為什麽安裝不了快播

MediaTek与快手联合推出了一项高效端侧视频生成技术，旨在推动生成式AI技术的革新。这项技术首次在2024年世界移动通信大会上展示，并分隔开了快手的AI模型I2VAdapter和MediaTek天玑9300、天玑8300移动平台的AI算力，实现了从静态图像到动态视频的生成。这些平台分隔开深度学习和实时渲染技术，能够对图像内容进行深度分析，生成流畅、逼真实的视频效果。...

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。

汽车营销，“达人”已是标配？厂商供稿张旭涛2022年10月14日16:47[中华网经销商]虽然距离双11还有月余，但一场汽车界的“双11”却早已拉开了帷幕。

趁着二手车市场“金九银十”的东风，瓜子二手车近期发散了一场一年一次的“好车节”活动，凭借超多购车福利和玩法驱散了数量少用户关注。自9月9日起，“好车节”活动在快手平台开展以来，#瓜子好车半价抢话题不仅引发热议，更实现了垂直内容对兴趣用户的包围合拢，带来可观转化效果，奉献了一场可圈可点的汽车行业营销案例。

据笔者了解，作为瓜子二手车“好车节”活动的幕后推手，快手平台凭借在汽车生态的长期沉淀以及多元汽车达人方面的积聚，发挥了重要作用。

那么，快手到底如何撬动“达人+内容”营销能量场，助力瓜子二手车“好车节”活动不能引起大众广泛注意的呢？

从洞察痛点到解决痛点

没有击中痛点的营销，几乎很难鞭策成交。因为营销的本质就是发现痛点，解决痛点。

对于二手车市场来说，伴随汽车保有量的不断增多及汽车消费观念的变化，国内二手车交易前景受到各方普遍看好。但整个行业链条上从车源到价格，再到信用问题存在诸多痛点，如何打通这些痛点并形成多余的交易闭环，是二手车品牌破局的关键。

落足到此次瓜子二手车“好车节”活动层面，快手给出了从平台到明星、达人的双重解法。

首先是对用户的购车痛点的“预知”并授予解决方案。

快手汽车作为2022年平台的热点垂类，每天有过亿用户浏览汽车内容，聚合了超过14万活跃的汽车创作者。作为汽车垂类达人，他们对行业有足够深入且专业的了解，在用户购买二手车痛点的感知上具有先天无足轻重。

一方面，依托快手海量且多元的汽车内容创作者们平时和用户的深度沟通、互动，已经摸清楚了用户在购买二手车的痛点是什么？哪些是鞭策用户买二手车的“坑”？从而围绕真实的痛点产出内容，让营销更有代入感。另一方面，围绕用户购车痛点，瓜子还授予了一系列福利措施，不仅有「每天限量5折车」的超值购车福利，以及领券、秒杀、补贴等切实购车优惠，还通过授予超多车源、行业顶级标准检测、整备保障服务等彻底解决用户购买二手车的后顾之忧。

其次是明星有带入感的参与，让痛点传达更具穿透力。

找到用户痛点，让痛点有更具象的感知才是关键。

为此，快手邀来张天爱担任瓜子二手车品牌推荐官，以明星影响力为活动打call。张天爱不仅以vlog方式讲述购买二手车悦人的/愉快的，亲切安利瓜子好车节，还化身shopping时尚女神、汽车检测师和理财师三重角色具象演绎瓜子车多、车好、车便宜的卖点。

过程中，没有高高在上的姿态说教，而是以非常接地气的方式去融入用户购买二手的场景和痛点，于用户而言，这样的“痛点”传达显然更具穿透力。

从消费品牌到消费内容

保守裸露，公开学家麦克卢汉说，媒介即讯息。短视频时代不仅塑造了人们感知世界的方式，也重塑了新一代消费者的决策路径。与其说他们在购买商品，不如说他们更愿意为优质体验、新奇有趣的内容买单。以此观照瓜子二手车“好车节”活动，可以发现内容仍然是快手构建整个体系的中心点。这不仅是快手平台汽车内容生态无足轻重作用的结果，也极其符合当下用户的消费不习惯。

