Industry 3176 articles

当企业不再追求利润最大化，而是优先修复资产负债表，经济会陷入何种困境？本文从辜朝明的《大衰退年代》出发，深入剖析资产负债表衰退的微观逻辑，揭示个体理性如何叠加成宏观经济的集体非理性，为理解经济周期提供全新视角。 我以前理解经济衰退，通常会从几个熟悉的词开始：需求不足、利率太高、企业不愿意投资、居民不愿意消费。 但读辜朝明的《大衰退年代》以后，我发现，还有一种非常特别的衰退：不是因为大家不想赚钱，而是因为大家都想还债。 这两者看起来很接近，实际上完全不同。 正常情况下，一个企业经营的目标是利润最大化。 有一个项目，预期回报率10%，融资成本5%，那么从经济学角度看，借钱投资显然是合理的。 但如果企业原本价值100亿的资产，因为房地产、股票或者其他资产价格下跌，只剩60亿，而它还有80亿的债务呢？ 这个时候，企业的目标就变了。 它不会再想：“我怎么才能赚更多的钱”，而会想：“我怎么才能先把资产负债表修复回来？” 于是，即使市场上的利率已经非常低，企业依然不愿意借钱（类似的概念，周洛华老师也有提到过，成本并不是问题，而是机会要足够多，企业如今不借钱并不是利率问题，也就是并非成本问题）。 不是…

大厂纷纷推出办公智能体，却共同面对一个问题：个人用户为什么要为偶发提效付费？本文从Workboddy、千问办公和TraeWork出发，拆解办公软件的付费主体、使用频率与组织价值，判断竞争最终会回到底层模型、业务交付还是生态入口。 人工智能圈前一段时间最流行的莫过于腾讯、阿里和字节在Agent和自动化办公方向的战略整合。腾讯的Qclaw并入Workboddy，阿里把QoderWork、悟空、MuleRun三款Agent产品统一成“千问办公”，字节探索豆包和飞书融合，并推出RAE Work则试图拓展办公智能体能。 大厂在智能体办公层面的竞争，从内部竞争完全转向了外部竞争。特别是Workboddy铺天盖地的广告，无论是电梯广告、机场广告还是线上广告，这种宣传，让它的用户量在短时间内成为行业第一，但是这种第一是很容易持续的，如果没有特别的产品和宣传技巧，这种优势会持续攀升。 但是这种铺天盖地的广告真的能给产品带来营收吗？目前看我是持怀疑态度，这一类产品都要面向C端用户收费，什么时候可以真正为产品付费？你可以考虑一下付费的习惯。 当一个产品真正可以让工作提效，而这种提效成本又不能落实在个人费用支…

在普通社交产品中，用户常需在资料页手动备注“离异带娃”等状态，而日本婚恋应用Marrish却将这些需求直接产品化，提供身份标签、兴趣群组、丝带标志等功能，精准服务再婚与单亲人群。本文深入分析其产品设计，探讨垂直社交如何将用户备注中的需求转化为核心功能。 最近体验一些老牌社交产品，刷到部分用户的资料页，发现有人会在置顶备注里特别说明：「离异带娃 / 离异无娃，非诚勿扰，谢谢。」 这让我觉得有点诧异。 不是在注册资料里选择了情感状态，就会直接显示吗？ 于是我返回自己的资料页看了一下，发现确实没有这个情感状态字段。 瞬间让我觉得，这是不是一个需求点？ 是不是已经有针对离异、再婚、单亲人群的社交产品存在？ 去网上翻了翻日本的社交产品，没想到日本已经有产品重点在服务这部分人群了。Marrish，就是其中一个。 （マリッシュ(marrish) 婚活・再婚マッチングアプリ） Marrish是一款以认真寻找伴侣、再婚为主要需求的婚恋产品，用户群体中有不少离异人士、单身妈妈和单身爸爸。 它比较有意思的一点，是没有把「离异」「单亲」「再婚」仅仅当成用户个人资料里的一个属性，而是直接把它做成了产品功能。 M…

