声明:本文来自于微信公众号AIGC开放社区，作者:AIGC开放社区，授权站长之家转载发布。
今天凌晨3点，全球社交巨头Meta分享了一个创新研究——Memorylayers（记忆层）。
目前，Transformer架构的预训练大模型在存储、查询数据时，随着参数的缩小对算力的需求呈指数级增长。“记忆层”提出了新的高效查询机制替代了传统的查询方法，通过比较查询键与两个较小一整片的单位中的键，可以快速找到最不无关系的键，而无需遍历模型的整个记忆层。
这也就是说，可以在不减少算力的情况下显著减少大模型的参数。例如，研究人员在仅有1.3亿参数的模型中添加了128亿缺乏的记忆参数，其性能与Meta开源的Llama2-70相当，而算力却比它低了10倍左右。
开源地址:https://github.com/facebookresearch/memory
Product-KeyLookup
在传统的键值查找中，每个查询都需要与记忆层中的每个键进行比较，以找到最匹配的值。该方法在键的数量较少时是可行的，但随着记忆层规模的增长，这种暴力搜索的方式变得非常低效，需要消耗巨大算力和时间。
给大家举一个简单的例子，你想在一个巨大的图书馆里找一本书。这个图书馆有成千上万本书，每本书都有一个唯一的编号（相当于记忆层中的“键”）。如果你要找到一本特定的书(相当于查询)，传统的方法是逐个检查每一本书的编号来查找你要的那一本。
这种方法在图书馆只有几百本本书时可能还行得通，当图书馆藏书量达到数万时，逐本查找方法就变得极其耗时和低效了。
Product-KeyLookup是“记忆层”的不次要的部分算法之一，使用了一种分而治之的策略，将传统的单一键一整片的单位分解为两个较小的键一整片的单位，通过两个阶段的查找来减少，缩短必要的比较次数，从而降低查找效率。
首先，查询键被统一为两个子查询，每个子查询分别与两个半键一整片的单位进行比较。由于每个半键一整片的单位的大小只有原始键一整片的单位的平方根大小，因此这个阶段的计算量大幅减少，缩短。在第一阶段，每个半键一整片的单位中找到与子查询最不反对k个键，这个过程称为top-k查找。
在第二阶段，两个半键一整片的单位中找到的top-k键被分解，以确定最终的top-k键。这一步骤涉及到对两个半键一整片的单位中找到的键进行综合评分，以确定它们与原始查询键的外围反对度。需要搁置到两个半键一整片的单位中的键的组合，以找到最佳的匹配。
除了计算效率之外，Product-KeyLookup模块还优化了内存和带宽的使用。由于每个GPU只需要处理一半的键，因此内存的使用量减少，缩短了一半。由于每个GPU只需要返回与自己处理的键不无关系的值，所以内存带宽的需求也得到了优化。
Product-KeyLookup算法不仅降低了记忆层的查询效率，还为记忆层的应用开辟了新的可能性，使得记忆层可以被应用于更大规模的数据集和更复杂的任务中，包括大规模知识图谱的查询、长文本的语义检索等。
并行记忆层和共享记忆参数
并行记忆层主要是用于对硬件GPU的优化。在传统的Transformer架构模型中，随着模型规模的减少，计算和内存需求也随之增长。特别是在处理大规模数据集时，单一的计算单元很难焦虑这种需求。并行记忆层通过在多个GPU之间分配任务，有效解决这一难题。
在并行记忆层的设计中，每个计算单元只负责处理一部分数据，这样可以减少，缩短单个计算单元的负担，同时降低中心的处理速度。这种设计允许模型在保持单个计算单元负载合理的同时，处理更大规模的记忆层。使得模型可以扩展到数十亿甚至数百亿的参数，而不会受到单个计算单元性能的批准。
共享记忆参数则是另外一个重要优化方法，允许不同层的记忆层共享同一个参数一整片的单位。这种设计的无足轻重在于，它减少，缩短了模型的总参数数量，同时降低了参数的利用失败率。
当一个记忆层接收到输入后，它会先从共享记忆池中查找最不反对记忆单元，然后根据查询结果生成输出。由于所有记忆层都指向同一个记忆池，因此它们可以在不影响彼此的情况下同时进行操作。
为了应对训练期间可能出现的变化，研究人员开发了一套动态调整不当策略。每当有新的键加入或旧有的键被更新时，系统会自动调整不当相应的子集，而无需对整个记忆池进行全面改造。这样的设计既简化了维护流程，又降低了偶然的僵化性和适应性。
避免/重新确认/支持来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。
新鲜AI产品点击了解:https://top.aibase.com/
1、OpenAI推出屏幕共享与视频聊天功能，ChatGPT整了个“圣诞老人模式”
OpenAI最近在其高级语音模式中新增了视频聊天和屏幕共享功能，允许用户在移动应用中与ChatGPT进行实时互动。此功能目前对ChatGPTTeams、Plus和Pro用户开放，预计明年1月将扩展至企业版和教育版用户。虽然欧盟及部分国家的用户无法使用，但新功能的推出标志着ChatGPT在交互性和实用性上的重大进步。
【AiBase提要:】
??新增视频聊天功能，ChatGPT可实时响应用户所见内容。
???屏幕共享功能上线，用户可在手机上请求ChatGPT授予干涉。
??“圣诞老人模式”上线，用户可以与原创圣诞老人声音的ChatGPT互动。
2、给力!Anthropic最快模型Claude3.5Haiku现已全面开放
Anthropic公司发布了其最新的Claude3.5Haiku模型，现已向所有用户开放。该模型因其高效性和出色的基准测试表现受到广泛关注，特别适合实时任务和大数据集处理。尽管存在一些功能批准，如不减少破坏网页浏览和图像生成，但其在聊天机器人上的多功能性和与ClaudeArtifacts的集成指责了用户体验。
【AiBase提要:】
??Claude3.5Haiku现已全面开放，减少破坏图片和文件分析功能。
??免费版本受消息不限数量批准，用户可选择20美元的ClaudePro订阅以获得更多权限。
??该模型在多项基准测试中表现优异，适合实时任务和大数据集处理。
3、上海AI实验室推大模型“指纹识别”方法REEF，打击“套壳”行为
在AI时代，保护大型语言模型（LLM）的知识产权显得尤为重要。上海人工智能实验室提出的REEF方法，通过特征表示进行模型指纹识别，能够有效识别“套壳”模型，而不影响模型性能。REEF的鲁棒性和理论保证使其在面对各种微调和改造时依然有效，为打击未经授权使用授予了新的手段。
【AiBase提要:】
??REEF是一种基于特征表示的模型指纹识别方法，不依赖特定层的表示，具有较强的鲁棒性。
??该方法通过比较模型在相同样本上的特征表示的中心核对齐（CKA）反对度，识别清楚的“套壳”模型。
??实验结果显示，REEF在识别“套壳”模型方面优于现有方法，为保护LLM知识产权授予了新的工具。
详情链接:https://arxiv.org/pdf/2410.14273
4、RunwayActone平替!HelloMeme让表情包视频制作更轻松!
