元宇宙时代触感怎么解决

❶ 元宇宙e7笔记本有人用过吗怎么样

有用户用过元宇宙E7笔记本，其使用体验因个人需求和偏好而异。

一、关于元宇宙E7笔记本的使用体验

1. 用户体验概况

部分用户反映，元宇宙E7笔记本在性能和使用体验上表现不俗。其配备的处理器和显卡能满足日常工作和娱乐需求。

2. 设计与外观评价

元宇宙E7笔记本的外观设计通常获得好评，有的用户表示其外观时尚、轻薄便携。键盘触感良好，屏幕质量高，提供舒适的视觉体验。

3. 性能表现

关于性能，一些用户表示该笔记本运行流畅，能处理大型软件和游戏，但具体性能还取决于个人使用需求和配置情况。

二、关于元宇宙E7笔记本的详细评价

1. 硬件与配置

元宇宙E7笔记本的硬件配置通常较为出色，能够满足大部分用户的日常需求。但高配置版本的价格也可能相对较高。

2. 软件与兼容性

该笔记本在软件和兼容性方面表现良好，能够支持多种常用软件和游戏。部分用户还表示，其系统运行稳定，不易出现卡顿现象。

3. 售后服务与评价

关于售后服务，不同用户的评价有所差异。有的用户表示厂家提供的售后服务响应迅速，解决问题效率高；也有用户表示售后服务一般。

三、注意事项与建议

1. 购买前需根据个人需求和预算选择合适的配置。

2. 了解清楚售后服务政策，以便在遇到问题时能及时得到解决。

3. 可以在网上查阅更多关于该笔记本的评价和测评，以便做出更全面的决定。

总体来说，元宇宙E7笔记本在某些方面获得了一定的好评，但也存在评价差异。建议用户在购买前充分了解其硬件配置、价格、售后服务等，并根据个人需求和预算做出合适的选择。

❷ 论内容理解算法

经过几年的膨胀期，算法的热度快速下降，不论是AI四小龙的上市之路艰辛，还是各大头部互联网公司的副总裁重返学术界，以及算法人员的招聘冻结。这里有总体经济形势恶化带来的影响，也与算法本身的能力上限有关，在各类学习任务上，算法的性能正在逐渐进入瓶颈，通用任务效果提升的梯度在逐渐变小，有效的进展都依赖于超大规模的数据和模型参数，以通用语义表征任务为例，完成一次超大规模的预训练模型的成本达到数百万元，极大地限制了中小企业参与的机会。

在业务应用方面，经过几年的持续建设和多种类型功能的输出，业务依赖的不同方向所对应的内容理解算法在应用和效果层面已趋成熟，能够带来惊喜效果的机会变的很少。这种形势下，作为偏后台支持的角色，如何去识别并持续深化内容理解算法的作用变得很重要。本文试图从价值视角分析内容理解的生存形势，发掘未来发展的可能性以及从业人员的应对手段方面做了些不算严谨的阐述。

一直以来我们定义内容理解算法为业务的万金油，随时随地可以插拔式应用。从配合内容生产者做创作提示，帮助运营做质量分析，版权保护，相似查找，帮助搜索算法提供长尾查询的效率增强，帮助推荐算法提供标签等细粒度语义特征，根据消费者的负向反馈进行同类型的内容屏蔽(如软色情，恶心，不喜欢的明星)。因此很自然地，我们把内容理解算法的使命定义为“内容流转的全链路提质提效”，这里的质量包含对确定性劣质的去除，以及优质内容的免审或者高曝推荐。效率指的是把内容从生产到消费的链路上的时间优化到最快，包括配合运营进行快速的内容筛选，辅助分发算法进行人群和内容的精准匹配。

这里需要回答的是，在上述相对完备的能力基础上，内容理解算法所能提供的最核心的价值是什么？

首先是客户的定义问题，内容理解算法的客户不是运营，不是分发算法，也不是生产者和消费者。而是要回归到最原始的“内容”，用于对内容进行附加值的极大化提升。

其次，参与到内容流转各环节的角色承担了对内容理解算法的价值落地和放大，不论是运营所主导的平台意志实现，分发算法对内容和消费者的高效匹配，以及生产者和消费者分别从内容供给和消费方面对内容理解算法的诉求。

最后，内容本身是一种载体，载体背后是人对现实世界的刻画，平台层面有对内容进行按需取用的逻辑，消费者也有用脚投票的权利，这里的内容理解算法不应当做任何的自我倾向，按照业务诉求的多样化能力输出是内容理解存在的核心价值，否则通过简单搬运学术界的开源模型便可形成表面上的业务能力堆砌，显然是无法满足业务的增长诉求。