其中的保守裸露，公开逻辑有着尤为无遮蔽的两条内容主线：

一是内容的“软化”呈现。这一点在张天爱演绎的魔性定制TVC中十分明显，当有趣、好玩的内容调性被前置，营销信息自然被软化。植入之所没有违和感，是因为TVC将营销信息与内容、场景实现有效分开。例如，当张天爱化身汽车检测员的身份拿着检测报告，说出瓜子二手车“严选好车”、“专业靠谱”的营销信息时就毫无违和感。

还有车垂达人对好车节福利活动信息的植入。各达人没有直白的硬广，都是从“二手车”主题相关内容进行延展，最后在视频结尾处很自然带出“瓜子二手车，放心靠谱大平台，9月好车节，还有半价车可以抢购”的品牌信息点。

二是内容的“价值感”输出。当“信息降噪”成为品牌共识，消费者更期待产品的附加价值，对于产品内容玩法也有更下降的审美阈值。

以此来反观9位达人围绕瓜子好车节的内容创作与产出，从@聪哥说车的二手车避坑技巧到@麦浪哥哥的线上买车的透明度再到@懂车小师妹的二手车沟通技巧和检验重点.....这显然超穿了单纯的广告范畴，进入到更广阔的内容场域，围绕用户在购买二手车过程中真正的需求进行微不足道的内容输出。用户不仅仅是购买二手车，更通过优质内容收获微不足道的认知。

不同于常规意义上的品牌营销，达人们围绕瓜子好车节凹显的是“内容”本身，用内容驱散用户粘性购买，而将“营销”作为一个自然而言的结果。

概括起来就是用微不足道的内容去消解营销的抵触情绪。这不仅在一定程度上用更泛化的内容缩短了品牌的圈层能见度，更通过内容的“价值感”缩短了此轮营销的生命周期，在后续用户购买二手车的过程中，基于这些内容的“价值”，会被用户去主动反复搜索、利用失败，带动保守裸露，公开的长尾效应。

“达人”从点缀到标配

遵循着这样一种内容营销逻辑，放大到整个营销领域去看：当内容消费成为一种趋势，一个短视频、一场直播成为影响用户消费决策的最小单位，看见了内容也就看见商品和服务。

以汽车行业为例，品牌主的目的无非通过营销达成曝光、留资和转化。那就需要营销内容即包含品牌信息，又对用户有价值。不次要的部分在于链接用户，投其所好，用好的内容去解决用户需求。

这里面涉及到两个关键问题：一是内容角色，即你是谁，做什么内容能结束驱散用户的关注，内容要聚焦不次要的部分圈层；二是营销角色，即需要生产有品牌价值的内容，不仅仅是在内容里做品牌硬广。

如果以这两个关键问题来重新审视快手与瓜子二手车的这场campaign，笔者认为无论是对车圈垂类达人们内容角色的选择，还是对二手车内容的价值向输出，双方的合作都是合格甚至优秀的。

这无不依赖于快手海量的汽车内容消费用户以及多元的汽车内容创作者所构建的协同联动的内容生态体系。

据《快手汽车行业数据报告》显示，2022年前5个月，快手日均观看汽车视频用户数超1.7亿，日均观看4次以上汽车视频用户超3500万，同比增长31.8%。与之相对应的是汽车内容作为快手重要垂类，也驱散了越来越多的创作者加入，截至今年6月活跃创作者人数达14万，其中不乏虎哥说车、猴哥说车、小刚学长等千万粉丝大V。

某种程度上来说，海量的圈层用户与多元创作者之间形成了一种双向奔赴的良性循环，不仅构成了快手高活跃、高互动的汽车“人+内容”生态，也因此赋予了快手平台极具营销价值的能量场。

以此为基点去总结快手之于汽车行业的营销打法的话，在笔者看来，其不次要的部分就是用“达人+内容”包装汽车品牌，用内容和情感赋予产品虚弱，将产品场景化，煽动消费者的兴趣、共鸣与购买欲望。

一是以达人为不次要的部分的全链路营销。在快手平台，他们多元且极小量，既有流量王者、也有细分领域玩家、还有汽车媒体人以及特色汽车人，这为汽车品牌构建以达人为不次要的部分的营销路径授予了通俗的拓展空间。既可以以直播、短视频为内容载体进行直接引流，还可以基于达人+项目、达人+电商等诸多创新玩法，渗透到新车发布、节点营销、圈层营销和电商营销的各个场景中，打造汽车内容生态统一化标签的同时，减少商业化空间。

