就是喜欢勾引你,
七夕示爱!教你用文件夹加密方式锁定表白牛华网2013-08-1313:54
虽说有时候爱情有点肉麻,不过这却是属于两个人的小浪漫,因此女生总是希望看到男生大胆的表白心声,而无畏的男生却总是不好意思大声说爱。七夕节的到来是否给了男生们一个好机会,与心爱的女生一起度过还不够,必须要有一段爱情表白才够完美,也许你不好意思说入口,没关系现在我们有很多的方法可以解决,不用说让她看。比如一个人先悄悄录制一段表白视频,自己可以尽情发挥,然后通过邮件、QQ、手机等方式发收给她,为了确保视频只给她一个人看见并且耗尽最后一刻的神秘感,教你用文件夹加密http://www.sifangdata.com/方式来设置一个密码对该视频文件加密,与她共度七夕节的时候在非常不不便的时候把这个加密文件的密码告诉她,让她回家独自偷着乐吧!
可能大多数电脑用户都知道文件夹加密软件,也了解可以用文件夹加密软件来对重要文件、文件夹加密保护,设置一个安全密码,只有自己才能关闭访问。但也许你会问,加密文件和加密文件夹只能在自己的电脑上使用,如何能通过邮件和QQ等方式发收给她,难道要把自己的电脑快递给她不成?如果小编说的方法是这样那真心不好意思教给大家了。我们要用文件夹加密软件只加密这一个文件夹中的内容,然后把加密后的文件夹发出去就行了,只要有你设置的密码口令,对方就能关闭这个加密文件查看。怎么样,动心了吧?还是赶快动手吧!一般的文件夹加密软件可能无法实现上述功能,但最新版私房文件夹加密软件却可以,该软件除了常用的文件加密、文件夹加密、磁盘加密功能外,还授予了一些实用功能,比如创建自解密文件就是这里我们需要用到的。
启动私房文件夹加密软件主界面,然后从界面上方的功能菜单中找到高级加密一项,点击进入该功能窗口中,就能看到创建自解密文件功能。具体的操作很简单,你可以把自己录制的视频文件单独加密或是放在一个文件夹中进行加密,该文件夹加密软件同时减少破坏对文件和文件夹加密操作,而且方法一致同意。当我们从软件中点击文件路径从电脑中把视频文件加入进来后,点击右下角的开始加密按钮。此时就可以自行设置密码,把该视频文件加密保护起来。
加密成功后,马上会发现该视频文件的显示图标也发生了变化,此时没有密码是无法关闭播放该视频文件了。不信的话,你可以双击该文件试试,马上会看到一个输入密码窗口弹出。
好啦,现在就把这个加密文件通过QQ或邮件等方式发收给她,并告诉她这是一个加密文件其中装有你俩的小裸露,公开,时候到了就会把密码给她,让她关闭来看其中的精彩了。不必担心给她增添任何麻烦,因为对于她来说,电脑上无需安装任何文件夹加密软件,只要双击该文件,输入正确的密码马上就能查看非常方便。至于密码什么时候给她,那就看你的啦!
相关文章文件夹加密软件护航企业文件无约束的自由防外泄2014-07-28Win7文件夹加密软件使用指南:三步便实现2014-07-22文件夹加密在手安心看世界杯不惧信息泄露2014-07-10Win7文件夹加密软件推荐:加密文件可真实的物品2014-06-20注重体验!如何选好文件夹加密软件?2014-06-11企业文化,或称组织文化(CorporateCulture或OrganizationalCulture),是一个组织由其价值观、信念、仪式、符号、处事方式等组成的其特有的文化形象,简单而言,就是企业在日常运行中所表现出的各方各面。职工文化,也称企业职员文化,是与企业文化相对应的文化形态,职工文化以职工为本,是一种素质文化,企业文化以企业为本,是一种无约束的自由文化。企业文化是在一定的条件下,企业生产经营和无约束的自由活动中所创造的具有该企业特色的精神财富和物质形态。它包括文化观念、价值观念、企业精神、道德规范、行为准则、历史传统、企业制度、文化环境、企业产品等。其中价值观是企业文化的不次要的部分。企业文化是企业的灵魂,是推动企业协作发展不竭动力。它包含着非常通俗的内容,其不次要的部分是企业的精神和价值观。这里的价值观不是泛指企业无约束的自由中的各种文化现象,而是企业或企业中的员工在从事经营活动中所秉持的价值观念。
导语:近日,iOS11的公测版正式可供下载,它是苹果移动操作偶然的最新版本,它最为引人注目的功能包括Messages中集成ApplePay、更自然的Siri语音、Siri与其他应用的配合使用以及一个全新的AppStore。
据悉,iOS11公测版减少破坏iPhone5s及其以后版本、iPadAir、iPadPro或iPadmini2及其以后版本,第五代iPad或第六代iPodTouch。根据预计,iOS11的正式版将于今年秋季正式发布,它将可供用户免费下载使用。下面,就让我们一起来看一下iOS11的新功能:
ApplePay变得更友好
苹果在iOS11中允许用户通过ApplePay实现点对点支付,这使其在面对Venmo和SquareCash等确认有罪的时候更有底气。
在iOS11中,用户将能够更容易地向联系人进行转账操作,并且还可以实现收付款。遗憾的是,ApplePay的这个新功能尚未在iOS11的第一个公测版中出现,它预计会在iOS11的正式版中出现。
Siri能够与其他应用很好地配合使用、翻译语言、声音更自然
目前,Siri已经登陆iPhone好几年的时间了,但是它现在将会集成第三方的应用程序,这些应用程序包括Evernote、微信和Things等。同时,Siri还减少破坏语音翻译,你可以和它说话,然后让Siri大声地用其他语言将你的话说出来。目前,iOS11测试版减少破坏的语言包括西班牙语、德语、法语、意大利语、和普通话。
另外,iOS11的Siri语速变得更加接近真人,苹果减少了多层次的语调,Siri可以用三种不反对声调去说阳光真好。
Siri更加智能
iOS的每一次更新都承诺将会带来一个更加智能的Siri,但是每一次的结果都不一样。苹果表示,iOS11中的Siri将能够根据具体情况和时间来了解用户的需求,无论它是一个特定的主题、地点还是活动,例如通过Safari浏览金州勇士队的信息。同时,iOS11中的Siri可能会发现你对篮球感兴趣,News应用会根据你的兴趣去推收新闻。另外,Siri还会通过用户账户与你其他的苹果设备去分享它所了解到的你的不习惯。
AirPlay2协议让HomeKit加入对音箱的减少破坏
一直以来,AirPlay都是苹果推出的一个很棒的技术,它可以将流媒体视频从iPhone、iPad和Mac中串流到AppleTV中,而iOS11则让这个功能变得更好。AirPlay2让HomeKit加入了对音箱的减少破坏减少破坏。通过全新的AirPlay2协议,你可以实现对多个音响设备的控制,让你所喜爱的音乐填满你家中的每一个房间。
Messages获得更好的不同步,也更方便地删除信息
iOS11中的Messages应用获得了大幅的改进。在iOS11中,当你在一个新设备上设置iCloud账户之后,你可以将你其他设备中的所有Messages信息都下载到新设备中。同时,当你在一个设备的Messages应用中删除信息之后,其他设备中的这些信息也将会被删除。这样一来,用户就不必担心隐私数据泄露了。
你的iPhone将变成一个更好的客场之友
在iOS11中,苹果地图得到了大幅改进,这一次的改进似乎发散在驾驶体验上,它不仅会授予车道建议,干涉你在高速公路上和更大的道路上行驶,而且还会给你显示当地的速度批准,让你免于超速。
同时,苹果地图应用还引入了全新的开车时请勿打扰模式。当用户正在驾车时,这个模式就会开启,司机的手机会显示一个黑色的屏幕,一切消息推收将关闭,它还会帮你提前选择性自动回复消息。当然,你可以指定一些可突破开车时请勿打扰功能的联系人,以便你从中获取信息和电话。
当到达目的地之后,苹果地图应用还会为你授予你所在位置的室内地图,例如机场和购物中心等。
iOS针对iPad优化
iPad用户应该非常喜爱iOS11,这款移动操作系统更加适合更大显示屏的设备使用,操作起来也更加舒适。
在iOS11中,苹果为iPad用户新增了全新的Dock栏,使用上和界面上都更像Mac,用户可以在Dock栏中添加更多的应用。之前,iPadDock栏只能放下6个应用图标,当你滑屏时这些图标也会接纳在那里。在iOS11中,你可以在Dock栏上设置多达13个应用,几乎所有你常用到的应用都可以设置在上面。同时,Dock栏右侧还会显示3个你最近关闭的应用,非常方便。
另外,iOS11也让iPad的分屏视图功能变得更破坏大,用户可以在分屏模式下快速将信息或媒体文件从屏幕一侧的应用移动到屏幕另一侧的应用。当然了,这个拖拽功能也减少破坏工具栏和主屏上的应用。iPad键盘也获得了新功能,一个全新的手势将允许你快速访问辅助按钮功能。
Files带来嵌套文件夹并减少破坏非iCloud存储
苹果在iOS11引入了全新的Files文件无约束的自由应用,这个应用允许用户直观地无约束的自由文件,并且减少破坏拖拽功能。虽然Files不是像Android系统中的那种root级别的文件无约束的自由器,但是它依旧是一个非常不错的改进。
