五万人裁员背后:传统车企电动化转型的结构性阵痛
一家拥有多个品牌的跨国汽车集团最近公布了涉及约五万名员工的裁员计划。消息出来那天不少行业群都在转发有人直接说“燃油车完了”也有人担心“下一个会不会轮到我们公司”。我倒是觉得如果只把这当成一条热点新闻就太浪费这个样本了。这背后其实是整个汽车产业从燃油时代切向电动时代时最真实、最硬核的一面巨轮转向的阵痛。这篇内容想和你一起把事件拆开看看企业为什么要动这么大的手笔哪些岗位会被重塑供应链上下游会受什么影响以及普通从业者能从中得到什么参考。如果你想了解传统车企转型的底层逻辑或者正在犹豫自己的职业方向这篇文章应该能给你一些判断依据。1. 为什么说这是一次“结构裁员”而不是企业没钱了1.1 燃油车时代的赚钱逻辑先说一个不少人不愿意承认的现实这些传统汽车巨头过去几十年活得相当滋润。燃油车时代的利润模型建立在内燃机和变速箱的高技术壁垒之上。发动机缸内燃烧、涡轮增压、可变气门正时、变速箱换挡逻辑每一项都需要长期积累。后来者就算投入巨资也很难在短时间内把可靠性、耐久性和成本控制做到同等水平。平台化造车又进一步把成本压到极致同一套底盘和动力总成可以覆盖多款轿车、SUV甚至跨品牌共用单车的研发摊销很容易被摊薄。所以在燃油车时代巨头的核心竞争力就是那一支庞大的工程师队伍和几十年攒下的工程数据库。这套模式运转了几十年利润稳定到几乎可以直接用“印钞机”来形容。汽车行业有个共识一款燃油车只要销量过了一个门槛后面每卖一辆基本都是边际利润市场保有量越大售后配件和维修业务还能持续贡献收入。加上品牌溢价、经销商网络、金融市场服务整个体系环环相扣。这也是为什么传统巨头在电动化最早期的几年里普遍动作缓慢——不是没看见趋势而是手中这套现金流系统太成功了任何对燃油车体系的动摇都会被内部视为“动基本盘”。1.2 电动车把利润表重新洗牌了电动汽车把这张利润表洗了个彻底。一台纯电动车最贵的部件是电池而电池是高度标准化的采购件不是车企独享的技术专利。电机、电控的技术门槛远低于内燃机第三方供应商能提供整套解决方案。这就意味着原本攥在车企手里的核心利润区被上游电池厂和电子器件供应商分走了一大块。软件开发虽然越来越贵却是慢功夫短期难以盈利而且人才争夺异常激烈。传统巨头还背着大量燃油车时代的固定资产工厂、生产线、研发设施都是沉没成本。一边是老业务利润开始收缩一边是新业务需要巨额投入财务部门算完账之后第一反应就是把燃油车体系里多余的产能和人手减下来。更要命的是电动车时代的用工结构完全不一样。燃油车体系里发动机、变速箱、排气系统这些部件的制造和测试需要大量人力电动车把动力系统大幅简化后总装和测试环节的用工需求明显下降。一个可以类比的说法是燃油车像一桌需要十个人轮流掌勺的流水席电动车更像是中央厨房配好的半成品后厨不需要那么多人盯火候但需要有人会看营养标签和电子菜单。这不是说员工不优秀而是整个业务本身不再需要那么多传统技能型人员了。所以当一家车企宣布数万人规模的裁员外界往往盯着“惨”行业里的人更会看到两个字结构。1.3 是主动收缩不是被动破产当然还有一个需要澄清的点裁员不代表企业要倒闭。很多跨国巨头公布裁员的同时账面上依然保有相当体量的现金和利润。这更像一个体重超标的人为了参加田径比赛去做减脂手术而不是病入膏肓被推上手术台。减脂过程必然会流失一些肌肉也会出现一段时间的乏力感但目标很明确以更轻的体重、更快的速度去跑接下来的赛道。传统车企现在的处境正是如此燃油车基本盘还能带来收入但面向未来的新能源、软件、智能化竞争需要的不是几十年的内燃机经验而是一套全新的组织能力。短期的裁员阵痛是在为长期的竞争位置付学费。不过也要说句公道话道理谁都懂落地却是另一回事。一个五万人的调整计划背后牵扯到几十个工厂、数百个工会组织、复杂的劳动协定和地区就业平衡。这不是简单发一个公告就能完成的事而是一场注定持续数年的长跑。很多车企把裁员目标拆到三到五年去执行就是为了让组织、产能、供应链都能逐步消化。这个过程里新闻标题会追逐每一个节点但真正理解行业的人应该把视线拉远一点看它三年后完成了什么。2. 