付費限定方格精選

「Meta」是品牌,還是未來?/Benedict Evans

閱讀時間約 4 分鐘

Mark Zuckerberg將「Facebook」改名為「Meta」,想改變的究竟是這家公司、還是VR這個舊名詞?「metaverse」又是什麼?有任何單一企業可以為我們定義這個未來嗎?

大約20年前,德國電信(Deutsche Telekom)併購了一家叫做「One2One」的英國電信公司,並將它改名為「T-Mobile」。原本的One2One是以低價格、低品質的網路服務著稱,改了名字之後又有什麼不同?
其實沒什麼不同,還是一樣低價格、……低品質。也就是說,德國電信改了它的品牌,但改不了它的本質。

湯換了,藥換不換?

如果一個品牌已經變成票房毒藥,而主事者卻只是換湯不換藥,那麼同樣的問題不免還是會發生在新品牌上。如果是真正的行銷高手,應該會反其道而行:先解決「產品」的本質問題,然後再透過品牌行銷的手法,讓大家知道這個改變。
如果這一點成立的話,我們可以再思考看看:Facebook為什麼要把最上層的品牌改為「Meta」?其中一個理由,就可能是「換湯不換藥」:產品在短期之內不會有太大改變,只是改個名字。
如今,每天有多達20億人使用Facebook、發表超過1,000億則貼文;過去在使用手機簡訊的巔峰時期,也只不過是這個數字的四分之一。
在一個連結了20億人的系統之中,無論設計了怎樣的溝通方式,用戶和發表的內容品質都不免良莠不齊;而任何一個社群平台,都必須花心思來面對這個問題。
以行動支持創作者!付費即可解鎖
本篇內容共 1874 字、1 則留言,僅發佈於吐納商業評論你目前無法檢視以下內容,可能因為尚未登入,或沒有該房間的查看權限。
avatar-img
1.4K會員
2.0K內容數
為您送上頂尖作者的最新管理與科技產業思維。
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
從歷年總掛牌數、新掛牌數、間接數據的變化,來分析台灣機車產業在輕型與重型、油車與電車、國內與國際之前的板塊移動,以及未來可能的發展趨勢與方向。
近年來,ARM架構的晶片已經逐漸普及,從IoT系統、Raspberry Pi玩家自組電腦、一直到強大的Apple M1系列處理器,都可以看到它的蹤跡。現在,讓我們來看看微軟這個PC產業的強者,未來打算如何把Windows系統也搬到ARM上。
如果依照本系列前六篇所說的方法做,仍然得不到高層的重視,那麼你最後的殺手鐧就是「抽屜專案」:除了讓「本職工作」達到卓越績效之外,利用上班的時間、公司的資源,私底下進行自己堅信企業應該做、但是得不到老闆支持的專案。
Apple在自家的處理器問世之後,也差不多已經順利完成了產品的世代轉換。那麼,現在再讓我們繼續展望未來十年,看看還有哪些機會可以讓Apple延續過去這個世代的成功。
本系列文章的上篇針對元宇宙(metaverse)的前世今生與概念框架,做了一些簡單的討論;本篇則討論近代各項發展中,筆者個人頗感興趣的「可交互性」議題。
這世界上或許還不存在任何符合過去類似metaverse的概念框架、或是眾人想像中的元宇宙;然而,也不應該就此認為元宇宙熱潮只是「另一場騙局與泡沫」。因為,並不是每個對元宇宙抱持樂觀期待的人,都沒有看到現實的限制。
從歷年總掛牌數、新掛牌數、間接數據的變化,來分析台灣機車產業在輕型與重型、油車與電車、國內與國際之前的板塊移動,以及未來可能的發展趨勢與方向。
近年來,ARM架構的晶片已經逐漸普及,從IoT系統、Raspberry Pi玩家自組電腦、一直到強大的Apple M1系列處理器,都可以看到它的蹤跡。現在,讓我們來看看微軟這個PC產業的強者,未來打算如何把Windows系統也搬到ARM上。
如果依照本系列前六篇所說的方法做,仍然得不到高層的重視,那麼你最後的殺手鐧就是「抽屜專案」:除了讓「本職工作」達到卓越績效之外,利用上班的時間、公司的資源,私底下進行自己堅信企業應該做、但是得不到老闆支持的專案。
Apple在自家的處理器問世之後,也差不多已經順利完成了產品的世代轉換。那麼,現在再讓我們繼續展望未來十年,看看還有哪些機會可以讓Apple延續過去這個世代的成功。
本系列文章的上篇針對元宇宙(metaverse)的前世今生與概念框架,做了一些簡單的討論;本篇則討論近代各項發展中,筆者個人頗感興趣的「可交互性」議題。
這世界上或許還不存在任何符合過去類似metaverse的概念框架、或是眾人想像中的元宇宙;然而,也不應該就此認為元宇宙熱潮只是「另一場騙局與泡沫」。因為,並不是每個對元宇宙抱持樂觀期待的人,都沒有看到現實的限制。
你可能也想看
Google News 追蹤
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Thumbnail
Hi 大家好,我是Ethan😊 相近大家都知道保濕是皮膚保養中最基本,也是最重要的一步。無論是在畫室裡長時間對著畫布,還是在旅途中面對各種氣候變化,保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水,還能提升後續保養品的吸收效率。 曾經,我的保養程序簡單到只包括清潔和隨意上乳液
回顧我們的目標是自己做一個免錢Chat GPT 自己做免錢Chat GPT吧 當中,我希望外掛一個外部知識庫,叫做RAG,來提升整體問答的品質,同時又能避免機敏資訊被Chat GPT竊取。 緣由參見 ChatGPT回答不是你要的怎麼辦? 詳細實作於 使用Meta釋出的模型,實作Chat G
工欲善其事,必先利其器,要打造屬於自己的Chat GPT之前,我們先學習怎麼建立Google免費提供的Colab環境,它可以免費使用GPU來加速AI的運算,非常適合沒有錢添購GPU,但又想學習前沿AI技術的人。 第一步:打開Google瀏覽器,並點選右上方的「方格子點點」,接著選擇「雲端硬碟」
到目前為止,我們已經完成RAG技術的實作,在上一篇文章使用Meta釋出的模型,實作Chat GPT - Part 5中,可以看到加入RAG之後,可以讓我的大型語言模型回答更為精確。 現在我們要把它用一個畫面做呈現,而不是以程式碼來給大家看,就類似Chat GPT這樣,背後有複雜的程式運行,但是眾人
延續使用Meta釋出的模型,實作Chat GPT - Part 4,我們現在遇到一個問題:語言模型回答的資訊不是我想要的。 於是我參照ChatGPT回答不是你要的怎麼辦?,想使用低成本的技術:RAG,來改善這問題。 以下開始實作,首先引入一個重量級工具包,它叫做LangChain,這是做語言模型
在使用Meta釋出的模型,實作Chat GPT - Part 3中我們已經建立好大型語言模型遇到哪些「字串」要停止輸出的列表,現在我們將它製作成一個物件,對應程式如下: from transformers import StoppingCriteria, StoppingCriteriaList
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Thumbnail
Hi 大家好,我是Ethan😊 相近大家都知道保濕是皮膚保養中最基本,也是最重要的一步。無論是在畫室裡長時間對著畫布,還是在旅途中面對各種氣候變化,保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水,還能提升後續保養品的吸收效率。 曾經,我的保養程序簡單到只包括清潔和隨意上乳液
回顧我們的目標是自己做一個免錢Chat GPT 自己做免錢Chat GPT吧 當中,我希望外掛一個外部知識庫,叫做RAG,來提升整體問答的品質,同時又能避免機敏資訊被Chat GPT竊取。 緣由參見 ChatGPT回答不是你要的怎麼辦? 詳細實作於 使用Meta釋出的模型,實作Chat G
工欲善其事,必先利其器,要打造屬於自己的Chat GPT之前,我們先學習怎麼建立Google免費提供的Colab環境,它可以免費使用GPU來加速AI的運算,非常適合沒有錢添購GPU,但又想學習前沿AI技術的人。 第一步:打開Google瀏覽器,並點選右上方的「方格子點點」,接著選擇「雲端硬碟」
到目前為止,我們已經完成RAG技術的實作,在上一篇文章使用Meta釋出的模型,實作Chat GPT - Part 5中,可以看到加入RAG之後,可以讓我的大型語言模型回答更為精確。 現在我們要把它用一個畫面做呈現,而不是以程式碼來給大家看,就類似Chat GPT這樣,背後有複雜的程式運行,但是眾人
延續使用Meta釋出的模型,實作Chat GPT - Part 4,我們現在遇到一個問題:語言模型回答的資訊不是我想要的。 於是我參照ChatGPT回答不是你要的怎麼辦?,想使用低成本的技術:RAG,來改善這問題。 以下開始實作,首先引入一個重量級工具包,它叫做LangChain,這是做語言模型
在使用Meta釋出的模型,實作Chat GPT - Part 3中我們已經建立好大型語言模型遇到哪些「字串」要停止輸出的列表,現在我們將它製作成一個物件,對應程式如下: from transformers import StoppingCriteria, StoppingCriteriaList