因此，我们可以形成价值定义： “内容理解算法的核心价值是内容全生命周期内，根据服务业务的多样化诉求，提供智能化和结构化的理解能力，其衡量标准为上述能力带来的附加效率提升和成本下降。”

从这个定义来看，内容理解算法似乎没有站在主战线上，价值被隐性地统计起来。实则不然，就如战争一样，冲锋在前的部队只有少数，而承担防守和辅助任务的兵种实际上是不可或缺的，很多时候也决定了战争的走向， 历史 上由于后勤保障问题导致战争走向改变的例子比比皆是。就如定义中的效率提升，它其实不是一票式的，由于效率的提升会带来供给者和消费者的规模增大，又会产出对内容理解算法效率提升的更多诉求，这种正反馈式的链路也是内容业务可以快速实现既定目标的重要方式。

一、估值 游戏

以2021年11月小红书的估值来看，彼时6千万DAU和47分钟人均时长的内容社区获得200亿美金的估值认可，这属于一个早期内容社区经历过较长时间的成长后才能达到的高度。考虑一个相对创新内容业务，两到三年的时间想要达到5000万DAU和5分钟的人均时长其实还是比较困难的，按照对标小红书的逻辑，估值上限为30亿美金，假设内容理解算法对业务贡献率用3%折算，估算下来内容理解估值为9千万美金，按照简单的市销率10倍计算，内容理解每年的营收为900万美金(按照估值反推营收的原因是是内容理解算法对业务的点状式能力输出难以做到精准的量化统计)。

900万美金是非常尴尬的数字，因为内容理解算法存在比较高昂的成本，从大头上来看，内容理解算法支出分为三部分，第一部分是算法人员，以15人的支撑团队计算（看起来有点多，实则不然，想要支撑对未来预期的增长，15个人实际并不够用），按照单人每年的支付成本150万计算(这个成本折算到员工回报大约为100万左右，已经没多大市场竞争力)，大约400万美金/年；第二部分是资源消耗，按照百万内容/天的规模计算，各种资源成本(包括机器，存储、辅助软件等)大约500万美金/年；第三部分是配套工程人员，产品经理，外包标注支持等，这部分大约150万美金/年。可以看到业务发展到这个阶段，内容理解算法是入不敷出的。

按照上述口径，能够改善内容理解价值的核心方法包括三个方向，一是业务估值的上升，需要业务DAU和时长的稳定提升。二是内容理解算法的业务贡献率提升，这里对内容理解算法的要求是比较高的，不仅仅要从内容的质量，生产者的辅助，分发流量效率，业务的大盘生态，或者业务商业化上有所作为。三是降低成本，这个路径的可行性很弱，反倒是随着业务的成长，成本的消耗会进一步增加，能够做的是控制成本增长的速度小于业务增长。

“按照业务贡献对处于业务发展前期的内容理解算法进行价值衡量，情况是非常不乐观的”。

二、价值重塑

前面的视角是业务闭环下的价值衡量，放开到更大的视角，内容理解算法之所以构成相对独立的功能单元是因为它提供的能力是相对通用的，比如标签识别算法不仅仅可用于小红书，也可用于抖音和快手这样的内容业务。

因此在支撑具体的业务的过程中沉淀出通用算法进行其他类似业务的价值输出，是内容理解算法的另一扇门。这里面临的另一个问题是如果是头部业务，一定是要求内容理解算法是为它量身定制的，而中小业务愿意为内容理解算法买单的价钱是有限的。针对这个问题的核心解法是在做头部业务能力定制的时候，提供尽可能通用的能力，通过对数量众多的中小业务形成价值输出，实现量级的堆砌。

此外，要差异化成熟业务和创新业务，对于成熟业务而言，内容理解算法对业务的微小提升可能是非常明显的，以京东平台为例，如果内容理解算法通过图像搜索或者同款识别等能力提升业务成交0.1%，也将是数亿美金每年的价值加成。对于创新业务而言，内容理解算法应当深入业务，从内容的全生命周期为业务提供硬核的能力，用以帮助业务实现生产者和消费者体感的明显提升，最终带来业务的正反馈式增长，早期的抖音就是依托炫酷的AI特效体系实现用户规模的快速增长。

“目前能看到的，让内容理解算法进行价值放大的有效途径是贴身服务头部业务的过程中，沉淀通用化能力横向输出尽可能多的同类型业务。针对成熟业务寻找对业务增长的确定性增长点，创新业务寻找到适合于业务快速增长的硬核能力”。