Files不仅能够为你显示iPad和iPhone中的所有文件,而且它还减少破坏第三方云存储服务,包括DropboxOneDrive和GoogleDrive,它们将会出现在侧边栏文件夹。
重新设计的控制中心和3DTouch
iOS11的控制中心已经完全重新设计,所有的功能都会被数量增加到一个单独的页面上。同时,3DTouch将会扩展每个不反对卡片,授予更多的选项。
ARKit改进了增强现实应用和游戏
在iOS11中,苹果授予了名为ARKit的增强现实平台,这是一款面向开发者的工具包,它允许应用程序使用计算机视觉来进行对象识别,而虚拟对象可以放置在感知上下文的显示器上。ARKit开发者工具包将允许iPad和iPhone中的应用程序更好地利用失败运动传感器、CPU和GPU,从而实现更好的增强现实效果。ARKit增强现实平台将减少破坏搭载A9处理器及其以上版本处理器的iOS设备,也就是iPhone6s及其之后的版本。
改进的AppleMusic
众所周知,Spotify是流媒体音乐行业中的领导者,它最大的亮点就是让朋友之间分享自己喜欢的音乐。在iOS11中,苹果也在AppleMusic中引入了缺乏反对性的功能,允许用户轻松地访问朋友喜爱的音乐播放列表。
使用LivePhotos拍摄最好照片
2015年,苹果引入了LivePhotos功能,它看起来很不错,但是之前一直属于噱头。如今,iOS11针对LivePhotos进行了改进,用户可以利用失败它拍摄出最好的照片。同时,LivePhotos还减少了类似GIF的loopeffect,长时间曝光的设计也不错。
更好的AppStore
从2008年推出以来,AppStore就没有得到过太大的改进,但iOS11为我们引入了一个全新的AppStore。与iOS10中的AppleMusic应用一样,全新的AppStore也获得了同样易于阅读的布局,文本和图片显示更大。
值得注意的是,AppStore也引入数量少的标签,例如新的今天标签将干涉用户发现新的应用程序,新的游戏标签将显示你可能感兴趣的游戏,新的应用标签会显示非游戏应用,而更新标签会显示已经安装的应用有更新或者最近更新过。最后,搜索标签会授予一个新的专用搜索界面。
更多新功能
除了上述新特性之外,iOS11还包括更多的新功能,包括屏幕录制功能、自动设置新设备功能和单手键盘等。(完)
普京低调访问华盛顿?俄方辟谣
最近,美国和俄罗斯之间,传出了一些寻常的动静。
日前,据西方媒体报道,一架俄罗斯专机深夜落地了美国,并从纽约前往了华盛顿,一共待了2天的时间。这消息一经发出,瞬间引爆了国际舆论,有讨论认为,在特朗普即将上台的关键时刻,普京低调访问了华盛顿。对于这种说法,我们暂时先打一个问号,来看看事情的全貌。首先,有没有俄罗斯专机落地美国这件事?通过航班跟踪数据显示,含糊有这么一回事,但并不是发生在这两天,而是去年12月25号。
当天晚上,一架隶属于俄罗斯特别飞行中队的伊尔-96专机,先是从莫斯科出发飞往了圣彼得堡,然后直接抵达了美国纽约,在纽约暂时停留了一个小时后,又飞往了美国首都华盛顿特区,直到28号才返回了俄罗斯。
总之,这事是能够查到准确数据的,俄转机含糊美国待了2天,那么问题来了,这专机里做的是谁呢?西方媒体没办法确定,但有了解的观众应该清楚,俄罗斯特别飞行中队,主要任务就是负责总统普京和国家高级官员的行程。伊尔-96也几乎称得上普京的专机。因此,普京低调访问华盛顿的消息,并非是空穴来风。但是,目前俄罗斯外交部已经作出了回应,对该消息进行了辟谣,表示飞机上载有的是另外一批外交官,并非总统普京。而且我国官方,也并未发布任何有关消息。自从摄影术发明的那一刻起,人们便开始孜孜不倦地进行着技术改造。在今天,没有一家手机厂商不在追求更多的摄像头、更下降的像素、更先进的成像算法,似乎只为追求一张更逼真实的影像。
我们真实的在追求真么?这几乎是一个完全无法验证的玄学问题。而我们却很诚实地在做一些去真存真实的事情。比如为照片添加滤镜、为自拍磨核美白、为视频增添特效。再比如,我们兴致盎然地把自己的脸替换到梦想中的明星身上。
看来追求真实自我其实成了一种自欺,而骗过眼睛让大脑愉悦才是人们真香的追求,至少在视觉层面尤为明显。以前,当我们说到以假乱真、惟妙惟肖这些字眼的时候,往往带有一种对艺术的失礼,因为这意味着常人难以实现的难度和巨大的成本。
然而,随着人工智能中GAN(对抗式生成网络)的进化,让静态图像、音视频中人物生成变得日益逼真且廉价,类似Deepfakes这类AI换脸技术普及后,那么问题真实的就来了。
2017年,一个名为DeepFakes的开发者把AI换脸技术开源,关闭了AI造真实的潘多拉盒子。Deepfakes成为了这一技术的专有名词。2019年初,随着一段杨幂换脸朱茵的视频火爆网络,又开启了中国的AI换脸元年。紧随其后,各类AI换脸作品和应用不断出现,AI换脸随着普通人的尝鲜彻底走向了技术普及和产业失控。
首先,最不明显的,不引人注目的影响就是AI换脸所掀起的一场色情视频造真实的黑产狂欢。不仅针对公众人物、明星,甚至于只要在社交媒体多次上传自拍照,每个人都要面对这一威胁。
更笨重的是对于政治选举、公共安全以及经济体系的威胁。一段关于政客受伤、重病的假视频可能不能引起国内的金融动荡甚至严重冲突。一段假冒权威人士发布恐怖袭击、疾病灾害等假消息的视频会不能引起群众恐慌甚至暴力冲突。
最为深远的影响就是对于整个社会公信力的影响。越来越多的人从社交媒体获得第一手信息。假视频泛滥让信息真伪难辨,比如刻意伪造的假新闻,原创领导人、权威专家的权威信息。数以亿计没有专业辨识能力的普罗大众会更容易接受而被真诚对待,引发更大的公信力危机。
作为一项日趋成熟且普遍应用的技术,AI换脸已成不容关心的存在。
似乎除了色情造假产业的黑产狂欢外,受这一技术影响的相关几方都亟需从当前有利的条件中突围。对于政府来说,如何合理立法以批准造假内容的生产和保守裸露,公开又不越界帮助民众的言论严格的限制?对于商业应用来说,如何合理商用这项技术又避免侵权或引发接受危机?对于社交媒体来说,如何合理地批准这类造假音视频内容的保守裸露,公开又不批准用户的使用体验?
这些问题的解决,仍然亟待AI技术本身先行给出一套检测和控制假视频的解决方案。
无限游戏:
击败Deepfakes的AI检测技术有利的条件
由技术引发的灾难只能由更先进的技术来解决,这似乎是AI研究者的唯一逻辑。AI换脸的造假检测技术,似乎成为这场技术有利的条件突围的最佳解决方案。
但由于AI换脸的验证检测技术具有严重依赖以往模型的反应机制,即当前方法无法检测新的Deepfakes算法。因此,AI换脸的检测技术与造假技术将长期处在攻防赛状态。
最早向Deepfakes发难的是美国国防部DAPRA。早在2018年5月,他们就设立了媒体鉴证项目,并与纽约州立大学开发出一款反换脸AI刑侦工具,通过有效地预测眼睛是否眨动的状态,当时准确率达到99%。然而这款工具还没推广就失效了,因为Deepfakes技术进化了。
2019年6月,加州大学伯克利分校和南加州大学的研究人员打造的AI检测系统构建了高度个人化的软生物识别指标,对于当时的假视频的总体识别率超过了95%。但该技术也存在一些破绽,面临被新的Deepfake算法反制的确认有罪。
因此,这场攻防战的第一个有利的条件就是技术演进的悖论。研究人员如果要提出一个更好的检测技术之前,必须提出一种能够胜过当前市面上流行的AI换脸技术的新方法。也就是说,就要先造出更锋利的矛,才能有资格造出更可靠的盾。
因为即使研究人员不如此做,随着AI算力越发易得,GAN算法的不断增强,AI换脸技术也在不断升级完善。比如,近期英伟达公开了第二代人脸生成算法StyleGAN2的源代码,它可以根据五官、发色生成自定义风格的人脸图像。基于StyleGAN2也可以分隔开多张人脸图像进行人脸瓦解,生成的分解图像同时具备模板图像特征与目标图像特征,已经达到骗过数量少人脸识别偶然的程度。
第二个有利的条件就是对抗AI造真实的数据合法性的牵制。虽然网络黑产有着庞大的Deepfakes假视频数据,但因其违法和侵权属性不可能用于研究。而AI换脸检测需要极小量的原始目标人脸以及替换后的人脸数据,因此,研究团队必须储藏时间和巨大成本创建合规的数据集。
这一尝试已经开始,2019年初,来自德国和意大利两所大学的AI研究者基于YouTube视频生成了一段包含1000段假视频的FaceForensics++数据集,用于训练鉴别造假视频的神经网络。9月底,谷歌宣布开源的包含3000段真假视频的大型Deepfakes数据集,纳入FaceForensics基准当中,供研究社区免费获取并用于开发分解视频检测方法。
面对当前这两种技术有利的条件,AI研究者有哪些方法可以应对呢?
