視頻頭萬能驅動文章列表:

• 1、新能源電驅動總成龍頭，英搏爾：集成芯助力品牌向上放量可期
• 2、覆蓋200+服務場景，阿里通義大模型系列打造國內首個AI統一底座
• 3、從2022年車規芯片廠商上市趨勢看汽車半導體發展
• 4、基于用戶需求，打造原型設計工具中的卓越用戶體驗
• 5、36氪首發｜擁抱開源，專注于云數據平臺的大數據服務商數新網絡完成數千萬元Pre-A輪融資

新能源電驅動總成龍頭，英搏爾：集成芯助力品牌向上放量可期

（報告出品方/分析師：開源證券 鄧健全 趙悅媛）

1、英搏爾：國內新能源汽車電驅動總成龍頭

1.1、深耕電驅動領域，總成類產品營收占比快速提升

深耕電驅動領域，產品、客戶拓展穩步推進。

珠海英搏爾電氣股份有限公司成立于2005年，于2009年切入場地車動力系統，隨后業務逐步拓展至新能源汽車領域，2016年純電乘用車電控市占率為12.9%，2017年后公司新能源業務逐步發力，產品獲北汽、吉利、長安、上通五菱、奇瑞、小鵬等主機廠定點，2022年公司通過定增募資9.8億元擴產緩解產能瓶頸。

公司主營產品為新能源汽車動力總成、電源總成以及驅動電機、電機控制器、車載充電機、DC-DC 轉換器等新能源汽車電驅動核心零部件。

公司產品矩陣豐富，持續迭代升級。

公司通過技術、結構創新推動產品向集成化發展，從單電控、單電源產品逐步拓展至驅動總成、電源總成、再進一步拓展至“五合一”、“六合一”產品。目前，公司已開發出第三代“集成芯”產品，產品體積、重量、成本進一步降低，集成化水平進一步加強。

分產品來看，2020年起公司電驅動總成和電源總成收入占比提升。

2020年前電機控制器為公司主要產品收入來源，2020年開始，公司電驅總成和電源總成產品占比快速提升。2022年上半年，公司電源總成產品和電驅總成產品占比分別達到了33.9%和 33.4%，電機控制器營收占比下降至18.4%。

分客戶配套車型來看，2020年公司主要以配套中低端車型為主，其中 A 級以下車型占營收比例為64.4%，A-C 級車型貢獻營收比例為12.1%。

公司客戶資源豐富。

公司下游客戶主要分為四類，造車新勢力領域公司已進入到小鵬、合眾、威馬供應體系；自主品牌中亦有奇瑞、吉利、長城、長安等優質客戶；合資品牌中，公司為上汽通用五菱供應電機控制器、電源總成產品；此外，公司還與大陸、采埃孚等國際 Tier1 展開合作。

1.2、營業收入快速增長，費用率水平持續優化

2021年起公司營業收入重新步入快速增長期，盈利能力有所恢復。2013至2018年，公司營業收入從 0.75 億元提升至 6.55 億元，CAGR 達 54.3%；2018年底，小型純電動乘用車補貼大幅度減少，2019 年已沒有補貼。

受此影響，公司優勢領域小型純電動乘用車的銷量有較大幅度下降，公司營收同比下滑 51.35%至 3.18 億元、歸母凈利潤虧損 0.79 億元。

2019年后，受益于新能源汽車市場景氣度回升，新產品開始為上汽通用五菱、北汽、江淮進行配套，公司收入和業績均有所回暖。

毛利率水平短期承壓，各項費用率明顯優化。

公司2017年之前整體毛利率處于較高水平，2017年后公司新產品電機、電源總成處于市場拓展及批量生產初期的階段，出現了一定的下滑，2020年起伴隨著公司電驅動產品產銷量的增長，公司盈利能力有所恢復；費用率方面，公司2019年營業收入基數較低致四費費率上升至 35.5%，2020 年起隨著公司規模的增長和降本增效的持續推進，公司費用率水平穩步下降，2022 年上半年，公司四費費率合計為 14.6%，其中研發費用率為 8.4%。

1.3、公司重視人才激勵，連續兩年推出股票期權激勵計劃彰顯信心

公司連續兩年推行股權激勵，深度綁定研發人員核心利益，彰顯發展信心。

公司共進行兩次股票期權激勵計劃，2020年 12 月，公司實行了第一次股權激勵計劃，向 5 名董事和高級管理人員及 163 名中層管理人員和核心技術（業務）骨干授予 407.6 萬份股票期權，每股行權價格為 32.83 元，2022/2023 年凈利潤考核目標分別為 0.3/0.6 億元。

2021年公司推出第二次股權激勵計劃，向 3 名董事核高級管理人員及 13 位骨干人員授予 400 萬股股票期權，每股行權價格 95.95 元，2022/2023/2024年凈利潤考核目標分別為 0.6/1.0/1.8 億元。

2、電驅動行業：產品趨向集成化，競爭格局相對分散

2.1、電驅動產品趨向集成化，單車價值量顯著提升

新能源汽車的動力系統主要由驅動電機、電機控制器和傳動總成組成；電源系統由車載充電機、DC/DC 變換器、高壓配電盒組成。

驅動電機的主要功能是為新能源汽車提供動力，將電能轉化為旋轉的機械能；電機控制器總成的作用是基于功率半導體的硬件及軟件設計，對電機的工作狀態進行實時控制，使其按照需要的方向、轉速、轉矩、響應時間工作；傳動總成的作用是將驅動電機的轉速降低、轉矩升高，以保證驅動電機的轉矩、轉速滿足車輛需求。

車載 DC/DC 變換器的功能是將動力電池輸出的高壓直流電轉換為低壓直流電，為儀表盤、車燈、雨刷等車載低壓用電設備和各類控制器提供電能；車載充電機是指固定安裝在新能源汽車上的充電機，將民用單相交流電轉換為動力電池可以使用的直流電壓，對新能源汽車的動力電池進行充電。

電驅動產品系統向集成化趨勢發展。

以往的三電系統零部件多為單獨采購，根據電氣和機械結構進行集成與組裝，近年來逐步向二合一、三合一、多合一的集成產品演進。驅動系統集成化的優勢主要在于：（1）體積小、布局靈活；（2）重量減輕，增加續航里程；（3）降低主機廠采購、配套成本等。

電驅動產品集成化趨勢下，產品價值量明顯提升。以英搏爾為例，乘用車單個電機控制器配套價值約為 2500 元，而三合一動力總成價值量達 7500 元，六合一動力總成價值量接近一萬元。

2022 年上半年國內乘用車市場三合一及多合一驅動總成占比接近六成。

據 NE 時代數據，2022 年上半年，新能源乘用車三合一電驅動系統搭載量累計為 137.15 萬 臺，三合一及多合一搭載比例為 55%，較 2020 年全年的 37%提升 18pcts，且比例呈持續增長趨勢。

2.2、競爭格局相對分散，整車廠自供與第三方供應商供應并存

乘用車市場中，新能源汽車的電驅動系統參與者主要可分為三類。我們將新能源汽車的電驅動系統參與者分為三類：（1）整車企業（及其子公司），包括比亞迪（弗迪動力）、蔚來（蔚然動力）、特斯拉等；（2）主營新能源電機、電控的企業，包括英搏爾、巨一科技等；（3）汽車零部件綜合供應商，主要包括博世、法雷奧等國際知名 Tier1。

2022 年上半年國內新能源汽車市場電機控制器配套情況：比亞迪、特斯拉、蔚來實現自供。據 NE 時代數據，2022 年上半年，除比亞迪、特斯拉、蔚來實現自供外，在第三方供應商中，匯川技術進入到理想、小鵬、威馬等造車新勢力供應體系；日本電產主要供貨廣汽系整車廠；英搏爾實現了對上通五菱、威馬汽車、吉利汽車、奇瑞汽車等整車廠的供應；巨一科技與奇瑞、江淮綁定較為緊密。

電機控制器、電驅動市場競爭格局較為分散。

據 NE 時代數據，2022 年上半年國內電機控制器、電驅動系統市場中，比亞迪（弗迪動力）、特斯拉分別位居前兩名，匯川技術、日本電產同時位居前四名，CR4 合計份額超過 50%。

