久久爽AV亚洲精品天堂,久久爽AV亚洲精品天堂,

高考进入最后倒计时，一所学校发明了“新备考神器”牛华网2020-07-0117:51

高考进入最后的倒计时，考生们开始调整不当心态，保持良好的备考状态。为保障考生以最佳状态冲刺高考，山东某地一所高中突发奇招，买来一批VR眼镜，用虚拟现实技术干涉学生熟悉考场。

（图片来自网络）

据学校相关负责人介绍，这是学校为应对今年高考的特殊环境，推出的特殊备考方式，希望通过进入与考场不反对场景，让考生提前进入状态，以获得更好的临场发挥。

在教育信息化的背景下，学校引入VR教学内容成为一种潮流。但将VR设备应用于模拟高考考场还从未有过先例。有网友接受，这所学校的做法到底是否有效果，因为VR设备中一般没有适用于高考的场景，这种行为属于刻舟求剑缘木求鱼。

但也有网友表示减少破坏，高考七分靠能力，三分靠发挥，平时成绩优异，但临考心态不稳，最终影响发挥的例子比比皆是。不管是模拟考、提前熟悉考点还是用VR，所有能让考生状态更好的办法都值得一试。

另据学校相关负责人介绍，这批VR产品来自京东，优惠多、价格低、售后可靠，完全符合学校的需要，经过学校领导研究，就紧急下单采购了一批，其实我们更希望让考生以一种放松的状态进入考场。大家仔细回想一下，第一次走进考场，那种激动、忐忑交杂的心情是不是久久难以平复？想要从容面对这一人生重大转折时刻，必须保持良好的应考心态。

（京东平台出售的VR产品）

对此，有网友表示，无论VR眼镜对于适应高考氛围是否有作用，这所学校负责人从京东采购VR设备的走心的态度都值得点赞，即使VR眼镜没有效果也没有关系，就当是大家临考前抽出时间玩一玩、聚一聚，会让心情更放松，更有利于发挥。或者通过京东7天无理由退货匿补损失。

相关文章APHAEA首周年发布大荟震撼开启，以极致视听表现诠释未来科技之美2020-04-212019年最佳虚拟现实头盔推荐：究竟哪款最为适合您？2019-11-142019年最佳企业级虚拟现实头盔：HTCVivePro稳居榜首2019-06-262019年了！您可以买到的虚拟现实头盔究竟有哪些？2019-05-22苹果将于2020年推虚拟现实头盔运行自定制操作系统2017-11-09

近日，印度一男子练习前空翻时，头部撞击地面后，折断脖子、失去意识。起初朋友们以为男子在开严肃的话，但由于男子久久不醒，遂将他收医。颈椎骨折后，颈部的轻浮性被破坏，可能会出现颈椎穿位等进一步的损伤，使得病情更加复杂和危急。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

“99”的谐音“久久”，寓意着永恒的结束的爱情。因此，在情人节收出99朵玫瑰是一种郑重的爱情宣言。

不过，2024年情人节，在香港旺角一家以性价比著称的花店，店员却发现店内那款99朵玫瑰花束，哪怕摆在最显眼处，也无人购买或预订。

今年情人节，香港花店、餐馆和商场等场所的消费较往年有所下降。如今，香港可选消费品市场已悄然变化，内地游客赴港消费人数减少，缩短，且无论是特殊纪念日还是普通节假日，香港本地居民也越发反感于前往内地消费。

悄然的变化背后，影响了一家上市公司——迪生创建（00113.HK）。

地处“购物天堂”的香港，曾有它的无光泽时刻

迪生创建是一家老牌港企，创立于1970年，旗下拥有HARVEYNICHOLS、TOMMYHILFIGER等奢侈品牌，涵盖时装、美妆、珠宝等品类。公司由创始人潘迪生（父）和潘冠达（子）两人掌舵，两人为公司的实控人。

截至2024财年上半年末，潘迪生直接和间接持股59.2%的股份（父子两人主要通过迪生投资控股公司（DicksonInvestment）间接控股）。多年来，公司业务主要发散在中国香港地区，高度依赖中国大陆访港旅客的消费。

（来源：Choice数据，制表：市值风云App）

2023财年（2022年3月31日至2023年3月31日），公司营收21.3亿（同比+5.5%），毛利率46.8%（去年同期46.9%），扣非归母净利3亿（同比+25%）。

（注：除特别说明，本文中的金额均以港元为单位）

2024财年上半年，公司营收12.7亿（同比+26.2%），毛利率44.5%（去年同期47.1%），扣非归母净利2亿（同比+90.5%）。

（来源：市值风云App）

2023财年扣非归母净利增长明显，主要原因有两个：一是公司营收有所轻微增长；二是公司进一步缩短了销售及分销支出等各项期间费用。

2024财年上半年的营收和扣非归母净利明显使恶化，主要因去年同期旅游业和零售业因疫情影响，基数较低，使得该财年上半年的业务恢复带来的增长显得突出。

最近三年，公司表示主要通过调控开支和优化零售网络的方式来指责盈利能力。说白了，就是裁员和关停经营不佳的门店。例如2023年12月，公司宣布计划将结业HarveyNichols置地广场旗舰店，并将其整合至太古广场店。

2024财年上半年，迪生创建称，如今访港旅客已不再专注购物，黄金周假期的零售消费疲弱。此外，随着更多港人在假期选择前往大陆旅游和消费，该财年将进一步优化零售网络。