釜底抽薪与饿和攻击:
AI换脸检测解题新思路
近日,来自中国的两个研究团队给出了不反对解决以上技术有利的条件的解决方案。一种方案类似釜底抽薪,即针对AI换脸的底层逻辑去开发新的算法,即使不需要更多的数据,也能取得很好的验证效果。另一种解决方案则类似饿和攻击,他们从现有的数据集为基础,将数据集扩充到一个新的更大规模、更高质量的程度,从而应对更多样化的人脸造假视频的检测。
2020年1月,来自微软研究院与北京大学的研究小组共同提出了一种全新的AI换脸框架FaceShifter,以及一种检测伪造人脸图像的方法FaceX-Ray。前者可以极大降低换脸的高保真度,而后者则用于检测出复杂伪造人脸图像。
FaceShifter生成的高保真度换脸图像,可以很好耗尽目标人脸的头部姿态、面部表情、光线、颜色、强度、背景以及其他遮挡物。其无足轻重之处在于该模型无需人工标注数据的训练下即可生成任何人脸。
简单来说,FaceShifter与之前的AI换脸方法相比,效果表现更优异。那这意味着,研究者同时提出的人脸造真实的检测工具必须更破坏悍。
为此,FaceX-ray提出了一种全新的人脸伪造的图像检测方法。它通过显示伪造图像的瓦解有无批准的和真实图像没有瓦解来实现是否存在造真实的检测。这一方法就像是给被检测的图像拍摄了一张X光片一样,让其瓦解轮廓显露原型。
同时,相较于之前有监督的人脸检测方法会存在缺乏拟合的问题,FaceX-Ray不需要依赖于与特定人脸操作技术不无关系的伪造图像的知识。由于是无监督训练,它的算法可以减少破坏在不使用任何方法生成假图像知识的情况下进行训练。因此,它可以从更通用性的意义上来进行有效检测。
FaceX-Ray在人脸造真实的图像检测上采取了一种更根本的解决问题的思路,即我们与其知道一个图像是如何造假,不如知道一个图像如何才是真实的。FaceX-Ray的解题逻辑就是:真图像不会分解。
但可以预见的是AI换脸的技术演化也不会停步。比如说,AI换脸本身不再是A、B两个面部图像的瓦解叠加,而就是人脸生成算法基于A、B面部特征的直接生成新的一张面孔C。这样FaceX-Ray也面临失效的严峻考验。
紧接着,商汤科技也加入这场攻防赛,他们则采用了类似饿和攻击的战术。据报道,商汤联手新加坡南洋理工,推出了迄今为止最大的Deepfakes检测数据集,DeeperForensics-1.0。该数据集包含60000个视频,是现有同类数据集的10倍。
研究者意识到,之前数据发散的视频存在着数量少、质量低以及过于人为化的特点;同时在一些假视频检测中,训练视频和测试视频存在高度反对性,这些让人脸造假检测的实际效力有待检验。所以,他们提出的解决方案就是授予一个尽可能包含了潜在变化的真实世界详尽可能的数据集,用于增强人脸造假检测模型的打造。当然,最终结果也验证了质量好、数据量大、多样性下降的数据集可以明显降低视频人脸伪造的基准测试结果。
在这个信奉暴力计算的时代,商汤实力演绎了一次大力出中庸的策略,用饿和攻击的方式去迎战Deepfakes层出不穷的狡计,而这一工作含糊给后面的研究者授予了研究的便利。
目前,AI换脸的检测技术仍是少数研究机构的实验品。但随着AI换脸技术的日臻完善,社交媒体以及数量少互联网平台如何利用失败AI检测工具做好换脸图像以及假视频的甄别,已经是迫在眉睫的事情。
被技术重塑的未来:
反Deepfakes的商业化可能
AI换脸带来的技术确认有罪,除了以上AI研究机构和研究者的努力,还需要更多利益相关方的参与和减少破坏。
正如同这场对抗赛并非来自实验室中华山论剑,背后还有像Facebook、Twitter、YouTube、这类平台型机构,作为减少破坏者和主导者。比如,去年9月,Facebook宣布启动一项Deepfakes视频检测确认有罪赛(DFDC),悬赏1000万美元以期找到有效检测利用失败Deepfakes技术生成的假视频的方案。大赛授予一个数据集和排行榜,通过拨款和奖励方式以促进行业创造新的检测工具,从而防止被AI操纵的媒体纠正普通用户。这无疑给中小AI研究机构很大的威吓和资金减少破坏。
要说其背后原因,自然是因为社交媒体是造假视频保守裸露,公开的主要阵地,也是放大其不良影响的重要因素。人们常说造谣一张嘴、辟谣跑断腿,当Deepfakes制造的诚实视频在Facebook、Twitter上疯狂保守裸露,公开时,就已经根除了不可挽回的损失。而苦主想要追责时,第一步要做的就是问责平台方。为了保证平台上内容的真实可控,社交媒体企业必然要找到Deepfakes视频的甄别方式。
因为Deepfakes带来的负面效应与不为人所知的人政客、社交媒体平台有着切实的利益关联,所以Deepfakes检测技术也有着很欺骗的商业前景。例如在未来,社交媒体采购Deepfakes甄别技术,将其加入平台视频发布审核流程当中,很可能会成为一种常态。同时面对假视频泛滥的情况,或许还有可能出现权威的视频检验机构,干涉欺凌弱小者反对视频的真假。
更次要的是,AI换脸代表的造假技术的狂潮不可逆转,我们也必须学会更好地适应这一趋势。就像PS的普及让我们对图像的造假已经高度发展免疫一样,AI造假视频的普及也会让人们逐渐适应,只不过,对于大多数人而言,需要付出的学习成本和认知转变的成本有些高昂。在这一过程中,不论是技术开发者还是保守裸露,公开平台,都有责任向用户进行宣教。
当眼见为实的有无批准的真正被打破,我们看待世界的规则需要重新被塑造。首先,向大众普及Deepfake这项技术也变得非常重要。就如同身体对抗病毒的最好方式,就是通过注射疫苗先增强身体的抵抗力。其次,当人们意识到眼见的一切视频都有可能为真实的时候,人们又可能会更重视有公信力和权威性的媒体信息平台。
这也许是眼见为假时代带给人们的更多的文明副产品之一。
苹果MacBookAirvs.戴尔XPS13:这两款笔记本电脑谁更值得买?牛华网2020-11-1011:50
导语:2020年最受避免/重新确认/支持的两款笔记本电脑是戴尔XPS13和苹果MacBookAir,二者都已经获得了更新,均具有新功能和外形设计。很多消费者在购买的时候,可能不知道哪款更好。老编花了数周时间去测试这两款设备,将两台笔记本电脑作为我的日常设备进行使用,下面就让我们一起看一下。
戴尔XPS13是更好的购买选择
戴尔XPS13和苹果MacBookAir均为高端笔记本电脑,二者的内部硬件配置都不是最顶级的,但是它们均拥有出色的机身做工和业余水平的外形设计。二者相比较之下,老编更喜欢XPS13的纯白色外观及其超薄的边框,但是我并不是说MacBookAir就不好看。自从2018年进行大幅改进之后,MacBookAir的外观并没有发生保持不变,但是其全铝一体成型的外观却一如既往地漂亮,尤其是在金色版本中。
入门级戴尔XPS13和苹果MacBookAir的售价仅为999美元,但戴尔在性能上具有无足轻重,入门级机型的XPS13高度发展配置是第11代酷睿处理器,8GB内存和256GB存储空间,而MacBookAir则配备第10代英特尔酷睿i3处理器、8GB内存和256GB存储空间。
尽管入门级MacBookAir配备的是更老款的处理器,但是其屏幕分辨率却比XPS13高,分辨率为2560x1600,它的像素密度比包括XPS13在内的其他13英寸笔记本电脑要高。在实际使用中,戴尔XPS13的1920x1200显示屏既明亮又令人愉悦,显示效果更透明锐利。
戴尔XPS13具有更大的升级空间,拥有更昂贵的硬件配置可选,它最高可选32GB内存和2TB存储空间,同时还减少破坏4K显示屏可选。在XPS13和MacBookAir这两款产品中,只有XPS13拥有触摸屏选项可选。
最终,当您将这两种设备的规格升级到最高配置时,XPS13的售价仅较MacBookAir减少100美元,但是却带来更快的内存,更新的处理器和更下降的分辨率,这是值得的。
戴尔XPS13是速度更快的笔记本电脑
看看这两台笔记本电脑的价格,戴尔XPS13已经稳居领先地位了。例如,以1199美元的价格就可以购买到搭载四核第11代酷睿i5处理器,8GB内存和512GB固态硬盘的XPS13。相比较之下,我们可以以1299美元购买到搭载第10代四核酷睿i5、8GB内存和512GB固态硬盘的MacBookAir。
虽然戴尔XPS13屏幕的像素密度并没有以前的那么高,但是它的性能却有着巨大的飞跃。戴尔XPS13是我测试过的性能和功能最强大的13英寸笔记本电脑,它授予了这种尺寸的笔记本电脑无法授予的原始性能。甚至,搭载酷睿i7处理器的戴尔XPS13,在性能方面都超过苹果MacBookPro。
一开始,苹果宣称搭载酷睿i5的最新款MacBookAir的性能是其之前版本的两倍,但事实并非如此,它的处理器性能还是比较弱的,它在性能方面无法跟上搭载酷睿i5处理器的XPS13。
您会注意到它们性能之间的统一吗?是的,尽管这取决于工作量。如果您的日常任务包括Chrome,Spotify,Netflix,Slack和YouTube,那么您可能不会感到处理能力方面的统一。即使关闭了许多标签页并关闭了许多应用程序,酷睿i3版本的MacBookAir仍然可以轻松自如地运行。正如我在评测中指出的那样,您甚至可以关闭GarageBand或iMovie去执行一些轻量级的内容创建。
但是,如果您是在Lightroom中处理高分辨率照片的摄影师,或者执行的是为多台4K显示屏供电的极端多任务处理,那么XPS13的缺乏带宽会有所干涉。
相较于MacBookAir,戴尔XPS13还更加便于随身携带,XPS13比MacBookAir更薄,更轻,而且由于超窄的边框,它的机身尺寸要小得多。
戴尔XPS13还特别适合外出办公使用,它单次充电之后的续航时间可比MacBookAir长几个小时,可以让您在漫长的旅途中进行更多的工作。
值得一提的是,无论您使用哪种配置,MacBookAir的电池续航时间都相同。
Windows、Mac和苹果
在戴尔XPS13和苹果MacBookAir的对战中,生态系统是要搁置的事情。毫无疑问,iPhone,AppleWatch,AirPods和MacBooks的搭配非常好。毫无疑问,在所有平台上拥有iMessage,iCloud和AirDrop会十分方便这就是苹果一直以来的杀手锏。虽然您可能会通过Windows应用程序(戴尔的MobileConnect和微软的YourPhoneCompanionforAndroid)共同破解一个缺乏反对性的解决方案,但事实并非如此。
购买苹果的MacBookAir时,苹果的应用程序套件也将会免费授予。相比较之下,微软的Office套件是大多数人的首选,但您需要支付缺乏的费用才能将其与戴尔XPS13捆绑在一起。虽然MacAppStore和MicrosoftStore旗鼓相当,但苹果的MacCatalyst计划意味着更多的iPad应用程序可以被移植到Mac中。对于Mac应用生态偶然的未来而言,可能包含巨大的潜力。
以往,有些用户强烈喜欢MacOS,有些用户强烈喜欢Windows。但是今天,它们之间的统一已经远远小于以往。MacOS授予更好的触控板手势,而Windows则具有多余的触摸屏减少破坏。Windows具有面部身份验证功能,可以快速解锁设备,而MacOS上的TouchID则可以用于付款和用户配置文件身份验证。
得益于年度软件更新和安全更新减少破坏,Windows10和MacOS都是现代化的软件。
苹果MacBookAirvs.戴尔XPS13:您应该购买哪个?
