快捷指令提示音怎么设置(iPhone的快捷指令也太浪漫了)
快捷指令提示音文章列表:
- 1、iPhone的快捷指令也太浪漫了
- 2、90 后程序员：创业一时爽，一直创业一直爽
- 3、一条风控策略的生命周期
- 4、小度发布添添自由屏，超大屏+AI将成平板未来？
- 5、对话张璐：硅谷正追逐两大赛道创新，融资降温但技术商业化更快了
iPhone的快捷指令也太浪漫了
有时候因为睡过头而没有给对象发关心消息，对象的脑海中可能会浮现一百个想法，学会这个设置每天早上定时发送消息再也不怕对象多想了（非常好用～）操作教程
1??打开快捷指令在自动化里点击创建个人自动化然后点击特定时间，选择一个你要选择的时间。
2??在选择完时间后点击下一步，点添加操作在app里找到微信并点击，然后选择发送消息，然后编辑你想发的文本发给你的对象在点下一步。
3??最后就是关掉运行前询问的这个选项（不然每天都要问一遍）然后点击完成就可以了。
以上的操作可能看起来复杂，但是结合图也是一下子就能学会的，对于有时候睡懒觉或者在忙工作没时间回复对象的人真的是很好用很方便呢，学会的朋友们快点去试一试吧，顺便也给我点点关注，每天更新iPhone资讯哦
90 后程序员：创业一时爽，一直创业一直爽
作者 | 闫辉 责编 | 朱珂欣
出品 | CSDN（ID：CSDNnews）
说到 90 后程序员，你会想到些什么？
信息时代，为 90 后提供了更多的机会和资源，让他们拥有良好的教育背景和丰富的知识储备，更好地掌握专业知识和技能，为创业打下坚实的基础。那么，90 后程序员会如何在创业之路上展露头脚？
在本期《开谈：程序员创富系列》访谈中，我们邀请到了葫芦笔记创始人、90后程序员、连续创业者陈顺利，Eolink 创始人兼 CEO 刘昊臻，校园 VC 创始合伙人、创业布道师、天使投资人殷建松，在 CSDN 战略合作总监闫辉的主持下，围绕 90 后程序员创业创富的话题进行了讨论。同时，他们还分享和交流创业的过程和体会，深入探究新生代程序员的创业创富之路。
被启蒙的“创业之心”
闫辉: 众多创业者在创业前期，或因受到“偶像”或“故事”激励，从而走上创业之路，比如点燃雷军内心的那本《硅谷之火》，他为此认定创业是自己要走的路。几位嘉宾为什么会选择创业，背后有什么样的故事？
刘昊臻: 于我而言，没有特定的人或故事对我创业有直接影响，我是在自身能力累积后，才对创业的目标更加清晰。高中时，我就决定大学一定要创业。所以高考完成，我在旅途中开始招募团队，并且在大一开学前组建了团队。当时，主要以兴趣社团方式来招募的，希望能挖掘到未来一起“闯江湖”的伙伴，而现在的他们也恰好成了公司的核心成员。
其实，人生的各个阶段都有不同的人激励我创业，以前卓越教育的校长给予我很多工作和人生方向上的指引。但我始终坚信“创业需要发自内心”，我不会因为看到某个人的故事就热血澎湃。
陈顺利：学生时代，我对武术很感兴趣，很喜欢看李小龙传记。那时我就发现他会设计很多武术使用的工具，这点我认为和编程很类似，也是符合工具的特征。
等到自己再有些阅历后，是 YC 创始人的《黑客与画家》这本书对我影响较大，让我对创业会有一定的憧憬。之后，《乔布斯传》之类的书籍也给我很多精神上的熏陶，激励我自学编程去创业。
闫辉: 建松属于创业导师，现在做校园 VC 支持大学生创业。你见过那么多校园创业者，他们都是怎样的？
殷建松: 大学教学里，学编程主要是从 Python 开始。前两天我有个网名叫“凉皮”的学生，3 月份时还没有学过编程，但如今已经可以拿出来一个产品在我的创业课上给同学们做演示了。这位学生做了一个 App 和网站，帮助大家从抖音里找热门的爆款视频，通过这些视频内容找到关键词，再通过关键词扩展更多相关关键词，算是一个内容创作的工具平台。
其实，创业者在任何社会的群体中都是少数派，不到 1% 。就算中国最好的理工类大学也没有很多学生创业，反而他们会选择去留学、当科学家、成为公务员。所以，两位创业者属于难能可贵的少数人。创业要去无人之境、蛮荒之地，要去开创一个新的事业，往往是不被大众认可的。两位创业者有不同的人生经历，顺利的经历比较常见，昊臻更为少见。
时下的疫情，让很多人求稳，所以考公务员、考研的人更多了。但事实上，所谓安稳的道路上竞争也非常激烈。
我非常喜欢一本书《第三道门》，讲述的是一个小伙子在 18 岁不想去上课，于是去拜访很多名人，问他们 18 岁的时候在做什么。作者花了六七年的时间写出这本书，也告诉了每一位读者：不要走常规路，因为常规路性价比极差。人生要走窄门。
找准创业的方向
闫辉: 两位创业者的创业项目是如何启动的？为何会选择这个方向？
刘昊臻: 我的产品与 API 相关，包含了 API 全生命周期管理，从数据生成到研发管理、自动化测试、监控、微服务的网关，以及开放平台和交易等。这是一个完整和庞大的产品体系。早期，我就在内部做工具，就是 eolink 产品的前身，也是开源产品。随后，我发现它很有市场，身边朋友试用反馈也不错，于是做了进一步创业。
我认为，掌握的资源，技术能力做技术类工具，解决特定的问题，成功率相对会更高。这个产品方向的客户群体的使用习惯比较标准化。这是不断用新的技术来解决已有问题的市场。
基于这个痛点，我们思考把 API 市场做大，在 2016 年提出做 API 的全生命周期产品。 API 全生命周期包括三部分：
首先， API 管理平台，因为 API 是资产，资产必须有一个资产管理平台，就是 API 研发管理。
其次， API 运行在哪，这就是流量平台，数据和服务通过 API 平台对外开放，让大家能够使用。
最后，是 API 在哪里被人发现，这就是 API 应用市场。
基于这个大框架，我们设计了整套 eolink 的产品体系。过去五年里，基本上都在按照 2016 年设计的大方向在做产品的迭代。
陈顺利: 首个创业项目，主要起源于当时需要维护一个几十万行代码的大项目。我发现了程序员都会存在的一个痛点——面对老板改需求，找不到代码在哪，很难维护大型项目。
于是，我写了一个代码语音搜索工具，帮助程序员快速找到想要的代码。把代码解析成语法，通过深度学习和向量化，自然语言做一层机器翻译的映射，实现自然语言搜索代码，能够大大提高程序员的效率。
葫芦笔记是我自己第二个创业项目，我的初衷是希望每个人都有一个助手，提高思考和学习的效率。葫芦笔记支持大量的文档解析、语法解析。其中用到很多编译器层面的技术。
闫辉: 建松你作为创业导师，校园创业中选择创业方向时，是怎么的思考路径？
殷建松: 我们把创业定义成为基于不确定性的行动，并创造新的价值。
创业肯定是不确定的，今天我要想做的是 A ，逐渐做成了 B ，到上市的时候可能变成了 C，真正创造财富的可能是 D。正如马云最早做的是商贸通，出国为主国外交易，后来做 1688 批发，之后做淘宝和天猫，后面还有共享单车，蚂蚁金服等。