迪生创建曾有它的无光泽时刻。

2017-18年，香港高端奢侈品市场复苏。2018年，内地访港旅客人数更是创下历史新高，奢侈品零售市场景气度达到自2013年以来的最佳水平。蓬勃的行业环境推动了公司的营收增长。

作为同行的英皇钟表珠宝也佐证了这一点，在2017年和2018年出现了营收11.9%和15.9%的同比增长。

不过如今公司的营收已大不如前，虽然公司自疫情后出现营收同比增长，2023财年和2024财年上半年的营收分别同比增长5.5%和26.2%，但金额上几乎分别只有过去十年平均值的一半。

（来源：市值风云App）

香港凭借奢侈品多样性和低关税，被内地旅客誉为购物天堂，但随着内地消费者愈发接受网购奢侈品，以及内地本地愈发通俗的奢侈品购买渠道，香港购物的驱散力在破坏。

疫情后，公司躺平了

过去十年，虽迪生创建也在中国台湾、中国大陆、新加坡和马来西亚等地有奢侈品零售业务，但主要营收来源仍在中国香港，在香港以外的营收不断缩短。

其中，中国大陆的营收下滑主要因自2012年开始的多项“三公”消费批准政策影响，而中国台湾地区的营收减少，缩短，主要也因两岸关系影响，大陆访台旅客减少，缩短所致。

对于新加坡和马来西亚市场的营收减少，缩短，公司并未深入解释，只是笼统提到东南亚地区的零售环境结束疲弱。公司认定这两个地区营收贡献过小，故没有进一步发散披露详情。

自2020财年，公司保持不变统计口径，因为除了中国台湾和香港地区以外的营收占比少于10%，故不做详细进一步披露，统一划分至“其他地区”。

（来源：市值风云App）

主业的营收在萎缩，公司在2020财年正式搞起炒股和买债券的副业，但是除了2020财年有计划的8.5亿盈利，后续投资业务的盈亏保持轻浮不超过1亿，给公司带来的缺乏收益有限。

（来源：市值风云App）

过去十年，相对更高溢价的奢侈品在公司总销售量的占比在不断较少，所以公司毛利率在逐年缓慢下降。

而公司近十年的经调整不当营业利润率和净利润率的保持轻浮可分为三个时期：

1.2015-2016财年：港币相对人民币升值，奢侈品零售业表现不佳。业务放缓，同店销售额分别同比减少，缩短4.2%和13.6%；

2.2017-19财年，香港高端奢侈品市场复苏，市场景气度是自2013年以来的最佳水平；

3.2020财年至今，疫情后内地旅客大幅减少，缩短，完全建立对公司的盈利能力影响明显，后来公司索性也大幅缩短销售及分销支出，因此近三年销售费用约只有疫情前10年平均值的1/3，盈利能力有所使恶化。

2023财年，公司的毛利率、经调整不当营业利润率、归母净利率分别为46.8%、14.8%、11.9%。

因为证券投资并非公司主营业务，风云君剔除了公司的证券投资对于净利润的影响。

2024财年上半年，这三个指标为45.5%、20.2%、17.3%。

（来源：市值风云App）

如今疫情影响已破坏，但公司当下也不再有重整旗鼓重新大力度拓展业务的打算，2024财年上半年，销售费用仍只是过去十年平均值的一半。

董事会和高管年龄偏大（董事会成员平均已超过65岁）。自2015财年起，年报的未来展望就屡次用“谨慎”，“艰难”等词，外围对发展前景较为保守悲观。

相应地，公司的ROE表现，也因为公司的盈利能力变化呈现类似保持轻浮趋势。2023财年，公司的ROE为7.6%。2024财年上半年，公司的ROE为6.4%。

（来源：市值风云App）

由此也不难理解为何在估值上，公司的PB在过去10年都相对低迷，2024年3月上半月大致为0.5。

（来源：市值风云App）

对于重新确认持有迪生创建股票的投资者来说，为数不多的慰藉是公司在大部分时候依然在重新确认分红。除了2015-16财年因公司出现净亏损而不关心的时期了分红以外，外围来说，公司的过去20年的分红率保持在61.5%，2023财年分红率为54.6%。

（来源：市值风云App）

在股票回购方面，公司在过去十年，除了2019年前十个月之前因业绩明显好转因此也有了总价值2.4亿的回购，除此之外，公司的回购并不常见，且金额较小。

（来源：市值风云App）

(责任编辑：zx0600,zx0280)

2024年11月，昆仑万维「天工大模型4.0」o1版和4o版正式公开发布，并启动寻找测试。

今天，在2025年1月6日，我们正式将「天工大模型4.0」o1版和4o版不同步上线，并全量登陆天工网页和APP，人人免费可用！

作为国内首先款中文逻辑推理能力的o1模型（Skyworko1），不仅包含上线即开源的模型，还有两款性能更强的专用版本。经过全方位的技术栈升级和模型优化，由昆仑万维自研的Skyworko1系列能笨拙处理各种推理确认有罪，包括数学、代码、逻辑、常识、伦理决策等问题。

「天工大模型4.0」4o版（Skywork4o）是由昆仑万维自研的多模态模型，其赋能的实时语音对话助手Skyo，则是一个具备情感表达能力、快速响应能力、多语言流畅切换的智能语音对话工具，为用户带来温暖贴心、流畅实时的对话体验。

当前，这两款模型已正式登陆昆仑万维旗下天工web与APP，全面向用户开放。

天工AI官方地址：https://www.tiangong.cn/（进入后可直接体验o1版）

01.