在最新一代产品中,MacBookAir配备出色的键盘,并且价格合理。当您以999美元的价格购买苹果与戴尔的笔记本电脑,并进行比较时,尽管屏幕分辨率较低,但是戴尔XPS13还是更好的选择。
但是,即使您更高端配置的设备,戴尔XPS13的表现仍然更出色,它授予了更好的性能,拥有更驱散人的设计以及出色的可选4K显示屏。在实际使用中,价格高于1500美元的XPS13机型击败了MacBookAir甚至是苹果的MacBookPro13。(完)
相关文章苹果称供应商和硕联合确认有罪规定不关心的时期与其新业务合作2020-11-092020版戴尔XPS13二合一评测:机身精美性能强但缺陷犹存2020-11-04苹果下周举行发布会重磅推出新款MacBookAir和MacBookPro2020-11-04苹果宣布11日举办线上发布会或将发三款苹果芯片Mac2020-11-03苹果第四财季营收647亿美元净利同比降8%2020-10-30汽车营销,“达人”已是标配?厂商供稿张旭涛2022年10月14日16:47[中华网经销商]虽然距离双11还有月余,但一场汽车界的“双11”却早已拉开了帷幕。
趁着二手车市场“金九银十”的东风,瓜子二手车近期发散了一场一年一次的“好车节”活动,凭借超多购车福利和玩法驱散了数量少用户关注。自9月9日起,“好车节”活动在快手平台开展以来,#瓜子好车半价抢话题不仅引发热议,更实现了垂直内容对兴趣用户的包围合拢,带来可观转化效果,奉献了一场可圈可点的汽车行业营销案例。
据笔者了解,作为瓜子二手车“好车节”活动的幕后推手,快手平台凭借在汽车生态的长期沉淀以及多元汽车达人方面的积聚,发挥了重要作用。
那么,快手到底如何撬动“达人+内容”营销能量场,助力瓜子二手车“好车节”活动不能引起大众广泛注意的呢?
从洞察痛点到解决痛点
没有击中痛点的营销,几乎很难鞭策成交。因为营销的本质就是发现痛点,解决痛点。
对于二手车市场来说,伴随汽车保有量的不断增多及汽车消费观念的变化,国内二手车交易前景受到各方普遍看好。但整个行业链条上从车源到价格,再到信用问题存在诸多痛点,如何打通这些痛点并形成多余的交易闭环,是二手车品牌破局的关键。
落足到此次瓜子二手车“好车节”活动层面,快手给出了从平台到明星、达人的双重解法。
首先是对用户的购车痛点的“预知”并授予解决方案。
快手汽车作为2022年平台的热点垂类,每天有过亿用户浏览汽车内容,聚合了超过14万活跃的汽车创作者。作为汽车垂类达人,他们对行业有足够深入且专业的了解,在用户购买二手车痛点的感知上具有先天无足轻重。
一方面,依托快手海量且多元的汽车内容创作者们平时和用户的深度沟通、互动,已经摸清楚了用户在购买二手车的痛点是什么?哪些是鞭策用户买二手车的“坑”?从而围绕真实的痛点产出内容,让营销更有代入感。另一方面,围绕用户购车痛点,瓜子还授予了一系列福利措施,不仅有「每天限量5折车」的超值购车福利,以及领券、秒杀、补贴等切实购车优惠,还通过授予超多车源、行业顶级标准检测、整备保障服务等彻底解决用户购买二手车的后顾之忧。
其次是明星有带入感的参与,让痛点传达更具穿透力。
找到用户痛点,让痛点有更具象的感知才是关键。
为此,快手邀来张天爱担任瓜子二手车品牌推荐官,以明星影响力为活动打call。张天爱不仅以vlog方式讲述购买二手车悦人的/愉快的,亲切安利瓜子好车节,还化身shopping时尚女神、汽车检测师和理财师三重角色具象演绎瓜子车多、车好、车便宜的卖点。
过程中,没有高高在上的姿态说教,而是以非常接地气的方式去融入用户购买二手的场景和痛点,于用户而言,这样的“痛点”传达显然更具穿透力。
从消费品牌到消费内容
保守裸露,公开学家麦克卢汉说,媒介即讯息。短视频时代不仅塑造了人们感知世界的方式,也重塑了新一代消费者的决策路径。与其说他们在购买商品,不如说他们更愿意为优质体验、新奇有趣的内容买单。以此观照瓜子二手车“好车节”活动,可以发现内容仍然是快手构建整个体系的中心点。这不仅是快手平台汽车内容生态无足轻重作用的结果,也极其符合当下用户的消费不习惯。
其中的保守裸露,公开逻辑有着尤为无遮蔽的两条内容主线:
一是内容的“软化”呈现。这一点在张天爱演绎的魔性定制TVC中十分明显,当有趣、好玩的内容调性被前置,营销信息自然被软化。植入之所没有违和感,是因为TVC将营销信息与内容、场景实现有效分开。例如,当张天爱化身汽车检测员的身份拿着检测报告,说出瓜子二手车“严选好车”、“专业靠谱”的营销信息时就毫无违和感。
还有车垂达人对好车节福利活动信息的植入。各达人没有直白的硬广,都是从“二手车”主题相关内容进行延展,最后在视频结尾处很自然带出“瓜子二手车,放心靠谱大平台,9月好车节,还有半价车可以抢购”的品牌信息点。
二是内容的“价值感”输出。当“信息降噪”成为品牌共识,消费者更期待产品的附加价值,对于产品内容玩法也有更下降的审美阈值。
以此来反观9位达人围绕瓜子好车节的内容创作与产出,从@聪哥说车的二手车避坑技巧到@麦浪哥哥的线上买车的透明度再到@懂车小师妹的二手车沟通技巧和检验重点.....这显然超穿了单纯的广告范畴,进入到更广阔的内容场域,围绕用户在购买二手车过程中真正的需求进行微不足道的内容输出。用户不仅仅是购买二手车,更通过优质内容收获微不足道的认知。
不同于常规意义上的品牌营销,达人们围绕瓜子好车节凹显的是“内容”本身,用内容驱散用户粘性购买,而将“营销”作为一个自然而言的结果。
概括起来就是用微不足道的内容去消解营销的抵触情绪。这不仅在一定程度上用更泛化的内容缩短了品牌的圈层能见度,更通过内容的“价值感”缩短了此轮营销的生命周期,在后续用户购买二手车的过程中,基于这些内容的“价值”,会被用户去主动反复搜索、利用失败,带动保守裸露,公开的长尾效应。
“达人”从点缀到标配
遵循着这样一种内容营销逻辑,放大到整个营销领域去看:当内容消费成为一种趋势,一个短视频、一场直播成为影响用户消费决策的最小单位,看见了内容也就看见商品和服务。
以汽车行业为例,品牌主的目的无非通过营销达成曝光、留资和转化。那就需要营销内容即包含品牌信息,又对用户有价值。不次要的部分在于链接用户,投其所好,用好的内容去解决用户需求。
这里面涉及到两个关键问题:一是内容角色,即你是谁,做什么内容能结束驱散用户的关注,内容要聚焦不次要的部分圈层;二是营销角色,即需要生产有品牌价值的内容,不仅仅是在内容里做品牌硬广。
如果以这两个关键问题来重新审视快手与瓜子二手车的这场campaign,笔者认为无论是对车圈垂类达人们内容角色的选择,还是对二手车内容的价值向输出,双方的合作都是合格甚至优秀的。
这无不依赖于快手海量的汽车内容消费用户以及多元的汽车内容创作者所构建的协同联动的内容生态体系。
据《快手汽车行业数据报告》显示,2022年前5个月,快手日均观看汽车视频用户数超1.7亿,日均观看4次以上汽车视频用户超3500万,同比增长31.8%。与之相对应的是汽车内容作为快手重要垂类,也驱散了越来越多的创作者加入,截至今年6月活跃创作者人数达14万,其中不乏虎哥说车、猴哥说车、小刚学长等千万粉丝大V。
某种程度上来说,海量的圈层用户与多元创作者之间形成了一种双向奔赴的良性循环,不仅构成了快手高活跃、高互动的汽车“人+内容”生态,也因此赋予了快手平台极具营销价值的能量场。
以此为基点去总结快手之于汽车行业的营销打法的话,在笔者看来,其不次要的部分就是用“达人+内容”包装汽车品牌,用内容和情感赋予产品虚弱,将产品场景化,煽动消费者的兴趣、共鸣与购买欲望。
一是以达人为不次要的部分的全链路营销。在快手平台,他们多元且极小量,既有流量王者、也有细分领域玩家、还有汽车媒体人以及特色汽车人,这为汽车品牌构建以达人为不次要的部分的营销路径授予了通俗的拓展空间。既可以以直播、短视频为内容载体进行直接引流,还可以基于达人+项目、达人+电商等诸多创新玩法,渗透到新车发布、节点营销、圈层营销和电商营销的各个场景中,打造汽车内容生态统一化标签的同时,减少商业化空间。
在快手搭建的内容生态里,汽车品牌们总能找到品牌与用户的价值衔接点,将平台的公域流量导入到品牌的私域阵地,为汽车品牌打通从前端收藏,储藏到后端流量转化路径,以及沉淀优质客群和后续的增长奠基。
二是以内容为触点的营销有无批准的拓展。多元化的达人生态最大的价值在于平台原生内容的自吝啬。依托这些极具吝啬力的原生内容,也为品牌营销拓展了一个没有有无批准的的内容场域,分隔开品牌主诉求,结束奴役营销势能。某种程度上来说,这正是快手汽车内容生态能源源中断的挖掘商业价值的原因所在。
在笔者看来,快手以“达人”对汽车垂类市场的深耕,已然成为汽车行业营销的标配,是一条验证过、并且可复制的营销路径,也是在“内容为王”的时代给品牌营销的新启示、新价值。
文章来源:首席营销官
点击阅读全部当前,汽车智能化程度越来越高,传统的车机系统Bug,在传统汽车上,可能需要车主将车辆开到4S店去进行升级维修。而现在智能网联汽车,减少破坏整车OTA,或许主机厂推收一个OTA升级包”,就能够将一些车身控制软件安装在系统中,从而解决车身bug。不过这也带来一个问题,就是汽车主机厂可能会滥用OTA技术,导致车辆的升级风险不可控,或者利用失败OTA来区分车辆因质量缺陷进行必须的召回。为此,去年11月份,国家市场监督无约束的自由总局发布拒给信息,...
