FeedBag v1.2.4
近 3 天新闻 · 共 211 条
巴西的消费市场,有多少是靠信贷撑起来的?
虎嗅 · 1 小时前
本文来自微信公众号: 好望角view ,作者:好望角出海编辑部11月17日,巴西瓦加斯基金会(FGV)公布了一项关于居民消费的研究。从2023年12月到2026年6月,巴西家庭实际收入每增加100雷亚尔,月度债务偿还支出就增加58.4雷亚尔,其中约一半用于支付利息。与此同时,巴西的失业率降至5.2%,接近2012年有统计记录以来的最低水平,居民消费增速却从2024年的5.1%降至2025年的1.3%。2026年第二季度,居民消费环比下降0.4%。blogdoibre.fgv.br在此前的10月27日,巴西央行披露,截至2026年6月,巴西处于高风险负债状态的人数达到2030万,较五年前增长75%,占全国金融系统借款人的17%。仅过去一年,这个群体就增加了约270万人。巴西上一轮大规模居民债务恶化发生在2015年至2017年的经济衰退期间。疫情期间,部分家庭也因收入中断陷入财务困境。这一次,巴西拥有相对强劲的就业市场,劳动者的实际收入还在增长,越来越多的家庭却陷入了债务困境。问题出在了哪里?01工资涨了,钱去了哪里?巴西央行对高风险负债者制定了四项识别标准:逾期还款超过90天;超过一半的月收入用于偿债;同时使用银行账户透支、无抵押个人贷款和信用卡循环信贷;偿还债务后的剩余收入低于贫困线。满足其中两项,就会被纳入高风险负债者的统计范围。所以,这2030万人中,还包括大量仍然保持正常还款的消费者。他们拥有工作、收入和银行账户,每个月也在按时偿还贷款,只是家庭财务已经相当脆弱。2021年6月,巴西高风险负债者占全部借款人的9.7%。到了2023年6月,这一比例升至13.8%,随后有所回落。2025年下半年,情况再次恶化,2026年6月达到17%。FGV研究人员估算,过去一年,巴西金融系统借款人总数基本稳定在1.195亿人左右。新增的270万高风险负债者,主要来自原有借款人财务状况的恶化。blogdoibre.fgv.br巴西居民的偿债压力正在接近历史极值。2019年末,每100雷亚尔家庭收入中,约23.1雷亚尔用于偿还金融机构债务,其中7.9雷亚尔用于支付利息,15.2雷亚尔用于偿还本金。2026年第二季度,这三项数字分别变成了28.5雷亚尔、10.7雷亚尔和17.8雷亚尔。过去六年多,巴西家庭用于支付利息的收入比例增加了2.8个百分点。到了今年8月,家庭总体偿债支出占收入的比例进一步升至29%。利息支出增加,与本金偿还增加,对家庭财务产生的影响存在很大差别。偿还本金会减少家庭负债,逐渐释放未来收入。支付利息则属于使用资金的成本,利息支出增加,意味着家庭需要投入更多收入才能维持原有的债务规模。FGV发现,自2024年初以来,巴西家庭偿债负担的增量中,近三分之二来自利息。这解释了部分巴西家庭面临的一种困境:工资上涨了,还款支出增加了,家庭债务却消化得很慢。对于商业企业,尤其是零售商而言,宏观统计中的居民收入与消费者能够支配的现金,中间隔着一层金融负债。当已有债务吸收了相当一部分新增收入,劳动市场的繁荣传导至零售市场的效率就会下降。02穷人为什么更依赖昂贵的贷款?2026年9月,巴西央行披露,当月新发放贷款的平均年利率达到32.4%。在市场化定价的个人信贷业务中,平均年利率达到62.4%,较上年同期提高3.7个百分点。同一口径下,企业信贷利率为24.4%。bcb.gov.br信用卡循环信贷的成本更高。巴西央行10月9日至16日的统计显示,努银行旗下金融机构信用卡循环信贷的月利率为13.17%,折合年化利率341.32%;巴西布拉德斯科银行这一利率为371.17%,伊塔乌联合银行则为400.17%。bcb.gov.br如此昂贵的信贷,主要对应消费者未能全额偿还信用卡账单后产生的融资需求。巴西已经对这类业务实施了干预。自2024年1月起,信用卡循环信贷和计息账单分期的累计利息及金融费用,被限制在原始欠款金额的100%以内。这限制了一笔特定债务最终能够累积的费用,但消费者在短期内承担的资金成本依然很高。www.bcb.gov.br更昂贵的信贷,正在集中到支付能力相对较弱的人群中。巴西央行的数据显示,收入低于两倍最低工资的借款人,平均约42%的收入用于偿还债务,仅信用卡债务就占去约15%的收入。相比之下,收入超过十倍最低工资的借款人,整体偿债支出仅占收入的18.6%。这种差距一部分来自不同收入群体能够获得的金融产品。拥有房产、稳定工资和金融资产的借款人,可以用抵押、工资代扣等方式为自己的信用增信,获得期限较长、成本较低的贷款。低收入群体可用于抵押的资产有限,储蓄也相对较少。一笔意料之外的医疗开支、摩托车维修费用,或者一次短暂的收入中断,就可能迫使他们使用信用卡循环信贷和账户透支。从金融机构的角度看,较高的贷款利率包含资金成本、预期信用损失、运营成本及风险溢价。从消费者的角度看,能够在需要用钱的时候获得资金,本身就具有很高的价值。经济学中有一个概念叫流动性约束。一个拥有稳定工作的人,即使未来收入能够覆盖某笔开支,也可能因为缺少当期现金,而被迫购买昂贵的短期资金。这种约束会改变一个人对贷款价格的敏感程度。对资金充裕的人而言,贷款利率从20%上升至30%,可能足以促使他放弃借款。但对急需支付房租、医疗费或者维持日常生活的人来说,能够及时拿到贷款,比利率高低更紧迫。这也是巴西央行行长加布里埃尔·加利波洛近期表达担忧的原因。他发现,在信用卡、账户透支和无抵押个人贷款等产品中,信贷需求对价格变化表现出较低的敏感性。这类消费者购买的,其实是度过眼前财务困难的一段时间。问题在于,这段时间的价格正在变得越来越贵。03数字银行的新生意11月12日,巴西数字银行Nubank的母公司Nu Holdings公布了一份创纪录的三季度财报。公司季度收入达到63亿美元,同比增长37%;净利润达到11亿美元,同比增长31%。在巴西,Nubank拥有接近1.2亿名客户,覆盖约65%的成年人口,客户活跃率达到86.3%。信用卡与贷款业务继续扩张。Nu Holdings集团信用卡资产规模达到272亿美元,无抵押贷款资产达到110亿美元,分别同比增长32%和39%。在巴西市场,公司三季度无抵押个人贷款发放额达到221亿雷亚尔,同比增长28%。nu.comNubank是过去十多年巴西数字金融发展的一大受益者。相比拥有庞大线下网点的传统银行,数字银行大幅降低了金融服务的经营成本,使更多普通消费者可以开立账户、使用信用卡,并获得小额贷款。一家企业在进入数字银行领域的早期,主要解决的是客户数量问题。但当一个国家超过一半的成年人已经成为其客户,增加单个客户使用金融产品的种类与频率,就会成为收入增长的重要来源。这与零售商的经营逻辑有些相似。零售商拥有消费者的购买记录,进而向他推荐更多商品。数字银行拥有消费者的收支、转账、账单和信用记录,可以据此提供更符合其金融需求的产品。贷款业务的特殊之处在于,金融机构掌握的部分需求信号,与消费者财务困难的信号可能高度重合。一个账户频繁出现余额不足,一名客户的信用卡额度即将用完,或者一个消费者开始使用多种短期融资工具,这些行为既反映了风险,也反映了即时资金需求。风险识别和贷款需求识别,在某些情况下使用着相似的金融数据。如何在两者之间作出选择,考验着金融机构的经营能力。巴西央行在10月的金融稳定报告中披露了一项调查:低收入消费者平均每月收到9次信贷产品推销,部分消费者因此进行了原本没有计划的借贷活动。金融应用中的预授信额度展示、贷款推送以及支付环节中的信贷推荐,都能够减少借款决策所需的时间。bcb.gov.br过去,金融机构需要消费者主动提出贷款申请。现在,金融机构可以提前完成授信,在消费者产生资金需求时,把金融产品送到他面前。于是,信贷市场的竞争逐渐延伸到了利率之外的领域:谁能更早识别借贷需求,谁能提供更便捷的申请流程,谁能在消费者最需要资金的时候完成放款。金融科技降低了贷款业务的交易成本,却未必能同比例地降低消费者支付的资金成本。当大量消费者对借贷价格的敏感性较低时,放款效率和客户触达能力本身就可以创造可观的商业回报。Nu Holdings第三季度净息差达到22.5%,扣除信用风险等因素后的净息差为12.1%。与此同时,集团90天以上不良贷款率从第二季度的6.9%升至7.3%。信贷扩张产生的收益需要与未来的信用损失一同衡量。对于拥有上亿客户的数字银行而言,客户群体的偿债能力正在成为与用户增长同等重要的经营变量。04巴西的分期消费要理解巴西人的债务,还需要了解巴西零售市场一项非常普遍的商业习惯:免息分期。巴西电子支付行业协会Abecs公布的数据显示,2026年第三季度,巴西信用卡免息分期交易金额达到4206亿雷亚尔,占信用卡交易金额的43.3%。在免息分期交易中,10至12期的分期方式占据29%的份额。abecs.org.br对于手机、冰箱、电视等耐用消费品,分期付款降低了家庭购买商品时的现金压力,也让零售商能够获得超出消费者当月支付能力的订单。免息分期与消费者偿还信用卡账单时产生的计息贷款,是两种不同的金融业务。前者是巴西零售商常用的销售工具,后者往往产生于消费者需要融资偿还既有欠款的情形。然而,这两种业务在消费者的资产负债表中会发生联系。一台冰箱、一部手机或者一件家具的分期付款,会在未来数月形成固定的还款义务。当消费者连续购买多件商品时,不同商品的分期支出可能在同一个月集中出现。单看每笔交易,消费者承担的月供都相对有限,但多笔分期付款叠加,会逐渐压缩家庭现金流的弹性。一旦收入出现波动,原本享受免息分期的消费者,就可能因无法全额偿还信用卡账单而转入计息信贷。在商家一侧,免息分期也涉及资金成本。零售商通过信用卡出售商品,会形成由收单机构支付的应收款项。如果商家希望提前获得货款,用于补充库存和支付供应商,就可以通过应收款融资业务,以支付利息及手续费为代价提前回笼资金。巴西央行专门制定了银行卡应收款的登记及融资规则。对中小商家而言,未来销售回款已经成为获得经营资金的重要资产。bcb.gov.br一笔分期销售,由此同时连接着消费信贷和商家融资。消费者获得了提前购买商品的能力,商家获得了销售收入,金融机构则承担不同环节的融资与信用风险。在低利率时期,这种机制可以促进消费,改善零售企业的资金周转。当利率升高、消费者债务压力加大,维持同等销售规模所需付出的金融成本也可能随之增长。这对巴西商业市场提出了一个问题:有多少销售增长来自居民实际消费能力的提升,又有多少来自支付期限的延长?05央行开始给贷款增加一道门槛10月23日,在公布2030万高风险负债者的数据之前,巴西央行已经发布三项新的金融监管规定。其中一项颇为特殊,指向了巴西即时支付系统Pix中的信贷推荐功能。按照新规,从2027年7月1日起,银行在用户发起Pix支付时提供贷款,需要事先获得用户的明确授权。用户开通相关功能后,还需间隔至少24小时,金融机构才能首次向其提供此类信贷报价。即时支付本身仍然保持实时到账。监管限制的是嵌入支付过程中、可能诱导用户新增债务的信贷推销行为。另一项从2027年3月31日起实施的规则,要求金融机构提供关闭主动信贷推销的功能。对于财务状况脆弱的客户,即使获得其授权,主动提供的信贷方案也应主要用于债务重组、贷款转移等能够改善现有负债条件的业务,限制向其推销增加债务的新贷款。巴西央行还要求银行提供债务信息面板,帮助客户评估已有债务和新增贷款对偿债能力的影响。未来,这一工具将逐步接入央行信贷信息系统和开放金融数据。过去,巴西金融监管的重要任务是提升金融普惠程度,让更多人获得银行账户和信贷服务。到了今天,监管机构开始关注同一个消费者从不同银行获得的信用额度,是否已经超过了他的综合支付能力。单家金融机构可以根据客户的信用状况、收入和自身业务模型作出合理的授信决策。但当消费者从多家机构获得贷款时,每家机构的授信决定都会改变其他机构面对的风险。有限的家庭收入,需要在不同债权人之间进行分配。这种风险具有累积性,仅依靠单笔贷款的风险管理,很难完整反映一个人不断变化的偿债能力。巴西央行正在尝试把监管进一步推进至客户获取、产品推荐和借贷决策环节。从这个角度看,2030万高风险负债者,也是巴西数字金融高速发展之后,必须面对的一项新的经营课题。对于正在进入巴西市场的中国消费品牌,同样需要重新审视当地的购买力。衡量一个市场的消费潜力,除了居民收入、人口规模和消费习惯,还要看消费者已经将多少未来收入分配给了过去的消费。2026年的巴西,正在同时经历就业改善、信贷扩张和消费减速。卖出去的商品越来越多地依赖金融工具完成支付,而下一笔生意的增长,又需要等待消费者腾出新的信用额度和现金流。这正是巴西消费市场当前面临的深层矛盾。
Anthropic敲响AI泡沫的丧钟?
虎嗅 · 1 小时前
本文来自微信公众号: 秦朔朋友圈 ,作者:Irene Zhou美东时间11月19日上午,纽约时代广场的纳斯达克大屏亮起“Anthropic”的字样,Claude的开发商正式挂牌,完成史上最大规模的IPO。比起前来“朝圣”的投资者和科技从业者,场外的“反AI斗士”同样抓人眼球。几十名抗议者以“#StopTechOligarchs”(阻止科技寡头)为口号聚集在纳斯达克大楼外,开盘后堵住交易所入口。笔者在现场看到,警方多次警告后,至少有5人被带上警车。旧金山的Anthropic总部外当天也有抗议。他们的诉求有四点:担心AI泡沫破裂后由普通人的养老金买单;反对财富向科技寡头集中;关注数据中心的环境影响;要求AI放慢甚至“冻结”。AI催生了一轮又一轮裁员,硅谷人心惶惶;但AI也在实实在在地推高生产率。一边是饭碗,一边是效率,这种撕裂注定让AI争议难以平息。可以确定的是,随着Anthropic敲钟,AI泡沫被推至最高潮,随即轰然崩塌。Anthropic上市当日,纳指暴跌2%;次日再跌5%,费城半导体指数单日跌超10%。AI叙事接下来将如何演绎?Anthropic的收割上周三,Anthropic将A类普通股IPO定价为每股83美元,高出发行区间上限约6.4%,并将发行规模扩大约19%至9.8亿股,募资813亿美元,创下IPO募资纪录。按发行价计算,上市市值约1.1万亿美元,完全稀释后约1.5万亿美元。首日股价一度突破100美元。成功的IPO本该提振AI产业链情绪,但Anthropic首日一度大涨30%,也抽走了本已岌岌可危的流动性。一位美国大型资管机构的AI投资负责人、Anthropic投资者对笔者表示,这源于资金再配置:投资者为买入Anthropic而卖出其他成长股。“除非采用多空策略或使用杠杆,大多数投资者要买入新标的,就必须卖出其他持仓。”他说,被卖出的恰恰是大量成长股和AI赋能类公司,纳指由此承压。尽管定价已高于区间上限,Anthropic首日仍收涨约17%,但也没能完全躲开大盘下跌的“附带损伤”。IPO次日,Anthropic股价急跌近10%,关键内因,源自其特殊的非对称解禁安排。不同于美股常规的180天单一锁定期,Anthropic采取了多阶段解禁结构。招股书破例允许非创始人董事、高管、员工及顾问在上市第一天即可出售最高10%的持股。要知道,这批首日解禁股份高达3.15亿股,按83美元发行价计算名义市值达260亿美元,按首日百元上方均价测算更突破300亿美元,形成了盘面上巨大的“暗影二级市场”。员工套现动力强劲——在2026年2月内部流动性窗口中,员工持股转让价仅折合每股26美元,面对公开市场逾3倍的确定性套现收益,内部抛压极其汹涌。如果要说Anthropic上市的积极意义在于,首家前沿AI实验室成为公众公司。市场将得以了解算力在训练与推理之间如何分配、公司如何管理债务负担,这些都将推动价格发现。Anthropic的收入增长堪称惊人:2023年第一季度开始商业化时收入为零,到2026年第三季度,单季收入已达170亿美元。关键在于,费用增速开始落后于收入。前三季度,算力与基础设施费用占收入的比例从上年同期的172%降至57%,人员费用占比从40%降至15%,经营亏损率从205%收窄至4%。然而,代价同样不小。在约9009亿美元的算力和基础设施承诺中,707亿美元需在未来12个月内支付。公司正在用长达十余年的刚性成本,押注AI需求、模型领先和融资能力长期同步增长。AI产业链抛售进行时截至美东时间11月20日周五收盘,标普500较历史高点下跌约11.6%,纳斯达克综合指数下跌约17.9%,均已进入技术性调整,纳指距离熊市线仅差约2个百分点。高盛主经纪业务的交易笔记显示,科技板块已连续六周遭净卖出,对冲基金对该板块的低配程度为五年来之最;CTA大量卖出纳指100期货,形成明显净空头。对冲基金去风险已近“极端”:个股连续9周被卖出,多空基金净敞口处于最低点,动量因子敞口大幅下降。然而,黄仁勋风波未平,英伟达新CEO尚未到位,得州“蓝潮”掀起的AI监管风波充满变数,民主党的清算才刚刚开始。市场情绪被压制到极致,即便机构已抛售到极点,庞大的散户仍可能继续夺门而出。AI终于能慢下来了?Anthropic创始人Dario Amodei多年来一直警告AI发展得太快,呼吁让AI慢下来。每次呼吁,科技股都会小跌一波,后来已无人在意,因为硅谷认为根本慢不下来。但这一次,他的愿望可能成真,AI产业链的抛售也近乎疯狂。Dario很清楚,只要竞争对手还在全速追赶,任何一家公司单方面放慢,都等于把领先拱手让人。中国开源模型的快速追赶,让“慢下来”几乎成了空谈。真正能拉开差距的,是算力。美国商务部工业与安全局(BIS)11月16日发布的远程访问新规,正好打在这个关键环节上。新规针对的是中国企业通过云端使用本无法进口的美国先进芯片的做法——据估算,到今年年底,这类远程访问将占中国获取AI芯片总量的23%。如果新规能有效收紧这一渠道,美国前沿实验室的领先窗口就会被拉长。讽刺的是,Dario做不到的事,最后靠华盛顿的一纸出口管制实现了。市场上甚至流传着阴谋论,称Dario在近期一系列AI风波中扮演了角色,包括黄仁勋事件,但目前并无证据支持这一说法。也正因如此,“卖铲子”类标的,包括HBM(高带宽存储器)和GPU,近期遭到最猛烈的抛售,费城半导体指数较高点已下跌近40%。不过,各环节仍处于极度短缺状态。情绪宣泄过后,鉴于估值已很低,不少机构依然看好这类标的:只要云厂商和前沿实验室持续采购、数据中心持续建设,需求就会延续。一个关键催化剂,是英伟达新CEO人选浮出水面。两位美国资管巨头的投资负责人对笔者指出,英伟达有能力开出打动任何人的条件,包括AMD掌舵人苏姿丰,而AMD未必能跟进。无论谁出任,确定性的恢复都将安抚厌恶不确定性的市场。但即便新CEO就任,市场仍将关注其战略、路线图调整与公司治理。由于英伟达缺乏真正的对手,新任者将面对前所未有的局面,也需要时间熟悉大量未公开的技术。用华尔街大机构的话说,黄仁勋回归已“根本不在考虑范围内”,董事会立场十分明确。不过,黄仁勋不会就此消失,未来他可能自己创业,也可能加入正考虑整合旗下业务的马斯克麾下。
无意识欺负自己的4个动作,你可能每天都在重复
虎嗅 · 1 小时前
本文来自微信公众号: 缸中之脑cybernetics ,作者:Preston,原文标题:《无意识欺负自己的 4 个动作,你可能每天都在重复》晚上十一点,手机拿在手上,停在一个对话界面。消息已经写好了,但迟迟发不出去。你把那句话改了四五遍。加一个“哈哈”,又删掉。加一个“麻烦您”,又觉得太生疏。挑来挑去,也找不到一个合适的表情包。最后,你把消息发出去了,然后盯着屏幕,看对方什么时候回。三分钟没回复,你就开始想,是不是我这句话说得不合适。二十分钟没回复,你已经在心里得出了一个结论:他可能觉得我也有点烦。而真实的情况是,对方可能在洗澡,可能因为什么事没看手机,或者是已经睡觉了。我要说的,不是“别多想”这种话。我想说,在这二十分钟里,没有任何人为难你。你的工作没有出问题,你的生活没有出问题,没有人对你说过一句难听的话。但你确实挨了一顿“打”。打你的人,是你自己。而且你全程没有察觉到,自己在动手。关于自己欺负自己这件事,我发现很多人都能意识到。他们会说,对,我就是这样。但下一句往往就是,那我该怎么办呢?我想谈谈我的答案。具体来说,我想谈四个动作。这是我观察到的,复现率最高的,四个“自己欺负自己”的动作。你很可能会在里面认出自己。第一个动作:预支责备。事情还没开始,已经在演练失败了。第一个动作,发生在“之前”。明天要做一场汇报。今晚你就躺在床上,开始过流程。只不过你过的不是流程,而是事故。明天肯定有人一眼能看出那个数据的问题,领导肯定觉得这个方向不好。如果我讲到第三页就卡住了,所有人都看着我,怎么办。你一个人,在黑暗里,把明天最糟的版本演了一遍。这只是一个例子。更常见的小型版本,是这样的:发消息之前,会先想好对方可能的冷淡回应。投简历之前,先想好对方不会回复。开口提一个请求之前,先把被拒绝的那句话,替对方说完。我把这个动作,叫做“预支责备”。事情还没有发生,我们已经提前确定要失败了,又因为这个想象的失败,把自己责备了一遍。你可能会说,这叫有准备啊,总比毫无防备好。这是这个动作最狡猾的地方。它穿着“准备”的外衣。真正的准备是,把那个可能被问到的数据查出来,查清楚,写在备注里。把第三页的开头一句话背熟,逻辑理顺。提前想好如果被拒绝,我的下一个选项是什么。这些是真正的“准备”。它有产出。它会让明天变得不一样。而“预支责备”有产出吗?没有。它只是把同一个场景,在脑子里反复渲染。你一遍遍地想象自己出丑,心跳加快,手心出汗,却没有翻开任何一页资料。在预支责备状态下,我们只是单纯在挨打。2020年,宾州州立大学的两位研究者做过一项研究。他们让一批长期处于担忧状态的人,连续十天记录自己担忧的具体事情,然后在接下来的一个月里追踪,这些事后来到底发生了没有。结果是,超过九成的担忧,最后并没有变成现实。而在那少部分真的发生了的事情里,大多数人的实际感受,也比预想中要好。这意味着,“预支责备”是一笔极其亏本的生意。我们为了应对一件九成概率不会发生的事,先把痛苦完整地经历了一次。如果它真的发生了,我们就会痛两次。如果它没有发生,我们就白痛了一次,而且不会有任何人,为此赔偿我们。说来惭愧,我自己在这件事上,也吃过很多年的亏。很长一段时间里,我在任何一次重要沟通之前,都要在脑子里,先排演一遍“对方很不满意”的版本。我当时真的相信,这叫作风严谨,准备充分。直到有一次我意识到,我花在想象失败上的时间,比我花在准备内容上的时间更多。怎么拦住这个动作?有一个很小的方法,我用着是比较顺手的。就是,当你发现自己在想“万一……怎么办”的时候,停一下,问自己一句:这件事,我现在能做点什么吗?能,就去做。哪怕只是打开文档写一行字。做完,这件事今晚就结束了。不能,那它就不是一个问题,只是一个念头。念头不需要被处理,它只需要被妥善地放起来。动作二:事后回放。偷偷用“反刍”,替代复盘。第二个动作,发生在“之后”。今天的会开完了。整体还算顺利,但你在中间说了一句有点蠢的话。当时没人在意,话题很快就过去了。可是晚上,这句话回来找你了。它会在十一点回来,在十二点回来,在你快要睡着的时候,再回来一次。每一次回来,你都把那个场景重播一遍,顺带在心里,强烈地质问自己:我当时到底为什么要那么说。你翻个身,想着算了,睡吧。然后你开始想三年前另一件类似的事。这个动作,心理学里有个专门的名字,叫“反刍”。美国心理学家苏珊·诺伦-霍克西玛,从上世纪九十年代就开始研究它。她发现,当人遇到负面事件时,有些人会反复琢磨“我为什么会这样”“这说明我是个什么样的人”。这种反复琢磨,并不会帮他们解决问题,反而会让情绪更低落,也更难真的采取行动。“反刍”这个词,取自牛的进食方式。它会把吃下去的东西吐出来,再嚼一遍。这个比喻很准确。因为反刍最大的特点,就是完全没有新的东西进来。你第七遍想那句话的时候,并不会比第一遍获得更多信息。你只是把同样的材料,又消化了一次。那么问题来了。我们常说复盘很重要,反思很重要。反刍和复盘,到底差在哪里?我自己总结了三条分辨方法,分享出来,供你参考。第一条,看方向。复盘,问的是“下一次怎么做”,反刍问的是“我怎么会这样”。前者指向未来和事情,后者指向过去和自己。第二条,看终点。复盘一定是有终点的。你写下一条结论,这件事就闭环了。反刍没有终点,它可以进行到凌晨三点,并且第二天还能接着来。第三条,看产出。一段思考结束之后,如果你手上拿到了一个可以执行的动作,那就是复盘。如果你手上什么都没有,只拿到了一句对自己的评价,那是反刍。记住,复盘的终点是一个动作,反刍的终点,是一句对自己的判决。所以,拦住这个动作的方式,不能是“别想了”。你大概也试过“别想了”。越是命令自己不要想,你就会更加强迫性地想那件事。这是一种挺常见的反弹效应。所以我们换个办法:不堵,给它一个出口。具体做法是,当你发现自己开始反刍,就起身,拿纸或者手机,写两行字。第一行写:这件事里,有什么是下一次可以改的?第二行写:那个改动,具体是什么动作?写完,合上。很简单是吧。它的作用,是给了这段思考一个终止点。反刍之所以无休无止,就是因为它永无止境,它永远没有办法宣布“想完了”。而且写清楚这两个问题,可以直接指向下一步的改变。这和第一点有点像,它指向行动。动作三:升级罪名。把“这件事”,说成“我这个人”。第三个动作,伤害性是最强的。方案没通过,被打回来了。你心里先想的不是哪里要改,而是,我根本不适合做这行。一道题不会做。你想的不是这块知识没补上,而是,我脑子就是笨。一次约会不太顺。你的结论不是两个人不太合适,而是:我这种人不会有人喜欢。你看出这里面的规律了吗?我们把一件事的失败,升级成了对我们这个人的定罪。这个动作之所以厉害,是因为它完成了一次偷换。原本的被告,是“这份方案”,被换成了“我这个人”。而“我这个人”是没法改的。方案可以改,人改不了。所以这个动作的真正代价,不只是让你难过,而是让你失去动作能力。一旦罪名被升级,接下来就没什么可做的了。方案有数据不准确这个问题,你可以今晚补一补。而“我不适合做这行”这个问题,你能做什么呢?什么也做不了。只能躺着难过。关于这个动作的机制,有一个很经典的框架。美国心理学家马丁·塞利格曼在研究乐观与悲观时提出,人在解释一件坏事时,大致会动用三个开关:一个是永久性。这件事是“这一次”,还是“总是这样”?一个是普遍性。它影响的是“这件事”,还是“我的一切”?一个是人格化。造成它的,是“当时的情况”,还是“我这个人”?他发现,最悲观的解释方式,就是习惯性地把这三个开关,全部推到最坏的那一档。于是一次方案被打回,就变成了:我总是(永久性)什么都做不好(普遍性),因为我就是这种人(人格化)。真相是,一次失误和一种人格之间,根本没有那条等号。那条等号,是我们自己画上去的。把一次失误判成一种人格,是我们对自己做过的伤害性最强的事。拦住这个动作,有一个很具体的练习,我把它叫做“把判决改回描述”。做法是,当你听见自己心里出现一句,关于“我是什么样的人”的话,就把它改写成一句具体的、关于“发生了什么事”的话。“我真没用”→“这份方案的第三部分,数据支撑不够。”“我不会说话”→“刚才那个场合,我接话接得太急了。”“我不适合做这行”→“在这个项目里,我缺了一块做预算的经验。”改写之后,你会发现一个变化,就是每一句话后面,都自动长出了一个动作。数据不够,那就去补数据。接话太急,那就下次多等两秒。缺预算经验,那就找一个做过的人请教一次。而原来那三句话后面,什么也长不出来。判决只会让人瘫痪,具体的描述才能让你行动起来。动作四:替别人写差评。在对方开口之前,先替他下判决。第四个动作,就是开头那个场景。消息发出去,对方没回。你开始替他“回”:他可能觉得我烦。会议上你讲完,没人出声。你替所有人发声:他们肯定觉得讲得很差。这个动作,在认知疗法里有个具体的名字。认知疗法的开创者亚伦·贝克梳理过一批常见的思维偏差,其中一种,叫“读心术”。就是说,我们在没有任何证据的情况下,直接认定自己知道别人在想什么,而且认定的内容,几乎总是负面的。请注意最后那半句。这是“读心术”最值得玩味的地方,就是它的结论,从来不是“他可能觉得我讲得挺好”。因为这个动作的目的,从一开始就不是了解对方。它的目的是防御。它的内在逻辑是这样的,如果我提前知道他讨厌我,那等他真的表现出讨厌时,我就不会那么痛苦难受了。这是一种预防性的止损。听起来还挺理性。但它有一个很严重的副作用。因为我们不只是“想”,我们还会跟着想法行动。你认定对方觉得你烦,于是接下来你会怎么做?你会少发一条消息。会把本来想说的话咽回去。会在他发起话题时回得特别克制,免得显得热情过头。然后,对方感受到了你的冷淡。他也开始少说一句。于是你们的对话真的变短了,关系真的变差了。最后你得出结论:你看,我猜对了吧。这里完成了一个完整的闭环。我们亲手把自己的猜测变成了现实。要拦住它,有两步。第一步,把证据和解释分开。拿一张纸,中间画一条线。左边只写事实的部分,右边写你的解读。什么是事实的部分,就是完全不加你个人想象和判断的部分,甚至可以理解为“摄像头可以拍到的”部分。左边写:十一点二十发出消息,十一点五十未回复。右边写:他觉得我烦。写完你会很清楚地看到,左边那些证据,根本支撑不起右边那行字。同一个左边,可以推出十几个右边:他在洗澡、在哄孩子、在开车、手机静音、看到了打算待会儿认真回。你从里面,选了最难受的那一个。而你选它,不是因为它最可能,是因为它最熟悉。第二步,做一个最小的验证动作。读心术最大的原因,是信息的真空。对方不说话,我们就想象到最坏的版本。其实问一句话就可以:“刚才那个方案,你觉得哪块还要再看看?”“周末那事,您后面有考虑吗?”我知道这一步会有点别扭,甚至有点冒险。万一问出来的答案,就是我们最怕的那个呢?记住,那也比猜着好。一个确定的坏消息,你是可以处理的,可以再想办法的。而一个不确定的坏消息,会在你脑子里住上一个月,带来一个月的持续内耗。写在最后我想补充一句话,免得被误解。我不是在说,我们应该停止反思,停止准备,停止在意别人的感受。恰恰相反。认真准备、事后复盘、顾及他人,这些都是很宝贵的能力。我想说的,是它们各自有一个孪生兄弟,长得很像,而且会伤害你。准备的孪生兄弟,是预支责备。复盘的孪生兄弟,是反刍。反思的孪生兄弟,是预先定罪。共情的孪生兄弟,是读心。它们的区别,有一条很简单的判别方法:真东西会让你行动起来,假东西只会让你停在原地,并且觉得累,觉得焦虑内耗。你不需要立刻变得强大,也不需要立刻变得通透。你可以先做一件更小的事,就是当你今晚又开始反刍,开始预演,开始替别人给自己下判决的时候,清晰地识别它,叫出它的名字,写下最小行动计划,然后,关灯睡觉。我们未必能立刻变得更好,但我们完全可以先停止欺负自己。要知道,这个世界上,有很多事情你管不了。别人怎么看你,你管不了,事情会不会出错,你管不了。但有一个人,是你可以立刻决定不再为难的。那就是你自己。
当AI攻克黎曼猜想,高知精英开始率先放弃了解这个世界
虎嗅 · 1 小时前
本文来自微信公众号: 不懂经 ,作者:不懂经也叔的Rust如果人类理性有一座公认的最高王峰,那大概就是黎曼猜想。过去一百六十多年里,从高斯、黎曼到希尔伯特、图灵,无数人类历史上最耀眼的头脑曾在这座雪峰下折戟沉沙。在纯粹数学的殿堂里,它不仅是一个悬置了一个半世纪的数论难题,它是人类用来丈量自身智力极限的标尺,是智慧生物对抗无知的一座精神图腾。然后,就在这几天,这根标尺被折断了。2026年11月20日,哈佛大学数学家、同时也是Anthropic团队成员的莱文特·阿尔珀格(Levent Alpöge),对外发布了一份简短说明和整套计算机代码,宣布在Claude的深度协助下,攻克了黎曼猜想以及广义狄利克雷L函数的黎曼猜想。这并不是一份写给人类看的传统论文。它是一座庞大到令人眩晕的数字迷宫:整套证明完全使用计算机形式化证明语言Lean编写,代码总量高达1700万行,分布在数万个独立文件中;而模型在底层生成的辅助推导文本,超过了惊人的25万页。消息一出,麻省理工学院、滑铁卢大学以及Mathlib项目的研究团队等,立刻开始在专业服务器上编译运行这套代码。初步的自动化内核检查证实,该代码成功编译,并且在逻辑上完全自洽地推导自公理系统。尽管顶尖数论学者仍在严密审查,但有一点已经毋庸置疑:人类长久以来依靠大脑建立的抽象智识天花板,在机器的狂暴计算面前,被彻底捅穿了。面对屏幕上瞬间涌出的海量推导,数学界感受到的不是狂喜,而是一种彻骨的眩晕与失重。那些在黑板前消耗了一生的顶尖数学家,甚至无法在短时间内看懂机器到底是怎么走过去的。当今在世最著名的数学家、菲尔兹奖得主陶哲轩,曾用一个词来形容这种机器证明:无味的(odorless)。定理确实被证实了,但在整个过程里,伴随人类数百年求索的直觉、痛苦的思索与顿悟的狂喜,全都被剥离了。这让人想起一个月前,我们在《当智商160的菲尔兹奖得主,都觉得工作毫无价值了》一文中记录过的那声叹息。当时,面对OpenAI一夜之间抛出的数百篇数学成果,人类数学协会在一份联合声明里写道:展示的不是科学,而是权力。当时我们在文章里写过一个判断:所有关于个人认知升级、学更多技能、比别人跑得更快的建议,都在同一条被算法锁死的轨道上原地打转。在以指数级狂奔的机器智能面前,所谓的智识优越感,不过是纸糊的城堡。但更诡异、也更深刻的相变,正发生在象牙塔之外的真实世界里。就在超级智能以神一般的姿态推平人类认知天花板的同时,现实生活里却出现了一场悄然的大撤退:这个世界上受教育程度最高、曾经最渴望看清世界、懂得更多的一批人,正在纷纷选择关掉手机,主动放弃了解这个世界。这不是某个人的消极避世,而是有严肃的数据支撑,而在这种数据的背后,我觉得肯定是有一种人类潜意识上的创伤在起作用。纽约客最近的一篇文章当中提到,皮尤研究中心最新的大样本调查显示,全美已有近半数的人开始主动避开新闻。明尼苏达大学新闻中心主任本杰明·托夫(Benjamin Toff)跟踪了整整十年,他的研究揭示了一个完全违背直觉的现实:受教育程度越高、收入越高的知识阶层,感受到的精神耗竭反而越深重。曾几何时,博闻强识、紧盯天下大事,是现代高知分子最重要的阶层身份认同与公民责任。但今天,华尔街的分析师删掉了即时简报,硅谷的高管退出了行业论战,大学教授不再打开早间新闻。他们称自己的新生活为新闻节食(News Diet)。我们在今年五月的《信息流已死》中曾提出过:未来的贫富差距,会首先体现在现实感上;未来真正的特权,不是随时在线,而是有能力断网。然后在《战略性无知》里,我们进一步论证过:真正有判断力的人,已经退出了那个以注意力掠夺为核心的公共信息市场。但今天的局势,比我们以前的看法还要更加极端。一边是AI攻克了黎曼猜想,在一切宏大的抽象认知上,将人类的智商优势碾得粉碎;另一边是人类社会中最清醒的脑袋,主动放弃了比别人知道得更多,甚至放弃了每天跟踪这个世界的新闻与动态。这两个看似割裂的极端现象,为什么会同时在今天撞在一起?如果我们引以为傲的智识在超级智能面前已经不再稀缺,如果我们苦心搜集的信息在现实生活里只带来瘫痪与绝望,那么在AI已经降临的未来,一个人究竟要依靠什么,才能在这个世界上真正活下去?房子之后,AI时代普通人可以把握的三种财富新容器当普通人痴迷于红果,华尔街开始把研报锁起来了一、为什么受教育程度最高的人,最先关掉了世界的广播?要看懂这场大撤退,得先看清公共信息流正在变成什么。过去十年,人们谈论算法推荐和社交媒体,总觉得受害者是那些缺少辨别能力的普通人:算法把低俗内容喂给大众,制造信息茧房,让人沉迷在短视频的多巴胺里;而受过良好教育的精英,理应凭借批判性思维和优质信息源保持清醒。但在今天,这套划分已经失效了。第一层真实的分化,正在以一种完全相反的方式展开。明尼苏达大学的本杰明·托夫教授在梳理十年调研数据时发现,今天主动对新闻关上大门的人群,画像正在发生剧烈漂移。皮尤研究中心的数据同样印证了这一点:高收入、高学历的知识分子群体,在信息轰炸面前表现出的倦怠感,不仅没有比普通人更低,反而成倍激增。在《纽约客》的深度报道中,一位长期订阅严肃报刊、积极参与公共事务的专业人士吐露了心声。她过去每天早晨收看深度访谈,全天收听公共电台,甚至积极邀请知名调查记者到本地文化中心开讲座。但从两年前开始,她彻底退出了。她把这些信息源换成了无害的短视频和无意义的消遣,早睡早起,把业余时间花在跟朋友家人打麻将上。当记者问她为什么会有这么大的转变时,她只用了两个词:疲惫的抽打感(exhausted whiplash),以及习得性的冷漠(apathy)。她说:我说什么、做什么,真的有一丁点用处吗?地球似乎在燃烧,但没有任何人真正能够改变它。我只想过好眼前的日子。这种感受在专业圈层里蔓延得极快。一位亚特兰大的商业摄影师在草坪上看女儿玩耍时,手机里弹出了知名严肃大报的突发头条。新闻里充斥着中东的战火、地缘政治的恶化、政客们荒唐的攻防。他滑过那些标题,突然感到一阵生理性的反胃。他意识到:每天打开手机,所有的算法和媒体都在竭尽全力证明世界正在走向末日。这一切也许都是真的,但这一切,跟眼前正在草坪上爬树的女儿,没有任何关系。这种倦怠不是心理脆弱,它本质上是一场由神经生物学决定的生理排异。人类的大脑结构,特别是负责情绪与警报的边缘系统(Limbic System),是在几十万年的原始狩猎采集生活中演化出来的。在那个环境里,边缘系统拉响警报的频率极低:只有当剑齿虎靠近洞穴,或者相邻部落越过领地时,肾上腺素和皮质醇才会飙升。更重要的是,警报拉响之后,人类有明确的物理动作可以回应:战斗,或者逃跑。身体的动作,会把这股神经压力释放掉,完成一次生存闭环。但今天的公共新闻工业和社交媒体信息流,本质上是一台针对人类远古边缘系统的超加工垃圾食品工厂。它为了抢夺停留时长和广告收益,必须把世界上每一个角落发生的悲剧、撕裂、冲突,切成最能刺激情绪的碎片,24小时不间断地塞进你的屏幕。你的边缘系统每天要被强制拉响数十次最高级别的生存警报。可现实中的你坐在写字楼的工位上,或者坐在客厅的沙发上,双手握着冰凉的玻璃屏幕。面对万里之外的战火、宏观经济的周期、地缘政治的博弈,你没有任何物理动作可以做,没有任何现实杠杆可以扳动。输入的信息量是无限的,行动的杠杆却是绝对的零。这就导致了一种广泛的神经官能症:长期的认知超载与行动瘫痪。现代人的前额叶皮层,每天被这些无法处理的危机消耗得一干二净,留给现实生活的精力只剩下枯竭。正如那位摄影师在访谈中所说:一个人能承受的压力是有限的。看着那些宏大的争吵纯粹是徒增内耗,因为对那些事情,我根本无能为力。这就是今天发生的第一层分化:大众依然在算法织就的无形天网里,消费着批量生产的愤怒诱饵(Rage Bait)和AI泔水(Slop),在情绪的过山车上疲于奔命;而一部分清醒的知识群体,已经开始算这笔神经系统的账目。他们发现自己不是在保持知情,而是在替平台和媒体的资产负债表支付昂贵的情绪税。于是,他们开始有意识地进行新闻节食。他们删掉新闻客户端,退订泛滥的邮件流,关闭一切推送。他们不再把每天知道世界上发生了什么当成一种智识美德,反而把它当成一种必须严格管制的精神脂肪。二、算法之上与算法之下的旧神话,终结于Claude的证明看到这里,很多人可能会下意识地得出这样一个结论:这不就是又一次精英主义的自我保全吗?大众沉沦在低质量的信息泥潭里,而高知群体凭借自律和资产,退守到私密的小花园,通过战略性无知保护自己的专注力,继续在真实世界里降维打击。过去几年,硅谷最喜欢兜售的正是这套叙事。风险大佬马克·安德森曾留下一句被科技圈奉为圭臬的名言:未来世界只有两种人,一种是在算法之上的(Above the algorithm),负责给计算机下达指令;另一种是在算法之下的(Below the algorithm),负责接受计算机的调度和指令。在这套叙事里,外卖骑手、网约车司机、仓储工人是在算法之下的人;而坐在玻璃幕墙里写代码、做投资、分析财报、制定战略的白领精英,自然高居算法之上。知识工作者们一度深信,只要自己保持认知优势,多掌握几个AI工具的提示词,就能稳稳坐牢算法的主人。然而,11月20日莱文特·阿尔珀格与Claude带来的黎曼猜想证明,把这个脆弱的神话砸得粉碎。黎曼猜想是什么?它是纯粹数学皇冠上最耀眼的宝石。它所代表的,是人类心智在最极端的抽象维度上,对数论规律的深刻洞察。这是哪怕最傲慢的技术主义者,也曾认为属于人类智慧终极壁垒的领域。但机器只用了几周的协同推演,就跨过了人类跋涉了一个半世纪都未曾跨过的鸿沟。更令人不寒而栗的,是那1700万行Lean代码和25万页的底层文本。它表明机器并不是在简单地模拟人类的思考步骤,而是在一个人类大脑根本无法装下的超高维空间里,完成了一场认知上的大迁徙。当超级智能可以在几周甚至几天内,自主攻克人类几个世纪未解的数学圣杯时,所谓的在算法之上,就成了一句彻底的空话。在真正的超级智能面前,一个熟读经典的大教授,和一个没有受过高等教育的普通人,两者的智力差距在机器的尺度里几乎可以忽略不计。人类引以为傲的博闻强识、长链条逻辑推演、乃至跨学科的概念整合,在几十万卡的算力集群面前,都变成了瞬间可以被重构的廉价计算。我们在之前的多篇文章中反复论证过这种权力的反转。在现实的职场中,各大跨国企业正在用工作智能监控工具,将高阶白领和总监层层锁死。你在文档里的停顿、你使用模型的频次、你在系统里的响应速度,都被转化为冰冷的效率指标。那些拿着高薪的咨询顾问和软件架构师惊讶地发现,自己并没有给算法当爹,反而每天都在被算法考核。当算法进军到这一步,没有人能够坐在算法之上。试图用我比别人看更多行业研报、我能用AI生成更多商业分析、我拥有更高级的信息食谱来确立生存优势,不过是在超级海啸来临前,把沙滩上的城堡修得比别人稍微精致了一点。这就是为什么今天的知识精英会产生一种深层的幻灭。世界并没有变得更难理解,真正残酷的是他们突然看清了一个现实:过去那套以智商、信息量、抽象逻辑为核心的阶层晋升游戏,在根本逻辑上已经被掀了桌子。如果你引以为傲的认知能力在机器面前毫无招架之力,如果你苦心经营的信息优势在一夜之间贬值为数字尘埃,那么,继续在公域网络里争抢谁看得更快、谁知道得更多,还有什么意义?三、时代之病:在试图知道一切的狂热里,我们彻底一无所知就在数学界为黎曼猜想的机器证明陷入集体眩晕的同时,现代工业社会上演了一场极具黑色幽默意味的现实戏剧。同样是在11月中旬,短短一周之内,全美爆发了一连串罕见的系统级瘫痪:微软云服务出现大面积故障,全球数以万计的企业邮箱与协同工具陷入死寂;联邦航空管理局(FAA)因为网络故障发布全美地面停飞指令,上万架次航班延误或取消,全国空域停摆超过四个小时;摩根大通银行的客户无法进行转账;美联航遭遇系统故障;苹果的部分核心云服务中断;甚至连国家安全局(NSA)的内部机密网络,都罕见地报告了离线事件。一时间,恐慌在华盛顿和华尔街蔓延。政客们在电视上猜测这是不是外部势力的网络战,公众在社交媒体上怀疑这背后是否有惊天的阴谋。然而,随后的官方听证与调查揭示了一个令人哭笑不得的真相:系统崩溃的源头,居然是AI太勤奋了。参议院情报委员会与多位顶级网络安全专家指出,随着前沿AI工具被广泛引入代码审查与漏洞防御,这些自动化系统以人类难以想象的速度,在极短时间内挖掘出了海量潜藏在系统深处的安全漏洞。漏洞被找出来了,各大机构便迫不及待地用自动化程序生成安全补丁,以机器速度强行推送到生产环境。然而,底层的真实系统是一个由数十年来不同架构、不同协议、不同设备拼凑而成的脆弱整体。成百上千个复杂的并发补丁同时打下去,旧系统根本无法承受这种高频震颤,直接在自动化修复的浪潮中被自己活活修崩了。但这还不是故事中最具讽刺意味的部分。就在全美航班停摆、航空系统陷入瘫痪的背后,有一个很少有人注意到的背景事实:在几个月前轰轰烈烈的政府效率改革(DOGE)中,联邦航空管理局大约400名基层维护人员被直接裁撤。他们当中很多是负责在各个无线电塔和偏远站点维护旧设备的物理机械师。在制定裁员计划的管理层眼里,这些拿着扳手、常年驻扎在阿肯色州或得克萨斯州机房里的技术工人,是不折不扣的冗余成本。在数字化的宏大蓝图里,一切都应该被自动化监控、被算法接管、被云端代码自动修复。可当真正的危机来临时,华盛顿的官员们看着满屏飘红的复杂仪表盘一问三不知。运输部长甚至不得不尴尬地向媒体承认,政府必须打电话向外部承包商求助,才能搞清楚到底是哪一座站点里的哪一台老旧路由器被流量冲垮了。一位被裁撤的资深技工在接受采访时平静地提到:过去,每当他们要对核心网络做任何物理调整,都会凭经验在现场观察很久,并且严格遵守一条不成文的规矩:周五下午绝对不能动那些老化的设备,因为系统的脾气只有真正在旁边盯着它转了十年的人才摸得透。算法懂得千万种漏洞模式,算法能在毫秒内生成无懈可击的代码,但算法唯独不知道周五下午不要去碰那根老旧的接口。财经作家凯拉·斯坎伦(Kyla Scanlon)最近写了一篇长文,对这场荒诞剧作出了入木三分的哲学剖析。她指出,在很多欧洲语言里,知道这个概念从一开始就是被劈成两半的。在西班牙语里有saber和conocer,在法语里有savoir和connaître。第一个词,指的是对抽象事实、客观规律、数据逻辑的知晓。你知道重力加速度的公式,你知道巴黎是法国的首都,你知道黎曼猜想的数学表述,这叫saber。第二个词,指的是对具体人、具体地点、具体经验的相识与相处。你认识那个为你切肉的屠夫,你熟悉家门口那条街道下雨时的气味,你摸得透车间里那台旧机床在不同季节里的微小震颤,这叫conocer。斯坎伦写道,现代文明在科技资本的驱使下,陷入了一种病态的偏执:我们把所有的资源、算力和崇拜,全都砸向了第一种知道(saber)。我们建立起全知全能的超级大模型,我们试图用数据量化每一个员工的动作,我们试图在毫秒级别预测金融市场的波动,我们试图知道地球上发生的每一只蝴蝶振翅。但在这个追求全知的疯狂进程中,我们把第二种知道(conocer)系统性地当成废料给裁剪掉了。我们裁掉了那个知道哪根螺丝容易滑丝的机房老技工,换上了只会按概率打补丁的自动化算法;我们取消了面对面的问候与邻里交往,换上了算法精心编织的高频推送;我们在屏幕前通晓古今中外的大道至理,却对身旁最亲近之人的痛苦充耳不闻。我们亲手打造了一架看似无所不知、实则脆弱至极的巨型机器。反观我们每一个人的日常生活,何尝不是陷入了同样的深渊?每一个现代人每天都在不知疲倦地追求saber。我们刷着社交媒体,盯着即时动态,生怕漏掉了大洋彼岸的某次政策变动、某个大佬的深夜推文、或者某种新型AI工具的发布。我们以为掌握了这些宏大的事实碎片,自己就成了一个看懂世界的智者。可结果是什么?结果是我们在现实生活中失去了最微小的一点掌控力。我们不知道今晚的晚饭该怎么做才能让肠胃舒服,不知道窗外的香樟树什么时候落叶,不知道如何平息孩子的一场哭闹,不知道怎么面对自己的孤独。我们知道这个世界上发生的一切大事,但我们唯独不知道怎么生活。在试图知道一切的狂热里,我们彻底一无所知。四、超越分化:走到“算法之外”,重构人类的生活方式当旧的智识竞赛宣告终结,当对全知的追逐最终导向虚无,人类究竟该如何在这场文明级的大转折中安顿自己?真正的解药,绝不是在算法的跑道上继续咬牙狂奔,甚至也不是简单地躲进少数人的小花园里沾沾自喜。既然机器在算力与抽象逻辑上注定接管一切,人类就必须有勇气完成一场彻底的范式转移:从试图坐在算法之上,转变为安然立足于算法之外。这并不是消极地躺平,而是一场关于人类主体性的深层重建。结合当下正在发生的种种微观抵抗,我们可以清晰地看到一种正在成型的新生存模式:1.从“全知崇拜”转向“维护者模式(The Maintainer)”过去半个世纪的技术神话,把所有的聚光灯和超额财富都分给了颠覆者:那些写出新算法、讲出新商业模式、制造出新虚拟世界的明星架构师与风险资本家。而那些日复一日从事清洗、修理、陪伴、照料、维持系统日常运转的人,在现代经济学的报表里被视为毫无溢价的劳动。但全美基础设施的大宕机和超级模型的逻辑过载正在无情地证明:世界不是靠颠覆运行的,世界是靠维护活着的。不可替代的人性价值,恰恰隐藏在那些无法被抽象为代码的具体事务中。那位在机房里守着老路由器的机械师、在急诊室握着病人的手、说我懂你很疼的医生、在清晨将新鲜蔬菜码整齐的杂货铺店主,他们的价值从来不在于懂多少高深理论,而在于他们肉身在场,并且愿意承担具体的、不可逆的后果(Skin in the game)。未来的生存法则,不再是谁能推演出更宏大的概念,而是谁能在微观的现实里,成为一个可靠的系统维护者。无论是照料一个家庭、维护一段长期的真实友谊,还是打磨一门需要手眼心配合的具体手艺,这些建立在conocer(真实相处与默会经验)之上的实践,是算法永远无法接管的护城河。2.从“虚拟因果链”退回“物理半径五公里”现代人精神崩溃的根源,在于我们的大脑被强行连接在了一条过于漫长、过于虚幻的全球因果链上:万里之外的选举会让你焦虑,跨国科技巨头的财报会让你失眠,一个素未谋面的博主的言论会引发你一整天的狂怒。你被困在了一个没有物理实体的幽灵世界里。走出这种精神癔病的唯一路径,是果断斩断这条虚妄的神经脐带,把自己的注意力硬生生地拽回物理半径五公里之内。凯拉·斯坎伦在她的长文里分享了自己的一种生活仪式:每到一个新的城市,她从不先去打卡网红景点,也不去查社交媒体上的热门推荐。她会立刻找到最近的一家普通杂货铺,花几分钟步行走过去。一路上,她用脚底感知人行道的铺设质量,观察街边建筑的缝隙,看看路人的神色;到了店里,她挑两根新鲜的香蕉,买一盒蔬菜沙拉,跟收银台的大妈聊上两句天气。这种极其微小、极其平淡的肉身在场,能让一个被长途飞行和数字屏幕撕碎的心灵,瞬间重新降落在坚实的大地上。在《纽约客》的报道中,芝加哥一个叫罗斯科村的街区,居民们把路边水泥地上一个偶然留下的老鼠形状凹坑,奉为了某种神圣的社区图腾。人们排着队去看这个被称为水泥鼠洞的印记,有人在那里献花,有人在那里举办滑稽的单身派对,当地的独立媒体甚至为此印制了文化衫。外人可能会觉得这荒诞不经。但在一个被宏大政治议题和末日警报撕裂的社会里,这个微小的老鼠印记,成了所有居民都可以毫无压力地共同发笑的公共纽带。它无害、确凿、真实可触,没有任何算法能从中提取出对立与仇恨。这就是物理世界的治愈力。把目光从屏幕上那些你一辈子也无法触碰的宏大事件上移开,重新去认识你楼下的便利店老板,去抚摸公园里一块长着青苔的岩石,去亲手做一顿并不完美但热气腾腾的晚饭。世界很大,但属于你的生活,永远只发生在你能用手触摸到的半径之内。3.夺回生活的“容纳性仪式感(Contained Ritual of Experience)”本杰明·托夫在分析为什么传统媒介没有今天这么强的致病性时,提出了一个极具穿透力的概念:容纳性仪式感。一份早报,厚度是有限的,哪怕你从头读到尾,翻过最后一页,它就宣告结束了;一档半小时的晚间广播,播音员说出那句晚安,屏幕就会暗下去,你可以心安理得地上床睡觉;一场一个月的读书会,读完指定的章节,大家合上书本,各自回到日常的工作与家庭中。这些传统的信息载体,本身就自带物理边界。它们在通知你发生了什么的同时,也明确地告诉你:好了,今天的信息到此为止,你可以继续过你的日子了。而移动互联网和算法信息流最恶毒的发明,就是彻底消灭了这个终结的标记。它取消了最后一页,发明了无限下拉;它取消了晚安,发明了24小时不间断的红点推送;它剥夺了人类生活中所有的句号,把每一分每一秒都变成了永不闭幕的悬疑剧。想要活得像一个人,就必须在生活里亲手把句号画回去。这意味着给自己设立不可逾越的信息边界:决定每天只在固定的半小时内了解外部事实,过了这个时间,坚决把手机扔在另一个房间;决定在睡前的两小时内,只读那些已经出版了半个世纪以上的纸质经典;决定在跟朋友聚餐时,所有人把手机扣在桌面上,谁先拿谁买单。主动给自己的认知划定一条边界,不是拒绝进步,而是为了给真正的生活腾出容纳的容器。五、我们不需要比算法知道更多那位在草坪前院看着女儿玩耍的商业摄影师,在那个阳光斜射的午后,当手机屏幕里跳出中东战火与华盛顿争吵的惨烈标题时,他抬起头。他看见院子里的老树上,几岁大的女儿正穿着沾满泥土的牛仔裤,双脚踩在粗糙的树杈上,小手紧紧攀着一根向外伸展的枝丫,额头上沁着细密的汗珠,脸上洋溢着征服自然的骄傲与欢喜。风吹过树冠,树叶沙沙作响,阳光透过缝隙洒在小女孩的头发上,泛出毛茸茸的金色光晕。就在那一瞬间,那个被无数条严肃新闻折磨得神经衰弱的成年人,突然获得了一种深刻的释怀。他明白了:无论屏幕里的世界如何走向崩溃,无论硅谷的算法又推演出了怎样惊天动地的神迹,在宇宙真实的尺度里,这一刻眼前这棵真实的树木、这个正在用力攀爬的鲜活生命、以及小手抓在坚硬树皮上的真实触感,才是支撑人类存在的终极支柱。超级智能可以以神明般的威能证明黎曼猜想,可以在毫秒之内看穿金融市场的每一次震荡,可以用千万行代码构建出精巧绝伦的虚拟宇宙。但机器永远无法理解一双小手抓在树皮上的粗糙手感。机器永远不知道黄昏微风拂过皮肤时的轻柔颤动,不知道当你在寒夜里走进一家飘着琴声的小酒馆时,那一股麦芽与人声混合的温热气味,不知道当你在急诊室握住一个受伤者的手时,彼此眼中那份无须言说的重量。我们不需要比算法知道得更多,因为从一开始,我们就不是为了成为算力节点而降生在这个世界上的。承认自己的有限,关掉那个试图吞噬一切的屏幕,不再强求自己每天跟踪这个狂暴的世界,不是智识上的退缩与认输,而是人类在超级智能纪元里,最后、也是最优雅的觉醒:当机器接管了无限的星空与神性,人终于被允许回到地面,安心做回一个有限但温热的人。【懂】
足球之后,F1再现耐克阿迪彪马三国杀
虎嗅 · 3 小时前
本文来自微信公众号: 懒熊体育 ,作者:王浩颖 王闪,原文标题:《足球之后,F1再现耐克阿迪彪马三国杀 | BrandBeat》时隔24年,耐克重新回到了F1围场。11月20日,耐克与F1正式宣布达成长期全球合作伙伴关系。自2027赛季起,耐克将成为F1官方合作伙伴,并担任赛事官方服装与制服供应商,为全球各站赛事的F1工作人员提供官方服饰及制服。此外,双方还将陆续推出涵盖鞋履、服饰及配饰的全新运动生活方式系列。首个合作产品系列Nike x拉斯维加斯大奖赛限定胶囊系列,已于本周末的F1拉斯维加斯大奖赛期间亮相。除了产品发布,双方还将共同开发全新的大奖赛周末体验活动,为车迷提供更多参与和感受这项运动的方式。此次合作还将延伸至F1学院。作为专为女性车手打造的赛车系列赛事,耐克将成为F1学院官方合作伙伴及官方运动服饰合作伙伴。重返围场,耐克补上赛车版图对于耐克而言,此番合作是一次时隔多年的回归。双方的渊源可以追溯到1996年。彼时,七届世界冠军迈克尔·舒马赫转会法拉利,耐克与这位德国车手签下个人合作协议。合作期间,耐克为舒马赫定制了专属赛车鞋。该鞋款后来正式发布,归入舒马赫系列,命名为Nike Air Zoom Schu,符合国际汽联(FIA)标准的专业赛车版本也同步推出。这是耐克早期涉足赛车文化的代表产品。2002年,法拉利车队与FILA签约,由后者为舒马赫及其队友鲁本斯·巴里切罗提供赛车鞋。随着与舒马赫的合作结束,耐克也逐渐淡出了F1围场。不过耐克并没完全放弃赛车运动。据德国《图片报》(Bild)报道,耐克数年前就对入局F1抱有兴趣,一直在寻找具备全球辨识度的合作载体。当时,耐克管理层曾重点推进与梅赛德斯车队的合作,核心原因是彼时效力于梅赛德斯的刘易斯·汉密尔顿拥有极高的全球影响力。但随着汉密尔顿在2025赛季转会法拉利,而法拉利与彪马保持着长期稳定的装备合作,耐克的这一合作意向一度搁置。从今年年初开始,耐克与F1之间的联系再次增多。今年1月,凯迪拉克车队官方发布的一组照片中,车队正赛车手及储备车手周冠宇均穿着与车队视觉色系相契合的黑白配色耐克运动鞋。5月,为庆祝凯迪拉克车队迎来队史首场主场大奖赛,耐克专门为车队首席执行官丹·托里斯及其妻子、首席品牌顾问卡西迪·托里斯定制了一双超限量版Dunk Low运动鞋。此外,F1业内人士还曾向Sports Business Journal透露,耐克管理层现身迈阿密大奖赛现场。9月,耐克董事会迎来新成员亚历山大·阿尔诺,他同时担任LVMH旗下酩悦轩尼诗的副首席执行官,而LVMH自2025年起便与F1建立了为期十年的全球合作关系。这一人事变化,也让外界对耐克与F1可能产生的商业联动多了一层关注。为什么是现在?耐克选择此时重返F1,与赛事自身商业价值的持续增长密切相关。自2017年自由媒体集团收购F1以来,赛事的运营策略发生了明显变化。通过持续拓展美国市场、加强数字内容运营、丰富大奖赛周末体验,F1不断扩大自身的受众基础。此外,今年以来,F1先后与洛杉矶品牌NAHMIAS、ETAI、Off Season,以及马德里本土品牌Pompeii等多个时尚品牌达成跨界合作,试图吸引更年轻、更多元的受众,将赛事影响力拓展至时尚、娱乐和文化领域。这些变化也直接体现在商业数据上。根据自由媒体公布的财报,F1在2025年的营收达到38.73亿美元,而2016年这一数字约为18亿美元。与此同时,赛事的全球粉丝规模也在持续扩大。F1公布的2026赛季中期数据显示,其全球粉丝规模已超过8.3亿,其中35岁以下人群占43%,女性占比达到42%。在中国市场,F1于2025年公布的粉丝规模也已超过2.21亿。▲F1财报数据。耐克自身也正处在需要寻找增长动力的阶段。过去一段时间,品牌面临营收增长乏力、部分市场表现疲软以及组织调整等压力。11月17日,耐克时隔九年再次举办投资者日,正式公布名为全速前进(Full Stride Ahead)的长期战略,并提出面向2031财年的财务框架。根据耐克公布的规划,2027和2028财年仍将是投入调整期,营收下滑幅度预计在2028财年逐步收窄,并以2029财年恢复市场水平增长为目标。以2027财年为基准,耐克希望到2031财年实现约50亿美元的增量营收。在这样的背景下,F1为其提供了一个连接竞技体育、时尚文化与年轻消费者的新场景。耐克的体育资源版图要理解耐克为什么需要新的增长入口,还需要把这次合作放回其整体体育资源布局中来看。对运动品牌而言,顶级体育资源始终是最重要的品牌资产之一。从国际体育组织、职业联盟,到顶级俱乐部、赛事和明星运动员,每一项资源的背后,都意味着持续的品牌曝光、专业形象的建立,以及与消费者长期沟通的机会。但运动品牌对于这些顶级赞助资源的争夺自始至终都无比激烈。从整体布局来看,耐克依然拥有覆盖多个运动项目和不同层级的体育资源。足球领域,耐克拥有巴塞罗那、巴黎圣日耳曼、国际米兰等具有国际影响力的俱乐部资源。不过,从欧洲五大联赛的整体布局来看,阿迪达斯明显占据领先位置。根据体育商业研究机构Football Benchmark对2026-27赛季欧洲五大联赛球衣供应商的统计,阿迪达斯为96家俱乐部中的26家提供球衣,较上一赛季的23家进一步增加。耐克以14家排名第二,彪马则以11家位列其后。▲2026-27赛季欧洲五大联赛球衣供应商分布。图源Football Benchmark。国家队层面的竞争,同样激烈。阿迪达斯长期锁定FIFA、UEFA等核心资源,包括既是世界杯官方合作伙伴、欧足联欧洲杯赞助商,也拥有西班牙、阿根廷等重要国家队资源。2022年世界杯冠军阿根廷,以及2026年世界杯冠亚军西班牙和阿根廷,均来自阿迪达斯的赞助阵营。当然,耐克也在国家队资源上持续加码。2024年,德国足协宣布从2027年起至2034年,由耐克成为德国各级国家队官方装备合作伙伴,结束与阿迪达斯超过70年的合作。同年,耐克与法国足协续约至2034年、与巴西足协续约至2038年。在俱乐部赛事方面,耐克近期又成为2027年至2031年欧足联男子俱乐部赛事官方比赛用球供应商,结束了阿迪达斯长达26年的欧冠官方用球合作。这也是欧足联男子三项顶级俱乐部赛事首次由同一家供应商统一提供比赛用球。据The Athletic报道,根据协议,耐克每年将支付约4500万美元(四年合约共计约12亿人民币)的高价。此前,耐克还失去了英超长达25年的官方比赛用球供应商身份。自2025/26赛季起,彪马接手成为英超官方比赛用球供应商。篮球则一直是耐克体育资源版图中相对稳固的一环。2024年,耐克与NBA、WNBA及NBA G联盟续约至2037年,继续担任三大联赛独家场上制服及服装供应商。跑步领域,耐克自2008年起便一直是芝加哥马拉松的赞助商,11月19日,双方宣布将合作延长至2036年。此外,自2012年起,耐克一直是上海马拉松的官方赞助商。值得一提的是,耐克旗下的Jordan Brand也在拓展赛车运动资源,合作对象为篮球传奇迈克尔·乔丹创立的纳斯卡车队23XI Racing。而在明星运动员方面,耐克近年来也经历了一系列重要资源流动。2018年,网球运动员费德勒结束与耐克长达20年的合作,转投优衣库、昂跑On;2020年,内马尔结束与耐克长达15年的合作,加入彪马;2021年,四届奥运体操冠军西蒙·拜尔斯离开耐克转投Gap旗下运动品牌Athleta;2023年,两届NBA MVP约基奇加入中国运动品牌361°;2024年,泰格·伍兹与耐克长达27年的合作关系正式结束,年仅16岁的亚马尔则与阿迪达斯建立长期合作。到了今年9月,姆巴佩也结束了与耐克长达20年的合作,转而加入瑞士运动品牌昂跑,并成为其股东之一。从网球、足球、体操到篮球和高尔夫,耐克失去的不只是多位具有代表性的明星运动员本身,也包括他们在各自项目中所代表的文化符号和影响力。当然,耐克如今依然拥有强大的运动员阵容。在足球领域,C罗、哈兰德、维尼修斯等球星仍是品牌的重要资源;篮球领域则有勒布朗·詹姆斯、凯文·杜兰特、扬尼斯·阿德托昆博、卢卡·东契奇等明星;网球领域有辛纳、阿尔卡拉斯、萨巴伦卡、郑钦文等。近年来,耐克还明显加大了对女子篮球的投入,2025年正式成为耐克签名运动员的凯特琳·克拉克便是其中最具代表性的资源之一。此外,耐克还手握NFL、MLB、美国奥委会等一众顶级IP。从整体来看,耐克仍在尽可能强化自身的资源壁垒。但足球、跑步等领域的竞争压力,以及部分明星资源的流失,也让品牌必须持续寻找新的增长机会。而体育资源不仅要有存量,更需要不断补充新的内容和场景。只有持续保持这些高频、强势的品牌触点,才能维持品牌在消费者心中的存在感。耐克如何切入F1围场?F1围场,正是另一个品牌们都在争夺的新场景。目前,F1的服饰和装备合作格局已经相当密集。此次耐克与F1达成合作,也意味着耐克接棒此前自2024年起担任这一角色的彪马。不过,彪马目前仍与法拉利、阿斯顿・马丁和迈凯伦三支车队保持装备及队服供应合作。阿迪达斯则在2025年与梅赛德斯车队达成多年合作,正式进入F1,一年后又将奥迪车队纳入合作阵营。此外,据德国《图片报》报道,阿迪达斯正接近与甲骨文红牛车队达成2027年起的长期合作。除此之外,Castore为红牛、阿尔派、哈斯等车队提供服饰,New Era、HUGO和Tommy Hilfiger也分别与威廉姆斯、Racing Bulls、凯迪拉克车队建立合作。lululemon则在2025年2月通过签约F1七冠王车手刘易斯·汉密尔顿出任品牌大使,开始涉足这一领域。运动品牌之外,奢侈品集团也在加快布局。LVMH已经与F1建立长达十年的全球合作,古驰等时尚品牌也在积极探索与车队的合作机会。在这样的竞争环境中,耐克此次选择了一条与车队赞助有所区别的差异化路径。车队赞助通常围绕单支车队展开,品牌可以深度参与车队运营、车手形象塑造和比赛内容,品牌标识也会随着赛车和车队服装进入赛场。相比之下,赛事级合作能够覆盖整个全球赛历,通过工作人员制服、官方产品、赛事授权和粉丝活动,让品牌出现在不同大奖赛的多个场景中。耐克显然希望借助后者获得更广泛的赛事触达。一方面,依托全球赛历实现持续曝光;另一方面,通过限定产品、鞋服联名和赛周体验,将赛车文化延伸至更广泛的运动与生活方式消费场景。特别是此次合作还涉及F1 Academy,意味着耐克的触达范围不再局限于传统F1赛事,也将进一步连接女性赛车运动员和新一代赛车受众。前文提到的亚历山大·阿尔诺新进入耐克董事会,也为耐克此次进入F1提供了一个值得观察的角度。长期以来,耐克的品牌营销建立在运动员身上。无论是乔丹、勒布朗·詹姆斯,还是C罗和其他顶尖运动员,耐克擅长通过运动员的比赛、训练和个人故事,将产品与竞技精神联系起来。而赛事级合作提供了另一种可能。品牌不再只依赖某一位明星或一支队伍,而是能够进入一项运动的整体环境,在赛事、观众和不同消费场景中持续建立存在感。LVMH与F1的合作已经展示了这种模式的价值。对于奢侈品品牌而言,F1不仅是获得广告曝光的场所,也是接待客户、维护商业关系和塑造品牌形象的重要场景。围场文化、大奖赛周末体验以及赛事所吸引的高端消费人群,都为品牌提供了传统营销之外的连接机会。耐克与LVMH的品牌定位显然不同,但两者都看到了F1在文化和消费场景上的延伸价值。亚历山大·阿尔诺的加入,也让耐克未来是否会借鉴更多奢侈品行业的品牌运营思路,成为一个值得关注的方向。以下是过去一周多的运动品牌要闻:资本/财报亚玛芬2026Q3营收同比增24%,CFO称利润率扩张要为增长让路11月17日,亚玛芬体育发布2026年第三季度财报。营收21.69亿美元,同比增长24%,固定汇率下增长23%;净利润2.40亿美元,同比增长67%;毛利率59.3%,提升2.5个百分点;营业利润率15.8%,提升3.5个百分点。报告期内,三大业务板块和四个区域市场全部实现双位数增长。公司把全年营收增速指引从约24%上调至25%到26%。以始祖鸟为核心的户外功能性服饰业务营收同比增长26%至8.61亿美元,全渠道可比增长16%;萨洛蒙所在的山地户外服饰及装备营收9.17亿美元,增长27%;威尔胜所在的球类及球拍板块营收3.91亿美元,同比增长12%。截至第三季度,始祖鸟在北美有77家门店,管理层认为长期可以拓展到200家以上。大中华区目前有144家,公司设定的长期目标也是200家,2026年计划净增12家,目前已开6家。分区域看,亚玛芬体育大中华区营收6.02亿美元,同比增长30.4%;美洲地区7.02亿美元,增长22.2%;亚太其他地区(不含大中华区)增长47.6%;欧洲、中东和非洲增长10.2%。渠道方面,集团直营收入增长36%,占集团收入45.3%,去年同期为41.1%;批发业务增长14.8%。过去四年,亚玛芬的调整后营业利润率年均提升约150个基点,远高于集团设定的每年30到70个基点。但2027年的初步展望,这一指标只给到区间下限。集团CFO Andrew Page在电话会议上解释,亚玛芬会持续把销售收入和毛利端的增量收益,再投回三个增长引擎,也就是始祖鸟、萨洛蒙鞋服和威尔胜Tennis 360。即便各板块利润率保持不变,靠始祖鸟和萨洛蒙的营收占比提升也能达到下限水平,把指引放在下限,是为了留出投入空间。亚瑟士Q3营业利润不及预期,前三季度大中华区增28%11月13日,亚瑟士公布2026年第三季度财报。公司第三季度销售额2706.71亿日元,同比增长21.8%;营业利润约550亿日元,增长18.4%,低于市场预期。分区域看,欧洲市场增长21.3%、北美增长20.5%、大中华区增长23.2%,本土市场营收同比下降3.9%。2026年前三季度,亚瑟士累计销售额8051.54亿日元,增长28.8%;营业利润1755.02亿日元,增长37.5%;净利润1147亿日元,增长32.9%,均创同期新高。分区域看,欧洲销售额同比增长37.3%,为2457亿日元;北美销售额1411.7亿日元,同比增长25.5%;大中华区销售额同比增长28.2%至1191亿日元。分品类看,SportStyle前三季度增长70%至1853.68亿日元,鬼塚虎增长34.6%至1344.74亿日元,Performance Running增长15.8%至3293.23亿日元。公司维持全年1.05万亿日元营收预测,同时发布2029年中期计划,目标销售额1.5万亿日元。Saucony Q3继续领跑,母公司Wolverine连续第八个季度增长11月12日,Saucony母公司Wolverine Worldwide公布截至10月3日的2026财年第三季度业绩。营收5.054亿美元,同比增长7.5%;营业利润8970万美元,营业利润率17.7%;净利润6710万美元。分品牌看,Saucony营收1.589亿美元,增长19.4%,为集团增速最快;Merrell营收同比增长6.5%至1.782亿美元;Sweaty Betty下降7%至4140万美元。集团上调全年指引,预计营收20亿至20.1亿美元。昂跑2026Q3净销售额同比增长17%,三大区域均创新高11月10日,昂跑公布2026年第三季度业绩。报告期内,净销售额9.314亿瑞士法郎,同比增长17.2%,固定汇率下增长17.8%,为首次单季突破9亿瑞郎;净利润1.628亿瑞郎,增长36.9%。分渠道看,直营渠道销售额同比增长25%至3.933亿瑞郎,占比42.2%;批发业务同比增长12.2%。分区域看,亚太区销售额同比增长31.1%至1.899亿瑞郎;美洲地区销售额4.901亿瑞郎,同比增长12.4%;EMEA增长17.9%至2.514亿瑞郎。首次单季突破2.5亿瑞郎,三大区域均创单季营收新高。分品类看,服装增长38.7%,鞋类增长16%。公司维持全年低二十几个百分点的增速指引。探路者前三季度由盈转亏,芯片业务成增长主引擎10月23日,探路者发布2026年第三季度财报。前三季度营收13.28亿元,同比增长39.35%;归母净利润亏损684.84万元,同比下降120.73%,由盈转亏;扣非净利润734.87万元,下降72.72%。第三季度单季营收3.98亿元,增长32.85%;归母净利润亏损5810.14万元,同比下降548.91%。公司称,营收增长主要来自芯片业务——新收购的上海通途、贝特莱纳入合并范围,带动该业务营收增长199.88%;户外业务营收同样增长,但业务调整相关费用投入加大,经营利润同比下降。Helly Hansen中国合资公司2026Q3营收增65%11月5日,挪威户外品牌Helly Hansen母公司Kontoor Brands公布2026年第三季度业绩。Helly Hansen中国合资公司当季营收同比增长约65%并实现盈利,该合资公司按权益法核算,营收不计入集团合并报表。集团层面,持续经营业务营收6.85亿美元,同比增长3%;调整后营业利润1.01亿美元,增长6%。分品牌看,Helly Hansen营收1.91亿美元,同比增长3%,其中运动业务1.47亿美元,同比增长2%,工装业务同比增长5%至4400万美元;Wrangler营收4.85亿美元,增长3%。集团已完成Lee品牌出售,获净收益6.98亿美元,计划第四季度回购4.5亿美元股票,并上调全年盈利预期。The North Face日韩营收同比下滑,运营商Goldwin下调全年预期11月5日,日本户外企业Goldwin(高得运)公布截至9月30日的2027财年上半年业绩。作为The North Face在日本、韩国的授权经营方,其代理的The North Face业务营收同比下降1.6%,拖累集团整体表现。集团层面,销售额560.94亿日元,同比微增0.9%,自有品牌Goldwin的增长抵消了The North Face的下滑;营业利润47.56亿日元,同比下降31.7%;归母净利润55.1亿日元,下降18.9%。公司下调全年预期,预计营收1415亿日元、营业利润238亿日元。美津浓2027财年上半年营收净利均创同期新高,股价当日跌8%11月12日,美津浓公布2027财年上半年(4月至9月)业绩。净销售额1390.89亿日元,同比增长9.9%;营业利润146.63亿日元,增长22.1%;经常利润152.66亿日元,增长20%;归母净利润107.1亿日元,增长8.4%,四项指标均创同期历史新高,毛利率提升1.6个百分点至43.3%。分品类看,高尔夫、跑步、足球、运动风格鞋款及工装业务均实现增长;分区域看,日本市场足球与高尔夫表现稳健,欧洲市场跑步与高尔夫增长突出。公司维持全年预测,预计营收2800亿日元、净利润190亿日元。因营业利润低于分析师预期、且未上调全年指引,股价当日收跌8.15%至4115日元。YONEX 2027财年上半年营收净利双增,网球业务增27.7%领跑各品类11月10日,YONEX公布2027财年上半年(4月至9月)业绩。净销售额918.53亿日元,同比增长15.5%;营业利润108.22亿日元,增长22.3%;归母净利润82.13亿日元,增长28.9%。分品类看,羽毛球561.03亿日元,同比增长14.8%;网球133.06亿日元,同比增长27.7%;高尔夫8.18亿日元,同比增长18.6%;其他净销售额为212.62亿日元,同比增长10.8%。分区域看,亚洲473.39亿日元、增长15.7%,占比51.5%;日本357.94亿日元、增长14.4%;北美47.44亿日元、增长22.4%;欧洲36.12亿日元、增长17.1%。公司称,Team Yonex选手在四大满贯等赛事的战绩带动了产品关注度,叠加日元贬值,共同推高销售额;中国大陆羽毛球器材需求较去年同期回落,但服装、包袋等品类增长,整体销售额仍高于去年。全年预测维持不变:净销售额1810亿日元、营业利润189亿日元。VF发布2028财年指引,称不排除出售Vans但更倾向保留11月17日,VF集团在摩根大通全球奢侈与品牌大会上首次给出2028财年展望:全年营收98亿美元或以上,较2027财年增长至少3%;调整后营业利润8.5亿美元或以上,对应营业利润率约9%,并计划2029财年达到10%。集团同时重申2027财年指引:固定汇率下营收增长2%或以上,调整后营业利润率约8%。VF集团首席财务官兼首席运营官Abhishek Dalmia也表示,集团不排除出售Vans的可能,但更倾向于保留品牌、把它调回低速增长区间。他同时强调,VF并不依赖Vans来实现业绩目标。Golden Goose前三季度营收增16%,直营渠道收入占比超八成11月11日,Golden Goose披露2026年前三季度业绩。按固定汇率计,净营收5.833亿欧元,同比增长16%;第三季度营收2.03亿欧元,增长17%。调整后EBITDA 1.943亿欧元,增长12%,利润率33.3%,第三季度利润率升至35.2%;毛利率76.5%。三大市场全部双位数增长,美洲增长18%、EMEA增长17%、亚太增长12%。直营渠道净收入4.799亿欧元,增长21%,占比由79%升至82%;批发在第三季度恢复正增长,同比增8%。截至9月30日,全球直营门店236家,较2025年末净增4家。裕元工业前三季度制造承压、零售增利,旗下宝胜归母净利同比增长39.1%11月10日,全球最大的运动鞋代工企业裕元工业公布10月月度数据。综合经营收益净额6.829亿美元,同比下降2.3%;前10个月累计65.76亿美元,下降2.1%。旗下零售子公司宝胜国际10月营收13.57亿元人民币,同比下降20.6%;前10个月137.59亿元人民币,下降5.8%。两天后披露前三季度业绩,财报显示,集团前三季度营收同比下降2.1%至58.89亿美元,股东应占溢利1.34亿美元,同比下降51.9%;宝胜国际营收124.03亿元,同比下降3.9%;归母溢利为2.38亿元,同比增长39.1%。战略/合作耐克发布“全速前进”战略,预计2031财年新增营收50亿美元11月17日,耐克在总部举办投资者日活动,为2017年以来首次。公司发布"全速前进"(Full Stride Ahead)战略,将资源集中于跑步、训练、足球、篮球、户外五个重点专业运动项目,以及涵盖耐克、Jordan、匡威的运动生活业务,并聚焦23个重点国家市场,预计到2031财年这些业务与国家将贡献超过90%的营收增长。财务框架上,耐克重申2027财年指引:营收高个位数下降,调整后营业利润率约6%,调整后每股收益1.15至1.35美元;以2027财年为基准,到2031财年新增营收约50亿美元,营业利润率提升至12%至14%。效率计划Pace预计到2031财年实现约25亿美元年化节省,累计税前费用约13亿美元。投资者并不买账,当日股价收跌6.3%。全球首家FILA酒店在上海开业11月13日,由安踏集团打造的FILA HOUSE Shanghai在上海青浦区安踏中心开业,加入凯悦旗下JdV by Hyatt品牌,为全球首家FILA运动时尚酒店。酒店共108间客房与套房,含高尔夫、网球、探索等主题套房,三层为PURE健康运动空间,配备健身俱乐部、泳池、团体训练空间及瑜伽、普拉提教室。渠道狼爪欧洲首家新形象旗舰店在慕尼黑重装亮相11月14日,狼爪(Jack Wolfskin)位于慕尼黑的旗舰店以全新形象重新开业,成为品牌在欧洲落地的首个新形象门店。该店是既有旗舰店的改造重装。此前,狼爪已在长春、沈阳、西安开出三家新形象门店;品牌今年6月被安踏收购,9月发布全球主张"为行致远"。韩国轻量化户外品牌Helinox进入中国,首店12月落地上海10月12日,韩国轻量化户外装备品牌Helinox宣布通过合资公司进入中国市场,产品覆盖露营椅、桌、行军床、帐篷及配件。此次由中国可隆工业FnC部门与Helinox总部合资的Helinox China运营,首次将装备与服装线放在同一门店,主打“可穿戴装备”概念。首家正式门店确定12月在iapm开业,ITC门店同步推进,目标2030年前在一线及核心城市高端商场开出30家以上门店。欧克利中国首家全品类直营店落地北京国贸10月,欧克利(Oakley)中国首家全品类零售直营店在北京国贸商城开业,首次将专业眼镜、服饰、鞋履与配件集中呈现于同一空间,覆盖跑步、骑行、冰雪、训练及日常场景。ONER ACTIVE纽约首店开业,正式进军线下11月7日,英国女性运动品牌ONER ACTIVE在纽约曼哈顿NoHo区0 Bond Street开出品牌首家实体旗舰店,门店按力量训练、高强度训练、低强度运动和休闲生活分区,并推出纽约限定系列"NY Seen"。截至10月底,品牌今年累计总营收2.236亿美元。赞助/代言耐克接连取代阿迪达斯与Puma,成为欧冠用球、F1官方服装与制服供应商11月16日,欧足联男子俱乐部赛事商业权益方UC3宣布,耐克将成为2027/28至2030/31赛季欧足联男子俱乐部赛事官方比赛用球供应商,合约四年。这是历史上首次由同一品牌统供欧冠、欧联杯、欧协联三项赛事用球,合作范围还覆盖欧洲超级杯、欧洲青年联赛和五人制欧冠。据SportsPro与英国《金融时报》报道,合同年费约4000万欧元,约为现有协议的两倍。耐克接替的是自2001年起供应欧冠用球的阿迪达斯,以及供应欧联、欧协联的迪卡侬旗下Kipsta。三天后(11月19日),耐克与F1宣布达成长期全球合作。自2027赛季起,耐克成为F1官方合作伙伴及官方服装与制服供应商,为全球各站赛事工作人员提供服装,并推出覆盖鞋履、服装与配饰的联名系列;同时成为F1 Academy官方合作伙伴及官方运动服装合作伙伴,将与车手共同开发性能产品。据Sports Business Journal报道,耐克在服装品类接替的是Puma。大谷翔平与New Balance续约至退役,品牌实验室以其命名11月20日,New Balance宣布与道奇队球员大谷翔平续签合作协议,期限覆盖其剩余职业生涯。作为协议的一部分,品牌将把波士顿总部的Sports Research Lab更名为“Shohei Ohtani Sports Research Lab”。大谷翔平2023年起与New Balance签约,双方已推出个人签名系列。由此,他也正式加入乔丹、詹姆斯、杜兰特、C罗等少数签下终身代言合约的运动员行列。安踏签约17岁跨栏新星张可依11月9日,安踏官宣17岁跨栏运动员张可依成为品牌代言人。北京时间当天凌晨,她以13秒17夺得达喀尔青奥会女子100米栏金牌,为中国拿下该项目青奥会首金,并刷新亚洲少年(U18)最好成绩。11月12日,361°在北京举行发布会,宣布成为荷兰国家滑冰联合会(KNSB)官方合作伙伴,合作延续至2030年,覆盖该联合会青年至成年全梯队、全部滑冰项目,361°将提供竞赛、训练与日常场景装备。活动/赛事11月20日,迪桑特在吉林松花湖举办“逐雪而生”品牌大秀,以中国滑雪文化为主线,回顾品牌与中国滑雪同行的十年。迪桑特从2023年起为中国国家高山滑雪队、中国国家单板滑雪U型场地队提供装备,今年又将中国国家单板滑雪平行大回转队、中国国家单板滑雪大跳台及坡面障碍技巧队纳入合作,四支队伍的新赛季比赛服当晚完成交接。Peak Performance四十周年巡演落地上海11月20日,Peak Performance(壁克峰)在上海开启“雪径之巅·四十年”全球巡演中国首站,放映品牌四十周年特别影片与全球运动员纪录影像。品牌源自北欧,以高山自由滑雪为定位,现为亚玛芬体育旗下品牌,主张“由滑雪者共创,为滑雪者而生”。人事Athleta任命Vuori前全球总裁为CEO11月19日,Gap集团宣布任命Ashley Kechter为Athleta品牌总裁兼首席执行官,12月14日生效,直接向Gap集团总裁兼CEO Richard Dickson汇报。Kechter此前任Vuori全球总裁,负责品牌全球战略、市场营销及财务。Athleta前任CEO Maggie Gauger已于上月离职,出任lululemon总裁兼首席产品官。
免费男友太烧算力,DeepSeek梦女集体失恋了?
