⌘ K
… 读取采集状态 同步中...
雷
10月12日10月11日10月10日更早
2026 年 8 月 9 日 · 星期日每天 08:00 出刊

电商日报 · 2026 年 8 月 9 日 · 星期日

电商热点雷达

第 54 期092026 年 8 月星期日
16件大事7个来源约 16 分钟读完
01

今日必看

02

AI 电商机会

运营派

当AI能回答所有，“知乎”们还剩下什么？

AI正在重塑互联网流量版图。豆包、千问、DeepSeek月活合计近7亿，AI原生APP人均月使用92.7次。反观知乎，MAU从1.013亿跌至8140万，付费会员流失近百万。当AI直接给出整合答案，传统搜索和知识社区的流量入口被压缩成一步，知识中介模式失灵，整个流量分配模型正在被颠覆。 如今，越来越多人遇到问题，不再打开搜索引擎或知识社区，而是直接点开AI对话框。这种习惯的改变，已经颠覆了中国互联网的流量版图。 QuestMobile数据显示，2026年6月，豆包、千问、DeepSeek三款产品合计月活已经接近7亿；AI原生APP的人均月使用频次高达92.7次，这意味着平均每个用户每天要打开AI应用三次以上，用AI已经成为日常。 图源QuestMobile 与之对应的，是以知乎为代表的知识内容社区正在经历的持续下滑。 知乎的MAU从2022年峰值的1.013亿，跌至2024年第四季度的8140万，2025年起索性不再单独披露这项指标。月均订阅会员数也从2024年第四季度的1410万滑落到2025年第四季度的1220万，2026第一季度虽小幅回暖到1310万，但还是有近100万付费用户流

原文
运营派

中文视频播客，开始在海外串台

一段诺兰专访从B站火到YouTube，让海外网友集体感慨“吃上细糠”。这背后是中文视频播客的全面出海——从人文对谈到AI前沿，中国创作者的深度内容正被海外网友自发搬运、追捧，甚至催更。内容质量才是硬通货，文化输出正在反向进行。 诺兰为电影《奥德赛》的全球上映跑了不少宣传，最后在全球社交媒体上刷屏的，却是一段从 B 站流出的视频播客。 过去几天，中文播客主播仲树对诺兰的专访已成为海外电影圈最热门的话题。访谈仅有短短 17 分钟，搬运到 YouTube 及 X 上时还带着 B 站的新鲜水印，但迄今已获得超两千万次浏览。TGA 创始人 Geoff Keighley 专门转发推荐，称这次访谈“精彩而睿智”。 海外网友一边感慨诺兰终于遇上了一个会提问的人，一边顺着水印跑到国内搬运原片来全网分发。YouTube 上甚至还掀起了一波 Reaction 诺兰专访的风潮。 过去总是国内网友搬运海外视频，如今风向反了过来。再把格局打开一点，你会发现中文视频播客，早已开始大量“游向”海外了。 文化工作者还是要有文化 这次采访本身只是一次偶然。 仲树是播客“独树不成林”的主播，同时也是一名古希腊文化专家。她在

原文
运营派

单月新增超49亿次播放，陈俊生成为新一代“momo”？

继momo之后，互联网又现神秘组织‘陈俊生’。网友在抖音小红书争相扮演《我的前半生》中的渣男前夫哥和彪悍丈母娘，用台词接龙和角色模仿让老剧翻红。这种‘语C式二创’降低了创作门槛，从看剧到演剧，折射出内容消费新趋势。 继momo之后，互联网上出现了新的神秘组织——陈俊生。 在抖音小红书上，很多视频和图文的评论区，都能看到“陈俊生”账号如线面般繁殖开来，或是做一段莫名其妙的自我介绍，或是表达着某种愧疚和忏悔。 陈俊生何许人也？ 这并不是一个真实存在的人物，而是电视剧《我的前半生》中的男二号。剧中，他原本在咨询公司上班、年薪150万，有一个幸福的家庭。 但他在有妻儿的情况下还出轨了另一位单亲妈妈。离婚再结婚后，他过得并不怎么好，在职场和婚姻家庭中两头受气。 因为又渣又窝囊的形象，陈俊生这一角色被网友赐名“前夫哥”。 9年前这部剧上线时，陈俊生几乎是所有观众的讨伐对象，而当下，网友们似乎热衷于把社交平台账号爆改成陈俊生，然后以陈俊生的身份攻占其他帖子的评论区。 据观察，互联网上已经分支出各种派系的“陈俊生”，如“风中摇曳”版、“红杏出墙”版、“蘑菇头”版，还有“后悔出轨替别人养儿子”版。 新榜

原文
InfoQ中文

从失控到可控：基于系统控制论的 Agent 安全防御体系设计与实践｜AICon深圳

Agent 时代，哪些方向正在成为行业关键变量？50 + 实战案例揭晓答案！ 模型参数规模不断突破，推理成本持续下降，开源生态日益繁荣。当模型能力逐渐成为行业共识，一个新的问题开始浮现： 当人人都能获得强大的模型能力之后，真正的竞争力还剩下什么？ 答案正在从模型能力本身，转向围绕模型构建可规模化的智能系统；从单点能力提升，转向系统工程与组织级落地能力。 在这一背景下， 2026 年 AICon 人工智能开发与应用大会 · 深圳站 正式启动。本次大会将于 8 月 21 日—22 日 举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。 vivoAI 安全工程师张栋已确认出席 “ Agent 安全：从风险到可控 ” 专题，并发表题为 《 从失控到可控：基于系统控制论的 Agent 安全防御体系设计与实践 》 的主题分享。随着大模型从内容生成走向自主规划、工具调用和跨系

原文
钛媒体

2026香港吴声年度演讲：下一代消费者，身体感、创造欲、信息祛魅

2026年8月8日，第十届立秋演讲「新物种爆炸·吴声商业方法发布2026」在香港会议展览中心举行，主题为「我将宇宙随身携带」。 场景实验室创始人、场景方法论提出者吴声表示：我们正迎来「下一代消费者」（XSpecies of Us），表现出三种鲜明特征——身体感、创造欲与信息祛魅。演讲以四个篇章展开「场景叙事」的创新方法：「上下文」是用产品提供可进入的语境，「非虚构」是我们为什么这么做的证据链，「拐角处」是面对变化保持活的连接，「重写」是世界观重置完成新的命名。 大会还发布了新物种爆炸2026围绕「愿景商业」的六个预测。以下为吴声造物特别呈现的「吴声2026年度演讲」全文： ▍01 第十年，从北京到香港 新物种爆炸第十年，我们来了香港。 中国香港，这座永远在融合中维持平衡的城市，本身就是一个活着的新物种。 一场演讲能够被一座建筑、一个时间、一个动作所记住，也许正是场景的力量。 记得几年前一次新物种爆炸开场，我引用过张国荣《春夏秋冬》的歌词：「秋天该很好，你若尚在场；秋风即使带凉，亦漂亮。」今天是立秋第二天，香港会展中心内冷气很足，但维多利亚港的海面提醒我，历史纵深有时候比技术周期更能告诉

原文
03

运营动作建议

钛媒体

做底座还是做入口？国产AI 到下决心的时候了！

文 | ICT解读者-老解 8 月 8 日，苹果悄悄更新了 Mac 使用指南 —— 中国用户通过 Siri 可以直接调用阿里千问。 没有发布会，也没有聚光灯。这件事拆开来看就是：千问提供智能，Siri 负责交互，Mac 掌握终端，苹果拥有用户。 阿里千问的 Qwen3.8‑Max 在 LMSYS 评测中位列全球第二。它足够强，强到苹果愿意把它放进自己最重要的设备里。但在苹果的体系里，千问就是个引擎。用户也不在乎背后跑的是千问还是别的什么模型，用户只知道自己在用苹果。 这时候回头看在美国市场和苹果合作的谷歌，就更值得玩味。 在美国本土，Apple Intelligence 的云端复杂任务底层调用正是谷歌 Gemini。和千问在中国的处境一模一样：谷歌输出模型底座，苹果握住交互、终端与全部用户。 但最新数据显示，Gemini 的 API 季度增长从 60% 掉到了38%。全球 AI 模型排名，Gemini 掉到了第八、第九位。然后是DeepMind 核心人员接连出走 ——Jeff Dean 和 Sanjay Ghemawat，跟了谷歌十几年的人，说走就走了。 一边把自家大模型作为底座供给苹

原文
人人都是产品经理

RAG和Reference都叫知识库？搭Skill别选错

RAG与Reference，同为AI知识库却大不相同。本文用生活化类比拆解两者本质：RAG是自动搜索引擎，Reference是手动文件柜。通过退货政策案例，清晰对比工作流程与适用场景，帮你告别技术焦虑，做出明智选择。 最近，遇到一件挺”逗”的事：搭了十几个Skill，把 references 目录建得整整齐齐的我，突然被朋友问到”你用了RAG吗？”——当场愣住。 RAG、Reference、Obsidian……AI 圈到处都是”知识库”，但我愣是分不清它们到底有什么区别。 以前，做的大数据平台自称”知识库”，现在用的Obsidian也叫”知识库”——我特别想弄清楚它们之间到底是什么关系？ 前两篇咱们聊了 “Skill结构怎么搭” 和 “references的三种引用方式” ，这一篇把搞懂这堆”名词”的过程原样分享——先把几个”知识库”对上号，然后知道在后面工作中怎么进行选择。 RAG 到底是什么？ 一句话解释，RAG的本质就是四个字：先搜后答。 大模型平时回答靠训练时已存档的知识，相当于回答问题是”闭卷考试”模式；而RAG负责的就是允许它翻书——回答前先去资料库搜一遍，找到相关内容再作

原文
人人都是产品经理

本地生活进入存量竞争，云连锁如何增长？

本地生活已从增量扩张进入存量经营，品牌竞争焦点正从门店数量转向交付能力与单店产值。本文剖析行业三次转移，揭示有效供给与精细化运营的关键，为从业者提供破局思路。 一个本地生活品牌，门店数量没有明显下降，成交也还在发生，为什么它仍然可能正在持续失血？ 因为真正流失的，可能不是门店数量，而是那些愿意配合、能够履约，并且能持续产生结果的优质门店。 今天我分享一个很多人还没有完全意识到的变化： 本地生活，已经从增量扩张进入存量经营。 过去，品牌比的是谁拓店更快、覆盖区域更多、获得的流量更大。但当新增门店开始放缓，竞争对象和增长逻辑都变了。 接下来，行业会发生三次转移： 从争夺新增门店，转向争夺优质存量； 从比较门店数量，转向比较交付能力； 从依赖规模扩张，转向提升单店产值。 1/先看第一次转移：从争新增，变成争存量。 在行业增长早期，一个品牌只要不断拓店，即使部分门店交付不好，也可以用新增门店掩盖流失。只要流入的门店多于流出的门店，账面规模就还在增长。 但当新增门店越来越少，这个逻辑就会失效。 那些已经完成线上化、理解团购、直播和短视频，却没有得到稳定交付的门店，会变成其他品牌最容易争夺的资源。

原文
人人都是产品经理

阿里、腾讯重新打办公这一仗：烧掉30亿Token后，我选阿里

AI办公的分水岭正从“答案准不准”转向“任务有没有结束”。本文以30亿Token的使用体验为引，对比阿里千问办公与腾讯WorkBuddy的竞争逻辑，提出“答对后还需手动几步”的评判标准，并深入分析两者在商业化闭环上的差异。 过去半年用AI干活，我的痛苦大概分两种。 一种是它答错了。我得反复告诉它哪些数据能信、为什么这个结论不能这么下、这件事真正应该怎么判断。另一种其实更难受：它答对了，活却没干完。 报告写对了，我还得补数据、套格式、确认版本、放回原来的文档，再发出去。会议总结做对了，后面的任务、日程、审批还是得我自己建。一个判断做对了，AI停下来了，剩下的流程又回到我手里。 过去半年，我最多的1个月大概用了30亿Token。按八成输入两成输出、用公开API价折算，大约7.6万到8.4万元。当然这不是我的真实账单，我混用了订阅、缓存和不同模型。但这个量级说明一件事： 这些钱买回来的是答案，不是活干完 。 AI办公的分水岭，正在从“答案准不准”，变成“任务有没有结束”。所以现在判断一个AI办公产品好不好，我开始用一把很笨的尺子：它答对以后，我还要手动干几步？ 最近阿里和腾讯重新打办公这一仗

原文
人人都是产品经理

SaaS改卖人头为卖消耗，其实也没什么两样

SaaS卖人头模式遇天花板，卖消耗也只是存量博弈。AI智能体将单个人头的工作效率放大数十倍，客户预算却未变。真正的出路在于创造增量，按结果收费，帮客户获得更多业务价值。本文剖析SaaS收费模式变革的必然与挑战。 SaaS卖人头的模式越来越难了，卖消耗也只是换一种难法，没什么两样。 SaaS过去是定期卖人头的模式，即客户每年定期要买多少账号。 有些SaaS是向客户侧统一售卖人头，通常是客户统一采购付费，比如CRM，有些SaaS是向客户侧不同的人卖人头，通常是客户分散采购付费，比如WPS。 不管哪一种，这个模式的天花板 = 人头数量 × 产品单价。 这个模式在整体下行的环境下，日渐萎缩，更要命的是在AI智能体的冲击下，人头数不等于客户的大小。 一家只有几十个人的公司/团队，如果背后有一群Agent没日没夜地干活，那么它的业务体量规模会远超于团队规模。 简单来说就是AI拓宽了单个人头的工作上限，原来一个人头，你再怎么干，也只有24小时，也只能处理你所在专业领域的工作，所需要用到的SaaS工具/功能也就那么些。 现在不一样了，一个人头可以干多个人的事，而且AI干活的速度和时间长度都是人类的数倍

原文
04

观察信号

钛媒体

苹果给阿里提了一个醒

文 | 版面之外，作者｜画画 千问终于进入了苹果的入口，但这可能不是阿里最想要的胜利。 8月8日，苹果官网更新了一条中文指南。 内容不长。核心只有一句话：符合条件的中国大陆Mac用户，可以让Apple智能调用阿里巴巴的千问。 启用之后，用户可以直接通过Siri调用千问回答问题、分析照片和文件；苹果的写作工具，也可以调用千问生成文字和图片。 乍一看，这是一个标准的利好消息。 阿里的模型，进入了苹果的终端。 但我看完这条指南后，反而想了另外一件事。 为什么是苹果在调用千问，不是用户直接使用千问？ 这两个说法，看起来只差几个字，背后却是两种完全不同的生意。 在这条合作里，千问提供智能，Siri负责交互，Mac掌握终端，苹果拥有用户。 千问变强了，但入口依然不属于阿里。 一、苹果为什么需要千问？ 苹果在中国有一个特殊困境。它拥有全球最赚钱的终端产品线，iPhone、iPad、Mac。但在中国，它没法完整使用自己那套Apple Intelligence。 同样的Siri，在美国能做的事，在中国做不到。同样的写作工具，海外有的能力，国内接不上。 苹果 2026 财年第三季度财报里，库克特意强调了中

原文
钛媒体

Jeff Dean挥别谷歌48小时首秀：我眼中AI的下一个十年

钛媒体注： 宣布离职Google 仅仅48小时后，8月7日，这位前 Google 首席科学家 Jeff Dean便以创业者身份站在了斯坦福纪念礼堂的舞台中央，出席AASF 2026 前沿与先锋峰会的开幕对谈。 这是Jeff Dean 挥别老东家后的首次公开亮相，也是他向 AI 下一个十年交出的第一份“投名状”。 这场首秀的舞台规格极高——由亚裔美国学者论坛（AASF）联合斯坦福亚裔美国研究中⼼主办、胡佛研究所协办的AASF2026前沿与先锋峰会，堪称“众神云集”：除 Jeff Dean 外，现场还汇聚了“AI 教母”李飞飞、菲尔兹奖得主陶哲轩，以及朱棣文、丁肇中等五位诺贝尔奖得主。在如此史诗级的学术阵容中，Jeff Dean 的这场对谈依然是焦点中的焦点。 而与Jeff Dean对谈的主持人同样极具话题度：UC Berkeley 教授、刚刚宣布出任 Meta Superintelligence Labs AI 研究副总裁的 Dawn Song。 一位刚刚转身离开全球最大的模型巨头，一位刚刚加入全球最大的科技平台之一——这场“双向奔赴”的对话，本身就折射出当前 AI 人才流动的最强震感。

原文
人人都是产品经理

从 0 到 1 设计游戏发票中台：如何接住玩家投诉与税务风险

游戏发票中台不是简单的财务接口聚合，而是一套交易责任与状态管理系统。本文从实际项目经验出发，拆解如何围绕收款主体、订单关系与退款红字链路构建可追溯的发票体系，帮助产品经理避开常见设计误区，让系统真正经得起运营与合规考验。 2018 年，DNF 玩家因不满游戏运营，集中要求腾讯为历史充值开具纸质发票，这场行动后来被玩家称为“发票圣战”。它表面上是一场玩家维权，真正暴露的却是游戏业务的脆弱点——交易笔数多、单笔金额小、历史链路长，一旦开票依赖财务手工处理，集中请求很快就会从客服问题升级为运营和合规事件。 今天电子发票解决了打印和邮寄成本，却没有降低发票本身的敏感性。收款方向付款方开具发票是法定义务，“应开具而未开具发票”也有明确的税务举报入口。哪怕问题只是开票入口难找、处理过慢或主体判断错误，一旦大量玩家形成“游戏不给开发票”的共同认知，问题就会同时进入税务举报、玩家舆情、品牌声誉和财务对账链路。 我参与游戏中台发票系统设计时，起初也把它理解成一个标准后台：玩家选订单、填邮箱，系统调用接口并交付发票。真正梳理交易后才发现， 游戏发票中台的必要性，不是把纸质发票变成电子发票，而是提前回答谁收

原文
TechCrunch AI

OpenAI 收购演示初创公司 NextSlide

NextSlide recently announced that it’s joining OpenAI, with the presentation startup’s team members now working on ChatGPT. The NextSlide website currently displays a note from founder Ahmed Beshry describing the startup’s product as one “that could turn prompts, notes, documents, or research into a polished, editable presentation.” The ultimate goal, Beshry said, was “to make visual communication more accessible and help more people express their ideas clearly.” So by joining OpenAI, the team w

原文
（本期完）

电商热点雷达 日报由编辑系统根据公开来源自动编辑，每条均附原文 · 日报合订本