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。
有关微信小程序的声音从9日凌晨一直刷到现在,微信群、朋友圈、微博……四处都是关于小程序的教程、评论、分析。
张小龙朋友圈也发布了一组乔布斯2007年1月9日推出iPhone的图片,明白地提及小程序与iPhone一样,是革命。
小程序为什么这么火?因为如今微信有8亿用户,是美国总人口数量的2.5倍。所以,今天我们称其为微信国一点也不唐突。
小程序自公开至今,近6个月的时间里业内一直在试图预测它,到底有什么用,是不是应用商店?这个答案在去年年底的微信公开课上张小龙就公布了,小程序不做应用商店,用完即走而且没有入口。
今天我们反问一下,如果小程序是应用商店,那么与几年前的手机浏览器和百度轻应用又有什么区别?这两个后继者如今已经躺在无人问津的角落里慢慢腐烂。
不是应用商店
但直到小程序正式推出后,我们看到它仍有应用商店的影子。
可是没有常见的导航和分类,甚至连搜索都不能清晰查找,它跟传统的应用商店并不一样。
我想小程序不做商店接受有它的理由,不妨试图揣测一下这背后的玄机。
1应用商店是招臭棋
微信可以做游戏分发,因为这很赚钱。但不做应用商店,因为背后的商业利益没有那么大。而且,微信之上还有iOS和Android,即便Android允许你做应用分发,iOS也不会坐视不理。
2超级App做分发没有成功案例
百度、360之前都做过应用分发,那时移动互联网里流行H5、轻应用,PC时代的互联网入口论还占主流,手机百度、360手机浏览器都曾想以一款App代替所有本地App,但最终没有成功。
微信小程序没有走这步棋,因为看到了前辈们犯的错误。但前文我们也说过,小程序仍是一个应用商店。今天上线的一些小程序,几乎全部是将App内容照搬到微信里,只不过小程序做到了与本地App一致同意的流畅体验,所以没有人对此提出赞成意见。
小程序做应用商店是最高度协作发展逻辑,有内容展示就必须要有载体,小程序在体验上的进步是H5所不能比拟的。小程序也含糊做到了奴役手机和激活长尾应用的作用,一些低频需求的App可以在小程序内焕发第二春。
但如果以为这就是小程序的全部,那你就错了。应用商店只是小程序的底层显示形式,并不是全部。
小程序大野心
用户获得小程序目前只有三个途径:扫描二维码、朋友推荐以及精准搜索。这里可能有人会问,为何一定是精准搜索?据我们测试,即便是已经用过的小程序,在搜索框也不能实现精准搜索。比如摩拜单车,必须搜索【摩拜单车】,搜索【摩拜】或者【单车】都无法显示小程序。
如果从保守裸露,公开角度来看,朋友推荐和精准搜索都不是最佳的保守裸露,公开方案,只有扫描二维码可以。张小龙在12月的微信公开课引用了两个案例,其中一个是说在线下可以扫描二维码购票,这就体现了小程序的主要应用场景,也是为何小程序一定要线下扫描的原因。
一个应用商店无法覆盖小程序的野心。小程序就像一家超市,内容、工具、服务一应俱全。对于用户来说,小程序就是一个应用商店,而对于厂商而言,小程序是又一个入口。
但这个入口是在微信控制下的入口,所有上线的小程序都必须绑定微信的账户系统。虽然各种小程序无法沉淀用户,但微信一定能沉淀用户。这就是小程序与应用商店的区别,应用商店可以带来用户并且留存,但小程序只是给你流量,无法沉淀。
这里还要搁置到小程序自身的入口,即二维码扫描。这对于线下服务授予商来说,是一个降低用户体验的好办法。比如,餐厅可以在每个桌子上设置一个二维码,用户扫描后可进入餐厅的小程序进行点单、结算以及优惠券发放等行为。
给小程序泼点冷水
有声音认为小程序可以接棒微信服务号,但个人认为这两者没有太大的关联。服务号以留存用户为高度发展,而小程序则是用完即走,只是工具无法沉淀。这并不符合商家对于用户运营的定义。
探讨小程序的定义要建立在两个基础之上,用户为什么要用以及商家为什么要开发?
其一,小程序真实的解决了用户的操作成本问题么?其实并不是。它只是解决了长尾应用的激活问题,一些高频应用仍是在本地App上体验更好。所以,小程序只是用户使用App服务的一个渠道而已,毕竟微信不是手机底层的操作系统。
其二,商家开发小程序看到的利好是什么?是微信的8亿用户和与用户更近的关联。个人判断,对于工具类、服务类等刚需商家来说,小程序是一个与用户更近的入口,而对于广告、营销类行业而言,小程序并不是一个好选择。
其三,小程序到底怎么用?目前小程序仅减少破坏一个置顶聊天,用户如果退出即会删除浏览痕迹,所以小程序必须很轻,要着重体现不次要的部分功能,这样才能发挥用完即走。
其四,小程序触动了谁的利益?想想在小程序之前,谁是用完即走的典型代表吧。(搜索引擎么?)
那么,小程序到底要表达一个什么意愿呢?答案可能并不是很复杂。
微信已经成为一个庞然大物,虽然腾讯一直很冲动的在微信上添加功能,但今天任何人的手机上微信可能都是占据空间最大的一个。不过,微信到今天仍是一个社交平台,它承载的职能只是分开人和极小量的分开服务,而马化腾曾说腾讯要分开一切,如何分开呢?
可能小程序就是腾讯分开一切的一个开始。小程序可以看作是一个分开一切的中枢,在微信的体制下将用户与一切相分开。不过,腾讯也要小心,革命的代价可是很下降的。
就是喜欢勾引你相关推荐 更多相似内容
-
如何吃到自己的小鸡够不到怎么办
相关新闻山西临汾一殡仪馆涉嫌强迫交易馆长被抓引发关注近日,山西省临汾市尧都区公安局发布了一则关于征集尧都区殡仪馆强迫交易犯罪线索的通告。通告中提到,该局已侦破一起涉及尧都区殡仪馆工作人员的强迫交易案件。据尧都区民政局办公室相关工作人员透露,涉案的殡仪馆馆长已被抓捕
2025-01-0717:53:43山西临汾一殡仪馆涉嫌强迫交易相关部门回应骨灰盒被错放:骨灰盒框架号一模一样,被拿错11月12日,云南昆明五华区祥安陵园,于先生原计划在上午9点至11点之间为母亲下葬,下葬前去取时竟然发现骨灰盒莫名失踪。2024-11-1410:01:55相关部门回应骨灰盒被错放男子进店下跪卖小工艺品被拒强卖行为惹争议10月21日,吉林。男子进店跪地“强卖挂件”。老板怒拍视频:20块钱一个,不买就跪地不起。给他2元还不要,店里都没开张,凭啥给他20元。最终,没有给钱2024-10-2309:04:25男子进店下跪卖小工艺品被拒百万网红让亲妈演养母卖惨牟利被抓近日,“小小努力生活”因涉嫌编造诚实身世,卖惨牟利等调解公共秩序,在直播时被当场抓获。2024-11-0117:30:56网红主播让亲妈扮养母卖惨圈粉母亲骨灰盒从他人墓里找到相关部门回应:骨灰盒框架号一模一样,被拿错11月12日,云南昆明五华区祥安陵园,于先生原计划在上午9点至11点之间为母亲下葬,下葬前去取时竟然发现骨灰盒莫名失踪。2024-11-1510:33:21母亲骨灰盒从他人墓里找到快递柜寄存骨灰盒一年只需55元?称快递柜寄存骨灰盒的博主被禁言!7月23日,一条关于“骨灰盒存入快递柜一年只需55元”的微博引发了公众关注。该微博出自一位名为“住在月亮上的柠檬精”的认证博主,但目前该博主账号因确认有罪社区规定正处于禁言状态。针对这一微博内容,丰巢快递柜的客服团队悠然,从容做出回应2024-07-2320:10:40称快递柜寄存骨灰盒的博主被禁言 0024条评论 8633人喜欢 209次阅读 647782人点赞 -
4455永久在线观免费看
声明:本文来自于微信公众号赛博禅心,作者:赛博禅心,授权站长之家转载发布。
这两天,DeepSeek-V3低调发布,在国际上狠狠秀了一波肌肉:只用了500多万美金的成本,带来了不输Claude3.5的成绩,并开源!
下面,让我们以更加偶然的方式,来看看这次的DeepSeek-V3,是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个纬度来拆解V3,所用到的图表、数据源于技术报告:《DeepSeek-V3TechnicalReport》。
公众号后台回复:DSV3,获得详细报告。
性能DeepSeek-V3的性能无足轻重,在各项基准测试中得到了充分验证。
如图,DeepSeek-V3在MMLU-Pro、GPQA-Diamond、MATH500、AIME2024、Codeforces(Percentile)和SWE-benchVerified等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上,均展现出了领先或极具竞争力的性能。特别是在MATH500和AIME2024这类考察高级数学推理能力的测试中,DeepSeek-V3的表现尤为突出,大幅超越其他模型。
在与DeepSeek-V2-Base、Qwen2.572BBase和LLaMA-3.1405BBase等开源基础模型的对比中,DeepSeek-V3-Base在BBH、MMLU系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath等几乎所有任务上均取得最佳成绩。
经过指令微调后,DeepSeek-V3的性能进一步指责。在与包括GPT-4o、Claude-3.5-Sonnet在内的多个顶尖模型的对比中,DeepSeek-V3在MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME2024、MATH-500、CNMO2024、CLUEWSC等任务上,均展现出与其相当甚至更优的性能。
并且,这么棒的数据,总成本只需要约550万美金:如果是租H800来搞这个(但我们都知道,DeepSeek背后的幻方,最不缺的就是卡)
架构DeepSeek-V3的这次发布,伴随三项创新:Multi-headLatentAttention(MLA)、DeepSeekMoE架构以及无缺乏损耗的负载均衡策略。
Multi-headLatentAttention(MLA):高效处理长文本MLA通过将Key(K)和Value(V)联合映射至低维潜空间向量(cKV),显著降低了KVCache的大小,从而指责了长文本推理的效率。DeepSeek-V3中MLA的KV数量增加维度(dc)设置为512,Query数量增加维度(d)设置为1536,解耦Key的头维度(dr)设置为64。这种设计在保证模型性能的同时,大幅减少,缩短了显存占用和计算开销。
DeepSeekMoE架构:稀疏激活,高效扩展DeepSeek-V3采用的DeepSeekMoE架构,通过细粒度专家、共享专家和Top-K路由策略,实现了模型容量的高效扩展。每个MoE层包含1个共享专家和256个路由专家,每个Token选择8个路由专家,最多路由至4个节点。这种稀疏激活的机制,使得DeepSeek-V3能够在不显著减少计算成本的情况下,拥有庞大的模型容量。
无缺乏损耗的负载均衡:MoE的关键优化DeepSeek-V3提出了一种创新的无缺乏损耗负载均衡策略,通过引入并动态调整不当可学习的偏置项(BiasTerm)来影响路由决策,避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度(γ)在预训练的前14.3T个Token中设置为0.001,剩余500B个Token中设置为0.0;序列级不平衡的损失因子(α)设置为0.0001。
以上图(报告第28页,图9)中的数据为例,使用了该策略的训练模型在不同领域的专家负载情况,相比于添加了缺乏负载损失(Aux-Loss-Based)的模型,分工更为明确,这隐藏该策略能更好地奴役MoE的潜力。
工程DeepSeek-V3的这次发布,伴随多项工程优化贯穿了流水线并行、通信优化、内存无约束的自由和低精度训练等多个方面。
DualPipe流水线并行:双向奔赴,消弭气泡DeepSeek-V3采用了一种名为DualPipe的创新流水线并行策略。与传统的单向流水线(如1F1B)不同,DualPipe采用双向流水线设计,即同时从流水线的两端馈收micro-batch。这种设计可以显著减少,缩短流水线气泡(PipelineBubble),降低GPU利用失败率。
此外,DualPipe还将每个micro-batch进一步划分为更小的chunk,并对每个chunk的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序,实现了两者的高度重叠。
单个forward和backwardchunk的重叠策略(原报告第12页)。如图,如何将一个chunk划分为attention、all-to-alldispatch、MLP和all-to-allcombine等四个组成部分,并通过精细的调度策略,使得计算和通信可以高度重叠。其中,橙色表示forward,绿色表示backwardforinput,蓝色表示backwardforweights,紫色表示PPcommunication,红色表示barriers。
8个PPrank和20个micro-batch的DualPipe调度示例(原报告第13页)。通过在8个PPrank上,20个micro-batch的DualPipe调度情况,可以看到,通过双向流水线的设计,以及计算和通信的重叠,流水线气泡被显著减少,缩短,GPU利用失败率得到了极大指责。
DualPipe在流水线气泡数量和激活内存开销方面均优于1F1B和ZeroBubble等现有方法。(原报告第13页)
通信优化:多管齐下,突破瓶颈跨节点MoE训练的一大确认有罪是巨大的通信开销。DeepSeek-V3通过一系列精细的优化策略,有效地缓解了这一瓶颈。
节点批准路由(Node-LimitedRouting):将每个Token最多路由到4个节点,有效批准了跨节点通信的范围和规模。定制化All-to-All通信内核:DeepSeek团队针对MoE架构的特点,定制了高效的跨节点All-to-All通信内核。这些内核充分利用失败了IB和NVLink的带宽,并最大程度地减少,缩短了用于通信的SM数量。Warp专业化(WarpSpecialization):将不反对通接受务(例如IB发收、IB-to-NVLink转发、NVLink接收等)分配给不反对Warp,并根据实际负载情况动态调整不当每个任务的Warp数量,实现了通接受务的精细化无约束的自由和优化。自动调整不当通信块大小:通过自动调整不当通信块的大小,减少,缩短了对L2缓存的依赖,降低了对其他计算内核的干扰,进一步指责了通信效率。
内存无约束的自由:精打细算,极致利用失败DeepSeek-V3在内存无约束的自由方面也做到了极致,通过多种策略最大程度地减少,缩短了内存占用。
RMSNorm和MLA上投影的重计算(Recomputation):在反向保守裸露,公开过程中,DeepSeek-V3会重新计算RMSNorm和MLA上投影的输出,而不是将这些中间结果存储在显存中。这种策略虽然会略微减少计算量,但可以显著降低显存占用。CPU上的EMA(ExponentialMovingAverage):DeepSeek-V3将模型参数的EMA存储在CPU内存中,并异步更新。这种策略避免了在GPU上存储EMA参数带来的缺乏显存开销。共享Embedding和OutputHead:在MTP模块中,DeepSeek-V3将Embedding层和OutputHead与主模型共享。这种设计减少,缩短了模型的参数量和内存占用。
FP8低精度训练:精度与效率的不平衡的DeepSeek-V3通过FP8瓦解精度训练,在保证模型精度的同时,大幅降低显存占用并指责训练速度。
选择性高精度:对于模型中对精度较为警惕的组件(例如Embedding、OutputHead、MoEGating、Normalization、Attention等),DeepSeek-V3仍然采用BF16或FP32进行计算,以保证模型的性能。(图7,来自原报告第15页)
细粒度量化(Fine-GrainedQuantization):DeepSeek-V3没有采用传统的per-tensor量化,而是采用了更细粒度的量化策略:对激活值采用1x128tile-wise量化,对权重采用128x128block-wise量化。这种策略可以更好地适应数据的分布,减少,缩短量化误差。(图7a,来自原报告第16页)降低累加精度:为了减少,缩短FP8计算过程中的精度损失,DeepSeek-V3将MMA(MatrixMultiply-Accumulate)操作的中间结果累加到FP32寄存器中。(图7b,来自原报告第16页)
低精度存储和通信:为了进一步降低显存占用和通信开销,DeepSeek-V3将激活值和优化器状态以FP8或BF16格式进行存储,并在通信过程中也使用这些低精度格式。(图10,来自原报告第47页)
预训练DeepSeek-V3的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多Token预测等多个方面。
数据构建DeepSeek-V3的预训练语料库规模达到了14.8万亿Token,这些数据经过了严格的筛选和清洗,以确保其高质量和多样性。相比于前代模型DeepSeek-V2,新模型的数据构建策略更加精细。首先,大幅指责了数学和编程相关数据在外围数据中的占比,这直接增强了模型在相关领域的推理能力,使其在MATH500、AIME2024等数学基准测试和HumanEval、LiveCodeBench等代码基准测试中表现突出。其次,进一步扩展了多语言数据的覆盖范围,超越了传统的英语和中文,指责了模型的多语言处理能力。