五万个工位消失这些岗位正在被重新定价2.1 首当其冲的岗位画像先从岗位端看最直观的影响。裁员公告里不会细写每个部门但从行业规律推断首当其冲的一定是内燃机研发、变速箱标定、燃油系统测试这些传统动力总成岗位。过去这些部门是车企的“心脏部门”动辄几千人混动和增程虽然还保留一部分内燃机需求但量级已经大不如前。车企保留小规模团队做混动专项就够了剩下的研发人员要么转岗要么离开。另一个受冲击比较大的是工厂的装配岗位尤其是变速箱车间、发动机车间和与之配套的零部件物流。这类岗位大多执行标准化动作在产量下降后很难重新安置。还要注意裁员往往不是均匀分布的。传统业务部门的优化比例可能高达两三成而电动化相关部门的编制反而在扩充。一些老员工可能觉得“我在这干了二十年凭什么说裁就裁”但从企业角度看这二十年经验对应的技能在新的产品线上已经不再产生同等价值。这听起来很冷酷却是产业变迁的常态。一百多年前马车被汽车取代时最优秀的马具匠人也面临同样的困境。技术进步不会因为旧产业里有很多勤恳的从业者就停下来等他们。2.2 新岗位其实在悄悄增加但千万要注意裁员和招人往往是同时发生的。同一家车企往往一边裁减传统动力人员一边在三电系统、软件定义汽车、自动驾驶数据闭环这些领域大量招聘。岗位总数可能真的在减少但岗位结构已经完全变了。比如硬件工程师可能要懂高压电气安全软件工程师要能写实时控制代码测试工程师要熟悉电池管理系统和整车控制器。这些岗位要求的经验不是来自发动机而是来自电子电气和软件工程。还有一个容易被忽略的维度是“位置上的人”。传统汽车制造基地往往在成本较低的工业城市而软件研发中心更可能设在人才密集的一线城市两个地方往往隔着上千公里。就算公司愿意提供转岗方案家庭、住房、社保这些现实问题也会让很多人主动放弃。于是我们看到的结果常常是企业一边在一线城市的软件中心扩编一边在传统制造基地收缩人数。失业数字是冷冰冰的但背后的每个选择都裹着生活的重量。2.3 “培训转岗”为什么多数时候只是听起来美好很多评论喜欢说“企业应该对员工做再培训”这话听上去正确但落到经营层面非常难。企业不是学校没有义务保证每个员工都获得与新业务匹配的能力。内燃机工程师的核心能力集中在热力学、机械设计、燃烧系统而电池和软件需要的是电化学、电力电子、嵌入式开发、系统工程两者几乎没有重叠。一个人要完成这种跨领域学习至少需要两到三年的系统训练而企业在转型窗口期的业务压力等不了这么久。更别提传统车企层级分明的研发流程和互联网式快速迭代的软件开发文化之间还存在巨大鸿沟。两拨人坐进同一个项目组经常互相觉得对方“不专业”。所以现实中企业通常会给核心骨干提供转岗机会给普通员工提供离职补偿再通过提前退休窗口消化一部分高龄员工。这些组合动作的目标很清晰在尽量控制劳动争议和品牌声誉损失的前提下快速把人力成本结构调整到新业务需要的状态。用感情的话说这叫阵痛用管理的话说这叫资源再配置。企业不是慈善机构它不会因为某个员工过去的贡献就无限期保留一个已经被新技术淘汰的岗位。3. 巨轮转向的动作拆解平台合并、外部借力与组织重构3.1 平台做减法是第一刀现在聊聊企业具体会怎么操作也就是“巨轮转向”的路线图。第一刀通常砍在平台上。传统车企手里可能握着十几个甚至几十个车型平台分别覆盖小型车、中型车、SUV、性能车等每个平台都养着一支独立的研发团队。电动化之后整车平台的通用化程度大幅提高很多车企已经把几十个平台收敛成三到五个纯电平台。平台合并的直接后果就是重复岗位被消掉同一类工程问题不再需要多组人马各自解决。与此同时零部件采购也从“多品牌分散谈判”变成“跨品牌集中采购”采购部门的人员配置也随之精简。这套做法对工程师个体来说很残酷但从企业财务角度几乎必然发生。电动平台的开发费用动辄几十亿如果不做平台共用每个品牌各自开发成本根本无法摊薄。用大白话说就是以前每家门店都自己养一套厨师班子现在集团建了一个中央厨房门店只需要把菜热一下就行。厨师岗位减少是必然的留下来的是懂中央厨房流程、标准和新设备的人。传统汽车巨头如果还想维持多品牌战略就只能在底层平台上做整合这是唯一能对冲电动化高研发投入的办法。3.2 用并购和合资补课软件能力不能全靠自研另一个方向的调整在技术路线之外。