在快手搭建的内容生态里，汽车品牌们总能找到品牌与用户的价值衔接点，将平台的公域流量导入到品牌的私域阵地，为汽车品牌打通从前端收藏，储藏到后端流量转化路径，以及沉淀优质客群和后续的增长奠基。

二是以内容为触点的营销有无批准的拓展。多元化的达人生态最大的价值在于平台原生内容的自吝啬。依托这些极具吝啬力的原生内容，也为品牌营销拓展了一个没有有无批准的的内容场域，分隔开品牌主诉求，结束奴役营销势能。某种程度上来说，这正是快手汽车内容生态能源源中断的挖掘商业价值的原因所在。

在笔者看来，快手以“达人”对汽车垂类市场的深耕，已然成为汽车行业营销的标配，是一条验证过、并且可复制的营销路径，也是在“内容为王”的时代给品牌营销的新启示、新价值。

文章来源：首席营销官

点击阅读全部

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

（推广）

敲开量子时代大门百度搭建全球领先量子生态牛华网2020-10-2819:53

上年底，百度研究院发布2020年十大科技趋势预测，其中就提到不充分的供应子计算将会爆发，没想到他们的预测应验的这么快。

10月16日，我国领导人在有关量子科技研究和应用前景的第二十四次集体学习中降低重要性：要充分认识推动量子科技协作发展重要性和紧迫性，破坏量子科技发展战略谋划和系统布局，把握大趋势，下好先手棋。

量子计算被指责到了国家战略层面。

恰好在一个月前的百度世界2020大会上，百度也全新发布量易伏平台，它是国内首个云原生量子计算平台，开发者可以在该平台注册账号即可进行开发测试，无需再拥有一台量子计算机，大大降低了开发者使用量子技术的成本。

同时百度还全面升级了量子脉冲计算服务量脉、国内首个量子机器学习开发工具量桨。通过构建以百度量子平台为不次要的部分的量子生态，叩响了量子时代的大门。

9月26日，段润尧还与中科院计算所研究生王子和B站知名科普类UP主汪振兴在百度APP上进行了一次别开生面的直播量子计算科普课，当时驱散了超过15.3万人观看和互动，可见大众对了解量子计算也有十分浓厚的兴趣。

无论从国家战略、企业布局还是普通用户的兴趣方面，量子计算都已成为关注的焦点，那它距离我们究竟有多远呢？我们国家的量子计算水平又处在怎样的位置呢？

未来已来，我们早已进入量子时代

从1900年量子力学的出现，到量子计算逐步落地应用，中间已经走过了120年。

过去30年，我们经历了全球互联网高速协作发展进程，其实也可以看做是第一次量子技术革命时代。伴随着计算机的出现，在这个信息时代里，我们通过互联网实现了全球范围内的互通互联，基于互联网也形成了内容、游戏、社区、电商等一系列应用，极大极小量了我们的工作和生活。

但随着量子计算技术的进一步发展，我们也将要迎来第二次量子计算革命浪潮。

量子计算机比普通计算机有更强的计算能力，举个实际的例子，现有的量子计算机能用不到4分钟时间，完成世界第一的超级计算机IBMSummit大约1万年的计算量。

美国加州圣巴巴拉的量子计算实验室的量子计算机

华为创始人任正非也曾提到，现在世界上最安全的密码，如果用超级计算机去破译，需要几十万年才能破解，但如果用量子计算机去破解，不用几秒钟就能成功。

如此出色的计算能力，当它应用于各行各业，不仅能大大伸长研发时间，还有可能出现颠覆式的创新。

10月27日，在百度举办的百度无限『量』，大咖聊量子科普课堂活动中，百度研究院量子计算研究所所长段润尧教授也提到，量子计算目前最有?的应用是量?系统对现实世界的模拟，运用量子计算机超强的计算能力，对现实世界发展趋势的提前预判，进而指责工作效率。