作为一名内容理解算法沉浮六年的老兵，我对内容理解算法的未来持谨慎乐观的态度。原因有三个方面，一是这一轮深度学习带来的算法提升空间变得有限；二是互联网用户进入存量时代后，头部内容会更加精耕细作，从追求效率转向运营的精细化和粘性保持；三是对未来可能出现的下一代内容消费方式的期待和观望。

一、相对有限的算法提升空间

过去的几年，内容理解算法的演进可以分为三个方向，一次是从传统的手工特征到神经网络特征的升级，通过大数据和大算力实现效果的明显提升，也极大降低了算法人员的准入门槛；二是对内容的理解从单一模态升级为多模态&跨模态，以及以图神经网络为基础的推理能力；三是极大规模数据的模型学习，即以大规模预训练模型为基础的统一内容表征方式，催生了transformer家族的不断壮大。

然则，算法的性能逐渐接近瓶颈，不论是在看图说话、 情感 分析、还是标签识别等算法任务上距离人类仍然存在一定的距离，并且这份距离看起来短期内没有明确的突破机会。反倒是业界开始从监督学习往无监督学习靠近，试图利用海量数据学到背后的范式，这本质上是对追赶上人类能力的背离。

以transformer为例，百亿数据下训练一次消耗数百块GPU，数周的训练时间才有可能获得明显的效果的提升，这还不包括精细的网络调整的令人沮丧时间成本。此外下游任务想要得到期待的效果，还需要进一步的迁移学习。从表象来看，只是提供一个更好的算法学习的起点。

我们经历了一个业务对我们翘首以待到逐渐理性的合作过程，AI算法从来就无法成为救世主，而是有更强生产力的工具。当然我们不应当过于悲观，起码过往的几年，蓬勃发展的算法体系带来了从业人员的准入门槛极大下降，大众对AI算法的广泛认知也有助于内容理解算法相对长期的旺盛生命力和成长。

二、存量用户时代的内容社区的运营方式

中国互联网用于见顶，意味着各大内容业务必须进入存量用户阶段。存量用户阶段面临的困境是粗放式增长不复出现，用户群体开始细分，用户粘性变得更加艰辛，要求内容社区必须进行精细化运营。精细化运营背后的表现为对效率的要求下降，转而对用户心智和长期的战术保持耐心。这种情况下内容理解算法会成为散落到业务众多需求列表的功能支撑点，独当一面的机会愈发减少。

“从算法学习的角度来看，人的创意，玩法设计，互动属性是目标(ground truth)的天花板，因此此时此刻保持工具属性是相对合理的态度”。

三、下一代的内容消费方式

互联网时代的内容消费经历了文本到图像的升级，再到视频的升级，每一次内容消费升级背后产出对内容理解算法的爆发式增长，那么下一代的内容消费方式又是什么呢？

业界目前正在押注元宇宙，facebook甚至把名字都改成了meta。过去有几波VR/AR的热潮，看起来除了在某些线上成人网站和线下 游戏 设备之外，并未有足够颠覆我们日常生活方式的输出。

人类对更高级的感知外部环境和与他人无时空差别的交互需求是明确存在的，只是它是否由“元宇宙”承载却是个未知数。如果元宇宙是这个载体的话，那么虚拟世界的感情识别，触感生成，自然交互，生态的 健康 治理，超大规模内容消费下的负载下降会是内容理解算法可以尝试去攻克和深耕的全新地带，也会承担更为核心的角色。

“下一代的内容理解消费方式有机会成为内容理解的下一个主战场，但是目前的形势并不明朗，需要我们保持耐心地思考和观望”。

四、其他的可能

抛开头部综合性AI大厂商如网络，腾讯，阿里巴巴，华为等企业作为内容理解多样性需求输出的第一极之外，还有以内容理解算法作为平台能力输出的第二极，比较有名的是AI四小龙(商汤、旷视、依图，云从)，以及深度结合各民生领域的产业AI能力输出。

医疗AI，解决医疗资源匮乏导致看病需求无法被满足，人工看诊时间长等问题。比较典型的case是COVID-Moonshot众包协议，由500多名国际科学家共同参与，以加速COVID-19的抗病毒药物研发。

教育AI，解决优质教育资源匮乏导致的分配不公，及教师和学生的信息不对称问题，虽然国家正在推新教育双减政策，但是教育作为一项基本的人身权利应当得到更好的满足，比较知名的企业有松鼠AI，猿辅导等。

制造AI，解决制造车间设备、数量、功能增多、调度分配难度大、需求端个性化要求等问题，利用AI，自动化，IOT，边缘计算，云，5G等手段，充分利用生产车间的海量价值数据，把人从简单重复的劳动中解放出来以从事更高级的任务，帮助提高产量的同时降低缺陷率，比较知名的企业有正在香港上市的创新奇智和创新型工业AI-PASS平台提供商远舢智能等。

