<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	xmlns:media="http://search.yahoo.com/mrss/" >

<channel>
	<title>AI应用 &#8211; 投黑马</title>
	<atom:link href="https://touheima.com/tag/ai%e5%ba%94%e7%94%a8/feed/" rel="self" type="application/rss+xml" />
	<link>https://touheima.com</link>
	<description>AI 时代的左侧研究机构</description>
	<lastBuildDate>Mon, 16 Nov 2026 05:23:03 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=7.1.4</generator>

<image>
	<url>https://touheima.com/wp-content/uploads/2023/12/Touheima-icon-1-150x150.png</url>
	<title>AI应用 &#8211; 投黑马</title>
	<link>https://touheima.com</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>AI电影定档美国院线，观众会为生成的世界买票吗</title>
		<link>https://touheima.com/heima-observation-20261116-ai-film-production/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Mon, 16 Nov 2026 05:23:03 +0000</pubDate>
				<category><![CDATA[黑马观察]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Fable]]></category>
		<category><![CDATA[Gossip Goblin]]></category>
		<category><![CDATA[Grimes]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3128</guid>

					<description><![CDATA[AI电影《诸神从不赐礼》计划12月进入美国院线，Grimes客串引来关注。已有网络受众能否转化为购票观众，生成画面背后的人工创作能否支撑完整作品，将检验小团队长片的商业机会。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/heima-observation/">黑马观察</a> / 2026年11月16日 / 全文共2003字</p>
<p>AI电影《诸神从不赐礼》计划于12月4日在美国有限上映。歌手Grimes的客串为它带来关注，Fable参与制作，导演Zack London则已有自己的网络创作受众。一张电影票将检验这些优势能走多远。投黑马认为，生成工具扩大了独立创作者能够拍摄的范围，影片的商业价值仍须通过完整作品与观众建立关系，技术的新鲜感难以长期承担这项工作。</p>
<p>影片包含四个相互关联的科幻故事。在它设定的世界里，人可以更换身体，意识成为可以买卖的商品。这样的构想需要大量陌生的空间、人物和道具。AI给小团队提供了一种实现途径，也留下了一个具体问题：当奇异世界越来越容易出现在屏幕上，观众为什么愿意把一个晚上交给其中的某一部？</p>
<h2>点击预告的人，会走进影院吗</h2>
<p>Zack London以Gossip Goblin为名发布AI视频。按照外媒对他的采访，影片延续了他此前作品的世界观。这是发行上的实际优势：一部分潜在观众已经熟悉他的审美和故事，长片可以沿着这些已有联系找到最早的一批支持者。</p>
<p>独立创作者往往很难获得这样的起点。许多作品在完成之前，没有机会知道谁愿意看它。持续发布短片可以积累反馈，让创作者认识自己的受众。生成工具让复杂科幻画面的尝试更容易，也使这些联系有机会在长片开拍前形成。</p>
<p>不过，网络上的喜欢与影院里的消费，仍有一段距离。刷到一段视频时，观众随时可以划走。决定买票意味着安排出行、选择场次，并把一段完整时间留给影片。一次惊艳的视觉展示可以换来转发，要支撑这样的选择，还需要人物、节奏和情节持续产生吸引力。</p>
<p>这会改变创作者面对的反馈。短片里一个奇异生物就能成为焦点，长片则需要让观众理解它为什么在这里、它的遭遇与其他人物有什么关系。四个故事相互关联，意味着影片要处理这些联系，不能仅靠每一段各自拥有漂亮画面维持观看。</p>
<figure class="wp-block-image"><img decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261116-ai-film-production-01.webp" alt="电影《诸神从不赐礼》宣传剧照：巨兽在海上逼近一艘帆船。影片画面由AI生成。 来源：Fable／Gossip Goblin（GamesBeat刊载）。" /><figcaption>图：《诸神从不赐礼》海上场景宣传剧照，影片画面由AI生成。来源：Fable／Gossip Goblin，GamesBeat刊载。</figcaption></figure>
<p>截至目前，12月4日是公开披露的上映安排。片方争取院线和奖项的行动，给出了它希望接受的评价方式，票房与上映后的口碑仍待发生。宣传中的技术标签能帮助一部新电影获得关注，却无法预先证明这些关注会变成足够的购票。</p>
<p>对于发行方，安排首轮场次也只是开始。影片能否让看过的人推荐朋友，能否在最早一批支持者之外找到观众，才会逐渐显露其商业生命力。把已有粉丝看作确定的票房，容易在制作预算之外，再高估一次市场。</p>
<h2>一张生成的面孔，仍需要一次表演</h2>
<p>Grimes在影片中饰演一位未来世界的贵族。她的角色有白金色长发，戴着透明的金牙面具。公开制作信息显示，她同意团队使用自己的肖像，参与角色设计，并亲自录制台词。面孔可以经过生成工具处理，角色的声音仍承载着她本人的表演选择。</p>
<p>这也是AI影视讨论中容易被省略的劳动。按导演向外媒的介绍，制作人员包括配音演员、拟音师、混音师、动画及音乐工作者，团队花费数月调整细节。生成画面让部分工作变得可行，声音、剪辑与表演之间怎样配合，仍然需要创作者反复判断。</p>
<p>如果一段台词换了停顿，画面中的反应可能就要跟着调整。这里讨论的是常见的创作要求。观众感受到的人物关系，往往由这些细小的配合构成。单独展示一张图时，它们不容易被看见，放进一场戏里却很难绕过。</p>
<p>因此，用AI生成画面的比例描述一部电影，只能解释它的一部分制作方法。比例本身无法告诉观众，这个角色有没有让人关心的处境。也无法告诉制片方，为了获得最终采用的镜头，团队舍弃了多少版本、补了多少人工工作。评估成本时，这些花费都应该进入账本。</p>
<figure class="wp-block-image"><img decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261116-ai-film-production-02.webp" alt="《诸神从不赐礼》官网宣传图：带机械构件的猿类角色仰望天空。影片画面由AI生成。 来源：影片官网／Gossip Goblin／Fable。" /><figcaption>图：《诸神从不赐礼》官网角色宣传图，影片画面由AI生成。来源：影片官网／Gossip Goblin／Fable。</figcaption></figure>
<p>Grimes的参与还让另一项工作变得清楚：一个可识别的人物形象能够进入作品，需要当事人的具体同意。现有公开信息没有完整披露后续使用范围。若其他制片方复制这种方式，就需要把使用场景、修改范围及后续作品的安排谈清楚，让演员知道自己参与了什么。</p>
<p>演员对角色的选择权，也是作品可信度的一部分。允许创作者尝试新的形象，并给参与者保留知情和决定的空间，才可能让合作持续下去。对小团队而言，这会增加协调工作，但它也是把一次视觉试验做成正式作品所需的能力。</p>
<h2>第一部电影之后，还能留下什么</h2>
<p>这部影片值得被认真对待，原因也在于它给独立科幻创作提供了一个试验。复杂世界观过去往往意味着较高的制作门槛。若生成工具让小团队有机会完成原本难以筹资的故事，一些规模不大、口味独特的观众群体，便可能得到更多作品。</p>
<p>这样的机会并不要求每部影片都成为大众爆款。适合特定受众的作品，只要制作和发行投入与其需求相称，也能找到生存空间。问题在于，制作方是否清楚自己服务谁，以及到达这些观众需要付出什么成本。</p>
<p>对一级市场投资人，Fable参与长片制作提供了观察真实能力的机会。团队能否完成一部作品，与它能否持续组织下一部作品，是两个需要分别验证的问题。第一部积累的制作经验有价值，下一部仍要寻找故事、安排创作合作和争取发行。</p>
<p>因此，投黑马会把单部影片的回收与团队可重复使用的能力分别审视。若角色与镜头的修改经验能被其他项目采用，制作流程更容易交接，公司就积累了超出单部作品的价值。如果每一部都依赖原班核心人员长时间处理例外，投资人就应当把这种人力需求计入增长预期。</p>
<p>影片上映后的反馈会让判断具体起来。按计划进入影院，并在最初粉丝之外获得持续推荐，会支持小团队AI长片的商业可能。假如宣传吸引了大量围观，正式上映却难以留住观众，制作方就需要重新检查故事和发行的选择。技术继续进步，也不会自动完成这次调整。</p>
<p>《诸神从不赐礼》设想了一个意识能够交易的世界。电影自己的交易要朴素得多：观众交出票钱和时间，希望陌生人物的经历值得自己认真看下去。让这份期待得到回应，才会让下一位独立创作者更容易获得支持。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Suno把生成音轨放进编曲工程，制作人会为少一次返工付费吗</title>
		<link>https://touheima.com/heima-observation-20261116-suno-bridge/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Mon, 16 Nov 2026 05:10:06 +0000</pubDate>
				<category><![CDATA[黑马观察]]></category>
		<category><![CDATA[Ableton]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Bridge]]></category>
		<category><![CDATA[Suno]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3123</guid>

					<description><![CDATA[Suno把生成音轨接入Ableton工程，每次生成消耗10积分。制作人是否持续付费，要看试听、修音和客户修改之后，还能省下多少交付时间。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/heima-observation/">黑马观察</a> / 2026年11月16日 / 全文共1993字</p>
<p>Suno在11月13日推出Bridge测试版，让制作人在已有编曲工程里生成乐器和人声音轨。一段音频可以直接出现在时间线上，省去导出、下载和手动对齐。投黑马认为，这项改动有机会获得专业用户持续付费，前提是它能减少完成一首作品所需的返工。生成后仍须反复试听和修改，省下的操作时间可能很快又被花掉。</p>
<p>Bridge选了一个颇为克制的入口。制作人可以继续使用熟悉的Ableton Live，保留原有插件、效果器和音频路由，只在需要新声音时调用Suno。一个人过去为软件、设备和操作习惯付出的时间，因此成了新工具争取他的条件。</p>
<h2>接进工程，才开始接受整首歌的检验</h2>
<p>按照Suno的发布公告和使用说明，Bridge初期面向Mac用户，推荐使用Ableton Live 12。它是与编曲软件同时运行的独立应用，由Suno自行开发。制作人选定时间范围、描述想要的声音，生成结果就会放到相应音轨上。公司称，它会依据工程的节拍、调性和音乐上下文生成素材。</p>
<figure class="wp-block-image"><img decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261116-suno-bridge-01.webp" alt="Suno Bridge的吉他选择与声音描述界面，背景为Ableton工程。来源：Suno。" /><figcaption>图：Bridge官方演示中的乐器选择与声音描述界面。来源：Suno。</figcaption></figure>
<p>这解决了一个具体的麻烦。独立生成的片段即使好听，也要找到合适的位置、长度和衔接方式，才能进入正在制作的歌。把这部分操作接起来，能降低尝试新声音的负担。对于已经写好主旋律、只想补一段伴奏的人，保留自己做过的选择，也比重新处理一整首生成作品更符合需要。</p>
<p>不过，出现在正确的小节里，只是制作工作的一个起点。一个音色单独听来丰满，放进整首歌后可能遮住主唱。节拍对齐了，强弱和呼吸仍可能不合适。工具可以提供候选，制作人需要判断它是否值得留下。</p>
<p>Suno的说明也保留了这些后续动作。Bridge生成的是普通音频文件，用户可以切片、调整时间、加效果器或重新生成。专业软件的处理能力因此仍然有用。产品真正交给用户的是一批可以继续加工的材料，最终交付需要的取舍仍在工程里发生。</p>
<p>若只用生成速度评价它，就会漏掉试听。制作人必须花时间把候选放回歌曲里比较，尤其在结果每次都有变化时。一次操作得到更多版本，可能带来更好的选择，也可能使一个已经接近完成的段落迟迟无法定下来。</p>
<h2>十积分买来一次尝试，留下来的声音才进入作品</h2>
<p>Bridge需要Suno的Premier订阅，官方帮助页注明每次生成消耗10积分。应用本身可免费下载，使用中的尝试仍有成本。这个收费单位容易理解，却与制作人的收入单位隔着一段距离。</p>
<p>如果一段伴奏第一次就合用，十积分和一次试听便可能完成任务。如果连续生成多次仍要大幅修整，积分消耗和判断时间都会增加。这是两种可能的使用结果，现有公开资料还不能说明哪一种更常见。</p>
<p>因此，判断它是否便宜，需要把最终采用的片段作为参照。订阅费可以分摊到多个项目，反复挑选、重做和修音的时间也应进入计算。单次生成的价格再清楚，都无法替代这笔账。</p>
<p>制作人的工作安排还会改变答案。按项目收费的人若能更快完成已约定的交付，就可能腾出时间接下一单，或把晚上留给生活。按工时收费的人，则要考虑客户如何理解节省的时间，以及新的价格能否覆盖自己的专业判断。相同的工具，未必给每个人带来相同的收益。</p>
<p>对音乐人而言，有时也无需立刻节省工时。尝试一件不熟悉的乐器、听见一种此前想不到的配器，本身就可能值得花钱。Bridge允许在原工程里试验，撤回一次尝试的代价较小，这支持了它的创作价值。</p>
<p>但专业订阅要经历更长的检验。试听时令人意外的声音，能否在客户提出修改后继续使用？制作人能否保住已经满意的部分，只调整有问题的一处？这些要求会随着作品接近交付变得更严格。灵感阶段容得下的偶然性，在最后一次修改时可能成为负担。</p>
<h2>已有工程包含了制作人不能随意交出的东西</h2>
<p>Bridge需要上传用户选定的Ableton工程及音频文件，才能理解音乐上下文。这个步骤也会决定谁能使用它。</p>
<figure class="wp-block-image"><img decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261116-suno-bridge-02.webp" alt="Suno Bridge提示Ableton工程文件将发送至Suno，并显示上传按钮。来源：Suno。" /><figcaption>图：Bridge在分析工程前显示的上传提示。来源：Suno。</figcaption></figure>
<p>个人原创草稿较容易作出选择。多人合作的项目可能包含尚未发行的人声、客户交付的录音，或由其他权利人提供的素材。负责操作软件的人，需要先弄清自己能否把这些文件交给另一家服务商处理。一次方便的同步，可能涉及数位合作者此前的约定。</p>
<p>Suno表示，上传音频会经过版权过滤，被识别出的权利人素材将被阻止摄入。这一设计还带来实际制作上的问题。如果工程中部分素材无法进入，模型所理解的音乐上下文是否足以支持所需的生成？用户需要在真实项目中才能得到答案。</p>
<p>工程上传后的具体留存、删除和使用边界，同样影响专业团队的选择。目前Bridge帮助页引导用户查看通用条款和隐私说明，公开资料不足以让我们确认每一种客户项目的适用情况。对工具开发者而言，把这些条件讲清楚，直接关系到产品能否进入有保密要求的工作。</p>
<p>这也说明专业用户为何可能继续依赖原有软件。Ableton里保存着他们的编排、插件设置和合作习惯，Bridge接近这些积累才获得使用机会。接入成功后，Suno仍需凭生成结果争取每一次调用。熟悉的制作环境同时降低了试用门槛，也保留了用户停止调用它的余地。</p>
<h2>续费要等下一首歌来回答</h2>
<p>投黑马判断这类音乐AI公司的商业质量，会优先观察制作人完成第二个、第三个项目时是否继续调用，以及被采用的音轨需要多少人工修改。首轮试用中的生成次数，容易混入好奇心和反复试错；跨项目保留下来的使用习惯，更接近可持续的需求。</p>
<p>目前，Bridge的公开材料展示了明确的接入方式，尚不足以证明它已经降低专业制作的总工时。它的机会在于让用户把自己的创作积累带进来，用较小的代价试一个新想法。随后，软件必须接受整首作品的要求。</p>
<p>如果后续制作案例显示，用户能在客户修改后保留生成片段，并更快完成交付，这将支持持续订阅。若试听数量越来越多、最终采用的声音依然很少，接入时间线带来的便利就需要重新估价。制作人下一次打开旧工程时，愿不愿意再让Bridge参与，会比首日生成了多少音轨更有说服力。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>谷歌推出Gemini决策接口：AI怎样分拣视频素材</title>
		<link>https://touheima.com/signal-20261114-gemini-decision-video-triage/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Sat, 14 Nov 2026 10:45:06 +0000</pubDate>
				<category><![CDATA[前沿科技]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Gemini Decision 1]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[视频素材管理]]></category>
		<category><![CDATA[谷歌]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3104</guid>

					<description><![CDATA[Gemini决策接口能对同一段视频回答多道预设问题。以访谈入库为例，拆解怎样标记机位和空镜、怎样复核漏标，以及每条有效标签的成本怎么计算。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/signal_list/">前沿科技</a> / 2026年11月14日 / 全文共1808字</p>
<p>11月11日，谷歌推出Gemini决策接口，并开放配套模型Gemini Decision 1供开发者调用。把一段视频和几道预先写好的问题一起提交，接口可以分别判断画面有没有受访者、镜头属于哪种景别、声音是否适合进入下一轮筛选。结果按字段返回，素材管理系统可以据此生成标签或把片段送给人复核。这些是可以设计的入库检查，准确率要用团队自己的素材验证。</p>
<p>一位独立开发者用同一段视频问了四个是非题，其中两题分别问画面有没有机器人和龙。接口给出的「是」概率约为92%和5%。这次测试公开了输入视频、问题和返回值，证实这类视频调用已经跑通。四项判断都来自同一段视频，样本还不足以估算影视素材的误标或漏标率。</p>
<h2>素材入库时，可以问哪些问题</h2>
<p>假设一档双机位访谈录完，文件夹里混着主持人近景、双人全景、开拍前的环境空镜和独立录音。同一台相机在不同段落也可能换构图。素材管理员可以先按相机编号、拍摄时间和场记记录归档，文件里缺少的内容标签，再交给模型补一轮。</p>
<p>Gemini决策接口接收一份共享输入。制作团队可以同时提交视频和场记文字，并给每道题单独写判断标准。是非题可以问「画面是否出现受访者」，选择题可以让模型在「单人近景」「双人同框」「无人物空镜」「其他」中选择。分级题则可以根据对白清晰度评分，把偶有背景声和大段无法听清分开。每道题单独判断，系统需要在收到结果后再组合处理。</p>
<p>例如，镜头景别可以直接成为一个搜索标签。画面只有空椅子、音轨却录到了采访时，系统仍应留下原素材，并把它标进音频复核队列。把画面和声音的判断分开，剪辑师就能找到可以保留的声音，也能避免用一个画面标签盖掉声音信息。声音与哪个机位同步，仍需用时间码或对齐波形来确认。</p>
<p>谷歌文档给出的单次上限是对同一份输入问1,000道独立问题。若目标是定位一小时访谈里哪几秒出现空镜，制作团队可以先按时间码或镜头边界切出代理片段，保留原素材编号和起止点，再分别提交判断。之后由素材系统把标签写回对应区间，剪辑师才能点开结果回到原片。对整段视频只问一次有没有空镜，答案的用途主要是筛查。</p>
<h2>模型很有把握，剪辑师还要看什么</h2>
<p>接口会随答案返回置信度。以是非题为例，「存在清楚对白」的概率描述该条件有多可能成立，置信度取「是」和「否」两个概率中较高的那个。比如模型给「是」8%的概率，置信度就是92%，对应它倾向于回答「否」。实际有多少判断正确，要拿人工标注的素材对照。背景里有人说话、主持人的画外音和受访者能直接剪用的对白，可能落在同一条录音里。问题只写「有没有人说话」，即使判断很准，结果也未必能指导剪辑。</p>
<p>素材里还会冒出预设类别没有覆盖的画面，比如双机位同步时拍到的场记板。谷歌文档建议给选择题留出「其他」，也可以另问素材是否符合分类范围。投黑马会先用一批已经人工标过的项目设定复核阈值，再抽查高置信度标签。只看低置信度队列，可能发现不了一批被模型自信标错的素材。</p>
<p>漏标和误标也应分开记录。把一段空镜误标为双人画面，剪辑师点开就能修正。把一段能用的补录漏掉，剪辑师搜索相应标签时可能一直找不到它。首次试用时可以只把模型结果作为可撤销的候选标签，并保留原场记。团队用这些标签做过几轮实际检索后，再决定哪些能直接写入正式素材库。</p>
<h2>一条有效标签到底花多少钱</h2>
<p>谷歌公布的付费档价格是每100万个输入词元0.10美元，输出词元不计费。同一个请求里，视频等共享输入计费一次，各道题另计指令和判断标准占用的输入词元。一段短片需要同时检查景别、人物和声音时，可以合在同一次调用。重新切段或换分辨率后再次提交，则按新的请求计费。</p>
<p>官方文档允许为视频设置媒体分辨率。判断画面是单人近景还是双人同框，可以先试较低分辨率。要看清远处的场记板或画面里的小字，代理片段可能需要更高分辨率，或者改由剪辑师回看原片。片段切多长、每段用多少词元，可以通过返回的用量字段核对。谷歌在上下文不超过约1.6万词元的测试中报告了150至250毫秒的端到端延迟。制作团队排期还要计入转码、上传和队列等待，长视频的吞吐需要单测。</p>
<p>同一份素材可以带着很多问题提交，隔夜整理几百条素材则需要逐条安排请求。当前模型不支持谷歌独立的批处理接口，摄制团队一次交来很多文件时，软件要按账户的请求和词元限额排队。试用时可以记录整批素材何时到齐、何时可搜索，把失败重试和需要复核的片段算进去。</p>
<p>对已能从相机元数据或场记表读出的字段，素材系统直接导入就能完成。对安静段落，音量阈值也能先筛一遍。碰到背景音乐很响、现场人声却听不清的片段，音量规则很难判断它能否剪用。这类问题才适合试用模型。未公开素材若要走云端接口，团队还要先核对客户是否允许上传，以及当前账户的数据处理条款。</p>
<p>对做素材管理和视频质检的创业团队，投黑马会用每条被剪辑师采纳的有效标签算成本。拿同一批访谈对照人工流程和模型辅助流程，分别记录入库时间、复核工时、有效标签数和被遗漏的可用镜头。若镜头能更快被找到，剪辑师也能直接跳回原片，团队才有理由为这套入库工具付费。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Adobe预览本地MCP：AI能接手哪些剪辑工作</title>
		<link>https://touheima.com/signal-20261112-adobe-local-mcp-editing/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Thu, 12 Nov 2026 08:54:51 +0000</pubDate>
				<category><![CDATA[前沿科技]]></category>
		<category><![CDATA[Adobe]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[MCP]]></category>
		<category><![CDATA[Premiere]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3066</guid>

					<description><![CDATA[Adobe本地MCP预计2027年初私测，将让第三方AI助手直接修改Premiere工程。以长访谈为例，拆解哪些粗剪工作已有测试版支持，以及怎样算清接手和返工成本。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/signal_list/">前沿科技</a> / 2026年11月12日 / 全文共1837字</p>
<p>11月10日，Adobe在迈阿密举行的MAX大会上预览了Adobe本地MCP。按公司的计划，剪辑师可以让自己选用的第三方AI助手直接操作电脑上的Premiere工程，助手改过的素材箱和剪辑序列仍能手动编辑。Adobe预计在2027年初开启私测。</p>
<p>外媒在大会现场看到，Adobe用一个第三方助手把长播客剪成多条社交媒体短片。一段演示展示了长素材可以怎样被重新组织，团队日常用它能省多少时间，还要看选段质量和接手成本。与此同时，Premiere内置AI助手已有测试版。Adobe的帮助文档列出了整理素材、生成转录和组装粗剪等能力，为判断哪些工作可以先交出去提供了更具体的依据。</p>
<h2>一段长访谈，哪些工作已经可以交给助手</h2>
<p>假设剪辑师收到一场双机位访谈，要给客户做一条横版正片，再挑几个适合单独发布的短段。正式剪之前，他得理清两个机位、现场音轨和补拍镜头的关系，还要在逐字稿里标出值得回看的回答。这些工作通常先于节奏和叙事判断，做错了也容易定位。</p>
<p>Premiere原有的文本剪辑已经能把素材转成逐字稿，剪辑师据此定位原话并编辑片段。内置助手在这套操作上多做了一步。剪辑师可以要求它为工程中的片段建立素材箱、按约定命名、生成转录、加标记，再把选中的素材排到时间线上。Adobe文档称，助手还可以生成字幕文件、加遮罩或调整构图。</p>
<p>内置助手的操作对象是工程里已有的素材和项目条目。客户通过其他渠道补来的一段录音，要先导入并确认它属于哪个机位，再让助手把它纳入剪辑。</p>
<p>外媒在会前看到过一项更具体的演示。Adobe用一条指令同步了三个机位及其音频，结果是可以继续修改的多机位剪辑片段。对访谈制作而言，剪辑师可以先检查嘴形和声音对不对，再选在哪一句切机位。这比仅看一段导出视频更容易定位问题。会前演示使用的是Premiere内置助手，公开材料尚未列出第三方助手能调用的完整操作清单。</p>
<p>至于选段，剪辑师可以先让助手找出嘉宾谈到某个话题的时间点，再按采访提纲拼出候选序列。是否保留一句回答前的限定条件、能否挪动两段话的顺序，仍得回到源素材判断。一条短片可以剪得顺畅，但删去「只在这个项目里」几个字，就可能让受访者的经验听起来像普遍结论。</p>
<h2>第三方助手改完，剪辑师怎样接手</h2>
<p>Adobe本地MCP提供的是一条应用接口。MCP是模型上下文协议，助手可以通过它调用软件开放的操作。Adobe预览的范围包括Premiere、After Effects、Photoshop和Illustrator。以Premiere为例，素材箱组织源片段，序列则保存片段在各轨道上的排列。助手改完序列后，剪辑师仍可拖动剪辑点、替换镜头或调整单条音轨。</p>
<p>这对已经用外部助手整理采访纪要的团队尤其相关。假如客户的审片意见和时间码已经整理好，下一步可以尝试让同一个助手按意见修改一份交付序列，再由剪辑师确认。比如客户只要求重剪第二条短片的开头，剪辑师首先要看这次改动能否限定在该序列，并检查正片与其他短片引用的素材有没有受到影响。</p>
<p>Adobe在内置助手的文档中说明，工程里的编辑会进入Premiere的撤销历史，用户也可以设置助手在何时请求许可。第三方接入的规则要看私测版。Adobe接受外媒采访时表示，开放哪些操作还会根据用户反馈调整。剪辑团队尤其需要弄清，授权能否细到某个工程或序列，以及连续操作做到一半出错时，可以撤销单步还是需要恢复整个版本。</p>
<p>「本地」指Adobe公布的集成会在用户电脑上的工程里执行改动。助手理解指令时使用哪种模型、是否上传逐字稿或素材、外部工具能够读取哪些内容，则要看实际接入方式。Adobe也在内置助手的文档中明确，有些工具在本地运行，有些需要将素材送到云端处理。对未公开样片，投黑马认为，首先该核对的是哪一步会读到源素材，哪一步会把内容送出剪辑工作站。这个问题会直接决定哪些项目可以参加试点。</p>
<h2>多少返工会吃掉省下的时间</h2>
<p>每周反复做访谈切条的团队可以用同一份素材做两次粗剪，一次沿用现有流程，一次交给助手先整理并组装。两版按同一份简报验收，交付物应包括可打开的工程和可追溯的源片段。计时可以停在剪辑师确认初剪可进入审片时，把检查字幕、人名、音画同步和引用上下文的时间一并算进去。单看助手多快排完时间线，容易漏掉这些人工成本。</p>
<p>要观察的还有修改意见来了以后会发生什么。假如客户要求保留一段原话并压短片尾，剪辑师应能找到对应的原始素材，知道助手改了哪些地方。工程看起来完整，却得逐条重查素材引用，节省的时间就会被吃掉。片段缺失或多机位错位时，能否迅速定位到一次具体操作，也会影响团队是否愿意把助手接进常规流程。</p>
<p>对做剪辑助手和审片工具的创业团队，投黑马更看重按客户工作流交付的能力。访谈制作有固定的命名、审片和交付习惯，工具可以先接手其中一个反复发生的步骤，例如把获批的审片意见整理成可逐条确认的工程改动。试点时可以看每条获批短片的总工时和返工次数，再把工具费用、模型用量与人工复核计入成本。Adobe文档确认内置助手会消耗Firefly点数，第三方接入的用量和收费仍待披露。</p>
<p>下一项有用的证据会来自私测中的普通工程。拿一条经过多轮审片的访谈短片，交给另一位剪辑师打开工程，找到原话、撤回一次错误的批量修改，再完成客户的最后一条意见。这个交接过程花多长时间，比一次顺利的台上演示更接近制作团队的采购判断。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Sand.ai 2亿美元A+轮：谁赚视频推理的钱【融资深读 第026期】</title>
		<link>https://touheima.com/funding-20261111-sand-ai-video-inference/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Wed, 11 Nov 2026 01:55:39 +0000</pubDate>
				<category><![CDATA[融资深读]]></category>
		<category><![CDATA[AI基础设施]]></category>
		<category><![CDATA[AI大模型]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Sand.ai]]></category>
		<category><![CDATA[VidMuse]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[网宿科技]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3056</guid>

