新闻资讯
News and information
-
25
02/08
春运抢票，原来售票系统背后的技术这么精妙
常生活中，网络购物、在线支付、地图导航等便捷的应用，人们已经习以为常，以至于我们几乎不会关注其背后的技术。这自然离不开通信网络的飞跃发展，而那些功能的实现则要归功于分布式系统的进步。本文通过网络购票的实例，简要介绍分布式系统的概念，包括其核心的Paxos算法，以及它如何应对网络断开的挑战。一年一度的春运又到了，据估计，今年铁路客运量或超5.1亿人次，日均1275万人次，人们在比拼手速抢票的背后，12306的计算机系统是如何快速响应海量的请求的呢？单台服务器由于有限的计算能力无法快速响应成千上万的请求，想象一下线下的购票大厅只有一个售票窗口却有一万人排队的场景，人们恐怕都要带上睡袋来排队了。那如何加速售票的过程来减少人们的等待时间呢？首先窗口的工作人员可以加快手速，以极快的速度进行操作，但是单个工作人员的手速再快也有一个上限；另一个办法就是在大厅开设多个窗口，同时进行售票。网络售票系统也是一样的，单台服务器处理不过来，就使用多台服务器来进行协同处理，这就需要“分布式系统”登场了！什么是分布式系统？通俗地说，分布式系统是指，一群计算机共同完成一个任务。这些计算机也可称为节点，它们通过网络连接在一起，分工合作，但对用户表现得像一个整体。不仅仅是12306售票系统，你刷视频时看到的推荐、搜索引擎给出的搜索结果、外卖平台的订单分配，背后都是分布式系统在默默运行。相比单个服务器，使用分布式系统既能提高系统的性能、响应请求的速度，又能提供更好的可靠性，部分节点宕机或者断网了，整个系统依然能继续提供服务。分布式系统虽有这些好处，但是它带来的复杂性也给计算机系统设计提出了挑战。这里就涉及并发（concurrency）以及数据一致（consistency）的问题。以售票为例，试想以下场景，人在北京的张三和人在广州的李四在抢同一张票，张三的抢票请求被分发到了华北地区的某台服务器，而李四的请求被分给了华南地区的某服务器，这俩服务器现在可以同时并行地处理两个人的抢票请求，系统整体的响应速度很快，但是系统如何恰当地协作使得票不会被卖重呢？此外，分布式系统的另一大特点是存在部分失效（partialfailure）的可能性，顾名思义，就是系统部分出现故障，但系统其他部分仍可运行。分布式系统由众多计算机构成，而且通过网络连接。显然，不管是计算机还是网络本身都有可能出现故障，譬如某处停电了、网线断了，又或是某台计算机操作系统故障，等等。即使一台机器发生故障的概率很低，然而当计算机的数量多了，对于整个系统来说，故障会非常频繁。我们可以做一个简单的计算，假设系统中有1000台计算机，每台平均一年只出一次故障（故障可能由任何原因导致），即每天出现故障的概率是1/365；反之，每天不出现故障概率是1-1/365，约等于0.99726。这看起来是一个很大的概率，但是对整个系统而言，每天所有机器都不出故障的概率则是0.99726的1000次方，约为0.064。这里还未考虑网络问题，所以对于系统来说，不出故障几乎是不可能的。因此，在分布式系统的设计中，如何在部分节点故障或者网络断开的情况下，依然提供正常的服务是必须考虑的问题。分布式系统的基石——共识算法（consensusalgorithm）共识算法在分布式系统中扮演着核心角色，它使得系统在没有共享的内存，只能通过发送消息通信，并且部分节点可能失效的情况下，整个系统依然能够就某个问题达成共识。譬如某一个特定的座位到底是卖了还是没卖，是卖给了张三还是李四等等，需要系统达成共识才能继续执行。分布式系统先驱、著名图灵奖得主LeslieLamport于1990年提出了现代共识算法的基础——Paxos算法。Lamport用Paxos这个名字的缘由很有意思。Paxos本是希腊伊奥尼亚海有着悠久历史的小岛，Lamport想象，考古学家发现在远古时代小岛上有一个“业余议会”（part-timeparliament），议员们通过信使传递消息对议案进行表决，但是信使不可靠，消息可能传递不到或者被延迟，而且议员本身也有不来开会的可能性，在这种情况下，议员们如何对某议案达成一致？在论文中，Lamport使用这个虚构在Paxos小岛的议会为框架，提出了一个在不可靠通信的情况下实现共识的算法，并给出了严格的数学证明。1990年Lamport将论文提交给ACMTransactionsonComputerSystems，审稿人表示论文还算是有趣，但看起来并不很重要，而且关于Paxos故事的部分建议去掉。Lamport表示，审稿人怎么这么一点幽默感都没有，并拒绝对论文做任何修改。后来，分布式系统的另一位先驱ButlerLampson读懂了论文，并和NancyLynch等领域大佬一起发表了他们自己的证明，此时Lamport再次考虑将论文发表，最终在一众同行的推动下，论文于1998年发表，现在已经成为分布式系统的基石。下面我们以卖票系统为例，简述一下Paxos算法的思想，以及它如何在节点失效的情况依然达成共识。为了简化，假设系统中只有3台服务器（节点；3个节点是演示Paxos算法所需的最小数量），并且只卖一张票（卖多张票也可以理解成反复卖一张票的过程）。此外，我们还需要先简述一下算法的假定。首先，Paxos算法假定一个节点如果故障则完全停止响应，而不会继续在网络发送错误的消息以干扰系统，它被修复之后会回到系统中继续响应，这种类型的失效被称为fail-stop（失败终止），即fail后就stop了。其次，Paxos是一个基于多数派投票的算法，即需要多数节点投票通过才被认为是共识；Paxos需要2m+1个节点才能容纳m个节点失效。也就是说，要能够容纳1个节点失效，至少系统需要有3个节点（另外两个正常运行）。如果超出半数的节点都失效，那Paxos算法将无法正常运转。现在我们给这三台服务器分配一个全局的序号以示区分：1号节点、2号节点和3号节点。Paxos算法会为每个节点分配一个角色，这里假设1号节点是提议者（proposer）也是接受者（acceptor）；2号和3号节点是接受者，只接受，不提议。现在1号节点收到了来自张三的购票请求，它开始了算法的第一步：PREPARE-PROMISE。提议者1号节点首先会为它的提议proposal（即卖票给张三）分配一个唯一的序号（proposalnumber）。