相比之下，車載電源市場中 OBC 競爭格局相對集中。

據 NE 時代數據，2022 年上半年除比亞迪（弗迪動力）、特斯拉具備自供能力外，其他整車廠均選擇第三方供應商為其供應車載電源產品。

第三方供應商中，威邁斯、英搏爾、富特科技、欣銳科技排名靠前，威邁斯出貨量超過 40 萬套，英搏爾出貨量也超過 20 萬套，較 2021 年上半年出貨水平大幅度提升。

3、“單管并聯”降本增效，“集成芯”助力品牌向上

3.1、“單管并聯”技術加持，公司產品性價比優勢顯著

電機控制器是控制電機驅動整車行駛的控制單元，屬于電動汽車核心零部件。

電機控制器通過集成電路的主動工作來控制電機按照設定的方向、速度、角度、響應時間進行工作。根據檔位、油門、剎車等指令來控制電動車輛的啟動運行、進退速度、爬坡力度等行駛狀態。主要由 IGBT 模塊、電路板、薄膜電容等部件構成。

2020年 IGBT 模塊占據電機控制器總成本的近四成，未來該比例或呈下降趨勢。

IGBT 模塊通常集成了 IGBT 單管（單個分立 IGBT 器件）、驅動器等部件，2020 年 IGBT 模塊成本占電控的 37%。

參考美國能源部發布的《電力電子發展路線圖》，到 2025 年新能源汽車電機控制器目標成本為 2.7$/kW，較 2020 年下降 18%，其中 IGBT 模塊占控制器總成本預計降至 23%（2020 年是 37%），因此 IGBT 模塊的降本是電機控制器壓縮成本的重要一環。

IGBT 單管方案將具備高性價比優勢，或成未來電機控制器功率器件應用的主流趨勢。

新能源汽車電控的功率組件有兩種技術方案：IGBT 模塊和 IGBT 單管并聯，IGBT 單管并聯是指將 IGBT 分離器件（單管）按照 PEBB（電力電子組件單元）的理念制作功率模塊進行工藝布局（按需自由設計布局，相當于自制模塊）。

IGBT 單管并聯替代 IGBT 模塊主要優勢在于：（1）減少整個模塊體積和重量；（2）降低成本；（3）綜合功率密度高。

IGBT 單管方案技術壁壘較高。

多個 IGBT 單管并聯時，由于各 IGBT 單管參數的差異，致輸出電流略有不同，使得系統可靠性較差，整個 IGBT 模塊壽命也會縮短，對企業技術能力考驗大。

從技術的角度，IGBT 單管方案的難點主要在于：（1）均流：使每一個管子平均分配交流側需求負載，靜態和動態的完全相同；（2）溫升：IGBT 單管的溫升控制；（3）電流應力：在保證基本功能情況下，需要滿足峰值輸出電流能力；（4）耐久試驗等。

英搏爾專注單管并聯路線，技術儲備深厚。公司電機控制器產品秉承簡潔高效低成本的產品設計理念，采用 MOSFET 以及 IGBT 單管并聯技術，公司單管并聯電控產品先在中低速車、場地車上使用，具備百萬臺數量級車輛實用驗證，而后應用至新能源汽車電機控制器領域。

公司動力總成產品性價比表現突出。公司自主研發出“集成芯”驅動總成產品，應用 IGBT/SiC 單管方案，同時實現了電機與電控共殼體一體化高度集成。省去了原有電控單體結構件，降低了驅動系統 Z 向垂直高度，能靈活適配于前驅、后驅、及四驅車輛。據公司年報披露，“集成芯“系列產品在重量、體積、成本等方面均低于目前市場同功率等級產品 20%以上。

“集成芯”2.0 產品前瞻性布局高壓場景，SiC 單管方案順利推進。

公司“集成芯”驅動總成 2.0 產品應用第三代半導體碳化硅，進一步提升電機控制器功率密度和效率，也是 800V 高壓大功率發展場景下，縮短充電時間，增加續航里程的重要手段。

第三代功率半導體 SiC 的應用因其對產品穩定性的要求更高，運用單管并聯技術才能發揮其導通電阻小、開關速度快的最優特性。

據公司半年報披露，公司已向美國福特汽車交樣 SiC 電機控制器，一汽大眾搭載公司采用 SiC 單管集成的雙電機控制器產品將于2022年下半年申請量產，在電機控制器向高壓化發展的技術迭代過程中，具有明顯的先發優勢。

3.2、在手訂單豐富，第三代“集成芯”多合一產品放量在即

公司在手訂單豐富，第三代“集成芯”多合一產品已獲多家主機廠定點。公司量產經驗豐富，產品已實現覆蓋 A00 級、A 級、B 級、MPV、SUV 等全系乘用車型，單車配套產品價值量也有效提升。

具體來看：

（1）B 級轎車、MPV、SUV 領域，公司 2022 年起為小鵬 P7/G9 供應前驅電機產品，驅動多合一產品供應長安、吉利多款車型，電源多合一產品供應威馬、哪吒等新勢力品牌，此外公司“集成芯”系列產品亦獲突破，“集成芯”驅動三合一產品供應威馬 E.5/M7，“集成芯”驅動六合一產品供應江淮、上汽大通部分車型；

（2）A 級、A0 級、A00 級領域，公司為上通五菱、奇瑞冰激凌等車型供應車載電源、電機控制器等產品；

（3）HEV 領域，公司獲上汽通用五菱、一汽大眾項目定點，供應混動電機控制器產品，單車價值量較高。

公司驅動總成產品單車價值量高，2021年起出貨量迅速增長，“集成芯”項目有望帶動其進一步放量。公司電驅動領域產品矩陣全面，在手訂單豐富，2021年起價值量較高的電驅動總成產品出貨量迅速增加，未來隨著第三代“集成芯”產品的量產與新項目開拓，或將帶動公司營收快速增長。

2021年公司電機控制器、電驅動總成產品銷售單價有所提升。

從銷售單價角度來看：

（1）電機控制器：2019-2020年，公司電機控制器產品主要應用于微型低速車領域，銷量占比較高。2021年隨著新能源乘用車、新能源特種車電機控制器項目出貨量的增加，帶動整體銷售單價略有上漲；

（2）電驅動總成：公司在“三合一”驅動總成產品的基礎上，逐步開發出“五合一”、“六合一”融合驅動總成與電源總成的多合一總成產品，此外公司第三代“集成芯”產品，目前主要用于 A 級及以上大功率車型，產品單價也有所提升；

（3）電源總成：2020年公司車載電源產品以三合一為主，2021年五菱宏光 MINI 為代表的 A00 級新能源汽車使用三合一低功率總成產品或二合一電源總成產品為主，銷售單價相對較低，導致 2021 年平均單價較低。

3.3、產能利用率步入瓶頸，募資擴產助力長期發展

公司 2021 年產能利用率接近 120%，步入產能瓶頸，擴產迫在眉睫。據公司公告披露，隨著在手訂單的持續放量，近三年公司產能利用率快速提升，從 2019 年的 40%提升至 2021 年的 119%。

公司通過定增募資 9.8 億元擴產，目前定增項目已順利發行。公司于 2021 年 11 月發布定增預案，募集資金總額不超過 9.8 億元。

本次募集主要用于珠海生產基地技術改造及產能擴張項目、山東菏澤新能源汽車驅動系統產業園項目（二期）、珠海研發中心建設項目。

珠海生產基地技術改造及產能擴張項目建設周期為 1.5 年，項目建成后，公司將新增 20 萬臺套 A00 級電機控制器、20 萬臺套 A00 級電機、10 萬臺套特種車電機控制器、10 萬臺套特種車電機及 20 萬臺套電源及電源總成的生產能力。

山東菏澤新能源汽車驅動系統產業園項目（二期）建設周期為 1.5 年，項目建成達產后，公司將新增年產 30 萬臺套驅動總成、30 萬臺套電源總成的生產能力。

珠海研發中心項目建設周期 2 年，將建成專注于乘用車用高度集成動力總成、永磁同步扁線電機、混合動力電控系統、商用車電控系統及輕型車電控系統等課題研發及相應測試能力的高新技術研發中心。

4、報告總結

4.1、關鍵假設

電機控制器：公司電機控制器采用單管并聯方案，目前已經進入到上通五菱、奇瑞冰激凌等多款暢銷車型供應體系，銷量穩步增長，我們預計 2022-2024 年公司電機控制器營收分別為 5.48、8.42、10.05 億元，毛利率分別為 23.5%、24.0%、24.5%。