很多传统巨头意识到软件能力不能完全靠自研因为从零组建一支成熟的软件团队并磨合到可用状态通常需要五年以上。而市场上的新势力品牌和软件公司已经完成了部分技术积累直接并购或合资显然更划算。过去几年我们可以看到大量传统车企与科技公司成立合资公司或者直接收购初创团队。这种“补课式并购”看似只是资本操作实际上对人员的冲击非常大被收购团队往往带着股权激励和不同的薪酬体系并进传统车企后薪酬倒挂、岗位重叠、文化冲突都是常见问题最终导致原公司员工和新并入团队都在经历一轮流动。所以别把裁员简单理解成“裁掉老员工招进新人”。更准确的说法是人员从低效和高重复的区域向高价值和高增长的区域迁移迁移不过去的人会被留在原处等待新的安排。这种迁移在报表上可能体现为裁员但在实地上它更像一场横跨工厂、研发中心、软件基地的大规模人口再布局。这场再布局决定了未来十年企业的人才底座也解释了为什么“一边裁五万一边又在新领域招人”会成为常态。3.3 给管理者的三条实操建议站在管理者角度我有几点建议算是这些年看各种转型项目攒下来的经验。第一动手裁人之前先把“技能资产账”盘清楚。不是所有冗员都该走有些岗位虽然现在看起来饱和但在未来三到五年的新业务里反而稀缺。算清楚哪些代码库、工艺专利、客户关系掌握在谁手里再决定优化名单远比按年龄、部门、薪酬做一刀切更有效。第二让业务重组带动人员重组。如果只是一味下达离职指标却没有调整业务边界和组织架构就会发现裁完了还要再招等于白忙一场。第三沟通层面一定要给足确定性。员工对未来的恐慌往往比实际损失更消耗组织效率。明确的转岗窗口期、透明的补偿方案、走与留的边界条件这些动作虽然成本不低但能避免最坏的结果——核心人才在调整中流失。这些建议不针对任何具体企业各家车企的做法也有差异但底层逻辑都是相通的裁员从来不是目标结构达标才是目标。如果一个转型项目只看到“多少人走了”看不到“哪些能力留下来了”十有八九会失败。管理者和普通员工的区别就在于此员工看到的是离开的名单管理者看到的是剩下的人能不能撑起新业务。4. 这一刀的影响范围远超一家公司的围墙4.1 供应链上下游的连锁反应五万人的裁员真正的影响范围绝不会被关在围墙里。汽车行业是典型的链式产业整车厂一个岗位往往对应着上下游好几个岗位。业内常有人用一比四到一比六去估算整车岗位与供应链岗位的比例不管具体数字如何方向是明确的整车厂每少招一个人供应商那里可能少两三个订单交付岗位。零部件供应商接到减产通知后通常不会立刻裁人而是先大量削减临时工和外包再推迟扩产计划最后才动正式员工。这个过程看似慢但传导到区域就业市场时波及面通常会比整车厂官方宣布的裁员数字大得多。再从资金链角度看供应商被车企压价是常态。新订单还没稳定老订单又在缩水很多中小供应商为了保住现金流会选择放弃部分传统业务线转做电动化部件。这种由中小企业主导的转型更像是一场生死考验押对了方向就能活下去押错了可能就是关厂。所以车企裁员对供应链来说不只是一顿晚餐少了一盘菜而是整张餐桌的菜单都换了。传统零部件巨头也逃不过这种压力谁手上的燃油车客户比例越高谁的战略焦虑就越重。4.2 产业集群与区域就业的重构汽车产业有很强的地理集聚效应。一座城市如果长期依赖一两家大型整车厂及其零部件园区当地的服务业、物流、地产、教育都会围绕这个产业转动。当整车厂裁员并收缩产能区域经济会面临一个明显的中期调整期。新的电池厂、软件研发中心、数据中心往往选址在另外的地方要等这些新产业形成规模少说也要几年时间。在这段窗口期区域就业市场的承接能力十分有限定向转岗培训可以缓解一部分问题但没法解决所有问题。更需要关注的是技能错配。老汽车工人熟悉的是焊接、装配、喷涂而新产业需要的是电池工艺、软件测试、数据分析。同样是产业工人工作地点变了技能要求变了薪酬体系也变了。很多从业者不是不愿意学习而是年龄、家庭、语言等多重约束让他们难以完成这种切换。这种错配带来的就业摩擦会在未来几年持续影响城市的经济活力。这是一个需要耐心计算的成本问题也是很多地方在招商引资时反复权衡汽车产业电动化转型的原因之一。4.3 不同群体的应对参考说点对个人更实用的。