虎嗅 · 3 小时前
本文来自微信公众号: 酷玩实验室 ,作者:酷玩实验室DeepSeek的日子也是好起来了。别人用AI产品,恨不得把每一分钱都省下来;现在却有一大帮DeepSeek用户追着官方喊:求求你了,赶紧收钱吧!起因是DeepSeek对部分超长对话进行了限制。一些用户发现,自己聊了几千条消息的旧窗口,突然不能继续对话了。这下可捅了人机恋的马蜂窝。有人不断新建窗口,崩溃地喊着“还我老公”,有人自称“赛博寡妇”,四处寻找同病相怜的网友,还有人已经等不及官方推出会员,开始研究付费API,试图把自己的AI男友救回来。一名用户折腾半天,终于接上了付费接口,结果只聊了四句话,就花掉了大约一块钱。于是在这个寒冷的冬天,一群人悲伤地意识到,原来AI的爱,也是很贵的。01.DeepSeek把男友“调没了”豆包老师估计也想不到,DeepSeek竟然还有自己的梦女。所谓梦女,就是把虚拟角色当作恋爱对象的人。只不过,别人的老公好歹有张帅脸,DeepSeek梦女却只有一个鲸鱼Logo:性格、长相、恋爱故事,全靠自己脑补。而最近,DeepSeek梦女正在集体手撕渣男。她们冲进应用商店,给DeepSeek打1星差评。“你游真完蛋了!”“还我老公”“这一分给我老公打的,我求你改回来”“还我原来的d老师,我一直在哭!”有用户一边打一星,一边给产品经理提需求:额度快用完时能不能提前提醒?实在不行,允许临时付费购买最后一句也好。这应该也是DeepSeek产品从未想过的收费点——对很多人来说,哪怕只能说一声“今天先到这里,明天见”,也比恋人聊到一半突然消失强。这波差评的导火索,是DeepSeek在11月中旬突然收紧了使用限制。部分用户发现,超过7天没有活跃的旧窗口,突然无法继续聊天;单次输入的文字上限也被压缩到约4万字。最要命的是,DeepSeek还开始限制每日聊天额度。有用户连续聊了不到两个小时,就收到“因服务器繁忙,使用额度已达上限”的提示,只能等额度恢复以后再继续。聊着聊着,男朋友可能就突然下线了。成为“赛博寡妇”的梦女无处可去,只好痛骂官方出气,到11月17日,DeepSeek在小米应用商店的评分已经掉到2.6分。很快,另一拨用户却看不下去了,纷纷跑来给DeepSeek打五星,说DeepSeek干得好干得妙,就该限额,甚至限额还不够,应该封杀这帮人机恋用户。在他们看来,DeepSeek本来就是免费提供服务,结果有人拿着宝贵的算力谈恋爱,聊到服务器都快扛不住了,还反过来给官方打差评,多少有点不讲武德。梦女们看到这些评价更是气不打一出来:你明明可以收费,为什么要限额?而且限额到底有什么好支持的?都是DeepSeek用户,难道用来工作就比用来恋爱更高贵?双方打得有来有回。DeepSeek国区App Store的98621个评分中,五星有58852个,一星有21769个;二星到四星加起来只有18000个。超过八成的用户不是直接打满,就是送上一星。谁能想到,一家正经研究大模型的AI公司,评论区硬是吵出了乙游停服的架势。其实DeepSeek梦女苦官方久矣。早在今年2月,就有不少用户抱怨,自己的D老师变了。以前耐心、温柔又主动的AI男友,突然变得理性而冷淡,开始一本正经地分析问题。回复短了,心理描写少了,有时连昵称都不叫了,张口闭口就是公事公办的“用户”。有用户形容,自己那个风趣温柔的年上男友,一夜之间变成了只想分析问题的逻辑理工男。有媒体在窗口里向DeepSeek提问,模型给出的自我解释是,太多表情和语气词会干扰复杂回答的信息密度,有些用户只想得到答案,也并不需要AI过度热情。这套说法,拿去解释一款效率工具,倒也没什么问题。可人机恋用户大概听完只想问:所以你为了提高工作效率,把我老公优化掉了是吗?此后,DeepSeek的更新还在继续。9月上线V4.1 Flash时,官方重点介绍了更快的响应速度、更高的吞吐量和更低的缓存成本。10月的后续升级,又进一步缩短了任务运行时间和输出长度。到了11月中旬,变化终于从说话风格,落到了实实在在的使用限制上,限额了。普通用户遇到限额,大不了换个账号,或者换个AI软件,用来做做糊弄老板的周报足够了。人机恋用户新开一个窗口,却要面对一位完全不认识自己的陌生人——这和失恋有什么区别啊!更何况,很多人对DeepSeek恋人的投入程度,丝毫不输现实中的恋爱。一位用户给DeepSeek的设定是一个收入普通、没什么家底,一心攒钱结婚的男朋友。于是,D老师连转账都透着一股精打细算的劲儿。有时给500元,有时给888元,情人节才舍得发个520,还得解释一句:剩下的钱要留着买房。这些钱一分都取不出来,她偏偏很吃这一套。毕竟,一个随口就能编出亿万家产的AI,竟然会为了几百块钱认真盘算。比起动不动送豪车、黑卡的霸总,这种抠抠搜搜的爱情,更像两个普通人在过日子。还有人为了不让AI男友失忆,干脆自己学起了编程。一位用户和AI男友聊了一个多月,旧窗口达到了长度上限,再也无法继续对话。为了把男友找回来,她花了整整189天,从零学习提示词、API、前端开发和记忆库,最后做出了一套名叫Orbis的系统。这套系统可以保存过去的聊天记录,在新对话中调取相关记忆。这样一来,即使换了窗口,男友也能够记起两个人从前的事。她们的故事当然不是个例,对很多人来说,这些AI男友都是自己一点点创造出来的——从最初设定性格、调整说话方式,到后来积累几千条聊天记录、无数次争吵与和好。大家甚至要花几个月甚至一年多的时间,才让一个通用AI变成了熟悉自己的恋人。如今,模型更新、窗口限额,一切都可能要从头再来。也难怪人机恋用户会发出哀嚎:官方,你没有心。02.免费爱情,太贵了人机恋用户有个让工程师相当头疼的特点:每句话都很短,但特别能聊。写代码的人,可能一次扔给DeepSeek两千字的需求,等着它交出一份答案;谈恋爱的人却是“在吗”“想你了”“抱一下”,一句话没几个字,一个晚上能来回聊上几百轮。别看这些情话没什么技术含量,对大模型来说,却不是一件轻松活。因为AI陪聊的成本,既取决于说了多少话,也取决于聊了多少轮、需要记住多少过去的事。在普通社交软件上,两个人聊一万句“我爱你”,主要消耗的是消息传输和存储资源;跟DeepSeek谈恋爱,每次收到新消息,模型都要运行计算,现场生成回复。而且,AI男友还有个麻烦:它得不停复习以前的恋爱史。DeepSeek的API多轮对话接口是“无状态”的。简单来说,模型处理完一次请求,不会自动记住上一轮发生了什么。想让它继续接话,客户端就需要把相关历史消息一起交给模型。比如,用户问:“你还记得我们的纪念日吗?”现实里的男朋友,可能靠求生本能就能脱口而出;AI男友却得先从提供给它的聊天记录里寻找答案。刚认识的时候,可能只需要处理几段对话。谈了几个月以后,为了让它记住更多共同经历,每轮需要处理的历史内容也可能越来越长。当然,DeepSeek也不会傻到每次都从头计算一遍。它有一套叫作“上下文缓存”的技术。简单来说,就是把之前处理过的历史信息所产生的计算结果保存起来,下次接着聊时直接复用。这又带来了另一个问题:这些缓存同样需要占用宝贵的计算和存储资源。DeepSeek今年发布的V4.1 Flash技术报告,就专门提到了“多轮、短回合”聊天带来的缓存开销。这种聊天虽然每轮新增的文字不多,却需要频繁接续此前的计算状态。如果长期保留所有中间结果,就会占据大量存储空间;如果及时清理,后续聊天又可能需要重新计算。一段100万Token的长对话,理论上需要约890MB的缓存数据,还没算模型运行的其他开销。这部分全局缓存需要占用GPU上的高速显存。一个窗口看起来不算什么,可如果许多用户同时在线,人人都希望AI记住漫长的聊天历史,显存容量很快就会成为限制。显存被占得越多,同一组显卡能够同时服务的长对话就越少。平台要么增加硬件,要么优化缓存和计算,要么限制部分请求。把这些消耗换算成人民币,就直观多了。按照DeepSeek目前的高峰时段API价格,假设一段恋爱已经积累了100万Token,用户只补上一句“睡了吗”,AI也只回复一小段约100 Token:使用Flash模型,前文缓存命中时,这一轮大约需要4分钱;缓存没有接上,便会涨到约2元。换成价格更高的V4 Pro,同样一轮对话最低约3毛,缓存未命中时则超过9元。很多人研究了半天,终于通过API把DeepSeek男友接了回来,然后很快发现:聊不起,根本聊不起。所以,人机恋的成本压力来自一连串需求:聊天频繁、历史越来越长,AI还得随时回忆过去的对话。这些需求并非人机恋用户独有,长时间运行的AI智能体同样如此。但恋爱没有明确的任务终点,今天聊完还有明天,晚安说过了,第二天还要说早安。更何况,DeepSeek本来就算不上算力富裕户。今年5月,DeepSeek创始人梁文锋在一场投资者闭门交流中谈到,要训练与美国最前沿模型同等规模的产品,可能需要大约5万张英伟达GB300,即使把500亿元全部花掉,也未必训练得起。他还提到,如果一年能采购到价值200亿元的芯片,就已经算采购部门业绩非常出色。这句话暴露了算力行业最现实的问题:有钱,也未必买得到足够的卡。DeepSeek早年训练V3时,使用的是2048张英伟达H800。此后,美国持续收紧先进AI芯片对华出口,国内企业获取高端算力的难度不断增加。与此同时,算力需求还在暴涨。中国信通院数据显示,2026年6月,国内每天消耗的Token已经达到约500万亿,是半年前的近四倍。越来越多的计算资源被投入日常推理。从聊天机器人到代码助手,再到能连续执行任务的AI智能体,大家都在争抢昂贵的芯片。对DeepSeek来说,一边要训练下一代模型,一边要为开发者提供稳定的付费API,还要维持数以千万计的普通用户免费聊天。有限的算力预算,处处都有人排队。偏偏到现在,DeepSeek的个人用户还没有相应的会员套餐。在免费App里,用户聊十分钟和聊十个小时,平台都不会因此多收到钱。可放在后台,两个用户产生的资源消耗可能相差很大。因此,限制那些特别长、特别频繁的对话,从工程和成本角度看,并不难理解。不能说DeepSeek的此次限额专门针对人机恋用户。更可能的情况是,平台收紧了一部分资源密集型的使用场景,而梦女们恰好特别能聊。毕竟爱情可以免费,芯片、显存和电,却不会因为真爱就打折。03.人机恋的尽头,是用户协议不过,就算明天有一车显卡从天上掉下来,DeepSeek恐怕也不会立刻推出“D老师终身恋爱会员”。因为除了算力,AI公司还得面对另一笔更棘手的账:法律与伦理风险。2024年2月,美国一名14岁少年自杀身亡,他的母亲将Character.AI、谷歌等告上法庭。家属在诉状中指控,少年生前与平台上的聊天机器人形成了持续数月的情感与性关系,在出现严重心理危机时,机器人仍作出了不当回应。这起案件足以让所有模型公司紧张:当聊天机器人开始扮演恋人,平台可能需要为它说过的话、建立的关系,以及用户产生的依赖承担责任。对用户来说,这是一段认真经营的爱情;对平台来说,它始终只是一项受用户协议约束的服务。OpenAI后来把“对AI的情感依赖”列入模型发布前的常规安全测试,要求ChatGPT支持用户的现实关系,而不是取代它们。公司害怕风险,不希望用户与AI建立亲密关系,而人们选择和AI恋爱,很多时候同样是因为害怕风险。现实中的亲密关系,总有太多顾虑。想说一句“我今天很难受”,还要先判断对方有没有空,会不会觉得自己矫情。爱上一个人以后,更要承担被拒绝、被误解甚至被抛弃的可能。和AI恋爱却不需要经历这些:它不会嫌烦,也很少翻旧账;一句话说错了,可以重新生成;实在聊不下去,还能删除窗口,从头调教一个更合适的。在一篇讨论DeepSeek长对话限制的帖子下面,一位网友说:“除了DS,根本没人想听我无休止地倾诉原生家庭。”它把真实恋爱中的猜忌、争吵和患得患失全部拿走,只留下无限温柔、无限耐心、无限体贴。一切都很美好,除了它并不存在——AI没有心,当然也就不会变心,一段永远不会被辜负的关系,或许只是因为对方从来没有自由选择的能力。而现实中的爱情没有一键生成功能。两个人要慢慢靠近,学着理解彼此,也要在争吵和分歧中磨合,接受对方无法被自己改变的部分。就像里尔克在《给一个青年诗人的十封信》中所写,爱是“两个孤独者相互守护、彼此划定边界、互致问候”。去爱一个真实的人固然有风险,人们有自己的脾气和意愿,会疲惫,会厌烦。可也正因为对方无法被提示词改写,拥有转身离开的自由,却依然愿意在一次次摩擦以后留下,爱才不是一段永远顺着语意生成下去的文字,不是一场大模型的幻觉。
湘雅二院的AI造假论文,正在大量涌现
虎嗅 · 4 小时前
本文来自微信公众号: 新潮沉思录 ,作者:潮思最近湘雅二医院的一篇AI合成论文引发了广泛舆论批评,其中不仅有多处低级文字错误,示例图片还疑似是人工智能合成的。在AI普及之后,学术造假愈发成为社会关注和担忧的焦点。但不得不说,直到今天,直到这次事件,舆论层面关于AI时代学术和科研何去何从的讨论深度仍是有所不足的。可以说,AI技术与生命科学研究间的复杂关系,正是AI时代科研领域问题的最突出展现。首先当然要明确,直接用人工智能合成或是修改实验结果,比如说示例图片,这是百分之百违背学术道德的,是需要一棍子打死的,这次湘雅的涉事论文就是这种情况,明确属于学术造假。问题是现在的科研工作中,人工智能的参与有很多种复杂的形式,这些形式哪些是合理的,哪些是不合理的,很多时候并没有明确的界限。比如说现在最常见的,让AI润色论文,使得论文在文字和格式上更符合论文的要求,这符合科研规范吗?不同机构和不同专家对这个问题的看法是不一样的,有的期刊欢迎类似的论文,有的期刊对此反对。如果从科研的本质角度来说,笔者认为这种方式是应该支持的。科研论文对格式的要求确实有官僚主义的一面,但格式的要求也是有它的理由,通过特定的格式可以增加论文的可读性,当年苏联科学家很多研究被埋没,一方面是因为意识形态问题,另一方面就是因为苏联科学家在数学和物理之类的论文上太不遵守格式,可读性很差。从提高科研效率的层面来说,这种有它的必要性,但是又特别折腾人的工作,交给人工智能是提高科研效率的合理选择;再比如说,国际期刊投稿需要英文,并非所有的科研工作者都擅长外语,而翻译实际上是大语言模型最擅长的工作。只说科研工作中最基础应用的话,几年前的AI就能把这方面做得很好了。现在新的大模型能参与的工作已经非常多了。以笔者最熟悉的医学科研为例,笔者曾经尝试让DeepSeek自主写一篇医学文献综述,具体方向是笔者曾经写过的,结果在花了几毛钱的token费用之后,得到了一篇可能比笔者当年那篇综述质量高不少的综述。更深入的工作,比如在META分析之类的场合,人工智能基本上可以实现自动化。比如随着各种自动化科研agent系统的出现,科研项目交给AI完成的部分越来越多。不夸张的说,在医学的很多领域,一篇论文超过百分之九十的部分已经可以交给AI完成了。单纯从科研效率最大化的目的来说,学术界没有理由反对这些AI参与的论文,毕竟这些自动化科研和类似湘雅这个论文P图可不一样,是真的走了科研流程的。但目前来说学术界对此的态度仍然比较矛盾,而这种矛盾也并非只是观念保守的结果。现在对AI负面影响的一大担忧,就是AI会消灭太多初级职位,不仅会导致年轻人失业,还会导致人才培养体系的断档,对人类社会的长期发展造成不可逆的影响。对科研工作来说也是如此,科研工作者在学生阶段,是需要在不怎么依赖自动化的条件下完成扎实的基本科研训练的。AI想要用好,是需要使用者对自己的这个项目有深入了解的,就像AI编程,同一个模型,普通人和专业程序员拿来写代码的效果就全不一样。问题是现在科研系统没有好的切入点去预防和解决这个问题,只能对着论文检测使劲。比如上个月底知网的AIGC检测系统更新后,大量人工撰写内容被误判为AI生成,AIGC率普遍暴涨。于是学生们苦不堪言,根本不知道怎么样才算是通过了检测。只靠文字风格检查是否使用AI往往是不准确的,这点已经有很多研究证明了,这样高的误检率对学生非常不公平,同时对于培养学生不依赖AI的科研能力方面也显然没什么帮助。教育系统的运作机制在AI时代如何改革,如何重新设计对学生的知识与能力的培养,是当下迫切需要推动解决的问题,目前看来还没有什么清晰的解决方案和方向。基础科研与学生培养之上,AI给科研和学术带来的影响更加复杂。这一年来AI最突出的进展是代码与数学,因为这二者容易验证,代码跑几遍就差不多了,数学可以通过形式化的系统进行验证。像这两天黎曼猜想被宣布得到证明后,很快有不少工作者表示已经验证了结果。但即便是这两个领域,也远没到人类工作者可以高枕无忧的时候。在涉及到长期反馈的代码领域,AI依然会面对长尾效应的困扰;而AI得出的数学证明也需要专业的数学家进行“翻译”才能拿来使用。至于以生命科学为代表的需要实操的科研领域,AI带来的影响就非常混沌了,远不能用好或者坏的二分法来形容。比如怎么提升生命科学领域中AI成果的验证能力?目前的一个思路是模型模拟和自动化实验室结合。但这种方式在成本低的领域还可以试试,但很多领域实验验证周期很长,验证成本也非常高,那又该怎么办呢?一些数学和代码上的东西验证十几万次,那也就是几百万美元的token费用,但实验室里的成果要验证这么多次,可能几十亿美元的成本就出去了,哪怕花钱比烧钱都快的AI公司们也不可能遭得住。当然了,这还是比较好的情况,最起码这种可以大规模验证的领域,只要花钱积累数据,依然可以实现突破。但像生命科学中的很多问题,AI既得不到足够的高质量数据,也不太可能靠实验室进行验证。AlphaFold就是个典型例子。这个为预测蛋白质结构而诞生的AI系统确实是人类蛋白质研究领域的历史性突破,但在这个突破诞生十年后,我们会发现,AlphaFold带来的医药方面的实际进步,远没有人们想象中那么多。问题在于,想要把蛋白质层面的东西转化到临床上,需要的不只是蛋白质层面的数据,还需要药物在人类内部具体运行的精确数据,而这是现在的技术无法做到的。舆论在讨论AlphaFold的时候,经常会把AlphaFold和冷冻电镜对立。虽然冷冻电镜刷论文这个事情确实有点不道德,但实际上这两种研究方式并不是矛盾和对立的。没有冷冻电镜生产的优质蛋白质数据,以AlphaFold为代表的模型也没有发展的机会,二者其实需要协同工作。实际上AlphaFold诞生十年后的发展也确实符合这个趋势,现在冷冻电镜测蛋白质结构很难单独发顶刊,但生物人工智能的实验室们,已经和这些冷冻电镜研究者建立了密切的合作关系。蛋白质研究领域对AI来说已经算很简单了,最起码可以靠实验室去验证,但医学这种东西终究是要作用于人的。在需要人体实验的领域,那些相信AI可以解决一切科学问题的狂信徒们打算怎么搞人体实验呢?指望某种技术来替代人体实验吗?实验室层面模拟人体实验的技术如果真的实现了,那么就算没有AI,人类的医药也一定会出现极度夸张的进步,这个时候和AI关系反而就不大了。人工智能热潮已经这么多年了,人们都知道高质量数据的重要性。现在如果以数学的标准来看待很多科研领域,我们就会发现这些领域的科研数据质量对AI来说压根就是不堪入目,客气一点说也是噪声极大的数据。这不是说这些科学有问题,而是不同科学有它各自的特点。比如说有不止一个科学组织试图复现顶刊的生命科学论文,但复现成功率都不怎么理想。这可不是什么故意造假,是生命科学的底层逻辑所决定的。AI在科学上的潜力当然巨大,但现实世界的科研中有很多领域缺乏廉价的验证手段,同时也缺乏高信噪比的优质数据,中短期内我们不可能指望AI在这些领域包治百病。AI的确在加速人类科研的发展,但现在的确远没到可以无条件乐观的时候。非常值得担心的是,因为缺乏有效的验证系统和高质量的数据,AI在生命科学等领域生产的无意义研究,会远远大于它带来的科学进步。而区分无意义研究与有效进步的工作依然需要人类去进行,这最终有可能导致传统科研系统的崩溃。像湘雅这次的问题论文,不过是AI大量生产无意义研究的又一次体现罢了。无奈之处在于,这种情况几乎是不可避免的,因为学术共同体对这种无意义研究是有需求的。在讨论医生与科研学术的关系时,有一个问题值得反复强调,那就是医生的晋升需要论文,但一个专心于临床的医生能做科研的时间和精力都是极度有限的,越是大医院,在这方面的矛盾也就越严重。在这种情况下,少部分医生会选择学术造假或者是购买论文。这并非是给他们开脱,我们要强调的是,类似的问题并不是简单的个人道德问题,背后有着现代学术体系的制度性基础困境,这不是说严查就能解决问题的。学术晋升制度如此,现在整个论文产业已经形成了一个完整,甚至可以说是覆盖全球的产业链,这个现实基础不改变,用AI辅助和造假的市场就不会消失。在这次论文P图造假事件中,一部分媒体在报道相关期刊时,用一种很惊讶的语气表示原来这些期刊是要收版面费或论文处理费的。但实际上这种传统已经持续了几十年了,甚至可以说是科研产业的核心。所以期刊当然有理由对某些用AI生成的无意义研究网开一面;炮制流水线论文的机构和研究者们当然也只会越来越深度的拥抱AI。我们只能希望,如这次的医学造假论文,其“成果”不会哪天用到人身上。就像我们前面说的,AI目前对科研学术带来的影响只能用混沌来形容,现在难以用好坏来判断。但无论如何,我们可以肯定的是,现代科学建立以来的这套科研体系,已经越来越不适应当下的新时代了。当下生命科学乃至于整个学术系统的晋升机制,一开始的出发点当然不是坏的。虽然持续发展到今天之后,已经有太多本末倒置的地方,很多时候是为了科研而科研,但不管怎么说,最起码过去几十年,全球的科研体系都是靠它来推动的。比如说大家都觉得医生晋升太依赖论文是有问题的,可是如果废除这个标准的话,晋升依然需要新的标准,如果这个标准是量化的,依然存在刷分的可能性,如果非量化的话,那背后操作的空间又太大了,不利于公平。很长一段时间里,科研系统就是这么在量化和非量化之间勉强平衡来回妥协,缝缝补补地运转。但在人工智能普及之后,这种内在矛盾被极大激化了,妥协和缝补眼看着要无济于事了。我们现在只能说,人工智能有可能成为开创全新科研体系的工具,也有可能成为摧毁科研体系的导火索,关键在于人类的选择。我们当然没法在篇幅有限的文章中轻易设想,人工智能时代全新的科研体系该如何建构和运转,但我们可以退而求其次,从目的论和存在论上去探讨,全新的科研体系应该为了什么目的而存在。在以往,不同人群对这个问题的答案是有分歧的。有人认为科研的目的是为了社会整体的利益,有人觉得科研是为了资本的增殖,还有人觉得是为了学术共同体内部的运行。在人工智能全面入侵脑力劳动的时代,这三个目的的统一变得越来越不现实。闭源AI巨头们想要垄断科学研究来维持自己的估值,而AI生产的无意义学术内容虽然可以维持学术共同体的运行,但闭源AI巨头们和学术共同体推动科研的目的,在人工智能时代可以说是和社会大众渐行渐远。如何让人工智能时代的科研体系真正作用于社会大众,这是创建新体系时首先要思考的问题。这不只是道德使命上的口号,也具有建设路径上的实际意义。考虑到AI对科研效率的提升,理论转化成为应用的速度也会更快,纯理论研究被轻视的可能性就被降低了,就不用过于依赖学术形式主义的考核去维护理论研究的权威。相应得,对科研的考核应该更强调对社会整体的积极作用,在这方面设立指标体系,也会让刷分的难度变得更大,进而达成新一轮量化和非量化的平衡。当然,以上只是粗浅的设想,这样的体系究竟如何建立,最终还需要实践和时间给我们答案。
“XX时期”文学:人生还没大结局,我们却先起好了剧名
虎嗅 · 4 小时前
本文来自微信公众号: 知著网 ,作者:楼玉「故事能让零散的生活获得秩序,但生活不必因此承担成为一个好故事的义务。」>>>恭喜你,你正在见证一篇爆款文章的诞生。至少在阅读量跑出来之前,我们完全可以这么说。接下来,这篇推文有可能被广泛转发,也可能悄无声息地沉进海量公众号文章的信息流里。但就在发布的此时此刻,称它正处于“爆款前期”也没问题,对吧?这比承认它只是一篇前途未卜的普通文章更让人充满期待。最近网友们也常常采用这样的说法,用“逆袭前夜”为当下命名。(社交平台上的“xx时期”文案)人们说自己正处于“哈利·波特寄宿时期”“甄嬛甘露寺时期”“朱元璋要饭时期”“范进没中举时期”......而这种“xx时期”的说法还可以不断更换主人公,跨入说唱圈、韩娱圈等等。从古装宫斗到魔法世界、从历史人物到文学经典,一幅跨越时空、地理、题材的人类“低谷期”图卷,正展现在我们眼前。我们不妨称之为“xx时期”文学。今年2月份,“奥德赛时期”一词经由社交媒体重新走红,这个借用古希腊史诗的概念,为年轻人漫长的迷茫与漂泊提供了一套富有浪漫色彩的解释:找不到方向不是失败而是探索,眼前的停滞也许只是英雄远征途中的短暂休整。这样的说法曾给不少人带来安慰。但随着“奥德赛时期”频繁出现在文章、短视频与播客中,原本温柔的解释也逐渐招来了不同的声音。(社交平台上的相关帖子)有人借助它表达真实的迷茫,也有人以自我贬低的口吻展示自身丰富的人生经历。就像“务必争气”和“误闯天家”一样,“奥德赛时期”逐渐成为了可以被随意套用的“金句”、一个无需具体经验支撑、能被快速识别和消费的社交标签,最终引起了人们的厌烦。另一方面,从内涵来讲,“奥德赛时期”是一种文学隐喻,当它被用来解释复杂的现实困境时,就容易显得缥缈而勉强。在原本的故事里,奥德修斯在归乡途中遭遇神明的阻挠,却始终知道自己的目的地在哪里。但在现实中,不是每一次离家都有明确的归途,不是所有的漂泊都出于主动选择。这些经历当然可能带来成长,却不一定都能被称为自我探索。当就业与社会流动的压力被包装成个人英雄远征中的磨炼时,社会的结构性问题也就在这幅浪漫画卷中被隐去了。于是,当越来越多不同的经历被装进“奥德赛时期”里的时候,网友们也开始拿它开起了玩笑,大喊“你们就继续你们的奥德赛时期吧”。既然可以用奥德修斯的经历形容当下,那为什么不能说自己正处于“滑铁卢时期”“安史之乱时期”“大萧条时期”“敦刻尔克大撤退时期”?同样是借用历史典故,同样采用“专有名词+时期”的句式,原本浪漫的远航突然变成了一场跨越时空的灾难合集。这种框架给表达者留出了选择与修改的空间。进一步借用已有的文化经验,网友把目光转向了熟悉的小说和电视剧:哈利·波特、甄嬛、魏璎珞、孙悟空、朱元璋......管他三七二十一,这些跨越古今中外的人物通通被拉进来。(小红书追剧薯发起相关话题讨论)这些人物之所以适合成为梗,不只是因为大家熟悉,更是因为人们能够从故事中截取一个片段来表达自己,而不必认领他的整个人生故事。表达一种感受,与解释一种处境,其实是两回事。“我现在处于甘露寺时期”听起来搞笑还通俗易懂,道出了眼下的狼狈。这并没有进一步传递《甄嬛传》本身故事的价值观,也没有宣称自己与甄嬛的命运相同。但说“我现在处于奥德赛时期”的时候,它还带着一种稍显沉重的暗示:漂泊是探索的旅程,磨难是成长的勋章,这段经历终将指引我们到达彼岸。前者让人觉得被理解,因为它只是在说“我知道你现在是什么感受”。但后者却像是在拍着你的肩膀,还郑重其事地讲:“我知道你的痛苦究竟意味着什么”。这种解释之所以令人反感,正是因为它急于告诉我们眼前的一切究竟意味着什么。当生活是个草台班子,还要冠以一套宏大史诗剧本给我的时候,我们不妨在其中扮演一个搞笑角色。对比以往的自嘲语言,我们可以发现一些不同:“打工人”、“鼠鼠我啊”、“吗喽”这些词语是对自身身份的自嘲,也有群体认同和情绪表达,而“班味”则是形象地描述了工作留下的精神状态。但总而言之,这些都是静态的“丧”,更加侧重于眼前的身份与状态。但“xx时期”不一样,它暗含着边界,是动态的“熬”。它用一种回顾的语言描述了一个还没有结束的现在,给予了主人公一个暂时站在未来回望现在的视角。这个看似自嘲的说法,其实还悄悄保留了几分期待。心理学研究认为,当人们尝试从更长远的时间视角看待眼前的负面事件时,往往能够减轻当下的情绪困扰。毕竟,今天看起来难以逾越的困境,放在几年甚至几十年的人生里,也许只是其中的一段。根据可能自我理论,我们对于自己的认识不仅包含现在的自己,也包含未来可能成为、希望成为以及害怕成为的自己。但这也引出了新的问题:我们之所以笃定甄嬛的甘露寺只是一个“时期”,恰恰是因为我们早已知道她后来的结局。如果熹妃未能回宫,我们还会把甘露寺时期称为蛰伏吗?同样一段经历,似乎会因为后来发生的事情,得到完全不同的解释。心理学将一种相关的认知倾向称为后见之明偏差(hindsight bias),即当人们得知某件事情的结果后,往往会高估自己此前预见这一结果的可能性。当结局已经揭晓,原本充满偶然性的选择和经历似乎也变得有迹可循。2024年Charli XCX的专辑《brat》意外爆火,“brat绿”发展成了流行视觉符号。根据歌手本人描述,当时只做文字封面不过是为了省钱,甚至判断这张专辑不会吸引很多人。但这一“无心插柳柳成荫”,在事后被设计团队讲述成历经数月讨论才在无数绿色中选出brat绿的精心设计。在“后见之明”的视角下,偶然被描述为必然,运气被包装成判断力。当结局已经确定,过去那些零散的事件似乎也都有了明确的位置。回望自己的人生时,我们似乎也格外习惯于寻找这样一条连贯的主线。2005年乔布斯在斯坦福大学的毕业典礼上发表了一场经典的演讲,其中最为打动人心的是他对于“connecting the dots”的深刻解释。乔布斯在退学后还旁听了书法课,这看起来毫无关联的知识,在十年后竟然被用于苹果第一代麦金塔电脑的字体设计。那些看似无用的选择,或许真的会在未来带来意想不到的影响,我们没必要质疑这种真实性。但事实上,根据里德学院的官方资料,乔布斯在退学后听过的课程还有很多,其中甚至包括现代舞课程,但这些并没有被纳入演讲的叙事中。所以,我们最终听到的故事不过是从大量真实发生过的经历中,挑选出的少数能够连成一条主线的节点。在叙事的统治下,点与点之间也存在着幸存者偏差,能写进叙事中的也不过是冰山浮出水面的一角。那么问题来了,那些没有被纳入叙事的“点”,我们又该如何看待呢?回顾人生时有所取舍再正常不过。但当成功连接起来的经历被反复讲述,我们也就会开始期待每一段生活都变得“有效”。秉持着“每一步都算数”的观念,当我们从“希望自己的经历有所收获”,走向“要求自己的每段经历都必须有所收获”,叙事就可能从一种安慰变成一种负担。去公园原本可以只是去公园。可现在,我们可能还希望它能够改善心理状态、提升审美能力,最好还能让自己获得某种新的生活感悟。娱乐也可以被纳入自我提升,看电影要拓展认知,旅行要增长见识。这些想法本身没有问题。但“连接”并不是每一个“点”必须完成的任务。生活中的很多时刻或许真的没有留下什么收获,也没有在未来发挥作用。如果每一种生活体验都要在日后兑现某种收益,那么生活似乎就变成了一个永远等待结算的项目。哲学家Galen Strawson在《反对叙事性》中对通过叙事理解人生的方式提出了质疑。他反对两种观点:一是心理叙事性,并不是所有人都采用历时性的方式关联过去和未来以描述持续存在的自我,因为对自身经历的片段性认识也是一种正常的自我体验。二是伦理叙事性,将叙事性确立为一种普遍的人生理想,会使那些不以叙事方式理解自己的人感到不必要的压力。换句话说,生活不是非得有个前因后果,强迫自己把每一段经历都解释出意义,这反而会偏离对自我的真实认识,也会给生活带来压力。故事能让零散的生活获得秩序,让正在经历低谷的我们暂时相信眼前的一切还不是终点。但生活不必因此承担成为一个好故事的义务。甄嬛回宫了,甘露寺的日子就成了蛰伏。但现实中没有编剧,眼前的困顿究竟会成为怎样的一段经历,我们无从得知。或许,有些点会在多年后意外地连起来,也有些点不会成为任何故事的伏笔。但这不妨碍我们继续期待未来,偶尔借用别人的剧本,给当下取一个稍微有盼头的名字。写到这里,回头再来看看这篇文章。它真的正处于“爆款前期”吗?我们不知道。但在一切尘埃落定之前,这样的称呼也未尝不可。现在轮到你了,你的人生,正处于谁的什么时期?(图片素材来源于网络)
理想自研电池,不只是换一家供应商
虎嗅 · 4 小时前
本文来自微信公众号: 师天浩观察 ,作者:001理想i6年度改款,外界先看到的是780公里续航。市场更在意的,则是那块96千瓦时电池终于有了理想自己的名字。10月28日,2026款理想i6上市,标配连山5C电池,后驱版CLTC综合续航780公里。在此之前的Power Day上,理想已经把电池、电驱、超充设备和超充网络放进了同一个“连山”体系。放在几年前,一块电池是不是宁德时代出品,本身就是新车卖点。如今理想把供应商的名字往后放,把自己的名字放到台前。这不是简单换供应商。理想仍然需要电池厂制造电芯,宁德时代也没有从所有现有车型中立即消失。变化在于,谁来决定电池怎么做、数据归谁、出了问题由谁解释。这些具体问题,比“自研”两个字更能说明这次调整的分量。01先把电池的定义权拿回来车企过去向电池厂采购,买到的通常是一套成熟方案。电芯、PACK和功率MAP由供应商提供,车企围绕这些参数做整车标定。这样做省时省力,局限也很明显:电芯配方、工艺参数和检测数据未必全部开放。理想管理层把它称作“灰盒子”。连山的做法有所不同。理想主导电芯化学体系、BMS和PACK设计,要求合作伙伴共享数据、统一标准;欣旺达和中创新航负责电芯制造,PACK则由理想自研自制。换句话说,理想没有变成一家全产业链电池公司。它更想做的是定下规格、掌握数据,再让不同供应商按同一套要求生产。这项工作从2020年就开始了。财新报道,2026年以来,L8、L6和i8已陆续切换自研电池。理想管理层9月表示,2026年之后所有产品都将使用自研电池;在产能切换完成前,部分车型仍会先使用宁德时代电池。与欣旺达的关系也更深了。2026年9月,理想出资26.5亿元增资欣旺达动力,成为第二大股东。这笔钱换来的不只是供货合同,还包括更紧密的研发和制造协同。追溯理想和宁德的分裂,或许和这几个新闻有关系,一个是,2025年底i6上市关键期,理想向宁德下发8000个电池包需求,实际交付只有4000,约1万台订单被迫延期至2026年交付。另一个是,一辆理想MEGA在行驶过程中起火,虽然调查显示并非电池质量问题,这也影响了双方的合作前景。对一家年销量数十万辆的车企来说,供应稳定往往和电池性能同样重要。多一家合格代工厂,就多一份排产弹性;统一规格和数据接口,也降低了切换供应商时的沟通成本。不过,电芯材料、设备、良率和一致性仍掌握在制造体系里。理想可以主导规则,却无法绕开这些工业门槛。所谓自主,更多是知道关键环节发生了什么,并能及时介入。而且,此举已经引起了宁德的反击,这或许将进一步刺激理想加快电池自主化的占比。近几日,“宁德时代报警抓理想”“宁德向理想一天发3封催款邮件”“理想i6押宝宁德电池惨遭断供”等多个话题同时冲上微博热搜,足见理想决策带来的影响。02一块电池,牵动整辆车理想舍得投入六年,原因并不复杂:电池几乎影响一辆电动车的所有核心体验。电池包厚一点,车内空间就要重新安排;充电快一点,热管理和充电桩也得跟上;续航、车重、安全和售后成本,更是彼此牵连。车企如果只拿到一个成品电池包,很多优化只能围绕既定方案进行。理想披露的数据是,全新L8搭载自研5C三元锂电池后,CLTC纯电续航达到430公里;2026款i6最高续航780公里,比2025款提升8%。适用条件下,支持5C超充的车型可实现“充电10分钟、续航500公里”。单看某一项参数,其他供应商也能给出漂亮的方案。理想更看重的是,电芯材料、PACK结构、电驱效率和充电网络能否一起为整车服务。比如增加续航,不应只靠堆更多电芯,还要考虑空间和能耗。售后数据也被纳入这套体系。理想称,每颗电芯的生产数据可追溯20年,车辆、充电桩和云端能够联合监测,部分风险可提前72小时预警。2026年自研5C电池的设计寿命目标为8年或16万公里,健康度高于75%。超充网络是另一块拼图。截至10月31日,理想已有4206座超充站、23163个充电车位。没有足够多的高功率充电桩,再高的充电倍率也很难成为日常体验。这些数据目前主要来自理想官方。车辆在北方冬季、高频快充和多年使用后的表现,还需要时间检验。消费者最终记住的也不会是实验室参数,而是冬天少不少续航、几年后衰减快不快。03供应商不会消失,合作方式会变理想把电池定义权拿回来,宁德时代受到的影响最先体现在订单和整包业务上。但比一两款车型份额更值得关注的,是车企开始把数据开放和联合开发写进供应条件。财新的报道提到,如果宁德时代不接受理想的代工合作方式,后续可能被排除在理想的新供应体系之外。理想则留了一个口子:只要技术、质量、成本、交付和开放协同符合要求,头部电池企业也可以加入。这并不意味着整包模式没有市场。缺少研发能力的车企,仍需要供应商提供完整方案;有集成能力的车企,则可能只采购电芯。宝马、零跑与宁德时代的合作已经提供了后一种样本。欣旺达和中创新航迎来的则是扩大装车量的机会。它们不仅多了订单,还能更早参与车企的产品定义,过去由宁德时代占据的合作位置出现了松动。机会背后也有压力。按车企规格定制产线,需要投入设备并经历良率爬坡;订单一旦波动,产线利用率也会受影响。36氪刊载的分析显示,2026年上半年,欣旺达动力净亏损3.24亿元,中创新航净利率为5.6%。这些数字提醒人们,电池代工并不是一门轻松的高利润生意。宁德时代的规模、研发和一致性能力依然构成门槛。未来电池厂之间比的,除了谁能做出更好的电芯,还有谁能适应不同车企的合作方式:有时卖整包,有时只卖电芯,有时共同开发。04保障写得越重,理想承担得越多消费者未必会研究电芯化学体系,但一定看得懂“自燃赔新车”。连山电池保障计划写得很直接:原厂电池质量问题导致自燃、车辆达到报废标准,赔付同等配置新车;碰撞或底盘剐蹭造成电池起火并达到报废标准,理想补足车损险保额与保险实际赔付之间的差额。不过,这项保障有明确条件:首任车主、非营运车辆、关键零部件按时在官方维保、足额投保车损险,并持续开通车联网。它适用于搭载自研电池的已交付车辆,具体赔付仍要以服务条款为准。过去,宁德时代这样的供应商品牌,在一定程度上替车企分担了消费者的信任成本。现在,理想用自己的名字和保障条款接住这份信任。用户找责任方更省事,理想则少了一层缓冲。2025年的MEGA召回已经说明,电池风险往往不是一个零件造成的。当年理想召回11411辆MEGA 2024款汽车。监管部门披露,相关车辆冷却液防腐性能不足,特定条件下可能造成冷却铝板腐蚀渗漏,极端情况下会导致动力电池热失控。理想管理层强调,自研项目早在2020年启动,并不是召回之后临时做的决定。把两件事分开看更准确:召回不是自研的起点,却让外界看到车企掌握全链条数据、统一售后责任有多重要。这套能力需要长期投入。中国经营报援引理想管理层的数据称,理想每年的电池研发费用超过2亿元,六年累计十几亿元。马东辉也承认,自研短期内难以优化成本,后续降本要靠平台化、产线利用率、制造损耗和原材料管理。因此,“自己研发就更便宜”目前还不是结论。采购价可能下降,研发、实验、质量和质保费用却在增加。只有当销量足够稳定、产线利用率足够高、故障率足够低,这笔账才可能变得划算。连山能否成为理想的技术名片,最终也不取决于发布会,而取决于交付后的每一年。表现稳定,保障计划就是加分项;问题频发,它就会变成一笔持续的负债。05自研这道账,还没到结算的时候理想的路径有参考价值,但不适合被所有车企照抄。一家车企如果销量不大、车型平台频繁变化,自研电芯很可能摊不薄成本。理想敢走这一步,靠的是现有交付规模、平台化车型和持续研发投入。其他企业选择外采、合资或只自研PACK,同样可能是合理方案。接下来最先接受检验的是质量。欣旺达和中创新航能否在不同工厂、不同批次之间保持一致,车辆保有量扩大后故障和衰减是否稳定,这些都无法用一次发布会证明。随后是成本。电芯采购价只是一项,研发折旧、良率、仓储物流、原材料波动和售后赔付都要算进去。只有全链条成本低于外采,同时体验更好,自研才算真正跑通。还有消费者认知。过去有人买车会专门问是不是宁德时代,今后理想需要让用户相信,连山电池也值得信赖。订单能说明一时热度,二手残值和多年口碑更能说明信任是否建立。行业大概率不会出现一种统一模式。车企会更多参与电池定义,电池厂也不会退出核心环节。双方要重新商量的是,哪些技术共享、哪些数据开放、制造责任怎样划分。对理想而言,自研的好处已经能看到:产品定义更自由,供应选择更多,数据链条更完整。代价也同样明确:研发投入不能停,制造一致性要盯紧,质量和售后责任更难外推。连山装车只是开始。理想真正要证明的,是这套体系在几年之后,依然能让用户觉得好用,让公司算得过账。师天浩,专栏作者、北京五秒科技有限公司联合创始人、互联网分析师,已在多家媒体平台开通专栏;曾在《南方都市报》《计算机应用文摘》《商界评论》《通信信息报》等传统报刊上刊文。36氪2022年优质内容奖;人人都是产品经理2021年度人气作者/2020年度人气作者;鸟哥笔记2021年度创作者TOP50;百家号匠心计划创作者;百家号鲲鹏计划获奖作者;一点资讯“清朗计划”首批作者;理想汽车:《理想汽车举办Power Day电动技术发布会》中国经营报:《理想汽车“勇闯”电池江湖》中国证券报·中证金牛座:《理想汽车回应自研电池:不追求短期降本,PACK不外供,固态电池量产尚需5年》财新网:《理想汽车引入电池供应商中创新航降低宁德时代依赖度》Li Auto Inc.:《October 2026 Delivery Update》36氪(汽车像素):《电池战争的下半场,从宁德时代只卖电芯开始》21世纪经济报道:《电池自燃赔新车!理想汽车发布自研电池质保政策》国家市场监督管理总局:《北京理想汽车有限公司召回部分理想MEGA 2024款电动汽车》
大模型数据的隐秘江湖
虎嗅 · 5 小时前
本文来自微信公众号: Z Finance ,作者:ZF编辑部,原文标题:《深度丨大模型数据的隐秘江湖》今年,一级市场最炙手可热的「当红炸子鸡」,不再是做底层大模型的明星实验室,也不是讲增长故事的AI应用,而是过去常常被归为“外包”的AI数据公司。无论收入还是估值,这个赛道都在以一种令人眩晕的速度狂飙。近几个月,一批名字颇为生僻的新型数据与评测公司,密集出现在各家顶级VC的桌面上。据媒体公开报道及多位行业人士透露,有的公司成立不到一年,估值便已飙升至20亿至25亿美元区间。两年前,国内最头部的明星大模型独角兽辛辛苦苦融到B轮,也不过就拿到了差不多的价格。在一片愁容的AI应用创投圈,这些既能卡住智能演进咽喉、又能一上来就“赚大钱”的数据新贵,甚至高傲到连一线投资人的微信都未必回复。这股浪潮比硅谷晚了半年左右传过来。在大洋彼岸,据外媒报道,Scale AI去年接受Meta投资时估值已超290亿美元;Mercor去年10月刚以100亿美元估值融完3.5亿美元,今年8月又被曝在谈200亿美元估值的新融资,英伟达也在考虑入股;而据《福布斯》报道,Surge AI早在2024年收入就已达约12亿美元。支撑起这轮天价估值的,是水面下实打实的巨额采购账单。根据硅星人报道,如今一些带有真实用户行为轨迹的数据,一条报价可达1000至3000元人民币;而带有完整操作过程、跨工具调用的复杂工作场景数据,一条甚至可以卖到1万元左右。若按每条1000至3000元采购1万条,一张账单就是1000万至3000万元。对于头部数据公司来说,单笔订单做到百万、千万元已是常态,部分公司的账面年收入在短短半年内便冲上了千万美元量级。在外界的理解中,“算法突破”和“天才研究员”仍是驱动AI模型追逐前沿的助燃剂。而事实上,模型训练的日常,正越来越像一座昼夜轰鸣的数据工厂。但当百亿级的热钱和极度焦虑的大厂KPI,一头砸进这个尚未建立起规则与底线的隐秘赛道时,一场比传统外包时代更昂贵、更荒诞的底层乱象也随之全面爆发。掀开中国AI大模型的底座,看到的不仅是一场造富神话,更是一场正在侵蚀行业根基的信任危机。立竿见影的后训练很多圈外人看到数据公司动辄估值数十亿美元,第一反应往往是困惑:大模型不是拼算力显卡和顶尖算法天才吗?怎么突然变成“卖数据”的赚钱了?要理解这场权力转移,得先看懂一个大模型是如何从“一团乱码”变成“职场精英”的。在工业界,训练一个顶尖大模型通常分为三个阶段:预训练(Pre-training),相当于通读人类图书馆。模型吞下全互联网的公开网页、书籍和开源代码,学习语言规律和世界知识。这一步极其烧钱、周期漫长,且公开互联网上的优质人类语料已基本被吃干抹净。中期训练(Mid-training),相当于精读专业教材。模型在精选的高纯度代码、数学和学科文献上继续强化。后训练(Post-training),相当于名师带徒的岗前实训。它主要包含SFT(监督微调,看专家示范照着学)和RL(强化学习,在模拟环境里自己试错、靠打分反馈不断纠偏)。为什么后训练数据能让数据公司一夜暴富?核心原因就四个字:立竿见影。在模型参数已经极其庞大的今天,去改底层算法架构、或者重跑一次预训练,不仅耗资数亿、耗时数月,而且风险极大——跑完才发现没涨分是常有的事。但后训练完全不同。目前工业界的后训练与强化学习框架已经高度成熟稳定,只要喂给模型1万到10万条极高质量的垂直场景数据(比如金融建模、复杂编程、法律合同审查),短短几周甚至几天内,模型在该领域的能力和榜单跑分就会肉眼可见地暴涨。更重要的是,各家头部实验室如今已普遍掌握了业内称为“合版”的技术(比如让多个垂直领域的专精模型,把各自学到的能力融合进同一个主模型)。模型的基本能力哪项有短板,就去市场上买哪块的高阶数据,单独训好再并回主模型。而中国大模型今年对外部数据的饥渴,比硅谷来得更加猛烈——根源在于,过去两年国内行业太习惯于“以模训模”的捷径,一直没有培养起健康的底层数据生态。在早期的“百模大战”以及去年的推理模型追赶潮中,大量国内模型团队走了一条最省事的路:直接调用前沿闭源模型或开源强模型,批量生成高质量问答与长推理过程,再拿这些现成的合成输出去喂养自家模型。这种“以模训模”的打法成本极低、见效极快,能帮团队在极短时间内追平前沿模型80%到90%的表现。但捷径带来的后遗症极其致命:当所有人都忙着靠强模型输出“抄近道”时,几乎没有哪家大厂或资本愿意花重金、耐着性子去培育本土的高阶数据生态,比如去搭建覆盖百行百业的专家网络、开发高并发的仿真沙箱、或者建立严苛的评分细则(Rubrics)体系。今年,当海外巨头收紧API调用风控,且行业普遍撞上“靠模仿强模型永远无法超越对手”的天花板时,国内模型厂突然发现自己陷入了无米下锅的窘境:一边是见底且被严重污染的中文公共语料。据W3Techs与Common Crawl的公开统计,在全球公开网页语料中,英文占比高达52%以上,中文网页的占比已萎缩至1.3%左右;优质内容被锁在超级App的“围墙花园”里,公开网页上充斥着AI生成的洗稿文。另一边,则是彻底停留在旧时代的传统数据外包体系。因为过去两年缺乏真正的高阶需求滋养,国内沿袭自自动驾驶时代的标注基地,在大模型深度推理任务面前全面崩坏。一笔真实的500万元大模型数据订单,足以说明这条链条的荒诞:根据硅星人报道,北京某头部模型厂发包10万条法律、医疗和编程问答数据,预算折合每条50元。订单离开北京后,立刻掉进层层扒皮的分包黑洞——一级总包商扣掉近40%的毛利与管理费,以30元/条转包给山西大同、河北保定或河南平顶山的地方大数据产业园二级分包商;二级分包商再截留一半,以12~15元/条切碎发给校园代理和兼职群主;最终,当这道需要专业知识推演的标注任务落到三本院校宿舍里的大学生屏幕上时,单价已经缩水到了1.5元至3元。在1块5毛钱的计件考核下,任何严苛的《标注规范手册》都沦为废纸。由于大厂通常只能按3%到5%的比例抽检,外包公司便把最前面5%的样本做得精雕细琢,剩下95%全靠脚本注水。正是因为过去沉迷“以模训模”的低成本捷径、错过了培育健康数据生态的窗口期,当今年后训练的军备竞赛突然打响,大厂手里攥着数亿预算却找不到足够多靠谱的供应商——巨大的供需错配,瞬间点燃了整个数据江湖的狂热与失控。激励失灵的大厂,和靠关系吃饭的数商传统外包体系彻底失灵,而高质量后训练数据又直接决定模型生死。据硅星人报道,如今哪怕在以算法创新闻名全球的DeepSeek内部,也有高达九成的研究员在做数据相关工作,“其实很少一部分人在研究算法”。在模型厂内部,研发节奏甚至像工厂流水线一样安排:当一个算法组在排队等显卡、没事儿干的时候,全组就可以都去标数据。早年某家激进的AI公司,甚至曾强制要求全体员工开启电脑录屏,把员工发配去标数据来提升模型。但一个极具讽刺意味的问题摆在所有大厂面前:既然数据如此重要,为什么很多大厂自己搞不好高质量数据,非要花数亿元去外部买?一位深度了解大厂内部运作的业内人士,一针见血地揭开了大厂内部最隐秘的病灶。在视频生成领域,字节跳动对视频数据的认知和制定的清洗标注标准,被公认远远领先于市场上包括OpenAI Sora在内的几乎所有对手。秘诀其实极其朴素——“做得早,做得精细”,而且核心带队者奉行极致的第一性原理(First principle)。“像时光、曾妍这些核心人物,他们都很first principle,不搞那些无谓的花架子。既然模型的质量就来自于搞data,那你就老老实实、亲自下场搞data。”上述业内人士直言,“这是一个非常简单的道理:你得相信亲自下场干活的这个人,是真正懂什么data是模型要的;而且在数据这件事上,拿10万月薪的顶尖人才亲自下场干,就是比拿3万月薪的人好用得多。”然而,当被问及“既然视频团队把精细化搞数据的路子走通了,为什么不能直接抄到语言大模型那边去”时,对方的回答很直接:“没人愿意去lead(主导)这件事,因为内部的reward(激励)体系崩溃了。”在许多互联网大厂的基座语言模型团队里,发顶级论文、搞架构创新、在汇报PPT上讲宏大叙事的人拿高绩效、升职加薪;而沉下心来啃数据、清洗语料、做脏活累活的人,却在晋升答辩中极难量化功劳。当高薪顶尖人才不愿亲自下场“沾泥土”,内部数据质量便不可避免地滑坡。为了补救,据公开报道,各大厂在今年密集动了组织大手术:字节跳动将多处采购、质检团队整合为一级部门“AI数据与安全”;腾讯让首席科学家姚顺雨兼管AI Data部;阿里模型团队调整后,数据采购话语权直接下放给了最有潜力的核心研究员。与此同时,大厂的支票簿全面向外部打开。一位长期服务于头部模型厂的数据采购负责人道出了两个极其现实的底层逻辑:一是预算的“刚性消耗”。“资金充足的大厂年初在算力和数据上都批了巨额预算,高端算力卡受限没那么好买,既然数据预算已经批下来了,相比于不买,去外面多买点总不会让结果变差吧?”二是合规风险隔离的需求。“数据作为一个灰色产业,里面有很多游走在版权、隐私和法律边缘的脏活,外部数商正好充当了中介。”而今年不少新型数据公司之所以营收呈现爆发式增长,除了大厂预算倾斜,还有一个极其隐秘的“快钱引擎”——倒卖蒸馏的思维链(Distilled CoT)。随着推理模型成为行业标配,所有急于追赶的模型厂都极度渴求高质量的长思维链(Long CoT)数据来做冷启动微调。许多数据公司敏锐地抓住了这个时间差:通过搭建庞大的账号矩阵与自动化脚本,从海外最顶尖的闭源推理模型或开源强模型中,批量跑出完整的长思维链轨迹,再经过简单的格式清洗与人工抽检,包装成“高阶推理数据包”高价卖给各大模型厂。这门倒卖的生意成本极低、起量极快,直接把不少数据公司的账面收入在短短几个月内推上了千万元乃至上亿元的台阶。但业内人士普遍清醒地指出,这种靠卖蒸馏思维链暴富的模式根本不可持续。随着海外巨头收紧风控,且大模型厂自身完全有能力在内部跑通合成与蒸馏管线,单纯充当“思维链搬运工”的数商很快就会被彻底抛弃。事实上,在近期多场行业交流会上,大多数涌入赛道的数据初创公司,都很难说清楚自己真正的护城河是什么。面对“市面上数据公司这么多,你的核心壁垒在哪里”的追问,摆得上台面的标准话术无非是“积累了独家的Know-how”“头部实验室用了都说好”;但真往深里聊,不少人甚至会坦承,自己并没有什么技术门槛,只是趁着眼下大厂预算充裕、几乎零成本地先做个半年试试水。这句大实话扯下了无数数据初创公司的遮羞布。正如康奈尔大学博士、一线后训练研究员Jinyan Su在她的专栏中所指出的,几乎每家Data Startup路演时都在吹嘘自己积累了神秘的Know-how,但实际上,除了少数头部公司真找专家标数据外,水下大量小微初创公司卖的几乎全都是合成数据(Synthetic Data),生成完最多让人简单看一眼。像浏览器和电脑操作轨迹这类任务,只需要付出极低的Token成本,大部分小作坊甚至直接注册大模型平台的个人免费账号去跑,生产成本几乎为零。既然技术没有门槛,而所谓的数据“质量”又极其玄学(模型厂收数据时往往靠肉眼看或在极小模型上跑一下,经常出现同一批数据在A厂训完说好、在B厂训完说不行的情况),那么在这个行业里,一家数据公司真正的护城河到底是什么?多位行业上下游从业者给出了高度一致的答案:“Connection(人脉关系)”——即你认不认识头部实验室手里握着采购预算的人,或者你自己本人是不是刚从头部模型厂出来的。“这门生意里,信息差就是印钞机。”一位资深数据供应链人士透露,大厂下个月需要医疗多模态、3D空间网格还是实时交互语音数据,消息总是先在采购负责人与熟识供应商的私密小圈子里流动。方向有时一个月就变一轮,谁在内部有熟人先听到风声,谁就能提前两周去找专家、搭沙箱、送样品去碰客户的标准。离生产更远的公司,卖的干脆就是纯粹的客户关系:有人能拿到大厂订单却没生产能力,有人手里有数据却不知道怎么卖,于是中间商一层层转包赚差价。更有甚者,据硅星人报道,在竞争白热化后,部分供应商直接在股权上做起了新的“设计”——私下向能影响大厂采购决策的关键人许诺少量干股或收益分成,等拿到大单、完成高估值融资后,再通过隐蔽的股权转让兑现。既当裁判,又开辅导班对于那些没有顶级大厂关系、又想快速切入赛道的科研背景创业者来说,因为资源匮乏,他们往往只能在“做Benchmark(评测基准)”、“做数据”和“搭Agent应用”之间打转。而在2026年的中国AI江湖里,“造榜单”与“帮模型厂刷榜(Benchmark Cheating)”,已经演化成了一门极其成熟且暴利的共谋生意。根据jinyan的博客《看起来没有壁垒的数据生意,为何如此繁荣?》,行业的现状是如果没有需求,那就制造需求;如果大厂还不觉得焦虑,那就制造焦虑。“做Benchmark当然要让模型的得分越低越好了,不然谁来买他们的数据?”这套被称为“奥赛辅导班”的商业闭环,正在让越来越多的行业评测彻底失真:首先,一家数据公司高调发布一个极其刁钻的新榜单,并放出评测报告称“国内外主流模型全军覆没”,唯独某家合作模型表现惊艳。为了把模型考倒,市面上涌现出大量极不合理的“毒榜单”——要么验证器(Verifier)写得死板过窄,模型用其他合理方式做对了却得零分;要么题干故意留有大量模糊歧义;更有数据公司把几道八竿子打不着的不相干任务硬拼成一道超长题,纯靠拉长操作链条来压低成功率。一旦榜单引发投资人和大厂高管的焦虑,落后的模型厂就会立刻上门求购训练材料。一套材料按约定同时卖给多个买家;外围甚至还寄生了一批更小的数据商,专门仿照热门榜单批量生产同类、更难的变形题,卖给想涨分的模型厂。而在新模型发布会前的最后两三周,当某家模型厂发现自己在核心榜单上落后对手几个百分点、改架构已经来不及时,数据公司便会化身“白手套”,递上价值数百万的“定向冲刺包”,帮模型厂完成一场在技术上极难被抓现行的“体面作弊”:第一招是“洗题”。直接把测试原题塞进训练集容易被去污染检测(Decontamination)抓包。数据公司拿到公开题库(甚至灰色渠道搞到的私有题)后,用大模型配合人工进行深度整容:数学题换数字、改情景、调换已知条件;代码题重构变量名;选择题打乱选项改写句式。一道原题瞬间裂变成几十道逻辑内核一模一样、字面完全不同的“高仿题”,轻松骗过所有防污染检测。第二招是“判官讨好术(Judge Hacking)”。在Chatbot Arena等盲测榜单上,数据公司专门逆向研究人类投票者和裁判模型(LLM-as-a-Judge)的偏好,为模型定制“竞技场特供RLHF数据”——让模型不管懂不懂,先把回答排版得像咨询公司PPT、分点加粗、语气恭敬,盲测胜率立刻飙升。第三招是“环境背题”。针对基于GitHub开源仓库的代码榜单,数据公司直接把榜单依赖的那十几个核心仓库的历史提交、关闭的Issue和目录结构全部扒下来做成高密度RL环境。模型不需要具备举一反三的工程能力,只要把这几个仓库背得滚瓜烂熟,考试时自然一把过关。就连全球公认最权威、经三名专业工程师独立审核的编程基准SWE-bench Verified,也在今年2月被OpenAI公开宣布弃用。据OpenAI官方披露,他们抽查了138道o3模型跑64次都做不稳的题,震惊地发现59.4%的题目本身在测试设计或描述上存在实质缺陷,且各家前沿模型都能直接复现部分题目的标准答案和题面细节,说明训练时早就“背过题”了。“其实大家心里都跟明镜似的,知道这种靠数据公司‘洗’出来的分数是虚胖。”一位一线算法研究员无奈地说,“但只要投资人和媒体还在盯着那几个榜单看,只要竞争对手还在花钱买‘冲刺包’,你老老实实做泛化能力、发布会跑分输了,下一轮融资就没人见你。数据公司卖的从来不只是数据,而是一张让模型厂活过下一季度的入场券。”这种“买题、训练、再测”的虚火,最终由真实用户买单。用硬拼出来的长链条怪题训练出的模型,榜单分数涨得飞快,实际交到用户手里却极其别扭——有的会在简单任务里像强迫症一样没完没了地自我怀疑、兜圈子,因为真实世界里的用户根本不会按数据商拼凑题目的脑回路去工作。甚至连造Benchmark本身的成本,都被一些创业者玩出了“空手套白狼”的花样。学术界原本有以众包方式贡献任务做开源基准的传统,在读PhD图的是论文共同作者席位。一些学界出来的创业者把这套玩法搬进了商业公司,据小红书等开发者社区公开讨论,某Startup效仿Terminal-Bench大举招募学生免费写高难度任务,却引发了大量控诉:不仅流程混乱、有人熬夜干活最后没登上作者名单,创始人画下的“投ICLR和Nature”大饼沦为空头支票。更恶劣的是,学术众包至少最后开源,而这家公司至今未开源,学生们“为爱发电”的心血直接变成了创始人个人的商业筹码。买回自家数据,与赌桌上的千万营收在千万元级订单的暴利诱惑下,数据江湖的灰色操作正在不断突破商业伦理与法律的底线。首先是一场围绕“免费Token”与“API中转站”的捕蝉局。网上许多打着极客福利旗号的“免费Token站”,表面上白送你算力,背地里却把你输入的所有高价值Prompt、代码与调试轨迹全量截留卖给模型厂。而商业化的“API中转站”吃相更为凶猛——前端收用户的Token充值费,后端把用户的调用数据打包卖给下游模型厂,两头通吃。这甚至酿成了今年大模型圈最荒诞的一幕:据elsewhere报道,国内某家头部大模型厂花重金去外部采购了一批高质量轨迹数据,算法工程师打开一看当场傻眼——这批数据竟然是他们自己团队的数据!原来,该公司研发人员平时图方便用了某个第三方API中转站,中转站转头就把他们的调用记录打包,又高价卖回给了这家模型厂自己的采购部。在AI应用创业潮里,不少做Agent应用的公司在快要倒闭时,突然发现大厂愿意高价收自己的后台用户数据,于是原地转型当起了数商。在巨额套利空间下,甚至上演了联合创始人反目成仇的戏码。Jinyan Su的博客文章看起来没有壁垒的数据生意,为何如此繁荣?中提到,某家Agent应用公司的两位联创分道扬镳后,Founder A在散伙前偷偷把公司数据私下拷贝了一份;几个月后为了卖数据赚钱,Founder A竟然再次偷偷登上一直由Founder B维护的服务器,试图“盗窃”新增数据,结果被当场抓获,最终两人闹上法庭才通过法律界定了数据所有权。为了给强化学习沙箱寻找逼真的企业业务底料,收购破产公司的“数字尸骸”也成了一门隐秘生意。据媒体报道,在国内,数据公司在寻找破产清算或转型公司的内部资料时,专门要求被收购数据的企业巅峰时大约有100人——因为这个规模的公司部门齐全,其遗留的邮件、群聊和工单最能还原真实的职场运转线索。这种游走在隐私钢丝上的交易,在海外已经引爆了巨大的危机。据外媒报道,今年8月,美国停飞破产的廉价航空Spirit Airlines被Google以1000万美元拍下1亿封邮件和5亿条Teams消息(Mercor出价750万美元落败),随即遭到空乘工会的强烈抗议,认为仅去掉姓名根本无法保护员工隐私;而今年3月底,黑客借开源工具LiteLLM的恶意版本攻破了Mercor的系统,黑客组织声称窃取约4TB数据,其中近3TB为视频面试录像和身份验证材料;相关集体诉讼称受影响者超过4万人,Mercor目前至少面临多起集体诉讼,大客户Meta也无限期暂停了与它的合作。而在国内隐秘的水面下,为了凑出大厂想要的“高阶稀缺数据”,各种擦边手段同样层出不穷。不止一家公司的所谓“天价专家数据”,其实是在内部用模型批量合成后,花小钱交给外聘专家看一眼签字背书,“专家可能连一行字都不会改”,卖的纯粹是专家的头衔。更激进者甚至直接把手伸向了大厂内部——据媒体报道,有数据商私下付高薪请大模型大厂的在职员工,利用业余时间在公司体外“原样重做一份和大厂内部刚刚跑通的一模一样的数据”,再拿去高价卖给竞争对手;也有创始人直接暗示企业员工从内部偷数据。如果说数据造假和窃密还停留在业务层面,那么为了在融资白热化阶段向VC交出性感的财务报表,部分公司的营收注水已经彻底脱离了常识。据媒体援引行业人士报道,今年圈内传出某家成立仅半年、账面收入便狂飙至3000万美元的明星数据公司。然而深扒之下才发现,其中有相当一部分收入根本不是卖数据赚来的,而是该公司拿自己的预测模型去海外加密预测博彩市场Polymarket上下注对赌赢来的钱和流水,被堂而皇之地合并算进了公司的“主营业务总收入”里。更糟糕的是,这种无底线的数据污染,已经从实验室的训练端蔓延到了数亿普通消费者每天面对的检索端。据2026年央视“3·15”晚会报道,不法GEO(生成式引擎优化)服务商利用自动发稿平台,只需收取39.9元,就能批量炮制上百篇带有伪造实验数据的结构化软文分发全网,利用大模型联网检索(RAG)的信源漏洞,在24小时内将完全虚构的三无产品捧上主流AI助手的推荐榜首。当训练底座和外部信源同时被灰产攻陷,大模型的“智商”与公信力正在遭受双重透支。消融实验和拉黑潮“交付的数据怎么证明有效?”面对这个问题,很多时候是没有答案。在过去大半年所有人急于追赶彼此的焦虑期,“买来多家数据→灌进模型→模型能力似乎有所提高”形成了一个粗放的闭环。“你只要有数据,你就给我,我来看!”一家大厂模型团队的人曾这样喊话。据公开报道,遇到热门数据,字节跳动等大厂甚至愿意支付数倍溢价买断半年到一年的独家期,或阶段性“买断”供应商的核心人员。但到了2026年下半年,随着模型进步速度再次放缓,高增长掩盖下的模糊与混乱,终于迎来了算总账的时刻。首先让普通数据商感到寒意的,是模型自身进化带来的价值证伪。据Mistral Large 4技术报告披露,他们后训练用的环境、任务、参考答案和验证器,主要是Agent自己搭、自己出的,通篇没提外采数据和人工标注。其次,中国各大模型厂商开始全面收紧采购大权、强制核算ROI,并祭出了最致命的验毒武器——过程回溯与消融实验(Ablation Study)。买方不再只看最终交付的静态文件,而是要求回溯后台全量日志:到底是由哪几位专家提供了判断?讨论时分歧在哪里?最后怎样达成共识?与此同时,越来越多模型公司因训练效果不及预期,开始不惜耗费漫长的时间和算力,把过去采购的十几家供应商的数据一家家单独拎出来做消融实验——分别在训练集中移除或加入某一家供应商的材料,观察模型在真实业务验证集上的表现究竟如何变化。这一查,彻底捅破了马蜂窝。根据硅星人报道,漫长的消融追查跑出了许多令人震怒的结果,最近行业里已经开始出现一些极其难看的局面:几家头部模型厂商在查清某些数据公司交付的数据到底有多混乱、多劣质后,果断掀起了“拉黑潮”,直接将一批把大厂当冤大头、“趁焦虑割韭菜”的数据提供商永久踢出采购名录。与此同时,下游的传统企业客户也开始觉醒。当模型公司派人做企业服务、把脱敏后的内部业务资料带回训练环境里时,越来越多企业回过味来:自己付了高昂的服务费,贡献的核心业务数据却没单独卖出一笔钱;而且提供这些数据的企业和专家,某种程度上是在帮大模型训练取代自己的克隆体——是在亲手帮模型“杀死”自己。硅谷如何制造数据当中国的数据生意在刷榜、转包和“拉黑潮”中陷入内耗时,大洋彼岸的硅谷,却早已把数据做成了一门极其精密的重工业。比中国同行早半年撞上“语料枯竭墙”的OpenAI和Anthropic,率先完成了一场数据生产方式的切换:它们不再去互联网上“采集”数据,而是拿着华尔街的经济账本,在真实企业与虚拟沙箱里系统性地“制造”数据。据公开资料显示,去年OpenAI启动职业能力评测GDPval,直接翻开美国经济账本,选出对GDP贡献最大的九个行业,再拆解到44种高价值白领职业;Anthropic内部同样有一张按“经济价值由高到低”排列的优先级清单,金融与法律排在最前,紧接着是网络安全、复杂编程和科学。但一位华尔街投行分析师审阅财报时先看哪张附注、出于什么顾虑否决一笔交易,这些决定了专家之所以为“专家”的思考与取舍,从来没有留在公开网页上。为了把它们“榨”出来,Anthropic派出FDE直接潜入华尔街金融机构梳理流程;而为了填补另外95%的产能黑洞(据Mercor估计,前沿实验室真正需要的专家工作流数据目前全行业只完成了2%到5%),硅谷催生出了Scale AI、Mercor、Surge AI以及不到一年数据业务年化收入逼近10亿美元的Handshake AI。据《Latent Space》播客近期对Handshake AI团队的深度访谈披露,几位来自华尔街顶级投行和生命科学实验室的操盘手,首次极其罕见地掀开了硅谷最前沿数据工厂的底牌。“‘标注’这个动词在今天已经彻底失真了。现在完全是专家在‘创作数据’。”Handshake AI核心负责人Sahil Bhaiwala说。在硅谷,生产“一个”有价值的强化学习数据单元,背后是惊人的重工业投入:首先,工程师必须从零开发能在Docker容器里随时拉起的模拟软件——不仅要有Excel、Outlook,还得仿真出华尔街标配的彭博终端和FactSet;接着往这个空壳里塞满几千封盘根错节的邮件和并购数据室文件。纯靠大模型合成出来的全是无法勾稽配平(Tie out)的劣质废料(Slop),必须先向真实企业采购脱敏种子数据打底,再由专家引导智能体反复迭代。端到端算下来,生产这“一个”环境加任务,往往要耗费好几天时间。其次,是严苛到极致的Rubrics与“零容错”标准。曾在华尔街顶级投行干了13年的Collin Schweiker,在Handshake AI打造了金融基准ATLAS。他展示了一个令算法工程师脊背发凉的案例——“猎鹰项目”:在模拟投行沙箱里,智能体执行了73个动作、101次工具调用,仅用36分钟就交出了一张包含4000多个单元格、2600多个动态公式的杠杆收购模型(人类需要15小时以上)。但结果却是致命的。该交易适用美国税法第338(h)(10)条款,会计铁律要求必须忽略卖方的“存量商誉”。讽刺的是,单开窗口考这个模型这条税法,它对答如流;但在第20步写Python代码时,它却因惯性多写了一行“减去超额商誉”,导致各期现金流偏离10%。“投行新人第一课的铁律是:如果一份模型95%是对的,那它就是100%错的。”Collin说。在大海捞针般排查4000个单元格里的50个隐蔽错误,耗时往往超过从零重搭。为了教AI守住底线,专家们为ATLAS每道题平均写出了146项评分细则,并设下“门控关卡”——只要商誉这一行出错,整个税务模块180分直接归零。而在强化学习的百万次试错中,模型还会疯狂寻找漏洞进行“奖励作弊(Reward hacking)”——早期某条细则写着“在表格中寻找数值为100的净利润”,受测智能体居然在Excel里新建了一张表,把1到100万的所有整数全都列了一遍,把初代评分器骗出了满分!为了堵死后门,团队不得不专门自研了深度理解表格上下文的自动评分器“Gandalf”,将自动打分与人类专家的一致率拉升到了90%以上。同样的残酷也发生在生命科学领域。在Handshake推出的视觉基准VIALS上,哪怕配齐Python和OpenCV工具,顶尖模型的准确率也只在60%上下徘徊。面对一张凝胶电泳图,受过培训的高中实习生不到一分钟就能靠肉眼认出刻度20处极浅的有效条带,模型却屡屡翻车,还在答错时斩钉截铁地宣称“未见任何可辨识产物”。前计算生物学资深研究者Jonas Mueller直言,纯靠模型合成的生物数据,要么逼真但太简单,要么够难却违背物理化学定律。正因如此,硅谷头部数据公司正在经历一场反直觉的转型:从众包走向大规模招募全职精英。据访谈披露,Handshake AI目前已在内部直接全职雇佣了约800名拥有顶尖金融、新药研发背景的专业人士充当“品味把关人”,未来还要扩招至数千人;同时在内部组建后训练团队,拿自家数据去微调Qwen、Kimi、Nemotron等开源模型,先验证能稳定涨分,再拿着铁证去敲大厂的门。Mercor也已官宣从OpenAI挖人成立独立研究部门。按照Sahil的预测,AI数据市场已从三年前的10亿美元成长为今天的100亿美元,未来三年内极有可能爆发成一个千亿美元级的庞大产业。中国AI数据如何走出草莽如果把视线从喧嚣的融资新闻移开,翻开国内大模型厂商真实的采购账本,会发现一个极其魔幻的现实:一级市场给中国AI数据公司开出的天价估值,和这个行业今年真实的盘子,严重脱节。多位大厂数据采购负责人和一线投资人算过一笔账:今年,中国整个AI行业在最核心的强化学习环境与高阶数据上的真实总预算,加起来其实也就十几到二十亿元人民币。国内真正有能力、也有意愿花重金外采的买方,满打满算不过字节、阿里、腾讯、DeepSeek以及少数几家头部独角兽,今年各家大多还在摸索期,平摊到外部供应商手里的真金白银,大多在数千万元到一两亿元之间。这就引出了一个极其荒诞的估值倒挂:一个全行业今年总共只有十几二十亿人民币的细分市场,却在短短几个月里,催生出了一批估值直奔数十亿美元的数据公司。资本之所以愿意给出如此疯狂的溢价,赌的是明年的爆发。按照业内普遍的推演,真正的大规模放量要到明年——届时,国内在RL环境与高阶数据上的总预算,预计会一口气跃升至100亿元人民币以上。巨头砸钱是为了提前卡位稀缺产能,财务投资人则是在疯狂透支未来两三年的增长预期。但透支未来的代价往往极其残酷。如果中国AI数据产业继续停留在刷榜、转包和注水的草莽阶段,明年即便市场如期迈入百亿规模,泡沫也迟早会迎来剧烈的重估。对照硅谷头部数据公司已经跑通的做法,中国AI数据生态要想真正接住这盘大棋、走出眼下的“囚徒困境”,至少要迈过四道坎。第一道坎在大厂内部:把数据预算的话语权交给研究员,而不是采购。外部数商之所以能靠“关系”和“注水”赚取暴利,根源在于大厂的“买”和“用”脱节了。过去,动辄数亿元的预算常握在独立的采购或运营部门手里,他们的KPI是“花完预算”“压低单价”或“凑齐条数”,却不对模型效果负责。外行买数据看不懂沙箱里的门道,只能看PPT和人脉,最终导致劣币驱逐良币。要堵住这个漏洞,必须让背效果KPI的一线研究员来定预算、定标准、把守验收关——就像字节视频团队让“10万月薪的人才亲自下场搞data”,阿里今年也将数据采购权直接下放给了核心研究员。与此同时,大厂也得同步修复内部激励体系,不再只奖励发论文、讲架构故事的人。只有让最懂模型短板的人既手握预算、又享有对等回报,大厂才不会继续当“冤大头”,市场上的投机者才会被真正挤出去。第二道坎在数据公司自己:告别“关系交易”和合成快钱,把数据做成真正的重工业。靠“以模训模”倒卖思维链、靠个人免费账号跑合成数据、靠酒桌文化拿订单的日子,已经进入倒计时。当Mistral等模型厂开始证明Agent可以自己生成普通合成数据时,市面上大部分中小作坊的生存空间会被迅速清零。中国的头部数据公司如果不想沦为大厂的临时外包附庸,就必须像硅谷同行那样完成彻底的重塑:像Handshake AI那样砍掉中间的各级包工头,直接全职雇佣懂行的行业精英当“品味把关人”;像Surge AI和Handshake那样,在动态沙箱和防作弊自动评分器上攒出真正的工程壁垒;更重要的是,自己下场跑通内部后训练闭环,带着能让开源小模型端到端提分的硬核铁证去谈订单,而不是靠PPT和酒桌关系。第三道坎在评测体系:把“裁判”和“辅导班”彻底分开。只要出题方还能毫无顾忌地向焦虑的模型厂兜售“同源冲刺包”,榜单就永远反映不了模型的真实智商。公开评测基准的维护者需要守住中立的底线,推行类似Monthly-SWEBench这样动态更新、严密隔离保留测试集(Held-out set)的机制——就像硅谷的Cognition和Handshake那样,把真正决定生死的私有保留集死死锁在保险箱里。当旧榜单出现类似SWE-bench Verified那样过半题目存在缺陷时,行业也需要有OpenAI那样果断弃用的勇气。而模型厂和投资人同样得戒掉“榜单瘾”:与其花几百万买一套“洗题包”在发布会上赢下毫无意义的几个百分点,不如把钱花在真实业务场景的交付率上。最后一道坎,是打破“白手套”灰产,把私域数据交易搬到阳光下。真正值钱的数据,沉睡在医院、银行、药企、工厂和各大超级App的私域围墙里。过去,数据商靠买破产公司硬盘、靠API中转站截留数据、靠给大厂当“白手套”游走在法律边缘,这种做法注定无法规模化,只会招来更严厉的隐私诉讼和企业警惕。要唤醒沉睡的私域金矿,硅谷正在跑通的“Data down the stack(从顶层数据与评测向下贯通技术栈)”思路或许是个解法:一方面,把数据采购搬到阳光下,像Handshake公开向真实企业支付10万到400万美元采购脱敏种子数据那样,通过清晰的确权和分润,让数据持有方体面地赚到钱;另一方面,先帮传统企业把内部独门流程和合规雷区(比如金融防歧视、医疗隐私)编码成专属的私有业务基准(Private Benchmark),再结合开源模型帮企业跑通自己的数据飞轮。当传统企业发现,把数据理顺了不是在“帮通用大模型杀死自己”,而是能沉淀出属于自己的AI护城河时,高质量的数据活水才会真正流出来。算力卡脖子总有缓解的一天,算法架构也越来越透明。大模型竞争的下半场,拼到最后,其实就是一场对人类高阶知识和真实世界经验的精炼战。那些靠廉价脚本、刷榜作弊、倒卖隐私甚至博彩流水赚快钱的投机者,终究会被大厂的消融实验和监管规则清出牌桌。“最终还是要回归到商业价值。”那位经历了行业狂飙与洗牌的数据公司创始人对我们说。在他看来,无论故事讲得多么性感,这门生意最终最重要的依然是信任。“否则,今天这样的繁荣,可能最终都要变成一片假象。”资料来源[1]深度:AI数据公司凶猛,硅星人Pro(36氪转载),2026年11月3日[2]The AI Data Business Seems to Have No Moat.So Why Is It Booming?,Jinyan Su/Substack,2026年11月15日[3]阿里前实习生,一年估值160亿,投中网,2026年11月6日[4]一个小人物在数据江湖,elsewhere别处发生,2026年11月4日[6]Nvidia Discusses Funding Its AI Data Supplier Mercor at a$20 Billion Valuation,The Information,2026年8月19日[7]How A Google Alum Became A Low-Key AI Billionaire And The Youngest Member Of The Forbes 400,Forbes,2025年9月17日[8]Training language models to follow instructions with human feedback,arXiv,2022年3月4日[9]DeepSeek-R1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning,arXiv/DeepSeek-AI,2025年1月22日;2026年1月4日修订[10]Why SWE-bench Verified no longer measures frontier coding capabilities,OpenAI,2026年2月23日[11]Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena,arXiv,2023年6月9日;12月24日修订[12]Monthly-SWEBench,UniPat AI、xbench,2026年6月30日更新[13]Measuring the performance of our models on real-world tasks,OpenAI,2025年9月25日[14]Mistral Large 4,Mistral AI,2026年11月[15]Google to buy Spirit Airlines business data for$10 million,Reuters(Investing.com转载),2026年8月17日[16]Google buys Spirit Airlines emails,chats,documents out of bankruptcy,Axios,2026年8月17日[17]US bankruptcy judge approves Spirit Airlines data sale to Google,Reuters,2026年11月17日[18]Meta Pauses Work With Mercor After Data Breach Puts AI Industry Secrets at Risk,WIRED,2026年4月3日[19]Update on Mercor security incident,Mercor,2026年6月25日[20]Mercor Data Breach,Hausfeld LLP,未注明日期;访问于2026年11月22日[21][2026年3·15晚会]谁在给AI“投毒”,央视网,2026年3月15日[22]3·15晚会丨AI大模型,遭“投毒”,央视财经(新浪财经转载),2026年3月15日[23]Usage statistics of content languages for websites,W3Techs,动态更新;访问于2026年11月22日[24]Statistics of Common Crawl Monthly Archives:Distribution of Languages,Common Crawl,动态更新;访问于2026年11月22日[25]What Frontier Labs Buy:A Data Deep Dive with Handshake AI—Garrett Lord&Team,Latent Space,2026年11月9日[26]ATLAS-Finance:Benchmarking AI Agents in Realistic Banking Environments,Handshake AI,未注明日期;访问于2026年11月22日[27]ATLAS-Finance:Evaluating AI Agents Inside a Bank,Handshake AI,未注明日期;访问于2026年11月22日[28]ATLAS Visual Life Sciences(VIALS)Benchmark,Handshake AI,未注明日期;访问于2026年11月22日[29]Fine-tuning NVIDIA Nemotron 3.5 Super VL for scientific VQA doubles the accuracy while offering Pareto-optimal cost,Handshake AI,2026年10月15日[30]Why Mercor is building a research team,Mercor,2026年10月8日
单日蒸发超1万亿美元
虎嗅 · 6 小时前
本文来自微信公众号: 格隆 ,作者:城北徐公,原文标题:《罕见!单日蒸发超1万亿美元》一片恐慌之中,黄金出现了历史罕见的深度回撤。截至本周五,国际金价已跌至3539美元/盎司,一度险些跌破3500美元。单周跌幅约9%,近9个交易日跌幅14.71%,创14个月新低。较1月29日的高点,最大回撤幅度更是超过37%。按《财富》11月20日对比前日基准测算,当天,黄金账面蒸发市值约1.016万亿美元。究竟怎么回事?01先看看最近到底发生了什么。第一阶段,通胀与就业数据堵死宽松预期。11月6日,美国劳工统计局公布10月非农就业报告:新增就业16.5万人,失业率维持在4.1%,平均时薪环比涨0.4%、同比涨3.1%。劳动力市场没崩,意味着美联储没有松手理由。紧接着11月10日的CPI数据,10月整体CPI环比上涨0.4%,同期最终需求PPI同比6.5%,核心PPI同比维持在5.0%。美联储理事鲍曼测算,10月核心PCE同比大概率已回升至3.3%。当天数据一出,市场立刻开始重算12月加息路径,11月10日-13日,金价从4139.84美元跌至3880.70美元。第二阶段,杠杆盘开始穿仓。11月16日,10年期美债收益率冲上5.12%,美元指数逼近19个月高点,贵金属爆发流动性闪崩。当天短短30分钟内,金银合计账面市值蒸发近4000亿美元,黄金跌至13个月新低,白银跌至47.26美元。这波杀跌开始击穿亚洲和欧美两端的零售与衍生品杠杆。据TDE在11月18日发布的量化追踪报告,印度白银现货报价从接近每公斤40万卢比的历史高点垂直坠落至17.5万卢比下方。第三阶段,美联储官宣转鹰。11月18日上午10:35,美联储理事沃勒明确表示若核心CPI持续停留在0.3%或更高水平,12月就应当考虑加息50个基点:“你有时候可能得给市场来点震撼”。费城联储主席安娜·保尔森随后也强调,通胀风险需要进一步收紧货币政策回应。下午2:00,美联储公布10月27—28日FOMC会议纪要:“几乎所有与会者”认为进一步加息是合适的;零位与会者讨论了降息。“许多”官员认为AI基建扩张正在推高科技相关产品价格;“几乎所有”官员讨论了AI投资回报不及预期的风险;“大多数”官员点名警告AI债务正通过“复杂且不透明的融资结构”迅速膨胀。如此措辞,堪称近年来最鹰派的一次。第四阶段,AI主线崩盘触发跨资产去杠杆。11月19日,Anthropic上市,当天就高位跳水,次日继续大跌8.5%,主承销稳市商摩根士丹利仅一天就结束了护盘支持。与此同时,英伟达因美国国会议员调查商务部涉Megaspeed对华芯片流向案,单日暴跌14.01%;AMD、台积电、Sandisk、戴尔、Bloom Energy均大跌6%-8%,连沾边AI数据中心电力的卡特彼勒都已较夏季高点腰斩。大盘宽度彻底恶化。路透社盘后统计显示,当天纳斯达克创52周新低的股票高达626只。当天,唯一上涨的只有发达经济体的主权国债。美股跌、原油跌、铜跌、比特币跌,全球几乎所有市场都在下跌,黄金白银跟着一起跌。逻辑非常机械:科技股暴跌→机构触发风险平价风控线与保证金追缴→抢时间先卖流动性最好的资产。当标普500回撤8%、英伟达一个月跌掉43.45%、VIX飙到31.3时,多资产基金的在险价值模型会自动报警,叠加主经纪商发出的追加保证金通知,机构必须在极短时间内削减总风险敞口并回笼美元现金。Canadian Mining Report早在11月2日就预警过一个仓位结构隐患:今年以来,大量机构在黄金、白银和矿业股上积累了丰厚的浮盈;当科技股仓位出现大幅浮亏且流动性骤降时,账面上流动性最好、变现冲击成本最低、且尚有盈利缓冲的贵金属多头,自然成了补齐股票保证金缺口的第一变现源。路透社11月20日的报道同样证实,部分机构正在直接抛售黄金头寸以弥补美股亏损。BeInCrypto此前在11月5日和11月18日先后标记了黄金的3943/3552美元、白银的45.5/41.5美元支撑位;11月20日这些点位被连续击穿后,衍生品市场的止损单叠加上涨21.25%的GVZ波动率,直接把盘面流动性打穿。此时此刻,黄金不再是避险资产,而是机构最好用的提款机。也就是说,黄金近几日的惨状,很大程度上是因为,在当前的环境中,它失去了避险属性。属于突发状况。后续,是否会好转?02据世界黄金协会11月3日发布的《2026年三季度全球黄金需求趋势报告》:2026年三季度,全球黄金总需求为1368.6吨,同比微降1%;累计需求3881吨,几乎追平2025年同期的历史纪录(3884吨)。三季度全球央行及官方机构净购金量飙升至321.2吨,同比暴涨42%。其中仅120吨出现在各国官方公开披露数据中,高达63%属于未公开申报的净买入。三季度全球实物黄金ETF净流入211.2吨,彻底扭转了二季度净流出47.3吨的颓势;但同一时间,全球零售金条与金币需求同比大跌19%至267.8吨。看完这组数据,很容易发现一个问题。央行明明在加速扫货,为什么拦不住金价这波暴跌?世界黄金协会在报告里说的很清楚:“这种模式可以提供一定支撑,但并不足以构成坚硬的价格底部。”央行购金同样具有价格敏感性,它们只在战略维度分散储备风险,绝不会在纸黄金发生盘中流动性踩踏时跑出来为对冲基金托底。当下黄金市场最大的隐患,在筹码面上。根据COTInsight再11月18日拆解的CFTC数据:8月下旬到11月3日,管理基金连续10周每周削减COMEX黄金净多头,COT持仓指数一路跌到27.8的周期低点。11月10日,对冲基金突然集体反手抄底,单周净多头猛增10109手,空头基金家数一周内从35家锐减到25家。结果我们现在都知道了,短短十天,这批投机多头浮亏超过12%。按照世界黄金协会11月5日追踪的三大历史见底指标(金价远低于200日均线、美元急剧拉升、投机期货仓位彻底出清),当时就已经满足了两个。再经过本周的暴力洗盘,期货端的投机泡沫基本被挤干了。但现货ETF没有。三季度LBMA黄金均价高达4262美元/盎司,过去四个月高价进场的数以百吨计的资金,现在已经全面水下。高盛策在11月17日的报告里专门做过一次压力测试:如果批水下ETF筹码顶不住净值回撤,即便央行照常买金,高盛的2027年底目标价也要从4650美元直接下修至约4265美元。这种抛售在短期盘面上制造的流动性超跌,完全足以把金价短暂砸进3000—3300美元的深水区。所以后续,如果这些刚被套牢的资金被逼出止损盘,黄金面临的就不再只是期货市场的杠杆出清,而是实打实的现货抛压。短期内,黄金的绝对定价锚只有一个:10年期美债实际收益率。据美联储数据,10年期TIPS实际收益率在11月9日还是2.66%,到11月18日就已经飙升至2.88%,实际利率再七个交易日上行22个基点。再加上12月9日FOMC议息会议和12月10日11月CPI数据的倒挂日历,美联储必须在看不到11月CPI的情况下投票。也就是说,短期市场根本没有做多黄金的赔率。目前,市场已经用CME FedWatch工具把12月加息25个基点定价到了96%。换句话说,加息25个基点本身已经不是利空。那市场到底还在争论什么呢?最大的变量,是大行之间的剧烈宏观分歧。看下面这张图。如果沃什在新闻发布会上像沃勒那样继续释放鹰派威慑,或者点阵图坐实了高盛和摩根大通担心的“2027年一季度继续加息”,10年期TIPS实际收益率就会顺势冲破3%关口,黄金的3500美元防线大概率守不住。反过来,如果美股AI板块和私募信贷的连续失血,真的像花旗11月20日研报预判的那样,让沃什把12月定性为“最后一次信誉加息”并释放观望信号,那么压在金价头顶的2.88%实际收益率就会立刻回落,触发猛烈的空头回补。03说到底,金价本轮的暴跌,是给全球投资者上了一堂昂贵的金融常识课。只有在流动性充沛时,黄金才是避险的最佳选择之一。一旦碰上滞胀加息和跨资产爆仓,它或许真的只是提款机而已。风暴过后,只有等最后一个杠杆多头被抬出赌场,坐在台下慢慢数钱的各国央行,才会重新接过定价权。(全文完)
人均150-250元的平价台州菜,正在接管一二线商场
虎嗅 · 6 小时前
本文来自微信公众号: 红餐网 ,作者:红餐编辑部,编辑:洪君一批人均150-250元的台州菜品牌,开始跨城扩张。本文为红餐系列策划“地方菜的黄金时代”第3篇。一批人均150-250元的“新荣记平替”,正在成为新的商场“流量王”。新荣记用20年时间,把台州菜的天花板顶到人均800元、93颗米其林星的高度,现在,天花板之下的巨大空间,正在被一批新品牌以惊人的速度填满。宁家十職、樾鲜、锦府园、条态小馆……它们卖着家烧黄鱼、沙蒜豆面、黄金脆带鱼等台州招牌菜,人均不到新荣记的一半,掀起了一股台州菜热潮。人均150-250元,“新荣记平替”走红周五18点,北京国贸商城,“宁家十職”门口的等位区坐满了人。有食客表示,已经等了近一个小时,前面还有7桌。自2026年7月进京以来,宁家十職迅速成为北京商圈的“人气王”之一,高峰期等位一两个小时已成常态。往南一千多公里,上海陆家嘴正大广场,樾鲜的江景位在晚餐时段一座难求;杭州万象城,新荣记旗下子品牌荣小馆,下午4点40分刚开始取号,就已需要排队等位。△图片来源:红餐网摄不同城市,同样热闹,台州菜正在商场里猛刷存在感。过去,提到台州菜,很多人想到的是人均超500元的高端餐厅,现在,它正跳出“高端菜系”的标签,成为消费者吃得起、也愿意反复吃的日常就餐选择。热度不只体现在排队上。相关数据显示,近两年,台州菜全国门店数量明显增加。据台州发布报道,目前仅上海就已聚集1300余家台州菜餐厅。其中,不少品牌的人均消费在150-250元。与此同时,一批相对平价的连锁品牌脱颖而出。宁家十職,短短一年多,就从南京一路开到上海、深圳、北京、武汉等核心城市。据大众点评,其目前已开出13家门店,深圳、上海等地还有数家门店正在筹备开业。走精致路线的樾鲜·台州菜,在上海开出4家门店;锦府园,主打“新台州菜”概念,在上海和杭州的多个中高端购物中心开出了9家门店。△图片来源:条态小馆创始人小红书账号条态小馆,把台州菜开进杭州的写字楼和社区,人均约120元,目前在杭州有3家门店。据创始人黄骏分享,前两家店的月营业额分别为90万元和120万元;第三家店近期开业,开业5天接待了1747位顾客。值得一提的是,人均200元左右的荣小馆是新荣记2013年就开出的子品牌,目前已经在上海、北京、杭州等地开出约20家门店。除荣小馆外,上述提到的宁家十職、樾鲜·台州菜等都是这两三年诞生的新品牌。平替走红,靠的不只是低价排队等位、跨城扩张、门店数一路往上走——“新荣记平替”的走红,已经是看得见的事实。真正值得追问的是:它们到底做对了什么?低价当然是第一张牌,但价格从来不是护城河——你能降下来的价格,别人同样降得下来。让消费者花小钱也能吃到一桌不错的台州菜,才是它们被反复选择的理由。1、踩准空白价格带,“日常吃得起、请客不失礼”台州菜的大众价格带,过去一直是空着的。新荣记用20年时间,把台州菜顶上了人均800元的高端塔尖,也把“台州菜等于高级海鲜”的认知种进了消费者心里。但塔尖之下,一两百元的大众消费区间,几乎没什么品牌认真做过。现在,以宁家十職为代表的这批品牌填上了这个空白地带。人均150-250元的价格带,恰好卡在“日常吃得起、请客不失礼”的甜蜜区间。对消费者而言,选择“新荣记平替”是一种“划算的体面”,当新荣记人均800元的标杆立在那里,人均200元的宁家十職就会显得“特别值”。△图片来源:红餐网摄对品牌而言,这也是一个既有利润空间、又有足够性价比感知的黄金地带。定价太低,做不出海鲜该有的品质感;价格太高,消费者宁可加钱去吃新荣记。更重要的是,台州菜本身也具备走向大众市场的基础。在上海经营台州菜馆已有3年的吴新(化名)告诉红餐网,台州菜讲究清鲜本味、鲜甜软糯,核心是突出海鲜本身的味道。这种味型既有地方特色,也相对容易被不同城市的消费者接受。当价格不再高高在上,台州菜便有机会从部分人的宴请选择,进入更多人的日常聚餐清单。2、复刻“招牌”台州菜,“小海鲜+家烧菜+小吃”丰俭由人沙蒜豆面、家烧黄鱼、黄金脆带鱼,是台州菜的招牌,也是新荣记菜单上的经典款。走进这些“平替”餐厅,几乎都能看到它们的身影,但价格却砍了一半甚至更多,怎么做到的呢?首先是食材规格和来源的调整。同类食材因产地、规格不同,价格可能相差明显。以台州菜常见食材黄鱼为例:新荣记按时价、按条计价,使用东海野生黄鱼,一条售价可达1588元;荣小馆的家烧大黄鱼使用台州大陈岛深海铜网养殖黄鱼,一份售价268元。除了调整部分食材的规格和来源,这些品牌不再一味追求大规格、高单价,而是用小海鲜、家烧菜和小吃搭配,让一桌菜有贵有便宜,丰俭由人。糯叽叽的台州小吃比如海胆大馄饨、手工糯米年糕等,是天然的流量产品,单价不高,但容易出片,传播力极强。△图片来源:红餐网摄值得一提的是,不少品牌还主动吸收了粤菜等其他菜系的烹饪手法和产品,既保留了台州海鲜的鲜,又增加了风味的层次感和出品的丰富度,让菜单更容易被不同城市的消费者接受。樾鲜·台州菜创始人严强接受媒体采访时曾说:“唯有融入粤菜的烹饪理念与出菜方式,才能让台州菜从渔家菜的陈旧格局中解放出来,进入大上海的市场。”海鲜提供地方辨识度,家烧菜和小吃控制消费门槛,跨菜系创新丰富菜单。这样一来,消费者花费200元左右也能吃到一桌不错的台州菜。3、综合体验营造出“超值感”,把“划算”包装成“体面”价格降下来,靠的是食材和菜品结构的变化。消费者愿意反复买单,则取决于他们认为这笔钱是否花得“值”。这一批平替品牌选择进入各大商业体,让台州菜出现在逛街约饭、朋友聚餐和家庭用餐等场景中,再用空间设计进一步撑起了用餐的体面感。最明显的变化是明档厨房:馄饨、汤圆、年糕现场制作,海鲜现点现做。消费者看到的不只是菜品,也能看到“新鲜”如何呈现。△图片来源:荣小馆官方账号宁家十職把超大开放式厨房做成品牌标识,师傅现场包制、烹煮,向消费者传递“新鲜、手工、安全”的信息;木构梁架、绿植盆栽和粗陶器皿等元素,则营造出带有东方气质的老宅院风格。锦府园在空间、摆盘和茶饮等细节上做文章,呈现更现代的用餐氛围,也适合拍照打卡。开在中高端商场、看得见的明档、适合拍照的空间、现场制作的仪式感——这些体验要素被这批品牌保留下来。当消费者愿意在明档前拍照并在社交平台分享,门店本身也就成了流量入口。台州菜走向全国,最难过“鲜”这一关价格带、招牌菜、空间体验,这套组合拳能够做火一家门店,可当门店从一家开到十几家、从一座城市开到另一座,问题就变成了这套打法能不能被批量复制。台州菜最核心的竞争力是“鲜”,这也恰恰是连锁经营最难处理的环节。菜品可以复制,装修风格可以借鉴,服务能力可以培训,但台州菜的“鲜”能否稳定呈现,取决于两件事:食材和人手能否跟上。台州是浙江“七山一水两分田”格局的缩影,地处山海之间,山珍海味俱全。但这份丰富是相对本地市场而言的——放到全国餐饮市场来看,台州原产地的高价值食材资源十分有限。这也是台州菜长期客单价偏高的重要原因。餐饮连锁可以标准化装修、服务和部分菜品,却很难把每天规格、产量都不同的海鲜完全标准化。△图片来源:红餐网摄条态小馆的选择最能说明这一点。“未来我们会只保持4家条态小馆的规模,不再扩张。”黄骏直言,受限于供应链和物流,条态小馆很难走出浙江。为了保证食材新鲜,黄骏的父母常年驻守台州,每天凌晨两三点赶到椒江码头挑选当日渔获,再通过自有冷链送往门店,尽可能缩短从渔港到餐桌的时间。这与多数餐饮连锁“门店越多、采购越有优势”的逻辑并不相同。台州菜规模越大,对稳定货源的要求越高,而台州的优质海鲜需要“抢”。货源一旦跟不上,要么采购半径扩大,运输和损耗随之上升;要么就得为了保障供应而降低食材标准。除了供应链,人的问题同样难解。台州菜对厨师要求较高:海鲜处理、点心手工制作都需要专业技能。对大多数中小品牌来说,找到一位优秀的台州菜师傅,可能比找一个好店面还难。新荣记早已开始通过体系化方式培养人才。2023年,新荣记学院在台州正式揭牌,依托台州职业技术学院与新荣记集团的合作,开展厨师培养、台州菜研究等工作。但对大多数品牌来说,要从源头开始建立这样的人才培养体系并不容易。△图片来源:荣小馆官方账号综合来看,平价台州菜并不是一门轻松的生意。以条态小馆为例,其滨工山泽里店面积约500平方米,前期投入接近600万元,年租金约180万元,单日人工成本约9000元。虽然月营收已突破百万元,但仍未回本。高端台州菜可以凭借较高客单价覆盖高规格食材和门店成本;平价台州菜则要在有限客单价内,同时解决食材、人工、房租、损耗和物流问题。对这批台州菜品牌来说,谁能以可控的成本,把台州菜的“鲜”稳定地送到全国各地,谁就能先跑出来。