系统中所有的提议都会有一个自己独特的序号，一种简单的实现方式是这样：每个节点自己维护一个计数器（counter），初始值为0，每次自己提出新的提议时，计数器加1；新提议的序号设定为由计数器的数值和该节点的全局ID所拼接构成的小数，两者中间用小数点做间隔，即{counter}.{ID}。比如1号节点的第一个提议的序号为1.1，第二个提议的序号则是2.1。类似的，2号节点的第一个提议序号为1.2，它的第二个提议的序号则是2.2，以此类推。按照这种序号的设计方式，当提议者1号节点收到张三的请求以后，它首先会发送一条PREAPRE消息给其他所有节点，并且附上提议的序号1.1，这里写作PREPARE(1.1)。收到提议的接受者们按照以下逻辑进行响应：1.查看收到的PREPARE消息所附带的提议序号。2.将收到的提议号与自己本地的max_id进行对比。如果更大，则将本地的max_id更新为这个收到的提议号，并返回一条PROMISE消息，相当于告诉提议者：我收到你的消息了，目前你的提议号是最大的哦，准备提议吧，我承诺将不再接受比你的序号小的提议。3.如果收到的提议序号小于它本地的max_id，该接受者就不做回复，或者回复一条fail消息，即告诉提议者：你的提议失败。如果提议者（1号节点）收到了来自大多数接受者（自己也算一个）返回的PROMISE消息，这时候它就知道，大家已经做好准备接受它的提议了。如果没有得到多数人的答复，或者收到了一个fail消息，提议者就只能放弃本轮的提议，它可以将自己本地counter加1，然后再次提出新一轮的提议（由于counter加了1，提议号也会加1），重新尝试。当1号节点收到了来自多数节点的PROMISE消息后，它就进入第二步：PROPOSE-ACCEPT。在第二步中，1号节点会发送一条PROPOSE消息，并且附带上刚才的提议号，以及具体的值（value），这里的值value就是大家希望达成共识的东西，在本文买票的例子中，它的内容就是“张三”，代表票卖给张三。所以1号节点发送的消息是这样：PROPOSE(1.1，“张三”)收到消息的接受者们现在要做一个判断，是否接受这个提议，它们的逻辑是这样的：1.如果PROPOSE消息里附带的提议号依然是我目前收到的最大的（即和自己的max_id进行对比），那就接受这个提议，并且返回一条ACCEPTED消息；2.否则就不返回消息，或者返回fail消息，告诉提议者：提议失败。如果提议者收到来自大多数节点的ACCEPTED消息，那它就知道共识已经达成了。假设现在2号和3号都正常收到了PROPOSE消息，并正常返回了ACCEPTED消息，则所有节点就“票卖给张三”这一状态达成了一致。总结一下，这里达成共识一共用了两步。第一步的目标在于获得多数人的同意，相当于提议者对每个人喊话：我要进行修改数据了啊，你们同意不同意？只有当获得了多数人的同意之后，才会进行第二步——提议者真正发出要propose的值。试想，如果算法跳过第一步，直接发送要propose的值，不同的接受者就可能会收到来自不同提议者的值。而这个时候又因为没有事先征求多数的同意，最后接收者也不知道自己收到的值是否就代表了大多数的意见，系统中可能会有多个子群体大家各自有自己的值，这样全局的共识就没有了。完整的Paxos算法逻辑到此为止，算法的运行一切正常，现在我们再来看看一些更加复杂的情况。假设不光1号节点是提议者，2号节点因收到了李四的请求，也成为了一个提议者（注意所有节点都是接受者），现在系统里就有了两个不同的提议者，它们发送的消息可能以任何的方式交织在一起。假设3号节点可能先收到了来自1号节点的PREPARE消息（张三购票），即PREPARE(1.1)，并且返回了PROMISE。就在这时，它又收到了2号节点的PREPARE消息（李四购票），即PREPARE(1.2)，因为提议号1.2大于1.1，于是它又会给2号节点返回PROMISE，并且将自己的max_id更新为1.2。注意，1号节点会进行第二步继续发送PROPOSE消息，PROPOSE(1.1，“张三”)，但此时3号节点已经不会再接受它的提议了，因为现在对它而言，1.2是更新的提议。只有当2号节点的PROPOSE消息发过来时它才会接受。再考虑另一种情况，假设李四的操作比张三慢了那么一点点，当2号节点成为提议者，并且发送PREPARE(1.2)的时候，3号节点已经接受1号节点的提议了（提议号为1.1），即ACCEPTED消息已经发送。而这时2号节点因为各种原因还没有收到1号节点的PREPARE消息，浑然不知1号和3号已达成共识（票卖给张三）。那么根据Paxos算法，当3号节点收到来自2号的PREPARE(1.2)消息时，由于1.2是3号见过的最大的提议号，所以它的确会向2号返回一个PROMISE消息，但是因为3号又已经接受此前的提议1.1了，所以在它返回的PROMISE消息中，会附上之前所接受提议的序号以及值，即PROMISE(1.1，“张三”)，即告诉2号：我收到你的提议号了，它的确是最新的提议，但是我此前已经接受过序号为1.1的提议了，它的内容是“张三”。2号收到该消息，了解到票已经卖出，此时根据Paxos算法，2号必须将自己要propose的值更改为“张三”，然后继续发送PROPOSE消息，于是所有的节点依然是达成了共识。最终客户端的李四看到的结果便是：票已售罄。事实上，提议者可能会收到多个带此前接受值的PROMISE消息，它将会选取这些所有PROMISE里面提议序号最大的那个对应的值，作为自己要propose的值，如果没有任何PROMISE消息里带有此前接受的提议信息，提议者则继续用自己原本想propose的值。更新后的接受者和提议者的完整逻辑分别如下图所示。PREPARE-PROMISE过程。图片来源：https://people.cs.rutgers.edu/~pxk/417/notes/paxos.html这便是完整的Paxos算法。最后我们再来简单考虑下断网或者节点宕机的情况，看看Paxos如何在故障情况下依然能正确运行。网络或节点失效下的Paxos不管是提议者还是接受者都有宕机的可能性。当接收者宕机时，实际上对系统运行影响不大，这正是分布式系统的优势：哪怕有一些节点不对PREPARE消息或者PROPOSE消息做任何反应，只要有多数的节点依然在线，系统依然能做出反应，提议者依然能得到多数人的回复，于是算法运行。而当宕机的节点死而复生后，他们终究也会通过其他节点发来的带有此前已接受提议信息的PROMISE消息来了解到自己错过的共识，在自己本地也进行更新。