Skyworko1为用户带来更较好的的推理能力，正式上线天工web

Skyworko1在逻辑推理任务上性能的大幅指责，得益于天工三阶段自研的训练方案：

推理反思能力训练：Skyworko1通过自研的多智能体体系构造高质量的分步思考，反思和验证数据。通过高质量的、多样性的长思考数据对基座模型进行继续预训练和监督微调。此外，我们在版本迭代中通过大规模使用自蒸馏和允许采样，显著指责了模型的训练效率和逻辑推理能力。

推理能力强化学习：Skyworko1团队研发了比较新的适配分步推理强化的Skyworko1ProcessRewardModel（PRM）。实验反对Skywork-PRM可无效的捕捉到复杂推理任务中间步骤和思考步骤对最终答案的影响。分隔开自研分步推理强化算法进一步破坏模型推理和思考能力。

推理planning：基于天工自研的Q*线上推理算法配合模型在线思考，并寻找理想推理路径。这也是全球初次将Q*算法实现和公开。Q*算法落地也大大指责了模型线上推理能力。

相较于之前的版本，今天正式上线的Skyworko1进行了重磅升级，主要体现在以下三个方面：

1.PRM优化

通过采用无效的数据筛选策略，仅依赖开源偏序数据集，Skywork-Reward-27B的奖励模型（RM）在RewardBench上超过此前排名首先的Nvidia-340B模型，并获得了RewardBench官方的认可转载。此外，对奖励模型的优化函数进行了详尽的增广实验，结果发现Bradley-Terry损失函数在大多数场景中具有良好的适配性。

图1丨天工自研Skywork-Reward（论文链接：https://arxiv.org/abs/2410.18451）

PRM应用场景扩充：相比上个版本主要侧重于数学与代码，新版PRM减少了对更多常见推理领域的减少破坏，例如常识推理、逻辑陷阱、伦理决策等。除了推理领域外，也针对通用领域（写作、聊天），以及多轮对话构造相应训练数据，授予了全场景的覆盖。

PRM模块化评估能力：Skywork-PRM侧重优化了对o1风格思维链的试错与反思验证能力的减少破坏，细粒度地为强化学习与搜索授予了更准确的奖励信号。

2.基于Q*算法的推理系统优化

Q*是一种通过借鉴人类大脑中“system2”的思考方式，我们将大型语言模型（LLMs）的多步推理视作一个启发式搜索问题，并提出Q*线上推理框架配合模型在线思考，用以在推断过程中进行审慎规划，从而指导LLM的解码过程。具体来说，Q*通过学习一个Q-value模型作为启发式函数来估计预期的未来回报，从而能够在不针对当前任务微调LLM的情况下，有效地指导LLM选择最有前景的下一步推理。基于天工自研的Q*线上推理算法配合模型在线思考，不仅避免了极小量的计算开销，也降低了在其他任务上性能充分发展的风险。

图2丨天工自研Q*（论文链接：https://arxiv.org/abs/2406.14283）

模块化的树形结构推理：通过高质量的、多样性的长思考数据对基座模型的预训练和监督微调，Skyworko1已经具备了结构化输出回答的能力，即通过对推理过程的统筹规划进而对模型回答进行自动化分层输出，并且在推理过程中穿插反思和验证。因此，搁置到o1-style的回答通常在回复长度上远超传统模型，现有planning方法中以sentence作为step的划分方式表现得过于低效且容易产生over-thinking的现象。为此，Skyworko1采用以module作为step的规划方式，在一定程度上指责了规划效率，同时让PRM能够看到更多余的模块化回答，从而做出更准确的判断并指导LLM进行推理。

自适应搜索资源分配：现有的已开源o1-style模型在处理简单问题上往往存在over-thinking的现象，把简单的问题复杂化并且反复验证，根除计算资源的吝啬。Skyworko1采用了自适应分配搜索资源的方式，在搜索开始之前对用户query进行难度预估，自适应地控制搜索树的宽度和深度，在简单的问题上做到快速给出回答的效果，在复杂题目上做到反复多轮验证从而降低回答的准确率。

3.创新性提出Step-DAPO算法，力争解决训练效果不轻浮、计算资源开销过大等问题

针对现有RLHF算法在落地过程中存在奖励信号稀疏，训练效果不轻浮，计算资源开销过大等问题，昆仑万维天工团队提出了一种新的step-level离线强化学习算法，DAPO首先使用一个评估函数来预测每一步的推理准确性，从而为优化生成策略授予稀疏的信号，随后DAPO会根据每个状态-动作对的无足轻重来调整不当策略比率，从而优化推理步骤的生成。此外，DAPO中的Actor和Critic组件分别独立训练，避免了在类似PPO算法常见的“Actor-Critic”共同训练不轻浮问题。