此外，还有在智能驾驶、智慧城市、芯片AI等产业领域深度耕耘的各种公司，他们正在充分发挥大数据和AI算法的能力，为各大产业带来源源不断的创新能力。

回到内容理解算法的现存生存环境，仍然存在一定的潜力可以挖掘。在下一代内容消费方式到来之前，可以做得更好，形成与上下游的积极联动，在现在的舞台上展现出更佳的风采。

一、产品

内容理解算法的产品是不是刚需，这个话题有点争议，有人说算法的产出速度是比较慢的，让昂贵的产品角色参与建设本身会存在浪费的情况。我个人认为内容理解算法所对应的产品角色必须具备，因为在庞大的业务体系后面，如果缺失了面向业务需求的自顶向下的内容理解算法体系设计和建设，非常容易出现业务赋能的水土不服。

产品需要考虑的核心问题是如何衡量长期和短期投入，算法是比较精细的工作，对结果的预期是非确定性的，因此需要做好对业务预期的管理以及同业务需求的及时交互。为了保障算法最终在业务的使用效果，前期可以通过简化版本或者半成品算法的产品化方案进行快速试错，帮助业务决策的同时给算法的长期迭代争取空间。此外，针对算法长期迭代设计有效的样本数据回流机制，通过配置化输出给到业务尽可能多的试错方式，以及业务上线使用后的效果实时监控等都是产品需要思考的工作。

二、运营

运营应该是内容理解算法打交道最频繁的相关方，内容理解算法的评价标准和业务适配都需要运营来进行构建和监控。内容理解算法是运营进行内容供给生态和消费生态运营的智能助手，从内容结构化标签角度提供到运营各种分析使用方式，如内容审核、内容圈选，内容人群定投等。

和运营打交道对内容理解算法提出高要求，如何快速衡量需求的合理性及可行性非常关键。有时候内容理解算法做了过度承诺，导致上线效果不佳，影响业务的发展。有时候对算法实现效果的不自信或产品化用法借力不够从而拒绝需求导致业务失去宝贵的试错机会。因此内容理解算法应当对内容运营的链路有相当的掌握，可以和运营一起定义全链路算法能力，从应用的视角推进算法需求的合理有序的开展。

三、生产者

生产者对于平台来说至关重要，巧妇难为无米之炊，不论运营和分发算法多么牛逼，缺少了高质量的内容生产来源，业务是不可能有持续增长的。通常情况下两千优质生产者加上数万的普通生产者即可支撑起千万DAU的业务，如何服务好这部分生产者对平台来说非常关键。

内容理解算法和生产者目前的主要交互方式包括几个方面，一是在内容生产的时候给到生产者的内容元素的智能推荐，如话题，标题，配乐的推荐等；二是进行内容展现效果的提升，如滤镜，贴纸，美颜，画质增强等；三是从质量层面给予生产者指导和管控，包括从业务视角给到生产者发布的内容大致因为何种理由不被平台采纳，内容高热趋势消费榜单，内容的版权保护等。

从生产者视角来看，尽可能多地从平台获取流量或者商业化价值是根本追求，因此往往会出现对平台规则的不断试探以攫取利益，如发布大量的擦边球或危言耸听的内容。内容理解算法需要在内容供给规模不断变大的情况下帮助平台保持 健康 的生态和有效的流量分配同时尽可能给到生产者更多指导。这种相爱相杀的关系也给内容理解算法带来了不少的挑战和生存空间。

四、分发算法和消费者

把分发算法和消费者放在一起的核心逻辑是内容理解算法绝大部分情况下是需要通过分发算法和消费者打交道的。从消费者视角观察，高活用户代表主流心智，如何服务好这波群体关系到业务的生存问题。中低活用户是平台的增量所在，持续加强这部分用户的平台粘性是关键任务(这里会有部分用户的出逃，为了维护平台的心智，这部分的牺牲是可接受的)。分发算法承担了把海量内容做负载下降后根据用户的长短期兴趣进行推荐的使命，分发算法是需要秉承平台意志的，用于进行内容的流量调配用于影响消费者的体感和心智，给平台带来源源不断的生机。