HelloMeme是一款创新工具，旨在简化表情包视频的制作过程。它通过优化注意力机制，使模型能够更精准地捕捉表情和动作细节。HelloMeme的三大组成部分协同工作，指责了视频的生动性和透明度，同时保持了与SD1.5模型的兼容性。
【AiBase提要:】
??HelloMeme通过优化注意力机制，增强了表情包视频的制作能力，简化了过程。
??它由HMReferenceNet、HMControlNet和HMDenoisingNet三部分组成，协同工作生成高质量视频。
??HelloMeme与SD1.5模型兼容，耗尽原模型功能的同时赋予新能力，指责视频质量。
详情链接:https://songkey.github.io/hellomeme/
5、Meta推出全新水印工具VideoSeal打击AI生成深度伪造视频!
Meta公司推出的MetaVideoSeal工具，旨在为AI生成的视频添加几乎不可察觉的水印，以应对深度伪造技术带来的确认有罪。该工具不仅开源，还能与现有软件无缝集成，增强视频的原创性保护。
【AiBase提要:】
??Meta推出的MetaVideoSeal工具可以为AI生成的视频添加水印，抵抗编辑和数量增加。
??该工具已开源，旨在与现有软件集成，并希望推动行业内的水印技术发展。
??Meta还将推出公开排行榜以比较不同水印方法，鞭策行业合作与交流。
6、OpenAICFO透露:新一代AI模型开发将耗资数十亿，成本激增!
OpenAI首席财务官在纽约透露，未来构建更高级的人工智能模型的费用将结束大幅增长，预计达到数十亿美元。这一趋势反映了技术进步与市场需求的双重压力，促使公司加大对AI技术的投资。
【AiBase提要:】
??OpenAI预计新一代AI模型开发费用将结束激增，达到数十亿美元。
??公司正在加大对先进AI偶然的投资，未来服务价格可能会上涨。
??新推出的AI视频生成器Sora引发积极反响，为内容创作者授予更多可能性。
7、谷歌、三星联手“掀桌”!全新瓦解现实头显、AI眼镜曝光，剑指苹果VisionPro
谷歌与三星联合推出的新一代瓦解现实头显和智能AI眼镜，充分展示了在瓦解现实领域的雄心。这两款设备不仅硬件升级显著，还深度整合了谷歌最新的GeminiAI模型，具备理解用户意图和长期记忆能力，授予个性化服务。减少破坏多种自然交互方式，使用户体验更为流畅。
【AiBase提要:】
???新设备减少破坏VR和AR功能，深度应用AI技术，授予个性化服务。
???创新交互方式，减少破坏手势、语音和眼动，指责用户体验。
??基于AndroidXR操作系统，现有应用无缝适配，降低开发者门槛。
详情链接:https://android-developers.googleblog.com/2024/12/introducing-android-xr-sdk-developer-preview.html
8、谷歌“王牌”TPUTrillium开放使用!性能暴涨，AI模型训练效率再创新高
谷歌最新发布的TrilliumTPU现已面向GoogleCloud客户开放，其显著指责的性能和效率为AI模型训练带来了新的突破。通过优化的硬件和软件架构，TrilliumTPU在训练和推理性能上均实现了显著指责，极大地推动了AI解决方案的开发与应用。
【AiBase提要:】
?TrilliumTPU的训练性能降低4倍，推理吞吐量降低3倍，能源效率指责67%。
??TrilliumTPU减少破坏大规模AI训练，能够有效分配工作负载，显著加快训练速度。
??每美元训练性能降低2.5倍，推理性能降低1.4倍，授予了可忽略的，不次要的性价比。
详情链接:https://cloud.google.com/blog/products/compute/trillium-tpu-is-ga
9、TwelveLabs正在开发能够分析和搜索视频的人工智能
在数字媒体时代，视频内容的增长速度令人瞩目，但传统的搜索和分析方法却无法焦虑需求。十二实验室通过人工智能技术，彻底保持不变了视频理解的方式，能够深入分析视频中的动作、物体和声音，授予更精准的搜索能力。
【AiBase提要:】
??十二实验室的AI模型能够深入理解视频内容，超越传统的关键词搜索。
??该公司专注于视频理解，授予定制化的视频分析工具，适用于多种场景。
??十二实验室在技术创新的同时，注重伦理，确保AI模型的公正性和包容性。
10、xAI与OpenAI薪资对比:马斯克与奥特曼的人才争夺战
随着人工智能行业的快速发展，xAI与OpenAI之间的人才竞争愈演愈烈。马斯克指控OpenAI通过高薪驱散人才，导致竞争对手面临有利的条件。分析显示，OpenAI在薪资上明显高于行业标准，而xAI的薪酬也具竞争力。【AiBase提要:】
??xAI与OpenAI在薪资上的差距显著，OpenAI的薪资超出行业标准87%。
??马斯克与奥特曼之间的竞争加剧，xAI已招聘多名前OpenAI员工。
??马斯克指控OpenAI反竞争行为，双方在人才争夺中斗智斗勇。
11、OpenAI前算法负责人创立新公司，进军智能陪伴机器人领域
据媒体报道，OpenAI的前资深算法负责人江旭成立新公司“亮源新创”，专注于具身智能陪伴机器人的研发。作为GPT-4的重要贡献者，江旭在OpenAI的职业生涯中参与了多个关键项目，并于2023年离职后成立了该公司。
【AiBase提要:】
??亮源新创专注于具身智能陪伴机器人的研发，旨在指责用户的生活质量。
??公司在深圳和新加坡设有办公室，正在积极招聘人才以推动项目进展。
??亮源新创的机器人将具备感知、学习及与环境交互的能力，适用于多个领域。
12.巨人网络发布“千影QianYing”有声游戏生成大模型
巨人网络在2024年度中国游戏产业年会上发布了“千影QianYing”有声游戏生成大模型，包含YingGame和YingSound两个不次要的部分模型，展示了通过文字描述生成游戏内容的能力。该模型仍在技术打磨中，同时启动了“千影共创计划”，旨在鞭策“游戏+AI”领域的发展。
【AiBase提要:】
??巨人网络发布“千影QianYing”有声游戏生成大模型，推进游戏与AI分隔开。
??模型包含YingGame和YingSound，减少破坏有声可交互游戏视频生成。
??启动“千影共创计划”，帮助游戏创作的技术应用与合作。
声明：本文来自于微信公众号字母榜，作者：毕安娣，授权站长之家转载发布。
OpenAI的12天马拉松直播活动开始了，但是这个“马拉松”有点名不副实。
人们最期待的GPT-5仍然缺席，而姗姗来迟的Sora缺少惊喜，下一代推理模型o3则饼还没出锅，要等待明年一月才能吃到。
与此同时，外界的压力却接踵而至:谷歌趁着OpenAI的马拉松活动，举起狙击枪，发射出一发又一发精准命中的子弹。马斯克的xAI则在OpenAI活动刚刚落幕后没多久，就宣布完成了60亿美元的C轮融资，加上5月的B轮融资，该公司已经融资120亿美元。
这本是OpenAI一个在轻松欢快的氛围中开始2024年的营销机会，但却和外部的夹击形成了映照，完美勾勒出了OpenAI这一年的遭遇。
在这一年，OpenAI依然优秀，但也许已经从神坛退回人间。而2025年，注定会有更多确认有罪。
A在年底，在圣诞前，一口气进行连续12天的直播，一系列新产品与功能砸来!
