速賣通為品牌出海搭建百大網紅直播矩陣，618正式開播
重點摘要
速賣通AliExpress品牌出海計劃再升級！今年618期間，阿里旗下跨境電商平臺速賣通開啟大規模直播帶貨，組建百大海外網紅矩陣，為超60箇中國品牌進行100多場直播，覆蓋全球14個國家。 這是速賣通品牌出海計劃的又一迭代升級，繼續從單一“賣貨”渠道向“品牌成長基礎設施”躍遷。 6月1日是速賣通海外618大促的第一天，記者在杭州阿里總部看到，兩位來自西班牙和日本的網紅，正在透過鏡頭向當地消費者介紹速賣通Brand+裡的中國品牌。 鏡頭的另一端，是Youtube上兩位網紅的粉絲們，彈幕和評論蹭蹭跳出，諮詢商品的型號、折扣、發貨時間。 據速賣通介紹，這樣的直播今年618期間將有至少100場，除了今天在杭州開播的2場，其餘均在海外當地開播，覆蓋西班牙、法國、意大利、波蘭、德國、美國、巴西等14個國家。參與直播的中國品牌數量達到了60個，如小米、Gamesir（蓋世小雞）、榮耀、綠聯等，這些品牌均已加入速賣通Brand+品牌出海計劃。 （）直播矩陣將成為品牌出海的“生態基建” 速賣通國家業務負責人英朋介紹說，當前中國品牌出海面臨的核心痛點是“缺乏認知和信任”。為此，速賣通將海外網紅直播提升至核心戰略高度：通過內容種草深度連接中國供應鏈與世界消費者，助力中國品牌在海外完成從單純“賣貨”到“建立品牌資產”的能力跨越。 一方面，速賣通順應海外Z世代依賴KOL決策的趨勢，利用本地網紅進行“文化轉譯”，打破中國製造“低價低質”的刻板印象；另一方面通過“反向溯源直播”等創新玩法，邀請海外網紅深入中國產業帶，將供應鏈轉化為可視化的品牌故事。 這一策略已在前期測試中得到驗證。去年618，速賣通邀請美國千萬粉絲級網紅深入泡泡瑪特北京樂園進行“反向帶貨”，吸引全球24萬人觀看，Labubu等熱門IP瞬間售罄。經過一年的鏈路打磨，今年速賣通正式將這一能力向品牌全面開放。 天貓行車記錄儀類目Top2品牌盯
速賣通AliExpress品牌出海計劃再升級！今年618期間，阿里旗下跨境電商平臺速賣通開啟大規模直播帶貨，組建百大海外網紅矩陣，為超60箇中國品牌進行100多場直播，覆蓋全球14個國家。 這是速賣通品牌出海計劃的又一迭代升級，繼續從單一“賣貨”渠道向“品牌成長基礎設施”躍遷。 6月1日是速賣通海外618大促的第一天，記者在杭州阿里總部看到，兩位來自西班牙和日本的網紅，正在透過鏡頭向當地消費者介紹速賣通Brand+裡的中國品牌。 鏡頭的另一端，是Youtube上兩位網紅的粉絲們，彈幕和評論蹭蹭跳出，諮詢商品的型號、折扣、發貨時間。 據速賣通介紹，這樣的直播今年618期間將有至少100場，除了今天在杭州開播的2場，其餘均在海外當地開播，覆蓋西班牙、法國、意大利、波蘭、德國、美國、巴西等14個國家。參與直播的中國品牌數量達到了60個，如小米、Gamesir（蓋世小雞）、榮耀、綠聯等，這些品牌均已加入速賣通Brand+品牌出海計劃。 （）直播矩陣將成為品牌出海的“生態基建” 速賣通國家業務負責人英朋介紹說，當前中國品牌出海面臨的核心痛點是“缺乏認知和信任”。為此，速賣通將海外網紅直播提升至核心戰略高度：通過內容種草深度連接中國供應鏈與世界消費者，助力中國品牌在海外完成從單純“賣貨”到“建立品牌資產”的能力跨越。 一方面，速賣通順應海外Z世代依賴KOL決策的趨勢，利用本地網紅進行“文化轉譯”，打破中國製造“低價低質”的刻板印象；另一方面通過“反向溯源直播”等創新玩法，邀請海外網紅深入中國產業帶，將供應鏈轉化為可視化的品牌故事。 這一策略已在前期測試中得到驗證。去年618，速賣通邀請美國千萬粉絲級網紅深入泡泡瑪特北京樂園進行“反向帶貨”，吸引全球24萬人觀看，Labubu等熱門IP瞬間售罄。