创业方向需要在内外碰撞中不断地寻找。 每个人最难发现的是自己，同时外部需求也很难发现。因为没有人知道你做出来的东西，有没有人会用。
创业是需要咬定青山不放松，任何事情都要积累。没有成功是瞬间的，很多人看别人成功，并不知道其前面有十年的积累。扎克伯格好像一夜成功，其实他十几年前就编程了，有十多年的经验。
积累是很有必要的，早期就是要像无头苍蝇一样到处去乱碰，找到自己到底适合做什么。想是没有用的，想是想不明白的，只有干才能干明白。
现在高校创业还是比较热，大家可能不知道，2015年开始，中国教育部就推动了互联网 大赛，如火如荼。今年6月份国家出了个文件，把福利彩票的一部分资金在学校里建设创业学院啊，这个新闻在教育部网站和财政部网站上都有专门的文件。
当然，我们传统教育制度实际上是不鼓励创业的，中国人一生都在为考试而准备。考试很明确，考过了就能上岗。但创业是不明确的，连个考卷都没有，就算发下了一张考卷，也是空白考卷，自己出题。
大学生还是受制于视野，大部分人就是围绕身边的食堂、快递、谈恋爱、校园纪念品等，这些项目方向都不行。
最近，我在高校力推数字创业，做数字化产品，我总结是三个 C 。
第一个，是 Content，内容，可以做抖音网红等内容平台。
第二个，是 Code，写代码赚的更多一些。
第三个，是 Crypto，Web3。因为 Web3 都是开源的，包括项目、数据都是公开的，无需许可、无需信任。
每个时代都有红利期，我鼓励大家顺势而为。就如同很多学生喜欢游戏，我会建议他们把游戏做成元宇宙版本。元宇宙可能是我们 IT 行业终极发展方向，加上 Web3 的产权确认，以及 AR/VR 的用户体验，加上 AIGC 自动化内容生成，当这些科技融合在一起，或许有朝一日我们也能进入“黑客帝国的未来时代”。
创业者需要“反骨”
闫辉: 两位创业者都属于连续创业者，并没有大厂工作的经历。你们是如何看待去大厂和创业的关系？
刘昊臻: 对大部分人来讲，还谈不上去大厂或创业。更多人考虑的是如何找到一份比较好的工作。对我来说，因为我有比较高的风险承受能力，不是我家庭条件有多好，而是我对生活或家庭的基本要求是比较低的，这样的前提下，我有比较自由的环境和选择。因此，我很早就告诉自己，一定要有所成就，成为一个人物。
陈顺利: 我家人会认为上班更稳妥。但作为一个创业者，必须要拥抱不确定性，将不确定性转变为别人的确定性，才能体现自己的价值。
本质上，创业者需要抗压能力。我的内心非常坚定，一生都想为梦想奋斗，虽然可能失败，但不会后悔。我明白创业这条路只有做出成绩，才会得到大家认可。必然会承受痛苦和否定，需要独立的思维和有梦想的指引，否则很难去坚持。
殷建松:中国人受到儒家思想的影响，社会中人与人的关系比较紧密。因此，绝大多数人或许想过稳定的生活。但创业者是反叛者，我认为创业者肯定是不愿意去大厂。即便在大厂的经济压力小，也能学到很多东西，有着很多支持和福利的环境，这样其实是很难适应创业的环境的。
所以，创业者是需要有反骨，血液中要有反叛精神。曾经，有位做投资的朋友说，如果有人问自己适不适合创业，那他就不会对其投资。因为真正的创业者是不会去问别人意见的，即便是火坑，也要往里跳。
真正的创业者太缺乏了，这也是我创办校园 VC 的原因。其实，我在很多年前就财富自由了，完全可以不工作。但我喜欢和创业者在一起，做反叛的事情，创造一个不同的世界。要改造这个世界，所以很多人会阻止你，会遇到很多麻烦和挑战。创业的本质就失败、失败、不断失败，直到出现意外。那就是，创业成功。
如何握好双刃剑
闫辉: 对于 90 后而言，这个时代技术的发展是否也带来了一些后发优势？
刘昊臻: 存在后发优势，计算机软件也在慢慢发展。过去大家需要理解操作系统编译原理，现在计算机专业学生可能很少了解，大部分人都是拼装，用脚手架、框架，加上开源的代码组合。技术变化日新月异，对于创业而言是一把双刃剑。
第一，创业的竞争压力会比过去更高。曾经，或许只要把产品做出来，用户为之买单。现在，即便是免费的产品，也不一定存在大量的用户。
第二，虽然如今进入创业门槛低，但是对创业者的综合素质要求更多。关于一个创业项目，如何去盈利、营销、用户管理、产品，都是复杂且困难的。
第三，各个行业都存在不同的变量，创业是技术、营销等多因素混合的竞争。因此，创业的方向永远是第一考虑的。尤其是什么样资源能撬动什么样的资源，能够推动什么结果，这些因素都需要和创业者的能力匹配。
殷建松: 我同意前面两位嘉宾讲的，创业肯定是越来越难，竞争会更加激烈。对于创业者而言，关键要从实践中学习如何创业。在多次失败后，或许就能迎来胜利的曙光。我很喜欢的那本王兴传记《九败一胜》，就道明了实践的重要性。
闫辉: 我曾做过两个创业项目，非常同意以上的观点。程序员构建产品相对容易，自己就能做，但除此之外，还要推广、找合伙人、做商业模式，一系列流程会增加创业难度。
刘昊臻: 我认为创业不是要开个公司，而是把自己经营好，具备的资源能够产生什么价值。所有的收益不仅来自于金钱，还要丰富我的人生经历。对于很多创业个体来说，最难的能力叫选择。选择前要先有选择的意识，有选择意识的前提是有充分的信息。如今，我创业十余年，会重视工作和生活的平衡，也是能坚持创业的动力和原因。
陈顺利:过去，我做程序员时常会陷入到局部最优解里，我想很多程序员也容易陷入到这种状态，但现在改观了很多。
首先，创业要有商业化的思考能力，创业公司就是市场中的小经济齿轮，要形成生态循环才能生存。
其次，程序员要有投资人视角，这与程序员的视角完全不一样。
最后，创业本质上是一个全能者通才型的马拉松，需要综合能力。
殷建松: 一个创业者应该具备的能力要素，其实很多，例如：好奇心、会做决断、会用人、会销售产品等。
我对程序员的建议，是不要只在公司呆着，要去参加一些和工作无关的社交活动，否则很容易陷入机械化的思维中。
这个时代既要每一步扎的很深，也要抬头去看外面的正在变化的世界。
闫辉：最后，请三位嘉宾对程序员说一句鼓励的话。
刘昊臻: 创业只需要走一步而已，很多小步慢慢踏过去，想清楚自己想想要什么的，会让生活变得不一样。
陈顺利: 做起来，然后目标才会越来越清晰。很多东西你刚开始不会，但只要心脏足够强。坚持下去没有你学不会的东西。
殷建松: 创业一时爽，一直创业一直爽，希望大家一直爽。
闫辉: 非常感谢三位嘉宾的分享，每一个人通过自己不同的背景与角度，让我们对 90 后程序员创富有了新的认知，也希望能给更多的程序员和读者有启发。
或许，年轻一代的程序员如何在创业创富路上，收获属于自己的“宝藏”，仍然需要迈过无数荆棘，忍受许多质疑，但请相信梦想会铸成铠甲，为他们创造神话。
一条风控策略的生命周期
在进行内容治理时，我们需要考虑需要治理的对象及其方式，本文从12个维度出发，谈谈上线一条策略、一条规则的完整流程，希望对你有所帮助。