電驅動總成：公司電驅動產品已迭代至第三代，“集成芯”系列產品性價比優勢明顯，已進入到威馬等客戶供應體系，放量在即，我們預計 2022-2024 年公司電驅動總成營收分別為 8.68、16.91、27.34 億元，毛利率分別為 13.8%、16.0%、18.0%。

驅動電機：公司驅動電機產品 2021 年前銷量較低，2022 年起伴隨著小鵬多個項目的量產，有望貢獻業績增量，我們預計 2022-2024 年公司驅動電機營收分別為 1.35、4.63、6.96 億元，毛利率分別為 10.0%、14.0%、16.0%。

4.2、盈利預測與估值

綜上，我們預計2022-2024年公司營收分別為 23.7/42.0/62.0 億元，歸母凈利潤分別為 1.26/2.85/4.92 億元，EPS 分別為 0.76/1.72/2.97 元/股，對應當前股價 PE 分別為 59.8/26.4/15.3 倍，A 股行業 2 家可比公司 PE 均值為 30.0/17.912.1，公司未來三年 PE 水平高于行業可比公司均值，但我們認為公司電驅動領域產品矩陣較競爭對手更加完善，成本優勢有望助力客戶拓展提速，新一代產品放量在即，應給予更高估值水平。

5、風險提示

新能源汽車滲透率不及預期、疫情反復、客戶開拓進程不及預期等。

——————————————————

報告屬于原作者，我們不做任何投資建議！如有侵權，請私信刪除，謝謝！

精選報告來自【遠瞻智庫】

覆蓋200+服務場景，阿里通義大模型系列打造國內首個AI統一底座

機器之心原創

作者：杜偉

在大模型領域，阿里持續發力，用技術和思路創新走出一條不一樣的路。

時至今日，大模型已經成為整個 AI 產學界追逐的技術「寵兒」，煉大模型如火如荼，各式各樣參數不一、任務導向不同的大模型層出不窮。大模型具備效果好、泛化能力強等特點，進一步增強了 AI 的通用性，成為 AI 技術和應用的新基座。

具體到 NLP、CV 領域，基于文本、圖像、語音和視頻等單一模態的大模型在各自下游任務上不斷取得 SOTA 結果，有時甚至超越人類表現。單模態單任務似乎走到了極致。同時現實世界中的這些模態并不總是獨立存在，更多地是以跨模態的形式出現。

基于這些，預訓練大模型逐漸朝著大一統方向發展，希望單個模型能夠同時處理文本、圖像、音頻、視頻等多模態任務，即使現有模型無法做到也要留出能力空間。

目前，業界已經出現一些能夠處理多模態任務的通用模型，比如 DeepMind 的通用圖文模型 Flamingo 和通才智能體 Gato，MSRA 的 BEiT-3 等。這些都展現出了大模型突破單一模態和單一任務的巨大潛力，但在實現全模態全任務的通用性上依然面臨技術難點。大模型的訓練與落地應用也受到算力限制。

在國內，阿里達摩院一直以來深耕多模態預訓練，并率先探索通用統一大模型。去年，阿里達摩院先后發布多個版本的多模態及語言大模型，在超大模型、低碳訓練技術、平臺化服務、落地應用等方面實現突破。其中使用 512 卡 V100 GPU 實現全球最大規模 10 萬億參數多模態大模型 M6，同等參數規模能耗僅為此前業界標桿的 1%，極大降低大模型訓練門檻。

阿里探索大模型通用性及易用性的努力并沒有止步于此。9 月 2 日，在阿里達摩院主辦的世界人工智能大會「大規模預訓練模型」主題論壇上，阿里巴巴資深副總裁、達摩院副院長周靖人發布阿里巴巴最新「通義」大模型系列，其打造了國內首個 AI 統一底座，并構建了通用與專業模型協同的層次化人工智能體系，將為 AI 從感知智能邁向知識驅動的認知智能提供先進基礎設施。

為了實現大模型的融會貫通，阿里達摩院在國內率先構建 AI 統一底座，在業界首次實現模態表示、任務表示、模型結構的統一。通過這種統一學習范式，通義統一底座中的單一 M6-OFA 模型，在不引入任何新增結構的情況下，可同時處理圖像描述、視覺定位、文生圖、視覺蘊含、文檔摘要等 10 余項單模態和跨模態任務，并達到國際領先水平。這一突破最大程度打通了 AI 的感官，受到學界和工業界廣泛關注。近期 M6-OFA 完成升級后可處理超過 30 種跨模態任務。

通義統一底座中的另一組成部分是模塊化設計，它借鑒了人腦模塊化設計，以場景為導向靈活拆拔功能模塊，實現高效率和高性能。

周靖人表示，「大模型模仿了人類構建認知的過程，通過融合 AI 在語言、語音、視覺等不同模態和領域的知識體系，我們期望多模態大模型能成為下一代人工智能算法的基石，讓 AI 從只能使用‘單一感官’到‘五官全開’，且能調用儲備豐富知識的大腦來理解世界和思考，最終實現接近人類水平的認知智能。」

阿里達摩院構建 AI 統一底座

M6-OFA 模型實現架構、模態和任務統一

通義統一底座中統一學習范式的實現背后離不開阿里達摩院的多模態統一底座模型 M6-OFA，相關研究被 ICML 2022 接收，代碼、模型和交互式服務也已開源。

論文地址：https://arxiv.org/pdf/2202.03052.pdf

開源地址：https://github.com/OFA-Sys/OFA

交互式 Demo 地址：https://huggingface.co/OFA-Sys

先來看架構統一。M6-OFA 整體采用了經典的 Transformer Encoder-Decoder，外加一個 ResNet Blocks。通過這種架構完成所有任務，讓預訓練和微調采用相同的學習模式，無需增加任何任務特定的模型層。

如下圖所示，ResNet Blocks 用于提取圖像特征，Transformer Encoder 負責多模態特征的交互，Transformer Decoder 采用自回歸方式輸出結果。

對于模態統一，M6-OFA 構建了一個涵蓋不同模態的通用詞表，以便模型使用該詞表表示不同任務的輸出結果。其中 BPE 編碼的自然語言 token 用于表示文本類任務或圖文類任務的數據；圖片中連續的橫縱坐標編碼為離散化 token，用于表示視覺定位、物體檢測的數據；圖片中的像素點信息編碼為離散化 token，用于表示圖片生成、圖片補全等任務的數據。

最后是任務統一，通過設計不同的 instruction，M6-OFA 將涉及多模態和單模態（即 NLP 和 CV）的所有任務都統一建模成序列到序列（seq2seq）任務。M6-OFA 覆蓋了 5 項多模態任務，分別為視覺定位、定位字幕、圖文匹配、圖像字幕和視覺問答（VQA）；2 項視覺任務，分別為檢測和圖像填補；1 項文本任務，即文本填補。

今年 2 月，M6-OFA 統一多模態模型在一系列視覺語言任務中實現了 SOTA 性能，在 Image Caption 任務取得最優表現，長期在 MSCOCO 榜單排名第一；在視覺定位任務中的 RefCOCO、RefCOCO 和 RefCOCOg 三個數據集均取得最優表現，以及在視覺推理任務的數據集 SNLI-VE 上取得第一。OFA 的 VQA 分數達到 82.0，效果名列前茅。文本生成圖像（text2Image）在 COCO 數據集上超越了此前基線模型，當時的 Case 對比也優于 GLIDE 和 CogView。并且，OFA 模型展現出一定的零樣本學習新任務的能力。

下圖展示了 M6-OFA 的 text2Image 和 VQA 任務的跨模態生成結果。

在更大規模的文生圖的數據進行微調后，模型也取得了通用領域文生圖任務的優異表現，尤其擅長藝術創作，如下圖所示：

借鑒人腦的模塊化設計

目前業界普遍認為，人腦本身由不同的模塊組成，大腦中擁有儲備各種知識和處理不同模態信息的能力模塊，人類思考時只調用與特定任務相關的模塊，正這種機制保證了人腦的高速運行。通義統一底座的另一組成部分「模塊化設計」正是借鑒了這種運行機制。

具體而言，模塊化大一統模型采用模塊化 Transformer Encoder-Decoder 結構來統一多模態的理解和生成，同時切分出不同的獨立模塊，包括基礎層、通用層（如不同模態）、任務層到功能性模塊（如推理），每個模塊間相互解耦，各司其職。

