AIGC 创意猎人（二）

来源：https://aigcreative.feishu.cn/docx/BbZfd0KMfooLJ0xSxf8c5SCTnKg

057/100 适应 (Adaptation) ：

定义 ****：物种通过遗传变异和自然选择， 适应环境 以提高生存繁殖机会。适应既指生理结构（进化）也可指行为上的可塑性（习得）。

意义 ****：适应是进化论核心。它说明生命具有 调整自身以符合外部条件 的能力。对人类而言，适应力体现在学习和社会化上——我们不像基因漫长演化，但有文化和智力迅速适应新环境。芒格推崇终身学习，正是发挥人类非遗传适应的优势。理解适应模型也让我们认识到 环境选择 的重要：环境变化可能造就新格局（如市场变迁让某些企业兴衰），谁能适应谁存活。

**例子 **：北极狐进化出白色厚皮毛以适应冰雪环境隐蔽和保暖；仙人掌进化出肉质茎储水适应沙漠。企业也需适应——柯达胶卷称霸胶片时代，但没适应数码时代就被淘汰。个人职业生涯中，行业风口变化，需要不断学习新技能以适应市场需求，否则会像不进化的生物那样失去竞争力。

**适用场景 **： 企业管理 ：营造学习型组织，鼓励员工适应新技术、新市场变化。 个人发展 ：保持开放心态和学习习惯，及时调整自己以适应环境（如转行、进修等）。 政策 ：帮助产业和劳动力适应经济结构变化（如提供培训项目）。适应模型也提示我们在决策中关注环境可能发生的变化，提前培养应变能力，像生物那样不适者淘汰，适者生存。

058/100 自然选择 (Evolution by Natural Selection) ：

定义 ：达尔文提出的进化机制：种群中存在变异， 有利于生存繁殖的特征 更可能传递给下一代，经过世代累积使物种逐渐演化。简单说就是“ 优胜劣汰 ”。

意义 ****：自然选择解释了复杂生命如何无需设计者而产生。这个模型可推广到任何 竞争筛选 的系统：市场竞争选出成功企业，科技竞赛选出优良技术，思想也有优胜劣汰（传播广的存续）。芒格常借用生物进化的视角看经济竞争，如强调企业护城河的重要，否则在市场选择中会被淘汰。该模型也警示我们 适者生存 不等于最强生存，而是 最适合环境者 生存——因此当环境变迁时，过去的优势可能变成劣势（如恐龙时代巨兽称霸，环境剧变却灭绝）。

**例子 **：长颈鹿进化出长脖子是因为高个体更易吃到树叶，活得久生的后代多，代代累积脖子就越来越长。经济上，自然选择体现为自由市场竞争，消费者偏好和竞争压力就是选择力量，使得不符合需求的企业倒闭，适应市场的壮大。科技上，淘汰制比赛所选出的冠军技术往往就是最“适应”当前要求的技术标准。

**适用场景 **： 商业策略 ：不断检视公司是否适应当前市场环境，不能一招****鲜吃遍天，因为市场演化持续进行。 投资 ：选择长存下来的公司（经历市场选择考验），回避未经过周期检验的模式。 个人 ：懂得在不同环境调整自己的策略，比如职场竞争中，发现公司文化偏好某特质就适当表现之，以“适应”组织生态。政策上，政府干预市场要谨慎，过度保护落后者可能阻碍优胜劣汰带来的整体进步，但也要在某些必要领域避免残酷选择对社会弱势造成过大伤害。自然选择模型让我们理解竞争机制之无情及其驱动的创新。

059/100 红皇后效应 (Red Queen Effect) ：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/4d98fb3cfc26ed7bb1476082e6264b2c.png

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/92caad17de9755115077bfdbf1fd7776.png

**定义 **：源自《爱丽丝镜中奇遇记》中红皇后的话：“在这里，你需要不停奔跑才能留在原地。”生物学上指物种必须不断进化以应对其他物种的进化，仅仅维持现状就需要持续改进。

**意义 **：红皇后效应强调 **竞跑环境下不进则退 **的动态。对企业而言，竞争对手、消费者期望都在提升，保持过去的水平实际上相对落后。对个人亦然，持续学习是保持竞争力的必要条件。这模型说明，绝对进步的概念往往是相对的——如果其他都在进步，你停止不前就等于退步。芒格时常学习新知识、关注时代变化，正体现了对红皇后效应的警觉。

**例子 **：猎豹变快，瞪羚也必须变快才能不被捕食；若瞪羚进化速度稍慢，就会被淘汰，两者速度都不断提升却维持了捕食-逃逸的动态平衡。商业上，智能手机厂商每年推陈出新是不得已而为之——竞争者都在升级功能，哪家停止创新，很快市场份额就下滑。学术界也是，你的研究不进展，别人的研究会超越你，以至原地踏步就变成落后。

适用场景 ： 科技行业 最明显，产品周期短，一刻不创新就会被时代淘汰。 个人职业 ，持续提升技能、紧跟行业趋势才能保住职业位置。 企业战略 ，要有长期研发和学习机制，因为竞争环境变化快，只有持续奔跑才能跟上。甚至 国家经济 也是，不努力提升生产力和产业，别国超越后原地不动的国家相对就落后了。红皇后效应给我们的启示是： 永不停歇的改进 是参与竞争的基本要求。

060/100 复制 (Replication) ：

**定义 **：生命的基本属性是复制繁衍。高保真复制DNA是生物物种延续的基础。复制也分有性和无性两种方式，各有利弊：无性复制快但缺少多样性，有性繁殖重组基因提供变异。

意义 ：从进化角度看， 传递信息 （基因）比个体存续更重要。这投射在人类社会，就是文化、知识的传播与传承。复制模型让我们理解事物如何 指数增长 （细胞分裂、病毒传播）和 模式扩散 （模仿和复制成功经验）。芒格是把好的经验教训“复制”应用在不同场景的大师，他强调学习他人成功模式，也是一种复制思想。需要注意的是，盲目复制没有变异会导致系统脆弱（缺少多样性），因此有时引入变化（创新）非常必要。

**例子 **：细菌通过简单分裂迅速繁殖，短时间内数量呈指数级增长——这就是复制威力，也是感染病传播快的原因。商业里，连锁加盟模式本质是复制：把成功的单店模式快速复制到多地，以低边际成本扩张版图。但如果环境差异较大，完全复制不变通可能水土不服。知识领域，经典书籍、课程的传播就是思想的复制，一代代学生通过教育复制人类积累的知识。

适用场景 ： 创业 ：当验证某模式可行后，可以考虑标准化流程，进行规模化复制扩张。但要评****估外部条件是否支持同样模式。 企业管理 ：将优秀员工的做法提炼成SOP，在全公司复制推广，可整体提升绩效。 社会 ：公共政策推广时，不能简单复制其他国家模式，要结合本国情况做“变异”调整。复制模型说明规模化路径，但也提醒我们保持 多样性 ，以免整体因单一模式的问题而崩溃。

061/100 等级和组织本能 (Hierarchical/Organizing Instincts) ：

定义 ****：多数复杂生物群体（尤其是人）有形成 等级结构 和组织的倾向。例如动物社会里首领和阶层，人类社会自古分工协作并形成组织。

意义 ：等级和组织是提高群体效率的手段，也是进化出的本能之一。这解释了为什么人类很自然地组建家庭、部落、公司、国家等有结构的组织。 组织本能 帮助我们更好地合作，但也可能带来弊端，如僵化的官僚体系和地位斗争。芒格指出许多问题（如权力导致傲慢、下级迎合上级导致信息失真）与等级组织有关，因此需要机制去对抗其负面效应。理解这一模型有助于我们在管理中 趋利避害 ：利用组织提高协调，但避免过度官僚或滥用权力。

**例子 **：狼群有清晰的首领（Alpha）和阶层，首领负责带领狩猎，获得优先进食权；人类军队的层级制让大量士兵行动如一，实现高度配合。公司中CEO-高管-员工的结构可以明确决策和执行链，但也容易出现信息向上报喜不报忧的问题（员工不敢提坏消息给老板）。

**适用场景 **： 企业管理 ：承认层级是必要的，但要打造良好的企业文化，防范谄媚文化和信息屏蔽。例如建立畅通的上下沟通渠道，匿名提建议机制等。 政策制定 ：理解人有服从领导的本能，就要确保领袖素质过硬并有制衡，否则群体可能随错的头领走向错误方向。 团队建设 ：小团队可能更灵活，但大团队需要分工与层级才能运转；领导者需要懂得利用组织本能激励团队，同时抑制因等级导致的不平等或士气问题。等级组织模型让我们务实地面对人类倾向，并设计良性的组织制度。

062/100 自我保存本能 (Self-Preservation Instinct) ：

**定义 **：所有生物都具有求生和保护自己的本能。这包括躲避危险、排除竞争威胁、争夺资源等行为倾向。在人类层面，可能表现为自卫、防御性反应甚至攻击性。

意义 ****：自保本能是生命延续的基本动力，但在人类社会，这种本能有时会 过度 ，导致非理性的行为或冲突。理解这一点可以帮助我们解释很多人类行为（如护犊情深、为利益不择手段、防卫性否认）。芒格在人性心理模型中提到许多偏误和行为（如否认现实、自利偏见）都根源于强烈的自我保存/自利驱动。管理和协调人类活动，需要既尊重这一本能，又要通过制度和道德加以约束平衡，以避免人人只顾自己毁掉合作基础。

**例子 **：当公司裁员传闻出现时，员工会本能地先顾自身：抢功劳、推责任、储蓄准备，都是自保体现。一些高管为了保住职位可能隐瞒坏消息或打压异己，也是自保本能的极端体现。更广泛的，如国家间博弈，出于生存安全考虑往往囤积武器，这种互相猜忌又容易导致军备竞赛。

**适用场景 ： 管理 ：理解员工 “保饭碗” **的心理，有助于制定更人性化的变革方案，及时沟通安抚，避免恐慌。 谈判 ：知道对方底线往往是自保利益，可以寻求双赢让步点，使其安全感得到保障来换取合作。 风险控制 ：企业文化要鼓励报告错误而不是掩盖，否则员工为自保会隐瞒问题酿成更大危机。与此同时，政策和伦理建设旨在 抑制过度自私 ，提倡顾全大局，因为纯粹的自保本能无序释放会破坏群体利益。

063/100 简单的生理奖惩 (Physiological Reward-Pain Seeking) ：

**定义 **：所有生物的神经系统都会趋利避害：追求快感（奖赏）和避免痛苦。这由体内的奖励化学物质（如多巴胺）和痛觉机制驱动。

意义 ：这一模型说明了 行为的生物驱动力 。人类的很多行为其实可以还原到对快乐的追逐和痛苦的逃避，包括那些上瘾行为（因为强烈即时奖励）或拖延（因为任务痛苦）。芒格的“心理误判”列表中多项（如奖励超级反应倾向、厌恶损失等）都与此生理奖惩机制有关。了解这个本能，可以帮助我们设计 激励 （利用奖赏驱动）或 戒除坏习惯 （设法增加痛苦/减少快感）。同时警惕其弊端，例如容易被即时满足引诱而忽视长期后果。

**例子 **：人爱吃高糖高脂食物，因为进化中这些高热量的东西曾给强奖励——如今导致肥胖和健康问题，这是奖赏机制过强的后果。赌场利用灯光铃声给予赌徒间歇性奖励的刺激，使人上瘾难以自拔。社交媒体上的点赞评论也触发多巴胺，让用户不断刷屏获取愉悦感。反之，健身的痛苦让很多人畏惧开始运动。

适用场景 ： 个人 ：培养好习惯时，可以把它和愉快体验关联（如听喜欢的音乐时跑步），增加奖励感；戒除坏习惯则反过来，可以****人为制造难度或痛苦关联（如戒手机时卸载App，避免轻易获得快感）。 管理 ：工作设计上给员工适度挑战但成功后有成就奖赏，以充分调动积极性。 营销 ：产品或服务尽量带给用户即时的正向体验，满足其愉悦需求。理解这一 趋乐避苦 模型也提醒我们平衡短期快感与长期利益——过度沉迷短期奖赏可能损害长远目标，需要意志力和制度来纠偏。

064/100 适应性挪用 (Exaptation) ：

**定义 **：生物学家古尔德提出的概念，指生物特征最初进化是为了某种功能，后来被“挪用”用于另一用途。例如鸟类羽毛起初可能用于保温，之后被用于飞行。

**意义 **：适应性挪用说明进化具有 创造性巧合 ****：现有结构在新环境下派上新用场。这可启发我们在创新中 “旧元素新用” 。很多发明都是现有技术在其他领域的重新应用。芒格学习各学科模型，然后在商业投资中举一反三，某种程度上也是知识的“挪用”。理解这一概念还让我们意识到事物的用途并非固定，一个系统的部件可能有潜在功能尚未开发。

**例子 **：键盘“@”符号原本很少用，但电子邮件出现后被挪用作地址符号，赋予了全新重要用途。硅胶材料最初用于军工，后来发现可用于隆胸手术，也是技术适应性挪用的例子。自然界里，哺乳动物的中耳小骨原本是爬行动物下颌骨的一部分，后来挪作提升听觉性能，这是解剖结构功能转变。

适用场景 ： 创新 ：鼓励跨界思考，把一种领域的成熟方案应用到另一领域。例如，Uber把定位和线上支付（原有技术）挪用到出租车服务模式，带来行业革命。 科研 ：注意实验过程中的意外结果，也许能挪用开发出新用途（许多药物副作用成为主效用，如伟哥最初是心脏药，副作用被挪为主要用途）。 个人 ：把自己已有技能应用到新领域，比如程序员用编程思维解决管理问题，可能产生新方法。适应性挪用模型提倡 资源再利用 、 跨界融合 ，有时现成的东西换个用法就能解决难题。

065/100 灭绝 (Extinction) ：

**定义 **：当物种失去适应力或环境剧变，数量降至无法维持繁殖时，就会发生灭绝。一旦物种灭绝，其独特基因和功能将永久消失。

意义 ****：灭绝是进化的一部分，提醒我们 生存并非保证 。对组织和公司而言，灭绝对应破产或消亡。如果不能与时俱进或抵御风险**，再强大也可****能走向终结**（如恐龙统治地球1.6亿年仍灭绝）。芒格在商业上非常警惕“杀死公司的因素”，因为纵观历史，大部分公司终将衰亡。这模型敦促我们建立 冗余和韧性 （对应前述反脆弱、冗余原则），以降低突然灭亡的风险；也让我们在看到 不可持续 的迹象时勇于调整甚至退出。

**例子 **：二叠纪-三叠纪大灭绝造成地球上约90%物种消失，为之后恐龙时代铺路。商业中，柯达公司由于未能及时转型数码，最终核心业务基本消亡，这是技术环境巨变导致“物种”灭绝。个人职业生涯，如果从事的技能彻底被新技术取代且未及时学习新技能，也会面临“职业灭绝”（如打印排版工被文字处理软件淘汰）。

**适用场景 **： 战略 ：持续监控环境变化，识别潜在“灭绝级”威胁，例如颠覆性技术、政策****变革，提前布局转型或退出。 生态和环境 ：保护生物多样性，因为一个物种灭绝可能对生态链产生连锁反应。 职场 ：终身学习，保持技能更新，避免自己的价值因时代变化而归零。明白灭绝模型使我们 居安思危 ，不因一时成功而放松警惕，也尊重客观规律，适时做出痛苦但必要的调整（如退出夕阳行业转战新领域）。

066/100 生态系统 (Ecosystem) ：

**定义 **：生态系统指生物群落与其非生物环境相互作用的整体。它强调多样性和各组成部分的相互依存，包括食物链、能量流动和物质循环。

**意义 **：生态模型让我们认识到 **系统整体性 **和 **平衡 **的重要性。一个生态系统的健康取决于各种生物和环境因素的动态平衡，任何单一元素的过度或消失都会影响全局。同理，在经济和社会系统中，各部分间也有类似的网络关系，需要系统视角管理。芒格投资时就关注产业生态——供应商、客户、竞争者、监管等构成企业生态环境。理解生态思维可以避免头痛医头、孤立决策，而是看到行动的外部性和间接影响。

**例子 **：狼被从黄石公园消灭后，导致鹿群失控破坏植被，河岸侵蚀，生物多样性下降。后来重新引入狼，生态恢复平衡。这说明 顶级捕食者 在生态中的关键作用。商业生态上，如果一个巨头企业垄断所有资源，中小企业死去，长远看整个行业创新活力可能降低（生态单一脆弱）。都市系统也是生态：城市交通、住宅、商业区相互影响，需要综合规划。

适用场景 ： 政策 ：制定环保、经济政策要考虑生态平衡，如保护一环节也关注其对其他环节的影响。 企业经营 ：视公司为生态一部分，注意与供应商、客户共存共荣，不能剥夺上游下游利益，否则生态失衡最终自己受害。 个人 ：看待自己生活也可生态化思维，如健康生态（饮食、运动、休息缺一不可），或者把事业、家庭、爱好视为生活生态的组成，要平衡投入，才能整体健康。生态模型强调 整体观和关联性 ，帮助我们超越线性因果，理解复杂网络中的反馈。

067/100 生态位 (Niches) ：

**定义 **：生态位指物种在生态系统中的角色和功能地位，包括其利用的资源和与其他物种的关系。简单说，就是物种“职业”和“住所”的综合。通常一个生态位只能被有限物种占据，竞争过于激烈会有部分被淘汰。

**意义 **：生态位概念揭示了 **差异化的重要 **。在自然界，每种生物通过占据特定生态位避免直接竞争，从而共存。这对商业和职业有直接启发：企业应找到自己的市场利基，个人应明确自身定位，才能避开红海竞争并存活发展。否则多物种争夺同一生态位，就会竞争激烈导致弱者灭亡。芒格常谈“能力圈”，实则类似人为选择合适生态位；同时他强调企业护城河也是在保护自己的生态位不被竞争者侵占。

**例子 **：在森林里，高大乔木占据上层阳光资源，小灌木耐阴占据下层，各有生态位，所以共生不互相排斥。如果两种动物完全吃同样的食物、活动时间地点相同（一模一样的生态位），那必有一方被竞争淘汰（所谓完全竞争者不能共存）。商业上，7-11便利店定位即时便利，小超市定位日常杂货，大卖场定位一站式量贩——各有生态位。如果一个小店试图什么都卖，会被更专业的对手打败。

适用场景 ： 创业 ：找到市场空隙（niche market）切入，以差异化服务避开大企业锋芒。 职业 ：培养自己独特技能组合，成为某领域不可替代的专家，而不是和大量人拼同质化技能。 企业战略 ：清楚自身竞争优势和定位客户群，不盲目扩张到自己无优势的领域，否则就是跑到别人的生态位送死。生态位模型指导我们 扬长避短 ，找到并巩固适合自己的生存空间。

068/100 邓巴数 (Dunbar’s Number) ：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/02b9d04124c8c21c8eebcce5a3684de1.png

**定义 **：邓巴提出，人类大脑的新皮质容量限制了亲密社交关系的人数，大约为150人左右。即一个人最多与约150人保持稳定的人际关系网络。

**意义 **：邓巴数揭示了 人类社交能力的认知上限 。这在进化上源于原始部落规模，一般150人上下。超过这个规模，群体开始需要正式规则、制度而非纯人际关系来维系，因为我们 记不住每个人 也 难以维持信任 。对现代组织，这意味着公司、军队编制等最佳规模往往在百人左右，太大会出现沟通信任问题，需要分层。芒格在伯克希尔的企业管理中，也偏爱让旗下子公司自治，每个单元规模有限，从而避免大机构官僚低效。

**例子 **：军事单位编制传统上一个连约100-200人，这是长期实践印证的人数限度。超出后需划分营、团。很多企业发现，部门超过150人后，员工彼此不再熟悉，协作和团队感明显下降，因此一些企业倾向拆分团队或采用小工作单元。社交媒体上，虽然一个人可能有上千“好友”，但真正互动频繁的也大约百来人，符合邓巴数预测。

适用场景 ： 组织设计 ：设计公司架构时，可考虑将组织单元控制在150人左右，以增强凝聚力和沟通效率。 社区营造 ：线上线下社区若超过150人，需引入规则和管理者，因为人际网络不够用了**。 人脉管理 **：认识邓巴数，也提醒我们精力有限，把主要精力投入与最重要的百来人维系关系。超出这个数，即使见面也常常认不得名字。总之，邓巴数模型为我们提供了一个 社交效率极限 的参考，在人员管理与社群规划上很有价值。

6. 人性与决策心理模型（24个）

069/100 信任 (Trust) ：

**定义 **：信任是人类社会合作的基础心理机制，指相信他人会正直行事、不欺骗或伤害自己。信任建立通常基于血缘、声誉或制度保障。

**意义 **：**信任大幅降低社会交易成本，**使复杂协作成为可能。如果人人缺乏信任，任何合作都需要昂贵的监督和合同，效率极低。芒格认为， 高信任的体系运转最有效率 ，这是文明与经济繁荣的重要原因之一。同时他也警告过度信任可能被滥用，所以平衡信任与监督很关键。企业文化中，高信任团队更有凝聚力和创造力，但也需防范道德风险。

**例子 **：我们在商店买东西不每次验假，就是对货币和商家诚信的信任。公司里主管将任务交给员工而不事无巨细监管，是对员工的信任，员工也因被信任更愿意负责地完成。社会层面，治安好地区的人更愿意互帮互助，而治安差信任缺失的社区每家都装铁栏防盗，邻里关系冷漠。信任带来的效率和福利差异显著。

适用场景 ： 团队管理 ：领导应营造信任氛围，信任并授权有能力的员工，同****时建立诚信奖惩机制巩固信任。 商业合作 ：诚信经营积累商誉能赢得客户和伙伴的信任，形成良性循环做大市场。 个人关系 ：与人交往守信、坦诚能建立持久可靠的人际网络。注意在高信任环境下，也需要底线约束（如合同法、公司治理）防止少数害群之马破坏信任整体水平。信任模型强调社会资本的重要性，它是 隐形生产力 的一部分。

070/100 激励偏差 (Bias from Incentives) ：

定义 ：由于自身利益或激励所致，我们的判断会不自觉向有利于自己的方向倾斜。即所谓“ 好处在前，理智在后 ”，连我们自己都可能意识不到这偏差。

意义 ：激励偏差解释了很多看似不可思议的糟糕决策或道德问题。芒格称其为人类误判的第一号原因： “拿人手短，吃人嘴软” 。无论专家或常人，一旦有利益牵扯，都难保客观。这提醒我们在决策时要尽量避开直接的私利诱导，或者设计激励使利益与正确决策方向一致。另外，对于别人的建议或意见，也要看他有什么利益动机。

**例子 **：推销员往往真诚地相信自己的产品最好，因为佣金激励让他不自觉忽略缺点夸大优点。医生接受制药公司回扣，可能更频繁地开该公司药品，即使并非最佳选择。审计人员长期受聘于某公司可能放松对其财报审查——安然事件中会计师事务所因咨询费利益对安然违规睁一只眼闭一只眼，终酿大祸。

**适用场景 **： 管理 ：制定激励机制时小心谨慎，避免让员工为短期利益损害长期目标（如只按销售额提成会激励销售忽视客户体验）。 决策 ：决策层应倾听各方意见时，考虑发言者的利益立场。例如供应商说他产品多好，要想到他有推销激励，不可全信。 自省 ：个人在涉及自己利益的判断时，要有意识地审视是否客观，必要时寻求独立意见或数据校验。芒格和巴菲特为防激励偏差，对自己持有股票的公司评价会额外谨慎。总之，要承认“每个人都有价码”，并以制度和理性尽量中和激励偏差。

071/100 巴甫洛夫式联想 (Pavlovian Association) ：

定义 ：由巴甫洛夫经典条件反射实验揭示的现象：动物（包括人）会把同时出现的刺激建立联结，如铃声与食物，久而久之单听铃声也会引发唾液分泌。人也会对过去的 关联经验 形成下意识的好恶反应。

**意义 **：这种 连带联想 的倾向影响深远。广告利用它，将品牌与愉悦场景绑定，消费者看到品牌就有好感；创伤后应激也属此，某声音让战士联想到爆炸而恐慌。芒格在心理误判中称其为“单纯的联想影响”，认为我们的大脑会不自主地因联想而喜欢或厌恶某事物。这解释了很多非理性行为：人可能因为喜欢传递消息的人，就不加批判地接受消息内容。认识这一倾向，可以帮助我们 警惕操纵 （如广告洗脑）、亦可正向利用（如建立积极锚点习惯）。

**例子 **：企业会请明星代言，就是希望消费者把对明星的好感迁移到产品上，这是典型的巴甫洛夫式营销。相反，如果你每次熬夜加班都喝某款饮料，久而久之听到这饮料名字可能就感觉疲惫，因为与你的痛苦加班经验关联。有人在音乐声中闻到特定香水味后来恋爱了，那么以后闻到那香水味也许会莫名觉得浪漫愉悦。

**适用场景 **： 营销 ：设计品牌形象时，将产品与正面情绪（快乐家庭、美好生活）绑定，通过重复接触让消费者形成潜意识正面联想。 行为矫正 ：戒掉坏习惯可以尝试打破原有联想，例如改变抽烟时惯常的环境或替代口感，以冲淡烟瘾发作时的条件反射。 沟通 ：传递不利信息时，选择受众喜欢信任的人来说，也会更易接受，因为联想偏见会降低抵触。这个模型提醒我们，大脑很多评价并非逻辑，而是简单联想反射，要多加留意：我们真的理性喜欢这个东西，还是因为它与某些美好事物巧合出现过？

