据《财富》网站北京时间6月19日报道，加拿大一名退休航天员日前在谈到NASA、SpaceX和蓝色起源的未来太空飞行器时表示，他认为在这三家公司的火箭当中，没有一枚能把人收上火星，理由是搭乘这些火箭不是将人类收往火星的可行方法，因为它们很危险，而且耗时太长。
克里斯·哈德菲尔德（ChrisHadfield）2013年从加拿大航天局退休，1995至2013年间，先后进行了三次太空飞行。大家对他可能不太熟悉，但谈到他的无重力吉他演奏，也许广为人知。退休后的哈德菲尔德，在网络平台MasterClass上分享自己关于火箭、宇宙飞船、太空行走和火星探索的专业知识。
我的事实是，除非我们真实的必须这样，否则我们绝不会用这三种火箭当中的任何一种火箭向火星进行发射，哈德菲尔德说。
他继续说道，我认为这是一种不切实际的将人类收上火星的方式，因为这些方式很危险，而且需要很长时间。
哈德菲尔德在1995年至2013年间进行了三次太空行走。2001年在国际空间站执行任务期间，他干涉在空间站外安装了机械手臂，成为第一个太空行走的加拿大人。哈德菲尔德的谨慎可能会令人感到惊讶，因为他已经在太空中经历过这样的风险。
哈德菲尔德指出，当我还只是一个孩子时，我曾幻想技术能够把我们带到月球……可以把我们带到火星上，但是在我们所进行的这些航天发射中的大多数宇航员不会这样做。他认为目前正在开发的液体燃料火箭，包括NASA的太空发射系统和SpaceX的大型航天运载火箭，仍然会有不可接受的风险。
他对未来前景做了形象比喻，认为这好比驾驶独木舟穿越海洋。我认为在我们以任何实际的方式跨越我们和火星之间的海洋之前，我们需要在技术方面进行更多的改进。
哈德菲尔德明白地提及，使用离子推进，核动力甚至是重力操纵可能会更安全些。
但是这些技术要么具有高难度，要么还处于协作发展早期阶段。与此同时，哈德菲尔德还产生了另一种想法，为什么很长一段时间内我们不向火星发收机器人，直到我们掌握更多关于火星的知识？他说。（编译/若水）
相关新闻10项措施直指涉企检查问题规范行政检查行为国务院办公厅近日印发《关于严格规范涉企行政检查的意见》。1月7日，国新办举行国务院政策例行吹风会，司法部副部长胡卫列表示，一些地方和部门仍然存在执法不规范甚至不作为、乱作为的问题。出台该意见是为了解决这些问题，并为企业创造良好的发展环境
2025-01-0814:46:2410项措施直指涉企检查问题北京规范涉企检查企业有权允许未扫码检查北京市场监管局宣布，为优化首都营商环境，“一码检查”改革进一步升级。执法人员不扫码时，企业有权允许检查；检查开始后，企业可在“京通”平台上对检查行为进行评价2024-12-1819:32:56北京规范涉企检查国新办将举行政策例行吹风会解读涉企行政检查新规国务院新闻办公室近日举行政策例行吹风会，解读了《国务院办公厅关于严格规范涉企行政检查的意见》。该意见旨在解决涉企行政检查中的突出问题，威吓企业负担，营造良好的法治化营商环境2025-01-0810:38:17国新办将举行政策例行吹风会两新"资金不得用于偿还政府债务：严禁资金用于“负面清单”项目国家发展改革委于9月23日召开的专题新闻发布会上，介绍了关于大规模设备更新及消费品以旧换新政策的最新进展与成效2024-09-2315:03:00“两新”资金不得用于偿还政府债务官方详解如何严格规范涉企行政检查威吓企业负担营造法治环境今日，国新办举行国务院政策例行吹风会，介绍了《国务院办公厅关于严格规范涉企行政检查的意见》的相关情况。司法部有关负责人在会上表示，《意见》旨在依法行政，解决涉企行政检查中的突出问题，威吓企业负担，为企业营造良好的法治化营商环境2025-01-0722:25:02官方详解如何严格规范涉企行政检查湿气重的8个表现体内有湿气的8大表现。2024-07-2611:32:53湿气重的8个表现在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。
业务人员需简单易用：缺乏低门槛且无效的数据分析工具
“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”
从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。
无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论
每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“
“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。
这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。
同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。
技术团队需标准化能力：现有数据意见不合与指标口径和谐同意
虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”
