醒醒！大健康企业的危机不在外而在内！ 年年都是大健康行业声誉剧变的日子！ 随着新消费升级，国民收入不断增长，消费者对自身健康的保护意识日趋升 高，对健康产品要求越来越高，再加上移动互联网的发展日新月异，网络舆情众 声喧哗，一起看似不起眼的小事顷刻间会掀起滔天巨浪，企业危机随时随地都有 可能爆发。 我国大健康产业还处于初步发展阶段，许多企业还未系统建立危机防范和危 机风险管理体系，万一 机风险管理体系，万一发生危机事件，如未能有效预防和及时应对处理，将会对 企业品牌声誉、产品销售甚至资本市场造成难以挽回的损失。 大健康企业会发生危机，有很多时候是因为大健康企业的危机公关意识不 强，应对危机的准备不充分，根本原因就是一句：缺乏危机战略意识：普遍认为 等有危机的时候再解决，一旦危机爆发时，往往措手不及！笔者所在的一家大健 康公司，连外事部都裁撤了。可见老总对危机公关这部分多么的无知！这要是发生了舆情危机，肯定一 较好，那么你对抗负面舆情的能力就会越强。 在大健康大传播时代，企业出现负面消息后如何迅速摆脱公众的信任危机？ 一条微博遭疯狂转发，使企业白白损失数以亿计！网络时代，任何微小事件，经 过网络的放大传播，足以对品牌形成致命的打击，甚至引发行业危机！在医药广 告受到严格限制和严厉监管的条件下，如何做好危机管理，如何做好品牌传播， 才能助力企业品牌健康发展？防范于未然，及时处理危机事件，迅速开展正面的 公关传播，是大健康企业不得不深思的问题！

2025年 AI产业发展十大趋势 易观分析 2024年12月2 激发科技与创新活力  AI赋能千行百业，行业大模型催生“智能链主”  AI技术能力普惠之下，利用企业专有数据形成深度洞察与策略是 企业未来经营差异化的重要关键  AI应用的深化将对企业的组织能力提出新的要求，企业需要打造 适用于人机协同的组织管理体系  self-play RL范式开启，大模型技术军备赛进入复杂推理阶段 段  多模态模型能力持续升级，朝向多模态理解和生成的统一发展  Agent向超级智能体进化，具备更强的学习和推理能力，处理更 复杂的任务  AI原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要 方向  现存应用加速拥抱AI，利用LLM能力提升产品竞争力，不加AI就 淘汰  AIGC赋能IP全生态，延长优质IP生命周期，提升商业价值贡献  硬件全面AI化，教育与办公、生活的应用场景闭环率先实现落地 2025年AI产业发展十大趋势 应用场景多元化探索，初现雏形 企业拥抱AI持续加速，理性思考投入产出比 AGI道阻且长，技术能力持续提升，加速产业落地3 激发科技与创新活力 趋势1：self-play RL范式开启，大模型技术 军备赛进入复杂推理阶段 由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等， 引爆了对于AGI发展的高预期，大量大模型涌现，开源模型与闭源模型并驾齐驱，国内

差异化壁垒 供应链履约能力，家电“半日送装 品质与服务并重的营销策略7 抖音：内容驱动货架化转型 货架场景扩容：商品卡免佣、万人 团扶持商家，围绕“更大的规模、更 优的货品、更好的体验”三大关键词， 投入亿级现金补贴和千亿级流量资源， 从流量、补贴、玩法、货品四个层面 来给商达利好，鼓励商家多投流。 核心策略 “立减15%”一件直降，无凑单 套路 投入百亿消费券，用户每人 最高可领 价保机制要求参与活动的品牌商家提 供“降价补差”服务。 社交裂变玩法升级，“万人团升级。 促销玩法 流量抓手 广告扶持流量倾斜、主会场黄金流 量位，搜索推荐加权、推荐流额外加 权 借助大促的消费引擎，助力更多的 中小商家完成新质转型，推动产业带 加速转向高质量发展 差异化壁垒 下沉市场基本盘，极致性价比巩固 心智 产业带渗透，进行品质突围 极致性价比策略“持续性洗脑”9 极致性价比"理解为价格、品质、物流、服务的多维组 合时，单纯的低价已不再构成绝对竞争力。 京东不再执着于GMV数字的简单增长，而是通过运 费险费率下调、整合"国家补贴+外卖百补+百亿农补 +厂货百补"四大政策工具，构建起"消费者-商家"双 赢的生态闭环。 单纯的低价不再构成绝对竞争力 平台从价格内卷转向生态重构 p “立减直降”全面取代“满减套路”，平台之争已从表面的折扣让利，升级为一场涵盖供应链效率、数据

