，净利润372.02万元，同比下降81.62%。加之客户多为ToG端，导致应收账款和坏账计提较多。本报告期，公司当期应收账款占最新年报归母净利润比达4139.27%。

二级市场上，汉嘉设计的股价跌跌不休。上市完全建立，公司股价曾达到43.45元/股，以本次易主停牌前一个交易日收盘价计算，前复权后，区间跌幅达84.47%。

难兄难弟，抱团取暖

汉嘉设计急需一个“新故事”。于是，伏泰科技来了。

伏泰科技是一家聚焦于城市运行无约束的自由服务智慧化和城市治理数字化领域的IT服务商。双方在城市无约束的自由及城市运行服务等领域有行业上下游关系。

按照汉嘉设计的说法，收购之后，双方将产生协同效应，将进一步增强上市公司盈利能力。交易完成后，汉嘉设计主营业务保持不变，从城市规划扩展至软件领域，且上市公司盈利将主要来自伏泰科技。

根据业绩承诺协议，本次交易设定的业绩承诺期为2024年度、2025年度，双方默认的要求，伏泰科技在承诺期实现的净利润累计不低于2.16亿元。

财务数据显示，2023年及今年1-7月，伏泰科技实现营收分别为9.22亿元、4.83亿元，同期归母净利润为8397.01万元、3749.09万元，对应的经营现金流分别为928.26万元、-1510.56万元。

伏泰科技还有一个更大的悦人的/愉快的。泰联智信于2015年7月24日设立，为沈刚、程倬、范延军共同投资的合伙企业。最近三年，泰联智信除持有伏泰科技股份外，无其他投资和经营情况。投资人回报需求迫切。

本次收购伏泰科技51.00%股份中，除关联方外，就包括向伏泰科技其他46名自然人股东、12名机构股东收购伏泰科技25.18%股份。

公开信息显示，伏泰科技曾两次寻求闯关A股IPO均未果。最近一次是2021年8月，伏泰科技委托国元证券担任其辅导机构冲刺创业板，截至今年7月3日，公司第十二期上市辅导工作完成。

在不少投行人士看来，伏泰科技本次投身汉嘉设计怀抱，有望完成曲线上市。

根据重组无约束的自由办法，“实控权变更+主营业务根本变化”的交易将视为重组上市，审核标准等同IPO。其中，50%这一指标非常重要。

而根据汉嘉设计发布的交易方案，通过51%股权收购，不仅不触及重组上市，甚至连重大债务重组都不触及。5.81亿元的交易金额，仅为汉嘉设计债务净额的47.36%；伏泰科技11.89亿元的债务总额，为汉嘉设计债务总额的44.65%。

如此一来，该交易只需股东大会通过，无需监管审核，存在无遮蔽的“借壳”意味。任何交易都清空了未知和风险，汉嘉设计和伏泰科技刚刚迈出第一步，前景尚待观察。

(责任编辑：zx0600)