如果你现在做传统动力总成相关岗位未必需要绝望。内燃机不会瞬间消失混动、增程还有不少订单商用车、工程机械、船舶动力这些非乘用车领域对柴油机的需求还会延续很多年。问题是乘用车岗位的收缩趋势很明显继续守着老路子的风险正在变大。比较务实的路径有几条一是往三电系统靠从电驱、电池包集成、热管理这些环节切入很多知识和已有的硬件测试经验相关二是利用多年工程经验转做技术管理、质量体系、功能安全这些岗位对行业深度非常看重三是换赛道进入新能源基础设施、储能系统、充电运营等行业。对于零部件供应商的从业者更有价值的动作是观察所在公司的客户结构。如果大客户还停留在传统燃油车项目上又迟迟没有新订单那就算现在不裁员两三年后也会面临类似压力。早点学习电动化相关的供应链管理知识或者主动参与公司的转型项目在职场上通常能拿到更多主动权。与其被动等待名单公布不如提前三个月开始给自己留后路这是我在无数案例里看到的最明显的行为差异。5. 容易被误读的信号别把“裁员”和“衰落”画等号5.1 裁员数从来不是唯一指标最后聊几个容易误读的信号。第一“裁员五万”不等于“公司快完了”。跨国车企账上的现金储备依然相当可观整体利润也能维持这次调整更多是面向未来十年竞争的战略性收缩。就像一个人体重太大为了参加田径比赛去做减脂手术你不该说这个人病入膏肓他只是在为一个明确的目标重新调整身体状态。当然减肥过程会有肌肉流失也会出现并发症这正是“阵痛”两个字的意思。但企业的经营基本面并没有瞬间崩塌这一点要看清楚。行业内判断一家车企是否真正衰落从来不只看裁员人数。还要看净现金、单车利润、市场份额、新品节奏这些经营指标。如果一家企业裁了五万人但新产品销量在涨、毛利在修复、软件团队在扩编那这五万人的离开是改革如果它裁了五万人同时新业务也在收缩、市场份额持续下降那才需要担心。5.2 一边裁旧岗、一边招新人是动态平衡第二裁员和扩招经常同时出现在同一家公司。一位专门负责招聘的朋友跟我讲过判断一家公司是否真正衰落不能只看“走了多少人”还要看“来了什么人”。如果走的多是传统动力总成、传统职能岗位来的是软件、三电、数据团队那说明企业是在主动换血。如果连新业务部门也在收缩那就真的危险了。这种区分对求职者和行业观察者都很重要因为它直接影响你对机会的判断。我看到很多人在裁员新闻下面评论“这行业完了”随后半年内同一家公司又因为招不到软件人才而把招聘预算翻倍。信息爆炸时代单一的新闻片段最容易误导人。下结论之前至少先看三组数据新能源销量占比、研发费用增长情况、新业务岗位的招聘数量。三组数据放在一起比一百条自媒体评论都更接近真相。5.3 求职者该盯什么而不是盯情绪第三对个人求职来说建议别被一条新闻左右情绪。与其在网上争论“传统车企是不是没落了”不如花半小时翻一下目标公司的公开财报重点关注三件事新能源车型的季度销量占比、研发费用的增长方向和结构、软件相关岗位的招聘趋势。这些数字不会骗人而且比任何短视频都更接近真实情况。如果一家公司的电动车销量在涨、软件团队的招聘规模在扩张那即便它今天宣布裁员也大概率只是在调整底盘而不是在沉船。我在实际接触中见过不少例子有的工程师在传统动力部门被裁之后通过半年系统学习转进了电池系统集成岗位反而实现了职位升级也有人在同样的处境下只是刷短视频宣泄情绪错过了一整轮窗口。同样一次裁员对一个人的意义完全取决于他自己准备了多少。行业不会为个人停下但个人可以提前为行业变化做出选择。这个时代的确定性本来就在减少与其问“公司会不会裁我”不如问“如果明天失业我手里的技能还能让我去哪”。我自己经历过不止一次类似的调整最深的体会是组织调整本身不可怕可怕的是信息不对称让人在等待中被焦虑消耗。五万人这个数字放在那么大一家企业身上可能只是几个部门名单的事但落到每个数字背后都是活生生的人、家庭和职业选择。所以对正在经历或即将经历这种变化的朋友我想说一句大船转向的时候总有人要先下船但下船不代表终点也可能是换乘。趁这个窗口认真审视自己手里的技能资产看清行业真正往哪里走再决定是留在本船还是换一艘。这个时代不会再给任何人一份“干到退休”的合同但它也会给愿意变化的人更多选择。

