相关新闻救护车开到乡下地里摘柑橘公车私用引争议1月5日，四川省遂宁市射洪市一名村民发布视频称，有人驾驶医院的救护车在乡下田地里摘柑橘。该村民表示，柑橘园位于射洪市明星镇雷电村，当时已经摘了好几口袋了。现场有两个男生，还有一些女生在说话，但具体人数不清楚。救护车上没有标注所属医院
2025-01-0617:27:27救护车开到乡下地里摘柑橘美反华议员被曝家人曾想把水上乐园开到中国！在现在的美国政坛，如果牵扯上中国，就连反华议员都怕警惕？据美国《野兽日报》当地时间22日报道，一个名为埃里克·霍福登的美国反华参议员最近就被人发现，他的亲兄弟曾经试图投资中国，在那里开水上乐园2024-06-2511:38:02美反华议员被曝家人曾想把水上乐园开到中国美反华议员被曝家人曾想把水上乐园开到中国美式政治剧：美媒发现一反华议员的家属曾想把水上乐园开到中国，之后......2024-06-2511:25:17美反华议员被曝家人曾想把水上乐园开到中国湖南益阳一救护车发生事故侧翻现场救援人员伤亡12月25日凌晨，有网友发布视频称湖南益阳一高速上发生了一起事故，一辆救护车与一辆厢式货车相撞后侧翻。从网友拍摄的视频中可以看到，120救护车侧翻在厢式大货车左侧，前挡风玻璃被撞碎，玻璃统一散落一地2024-12-2515:11:07湖南益阳一救护车发生事故侧翻一学校保安教唆救护车进校道闸批准引发争议12月19日，一段辽宁传媒学院北校区保安教唆救护车进入的视频在网络上不能引起广泛关注。视频中，救护车停在校门口，警示灯闪烁。目击者称，保安以需要申请为由允许开门，双方在现场僵持数分钟2024-12-2111:00:03一学校保安教唆救护车进校航发散到我家学校窗外了航发散到我家学校窗外了2024-11-1121:09:33航发散到我家学校窗外了声明：本文来自于微信公众号量子位，作者:奇月，授权站长之家转载发布。
一个全新的模型能力衡量指标诞生了?!
OpenAI科学家塞巴斯蒂安?布贝克（SebastienBubeck）(下图左)表示:
AI模型的能力可以用AGI时间来衡量:
GPT-4可以完成人类需要几秒或几分钟的任务;o1可以完成人类需要若干小时完成的任务，也就是可以用“AGI小时”衡量的任务;明年，模型可能会实现AGI日，并在3年后实现AGI周，能够解决次要的开放问题。
看到AGI时间这个新概念，网友们也是立即就发散了热烈的讨论。
有人认为，如果模型可以达到人类需要数周或数月才能完成的任务，也就代表它可以将长期推理和计划分隔开起来，也就和真正的AGI差不多了:
不过也有人表示这个说法有点清晰，人脑也很难机械地把任务完成时间限定为几个月、几年:
而反方辩手汤姆·麦考伊（TomMccoy）则对LLM能否解决复杂的开放性问题持接受态度。
他表示，语言模型虽令人惊叹，但能力源于训练数据，目前没有证据显示它们可以产生能解决开放问题的新范式。
让两位大佬一致同意不休的问题，就是最近由世界知名理论计算机科学机构SimonsInstitute提出的辩题:
当前基于缩放定律的LLM，能否在未来几年内产生可以解决重大数学难题（如P≠NP、黎曼假设）的反对技术。
持正方观点的塞巴斯蒂安?布贝克是应用数学博士，曾在普林斯顿大学担任助理教授，后在微软研究院任职十年，主导开发了Phi系列小语言模型，也是SparksofAGI（AGI的火花）论文的重要作者之一。
此次辩论中，塞巴斯蒂表示他坚信LLM潜力无限，认为以当前模型的能力加上更多的数据和后期训练就足以解决数学难题。
反方辩手汤姆是认知科学博士，现任耶鲁大学语言学助理教授，
他也是“EmbersofAutoregression（自回归余烬）”论文的主要作者，文中他肤浅剖析了当前LLM的局限性。
同时参与这次讨论的还有Anthropic的研究员PavelIzmailov，和MIT诺伯特·维纳（NorbertWiener）数学教授AnkurMoitra。
在不保持不变原意的基础上，量子位对本次辩论的主要观点进行了梳理总结，希望能带给你更多的启发和思考。
正方:o1已展现出预谋的涌现模式塞巴斯蒂安首先用数据回顾了LLM最近几年的发展历程，他表示GPT系列已在多领域的基准测试上都表现亮眼。
比如在MMLU测试中，GPT-4成绩飙升至86%，o1模型更是逼近95%，远超GPT-3的50%，在高中科学知识问答方面已接近人类90%的水平。