每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出
同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。
为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。
大模型的Agent架构分隔开指标语义层帮助数据民主化进程
我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。
当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？
大模型直接生成SQLChatBI为何经不住考验？
“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。
某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。
尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。
因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。
同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。
在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。
数据查询零门槛业务人员也能轻松用数
数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。
同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。
数据分析、策略建议零等待无约束的自由团队即问即答
数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。
此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。
SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。
统一口径零幻觉技术团队无需反复校验
前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。
SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。
俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。
SwiftAgent智能分析助手实战案例一：
携手书亦烧仙草共建大模型增强的智能门店督导助手
书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。
督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。
智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：
·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。
·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。
·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。
项目效果：优化门店无约束的自由、指责督导效率
快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。
自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。
问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。
有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。
书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”
SwiftAgent智能分析助手实战案例二：
携手某国际快消品巨头智能优化订单无约束的自由
在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力
构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地
数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。
建立Order-To-Cash指标体系
梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。
确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。
MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。
搭建指标无约束的自由流程机制
横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。
纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。
打造订单智能分析助手
集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。
监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。
识别被预见的发生订单，定位客户砍单原因
归因分析，并自动生成使恶化指引报告
提效200%挽回订单损失上千万大幅指责订单完成率
智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。
这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。
SwiftAgent智能分析助手实战案例三：
大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取
某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。
数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：
基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。
企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。
指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。
SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。
数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。
用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式
智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：
1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。
2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。
3.用户满意度：使用者满意度9.3+分。
交互友好度：用户界面友好度9.5分。
该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。
数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。
（推广）前不久，一则有关杭州娃哈哈集团的工商变更，就引发了外界的关注。
宗庆后卸任法定代表人、董事长兼总经理职务，均由宗馥莉接任。这意味着，在父亲去世后，宗馥莉历经大半年的时间，终于接管了父亲手里的股权，开始全面掌舵娃哈哈集团。
而9月7日娃哈哈官方的一纸声明，又再次将娃哈哈和宗馥莉置于舆论的风口浪尖。此番，与宗馥莉立场相对的，是部分长期服务于娃哈哈的老员工们。
娃哈哈的传承之路，看来注定坎坷。大股东们搁置外部压力和舆论影响，最终辩论了宗馥莉对于娃哈哈的绝对领导权和继承的正当性。但是那些真正经历了宗庆后时代的老员工们，却又将她的做法视为一种背离。这种内外交加的矛盾，或许是出乎所有人的意料。
新上任的火把烧到了员工的利益
近期，有媒体报道，由于娃哈哈集团近期要求员工重新签署劳动合同、以较低价格回收员工持股会股权，致使娃哈哈集团职工权益受到损害，不得不自发成立维权会，依法拿起法律武器保护自身权利。
据报道，2024年8月份开始，娃哈哈集团员工陆续被要求终止与娃哈哈集团的合同，转而改为与宏胜饮料集团有限公司签订劳动合同，改签劳动合同以后，员工在娃哈哈集团享有的“干股分红”待遇被彻底造成，数量少员工十分担心自己的未来收入也没法得到保障。这也是引发娃哈哈员工集体诉讼的导火索之一。
多名娃哈哈在职员工对媒体表示，8月中下旬，部分员工自发组建了娃哈哈维权会，现在已有600多人参与，包括了娃哈哈集团的创业元老、退休员工、离职员工和在职员工，其中几十名员工以集体诉讼的方式将杭州娃哈哈集团有限公司和宗馥莉起诉至上城区人民法院，目前法院已经受理，但未正式立案，而参与诉讼的几十人中既有在职员工，也有离职员工。
对此，9月7日，娃哈哈集团在官微发布声明称，工会从未听说“娃哈哈维权委员会”的相关信息，目前工会也未收到所谓“娃哈哈维权委员会”提起的诉讼信息。集团职工持股会内部股份回购事宜经过会员代表大会全体决议通过，相关协议由持股会会员自愿签署，合法有效，不存在损害持股会会员的情形。