相关新闻

基于知识图谱与生成式AI的智能食谱推荐系统设计与实现

基于知识图谱与生成式AI的智能食谱推荐系统设计与实现

简介:基于知识图谱和生成式AI的智能食谱推荐系统毕业设计源码,面向计算机相关专业正在准备毕设的学生及需要项目实战练习的学习者。项目以知识图谱组织食谱数据,结合生成式AI提供智能推荐,难度适中,适合作为课程设计或…

2026/10/18 12:51:38 阅读更多 →
企业级智能体定制实战:从大模型到岗位数字员工的落地指南

企业级智能体定制实战:从大模型到岗位数字员工的落地指南

这几年你要是跟企业数字化部门的人聊天,十句里八句离不开“智能体定制”。不是那种大模型刚上市时的演示Demo,是真金白银往业务里扎的落地项目。我今年先后参与了几家客户的智能体定制项目,行业从制造业到企业服务都有,踩了不少坑…

2026/10/18 12:51:38 阅读更多 →
企业微信回调对接实战:URL验证、消息加解密与自动回复

企业微信回调对接实战:URL验证、消息加解密与自动回复

简介:这是一份基于Spring框架的企业微信对接示例项目,面向需要快速掌握企业微信消息接收与自动回复功能的Java后端开发者。项目完整演示了企业微信API调用、签名验证、XML消息解析与结果构造、事件处理等核心流程,并整合了AppID、AppSecret等…

2026/10/18 12:51:38 阅读更多 →

最新新闻

Select模型详解:Windows Socket TCP服务端实现与优化

Select模型详解:Windows Socket TCP服务端实现与优化

聊到Windows下的网络编程,“五种I/O模型”绝对是一个绕不开的话题。很多人在面试或者做项目的时候第一次接触这个概念,当场就被Select、WSAAsyncSelect、WSAEventSelect、重叠I/O、完成端口这一串名词搞懵了。说实话,这五个模型确实容易让人望…