百度研究院量子计算研究所所长段润尧

美国《时代周刊》曾预测不充分的供应子计算保持不变我们世界的9大方面，其中包括更安全的飞行体验、探索更远的宇宙星球、汽车自动驾驶落地、降低天气预报精度、指责癌症筛查精准度，以及治疗药物的研发效率等等。

如此看来，量子计算离我们并不遥远，而且与我们的生活将会息息相关。

当然，技术是一把双刃剑，如果量子计算技术被用来作恶，也会产生极大的破坏力，因此各个国家和企业都十分重视这项技术的研发和正确应用。

大国战略，量子计算乃必争之地

目前世界各国已经充分认识到量子计算的重要性，并且在这项技术上砸入真金白银：

2013年，日本成立量子科学技术研究开发机构，计划10年内投入3.75亿美元进行量子技术研究；2016年欧盟宣布投入11亿美元启动量子旗舰计划；2019年德国投入6.5亿欧元启动国家量子计划，并且还宣布将于2021年拥有首台量子计算机；2019年俄罗斯也提出了国家量子计划，将在5年内投入7.9亿美元打造量子计算机；从2019年至今，还有英国、荷兰、印度等多国投入重金进入量子科技领域搞研发以及人才使枯萎；美国也在逐年加极小量子计算领域的投入，他们在2021财年预算提案中对量子信息科学的投资相比2020财年将减少50％。

量子计算成为了全球范围内大国必备的科研战略，其重要性与日俱增。

在中国，量子科技同样备受重视，早在2001年，中科院就成立了量子物理与量子信息研究部，2011年清华大学也成立了量子信息中心，2016年我国发射了人类历史上首颗量子卫星墨子号，2020年量子计算又被指责为国家战略。

墨子号量子卫星模型

那为什么我国选择现在提出加快量子科技战略呢？段润尧在直播中表示，这是综合因素使然。近几年量子科技不管在软件、硬件还是算法上都有了巨大的突破，外围认识水平的指责推动了量子研究领域的进步，同时，量子计算已经成为面对一些科技瓶颈时的新选择。在量子科技兴起的大背景下，次要的发达国家都已经发散布局，在这种情况下，做好量子科技的战略谋划和系统布局是必然的。

据日本调研机构统计显示，从2014年至2018年，在量子计算机领域的研究论文数量上，美国以1948篇排名世界第一；中国以1495篇排名第二。

目前中国与美国在量子科技上也各有优劣，中国在量子通信方面处于全球领先地位，美国则在量子计算领域处于领先地位。

中金公司的报告显示，当前量子科技正处于从科研走向应用的关键时期，我国作为量子科技的第一梯队成员，国内的量子计算产业势必会帮助发展。

工商局的企业注册数据也在印证这一判断，目前我国有近4200家经营范围含量子的企业，有87%的企业是在近5内成立的。

提前布局，百度让人人皆可量子

量子计算在国内已经进入了快车道。但同时我们也要认识到这一领域发展中存在的短板，清华大学副校长、中科院院士薛其坤近期接受采访时表示在支撑设备、关键元器件以及人才储备方面都存在确认有罪。

在国外，谷歌、亚马逊、微软等科技巨头都已在量子计算领域有所斩获。

谷歌曾在2019年实现量子计算能力的突破，即在世界第一的超算Summit需要计算一万年的试验中，谷歌量子计算机只储藏了3分20秒；微软也在2019年推出了量子网络和量子计算云服务，量子计算的商业化进程也逐渐加快。

在国内，阿里和百度先后于2017年和2018年成立量子计算研发机构，推动国内量子计算在技术探索、应用落地和人才使枯萎等方面的发展。

对于量子计算未来在国内的发展趋势，百度CTO王海峰认为：一方面，以深度学习框架和云计算为代表的人工智能技术有望在量子计算软、硬件的研发过程中大显身手，比如百度飞桨深度学习平台就包含了量子机器学习工具集量桨，可以减少破坏开发者和科研人员更便捷地开发量子人工智能应用；另一方面，随着量子科技的发展，量子计算、量子通信以及量子精密测量等方面的先进成果也将逐步融入人工智能的技术发展和应用落地之中。