					<description><![CDATA[<p>Sand.ai完成2亿美元A+轮融资，网宿联合领投。拆解3亿元投资安排、可用视频成本与VidMuse收入，追问降本收益如何在模型、算力和应用之间分配。</p>
]]></description>
										<content:encoded><![CDATA[<p>Sand.ai完成2亿美元A+轮融资，网宿联合领投。拆解3亿元投资安排、可用视频成本与VidMuse收入，追问降本收益如何在模型、算力和应用之间分配。</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>英伟达发布GR00T 2：机器人卡住后怎样接着干</title>
		<link>https://touheima.com/signal-20261110-groot2-robot-recovery/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Tue, 10 Nov 2026 08:52:54 +0000</pubDate>
				<category><![CDATA[前沿科技]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[GR00T 2]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[异常恢复]]></category>
		<category><![CDATA[投黑马]]></category>
		<category><![CDATA[机器人]]></category>
		<category><![CDATA[英伟达]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3047</guid>

					<description><![CDATA[GR00T 2配合规划智能体后，在英伟达三组玩具装配测试中每百次成功97至98次。本文拆解掉件后怎样恢复、螺丝没拧紧为何会被误判，以及工厂该怎样核算停机和人工接管。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/signal_list/">前沿科技</a> / 2026年11月10日 / 全文共1881字</p>
<p>美国当地11月9日，英伟达在奥斯汀的机器人学习大会上介绍GR00T 2。研究团队把玩具飞机、拖拉机和小汽车的零件随机倒在桌面上，让YAM双臂机器人反复组装。原本容易中断的装配有了另一条执行路径：零件掉落或动作停滞时，由规划智能体调用恢复程序，处理完再交回动作模型继续。</p>
<p>英伟达在三种玩具上分别做了100次测试。加入智能体监控和恢复程序后，每组成功97至98次。把这套办法搬进工厂，还得弄清机器会在哪里卡住、多久能恢复，以及哪些异常必须交给人。</p>
<h2>零件掉了，谁来决定下一步</h2>
<p>以玩具飞机为例，机器人要对准螺丝孔、用玩具电钻固定一侧机翼，再把机身翻过来固定另一侧。两侧机翼都锁紧、工具也放回桌面，这次装配才算成功。中间一次抓取没抓稳，后面的动作就可能失去前提，继续照着原来的步骤做也很难补救。</p>
<p>GR00T 2读取近期摄像画面、任务指令和机器人状态，同时预测接下来可能看到的画面与一段动作。机器人执行这段动作，再依据新的观测更新下一段。画面预测让模型在学习手怎样移动的同时，也学习物体会怎样随动作改变，例如零件被夹起以后应出现在哪里。</p>
<p>规划智能体负责检查进度。研究报告描述的做法是，智能体通过工具接口读取相机和机器人状态，发现掉件或停滞时，调用一段专门处理当前故障的动作程序。程序可以尝试把工作恢复到能继续的位置，随后由动作模型接着完成装配。部分恢复技能先在仿真里开发，再迁到真机。</p>
<p>白皮书还给出了网线插接的例子。机械臂要把五根网线依次插入指定端口，动作模型负责插接，规划智能体核对端口与链路状态。插接停滞或超过60秒时，恢复程序会抽回接头再试，每个端口最多尝试三次。全部插到指定端口才算完成一轮。</p>
<p>在相同的智能体框架下，经过真机强化训练的版本完成19轮，监督训练版本完成12轮，两者各做20轮。这个对照把插接技能本身的贡献单独量了出来。要让重试生效，机械臂得能重新对准接头，还要做得出精度足够的插入动作。</p>
<p>这种分工的好处是，机械臂还能使用学到的精细动作，遇到局部问题时也有机会补救。它对异常识别和恢复工具都有要求。镜头看不清问题，或工具库里没有合适的动作，规划智能体能做的判断就有限。</p>
<h2>三组装配实验测到了什么</h2>
<p>英伟达白皮书给了三组条件。仅用监督式后训练时，飞机、拖拉机、小汽车分别成功69、51和23次。训练中加入机器人执行时收集的纠错示范后，成功次数升至84、71和78次。最后在同一后训练策略上加入规划智能体和恢复程序，三个数字变为98、97和97次。</p>
<p>每种玩具在每种条件下各做100次。测试前零件随机散放，起始布局没有出现在后训练数据中，凡是需要人帮忙完成的试验都计作失败。纠错训练和运行中的恢复各有贡献，现场评估时应该分别保留这两组对照，才能知道改善来自哪一步。</p>
<p>加入恢复程序的300次测试仍有8次失败。其中3次螺丝没拧到位，动作模型和规划智能体却都判断这一步已经完成。另有3次是轮子装错后才介入，现有程序难以撤销。剩下2次分别是螺丝掉出桌面和螺丝卡住。</p>
<p>这份失败记录对工位设计有直接价值。投黑马建议先区分能重新抓取的掉件和肉眼不易确认的装配质量问题。前者可以尝试自动恢复，后者可能需要扭矩读数、位置传感器或工装检测来确认。若同一幅画面不足以判断螺丝是否锁紧，增加一次视觉检查也未必能放行合格件。</p>
<h2>机器人等指令的时间也要算进去</h2>
<p>恢复带来的收益要和等待一起看。白皮书在另一项垃圾分拣实验中记录了YAM双臂机器人的耗时。规划智能体同时给出文字指令和画面标记时，单轮用时中位数为186秒，机器人约38%的时间在等智能体。只给文字指令时，等待占比为29%，单轮用时中位数却是306秒。</p>
<p>等待比例较高的一组整体反而更快。白皮书记载，只给文字指令时，错抓和错放占用了后续步骤，有些物品最后没来得及尝试分拣。两组数字来自分拣，装配的节拍仍需要单独测量。工位上的判断要看每小时合格件数，也要记录失败件是自动恢复、重新加工，还是需要停机请人处理。</p>
<p>对做机器人集成和质检的创业团队，投黑马更看重可以跟客户一起复核的故障清单。试点可以固定同一设备、同一物料和同一班次，比较接入恢复程序前后的每千次人工接管次数、停机分钟数和误放行件数。再把传感器、算力、工位改造和维护纳入每件合格品的成本，才能判断客户有没有理由为恢复能力付费。</p>
<p>验收时也可以故意放偏一件物料，或者用测试件模拟螺丝未锁紧，让系统在可控条件下遇到异常。工厂和集成商可提前约定重试次数、停机条件和交接给人工的方式。这样即使一个异常无法自动恢复，也能知道机器会在哪一步停下。</p>
<h2>厂商已经公布了哪些应用进展</h2>
<p>英伟达公告提到，Nexuni在测试机器人处理洗衣物料，富士康在服务器制造自动化中应用这项技术，西门子在评估工业场景。独立行业报道核对了这些表述，目前缺少公开的产线位置、生产节拍和持续运行数据。玩具实验由英伟达团队完成，公开材料支持对实验结果的核对，第三方产线复测仍待公布。</p>
<p>GR00T 2的研究页将代码开放时间列为12月，权重、许可与部署条件要等实际交付后逐项核验。当前最适合跟踪的是已有机械臂、故障类型可归类且合格标准可测的工位。接下来可以看同一套恢复程序在换物料、换夹具后还保留多少效果，以及恢复一次耗费的时间能否低于人工到场重置的时间。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Claude 5.2双模型分级开放；谷歌推两款TPU；字节发布Seedream 5.5 &#124; 马上知道</title>
		<link>https://touheima.com/firstknow-20261110-claude-52-v2/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Tue, 10 Nov 2026 00:18:33 +0000</pubDate>
				<category><![CDATA[马上知道]]></category>
		<category><![CDATA[AI大模型]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[AI芯片]]></category>
		<category><![CDATA[Claude]]></category>
		<category><![CDATA[Nominal]]></category>
		<category><![CDATA[Seedream]]></category>
		<category><![CDATA[TPU]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3044</guid>

					<description><![CDATA[Claude 5.2以同一底层模型推出通用和受限版本。谷歌新TPU分别面向保密推理和超长上下文，Seedream 5.5主打多轮局部改图。本期同时追踪美国燃机交期和Nominal的2.4亿美元融资。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/firstknow_list/">马上知道</a> / 2026年11月10日 / 全文共3162字</p>
<h2>30秒看懂</h2>
<p><strong>最大变化：</strong> Claude 5.2推出Fable和Mythos两个版本。两者底层模型相同，安全限制和开放对象不同，企业需要按真实任务核对采购版本与可用能力。</p>
<p><strong>最大融资信号：</strong> 硬件测试软件商Nominal完成2.4亿美元C轮，融资估值30亿美元。它卖的是把试验数据变成可复查工程记录的工具，下一步看能否由单支测试团队扩展至多个项目。</p>
<p><strong>最值得追踪：</strong> 谷歌给第八代TPU补上两种用途，分别面向敏感数据推理和超长上下文。等客户能部署后，最先该看的两张单据是安全验收结果和每个任务的完成成本。</p>
<h2>AI &amp; 市场</h2>
<h3>Claude双模型按任务风险分级开放</h3>
<p>Anthropic于美国时间11月9日（北京时间11月10日）发布Claude Fable 5.2和Mythos 5.2。Fable可通过Claude平台及亚马逊、谷歌和微软的云渠道使用，Mythos则向通过审核、在网络安全或生物等双重用途领域工作的机构开放。两个版本使用同一底层模型，但针对部分高风险任务采用不同的限制。Fable拦截部分请求后，会交由旧版本Claude响应，采购方在算效果和成本时需要把这一环算进去。</p>
<p>在Anthropic公开的代理式编码评测中，Fable 5.2得分49.1%，上一版Fable 5.1为32.4%，两项都按厂商列明的高强度推理设置运行。这个数字说明新模型在该组任务上有进步，评测范围与企业代码库仍有距离。厂商也披露，新版在部分早期测试里的拦截次数有所减少，真实部署能否少打断开发人员，还要看用户所做的任务类型。（来源：Anthropic、外媒）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>投黑马会把验收重点放在任务是否完成。比如同一条代码修复请求，先用企业实际采购的版本跑一遍，记录是否切换模型，再由工程师检查补丁、测试结果和用量。若被拦截的恰好是最耗人工的那一批任务，综合得分再高也难直接换算成人力节省。后续可以盯住回退比例、人工复核时间和最终通过率，再判断是否值得扩大采购。</p>
</blockquote>
<h3>谷歌把第八代TPU拆向两类负载</h3>
<figure class="wp-block-image size-full"><img fetchpriority="high" decoding="async" width="1600" height="900" src="https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01.webp" alt="玻璃罩内的抽象模块与托住展开薄片的模块，AI生成概念图。来源：投黑马 Touheima.com" class="wp-image-3042" srcset="https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01.webp 1600w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01-300x169.webp 300w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01-1024x576.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01-768x432.webp 768w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-01-1536x864.webp 1536w" sizes="(max-width: 1600px) 100vw, 1600px" /><figcaption>图：谷歌第八代TPU新增面向保密推理的8tx及面向长上下文的8i Max。AI生成概念图。来源：投黑马 Touheima.com</figcaption></figure>
<p>谷歌在第八代TPU中加入8tx和8i Max。8tx面向涉及敏感数据的推理和模型微调，AMD同日确认，其第五代EPYC处理器用于这套系统的主机基础设施。8i Max把两颗8i放进同一封装，按谷歌披露，计算能力、片上静态存储容量和高带宽内存带宽均为单颗8i的两倍，瞄准代码库、长文档等一次要读入大量内容的任务。</p>
<p>四月公布的8t和8i分别偏重训练和低延迟推理，这次新增的两款进一步细分了使用条件。硬件容量翻倍是规格变化，具体应用能处理多长的输入，还要看模型架构、并发请求和框架如何利用内存。对正在选型的团队，客户可用条件、价格与生产环境的测试数据要一起核对。（来源：谷歌、AMD、外媒）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>大上下文和保密计算对应两套验收。处理合同或客户资料的团队，要验证运行时保护覆盖哪些数据路径；处理整座代码库的团队，要拿实际请求检查长输入下的等待时间。供应商分出两款产品后，采购方有机会按任务选配置。能否少买闲置容量，要等同一模型和同一流量下的报价与实测结果。</p>
</blockquote>
<h3>Seedream新版把多轮改图列为重点</h3>
<figure class="wp-block-image size-full"><img decoding="async" width="1600" height="900" src="https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02.webp" alt="三片透明板呈现同一枝花与不同颜色的花瓣，AI生成概念图。来源：投黑马 Touheima.com" class="wp-image-3043" srcset="https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02.webp 1600w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02-300x169.webp 300w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02-1024x576.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02-768x432.webp 768w, https://touheima.com/wp-content/uploads/2026/11/firstknow-20261110-claude-52-v2-02-1536x864.webp 1536w" sizes="(max-width: 1600px) 100vw, 1600px" /><figcaption>图：Seedream 5.5将多轮局部编辑与透明素材输出列为主要更新。AI生成概念图。来源：投黑马 Touheima.com</figcaption></figure>
<p>字节跳动Seed团队发布Seedream 5.5，已在豆包、豆包工作、即梦等产品陆续上线。官方将更新集中在局部修改、透明素材和文字渲染。以连续改图为例，厂商称评测可围绕同一作品持续编辑最多100轮，并保留未指定修改区域。透明素材可直接输出透明通道，方便把单个元素放进海报或商品图，省去一次抠图和修边。</p>
<p>按新京报报道，以2K方图编辑为例，单张成本约0.28元，低于上一代5.0 Pro同类示例的一半。价格对应特定编辑场景，开发者接口与消费端产品分别开放，团队批量使用仍需核对实际接口和计费规则。官方评测的轮数同样需要在真实业务中复测，尤其是商品包装上的细字和重复出现的标记。（来源：字节跳动Seed、新京报）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>设计团队可以抽一组历史上反复返工的商品图，只改活动颜色或背景，再检查条码、品牌名和产品边缘是否跟着变。若人工检查和重做次数一同下降，便宜的单次调用才会反映到交付账单。下一次验证应以接口上线后的真实批量任务为准，记录每张验收通过图片的总耗时。</p>
</blockquote>
<h3>阿里云提高个人AI订阅额度</h3>
<p>阿里云百炼11月9日公告，当晚20时起调整Token Plan个人版。月费39元的Lite档额度由1.15万增至2万点，Essential、Standard两档同样维持月费并提高额度。Pro额度由18万点增至20万点，据IT之家报道，月费由499元降至312元。存量用户本周期按新额度补齐，Pro新价在下一个订阅周期生效。（来源：阿里云公告、IT之家）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>额度点数由不同工具和任务消耗，套餐加量之后，高频用户可以用同一批代码任务重跑，比较点数支出和超额购买次数。这个变化比首购优惠更有参考价值，因为它也覆盖存量用户。</p>
</blockquote>
<h3>千问办公推出多人协作空间</h3>
<p>千问办公11月9日发布2.0。团队成员可在同一协作空间讨论和交办事项，智能体利用空间里的资料及讨论记录整理进展、安排待办。新版还提供由消息、审批或待办触发的自动任务，在线文档和表格继续沿用各自权限。（来源：千问办公更新日志、凤凰网科技）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>共享资料能减少来回转交文件，权限配置仍要跟上。企业可先用一个跨部门流程试跑，检查只有相应成员能看到原文，并能查到任务由哪条消息触发、谁批准了修改。</p>
</blockquote>
<h2>商业科技</h2>
<h3>数据中心开发商询购二手燃机</h3>
<p>外媒11月9日采访设备经纪商、供应商和分析师发现，一些数据中心开发商正在询购二手燃气轮机或寻找可翻新的机组。伍德麦肯兹受访分析师估计，美国新机平均交付时间约六年，近期不少交付谈判指向2030至2031年。设备经纪平台ReflowX负责人披露，两台各14.5兆瓦的二手机组合计成交1,250万美元，买方身份未公开。（来源：外媒）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>二手设备可能缩短采购等待，但接气、安装和维修都会影响实际通电日。比较两份报价时，可以要求供应商同时列出预计交付时间、维保范围和可连续运行的时数，再算提前投运的价值。</p>
</blockquote>
<h3>晶泰与法国药企签署小分子研发合作</h3>
<p>晶泰科技在港交所披露，旗下两家全资子公司与Pierre Fabre集团成员签署研究合作协议，先做多个肿瘤学项目，也可能扩展到皮肤病和罕见病。晶泰负责运用人工智能与机器人平台设计并交付新型小分子候选成果，法国药企参与筛选和推进，负责后续临床及商业开发。协议包括前期付款、里程碑付款和后续分成，公告未披露具体靶点及金额。（来源：晶泰科技港交所公告、AASTOCKS）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>签约把谁负责设计、筛选和推进临床写清楚了。项目进度可先看双方是否披露候选化合物的选择或阶段付款，现有条款无法推算整项合作的收入，也无法据此估计药物最终进入临床的概率。</p>
</blockquote>
<h3>恩智浦先为无人机提供机器人开发套件</h3>
<p>恩智浦推出统一机器人平台，将感知、实时控制、人工智能处理和通信纳入同一套架构。首批提供无人机参考设计与开发套件，开发者可以用现成组件搭建样机，再按用途调整各部分。公告针对的是开发与集成环节，未给出整机量产订单，也未披露客户用这套架构后的开发周期。（来源：恩智浦、外媒）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>共用套件能否降低成本，要看同一套软件在换传感器或控制板后需要重做多少。后续可观察客户是否把参考设计用于不同机型，以及样机进入量产前要做几轮适配。</p>
</blockquote>
<h2>融资快报</h2>
<h3>Nominal融资2.4亿美元做硬件测试</h3>
<p>Nominal宣布完成2.4亿美元C轮，融资估值30亿美元，由光速创投领投、Insight Partners共同领投。公司提供硬件工程与测试软件，将仪器读数、试验条件和工程记录集中起来，团队可以按同一次试验查看问题出现前后的数据。公司称已服务超过80家商业及其他机构。同一批原始读数经过校准、换算和筛选后，可能产生不同的判断。对采购方而言，工具的价值在于让后来接手的人仍能找到当时的读数和处理记录，再复查当初为什么放行。估值较三月融资时约为三倍，客户数和估值均不能用来倒推出营收。（来源：Nominal、外媒）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>硬件公司愿为可追溯的试验记录付费，因为定位故障慢一周，可能连带拖延下一次排期。软件商要把一次部署做成经常性收入，需要证明测试线扩建时客户也会多买。可追踪同一客户能否由单条测试线扩到多个项目，以及新项目的接入成本是否下降。</p>