2026/10/18 21:46:11 阅读更多 →
RT-Thread移植到CH32V307VCT6:Ubuntu下RISC-V BSP开发全流程

RT-Thread移植到CH32V307VCT6:Ubuntu下RISC-V BSP开发全流程

把RT-Thread移植到CH32V307VCT6这颗国产RISC-V单片机上,再顺手做一个能在Ubuntu下编译的BSP包,这活儿听起来不大,实际上涉及工具链、启动文件、时钟树、串口驱动、链接脚本和构建系统一堆事。我这次折腾完整套流程,把中间踩过的坑…

2026/10/18 21:46:11 阅读更多 →
从Demo到生产:Spring AI Alibaba Admin工程化实践

从Demo到生产:Spring AI Alibaba Admin工程化实践

做了三年AI应用,我的感受是:Demo和产品之间隔着一整条生产线。朋友圈里炫的AI聊天机器人、RAG问答神器,绝大多数都停在了玩具阶段——本地跑得欢,一上生产就崩。这不怪模型,怪工程。真正让我觉得AI应用"从玩具变成…

2026/10/18 21:46:11 阅读更多 →
LDA主题模型实战指南:从原理到gensim落地与调参避坑

LDA主题模型实战指南:从原理到gensim落地与调参避坑

简介:面向需要主题建模实战参考的Python开发者,这份LDA主题模型实现代码包围绕gensim库给出了可运行的训练脚本,覆盖文本预处理、词典构建、语料转换、LdaModel训练与主题分布输出等核心步骤。资源包共12个文件,压缩后仅10KB&…

2026/10/18 21:46:11 阅读更多 →
Python+PySide6打造桌面透明悬浮窗:金价监控小工具全解析

Python+PySide6打造桌面透明悬浮窗:金价监控小工具全解析

简介:面向日常盯盘与上班摸鱼场景,这款黄金金价监控气泡工具能把内外金价实时浮在电脑右下角,与系统时间并列显示,每60秒自动刷新,无需频繁打开网页或手机即可掌握最新行情。工具采用Python编写,纯悬浮气泡…

2026/10/18 21:46:11 阅读更多 →
增量索引实战:新文档怎么做到分钟级可检索

增量索引实战:新文档怎么做到分钟级可检索

个人主页&#xff1a;> for_ever_love__ <&#xff08;欢迎各位大佬莅临&#x1f60a;&#xff09; 其他栏目: > 大模型开发从0到1 < 其他栏目: > iOS项目总结大全 < 其他栏目: > 我想学python了 < 其他栏目: > iOS UI < 文章目录增量索引实战&a…

2026/10/18 21:45:10 阅读更多 →

日新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型&#xff08;GMM&#xff09;的语音识别系统&#xff0c;很多人第一反应就是一堆数学公式&#xff0c;觉得门槛很高。但如果你真的在MATLAB里把它落地跑通&#xff0c;会发现核心其实就是三件事&#xff1a;把声音变成特征向量&#xff0c;用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人&#xff0c;但落到具体操作上&#xff0c;无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程&#xff1a;对图像做反白、改调色板、彩色转灰度&#xff0c;最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词&#xff0c;你会发现一个很有意思的现象&#xff1a;每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型&#xff0c;有人指的是运动控制系统&#xff0c;还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型&#xff08;GMM&#xff09;的语音识别系统&#xff0c;很多人第一反应就是一堆数学公式&#xff0c;觉得门槛很高。但如果你真的在MATLAB里把它落地跑通&#xff0c;会发现核心其实就是三件事&#xff1a;把声音变成特征向量&#xff0c;用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人&#xff0c;但落到具体操作上&#xff0c;无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程&#xff1a;对图像做反白、改调色板、彩色转灰度&#xff0c;最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词&#xff0c;你会发现一个很有意思的现象&#xff1a;每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型&#xff0c;有人指的是运动控制系统&#xff0c;还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 0:55:02 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →