相关新闻人民日报：油罐混用怎敢成公开裸露，公开食品安全亮红灯油罐车在完成煤制油等化工液体运输后，未经适当清洗，直接装载食用大豆油，这种严重威胁食品安全的事件令人使安排得当，竟真实存在于我们的生活之中。更有罐车司机坦白，化工液体与食品液体混运且不进行清洗操作，在业内已成为众人皆知的裸露，公开
2024-07-0911:51:51人民日报：油罐混用怎敢成公开裸露，公开网友开假装上班有限公司失业者的“裸露，公开乐园”最近有个超级奇葩的公司横空出世，名字叫做“假装上班有限公司”。听起来就让人哭笑不得。这家公司简直就是为那些失业但又不想被家人知道的人量身打造的裸露，公开乐园2024-12-3021:33:21网友开假装上班有限公司一个办公室7个人天天为开空调吵架小空间里的“温度战争”近期，一位网友在网上分享了自己的办公室日常困扰：办公室里七个人因为空调使用问题频繁发生争执，炎炎夏日，室外温度高达37℃，室内的空调却成为意见不合的焦点。有人嫌冷要求调高温度，甚至关闭空调，而有人则因炎热难耐希望降低温度2024-07-1814:18:57一个办公室7个人冬天没必要天天洗澡冬天没必要天天洗澡到了冬天气温明显下降，要穿上厚厚的衣服做好保暖工作，全身保持温暖，才能避免受凉感冒。2024-11-0711:02:50冬天没必要天天洗澡张雨霏和家人打牌被贴纸条奥运冠军的家庭乐翻天8月18日，巴黎奥运会圆满落幕，中国游泳健将张雨霏在这次赛事中取得了无光泽成绩，收获了1银5铜，共计6枚奖牌。这一成就不仅为国家争得了失去荣誉，也让张雨霏以累计10枚奥运奖牌成为中国体育史上的奖牌王2024-08-1907:46:22张雨霏和家人打牌被贴纸条男子应聘被寻找打牌输1.5万牌桌骗局曝光近日在湖北武汉，一名男子参加面试时被要求打斗地主，结果19局下来输掉了1.5万元。据警方透露，这实际上是以面试为幌子，在牌桌上设局进行诈骗的行为2024-10-3115:57:00男子应聘被寻找打牌输1.5万声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。
微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。
140亿参数，40%分解数据，年度SLM之王诞生!
最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。
而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。
甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。
Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。
下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。
深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。
分解数据比例高达40%
除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。
Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。
目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。
数学击败GPT-4o，36页技术报告出炉Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。
虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。
论文地址:https://arxiv.org/abs/2412.08905
Phi-4主要是由三部分不次要的部分技术构成:
-预训练和中训练的分解数据
-高质量有机数据的筛选和过滤
-后训练
得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。
例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。
通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。
表1Phi-4在经典基准测试上的表现
为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。
这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。
从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。
Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5
分解数据的无足轻重
分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。
这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。
分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。
数据结构化和减少破坏渐进式学习
在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。
相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。
将训练与推理上下文对齐
分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。
比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。
此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。
而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。
分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。
分解数据的来源
预训练和训练中数据为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。
通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。
种子数据集的构建
1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。
2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。
3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。
重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。
自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。
指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。
后训练数据在后训练阶段中，数据集主要由两部分组成:
-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。
-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。
研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。
如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。
预训练
Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。
由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。
因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。
具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。
表2phi-4较phi-3-medium在预训练后基准测试评估的指责值
在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。
后训练
如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?