本文基于智能验证码和延时审核的背景，聊聊上线一条策略、一条规则的完整流程，本文目录如下图。
这是一本书中的一个规则挖掘流程，下文的流程可以理解为这个流程的完整版，在他的基础上有一些补充。
一、价值观
1. 业务类
不管是内容治理还是业务治理，第一步要确定的是，我们需要治理什么。不同公司业务不同，在业务侧需要治理的内容也大不相同。
例如美团点评可能需要治理虚假评价、恶意差评等公信力问题。只有真实、对用户有帮助的内容才能留得住用户的信任，下图来自美团在拉勾的招聘要求。
例如微博可能需要在各个环节控制不良内容的产生和消费。
例如知乎可能需要治理不友善、抄袭、男女权等氛围向的内容。
在 58 同城社区模块，则需要能够提升用户对业务认知，及能够提升留存的内容。所以相应的需要治理掉虚假信息、低质内容、重复内容、改写抄袭、水帖等。
2. 底线类
对于底线类的内容各公司相差不会太大，都是来自外部倒逼的治理：指令、舆情。
1.2 1 指令
指令有两种，第一种是国家部门公开发布的清查、政治指令。这类指令一般描述得较为抽象和宽泛，需要专业的政府关系部门和风控部门共同进行研判解读后，基于平台定位制定具体的执行范围和方向。
比如：6 月 15 日，中央网信办宣布在全国范围内开展“清朗·‘饭圈’乱象整治”专项行动。豆瓣开始对违规账号、问题小组等进行删除和解散，爱奇艺对集资、打榜彻底“自查自纠”。
另一种是国家部门直接给企业下达的查杀的指令，比如互联网举报中心收到 xx 举报，命令平台处理，这类指令必须执行。
1.2.2 舆情
舆情一般指用户或媒体在站外对平台出现的内容进行负面评价，并达到一定传播量，如果不及时处理，可能对平台品牌形象、声誉有恶劣影响。官媒发出的负面评价，严肃程度不亚于指令。
比如：9 月末，《新京报》和《央视网》等多家媒体报道了社交媒体的“佛媛”现象，一时间上了热搜。各个社区在第一时间进行了清查，抖音共处罚利用“佛媛”形象营造人设开展虚假营销行为相关账号 48 个，其中永久封禁账号 7 个，同时，清理违规视频 148 条。小红书第一时间已启动专项检查，清理违规笔记 70 篇，封禁账号 3 个。
10 月，很多人假期出游后，在社交网络上吐槽小红书“滤镜景点”，一时冲上了热搜，之后小红书进行了公开道歉。
对于外部倒逼的指令、舆情，一般由企业内专业的公关部门，政府关系部门进行快速交涉和判断，给出应对措施到各个部门执行落地，进行生态治理是其中必备的措施之一。
二、如何发现未发现的问题
需要治理的问题可以分为两类，一类是已知的问题，我们知道这个问题存在，只是考虑如何更好的识别、如何识别变形、如何引导用户不发违规内容、需要治理到什么程度、如何处罚、如何教育等，例如治理重复内容、改写内容。
但还有一类是，我们不需要的内容，但是我们当前并未发现这个这个问题，如何才能更好的发现这个问题。例如我们最近治理过的一类型问题，虽然在写自己经历，但我们分析后发现这类型帖子极易出现诈骗行为。这类型就属于之前未关注到，但很明确这类型类容是我们不需要的，需要新发现这个问题。
我们常用的几种发现未发现的问题包括：
监控体系/预警体系：通过对某些核心指标的监控，例如提现金额、发帖频率、发帖量、频繁切换账号等的监控，如果指标出现异常，则去排查相应的问题，顺藤摸瓜可能又会挖出一系列黑产。
离线数据分析：定期或非定期的分析历史数据，也可以发现一些未发现的问题。例如我们曾分析历史数据发现有一批用户从 5 月份开始，频繁的在评论中发布「新年快乐」相关内容，经分析，发现是一个哈尔滨的黑产团队。
卧底在黑产群内：平时多关注黑产作弊方式，卧底在相应群内，及时发现新型违规方式，然后再回来完善自己产品的风控体系。
用户反馈：时常关注用户反馈，从用户反馈中发现平台方未关注到的问题。
举报：也算是用户反馈的一种。
建立审核团队反馈 case 流程：平台人员很清楚知道哪些是需要的内容，哪些是不需要的内容，但见的 case 一定没有审核人员多。审核人员见过足够多的 case，但是规则未包含的内容他们并不清楚哪些是不需要的。双方各有优劣势，所以可以将平台的价值观，即第一步的问题也同步到审核团队，他们可以把规则暂时未包含到的，但是他们觉得可能不需要的 case 提供给平台人员，即可发现某些不知道的问题。
每日浏览社区：是对上一步的补充，既然平台人员对 case 了解的不够多，那就去加强了解。
建立红线内容快速反应流程：这个主要是针对一些紧急的舆情事件，例如李易峰事件、唐山打人事件等（这两个案例虽说常遇到，但比较轻，平时需要处理的更多是更紧急更严重的不适合在公众号举例的舆情事件，会被删文）。
除了上面提到的，还有其他还未成方法论的方式，只是偶尔用来发现问题。
发现问题后需要对问题有个初步评估，这个问题的严重性、涉及量、如果治理对业务的影响、需要多大成本来治理等，此时需要有个大概预估。
例如涉黄、诈骗、危害青少年的内容，可能占比很低，也很不好识别，但结果很严重，所以必须得解决。
例如发帖时很多内容使用相同图片，对消费用户体感不好，量级可能也大，但是影响程度较轻，且可通过降权分发，或分发打散，只需要不让同一个人看到相同图片即可，所以可不治理，或优先级很低。
三、收集样本
不管是已知的问题，还是新发现的问题，在制定规则、策略前，都需要大量的样本，而根据不同问题类型可能会有不同的收集样本，例如：
巡检团队提供，把筛选样本标准给到巡检团队，找出更多样本。不同公司也可能是标注、质检、审核团队，也有可能是产品自己来筛选。
自己跑 SQL，如果有可量化的标准，即自己就可初筛样本。例如满足最近 3 天发帖量 ≥20 & 所发帖触发 ≥3 个不同职业标签 & 注册时间晚于 2022 年 1 月 1 日。
四、特征分析
这一步得有点刨根问底，顺藤摸瓜的精神，以及对数据敏感性、对业务足够理解、对用户足够理解。所以，虽然是属于数据分析范畴，但产品往往会比数据分析做得更好。
这一步能说出来的方法论属于流程性的，不具有实际操作性，具有实操性的又没有固定的方法论，我以两个案例来讲是咋做的吧。
1. 案例一，多设备多账号
问题介绍，我们通过知识图谱发现部分账号和设备之间存在关联关系，例如同一个账号短时间内在多个设备上登录过，同一个设备短时间内登录过多个账号，且他们相互之间还存在金额转移行为、帖子内容质量低、抄袭、大量删帖等问题。
注：下面案例中所涉及数字，并非我做分析时实际取的数字，为了公司策略安全，下面数字我随意写的，可根据自己产品实际情况做调整。
具体分析这个问题，我们就取最近 3 个月内，同一个设备上登录 ≥5 个 uid，及同一个 uid 在≥3 个设备上登录过，两个条件作为两个问题单独分析。
先针对同设备商登录多个 uid 这个问题，具体分析时需注意：
做好用户分群：按登录 uid 数量做用户分层，例如 ≥20 个，10-20 个，5-10 个。