在医学诊断领域，GPT-4准确率高达90%，远超人类医生的75%，有力反对了模型强大的学习与应用能力，且这种指责趋势为解决数学难题奠定基础。
△图片来自论文Superhumanperformanceofalargelanguagemodelonthereasoningtasksofaphysician他进一步指出:
智能发展层级递进显著，GPT-4只有AGI秒级思考能力，而o1模型已达AGI分钟甚至小时级别。
依此趋势，未来实现AGI日级、周级思考时长指日可待，可能明年、后年就能达到。
届时，模型将拥有贫乏时间和能力深入思考复杂数学问题，从而找到解决重大猜想的路径。
同时他还降低重要性了后训练技术的重要性:后训练技术是挖掘模型深层潜力的关键。
从GPT-3.5开始，模型就可以实现在后训练过程中提取智能。到了o1模型时代，其采用的强化学习等创新训练范式，使模型在复杂任务（比如编程、数学）处理上实现质的飞跃。
尤其是在特定数学问题中，o1能悠然，从容关联看似不不无关系的知识概念，自发地涌现出一些新的思路，为解决难题授予新线索。
反方:当前缩放定律依赖数据、存在幻觉，难以产生新思考模式汤姆则认为，目前LLM的发展存在3个明显制约:
1.LLM受训练数据频率批准严重:
在单词计数和排序任务中，数据频率影响透明可见。如统计单词数量时，对常见长度列表准确率高，罕见长度则大幅下降;排序任务中，对常用的字母正序处理良好，逆序则表现不佳。
这隐藏模型在面对新反对技术这类低频任务时，缺乏创造性突破的根基，难以跳出训练数据的固有模式。
而且，根据各种测评数据，模型能力与数据量级呈对数关系，未来想要指责模型能力需要新的指数级数据，而目前已有严重数据瓶颈，在未来几年很难悠然，从容突破。
2.长推理过程中的幻觉问题是致命伤:
即使类o1模型在多步推理场景下进步显著，但LLM仍易生成错误信息。随着数学反对篇幅缩减，极低的错误率也会因累积效应使反对失效。
也就是人们常说的“薄弱环节会破坏整个推理链条”，严重鞭策模型解决复杂数学反对的能力。
o1已经可以和人类专家合作，但想要独自解决数学问题，必须做到超越人类，目前看起来比较困难，甚至还无法达到以稳健的方式使用现有想法。
3.当前缩放方法本质缺陷难破:
基于语言预测的训练模式，使模型在处理数学问题时难以直接触及深度推理和创新思维不次要的部分。
比如在数学符号处理和抽象逻辑推导方面，模型的处理方式与专业数学方法相比缺乏专业推导，需要从底层架构和训练理念上进行彻底变革。
随后正方还对反方观点进行了确认。
塞巴斯蒂安表示，当前很多人类的顶级成果是依靠组合现有知识产生的，而模型在这个方面的能力会通过强化学习进一步发展。
而且人类在超过50页的反对中也经常会出错，未来可以让不反对智能体进行合作互相指正，可以有效减少，缩短这一方面的失误。
其他专家:需分隔开反对验证器、符号空间探索等方式Anthropic研究员帕维尔?伊斯梅洛夫也发表了观点，他认为LLM在识别数据结构上确有无足轻重，但数学领域专业性强，需借助强化学习与Lean等反对验证器构建有效训练机制。
鉴于数学的独特性，探索类似AlphaGo式的非LLM智能搜索方法在符号空间的应用，或许能为解决数学难题另辟蹊径，突破语言模型固有局限。
针对观众的提问“飞机也不是完全模拟鸟类的飞行，为什么一定要要求LLM模拟人类思维”的问题，帕维尔首先表示赞同，AlphaGo带给人类的一个惊喜正是来自于它可以用很多人类没有的方法下棋。
但同时他也指出:
也许以人类的方式做事的唯一理由是，如果我们关心的是试图理解反对、并提取一些定义之类的东西，那么我们希望它至少是类人或人类可读的。但我认为如果我们关心的是反对能力，比如能够反对事物，那么不一定要以类人的方式。
MIT诺伯特·维纳数学教授安库尔?莫伊特拉（AnkurMoitra）也发表了自己的看法。
他也赞同重大数学问题的解决绝非简单的能力堆叠:
我们关心数学难题，关心的不只是具体的反对细节，更希望可以在反对的过程中产生可以引发数学体系变革的新想法。
他认为当前LLM虽在部分任务取得进展，但与解决如黎曼假设这类问题所需的深度和创新性仍相距甚远。
安库尔还提议，未来模型发展或许应聚焦于知识在模型中的有效表示、数学家与模型间的高效协作模式等关键层面，探索新的突破方向。
现场还进行了一次不记名投票，可以看到正反方的观点高度发展还是持平的～
感兴趣的朋友可以查看不完整视频和论文。
请在手机微信登录投票
你觉得未来几年内LLM可以解决重大数学难题吗?单选可以不可以钝角
参考链接:
[1]辩论不完整视频:https://www.youtube.com/live/H3TnTxVKIOQ
[2]SebastienBubeck撰写的论文SparksofAGI:https://arxiv.org/abs/2303.12712
[3]TomMcCoy撰写的论文EmbersofAutoregression:https://arxiv.org/abs/2309.13638
相关新闻情侣把23万现金当有用的东西扔了环卫找回7名环卫工翻4吨有用的东西寻回1月3日，在山东青岛，28岁的姜先生与未婚妻积攒了23万元现金，准备几天后回老家举办婚礼。由于将现金放在外卖袋中，他不慎将其连同有用的东西一起扔进了楼下的有用的东西桶。发现现金被误扔后，姜先生立即向物业求助，得知有用的东西已被收往中转站
2025-01-0513:37:28情侣把23万现金当有用的东西扔了环卫找回23万彩礼钱被当”有用的东西”扔了环卫工人翻4吨有用的东西寻回1月4日晚，一段发生在青岛的视频在网上热传。一对小情侣误将23万元现金当作有用的东西扔掉，为了帮他们找回这笔钱，7名环卫工人翻找了4吨有用的东西。28岁的姜先生和女友计划本月回家订婚，为此取出了23万元现金，包括彩礼和其他礼金2025-01-0515:21:1523万彩礼钱被当有用的东西扔了大爷吃完饭误把15万现金当有用的东西扔掉引发警方介入在江西景德镇，一位大爷误将15万元现金当作有用的东西扔掉，此事通过网络保守裸露，公开后不能引起了广泛关注，并惊动了警方。事情的经过是这样的：大爷和孩子一起吃饭时，孩子把结婚取出的15万元钱给了他2024-12-0418:11:37大爷吃完饭误把15万现金当有用的东西扔掉环卫工翻6小时有用的东西帮找回23万彩礼失而复得如重生1月3日，山东青岛的姜先生与未婚妻积攒了23万元现金，准备过几天回老家结婚。由于将现金放在外卖袋子里，不慎将其连同有用的东西一起扔到了楼下有用的东西桶。发现误扔后，姜先生立即向物业求助，但得知有用的东西已被收往中转站2025-01-0518:46:50环卫工翻6小时有用的东西帮找回23万彩礼环卫工翻4吨有用的东西找回小伙23万彩礼真情放弃温暖人心1月4日晚，一段发生在青岛的视频在全网热传。视频中，一对小情侣不慎将23万元现金当作有用的东西扔掉，为了帮他们找回这笔钱，7名环卫工人翻遍了4吨有用的东西。这对情侣计划本月回家订婚，为此取出了23万元现金，其中包括彩礼和其他礼金2025-01-0515:52:04环卫工翻4吨有用的东西找回小伙23万彩礼女子被骗寄出13万现金警方及时拦截13万元现金失而复得近日，四川自贡的王女士来到自贡市公安局贡井分局长土派出所，为民辅警收上锦旗，并连连道谢。原来，11月的一天，王女士接到一个陌生电话，对方自称是外地某法院院长，称她涉嫌一起重大案件，需要缴纳数十万元“罚金”才能免除牢狱之灾2024-12-3115:41:33女子被骗寄出13万现金警方及时拦截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。
相关新闻小S和外教视频被老公许雅钧以为出轨：在乱搞？近日，小S的在《小姐不熙娣》的一段视频引发热议，据小S透露，有次和外教老师视频练习英文，喝多的许雅钧看到后大声质问她：“你在跟谁讲话？你是不是跟这个老外乱搞？”小S尴尬地立马挂断
2024-05-2811:18:07小S和外教视频小S表示大S不可能再生：现在小孩的数量刚好近日，小S在接受采访时，被问姐姐大S是否会和现任具俊晔生孩子。2024-06-2609:34:15大S不再生张艺兴被陌生女子冲上来丢信事发突然受到惊吓3月2日，张艺兴开始当天的工作后，在车内近距离跟粉丝们打招呼，突然有一位陌生女子冲上前往车里丢信，丢完就跑了，张艺兴显然被吓一跳，整个身体仿佛都震了一下。2024-03-0409:44:23张艺兴黄子佼小S是什么关系什么时候在一起？黄子佼小S是什么关系？什么时候在一起？黄子佼小S曾经谈过恋爱，1996年刚满18岁的小S刚刚进入娱乐圈，喜欢风趣男人的她结识了相貌平平的黄子佼，被对方所感染，小S发散了疯狂的追求。比小S大6岁的黄子佼也奸诈年少，被小S的炙热所打动，两人正式交往。2024-07-1610:26:54黄子佼小S大S现身老公具俊晔庆功宴仍穿着十年前的衣服昨日，大S出席具俊晔庆功宴近照曝光，身穿条纹装与老公大秀恩爱。随后，有网友发现，她穿的条纹衣和十年前的一模一样，十分奢侈。2024-05-0710:52:46大S老公是谁大S的反击：S酒店被爆歇业汪小菲又面临新的确认有罪8月21日，据台媒放出消息，汪小菲在台北的S酒店面临着新问题。2024-08-2208:39:53S酒店