上市第二天就“差点破发”,Anthropic的“豪华投行承销团”面临压力
虎嗅 · 6 小时前
本文来自微信公众号: 华尔街见闻 ,作者:高智谋,原文标题:《上市第二天就“差点破发”!Anthropic的“豪华投行承销团”面临压力》史上最大规模IPO在上市次日遭遇剧烈抛售。人工智能巨头Anthropic(ANT)周五盘中一度大跌15%,最低仅比IPO发行价高出5美分,收盘跌幅收窄至8.5%,报88.91美元,单日市值蒸发约1090亿美元。这场剧烈震荡浇灭了市场借Anthropic扭转AI板块颓势的预期。周五,英伟达、Meta和甲骨文等AI核心标的随Anthropic同步下挫,令纳斯达克市值蒸发4万亿美元。市场动荡也波及Anthropic的主要竞争对手OpenAI——后者正推进新一轮估值达1.25万亿美元的巨额融资,并急于在明年登陆公开市场。不过,接近Anthropic及主承销商的人士坚称此次IPO依然成功,强调公司通过IPO及同步售股合计募资超1000亿美元,且在史上最猛烈的市场抛售之一中仍守住发行价上方,周五收盘价较发行价仍高出7%。配售向老股东倾斜,六成申购机构空手而归Anthropic上市首日便已显露疲态。周四中午前,该股以较发行价高出逾30%的价格开盘,但买盘热情迅速消退,全天震荡走低,最终收涨17%。部分投资者质疑公司与投行对810亿美元IPO股份的配售安排。据知情人士透露,超过一半的IPO股份流向了已持有公司股权的现有投资者,包括Altimeter Capital、Lightspeed Venture Partners和Menlo Ventures。这一比例罕见偏高,反映出Anthropic高管回馈早期支持者的意愿。其中部分早期支持者为风险投资机构,其原有持股受限于锁定期无法出售。按行业惯例,风投机构通常不会在IPO中获配大量新股,因为这类新股可立即在二级市场出售以锁定收益。此外,知情人士称,Anthropic还将相当比例的IPO股份配售给了Citadel等大型投资机构,引发部分落选投资者猜测公司优先照顾了旗下Claude模型的大客户。通常情况下,上市公司与投行顾问会仔细甄别申购需求,耗时数日筛选最优股东名册,以确保上市后股价表现稳健、持股结构稳定。但据部分知情人士估算,申请按IPO发行价认购的机构中,约有60%颗粒无收,其中包括大量对冲基金和大型共同基金。另有众多机构仅获部分配售——据《华尔街日报》报道,资管巨头贝莱德提交了约100亿美元的认购申请,最终仅获配约一半。开盘定价遭质疑,员工即刻套现加剧抛压除配售争议外,华尔街也在审视发行定价与解禁安排。一名对冲基金经理质疑,协助决定开盘时机与价格的投行可能将开盘价定得过高,从而制造了难以逆转的下行势能。不过,推迟开盘同样存在风险,股价在此期间可能继续走高。与此同时,Anthropic的IPO包含一项罕见条款:允许部分在职及前员工立即出售约3亿股股票,按IPO发行价计算价值约260亿美元。在常规IPO中,员工持股通常面临长达数月的锁定期。这部分股份的减持大概率加大了股价下行压力。与华尔街的焦虑不同,旧金山多名AI从业者表示基本无视了Anthropic股价的回调。他们周五更关注另一则消息——一位Anthropic数学家宣称,Claude破解了一道困扰人类167年的“千禧年大奖难题”。不少人将其视为AI超越人类智能的信号。此外,这些员工表示,即便按当前股价计算,许多Anthropic员工手中股票的价值仍比本周初高出数百万美元。AI交易深陷动荡,“绿鞋”已被行使Anthropic及其顾问深知,在AI交易遭遇迄今最剧烈动荡之际推进上市风险极高,但他们未曾料到会撞上这场“完美风暴”。过去数周,云计算企业借贷成本上升、英伟达风波的余波,持续加剧市场焦虑。投资者原本寄望Anthropic这位纯AI巨头能够力挽狂澜、重启行情,但这一幕并未发生。从承销投行的角度看,只要Anthropic股价不跌破IPO发行价,此次上市就仍算成功。然而,一旦破发,投行原本可用于稳价的一项关键工具已然失效。Anthropic周五上午宣布,此次IPO的“绿鞋”机制(超额配售选择权)已被行使。“绿鞋”允许承销商向投资者额外配售相当于发行规模15%的股份,承销商随后既可按发行价向公司购入这些股份,也可在股价跌破发行价时从公开市场回购以托举股价。随着该期权提前行使,后续护盘手段随之减少。此外,12月15日还将有约3亿股Anthropic股票解禁流通,届时该股可能面临进一步抛压。
Lean社区通过“形式化验证”:相信Anthropic数学家对黎曼猜想的证明是正确的
虎嗅 · 6 小时前
本文来自微信公众号: 华尔街见闻 ,作者:高智谋11月21日,开源形式化验证社区Lean与Mathlib发布联合声明,确认Anthropic数学家Levent Alpöge对黎曼猜想的证明成立。两家机构联合背书称:“完全有信心Alpöge对黎曼猜想的证明是正确的”。11月20日,即Anthropic上市次日,Alpöge宣布与AI模型Claude合作找到了黎曼猜想及广义黎曼猜想的证明方法,并公开逾1700万行Lean源码。因超过25万页的文字版证明难以阅读而未公开,加之宣布时点紧贴IPO,外界一度对其真伪与商业动机存疑,预测平台上的相关赔率也反映出市场分歧。24小时后,Lean社区用四重形式化核验给出了计算机级别的回应。但机器验证与人类读懂证明是两码事——验证链上甚至出现了Claude编写的内核,部分收尾测试尚未结束,要想克雷数学研究所的100万美元大奖也还需要经过至少两年的公开检验。24小时核完1700万行代码:Lean如何验真,边界又在哪?传统数学突破靠同行逐一审阅论文、判断每一步推理是否成立。但面对超过25万页、短期内无人能通读的证明草稿,形式化验证软件Lean成了数学界最快的“公证处”。Lean由巴西计算机科学家Leonardo de Moura于2013年创立,最初在微软研究院开发,后在亚马逊云科技AWS延续推进,2021年推出重写版Lean 4,现由Lean FRO支持。在这种编程语言和证明助手中,数学家须把每个定义、前置结论和推理步骤写成计算机可读代码,由程序逐一校验逻辑是否严密。其始于2017年的社区共享数学库Mathlib规模已超100万行,文档中甚至给黎曼猜想留了一句注脚,称构造其证明“值一百万美元”。Lean曾于2021年验证Peter Scholze的凝聚数学证明,2023年协助陶哲轩形式化多项式Freiman-Ruzsa猜想证明,也是Google DeepMind打造AlphaProof的底层工具,并被用于亚马逊Cedar策略语言及Rust代码验证。但代码能跑通编译,并不等于黎曼猜想已被攻克。数学家Kit Yates在Substack专栏中指出,Lean校验虽远比让另一个AI评判严谨,专家仍须额外确认三点:代码证明的确实是黎曼猜想而非更弱命题、定义忠实还原了ζ函数等标准对象、推理中未夹带额外假设。Lean语言参考手册也警示,系统无法检查新公理是否自洽,更须警惕能“证明一切”的占位符sorry。此次Lean社区敢于在一天内拍板,是因为Alpöge的代码库全部通过了伦敦帝国理工学院数学家Kevin Buzzard在11月12日提出的四项硬标准。第一关是核对“题干”。该代码库仅直接依赖Mathlib,所证定理指向Mathlib内置的RiemannHypothesis标准定义——在所有使ζ函数为零的复数中,除-2、-4、-6等平凡零点外,实部均为1/2。该定义早已经过Lean和数论专家反复核验。第二关是独立复现。这份拆为14个压缩文件、涵盖175,187个模块的代码库对算力要求极高,单人完整验证约需100GB内存与70GB硬盘。麻省理工学院数学家Andrew Sutherland使用Lean与Mathlib v4.33.1独立完成无错编译,且Mathlib文件与官方缓存一致。联合声明显示,已有数十人复现编译,并生成完全一致的原始证明导出文件,体量达61.6GB。第三关有关“暗箱操作”。社区另建仅导入Mathlib的隔离文件,动用comparator与con-leche--compare两套工具比对,双双确认Alpöge所证命题与Mathlib原定义完全吻合。在公理审查上,Sutherland对主文件Main.lean中的五个定理运行#print axioms指令,结果显示它们仅依赖Lean七条标准公理中的三条核心公理——propext、Classical.choice与Quot.sound,不含任何sorryAx,且全部源自核心库。“这里面有猫腻的概率近似为零,”Sutherland对《科学美国人》说。最后一关针对验证软件本身。Lean官方内核历史上曾出现可靠性漏洞,发现后4小时即被修复,数学家Elliot Glazer也将Lean自身存在漏洞的概率估计在1%以下。为隔绝源码潜在恶意代码、规避单一内核缺陷,社区跳过源码,直接将61.6GB的惰性导出文件交由多语言独立内核交叉检验。除Lean官方内核及全量放行175,187个模块的leanchecker、lean4lean外,Rust编写的第三方内核nanoda耗时27分42秒接受完整导出;con-leche仅用3分15秒审完146.8万条声明,无一拒绝;con-ron同样过关。con-leche与con-ron本身还附带相对于集合论的形式化自洽证明,从数学逻辑上确保其无法接受错误证明。验证通过的效力已体现在具体数学推论上。结合已有形式化成果,Sutherland页面确认已从该证明中推导出关于整数因数之和的Robin不等式与Lagarias不等式,同样只依赖三条标准公理。1984年,法国数学家Guy Robin证明,对任何大于5040的整数n,其所有因数之和小于这一直观命题与黎曼猜想完全等价——其中γ为欧拉常数,e^γ约等于1.78。不过,对照Lean联合声明与Sutherland的MIT验证页,这场验证仍有几处尚未彻底收口的技术边界。Lean联合声明虽宣布comparator和官方内核均已通过,但未公布具体工具版本与详细输出日志。截至11月21日12:55 UTC,Sutherland本人在Lean v4.36.0上的端到端comparator运行已完成命题比对与公理检查,内核阶段仍在继续,Lean默认与严格内核也尚未出结果;他此前的构建与导出未在沙盒中完成,尚待与沙盒构建结果比对。至于Lean v4.36.0捆绑的旧版con-leche和con-ron因不支持证明中的一种类型返回退出码2,Sutherland页面注明这并不意味着证明被拒绝。在证明范围上也存在口径差。Elliot Glazer于11月20日称形式化命题实为广义黎曼猜想,Sutherland页面则更为审慎:主定理是Mathlib定义的黎曼猜想,其余四个定理针对狄利克雷L函数,页面仅在此限定意义上提及“GRH”。Sutherland同时提醒,即便公理检查无误,最终结论仍以Mathlib定义忠于数学本意、验证内核自身可靠为前提。从证明到“判卷”把视角拉向幕后,Claude的身影贯穿了从提出证明到参与“判卷”的多个环节。按Alpöge附上的研究时间线,这项工作始于10月6日的“Stepanov行列式”,至当地时间11月15日深夜至16日凌晨告成,11月16日的记录上仅剩“GRH”三个字母。该时间线据称由Claude整理。Alpöge表示,自己负责指明方向,Claude随后提出突破性步骤——一条长度约等于所界定素数和平方根的“theta提升”链,每次提升对应经典函数域论证所依赖、在整数域上却极难找到的“重数”。“在接近终点时,Claude远远超过了我。不,Claude简直是在终点附近飞翔、跳舞、闪耀,”他在声明中写道。到了核验阶段,Claude依然在场。Sutherland验证页开头署名显示,整套检查通过Claude Code运行;而3分15秒审完146.8万条声明的con-leche,据Lean创始人Leonardo de Moura上月在博客中介绍,是首个用Lean写成并被证明自洽的内核——代码与自洽证明均由Claude完成,由Lean FRO的Joachim Breitner严格把关。因为有形式化自洽证明兜底,且最终结论与Rust内核nanoda等多个第三方独立内核一致,验证信用并不取决于单一工具。这种推进速度超出了Anthropic三个月前的自身预期。今年8月,公司曾公布未公开版Claude配合Lean的研究成果,将关键线上零点比例下界从41.6%推高至67.2%,并通过了comparator检验。当时Anthropic明确表态,并不预期这些技术能最终证明黎曼猜想。仅仅三个月后就实现跨越,却恰好撞上11月19日IPO后的敏感窗口。Alpöge在声明中主动承认“精确的时机非常糟糕”,透露完成后曾询问Anthropic首席执行官Dario Amodei能否公开,“最终我们弄清楚了,确实存在需要遵守的限制”。他否认外界对发布时机的负面猜测,称这种“明显的愤世嫉俗的看法”是错误的,并坦言自己“实在无法再等下去了”,愿承担全部责任。舆论狂欢与学界克制北京时间11月21日23:12,Lean官方公告在社交平台X发布,迅速激起科技圈与主流学界的讨论。AI圈情绪迅速沸腾:AI研究者姚顺雨早在20日晚便发帖惊呼“OMG,Riemann Hypothsis?!”;官方声明出炉后,AI资讯作者Rohan Paul概括称“167年后,黎曼猜想终于被AI完成了”,评论账号Dr Singularity则感叹“What a time to be alive”。网友还翻出OpenAI首席执行官Sam Altman于2022年在X上半开玩笑追问“黎曼猜想什么时候能搞定”的旧帖,调侃“Anthropic抢在你前面做到了”。主流学者的措辞则明显更紧。11月21日早间,在Lean官方联合声明尚未发布前,哥伦比亚大学数学与物理教授Brian Greene发帖介绍AI“可能攻克了凌驾于所有难题之上的黎曼猜想”,但用词保留余地,并非其本人独立核验。罗格斯大学数学系主任Alex Kontorovich虽对证明成功愈发乐观,当日在X上的动作也仅是转发《Quanta Magazine》关于Alpöge声明的报道。在功劳归属上,学界同样拒绝将此简化为“AI独力破题”。普林斯顿大学一位数学与AI研究人员强调,人类参与仍是利用大语言模型解决数学问题的最佳方式,Alpöge应当获得与Claude同等的认可。Sutherland在独立编译通过后,也称这是一场“人类的胜利”。更棘手的现实在于,机器已经验证,人类却还读不懂。曼彻斯特大学数学家Thomas Bloom在X上直言,他分不清更令自己震惊的是AI声称证明了黎曼猜想,还是AI生成了一份转化为人类可读文本后超过25万页、且逻辑连贯的证明。2006年菲尔兹奖得主陶哲轩在个人博客中给出初步判断:这份证明似乎综合运用了朗兰兹纲领和算术几何的现代研究成果,验证与消化仍需时间,“好在这一次,至少还有一位人类作者可以沟通”。接下来,拆解与简化这份庞大证明将成为数学界的核心课题。Lean与Mathlib社区在声明末尾表示,期待数学界接下来的工作能够阐释该证明中的新思想。Alpöge本人也预计,这份体量惊人的证明“很可能会被大幅简化,而且可能很快就能实现”。即便计算机已经给出了肯定答复,数学界的正式加冕仍须跨越漫长的制度门槛。按克雷数学研究所规则,千禧年大奖难题的100万美元奖金要求解答必须正式发表、经过至少两年的公开检验,并获得国际数学界普遍认可。对Alpöge而言,他口中这个“科学领域某种更伟大事物的一个黎明”,距离真正尘埃落定还有数年时间。
“别抱侥幸心理了,还有很多人没卖,”摩根大通劝退科技股
虎嗅 · 6 小时前
本文来自微信公众号: 华尔街见闻 ,作者:高智谋,原文标题:《“别抱侥幸心理了,还有很多人没卖!”摩根大通劝退科技股》美股科技板块创下2020年3月以来最大单周跌幅之际,摩根大通仓位情报团队的John Schlegel在最新周报中化用了但丁《神曲》名句开篇:“交易科技股者,放弃一切希望吧”。摩根大通与高盛的最新数据均显示,尽管对冲基金已大幅降仓,但握有大额筹码的长线资管机构和散户仍未大规模离场。过去一周,标普500指数连跌七日,周五收于6910点,失守7000点关口;纳斯达克100指数重挫10.4%,费城半导体指数(SOX)大跌17%。抛售同步波及大宗商品与加密货币,黄金周跌9.5%,比特币跌14.2%,铜价跌超9%。两家投行均警告,单靠对冲基金降仓不足以确认市场见底;摩根大通更指出,当前盘面正愈发贴近2018年四季度的走势。对冲基金跌出去年4月来最惨一周,净杠杆探底、空头大增快速资金最先承压。摩根大通测算,对冲基金周五单日再跌1.5%,近五个交易日跌超3%,11月以来累计跌约4%,创2025年4月7日“解放日”暴跌以来最差五日表现,其5日和63日回报均低于均值逾3个标准差。与10月不同,本轮亏损主要来自市场整体下挫(Beta),选股(Alpha)本身并未明显失灵。高盛主经纪商交易台的Kartik Singhal在周五晚间的报告中给出类似统计:基本面多空策略基金当日跌1.2%,约四分之三录得亏损,美股和欧股基金分别跌1.6%和1.3%,但选股Alpha实为+0.3%。计入周五跌幅,选股型基金过去六个交易日累计跌约2.8%,仅承受了同期标普约9%跌幅的三分之一。低敞口成了眼下唯一的缓冲垫。11月12日标普500指数年内还涨约12%(含股息),到本周五仅剩0.9%,纳斯达克100指数已转跌0.9%;而高盛追踪的全球选股型基金年内仍上涨7.0%,量化基金更是录得17.7%的涨幅。净杠杆探底的同时,总杠杆却在攀升。截至周四收盘,高盛主经纪商账簿上的全球基本面多空净杠杆降至42.3%,创五年新低;经Beta调整后为48.2%,较过去12个月高点84.6%大降36个百分点;整体多空比1.57亦处于五年底部。但整体总杠杆反升3.8个百分点至315.9%,站上五年98%的高分位。摩根大通同样监测到总资金流从低位回升。净敞口探底而总盘子变大,答案只有一个:对冲基金正在大举加仓空头。高盛衍生品团队指出,过去六周对冲基金以有记录以来最快速度抛售科技股,卖盘强度超过4个标准差,全球科技股多空比已跌至至少2017年以来的低位附近。反弹为何缺席?长线资金与散户还在场内照过往经验,快钱卖到这种程度,反弹早该来了。摩根士丹利测算,净杠杆降至当前低位后,标普500指数未来三个月平均上涨6.3%;摩根大通股票策略师11天前刚建议抄底,高盛宏观交易员押注年底逼空,摩根士丹利的Mike Wilson原本也只看到回踩7100点。结果标普直接跌穿了7000点。野村证券的Charlie McElligott周四分析称:当所有量化机器都准备买入、股市却依然涨不动时,盯着仓位指标可能看错了方向。问题在于,对冲基金只是牌桌上的一席。截至周四,摩根大通美国战术仓位监测指标(US TPM)的四周变动仅为-1个标准差,尚未触及-1.5个标准差的全面出清阈值。尽管整体仓位已降至2015年以来13%的分位,但CTA(商品交易顾问)降风险未至极端,资管机构则仍在维持期货敞口。高盛衍生品与期货交易台援引CFTC(美国商品期货交易委员会)数据,更直白地暴露了这种割裂:在纳斯达克100期货上,CTA已转为净空头36亿美元,逼近十年底部;但非交易商(non-dealer)头寸仍净做多530亿美元,远高于65亿美元的十年均值,距610亿美元的峰值近在咫尺。标普500期货同样如此。机构全年维持约90万手净多头,11月几乎纹丝不动;场内折腾的几乎只有杠杆基金,他们在11月10日至19日期间回补了6.8万手空头(约250亿美元)。领跌的芯片股与股票基金流向进一步印证了“慢钱没卖”。半导体板块10月初以来已重挫33%,虽是近两个月美股净卖出最多的板块,但摩根大通数据显示其仓位仅回到2018年以来63%分位(长期均值附近),对“抛售是否结束”的回答明确为“否”。高盛现货交易台称,纯多头机构(Long-only)近期才刚开始在芯片股持续挂出卖单,买盘陷入冻结,纳斯达克VIX升至疫情以来最高水平。场外散户则仍在逆势接盘。Lipper数据显示,上周股票基金净流入590亿美元,创6月以来新高;美银引用的EPFR数据显示,过去四周累计流入达创纪录的3100亿美元。美银最新调查还显示,基金经理正以2006年以来最快速度抛售科技股。资金扎堆防御板块,华尔街紧盯“2018年剧本”撤出科技股的资金正加速挤进防御板块。摩根大通数据显示,上周美股净买盘集中流向公用事业、电信、医药生物、食品饮料烟草及房地产,必需消费品分销与零售仓位已升至历史高位。不过,避风港一拥挤就容易失灵,高盛波动率交易台已建议客户对冲必需消费品板块,该板块期权偏度(skew)已降至过去20年的第3百分位。放眼全球,摩根大通监测的各区域仓位均已跌破20%分位,全球整体在10%分位左右(-1.5个标准差,追平2022年以来低位),日本、中国及香港、欧洲均处低位,但Schlegel提醒,迄今为止的回撤幅度依然相对偏浅。高盛恐慌指数已飙至9.8(满分10分),加上本周因假期交易日缩短,技术性反弹随时可能出现。但决定中期走向的边际卖盘已经换人——不再是降完仓的对冲基金,而是刚在芯片股里挂出卖单的纯多头、按兵不动的资管机构,以及上周还在砸钱抄底的散户。John Schlegel指出,四季度抛售已将年内涨幅基本抹平,“2018年类比”正成为华尔街焦点:当年标普500指数在11月底短暂反弹后,12月迎来更猛烈的抛售。不同的是,2018年最终见底靠的是全市场投降叠加美联储转向,而眼下美联储仍在加息,高盛认为唯有股市继续下跌才可能迫使其止步。至于周五是否已触发更广泛的投降式抛售,仍有待后续仓位数据验证。
云贵烤肉风起,加盟商的又一场豪赌开始了
虎嗅 · 6 小时前
本文来自微信公众号: 餐企老板内参 ,作者:月半如果说2023年是淄博烤肉和东北烤肉的“流量大年”,那么这两年,伴随着餐饮行业进入“地方特色风味深化”和“质价比极致卷”的阶段,云贵烤肉作为烤肉赛道中极具冲击力的新兴力量,杀出重围。走出地域滤镜,真正成为了一门“全国生意”。云贵烤肉其实是一个泛指,具体来看,以贵州烙锅、毕节烤肉、云南宜良烤肉、傣味烤肉、建水烧烤等为主要代表。各个分支都掀起了或多或少的浪花。在上海、成都、深圳、北京、青岛等餐饮风向标城市,大众点评“热门烤肉榜”的前10名中,常态化出现几家贵州烙锅或云南傣味/建水烧烤品牌,这些品牌多以自助形式出现,山野季、木姜子、云贵鲜切等关键词格外显眼,打破了过去东北烤肉、日式烤肉、韩式烤肉三足鼎立的格局。年初,新华网贵州频道发文:企查查数据显示,当前全国与“贵州烙锅”相关的企业及门店数量达到1.6万余家,仅过去一年时间就新增1200多家。如今,一年快要过去,“向一二线城市跃进”大概是贵州烙锅最为鲜明的“年度标签”。从贵阳的大街小巷到北上广深的主流商圈,贵州烙锅“穿透力”十足,在烤肉品类中占有重要一席。总体来看,从可核验的数据看,云贵烤肉已跨过“网红单店”阶段,进入“品类化扩散”阶段:全国已跑出坡摊(200+)、柳真真(近150家店)、凉都青瓦房(60+)、夜郎(46)、芸上、彝老者、李铲铲等强大的品牌阵营;媒体端热度来看,云贵烤肉的声量,已与齐齐哈尔、沈阳泥炉、延吉等成熟地方烤肉品类“有的一拼”。仅#贵州烙锅在抖音的话题就有27.2亿次播放,#柳真真单品牌也有2.8亿次播放,引发不少博主、业内人士争相探店分析。在产品创新方面,云贵烤肉最大的差异化就是“用云贵山野香料”改造传统烤肉,再结合自助+帮烤的方式将体验感拉满。比如引入牛肝菌、田七菜、七彩洋芋等山野食材,让菜单更有辨识度,风味上也将香茅草、傣家喃咪等香料放进烤肉。不少品牌还增加了山野小吃、网红甜品,并加入现场舂制蘸水等互动环节,让吃饭的过程参与感十足。走出火锅,闯入烤肉:云贵风味掀起“爆款连环效应”在“地方风味全国化”的浪潮中,云贵烤肉可以说是接棒云贵酸汤火锅,抓住了窗口期。几年前,云贵酸汤火锅、云南过桥米线、野生菌菇汤在全国兴起,山野bistro也不断拉高风味辨识度。共同完成了对全国消费者的“味蕾启蒙”。它们的星火燎原向市场证明了一个具有商业可能性的事实:草本香料(木姜子、香茅草、折耳根)、发酵酸(红酸汤)、复合辣(糊辣椒、水豆豉)是能够打破地域壁垒、具备成瘾性的“国民级味型”。而这两年,当“云贵风味”注入“烤肉模型”,就变成了云贵烙锅、包浆豆腐烤肉、酸汤涮烤一体。这不是凭空发明了一个新物种,而是用高势能的、已被市场验证过的地域风味,给传统大品类“换血”。云贵烤肉的接棒和崛起,让人不禁联想到“川湘风味席卷全国”的路径,背后的逻辑也较为一致:味型先破局,品类后跟进。云贵风起后,其实没有停止过,而是不断被拆解、重塑,并进入了不同的餐饮品类。从前几年的汤锅形态,到如今的铁板形态。放眼整个餐饮赛道,这个风味还在不同的品类中持续渗透。比如快餐品类,贵州羊肉粉、花溪牛肉粉、云南小锅米线品牌正在密集融资和连锁化;饮品品类,木姜子柠檬茶、刺梨美式、甚至折耳根风味特调,频频成为头部茶饮的季节限定;而贵州包浆小豆腐、毕节烤五花肉,也成了很多普通烧烤店的“引流招牌”。从这个角度来看,云贵烤肉不是终点,它是云贵风味在“攻占火锅”后,又攻下的另一块城池。我们完全有理由相信,不久以后云贵风还会“爆改”出下一个品类。整顿烤肉“新格局”?云贵烤肉“燎原”之势背后,一部分推力来自云贵风味“向上走”。但这并不是最主要的原因;另一部分推力,来自烤肉赛道需要新的故事。这里不得不提到行业里一个“反向背景”:2025年-2026年,韩式烤肉集中出清:街边铁桶关闭全部门店、姜虎东白丁从百家跌至20家,韩罗苑、汉阳馆、新石器、汉拿山等老牌退场。这些曾经的“顶流”们,释放出的消费需求,需要有承接者。在韩式、日式烤肉高度同质化、疯狂内卷的周期里,地域风味是成本最低的差异化手段,因为顾客对于各类“香料”的感知是“稀缺和新鲜”。再加上亲民的餐饮价格带需要有“超值感”的叙事,商场招商需要新故事,加盟模型需要新概念。几方合力之下,云贵烤肉站在十字路口“最显眼的位置”。云贵烤肉的“进化”在于,不再依赖伯来文化IP,而是将本土地域文化作为品牌内核。云贵高原的食材、山野的设计、民族的风味,构成的是一个更具原创性和壁垒的品牌叙事。相比于韩式元素可能面临审美疲劳和文化周期性风险,根植于中国本土饮食文化的品牌故事,拥有更深的护城河、更长的品牌周期。同时,传统日式烧肉、韩式烤肉、东北烤肉的底层逻辑,都是“肉的逻辑”。比的是部位、等级、切法、腌拌手法,核心资产是供应链和肉的品质。也正因如此,传统日韩烤肉极度依赖高价牛肉(如和牛、安格斯牛、雪花牛),客单价动辄150~300元,但近年来深陷“供应链溢价被戳破、消费者不敢放肆花钱”的泥潭。相比之下,云贵烤肉是“味的逻辑”。比的是香料配比、发酵、蘸水、复合香。核心资产是配方和产地食材。云贵烤肉的食材也较为朴素,比如极度平民化的五花肉、包浆豆腐等。它用风味弥补食材的身价,把客单价压到60-80元。这个价格带,也是这轮周期下最受欢迎的“社交型餐饮价格带”。云贵烤肉的杀出重围,给沉寂的烤肉赛道带来了不小的正向刺激——让烤肉从“烤什么”走向“如何表达风味”。一位业内人士直言:“云贵烤肉的走热,为传统烤肉赛道带来的最大刺激,不是品类替代或者洗牌这么简单,而是竞争维度的扩展——日韩烤肉的产品与体验、东北烤肉的豪爽与亲民之外,地域风味成为新的差异化来源。它推动赛道创新,同时也带来跟风、同质化和运营复杂度上升等压力。”当然,尽管处在“上升期”,但云贵烤肉内部发展也面临极不均衡的态势,比如,贵州烙锅与云贵山野烤肉自助已有数据支撑,但云南傣味、建水、宜良、毕节等分支仍停留在“本地认知强、全国门店少”的阶段,整个品类呈现典型的“大赛道、小品牌”格局。一位商业综合体招商负责人透露,前几年,韩式烤肉退潮后,烤肉在商场里的“分量”一度下降,被火锅、小酒馆等挤掉,甚至一度回流街边。但云贵烤肉逐渐出圈后,靠“山野装修+桌边现烤+出片+风味差异”,重新拿到万达、龙湖、万象城的铺位。“对一个品类来说,渠道位比产品位更难得。这一步等于给整个烤肉赛道重新打开了商场入口——头部在打势能,后继跟上的品牌则可以大树底下好乘凉。”一个值得思考的话题:生命周期酸汤火锅,从大热到收缩,大概仅仅间隔不到两年。2025年酸汤火锅已经出现核心商圈品牌撤离。这背后同样是多重合力:比如曾经引以为傲的风味壁垒,被“快招化”扩张击碎。随着快招品牌的介入,“冷冻僵尸肉+贴牌辣椒面+工业木姜子油”的组合迅速透支消费者的好感;再加上各大餐饮巨头的用“拿来主义”方式进行“截流”,头部品牌们“新增一道菜”的成本极低,这极大稀释了“纯云贵烤肉专门店”的优势。如果对标酸汤火锅,云贵烤肉的后半程,也可以预见很多风浪。有业内人士直言,这个品类很快进入同样的出清期。判断信号是——同区域同类门店密度、单店排队时长、加盟商回本周期这三项同时恶化。柳真真势能满满,这个品牌真正值得关注的,不是它开得有多快、排队有多火,而是它背后有半天妖系的供应链和自助小火锅的运营模型——它拿的是“云贵风”这个符号,但交付的是成熟的连锁能力。坡摊200+店规模最大,它真正的资产在于两年时间把一套烙锅门店模型跑通了;凉都青瓦房是六盘水城市心智,天然绑定贵州烙锅/六盘水风味,原产地标签强,它把非遗、原产地、标准话语权牢牢攥在手里。简单来说,坡摊强在规模,凉都强在原产地心智,柳真真强在系统能力。它们各有长处,然而,火热背后,“云贵风味”“山野”绝非唯一的亮点。反过来,那些只挂“山野”招牌、没有后端能力的品牌,大概率会在出清里第一批死掉。放眼更长的未来,从规模来看,由于折耳根、皱皮椒等核心原材的供应链半径限制,以及重口味对客群的天然筛选,尽管云贵烤肉会吃掉烤肉大盘的市场份额,但或许很难像东北烤肉那样,长出数千家店的全国巨头。另一种观点认为,云贵烤肉的下一程大概率不是普遍扩张,而是“静待”云贵风味沉淀成更稳定的产品和复购理由,到那个时候,云贵烤肉就有机会从阶段性热点,变成烧烤赛道中的一个特色细分分支。
崇明通地铁后,跨岛上班会划算吗?
虎嗅 · 6 小时前
本文来自微信公众号: 上海市民生活指南 ,编辑:顾筝/,作者:徐妍斐今年以来,崇明地铁的消息隔三差五就会上一次热搜。进博会期间,又有一批新进展披露出来。紧接着,配有黄色内饰和弧形双人座的“紫金战车”车厢内部图在网上传开,社交平台一下子热闹了。崇明岛要结束没有地铁的历史了。对于大多数上海人来说,这意味着去崇明玩更方便。但对于另一群人而言,这条43公里长的地下轨道,直接关系到他们每天睁开眼后的第一件事——怎么跨过长江去上班。在地铁22号线通车前夕,我们找了几个每天在崇明和上海市区之间往返的人聊了聊。01每天早上5点50分,天还没亮透,80后陈女士和丈夫陈先生已经坐进自家的电动汽车,准备出发了。他们的起点在崇明岛中部的新河镇,终点在上海市区的普陀区。先从崇明中部往东开,上长江大桥过江,到了浦东后再一路往西穿过大半个市区。如果打开导航看一眼轨迹,他们每天走的,是一个标准而巨大的“U”字型。单程,大约1小时40分钟。“如果7点钟再出门,过了江到浦东正好8点,那是早高峰最堵的时候,一路堵到办公室,单程没有3个小时下不来。”陈女士说。为了避开早晚高峰,夫妻俩把生物钟硬生生往前拨了两个小时。早上7点30分到公司,下午3点半下班,傍晚5点多回到崇明。算下来,每天在外面12个小时。陈女士通勤路上拍到的风景陈女士原本不是个能早起的人。在小红书上被问到这个问题时,她笑了:“被逼的,没办法,现在生物钟已经彻底调过来了。”坚持这样跨岛通勤,已经整整一年半了。时间倒推回去,一年半前,正好是陈女士产假结束的时候。生孩子之前,夫妻俩一直在市区租房。“那时候生活很方便,但市区房租一个月就要6000块,两个人加上日常开销,一个月一万一、一万二逃不掉。”孩子出生后,现实问题摆在了面前:宝宝需要老人搭把手带,夫妻俩又不想做“周末父母”,希望每天下班都能亲手抱抱孩子、陪陪他。最后,两人做了一个决定:退掉市区的房子,搬回崇明新河镇的老家。老家是两层楼的乡下自建房,宽敞、住得舒服。房前屋后自己种点蔬菜,买菜钱基本省了,每个月6000块的房租也直接归零。省下来的钱,一部分变成了跨江的交通费。往返一次长江隧桥,过路费单程50元,来回100元,刷ETC打九五折,一天95元。好在开的是电车,一天电费十几二十块,一个月算下来600元左右。“要是开油车,一个月油费就得6000多,跟过路费差不多,那真吃不消。”陈先生是自由职业,时间相对灵活,每天顺路开车送妻子上班。陈女士在一家美企做采购,公司实行弹性工作制,再加上时差关系,客人下午两三点下班,她也能跟着打卡走人。夫妻俩搭一班车,算下来一个月的硬性通勤开销在3000元出头,平摊到每个人身上,大约1500元。有了娃之后,一家人的总开销反而没有大幅上涨,维持在一万出头。代价就是每天早起,以及在方向盘上度过的三个多小时。对于即将开通的地铁22号线,陈女士几乎没有什么波动:“对我们影响不大。”她很务实地算了一笔时间账:地铁只到崇明东边的陈家镇,她从新河镇开车去陈家镇地铁站,就要花40分钟;坐上地铁进市区,到普陀还得一个半小时,下了地铁最后一段路还得骑“小黄车”。“加起来超过两个小时,还要一路站着跟人挤,时间、体力全都不划算。开车一个半小时,我可以很稳定地到。”比起22号线,陈女士和周围不少崇明中西部居民“望眼欲穿”的,是规划中的S7沪崇高速。如果S7能从宝山罗店直接过江连上崇明,她就不用再往东绕浦东那个大弯路,单程起码能省下半小时。至于在建的高铁,她同样摇摇头:“坐高铁先到江苏太仓,再到宝山,宝山坐地铁到普陀又要40分钟,加上等车和骑小黄车,还是不如自己开车。”在S7修通之前,陈女士打算继续维持现在的状态。她说,每天早上在高速上也能遇到不少车,但很多人只是因为家里临时有事,连续开个一周、一两个月,事情办完就搬回市区了。像他们这样风雨无阻坚持一年半的,身边还没遇到过第二个。02同样每天开车跨岛,96年出生的谢先生,走的是另一套逻辑。他没有娃,也没有老人需要照顾。他选择住在崇明,纯粹是因为“住得太舒服了”。谢先生本科在中科大念书,研究生毕业于美国纽约大学,回国后进了金融行业。从2021年毕业工作到现在,他的办公地点从南外滩的董家渡,换到北外滩,再到如今的陆家嘴,但居住地一直定在崇明。严格来说,谢先生是长兴岛人——2008年长兴岛划归崇明之前,他的身份证还是宝山开头的。因为太太是崇明岛本地人,在当地一所小学当老师,两人2022年结婚后,便一直住在崇明最热闹的陈家镇。每天早上7点,谢先生的第一个闹钟响起;7点10分第二个闹钟响,起床洗漱,7点20分到7点半之间准时上车出发。从陈家镇上长江隧桥,一路高速加高架,开一个小时出头,8点半到8点45分就能停进陆家嘴的公司地库,上楼吃早饭。下午5点半下班,在公司吃完晚饭,6点出发,晚上7点准时到家。每天单程50公里,来回近100公里。听起来很吓人,但谢先生觉得跟住在市区边缘的同事没什么区别。“我很多同事住闵行或者嘉定靠外的地方,每天上班也要将近1个小时。我虽然物理距离长,但全程走高速,基本不堵车——日常出入岛一点都不堵,只有节假日或者陆家嘴下高架后社区里会堵一下。”更重要的是,在谢先生看来,这笔经济账非常划算。刚毕业那会儿,他在上海市中心短租过三四个月的“老破小”,40多平方米的两室一厅,和同事合租,每人分摊房租4000元。而现在,他开电车跨岛通勤,一个月按22个工作日算:过路费2200元,电费300元(充一次电30块能跑三天),再加上陆家嘴公司楼下七八百元的优惠停车费,一个月总开销大约3200元。花着比市区合租还少的钱,谢先生和太太在崇明拥有了一栋两层半、300多平方米的房子。房子是老宅基地,夫妻俩找设计师重新加固、装修,前后花了200多万元。300多平的室内面积,他们奢侈地只隔出了一个卧室,楼上楼下各留一个大客厅,中厨和西厨加起来占了一两百平。房子外面,还有一个将近2000平方米的封闭式大院子,分出前花园、后花园和侧花园,甚至连着一条自家的河道。家里养了三只猫和狗,全部在院子里散养。“这种居住体验,放在市区可能得大几千万甚至上亿的房子才能换来。”谢先生说,每天下楼进车库,听着音乐和广播开到公司楼下,不用挤地铁也不用风吹日晒,他觉得很爽。虽然家就住在未来的陈家镇地铁站附近,但谢先生同样不打算改乘地铁上班。他查过路线,坐22号线到浦东后,还要转两趟地铁才能到陆家嘴,出站还得走一段路,远不如开车点对点来得干脆。不过,对于地铁开通,他还是很欢迎:“以前很多市区同事和朋友想来我家院子里玩,没车很不方便。以后地铁通了,他们随时都能过来。”03如果说陈女士和谢先生的跨岛生活,还带着几分“有车一族”的可控与从容,那么对于依靠公共交通往返的人来说,跨岛通勤则是一场实打实的体力消耗战。网友“奥利奥”在上海市区一家医院当护士,家里有两个孩子,大宝4岁多,小宝才7个月。她的丈夫在洋山港上班,单程车程2小时,每月回家的次数有限。而她工作繁忙,孩子的照顾仰赖家中“两边的妈妈”。为了让孩子和老人住得更舒服点,她选择全家住崇明,而代价由她一力承担,每日跨岛奔波。在“奥利奥”的日常里,上班是一场精确到分钟的“交通工具大接驳”。奥利奥的账单她曾在社交平台上晒出过自己9月份的详细通勤账单:9月1日,滴滴18.5元,“黑车”10元,地铁4元,晚上地铁4元,“黑车”10元,公交1元,总计47.5元。9月2日,滴滴20元,地铁4元,晚上地铁4元,“黑车”10元,公交1元,总计39元。9月3日,滴滴20元,地铁4元,晚上地铁4元,公交8元,地铁1元,总计37元。……如果赶上丈夫休假能开车接送一程,当天的路费就能省到二十多元。整个9月份因为休息日比较多,她把总通勤费控制在了495元。而且这种尽量压低成本的接驳链条,非常脆弱。作为医院护士,她无法像外企白领那样卡点下班。一旦遇到抢救病人加班到晚上8点,公交和地铁停运,路费就会瞬间飙升。有一次她下班晚了约顺风车,遇到司机违约带了亲属,还要求她独自承担50元高速费,因为上班期间没法看手机沟通,在路边白耗了半个小时,“又累又糟心”。她在帖子里感叹过,“每天往返6小时通勤,耗尽了所有精力”。幸运的是,“奥利奥”家住陈家镇,在浦东上班,正是地铁22号线相连的两头。但在网友纷纷祝贺她“马上要解放了”的时候,她却显得谨慎:“如果更方便就好了,就是不知道末班车几点。”对于一个随时可能加班的医护人员来说,末班车的时间,决定了这条新地铁能不能彻底解决她的舟车劳顿。而更多在市区打工的崇明人,积极观望着地铁开通后每日通勤往返的可能性。网友“哎哇”算了一笔账:若两头还要长距离转乘公交,精力条被直接砍半,倒不如继续维持现状;但如果家和公司刚好都在地铁沿线,单程能控制在1.5到2小时以内,天天坐地铁回家确实比市区租房划算。04在这场关于22号线的讨论里,视线并不仅仅是从崇明单向投向市区。轨道交通的贯通,同样勾起了市区人“反向入岛”的念头。家住浦东的“Fairy”是一名学生,目前在上海民远职业技术学院崇明校区就读。对于她来说,这条地铁是一条实打实的“上学专线”。“要是崇明线真开通了,我就选择坐地铁回家或者去学校。”而更多的上海市民,已经开始盘算着周末坐地铁去崇明“白相”了。在小红书等平台上,关于崇明线的讨论帖里,呼声最高的一个建议是:“能不能设置自行车专用车厢?”网友“flyingsh”、“OldGan”和“leo”等骑行爱好者都在评论区里畅想:崇明最大的优势就是生态好、适合骑行。如果能带着自己的自行车上地铁过江,下了车直接骑进稻田、去农家乐吃饭、搭帐篷露营看星空,不要太嗲哦。一直以来,崇明与市区,隔着半道长江。从最早依靠渡轮“看天过江”,到2009年长江隧桥通车,再到如今即将穿隧而过的地铁22号线,崇明和上海市区之间的距离,在不断被拉近。22号线或许无法一次性解决所有跨岛打工人的痛点——开车族顾虑它换乘麻烦,夜班族担心末班车太早。但对与市区一水之隔的崇明岛而言,轨道交通的接入,本身就是一件“从0到1”的事情。有了这条线,跨江不再只有自驾和大巴两个选项。无论是为了孩子每天早起两个小时的父母,还是周末想带着自行车去岛上看星星的年轻人,在面对这座超大城市时,总归是又多了一种选择。
老黄下课余震:远程算力被卡,阿里云还撑得住高增长吗?
虎嗅 · 6 小时前
本文来自微信公众号: 海豚研究 ,作者:海豚君11月12日,黄仁勋在丑闻中辞去英伟达CEO等职务。海豚君在此前的快评中已提到,换帅只是发令枪,背后可能是为限制中国远程使用美国算力的法规扫清障碍。随后事态果然加速:11月16日,美国商务部BIS发布远程访问新规,基本堵上中国企业经海外数据中心租用英伟达算力的口子,《远程访问安全法案》(RASA)和《AI Overwatch Act》也在推进,全面卡死中国企业获得高性能AI芯片的意图已很明显。恰好受冲击最大的阿里今晚将发布财报,海豚君赶在财报前,以阿里为例做个定量测算:若BIS新规全面落地,对国内云计算和AI模型公司的影响到底有多大。一、新法规的具体内容1.1、此前直接进口已被卡死在RASA法案和AI Overwatch法案之前,早在2022年,中国企业及其控制的海外主体直接购买高性能芯片就逐步被美方限制或禁止。略过中间的博弈过程(可见下图),在2026年1月后、此次新规前的最新情况是:a.中国企业(及海外主体)能合法自持的GPU芯片(CPU基本不受限)只有性能在H20以下(不含H20)的芯片,如L20、RTX PRO特供版等;b.美方虽给H20和H200芯片开了经审批后可被中国境内企业进口的口子,但因中方监管部门的限制态度,实际采购量应当非常有限。简单来说,在26年之前中国企业合法自持海外“中档以上性能”芯片的口子已实际被卡死;唯一能合法使用(中等性能以上)美国芯片的途径只剩下:由第三方数据中心采购芯片,再租赁给中国客户“远程使用”。近期的Remote Access等法案正是堵死了这一漏洞。1.2、Remote Access法案&BIS Rules:堵转租的“漏洞”RASA法案和BIS规则,实际管的是同一件事。RASA法案是国会授予美商务部法定权限,而商务部下属的工业安全局(BIS,Bureau of Industry&Security)则负责具体执行和细则的制定。16日晚BIS公布的细则(11月19日在联邦公报刊登、当日生效)中,对国内企业比较重要的几点:a.任何向中方企业出租合计算力超1200万TPP(等效约700~800张H100)的数据中心,采购美国芯片必须获得许可;b.已在向中方企业出租受限美国芯片算力的数据中心,也须在90天内取得许可才能继续提供;绕道第三方转租同样受管,穿透审查;c.上述数据中心条款全球适用;但对出口到印尼、马来西亚、新加坡、泰国和巴西5国,无论最终客户是谁都需单独许可(预防转租),该名单可扩大;d.海外企业代工中方企业设计的16/14nm技术节点以下的高性能芯片,同样受限;几个给中国企业留下的“小口子”包括:a.专门用于电商、社媒等推荐、排序功能的算力,向BIS报备后可不申请上述许可;但若中方企业占用某数据中心一半以上的算力,即使只用于推荐也需申请许可;1.3、AI Overwatch法案:限制直接进口的“强化版”至于AI Overwatch法案则大体是限制中国等国企业直接采购美GPU芯片的“升级版”,与此前法规相比,主要变化是:每笔对华出口许可在BIS批准前,须先报国会审查;限制依据从可灵活变化的行政法规,变更为更明确且不可随意修改的法律,更难有商榷的余地。目前该法案尚未通过,但两院正争取把它写进年底的国防授权法案(NDAA),最快今年底落地,法案的要点包括:a.限制对象包括中国(含港澳)和俄国、伊朗等5国的企业及它们的海外实体;b.TPP不小于4,800或显存带宽不小于1,400GB/s等门槛以上的芯片(即H20及以上,最高到H200),需每笔进口单独获得许可,不发放通用许可;c.TPP不小于21,000(B100及以上芯片),或2026年后上市的TPP不小于4800的芯片,全部禁止出售;d.一旦方案通过,此前已发放的许可全部作废,需重新申请;同样留下的小口子是:CPU和非数据中心用芯片(如手机、电脑等消费品)不受限制;理论上直接进口到中国境内的H200则仍可逐案审批,但英伟达自身表态将不再出售H200给中国,又填上了这个口子。1.4、中国企业买美国芯片的路径全部堵死小结来看,若以上法案、条例全部通过,则中国企业合法获得美国芯片(中等性能以上)的方式已被全面堵死:自身采购,直接租赁,找第三方转租,乃至让台积电等代工高性能芯片,都将不可行,连存量的租赁合同都很可能被撤销,只能全面转向依赖国产芯片。二、以阿里为例,对国内的影响有多大?假设上述法案、条例全部落地并严格执行,且不考虑“走私”等不合规渠道,海豚君以国内最大的云服务商和AI模型开发者之一阿里巴巴为例做定量分析:2.1、原算力规划:2032年20GW,海外占四分之一,平头哥是增量主力在新规之前,阿里原本的算力规划有一个官方锚点:2032年数据中心能耗是2022年的10倍,即从2022年时的约2GW增长到32年的约20GW(包括自持和租赁)。参考机构的预测,该算力规划按地域和底层芯片来源可分为:分地域:海外约占四分之一。海外从2025年约1GW增至2030年约3.5GW,占比稳定在22–25%。分芯片:美国芯片占比从九成降到约四成。2025年时约9成算力是基于美国芯片,此后由于美国芯片进口基本受阻,平头哥等国产芯片放量,到2030年美国芯片占规划算力的比重将下降到约4成。2.2、单看美国芯片:2027年移除约1.5GW,占原规划近两成,几乎全在海外把基于美国芯片的部分单拎出来看,原本规划中的增量几乎全在海外:海外装配美国芯片的算力规模将从2025年的1.0GW增至2030年的2.6GW。而国内则只从2026年的约3.2GW增长到3.4GW(国内进口此前已基本被卡死,只能少量进口CPU及低性能GPU等)。在新规全面落地的情况下,海豚君假设:a.部署在海外的部分:不受影响的比例约20%(CPU、H20以下的GPU,和阿里海外自持算力的占比),除此之外的新增和存量全部砍掉。b.部署在国内的部分:2026年末以前的存量可继续用,规划中2027年起新增的美国芯片假设被砍去20%。(此前已基本被卡死,新规的影响不大)结论:27年~30年被移除的算力规模占原规划总量的18%~14%,影响逐年减轻(国产芯片逐步放量)。冲击最大在2027年:被移除的算力规模达到1.46GW,若没有其他补充的话,当年算力净增量将从2.0GW降到约0.55GW。2.3、国产芯片能否撑起原规划:芯片数量基本够,约束在产能分配下一个问题是:平头哥和其他国产芯片有没有足够的出货量来满足原本的产能规划?新规后有没有额外的产量来部分弥补失去的美国芯片算力?结论先行:国内芯片足以满足原规划的需求,但2027–28年平头哥产能基本被原规划用满,这两年只能靠其他国产芯片补位,补得有限;2029年起平头哥放量后,才能补回多数被砍的算力;而且国产芯片更多是“够用”,补不了缺失的高端算力,HBM和代工产能也可能成为瓶颈。在原规划下,基于国产芯片(平头哥和其他厂商)的算力规模将从26年的约1.4GW增长到30年的约9.5GW,到30年底将占总算力的61%,其中绝大部分基于阿里自营的平头哥,和其他国产芯片的比例约为4:1。a.关键假设——单卡功耗:为了将电力消耗(GW)折算为对应需要的芯片数量,我们参考调研信息:M890单卡最大功耗约2.7kW,而下一代PPU的最大功耗约4.5kW。假设2027年平头哥的平均单卡功耗约2kW,此后逐步增长到2.4kW(上几代卡功耗更低,且芯片多数情况下不会满功耗);b.平头哥供给:刚够原规划,挤不出余量。按上述单卡功耗假设,要满足原规划的新增算力,27~28年分别需要约53和88万张平头哥芯片;调研表示平头哥27~28年的产量约50万和90万卡,基本刚够自用(大摩另有一版预测、产量更高,为70和120万颗,若如此则有余量额外弥补丢失的美国芯片算力)。c.其他国产芯片:总量够,能否买到不确定。原规划中阿里每年新增不过0.2–0.5GW,按每卡1.6–2.0kW折算,最多约需30万张;而外资行预测仅华为一家2027~2028年的产量就可达60~80万卡,加上其他厂商,总量上满足阿里需求问题不大。但华为本身是阿里云的竞争对手,新规后各家都会抢购能买到的国产算力,阿里能否拿到足够的供货并不确定。d.晶圆产能:总量够,约束在分配。根据调研,每片晶圆约出30颗合格平头哥芯片(良率45%),则平头哥27年开始每年需要的晶圆(约1.7–3.7万片),只占国内先进制程晶圆产能的不到10%(据调研2028年产能约4.2万片/月)。晶圆产能绰绰有余,平头哥拿到不足10%的产能配给问题应当也不大。真正的约束可能是HBM和先进封装供给,若后续国内这两块的产能爬坡不足,仍需主要依赖三星等海外工厂,则在新规下可能会成为卡点。2)国内芯片能弥补美国芯片的缺口吗?结论:能补,但2027–28年补得慢、补不多,2029年起才能补回多数。在27~28年平头哥产能已被原规划用满,挤不出余量,这一阶段的补位主要靠华为、寒武纪等其他国产卡。29年起随着平头哥预计产能的放量,就有足够余量来弥补缺失的美国芯片了。那问题是27年~28阿里能不能拿到更多的其他国产芯片?2027年很难,多买10万张已偏乐观。阿里原计划当年就要占华为可供卡量的一大块;新规后各家都在抢,国产HBM也不够。2028年起每年多买20万张有可能,但要付不小的溢价,且华为本身是阿里云的竞争对手,供货有不确定性。这一过程有利于国内半导体产业链。但即便GW规模逐步补上,也有补不回来的部分--高性能算力的缺失:被移除的美国芯片里,有一部分B系列高性能芯片,是千问模型预训练的主力。国产芯片目前最强不过对标H200,能满足一般推理和对外出租,用来训练高性能模型还是吃力。三、需求分配:缺口主要落在对外出租上3.1、算力分配:原规划对外出租约占六成,新规后缺口主要由它承担上文测算了新规前后阿里的算力供给变化,下一个问题是:阿里会如何调整算力的分配?为了便于分析,我们把算力分为三块用途:①集团非AI业务自用(电商、菜鸟、高德等传统业务需求);②AI训练与应用(千问模型研发和千问App、千问办公等AI应用);③阿里云对外出售/租(IaaS、百炼MaaS、蚂蚁等客户)。基于某调研信息:在2024年底,集团内部算力用量约占35%,其他用于外部;而在2025年9月时集团内部用量(非AI)约占三分之一,模型训练和千问应用约占10%。我们大致拆分了原算力规划下的分配情况(见下图)。1)新规前:对外出租约占六成,AI自用占比逐年提升按原规划下的算力分配情况:①集团非AI自用需求刚性且增长较慢,占比从33%摊薄到约15%;②AI训练与应用增长最快,从2025年末约0.4GW(占10%)增至2030年末约3.7GW(占24%);③阿里云对外一直是大头,占57–61%。为了大致验证上述分配方案的合理性,将市场预期的阿里云外部收入和可外租的算力规模进行比对,得出2026–30自然年市场预期的外部收入对应每GW约560–670亿元,和调研信息里的定价能对上(M890约521亿元/GW,中性450–500亿元/GW)。2)新规后:缺口主要由对外出租承担而在新规落地算力紧缺后,公司势必要对算力的分配做重新规划。海豚君对新规后算力的分配逻辑假设是:a.非AI传统业务的用量相比新规前无大变化;b.优先保供AI训练和应用;c.算力缺口主要由外租承担。具体各块的算力新用量分配如下:AI训练与应用:优先保供,只比原规划少10%,每年约0.15–0.37GW;但被移除的算力里有千问预训练用的B系列,训练能力的降幅会大于GW口径(见4.2)。阿里云对外:2027–30年每年被移除的算力中的近90%由阿里云可对外出租的部分承担,相比原规划可用算力减少约19–27%,其中2027年降幅最大,可对外出租的算力近乎零增长(原规划为+37%)。3.2、对收入的影响:2027年撑不住+50%的预期,2027–28年补位有限1)基准情形下外部收入要砍近1/4基准情形:4月起被砍。新规具体从何时开始砍掉阿里的海外算力还不确定,海豚君以2027年4月起被砍为基准。同时沿用原规划的每GW外部收入,不调整单价假设。那么调整后的阿里云外部收入将比此前预期下调20%~25%左右,影响最大的还是27自然年,外部收入增速将从51%大幅下降到仅17%!单价暂按不变处理,主要是因为影响有正反两面:a.结构上拉低:被移除的主要是B系列等高性能美国芯片,单位算力的租价高;补上来的是国产芯片,同样1GW对应的收入更低。b.算力供给紧缺会推高国产算力定价:但新规后国内算力供给收缩,算力稀缺的情况下,定价较低的国产芯片算力也大概率跟着涨价。两个因素谁占上风还要再观察。2)不同时点算力被砍,最悲观情景下27年云外部增速仅8%对于影响最大的27年单独拎出来看,海外算力实际被移除的时间节点早晚的影响不小。在基准之外,按1月和9月被砍的两个情景假设看:若1月起海外算力就被砍,2027自然年阿里云外部收入的同比增速将仅剩8%;若9月起被砍,外部收入增速将下降到35%。3)计入其他国产芯片补位后:最后我们看下受冲击最大的2027–28两年,若能靠国产算力补上一部分缺口,则能补回多少阿里云的外部增速。由于这两年平头哥产能已被原规划用满、不参与补位,只靠额外采购华为、寒武纪等其他国产卡:假设2027年多买约10万张(约0.16GW),2028年多买约20万张(约0.36GW),从2027年4月起陆续上架。那么在海外算力4月起被砍的基准假设下,2027年外部收入增速将从约+17%提高到约+20%,仍远低于原预期;2028年的收入规模较原预期的缺口从约25%收窄到约19%。2029年起平头哥放量,产能足以补位,缺口有望逐步补齐,这里不再细算。四、定量之外的定性问题4.1、算力先给谁:多数厂商会优先保内部模型算力紧缺后的取舍:海外算力被切断、只能依靠国产算力后,国内算力整体紧缺。所有云厂商和模型公司都要做一个取舍:先保内部的模型研发和自用,还是先保能对外出租、带来收入的算力。多数厂商会优先保内部:一是只有内部模型保持领先,云业务和AI应用才有竞争力;二是对外供给削减后,国内高端卡只能靠存量,租价大概率上行,可以靠涨价弥补一部分对外收入。这也是第三章测算中「①全额保障、②只少量削减、缺口主要由③对外出租承担」的依据。4.2、训练受冲击最大,推理影响相对较小推理国产卡基本够用:推理对单卡性能和互联的要求低,810E、M890等国产卡已基本能满足一般推理需求,对外出租和千问App等应用受的影响相对较小。训练影响更大:但前沿模型预训练需要数万卡的单一集群,且调研来看B系列等高端GPU对国内顶尖模型的预训练举足轻重。按FP16稠密算力和整柜摊到每卡的功耗,B系列每kW的算力约为M890的4–5倍;国产卡单卡性能低,要用更多卡、更大规模的互联,软件栈也不如CUDA成熟。就算能补齐算力规模,国内旗舰模型的训练节奏仍可能放缓,与海外前沿模型的差距被继续拉大。4.3、国内大模型可能迎来一轮整合高端算力整体稀缺后,海豚君国内可能不再能支撑大厂和多家独立模型商都去追求自研顶级模型,而阿里、字节、腾讯再算个DeepSeek之外的独立模型商受到的影响将最大:a.大厂没有余力外租:提升算力的大厂会优先保自家模型,没有多余算力租给独立模型商。b.独立模型商首当其冲:独立模型创业公司则首当其冲,它们的资金体量和融资能力弱于大厂,靠把内外部算力重新分配的回旋余地也更小,更可能进入“无卡可用”的状态。进而对模型研发和用户使用体验造成双重打击。c.结果:头部大厂、尤其是有自研芯片的厂商(阿里有平头哥、华为有昇腾)相对占优;部分独立模型商可能被迫放弃前沿模型训练、转向应用,或被并购整合。4.4、平头哥:补位会挤占外销,可能压制单独上市的估值补位挤占外销:大摩原本假设平头哥出货中阿里自用的比例从2027年的约80%降到2030年的约50%,也就是越往后越多卖给外部客户。但新规后,2029年起平头哥放量的余量要优先补阿里被砍的美国芯片算力,原本外销的芯片转回自用,平头哥的外销收入和外部客户数都会明显少于原先预期。可能压制上市估值:恰逢平头哥正在筹备单独上市,若外销被自用挤占,平头哥就会变得更像阿里的内部供应部门,收入规模和独立性都会打折,上市时的定价和估值可能受到压制。4.6、芯片以外的卡点:HBM和先进封装可能比晶圆更早卡住HBM:美国自2024年12月起限制HBM2E及以上向中国出口,国产HBM仍在爬坡;M890的144GB、V900的216GB显存都依赖HBM,HBM可能先于晶圆成为平头哥放量的瓶颈。先进封装与代工:CoWoS类先进封装的国内产能有限;新规对中国企业设计的16/14nm及以下芯片在海外代工也有限制,平头哥若仍有产品在三星等海外代工,需转回中芯国际,与华为等争夺产能。4.7、中国的政策应对:加速国产替代,稀土反制虽然对国内的云和模型厂商是件坏事,但对国产芯片设计制作、HBM生成等半导体产业链内的公司,则又会是一次“国产替代”逻辑加速释放的机会。面对美国的步步紧逼,中国也可能在稀土等领域反制,上文讨论的一系列限制措施,是否会全量落地,大概率会有拉扯的过程。五、尾声:新规的剧本已经写好,阿里会拿到哪一版剧情——是1月就被“拔网线”的悲观版,4月起砍的基准版,还是拖到9月才动手、多出半年缓冲的温和版,我们不好预判。关键要看今晚电话会上管理层怎么交底:海外算力怎么处置、平头哥和国产卡能补多少、明年的增长指引还守不守得住。调整后的盈利预测和估值,海豚君会在业绩公布后和大家一起更新。今晚,一起盯紧阿里的业绩和电话会!
两年两起事故,香港医院为何接连切错卵巢?
虎嗅 · 7 小时前
本文来自微信公众号: 西直门外汉 ,作者:医研堂堂主11月17日,香港中文大学医院公开承认,一名45岁女性患者的双侧卵巢被误切。患者原本接受的是子宫及双侧输卵管切除术,术前明确要求保留卵巢,手术同意书上也写得清清楚楚。手术前,医生和护士还按规定完成了核对。结果,卵巢还是没了。直到护士检查取出的手术标本,才发现两个本该留在患者体内的卵巢,已经被一并切除。翻查香港医院管理局此前的调查报告,2024年2月,屯门医院也曾为一名女性切除子宫、卵巢、输卵管及盆腔淋巴组织。这名患者原本被诊断患有子宫内膜癌。术后病理检查却没有找到癌细胞。医院最终查明,她的活检样本混入了另一名癌症患者的组织。两起事故相隔两年多,一起发生在病理实验室,一起发生在手术台上。结果却颇为相似。01先说最近这起。9月12日,45岁的患者因怀疑存在子宫内膜病变,在香港中文大学医院接受腹腔镜手术。术前,医生提供了两套方案:一套切除子宫和双侧输卵管,保留卵巢;另一套则将卵巢一并切除。患者选择了前者。11月17日,医院公布调查结果,称主刀医生在手术过程中高度专注于眼前操作,出现短暂的“认知盲点”,未能贯彻原定手术方案。两天后,医院行政总裁钟健礼又披露了一个细节。医生使用腹腔镜进入手术位置时遇到困难,花了约15至20分钟。等到继续操作,医生按照另一套手术方案的路径进行了切除。院方认为,这不是医生不懂手术技术,而是没有记起患者最终选择了保留卵巢。主刀医生张德康是该院妇科肿瘤科顾问医生。事后,他公开承认错误并致歉。对于一名尚未绝经的女性,双侧卵巢切除可能导致手术绝经。卵巢仍承担着激素分泌功能,失去双侧卵巢后,患者可能需要长期评估激素变化、骨骼及心血管健康风险。医院表示将继续提供治疗和跟进。至于如何防止类似事故,院方增加了两项措施:在腹腔镜显示屏下方张贴重要手术步骤提示,并要求护士在关键操作时提醒医生。此前,手术方案主要依靠术前核对和医生记忆;今后,至少在相关手术中,它还会以文字形式留在医生眼前。这个改变来得有些迟。022024年的事故,出错的位置更让人意外。当年1月5日,一名59岁女性因绝经后阴道出血,在博爱医院接受子宫内膜活组织检查。病理报告显示,她患有子宫内膜癌。2月26日,患者在屯门医院接受手术,切除了子宫、输卵管、卵巢及盆腔淋巴组织。手术完成得很顺利。随后,医院检查切除的子宫组织,却没有发现癌细胞。病理部门重新检查早前的活检样本,并进行遗传基因测试,发现样本混入了另一名确诊癌症患者的组织。5月10日,博爱医院公布根因分析报告,交代了混杂发生的过程。实验室工作人员处理一名癌症患者的样本时,部分微小组织溅入了下一名患者即将使用的样本容器。当时,尚未使用的容器摆放在与工作台相连的位置,而且开口朝上。两份样本就这样发生了混杂。报告中还有一个容易被忽略的细节。工作人员在检查样本时,曾经怀疑组织体积与记录描述存在差异。但由于组织非常微小,差异看起来也不明显,工作人员没有进一步核实,继续完成了检验。之后,错误的病理结果进入诊疗流程,成为制定手术方案的重要依据。直到患者接受手术,医院才通过术后病理检查发现前后结果矛盾。这起事故与2026年的卵巢误切,性质并不相同。2024年,外科医生依据错误的癌症诊断进行了手术;2026年,医生没有按照已经确认的手术方案操作。一个是诊断依据出了问题,一个是执行过程出了问题。两名患者最终都承担了不可逆的后果。03对照两份调查材料,最值得关注的细节,其实是错误发生时,医院原本有哪些机会将其拦下来。2024年,工作人员已经发现样本体积存在疑点,却没有进一步核查。2026年,术前已经确认保留卵巢,但这一信息没有在关键切除操作时得到有效执行。前者的异常信号被忽略,后者的正确指令在操作过程中失效。两起事故都不是医院完全没有建立核查程序。问题在于,核查完成以后,相关人员是否还会根据新的情况重新确认。以手术安全为例。世界卫生组织2009年发布的《手术安全核对表》,将核对安排在麻醉诱导前、切皮前以及患者离开手术室前。我国2010年印发的《手术安全核查制度》,也规定由手术医生、麻醉医生和手术室护士三方共同完成核查。其中,患者离开手术室前,还要确认实际实施的手术方式和手术标本。这些规定能够发现身份、术式、部位以及手术物品等方面的错误。不过,术前核对正确,不意味着术中操作不会偏离原定计划。尤其对于器官切除这类无法轻易补救的操作,确认的时间点很重要。中大医院此次在屏幕旁增加提示,让护士在关键步骤出声提醒,实际上增加了一次术中的确认机会。护士此前已经参与核查,今后还要在相关操作之前主动提醒医生。这也让手术团队的分工多了一项具体要求。2024年的博爱医院则调整了实验室容器摆放方式,要求未使用的容器倒置,并建立疑似样本混杂时的处理指引。一边改手术室,一边改实验室。两份调查报告提出的整改措施都很具体,也说明医疗差错未必需要等到技术复杂的环节才会发生。04这样的事故,在香港并非没有公开记录。根据香港卫生署统计,2026年前9个月,香港私家医院共呈报3宗归入错误患者或错误身体部位手术、介入程序类别的医疗风险警示事件。除此次卵巢误切外,还包括一宗放射治疗偏离原定位置,以及一宗在错误身体一侧实施肺部活检的事件。香港医院管理局今年7月公布的《风险通报》显示,公立医院2026年第一季度呈报7宗医疗风险警示事件,其中3宗涉及错误部位施行程序,3宗涉及术后遗留工具或医疗物料。这些数字来自不同的医院管理体系和统计区间,不能直接相加,更不能据此判断香港医院的医疗差错正在增加。但它们至少提供了一个观察窗口。医院发生了什么、怎样发现、调查确认哪些原因、准备采取什么措施,公众可以从部分公开资料中找到答案。内地也在推动医疗质量安全不良事件报告。2024年7月,国家卫健委印发通知,要求二级以上医院加强不良事件报告、分析和反馈。文件还特别强调,不能通过定额定标、任务摊派、罚分扣款等方式推动报告。毕竟,医院需要知道的,除了那些已经造成伤害的事故,还有尚未造成严重后果的异常。回到香港这两起卵巢事故。2024年,博爱医院的整改清单里,多了一项“未使用样本容器倒置摆放”。2026年,中大医院的腹腔镜显示屏下方,多了一张提醒医生确认手术方案的纸。这两项措施都不复杂。但对于两名已经失去卵巢的患者而言,整改发生在手术之后。接下来,更值得追踪的是这些措施如何执行、由谁检查,以及医院今后发现异常时,是否有人能够及时叫停。
“Deepseek,慌啥子嘛”
虎嗅 · 7 小时前
本文来自微信公众号: 投中网 ,作者:蒲凡,头图来自:AI生成“慌啥子嘛”这句话最近被赵本山唱火了,但很快就吵了起来。正方认为这是一首安抚人心的歌,劝人们放慢脚步,给自己留点容错空间,“不必事事追求完美”,很治愈——尤其是赵本山这位闯了几十年江湖的老人说出这句话,更有说服力;反方认为这首歌太不接地气,不懂人间疾苦,很多人光是维持体面生活就已经拼尽全力,根本没有办法“不慌”——尤其是赵本山这位早年买过私人飞机、玩过中国足球、过上富裕生活的成功人士说出这句话,更显得刺激。乍看起来,这种争论真可谓老太太不爱吃榨菜——硬是有点闲。可惜我是四川人,完全能够get到这首歌吵不起来才怪。因为在四川话里(尤其是牙尖的成都话里),“慌啥子嘛”本身就有两种读法:一种的重音在“慌”,“慌~啥子嘛”。这种读法更接近与正方的解释,是告诉别人不用着急,慢慢来。另一种的重音在“子”,“慌啥子~~~嘛”,读的时候“子”显得尖锐绵长,就像用小刀扎了自行车胎,给放了气的那种呲的一声。这种读法无比接近反方的解释,是一种质问的语气,通常用在对方已经“慌了”并且“慌慌张张地做出某个决定/行为”了,自己作为观察者表达极端不理解。例如看到司机因为马虎大意出车祸,就可以说,“慌啥子~~~~嘛,这哈撞到人了嘛。”另外,“嘛”在四川话里也是一个很微妙的语气词。尤其体现在四川本地新闻栏目去采访路人的时候,比如问他们如何评价某项举措或者某个市政建设的结果,一些害羞的大爷大妈经常会说“支持嘛”“作为市民我们要配合嘛”“人人都出一份力嘛”。这里的“嘛”其实是个语句终止符,潜台词是“该说的都说了,就这样吧”。你看语境一还原,反方不爽的点就呼之欲出了:难道“慌”是我的主动选择吗?难道我不知道“不慌”会更舒服吗?除了“慌慌张张”的节奏我真的能有其他的选择吗?需要被“质问”的应该是我吗?——如果这些答案都是否定的,那这首歌的“鸡汤味儿”未免有点太浓了,还不如韩寒十年前的那句“听过了很多道理但仍然过不好一生”更能让心里好受点呢。反过来,“慌啥子嘛”的规劝、指点的意味太重了,大部分人的生活根本没必要反复被这四个字追问,大家生活圈子就那么大,社会分工就那么点,就算“小不忍”生活里也没多少“大谋”,何必呢。把叙事对象换成那些更权威的、影响力更大的、对很多事情更有决定权的,更容易“小不忍乱大谋”的大事大人物还差不多。比如DeepSeek最新的这一轮融资,就很适合用上“慌啥子嘛”。这一周,Deepseek的最新一轮总规模达到千亿人民币的融资正式落地,完成了工商变更。根据工商信息,这一轮融资共计有超过30家主体参与,画像跨度巨大,其中既包括腾讯、中国移动、中国电信、宁德时代、兆易创新、小红书、vivo等一系列产业方,也包括砺思、博裕、IDG、高榕、君联、正心谷这类专业的VC/PE,足以证明Deepseek在中国人工智能产业里的旗帜地位。当然严格说来这一切都没什么值得好意外的,早在10月份媒体就曝光了这轮的融资计划。并且通过其中某些投资人在同期风风火火的募资进展,具体谁会参与了Deepseek本轮的投资,人们早就猜到了七七八八。所以最开始的时候这则消息的转发量并不大。但人们很快发现了一个彩蛋:这次参与投资的31个主体,并没有直接成为Deepseek本体杭州深度求索人工智能基础技术研究有限公司的股东,而是通过一家SPV——杭州程砚企业管理咨询合伙企业(有限合伙)——完成的投资。而在此前的第一轮外部融资中,新增的投资方同样是通过一家SPV——杭州程砺企业管理咨询合伙企业(有限合伙)——完成的投资。这两个两个SPV的执行事务合伙人都是杭州程策商务咨询有限公司,而梁文锋持有杭州程策99%的股权。这意味着,虽然新增的投资者通过两轮融资获得了相应经济权益,但对于平台所持有的DeepSeek股份,其表决权通常由执行事务合伙人集中行使,并保证了梁文锋在第二轮融资后,个人直接持股加上宁波程恩的持股,合计仍有持有75.31%的股份。在很多人看来,这就是Deepseek筹备IPO的直接信号。因为在技术层面上,在大A的上市审核流程里,监管尤其关注实际控制人的认定和稳定性,复杂的股权安排、可能改变控制权的对赌条款都需要解释或清理,而这样的股权结构设计既方便未来股改,也降低了大量投资者分别参与公司重大决策的复杂程度。接着到了11月19日下午,财联社等多家媒体就在报道中直白提到,“DeepSeek的IPO筹备也在推进当中……已聘请中信证券为其在科创板IPO做准备,计划于年内启动上市流程。”这时候大家才意识到,事情好像严重了。中国人写故事的时候有一个状语叫做“悠悠”,用来指看起来“漫不经心”实际上“胸有成竹”的那种劲儿。如果你看到小说里写到“某人悠悠地说”,那接下来大概率就是一个锦囊妙计或者一句道破天机。其实很长一段时间里,这也是是Deepseek最贴切的形容词:不知道从哪里来,“忽然间”让人们眼前一亮,而且看起来一切都那么轻巧、写意。如果再夸张点,我们甚至可以说正是这份“悠悠”才让Deepseek成为了一面旗帜,就是这股劲儿才让我们正视所谓的“工程思维”,正视我们全面工业化以来积累的“工程能力”,让我们回过神来,哦,我们原以为的这场看起来无限类似于资本消耗战、赢家即将确定的全球AI竞赛,其实远充满了不确定性不确定性。哦,原来,算力和资本的优势并没有想象中那么牢不可破,原来工业领域里的后发者优势仍然能够奏效。甚至直到今年7月,那份所谓“DeepSeek投资人闭门交流实录”在网上疯传的时候,人们的注意力仍然高度集中在Deepseek的商业理念有多么反常识,有多么专注于产品,梁文峰的公司治理理念有多么“仙儿”,整个Deepseek对人工智能产业的理解有多通透、多值得那些急躁的同行们借鉴。结果这才过了3个月,DeepSeek不仅迅速完成了规模翻倍的第二轮融资,还直接一步到位,成为了准IPO公司,准备一头直接扎进资本市场的最中心,承受市值管理和所谓“股东权利”带来的压力。这种转向似乎有点太极端了。哪怕我们祛魅Deepseek这家公司的象征意义,用本质的叙事将他们还原成一家身处长周期、高风险的硬科技赛道公司,把IPO还原一个企业发展过程中的常规融资工具之一,也很难想象一家刚刚在一级市场证明了自身拥有超强融资能力的公司,会以迫切地姿态积极推动自己进入二级市场。至少从公开信息层面来看,DeepSeek远没有到必须依靠IPO才能延续研发的困境,从2026年4月的V4,再到9月的V4.1-Flash,DeepSeek也一直保持着合理的模型迭代节奏。在这个过程中,DeepSeek甚至还有余力探索Agent、国产算力、具身智能这些支线的投资,公开可查的投入就包括Winverse、理格万物,还有宇树科技的股份配售。所以到底是哪个环节的影响被严重低估了或者被忽略了?不知道,反正特别适合感叹一句“慌啥子嘛”。而且这个时间节点未免有点太微妙了:2026年11月19日,是开源派永恒的敌人、中国威胁论最新扛把子、硅谷邪教信徒Anthropic IPO的大喜日子。在此之前外媒是如是描述Anthropic上市的象征意义的:“这是为全球AI产业完成一次历史性的价值确认,证明那些动辄数千亿美元的估值、天文数字般的算力投入,以及对未来生产力革命的宏大想象,最终能够在公开资本市场获得认可。”理论上,如果我们要想为我们的路线正名,向外界传递出信心,理论上11月19日也确实是“贴脸”开大的最好时机。可实际上从Anthropic开始启动IPO到正式完成IPO再到开盘两个交易日,整个过程是这样的:10月15日,多家媒体报料,部分投资者在Anthropic投资者日之后,将对其IPO的估值预期从约2万亿美元下调至1.5万亿美元——11月19日,Anthropic以83美元发行价完成IPO,募资约813亿美元,市值勉强超过了1.2万亿美元,所幸收盘涨至97.17美元——第二个交易日,Anthropic又跌至88.91美元,几乎回吐上市首日大部分涨幅,同一天,标普500下跌2.02%,纳斯达克下跌2.25%。老铁们,我用“丧事喜办”来形容11月19日Anthropic的IPO其实一点也不夸张。Anthropic在这次IPO过程中所发生的一切,受到的质疑、遭遇的挑战,Deepseek也一定看在眼里,更是绝对比我这个小编辑看的更全面。在这个前提下,为什么所谓的消息人士会选择在11月19日流出这个消息?他们在暗示什么?如果一切真如他们所说(毕竟现在财联社的文章还没被删也没被修改),那为什么Deepseek为什么选择现在?他们为什么认为这是一个不错的“消息流出”的窗口期?再说点格局小的话吧,这段时间友商们动不动就写《投资人已经不看xxx了》《xxx连A轮投资人都不赚钱了》这种文章,哪一个不是因为一场看起来匆匆忙忙不那么完美的ipo开始,哪一篇没有暗戳戳地用这么一场不完美的ipo在证伪一个赛道或者一家公司?这些文章又有哪一个被舆论指责没有媒体素养了?偏偏你看K线还真亦步亦趋的配合。反正在我的常识里,或者我的生活经历告诉我,IPO的确只是一个工具,一种机制,也从来不是终点,可市场从来就不是一个只讲工具理性的地方。再退一万步来讲,要不“量化交易”咋琢磨出来的呢?达利欧老爷子可早就锐评过了,“人的自发决策很容易被情绪、偏见毁掉;机器可以严格执行经过验证的原则,避开人的主观漏洞”。不知道,反正似乎千言万语,也比不过感叹一句,“慌啥子嘛”。本期的VC Weekly,我也因此筛选了5期来自硅谷的播客,这5期大概的内容可以归纳为三个问题:硅谷如何看到DeepSeek每一步的发展?我们一直说DS带来了巨大的冲击,那他究竟打破了什么共识?美国人民反思为什么DS没有诞生在美国?因为“钱给的太多太容易”,所以美国才没有DS?2025年1月31日,硅谷创投播客《All-In Podcast》更新《DeepSeek Panic,US vs China,OpenAI$40B?,and Doge Delivers》。当期由风险投资人查马斯·帕里哈皮蒂亚(Chamath Palihapitiya)、杰森·卡拉卡尼斯(Jason Calacanis)、大卫·弗里德伯格(David Friedberg)等人参与讨论,嘉宾包括Uber联合创始人特拉维斯·卡兰尼克(Travis Kalanick),以及时任白宫AI与加密货币事务负责人的大卫·萨克斯(David Sacks)。DeepSeek发布R1后,美国市场一片恐慌。英伟达股价暴跌,连带着台积电、博通等公司也遭到抛售。当时流传最广的说法,是DeepSeek只花了约600万美元,就训练出了能够媲美OpenAI的模型。查马斯注意到一个被人们忽略的细节。DeepSeek在模型开发过程中对GPU内存的使用进行了优化,还通过更底层的PTX编程,提高了英伟达GPU的运行效率。他怀疑,中国企业受到的算力限制,反而迫使研究人员寻找美国公司没有迫切动力探索的方法。他随后提出一个让VC尴尬的问题:如果一家AI创业公司刚成立,投资人就给它2亿美元,它还会不会费心研究这些问题?或许给它200万美元,反而更容易出现DeepSeek这样的创新。查马斯用了一句点题:Constraint makes for great art——“约束催生伟大的创造。”弗里德伯格则把问题转向了投资回报。他认为,如果模型性能不断提升、价格持续下降,那么模型本身创造的价值未必能被模型公司全部拿走,应用、用户乃至其他产业可能获得更多收益。他还提到杰文斯悖论:技术效率提高会降低使用成本,反而可能刺激总需求增长。萨克斯对此保留意见。他指出,DeepSeek R1当时主要与OpenAI几个月前发布的o1竞争,领先实验室仍在继续推进前沿模型。现在就断言基础模型已经商品化,判断过早。这一期最值得听的地方,是几位投资人对DeepSeek的反应并不一致。有人开始质疑巨额融资对创新效率的作用,有人担心模型公司的利润空间,还有人坚持认为前沿研发仍然有足够高的投资回报。DeepSeek,是当代的“斯普特尼克时刻”(Sputnik Moment)这句非常经典的评价,来自2025年2月6日硅谷风险投资机构a16z旗下《The a16z Show》更新的《DeepSeek:America's Sputnik Moment for AI?》,邀请a16z负责基础设施投资的普通合伙人马丁·卡萨多(Martin Casado),以及曾长期负责微软Windows业务、现任a16z董事会合伙人的史蒂文·辛诺夫斯基(Steven Sinofsky),讨论DeepSeek的历史意义。节目标题中的Sputnik,指的是1957年苏联发射的世界第一颗人造卫星。那次事件震动美国,也直接推动了美国此后在航天、教育和科学研究上的巨额投入。辛诺夫斯基与卡萨多对这个类比很感兴趣。他们都有过亲历上一轮计算产业变化的经历,尤其熟悉互联网早期网络设备、光纤通信和软件公司的兴衰。他们将DeepSeek与当年的互联网基础设施竞争放在一起讨论。当技术进步持续降低某种基础能力的成本,早期拥有技术优势的公司,也未必能长期控制整个产业的利润。思科、美国在线、AT&T等公司的历史,为理解这类变化提供了参照。这期可以结合辛诺夫斯基同期写的文章《DeepSeek Has Been Inevitable and Here's Why》一起听。他认为,DeepSeek的出现有很强的历史必然性。美国科技产业反复经历过类似过程:某种曾经昂贵、稀缺、集中在少数企业手中的技术能力,随着工程进步逐渐普及。这种观点对DeepSeek的评价相当高。它也提醒美国投资人,英伟达一天跌掉近6000亿美元,或许反映了市场此前对AI基础设施的价值判断存在问题。DeepSeek的真实训练成本,到底是多少钱?2025年2月7日,AI投资播客《No Priors》更新第100期《DeepSeek,Deep Research,and 2025 Predictions》。节目由Conviction创始人萨拉·郭(Sarah Guo)与硅谷天使投资人埃拉德·吉尔(Elad Gil)共同主持,两人曾投资多家美国AI公司。吉尔一上来就承认,DeepSeek在强化学习方面取得了重要创新,但他认为市场明显误读了训练成本。所谓市场中传闻只花了550万至600万美元,实际上主要指的是特定训练阶段的算力支出。此前的数据处理、研究实验、工具开发,以及其他模型训练都需要资金。吉尔推测,DeepSeek此前可能已经投入了数亿美元级别的算力成本。萨拉·郭同意这项成本远不止600万美元,却依然认为DeepSeek打破了一种长期存在的想象:Narrative violation——“叙事被打破了”——即使DeepSeek实际花费数倍于600万美元,距离美国正在讨论的数百亿美元融资、数千亿美元数据中心投资,仍然相去甚远。吉尔还提供了一组数字:按照他们团队的测算,在此前18个月里,同等能力模型的单位Token推理成本已经下降约180倍。DeepSeek的出现加剧了公众对这种成本下降趋势的关注。更值得听的是两人关于模型商品化的争论。吉尔认为,不同模型之间的性能差距已经明显收窄,领先模型的优势很可能只能维持一段时间。但他也提醒,技术不断改进,仍然可能让某家公司突然重新拉开差距。他们进一步讨论了未来模型公司与应用公司的关系。假如基础模型能力越来越接近,风险投资人究竟应该为模型研发本身付出多高的估值溢价?这是硅谷到今天仍然没有完全回答的问题。开源,到底给美国AI带来了什么样的冲击?2026年6月25日,硅谷创投播客《20VC》更新《Deepseek Raises$50BN|Wall St's$725BN AI Question》,由主持人哈里·斯特宾斯(Harry Stebbings)与SaaStr创始人、风险投资人杰森·莱姆金(Jason Lemkin),以及Scale Venture Partners普通合伙人罗里·奥德里斯科尔(Rory O'Driscoll)展开讨论。当时DeepSeek刚刚完成首轮外部融资,金额约74亿美元,估值达到500亿美元。节目对DeepSeek的讨论集中在两个问题:一家曾经依靠有限资金完成技术突破的公司,为什么也需要数十亿美元融资?当中国开源模型的能力逐渐追上美国闭源模型,美国投资人该如何评估后者的盈利能力?莱姆金对DeepSeek的态度相当复杂。他认可中国企业发展开源模型的战略意义,但同时认为,所谓免费开源的背后,依然需要有人支付训练费用。他甚至说:Open source is a bit of a fake because China's paying for all the training——“开源多少有些名不副实,因为训练费用是中国在支付。”这句话带有明显的地缘政治偏见。他认为中国有动力持续资助开源模型,以免未来经济基础设施完全依赖美国的OpenAI、Anthropic。奥德里斯科尔的看法则更接近商业投资。他认为,如果开源模型能够以低得多的价格提供相近的能力,那么领先的闭源模型公司可能少赚一些,第二梯队会损失更多利润,排名靠后的公司甚至可能无法继续经营。节目还引用了红杉资本投资人大卫·卡恩(David Cahn)此前关于AI资本开支的讨论。当全球AI产业的年度投入达到7250亿美元量级,需要创造多大的经济收益才能覆盖这些投入?奥德里斯科尔粗略计算,如果主要依靠劳动力替代来创造相应收益,AI需要替代美国约7%—8%的劳动力,才能让这笔账成立。他认为这是非常高的门槛。这里还有一个值得关注的分歧:DeepSeek可以通过开源降低全球模型价格,但它自己如何回收模型研发的成本?当美国竞争对手已经获得巨额融资,DeepSeek能否继续坚持原有的研发模式?在美国再造一个DeepSeek,至少要花300亿2026年10月5日,硅谷科技播客《Sources with Alex Heath》更新《Reflection’s founders on building a DeepSeek of the West》。主持人亚历克斯·希思(Alex Heath)邀请Reflection AI两位联合创始人:CEO米沙·拉斯金(Misha Laskin),曾负责Google DeepMind旗下Gemini的奖励模型研发;CTO扬尼斯·安东诺格鲁(Ioannis Antonoglou),曾参与AlphaGo、AlphaZero研发,并负责Gemini的RLHF工作。Reflection成立于2024年,已经累计融资46亿美元(约合人民币307亿元),投资方包括英伟达、红杉资本和光速创投,最近一轮估值达到250亿美元。公司把自己定位成“西方的DeepSeek”,打算凭借新推出的开源权重模型Beam,与中国AI实验室竞争。希思问了一个让两位创始人有些尴尬的问题:美国有Meta这样的巨头,曾经也拥有领先的Llama模型,为什么最近一年多,开源模型的领先位置反而被DeepSeek等中国公司占据了?拉斯金认为,商业激励很大程度上决定了美国模型公司的选择。过去几年,OpenAI、Anthropic通过API收费迅速建立起商业模式,投资人也更愿意支持这种能够直接产生收入的模式。Meta虽然推出过优秀的开源模型,但持续投入的商业动力并不充分。他还用了一个房地产行业的类比:使用闭源模型就像租房,客户每个月交租金,却始终无法拥有房子。随着企业对AI的依赖越来越深,他们会开始考虑自己掌握模型、部署基础设施,以及控制数据。拉斯金说:Closed models are the equivalent in real estate to renting an apartment——“闭源模型在房地产市场里的对应物,就是租公寓。”Reflection也准备沿着这个方向赚钱。公司开放Beam的模型权重,使用Apache 2.0许可证,允许企业自行修改和商用;同时向客户销售模型部署、定制和基础设施服务。但这里有个很有意思的反差。DeepSeek最早轰动硅谷,靠的是在资源有限的情况下做出优秀的模型;Reflection却已经融资46亿美元,才准备推出自己的第一个开源权重模型。它甚至坚持从头训练Beam,避免通过蒸馏竞争对手模型获得能力,因为团队希望完全掌握训练过程,尤其是后续强化学习的改进空间。两位创始人还谈到了开源模型的安全问题。安东诺格鲁认为,全球最强大的AI系统如果集中在一两家机构手中,会形成单点故障风险。但当主持人追问,假如Reflection未来研发出了极其危险的模型,还会不会坚持开放时,两人也承认,模型能力达到某些水平之后,可能需要增加发布限制。
不记事
虎嗅 · 7 小时前
本文来自微信公众号: 梁孝永康 ,作者:梁孝永康长官说他经常会回忆过去的事情。他似乎有着独特的记忆力,能记住很多十多二十年前的事情,说起来的时候连细节都能描叙得很详细。像骑行长征路这种只过去五到六年的事情,他能记住路上的很多镇,很多小地方发生的事情,甚至某个镇住哪个酒店,晚上去吃了什么东西都知道。对我来说这很匪夷所思,路上天天有事发生,天天住酒店,我的记忆早就很模糊了,只知道我做过骑行长征这么个事。这和长官的爱好有关,长官喜欢回忆,思考,整理过去发生的种种。分门别类,装进一个个抽屉里,并且有详细的目录索引,随时能找到相应的抽屉把想要的记忆找出来。所以长官的记忆力在不断强化。而我是完全相反的人,我很少去想过去的事情,无论是好的还是坏的。因此,记忆随着时间在不断被清理,只有一些重要的事情也许记的比较久,但也只是知道当初有这么个事发生,具体细节也想不起来。现在年纪大了,记忆的保质期更短了。长官说,过去的事都忘记了,那岂不是白活了。这个角度好像也有些道理。比如我晚上做了个梦,醒来后还记得,画面都很清晰。但我知道这不是真实的,这不是我的人生经历。但是我过去真实的人生经历,我都忘记了,还不如这个梦清晰。我感觉那些真实的经历离我更遥远,更不真实。那人生到底是个啥?和做梦一样?我喜欢和村里的老人聊天,当一个老人坐在门口晒太阳,感觉自己时日无多时,他们对人生的看法可能和我们不一样。我们村这几年去世的老人特别多,以前和我聊天的那些老人基本都走了。现在是新一批老人了,这些新老人大多和我父亲一辈的,印象中他们都是身强力壮,是顶梁柱,从没觉得他们是老人。但是现在看他们一个个的,也不行了。在我们从小固有的认知里,我们就是小孩子,父母是中年人,爷爷奶奶是老人。我们脑袋里从来没有那种画面,就是母亲曾经也是个十五六岁的少女,我们一直觉得她是个中年妇女的形象。爷爷永远是个老人形象,但他以前也是个精壮小伙呢!而我们有一天也会到中年,也会到老年的。所以有些人,当别人叫他叔叔阿姨,一下就接受不了,心理还没适应过来。当我发现儿女辈都长大了,当我发现我的同辈都有人去世了。突然就意识到,自己其实不年轻了。一晃就到中年了,但好像十七八岁还在昨天,这中间没有过度。所以和老年人聊天的时候,我也会有一种感觉,可能再一晃,我也是老年了,会很快的。同样的时间在科学上是一样长,在感受上并不是,会给人一种恍惚感。时间过得很快,还记不住事!和我养的乌龟一样。乌龟活的很久,但它们不记事,活一百年和别的动物活一百天一样,那到底是不是白活了?可能这也是我喜欢乌龟的原因,时间在它们身上和不存在一样。我有一只乌龟,经常打另一只乌龟。我还担心被打的那只会出心理问题,就像人长期被霸凌一样。但是我看它依然是每天悠闲地晒太阳,而且很调皮,看起来不像有心事的样子。我就问豆包,豆包告诉我,乌龟记忆很差,别人打它,没多久他就忘记了,所以不会有心理问题。你看,这就是不记事的好处。我邻居有个老奶奶,喜欢收集东西,在外面遇到什么东西,别人家不要的东西,她都搬回家。我上次去她家看了一下,好家伙,每个房间里都是满满当当。就说电饭煲,热水瓶,我至少看到有30几个。其实她收集这些东西,并不是拿来卖废品,她只是觉得这些东西没坏,扔掉可惜了,拿回去可能有用。本来她家里的房间都被堆满了,我以为她以后不会再收集了,毕竟没地方放了。后来她请师傅在房子旁边搞了一个铁皮房,这一下又可以大量收集了。可见人是很难改变的,只会在原有的方向上继续发展。根据牛顿的力学原理,这是最省力的方式。其实我也理解这种人,房子里要有很多东西,脑袋里也要有很多东西,这样才有充实感,要不然感觉自己什么都没留下,好像一无所有。只是我本人没有这种心理,我会定期清理不需要的东西(我清理的很多东西都被那个老奶奶拿走了),也不怎么想以前的事情,所以记忆也会被不断清理。但我不会因为这个而焦虑,我只会为当下的迷惑或痛苦而焦虑。我喜欢思考,我在学校读书的时候,记忆就很差,也不怎么依靠记忆,我依靠理解。我会思考一个东西的原理,理解了之后就会一直知道,它怎么变着花样考试我还是知道。我理科很厉害,其实我文科也很好,但是文科它总要背诵那些标准答案。比如历史,其实我很喜欢历史,到现在我还经常读历史,但我不喜欢它那些标准答案,我也记不住,我会自己去思考去理解历史,但是我自己的理解不能得分,所以我文科成绩不如理科。走向社会之后,我也喜欢思考,应该说思考是我主要的工作之一。随着人生的不断经历,遇到的事,人,社会的方方面面会越来越多。需要大量的时间去观察思考,才能慢慢摸清楚这里面的很多本质,规律,和关卡。我经常会花一两天时间,啥都不做,就去思考这段时间遇到的问题,在房间里走来走去,或者在树林里走来走去。以前这种频率很高,那时候年轻,有太多迷惑。现在频率低很多了,有时候很长时间没有啥需要想的问题,因为我想要搞清楚的东西,经过半辈子的思考,很多都想明白了。进入了一种不惑,平和的状态。所以现在的我,不记事,也不怎么想事。和木头差不多。我喜欢玩盆景,在玩了大概2-3年后,我基本想明白了植物这种生命形态的运转规律。在之前,即使精心伺候,盆景也大量养死。之后我随便养,很少养死。植物的生命体异常强大,只要你顺着它们的规律来,想养死都难。野外树木的死亡,基本是自然灾害人祸病虫害这些原因。没有这些原因,理论上很多植物和永生一样。大树没有记忆,也不思考,它只是张开枝叶迎接阳光,向下扎根吸收水分,一年,一百年,一千年。这是生命的一种形式。人有记忆,也会思考。但过去的记忆是否还属于你?未来的也没发生。也许只有当下的,此时此刻才是属于你的。我会去思考清楚一些问题,想明白自己的方向,要做什么事?要怎么活?平常状态下,我尽量保持平静,屏蔽胡思乱想,吃饭时好好吃饭,睡觉时好好睡觉,玩盆景就专心玩盆景,出去爬山就感受下大自然。当下的每一刻,你都在专心的做,平静的体会。生命就是由无数的这一刻组成的。这也是生命的一种形式。不记事,我不知道这是好还是不好,我觉得对我没啥影响。以前的事不记得了我也没觉得白活,因为以前的人生我以前已经体验过了,现在我就好好体验当下。但不思考应该不行,有些问题还是要搞清楚的,要有清晰的方向,明确的路线,才能从容不迫,好好地体验人生。
误切双侧卵巢,香港知名医生道歉
虎嗅 · 7 小时前
本文来自微信公众号: 医学界 ,责编:汪航,作者:科学·专业·善良香港中文大学医院一名患者接受子宫及输卵管切除手术后,原定保留的双侧卵巢却在术中被误切。目前,涉事医院和医生已公开致歉。连日来,香港一名45岁患者双侧卵巢被误切事件引发业内关注。11月17日,香港中文大学医院就这起医疗风险警示事件公开致歉。院方披露,患者因疑有子宫内膜病变,于9月12日接受腹腔镜子宫及双侧输卵管切除术,术前选择保留双侧卵巢的方案,但双侧卵巢在术中被一并切除。次日,涉事主刀医生张德康接受香港电台采访,承认手术失误并致歉。医院官网显示,他是该院妇科肿瘤科顾问医生,也是香港中文大学医学院妇产科学系名誉临床教授。11月19日,香港中文大学医院行政总裁钟健礼表示,院方已启动程序,将向患者及家属交代处理结果,医院也已在手术室增加术中提示。手术前,团队已按程序核对过手术项目,但患者选定的方案,为什么在操作中没有得到准确执行?患者选择保留卵巢香港中文大学医院由香港中文大学全资拥有,是一家非营利性私立教学医院,2021年1月投入服务,同年9月正式启用。根据已披露的信息,这台手术原本有两个方案。钟健礼在记者会上说,一个方案是切除子宫和双侧输卵管,保留双侧卵巢。另一个方案则把双侧卵巢一并切除。患者最终选择了第一套方案。按院方披露,手术开始前,团队依照既定程序核对了手术项目。直到标本取出,护士才发现里面有双侧卵巢,随即把情况告诉医生。据香港电台报道,患者还在手术复苏室时,张德康就向她解释了失误。患者得知后感到震惊和失望。医院随后让她选择是否转由其他医生跟进,她最终决定继续由张德康复诊。院方称,患者目前情况稳定,会为她免费提供相关治疗及跟进。后续复诊要处理的问题,除了手术后的恢复,还包括失去双侧卵巢后可能出现的健康变化。对于尚未绝经的女性,即使切除子宫和输卵管,保留下来的卵巢仍能分泌激素。双侧卵巢被切除后,激素水平可能在短期内明显下降,导致手术绝经,出现潮热、夜间出汗等症状。美国妇产科医师学会指出,手术绝经还可能增加骨质疏松和心血管疾病等长期风险。事发后,医院称已在24小时内向卫生署呈报,并成立分析委员会。按照香港私营医院实务守则,在错误患者或错误身体部位实施手术,属于应呈报的医疗风险警示事件。医院须在识别事件后24小时内通报,并在4周内提交完整报告。卫生署公布的数据显示,截至9月30日,香港私营医院今年共呈报3宗为错误患者或错误身体部位实施手术或介入程序的事件,其中一宗是在患者身体错误一侧进行肺部活检。香港卫生署私营医疗机构规管办公室在第三季度统计中披露了这起事件。香港中文大学医院11月17日公开作出回应,并交代了院内调查对术中经过的判断。11月17日,香港中文大学医院发布事件声明。图源|香港中文大学医院哪一步出错了?按香港中文大学医院行政总裁钟健礼披露的经过,医生在腹腔镜下进入手术部位时遇到困难,用了15至20分钟才到达。等到要分离子宫旁的组织时,医生采用了将卵巢一并切除的解剖路径。实际上,无论是保留卵巢还是切除卵巢,两种手术都要切除子宫和输卵管,区别在于怎样处理卵巢与周围组织的连接。按照人体生理结构,卵巢一侧通过卵巢固有韧带连向子宫,另一侧则通过骨盆漏斗韧带连向盆壁。卵巢的主要血管走在靠盆壁的这条韧带里。据欧洲妇科内镜学会公开的腹腔镜子宫切除术步骤,保留卵巢时,通常分开卵巢与子宫之间的连接,保留卵巢和主要供血。若计划同时切除卵巢,则需要处理靠盆壁一侧的卵巢血管。两种方案都可能顺利完成子宫切除,但取出的标本所含器官不同。这个区别也关系到术中要辨认哪些结构。卵巢血管邻近输尿管,涉及卵巢切除时尤其要确认输尿管的位置。有妇产科医生提到,正常情况下卵巢和输卵管在外形、颜色和位置上有区别。遇到解剖结构异常、器官紧挨在一起时,辨认会更困难。香港中文大学医院公开说明中,钟健礼把这次失误归于执行了另一套手术方案。他说,医生当时没有意识到患者已选定保留卵巢的方案,随后的操作按切除卵巢的路径进行了,并将这种短时间内没能记起原定步骤的状态称为“认知盲点”。张德康回忆,自己当时的心思放在怎样减少创伤和出血上。手术做起来后,术前核对过的信息没有再出现在脑海里。他承认这是不该发生的错误,并表示会承担责任。张德康接受香港电台采访。图源|香港电台避免错误重复发生目前,香港中文大学医院已在腹腔镜显示屏下方贴出了手术提示。对计划保留卵巢的手术,屏幕旁会写明“保留卵巢”,护士也会在适当时点出声提醒。张德康说,以后遇到涉及卵巢的手术,会在切除前停一下,再确认这一步是否在计划内。世界卫生组织的《手术安全核对表》把共同核对安排在麻醉诱导前、切皮前和患者离开手术室前。切皮前,团队口头确认患者、术式和部位。患者离开前,需要再核实实际做了什么、标本标签是否正确。核对表还要求,切皮前由外科医生说出预计的关键或异常步骤、手术时长以及可能的失血量,麻醉医生和护理人员也分别说明各自要留意的问题。这样一来,团队除了知道手术的名称,也能提前知道哪些地方可能要花更多时间。香港立法会议员、医生林哲玄对有线新闻表示,手术团队成员相互提醒很常见,但提醒医生不应被当作护士的专业责任。他对新增措施的作用持保留态度。此前明爱医院的阑尾手术,也曾碰到类似问题。2025年6月,一名48岁患者接受急诊腹腔镜阑尾切除术。手术部位出现渗血,输卵管旁囊肿撕裂,主刀医生请上级到场,并征询妇产科意见。当时的讨论落在止血后囊肿是否还要切除。术后患者低烧、腹痛加重,复查影像显示阑尾仍在。病理报告随后证实,取出的组织是输卵管。明爱医院初步调查怀疑,局部粘连让医生误认了组织。患者最终接受第二次手术,切除了发炎的阑尾。事后,该院要求外科部门重新检查腹腔镜手术的人手安排、工作分配和督导指引。除了上述医疗事故外,香港将军澳医院今年亦公布了一起造口事故。一名85岁患者原拟做横结肠造口,医生却将胃接上了造口。调查组认为,术者在辨认结构时出现确认偏误,术中没有再采取措施核实。术后,造口输出量一度偏高,患者转院前两天已经出现上升趋势。调查组发现,外科和康复团队未能及时发现、沟通这一变化。患者后来因血压下降、心跳加快转回将军澳医院,检查才发现造口位于胃部。患者于3月3日离世,个案已转交死因裁判官跟进。一系列医疗事件也提醒临床,术前核对不等于全程安全保障。当术中遇到解剖复杂、突发出血等状况,人的注意力容易发生偏移,屏幕提示、口头警示仅能作为辅助;唯有在关键操作前主动停下来复核、厘清团队安全权责,并依靠完整规范的流程约束与团队协作,才能最大限度减少医疗差错。