结合其他数据：针对这三个用户群再看对应的金额转移情况，以及内容违规情况。最终会形成一个矩阵，类似 RFM 模型中的矩阵。
例如一段时间内同一个设备上登录 uid 数量 5-10 个，则金额转移违规的概率 17%，内容违规的概率 27%。
例如一段时间内同一个设备上登录 uid 数量≥20 个，则金额转移违规的概率 93%，内容违规的概率 73%。
例如一段时间内同一个设备上登录 uid 数量 5-10 个，但是这部分 uid 有 37%的 uid 在同一段时间内在≥3 个设备上登录过。
给不同处罚：结合上面矩阵，根据不同严重情况基于用户不同处罚。例如违规严重且识别准确，则直接拉黑。违规不严重但识别准确，则限制功能。违规严重但识别不准确，则送人审。这里所说的「严重、不严重」「准确、不准确」，都是在数据分析的结果下有确定的数值的。
2. 案例二，信用卡诈骗规则
提供筛选规则给巡检团队，他们在一定范围内的内容中筛选出 xx 条可能有问题的内容给我，我在通过浏览分析出其中的特性，再针对特性做一些延展，例如包含追债、网贷、催更等关键词，图片包含手写、聊天截图、盖章合同签字、信用卡相关的海报等。
下一步制定规则时就会根据这些特定，并再做一些拓展即可（MECE 原则）制定规则。
在排查他们的其他行为，以及内容，是否存在比较高概率也存在相同问题，先接受些误伤，在支持用户做申诉。
五、制定策略/规则/模型
在分析出一些特征后，我可能会通过规则、策略、模型来解决。
1. 策略/规则/模型之间的关系
策略：通常指机审的策略，例如最常见的触发某些关键词就不通过。
规则：通常指人审的规则，作为策略的补充，包含部分策略，但又无法完全包含策略，他们是下图的关系。
机审策略有，人审规则无。例如针对识别重复文本，需要和历史库内进行对比，人工则不可能做到这件事。
机审策略有，人审规则有。例如针对男子裸露上体，策略不一定能够很准确，如果漏过，则需要人审时识别出来。
机审策略无，人审规则有。例如以语气助词出现的不文明用语，如：
他们的看老子穿裙子还叫老子爬树（语气助词）
你他妈的是撒币吗（非预期助词）
可能基于成本，或算法成熟度等原因，会把某些规则仅让人工来识别，之后可能逐渐的也会替换成机器识别。
模型：模型可以是作为策略的一个工具，例如我们需要根据帖子和话题相关度来决定帖子是否需要奖励，或者是否需要分发，可能就会开发一个相关度模型，根据相关度不同，配置不同的策略处理方式。也可以将多条策略融合之后开发的模型，直接用于对内容的判断。注：不要一味地相信模型，模型可解释性远低于策略，开发周期长，效果不一定比简单配置一条策略好。
2. 策略筛选用户
做策略则是一个不停地切蛋糕的过程，而使用的刀便是由用户特征组成的规则，5.2 下面内容来自知乎。
5.2.1 用户情况
5.2.2 策略方法一：单规则变量刀
单变量组成的规则，就是一把切出头的刀，一切到底。
一刀切当然是不够的，我们需要多切几刀。
通过上面两刀我们留在中间的用户，只有两个坏用户，坏账率控制在了 15%。通过率则到了。
5.2.3 策略方法二：多变量规则刀
单变量规则刀切的颗粒度刀，对于变量要求高，一刀切就怕切大了。所以，从维度上看，可以用多个维度的变量去切样本，例如二变量。二变量的刀便成为了矩形刀。
多变量能够把区域区分得更加细腻，如上图按面积计算的通过率就提升了。
5.2.4 策略方法三：模型透视镜
尝试完各种初级变量刀之后，就可以将模型透视镜引入了。模型透视镜的作用不在于切，而在于给凌乱不堪的样本带来秩序 – 排序能力。
在用了模型透视镜之后，再配合变量刀就容易得多了。
5.2.5 策略方法四：用户分层刀
以上的方法都是基于一块蛋糕来操作的，在原有的基础上不断的切：所有人都被切了同样的刀。但是，我们有时候可能想做得更加细腻一些，商品推荐有千人千面，策略当然也能做。这时候就需要用用户分层刀了。
用户分层刀将一个蛋糕变成了两块，两块分别过刀。
有了不同的分群，我们再来一个个多刀。
当然实际中策略同学还有更多的方法，我罗列了几种常见武器。探索最佳策略的过程，也是不断挑选武器，不断尝试应用武器的过程。
3. 策略处理方式
通过上一步筛选出用户或内容或行为，或其他任何东西。我们还需要对不同场景、不同类型、不同严重程度、不同用户分群等等等基于不同的处罚。可能是不通过、可能是封号、可能是做挑战、可能是送人审等。随着业务发展，策略和处理方式都会逐渐的精细化。
4. 制定规则/策略注意点
5.4.1 丰富性
策略多样：审核标准的落地应在视频、?频、?本、图?、直播等不同内容形态下具备灵活性，满?内容安全的前提下还要符合不同产品形态、内容形态的传播特点。
避免?硬：审核标准要能最?限度保护内容、尤其是优质创作者的内容，审核标准的?不?是为了规避?险，也要充分满?平台的发展需要；规则上不应该只有删除和通过，也应包含提醒、退回、限制、分地区等等多种策略。
5.4.2 前瞻性
前瞻视?：审核标准的制定应尽量前置于?险的发?，这也需要制定者有丰富的业务经验与?险意识；
举一反三：出现一个问题，需梳理出同类型的问题一并制定规则。
发展眼光：审核标准应尽量???远并能持续执?，避免频繁改动，这样会过于消耗业务资源、同时也会影响执?效果。
5.4.3 清晰易懂，主要针对人审规则
条款清晰：审核标准的撰写要措辞准确、??简洁，对于操作者也要便于理解、便于操作，忌讳晦涩难懂与执?脱节。
案例得当：除?字规则外，需要搭配适当案例?便理解与对标实操。
5.4.4 易于执行，主要针对人审规则
换位思考：审核标准不是为了有?有，应本着?便执?的原则，?条审核标准要辐射到?百、上千名审核同学，应有敬畏之?，换位思考，制定过程要始终站位落地层?。
操作便捷：审核标准不仅仅是纸?上的?字，应充分考虑执?的便捷性、判断的准确性。
例如，我们需要治理虚假信息，不能说看起来像假的，或者在你的价值观中是假的，得细分场景，例如对于晒工资，对于滴滴司机/外卖员/快递员岗位，若月薪≥一定值，则认为这是条虚假信息。因为有行业数据，行业内只有不到 x%的人高于这个数值，我们接受这个误伤，并且针对这个误伤我们也不是直接干掉，给他的处罚只是不分发而已。
例如，我们某条规则针对婴儿不执行，规则描述中不能说婴儿或 1 岁以下的人，因为审核人员无法判断。可以用他身上的某些标志，例如还不能走路的小孩。
5.4.5 注意误伤
制定一个策略时，需注意可能的误伤，如果误伤量级过大，会影响业务。
5.4.5 做好平衡
例如我们有一个安保方案，监管让我们在某些特殊时期，针对某些类型账号不允许发布内容，发现对业务的流量影响过大，我们会设置更严格的策略，以确保在安全的前提下尽量小的对业务造成影响。
例如我们一个策略，触发「xxx」相关的某些内容删除，因为容易存在风险，且对应内容对业务无价值，所以在用用户无感知的前提下，内容有些误伤也没关系。