早期编辑为主的内容分发模式下，消费者是被教育的对象，一天之内能够看到的新鲜内容是非常少的，这种情况导致消费者的浏览深度和时长是受限的。个性化推荐模式下，用户的兴趣被极致放大，由于相关内容和新鲜内容的快速推送，消费者会感受到强烈的沉浸式消费体感。然而内容的多样性，消费体感的持续维护，兴趣的拓展等变得非常重要，这给分发算法的精准性提出很高要求。提供分发算法细粒度的识别能力是内容理解算法可以大展身手的机会，内容是否具备不错的分发潜力以加大分发流量？内容的适合人群是什么？用户无序浏览背后的核心兴趣是什么？软色情/部分人群不喜好内容(蛇虫宠物)如何精准识别用以分发调控等问题都是分发算法难以触达的地方，这些命题正是内容理解算法可以深入研究并影响内容分发和消费的重要方面。

除了特定的场景(如互动玩法，个性化封面图等)，内容理解算法应当恪守自己在内容生命周期的参与广度。涉及到内容的分发和消费，内容理解算法应当把自己定义为分发算法不可或缺的助力，而不是试图去做替换，站在内容理解算法视角，分发算法可以约等于消费者。以饭馆运作为例，分发算法是大厨，根据消费者的口味和食材和菜谱提供个性化的食物服务。内容理解算法可以对食材进行质量管控，研发新的菜谱，在必要的时候提供半成品的菜品。和消费者的交互交由分发算法来处理，毕竟术业有专攻，内容理解算法可以在对内容的深度理解和消费者洞察上做纵向的深入，提供更多的可能性，包括生态、多样性、内容保量等。

内容理解算法和分发算法的理想态是正和 游戏 ，零和 游戏 对双方都是没有意义的，因此这里额外对内容理解算法提出的要求是在内容消费场景建立一套相对客观的评价体系，通过算法的标准化评估进行上线流程的加速，通过不断的快速试错给分发算法提供更多枪支弹药。

五、工程&数据分析

一个好汉三个帮，内容理解算法背后也站着一群小伙伴，面向算法生产的大规模工程基础设施和面向算法洞察的数据分析能力可以帮助内容理解算法更好的发展。在内容爆炸式增长的今天，高效的算法工程体系非常关键，甚至是拉开不同公司差距的最重要手段之一。有个非常明显的例子，在业界举办的各种算法大赛上，只要是大型互联网公司参赛基本上都会出现霸榜的情况，这背后是模型训练效率的强大先发优势，拥有百块级别GPU并发训练能力的高校是非常少的。此外以通用向量检索功能为例，百亿级的向量索引能力在有限的算力和内存消耗下稳定运行起来是需要大量的工程优化手段的，而这个功能对算法的高效使用至关重要。

服务于内容理解算法，数据分析有非常多的应用。根据消费统计行为构建面向内容兴趣的用户画像，风向趋势内容消费对供给的指导，层次耦合的内容标签的合理挂靠关系，算法上线前的有效性分析，及算法上线后持续监控和异常告警等。

内容理解算法需要做的是面向业务场进行完整的架构设计，从算法的效率角度，包括算法服务效率，算法洞察视角等方面联动工程&数据分析提供强大的生产力，通过规模和系统厚度构建足够的技术门槛。

2021年对中国互联网，甚至是中国 社会 的前行都是不同寻找的一年，在全球经济下行，国家间人为壁垒构建的情况下，恰恰又遭遇了国内人口增长的停滞，国家对互联网平台的强管控，以及互联网用户渗透的见顶。

内容理解算法背后的AI算法体系多少也收到了波折，不过从整体形势来看，AI算法体系和产业化仍然在往前走。基础理论研发体系中对应的论文发表、会议举办及大赛的举行和参赛人员的规模都在增长。这两年的遇冷问题主要是受到市场大环境的影响，AI占总体投资的比重仍然在上升。从国内方面来看，全球经济的技术封锁进一步坚定了中国立足自主创新的决心和信心，国家十四五计划也明确提出了大数据，人工智能，VR/AR的产业发展规划，AI产业仍然有很强的潜力值得挖掘。

作为依附于业务的内容理解算法，需要有清晰的自我认知和定位。我们的核心价值是什么？它如何得到有效的定义和量化？作为服务于业务众多角色中的一员，如何做好同其他角色的正向互动？上述问题背后的答案代表了内容理解算法的核心作用。现在的算法界有一股投机风，什么热门就搞什么，有号称无需数据标注的无监督学习，有号称可以效果对标大量标注样本的小样本学习，有号称单个算法模型打遍天下的多模态预训练学习等等。如果从问题抽象简化的角度去研究基础的理论体系和算法学习范式是没有问题的，但是如果业务的算同学也把这类概念摆在嘴上是有问题的，脱离了业务场景的核心诉求去谈技术创造新商业，是一种对客户的傲慢，属于典型的机械主义。