越陈越香的白酒，这次不香了。

An artificial intelligence startup called Astromech that’s developing models that can predict biological change has raised $20 million in funding, lifting its valuation to $3.8 billion. The round was led by biotechnology investor Bob Nelsen and saw the participation of Peak 6, NeoGenesis Capital, Builders VC and CAZ Investments, bringing the company’s total amount raised […] The post Astromech raises $20M to build a biological operating system that can forecast evolutionary change appeared first…

华大海天正在撕掉“传统造纸”的土味标签，露出新材料隐形冠军的锋利成色。

机器人开始找工作了。

有运气，也有很多意想不到的流量。

面向内容的 Web 框架 Astro 发布了 Astro 7"。该版本几乎完全聚焦于构建性能，随后发布的两个次要版本又对其进行了扩展。 此次更新的核心是转向原生工具链。.astro 编译器已使用 Rust 重写，Markdown 和 MDX 处理迁移到新的 Rust 流水线，渲染切换到基于队列的引擎，框架现在则基于 Vite 8" 及其 Rolldown 打包器运行。Astro 自己的基准测试显示，构建速度提升了 15% 至 61%：astro.build" 的构建时间从 62.70 秒降至 24.24 秒，包含 8,431 个页面的 Cloudflare 开发者文档则从 386.89 秒降至 261.94 秒。 新编译器取代了此前的 Go 实现，使用 oxc" 进行解析，并使用 Lightning CSS" 处理作用域。它也更加严格。未闭合的标签现在会报错，而不是被静默修复；无效的嵌套会按原样传递；元素之间的空白则遵循 JSX 规则。 Markdown 现在通过 Sätteri" 运行。这是由核心团队成员 Erika 基于 pulldown-cmark 和 Oxc 构建的 Rust …

AI工具在职场中的普及，正悄然改变项目管理的节奏与质量平衡。本文通过真实落地案例，揭示AI助手在提升效率的同时，如何将人的注意力推向极限，导致“半成品”上线成为常态。当大版本求快、小版本求稳，团队如何在AI与人的协作中寻找容错空间？ AI的助手们：兜底效率和质量。 1 2026年人工智能彻底混迹职场，培训课听太多的老板们，AI实践经验溢出的超级个体，构成组织转型的假设条件。 打工人拥有几个AI助手，就存在几个岗位竞争对手。 不知道AI的培训课，会不会造成信息差。 本来使用就知道真实效果，领导们在听过几场课程后，直接从被动变主动，不遗余力的推动AI转型，模型和AI产品的培训，是专业且精心设计的案例。 业务落地的落差感，PPT上大概不会写。 打工人加上AI助手们，可以降低项目时间和成本，说不定还能降低质量问题，过去被称为不可能的三角，如今似乎有了平衡手段。 所以什么是AI幻觉？不符合客观的规律。 先聊个真实的落地项目：在轻量偏数据型的产品中，基于AI管理项目上下文和协作，的确可以降低时间周期，成本和质量很难直接评估。 过程中的问题很明显：用户被当成系统质检员。 单人多岗的AI型组织中，项目…

情感AI出海，绝非简单翻译界面。国内与海外监管逻辑截然不同，直接平移风控架构将面临结构错位。本文深入剖析出海后风控架构面临的三大结构性压力，并针对欧盟、北美、东南亚等市场给出产品架构调整建议，助力中小团队避开合规陷阱，实现轻量化出海。 很多团队在国内把情感AI的合规闭环跑通之后，会形成一个判断：既然国内那套已经经过市场验证，出海不就是把话术翻译一下、把界面改成当地语言吗？ 真正踩过坑的人都知道，这个判断是致命的。 国内与海外市场对情感AI的约束，本质上不是同一个逻辑。国内监管的重点之一，是AI输出的不当内容，防范单次对话产生伤害。而海外不少市场，在内容管控之外，额外把重心放在了另一些维度：用户是否充分知晓AI身份、是否拥有对交互的选择权与控制权、长期互动是否会对使用者造成累积性的心理影响。 如果直接把国内风控架构平移到海外，这不是效率问题，是结构错位。 一、出海后，你的风控架构会突然多出三个结构性压力 不出海时，你面对的是相对统一的国内监管口径。一旦出海，产品架构必须做出三个层面的调整，而不是简单加几个词库。 1. 分区路由层：一套代码，必须支持多套规则 国内版本，你的风控规则包是相对…