六、预上线
从严谨流程上来说，一条策略不允许直接上线，都得先经过预上线，观察一段时间数据，然后优化，根据预上线的数据优化后再上线。即使非常紧急，也只是缩短预上线观察数据的时间而已。
预上线定义：让策略空跑一段时间，只需知道哪些用户、哪些设备、哪些内容等触发了策略，但并不实际对他们造成处罚。
在预上线之后可以对策略分为两种类型，看是否会对用户行为链路受影响。
如果风控的动作会导致用户的行为链路受影响，建议进行 ABtest，例如处罚后就会出现滑块验证。
如果风控的动作对用户操作无感知，建议染色标记，例如海外 ip 在某些时间段内发的内容在某些场景不分发。
七、评估及调优
我们在各个环节都会存在评估，只是有的时候会严谨的基于数据来评估，有的时候会大概预估，这一步是指预上线、ABtest、染色标记后，需观察数据做好评估，以及调优策略。但这一步所列的评估，也并不一定只在这一步使用，在前面决定要解决这个问题，制定策略时也可能会用到。
常用评估方面包括召回率，准确率，规则稳定性等。
对业务流量的影响，对审核人力的影响，对举报申诉的影响等。
不同业务可能还会有其他一些关注的指标，例如影响发帖量、影响用户量、影响头部用户量等。甚至还听说过某公司 Q4 会选择性把风控放松一些，一方面影响年度目标，一方面影响明年的业务预算，这也是需要评估的方面之一。
指标评估后，会根据对策略的目标决定是否需要调优，若已满足需求，则可以进入下一阶段，策略正式上线。
八、策略正式上线
策略由预上线变为正式上线，在功能上可能只需要在一个 btn 上调整下状态，但在流程上还有很多事需要做。
1. 上线前做好各方同步
一条新策略上线之前，需要同步到相关的各方。我们业务曾经发生过，策略运营上线一条策略，导致大量内容推到人审，人审出现积压，然后策略运营和审核主管出现吵架。
2. 继续观察数据
当策略稳定后还需要关注一定周期内的数据，例如 1 天，3 天，7 周后的治理效果。这个问题是否在减少，用户是否会变形方式在违规，是否还有进一步优化空间，有没有引入新的问题等。
例如不允许发布联系方式，上线一个治理联系方式的策略，用户是否以其他变形的联系方式在违规，这个都是需要上线后需要相应关注的。
用户是否有负面反馈，举报申诉量是否有相应变化，触发量级是否也预上线时一致。
九、策略监控及优化
在整个风控系统中包括一个子系统「监控预警」，这个系统监控的其中一块是对策略的监控，包括策略稳定性、召准率等。详细监控可到那个模块时再来写对策略的监控，这里说说日常人工的观察。
在策略上线后，人工在浏览产品时也需要主要相应内容是否又被解决，是否有漏掉，是否有变形。
例如我们曾经有条策略是禁止男子裸露上体，某一天发现海尔兄弟也被审核人员干掉，但这并非我们本意，所以完善规则，这条规则仅针对真人适用。
例如我们曾经有条策略是同一个人发布相同图片超过一定次数，则后续发包含这张图片的帖子会有一定处罚，上线后发现误伤比预上线状态大，高于预期，所以调整阈值。
例如我们曾经有条策略是不允许多账号多设备这种行为，策略上线后发现某类特殊人群是有多账号多设备需求的，且平台也允许，所以选择性放过这类人群。
十、策略调整及下线
在不同时间段，或者遇到了某些问题之后，可能会将策略下线及合并。
1. 特殊时期
在某些特殊时期，我们可能会将策略更严，例如国庆、七一、春节，以及某些历史事件日期。
此时策略就会涉及到上下线，例如某些特殊期间，针对不同等级的账号、不同渠道来源的内容、不同属性的内容，审核策略会不同。如对于境外 ip 以及中国的某些省份发的内容需要全部经过人审，甚至全部可能全部干掉这些内容。
2. 策略整合及下线
随着业务发展，策略人员的变动，新开发模型，业务变化等原因。就一定会出现策略逐渐庞大复杂，策略间出现交集、并集，或需要多策略联动处理，以及一些模型可覆盖策略，需将策略下线等情况。
此时就需要定期的复盘历史策略，将需要废弃的废弃，多条策略需要合并的做合并。
在新上线一条策略时也需要注意看看是否历史已有类似策略，是否可以合并到之前的某条策略上。
感触：虽然上面这样说，但具体实操时大家往往不敢去干这件事，就像新来的程序员去改老系统的 bug 一样，看似没用，但可能导致整个系统崩溃。但为了系统长远发展，虽然下线、合并策略很麻烦，但这件事依然值得做。
十一、制定策略的经验
在这一年半时间，我制定过几百条策略，人审规则也更新了几十版，踩过一些坑，也总结出一些经验。
如下经验主要包括两部分，我自己总结，及参考网络上别人的总结但我也有相同感触。
平衡风险和收益的能力，是风控产品经理非常重要的一个能力。
制定策略，甚至整个防控，多从作弊动机角度考虑，而不只是从识别出违规内容角度考虑。
做治理时不要贪大，一开始就想所有问题都解决，导致工作没办法进行。得确定好重点，一个周期内核心解决某几个问题，制定好指标，制定好衡量标准，饭得一口一口吃，问题得一个一个解决。
建立标准化工作流程，即：策略上线标注流程。一条策略上线是一个很长线程，若没有一个标准化流程，容易漏掉其中一些步骤。
遇到问题必然先临时用规则引擎或者离线分析的方法甚至产品的方法打击一波，而后考虑长期的防御机制。
制定策略通常是先大力出奇迹，然后再逐步优化误伤，然后逐步转化为模型。但也看策略逻辑，例如针对大 V，大力出奇迹就直接干掉了 5% 的大 V，可不行。
风控产品自己一定要去做检测，策略配置人员也是人，也可能出现配置错误，不能让这种错误出现在线上用户反馈了再去排查问题，需要做好验证。
对模型稳定性、召准率要做好监控，不然哪天模型没运行了都不知道，我司发生过这事，过了一天多用户反馈才发现。
坚持低成本、低误伤、高收益，数据说话的原则。
Spam问题具有时效性，反spam更要快速有效。
不要指望一个策略或一组策略解决所有问题。
勿以善小而不为，当成本也很小的时候，一些收益看起来小的策略，在多个策略综合起效的时候，也能带来很大的收益。
十二、内容治理的难点
问题琐碎、变种多（例如我们在朋友圈、微信群发的各种变形与微信对抗）、对抗性强、问题定义难、竞品逻辑隐藏，公开可参考资料少、结果难评估、不易发现不知道的问题、违规无孔不入等等等。
本文由 @Aaron 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
小度发布添添自由屏，超大屏+AI将成平板未来？
孵化自百度智能生活事业群组业务的小度科技，在小度智能音箱和小度智能屏将“小度小度”交互口令带入大众视野，推出学习机、健身镜等创新硬件之后，于2022年双11期间带来了最新的年度新品添添自由屏。
这块可以在家中自由移动使用的“智能屏”，承载了小度对家庭娱乐全新的想象与实践，以及百度人工智能助手技术最新的边界。
大且自由的家庭娱乐新设备