作为深度结合业务的内容理解算法，应当从业务场景出发，结合算法的可行性去 探索 用于业务赋能的核心技术，对于明确可以产生正向业务价值的算法技术，哪怕需要较长一段时期的打磨，也要敢于投注建设，在算法研发的过程中不断地思索业务的更多可能性，逐渐把业务的不确定性转化为技术的相对确定性。对于较长时间无法形成对业务贡献的算法，应当果断放弃深入研究，当然作为技术观望跟进是没有问题的。

从目前形势来看，内容理解算法的发展确实碰到了一些困难，但我们可以保持对未来的谨慎乐观，期待下一代内容消费形态的来临，同时尽可能多地进行业务场景的细化进行能力输出和加强，把存量业务价值做好放大，通过算法自身的持续建设，为将来可能来临的那一刻做好技术储备。

❸ “元宇宙”是什么是游戏吗还是什么奇怪的东西

很多喜欢玩游戏的小伙伴们，都认为元宇宙就是一个虚拟的游戏场景，只不过比较真实而已。其实沉浸式的游戏场景体验，只是元宇宙当中微不足道的一点而已。就比如马路只是现实世界当中的一种建筑组成而已。
元宇宙是一个无比庞大的，平行于现实世界的虚拟宇宙，可以包含现实世界当中的一切，绝不仅仅只是游戏场景。我们就以游戏来说。在元宇宙当中的游戏，我们可以体验与对面玩家面对面碰撞的触感，可以感受各种枪械或者是各种道具最真实的感觉。如果是图书馆，我们可以在宇宙当中，以自己的意识分身随意翻阅，并且拉开在元宇宙图书馆当中的椅子，坐下来慢慢阅读，没错，在元宇宙中的感受，与现实世界的差距并不大，或者说超越了现实世界。
元宇宙最开始的来源是1992年的一部科幻小说，那是对于未来互联网发展的畅想，当时间跨越到现代，元宇宙距离我们越来越近。在未来的几十年，元宇宙很有可能就会就会普及我们的生活，只不过技术难度比较大而已。
在元宇宙当中，我们每个人都将拥有一个属于我们自己的身份id，我们可以进行各种社交，各种消费，并且体验各种不同的场景。比如将全世界各地的景点浓缩在元宇宙当中，你可以和来自其他国家的游客，在元宇宙当中的景点握手交谈。
现在关于元宇宙，各个国家都开始布局。各个与元宇宙相关的公司，其股票基本也是飞涨。甚至包括咱们国内的腾讯，也在元宇宙方面大胆尝试。元宇宙未来可期。

❹ 元宇宙H9笔记本电脑是什么牌子

主要参数：元宇宙H9笔记本电脑采用纯金属机身打造 ，机身表面光滑而又有质感，贵气十足，很符合年轻人的审美观，颇受年轻人喜爱。做工精湛机身四边都做了圆弧处理，触感非常细腻。

在核心硬件配置上，元宇宙H9笔记本电脑 搭载了英特尔酷睿11代四核四线处理器。虽然为低功耗版处理器，但是十代在单核性能和核显性能上都比其他有80%的提升，内存方面，元宇宙H9笔记本电脑 更是搭配了顶级的DDR4内存，作为一款旗舰轻薄本，硬件配置上可以说是一步到位具体可以网络一下。