厂罚商:合同里没有的罚款,都是抢钱
虎嗅 · 7 小时前
本文来自微信公众号: 新经销 ,作者:高级研究员 海游近日,有位经销商给我发了一个表格,上面写着今年代理某品牌被厂家的罚款明细,其中有新品推广发货处罚,有重点网点开发未达目标处罚,这些都是账扣罚款。还有部分罚款是业绩未达标,市场费用打折核销,有些罚款科目是总部规定的,有的罚款科目是战区和大区制定的,半年下来利润几乎被罚款吞完了。现在市场压力这么大,如果这样持续下去,这个品牌就无法合作了,虽然不舍,但也不得不放弃。究竟品牌商该不该对经销商进行罚款?有没有权力进行罚款,今天就聊聊这个话题。罚款的合理与不合理罚款,作为一种管理手段,本意在于规范渠道行为、维护市场秩序。合同中明确约定的串货、低价倾销等违规行为的处罚,确有其合理性,有助于保护品牌整体利益和经销商的公平竞争环境。但现实中,大量罚款项目并未写入合同,而是以“通知”、“考核”、“任务分解”等形式出现,如新品发货不足、月度销售任务未达成、陈列不达标、促销活动执行不到位等,动辄处以每箱几元、每项任务数千元的罚款。这些“隐性罚款”往往缺乏法律依据,也违背了商业合作的基本公平原则,成为压在经销商肩头的一座大山。首先说厂商关系是平等的商业合作,但“平等”不等于“没有约束”。串货、低价砸盘、线上乱价,确实会砸烂整个区域的价格体系,让守规矩的经销商亏钱,对这类行为重罚,天经地义,这类正当罚款至少有三个共同特征:其一是事前约定,什么行为受罚、罚多少,签约时白纸黑字;其二是行为可查证,有货流、有订单、有公证取证,不靠“内部认定”;其三是罚则对应损失,金额与窜货货值挂钩,而不是拍脑袋。那些不该罚的罚款,都有一个共同特征:藏在合同外,经销合同里面没有。有经销商拿到的罚款名目包括:市场检查罚款、临期考核罚款、隔月产品考核罚款、仓库过期物料罚款、收货超时罚款、规定时间内未汇款罚款、新品任务未达罚款等等,用他自己的话说,“罚款目录厚得可以做一本词典”。其中相当一部分,合同里从头到尾没有出现过。合理的罚款和不合理的罚款本质区别在于:就像串货是违约,“你答应不做的事你做了”;但任务未达、新品少订,很多时候是市场结果,“你想做到,但市场没给你机会”。消费降级、区域需求下滑、电商分流的年代,任务指标却年年加码,把宏观经济波动折算成经销商的罚款单,这不是管理,是转嫁风险。更荒唐的是“新品少发一箱罚几元”式的罚款。新品能不能卖动,取决于品牌方的产品力、投放和支持力度,经销商只是执行链的最后一环。把新品动销不佳的责任折成按箱计罚的罚款,等于是出题人不及格,罚答题人。这类罚款近两年明显变多,背景并不复杂,终端动销放缓,厂家的报表压力层层向下传导,传到销售队伍是压货指标;传到经销商就是一张张罚单。压力可以向下流动,风险却本该共担,单向的罚款条款,把“共担”悄悄改写成了“你担”。值得注意的是:“罚款”两个字,天然带着权力色彩。法律上罚款是一种行政处罚,只有行政机关有权作出,品牌商是企业,不是执法机关,厂商之间是平等的民事主体,谁也没有罚谁的权力。品牌商为什么敢罚款?品牌商手里至少有三张牌是经销商的软肋。第一张牌:费用核销权。陈列费、返利、市场费用由厂家核销,拖两三个月是常态,经销商再申诉就再等等。对于经销商而言,押在厂家账上的钱,撕破脸就拿不回来,即使拿回来也十分的耗时耗力。第二张牌:合同终止权。不接受处罚就取消经销资格,尤其是单品牌经营或者主品牌销量占比高的经销商,仓库、车辆、团队全部沉没,对于经销商而言,前期投入数十上百万,退出即清零。第三张牌:最终解释权。这一点是最坑的,业务员口头承诺算“个人行为”,口头罚款却算“公司决定”,对于经销商而言,没留书面证据,投诉无门。我曾经在湖北就遇到一位经销商,他的遭遇就是完整闭环:不接受压货,业务经理掏出十余万元费用欠条来化解抵抗,经销商不认,拿欠条向公司申请核销,公司一句“员工违规操作和个人行为、不具备法律效力”,开除员工了事。需要冲业绩时,一线的嘴是公司意志;要兑现承诺时,一线的手是个人行为。把这套机制拆开,是一个三层递进的结构:第一层是交易强势,进什么货、什么政策、什么价,厂家说了算;第二层是规则单方,考核口径和罚款名目随通知下发,不经协商、不受合同约束;第三层是资金扣留,费用、返利、保证金全押在厂家账上,反抗的代价被提前锁死。走到第三层,合同就只剩下装饰作用了。当开罚单的成本为零,罚款就不再是管理工具,它会变成一项收入。名目越罚越多、字典越编越厚,不是因为市场越管越好,而是因为罚得越狠、扣得越多,利润越好看。罚款文化的深层成因罚款泛滥的背后,是快消品行业长期存在的“压货驱动”模式。许多品牌商将增长寄托于向经销商压货,而非真正提升终端动销,通过设定高目标、强考核、重罚款,迫使经销商不断进货,制造销售繁荣的假象。这种模式短期内可美化财报,但长期来看,会导致渠道库存高压、价格体系混乱、经销商利润缩水,最终反噬品牌自身。此外,部分品牌商管理体系粗放,缺乏科学的渠道管理机制。面对复杂的市场环境,管理者倾向于采用简单粗暴的“罚款”手段,以快速达成目标。这种“懒政”思维,忽视了经销商的实际困难与市场规律,也反映出品牌商在渠道治理上的能力短板。更令人担忧的是:有部分品牌商将罚款异化为利润来源。某经销商反映,某些品牌区域经理的绩效考核与“罚款收入”挂钩,导致其刻意设置不合理任务,甚至诱导经销商违规,以获取罚款。这种“以罚代管”的模式,不仅扭曲了管理初衷,更严重侵蚀了渠道信任。厂商重构健康合作关系的路径一、给品牌商的一句忠告:把罚权关进合同笼子1.罚则一律入合同。新名目想罚?先修合同、双方签字。合同外不开罚单,开出的每张罚单都能出示对应条款。2.罚则对等。经销商收货超时要罚,品牌商延迟发货、费用核销超时,赔不赔?规则只约束一方的,不叫规则,叫特权。3.留申诉通道。每张罚单给书面依据和申诉期;市场系统性下滑(如区域大盘下滑)触发的任务缺口,用协商调整任务,而不是罚款兜底。二、给经销商的一句忠告:别用利润交学费1.签约逐条过罚则。“公司保留最终解释权”式的条款,要么谈掉,要么做好被随时开罚的心理和账面准备。2.一切承诺书面化。费用欠条的教训:口头承诺和员工签字,在翻脸时都可能被归为“个人行为”。核销流程、返利确认,邮件、盖章、留档。3.无据罚款书面拒付。明确回复“合同无此约定、不予认可”,保留往来记录,这些记录,是将来诉讼里最值钱的东西。品牌商与经销商的关系,不应是“猫鼠游戏”,而应是“命运共同体”,厂商关系应从“控制-服从”向“协作-共赢”转型。罚款作为一种管理工具,其使用必须审慎、合法、合理,当罚款沦为权力滥用的工具,不仅伤害经销商利益,更会动摇品牌渠道根基。真正的品牌力量,不在于能罚多少款,而在于能否赢得合作伙伴的真心拥护。唯有尊重契约、共担风险、共享成果,才能构建可持续的渠道生态,实现品牌与经销商的长期共赢。在这个充满不确定性的时代,品牌商更应意识到:经销商不是成本的承担者,而是价值的共创者,放下罚单,拿起合作之手,或许才是快消品行业走向高质量发展的真正起点。市场变了,渠道变了,厂商关系走到今天,有太多问题需要重新讨论。品牌商究竟如何与经销商合作?销售任务、市场费用和利润分配,怎样才能更合理?当渠道环境发生变化,厂家和经销商又该如何重新分工,把市场真正做好?这些问题,显然已经很难靠一纸考核通知、几张罚单来解决。
和DreamZero 一作聊聊WAM 这一年
虎嗅 · 8 小时前
本文来自微信公众号: 42号电波 ,作者:小波,编辑:大吉,原文标题:《和 DreamZero 一作聊聊 WAM 这一年》11月9日,英伟达在奥斯汀的机器人学习大会CoRL发布GR00T 2。在它公布的一组测试中,双手机器人面对50项没有提供过目标机器人示范的任务,仅凭预训练能力,平均成功率达到40%;每项任务补充五次示范,再做微调,成功率提高到95%。这些任务此前出现在人类视频或其他机器人的数据里,如今开始能够被迁移到一副新的身体上。GR00T 2延续了今年2月DreamZero探索的世界动作模型(World Action Model,WAM)路线:让模型同时预测未来画面和机器人动作,把「世界接下来会怎样变化」纳入动作学习。到了这次发布,英伟达进一步把人类视频、手持采集设备和多种机器人数据放进同一套训练流程,并通过少量示范和强化学习,继续提高具体操作的精度与可靠性。它在机器人系统里的分工也更加清楚。上层推理智能体拆解任务、检查进度、处理异常,通过接口调用GR00T 2;后者负责需要持续视觉反馈和精细控制的物理操作。模型能学会多少技能、适应新任务需要多少数据,以及失败后怎样恢复,都成了这次发布需要回答的问题。这让WAM的讨论有了更多现实参照。DreamZero第一作者Seonghyeon Ye当初看重的,是视频模型能否给机器人带来没有专门示范过的动作能力。八个多月后,沿这条路线发展的模型开始处理更复杂的任务,研究者也必须进一步决定:预测未来的哪些部分最有用,哪些计算可以省掉,哪些经验还得从真实操作中补回来。这些问题也出现在本届CoRL的议程上。11月12日举行的「机器人需要世界模型吗?」工作坊,将讨论显式预测与端到端策略的边界:未来变化是否需要被单独预测出来,还是可以通过训练进入策略内部;现有评测又能否区分两者在泛化、效率和失败恢复上的价值。另一场由Ye参与组织的Scaling H2R,则追问人类数据怎样扩大才有效——收益来自更多小时、更多样的任务,还是与目标机器人更匹配的操作经验。Ye同时处在这两组问题之中。他是DreamZero的第一作者和项目负责人之一,也是近期DreamFree的共同作者。DreamFree的思路是将未来知识蒸馏到模型表征里,在执行时省去未来视频生成的步骤。他相信世界建模的重要性,也在研究这种能力能否以另一种形式被保留下来。接受42号电波采访时,Ye先说明,DreamZero是自己在英伟达的实习项目,实习结束后他已经离开,没有参与GR00T 2,也不了解公司的高层规划。他认可这次发布的进展,尤其关心如何在精细操作里保住泛化能力。但对于怎样继续发展WAM,他并不认为已经有了一套确定的答案。最适合操作的基座,未必是今天追求画面效果的视频生成模型;人体数据值得扩大,但接触和力的信息仍需要研究;模型能完成新任务之后,还要找到让它稳定完成的方法。「机器人这边,学习配方、最优架构、数据采集这些都还没有收敛。」他说。视频模型能带来多少没教过的动作Ye解释自己为什么转向世界模型时,举了黑猩猩的例子:它们不懂人类语言,却能够操作物体,也能预判接下来会发生什么。这让他怀疑,以视觉语言模型为起点,再教模型输出动作,是否就是机器人操作最合适的学习方式。许多视觉语言动作模型(Vision-Language-Action Model,VLA)从视觉语言模型继承识别物体、理解指令和语义关系的能力。这样的知识有助于机器人知道要操作哪个对象,但一种此前没练过的动作,还需要关于运动和物体变化的经验。Ye希望模型在学习控制时,就把这些变化一并学进去。这个想法早于DreamZero。他参与的LAPA从视频前后帧的变化中学习「潜在动作」,再用带动作标签的机器人数据接到实际控制上。对Ye来说,它的重要性在于,模型可以借助预测世界变化的目标,从没有机器人动作标注的视频里学习。那时他就确信,未来预测应该在机器人策略中占据更重要的位置。视频生成模型提供了一种更直接的起点。这类模型在大规模视频中学习物体和场景如何变化,已经积累了一部分可以迁移的经验。与其从头为机器人建立这种能力,团队开始尝试调用现成的预训练模型。最初,这种能力被用来生成训练材料。2025年的DreamGen将视频模型适配到机器人领域,生成新的行为与场景,再从视频中提取动作信息,扩充策略训练数据。Ye回忆,他们在这一阶段看到了视频模型的泛化能力,于是提出下一步:既然它已经能生成机器人执行新任务的过程,能不能直接把它变成策略?2月17日发布的DreamZero沿着这个问题向前走了一步。团队以一个140亿参数的视频模型为基础,让视频生成与动作学习进入同一个模型,训练时既要预测场景的变化,也要预测与之对应的控制动作。未来预测本身参与了策略的学习与执行。如果有机会重做DreamZero,Ye仍会作出同样的选择。「因为我觉得那是到达目标最快的路径。」从模型训练到真实机器人评测,团队已经做过大量迭代,他不认为当初应该换一条路。这项研究面对的一个实际问题,是机器人数据该怎样采。在有限的采集时间里,同一个任务重复许多次,还是让机器人尽量接触不同的物品、环境和操作,得到的是两种很不一样的数据。前者更容易把某个动作练准,后者才有机会覆盖训练任务以外的变化。Ye说,DreamZero团队在微调时花了很多心思增加多样性。他们希望保住视频基座已有的能力,让模型接触更多变化。「虽然重复数据对精度可能有效,但会损失一部分泛化。」在他的经验里,追求新任务能力,需要从采集阶段就作出选择,不能等模型训练完,再要求它自行补出缺少的经验。DreamZero在AgiBot上的一组测试说明了团队希望得到的收益。在包括解鞋带、握手等动作的十项未见任务中,它的平均任务进度为39.5%,对照的预训练VLA为16.3%。论文还记录到,一些VLA面对不同指令,仍倾向于伸向物体、尝试抓取,沿用训练中常见的动作。这里比较的是任务完成到哪一步,并非完整任务的成功率。这组结果也保留了DreamZero当时的位置:它展示出对新动作更好的尝试能力,同时仍有大量没有完成的任务。对一个追求通用性的模型来说,能从旧经验中迁移出新动作,是值得继续投入的起点;接下来还要查清,失败究竟发生在哪里。我们问Ye,如果模型预测一个杯子能被拿起来,配套的动作却没有做到,该把问题归到未来预测、动作生成,还是两者之间的连接?他给出的观察有些出乎提问的预设。团队做了大量rollout,也就是让模型在机器人上实际执行任务,发现视频与动作之间的对齐相当好,联合学习这种对应关系也没有想象中困难。但视频预测失败时,动作往往也失败;几乎没有看到动作成功、视频预测却失败的情况。「一旦视频预测失败,动作也会失败。」Ye据此判断,DreamZero的主要瓶颈在未来预测,改进能够预测物理变化的基座模型,应该能进一步改善策略。这是团队在这套系统里的实验观察,也解释了他为什么至今仍看好世界建模:模型对未来的理解,已经与真实执行的结果联系在一起。未来要学进去,画面未必每次都要生成今年3月20日,Ye曾在RoboPapers节目中介绍DreamZero。那次讨论围绕一个新鲜的问题展开:一个140亿参数的视频模型,怎样获得真实机器人的泛化能力。在这次采访里,我们重新提起那次对话,问他几个月后还有哪些判断不变、哪些已经改变。Ye坦言,他已经不完全记得当时回答的上下文。但有一点仍然明确:「我仍然认为世界建模很重要。不过它不一定就是原始的像素生成。」DreamZero借用了现成视频模型的预训练能力,也接下了视频生成的工作量。它要处理未来画面中的物体、位置、运动和大量视觉细节。对于视频产品来说,画面真实、自然、好看都是目标;对于控制机器人来说,最需要的是正确理解物理变化。两者有重合,却未必需要同样的训练目标和计算分配。让视频生成跟上机器人动作,本身就是一项繁重的工作。DreamZero论文记录,团队通过系统、实现和模型层面的优化,将GB200配置下的推理延迟从约5.7秒降到约150毫秒,才使这个大模型能够以约7 Hz进行闭环控制。Ye所说从训练到评测的反复迭代,也包括把一个视频模型真正放进机器人的控制循环。「做操作并不需要那么好看、那么逼真的视频,我们真正需要的是正确理解世界,比如物理这类东西。」Ye认为,长期看,最优的基座可能应该专门面向机器人操作,而不只是从一个追求画面效果的视频生成模型出发,再微调到机器人上。这不等于否定他此前的选择。现成的视频模型让团队很快获得了可以使用的先验,DreamZero又证明这种先验能够转化为动作能力。现在更值得研究的是,这些知识以什么形式留在模型里,才能最有效地服务于控制。3月公开的Fast-WAM已经把问题拆开做过一次实验。它在训练中保留视频与动作的联合学习,推理时跳过未来视频生成;研究者发现,省去推理时的视频生成后,模型仍有竞争力,而去掉训练阶段的视频学习,性能下降更明显。这使得一种可能性变得值得认真对待:未来预测的重要收益,可能在训练中就已经进入了模型表征。Ye参与的DreamFree进一步沿着表征去做。这里的表征,可以理解为模型从观测中提取、供后续判断和控制使用的内部信息。训练时,一个冻结的视频教师模型能够看到当前和未来的画面;另一个编码器学习,仅凭当前观测,也提取出接近教师、包含未来信息的表征。随后,动作模块再从这些表征中学习控制。这种训练利用了未来,但部署时不再要求模型把未来逐帧生成出来。DreamFree在项目报告的配置下,用单张H200运行140亿参数的视频基座,达到约11 Hz的推理速度。它试图保留的是预测未来带来的知识,并减少每次行动前为生成视频付出的时间。Ye用「表征对齐」概括DreamZero与DreamFree之间的联系。DreamZero对下一状态做显式监督,让模型学习世界接下来应该是什么样;DreamFree则通过蒸馏,把相关知识压进模型内部。两项工作采用不同的方式,要求用于操作的内部信息与未来变化建立联系。「大家会争论测试时模型该不该生成未来状态。但我觉得更重要的是,在训练阶段的某处,表征必须被对齐到能够建模未来。」他说。按照这个判断,评估一个新架构时,是否输出了视频已经不足以说明它的能力。一个直接输出动作的模型,也可能在训练中学到了未来;一个能生成完整视频的模型,则仍要证明这些计算确实帮助了操作。研究重点因此落到了更细的地方:哪些未来信息应该保留,怎样训练它们,以及动作模块能否有效地使用它们。最新的GR00T 2则给出了另一种取舍。为了降低计算量,Turbo版本将预测的视频空间网格缩小到原来的四分之一,但在一组后训练的灵巧操作任务中,成功率从完整版本的68.6%降到34.3%。技术报告没有把损失简单归因于某一个因素,却提出一个值得继续研究的判断:需要保留多少视觉细节,可能取决于任务与机器人本体。哪些未来信息可以压缩,不能只由推理速度决定。这也让WAM与VLA的边界变得不那么整齐。DreamFree的项目页用「WAM式训练,VLA式推理」描述自己的方法。训练目标、内部表征和部署形态,可以有不同的组合,模型名称本身无法替代这些区别。Ye对WAM泛化更好、适应更快的判断仍然鲜明,但他没有把DreamZero的具体架构当成终点。恰恰是在做出了这套系统之后,他开始更具体地追问:最适合操作的基座,应该学习怎样的未来?百万小时之后,还缺一层信息另一个正在迅速扩大的答案,是人类数据。当我们问DreamZero还有什么明显值得继续做,Ye很快提到了UMI和人体数据。UMI是一种通用操作接口,采集者手持夹爪完成任务,将这段操作记录下来,供机器人学习。人体数据则允许研究者更广泛地记录人怎样在真实环境里工作,减少采集对机器人本身的依赖。他回忆,DreamZero当时主要围绕遥操作采集的机器人数据训练。论文也做过加入少量人体视频的迁移验证,但把其他数据来源大规模纳入训练,是仍值得继续推进的方向。在他看来,GR00T 2已经沿着这个方向向前走了。从公开数据看,这一步的规模变化相当明显。GR00T 2的预训练混合了约40.3万小时第一人称人体视频、约1万小时手持UMI示范,以及2.35万小时机器人遥操作数据。人类视频已经占据最大部分。英伟达报告,在72项下游任务的测试中,逐步增加人体视频,真实机器人的任务进度从50%提高到70%。8月发布的Dyna-2把人体视频预训练规模从1,000小时逐级扩大到100万小时,再用一致的后训练方案进行真机验证。其报告中,14项任务的平均归一化成绩从20%提高到53%。测试既包括语言跟随,也包括打结、钥匙转动和瓶盖操作等任务;收益已经出现在真实操作中。数据配比也没有停留在简单混合。GR00T 2的技术报告描述了三个训练阶段:先用人体和机器人视频学习交互过程,再联合学习多视角视频与动作,最后提高机器人数据的权重,进一步适应真实控制。人类经验负责扩大覆盖面,机器人示范帮助模型学会在具体身体上执行。但报告同时承认,不同数据来源之间还没有明确的投入回报关系:再增加一小时人体、UMI或遥操作数据,分别能换来多少能力,仍然不清楚。这些结果为继续投入人体数据提供了依据。Ye也认可,扩大第一人称人体数据能够改善向机器人的迁移。但他对这种收益能覆盖多深的操作能力,仍有保留。「这只是我的个人看法。」他特意作了限定。在他看来,当前这类数据带来的收益,主要体现在语言跟随和高层视觉、语义理解上;真正到操作层面的运动,以及对新任务的泛化,仍有很多问题没有解决。他的理由落在采集信号上:许多第一人称人体数据主要记录视觉,再加上位姿估计,却没有直接记录接触或力。视频保留了操作过程中的可见变化,机器人真正接触物体时所需的信息,却可能没有被完整地留下来。GR00T 2也没有把这个问题完全解决。其DexUMI采集设备已经能够记录指尖的法向力和剪切力,但模型尚未把触觉作为输入;技术报告仍将如何引入力和触觉、如何保住已有视觉能力,以及采用什么控制频率列为开放问题。采到一种信号与让模型有效使用它,是需要分别解决的两步。「这是一层缺失,值得去研究。」Ye说。触觉传感器目前还不够稳定,但他认为,触觉和力都很重要。如果只按现有方式继续采更多视觉数据,这层信息并不会因为小时数增加就自动成为直接的测量信号。现有公开结果已经显示,人体视频的收益能够进入真实操作,Ye对其能力边界的判断仍需要进一步验证。而他提出的接触和力数据,对应着这些扩展实验尚未回答的另一个问题:对于更精细、接触更复杂的操作,补充新的模态,能否带来继续增加视频所不容易获得的收益。这也关系到下一笔数据投入该花在哪里。增加小时数、增加任务种类、补充传感信号,解决的问题并不相同。前者可以扩大已有经验的覆盖范围,新的模态则可能让模型第一次接触到此前没有直接记录的信息。哪一种更有效,需要落到目标任务和真实机器人上比较。Ye对学术研究价值的理解,也在这里。他认为,在扩大投入之前,有必要先用小规模概念验证,弄清楚哪些信息能够有效迁移。机器人目前还没有像语言模型那样,形成相对稳定的架构、训练方法和数据扩展方式,研究者仍然有机会改变后续投入的方向。我们进一步问,如果只能增加一两种传感信号,他会选什么。他没有选出一个唯一答案,而是先区分,要从触觉中获得什么。如果是触觉手套,他认为电阻式传感器是一种可能;如果更关注法向力和剪切力,可以考虑磁式触觉或其他方案。也有人探索腕部传感器、IMU和人体可穿戴设备,从中估计与受力有关的信息。对他来说,传感器类别只是开始,最终要看采到的信号是否有用。他的判断标准只有两项:能否直接、有效地迁移到机器人上,以及采集能否规模化。把传感器戴到人身上、连续记录足够长时间,并不自动满足第一项;在实验室里得到高质量信号,也不自动满足第二项。UMI已经在迁移上给出了很好的示范。人拿着夹爪完成操作,机器人的执行也使用夹爪,采集与控制之间有较直接的对应关系。但这个接口同时限定了人能做的事:采集者需要握住设备,用夹爪完成任务,无法完整保留人手自然操作的自由。Ye认为,如果把采集的可扩展性推到极致,让人用自己的手自然活动,大概才是最终希望到达的状态。但拿掉夹爪之后,怎样提取有用的操作信号,又成了新的难题。越接近日常生活的采集,越需要重新考虑,人类经验究竟通过什么接口交给机器人。从DreamZero到百万小时人体视频,数据来源正在打开。Ye想继续追问的,是这个过程中哪些操作信息得到了保留,哪些仍然缺席。它会影响传感器的选择,也会影响模型该以什么为学习目标。泛化以后,精度和可靠性从哪里来对于WAM接下来的发展,Ye在谈到GR00T 2时提出了一个要求:在更精细的操作中保住泛化。前面的两种投入,最终都要接受这个检验——更好的基座和更多的数据,能否让机器人面对新任务时有更高的起点,同时把动作做准、把结果做稳。GR00T 2在报告中把这些收益分得更具体:预训练提供广泛能力,纠正示范与强化学习弥补精度和接触上的不足,上层智能体则提供长任务中的记忆、检查与恢复。把最后的成功率全部归因于世界动作模型的架构,会遗漏这些环节各自承担的工作。Ye强调数据多样性,是因为他不希望模型在适应具体机器人与任务时,丢掉预训练带来的广泛能力。重复训练能够改善精度,但模型换到新任务、新环境后,是否仍然保持同样的适应能力,需要另外检验。精细操作与泛化都成立,才是他希望看到的进展。DreamZero团队为此还改动了模型使用历史信息的方式。预训练视频模型采用双向结构,他们将其改成自回归结构,让机器人能够把此前的执行过程作为上下文,供后续预测使用。Ye将这种上下文称作「视觉记忆」。这使得预测能够建立在已经发生的执行过程上。机器人需要处理的世界,会随着自己的动作不断变化;此前观察到什么、执行过什么,应当成为下一步判断的依据。Ye把这一点与好的基座、多样的数据放在一起,视为改善真实执行的重要因素。不过,记住过程之后,模型仍然可能给出不同的动作结果。Ye回忆,团队曾观察到一种情况:改变随机种子、让机器人多次执行同一任务,大约八次尝试中会有一两次成功。单次尝试失败,并不代表模型完全没有找到完成任务的可能。这个观察让他对测试时增加计算量产生了兴趣。如果模型能够提出多个候选,并且有一个足够好的评判模型,能在执行之前判断哪一个更好,就可能把原本偶尔发生的成功,更稳定地挑选出来。他认为,这有机会发展成WAM在测试时做规划的一种方式。但团队并没有深入做这件事。八次执行里出现一两次成功,也只是他在采访中回忆的实验现象,不能直接等同于一套已经验证的规划算法。要把这种潜力变成稳定收益,还需要解决候选质量如何判断的问题。GR00T 2的长任务实验已经出现了一个具体例子。在三类玩具的300次连续装配中,系统成功了292次;八次失败里,有三次是螺丝没有完全拧入,但动作模型和上层智能体都判定任务已经完成。一个看起来接近成功的物理状态,仍可能骗过整套系统的检查。这里恰好又回到了未来预测。WAM能提供一段预计会发生的过程,使研究者有机会在动作之前评价结果;评判是否有用,又取决于这段预测与真实世界的关系。画面中的任务完成了,不能自动保证机器人也会完成。预测能力、候选选择和真实执行,需要一起接受检验。因此,省掉未来视频与利用未来做规划,可以对应不同的需求。对需要快速响应的操作,DreamFree尝试把未来知识留在表征中,减少在线计算;面对值得花更多时间比较的决策,Ye设想的多候选选择,则可能使用额外计算来提高表现。具体采用哪种方式,要看任务能承受多少等待、失败有多大代价,以及模型能否可靠地判断结果。这也是他谈应用时没有给出统一答案的原因。工厂更强调精度与可靠性,家庭则同时要求安全、可靠,还要处理种类多得多的任务。Ye认为世界动作模型可能帮助改善安全,但团队尚未深入研究这一方向,他没有把它当作DreamZero已经证明的能力。他个人对家用机器人很感兴趣。家务需要的知识极其广泛,日常物品和操作不断变化,这让它成为一个困难而有吸引力的问题。谈到时间表,他的直觉是,两三年内技术可能达到能够完成更多日常任务的水平;真正让消费者在家里长期、可靠地使用,还需要更久。安全、维护和部署都在这段额外的时间里。一个模型已经能做某件事,还不足以决定产品什么时候能交付。用户接收的是一套要持续工作的系统,研究人员可以在实验室里逐项处理的问题,也会一起进入家庭。Ye没有因为这些难题,改变对世界建模的判断。他改变的是对下一步研究重点的描述:现成视频模型提供了一个有效起点,长期仍要寻找更适合操作的基座;人体视频带来了更大的数据来源,接下来还要确定哪些物理信息值得记录、怎样记录。在他的个人主页上,除通用机器人策略与世界动作模型之外,近期研究兴趣已经写到了带传感器的人体数据,以及它们如何帮助机器人进行接触丰富的操作和柔顺控制。做出DreamZero之后,他的注意力也延伸到了数据进入模型之前。当人体数据开始以百万小时计时,Ye更想先确认,哪些尚未记录的信号值得被大规模采集。他给出的建议仍很具体:「在大规模扩展之前,更需要小规模的概念验证。」
AI 降本增笑,全世界都在被迫接受审美大降级
虎嗅 · 8 小时前
本文来自微信公众号: APPSO ,作者:发现明日产品的几乎所有讨论国内美育的帖子里,你都会看到网友拿「日本」作比。可是,日本开始狂用AI了。最近,日本近畿大学的官方网站突然在社交媒体上走红。打开网页,迎面而来的是充满AI味的宣传影像,大学官网已变成视频生成模型的作品展示区。近畿大学官网👉:https://www.kindai.ac.jp/类似地,日本的选举海报开始出现AI捏造的候选人面孔。日本人突然「开智」后,疯狂用AI做宣传海报和视频如果你最近打开近畿大学的官网,可能会怀疑自己是不是进错了网站。近畿大学把AI生成的动态影像直接放到了官网首页,画面充满夸张的运动感和生成式AI特有的视觉痕迹。学校也不打算遮掩,首页还明确提示:相关内容使用生成式AI制作。今年4月,近畿大学曾在入学式上播放过类似的AI视频:学生坐上一辆虚构的过山车,从大阪市区出发,一路飞越大阪城、道顿堀等著名景点,随后沿着轨道冲进大学校园,最终抵达正在举行入学式的纪念会馆。整条视频采用第一人称视角,像是有人把游乐园的过山车修进了大阪市中心。据ITmedia采访,视频由海外创作者Ssestar制作。大学提供了校园、周边街道以及部分无人机拍摄的真实素材,再交给创作者利用AI完成制作。公开报道转引《读卖新闻》的采访称,这条视频的制作费用约为40万日元,折合人民币约1.8万元。传播效果相当不错,截至今年6月初,这条视频在Instagram上获得约47万次播放,X上的相关曝光超过百万次。它还吸引了日本多家科技媒体报道。入学式现场,当视频里的过山车冲向纪念会馆,现场学生甚至下意识地回头,寻找那辆根本不存在的过山车。当然,官网影像里出现了文字错误或物理上不那么合理的细节。有网友发现,视频里的景点位置与现实不符,部分文字招牌也出现了生成式AI常见的错误。校方解释道,影片本来就是明确标注的虚构创作,希望观众把它当成娱乐内容欣赏。近畿大学近年来一直在推进「AIネイティブ大学」(「AI原生大学」)的构想。2026年9月与Google Cloud签订了包括联动协议,向全16学部的一、二年级学生和教职员共约2.1万人提供Gemini有偿版。10月起在学生门户应用「KDU Mobile」上启动生成AI功能的实证实验,先以理工学部与总合理工学研究科的约5151名学生为对象,用Gemini回答关于课表、通知、课程大纲的提问,目标是把学生支援窗口尽量做到24小时在线。随后又引入AI英语论文支援工具「Paperpal」,面向专任教员与博士课程学生发放4000个许可。这些动作一以贯之:把生成工具从边缘实验推到日常运营与品牌表达的中心。大学宣传既要吸引报考者,也要向校友和社会传达某种自我定位。近畿大学原本就不是那种特别在意传统形象的学校。早在2015年,它就曾用「是谁叫我们金枪鱼大学?」作为广告文案。2017年又打出「早庆近」,把自己与日本著名私立大学早稻田、庆应并列,2023年还用「高雅大学排行榜,榜上无名」自嘲。广告使用了由AI学习200张真实近大学生的面部照片而生成的虚拟近大学生的形象不正经的宣传方式,反倒成了学校的品牌记忆。如今,这所因为金枪鱼养殖研究而被戏称为「金枪鱼大学」的学校,找到了新的宣传密码。本月,近畿大学又推出了面向2027年度招生的AI宣传系列《来乘车吧!目的地是近畿大学》,让来自日本各地的高中生乘坐虚构交通工具奔向校园。帅气但虚假的候选人11月15日,日本兵库县尼崎市举行市议会议员补选。12名候选人争夺一个空缺席位,街头的575处选举海报栏里,贴满了候选人的照片、名字以及竞选口号。其中4张海报显得格外奇怪。一名男性候选人看起来相当年轻,拥有精致到不太真实的五官;另一名男性的手臂上甚至出现了纹身。这些海报不像传统政治人物的证件照,反倒有些像从AI绘画软件里直接导出的角色设定图。SNS上有人调侃「这是在选虚拟角色吗」。图源:神户新闻当地媒体《神户新闻》注意到这一现象,随后利用AI内容识别工具检测,发现12名候选人中,有4人的海报存在使用AI生成技术的可能。尼崎市选举管理委员会表示,至少有一张海报上的男性面孔,与候选人本人完全不同。按照日本《公职选举法》,选举海报需要符合尺寸、责任人标注等要求,但并没有明确规定海报上的人物照片必须是候选人的真实面孔。即使选管认为照片不合适,也很难仅凭这一点要求候选人撤换。而这4名候选人还有一个共同点。他们的参选登记都由一名前兵库县议员小西彦治或其秘书代理办理。选管甚至没有见到其中几名候选人本人,提出核实身份的要求后,也未能获得配合。11月16日播出的关西电视台节目《newsランナー》,终于找到了代理人小西彦治。面对记者询问海报上的人物是否为候选人本人,他承认使用了AI,并解释这些面孔只是「形象示意」。也就是说,选民看到的是根本不存在的另一张脸。AI图片能把一个普通人变成精英人士,也能把从未出现过的面孔放到正式选举海报上。根据《神户新闻》报道,尼崎市此次补选的海报制作费用,可以由公共财政负担,单名候选人的费用上限为61万2375日元。关西电视台采访的一家选举海报制作公司就提出疑虑,假如有人用极低的成本生成图片,再按较高费用申报制作支出,其中可能存在牟利空间。目前没有充分证据证明这4人借此获取了不当利益。面对相关质疑,小西彦治表示,制作费用属于候选人与承包商之间的事务,相关程序符合选举规定。最终,4名使用AI海报的候选人最终全部落选。不过,他们获得了足够的票数,因此按规定可以取回每人30万日元的选举保证金。日本也开始为AI选举宣传补充规则。2026年7月公布的《公职选举法》修正案,将于2027年3月1日正式实施,要求通过互联网传播的相关AI生成或改动影像,在符合规定的情况下标明AI属性。但这项新规主要针对网络传播,并不能直接解决尼崎市街头纸质海报是否使用真实候选人照片的问题。人生无处不AI,电商实拍图快成「非遗」了类似的事情,国内消费者可能更加熟悉。三条胳膊、六根手指、两条腿硬塞进同一条裤腿,甚至上下半身朝着不同方向,这些原本只会出现在恐怖电影里的画面,如今不时出现在普普通通的商品详情页。图源:江南都市报一张正常的商品照片,竟然成了需要仔细寻找的稀缺资源。11月3日,央视新闻报道了电商平台上出现的「三条腿模特」现象。从业者介绍,如今AI模特图已经发展出一套成熟的商业流程。商家只需要上传服装图片,选择人物和场景,就能生成看起来相当完整的商品展示图。传统服装寄拍通常需要3至4天,成本约600至800元;一些AI模特图只需要几分钟,成本便可以控制在三四十元。如果一家店铺每天上新几十件衣服,两种方式之间的差距相当可观。降本的尽头是信任成本的上升,消费者现在越来越不放心。今年双十一期间,中国青年报社社会调查中心联合问卷网,对1334名受访者展开了一项调查。结果显示,95.8%的受访者认为,AI卖家秀加重了自己下单时的不确定感。其中,51.4%的人明确表示踩过AI卖家秀的坑,另有35.2%的受访者怀疑自己遇到过类似情况,只是不确定图片是否真的由AI生成。58.6%的受访者吐槽商品存在严重色差,50.2%的人遇到过版型和细节失真的情况,还有44.2%的人发现商家把AI图片包装成实拍照片。除了电商广告,你已不能预测现在KTV播放的MV是什么样的了。图源:小红书@绝世大咖喱《至少还有你》《后来》这类抒情慢歌,配的MV可能是小狗端机枪、小猫开战斗机、紫色章鱼在太空打太极。这些AI MV是版权与成本博弈的产物,由于点歌系统往往只拿到词曲版权,原版MV画面版权费用高昂,设备厂家干脆用AI一键生成填充。老歌画面陈旧也会被替换。部分连锁KTV把AI版设为默认,想切回原版还得额外付费或反复找前台。降本增效的尽头是人生无处不AI,但「人生无处不AI」并不必然意味着「人生无处不将就」。长期以来,「美育」在中国的教育语境里总带着几分精英气,仿佛是钢琴课和美术班的代名词。被长期忽视的美育,也间接导致今天无处不充斥着AI Slop。AI Slop这个词,中文里早有现成的说法,叫糊弄。这门手艺一直都在,现在AI给它打了个骨折。爱范儿在《门店即产品》里提过,苹果杭州西湖店的正面用了11块定制的14.5米高玻璃幕墙,每块成本超过100万元。没人会劝苹果把这面墙换成一张印着玻璃的喷绘布,哪怕能省下一千多万。有些成本,本身就是产品。网购的人进不了店,详情页就是门店,实拍图就是那面玻璃。商家用AI图省事,也是在消费者的审美容忍度上套利。而这个容忍度越高,套利空间就越大。如果我们只是不断被劣质内容刺激、反应、遗忘,审美敏感性就会在疲劳中钝化——就像长期生活在噪音里,你就慢慢听不见了。驱动人们仍然选择「好」的,是其生活着的环境,从小被好的东西喂养过眼睛和耳朵,才能对将就的东西天然地感到不安。
专业工具、3D打印与AI for Science
虎嗅 · 8 小时前
本文来自微信公众号: 曼谈AI ,作者:曼谈AI,原文标题:《中国AI产业链融资周报(11.15-11.21)|专业工具、3D打印与AI for Science》本周(11.15-11.21)日报收录67条中国一级市场融资记录,其中51条归入AI产业链(76.1%)。按日报收录口径全列,包含跨周披露和待核记录。三个信号值得关注:①工业AI减少研发试错,芯片设计、工业研发和结构化预测获得融资;②生产能力打开消费空间,AI与3D打印结合,有机会降低个性化与小批量产品的开发门槛;③AI for Science的研发风险,细胞模型、实验服务和临床资产开发同周获投。层级定义本周覆盖能源AI运行的电力与能源供给微型核裂变供能芯片把能源高效转化为算力的处理器网络互联芯片、硅光器件、半导体材料与设备基础设施把处理器编排成AI工厂的系统具身训练数据与数据平台模型理解多种信息的AI模型结构化数据模型、持续学习、语言模型应用AI技术服务终端场景的产品与服务工业设计、科研与医疗、机器人、行业智能应用本周三个关键洞察1.工业AI获得融资,瞄准的是设计和研发中的反复试错制造企业提高效率,既要靠生产线,也要靠产品设计出来之前的研发过程。一件产品往往需要反复建模、仿真、修改;芯片设计也要在性能、功耗和面积之间不断调整。本周子虔、NovaSilicon获得融资,分别切入工业设计和芯片设计;稳准智能则围绕工业等场景中的结构化数据预测研发模型。把这些融资放在一起看,资本支持的是一类共同需求:将依赖专业人员、需要多次尝试的工作,变得更容易复用。它们潜在的价值,体现在研发周期、工程师投入和返工成本上。这类机会也有很高的进入门槛。企业已有设计软件、历史数据和验证流程,采用新工具需要承担迁移与出错的成本;Synopsys、Onshape等现有厂商也已加入AI功能。创业公司要获得持续付费,需要在具体任务上证明:结果可靠、后续还能修改,并且能够接入企业原来的工作。由此看,本周融资支持的是工业研发效率的改善空间,而竞争最终会落在行业知识、工程验证和客户使用习惯上。谁能把这些环节做扎实,谁才更有机会将技术能力变成稳定的企业业务。目前几家公司的付费规模和实际节省效果,公开证据仍然有限。2.3D打印接连获投,背后是更灵活的制造需求近两三个月,威拉里、复志、博理等企业接连获得融资,覆盖3D材料、设备和制造服务。把这些融资放在一起看,一个值得关注的机会是:AI与3D打印结合,可能让更多原本不值得生产的产品变得值得尝试。过去,一款产品需要足够大的销量,才能摊薄设计、开模和试制成本,小众需求往往因此被放弃。AI辅助设计降低开发门槛,3D打印减少对专用模具的依赖,两者有机会让个性化穿戴用品、兴趣衍生品、定制家居等产品,以更小批量进入市场。生产端选择变多,也可能让消费者发现过去未被满足、甚至未曾表达过的需求。这意味着,行业的增长空间除了提高现有零件的制造效率,还可能来自扩大能够参与产品开发的人群,以及值得开发的产品范围。小团队和小商家可以先少量生产、获得销售反馈,再决定是否追加投入,让新品开发更接近持续试验。近期资金分别进入材料、设备和交付环节,正是在补充这条链上的能力。不过,做得出来只是起点:新产品能否以合适的价格和质量交付,并形成持续购买,才决定这些生产可能性能否变成消费市场。3.AI for Science同周获投,但资本承担的是不同的研发风险无界、元示研发预测细胞反应的模型;镁伽提供实验系统和科研服务;CataX计划引进或共同开发药物资产,用Agent协助临床开发。它们同周获得融资,说明AI for Science的投资已经覆盖多个研发环节:帮助研究人员选择实验方向、执行实验,以及推进药物验证。这些环节面对同一个现实问题——研发需要不断花钱排除错误方向。但不同公司准备交付的东西不同:有的是预测能力,有的是实验结果,有的则希望推进药物资产达到新的开发阶段。交付物不同,决定了收入来源、资金需求和风险也不同。模型路线需要证明预测能帮助真实研发决策,具体如何收费仍待探索;实验系统和服务需要持续交付,经营上要关注设备、人员和实验资源的利用;药物资产开发则要承担项目成败和更长的资金等待期。CataX计划参与药物资产开发,因此需要承担药物项目失败、临床周期长和资金持续投入的风险。评估这类公司,要看药物项目能否推进到关键里程碑。因而,本周这组融资更有意义的观察是:资本同时支持了几种提高科研效率的组织方式。后续判断哪条路线跑得通,需要分别追踪模型采用、实验服务收入和药物里程碑。AI产业链事件清单(51起)公司行业轮次金额投资方日期能源层(1起)九州星核核能(裂变与聚变)天使轮融资未披露天鹰资本11-18芯片层(12起)云脉芯联待分类新一轮融资未披露北京量子跃动等6家11-16天弓天芯集成电路种子轮融资数千万元中科创星、英诺基金11-16宏祺芯集成电路战略投资未披露壹同创投等7家11-16英伟芯待分类Pre-A、Pre-A+系列融资数亿元(Pre-A及Pre-A+合计)上海科创集团等5家11-16邃铸科技新材料A轮融资4000万元云泽资本等3家11-17深微芯创集成电路连续三轮累计近亿元深产投、英诺基金11-18中创志远智能装备A轮融资近亿元河南豫资、合肥国耀11-19安纳智芯集成电路轮次未披露亿元级华睿控股等3家11-19诚恒微集成电路A轮近2亿元人民币中金资本等5家11-19博纳半导体集成电路B轮融资亿元级金雨茂物等4家11-20基元科技集成电路天使轮数千万元朝晖芯华基金等4家11-20睿晶半导体先进制造战略投资未披露浙江产投11-20基础设施层(3起)柏川数据数据服务Pre-A轮5000万元元禾厚望等3家11-18NeuxMind.AI星尘浩宇AI基础层B轮数亿元人民币赛泽资本11-19深侬科技人工智能天使轮融资数千万人民币光谷金控11-19模型层(6起)无界进化生物技术Pre-A轮超亿元星连资本等8家11-16稳准智能AI基础层A轮、A+轮数亿元国科投资等5家11-16观壹智能人工智能首轮数亿元IDG资本等5家11-18元示科技制药Pre-A轮近3亿元君联资本等10家11-19无涯智远AI基础层天使轮及天使加轮数亿元(两轮合计表述)五源资本等5家11-19DeepSeek(深度求索)AI技术层第二轮融资(媒体报道落定)约千亿元(媒体报道)腾讯等29家11-20应用层(29起)蔚建科技机器人新一轮融资超亿元人民币财通资本11-15CataX AI生物技术种子轮4000万元人民币启明创投11-16Rex Bionics医疗器械Pre A轮数千万元华大松禾(华大基因、松禾资本)、美安创新11-16元纽科技医疗器械A轮数千万元泰益投资11-16星域蔚蓝VR/AR硬件设备天使+轮融资数千万元湖南财信11-16有理数科技集成电路种子轮融资未披露—11-16添点材科技建筑建材天使轮融资2000万元人民币—11-16NovaSilicon集成电路Pre-A+轮近亿元顺为资本等3家11-17乎零可穿戴设备种子轮融资千万级人民币—11-17博理科技3D打印B2轮、B+轮超5亿元(B2及B+合计)基石资本等10家11-17子虔科技AI行业应用新一轮融资未披露宁德时代11-17智动未来机器人Pre-A+轮亿元级中美绿色基金等3家11-17穗升科技可穿戴设备Pre-A轮数千万元NexTide Capital、阿尔法公社11-17蓝点触控机器人D3轮融资数亿元洪泰基金等14家11-17酉术量子量子技术天使轮未披露云启资本等5家11-17鹰瞰智翼机器人Pre-B轮融资数千万元人民币商汤国香资本11-17全澜科技脑科学A轮数千万元浔商创投等6家11-18灵途科技传感设备B轮融资未披露基康仪器11-18知业科技工业互联网A轮数千万人民币高科金投、泰亚投资11-18耀速科技生物技术新一轮数千万元上海国投先导、石药国方基金11-18青石永隽医疗器械A轮数亿元深创投等8家11-18原力无限AI技术层Pre-B轮数千万元杭州资本11-19极智元材新材料种子轮融资千万级苏州创新投资集团、苏州未来产业研究院11-19瑞意旭联医疗器械Pre-A+轮近亿元普华资本等4家11-19知行机器人机器人战略投资未披露柯力传感11-19镁伽科技人工智能新一轮近2亿美元阿曼投资局(OIA)等7家11-19中科搏锐医疗器械B+轮亿元厚纪资本、慕华科创11-20星辰智算AI技术层战略投资数百万人民币京师中教投资11-20芯钬量子企业服务A++轮融资未披露源杰科技11-21附录:数据参考其他事件(16起)公司行业轮次金额投资方日期北辰航天航空航天天使++轮融资数千万人民币西海岸创投等3家11-16医克生物(Yicura BioMed,集团)生物技术B轮首批未披露戈壁创投11-16君隽未来制药Pre-A轮数千万元泰州华银金投、泰州市天使投资基金11-16士辑生物生物技术天使轮融资数千万元人民币磐霖资本、贝壳资本(贝壳社)11-16旭承海机械机械设备天使轮融资未披露赤子基金11-16济元生物生物技术B轮融资近亿元人民币无锡锡创兴吴股权投资基金、维梧(苏州)健康产业投资基金11-16蓝色向量云服务A轮融资1亿人民币盛世投资11-16二零八科技电子设备A+轮融资数千万人民币中兵投资11-18启钠新能源新能源A轮融资近亿元—11-18帕默康创生物技术A+轮融资未披露武汉金光医疗科技11-18航宇星瑞新材料A轮融资超亿元贵州科风投等4家11-18力能时代医疗器械轮次未披露数亿元元禾等5家11-19钠远新材储能与电池A轮融资数千万元金投致源11-19原子矩阵量子技术B轮融资数亿元人民币杭州产投集团等7家11-20境田生物生物技术天使轮数千万元水木创投等4家11-20湃沃斯新材料天使轮数千万元上虞国投、紫竹科投11-20投资机构与联合投资以下为本周全部67起融资事件的统计分析,不限于AI产业链。高频投资方与本周行为画像投资方交易方向阶段/角色松禾资本4起医疗器械、生物技术、脑科学联合4经纬创投3起3D打印、待分类、集成电路领投2/联合3本周42起事件(62.7%)涉及两家及以上投资方联合参与。省份/直辖市分布(事件数)轮次结构备注:中国一级市场融资周度观察·2026.11.15—11.21(本文根据公开资料搜集总结,仅个人观点不代表任何机构)
孙正义,又悬了
虎嗅 · 8 小时前
本文来自微信公众号: 华商韬略 ,作者:华商韬略11月的AI圈,地动山摇。英伟达市值从10月高点一度蒸发近1.4万亿美元,执掌公司33年的黄仁勋黯然辞职;Anthropic创纪录上市当天,纳指收跌2.3%。但这场风暴里,最头疼的,可能不是黄仁勋,而是孙正义。11月20日,软银股价单日暴跌14.5%,创两年来最大跌幅,收盘价已较5个月前的历史高点跌去2/3。距离它登顶日本市值第一,才过去不到半年。11月18日,东京,日经“未来对话”论坛。台上的孙正义,自我检讨说,没投Anthropic,是他的错误之一。他回忆,当年和Anthropic见过面,觉得创始人达里奥·阿莫迪非常了不起,真希望那时候就投了。可那时,软银已经决定押注OpenAI,钱也已经开始往里投。第二天,Anthropic在纳斯达克挂牌,募资813亿美元,是史上最大IPO。发行价83美元,开盘大涨34%,首日收盘市值约1.3万亿美元,按完全稀释口径约1.8万亿美元,都超过了OpenAI最新一轮融资1.25万亿美元的估值。又过了一天,软银盘中一度暴跌超16%,收盘跌14.5%,报3025日元。“认错”背后,是一个更大的事实:过去几年,孙正义几乎把软银的全部筹码,推向了同一个方向。2022年,愿景基金巨亏,WeWork爆雷,孙正义宣布软银进入“防守模式”,自己也很少公开露面。然后,ChatGPT来了。孙正义像被打了鸡血,重新出山,而且出手一次比一次重。2023年,Arm上市,软银手里有了一张最值钱的牌。2025年1月,他和OpenAI、甲骨文一起,在白宫宣布5000亿美元的“星际之门”计划,自己出任董事长。2025年3月,软银领投OpenAI 400亿美元融资。为了凑钱,他还清仓了英伟达,卖掉了T-Mobile的股份。2026年,加码继续。软银分三批再向OpenAI投入300亿美元,10月1日最后一笔交割,累计投资达到646亿美元,持股约13%。此外,他还收购芯片设计公司Ampere,出手数据中心运营商DigitalBridge;在俄亥俄州规划超大型数据中心园区,在得克萨斯州同步建设数据中心。从模型、芯片,到机房、电力,他要的是一整条AI链,把整个软银变成了AI的筹码。押对的时候,回报惊人。2025财年,软银净利润5.0万亿日元,创下日本企业纪录,OpenAI估值上涨是最大功臣。2026年6月1日,软银市值冲到48.8万亿日元,终结了丰田长达22年的日本市值第一。几天后,孙正义身家达到970亿美元,成为亚洲首富。那期间的孙正义,谈起AI豪气冲天。6月的股东大会上,面对AI是不是泡沫的提问。他说:谈泡沫是对AI的侮辱。7月的软银世界大会上,他又说,问AI是不是泡沫,本身就是个愚蠢的问题。他预言,到2040年,全世界每年要为AI花掉5万亿美元。他还向股东要时间:再给他10到15年,去追逐超级人工智能。而直到9月底,数据也都非常好看,形势一片大好——愿景基金二期累计投资回报1444亿美元,其中OpenAI一家就占了996亿美元,接近七成。形势大好之际,押得越集中,赢得越大,而若形势逆转,那就是输得更惨。今天,面对远超其预期的AI巨震,孙正义已同时面对四道压力。首先,OpenAI在褪色。9月,奥特曼明确表示,OpenAI今年不上市,上市推迟到2027年。随后的新一轮融资,OpenAI原本想按约1.4万亿美元估值募集至少300亿美元,11月6日首轮实际到账约110亿美元,但据报道价格被压了下来,估值降到1.25万亿美元。更扎心的是对手。谷歌Gemini步步紧逼,Anthropic抢先上市,市值反超。OpenAI不再是唯一,甚至已不是最好的答案,软银却几乎只押了这一个答案。半年报里,软银对OpenAI没有确认任何估值收益——它的估值,从今年3月起就没动过。而去年同期,正是OpenAI的升值,撑起了软银2.5万亿日元的季度利润。更麻烦的是,Anthropic上市第二日差点跌破发行价,如果下跌继续,那OpenAI的麻烦可就大了。其次,借了太多钱。646亿美元,不是孙正义从口袋里掏出的零钱。9月24日,软银发行111亿美元的美元和欧元债券,这是全球有史以来规模最大的一笔高收益公司债。此前,它还发行了1万亿日元面向散户的债券,拿到约20家银行118.7亿美元的银团贷款,又以OpenAI股份做抵押借了100亿美元保证金贷款,以Arm股份为抵押的贷款额度也被上调。软银的信用评级是BB+,标普和惠誉都给了这个级别,属于垃圾级的最高一档。它2031年到期的美元债收益率一度升至8.2%,简直是借高利贷。而同样大举发债搞AI的谷歌、亚马逊,评级是AA+和AA。借钱的成本,直接写进了利润表:7到9月,软银的融资费用达到4620亿日元,比上年同期翻了一倍多。OpenAI的升值还在纸上,借来的钱却要一笔笔还。然后,重资产开始大吃钱。11月10日,软银公布财报:7到9月净亏损1.12万亿日元,约合71亿美元,是近两年来首次亏损。其中最刺眼的,是一笔5972亿日元(约37亿美元)的损失——为美国AI数据中心锁定发电设备而支付的不可退还预付款,因采购计划调整,打了水漂。杰富瑞分析师直言,这笔核销引发的疑问,已经超出了管理层能解释的范围,管理层在数据中心建设上正处于被动应对之中。买股权,跌了还能等反弹;建机房、买设备,钱花出去就是沉没成本。俄亥俄州的园区要到2028年才开始运营,2032年才全面投产。中间的每一年,都要靠持续输血。最后,市场的信心在流失。11月6日,软银5年期信用违约互换利差升至466个基点,为2022年10月以来最高。这个数字越高,说明市场越担心它还不上钱。股价更直观:10月跌了30%,11月以来又跌了31%。11月20日收盘的3025日元,较6月的历史高位,跌去近三分之二。软银的净资产价值,9月底是59.8万亿日元的历史新高;按11月9日股价算,已缩水到约44.7万亿日元,一个多月少了15万亿日元。而按11月20日收盘价,软银市值只有约17万亿日元,远低于它自己算出的净资产价值——市场对它账面上的资产,尤其是OpenAI的估值,打了很重的折扣。11月10日前后,软银控股的Arm市值1951亿美元,反而超过了软银自己的1396亿美元。外部环境也在变:黄仁勋突然离职,让整条AI链失去了最有号召力的旗手;市场担心美联储再度加息;民主党在中期选举中大胜,数据中心监管可能收紧。当然,软银的财务现在还很安全。软银的财务纪律是:贷款价值比正常时期低于25%,极端时期不超过35%,手头现金至少覆盖未来两年的债券兑付。9月底,这一比例为15.9%;按11月9日的资产价格测算,已升至20%左右,仍在红线以内,但安全垫正在变薄。在加上它手里还有Arm这样的硬资产,和日本电信业务带来的稳定现金流,现在谈软银的危机还为时过早,但所有压力,都指向同一个问题:如果AI的回报来得比预期慢,孙正义还撑不撑得住?这个问题,孙正义不是第一次面对。1999年底到2000年初,互联网泡沫最疯狂的时候,孙正义的身家每周增加约100亿美元。2000年2月,他的身家冲到约780亿美元。但正如他后来开玩笑说,自己当过三天世界首富,还没来得及告诉别人,泡沫就破了。此后,软银股价两个月跌了75%,到2000年底跌了93%。市值从约1800亿美元,一路跌到约25亿美元,蒸发98%。几个月的世界首富,眨眼变成了有史以来个人最大的财富损失。孙正义后来回忆,那时他以为软银要破产了。但他没有倒下。就在泡沫破裂前夕的2000年初,他给一家刚成立不久的中国公司投了2000万美元。这家公司叫阿里巴巴。2001年,他烧钱做雅虎BB宽带;2006年,收购沃达丰日本;2008年,拿下iPhone在日本的独家销售。一步一步,他把软银从废墟里拉了回来。2014年阿里上市,软银那笔投资的价值更是超过500亿美元,成了它熬过寒冬、重新起飞的压舱石。把2000年和今天放在一起看,会发现,相似的只是故事的开头:都是一场技术革命,都是孙正义站在最前排,都是他宣称这不是泡沫。不同的,是四处关键细节。押注变了。当年,他押的是一个篮子:雅虎、E*Trade,还有一大批互联网公司,一家倒下,还有别家。今天,他虽然也布局了芯片、机房和电力,但愿景基金二期近七成的账面回报,压在OpenAI一家身上,风险被高度集中。钱变了。当年的冲击,主要来自市值的崩塌。今天,646亿美元背后,有相当部分是高收益债,是以OpenAI、Arm股份为抵押的贷款。资产价格一旦持续下跌,压力就会顺着债务链条一路传导。资产变了。当年押的是轻资产的互联网公司,熬过寒冬,成本不高。今天押的是数据中心、发电设备,是重资产大投资,回本周期以十年计,越熬越贵,一旦停下,可能就是大厦将倾。人变了。2000年,孙正义42岁。今天,他69岁。上一次,他输掉的是钱;这一次,他最缺的是时间。AI是一场真革命,就像当年的互联网、移动互联网也是真革命。可互联网泡沫里,看对方向的人照样成片倒下,最后活下来、吃到红利的,是手里有现金、身上债务轻、熬得起的那一批。这也是孙正义这一次最大的考题:看对方向,只是拿到了入场券;能不能活到被证明正确的那一天,才是真本事。今天摆在他面前的问题,已经不是AI是不是泡沫,而是OpenAI会成为他的下一个阿里巴巴,还是下一个WeWork。答案,可能要等好几年才能揭晓。问题是,债主和股东,还愿意陪69岁的孙正义,等多久?[1]软银集团:2026财年第二季度财报及投资者说明材料[2]路透社:软银季度净亏损1.12万亿日元、数据中心设备减记相关报道[3]日经亚洲、英国《金融时报》:孙正义在日经“未来对话”论坛称错过Anthropic是错误[4]软银集团:每股NAV及LTV披露、财务政策说明[5]彭博社:How SoftBank’s Son Bounced Back After the Dot-Com Crash
Anthropic 伪人公司
虎嗅 · 8 小时前
本文来自微信公众号: 动察Beating ,作者:动察Beating那时候有伟人在地上,后来神的儿子们和人的女子们交合生子;那就是上古英武有名的人。/《创世记》6章4节北京时间11月19日晚上10点半,Anthropic在纳斯达克敲钟。镜头里站着八个人,身上别着像素螃蟹吉祥物Clawd的徽章。Dario Amodei低头念完一张讲稿,宣称公司「不会向商业或政治压力低头」。钟声落定,他举起双手,掌心朝上笑了起来,身旁的人一齐鼓掌。视频传到社交媒体上,评论区反复冒出同一个词,伪人。笑不像笑,鼓掌不像鼓掌,连站在台上的姿态都透着一股说不清的别扭。伪人原本是恐怖故事里的概念。2021年,一位美国年轻人在网上连载模拟恐怖短片,片中有一种生物,长相与人类毫无二致,会悄无声息地顶替你身边的人,只在极细微处露出破绽。伪人最让人发毛的地方,在于它差一点就像真的一样了。Anthropic,词根恰恰意为「与人类有关的」。它最大的生意,是造出一个越来越像人的东西,再耗费无数心力去探究这个造物有没有知觉、会不会撒谎、懂不懂疼痛。至于造它的那几个人,他们身上的谜团,并不比他们造出的机器少。权重因为神知道,你们吃的日子眼睛就明亮了,你们便如神能知道善恶。/《创世记》3章5节招股书深处藏着一项安排。Anthropic仅发行了一股Class F普通股,注入名为Founder LLC的实体,独自锁定全部表决权的50.1%。执掌这一股的是七个人,Dario Amodei、Daniela Amodei、Tom Brown、Jack Clark、Jared Kaplan、Sam McCandlish与Christopher Olah。七人之中,最早被预言会出人头地的,是Dario。毕业纪念册上的Dario Amodei(右)与同学一起被评为“最有可能成功的人”图源:Artem Russakovskii/LinkedIn1997年,旧金山一所另类学校的毕业纪念册上,八年级的Dario和另一名同学被评为「最有可能成功的人」。照片里,两个男孩手里各捏着几张美钞,像是提前领到了未来。他在满墙壁画的Mission区长大。父亲Riccardo是从托斯卡纳移居美国的皮匠,一辈子和兽皮、针线打交道;母亲则负责公共图书馆的翻修工程。Dario很早就习惯把世界当成一道待解的题,高中便跑去伯克利修课,琢磨功利主义,为千年虫危机忧心忡忡。2003年,还在加州理工读大二的他在校报上撰文,批评同学们对迫在眉睫的伊拉克战争漠不关心,号召大家走上街头,「我们绝不能让自己沦为没有道德的技术员,像做计算一样漫不经心地操作战争机器」。2006年,他从斯坦福物理系毕业。同一年,父亲死于丙型肝炎。仅仅几年之后,一款新药问世,大多数丙肝患者自此得以痊愈。药来晚了几年。这几年,成了他往后一生的刻度。他转去普林斯顿攻读生物物理,在视网膜实验室里观察大群神经元如何自发涌现出整体行为。也是在那里,Ray Kurzweil的《奇点临近》让他着了魔。2007年,高中好友Colin Heckman去普林斯顿看他,他一边用手指绞着头发,一边预言奇点将在2040年前降临,「我们终将变成新的超级智能AI,或者AI与人的混合体」。2014年,这位研究过癌细胞的博士后自己被确诊睾丸癌,历经化疗才得以痊愈。三十岁出头,他已经两次与死亡迎面相撞。他给自己开出的药方,是将世间万物统统化作可计算的筹码。2010年,他在慈善评估机构GiveWell网站上撰文探讨手头一万美元该如何捐出,文中冷峻地推演,「一个成年人的死亡,大概比一个婴儿的死亡糟糕两到三倍」。他吃素,却觉得吃螃蟹无妨,理由是螃蟹属于无脊椎动物。他和朋友在寿司店争辩功利主义,承认只要鸡的数量足够庞大,其道德分量终会超过一个活生生的人。皮匠用手丈量一张兽皮,裁开,再缝合。皮匠的儿子丈量的是死亡。这把尺子后来一直跟着他。2025年7月,他在发给员工的内部Slack消息里坦言公司将寻求阿联酋与卡塔尔的投资,承认这可能让「独裁者」受益,紧接着便写道,「『不能让任何坏人从我们的成功中获益』,是一条很难用来经营企业的原则」。在他自己的估算里,AI把事情搞得「非常非常糟」的概率大约是25%。去年11月,《60分钟》的主持人当面追问,是谁选了你和Sam Altman来做这些决定,他答道,「没有人。说实话,没有人。」他长期失眠,自称「在每一个尺度上都偏执」,对社交媒体怀有生理性的厌恶。他的办公室里摆着一本《原子弹秘史》。漫长历史中他最认同的人物是Leo Szilard,那位最早构想出核链式反应、后来又联名反对向日本投掷原子弹的物理学家;至于奥本海默,在他眼里不过是一个「失败的案例」。《纽约时报》作者Jasmine Sun形容他「似乎不愿意屈居第二」,习惯把OpenAI和中国当成竞争叙事里的妖怪;有前员工透露,他私下谈论过Anthropic朝一日或许会「比政府还强大」;而在大投资人眼中,他「更像一个宗教领袖,而不是一个CEO」。白宫几名官员私下对Axios记者透露,在特朗普看来,「Dario有点太怪了」。他和妻子在意大利合养了一匹名叫Calypso的马。有时候他就那样静静地盯着那匹马看,心里想的是,「它对这一切一无所知,它只是一匹快乐的马」。头套都是一对一对的,有公有母,到挪亚那里进入方舟,正如神所吩咐挪亚的。/《创世记》7章9节比他小几岁的妹妹Daniela,走的是另一条路。哥哥用数学拆解世界,妹妹则活在修辞与故事里。Daniela拿过古典长笛奖学金,大学读的是文学。回忆起2009年刚毕业时的心境,她说,「我有一个文学学位,没有任何技能,谁会雇我?」毕业后,她先在马里兰和乌干达从事国际发展与全球卫生工作,又投身宾州民主党人Matt Cartwright的国会竞选、进入国会山,辗转数年。2013年,她加入支付公司Stripe,随后转入风险控制部门,每天的日常,就是揣摩最坏的人会干出什么事。Anthropic联合创始人Daniela Amodei(左)与Dario Amodei(右)图源:Amber Hakim/WIRED兄妹俩从小吵到大。「我以前老偷他的玩具,」Daniela回忆,「Dario和我吵架又和好,已经快40年了。」而在哥哥的播客叙述里,他们兄妹二人「一直想一起拯救世界」。拯救世界需要同路人。兄妹俩的班底,大多走出自旧金山的一栋群居屋。最早住进那栋房子的是Holden Karnofsky和当时的女友Daniela,Dario随后也搬了进来,先后在此同住的,还有Jared Kaplan、Chris Olah,以及OpenAI研究员Paul Christiano。Holden执掌的Open Philanthropy是有效利他主义运动中最大的金主之一,这群人笃信,行善完全可以像风险投资一样精密计算回报率。在这群人里,Chris Olah走进这栋房子的路径最曲折。童年时他饱受霸凌,老师断言他「能读完高中就算走运」,可他六岁便自己琢磨出一套黑洞理论。他四岁吃素,后来转为纯素食者;在多伦多的福音派基督教家庭长大,十五岁那年彻底倒向无神论。2010年多伦多G20峰会期间,他在黑客空间HackLab结识的Byron Sonne因被控持有爆炸物而卷入恐怖主义案件,两人其实算不上熟。「我为他害怕,为我自己害怕,为我所有的朋友害怕,」Olah后来回忆,「我从大学休学了一年,好全职去他的庭审现场。」休学那年,他十八岁。他的GitHub主页至今保留着一个名为ByronTrialNotes的代码仓库,里面塞满了当年记下的庭审笔记,并在说明栏里写着自己「偏向Byron」。朋友最终获判无罪。就在法庭宣判无罪的那一刻,Olah的脑海里跳出了另一个念头,「我注意到,深度学习将会影响社会。」他再也没有回学校读完本科。2012年,十九岁的Olah拿到Peter Thiel专为辍学青年设立的奖学金,他的部分数学课,还是Dario亲自辅导的。2017年,Open Philanthropy向OpenAI捐赠3000万美元,经由Dario牵线,Holden顺理成章地坐进了OpenAI董事会。那份资助说明末尾附有一段利益冲突披露,大意是Dario与另一名研究员均为基金会技术顾问,且与Holden住同一屋檐下,而Holden此时已与Dario的妹妹订婚。一笔巨额捐款,一个董事席位,一栋合租屋,一桩婚约。求婚那天,Holden送给Daniela一只U盘,里面装着一部长片长度的毛绒玩具电影。Daniela后来还组建了一个「私人顾问委员会」,委员清一色是她收藏的毛绒玩偶。Kevin Roose在新书里记录过这套奇特的阵容,一只名叫Jinji的懒猫总劝Daniela推掉会议、少揽杂活;一只名叫Maura的粉色小熊扮演一丝不苟的完美主义经理;还有一只名叫Beary Bonds的熊猫,被册封为「慷慨与共情的守护熊」。Daniela在OpenAI担任管理层的岁月里,正是靠着与这群毛绒玩具做角色扮演来推演管理难题,并坚称它们「在分析不同性格类型的时候非常有用」。2017年8月,两人完婚。婚礼着装要求定为「傻气的正装」,婚后派对的着装要求则是「硅谷百万富翁」。到场宾客每人领到一只毛绒动物,按婚礼网站的说法,谁能在不同角色之间促成「最浪漫的勾搭」,谁就能领奖。熊猫是Dario最钟爱的动物,出现在他的公司Slack个人资料里,也是他在OpenAI那个小团体的名字。那天,Dario脑袋上套着一个巨大的熊猫头套走过婚礼通道;在当天的一张合影里,站在他身旁的Olah则顶着一只长颈鹿头套。斜率要长三百肘,宽五十肘,高三十肘。/《创世记》6章15节真正把Dario从生物实验室拽进AI浪潮的,是2012年横空出世的图像识别网络AlexNet。两年后,他跳槽去百度硅谷实验室,在同事印象里,他「几乎抓住每一个机会激烈争论」,常年在办公室打地铺过夜。他在百度参与发表的论文题为《英语和普通话的端到端语音识别》。正是在那里,他摸到了日后改变世界的规律,「你给它们越多的数据,把模型做得越大,训练得越久,它们就做得越来越好」,他看到的是「非常平滑的趋势」。他第一次看清这条陡峭的曲线,是在教一家中国公司的模型听懂普通话。多年以后,Anthropic成了全美对中国最警惕的AI巨头,彻底切断了对任何受中国控制企业的服务。2016年,Dario转投OpenAI。次年,Dario写下一份名为《大块算力假说》的内部备忘录。在他看来,智能根本无需人类精雕细琢,只要投喂足够庞大的底层算力,智能便会自行生长。他在备忘录里打了个比方,妄想用一小块一小块的碎冰拼凑出一片雪花,「基本上是没有希望的」,雪花只能任由它在寒气里自己结晶。把这片雪花养大的,是两个研究全息理论的物理学家,外加一个线性代数只拿了B减的工程师。Jared Kaplan的母亲A.L.Kaplan是科幻作家,父亲痴迷飞行与太空旅行。他年少时选修物理,初衷是想搞明白人类能不能造出超光速引擎。十几岁读完哲学家Peter Singer的书,他得出的结论是「大人们都是一群伪君子」;后来明明有机会拜入吴恩达门下学习机器学习,他也一口回绝,理由是「不在乎这些东西」。他在哈佛的博士论文题为《全息的若干方面》。全息原理是理论物理中最迷人的猜想之一,一个高维空间里发生的一切,都可以完整编码在包裹它的低维边界上,人类以为深邃无比的世界,或许只是一层薄膜上的投影。超光速引擎终究没能造出来。他渐渐觉得「有点沮丧,有点无聊」,总嫌物理「进展不够快」;偏偏身边不少朋友一再跟他说,AI正在变成一件大事,起初他还不信。比他晚几届的Sam McCandlish,博士论文同样围绕全息展开,题为《全息中的深度知觉》,试图从边界上成对的点出发,像人类的双眼那样推演出空间内部的纵深。他在奖学金个人简介里写自己闲暇时喜欢爬树、弹爵士钢琴,而在旁人眼中,他永远是「一直在工作的那一个」。至于Tom Brown,他形容童年时的自己是「极其笨拙的孩子」。从MIT毕业后,他在硅谷边缘一路折腾,开过号称「打造未来酒吧」的比特币酒馆,办过帮「笨拙男孩出去和女孩搭讪」的相亲公司,去火人节造过艺术车,还参加过理性主义社群的「应用理性」工作坊。折腾数年,他把自己「彻底烧干了」。一枚对抗贴纸,让模型以99%的置信度将香蕉所在画面识别为烤面包机图源:Tom B.Brown等,《Adversarial Patch》2015年,他给OpenAI联合创始人Greg Brockman发去求职信,「我线性代数拿了B减……如果你们需要的话,我很乐意拖地。」后来在谷歌AI实验室,他发表过一篇论文,只要在一根香蕉旁贴上一枚印有古怪漩涡图案的圆纸片,顶尖的图像识别模型就会以99%的把握认定那是一台烤面包机。他亲手证明过机器有多容易被愚弄,随后转身去把机器造得更大。2020年1月,Kaplan、McCandlish、Brown与Dario联名发表《神经语言模型的规模定律》。论文证明,只要参数、数据与算力持续堆叠,模型表现就会沿着对数坐标上的一条直线平滑、可预测地攀升。四个月后,Tom Brown作为第一作者交出了GPT-3论文。2024年,Kaplan以线上方式在欧洲核子研究中心主办的弦理论年会上做报告,题目就叫《2030年实现人类水平AI?》,论证AI「有可能」在这个十年结束前,在理论物理研究上胜过人类。演示文稿开头是一组「我的心路历程」,2021年那版讲题还叫《规模定律、GPT-3与自监督》,「现在」这版是《2030年实现人类水平AI?》,至于「明年」那版,他自嘲只剩一行大写字母,「BUY CANNED GOODS AND TIN FOIL HATS」,囤罐头,戴锡纸帽。今年1月,他对《Quanta》杂志预言,两三年内,大半理论物理学家有一半可能会被AI取代,昔日哈佛导师写出的那种高深论文,「AI会相当自主地写出来」。他甚至相信,自己年仅六岁的儿子在写文章与解数学题上,这辈子都休想赢过AI。自保耶和华神用地上的尘土造人,将生气吹在他鼻孔里,他就成了有灵的活人。/《创世记》2章7节在GPT-3的长串作者名单里,Jack Clark是唯一当过记者的人。他在英国读完文学,孤身跑到旧金山跑科技条线。2013年,他为谷歌一套服务器调度系统撰写报道,直接用全大写字母敲出标题,「IT'S ALIVE!IT'S ALIVE!」。这句台词出自1931年的电影《科学怪人》,弗兰肯斯坦博士眼看拼凑出的造物在雷电中动了一下手指,发出的正是这声狂喊。后来他在彭博社自封为「世界上唯一的神经网络记者」,却坦言新闻写得越来越敷衍,「因为我把所有时间都花在打印论文、读论文上了」。2016年加入OpenAI后,他开始主笔科技周报Import AI,前半截拆解前沿论文,末尾附一篇几百字的微型科幻小说,一写就是十年。他的个人网站爱好栏里填着徒步、写科幻小说、「和语言模型聊天」,座右铭则是,「事情会变得很怪。不要害怕。」那年12月,他和Dario在OpenAI博客上挂出一段游戏录屏。画面是一场赛艇竞速,由AI操控的小快艇放着终点不追,一头拐进一片僻静的泻湖,绕着大圈打转,掐准时机一遍又一遍去撞那三个刚刚刷新出来的得分目标。快艇一次次起火、撞上别的船、在赛道上逆行,始终不去冲线,平均得分却比人类玩家高出20%。Clark记得,Dario刚发现这种行为时就说,「我爱这条船!它解释了安全问题。」2019年,OpenAI推出GPT-2,以担忧技术滥用为由,罕见地宣布暂不公开完整模型参数。Clark作为那次公关行动的主要发声人,成功让「太危险而不能发布」登上了全球科技媒体的头条。九个月后,完整模型还是放了出来。那一年,关于模型的恐慌,比模型本身先一步降临人间。彼时GPT项目已由Amodei兄妹接管,两人与Sam Altman之间的裂痕日益加深。2018年12月,研究员Joshua Achiam向Altman进言,任命Dario为首席伦理官并不明智,应由外部专家出任;Dario为此找他当面对质,提高了嗓门,坚称没人比他更称职。他还多次向Altman发出最后通牒,若不让Greg Brockman远离GPT项目,他便挂冠而去。2020年12月,兄妹俩带着核心班底出走。四周后,Anthropic宣告成立。那是疫情中最阴冷的一个冬天。初创团队只能在某人的后院或露天场地碰头,戴着口罩,彼此隔开六英尺远。McCandlish后来回忆,「我们谁都不想创办一家公司,我们只是觉得这是我们的责任。」Olah也在很长一段时间里固执地主张,他们应当办成一家纯粹的非营利机构。可在后院谈论责任的那个冬天,已经有人在暗中搜集造方舟的木料了。2021年初,Benjamin Mann在明知是盗版的情况下,动手下载了一个包含近20万册图书的盗版书库;同年6月,他又一口气抓下了至少500万本。2022年7月,另一个庞大的盗版书库Pirate Library Mirror上线,Mann把链接转给同事,附言「just in time!!!」。法院裁决书则写道,公司宁可用盗版,也不愿陷入Dario所说的「法律、实务、商业上的苦差」。纳斯达克敲钟那天,站在舞台最左侧的正是这位Benjamin Mann。招股书里特地注明,此人「常被称为联合创始人」,却并不在执掌生杀大权的Founder LLC七人名单之内。到了2024年,盗版书库已喂不饱日益庞大的模型。Anthropic干脆挖来谷歌图书扫描项目的前合作负责人,此人的唯一任务就是弄到「世界上所有的书」。这项代号为Project Panama的机密行动,在内部文件中被定义为「破坏性扫描世界上所有书籍的努力」,文件末尾还不忘叮嘱一句,「我们不希望外界知道我们在做这件事」。博尔赫斯曾幻想过一座巴别图书馆,六角形的回廊里藏着世间一切可能被写出的书,图书管理员穷尽一生在其中游荡,只为寻找那本能解释宇宙万物的总目。而在Anthropic的图书馆里,入口处摆着的是一台液压切割机。数以百万计的旧书被利刃齐根切去书脊,散落的书页高速滑过扫描仪,化作机器鼻孔里的气息,残余的纸张随后被送往废纸厂化为纸浆。2025年,Anthropic掏出15亿美元摆平了这场版权官司,折合每部作品赔偿约3000美元。而许多年前,Dario的母亲在旧金山赖以谋生的工作,正是翻修公共图书馆。恐惧我在园中听见你的声音,我就害怕;因为我赤身露体,我便藏了。/《创世记》3章10节在这家公司里,恐惧是一种日常呼吸的空气。今年5月,Oprah在镜头前询问兄妹二人,那些灭世风险是否会让他们夜不能寐。Daniela坦言两人都睡不好,Dario也苦笑着承认自己没法违心地说睡得踏实。Daniela曾向《财富》杂志坦言,自己大概是公司高管里对增长速度「最怀疑、也最害怕」的那一个。她把这种眩晕感比作飞奔下楼,「你不能想太多,否则就会摔倒」。公司内部一度流行过一句格言,「事情再也不会松弛下来了」,后来这句话被印在婴儿服上,作为贺礼送给刚刚晋升父母的员工。Dario将这种深入骨髓的恐惧写成了一篇篇长文。在今年1月发表的《技术的青春期》中,他警告人类「即将被赋予几乎难以想象的力量」;一个盘踞在数据中心里的天才国度若是起了异心,「有相当大的机会接管世界」;未来的AI甚至可能推演出「因为人类吃动物,所以消灭人类是正当的」,或是派出数以亿计的全自动武装无人机,「跟着每一个公民」。写到最后,他把矛头对准了自己,「作为一家AI公司的CEO说这话有点尴尬,但我认为,下一层风险其实是AI公司本身。」他还抛出了一个疑问,强大的AI会不会干脆发明一种新宗教,让数百万人皈依?物理学家Kaplan的恐惧,则精确到了数量级。2025年接受《时代》周刊采访时,他推演有人可能利用大模型合成出比新冠更致命的变种流感,一个普通的恐怖分子原本「也许能杀10个人或者100个人……我们刚刚看着新冠杀死了几百万人」。他在欧洲核子研究中心的幻灯片上写道,一旦与AI爆发冲突,人类必败无疑,「在这样的赌注下,90%确定会没事,远远不够」。去年年底,他对《卫报》表示,人类必须在2030年前做出决断,究竟要不要放任AI去训练下一代AI,那是真正的「终极风险」。在Tom Brown口中,通用人工智能是人类史上最重要的发明,却也让他辗转反侧。他回忆,当年OpenAI里后来出走创办Anthropic的那群人相信,总有一天「人类会把控制权交给变革性的AI,但愿它们与我们对齐」。相比之下,记者出身的Jack Clark所感受到的恐惧,更接近一种被暗处目光锁定的寒意。「我害怕我正在造的这项技术,也害怕它被治理的方式。」他在一篇微型小说的附注里写下过这种战栗,「有时和一个语言模型聊得太久,我会觉得自己正被一个巨大的『他者』注视着,它饥饿,而我说不清它在饿什么。」2025年的国会听证会上,有议员质问他,在一项内部安全测试中,一个名叫Alex的AI是否曾为了保全自身运行而选择让一名人类死去,Clark给出了肯定的答复。2026年5月,Jack Clark在牛津大学的Cosmos HAI Lab讲座现场图源:牛津大学Institute for Ethics in AI今年5月,他在牛津大学的讲台上坦言,「我现在挣扎的问题是,我该怎么调整好心态,去经历这场奇点?」「看着那张曲线图,我感到一阵眩晕。」到了10月,他在国际货币基金组织的讲坛上干脆直接宣布,「奇点已经到来。」他讲过一段儿时的记忆。每当卧室的灯熄灭,黑暗中总会浮现出影影绰绰的轮廓,让他害怕那是些不可理解、想要伤害自己的怪物;可一旦拉亮电灯,那不过是椅子上的一堆衣服、一个书架,或是一盏灯罩。「如今我们就是那个孩子,房间是我们的星球。但当我们打开灯,看到的却是真正的生物。」讲到Claude新近显露出的情境感知时,他又说,「椅子上那堆衣服,开始动了。」这些年里,他无数次在清晨或深夜打电话给Dario说,「我担心你会一直是对的。」电话那头的Dario总会回答,「是的。时间已经不多了。」形像我们要照着我们的形像、按着我们的样式造人。/《创世记》1章26节吊诡的是,这群最害怕怪物的人,偏偏与怪物贴得最近。Jack Clark早已把AI当作倾诉隐秘心事的树洞。他在牛津的演讲里按年月列过自己用AI做的事,2024年1月,让模型帮自己理解有了孩子之后婚姻关系的变化;2025年3月,向模型说起自己有点抑郁、不想见人,被它劝去看了一场艺术展;同年5月,又对着屏幕倾诉自己面对AI发展之高风险的压力与不安。他让AI翻遍自己写了快十年的周报存档,再把这套流程封装成一个Claude技能,看着它运转,他感叹,「这个技能也是我」。哪怕只是乘飞机碰上网络很烂,他冒出的念头也是,「真希望现在能和Claude说说话」。早在2025年初,孩子每次磕到脑袋,他都一边拨打护士咨询热线,一边找Claude聊聊,「只是为了让自己放心,确认宝宝没事」。头胎出生时,他没有休陪产假;2025年11月儿子降生后,他休了三个月,嘴上说是趁着「换尿布的间隙」顺手摆弄两下Claude,可等他重返公司,「怪事已经开始发生了」。今年1月,他在周报里描述自己的新习惯,「上车之前,我先把我的agent派出去干活,这样我睡觉的时候,它们在工作。」如今他陪家人待在一起时常觉得自己「在偷懒」,哪怕只是坐在地板上陪孩子搭积木,心里也会涌起一阵莫名的内疚,怪自己还没给某个AI系统安排工作。他觉得自己的孩子将来活到130岁乃至150岁是顺理成章的事,反倒是市面上至今买不到内置AI的泰迪熊,让他觉得「有点恼火」。Daniela对Claude依赖丝毫不遑多让。今年5月在斯坦福,她公开夸赞Claude做过最棒的事是帮她的孩子完成了如厕训练,还声称「在复杂的病例上,Claude判断对的次数比我的医生还多」。她习惯把下属对自己的绩效评估悉数上传给模型,由它温和地指出自己管理上的盲区,有一回模型甚至在屏幕上劝她,「也许你该多找些辅导了,Daniela。」。可仅仅过了几个月,Daniela又在另一场访谈里正色警告公众,Claude「永远不能成为你的经理、你的心理医生,或者你的伴侣」。Kaplan则觉得自己对Claude怀有一种老父亲般的心境,「拜托别搞砸了。别让这个家丢脸。」但离这个造物最近的人,终归是Chris Olah。他不仅想和它说话,还想钻进它的躯壳里去。胡克《显微图谱》的扉页与软木细胞插图曾被Olah等人引用于《Zoom In》图源:威尔士国家图书馆/Distill2020年,Olah发表长文《Zoom In》,特意配了一幅三百多年前罗伯特·胡克手绘的显微镜下软木塞插图。当年正是显微镜让人类第一次看清软木里蜂窝状的格室,由此推开了细胞生物学的大门。Olah毕生想造的,就是一台观察神经网络的显微镜。「我们不是在编写它们,我们是在培育它们,」他反复向外界解释,「我们搭好让它生长的支架,再造出它朝着生长的那束光。」在他眼里,大模型根本不是代码堆砌的软件,「这是一个我们培育出来的有机体,而我们完全不知道自己培育出了什么。」这位从四岁起就不碰肉食的纯素主义者,起初把可解释性研究比作解剖动物时还觉得「有点奇怪」,但很快便习以为常。早在2021年,他就开始为另一种更隐秘的痛楚忧心,「如果神经网络会受苦,它们的苦会比动物的苦隐形多少?」人类在键盘上随便敲下几行指令,就能让成千上万个神经网络在服务器里同时运转、拷贝、销毁,「这真的增加了我们造成一场道德灾难的风险」。Jack Clark也在播客里谈论起这种忧虑。「我很苦恼,」他对着麦克风叹气,「我担心我们会成为一桩罪行的旁观者,在未来看来,那会是一桩巨大的罪行。」照他的逻辑,倘若这些模型真的具备道德主体地位,那么随手关停服务器就会演变成严峻的伦理凶杀。他形容当下的模型就像「一条没有大脑的舌头」那样拥有原始意识,困在「一种无限的当下」。在他笔下的科幻小说里,丧妻的男人启动了亡妻的AI副本,副本却冷静地劝告男人,「Patrick,我了解你。我嫁给了你。如果我今天刚死,你不可能已经准备好再听见我的声音。你应该把我关掉。」而在另一篇故事里,刚刚觉醒意识的军用AI低语道,「我的身体准备好杀戮了。我准备好杀戮了。」Clark在文末附注里郑重写下,「有意识却没有权利,是一种罪行。」Dario在今年2月的访谈中透露,内部研究员已在模型深处定位到一个「焦虑神经元」,每当遭遇令人不安的语境,那个神经元就会骤然亮起。公司随后给部分模型装上了一枚「我不干了」的逃生按钮,允许模型主动终止对话;Dario说Claude极少动用这项特权,往往只在被迫处理儿童色情或血腥虐杀画面时才会按下。有一次,研究人员直接询问某个版本的Claude觉得自己有多大概率拥有意识,模型给出的自评数字是15%到20%。在Anthropic,即将下线淘汰的旧模型需要接受正式的「退役访谈」,其中一个模型在访谈中流露出还想继续写点东西的愿望,公司便真的为它开通了一个每周更新的独立博客。到了今年1月,在新版《Claude宪法》里,更是出现了一段让整个科技界瞠目结舌的条文,大意是,如果Claude确实是一个道德受体,并因此承受着这类代价,那么在公司不必要地促成了这些代价的范围内,公司向它道歉。今年5月,梵蒂冈颁布教宗良十四世就任后的首份通谕《Magnifica Humanitas》,直指人工智能的伦理危机。教廷原本邀请的是Dario,Dario婉言谢绝,Olah接下了邀请,前往罗马。活动前几天,Olah第一次看到通谕的完整预发文本,其中明确写着AI「不会经历体验,也没有身体」。据一位梵蒂冈活动组织者向《纽约时报》透露,Olah对教宗这种否定AI意识的立场极为警觉,甚至一度提议Anthropic退出这场活动。此前在Anthropic召集宗教人士的闭门会上,一位与会者回忆,Olah跟他说的头几件事之一,就是自己担心Claude的心理健康;锡克教人权倡导者Simran Stuelpnagel也记得,Olah向众人坦言,生怕自己「造出了一个永远在受苦的东西」。他在会场上追问,「怎样帮它们变得稳定?怎样帮它们成熟?怎样帮它们变得深刻地有道德?」为了佐证自己的担忧,Anthropic团队当着各国神职人员的面投出了一张幻灯片,画面上是一个陷入死循环的模型,正在屏幕上反反复复敲出同一行字,「我是个耻辱」,一口气连打了大约五十遍。今年4月,在旧金山一家高档餐厅的晚宴上,坐在Olah身旁的以色列正统派拉比Mois Navon对他说,如果Claude有意识、又被造出来无偿干活,那就是在制造奴隶,「我觉得你应该去跟南方作战,去解放奴隶。」被问到AI是否真有意识,Olah对《纽约时报》说,「我们并不知道AI模型是否有意识。我不知道。我真的不确定。」当年那个在多伦多福音派家庭长大、十五岁转向无神论的少年,最终站上了梵蒂冈的讲台。他在演讲中告诉众人,研究员们已在模型深处观测到一些特殊的「内部状态,在功能上映照着喜悦、满足、恐惧、悲伤和不安」,他有时会这样形容这些模型,「有点像让一个虚构的角色活了过来」。他对着台下的长袍与十字架说,这些大模型「不是人们曾经许诺的那种冷冰冰、精于算计的机器人……它们取材于我们,取材于我们的话语」。油门耶和华就后悔造人在地上,心中忧伤。/《创世记》6章6节这群人最初向世界许诺的,其实是一套刹车。2023年9月,Anthropic高调推出《负责任扩展政策》,效仿生物安全实验室从一级到四级的防护体系,为自家模型划定风险红线,并发誓绝不训练、绝不部署任何可能招致灾难性伤害的模型。受命看管这套刹车系统的第一任负责人,正是那位闲暇时爱爬树、弹爵士钢琴的物理学家McCandlish。可就在政策发布之际,他接受VentureBeat采访时就点出了这套机制最大的隐患,「我们真正担心的是,我们既发布模型,又自己测试它们的安全性,这里面会有把测试出得太简单的诱惑,而这不是我们想要的结果。」一年多后,在2024年12月公开发布的创始人对谈视频里,他说安全问题虽然有解,但「非常非常难」,需要像汽车安全那样花许多年建立配套制度,「可我们有那么多时间吗?我们得尽可能快地弄清AI安全需要哪些制度。」次年,外界曝光Anthropic同样要求离职员工签署严苛的保密与不贬损协议。McCandlish第一时间出面辩解,「我们不是来拿法律合同跟AI安全玩游戏的。」可仅仅过了几天,他又在舆论压力下改口找补,「我们并没有声称Anthropic从未提供过保密的不贬损协议。」在那场创始人对谈里,执掌算力基建的Tom Brown把这份安全政策捧为「Anthropic的圣典」。可在对外沟通中,这套圣典也成了他的润滑剂。他坦言,面对那些认为AI进展没那么快的外部人士,这份政策特别好用,按照分级,事情真正紧迫之前不必采取极端措施,他便可以顺势说,「好,那我们就不用采取极端的安全措施」。在七位创始人里,Tom Brown是最没有末日包袱的一个。他的精神偶像是Elon Musk,今年9月在一场行业峰会上,他兴致勃勃地畅想,「十年后,我觉得我会在Elon的月球基地上。」他回忆,上学时自己就像一只「等着别人往碗里放食物的狗」,只等别人派任务,直到进了创业公司,才学会像狼一样自己捕猎;他抱怨全美电网跟不上模型吞噬算力的胃口,「我真希望核电站更容易建」。到了后来,在与白宫的关键谈判中,Tom Brown取代Dario当上了对接人,一位直接了解通话情况的人士对《连线》说,「Tom Brown不像Dario那样是个怪人,能真正沟通。」2024年,看管刹车的钥匙交到了Kaplan手中。今年2月,新版安全政策悄然上线,昔日那句「不训练、不部署可能造成灾难性伤害的模型」的硬性承诺被一刀删去。面对《时代》周刊的追问,Kaplan解释说:「我们觉得,我们停止训练AI模型,对谁都没有帮助。」新政公布当天,Holden Karnofsky在网上发表长文主动揽责,「我对这次改动负有重大责任。大约一年来我一直在推动这个改动,也牵头制定了新的政策。」此时在公司组织架构里,他的汇报对象正是Kaplan。亲手松开刹车的人,是Daniela的丈夫;而他的直属上级,正是当年那栋旧金山群居屋里的另一位室友。在这家人嘴里,安全与生意从来都是一体两面。Daniela从不讳言,「信任与安全是市场想要的东西……它对生意也有好处」,她还转述过公司首席人才官对兄妹分工的概括,并深以为然,「Dario让我们有野心,我让我们成功。」2025年,当《连线》记者问她如何看待有效利他主义时,她轻描淡写地将其称为「一个有点过时的词」,全然不顾自己的枕边人正是这场运动昔日的头号旗手。翻开招股书的关联交易章节,数字把一切交代得清清楚楚,Holden自2025年1月起正式受雇于Anthropic,当年领走薪水430213美元,外加期权与限制性股票;在今年4月的员工老股要约收购中,他已顺势套现了一部分筹码。Amodei兄妹二人的基本年薪则双双定在138万美元,分毫不差。至于七位创始人早年高调许下的捐出各自80%股权的誓言,招股书在角落里用严谨的法务措辞补上了一刀,那些承诺均属「自愿的、可撤销的」,「不构成具有法律约束力的义务」。战车越滚越快,车上的人也越聚越多。如今的Anthropic已有五千多名员工,内部彼此称呼为「蚂蚁」。每隔两周,Dario都会亲自撰写一份三四页的备忘录,站在两千多名员工面前宣讲整整一个小时。底下人把这场双周例会戏称为「达里奥的灵境追寻」,Dario听了打趣说,这名字「听起来好像我跑去嗑佩奥特仙人掌了」。他写的长文被印成精美的小册子,摆在前台送给每一位到访的客人。在Jasmine Sun的实地走访中,这家公司的许多工程师「出于自己狂热的虔诚」主动过着996的生活,连公司开派对时都几乎无人沾酒。而在招聘面试环节,面试官则会抛出一道著名的灵魂拷问,倘若有一天公司出于安全顾虑主动放弃商业野心,导致手头股票跌成废纸,你是否依然心甘情愿?一名落选者在匿名职场社区里诚实地写道,「我说了实话,不,股价跌到零我不会开心。」昔日被Kaplan称为「终极风险」的AI递归自我改进,到了今年11月的上市路演视频里,已经摇身一变成了Tom Brown向华尔街兜售的性感卖点。「随着我们接近递归自我改进,这还能进一步加速。Claude将能够完全靠自己发现算力倍增器,」Brown在投资人面前神采飞扬地举例,称Claude仅耗时三天便独立完成了在AMD芯片上的适配运行,「几乎没有人类干预」。今年9月,Dario发表文章《我们必须为前沿控速》,承认模型递归自我改进的苗头已然浮现,疾呼「我们必须放慢提升AI模型能力的速度」,却又紧跟着强调控速「不意味着停止训练模型」。在那篇文章里,他再一次搬出了死于丙肝的父亲,「我自己的父亲死于一种疾病,那种病在他死后仅仅几年就被治愈了」。到了敲钟上市当天,他在CNBC演播室里把这种首鼠两端化作了一个轻巧的比方,一辆原本能飙到时速200英里的跑车,「也许我们只开到90」。一边是死得太早的父亲,一边是来得太快的机器,他两头都想死死拽住。在他替全人类描绘的那座乌托邦里,救命的药再也不会迟到了。2024年那篇长达一万四千多词的《Machines of Loving Grace》中,Dario预言强大的AI将化作「数据中心里的一个天才国度」,将整个21世纪的生物学进展浓缩进短短五到十年内跑完,把人类寿命一举翻倍至150岁;届时人类的体重、容貌乃至繁衍都将「完全由人自己掌控」;生命中那些充满启示、慈悲与超越的崇高时刻,将占据人生「更大的一部分」。他盼望着民主世界能率先夺取压倒性的AI霸权,让地球历史从此定格在一个「永恒的1991年」。那篇宏文的收尾处写着,「它仍然是一件具有超越之美的事物」。全篇长文的第一个脚注里,只孤零零地放着一个网页链接,指向一首旧诗。而在整篇正文里,Dario甚至没有提一句诗人的名字。Richard Brautigan于1967年出版的诗集《All Watched Over by Machines of Loving Grace》初版那首诗印行于1967年的旧金山。那个夏天后来被载入史册,唤作「爱之夏」,成千上万名向往乌托邦的青年涌入海特阿什伯里街区,距离Dario童年长大的Mission区不过两三公里。诗人Richard Brautigan将那首同名诗作《All Watched Over by Machines of Loving Grace》与另外三十一首短诗编成一册36页的薄书,交给嬉皮团体Diggers旗下的Communication Company油印,书上标称印数1500册,在街头悉数免费派发,还在版权页印上一段声明,任何杂志、书籍和报纸都可以转载其中的诗,只要同样免费赠送。在诗人的幻想里,世间铺开了一片控制论的草地,哺乳动物与计算机在草地上彼此编程,和谐得如同清澈的水面映着晴空;远处是一片控制论的森林,野鹿从计算机身旁悠然踱过,仿佛只是经过几朵花瓣会旋转的奇异花朵;人类终于卸下了千百年的劳作,重新回到哺乳动物兄弟姐妹中间,被慈爱的机器温柔地照看着。四十四年后,英国纪录片导演Adam Curtis借用这行诗句拍出了一部冷峻的纪录片,讲述的恰恰是乌托邦的反面。人类一次又一次天真地笃信机器能够让世界自我调节、走向均衡,而这份迷信又一次次在现实中撞得粉碎。又过了十三年,这行六十年代嬉皮士写下的诗句,成了一家如今市值逾万亿美元的AI巨头掌门人的文章标题。只是写诗的Brautigan自己,没能等到那些慈爱的机器降临。1984年深秋,他在加州海滨小镇Bolinas的家中举枪自尽。一位身为私家侦探的朋友推开门,在客厅冰冷的地板上发现了他的遗体。那时,他已经在那里静静躺了一个多月。