小度科技CEO景鲲将添添自由屏称作新品类产品，这的确是小度智能硬件中相当新鲜的形态，不过从可以自由移动位置、自由变更显示方向、支持安卓应用安装的形态，都不难看出这款产品冲着平板电脑而来，致力于提供更加优秀的家庭娱乐体验。
（来源：雷科技）
添添自由屏的屏幕尺寸一下子来到了15.6英寸，跟大尺寸的笔记本电脑相当，承载的画面大小更是比智能手机大了不少。内置了小度硬件一直体验不错的音乐、视频等功能，还有在线视频会议、KTV等，并提供健身功能，更可以通过应用商店或是第三方渠道安装应用拓展。
光是大过了市面上主流平板电脑产品的屏幕显示面积，就已经谈得上是娱乐属性拉满。为了提升观看舒适性并具备一定护眼能力，小度研发团队给添添自由屏的屏幕做了雾面的AG处理工艺，相对而言精细度、亮度并没有数千元的高端平板那么强，但试图为老人孩子做出调整。
大屏幕带来的视觉交互之外，音频体验同样是添添自由屏重要一环。背面为圆弧形凸起不能像普通平板那样平放在桌面上，但隐藏在织物材料弧面下的共计六个内置扬声器，让这块平板有了相当值得信赖的声音，听音乐的中低频表现稳定通透，调高音量更是有足够穿透力。
（来源：雷科技）
除了能显示经典美术作品、动态壁纸当作画框使用，画镜歌词也功能给雷科技留下深刻印象，歌词可以如字画般视觉化呈现在屏幕上，于是播放集成的多平台音乐时也能成为极好的家庭装饰。首销会赠送两个麦克风，搭配研发团队专门调音的KTV功能，用户能听歌也能放声唱。
相较核心功能规格上的“奢侈”，其他部分就不那么主流了，比如略显激进地去掉了后置摄像头，景鲲说这是“把钱花在刀刃上”。想想也很合理，如此大尺寸的平板几乎没有人会带出门随身用，保留下来的前摄像头依然有料——可以识别人体骨骼跟踪动作，健身功能就基于此而来。
既然是小度科技出品的硬件设备，体验中肯定少不了小度助手的身影，这次小度有了或许比大屏幕更震撼的进化：用户想要进行操作时，不必先说“小度小度”唤醒设备，直接说小度开头的指令就能操作，实现免唤醒语音交互。带来类似always on display的随时在线语音体验。
（来源：雷科技）
景鲲表示，小度对平板发展趋势的预判就是“超大屏 AI”，放到添添自由屏上都能找到清晰的对应。看惯了iPad和一众手机厂商打造的安卓平板，添添自由屏多少显得有些“离经叛道”，但更大的屏幕和更强的人工智能体验又都是业界暗中发力方向，也正好与小度的长处完美匹配。
价格环节同样有精细，正当我以为有着15.6英寸屏幕的添添自由屏，会像同时期的超大屏平板那样给出近4000元甚至更高的价格时，小度给出了2799元上市价（双11期间可低至2699元）。以更低的价格，提供影音和多元化娱乐皆可实现的大尺寸平板体验。
人工智能创新驱动小度前行
从名声大噪的小度智能音箱和小度智能屏，再到提供多样化价值的学习机、健身镜，再到今天用新视角和AI技术重新定义的“大尺寸平板”添添自由屏。小度科技的产品发展历程，也像是这家公司不断拓展自我边界的过程，景鲲还和我们分享了小度的创业故事。
他先是说，内卷改变不了世界，只有创新才行。这话像是说给智能音箱竞争对手听的——过去几年间智能音箱产品销量经历了非常高速的增长，大量中国家庭开始拥有智能音箱，有体验提升的口碑影响也有价格打出的吸引力，数个月内就从上千元降到了几乎没有利润的百元左右。
不过小度在其中还是获得了不俗成绩，4年时间内收获了4000万用户。景鲲说着背后是百度对人机交互变革的实践：小度和同类产品大规模出现在市面上之前，家庭无线音箱的使用方法还很繁琐，需要连线开机配对还有潜在的稳定性因素干扰，智能音箱则简化成一句话便能播放。
（来源：雷科技）
屏幕加入的视觉交互，提供了语音交互体验同等重要的变革，以至于景鲲自豪地认为2018年3月发布的小度在家带屏智能音箱能够被视作跨时代的智能产品。带屏产品仍是智能音箱中保持增长的品类，根据小度引用的京东商智数据，目前“小度”是音箱/音响品类下成交指数第一名。
另一个创业故事关键词是“20个月40%”。景鲲说小度不是一家硬件公司，是人工智能公司。为了凸显软件能力，摆脱让其拥有不俗销量和市占率的单一智能音箱身份，小度决定跨界做教育硬件产品。到了今天，京东平台数据显示，小度学习机和学习平板在教育硬件中占到了40%。
这家公司愿景是用科技力量持续推动教育普惠和公平化，甚至是把海淀教育能力扩展到北京每个区，扩展到二三线城市和更广的市场。而不需要研究怎么使用，可以开箱即用就能获得家庭助教功能的智能产品，帮助小度在全新的赛道上超越了其他品牌，成为教育硬件领先者。
小度CTO朱凯华则和我们分享了添添自由屏体验背后的故事。AI的进化脉络，越来越贴近人与人的自然交互，而小度认知的智能助手的远景，正好是对话智能度、交互自然度、感知与影响力。最终在添添自由屏上，我们看到了对话和感知两大核心能力的提升。
（来源：雷科技）
只需小度前缀喊出指令即可执行，不再是先“小度小度”唤醒设备再给出命令，本质上是全域免唤醒语音交互。现在在添添自由屏上实现了双字one-shot，这和此前行业主流的四字唤醒（如“小度小度”）划清界限，小度更是做到了10米内快速响应，宣称识别准确率可达到99%。
至于视觉感知 动作捕捉，添添自由屏的前摄做到了19关节点捕捉，并且所有的AI处理工作都在本地端侧运行，以此来保障用户隐私。目前有视觉理解实时打分的AI直播课，可结合教练和用户的动作试试改善学习成果。自学习能力使得研发团队休假中，AI模型也能自行提升能力。
做好平板电脑，不一定“要大而全”
在我们看来，添添自由屏既是小度对百度最新人工智能技术的落地实践，也是这家公司对家庭娱乐设备场景的探索。
在过去的数十年时光中，类似需求主要由电视机和电视台等内容提供方进行满足，然而随着社会形态进一步变化，人们开始不满足客厅这样固定的娱乐空间，也不满足供给侧来决定看什么的娱乐方式。当下找到的答案，便是手机等个人娱乐设备，以及各式各样可供人主动选择的内容形式。
从更大尺寸的iPad Pro、国产安卓平板再到小度以“新物种”口号推出的添添自由屏，其实都想要解决同一个需求，用更接近电视的大屏幕去承载手机般高度个性化的娱乐消费需求。只不过各有侧重，iPad们先是全能设备再有娱乐能力，而添添自由屏则把娱乐属性拉满再考虑其他。
（来源：雷科技）
我们可以看到，若是把添添自由屏当作大屏且随身的影视播放设备、音乐播放器、KTV机、健身镜，或者只是更大的小度智能屏，能发现使用起来几乎没有学习门槛更不需要做多少配置。而要是相当严肃地以安卓平板标准去评判，为了增强娱乐体验而取舍的点，反倒会拖后腿。
雷科技认为，添添自由屏作为纯粹的娱乐设备上抓住了电视和手机之间大屏家庭娱乐需求的关键点，有不少巧思并在细节上落实。我们相信，这款产品可能会成为大屏娱乐设备的用户首选之一，会是人们喜爱的“便携小电视”，也有望给后续更加强大的产品带去启发。
对话张璐：硅谷正追逐两大赛道创新，融资降温但技术商业化更快了
LG 发自 凹非寺
