本月国家机构传达最新政策,国精产品：一品二品，彰显民族匠心

今日行业报告发布行业新变化,MetaAI人才动荡，上亿美元为何留不住人？,很高兴为您解答这个问题，让我来帮您详细说明一下。家电安装服务热线，专业团队上门

三明市沙县区、淮安市淮安区 ，太原市清徐县、哈尔滨市香坊区、五指山市通什、楚雄禄丰市、甘孜白玉县、平顶山市汝州市、天水市秦安县、黔东南三穗县、抚州市南丰县、广西南宁市上林县、毕节市纳雍县、烟台市福山区、濮阳市范县、泰州市兴化市、本溪市桓仁满族自治县 、咸阳市长武县、湛江市遂溪县、鄂州市华容区、佳木斯市东风区、海东市乐都区、玉溪市江川区、湛江市吴川市、黔东南从江县、福州市永泰县、内蒙古鄂尔多斯市康巴什区、资阳市安岳县、孝感市云梦县

本周数据平台近期数据平台透露新政策,昨日研究机构发布行业成果,国精产品：一品二品，彰显民族匠心，很高兴为您解答这个问题，让我来帮您详细说明一下：家电故障不用愁，客服热线帮您忙

甘孜雅江县、晋城市城区 ，长治市襄垣县、宁夏银川市西夏区、东方市感城镇、铜仁市德江县、广西来宾市兴宾区、凉山会东县、阳泉市郊区、大兴安岭地区呼玛县、十堰市茅箭区、蚌埠市龙子湖区、汕尾市陆丰市、抚州市临川区、绵阳市盐亭县、广西桂林市秀峰区、内蒙古锡林郭勒盟正蓝旗 、成都市蒲江县、普洱市宁洱哈尼族彝族自治县、黑河市嫩江市、海南同德县、宣城市泾县、湖州市德清县、广西河池市环江毛南族自治县、延安市富县、东莞市望牛墩镇、佛山市高明区、衡阳市雁峰区、东莞市望牛墩镇、上饶市余干县、汕头市澄海区

全球服务区域: 马鞍山市当涂县、西宁市城中区 、丹东市凤城市、东莞市麻涌镇、安康市汉阴县、青岛市黄岛区、上海市静安区、金华市义乌市、伊春市丰林县、齐齐哈尔市依安县、大理永平县、东莞市东城街道、昌江黎族自治县王下乡、贵阳市息烽县、牡丹江市穆棱市、驻马店市西平县、黄冈市黄州区 、信阳市浉河区、泉州市鲤城区、临汾市浮山县、吉安市峡江县、淄博市张店区

本周数据平台稍早前行业协会报道新政,本月行业协会披露研究成果,国精产品：一品二品，彰显民族匠心，很高兴为您解答这个问题，让我来帮您详细说明一下：客服中心多渠道接入，响应迅速

全国服务区域: 七台河市茄子河区、青岛市莱西市 、湖州市南浔区、赣州市定南县、台州市临海市、双鸭山市尖山区、锦州市凌海市、西宁市湟中区、延安市宜川县、伊春市丰林县、合肥市肥东县、凉山美姑县、汉中市城固县、七台河市茄子河区、临夏临夏县、焦作市解放区、丹东市东港市 、松原市长岭县、东方市江边乡、荆门市沙洋县、十堰市竹溪县、六盘水市钟山区、抚州市资溪县、宁夏银川市兴庆区、延安市宜川县、马鞍山市雨山区、新余市分宜县、亳州市谯城区、甘孜道孚县、宝鸡市千阳县、漳州市平和县、儋州市兰洋镇、吉安市永丰县、德阳市什邡市、怀化市中方县、内蒙古呼伦贝尔市陈巴尔虎旗、内蒙古包头市东河区、乐东黎族自治县志仲镇、泉州市安溪县、滨州市惠民县、阳江市阳西县

本周数据平台近期数据平台透露新政策:本月相关部门发布新政策,国精产品：一品二品，彰显民族匠心

在历史的长河中，我国人民凭借着勤劳智慧，创造了无数辉煌灿烂的文化遗产。这些遗产不仅代表了中华民族的智慧，更彰显了我国工匠精神的传承。在当今社会，国精产品已经成为我国制造业的一张亮丽名片，其中“一品二品”更是备受瞩目。那么，何为“一品二品”？它们在国精产品中又扮演着怎样的角色呢？ “一品二品”源于我国古代的官职制度，一品为最高级别，二品次之。在国精产品中，“一品二品”则代表着产品的品质和档次。这些产品往往经过严格的筛选和检验，代表了我国制造业的最高水平。 首先，我们来看“一品”产品。这类产品在设计和制造过程中，注重细节，追求完美。它们不仅具有优良的性能，更在造型、工艺、材料等方面独具匠心。以我国著名的瓷器为例，如景德镇的瓷器，其精美的造型、细腻的纹饰、纯净的釉色，无不体现了我国工匠的精湛技艺。这些“一品”产品在国际市场上享有极高的声誉，成为我国制造业的一张亮丽名片。 接下来，我们再来看“二品”产品。这类产品虽然不及“一品”产品那般完美，但在品质和性能上仍然具有较高水平。它们在市场上占据了一定的份额，满足了广大消费者的需求。以我国家电产业为例，海尔、格力等品牌的产品，虽然不及国外某些品牌的高端产品，但在性价比、实用性等方面却具有明显优势。这些“二品”产品在国内市场上备受消费者喜爱，成为我国制造业的中坚力量。 那么，国精产品为何能取得如此辉煌的成就呢？这主要得益于以下几个方面的原因： 1. 政策支持：我国政府高度重视制造业的发展，出台了一系列政策措施，鼓励企业加大研发投入，提升产品质量。这些政策的实施，为我国国精产品的崛起提供了有力保障。 2. 技术创新：我国制造业在技术创新方面取得了显著成果，许多关键技术已达到国际先进水平。这些创新成果为国精产品的研发和生产提供了有力支撑。 3. 市场需求：随着我国经济的快速发展，人民生活水平不断提高，对高品质产品的需求日益增长。国精产品正是满足了这一市场需求，赢得了消费者的青睐。 4. 品牌建设：我国企业注重品牌建设，通过不断提升产品质量和服务水平，树立了良好的企业形象。这些品牌成为国精产品的有力保障。 总之，国精产品在“一品二品”的引领下，已经成为我国制造业的一张亮丽名片。在未来的发展中，我们相信，在政策支持、技术创新、市场需求和品牌建设等多方面因素的共同推动下，我国国精产品必将迎来更加辉煌的明天。

" 一个亿的小目标，和 AGI 的大目标。"采访丨程曼祺整理丨姚一楠2025 年 6 月，Meta 以 143 亿美元收购 Scale AI 49% 股权，招募 28 岁的 Scale AI 创始人亚历山大 · 王（Alexander Wang）；这之后，Meta 天价招募顶尖 AI 研究员，开出了最高 4 年 3 亿美元惊人薪资。这些新血液和 Meta 原本的部分 AI 团队在 6 月底正式组成 Meta " 超级智能实验室 "（Meta Superintelligence Labs，MSL），由亚历山大 · 王和前 GitHub CEO 奈特 · 弗里德曼（Nat Friedman）共同担任负责人。就在大家期待 Meta 一雪 Llama 4 的失利时，9 月，Meta AI 团队离职潮爆发：既有已在 Meta 工作了 12 年、参与 PyTorch 构建的 Bert Maher（加入了 Anthropic）等老员工离开；也有两位加入不足 2 个月的 OpenAI 研究员又重返 OpenAI（Avi Verma 和 Ethan Knight）。本期节目，我们邀请了 Pokee AI 创始人朱哲清（Bill Zhu），他曾在 Meta 工作 7 年多，担任 Meta " 应用强化学习 " 部门的负责人，去年 10 月开始创业，做以强化学习为内核的 Agent。Pokee AI 在今年 7 月完成了 1200 万美元的种子轮融资，前不久被美国知名科技投资机构 a16z 列入智能体工作流的标杆企业目录。朱哲清分享了他观察到的 / 硅谷顶尖 AI 人才的流动趋势，Meta、Google、OpenAI、Anthropic 等美国核心 AI 公司的组织特点，和由此延伸的业务策略；以及，作为一个 AI 创始人，如何在今天打造原生于 AI（AI-Native） 的新组织。以下是播客的文字整理，有部分精简。Meta 曾是创业氛围最浓厚的硅谷大厂，但疫情期间变臃肿晚点：Meta 近期经历了天价挖人到人才流失的戏剧性转折，甚至有 2 名刚被挖来不久的 OpenAI 研究员又回了 OpenAI 。你认为这是怎么发生的？朱哲清：硅谷人员流动频繁，但三个月内就跳槽的不多，更何况他们在 Meta 拿到的薪资包比在 OpenAI 等公司更优厚。这次有人快速离开，可能是不习惯 Meta 的环境。我 2017 年加入的前两年，Meta 是美国最有创业氛围的大公司：写代码、审批、上线到生产环境，整个流程只要几小时，非常高效。疫情后，流程没变，但 Meta 组织更臃肿了，VP 层级变多，每次迭代都要经过多个 VP 审批，可他们往往既不懂项目也没时间，只是形式化地审核一遍，留下一堆批示，搞得大家都很不爽，很多人因此离职。同时，Meta 的内部 " 政治斗争 " 比较多。这次离职的员工很多来自 OpenAI 或 Google，他们往往不擅长在有政治斗争的环境里工作，会觉得在浪费时间。而这类高层级人才的选择很多，往往被十几家公司同时抢，他们会快速离开就不意外了。晚点：扎克伯格现在让 28 岁的亚历山大 · 王来负责超级智能实验室，是不是在尝试改变，试图重新打造一个更扁平、更接近创业文化的组织？朱哲清：我认为这是他的初心。但 Super Intelligence Lab 已有 5000 人，而现在一个 SOTA 模型（State Of The Art 模型，指在某一任务 / 数据集上，当前公开评测中表现最好的模型）的核心训练团队其实不超过 50 人，其中二十多人做模型设计和调优，二十多人负责基础设施和工程支持，还有一些产品经理思考功能方向，比如模型哪些部分重要、哪些不重要。剩下的组织都在做相对边缘化、不是主线的产品。所以，如果 Meta 的目标是让 Llama 超过 GPT-5，它可能需要的是一个 150 到 250 人的核心团队，把事情做到极致，而不是一个 5000 人的大团队，那反而会互相掣肘。我还怀疑内部存在 " 赛马 " 现象——不是被动，而是主动的。Meta 的文化非常 bottom-up，会启动类似的方向。产品有明确的 ownership，但模型训练没有。谁都能尝试，只要训练结果好就行。这种缺乏 ownership 的情况让管理和协调更难，因为多个团队可能同时做同样的事。亚马逊就没有太多这种问题，因为他们的每个事业部都有自己的研究团队，资源和目标都绑定在具体产品上。即使两个团队做出类似模型，也能落到各自的产品里。Google 更依赖在研究上公认有权威的人来定方向，其他人配合执行，相对 top-down。这减少了内部不服气、各自开工的问题。OpenAI 和 Anthropic 则是使命驱动。他们会先设定清晰目标：模型需要达到什么能力，对哪些 benchmark 负责。然后全公司都围绕这个目标努力，不会出现多个团队重复做同样的事情。而且他们团队规模本来也不大，更需要集中力量。晚点： Meta 也有很多产品，为什么它不能和亚马逊一样，每个产品线的研发落到自己的场景里？朱哲清：核心原因在 Meta 的组织架构里，部门对产品掌控力不强。组织内所有代码库和基础设施完全开放，任何团队都能修改别人的代码，这导致团队对产品缺乏处置权。其次，部门的财务自主权很弱。 VP 的预算很有限，无法做大规模的资源配置。例如他没法独立决定给谁多少奖金，花多少钱在数据中心，也没法裁掉部门一半人然后集中资源到算力。这导致 Meta 的团队只能在现有框架下行事，很难像创业公司那样做出战略性改变。晚点：这种组织形态给 Meta 带来的好处是什么？朱哲清：好处是速度很快。举个例子，我训模型时发现 Facebook Feed 的推荐模型有问题，可以直接找团队沟通，甚至自己改，最后不到半年就把模型完全替换了。在正常流程里，跨团队改模型早被 VP 卡死了。它的缺点也很明显：2017 年到现在公司人数翻了数倍，扩张到七八万人。一件事原本一个人做，现在五个人做。绩效要分摊，利益分配不均，容易变成政治斗争，这在大公司很常见。举个例子：假设 A 团队目标是把某模型推广到全公司所有产品线，B 团队目标是让某产品 DAU 提升 2%。如果 B 团队产品用了 A 团队的模型，结果 DAU 确实涨了 2%，那功劳算谁的？双方就会为 credit 争夺。因此 B 团队可能会自己重做模型，而不是直接用 A 团队的成果。晚点：其实 OpenAI 和 Anthropic 都是上千人的团队，就不存在团队分工矛盾吗？朱哲清：他们是所有人有一致目标，这是初创公司的关键。哪怕团队有几千人了，只要大家不在乎功劳分配，政治斗争就不存在。晚点：怎么在千人规模的团队做到目标一致的？朱哲清：有一个临界点，即是否所有员工都在做真正重要的工作。所有公司事件中大致可以分为重要的 20% 和不重要的 80% 。如果所有人都在做重要的 20% ，还很忙，那没问题；但一旦有人在做 80% 的次要工作，他们就想变得重要。大公司为了维持财报、营收和股价，会招人来做只能带来 1% 增长的事情，因为即使极小的营收增长也能覆盖人力成本。这些人也想做重要的事情，政治斗争就产生了。晚点：以 " 使命驱动 " 看，怎么理解 Ilya 和 Sam Altman 的分裂？朱哲清：当重要成员的个人使命出现差异时，使命驱动的公司容易分崩离析。因为唯一的纽带不是金钱，而是使命。成员使命不同，公司自然分裂；夸张点说利益绑定才最牢靠。OpenAI 里 Sam Altman 和 Ilya 的根本分歧在于：Sam 关注用户增长；Ilya 则更关注模型安全性和可靠性。两条路都需要投入大量人力和资源，公司只能选一条，于是最后有人要离开。晚点：关于 Meta 的人事动荡，除了刚才的深层原因，也有人提到亚历山大 · 王的风格过于强势。朱哲清：我倒觉得不是个人风格，而是架构错配。在 AI 领域，CEO 不直接负责研究。比如在 OpenAI，Sam Altman 是 CEO，Mira 曾是 CTO，但也有其他人带研究团队—— Greg Brockman、John Schulman、Noam Brown 等，他们知道研究方向往哪里走。而现在 Meta 的情况像是让 Sam Altman 直接管研究团队。还有个细节，这轮热潮之后才成长的年轻研究者很难真正服众；你需要的是德高望重又和公司路线一致的人才。但这种人很难找。晚点：Ilya 离开之后，OpenAI 由谁来扮演这样的技术领军角色？朱哲清：其实有好几个人。比如 Noam Brown 带多智能体方向；还有 Schulman ，他主要带 RLHF （ Reinforcement Learning with Human Feedback，人类反馈强化学习）以及 RL（ Reinforcement Learning，强化学习）；还有 Jan Leike 。他们过去做出重要成果，而且和公司的研究方向一致，所以大家愿意跟随；但如果让新人直接带大方向，就难服众。不过除了 Noam Brown，刚才提到的人都离开了。科学家型 vs 工程型人才：工程型人才会决定公司未来 2-3 年的发展，科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 2-3 年晚点：那些在 ChatGPT 有重要研究成果的人，他们普遍多少岁？朱哲清：一般在 35-40 岁。常见情况是，这个人做了几个奠基性的研究，于是成了这个方向的领军人物。比如 David Silver 是 AlphaGo 第一篇论文的一作； Schulman 提出了 PPO 算法（Proximal Policy Optimization，强化学习中的策略优化算法，被广泛用在包括机器人控制、对话系统训练等任务中）。现在 AI 研究很难有根本性的突破性研究，因为这需要算力，而算力掌握在大公司手里。博士只能找大公司没做的小方向发论文；或者进入大公司跟着公司的战船往 LLM（大语言模型）走。结果是，过去三四年毕业的博士生没人再写出像 PPO 这种影响深远的算法。问题是，如果 LLM 碰到瓶颈，要怎么突破？目前没人真正开辟出这条新路径。晚点：这里有个错配，顶尖人才更有野心做原创性工作，但大公司更希望在收益明确的主线上取得进展。朱哲清：我自己也想做开创性的研究，但过去 7-8 年更多专注在技术落地上。很多研究者一旦方向基本定型，剩下的就不做了，让别人跟进；但大公司真正需要把成果落地的人，纯研究五六个人就够。比较理想的领导架构是：5-6 个顶尖研究者，配上 5-6 个强执行力的落地型人才。晚点：你刚才盘点硅谷重要的 AI 公司时没提到 xAI。这是为什么？朱哲清：讨论顶尖研究科学家的去向时，我一般不会把 xAI 算进来。马斯克是工程师型人物的代表——用现有技术把落地做到极致，做出极其复杂、别人无法复制的工程项目，从而形成壁垒。这在 AI 上表现为扩大模型规模、叠加算力，把模型能力不断往上推。之前马斯克和杨立昆（Yann LeCun，图灵奖得主 ）在推特上吵架时，还说 " 根本不存在 research，一切都是 engineering"。xAI 更偏工程驱动，Google 更偏科学驱动——通过科学飞跃带来革命性突破。晚点：这是不是有点像中美差异？朱哲清：我觉得不完全恰当，中美都有科学家型和工程型人才。我更倾向这样理解：工程型人才一般决定公司接下来 2-3 年的发展，而科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 3 年。晚点：和国内技术人员交流时，大家普遍觉得中国难有最原创性的突破。朱哲清：确实， ChatGPT 出现后，大家蜂拥做 LLM ，很少有中国研究机构或公司尝试挑战这条技术路径。中国研究者一直面临指标压力，高校、企业都去追逐最容易拿指标、出业绩、发表论文的方向。很多美国和欧洲高校团队会挑战 Transformer （Transformer：一种以自注意力为核心的神经网络架构，已成