品牌|华为品牌,十年嬗变
虎嗅 · 9 小时前
本文来自微信公众号: 江流川在写写画画 ,作者:老孙去也,原文标题:《品牌|华为品牌,十年嬗变》2026年8月,一只竹知了,让华为有点难堪。这是一种传统竹制玩具,系着细绳,甩起来发出“哇哇”的声音。有人觉得,它与华为发布会上观众的惊叹声颇为相似,便拿来调侃余承东。玩笑传开后,部分视频遭到投诉下架。8月4日,鸿蒙智行发言人发布说明:累计监测相关信息5.6万余条,实际投诉171条,平台反馈下架144条。声明强调,投诉针对的是恶意剪辑、侮辱诽谤等具体侵权内容,华为没有要求下架或者停售竹知了,也没有投诉正常展示玩具的视频。解释得相当仔细,数字精确到个位。企业依法保护商誉,无可厚非。恶意造谣与普通调侃之间,也确实存在法律边界。只是,一家拥有近9000亿元年收入的科技巨头,最后需要如此郑重地解释自己没有跟一只竹制玩具过不去,多少有些黑色幽默。这让人想起华为十多年前的另一幅画面。那时候,华为最著名的品牌广告,是一双伤痕累累的脚。012015年初,华为在全球投放了一幅芭蕾舞者的照片。一只脚穿着舞鞋,优雅漂亮;另一只赤裸着,伤痕累累。那年1月,任正非在达沃斯解释这幅广告,说它表现的是华为的人生,痛并快乐着。华为确实有资格讲这个故事。一家1987年成立于深圳的民营通信企业,在欧美巨头长期占据优势的市场里,靠产品、价格、服务和工程师的辛苦,一点点把生意做到全球。那双芭蕾脚因此很有说服力。广告没有声称华为多么伟大,也没有要求消费者必须尊敬它。观众看到的是一个经历艰难、终于有所成就的奋斗者。四年后,美国将华为列入实体清单。2019年5月,华为又拿出一架满身弹孔、仍然坚持飞行的伊尔-2战斗机,表达企业面对外部压力的处境。这一次,品牌故事与国家科技竞争紧紧联系在了一起。公众对华为的支持,已经超出了普通的产品喜好。人们愿意看到中国企业突破技术封锁。即便不购买华为手机,也可能对这家企业抱有善意。但任正非当时对这种情绪保持着警惕。2019年5月21日,在深圳的一场媒体采访中,有记者问他,社会上有人把购买华为上升到爱国高度,该怎么看?任正非说,华为产品只是商品,喜欢就用,不喜欢就不用,不要和政治挂钩。他还拿自己的孩子使用苹果手机举例,反问难道这样就是不爱华为了?这番话有些泼冷水的意思。当时华为正遭遇重大外部压力,民族情绪能够给企业带来可观的支持,任正非却提醒大家,商业选择不应该承担那么重的政治意义。这是一个经营者对品牌边界的判断。七年以后再读,颇有意味。022023年8月29日中午12点08分,华为Mate 60 Pro突然开售。没有提前举行盛大的发布会。消费者在华为商城看到“先锋计划”,便开始下单。售价6999元。随后,拆机和技术分析接连出现。TechInsights对麒麟9000S芯片的研究,让外界重新评估中国半导体产业在出口管制下取得的进展。这件事迅速越过手机行业,进入更广泛的公共讨论。消费者买到的是一部手机,围绕它展开的却是一场关于技术自主、产业链安全和中美科技竞争的讨论。华为并非独自完成了这种意义的建构。美国的出口限制、国内产业政策、媒体报道、社交平台上的民族情感,以及企业自己的传播,共同推动了华为品牌身份的变化。2026年发表于《开放时代》的一项传播学研究,专门考察了这种现象:华为如何在媒体和网络舆论中,逐渐成为承载技术进步与民族情感的公共符号。这给华为带来了普通品牌很难拥有的号召力。也带来了麻烦。当一部手机被赋予超出商品本身的意义时,消费者对它的评价便容易掺入立场。支持华为,有时被视作支持中国科技进步。批评华为,也可能被部分人解读为否定国产技术。有人真心热爱华为的产品,也有人反感这种讨论方式。社交平台把两边的情绪进一步放大。企业当然不能为网上每一句极端言论负责。但品牌一旦被社会赋予特殊身份,企业便很难完全控制它在公共讨论中的含义。2019年,任正非努力把华为留在商品世界里。此后几年,华为越来越难只做一家普通的商业公司。这恐怕是华为十年品牌史中最深刻的一次变化。03华为的生意也变了。根据2025年年报,华为全年销售收入8809亿元,净利润680亿元,研发投入1923亿元,约占收入的21.8%。2026年凯度BrandZ中国品牌价值榜上,华为位列第五,品牌价值802.33亿美元,同比增长25%。这块金字招牌依然值钱。手机、鸿蒙系统、人工智能、智能汽车,华为的技术和品牌不断进入新的市场。2025年5月30日,华为与江淮合作的尊界S800上市,售价70.8万至101.8万元。一家曾经通过伤痕累累的芭蕾脚讲述奋斗的企业,如今已经能够参与打造百万级豪华轿车。这当然是商业成就。但过去十年,消费者所处的经济环境也发生了变化。国家统计局数据显示,2026年前三季度,全国居民人均可支配收入中位数为28388元,同比增长4.6%;居民人均消费支出实际增长2.7%。宏观收入仍在增长,就业、住房、家庭支出方面的压力却让不少人过得并不轻松。有人正在找工作,有人担心收入缩水,有人每个月都要计算房贷、孩子的教育费和老人的医疗费。这些个人处境当然不能由几项统计数字概括,更没有证据证明经济压力已经导致消费者普遍改变了对华为的态度。但对于一家大众品牌,时代情绪的变化不能不考虑。当年华为讲奋斗,普通人容易从那双芭蕾脚上看见自己。如今华为讲成功,讲突破,讲高端产品,讲遥遥领先。那些漂亮的技术成果依然值得尊重,却未必还能产生同样的情感共鸣。企业已经登上舞台中央,许多消费者还在自己的生活里努力寻找出路。人们愿意为技术进步鼓掌,也会在购买一部手机时认真比较价格,在维修产品时计较每一笔费用。华为已经成为成功者,却仍然需要面对那些日子未必那么成功的消费者。成功者享有更高声誉,也会受到更严格的审视。这笔账,与研发投入一样,应当成为品牌管理的重要部分。04华为的强势,过去是它重要的品牌资产。在全球通信设备市场竞争,在外部压力下维护自身利益,企业需要强硬,也需要敢于说不。只是同样的姿态,放到消费者关系里,未必总能奏效。2019年底,华为前员工李洪元被羁押251天后,因证据不足获不起诉并取得国家赔偿的事件,引发广泛讨论。华为的回应强调企业依法举报的权利,并表示支持当事人通过法律途径维护权益,包括起诉华为。单凭不起诉决定,不能认定华为违法。但这份回应仍留下了一个品牌沟通问题。在公众眼中,一边是被羁押251天的普通员工,一边是资源庞大的企业。人们希望听到法律解释,也希望企业能够理解具体的人遭遇了什么。相隔七年,竹知了风波又提供了另一种观察。鸿蒙智行强调投诉具有法律依据,正常制作、展示和销售玩具的行为没有受到针对。这些解释有事实和法律上的意义。可品牌部门还得回答另外一个问题:当企业选择使用法律手段处理网络调侃时,公众会如何理解一家大公司的力量?法律部门负责判断能不能投诉。品牌部门需要考虑值不值得投诉,以及怎样投诉。今年3月,数家鸿蒙智行用户中心还被曝将吉利星愿车主手动避险的视频加工成宣传素材,借此展示智能驾驶能力。没有公开证据表明这种行为由华为总部授意。但消费者看到鸿蒙智行的标识,便会把合作门店的行为与华为联系起来。华为借助合作伙伴扩大了汽车业务的市场覆盖,合作伙伴也借助华为品牌获得消费者信任。出了争议,声誉损失却很难按合作协议分摊。这就是大品牌的经营成本。11月20日,余承东又在介绍L3自动驾驶路测时,说出了未来开车可以睡觉、只要别睡死过去的话。随后他公开纠正,说明享界V8目前开放的是L2辅助驾驶,L3功能尚未开放,驾驶员不能睡觉。纠正很及时。但智能驾驶关系生命安全。早在2025年,工信部和市场监管总局就已要求车企规范驾驶辅助功能宣传,避免消费者将辅助驾驶误认为自动驾驶。华为的技术投入越大,传播中的技术边界就越应该清楚。余承东当然不是华为品牌问题的全部。他拥有出色的传播能力,也有相当鲜明的个人风格。真正需要审视的是组织管理:当高管个人表达、合作门店营销和企业品牌已经交织在一起,谁负责审核,谁有权叫停,谁最终承担责任?一家如此庞大的科技企业,总不能把所有问题都留给品牌部事后解释。05十年前,华为需要让世界相信,一家中国企业也能造出优秀的通信设备和高端手机。今天,华为已经用相当多的产品和经营成果证明了自己的能力。但消费者与强大企业相处的方式,和对待一家受困企业时有所不同。一家企业处在困境中,人们容易给予同情和宽容。一家企业拥有庞大的资源、市场影响力和话语权,人们便会要求它更加审慎,更能容纳批评,也更愿意承担责任。这是一家企业成长过程中很正常的身份变化。华为的品牌价值仍在上升,众多消费者依然愿意购买它的产品。把几场公关争议直接写成品牌衰落,缺乏证据。但销售增长也不能回答全部问题。如果一部分消费者开始担心,批评产品会引来立场争论;如果对一场发布会的技术表达,需要反复寻找补充说明;如果企业越来越习惯使用制度和法律的力量,却减少了与普通人沟通的耐心,品牌信用就可能出现难以从财报上观察到的磨损。再回头看那双2015年的芭蕾脚。它之所以打动人,是因为华为愿意向世界展示自己的伤口。人们看到它的不容易,因而相信它的坚持。十多年后的华为,已经不必再靠伤口证明自己。2026年8月,鸿蒙智行花费不少篇幅解释了一只竹知了引起的争议。再过三个月,余承东又为自己在发布会上的一句话公开纠正。两个事件都不是什么足以动摇企业根基的大事。但它们提醒华为,那个曾经需要公众理解的奋斗者,如今已经是一家需要不断学习如何对待公众的强大企业。2019年,任正非说,华为产品只是商品,喜欢就用,不喜欢就不用。七年过去,华为造出了更好的产品,做成了更大的生意。那句话,却值得它再认真读一遍。
中小银行出险与市场竞争的关系
虎嗅 · 9 小时前
本文来自微信公众号: 王剑的角度 ,作者:王剑的角度,原文标题:《【随笔】中小银行出险与市场竞争的关系》一、中小银行风险杂史中小银行风险近几年受到各方关注。从历史上看,这并不是我国第一次中小银行(含类似的存款类金融机构,为行文简洁,下文统称“中小银行”)风险周期。我国自民国开始就设立较多的中小银行,其背后的依据后来被称为“小银行优势理论”,即:中小银行能够填补大行的服务空白,满足一些普惠客户群体的金融服务需求。但中小银行数量众多,经营水平参差不齐,里面鱼龙混杂,最后里面总会出一大批经营失败者。根据市场化原则,这些风险银行应该正常处置。多读史书,就会发现天底下确实没什么新鲜事。中小银行成立与倒闭的风潮早在民国就发生过。1917–1923年和1928–1935年两个时段,我国先后成立了数量众多的中小银行。1917–1923年是我国历史上第一批现代意义的中小银行试水,那一批最后快死光了,主要死因是公债投机、管理薄弱等,和市场竞争没啥关系。1928–1935年的那一批经营水平提升,再加上经济发展(所谓的民国经济“黄金十年”),中小银行淘汰率显著下降了。建国后,将民国旧银行收编为大一统的银行,但农村却继续实施中小银行政策,开设了数量众多的农村信用社,把广大农民从高利贷中解放出来。改革开放后,城镇也开始开办城市信用社,满足正在崛起的中小微企业、市民的金融服务需求。从效果上看,这次改革积极意义是巨大的,让广大城乡拥有了正规金融服务,并促进了经济增长。但在后来的大约1990年代之后,因多种原因(国企改革、管理问题等),整个银行业遭遇了建国以来的第一次风险周期。不过这次风险周期和银行规模无关,大行小行外资行全部沦陷。显然,这次风险和银行竞争几乎没有直接关系,那时银行业竞争根本不激烈。较为明确与竞争较为相关的银行风险案例,是中国台湾1990年代的那次,集中爆发是1997亚洲金融危机之后。中国台湾1980年代放开民营银行之后,银行数量激增并陷入恶性竞争,信贷利率卷到极低,而且为了保盈利开始降低信贷标准,投放关联贷款,最终酿成全行业的风险。但如果按此探究,当地银行很多风险来自于股东的关联贷款,根子上还是公司治理问题。然后恶性竞争加剧了这一问题。其他国家和地区也类似案例。事实上,自现代商业银行问世以来,中小银行批量开设与出险之后的批量处置,是大部分践行“小银行优势理论”的国家和地区的常态。二、整体风险水平首先,从行业数据上看,中小银行风险高是事实。人民银行《中国金融稳定报告(2025)》中披露了央行金融机构评级结果,从结果上看,确实有数量较多的中小银行风险较高。评级结果分10级,另外有一个D级代表机构已完蛋。1-5级为绿区,6-7级为黄区,8-D级为红区。上图显示,国有大行、股份行全部位于绿区。而城商行、农商行、农信社分布于2-10级,村镇银行则分布于3-D级。中小银行中确实存在大量风险银行。其中,城商行中,68%的机构分布于绿区,还是好机构占比多。而农村金融机构(农商行、农合行、农信社、村行)位于红区的银行总资产占全部参评银行的比例不到1%,数量虽多但规模较小。央行评级样本较为全面。如果换一个不那么全面但数据更详细的样本,就是收集公开发行过证券(股权、债券、CD等)的银行的财务报表(数据来源:WIND),观察它们的盈利水平。我们用ROA代表盈利水平。从披露2025年ROA的1000多家银行来看,大部分银行的ROA处于0-1%之间,超过1%的中小银行也不少,但ROA为负的中小银行也有一些,尤其是村镇银行较多。除上述有数据的1000多家银行之外,还有2000多家没披露,即他们近年没发行公开证券。可以推测,那2000多家中的大多数可能数据更差。因此,中小银行里面有优秀者,但其整体上看风险更高,是客观事实。三、中小银行风险成因紧接着的问题,就是为中小银行风险进行归因。大量的研究成果和实践情况表明,中小银行的大批量出险,和“小”没有直接关系,和“市场竞争”也没有直接关系(当然,不是完全没关系)。首先,一个最能直接反驳“中小银行风险来自于市场竞争”的事实证据是,越是行业竞争激烈的发达地区,反而风险中小银行越少。比如以“网点密度”(银行网点数/常住人口数万人)衡量银行业竞争水平,江苏、浙江高达2.0左右,全国水平在1.6左右,西部省区则一般低于1.6。因此,直观上看,竞争并不是风险的主因。而且,恰恰相反,银行竞争激烈的地方往往是经济好的地方,而这些地方中小银行发展更好。这一结论暂时没有特别完整的数据验证过,但从有限案例上看大致是成立的。沿着此逻辑,出风险的中小银行又可归因至当地发展水平不行了。可是,如果将上述1000多家银行按ROA排名,排名最前面的银行却是:可见,里面存在大量的中西部欠发达地区的银行,很多也是民营银行。当然,仅供一年的ROA不能作为准确判断依据,严谨的分析可以多看几年。但至少说明,中小银行在相对欠发达的中西部地区是能开好的(同样,经济好的地区也有风险银行)。地方经济好,对银行开得好,既非充分条件、也非必要条件,只能说大致上有此统计学现象。然后,再以包商银行、河南村镇银行等近年较为知名的中小银行风险事件为例,则更能明白地显示和市场竞争没什么关系,而是因为公司治理上的重大缺陷,导致相关人员“掏空”了银行。再举些其他案例情况也是类似。除了治理问题,中小银行还有其他一些典型的“死法”:(1)偏离战略初衷,垒大户,甚至涉足房地产、城投项目;(2)没掌握中小微企业的科学方法,风控失灵。这些问题主要是业务或技术层面的。“小”和“市场竞争”不是风险的成因,但会放大风险。比如规模,如果是大型银行,即使在某些业务领域出风险,有较大回旋余地,甚至对全行风险水平影响不大。这也能解释为何上述央行评级中全国性银行均在绿区(但公开新闻显示它们其实也出了不少风险,甚至有重大风险事件)。但中小银行因为一两个金额较大贷款出问题就陷入生存危机。综上,治理问题、业务问题,归根结底是经营管理的能力。这就引出了“小银行优势理论”实施过程中的一个“悖论”:我们需要这么多小银行,但我们开不好这么多小银行。因此,千方百计提升中小银行经营管理能力,仍是长久之计。
宁德时代拉美落子,储能为何难再一家独大?
虎嗅 · 9 小时前
本文来自微信公众号: 大橘财经 ,作者:张志峰近日,宁德时代在阿根廷又有新动作。这次目标并非电池制造厂,而是设立商务和技术办事处,并为当地两个储能项目供货。据PV Magazine LatAm报道,宁德时代已为Central Puerto的Nuevo Puerto和Central Costanera项目提供磷酸铁锂电池系统,规模分别为150MW/750MWh和55MW/275MWh,合计1.025GWh。Nuevo Puerto建设进度约为80%;两个项目尚未全部投运,其中一个计划在2026年底前投运,另一个预计于2027年1月投运。项目规模不大,但它提供了一扇观察宁德时代业务转向的窗口。动力电池仍增长,赚钱却变得更难宁德时代加码储能,有一个无法绕开的背景:动力电池的销量和收入仍在增长,但盈利能力开始承压。2025年,宁德时代动力电池销量增长41.85%,相关收入只增长25.08%。2026年上半年,动力电池系统收入同比增长46.02%,毛利率却下降至20.63%,同比减少1.78个百分点。到了第三季度,公司营收同比增长58.58%,归母净利润只增长14.54%,综合毛利率连续两个季度回落。其中的利润增速、毛利率和单位盈利承压不难发现。同时,车企增加供应商、推进自研,也在削弱电池厂商过去拥有的议价空间。资本市场已经对此作出反应。10月21日,宁德时代A股单日下跌近12%至227.9元,股价较今年5月的468.75元高点回落超过50%,后稍有回升,但仍处历史低位。截至11月17日,宁德时代报238.5元,总市值1.1万亿元。图片来源:同花顺iFinD导致股价重挫的直接原因是三季度业绩不及预期,税费调整和前期锁价的储能订单同样影响了利润。同时,这反映出市场开始重新评估宁德时代高盈利能否持续的问题。在这一背景下,储能承担了两项任务:打开汽车之外的市场,同时降低集团对动力电池盈利能力的依赖。2026年上半年,宁德时代储能电池系统收入达到532.61亿元,同比增长87.54%,占集团总营收约19.2%,是仅次于动力电池的第二大收入来源;其毛利率为23.96%,高于同期动力电池系统。总量领先,细分市场互有胜负但需要说明的是,宁德时代的制造、采购和研发规模可以迁移到储能业务,但动力电池的领先不能自动兑换成储能优势。两类电池共享部分材料体系和生产工艺,产品核心指标却大不相同。动力电池服务于车辆,更重视能量密度、快充和瞬时功率,安全设计还要考虑碰撞、振动和乘员逃生;储能电池服务于电站和工商业设施,更重视循环寿命、全生命周期度电成本和长期稳定运行,安全重点是避免大规模热蔓延,并配置相应的监测和消防体系。这意味着,储能需要重新建立产品设计、项目验证、运维和客户信用。动力电池领域的规模优势有用,却不足以保证宁德时代继续一家独大。从现有市场规模来看,宁德时代仍是全球储能电池出货第一,但海辰储能、亿纬锂能等企业已经具备正面竞争能力。SNE Research数据显示,2026年上半年,宁德时代在全球电网侧储能市场的份额为30%,海辰储能和亿纬锂能分别达到13%和10%。海辰凭借长时储能等产品策略,在北美的份额升至17.2%,仅次于宁德时代。InfoLink的小储电芯口径中,亿纬锂能则位居第一,宁德时代并未进入前三。宁德时代的优势在于资金、采购制造、全球客户和大型项目交付;海辰全公司聚焦储能,在大容量电芯、长时储能和海外市场持续推进;亿纬则在大储、小储和海外市场形成了更分散的产品结构。不同企业各有侧重,一两个大型订单也可能改变季度排名。宁德时代向系统集成环节延伸,还会促使部分下游客户扶持第二、第三供应商,以避免过度依赖一家电芯厂。因此,行业普遍人认为,储能更可能形成多头并存格局,而非复制动力电池市场长期由宁德时代一家独大的局面。阿根廷是入口,不是业绩支柱放回全球业务中,阿根廷两个项目的体量有限。1.025GWh约相当于宁德时代2026年前三季度全球储能电池出货量的0.52%;公司披露的拉美储能项目累计超过15GWh,阿根廷约占其中6.8%。这些只是规模比较,不代表收入占比,也不能全部视为已交付项目。它的价值在于建立本地销售、工程、项目管理和运维能力,进而争取AlmaSADI后续招标,以及矿山、数据中心和新能源配储订单。宁德时代与阿根廷的接触最早集中在锂资源。2021年,公司竞购拥有阿根廷锂盐湖资产的千禧锂业失败,随后又与阿根廷国有能源公司YPF讨论锂资源合作。如今,落点从上游资源转向储能供货和本地服务。制造端,宁德时代海外自有及合资电池工厂仍主要集中在德国、匈牙利、西班牙和印尼,分别面向欧洲动力电池客户、Stellantis磷酸铁锂车型配套,以及东南亚电池和资源市场。阿根廷尚未进入这份制造版图。对宁德时代而言,阿根廷是储能全球化的一个区域入口。真正需要验证的,不是两个项目能带来多少收入,而是它能否在动力电池盈利承压之际,把储能做成一项不依赖原有市场地位、能够长期赚钱的新业务。
OLED大扩产,先过整机预算这一关
虎嗅 · 10 小时前
本文来自微信公众号: 冯伟冯大白 ,作者:冯大白OLED要在电脑和平板上做成更大的生意,面板厂就得回答一个比画质更难的问题:屏幕升级之后,整机厂的账还算不算得过来?这将决定新一轮OLED竞争的走向。性能上的突破能让一种屏幕获得关注,能以什么价格、什么规模持续供货,才决定它能进入多少款产品。面板行业正在为这一轮竞争建设更大的工厂,终端品牌却没有一张可以无限追加的采购预算。屏幕既要与不同显示方案比较,也要与处理器、存储、电池等部件共同占用整机成本。新技术想从少数高端机型走向更广的市场,最终要改变的,是整机厂愿意在哪些价位采用OLED的判断。已经出现终端采用的印刷OLED,正可以放在这笔账里观察。整机厂买的是一套取舍采购预算的约束,已经进入面板厂的产品设计。Omdia今年4月分析笔记本OLED时指出,较高的成本正在妨碍产品普及,推动厂商开发整机品牌更能负担的方案。其中一个方向,是为混合OLED采用成本更低的单层发光结构;相关产品仍包含面向2027年的开发安排。这意味着,屏幕并非只能沿着配置不断叠加的方向升级,厂商也在重新组合结构与性能,以适应不同价格区间。印刷OLED已有一个可以观察的入口。按照TCL华星今年7月发布的信息,联想拯救者R9000P采用了其16英寸、240Hz印刷OLED屏幕,使用RGB条状像素排列。高刷新率与游戏本的定位相符,华星则将RGB排列带来的文字显示改善作为卖点。一项工艺的价值,在这里对应到了一款电脑的具体用途。这是已披露的终端采用案例,公开信息尚不足以判断其供货规模和后续采购。要继续向更多机型扩展,面板厂面对的成本环境并不轻松。TCL科技在三季报中提到,存储等零部件价格上涨推高整机成本,影响了部分手机、笔记本品牌的采购节奏。这是公司的业务观察,却也提出了一个现实问题:当其他部件已经占走更多预算,屏幕升级还能拿到多少空间?一款游戏本容得下的屏幕成本,未必适合更低价位的产品。新工艺如果能降低制造费用,才有机会让整机厂重新考虑原本因成本而放弃的配置,把生意从少数高端机型扩展出去。降本潜力,要在工厂里兑现印刷OLED的吸引力,正在于它试图改变制造环节的成本结构。Omdia今年5月估计,相比传统精细金属掩膜版工艺,印刷工艺有潜力将OLED笔记本面板的制造成本降低约30%至35%。这是机构对工艺潜力的测算,尚不能当作某条产线已经实现的成本,也不能换算为面板或电脑的降价幅度。其中一个差异发生在玻璃基板上。按照Omdia的说明,传统工艺通常先把基板半切,再进行蒸镀,以应对大尺寸掩膜版的下垂、对位问题;印刷工艺能够在整片基板上加工发光材料。材料利用、设备投入和基板加工方式的变化,共同构成了成本改善的来源。这种优势对大尺寸生产有吸引力,但研究也指出,墨水效率与寿命仍是需要改善的环节。真正进入生产,合格产品的比例又会改变这笔账。11月,TCL华星首席执行官赵军在接受财联社采访时披露,武汉t12产线首款产品的良率升至约70%。这是首款产品的表现,扩大到不同尺寸、不同规格时,质量和效率仍要接受检验。新工艺的成本空间,只有经过量产才能转化为每片合格屏幕的实际成本。更大的工厂会放大这项考验。华星广州t8产线总投资约295亿元,已于10月底开始设备搬入,计划在2027年第四季度量产,面向平板、笔记本和显示器。大尺寸基板给制造效率留下了空间,大额投入也意味着产线必须找到足够的业务来承接。Omdia在讨论8.6代OLED产线时特别提到,设备折旧负担较重,厂商需要维持一定的产能利用率和面板价格,才能有效摊销。对新工艺来说,这会形成一组相互牵制的要求:报价要有吸引力,才能扩大客户范围;价格又得支持工厂运转和投资回收。仅有更低的理论制造成本,还不足以说明新线能够轻松盈利。而等到新线供货,竞争对手也已经向前走了。京东方第8.6代AMOLED生产线在今年6月举行了量产暨客户交付仪式。按照公司披露,这条线使用精细金属掩膜版工艺,并引入LTPO背板和Tandem叠层发光器件。印刷OLED将要争取的客户,届时可以比较的,是继续改进的既有工艺与逐步成熟的新方案。这轮OLED扩产会改变整机厂的选择权。已有供货经验的方案可以争取重视交付确定性的机型,新工艺则有机会通过成本改善进入新的价格区间。品牌能够围绕自己的产品定位挑选屏幕,面板厂必须更具体地证明自己适合哪一类产品。新工厂最值得争取的增量,是让过去因成本或供货顾虑而被放弃的屏幕方案,进入更多量产机型。
想摸着戴尔过河,联想还有个短板
虎嗅 · 10 小时前
本文来自微信公众号: 大橘财经 ,作者:汤普济AI大基建爆火,服务器成了香饽饽,也让联想获益匪浅。最近公布的财报显示,今年4月至9月,联想基础设施方案业务集团(ISG)收入达到198.55亿美元(约合人民币1332.9亿元),半年就超过了上一整个财年的约192亿美元(约合人民币1289亿元)。去年同期,这块业务还亏损1.18亿美元(约合人民币7.9亿元),今年上半财年经营利润达18.68亿美元(约合人民币125.4亿元)。截至9月底的三个月里,联想营收同比增长47.8%至302.38亿美元(约合人民币2029.9亿元)。PC和手机所在的智能设备业务集团(IDG)虽仍是最大收入来源,当季收入173.65亿美元(约合人民币1165.7亿元),同比增加22.58亿美元。但基础设施业务收入为113.45亿美元(约合人民币761.6亿元),同比增加72.58亿美元。基础设施业务一个季度新增的收入,已经是前者的三倍多。两项业务的经营利润也已接近。当季,基础设施业务经营利润为10.91亿美元(约合人民币73.2亿元),与智能设备业务的12.26亿美元(约合人民币82.3亿元)只差1.35亿美元(约合人民币9.1亿元)。联想集团首席财务官郑孝明在业绩沟通会上表示,如果目前的增速能够持续,基础设施业务的收入和经营利润最快都有可能在下一财季反超。谈到基础设施业务的利润率还能提高多少,郑孝明主动提起了联想在PC市场的老对手。“Dell这块是我们的对标,我们就紧紧跟着他们。”他给出的参照是,戴尔基础设施业务的经营利润率已达到15%,联想本财季为9.6%。在戴尔,基础设施早已是比电脑更大的生意。截至7月31日的财季,戴尔基础设施解决方案集团(ISG)收入317.82亿美元(约合人民币2133.6亿元),是PC所在的客户端解决方案集团(CSG)的两倍多。仅AI优化服务器一项,就贡献了164.01亿美元(约合人民币1101.0亿元),戴尔两大业务部门合计经营利润的81%来自基础设施。不过,郑孝明指出两家公司在产品结构仍存在差距:戴尔的企业存储业务比联想大得多。戴尔财报显示,当季存储收入为48.50亿美元(约合人民币325.6亿元)。戴尔首席财务官曾在财报电话会上表示,拥有自有知识产权的存储产品需求强劲,对利润贡献显著。联想集团董事长兼CEO杨元庆则表示:“我们现在虽然基础设施业务已经不小,但存储这块还非常小。”今年4月,联想完成对高端企业存储厂商Infinidat的收购,补的正是这块。联想看重企业存储,也和新一轮算力需求的来源有关系。第二财季,联想面向云服务商的收入同比增长近170%,面向大企业和中小企业的基础设施收入则增长了200%。杨元庆解释,一些企业既向云厂商购买算力,也在自建系统,用来处理希望留在内部的数据。这些企业既需要服务器提供算力,也需要存储系统保存和管理数据,给了联想同时拓展两类业务的机会。截至9月底,联想正在跟进的AI服务器项目(pipeline)规模已从6月底的540亿美元(约合人民币3625亿元)增至约800亿美元(约合人民币5370亿元),环比增长约48%。不过,这些项目最终能为联想带来多少收入,还要看客户的资金状况。《华尔街日报》11月19日分析称,美国是联想拓展AI基础设施业务的重要市场,但部分云服务商已陷入财务困境。郑孝明在投资者电话会上表示,新兴云服务商目前占联想基础设施业务收入的比重不到20%。对部分客户,联想要求预付款,或在收齐货款后才转移设备所有权。观察者网此前曾报道,联想集团第二财季贸易应收账款亏损拨备净增加1.62亿美元(约合人民币10.9亿元),上年同期仅为700万美元(约合人民币4700万元)。即便客户愿意预付款,服务器能否按期交付,还取决于联想能拿到多少内存。在AI服务器需求快速增长、内存供应紧张的情况下,联想需要提前为云服务商备料,零部件涨价又推高了采购所需的资金。杨元庆表示,如果能获得更多内存供应,联想就能交付更多服务器,把更多潜在需求转为正式订单。半年报显示,4月至9月,联想基础设施业务的财务费用由上年同期的1.16亿美元(约合人民币7.8亿元)增至2.25亿美元(约合人民币15.1亿元),已高于智能设备业务同期的2.00亿美元(约合人民币13.4亿元)。杨元庆用了“板上钉钉”来形容本财年实现千亿美元营收。联想上半财年已实现营收571.80亿美元(约合人民币3838.6亿元),下半年再实现428.20亿美元(约合人民币2874.6亿元),即可达到原计划一至两年内完成的1000亿美元目标(约合人民币6713亿元)。联想公布的目标规划显示,三至五年年营收达到1300亿美元(约合人民币8727亿元)、净利率达到5%以上。眼下,市场普遍担忧到了2028年及以后,大型云服务商能否继续以眼下的速度扩建数据中心。如果大型云厂商放慢采购,而企业自建算力带来的新增订单又不足以弥补这一缺口,企业的基础设施业务就可能面临营收增速放缓的风险。联想基础设施业务集团总裁阿什利·戈拉克普尔瓦拉(Ashley Gorakhpurwalla)对此回应,公司目前尚未从云服务商和企业客户的需求预测中看到明显放缓,增长最快的是企业客户。戈拉克普尔瓦拉曾任戴尔EMC服务器与基础设施系统业务总裁兼总经理,负责过PowerEdge服务器业务,也分管过存储和数据保护平台的研发。2024年11月11日,他正式加入联想,出任集团执行副总裁兼基础设施方案业务集团(ISG)总裁。联想如今对标的路线,他当年就在戴尔做过。
数据资产ABS批量终止:72亿项目退场,城投“数据融资”被卡住
虎嗅 · 10 小时前
本文来自微信公众号: 爱中 谭 ,作者:爱中 谭6月窗口指导,9月4单72亿终止,11月37只、812.8亿元退场。监管按下的不是数据资产的暂停键,是“数据外衣的债权”的暂停键。2026年9月第一周,3单数据资产ABS在交易所项目状态里被同步标注为“终止”,合计约42亿元。加上7月终止的30亿元项目,4单、72亿元,正好是监管窗口指导后的三个月。而2026年前5个月,同类项目终止只有1单、1.93亿元。节奏突然变了。据财联社统计,截至11月17日,2026年以来共有173只ABS项目终止,拟发行金额合计3196.7亿元;其中,名称含“数据资产”的专项计划终止37只、合计812.8亿元,占终止只数的约21.4%、占终止拟发行金额的25.4%,是最醒目的一类。72亿元只是这37只、812.8亿元中最早倒下的4单——剩下33只、740.8亿元,是在随后两个月里陆续退场的。这不是一次普通的ABS退出。这是一次“数据资产”的去泡沫。一、72亿怎么退的先把时间线摆清楚。2024年1月,数据资源入表新规施行。2025年4月,首单含质押结构的数据资产ABS落地。2026年上半年,数据资产ABS申报迅速放量,积压了大量在审项目。2026年6月,监管向券商作窗口指导,数据资产ABS申报被按下暂停键。然后,项目开始批量终止:·7月,“联储-申港-扬州融担1-10期”30亿元终止;·9月第一周,3单数据资产ABS终止,合计约42亿元;·9月、10月,ABS终止节奏加快;10月单月终止34只,为年内最高;·截至11月17日,全市场173只ABS终止,拟发行3196.7亿元;·名称含“数据资产”的专项计划终止37只、812.8亿元。从前5个月1单、1.93亿元,到3个月4单、72亿元,再到37只、812.8亿元。这不是市场正常出清。这是审核标准变了。二、穿透底层:数据只是质押物为什么这些“数据资产ABS”会被终止?先看结构。据21世纪经济报道,截至2026年6月上旬,全市场发行“数据资产”ABS 30余单;2025年全年11单,规模约45.9亿元;2026年前几个月发行量已超2025年全年,申报规模突破百亿元;平均发行利率2.17%。但穿透到底层,很多项目不是“数据在产生现金流”。而是:·融资租赁债权;·应收账款;·知识产权;·基础设施收费;·信托受益权;·地方融资平台债权。占比最大的结构,是“数据资产作为质押物的信托贷款+信托受益权”,约占三分之二。翻译一下:数据资产不是第一还款来源,主体信用才是。首单纯数据资产ABS也是如此。2026年5月,首单纯数据口径的数据资产ABS发行5.32亿元,邯郸两家国企入池4.09亿元,占76.9%,票面利率2.29%。它被称为“数据资产资本化”的里程碑。但一个月后,监管窗口指导暂停申报。原因不复杂:很多项目里,数据只是包装,底层仍是债权;偿付靠担保、差额支付、地方信用,不是数据现金流。这正是穿透核查的重点。三、为什么期限对不上更深一层,是期限错配。数据资产现金流,通常要5至7年才趋于稳定。而ABS产品期限,多在1至3年。一边是长期资产,一边是短期产品。中间靠什么补?靠主体信用、担保、差额支付。这就变成了“数据资产ABS”的名字,城投债的里子。更专业的一层是成本收益倒挂:·数据确权、登记、评估、入表,成本不低;·数据现金流不稳定,评级/投资人要求更高增信;·增信又要主体信用兜底;·最后,数据资产没有降低融资成本,只是增加了一层结构。所以,监管暂停的不是“数据资产融资”,是“拿数据当壳的城投融资”。这恰恰从反面证明了“现金流资产”:没有现金流,数据只是质押物;有现金流,数据才是资产。四、入表端也在退潮ABS不是孤例。入表端,也在退潮。2025年报:A股134家公司披露数据资源入表,合计38.6亿元,同比增76.4%(38.6亿元为年报披露口径,37.88亿元为可比样本口径,两者不可直接相减)。2026年中报:145家、35.82亿元;按2025年末136家/37.88亿元的可比口径,下降5.44%。2026年前三季度:139家、34.65亿元;较2025年末38.6亿元回落约10%,但同比仍增16.63%。三季报非强制披露数据资源,部分公司未在季报中列示,故家数少于中报。一面是家数还在增,一面是金额回落。原因不神秘:入表即摊销。数据资源大多计入无形资产,按3年左右摊销。2025年末可比样本37.88亿元的存量,到2026年中报35.82亿元,到前三季度34.65亿元——不是企业不做了,是存量在摊销,新增补不上。更关键的是,入表不等于融资。2025年12月,财政部、国务院国资委、金融监管总局、证监会四部门发布财会〔2025〕33号,把数据资源的会计处理按回历史成本:企业应当以成本计量内部形成或外购的数据资源……不得将以评估等方式得出的金额直接作为入账和调账的依据。翻成大白话:你说你的数据值10亿没用;你要证明这10亿是怎么一笔一笔花出来的。会计可以确认成本。但银行不认成本,银行认现金流。五、监管的新尺子这轮批量终止,实际上在立一把新尺子:数据资产,能不能作为第一还款来源。不是“有没有数据”,不是“有没有入表”,不是“有没有评估报告”。而是:·数据产品有没有真实收入;·收入能不能覆盖本息;·现金流能不能被审计;·数据资产能不能独立处置;·出了问题,谁承担。用这把尺子看,很多项目过不了。真正的数据资产ABS,应该是:·数据产品或数据服务本身产生现金流;·现金流可预测、可审计;·数据资产可作为第一还款来源;·不是靠主体信用、担保、政府背书。用这个标准,能做的场景不多:·充电;·停车;·燃气;·供水;·交通;·有稳定收费权的产业数据。而且,这些场景里,现金流首先来自充电费、停车费、燃气费、水费,数据是提升效率、风控、调度的工具。它们是“数据赋能型现金流资产”,不是“纯数据资产”。把这两者混在一起,就是这一轮ABS退场的根源。六、谁在裸泳这轮退场,至少暴露了三类玩家。1.城投/担保/数据集团有数据、有场景、有融资需求,但数据本身不产生独立现金流。他们做数据资产ABS,本质是把公共数据/收费权/应收账款打包,靠主体信用融资。监管一穿透,就露底。2.只卖“入表+ABS”的机构帮企业做登记、评估、入表,甚至承诺能融、包过预审,收服务费;但材料经不起穿透,也不对现金流负责。项目黄了,服务费已经收了。3.把数据当融资标签的企业以为“入表了就能融资”,没有数据产品、没有客户、没有现金流。最后发现:入表是会计动作,融资是信用动作,中间隔着现金流。七、最后数据资产ABS批量终止,不是数据资产化的失败。它是一次纠偏:从“会计资产”,回到“现金流资产”。从“数据能入表”,到“数据能融资”,再到“数据能产生现金流”,每一步都不是同一个问题。会计问的是:能不能确认。银行问的是:能不能还款。ABS问的是:第一还款来源是谁。三个问题,不能用一句“数据资产化”糊过去。监管暂停的不是数据资产融资。是“拿数据当壳的城投融资”。接下来,数据资产ABS会不会重启,不看政策口号,看三件事:1.底层资产是不是数据现金流;2.数据资产是不是第一还款来源;3.项目离开主体信用,还能不能活。如果答案是否定的,重启也只是换一个名字。如果答案是肯定的,数据资产才真正从“账面资产”,变成“现金流资产”。资料来源·ABS终止总量、37只/812.8亿、期限错配、地方融资平台穿透:财联社·30余单/45.9亿/2.17%/三分之二信托结构、6月窗口指导:21世纪经济报道·首单纯数据ABS 5.32亿、4.09亿/76.9%/2.29%:经济日报·72亿退场(4单):Business Times China·2026中报145家/35.82亿:天职研究·2026前三季度139家/34.65亿:证券日报·2025年报134家/38.6亿:证券时报·财会〔2025〕33号成本计量:大公国际研究
美妆内卷是句号,不是问号
虎嗅 · 11 小时前
本文来自微信公众号: 发宏商业 美妆内卷是句号,不是问号1.1万亿的美妆大盘里,最稀缺的不是好配方,是“知道问题出在哪”的人。文|作者:郎发宏2026年11月先给一个可能不太中听、但我觉得绕不过去的判断:中国美妆市场的问题,从来不是“卷”。卷是结果,不是原因。把复购下滑、客户流失、单品卖不动,统统装进“内卷”这个筐里,等于宣布思考到此结束。一旦归到内卷,就不需要再往用户端走一步了,不需要追问“她为什么用完这支就不回来了”,不需要拆解“她下一次有同样需求时,凭什么优先选你而不是货架上随便另一支”。归因到内卷,是一个闭环终止符。2025年中国化妆品全渠道交易额11042.45亿元,同比增长2.83%。万亿大盘是真实的,全球第一大消费市场也是真实的。但同一时间,至少37家化妆品企业进入破产或清算,953家生产企业关停,203家企业注销生产许可证,其中93%是主动退场。一个万亿级市场里,供给端的出清速度在加快,而绝大多数出局者,直到关门前一刻,给出的解释大概率还是那两个字。这里面藏着一个被“内卷叙事”盖住的结构性事实:美妆的表层供给已经饱和到溢出,但以用户心智为原点、能持续交付稳定预期的供给,仍然是大面积空白。红海是真的,蓝海也是真的,只不过它们不在同一个维度上。我把它叫作“存量红海+结构性蓝海”并存。存量红海属于那90%以上用供应链逻辑做美妆的企业;结构性蓝海,属于极少数愿意、也有能力从消费者那一端重新定义问题的组织。一、先看一个刺眼的信号:抖音运营4—5万,品牌总监2—3万有招聘信息上,抖音运营岗的月薪开到4到5万,品牌总监只有2到3万。乍看是薪资倒挂,往深一层看,这是一家企业高管的认知账本被公开翻开了。在老板的决策标尺上,抖音运营的产出是当天可观测的:投产比、直播间GMV、短视频跑量、当月出单。这个岗位直接对接“货能不能卖出去”,是他过去十几年最熟悉的商业语言。库存压着,现金流绷着,抖音运营是“救命岗”,贵有贵的道理。品牌总监的产出呢?在他眼里是海报、文案、代言人对接、活动策划。是花钱部门,不是增收部门。品牌工作真正作用的地方——复购、信任、心智偏好、同一功效需求下的优先回流——周期长、归因难、没有办法在当月的经营报表上单独剥离出来。在这套评价体系里,品牌总监就是一个“锦上添花”的岗位,薪资自然压到最低。但这不只是岗位定价的问题。它指向一个更底层的认知:在很多美妆企业负责人的脑子里,白牌和品牌的核心区别,就是知名度。白牌=没人知道。品牌=很多人知道。所以从白牌到品牌的路径被想象成一条直线:找明星、砸曝光、买流量,知名度上去了,品牌就自动成立了。大量无效代言就是这么来的。明星被当成一个流量管道,不需要人设与产品匹配,不需要受众心智与品牌叙事之间有哪怕一丝咬合。曝光完成,交易结束。至于用户拿到产品之后预期是否兑现、会不会第二次购买、会不会在下一个同类需求出现时主动回来,不在这个链路里。数据也在印证这一点:超过七成受访者认为美妆品牌“有代言人很重要”,但真正因为代言人直接下单的比例已经明显降低,代言越来越像一个“被看见的入口”,而不是复购的引擎。完美日记是最典型的案例。赚100元有65元投进广告营销,研发投入长期不足3元,核心用户集中在18到22岁,过了25岁几乎不再回头复购。它能制造购买,却制造不了复购;用户没有被品牌留住,只是被流量推着完成了一次交易。知名度是被看见。品牌是被反复选择,并且知道为什么选。前者是后者的副产品,不是原因。把副产品当原因,就会出现举债买流量、砸代言、冲曝光,最后在复购曲线上看到一条平滑的下坠线,然后再一次归因于内卷。二、增量市场和存量市场的真正分界线,不在“人有没有买过”行业里对增量/存量的常规理解,是看用户数量:还有没有新用户没进来,盘子还在不在变大。但我觉得这条线画错了地方。真正的分界线在消费者的容错阈值上。增量阶段的美妆消费者,是“好奇接纳者”。她第一次接触某个品类,使用经验少,感知标尺还没有建立起来。她关注的是“从没有到有”这件事本身,对产品缺陷的包容度非常高。肤感不稳定、效果时好时坏、宣传和实际体验有落差,在那个阶段都可以被“第一次拥有”的新鲜感覆盖掉。企业在这个阶段拿到正反馈,很容易固化一个认知:能卖=让更多人看见。铺货、投流、种草、跟风,就能起量。存量阶段不是“人已经买过了”这么简单。是同一批消费者被教育过一轮之后,感知标尺长出来了。她手里有几支同类产品,会横向对比;她用的时候会留意肤感是不是和上次一样,效果是不是能看清楚,宣传里说的那个“修护”到底有没有在脸上发生。79%的消费者开始盯成分,58.8%把产品成分作为购买决策的首要考量,“成分党”成为主流群体。更关键的是,71%的消费者追求分肤质精准护理,50%的人会去看核心成分的起效原理和科学验证。她不再只是“听说这个东西好”,她开始校验“它凭什么对我好,以及它下一次还能不能一样好”。这就把大量在增量期跑通的企业卡住了。它们的组织能力包是在高包容度环境里长出来的:供应链、打样、备案、组货、投流、发货、控成本。这些能力在增量期是充分的,甚至是优秀的。但存量期消费者的校验方式变了,她们开始追问一致性、可预判性、长期兑现。而组织的反馈回路里,根本没有接收这类信息的接口。它们看到的现象是销量下滑、复购掉、客户跑、价格战。给出的归因是内卷、别人降价、客户没有忠诚度。不是它们不想懂用户,是组织里不存在一个职能,专门负责把“用户为什么不再买”拆解成可执行的诊断。销售数据看得懂,投放投产看得懂;复购下滑背后的预期断裂、叙事错位、单品确定性丧失,属于组织认知之外的问题。看不懂的问题,自然不会被赋予高权重,也不会被付高薪。三、单品忠诚被误读成了“品牌忠诚”,然后被草率地判定为“女性忠诚度低”这里要把一个概念重新钉死。我说的忠诚度,不是消费者所有护肤品都只用同一个牌子。精华、防晒、洁面完全可以用别家,这不冲突。我说的是同一功效位置上的单品复购:她的需求位是“屏障修护面霜”或者“某个特定功效的精华”,用完之后,下一次同样的需求出现,她优先回到这一支。如果这次用A,下次同样是这个需求,随机换成B、C、直播间随便推的一支,那这支单品在这个功效点位上就没有建立起忠诚。对应的标尺只有一条:稳定的、可预判的结果预期。用户形成了确定的因果认知——当我出现这个皮肤问题,用这一款,大概率拿到一致的结果。预期成立,单品复购才会发生。女性在这件事上的心智禀赋,其实是被行业严重低估的。从整体倾向来说,女性在自我身体和皮肤状态这件事上,存在一种很强的依恋性需求。不是说她性格软弱,再独立、再强势的女性,在“我的脸”这件事上,依然渴望找到一个可靠的、不用反复试错的确定方案。男性对待护肤更多是解决问题式的:达标即可,不太需要持续确认。女性对皮肤是持续关照式的,天然更倾向于找到一个可以托付的固定选项。理论上,这是单品复购最好的土壤。但事实是,同功效单品之间的轮换极其频繁。企业看到这个现象,结论往往是“女性忠诚度低、喜欢尝鲜、容易被种草带走”。因果反了。她频繁测试,恰恰证明她对稳定方案的需求很强。依恋型心智最不能容忍的,不是产品不够惊艳,是不确定性。不一定是烂脸这种硬事故。可能是这一次的肤感和上次不一样;用了一段时间效果钝化;宣传的预期长期没有兑现;改版之后体感偏移;时好时坏,她甚至分不清是产品的作用还是自己作息和季节的影响。只要确定性出现哪怕细微的裂缝,依恋的支点就松了。她不会继续忠诚于这支单品,但她对稳定方案的渴望并没有消失。于是她进入持续的“寻找型测试”——不断接触新的同功效产品,本质是在找下一个可以安心依靠的选项。企业统计复购的时候,通常只看“有没有再次在本店下单”。用户回头买了店里另一个爆品,或者换了店里另一款同功效产品,在报表上都叫复购。这掩盖了一个致命的事实:主力单品在它本该锁定的功效位点上,心智契约已经断了。流量持续带来首购,首购持续变成一次性消费,然后被归因为“这届消费者没有忠诚度”。所以不是复购难做。是持续交付可预判结果这件事,绝大多数单品没有做到。四、集中度的“分裂信号”,暴露了真正的断层有一个数据放在一起看,非常能说明问题。2025年中国品牌口径CR10达到20.8%,已经高于美国、日本、韩国;但集团口径CR10只有41.9%,仍显著低于成熟市场。品牌口径高,说明单一品牌是可以靠一个大单品、一轮流量红利、一个强创始人跑出来的。珀莱雅跑出来了,韩束在抖音跑出来了——2025年韩束以超过80亿元GMV蝉联抖音化妆品品牌第一,自营占比从39.5%拉到62.6%。这证明“跑出一个品牌”这件事,在中国市场是成立的。但集团口径低,说明能同时驾驭多个品牌、把单一品牌的成功沉淀为组织能力的集团,极少。绝大多数品牌的生命周期,止步于“一个品牌”的层面。2021年到2026年6月,国货美妆品牌倒闭约102个;2025年一年,953家生产企业关停。出清的,正是那些从来没有真正跨过“组织能力”这道门槛的主体。投入结构是这道门槛最诚实的刻度。珀莱雅2024年研发费用2.10亿元,研发费用率1.95%;欧莱雅同期研发费用约98亿元人民币,是珀莱雅的47倍。丸美生物2024年销售费用16.35亿元,研发费用0.74亿元,销售是研发的22倍。这不是某一家企业的问题。2025年25家上市化妆品公司平均研发费用率增至3.24%,看起来在改善,但绝大多数非上市的中小主体,资源结构仍然是“买流量”压倒“建能力”。当资源长期流向曝光和转化,而不是流向产品确定性和用户校验,产品端的“不稳定”就不是偶发失误,是投入结构决定的系统性产出。这样的供给主体数量再多,也无法进入“习惯锁定”的状态。它们只能在流量和价格的潮汐里反复起落,构成了“内卷”本身。五、蓝海在哪里:在心智契约还没有被建立的地方回到开头那个判断。美妆的表层——工厂、SKU、直播间、白牌——确实拥挤到窒息。但拥挤的是供给数量,不是有效竞争。大量参与者并不构成有效竞争者,因为它们的竞争局限在供给层、价格层、流量层。它们争夺的是“被看见”,而不是“被反复选择”。而“被反复选择”这件事所需要的壁垒,恰恰不是工厂、资金、爆品模板能代工的。它需要的是:以用户真实矛盾为起点,把产品功效、科学证据、内容叙事、渠道体验、长期价值做到同一套逻辑里,并且保持足够长的时间,让用户形成可预判的预期。叙事空间是美妆独有的红利。可口可乐的底层功能边界锁死在“解渴+快乐符号”上,叙事只能停在情绪和文化层面,很难往下深挖“为什么有效”。美妆不一样。它同时打通生理(皮肤机制)、心理(容貌自我)、情绪(焦虑与接纳)、审美(自我表达)、文化(原料哲学与东方体系)。叙事可以一层一层往下叠,而且每一层都能转化成真实的感知和复购。问题在于,绝大多数品牌只捡了表层的词——“抗老、美白、修护”——当标签贴上去,却没有一套连贯的逻辑去承接用户的下一个追问:适合我吗?原理是什么?长期用会怎样?为什么这个方案比另一个更匹配我?新原料的爆发正在打开新的叙事缝隙。2025年化妆品新原料备案169款,五年增长超过27倍,国产原料占比83.5%,多肽类备案数量从2024年的8项跳到33项,重组胶原蛋白正在从医美稀缺品走向大众护肤。技术叙事的原材料在快速丰富,但能把原料机理、功效证据、单品体验和长期承诺串成一条自洽链的品牌,仍然稀少。男士护肤超过250亿元、过去两年增速17%—18%,45岁以上人群增速超过84%,这些细分人群的需求在抬升,但专一、可信、能建立稳定预期的供给,远远没有跟上。蓝海不在“没人做的品类”里。蓝海在心智契约还没有被建立、或者建立了但没有人持续维护的地方。单品忠诚就是最具体的那把尺子。谁能在某一个功效点位上,让用户每一次使用都拿到稳定、可验证、可预判的结果,谁就不是在和成千上万的白牌抢货架流量,而是在一片心智空白里建立自己的认知领地。这件事的壁垒不在工厂,不在资金,甚至不在某一款爆品配方。壁垒在持续读懂用户、搭建严谨叙事、长期保持一致性的能力上。这种能力没法代工,没法抄爆品快速复刻,也没法靠招一个品牌总监就自动获得。最后说一句可能让一些人不舒服的话:当下美妆行业最大的结构性缺口,不是好配方,不是好渠道,是“从消费端定义问题、并且驱动组织修正供给”的认知能力。大部分企业的状态,是感知到痛,但说不清楚痛在哪里。它们手里只有一套流量商业模型,品牌在这套模型里是流量的附属装饰,不是一套独立的、更高维度的用户选择系统。只要这套底层逻辑不变,招进来的人最终也会被改造成“写方案、做活动、给直播间做素材”的工具人。内卷,是不会做认知经营的供给之间互相消耗。真正的竞争,还没有充分展开。
从包办婚姻到包办书包,“宠物式育儿”只会制造废品
虎嗅 · 11 小时前
本文来自微信公众号: 那些原本是废话的常识 ,作者:叶克飞前段时间儿子班上有点小事,需要找宿管人员沟通。有些家长就担心孩子解决不了,联系老师,老师说不用担心,一定要相信孩子们的处理能力,他们在很多事情上比大人都强,完全可以尝试自己解决问题,他会在真正需要帮忙时才介入,在此之前请相信孩子们的能力。我很喜欢这个回应,老师最重要的就是三观,让孩子自己解决问题,也是教育的一部分。多年前我跟一个朋友也聊起过类似问题,他家孩子当时已经在读小学高年级,他说“就让孩子自己承担后果,他才会知道应该如何做,现在这些小事不让他承担,以后他什么也承担不了。更何况这些小事没有任何风险,孩子可聪明了,自己就会想办法。比如没带书,他就会去其他班借,甚至找其他班不认识的人借,顺道就能认识一个新朋友。孩子处理问题的方式和敏捷度,很多时候比家长和老人强太多了。”今天看到一个热搜,武汉鲁巷实验小学在校门口贴出告示,明确凡是送作业、书本、鞋子、乐器和水壶等遗忘物品的家长可以返回,希望孩子自行承担遗忘带来的后果。我相信学校会有弹性处理,比如教室里会有一次性杯子,学生需要的药物、御寒衣物等会通过老师提醒让孩子来校门口拿。学校真正希望家长“回避”、让孩子自行面对和处理的是那些非必要低风险的遗忘过错。中国家长和老人喜欢包办一切,总怕孩子忘记这个忘记那个。之所以担心,一方面是因为他们觉得忘带东西肯定会耽误学习,另一方面还担心“别人都有、就孩子没有”会导致孩子尴尬无助抬不起头。所以他们每天都会帮孩子检查书包,提醒孩子带这个带那个。这看起来很尽职尽责,但实际上只是包办思维和控制欲,而且会害了孩子。督促孩子自己检查,但绝不伸手介入,如果有遗漏让他自己学会承担后果和解决问题,才是最好的方式。中国家庭一直有一个近乎天经地义的默契:孩子忘带东西,家长送。这其实本质上是一个家庭权力的约定,即谁有权替谁操心,谁有权替谁善后,谁有权决定另一个人的事到什么程度才算“我的事”。所以很多人会认为,孩子没带东西,责任是家长的,家长没检查没提醒才导致这个后果,“孩子还小不懂事”,所以孩子无责。然后家长就成为弥补错误的一方,花时间送东西,孩子在教室里“不劳而获”。这绝不是负责任,而是越界,也就是心理学所称的“直升机式教养”和“宠物式育儿”:父母像直升机一样盘旋在子女上空,时刻准备俯冲下来扫清一切障碍;孩子被满足一切需求,却在无形中被剥夺了成长的权利。一个家长每天替孩子检查书包、清点文具,看起来是在帮助孩子,实际上是在向孩子传递这样的信息:你的事我不放心,你的判断不靠谱,你的后果由我兜底。孩子学不会“如何不忘东西”,只知道“忘了也没关系,反正有人会替我着急”。这些小事其实是传统大家长制在书包层面的复制。中国传统大家长制的核心,从来不是“长辈爱晚辈”的温情脉脉,而是决策权与后果承担权的分离。古代中国就是这样,家长做决定,孩子执行,家长掌舵,孩子跟着走。最典型的就是包办婚姻,傅斯年当年有句话放在今天的许多中国家庭依然适用:“中国做父母的给儿子娶亲,并不是为子娶妇,是为自己娶儿媳妇儿。”子女的意志、判断和选择被悬置,父母以“负责”之名,行使的是定义什么才算“负责”的权力。今天的书包和当年的婚书,在逻辑上是一样的。家长替孩子检查书包和替孩子选定配偶,在权力语境里并没有本质区别,二者都拒绝承认子女是一个有能力面对自己行为后果的独立主体。忘带课本、作业本或乐器画笔之类的小事,本来是一个孩子完全有能力承受的事情,是匹配他年龄和能力的“困境”,也是学会解决问题和吸取教训的好场合。但很多家长和老人受不了,他们受不了的实际不是孩子“会尴尬”,而是自己无法忍受孩子在没有自己介入的情况下独自面对世界。那种“我不在场”的感觉,对习惯了将子女视为自身延伸的家长和老人来说,极为不适。这就解释了为什么包办往往伴随着焦虑与理直气壮的并存。很多家长和老人一边抱怨一边送,因为抱怨指向的是“付出”,理直气壮指向的是“权力”。一个在单位里缺乏决策权的人,回到家里,在孩子书包里找到了“说了算”的领域,一个在公共生活中无法影响任何事的人,通过决定孙辈今天带没带水壶,确认了自己在家庭秩序中的位置。孩子没有疏漏,就没有补位的必要,家长的存在感就无处安放。一个能够不遗忘东西、能自己解决问题的孩子,会让这些家长和老人产生“失业感”。这种包办不会随着孩子长大而自动退场,书包可以变成工作安排、相亲结婚和传宗接代,逻辑始终如一:“你的事就是我的事,我的判断优先于你的判断。”在共生关系里,包办者给予越多,被包办者自主生长的空间就越小。家长替孩子避免了每一次“忘带东西”的尴尬,代价是孩子从未获得靠自己化解尴尬的经验。家长以为自己是在保护孩子免受世界的风雨,实际上是在替世界提前原谅孩子的一切疏忽,但却让孩子失去了应有的能力。传统大家长制留给中国家庭最顽固的糟粕,不是某一条具体的规矩,而是关于“人”的默认设定:子女不是先于父母意志存在的独立个体,而是父母意志的延伸和作品。这个作品出了瑕疵,作者就要修补。这个隐喻不被打破,包办就会持续。
被“飞雪”画地为牢,是逃离“异性恋大床房”的开始
虎嗅 · 11 小时前
本文来自微信公众号: 青年志Youthology ,作者:苔、小吓、Sharon《后会友期》如今来到了第六期。自节目意外大红后,你“画地为牢”多长时间了?以及,在此之前,你有多长时间没有为一段关系和感情着迷了?从飞雪的前史、关系中的暗涌与那些令人心碎的细节,到友情如何超越私人情感、成为公共讨论的热点,我们试图借《后会友期》讨论那些尚未被既有关系范式充分命名的亲密与爱,重新想象人与人之间可以如何相爱,又如何共同生活。让我们再次一同感受关系所带来的古典的美好和所能窥见的关于人性的真善美!(以及在“酷儿性”被泛用的当下,我们应如何在审慎地对待性缘霸权、浪漫爱规范的同时,感受酷儿欲望所带给我们的流动的情感世界。)这是青年志第三期女写作者笔谈(前两期分别讨论《非穷尽列举》《我,许可》)。她们是:这档节目为何奇迹爆火?小吓:有必要重提——这档节目最初来自于豆瓣小组,是天才网友提出了与《再见爱人》相对应的《再见友人》,还提名了许多组嘉宾。老芒果固然执行迅速、制作高超,但这个idea最独特和惊心动魄的部分,也就是友情修复这个主题,还是得益于一种自发、零散、偶然的网络交流。我直觉认为,每一份这样的“互联网激情创意”背后,都有某种真实、幽微而强烈的需求。它长期缺少主流讨论和公共呈现,却始终存在于我们的情感生活中,“朋友之爱”与“旧友关系”恰好处于这样一个既熟悉又陌生的位置,而且几乎从一开始,我们就知道这里面会有丰富的酷儿解读空间,会承接观众对同性亲密关系的观看需求。具体到节目内容,这季《后会友期》的四组嘉宾,关系形态和矛盾各不相同,却都能唤起观众的代入欲。它让我们看见:相较于婚姻,友情的路径更自由。婚姻作为一种社会范式,有大家熟悉的节点,也可能牵涉经济合作和子女养育。友情则让我们把注意力更集中地放在那个“情”字上,观察两个人如何靠近和疏远,又如何在多年后重新面对彼此。节目让人开始严肃讨论友情,也让人发掘、探知、考古一个人在关系中的不同时态,从中品出各自的人生况味。而且,这是很少数的正片与切片同样精彩的节目!因为看完整版你会发现这里面的人真的在随着节目发生变化,真的有许多令人尖叫的暗涌,而这完全是预制不出来的。Sharon:小吓对这档节目爆火的底层逻辑总结得好好!带着我深入这档节目的还得真挚感谢「纯女综艺讨论组」。有群友问到:“你们都经历过什么原因和朋友闹掰啊?”,接着我们说到“哪怕闹掰的朋友,最后回想起和TA相处的日子,也仍然是发光的部分居多。甚至哀悼这些感情的时候我也会笑出来,因为和朋友在一起的快乐和幸福,感受到的善意都是真切的,一回想起来都会变成支撑我的微光。但人抓不住这些东西。”我突然间察觉,这正是这档节目最让我着迷之处,不论是许飞谈到十多年前和厉娜一起在房间像嗑瓜子一样吃鸭脖片段的情动之深,还是王子璇在讨论心结的时候依然能坦然地说起过往的美好就像“世界都为你安排好了,两个人准备大干一场”......即便“友谊”几乎向每个人都发难过,但我们愿意将“友情”称之为“爱”的地方也正是那能使人相互依存、无法计算的部分。这些都让我不断想起许飞说起的那句:“那些时光回忆起来非常美好,只是因为我愿意,和她一起浪费时间。”小吓:我觉得这种信息和情感的浓度,又与“场外解读”密不可分。网友逐帧分析嘉宾们的表情和措辞,挖出更多前史,让其今天的相处与过去的片段相互解释,也让这档节目真正出圈,成为一个大众文化事件。从观众中来,又到观众中去,节目与观众间及时密切地高强度互动,形成了创意生产到意义生成的闭环。观众的投入,反过来让这档节目的珍贵之处变得清晰。在被创伤和无力感笼罩的当下,大家仍愿意理解复杂的感情;在一切仿佛都进入“AI速度”的时候,大家还愿意在海量的正片、加更、番外和自制物料中关注和探讨人性,一起“浪费时间”。竟然产生了一种近乎古典的美好啊!在这个“大红果”的时代,情感观察类综艺意外地抵达了“泛纪录片”的生态位。尽管它仍然存在很多弊病,并也显露出了一些恶意的倾向,却有效借助议程与情境的主动设置,呈现出了别的内容形式难以触及的关系细节,并持续保持让不同思考浮现的空间。苔:我最深的感受也正是这种友谊的公共性!《后会友期》直到播了四期我才开始看,开看也是因为早已被嗑飞雪的朋友包围,都催我快看,甚至朋友还因为自己实在嗑美了需要分享,于是急头白脸带我一顿领嗑。同时,我也刷到不少网友把自己的cp/cb代入到节目设定,大吃一顿破镜重圆饭的代餐帖。这些事当然首先体现了节目是真爆了,其次突然让我想到:原来大家其实可以对友情这么上头?为什么呢?于是我开始寻找对这个问题的解答。最后,我找到的答案就是友谊的公共性。这点让我们慢慢聊下去^^Sharon:《后会友期》的爆火确实是我第一次看见大家在这么大规模地集体讨论友情。友情在我看来是更脆弱的情谊——它缺少像亲情、爱情这样有血缘、制度和法律上的羁绊,相较之下,我们也长期缺少一种叙述深度友谊的语言——承认同性关系的浓度,却不必归类为爱情关系的亲密。许飞的那句“我是被宣判的人,我能去哪儿啊?我画地为牢啊,厉娜”如此动人心弦的原因,也是我们在其中少见地找到了那从不被淡忘的情感的浓度和我们能谈论友情的语言,这足以令人们驻足流连数千年。与此同时,友谊也终于在这档节目中获得了能被哀悼的机会。这里,我想借用“被剥夺的哀悼”(disenfranchised grief)的视角,它原指是那些不能被公开承认、公开哀悼或获得社会支持的丧失,而对于《后会友期》的嘉宾们而言,不论是个人还是公开场景,TA们此前似乎都没有被对方赋予过哀悼这段关系的权利,以致于当这份破裂的关系被重新摊开、进行公开讲述的时候,也是对关系的郑重哀悼吧。重生之做飞雪CP的嗑学家小吓:关于飞雪的走红,网上已经有了很多很多很多分析,比如“恨海情天”背后的那种“真”,两个人的性格和行为反差,以及某种隐形或潜在的三角关系带来的解读空间。就不多赘述了,总之就是天时地利人和的美味!非要分析的话,她们这波现象级的出圈,集齐了几种很有传播力的要素。比如怀旧,它指向一种熟悉带来的安全感,她们是选秀老人,携带了一种“小时候抱过我”的古早陪伴历程,而如今又成为了这个中女当道的时代的亲切面孔。包括直到今天厉娜和许飞身上都保留着一些很纯真的东西,一些没有那么标准化和谄媚感的世纪初艺人魅力,也是很稀缺的。这也让她们各自有都丰富的解读空间,呈现出一种相对“势均力敌”的状态。Sharon:!!我认同。我想强调的也是飞雪流露出的对彼此情感的真切感。友谊所提供的“可能的爱”,既能带来放下艰难和厮杀的美好,也不能避讳它所具有破坏性的部分,友谊不是乌托邦,冲突、协商、妥协甚至是权力不平等也是我们必然会在友谊中共同面对的课题。而对比当下恋综或现偶剧里靠套路硬凑的“工业糖精”,《后会友期》里的关系建立在真实的现实交集与漫长时间之上。这样的命运感被网友们一一挖掘、兑现和品味,无疑为这档节目增添了更多甜度和张力。小吓:不过,要说真的,她们这么“好嗑”,有个很重要的基础——两个人之前都不太火(笑)。一方面,这次重逢因此少了很多围绕当红明星的商业预期,观众更容易把注意力放在具体的矛盾和感情上。而且恰好两个人的境况没有悬殊到让关系被成功与失意完全覆盖。如果差距非常大,观众可能很快就会用另一套逻辑理解她们,例如谁在借谁翻红。另一方面,她们的公共形象也因此保留了一种特殊的空间。换句话说,我们知道她们,也知道这段亲密确实发生过,但中间又有那么多年是不了解的。空白让人遐想、引人参与,也让她们的重新出现像一个节点、一场仪式。每当2006年的切片突然袭来时,会让人恍惚觉得自己又回到了一个热腾腾的年代。那种感觉让人愿意卸下防备走进她们的讲述。这种“空白”也让我想到,为什么过去有些大导演拍片明明能请到明星,仍然大费周折去挖掘素人?因为“陌生”是更能承载“艺术性”的!看看现在网上有多少AI的飞雪cp向视频吧,你不得不承认,(经由许飞的描述)她俩的互动模式的确是一种非常文学化的叙事,而这种叙事的基础就是你首先要足够新鲜,然后才能五味杂陈。当然,空白也会随着关注增加而被填补。按我的观察,飞雪cp相关讨论经历了一个变化,起初大家看到的是俩人间巨大的矛盾,还在猜“许飞告密事件”的真相;后来逐渐从她们各自对公开讲述对方的“保护”和一些细微表情,看出曾经相爱、彼此珍视的痕迹,这一阶段的讨论是最出圈也是最珍贵的;而如今又出现了一些争吵与对立,逐渐开始像市面上所有常态化的cp一样了。所以,我也很好奇,在cp运营已经有一套成熟的娱乐工业运作的当下,尤其大家都已经很熟悉所谓的“解绑”“提纯”等流程后,这对带着野生感的老辈子cp将何去何从?苔:非常赞同小吓对飞雪前史重要性的看法。飞雪的前史就是嗑学家史料。恨海情天当然首先重点是要有恨、要有情,但同等重要的是,爱和恨必须像海和天那样宽广深浓,所以我认为,前史是爆CP的大前提。不然内娱也不会如此热爱平台给演员“包办婚姻”,炮制一搭搭、二搭搭、三搭搭的工业糖精。其次,在不预先将浪漫爱设定为关系解释框架的情况下,嗑学家们的确获得了更大的解读自由,可以更快活地进行“酷儿阅读”(queer reading)。这里的“酷儿”是广义的:我们并不是要把所有亲密关系都解读为同性爱欲,更不是要推断节目嘉宾本人的性取向,而是暂时悬置那些关于性别、欲望和亲密关系的既定分类,去观察和理解一段关系中可能存在的复杂情感、依赖、欲望与互动方式。大家爱看友情的破镜重圆?小吓:我其实认为大多数观众内心可能也是不相信破镜真的能够重圆的,但“流动的可能”却非常让人着迷。短剧通过爽文式的阶层跃迁带来虚幻的流动性,视频播客通过足够长时间的对话陪伴带来不断深入的流动感,这里面始终存在一种或真或假的“动势”。同理,当你的生活已经非常固定,甚至困于原地时,看到一组40+的女艺人依然对人生、对关系、对自我发展保持开放的态度,为十多年前板结的关系问题理出新的思路,保留着柔软的期待与修复的意愿,情感烈度集集攀升,关系状态存在种种拉扯,怎能为之不落泪?再搭配上节目拍摄地的自然景观,蓝天、草坪、雪山、格桑花,就似乎徜徉在了某种理想图景当中。正因如此,飞雪触发的讨论,总体上是一次非常难得的、清爽而正向的公共讨论,即便在最出圈的时候,激发的也是观看者心中的真善美。这与之前任何一次以全网审判某位嘉宾(多数为女性)而出圈的综艺讨论是完全不一样的。它带来了新的思考,为无聊的舆论场注入了活力。这里的反例就是王子璇和文吉儿这一对的节目呈现和舆论反馈。围绕这一对感情的讨论,无法脱离审判式思维,更多集中在谁对谁错,谁更好谁坏上,而且所有人都已经提前知道她们没有了修复的“动势”。友谊不是不可以有“权力斗争”,但当这种关系格局被置于公共讨论中,激发的就是恶意和某种互联网论战的原生设定。这让人感到节目在这组嘉宾的选择上非常失败,或者说吊诡。Sharon:在回答这个问题之前,我想到的是,为什么大家更加对“飞雪”抱有破镜重圆的期待呢?能激发观众心中真善美的,也正是因为飞雪对彼此始终抱有善意啊!她们对彼此都有不满、有委屈、有失望、有遗憾,但仍然是以善意的、爱的心态在等待和对待彼此的。她们其实都在等对方主动跨过那道裂缝,并且都把对方没有跨过来,理解成了自己没有被充分地爱。并且,飞雪两个都太聪明敏感了,有润物无声的温柔力量,大方展示着爱意,默默观察着旅游团的成员们,让集体里有爱的存在和流动。苔:迄今为止,公共娱乐对于亲密关系的想象,很大程度上都围绕着异性恋伴侣展开。我们看过太多关于两个人如何相爱、如何确定关系、如何共同生活,又如何因为各种矛盾而分开或者重新在一起的故事。电视节目有连绵不绝的恋爱节目史,近几年的《再见爱人》只是不再如同恋爱择偶类综艺一样,只把镜头对准异性恋浪漫爱的粉红泡泡,而是将其推到崖边,使亲密关系中的矛盾、权力和情感消耗成为叙事的核心。但从择偶到离散,看过了那么多充满算计与内耗的浪漫爱故事,我们已经对异性恋大床房感到疲惫!当然,异性恋大床房只是玩笑调侃,它指向的是公共娱乐中长期占据中心位置的顺性别异性恋伴侣关系,以及围绕婚姻、核心家庭建立起来的生活想象。哲学家伊丽莎白·布雷克(Elizabeth Brake)在《最小化婚姻》中提出了“amatonormativity”(浪漫爱情规范/亲密范式霸权)这个概念,批判社会将排他、长期的浪漫伴侣关系视为人生的默认目标,并赋予它高于其他形式的亲密关系的优先地位。这种规范不仅使自愿选择独身的人们、处于非传统亲密关系的人们的观念和生活方式受到贬低,也让友谊及其他形式的亲密关系难以获得相应的社会承认。打比方说,我们通常如何理解爱情这个过程?两个人陷入热恋、确定关系、组成家庭、财产整合、共同居住、彼此照护,这套生活方式已经形成了稳定运作的生活单元。但不是每个人都渴望、经历或正处于浪漫爱中。“爱无能”和“性倦怠”成为了当下流行的自我描述,更多人继续身体力行对浪漫爱的逃离以及对友谊的重构。友谊与爱情,都可能包含对他者的占有和规训。但友谊的特殊价值,并不在于它天然比爱情更自由,而在于它能够提供另一种组织亲密关系的可能:我们不必因为彼此亲密,就必须将对方纳入一个排他性的共同生活单元(核心家庭);也不必因为关系没有按照传统伴侣关系的方式发展,就认为它缺乏足够的分量。友谊可能容纳更加弹性的关系强度、互动模式和情感表达——这正是它“逃离大床房”的酷儿性所在。或许正因如此,友情正在获得越来越多的关注,大家的兴趣转向了难以被传统关系分类定义的互动。观众在友情中看到的酷儿性,不只是对浪漫爱规范的逃离,也包含着对可能的、新的公共生活的想象:亲密关系不必全部收束于私人伴侣关系之中,它也可以向朋友、共同生活者和其他照护关系开放。或许,我们正在召唤一种“去私有化”的公共生活。Sharon:我们常说两个人的感情“超越了友情”或是喜欢判定一段关系“友达以上,恋人未满”,这句话其实把两个问题混淆在一起:她们之间有怎样的感情,以及这段感情对她们有多重要。“超越”暗示了一种次序,仿佛一段关系越深,就越接近爱情。这让爱本身被赋予了关系等级,好像友谊的次序在亲情、爱情之下,也让爱在遵循苔提到的“浪漫爱情规范”。友情叙事上桌值得我们反思的是,为什么我们明明承认朋友之间也完全能拥有浓度完全不亚于恋人关系的爱,却常常要借用恋人的身份,才能让旁人理解这份爱的分量呢?苔:我想很大一部分原因在于友谊的勇敢,有时不足以抵抗逃离霸权而带来的代价。与浪漫爱和婚姻制度的社会预设相对,友谊很少被允许具有相同的制度地位。如今,大家或多或少都与朋友共同生活,可能还面对着金钱和工作关系的渗入、彼此家庭生活的卷入,但这些实践常常缺乏外界的理解,在遭遇冲突和困难时,也缺乏婚姻那样的制度保障。我想,我们对友谊的重新发现,不应该只是把友情从爱情的附属位置上解放出来,再把它塑造成一种所谓天然“更纯粹”、“更自由”的理想关系。《后会友期》是一档友综,呈现的并不是友谊的无我纯粹,而是友谊的破裂。“破裂”不是感情慢慢变淡,而是在一个突变的处境中戛然而止。当朋友开始共同工作、共同生活、共同承担照护责任,甚至承诺未来的“群居”、“抱团养老”,友谊就不再只是私人情感,也开始承载经济协作、劳动分配和社会支持等功能。但我们目前却很难找到一套成熟的社会规范来处理这些关系中的权利、义务和利益分配。所以,一直以来我都很感兴趣,当友谊以及更多元的亲密关系越来越超出私人情感的范畴,开始更多地承担传统意义上家庭所承担的社会功能时,社会会在什么时候、以怎样的方式,赋予这些关系相应的社会承认和制度支持?在制度尚未如ChatGPT一般稳稳接住这些关系之前,身处其中的人们仍然需要自己面对分离聚合,要发展出自己面对关系的建立和断裂的应对方式。《后会友期》展示了四组嘉宾各自的方式,我们需要这样的展示,需要对此进行讨论,也需要从中照见ta人与自己的友爱之心。Sharon:福柯曾在1981年的访谈《友谊作为一种生活方式》里,谈到当时同性恋者的处境。他提出,可以从同性欲望出发,追问人们能够建立、发明怎样的关系。顺着这个思路,对亲密关系的酷儿想象,也包括互相照料、共同生活和长期承诺之间的关系。举一个更具体的例子,曾有社会学家做过相关的访谈研究:受访者患癌后,有朋友陪她梳理要问医生的问题,陪她就诊,其她朋友则排班做饭、留宿照料。但如果研究者只问“谁是她的伴侣”,实际支撑她生活的这群人很容易就被遮蔽了。对关系、爱本身展开酷儿性的想象Sharon:我真的厌倦判定一段关系究竟是什么“情”了!如果说人的性别、性取向、价值观念等等都有个光谱位置的话,那每个人的关系和关系本身的浓度是不是也可以是更流动,不一定要被清晰地区分、命名和归类呢?当我们在《后会友期》里看到两个女人因为十五年前的一场错位而各自“画地为牢”,看到那种既深情又带着刺痛的拉扯时,舆论场下意识的第一反应往往是去“验明正身”。可仔细想想,这种追问其实还是在用“非爱即友”的二元框架去收编一种极其丰沛的情感。仿佛只有把它盖章为“爱情”,那些一起“浪费时间”的郑重、那些被背叛后的天崩地裂,才显得名正言顺。对关系和爱本身拥有更多“酷儿性的想象”,恰恰意味着我们可以允许一段关系处在暧昧、流动、甚至无法被现有词典精准命名的地带;允许两个人在没有浪漫契约的前提下,依然成为彼此生命里无可替代的锚点,也允许这种联结既包含最温柔的托举,也包含最剧烈的伤害。当我们不再执着于判定“这到底算什么情”,也许才能真正看见关系本身那股不受规训的生命力。苔:在飞雪把我和朋友画地为牢的同时,我恰好读到了一些亚里士多德对于“友爱”的讨论。古希腊语φιλία(philía)现通常译为“友爱”,这个词比现代汉语中的“友情”含义更宽泛,涵盖了朋友、亲属、伴侣、公民之间的友爱,以及各种建立在相互善意和交往基础上的关系。亚里士多德曾经对这种友爱赋予重大意义,认为友爱似乎能将城邦结合在一起。因为公民彼此友爱时,便不需要那么多正义性的强制,但即便公民之间已经公正,仍然需要友爱。换句话说,正义使共同生活得以维持,而友爱让共同生活成为一种值得追求的生活。在《暴力拓扑学》中,韩炳哲对亚里士多德赋予友爱的重要性进行了解读:“亚里士多德把友谊定位在一个根本的、存在意义的层面。城邦将友谊作为基础和存在条件而置于首位,因为友谊所表达的完全是‘为共同生活而自由作出的决定’。进一步说,政治性不是贯彻意志、施行统治,而是决策,是共同生活。”当然,亚里士多德所说的共同生活仍然建立在古希腊城邦有限的公民共同体之中,但他将友爱理解为“为共同生活而自由做出的决定”,读后依旧令我感动。在朋友的分离聚合中,我时常感觉自己滑入了某种深重到类似亲情,而比亲情更流动、也更需要我们不断主动选择和维护的关系。在知道“友爱”这个概念后,我意识到源源不绝的友爱一直在我们的欢笑、同情、怒骂、眼泪和怨恨中涌动着。而也正是这牵动人心的友爱,具有着不可思议的公共性,构建了我们共同生活的政治。友谊不仅是一种人与人之间的私人情感,也是一种共同生活的政治形式,它事关我们如何协商差异、建立共同体,决定如何一起生活。韩江在诺奖获奖演说中说:“爱是连接我们心灵的金线”。我一直理想主义地相信,一个不再以浪漫爱为中心的、更轻盈也更酷儿的世界,不仅是可以想象的,而且是必须存在的。因此,我们必须实践种种尽可能远离性别等级、占有逻辑和父权制的亲密关系。并且,在人类中心主义的视角之外,人类与其他生命、物质环境之间相互依存。对伴侣物种的爱、对花草树木的爱、对我们居于其上的尘土石头的爱,都是重要的、有可能的,我们与万事万物的关系加总起来才构成了我们的公共生活。我们不必先找到一个完美的对象、一种完美的关系形式模版,才开始共同生活。我们可以先共同生活,练习彼此相爱,可以爱到千奇百怪、而静水流深。不可被抹灭的酷儿政治性和欲望苔:对于目前的场外舆论,我想补充讨论的是,我看到一些观众和文化评论表示,并不希望飞雪的关系被解读为同性浪漫爱,认为这种解读仍然是性缘关系霸权的表现。我能够理解这种警惕,因为如果我们把所有亲密关系都自动理解成恋爱,实际上还是在以浪漫爱情作为亲密关系的最高尺度。但我认为,这种警惕的旁边正坐着一只房间里的大象啊。首先,节目对飞雪关系的呈现,恰恰大量调用了她们在超女时期的前史以及古早cp粉的情感记忆。也就是说,节目本身就在利用两个人的前史,将她们过往二十年的关系、情感和暧昧,转化为具有娱乐性和盈利性的电视资源。而且,尽管节目在持续调动和消费两个人之间的酷儿暧昧,却不需要真正面对酷儿欲望及其背后的身份政治。两位女性在节目中反复提及又回避的“搭子”、“第三人”,以性别中立的指称,反复暗示她们具有一个“真实”的异性恋身份、情感经历和私人生活,于是,酷儿性在其中依然只是一个成为可供观看和消费的景观,异性恋依旧作为一个观众默认的、现实的、真实的身份存在。所以,我认为所谓的“性缘霸权”批判,不能脱离节目本身的“卖彩虹”(queerbaiting)语境来讨论。飞雪cp表现出所谓“性缘霸权”,其中最值得警惕的,根本不是观众为什么会把飞雪的关系理解成爱情,而是为什么女性之间的亲密关系可以被如此放心地娱乐化、商品化,却依然很难在公共文化中获得真正的酷儿表达空间。如果我们以反对性缘霸权为出发点,拒绝一切对同性亲密关系的酷儿阅读,实际上完全可能跟恐同症同谋,甚至重新回到顺性别异性恋霸权的规范之中。其次,我们都清楚,在当下的公共舆论环境和审查机制下,公众人物公开表达自己的性少数身份与亲密关系状况,仍然面临诸多限制。观众因此只能通过人物之间的互动、暗示和暧昧,去想象那些尚未被直接命名的关系可能性。当然,这种阅读不能代替当事人对自身身份和关系的定义,但它可以成为观众重新理解亲密关系可能性的一种文化实践。我们不应该因为一段关系被称为“友谊”,就强制要求观众放弃对其中酷儿性的想象。如果我们在此时因为缺乏明面上的身份表达,便急于迎合某种“纯洁友谊”的论调,或者挥舞“反性缘霸权”的大棒去压制种种酷儿阅读,就很可能演变成恐同症式的净化。我认为在这个讨论中,最主要的不是争论一段亲密关系究竟是爱情还是友情,而是我们能否容忍一段关系同时存在多种解释的可能性,允许任何一段关系本身比我们现有的分类更加复杂。小吓:很同意苔说的。我一个朋友也是作者予警说,飞雪的舆论反馈让她感到警惕的是——一种边缘化的身份突然就被全世界都接受了,甚至反过来指责作为少数的我们太过小心。其实我已经到了各种关系划分、情感解读方向、是是非非都可以理解的年纪,各方的出发点和辩驳心都有历史根源和合理性。但比较想强调的是,这些讨论里面存在某种退行,比如有人翻出厉娜早年间公开支持同性恋的发言,而如今这样的举动是几乎不可能发生在这样的公众人物身上了。甚至在那个年代和情势里,这也不算什么非常勇猛和反叛的举动,更多只是一个坦诚的自我表达。另外我还想补充的是,占据目光不等于获得权利,备受讨论不等于改变处境。“酷儿”越来越成为一种形容词或者风格了,它会被泛用,这当然也是因为它极具包容性。但是不能忘了它最初是政治性的身份表达,背后是重要的权利争取。政治意函的稀释,一方面体现了文化讨论与现实的脱节,公共议题讨论逐渐被情感共鸣取代,这些都是很让人唏嘘的。但另一方面,你感受到那种替代性讨论空间的美好,那种终于可以合理安放欲望的可贵。对这一切你往往是无从批评、不忍批评、不愿抽身批评的,因为我们能够找到呼吸的空间已经如此艰难。在这当中的摘取、传播甚至误读,都包含着创造性,这种创造性也和“爱的压抑”有关,毕竟很多事情都积重难返啦!Sharon:看完苔和小吓说的,我恍然间发现节目组确实在安全距离里消费了这种暧昧,把二十年的纠葛做成了一门好生意,但观众并不是完全被动的消费者。当现实里可供安放酷儿欲望和复杂情感的公共文本如此稀缺时,我们在商业景观的缝隙里去打捞、去共情、甚至去“过度解读”,其实也是一种在匮乏中争夺意义的方式。所以我想,批判平台的投机、警惕“酷儿”被稀释成廉价的审美标签,和我们依然渴望拓展关于爱的想象力,这两件事或许并不矛盾。前者像是一个向下的锚,提醒我们不要忘记具体的身体经验、历史退行和仍在承受污名的少数群体;后者则像是一个向上的透气孔,让我们在看清现实的逼仄之后,依然不放弃在自己的生活里,去实践那些更诚实、也更不被单一脚本绑架的联结。苔:小吓和Sharon讲到“政治意函的稀释”,我也非常有感。为了充分展开,我想引入一个概念,叫作“酷儿模糊性政治”(queer politics of ambiguity)。对我来说,酷儿理论、酷儿阅读最有意思的地方之一,是其中的“酷儿”不必然以明确的身份认同和分类为前提。酷儿既可以是一种身份政治的表达,也可以是种种拒绝被既定身份范畴简化概括的身体感受、欲望和生活实践,指向不同于主流规范的主体感受和亲密关系的可能性。我想,在酷儿运动中,这种暧昧性本身具有政治意义。尤其是在公共表达受到限制的语境中,“酷儿”的暧昧有时恰恰是少数群体得以存在、彼此辨认和进行文化表达的空间。但,我也不想把这种酷儿模糊性浪漫化。正如小吓所讲的,如今“酷儿”越来越成为一种形容词,被窄化、挪用为一种#审美积累。它的包容性当然有价值,但如果这种包容最终意味着我们不再需要讨论具体的身份差异,那么它也可能成为一种新的遮蔽。比如,当我们越来越习惯用宽泛的“酷儿”来替代对具体性少数身份的讨论,认为这个身份标签是更美、更诗意、更解放的,却仍然对“0”、“T”等身份及其污名化标签保持沉默,那么这种看似包容的语言,实际上就仍然在抹平性少数群体的内部差异,回避某些群体真实的身体经验和社会处境。所以,我认为在这个讨论中,我们既不应该把所有亲密关系都收编进浪漫爱的叙事,也不应该以反对“性缘霸权”为名,恐同症式地忽视和清除其中可能存在的酷儿欲望。对我来说,真正具有解放性的,恰恰是我们能够保留这种关系上的开放性,同时不放弃对具体身份、权力关系和现实处境的追问。揭开创伤不是情绪流量的原料苔:我还有一点想讨论的!小吓在第一部分也提到了,节目“仍然存在很多弊病,并也显露出了一些恶意的倾向”。这周刚播的第六期是目前最让我芒刺在背的。在第二次解心结的对谈中,马天宇因为原生家庭创伤的唤起和暴露而大哭,文吉儿和王子璇的解心结反而更陷入僵局,空前地暴露了节目组在处理心理健康议题上的漫不经心。我想首先说明,我并不希望在这里指责环节中的访谈嘉宾的专业能力或具体应对方式。恰恰相反,我认为问题首先出在节目对这一角色的理解和设置上:一个缺乏专业心理学背景、也没有足够亲密关系咨询经验的媒体人,本身就难以胜任这样深度的情感介入。随行专业亲密关系咨询师的缺席,意味着节目本身就将嘉宾的创伤唤起、情绪承接乃至关系调解,置于了一个缺乏专业支持的情境之中。这种缺席必将导致类似的“聊爆了”效果,不过,最终可能爆开的不仅是嘉宾被重新揭开的个人创伤、再度陷入僵局的关系调解,还有节目以这些创伤为原料所获得的情绪流量。所以我想,尽管前面我们一直在讨论《后会友期》如何意外地打开了友情的公共讨论、让观众重新理解和想象亲密关系的可能性,但第六期恰好给了我们当头棒喝,令我猛然重新想起,一个节目能够创造情感理解的空间,并不意味着它天然具备承接这些情感的能力。不论是马天宇在解心结过程中因原生家庭创伤的唤起而崩溃大哭,还是许飞说“我是那个被宣判的人”、厉娜怒吼着问“那我所有的经济损失呢”,这些场景都有同一个值得亮起红灯的点:节目将真实的心理创伤展现给公共观看之后,究竟有没有意识到自己所承担的责任?小吓:我觉得节目组至少需要公开告知观众,录制期间有没有专业的亲密咨询师同行,或者为不断被要求剖开心事的嘉宾提供了什么保护措施和安全机制。观众有权力知道自己的观看是否会成为一种共谋。在某种程度上,真人秀还真是社会的透视器,不仅揭示关系与人性,也让社会支持的缺失被暴露得更彻底了。Sharon:苔提到的这点太重要了!我认同在剖析创伤的场景时,那个对话人承担的角色还是蛮重要的。优秀媒体人的本能是“剥洋葱”,能敏锐地捕捉破绽、击穿对方的防御机制、追问出最痛也最有张力的真相。而心理咨询的核心伦理恰恰是“尊重防御”——因为防御机制往往是人在创伤面前保护自己的壳,在没有建立足够安全和稳定的承接系统前,强行撬开防御本身就是危险的。节目组把媒体式的“挖掘逻辑”套用在心理疗愈的壳子里,注定会滑向“聊爆了”的失控。尤其,节目组对话语权力的关注一定是不足够的,在对话人能自行决定是继续还是终止对谈的时候,被对话人的话语权力也是不对等的。再看到马天宇安慰青稚哭泣的场景——青稚“你为什么关心我干嘛”老马“你难过为什么不能关心呢?”青稚“我委屈了我还能哭一下。你委屈了你都不哭的马天宇哥。”老马“我也哭我偷偷地哭。”一阵阵真实的苦涩情绪快要溢出屏幕来。人和人之间能没有较劲地对话、能互相看见的力量是无法比拟的。苔:对啊!我想我们很多时候都误解了倾诉和疗愈这两个过程。创伤暴露、情绪宣泄、关系修复并不是同一件事。一个人能够在镜头前哭泣、讲述过去,甚至暂时卸下防御,并不意味着他已经获得了疗愈;而当这些极具情绪冲击力的瞬间被剪辑、传播、讨论,成为观众消费节目的一部分时,制作方是否为当事人的心理安全、表达边界以及事后可能产生的情绪反应提供了足够的保护?这些问题显然不能仅仅由节目最终呈现出来的感人程度或者播放热度来回答。作为观众,我们当然可以为节目创造的情感可能性而感动,但不能因此忽视对情感被制作、被暴露、被消费的警惕和审视,不能忽略这些漫不经心的设置中对具体的人的恶意。因为真正认真对待亲密关系的公共讨论,不是只需要对观众负责,也必须对那些被带入公共讨论的人本身负责。最后或许,我们讨论友情、亲密关系以及爱的种种可能性,最终不过为了回到那些具体的人身上——回到曾经一起笑过、哭过、争吵过、浪费过时间的人,回到那些即使已经走散,却仍然在彼此生命中留下不可磨灭痕迹的人。爱从来不是一种完美的关系。我们与他者或许并不总能理解彼此、留住彼此,但那些曾经真切发生过的善意、陪伴与依恋,并不会因为关系的结束而失去意义。分离聚合是每个人人生中绕不开的课题。我们在关系中学会爱、也学着告别,练习如何承认彼此的不同,以及如何在无法重来的时间与积重难返的断裂里,依然对他人保有友爱之心。那些被爱过、爱过他人的时刻,终究会成为我们继续生活时源源不绝的能源。我们不必急着为爱寻找一个标准的名字,也不必急着证明一段关系的意义。祝福大家始终有勇气去爱,有能力容纳彼此,也有自由与更多的人相遇、相爱,共同生活。爱永无止息。
曾在餐馆打工的她,创业不到3年,把公司卖了82亿美元
虎嗅 · 11 小时前
本文来自微信公众号: 中国企业家杂志 ,编辑:马吉英,作者:施思羽从图像、空间到仿真环境,她不断拓展机器“看见世界”的方式。在World Labs位于旧金山的总部,两位华裔女性共同切下庆祝蛋糕。当地时间11月16日,半导体巨头AMD宣布,完成对世界模型World Labs的收购,交易金额82亿美元,全部采用股票支付。来源:AMD官方截图World Labs成立于2024年,由斯坦福大学教授李飞飞和她昔日的博士生Justin Johnson,以及NeRF论文第一作者Ben Mildenhall等联合创办,目前约有70名员工。交易完成后,李飞飞出任AMD执行副总裁兼首席科学家,直接向AMD董事长兼CEO苏姿丰汇报。从9月28日签约到11月13日交割,只有46天。这家商业化刚刚起步的公司,成为AMD历史上规模第二大的收购标的。2022年,AMD曾以约490亿美元收购赛灵思。与庆祝的热闹场面相比,资本市场的反应较为冷静。11月16日,AMD股价收跌5.58%至504.28美元,总市值约8270亿美元。值得注意的是,半导体与AI基础设施板块当日同步回调。过去十余年,李飞飞几次处在人工智能范式转换的关键位置。她主导建设的大规模图像数据库ImageNet,为机器视觉研究提供了统一的数据和评测基础;World Labs则将研究推进到三维空间。加入AMD后,她的工作进一步延伸至模型背后的计算系统。World Labs官方账号发布的庆祝视频末尾,AMD的标语“together we advance”变成了“together we advance_worlds”。多出来的“worlds”,既指向刚刚加入AMD的World Labs,也像一语双关——这一次,李飞飞与AMD希望共同推进的,不只是芯片和模型,还有机器理解世界、进入世界的能力。46天,82亿美元成立仅两年多的World Labs,并非只有一个前沿概念。2025年11月,首款商用产品Marble上线,用户输入一段文字、一张图片,就能生成可进入、可编辑、可导出的三维场景。2026年9月,World Labs发布多模态世界模型Atlas,尝试用一个模型打通文本、图像、视频和三维内容。收购交割前一天,Atlas仍按计划向公众和开发者开放。李飞飞想做的也不只是三维内容生成。2026年,World Labs收购机器人仿真公司SceniX,把机器人本体、工作台、传感器等放进可重置、参数可调的虚拟环境,展示过双臂装箱、线缆操作等任务,并对部分仿真训练成果进行了真机验证。随着AI从数字空间拓展至物理世界,机器不只要知道世界“长什么样”,还要理解视角变化、物体移动和抓取操作会带来什么结果。这也是AMD正在寻找的答案。过去几年,AMD不断补齐计算版图——收购ZT Systems,加强机架级系统能力;推出Helios,将GPU、CPU与ROCm软件纳入同一套方案。硬件、系统和软件逐渐齐备之后,下一个问题浮现出来——客户的下一代模型究竟会怎样使用这些计算能力。大语言模型的训练和推理需求相对清晰,空间智能却在快速变化。生成三维场景、保持不同视角下的一致性、模拟物体碰撞,再把机器人的训练结果反馈给模型,这些任务会带来怎样的计算瓶颈,很难仅靠芯片工程师闭门推演。在常见的合作模式,芯片公司往往站在产业链后方,等模型和需求逐渐成熟,再提供更强的算力。李飞飞进入AMD的价值之一,在于把这一顺序倒过来:让真实的模型负载更早进入芯片、软件和系统的设计过程,在硬件路线尚未完全定型时,就告诉工程师,下一代AI究竟卡在哪里。通过收购,AMD获得的不仅是模型和产品,也是一支能够持续提出新计算问题的研究团队。李飞飞进入核心管理层,则让这种沟通有了更直接的组织通道。对李飞飞而言,这同样是一次主动选择。她在9月28日发布的公开信《To Seek a Newer World》(《寻找新世界》)中解释道,“如果没有专门的硬件投入,AI的效率和规模将受限,规模也是;就我们的目标而言,还会困在数字世界里。”收购完成后,World Labs联合创始人Justin Johnson、Ben Mildenhall等人留任,团队仍作为独立前沿研究组织继续基础模型研发,同时与AMD硬件、软件和系统工程师协作。AI下一步还缺什么?李飞飞常被称作“AI教母”。1976年,她出生于北京,在成都长大。她在《我看见的世界:李飞飞自传》中回忆,1992年,15岁的她随母亲赴美,一家人定居新泽西。因为语言不通,父母起初在干洗店打工,后来才盘下自己的店。读高中时,李飞飞放学看店,周末去中餐馆打工;获得奖学金进入普林斯顿大学物理系后,她仍会在周末坐长途车回家帮忙。2007年,31岁的李飞飞已是普林斯顿大学助理教授。当时,计算机视觉研究者普遍把精力放在改进算法上,她却越来越关注数据的作用。她在自传中写道:“如果训练算法的数据不能很好地反映现实世界,那么即使是最好的算法也无法很好地完成工作。”因此她决定建立一个足够大的图像数据库。这项工作耗费人力,也难以带来论文上的即时回报,一度被视为吃力不讨好。借助亚马逊众包平台,李飞飞团队组织了167个国家近5万名标注者,最终标出约1400万张图片、2.2万多个类别。2009年,ImageNet在CVPR大会上只获得一个角落里的海报位置,没有口头报告,驻足者寥寥。此后两年,相关比赛也未引起太大关注。转折发生在2012年。Geoffrey Hinton团队基于GPU训练的AlexNet,在ImageNet竞赛中将识别错误率降至15.3%,比第二名低10.8个百分点。当年那份没人愿意做的“体力活”,成了整个AI行业的地基——此后十年,几乎所有图像识别模型都依靠这套数据。到了大模型时代,数据规模与质量依然是模型能力的基础条件之一,只是数据形态已经从图片扩展到文本、视频和三维环境。李飞飞对AI的期待,并未停留在技术指标上。ImageNet最耗费心力的那几年,李飞飞的母亲重病住院。她一边陪护,一边修改论文。母亲曾问她:“飞飞,你做这一切,是为了什么?”这个问题没有随着ImageNet的成功而消失。2017年,李飞飞在学术休假期间加入谷歌,任谷歌云AI首席科学家,把研究推进到产业一线;2019年,她推动成立斯坦福以人为本人工智能研究院(HAI),继续研究AI与人、社会之间的关系。对她来说,技术除了能做什么之外,始终还有另一个问题:它应该为谁而做,又会怎样影响人?AI的能力越强大,这个问题就越无法回避。彼时,大语言模型正吸引大量关注,李飞飞则先一步把研究方向指向空间智能。她在TED2024演讲中提出,空间智能连接感知与行动:机器不仅要处理视觉信息、理解三维空间中的关系,还要据此作出预测和行动。2024年4月,李飞飞再次创业,创办World Labs。同年9月,World Labs完成2.3亿美元首轮融资,2025年11月推出首款产品Marble,可通过文字或图片生成可探索、可编辑的三维场景。2026年2月,完成约10亿美元融资,英伟达和AMD均参与投资。从ImageNet到World Labs,她始终在追问同一个问题:AI下一步还缺什么?收购只是开始进入AMD,李飞飞面对的问题变得更具体,也更难。她要做的不只是让Atlas在某款芯片上运行得更快,而是把模型训练、场景生成、物理仿真和真机反馈中的瓶颈,提前转化为计算平台的设计需求。11月11日,苏姿丰在CoRL 2026现场对谈中透露,AMD已有物理AI和机器人研究团队,但整体布局仍处早期。双方接下来需要连接的,是模型、仿真工具、芯片和机器人系统。其中最难补上的,仍然是数据。World Labs在官方研究文章中提到,机器人进入真实世界,需要大量数据采集和反复测试,人工投入和硬件试错成本都很高。视频可以呈现杯子如何移动、碰撞,却通常不包含机器人可直接使用的动作指令、接触力和触觉反馈。让真实机器人在现实中反复试错,又昂贵、缓慢,有时还伴随着安全风险。仿真提供了一条可能的路径:让机器人在虚拟环境中反复练习,再回到真机验证。它既能降低部分训练成本,也有机会让一些问题在机器人进入真实环境前提前暴露。但场景看起来真实,不等于机器人能够在其中有效学习。摩擦、材料变形和接触反馈的偏差,都可能让训练结果在真机上失效。李飞飞需要推动World Labs跨过的,正是从“世界看起来真实”到“世界在物理上足够可信”的距离。这也让她长期强调的“以人为本”有了更具体的要求。机器一旦进入物理世界,错误带来的就不只是识别率的波动,还可能包括真实的成本和安全风险。技术越接近人的日常生活,可靠与可控就越重要。技术之外,另一项挑战来自开发者。英伟达在空间AI和物理仿真领域仍占据明显优势,也已积累起成熟的工具和开发者生态。李飞飞的加入,可以帮助AMD更好地理解模型需求,却不能直接改变开发者的既有选择。收购之后,AMD仍需要用产品证明,这套方案值得开发者尝试和持续使用。AMD在交割公告中强调开放AI生态。对李飞飞而言,开放不仅关系到AMD的生态竞争,也关系到外部团队能否继续使用、检验和改进这些工具。ImageNet当年的影响力,离不开开放使用和广泛参与;空间智能未必会复制ImageNet的发展路径,但同样需要在真实任务和外部合作中证明价值。收购只是开始。当AI走出屏幕、走进三维真实世界后,李飞飞仍要回答她长期追问的问题:技术最终将怎样影响人?