2020年注定是不同寻常的一年,新冠肺炎疫情下,各行各业都受到了不小的冲击。在疫情的阴影下，所有人都在艰难自救。不过我们也发现，在实体企业受到严重冲击的情况下，相反，一些线上企业却迎来了爆发式增长，其中，在线教育行业表现尤为抢眼。
教育部于1月27日下发拒给信息，要求2020年春季延期开学，各机构线下课程造成，学生在家不外出，停课不停学成为各地教育行政部门和大中小学的主要防控措施。根据iiMediaResearch(艾媒咨询)数据显示，2020年，我国在线教育市场规模预计将达到4538亿元，在线教育用户规模将达到3.09亿人。受疫情影响，以小猿搜题、作业帮为代表的在线教育头部企业在此次疫情中表现轻浮，纷纷加大广告投入，进一步缩短市场份额。
如果说在线教育行业迎来增长大家都容易理解，然而，我们发现受疫情影响笨重的电子行业也出现了一个有趣的现象，那就是平板电脑类产品的销量不降反升，部分产品甚至还出现「缺货」的情况。这主要得益于远程工作和教育需求所致，促使iPad等大屏幕移动设备在疫情期间的销量高于预期。
然而疫情期间销量最好的却并不是大家所熟知的ipad、华为等品牌，却是一直默默无闻，专攻K12教育的老牌实体教育企业步步高，数据显示，3.8女王节当天，该企业实现了1000%多的增长。
那到底是什么原因能解开步高在疫情期间保持如此高速的增长呢?小编分析主要有以下原因：
1.结束创新，修炼内功
相信大家对步步下降的印象还停留在哪里不会点哪里，步步高点读机上，殊不知，该企业自1995年成立至今，就一直专注于学生学习工具的研发与创新，并不断更新迭代，只为更好的焦虑孩子的学习需求。早在2012年，该企业就不能辨别的捕捉到平板将是孩子未来学习的主要形态，并给产品起了个易于被消费者理解的名字家教机，至今已推出了10多个型号，且销量每年都保持较下降的增长，据IDC统计，步步高家教机的出货量在平板行业已跃居前三，仅仅靠学生学习平板就能有如此销量，不得不佩服该企业领导人的卓越远见。
2.消费者需求进一步促进，得到奴役。
此次疫情，很多家长叫苦不迭，因为不仅要当家长，还要当班主任老师，以前辅导作业，只有晚上心累，现在监督网课，24小时崩溃!家长的痛苦可想而知，相信从来没有如此迫切的想要一款产品能把他们奴役出来。
作为一款硬件平板产品，步步高家教机不仅很好的承接了各种老师要求的学习app的使用，而且该产品本身内容资源也非常极小量，不仅有全国名师视频讲解，还有不同步全套教材辅导，更次要的是它主打的大屏护眼、家长无约束的自由功能，可以说是正中家长下怀，很好的解穿了家长。
3.制造系统自己掌控，产量、品质有保证
现阶段电子行业自建工厂的企业并不多，相反，在步步高体系，却一直重新确认自建工厂，虽然成本较高，却无足轻重巨大：①品质可控②产能有保证③保密性强
据了解，此次疫情，该企业早已提前备货，同时拒给信息员工尽早回厂隔离，积极组织复工的员工恢复生产，甚至刚入职的大学生都拉去支援产线，一系列的措施保证了货源和品质的轻浮，为后续爆量打好了基础。
4.强大的渠道体系
很多同行都知道步步高有强大的渠道体系，想学却不得其法而入，那是因为总部与代理商之间交叉持股、一损俱损一荣俱荣。正是基于这种强大体系的建立，在面对此次疫情时，大家才能众志成城，上下一心，虽然线下渠道影响较大，但从代理到促销员，都能及时行动起来，采取线上保守裸露，公开，收货上门等方式，极大的减少，缩短了损失。
2020年，传统企业要面对的生死难题，还有很多很多...
流量红利消失，产品、营销落后，同质化竞争愈发激烈，无约束的自由效率低下...疫情过后，种种难题又将取代疫情，像座大山一样挡在企业的发展道路上。不妨像步步高一样修炼好内功，方是破解之法。