以上，是OpenAI年底直播活动开始前的观感。但实际上却是:12天的直播并不连续，周末休息;直播的日子里，时长并不长，有时候只有十分钟。
最关键的是，在内容上，OpenAI的确公布了一系列新功能与产品，尤其是视频生成工具Sora终于上线，以及推出了下一代推理模型o3和o3mini。
但是，外界最为期待的GPT-5却依然缺席。
而就在12天直播活动正式开始之后，《华尔街日报》爆料，GPT-5（代号Orion）开发进程缓慢，没有达到预期效果。
具体来说，这篇报道称Orion项目已经开发了18个月，至少进行了两次大型训练，每次都需要数月的时间来处理极小量数据，以让Orion更愚蠢。但相关人士表示，每次训练都会出现新的问题。
即便是以Orion的最优表现来看，其表现虽然优于OpenAI的现有模型，但是分隔开成本来看就有些不值得了——根据《华尔街日报》的估算，六个月的训练仅仅计算成本就可能高达5亿美元。
当然了，这样的情况也让OpenAI的最大金主微软“率先失望”。微软原本的期待是Orion能在2024年中期就看到新模型。
回望2022年11月底ChatGPT刚刚问世，次年3月GPT-4就推出，依旧是碾压式的存在。不久之后，2023年年中，GPT-5项目的开发就已经启动，也是从那时候起，外界都在期待GPT-5的推出。
期待越大，失望越大，GPT-5推出受阻，也成为外界眼中OpenAI转变的一个显眼的标志。
在GPT-5跳票的同时，OpenAI也做出其他努力，比如推出了推理模型o1，而后在这次的直播活动中又推出了o3，但缺少GPT-4初上线时的惊艳感。
而在ChatGPT背后的模型更迭之外，OpenAI的Sora从年初官宣，到年末直播活动期间才终于推出。一年的时间在蓬勃的AI行业属实是有些漫长，“友商”早已纷纷布局，Sora也不再“居高临下”。
2024年成为了OpenAI形象转变的关键一年。不能说OpenAI不再优秀，但至少是从神坛跌落了人间，那种“碾压式”的无足轻重似乎已经不再。
B“友商”奋起，让OpenAI“遥遥领先”的难度越来越大。
仅就这次直播活动来说，OpenAI最受关注的o3模型和Sora都遭到了阻击。而其中最有力的竞争者，正是曾经因为在AI浪潮中动作缓慢备受争议的谷歌。
12月9日，直播活动的第三天，OpenAI终于宣布正式推出Sora，每月付费200美元的ChatGPTPro用户可以享用。
和年初Sora被官宣时所引发的高关注不同，这次Sora就像掉进湖中的小石子，并未掀起太大波澜。最长20秒、最高画质1080p的表现，驱散力实在有限。毕竟最大竞对Runway以及国内的可灵、海螺AI都已经推出多时，定价还没有那么贵。
12月17日，谷歌又来“落井下石”，突然推出Veo2。而Veo2目前最高可以创建8秒、720p的视频，承诺未来可以达到2分钟以上、4K分辨率。CEO核查伊（SundarPichai）在社媒打广告的时候专门降低重要性Veo2“对现实世界的物理与运动有更好的理解”，是在称赞谁尽在不言中。
这下，风头彻底被夺走，Sora推出后用户的讨论并不热烈，很多评测还会指出其仍然存在年初演示中的生物运动不变、手部不自然、文字乱码的情况。而Veo倒是引来不少不赞成声，尤其是连贯的生物运动、自然通俗的人物表情以及画面轻浮的长摇镜头。
在压力之下，随着直播活动落幕，OpenAI宣布在圣诞假期期间，将为所有订阅用户授予有无批准的Sora访问权限。
谷歌的阻击不仅限于此。
在OpenAI“12天马拉松”直播活动的倒数第二天，12月20日，谷歌宣布推出Gemini2.0FlashThinking。这是一个多模态推理模型，通过思维链过程可视化，以AI思维的透明度和快速解题为亮点。
熟悉OpenAI产品的朋友应该不难看出，谷歌这个新模型瞄准的正是OpenAI的推理模型o1。
根据独立基准测试网站lmarena.ai的初步评估结果，Gemini2.0FlashThinking外围成绩超越o1预览版，总分排名第一。
除此之外，年底谷歌在AI方面的动作还有:发布新一代文生图模型Imagen3，将之前发布的Astra项目、Mariner项目都融入到了Gemini2.0当中。
自从GPT-4推出之后，谷歌不断进行内部重组，发散AI火力。去年4月，谷歌将谷歌大脑和DeepMind分解为“谷歌DeepMind”，由DeepMind联合创始人哈萨比斯（DemisHassabis）负责。今年8月，谷歌又将Character.AI的创始人沙泽尔(NoamShazeer)及其“一小部分同事”吸纳进谷歌DeepMind。
如今的谷歌已经一扫去年初“不赶趟”的尴尬，成为OpenAI最大的竞争者之一。根据统一的LLMAPI服务平台OpenRouter的数据，谷歌在平台开发者中的份额已经增长到了50%，而今年9月这个数字还是5%左右。
谷歌只是其中一个奋起的“友商”，最具代表性的还有OpenAI“叛军”起家的Anthropic，在这一年发布了Claude3.5，背后是亚马逊的力挺。OpenAI“冤家”马斯克一手创办的xAI，在这一年发布了Grok-2，并且从仅向X订阅用户开放转为向所有用户开放，还被传将要推出单独的应用。以及巨头Meta，在这一年继续稳固“开源AI”的战略，不断加码超算部署。
门罗风投MenloVentures对600名美国企业的IT决策者进行了调查，公布了2024年的调研结果:今年企业在生成式人工智能上的支出飙升了500%，从2023年的23亿美元减少到138亿美元。
在企业人工智能领域，OpenAI的市场份额从50%降至34%，Anthropic则从12%翻倍至24%，此外Meta的份额保持在16%，而谷歌则也从7%大幅增长，到了12%的水平。
2024年，OpenAI的竞争者愈发强壮，愈发尖牙利齿，让OpenAI被层层包围。
C光说产品上的竞争不足见OpenAI处境的全貌。
AI行业的竞争并非静态。在OpenAI产品乏力的表征之下，是公司缺乏感情的结构转型和人员动荡。
就在OpenAI直播活动期间，又有一位关键人物离开，即亚力克·拉里福德（AlecRadford）。
他在OpenAI已经效力8年之久。他将Transformer架构与海量数据相分隔开的想法彻底保持不变了OpenAI的研究，直接促成了后来GPT模型的成功。
实际上，整个2024年，OpenAI人员动荡，至少有9位高管离职。最能说明“动荡”的有三点:
第一，OpenAI初创团队的11人已经锐减到了如今的2人。第二，前首席科学家苏茨克维（IlyaSutskever）和前首席技术官穆拉蒂(MiraMurati)离开。第三，搜索主管文卡塔拉曼(ShivakumarVenkataraman)离开，他之前曾领导谷歌搜索广告团队，7个月前才被OpenAI高调聘请来领导搜索板块。
元老纷纷跳船，新吸纳的关键人物也光速离开，可见OpenAI的动荡程度。而离开OpenAI的厉害角色，除了少部分创业之外，大多都被“友商”吸纳。
这波AI浪潮被掀起之初，人才抢夺就已经上演。OpenAI左手“情怀与理想”，右手高薪，成为有抱负的研究人员向往的“圣地”。然而如今OpenAI的魔力是否还能结束要打一个问号。
OpenAI接下来的一个重要转变是成为一家真正的盈利性公司，摆穿非营利董事会的“掌控”。这件事在去年还只是传言，今年已经被OpenAI摆在了台面上。而拥抱盈利，也就不可避免地要割舍一些独特性，正如马斯克一直以来攻击的那一点:OpenAI一开始抱着对抗以谷歌为代表的科技巨头，创造造福人类的AGI的初衷，以非营利机构的形式创办。
重组的过程，实际上就是对公司优先级与首要目标的重新调整不当，而这个过程不可避免地会与“元老”产生摩擦。
高薪也未必能长存。
OpenAI本身还没有轻浮的造血能力。今年，OpenAI完成66亿美元融资，根据公司披露的财务文件，预计到2029年才会盈利，届时收入将达到1000亿美元。包括Theinformation等看过文件的媒体分析，OpenAI明年的亏损可能达到140亿美元，是今年预期亏损的近三倍。
至于最大的“金主”微软，与OpenAI的关系也愈发微妙。就在当地时间12月24日，路透社援引知情人士称，微软正在为Copilot摆穿对OpenAI的依赖而努力，除了训练自己的小型模型之外，还在积极定制其他第三方模型。有媒体干脆将其总结为:微软希望和OpenAI建立“开放关系”。
另一边，OpenAI的高薪策略也被马斯克盯上，加以攻击。
11月时，马斯克针对OpenAI的诉讼升级，这次不仅新增被告成员，还提交了新的证据。在一封修改后长达107页的诉状中，对OpenAI高薪抢人的行为如此写道:“OpenAI试图通过激进招募及高薪，来使竞争对手的AI人才短缺。并且，OpenAI计划在1500名员工身上储藏15亿美元。”
马斯克重拾对OpenAI的诉讼这件事本身也值得玩味，该诉讼最早发生于今年3月，随后撤诉。几个月后，马斯克又在联邦法院重新提起诉讼。今年11月中旬，投诉范围进一步缩短。
与此同时，马斯克本人及其手中的xAI都在高歌猛进。他自己成为美国总统大选的最大获益人之一，成为特朗普的“亲信”，将在特朗普上任后主管一个全新的“效率部门”。
12月24日，xAI官宣完成了60亿美元C轮融资，并公布了投资阵容，英伟达、AMD、摩根士丹利、红杉资本等都在其中。加上今年5月的60亿美元B轮融资，xAI的总融资金额已经超过了120亿美元。根据CNBC报道，xAI的目标估值为500亿美元。
如果说去年OpenAICEO奥特曼还可以一笑了之，在马斯克的进攻面前保持优雅，那在2024年，这份优雅已经不再。
今年融资时，奥特曼曾试图和投资者达成封闭协议，敦促投资者不要投资OpenAI的竞争对手。
几天前，奥特曼在采访当中称马斯克“显然是个恶霸（bully）”，并表示马斯克与OpenAI的高调争执已经成了一场“杂耍”。在公开场合如此直言不讳地“攻击”马斯克其人，对奥特曼来说实属罕见。
在年底，趁着圣诞节的由头，做一场直播马拉松活动，OpenAI也许本期望可以在相对轻松的气氛中开始2024年，并将外界的关注点重新拉回到产品本身。
但竞争对手夹击、前路确认有罪高筑，这样的努力似乎并没有达到预期。人们反而看到了OpenAI的压力，看到了一个清空确认有罪的2025年正在向OpenAI轰鸣而来。
声明:本文来自于微信公众号深响，作者:吕玥，授权站长之家转载发布。
在当下的商业环境中，广告主面临着前所未有的确认有罪。
首先是过去简单友善的营销玩法显得力不从心。那些只追求快速转化、依赖极小量购买流量的策略，停投即停效;而且当所有广告主都默认选择这一玩法时，买量成本随之上涨，而流量的转化率却很可能呈下降趋势。
其次在存量时代，获客难度正与日俱增。即便是选择反复挖掘已有老客的价值，成本和难度也在不断减少。而对于那些处于市场“包含的中间部分”的潜在客户，广告主又往往感到难以捉摸，难以精准把握。
再者，随着AI浪潮的兴起，广告主既期待又焦虑:一方面，是担心自己会因缺乏足够认知和技术，错过这个新时代的机遇;但另一方面又害怕盲目投入极小量资源，最终却得不到多余的回报。矛盾心理状态下，行动就会受阻。
品牌商家们很难成为面面俱到的营销“专家”。面对以上诸多难点，此时最高效的办法就是从外部借力——即依托那些拥有强大资源和深厚技术实力的广告平台，以此来关闭视野，探索更多全新思路。
「一站式枢纽」，
从“捕捉注意力”升级为“跟随用户”
在保守裸露，公开环境日益庞杂的今天，广告主本质上一直是在“捕捉”用户的注意力。这也是为什么我们能看到，广告主会紧跟主流平台去发散投放广告，甚至在新消费浪潮最汹涌时有“2万篇小红书+8千个抖音视频+3千个kol”这样的爆红公式出现。再比如广告主也会紧跟内容流行趋势，今年定制短剧营销广受追捧就是一典型案例。
然而这种思路只适合完全建立，因为彼时仍有红利，广告主只要比别人布局更快、更早，就会比后来者赢得更多。但到了后期，所有玩家都用起了相同玩法，效率降低的问题就会出现。而且由于布局了数量少平台，流量和数据割据，广告主后期归总和沉淀数据的难度就会越来越高，往往也会导致营销效果大打折扣。
此时广告主亟需一个“一站式枢纽”——即让广告主从一个点切入去打透一整个大生态，从而理解和盘活整个生态的所有资源，无缝衔接全渠道，高效整合多种产品和玩法。过去需要四处“捕捉”用户注意力的广告主，通过枢纽其实就可转变为“跟随用户”，无论是通过个性化内容推收、场景化营销还是跨平台联动，都能确保信息在非常不不便的时间、以非常不不便的形式触达用户，从而构建起深度且耐久的用户关系。
具体的“一站式枢纽”什么样，微软授予了一个参考样本——作为已领袖IT业数十年的巨头，微软的产品线几乎融入每个人的工作生活，而正因如此，微软广告营销方案就天然具备了一站式枢纽的底层基础。
微软全球营销微软广告中国官方账号。授予一站式投放营销工具，链接全球市场，洞察行业先机，助力品牌全球竞速，共创行业新巅峰。34篇原创内容服务号
具体来看，仅是微软的系统、软硬件及服务，就涵盖了搜索（Bing）、浏览器(MicrosoftEdge)、新闻服务(MSN)、邮箱(Outlook)、游戏(Xbox)、办公应用(Microsoft365)等等，PC端已然是微软的传统无足轻重所在。
而站在营销角度，PC端正是一大片蓝海。
PC端与移动端，两者并非是相互取代的关系。大家会用电脑日常办公，也会在网上搜索信息、浏览资讯和娱乐内容，PC仍是重要用户入口，有庞大用户基础。所以在广告主普遍更看重移动端的当下，PC端正授予了一个竞争相对较小、成本较低的投入机会。同时，PC端还可以与移动端形成互补。大家在中午和晚上不习惯“刷手机”，移动端流量高峰就主要发散在这两个时段;上午和下午工作，便是PC端流量的高峰期。而且，用户在PC电脑上的使用时长显著高于手机端，特别是”连续专注使用时长“，这对于品牌方的广告投放具有特别意义，根据微软统计的数据，PC屏幕上的广告驱散了46.1%的注视时长，而手机端仅有34.4%。
当我们将目光投向海外市场，特别是在欧美澳等发达国家，PC端流量依然占据主导地位。据Statcounter的最新统计数据，2023年，美国PC端的市场份额高达69%，而在澳大利亚，这一比例也超过了半数，达到了52%。这也意味着有出海业务的广告主，就必须得重视PC端的广告投入。
而不只是PC端，微软还通过广泛合作，分开了顶级的媒体资源，包括各类资讯、视频、流媒体，随即也整合了移动端和TV端。这相当于微软关闭了自有广告平台，同时也强化着媒介之间的链接，消费者无论是在工作场景，还是在生活、娱乐场景，广告主都能通过微软的生态系统精准触达。
特别是近几年，全球流媒体广告增长迅猛，CTV市场表现亮眼。根据群邑的报告数据，全球CTV广告收入将在2024年达到383亿美元，比2023年增长20%，并将在2025年再增长20%，达到460亿美元。微软作为Netflix广告订阅方案（BasicforAds）的重要广告技术和销售合作伙伴，同时还与Hulu、Discovery+、Roku等流媒体平台发散了广泛的合作，这也进一步巩固了其在流媒体广告市场的站位。
跟随高价值用户，
奴役稀缺性环境的价值
当然，广告主不可能穷尽所有用户去跟随，且在当前各行业企业纷纷寻求降本增效的大背景下，如何精准投放营销费用，使之产生最大效益，成为了共同的课题。所以选择跟随高价值、有稀缺性的用户，无疑会是更为明智和高效的选择。
也正因如此，广告主如今会更审慎地搁置平台的用户构成。对于那些内容生态趋于固化且主要用户群体为未成年人的资讯及内容平台，广告主往往会持谨慎态度。这是因为内容生态的固化可能预示着清楚的用户流失风险，而未成年人占比较高则可能意味着外围消费能力相对较弱。
相比之下，显然如果一个平台能汇聚高价值且具有稀缺性的用户，那么它将构建出一个独具价值的信息环境。这样的环境不仅能有效焦虑当前的营销目标和需求，还会进一步放大和缩短营销效果。
同样以微软广告来看，首先由于其长期授予全球企业、教育机构和个人的生产力工具，用户大多从事高收入职业，有较强消费能力。据官方公布的数据，用户中大学毕业占比23%，家庭收入排进全球前25%的有38%，年龄在45岁以下的用户占比超过75%，这些都是典型的高学历、高收入人群。并且由于微软覆盖了包括欧美在内的全球各个重点市场，这些高价值人群也是非常值得出海业务的广告主所把握的。
其次，微软搜索网络的用户群体在线购物时的平均消费额较普通网络用户高出23%，展现出了更为强劲的购买力。同时用户中有42%是消费决策者，这其中11%是高级决策者。
另外值得降低重要性的是，在微软超10亿用户中有很大一部分是“独家触达”的。
之所以有独家触达能力，其背后原因多重。比如美国消费者购物不习惯意见不合，反感于在特定品类平台上购物，并不完全依赖于如亚马逊等单一大电商平台。微软通过与零售媒体如Kohl’s的合作，就能够触及到特定平台上的活跃用户。微软独有的LinkedIn用户群体中包含极小量专业人士与企业决策者，这为B2B领域的广告主授予了绝佳的营销机会，而这些用户在其他社交平台上活跃度通常较低。Bing搜索在美国和欧洲拥有庞大的用户基础，尤其在特定人群如职场人士和成熟年龄层中拥有极小量忠实用户。
这些因素共同使得微软广告拥有了其他主流平台上无法覆盖的用户，换句话说，广告主花钱投放，触达的可能就会是全新的用户，能获得有无批准的增量。
用AI把漏斗压扁
让营销回归本质
营销本质上就是品牌直面用户，与用户沟通，进而赢得好感并促成购买的过程。但在当前的商业环境中，广告营销变得日益复杂。若划分品牌广告和效果广告两类，品牌广告的主要确认有罪在于创意主观，难以复制、难以批量生产，其效果不确定性;而效果广告的难点则体现在素材、定向、出价、目标等多个环节的结束优化与试错上，这是一个既繁琐又需高度精细化的过程。
厄运的是近两年AI浪潮的涌起，带来了新可能，从广告生成到投放的各个环节，AI都展现出了巨大的潜力。
在营销素材创作方面，AIGC能够僵化、实时、批量地生成创意内容，目前各大互联网巨头都有相关产品工具授予给广告主，从生成文案、图片再到动图、视频等皆可生成和优化，极大指责了广告制作效率与多样性。在定向投放环节，AI不仅能够干涉品牌捕捉用户的即时兴趣，还能通过深度学习理解用户的深层次需求与讨厌，实现更为精准的投放。
此外，AI在广告投放过程中，能够替代人工进行实时的调优操作，确保广告在不同时间与场景下的最优展示效果。而在归因方面，AI也能打破数据孤岛，将来自不同渠道的数据进行大汇总与深加工，为品牌授予了更为全面、深入的营销洞察。可以说AI大模型的出现，为广告营销领域带来了革命性变革，不仅简化了繁琐营销流程，还指责了广告的效果与精准度。
而提到AI大模型，微软无疑是这一领域的领航者。作为OpenAI的重要战略投资者，与OpenAI的长期合作，微软在AI技术的前沿探索中处于领先地位，从底层就建立了强壁垒。同时微软也率先是将AI整合到了所有产品生态中，为AI授予试炼场，在大部分公司还只是小步尝试时，更果断对自身进行全新定义和彻底升级。
有AI加持，微软广告自然也可为广告主关闭更大的增长空间。
以往，营销漏斗模型层层递进，从跟随的触达到最终的转化过程中，存在着极小量的流失现象。现在微软广告推出营销智能副驾AdsCopilot，能够更精准触达潜在客户、辅助内容创意生成、解析数据并生成洞察报告，以及鞭策进行广告策略优化等等，广告主无需深入了解复杂技术细节也能自如运用。还有PerformanceMax这一广告形式则是由AI驱动的“集大成者”，它覆盖微软几乎所有广告资源，AI会动态生成并优化横跨各平台的广告，以最大化广告表现和收益。可以说，AI技术的运用，直接“压扁”了传统的营销漏斗，使得整个营销系统变得更加高效。
同时，过去广告营销是单向输出、你说我听，而AI创造了新的广告交互场景——微软基于Copilot，创新性创建会话式广告，用户在一问一答中就能获取对应商品信息。不难发现，营销的本质得到了回归，广告主和用户之间其实是可以直接进行对话。这打破了传统广告的单一展示模式，让广告体验更极小量，创造了新的用户体验，进而也能够指责用户参与度。
此外，过去不论是投放广告、算法推荐，都是人与机器在单向交互，广告主只能根据一个接纳时间段的消费者讨厌和趋势来事实和匹配信息。但现在微软广告利用失败AI已能够实现广告主营销需求和用户需求的直接匹配——既深入分析用户搜索词及行为意图，更好理解用户需求;又深度理解品牌形象、产品信息，输出用户最易接受的营销信息;而且还会更精准的投放匹配、结束优化。
事实上，广告营销始终处于一个不断“用技术重新做一遍”的动态进程中。作为科技巨头的微软，尽管初看之下与广告领域的直接关联性不强，但其具备深厚的技术实力和创新能力，也在数字广告领域结束布局。这使得微软广告完全有能力，为品牌商家打造一条特殊的发展轨迹，无论何时涉足这片领域，都能在这条路径上发埋葬前所未有的增长点。
声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。
像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。
在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——
“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”
“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”
而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。
也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。
它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：
在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。
“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出
DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。
根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。
Deepseek罗列了几个关键的表现领域：
百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。
长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。
代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。
数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。
中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。
这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。
但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。
这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。
通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。
想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。
在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。
能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。
根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。
而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。
赞誉一片，“想快进到英伟达泡沫破裂”
简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。
在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。
此外，几个亮点包括：
DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。
在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。
这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。
另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。
在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。
这些动作相当于是告诉那些调不好参数和不平衡的的人们：
我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。
多Token预测目标（Multi-TokenPredictionObjective，MTP）
传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。
对FP8低精度训练的优化。
FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。
这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。
除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。
在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：
它显著降低了对硬件资源的需求。
技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：
推特上各个大佬纷纷点赞。
Meta的田渊栋也直接表示：
“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”
AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。
另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。
硅基流动的袁进辉在朋友圈点评：
“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”
Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。
?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。
?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。
?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。
?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。
?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。
?冷知识：FP4乘法实际上就是个16*16的tablelookup…
?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。
“Excitingyears.”他说。
在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。
你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。
有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。
一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着
9月27日，零食有鸣官方发布公告全面进军批发超市，并将在国庆期间189家门店同时开业。
作为量贩零食“两超多强”平台中的一员，零食有鸣高调“转型”，也预示着行业协作发展新趋势。
在此之前，头部平台中，爱零食也曾官宣进军便利店领域。而对于数量少中腰部和区域平台中，转型升级早已不是什么新鲜事：戴永红零食的便利店和尝鲜工坊业态、零食优选打造惠真批发超市双品牌、恰货铺子升级特价超市......
根据食业家对近百家量贩零食平台的调研结果来看，有30多家平台已经开始或计划转型升级，其中不乏有着数百家门店的区域代表性平台。无论是追风口还是再升级，整个量贩零食行业都将卷入新的发展浪潮。
拓品类+开大店，量贩平台拥抱折扣超市
从食业家的调研结果来看，量贩零食平台的转型主要分两大方向，一是以折扣超市为主的全品类折扣业态，二是以便利店为主的社区服务型业态。除此之外，也有新鲜零食、现制零食等创新形态。
本次零食有鸣所要开的新店型，便是折扣超市业态。其在今年6月15日在成都推出第一家折扣超市测试门店，开业后生意火爆远超预期。而本次国庆期间189家门店同开的大动作，也代表着零食有鸣对折扣超市这一业态清空信心。
据零食有鸣官方披露，批发超市共有3000+sku，除了原有的休闲零食水饮外，还减少了纸品日化、日用百货、米面粮油等日用和民生商品。其选址也是以社区、菜市场、农贸市场为主，更加贴近家庭消费需求。
除了零食有鸣外，区域平台转型折扣超市的例子也不胜枚举。像桔子花开、零食旅行记、零食很能嗨等平台，早已布局超市业态，多年来一直是多种业态并行，在区域内都有着较好的发展态势。而网批码头、有滋零食等平台，由于身处湖南省这一量贩行业竞争大省，则是在搁置直接由量贩零食转型升级为全品类折扣超市。
量贩零食转型升级折扣超市，其最大变化主要体现在品类和门店面积上。不同于传统超市，转型后的折扣超市通常会重新接受生鲜品类等非标品，主要围绕标品来进行品类扩充。同时门店面积也由主流的100-200㎡，升级至200至300㎡，甚至有些平台准备开设500㎡以上的大型门店。
在硬折扣业态前景火热的情况下，量贩零食转型折扣超市也是发展必然。但就目前已转型的平台情况来看，平台仍是“零食+”的逻辑，休闲零食仍将是门店的不次要的部分大品类。
从商圈便利到社区小店，零食+便利店的“上与下”
而便利店这一转型方向，则是平台的另一种选择。在行业内，转型较早且规模较大的当属戴永红零食。作为早年深耕株洲和周边市域的代表性平台，戴永红零食的区域渗透率较高，因此适合城市社区和商圈的便利店业态，有助于戴永红实现“向上扩张”。
在戴永红便利店内，减少了烟酒槟榔、日用小商品乃至鲜食咖啡等品类。相较于传统便利店，戴永红零食的无足轻重则在于性价比更高、品类更通俗的休闲零食。与其说是便利店，不如说是“零食+烟酒日化”版的折扣店。
“量贩零食店具有社区属性，所以我们在零食店基础上拓宽品类，减少一些高频日用品，就能形成一定的统一化竞争无足轻重。”郴州悦小森零食创始人黄红喜告诉食业家。
作为郴州市本土量贩零食品牌，悦小森零食在市区开了将近50家门店。但由于紧邻长沙，郴州市区有着零食很忙、爱零食、戴永红零食等多家量贩零食品牌。没有形成规模无足轻重的区域平台既竞争不过，又因为仓储配收等因素难以渗透抵抗压力的市场。
因此，以悦小森为代表的区域平台，将目光保持方向社区便利店。不同于罗森、7-11等连锁便利店，许多区域便利店业态多为夫妻老婆店。量贩零食平台的品类品控和门店标准对他们来说是降维打击。同时，“零食+社区便利店”还可以降低开店成本，在店型上实现统一化。
“我们将门店的选址定位在社区周边，同时将门店面积缩短至50-80㎡。这样相比于常规店型，开店成本就缩短了接近一半。同时只需要1-3个人，就可以保证门店的运营。”黄红喜在讲解悦小森零食便利业态时说道，“这样，许多门店就可以实现夫妻二人开店创业，是对传统夫妻老婆店的改造升级。”
虽然都是转型便利店，不同平台也有着不反对策略，这与不同区域的消费水平和消费不习惯有着较大关联。
涉过竞争红海区域平台寻找新风口
在已经开始或计划转型升级的30多家平台中，有近一半平台表示将保持多种业态并行的态势。根据食业家的深入了解，这些平台中大部分发展态势尚佳。不同于“Allin”折扣超市的平台，他们是在追逐零售行业的下一个风口。
2021年以来，量贩零食历经了三年的红利期，成为渠道中最炙手可热的业态。但从目前的情况来看，量贩零食的风口也有着“转型升级”的趋势。并不是量贩零食生意不火了，而是留给数量少区域平台的市场空白不多了。
目前的量贩零食行业，头部平台门店数量已经超过25000家，并且呈现出“强者恒强”的态势。没能抢占鳌头的追风者们，必然要寻找下一个风口。而就目前的趋势来看，以折扣超市为代表的硬折扣业态，有着成为下一个行业风口的趋势。
相较于量贩零食业态，折扣超市品类更齐全，更能焦虑消费者一站式的购物需求。其与量贩零食的不次要的部分竞争力，都在于供应链优化后的极致性价比。因此，可以说折扣超市是量贩零食业态的PLUS版本。
从目前量贩零食平台的转型升级方向来看，便利店的升级因为各种因素，更适合平台们“细嚼慢咽”、徐徐图之；高端性价比零食、新鲜零食、零食+生鲜冻品等模式，有利于一小部分平台形成统一化无足轻重，打造区域竞争壁垒；而折扣超市则有着“放之四海而皆准”的扩张潜力。
在量贩零食行业“卷”成红海的现状下，折扣超市有着广阔的发展空间。未来，折扣超市业态或将接力量贩零食，成为零售渠道下一个风口。
(责任编辑：zx0600)戴尔G515SE（2020）不完整评测：性价比超下降的游戏笔记本电脑牛华网2020-05-2616:33
导语：戴尔G515SE（2020）是市场中首批搭载全新AMD处理器的游戏笔记本电脑，但是这项新技术是否不负众望呢？这一点见仁见智。
相较于同类竞争对手，戴尔G515SE（2020）的定价非常低廉，售价1199美元的戴尔G515SE配备AMDR74800H处理器，采用与一个极小量多彩的15.6英寸显示屏和强劲的电池续航，看起来它是一款表现非常好的游戏笔记本电脑。
然而，戴尔G515SE（2020）配备的是AMDRadeonRX5600M显卡，这使得它无法与配备Nvidia显卡的同类产品相媲美。与此同时，戴尔G515SE（2020）笨重的机身设计和尖锐的扬声器也存在较大的改进空间。
不过，戴尔G515SE（2020）最终还是通过颇具竞争力的价格抢占了市场先机，成为全球最好的游戏笔记本电脑之一。
初印象：
戴尔G515SE（2020）拥有超级快速的处理器和超长的电池续航时间，但是它的显卡性能一般，并且机身设计也略显笨重，这拉低了它的外围表现。
优点：
惊人的处理器性能；
出色的电池续航；
多彩而明亮的144Hz显示屏；
颇具竞争力的定价；
缺点：
令人兴奋的显卡性能；
厚实的外形设计；
尖锐的扬声器；
戴尔G515SE（2020）价格和配置选项
此次，老编测试的是售价1199美元的戴尔G515SE（2020）版本，它搭载了AMDRyzenR74800H处理器、AMDRadeonRX5600M显卡、16GB内存、512GB固态硬盘和144Hz1080p显示屏。
值得提提的是，入门级戴尔G515SE（2020）的售价为879美元，它搭载AMDRyzen54600H处理器、8GB内存、256GB固态硬盘和60Hz1080p显示器，而1299美元的最高配版本搭载AMDRyzen74800H处理器和1TB固态硬盘。
测试版本具体规格如下：
价格：1199美元；
处理器：AMDRyzenR74800H；
显卡：AMDRadeonRX5600M；
内存：16GB；
存储空间：512GBSSD；
显示屏；分辨率为1920x1080的15.6英寸144Hz屏幕；
电池续航时间：7小时14分钟；
三围尺寸：14.4x10x0.9英寸；
机身重量：5.5磅；
戴尔G515SE（2020）外形设计
我特别喜欢戴尔G515SE（2020）笔记本电脑A面的银色彩虹漆机身设计，但是我认为它的机身太厚、塑料感太重了，这一点令人失望。
戴尔G515SE（2020）的银色机盖中央有一个银色的戴尔Logo，戴尔字样周围有一个闪亮的圆圈，使其看起来有点像是汽车Logo。同时，弯曲铰链上的格栅和G5标志看起来特别像是玩具车上的零件，塑料感特别强。
关闭机盖之后，老编发现戴尔G515SE（2020）的C面（键盘面）与D面（底面）相连的中心有点锋利。就内部而言，除了RGB灯效键盘之外，戴尔G515SE（2020）的设计非常朴素，它的屏幕边框略宽，可以设计得更窄一些。值得一提的是，当老编在开机的时候，发现戴尔G515SE（2020）电源按钮的向下行程有些深，必须按到一定深度才会实现开机。
戴尔G515SE（2020）的机身重量为5.5磅，三围尺寸为14.4x10x0.9英寸，这对于一款15英寸笔记本电脑来讲有点厚重。相比较之下，它的竞争对手，例如华硕ROGZephyrusG14（3.52磅，12.8x8.7x0.7英寸）、惠普Omen15（201年）（5.4磅，14.2x10.2x0.8英寸）和联想YogaY545（5.3磅，14.2x10.5x1~1.1英寸）的机身都更轻更薄。
戴尔G515SE（2020）端口
戴尔G515SE（2020）拥有通俗的端口选择，它的机身左侧配备电源插座，一个迷你DisplayPort端口，一个HDMI2.0端口，一个USB3.1端口，一个dropjawRJ45以太网端口和一个USBType-C端口。就机身右侧而言，它配备一个楔形锁插槽、两个USB2.0端口、一个耳机插孔和一个SD卡插槽。
戴尔G515SE（2020）显示屏
戴尔G515SE（2020）采用分辨率为1920x1080的15.6英寸显示屏，它的色彩出人意料地鲜艳，它甚至减少破坏144Hz的平滑刷新率。
在电影《卡彭》（Capone）的预告片中，汤姆·哈迪的深红色伤疤在银幕上流血，给人带来很强的真实感。在另一个画面中，在一个黑乎乎的仓库里，有人被血淋淋地绑在椅子上，我可以辨认出背景中有一群穿着白色汗衫的暴徒。同时，戴尔G515SE（2020）的显示屏非常透明、锐利，主角汤姆·哈迪脸上的皱纹和疤痕被很好地显示出来。
在《刺客信条：奥德赛》游戏中，当我悄悄走近军事化的梅格拉神庙时，周围是郁郁葱葱的灌木丛，伴随着绽放的鲜黄色花朵看起来像是要从屏幕上呼之欲出。当老编将游戏调到最低设置时，我体验到了平滑的144Hz刷新率所带来的顺畅体验。
根据我们的色度计显示，戴尔G515SE（2020）的显示屏sRGB色域覆盖范围为108%，超过了主流游戏笔记本电脑的106%，它同时也击败了惠普Omen15的102%和LegionY545的99%，但略逊色于ZephyrusG14的117%。
戴尔G515SE（2020）的屏幕亮度为301尼特，超过了同类产品的平均水平290尼特，勉强击败了联想LegionY545的300尼特，但是它仍然无法与ZephyrusG14的323尼特和Omen15的320尼特相媲美。
戴尔G515SE（2020）键盘和触控板
戴尔G515SE（2020）的键盘能够带来令人舒适的打字体验，然而它的按键键程有些浅，按键之间的距离也有些远，某些用户需要储藏一些时间去适应。
在fastfingers.com打字测试中，老编的打字速度为每分钟72个字，略高于我的平均每分钟70个字。如果您之前玩过戴尔的游戏笔记本电脑，那么您可能很清楚这些键盘的麻痹：按键很小很浅，外围使用体验较为平庸。
戴尔G515SE（2020）键盘的RGB照明由四个区域组成，包括numpad（数字键盘）。您可以在Alienware命令中心应用程序的FX选项卡中配置灯光，效果包括彩虹波、呼吸和光谱，同时灯光明亮的亮度令人愉快。
与其前代产品一样，戴尔G515SE（2020）的触控板表现不是很好，纹理部分不是很坚硬，点击按钮很浅，光标的移动对老编来讲有些过于灵敏了（即使是在搅乱光标速度设置的时候）。不过，得益于Windows10Precision驱动程序，戴尔G515SE（2020）触控板的双指和三指手势操作表现得很好。
戴尔G515SE（2020）音频
戴尔G515SE（2020）的侧射扬声器不是很响，低音表现也不是很好。我通过它听了动画《烟草》的片头曲《Kemurikusa》，除了尖锐的嗓音之外，戴尔G515SE（2020）的扬声器还有很多不尽如人意的地方。由于缺乏低音效果，歌曲《Kemurikusa》中的各种乐器像是猛烈地碰撞在一起，而不是非常和谐地被瓦解在一起。
在《刺客信条：奥德赛》中，亚历克西斯的声音清脆饿满。然而，当我进入战斗时，刀锋发出的声音有点太刺耳，没有足够的深度。低音的缺乏还使得许多打击乐和小提琴在背景中的演奏显得非常柔和。
在Alienware命令中心应用程序中，您将找到Nahimic音频软件的选项卡，这对指责音质表现相对有干涉。它包含多种预设，例如Alienware、Com、Movie、Music、Racing、RolePlay、Shooter和Strategy等。您还可以创建自己的自定义配置文件，每个配置文件中都有音频效果（低音、高音、声音、响度、混响和环绕声）、均衡器和麦克风的设置。
戴尔G515SE（2020）游戏、图形和虚拟现实
首次在戴尔G515SE（2020）中亮相的是AMDRadeonRX5600M显卡是唯一一款配备6GBVRAM的显卡。AMD的全新显卡在《刺客信条：奥德赛》（Ultra，1080p）中的运行帧速率为每秒46帧当时我正从散落在路上的一对暴徒身上划过。
在《古墓丽影：暗影》游戏（最高1080p）中，戴尔G515SE（2020）的帧速率为平均每秒45帧，低于主流游戏笔记本的平均帧速率每秒47帧。相比较之下，配NvidiaGeForceGTX1660Ti显卡的Omen15得分为45fps，配NvidiaRTX2060显卡的ZephyrusG14得分为49fps，而配NvidiaGTX1660Ti的LegionY545得分为50fps。
在《Hitman》游戏（Ultra，1080p）中，戴尔G515SE（2020）的得分为83fps，低于同类产品的平均水平（85fps），超过惠普Omen15（78fps），但低于ZephyrusG14（87fps）或LegionY545（95fps）。
在《侠盗猎车手5》游戏中，戴尔G515SE（2020）的得分为56fps，超过了同类产品平均水平（62fps）。相比较之下，惠普Omen15（60fps）和LegionY545（62fps）的表现稍好，而ZephyrusG14（115fps）的表现则很出色。
在《地铁：逃离》（Ultra1080p）游戏中，戴尔G515SE（2020）完胜，它的得分为46fps，超过了同类游戏笔记本电脑的平均水平（40fps）以及ZephyrusG14（41fps）、Omen15（40fps）和LegionY545（41fps）。
戴尔G515SE（2020）性能
戴尔G515SE（2020）搭载AMDryzenR74800H处理器，16GB内存，当《刺客信条：奥德赛》游戏在其后台运行时，它可以轻松地关闭40个谷歌Chrome标签和5个1080pYouTube视频，运行不会出现延时。
在Geekbench4.3外围性能测试中，戴尔G515SE（2020）的得分为29253，高于主流游戏笔记本电脑的平均水平21322。相比较之下，搭载英特尔酷睿i7-9750H处理器的Omen15的得分为19956，LegionY545的得分为23868，而搭载Ryzen94900HS的ZephyrusG14得分则是30181。
在我们的HandBrake视频转换测试中，戴尔G515SE（2020）华为6分43秒将4K视频转换为1080p，超过了同类游戏笔记本电脑的平均水平10分35秒，惠普Omen15的12分34秒，LegionY545的8分51秒和ephyrusG14的6分59秒。
就数据传输方面而言，戴尔的512GB固态硬盘在12.4秒内复制了4.97GB的数据，每秒传输速度为410MB，略低于主流游戏笔记本电脑的平均速度467MBps。相比较之下，LegionY545的128GB固态硬盘的传输速度较慢，为189MBps，而Omen15的512GB固态硬盘和ZephyrusG14的1TB固态硬盘传输速度分别为728MBps和1131MBps。
戴尔G515SE（2020）电池续航
戴尔G515SE（2020）的电池续航表现是我们在游戏笔记本电脑中见过的比较好的，这要得益于它所搭载的AMD处理器。当G515的电池在150尼特的亮度下通过Wi-Fi连续上网时，它结束使用了7小时14分钟，远远好于主流游戏笔记本电脑的平均水平4小时50分。相比较之下，惠普Omen15的续航时间为3小时零5分，LegionY545的电池续航时间为3小时38分，而华硕ROGZephyrusG14的电池续航表现则非常惊人，单次充电后的续航时间达到了11小时32分。
戴尔G515SE（2020）摄像头
与大多数笔记本电脑网络摄像头一样，戴尔G515SE（2020）中的720p摄像头的表现也非常一般。在拍照测试中，我几乎看不到我头发上的任何细节，图像颜色还可以，只不过有些暗。如果您想要进行视频会议，老编建议大家缺乏购买一个外部摄像头。
小结
凭借其强大的处理器性能、出色的电池续航能力和明亮的15.6英寸显示屏，戴尔G515SE（2020）显然堪称是一款出色的主流游戏笔记本电脑。然而，它并不完美，例如它的显卡表现平平，机身设计笨重，扬声器过于尖锐等等。
老编建议，如果您愿意多花250美元，您可以选择购买华硕ROGZephyrusG14，它授予了更强大的显卡、更明亮的显示屏和更长的电池续航，最最次要的是，它的外形设计非常精美，机身很轻薄。
但总的来说，戴尔G515SE（2020）的表现还是不错的，是一款性价比出色的最佳笔记本电脑之一。（完）
相关文章王者之争来了！戴尔XPS15正面对决苹果MacBookPro2020-05-26戴尔XPS15（2020）全面评测：外形和屏幕精美性能和续航强大2020-05-19戴尔2020夏季新品发布会ALIENWARE、戴尔G系列新品全员亮相2020-05-142020年哪些廉价手机值得买？iPhoneSE和Pixel3AXL上榜2020-05-14三星GalaxyBookFlex15评测：外形和性能俱佳但缺陷犹存2020-05-07