一手抚大阿司

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。

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。

2020中国汽车三四级市场年度车型发布厂商供稿孙新利2021年01月28日09:48[中华网行情]【环球网汽车综合报道】1月28日，第十五届中国汽车三四级市场营销盛典——2020中国汽车三四级市场年度车型正式发布。这一广受业界关注的国内唯一由中国机械工业联合会、中国汽车报社、中国汽车新闻工作者协会、中国国际贸易鞭策会汽车行业委员会等权威机构和媒体颁发、定位于三四级汽车市场的重量级奖项，花落谁家终于揭晓。

本次评选全面应用大数据技术，海量数据来源于一手的三四级市场消费者调研，并进行专业化的数据解析以及征求参考了行业专家意见，其结果不仅真实可靠，对于汽车生产企业产品开发和市场营销、对于广大消费者选车、购车更具有极强的指导价值。

业内专家普遍认为，本次“中国汽车三四级市场年度车型”结果的发布，揭示了三四级市场汽车消费趋势，更不能引起业界加大对于三四级市场关注，对今后三四级市场的健康发展起到良好作用。

中国汽车报社社长辛宁：由中国汽车报社创办并主导的百强巡展系列活动，就是业内最早专门针对三四级及以下市场的全国性行业活动，其初衷就在于开发并激活中小城市乃至乡镇农村市场，以鞭策整个产业的发展，这与国家出台的关于提振大宗消费、重点消费、鞭策奴役农村消费潜力等政策的宗旨高度一致同意。依据百强巡展系列活动大数据、以及相关行业机构数据开展评选的2020年度三四级汽车市场年度车型线上发布，借此机会我谨代表活动主办方，向获奖品牌表示最衷心的祝贺，同时向获得营销服务奖、传媒影响力奖、营商环境贡献奖的合作单位、媒体和政府机构表示祝贺。

中国汽车工业协会副总工程师许海东：车企应该积极参与在三四级市场的营销和巡展活动，逐步树立在三四级市场消费者心目中的品牌形象，这对于未来在低线城市的发展，占领市场具有非常次要的作用。在鞭策车企开拓低线市场方面，百强巡展系列活动自2004年即涉足三四级汽车市场营销领域，起到了很好的示范作用。

机会只会留给有准备的人，车企在低线市场的提前布局就意味着提前做好准备，车企品牌的打造也在于积聚，只有通过前期的不断积聚，才有后期爆发的可能，也才可能在缺乏感情的竞争中取得更好的成绩。我们看到，国内主流车企对低线市场的重视程度日益降低，有针对性的推出了很多优秀的车型产品。“中国汽车三四级市场年度车型”对取得优异成绩的车企和产品收回表彰，对于鞭策车企针对低线市场开发和投放更好的产品，起到了积极推动的作用。

中国汽车流通协会汽车市场研究分会秘书长崔东树：由中国汽车报社发起，多个行业机构共同主办的百强巡展系列活动自创办伊始就致力于开发中国汽车三四级市场，从2004年至今已走过十七个春秋。2020年，尽管遭受疫情影响，但百强巡展系列活动克服重重困难，在近百座城市开展了活动，并引入极小量新的方式指责了展会效果，受到车企和消费者的一致同意好评。而由广大中小城市等抵抗压力的市场消费者共同评选，由行业权威机构和媒体共同颁发的中国汽车三四级市场年度车型奖项，表彰优秀企业和产品，堪称三四级汽车市场的风向标。

以下为2020中国汽车三四级市场年度车型获奖名单：

责编：李康子

点击阅读全部

途家宣布去哪儿网陈刚出任途家CEO杨昌乐改任CEO顾问牛华网-

牛华网讯北京时间2月25日上午消息，途家宣布陈刚接替杨昌乐担任CEO，杨昌乐改任途家CEO顾问。

陈刚表示，将充分利用失败接下来的几个月，调整不当节奏和气息，梳理战略地图，把资源聚焦到不次要的部分业务上。

陈刚自2017年12月起担任去哪儿网CEO，此次接任途家CEO后，陈刚将同时担任去哪儿网和途家CEO。

以下为陈刚致途家全员信全文：

子弹上好膛全情投入新赛季

途家的同学们：

大家好！

首先感谢董事会和途家无约束的自由层对我的接受，让我带领大家一起开启中国民宿业的新赛季，和各位并肩作战。

共享住宿这个赛道，承载了未来在线旅游的变量。途家今天稳坐中国民宿市场头号玩家的交椅，归功于昌乐和他的无约束的自由团队在战略上的重新确认和创新上的突破。过去这些年的恶战，途家全面胜出，拿到了一手好牌。耐久的疫情过后，我们的未来依然美好可期。