那如果提议者（譬如1号节点）宕机呢？分为三种情况：1.假如它在发送PREPARE消息之前宕机，那相当于系统里面什么也没有发生。其他节点接收用户的需求时会变为新的提议者；2.如果提议者在发送PREPARE消息之后宕机，还没来得及发送PROPOSE，如我们刚所说，它的提议会被之后更新的PREPARE所取代（由新的提议者所发出）；3.如果提议者已经完成了第一步PREPARE-PROMISE，进入了第二步，但是在给部分节点发送PROPOSE消息后宕机，譬如1号在给3号发送完PROPOSE之后宕机，没来得及发给2号；那它的提议将会被3号接受，而2号最终还是会了解到1号和3号达成的共识。因为2号在某时会成为提议者，它终究会收到3号返回的带有此前已接受提议信息的PROMISE消息，并据此来更新自己本地的信息，于是与1号、3号保持了一致。所以最后回到抢票上，当我们从客户端发出买票请求以后，它会和背后复杂的分布式系统进行交互，大家如果抢不到票并不一定因为自己手速不够快，还有可能是网络延迟、连接的服务器宕机，或者和系统算法本身的运作有关。结语分布式系统作为现代计算机系统的基石，能够支持12306购票这样的高负载、高并发场景。本文讨论了分布式系统中关于一致性与容错性的一些基本概念与技术实现。事实上，分布式系统的应用不只是线上网购，在加密领域，分布式系统为区块链技术提供了基础支持，确保数据的安全性和一致性；在科学计算领域，分布式系统也被用来解决更大规模的问题。这些领域都展示了分布式系统在我们日常生活和技术发展中发挥着不可或缺的作用。本文来源：虎嗅网文章转载于其他网络，如有侵权请联系我们及时删除！
-
23
12/02
2024年，公众号的危机与转机？
公众号2024年还能起飞，你相信吗？今年肉眼可见的公众号真的太难做了，特别是对于大号。那公众号还有机会吗？能做吗？在回答这个问题前，先把回忆进度条拉回到11年前，2012年的8月17日，公众号正式上线与微博并驾齐驱，双微运营开启了图文类博主的巅峰时刻！然而，11年过后的今天，公众号少了很多注意力，用微信指数对比下就不难发现，现在的宠儿早已不是公众号，而是视频号。今天想给公众号这位11年的朋友做做复盘，看还是否有起飞的机会，以及平台方是如何重新加持，如果品牌和个人要做公众号的话，可以怎么做，分为以下3个部分：1.趋势面：公众号的危机与转机是什么？2.平台线：三大类型公众号的模式与打法3.行业点：三类公众号的运营机会从面到线，再到点，逐一谈谈对公众号运营的挑战、策略与展望：一、趋势面：公众号的危机与转机？作为陪伴公众号发展从入局到今天的运营人，公众号为什么不火了？我用一个词来形容就是：外忧内患。1.外忧：新内容媒介冲击当下内容载体迭代从图文到视频，面临内容形式的竞争和内容平台之间的竞争，在用户内容注意力争夺战上处于下风，其实也是顺应产品生命周期的发展。（1）新内容载体冲击短视频崛起，对以图文形式为导向公众号冲击是首当其冲的，用户对兴趣内容阈值越来越高，主要考验对单一内容的前N秒的跳出率。而图文内容的形式，是远低于短视频的内容冲击感，曝光到阅读标题，打开到完读，在用户注意力漏斗上太多层级，没看到正文时候，跳出率早已很高。（2）搜索型内容冲击即使对于干货型图文内容，用户的搜索习惯和注意力都被抢走了很多。如果想要获得专业问答，可能首先就会想到要问答就上知乎，当你有问题想问，可能早已有人在知乎上问过了，快速便可获得不同类型的专业人士回复；如果是生活经验类、商品类、购物种草类问题，那小红书就会成为常用的搜索平台；问答有知乎，种草有小红书，另外也不要忽略老而弥坚的百度，在搜索内容上你可以发现现在百度对自媒体搜索内容的权重是越来越高，对搜索内容展示百家号、知乎、小红书内容的加持越来越高，百度搜索玩平台的整合。所以在搜索上，用户搜索的心智也被严重的分流，对搜索内容的需求，很多时候公众号就不在首选范围内。（3）公域推荐型冲击对于公众号图文类型的冲击，还有这一股势力不能忽视，就是今日头条，作为同样以长图文为基底的内容模式，公域算法推荐内容的阅读模式逐渐也养成了用户新阅读习惯。一个有趣现象就是，即使微信公众号图文已经很强大了，但依然看到很多朋友还在今日头条上看各种图文内容，然后乐此不疲地在微信社群里作分享，究其原因，很多人已经养成了聊天在微信，看内容去自己熟悉或已经被你驯化的公域平台去阅读。2.内患：自生长步履蹒跚外忧冲击下，也有来自平台发展下，用户与创作者的逃离，也有平台监管的进退两难等因素：（1）平台年资已经很长，兴趣度下降，创作者艰难公众号一直都是以深度的文章内容为主，如果玩公众号比较早的，有些粉丝都关注你好多年了，即便内容再好，用户肯定看也看烦了，兴趣度也会下降，喜新厌旧是人性的底层逻辑。平台老化，也会带来新创作者的望而却步，特别对于新入局者，如果看到创作者们在这个平台不赚钱了，那他们动力就大大降低，变成一个阻碍新人在平台选择上的重要因素。另外，现在公众号的广告报价整体是下降了，这是对于平台不火的重要标志之一，而广告价格下来，反作用是对于以广告为盈利模式的平台反而会发得更频繁。我有关注的一个产品经理大V，过往内容看到可能是一周一到两条广子，但是现在每次刷进去的都是软文导流到其他跨品类的广子，整体内容价值和体验都下降很多。从用户兴趣度下降>粉丝流量减少>创作者阅读量和新粉丝增长减少>变现收入减少>广告增多，内容价值感和质量下降>用户兴趣度下降……所以，这内患一环扣一环，最后连内患都形成了闭环了，创作者能不自闭嘛。（2）平台监管与限制，过于严格带来副作用平台加强了监管与限制，一个硬币有两面，正面是让野蛮乱象逐步收归于可控，但反面对商业化的副作用也很明显：1）对图文广告的监管力度更强了今年微信公众号改了政策，8月以后，所有的公众号主广告要从平台走互选。大环境让本身金主投放广告数量大减，无数公众号号主广告收入腰斩2/3以上。如果你敢顶风作案，不走互选平台私下接了广子，那你的推文推不出去或者推了也被删掉。就算上了互选平台，很多类目或者内容在互选平台中各种严格限制，类目、标题、封面，很多类目根本就不会有金主爸爸去投，现在愿意投公众号图文广子，一般是赚钱类、教培类、成人类和一些白牌产品类，但是很多类目在平台上不了，而且对内容审核也是非常严格。特别对20万以上粉量的大号冲击特别大，虽然是在扶持中小号，但大哥们不玩了，只剩下一帮小弟，那平台影响力肯定是被削弱。