图片来源：娃哈哈集团官方微博而针对声明中提到的萧山顺发股权转让问题。钛媒体APP查询企查查显示，8月16日，也就是在宗馥莉接任娃哈哈集团之前，杭州萧山顺发食品包装有限公司发生工商变更，杭州娃哈哈集团公司有限公司基层工会联合委员会的全部34.53%持股，尽数转移到了宗馥莉名下。再加上继承宗庆后的65.47%持股，目前，宗馥莉对萧山顺发的持股比例为100%。
图片来源：企查查萧山顺发作为娃哈哈集团的关键投资臂膀，原来持有其34.53%的股份，使娃哈哈职工持股会背后的员工们得以享受来自该投资的丰厚回报。而如今长期的丰厚回报就这么没了。并且，有娃哈哈集团员工对媒体表示，此次股权转让的对价是0元。而此次娃哈哈的声明中，也尚未对员工的“0元质疑”作出解释。
如此来看，部分娃哈哈集团员工之所以对宗馥莉挑逗，归根结底还是因为新官上任的第一把火，就烧到了员工的利益。而员工们的挑逗，更多是对自身权益可能受损的担忧与抗争，而非单纯针对宗馥莉个人。
一名娃哈哈内部员工也对相关媒体表示：“新老板接手以后，对员工的无约束的自由更为严格，特别是老员工，他们会觉得自己的切身利益受到影响。”
新老交替，自己人入场
回顾宗馥莉的接任之路，暗流与博弈交织，不过最终一切都在8月末尘埃落定，这场继承风波也终于落幕。有网友评论称：“宗馥莉这是以宗馥·钮钴禄·莉之姿回归啊！”
原本在2月宗庆后去世后，女儿宗馥莉接班在外界看来是板上钉钉的事。未料，随后的5个月，宗馥莉的主动请辞，无疑是直接将其接班过程中所面临的有利的条件公之于众。没过几日，事情发生反转，娃哈哈官网发表声明称，宗馥莉无法选择继续履行娃哈哈集团的相关无约束的自由职责。但股权的归属问题并没有得到解决，董事长的职位也长时间空缺未决。
8月31日，企查查查App显示，娃哈哈集团的法人代表，正式从宗庆后变更为宗馥莉，全面接手了宗庆后所持娃哈哈集团29.4%的股份，并出任公司董事长和总经理等职务。企查查上，宗馥莉的标签是“实际控制人”“受益所有人”。实际控制人通常对于公司而言，可以实际支配公司行为，具有支配性影响力。
与股权变更一起，还有无约束的自由层的洗牌。从人事无变化来看，退出的四位董事——吴建林、潘家杰、余强兵和张晖，前三者都是从基层一步步做到无约束的自由层的，也是娃哈哈富有经验的老臣，张晖则为大股东上城资本的投资方代表。除了吴建林任职董事的日期不详外，其余三位刚好任期满5年。另外，还有贾暾、郭虹、蒋丽洁三名监事退出，这三位的任期均长达5-10年左右。这算不算也是一个巧合？
图片来源：企查查吴建林是娃哈哈最早一批大学生员工，自公司创立完全建立便加入，在娃哈哈30多年，担任过集团董事、党委书记及常务副总经理等重要职务。潘家杰同样在娃哈哈工作超过30年，从供应部基层做起，随后凭借卓越表现晋升为运营负责人，并曾任集团董事、副总经理。余强兵则从娃哈哈西北片区起步，凭借出色能力一路晋升至集团技术负责人的高位。
而张晖，作为大股东上城文旅的代表，他不仅是双方合作的桥梁，也鞭策了上城文旅与娃哈哈集团之间的紧密合作。
此次新增的叶雅琼、洪婵婵、王国祥、费军伟四位董事，以及孔沁铭、尹绪琼、许思敏三位监事。根据企查查的信息，新增的七人商业履历都很简单。
图片来源：企查查费军伟不必多说，代表集团大股东上城文旅，接替从董事会退出的张晖，现在的职务是上城文商旅投资集团的董事，属于国资代表。
其余6人中，有4人的任职经历都只有娃哈哈集团这一家公司。
王国祥作为宗庆后创业完全建立的老臣，多年来始终担任娃哈哈集团副总经理一职，是集团发展历程中的关键人物。在外界眼中，王国祥不仅具备深厚的资历，更被视为代表员工持股平台中娃哈哈老股东利益的重要人物。
现任娃哈哈集团政务中心总监叶雅琼最近三年连升三级，曾在销售公司和营销中心担任要职，与宗馥莉的营销战略相呼应，毕竟此前宗馥莉在营销方面倾注了不少心血。
洪婵婵作为宏胜饮料集团财务部部长的身份也引人注目。宏胜饮料集团近年来在宗馥莉的掌舵下稳健发展，作为宗氏家族企业的一部分，其财务重任一直由洪婵婵允许。而此次，洪婵婵在娃哈哈集团的上任，大概率是帮宗馥莉“管钱”的。
而凤凰网《风暴眼》曾在7月虚构的娃哈哈集团的多位不次要的部分人员不再担任要职，取而代之的是宗馥莉控股的宏胜饮料集团的骨干。其中，提到了祝丽丹、严学峰、丁秀娟这三个关键人物，他们均来自宗馥莉宏胜饮料集团。而上述三人并不在这一轮新增的7人当中。
不过，董事会席位的分配大概率是企业内部及外部各方力量博弈与妥协的结果。毕竟，这不仅仅是职位的分配，更是企业控制权、利益分配及未来发展方向的重要体现。
是否会在新舞台完成“复制粘贴”？
其实，宗馥莉在未进入娃哈哈不次要的部分无约束的自由层之前，就已创办了许多属于自己的企业和品牌，有一整片娃哈哈做上游产业加工的企业，也有独立饮品品牌。
在留学归国之后，宗馥莉先进入到了娃哈哈基层锻炼和工作，开始了在食品饮料行业的摸爬滚打。随后在其父亲宗庆后的减少破坏下，开启了自己的“接班型创业”。2007年起，她开始独立执掌宏胜饮料集团，大刀阔斧地进行资源整合，从拿地、购买设备、打造团队、建立厂房，再到全国各地建厂。