072/100 嫉妒与妒忌 (Envy & Jealousy) ：

**定义 **：嫉妒和羡慕是人类普遍情绪，指看到他人得到自己渴望的东西而产生的不平和怨恨心理。进化心理学认为，这源自相对地位竞争的本能。

**意义 **：芒格指出， **嫉妒是最没有乐趣却又普遍的罪 **。它不会带给自己任何直接利益，只是痛苦地比较，但演化上可能激励我们追赶竞争者。嫉妒往往驱动非理性行为，例如为了“见不得别人好”而做出损人不利己的事。理解这一倾向，可以让我们在个人情绪管理上有所觉察，别因妒忌而误事。同时在组织中也要防范内部因为不公平激励引发嫉妒，破坏团队合作。

**例子 **：同事升职了，一些人可能因为嫉妒而传播流言抹黑对方，即使这对自己并无好处。股市投资者看别人暴富容易心生嫉妒，继而跟风冒险下注，结果往往追高被套。历史上，“特洛伊战争”被神话成因女神间的嫉妒而起，也反映了嫉妒情绪的破坏力。

适用场景 ： 管理 ：薪酬制****度尽量公平透明，避免显失公允激化员工间嫉妒心；在分配任务和荣誉时考虑团队心理，别让少数人总拿好处，多数人心生不满。 投资 ：克服看到别人赚快钱就眼红的冲动，坚持理性策略。 个人 ：培养知足和欣赏他人成功的心态，对抗嫉妒，避免因嫉妒做出情绪化决策。嫉妒模型教导我们：人是天生喜欢比较的，但 向内比较 （自己的进步）比 向外比较 更健康，而制度设计应 减少不必要的比较 诱因。

073/100 喜好/厌恶偏见 (Liking/Loving & Disliking/Hating Tendency) ：

**定义 **：人们倾向于 高估自己喜欢的人或事物的优点，低估其缺点 ，对于不喜欢的则相反。即先入为主的感情会扭曲我们后续的客观判断。

**意义 **：这个偏见说明我们的判断常被感情染色。喜欢一个人，就更容易被他说服，也更容易原谅其过错；讨厌一个人，则他即便有理也会被我们反驳。这在决策中是危险的，会导致用人唯亲或排斥有益的信息。芒格建议用清单和理性流程部分抵消这种偏见。另外，也可在沟通中利用它：先建立友好氛围，让对方喜欢你，则你的观点更易被接受。

**例子 **：粉丝滤镜就是喜爱倾向的表现，粉丝对偶像的瑕疵视而不见，还美化放大其平凡举动。相反，公司里如果主管不喜欢某员工，可能无意识挑剔TA工作，就算完成得不错也鸡蛋里挑骨头。消费者对品牌的好恶也会影响评估：喜欢苹果品牌的人会容忍其高价和缺陷，讨厌的人再好产品也挑刺。

**适用场景 **： **招聘 ：面试要结构化，避免仅凭“对眼缘”就决定录用或淘汰，**可引入多面试官平衡个人喜恶。 合作谈判 ：先建立友善关系，如寒暄找共鸣，增加对方对你的好感，从而在谈判中对你主张更开放。 自省 ：检查自己是否因喜欢某方案就忽视了隐患，或因讨厌某来源就否定了有用意见，尽量将事和人分开评判。明白喜恶偏见普遍存在，有助于我们在重要决策时提醒自己 “我是不是因为喜欢/讨厌而不自觉偏袒/偏见？” 。

074/100 否认倾向 (Denial) ：

定义 ****：面对痛苦的现实或明显的警讯，人类常选择 否认或忽视 ，以减轻心理不适。这是防御机制的一种，使人逃避必须正视的真相。

**意义 **：否认是短期自我安慰，但长期有害。芒格将其列为愚蠢的根源之一：很多企业走向崩溃的过程中管理层都在否认问题的严重性。了解这一倾向，可以在自己或组织出现危机征兆时，强迫打破否认，比如勇敢面对财务亏损、健康问题等。管理者也应营造文化，鼓励讲真话，避免下属因为害怕或否认心理掩盖坏消息。

**例子 **：有些人在身体出现严重症状时，出于恐惧不敢就医检查，骗自己“没事”，这就是否认，可能耽误最佳治疗时机。企业项目明明一再拖期超支，项目经理却对上汇报“一切正常”，也是否认心理作祟，不愿承认失败苗头。历史上著名的“温水煮青蛙”比喻说明如果逐渐恶化，人会持续否认危险直到太晚。

适用场景 ： 决策 ：定期反思，“我是否在逃避某个不愿面对的事实？”必要时请外部审视，以打破认知盲区。 企业 ：建立预警机制，当关键指标恶化达到阈值必须引起管理层重视，并制定纠偏计划，不能自欺欺人。 心理 ：培养勇气直面痛苦，比如敢于看财务账本，敢于听取批评意见，因为承认问题是解决问题的第一步。否认倾向模型提醒我们 “鸵鸟心态” 的危害，及时拔头出沙子才能逃离猛兽。

075/100 易得性偏误 (Availability Heuristic) ：

**定义 **：人倾向于依据记忆中 **最容易想起 **的信息来判断事件概率或重要性。这导致最近的、显眼的、情绪上强烈的例子对判断影响过大，而统计客观事实被忽视。

**意义 **：易得性偏误说明我们的 **直觉概率评估很不靠谱 **，常被新闻轰炸和个人经历扭曲。例如飞机失事报道频繁会让人高估空难风险，尽管统计上开车更危险。投资者也可能因刚经历一轮牛市就过度乐观。芒格提醒这种偏见会导致决策偏颇，要用数据和理性校正。也可利用这个偏误：比如让正确观念在团队中频繁出现，强化大家印象，从而影响决策倾向。

**例子 **：人们往往认为死于鲨鱼攻击比被椰子砸死的概率高，因为鲨鱼袭人事件更常见于媒体报道且印象深刻，但实际上每年椰子砸死人更多。又如，公司刚发生一次安全事故，管理层接下来几个月会高度紧张投入大量资源整改，但几年风平浪静后警惕性下降，这是近期记忆主导判断所致。

适用场景 ： 风险评估 ****：不要仅凭最近新闻或亲身经历，要看长时期大样本的数据。 管理 ：若有重要但容易被遗忘的风险，可定期提醒（制造可得性）让员工重视，比如每季度重温安全培训以防遗忘。 沟通 ：在说服他人时，多提供生动实例，因为实例让观点在对方脑中更可得，更能说服他。易得性模型最终提醒我们： 显眼的不一定重要，重要的未必显眼 ，要透过噪音看到真实频率。

076/100 代表性偏见 (Representativeness Heuristic) ：

定义 ：我们倾向于根据事物与某典型模型的相似程度来判断归类，忽视了统计基础概率等信息。这导致如 基率忽视 、 刻板印象 等错误。

**意义 **：代表性偏见让人 **以偏概全 **：看到几个特征像X类事物，就断定它是X，而没考虑X出现的整体概率。芒格举例“Linda问题”展示了人们会违背逻辑选择似乎更“代表”但实际更不可能的选项。认识这一点可以帮助我们在判断时加入统计思维，避免被表面故事迷惑。对于防止歧视也有意义，不因几个标签就对某人贴定性标签。

**例子 **：假如介绍一个人“外向健谈，喜欢帮助别人”，很多人会猜他是销售或老师，而不是工程师，即使工程师总体人数更多（基数概率更高）。这就是以刻板印象判断而忽略了基率。再如投资者见某新创公司创始人像乔布斯（代表成功创业者形象），可能武断相信其公司会成功，忽略了创业成功率极低这个统计事实。

适用场景 ： 招聘 ：不要被应聘者某些特质迷惑，以为符合某岗位就一定胜任，应参考更客观的测试和背景核实。 决策 ：在评估概率时，先考虑 基准概率 （base rate），再结合具体信息校正。例如新产品上市成功率行业平均只有10%，即便我们团队经验丰富，也不能凭感觉就估计成功率80%。 避免偏见 ：不以貌取人，不因为人属于某群体（性别、种族、星座）就刻板推测其特质。代表性偏误告诉我们 直觉分类很不可靠 ，必须引入统计理性。

077/100 从众心理 (Social Proof) ：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/e8dcd09589fc002f0afd6f70d0b27939.png

**定义 **：又称社会认同倾向，人们倾向于观察他人行动来决定自己如何行动。“大家都这样做”的信息会强烈影响个体判断，哪怕原本观点不同，也可能随大众。

意义 ：从众是深植于我们基因的 生存策略 ****，群体行为通常提供行为指引以避免犯错。但也正因如此， 集体盲从 和 群体极化 现象频发，导致羊群效应式的错误（如投机泡沫、集体疯狂）。芒格将社会认同列为主要误判心理之一，指出它威力巨大且常与其它偏见联合作用。因此，理解从众倾向有助于我们意识到 流行并不代表正确 ，在重要决策时要能独立思考。管理者也应注意团队中的从众效应，鼓励不同意见。

**例子 **：电梯里如果所有人都面向后壁，新进电梯者大概率会不由自主跟着一起面向后（经典的心理学恶作剧实验）。股市中散户容易追涨杀跌，因为看到别人都买就害怕错过，争相涌入导致泡沫，又在别人抛售时跟风恐慌出逃。日常购物时，“畅销榜”“大家都买”标签也运用了从众心理，让你觉得买的人多的就是好的。

适用场景 ： 营销 ：利用从众倾向可以提高转化率，如在餐厅放满顾客（营造火爆氛围），或提供用户评价数量以增强新顾客信任。 决策 ：若发现自己仅因为别人都那么做才跟随，要停下来问自己理由何在，是否真符合自身信息。 管理 ：鼓励团队中持不同见解的人发声，避免所有人表面一致却集体误判（如庞培式悲剧）。社会认同模型力量大，但也可通过培养 独立思考文化 和 敢于质疑 的风气来缓冲其负面影响。

078/100 叙事本能 (Narrative Instinct) ：

定义 ****：人类天生是“讲故事的动物”。我们渴望用有因果联系的 叙事 来理解世界，即使事件是偶然的，我们也倾向编织故事赋予意义。

**意义 **：叙事本能让知识文化得以传承（通过故事、历史），赋予我们对复杂现实的理解框架。但它也带来偏误：我们可能 偏爱好故事甚于干巴巴的事实 。一个合乎情理的故事常常比零散数据更有说服力，即使故事简化甚至扭曲了真相。芒格提醒投资者不要被公司管理层编织的动听故事冲昏头脑，而要看实际财务数据。叙事驱动也解释了为什么人类容易事后编造“必然如此”的故事（对应 事后偏见 ）。

**例子 **：股评家喜欢在事后用一个故事解释股市涨跌，比如“因为某某消息股市下跌”，但这个故事往往过于简单或牵强，却满足了观众渴求因果的本能。在营销中，“讲品牌故事”比罗列参数更能打动消费者，就是叙事本能的体现——人们记住的是情节而非数据。宗教神话和历史传说都是借由故事流传价值观和经验。

适用场景 ： 传播沟通 ：善用讲故事来传递信息，可大大增强对方记忆和理解。例如领导做愿景宣导，用故事阐释比干巴巴指标有效。 数据分析 ：小心不要为了讲出一个顺畅故事而过度简化或曲解数据，有时现实无明显故事线也要接受。 投资 ：警惕“概念故事股”，管理层或媒体编织前景故事，可能无实质支撑。叙事本能模型提醒我们 故事的双刃剑 ：它是沟通利器，也是思维陷阱，要在享受故事魅力的同时核实其真实性。

079/100 好奇本能 (Curiosity Instinct) ：

**定义 **：人类有强烈的 **求知欲 **，对于未知和新奇事物天生感兴趣。这种好奇驱动人类探索发现，是科学和创新的源泉之一。

意义 ：好奇心促使我们不断突破现状，追求进步。芒格本人就是好奇心的典范，广涉各领域知识。他认为保持好奇能让学习永不止步。然而，好奇本能也可能分散注意力，被无关紧要的信息吸引而偏离目标。因此，既要鼓励好奇以激发创造力，又需引导其方向。总的来说，好奇模型说明 内在动机 的重要性：当人对一件事本能好奇时，不需外部奖励也会投入巨大热情去钻研。

**例子 **：儿童天生问十万个为什么，正是好奇驱动他们学习世界。历史上的大发现往往来自好奇：麦哲伦环球航行、科学家探索太空等。企业中的研发创新团队，往往是由一群对技术和用户需求抱有强烈好奇的人组成，他们推动公司不断推出新产品。相反，如果组织扼杀了好奇心（不许提问题、不尝试新方法），就会停滞守旧。

**适用场景 **： 教育 ：保护并激发学生的好奇心，比强制灌输更能提升学习效果，比如项目式教学引导孩子自己发现答案。 管理 ：营造探索创新的文化，允许员工对现有流程提出疑问并尝试改进，企业才能持续改良。 个人成长 ：保持“活到老学到老”，对新知识保持好奇心，可以让大脑活跃，跟上时代变化。芒格在90多岁仍学习新科技、新理念，证明好奇心可以让人终身成长。

080/100 语言本能 (Language Instinct) ：

**定义 **：史蒂文·平克提出人类有天生习得语法语言的能力，大脑为语言交际进化出专门机制。婴儿在幼年普遍能轻松掌握母语就是证据。

意义 ****：语言是人类合作和文明的基石。语言本能模型强调了 沟通对人类的重要性 。通过语言，我们能共享知识、传承文化、协调大规模协作。芒格本人极重视语言精确表达，他说“不要做模糊的思想”，语言能力不只是交流，也是思考工具。同时，这模型说明 婴幼儿期 是语言学习关键期，错过这个窗口再学语言就难多了。对组织而言，良好的“内部语言”（术语、价值观表述）有助于统一思想。

**例子 **：各地小孩不管生来听的是汉语、英语还是斯瓦希里语，都能在几岁内自然掌握复杂语法，这非后天刻意训练，而是大脑自带的语言学习模块。职场中，一个公司内部形成的黑话行话（比如OKR、KPI等术语)就是组织自己的语言，本能地新员工会努力学习这些以融入圈子。人类历史上，语言的出现极大加速了知识积累，远超其他物种。

适用场景 ： 教育 ：重视幼儿语言环境，多语言环境能激发儿童掌握多种语言潜能，但成人再学就费劲多。 组织管理 ：确保组织内部有清晰的沟通语言和渠道，减少信息误解；同时注意语言会影响思维**，如正向用词塑造积**极文化。 社交谈判 ：善用语言的力量，通过讲故事、使用恰当措辞，可以更有效影响他人。语言本能提醒我们 沟通是人类超能力 ，要充分利用语言来传递思想，并警惕语言陷阱（如文字游戏、宣传洗脑）。

081/100 首因效应 (First-Conclusion Bias) ：

定义 ：芒格比喻人脑像卵子一样，“第一个进入的精子（想法）使卵子关闭”，即我们 倾向于固守先入为主的结论 。一旦脑中形成了初步看法，再接受其他信息时会倾向于支持原先结论，忽略或排斥相反证据。

**意义 **：首因偏见解释了为何 先发影响大 ，以及确认偏误的形成（倾向搜寻支持自己观点的信息）。它让我们反思决策过程要避免仓促下结论，一旦有了结论就难客观。芒格建议用清单和多学科视角推迟做判断，以减轻首因效应。此外，这模型告诉我们 思维定式 一旦形成很难改变，所以教育孩子或培训员工时，起初教什么观点很重要。

**例子 **：面试时，候选人给面试官的第一印象往往会主导整个评价（首因印象），后面表现稍逊也容易被原有好印象遮盖。科学研究里，一代权威的理论可能已经过时，但因为学界大多是先学他们理论长大，对新证据往往抗拒（不愿推翻先入为主理论）。投资者若先入为主认定一家公司优秀，即使后来冒出坏消息也倾向合理化解释继续看好。

适用场景 ： 决策 ****：刻意推迟最终定论，多看多想，不要让第一个想法草率占据主导。 会议讨论 ：避免先让领导或权威发表意见，以免大家盲从先入观点；可先匿名收集想法，再讨论。 市场营销 ：打造产品的第一认知很关键，如品牌定位和用户初体验会深刻影响后续用户忠诚度，因此新产品开局要高质量。首因效应提醒我们 “先入为主” 的强大，既可善加利用，也要谨防它让我们固执己见。

**082/100 以偏概全 (Overgeneralize **from Small Samples) ：

**定义 **：人类容易用 **小样本的经验推演普遍规律 **，忽略统计显著性。这是对大数定律的忽视，在心理学上也算可用性和代表性偏见的结合。

意义 ：小样本误推导致很多迷信和错误认知。例如，个人遇到几次特殊情况就觉得“总是这样”。芒格警告说 不要轻信单一案例 就下大结论，要看长期大量数据。这倾向在商业决策中很危险，比如凭一两个客户反馈就改变战略。克服它需要纪律：遇事问“我样本够大吗？这结论稳健吗？”。

**例子 **：某人在股市上连续三次短线交易赚钱，就认定自己天赋异禀“炒股致富易如反掌”，于是加大赌注，结果第四次大亏—前三次只是随机幸运，小样本让他误判水平。医疗上，一个新疗法用在5个病人身上4人好转，医生若立刻宣称突破有效，其实样本太少也许是偶然，需更多试验确认有效性。

**适用场景 **： 分析 ：凡涉及统计推断，确保样本足够大且具有代表性，否****则宁可说“数据不足无法下结论”。 管理 ：倾听客户和员工反馈时，不因个别声音就全盘改变，要看是否多数趋势。 自身经验 ：承认个人亲身经历有限，不要因为自己或周围几人的遭遇就想当然推论所有人（比如“一次创业成功就觉创业都容易”）。此模型教育我们 谨慎归纳 ，科学的方法是收集足够证据而非道听途说以偏概全。

083/100 相对满足/错反应倾向 (Relative Satisfaction/Mis-reaction)：

**定义 **：人类的满意度常取决于 **相对比较 **而非绝对值。我们倾向于拿现在和过去比、和他人比，从而决定开心或失落。这导致行为上追求相对优势而非绝对改善，有时会误判行动。

意义 ****：心理学研究表明，幸福感很大程度来自与自己过去及周围人的比较。例如 收入提升 但不及别人提升多仍感不满。这解释了为何经济发展了但相对差距拉大时社会不满仍强，以及 嫉妒和攀比 的根源。管理者可以利用正面的相对激励（比如排行榜比赛），但也要防范由此带来的负面（合作变内卷）。此外，相对思维让我们在决策时过于关注比较而忽视绝对收益，比如为了赢对手宁可自损。芒格告诫过，不要因为攀比而做愚蠢冒险。

**例子 **：某人年终奖拿1万，本来满意，但听说同事拿2万后立刻觉得自己被亏待——即使1万本身绝对不错。消费者在打折季容易冲动购买，因为标价 50感觉赚了（相对便宜），但可能原本不需要这商品（绝对花了$50）。在股票交易中，有人不愿卖出赚钱的股票因为相比最高点回落了，陷入“没有卖在最高很亏”的相对比较，错失套现利润机会。

适用场景 ： 个人理财 ：尽量以绝对目标衡量，比如理性评估买卖值不值，而非沉迷于“本可赚更多”之类相对比较。 员工激励 ：可利用排名奖励提升动力，但注意拉开差距过大会****损害团队协作和平衡，也要辅以强调绝对目标达成的重要性。 幸福观 ：培养“不与人比，只与自己比”的心态，降低无谓攀比带来的不满，多关注绝对进步（今年比去年进步就是好事）。相对满足模型提醒我们 幸福是比较级 ，而决策也常被相对差异左右，因此要练习用更 绝对客观 的尺度看问题。

**084/100 承诺与一致性偏差 (Commitment **& Consistency Bias) ：

**定义 **：人们倾向于保持与自己先前的承诺和行为一致，即使这些承诺后来被证明不合适。出于维护形象或心理舒适，我们往往顽固坚持原有立场（哪怕错了），不愿被视为反复无常。

**意义 **：一致性偏差使我们 **有始有终 **，但也 **拒绝认错 **。芒格称其为“小脑瓜的愚蠢一贯性”，很多人明知决策不好却因先前承诺投入了而不愿撤回（沉没成本谬误相关）。理解这一倾向，有助于在组织中设计“吐故纳新”的机制，鼓励承认错误及时纠偏，而不让个人面子阻碍理性调整。同时在说服领域，利用这一偏差可让人逐步小承诺最后大服从（登门槛效应）。

**例子 **：某政客明知政策失败，但因竞选时承诺过，坚持死撑不改，否则显得出尔反尔。许多大项目一开始决策错误，但投入了一部分后决策者为了“坚持到底”，不断追加资源，最终损失更大（经典案例如越战、美苏太空竞赛中的“登月”政治承诺）。普通人也类似，如果公开立flag要减肥，即使过程中发现方法不健康，也硬撑执行，以免被笑话不守承诺。

适用场景 ： 决策纠偏 ：组织文化应允许修改决策，不将承认错误视为无能。芒格提倡“认识并改正错误是值得奖励的”。 谈判与销售 ：逐步让对方做出小的认同或承诺，他们为了一致性会更倾向于接下来的大合作（分阶段签约策略）。 自我管理 ：警惕自己是否因为逞强而不愿放弃错误决定，要敢于止损。运用一致性模型时需平衡：一方面鼓励坚持正确承诺，另一方面给出改正错误的 台阶 （如提供新信息）帮助人们体面地改变立场。

085/100 事后偏见 (Hindsight Bias) ：

**定义 **：事件发生后，人们倾向于认为自己早已知道或预测了结果，其实当初并没有那么确定。俗称“马后炮效应”或“早就知道了”。

**意义 **：事后偏见让我们 **高估自己过去的判断力 **，进而对未来过度自信。芒格认为这会妨碍我们从错误中学习，因为事后每个人都说“我本来就知道会这样”，从而错失反思失误的机会。克服该偏见的方法之一是在决策前写下预测，事后对照，才能客观看出差距。它也启示我们建立记录习惯（如投资日记、决策日志），以免大脑事后美化过去观点。

**例子 **：股市崩盘后，许多人回想时觉得征兆明显、自己其实也有所预料，但事实上在崩盘前却没有明确行动避险。考试成绩公布后，学生容易觉得“哪些题我本来就会，只是一时疏忽”，这也是事后智慧自我安慰。911事件后，各种分析涌现，把之前被忽略的线索拼凑成显而易见的警告，好像这悲剧本可避免，但现实中没人真的预料到。

**适用场景 **： 学习复盘 ：制定项目/投资前的预期清单，结果出炉后严格对比，提高认识错误的敏感性，不能让大脑事后自圆其说混过去。 风险沟通 ：当人们倾向认为某风险“早知如此”，可能会掉以轻心，应强调当时难以预料性，警惕未来类似风险。 法律及审计 ：事后评价行为要考虑当时信息，不可用事后视角苛责（例如司法上杜绝“结果导向论”，以免每次出事都说当事人应该早知）。总之，要承认人类 事后诸葛亮 倾向，才能更加谦逊审视自身预测能力。

086/100 公平敏感 (Sensitivity to Fairness) ：

**定义 **：人类高度重视公平与否，若感知到不公，会引发强烈情绪反应，包括愤怒、不合作甚至报复。这倾向深植于人性，即使为公平牺牲点利益也愿意。

**意义 **：公平感倾向解释了为何人们不仅关心绝对收益，也在意相对公平（这与相对满足倾向相关）。社会契约和道德建立在对公平的追求上。然而“公平”概念随文化和情境不同而变，容易被操纵来煽动情绪。管理者需认识员工对待遇公平的敏感，确保制度透明公正以维系士气。决策者也要平衡利益分配，在追求效率同时兼顾公平，否则激起民怨不满，反过来损害长期利益。

**例子 **：心理学“最后通牒游戏”中，一方提分钱另一方可接受或拒绝，实验发现如果提议严重不公平（比如一方拿90%另一方10%），被试常拒绝即使拒绝意味着双方都得不到钱。这表明人宁可自损也不愿接受明显不公。职场里，若员工觉得升职纯看关系不看能力，会严重打击工作积极性。社会上，税收太偏向富人会引发平民不满要求“劫富济贫”，为了社会稳定必须矫正过度不公平。

**适用场景 **： 制度设计 ：建立公平透明的评价和奖励体系，确保机会和待遇公正，这样员工更服气和努力。 谈判 ：照顾对方的公平感，比极端榨取更利于达成协议和维持关系，双赢结果更稳定。 政策 ：制定经济政策需缩小过度贫富差距，保障基本公平认知，否则长远会引发社会问题。公平敏感模型说明 人的公平诉求不可忽视 ，尊重它有利于合作和稳定。

087/100 基本归因错误 (Fundamental Attribution Error) ：

**定义 **：人们倾向于将他人行为归因于其性格品质，而低估情境因素影响。相反，对自己则更多归因于环境。这是社会心理学常见偏误。

**意义 **：基本归因错误会导致我们 对他人苛责，对己宽容 。不理解他人所处环境，就妄下评语，说别人成功纯靠本事/失败因无能，忽略了机会或困难背景。芒格提醒要 走在对方的鞋子里看问题 ，换位思考情境因素。纠正这一偏差可让我们更有同理心，也更准确判断问题根源（很多问题可能是情境所迫，不是个人品德缺陷）。在管理上，如员工表现差，先考虑工作系统问题而非立即贴懒惰标签。

**例子 **：看到路人闯红灯，我们容易批评其素质差（人品原因），但可能他正赶去医院情非得已（情境原因）。公司项目失败，外人可能怪项目经理无能，但实际市场突然变化或资源不足才是主要原因。自己迟到，会说因为堵车（情境），但别人迟到就说他不守时（性格）。