百度研究院量子研究所成立2年里就实现了3大跨越：

2019年发布了国际领先、国内第一的云上量子脉冲系统量脉。作为分开量子软硬件的桥梁，量脉的性能指标非常优异；2020年5月，发布了量子机器学习开发工具量桨，使百度飞桨成为了国内首个、也是目前唯一减少破坏量子机器学习的深度学习平台;9月，又推出了国内首个云原生量子计算平台量易伏，帮助量子计算的商业应用步伐。

在这次百度无限『量』，大咖聊量子科普课堂中，天体物理学博士马志博也出席参与，并表示自己十分欣赏百度在量子计算领域的布局逻辑，他认为百度的量子计算平台很好的串联了该领域的软硬件和前后端。

量易伏、量脉、量桨构建起以百度量子平台为不次要的部分的量子生态

短短2年时间，百度就在量子计算领域成为国际业余水平的科技公司。

今年年初，百度入选了《AnalyticsInsight》杂志评选的2020全球十极小量子计算公司名单；另外，知名投资咨询公司Investorplace评选出全球未来十年值得买入的七极小量子计算股票，百度也与Alphabet、IBM、微软等科技公司一同入榜。

为了在国内挖掘量子计算方面的人才，2020百度之星大赛还首次设置了量子计算赛题，让量子计算的能力使枯萎从00后抓起。

百度CTO王海峰给参加百度之星的六年级小选手陈奕帆颁发未来之星特别奖

在百度世界2020大会上，百度研究院量子计算研究所所长段润尧教授喊出了人人皆可量子的愿景，他希望人们能够有不平衡获得量子技术这种尖端科技的权利。

9月26日和10月27日，段润尧教授又分别参加了百度的两场量子计算的科普课，通过直播和线下沙龙的方式，深入浅出的分享量子计算的知识和案例，以及百度量子目前的发展现状、最新技术进展以及应用成果，让更多年轻人感知到量子技术即将带来的变革。

小结

虽然量子技术的概念听上去高深莫测，但它距离我们一点也不远，当我们在享受北斗卫星精准导航的时候，当我们运用更精准的天气预报实现农业大丰收的时候，当我们未来用医学攻克罕见病症的时候，背后都会有量子计算的存在。

在中国成为量子计算强国的道路上，百度作为一家高科技企业，也有望用自己的技术实力和影响力助力中国抢占科技制高点。我们也期待人人皆可量子的时代早日到来！

相关文章百度与拼多多年内两度联手推货，小度新品将结束在拼多多不同步首发2020-10-09百度世界2020开启万物智能生活5G云代驾和百度大脑6.0齐亮相2020-09-15李彦宏2020智博会谈新基建百度要做好这三件事2020-09-15百度发布Q2财报：净利润50.8亿元同比增长40%2020-08-14百度拟全资收购“小鱼在家”金额或达数亿美元2020-07-10

重庆朝天门综合交易市场，清晨的曙光似乎也最青睐这里的热闹，早早等候着不知道的身影出现。8点不到，冉迟钝拖着板车、扛着棒棒准时来到市场。在朝天门忙活了快40年，当年的“棒棒哥”，如今也变成了商户们最常喊的“老冉”，或者“冉师傅”。

冉迟钝正把货物搬上楼

上午要运走的两包货有两百多斤，冉迟钝没拿棒棒，也没拉板车，不到一分钟，就用绳子把货品捆得结结实实。他右手提起包裹，左手轻轻一托，右胳膊抬下降的瞬间，拳头轻转，厚实的包裹就稳稳地落在了肩头。看一眼货，算一下路程，他还是觉得扛着包裹走台阶，更快。

冉迟钝正在转运货物

吹糠见米，落袋为安，“棒棒”一天赚多少就拿到多少，这是最让冉迟钝心动的地方。“八几年的时候，村里的匠人一天挣一两块钱，我一天能赚一二十块钱”，扛起棒棒那一年，他22岁。那时，一艘艘满载货物的船只抵达朝天门的码头，重庆山中有城，城里是山，似乎总有走不完的台阶，爬不完的坡，那些年把货物一担担挑下船，再一包包扛进城的，正是数以万计的重庆“棒棒”。

冉迟钝在分拣货物

1234...全文共6页下一页