
CNET科技资讯网 10月28日 北京消息(文/周雅):“亚马逊会员服务(Amazon Prime)正式登陆中国”,这是亚马逊全球高级副总裁罗素∙高(Russell Grandinetti)今天上午在北京宣布的“给中国消费者带来的惊喜”。
亚马逊全球Prime负责人格雷格∙格莱利(Greg Greeley)
随后,亚马逊全球Prime负责人格雷格∙格莱利(Greg Greeley)梳理了亚马逊prime时间轴:
2005年2月,亚马逊在美国最先推出Prime会员制度,当时美国消费者只需支付79美元会员年费便能享受“免费两日到货”的境内快递服务;2007年,Prime在德国、英国和日本上线;2014年,亚马逊将Prime会员费增加至包年99美元/包月10.99美元;2015年7月,亚马逊在成立20周年之际推出了首届Prime Day全球大促,当时亚马逊声称这个促销直接对标黑五折扣力度。
据消费情报研究机构CIRP数据显示,目前亚马逊美国Prime会员人数已经达到6500万人,占总美国亚马逊总消费者人数的一半以上。亚马逊Prime会员年均消费1200美元,而非会员年均消费为600美元;而美国投行派杰(Piper Jaffray)的一项最新调查显示,亚马逊的Prime会员服务仍在继续吸引美国高收入阶层的家庭用户:年收入在11.2万美元以上的美国家庭中的Prime会员比例是所有收入阶层中最高的;在年收入超过11.2万美元的中产家庭中,将近75%的家庭都是Prime会员。
除了美国本土之外,亚马逊先后在德国、英国、日本、法国、意大利、加拿大和印度开通了Prime会员制度。中国是继印度之后,亚马逊今年在海外开通会员制的第二个国家。
在中国的亚马逊Prime会员服务为“中国消费者定制版”,与美国本土的Prime会员服务的区别在于:
1、中国的该服务包含亚马逊海外购商店中超过400万的选品,以及亚马逊中国网站超过900万的选品。
2、单笔订单满200元人民币,就可以享受跨境订单免费配送,全年无限次;同时还可享受国内订单全年零门槛无限次免费配送服务。
3、Prime会员的跨境订单从亚马逊美国全程空运直邮中国,其中82个城市预计可在平均5-9个工作日送达,速度优于目前亚马逊海外购商店提供的标准配送时间。但由于国家相关政策,单笔订单超过2000元或者消费者全年订单超过两万元的,清关时间可能会有所延长。
4、Prime会员服务一年388元,消费者还可享受30天免费试用。用户现在以188元的限时抢先价购买,能获得一年会员服务,限时抢先活动截止到2017年2月28日。
不过,其实亚马逊今年也做了些视频广告线上和楼宇投放,不仅仅是为Prime,也是海外购的宣传。
亚马逊海外购商店自2014年11月在中国上线以来,成为了亚马逊全球第一个本地化的全球商店,商品是亚马逊美国网站同质同价的商品,物流是亚马逊全球物流从亚马逊美国运营中心直邮过来,甚至连消费者体验都是本土化的:单一账号、统一购物车、本地支付和本地客户服务等。
如果说,海外购商店考虑的头等大事是中国消费者对正品和选品丰富度的需求,那么,Amazon Prime就是考虑到消费者对跨境配送“免邮”以及“更快”的需求。
此外,亚马逊中国同期推出了“第三届海外购物节”,该购物节将持续至12月2日。期间,消费者不仅能够以优惠价格从亚马逊中国买到来自七万国际品牌的近千万件全球尖货,更可在“黑色星期五”期间通过亚马逊海外购商店享受众多与亚马逊美国同步商品折扣。
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。