Pi 将 Harness 定义为系统提示词、工具、Agent 循环与翻译层的组合，它决定模型如何行动、如何反馈、如何切换。本文从四层定义出发，结合 DeepSeek Harness 与 Codex 的实测对比，探讨 AI 产品真正该积累的，是模型依赖还是执行环境。 从Pi的四层定义出发，重新理解Agent的执行环境与产品控制权 2026年8月20日，Pi官方账号分享了Earendil的一篇新文章《What is a Harness?》。 文章给出了一个很简洁的定义：Harness通过系统提示词、工具、Agent循环和跨模型翻译层，把一个大模型变成能够执行任务的Agent。 这四个部分看起来并不陌生。系统提示词、工具调用、Agent循环，我们几乎每天都能在AI产品介绍里看到。但我更在意Pi在这套定义之后表达的产品立场：底层模型可以更换，Harness却可以由用户拥有、修改并长期保留。 前不久，我刚体验过DeepSeek Harness。当时最打动我的，是它把Agent的任务拆解、工具调用和执行过程展示了出来。过去我们面对聊天框，只能等待AI给出一个结果；在Harness里，AI正在做什么…

“跟 AI 对齐”不是把判断权交给 AI，而是把人的意图、品味、约束和责任，转化为 AI 可以持续执行、检验和迭代的系统。生成越便宜，判断越昂贵；未来出海竞争的基本单位，不再是一张设计图，而是“证据—规范—原型—产品—市场反馈”的决策闭环。 本文结合FDE深度服务制造业 X 出海 场景，提炼AI 时代产品与设计出海的决策重构闭环，指引设计师、产品经理、出海卖家如何与AI对齐，使用AI创造更大的价值； 一、一个看似反常识的命题：跟 AI 对齐，而不是跟人对齐 过去的大多数工作，是围绕“人与人如何对齐”设计的。 设计师画图，产品经理写文档，工程师实现，管理者开会确认。一个想法从脑中出发，要经过会议、白板、Figma、文档、任务系统和代码仓库，才勉强抵达产品。每一次移交都伴随着解释，每一次解释都伴随着损耗。我们把大量时间花在让不同岗位理解同一句话，却很少追问：这句话本身是否足够清楚，能不能直接驱动行动，又能不能被验证？ AI 原生工作方式正在改变这件事。 当智能体可以读取上下文、生成方案、调用工具、构建原型、分析反馈并继续迭代时，中间过程不必再围绕人的组织边界展开。团队真正需要建立的，是一种…

一次真实的客户信息整理任务，Codex 在 15 分钟内完成了原本需要大半天的工作：自动提取微信回复、筛选客户、生成 Excel 并同步飞书。它不仅能听懂模糊指令，还能守住版本边界，将繁琐流程串联成自动化闭环。本文记录了这一“封神时刻”，探讨 AI 如何从工具进化为能交付完整任务的助手。 这次不算评测新功能，而是记录一次 Codex 的封神时刻。下午发出去一批客户对接信息，晚上想把回复整理出来。原本要一个个翻微信、筛客户、做表格、再传飞书，我把这件事交给 Codex 跑了一遍。 虽然震惊体已经免疫，甚至有些自嘲，但上周五，Codex属实震撼到我了。 那天下午，我大概给一百多个客户发了对接信息。到了晚上，微信里开始陆续有人回复。有人说「能分享资料么」，有人回了一个握手，有人直接发来需求，也有人只是说先看看。 这种活其实很繁琐。 你得点开一个联系人，往上翻，找到下午 5 点半之后的聊天，再判断对方到底有没有回应。还要把群聊去掉，把不是客户的人去掉，把代理记账、推广阅读这类无关对象剔出去。 它难度不高，但特别耗人。 这事儿我自己以前也做过，确实很费时间。 而现在，Codex 15 分钟，直接…

In July 2026, thirty-eight Chinese firms ranked among the world’s hundred highest-grossing mobile-game publishers and together generated $2.3 billion, according to Sensor Tower. The figure underscores how overseas markets have become the main growth outlet for an industry whose home market is largely saturated.