多位律师爆料因经济压力大看守所内爆满， 雷同文案渲染焦虑氛围有待警惕 近期，抖音、今日头条、网易等多个平台上有自媒体发 文或发布视频称，今年以来全国多地看守所爆满，都在筹备 扩建。如 9 月 15 日，抖音网民@小付律师（粉丝：60.2 万） 发布视频称，最高法公开数据显示，2024 年上半年，被判处 78.8 万人，相比去年增加 8%。@小付律师（粉丝：60.2 万） 分析认为，这 从热门主题词来看，“看守所”“压力”“经济”等词 语是被提及的高频词汇。二、舆论观点： 一是对我国经济形势表示担忧。认为当下我国经济持续 下行，失业现象严重，叠加房贷车贷等导致民众生存压力增 大，违法犯罪行为有所增加。 二是对自媒体分析的“轻罪重罚”等现象表示赞同。如 有网民关联我国食品安全、反腐等话题，认为存在“重罪轻 罚”“轻罪重罚”“重罪无罪化”等现象，质疑我国司法不 公，该倾

招聘为何总翻车？ 深度剖析四大舆情风暴眼 文章来源：探舆岛 作者：令狐春雷 人才引进，本应是广纳贤才的重要举措。如果规则程序 被暗箱操控，谁还会相信“公开、公平、公正”？近日，曾经 被网友戏称“两次招聘，一份名单”的包头市委讲师团招聘事 件，有了最新进展。依据调查结果，认定招考结果无效，并 对相关责任人进行了追责处分。 （一） 说起这起舆情事件，第一次招聘是在 2023 年 12 进行了追责，但是其背后的深层次问题更值得反思。（二） 现如今，就业市场已成为社会矛盾与公众情绪的集中映 射区，招聘环节引发的舆情事件屡次登上网络热搜榜。通过 梳理近年来的招聘案例，本文总结出了四大类型舆情。 ni 这类舆情主要源于招聘过程中的程序公正缺失，其特 点是信息不对称导致公众对选拔机制的信任危机。这类舆情 多发生在公共部门或大型企业招聘中。 “萝卜招聘”是信息不透明类舆情的典型代表，就像前文

剧情与“南大碎尸案”重合致家属喊话张译，影视边界在 哪？ 事件概述 12 月 17 日，名为“刁爱青的姐夫”的微博网民发文喊 话演员张译，称其主演电视剧《他是谁》中的“余爱芹案” 与“南大碎尸案”高度相似，不仅案发时间、被害人的名字 完全一致，就连凶手残忍的作案手法也被搬上荧幕，此外， 该电视剧还虚构了“余爱芹婚外情”的剧情，这给被害人家 属带来极大伤害。该网民还称，去年就已委托律师起诉了电 属在微博平台的“喊话”迅速引发舆论关注，当日下午至晚 间，伴随优酷、万达电视剧等相关方先后回应此事，舆情热 度累积，17 时至 20 时左右形成本次舆情信息峰值。12 月 18 日，微博平台#南大碎尸案家属回应张译躺枪#等话题再度带 动信息量上涨，随后舆情热度呈现回落趋势。 舆论观点 一是对该剧的批评与质疑。大量网民认为电视剧在改编 真实案件时，没有尊重原型人物或其近亲属的感受，没有注 四是质疑家属动机不纯。个别网民质疑，制片人也透露 正在与当事人律师联系，认为家属是为了向万达等索要钱财， 才会“喊话张译并搞到热搜上”。 研判分析 本次事件牵涉到知名演员张译，以及著名的“南大碎尸 案”，两个敏感要素导致该事件迅速引发了舆论关注。公众 对电视剧中虚构情节的不满和对当事人及其家属的同情，形 成了强烈的舆论压力，也给涉事演员、出品方等带来形象危 机。但本次事件可视为对影视行业的一次警示——须知，在

忻州小学查“户口式”收集信息引众怒：教 育管理别踩这三大“红线” （来源：纵览新闻） 近日，山西忻州长征小学（西校区）的一张“家校联系卡”， 把“家校沟通”这个本该温暖的话题推上了风口浪尖。表格里 “擅长技能”“社会资源”等与教学关联甚微的栏目已让家长犯嘀咕，“是否单亲”这类敏感隐私问题的出现，更是直接触碰 了公众的情绪红线。尽管校方迅速致歉止损，但这场舆情风 波留下的思考，值得所有教育从业者深思——家校沟通的边