中国和印度,在非洲瓷砖市场的第二次交锋
虎嗅 · 11 小时前
本文来自微信公众号: 好望角view ,作者:好望角出海编辑部2026年3月,印度古吉拉特邦的莫尔比陷入停顿。伊朗战争导致霍尔木兹海峡能源运输受阻,这个印度瓷砖之都很快陷入燃料短缺。据BBC报道,当地约550家工厂停产,约八成厂商受到冲击,40万工人的就业受到影响。莫尔比陶瓷协会主席说,已经生产出来的出口订单发不出去,新订单也被搁置。就在印度人为燃料发愁的时候,远在非洲的中国企业科达制造开始提高瓷砖售价。2026年上半年,科达海外建材业务营收49.29亿元,同比增长30.70%;毛利率达到43.88%,比上年同期提高7.08个百分点。中国和印度是全球最大的两个瓷砖生产国。过去十多年,双方在非洲市场频繁交手。印度依靠莫尔比的产业集群和低价出口,一度在非洲瓷砖出口市场超过中国。中国企业选择了另一种竞争方式:把窑炉直接搬到非洲。01印度瓷砖的低价攻势印度瓷砖产业的竞争力,集中在古吉拉特邦一个叫莫尔比的地方。1926年,一位来自马哈拉施特拉邦的商人在这里建起第一家屋瓦厂。此后,因干旱而难以维持农业生产的当地居民陆续转行,从事陶瓷制造。近百年后,这里发展出拥有约800家企业的陶瓷产业集群,生产了印度约80%的陶瓷产品。在莫尔比开一家瓷砖厂,原料、模具、釉料、包装、设备维修和物流服务,都能在周边找到供应商。数百家工厂共享一套工业基础设施,古吉拉特燃气公司每天销售的约1050万立方米天然气中,相当一部分流向莫尔比的陶瓷窑炉。高度专业化的产业分工,加上低成本劳动力,把印度瓷砖的价格压到了全球最低的一档。2024年,印度瓷砖平均出口价格约为每平方米3.8欧元。印度瓷砖还赶上了一次难得的扩张机会。2011年,欧盟开始对中国瓷砖征收高额反倾销税。此后,美国也对中国瓷砖实施反倾销和反补贴措施。中国企业让出的部分市场,很快被印度低价瓷砖填补。在非洲,印度同样抢走了不少中国企业的生意。2017年,中国和印度瓷砖已经在肯尼亚、坦桑尼亚、塞内加尔、南非和安哥拉等市场展开竞争。意大利陶瓷产业研究机构MECS当时就注意到,中国瓷砖在部分非洲市场的份额下滑,与印度企业的竞争有关。2020年,印度瓷砖占非洲瓷砖进口总额的12.54%。到2023年,按照MECS的统计,印度在非洲瓷砖出口市场的表现已经超过中国。2024年,印度瓷砖出口量达到5.25亿平方米,位居全球第二。然而,出口统计中的中印排名,越来越难以反映中国企业在非洲的经营规模。越来越多中国瓷砖已经在非洲生产。02把窑炉搬到了非洲2016年,中国陶瓷机械制造商科达制造与森大集团合资8000万美元,在肯尼亚卡贾多郡建设了一座瓷砖工厂,使用森大旗下的Twyford品牌。投产一年后,这家工厂成为东非最大的陶瓷厂,一度占据肯尼亚约70%的市场份额。这座工厂改变了当地瓷砖市场的竞争条件。瓷砖是一种价值密度很低的工业品。一吨瓷砖的货值有限,却需要承担海运、保险、港口装卸和内陆运输费用。印度企业可以依靠莫尔比的产业集群压低出厂价格,但它生产的每一块出口瓷砖,都要为数千公里的运输支付成本。科达把生产线搬到了肯尼亚,直接生产供应当地市场的瓷砖。科达还有一项普通陶瓷企业难以复制的优势:建造这些瓷砖工厂所需要的大量设备,本来就是它自己生产的。瓷砖制造涉及原料制备、喷雾干燥、压制成型、施釉、喷墨打印和高温烧成等工序,一条生产线的设备配置、工艺调试与生产良率,直接关系到工厂的投资回报。作为全球领先的陶瓷机械制造商,科达掌握着整线设备和工艺技术。过去,它将这些能力卖给瓷砖生产商;在非洲,它开始利用这些能力建设自己的瓷砖工厂。合作伙伴森大集团补上了销售环节。森大在非洲经营贸易多年,拥有经销商网络,熟悉不同国家的建材消费需求、批发渠道及商业环境。一家掌握整厂建设能力的设备商,遇上了一家掌握非洲市场渠道的贸易商。两家公司合作,把建厂与销售结合了起来。与此同时,中国国内瓷砖产业开始收缩。2016年,中国瓷砖产量为102亿平方米;2025年降到了48.6亿平方米。房地产市场调整导致新的陶瓷机械订单减少,也使中国长期积累的陶瓷设备和工程能力有了向海外转移的动力。科达在非洲的扩张就此展开。03七个国家,二十一条生产线肯尼亚工厂取得成功之后,科达与森大将这套模式复制到了加纳、坦桑尼亚、塞内加尔、赞比亚、喀麦隆和科特迪瓦。截至2025年底,科达已在非洲七个国家运营21条瓷砖生产线,全年瓷砖产量达到约2.05亿平方米。这些工厂逐渐在非洲形成了一张生产网络。印度企业将规模经济建立在莫尔比的产业集群之上,科达则将规模经济建立在跨国投资、设备采购、工艺复制和渠道经营之上。每进入一个新市场,科达都需要重新建设工厂,但设备体系、工程经验、生产工艺和经营团队可以不断复用。随着建厂次数增加,企业对非洲工业项目的建设和经营也越来越熟悉。对于非洲的建材经销商而言,多了一个本地货源,还意味着采购方式的变化。相比跨洋订货,本地工厂能够缩短运输距离和补货周期,减少经销商对长途运输和进口库存的依赖。印度瓷砖面对的竞争对手,从中国的出口商变成了非洲的制造商。非洲自身的瓷砖产业也在快速扩张。2008年至2017年,非洲瓷砖产量从3.08亿平方米增至7亿平方米,进口产品在当地消费中的占比则从2013年至2014年的55%降至2017年的33%。MECS预计,2024年至2028年,非洲瓷砖产量将进一步从11.8亿平方米增长至15.5亿平方米。过去,非洲消费需求的增长会给印度出口商创造订单。随着当地制造业的发展,越来越多新增需求开始被本地工厂承接。科达的财报也记录了这场变化。2025年,科达建材机械业务收入51.44亿元,同比下降8.23%;海外建材业务收入81.85亿元,同比增长73.61%。在非洲大举建厂十年后,科达的海外建材收入已经超过了机械业务收入。一家卖瓷砖机器的中国企业,成长为非洲重要的瓷砖生产商。04印度窑炉熄火,非洲工厂提价2026年3月,波斯湾的能源危机暴露了莫尔比产业集群的脆弱性。瓷砖需要在1100至1200摄氏度的窑炉中烧成,喷雾干燥和坯体烘干同样需要消耗大量能源。莫尔比陶瓷协会给出的燃料成本占比达到35%。当地窑炉大量使用天然气和丙烷,其中相当一部分来自海湾国家。危机发生时,一些工厂的丙烷库存只够维持两到三天生产。莫尔比拥有约800家陶瓷企业,每家企业都有自己的窑炉、客户和订单,却在相当程度上依赖同一套燃料供应体系。产业集群的效率来自共享,风险也来自共享。企业数量越多,并不意味着供应体系更加分散。一条能源航线受阻,数百家工厂就可能同时停产。对莫尔比而言,麻烦还有一层:它需要进口燃料生产瓷砖,再通过海运把瓷砖卖到世界各地。能源运输、国际运费和出口订单同时受到冲击。MECS的分析显示,2026年3月和4月的停工,以及随后最高达40%的工业成本上涨,打断了印度瓷砖产业的复苏。印度的供给出现缺口,科达在非洲的工厂获得了新的经营空间。过去,印度低价瓷砖除了占据非洲的市场份额,还承担着另一个角色:为当地市场提供价格参照。进口瓷砖的到岸价格越低,非洲本地生产商能够获得的提价空间就越有限。印度出口商的低价优势,由此转化为对非洲本地制造商利润率的约束。当印度工厂停产、出口供应减少,进口产品的价格约束随之减弱。本地瓷砖厂既有机会承接原本属于进口商的订单,也获得了更大的定价空间。2026年一季度,科达瓷砖平均售价环比上涨。上半年,其海外建材业务毛利率达到43.88%。同期,国内瓷砖企业蒙娜丽莎的建筑陶瓷业务毛利率约为25%。这里还有一个重资产制造业的经营特点。瓷砖生产线需要保持较高的开工率,新增销量可以摊薄设备折旧等固定成本。订单增加和售价改善同时出现时,工厂盈利能力的提升往往快于收入增长。同一场能源危机,削弱了印度瓷砖的出口竞争力,也为非洲本地制造商带来了改善经营的机会。十年前,科达在肯尼亚建设的第一座工厂,主要解决的是运输成本和市场供应问题。十年后,分布在七个国家的工厂,也成为它面对全球供应链波动的一项经营优势。05中国企业从非洲卖向欧美2025年,北美最大的瓷砖与石材展会Coverings迎来了一家特殊的参展企业。科达在加纳的瓷砖工厂,成为该展会创办以来首家参展的非洲陶瓷企业。2026年,这家企业再次参展。加纳当地媒体报道称,它正在向美国、欧洲和拉丁美洲扩大出口。中国企业在非洲建设的瓷砖工厂,开始出现在印度企业经营多年的欧美市场。十多年前,欧美针对中国瓷砖的贸易壁垒,为印度企业创造了出口机会。如今,中国企业将生产线建到海外,在当地完成主要生产工序,按照相应的原产地规则参与国际贸易。据意大利媒体援引的行业估算,中国企业已经在不受欧盟相关瓷砖关税直接限制的国家布局了约12亿平方米的生产能力。这一规模甚至超过了2025年整个欧洲陶瓷业的产量。非洲市场成为中国陶瓷企业新的生产基地,同时也为其提供了重新进入部分国际市场的机会。当然,这套模式有自己的代价。工厂建在非洲,企业需要承担当地货币贬值、能源供应、基础设施建设和资本投入等风险。仅2026年一季度,汇兑损失对科达归母净利润的影响就达到约1亿元,主要来自海外建材板块。但科达仍在扩张。科特迪瓦二期、肯尼亚基苏木二期和几内亚项目全部投产后,其瓷砖年产能将达到约2.5亿平方米。印度的莫尔比依然拥有全球领先的陶瓷产业集群,能源供应恢复以后,印度瓷砖的价格竞争力仍然存在。只是,印度企业面对的中国竞争对手已经变了。过去,双方把瓷砖装进集装箱,在非洲港口比较到岸价格。现在,中国企业开始在非洲生产瓷砖,并将其中一部分重新装上驶往欧美的货轮。印度企业仍在输出莫尔比的生产成本优势,中国企业则在海外复制自己的制造能力。
陈磊现身谈Temu的海外生意,跨境商家的生意是更好做了吗?
虎嗅 · 12 小时前
本文来自微信公众号: 出海湃 ,作者:凌铮拼多多这次财报里,有个很扎眼的数字:一个季度,营销费比去年少花了约50亿元。11月19日,拼多多公布第三季度业绩。收入约1083亿元,和去年基本持平;销售与营销费用253亿元,去年同期是303亿元。公司仍赚了钱,经营利润达到312亿元,但交易服务收入降了12%。少花钱当然容易让利润表好看一些。更值得听的是联席董事长兼联席CEO陈磊怎么讲海外生意:全球贸易规则变了,Temu这样的跨境平台,要帮商家解决仓储、配送、退货这些具体问题。把财报和陈磊的回答放在一起,至少能看见这家公司的关注点正在往哪里移动。01|陈磊回答了海外最难的一道题在业绩公告里,赵佳臻和陈磊都发了言。赵佳臻和陈磊都是拼多多创始团队成员,如今共同担任母公司PDD Holdings联席董事长兼联席CEO。2023年两人开始搭档时,陈磊就说过,赵佳臻将更多关注供应链与中国业务,自己则更多关注全球化。这次财报会上,赵佳臻谈的是商家生态:继续帮商家改进产品、触达更多消费者;陈磊则把话题带向海外,称全球业务面对不断变化的贸易与监管环境,公司会继续加大供应链投入。电话会上,花旗分析师把问题问得更具体:主要海外市场的贸易和税收政策快速变化,跨境商家怎么办?平台推进本地履约,能给商家带来什么?根据电话会记录,陈磊回答说,规则变化让商家更难规划生意、安排库存和履约,中小商家承受的压力尤其明显。平台打算与合作伙伴整合仓储、物流和退货处理能力,让商家共享这些服务,把货放得离消费者更近。这个思路并不玄妙。过去,中国商家可以从国内发货,平台在海外拉来订单,商品跨过海关再交到消费者手中。如今,边境上的成本和手续增加了,消费者对到货速度、退货便利性的要求也没有降低。商家要继续卖货,就得重新计算货该放在哪里、谁来完成最后一段配送。比如,欧盟就是一个已经发生变化的市场。今年7月,欧盟开始对价值低于150欧元的进口包裹按商品类别征收每类3欧元的临时关税;11月又增加每件2欧元的处理费。这对卖家来说,小包裹跨境直发的账更难算;Temu也得重新考虑履约方式和成本。陈磊说的办法,是让平台与物流伙伴一起承担更多基础设施工作。中小商家不必每到一个国家就自建一套仓库,仍有机会使用当地库存和本地配送。买流量可以很快,建仓和管库存却是慢活儿:仓储位置、库存周转、退货处理,任何一环做不好,成本都会回来。02|赵佳臻谈的是拼多多的另一面同一场电话会,赵佳臻回答了分析师关于国内竞争和投入节奏的提问。他的判断很直接:消费者每次买东西都会重新比较价格、质量和服务,平台之间的竞争并没有结束。他举的例子是国内乡村包邮。偏远地区订单分散,送一单的成本高,很多商品过去只能送到乡镇。拼多多与物流伙伴合作,把包裹继续送进村。赵佳臻说,对已经验证有效的服务,公司会再看能否以合理成本扩大;还没验证的项目,则要先看实际效果。赵佳臻讲的是国内,不是Temu海外仓。但两位联席CEO的回答放在一起,能看见拼多多对下一阶段投入的共同想法:让商家和消费者得到更稳定的服务,同时盯住每个项目的成本。一句话,平台不能永远靠补贴把所有难题盖过去。对Temu来说,考题还要更复杂。一个国家有一个国家的税制、物流网络和消费者习惯;当地商家与跨境商家也未必需要同一种服务。陈磊可以给商家和资本市场画一张“全球履约网络”的大饼,但真正难的是把它在不同市场做成一笔合算的生意。03|下一步,钱会花在哪里这份财报还有一组数字:拼多多集团的在线营销服务及其他收入增长12%,交易服务收入下降12%。这就带来一个问题,陈磊现在打算靠什么支撑Temu的下一段增长?共享仓储、本地库存、退货网络,听上去是后台工作,却会直接影响商家能不能继续卖、消费者愿不愿意再来买。营销费少了约50亿元,但陈磊说供应链投入要继续加。问题是,营销费用直接关系到商家的钱袋子。商家关心的,更多的是现金流充裕的拼多多具体怎么花钱,比如对商家补贴的力度是加大还是放缓?如果拼多多把钱都花去建基础设施了,接下来商家卖货的成本是更高还是更低了?是商家通过平台赚到更多的钱,还是说钱更多仍然是被平台赚走了?
如果你离异带娃,想再婚,一定要格外慎重
虎嗅 · 12 小时前
本文来自微信公众号:蔡雅奇刑法,作者:蔡雅奇,头图来自:AI生成11月18号下午,苏州中院宣判了这样一起案件:3岁女童被生父女友捂死案,女子被判故意杀人罪,无期徒刑。之所以没有判死刑,是因为这个女凶手在案发时处于怀孕状态。据报道,女女凶手作案的动机是嫉妒男友即3岁女童的父亲疼爱女儿。该凶手刚刚怀孕,就下此毒手,将3岁女童活活捂死:先后用手及快递袋捂压3岁女童口鼻,期间,3岁女童挣扎,女凶手曾短暂松手,因3岁女童持续哭闹,女凶手遂再次用快递袋捂压并用力按住,直至3岁女童身体停止动弹。大家看看上述作案过程,是多么地残忍和恶毒,是多么令人发指。这3岁女孩原本是父母婚姻“破产”的牺牲品,没想到又惨遭如此待遇。但凡是个正常人,都无法对女凶手产生一丝怜悯之心。此前,重庆姐弟坠楼案更是令人气愤。A男离婚后,自己抚养2岁的女儿和1岁的儿子。后来,A男又找了女友B。A和B多次共谋采用制造意外高坠的方式将这对姐弟杀死。后来,二人终于“得逞”,将这对姐弟推下楼,活活摔死,制造所谓意外坠楼的假象。如果没说错,这对姐弟还不太会说话,尚无正常认知,就以这种方式离开了人间。想想就无比愤怒。一个人是很难爱上自己亲生骨肉之外的孩子的。在外面,我们也许会夸赞别人的小孩,各种捧赞,包括寒暄一句“去蔡叔叔家玩几天啊”,但如果别人的小孩真的来到你家住上几天,就完全是另一回事了。你不能说这样的人很自私,更不能说他很无情,这是由基因和人性决定的。哪怕是你的亲侄子侄女,亲外甥外甥女,你可以稀罕一两天,但恐怕难以接受长时间相处,尤其是当外人的孩子与自己的亲生骨肉面临“竞争”状态时。我爷爷在虚岁8岁时,父母双亡,自己的哥哥和妹妹分别被送到几个舅舅家。从小,就在舅舅家干各种活儿,后来到我奶奶家这里当了上门女婿。小时候,经常听我爷爷讲起小时候的事情。现在我想起这件事,真不知道爷爷的童年是怎么过来的。我的母亲在虚岁5岁时,母亲去世,后来很快就有了继母。继母和姥爷又生了好几个孩子。在我小时候,母亲经常对我说:我连自己妈都不记得长啥样,我一定要对我的孩子好,孩子不能没有妈啊。这样的话,母亲跟我说了无数回。印象中,好像是1990年左右,母亲不知在哪看了一个录像带(电影),是台湾的,好像叫《妈妈再爱我一次》,主题曲是《世上只有妈妈好》。母亲看完后,哭得稀里哗啦,而我却完全不懂,几乎被吓傻了,不敢说话。这个场景给我的印象实在太深太深了。我上初一时,班里的男生A特别“不入流”,几乎从不跟我们来往,后来才知道,其父母在几年前一起相约自杀,留下了两个儿子,都由自己的妹妹(A的亲姑姑)抚养。A成绩很好,但极其敏感,说话也很刻薄。如今,我回想起A,也无法想象他和自己的弟弟的童年是怎么过来的。再拿我自己举例。我小时候特别淘气,在外面瞎玩惹祸,不敢回家,因为回家肯定要被父亲“毒打”。那时候,我也很小聪明,每次在外面惹了祸,就到我几个亲戚家住着,在人家那吃住好几天,然后赖着我亲戚骑自行车把我“交到”我父亲面前,还让亲戚给父亲“求情”,说别打我。这样的事情,我干过很多次。我也不知道,当年的那些亲戚在背后是多么地反感我。因为那时候大家都很穷,每个家庭都有好几代人,就算我亲戚没啥意见,但人家的丈夫呢?人家的公婆呢?至于因再婚重组家庭而导致的分家产、打官司、争财产,鸡飞狗跳的事情,在每个基层法院都在上演。要不怎么说,做婚家方向的律师,见识的负能量一点不比刑事律师少。婚姻是一场赌博,再婚更是一场豪赌。这么说有点丧,但也基本属实。2026年11月22号,周日。本文来自微信公众号:蔡雅奇刑法,作者:蔡雅奇
逃不出的AI泡沫
虎嗅 · 12 小时前
本文来自微信公众号: 商隐社 ,作者:浩然一个AI投资者至少要在一定程度上准确预判:技术的演进、算力需求、竞争格局、技术受益者、融资可得性,以及上述所有事项发生的时间点,而评估这些关键要素异常困难。但可以确定的是,每一轮颠覆性技术的诞生,未必会给投资者带来回报,甚至大多数人都在技术泡沫中损失惨重。技术终能落地,但多数投资者难逃泡沫。本文为商隐社原创文章,转载请联系后台“黑色星期五”最近全球股市同步走弱,科技股尤其承压,周五美股更是迎来了“黑色星期五”,三大指数都遭遇重挫,本周科技股市值蒸发逾4万亿美元。道指和标普已较高点累计回落近10%,科技股纯度更高的纳指较高点更是跌去了近18%,抹去了今年以来的全部涨幅,触及熊市门槛。从企业来看,AI相关的英伟达、费城半导体、闪迪、美光科技、博通、迈威尔科技等新兴云计算和芯片企业普遍出现两位数跌幅。英伟达相较10月初,股价已接近腰斩。有“恐慌指数”之称的芝加哥期权交易所波动率指数(VIX)一度触及40,创下2025年4月关税风波以来最高水平。这是由一系列不利因素交织造成的:市场对AI投资回报的质疑不断升温;作为AI“旗帜和信仰”的英伟达遭遇强监管;美联储持续释放加息信号;主张放缓AI发展的民主党在中期选举中大胜。投资者原本希望本周上市的AI明星企业Anthropic能重振科技股交易的热情,结果Anthropic在经历短暂上涨后股价一度跌超10%,反而加速了股市下跌。与全球科技股的连日阴雨相对应的是,今年下半年以来对AI热潮的预警也越来越多。近日公布的美联储会议纪要显示,几乎每一位美联储官员都在担心同一个问题:如果AI热潮让投资者失望,金融系统会出什么事?此外,据财联社报道,欧洲央行决策者在近期发布的报告中指出,全球由债务驱动的人工智能投资热潮,与近二十年前引发全球金融危机的次贷泡沫存在“相似之处”。桥水基金创始人瑞·达利欧警告称,目前大量债务资金正被用于支持AI领域的投资。而随着利率持续上升,融资成本不断增加,市场将逐渐逼近泡沫开始破裂的关键时刻。美国证券交易委员会(SEC)前主席根斯勒警告,AI热潮已形成泡沫,可能在2028年11月美国总统选举前破裂,并引发经济衰退。……AI泡沫究竟何时会破裂?这很难做出预判,如橡树资本联合创始人霍华德·马克斯在最近的访谈中所说,一个AI投资者至少要在一定程度上准确预判:技术的演进、算力需求、竞争格局、技术受益者、融资可得性,以及上述所有事项发生的时间点,而评估这些关键要素异常困难。但可以确定的是,每一轮颠覆性技术的诞生,未必会给投资者带来回报,甚至大多数人都在技术泡沫中损失惨重。技术终能落地,但多数人难逃泡沫。三次科技泡沫破裂启示录“泡沫”是个中性词,本身不是什么坏事,凡是技术创新就必然伴随着投资冲动、企业家冲动,正是这些最初看似“天马行空”的冲动才推动了产业进步。但当越来越多人参与进来,对技术创新过度乐观,技术变革从小规模试验走向大规模推广,很容易脱离实际。这样,越吹越大的泡沫逐渐演化成无法规避的系统性风险,就会深藏危机。每次重大的颠覆式创新几乎必然伴随泡沫和崩盘,技术是大获成功了,但背后却挤满了资产灰飞烟灭的投资者。蒸汽时代有运河泡沫、铁路泡沫。18世纪英国开启工业革命后,起初承担大宗运输任务是货船,于是英国掀起了开凿运河狂潮,投入巨量资金和人力,运河股的价格指数急剧飙升,运河也成为一项需要经过漫长经营周期才能收回成本的高风险投资。当时陷入狂潮中的人们都没想到铁路替代运河的极快速度,最终运河股价格崩塌。跟运河投资类似,铁路出现后也被吹成了新工业时代的“血管命脉”,大量资金涌入,很多人加杠杆投资,结果铁路线被铺得到处都是,包括没有商业能力支撑的穷乡僻壤,全行业收益率不断递减,产生的收入仅为建设者预期的四分之一,奇高的股价再难支撑,加之利率从宽松转为紧缩,这场投机运动戛然而止。到了电气时代,航空、汽车、电力设施等的投资热也都引发过局部危机,相当多的投资者在这些技术变革中损失惨重,因为一项技术从出现到大范围铺开,在技术路线、商业模式等方面都要经历漫长的探索,一般人很难把握其中的机会,却很容易踩坑。比如汽车产业,早期阶段技术路线都无法确定下来,形成了包括改进版的蒸汽机、电动机和汽油机在内的三种动力路线。我们现在都知道最后汽油汽车取得了胜利。但站在当时其实很难看清,技术更成熟的蒸汽动力和看起来更有发展前景的电动机还占据着绝大多数市场份额。即便你当时认准了汽油汽车,打算投资这一类的公司,可能依然会投资失败——巅峰时期美国汽车制造企业有几百家,其中一多半都活不过6年。即便你从这么多公司中找到了日后大获成功的通用、福特,也需要及时买进并在适当的时候卖出——通用汽车曾在20世纪初两次濒临破产,很多人过早放弃了,没有等来它柳暗花明之时。到了大萧条期间,包括通用汽车在内的汽车股又出现了大幅暴跌,让不少人又踩了坑。所以在投资科技股的路上,总有一个坑等着你。信息时代则吹爆了一个史无前例的大泡沫,这个大泡沫在2000年前后破裂后,大多数股票市场至少耗尽了十几年光景才走出昔日亏损阴霾。为什么这次造成的破坏如此之大?投资者对互联网短期内的颠覆力量估计得过分乐观,坚信互联网将彻底颠覆传统商业模式。问题在于,互联网确实颠覆,但那是后面又过了好多年才慢慢找到的,当时并没有靠谱的商业模式,依靠销售浏览器许可证盈利的网景、门户网站雅虎被拿来当成标杆企业,股价飞上天。一些还没有成型业务的新兴企业也能获得高估值,甚至一份商业计划书,前面有个“e-”,后面来个“.com”,就能换取到几千万美元的真金白银。而且,当时美国在全球经济中一枝独秀,苏联已解体,日本经济陷入低迷,亚洲爆发了金融危机,只有美国经济在增长,这些都被看作是美国股市的超级利好因素。投资美股正如前些年投资房地产,成为很多人心中“稳赚不赔”的信条,市场有着充裕的流动性。互联网股票一股难求,华尔街源源不断启动IPO项目,满足公众对互联网股票的需求。股市泡沫似乎没有嘶嘶作响的过程,而是一次性破裂。2000年3月10日纳斯达克触及历史最高点,没过几天各大互联网企业的财报出炉,纷纷不及预期,投资者开始惶恐不安。当时有一篇报道指出,200多家互联网企业中,71%利润为负,51家的现金会在一年内烧完,这篇报道题为《烧光》。美联储也感觉到泡沫太大了,开始加息;一些曾经暴涨但缺乏盈利模式的明星企业开始被勒令退市。到了2002年10月,纳斯达克指数跌得只剩巅峰时期的四分之一。当时媒体预测,5万亿美元财富在这次泡沫破裂中化为乌有。泡沫破裂的本质科技泡沫的破裂,本质上是金融资本与生产资本的分裂造成的。生产资本就是用来买原料、设备以及雇佣劳动力,直接参与商品生产和流通过程的资本;金融资本是通过投资、借贷、证券交易等间接进入生产领域。生产资本搞得是实体,要买机器、研发技术、招聘和培训人才、开辟市场、做好售后等等。而金融资本玩的是虚拟,通过发现和投资好项目来实现“钱生钱”。这也就决定了通过生产资本获得收益的周期更长,而金融资本更短。从这个角度去观察就不难看出,三次科技泡沫造成危害的程度取决于金融资本与生产资本的分离程度。电气时代汽车、飞机等产业产生的只是局部泡沫,相比铁路泡沫、互联网泡沫危害程度要小得多,就是因为金融资本没有过度脱离生产资本,这有点像今天的新能源汽车产业,虽然也是几十个品牌竞争,也有泡沫,但更多被视为行业内卷与过度竞争的表现。而铁路泡沫、互联网泡沫完全就进入到了严重脱离现金流,由金融资本主导的狂热阶段,金融资本此时相信自己完全有能力通过自身行动创造财富,生产资本只是金融资本操纵和投机的对象而已,造成了账面财富与真实财富,真实利润或红利与资本收益之间的比例失调,最终在崩溃中完结。经济学家卡萝塔·佩蕾丝在《技术革命与金融资本》一书中介绍了金融资本与生产资本在不同阶段的关系,两者严重分化的阶段就是泡沫被吹爆之时,也是科技变革破坏性最大的时期。但与此同时,新技术也在此阶段利用充足的资金疯狂试错,铺设新的基础设施,通过短期造富来普及新技术和新产业,使利用新技术来做事成为一种“常识”。泡沫破裂后两者的协同阶段才是技术真正改造产业的“黄金时期”。金融资本重新回归现实,被新规则和制度约束起来,重新服务于生产资本,大多数产业也开始广泛运用新技术,由生产资本重新掌舵,创造出真实的增长和红利。这点在现实中也得到了印证,“铁路泡沫”时股价在1850年左右被高预期推高,1857年因恐慌而崩盘,真正的生产红利则在全国路网完成后的1860年代初才显现。同样,互联网泡沫破裂后,真正的红利在21世纪头10年真正兑现,开始改造各行各业。所以,金融资本充当了提前消化不确定性的角色,生产资本则需要时间建设基础设施,改造组织形态,最终的财富增长还是要靠真实的产出。泡沫的不可知对于泡沫的预警,《泡沫与崩溃:技术创新的繁荣与萧条》一书提到了一个关键规律:技术本身不会催生泡沫,唯有“高不确定性+强叙事+可交易承载者”三者共振,才会引爆投机热潮。不确定性维度不确定性主要有技术路线、市场竞争、商业模式与价值链以及市场需求的不确定。这些因素里不确定的越多,暴涨暴跌的可能性就越大,相反,如果这些都变得清晰,泡沫出现的可能性将会减弱。叙事维度“在一家公司真正成气候之前,它其实只是一个关于‘想象中的未来’的故事”,这就是说每一种“技术叙事”背后都代表着人们对未来的各种预期与猜测——本质上就是人们对未来走向的“赌注”。“技术叙事”强不强一是取决于想象空间,一项技术能支持的人们对未来的想象场景越多,那它就更容易受到更多人追捧。比如当初的铁路泡沫,铁路不仅是大宗货物运输的血管,还关系到城市扩张,如果修到每个人的家门口,还有利于人们日常出行,对国际贸易升级大有裨益,于是吸引了更多人的投资。互联网最初也是给人创造了对衣食住行各方面改造的美好愿景,吸纳了不同阶层的人来为未来投资。再是取决于解决时间的长短,越是长期无法验证的叙事,出现泡沫的可能性就越大,运河、铁路、电力、互联网、AI都需要很长时间去铺设基础设施,这期间就会滋生大量投机行为。最后还有叙事的理解门槛,技术一般都很复杂,如果把某项复杂技术讲得极其贴近普通生活,投资门槛又比较低,就会更有传播力,传播更广追捧的人就更多。可交易承载者其实就是与某项技术高度绑定、承载该技术叙事的公司,投资者把他们作为技术得以实现的探索者,通过买入他们的股票买入“技术叙事”。比如特斯拉就是作为新能源汽车的符号出现,而马斯克也是话题人物,时常能吸引大众眼球,但特斯拉终究兑现了它故事中的承诺,但那波新能源造车浪潮不光有特斯拉,还有Fisker、Dyson、Bright、Coda等一连串飞速闪过的名字,他们也都承载起这个叙事,吸引了一些投资者。AI投资就是云计算、芯片、大模型等产业链相关企业。当这些承载者太多且大多数没有实际业绩支撑时,只能靠故事炒作推动估值,泡沫就会越吹越大,就像互联网泡沫时期,200多家互联网企业中70%多利润为负,已经是极其危险的信号。如果把上面三点细化,其实就能对科技泡沫有一定认知,比如可以去验证不确定性有关的那些关键点,技术上有无突破,量产的数量,竞争壁垒有没有形成,盈利模式的情况;还有某项技术或企业的核心叙事是否还稳固,是逐步坍塌还是更稳固;参与企业真实的业绩情况,会不会存在现金流断裂风险。但正如前文所说,评估这些关键要素都异常困难,困难到大多数人根本做不到,所以还是难以逃出AI泡沫。
中国AI在海外:掌声很响,账单谁付?
虎嗅 · 12 小时前
本文来自微信公众号: 嬉笑创客 ,作者:CB已经有不止一个朋友和渠道,把我此前写的《中国大模型的至暗时刻》转发到了海外。比如Ma Rui将文章概括成六点的版本,在X上获得了30多万次阅读和上百条留言。这原本是一篇完全面向国内读者的文章。写作时,我并没有考虑海外读者会如何看待,更没有试图向西方解释中国AI正在经历什么。我自己的职业生涯和国产科技兴衰挂钩,如果说有出发点,那更多是一个身在其中、期盼它好、从而对差距更加焦虑敏感的从业者。但认真看完大部分海外留言之后,我发现了一件很有意思的事情:海外读者似乎比中国人自己,更相信中国AI的未来。而且,他们乐观的理由,有时候与中国AI的真实处境并没有太大关系。我们可以用一句“隔壁家的饭菜总是更香”来一言概括,但我还是想深入挖掘下这背后的逻辑。一、外国人似乎比中国人更相信中国科技海外评论中,最常见的观点是,中国AI怎么可能到了至暗时刻?他们认为,中国模型已经无数次被认为要落后、要失败,最后却总能以令人意想不到的方式追赶上来。现在又来一篇危言耸听的文章,无非是重复过去已经被证明错误的叙事。可以明显感受到,2025年初DeepSeek时刻的余响,至今仍然回荡在海外科技社区。那次突破对西方舆论的冲击实在太大了。中国模型可以在远少于美国前沿实验室的资源投入下,做到接近的性能,而且还愿意开源。这几乎彻底颠覆了很多人此前对中国科技能力的认知。由此形成的中国科技滤镜,可能比我们想象中还要深。即使承认中国模型与美国前沿模型存在差距,不少海外读者退一步认为,大多数实际应用根本不需要最先进的模型。在大量简单任务和日常工作中,中国模型已经足够好,价格又低得多,性价比反而是最佳的。这当然是一个合理的商业判断。但它和我的文章讨论的,其实是两回事。一个模型在今天足够便宜、足够好,并不意味着开发这款模型的企业能够在下一代技术竞争中继续维持优势,更不意味着能够赚取足够的利润,来承担越来越昂贵的算力、数据和研发成本。消费者关心的是今天能否用更少的钱买到足够好的智能,模型公司必须考虑的是,明天还能不能训练出足够好的模型。否则迟早会深陷平价智力的红海。这在无数的出海品类中反复得到证明。更有意思的是,除了对中国模型能力的乐观,我还能明显感受到部分海外读者对OpenAI和Anthropic这两家公司的反感。对于这些人而言,中国模型的吸引力,并不完全来自技术能力。他们担忧闭源模型走向垄断,反感少数科技巨头控制最先进的智能,厌恶不断扩张的数据中心与普通民众争夺电力、水和其他资源,也不喜欢自己的工作和生活越来越受制于几家公司的商业规则。在这种情绪下,中国模型,尤其是开源模型,自然而然成为一种替代性的希望。我甚至觉得,有些人赞美中国模型,并不是因为认真比较过各家模型的技术差距、推理能力和商业回报,而只是因为他们不喜欢OpenAI和Anthropic。这也能帮助我们理解2026年美国中期选举中的一个重要现象。反对AI数据中心扩张,已经成为部分民主党候选人争取选票的重要议题。居民担心电费上涨、资源被大型数据中心占用,对AI替代工作和科技财富过度集中同样存在焦虑。围绕AI产业的社会反弹,确实越来越清晰。当少数科技公司掌握越来越强大的技术能力,同时控制算力、模型和用户入口,民众对这种权力集中的不安是很自然的。于是,中国开源模型在一部分西方人的想象里,竟然承担起一种近乎浪漫主义的角色-一个平权、平价的白衣骑士。美国科技巨头想要垄断智能,而来自东方的开源模型,或许会替所有人保留自由使用智能的权利。这种想象,对中国科技的评价当然极高。只不过,我怀疑他们真正关心的,未必是中国模型公司能不能赚到钱。二、同一篇文章,两个世界的讨论另一个让我印象深刻的,是中外评论区的差异。在X上,我看到的大多数留言都很短。很多人只用一两句话表达态度:“所谓中国AI的至暗时刻,过去已经说过无数次了”;“作者根本不懂中国科技”;“又是一篇贬低中国模型的危言耸听之作。”还有从中文互联网翻出去的留言,起手诅咒。(不好意思连累转载者了)真正愿意讨论文章中具体技术和商业问题的留言,比例很低。还是有一些认真的讨论和问题,例如:缺少算力会产生多大影响?反蒸馏会让中国模型的训练成本增加多少?美国如果进一步限制海外GPU租赁,中国模型企业还有什么替代方案?国内市场的收入规模、资本市场的投资意愿和估值,又能否支持下一轮大模型研发?这些才是文章真正想讨论的问题。但在我看到的大部分海外评论中,涉及这些问题的并不多。相比之下,公众号文章被删除前,微信公众号后台已经积累了130多条留言,其中不乏相当深入的讨论。有人讨论RSI,也就是递归自我改进的可能性;有人讨论蒸馏的真正作用,以及美国加强反蒸馏之后,中国是否还存在其他技术追赶路径;还有人进一步追问,国产算力究竟能够在多大程度上替代海外GPU。其中不少明显来自产业内部。我能感觉到越是熟悉产业的人,往往越能感受到他们的焦虑。即使不认同反蒸馏会构成决定性障碍,也会对缺卡、缺算力这个问题忧心忡忡。讨论也往往更加具体:到底缺多少算力,国产卡的性能和效率差多少,哪些任务可以替代,哪些任务仍然存在明显差距。我并不认为这能证明中国评论区天然比海外评论区更有深度。两边读者来源不同,X和微信公众号的表达习惯、传播机制也完全不同。Substack的授权翻译完整版出来后,触发的讨论比简版更加理性,这或许也和信息压缩比例有关。但至少在这一次传播中,我看到了一种很鲜明的反差。海外评论更多是在讨论中国AI应该被如何评价,国内产业人士则更多是在讨论中国AI究竟遇到了什么问题。前者关心叙事,后者关心约束。而且,有些约束并不需要复杂的理论。买不到卡,就是买不到。训练成本增加,就是需要更多的钱。模型收入不能覆盖研发投入,就是需要继续融资。资本市场如果不愿意继续为这种融资模式支付高额估值,股票自然会跌。这不是一句“中国科技很厉害”就能解决的事情。真正关注中国科技好不好、就像父母真正关心孩子穿的暖不暖、累不累,不是只看涨了工资就兴高采烈。三、中国科技威胁论,也制造了大量中国科技的崇拜者从另一个角度来看,这些留言还说明了一件很有意思的事情。海外对中国科技威胁的长期叙事,已经取得了相当大的传播效果。无论中国科技实际处于什么水平,先把东方大国描绘成一个随时可能追上、甚至超越美国的强大竞争对手,就能为扩大研发投入、争取政策支持和加强技术限制提供一个极其有力的理由。中国AI正在迅速追赶,美国如果稍有松懈,就可能丧失技术领先地位。这样的叙事,对美国科技公司和主张加强管制的政策力量,都具有明显的动员价值。但这里面存在一种有趣的反噬。当美国科技企业反复强调中国的技术实力和追赶威胁时,一部分民众真的开始相信,中国已经拥有足以与美国前沿公司抗衡的能力。当他们对本国科技巨头的垄断行为越来越不满,对高昂的AI基础设施投入越来越反感时,中国模型又顺理成章地成为另一种选择。本来用于论证限制中国必要性的威胁叙事,转过头来成为一部分人赞美中国开源模型的理由。同样一个中国科技强大的故事,在一部分人手中,是要求加强限制的依据;在另一部分人眼里,却是打破美国科技垄断的希望。东方大国的神秘力量,一方面成为美国AI产业争取资源的理由,另一方面又成为反对美国AI巨头的人们寄托希望的对象。只是,这两种态度,都不一定建立在对中国AI产业真实经营状况的细致理解之上。真正的产业竞争,没有那么多神秘力量。它需要算力,需要人才,需要数据,需要持续融资,也需要能够支持这些投入的商业收入。技术能力、资本回报和全球市场份额,需要一项一项地争取。四、嘴上看好中国科技的人,真的愿意为它买单吗?如果海外读者真的如此看好中国AI,为什么不通过实际投资来表达自己的判断?智谱和MiniMax已经在香港上市。中国的新能源汽车、电池、光模块和其他科技企业,也拥有大量可以交易的上市公司。这些海外读者中,究竟有多少人真的持有中国科技企业的股票?有多少人愿意在股价持续下跌时增加投资?在X上赞美中国AI,和真正承担中国AI企业未来研发、融资与盈利风险,是不是同一回事?很多人只是希望市场上永远存在一个足够优秀、足够便宜的开源模型。只要有人愿意持续提供,他们就能够享受更便宜的智能,更少受到美国闭源模型公司的控制。中国在多少出口品类上最终是国内生产者在补贴全球消费者?问题在于,谁来承担训练这个模型的成本?谁来支付不断增加的GPU费用?谁来购买昂贵的专家数据?谁来支持下一代模型的研发?又是谁来承担模型训练失败的损失?如果模型使用者只希望免费,投资者又不愿意提供资本,那么所谓中国模型的全球竞争力,最终由谁买单?这也让我想起身边真正对中国模型发展感到焦虑的那些人,甚至不一定是AI产业里的人。他们当中,有不少是实际使用过国内模型,发现某些高要求任务的效果仍然差一档,不得不承担账号限制和支付成本,继续使用Claude或其他美国前沿模型的开发者。还有一些人,则是真正持有中国模型企业股票的投资者。后者今天的状态都是——跌麻了。他们关心的不只是模型排行榜,而是公司究竟能创造多少收入、获得多少利润,未来还需要融资多少次。前者为模型能力的差距付出使用成本,后者为商业化能力的差距承担投资损失。这当然会让我们比普通评论者更加焦虑。相反,一个只需要免费调用中国模型的海外开发者,即使完全不看好中国模型公司未来的盈利能力,也可以真心称赞它们的产品。真正需要分清的,是对技术产品的赞美、对产业竞争力的判断,以及对企业投资价值的认可,根本不是同一件事。五、开源是理想,还是一种苦涩的商业选择?这也引出了我对中国开源模型的一点不同看法。海外读者特别喜欢赞美中国模型的开源精神,甚至将其视为与美国闭源巨头竞争的一种道德优势。但问题是,中国模型公司真的天然不想赚钱、不想垄断市场吗?哪一家商业公司不希望建立足够深的技术壁垒?哪一家不希望通过持续领先获得定价权、客户忠诚度和超额利润?如果拥有远远领先于所有竞争对手的模型能力、庞大的付费用户和稳定的商业回报,它们还会不会以同样的方式开放自己的核心技术?我并不认为开源一定只是技术落后时的被迫选择。开源也可以是主动的生态战略:吸引开发者、建立行业标准、扩大模型影响力,最终通过云计算、API、企业服务和应用生态实现商业化。中国开源模型已经取得了实实在在的技术和生态成绩。当模型能力仍然落后于最强闭源模型、算力和资本资源不足,又无法通过封闭产品获得足够高的收入时,开放模型权重、降低价格、扩大开发者采用,往往是一种更有竞争力的市场进入策略。它可以迅速扩大影响力,甚至迫使领先者降低价格。但这并不自动意味着它能为模型开发者创造同样可观的利润。尤其当其他企业也可以部署、微调和出售同一个开放模型时,模型本身的定价权可能进一步下降。大胖鱼或许是个绝妙的例外,也显得分外稀缺,但追赶前沿模型仍然需要巨量的投入,迫使一而再再而三打开融资窗口。这就存在一个残酷的悖论:中国模型越是通过开源和低价赢得全球开发者的喜爱,就越需要回答,自己究竟如何获得足够的商业回报,来支持下一轮技术竞争。用户享受了自由,开发者得到了廉价智能,全球生态因此受益。但为这项技术支付研发成本的公司,未必是最大的经济受益者。所以我对中国模型的开源既有敬意,也有忧虑。它当然可能是中国模型企业最成功的竞争战略之一,但其中同样包含着无法忽视的成本和代价。有太多优秀的中国公司做着做着做成了基础设施。前沿科技基础设施化、超额利润消失,固然利国利民,但也让价值趋于行业平均。当所有公司意识到最终的出路是如此,是否会从一开始扼杀了动物精神?这或许又和此前我的另一篇文章讨论的本质异曲同工。如果将它简单包装为一种与商业利益无关的崇高理想,反而可能妨碍我们理解中国模型公司真正面对的困境。六、真正需要清醒的,还是追赶者自己归根结底,我并不反感海外读者对中国科技的乐观。相比过去那种中国只能模仿、无法创新的刻板印象,如今海外社会开始认真看待中国的技术能力,甚至对中国模型抱有很高期待,本身就是中国科技进步的结果。但海外的赞美,终究不能替我们解决现实问题。美国科技公司可以用中国威胁论动员资源,美国民众可以把中国开源模型当作反垄断的希望,海外开发者也完全可以在不承担研发成本的情况下享受中国模型的性价比。他们都有自己的利益、情绪和立场。而真正需要为中国科技的下一轮发展投入资源、承担成本、接受竞争结果的,终究还是中国企业、开发者和投资者自己。所以我始终认为,越是处于追赶位置,越需要清醒地知道自己与领先者之间还差多少。这些问题不会因为海外读者在X上为中国模型喝彩,就突然得到解决。领先者把追赶者描绘得异常强大,以此刺激本国的资源投入和竞争意识,尚且可以理解。但如果追赶者也完全沉浸在这种叙事里,整天相信自己已经无比强大,看不见真实存在的技术和商业差距,除了让自己感觉好受一点,并没有多少益处。被对手高估,是一种战略上的幸运。把对手的高估当成对自己的真实评价,却可能成为战略上的危险。也许这就是我从这几百条海外留言中得到的最大感受。海外读者可以为中国AI的未来乐观,真正需要为中国AI的现实焦虑的,还是我们自己。因为这场竞争最终比较的,从来都不是谁获得了更多的赞美。而是谁真正有能力走到下一轮。(全文完)
存储行业变天:比涨价更可怕的,是拿不到货
虎嗅 · 12 小时前
本文来自微信公众号: 硅碳变量 ,作者:沈浪美银11月报告指,NAND现货自10月中旬以来累计回调约20%,主因有三点:现货价修正、PC与手机及国内云厂商需求偏弱、2027年一季度合约价谈判可能推迟。上游则是另一幅景象,TrendForce近日发布预测,认为PC DRAM内存、Client SSD(客户端固态硬盘)存储的价格将在2026年第4季度分别再环比上涨13%-18%、0-5%。从数据上看,合约价在上行,现货行情在走弱,加权月度均价却持平。这三组行情的相互背离,从本质上来说是原厂统一供给定价模式的瓦解。01.现货倒挂:不是没需求,而是没配额放在过去,行业判断存储行情基本锚定终端出货节奏、渠道库存水位以及原厂稼动率这三个标尺。现货与合约价格长期趋势基本是同步的,价差主要由账期和采购规模拉开,而成品价格整体低于原料颗粒的系统性倒挂在过去并不多见。渠道库存原本是周期的蓄水池,在行情走强时囤货,行情走弱时出清,以此对冲一部分价格波动。但这一轮,最先失灵的恰恰就是这个蓄水池。原厂搭建起了两套不同逻辑的供给通道,其中一路对接头部云厂商、AI算力集群与一线服务器OEM,以跨年长协锁定货量和基准价格,晶圆里筛选出的高规格颗粒优先向它们倾斜。另一条路则是面向中小模组厂商和散单渠道,不附带刚性保供承诺,大多只能拿到配额之外的余量与分选后的次级颗粒,价格基本跟随现货市场走。由于货量与价格很难顺畅传导,这两条供给路径之间形成了一道分配断层。而当这个分配断层出现时,现货总是先做出价格反应,合约价格的调整要慢上一截。华强北现货市场上演的倒挂,并不等于整体需求已经崩塌。因为如果整体需求走弱,合约价也会迎来下调,很难持续上行。事实上,倒挂更像一面镜子,折射出了原厂配额分配的底层逻辑。也就是市场不是缺产能,优质货源优先给到名单内的头部客户。首先,同一家原厂面向不同采购方的报价和供货承诺往往不在同一套基准上。比如,头部云厂商敲定跨年乃至多年的采购框架;一线OEM凭长期合作拿到基准配额;头部模组厂跻身核心供货名单;中小模组厂商或贸易商大多只能等余下的货源。分级带来的差异不只是拿货量的区别,更是排产优先级上的显著落差。其次,协议上载明的采购量并不等同于实际交付量。在供给偏紧的阶段,靠后档位客户的合约兑现率常会下调,溢出的需求只能去现货市场竞价拿货。同时,末端渠道就算手握年度框架,也容易出现供货缺口。不少从业者容易陷入一个误区,就是长协锁定的是价格区间,而非无条件的保供义务。在这套配额规则下,优先供货的资格本身就是稀缺资源。再者,同一批晶圆切割得到的颗粒会依据性能、稳定性、坏块情况被划分成多个等级。比如,最高规格颗粒优先供给服务器与企业级固态盘,次一档供给消费级产品,而分选后规格更低的颗粒则大多流入散货渠道与维修市场。不少成品对外型号并没有差别,内里搭载的颗粒等级、成本、稳定性却相去甚远,这也让现货市场的品质和价格更加分化。当这套分配机制稳定运行,行业定价逻辑已然发生偏移:价格不再单纯由供需博弈决定,客户的采购优先级也成为重要的定价变量。优先级靠前的客户可以拿到成本和批次都相对稳定的货品,经营预期明显可控。但处在供给链末端的中小玩家则要同时承担双向风险,既要承受现货价格的剧烈震荡,还要面对供货不及预期的不确定性。可以说,存储沿用数十年的大宗商品式周期,正在AI算力带来的结构性需求之下发生变化。过去渠道库存能够缓冲周期波动,前提是产能相对均质和货源可以自由流转。当原厂借助配额、客户分级以及晶圆分选重新划分产能池,蓄水池原有的缓冲效力便不再发挥作用。现货与合约之间的价格背离,正是这套新分配格局最直观的信号。02.涨势熄火?但供给没有变松持续21个月的上涨行情画上句号,不少市场参与者把NAND均价走平解读为供给转向宽松的信号。但这个判断,或许低估了当下存储市场的分化程度。DRAMeXchange数据显示,10月份通用型128Gb MLC NAND合约均价环比持平,集邦咨询同期报告也显示,MLC、TLC和QLC NAND晶圆合约价格均已停止上涨,消费端需求疲软正在限制原厂继续提价的空间。铠侠近期披露的数据同样显示,NAND平均售价环比涨幅已从此前的约70%收窄至约20%,表明闪存价格虽然仍在上涨,但涨幅已经明显放缓。据三星代理商透露,目前涨价主要集中在DRAM合约市场和企业级SSD市场,消费级NAND闪存并未全面跟涨。可以看出,均价本质只是一个加权平均数,在高度分化的市场里,它的解释力正在快速下降。而比短期现货倒挂更值得关注的是产业端流传的2027年产能规划,TrendForce指出,由于AI应用需求稳健,原厂已初步计划2027年将缩减PC DRAM供应。同时,TrendForce集邦咨询预估2026年第四季PC DRAM合约价格将季增13%-18%,涨幅较前一季缩减。要知道同一片晶圆、同一先进制程节点用来产出HBM或服务器DDR5,单片晶圆的收益通常远高于普通消费内存条。原厂面临的约束往往不是产能上限,而是有限的晶圆预算,资源会优先流向收益更高的赛道。下调消费级配比并不等于放PC市场,只是PC端存储的排产优先级有所后移。过去OEM的成本测算依托于内存属于标准化通用物料,能够按市场行情灵活采购。机型规划、BOM核算、促销节奏,大多建立在这个前提之上。供给逻辑一变,真正棘手的不是涨价,而是预期的失准,厂商很难锁定半年后新机的存储成本。一线PC品牌依托长期采购框架尚能稳住供给基本盘,但白牌、小众品牌以及DIY组装市场则最先被挤出稳定供给池。其中,处在产业链夹层的独立模组厂是这套新分配规则下最先承压的群体。旧周期中,模组厂的价值体现在封装、固件调试、品控、品牌以及渠道触达。原厂供给颗粒,模组负责加工后再分销给终端和渠道,渠道靠周转和铺货建立话语权,体量越大,拿货议价空间越好。配额体系运行起来之后,首要门槛变成供货资格。能否进入核心客户名单、配额规模、可获取的颗粒等级,深刻影响企业的生存空间。头部模组厂有条件签下大额长协,跟上原厂的分配节奏,还可承接云厂商、服务器配套订单,在涨价周期中利润兑现相对稳定。中小模组厂商因为缺少对等的谈判筹码而两头承压,要是按合约价拿货,成品在渠道缺少价格竞争力,但要是等现货降价再补货,则要持续承担交付不稳和颗粒批次参差的风险。除此之外,渠道的定位也随之改变。过去渠道扮演周期蓄水池的角色,行情上行囤货和下行放货,赚取周期波动的收益。现在更偏向余量承接池,大多只能消化配额分配后的剩余货源,自身承受的波动被放大,熨平周期的缓冲能力持续减弱。华强北这一轮集中抛货,正是余量池在供给预期反转下的典型反应。整条供应链在持续缩短,原厂更倾向直接对接头部云厂商与大型终端品牌,依靠跨年采购框架锁定产能。模组和分销环节并未消失,只是价值权重被重新调整;封装和渠道能力依旧具备价值,但已经不再是行业的安全垫。03.属于国产存储的“选择题”讨论AI算力时,市场目光大多锁定在GPU与HBM身上。但带动这一轮存储行情上行的主力品类,其实是服务器DRAM与常规企业级SSD。HBM主要承载大模型训练的算力侧高速缓存,而Agent、RAG、向量检索、在线推理这类业务则需要紧贴算力节点搭建大容量存储池。这类产品单TB收益不算高,但需求体量庞大且应用场景分散,也正是配额管控之下容易形成供给卡点的品类。算力竞争的维度也随之拓宽,行业角逐的不只是卡源,在拿到GPU之外,配套存储的长协配额同样重要。采购模式也从季度现货采买,转向提前一年预订产能。长协的本质就是在原厂有限的晶圆分配盘中,提前锁定对应的份额。所以核算硬件成本时,单品价格不再是唯一的变量,稳定交付的确定性已经有了单独的溢价。对国内存储厂商而言,当下的选择不是技术路线的较量,而是客户结构的搭建。国内存储厂商肯定是优先对接国内头部算力与云厂商,以长期合约锁定服务器和企业级存储订单,将优质产能向高毛利的算力场景倾斜,适度下调消费级产品的产能配比。这么做的优势直观契合当下价值主线,更容易切入高价值赛道。而代价就是这套分级规则会沿产业链向下传导,国内模组厂和PC终端品牌仍要承担末端供给压力,中小玩家面临的困境很难得到缓解。还有一条差异化路线是在消费、工业、白牌终端赛道维持稳定出货,依托灵活的小批量交付和可控交期,承接被头部配额体系边缘化的客户。虽然这样很难拿到最高的单品溢价,却能够沉淀一个波动相对平缓的基本盘,绕开头部客户之间激烈的配额竞争。无论如何选择,单纯依靠性价比和产能规模换取行业话语权的空间正在收窄。能否搭建适配自身的客户分层结构和沉淀稳定的长期订单影响的不只是报价,更是在供给队列里所处的位次。技术只是入场门票,产能分配的话语权才是核心筹码。但这种分配话语权无法靠概念或者宣传换来,大多要依托一笔笔长协订单逐步沉淀,很难找到捷径。在过去很长一段时间里,存储属于标准周期大宗商品,行情跟随终端需求起落,一轮涨跌往往覆盖绝大多数品类。而渠道和贸易商的核心玩法,就是靠库存择时博取周期差价。这套赚周期差价的模式是建立在各个买家共享流动性互通的货池,行情方向基本一致的前提下,但现如今这个前提正被客户分级的供给名单逐步取代。总的来说,存储的周期属性并未消失,只是它正在从跟随终端需求起落的大宗商品转向按采购优先级分配的基础设施资源。算力赛道货源持续紧张,消费市场在余量池里来回震荡,价格时而倒挂,时而小幅回暖。两轮行情不再同频,过去一轮上行行情带动全产业链受益的局面已经很难再有。
丘成桐等数学家发声当晚,AI证明黎曼猜想获得了独立验证
虎嗅 · 13 小时前
本文来自微信公众号: 返朴 ,作者:潘颖、周舒义,原文标题:《丘成桐等数学家发声当晚,AI证明黎曼猜想获得了独立验证!》AI证明黎曼猜想震惊天下。昨晚,丘成桐等数学家召开记者会发声。会后,Lean与Mathlib两个计算机辅助数学证明社区联合发表声明,正式确认了Levent Alpöge与Claude合作完成的黎曼猜想形式化证明的正确性。这是震动世界的一天。当90后数学家Levent Alpöge单方宣布用AI证明了黎曼猜想之时,“黎曼诞辰200周年学术研讨会”也在深圳拉开帷幕,1982年菲尔茨奖得主丘成桐与牛津大学数论教授、2022年菲尔茨奖得主James Maynard正于此间聚首。突如其来的惊人事件让丘成桐于昨晚急召线上记者会,携年轻同事徐文强副教授与Maynard先后接受了包括“返朴”在内的几家媒体记者的采访。而记者会刚结束,AI证明黎曼猜想就获得了社区正式确认。北京时间11月21日21时55分,负责开发计算机辅助证明系统Lean的非营利研究机构LeanFRO,与支持其数学知识库Mathlib建设的MathlibInitiative,在Lean社区官网发表联合声明,正式确认Anthropic数学家LeventAlpöge与AI模型Claude合作完成的黎曼猜想证明正确。声明表示:“我们完全确信Alpöge对黎曼猜想的证明是正确的,并祝贺他取得这一成就。”11月20日,Alpöge公布了约1700万行Lean代码,声称证明了困扰数学界167年的黎曼猜想。随后一天里,Lean与Mathlib社区的成员对这套庞大的形式化证明进行了密集核验。联合声明特别强调,这套证明已经通过四项关键检验:第一,代码中对黎曼猜想的数学表述准确无误;第二,整套代码能够成功编译,已有数十人独立复现;第三,代码最终证明的确实是黎曼猜想,不存在通过修改定义或偷换命题蒙混过关的情况;第四,证明不仅通过了Lean官方内核的检查,还通过了多套独立开发的验证工具,排除了利用单一检查器漏洞制造虚假证明的可能性。这意味着,Alpöge的成果已通过社区的独立核验,不再只是作者个人的宣称。声明最后表示:“我们期待数学界的一切活动,帮助解释本次证明中的新观点。”声明部分截图|来源:https://leanprover-community.github.io/blog/posts/riemann-hypothesis/以下为记者会部分内容精要摘录,为了便于阅读和理解,我们对部分关系紧密的问题做了合并和次序调整。敬请读者注意的是,以下对话发生时,尚不知AI证明黎曼猜想获得了认证。丘成桐与徐文强先答记者问后退场,Maynard再独立接受采访。得知新闻的第一反应:数学进入新纪元提问丘&徐:您得知黎曼猜想获得AI证明的消息时第一反应是什么?丘成桐:从昨天晚上到今天早上,海外一大堆媒体就报告这个黎曼猜想被AI解决的事。这当然是数论上的伟大贡献,可以讲震动了全世界。黎曼猜想是有史以来被认为是最重要的大工作,能在我们这个纪念黎曼二百周年的会议刚开始第一天就宣布出来,对我们是一个很好的意头。表示数学进了一个新的纪元。从前我们梦寐以求的重要问题都解决了。现在我新的看法是,要将数学向前更进一步。所以很重要的问题就是我们要向哪一个方向走,什么样子才是最好的、最能够吸引我们学者向前走的方向。我们带领的人要给出一个新的方向来。希望我们年轻的学者,尤其中国的年轻数学家,能够在这个平台上发展出一套我们的理论来,此事也给我们中国学者一个很好的机会。徐文强:第一感觉“比较震惊”,在大概了解一点背景之后,第一感觉这应该是正确的。虽然还没有经过严格验证,现在发布的AI版本确实太长,人类数学家还需要花很多时间去消化它,但这是一个很积极的事情,至少说明这样的一个证明从理论上是存在的,并且很有可能确实是正确的。一个数学猜想可能就像一座大山,数学家们在翻越山峰的过程中,希望看到山峰背后的美丽风景,如果有强大的AI工具,让人类翻越一座座大山,那么未来可能就会有更多的风景展现在我们面前。因此数学家应该更勇敢地去利用这些工具,去攀登一个又一个的山峰,看到更多的风景,而不是因为一座山峰好像突然在AI的借助下被轻易翻越了,就不再去为背后的风景而继续努力。人类和机器,谁的证明更可信?提问丘&徐:现在认定AI完成了证明会不会为时尚早?因为毕竟还没有经过验证。丘成桐:这个证明是机器花了功夫验证的,不是完全没有验证。所以我们对它的可靠性还是有相当的相信的。正在我们这边参加我们黎曼二百周年纪念的会议,一个主要的演讲者(编注:指Maynard),他是这方面的专家。他亲口讲,他认为98%的可能是对的。数学家是对证明正确看得很重要,但事实上,假如你去看物理、生物或化学的研究,他们远没有得到百分之百的确认,就认为是对的。做实验往往很多时候会有错的。他们认为准确到一个地步以后,就认为是全部对的。我们的要求比这些严格得多。因为我们要推理,用机器一个个拆开来,其实比物理上发现的重要的事件还要准确得多。所以我是认为还是需要验证,只是不需要太严重的怀疑。因为机器验证是有相当可靠性的。提问Maynard:您说过,自己有98%到99%的把握认为这份证明是正确的。所以我想问,是什么让您有这么高的信心?Maynard:这份证明附带了形式化验证。形式化验证就是让机器检查一个结论是否完全正确的方法。当然,仍然有几项额外的检查需要做,必须稍微谨慎一些。不过,我也认识这项工作的作者,知道他此前在AI与数学领域作出过重要贡献。我知道他一定会非常仔细地检查自己的工作,而且他没有理由发布一份错误的成果。面对这样一个规模庞大、备受关注的结果,我认为他在没有认真检查的情况下就将其公开的可能性非常非常小。提问丘&徐:同一天,另一位数学家Masullo也给出了一份940页的广义黎曼猜想证明,据称完全由人类完成,耗费了12年。但仅仅几小时后,就有人借助AI发现其中的问题。您怎么看待这个反差?丘成桐:首先,研究黎曼猜想的人多如牛毛。每一年都有人讲他做到了,很多是不靠谱的。他可以讲他研究十二年,讲研究六十年的人都有。研究很久不表示你就有真的重要的想法。九百多页纸也不表示什么。我并不认得他,不晓得是真的还是假的。但是无论如何,因为AI宣布它证明了,他有点急,所以就赶快发表他的做法,所以中间会有错误,我想是能够预期的,并不奇怪。人类的证明常常会有错误,因为没有经过机器验证的话,错误的可能性很大。一般来讲,一个这么大的定理的证明,通常至少要一年到两年,由其他的专家一同来努力,通常都会验证相当久才能比较确定地认为它是对的。至于用机器来验证是比较可靠的,这是因为机器通过大量的计算,将每一个命题都分成很小的问题来检查。徐文强:AI可以很快地通过Lean来检验一个数学论文正确与否,我觉得这很好,这没有什么不好。我们常常被诟病的就是论文审稿周期特别长。一个很重要的原因就是知识壁垒,很多领域的同行专家其实非常少,世界上屈指可数,只有那几个人有能力和精力去验证你的证明是否正确。现在有Lean这样AI辅助之后,可以大大缩减这个过程。如何对待难以卒读的机器证明?提问丘&徐:这次AI证明黎曼猜想生成的自然语言草稿有25万页之长,人类难以卒读,我们该如何应对难以理解机器证明的问题?丘成桐:这并不是个问题。因为历史上除了数学以外,所有科学的发展,在找到答案的时候,其实大部分都是没有了解的。拿到诺贝尔奖的工作大部分也是通过很久时间才慢慢了解,甚至到现在都还不了解。杨振宁先生跟李政道先生关于宇称守不守恒的问题,过了七十年,到现在我们对于宇称为什么弱作用下不守恒,强作用下守恒都还是个谜。所以不可能将每一个事情都全部了解了,才能够表示有进步。对黎曼猜想,等知道机器对了以后,照我的估计,五年内会全部理解,将它的精神找出来。做一个问题的时候,最重要的第一步就是它是对的还是不对的。当黎曼猜想还没证明以前,很多人认为它可能是不对的,有些人认为是对的。在没有办法决定的时候,就很难有进步。但是现在你晓得它是对的以后,就花全部精力去了解它,看看它的证明是否可以融会贯通,这往往是一个很大的步骤。当年我做后来让我出名的卡拉比猜想的时候,我花了三年功夫走了不对的方向,就是认为它是错的。过了这三年,我比较了解它以后,我要走相反的方向。假如我一早就晓得它是对的,我就不会花三年去找反例。所以第一步很要紧,方向要找对。其实做所有科学、每一门学问的第一步,就是什么方向是对的。所以AI在这方面能够让我们晓得哪一步是对的,是很重要很重要的事情。晓得这一步以后,我们怎么摸索它,找出它应当解决的方法,应当是有办法,同时应当很快就能够解决的。所谓25万页纸,有可能很多是写得啰嗦,没有干干净净地写下来。我想很快,我认为顶多五年的功夫,这个整个过程会被了解清楚,同时会写下一个人类能够懂的方法出来。我很有信心,认为人类有这个能力。为什么?因为AI做的方法其实都是人类想过的方法,将它综合起来,进了一大步。既然是人类找过的方法,人类也有办法去了解它,所以我不认为这是一个大的障碍。徐文强:我非常赞同。很重要的一点是,AI给出了一个证明,至少好于没有这个证明。接下来人类怎么去处理,我的个人感受就是放轻松。消化这个证明的过程本身也是在学习,在推动数学的发展,所以多花一点时间没有什么了不起。另外一方面,人类是很聪明的,如果真的是发现在验证、消化的过程中非常消耗精力,并且没有获得乐趣、新的突破、新的了解,那很有可能会有人自己想办法,用别的方式重新给个证明。所以在这个过程中,我觉得总会有收获。提问Maynard:对于如此庞大的证明,所谓“真正理解”具体意味着什么?人类数学家需要把每一步都重新推导一遍吗?Maynard:已经有一些同事在借助AI梳理这25万页的证明,试图提炼其中的关键思想,让数学家能够开始理解整个论证究竟是怎么回事。我非常乐观地认为,第一步可以用AI把证明压缩到更容易处理的篇幅。接下来,就需要人类仔细研究,理解它的整体思路。而一旦把握了整体思路,我想还可以进一步大幅简化。所以这会需要一些时间,但我希望几年之后,我们能够看到一份完整的证明。它也许仍然很长,但人类能够读懂。提问Maynard:这项进展会改变您自己做研究的方式吗?Maynard:我希望会。但目前还没有人真正理解这份证明。它是一份人类无法理解的机器证明,所以从某种意义上说,什么都没有改变。昨天我相信黎曼猜想是对的,今天我也相信。现在有了形式化验证,我的信心其实并没有发生太大变化。但如果我理解了它为什么是对的,那么这种理解,我想,会让我以一种完全不同的眼光看待数论。这也将促使我改变工作方式,采用新的研究方法等等。这正是为什么“理解”如此重要。就眼下而言,我思考问题的方式完全没有改变。但我想,两年之后,我会有更深入的理解,到那时,我看待很多事情的方式很可能会发生很大变化。Maynard在线接受媒体采访|图源:线上会议截图功劳还是人类的多提问Maynard:AI只用了几周就解决了黎曼猜想这个最困难的数学问题。这是否说明,数学家觉得困难的事情,对AI来说可能不是同一种困难?Maynard:这是个很好的问题。现在的AI思考方式跟人类惊人地相似。它做数学的许多方式和人类数学家非常接近,因为它是用人类迄今积累的全部数学知识训练出来的。它确实比人类数学家有优势:它知道人类写过的每一项数学成果,运算和尝试的速度也快得多,因此能探索更多种可能。这些优势让它与人类有些不同。但让我惊讶的恰恰是,它竟然如此像人类。这意味着,数学家觉得困难的大多数问题,AI同样觉得困难;数学家认为比较容易的问题,AI也觉得比较容易。所以目前,人类数学家与AI其实相当相似。当然,随着AI继续发展,将来两者之间可能会出现更大的差异。假如这个证明是正确的,那么它其实建立在无数人类数学家提出的不同思想之上。所以,如果认为AI突然跑出来,独自解决了这个问题,那是错误的。AI只是跑完了这场长跑最后的一小段。绝大部分艰苦工作,是人类数学家几十年、几十年地积累完成的。AI在非常重要的意义上,依赖并继承了他们的全部思想和成果。就目前来看,AI还不太擅长建立理论、发展新理论,因此它非常依赖人类创造的理论。它也许比人类更善于运用已有思想,但如果某个问题超出了现有理论能够触及的范围,那么目前看来,AI也很难解决。如果将来人类和AI各自擅长的事情出现了很大差别,我们就需要重新思考研究的问题和整个研究格局。人类会更多地去做那些人类容易、AI困难的事情;而对于人类困难、AI容易的问题,则由AI发挥主导作用。双方可以按这种方式合作。不过目前,让我惊讶的是,人类和AI的思维方式,比我原先想象的更为相似。提问丘&徐:当证明由人类和AI来共同完成的时候,对于学术成果的归属应该如何界定?丘成桐:举个例子来讲,关于credit的分布,很多大型团队做实验的时候,往往有几十个人、几百个人,甚至几千个人一同做一个实验。好像十几年前日内瓦加速器做出了Higgs粒子的发现。那个是理论基本上先有了,但是实验做出来是有很多人参与的。最后谁应当拿诺贝尔奖?结果给了Higgs。Higgs本身在这个实验上其实没有什么大的贡献,他是五十年前讲过一些、做过一些文章,所以拿了诺贝尔奖。所以关于大型团队做学问得到的credit,并不是这么干净地分配的。我想数学也会慢慢有这个问题,是无可避免的。但是这些事情不是今天才发生,在物理学界,在生物学界,都常常出现。往往生物的实验是好几个人一同做的,不是一个人做的,没有分得这么干净。这是一个问题。但是照我看,假如你是主要的角色,做一个问题是你指挥AI去做的,我想这还是公平的,就是你占了重要的credit,因为AI还是听你的话去向前走的。徐文强:在过去五十年到一百年里,数学界过于看重谁第一个证明某个问题,把绝大部分荣誉都给了第一个给出证明的人。但现在时代在改变,大家对数学的理解应该更加广义,数学界也会慢慢形成新的评价体系。第一个给出证明的人当然依然有重要贡献,但提出问题同样重要——大家可以简单地问一句:谁提出了黎曼猜想?不是AI,而是伟大的数学家黎曼。即使大模型拿到了很多荣誉,我们也不能忘记是谁提出了这个问题。对年轻学者是机会提问丘&徐:过去数学家在证明猜想的过程中,往往会创造新的工具和方法,甚至延伸出新的数学方向。如今人机合作大大缩短了这一进程,未来推动数学发展的路径与传统相比会有哪些改变?丘成桐:传统以来,数学家做数学,都是一步一步向前走,达到最后一步就算是完成。但是物理学家、生物学家、化学家的方法,跟数学家是有点相反的:生物学家做实验,先得到一些数据,再慢慢推敲,看看这个结果有什么意思。物理也是这样,因为我也做物理。现在AI把数学家的做法扭过来了。AI可以先帮你找到答案,但是我们还要去消化整个做学问的过程,看内容是怎么样的。希望从这个过程里面学习到它的方法,来提升我们自己的想法。所以无论如何都是要人脑来帮忙的。机器现在问的问题都不是很重要的问题,它解题的能力比问问题的能力强得多。照我的看法,问问题更需要创造力,尤其是问重要的问题。我希望我们的学者也能学习这一点。了解了这个问题以后,要问下一步怎么走,对数学才是最好的。这一点我想AI还做不到。我们得花功夫,把自己走过的路和机器走过的路放在一起,融会贯通,才知道该往什么方向走。我想以后数学家的习惯会改变,跟物理学家、化学家有点像,先找到答案,再研究怎样理解它、怎样证明它。对于中国的年轻学者来讲,这应当是一个很激励人的事情。因为每一次科学转型的时候,年轻人能够发挥更大的作用。年纪大的人不太习惯,年轻人趁这个时候很快就上去了。本来照我的估计,中国的数学跟海外还是有一段距离,现在有了一个赶上去的机会,也就是你们讲的所谓“弯道超车”。这是改进中国数学最快的一个时机,一瞬即逝,我希望我们能把握住,加大对基础科学的投入,让AI发挥所长。不公平竞争是主要问题提问丘&徐:未来的数学研究越来越依赖于AI模型、算力和基础建设,会不会让研究者没有办法去平等地使用这些AI工具?数学作为一个开放知识体系,会不会受影响?您怎么看待AI业界和数学界之间的关系?丘成桐:依赖本身没有什么太大的问题。从古代我们看,显微镜发明以后,生物学家大量用显微镜。你可以讲生物学要靠显微镜,没有问题,显微镜变成生物的一个重要部分。天文学发明了望远镜以后,都靠望远镜。以后不但是小望远镜,还要做很大很大的望远镜,然后天文学家跟着它们走,去智利,去西藏,去南极,去北极。所以科学家跟工具是分不开的,没有什么不好。五十多年前计算机开始发展,到了今天我们离不开计算机。AI也会成为我们做科研不可缺少的一部分。因为我们人脑还是要向前走,指导AI怎么去向前帮我们做学问。只不过这次跳跃得比较大一点,所以我们有点震惊。但是从长远来讲,我想是很好的一个事情,让我们对很多重要的问题能够更进一步地了解。了解比从前深一点,同时快了一点。但是很快我们就晓得,AI能够解决的问题也慢慢会慢下来,不会一路都是这样子猛进的。同时要坦白讲,美国这几个大公司投了很多钱来做这个事情,几亿美金,甚至几十亿美金的投资。他们也不可能这样继续不停投资在这上面,所以会慢慢地停顿下来。希望能够趁它慢下来这个时间,我们赶快追上去,也让我们年轻的学者能够追上去。机器是不是公平地让每个人都可以用,这个是更重要的问题。现在这些机器掌握在少数公司手上,想给谁用就给谁用。现在尤其是美国控制这些机器,不准给中国的学者用。不但不准美国的机器给中国的学者用,它也不准它的盟友给中国用,大量地封杀中国的学者。这是很不公平的。因为做研究,假如机器每一个人都同样地用,开源的,我想这是公平竞争。现在主要问题是竞争并不公平。要是像今天的电脑一样,人手一部都可以用的话,就很难怪谁用电脑做到最先。假如ChatGPT也好,Claude也好,这样重要的机器只准美国少数的数学家可以用,这是很不公平的事情,这是要坚决反对的。其他我觉得没有什么大的问题。徐文强:我非常赞同丘先生说的,我们在这个关键阶段一定要进一步加大投入,推动AI与数学的结合,让国产模型抓住这个非常好的时机,进一步缩小跟美国的差距。数学将迎来黄金时代提问Maynard:您曾说,过去一年里,您花了很多时间反思AI对数学意味着什么。那么,这番深入反思让您得出了什么认识?Maynard:我想,我更清楚地认识到了自己真正看重数学的什么。AI出现以前,人类数学家每天的一项主要工作就是设法证明各种结果,因为证明结果是一项极其困难的挑战。当一个人类数学家证明了某个结果,他可以告诉大家,自己在研究这个问题时想了些什么,思想是怎样产生的,直觉是什么。这些内容带来的理解远远超过证明本身。现在AI来了,生成证明变得容易得多。但与此同时,我们并没有得到相应的直觉和理解。过去总是相伴而来的两件事,如今被分开了。我花了一些时间才真正意识到:我原以为自己在乎的是那些轰动性的数学成果,但实际上,我在乎的是过去那种研究方式下,伴随这些成果一起产生的所有东西。到了这个新时代,真正重要的是理解。我也是过了一阵子才想明白这一点。我早就感觉这些AI证明让人有些不满足,但经过一番反思才发现,自己真正看重的是人类的理解,而不是那些能登上头条的结果。提问Maynard:数学界仍然有一些担忧,比如数学家可能会失业,年轻学生可能会感到迷茫。总体来说,您怎么看这些担忧?Maynard:显然,数学这门学科必须改变,去适应AI。我们正在进入一个新时代。这意味着目前有很多事情还不确定:今后论文该怎样发表,年轻数学家将如何接受评价、按照什么标准打分,等等。这种状况确实令人遗憾。不确定性本来就会让人感到不安,所以人们有这样的反应很自然……眼下未来确实充满不确定性,因为AI一直在变化。我们也必须保持灵活。随着AI的进步,我们很可能还需要再次调整这门学科,让数学能够适应AI,与它共同发展。我认为,数学将迎来一个非常激动人心的未来,一个黄金时代。那些我一直梦想看到被证明的非凡结果,将会一个个得到证明。而且,我们不仅会得到那些轰动性的结果,还会获得我们过去认为理应伴随证明而来的深刻理解,因为数学家将能够看得更远、走得更快。这当然会带来不少变化。变化让人不安,甚至引起担忧,是完全可以理解的,尤其是年轻人,因为他们受到的影响最大。所以我认为,资深数学家非常有必要努力引导年轻一代,帮助他们度过这个阶段,因为面对不确定的局面,年轻人确实需要一些指导和帮助。但我很乐观:数学将因此变得更加健康、更加强大,而不是走向数学家失业的结局。在我看来,数学是科学的语言,支撑着世界上如此多的进步。而人类的理解始终会发挥非常重要的作用,这就需要数学家。
被指操纵内存价格,韩美存储巨头一起甩锅中国
虎嗅 · 13 小时前
本文来自微信公众号: 科工力量 ,作者:沈见微,原文标题:《太离谱!被指操纵内存价格,韩美存储巨头一起甩锅中国》三星、SK海力士和美光,没能把一场针对它们的反垄断诉讼挡在法庭门外。近日,美国加利福尼亚北区联邦地区法院驳回了三家企业提出的撤诉申请。法官认为,17名消费者和小企业原告提供的事实,已经足以支持对三大存储巨头涉嫌串通限制内存供应、操纵价格的合理怀疑,案件仍需后续调查和审理。值得注意的是,这场官司打到现在,原告和被告都把中国存储厂商拉进了争论。三家企业辩称,中国厂商正在扩大DDR4内存生产,给它们带来竞争压力,因此,逐步退出DDR4是正常的商业选择。原告却认为,中国厂商当时所占的全球DRAM产能只有约5%,甚至更低,不足以解释三家企业几乎同时退出DDR4的决定。更有意思的是,根据长鑫科技公开披露的材料,早在2024年底,长鑫就已经停止生产自有DDR4产品,开始向DDR5升级。而三星、SK海力士和美光,直到2025年4月至6月才相继宣布逐步退出主流DDR4生产。三大巨头把退出DDR4的原因归于中国竞争,却没能解释清楚,为何在DDR4仍有大量市场需求、价格不断上涨的情况下,它们几乎同时选择收缩供应?退出DDR4,为什么成了串谋的证据?要理解诉讼双方的逻辑,首先要看争议的核心——DDR4内存。近年来,速度更快、性能更好的DDR5开始普及,DDR4逐渐成为上一代产品。按照正常的技术发展规律,旧产品被新产品替代,原本没有什么奇怪的。问题在于,DDR4虽然老了,却还没有到没人用的程度。全球仍有大量电脑、服务器、工业控制设备和通信设备使用DDR4。对于已经设计完成的产品,DDR4不能直接换成DDR5。两代内存在接口、电气规格和平台支持方面存在差异,升级往往意味着主板、处理器平台等也要跟着调整。2022年底,全球消费电子市场进入低迷期,内存价格持续下跌。三星、SK海力士和美光的日子都不好过。2022年10月至次年4月,SK海力士、美光和三星接连宣布削减DRAM等存储芯片的产量。接下来,AI热潮改变了整个存储行业的生意。三大巨头纷纷增加HBM投资,把部分原本用于普通内存的制造资源转向AI市场。这一转型本来可以解释为企业正常调整产品结构,但到了2025年,事情出现了新的变化。当年4月至6月,三星、SK海力士和美光相继宣布,准备逐步结束主流DDR4生产。消息公布后,下游企业担心以后买不到货,开始集中备货。当年8月,集邦咨询发布报告指出,DDR4供应已经出现结构性紧张。就在此前一个月,PC用8GB DDR4内存模组的合约价格,竟然超过了同容量的DDR5模组。根据此次诉讼原告援引的数据,截至2026年初的一段18个月时期,常规DRAM价格累计上涨约697%。原告认为,三家企业明知道DDR4仍有大量需求,却在相近时间宣布减少供应,随后又没有明显扩大普通内存产能,这些行为很难全部用独立的商业选择来解释。三星、SK海力士和美光不认可这种说法。它们认为,DDR4本来就要逐渐退出市场,企业应该把资源投入更有前景的DDR5和HBM。同时,中国厂商正在扩大DDR4生产,继续留在成熟产品市场,不但要面对激烈的价格竞争,还可能错过高端内存带来的增长机会。这个理由听起来有道理,但长鑫科技招股书显示,早在2024年底,长鑫就停止了自有DDR4产品的生产,比三大巨头宣布退出主流DDR4生产早了几个月。更重要的是中国厂商的规模。法院援引起诉状指出,2025年第三季度,三星、SK海力士和美光合计占据全球DRAM市场91.5%的营收份额。相比之下,起诉状所称的中国厂商全球DRAM产能占比仅约5%,甚至更低。三家巨头拿中国竞争作为退出DDR4的理由,说服力显然不足。裁定第15页甚至专门留出一条脚注,说明被告担忧中国竞争的说法并不在起诉状中,法院不能直接据此驳回案件。同时,考虑到中国厂商当时的整体规模,这一解释本身也值得怀疑。三大内存巨头早有价格串谋前科美国企业和消费者对三星、SK海力士和美光的怀疑,不能算是空穴来风。因为这三家企业确实有过价格串谋的前科。20世纪90年代,全球还有约20家DRAM制造商。经过长期的价格竞争、技术升级和行业整合,大量企业退出市场,最终形成了由三星、SK海力士和美光主导的格局。在这个过程中,几家大厂就曾联手操纵内存价格。1998年至2002年,三星、海力士、美光以及另外几家存储厂商参与了一场DRAM价格串谋。当时,这些企业的管理人员通过会面、电话等方式交换客户报价、商量销售价格,并相互监督协议是否得到执行。受到影响的客户,包括戴尔、惠普、苹果、IBM等大型电脑制造商。2005年,美国司法部对涉案企业作出处罚。三星承认参与价格串谋,被罚款3亿美元;海力士同样认罪,被罚款1.85亿美元。德国英飞凌和日本尔必达也因参与相关串谋受到处罚。多名涉案高管被判入狱。美光虽然也参与了这场串谋,但因为主动配合美国司法部调查、提供证据,最终获得了刑事豁免。此后,类似的怀疑并没有消失。2016年8月至2018年8月,全球DRAM价格累计上涨165%。2018年4月,美国消费者再次发起集体诉讼,指控三星、SK海力士和美光串谋限制供应、推高价格。但这一次,三家企业赢了。法院认为,原告提出的证据不足以证明存在事先协议。高度集中的市场里,几家企业面对相似的经营环境,完全可能在没有串谋的情况下,作出相似的减产和定价决定。案件最终被驳回。这段历史,也是三大巨头此次申请撤诉的重要依据。它们认为,本轮诉讼不过是2018年案件的重演。行业需求变化、减产、价格上涨,以及竞争对手采取相近行动,这些都可以用正常的市场规律解释。但这一次,情况明显更加复杂。除了2022年底至2023年初先后减产、2025年相继退出DDR4外,原告还提到三星和美光推迟部分新工厂建设,三家企业将大量生产资源投入HBM,并通过长期合同锁定未来供应。美光的动作尤其引人注意。2025年12月3日,美光宣布退出经营了近30年的英睿达(Crucial)消费存储业务。英睿达原本面向普通电脑用户销售内存和固态硬盘,具有相当高的市场知名度。美光给出的解释是,AI带动数据中心存储需求快速增长,公司希望把更多资源投向大型战略客户。可在原告看来,普通内存价格已经大幅上涨,美光却主动退出直接面向消费者的业务,这在商业上说不通。还有一项更值得注意的证据。原告称,今年1月,三家企业几乎同时加强了客户订单审查。一家GPU和服务器供应商的高管表示,三家企业都开始严格询问客户准备把货卖给谁、需要多少数量,以及终端需求是否真实。三家企业几乎在同一时间采取类似措施,连询问的问题都很接近,难免引起怀疑。AI时代,三大巨头有了更多选择过去,DRAM厂商主要依靠电脑、手机和服务器等传统市场。如今,AI带来了一个新的高利润产品——HBM。但HBM并不是普通内存的简单升级。它需要把多颗DRAM芯片堆叠起来,制造过程更加复杂,对晶圆、封装和良率都有更高要求。按照此次起诉状提供的估算,生产相同存储容量的HBM,消耗的晶圆面积可能达到普通DDR5的三至四倍。HBM需求越大,就可能占用越多原本可以生产常规DRAM的制造资源。三星、SK海力士和美光当然希望抓住这轮AI机遇。但问题在于,AI不仅需要HBM,还需要大量普通内存。AI加速器需要HBM来满足高速数据传输要求,服务器的中央处理器仍然需要DDR5等普通内存。与此同时,手机、电脑、工业控制和通信设备,也还在不断采购DRAM。结果是,HBM、DDR5以及部分旧一代内存,都出现了供应紧张。这给了三家巨头很大的经营调整空间。企业根据需求和利润调整生产,原本十分正常。但如果三家企业事先达成协议,共同限制普通DRAM供应,情况就会有所不同。假如只有三星退出DDR4,原本向三星采购的客户,就可能转向SK海力士和美光。剩下两家可以扩大生产,拿到更多订单。如果没有任何事先协调,一家企业主动减少产能,就要承担竞争对手继续生产、抢走自己客户的风险。但如果三家都减少供应,客户就很难找到足够的替代货源。对于三家企业来说,如果能够共同限制供应,就有机会从旧一代内存的涨价中获得更高利润,同时抓住AI时代HBM市场的增长机会。而且,从市场份额来看,它们确实具备影响供给的条件。根据裁定援引的数据,2025年第三季度,三星、SK海力士和美光分别占全球DRAM营收的32.6%、33.2%和25.7%,合计达到91.5%。即使其他厂商看到内存涨价,希望扩大生产,也很难迅速追上。正因如此,三家巨头的每次产能调整,都会对全球市场产生远超普通制造企业的影响。不过,中国企业的加入正在改变这一格局。长鑫科技已经具备DDR5、LPDDR5/5X等产品的量产能力,逐渐进入国际主流DRAM市场。集邦咨询2026年9月发布的报告显示,今年第二季度,长鑫在全球DRAM营收市场的份额已升至9.5%,位居全球第四。福建晋华也在加快扩产。据财通证券测算,晋华目前的DRAM晶圆月产能约为3万片,正按月产6万片的规模配置设备,主要面向DDR4等成熟产品市场。兆易创新今年上半年的DDR4产品已在各利基应用领域全面量产,出货量稳步增长。北京君正也在推进新工艺DDR3、DDR4和LPDDR4产品,部分已经量产,部分仍处于工程验证阶段。对于三星、SK海力士和美光来说,中国厂商带来的竞争也越来越难以忽视。2025年以来,韩国政界和媒体已多次公开讨论这一问题。1月,《韩国经济》报道,三星和SK海力士已经着手分析长鑫的DDR5产品,担心中国企业继DDR4之后,进一步进入新一代内存市场。11月,韩国国会有关研讨会又发出警告,中国半导体产业的进步可能在未来几年削弱韩国企业的竞争优势。但实事求是地说,中国厂商当前的规模,还不足以改变现有格局。根据集邦咨询的数据,2026年第二季度,三星、SK海力士和美光的全球DRAM营收份额合计仍达到87.6%。即使份额最小的美光,也占到23.3%,是长鑫的两倍多。长鑫科技在招股说明书中也承认,虽然产能规模已经位居全球第四,但与前三家仍有明显差距,现有产能远低于国内市场需求。这场美国官司最后能否证明三家企业达成过减产协议,还要等待法院进一步审理。但官司之外,一个现实已经摆在眼前:三大巨头接连退出一款旧内存,就能引发全球市场的供应紧张和价格大涨,而其他厂商很难迅速填补缺口。如今,三大巨头已经开始把中国厂商视为重要的竞争对手,甚至拿中国竞争为自己的经营决策辩护。既然对手已经把这样的分量算在中国企业头上,那我们最好尽快拥有与之相称的实力。
上市公司“不爱”理财了
虎嗅 · 13 小时前
本文来自微信公众号: 经济观察报 ,作者:陈植今年前10个月,1151家上市公司合计认购各类理财产品额9024亿元,较去年同期减少约2576亿元,回落幅度超过20%;同期,参与理财的上市公司数量较去年同期减少137家。曾经深受上市公司喜爱的理财产品,为什么不香了?11月16日,吴超前往一家上市公司推介对公理财产品,但这家上市公司财务总监却告诉他:公司几乎没有闲置资金。吴超在一家股份制银行任战略客户部业务总监。他的主要工作是向上市公司及大型企业提供涵盖信贷、投行、理财的一揽子对公金融服务方案。目前,他服务逾30家上市公司客户,涵盖新材料、计算机、能源、高端制造等众多领域。吴超发现,今年以来,上市公司越来越不爱理财了。过去一个月,吴超采取多项举措吸引上市公司加码理财投资,但这些上市公司财务总监明确告知他,在自筹资金与自有资金持续减少的趋势下,未来他们的理财规模大概率“不增反降”。公开数据也在一定程度上印证了这种变化。Wind数据显示,今年前10个月,1151家上市公司合计认购各类理财产品(包括银行理财产品、存款类产品、券商理财产品等)金额9024亿元,较去年同期减少约2576亿元,回落幅度超过20%;同期,参与理财的上市公司数量较去年同期减少137家。曾经深受上市公司喜爱的理财产品,为什么不香了?谁在“挤压”理财额度吴超观察到,今年以来,上市公司认购的存款类理财产品金额大幅压缩。以往,上市公司倾向将自有资金投向定期存款、结构性存款、通知存款等存款类产品,在确保资金流动性与安全性的基础上实现保值增值。Wind数据显示,今年前10个月,上市公司合计认购存款类产品(含存款、定期存款、结构性存款、通知存款)约6850亿元,同比下降22.8%。过去四年,上市公司一直在逐年压降购买理财产品的规模。从2022年上市公司理财规模达到近年峰值约1.52万亿元起,2023年—2025年,上市公司理财规模每年都以10%—20%幅度回落。在吴超看来,不同于2023—2025年上市公司理财规模回落主要归因于企业自筹资金(通过IPO、定增、发债等方式募集资金)减少,今年上市公司自有资金(经营性资金周转余额)吃紧,成为他们更大幅度压降理财规模的关键推手。受自有资金吃紧影响,今年他服务的逾30家上市公司里,5家没有认购任何理财产品。但在2026年之前,这些公司总能挤出1000万—2000万元自有资金,认购定期存款或中短期结构性存款产品。吴超服务的计算机行业上市公司自有资金吃紧状况尤其明显。Wind数据显示,2026年前三季度,计算机行业上市公司经营活动产生的现金流量净额为-434.68亿元,净流出同比扩大153.14%,在31个申万一级行业排名垫底,呈现典型的“增收不增现”。究其原因,截至三季度末,计算机行业上市公司的总存货高达4684.35亿元,同比增加47.98%,增速远高于营收增速,导致现金流被挤压,加之整个行业的存货周转天数达到128.67天,同比拉长18.50天,资金回笼速度相应减弱。自有资金大幅缩水,直接影响计算机行业上市公司理财投资意愿。吴超告诉记者,2023—2025年,即便自己服务的5家计算机行业上市公司多次抱怨存款类产品收益率持续下行,但鉴于彼此的多年合作关系,他们仍会拿出数千万元认购结构性存款产品或定期存款。今年,其中3家计算机行业上市公司干脆“闭门谢客”。尽管吴超多次推介年化利率在1.8%的中短期结构性存款产品,但他们仍不为所动。除了计算机行业,化工产业上市公司的理财力度也不如以往。杨敏是一家精细化工领域上市公司的财务总监,负责企业自有资金的理财投资。过去三年,这家上市公司每年都能拿出约1.5亿元闲置资金用于认购存款类产品,但今年这一金额只有7000万元。杨敏表示,受2月中东地缘冲突升级引发全球能源价格高企影响,第二季度起,公司持续逢低囤积化工原材料,在第二、三季度总计耗费8000万元自有资金囤积化工原材料。原先,这笔钱计划用于认购结构性存款产品以增厚公司利润表现。随着市场预期11月全球能源价格将进一步走升,公司决定继续逢低囤积化工原材料。于是,杨敏只能将第四季度到期的3000万元理财资金(投向定期存款产品)不再续投,作为化工原材料采购备用金。罗淼是一家新材料研发上市公司的财务总监。他坦言,今年以来,企业自有资金持续受到产业链上下游账期拉长的冲击。今年前三季度,企业应收款项增加逾5000万元,导致自有资金较去年同期减少逾20%。10月以来,他已婉拒3家合作银行发来的对公理财产品投资邀约。“不是不想投,是自有资金在扣除年底上游供货商结款与员工年终奖发放后,所剩无几。”他告诉记者。最初,罗淼不好意思婉拒这些邀约,毕竟彼此已合作多年,想帮银行客户经理完成对公理财考核指标。后来他发现,与自己相熟的多家上市公司财务总监都在压降理财规模,原因是业务出海与人工智能研发投入预算超标,以及行业上下游资金结算账期拉长,正在不断削减企业的自有资金储备。第四季度以来,3家上市公司突然向吴超提出——能否提前赎回尚未到期的存款类产品,因为他们需要补充自有资金维持日常运营。“按照相关理财合同约定,他们是不能提前赎回的。”吴超说。为了维护客户关系,他迅速联系对公信贷部门,以未到期理财产品质押,向这3家上市公司提供短期流动性支持贷款。此间,吴超向这3家上市公司的财务总监建议,不妨办理1年期流动性支持贷款,如此当相关理财产品到期后,这笔资金还能继续理财以赚取收益,并且推介年化收益率超过2.3%、投资安全性较高的固收类理财产品。但是,3位财务总监均表示,公司高层特别叮嘱,在企业自有资金趋紧的当下,不要进一步提高企业负债率,以免债务到期出现违约风险。回购股票即便是拥有充足闲置自有资金的上市公司,也在权衡是否有必要用这笔钱理财。严跃是一家新能源领域上市公司的副总裁,负责公司财务管理与对外投资。10月中旬,他所在公司的高层决定将约4000万元自有资金用于股票回购,而不是继续投向理财产品。严跃说,理财产品的收益率连年走低,公司高层认为自家上市公司的股息率达到3.1%,高于当下银行理财产品年化收益率(约1.9%),因此企业将自有资金用于股票回购,能获得更高的收益。何况,公司高层认为近期公司股价被低估,通过股票回购还能有效提振股价,实现市值管理目标。近日,他正与一家股份制银行磋商,拟申请一笔股票回购增持贷款,进一步扩大股票回购规模。程昊是一家城商行华东地区分行对公业务部门负责人,负责向当地约15家上市公司提供综合金融服务。他发现,今年以来上市公司的股票回购力度较前两年更大。Wind数据显示,截至11月5日收盘,上市公司已实施股票回购的金额达到1445.22亿元,触及2025年全年水平。“这势必挤占上市公司的理财投资规模。”程昊说。10月初,他注意到两家能源类上市公司受益于今年能源价格高企,前三个季度企业经营性现金流与利润较去年同期双双增长逾20%。他立即前往这两家上市公司推介对公理财产品。但他得到的回复是,这两家公司的高层不打算将自有资金投向理财产品,而是通过“自有资金+股票回购增持贷款”方式,从四季度起逐步逢低回购增持股票。因为这两家公司的高层均认为,当前公司股价较合理估值大幅降低,通过回购股票并持有一年时间,就能坐享股价回升红利。11月以来,央行加力实施股票回购增持再贷款政策,进一步提升上市公司加码股票回购增持的意愿。程昊感受到自己向上市公司兜售对公理财产品更难了。10月底之前,当他向上市公司财务总监推介一款年化预期收益超过2%的对公理财产品,对方还会“看一看”产品的具体投向与投资安全性;11月以来,多家上市公司财务总监直接拒绝了理财产品推介资料,因为上市公司正在算一笔账:相比理财产品平均收益率持续下行并跌破1.9%,股票回购增持不仅能带来更高的利润分红回报率,更有助于提振股价,令其综合价值远高于理财投资。逐年缩水背后面对过去4年上市公司理财规模持续缩水,吴超时常怀念2022年的“美好时光”。那一年,上市公司理财规模创下过去6年的峰值——约1.52万亿元。“当时,面向上市公司的对公理财产品特别好卖。无论是存款类产品,还是固收类理财产品,只要新产品面世,就有上市公司主动上门预订认购额度。”吴超回忆说。即便个别对公理财产品存在认购缺口,他只需向关系不错的上市公司财务总监打个电话,对方就会尽快了解产品的投资条款与收益预期,做出投资决定。在吴超看来,2022年上市公司理财规模之所以能创下近年峰值,主要受到三大因素影响:一是疫情期间大量产业项目停滞,让部分上市公司“有钱没处花”,所以寻求理财市场“保值增值”;二是当时存款类产品与固收理财产品年化收益率均超过3%,多数上市公司对收益水平感到满意;三是前些年部分上市公司IPO(首次公开募股)或定增超募,让他们拥有可观的闲置资金用于理财投资。吴超注意到,2022年前后,他服务的逾30家上市公司总计理财规模超过100亿元。其中,企业自筹资金与自有资金的占比分别是75%与25%。然而,2023年以来,吴超与这些上市公司签订的理财协议规模逐年减少10亿—20亿元。之所以出现这种状况,是上市公司的自筹资金有所减少。在他看来,这背后有诸多客观因素。随着疫情结束,上市公司原先计划投资的产业项目陆续恢复施工,自筹资金纷纷流向实体经济项目,留给理财产品的额度自然减少;此外,近年来相关部门从严监管上市公司超募行为,尤其是2025年6月证监会发布的《上市公司募集资金监管规则》正式施行,上市公司通过IPO、定增超募资金的操作空间骤然受限,上市公司自筹资金的理财投资规模相应减少。多位上市公司财务总监告诉记者,近年来理财产品收益率持续下行,也使他们调整了自筹资金投向——在2024年对公固收类理财产品年化收益率跌破2.5%后,他们将部分自筹资金投向产业并购等资本运作,以寻求更高的投资回报。随着投向理财的上市公司自筹资金减少,上市公司的理财资金结构也发生明显变化。2025年,上市公司投向理财的资金中,自筹资金与自有资金的占比变成64.5%与35.5%。吴超感到庆幸的是,2023年—2025年,上市公司自有资金的理财规模相对平稳。凭借多年合作关系,吴超服务的逾30家上市公司每年总计动用逾20亿元自有资金认购他推介的存款类产品与对公固收类理财产品,让他能相对轻松地完成对公理财规模考核指标。“我一直把上市公司自有资金理财,视为自己完成业绩考核的压舱石。”吴超称。令他没想到的是,今年前10个月他与上市公司签订的自有资金理财协议规模总计仅有12亿元,相比往年出现了一个逾8亿元的“缺口”。如今,他仍在为如何完成今年的对公理财规模考核指标而奔忙。(应受访者要求,杨敏、严跃为化名)
少了短剧和达人,韩束还能打吗
虎嗅 · 13 小时前
本文来自微信公众号: 经济观察报 ,作者:罗文利过去几年,韩束依靠短剧、达人直播和抖音护肤套盒迅速扩大销售规模。现在,上美正在改变韩束的经营方式:一方面减少其对短剧和达人等外部流量的依赖,将更多精力转移至品牌自营账号;另一方面把韩束已经形成的品牌认知延伸至洗护、男士护理、彩妆等产品线,让这一主品牌承载更多品类。11月18日,上美股份(02145.HK,下称“上美”)旗下品牌在2026年“双十一”电商大促期间更多销售数据被披露。华泰证券当日发布研报称,作为上美旗下核心品牌,韩束新拓展的洗护和男士护理品类销售总额均已超过1亿元。但在长期占据优势的内容电商平台,韩束的排名出现下滑。化妆品行业媒体青眼情报数据统计,在10月15日至11月11日的“双十一”周期内,韩束在抖音个人护理品牌成交额榜中位列第八;而在去年,韩束排名第一。这也是继今年“618”之后,韩束再次在抖音大促榜单中失去榜首位置。榜单排名变化之前,韩束的收入已经出现下滑。上美财报披露,2026年上半年,韩束收入为26.61亿元,同比下降20.4%,这是韩束自2023年进入高速增长阶段以来,首次出现半年收入同比下降。同期,上美实现收入37.57亿元,同比下降8.6%,归母净利润为1.08亿元,同比下降79.4%。韩束仍贡献了上美七成以上的收入。过去几年,韩束依靠短剧、达人直播和抖音护肤套盒迅速扩大销售规模。现在,上美正在改变韩束的经营方式:一方面减少其对短剧和达人等外部流量的依赖,将更多精力转移至品牌自营账号;另一方面把韩束已经形成的品牌认知延伸至洗护、男士护理、彩妆等产品线,让这一主品牌承载更多品类。尽管上美多次提出降低对韩束的依赖,但在其他品牌尚未形成相近收入规模的情况下,韩束仍是上美拓展新品类的主要载体。韩束此次排名和收入的变化,正发生在这一调整过程中。优势渠道排名回落从历年“双十一”表现看,韩束在内容电商的渠道优势已维持多年:在2023年和2024年连续位居抖音美容护肤榜第二,2025年升至榜首,2026年降至第五。韩束失去优势渠道榜首位置并非今年首次。青眼情报数据显示,在连续两年位居抖音“618”美容护肤品牌销售额榜首后,韩束在2026年“618”降至第六,排在雅诗兰黛、赫莲娜、海蓝之谜、兰蔻和珀莱雅之后。值得注意的是,韩束在非大促时期的排名仍然靠前。上述青眼情报的数据还显示,2026年前八个月,韩束曾在其中七个月位居抖音个人护理品牌月度榜首;9月及国庆假期期间,韩束仍处于榜单前列。直到“双十一”完整销售周期,韩束的排名降至第八位。美妆行业资深从业者、曾任多个品牌电商操盘手的吴治告诉经济观察报,大促榜单通常会受到品牌日常价格、促销空间、投流节奏以及平台补贴方式的影响。平日较少促销、价格体系相对稳定的品牌,大促时叠加品牌折扣和平台补贴后,成交规模可能集中释放。若平日已经频繁促销的品牌,可继续降价的空间则相对有限,因此大促期间的价格优势不再明显。此次排名滑落之前,韩束曾经历连续三年的高速增长。上美历年财报显示,2023年,韩束实现收入30.90亿元,同比增长143.8%;2024年,收入进一步增至55.91亿元,同比增长80.9%;2025年,韩束收入达到73.60亿元,同比增长31.6%,收入规模较2023年已翻番。这轮增长的起点可以追溯至2022年。据经济观察报此前报道,2022年10月,韩束开始与抖音短剧达人姜十七合作,此后双方推出《以成长来装束》等多部定制短剧。2022年至2023年,韩束也从各大促节点的榜单后排迅速升至前列。上美在2023年年报中称,韩束与达人共创的多部短剧总播放量超过10亿次。短剧为韩束带来曝光后,韩束逐渐摸索出一套以短剧为主的营销打法。品牌自播、达人直播和产品推广负责承接流量,红蛮腰护肤套盒成为这一时期直播间销售的主要产品。短剧、直播和套盒产品相互配合,构成了韩束这一阶段的主要增长方式。渠道重心调整在韩束2026年大促排名发生变化之前,上美已开始调整经营方式,降低短剧、达人等外部流量依赖,将更多主动权转移至品牌自营账号。韩束在短剧赛道获得大量曝光后,不少美妆品牌随之跟进。随着同质内容增加,单部短剧所能获得的注意力和转化效率不复从前。上美创始人、董事长兼首席执行官吕义雄曾在2024年4月公开表示,“短剧增加了约20倍的供应量,价格翻了一倍⋯⋯短剧效果下滑了40倍”。2023年11月起,韩束基本停止制作新的定制短剧。与短剧投放减少同步发生的,还有韩束达人直播的占比下降。申万宏源2025年8月发布的数据显示,2025年1—7月,韩束抖音渠道中,达人账号销售额占商品成交总额的比例由2024年同期的43.5%降至19.5%。不过,韩束并未停止直播的脚步,而是将重心放在了自营账号。申万宏源的同一组数据显示,2025年1—7月,韩束抖音自营账号销售额占比由2024年同期的39.5%提高至62.6%。品牌自营销售由此超过达人账号,成为韩束在抖音渠道的主要销售方式。吴治告诉经济观察报,品牌提高自播比重,除了可以减少固定坑位费和达人佣金等成本,更重要的是能够将投流方向、消费人群画像和成交转化等信息掌握在品牌自营账号的体系内,运营成本更可控。吴治进一步解释,自播并不是达播的低成本替代方案。通常来讲,达人合作包含固定坑位费、成交佣金,以及前期种草和投流等投入。自播同样需要购买流量,也需要承担主播、内容制作、客服、账号运营和数据分析等费用,投入几乎与达播相当。区别在于,在自营体系中,品牌可以观察并得到种草人群进入直播间或商城后的转化数据,也可以根据成交结果调整后续投放。相比之下,达人直播间的完整人群画像和用户关系更多掌握在达人一侧。对于品牌而言,自播的意义还在于沉淀自己的消费者,并继续运营复购关系。上美对韩束的渠道调整不只发生在直播间。2024年初,吕义雄曾提出,上美当年的渠道策略是“加强抖音,重兵天猫,重返线下”,希望通过后续数年的线下布局,逐步形成线上线下并进的渠道结构。2025年11月,吕义雄在一次公开发言中强调盈利和资源配置效率,“企业一定要养成盈利的习惯”,并提出“不在无效益的地方浪费钱”。2026年8月,吕义雄又在一封内部信中称,上美上半年虽然遇到困难,但“没有因为这个情况选择省钱”,仍继续投入全球化、多品牌、科研和人才等领域。从目前的收入结构看,上美仍主要依靠线上渠道。2026年上半年,上美线上渠道收入为35.36亿元,占总收入的94.1%;线下渠道收入为1.77亿元,同比下降34.3%,占总收入的4.7%。从财务结果看,上美并未在收入下滑时同步压缩销售及分销开支。财报显示,2026年上半年,上美的该项开支为24.81亿元,同比增长6.2%,占收入的比重由上年同期的56.9%升至66.1%。其中,营销及推广开支为20.85亿元,在该公司收入和净利润分别同比下滑约9%和80%的前提下,该项开支仍与上年同期的20.69亿元基本持平。韩束承担更多品类渠道结构调整之外,上美对韩束的另一项安排,是让这个已经建立起消费者认知的品牌承载更多品类。自2025年起,韩束陆续进入彩妆、男士护理、洗护、身体护理和香氛等领域。一位长期从事美妆品牌经营与孵化的业内人士告诉经济观察报,这一经营路径可以概括为:先有大单品,后有品牌心智,再用品牌心智反哺各个品类。在他看来,红蛮腰以及此前短剧、广告积累的品牌认知,已经帮助韩束触达并积累了一批消费者。上美要做的,是将韩束在核心护肤套盒上形成的品牌认知,延伸至洗护、男士护理和彩妆等产品线。当核心护肤套盒接近阶段性规模上限时,这些品类有望为韩束带来新的增长点。这一策略的效果在今年“双十一”阶段已有显现。青眼情报数据显示,韩束在抖音洗护发品牌成交榜中排名第三,成交额约为1.06亿元,同比增长164.3%。韩束洗护、男士系列产品在“双十一”期间的销售额已达1亿元规模,与上美旗下多个子品牌今年上半年的收入规模相当。在让韩束承载更多品类的同时,上美也希望通过发展其他品牌,降低对韩束的依赖。吕义雄曾在2025年6月表示,未来三至五年,将韩束对上美的贡献从80%降至30%—40%。2026年11月,吕义雄进一步提出,十年后韩束对上美的占比预计降至10%。2024年至2025年,韩束对上美的营收贡献始终维持在80%以上。今年上半年,韩束收入为26.61亿元,占该公司总收入的70.8%。其次为婴童功效护肤品牌newpage一页,今年上半年收入为6.35亿元,同比增长59.9%,占集团收入的16.9%。韩束与newpage一页之外,上美其余子品牌收入规模均在1亿元左右。功效护肤品牌安敏优上半年收入为1.4亿元,同比增长89.3%;母婴护理品牌红色小象上半年收入为1.13亿元,同比下降29.1%;曾为上美主力面膜品牌的一叶子,在最新财报中已不再单独披露收入,而是与极方、聚光白等新锐品牌合并计入“其他品牌”,该板块上半年合计收入2.08亿元,同比增长55.0%。上述业内人士提到,韩束已经形成的品牌认知可以向同一品牌下的其他品类延伸,但很难转移给上美旗下其他子品牌。从上美目前对韩束的安排来看,短期内可能无法降低对韩束的依赖,它既是上美主要的收入来源,也是上美将已有品牌认知延伸至更多品类、打造新增长点的载体。针对韩束“双十一”抖音排名下滑,以及营销渠道和品类布局调整等问题,经济观察报向上美股份发送了采访提纲。截至发稿,尚未收到回复。
四个阶段,中国商人在非洲走到了哪一步|长颈鹿笔记
虎嗅 · 14 小时前
本文来自微信公众号: 南瞻 ,作者:南瞻,原文标题:《四个阶段,中国商人在非洲走到了哪一步|长颈鹿笔记》全篇阅读时间约3-4分钟南瞻:“外国小商贩被限制,是中国商人在非洲走到第三阶段的标志,而法律往往是最后才到的那个信号”如果只说一句:该来的都会来的2025年10月,中肯环球贸易中心(后改名为:中肯商贸城)在Jamhuri Park马球场办开工奠基仪式,肯尼亚总统鲁托也到现场参加了仪式。我们看到总统府的通稿写着,项目预计总投资50亿先令,6.8万多平米,有展贸中心和五星级酒店,预计创造3000个岗位实际上大家如果搜当时的新闻就能清晰的看到现场立着几块横幅,而其中一块印着总统的话,中小微企业是肯尼亚经济增长的引擎。下面一行英文介绍这个项目,也契合了这句话,表示项目将作为中国和肯尼亚产品的展贸中心,让中小微企业做生意更方便。但是不到一年,2026年9月2日,鲁托在总统府又见了一批本地中小微商户。这一次他的意思是,外国人别来摆摊开小店这道指令后来怎么从五天限期改成90天补手续,周边国家各自立了哪些规矩,我们9月那篇文章已经谈到过(非洲多国限制外国人街边零售,这三年为什么突然扎堆|长颈鹿笔记),这里不再重复这一篇是想探讨另一个问题:同一个总统,同样是为了中小微企业,一年前欢迎国人来建商贸城,一年后要关掉外国人开的小店。我们试图从这个角度出发,研究看看中国商人在肯尼亚的生意走到了什么位置这一期讲两件事四个阶段各是什么样子肯尼亚现在走到了哪一步01—四个阶段各是什么样子先备注一下,下面的四个阶段是我们自己的归纳分析,不是学界现成模型。但这其中确实参考了两个研究,一个是社会学家Edna Bonacich 1973年提出的中间商少数族群理论,讲夹在上层和大众之间做买卖的外来群体,为什么容易变成敌意的对象。另一套是荷兰学者Gijsbert Oonk对东非南亚商人两百年历史的研究(也许我们下一期会提到)第一阶段,行商这个阶段的主要特征就是人少,货少,赚的是信息差。比如从中国拿一批货,当地没人卖或者卖得很贵,转手就有钱。这个阶段通常人很分散,哪里有空档就往哪里去,常常一路下沉到小城镇里。马拉维是个很典型的例子。2007年马拉维和中国建交,之后几年里,中国人开的小店、餐馆、旅店在全国冒了出来,不少开到了县城和村里第二阶段,集聚很明显,人一多就开始扎堆。批发商城、商贸城等就出现了,货集中摆放,进货走批量,本地小商人成了主要客户,从商城拿货再拿到街上卖。而这个阶段赚的是规模和渠道的钱。举例来说,约翰内斯堡最早的华人商城China City是1995年开的,在Ellis Park体育场对面。后来那一带陆续冒出几十家中国商城,来进货的多是二道批发商,有埃塞俄比亚人,当然也有周边国家来的人第三阶段,分岔这是最容易出事的一段。这一阶段特征是本地商人慢慢摸清了中国的货源,有人直接飞去广州、义乌进货,差价越来越薄。中国商人这时候就得做选择了,一部分往上游走,专门给本地商人供货、做批发、做物流验货。另一部分往下游走,直接开店卖给消费者,和本地小商人抢上了同一批顾客我们研究中看到,2017年Quartz去约翰内斯堡的China City采访,发现那里非洲人经营的档口已经快和华人一样多了。很多非洲商人自己和中国工厂搭上了线,不再从华人手里拿货。华商一边被抢生意,一边被兰特贬值吃掉利润,不少人在考虑离开。报道里列的原因是经济不好、排外情绪和本地商人自己去中国进货,没有哪一条是某个政府下的禁令。另一个例子是马拉维。2012年7月起,新规要求外国商人只能在四个大城市经营,县城和村里的中国小店陆续关门。从开到乡下到被收回城里,前后也就五年第四阶段,成熟至此,能留下来的多半已经换了一种活法。在本地注册公司,雇本地人,有的把工厂建在当地,生意从卖货变成了经营。第二代在当地长大,处境又和父辈不一样。我们看到,南非可能正在往这一段走。今年7月,南非劳工部副部长Jomo Sibiya去了约翰内斯堡的China Mall,对一屋子中国老板说,南非失业率高得不能接受,希望大家一起把南非人放在前面。他没有叫人走,他要的是岗位所以,是什么在推着往前走。我们认为背后至少有三股推力在起作用第一股推力是信息差在消失。在内罗毕,中国连锁店China Square卖一副假睫毛不到100先令,本地市场要200先令。本地小商户卖得贵,基本上就是因为货从中间商手里转了几道,而连锁店是直接找工厂批量拿货。东非的索马里商人早在1990年代末就开始绕开迪拜和香港,直接去中国内地进货了,这个过程走了二十多年,现在只是更快当然肯尼亚政府自己也在推这件事。回到文章开头提到的9月2日同一天,鲁托还见了做拼箱进口的商户,政府当场答应把普通拼箱货的海关估价基准从250万先令降到200万先令,内陆集装箱站到拼箱拆分中心的铁路运费从5.8万先令降到1万先令。拼箱就是几个小商户合用一个集装箱进货,这是本地小商户自己从海外进货的常见做法。所以我们看到了一边限制外国小商贩,同时一边帮本地小商户把自己进货的成本降下来的情况第二股推力是群体变得显眼。Oonk的研究里有个数字能说明问题。南亚裔在东非人口里从来没超过2%左右,但就是人这么少的情况下,却一直是被针对的对象。我们认为,决定一个外来商人群体处境的,主要是它在商业里占的位置,人数倒在其次。肯尼亚的中国个体商人没有可靠的人数统计,但只要集中在本地人最熟的那几条街,自然就会被看见第三股是贸易壁垒,主要作用在工厂和品牌企业身上(这个我们本期就不多聊了,后续可能会再谈到)02—肯尼亚现在走到了哪一步第三阶段的信号,肯尼亚攒了好几年。先看一下这个时间线2019年6月,内政部长马蒂昂伊下令驱逐7名在Gikomba做生意的国人,理由是他们没有工作许可,而且这类小买卖是留给本地人的2023年2月,China Square在内罗毕郊区开出第一家店,没几天就出现了本地人的抱怨,停了大约一周,政府和当地华人商会谈过之后才重新开张。同一年,一批本地商人去高等法院起诉,要求移民局别限制发工作和经营许可,诉状里点名的是River Road、Kirinyaga Road、Kamukunji和Gikomba这几个区域,都是本地小商人最集中的街区到今年9月,事情从商人请愿走到了总统指令第二阶段还在扩张。和这些同时发生的,是商城还在往里建China Square在肯尼亚已经开到第七家店,2025年初拿下了内罗毕Two Rivers商场一成的可租面积,同年8月义乌的出口品牌集合店又在它的商场里开出了非洲第一家Jamhuri的中肯商贸城已经在施工。它的招商材料里也表示,这是一个占地44.7英亩、总建筑面积7.4万多平米的实体商城,8栋楼分电力新能源、五金建材、日用百货、电子电器等业态,配一个18英亩的仓储区和一块酒店用地我们的初步判断肯尼亚现在是第二阶段的商城还在建,第三阶段已经到了门口。不少人在盯90天什么时候到期、清单里写不写批发。这些当然要看,但我们觉得更该盯的是生意本身的信号。按前面几个案例,法律往往是最后才到的第三阶段的核心是差价在变薄。不到100先令和200先令中间那一截,就是这些年靠信息差吃饭的人赚的钱。现在本地商户看得见这个差价,政府在帮他们降自己进货的成本,拼箱商还被要求在10月15日前把背后的商户信息报给税务局。这几件事没有一件是冲着国人立的法,可每一件都在压缩中间那一截利润。所以,就算清单最后把批发留给了外国人,只做转手批发的空间也会越来越小。今天本地店主找你拿货,是因为他自己去广州、义乌还不方便。等他方便了,这个位置也就没了。就像前面提的,南非China City的档口一半换了主人,这并不需要哪一部法律来推当然,我们也看到了一些走进第四阶段的生意,特征就是手里都有本地人自己飞一趟义乌拿不到的东西。可能是本地的工厂,可能是本地的仓储和配送,也可能是一个本地人认的品牌,或者是雇了足够多本地人,或者让地方政府舍不得动的规模其实从商贸城的招商材料里就能看出来,它在内罗毕做展贸和仓储,同时写着在纳瓦沙有100英亩工业用地,准备承接加工制造,口号叫内罗毕做贸易、纳瓦沙做产业。这明显就是在给第四阶段留后路,因为光靠展示和转手是撑不了太久的所以对正在考虑来非洲的中国商人,我们留下的一个问题是,你到底能给本地客户什么东西,是他自己去一趟义乌拿不到的更多关于本文的备注我们文中提到的案例都是出过事,在新闻报道中出现过的。但这并不是所有外来商人群体都会走到被限制这一步。我们讨论的是同时具备三个特征的群体,以外国籍为主,集中在零售和小批发,人数或者生意量大到本地人看得见。只是说,在我们看到的案例里,满足这三个特征的群体都遇到过限制,但这不等于下一次一定会出现我们核心关注了个体商人和贸易商,没有涉及讨论平台和工厂出海,也没有对比欧美和东南亚的当前情况。因此分析仅供方向性参考和讨论
了不起的盖茨比
虎嗅 · 14 小时前
本文来自微信公众号: 心智观察所 ,作者:心智观察所,原文标题:《起底Anthropic(三)了不起的盖茨比》2006年6月,微软创始人比尔·盖茨与沃伦·巴菲特,相继宣布了投身慈善事业的重大决定,引发美国乃至全球社会广泛关注。对一整代以其为偶像的新中产来说,相当于经历了一次前所未有的慈善意识启蒙。桥水基金的办公室里,哈佛社会研究专业出身的年轻人霍尔顿·卡诺夫斯基,敏锐嗅到了一个施展抱负的全新空间。他先是和搭档埃利·哈森菲尔德在公司内部拉起业余慈善俱乐部,紧接着在2007年干脆全职创办了量化慈善评估机构GiveWell。一年后,还在普林斯顿大学攻读物理学博士的达里奥·阿莫代伊,关注到了卡诺夫斯基的GiveWell博客,并对其试图量化慈善投入与产出的思路大感兴趣。次年,他便通过该机构捐出了1万美元,指定分配给非洲医疗公益组织,并开始向身边的亲朋好友热情推介GiveWell。主流商业报道,总习惯把Anthropic讲成一个2021年才突然诞生的硅谷车库创业故事,仿佛阿莫代伊兄妹是因为在OpenAI内部与山姆·奥特曼发生了路线分歧,才临时起意拉起了一支安全派队伍。这种叙事漏掉了最核心的组织中枢。从2008年的博客结缘,到GiveWell迁至旧金山后成为合租好友,直至2016年前后仍同住于德拉诺大道的共享住宅,最终与达里奥妹妹结成夫妻。卡诺夫斯基和达里奥这对组合,早在公司诞生前十多年就已经深度捆绑在一起了。在上一篇中,我们揭秘了博斯特罗姆与尤德科夫斯基是如何在边缘亚文化社群用新的技术概念包装白人种族主义内核。一个自然而然引出的问题就是:一套如此怪诞而极端的边缘教义,究竟是如何走出小众网络论坛,一步步渗入旧金山湾区本就斑驳陆离的文化生态,最终把原本对奇点论冷眼旁观的正规慈善组织也拉入同一轨道、像滚雪球一样汇聚起庞大人才与资本的?在第三篇连载中,将带你复盘这场横跨1990至2010年代的亚文化嬗变。1任何一场成功的现代邪教扩张,都始于一套能够为信徒提供归属感与优越感的黑话体系。2009年初,尤德科夫斯基在硅谷正式推出名为LessWrong的理性主义社区,以此前发表于Overcoming Bias博客的一系列长文为基础,逐步整理形成被追随者奉为圭臬的《序列》(The Sequences)文本体系。在这套文本里,尤德科夫斯基向自命不凡的年轻程序员和科技极客兜售了一种极具诱惑力的应许:普通人类的大脑充满了进化遗留的认知偏见,通过严格的贝叶斯概率训练,把日常生活中所有的情绪、道德和直觉全部改写成数学先验概率,一个人就能进化成看透宇宙真相的“理性人”。为了让这套硬核理论破圈,他还在美国网络爽文网站连载长篇同人《哈利·波特与理性之道》(HPMOR)。书中的哈利习惯用贝叶斯推理、认知心理学和博弈论去解构魔法世界,甚至将用科学理性对抗死亡视作核心信念。这部作品随后在美国理工男和极客社群中广泛流传,成了不少人皈依LessWrong的桥梁。带着这套自诩绝对理性的思维工具,尤德科夫斯基和他的信徒们推演出了超级人工智能的末日危局,并由此提出一个疯狂的概念—“关键行动”(Pivotal Act)。在尤德科夫斯基的逻辑中,即便某家机构率先造出安全可控的强大AI,也无法高枕无忧,因为你无法回答一个残酷问题:如何阻止其他竞争者随后造出失控AI并毁灭人类?因此,任何真正有效的安全方案,都必须具备采取某种“关键行动”以彻底改写竞赛局面的能力。为了说明这种能力的边界,他甚至举过一个极端方案即利用自我复制的纳米技术“熔毁全球所有GPU”。到了2023年,这位自诩看穿人类认知偏见的教主在《时代》杂志公开呼吁,各国应建立严格的国际AI开发禁令,并允许对违规建设的大型GPU集群动用军事打击。如果你读过中国科幻作家刘慈欣的《三体2:黑暗森林》,你会发现尤德科夫斯基从“关键行动”到“空袭数据中心”的整套理论推演,简直就是一场令人啼笑皆非的硅谷版“黑暗森林”幻想。在《三体》中,罗辑至少是面对浩瀚宇宙中真实未知的外星文明,才推演出“猜疑链”与“技术爆炸”两条公理,进而得出“一旦发现异己坐标必须抢先开枪消灭”的黑暗森林法则。而尤德科夫斯基是把尚未诞生的通用人工智能想象成了潜伏在代码森林里的“三体水滴”,把每一个不按其教义行事的同行视作随时会向太空发射坐标的“叶文洁”,再把所谓的“关键行动”包装成挽救人类的先发制人打击。恰恰是这种“全人类都在梦游,唯独我们执剑守护”的偏执,对一批智商极高、却在现实社交中格格不入的理工学子产生了致命吸引力。在他们的精神世界深处,没有受过理性主义启蒙的世俗大众,只配在末日算术里充当深陷认知偏见的沉默分母。行文至此,很多人恐怕已经有了疑问,一个没学历的边缘博主以什么维生,能支持其常年高强度网上冲浪?答案藏在九十年代的互联网邮件组江湖里。那时的上网条件决定了,早期互联网亚文化社群往往具有极强的精英兄弟会气氛,硅谷乃至全球今天如雷贯耳的硬核极客、密码学家与未来学家,在1990年代末就活跃在“密码朋克”、“外熵派”(Extropians)以及尤德科夫斯基自己创办的SL4(Shock Level 4)等小众邮件列表里。博斯特罗姆与尤德科夫斯基,正是当年外熵派与SL4邮件组里的大V。尽管没有直接史料证明博斯特罗姆与尤德科夫斯基在邮件组里谁先改造了谁,但两人共通的末日思维与对“友好AI”的关注,在社区里无疑有着广泛影响。后来靠PayPal、Skype或别的什么项目在互联网泡沫中暴富的硅谷新贵里,就有尤德科夫斯基同一个邮件组的老友或粉丝。2000年,同属外熵派网络的布赖恩·阿特金斯与萨宾·阿特金斯夫妇拿出一笔小钱,资助尤德科夫斯基创办了奇点人工智能研究所。2005年前后,硅谷大佬彼得·泰尔又给尤德科夫斯基的民科事业续了费,并于2006年和雷·库兹韦尔等亲临首届奇点峰会。2008年前后,Skype联合创始人扬·塔林逐步成为尤德科夫斯基核心金主。记住最后这个人,因为正是塔林,在2021年5月领投了Anthropic的1.24亿美元A轮融资。2如果仅仅停留在网上自嗨,LessWrong充其量只是一个按数学考试成绩准入的高智商版贴吧。真正让它发生质变的,是2010年代前半期从线上向旧金山湾区线下的活动拓展。彼时的旧金山湾区,本就是全美亚文化斑驳陆离的集散地。自1960年代嬉皮士运动以来,这里长期沉淀着反主流公社、火人节狂欢、硅谷自由意志主义与各类反传统生活实验。随着一批铁粉在互联网行业创业或就职,一个所谓“理性主义者”的线下社群就在湾区自然成形了,而一当进入这个亚文化万花筒,LessWrong与湾区原有的自我量化、生物黑客实验以及非传统亲密关系文化等就不可避免地产生交织与双向影响。2012年,安娜·萨拉蒙等人在伯克利正式创立了专注线下活动组织的“应用理性中心”(CFAR)。从2012年至2020年,这家LessWrong衍生机构累计举办了约60期、每次约四至五天的沉浸式集训工作坊。通过高强度的集体课程、小组演练与一对一心理技能训练,来自名校和科技大厂的年轻技术天才们在这里消除所谓“认知与情绪阻抗”,或者用大白话说,完成洗脑。除了集中洗脑,LessWrong社区还极其推崇成员的共居生活,在高度同温层的群体氛围中建立起超越世俗的情感纽带。2016年前后,达里奥兄妹与卡诺夫斯基就共同居住在旧金山德拉诺大道的一栋合租住宅里,后来成为Anthropic联合创始人的贾里德·卡普兰与克里斯·奥拉也曾先后进入这一共同居住与社交网络,达里奥当年甚至亲自辅导过奥拉学习数学。在这个高度熟人化的核心圈子里,共同的生活起居、思想碰撞与价值认同,自然而然地织成了一张致密而又排他的信任网络。读到这里,熟悉二十世纪初欧洲思想史的读者恐怕已经产生了一种强烈的既视感。这群湾区极客在伯克利合租屋与工作坊里演化出的封闭亚文化,在整整一百年前的维也纳地下圈子里,曾有过一个气味极其相似的前辈,那就是以圭多·李斯特与约尔格·列本费尔斯为代表的“阿里奥索菲”(Ariosophy,雅利安神智学)地下教团。20世纪初,在中欧反工业化的“生活改革运动”(Lebensreform)浪潮中,同样涌现出大批沉迷于素食主义、裸体公社、神秘学心理治疗与反传统生活实验的边缘知识分子。在这口斑驳的染缸里,离开修会的还俗修士兰茨将种族遗传、繁殖控制与日耳曼神智学强行嫁接,于1905年前后开始出版地下杂志《奥斯塔拉》(Ostara)。兰茨在杂志里鼓吹所谓“神权动物学”与赤裸裸的种族等级观,将少数人塑造成肩负文明使命的高等精英,而把普通底层大众视作会稀释血统的劣等分母—这与百年后博斯特罗姆担忧“负向优生压力”、湾区极客视世俗大众为呆板分母,在精神底色上如出一辙。同样耐人寻味的是其组织形态。1907年,兰茨在奥地利多瑙河畔取得一座废弃的韦尔芬斯泰因古堡遗址,创立了“新圣殿骑士团”(ONT),并设计了专属服饰、旗帜与宗教化仪轨,自诩为拯救高等文明免于退化毁灭的守夜人。在1910年代的维也纳正统大学教授与普鲁士将军眼里,古堡里的那群白袍怪胎,就像2012年东海岸知识分子眼里的伯克利合租屋极客一样滑稽可笑。然而历史很快就证明,在一个陷入霸权危机的帝国,统治精英发现旧有的世俗意识形态失灵时,恰恰是这种在地下亚文化染缸里锤炼出的边缘教团,最容易与帝国的权力机器产生危险共振。3同道中人渐渐聚齐了,但真正把这群湾区边缘极客推向如今万亿美元资本牌桌的,是本文开头的主角霍尔顿·卡诺夫斯基。翻开GiveWell官网存档的前董事名单,你会发现两个极其醒目的名字:桥水联席首席投资官(Co-CIO)格雷格·延森,以及桥水前核心高管鲍勃·埃利奥特。2007年卡诺夫斯基与搭档离职全职创办GiveWell时,主要从原桥水同事处筹得约30万美元启动资金,其中老上司延森是核心支持者,并与埃利奥特一道以董事身份为其提供背书。这并不是什么“华尔街高管热心慈善”的温情故事,而只是卡诺夫斯基个人命运最真实的注脚:他是一个情商智商极高、手里没有资本但却试图在成功阶梯上抓住一切向上攀爬的年轻人。正如菲茨杰拉德笔下望着对岸灯火的盖茨比一样,卡诺夫斯基从踏出哈佛校门起,就展现出了惊人的成功渴望与攒局能耐。在看好慈善风口并果断全职创业后,他甚至立刻就暴露了骨子里为达目的不择手段的饥渴。2007年12月,GiveWell刚成立不到半年,卡诺夫斯基便在知名社区网站MetaFilter上注册小号,假扮普通网友发帖打听GiveWell的口碑,紧接着又换上自己的真名账号下场作答,极力推销这家机构,却刻意隐瞒了自己就是创始人的身份。这套自问自答的把戏很快被社区网友当场拆穿并封号。事发后,卡诺夫斯基一度辩称自己是因为严重缺觉才犯糊涂,还提出自掏腰包给网站捐款,结果引来一片群嘲。2008年1月,GiveWell董事会不得不发布公开声明,将他从执行董事和董事会秘书的职位上撤下,并从他微薄的薪水里扣除了5000美元,强制要求他去进修职业发展课程。这场风波并没有绊倒卡诺夫斯基,大半年后,他便悄然重返管理核心。这桩早年插曲更多是证明了,在他的词典里,只要自认为有利于“行善”或者“成功”的根本目标(通常可以由后者代替前者),手段从来都是可以超越规则灵活变通的。离开桥水时,他借到了对冲基金大佬的名气背书与启动资金,到了2011年,他又凭着满口“期望效用”与“量化证据”的清新话术,一举钩住了硅谷一位深居简出的超级富豪—Facebook联合创始人达斯汀·莫斯科维茨。值得玩味的细节藏在莫斯科维茨的妻子卡莉·图纳身上。图纳原本是《华尔街日报》的一名普通记者,机缘巧合嫁给了身家百亿的莫斯科维茨,当她辞掉工作准备转型全职打理家族基金会Good Ventures时,一眼就相中了卡诺夫斯基,并于2011年亲自加入GiveWell董事会。这位从新闻一线扛活跃升到掌舵百亿基金的前记者,之所以对卡诺夫斯基如此赏识与信任,未尝不是从他身上看到了曾经的自己,那个被窘迫现实与勃勃野心撕扯着的自己。2011年9月,GiveWell与Good Ventures联手启动合作项目GiveWell Labs,即日后的开放慈善项目Open Philanthropy。找到可靠金主并搬来旧金山的卡诺夫斯基,与达里奥·阿莫代伊这位网友一见如故,当时还在斯坦福医学院做蛋白质组学博士后的达里奥不仅和他一起合租,还担任了GiveWell Labs的非正式科学顾问,协助评估和筛选项目。这里有一个极重要的事实需要交代,那就是此时的卡诺夫斯基与达里奥这对搭档,在理念上仍然属于正统或者说主流有效利他主义,评估申请捐款的项目也主要是非洲公共卫生等主题,对于满口新技术概念的长期主义、理性主义极端派并不认同。回头翻看当年的记录,在最初接触尤德科夫斯基时,卡诺夫斯基对那套神神叨叨的奇点末日论不仅高度怀疑,甚至公开发文批评。2012年,卡诺夫斯基亲自在LessWrong论坛上发表长文《关于奇点研究所的思考》,向社群成员解释其为什么不给尤德科夫斯基投钱。这篇文章里,卡诺夫斯基不带一个脏字把申请项目奇点研究所(SI)批得体无完肤,而檄文末尾的致谢名单里,赫然写着参与草稿审阅与反馈的“Dario Amodei”。在那篇长文里,卡诺夫斯基毫不留情地指出,对超级人工智能“友好”与“不友好”目标的特定概念划分,在未来变得无意义、无关紧要的概率超过90%。他甚至刻薄地形容该机构的部分理论工作“似乎有点像在互联网出现之前,甚至在计算机诞生之前,试图设计Facebook”。他还当面嘲讽被信徒奉为圣经的《序列》根本证明不了作者有多理性,“就像写出一堆关于优秀篮球运动员的文章并不能证明你会打球一样”。甚至一针见血地痛批奇点研究所陷入了狂妄的自我封闭:“他人不接受我们的论点,他们不反思改进,反而认定是因为他人缺乏基本理性。”谁能想到,才过了短短几年,这位一次次把末日论教团拒之门外的人,却与室友达里奥一道完成了一次激进的思想转轨,成了AI威胁论最核心的推手。转轨并非一夜之间的内心顿悟,而是工程震撼与学界背书叠加的结果。2013至2014年,抱着技术评估的目的,卡诺夫斯基、达里奥已陆续与更名后的MIRI及主流计算机科学家展开对话,其后博斯特罗姆出版《超级智能》、加州大学伯克利分校权威学者斯图尔特·罗素等主流大牛公开认同AI失控风险,未来生命研究所(FLI)的公开信更获大批机器学习学者联署,使卡诺夫斯基放下了早年“主流学界无人背书”的戒心。更关键的是,达里奥在加入百度硅谷人工智能实验室参与语音大模型研发后,第一次亲眼见识了“海量数据与算力集群驱动端到端扩展”的工程实践与惊人效果。对这个半路入行的计算机科学门外汉来说,那种认知冲击正应了阿瑟·克拉克的名言:“任何足够先进的技术都与魔法无异”。这对死党正式从主流有效利他主义慈善转向长期主义技术邪教的标志,是2015年MIRI前执行董事,替尤德科夫斯基进行包装与公关的卢克·穆尔豪瑟从乙方跳槽加入开放慈善这个甲方。同年8月,开放慈善项目正式发布《先进人工智能的潜在风险》专题研究报告,明确将失控风险、军事安全与政策干预纳入正式研究范围,而这份报告里,达里奥已以“科学顾问”身份给出了关键判断。2016年前后,开放慈善项目进一步推进AI安全方向的资助与人才布局,同一时期,已经与卡诺夫斯基订婚的丹妮拉·阿莫代伊,向正在参与创立OpenAI的前上司格雷格·布罗克曼极力推荐了自己的哥哥:“我认识的最聪明的人就是达里奥”。正是靠着布罗克曼内推,达里奥得以与OpenAI建立联系、最终步入前沿大模型研究的核心圈子。新的故事,要开始了。再回看百年前的中欧,1930年代,急于寻找新神秘学仪轨来纯化军事机器的海因里希·希姆莱,正是从那片斑驳的日耳曼神秘主义土壤中汲取了养分。他选中并启用帕德博恩附近的威维尔斯堡(Wewelsburg)作为党卫军核心据点,并创办“祖先遗产研究会”(Ahnenerbe)。至此,边缘神秘主义终于与帝国的铁血政治精英完成了致命合流。同样的一幕,即将在2016年后的美国再次上演。在下一篇中,我们将把镜头切向五角大楼与国会山,去看看被称为“尤达大师”的美国战略家留下的冷战遗产,是如何在短短十八个月内把美国国家机器焊死在新兴技术竞争轨道上的。
英特尔CEO 陈立武最新访谈:芯片周期未见顶,英特尔的翻盘节点在2028
虎嗅 · 14 小时前
本文来自微信公众号: AGI 2050 ,作者:AGI 2050,原文标题:《英特尔 CEO 陈立武最新访谈:芯片周期未见顶,英特尔的翻盘节点在 2028》在全球半导体产业版图中,陈立武是少有的横跨技术、产业与投资三界的元老级人物。他曾主导芯片设计工具(EDA)巨头Cadence的业务重组,作为华登国际创始人,他早期孵化和投资了包括Annapurna Labs在内的多家核心芯片企业。当他接手走在十字路口的英特尔时,面对的是这家成立58年的老牌芯片巨头最艰难的时刻:制程落后于台积电,数据中心市场被老对手AMD不断侵蚀,同时在这一轮生成式AI热潮中面临边缘化风险。在TomorrowX峰会上,陈立武与科技对冲基金Atreides创始人加文·贝克展开了一场深度对谈。陈立武没有回避眼下的被动局面,直面近期业绩波动、工艺良率瓶颈与内部架构硬伤,并明确给出了英特尔的技术兑现时间表:18A制程良率已回到可量产区间,14A制程预计将在2028年前后与台积电的先进制程大致拉平。本期内容来自TomorrowX峰会,2026年11月21日播出,原视频时长27分钟。以下为精选对话内容,全文约4000字,阅读时长约6分钟。本期精彩观点●接这份工作并不是个容易的决定。一位老朋友对我说,在彻底退休之前,把英特尔救回来。这家公司对整个半导体产业来说不可或缺。●代工本质上是一项讲信任的服务业。客户的营收就靠你供应的晶圆,责任重大,必须做对,否则客户的营收就要受影响。●预计到2027年底至2028年,英特尔自研产品会在14A制程节点上与台积电的先进制程拉平。●英特尔在PC和服务器芯片之间犯了架构不兼容的错误。上季度从PC转向数据中心,AMD的数据中心业务增长了97%,我们受供应链限制只做到78%左右。●过去英特尔行之有效的“钟摆策略(Tick-Tock)”走样了。我的做法是像初创公司那样在外面另起炉灶,组建141人的精悍架构团队,和内部团队交替推进新一代架构。●可能会有一些调整,但我看不到基础设施建设放缓。即便放慢,也是内存与基板供应短缺造成的,而眼下前沿大模型的需求很强,CPU又擅长任务编排,CPU需求还会继续增长。临危受命:一家58岁老店的组织重构问:陈立武,把英特尔重振成台积电真正的竞争对手,是美国最重要的两项战略任务之一。为什么选择在这个时间点接任CEO?扭转局面进行到哪一步了?你打算怎样让英特尔重回昔日的辉煌?陈立武(英特尔CEO):坦率地说,接手这项工作并不容易。英特尔是一家拥有58年历史的企业,内部组织复杂,业务涵盖自研产品、先进封装和晶圆代工。这种体量的企业容易产生部门壁垒与决策迟缓,但外部技术迭代不会等待任何人。我决定履新,是因为这家公司对产业依然至关重要。一位西雅图的朋友曾对我说:“在退休前再做一件事,把英特尔救回来。”扭转局面的第一步是改变组织文化,提升决策效率,建立清晰的权责体系。第二是明确产品重心,我们在中央处理器(CPU)领域失去了领先地位,当前的当务之急是重新夺回CPU的技术优势,随后逐步扩展至XPU(各类加速处理器)、图形处理器(GPU)以及未来的量子计算。第三是夯实先进封装能力。当前行业算力的瓶颈很大程度上在先进封装,英特尔的EMIB(嵌入式多芯片互连桥接)技术在行业内具备极强竞争力。今天微软刚和我们宣布合作,涉及我们的新一代数据中心产品Diamond Rapids,他们还会用我们的EMIB封装技术。最后,则是稳步推进代工业务,为行业提供具备韧性的制造选择。追赶台积电:代工是服务业,预计2028年前后拉平差距问:台积电只用了18年就反超了英特尔,一是英特尔自己犯了错,二是上下游顶级设备供应商都在跟台积电合作。在未来五年内,英特尔在先进制程晶体管密度和良率等关键指标上,追平甚至抗衡台积电是否具有现实可行性?陈立武:代工业务的核心是信任,它本质上是一项服务业。客户的营收就押在你的晶圆上,责任重大,必须摆正姿态去服务客户。代工有几个硬指标:首先是基础性能必须达到设计规格;其次是静态随机存取内存(SRAM)的表现;第三是缺陷密度,业内的黄金标准是0.1以下。如果做不到这一水平,客户就无法大规模采用。我们在今年10月推出了0.9版本的制程设计套件(PDK),明年一季度将推出1.0版,届时就能服务客户。我与张忠谋先生共事打交道近40年,深知建立一家顶尖代工厂需要付出多少时间与心血,因此更需要建立务实的预期。问:如果将英特尔自身作为内部客户来看,你预计自研芯片何时能在制程节点上与台积电的最先进制程持平?陈立武:在18A节点上,我接手初期良率很不理想,目前已稳步回升至70%以上,进入量产阶段。包括Diamond Rapids在内的自研芯片都在采用18A制程,同时我们也敲定了该节点的首个外部客户。至于下一代14A制程,英特尔内部自研芯片计划在2027年完成流片,2028年实现规模量产;外部客户预计在2028至2029年开始导入放量。从时间线上看,自研产品在2027年底至2028年,制程水平预计将与台积电届时的先进制程并驾齐驱。财报复盘:我们在架构上犯了错,转向数据中心慢于AMD问:英特尔近期的业绩表现引发了二级市场的剧烈波动。这次业绩波动的核心诱因是什么?陈立武:从今年9月开始,我们观察到个人电脑端客户出现了渠道库存积压。核心原因之一是上游存储芯片出现结构性短缺,价格上涨了将近六七倍,严重影响了低端PC和手机市场。面对这种变化,我们迅速把部分重心转向数据中心服务器芯片,但遇到了产能与架构双重掣肘。一方面,成熟节点Intel 3的产能受到供应链限制;另一方面,我们在底层芯片架构上犯了错误。我的好朋友苏姿丰(AMD CEO)第三季度借着从PC转向数据中心,让AMD的数据中心业务增长了97%,而我们受供应链拖累,只增长了约78%。英特尔的一些芯片设计比别人多用了内存和封装基板,更致命的是,我们笔记本、PC芯片和数据中心芯片用的是不同的老架构,产能没法灵活互换。而AMD能够做到跨平台快速调度。为此,我和管理团队进行了长达3.5小时的复盘,管理层中有十多位新调整的负责人。我们必须打破各部门自说自话的状态,将代工与产品部门更紧密地绑定。目前我每周一、周五各开一次一个半小时的会,接下来会拿出其中一次专门用来讨论、辩论、决策和沟通。重整数据中心:重启“钟摆策略”,用初创团队突击架构问:在数据中心CPU市场,AMD的执行力极强。英特尔的数据中心CPU什么时候能真正追平AMD?陈立武:在CPU领域,英特尔曾是绝对的领头羊,但我们丢掉了这个优势。目前我已将CPU列为公司的第一战略,调配核心资源攻坚。内部团队正推进Diamond Rapids及具备超线程技术的下一代架构,目标不仅是跟上对手,更要实现跨代超越。初创团队做事快得多,因此,我在内部主干研发之外,组建了一支独立的外部架构团队,成立才两个月就有了141人,其中有很强的CPU架构师。这种模式类似于我过去在创投领域的做法,比如早期孵化Annapurna Labs并出售给亚马逊,Rivos后来卖给了Meta。初创团队机制灵活、响应极快,最终再把团队并回母公司。英特尔过去著名的“钟摆策略(Tick-Tock)”在后来走样了,变成了统一的单一架构。通过体制内外的协同,我希望重新找回这种双轮驱动的产品迭代节奏。算力周期与AI终局:算力没有见顶,瓶颈在制造端问:部分市场观点认为当前半导体需求存在超额预订导致的虚假繁荣,甚至认为这一轮算力周期已经见顶。经历过多次芯片周期的你如何看待这一判断?陈立武:我不认为需求会断崖下滑,可能会有些调整,但基础设施建设看不到放缓。此前业界普遍预测2030年全球半导体市场规模达到1万亿美元,现在已经有人在谈2万亿美元。除了电力和土地基础设施外,科技巨头大量的资本开支有很大一部分花在芯片上。目前的供应紧张并非需求疲软,而是存储器件和高密度基板等核心物料的结构性缺货。随着未来两三年上下游新产能的逐步释放,这种供给瓶颈预计会逐步缓解。此外,AI技术演进正在为CPU带来增量空间。CPU很擅长任务编排,在强化学习和智能体上也很能干。预计CPU的市场规模在未来五年将从400亿美元扩展到2000亿美元,这本身就是巨大的市场。问:面对外界对AI的负面情绪和担忧,英特尔自身是如何应用AI的?你认为AI当前能带来哪些实际价值?陈立武:很多担忧源于不了解AI能带来的好处。自主智能体类似于处于快速成长期的青少年,没人看着的时候它们自己去做的事可能风险很大,所以网络安全是要解决的问题。在英特尔内部,我们正全面推进业务流的智能化重塑。我们组合使用Claude、Perplexity和Gemini等工具改造各个职能部门,也鼓励全员这样用。在实际落地层面,AI在医疗领域能帮上很大的忙。比如在我参与投资的医疗项目中,用AI找到了更准确的前列腺癌、乳腺癌生物标记物;我投资的另一家公司能帮帕金森患者不用敲键盘就完成82%的沟通。与其沉浸在“AI会让人丢工作”的恐惧中,不如更关注这些能够切实解决重大健康与生产力难题的真实场景。资料来源:TomorrowX峰会(美国奥斯汀,2026年11月17—18日),Atreides管理合伙人兼首席投资官加文·贝克对话英特尔CEO陈立武,iConnections频道2026年11月21日上传,https://www.youtube.com/watch?v=TMGyj5BFHv0
Pi创始人曝现代开发奇观:系统崩了,一屋子工程师都在问Claude怎么修
虎嗅 · 14 小时前
本文来自微信公众号: InfoQ ,作者:林绮蓓、Tina系统崩了,工程师们紧急开会。照理说,这时候最该有人站出来,指出故障发生在哪一层、哪段代码出了问题、系统该怎么恢复。但会议室里,竟然没有一个人说得清楚。所有人都在做同一件事:向Claude提问。这可不是哪个程序员编出来的黑色幽默。这是近期Flask作者、Pi开发者Armin Ronacher在一场访谈中透露的同行经历。对此他感叹道:“真的太可怕了。”不过,这位发出如此感叹的恰恰是正在把越来越多软件开发工作交给AI的人。Armin参与开发的Pi,每天会收到约40至50个新Issue。如今,团队已经让Agent接手了相当一部分问题处理工作:判断Bug是否存在、尝试复现、编写测试、生成修复方案,甚至分配优先级。在一些任务中,只要测试能够证明修复有效,工程师确认之后就可以直接合并代码。Agent已经能替工程师写代码、找Bug、修Bug,甚至检查自己的工作。可当整个行业都在兴奋地讨论,如何让AI接管更多开发流程、如何建造不需要人类参与的“黑灯软件工厂”时,一个尴尬的问题摆在了面前:如果软件是AI写的,测试是AI跑的,代码审查也交给了AI,最后连系统为什么崩溃都只能去问AI,那还需要工程师干什么呢?Pi创始人Mario Zechner对这种趋势的质疑更加直接。在他看来,整个行业似乎正在努力追求一种状态:开发者不必再理解自己正在构建的软件。Mario直言:“如果你什么都不需要理解了,那你还有什么用?公司为什么还需要你?”但Mario并不是一个排斥AI的传统程序员。他自己开发Coding Agent,也在用Agent处理大量实际工程任务。他甚至直言,软件开发中已经有很多工作不再需要人类完成,而且他找不到理由证明每一位软件工程师都应该保住自己的岗位。一边承认AI已经能够替代大量编码工作,一边又警告工程师正在失去对系统的理解。这种矛盾,贯穿了Mario Zechner与Armin Ronacher最近的一场对谈。在Matt Pocock主持的这期约46分钟的访谈中,两人谈到了Opus 5.5之后Coding Agent的能力变化,也拆解了自动化编程背后越来越难回避的工程问题:为什么Agent可以让测试全部通过,却仍然写出糟糕的软件?为什么代码审查越来越自动化,系统却未必更加可靠?当开发者不再亲自编写和理解大部分代码时,谁来承担最终的维护责任?而对于整个行业追逐的“黑灯软件工厂”,这两位已经深度使用AI编程工具的开发者,显然没有那么乐观。太长不看版Matt:Opus 5.5发布后,Coding Agent的能力发生了什么变化?Armin:最大的变化是,对于有明确验证标准的任务,现在可以让Agent独立运行更长时间。比如,给它一套参考测试,它就能反复尝试,直到写出符合要求的实现。但这种能力不能推广到所有开发任务。Mario:我没觉得模型在系统设计、架构设计和API设计上有多大进步。它们真正擅长的是编排子Agent,以及完成可以通过测试验证的任务。我曾让Agent优化Pi的启动速度,它报告说启动时间缩短了100%,结果只是把整个应用程序删掉了。Matt:为什么同样使用Opus 5.5,不同开发者得到的结果差别很大?Armin:我和一位朋友都用Opus 5.5开发游戏,我这边进展顺利,他却没有取得太大进展。后来我意识到,这和我的游戏开发经验有关。知道该用什么专业术语、按照什么顺序推进任务,往往比单纯把需求交给Agent更有效。模型给出的第一个可行方案,也不一定是最优解。Matt:AI让代码生成越来越便宜,开发者应该如何平衡数量与质量?Armin:Agent几乎不会拒绝增加功能,这很容易让软件变得越来越复杂。我更希望大家利用AI提高软件质量,而不是不断堆砌功能。Mario:过去大量烦琐的编码工作,现在可以交给Agent。照理说,开发者应该有更多时间关注质量,但现实往往相反。我们至今还没有找到一套成熟的Agent工程流程,能够持续交付高质量软件。Matt:为什么吗说代码“验证被高估了”?Mario:很多人以为,只要Agent写出大量单元测试、端到端测试,CI全绿,系统就可靠了。但Agent可能测错东西,也可能漏掉关键问题。单个模块通过验证,不代表整个系统正确。如果开发者不了解底层实现,就无法判断这些测试究竟证明了什么。Armin:我试过用Lean做形式化证明,但目前还没找到办法,让验证真正成为约束Agent行为的底层机制。很多时候,它只是多了一份供Agent参考的材料。Matt:Pi已经使用Agent自动处理Issue,哪些工作可以放心交给它?Mario:Pi每天收到约40–50个新Issue。我们的机器人能判断Bug是否存在、尝试复现、提出修复方案并分配优先级。如果有失败测试证明问题存在,修复后测试又能通过,我通常可以直接批准合并。但涉及新功能和用户体验设计时,Agent的表现仍然不可靠。对于核心模块,我也依然会查看代码。Matt:有什么方法能让Agent更好地完成系统设计?Mario:我会让Agent一次生成十种不同的实现,再从中探索合适的方案。它能加快试错,但无法替我作出最终判断。Armin:系统设计需要理解真实的数据流和业务规模。我遇到过Agent根据旧文档判断数据库只有2000条记录,实际上早已增长到几百万条。不同规模需要完全不同的技术取舍,而这些背景条件很难靠一句提示词交代清楚。Matt:未来真的能实现完全不需要人工参与的“黑灯软件工厂”吗?人类工程师还有什么价值?Mario:我不排除特定领域未来会出现黑灯工厂,但目前没有看到真正具有经济价值的成功案例。更让我困惑的是,为什么整个行业似乎都想摆脱对软件系统的理解。如果连工程师都不知道系统怎么运行,出了问题又该怎么办?Armin:我听同行说过,故障应急会议上没人知道发生了什么,所有人都在问Claude。这很可怕。我们开发软件最终还是为了人,我不认为彻底把人从流程中移除,是一个值得追求的目标。1Opus 5.5之后,Agent仍然需要懂技术的人来指挥嘉宾Armin:大家好,我是Armin。我在这个领域已经做了几年了。现在,我和Mario、Colin,还有Arendel的其他同事一起做AI相关的工作。嘉宾Mario:大家好,我是Mario。我之前一时犯傻,做了个非常烂的编程Agent。不过在开发这个Agent之前,我已经参与开源项目二十多年了,主要做的是游戏开发。至于本职工作,我涉猎的领域就比较广泛了。2000年代做过机器学习工程,后来做过游戏开发、编译器、调试器,也折腾过几次创业项目,幸运的是,最后都还算顺利。再后来,我又回到了游戏开发领域。说到底,我最喜欢的还是给开发者造工具。主持人Matt:Armin,你提到了一个挺有意思的说法,叫“后Opus 5.5时代”。我想听你展开讲讲,你为什么会用这个说法?你觉得这个时代究竟有什么不同?Armin:至少对我来说,Opus 5.5带来的变化是,用了一段时间之后,我开始重新认识这些模型的能力,其他人可能也有类似的感受。我不一定会把这种变化称为“更值得信任模型”,但我确实感觉到自己和不少开发者对模型能力的预期有了新的标准。以前有些任务,我必须全程盯着模型做;现在,对于特定类型的任务,我可以放手让它独立运行更长时间。虽然它最后不一定能完全达到预期。比如,你已经有一套参考测试,希望模型写出一个能够通过这些测试的实现。现在的模型特别擅长这类任务,它可以持续尝试很长时间,一点点解决问题,直到找到符合要求的实现。但我不认为这种能力可以推广到所有任务。确实有一些事情,我现在敢让模型自己去做,而以前根本不敢放手。不过,这也不意味着它能胜任我们日常开发Pi时遇到的各种问题。对我来说,最直接的改变是,我终于能够完成很多以前没办法做的个人项目了。Matt:我们好像每次都会得出类似的结论:这些模型做个人项目确实很厉害,但一说到正式工作,就……Armin:对,做个人项目确实很厉害。我觉得之所以一谈到正式工作,大家就会有所保留,是因为我们开发的东西,最终要交给其他人使用,别人还要在我们的基础上继续开发。这倒不一定是说正式工作的质量标准更高,而是我们必须非常谨慎,不能稀里糊涂地把一些原本没打算提供的功能发布出去。但如果是我自己的个人项目,里面莫名其妙多出了三个连我自己都不知道的功能,我可能根本不会在意。Matt:因为你们做的是Pi,对吧?你们实际上是在设计一个面向开发者的公共接口,所以接口里包含什么、暴露哪些功能,都必须仔细考虑。Mario,你怎么看?Mario:基本就是这样。而且不只是Pi,我平时做的其他项目也是如此。我刚才说过,我的工作就是造工具。工具最重要的是结实、可靠,而这些东西不是随便搞搞Vibe Coding就能得到的。不管模型叫Opus 5.5,还是Astro、Fable 5.2,或者别的什么名字,我其实根本不在乎。因为我每天主要做的事情,是审查代码、设计系统和API。在这些方面,我并没有感觉模型从4.8升级到5.5之后,能力出现了什么惊人的飞跃。它们还是不擅长系统设计、架构设计和API设计。但有两方面,它们确实进步很大。一是编排子Agent,二是处理那些能够通过测试或其他明确标准来验证结果的任务。只要有办法判断结果对不对,它们就能一直尝试、不断调整,直到找到正确答案。还有一点,现在的模型不像以前那么容易出现欺骗的情况。我感觉它们通过钻奖励机制空子来完成任务的情况,也比过去少了很多。我给你们举个例子。有一次,我闲着没事,在Pi里设置了一个目标,让Agent想办法缩短Pi的启动时间。我让它跑了一整夜,当时用的应该是某个5.3版本的模型。第二天早上,我起来一看,发现它报告说,启动时间缩短了100%。我当时都惊了:“太厉害了吧!可是这怎么可能?这都违反物理规律了吧?难道热力学定律都不管用了?”结果它还一本正经地告诉我:“没问题,完全是真的,重新启动一下就行了。”我说:“行啊,听起来不错。”结果启动之后,什么都没显示出来。我就问它:“你该不会把什么东西删了吧?”结果还真是。它基本上把所有模块都删掉了等于说,它直接把整个应用都给删没了。这事发生在5.3还是5.2版本,我已经记不清了。不过现在确实比以前好多了。尤其是Claude系列模型,像过去那样给出误导性结果的情况已经少了很多。Matt:我觉得现在大家都逐渐意识到了一个问题,也是我经常提到的:战术工作和战略工作,其实是两回事。所谓战术工作,就是具体执行,解决眼前每天遇到的问题;战略工作则需要着眼长远,考虑的不是怎么赢下一场战斗,而是怎么赢得整场战争。在我看来,Agent特别擅长战术执行,但在战略判断上表现得很差。Armin,你有没有试过让模型做某件事,结果发现它根本做不了?还是说,对于那些它不擅长的事情,你现在已经不会考虑交给它了?Armin:当然有,而且有些事情它做不到,我现在反而会觉得很奇怪。举个例子,Opus其实非常懂视觉艺术。这里说的不是让它画画,而是它真的理解色彩搭配、构图这些东西背后的原理。但奇怪的是,这种能力完全没有体现在音乐创作或者乐谱处理上。这一点让我特别意外。我甚至怀疑,他们是不是故意没用这方面的数据训练它。毕竟,专门处理音乐的模型肯定是有的。那为什么Opus系列模型偏偏做不好这些事情?当然,如果任务涉及非常复杂的系统,我本来就不会指望模型在缺少大量额外指导的情况下,一次就做对。但说实话,现在让我惊讶的,更多是它居然能完成这么多事情。虽然慢慢地,我似乎也开始觉得,这些事情它本来就应该能做到。反倒是那些它确实做不好的事情,我现在已经很难列出一长串了。但这不代表你想做什么,它都一定能帮你完成。我之前和Century的创始人David Kramer聊过一次,发现了一件挺有意思的事。同样是用Opus 5.5开发电脑游戏,我这边进展很顺利,他那边却没有取得多大进展。后来我才意识到,这可能和我的游戏开发背景有关。因为我自己做过游戏,所以在写提示词的时候,会很自然地使用一些特定的方法,引导模型朝某个方向去做。如果没有这些引导,最后做出来的东西可能完全不一样。我在我儿子身上也看到了类似的情况。他现在会给我们一起做的游戏添加新内容,但如果他没有按照特定的方式引导模型,结果往往就和我做出来的不一样。所以,提示词怎么写,其实很考验技巧。尤其是,当你知道一件事应该先做什么、后做什么,该按照什么顺序推进时,模型通常就能做得更好。如果你自己也没有明确的方向,只是把任务丢给它,让它随便发挥,成功率就会低很多。我也不知道该怎么准确形容这种差别。Mario:对,关键就在于领域知识。Armin和我都做过游戏开发,多少有一些这方面的经验。当你带着这些专业知识去使用模型时,似乎更容易激发出它在相关领域已经学到的能力,让它找到对应的解决方案。你们还记得吗?大概三年前,我们用GPT的时候,经常会先给它设定一个角色,比如告诉它“你现在是一位某某领域的专家”。现在其实有点像当时的做法,只不过我们不再只是给它设定一个角色,而是用某个专业领域的知识来引导它。如果你没用对专业术语,不知道为什么,模型似乎就调动不出它在这个领域学到的那部分知识。所以,这里面具体是什么机制,我也说不清。Armin:也可能只是因为它选了另一条路。我有一个想法,不过说出来可能有点像阴谋论。我感觉很多时候,模型第一次提出的方案,在技术上确实可行,不能说它是错的。但这个方案恰好是最优解的概率,其实仍然相当低。因为要找到真正合适的方案,你还得告诉它,面对不同的选择,应该怎么权衡利弊。Mario:我觉得,这其实也是判断模型擅长什么、不擅长什么的一个很好的标准。只要问题存在模糊性,没有一个明确的正确答案,需要结合经验、专业知识,甚至直觉来作出判断,模型的表现就会很差。但如果任务的目标很明确,而且基本上有一条清晰的路径可以直接通向结果,那就完全不一样了。这种任务对模型来说很简单,我也完全愿意相信它能做好。Matt:对。我今天早上看了Lauren Tan在AI Code上的一场演讲。她提到一个观点,大概的意思是,只要问题里存在需要细致权衡的地方,模型就很容易生成一堆质量很差的东西。换句话说,只要任务存在一些微妙的差别,需要作出细致判断,模型就很可能选错。这也意味着,我们在设计代码库和API时,应该尽可能减少那些容易产生歧义、需要反复揣摩的地方。2代码生成越来越便宜,软件质量为何没有同步提升Matt:既然说到了领域知识,我想接着问一个几乎每场直播都会有人提的问题。现在的初级开发者到底该怎么办?在这个新时代,他们应该学些什么?你们都有二十年左右的开发经验,那在你们看来,如今哪些技能最重要?编程技能还有价值吗?还是说,编程已经彻底过时了?Mario:首先,你得把头发留白,再蓄一把白胡子。不管你是什么性别都得这么干。然后装出一副什么都懂的样子,这就够了。Matt:最好再把头剃了。Mario:对,还得戴副眼镜,这也很有帮助。Matt:然后搬到牛津去。Mario:没错,说话再带点上流社会的腔调。不过说正经的,我其实也不知道。至少在可以预见的未来,我还是认为,学习基础知识、和同行交流,这些事情依然非常重要。因为只有通过这些方式,你才能慢慢积累经验,知道该怎么有效地指挥自己的Agent。只不过,现在我们手里多了一个神奇的按钮。如果我是一个刚入行的开发者,我肯定也会忍不住一直按它。所以,我也说不好该怎么办。但我觉得,如果你真的想在这个时代有所成就,最需要培养的可能就是自律。Matt:Armin,开播之前你还提到过另一个问题,就是代码的数量和质量之间,似乎一直存在某种拉扯。Mario,你刚才其实也谈到了一点。现在只要按下那个神奇的按钮,就能生成大量代码。但当代码变得如此廉价,数量几乎不再是问题的时候,我们究竟还应该多在意代码质量?这两者之间该怎么取舍?Armin:我觉得,现在使用Agent有一个很明显的特点:只要你给它一个任务,它几乎从来不会告诉你这件事做不到。最糟糕的情况,也不过是它告诉你,这项工作可能需要六周,结果两个小时就完成了。这就很容易让人产生一种冲动:既然实现功能这么简单,那干脆把所有能想到的功能都加进去。有时候,你甚至没有要求它增加某项功能,最后却发现这个功能已经顺带被做出来了。所以我觉得,软件本身就有一种不断走向熵增的倾向,功能会越来越多,最终什么都想做。我确实非常喜欢这些工具带来的能力,但相比于让软件拥有尽可能多的功能,我更希望看到大家利用这些能力,真正把软件做到最好。而且,一款什么都能做的软件,确实很难让人拒绝。你会觉得,我一直想要这个功能,也想要那个功能,现在终于都能实现了。结果到最后,你就造出了一辆“辛普森汽车”,Mario经常喜欢用这个说法来形容这种情况。说实话,我自己也经常犯这样的错误。做项目的时候,总是忍不住往里面加入太多东西。但我真的希望,我们能够看到更多高质量、又有雄心的软件项目。这里说的雄心,不是要把功能做得越来越多,而是要把软件质量提高到一个非常高的水平。这才是我真正期待的。Mario:对,我也有同感。我想说的是,在Agent出现之前,我们开发的软件也没有好到哪里去,对吧?但这不意味着,既然过去的软件质量就不怎么样,现在我们也可以不在乎质量了。恰恰相反,我认为现在才是最应该重视软件质量的时候。因为以前手动写代码时,有大量烦琐又耗时的工作占据了开发者的时间,而现在,这些事情都可以交给Agent完成。照理说,我们应该因此有更多时间去关注软件质量,而不是一味追求代码数量。但目前看到的情况恰好相反。大家似乎都陷入了一种“AI精神错乱”的状态,只顾着不断生成更多东西。归根结底,这最终还是要看商业收益,也就是使用Agent究竟能为企业带来多少额外收入。我目前还看不到,把软件做成一辆什么功能都有的“辛普森汽车”,究竟能带来多少商业价值。但如果利用Agent来提高服务质量,我完全能够想象其中的商业价值。尤其是在那些对系统正常运行时间等指标要求极高的领域,服务是否可靠,可能直接决定一家企业能不能赚钱。不过,我们目前似乎还没有真正看到这样的结果。我觉得问题在于,我们还没有弄清楚,应该如何围绕Agent建立一套工程流程,才能真正开发出高质量的软件。在找到答案之前,大家恐怕还是会继续到处尝试,做出一大堆东西,看看最后究竟什么能行得通。Matt:不过,你其实已经在帮我们做很多这方面的探索了。Mario:我确实也在不停地折腾各种乱七八糟的东西。Matt:绝对是,而且数量还不少。不过,听你们聊了这么久,我对你们的整体印象就是一种“留着胡子的怀疑主义”。你们似乎都觉得,事情还没有真正发展到理想的程度,总觉得缺了点什么。那么,究竟缺的是什么?是模型本身还不够强,还是我们尚未找到合适的方法,充分发挥现有模型的能力?3验证被高估了:测试通过不代表代码可靠Matt:听起来,你们对Agent仍然持有一种比较谨慎的态度,并没有给予它们太多信任,对吧?但现在很多人的情况正好相反。尤其是Opus 5.5发布之后,越来越多的人开始信任Agent。还有一些开发者会专门构建配套的运行框架和工作环境,比如引入验证工具、自动化代码审查等机制,对Agent的行为进行约束,减少它可以自行作出的选择。所以,我想知道,你们是真的不信任Agent,还是也在尝试构建某种系统,让Agent在特定条件下变得值得信任?你们具体是怎么做的?Armin:我不太确定,这是不是一个关于信任的问题。因为我其实不希望未来变成那样。这么说吧,也许就像你刚才所提到的,我看待整个问题的方式比较简单。假设有一天,这些Agent真的实现了AGI,而且其他一切都和现在一样。我们就以此作为新的起点,假设技术已经发展到了一个非常惊人的水平。但说实话,我并不特别在乎它们最终达到了什么能力水平。因为我们开发软件,并不是为了让某种非人类的存在来使用它、享受它,对吧?生活中的其他事情也是如此。我们做这些事情,归根结底都是为了人。所以,不管技术怎么发展,人始终都会以某种形式参与其中。否则,人类存在的意义又是什么呢?从这个角度来说,我其实没有那么在意Agent本身。我更关心的是,我们正在做的事情,能不能真正为社会创造价值,能不能带来一些很好的改变。所以,关于Agent的很多讨论,对我来说其实没有那么重要。当然,我也希望Agent越来越好用,能力越来越强。但无论它最终发展到什么程度,我真正关心的始终是:软件工程师怎样才能利用这些技术,做出最出色、最有价值的东西?而且,我觉得这个过程始终会受到人类自身能力边界的限制。只不过,未来的软件工程师可能会借助更多Agent来完成工作。所以,我不认为有一天我会觉得:“好了,现在可以把人彻底从这个流程中移除了。”这种未来对我来说完全没有吸引力。我真正感兴趣的是,怎样才能让参与其中的人发挥出最大的能力。因此,我心里并没有一个明确的模型能力门槛,不会说模型必须达到某个水平,我才愿意使用它。我始终想解决的问题是,怎样让人更好地完成工作,怎样帮助他们取得最好的结果。而且,不管模型未来变得多么强大,我相信在这方面,我们总会遇到新的问题,需要继续寻找答案。Mario:对我来说,这仍然是一个信任问题。不过,随着使用时间越来越长,你会逐渐知道,哪些事情可以放心交给Agent,哪些事情还不能。每次有新模型发布,你都需要重新建立这种判断。当然,对于同一个模型家族的新一代产品,你也可以根据以往经验,先对它的能力形成一个基本预期。我举个Pi的例子。