達摩院團隊為何會探索這種模塊化設計思路呢？現在大規模預訓練的 Transformer-based 模型雖然能夠很好地解決感知智能相關任務，但缺乏精心設計的純 Transformer 模型基本無法完成對于實現認知智能的嘗試。借鑒人腦的模塊化設計成為一種可能通向成功的思路。

在單一 NLP 模塊中，最底層為數據表示層，中間層為 Transformer 基礎語義表示模塊，最上層則是對整個下游劃分為不同的任務模塊；而對于多模態的模塊化，其模態模塊涵蓋語言、視覺、音頻和視頻——底部輸入層接收各自模態信息，中間層通過跨模態信息融合學習統一語義表示，往上再劃分為針對不同模態的具體下游任務。

針對不同類型的下游任務，模塊化模型可靈活拆拔不同模塊進行微調或者進行繼續預訓練。通過這種方式，大模型能夠實現輕量化，并取得較好的微調效果，單模態、多模態任務水平均能得到提升。

基于統一底座打造層次化模型系列

大模型最終是要實現落地，滿足各行各業的應用需求。因此，阿里達摩院基于其 AI 統一底座構建了通用模型與專業模型協同的層次化人工智能體系。

下圖為通義大模型整體架構，最底層為統一模型底座，中間基于底座的通用模型層覆蓋了通義 - M6、通義 - AliceMind 和通義 - 視覺，專業模型層深入電商、醫療、娛樂、設計、金融等行業。

通義 - M6 已經從 2020 年 6 月的 3 億參數基礎模型發展到 2021 年 10 月的 10 萬億參數全球最大預訓練模型到 2022 年 1 月的業界首個通用統一大模型 M6-OFA。

通義 - AliceMind 是阿里達摩院開源的深度語言模型體系，包含了通用語言模型 StructBERT、生成式 PALM、結構化 StructuralLM、超大中文 PLUG 、多模態 StructVBERT、多語言 VECO、對話 SPACE 1.0/2.0/3.0 和表格 STAR 1.0/2.0，過程中形成了從文本 PLUG 到多模態 mPLUG 再到模塊化統一模型演化趨勢。

近日，基于 AliceMind/StructBERT 模型結果在中文語言理解測評基礎 CLUE 上獲得了三榜第一，分別是分類榜單、機器閱讀理解榜單和總榜單。

通義 - 視覺大模型自下往上分為了底層統一算法架構、中層通用算法和上層產業應用。據了解，通用 - 視覺大模型可以在電商行業實現圖像搜索和萬物識別等場景應用，并在文生圖以及交通和自動駕駛領域發揮作用。

阿里始終秉持開源開放的理念。此次通義大模型系列中語言大模型 AliceMind-PLUG、多模態理解與生成統一模型 AliceMind-mPLUG、多模態統一底座模型 M6-OFA、超大模型落地關鍵技術 S4 框架等核心模型及能力已面向全球開發者開源，最新文生圖大模型近期將開放體驗。其中， 270 億參數版 AliceMind-PLUG 是目前規模最大的開源語言大模型。

開源鏈接：

https://github.com/alibaba/AliceMind/

https://github.com/OFA-Sys/OFA

協同并不容易做到

通過通用與專業領域大小模型的協同，阿里達摩院讓通義大模型系列兼顧了效果最優化與低成本落地。然而實現這一切并不容易。

回到通義的設計思路，即通過一個統一的底座模型同時做單模態和跨模態任務，在多模態任務上取得 SOTA 效果的同時也能處理單模態任務。不過，既然希望模型更通用以覆蓋更多模態及下游任務，則需要高效地將統一底座下沉到具體場景中的專用模型。這正是模型底座、通用模型與下游專業模型協同的關鍵。

受算力資源限制，大模型行業落地不易。近一兩年，業界也提出了一些落地思路，即先打造一個基礎大模型，再繼續訓練得到領域模型，最后通過微調構建具體行業任務模型。通義也要走通這樣的路，不過希望通過新的大模型架構設計將這一過程做到更快和更高效。

可以這么說，無論是 seq2seq 統一學習范式還是模塊化設計思路，阿里達摩院都希望對整個模型架構和統一底座有更深的理解。尤其是模塊化思路，通過細分為很多個模塊并知道它們能做什么，則真正可以在下游得到很高效且通用性很好的行業應用小模型。

目前，通過部署超大模型的輕量化及專業模型版本，通義大模型已在超過 200 個場景中提供服務，實現了 2%～10% 的應用效果提升。

比如，通義大模型在淘寶服飾類搜索場景中實現了以文搜圖的跨模態搜索、在 AI 輔助審判中司法卷宗的事件抽取、文書分類等場景任務中實現 3～5% 的應用效果提升、在開放域人機對話領域通過建立初步具備「知識、情感以及個性、記憶」的中文開放域對話大模型實現了主動對話、廣泛話題、緊跟熱點等對話體驗。

此外，通義大模型在 AI 輔助設計、醫療文本理解等其他領域也有豐富的應用場景。我們來看一組通義大模型在文生圖領域的效果展示。比如文藝復興時期皇家花栗鼠肖像畫：

中國風 - 山中建筑：

以及中國風學習中的小貓：

周靖人表示，對達摩院來說一直以來重點都不是把模型的規模做大，而是通過一系列的前沿研究和實踐沉淀更通用更易用的大模型底層技術。現階段，阿里達摩院希望將底座做得更實，將更多模態和任務考慮到統一模型范疇內，通過減少 AI 模型在實際場景落地中的定制化成本，真正體現出大模型的效果。

與此同時，在打造大模型統一底座的基礎上，阿里希望通過開源開放，與外界用戶和合作方自己共創下游應用。

參考鏈接：https://blog.csdn.net/AlibabaTech1024/article/details/125215198

從2022年車規芯片廠商上市趨勢看汽車半導體發展

近年來，隨著百年汽車產業變革的加速，我國新能源車行業迎來了快速發展的黃金期。

25家企業合計募集資金總額高達285億元，車規芯片廠商迎來上市熱潮

根據中汽協的數據，2022年前10月，我國新能源汽車產銷分別完成548.5萬輛和528.0萬輛，同比均增長1.1倍，產銷連創歷史新高。與此同時，新能源汽車市場滲透率已經達到24%，在去年的基礎上再次實現了大幅增長。

汽車智能化，芯片為核心。隨著汽車逐漸開始從“功能機”向“智能機”時代發展，需要具備四種基礎能力：聯接能力、感知能力、表達能力以及計算能力，這四種能力需要大量的芯片支撐來實現，因此有布局汽車芯片業務的廠商在此背景下迎來快速發展，并且在2022年迎來了一波上市熱潮。

（一）2022年已上市車規芯片企業23家，涉及半導體各個細分行業

據芯八哥不完全統計，截止至2022年12月18日，今年已上市的半導體企業中，燕東微、帝奧微、中微半導、江波龍、奧比中光-UW、思特威-W、賽微微電、納芯微、峰岹科技、英集芯、唯捷創芯-U、東微半導、臻鐳科技等23家企業有布局汽車芯片業務，涉及主控MCU/SoC、分立器件、電源管理、信號鏈、存儲、通信/射頻等多個行業，產品具體包含磁傳感器芯片、NOR Flash、放大器、高性能模擬開關、嵌入式存儲、無線音頻SoC芯片、3D視覺感知芯片、高壓超級結MOSFET、高速高精度ADC/DAC芯片、DC/DC芯片、無線通信芯片等多種類型。

資料來源：芯八哥根據公開資料整理

（二）2022年擬上市車規芯片企業25家，合計募資總額高達285.04億元

擬上市企業方面，據芯八哥統計，截至目前一共有杰華特、安芯電子、得一微、奧拉股份、南芯科技、鈺泰股份、美芯晟、裕太微、BYD半導、中感微、芯龍技術、智融科技、盛景微、杭州國芯、蕊源科技、芯龍技術、晶導微、瑞能半導等25家半導體企業在車規芯片領域有所布局，主要涉及主控SoC芯片、存儲、電源管理、數模混合、分立器件、光電器件等行業的視頻監控芯片、DC-DC芯片、功率器件及功率IC、存儲主控、去抖時鐘、電荷泵充電管理芯片、穩壓類芯片、通用驅動芯片、有線通信芯片、傳感網SoC芯片、背光LED器件、二極管、整流橋等多個車規細分產品。

2022年擬上市車規芯片企業

資料來源：芯八哥根據公開資料整理

從發行情況來看，奧拉股份、長晶科技、南芯科技、杰華特、杭州國芯、BYD半導6家企業預計發行股數都在5000萬股以上，BYD半導、長晶科技、杰華特、杰理科技等8家企業發行后總股本超過4億股。此外，募集資金方面，25家擬上市車規半導體企業合計募集資金總額高達285.04億元，其中超過10億元的企業有12家，星宸科技、奧拉股份、BYD半導分別以304,619.93萬元、300,667.44萬元、268,647.13萬元的金額排名前三。

電源管理芯片賽道上市企業數量最多，分立器件、主控芯片緊隨其后

從應用環節來看，汽車芯片可以分為5類：主控芯片、存儲芯片、功率芯片、模擬芯片、傳感器芯片等。其中主控芯片占比23%，功率半導體占比22%，傳感器占比13%，存儲芯片占比9%，其他占比33%。

（一）電源管理芯片是車規芯片中上市數量最多的賽道

新能源汽車是電源管理芯片重要的市場之一。相對于傳統內燃機汽車，新能源汽車需要更多的DC/DC等為代表的電源管理芯片進行電壓的轉換，從而推動電源管理芯片的增長。

市場規模方面，根據Frost&Sullivan統計，汽車領域全球電源管理芯片市場將從2020年的17億美元增長到2025年的21億美元。

資料來源：Frost&Sullivan，芯八哥整理

值得注意的是，盡管中國電源管理芯片市場已接近全球市場的三分之一，但國內80%的份額仍被德州儀器、高通、亞德諾、美信、英飛凌等歐美廠商壟斷，國內自給率較低，其中龍頭圣邦股份占比僅1%，其他DC-DC廠商比如希荻微、芯朋微、英集芯、韋爾股份、華潤微、士蘭微、誠芯微等市場占有率更是在1%以下。

不過，在市場旺盛需求和國產替代的推動下，近年來國內電源管理芯片廠商都有著不俗的業績表現，也迎來了一波上市熱潮。據芯八哥統計，2022年上市和擬上市的電源管理芯片企業有杰華特、南芯科技、鈺泰股份、美芯晟、芯龍技術、智融科技、蕊源科技、芯龍技術、賽微微電、英集芯、希荻微、帝奧微等12家，是半導體眾多細分行業中上市數量最多的賽道。

資料來源：芯八哥根據公開資料整理

以希荻微為例，在汽車超級快充芯片領域，公司自主研發的車規級電源管理芯片產品達到了AEC-Q100標準，且其 DC/DC 芯片已進入 Qualcomm 的全球汽車級平臺參考設計，并實現了向奧迪、現代、起亞等知名車企的出貨。

（二）分立器件上市公司數量僅次于電源管理芯片廠商

分立器件是指具有單獨功能且功能不能拆分的電子器件。按照功率、電流指標又劃分出了小信號器件（耗散功率小于1W或者額定電流小于1A）及功率器件（耗散功率不小于1W或者額定電流不小于1A））兩大類。

資料來源：芯八哥根據公開資料整理

受益于新能源汽車的爆發，分立器件廠商也迎來了一波上市熱潮。據芯八哥統計，2022年上市和擬上市分立器件廠商包含鍇威特、安芯電子、長晶科技、檳城電子、BYD半導、晶導微、瑞能半導、東微半導、燕東微等9家企業。

以比亞迪半導體為例，自成立以來，公司以車規級半導體為核心，同步推動工業、家電、新能源、消費電子等領域的半導體發展。在汽車領域，依托公司在車規級半導體研發應用的深厚積累，公司已量產IGBT、SiC器件、IPM、MCU、CMOS圖像傳感器、電磁傳感器、LED光源及顯示等產品，應用于汽車的電機驅動控制系統、整車熱管理系統、車身控制系統、電池管理系統、車載影像系統、照明系統等重要領域。

（三）主控芯片以MCU和SoC領域為主

在主控芯片領域，也有杰理科技、中感微、星宸科技、恒爍股份、中微半導、中科藍訊、峰岹科技等多家企業在2022年上市或者擬上市。

資料來源：芯八哥根據公開資料整理

從布局領域來看，上述企業主要布局智能座艙領域的MCU或者SoC為主。不過隨著智能化的提升帶動算力的不斷升級，未來智能座艙領域芯片會逐漸由MCU向更高算力的SoC演變。

除了電源管理芯片、分立器件、主控芯片外， 傳感器芯片領域也有燦瑞科技、奧比中光-UW、思特威-W等優秀的企業分別在磁傳感器芯片、3D視覺感知芯片、CIS芯片上有所布局；存儲類芯片方面，包括江波龍、德明利、得一微等企業也已經開始登陸或者擬登陸資本市場，以追求更大的發展舞臺；射頻/通信方面，也有鋮昌科技、唯捷創芯-U、臻鐳科技、翱捷科技-U等公司率先登陸資本市場，并且在車規領域有所布局。

年復合增長率在30%以上，量價齊升將帶動汽車半導體市場高速發展

隨著汽車智能化的深入發展，近年來終端對各類芯片數量呈顯著提升的趨勢。

據ST的數據，新能源汽車相較于傳統汽車在多種芯片上用量有明顯的提高。其中， MCU需要增加30%的需求量每輛車至少需要35片；CIS、ISP增加50%的需求每輛車需用到20顆；電源管理芯片要增長將近20%的需求量達到50顆；而Gate driver相較于傳統汽車是全新的需求，每輛車需要30顆芯片；此外新能源汽車對IGBT、MOSFET等功率器件的需求量也在越來越大。

除了芯片數量快速發展外，車規芯片單位價值也在不斷提升，導致整車芯片總價值量不斷攀升。以功率半導體為例，燃油車功率半導體單車價值量僅87.6美元，而新能源汽車價值量高達458.7美元，實現了四倍以上增長。

在量價齊升的情況下，帶動了汽車半導體整體市場規模也逐漸水漲船高。

據海思的測算，2021全球汽車電子市場約為2700億美元，預計到2027年汽車電子部件的整體市場規模接近4000億美元；半導體方面，2021年全球汽車半導體市場約為505億美元，預計2027年汽車半導體市場總額將接近1000億美元，2022-2027年增速保持在30%以上。

從相關數據來看，目前中國汽車芯片整體自給率不到5%。其中在汽車計算、控制類芯片的自主率不到1%、傳感器為4%、功率半導體為8%、通信芯片為3%、存儲器為8%。未來在汽車智能化的驅動下，整車芯片總價值量還將不斷攀升，國產替代市場空間巨大，國內汽車芯片廠商迎來百年來最好的發展機遇。

（一）車規芯片上市公司2022年業績出現一定的分化

財務數據方面，受益于汽車半導體高景氣度的影響，23家上市公司2021年不管是營收還是凈利潤都實現了正向增長。

23家上市公司2021-2022年前三季度主要財務數據（金額：萬元）

資料來源：芯八哥根據公開資料整理

其中，營收超過10億的有江波龍、唯捷創芯-U、思特威-W、翱捷科技-U、C燕東、中科藍訊、中微半導、德明利等8家公司，營收增長超過1倍的有納芯微、中微半導、東微半導、恒爍股份、帝奧微、希荻微、英集芯等7家公司。值得一提的是，2021年凈利潤超過1倍的公司有14家，占比達60.87%。

而在2022年前三季度，雖然汽車芯片行業整體景氣度不減，但行業內部分公司的業績已經有分化跡象，尤其是比如賽微微電、恒爍股份、江波龍、中微半導、思特威-W等消費電子業務占比較大的公司，已經出現業績同比大幅減少的情況。

（二）車規芯片擬上市企業2021年業績一片大好

擬上市企業方面，25家車規芯片廠商在2021年都取得了不錯的業績表現。其中營收超過10億元的有BYD半導、星宸科技、杰理科技、長晶科技、晶導微、杰華特6家公司，凈利潤同比增長超過1倍的有南芯科技、杭州國芯、蕊源科技、BYD半導、美芯晟等14家公司，占整個擬上市企業的比例達到56%。

25家擬上市公司2021年主要財務數據（金額：萬元）

資料來源：芯八哥根據公開資料整理

以南芯科技為例，公司是我國領先的充電管理芯片廠商。自布局車載前裝充電方案以來，公司推出若干完整的車載無線、有線充電方案，多類產品已過 AEC-Q100 車規質量認證。其中SC2021Q、SC2021PQ、SC2154Q、SC8701Q、SC8101Q、SC5003Q等數款車規電源管理芯片已經入選工信部《汽車芯片推薦目錄系統》。

在汽車市場等業務高景氣度的帶動下，2021年南芯科技實現營收9.84億元，同比增長451.96%。凈利潤為2.44億元，同比增長3159.93%；2022年前三季度，公司在2021年的基礎上業績進一步提升，不管是營收還是凈利潤再次接近翻倍增長。

寫在最后

當前，汽車行業正面臨著智能化產業升級，整體過程可以類比手機“功能機”到“智能機”的演變。從供需方面來看，由于汽車芯片擴產周期較長，短期內難以快速釋放產能，疊加汽車智能化趨勢對芯片的強勁需求，汽車芯片供需將在較長時間內保持緊張態勢。

在此背景下，國內車廠為加強供應鏈資源儲備，將大力推進車規級芯片的國產化替代，擁有較強技術儲備的國產汽車芯片廠商有望迎來歷史性發展機遇。

#汽車##芯片##半導體#

基于用戶需求，打造原型設計工具中的卓越用戶體驗

#本文為2022摹客RP原型工具測評大賽三等獎作品

隨著互聯網的發展，產品設計需求也隨即增多，市面上的原型設計工具都差不多，呈現差異化是當前原型工具從競爭中脫穎而出的關鍵。本文以摹客RP為例，借助用戶五要素，闡述如何在產品設計借助創新思維，打造卓越用戶體驗，實現彎道超車，一起來看看。

2014年，國內移動互聯網行業迎來大爆發，設計需求也隨即井噴。所謂“工欲善其事、必先利其器”，原型軟件已經成為產品經理的必備工具，而市面上的原型工具在交互設計上都大同小異。如何在激烈的市場競爭中，借助設計形成差異化的競爭優勢，真正的為廣大用戶做好服務，成為了原型設計工具的重要使命。

目前，在全球90多個國家和地區，摹客已擁有數百萬專業用戶和數十萬個企業團隊，服務了眾多領域的頭部企業，其中不乏中國最為知名的科技企業、互聯網企業和數字化轉型中的大中型傳統企業。

今天我們通過摹客旗下的原型設計工具——摹客RP，了解下如何在產品設計借助創新思維，打造卓越用戶體驗，實現彎道超車。文章的主要內容包括以下幾點：

一、用戶需求洞察

我現在是一名B端交互設計師，有時候偶爾會客串一下產品經理的角色。用過的工具也是五花八門，從最開始的PPT到專業的原型軟件Axure，后來又轉了設計師專業工具Sketch、Figma。雖然一直在畫原型，不過仔細思考下，會發現其中有了新的變化。主要有以下幾點：

1. 原型質量要求變高

行業越來越成熟，各類產品都開始追求高質量的用戶體驗，對原型的要求也越來越高。簡單的框圖已經無法滿足對內的需求傳達、以及對外的展示要求。

在C端領域，崗位分工更加清晰，產品經理主要側重需求分析，基本不需要輸出原型方案，界面設計工作由專門的交互設計師和視覺設計師完成。交互設計師首選專業的設計工具，例如Sketch、Figma等等。

而傳統行業正在受到互聯網影響，開始走向信息化、數字化，B端產品處于大發展階段。產品的用戶體驗受到重視和追捧。但是由于產品形態和受眾的差異化，B端設計與C端有所不同。一般采用“產品經理 體驗設計師”的模式，產品經理除了需求分析之外，還會承擔起原型設計工作；體驗設計師是在原型方案基礎上，進行交互優化，并完成高保真視覺效果圖。

這樣的崗位配置對兩者工作配合和個人能力要求都比較高，如果體驗設計師的交互能力不足，產品經理就需要盡可能精細化的表達產品需求和設計方案，以便在后續的需求對接中，減少溝通成本，保證方案準確的執行落地。

現實工作中也的確如此，由于B端產品專業性比較強，行業門檻比較明顯，兼顧視覺和交互的體驗設計師缺乏對需求的理解和認知，更偏向于設計執行層面，更依賴產品經理的基礎原型方案，于是產品經理也被倒逼著不斷提高個人的原型設計能力。

2. 交互演示要求更高

B端產品以PC端為主，頁面尺寸通常比較大，想要像C端產品一樣，純粹依靠頁面流程圖來展示產品交互邏輯不太現實。

在評審方案時，大范圍的來回拖動設計方案，容易增加聽眾的理解成本。因此有必要添加一些基礎的交互動作，方便設計方案演示。另一方面，帶交互的方案演示效果也更加自然，給聽眾更強的代入感。

3. 迭代速度在加快

SaaS產品區別于傳統B端產品，更容易受到市場和用戶的雙重驅動，產品的迭代速度也在加快。這就要求產品經理的設計速度也要加快，一款高效的原型工具，必須帶給產品經理更高的工作效率，起到事半功倍的效果。

二、拆解摹客RP

本文從用戶體驗五要素的維度，去拆解摹客RP，嘗試洞察內在的設計邏輯以及設計亮點。

1. 戰略層

戰略層就是“產品能夠帶給用戶什么樣的價值，而在這個過程中產品又可以獲得什么（通常就是商業目標的達成）”。

傳統原型工具都是采用售賣軟件的方式獲得收益，用戶免費下載軟件，購買授權碼后即可享受正版服務。不過這對個人用戶和設計團隊而言，都是一筆不小的成本。所以Axure 10推出付費訂閱后，雖然我也希望能夠體驗到最新的產品功能，但是最終理智戰勝了欲望，因為我不想付費。

而摹客RP則采用互聯網運營模式，為產品經理和設計師量身定制了“免費設計計劃”，只要邀請5名用戶注冊并加入團隊一起工作，就可以獲得永久無限設計包，不限時長、頁面、功能。

這無疑給行業帶來了巨大的沖擊，零成本使用設計工具，讓用戶選擇成本更低。對團隊而言，免費模式也將成為設計團隊邁向全面數字化的推動力。當然這種模式也促成了摹客RP用戶規模的快速增長，實現了產品和團隊的雙贏。

而在產品層面，摹客RP的口號是“重新定義原型設計”，“更高效、更易用、更流暢”。目標就是要改變傳統原型工具組件繁瑣、交互復雜的問題，而這一產品設計理念也確實體現在了產品其他用戶體驗層級中。

2. 范圍層

原型設計工具日漸趨同，從大的用戶場景劃分，主要包括靜態原型設計動態交互設定，以及產品原型頁面展示。但是細化到功能層面，還是有很大的拓展空間。

在我的體驗中，發現摹客RP相較于其他產品，主要有以下產品特色：

1）適應行業變化，增強組件擴展性

前文提到現在對產品原型的要求越來越高，但是產品經理普遍不太注重原型界面的美觀度，就容易造成原型方案比較粗糙，比較典型的問題包括，布局對齊、配色、字體大小等等，這樣就無法展示出內在的信息層級。而在傳統原型設計工具中，組件比較基礎，無法覆蓋到更多的產品設計場景。

對于復雜組件，需要產品經理通過基礎組件組合搭配才能實現，這就造成了制作繁瑣，在一定程度上影響了工作效率。如果涉及到團隊協作，不同產品經理的使用習慣、個人能力不同，輸出的原型方案可能大相徑庭。

根據實際的用戶需求，摹客RP推出了更加符合用戶需求的場景級組件。包括復選框組、開關、二維碼、日期選擇器等28種常用組件、8種圖表組件，以及海量矢量圖標。有了這些成熟組件，產品經理不需要再去網絡上尋找組件庫和圖標，并且這些組件有的還自帶交互效果，無形中節省了大量的時間和精力。實現了軟件安裝即可使用，產品經理可以將更多經理專注在產品設計上。

海量圖標庫囊括了產品設計中常見的各類型圖標，粗細兩種風格可以靈活適應不同的設計場景，真的是解決了產品經理的后顧之憂。

組件樣式的可編輯能力也在加強，可以滿足產品經理的精益化需求，打造更加有質量的原型方案。同時標準化組件設計，讓團隊協作更加方便，更好地保證產品設計方案展示的一致性。

2）主輔畫板創新模式，提升操作的易用性

為了提交原型方案的逼真程度，傳統的原型工具實現彈窗效果時，要么將彈窗內容直接疊加在頁面上方，或者將彈窗放置在頁面外部隱藏起來，通過添加“移動”和“顯示”2條交互命令實現仿真效果。

在彈窗數量不多的簡單場景下，這樣的操作模式也是可以接受的。但是對于彈窗較多的復雜場景，就會嚴重影響用戶的操作效率。例如直接疊加在頁面上，彈窗內容重疊容易造成選擇困難或者錯誤選擇。如果放在頁面范圍之外，每個彈窗都要添加移動命令，光是確定移動后的坐標值，都會增加額外的工作量。

摹客RP創造性的推出了自己的解決方案——“主輔面板”。主面板內容用來是最終的演示區域，輔助面板在主面板之外，承接各種內容信息，可以通過交互動作調用到主面板中。調用后的坐標設定了5種常用的位置。當然用戶也可以自定義位置。這種方式就極大的提高了用戶的操作效率。

輔助面板的另一個特點，就是編輯狀態下直觀、高效；而演示狀態下，輔助面板則不可見，也就是說用戶無需將面板內容手動隱藏。這相比傳統原型工具的隱藏模式，更加直觀。修改時也不需要激活顯示，可以直接修改，用戶的查看和編輯效率更高，更加流暢。

3）響應式布局，產品經理提效利器

當設計稿需要應用在不同的終端尺寸時，往往需要我們手動調整組件的布局和大小，費時費力。眾多的設計工具都推出了“約束”功能，摹客RP也順應趨勢，推出了“響應式布局”功能，可以輕松完成布局調整。

響應式布局對產品經理提高工作效率有極大的幫助。例如原型設計時，會有大量的彈窗設計，但是每個彈窗的尺寸有大有小，就需要不斷調整尺寸。有了響應式布局后，就可以將提示信息彈窗或者內容彈窗，約束好彈窗內容的定位方式和元素尺寸，并轉化為組件資源，可以在不同場景下調用、編輯即可。在對畫板或組進行縮放時，其所包含組件的布局和大小也會隨之發生改變，減少了手動調整內容的工作量。

3. 結構層

1）交互操作創新

提升效率是原型設計工具的不懈追求。一些老牌的原型工具，擁有強大的命令式交互能力，可以制作出各種各樣的逼真的交互效果，但是相應的學習門檻較高。當年我學習Axure時，專門找了一份教程來學習其中的技巧。

而摹客RP采用了“所見即所得”的交互模式，通過拖拽即可快速建立元素的交互關系，再經過簡單的配置即可完成交互設置。這種方式相較于傳統的命令交互的方式，大大地提高了用戶的操作效率。

結合前面我們提到的豐富組件，甚至實現了在需求討論時，就可以高效地完成頁面搭建、演示并確認方案，有助于提升項目協同的整體效率。

2）輔助面板交互亮點

動態面板可以說是原型工具中非常重要的組件，可以承載各種頁面信息，建立交互關系后，可以實現內容的展示和切換。但是動態面板也存在比較明顯的交互短板。最大的痛點就是動態面板和頁面是相互隔離的兩個空間，用戶需要單獨進入動態面板才能進行內容編輯。編輯時首先要通過下拉選擇或者逐個切換的方式，定位到具體面板完成編輯。這無疑增加了用戶的操作成本。

摹客RP改變思路，利用輔助面板，解決了這個用戶痛點。

首先摹客RP也有自己的動態面板——稱之為“內容面板”。這個面板只是用來關聯輔助面板，方便主面板承載信息功能。之前提到在編輯狀態下，輔助面板與主面板平級展示在畫布中，這樣就減少了面板選擇跳轉的過程，操作更加快捷。主畫板中的組件，通過拖拽即可與輔助面板建立交互關系，從而提升了操作效率。

但是對于復雜頁面，輔助面板必然也會較多。面對滿屏的面板，用戶該如何快速定位呢？摹客RP在傳統的圖層列表搜索的基礎上，還提供了2種解決方案，保證了良好的用戶體驗。

① 畫板列表

考慮到畫板的重要性，摹客RP單獨提供了畫板列表，用戶可以快速定位、修改、刪除面板，也可以拖拽建立交互關系，真正的做到了簡潔高效。

② 定位功能

在主面板中，可以通過已經關聯的交互關系的組件，快速定位到輔助面板。那么編輯完成輔助面板后，該如何快速返回主面板呢？摹客RP也想到了這一點，在工作區增加了鷹眼導航功能，只要雙擊導航區，就可以快速定位到主面板。

4. 框架層

摹客RP作為后來者，一方面要引入零基礎的產品新人，另一方面主要是承接從其他原型工具遷移過來的行業老用戶。因此遵循行業內通用的框架布局模式就是成了必然選擇，有利于降低用戶的學習成本。

摹客RP產品的框架結構并不復雜，左、中、右的布局模式與常見的工具軟件非常相似，很容易讓用戶上手。

5. 表現層

摹客RP采用了固定的深色面板，只允許用戶自定義工作區背景色，這種方式還是略顯單一的，無法滿足不同用戶的視覺要求。反觀大多數的設計軟件都已經支持深色、淺色兩種模式。

三、優化建議

摹客RP也并不是完美無缺的。在體驗過程中我也發現了一些體驗細節問題。

1）快捷操作需要加強

作為Axure的老用戶，我的繪圖習慣已經被培養起來了。例如形狀的切換，可以通過右鍵菜單完成。圓角矩形也可以通過矩形上的拖拽點直接生成。但是在摹客RP中，這些操作都必須通過右側屬性欄完成，操作效率并不高。形狀切換功能被放在屬性欄的最底部，我剛開始是沒有找到的。所以我畫錯形狀的情況下，就只能刪除后，重新繪制。

另外文本組件中也缺少了標題文本組件，每次都要專門設定文本屬性，雖然可以通過文本樣式定義成資源，不過還要切換Tab頁簽，沒有直接拖拽組件便捷。

2）資源管理能力要完善

摹客RP資源是可以復用的屬性信息，分為了顏色、文本、組件3類。確實可以減少不必要的重復性操作。但是資源管理的能力還需要加強。例如文本樣式不可以命名，用戶的識別效率就比較低，顏色管理也存在這樣的問題，可以做一些事情分組功能，方便用戶選擇。

3）交互細節要提升

界面交互中，基礎的操作方式還是需要提升的。例如在用戶場景中，預覽功能頻率更高，用戶要校驗交互動作是否準確有效，而發布功能其實應用的頻率并不是最高的，主要是完成方案后才使用。但是在界面中，發布按鈕作為主按鈕，設計明顯強于預覽按鈕，每次我都會有些遲疑，因為需要做一下思維的轉換。

而在演示界面中，側邊的收起、現實的操作都被集中到了演示區域下方的工具欄中，這其實違背了親密性原則。因為工具欄是在演示的內容區，用戶首先想到的是對演示內容的控制。而常規的側邊欄控制按鈕都是就近布置，目的是為了用戶減少用戶的認知負荷和操作負荷。

另一方面側邊雖然可以自行拖拽，但是目前版本中只能做拉寬，不能收窄。這也影響了操作的靈活性。

四、總結

完整的體驗后，個人認為摹客RP的設計亮點確實比較多，不僅在大的功能層面，小的細節也在不斷優化提升。例如點擊即可快速切換圖標，而且可以繼承原有圖標的屬性。比傳統的刪除、拖入、調整屬性的方式，方便太多了。正是這些面向用戶需求的設計細節，讓摹客RP快速成為了原型設計利器。

希望摹客RP未來能夠持續改進，為廣大產品經理帶來更加實用、更加驚艷的產品功能。

本文為2022摹客RP原型工具測評大賽的測評文章，如對摹客RP感興趣可點擊體驗鏈接：https://www.mockplus.cn/rp-event/?hmsr=woshipmlichao

專欄作家

子牧先生。公眾號：子牧UXD（HelloDesign），人人都是產品經理專欄作家。產品體驗設計師。8年互聯網行業經驗，擅長體驗設計思維、設計方法論、交互設計研究。

本文原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議。

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。

36氪首發｜擁抱開源，專注于云數據平臺的大數據服務商數新網絡完成數千萬元Pre-A輪融資

作者：朱雯卿Judy

編輯：真梓

*

36氪獲悉，浙江數新網絡有限公司（以下簡稱「數新網絡」）近日宣布完成數千萬元Pre-A輪融資，由國內頂級投資機構領投，泓灃，眾灝跟投。本輪融資計劃用于關鍵人才招聘和市場開拓。

企業logo

「數新網絡」是一家專注于云數據平臺的大數據服務商，2020年7月成立于杭州。

創始人陳廷梁（花名：王賁）是原阿里云大數據平臺研發總監，御膳房、DataWorks平臺創始人，數加平臺總負責人。碩士畢業于哈爾濱工業大學，擁有十幾年的阿里、雅虎中國、盛大游戲等國內頂尖互聯網公司任職經歷，以及超過12年大數據平臺研發經驗。核心管理團隊均為原阿里云高職級成員，研發人員占團隊約80%。

從2012年加入阿里云以來，AI背景出身的陳廷梁從數據挖掘開始開發數據工具平臺。他認為在阿里云最早做的御膳房才是代表了先進生產力的方向，也就是把阿里的數據開放共享給其生態，但這和阿里媽媽等主營業務沖突，未有更加長足的發展。因此，2018年陳廷梁離開阿里準備創業時，就是想堅持做公有云的云數倉，以及對應的開放共享模式。

2020年，陳廷梁開創云數倉/云數據平臺方向，自主研發DataCyber產品序列，包括云數據平臺CyberMeta，大數據運維平臺CyberOPS，數據科學平臺CyberScience，數據分析平臺CyberExcel，致力于提供大數據時代的操作系統。

云數據平臺CyberMeta是從數據匯聚到數據服務的一站式大數據智能研發與治理平臺，集成了數據集成、數據開發、生產運維、實時分析、資產管理、數據質量、數據安全、數據共享等核心數據工藝，承上啟下，讓數據從采集到展現、從分析到驅動應用實現一站式平臺服務。CyberMeta適用于需要打破數據孤島、進行數字化轉型的大型企事業單位或政府機構，幫助這類企業快速掌握開放自主開發與全棧數據研發的能力。用戶通過一個平臺，即可實現多種數據源接入與集群綁定、數據傳輸、離線計算與實時計算、數據治理與資產管理、數據接口開發與管理等各類復雜組合場景的應用。

云數據平臺CyberMeta

大數據運維平臺CyberOPS是集大數據集群的安裝、管理、監控、診斷為一體的平臺，適用于大型企事業單位或政府機構需要快速搭建大數據集群，安裝、使用、管控大數據開發組件的DT基礎設施建設應用場景。

數據科學平臺（CyberScience）是一個為學校提供教學一體的教學實訓平臺，教師通過創建課程，在課程中配置課程內容、數據集和建模環境，根據學生名單開放權限；學生登錄平臺根據所學課程，創建實驗進行建模，完成相應課程的學習和作業的提交。

數據科學平臺CyberScience

值得一提的是，數據分析平臺CyberExcel是產品序列中最面向大眾的一款產品。通過一體化和標準化，產品通過封裝有效降低用戶使用復雜度，面向企業一線運營人員，讓他們使用Excel模式就能簡單地應用大數據計算、生成透視表等功能。

基于該四款產品，「數新網絡」可提供數據匯聚到數據服務、高效建模、智能運維、智能分析的一站式服務，讓數據從采集到展現、從分析到驅動應用得到高質量結合，整體提升企業競爭力。

DataCyber產品序列定位于通用的技術平臺工具，也就是「數據網」——既可以提供公有云服務，也可以在大型政企的私有云部署。陳廷梁希望這兩種版本的數據未來都是可以互聯互通的，所以之后也會著力構建數據交換網絡。

「數新網絡」認為其對標公司是美國的Snowflake和Databricks，在陳廷梁看來，這兩家百億美金的大數據巨頭代表了未來。

Snowflake 是來自硅谷的獨角獸云數倉公司，2020年登陸紐交所上市時，曾創下史上最大 IPO的記錄。Snowflake 顛覆了數倉行業，將計算分析和存儲分離開，在云上建立一個高效、便于使用、性價比高的數據倉庫。Snowflake在2020年做的Data Cloud（數據云）是在云數倉之上，大量租戶可以在同一朵云上使用的數據平臺；還提出了Data Consumer的理念，也就是各個租戶之間可以進行數據交換。

Databricks最新估值380億美元，是世界上第一個和唯一一個云中的Lakehouse（數據湖倉一體）平臺。Databricks擁抱開源，優化大數據計算引擎，結合最好的數據倉庫和數據湖，為數據和 AI提供了一個開放和統一的平臺。

Snowflake堅持在PaaS層進行云化的商業模式，加上Databricks做大數據平臺實時化和支持非結構化數據做智能分析的技術長處，是「數新網絡」希望借鑒的優勢。

「數新網絡」希望結合全球云數倉先進理念，打造適合中國落地路徑的云數倉體系。因此，CyberMeta，CyberOps和CyberScience這三款產品都結合了云數倉與云湖一體的模式。

陳廷梁認為，Snowflake的公有云體系在國外的環境中更容易發展，國外的世界500強企業基本都是私營企業，可以直接使用公有云。而國內只有體量比較大的企業客戶對數字化的要求更高，才需要用大數據平臺和算法平臺這種基礎設施，且他們更傾向于用私有云部署。這個矛盾之處讓云數倉體系在國內比較難實現。

然而，原來阿里云的公有云架構在做私有云部署時底座過大，需要數十臺服務器支持；同時，這個底座也與開源生態不兼容，導致許多大型客戶擔心被阿里云綁定，導致跟主流計算引擎脫節，無法遷移替換。

因此，陳廷梁基于在阿里云的經驗積累，結合國內實際情況，對產品做了很大的改變，核心打造獨立自主可控的一站式、云原生大數據基礎設施平臺，實現彈性可擴展、混合云/私有云的靈活部署。

「數新網絡」采取的核心策略就是基于開源，也融入開源生態，打造國內云數倉頂級開源社區。即對于云的大數據底座，盡可能用開源的主流生態，產品只做數據平臺層的建設。對于重要標桿客戶，還可以基于開源底座做定向代碼開源。

另一方面，「數新網絡」也順應大數據架構在近十余年來的變化趨勢，采用Data Fabric，也就是數據平臺智能化，讓數據開發和算法開發更加「傻瓜化」。

據介紹，「數新網絡」致力于提供大數據時代的主板和操作系統，以開源一站式地支持底層的各種計算引擎，相當于作為集成不同計算引擎的品牌電腦，提供封裝以及上層更簡單易用的操作系統。

陳廷梁提到，用這個模式盡快確立市場優勢后，會把基礎架構再開源，就可以支持大量在此基礎上開發的數據中臺等系統。

「數新網絡」拓展了適合國內企業的云數倉基建模式，成熟的解決方案主要應用于場景金融、政務數字化轉型和先進制造等領域，也包括醫療、零售、能源等行業。

目前，其標桿客戶包括浦發銀行、華泰證券、高濟醫療、中國石化、國家電網江蘇省電力公司、屈臣氏、中國航發、浙江銀保監局、香港大學等政企單位。

「數新網絡」的產品大數據運維平臺(CyberOPS)，幫助浦發銀行解決內部五大數據集群(批量數據集群、流式集群、聯機查詢集群、洞察集群、租戶集群)包括其各服務組件安裝、升級、監控等運維復雜度高、人力投入大等問題，提升平臺整體運營服務效率，有效保證平臺的可用性。

云數據平臺(CyberMeta)產品幫助國有大型能源公司建立數據中臺。提供實時開發平臺，通過Flink Kafka技術實現實時的數據采集和數據處理能力，支持異構數據源讀寫，自動構建血緣關系。同時，也提供統一的數據資產管理平臺，通過元數據采集對資產進行統一的管理，形成資產目錄，提供全域數據檢索能力，對數據熱度分析并出具報告，對資產進行盤點，監控元數據變化。

數據科學平臺(CyberScience)也作為高校科研實驗平臺，全面對接公有云，實現建模環境的服務化，其中建模環境與工作目錄分離并可配置空閑自動關閉，同時與數據集隔離，實現數據集安全共享，另外模板化方式集成各種建模工具，方便用戶快速上手。

在金融領域，「數新網絡」還擁有金融產品超市、科技金融貸、抵押在線登記、保險在線快賠等產品，打造金融綜合服務平臺解決方案。

大型政企是「數新網絡」瞄準的核心付費客戶，但下半年也會開放開源的基礎版本，給互聯網企業或普通民營企業使用。「數新網絡」重點服務金融領域，希望能夠覆蓋到更多的中小微企業及個人，提升社會效能，從而讓每個人都能夠享受數據的價值。