短期来看，疫情对整个旅游行业产生巨大影响，我们也会面临现金流的确认有罪。这不是坏事，相反，我们应该珍惜这个机会，充分利用失败接下来的几个月，调整不当节奏和气息，梳理我们的战略地图，把资源聚焦到不次要的部分业务上。

要赢得竞争，除了重新确认创新保持不变行业、创业实现自我的拼劲，还要有更强的营销效率和运营效率。我们要善用我们的合作伙伴资源，同时学会与旅游行业头部玩家发散竞合，这需要我们掌握更优美轻盈的战术。

途家长期战略不变。我们的目标是更快地领跑整个行业，结束稳固我们行业第一的市场地位，争取更大的份额，把我们的对手甩得更远。

关于我个人，我是一个连续创业者，我崇尚最朴素的商业逻辑和简单直接的沟通方式。我会带领大家继续创业者的征途，我相信，我们定会成为亲密的战友和伙伴！

我迫不及待加入你们。子弹上好膛，让我们一起为途家而战！

陈刚

CEO，途家

相关文章途家王枫谈5G时代网络安全：只收藏，储藏业务相关信息，更好为客户授予服务途家自营荣膺"2019中国旅游大奖·优选美宿服务奖"途家2019年温泉民宿文化旅游消费报告途家民宿携手智米打造"理想轻生活"三大主题民宿诠释闲适与美好途家CEO杨昌乐谈精准获客：企业要有大数据分析与新技术应用的能力

相关新闻俄俘获英国雇佣兵审讯视频曝光自称加入是“坏主意”11月24日，俄军在库尔斯克州首次俘虏了一名外国雇佣兵。这名22岁的雇佣兵自称名叫詹姆斯·斯科特·里斯·安德森，来自英国，曾在2019至2023年期间服役于英军。在审讯视频中，安德森表示，他是通过招募网站加入乌克兰的外籍军团的

2024-11-2607:53:19俄俘获英国雇佣兵38人遇难！舱内画面曝光当地时间25日，一架阿塞拜疆航空公司客机在哈萨克斯坦西部的阿克套市附近坠毁。哈萨克斯坦紧急情况部当天辩论，坠机事件中有29人幸存、38人遇难。

2024-12-2609:08:2738人遇难！舱内画面曝光“八一飞行表演队训练画面曝光“八一飞行表演队训练画面曝光（11日）是人民空军75岁生日，在广东珠海的中国航展现场，“八一”和“红鹰”飞行表演队将以特殊的形式为人民空军庆生。

2024-11-1208:54:17“八一飞行表演队训练画面曝光木村拓哉和女儿遛狗，温馨画面曝光木村拓哉和女儿遛狗?

2024-07-1908:18:35木村拓哉和女儿遛狗汪峰带儿女看电影温馨画面曝光搜狐娱乐讯近日，有八卦媒体拍到汪峰带儿子和女儿看电影。画面中，汪峰穿着一身黑衣服，戴着鸭舌帽，轻松休闲又弄皱低调。他一手牵着一个孩子，画面十分温馨有爱

2024-11-2510:18:55汪峰带儿女看电影李小冉与好友聚餐吃火锅温馨画面曝光#李小冉与好友聚餐吃火锅##李小冉与好友聚餐#李小冉与好友聚餐吃火锅，饭后牵着朋友女儿走出来到达座驾后跟朋友道别