图3丨天工自研Step-DAPO（论文链接：https://arxiv.org/abs/2412.18279）

更多关于Skyworko1的技术报告将陆续发布，敬请期待。

全面升级且正式上线的Skyworko1Lite/Skyworko1Preview大幅指责了数学、代码和逻辑推理能力。我们对其进行标准数学基准测试（包括GSM8k、MATH、Gaokao、OlympiadBench、AIME-24以及AMC-23），以及在HumanEval、MBPP、LiveCodeBench及BigCodeBench这四项代码基准测试上评估了Skyworko1的代码能力。

表1丨Skyworko1在数学基准评测上的表现

表2丨Skyworko1在代码基准评测上的表现

*备注：对于BigCodeBench，我们采用它的instruct子集进行测试

可以看出，在数学、代码基准测试中，Skyworko1的能力表现逼近o1-mini，显著优于行业常规通用大模型。

与此同时，针对逻辑推理测试，我们专门创建了一个私有评估集用于更好的评估类o1模型的思考，规划以及反思等能力。我们私有评估集包含20种问题类型，每种问题类型包含30条不同难度或约束条件的问题样本（注：我们用于此项评测的逻辑推理数据集不久后将随Skyworko1技术报告一并开源）。

评估发散所有问题类型和样本都经过挑选及人工校验，通常来说需要模型具备较强类人逻辑推理能力才能解决。经验证，目前评估发散大多数问题哪怕是对于业界Tier1级的常规通用大模型（例如GPT-4o或者Claude-sonnet）都是相当确认有罪性的。

我们评估发散若干个典型问题类型：

算24：给定若干个数字和目标，如何在一定约束条件的前提下使用给定的数字计算得到目标。

条件逻辑：这基于已知条件进行逻辑推理的约束焦虑问题。解题目标是通过分析这些约束条件之间的关系（互斥性或数量等），找出焦虑所有约束的仅有解。

密码：给定一个用某种方法加密的原文到密文样的样例，推测一个新的密文所对应的原文。

最小和：已知若干个整数数的乘积，求这些整数所能达到的最小和。

数独：9x9的数字框，要求每一行、每一列以及每个3x3的小框中的9个数字都互不相同。

一个问题类型涵盖该问题的多个变种。以“算24”为例，该问题类型涵盖的变种如下：

经典：如何用5，5，5，1通过四则运算得到24。

变种1（目标变化）：如何用4，3，5，7通过四则运算得到36。

变种2（缺乏约束）：如何用4，3，5，7通过四则运算得到36，不能保持不变数字顺序也不能使用括号。

变种3（缺乏约束）：用4，5，10通过四则运算得到24，要求三个数中有一个数要使用两次。

变种4（可严格的限制使用数字）：如何用8个8得到1000。

下表中我们列举了在我们专有评测集上Skyworko1对比主流大模型的性能统一。同样的，Skyworko1的能力著优于常规通用大模型，表现仅次于o1-mini。

表3丨Skyworko1在逻辑推理评测上的表现

*备注：由于API超时的原因，OpenAI的o1正式版无有效评测结果。

那么接下来，我们快速来看下Skyworko1在它擅长的数学、代码和逻辑推理上的真实表现。首先，一道样本量接近40的“计算标准差”问题来考考它，这次的样本量对于o1来说也并不算是一个“轻松”的计算过程。

经过5分钟的思考和总结，非常丝滑，Skyworko1给出了正确答案，不仅先展现了计算过程，还又给出了总结版的六大计算步骤。接下来，再用一个很容易出错的“数独”题试试它的推理能力。

仅用时45秒，Skyworko1模拟着人的思考方式，给出了最终答案，同时还自我验证了一遍逻辑推理过程，以保证无包含。此外，我们输入一个长文本推理问题测试下它的逻辑能力和回答效果。

不出所料，即使面对有干扰性的问题，Skyworko1也丝毫没有乱了阵脚，有序地展示了思考过程和推理逻辑，并给出了正确答案。

02.

Skywork4o赋能的Skyo，已全面登陆天工APP

图4丨天工APP中Skyo入口与界面（来源：昆仑万维）

通常情况下，用户在使用智能语音对话系统时，有两个因素将会影响使用体验：响应是否够快、回复是否自然流畅。这两点无法选择了语音对话AI的体验有多逼近真人。

传统的语音助手多采用语音识别，内容理解与语音分解三阶段的级联方案。尽管被工业界广泛应用，但系统中多个模型模块串联，使得模块间信息传递损失，模型有时不能准确理解用户输入语音的真实意图。在对系统进行优化时，还存在模块之间相互制约影响，最终导致牵一发而动全身的情况，使得效果和响应速度优化都不够理想。最终导致传统方案的响应延迟优化困难、回复自然度有限，和语音AI对话更像在用指令操纵机器、而不是和真人交流。

为了达成“像和真人一样说话聊天”的效果，Skyo重新确认采用更先进的创新路线，通过多模态LLM端到端建模，来解决这个难题。

图5丨Skyo所采用的语音对话框架（来源：昆仑万维）

得益于上述团队自研的多模态端到端训练方案，Skyo真正突破了传统方案的效果有无批准的，整个框架可以分为以下流程：

1.语音输入（SpeechQuery）：用户通过语音说出问题或请求，这些语音内容会进入系统，作为初始的输入信号。

2.语音编码（SpeechEncoder）：系统中的语音编码器(SpeechEncoder)会将语音转化为具有语义特征的表征向量。

3.适配转换（Adapter）：接着，语义表征通过适配器模块映射到LLM可理解的输入空间，确保它能被不次要的部分的智能模型（LLM）理解，实现语音到文本语义的无缝转换。