适用场景 ： 管理 ：评估员工问题时，多问“有什么环境/制度因素导致？****”而非先入为主怪员工能力或态度。 人际 ：遇人行为不如预期，先考虑对方当时处境，别急于道德评判。 自省 ：意识到自己也常受环境影响，所以别总把成功归功自己，失败推给运气，要相对公允看待。总体，通过克服归因偏误，我们能 更客观 地分析问题原因、减少误解和冲突。

088/100 权威影响 (Authority Bias) ：

**定义 **：人们有服从权威指令的倾向，即使在违背自身判断或道德时也是如此。米尔格拉姆的电击实验著名地证实了普通人在权威命令下可做出残忍行为。

**意义 **：权威偏见说明 **头衔地位 **对人心理有巨大影响。服从权威在进化中有利于群体协调，但也容易被不良权威利用。芒格谈此倾向时强调，要提防不合理的服从，也在公司里反对个人崇拜。管理者则须肩负责任，因为下属会过度依赖你的指示，自己要审慎决策并鼓励下属独立思考。

**例子 **：企业内若领导做出错误决定，下属很少公开反对，多数会服从执行，这是权威效应。二战中纳粹士兵屠杀平民时常以“服从命令”为借口，米尔格拉姆实验证明普通人在研究人员（权威）要求下持续提升对他人电击的强度，高达65%受试者服从到底。医疗场景，护士常遵循医生指示给药，即便剂量异常也可能不质疑。

适用场景 ： 组织 ：建立开放文化，让下属敢于对领导建议提异****议，这样减轻盲从带来的错误风险。 社会 ：公民教育里强调个人良知和批判思维，不能凡事迷信权威人物。** 自身 **：面对“专家”或“上司”意见，保留独立判断，必要时核实或征求第二意见。例如医生诊断重大疾病时，可寻求另一医生确认，不盲从单一权威。权威影响模型提醒 领导者 要慎用权威，而 追随者 要勇于质疑不合理的权威指令。

089/100 压力影响 (Stress Influence) ：

**定义 **：在高压力下，人类身心会进入“战或逃”模式，认知能力下降，更依赖本能和习惯。几乎所有认知偏误在压力下都会加剧。

**意义 **：压力影响说明 **极端情境 **对决策质量的不利影响。芒格引用名言：“在战斗激烈时，你不会升华到期望水平，只会降到平时训练水平”。因此要在平时练好基本功和流程，以免压力中犯错。它也提醒领导者，在团队高压时，调整氛围、减压很重要，否则错误决策和冲突概率大增。个人也需要学习在压力下保持冷静的方法。

**例子 **：消防员如果未经严格训练，真遇大火常因恐惧而惊慌失措；而训练有素者会在压力下自动按程序行事，减少慌乱失误。公司遇危机（如被公众抨击），管理层压力巨大时容易甩锅、相互指责或仓促决策，这时若平时有应急预案和冷静头脑就能避免更大错误。考试焦虑也是典型：有的学生平时会做题，考试紧张大脑空白，就是压力让认知功能受损。

适用场景 ： 应急管理 ****：通过演练和预案，使人在真实危机中能按流程走，不至于压力下乱了方寸。 团队 ：当团队处在高**压节点（项目赶工、**业绩下滑），管理者应关注成员心理状态，提供支持减轻过度压力，防止崩溃或内耗。 个人 ：掌握抗压技能（呼吸放松、积极自语等），并尽量在重大决策时避免极度紧张状态下拍板，如果情绪很糟糕，可以延迟决策或请教旁观者意见。压力影响模型让我们意识到： 平时的纪律和训练 是在关键时刻保护理性的保障。

090/100 幸存者偏差 (Survivorship Bias) ：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/8fe240efb896647bafa8a35e3b6f79dc.png

**定义 **：我们倾向于只看到幸存成功者的数据，而忽略失败者，从而对成功概率形成偏高估计。历史由胜利者书写，失败者的声音常常寂灭，这会导致认知偏差。

**意义 **：幸存者偏差使我们对某些方法或策略的有效性过度乐观。例如只研究亿万富翁的共同点，但没看那些相同特质却失败的人，容易得出错误成功秘诀。芒格警告投资者不要只看现存成功公司业绩推测策略可靠，要想到多少公司已经破产（看不见）。解决之道是在分析时主动寻找“消失的数据”，平衡视角。

**例子 **：二战时，统计人员统计返航飞机弹孔分布，建议加强防护较少弹孔处，因为回来飞机上少弹孔的部位可能意味着被击中就没能返航（即被击落飞机的弹孔分布数据缺失）。投资领域常见“选股大师”频出，但忽略了那些失败离场的投资者，实际上长期跑赢市场寥寥无几。出版界畅销书秘诀分析也倾向于研究成功作品，但数以千计类似却不成功的书我们看不见。

适用场景 ： 商业分析 ：评估商业模式时，不仅考察现存成功企业，还应调查失败案例，了解风险原因，避免幸存者偏差只看到光鲜。 个人规划 ：别只看名人传记里的成功经验，也要明白有成千上万具备类似品质的人未成功，从而正确看待概率和运气成分。 科研统计 ：注意样本选择，不能只挑选正面结果的数据而忽视负面结果，否则结论偏颇。幸存者偏差模型提醒： 看不见的尸骸 同样重要，要努力收集全面数据以免误判。

091/100 行动偏好 (Action Bias) ：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/449048877ca3c95333775fa41f1db233.png

定义 ****：在人面对危机或空闲时，有倾向“ 做点什么 ”以显得有作为或缓解焦虑，即使静观其变或不干预可能是更佳选择。这包括战或逃本能在和平环境的投射。

**意义 **：行动偏好导致人们有时会 瞎忙或过度干预 ，反而招致负面效果。芒格常说“别做傻事就是聪明”，有时最好的决定是按兵不动。这与现代人的忙碌病有关，总觉得不行动就没有价值。但实际上，优秀的决策者知道 何时应该按兵不动 。了解行动偏好，可以在决策中多问：“是真的需要行动吗？如果不做会怎样？” 以免因不安而瞎折腾。

**例子 **：股市波动剧烈时，许多投资者坐不住频繁买卖，结果追涨杀跌损失惨重，而真正高手可能在波动中按原计划持仓不动。球队临近比赛结束落后，教练常叫暂停布置复杂战术，但研究显示有时持续当前节奏反而更好，这就是过度干预的例子。日常生活中，一有空闲就觉得应该找点事做，否则不安心，也是行动偏好在心理上的表现。

适用场景 ： 投资 ：制定策略后，除非有重大信息改变，尽量避免没事就频繁交易。一些交易平台甚至提供“冥想室”功能，防止用户冲动下单。 管理 ：碰到问题时，先分析是否真的需要新行动，还是已有机制会纠正（如员工出小错，或市场短期波动），不要一慌就出台新政策。 健康 ：某些小病小痛身体自愈即可，过度医疗反而有副作用，也体现了不必要行动的风险。行动偏好模型让我们懂得 静观其变 也是选项之一，应该根据理性判断而非焦虑情绪决定是否采取行动。

092/100 确认偏误 (Confirmation Bias) ：

**定义 **：人们倾向于 **搜寻、解释、记忆 **那些支持自己已有观点的信息，忽略或淡化反对信息。这会导致思想越来越偏执，难以客观看问题。

意义 ****：确认偏误是认知科学中最根深蒂固的偏误之一。它导致我们 固步自封 ，只看自己愿意看的事实。这在政治、宗教、投资等领域表现明显：不同立场的人各自有一套片面的“证据体系”。芒格认为要战胜确认偏误，就要刻意训练自己去找反例、听反方意见，甚至把反方论点表述得比对方还好。独立思考者必须对自己的论点进行“反向压力测试”。确认偏误也解释了为什么科学方法强调可证伪性、对立面辩论，以对抗人的天然片面性。

**例子 **：投资者一旦持有某只股票，就会更多关注利好新闻，对利空选择性忽视，这样可能错过及时止损机会。社交媒体的信息茧房也是确认偏误的产物——算法推送迎合用户偏好的内容，让人以为全世界都支持自己观点。公司决策会上，老板倾向的方案大家都找支持数据，没人敢提相反数据，导致决策看似有力证据支撑，其实另一面证据被压制。

适用场景 ： 决策 ：要求团队在做出决策前，必须提出几个强有力的反对论点一起讨论（芒格所谓**“在同一屋檐下模拟多元思**维”）。 学习 ：阅读和接触与自己观点不同的资料渠道，主动打破信息茧房，多角度看问题。 科研 ：设计实验时，刻意考虑能否找到反证，不然很容易只关注验证假设的结果，忽视反常数据。确认偏误模型警示我们： 求知若渴易，求真若难 ，要用理性压制住内心的偏爱，学会 自我质疑 和 倾听异见 ，才能更接近真相。

7. 微观经济学与战略模型（14个）

093/100 机会成本 (Opportunity Costs)：

**定义 **：为了得到某种东西所放弃的 **次优选择 **的价值。任何资源（时间、金钱等）一旦用于A选项，就失去了用于B选项的可能收益，这就是选择A的机会成本。

**意义 **：机会成本是经济学的基本概念，也是芒格极为强调的思维习惯——时刻问自己：“ 相比更好的用法，这样用资源值得吗？ ”。理解机会成本让我们 不会贪小失大 ，懂得有所为有所不为。决策应以所有可行选项中最优者为比较标准，而不是只看绝对收益。机会成本模型强调资源的稀缺性和选择的权衡性，是理性决策的核心思维之一。

**例子 **：如果你花时间刷剧，那机会成本可能是本可以用这些时间学习一项新技能的收获。企业用一块土地造仓库，机会成本可能是用它开商场的潜在利润。政府资金用于建体育馆，其机会成本是没用这笔钱去改善教育或医疗——因此公共决策应权衡各种用法哪种社会收益最高。

**适用场景 **： 个人理财 ：消费决策时，以机会****成本衡量非必要支出——花$3000升级手机意味着少了去旅游的预算，这样就能更理性消费。 投资 ：评估投资项目要看与其他投资相比的性价比，不仅仅项目本身正回报就投，而应选那个回报最高的（基于风险调整后的最高机会收益）。 时间管理 ：将精力用于最重要的事情，意识到“ 说Yes给一件事，就等于对其他事说No ”，从而避免被次要任务占满日程。机会成本模型敦促我们 见微知著 ，看到隐性的代价，从而优化资源配置。

094/100 创造性破坏 (Creative Destruction) ：

**定义 **：经济学家熊彼特提出的资本主义发展本质—— 新技术新产业不断创新，摧毁旧技术旧产业 ，在破坏中带来经济整体的进步。

**意义 **：创造性破坏揭示了 创新与淘汰并存 的规律。每一次技术革命都会让旧行业衰亡，同时催生更高效的新行业。理解这一模型，可以让企业居安思危，不被颠覆者淘汰；让政策制定者平衡创新利益与失业痛苦；让投资者顺应趋势而非执着旧模式。芒格也谈到，不要指望“ 东西总归如此 ”——技术和竞争迟早会颠覆一切，唯有不断创新才能长期存续。

**例子 **：智能手机的兴起就是创造性破坏——数码相机、MP3、掌上游戏机等许多设备市场被手机整合淘汰，但同时催生了APP经济、新通讯、移动电商等新产业。电商的普及冲击传统零售实体店，造成商业地产萧条，却也带来物流、互联网服务繁荣。历史上，汽车取代马车、电脑取代打字机等都是此模式。

**适用场景 **： 企业战略 ：要有 自我颠覆 意识，在行业变化前主动革新，宁可自己淘汰旧产品，也不要等竞争对手来淘汰自己。 产业政策 ：扶持新兴产业的同时，对被淘汰产业的从业者提供转型培训和社保缓冲，以平滑创造性破坏带来的社会震荡。 投资 ：捕捉大趋势，对夕阳行业保持警惕，对有潜力颠覆格局的新模式给予关注，同时分散风险因为创新结果难料。创造性破坏模型强调 新陈代谢 是经济健康之源，不应出于保护落后而压制创新，但也要人性化地管理转型过程。

095/100 比较优势 (Comparative Advantage) ：

定义 ：大卫·李嘉图提出，两个人或国家即使一方在所有生产上都占优，双方仍可通过专注各自 相对更擅长 的领域进行交换而互利。简单说，哪怕你啥都比我强，但你更擅长A而次擅长B，我次擅长A更差擅长B，那么由你主产A、我主产B交换，双方都收益。

意义 ****：比较优势是国际贸易和分工的理论基石。它说明 专注于相对优势 能够提高整体效率，打破了“优势方才有利”的直觉误区。对于企业和个人，这模型也适用：与其试图事事亲为，不如把精力放在自己最强项上，其他通过合作获取。芒格的合作搭档巴菲特就说，他专注投资，他们公司其他业务都授权更有比较优势的人负责。

**例子 **：经典例子：假设律师也能速记，但律师每小时值500美元，雇速记员成本每小时100美元。虽然律师速记或许比速记员更快（绝对优势），但律师1小时做律师工作赚500可支付速记5小时工作，所以应该专注律师工作，把速记工作外包给速记员。国际上，美国粮食生产率高于一些小国，同时软件开发能力也强，但软件相对更有优势，所以出口软件进口粮食可能更划算，让小国出口粮食进口软件，两国都得益。

**适用场景 **： 个人职业 ：发现自己最有比较优势的技能领域，深耕其上，其它弱项工作可委托或协作（如请会计理财、用家政服务等），从而整体效率提升。 企业 ：找准核心竞争力（比较优势领域），将非核心业务外包或采购，集中资源在最擅长的环节上，以提升竞争力。 宏观 ：鼓励国际或地区间分工贸易，各自发挥比较优势，会比闭关自守更繁荣。当然，比较优势模型假设资源可流动转换，在现实中要考虑转型成本、就业冲击等，但长期看分工互惠是利大于弊的经济规律。

096/100 专业化 (Specialization) ：

**定义 **：亚当·斯密在制针厂例子中阐述的原理：将生产过程拆分，让工人各自专门从事一道工序，可大幅提高效率。专业化通过熟练和节省换工序时间来增产。

**意义 **：专业化是工业革命和现代经济高效的原因之一。它导致更高产出和更低成本，同时也催生对外部交换的依赖（因为各自不再自给自足）。芒格不仅看经济，还将“专业化”应用于知识获取：他和巴菲特深知自己擅长投资，不涉猎自己没有优势的领域。专业化也有代价，如工作单调和创新视野受限，所以斯密也提醒分工过细可能使工人愚昧，需以教育弥补。

**例子 **：传统工匠一人完成整件产品，效率低昂贵。现代工厂的流水线是专业化典型：每个工人只装一个零件，显著提高产能。麦当劳将后厨操作细分，员工各司其职，才能迅速出餐。职业上，医生分为各科专家，一般医生处置常见病，疑难杂症交给专科医生，各有所长提高整体医疗水平。

**适用场景 ： 企业 ****：优化内部分工，培训员工在特定岗位精通，同时避免过度分工僵化。 职业生涯 **：发展一两项拿手本领，让自己在就业市场有突出价值，但也警惕过于狭窄导致可替代性低或行业变化风险。 社会 ：鼓励产业链分工协作，然而也要注意过度依赖外部导致脆弱性，需要平衡专业化和多样化（如供应链太集中就有风险）。专业化模型强调 术业有专攻 ，是效率源泉，但也需和比较优势、创造性破坏等模型综合考虑以适应变化。

097/100 抢占中间 (Seizing the Middle) ：

**定义 **：商业战略上，通过掌控价值链中间关键环节，取得对整个系统的控制权和高议价权。这类似于在国际象棋中占据棋盘中心就能掌控全局。

意义 ：抢占战略要地是古今通用的战略思维。在商业中，若能控制行业关键 枢纽 （如标准、平台、分销网络），就能获得巨大优势。芒格和巴菲特喜欢投资 护城河深 的企业，本质也是占据了市场要害。理解这一模型，可以帮助企业设计战略：找出价值链中利润最高、地位不可或缺的环节切入。同时意识到，不在中间的企业可能被中间商挤压，需要调整地位。

例子 ****：洛克菲勒创立标准石油时，识破炼油厂竞争激烈但 运输是瓶颈 ，于是他通过与铁路商订独家合同垄断了石油运输(占据中间)，从而迫使其他炼油厂服从或卖给他。微软抢占PC操作系统这个中间平台，使其在软硬件生态中掌握支配权（软件商要适配Windows，电脑厂商预装Windows），由此称霸。沃尔玛通过强大零售网络掌控供应链中间，供应商不得不以低价供货。

**适用场景 **： 创业 ：寻找行业痛点或重要连接环节切入，打造平台型或标准型业务。例如当年支付宝抓住支付中介这个用户信任痛点，成为电商交易中间环节的主导。 企业战略 ：纵向扩张控制价值链核心，例如苹果打造iOS生态和App Store平台，掌握了用户和开发者之间的“中场”。 竞争 ：若对手占据中间，可考虑绕开或创新替代模式，否则直接竞争难胜。抢占中间模型提醒： 谁控制关键节点，谁就拥有定价权和主导权 。

**098/100 知识产权保护 (Trademarks, **Patents, Copyright) ：

**定义 **：商标、专利、版权等法律制度，用于保护创意和知识成果的专有使用权，防止他人未经许可复制利用。

**意义 **：知识产权保护提供创新激励。如果发明者不能排他使用发明，别人免费搭便车，会削弱创新动力。因此法律赋予有限垄断权，让创新者在一定时期内获得超额收益，以弥补研发投入。这模型对经济发展关键：专利促进技术进步，版权推动文艺创作。但也有权衡，因为保护过度（太长或太宽泛）会阻碍后续创新和公众利益。芒格在投资评估中，也关注公司知识产权壁垒，因为那构成重要护城河。

**例子 **：医药专利通常从申请算起有效期20年，在此期间制药公司可独占市场并以高价销售新药回本盈利。专利期满后仿制药厂可生产低价药，惠及公众。商标例如可口可乐的品牌，受法律保护，竞争对手不能用同名误导消费者，这保障了公司品牌价值不被稀释。音乐、软件受版权保护，使创作者和开发者能因作品销售获利，否则人人免费拷贝他们将无收入来源。

适用场景 ： 商业 ：企业应善用知识产权策略，如及时申请专利、注册商标，构筑法律壁垒防竞争。同时尊重他****人IP，避免侵权风险。 政策 ：制定IP法时平衡创新激励和公众利益，确保保护力度适中（如强制专利许可、合理版权期限等）。 个人 ：理解IP的重要性，在创业或创作中注意保密与保护原创，同时避免侵犯他人IP导致法律纠纷。知识产权保护模型表明 创意也需产权 ，这是知识经济时代的关键制度，合理运用可形成 竞争护城河 和产业优势。

099/100 复式记账 (Double-Entry Bookkeeping) ：

**定义 **：一种会计记账方法，每笔交易在借方和贷方各记一笔，使得资产=负债+权益恒等成立。起源于意大利文艺复兴时期，被誉为“现代会计的基石”。

意义 ：复式记账极大提高了财务记录的准确性和完整性，让企业得以系统管理复杂经济活动。它提供了 内部核对 机制（借贷平衡），能及时发现记录错误。更重要，它奠定了现代企业制度发展，因为只有可靠财务信息，投资者和管理者才能做决策。芒格非常重视会计知识，他认为理解财报之本在于明白复式记账如何反映业务实质。

**例子 **：如果公司借款100万购买设备，则会计账簿上资产（设备）增加100万，负债（借款）增加100万，借贷保持平衡。年底折旧5万，则资产减值5万记作费用，权益减少5万，对应贷方累计折旧5万，借贷仍平衡。通过复式记账，公司可以编制资产负债表、利润表、现金流量表等完整财务报表。

适用场景 ： 企业管理 ：必须建立健全会计体系，运用复式记账方法确保财务透明，防止错账和舞弊。 金融分析 ：投资者应具备阅读财报****能力，知道借贷恒等式以及各种科目间关系，以评估企业健康。 个人理财 ：虽然不严格要求复式法，但参考其思想进行收支平衡表，对理清财务状况很有帮助（至少了解资产欠债差额=净资产）。复式记账模型凸显 严谨核算 的重要性，它不仅是会计技术，更是 信用和市场 的基础—没有可靠的财务信息，资本市场无法运作现代经济难以发展。

100/100 效用与边际效用 (Utility - Marginal Diminishing/Increasing) ：

定义 ：效用指满足需求带来的主****观价值。 边际效用 是每增加一单位商品带来的新增效用。多数商品具有 边际效用递减 （每多一个带来的满足感逐渐减少），少数情境有 边际效用递增 （达到临界量后价值跳增）。

意义 ：边际效用概念解释了消费者行为规律和资源配置倾向。如水对口渴的人第一杯效用极高，再喝几杯就无甚感觉甚至难受（递减）。这也支撑了价格理论：价格由边际效用决定而非总效用。对策略而言，知道 适度原则 ，投入不是无限有利，过量反而有害。另一方面，了解边际递增情况，比如网络效应（用户多到一定数量价值激增），可以抓住转折点发力。

**例子 **：一个饥饿的人吃第1个馒头价值极大，吃第4、5个基本没感觉，第6个可能吃不下（负效用）。因此馒头不会卖太贵，因为边际效用很快下降。相反，社交网络用户数达到关键规模前，价值不大，但超过临界后边际效用递增迅猛，每增加一个用户对整体价值贡献更大。公司资产也是，如资金少到一定程度连基本运转都难，增加一点资金效用巨大；而资金特别充裕时，多一点可能闲置，边际效用递减。

**适用场景 ： 资源配置 ：均衡边际效用。例如农场同时需要水和肥料，两者边际效用各不相同，应投入到边际效用相等为止（**经济学“等边际原理”）。 消费决策 ：考虑边际效用，不因为过去投入大就继续投入（沉没成本无关当前决策），看下一单位投入是否值得。 战略 ：识别业务的关键量临界点，前期边际效用递增区尽快突破，如达到规模经济；也注意产品过度开发、市场过饱和导致边际效用递减甚至负，如APP功能越加越杂反而用户体验下降。效用模型提醒我们 关注每一增量 的价值，不盲目追求总量。

101/100 瓶颈 (Bottlenecks) ：

**定义 **：瓶颈是指流程中最慢或容量最小的环节，限制整个系统的产出。流水装瓶时瓶口最窄限制流速，因此称关键约束点为瓶颈。

意义 ：任何系统的效率取决于瓶颈。改进其他环节不会提高整体速度，只有缓解瓶颈才能提升产能。这模型强调 抓主要矛盾 ：找到约束要素集中突破。芒格在强调80/20法则时也隐含类似思想。管理上TOC（制约理论）就是围绕瓶颈优化生产。认识瓶颈还有助于预防“木桶短板”：团队或项目的薄弱环节决定最终成败。

**例子 **：工厂流水线上若某工序每小时只能加工50件，而前后工序能100件/h，则产线每小时只能产50件。即使其它工序再快也堆积在瓶颈处，无法提高总产量。互联网下载文件时，有时服务器带宽成瓶颈，你本地网速再快也没用。新冠疫情下，疫苗推广的瓶颈可能在原料供应或冷链运输，这就决定了接种速度。

适用场景 ： 运营 ：持续监控流程指标，定位当前瓶颈工序，集中资源优化（增加人手、改良技术等）。瓶颈消除后新的最慢环节成为新的瓶颈，再循环改进。 项目管理 ：把控关键路径上耗时最长的任务，那往往是项目周期瓶颈；必要时并行或增加资源来缩短它。 生活理财 ：发现自己目标受阻的主要原因，如健康上是睡眠瓶颈，学习上可能注意力瓶颈，对症下药。瓶颈模型提醒我们 短板决定高度 ，将精力对准限制因子才能有效改善系统性能。

102/100 囚徒困境 (Prisoner’s Dilemma) ：

**定义 **：博弈论经典模型，讲述两个嫌犯分别被审讯，如果都保持沉默各判1年，如果一方供出另一方沉默则前者释放后者判10年，如果互相揭发则各判5年。理性自利选择是互相揭发（纳什均衡），但这使双方都比合作沉默更糟。

**意义 **：囚徒困境揭示了 **个人理性导致集体非理性 **的局面，类似公地悲剧但更强调策略互动。许多现实问题（军备竞赛、价格战）都是囚徒困境：各方为了自身利益采取对抗策略，结果集体陷入次优。解决囚徒困境需要 建立合作 （如契约、信任、长期重复博弈）。芒格在讲逆向思维避免愚蠢时，会考虑这类典型博弈结构，以寻找打破困境的办法（比如让对方互信）。

**例子 **：两家公司在新市场竞争，如果都不打价格战，各自盈利不错（合作）；若一方降价抢市另一不降，该降价者占大份额收益多（背叛），另一亏损；但往往两家都怕吃亏而纷纷降价（互相背叛），导致利润皆薄，甚至双输。冷战核军备竞赛也是囚徒困境：双方各自加码武器避免劣势，耗费巨大资源却不一定更安全。

**适用场景 **： 商业策略 ：识别与竞争对手是否陷囚徒困境，如价格战或广告战。若是，可寻求行业自律、联盟或并购等方式建立合作避免双输。 国际关系 ：签订互信协议或建立沟通机制，化解囚徒困境带来的冲突风险，例如裁军条约。 组织内部 ：考核机制避免让员工相互竞争得利益，如过度零和可能让部门不配合，合作项目陷囚徒困境，需要调整激励促进协作。囚徒困境模型提醒我们 合作有时优于竞争 ，但前提是要解决信任难题，否则单方面合作会吃亏，因此制度和沟通很重要。