2）对图文内容质量的要求更绿色了如果你是做热点类+知识付费型产品的机构，你会更有感触，过往依赖抓眼球的文案标题+激发出痛点和爽点的情绪内容，做商品和服务的导流转化，现在还想用这种方法分一杯羹也愈发变得艰难。敏感词的机制触发，标题审核不通过，内容涉及与产品不符都通通送你一个违规删文，重则以涉及使用夸大、诱惑、违背客观事实的文字、图片、视频等，恶意煽动、混淆、误导用户的判定结果来给你一个封号处理。那标题更绿色，内容更健康，产品效果陈述更客观，可以看得到的是，转化率是断崖式下跌。平台加强监管的两面性，留给过往活在公众号里的各类型机构的商业化打法变得更单一，旧有逐利者退出，内容洗牌和新商业模式已经开始。所以，总结完外忧内患，公众号整体大盘流量趋势向下，核心在于用户流量与注意力不在公众号，而信息流推荐模式目前也拼不过今日头条，看内容还得是在其他平台上。二、平台线：三大类型公众号的模式与打法微信平台从今年看，做了很多对公众号加持的能力和动作，我认为公众号作为微信生态的重要组件，而且公众号粉丝基本盘也还在，微信还是会持续迭代，我们来看看公众号这个产品今年的一些迭代动作：其中有三个方面的更新策略，是值得我们关注和洞察：1.公众号的图片消息功能，昵称又名为“小绿书”显而易见，小绿书的图文形式，明显就是“偷师”小绿书，排版高度相似，都以展示图片为主，标题在图片下方，用户头像和名称在图文卡片的左下角，点赞数在右下角。这也很明显看出微信意图，在拓展图文短内容形式，向小红书和抖音看起，以22年的一个数据报告显示，抖音图文的平均互动率是视频的1.32倍，而图文的收藏率更是视频的1.47倍，重图片种草的图片消息显然有这短小精悍的内容潜力，微信补齐图片种草能力，降低公众号创作者们的内容生产门槛，进一步完善内容生态。2.公域流量推荐的相关功能一个是升级了发布功能，订阅号每天一次群发，升级为发布，即群发一次，但可发布多次，且发布内容虽不推送给订阅用户，但在主页展示，且有机会能进入公域流量推荐给合适用户。另外一个是公众号文章公域流量入口增多，文章尾部的看一看、订阅号信息里的看一看，把过往闭环公众号文章打开了新的公域推荐机制，被更多同类阅读兴趣标签的用户会作推荐发现。我认为，公众号后续开放和完善公域信息推荐，打破产品局限的动作会越来越多，但问题是在社交聊天为主的微信上，留给公众号打开流量同时，并且要保证用户体验为前提的克制会越来越大。3.公众号与问一问的互通互联所以在自身功能推荐可做的动作天花板有限的情况下，打开与微信生态内其他组件打通变得很重要，而微信平台作为去中心化平台，微信生态内各组件的互联互通是其重要能力体现，这也是强化问一问的回答背书能力，同时也增加问一问与公众号之间的内容引流。现在在问一问通过与公众号联动导流，并且实现每天几十上百的涨粉已经是有人拿到结果，并且通过后续的流量主和导流到项目里实现变现。总结下，当然上述这些变化，有的只是其中的一个小交互，但通过今年公众号的重要能力更新与加持来看，会释放两大运营上的信号：（1）公众号持续会打开“内容”流量口子，公域推荐机制对公众号内容做流量推荐的能力加持；（2）公众号作为微信生态里的连接器，这个重要定位依然不会变，小程序、视频号、问一问、看一看、搜索、带货等等，依然是运营的万能连接器。三、行业点：三类型公众号的运营机会我们看到公众号当下面临的挑战，也关注到微信平台今年对公众号的能力加持和态度，那么回过头来回答我们一开始的提问，公众号还有机会吗？能做吗？我的答案是有的，但要顺应平台规则，以用户举手投票的优质内容为核心，带动粉丝体量的增长，获得下次推送更多粉丝阅读和互动，进入到公域推荐流量池：内容涨粉通常应用在订阅号（当然服务号也合适，但订阅号效果更佳），整体逻辑是涨粉数=文章阅读数（推文曝光总数x点击转化率）X关注转化率，提升推广曝光数是扩大口子关键，而公众号关注率则是交给文章内容与引导解决。所以内容涨粉下推荐、搜索、分享、关联导流，四大方式组成你能获取多少内容粉的重要方式，内容粉的特点是对你内容感兴趣的，是高精准且相对来说主要来自内容制作成本，成本相对低。但缺点是如果没有产出爆文的话，涨粉速度慢，主打内容长尾涨粉。推广涨粉通常适用于服务号（同样订阅号也适合，但主要建议服务号做推广涨粉），整体逻辑目前还能玩的裂变涨粉、投放涨粉，但现在裂变用户质量也差了，且投放费用持续上涨，所以做这两类涨粉方式，需要跟后续粉丝添加公众号后的变现销售做投产比的关注，如果投产比小于1，那就需要调整优化，或不能选该模式涨粉了。同样门店涨粉，也要考虑投产比，此外门店引流到转化购买，目前更主流是导流到企微个微的私域池子，用户触达的价值会更高。公众号虽然产品形态形式不变，但可以预见定位、目标、策略在运营上都会有一些不同，我总结了三大类型的公众号，当前应该如何进行运营：1.品牌型公众号（1）公众号选型，是要做服务号还是订阅号？商品型的企业公众号，比如大快消、大健康、耐用消费品等货架型企业，过往会纠结要做服务号还是订阅号，在当下的流量环境，让用户好友列表里看见你就是最好的选择，服务号是必选项。在品效合一的要求越来越高，发挥服务号的服务接口能力，承接商品销售和服务才是重要的核心，如果是内容服务型的公司，比如设计公司、媒体公司、金融公司，除非你有丰富大量优质内容，能提供专业内容价值，不然我还是建议服务号做到周更即可。（2）不要再做单一账号运营，要串联私域经营前面已经提及到，公众号现在已然是微信生态的组建之一，而且内容权重下降下，做好业务连接器的角色：公众号+小程序+私域，是围绕公众号的私域运营铁三角，把这三块触点打通，是私域发售的基础建设；公众号+视频号，则是利用公众号存量粉丝对视频号公域拓展更多用户的加成，无论是直播、短视频，关注过你公众号的用户，都有可能会刷到你的视频号，对于视频号起号有重要的流量起盘价值。（3）品牌型的公众号怎么做内容？把你的公众号内容，分成两个大类来做：品牌内容，即提升用户对你品牌和商品认知，精美配图设计+故事感内容文案+品牌活动，把这些内容作为你们企业名片内容来打造，用于品宣、销售、商务介绍等等；销售内容，让用户在微信里找到如何找你购买，全平台有哪些最新活动或新品：按品类日、上新日、节点销售去好好策划公众号内的发售型内容，并把公众号内容作为反哺给各电商平台、直播平台的导流平台为重点，公众号内销售为辅助。年度内容标签+月度灵感关键词+N个主题话题，构建你的内容信息屋，合理规划品牌内容和销售内容比例。2.流量变现型公众号什么是流量变现型公众号呢？