量子位 | 公众号 QbitAI
什么是硅谷的New Sexy？
张璐这次脱口而出介绍的是Mojo Vision和纳米机器人。
前者随着元宇宙概念的火热越来越出圈，后者则跟随医疗AI和机器人深入而展现更大作用。
Mojo Vision，AR眼镜，隐形佩戴的那种。听起来多少有点科幻，但首款原型机产品Mojo Lens已经于近期面世，开启人体测试，其CEO甚至还把量产商用放上了议程，承诺定价会在“一部高端手机”的价位。
AR眼镜、VR产品……XR相关的进展，放在2022年其实不算新和酷，但真正把一整套计算平台装进眼睛的，全球范围内也就Mojo Vision一家，其真正把显示屏、电池、芯片都实现了微型化，戴上后甚至不需要其他交互手段，直接通过眼球追踪就能完成人机交互——几乎就是新一代移动计算终端的奇点时刻。
同样具有颠覆式创新价值的，张璐认为还有纳米机器人。
相比这一年来被马斯克炒热带火的人形机器人，纳米机器人则有更加明确的场景，以及开始发挥价值。
纳米机器人主要用于医疗健康领域，将其放入胶囊，然后可以进入胃部，判断病理。或者患者吞入异物后，机器人可以把异物抓取，通过大肠的排泄机制排泄出来……而且这个级别的机器人，还能够解决血管里面的组织问题，比如清理垃圾和细胞靶向治疗。
同样的，纳米机器人也是正在从技术模型进入大规模商业应用的创新物种。
而之所以用Mojo Vision和纳米机器人作为举例，是因为背后也暗藏着硅谷当前创新的驱动主线和方向。
这也是每次张璐分享最迷人的地方，作为技术出身的硅谷VC，她总是能迅速完成对新技术、新趋势的规律抽象和总结，特别是处于信心不振的周期时，她有着基于技术底层的乐观，用公理式的规律归纳令人信服。
比如在这次的连线里，除了分享硅谷的New Sexy，张璐还指出了背后的一条底层主线、两大应用方向，和关乎所有人的时代级技术问题。
以及，她给出自己的论断：当前99%的Web3项目，没有出路。
△ Fusion Fund创始合伙人张璐
硅谷正流行？两大方向，一条主线
张璐是谁？为什么她的分享和判断值得关注？
张璐是硅谷技术VC Fusion Fund的创始人，7年前投身早期投资领域，之前外界介绍她时，往往会用斯坦福学霸、21岁就开始了第一次成功创业的连续成功创业者、 达沃斯全球青年领袖，甚至她不太喜欢的福布斯30/30美女投资人。
但现在，一个周期过去，她像所有一流VC一样用业绩作为通行证：
管理基金规模超3亿多美元、去年年收益率高达53%、基金整体平均10倍回报，业绩位居硅谷TOP 1%序列……
早期就成功捕获投资的知名项目包括估值超千亿美元的SpaceX以及Lyft，Mojo Vision，MissionBio，Grubmarket，EdgeQ，Otter.ai等，旗下已有十数家公司被高价收购、完成IPO。
△ Fusion Fund团队
更有意思的是，张璐当前的业绩，不是以史为鉴总结技术周期的结果，而是基于技术底层总结规律、然后经由时间验证的结果。
所以在张璐看来，当前的硅谷技术创新，正在呈现：一条主线，两大方向，以及与之相关的一个时代级问题。
两大方向：一个是医疗，一个是深科技。
医疗赛道的爆发，AlphaFold 2功不可没，在DeepMind这项巨大突破的驱动之下，让生物学领域的蛋白质结构折叠、预测，实现了质的飞跃。最新进展方面，还完成了全世界2亿多个物种的蛋白质结构预测，而且精度还很高。
AlphaFold 2的功力之下，结构生物学、合成生物学都迎来了巨大的飞跃机遇。既然已经知道怎样去合成不同特性的蛋白，那制药的效率就会迎来质变提升。而且影响还不止于此，包括在新材料合成、替代方面，也都面临机遇。
张璐还强调，AlphaFold 2更重要的产业意义，在于谷歌选择了免费开源，“价值如同当初互联网的发明者，将互联网免费开源给了所有人，让一个崭新的数字生物学世界搭建成为可能。”
而从时间上来说，AlphaFold 2一开源，整个数字生物学、数字生命科学领域就往前提了5~7年，“跳跃是巨大巨大的，整个数字生物相关的领域大爆发才刚开始。”
另一条医疗健康方向的推进，则是纳米机器人。这项最早出自哈佛大学的新兴技术，目前已经来到了大规模商用的临界点，从诊断和治疗的方法上，打开了一扇全新的大门。
最重要的根本性推进，则是AI在医疗领域的大规模应用，人类社会产生的数据，30%以上都和医疗相关，通过AI对这些数据进行更有效的处理分析，从而提供更高效，更个性化的疾病诊断，治疗解决方案。
诸如纳米机器人这样的推进，也可以视为深科技方向上的进步。
而深科技背后的本质趋势，其实就是数字化转型。或者可以更宏观来说，医疗、深科技等硅谷创新趋势背后，涌动的都是无处不在的数字化转型趋势——未被数字化的领域迎来数字化，初步数字化的领域加速数字化，高度数字化的领域通过AI等方法愈加智能化。
更进一步概括：全产业的数字化转型。
张璐的观点是，在疫情之前，其实这个转型进程就已经在不同领域开始了，比如科技互联网、汽车工业等领域，但疫情之下，加速了整个进程，或者全产业都被迫需要提升效率、降低成本，提升利润——而且还是在人手短缺、人力要素被重估的情况下。
在美国，传统行业的数字化诉求被大大激化，包括沃尔玛等传统零售巨头，大规模应用新兴技术的步伐都在明显加快。
张璐分享了自己对数字化转型的底层逻辑，可以从三个层次审视：
第一阶段，数据收集。
第二阶段，数据传输。
第三阶段，数据处理。
过去一个周期内，反而是第三阶段的数据处理，因为深度学习带来的AI复兴，更为大众熟悉。
不过数据收集和数据传输两大阶段，目前也面临巨大的创新机遇。
比如Mojo vision所在的XR眼镜领域，其实就是下一代信息载体平台的表现。在以PC为代表的交互终端，以智能手机为代表的交互终端之后，以XR为代表的交互终端，会实现终端本身数据价值上的飞跃。
张璐介绍，Mojo vision更颠覆之处在于产品直指隐形眼镜，更便携，交互更自然，解决最难的技术挑战，实现最好的体验。更重要的是第一代原型机已经完成，进入了人体佩戴测试阶段，距离大规模量产商用就差临门一脚。
还有斯坦福知名华人科学家鲍哲南教授在推进的电子皮肤，也在实现数据收集传感器从形态、能力和效率上的颠覆式创新。
按照张璐的逻辑，确实也能更好理解诸多变革和创新所处的历史进程。
比如智能车领域，所谓的汽车工业百年未有之大变局，竞速的核心归根到底就是大号传感器在数字化进程中的不同生态位。包括特斯拉的系统进化原因、竞争力和壁垒，也就能更好理解。
而车领域正在发生的事情，张璐则认为也是这几年AI变革中的缩影，折射的是全球AI创新都在遇到的关键问题，即平台型机遇期的结束，和行业垂直机遇期的开始。
在AI之前，中国其实并未经历过完整的科技周期。
张璐从硅谷视角分享，一个科技创新周期里，先有基础技术创新周期，然后进入技术应用创新阶段，最后则是商业模式创新周期。