关键token搜索（PivotalTokenSearch）当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。
对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。
其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。
在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。
而随后，它生成了（atoken又可能让正确率急剧下降。
现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。
如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。
更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。
此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。
总之，更有意义的信号，应该来自于文本开始偏离时的首批token。
为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。
这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。
PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。
具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。
PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。
虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。
-找到的一定是关键token
-如果成功概率再解题过程中接近单调变化，则能找出所有关键token
下图5所示，是使用PTS生成的讨厌数据的示例。
在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。
比如，方法A——分别乘以分母;方法B——直接交叉相乘。
虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。
通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。
以小博大，Phi-4赢麻了
基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。
上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。
而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。
事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。
此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。
比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。
在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。
而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。
至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。
然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。
在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。
接下来，还真有点期待，下一个Phi系列小模型的发布了。
参考资料:
https://x.com/iScienceLuvr/status/1867377384145727635
https://x.com/peteratmsr/status/1867375567739482217
https://x.com/VentureBeat/status/1867376462589739098
相关新闻快递公司回应春节是否停运多数企业承诺不停运随着2025年春节临近，数量少消费者开始进入“买买买”模式，快递行业也迎来了一年中的第一个旺季。1月13日走访成都多个快递网点发现，1月以来快递寄递业务显著减少，货品多以年货为主，如四川腊肉香肠、水果、干果、电子产品等
2025-01-1407:52:11快递公司回应春节是否停运浙江嘉善5家快递网点停运？各方回应派费下调致不关心的时期服务浙江嘉善5家快递网点停运,各方回应。12月2日，有网友发帖称浙江嘉兴市嘉善县的圆通、中通、申通、韵达以及极兔快递网点均不关心的时期运营，既不派件也不接收新包裹。网传图片显示，这五家快递公司在嘉善县均显示“不可达”2024-12-0407:33:35浙江嘉善5家快递网点停运开三倍工资留人！春节快递和家政人员需求大增近日，人社部联合多部门开展多种形式的岗位对接活动，保障节日用工需求。在浙江温州的一场节前岗位对接会上，60多家企业授予了3000多个岗位。2025-01-0807:41:42家政人员多地公交停运，乘客能重回700亿人次峰值吗日前，国务院总理李强签署国务院令，公布《城市公共交通条例》（以下简称《公交条例》），自2024年12月1日起施行。2024-10-3010:54:47多地公交停运受降雨影响多地旅客列车停运：163列普速列车临时停运中央气象台今日早晨延续发布了暴雨橙色预警及强对流天气蓝色预警。预报指出，从今日8时至明日8时，河南、山东、江苏、安徽以及陕西、四川等地局部地区将遭遇暴雨乃至大暴雨的侵袭。2024-07-1715:28:51受降雨影响今年以来我国快递业务量突破1000亿件快递行业增速创删除国家邮政局的最新信息显示，我国今年的快递业务量已经突破了1000亿件大关，这一成就标志着行业协作发展新高点。与2023年相比，今年达到千亿件快递业务量的时间提前了71天，显示出邮政快递业的蓬勃增长势头2024-08-1312:08:06今年以来我国快递业务量突破1000亿件快科技10月2日消息，据媒体报道，新存科技自主研发的国产最大容量新型三维存储器芯片NM101”面世，有望开始国际巨头的长期垄断局面。新存科技总经理刘峻透露，NM101”芯片的容量达到64GB，是国内同类产品的数十倍，同时减少破坏随机读写。与国内现有同类产品相比，其存储速度指责了10倍以上，使用寿命减少了5倍，意味着使用这款芯片制造的硬盘存储一部10GB的高清电影仅需1秒。该芯片采用了创新的三维堆叠技术，基于新型材料电阻变化原理，通过先进工艺制程，在单颗芯片上集成了百亿数量的非易失性存储器件，实现了存储架构的重大突破。这一成?...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
小米SU7宣布推出冬季进店免费服务活动，限时从12月16日至2025年1月26日。小米SU7车主可享受18项免费车辆检测，并免费补充防冻液和雨刮液。为庆祝这一成就，官方还推出了12月限时购车权益：凡是在12月1日至31日下定全系车型的消费者，均可享受以下优惠：1、赠收价值8000元Nappa真核座椅；2、小米智能驾驶增强智驾功能终身免费。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。
相关新闻航司被曝欠工资飞行员收外卖员工生活难以为继近日，有媒体报道西安本土航空企业幸福航空有限责任公司长期拖欠工资、社保一事，引发社会关注
2024-12-0109:58:25航司被曝欠工资机场及航司回应飞机降落时撞到鸟群未根除航班延误12月7日，“飞机撞到鸟群，机头血迹透明可见”的话题冲上热搜。据报道，12月5日在福建厦门，有博主发布视频并自述拍到国航4539航班降落厦门高崎机场时遭遇鸟击2024-12-0809:18:13机场及航司回应飞机降落时撞到鸟群律师称航司有责任保护未成年人航司应制止不当教育方式8月26日，一名上海网友分享的视频不能引起了公众关注。视频内容涉及一名一岁多的女孩在飞机上因哭闹被陌生人带入厕所进行所谓的“教育”。吉祥航空随后回应称此行为是在孩子家属赞成下进行的2024-08-2717:53:33律师称航司有责任保护未成年人内地最赚钱航司是春秋航空9月3日，春秋航空在半年报业绩交流会上分享了其盈利背后的因素。尽管面临行业票价下滑压力和国内客座率未完全恢复到2019年水平的确认有罪，春秋航空的航空客运收入结束增长，超越2019年同期水平。