</blockquote>
<h3>优理奇获5亿元Pre-A轮融资</h3>
<p>据新京报和华尔街见闻报道，优理奇机器人完成5亿元Pre-A轮融资，老股东谢诺投资、涌铧投资追加，绿地集团等新进。报道引述企业披露，绿地同时是应用合作伙伴，双方计划围绕安保、酒店、康养等场景继续合作。现有公开报道未给出绿地计划部署的台数，也未披露相应采购金额。（来源：新京报、华尔街见闻）</p>
<blockquote>
<p><strong>【投黑马点评】</strong></p>
<p>产业方参投能让机器人更快进场试用。观察商业化进展时，可以分开记录股东提供的场景和独立客户的续购，再看付费部署是否持续，以及同类场地的服务成本能否随交付量下降。</p>
</blockquote>
<h2>今日信号</h2>
<blockquote>
<p><strong>信号：</strong> 投黑马会按实际验收拆开这批产品的账单。代码修复要有人核对结果，图像编辑要有可用成品，硬件测试要能追到问题发生的那一刻。公开规格和报价告诉读者可以试什么，客户才有数据说明哪些环节真正省下了时间。</p>
<p><strong>追踪方向：</strong> 先看Claude回退比例、人工复核时间与任务通过率，记录三个指标是否一起改善。等新TPU可用和Seedream开发接口上线后，再分别核对典型工作负载的费用与合格图片的交付耗时。已采用二手燃机的数据中心，则看公布的设备到场时间能否兑现为实际上电。</p>
</blockquote>
<h2>研究导航</h2>
<p>当企业必须同时满足任务效果、访问权限和可审计记录，它会把新增预算交给模型供应商，还是交给能核验完整工作过程的软件商？</p>
<p class="has-text-align-right" style="text-align:right"><strong style="color: #000000 !important">── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>《持械入宋》走红后，AI短剧团队为何主动减产</title>
		<link>https://touheima.com/heima-observation-20261109-chixie-rusong/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Mon, 09 Nov 2026 04:35:44 +0000</pubDate>
				<category><![CDATA[黑马观察]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[持械入宋]]></category>
		<category><![CDATA[早期投资]]></category>
		<category><![CDATA[红果短剧]]></category>
		<category><![CDATA[老十一剧场]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3039</guid>

					<description><![CDATA[《持械入宋》走红后，团队把月产量从最高20部降到个位数。承制经验、分段协作与平台分发共同支撑了这次选择，但减产能否持续，仍要看回款能否覆盖工时、返工和失败项目。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/heima-observation/">黑马观察</a> / 2026年11月9日 / 全文共2123字</p>
<p>《持械入宋》走红之后，制作团队做了一个与AI生产效率颇有距离的决定：少做几部。11月9日，界面新闻与澎湃新闻刊出的主创采访都提到，团队月产量曾达到20部，如今降至个位数。投黑马认为，这个选择揭示了小型AI工作室的经营条件：工具节省的制作时间，需要有前期收入和成熟协作支撑，才可能被投入下一部作品的打磨。能生成更多镜头，也就有了更多需要人作出取舍的地方。</p>
<p>人们很容易喜欢这个团队的故事。成员中有网约车司机、送货从业者和需要接送孩子的母亲，许多人至今没有线下见过面。他们完成了一部受到广泛讨论的短剧。这样的机会值得珍惜。把他们此前承制项目的经历、反复返工的夜晚和家庭生计一并算进去，这个故事才足以供后来者参考。</p>
<h2>能够少做，首先得活下来</h2>
<p>按照主创向两家媒体的介绍，30多名成员分属不同项目组，直接承担《持械入宋》创作的核心成员有6人。团队早期靠承制项目积累经验，产量最高时五个小组同时运转。李朝华向界面新闻解释，成员需要先获得收入，做出成绩后才有条件投入更想做的内容。</p>
<p>这段经历给「减产」补上了前提。一支刚开始接单的团队，每月都有算力支出，也有人要支付房租和养育孩子。接受更多订单可以带来收入，帮助成员留下来，还能在有交付期限的项目中学会合作。用今天的成绩批评早期追求产量，容易忽略他们当时可供选择的余地。</p>
<p>但订单增加到一定程度，新的问题也会出现。每多接一个项目，都要有人理解故事、确认人物、检查镜头之间的关系。生成工具可以帮助做出候选画面，却无法替团队决定某一段情绪应该保留多久。几个项目同时等着修改时，最熟悉故事的人会成为大家共同等待的那个人。</p>
<p>澎湃新闻的采访提供了一项具体变化：减产后，单部精品剧消耗的生成额度上升，团队总体算力消耗反而下降，更多时间被安排给原著研读和内容构思。这至少说明，团队重新分配了自己的时间与预算。它也意味着，每部留下来的作品需要承受更多期待，选错一个本子，失去的可能是下一部作品的机会。</p>
<p>因此，少做几部不能直接推导出更高利润。团队向界面新闻确认花过约100万元算力费用，具体收益尚未披露。人的工时、未采用的镜头和此前失败项目还没有完整账目。减产能否长期维持，最终要看回款能否让成员有余地继续这样工作。</p>
<h2>六个人怎样完成同一部剧</h2>
<p>《持械入宋》的组织方式，比成员的原来职业更能解释它怎样完成。按张汉生向澎湃新闻的介绍，成员没有固定薪资，收益按有效成片时长和分工占比分配。每位主创独立制作分到手上的完整段落，再把它们合成一部作品。</p>
<p>这样的安排让个人可以把编排、生成和剪辑放在一起考虑。发现一句台词与画面不合，负责这一段的人能够直接调整，减少工序之间来回传递的等待。对于需要围绕家庭安排工作的人，完成一个有明确边界的片段，也比整天在线等待分派任务更容易安排。</p>
<p>分头制作同时带来一个麻烦：六段各自成立的内容，未必能连成同一部剧。导演何秀山介绍，他们使用统一的人设、场景和道具资产库，并事先对齐人物性格、故事走向与情绪表达。这个过程需要反复商量，也需要有人作出最终判断。</p>
<figure class="wp-block-image"><img decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261109-chixie-rusong-01.webp" alt="五人主角团身着现代装备的角色图，保持原比例，仅缩放编码。 来源：澎湃新闻" width="752" height="1200"><figcaption>图：《持械入宋》角色剧照。来源：澎湃新闻。</figcaption></figure>
<p>同一张人物参考图只能帮助观众认出角色。角色刚刚经历了什么、下一场戏该如何反应，需要制作这一段的人理解前后文。团队此前在承制项目中积累的默契，可以减少这种解释的次数。若新成员必须从头学会这一套，扩充人数就会增加带教和审片工作，公司的产能很难按人数同比增长。</p>
<p>按成片分配收益还留下了另一个问题。选本子、统一资产、审片和帮助别人改稿，都可能影响最终质量，却不一定直接增加个人交付的分钟数。外界尚不知道这支团队怎样为这些工作计酬。对准备采用类似协作方式的创业者，结算办法需要给这些劳动留下位置，否则成员可能更愿意赶完自己的一段，把共同的问题留给少数人承担。</p>
<p>这并不削弱分布式协作的价值。它让一些原本难以进入传统剧组的人有机会共同创作。但独立安排时间也伴随着收入波动，返工与等待结算会落在具体的人身上。描述这种组织时，应该把他们获得的自由和承担的工作一起讲清楚。</p>
<h2>上传之后，作品仍需要被看见</h2>
<p>主创表示，他们没有为《持械入宋》投流，上传并通过审核后，作品由平台继续分发。这个说法值得认真记录。它给资金有限的创作者提供了希望：制作团队可能凭作品获得较大传播，而不必先负担大额买量支出。</p>
<figure class="wp-block-image"><img loading="lazy" decoding="async" src="https://touheima.com/wp-content/uploads/2026/11/heima-observation-20261109-chixie-rusong-02.webp" alt="现代与古装造型并置的原版海报，保留持械入宋题字及原比例。 来源：红果短剧" width="640" height="914"><figcaption>图：《持械入宋》官方海报。来源：红果短剧。</figcaption></figure>
<p>不过，团队没有支付投流费用，并不能说明流量没有成本。红果、抖音和番茄的分发能力，仍然决定作品怎样接触观众。创作者能够选择本子、调整片段，能够影响观看体验，对推荐位置和触达规模的控制则有限。一次成功的分发，也不能自动成为下一部作品的发行承诺。</p>
<p>报道中的播放数字同样需要放回这个关系里看。界面新闻写全网播放超过66亿，澎湃新闻写超过120亿，两者统计时点与范围尚未统一。对一部跨平台、多季、多集连载的作品，累计播放量能提示传播规模，无法直接换算为独立观众，更不能据此推算团队收入。</p>
<p>对一级市场投资人，投黑马会优先追问下一部作品如何交付和结算。共享素材能减少多少返工，核心成员能否带出新搭档，平台回款能否覆盖完整制作周期，这些问题决定一支团队能否持续做剧。用单部爆款的播放数字给公司估值，会把尚未验证的下一次成功提前计入价格。</p>
<p>公平地说，一部好作品也有运气的成分。原著本身的吸引力、观众当时的兴趣和平台推荐，都可能帮助《持械入宋》走红。现有材料无法证明，减产本身导致了成功。主创承认运气参与其中，比替他们总结一套稳赚的方法更诚实。</p>
<p>团队已表示正在尝试现代题材的新IP。假如它能够在新的故事里再次留住观众，并让成员获得与投入相称的收入，减产就更接近一种可持续的经营选择。若后续作品长期难以回收成本，就需要重新调整选本子、制作投入与接单的比例。那些曾靠承制项目站稳脚跟的人，终于有机会把时间花在自己喜欢的故事上；这种选择能维持多久，将比一时的热闹更有分量。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI激光灭蚊器：一个新奇产品背后的硬件创业机会</title>