与基础技术创新周期对应，会有平台级、泛在工具的历史机遇，可以利用时代级技术打造时代级工具和平台，释放在各行各业应用。
但从目前来讲，这个阶段已经基本结束，整体性的创新已经很难实现，机遇来到了垂直的、高集中度的具体行业这端。比如制药、保险、物流供应链，甚至再细分的领域里，利用成熟的基础技术做垂直行业应用创新，有机会有价值。
张璐举例，AI基础创新中有一个方向叫no code AI，用低代码甚至零代码的方式，减少对AI工程师、数据工程师的依赖。而在硅谷，一家名叫Huma.AI的制药行业公司，正是基于零代码AI平台，实现垂直领域内各种数据、文献、资料的关联和处理，最后前端产品可以简化如搜索引擎一样，帮助销售快速掌握药理、药与药之间关系、副作用等各方面资料，提升学习培训效率……Huma.AI很快就因为刚需占据了所在领域的生态位置。
有意思的是，这种平台型和垂直行业应用型的划分，其实在中国也已经被验证。
在知名的AI四小龙之外，像创新奇智等垂直应用的AI公司用更快的速度、更高效的商业业绩，一度引发过热议。
最后，关于数据传输阶段的趋势和机遇，张璐认为在边缘计算。
边缘计算是数据和计算需求迎来大爆发之后，终端和云端的中间带，还能如何实现加速数据传输的方案。
在5G的商用中，其实也有过第一波讨论，比如当时5G的终端基带和毫米波基站之争，但现在这种边缘计算的应用早已超出5G应用范畴，在包括智能交通等场景下，边缘端的计算部署，从芯片、方案都迎来了机遇。
然而，数字化转型越是全产业提速，背后的一个大问题、时代级问题也就越呼之欲出，张璐认为是时候有更大的关注了。
时代级技术问题
这个时代级问题，张璐一言以蔽之：
数据所有权，像房、车、私人财产一样看待个人数据。
数据所有权的影响之大，张璐解释说，未来每个人拥有的最大资产、增速最快的财产，可能就是数字资产。
但问题是，现如今对于数据的所有权如何定义尚不明晰，更不用说进一步的商业变现。
个体领域，数据资产的话题，一度因为隐私换便利引发过热议，其实背后就是个体用户让渡数据所有权，换取日常中的便利。
机构层面，数据在AI复兴开始，就被以新时代石油、火箭燃料等类比，足可见重要性。全球范围内最具数据能力的公司，一度还被以数据黑洞排名和类比。
但问题是，上一阶段中的发展，其实都建立在数据所有权混沌的状态下，而且数据的价值，在不同领域、不同场景和不同机构那里，发挥的价值也大相径庭。
然而一旦随着技术推进，数据价值、稀缺性进一步凸显，数据生成方、所有者，是否可以从中分红获利？
张璐认为这是一个颠覆式挑战。
如果数据被从所有权和商业变现维度认真对待，那现如今绝大多数科技互联网公司的商业模式，都会迎来巨变。
Meta的商业模式、谷歌的商业模式、领英的商业模式……甚至一切依赖于用户数据来变现的公司，不论是靠互联网广告，还是别的羊毛出在猪身上狗买单的商业模式，根基都不再稳固。
而且随着数据所有权明确，商业公司不能再靠用户数据变现，也就意味着用户也很难免费使用产品和服务，于是一个全新的商业模式和闭环，或许就会形成——这种模式也不算陌生，在B端企业端就是如此，只不过C端消费者侧，免费模式一度压倒一切。
所以热潮中的Web 3会是一种数据所有权的解法吗？
张璐坦言有在关注Web 3，但现实情况是，目前很多项目很难落地。不过也并非没有潜在的机会，张璐看好的是Web 2到Web 3的中间件，网络基础架构，比如耐克公司的CTO就与她交流过这方面的需求，在用户逛过他们现在Web 2的网站，点击关注某款球鞋后，可以自动生成一个Web 3的认证。
如果能将现有成熟生态与Web 3相连，或许就能解决Web 3可行性上的最大掣肘因素——独立生态。Web 2与Web 3的联动，有机会能撬动一个更加巨大的市场。
张璐还透露，数据相关的问题，现在也在成为硅谷乃至全美相关公司都在关注的战略级问题。
4年前，技术出身的张璐为了帮助初创企业挖掘和整合各行各业技术需求和整合机会，还推出了一个CXO网络组织，吸引不同行业的全球500强企业的CTO加入，而目前这个组织里最集中讨论的焦点话题，正是如何面向数字化转型，制定数据战略，更有效花好相关预算。
硅谷加速商业化：从找融资到找客户
大公司面临转型，疫情对经济影响还在持续，全球都弥漫着悲观下行的气氛，创投创新还能好吗？
张璐说硅谷确实也在进入一个冷周期：创投降温，资本在观望，初创项目比以前更难融资。
但问题是，一个好的创新周期，究竟是容易融资的周期，还是技术创新更快转换的周期？
张璐更倾向于后者。她解释目前资本只是不活跃，但并不代表没有资金。从美国来看，VC今年手握创纪录的资金，不过出手变得更加谨慎，都在等待寒冷市场展开的市场淘汰，在这个幸存者游戏之后，能够幸存下来的企业和企业家，从技术能力、组织能力上都得到了检验。
所以资本降温甚至变冷的周期，往往也是创业者千载难逢的机会。
一方面市场噪音减少，竞争对手减少，核心客户愿意给更大合约，技术验证和整合也都会更快。
张璐也更看好寒冬里出发的创业者，他们往往都是连续成功创业者，质量更高。据她接触，过去一年里笃定入局的创业者，很多都是富有经验的连续创业者。
“热闹的时候，你即便没想清楚凑个热闹也有人给钱，但寒冬的时候，只有想得非常清楚，对技术和创新相当自信才会出发”，对投资人而言，这个周期里的项目质量也会更高。
有意思的是，Fusion Fund投资马斯克的SpaceX，其实也在一个冷周期。
在2015、2016年的时候，SpaceX的火箭发射连续失败、持续缺钱，张璐就是在这样的背景下进入并选择投资的。
她回忆说，那时候其实外部对SpaceX的质疑非常巨大，但马斯克有三个方面的原因让张璐觉得这会是一个伟大的项目。
首先，基于技术的理解，SpaceX做的技术创新非常核心，即便火箭发射不是新技术，但回收、重复利用的技术创新一旦突破，就会把发射成本指数级降低。
其次是背后的巨大市场，无论是NASA的需求，还是未来更多组织和企业的需求，这都是一个巨大的市场，并且因为技术创新带来的壁垒，SpaceX可以占据80%以上的份额。
最后是马斯克当时已经在规划星链项目，这是一个近乎基建型的商业应用创新，当时还以太空中的AWS云计算服务做过类比，未来不管谁需要卫星服务，或许都不需要自己去发射卫星。
所以就没有想过如此巨大创新和大风险之下，投资打水漂的可能性？
张璐说Fusion Fund团队规模不算大，但极具技术背景，能够基于技术区分梦想家和大骗子，SpaceX即便那时候境况不算好，但技术展现的各方面，已经在逐步在向上走，以及马斯克也并非有勇无谋，SpaceX的财务和现金流，不完全通过外部投资和投入来维系。
“对这样的项目就没有对赌协议？”
“硅谷不对赌”，张璐笑了。
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
免责声明：本文由用户上传，如有侵权请联系删除！