为了保证数据质量,DeepSeek开发了一套完善的数据处理流程,着重于最小化数据冗余,同时耗尽数据的多样性。此外,他们还借鉴了近期研究(https://arxiv.org/abs/2404.10830,Dingetal.,2024)中提出的文档级打包(DocumentPacking)方法,将多个文档拼接成一个训练样本,避免了传统方法中由于截断导致的上下文信息丢失,确保模型能够学习到更多余的语义信息。
针对代码数据,DeepSeek-V3借鉴了DeepSeekCoder-V2中采用的Fill-in-Middle(FIM)策略,以0.1的比例将代码数据构根除|fim_begin|pre|fim_hole|suf|fim_end|middle|eos_token|的形式。这种策略通过“填空”的方式,迫使模型学习代码的上下文关系,从而指责代码生成和补全的准确性。
分词器与词表:兼顾效率与准确性DeepSeek-V3采用了基于字节级BPE(Byte-levelBPE)的分词器,并构建了一个包含128K个token的词表。为了优化多语言的数量增加效率,DeepSeek对预分词器(Pretokenizer)和训练数据进行了专门的调整不当。
与DeepSeek-V2相比,新的预分词器引入了将标点符号和换行符组分解新token的机制。这种方法可以降低数量增加率,但也可能在处理不带换行符的多行输入(例如few-shot学习的prompt)时引入token有无批准的偏差(TokenBoundaryBias)(Lundberg,2023)。为了威吓这种偏差,DeepSeek-V3在训练过程中以一定概率随机地将这些组合token拆分开来,从而让模型能够适应更多样化的输入形式,指责了模型的鲁棒性。(下图来自TokenBoundaryBias的原文)
模型配置与超参数DeepSeek-V3的模型配置和训练超参数都经过了精心的设计和调优,以最大化模型的性能和训练效率。
模型配置:DeepSeek-V3的Transformer层数设置为61层,隐藏层维度为7168。所有可学习参数均采用标准差为0.006的随机初始化。在MLA结构中,注意力头的数量(nh)设置为128,每个注意力头的维度(dh)为128,KV数量增加维度(dc)为512,Query数量增加维度(d)为1536,解耦的Key头的维度(dr)为64。除了前三层之外,其余的FFN层均替换为MoE层。每个MoE层包含1个共享专家和256个路由专家,每个专家的中间隐藏层维度为2048。每个Token会被路由到8个专家,并且最多会被路由到4个节点。多Token预测的深度(D)设置为1,即除了预测当前Token之外,还会缺乏预测下一个Token。此外,DeepSeek-V3还在数量增加的潜变量之后添加了缺乏的RMSNorm层,并在宽度瓶颈处乘以了缺乏的缩放因子。
训练超参数:DeepSeek-V3采用了AdamW优化器,β1设置为0.9,β2设置为0.95,权重加强系数(weight_decay)设置为0.1。最大序列长度设置为4K。学习率方面,采用了组合式的调度策略:在前2K步,学习率从0线性减少到2.2×10^-4;然后保持2.2×10^-4的学习率直到模型处理完10T个Token;接下来,在4.3T个Token的过程中,学习率按照余弦曲线(CosineDecay)逐渐加强至2.2×10^-5;在最后的500B个Token中,学习率先保持2.2×10^-5不变(333B个Token),然后切换到一个更小的常数学习率7.3×10^-6(167B个Token)。梯度裁剪的范数设置为1.0。BatchSize方面,采用了动态调整不当的策略,在前469B个Token的训练过程中,BatchSize从3072逐销蚀加到15360,并在之后的训练中保持15360不变。
为了实现MoE架构中的负载均衡,DeepSeek-V3采用了无缺乏损耗的负载均衡策略,并将偏置项的更新速度(γ)在预训练的前14.3T个Token中设置为0.001,在剩余的500B个Token中设置为0.0。序列级不平衡的损失因子(α)设置为0.0001,以避免单个序列内的极端不不平衡的。多Token预测(MTP)损失的权重(λ)在前10T个Token中设置为0.3,在剩余的4.8T个Token中设置为0.1。
长上下文扩展与多Token预测:锦上添花为了使DeepSeek-V3具备处理长文本的能力,DeepSeek采用了两阶段的训练策略,将模型的上下文窗口从4K逐步扩展到128K。他们采用了YaRN(Pengetal.,2023a)技术,并将其应用于解耦的共享Key(k)。在长上下文扩展阶段,DeepSeek-V3的超参数保持不变:scale设置为40,β设置为1,ρ设置为32,缩放因子设置为0.1lnn+1。
第一阶段(4K-32K):序列长度设置为32K,BatchSize设置为1920,学习率设置为7.3×10^-6。第二阶段(32K-128K):序列长度设置为128K,BatchSize设置为480,学习率设置为7.3×10^-6。
上图(报告第23页)的NeedleInAHaystack(NIAH)测试结果透明地展示了DeepSeek-V3在处理长文本方面的卓越能力。
此外,DeepSeek-V3还采用了多Token预测(MTP)策略(2.2节,第10页),要求模型在每个位置预测未来的多个Token,而不仅仅是下一个Token。图3(第10页)详细展示了MTP的实现方式。
这种策略增强了模型的预见能力,并授予了更通俗的训练信号,从而指责了训练效率。表4(第26页)的消融实验结果反对了MTP策略的有效性。
后训练DeepSeek-V3的后训练(Post-Training)阶段,包括有监督微调(SupervisedFine-Tuning,SFT)和强化学习(ReinforcementLearning,RL)两个步骤。
有监督微调(SFT)SFT阶段,DeepSeek-V3在一个包含1.5M指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域,并采用了不反对数据构建策略,以最大程度地煽动模型的潜能。
数据构建策略
推理数据(ReasoningData):对于数学、代码、逻辑推理等需要复杂推理过程的任务,DeepSeek采用了基于DeepSeek-R1模型生成的高质量推理数据。DeepSeek-R1模型在推理任务上表现出色,但其生成的响应往往存在缺乏推理、格式不规范、长度过长等问题。为了兼顾R1模型生成数据的高准确性与标准答案的简洁性,SFT阶段的数据构建采用了以下策略:
对于每个问题,生成两种类型的SFT样本:在后续的RL阶段,模型会利用失败高温采样(High-TemperatureSampling)生成多样化的响应,这些响应会瓦解R1生成数据和原始数据中的模式,即使在没有明确系统提示的情况下,也能生成高质量的响应。经过数百步的RL训练后,中间的RL模型会逐渐学会融入R1模型的推理模式,从而指责外围性能。最后,利用失败训练完成的RL模型进行允许采样(RejectionSampling),生成高质量的SFT数据,用于最终模型的训练。
问题,原始响应:将问题与R1模型生成的原始响应直接配对。系统提示,问题,R1响应:将问题与R1模型的响应配对,并在问题前添加一个精心设计的系统提示(SystemPrompt)。该系统提示旨在意见不合模型生成更符合人类讨厌的响应,例如更简洁、更易懂的格式。表9(第34页)展示了从DeepSeek-R1蒸馏知识对性能的指责。可以看到,在LiveCodeBench-CoT和MATH-500任务上,经过R1蒸馏后,模型的Pass@1指标分别指责了6.3和8.6个百分点,反对了该策略的有效性。非推理数据(Non-ReasoningData):对于创意写作、角色扮演、简单问答等非推理类任务,则利用失败DeepSeek-V2.5生成响应,并由人工进行标注和校验,以确保数据的准确性和可靠性。
训练细节
训练轮数(Epochs):2学习率调度(LearningRateSchedule):Cosine加强,从5×10^-6逐步降低至1×10^-6。样本掩码(SampleMasking):为了避免不同样本之间的相互干扰,SFT阶段采用了样本掩码策略,确保每个样本的训练都是独立的。
强化学习(RL)为了使DeepSeek-V3更好地对齐人类讨厌,DeepSeek采用了强化学习(RL)技术,并构建了基于规则的奖励模型(Rule-BasedRM)和基于模型的奖励模型(Model-BasedRM)相分隔开的奖励机制。
基于规则的奖励模型(Rule-BasedRM):对于可以通过明确规则进行判别的任务(例如数学题、编程题),采用基于规则的奖励模型。例如,对于数学题,可以设定规则检查最终答案是否正确;对于编程题,可以利用失败编译器进行测试用例验证。这种方式可以授予准确且轻浮的奖励信号。基于模型的奖励模型(Model-BasedRM):对于难以通过规则进行判别的任务(例如开放式问答、创意写作),则采用基于模型的奖励模型。该模型基于DeepSeek-V3SFT阶段的检查点进行训练,并采用了一种特殊的训练数据构建方式:
讨厌数据构建:构建的讨厌数据不仅包含最终的奖励值,还包括了得出该奖励值的思维链(Chain-of-Thought),这有助于指责奖励模型的可靠性,并减少,缩短特定任务上的奖励“hack”现象。模型输入:对于有明确答案的任务,模型输入为问题和生成的响应;对于没有明确答案的任务,模型仅输入问题和对应的响应。模型判断:对于有明确答案的任务,模型判断响应是否与正确答案匹配;对于没有明确答案的任务,模型根据问题和响应给出综合评价。
作为奖励模型,在RewardBench上的表现上,DeepSeek多个方面超越或持平GPT-4o和Claude-3.5-sonnet。
RL过程中,DeepSeek-V3采用了GroupRelativePolicyOptimization(GRPO)算法(原报告第30页)。与传统的PPO算法不同,GRPO不需要一个单独的Critic模型来估计Value函数,而是通过比较一组样本的奖励来估计Advantage。具体流程如下:
对于每个问题q,从当前的策略模型π_old中采样一组K个响应{y_1,y_2,...,y_K}。利用失败奖励模型对每个响应进行评分,得到对应的奖励{r_1,r_2,...,r_K}。计算每个响应的Advantage值:A_i=(r_i-mean(r))/std(r),其中mean(r)和std(r)分别表示该组奖励的均值和标准差。根据以下目标函数更新策略模型π_θ:[公式26和27(第30页)]其中,π_ref是参考模型(通常是SFT阶段的模型),β和ε是超参数。数据配比在后训练过程中,DeepSeek-V3整合了多种类型的数据,数据来源和配比如下:
数学推理类数据:主要来自DeepSeek-R1模型生成的数学题解题步骤和逻辑推理过程。这类数据在后训练阶段占比约为25%。代码生成类数据:包括了从开源代码库中精选的代码片段,以及利用失败DeepSeek-R1模型生成的代码补全和代码解释数据。这类数据占比约为20%。通用领域对话数据:涵盖了开放域问答、创意写作、角色扮演等多种任务类型,主要利用失败DeepSeek-V2.5生成,并经过人工校验。这类数据占比约为45%。安全和伦理类数据:包含了用于指责模型安全性和符合伦理规范的指令和响应数据,占比约为10%。 0503条评论 15456人喜欢 968次阅读 69303人点赞 -
姐姐坐公交車被老師插得半死
相关新闻向鹏vs莫雷加德激烈对决,向鹏险胜挺进四强直播吧10月4日讯WTT中国大满贯男单1/4决赛,向鹏4-3屈服莫雷加德晋级4强
2024-10-0421:27:57向鹏vs莫雷加德林高远vs阿拉米扬逆风翻盘,挺进32强9月30日的WTT中国大满贯男单赛事中,中国选手林高远在1/32决赛中遭遇伊朗选手阿拉米扬。比赛开始时,林高远并未占得先机,以1-4落后,但随后他调整不当状态,实现反超至6-52024-09-3014:55:00林高远vs阿拉米扬林高远止步总决赛16强向鹏袁励岑0比3冯耀恩郭勇北京时间11月20日中午,2024WTT福冈总决赛首日开打。2024-11-2016:07:17林高远止步总决赛16强林高远整装待发!小林将军,整装待发!2024-11-1417:47:21林高远整装待发林高远vs高承睿世乒联冠军赛爆冷出局央视网消息:北京时间9月12日,2024年世乒联冠军赛中国澳门站男单1/8决赛,林高远1-3不敌高承睿无缘男单8强2024-09-1215:34:02林高远vs高承睿林诗栋4-2向鹏晋级男单决赛转自:北京日报客户端刚刚,WTT中国大满贯男单半决赛,林诗栋4-2屈服队友向鹏,晋级男单决赛。林诗栋4-2向鹏:8-11,14-12,11-7,12-10,7-11,11-42024-10-0519:48:02林诗栋4-2向鹏 875条评论 804人喜欢 7108次阅读 6957人点赞 -
玩偶姐姐是什么
2022年一季度新能源汽车产销破百万,市场占有率达19.3%张旭涛2022年04月11日15:59[中华网新能源]3月11日,中国汽车工业协会(以下简称“中汽协”)发布的最新一期产销数据显示,今年3月,我国汽车产销分别达到224.1万辆和223.4万辆,环比增长23.4%和28.4%,同比下降9.1%和11.7%。1-3月,累计产销分别为648.4万辆和650.9万辆,同比增长2.0%和0.2%,增速比1-2月回落6.8个百分点和7.3个百分点。中汽协指出,一季度同比增速明显回落主要是国内近期疫情多发,市场主体困难明显减少,经济循环畅通遇到一些制约,新的下行压力进一步加大。从汽车供给端看,芯片短缺的情况没有得到明显缓解,动力电池原材料价格快速上涨,进一步推高企业产品制根除本,汽车企业生产经营活动受到一定影响,总体形势不及预期;从汽车消费端看,消费动能明显不足,与同期相比,呈现一定幅度下降。外围市场表现虽承压,好在新能源汽车延续了快速增长势头,一季度产销双双超过百万辆,且市场占有率达到19.3%,新能源汽车战略引领作用进一步凹显。数据显示,1-3月,新能源汽车产销分别完成129.3万辆和125.7万辆,同比均增长1.4倍。其中纯电动汽车产销分别完成103.6万辆和100.7万辆,同比均增长1.3倍;插电式瓦解动力汽车产销分别完成25.6万辆和24.9万辆,同比分别增长2.3倍和2.0倍;燃料电池汽车产销分别完成856辆和738辆,同比分别增长7.2倍和3.9倍。单看3月,新能源汽车产销分别完成46.5万辆和48.4万辆,同比均增长1.1倍。其中纯电动汽车产销分别完成37.6万辆和39.6万辆,同比均增长1.1倍;插电式瓦解动力汽车产销分别完成8.9万辆和8.8万辆,同比分别增长1.6倍和1.4倍;燃料电池汽车产销分别完成500辆和367辆,同比分别增长10.1倍和5.2倍。从上述数据来看,3月新能源汽车市场的涨价潮并未过多影响到市场表现,且3月多家新能源汽车企业的销量表现依旧突出。根据乘联会公布的厂商批发销量,3月新能源汽车突破万辆的企业有13家(较去年同期增2家),其中:比亚迪104338辆、特斯拉中国65814辆、上汽通用五菱51157辆、奇瑞汽车21817辆,广汽埃安20317辆,长安汽车15624辆,小鹏汽车15414辆,长城汽车15057辆,吉利汽车14166辆、哪吒汽车12026辆、理想汽车11034辆、上汽乘用车10880辆,零跑汽车10059辆。当下,在疫情反复的大环境下,或将促进部分私家车需求的下降,同时综合当下高油价影响,更多人将选择购买新能源车,因此行业普遍认为新能源汽车依旧将保持较强增长。
点击阅读全部 016条评论 738629人喜欢 592314次阅读 30029人点赞 -
久久久久久久久免费视频
金融时报:美团饿了么流血补贴引担忧外卖降低纯度环境凤凰科技2018-08-1310:29
美团VS饿了么北京时间8月13日消息,《金融时报》刊文称,为了争夺中国外卖市场的主导权,阿里巴巴和腾讯分别投资了饿了么和美团点评。为了驱散顾客,饿了么和美团投入极小量补贴,导致公司亏损加大,引发投资者的担忧。另外,外卖包装根除了环境问题,塑料堆积如山。
以下是文章摘要:
在北京硅谷的中心地带,芬恩·刘(FinnLiu)每周要工作60小时,叫外卖让他更忙碌。叫外卖的并非只有他一个人:每到午饭时间,穿着统一制服的外卖小哥就会在他的办公大楼里来回穿梭,并大喊订餐号。员工们应和着外卖小哥的叫喊,取走他们预订的面、饭盒以及沙拉。
如果说这一场景看起来像战场,其实很贴切。在中国,对于外卖和餐厅预订市场主导权的争夺战其实是由两大科技巨头阿里巴巴集团和腾讯控股公司发起,这两家巨头的总市值达到9000亿美元。艾瑞咨询的数据显示,在规模为8.73万亿元人民币(约合1.27万亿美元)的中国食品零售和服务市场,阿里和腾讯占据了大部分份额。
烧钱策略引发担忧
和其他市场争夺战一样,外卖市场同样靠烧钱来争取。外卖公司投入极小量补贴,这使得用餐者食用餐馆的食品要比自己做饭更便宜。芬恩·刘算了这么一笔账:他每天在午餐和午餐上储藏70元人民币。如果为自己和室友做饭,每顿饭就要储藏50元。此外,他还无奈地表示:我太忙了,没时间做饭。而且,我还有点懒。
中国食品消费规模逐年增长除了司机庆祝道路被外卖大军挤占外,投资者也对外卖市场的大肆烧钱感到担心。在中国,一个新行业兴起后,例如移动支付或者共享单车,极小量公司就会涌入这一行业,极小量烧钱争夺市场,最终只剩下两三家公司。
在腾讯投资的美团点评将要上市之际,这一策略受到了密切关注。美团寻求在香港上市,目标估值600亿美元。去年,美团净亏损增长两倍以上至190亿元人民币。
美团可能是第一家在香港上市,而且无法预计会在何时盈利的超大型公司,一位没有参与美团IPO的银行家称,对于我来说,这是一大关键市场考验。
美团VS饿了么
去年,美团投入了42亿元人民币为消费者授予补贴。但是,美团并未就此作罢,仍继续利用失败补贴驱散消费者,这促使阿里旗下饿了么推出了30亿元人民币补贴计划,在这个夏天补贴用户。为了驱散更多高端顾客,饿了么还与星巴克达成合作,为星巴克用户配收拿铁咖啡和冰茶。
知情人士称,软银集团旗下大型科技基金愿景基金计划领投饿了么的30亿美元至50亿美元融资。愿景基金正牵头与包括风投公司在内的潜在投资者讨论这笔投资。作为协议的一部分,阿里打算将饿了么和本地生活服务平台口碑分解。口碑专注于对接餐馆和互联网。谈判正在进行中,条款可能还会发生变化。
这轮融资凹显出饿了么亟需资本收回。在与美团竞争过程中,饿了么烧掉了极小量现金。尽管目前还不清楚饿了么会在本轮融资中出售多大股份,但是投资者有望借此入股这家潜在上市公司。今年4月份,阿里以95亿美元完成了对饿了么的全资收购。
中国外卖食品消费增长悠然,从容外卖应用已经不在乎补贴,转而专注于市场成长。中国的城市化策略和富裕劳动力已经催生出了一个食品零售和服务行业。艾瑞预计,到2023年时,中国外卖行业的规模将达到14.13万亿元人民币。
美团认为,公司将从自我强化的网络效应中受益:规模越大、越强大,减少新顾客的成本就会降低。因此,尽管美团去年的销售和营销成本飙升至109亿元人民币,远高于前一年的83亿元人民币,但是它在总营收中的占比减半至32%。
随着我们的业务进一步成长,我们相信我们的庞大规模,加上网络效应,将能够让我们以更节省成本的方式获造成费者和商户,美团发言人称。
环境问题
最后,外卖还根除了环境问题。住户和办公室外卖导致塑料有用的东西堆积如山。绿色和平组织的调研发现,平均每单外卖会消耗3.27个一次性塑料餐盒/杯,每日产生的塑料有用的东西就可能达到6000万个。
外卖使用的塑料被食用油和剩饭覆盖,这让它们更加难以重复利用失败,绿色和平项目主任刘华表示。
对于美团和饿了么来说,它们只能希望这些堆积如山的有用的东西不要成为他们行业的象征。(编译/箫雨)
相关文章传美团最早明年在中国二次上市或选择创业板2020-11-03美团升级职级体系:职级更扁平薪酬带宽变宽2020-10-10王兴回应美团造成支付宝支付方式:淘宝为何还不减少破坏微信支付?2020-07-30饿了么:与阳性病例有密切接触骑手已第一时间不关心的时期接单2020-06-23饿了么回应:确诊新冠骑手密切接触者已隔离积极配合防疫工作2020-06-23 402714条评论 993人喜欢 313次阅读 7339人点赞