位，好久没吃过肉的视频，真的是没有对比就没有伤害，华裔 女孩一月的花销够老人一辈子的收入了，真是有的人生来就在 罗马，有的人生来就是牛马！ 喵喵不吃：澳洲顶级白富美 Y 兰兰。全网都在找的在澳 大利亚开劳斯莱斯限量版车 H 的华人顶级富豪女孩 Y 兰兰到 底是谁啊？出行有保镖，穿搭都是高定大牌，入住是顶级豪宅， 消费都包场，外人都惊叹太奢侈，你们都是隐秘富豪，难道土 狗只是我自己嘛～#遵纪守法 的华裔女孩究竟是谁？#澳洲富人区 #醉驾撞人 #杨兰兰 #蒂芙 尼蓝劳斯莱斯 #澳洲车祸 无尽格日：杨兰兰网友扒她的背景和父母身份的人仍然很 多因为没查明她父母到底是什么身份很多网友还是一副看热闹 不嫌事大的样子拼命的猜测杨兰兰的来历是不是名门望族是不 是官二代是不是富家小姐。杨兰兰这么喜欢名牌，难道她不怕 被查还是觉得在国内没法炫富就跑到海外炫富。23 岁就开上 了劳斯莱斯，这要是在国内想都不敢想的事情？所以她父母是 这个全球信息化时代，根 本就不可能存在什么个人银行账户几千亿几万亿存款的事。 茅草屋：这个杨兰兰是谁 为什么能日花 3-5 万欧元 为什 么？挣了钱，国内不花 而到国外花 7000W 保释金说出就现金出了 这有多少大企业能出的起 如果在国内，不能增加消费吗 真的还是假的 有没有人知道 澳大利亚，这么好创业吗 大学毕 业要去澳大利亚创业 有组队去的吗？ 3. 部分网民质疑杨兰兰事件暴露澳大利亚司法对特权阶 层偏袒，引发社会公正担忧

年内数据增长速度将无法支持大模型的扩 展，大模型将在 2028 年耗尽互联网上所有文本数据。按照 当前趋势发展，文本数据耗尽的中位年份是 2028 年，最大 可能性是 2032 年。整个互联网的文本数据总量约 3100T，但 大部分数据分布在 Facebook、Instagram、WhatsApp 等社交 媒体。由于抓取这些数据复杂且昂贵，且涉及个人隐私，几 乎无法用于大模型训练。如何克服人类文本数据的瓶颈。第 乎无法用于大模型训练。如何克服人类文本数据的瓶颈。第 一种是利用 AI 生成数据，如 OpenAI 模型每天能够生成相当 于 Common Crawl 中优质单词总数的 36.5T 个单词，远快于 人类生成文本的速度。第二种是利用多模态和迁移学习，超 越文本数据从其他领域获取数据，比如视频、图像、金融市 场数据或科学数据库。[1 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （五） ] 不过 生成的，而用合成数据训练的大模型会发生什么？ 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结

社 会安全风险 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （九） 。 ·数据泄露风险。大模型需要海量数据，数据在清洗、 处理、传输过程存在数据非法获取或泄露风险，包括个人隐 私数据、商业敏感数据、政府机密数据等各种类型数据。如 果大模型在训练数据时看到很多密钥信息，它很可能在内容 生成时输出真实的密钥信息。2024 年 1 月，意大利隐私监管 机构 Garante 就会如实报出一 堆序列号，并且大多数是真实有效的。人们通过提示词给 AI 讲故事，通常是经过一些巧妙的包装，里面掺杂了有争议 的内容（就像开头提到的制造炸弹那个例子）。故事讲到一 半，剩下的交给 AI 模型，后者由于拥有强大的文本生成的 能力，会忠实地把缺失的部分回答完整。攻击者通过 LLM 输出其在训练数据中所存在的不符合伦理道德的数据，产生 存在社会偏见的回答，如性别、种族或其他偏见，导致不公 ·系统安全风险。大模型系统较为脆弱，面临数据投毒攻击、对抗样本攻击、模型窃取攻击、数据重构攻击、后门 攻击、提示注入、指令攻击等多种恶意攻击。大模型训练依 赖于大规模数据集，来源包含网页获取、众包标注和开源数 据甚至国家敏感数据，而数据中可能被注入恶意程序和错误 信息。模型窃取攻击能够获取模型结构和关键参数，操纵机 器学习模型甚至实施更危险的“白盒攻击”。数据重构攻击 能恢复模型的训练数据，包括敏感数据。指令攻击利用模型