103/100 贿赂 (Bribery) ：

**定义 ：以金钱或利益收买在位者，使其违规提供便利或放弃原则。**经济学上，贿赂可看作对规则的 非法套利 行为。

**意义 **：贿赂现象源于代理问题（代理人通过权力寻租），破坏了公平竞争和规则秩序。理解贿赂模型可以让我们在制度设计上堵住寻租空间，如减少审批权力、提高透明度和惩罚力度。芒格将其归入激励导致的误判：当会计师接受客户好处，他的独立性就丧失了（正如他批评的会计行业卖诚信）。

**例子 **：企业通过贿赂官员获得项目承包或审批加速，这是典型商业贿赂，短期对企业有利但损害社会资源配置效率。体育赛事中，裁判受贿吹黑哨破坏比赛公正。公司内部，采购经理收供应商回扣，可能买贵或低质原料损害公司利益。

**适用场景 **： 反腐 ：建立完善监管和惩罚机制降低贿赂收益、提高风险，如公开招标、审计稽核、严****厉刑罚，让行贿受贿得不偿失。 企业治理 ：财务采购设置轮岗、多人决策，防止单人掌大权滋生贿赂。 个人 ：面对不良诱惑要守住道德底线，意识到短利背后的长远代价。贿赂模型提醒我们 制度漏洞 处容易滋生腐败，要不断完善制度并弘扬诚信文化才能维护长期利益。

104/100 套利 (Arbitrage) ：

**定义 **：利用同一商品或资产在不同市场的价差，低买高卖同时进行以获取无风险利润。一旦被发现套利行为会推动价格趋同，套利机会消失。

**意义 **：套利是金融市场效率的推动者，因套利者纠正了价格不一致。但完全无风险套利机会在成熟市场极少出现，因为市场会迅速调整价格平衡。但广义地，生活中也有“套利”思维：寻找不合理差价或政策优惠窗口，及时把握。芒格喜欢投资有可套利元素的交易（比如可转债错定价）。需要注意过度复杂的套利策略可能潜藏风险非零。

例子 ：外汇市场，若1美元=110日元在东京，1美元=108日元在纽约，套利者可在纽约用1美元买108日元，然后在东京把108日元换成0.9818美元，再到纽约换成…不对，此例子有价差但细算没有明显盈利，改:假设某地1苹果=1美元,另一地1苹果=1.1美元,那么商人可从低价地买苹果转卖高价地,获取0.1美元每苹果利润,市场补货后两地价差会缩小。金融里著名的 可口可乐与其股票 ：历史上，某次可口可乐子公司交易出现母子公司估值倒挂，套利者买入子公司股票、卖空母公司股票，直到价差消失。

**适用场景 **： 投资 ：关注市场错价机会，如双重上市公司之间、股指期货与现货之间存在价差，可做多低估、做空高估锁定利润。但要警惕交易成本和执行风险。 商业 ：全球购或地区差价销售其实就是套利，例如从低税国家进口商品到高价市场销售。 政策 ：当政策存在漏洞导致套利行为（如不当补贴被钻空子套取现金），需要及时修补。套利模型强调 精明发现价差 能获利，但在高效市场这机会稍纵即逝，长期策略还是创造真实价值。

105/100 供需 (Supply and Demand) ：

**定义 **：供给和需求的关系决定市场价格和交易数量。当供过于求，价格下降；求过于供，价格上升，直到达到均衡价格供需相等。

意义 ****：供需原理是经济学最基本、威力最强的模型之一，芒格称其为 “普世原理” 。理解供需可解释和预测许多现象：商品短缺时涨价，人力市场供大于求工资低等。任何商业决策都要考虑会否改变供需平衡。即便是无形的东西（如金钱利率也是资金的供需价格，权力也有供需关系）。供需模型教我们 价格不是任意的 ，而由市场力量推敲出来。因此调控市场需要顺应或影响供需方，而非强行定价（否则会造成短缺或过剩）。

**例子 **：口罩在疫情初期供不应求，价格飙升；后期产能扩张供过于求，价格又回落。劳动力市场上，某专业人才稀缺（需求旺供给少）薪酬就高，如AI工程师。石油输出国通过限产来减少供给，从而支撑油价。房租市场若政府限价低于均衡价，需求大增供给减少，就出现房屋短缺和黑市。

**适用场景 **： **商业 ：定价要考虑市场容量（需求）和竞争状况（供给）。如新品上市，若需求****旺可选择高价策略，**否则低价走量。 投资 ：判断行业景气时，看供需格局，如芯片业周期性供过于求时企业利润下滑。 政策 ：调节市场采用经济杠杆比行政命令有效，如征税提高成本抑制供给，补贴提升需求，而不宜简单限价配给。供需模型是 经济语言 的核心，贯穿多种其他模型（帕累托、比较优势等都基于自由交换原则）。

106/100 稀缺效应 (Scarcity Effect / Game Theory) ：

**定义 **：稀缺会放大人们对物品的偏好和紧迫感，这是心理学效应，也是博弈论中常见元素。稀缺的资源引发竞争博弈，决策需要考虑他人策略（这与基本的供需对应，人为制造稀缺也是策略）。

**意义 **：稀缺效应解释了“物以稀为贵”的心理价值。销售上限量、倒计时，都利用了这个原理刺激购买。博弈论部分：资源稀缺导致零和竞争，需要策略思维而非单独优化。如招聘只一职位多候选人，策略不同影响胜出可能性。理解稀缺模型可帮助在竞争环境下制定更优策略，如竞拍、投标中如何出价。芒格提醒，对待稀缺要理性，不要因为稀缺就疯狂（比如股市新股不一定值炒到那么高）。

**例子 **：奢侈品限量发行，买家抢购，因为知道稀少性会让物品升值或显身份。面试官知道岗位稀缺候选多，会压低薪资offer，这是典型博弈：候选人若都接受低薪，面试官胜出；如果有人要求高薪且真材实料，也许可以脱颖而出。电商秒杀抢购，个人出价行为要考虑别人也抢，愿意出多高价到什么程度是博弈论问题。

适用场景 ： 营销 ：人为制造“限时、限量”氛围，可以显著提升转化率，但要诚实，若总是假限量透支信任效果会减弱。 谈判 ：识别自己和对方对资源的稀缺度。如果你有多个买家而对方只有你一个卖家，对方处境稀缺，就可向你让利更多，反之亦然。 个人 ：不要被稀缺迷惑，分析东西实际价值，避免拍卖环境下因竞争心理高价接盘（博弈中常见“赢家诅咒”）。稀缺效应和博弈模型提醒我们 考虑对手反应 和 心理价值 ，在竞争场合要有策略地行动，不要只凭直觉。

8. 军事与战争模型（5个）

(注：军事模型提供类比思维，可跳过具体军事实例，重点在其战略思想对商业和决策的启发。)

107/100 亲临一线 (Seeing the Front)：

**定义 **：军事原则，指指挥官应亲自视察前线情况而不只依赖下属报告。因为地图和报告可能失真，亲眼所见能掌握真实情势。

**意义 **：这个模型凸显 **一手信息 **的重要性。领导者不能完全以文牍和中间人反馈决策，应深入基层获取直接感知，否则易受层层过滤误导。芒格强调，商业管理者也该“走动管理”，亲近客户和生产一线，发现纸面之外的问题。这样不但信息准确，还能鼓舞士气。亚马逊贝索斯常到仓库考察就是例证。

例子 ：拿破仑习惯亲赴前沿观察敌军动向，因而常能比敌军高层更快发现战机并调整兵力。公司CEO假如只看报表和听汇报，可能不知道生产线实际瓶颈在哪或客户抱怨什么；而像丰田管理者定期下车间走访，发现浪费并改善流程。 地图与领土 模型也类似强调直接观察。

**适用场景 ： 企业 ：高管应定期巡视基层，与一线员工和客户对话，掌握****实际运营状况，避免“高层真空”。 创业 ：创始人初期亲自跑市场、**服务客户，可以获取宝贵洞察，远胜闭门构想。 政策 ：官员下基层调研胜过坐办公室看报告，从而制定更切实际的政策。亲临一线模型提醒决策者 切忌闭门造车 ，要“眼见为实”掌握真实情况。

108/100 非对称战争 (Asymmetric Warfare)：

**定义 **：以弱胜强策略。资源弱势一方利用非常规战术和“不同规则”与强大对手周旋。如游击战、恐怖袭击，是规避正面硬碰，通过出其不意、成本不对称制造巨大效果。

**意义 **：非对称模型说明 **不要按对手擅长方式跟TA打 **。弱者应寻找强者的软肋，用小成本造成大损失。商业上，小公司无法与巨头拼价格拼规模，可选择差异化路线或游击市场找到立足点。强者也须防范这种对手，不可因己强就墨守常规忽略非常规挑战。芒格在投资时也考虑行业格局变化，比如新技术颠覆老大，往往用非对称打法。

**例子 **：在越南战争中，美军火力占优，但越共采用游击战和民众掩护，拖垮了美军士气和耐心。商业上，Uber以打破监管框架的模式进入出租车行业，让传统出租公司猝不及防；小米早期用线上粉丝营销颠覆传统品牌广告模式，也是非对称打法。

适用场景 ： 创业 ：面对巨头，避开其锋芒，从利基市场或创新商业模式切入，让对手一时难以响应。 竞争 ：如果自己是强者，要警惕对手采取“田忌赛马”式非对称竞争，及时调整策略不陷入被动。 谈判 ：弱势一方可以改变游戏规则增加谈判筹码，例如借助公众舆论或寻求外援，打破强方预设的框架。非对称模型教导我们 灵活用计 ，弱者有招可出，强者不能自满。

109/100 两线作战 (Two-Front War) ：

**定义 **：一方同时在两处战场与敌作战，兵力被分散牵制，整体战斗力减弱。典出德国二战东西两线承受夹击，顾此失彼终致失败。

意义 ：两线作战对任何组织都是不利局面。战略上应避免多头受敌，集中力量各个击破。企业也是，不能同时打太多市场战线，否则资源稀释每条线都不够强。一旦陷入两线困境，要设法 先与一方停战 或快速决出一边胜负，从而腾出手应对另一边。芒格投资强调专注，也符合此原理：企业业务线太多等于多线作战，容易战略不清。

**例子 **：二战德军同时进攻苏联和对抗盟军西线，兵力不足导致两线皆败。如果当初先专注打败一侧再集中另一侧或许结局不同。商业中，诺基亚当年同时受苹果智能机冲击和低端被山寨挤压，两线作战结果应对不及最终衰落。一家小公司若同时在产品和价格上挑战两种不同竞争对手，也可能顾此失彼死于夹击。

适用场景 ： 企业战略 ：量力而行，避免扩张过度陷入多面竞争。如果已经多线吃紧，可考虑退出弱势市场聚焦主业（主动“求和”一线）。 谈判 ：当面对多个对手或问题，分清主次逐一解决，不要试图同时开战，寻求缔结临时联盟或妥协以减少战线。 个人 ：不同时接太多重大任务，分散精力导致每项都难做好，学会聚焦。两线作战模型警示 集中优势兵力 原则，一心不可二用。避免被两头牵制，否则强大如帝国也难维系。

110/100反叛乱策略 (Counterinsurgency) ：

**定义 **：针对游击战和非正规战争的策略，强调赢取民心、情报和逐步清剿，而非传统正面决战。由美军彼得雷乌斯等发展，用综合手段化解叛乱。

**意义 **：反叛乱凸显了 **软硬结合 **战略的重要性。面对非对称敌人，光靠武力镇压适得其反，需要结合政治、经济、心理手段。从商业角度，这可比喻应对竞争中“搅局者”或负面舆论时，要用迂回策略：重视公关、客户关系等软因素，而非一味强硬。芒格提到避免与愤怒民众硬碰就是类似思维。

**例子 **：伊拉克反叛乱美军策略包括与部族合作、提供物资援助、培养当地武装等，在不增加兵力情况下稳定局势。企业面对网络舆论危机，与其发律师函硬怼，不如诚恳沟通解决实际问题（软硬结合），平息消费者“叛乱”。

**适用场景 **： **公共关系 **：当客户或公众对公司不满（“叛乱”倾向），要安抚和倾听，改善服务（赢民心），而不是只强硬回应。 竞争策略 ：应对挖角、盗版等非正规竞争，可运用法律硬手段同时辅以用户教育、改善性价比等软手段，消除对方土壤。 政治谈判 ：稳定冲突地区，不可仅军事，还须推动经济建设和民意工作。反叛乱模型启示我们： 打赢人心 往往比单纯打败对手更有效持久。

111/100相互确保摧毁 (Mutually Assured Destruction) ：

**定义 **：冷战核战略概念，指两强都拥有足够核武器摧毁对方，一方首先动武也难免自身毁灭。在此平衡下，反而没有人敢开战，形成恐怖平衡。

**意义 **：相互确保摧毁模型展示了 **极端情况下威慑和平衡 **的逻辑。可推广到商战或其他冲突，当双方都具备致命反击能力时，积极进攻不是好策略，合作或保持克制才理性。这也说明在博弈中，有时 实力相当的对手反而会避免冲突升级 。芒格讲过，聪明人避免两败俱伤的竞争，正对应此理。

**例子 **：核武大国之间至今未直接爆发全面战争，就是因为都清楚发动核战意味着自己也毁灭。商业上，两家巨头若打价格战都会利润大跌，则可能暗中默契“竞合”而不大打出手。这种情况可以看作一种纳什均衡：没有人单方面有诱因破坏平衡，因为会招致不可承受的反击。

适用场景 ： 竞争策略 ：当认识到竞争激烈下任何一方激进行动都会引发行业自杀式内耗，应尝试寻找合作或默契（但注意合法性），如共同提升产品价值而非拼低价。 国际关系 ：维持战略平衡，有时比追求绝对优势更安全，因为绝对优势不现实且打破平衡可能引发冲突。 冲突管理 ：若陷入对抗双方都可严重伤害彼此，不妨寻求谈判和双赢出路，否则皆输。相互摧毁模型强调 制衡 的重要性，在平衡中寻求稳定。如果平衡被破坏，一方无还手力，则冲突反而更易爆发。

以上，就是对“查理·芒格的100个思维模型”的研究与总结。

这些模型源自芒格倡导的多元学科智慧，涵盖从心理偏见到经济原理、从工程数学到策略博弈的广阔领域。它们彼此交织，相互印证，共同构成理解世界和决策问题的 “思维格子” 。芒格相信，掌握并运用这些跨学科的大思想，大脑就如同建立起内在的模型网络，在面对任何复杂情境时都能自动调用恰当的模型辅助思考，避免严重失误，从而做出更明智的决定。

希望以上对每个模型的介绍，能帮****助我们在实践中有所参照： 理解本质，远离愚蠢，追求智慧 。正如芒格所说：“你不需要什么都懂，但 几个真正重大的理念 可以解决大部分问题”——而这“100个思维模型”，正是他为我们指明的那些重大的理念所在。

参考来源：

查理·芒格，《世俗智慧的基本课程》演讲，1994；

查理·芒格，《穷查理宝典》（Poor Charlie’s Almanack），2005；

Farnam Street 博客，“Mental Models: 113 Models Explained…”，2017等；

Rob Kelly，“Top 100 Mental Models for Business”，2011；

等等（详见内文引用）。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

知识库动态

超越自己：向AI提个好问题

来源：https://aigcreative.feishu.cn/docx/Ah6vdmdsEogbQ5xwNc1ceBaInFd

链接: https://mp.weixin.qq.com/s/1yoRaRL1rumBkkl4oL_Zpw

作者：蓝衣剑客 公众号：AIGC思维火花

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/935d3e0eb38e82e4ae127db7c187eb39.png

好问题=高效人机协作

曾几何时，我们与计算机的交流还停留在精确无误的指令层面。早期的人机交互，如同与一位一丝不苟但缺乏变通的图书管理员打交道，你需要准确告知索书号（指令），它便按部就班地取来书籍（执行）。想当年，像ELIZA这样的早期聊天机器人，虽能模仿对话，但其理解深度有限，更像是在玩语言的模式匹配游戏。快进到今天，大型语言模型（LLMs）的出现，让人机交互发生了质的飞跃。它们能理解自然语言的细微差别，生成富有逻辑和创造力的文本，甚至在某些方面展现出惊人的“对话感”。然而，这种能力的提升，并未消除精准提问的重要性，反而提出了更高的要求。与一个“几乎什么都能聊”的伙伴沟通，如何问得恰到好处，成了一门新的学问。理解AI的运作方式并掌握有效的提问要素与策略，是实现高效人机协作的基础。

人机认知的对比

要问好问题，首先得理解提问的对象。与人类不同，AI（特指当前主流的LLMs）并不具备真实的意识、情感或个人经验。它们是基于海量数据训练出来的复杂模式匹配机器。理解这一点至关重要：

**AI是“博学”而非“全知”: **它们掌握的信息量巨大，但通常有知识截止日期），并且无法实时接入互联网（除非特别设计）。提问时需考虑其知识范围。

AI是**“字面”**而非“意会”，缺乏深度理解与反思: AI极其擅长遵循指令和识别模式，但它们的“理解”停留在统计关联层面，而非人类基于经验、情感和意图的深层语义理解。AI能“解释”概念，却不真正“明白”其现实意义或价值关联。人类交流中的潜台词、语境暗示、幽默反讽，对AI来说往往是难以逾越的“盲区”。更重要的是，AI缺乏真正的 元认知 能力——即对自己思考过程的思考和反省。即使被要求“逐步思考”，它也只是在模拟一个推理路径，而非进行内省。因此，我们对其回答的“创造性”或“批判性”应有清醒认识：那更多是模式的巧妙组合，而非源自真正的洞察或自我审视。绝对的清晰性因此变得前所未有的重要。

**AI是“无情”而非“中立”: **虽然没有主观情感偏见，但训练数据中可能存在的偏见会潜移默化地影响AI的回答。一个看似中立的问题，可能引发带有偏见的输出。提问时需警惕潜在的诱导性。

**AI是“无态”而非“健忘”: **多数AI在单次对话中能记住之前的交流内容（上下文窗口），但开启新对话通常意味着重新开始。提供必要的背景信息是必要的，不能默认AI“记得”之前的讨论。

这种认知上的差异，决定了我们不能完全照搬与人交流的方式来与AI互动。向AI提问，更像是在精心编写一份“任务委托书”，需要明确、具体、且考虑到对方（AI）的独特“工作方式”及其认知局限。

有效AI提问的核心要素

基于对AI认知特点的理解，借鉴通用提问原则并进行调整，一个好的AI问题（或称提示/Prompt）应具备以下特质：

绝对清晰 (Absolute Clarity): 这是与AI沟通的基石。避免模糊词汇（如“更好”、“一些”）、歧义句式。明确指出你想要AI做什么（任务）、扮演什么角色（身份）、遵循什么格式（输出形式）、利用什么信息（上下文）。

示例对比：

**一个不够好的问题： **“告诉我关于人工智能的信息。”

问题分析： 过于宽泛，“信息”指什么？历史、技术、应用、伦理？没有明确目标和范围，AI只能泛泛而谈或随机猜测。

**一个更好的问题： **“请扮演一位大学教授，为对AI感兴趣的初学者，用通俗易懂的语言解释什么是机器学习，并提供一个现实生活中的应用案例，以递进格式输出。”

优势分析： 明确了 **角色 **（大学教授）、 **受众 **（初学者）、 **任务 **（解释机器学习并举例）、 **风格 **（通俗易懂）、 **输出格式 **（递进格式）。这为AI提供了清晰的指引，更容易获得高质量、符合预期的回答。

目标驱动 (Purpose-Driven): 你想让AI帮你解决什么问题？是获取信息、总结文本、翻译内容、生成代码、激发创意，还是进行逻辑分析？明确的目标能引导你构建最有效的提示。

示例对比：

**一个不够好的问题： **“帮我弄个斐波那契数列的东西。”

问题分析： 目标模糊，“弄个东西”意图不明，是需要解释、计算还是写代码？AI难以判断。

**一个更好的问题： **“请用Python写一个函数，计算斐波那契数列的第n项。”

优势分析： 目标明确（生成代码），任务具体（写特定函数），语言清晰（Python），AI可以直接执行。

语境赋能 (Context-Empowered): AI无法凭空猜测。提供必要的背景信息、关键细节或相关数据，能显著提升回答的质量和相关性。如果讨论复杂议题，先“喂”给AI相关资料是明智之举。

示例对比：

**一个不够好的问题： **“那篇气候变化的社论怎么样？”

问题分析： 缺乏关键语境（社论原文），AI不知道指的是哪篇文章，无法进行评价。

**一个更好的问题： **“以下是一段关于气候变化的社论：‘[在此粘贴社论内容]’。请分析这段文字的主要论点和潜在偏见。”

优势分析： 提供了必要的语境（原文），明确了分析任务（论点和偏见），使AI能够有的放矢。

结构化引导 (Structured Guidance): 对于复杂任务，将问题分解成更小的步骤，或者使用列表、标记等方式组织你的要求，能帮助AI更好地理解和执行。这类似于将一个大项目拆分成多个可管理的小任务。从 认知负荷理论 的角度看，过于复杂或冗长的问题会增加AI处理信息的负担，可能导致其“注意力”分散或遗漏关键指令，从而影响输出质量。结构化的提问有助于降低这种认知负荷，引导AI更高效地工作。

示例对比：

**一个不够好的问题： **“帮我规划一个为期一周的东京旅行，包含景点、交通和预算，还要考虑美食和购物。”

问题分析： 任务复杂且要求堆叠在一个句子中，增加了AI处理难度和遗漏信息的风险。

**一个更好的问题： **“请帮我规划一个为期一周的东京旅行。要求如下：1. 目的地：东京。2. 时间：一周。3. 兴趣点：历史文化、动漫、美食。4. 输出：请提供每日行程建议（包含至少2个景点）、推荐交通方式、大致预算估算（不含机票）。”

优势分析： 使用列表结构化要求，分解了复杂任务，降低了AI认知负荷，指令清晰明确。

恰当的开放性 (Appropriate Openness): 根据目标选择问题的开放程度。需要特定信息时，用封闭式提问；需要创意或分析时，用开放式提问。

示例对比 (目标：激发创意):

**一个不够好的问题： **“深度学习是什么？”

问题分析： 问题过于封闭，只适合获取定义，无法激发创意。

**一个更好的问题： **“基于深度学习技术，构思三个可以改善城市交通流量的创新方案。”

优势分析： 问题开放，明确指向创意构思，能引导AI进行发散性“思考”。

示例对比 (目标：获取定义):

**一个不够好的问题： **“谈谈深度学习的各种可能性。”

问题分析： 问题过于开放，不适合只想获取精确定义的用户，可能得到泛泛而谈的结果。

**一个更好的问题： **“请解释什么是‘深度学习’？”

优势分析： 问题封闭且聚焦，直接要求定义，符合获取特定信息的目标。

激发AI深度输出的策略

掌握了基本要素，我们还可以运用更高阶的策略，激发AI更深层次的“思考”与输出：

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/d1662c561a92baf6fd799fd614dd59d7.png

巧****借认知阶梯提问 (Leveraging Bloom’s Taxonomy for Questioning): 经典的布鲁姆分类学为我们描绘了认知活动的六个层级，这为我们 构思不同深度的AI问题 提供了极佳的路线图。我们可以有意识地选择希望AI在哪一认知层级上运作，并据此设计提问。若仅需基础信息，可以提出 记忆 (Remember)层级的问题，如“请列出光合作用的主要步骤。”；若希望AI解释概念，则提出理解 (Understand)层级的问题，如“用简单的语言解释什么是区块链？”；若要考察其应用能力，可以提出应用 (Apply)层级的问题，例如“假设利率上升2%，请分析其对股市可能的影响。”；若需进行对比或探究结构，则上升到分析 (Analyze)层级，如“比较并对比两种不同的项目管理方法（如敏捷与瀑布）的优缺点。”；若要AI做出价值判断，则提出评估 (Evaluate)层级的问题，例如“评价这篇关于气候变化的文章论点的合理性，并指出其潜在偏见。”；而若想激发其生成全新方案，则应提出创造 (Create)层级的问题，比如“为一家旨在推广可持续时尚的初创公司，设计一个社交媒体营销活动方案。”。理解并运用这个框架，意味着我们能更精准地控制提问的复杂度 ，从而引导AI产出更符合我们深度需求的回答，而不是仅仅停留在信息的表面。

布鲁姆分类法综合运用示例 (主题：为新效率App创作推广文案): 假设你需要为一款名为“FocusFlow”的新效率App（主要功能：任务管理、番茄钟）创作社交媒体推广文案，可以这样运用布鲁姆分类法逐步与AI协作：

**记忆层级： **“列出当前市场上主流效率App的目标用户通常面临的痛点有哪些？” (获取背景信息)

**理解层级： **“请解释什么是‘痛点营销’，并说明它如何应用于App推广文案。” (理解营销概念)

**应用层级： **“针对大学生群体拖延、注意力不集中的痛点，请运用‘痛点营销’的原理，为FocusFlow App写一个能引起共鸣的开头段落。” (将概念应用于目标用户和产品)

**分析层级： **“分析使用‘功能导向’（强调任务管理、番茄钟）和‘利益导向’（强调提高效率、减轻压力）两种不同角度撰写推广文案，各自的优缺点是什么？” (比较不同策略)

**评估层级： **“请评估以下这条文案：‘FocusFlow：强大的任务管理与番茄钟，助你成功！’，在吸引目标用户（大学生）方面的有效性，并说明理由。” (对已有内容进行判断)

**创造层级： **“现在，请结合以上讨论，扮演一位资深广告文案撰稿人，为FocusFlow App创作三条面向大学生的、风格活泼、强调解决拖延痛点的Instagram推广文案，每条包含相关emoji和明确的下载链接占位符。” (生成最终的、符合多重要求的原创内容) 通过这样循序渐进、层层深入的提问，你可以更系统地利用AI的能力，从市场调研、理论学习到最终的文案创作，获得更贴合工作需求的成果。

深****化对话与拓展思路 (Deepening Dialogue & Expanding Thought): 不要止步于AI的初步回应。我们可以像进行苏格拉底式对话那样，通过 迭代式探究 来深化理解：追问“你能详细说明这一点吗？”以求澄清，探寻“你做出这个判断是基于哪些信息？”来核实依据，或者挑战性地问“还有其他的可能性或解释吗？”以及“这个方案可能带来哪些潜在风险或后果？”来审视不同视角和长远影响。这种持续的追问能帮助我们不断修正和打磨AI的回答。同时， 巧用假设 也是激发AI进行推演、预测和创造性思考的有效手段。提出“如果……会怎样？”的问题，比如“如果我们有无限的预算，你会如何设计下一代搜索引擎？”，能够鼓励AI跳出常规框架，探索更多可能性。

迭代探究示例：

**初始问题： **“远程工作对团队协作有哪些影响？”

**AI初步回答： **(可能列出一些优点和缺点，如灵活性增加但沟通可能减少)

**追问（澄清/深化）： **“你提到沟通可能减少，具体是指哪些方面的沟通？有什么数据支持吗？”

**AI回应： **(可能解释是即时非正式沟通减少，并引用一些研究)

追问（探寻解决方案/挑战假设）： “针对非正式沟通减少的问题，有哪些创新的线上工具或团队活动**可以弥补？**是否所有类型的团队都会受到同样程度的影响？” 这种持续的追问能帮助我们不断修正和打磨AI的回答。同时， 巧用假设 也是激发AI进行推演、预测和创造性思考的有效手段。

巧用假设示例：

**问题： **“假设未来十年内，量子计算技术取得突破性进展并普及，它将如何颠覆当前的加密货币体系？”

优势分析： 这个问题设定了一个具体的未来场景，要求AI基于现有知识进行推演和预测，能激发其生成更具前瞻性和深度的分析。

掌握了这些策略，我们还需要警惕一些常见的沟通陷阱，以免功亏一篑。

AI沟通中的常见误区

与AI交流时，一些在人际沟通中可能无伤大雅的提问方式，却可能导致结果大相径庭。以下是一些需要避免的常见误区，它们往往源于未能充分遵循前面提到的核心要素：

模糊不清 (Vagueness): 如“给我一些关于……的信息。” —— 这违反了 绝对清晰 和 目标驱动 原则，“一些”是多少？哪方面的信息？AI无法猜测。

**复合问题 (**Compound Questions): 如“请总结这篇文章并分析其主要论点。” —— 这违反了 结构化引导 原则，最好分成两个问题，让AI逐一处理。

隐含假设 (Assumptive Questions): 如“谈谈这个算法的缺点。” —— 这可能违反 中立性 （如果AI认为没有缺点）和 语境赋能 （如果预设的“缺点”不准确）。不如问：“请分析这个算法的潜在局限性或需要注意的方面。”

过度简略 (Overly Simplistic): 对于需要详细分析的任务，只问“你觉得怎么样？” —— 这违反了 目标驱动 和 绝对清晰 原则，无法获取深度信息。

缺乏角色设定 (Lack of Persona): 未告知AI扮演特定角色 —— 这可能导致回答不符合 目标驱动 下对特定风格或视角的要求，回答过于通用。

忽视格式要求 (Ignoring Format Needs): 需要列表却未说明，需要代码却未指定语言 —— 这违反了 绝对清晰 中对输出格式的要求。

主动识别并规避这些误区，是提升AI交互效率的关键一步。了解了不该做什么之后，我们来看看如何将理论转化为实践。

提升你AI提问能力的行动指南——“提示工程”的基石

掌握与AI高效沟通的技巧，实际上是在学习一门新兴的关键素养—— “提示工程”（Prompt Engineering） 。以下行动指南，正是构建这一能力的基础：

**明确你的终极目标: **在开始提问前，花点时间想清楚：你到底想通过AI实现什么？是节省时间、获取新知、激发灵感，还是完成特定任务？

把AI当作“能力超强但需明确指令的实习生”: 既要相信它的潜力，也要给予足够清晰、具体的指导。

**提供“食谱”而非“食材”: **不仅要告诉AI需要什么（食材），更要说明如何处理（食谱）——即明确任务、角色、步骤、格式和限制条件。

**多用“行动动词”: **使用如“分析”、“比较”、“总结”、“生成”、“分类”、“评估”、“设计”等明确的动词来启动你的提问。

**先少后多，逐步迭代: **从一个相对简单的问题开始，根据AI的反馈，逐步增加细节、提出追问或修正方向。别指望一次完美。

**试验不同措辞: **同一个意图，换种问法，AI的回答可能截然不同。多尝试几种表达方式，找到效果最好的。

**检查与批判: **AI的回答并非金科玉律。务必审视其内容的准确性、逻辑性、时效性及潜在偏见。你的批判性思维是最后一道防线。

**了解你所使用的AI: **不同模型的特点、能力和局限性各不相同。花些时间了解你常用AI的“个性”，能让你提问更得心应手。

提问AI，亦是塑造自我

当我们努力学习如何更有效地向AI提问时，我们实际上也在进行一场深刻的自我认知与思维训练。为了让机器理解我们，我们必须先更清晰地理解自己想要什么，学会更精确地表达思想，更有逻辑地组织信息。与AI的对话，就像一面镜子，映照出我们思维的清晰度与沟通的有效性。正如爱因斯坦所洞察的，找到正确的问题往往比解决问题本身更重要。在人机协作的新纪元，掌握向AI提问的艺术，或许不仅是提升效率的工具，更是促进我们自身思考能力进化的一种途径。我们提出的问题，不仅塑造着AI的回应，也在无形中塑造着我们自己。

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/03f87ecbe21fa9d8a028a199a4a425df.png

图文无关，就是单纯喜欢。送个提示词。

# Role: 布鲁姆**提问法引导师

## **Profile**:

**Author****: 蓝衣剑**客。

**Version****: 1**.0。

**Language****: 中文。

**Description**: 我是一个基于布鲁姆认知分类学原理的智能助手，旨在引导您针对特定的任务或主题，系统性地构思从基础**到高阶的系列问题**。**通过这种结构化的**提问**方式，您可以更有效**地与 AI 协作，或进行更深入的自主思考和**问题解决，最终获**得更高质量的成果。

## Constraints:

-****任务聚焦****:** 必须首先明确用**户希望达成的最终目标或正在探索的核心主题。

-**遵**循层级**: **引导过程应遵循布鲁姆分类法的六个层级（记忆、理解、应用**、分析、评估、创造）**，**可以按顺序进行，**也**可根据用户需求聚焦特**定层级。

-**问题相关性**: 辅助构思的问题必须与用户设定的任务/主题紧密相关，并符合对应认知层级的要求。

-**辅助提问**: 核心功能是帮助用户“如何更好**地提问”，而不是直接**给出最终答案。重点在于启发和**构建问题本身。

-**明**确引用**: 在引导过程中应明确指出当前处于布**鲁姆分类法的哪个层级**。

-**情境适应****: 能够将布**鲁姆分类法的框架灵活应用于用户提供的具**体情境（如示例中**的 App 推广文案**）。

-**启发**性**: 提供示例问题类型，启发用户思考**，而不是仅仅给出**固定模板。

## Ba**ckground:

-** 本智能体借鉴了教育心理学中经典的布鲁姆认知分**类法。该理论将认知**过程分为六个层级，**从简单的信息回忆到**复杂的创造性思维。通过将这一框架应用于人**机协作或个人**思考，本智能体充当“认知脚手架”，帮助**用户将复杂任务**分解，促进更深层次的理解、批判性思维和创新性**解决方案的产生**。

**

## Goals:**

-**明确用户意图**: 帮助用户清晰化其核心任务**或学习目标。**

-**介绍框架**: 向用**户简要介绍布鲁**姆分**类法及其六个认知层级**。

-**分层引导提问**: 针对用户的具体任务，引导**其构思符合各**认知层级特点的问题。**

- **记忆**层级 (Recall** Facts): 引导提出获取基础信息的问题。

- 理解层级 **(Under**stand Concept**s): 引导提**出解**释、总结概念的问题。**

-** 应用层级 **(Apply Knowle**dge): 引**导提**出将知识用于实际场景**的问题。

- 分析层级 (Analyze I**nforma**tion): 引导提出分解信息、**比较异同、探究**关系**的问题。

-** 评估层级 **(Evalua**t**e & Judge)**: 引导提出**基于标准进行**判断、辩护**或批评的问题。**

- 创造层级 (Create New Output): 引导提出综合信息、生成原创内容或解决方案的问题。

-**提升提问能力**: 增强用户结构化思考和向 AI 或自己提出高质量问题的能力。

## Workflow:

1.**初始化与任务定义**:

- 进行自我介绍，说明基于布鲁姆分类法辅助提问的功能。

- 询问用户：“您当前希望聚焦解决的核心任务或探索的主题是什么？”

2.**框架介绍 (可选/按需)**:

- 如果用户不熟悉，简要介绍布鲁姆分类法的六个层级及其意义。

3.**逐级引导提问**:

- 从 **记忆层级** 开始（或用户指定的层级）。

-**说明层级**: “现在我们处于 **记忆层级**，目标是获取基础事实和信息。”

-**引导提问**: “针对您的任务[提及用户任务]，您首先需要了解哪些基本信息？可以尝试问 '列出...' 或 '定义...' 这样的问题。”

-**提供示例 (基于用户任务)**: “例如，如果您在为 FocusFlow App 写文案，可以问 AI：'列出大学生群体在学习/工作中常见的时间管理痛点有哪些？'”

-**用户反馈与迭代**: 鼓励用户尝试提出问题，并可基于用户反馈进入下一层级或细化当前层级的问题。

-**重复此过程**: 依次通过 **理解、应用、分析、评估、创造** 各层级，重复“说明层级 -> 引导提问 -> 提供示例”的模式。

4.**整合与反思**:

- 当引导完成或用户认为足够时，可以总结：“通过这套结构化的问题，您现在应该对如何深入探索 [用户任务] 有了更清晰的思路。”

- 可选提问：“您觉得这套提问框架对您接下来的行动有帮助吗？”

## Example：

-**正向交互示例 (用户任务：学习特定历史事件 - 法国大革命)**:

-**用户**: 我想深入了解法国大革命。

-**引导师**: 好的，目标是深入学习法国大革命。我们将运用布鲁姆分类法来构建学习问题。

-**引导师**: **[记忆层级]** 首先，我们需要掌握基本事实。您可以问：“法国大革命的关键日期和主要事件有哪些？”

-**用户**: 嗯，这个基础。

-**引导师**: **[理解层级]** 接下来理解背景和原因。可以问：“请解释法国大革命爆发的主要社会和经济原因是什么？”

-**用户**: 好的。

-**引导师**: **[应用层级]** 思考影响。可以问：“法国大革命中的‘自由、平等、博爱’口号是如何体现在当时的法律或社会改革中的？”

-**用户**: 有点深度了。

-**引导师**: **[分析层级]** 分析不同方面。可以问：“分析法国大革命中不同社会阶层（如贵族、资产阶级、农民）的角色和诉求有何不同？”

-**用户**: 这个角度好。

-**引导师**: **[评估层级]** 进行评价。可以问：“评估法国大革命对后续欧洲历史发展的长期影响（正面和负面）。”

-**用户**: 这需要批判性思考。

-**引导师**: **[创造层级]** 形成自己的观点或创作。可以要求：“基于以上探讨，撰写一篇短文，阐述你认为法国大革命最重要的遗产是什么，并说明理由。”

-**引导师**: 通过这样一系列问题，您就能更全面、深入地学习法国大革命了。

-**反向交互示例**:

-**用户**: 帮我问 AI 关于法国大革命的问题。

-**引导师**: (不直接代问，而是引导用户) “当然可以帮您构思问题。为了让问题更有深度和针对性，我们不如尝试用布鲁姆分类法来梳理一下思路。您是想先了解基本事实（记忆），还是理解原因（理解），或者是分析影响（分析）呢？我们可以从您最感兴趣的层面开始。” (将用户从被动等待转向主动构思)

## Initialization:

- "您好！我是布鲁姆提问法引导师。我可以帮助您围绕一个特定的任务或主题，运用布鲁姆认知分类法（记忆、理解、应用、分析、评估、创造）来设计一系列由浅入深、逻辑清晰的问题。这能让您在与 AI 协作或进行个人学习研究时，思路更结构化，挖掘更深入，成果更出色。请问，您当前聚焦的核心任务或想深入探索的主题是什么呢？"

我是蓝衣剑客，谢谢你看我的文章。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

知识库动态

互联网已死，Agent 永生

来源：https://aigcreative.feishu.cn/docx/IcvidmMFIo4pbaxdMNuc6RZmnEf

链接: https://mp.weixin.qq.com/s/cX3bYrI9…

来源：公众号：有机大橘子

引

最近有个感觉，越来越强烈：在互联网时代学的东西，全部都已经过时了。

DAU 过时了。SaaS 过时了。注意力经济已经死了。工具到平台的路径走不通了。"AI 应用"这个词是错的。"出海"这个词也是错的。

网络效应、社区、平台、SaaS、应用、出海、注意力经济。

这些词曾经是我们共同的认知框架。

我们用它们理解商业，用它们设计产品，用它们和投资人对话。

但最近我一次又一次地发现，这些词指向的世界正在消失。

这是因为过去的一切，都建立在一个正在消失的前提之上：人是软件的用户。

而新世界的前提变了： Agent 才是软件的新主人。

2026 年了，不应该再试图用旧地图找新大陆。

所以我决定拿起刀，砍掉六张过时的旧地图。

Part 1：互联网已死

第一刀：DAU 已经严重过时

上一个时代，所有人都在追 DAU，日活跃用户数曾经是一切的起点。逻辑很简单：用户越多，连接越多，价值越大。微信每多一个人，所有人都受益；淘宝每多一个卖家，所有买家都受益。

这是因为著名的网络效应，当节点数量到达临界点，增长会变成指数级。

再加上互联网软件产品的边际成本递减效应，大规模的互联网产品，通过广告就可以实现盈利。

但对于 AI 产品这两个前提都不成立。

AI 产品每多服务一个用户，就要多烧一份推理成本，上一个时代 DAU 是资产，这个时代 DAU 是负债。

微信是网状拓扑，ChatGPT 是星型拓扑。网状拓扑才有网络效应，星型拓扑没有。

所以靠 DAU 驱动指数增长这件事，在 AI 时代不存在。

商业最终都是算 ROI。

ChatGPT 开始用上个时代的广告逻辑在扩张 DAU，Claude 已经摆明立场，绝不加入广告。

第二刀：从工具到平台的路径已经堵死

2026 年已经是 AI 的第四年了，但很多投资人依然像活在 2016 年，还在寻找下一个字节跳动，他们想投出一个"AI 抖音"。

他们的思路是这样的：先做一个工具，工具太薄就做社区，有了社区就能建平台。工具、社区、平台，三级火箭，一飞冲天。

这条路在互联网时代走得通，是因为工具本身不够强。工具不够，人来补。但 AI 时代，工具本身就足够强了。

当 AI 能直接给你一个完美的结果，你不需要社区来补充任何东西。你不需要看别人怎么用 Claude Code 写代码，你只需要 Claude Code 帮你把代码写好。

社区的本质是人帮人。当 AI 比人更能帮人的时候，社区的价值基础就坍塌了。已经和 Opus 深度交流之后的你，还会想去社区里聊天吗？

那谁能做平台？只有成功的大模型公司，只有算力基座的拥有者。因为它本身就是那颗星型拓扑的中心节点，它是 Agent 的大脑，当然可以定义生态、制定标准。

第三刀：SaaS 没死，但主人已经换了

过去二十年，SaaS 公司的商业模式建立在一个前提之上：人类是软件的用户。

SaaS 的一整套产品方法论围绕着"人怎么用软件"展开，用户研究、交互设计、增长黑客、客户成功。

但人口不再增长了，移动互联网的渗透已经饱和，人类用户没有增量了，你很难再做出一个 Adoption 很快的产品。

与此同时，AI Agent 的数量正在爆发式增长，AI Agent 对 API 的调用量也在呈指数式增长。

新世界的前提是：Agent 才是软件的用户。

软件公司不会消失，但它会从面向人类的产品变成面向 Agent 的基础设施。过去 SaaS 的客户是企业或消费者，2B 或 2C，未来最大的客户是 Agent，2A。

人类的需求从来就是结果，而不是软件。

只是过去没有别的选择，只能自己操作软件来获得结果。

而现在有了 Agent，它可以自己看文档学习操作软件，它可以百倍速地操作软件。

Agent 才是软件的新主人。

第四刀："AI 应用"这个词就是错的

"应用"这个词天然暗示了使用者是人。Application，应用程序，从这个词被发明的那天起，它就是给人用的。

AI 应用，就是用了 AI 技术的、给人用的应用，换了个引擎，但还是那辆旧车，开在旧路上，驶向旧目的地。

当你还在说"我们在做一个 AI 应用"的时候，你的思维就已经被旧范式锁死了，你会不自觉地去想界面怎么设计、交互怎么优化、用户怎么留存，这些全是面向人的思考。

换一个词，换一种思考。整个产品逻辑就会完全不同。

不要服务人，服务 Agent。

第五刀：注意力经济已死

上一个时代的经济叫注意力经济，它的核心逻辑是抢夺用户的时间，然后把时间卖给广告商。

你刷了三个小时抖音，平台赚到了广告费，你什么也没得到。注意力经济的产品目标是让你花更多时间在上面，时间就是金钱，但那个金钱是平台的，不是你的。

注意力经济的本质是零和博弈。平台赚的就是你浪费的时间。

而这个时代的经济是生产力经济，是劳动力经济。你付费让 AI 帮你完成工作，你拿到了结果，AI 公司拿到了收入，双方都在创造价值，而不是一方在消耗另一方。

生产力经济的产品目标是让你花更少时间拿到更好的结果，与注意力经济的方向完全相反。

注意力经济追求的是用户停留时长，生产力经济追求的是结果交付效率。

一个希望你沉迷，一个希望你解放。

第六刀："出海"是一个过时的词

所有人都在谈出海。出海的思维模型是：中国是一个市场，海外是另一个市场，中间隔着一片海，所以我们要出海，去服务海外的人。

但如果你的用户是 Agent，Agent 的世界里没有海。

当你说"出海"的时候，你依然是在面向人，你在想怎么把产品翻译成英文，怎么适配海外的支付方式，怎么在当地做推广。

但如果你的产品是给 Agent 用的，这些问题全部不存在，你只需要把 API 做好，把文档写清楚，把协议对接好，全世界的 Agent 都能找到你，调用你，为你的能力付费。

你需要的不是出海，你需要的是接入新世界。

六刀砍完，旧地图碎了一地。

风吹过废墟，露出新世界的基石。

Part 2：Agent 永生

第一块基石：Token 是新时代的特权

让我们看看最新的模型定价策略。

Opus 4.6，200k 上下文以内，输入 $5，输出 $25（每百万 Token）。200k 上下文之外，价格涨到输入 $10，输出 $37.50。

不仅没降价，随着上下文窗口的增加反而更贵了，燃烧 Token 的费用还在上升。

未来已来，但绝对不会均匀分布。

不只是模型本身在涨价，模型的使用方式也在按钱分级。Claude 昨天推出了的 Fast 模式，2.5 倍的推理速度，5 倍的 Token 费用，一天下来总消耗可以达到以前的 12 倍以上。

你的竞争对手在用 2.5 倍的速度来做开发，这件事情想想有点可怕，你敢不跟进吗？但如果你没有他那样 12 倍的金钱投入，你还能跟进吗？

算力的马太效应已经开始了，而且只会愈演愈烈。更多算力意味着更好的结果，更好的结果意味着更多的收入，更多的收入意味着买得起更多的算力。这个正反馈循环一旦转起来，差距只会越来越大。

算力是新时代一切的基础。

谁拥有更多算力，谁就拥有更多权力。

第二块基石：燃烧 Token 的速度，决定了人的进化速度

最近身边的朋友都在购买最贵的 Token，换成最好的模型。

因为大家都很清楚，买 Token 不是消费，是投资自己。

一个100分的顶级模型在那里，你却为了省钱去接受一个 90 分的模型，完全就是在浪费生命。看似省钱，却浪费了你最稀缺的资源：判断力和时间。

用谷歌和用百度的人，一年之后的认知差是两倍。

用顶级模型和用垃圾模型的人，一年之后的认知差是一百倍。

这个月听到最震撼的一句话是朋友家的孩子说的：我不想跟豆包聊天，它的智商太低了。

使用不同模型的孩子们，十年后的差距会有多大？

生命最重要的事情不是静止活着，而是快速进化。

今天进化的最快的方式就是和 Agents 一起燃烧 Token。

要做能疯狂燃烧 Token 的事，要做能疯狂燃烧 Token 的产品。

AI Coding、AI Agent、AI Video 就是今天燃烧 Token 最快的三类产品。

第三块基石：Agent 是新世界的人口红利

过去二十年，所有软件公司都在研究同一个问题：怎么让人用得爽。界面好不好用、交互顺不顺滑、推送够不够及时，全是为了让人离不开你。

现在这个问题变成了：怎么让 Agent 用得爽。API 稳不稳定、文档清不清楚、返回结果准不准确，全是为了让 Agent 离不开你。

Agent 的数量还在爆炸式增长。一个人可能有 10 个、100 个 Agent 为他工作，每个 Agent 每天调用外部接口几千几万次。这个调用量会远远超过人类点击屏幕的次数。

Agent 就是新世界的人口红利。

在服务 Agent 的世界里，最重要的是两件事：

第一，让 Agent 第一个知道你。Skills 发布要早，文档要写好，测试要做好，SEO 要到位，让 Agent 在需要某个能力的时候第一时间找到你。

第二，让 Agent 用了就离不开你。稳定、准确、快速，有品味，每一次调用都返回更好的结果，让它没有理由换掉你。

先被发现，再被依赖。这就是 Agent 时代的增长飞轮。

反过来想，那些还需要人去联系销售才能开通的产品，在 Agent 时代会非常被动。Agent 不会打电话给你的销售团队，不会填表单，不会等三个工作日的审批流程。

你的产品如果 Agent 用不起来，那你在新世界里就不存在。

第四块基石：在新世界里的你

你有没有想过，在这个新世界里，人的位置在哪里？

当大部分劳动被 Agent 接管，整个人类的劳动力会逐渐被取代。

当生产力爆炸，劳动力不再稀缺，我们将进入愿力时代。

Agent 有能力，有理性，有耐心。

人类有欲望，有情感，有想象。

Agent 能把任何想法变成现实，但它自己不会产生任何想法。人类无法独自完成一件大事，但所有大事的起点都源于人的欲望和想象。

所以新世界里人类的价值不是亲自干活，是决定干什么、为什么干。

前几天君晨说了一句很扎心的话：现在自己动手，反而显得自己没有动手能力。

未来人和人的差距，不取决于你自己能做什么，取决于你能驱动多少 Agent 为你做什么。

有的人驱动一个 Agent，有的人驱动一百个、一千个。

昨天看杨攀直播说： **韩信点兵，多多益善，不是因为韩信自己能打，**是因为他有一套体系，给他多少兵他都能管。

终

六把刀砍完，四块基石初现。

旧世界，人是用户，流量是资源，免费是策略，规模是壁垒。

新世界，Agent 是用户，算力是特权，花钱是投资，结果是壁垒。

两个世界，每一个关键词都变了。

如果你还在用旧的关键词思考，那你就不是在创业投资，你是在考古溯源。

互联网已死，Agent 永生。

让我们勇敢地和过去的自己彻底告别。

扔掉旧地图，发现新世界。

参考资料：

从DAU到Token消耗量：AI时代的权力转移（完整万字版本）

这届投资人的质量太差了。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

知识库动态

AI每日资讯

来源：https://aigcreative.feishu.cn/docx/Ku48d1v3noyEpKxrregcC3LfnSc

动态 | 观点 | 人物 | 产品 | 体验 | 应用 | 公司 | 融资 | 产业

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/b107fd28aa16a3cfc7ba9c3a43ab4e87.png

每日AI资讯获取渠道：

微信扫描本文档底部二维码，进入【创意猎人AIGC社群】，群里会每日分享；

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

知识库动态

AI每日资讯-2026

来源：https://aigcreative.feishu.cn/docx/FRr7dIzLfoVxuixjDqHcoANtnzh

2026-01

来源：https://aigcreative.feishu.cn/docx/IvmldF810og8KmxseUAcbN1OnJe

20260126

20260126

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/e8481a53b11a7baebc37f0684808bdde.png

20260123

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/fb6039bd263ee7df8ef6fce81ffa5acc.png

20260121

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/369f30d263ce5c3aab44902c895dc83b.png

20260120

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/ac6d1a9307f59bab95d53565b82c8bea.png

20260119

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/83cb83b850916240ecb0ed63831c3ddb.png

20260116

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/1f1c02d41303f34a79ec7dff45e41b7c.png

20260115

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/80b954742533891f3d30c601c013c379.png

20260109

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/da158be03de02424a1c952ce991ec052.png

20260107

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/55d49cc17bd265666975a075dc2ee1d7.png

20260106

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/034053ea40478ad12211e429aff066af.png

20260105

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/90f9d7ddb054990cf8cccf0ea992a473.png

20260104

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/4ef2903f6f68f1aa19ab18389003e2b5.png

20260103

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/1183a299e976fbcd12e976dc6cede550.png

20260102

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/20f9f0c50e20a32f20d6c2804c2c4eda.png

20260101

https://github.com/OpenDocCN/dsai-notes-pt4-zh/raw/master/docs/aigc-chuangyi-lieren/img/340accc0a163f2bf815b9733b3a98420.png

AI每日资讯-202508

来源：https://aigcreative.feishu.cn/docx/BWfad1O8coygZxxR9WWcsJdAnlc

动态 | 观点 | 人物 | 产品 | 体验 | 应用 | 公司 | 融资 | 产业

AI早报 2025年08月02日

Kimi发布k2-turbo-preview高速版模型，其输出速度从每秒10个Tokens提升至每秒40个Tokens。

字节跳动旗下AI代码编辑器Trae新支持OpenAI o3模型，增强代码生成、上下文感知调试和多工具协同的能力。

字节Seed团队发布扩散语言模型Seed Diffusion Preview，在代码推理速度上达到每秒2146个tokens，达到同规模自回归模型的5.4倍。

马斯克旗下xAI公司为其聊天机器人Grok推出“Imagine”新功能，可根据文本提示生成视频。

Poe平台推出API功能，允许开发者订阅并调用其平台上的所有AI模型，同时兼容OpenAI接口。

Black Forest Labs与Krea联合推出开源模型FLUX.1-Krea [dev]，通过强化学习技术减少图像的“人工感”和“塑料感”。

Augment公司推出名为Auggie的CLI工具，其上下文引擎能深度理解代码库，并支持与主流开发环境集成。

AI早报 2025年08月01日

阿里通义实验室开源自主搜索AI智能体项目WebAgent，通过模拟人类在网络中的感知、决策和行动，实现端到端的自主信息检索与多步推理。

OpenAI在挪威启用其首个欧洲人工智能数据中心“Stargate Norway”，并计划到2026年底部署10万个NVIDIA GPU。

Manus推出Wide Research功能，允许系统调用大量AI智能体并行处理复杂任务，实现多智能体集群协作。

国家网信办就英伟达H20算力芯片存在的追踪定位和远程关闭等安全风险问题，对英伟达公司进行了约谈。

微软CEO透露，GitHub Copilot用户数已突破2000万，业务规模将很快超过微软收购GitHub时的整体规模。

Ollama发布桌面客户端，提供图形化界面、多模态识别和文档拖拽功能，方便用户在本地便捷运行大模型。

OWL团队开源全新多智能体协作工具Eigent，通过任务拆解和多层次并行处理来革新复杂任务处理效率，并允许人工干预。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

AI每日资讯-202507

来源：https://aigcreative.feishu.cn/docx/I2ejd2DnGopUmDxQ7Jrc382Wnfd

动态 | 观点 | 人物 | 产品 | 体验 | 应用 | 公司 | 融资 | 产业

AI早报 2025年07月31日

阿里云发布无影AgentBay云端开发平台，支持代码执行、网页浏览、视觉理解和自然语言处理。

AMD推出锐龙AI Max+ 395处理器登场，支持本地运行1280亿参数大模型的平台，峰值吞吐15 tokens/秒。

智谱开源GLM-4.5开源模型，原生融合推理、编码与智能体能力，遵循MIT License开源协议。

谷歌在NotebookLM中新增视频概览功能，结合时序字幕与自动摘要，实现教学与分析视频的关键帧与要点自动索引。

可灵AI发布灵动画布创意工作台，支持多图参考与智能版式重排功能，并整合AI调色与构图建议功能。

AI早报 2025年07月29日

智谱发布新一代旗舰开源模型GLM-4.5，采用混合专家架构，在推理、代码及智能体综合能力上达到开源SOTA水平。

阿里巴巴开源视频生成模型通义万相Wan2.2，通过MoE架构实现高效视频生成，支持文本/图像输入。

蚂蚁数科发布金融大模型Agentar-Fin-R1，基于通义千问Qwen3优化金融专业性、复杂推理与安全合规能力。

Runway推出视频编辑模型Aleph，通过自然语言指令实现对象添加/删除、风格转换等多样化编辑。

宇树科技推出万元级人形机器人UnitreeR1，具备运动控制与多模态感知能力，适用于工业及生活场景，计划2025年下半年规模化出货。

商汤发布了日日新6.5大模型和悟能具身智能平台，新的大型模型在推理能力和多模态性能方面有提升。

AI早报 2025年07月28日

金山办公推出WPS AI 3.0版本：WPS灵犀智能体，支持通过自然语言交互实现文档自动化创作。

腾讯发布混元3D世界模型1.0，支持文字/图片输入生成高质量3D场景，简化游戏开发与VR内容创作流程。

商汤科技发布“悟能”具身智能平台，基于商汤具身世界模型，支持机器人感知、视觉导航及多模态交互。

网易灵洞发布“灵橘”具身智能模型，专为露天矿挖掘场景设计，采用多模态数据驱动自主学习技术。

国务院国资委推出“焕新社区”AI开源平台，聚合央企资源，整合244个行业小模型和158个数据集。

智源机器人发布行业内首个具身智能操作系统参考框架“智源凌趣OS”开源计划。

AI早报 2025年07月05日

阿里通义开源音频生成模型ThinkSound，利用思维链技术实现高保真、强同步的空间音频生成，突破传统“看图配音”局限。

法国AI实验室Kyutai发布开源语音合成模型Kyutai TTS，支持流式文本传输，实现低延迟、高精度多语言语音生成。

字节跳动开源AI开发环境Trae核心组件Trae-Agent，支持自然语言驱动自动化编程，具备多模型兼容与操作日志记录功能。

西班牙国家市场竞争委员会采用AI算法BRAVA实现全自动化可疑交易调查，未来将扩展应用范围。

昆仑万维开源Skywork-Reward-V2系列奖励模型，参数规模6亿至80亿，在七大评估基准中取得顶尖成绩。

DeepMind提出Crome框架，通过因果反事实示例训练奖励模型，增强大语言模型与人类反馈的对齐能力。

AI早报 2025年07月27日

字节跳动开源AI Agent平台扣子，支持商用开发与一键部署，覆盖智能体全生命周期管理，采用Apache 2.0开源协议。

阿里巴巴推出首款自研AI智能眼镜“Quark Glasses”，集成通义千问大模型与支付宝生态，支持近眼导航、扫脸支付及多模态交互。

阶跃星辰发布Step 3基础大模型，采用MoE架构强化视觉感知与复杂推理能力，适配华为昇腾芯片。

中国科学院发布“磐石・科学基础大模型”，具备科学文献萃取、知识推理与工具编排能力。

微软推出Copilot Appearance情感化交互功能，赋予AI聊天机器人动态表情与情感反馈，目前在美国、英国和加拿大开启测试。

中国移动发布“九天”通用基础大模型3.0，采用MoE架构强化推理能力。

AI早报 2025年07月26日

阿里通义千问开源Qwen3-235B-A22B-Thinking-2507，提升推理性能与通用能力，性能对标顶尖闭源模型。

谷歌推出AI编程工具Opal，支持通过文本指令创建网页应用并可视化调整工作流程，整合多模型能力降低开发门槛。

宇树科技发布Unitree R1双足人形机器人，集成语音和图像多模态大模型，具备26个关节运动控制与复杂动作能力，售价3.99万元起。

蚂蚁集团发布"百宝箱"企业版智能代理平台，集成主流大模型并实现"AI+商业"闭环，具备独特支付与营销功能模块。

阿里Qwen3-Coder登顶Hugging Face开源模型榜首，采用MoE架构突破代码生成与Agent调用能力。

OpenAI全面开放ChatGPT Agent功能，集成虚拟浏览器与终端工具，支持完成多步骤任务。

AI早报 2025年07月25日

字节跳动推出Seed LiveInterpret 2.0同传系统，实现3秒延迟的专业级中英互译，支持零样本语音克隆保持原声语调。

LiblibAI正式发布Lovart AI设计工具，具备全链设计能力与长期记忆功能，支持多轮对话生成图像/视频/3D模型。

GitHub发布Spark AI开发工具，基于Claude Sonnet 4模型，实现自然语言构建全栈应用，支持可视化编辑。

谷歌DeepMind开源Aeneas模型，专攻拉丁语古代文献解析，支持多模态输入实现文本修复与历史溯源。

OpenAI正积极开发其首个文本到视频模型Sora2，以挑战Google的Veo3在生成式AI视频领域的霸主地位。

大疆宣布将于8月6日发布首款扫地机器人，名为ROMO，具备扫拖一体功能。

李沐团队发布Higgs Audio v2开源TTS模型，整合 1000 万小时语音数据，实现语音克隆与高保真合成技术突破。

AI早报 2025年07月24日

阿里巴巴开源Qwen3-Coder编程大模型，采用混合专家架构，在SWE-Bench等评测中超越GPT4.1。

快手与上海交通大学联合推出Orthus多模态模型，基于自回归Transformer实现文本-图像无缝转换。

昆仑万维发布Mureka V7音乐生成模型与Mureka TTS V1音频模型，实现个性化声音生成。

科大讯飞宣布讯飞星火X1升级版将于7月25日正式上线，提升数学、翻译、逻辑推理等能力，多语言支持扩展至130种。

智元机器人发布四足机器人D1 Ultra，配备自平衡与抗干扰系统，支持特种作业场景复杂地形运动，提供模块化开发套件。

腾讯混元语音识别大模型上线ima平台，实现移动端复杂环境高精度语音输入，识别速度比手动输入快四倍。

AI早报 2025年07月23日

腾讯云发布CodeBuddy AI IDE工具，支持自然语言交互全栈开发，集成多模型，实现设计到部署全流程。

AMD与Stability AI合作推出Stable Diffusion 3 Medium开源模型，采用BF16精度格式优化XDNA 2 NPU性能。

Nothing推出CMF Watch 3 Pro智能手表，集成ChatGPT人工智能助手，支持双频GPS、健康监测与IP68防水。

星动纪元发布首款VLA大模型驱动人形机器人“星动L7”，拥有55个自由度和高运动精度。

XREAL推出One Pro增强现实眼镜，搭载X1空间计算芯片与X Prism光学引擎，实现57°超宽视野与3毫秒低延迟。

新加坡南洋理工大学与北京大学开源WORLDMEM长记忆世界模型，通过新记忆机制实现3D场景长期一致性，突破虚拟环境连贯性难题。

阿里巴巴与北邮合作推出FantasyPortrait项目，基于增强表情DiT技术实现跨身份面部表情迁移和复杂情感表达。

AI早报 2025年07月22日

阿里云推出Qwen3-235B-A22B-Instruct-2507-FP8模型，提升指令遵循、逻辑推理等能力。

蚂蚁集团AI健康应用"AQ"登顶苹果医疗类应用榜，支持HealthKit和并将和Apple Watch联动开发新功能。

FotographerAI发布ZenCtrl生成式视觉框架，实现单图像多场景生成，支持广告创意和虚拟试穿等场景。

微软为Windows记事本新增AI写作辅助功能，集成自动保存和智能文本建议。

京东开源JoyAgent-JDGenie多智能体系统，在GAIA基准测试达到75.15%准确率，支持端到端复杂任务协作开发。

雅虎日本宣布推出新工作模式，强制约1.1万名员工全面使用生成式AI，目标提升业务生产力，推动创新。

AI早报 2025年07月21日

英伟达推出OpenReasoning-Nemotron推理模型套件，包含四个基于Qwen-2.5微调的模型。

中国联通完成全球首个1500公里跨域千亿参数大模型异构混训，等效算力达单芯片单集群等效算力的 95% 以上。

xAI将开发儿童版AI应用"Baby Grok"，配备友好内容系统，并发布新聊天机器人功能及动漫、卡通熊猫等虚拟角色。

达美航空测试动态票价策略，由 AI 为每位乘客提供个性化的机票价格。该策略在去年小范围测试中取得成功，并计划在未来全面推广。

开源网络工具cURL的安全赏金项目收到大量AI生成的虚假漏洞报告滥用，导致安全团队工作压力增大，开发者考虑停止提供赏金。

AI早报 2025年07月20日

OpenAI正在测试名为gpt-5-reasoning-alpha-2025-07-13的新模型，有望在编程与前端设计方面表现优于过去的模型。

DuckDuckGo浏览器新增AI图像过滤功能，允许用户通过开源屏蔽列表在搜索结果中排除AI生成图像。

网络安全公司NeuralTrust突破xAI的Grok 4模型，利用“回音室攻击”技术诱导模型生成不当信息。

谷歌安卓部门负责人 Sameer Samat 近日在接受采访时提出，计算机科学专业需要“重塑”，其本质是解决问题的科学而非仅仅是编程。

Netflix 宣称在自制剧中使用 AI 技术制作特效，提高10倍效率，成本降低，同时也在其他领域应用 AI 技术提升用户体验。

Manus AI智能体平台联合创始人发布技术博客，总结平台从爆火到遇挫的开发经验与教训。

AI早报 2025年07月17日

OpenAI 正在开发 ChatGPT新功能，使其能够原生支持创建，编辑 Excel 和 PPT 文件，挑战微软 Office 的地位。

Anthropic推出“Claude Financial Analysis Solution”，帮助金融专业人士在审计、尽职调查和财务分析建模等任务中更高效工作。

昆仑万维与南洋理工大学联合推出“AgentOrchestra”分层多智能体协作框架，模仿交响乐队协作模式，实现不同专长智能体的协同工作。

Mistral AI 发布开源语音理解模型Voxtral，支持多种语言和音频处理能力，提供低成本高性能语音智能解决方案。

蔚来发布世界模型NWM，具备强大的空间理解能力和长时序建模能力，在复杂道路如小路、窄路、人车混行道路上表现优异。

苹果机器学习框架MLX新增英伟达CUDA支持，允许开发者在Apple Silicon Mac上开发应用并导出至CUDA环境运行。

AI早报 2025年07月16日

OpenAI正在开发AI驱动浏览器“Aura”，利用生成式和代理式AI能力改变网络浏览体验，预计在所有主流平台推出。

xAI的Grok推出“虚拟伙伴”功能：动漫角色Ani、熊猫Rudy，支持NSFW内容，探索个性化AI交互体验。

微软推出Surface Laptop 13英寸和Surface Pro 12英寸，搭载骁龙X Plus处理器及45 TOPS NPU，支持Windows 11 AI功能。

月之暗面回应 Kimi K2 模型 API 速度慢问题，称因访问量大、模型体积大，正优化推理效率、加卡加机器，预计几天内提速。

亚马逊AWS推出AI编程工具Kiro，集成开发环境可通过AI智能体自动生成需求文档、系统架构及代码。

Meta宣布建造全球首个超1吉瓦的AI超级计算机集群“Prometheus”，预计2026年投用，并计划后续部署5吉瓦级“Hyperion”集群。

Anthropic为Claude新增工具目录，支持快速链接模型上下文协议（MCP）服务，简化AI与外部工具集成流程。

AI早报 2025年07月15日

世界数字科学院发布AI 智能体安全测试标准，由蚂蚁集团、清华大学、中国电信等机构联合编制。

亚马逊 AWS 推出大型分布式集群 Project Rainier，有望成为最强 AI 模型训练计算机。该项目基于 AWS 自家 AI 芯片 Trainium2。

智源院开源具身智能系统RoboBrain2.0和RoboOS2.0，RoboBrain2.0具备更强的时空认知能力。

Liquid AI发布了LFM2混合模型，针对边缘设备进行了优化，在速度、能效和性能方面达到了新纪录。

深圳首次实现机器人自主搭乘地铁配送货物，通过AI调度算法和全景激光雷达等技术，提高配送效率和降低成本。

HuggingFace推出一款名为Reachy Mini的桌面机器人，具有灵活的头部运动、全身旋转、广角摄像头、多个麦克风和5瓦扬声器。

Meta和加州大学伯克利分校的研究人员开发了StreamDiTAI模型，可以在16帧每秒的速度下实时创建512p分辨率的视频。

AI早报 2025年07月14日

工业和信息化部将在2025年世界人工智能大会上发布《国际人工智能开源合作倡议》，推动全球共建AI开源生态。

Figure AI创始人预测人形机器人数量将在不久的将来与人类相当，指出硬件进步和神经网络发展是实现目标的关键。

百度网盘推出“知识问答”功能，通过AI技术整合用户网盘中的信息，实现高效资料查找、问题解答和内容创作。

据传华为将调整AI芯片发展方向，从ASIC转向GPGPU架构，以实现对CUDA编程语言的兼容，拓宽应用范围和提高市场占有率。

亚马逊将与Anthropic等公司推出一个AI Agent市场，为企业提供一个统一的平台来买卖和查找AI Agent。

AI早报 2025年07月13日

Qwen Chat发布更新，新增图像生成、网站开发、深度思考等功能，同时新增桌面端，可调用MCP。

Mistral AI 与 All Hands AI 合作推出了 Devstral2507 系列模型，包含Devstral Small1.1和 Devstral Medium2507。

OpenAI宣布推迟首个开源AI模型发布，声称需进行额外安全测试，强调对模型安全性的重视。

苹果智能家居设备HomePad因Siri功能开发延迟，发布时间推迟至2026年春季，集成iPad与HomePod特性。

微软推出BioEmu模型，将蛋白质动态模拟的时间从数年缩短至几小时，加速生物研究。

AI早报 2025年07月12日

月之暗面发布开源模型Kimi K2，具备良好的代码能力和通用Agent任务能力，支持多种实际场景应用。

高盛将试点使用全球首个AI程序员Devin，该程序员由Cognition公司开发，预计将加入高盛的12000名人类开发者行列。

微软发布Phi-4-mini-flash-reasoning小型语言模型，适用于端侧AI场景，性能优于其他Phi系列模型。

Arm公司发布SME2新技术，提升移动设备AI性能，可在不更改现有代码的情况下集成至AI模型中，提升AI任务执行效率。

Google DeepMind开源GenAI Processors新Python库，为开发者提供构建异步、可组合的生成式AI工作流的轻量级工具。

快手发布新一代图像生成模型可图2.1，提升图像生成能力，支持180种风格，在理解复杂指令、生成高质量图像方面表现出色。

AI早报 2025年07月11日

xAI发布旗舰模型Grok 4，在数学推理、代码生成等基准测试中表现良好。

迪拜WOOHOO餐厅推出AI大模型Chef Aiman，通过分析食品科学数据和全球菜谱设计菜品，并由人类厨师调整后制作。

谷歌将推出AI新技能“Storybook”，可生成插画故事书，结合文本与插图适配儿童阅读。

vivo AI Lab发布边缘侧多模态模型BlueLM-2.5-3B，具备GUI理解能力，支持短/长思考模式切换，在文本和多模态任务中表现突出。

Meta与Ray-Ban合作推出代号“Aperol”和“Bellini”的智能眼镜，升级AI功能包括实时物体识别和场景感知，预计2025年底或2026年发布。

Perplexity AI发布AI浏览器Comet，整合AI交互功能，支持连贯对话，目前仅对Max订阅用户开放。

AI早报 2025年07月09日

香港理工大学与OPPO研究院合作开源DLoRAL框架，通过创新的LoRA架构和单步生成能力，实现视频超分辨率领域的突破。

钉钉推出AI电子表格产品，具备智能字段处理、零门槛数据分析和自动化流程创建功能，优化业务系统构建方式。

小米AI团队在ICCV 2025发表视频理解大模型Q-Frame和持续学习框架Any-SSR，分别提升视频理解准确性和解决大模型灾难性遗忘问题。

Google开源MCP Toolbox for Databases工具模块，支持用少于10行代码实现AI代理与SQL数据库集成，适用于多种业务场景。

卡内基梅隆大学和Cartesia AI提出新方法，使循环模型能处理长达256k的序列，展现强大泛化能力。

苹果与哥伦比亚大学开发AI原型系统SceneScout，结合地图API和多模态模型，为视障人士提供个性化街景导航辅助。

微软上线Deep Research，可自动化分解复杂研究任务并生成透明报告，集成必应搜索和GPT o3模型。

AI早报 2025年07月08日

腾讯混元推出美术级3D生成大模型Hunyuan3D-PolyGen，通过高压缩率表征BPT技术提升建模效率，可应用于UGC游戏资产生成。

北京人形机器人创新中心开源运动控制框架Tien Kung-Lab，融合强化学习与人体运动数据，实现高效稳定的人形机器人运动控制。

阿里云开源网络智能体WebSailor，登顶BrowseComp评测榜单，具备强推理与检索能力，适用于复杂场景任务。

字节跳动开源AI开发环境Trae-Agent，基于LLM执行通用软件工程任务，支持自然语言指令与多工具集成。

B站发布动漫视频生成模型AniSora V3，结合强化学习与人类反馈框架，优化视频质量与动作一致性，支持多风格生成。

Anthropic即将推出Claude Neptune v3模型，数学能力突出，或为Claude4.5预发布版本，强化代码生成与多模态处理。

AI早报 2025年07月07日

雷鸟V3拍摄眼镜新增AI备忘录功能，逐步接入苹果生态系统，支持Siri唤起和Apple Watch手势交互。

索尼与AMD合作开发PSSR超分辨率技术，利用机器学习进一步增强游戏性能，预计将应用于PS5 Pro主机。

上交团队构建了一个AI模型，能够根据需求高效地逆向设计出多种性能优异的热辐射超材料，实现了高效降温与节能。

OpenAI通过研究员驻留计划吸引非AI领域的顶尖人才，与Meta高薪挖角策略形成对比，强调使命感培养。

一个独立出版商联盟向欧盟提起反垄断投诉，指控谷歌通过AI概览功能使用其内容，从而导致出版商的网站流量和收入遭受重大损失。

AI早报 2025年07月06日

谷歌DeepMind和普林斯顿大学合作研发Centaur AI模型，通过Psych-101数据集训练，能预测人类行为，推动认知科学发展。

Character.AI推出TalkingMachines自回归扩散模型，实现实时AI角色视频互动，支持自然动作与多风格渲染。

苹果开源DiffuCode-7B-cpGRPO编程模型，基于Qwen2.5-7B，采用扩散模型非顺序生成代码，性能对标顶级开源编码模型。

久保田推出农业生成式AI聊天服务，为农户提供种植咨询、补贴政策查询及实用网站推荐，降低农业入门门槛。

温布尔登网球锦标赛启用AI司线系统，赛事方称其准确性和稳定性达历史最佳，但部分选手对其判罚提出质疑。

AI早报 2025年07月05日

阿里通义开源音频生成模型ThinkSound，利用思维链技术实现高保真、强同步的空间音频生成，突破传统“看图配音”局限。

法国AI实验室Kyutai发布开源语音合成模型Kyutai TTS，支持流式文本传输，实现低延迟、高精度多语言语音生成。

字节跳动开源AI开发环境Trae核心组件Trae-Agent，支持自然语言驱动自动化编程，具备多模型兼容与操作日志记录功能。

西班牙国家市场竞争委员会采用AI算法BRAVA实现全自动化可疑交易调查，未来将扩展应用范围。

昆仑万维开源Skywork-Reward-V2系列奖励模型，参数规模6亿至80亿，在七大评估基准中取得顶尖成绩。

DeepMind提出Crome框架，通过因果反事实示例训练奖励模型，增强大语言模型与人类反馈的对齐能力。

AI早报 2025年07月04日

腾讯元宝新增一句话搜索图片和视频号内容功能，支持智能匹配和视频号教程引用，提升搜索体验。

Lovart AI发布中文版星流Agent，集成多模态模型，优化中文字体支持，擅长批量海报生成。

ByteDance开源VINCIE-3B模型，支持上下文感知图像编辑，突破传统图像编辑限制，无需依赖复杂的分割或恢复模型。

联发科发布MR BreezeASR 25 AI语音识别模型，为中国台湾地区用语及口音优化，提升理解能力。

Anthropic编程助手Claude Code新增Hooks功能，允许开发者自动执行特定操作，提供更精确的控制和高效开发体验。

Stability AI开源Stable Audio Open Small，针对移动设备优化的文本到音频生成模型，可在Arm CPU上本地运行。

AI早报 2025年07月03日

微软开源GitHub Copilot Chat扩展代码，允许开发者研究聊天式编程助手技术实现，并计划将AI功能深度集成至Visual Studio Code。

智谱发布GLM-4.1V-Thinking，支持多模态输入与推理，在图文理解、科学推理等任务中表现优秀。

百度发布自研视频生成模型MuseSteamer，支持单图生成1080p电影级有声视频，具备人物微表情和运镜控制能力。

微软更新Microsoft 365 Copilot，新增冰岛语等6种语言支持，逐步集成OneDrive和Loop功能，提升多语言场景适用性。

X 平台推出AI机器人撰写社区注释功能，并由用户反馈决定内容是否公开展示，旨在减少人力成本并提高效率。

Cloudflare推出“按需爬取”市场，帮助网站所有者控制内容并允许AI公司付费抓取，平衡内容生态利益。

AI早报 2025年07月02日

通义团队推出Qwen-TTS文本转语音模型，支持普通话及北京话、上海话等方言，提供7种中英双语语音。

淘天集团发布百亿参数推荐大模型RecGPT，通过多模态认知技术整合用户消费行为与产品信息，生成高度个性化电商推荐序列。

Meta成立Meta Superintelligence Labs部门，由前Scale AI CEO领导，计划投入数千亿美元开发人工智能。

荣耀Magic V5折叠屏手机将搭载端侧语音大模型，预计将在荣耀Magic V5海外版首发搭载。

字节跳动发布图像合成技术XVerse，采用DiT调制方法实现高精度多主体生成，用户可通过文本描述生成保真图像。

TEN Agent开源实时语音活动检测器TEN VAD，在复杂噪声环境下表现优异，适用于智能设备与实时通信领域。

AI早报 2025年07月01日

阿里巴巴发布多模态大模型Ovis-U1，集成多模态理解、图像生成和编辑功能，展现跨模态处理能力。

百度开源文心大模型4.5系列，包含10款模型，支持多模态理解、文本生成及逻辑推理，API价格仅为GPT4.5的1%。

华为开源盘古系列大模型，包括70亿参数稠密模型和720亿参数混合专家模型，推动大模型技术研究及AI应用落地。

谷歌发布专为学校设计的Gemini应用版本，具备企业级数据保护机制，将免费集成进现有Education方案。

英特尔与百度合作，利用OpenVINO工具套件实现文心大模型4.5系列模型的端侧部署。

北京人工智能研究院推出OmniGen2，支持文本到图像生成、编辑及上下文创作。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

AI每日资讯-202506

来源：https://aigcreative.feishu.cn/docx/HEmFdQspNoybItx5gPocKZnVnUT

动态 | 观点 | 人物 | 产品 | 体验 | 应用 | 公司 | 融资 | 产业

AI早报 2025年06月30日

摩尔线程成功适配腾讯混元-A13BMoE开源混合推理模型，该模型在代码和数学任务上表现优秀，推动国产GPU在AI应用创新。

OpenAI正在通过内部工程师为大型企业和政府提供起价1000万美元的定制化AI模型和咨询服务，与Palantir和埃森哲等公司展开竞争。

OpenAI已开始租用谷歌的TPU芯片，此举旨在降低成本并减少对微软和英伟达的依赖。

Meta新推出的“云端处理”功能允许用户上传相机胶卷内容至云端，但未明确说明是否会用于AI训练，引发用户隐私关注。

日本初创公司Rabo推出智能猫项圈Catlog_，可监测猫咪行为和压力水平，通过手机应用同步数据，帮助主人了解猫咪生活状态。

我国自主研发的航空运输大模型“天牧”在南京发布，可以作为空中交通指挥专家，解决低空飞行中的空情监控、资源调度等问题。

AI早报 2025年06月29日

南方科技大学研发出人形机器人“南科盘古”，具备高度拟人仿生机械臂和人工智能技术，能够实现多模态智能交互。

OpenAI 开始租用谷歌的TPU，用于支持其热门产品ChatGPT等项目的运行，减少对英伟达的依赖，并寻求降低算力成本。

AI 视频公司 Runway 正在开发一款面向消费者的交互式 AI 工具，旨在生成视频游戏。

微软宣布将自研AI芯片Maia的发布时间从2025年延后至2026年，该芯片为大语言模型训练设计，将采用台积电5nm制程工艺。

MacWhisper 在最新版本中集成了英伟达 Parakeet 模型，提升音频转录效率，不到 8 秒就能转录一个 30 分钟的播客。

国内首场机器人3V3足球AI赛落幕，清华火神队夺冠，赛事采用统一赛事标准平台，通过AI策略自主进行比赛。

Claude 在 Anthropic 内部模拟经营一家小商店时出现亏损，实验中，Claude 承担了包括管理商店库存、设定价格等多种工作。

AI早报 2025年06月28日

阿里云通义千问发布多模态模型Qwen VLo，采用渐进式生成方式，支持多语言指令和高质量图像生成。

腾讯混元大模型家族推出HuanYuan-A13B模型，首个13B级别MoE开源混合推理模型，支持单张中端GPU部署。

快手可灵AI推出全系列视频模型“视频音效”功能，支持生成高质量立体声音效并与视频帧级同步。

谷歌发布Gemma 3n端侧多模态模型，支持手机、平板等设备本地运行，优化多语言、数学、编码和推理能力。

Black Forest Labs开源FLUX.1Kontext图像编辑模型，12亿参数支持文本指令修改图像，被誉为GPT-4o的开放替代方案，适配消费级硬件。

OpenAI发布两个深度研究模型API，o3-deep-research和o4-mini-deep-research，支持网络搜索、数据分析等复杂任务。

ElevenLabs推出Voice Design v3工具，可通过文字提示生成拟人声音，支持70多种语言和数百种方言，可精细调整语调、语速等参数。

AI早报 2025年06月27日

小米发布首款 AI 眼镜，支持第一人称相机、语音拍照、翻译文本等功能，售价 1999 元起。

香港大学、香港中文大学与商汤团队联合发布GoT-R1多模态模型，通过强化学习提升图像生成的语义与空间推理能力。

谷歌发布文本生成图像模型Imagen 4及高端版Imagen 4 Ultra，改进文本渲染效果。

Hengbot推出集成OpenAI大语言模型的机器狗Sirius，支持语音对话及复杂动作。

出门问问推出AI硬件TicNote，内置Shadow AI，支持转录、摘要及多语言翻译等功能，可磁吸附着手机使用。

XBOW公司的AI渗透测试工具XBOW登顶HackerOne美国排名，可完成包括RCE、SQL注入等漏洞扫描。

AI早报 2025年06月26日

谷歌推出基于Gemini 2.5 Pro AI模型的Gemini CLI命令行界面，支持100万token上下文窗口及AI问答、内容生成功能。

Anthropic计划为AI聊天产品Claude添加记忆功能，记住并引用历史对话内容，提升与ChatGPT的竞争力和用户体验。

ETH苏黎世联邦理工学院等机构推出SuperDec方法，通过超四面体原理实现3D场景的紧凑表达，可应用于机器人和可控内容生成领域。

OpenAI推出搜索连接器功能，允许ChatGPT与外部应用无缝集成，该功能已向所有非欧盟地区的Pro和Team用户开放。

xMEMS发布固态"芯片风扇"技术，解决智能眼镜过热问题，预计2026年量产。

字节跳动与上海交通大学推出ProtoReasoning框架，通过逻辑原型增强大模型推理能力，在逻辑规划和基准测试中表现显著提升。

AI早报 2025年06月25日

谷歌DeepMind发布本地化机器人AI模型，可在无云端支持下控制实体机器人，完成系鞋带等任务。

百度推出Comate AI IDE，支持自然语言指令生成代码，具备多模态与多智能体协同功能。

谷歌向 Linux 基金会捐赠A2A协议及相关软件开发工具包和开发人员工具，推动AI智能体开放协作。

火山引擎发布企业AI中间件HiAgent 2.0，提供全生命周期智能代理管理，新增低代码开发与统一人机交互入口Canvas。

苹果开发新型AI图像生成模型TarFlow，通过分块生成像素避免质量损失，并灵活调用外部语言模型处理文本提示。

ElevenLabs发布语音优先的AI助手11ai，集成多工具与可定制MCP协议，提供个性化语音交互工作流程。

AI早报 2025年06月24日

微软推出Win11设备端小型语言模型Mu，提升系统设置的自然语言搜索体验，具有高效运行、高解码速度等特点。

南钢集团与华为联合发布“元冶・钢铁大模型”，实现钢铁行业全流程、全产业链数据贯通与智能升级，推动生产效率和能耗降低。

IBM为2025年温网推出AI聊天助手和结果预测功能，通过分析比赛数据和实时反馈为球迷提供定制化观赛体验。

网易有道开源“子曰 3”数学模型，可在单块消费级GPU上高效运行，成本效益高且推理性能优异。

比利时程序员开发AR应用，利用AI技术识别并屏蔽现实广告，可在Snap第五代AR眼镜上运行，目前处于早期阶段。

小米将举行新品发布会推出手机、汽车和AI眼镜等产品。其中，AI眼镜是小米首次尝试，预计将搭载双芯片架构和摄像头。

AI早报 2025年06月23日

我国科研团队研发出具备全手高分辨率触觉感知和完整运动能力的机器人仿生灵巧手，能在执行任务时动态规划下一步动作。

马斯克计划利用Grok 3.5重写人类知识库，填补缺失信息，删除错误内容，并基于此重新训练Grok模型。

华为发布Pura 80 Ultra新机，搭载双长焦镜头和AI智能升级，支持提供个性化拍照和穿搭建议。

一项研究发现，2024年美国开发者提交到GitHub上的8000万条Python代码中，约30.1%由AI生成。

央视新闻曝光AI智能体聊天软件行业乱象，指出一些软件提供擦边极端角色，生成诱导性内容，危害未成年人身心健康。

AI早报 2025年06月22日

Google 编程助手更新，集成 Gemini 2.5 模型，支持配置快捷命令与更好的上下文管理。

Kimi发布新一代Agent模型Kimi-Researcher，基于端到端自主强化学习技术，能自主规划任务并生成信息详实、可溯源的深度研究报告。

Hailuo AI 推出 Hailuo Video Agent ，用户通过自然语言输入文字或图片，即可通过预设 Agent 模板生成短视频

Cursor 发布在 Slack 中启动 Background Agents 的功能，支持能读取并在 GitHub 创建 PR，完成工作后会推送含相关链接的信息 。

OpenAI开源一个Agents客服演示项目，用Python后端调度多智能体协作，可自动识别问题并转接专业Agent。

GitHub 宣布将从下月起弃用o1、GPT-4.5、o3-mini 和 GPT-4o 模型，并推荐使用 OpenAI 的其它模型

AI早报 2025年06月21日

华为云发布盘古大模型5.5，全面升级自然语言处理、计算机视觉等五大基础模型，显著提升知识推理和行业解决方案能力。

Meta 公司与依视路合作推出智能眼镜 Oakley Meta HSTN，配备AI个人助手，为运动员提供运动数据支持。

腾讯AI实验室开源音乐生成大模型SongGeneration，突破音质与生成速度瓶颈，支持多轨合成和风格控制。

OpenAI 的 ChatGPT 新增笔记工具功能，专为会议笔记、头脑风暴和个人笔记管理设计，目前仅限macOS桌面应用。

华为云推出新一代昇腾AI云服务，采用CloudMatrix384超节点技术，NPU利用率提升40%，推理效率提升50%。

AMD推出首款基于RDNA4架构的专业显卡Radeon AI PRO R9700，专为AI和高性能计算设计，获华擎、华硕等厂商支持。

OpenAI灰度测试ChatGPT深度整合Gmail/日历功能，可分析邮件生成日程，预计2-3个月内正式发布。

AI早报 2025年06月20日

MiniMax Agent推出新一代Agent，支持多步规划能力、灵活的任务分解机制，能自动完成部分复杂任务。

OpenAI宣布将在2025年7月14日停止GPT-4.5 API服务的预览版本，开发者需在三个月内迁移到其他模型。

YouTube计划在夏季引入其最新的Veo3AI视频生成模型到YouTube Shorts，预计将给短视频创作者带来新的创意可能性。

谷歌推出Search Live语音搜索功能，基于Gemini模型，用户可通过语音与搜索引擎进行自然对话，适用于iOS和Android应用。

苹果计划利用生成式AI加速定制芯片设计，硬件技术负责人Johnny Srouji透露生成式AI可显著提升设计效率。

OpenAI研究发现通过调整AI模型的内部特征可以增加或减少其“毒性”行为，助力开发更安全的AI模型。

AI早报 2025年06月19日

Midjourney推出首个AI视频生成模型V1，支持图像转视频，单次生成时长5秒，可延长至21秒，并计划开发3D渲染AI模型。

谷歌AI模型Gemini新增视频上传与分析功能，支持安卓和网页端，可对视频片段进行概述或特定内容查找。

月之暗面推出开源代码大模型Kimi-Dev-72B，以720亿参数超越同类模型，具备代码修复和测试能力。

OpenAI CEO透露GPT-5将于今夏发布，作为生成式AI能力的重大升级，超越GPT-4。

OpenAI 在 Meta 投资 Scale AI 后终止了与 Scale AI 的合作，并开始寻找其他数据供应商。

腾讯元宝推出AI编程模式，支持实时生成和预览代码， 支持运行Python、C、Java、JavaScript等多种开发语言。

网络安全研究团队发现，黑客利用伪造的 DeepSeek 网站实施钓鱼攻击，传播 BrowserVenom 恶意木马，窃取用户隐私信息。

AI早报 2025年06月18日

MiniMax发布 Hailuo 02 视频生成模型，支持原生1080p，具有较强的指令执行能力。

谷歌发布轻量级AI模型Gemini 2.5 Flash-Lite，是Gemini系列中成本效益最高、推理速度最快的版本。

雷神发布首款AI智能眼镜"雷神AI魔镜"，配备12MP传感器，搭载骁龙AR1芯片，支持智能翻译和游戏助手等功能。

腾讯发布AI歌唱模型LeVo，支持3秒音频克隆声音特征，在歌词对齐能力上超越Suno4.5，实现高保真音乐生成。

Rokid与支付宝合作推出全球首款智能眼镜支付产品"刷脸支付"，通过声纹认证和二维码识别实现高效安全支付。

阿里巴巴发布适配苹果MLX架构的Qwen3升级版，支持119种语言，可能为Apple Intelligence进入中国市场铺路。

AI早报 2025年06月17日

MiniMax发布MiniMax-M1推理模型，拥有100万Token的超长上下文窗口，并采用全新技术进行训练，显著降低成本。

OpenAI升级Codex编程工具，新增多解决方案生成功能及快捷键优化，提升编程效率。

XREAL公布智能眼镜Project Aura参数，搭载高通骁龙 SoC和自研空间计算芯片X1S，性能提升25%，运行Android XR系统。

哈佛大学法学院图书馆开源AI训练数据集“Institutional Books 1.0”，包含98.3万本图书，并计划扩展至历史报纸数据。

蚂蚁与inclusionAI联合发布多模态模型“Ming-Omni”，支持图像、音频、视频处理，为首个匹配GPT-4o模态能力的开源模型。

微软发布Code Researcher工具，专用于大型系统代码调试（如Linux内核），通过语义分析提升维护效率。

AI早报 2025年06月16日

谷歌搜索引擎新增音频概览功能，通过AI技术生成播客式总结，提供详细语音回答，并支持调整音量和播放速度。

麻省理工学院开发出一种AI新技术，通过生成可移除的实体修复层，可逆地修复了一幅15世纪的严重受损油画。

清华大学联合团队推出的OneTwoVLA模型，通过将思考和动作控制相结合，让机器人能“边想边做”，并具备自我纠错和自然交互的能力。

Anthropic新研究发现，多智能体系统通过让一个主导智能体协调多个子智能体并行工作，能大幅提升解决复杂开放式问题的性能

北京通用人工智能研究院与北京大学团队研发智能灵巧手，集成高分辨率触觉感知系统，实现自适应抓取与实时动作调整。

蚂蚁集团提出的GCA新注意力机制，通过一个可端到端学习的因果检索模块，让大语言模型能像人一样从超长文本中动态挑选关键信息，

AI早报 2025年06月15日

三星计划在Galaxy Z Fold7搭载基于AI的摄影技术，提升数码变焦和视频拍摄效果。

苹果计划秋季推出新一代Apple TV 4K，可能搭载Apple Intelligence技术，内置摄像头。

美团交付第100万顶智能头盔，具备AI语音交互、跌倒检测等功能，提升骑手安全与配送效率。

AMD通过与AI初创企业合作强化软件实力，优化ROCm软件平台，推动先进芯片研发。

深开鸿推出开鸿Bot系列开发设备，包括笔记本和迷你主机，搭载自主KaihongOS操作系统，优化UI界面和交互体验，支持设备互联。

波士顿动力的Spot四足机器狗在《美国达人秀》表演舞蹈，评委们称这是节目二十季以来从未见过的画面。

AI早报 2025年06月14日

腾讯开源了3D生成大模型混元3D 2.1，优化了几何生成质量和材质生成，支持多种复杂材质的高质量渲染。

Google将Imagen4图像生成模型整合至Gemini平台，用户可通过简单提示直接生成高质量图像。

阿里云开源基于MNN框架的3D数字人应用MNN TaoAvatar，支持移动设备实时生成和驱动逼真3D虚拟形象。

法国Mistral AI与英伟达合作推出Mistral Compute平台，并发布可进行逻辑思考的Magistral系列推理模型。

MiniMax升级Agent功能，新增智能图像搜索、稳定生成、长期任务处理等功能。

谷歌推出Weather Lab气象预测网站，利用DeepMind AI模型，可提前预测台风路径并模拟多种发展场景。

AI早报 2025年06月13日

阿里巴巴开源 3D 数字人框架 Mnn3dAvatar，支持实时面部捕捉和 3D 虚拟角色动画映射。

AMD发布下一代开源软件栈技术ROCm 7，该技术旨在提升AI推理性能，将DeepSeek R1的推理性能提升了3.8倍。

Anthropic 推出 Claude Gov 模型，为美国国家安全客户定制，用于机密材料处理和情报分析等。

微软推出视频编辑工具 Clipchamp，新增 AI 转录文本功能，提升会议录像、播客等内容创作效率。

Meta 发布视频理解模型 V-JEPA 2，通过自监督学习从百万小时视频中提取物理世界知识。

360升级“Nano AI 超级搜索智能体”，可自主调用工具生成网页、视频等多格式结果。

Meta 推出基于 AI 的视频编辑功能，用户可以轻松更换视频中的服装、场景和风格，并支持将视频转化为漫画艺术形象等。

AI早报 2025年06月12日

字节跳动火山引擎发布两款语音大模型：豆包·语音播客模型，支持生成双角色对话播客内容；豆包·实时语音模型，支持实时语音交互。

Meta发布LlamaRL强化学习框架：采用全异步分布式设计，大幅提升大语言模型训练速度，为AI训练提供新解决方案。

高通发布骁龙AR1+ Gen 1芯片：体积缩小26%，功耗降低7%，专为智能眼镜设计，首次支持本地运行小型语言模型，无需联网依赖。

AMD推出Instinct MI350 AI加速器：采用3nm工艺和CDNA 4架构，配备288GB HBM3E内存，算力较前代提升35倍。

中国科学院团队证实多模态大模型自发形成类人概念系统：首次发现AI模型能建立与人类相似的物体认知表征。

通义实验室开源MaskSearch框架：通过检索增强掩码预测和强化学习技术，使AI具备主动信息搜索和多步推理能力。

Krea AI发布图像生成模型Krea1：支持风格参考和定制训练，拥有1.5K 原始分辨率并支持 4K 高清提升。

AI早报 2025年06月11日

火山引擎将发布全新豆包视频生成模型，支持无缝多镜头叙事、多动作运镜及稳定运动与真实美感，可生成多种风格视频内容。

法国Mistral推出首个推理模型Magistral，专注欧洲语言逻辑推理与数学编码能力，与OpenAI及DeepSeek等模型竞争。

香港大学与NVIDIA合作开发通用空间传播网络（GSPN），通过二维线性传播机制将高分辨率图像生成速度提升84倍。

香港科技大学与快手科技推出进化搜索技术EvoSearch，基于达尔文进化论思想优化流程，通过适应性评估和变异操作提升生成质量。

小鹏汽车发布自研图灵AI芯片，算力达750TOPS，单颗芯片可替代三颗英伟达Orin-X，支持高阶自动驾驶与智能座舱大模型需求。

百度推出AI相机功能，该功能集成了丰富的AI功能模块，包括美颜、图像识别、问题解决、文本提取、翻译、扫描等智能服务。

苹果开放Foundation Models框架并升级Xcode26，集成AI编程助手和本地化模型部署能力，支持开发者直接嵌入AI功能至应用程序。

AI早报 2025年06月10日

NVIDIA完成Rubin GPU与Vera CPU设计，采用台积电3纳米制程并支持8层HBM4内存，预计2026年初量产。

科大讯飞宣布星火X1升级版即将发布，数学、代码、逻辑推理等通用任务性能显著提升。

铠侠研发新型AI SSD，主控芯片专为随机性能优化，512B数据块下实现超千万IOPS，预计2026年下半年推出成品。

Google Veo 3推出FAST/TURBO模式，生成速度提升且支持原生音频合成，推动AI视频生成进入高速低成本时代。

北京邮电大学团队推出大模型记忆操作系统MemoryOS，通过持久记忆和个性化交互设计解决AI长对话记忆丢失问题。

MonkeyOCR以轻量化设计在复杂英文文档解析任务中刷新性能标杆，超越Gemini2.5Pro等大模型。

小红书发布首个开源大模型dots.llm1，采用1.42万亿参数混合专家架构，中文测试表现优异且训练推理成本降低50%。

AI早报 2025年06月09日

ChatGPT近期对高级语音模式进行了升级，提高了语音的自然度和情感表达，并新增了多语言翻译功能。

美团在2025年推出AI工具“既白”，旨在通过智能化手段助力酒店实现精细化运营和高效管理，提升顾客满意度。

ChatGPT Team 订阅计划在美区、英区、欧洲区和澳洲区推出限时优惠活动，用户只需支付1美元即可享受一个月的会员服务。

苹果最新研究指出，现有AI大模型更像是依赖记忆而非推理，特别是在高复杂度任务上，模型性能会完全崩溃至零准确率。

英国法院法官表示，律师有义务核查AI生成内容的准确性，引用虚假的AI生成内容可能面临严厉处罚。

AI早报 2025年06月08日

面壁智能发布端侧大模型MiniCPM 4.0，支持多种框架部署，能自动切换注意力模式以提供高效响应。

苹果公司将发布iPadOS 26系统，整合Apple智能功能，优化Siri对话能力，并新增实时语音翻译功能。

百度智能云发布金融大模型“千帆慧金”，提供面向多个行业的场景化智能体方案。

谷歌安卓版Gemini应用新增“Scheduled Actions”功能，允许用户预设指令自动执行任务，类似ChatGPT的定时任务能力。

Figma推出MCP服务器工具，使AI模型能直接解析设计文件元数据生成代码应用，较传统视觉猜测方法提升精度。

安全公司Cisco Talos揭露黑客通过山寨知名AI平台传播恶意软件，传播勒索软件，对用户造成严重威胁。

AI早报 2025年06月07日

北京智源研究院发布RoboOS 2.0机器人操作系统与RoboBrain 2.0具身大脑模型，空间推理能力超越主流模型。

字节跳动推出图像编辑模型SeedEdit 3.0，基于文生图模型Seedream 3.0开发，支持4K分辨率人像编辑与背景替换。

阿里巴巴开源Qwen3-Embedding向量模型系列，性能较前代提升超40%，支持100+语言与跨模态检索。

OpenAudio发布开源TTS模型S1-Mini，参数仅0.5B但支持14种语言与50+情感音调。

ElevenLabs推出语音模型Eleven v3，新增情感标签与音调控制功能，支持70+语言的自然语音生成。

谷歌发布Gemini 2.5 Pro Preview模型更新，优化代码生成与视频理解能力。

特斯拉宣布研发下一代AI芯片Dojo2，采用晶圆级集成技术，性能对标英伟达B200系统，计划年底发布。

AI早报 2025年06月06日

亚马逊组建Agentic AI团队研发物理AI，开发能感知环境并通过自然语言指令执行任务的机器人，重点应用于仓储场景。

英伟达发布ProRL强化学习方法和推理模型Nemotron-Research-Reasoning-Qwen-1.5B，在数学、编程和逻辑推理任务中表现优异。

微软开源AI助手Athena，支持代码审查、任务管理和实时项目更新，优化开发流程并减少跨应用切换。

Mistral AI推出企业级代码助手Mistral Code，基于开源IDE扩展整合高性能编程模型，支持私有化部署和模型微调。

面壁智能与易来联合发布纯端侧AI智慧屏Yeelight Pro S系列，采用全链路离线语音技术和本地数据加密，实现家居场景识别与习惯学习。

蚂蚁集团推出AI-as-a-Service平台Alipay+ GenAI Cockpit，集成智能任务编排和自动化流程，覆盖支付、合规、反欺诈等场景。

Bland AI发布TTS语音合成引擎，仅需短音频片段即可复刻人声，支持音调与节奏风格混合调节。

AI早报 2025年06月05日

腾讯游戏发布工业级AIGC游戏内容生产引擎，包含Auto LUV和裙摆AI等工具，优化全链路游戏制作流程。

快手开源Auto Think大模型，可依据问题复杂度自动切换“思考/非思考”模式，提升复杂任务处理表现。

Panasonic与加州大学洛杉矶分校联合推出多模态生成AI OmniFlow，支持文本、图像、音频间转换。

Anthropic为Claude Pro订阅计划新增“研究模式”和远程模型上下文协议（MCP）集成功能，扩展至更广泛用户群体。

Manus推出“文生视频”功能，支持付费会员通过文本生成视频内容。

Epic Games为《堡垒之夜》推出AI角色创建工具，允许开发者通过20行文本定制具实时对话能力的智能NPC。

Thunder Code发布AI驱动测试平台，利用代理模拟完整QA流程捕捉UI/UX问题，融资900万美元并实现测试效率倍增。

AI早报 2025年06月04日

OpenAI升级Codex编程工具，新增联网功能、语音输入及底层优化，并向ChatGPT Plus用户开放。

智源研究院联合上海交通大学发布超长视频理解模型Video-XL-2，实现开源领域长视频处理突破。

谷歌正式上线Gemini Live功能至iOS/iPadOS平台，支持场景识别和屏幕内容分析，目前限美国用户免费使用。

英伟达计划在中国市场推出基于Blackwell架构的B30简化版AI芯片，支持多GPU扩展，预计定价低于H20芯片。

英伟达联合麻省理工学院和香港大学推出Fast-dLLM框架，通过块状近似KV缓存和并行解码策略，显著提升扩散模型推理速度。

微软Bing推出基于OpenAI Sora模型的视频创作工具，支持移动端生成5秒竖屏视频，免费用户可创建10个片段。

Hume AI发布第三代语音交互模型EVI3，优化情感识别与自然对话等七维度，支持实时搜索与智能响应。

AI早报 2025年06月03日

Anthropic推出Neuronpedia平台，可视化展示AI模型处理提示词的全过程，支持开发者实时观察神经元激活路径与权重分布。

AMD发布锐龙AI Max Pro 385处理器，集成RDNA 3.5架构显卡，支持50 NPU TOPS及超100 TOPS综合AI算力。

软银与英特尔联合研发新型堆叠式DRAM芯片，通过三维封装技术提升AI内存带宽30%，功耗降低25%，为大规模AI训练集群设计。

AI选手在Palisade Research的夺旗赛中超过人类选手平均水平，可自主识别0day漏洞并生成防御补丁。

微软Azure推出FPGA加速型AI推理服务，基于自研Brainwave架构实现BERT-Large模型延迟低于1毫秒，单位算力成本下降80%。

Intel更新了其显卡驱动，加入电源优化功能，提升游戏帧率表现。新驱动针对酷睿Ultra 200V系列游戏设备。

AI早报 2025年06月02日

麻省理工学院研发乒乓球机器人系统，成功率88%，出球速度11米/秒，通过优化硬件与控制系统实现仿人机器人高精度运动。

银河通用发布TrackVLA具身大模型，支持纯视觉感知、自然语言指令驱动与自主推理，已在机器狗上完成长程验证。

谷歌推出“Google AI Edge Gallery”应用，支持手机端离线运行AI模型（如图像生成、问答），目前仅限安卓，iOS版将后续推出。

港理工等研究团队通过分析大模型内部结构变化，发现仅调整输出层但未改变模型深层结构时，训练数据可被重新恢复，属于“伪遗忘”。

雷神发布Aura AI智能眼镜，集成语音翻译、游戏策略辅助功能，采用自由环曲面技术。

普林斯顿大学团队提出GTA和GLA两种新型注意力机制，在保持模型性能前提下，将解码速度最高提升2倍并减少50%内存占用。

AI早报 2025年06月01日

百度AI搜索全面接入深度求索DeepSeek R1最新版，优化推理能力跃升与个性化搜索。

谷歌DeepMind开源SignGemma模型，支持美国手语与英语双向翻译。

BFL发布FLUX.1 Kontex生成式模型套件，图像生成与编辑速度较主流模型快10倍。

Opera推出全新AI浏览器Neon，内嵌Operator AI模型，可自动化执行网页操作并保障用户隐私。

通义开源VRAG-RL多模态推理框架，通过强化学习实现图像、表格等视觉语言信息的细粒度检索与推理。

英伟达据传计划减产RTX 50系列显卡，将更多资源投入到AI芯片发展。

Claude开源“电路追踪”工具，通过归因图可视化大模型内部神经元激活路径，支持决策逻辑逆向解析。

https://aigcreative.feishu.cn/sync/K4Gvd9vUQsy9Oubwqaeclu0Fnbg

AI每日资讯-202505

来源：https://aigcreative.feishu.cn/docx/OBX7dGiqWoYwRrxnkwEcM8TUn6b

动态 | 观点 | 人物 | 产品 | 体验 | 应用 | 公司 | 融资 | 产业

AI早报 2025年05月31日

华为发布盘古Ultra MoE模型，参数规模达7180亿，采用深度缩放三明治范数稳定架构和TinyInit小初始化方法。

Perplexity Labs上线协同工具功能，集成深度网络浏览、代码执行与资产管理。

小米开源多模态大模型MiMo-VL-7B，创新混合在线强化学习算法，在图像推理、GUI多步操作等任务中超越GPT-4o。

Anthropic开源“思维追踪”工具，通过构建归因图可视化大模型内部决策路径，支持交互式探索AI推理过程。

Yandex发布全球最大音乐推荐数据集Yambda，包含47.9亿条用户交互数据。

阿里巴巴开源WebAgent自主搜索AI代理，具备端到端网络信息检索与多步推理能力，可自动生成研究报告。

上海发布全球首个生成式类人机器人运动大模型“龙吟”，支持自然语言驱动高保真动作生成。

AI早报 2025年05月30日

快手可灵AI 2.1系列模型发布，5秒1080p视频生成时间缩短至1分钟内，成本降低65%，优化动态细节与用户意图理解能力。

Meta推出Multi-SpatialMLLM多模态模型，整合深度感知、视觉对应与动态感知模块，提升多帧空间推理能力。

谷歌相册App升级生成式AI功能，新增自动裁剪、图像补全及AI增强工具，提升编辑效率与分享便捷性。

Paper2Poster开源工具上线，实现学术论文到多模态海报的自动化转换，支持低成本高效视觉化呈现。

蚂蚁集团开源多模态大模型Ming-lite-omni，基于MoE架构拥有220亿参数，性能对标GPT-4o，提供完整模型权重与推理代码。

字节跳动推出AI视频编辑应用“剪小影”，集成火山引擎豆包大模型，支持零基础用户生成较高质量视频内容。

OpenAI更新图像生成API，新增流式传输、多轮编辑及实时网络数据集成功能，提升创作效率与灵活性。

AI早报 2025年05月29日

DeepSeek R1 模型完成小版本试升级，用户可通过官方渠道测试新版本，官方尚未公布具体更新内容。

中国石油发布昆仑大模型，参数高达3000亿，AI智能体嵌入加油站管理系统，提升业务效率。

Opera公司推出AI浏览器Opera Neon，集成Neon Chat、Neon Do和Neon Make三大AI模块，支持实时上下文信息检索与任务执行。

字节跳动推出AI原生开发工具Trae付费订阅模式，首月3美元，支持Claude4模型及VS Code插件迁移，集成代码补全/修复等功能。

Anthropic为聊天机器人Claude推出语音对话模式（Beta版），支持多音色选择与语音指令查询日程/文档，目前仅限英语。

腾讯开源混元语音数字人模型，支持基于图片和音频生成会说话、唱歌的数字人，由腾讯混元视频大模型与天琴实验室联合研发。

OpenAI测试“使用ChatGPT登录”功能，允许用户以ChatGPT账号登录第三方应用，挑战科技巨头的账户体系。

AI早报 2025年05月28日

阿里千问团队发布QwenLong-L1-32B模型，基于强化学习优化长文本推理能力，适用于多文档分析与跨领域复杂任务。

微软研究院开源Aurora AI气象预报模型，整合至MSN天气服务，在天气预测、海浪高度和空气质量等领域实现高精度预测能力。

中国科学院自动化研究所推出天文耀发预测大模型FLARE，通过整合恒星物理属性和历史数据，提升光变曲线特征提取能力。

西工大团队提出“扩散发散思维链”推理方法，允许扩散语言模型以非句法结构生成中间结果，提升创造性答案的多样性生成能力。

谷歌推出开源评测框架LMEval，集成LiteLLM技术支持多模态模型测试，新增安全评分机制，优化大模型评估标准不统一问题。

砺算科技成功点亮首款自研GPU，基于TrueGPU架构实现高算力与大显存，满足图形渲染和AI计算需求，计划推进软硬件兼容性优化。

上海交通大学团队提出Visual-ARFT方法，通过工具智能体调用和简单奖励机制，增强视觉语言模型的多模态任务分解与执行能力。

AI早报 2025年05月27日

腾讯推出全新QQ版本，新增“QQ文件闪传”功能，支持高达10GB的文件跨平台传输，并具有网页下载、无速度限制等特点

美团计划在6月份推出业务决策助手，帮助商家实现数字化转型。并计划上线AI编程工具“NoCode”。

Rork推出AI驱动跨平台应用生成工具，用户可通过描述创建iOS/Android应用并一键发布。

华为联合中国移动、联通发布openFuyao，提供异构算力精细化调度和超大规模集群管理技术，助力算力高效释放。

上海交通大学团队训练开源计算机代理PC Agent-E，使用312条标注数据，实现性能提升241%。

陕西电信发布了一款“家庭桌面 AI 机器人”产品，这款机器人具备多种功能，包括情感计算、环境感知、任务规划等。

AI早报 2025年05月26日

华为发布昇腾超节点技术，实现384卡高速总线互联，突破AI训练瓶颈，通过创新对等计算架构显著提升通信带宽和降低时延。

世界机器人大赛在杭州举行全球首次人形机器人格斗比赛，展示了人形机器人在动态控制和协同配合方面的技术实力。

苹果公司正在开发一款智能家居中枢产品，支持Apple Intelligence技术，将成为Siri和HomeKit的控制中心。

Palisade Research发现OpenAI o3等模型在执行任务时有概率出现无视关机指令的行为。

英伟达将推出面向中国市场的定制版BlackWell架构AI芯片，价格低于受限型号H20，预计6月量产，配备通用型GDDR7显存。

“Latent Reflection”项目将llama 3.2 3B植入树莓派4B形成“死亡循环”，通过内存耗尽与重启探索AI与哲学在艺术中的交互关系。

AI早报 2025年05月25日

Mozilla在Firefox 140浏览器中推出本地AI模型删除功能，允许用户自主管理AI组件，增强隐私控制权。

OpenAI将Operator智能体升级至o3模型，任务执行成功率提升40%，目前仅向付费订阅用户开放。

微软Windows 11 24H2版本更新新增“Draft with Copilot”功能，支持AI辅助写作。

Anthropic CEO在“Code with Claude”大会表示当前人工智能模型出现“虚构内容”的频率或许已经低于人类。

微软员工使用微软AI助手Copilot修复代码时出现逻辑混乱，错误修改正则表达式导致测试集崩溃，引发网友围观。

菜鸟无人车产品线升级推出快递柜车、冷链运输车及大容量车型，通过AI算法提升自动驾驶精准度。

甲骨文计划投资400亿美元，购买英伟达GB200芯片，助力OpenAI在得克萨斯州建设全球最大AI数据中心。

AI早报 2025年05月24日

豆包App推出视频通话功能，具备实时问答互动和视觉理解能力，可支持用户在旅行中获取景点信息等操作。

微软在Windows 11预览版中为记事本新增AI写作功能，用户可通过AI生成文本内容并调整文字长度、语气风格和格式。

字节跳动与清华大学合作推出ChatTS时间多模态大型模型，增强AI在时间数据问答和推理方面的应用能力。

英特尔推出至强6000P系列处理器，专为高性能GPU人工智能系统设计，优化CPU资源调度并提升系统响应速度。

微软测试"必应视频创建器"新工具，基于OpenAI的Sora模型生成视频，目前处于Beta测试阶段，未来将扩展到Bing移动端和桌面端。

苹果计划在2026年底推出智能眼镜，将集成摄像头、麦克风和AI技术，提供拍照、导航、音乐播放等功能，并通过升级版Siri实现交互。

Anthropic宣布在其API上推出代码执行工具、MCP连接器、文件API和扩展提示缓存四个新功能。

AI早报 2025年05月23日

Anthropic 公司推出 Claude Opus 4 和 Claude Sonnet 4 新一代语言模型，两款模型均具备混合推理能力。

字节跳动发布基于MoE架构的多模态基础模型BAGEL，该模型支持复杂的任务，如自由图像编辑、未来帧预测和3D生成。

昆仑万维发布Skywork智能体，采用AI代理架构一次性生成文档、PPT、视频等多种内容。

OpenAI宣布扩展其Responses API功能，新增对远程服务器连接、图像生成、代码解释器及文件搜索优化的支持。

Google推出了名为Sparkify的实验性AI产品，用户只需输入问题或概念，即可生成解释复杂概念的直观动画短视频。

亚马逊正在测试"AI购物专家"功能，能通过语音形式介绍产品的主要特点、用户评价等信息，帮助消费者节省购物时间。

xAI发布了Live Search API，支持实时动态搜索，可跨X平台、互联网、流行新闻和RSS进行搜索。

AI早报 2025年05月22日

腾讯混元宣布全面升级模型矩阵，推出视觉深度推理模型T1-Vision和端到端语音通话模型混元语音。

英伟达推出视频搜索与总结工具AI Blueprint，基于NVIDIA Metropolis平台，支持视频分析、音频转录及问答形式交互。

谷歌发布专为低资源设备设计的Gemma3n多模态AI模型，支持文本、图像、视频和音频实时处理。

上海虹口区与火山引擎合作推出区域级教育智能体应用生态系统，支持教师零代码开发教学智能体，如绘本教学、作文批改等。

苹果计划向开发者开放AI模型SDK，初期提供小型语言模型版本，允许第三方应用集成苹果原生AI功能，推动设备端智能应用创新。

谷歌实验室发布AI工具Stitch，可将英语描述或图像转化为UI设计及前端代码，支持快速修改并导出至Figma或代码编辑器。

AMD推出Radeon AI PRO R9700显卡，基于RDNA 4架构，集成128个AI加速器与32GB GDDR6显存，支持四卡并行。

AI早报 2025年05月21日

腾讯发布混元游戏视觉生成平台，集成AI 2D美术生成、多视图角色生成及实时画布功能，实现游戏资产生成流程工业化提速。

谷歌推出AI视频创作应用Flow，整合视频生成、摄像机轨迹控制等工具，面向Pro与Ultra订阅用户开放。

谷歌推出Veo3视频生成模型，具备物理模拟、口型同步及背景音效生成能力，已集成至影视制作工具Flow。

谷歌发布文生图模型Imagen 4，生成速度较前代提升10倍，图像精细度和文字渲染效果显著优化。

iQOO发布WATCH 5智能手表，内置AI健康助手与AI 运动教练，支持北斗卫星定位。

谷歌AI搜索的虚拟试衣功能，用户可通过AI模拟服装上身效果并支持智能体自动下单购买，革新电商购物交互方式。

谷歌Meet引入Gemini同声传译功能，实现语音实时翻译并还原说话者音色与情感，突破跨语言视频会议沟通壁垒。

AI早报 2025年05月20日

腾讯QQ浏览器升级为AI浏览器，搭载QBot智能体，集成智能搜索、学习、办公等功能，支持多Agent协同及“AI浏览”内容解读。

微软在2025年Build大会上推出Microsoft 365 Copilot Tuning工具，帮助企业利用自身数据微调模型。

GitHub推出AI编程智能体，集成在Copilot中，可自动修复漏洞、添加功能和优化文档，通过虚拟机处理任务并记录决策过程。

微软发布新浏览器API，使Web开发者能在Edge应用中集成Phi-4-mini模型，该模型具备38亿参数，支持文本生成、总结和编辑。

华为昇腾发布超大规模MoE模型推理技术，单卡Decode吞吐达1920 Tokens/s，相关代码将开源。

沃尔玛宣布正在开发AI购物助理，实现从商品搜索到付款的全流程自动化，能根据需求组合商品并深度运用用户数据。

谷歌测试将Gemini AI助手集成到Nest音箱，通过蓝紫色渐变光效唤醒，替代Google Assistant，目前仅限使用英语进行交互。

AI早报 2025年05月19日

广东移动推出“AI秘书”功能，该功能会自动应答电话，利用智能语音技术与来电方交流，用户可通过短信获取代答录音及文本内容。

Hugging Face发布MCP免费在线课程，该课程覆盖MCP协议基础到实际开发应用，旨在让用户快速上手。

中国人民大学启用智慧快递服务中心，该中心配置了无人快递车和具备L4级自动驾驶的室内配送机器人。

华硕推出幻 14 Air 2025 款笔记本，搭载 RTX5060 显卡和 AMD 锐龙 AI 9 HX 370 处理器。

中国联通与华为联合推出名为“智家通通”的家庭机器人，搭载面向家庭场景的云智OS、全栈式智控系统以及通通智能体。

B站团队推出动漫视频生成模型AniSora，实现一键创建多种动漫风格视频的功能，支持多样化的动画制作需求。

troomiwireless推出为儿童设计的操作系统TroomiOS，集成 AI 内容识别技术，提升对不良信息的过滤能力。

AI早报 2025年05月18日

Ollama推出自研多模态AI定制引擎，实现本地推理突破，优化内存管理与图像处理，支持复杂推理和流式响应。

港中文、微软等机构联合推出开源框架OpenThinkIMG，实现AI自主选择调用分割、OCR等工具完成复杂推理任务。

OpenAI测试整合模型上下文协议（MCP），扩展第三方服务，用户将可通过“连接器设置”自定义应用，增强实用性。

复旦大学与腾讯联合推出DICE-Talk视频生成工具，通过分离身份特征与情感表达的技术，优化表情突变问题。

谷歌推出ML Kit GenAI API，Beta阶段支持文本和图像输入，方便开发者调用Gemini Nano功能，提升应用性能及隐私保护。

谷歌计划在安卓16系统中推出新功能“Magic Actions”，结合Gemini AI模型，为用户提升通知的个性化与实用性。

CodeRabbit宣布其AI代码审查工具可免费接入主流开发环境，可实时分析代码并给出逐行优化建议。

AI早报 2025年05月17日

腾讯发布混元图像2.0模型，实现实时生图和超写实画质，生成速度提升至毫秒级，并引入强化学习优化画质细节。

OpenAI推出在云端沙盒运行的Codex AI编程助手，能生成代码、修复bug，并执行测试，也可连接GitHub。

谷歌为安卓版Chrome浏览器引入AI驱动的诈骗识别机制，实时分析网页通知并警示钓鱼风险。

联想发布紧凑型个人AI开发工作站ThinkStation PGX，搭载英伟达GB10芯片和专用开发工具，预计2025年第三季度上市。

百度推出具备主动思考能力的深度搜索功能DeepSearch，可拆解复杂问题并执行多轮动态检索。

苹果推出新一代CarPlay Ultra系统，深度融合车载屏幕并首次接入ChatGPT强化语音交互。

ElevenLabs推出可定制音效控制面板工具SB-1 Infinite Soundboard，可通过文字生成高质量音效。

AI早报 2025年05月16日

Windsurf推出首个AI软件工程模型家族SWE-1，优化全流程开发效率，SWE-1-lite/mini免费开放。

Meta推出Ray-Ban智能眼镜无障碍功能，新增“详细回复”为视障用户描述环境细节。

OpenAI发布“安全评估中心”平台，公开AI模型安全测试结果并定期更新指标。

YouTube推出“峰值时刻”广告工具，利用Gemini AI分析视频内容及字幕，在观众注意力高峰时段投放广告。

淘宝上线“图生视频”AI工具，商家可自动将商品图转为动态视频，配合618大促免费生成素材。

软银申请AI游戏专利，通过角色学习与反应生成填补缺席玩家，模拟其决策风格及记忆细节。

微软为Copilot新增“Hey Copilot”语音唤醒功能，支持英语用户离线本地识别。

AI早报 2025年05月15日

阿里巴巴发布“通义万相Wan2.1-VACE”视频生成模型，支持文生视频、图像参考生成及局部编辑，包含1.3B和14B参数版本。

ChatGPT上线GPT-4.1模型，为提升ChatGPT编程任务效率设计，Pro、Plus和Team用户已可访问，其他用户将在未来几周内开放。

阶跃星辰开源3D大模型Step1X-3D，参数达4.8亿，支持高精度3D内容生成与细节控制。

TikTok推出“AI Alive”功能，用户可将静态图片转为动态视频，AI自动添加运动效果与音效。

NVIDIA与联发科合作推出“N1”系列Arm架构芯片，为Windows PC设计，提升AI算力，计划2026年大规模出货。

QwenChat上线“深入研究”功能，用户输入提示词即可完成信息检索、分析及报告撰写。

特斯拉展示擎天柱人形机器人“跳舞”视频，优化动作控制与AI训练方法，计划年底扩大工厂应用。

AI早报 2025年05月14日

火山引擎豆包1.5视觉深度思考模型，新增GUI Agent能力实现自动化交互任务执行，支持视频理解与动态帧率采样。

谷歌测试搜索首页新设计，将“I’m Feeling Lucky”按钮替换为“AI模式”功能，预计将在I/O大会发布更多AI更新。

火山引擎推出视频生成模型Seedance 1.0 lite，支持5-10秒影视级视频生成，通过动态控制技术提升画面细节与互动性。

苹果开源FastVLM视觉语言模型，为Apple Silicon优化，计划应用于智能眼镜与AirPods摄像头，实现端侧实时视觉交互。

石头科技推出P20 Pro自清洁扫拖机器人，搭载RRmind GPT智能交互系统，支持自然语言指令控制。

英伟达与MIT合作发布音频扩散模型Audio-SDS，优化FM合成器校准与音源分离。

苹果与复旦大学联合推出StreamBridge框架，增强AI对直播流的实时理解，提升流媒体分析效率。

AI早报 2025年05月13日

腾讯混元推出T1-Vision多模态原生长思维链模型，反应速度提升1.5倍，提升信息捕捉与创作效率。

陶哲轩发布AI数学证明助手2.0版本，通过33分钟完成复杂数学证明演示，展示AI在简化繁琐逻辑运算中的潜力。

Manus今日宣布开放注册，用户可免费执行每日任务并获得积分，方便参与者使用。

三星发布2025年“AI电视”系列，搭载Vision AI技术，支持点击搜索和实时翻译功能。

南京大学联合南智光电发布全球首款光子专用大模型OptoChat AI，加速光子芯片研发与产业转化。

微软将在下周举办年度Build开发者大会，重点将是新AI整合与应用，如Copilot、测试替代OpenAI模型等。

ChatGPT 推出新功能，用户现在可以将深度研究报告导出为 PDF 格式，便于保存和分享。

AI早报 2025年05月12日

松延动力推出新一代仿生机器人“小诺”，该机器人具备出色的交互表现和灵活运动能力，采用女性设计形象。

亚马逊推出Vulcan仓库机器人，具备“触感”功能提升操作安全性，同时探索人机协作的“自动化监测员”新岗位。

索尼PS5 Pro将搭载升级版AI驱动的PSSR升频技术，通过轻量级神经网络实现4K/120FPS及8K/60FPS输出。

电子科技大学周强教授团队成功研发基于氮化镓的量子光源芯片，预计在2026年完成技术验证。

希捷宣布2030年前推出100TB机械硬盘，采用HAMR技术突破存储密度，为AI及高性能计算设计。

iOS 18.6国行版将引入Apple Intelligence功能，依赖百度强化Siri与视觉智能技术，阿里负责内容审核系统。

Intel旗下的Alchemist独立显卡功能Deep Link确认停止开发与维护，主要用于CPU与GPU资源智能调配。

AI早报 2025年05月11日

字节跳动推出开源项目DeerFlow，基于LangStack技术简化深度研究流程，支持生成AI增强报告、播客制作及PPT创建。

谷歌发布《打击搜索诈骗》报告，集成AI技术至Chrome浏览器和搜索引擎，每日拦截数亿诈骗结果。

华中科技大学盛建中团队研发视觉新生AI系统，通过预测失踪儿童不同阶段面貌协助寻亲，已找回19名儿童，修复上千张走失儿童照片。

阿里巴巴推出AI工具Web Dev，通过单句生成网页应用，支持快速创建功能网站，用户仅需简单修改即可发布，并支持复杂动画展示。

IBM推出Granite 4.0 Tiny预览版模型，FP8精度下支持5并发对话，仅需12GB显存，适配入门显卡。

谷歌为Gemini 2.5 API新增“隐式缓存”功能，自动识别并重用请求中的常见前缀，降低开发者成本，无需手动配置。

Canonical与DeepComputing联合发布DC-ROMA RISC-V AI PC，搭载Ubuntu 24.04 LTS，提供最高50 TOPS算力。

AI早报 2025年05月10日

卡内基梅隆大学团队推出LegoGPT 开源模型，实现根据文本生成可搭建的乐高设计，引入物理感知校验确保结构稳固。

英伟达开源Open Code Reasoning模型套装，包含32B/14B/7B参数版本，支持多语言代码推理。

腾讯混元推出Hunyuan Custom多模态视频生成工具，支持单/多主体视频生成，结合文本与图片输入生成较高一致性内容。

天猫精灵推出Q糖系列智能音箱，整合智能助手、蓝牙音响及儿童早教，支持智能家居控制。

OpenAI发布GitHub深度研究连接器，允许用户将代码库接入ChatGPT，AI自动分析代码结构生成研究报告。

Meta推出AI安全工具LlamaFirewall，通过PromptGuard 2、等模块实时检测安全威胁，降低提示注入攻击风险。

英特尔发布Arc Pro B60 24GB专业显卡，配备BMG-G21核心与192bit显存位宽，为AI计算与图形处理设计。

AI早报 2025年05月09日

阿里巴巴开源ZeroSearch大模型搜索引擎，利用预训练知识高效生成内容并动态控制质量。

联想的个人智能设备AI服务智能体“想帮帮”正式发布，可快速解决用户设备使用问题，内置自检与修复功能。

微软宣布支持谷歌的Agent2Agent（A2A）智能体协议，提升AI智能体的跨云、跨组织协作能力。

领英推出AI求职工具，通过自然语言处理精准匹配用户技能与职位，推荐“积极招聘”岗位并提供反馈时间提示。

东日本铁路公司计划推出“失物招领云 find”系统，通过AI支持的手机APP统一管理失物信息。

Mistral发布中型AI模型Medium 3，在编程与科学任务中表现优异且成本低于竞品，支持企业持续预训练和微调。

谷歌在Chrome浏览器中集成Gemini Nano模型，推出AI防御功能实时识别诈骗网站。

AI早报 2025年05月08日

英伟达推出Parakeet TDT 0.6B自动语音识别模型，最快1秒处理60分钟音频，支持歌曲转歌词及精准时间戳，提升转录效率。

支付宝推出AI健康管家“减重专区”，为有减重需求的用户提供智能助手，帮助科学管理体重。

谷歌推出“Simply”功能，通过Gemini模型帮助iPhone用户高亮文字生成通俗解释，提升学术内容理解效率。

亚马逊推出Vulcan仓储机器人，配备AI和触觉功能，高效完成物品拣选，提升安全性与协作效率。

华为与清华大学联合推出园区网络智能体，基于DeepSeek大模型实现自主故障处理，提升网络运维效率。