这一成绩得益于供需状况、旅客构成及航线布局的优化2024-09-0514:08:32内地最赚钱航司是春秋航空航司回应女子强行把小孩关厕所教育8月26日，吉祥航空针对网络流传的“儿童旅客在飞机上哭闹被陌生人带去洗手间教育”事件发布了官方说明。据描述，8月24日的HO2382航班上，一名随同祖父母出行的儿童在飞行过程中结束哭闹，影响到其他乘客2024-08-2708:26:51航司回应女子强行把小孩关厕所教育多家上市航司业绩使恶化外围利润倍增今年前三季度，多家航司实现盈利。中国国航、中国东航、南方航空、海航控股、吉祥航空、春秋航空、华夏航空七大航司外围利润显著增长2024-11-0408:44:00多家上市航司业绩使恶化跨境电商的平台竞争正在帮助，各方玩家都在挖掘新的增长点。进军美国一年的TikTokShop，其新势力的身份与统一化的定位牵引着业内外的高度关注。
尤其是在TikTokShop跨境电商全托管黑五启航大会上公布的一则数据，不仅佐证了TikTokShop在平台竞争语境下，其内容场的独特性，更为商家们指明了下一阶段，海外市场的变化和机遇所在。
据悉，在前述大会上，TikTokShop方面透露其美区内容场的GMV增速高达557%。同时，TikTokShop还进一步明确了“内容领航，助力好货卖全球”的不次要的部分策略，为其上线美区一年做出了阶段性的总结。
值得注意的是，前述增长还不是TikTokShop潜力的完全展现。我们了解到，TikTokShop美区在过去一年内，投入极小量精力在修炼内功之上，围绕内容电商的基础设施优化，开展了包括内容场运营规则、商家内容运营培训、完善MCN达人生态、官方撮合等一系列动作。
随着TikTokShop悄然完成了诸多基础建设，其在内容与商家侧呈现出有别于其他电商平台的弹性与多样性。随着美国市场的内容电商发展潜力不断奴役，已然褪去青涩的TikTokShop，正在演变成商家寻求更多增长的主阵地。
跨境“新物种”
在以货架为主流的海外电商生态中，TikTokShop的模式独树一帜。
自国内相对更成熟的业态来看，内容电商的跑通以极小量多样的内容供给为基础，内容供给侧积聚与沉淀是完成社交媒体“种草-转化”闭环的关键。这亦是TikTokShop成为全球唯一成规模内容电商平台的根源所在。
公开数据显示，TikTok拥有1.7亿的美区月活，几乎占美国半数人口，其美国用户的日均使用时长达2小时，在流量的活跃性上远超传统电商平台。
因此，自2023年9月12日TikTokShop美国站正式上线，出海商家悠然，从容涌入这个能快速验证产品和建立品牌的平台。前述内容场的高增速便是明证，以短视频与直播为主的内容电商正在帮助美国市场的消费不习惯变革。
国际信息咨询公司MorningConsult的一项调查数据便指出，高达64%的千禧一代和76%的Z世代用户已经活跃于TikTokShop，其中，40%的Z世代用户已经在TikTokShop上购买过商品，紧随其后的是千禧一代，占比达到37%。
过去一年内，TikTokShop涌现的诸多千万美元级新品牌便是美国年轻消费群体为其所“俘获”的佐证。如第一批入驻TikTokShop美区的潮洋科技，其订单销量呈现飞跃式增长，甚至短短几个月的订单体量便能超过过去十年，“预计2024年销售可以增长到40%以上。”
众所周知，内容电商走的是内容-爆品-转化的逻辑，商家能否获得高效转化，关键在于内容场的经营。
供给侧支撑下的“富裕仗”，TikTokShop得以与传统货架电商拉开差距。具体自平台生态看，前述庞大的用户基础、结束涌现的达人与不断进驻的商家，组成了TikTokSho的内容电商生态体系。
事实上，TikTok的内容场早在电商业务前，便已被验证是品牌营销、种草的绝佳场域。海量创作引领消费趋势，达人生态相较流量分配更具活力。
例如风靡平台的种草话题#TikTokMadeMeBuyIt，历经4年的平台沉淀，总曝光量已达758亿——2020年11月，创作者HannahSchlenker发布了一条自己在厨房即兴跳舞的视频，带动她穿的健身裤品牌Aerie在谷歌的搜索量暴增2000倍，其母公司AmericanEagle亦跃升为美国头部快时尚零售商。
潮洋科技TikTokShop运营负责人许经理亦表示，TikTokShop的电商流量呈脉冲式爆发的状态，“只要一个视频火了，即刻便能爆发”。