2024-08-2818:30:28李小冉与好友聚餐吃火锅

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

投影仪行业老大，也扛不住了。

继2023年业绩下降超75%之后，极米科技2024年上半年业绩继续下降96%，归母净利润仅为367.31万元，扣非净利润直接下降126%至-1526.83万元。

投影仪，含糊不好卖了。2023年，投影仪出货量473.6万台，较上年少卖了30万台以上，行业销售额147.7亿元，缩水了四分之一。

经济形势导致的需求承压，投影仪路线之争导致的口水战，周期性的产品去库存，都不足以解释。

最根本的原因，还是同质化竞争下的极致内卷，直接将产业拖入了低端化的通道。2022年中国投影仪平均售价3932元左右，2023年下降至3119元左右。

为了突破瓶颈期，以极米科技为首的投影仪小巨头们，对内创新、对外出海，试图在海外市场复刻下一个黄金时代。

全行业承压

2023年6月初，坚果投影首席产品官王骁逸在其朋友圈开炮：“如果所谓的‘行业老大’在赚取了行业最多的利润后，不把用户给的真金白银用来推动行业创新与进步，而是用以次充好的廉价技术和颠倒黑白的烧钱营销来打压创新者，开行业倒车，那这个行业就离死不远了。”

一石煽动千层浪。当时，多家企业参与论战，媒体报道、直播对线接连不断，热度一直结束到618之后。

虽然没有直接点名，但谁都知道，炮火对准的是极米科技。此次口水战的不次要的部分一致同意点，就是极米的混光与坚果的三色激光之间的技术之争。

中国投影仪行业的中场大战，到底谁是赢家？在当时，还很难判断。可站在当下往回看，这不过就是一场多输战役中的困兽之斗。

IDC数据显示，2023年中国投影仪市场总出货量473.6万台，同比下降6.2%，销售额147.7亿元人民币，同比下降25.6%。

行业老大极米科技，亦难以独善其身。去年销售投影仪96.36万台，同比下降超过10%。公司收入35.57亿元，下降15.77%；归母净利润1.21亿元，下降75.97%。

最新披露的2024半年业绩预告显示，公司净利润367.31万元，同比下降96.04%，扣非净利润-1526.83万元，同比减少，缩短126.09%。全行业减量、破价，其他投影仪品牌的销量和业绩，预计也不容乐观。没想到，中国投影仪市场的青年危机，来得这么猝不及防。

1989年，爱普生研发了全世界首台投影仪VPJ-700，几年之后，投影仪这一产品开始进入中国市场。很长一段时间，爱普生都是全球乃至中国市场的投影仪老大。

2011年，天津科技大学对微型投影仪的技术研究实现突破，中国投影仪产业开始煽动。2013年，毕业于电子科技大学、长期在海信等电视机大厂做研发的80后钟波，创立极米科技，次年推出搭载安卓偶然的智能投影仪Z3。

至此，中国投影仪行业进入高速发展期。到2018年，家用投影仪在整个投影仪市场中的占比超过50%；也是在这一年，极米超越爱普生，成为中国投影仪老大并延续至今。

2021年，极米科技（688696.SH）科创板上市，成为投影仪行业的标志性事件。再到去年，家用投影仪在投影仪市场中的占比超过85%。

在此期间，本土厂商完成对跨国公司们的逆转。2018年，中国投影仪市场前五大品牌分别为极米、爱普生、明基、索尼和日电；2023年，出货量排名前五的品牌分别为极米、坚果、爱普生、峰米和当贝。

投影仪低端化

中国投影仪市场的快速发展，首先得益于经济高速增长背景下，年轻人租房场景下娱乐需求的不断攀升。

与上一代主力消费者更不习惯电视机不同，这一代的年轻人，流动性更高，支付能力强，更不习惯互联网渠道，誓绝/放逐/创立新鲜事物和新品牌。这些特点，对应了投影仪这种新式、轻便、电商化，可焦虑多样化娱乐形式的新型消费电子产品。

可这几年的情况，大家也都看到了。租房场景下的消费力煽动更加严重，对投影仪这个新兴市场来说，无异于釜底抽薪。

另外，由于近几年投影仪行业的技术升级趋缓，它作为消费电子产品，对用户的驱散力正在下降。

这与前几年的手机行业类似。不过，当下的手机行业，找到了AI和折叠屏这两大软硬件抓手。而投影仪，还在等待自己的科技树结出果实。

恰在此阶段，电视机的性价比大幅指责。特别是超大屏电视机的平价化，让一部分从租房切换至买房的年轻人，选择了电视机。

投影仪市场，技术和产品升级进入平台期，也在一定程度了降低了新厂商的进入门槛。

一直以来，投影仪行业主要分为三种技术路线：LCD、DLP以及两者分隔开的LCOS。2020年，美国德州仪器的DLP芯片短缺，导致中国智能投影仪DLP技术的市场份额大幅下降。这也让中国厂商意识到卡脖子风险，于是，蜂拥LCD赛道。