經過一年的鏈路打磨，今年速賣通正式將這一能力向品牌全面開放。 天貓行車記錄儀類目Top2品牌盯盯拍（DDPAI）在速賣通保持了連續兩年超100%的高速增長，並穩居中東市場行車記錄儀類目第一。此次海外618大促中，盯盯拍與速賣通深度協同，首次在意大利、美國、沙特等核心市場開展10場高密度網紅直播。 盯盯拍品牌方表示，希望依託速賣通對本地人群的精準洞察及站內外整合營銷資源，在快速拉動GMV增長的同時，高效打通新興市場，加速品牌在全球範圍內的知名度滲透與心智建設。 英朋表示，直播矩陣將成為速賣通為品牌打造的長期“生態基建”。未來，速賣通將建立“全球直播日曆”，設立月度主題直播，為商家提供常態化直播資源；推出達人成長計劃，聯合本地MCN機構培養跨境直播人才；並探索虛擬主播、AI輔助解說等新技術應用，降低商家接入門檻。 （）品牌出海計劃再升級：Brand+營銷覆蓋美洲和韓國 除直播矩陣外，今年618速賣通“Brand+”品牌出海計劃繼續升級。據速賣通品牌出海營銷負責人衍之介紹，平臺 “超級品牌日”、“超級新品日”等IP將進一步開放至美洲、韓國等核心市場，過去半年已成功助推手機品牌小米、AR眼鏡品牌雷鳥、3D打印機品牌Anycubic、割草機器人品牌Anthbot等20餘個頭部品牌完成海外新品首發。 未來，速賣通還將整合阿里集團歐冠等頂級體育IP資源，推出品牌年框合作計劃，並全面啟動產品化與AI能力建設。 自2025年9月推出以來，速賣通“Brand+品牌出海計劃”不斷加強能力建設，用亞馬遜一半成本為品牌提供多元化解決方案，在中高端市場向亞馬遜發起挑戰。公開數據顯示，2025年速賣通平臺品牌GMV同比增長40%，品牌買家滲透率已超30%，2026年目標幫助2000箇中國品牌出海規模翻倍。
Related
相關文章
基於任務種子的合成問答生成用於Nemotron預訓練
在大型語言模型的開發中，問題不再只是模型看到多少數據，還在於數據是否包含足夠的結構化學習信號。一般網絡、程式碼、數學、多語言和領域數據提供了廣泛基礎，而基於任務種子的合成問答（SDG）通過添加緊湊、任務結構化的範例來補充它們，這些範例具有明確的資訊需求、受限的回應空間，以及將證據與答案聯繫起來的解釋。在Nemotron-3 Nano模型的1000億詞元延續實驗中，基於任務種子的SDG使MMLU-Pro提升1.8分，平均程式碼能力提升1.9分，常識推理能力也有所提升。
LeCun 10億押注的方向，全球領先視覺大模型團隊早已佈局
LeCun投入10億美元押注的隱空間世界模型領域，雖然技術難度極高，但全球領先的視覺大模型團隊早已展開相關佈局。這項技術被視為未來AI發展的關鍵方向，團隊決心克服挑戰持續推進。
剛剛，李飛飛親自下場定義世界模型
李飛飛近日明確重新定義「世界模型」，強調渲染、模擬與規劃三大功能應無縫整合，而非各自獨立發展。她認為真正的世界模型必須讓AI能同時感知環境、推演動態並制定策略，此觀點可能推動機器人與自駕車等領域的突破。相關研究論文或開源框架預料即將發布，將影響未來AI研發方向。
慕尼黑工大Johannes Betz 教授：時速300公里的自動駕駛超車 ｜ ICRA 2026
