你的HR还在算人均营收?字节已把AI变经营单元!
字节跳动将TRAE、扣子并入豆包,推出独立品牌“豆包工作”,表面是产品整合,实则是组织手术。本文从组织模式视角切入,指出AI提效的关键在于组织变革,而非简单的人均计算,并给出token效、决策周期、增效分享三大衡量指标,揭示AI转型的真伪。

字节跳动将TRAE、扣子并入豆包,推出独立品牌“豆包工作”,表面是产品整合,实则是组织手术。本文从组织模式视角切入,指出AI提效的关键在于组织变革,而非简单的人均计算,并给出token效、决策周期、增效分享三大衡量指标,揭示AI转型的真伪。

作者 | 谢芸子 编辑 | 张帆 在整个运动行业增速放缓的背景下,李宁交出了一份“增收又增利”的答卷。 上半年,李宁公司收入达152.35亿元,同比增长2.8%;归母净利润为18.16亿元,同比增长约4.5%;毛利率上升0.9个百分点至50.9%。
(翻译)斯洛文尼亚保险高管:没有飞行员就没有Copilot
How Zavarovalnica Triglav is adopting Microsoft Copilot across a regulated insurance business, using digital mentors and strong governance.

(翻译)借助 NVIDIA DSX MaxLPS 最大化 AI 工厂每瓦性能
AI factories are power-constrained industrial systems. The question is no longer how many GPUs fit in a data center, but how much AI output each available…

(翻译)在养老服务机构Regis,AI接手文书工作,让员工专注于居民护理
Regis Aged Care uses AI with Microsoft Foundry and Copilot Studio to reduce admin work and help staff focus on resident care.

(翻译)同一集群,利用率提升33个百分点:改变的是顺序
A Blog post by Dharma-AI on Hugging Face

(翻译)通过查询感知压缩降低 Amazon Bedrock 上的 RAG 成本
Input tokens are often a meaningful part of the cost of running Retrieval Augmented Generation (RAG) at scale. This post describes a query-aware context compression pattern on Amazon Bedrock: after retrieval, a smaller model filters retrieved chunks against the query before the primary model answers
(翻译)让知识蒸馏成本足够低以实现大规模运行
A Blog post by Multiverse Computing on Hugging Face

(翻译)GPU 管理:为何闲置 GPU 是新的停场飞机
A Blog post by Dharma-AI on Hugging Face

2026年,机场广告牌、电梯间屏幕、朋友圈信息流——铺天盖地的广告,都在卖同一件事:AI帮你办公。 如果你把各家产品的功能清单放在一起,才会发现它们长得越来越像。这意味着,靠功能列表建壁垒的路走到了头。
当大厂Token福利从全员配发转向动态调配,甚至成为考核指标,AI工具的使用成本正悄然转移至个人。本文从产品经理视角出发,探讨Token该由谁买单的深层逻辑:短期看供需,长期看规律,而自费购买AI工具,本质是对个人竞争力的投资。

面对茶饮行业营销活动中的突发缺冰问题,产品经理不应只构建预测功能,而应设计可执行的决策流程。本文提出从风险预演到储备签约、监测行权的五阶段方案,并借助本体建模与AI辅助,将应急响应转化为有准备的经营决策,为复杂业务产品设计提供全新思路。

Grab 正在利用 AI 代理实现分析工作流的自动化,从而减少分析师处理常规工作的占比,并缩短解答业务问题所需的时间。

硅谷一线的AI从业者几乎都在说同一句话:模型越来越强,工时反而越长。九块屏幕上的智能体随时等待指令,判断力和注意力成了新的瓶颈。工具接管了执行,人却被卷着停不下来,这套机制值得每一个重度使用AI的人想清楚。

(翻译)FLARE:医疗保健中基于证据的人工智能采用的系统性、不确定性感知框架
Abstract page for arXiv paper 2608.23643: FLARE: A Systematic, Uncertainty-Aware Framework for Evidence-Based Adoption of Artificial Intelligence in Healthcare