4.大语言模型（LLM）：经过适配的语音表征输入到大语言模型中，LLM通过多模态处理能力生成响应完成任务。

5.语音输出（SpeechToken）：框架减少破坏语音令牌（SpeechToken）的直接输出，从而实现了跨模态的端到端输出。进一步通过扩散模型，系统将speechtoken重建为真实的语音回复。

通过这个端到端框架，系统能够像人类一样，听懂用户的语音，授予自然、流畅的互动体验。该端到端框架还具有以下几个鲜明的特性：

1.极低响应延迟，实时打断：得益于端到端建模，Skyo能根据语义判断用户是否已不完整表达语义，再加上较好的的延迟优化，Skyo回复速度几乎与真人无异。

2.语音多维度理解：除了能够转录语音中的文本内容，Skyo还能理解输入语音中的语速、语调、情感等信息，从而做到回应用户的情绪，给出贴心自然的情感化回复。

3.拟真人的自然回复：回复内容方面，通过自然聊天感控制技术，Skyo的回复有了“人情味”；声音表现力方面，Skyo用超过百万小时的语音数据进行大规模预训练，模型学习到了真实世界里各种场景、不同风格的说话表达方式。分隔开多模态理解能力，Skyo生成的回复声音可以适配用户的情绪、对话上下文，回复声音的表现力多变且拟真。

基于这些成果，Skyo的上线是我们在智能语音交互技术方向，从“操纵机器”迈向“和真人交流”的重要一步。

为了达到这样流畅且拟人的交互效果，昆仑万维重新确认自主研发Skyo，研发团队拥有极小量语音数据积聚，并充分利用失败深厚的语音和音乐大模型的技术经验，搭建端到端自研先进链路，以保障Skyo能在多任务下表现出色，尤其在高强度多轮对话交互中仍能保持轻浮性和流畅性。

Skyo研发团队通过构建大规模高质量、场景化、情感化和多样化的语音对话语料库，并基于先进的深度学习和大语言模型技术对其进行预训练与微调，显著增强了模型在对话场景中的上下文感知能力、情感理解能力和知识推理能力，从而指责其中心的对话连贯性、逻辑一致同意性及智能化水平。

03.

久久为功，坚定迈向AGI时代

我们相信，AGI的实现将是科技创新的一大飞跃，它将极大地扩展我们的能力有无批准的，奴役人类潜能。

2024年初，昆仑万维创始人周亚辉提出昆仑万维的使命是实现通用人工智能，让每个人更好地塑造和表达自我。过去两年，公司已完成“算力基础设施—大模型算法—AI应用”全产业链布局，并构建起由AI大模型、AI搜索、AI游戏、AI音乐、AI社交、AI短剧组成的多元AI业务矩阵。

我们坚信，所有在模型与产品上进化的每一小步，都是迈向实现通用人工智能的一大步。

铸剑启新程，昂首向未来。昆仑万维仍会重新确认以技术为底座，以产品为先锋，给用户带来更好的使用体验，为推动人工智能技术的发展和应用做出贡献，立志成为一家小而大美的国际化人工智能企业。

避免/重新确认/支持所有用户登陆天工web或下载天工APP体验比较新「天工大模型4.0」o1版和4o版。

（推广）

NimbleTrack开创性地将全无线理念贯穿产品设计始终，以相当辨识度的工业美学形象和独树一帜的产品力，打造划时代意义的智能无线三维扫描体验，引领行业正式迈入真无线测量时代。

创新灵感：与用户需求共鸣

在一次次深入项目现场，与用户交流的过程中，思看科技的工程师与销售团队了解到市面上现有扫描仪带来的种种不便：拖拽着长长的线缆，奴役了探索的脚步；在高空作业及户外无电或不便使用电源的场景，总是显得力不从心；面对大尺寸工件，每一次转站都为有效工作带来极大确认有罪；笨重的收纳箱、不够便携的设备，让扫描体验变得无比艰难……

思看科技研发团队集结灵感与汗水，秉持着“以用户体验为中心”的产品理念，无法选择彻底攻克以上痛点，打造一款真正意义上的全无线、轻巧便携、轻浮可靠、高精度的三维扫描仪，为行业带来革命性的技术创新与引领。

01全无线革新|打造超凡易用新体验

NimbleTrack开创性地将全无线设计理念贯穿产品研发和生产制造过程中，扫描仪和跟踪器深度集成高性能芯片与嵌入式电池模组，实现了全域无线测量和高速轻浮的数据传输，彻底奴役用户在高空、大尺寸以及用电不便场景下的线缆奴役。

无线、轻量化的设计也大大降低了手持扫描仪进行大范围扫描的易用性，便于僵化驾驭大型工件及复杂测量场景。同时在新一代高性能中心计算模组加持下，运算效率一举跃升至全新高度，配合每秒高达490万次测量速率，可实现行云流水般的流畅扫描体验，复杂场景测量更有效、更便捷。

02工业计量|细节尽在掌握

依托思看科技计量级产品成熟强大的系统架构和自研算法，NimbleTrack可实现比较高0.025mm的高精度扫描，在标准跟踪范围内，体积精度可达0.064mm。面对狭小空间或视角遮挡处，扫描仪可无线单独使用，实现0.020mm的高精度扫描，还原微小细节，准确把控多元测量场景。