大多數AI賽車研究停留在仿真裡，這輛車是真的在賽道上撞過。 作者丨陳淑瑜 編輯丨岑 峰 2026年6月2日，在ICRA 2026大會上，慕尼黑工業大學（TUM）自動駕駛實驗室負責人Johannes Betz發表了題為“Autonomous Vehicles & Navigation ”的演講，系統回顧了過去八、九年其團隊在自動駕駛賽車領域的研究歷程與核心洞察。Johannes Betz開篇即拋出一個尖銳的問題：為什麼要研究自動駕駛賽車？他的回答直指機器人學的一個根本困境：賽車天然集成了多變環境、高速交互與極小容錯空間三個極致要素，構成了完美的研究沙盒。在此基礎上，他的團隊選擇了一條與主流“端到端強化學習”截然不同的技術路徑：一套經典的生產級感知-規劃-控制管線，輔以“一個博士生一個算法”的管理哲學，確保每個模塊擁有完全的技術所有權和極致的工程深度。在軟件架構層面，Betz提煉出四條硬核教訓：第一，多傳感器融合（GPS+激光雷達+毫米波雷達）是高速定位的基石，尤其是在GPS信號拒止的真實戰場環境中；第二，三維狀態估計是捕捉漂移、側偏角等極限動力學的前提，缺此則一切免談；第三，全局-局部雙層規劃架構，結合博弈論實現多車交互預測，是賽車能夠自主決策超車時機的關鍵——他展示了一段在阿布扎比亞斯碼頭賽道上完成的並排超車視頻，全程自動駕駛，十次中有九次成功；第四，當經典管線跑通之後，真正的挑戰來到了“如何比人類更快”。為此，Betz 團隊耗時三年，逆向工程了人類賽車手的行為模式，開發出名為APEX的“人類啟發的主動駕駛智能”系統。APEX的核心邏輯是：人類通過視覺、觸覺、聽覺感知極限，再憑藉記憶持續調整軌跡來逼近極限，而非死守一條固定的最優基線。這套系統在與梅賽德斯-AMG的合作測試中，以2.6秒的優勢擊敗了奔馳測試車手，又以1秒優勢戰勝了前DTM賽車手本·施奈德。然而在面對目前F1車
港中深王方鑫團隊：3D 重建的「玻璃杯難題」，終於被擺上檯面丨CVPR 2026
3DReflecNet：一個專為玻璃、金屬與陶瓷等材料建立的大規模數據集。 作者丨樊天驕、鄭佳美 編輯丨鄭佳美 想為手上的玻璃杯生成 3D 模型，需要幾步？拍照、掃描、建模......聽上去似乎很簡單，可如果你真的動手試試，得到的往往是佈滿孔洞、邊緣扭曲的殘缺結果。這就是當前 3D 重建技術的瓶頸：無論是爆火的 3D 高斯濺射（3D Gaussian Splatting, 3DGS）、神經輻射場（Neural Radiance Fields, NeRF），還是傳統的多視圖立體匹配方法，都只對不反光的漫反射材質且擁有足夠清晰的紋理特徵的物體有效。而對於那些具有反射、透明和低紋理表面特性的材料，現有技術可以說是束手無策，比如金屬、玻璃和陶瓷。金屬的反光特性會讓同一物體在不同角度、不同光照下呈現截然不同的特徵，玻璃的折射徹底會扭曲光線傳播路徑，光滑的陶瓷則缺乏可供算法匹配的特徵點。這就造成了以下現象：服務機器人想要拿起一個玻璃碗，卻常常因為識別不到物體輪廓而失手；工業質檢系統試圖掃描拋光後的不鏽鋼零件時，得到的 3D 模型卻總是扭曲且失真的。算法，就像是活在一個物體都是漫反射的世界裡，而真實物理世界遠遠比這複雜得多。在這樣的行業背景下，香港中文大學（深圳）王方鑫教授團隊聯合首都師範大學、南加州大學的研究者提出了《3DReflecNet: A Large-Scale Dataset for 3D Reconstruction of Reflective, Transparent, and Low-Texture Objects》，構建了專門針對反射、透明、低紋理三類高難度物體的大規模混合 3D 重建數據集。這項研究打造了一個包含 12 萬+合成實例、1000+ 真實物體、總規模超 22 TB 的綜合數據集，並建立了涵蓋圖像匹配、運動恢復結構、新視角合成、反射去除和重光照五大核心任務
世界模型，擠滿了00後
這篇消息聚焦「世界模型，擠滿了00後」。原始導語提到：資本集體“叛變” 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。