我定义为通过公众号存量流量或拉新流量，通过内容进行变现的类型，统称为流量型公众号。首先，我们要知道公众号有这么几种变现模式：流量主变现、接广告变现、文章带货变现、付费文章与打赏、公众号销售产品/服务、导入私域销售变现。流量变现型公众号的打法对比品牌型公众号，我认为最大差异是运营手法更“野”，做规模变现的目的性更强，主要方法：（1）利用存量公众号矩阵，用游走于违规边缘的标题党和比较夸张的产品效果等，来做销售导流，教培类的行业较为常见；（2）通过做号积累粉丝体量，通过一些任务平台，例如新榜有赚接广告投放任务等等；或者是给别的平台导流按照CPC或者CPS来做销售分成；（3）也有通过AIGC方式，生产批量内容冲爆文，打出一个类目之后快速复制到多个号，实现涨粉后开通流量主，微信公众号的流量主广告，读者点击一次，可以有三毛钱到八毛钱的收入。如果文章有一万阅读量，那一篇流量主收入就有三四十块钱，十万阅读量有五六百元。现在一些短剧内容比较火，比如有创作者通过AIGC方式生产大量内容，然后进行日更内容，粉丝涨得快内容粘性高，通过流量主模式进行变现。在平台加强监管下，对一些带擦边游走平台规则的打法还是会监控较严格，所以合理顺应平台规则，迭代获取引流到变现的路径，才能做到流量变现。3.IP型公众号现在很多个人IP的打造是一条腿走路，在短视频领域做出来，然后再拓展到其他平台，本质上思路是没错的，但如果你是做专业型的IP，我认为公众号图文内容是不可或缺，我认为原因有三：（1）公众号的内容可以作为品牌背书的名片，特别中长专业内容的分享，可以帮助你打开用户获客和破冰沟通的案例，短视频虽然直观但不容易留下对知识的印象记忆。（2）粉丝的沉淀，并与你私域联动起来。短视频的粉丝关注后，由于平台强算法推荐，有时候不易推送直达，但目前公众号还是关注推荐主导结合公域推荐机制，所以用户找回关注公众号和常读公众号还是比较方便，此外公众号更适合沉淀粉丝，并且引导到私域路径体验会更好。（3）公众号图文内容也适合帮助你在自媒体矩阵里做一鱼N吃的内容创作方式，帮助你内容复用最大化：作为你的公众号推文，此为第一吃；作为你的短视频提供内容脚本，此为第二吃；作为你的小红书笔记内容，取其精华，制成笔记，此为第三吃；作为你的音频类播客的逐字稿，此为第四吃；作为你的微信问一问，知乎问答的答案，此为第五吃；各类主流自媒体平台图文分发，此为第六吃。所以可见作为IP型的公众号，它承担内容发起点、发售主阵地、用户连接器，对IP搭长期价值的累积来说，依然有很高的战略地位。来源：产品经理文章转载于其他网络，如有侵权请联系我们及时删除！
-
23
06/16
数字化、信息化、智能化，到底有什么不同？
提到数字化，就不得不提到信息化和智能化，这两个概念与数字化密切相关，似乎都与数据联系紧密。但实际上，数字化、信息化、智能化，三者具有完全不同的概念内涵，本文将重点探讨这三者的区别与联系。1.数字化与信息化信息化的话题出现比数字化早很多，早在1960年代就已经提出，并且在1970年代后国际上就开始逐渐有关于信息化的业务实践。广义上看，信息化可以看作是数字化的初级发展阶段，但与典型的数字化概念场景相比，仍然有一些差距所在：在信息化的场景构想中，更多是强调业务的线上化和自动化效果，信息化借助于计算机系统在数据计算、数据存储的性能优势，辅助人在日常的管理运营活动中解决现有工作执行效率低下的问题。在信息化中，数据只是业务的操作对象和执行结果，而数字化则把数据看作业务发生的原因和业务活动产生的原料。数字化关注从数据中发现新的价值、形成商业洞察、创造业务机会。信息化不关注从数据中进行创新，而只是基于既定的主题框架和相对固定的流程在处理数据，用计算机辅助实现原本已经存在的业务逻辑。信息化阶段的软件系统，重在提高人对具有规模性、复杂性的业务信息的处理效率，提高管理决策水平，提高业务各相关方的信息连接程度，实现“降本增效”，优化业务经营能力。信息化不改变人对业务的认知，而是在现有业务认知下的业务提速。值得注意的是，简单地依据是否涉及“数据分析”来区分信息化和数字化是不严谨的。关键还是要看，数据分析强调解释业务现状和观察趋势（经验驱动），还是强调挖掘底层业务规律和新的商业洞察（数据驱动）。2.数字化与智能化智能化是数字化发展的高级形态。所谓智能化，就是让机器像人一样进行工作，降低企业的人力成本，同时提高企业的生产效率和服务效率。智能化的本质是能够体现人的智慧水平的数字化业务，是人工智能技术的重要业务价值体现。人会基于特定的问题进行思考和决策，背后依靠的是某一领域的操作技能，其背后是人掌握了这些技能背后的业务知识。机器如果能够获得这些知识，也能够表现出“类人”的智能化特征。机器可以通过阅读大量的数据，通过数据挖掘、机器学习、深度学习等方法从这些数据中学习到有用的业务知识，然后在利用这些“所学”的知识提供智能化的服务，解决实际的应用问题。数字化和智能化的区别不仅仅是算法复杂度上的区别，而关键看，机器是否完成了从对象识别，到任务决策，再到行为操作的完整自动化流程。在整个过程中，人工介入的环节约少，则表现出越显著的智能化效果，例如，扫地机器人、炒菜机器人、虚拟数字人、无人驾驶等。通过传感器获取环境数据，通过模型和规则实现决策，通过终端设备完成既定操作，完成传统的人工服务。来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除！
-
23
06/10
从工具到平台，中小制造企业的一场数字化转型