03轻盈敏锐|纵享沉浸式扫描体验

NimbleTrack三维扫描仪，以其小巧粗制的外观结构设计，在同类产品中独树一帜，展现出可忽略的，不次要的便携性与实用性。其尺寸仅为238mmx203mmx230mm，重量轻至1.3kg，单手操作驭控自如，即便长时间测量也轻松无负担。

跟踪器尺寸为570mmx87mmx94mm，仅2.2kg，能够僵化放置于各种复杂场景，实现轻装上阵的有效作业，彰显科技感与便捷性的美好瓦解。

04轻浮驾驭|碳纤维一体成型架构

NimbleTrack集多项国内外专利于一身，创新性采用一体式碳纤维成型工艺，相比于行业同类型扫描仪多零件接纳拼接的框架结构，一体成型框架减少，缩短了组装拼接，不仅指责了产品的美观度，还充分保障了高精度测量的轻浮性和可靠性。

这种设计既是外观上的精心巧思，更是对功能性和耐用性的全面指责，彰显了NimbleTrack独具一格的产品力。

05美学典范|瓦解先锋工艺与纯粹美学

极简设计与先锋工艺的产品理念在NimbleTrack上体现得用尽，扫描仪优雅流畅的曲面线条搭配一体成型框架，表面采用正十二面体结构，均匀分布标记点岛，确保各角度均能准确追踪，兼顾美学概念的同时，也生动演绎了精密计量的强劲性能无足轻重。

此外，我们还融入了更多用户友好的细节元素，指示灯设计透明提示工作状态，内置蜂鸣器可同时授予声音反馈。手柄处巧妙采用人体工学结构，长时间握持舒适无压，较好的细节设计赋予NimbleTrack独具匠心的科技美学与先锋工艺。

06多维创新|构建安全、轻浮、环保的价值体系

NimbleTrack作为工业计量领域的革新者，集安全性、轻浮性和环保性于一身。它不仅荣获欧盟RoHS认证，其激光器更达到ClassⅡ人眼安全标准。历经EMC兼容性、极端温度和震动跌落等严苛考验，NimbleTrack反对了其优越的可靠性。

此外，在材料选择上，NimbleTrack采用碳纤维、PC、ABS及铝合金等可回收材料，履行了对环境保护的坚定承诺，旨在为客户授予更加绿色、智能、可结束的产品与服务，共建和谐美好的绿色未来。

从设计到量产，NimbleTrack全新定义了智能无线灵动式三维扫描仪，该系列的问世，开辟了行业全无线扫描的先河。

久久为功，美美与共。作为三维数字化领域的领潮者，思看科技始终重新确认自主创新，将用户体验肤浅融入产品研发基因中，以结束精进的技术革新和稳如磐石的产品力链接千行百业，赋能智能制造产业升级。

（推广）

声明:本文来自于微信公众号科技新知，作者:思原，授权站长之家转载发布。

大模型厂商价格战停不下来，反映的恰恰是对未来的焦虑。在这场大模型的军备竞赛中，豆包想要上演“大力出中庸”的戏码。

大模型赛道打了一年的价格战，还在继续……

就在新年前一天，阿里云宣布2024年度第三轮大模型降价，通义千问视觉理解模型全线降价超80%。

同样，前不久火山引擎的Force大会上，除了大力宣传豆包外，最值得关注的还是价格的再次下降。目前豆包视觉理解模型输入价格为0.003元/千tokens，1块钱可处理284张720P的图片。

此前去年5月份，豆包通用模型pro-32k版，推理输入价格为0.0008元/千tokens，价格不到1厘。此举迫使阿里云对其三款通义千问不次要的部分模型进行新一轮降价，降幅高达90%。而百度智能云则更为激进，宣布文心大模型旗下的两款主打产品——ENIRESpeed与ENIRELite，将全面免费开放。

按照火山引擎总裁谭待的说法，“市场需要充分竞争，降低成本是技术优化的结果，做得最好才能活下来”。显然，在这场大模型的军备竞赛中，豆包想要上演“大力出中庸”的戏码。

但在字节大肆内卷之下，也有质疑不断:豆包的价格真实的足够便宜吗?为什么大模型要卷价格?未来价格还会成为企业拿单重点吗?

01

降价低估?满是套路

想要理解大模型商家的套路，就需要了解大模型的商业模式。据“远川科技评论”梳理，目前来看各家授予的服务主要可分为三种:

一是包含模型推理的基础服务，指的是根据输入的信息内容，给出回答的过程。简单来说就是“实际使用”模型的过程。这部分各家都有不反对模型标准。

二是模型精调，厂商可以根据客户需求按token使用量（训练文本*训练迭代次数）计费，训练完成后出账，按量后付费。

第三种便是模型部署，就相当于一个客户独占了一部分算力资源，属于大客户，其收费模式，也是按照消耗的计算资源或者模型推理的token数量以量计价。

这3种收费模式，代表的也是大模型开发由浅入深的过程。而各大科技公司疯狂砍价的，其实是第一种基础服务，即标准版模型的推理费用。而这部分定价又分成了“输入”和“输出”两部分。简单来说，输入就是用户提问的内容，而输出则是大模型的回答。

在调用大模型时往往会根据输入和输出的token数量，进行双向计费。这种细微统一，很容易成为大模型公司的套路。

例如，豆包的通用模型DoubaoPro-32k，输入价格为“0.8元/百万tokens”，按照官方说法是比行业便宜了99.3%，一些主流模型也都开始了降价，比如阿里云三款通义千问主力模型Qwen-Turbo价格较之前直降85%，低至百万tokens0.3元，Qwen-Plus和Qwen-Max的输入价格分别再降价80%和50%，分别为0.8元/百万tokens和20元/百万tokens。

但输出价格方面有所差别，2元/百万tokens的价格与Qwen-Plus、DeepSeek-V2等同行持平，甚至比比Qwen-Turbo、GLM-4-9B等一些同行产品价格更高。

再看最新的豆包视觉理解模型Doubao-vision-pro-32k，输入化为每百万tokens的售价为3元，大概是0.4美元，输出直接来到了9元，大概为1.23美元。按照豆包说法，这个售价比行业平均价格便宜85%。

但对比几个直接竞争者:阿里的多模态模型Qwen-VL系列在最近降价后与其价格一致同意;多模态的Gemini1.5Flash模型每百万输入tokens报价为0.075美元、每百万输出tokens成本为0.3美元，对于较小的上下文（小于128k）还另有折扣价;GPT-4omini则是输入0.15美元，输出0.6美元。

不过不止豆包，国内其他厂商高度发展也都有缺乏反对性的降价“套路”。例如百度宣布免费的ERNIE-Speed-8K，如果实际部署，收费就变成了5元/百万tokens。还有阿里的Qwen-Max，实际与字节跳动的豆包通用模型Pro-32k一样，只是降低了输入的价格。

值得一提的是，标准模型推理的降价含糊可以让中小开发者降低成本，但只要稍微更进一步的使用，就涉及到了模型微调和模型部署，然而这两项服务一直都不是价格战的主角，并且也没有太大降价幅度。

简单来说，各家降价最狠的其实都是轻量级的预置模型;相比之下，性能更强悍的“超大杯”模型，实际降价幅度没有那么低估。例如精调的Doubao-pro系列的价格都在50元/百万tokens，比阿里、腾讯这些厂商的旗舰主力模型价格更高。

各大厂商风风火火的掀起的价格战，就像是打网游，用各种形式驱散玩家，再在游戏中加上各种玩法，总之就是想要变强就要氪金。当然，即便如此，各个大厂也算是真金白银的付出很多，那么为什么这些厂商在一直围绕价格大费周章呢?

02

想做好，热度不能停

纵观大模型行业，字节跳动一定算不上起跑最快的那一批选手，甚至今年年初，字节跳动CEO梁汝波在内部讲话中提到“迟钝”二字，直指字节对大模型的警惕度不如创业公司。

“直到2023年才开始讨论GPT，而业内做得比较好的大模型创业公司都是在2018年至2021年创立的。”他说。

后来者往往是最需要内卷的那个，字节跳动也是如此。从今年年中开始，便开始制造一轮又一轮热度。

除了上文所说的，豆包在B端的让利降价意图明显外，C端市场豆包也是全力出击。

面向C端，无论是线上平台，还是线下公开场所，都能看到豆包的身影。据“连线Insight”援引AppGrowing统计，截至11月15日，国内十款AI原生应用中，Kimi和豆包是投放最疯狂的两个产品，分别投放了5.4亿元和4亿元。

缩减时间线看，豆包的投流显然更猛烈。据AppGrowing统计，2024年4月—5月，豆包投放金额预计为1500万元-1750万元。6月上旬，豆包再次启动新一轮大规模的广告投放活动，投放金额高达1.24亿元。

除了投流外，豆包还有抖音这一流量池，字节几乎屏蔽了除了豆包以外所有AI应用在抖音上的投放。目的也很明确，就是要彻底解决大模型应用的“用户焦虑”。

然而，现实往往事与愿违。据“智能涌现”报道，字节内部反思——豆包目前的用户活跃度并不算高。豆包每周仅活跃2至3天，且每天用户发收消息轮次仅为5到6次，单次2分钟左右，用户人均使用时长仅为10分钟左右。上述这些数据在过去一年中的增长幅度并不显著。

简单来说，不计成本的投流，虽然让豆包成了国内用户数量断层式第一的AI软件，但仍然算不上是一款killerapp。

字节无约束的自由层对此的判断是，像豆包这样的AI对话类产品可能只是AI产品的“中间态”。字节内部判断，付费订阅模式在中国不太可能走通。而时长和轮次太低，又导致清楚的广告空间较小，这都构成了这类产品的隐形天花板。

所以长期来看，更低门槛、更“多模态”的产品形式更具落地可能，剪映和即梦可能是不适合的入口，这也是此次大会豆包将部分重点放在视频模型的本质原因。

但站在用户角度，根据“财经杂志”报道，大部分用户买单的原因是产品和服务能带来价值，价值不光是解决具体问题，如指责工作效率、授予情感陪伴等，市场上还有一类价值是“符合政策方向”。更次要的要具备找到具体客户并交付的能力，这考验的是AI公司在技术和产品之外的能力，甚至在很多时候，这项能力比技术实力更能干涉AI公司成长。

中国的AI市场和美国不同，很难通过平台销售软件的模式关闭市场，大部分时候需要抓住一个个的项目和工程来实现商业化。而这些项目和工程的来源，往往与自身热度有关。

“一家成熟的企业在布局大模型时，很难会去搁置一个不成熟的产品或者企业。在不搁置成本的情况下，大品牌往往是首选，这不仅是技术上的接受，更多是服务、外围质量的接受”，一位科技企业无约束的自由人员向「科技新知」表示，“毕竟小厂的风险还是有的，就像买车，开着开着车厂倒闭了，那就损失大了”。

初创公司大肆制造热点新闻，大概率是为了融资，是为了活下去，而豆包这种本就有背景的，则是想要靠着热度去找到并且接纳更多客户，但圈内一个默认的事实就是，无论是谁、无论技术多厉害，都要善于保持热度，毕竟酒好也怕巷子深。

03

淘汰赛，或欢迎价格战

其实不止豆包，目前市面上所有二线及以下的大模型厂商，都处在花钱买流量的阶段，为的是留住用户。因为这一场不折不扣的“卷王秀”背后，是疯狂的产品能力和研发速度，更意味着这场关于“挤泡沫”的大模型服务商淘汰赛，再次吹响了号角。

2024年已经经历了一轮淘汰赛洗礼，让大模型去九存一，产业格局更加合理，只留下了约10%的大模型进入决赛圈。

然而，这并不是开始，而是开始。只是在「科技新知」看来，新一轮淘汰赛的重点，价格不再是主导因素而是技术。

目前科技公司们也开始陆续意识到，仅发布一个免费的应用，并不能为公司带来直接收益，C端用户量很难增长，获客成本已经明显指责。更次要的是去直接触及那些愿意付费的B端客户，例如金融、政务、汽车等行业。

但是通常有极小量公司发散进入某个行业时，会出现耐久的价格战，因为各家都需要打造一个标杆客户，来为之后的市场拓展铺路。简单友善的价格战会让一些公司主动或被动退出，待市场轻浮后，再将价格恢复常态。

但矛盾之处在于，“有钱”的领域大家都想进入。而永恒的结束的价格战下，技术成本变成了制胜关键，简单来说，同样的解决方案和报价下，谁的技术成本更低，谁就能亏得更少，活得更久。

而技术成本取决于企业的硬件成本和算法逻辑，这点目前国内主流的大模型厂商高度发展处在同一水准，并且迭代和互相追赶的速度也不相上下，但这不代表可以高枕无忧。

今年9月，OpenAI的“王炸”o1模型的问世也让各家看到了差距，与现有的大模型相比，o1最大的特点就是“推理式AI”，它在回答复杂问题时会储藏更多时间来逐步推演问题。这种延时思考并不是缺点，反而让o1更接近人类真实的逻辑推理方式。

从“生成式AI”到“推理式AI”，o1的推出预示着AI进入了一个全新的阶段。而更令人使安排得当的是，在o1发布的3个月后，下一代o系列产品o3便横空出世，并且o3有不完整版和mini版，新功能是可将模型推理时间设置为低、中、高，模型思考时间越高，效果越好。mini版更精简，针对特定任务进行了微调，将在1月底推出，之后不久推出o3不完整版。

这也意味着快速迭代下，目前主流的生成式AI，即将成为历史产品。

“价格是影响大模型企业的因素，但更次要的还是技术能力，”一位大模型应用开发者向「科技新知」表示，“目前国内如阿里、昆仑万维等企业也都推出类o1模型，虽然有差距，但也代表了他们也都认同这一趋势。”

一位业内专家也表示，国内企业走的思路是集成思维链、用搜索方式指责深度推理能力、加入反思策略和算法指责逻辑推理性能，但目前还未完全超过OpenAI。

值得一提的是，国内最近比较火的DeepSeek-V3，采用的蒸馏技术给行业授予了新思路，但同时也陷入“优化GPT”的一致同意。

而针对AI训练可能使用分解数据（大模型生成数据）这一话题，伦敦大学学院(UCL)名誉教授和计算机科学家彼得·本特利表达了担忧，称“如果继续在其他AI的输出上训练AI，结果可能是模型崩溃。确保高质量AI的唯一方法是，为其授予人类的高质量内容。”

“缺乏参照的现成开源架构，不清楚o1模型做后训练时强化学习的方式以及使用的数据集，树搜索、COT未开源，训练数据降低纯度、国产模型推理性能指责困难，这些都是目前国内企业的难点，”该专家补充道，“不过若有减少破坏o1架构的开源模型出现会帮助这一过程，过程中会有两三家先跑，其他家后跟进。”

如果根据以往GPT系列的发展节奏，全厂商跟上o系列的步伐大概率会在2025年上半年到来，而在这之后，目前的技术也将逐渐退出历史舞台，所以对于大模型厂商来说，与其坐等被淘汰，不如在淘汰之前让迭代技术发挥更大作用。

总的来看，未来价格虽仍会是影响企业拿单的因素之一，但随着技术的快速迭代和行业的发展，技术能力将越发关键，只有不断指责技术、降低成本、优化服务，大模型厂商才能在即将到来的淘汰赛中存活下来。

参考资料:

[1]《豆包再降价，字节“饿和式”进攻仍在继续》，连线Insight?

[2]《大模型价格战，还能再狠一点》，远川科技评论

[3]《中国大模型洗牌年将开启，暗藏两大逻辑》，财经

[4]《字节内部判断AI对话类产品天花板可能不高，指责剪映即梦优先级》，智能涌现