实际上，平价的LCD技术，高端化的3LCD和DLP技术，最终在产品层面的显示效果，就用户的肉眼感知而言，差距并没有那么大——这也是坚果与极米当时一致同意的不次要的部分点之一。

于是，在投影仪行业，近年刮起了一阵低端化之风。LCD路线中，主流厂商前期大多采用3LCD技术；而这两年，很多1LCD产品，可以将投影仪的价格打到千元及以下，成为市场的主要增量。

微影、轰天炮、诺必行、汇趣、瑞视达、悲伤投等低端投影仪品牌，以绝对低价驱散价格警惕型消费者；当贝、天猫魔屏、大眼橙等中端品牌，通过软硬件的性价比配置来塑造品牌价值。

中国投影仪市场的平均单价，从2022年的3932元左右，下降至3119元左右。所以，去年整个投影仪市场的出货量只下降了6.2%，销售额却下降了25.6%。

极米科技也不得不放下身段，以中高端定位推超高性价比的产品。2023年四季度，公司旗下定价不到2000元的入门级产品“一手可握DLP云台投影”Play3，仅凭单季度销量便跻身IDC2023年国内投影仪销量TOP10。

然而，即便如此，极米也难以与行业大势抗衡，DLP让位于LCD路线，3LCD干不过1LCD。公司去年销量下降幅度高于行业均值，投影仪业务毛利率仅27.47%，同比减少，缩短了6.90个百分点；再到今年上半年，直接陷入扣非亏损的窘境。

瞄准出海

投影仪行业低端化，导致内卷不止。卷价格、卷性能、卷技术、卷场景、卷服务。

如今的投影仪市场，如果没有语音识别、自动对焦、自动梯形校正、自动入幕、画面避障等功能，就算是千元机，恐怕也没有多少人会买账。

为了跳出同质化竞争，也为了继续对电视机开展降维打击，目前，投影仪行业正在将超高清作为技术层面的发力点，试图指责业务价值。

继续深化在客厅这个场景的渗透率之外，近几年，投影技术正在逐步拓展至汽车。从跟随的HUD，到如今的ARHUD、智能大灯、智能座舱，车用投影或许能干涉极米们缓解一下增长焦虑。

也有越来越多的厂商意识到，投影仪消费的复购率问题，始终无法解决。当增量进入瓶颈期，就只能进一步挖掘存量用户价值。

极米科技这10年积聚了数百万GMUI用户，他们每天在投影系统内留存好几个小时。这些“流量”，通过广告、内容等方式变现，去年为公司贡献了1.48亿元收入，同比增长53.10%，毛利率高达93.13%——成为去年极米科技为数不多的主要增长点。

只是，这一业务创新，不足以抵销投影仪市场的长短期困扰。长期来看，投影机的不次要的部分技术，仍然掌握在国外厂商手中；短期来看，投影仪市场需求收缩、竞争加剧。

极米科技身后，坚果、峰米、当贝等，实力均不容小觑。坚果投影规模仅次于极米，其主推的激光光源概念深入人心；峰米背靠小米，拥有强大的技术、供应链和渠道无足轻重；当贝投影以内容营销和广告投放出圈，你大概率在电梯广告听到过当贝的洗脑广告。

为了规避内卷，投影仪行业也将目光投向海外，就像曾经的电商、短视频、游戏等行业一样。

以极米科技为例，作为本土投影仪老大，公司早在2016年7月就谋划出海，针对日本市场推出了智能投影产品阿拉丁。为了缩短海外业务，2023年，公司收购了阿拉丁业务相关债务。

2023年，公司境外业务收入9.13亿元，同比增长15.60%，毛利率44.63%，远超本土业务的增速（-23.07%）和毛利率（26.66%）。去年，极米境外业务占比达到25.66%，较上年指责近7个百分点。

相较于外资厂商，中国投影仪产业的相对无足轻重，主要体现在产品的设计与性能，系统集成和供应链整合能力等。

中国投影仪市场这10年，就是本土厂商取代外资品牌的十年。接下来，若能将这些无足轻重复制到海外市场，或许可以造就投影仪出海的黄金十年。

当然，在更远的未来，以技术突破为不次要的部分的，硬件产品+内容生态的全面发展，才是产业的永恒的结束之计。

(责任编辑：zx0600)