中小企业正在经历一次痛苦难熬的数字化转型。一边是业务毛利、附加值低、生产管理缺乏数字化等问题驱使中小企业主动拥抱数字化；一边是高成本的大平台、昂贵的数字化系统和设备让中小企业望而却步。“从企业内部分析，缺资金、缺人才、缺技术成为中小企业数字化转型面临的挑战和困难。”中国信息经济学会数字经济政策研究专委会主任蔡跃洲在接受媒体采访时表示。实际上，许多中小企业都知道必须转型，不转等待着的很可能是慢性死亡。但问题是怎么转。有中小企业负责人认为，当前“大平台、大系统、大项目”的这种方式，本质上和中小企业的基因相冲。“中小企业的现金流很脆弱，对于数字化系统，必须要立竿见影的效果。大平台、大项目耗费资金大、建设时间长、回本周期慢，中小企业难以适应这种模式。“实际上，中小企业很可能用不上那些高大上的平台，它们更需要一种能快速提高业绩、创造利润的工具。给农民一把趁手的锄头，而不是押着他学习使用挖掘机。过去几年，部分工业互联网大厂的那套高举高打、自上而下的平台式打法，几乎只能做制造业大厂的“样板工程”，很难在中小企业落地，根本原因便是大平台与小企业“供需错配”。“中小企业有自身发展的逻辑，其转型一定是围绕这个发展逻辑而展开，套用大企业的逻辑，只能造成‘揠苗助长’。”鲁邦通副总经理兼CTO陈小军表示。作为一家工业互联网解决方案厂商，同时也是一家中小企业，鲁邦通的业务覆盖工业物联网通信和边缘计算产品的生产制造，也提供设备智能化和智能服务的工业互联网场景数字化解决方案。陈小军认为，数字化转型，对于公司来说是一个整体的战略，所有的战略都需要分步骤、分阶段，不可能一步到位。与大厂强调的“自上而下”模式不同，中小企业转型需要结合“自下而上”。一、自上而下是战略，自下而上是路径企业数字化转型首先是一把手工程。原因在于，管理层有决策权，能够将数字化转型的策略上升为公司的执行意志，渗透到公司的各个层级，最终执行下去。不少解决方案商都清楚这点，其销售团队瞄准了企业主，让企业主立马签单，开始上方案、推平台，搞数字化转型。方案交付以后，企业主非常痛心地发现，投入与产出不成正比，那些价值不菲的设备、科技范儿的平台，团队很难用起来。到工厂一问，下面的人就说不好用、不会用，企业主心灰意冷。这种吊诡的现象十分常见。许多有数字化转型意识的企业主，也乐于去推进公司的数字化战略，但效果却与想象中相去甚远，甚至一地鸡毛，之后便对数字化改造进退两难。“数字化要自上而下推，但更重要的是管理层、执行层、解决方案商达成共识。”陈小军认为，之所以出现企业主不愿意再推数字化的现象，是有些解决方案商只看到了领导，而忽略了员工的需求。管理层有权推动数字化战略，但具体要由团队去执行。如果执行出了问题，导致产出不如人意，这个结果就会自下而上反馈到管理层，管理层便会对数字化方案的效果产生怀疑。换言之，“只看领导”的打法虽然能签单，但项目交付可能会出现问题，且不可持续，本质上也算是对数字化转型生态的一种破坏。事实上，中小企业数字化转型中，一线员工不应该被忽视，反而应该首先被赋能。作为生产的执行单位，一线员工能够直接体会得到数字化转型带来的效果，如果数字化解决方案能给他们带来增益，其评价也会自下而上地传送到管理层，管理层看到了明显的效率提升，才会加大对数字化转型的资源投入。那么应该如何赋能一线员工？陈小军表示，一线员工对整体解决方案并不敏感，也不关心，甚至不了解，他们在意的是工作能不能按时、按质地完成。这对于解决方案商的启发是，在面对中小企业时，首先应该给一线工人提供直接有效的工具，能够帮助他们“多、快、好、省”地完成工作。一线工人看到实际效果，同时，也通过逐步推平台、系统，从而最终反映到企业的生产、管理、销售等效率的提升上，才能最终完成整个企业的数字化改造。从工具到平台，既是方案商的产品逻辑，也是中小企业数字化转型的路径逻辑。二、需要有人构建平台，也需要有人打通节点许多方案商，尤其是一些大厂，直接以德国工业4.0为目标，去搭建工业互联网平台。这种大而全的平台，虽然有项目落地，但也只能落地到不缺钱、愿意试一试的制造大厂的生产基地上，很难具备规模化复制的可能性，更无法推广至中小企业。“工业互联网是一个渐进的过程，需要从1.0（机械化）进化到2.0（电气与自动化）、3.0（信息化），最后到4.0（智能化），而不是直接从1.0就到了4.0。”很多制造大厂做平台，但其实这个过程中，往往投入产出并不成正比。工业互联网领域的先驱、美国制造业巨头GE就是前车之鉴。他们投入数十亿美元，推出了全球首个工业互联网平台Predix。然而，Predix并没有为GE带来业绩增长，反而成为沉重的财务复负担，最后落得被打包出售的命运。目前，Predix已成为一套工业应用以及一个开放的应用开发平台。究其原因，缺乏明确的商业模式，以致盈利遥遥无期；平台过于“笨重”，难以满足不同领域客户的需求，致使Predix无法实现GE构建工业互联网平台的宏大愿景。大型企业犹如此，更枉论预算开支十分有限的中小企业。可以说，企业数字化转型，需要从低阶向高阶进化，即从局部数字化向全域数字化转型。在这个过程中，每个阶段都有企业需要解决的转型难点，只有把这些点梳理清楚并解决掉，才能进入下一个阶段。类比自动驾驶，从L1到L4，需要在这个过程中积累数据、训练算法、迭代技术，相应的基础设施逐渐完善、法律法规逐步健全，最终才能到达L4级的无人驾驶。如果一开始就做L4无人驾驶，积累的数据完全不够充分，几乎只能在封闭场景做测试，而无法走向实际场景。企业数字化转型也如此，如果企业3.0的信息化都没完成，就要做4.0生产的智能化，无异于没有打好地基就直接盖楼，只能适得其反。“一方面，工业互联网就像是一张网络，每家企业，都可能是这张网上的一个个节点。只有当节点完成数字化、节点与节点才能拉通，才能形成线、面的网络。另一方面，中小企业各个作为产业链上的毛细血管，它们需要通过数字化，跟产业龙头企业对接上，从而成为整个工业互联网上，信息流动通畅的节点。”因此，真正要实现工业互联网的普及和应用，前提是这些“节点”能完成转型，然后通过平台把数据流转起来，做更多的智能化改造，来提升产业效率、创造更多的附加值。而现阶段的现实情况是，这些节点，大部分都还没有真正“联网”，而依然是一个个的信息孤岛。陈小军表示，当下企业数字化转型最为紧迫的事情，是将产业链中的各个节点都连上网，将这些节点的数字化能力提升，才能让数据流转起来，产生价值点。“如果手机、PC等智能终端没有联网，消费互联网也不会产生万亿级的市场。”因此，中小企业的需求，对于一线员工来说是工具；对于企业来说是将企业的人、机、料、法、环进行数字化，进而让生产要素流动起来，打通生产环节的数据壁垒，激发数据价值。“工业互联网平台未来一定是大趋势，大厂可以起到风向标的作用，但这需要整个行业的共同推动。”现阶段，对于工业互联网的构建和应用落地，这张网络的节点接入数量还比较少，工业互联网平台还很难发挥出实际价值。因此，市场上必然需要类似于像鲁邦通这样的公司，去为更多的中小企业提供针对性的服务，帮助大量的中小企业完成数字化转型，来为整张工业互联网平台的网，构建一个个节点。当这些节点串联在一起时，工业互联网才成为一个真正有用、有效的平台。三、不存在完全标准，也不必完全定制对于工业互联网厂商而言，只有深入了解中小企业数字化转型的痛点，才能对症下药，开出合适的药方。但中小企业散布于各种行业，三百六十行，每一行都有自身的独特性，行业之间差异化非常明显。