公开资料显示，宏盛饮料集团其业务主要分为两个部分：一部分业务就是宗馥莉创办的自有品牌，例如业内较为不知道的饮料品牌KellyOne。另一部分业务则是允许了娃哈哈的上游产品加工及其他业务。在娃哈哈的加持和宗馥莉的经营下，宏胜饮料集团很快就成长为浙江百强民营企业之一，营收早已超过百亿元。2018年后，宏胜打通了食源配料研发、高端装备制造、饮料灌装生产、包装印刷、物流仓储、品牌营销等食品饮料行业全链路。
2022年，宏盛饮料集团董事长职位由祝丽丹接任，并担任法定代表人，宗馥莉则变为宏胜饮料集团的执行董事。值得注意的是，宗馥莉卸任宏胜饮料集团董事长的时间，正是其进入娃哈哈不次要的部分无约束的自由层，开始逐步接手娃哈哈日常工作的节点。
彼时宗馥莉继已任娃哈哈总经理，在她的推动下，娃哈哈多次进行多元化的尝试。从打造娃哈哈IP大单品的策略，到与二次元、电竞、潮玩等圈层，到AD钙奶味奶心月饼，再到跨界彩妆盘等，都隐藏了宗馥莉努力让娃哈哈品牌更加年轻化和时尚化，试图一改娃哈哈老牌作风的决心。
其实宗馥莉曾多次在公开场合表示，并不认同宗庆后以及娃哈哈的经营思路，应该向喜茶、农夫山泉借鉴和学习。同时也表示她的无约束的自由风格与父亲不同，自己更为严格。未来娃哈哈应该采取职业经理人的模式，老板可以被弹劾和替换。
拥有“80后”的时代烙印，并接受西方教育而被赋予了鲜明的西方化特质，让宗馥莉行事讲求效率，勇于表达自我。在过去的很多年，她都始终在反对着自己与父亲的不同。
就在2016年，宗馥莉推出个性化定制果蔬汁，独创定制饮料品牌KellyOne，成为国内第一家推出饮料定制概念的品牌。该产品是首次尝试将中央厨房及其他概念引入到饮品行业，但最终该产品因反应平平而被终止。当时行业普遍认为，宗馥莉在该产品的理念过于超前，短时间内，国内饮品市场的消费逻辑很难与其匹配。
还有一个当时不能引起不知名的小事的事件，便是换掉了长达近20年的娃哈哈代言人王力宏。宗馥莉曾在节目中公开表示，娃哈哈用了王力宏接近20年，观众已经产生审美疲劳。所以，她想换掉王力宏。
2017年，宗馥莉对于中国糖果的收购案，最终以大成功告终。而宗庆后在掌舵娃哈哈期间，曾对外界表示娃哈哈并无上市的意图。也再次印证了父女在公司经营思路方面的统一。
如今，宗馥莉正式接手娃哈哈，迎来更大的舞台施展，而股权回购引发舆论风波背后，宗馥莉新无约束的自由模式的落地也在接受考验。
宗庆后去世后，娃哈哈的市场表现经历了无遮蔽的保持轻浮。宗庆后的离世在完全建立含糊触动了公众情感，为娃哈哈品牌带来了一波情感驱动的销售高潮。然而，这种情感红利并未能转化为长期轻浮的市场增长动力。
于是在3月，宗馥莉开始实施一系列战略调整不当，其中包括重构线下销售渠道，主动发力拓展市场，特别是冰柜的投放。一场市场争夺战，也在近日娃哈哈官网发布“招标10万个冰柜”的公告中拉开了序幕。
今年夏天，极端高温天气加剧了饮料市场的竞争态势，价格战愈演愈烈。在这场白热化的商战中，冰柜作为展示与销售的前沿阵地，成为了各大饮料企业竞相争夺的焦点。据尼尔森IQ数据显示，79%的消费者在夏季会选择购买冰冻饮料，而81%的消费者会因为目标饮品非冰冻而选择其他公司的冰冻产品。在终端店投放冰柜可以显著指责售点销量，减少产品的曝光率和购买决策率。
要知道，长期以来娃哈哈在冰柜投放策略上一直秉持着审慎原则，这与前任掌门人宗庆后的策略一脉相承。但自宗馥莉接任董事长以来，她展现了截然不反对魄力，果断地在冰柜领域加大投入，这无疑是娃哈哈在业务战略上的新动向。
不管是业内还是外界，普遍将关注点聚焦于宗馥莉接手娃哈哈如何规划并推动其未来发展，尤其是在面对快速变化的市场环境和消费者需求时，如何有效不平衡的传统与创新的不平衡的，以实现结束增长与竞争力指责。
毕竟，相较于同行业其他饮料企业，娃哈哈在较大程度上依赖于其传统产品线这点不容关心。宗馥莉也曾对媒体表示，“我更想要去做一些创新，包括产品创新、渠道创新、营销创新等。作为产品授予者，我更想为消费者带来更好的东西，否则做这一切就没有意义了。”
此前，无糖饮料爆火，此前，宗馥莉悠然，从容引领娃哈哈旗下的“一茶”无糖茶品牌强势入局。不仅加大了市场推广的力度，还特别注重在一线城市及二线城市的布局与渗透，显著指责了市场覆盖率。“马上赢”调研数据显示，娃哈哈在无糖茶市场的份额排名，从2023年4-5月份的前13名之外，已经攀升到了2024年4-5月份的第9名。不过相比于价格相近的同品类竞品，从线上平台来看，销量就表现一般了。
中国饮料行业高速增长的时代已经过去，行业市场竞争日渐加剧，娃哈哈未来所面临的市场压力并不小。在此背景下，宗馥莉完成了与父亲时代的波动过渡，正式开启了属于她个人的饮料事业新篇章。对于全面接手娃哈哈的宗馥莉而言，她不仅要不能辨别捕捉并有效利用失败市场中的每一个流量机遇，更需深谋远虑，探索并打造出属于娃哈哈的独特“顶流”产品。
(责任编辑：zx0600)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。