❺ “元宇宙”火了，这玩意到底是啥

最近很多人问我，什么叫metaverse（元宇宙）。
是的，这个概念非常火。我说说我的理解和看法。很多人对这个概念感觉到神奇甚至困扰，最主要的原因是“元宇宙”这个翻译的问题。meta这个词根，可以翻译成“元”，可以翻译成“超”。但是，这两个翻译，适用于完全不同的场合。“元”这个翻译，通常用于讲述本质，比如meta-data，元数据。一个网页的代码中，最上面一段数据，就叫meta-data，是整个网页数据的简化和抽象，也就是“关于数据的数据”。“超”这个翻译，通常用于讲述延展，比如meta-physicis，超物理。也就是我们习惯说的“形而上学”。政治，意识形态，就是超越现实世界，超越物理的学问。meta-verse，不是关于宇宙的宇宙，而是超越现实的宇宙。所以，“超宇宙”，才是更准确的翻译。意思是，因为VR/AR/MR技术的发展，我们在现实的宇宙外，多出了一个虚拟的宇宙。虚拟宇宙“延展”了，或者说“超越”了现实的宇宙，这就“超宇宙”。而“元宇宙”这个翻译，在中文语境中，很容易被理解为，我们找到了“宇宙中的宇宙”，“真正的宇宙”，很容易误导人。但是，大家都已经把metaverse叫元宇宙了，我们下面还是以元宇宙来称呼它。元宇宙最大的推动者，是facebook。为什么？因为扎克伯格在几年前，就重仓了VR（虚拟现实）。所有的生命，都需要一个名字，然后才能承载周围人的注视和期待，茁壮成长。扎克伯格借用、并赐予了他看到的那个，基于VR的未来，“元宇宙”这个酷炫的名字后，这个未来立刻闪闪发光。但是，VR的缺陷并没有因为新名字，而加快被解决。从VR的现在走向元宇宙（比如黑客帝国，第二人生，头号玩家）的未来，还有很多路要走：
----
1）感官的延展。今天我们所有能在互联网上传递的感官体验，虽然很丰富，但其实只有两种：视觉和听觉。这两种感官体验，是无法构成元宇宙的。我们还需要触觉，嗅觉和味觉。至少是触觉。触觉手套，或者全身触觉紧身衣，是元宇宙的基础设施。否则你很难获得所谓的真实体验。
----
2）元宇宙经济学。元宇宙，想要变成现实，需要依靠大量大量的facebook之外的贡献者的加入。这些贡献者必须得到回报。所以元宇宙里，需要有一套自洽的经济学。大家如何交易？是否严格保护私有制？用单种货币，还是多种货币？有没有央行？元宇宙里的资产，是否可以和现实世界兑换？和人民币和美元之间，如何保持汇率稳定？
----
3）元宇宙受谁监管？如果元宇宙是个经济体，它是否需要和世界上的各国建交？还是说他像南极一样，受国际条约的保护？在元宇宙里发现了纠纷，是否由联合国附属的机构出面解决？如果元宇宙是个游戏，不是经济体，那这个游戏，按照哪个国家的法律监管？这些问题非常复杂，尤其是关系到各国的监管限制。简单来说，元宇宙（现实宇宙+虚拟宇宙），可能确实是那个未来，但离我们还是非常遥远。这个遥远的程度，如果影响到“概念股”的涨跌了，那大家看到的一定只是自己想象中的元宇宙。

❻ Meta高管陆续离职，AI团队遭重组

这周内，Meta已经减少了二位高管。

就在Meta首席战略官Sheryl Sandberg，这周三公布将于2022年离职后，Meta人工智能团队在打撒重组中，又失去一位高管。

6月2日，以往四年半在Meta出任人工智能试验室高级副总裁的Jerome Pesenti，在微博上官方宣布，将于2022年6月中下旬宣布离职。

Pesenti在2018年1月添加人工智能试验室FAIR，那时Meta还叫做Facebook。在这段时间，他一直领导干部AI团队的前提和应用研究，该团队的关键工作中是监管Facebook服务平台上的危害具体内容，运用AI来改进商品，为Meta创建了强有力的优越感。

随着Pesenti离职的信息，组织结构方面，也发生一系列变化。

6月2日，Meta公布重要AI发展战略转型发展公示，LeCun领导干部的Meta人工智能试验室FAIR，将融合到Andrew Bosworth领导干部的开发设计增强现实技术和虚拟现实技术商品的Reality Labs单位。但是，FAIR依然由LeCun掌握策略方位，与Joelle Pineau和Antoine Bordes一同开展管理方法。

此外，适用集团旗下各种APP的AI优化算法团队转移进商品工程项目团队，AI4AR团队添加XR硬件配置团队，"承担责任人工智能机构"划入社会影响团队。

换句话说，此次融合后，原人工智能团队被总体打撒，不会再做为一个主要的机构，反而是更紧凑的优化到每个产品线中。

AI组织架构区块链技术

全部AI单位的重组，是由将要离开的Pesenti亲自担纲的。

在Meta公布的通告中强调，Pesenti觉得以往集中化的AI机构，不益于新技术应用在具体运用中的落地式，而将AI系统软件的使用权分派给Meta各产品线，不但适用了目前设备的落地式，还将一同推动AI技术应用的发展趋势。

以往几个月里，Pesenti对于此事制订了转型发展方案，待人工智能团队稳定度过这一段缓冲期，他便会离去，现阶段其下一步动向临时待定。

Meta首席技术官Andrew Bosworth，在公布重组的通告中表明，这一转变致力于"规模性运用全新的人工智能技术性"。

在此次人工智能团队的重要重组中，最受重视的或是FAIR将来的迈向。

Meta首席科学家，FAIR责任人LeCun在一系列回复中表明，做为Reality Labs科学研究机构的属下机构，将来FAIR的"F"，将不会再意味着Facebook，反而是Fundamental，即Fundamental AI Research（基本AI科学研究）。