不同的行业、场景差异，给企业和解决方案商带来一个问题：标准还是定制？从企业的角度看，定制更符合自身需求，但成本太高；标准化产品又怕不好用，效果欠佳。从方案商的角度看，标准化成本虽低，但由于场景复杂，很难做出一套低成本、通用型极强的方案。正如中国信息经济学会数字经济政策研究专委会主任蔡跃洲分析：“制造业不像消费互联网涉及的场景较为简单。不同行业都有其专有技术和行业特征，数字化转型涉及的场景通常都会比较复杂。仅仅依靠编程程序员很难将相关技术、过程、功能用代码直接实现。”在这种情况下，企业需求和方案商的供给，似乎成了一对内生性矛盾，难以化解。这道题并非无解，关键在于如何看待标准与定制。陈小军认为，之所以会存在定制化，本质原因是每个行业的know-how不一样，每家中小企业的核心竞争力不同，这就决定了方案商不可能做一套完全标准化的产品和解决方案。对于厂商来说，标准化和定制化其实不是最核心的困扰，“最重要是帮助企业梳理出它的核心竞争力，并且通过技术去强化这个竞争力，让它数据化、体系化地去流转和运行下去，发挥出最大价值。”陈小军表示。在执行中，可以“相似能力做标准，核心竞争力做定制。”即行业里边非常相似的能力，通用的技术，方案商就能够做标准化；而那些属于企业独有的差异化能力和技术，就需要做定制化；二者应该结合起来。好比医生给病人开药，一些基础疾病，如感冒咳嗽就可以标准化，但一些特殊的病，则需要开特殊的药。鲁邦通具备数字化技术和实体制造两方面能力，这个特殊性，也为其投入中小企业数字化服务业务带来独特优势。一方面，鲁邦通基于自建的数字化工厂，生产物联网硬件；另一方面，鲁邦通基于自身工业物联网平台的研发能力，以及自主开发MES系统、工业低码平台等工业互联网产品，“亲自操刀”完成对自身工厂的数字化改造。基于此，鲁邦通对于“中小企业数字化转型难、难转型”这道病症的药方，非常清晰明了。作为从工业物联网跨越到工业互联网的解决方案商，鲁邦通目前提供从工业物联网通信和边缘计算等产品，到设备智能化和智能服务的工业互联网场景数字化解决方案，已应用到机器人、医疗设备、环保设备、新能源装备、电梯及特种设备等工业设备行业，以及企业生产制造的各流程。以电梯为例，过去电梯的维护主要靠维修工人定期检查，或者等设备出现故障以后才会进行维护。这种方式非常落后，设备出现故障极容易导致安全事故，并且出现事故之后，从发现到处理，存在时间差，这段时间很可能造成不可挽回的后果。鲁邦通提供的多源融合智能传感器，可以实时监测到电梯的运行情况，将数据传送到云端，一旦出现故障，系统便会将事故信息推送给维修工程师，尽快解决问题。具体到企业节点连接，鲁邦通也通过5G通信、边缘计算、智能感知与云端智能等技术，构建鲁邦通智物协同云，帮助更多装备制造企业实现“云边端”融合并赋能行业场景数字化、网络化及智能化。又比如，针对一家环卫设备企业管理全球部署设备、售后运维、备品备件，管理客户订阅数据等需求，鲁邦通提供一套基于用户角色及场景驱动的软硬结合解决方案，帮助客户管理整个工业互联网服务价值链，实现设备管理、售后运维管理、金融租赁管理一体化的制造业服务化转型。“各类传感器、边缘设备，让生产的各个节点连接起来，实现‘上网’，然后通过平台把各种数据流转起来，赋能旧业务、打造新业务，创造价值。”总结2015年5月，政府在《中国制造2025》中首次提出“促进生产性制造向服务型制造转变”。由此掀起了企业数字化转型浪潮。与此同时，伴随着人工智能、大数据、云计算等技术的应用落地，技术再一次推动了产业进步。中小企业作为国民经济的毛细血管，在产业发展中起着不可或缺的作用。但中小企业的数字化转型始终是一个难题：不敢转、转不起。这个难题的症结在于，中小企业需要用得起、用得好的数字化工具，但目前，更多是大型数字化平台走在前面，供需未能匹配。很显然，双方都需要一场认知革命。只有各方达成共识，形成合力，才能推动这场巨大的变革。来源：雷锋网文章转载于其他网络，如有侵权请联系我们及时删除！
-
23
05/27
来，认识一下Windows最重要的功能
我们报道了微软在Build2023开发者大会发布的WindowsCopilot——深度集成在Windows11人工智能助手。至此，Copilot已经出现在了微软几乎所有重要产品之中，包括辅助编程的GithubCopilot、辅助办公的Microsoft365Copilot、辅助客户沟通的VivaCopilot、辅助业务流程的Dynamic365Copilot等等。微软比那些宣告自己AIfirst、AllinAI的公司还要更进一步，选择AllinCopilot，即全面转向人工智能辅助技术。我们来到了转折点看到这里，相信有相当一部分不那么关心AI技术的读者还不太了解，“Copilot”到底是什么。“Copilot”一词源自飞行术语，意思是副驾驶员（Co-pilot）。在飞机上，副驾驶员是协助主驾驶员操作飞机的人，通常当主驾驶员需要休息或处理其他任务时，副驾驶员就会接管控制权，二者共同负责飞机的安全飞行。对照这个定义，我们就不难理解：每个使用计算机程序的人都是“驾驶员”，AI则是辅助我们航行的“副驾驶”。举个例子，当你准备沉下心来办公，你就可以在Windows11调出Copilot，把你的需求敲进去：WindowsCopilot会建议你打开专注模式，并把系统界面调整成更沉浸的暗色模型。这时候你还想听一点音乐，再敲入需求：WindowsCopilot会根据你喜欢的音乐类型，在Spotify等音乐软件上播放对应的歌单。听起来我们像是又回到了命令行界面时代，通过一个输入框实现所有的计算机操作。但不同的是，你不再需要花时间去学习和理解编程这门专属于计算机的语言，你只要用人类的自然语言把你的需求抛给它，它就能帮你解决。WindowsCopilot还可以帮你解决很多问题，例如当你收到一份冗长到读不下去的文件，你可以直接把它从桌面拖到Copilot上，让AI帮你总结这份文档，实现“量子速读”。你还可以让它帮你重写或者解释文档的内容，提高工作的效率。简单来说，Copilot不能完全取代你的工作，但它能帮你节约很多不必要的重复性劳动，从而节约你在“数字琐事”上花费的时间。这也是微软对于Copilot的定义：一种使用自然语言处理技术或大语言模型（如GPT-4），帮助人们完成复杂或认知任务的应用程序或组件。从拨号上网年代一路走来的朋友可能就察觉到了一些关键要素：操作系统+助手，等等，这不就是Windows97时代的Clippy和WindowsPhone时代的Cortana吗！？