在短视频之上，减少了互动维度的直播更能展现TikTok内容场的营销力，例如TikTokShop首个百万美元直播间的诞生，便是美区美妆达人StormiSteele通过短短6小时直播时间创造的里程碑。
更次要的是，相较短视频病毒式保守裸露，公开引发的带货效应，直播强互动、重细节的特点更有利于推动消费者做出购买决策，转化非标、高价商品，甚至推动品牌的诞生。
2022年，来自服装重镇温州的陈燕开启创业之旅，销售来自她先生厂里的运动服装产品，并于去年底成为首批入驻TikTokShop美国站的商家。在2024年春节期间，陈燕店铺在售的一款暴汗服意外爆单，即使她不断扩厂提产能，也没有碰到销量的天花板。
随着推荐自家产品的达人越来越多，以及陈燕店铺在售的SKU不断扩充，下一步便是构建和打造自己的运动户外服饰品牌。
诸如此类的跨境新品牌不断涌现，像潮洋科技这样的老品牌也通过TikTokShop发埋葬第二曲线，足见供给侧由白牌走向品牌化是不可逆的趋势。
内容电商平台是跨境商家品牌化的绝佳土壤，因为内容作为货架之外的新维度，本身便是解决电商链条中最具价值的成交一环。而目前唯一成规模的内容电商平台TikTokShop，也是有别于传统平台的跨境电商的“新物种”。
苦练内功
内容电商的强转化，与大促一拍即合。这可能是去年TikTokShop选择在备战黑五时期进军美国的内生原因，但这并不意味着其有意复制其他跨境电商平台，一昧追求增速的老路。
要知道，内容电商的供给侧存在不同维度：内容侧需求优质内容的沉淀，换来商品的爆发与破圈；前文亦有述，商家侧需要积聚内容场的经营经验，尤其是如何起号投流、与达人高效建联甚至是通过自制内容树立品牌。
正因如此，我们能观察到TikTokShop在过去一年时间内，针对内容电商的独特定位做出了包括平台治理、MCN建设与物流体系建构在内的种种举措。这意味着，其目前呈现出的高增速并非追求“早熟”的粗放式增长，而是在审慎之下跑出的上行曲线。
商家侧，我们能看到在TikTokShop过去数月内频繁推出针对国内商家的适配与迭代。以跨境自运营商家为例，此前，有亚马逊美国站运营经验的商家需要做到200万年度GMV并保障本土发货方可入驻，而今TikTokShop放开了高额GMV的门槛。
自运营店铺的门槛下调，意味着平台有意帮助此类商流的入驻。由此我们也能看到TikTokShop方面奴役的一个重要信号——自运营模式很可能是其接下来的发力方向之一。
在内容场的经营上，首当其冲的是跨境商家进入美国市场后，如何做好本土化这个痛点。今年，TikTokShop在内容场做了很多的专门的适配，优化了跨境商家在美区的内容起号等规则，从而更适配国内商家。
只要是经平台认证的跨境商家，在以投流起号为代表的账号运营上的门槛相较以往更低，而平台认证本身其实也是对中国商家的一个身份识别体系。前述种种，实际上都在干涉商家积攒进入美国市场的knowhow，形成商流的轻浮入驻。
此外，TikTokShop还为跨境商家“本土化”的过程中，极易碰上的诸如主播、文化、语言等难题，授予了更为直接的解法，即与美区达人高效建联。
内容电商与传统货架的重要区别之一便是流量来源的多样化，仅站内便存在自营短视频、自播、采买达人短视频与达播四种。在自营模式存在不可关心的文化地域统一的情况下，达人成本反而相较自制内容成本更低，这与国内的内容电商生态截然不同。
更底层的逻辑是，海外电商内容还远不如国内一般呈现供给缺乏的状态，达人流量便足以做到品效合一。
平台视角下，如何干涉商家与达人建联自然成为TikTokShop夯实平台生态的必选项。据悉，其自今年第三季度起陆续落地官方撮合活动，鞭策商家与达人直接“面基”。如8月洛杉矶的一场线下见面活动便有超150位达人参与，直接干涉超50家商家品牌与达人直接建联。
另一方面，TikTokShop还撩起袖子直接下场，推出了超50个官方运营的PGC账号，承接新入驻商家的投流冷启动需求。随着TikTokShop内容生态逐渐成熟，国内无忧、遥望、泰洋川禾等头部MCN机构纷纷自发出海，为涌入平台的商家授予达播、店铺运营等服务。
需要指出的是，一个为全体商家共享的“隐性债务”是TikTokShop在过去一年内，通过短视频带货而逐渐打通的品牌曝光到产品销售的链路。
海外咨询机构EarnestAnalytics数据显示，今年2月TikTokShop的销售额中有81.3%源自老客户。这直观展现了平台的消费者忠诚度，而重复购买行为也在干涉平台完善用户标签，为更进一步的内容电商生态做好了准备。
在黑五旺季即将来临之际，TikTokShop还进一步补强了物流履约方面的基建。