		<link>https://touheima.com/signal-20261105-photon-matrix-hardware/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Thu, 05 Nov 2026 00:58:08 +0000</pubDate>
				<category><![CDATA[前沿科技]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Photon Matrix]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[光之矩]]></category>
		<category><![CDATA[消费电子]]></category>
		<category><![CDATA[硬件创业]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=3002</guid>

					<description><![CDATA[AI激光灭蚊器带来哪些硬件创业机会？创新地图以光之矩的产品与现场交流为例，讨论猎奇需求、技术积累，以及AI和硬件供应链对创新门槛的影响。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/signal_list/">前沿科技</a> / 2026年11月5日 / 全文共1989字</p>
<p>最近，《纽约时报》刊登了一篇报道（A Powerful Mosquito-Hunting Laser Uses A.I. to Zap Winged Pests），介绍了一款 AI 激光灭蚊器。而这款设备来自中国常州的创业公司 Photon Matrix（光之矩）。</p>
<p>文章介绍道，这台设备售价接近 1000 美元，会用激光雷达扫描空中飞行的小目标，发现蚊子后进行追踪，再通过激光击中蚊子，让它失去飞行能力。听起来像科幻电影里的场景，如今却成了一款消费产品。</p>
<p>当然，《纽约时报》的记者还不无担忧地提醒，这类小目标探测和激光拦截技术也可能有军事用途。</p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" class="wp-image-2998" src="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-01.webp" alt="王煜全与周其仁老师拜访常州光之矩。来源：创新地图" width="1080" height="579" srcset="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-01.webp 1080w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-01-300x161.webp 300w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-01-1024x549.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-01-768x412.webp 768w" sizes="auto, (max-width: 1080px) 100vw, 1080px" /><figcaption>王煜全与周其仁老师拜访常州光之矩。<br />
来源：创新地图</figcaption></figure>
<p>其实，在《纽约时报》报道之前，我们已经去过这家公司，现场看过设备演示，也和创始人交流了不少技术细节。我们的视频号此前也详细介绍过这家公司和产品，收到不少关注，甚至还有朋友留言问哪里可以买到这个灭蚊器。</p>
<p>当然，了解了这个产品的技术设计之后，我们也可以负责任的说，<strong>这款产品思路精巧，但不可能有军事用途，《纽约时报》又在造谣生事了。</strong></p>
<p>今天的文章，想进一步聊聊这个产品背后所体现的创新浪潮。</p>
<h2 style="text-align: center">不只灭蚊</h2>
<p>先从一段现场的趣事谈起。</p>
<p>当时在现场讨论的时候，聊到如何让这个产品更有趣。我半看玩笑的问，能不能把激光击中蚊子时的声音做得大一点，最好像放鞭炮一样。甚至卖灭蚊器的时候，还可以同时卖蚊子。</p>
<p>因为我想，未来可能有人把这个设备买回去，不完全是为了灭蚊，就是专门想体验机器击落蚊子的效果，领略高科技的酷炫。</p>
<p>没想到，创始人居然说，他们已经考虑到了，设备上有一个旋钮，专门用于调节声音大小。</p>
<p><strong>可见，他们做这个产品时，就已经想到了，可能真正的需求不是在于消灭蚊子，而是猎奇和好玩。</strong></p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" class="wp-image-2999" src="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-02.webp" alt="Photon Matrix设备外观。来源：创新地图" width="1080" height="608" srcset="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-02.webp 1080w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-02-300x169.webp 300w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-02-1024x576.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-02-768x432.webp 768w" sizes="auto, (max-width: 1080px) 100vw, 1080px" /><figcaption>Photon Matrix设备外观。来源：创新地图</figcaption></figure>
<p>我们都听过<strong>「大炮打蚊子」</strong>的说法。</p>
<p>说实话，为了打蚊子，花这么大力气研发一套复杂的激光系统，跟「大炮打蚊子」也有点像了。</p>
<p>蚊子很小、飞行轨迹不规则，设备必须持续扫描，一旦发现快速响应。</p>
<p>机器采用的是一套小型单线激光雷达。发现目标之后，会让激光发射装置迅速响应。</p>
<p>创始人向我们介绍道，激光雷达和激光发射装置都是定制的，<strong>真正困难的地方，是把这两套设备结合起来。</strong>从探测到响应发射，整个过程不超过 20 毫秒。</p>
<p>系统必须在极短时间内完成探测、定位和发射。</p>
<p>响应慢了，蚊子可能就飞走了。这考验传感器、目标识别、实时控制和执行系统的协同。</p>
<p>因为做不到连续跟踪，而且受响应速度限制，<strong>所以这套系统只能灭蚊，却无法消灭飞行速度更快、轨迹更复杂的苍蝇，更不用说军事用途了。</strong></p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" class="wp-image-3000" src="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-03.webp" alt="Photon Matrix设备细节。来源：创新地图" width="1000" height="667" srcset="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-03.webp 1000w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-03-300x200.webp 300w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-03-768x512.webp 768w" sizes="auto, (max-width: 1000px) 100vw, 1000px" /><figcaption>Photon Matrix设备细节。来源：创新地图</figcaption></figure>
<p>虽然这是个很好玩的、也有一定技术难度的产品，但它的实际市场能有多大，还真不好判断。</p>
<p>传统灭蚊方式已经很多了，普通家庭真的会买一台接近 1000 美元、合约 7000 元的灭蚊器吗？</p>
<p>家庭庭院、酒店露台、户外餐饮、公园休闲区等固定空间，或许会有这类灭蚊需求，但付费的可能性还需要验证。</p>
<p>不过，值得高兴的是，据报道，公司已经获得 5000 笔预付订单，计划 11 月中下旬开始发货。</p>
<p>看来，哪怕是出于猎奇和好玩，需求也不低。</p>
<h2 style="text-align: center">百无禁忌</h2>
<p>而这个公司和这个新奇特的产品，给我的更大感受是，<strong>创业就应该百无禁忌。</strong></p>
<p>为什么有人愿意花这么大力气做这样一个产品？就是因为感兴趣，觉得有意思，想把它做出来。</p>
<p>真正原创的创新，在一开始往往就是很难判断到底有没有用。尤其是一些过去没有人做过的技术，你可能不知道它未来会有什么应用场景，也很难通过传统的市场调研来判断它的市场规模。</p>
<p>这其实有点像搞科研。</p>
<p>研究者可能只是出于好奇，看到了一个新奇的现象，或是想验证一个没人想过的原理，又或是想做出一种以前不存在的技术。至于它未来到底有什么用途，在刚开始研发的时候根本无法预知。</p>
<figure class="wp-block-image size-full"><img loading="lazy" decoding="async" class="wp-image-3001" src="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-04.webp" alt="激光灭蚊原理示意。来源：创新地图" width="1080" height="574" srcset="https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-04.webp 1080w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-04-300x159.webp 300w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-04-1024x544.webp 1024w, https://touheima.com/wp-content/uploads/2026/11/signal-20261105-photon-matrix-hardware-04-768x408.webp 768w" sizes="auto, (max-width: 1080px) 100vw, 1080px" /><figcaption>激光灭蚊原理示意。来源：创新地图</figcaption></figure>