没错，Clippy、Cortana和Copilot（微软是不是对C开头的单词有执念？）在定位上确实存在一定的重合，你甚至可以把它们看作同一款产品在不同交互界面时代的三种形态。Clippy：图形交互界面的系统助手，其设计初衷是提供了一个平易近人、友好的界面，以简化复杂的操作任务。然而，由于Clippy需要通过一个弹窗进行交互，它总会不合时宜地弹出来，导致用户在使用时失焦。Cortana：语音交互界面的系统助手，对标Siri和Google助手，定位个人数字助手。但受限于功能局限，Cortana能做的事情很有限，即便微软尽可能地把Cortana推向Windows之外的更多平台，也很难吸引用户使用。WindowsCopilot：自然语言交互时代的AI助手，它深植于系统之中，又不局限于系统，它可以集成于各种程序和应用中，并且能够理解用户的需求并提供帮助，在功能性、灵活性和集成度方面远超Clippy和Cortana。从技术发展的路线来看，你会发现Copilot与Cortana的路径类似但方向截然不同。2014年，Cortana作为WindowsPhone8.1的默认语音助手首次亮相，提供语音搜索、日程管理和个性化建议等功能，标志着微软正式进入语音助手市场，与苹果和Google竞争。随后，Cortana随Windows10操作系统一同推出，拓展到PC和平板电脑之上，集成了更多的系统功能，为更多人熟知。在接下来的时间，微软把Cortana塞进了包括Microsoft365套件、Teams等更多的产品之中，希望能获取更多的用户。但到了2021年，微软决定停止Cortana大部分服务，退出这场语音助手大战。Cortana的失败不仅是因为其市占率一直上不去，还因为语音助手功能本身很难再翻起太大的浪花：10年前的语音助手能帮你写邮件、查天气，10年后它仍然只能做这些基础型的工作，用户的感知并不强。直到ChatGPT的出现，语音AI助手给人留下的“愚蠢”刻板印象才被打破。ChatGPT能够通过自然语言理解人们的需求，帮助人们完成一些需要高智能的任务，虽然GPT模型时而会出现生成错误的答案，但已经解决了AI助手长期以来的痛点——语义理解。这是一个关键的转折点，微软迅速地把大语言模型技术与其产品结合起来，丢出了一个又一个让人瞠目结舌的技术Demo：用聊天的方式在Bing搜索、用几句需求做出个精美的PPT、让Edge浏览器一键总结网页内容……很快，Copilot将无处不在，AI将无处不在，我们与计算机交互的固有逻辑开始出现裂缝，一个新的交互逻辑准备破壳而出，重新定义新一代的计算机和互联网。比尔·盖茨在AI爆发后给出了他的判断。也就是说，侧边栏AI助手将会成为一个新的常态，你的语言会变成像鼠标点击、手指触碰一样具有“魔力”的新交互方式。只不过，如果你只是把Copilot看作是一个新时代的AI助手，那你就太小看微软的野心了。全新的软件形式前面我们说到，微软为旗下的很多产品都接入了Copilot，让Bing、Edge、Office焕发出新的活力。更重要的是，这些散落在不同软件的Copilot彼此之间并非独立，而是相互打通的。这里我们要引入一个很重要的概念——插件集。你可以把这些基于大语言模型的Copilot理解成Chrome浏览器（当然，这是一个非常不恰当的比喻），而插件就是浏览器上面的扩展程序，有了第三方的插件，Copilot就能实现很多不同的功能。此前，我们曾详细介绍过ChatGPT的插件集体验，有了这些第三方插件，ChatGPT可以实现订餐、查航班、解答数理化难题等等功能。现在，这些插件同样可以应用在Bing、Edge、Office甚至Windows之中，因为这些产品都采用了同样的开放插件标准。简单来说，开发者只要开发一次插件，就能应用在微软的一系列Copilot之中，这给开发者和用户都带来了极大的灵活度。还是拿实际应用举例。很快，你可以在Bing调用Zillow插件（租房信息查询），然后直接向Bing提问，“用XX预算在X地租房有什么房源推荐？”。Bing就能直接给出对应的房源信息。或者你可以在Edge浏览器上让AI帮你总结食谱，然后调用Instacart插件，一键购买你缺少的食材。这是一种全新的信息获取方式，它跳过了从搜索引擎到服务商网站、再到具体信息的过程，直接提取了你最需要的内容，然后以平铺直叙的方式呈现给你。Copilot+插件，或许会改变我们使用网络获取服务的方式。另一方面，在我们最熟悉的Office套件上，也能够使用插件。例如当你想用Word起草一份法律合同，但是你并不熟悉当地的法律，你就可以调用ThomsonReuters、Westlaw等法律插件来帮你起草和修改具体的内容。插件集的出现丰富了大语言模型的可能性，而一个共同的插件标准又让插件集的作用变得最大化，这就是微软正在构建的Copilot技术堆栈，最终共同拼成了微软眼中Copilot最理想的形态：不仅是一种新的程序，不仅是一种新的用户界面，还是一个新的平台。正如前面所说，大语言模型的出现赋予了软件前所未有的易用性和可操作性，“AI助手化”会成为软件设计的新常态。像Adobe等厂商都已经开始在自家的软件加入AI功能，越来越多的开发者会考虑为自己的产品设计“Copilot”。微软瞄准的正是这么一个尚处于萌芽时期的新机会，它想要利用自己在桌面系统和办公软件超高占有率的优势，抢先建立起这个全新的平台，领先一众对手。微软CTOKevinScott在Build大会上诚挚地向开发者们介绍了这个宏大的愿景，他引用了比尔·盖茨的一段话：KevinScott认为像GPT-4这样的基础模型很强大，非常强大，但它并不能做所有的事，这需要更多开发者将这样的技术应用到相对应的程序之中，把大语言模型作为构建程序的一部分，AI才能创造出全新的用户体验。这是一种全新的程序开发方式。KevinScott抛出了一个观点：当下，AI正在以不可思议的速度重塑着人们对科技、对世界的认知，它不仅改变了我们处理数据的方式，也在重新定义我们与机器的交互方式，甚至是我们理解和解决问题的方式。大语言模型的崛起，突破了传统的程序设计框架，AI开始能理解我们的语言，预测我们的需求，甚至理解我们的情感，用数据和算法的力量解决了以前我们难以想象的问题。值得敬畏的是，面对这样一场全新的科技巨变，48岁的微软依然走在技术变革的最前沿。来源：虎嗅文章转载于其他网络，如有侵权请联系我们及时删除！
- 1