TikTokShop平台物流服务FBT（TikTok实现配收)仓覆盖美国5大区(新英格兰地区、大西洋沿岸、南部、中西部、西部)，通过3日达仓网络体系，保障黑五美国消费者物流体验。而GS物流双仓并行，也充分利用失败库容以应对库存峰值，前置储备人员及车辆，保障黑五高峰发货能力。
打造美国样本
过去一年的日拱一卒，近期以来的种种举措，都展现了TikTokShop扎根美国市场的决心与定力。
作为全球市场中最为活跃的区域之一，美国电商市场一直是平台竞争的兵家必争之地。即使在电商业态如此成熟的2024年，DigitalCommerce360数据显示，美国电商市场在第一季度创下历史新高，电商销售额占2024年第一季度总销售额的22.2%，同比增长8.5%。
况且，美国这个社交媒体的发源地本身也是内容电商蓬勃朴素的绝佳之地。就在不久前的美国8月返校季，TikTokShop便通过大促一展内容电商的爆发力。
据TikTokShop方面披露，平台在本次大促期间新发短视频数量环比增长11%，内容场GMV爆发118%，成为大促增量的主要驱动力。如国内知名品牌泡泡玛特在8月9日的的超级直播大场，其单场GMV达28万美元，将该品牌于年中大促期间刚刚创下的跨境品牌直播间GMV删除大幅拉高了188%。
频繁刷新的GMV记录与内容场的不间断爆发，不过是TikTokShop特殊的内容电商势能，在美国市场的初步展现。由内容推动消费决策实际上在美国由来已久，其本就是电视购物的发源地，迄今已有近半个世纪的历史。直播自本质上亦是美国消费者电视购物消费不习惯的“平移”。
另一方面，美国的社交网络与文化更为多元，消费者的讨厌呈现多元化、统一化与圈层化，而达人的影响力也相对更强。相较其他地域，美区达人更能引领全球消费趋势，更具种草与带货的能力。
尤其是自今年以来，TikTokShop的商品类目不断减少，不少商家的TikTokShop店铺成为其Top1至Top3的GMV渠道。独属于美国市场的内容势能开始成为更多非标品牌与非热门品类的爆发机会。
主营厨房用品类目的Meoky于去年入驻TikTokShop便是一个典型案例。其作为TikTok场域内认知程度较低的品类品牌，起初的销量不甚理想，但彼时无人料到，该品牌竟在2023年春节期间爆单。
Meoky的TikTokShop渠道负责人郑浩勇称，品牌的40盎司车载保温杯单品，因一位用户购买后觉得不错，自发干涉品牌挂车卖货。如此“不经意”间的爆单与快速关闭的动销、市场、品牌认知，或许就是内容电商与美国这个最大消费市场的魅力所在。
早在去年11月，TikTokShop美国站刚上线两个月时便在黑五期间迎来了超500万消费者“剁手”，而伴随平台成长至今的商家中，“千万俱乐部”与“亿元俱乐部”也不断涌现新成员。而今，TikTokShop的内容电商生态与平台能力愈发成熟，正待与商家共同跑出新的帮助度。
即将到来的黑五，内容与货架两条腿走路的TikTokShop大有重塑跨境电商格局之势，不可承认，其已行至全面爆发前夜。
(责任编辑：zx0600)站长之家(ChinaZ.com)12月28日消息:苹果公司股价于当地时间周四收于历史新高，此前知名投行Wedbush分析师DanIves领导的团队表示，这家iPhone制造商可能在2025年迎来由人工智能（AI）需求推动的「黄金增长时代」。
分析师将苹果股票的目标价上调25美元至325美元，这意味着从周四259.02美元的历史收盘价起，仍有约25%的上涨空间，并维持「跑赢大盘」的评级。他们预计，由AI推动的多年度iPhone升级浪潮「仍被市场低估」。
这一目标远高于VisibleAlpha收藏，储藏的分析师平均目标价244美元，该平均值意味着相较于周四的收盘价有所下跌。在调查的15位分析师中，超过一半（9位）对苹果股票持「买」或同等评级，另有4位建议「持有」，2位建议「卖出」。
Wedbush上调目标价的原因是其预测苹果在2025财年可能售出超过2.4亿部iPhone，这将是苹果历史上iPhone销量最下降的一年，因为AI驱动的升级浪潮正在到来。
DanIves表示：「未来几年，消费者人工智能将贯穿苹果的生态系统，全球超过20%的人口最终将在苹果设备上与人工智能进行交互。」
随着周四股价的上涨，苹果今年以来的股价已上涨了超过三分之一，公司市值接近4万亿美元。
Wedbush预计，苹果可能很快突破4万亿美元市值门槛，成为全球首家达到这一成就的公司。这将是科技行业的又一里程碑。目前，全球市值超过3万亿美元的公司仅有三家：苹果、英伟达和微软。