<p>而且，<strong>解决问题的过程本身就很宝贵。</strong></p>
<p>就像这个激光打蚊子的机器，哪怕最终不能成为一门大生意，但在解决这个问题的过程中，团队也积累了传感器、激光控制和系统集成等方面的技术能力。</p>
<p>这些经验未来也许还能迁移到其他领域，还会产生新的创新和商业机会。</p>
<p>所以，一些真正原创的探索，市场价值可能要等技术做出来、应用场景逐渐出现之后，才会慢慢显现。</p>
<p><strong>在创新刚开始的时候，不应该因为一个产品「看起来」没有太大用处，就认定它不值得尝试。</strong></p>
<p>完全可以先把它做出来，在解决问题的过程中积累能力，并去寻找应用机会。</p>
<h2 style="text-align: center">做出来</h2>
<p>特别是，<strong>今天这种从兴趣和好奇心出发的创新，正在变得比过去更容易实现。</strong></p>
<p>一方面，AI 降低了软件开发的门槛。</p>
<p>过去，开发一个智能硬件产品，除了要懂电路，还需要编程、调试代码、理解各种硬件接口。</p>
<p>现在，AI 可以辅助生成代码、调试代码，帮助开发者理解硬件接口。一个软件开发能力并不是很强的人，也有机会参与其中。</p>
<p>另一方面，中国硬件供应链和开发平台也在快速发展。</p>
<p>过去，一个人有了硬件创意，还需要自己采购元器件、设计电路板、焊接和组装。每个环节都可能产生不小的沟通成本和试错成本。</p>
<p>现在，我们也报道了，有嘉立创这样的硬件开发平台，能够提供 PCB 打样、元器件采购等一系列的服务。开发者不必自己建立一整套制造体系，也有机会把想法先做成原型。</p>
<p><strong>AI 解决软件部分，平台解决硬件部分，使硬件创新变得更便宜、更高频、更高效。那么，试错成本就有机会下降，创新也可能从少数团队偶尔做成的事情，变成更多人能够参与的活动。</strong></p>
<p>回到这台激光灭蚊器，我们虽然无法确定它最终能获得多大成功，也不能因为它新奇，就断言它一定会成为一门好生意。</p>
<p>但它让我们看到，当 AI 与中国已有的硬件生态结合，越来越多过去看起来很难实现的想法，开始有机会被做成真实产品。</p>
<p>无疑，一场巨大的硬件创新浪潮即将开启，硬件创新生态将会极大繁荣。</p>
<p>而且，就像我们在之前的要闻评论文章里介绍的，因为可以把 Agent 植入硬件，智能硬件领域将会出现巨无霸企业，<strong>也许这个巨无霸的第一步就是这个市场不大的灭蚊产品呢。</strong></p>
<p style="text-align: right">文章来源：<strong>创新地图</strong></p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Cresta拟被收购，AI客服能让用户少解释一次吗</title>
		<link>https://touheima.com/heima-observation-20261104-cresta-customer-service/</link>
		
		<dc:creator><![CDATA[投黑马]]></dc:creator>
		<pubDate>Wed, 04 Nov 2026 06:41:45 +0000</pubDate>
				<category><![CDATA[黑马观察]]></category>
		<category><![CDATA[AI应用]]></category>
		<category><![CDATA[Cresta]]></category>
		<category><![CDATA[Salesforce]]></category>
		<category><![CDATA[一级市场]]></category>
		<category><![CDATA[企业服务]]></category>
		<category><![CDATA[早期投资]]></category>
		<guid isPermaLink="false">https://touheima.com/?p=2982</guid>

					<description><![CDATA[Cresta拟被Salesforce收购，语音客服有望接入客户档案与业务系统。企业怎样衡量问题是否解决，将决定AI能否减少用户重复解释，也决定创业公司的专业能力能留下多少价值。]]></description>
										<content:encoded><![CDATA[<p><a href="https://touheima.com/heima-observation/">黑马观察</a> / 2026年11月4日 / 全文共2080字</p>
<p>Cresta拟被Salesforce收购，这笔交易可以用一个很小的问题检验：下次转接客服时，用户还要把刚才说过的话重新讲一遍吗？11月2日，Salesforce宣布签署最终收购协议，计划把语音服务接入客户档案和业务系统。投黑马认为，这种整合值得期待，但服务的进步要体现在用户少受多少折腾上。企业省下接听成本，并不自动意味着问题已经解决。</p>
<h2>一通电话结束，事情可能还没有结束</h2>
<p>设想一位旅客正在处理改签。他已经向机器说明航班、订单和行程限制，机器判断需要人工，接线员却重新问了一遍。这是假设场景，足以说明一种系统设计的代价：每次转接都可以在后台被记录为成功，旅客仍须替企业搬运自己的信息。</p>
<p>对企业而言，这些信息分别属于预订系统、通话记录和工单；对旅客而言，它们属于同一件没有办完的事。他不会因为企业换了一个接待入口，就多获得一份时间和耐心。</p>
<p>收购公告提出的整合，恰好触及这道缝隙。Salesforce拥有客户历史和业务系统，拟收购的语音平台处理实时对话，也为人工客服提供指导。接线员若能知道客户已经核实过哪些信息、试过哪些办法，就有机会接着处理，而无需让对方重走流程。这给交易提供了比声音更像真人更扎实的商业理由。</p>
<p>不过，客户档案也有边界。系统知道订单出了问题，不代表它有权改签、退款或处理例外。权限没有开放，负责批准的人没有接手，回答再流畅也只能解释为什么暂时办不了。把客服接进业务系统，需要同时决定谁能操作、谁来承担错误，以及用户怎样找到可以作决定的人。</p>
<p>交易目前仍待交割。公司预计在其2028财年第一季度完成，并须满足惯常条件。那些整合收益，眼下只能作为计划来审视。</p>
<h2>不找人工，未必代表不需要人工</h2>
<p>自动化最容易展示的成绩，是多少对话没有转给员工。这种成绩确实可能来自更好的服务：简单问题得到即时处理，用户不用排队，接线员也能腾出时间处理复杂情况。把所有自动应答都看成怠慢客户，同样失之轻率。</p>
<p>麻烦在于，没有转人工还可能有另一种解释：客户没能找到入口，或者在反复尝试后离开。后台若只记录通话结束，就很难区分满意离开与放弃求助。随后发生的再次来电、退款争议和取消订阅，又可能落在另一组数据里。</p>
<p>这会影响软件供应商的生意。采购方奖励什么，产品团队就有动力优化什么。如果合同主要围绕减少人工接听来证明价值，让用户留在自动流程里便可能成为好看的业绩。至于用户多花的十分钟，企业没有直接为这段时间付薪，成本很容易被忽略。</p>
<p>也因此，不能只盯着单次通话变短。一个愿意耐心处理例外的接线员，可能花更长时间结束一件事；一个迅速给出标准答复的系统，也可能让同一件事反复回来。判断效率，应当把这些后续接触连在一起，至少问清同一用户是否因为同一问题再次求助。</p>
<p>这并不要求每个客服系统都解决企业全部经营问题。它要求采购双方别把没有继续交谈，轻易计作已经获得帮助。</p>
<h2>好的自动化，应该容得下人工接手</h2>
<p>Cresta在今年更新的人工转接指南中，主张用户明确要求找人时应立即升级处理，并让接线员在接通前拿到完整对话、已尝试的操作和转接原因。这是供应商给出的设计建议，不能当作所有客户已经落实的效果证明。但它至少说明，自动化厂商也明白人工入口的重要性。</p>
<p>把这项建议认真执行，意味着企业须接受一些表面上不够漂亮的数据：人工转接可能增加，少数个案处理时间可能变长。若这些接管避免了下一次投诉，它们就有经营价值。一次合理的升级，不该因为打断自动化流程而被当作失败。</p>
<p>接线员也需要足够的决定空间。如果屏幕只推送更多提示，却没有完整记录和相应权限，员工仍要在用户催促时四处查找答案。机器省下的整理时间，可能被新的操作负担吃掉。工作是否轻松一些，要看工具究竟帮人作出了什么决定。</p>
<p>供应商公布的阿拉斯加航空案例，提供了一种较为具体的方向：分析旅客为何来电，向员工及时提供信息，并把对话用于培训。案例中的航空公司管理者强调，员工需要快速获得准确资料。这样的改善并不耀眼，却可能让求助者更快得到有用答复。案例由供应商发布，仍不足以证明并购后的服务一定会更好。</p>
<p>对不熟悉数字界面、难以一次说清复杂遭遇的人，能够顺利找到一个接得上话的人，本身就是服务的一部分。企业若愿意为这段接续负责，AI才有机会减轻双方的疲惫。</p>
<h2>创业公司的价值，要在真实求助中留下来</h2>
<p>这笔拟议收购对一级市场的启示，也应落到这样的具体能力上。语音演示容易呈现，处理例外却要进入客户的真实流程：哪些情况必须核验身份，哪些操作需要批准，哪些尝试已经失败，都要被正确记录和传递。积累这些经验需要持续交付，很难靠一次流畅的演示证明。</p>
<p>对创业公司而言，这可能成为有价值的专业积累，也可能变成沉重的定制服务。投资人需要辨别：一个客户的处理经验能否用于下一家企业，接入新系统需要多少人力，产品能否持续发现失败并改进。每新增一家客户都要重做大量流程，收入增长就未必带来同等程度的规模收益。</p>
<p>Salesforce表示，交割后仍将支持客户现有的主要联络中心和电话平台。对客户来说，这是有意义的承诺；对独立厂商来说，它也提示了生存空间。企业的系统不会因一笔收购整齐地归属同一家供应商，能把不同系统可靠接起来的团队，仍有工作可做。支持范围、收费与实际体验，将决定这份开放承诺有多少分量。</p>
<p>投黑马会把后续判断放在可核对的服务结果上：如果重复求助减少，人工接手时能直接继续处理，且这些改善出现在不同客户的实际使用中，整合的价值便获得了支持。倘若企业只公布节省了多少人工，却无法说明未解决的问题去了哪里，对效率的赞美就应当克制。</p>
<p>购买客服系统的企业，最终也需要为用户等候和解释的时间作选择。旅客不必知道电话另一头用了哪家模型，也无须理解一次并购的协同效应。他已经把事情说清楚了，希望接下来有人能够办下去。</p>
<p class="has-text-align-right" style="text-align:right"><strong>── 投黑马研究团队</strong></p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