对于其隶属获得Reality Labs试验室，现阶段已经变成担负马克扎克伯格元宇宙企业愿景的主要单位。

从总数上看来，上年Reality Labs新增加约13000名职工，员工数量做到17000名，占企业总职工数的20%。再加之现如今融合出来的FAIR试验室，Reality Labs已经发展为一个佼佼者。

从业务流程上看，Reality Labs，早就不仅关心VR机器设备，现阶段已经包含了AR眼镜、混合现实帽子等硬件配置商品及企业解决方案。

从上年10月Facebook改名Meta后，Meta的全部工作中重心点，几乎都放到allin元宇宙上。

从发布第一款元宇宙触感胶手套，到公布第一个虚幻世界服务平台Horizon Worlds，再到前不久马克扎克伯格展现Project Cambria高档头显一部分关键点，都遭到到许多外部怀疑。

将FAIR融合进RealityLabs，也是期待依靠AI技术性，尽早完成元宇宙的企业愿景。短时间，与已经广泛应用了人工智能强烈推荐具体内容新方法的巨量引擎，产生交锋。

但是，在此次AI组织架构的区块链技术下，一向并没有商品工作压力的FAIR继而要对盈利承担，其在Reality Labs下的发展趋势怎样，还未如。

如此来看，2022年Meta一批AI优秀人才，包含领着过增强学习科学研究的Edward Grefenstette，AI研究工程经理Heinrich Kuttler等著名AI学者的离职，也许恰好是遭受此次单位重组的危害。

另一方面，这类分散化机构的作法，也造成大家对MetaAI科学研究以后的忧虑，乃至全部AI科学研究的忧虑。

高管不断外流

自打马克扎克伯格公布全方位涉足元宇宙至今，Meta已经减少了20多名关键高管和顶级AI生物学家。

在其中职务最多的，包含在Meta出任了9年首席技术官的Mike Schroepfer，及其以上提及，最近刚离职的Meta二号人物Sheryl Sandberg，他的离去，也被马克扎克伯格称之为"一个时期的结束。"

雷峰网掌握到，除此之外，这种离职的高管，还涉及到各单位的业务流程责任人。

包含前行业竞争部负责人DeborahLiu、前总裁收益官DavidFischer、前数字货币单位创始人Kevin Weil、前广告宣传负责人Carolyn Everson、前Meta运用责任人Fidji Simo、前席艺术创意官Mark D'arcy、前Meta加密贷币责任人David Marcus、前初入职场业务流程高级副总裁Julien Codorniou……

据调查，仅在Meta官方宣布更名的2021年，就会有18名关键高管离职。

许多元宇宙有关工程的责任人，也陆续离职。

RealityLabs招商合作高级副总裁Hugo Barra、AR/VR具体内容高级副总裁Mike Ver、FacebookAI商品负责人Ragavan Srinivasan等在上年离职。

2022年3月，MetaAR眼镜责任人Nikhil Chandhok明确提出离职，4月，又传来最少4位AI生物学家离去的信息。

伴随着这周内，有"身影CEO"之称的Sheryl Sandberg，及其Meta人工智能团队重组全过程中Jerome Pesenti的离开，Meta的离职的浪潮，再一次被推入巅峰。

而在轮高层住宅动荡不安以后，Meta能不能完成元宇宙的企业愿景，也有待时长的检测。

❼ 元宇宙与现实中的真实宇宙区别在哪里

元宇宙与现实中的真实宇宙存在多方面区别。

从本质属性看，真实宇宙是客观存在的物质世界，包含所有的星系、星球、物质和能量等，遵循自然科学规律运行，是实实在在的物理空间。而元宇宙是基于数字技术构建的虚拟空间，是数字化的存在，通过计算机代码、数据和算法来创造和运行。

从感官体验来说，在真实宇宙中，人们通过各种感官直接感受外界，如触觉感受物体质地、温度，嗅觉感知气味等，这些体验是真实且多元的。在元宇宙里，感官体验主要通过设备模拟，如VR头盔、手柄等，虽能带来沉浸式感受，但与真实宇宙的真实触感、气味等自然体验有本质差异。

从规则与限制方面，真实宇宙有严格的自然法则，如万有引力、光速限制等，人类活动受这些物理规则制约。元宇宙的规则由开发者设定，具有很强的灵活性和可变性，能创造出违背现实物理规则的场景和体验，比如飞行、瞬间移动等在元宇宙中可能成为常态。

从发展演进角度，真实宇宙的演化是漫长且自然的过程，历经数十亿年的物质变化、天体演化等。元宇宙的发展则依赖于技术进步和人类的创造力，发展速度更快，能在短时间内发生巨大变化和创新。