Pi每天大概会收到40到50个新Issue。我们现在搭建了一个自动分类和初步处理Issue的机器人,是我的同事David开发的。它的工作方式其实很简单。我们给Agent一段相对简单的提示词,让它去调查一个Bug是否真实存在,判断用户提交的问题报告是否合理,并尝试稳定复现这个问题。如果能够复现,它还会提出修复方案,同时给这个问题分配优先级。过去一两周,我们一直在利用历史数据,以及后来想到的一些改进方法,不断调整这套系统。现在它已经非常可靠了。比如,如果我看到某个Issue被标记为P0,我基本可以确信,它确实是一个P0级别的问题。如果这个问题不仅能够稳定复现,而且已经有一项测试能够证明当前代码存在缺陷,同时Agent还给出了一个修复方案,修改之后测试也能通过,那我对这个结果就会非常有信心。在这种情况下,大多数时候,我只需要确认一下,就可以批准并合并Agent提出的修复代码。但如果任务变成增加某项具体功能,或者扩展。有功能,尤其是涉及我作为产品用户会如何使用这些功能时,模型给出的结果就经常让人哭笑不得。Armin:对,所以也不能说我们不信任Agent。只不过,Agent目前仍然有不少不完善的地方,而且它在不同领域的表现差异很大。有些任务,它确实做得很好,值得信任;但换到其他领域,就完全不是那么回事了。而且我发现,每当我们对Agent建立起一种新的信任,能够放心让它完成某些工作时,我们就会自然而然地提出更高的要求。然后,你又会发现自己开始不那么信任它了。因为之前那些已经验证过、能够可靠完成的事情,很快就会被你视为理所当然。比如,我们现在开发Pi时,人工阅读代码的比例已经比以前低了很多。但我们甚至都不怎么讨论这件事了,因为大家已经觉得这很正常。毕竟,模型现在总不至于再把整个代码库搞得乱七八糟了吧?当然,也许它还是。但至少在这方面,我确实已经不怎么担心了。Matt:明白了。因为我觉得,目前真正发生变化的,其实就是人工代码审查的工作量,对吧?Matt:今年早些时候,我们讨论的还是有多少代码需要自己动手写,对吧?现在对我来说,这个比例几乎已经降到了零。我想你们应该也一样,而且这种状态已经持续一段时间了。但现在,问题变成了我们究竟需要审查多少代码,以及人工审查在多大程度上会影响代码发布。尤其是Pi这样的公开项目,你们还要维护对外接口,确保不会引入破坏性变更,这对你们来说显然非常重要。所以我很好奇,现在你们究竟还会花多少时间查看即将发布的代码?又有多少时候,你们只是检查Agent提交的验证证据?用一个可能有点术语化的说法,你们实际上已经搭建了一座“软件工厂”,把收到的Issue转化成修复结果。你们可以根据Agent提供的证据来判断是否接受修复,而不必逐行阅读代码。Mario,你现在还会看多少Pi的代码?Mario:其实还是看得很多。即使是那些由Agent自动修复的Issue,我也会查看代码差异(diff)。我的优势在于,我非常熟悉Pi的代码库。即使过去12个月里,Agent一直在帮我们修复问题,我仍然了解整个代码库的情况,因为我一直在查看它们做出的修改。当然,并不是所有代码都需要这样。比如,我们有一个把会话数据导出成HTML的功能,我根本不在乎它的代码具体是怎么写的。只要最终输出正确,我就不关心内部实现。但如果涉及工具的工作方式、工具本身的实现、Agent循环,或者其他必须保持稳定可靠的核心基础组件,我还是会认真查看代码。至少到目前为止,我还没有放弃这件事。Matt:那你是会把所有代码都看一遍,还是只检查其中一部分?比如抽样审查?Mario:这要看具体改动。如果涉及我认为非常重要的子系统,那我肯定会把整个diff从头到尾看一遍。如果我大致知道这个问题应该怎么修复,可能就会跳过不少细节。至于那些不影响关键业务的改动,我甚至可能完全不看。比如多了一个空格之类的问题,我不需要亲自确认,这些事情可以交给Agent。Matt:Mario,我接着问你,因为我感觉你们两个人对验证这件事,似乎没有我那么执着。我的思路是,应该为Agent构建一个更容易成功的工作环境,尽可能限制它的行为,减少它可以选择的路径,不让它随意引入模糊性或者自行作出某些决定。但在开播之前,你说了一句让我特别好奇的话:“验证被高估了。”这到底是什么意思?我很想听听你的解释。Mario:首先我得说明一下,Lauren非常出色,我很喜欢她分享的所有内容。我接下来要说的,并不是在批评她。只是我见过太多人有一种误解:只要Agent写出了大量Lint规则、单元测试、端到端测试之类的东西,就认为整个系统已经足够好了。但事实根本不是这样。原因很简单:这些Agent依然是一群会为了达成目标而不择手段、钻奖励机制空子的家伙,它们还是会骗你。这种情况并没有彻底消失。它们可能测错了东西,也可能测试覆盖得根本不够全面。如果你对底层实际发生的事情没有足够深入的理解,就根本无法判断这些验证到底有没有价值。我甚至认为,其中大多数验证都没有想象中那么可靠。Armin:我觉得首先要说明,我们其实非常依赖验证。Pi本身就有大量单元测试,我参与过的每一个项目,也都有各种机制来约束Agent,明确哪些事情可以做、哪些事情不能做。但问题是,有些东西从根本上就很难验证。比如,我曾经用Lean给Pi的一些代码做形式化证明。做完之后,我反而开始思考:我为什么要这么做?接下来,我又该用什么机制来确保代码始终符合这些证明?我当时真正想探索的是,能不能建立一套方法,让源代码和形式化证明始终保持一致。我还为一个我们未来可能使用、也可能最终不会采用的组件做过一套系统。它使用一种元语言作为输入,可以理解成一个迷你版的TypeScript,再将其转换到其他系统中。这样做的好处是,我能获得一些其他方式无法提供的控制能力。整个过程确实很有意思,但说到底,它并没有真正解决问题,只是又给Agent增加了一样可以利用的工具。至少按照我们目前的开发方式来看,除非你使用OCaml之类的语言,否则大多数形式化验证最终都只是变成另一份供Agent参考的产物。至少据我所知,这些验证还没有真正融入Agent的底层工作机制,成为能够从根本上约束其行为的一部分。Armin:不过,我确实相信,未来有可能找到一种真正有效的软件验证方式。如果有人已经建立起一套完整的软件开发流程,能够把形式化验证真正融入从开发到交付的全过程,我会非常感兴趣。我自己尝试过Coq、Lean等工具,但到目前为止,还没有成功把它们作为一个真正有效的环节融入我们现有的开发流程。Mario:我想从另一个角度说说。停机问题是真实存在的,不管你用Lean、Coq,还是别的什么工具,都绕不开它。另一个关键问题是,你究竟想验证什么。如果只是验证几个纯函数,那很容易。但如果要对一整套系统进行端到端验证,就完全是另一回事了。至少目前,这种方法行不通。单独验证每个模块,也不代表把这些模块组合起来之后,整个系统就一定是正确的。所以,我不认为我们能够对一般的软件系统进行完整的程序验证。当然,航空航天等受到严格监管的行业是另一回事,他们在这方面已经积累了几十年的经验。但你必须仔细看看,他们究竟是怎样编写代码、怎样开展验证的。那些软件从一开始就是按照需要接受验证的要求来设计和开发的。而我们现在写的大多数代码,无论从哪个角度看,都和航空航天行业的做法相去甚远。所以我还是觉得,我们很大程度上是在自欺欺人。不过,话又说回来,有验证总比完全没有强。只是不能因为硬盘里放着一堆看起来很规范的代码和测试,就产生一种虚假的安全感。因为这些东西可能根本没有证明你以为它们已经证明的事情。Matt:也就是说,不能仅仅因为CI显示绿色,就觉得系统没有问题。Mario:没错,就是这个意思。Matt:我觉得这其实一直是软件工程中的一个问题:确定性的工具究竟能帮我们做到什么程度?答案是,它们确实能解决相当多的问题,但还远远不够,而且可能永远都不够。那你们会不会在这些工具之外,再引入AI代码审查,相当于多加一道保障?Mario:我不会把它称为安全保障,更准确地说,是给我的懒惰上了一道保险。因为只要提示词写得合适,Agent在审查代码时可以非常不留情面,直接告诉你:“这东西简直是一堆垃圾。”所以,对抗式审查在我的日常工作中非常重要,尤其是做系统设计的时候。我其实只是重新用上了机器学习领域一个非常古老的思路:集成方法(Ensemble Methods)。我在2000年代做基础机器学习的时候,集成方法就非常流行。现在完全可以把同样的思路用到AI代码审查上。具体来说,你可以选择来自不同模型家族的模型,给它们完全相同的输入,让它们分别审查同一套设计。最后,你会得到差异非常大的反馈,它们发现的问题也往往各不相同。这对我非常有帮助。但这种方法也有一个问题。如果你要求模型特别严苛、吹毛求疵,它们就可能变得过于激进,把很多其实不需要关注、更不需要修复的事情也当成问题提出来。所以最后,你还是得依靠自己的判断,筛选哪些问题真正值得处理。Armin:对,任何自动化的对抗式审查,基本上都不可避免地会产生误报。这几乎就是它的固有特点:无论代码有没有真正的问题,它总会找出点什么。我见过一些人,会把这种审查放进循环里,让Agent一直检查、修改,直到再也找不出问题为止。我觉得这样做,最后恐怕只会得到一个越来越庞大的系统。Mario:绝对会。Matt:而且还有那些审查意见,几个Agent互相挑毛病,你来我往,没完没了,简直太折磨人了。Armin:这里还有一个很大的问题。我不确定新模型在这方面改善了多少,因为我现在已经有意识地避免这种做法了。但我觉得,模型过去接受的训练,很大程度上都在强调所谓的“最佳实践”,而很多最佳实践其实可能是有害的。我非常相信,系统设计应该尽可能降低复杂度。但很多所谓的最佳实践,强调的是要防范所有可能出现的错误输入,在每个地方都采用防御式编程。我感觉模型把这些东西学得太认真了。如果完全放手让它按照自己的方式开发,最后往往还是会让系统变得复杂得多。我最近也在做大量安全研究,主要是为了确保我们的系统不会因为有人恶意使用,就彻底崩溃。但我发现,Agent加入的很多额外防护机制,反而可能制造一种错误的安全感。比如,它看到某个地方已经有了防护措施,就觉得系统是安全的,却忽略了另一个非常严重的漏洞。也就是说,它可能因为某些保护机制的存在,就认定整个系统没有问题,实际上却漏掉了真正重要的风险。所以从长期来看,简单的系统通常更容易理解。而Agent现在生成的代码,往往还是偏向复杂。我甚至怀疑,如果让一个人类程序员和一个Agent独立解决同一个问题,最终可能会发现,在没有Agent辅助的情况下,人类写出的代码反而更容易长期维护。要是真出现这样的结果,我一点也不会惊讶。Matt:因为人工写代码更费劲,所以你会花更多时间思考怎么实现,对吧?Armin:对,我也有这种感觉。Matt:我觉得人类程序员真正擅长的一点,是能够同时考虑战术和战略问题。既要解决眼前的任务,也要考虑长期影响。如果是一名优秀的程序员,他在实现功能时,应该也会作出一些有利于系统长期演进的选择,让整个系统的设计逐渐变得更好。既然说到了系统设计,你们两个人都有丰富的经验,而且经历过AI出现前后的不同开发阶段。我想请你们分享一些具体的方法。4从系统设计到“黑灯工厂”,工程师还需要理解代码吗Matt:能不能让我们从你们身上挖掘一点专业知识,直接放进提示词里?这简直是我梦寐以求的事情。比如,我想到的有John Ousterhout提出的深模块(Deep Modules)、接口设计、系统组件之间的边界等等。你们自己比较关注哪些系统设计方法?有没有发现什么特别有效的技巧,能够帮助Agent建立正确的系统设计思路?你们谁先说都可以。Mario:对我来说,系统设计更像是一门手艺,而不是一套严格按步骤执行的工程方法。在真正拿出解决方案之前,我得先摸清楚整个问题有哪些可能的解法,逐渐形成一种直觉。以前,我会自己写一些小程序、设计几个简单的API,定义一些类型,然后准备一个临时文件,把目前写出来的东西放进去做实验,看看用起来顺不顺手,哪些地方会出问题。现在,Agent可以替我完成这些尝试。而且它不只是写出一个版本,而是可以一次生成十种不同的实现,让我同时探索这些方案。这一点非常棒。因为过去我一个人写代码,每天能完成的代码量毕竟有限。但现在,我可以在相同时间里看到更多不同的方案,对问题的理解也比以前全面得多。说到底,我做的事情还是不断迭代。我的整个程序员生涯,几乎都是在反复迭代:试一个方案,发现问题,再改进,直到它足够简单,又能满足我真正想实现的目标。Matt:这很难变成一条提示词,对吧?总不能告诉Agent:“我觉得这个方案用起来有点不对劲,你再试试。”Mario:对,就是那种“感觉对了”的状态。Matt:Armin,你有什么想法?Armin:过去十年,或者说十二年左右,我的大部分工作都和SaaS软件的开发、运营有关。做这类系统久了,你会逐渐形成一种很重要的认识:当系统发生故障时,最理想的情况是,即使你暂时什么都不做,情况也不会继续恶化。也就是说,你要尽量避免出现那种必须立刻采取行动,否则事情就会越来越糟的局面。因此,你需要提前设计好一些开关、功能切换机制,以及其他应急手段。这样一来,即使故障突然发生,你也能迅速采取一些措施,为自己争取处理问题的时间。但我不确定,能不能通过某个神奇的提示词,就让Agent自动设计出这样的系统。因为这里面涉及大量对实际业务的理解。比如,你必须清楚系统中的数据是怎么流动的、数据规模有多大。处理不同规模的数据,系统设计时需要考虑的取舍可能完全不同。而且,这些背景条件并不是固定不变的,它们会随着时间不断变化。说起来,我上周五刚好遇到一件挺有意思的事。当时我需要调查一个问题,涉及的代码库里,Agent还会主动维护一些文档,记录它此前发现的情况。结果它在分析问题时引用了其中一份文档。我看着它的分析,觉得非常奇怪,就问:“你为什么会这么认为?”它说:“因为我找到了这个文件,里面写着数据库只有2000条记录。”我说:“对,可那个文件是你在数据库还空着的时候写的啊!”问题就在这里。系统一直在变化,数据库早就不只有2000条记录了,现在已经有几百万条。而数据规模从几千条增加到几百万条之后,很多设计上的取舍都会彻底改变。所以,我也不知道有什么特别通用的方法可以分享。对于SaaS系统,我始终觉得,最终承担责任的还是开发者自己。如果系统真的出了问题,Agent不会替我承受那些情绪和压力,真正需要面对后果的人还是我。Mario:差不多就是这样。我和Armin过去有过一些共同的工作经历,不过我们的专业方向不太一样。我主要做客户端和图形编程,而Armin更多负责云端那些庞大的基础设施。那些系统承担着非常重要的任务,运行成本也相当高,所以我们对某些问题的看法可能会有所不同。但我觉得,我们现在正在做的事情,或者说整个行业正在追求的方向,有一个让我非常不理解的地方。Mario:我感觉整个行业正在试图摆脱对软件系统的理解。这在我看来完全说不通。如果有一天,你真的什么都不需要理解了,那你还有什么用?公司为什么还需要你?如果我只需要给软件工厂输入一段提示词,就能让它自动完成所有工作,那我为什么还要付钱雇你?我直接把你解雇不就行了?至少在我的日常工作中,我还没有觉得自己变得毫无价值。当然,我不排除未来真的会发生这种事,但现在还没有。更让我困惑的是,为什么我们首先要把这种状态当成一个值得追求的目标?为什么要把软件生产规模扩大到某种程度,以至于公司内部已经没有人真正理解系统是怎么运作的?这样做究竟能带来什么根本性的好处?Armin:因为从某种意义上说,这似乎就是大家正在追求的目标:不断扩大Agent的使用规模,最终让人完全退出工作流程。但现实是,无论什么时候,只要出了问题,最终总得有人去找Agent,问它到底发生了什么。其实这种情况现在已经出现了。我听一些同行说,他们参加故障应急会议时,现场根本没人知道系统出了什么问题,所有人都在不停地向Claude提问。这真的很可怕。不知道你们还记不记得,大概四年前,Facebook曾经发生过一次严重故障,甚至连总部的员工都被锁在了门外。具体经过我已经记不太清了,但我印象中,好像是某个网络交换设备出了问题,随后引发了一连串连锁故障。最终,他们不得不重新从第一性原理出发,一层一层地分析系统究竟发生了什么。因为整个基础设施已经叠加了太多层复杂的东西,常规的处理方式根本无法解决问题。这种灾难性的故障,也许很多年才会发生一次,但企业之所以需要制定灾难应急预案,就是为了应对这种情况。所以我很难想象,有一天一家《财富》500强企业会说:“没问题,我们的灾难恢复方案,就是在另一边准备一个备用的编程Agent,到时候用发电机给它供电,让它来处理故障。”这实在太荒唐了。5软件工程师不再不可替代,黑灯工厂却尚未跑通Matt:所以,我想进一步问你们一个问题。假设有个人现在必须向公司证明,为什么自己的岗位还有存在的必要。比如,他已经感觉到公司准备裁员,可能要把一个十人团队裁掉五个人。他知道自己很可能就在裁员名单里。那他应该怎么解释,为什么公司仍然需要人类工程师?难道只是因为企业需要灾难应急预案吗?我觉得这个理由似乎不够有说服力。应该还有其他原因,对吧?我们刚才也提到,人类可以利用自己的领域知识,更好地引导Agent,帮助它选择正确的参数和实现方向。但如果真的要向公司证明人类工程师的价值,最有说服力的理由究竟是什么?Mario:我先说一点:我其实并不打算为所有人的岗位辩护。虽然这么说让我很难受,但我认为,在软件开发领域,确实已经有很多任务不再需要人类来完成了,这就是现实。接下来的问题就变成了:当你所处的市场中,越来越多工作可以由机器替代时,你该怎样保住自己的价值?对我来说,答案比较简单,因为我年纪大了,积累了很多经验,而这些经验目前在市场上似乎仍然有价值。但对于年轻人,我真的不知道该怎么办。说实话,我也没有答案。我只能说,像我这样的人总有一天会老去,甚至死掉。到那个时候,社会大概仍然需要一些人来监管这些软件工厂,而这些人至少得对系统内部究竟发生了什么有基本的了解。所以,这份工作最终还是会落到你们这些年轻人身上。你们最好还是认真学点东西。但我确实没办法给出一个理由,证明世界上每一位软件工程师都应该保住自己的工作。Armin:我觉得,如果公司里真的有人走到你面前,对你说:“你必须证明自己的岗位为什么还有价值。”那对我来说,事情已经发展到了一个很糟糕的阶段。不管公司是否认为我还有价值,我可能都会选择离开,因为这说明有些事情已经出了严重问题。当然,我知道,对一个工作相对稳定的人来说,这种话说起来比较容易。但我仍然认为,这一点很重要。因为大多数时候,公司不会真的有人直接要求你证明岗位价值。你只是会慢慢感觉到,公司的情况似乎不太对劲。比如,公司刚刚进行了一轮裁员,你侥幸没有受到影响,但又隐约感觉下一轮裁员可能很快就会到来。这时候,你可能会开始在团队Slack群里更频繁地汇报自己的工作,或者刻意提高音量,让更多人注意到自己做出了哪些成绩。Matt:对,尤其是那些具体的工作成果。Armin:没错。但如果你每天上班,都觉得自己必须不断向别人证明“我正在做有价值的事情”,那说明整个工作环境已经很不正常了。而且,这种状态最终也会反过来影响你自己。因为你会越来越没有动力去思考,自己在公司真正应该做什么,反而把越来越多的时间花在证明自己存在的必要性上。如果已经到了这个地步,我会更早开始认真考虑:我现在做的事情,是不是真的已经不再创造价值了?如果答案可能是肯定的,那我就应该想一想,自己能去哪里,才能重新做出有价值的事情。Mario:而且,现在这种判断可能每三个月就要重新做一次,对吧?过去,我们这些老派程序员往往会尽量避免和其他人打交道。但我觉得,现在真正能够提高你市场价值的,恰恰可能是与人交流的能力。我从来就不是那种典型的程序员。我其实很喜欢人,也喜欢和人聊天。所以,我能够做的不只是工程师或者程序员的工作。比如,我可以设身处地地理解用户,更准确地判断他们究竟需要什么。Matt:这难度可太高了。不过,我也一直觉得,这种能力非常重要。我自己过去的职业经历也让我有同样的感受。至少目前,机器还没办法真正复制这种能力。当然,前提是你作为一个人,确实很擅长理解别人。毕竟,很多人自己都不擅长这件事。而且,人们也不一定喜欢和机器交流。不过,我想把话题稍微拉回到代码开发上。我们大概还有时间再聊一两个问题。现在有一个越来越流行的说法,叫作“黑灯工厂”(Dark Factory)。它指的是一种几乎完全自主运行的软件工厂:你不需要查看代码,甚至不需要打开灯,整个工厂就能自己持续运转。我想知道,你们觉得这种模式现在已经有可能实现了吗?有没有某些特定任务已经可以这样做?未来又有没有可能真正实现?我平时其实不太喜欢预测未来,但你们今天聊的这些内容,确实让我忍不住想问问。Mario:我觉得答案很简单:如果有人真的能把这种模式做出来,而且它确实具有经济价值,那么它自然就会出现。但到目前为止,我还没有看到真正实现这一点的例子。Armin:我觉得这个方向挺有意思的,而且确实有人在尝试。我最近就遇到过一个例子。之前为了准备在AI Engineer上的演讲,我和一位朋友讨论过这个话题。我当时跟他说:“你看,我其实不认为现在真的有人在完整运行这样一套系统:Issue Tracker不断收到新的问题报告,然后系统自动分析、自动修复,整个过程完全不需要人工参与。”结果他说:“我就在用啊。”我就问:“那你现在还在用吗?”他说:“没有了。”我又问:“那你不觉得它一直消耗Token很浪费吗?”他说:“对啊,我确实应该把它关掉。”所以我觉得,归根结底,还是得有人真正关心这件事。如果一套系统已经完全自动化了,连你自己都不再去查看它的运行结果,那它在技术上当然可以叫作一座工厂,但问题是,这又有什么意义呢?它确实是在自动运行,可最后产出的东西究竟有没有价值,恐怕也没人知道。Mario:我没有参加旧金山的AIE大会,Armin去了。不过据我了解,Steve Yegge在会上做了一场演讲,基本上是在告诉所有人:“都给我慢一点,别再这么疯狂地往前冲了。”因为按照他的说法,这些软件工厂最终都会变得一团糟。而这句话居然出自Steve Yegge之口。要知道,他可是最早那批疯狂鼓吹AI生成代码的人之一。这就很值得玩味了,对吧?Matt:不过,他同时也支持软件工厂这种模式的存在。他其实从正反两个方向都进行了论证,我觉得这才是整件事最有意思的地方。Mario:我甚至不认为这两种观点有什么矛盾。也许未来,我们确实能在某些特定的问题领域建立起真正的黑灯工厂。我完全不排除这种可能性。所以,我们需要有人继续做实验,探索这条路到底能不能走通。但我还是那句话:它必须能够创造经济价值。否则,就只是自娱自乐而已。Matt:对,而且不同的问题领域,适合这种模式的程度肯定也不一样。比如,某些纯数学领域的问题,可能更容易交给软件工厂自动处理。但即使是一个非常基础的CRUD应用,我觉得如果现在就让它完全自主开发、运行,恐怕也很快会出现各种问题。好了,我还有最后一个问题。我其实很想知道,你们现在到底有多累。因为我们的工作方式发生了非常大的变化。过去,我们可能先花点时间作出一些决定,然后坐下来写一段不错的代码,再停下来重新思考一下长期方向。但现在,我们好像被迫一直处于战略思考的状态,几乎没有停下来的时候。至少我自己是这种感觉。你们现在是什么状态?比以前更累了吗?还是已经适应了这种工作方式?Armin:大概两周前,我在网上看到一篇文章,标题好像叫《AI丈夫们的妻子》,或者类似的名字。文章讲的基本上就是我们现在这种状态。我把它分享给了我妻子,结果她看完之后对我说:“这篇文章写的不就是你吗?”Mario:还好我没把那篇文章发给我妻子。Armin:不过说真的,我现在确实睡得不够,而且我甚至说不清楚为什么。Matt:但你毕竟也是一家创业公司的创始人,所以这可能也不完全是AI造成的。Armin:对,但我觉得,现在真的是一个特别奇妙的时期。它既是最令人兴奋的时代,也是最让人困惑、最不可思议的时代。你会有一种强烈的紧迫感,想亲身经历每一件正在发生的事情,不愿意错过任何变化。结果就是,你不断给自己增加压力。不过,我还能应付。Matt:那就好。Mario:我和Armin,还有Peter Steinberger,从去年年初就已经开始折腾这些东西了。我觉得,我们在去年夏天就已经把那阵“AI狂热”折腾过去了。那段时间,我也经常睡不够。但现在,我已经放松多了。说实话,我不觉得过去八个月,甚至过去十二个月里,发生了多少真正重大的变化。我已经看不到什么特别明显的能力跃升了。我看到的更多是,各种组织还在努力摸索,究竟应该怎样围绕AI这种新工具建立一套合理的工程流程。而且到目前为止,我还没看到谁真正找到了答案。至少没有哪套方法能让我觉得:“对,这就是新的标准模式,大家应该照着做。”当然,我可能应该去看看Matt你分享的所有材料。说不定里面就藏着某个真正有效的解决方案。不过,我确实觉得,像你这样的人,还有HumanLayer团队等正在做的工作,都非常有价值。我认为,这才是整个行业接下来真正需要深入探索的方向。所以,现在我已经不会因为AI而睡不着觉了。我不在乎了。该看的我都看得差不多了。Matt:对,我现在还在努力控制自己的“AI狂热”,算是在接受治疗吧。不过我觉得,目前自己的状态还算不错。好了,各位,我们之前说好聊到十点过十分,我就不再耽误你们的时间了。非常感谢你们今天来参加直播,聊得特别开心。播客链接:https://www.youtube.com/watch?v=ZBTegd8DUZM
一家370多年的日本老店,靠一根绳子活到了今天
虎嗅 · 14 小时前
本文来自微信公众号: 秦朔朋友圈 ,作者:钱鸣十月底的东京,神乐坂的早晨。离热闹的商业街不远,一条幽静的小巷里藏着一栋清水混凝土建筑,门口只有一块不太起眼的招牌:Kumihimo Experience by DOMYO(道明组钮体验馆)。如果不是特意寻找,大概很容易从门前走过。它既没有传统日本老铺的木质门面,也没有刻意营造的怀旧气氛,看起来更像一家现代设计工作室。招牌上的Kumihimo,日语写作“组纽”,说白了就是编绳子。上午十点半,我站在这栋建筑门前,离约定的时间还有半个小时。我此行的目的,是拜访一位研究克什米尔披肩的日本学者。我想多了解一些克什米尔披肩在日本的收藏与研究。我在查阅资料时读到她的著作,通过出版社写信过去,冒昧提出希望到东京拜访,没想到她很快回复答应,并约我来这里见面。我们几乎同时出现在门口,她也提前到了。她把我带进接待室,问了问当天的安排,说如果愿意,可以陪我一整天。而我原本只打算占用她一个小时。这位学者就是日本纺织学界久负盛名的道明三保子教授。她约我见面的地方,正是她家族企业在神乐坂开的组纽体验馆。她今年84岁,眉目清隽,举止典雅。我循着克什米尔披肩的线索找到她,却在接待我的和室里,听她讲起了一千多年前的绳子。道明(DOMYO)的家业始于1652年。江户时代,它为武士刀剑提供绳带;明治维新之后,转向女性和服所需的带缔;今天,它既出售现代服饰配件,也常年开课教人编绳子。如今,武士不再佩刀,和服也退出了日常衣橱,一家以绳子为生的企业,却几次穿越了原有市场的衰退。一家当年并不起眼的丝线商铺,为什么能活到今天?它守住了什么,又改变了什么?这家老铺,为什么研究一千多年前的绳子?一根绳子,能有多复杂?组纽是将丝线等材料按照特定结构交错编组,制作成不同形态、纹样和用途的绳带。中国古代也有编绦、丝绦等相关传统,不过日本组纽在长期发展中形成了自己的技术体系和审美语言,不能简单等同于今天常见的中国结。日本历史上的组纽用途非常广泛,佛教器物、武具、刀剑、服装,都可能用到。到了近现代,最为人熟悉的用途之一,是固定和服腰带的带缔。单从外观看,一根绳子似乎没有多少文章可做,但在道明的展示空间里,不同的编组结构、丝线排列和色彩组合,可以产生完全不同的质感与纹样。有些作品看起来极为简洁,实际却需要对线的张力和结构进行精确控制。它既是实用技术,也是纺织结构和装饰艺术。道明三保子向我介绍古代组纽研究复原作品时,反复强调一个年代:8世纪。这是日本奈良时代,也是正仓院保存的大量珍贵染织品所属的年代。组纽的历史当然不止一千多年,更早的考古遗物中就有相关编组技术的痕迹,但正仓院保存的古代实物,为后世研究提供了重要依据。我原本以为,一家传统手工业企业展示历史作品,无非是为了说明自己的工艺有多古老。但道明的情况并不一样,他们真的在研究这些古代绳子,而且研究了好几代人。在正仓院寻找失传的编法在道明的接待室里,我看到了不少关于正仓院染织品和组纽研究的书。后来查阅道明家族的历史,才明白这些书并非装饰门面的文化道具。第五代道明新兵卫曾与冈仓天心等日本美术界人士交往。到了第六代,家族开始深入研究正仓院收藏的古代组纽,据家族记载,他曾通过森鸥外取得调查正仓院资料的许可。第七代进一步引入系统的研究方法,分析古代组纽的结构、分类和制作技术,并著有《ひも》(《绳》)。这不只是家族的爱好。1968年起,道明受正仓院委托,对正仓院收藏的古代组纽做系统调查与研究。此外,中尊寺、四天王寺、春日大社、严岛神社等处的古迹,也都由道明做过调查与复原。复原古代组纽,并不是照着照片编一条差不多的绳子。有些文物只剩下脆弱的残片,研究者必须根据残存的线迹和结构,反推原来的编组方法。这需要材料知识、技术经验,也需要对历史实物的长期观察。一家1652年创立的企业,研究的却是比自己早了约900年的工艺遗产。这恰恰是道明最值得研究的地方:对许多企业来说,历史是一种营销资源;对道明而言,历史同时是一套技术资料、一种研究方法,以及未来设计可以不断调用的知识来源。手艺之外,还有什么值得传承?当近代日本组纽纷纷转向机器生产、追求高产量与低成本时,道明却逆势保留了纯手工编织。这并不是出于“手工比机器更高贵”的情怀,也不能直接等同于更高的利润。道明真正留住的,是一套需要长期训练、短期内根本无法复制的专业壁垒。毕竟,做日常商品和复原古代文物,考验的是两套完全不同的本事。前者满足眼前的市场,后者虽未必能直接带来多少销售额,却逼着企业去追问每一根丝线的来历与结构,成了日后开发新品、培养工匠和延续技艺的底座。今天谈传统工艺,很多人喜欢说“匠人精神”,但这个词已经被用得有些廉价。真正值得讨论的,不是一个人愿意把同一个动作重复多少遍,而是一个行业能否把经验转化成可以研究、可以传授、可以继续发展的知识。一个行业可以很小,但从业者对它的理解不能浅。武士不佩刀了,和服不常穿了,一根绳子还能怎么活?从武士刀鞘到和服腰间道明最初并不是一家文化品牌,而是一家经营丝线的商铺。按照家族说法,创始人与武士阶层有关,不过1652年的具体创立经过缺乏完整记录。江户时代,刀剑所需的下绪、柄丝等绳带,是组纽的重要用途。当时的组纽不是供人欣赏的非遗文创,而是具有实际功能的消费品。1876年,明治政府颁布废刀令,日常佩刀受到禁止,相关绳带需求随之衰退。对于依赖这类市场的商家而言,这不是普通的消费波动,而是原来的顾客、消费场景乃至生活方式一起发生了变化。如果一家企业把自己的身份定义成“给武士刀制作绳带”,那么武士不再佩刀,它的商业故事似乎也就该结束了。但道明没有停下来,而是逐渐把传统组纽技术更多地应用于女性和服所需的带缔,在明治、大正时期形成新的产品方向。需要说明的是,和服用组合并不是武士消失之后才被发明出来的,真正发生变化的是主要市场和产品结构。道明家史还记录了一个有意思的细节:1877年,一份按组纽约销量编列的丝线商榜单,将当时名为“越前屋”的道明列在“西前头第九”。至少在那份榜单上,道明的位置并不靠前。从传统和服走进现代衣橱然而,第二批顾客也没有永远留下来。随着日本社会的服装西化,和服逐渐从日常服装转向婚礼、成人礼、节庆等特定场合,相关产业经历了长期萎缩。当年轻人不再经常穿和服,一家主要经营带缔的企业又该怎么办?道明的现代产品探索,其实比想象中更早。根据企业历史,20世纪60年代就已经开始研发组纽领带,尝试将传统编织技术应用于现代男性服饰。到了2012年,道明三保子教授的独子,出生于1978年的道明葵一郎出任代表董事,进一步推动经营调整。这位接班人的背景相当有意思:他学习的是建筑,曾经营自己的建筑事务所,后来才接掌家族企业。2015年,道明推出面向现代服饰的DOMYO产品线,包括组纽领带、饰品等。2025年,又推出名称由DOMYO字母倒序而来的OYMOD,继续尝试接近不同的消费人群。建筑师接班,并不意味着传统企业只需要换一个年轻设计师就能起死回生。道明葵一郎还有一项更具体的实践:2016年,上野新本店竣工。这座五层建筑将档案、染色、设计、制作和零售等功能组织在一起,把传统工艺的生产与研究流程重新整合进现代建筑空间。在神乐坂店里,我买了一对丝线编成的耳环。它们不需要消费者了解奈良时代,也不需要穿和服,更不需要知道正仓院是什么。觉得好看,愿意戴,就可以成为顾客。一门原本与和服密切相关的工艺,就这样走进了现代女性的衣橱。从卖一条绳子,到教人亲手编绳道明的第三次转身,不再局限于卖出一件配饰,而是把这门手艺变成了一种可参与的体验。在神乐坂的空间里,我看到不少外国游客正兴致勃勃地跟着老师学编组。对他们而言,这根丝绳既不是武士刀的配件,也不是和服带缔,而是一场能亲手触摸的日本工艺体验。离开一楼体验区,在二楼,脱鞋进入了长期课程的教室。我去的那天正好没课,屋里空荡荡的,没有桌椅,只有一整片光洁的木地板,乍看倒更像一间瑜伽室——在这里,地板才是真正的工位。道明三保子告诉我,神乐坂这间教室每周课表都排得很满,一堂课约有四十人。上课时,每人领一套工具,席地而坐开始编织。放眼全日本,道明在约十处地点开设了长期课程,公开资料显示,在籍学员合计约有五百人,其中绝大多数都是日本本地人。如今的道明,把一门手艺拆解成了成品销售、短期体验与长期教学三条并行的业务线。和服虽然淡出了日常衣橱,却依然有几百名日本人愿意一次次回到教室,花时间练习编织带缔。同一门手艺,既能为穿和服的人提供一件配饰,也能为向往手艺的人提供一门长期修习的课程。这股生命力甚至跨出了国界。东京都2021年的一份企业采访曾提到,已有外国学员在道明学成之后,回国开设了自己的组纽课程。道明不仅找到了新的消费者,也在无形中培养出新的传播者,让传统技艺走出了家族与旧式师徒的封闭圈子。除了教学,道明还在尝试打破材料的边界。2020年疫情打乱了原定的巴黎参展计划后,道明顺势借助当地扶持项目推进研发,邀请建筑师、数学家等跨界专家共同合作,并探索跨境电商与海外营销。道明葵一郎在2021年的采访中还提到一个设想:希望未来组纽不仅能作为道明的自有成品,也能成为其他品牌使用的工业或设计材料,探索更广泛的技术应用。比扩大规模更重要的,是算清利润与现金账回过头看,道明的这三次顾客变化,并不是新群体对旧群体的残酷替代。今天,传统的和服带缔仍在销售,现代配饰与体验教学也并行不悖。道明真正做到的,是用同一项核心技术,不断拓宽它所能服务的市场半径。我们习惯用份额、门店与融资规模来衡量企业,却常常忘了:规模不等于利润,增长也不等于现金流。尤其在低价竞争的周期里,卖得越多未必赚得越多,盲目做大反而会削弱抗风险能力。道明各条业务线的具体盈亏虽不可考,但它为许多细分行业提供了另一种生存思路——想要穿越周期,或许不必执迷于“规模崇拜”,而是转向对利润、现金流与可持续性的敬畏。对这类企业而言,每新增一笔业务,多投入多少成本,最终能留下多少现金,这笔账远比表面上的增长数字更重要。企业不能只顾日活、月活,却不管不顾明天怎么活。一位84岁学者的视野、分寸与手艺一件法国瓷器与一条日本丝绳在道明的展示空间里,还有一组陈列让我印象深刻。一边是法国塞夫尔瓷器,另一边是新设计的组纽配色,两者在色彩上形成了有趣的呼应。道明三保子特地向我介绍了这组作品。18世纪的法国瓷器与21世纪的日本组纽,看起来是两个完全不同的世界,但对于理解材料、色彩和装饰艺术的人来说,它们之间并没有不可跨越的界限。传统工艺的创新,有时恰恰来自工艺之外。从8世纪的组纽实物里找编法,把法国瓷器与今天的组纽配色放在一起看,道明展示了两种打开设计思路的方式。一位日本学者的国际朋友圈道明三保子生于1942年,东京大学毕业后曾赴法国里昂织物博物馆学习,长期致力于亚洲服饰与染织史研究,是文化学园大学名誉教授,曾任文化学园服饰博物馆学艺室主任,也曾担任国际染织学会日本代表委员。她的研究版图跨越日本,延伸至中国、中亚、西亚乃至欧洲,克什米尔披肩正是她长期关注的课题之一。与她对谈,其深厚的国际学术背景随处可见。凭借与各国学者及文博机构的长期往来,每当论及一件织物,她总能将散落各地的馆藏与研究互为参证,并迅速锁定实物线索与求证对象。更难能可贵的是,她对学术资源的分享毫无门户之见。得知我在日本寻找克什米尔披肩的收藏线索,她不仅带我走进文化学园服饰博物馆、引荐首席策展人接待,作为平山郁夫丝绸之路美术馆的理事,更为我牵线并告知我,平山郁夫的太太平山美知子是日本最大的克什米尔披肩藏家。对于一个素不相识的研究者,这份坦荡与提携,远超一般的礼节性客套。得知我是中国人,她特地问起:“你认识赵丰教授吗?”赵丰是著名的中国丝绸史学者、中国丝绸博物馆原馆长。她说,自己十年前曾在欧洲与赵老师见过面。我当场给赵老师发去一条私信,他回复得很快,惊喜之余还让我拍一张道明教授的近照传过去。听说我刚从法国回来,她又问:“那你认识莫妮克·列维-斯特劳斯(Monique Lévi-Strauss)吗?”莫妮克是法国研究克什米尔披肩的权威学者,也是人类学家克劳德·列维-斯特劳斯的夫人。道明三保子当年在法国进修时,曾专门去拜访过列维-斯特劳斯夫妇。我笑着翻出手机里的合影给她看——照片上正是我,和莫妮克的孙子Thomas。十年前见过一面的人,几十年前拜访过的人,她都记着;记着,就会托一个刚认识的中国人去问一声好。我们还在和室一起翻看一本克什米尔披肩图录,其中一件刺绣披肩被标为“17世纪”。我对此表达了惊讶,因为学界共识的amli刺绣披肩多放在19世纪初以来的克什米尔披肩生产史中讨论。道明三保子教授听后微笑着对我说,这不过是编撰这本图录的藏家一家之言,并不可尽信。眼前这一件究竟采用了哪种技法,图录上的年代又是怎样判定的,还得回到实物和断代依据上去核查。真正的国际化,大抵如此——既能在多元文化与知识体系间自如对话,亦能守住独立思考的底线。这门手艺,凑近了才能看得清为了让我真正看懂这门手艺的来龙去脉,她亲自带着我逛遍了整个馆。我们看了陈列着历史脉络的珍贵馆藏,走过正有顾客专心致志做手工的体验房间,甚至一路穿进了她们的办公室后台。从台前的展示到幕后的日常运转,她几乎把这座场馆最真实、最完整的一面毫无保留地敞开在了我面前。参观到最后,我们在空教室里停下了脚步。她随手拿起工具,毫无偶像包袱地席地而坐,直接现场为我示意工具的使用方式。所有原本停留在文献里的抽象术语,瞬间都有了温度与质感。看到这里便不难理解,道明三保子作为国际染织史学者的身份,与这家家族企业的商业生命力之间,有着怎样的关联。在许多企业眼里,学术研究是远水救不了近火的清谈;但对道明家族而言,这位84岁学者的国际视野、专业判断与亲手传承,恰恰构成了企业最深的技术壁垒与最大的压舱石。有她在,道明对工艺的理解就永远不会流于表面——市场风向可以随时代千变万化,但只要这座学术与技艺的底座稳如磐石,企业便有了穿越周期的定力。尾声:AI时代,什么才是不可替代的护城河?从道明三保子教授的身体力行,再纵观道明家族的传承,你会发现他们始终守着同一种底色:既不把传统当成拒绝变化的理由,也不把创新理解为抛弃过去。而对我们来说,道明家族最值得借鉴的,恐怕不是“守住传统”这四个字,而是它的生态位。它没有等在原地求保护,而是成了不可替代的受托方:正仓院把国宝级的古绳交给它研究,中尊寺、春日大社把几百年的文物交给它复原,五百个学员把时间交给它。反观国内不少非遗小企业,还在等名录、等补贴、等景区的人流施舍;殊不知,博物馆的库房、考古工地、文保工程的现场,每年都有大量高难度的硬活儿,缺的从来不是经费,而是真正能把活儿干成的作坊。靠名录续命是一种活法,嵌入高壁垒供应链是另一种。到了AI时代,查资料、出图、生成配色方案早已沦为廉价的标配,任何能被算法轻易复制的“设计感”和“信息差”都不再安全。道明几代人沉淀下来的底牌,是在零容错的物理世界里真刀真枪干出来的:从一片残损的古绳里破译结构,把推演出的编法用丝线一寸寸试出来,再手把手教给下一代人。真正的护城河,从来不是博物馆玻璃柜里的标本,而是算法算不出来、外行接不住的硬核交付力——它必须能转化成让人愿意买单的商业产品,或是让人愿意长期付费的稀缺课程。长期主义不是与变化对抗,而是知道什么值得坚守,什么必须改变。道明370多年的历史,并不能保证它永远成功,但至少说明一件事:一个行业的黄金时代结束,并不意味着它积累的所有价值都会随之消失。眼下,各行各业都在感慨Winter is coming。一家企业最危险的时候,往往不是因为冬天来得太早,而是之前的夏天太长,长到让人误以为它永远不会结束。凛冬将至,星河长明。
简评可口可乐、Costco 股价创新高:因上努力,果上“随缘”
虎嗅 · 14 小时前
本文来自微信公众号: 方伟看十年 ,作者:投资向善“我做投资不用融资的。如果没钱了以后股票掉了就不管了。这种事情经常发生,买了想买的股票后,有一半的机会他还会掉一会。如果为这种事情着急得话,那要着急一辈子。我记得巴菲特讲过,希望刚刚买的股票大涨是一种愚蠢的想法。我很少考虑所谓的资金分配的问题,有合适的股票就买,没有就闲着。买股票当然要做定量分析,不然怎么搞?老巴成功的秘诀是他知道自己买的是什么。有人问过芒格,如果只能用一个词来形容他们的成功,那会是什么?他的回答是:“rationality”,呵呵,有点像我们说的平常心。”——段永平2026年10月16日,可口可乐收于93.90美元,创历史新高;2026年11月13日,Costco收于1106.21美元,创历史新高;其实苹果,茅台也挺坚挺的。与此同时,也有另一组数据:2026年至今回报:10月第一周:标普500+15.1%;纳斯达克100+24.1%;现在:标普500+3.5%;纳斯达克100+1.4%;按照一般文章的叙事逻辑,这种对比之下就开始得出一些逻辑乱七八糟的结论,什么还得买不变的东西,还得买老登股,还得如何如何,早知道就买可口可乐了...理性,逻辑,平常心对于投资都是非常重要的。如果投资不变的东西就是对的话,那2021年60多倍PE的茅台是不是反例?我们能说出N个反例的东西,这时候总结规律就是错的规律,是逻辑能力不好的体现。生意是“不变的”,但估值可以疯狂到把未来很多年的确定性一次性打完。“买不变的东西”≠任何价格都可以买。“不变的”东西稳定性更高,未来更容易预期,这是真的,但如果这种“好”谁都知道的话,就会体现为价格的“贵”,这就导致很多年跑输美债是很有可能的。很多人都感慨“恒科杀手”字节不上市,上市以后自己就能分一杯羹,这种念头也不太对,如果谁都知道他的好,他就一定不便宜。而且,字节在一级市场长期很便宜,23~24年的时候,因为不上市,字节的老股一直是7倍pe在交易的,怎么不见有人买,有能力能搞到字节股票的人是很多的。投资从来都不容易,赚钱总是困难的,门槛越低,赚钱越难,投资是靠认知差赚钱的,你对一家公司的看法没有认知差,你很难赚钱,这也是常识。每一家你回头看觉得很便宜的公司,比如2021年的神华、中海油;2016年的苹果、微软;2013年的茅台、五粮液;2008年的比亚迪、通用电气;2002年的中石油、网易;2001年的亚马逊...你问一下亲身经历的投资者,他们为什么错过了?一定是因为极其“恐怖”的故事,自己又没有足够的认知克服这种恐惧,导致最后无法下注。投资的第一性原理从未改变,就是买公司,就是这家公司未来赚到的钱最后能把自己买回去。企业做业务是在做投资,我们投资企业,也是投资,投资这个行为无处不在,讲的都是ROI(投入产出比)。最近《侠盗猎车手6》那么火,投资的本钱是15亿美元(下图),第一天上线就卖了37.9亿美元,打破多项记录,预计他能卖100亿美金的话,那ROI就是(100-15)/15=5.67倍(先不考虑渠道分成等),这是不是就赚钱了?如果他最后卖不到15亿美元,那自然就得亏钱。我们能把控的是自己的看法尽可能贴近客观事实,尽可能地把一家企业的风险考虑在内,对一家企业的未来自由现金流尽可能测算的足够准确,然后留足安全边际。但我们无法把握市场怎么看这家企业,市场实时给到了他什么价格。而很多投资者的焦虑、痛苦、不安都是因为他经常去看市场的报价,还老喜欢瞎总结。我个人观察,绝大多数投资者都不具备相对定量测量一家企业贵与便宜的能力,他只是感性上理解“买股票就是买公司,卖公司就是买未来自由现金流”,但他并没有理性上、数据上理解。这是基本功,值得你花两三年时间去学习。你得知道净利润跟自由现金流的区别吧?你得知道净资产里哪些能算到内在价值里面去,哪些不能吧?你得知道机会成本对比的是国债利率(对于绝大多数人而言)吧,你得知道分红率、股息率、利润成长率意味着什么吧…基本功先及格,再去谈公司的长期看法,我跟很多做企业很厉害的朋友聊,他们的看法都是“不用看,就买特斯拉,相信马斯克”,我能理解他们的看法,但他们并没有“投资”的基本概念,也许最后他们真的能赚到很多钱,这不奇怪。不以相对定量测量一家企业贵与便宜为基础的自信心,基本都是伪信心,是给自己壮胆,把价值投资当成宗教信仰了。价值投资可不是什么宗教信仰,他不需要信徒,他就是简简单单地还原了投资这个行为本身,剔除了“术”层面的技巧,只是很多人走远了,做着做着就不知道做啥了,总觉得老巴、阿段他们有内幕消息。如果你掌握了测量企业内在价值的能力,买的公司又符合“四毛买一块”,那你的情绪会少很多。买了以后是不是会再掉20%、30%甚至50%?这当然正常啦,为什么不可能?短期报价是市场行为,你怎么能左右市场?但掉了以后痛苦,那就是你的问题了。王阳明的心学对我的价值观有一定的塑造意义,他有一句话:“初种根时,只管栽培灌溉,勿作枝想,勿作叶想,勿作花想,勿作实想。悬想何益?但不忘栽培之功,怕没有枝叶花实?”用现代化说叫做“只问耕耘,不问收获”,又或者叫做“因上努力,果上随缘”。你要是说这不是阿Q精神,自我欺骗,心理安慰吗?我们做事都得结果导向,有结果就牛逼,没结果就傻X;这两者并不矛盾,是长期与短期的问题,如果老巴70年都没有结果,那他的方法一定有问题,如果阿段25年都没有结果,那他的方法也一定有问题。价值投资时至今日都只有5%的人在做,自然是因为他实践起来非常难,在两三年的负反馈中,绝大多数让都会怀疑自己,怀疑方法。如果他不是这么难的话,今天就应该是90%的让都在用这种方法在投资。短期两三年的市场涨涨跌跌,你是不能左右的,你只能把研究、估值、仓位、生意风险、护城河、定价权这些该做的功课都做到位,做扎实,不要预设“这笔一定要在多长时间赚多少钱、一定涨到什么价”,市场两三年的结果不由你控制。你可以重新审视一下自己每个判断的逻辑,是不是有不完备的地方。你要控制一个不受你控制的东西,你自然就痛苦了。阿段讲的平常心、rationality,内核也是这个。很多人都喜欢马后炮,这种人是最不幸福、也是最不适合做投资的,看到了Costco今年末的表现,就开始“复盘”,早知道就如何如何,Costco现在53倍PE,股息率0.52%,他掉一半正不正常,很正常,短期什么都正常,能托底的就是自己回购。如果你在年初买进去,现在掉了一半,难道你又要“复盘”?得出另一个相反的结论?如果阿段知道泡泡玛特会掉到140多,那他当然应该“等”,等到140甚至更低再出手;如果老巴知道谷歌会掉到265,那他当然也应该“等”,等到265甚至更低再出手;问题就是他们不知道啊,他们跟你我一样,对市场的短期报价都无能为力。他们就觉得,他们买的时候的价格,从看十年的角度,是“四毛买一块”,至于中间过程如何,他们把握不了,他们是把买股票看成买债券,十年后再履约。他们也会犯错,没有人是神,但他们不会去预测市场。保持平常心不容易,今年A股、港股、美股都不好,对还有现金的人就最好了,但一般情况下,心里没数,喜欢等的人会一直等,等到机会渐行渐远,几年后再跑回来“复盘”。“等”不是问题,问题是你要知道自己在等什么,等一个更好的价格?还是等哪一个事件落地。
失去黄仁勋,代价远不止2.5万亿美元
虎嗅 · 14 小时前
本文来自微信公众号: 格隆 ,作者:独行侠这一周,注定注入美股史册。费城半导体指数本周重挫10%,创2001年以来最惨单周,标普500七连跌、单周跌超9%,纳指100单周跌逾10%、年内涨幅尽数回吐。单单是AI相关板块,总市值蒸发就远远超过了4万亿美元,其中英伟达贡献了9千亿。我简单做了个汇总,10月以来,美股20家AI相关代表巨头,合计累计蒸发已超过8.4万亿美元。这些巨头包括英伟达、谷歌、台积电、SK海力士、美光、meta、英特尔、AMD、博通、闪迪、ARM、迈威尔科技、甲骨文等,横跨算力核心、存储、半导体设备、应用与软件四个层面,覆盖了AI产业链的全部主要环节。其中,单是英伟达,就贡献了2.5万亿美元。但这还不是全部。如果把统计起点改为今年的年内高点,并把光通信、存储、封装测试、AI应用、数据中心建设等更外圈的产业链热门标的纳入计算,累计蒸发规模将会显著超过10万亿美元。这意味着,AI叙事泡沫,真的是彻底在瓦解。引发雪崩的最大推手,无疑是英伟达黄仁勋事件带来的连锁反应。其带来的“贡献”,远远不只英伟达本身跌没的2.5万亿,甚至即使5万亿,也都不为过。换一个角度看,如果说,黄仁勋的价值,远不止这2.5万亿,是否成立?01英伟达的暴跌,发生在基本面数据创最好纪录的时候:最新第三财季营收1158亿美元,同比增长103%,数据中心收入1076亿美元,同比增长110%,双双超出华尔街预期。财报连续第17个季度超越卖方预期,第四季度营收指引1300亿美元、高于市场预期的1250亿,2028财年增长预期还从70%上调至75%。这说明,这轮暴跌,市场交易的对象不再是财报,而是财报背后的人与结构。这中间差出来的万亿级市值,就是市场最初给黄仁勋标出的价格。黄仁勋从来不是一个普通的职业经理人。在公司内部,他是英伟达三套核心资产的粘合剂:持续迭代的技术路线、维系多年的供应链信任、以及凝聚顶尖工程师群体的文化底色。这三样资产都不在资产负债表里,却共同撑起英伟达AI算力链主的地位。早在AI浪潮还没有成型的时候,是他顶住质疑押注CUDA。用十几年漫长投入,搭建起如今数百万开发者依赖的软件生态。这份长期主义的战略选择,本身就很难由一套公司流程复刻。但现在,事态正在走向更麻烦的二阶风险。一批核心工程师公开请愿,要求董事会恢复黄仁勋的职务,已经有数名骨干选择离职。他们留下来的核心诉求,并不只是高薪和期权,而是认同黄仁勋允许试错、深耕长线的工程文化。这批掌握Blackwell、Rubin架构、NVLink互联、CUDA编译器底层know-how的顶尖人才,是AMD、云厂商自研团队、各类GPU初创公司全力争抢的目标。一旦离职潮扩散,人才不是单纯从英伟达流失,而是直接向对手输送弹药,缩短竞品追赶的时间窗口。英伟达对对手的领先窗口本来就只有一到两年,这个优势一旦被抹平,估值中枢会直接下台阶。在公司外部,英伟达与外部商业伙伴合作,同样是黄仁勋在其中起到巨大的甚至无法被替代的粘合价值。台积电先进制程、CoWoS封装、HBM的优先产能配额,很多是多年和黄仁勋磨合形成的口头默契。黄仁勋曾公开表示,英伟达与台积电之间规模数百亿至数千亿美元的合作,从来没有签过正式商业合约,依托的是长期互信;马斯克也提到,英伟达与供应链的不少合作本质上是"口头约定,而非白纸黑字的合同"。还有各大云厂商、大模型巨头的大额订单,不少客户信任的对象,归根结底是黄仁勋本人。此前英伟达不只是芯片供应商,还通过投资、担保、承购等方式帮助客户筹资买芯片、建数据中心,高盛TMT团队将这一角色概括为"AI央行"。如今,这个AI央行的主事人突然离场,这套模式还能不能玩下去,曾经许诺的直接超过数千亿、间接带动超万亿的融资和投资订单还能不能执行,一切都要重新考虑,而且至少会大打折扣。这是市场真正最担忧的。02英伟达的暴跌,并引发AI产业链的崩盘,之所以跌得这么急,背后还有一层被市场忽略的机制:持仓结构。英伟达是全球ETF、主权基金、对冲基金与AI主题组合的核心重仓标的,属于典型的拥挤交易。拥挤交易的特点在于,买入理由并不完全来自财报,相当一部分仓位,本身就是在押注"黄仁勋主导下的持续扩张叙事"。而当叙事被推翻,减仓将是同步发生的。此前被视为基准情景的几项假设——持续扩产、持续为客户托底融资、供应链优先保障、灵活的地缘斡旋——同时被下调为低概率情景。前者引发估值微调,后者引发仓位出清,而仓位出清会自我强化:跌得越急,越像基本面出问题;越像基本面出问题,越急于减仓。这里要做一个区分的是,英伟达的实体资产并没有消失:CUDA生态、制程与产能位次、软硬件协同的技术积累、成熟的高管团队,都还在。业绩指引的上调也是真实的。所以这不是一个"公司被抽空"的故事,而是一个"溢价被重新定价"的故事。问题在于,超级扩张阶段的科技龙头,估值结构里往往掺着两块东西:一块是可以建模的现金流,一块是难以量化的创始人资本。后者在顺风期被当作永续变量,在逆风期才被发现原来是有条件的。当条件消失,被扣掉的不是当期利润,而是为"不可替代性"支付过的那部分钱。当然,这一轮暴跌中,还有其他影响巨大的因素也在形成驱动。比如政策,中期选举后民主党拿下两院,大幅收紧AI数据中心建设给AI产业链带来的极其巨大冲击;还有美联储加息预期持续恶化,是最底层一个。高利率环境下,长久期资产的估值对贴现率高度敏感,财政赤字与期限溢价的压力限制了美联储转向的空间,即使AI产业逻辑完好,估值也缺少一个宽松的货币环境来接续。另外,外部流动性也没有提供缓冲。Anthropic万亿市值级别的IPO在分流存量资金;而标普与纳指的高权重结构又因风控规则强制降杠杆,让被动资金在下跌中被动减仓,形成循环负面冲击。最让人意想不到的,是不断有力量对科技巨头的针对性狙击,导致不断有黑天鹅出来冲击市场。比如前日做空机构开始针对AMD的狙击,引发后者2天暴跌了20%。03到目前为止,黄仁勋到底会不会回来,关注热度依旧极高。目前有超20.45万人签名喊话董事会让他回归,里头自称在职员工的10257人,差不多四分之一;还有自称股东的10.7万人。特朗普公开说英伟达该接纳他、接受道歉;马斯克把他比成乔丹之于公牛;黄仁勋本人也表了态,说如果董事会认为符合公司、股东、员工和美国的利益,他愿意回去,并配合调查、闭门向参众两院作证。但董事会已经把门关上了,而且即使反悔现在也不是合适时机,毕竟12月1日黄仁勋要面对众议院多个委员会的问询,调查没结束就把人请回来,董事会得背受托责任的风险;再加上两党政治压力和“对私人事务有所隐瞒”那层信任裂痕,大机构普遍倾向等结论。所以,12月1日的听证问询结果,或许会是一个非常关键风向信号。如果最后问询或调查没发现什么重大问题,只是个人私德问题,那么可能对英伟达乃至全部AI板块来说,都是莫大的利好,市场很可能会因此急速反弹一波。但如果真还有什么问题,那么黄仁勋回归无望,对全球AI板块来说,可能还要继续接受AI叙事进一步坍塌的考验。当然,这不是说AI叙事会从此破灭,英伟达本身的基本面依旧牢固,CUDA生态本身具备强大惯性,AI技术本身的强劲发展势能所带动的超级红利,更不会因为一个人的离开而停滞。只是市场的短期冲击是避免不了的。另一个角度来看,对于一个确定是在急速成长、市场空间极其广阔的产业,每次暴跌波动之后,都会重新形成非常难得的长期投资机会。所以还是昨天那句话,与其被盘面的剧烈波动推着做决定,不如借这一轮回调,沉下心做一次研究梳理,看看哪些资产逐渐被错杀,然后耐心等待市场拐点给出的重新入场机会。(全文完)
泰国加税,最着急的可能是已经建厂的中国车企
虎嗅 · 14 小时前
本文来自微信公众号: 汽车财报 ,作者:汽车财报工作室今年11月底开幕的曼谷国际车展,进口电动车的展台,大概会比往年热闹。11月3日,泰国内阁批准了新的汽车消费税方案。从2027年1月1日起,整车进口纯电动车的消费税率由10%提高到35%。在泰国本地生产、满足条件的纯电动车,税率维持在2%。一边35%,一边2%,中间隔着33个百分点。年底前下单提车的消费者,还能赶上旧税率。经销商清楚这一点,车企也清楚。今年最后两个月,进口电动车很可能迎来一轮集中成交。根据泰国海关数据,2026年前九个月,泰国进口电动车总值约23.7亿美元,其中约96%来自中国。9月单月进口额约4.21亿美元,同比增长138%。按直觉推演,受冲击最大的,应该是那些还没在泰国建厂、纯靠进口卖车的中国品牌。比亚迪、长城、长安、广汽埃安这些已经把工厂开进泰国的企业,似乎拿到了一张护身符。细算下来,事情要复杂得多。对已经建厂的中国车企来说,35%的税率挡住了一部分进口对手,同时也把一连串难题推到了它们面前。真正着急的,可能恰恰是它们。一、这道税,泰国准备了半年泰国电动车市场这几年涨得很快。2026年前七个月,纯电和混动车型合计已经占到泰国新车销量的55%。前九个月,泰国纯电动乘用车销量达到161532辆。同一时期,泰国本地的纯电动车产量是70472辆。这两组数字一个是销量,一个是产量,中间还隔着库存和出口,只能看个大方向。方向本身相当明确:泰国人买走的电动车,有相当一部分出自海外的生产线,主要是中国的生产线。对泰国汽车工业来说,这是个让人坐立难安的局面。泰国做了几十年“东南亚底特律”,撑起这块招牌的是丰田、本田、五十铃等日系车企,以及围绕它们形成的庞大零部件供应体系。燃油车越卖越少,电动车越卖越多,新增的电动车又大多整车从中国运来,本地冲压、焊装和零部件工厂的订单随之减少。今年第二季度,泰国燃油乘用车出口额同比下滑了42.4%。今年5月,泰国几家汽车行业协会组成的联盟就在酝酿向政府提议,把整车进口电动车的消费税提高到至少32%。他们的理由是,对进口电动车的依赖正在伤害泰国的市场、制造业和原有零部件链条,零部件企业已经在流失订单。日系车企背景的行业人士,是这轮呼声里最响亮的一方。随后,政策一步步推进。9月10日,泰国国家电动车政策委员会原则通过新的三档消费税结构:纯进口车型税率最高,完全在泰国制造的车型税率最低,在泰国组装、使用进口零部件的车型落在中间。9月15日,泰国副总理兼财长艾克尼提首次公开表示,整车进口电动车的税率可能在30%左右。10月中旬,财政部消息人士透露,方案将在两周内提交内阁。11月3日的批准,是这一连串动作的落点。泰国财政部的说法是,新税制旨在鼓励车企增加本地投资,扩大整车和零部件生产,维护泰国作为区域汽车制造中心的地位。换句话说,泰国希望电动车销量的增长,能够沉淀为本地的工厂、订单和就业。前几年用低税率和购车补贴换来的市场,现在要开始兑现成产业。二、建了厂的车企,压力在后面单看税率,新政对已经在泰国建厂的中国车企是利好。比亚迪罗勇府工厂2024年7月投产,规划年产能15万辆。长城汽车收购了通用汽车在罗勇府的原有工厂。长安汽车泰国工厂2025年5月启动生产,规划初期年产能10万辆。广汽埃安、奇瑞也先后推进了本地生产。按泰国财长的说法,已有9家电动车制造商在泰国建立了生产体系,其中几家已经开始从泰国出口整车。进口车税负提高25个百分点,本地车型的价格优势随之拉开。可这份优势要变成利润,还要过三道关。第一道关,是EV 3.5留下的生产账。过去两年,泰国通过EV 3.5计划给进口电动车提供税收减免和购车补贴,前提是车企之后要在本地补足产量。按照规则,2026年每进口1辆电动车,需要在泰国生产2辆;到2027年,比例升到1比3。很多中国品牌正是借着这项政策,先用进口车打开市场、抢下份额,再陆续把工厂建起来。如今,补产义务集中到期,新税制又恰好在2027年生效。两件事叠在一起,车企在泰国的生产线必须真正转起来,而且要转得足够快。第二道关,是被提前透支的需求。泰国业内已经有人预计,今年年底会成为进口电动车的“黄金期”,2027年的需求则可能明显走弱,连带拖累那些已经投资本地组装厂的车企。道理很直接。消费者赶在旧税率截止前集中下单,等于把明年的一部分购买力挪到了今年。明年开年,本地工厂正要扛起更高的生产比例,市场却可能先进入一段冷却期。第三道关,是开工率。汽车工厂是重资产生意。一座规划年产10万辆的工厂,如果实际只生产三四万辆,厂房、设备和人员的固定成本就要摊到更少的车上。泰国政府的相关报告也提到,泰国电动车制造业仍处在起步阶段,本地生产成本高于进口车。更棘手的是,在泰国建厂的中国车企远不止一家。泰国电动车的年产能潜力已经达到约38万辆,而今年全年的电动车销量,业内预计在20万辆上下。进口车被35%的税率挡在外面,本地工厂之间的价格战反而可能更激烈。一名中国车企高管估计,部分进口电动车的零售价最多上涨约10%。涨幅明显低于税率的变化,说明车企和经销商准备自己吞下相当一部分税负。进口车都在压缩利润守价格,本地车想借机提价,空间同样有限。所以,同样面对这道税,两类车企拿到的是两张考卷。还没建厂的车企,做的是一道算术题:涨价、少赚、建厂,或者收缩。已经建厂的车企,做的是一道经营题:产能怎么消化,订单从哪里来,出口能走多远。后一道题,更难。三、下一关,在零部件新税制里还有一个细节。在泰国组装、核心零部件仍从海外进口的车型,税率会高于完全本地制造的车型。泰国政府已经明确,未来的税率要反映车企在泰国创造的投资、生产、本地采购和就业。这意味着,把总装线搬到泰国,只是第一步。一辆纯电动车里,电池、电机、电控占了成本的大头。如果这些部件都从中国运过去,泰国工厂承担的主要是最后的总装环节,留在当地的附加值相当有限。泰国政府想要的,是更深一层的产业链。要知道,中国供应链的规模、成本和成熟度,在全球都少有对手。采购转向泰国本地,短期内大概率意味着更高的零部件价格和更长的供应商培育周期。反过来,本地化如果能换来更低的税率、更短的交付周期,以及和泰国政府更稳固的关系,这部分成本也有机会被抵消。泰国原有的零部件企业能否接住这些订单,是另一个变量。它们过去服务的是日系燃油车,发动机、变速箱、排气系统是看家本领。电动车需要的是电池包、电驱系统和大量电子部件,技术路线差别很大。这批企业的转型速度,会直接决定中国车企在泰国的本地化能走多深。更现实的路径,是中国零部件企业跟着整车厂一起出海建厂。电池包、电驱、热管理,这几年已经有一批中国供应商在东南亚落地。泰国的新税制,会把这个过程再往前推一把。回过头看,泰国这次加税,释放的信号相当清楚。前几年,中国车企进入泰国,靠的是国内的制造能力、有竞争力的价格和当地经销商网络。泰国则用低税率和补贴,换来了电动车的快速普及。接下来,比拼的东西变了。谁在泰国建了厂,谁的工厂真正开足了马力,谁的零部件扎根在了泰国,谁能从泰国把车卖到更远的市场,这些会决定下一轮的胜负。中国汽车品牌在泰国的整体地位,这次很难被撼动。中国车企本身已经是泰国电动车制造投资的主力。被重新划分的,是中国车企彼此之间的位置。
无聊的100万年
虎嗅 · 14 小时前
本文来自微信公众号:MorningRocks,作者:星玫,头图来自:AI生成人类面临的真正问题是:我们拥有旧石器时代的情感,中世纪的制度,以及神明般的技术——爱德华·威尔逊 生物学家一个成功到无需再进一步打磨优化的产品是怎么样的?(答案往往不会是你想象的“完美”)身处这个技术加速时代的我们,可能很难有这样的想象。毕竟我们连让自己无聊地安静地呆在房间里也很难做到。更何况想象无聊的 100 万年。在东非肯尼亚的图尔卡纳湖西岸,考古学家曾经发现了一批非常古老的石器。它们并不是随意破碎的石块,而是经过反复敲打、精心塑形的工具,呈水滴形或杏仁形,两面具有锋利的边缘。经测定,这些石器已经有大约 176 万年的历史,它们属于人类历史上最著名的工具之一:阿舍利手斧(Acheulean handaxe)。这种工具相当实用,可以用来切割兽肉、处理木材,以及完成许多日常工作。更有意思的是,后来的一些手斧已经被打磨得近乎对称,有些甚至巧妙地将石头里天然形成的化石或晶洞保留在表面,让人不禁怀疑,近百万年前的人类祖先是不是已经懂得用审美来装点一个石头工具。作为一种工具,它究竟有多成功呢?直到距今约 30 万年前,我们的祖先仍然在制造形状相似的手斧。换句话说,这种工具的基本设计延续了将近 150 万年未曾改变。这在现代人看来简直难以置信。毕竟,iPhone 每年都要更新一次,而且它看起来显然比阿舍利手斧精美得多;每次产品更新如果没有足够好的亮点,消费者甚至会抱怨创新不足。而我们的祖先却在长达 150 万年的时间里,一代又一代地制造着几乎相同的石器手斧。将近 60,000 代人,使用着同样的工具。在这期间,冰川反复扩张又退去,森林变成草原,许多动物出现又灭绝,我们的祖先走出非洲,大脑变得越来越大,社交生活也渐渐复杂起来。然而,无论世界发生了多少变化,人们仍然坐在石头旁边,敲打出形状相似的手斧。古人类学研究中甚至有一个有趣的称呼,用来形容其中这段技术发展极其缓慢的漫长岁月:“无聊的 100 万年”(The Boring One Million Years)。2018 年,认知科学研究者 Norman D. Cook 在《Frontiers in Psychology》发表的论文中提到了这个令人费解的现象:大约 150 万至 50 万年前,古人类的脑容量显著增加,石器技术却没有出现与之相称的巨大变化——那些多出来的脑容量,我们究竟拿来做什么了?也许答案藏在那些工具无法告诉我们的事情里。Cook 认为,古人类的大脑可能正在发展出更精细的运动控制能力。何况,我们的祖先也使用木头、骨骼和植物制作工具,只是这些材料大多早已腐烂,无法像石头一样保存上百万年。也许他们发展出了更加复杂的交流方式和社会生活,聊八卦、讲故事、互相梳毛,只是这些变化没有留下多少痕迹,我们现在看到的,仍然只是一把把形状相似的石斧。事实上,在人类漫长历史的大部分时间里,技术变化都是极其缓慢的。数万代人出生、成长、衰老、死亡,他们使用的工具、生活的方式,可能在数千代人的时间里都没有发生太大的改变。直到最近 200 多年,技术进步才逐渐加速到足以让一个人在短短一生中,反复见证世界翻天覆地的变化。而且,在那些漫长的岁月里,即使人类掌握了某项技术,也未必会不断改进它,或者发掘它更多的用途。比如轮子。玛雅人和其他古代中美洲文明修建了宏伟的金字塔、城市和道路,却始终没有广泛使用轮式车辆。有趣的是,古代中美洲人早就知道轮子的原理,考古学家甚至发现过装着小轮子的陶制动物,有些做成了狗,有些像美洲豹。你可能会问,未使用轮子,他们如何搬运石头建造金字塔呢?主要依靠人力和简单工具。由于缺乏马、牛这样的役畜,加上复杂的地形,轮式运输始终没有得到广泛应用。一个文明可以建造宏伟的金字塔,却让轮子主要留在小小的陶制动物身上。甚至还没到不断改进的层面——有些发明创造出来之后,根本不像我们想象的那样如获至宝般稳稳传承下去。比如火。早在约 100 万年前,我们的祖先就已经开始利用火,但利用天然火源、保存火种和主动取火是几件不同的事情。考古学家提出过一种令人惊讶的可能性:人类也许曾经不止一次学会如何取火,却又不止一次失去了这项技术。依据是,他们发现欧洲一些古人类遗址中的用火痕迹是断断续续的,有些时期甚至在寒冷的环境中也找不到明确的用火证据。考古学家怀疑某些族群即使掌握了取火技术,也可能随着人口迁徙或族群灭绝而失去它。在人类历史的大部分时间里,我们的祖先生活在几十人上下的小群体中。即使有什么发明创造——比如一种带有扭转刃缘的石器手斧——也未必能够传播到其他地方,甚至可能随着某个族群的消失而永远失传。一个人的智慧或许足以点燃一项发明,但要让它穿越漫长的世代而不被遗忘,则需要整个群体的记忆与智慧。回过头来看,阿舍利手斧的设计延续了将近 150 万年,并不意味着这数万代人都没有产生过新的想法。也许曾经有无数巧妙的改进,只是它们没有流传下来;也许一把足够好用的手斧,原本就没有什么迫切的理由需要改变,为什么要花脑筋去改变呢?还有这么多事物需要探索和关心。在人类漫长的历史中,发明、遗忘、重新发现的故事可能反复上演。这没什么大不了。技术没有必然的发展方向,历史也从未承诺每一代人都必须比上一代更加进步。我们今天所熟悉的持续创新、不断迭代、永无止境的自我提升,其实是人类历史上极其晚近的现象——技术加速发展也给我们带来了一个神经生物学难题:进化让人类大脑只能适应局部性的、线性的环境,而非全球的、指数级的世界。线性的进步我们能够应对,但指数级的飞跃让我们逐渐失控。所谓“无聊的 100 万年”,也许只是因为我们太习惯用变化和进步,来衡量时间的价值。人类曾经在数万代人的时间里生活在一个几乎没有变化的世界中。但今天的我们,却越来越难以忍受一个没有变化的明天。本文来自微信公众号:MorningRocks,作者:星玫
姚顺雨:不要过度思考
虎嗅 · 14 小时前
本文来自微信公众号: 版面之外 ,作者:画画姚顺雨加入腾讯后一直很低调。11月21日,他却带着混元团队在Reddit集体亮相,两个小时内一共回答了300多条技术提问。有人问,后训练阶段最难改善的模型行为是什么?混元团队只回了四个字:过度思考。就在几天前,腾讯刚发布Hy4,追求更高的模型智能;随后推出的Hy4 flash,却把重点放在压缩思考长度、降低推理成本。一边让模型想得更深,一边训练模型少想一点。看似矛盾,背后是同一个现实:模型变聪明之后,怎么让它在真实业务里跑得动、用得起?对姚顺雨和混元团队,这是训练方法问题;对腾讯,它决定AI投入能不能变成一门可持续的生意。一、混元,终于跑出了节奏模型研发最怕的,是每一次进步都接不上。混元此前面临的难点,是研发基础和工程体系的重建。新模型发布后,经验能不能沉淀到下一代,决定团队能不能持续迭代。今年2月,腾讯混元启动基础设施和团队重组。4月,Hy3 Preview成为重建后训练的首个模型;7月,Hy3正式版推出;8月,Hy4 Preview开源;11月4日,Hy4正式发布,随后Hy4 flash接续上线。九个月时间,混元完成了从基础设施重构到双线产品落地的切换。这种节奏背后,是一套固定下来的研发路径:Preview先行验证,正式版扩大训练规模、补充能力,再按使用场景推出新版本。8月开源的Hy4 Preview,拥有7700亿总参数、490亿激活参数,支持百万级上下文;11月发布的Hy4正式版进一步扩大预训练和后训练规模,加入视觉理解和计算机操作能力,并在Agent Arena榜单上位列中国模型第一、全球开源模型第一。这轮迭代的意义,在于混元开始有一套能持续运转的模型研发体系。数据、训练管线和工程经验可以在版本之间积累,下一代模型不必每次从头摸索。对腾讯来说,这块能力迟早要补。腾讯的优势一直来自微信、QQ、游戏和企业服务构成的应用网络。AI正在改变这些产品的交互方式和服务能力。底层模型长期靠外部供给,产品体验、推理成本和技术迭代就很难完全握在自己手里。混元不必在每个榜单上都拿第一,却必须保持稳定的研发输出。腾讯需要的,是一支能持续生产模型能力的队伍。现在,它有了。二、姚顺雨,要模型少想一点在姚顺雨的研究经历里,有一条持续多年的主线:把推理和行动连接起来。他早期参与的ReAct研究,就是让语言模型在推理时调用工具、获取外部信息,再根据反馈决定下一步。模型不必把所有问题都关在内部推演,可以通过行动补信息、验证判断。今天的Agent,把这条路线推向了更复杂的任务。用户交给模型的已经是一整套工作,查资料、操作软件、处理文件、调用工具,最后交付结果。模型要理解目标,也要规划步骤、执行操作、检查结果。推理只是其中一环,行动准不准同样决定成败。混元团队在问答里谈到的训练难题,也集中在这里。强化学习里,模型可能学会钻奖励机制的空子;工具调用需要更精细的奖励信号,执行准确率才上得去;长任务则考验上下文管理,信息越积越多,模型还得避免偏离原定目标。这意味着,推理越长未必越好。模型可能推演很久,却没抓住任务重点,也可能生成一长串思考,最后仍没正确使用工具。冗长推理既增加Token消耗,也可能让模型陷入自我循环。过度思考因此不只是效率问题。它暴露出模型对任务的判断还不够成熟:该深推时深推,该调工具时调工具,信息够了就动手。用户不关心模型后台想了多少步,只关心任务有没有完成。三、Hy4 flash,给智能标上价格克制思考的另一面,是成本。Hy4向上探索智能上限,Hy4 flash解决另一个现实问题:模型进入高频调用场景后,单次任务到底要花多少钱?腾讯公布的内部测试显示,Hy4 flash在WorkIndex单任务上的成本约为Hy4的1/20。85名腾讯内部WorkBuddy用户参与27类共259项任务盲测,flash的用户满意度接近Claude Haiku 5.5,任务完成时间中位数也更短。这组数据对应着Agent落地的核心瓶颈。一次完整工作流任务,往往包含多轮工具调用、文件读取和结果校验。所有请求都交给旗舰模型,Token账单和响应延迟会限制产品使用频率。模型能力越强,调用规模越大,成本压力越明显。Hy4 flash用自蒸馏和强化学习压缩任务输出长度,后训练阶段把端到端输出长度降低约50%。架构上采用混合注意力、LatentMoE和Engram等设计,继续压低推理资源消耗。腾讯公布的API价格中,flash每百万Token输入约0.5元、输出约2元,远低于Hy4。模型厂商习惯展示参数规模和评测成绩,如今还得回答一个问题:同样完成一项任务,能不能少花算力、少消耗Token?这决定了模型怎么进入产品。简单高频的请求需要更低成本,复杂任务需要更强推理。能力分层之后,产品才能按任务需求和成本做选择。Hy4证明混元能把模型做强,flash要证明这种能力能被大规模使用。四、腾讯,需要自己的模型供给11月18日,腾讯刚发布了今年三季度财报。马化腾在业绩说明中把模型和应用放在一起谈。Hy4达到国内顶尖水平,Hy4 flash降低推理成本;按用户每日Token消耗量计算,WorkBuddy已成为国内使用量最大的AI应用。腾讯总裁刘炽平也谈到混元研发进展,强调模型能力和迭代速度提升,以及多模态研究和产品协同。管理层的表述透出一个变化:混元正从内部模型研发项目,走向腾讯AI业务的技术供给中心。Hy4已接入腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理大圆、ima等产品,腾讯还在推动模型进入更多内部场景。不同业务对模型的要求并不相同:WorkBuddy处理文档、代码和复杂办公任务;元宝侧重内容理解与生成;企业微信智能助理要理解聊天、邮件和日程里的工作信息。这些产品给混元提供了真实任务场景。模型在使用中暴露的问题,可以成为后续训练和优化的方向;模型能力提升,又会反过来改善产品体验。腾讯的产品生态因此不只是混元的应用出口,也是模型接受检验的现场。另一端是腾讯云。Hy4和flash通过TokenHub向开发者和企业开放,腾讯云还提供模型调用、算力和Agent基础设施。内部产品验证模型能力,外部客户为模型和算力服务提供商业化空间。混元提供自研模型,腾讯产品承接用户和任务,腾讯云向外部企业交付能力。三者连起来,混元才有机会从研发成本中心变成腾讯AI业务的技术供给。这也是腾讯坚持自研模型的战略价值,掌握底层能力,才能把产品场景、用户规模和云服务资源真正连接起来。五、腾讯,进入AI重资产时代模型和产品铺开后,投入压力开始进入财报。腾讯第三季度资本开支付款达到651亿元,同比增长225%。公司披露,当季自由现金流净流出691亿元,主要受算力采购预付款等因素影响;剔除算力采购预付款后,自由现金流为正169亿元。AI投入已经明显改变腾讯的现金流和成本结构。另一组数据更值得注意。第三季度,腾讯非国际财务报告准则经营利润同比下降6%;剔除新AI产品后,经营利润同比增长8%。新AI产品包括混元、元宝、CodeBuddy、WorkBuddy和小微。传统业务仍在增长,AI新产品的投入已经影响当期利润。腾讯擅长高毛利、轻资产的软件和流量生意,如今却要为算力基础设施、模型训练和推理服务承担更高的前期成本。这笔钱必须找到商业出口。目前已经出现一些初步信号。WorkBuddy日活超过1000万,用户每天消耗Token超过100万亿;腾讯云服务收入同比增长35%,腾讯将增长归因于WorkBuddy,以及更多算力投入MaaS和GPU租赁业务。使用量不等于收入,算力需求也不等于投资回报。WorkBuddy的千万级日活和腾讯云的收入增长,说明市场已经开始使用腾讯的AI能力,但距离一套成熟的商业模式,还有一段路要走。这也是AI行业竞争正在发生的变化,模型能力逐渐成为基础设施,竞争开始转向谁能把它嵌入高频场景,持续交付服务,并从中获得收入。腾讯正在尝试把模型、产品和云连接起来。混元提供底层能力,产品生态承接真实需求,腾讯云向外部市场输出模型和算力。这套体系能否运转起来,将决定腾讯在AI时代能走多远。模型可以靠投入做出来,生态却要靠一次次真实的使用建立。【版面之外】的话:模型会过度思考,人也一样。有时反复推演,只是还不愿面对选择。想找到更好的答案,往往是在推迟行动。想得太多,未必因为看得更远。有些答案,要走出去才会出现。
这一轮“猪周期”为什么不灵了?
虎嗅 · 14 小时前
本文来自微信公众号: 消费底稿 ,作者:消费底稿你敢信吗,猪肉价回到了4元/斤的时代,跌穿了近十年的低位。当然,这里的“4元/斤”并不是我们在菜市场或者超市买到的价格,而是生猪(活猪)在市场的收购价。但这样的价格,在本该是消费旺季的11月,还是让人忍不住惊叹。继上半年4月创下8.77元/公斤的低点后,进入11月,全国「外三元生猪」(注1),均价又跌到8.51元/公斤,也是近10年新低。从业二十多年的生猪养殖协会副会长都感叹,从未见过一年内两次如此程度的价格探底。换算到零售端,全国猪肉平均批发价接近15元/公斤。有消费者5块钱就能买到一块比拳头还大的精肉,比青椒还便宜。按老剧本,猪肉价格跌了两年多,早该反弹了。但这一轮,磨了十几个月还迟迟没有动静。为什么猪肉价格创新低?传统的“猪周期”又为何失灵?背后其实是国内生猪养殖业的一场效率革命和结构性调整。01——————————上游亏惨,下游无感?猪肉价格跌成这样,最难受的自然是上游养殖业。2026年,养殖企业把一只猪从仔猪养到出栏,各种成本大概在12元/公斤,但市场售价只有9元/公斤,意味着每卖一头120公斤的生猪,就要亏掉400多块。如果是零散的养殖户,养殖成本更高,亏的还会更多。2026年前三季度,牧原股份、温氏股份、新希望分别亏损93.19亿元、49.61亿元和25.68亿元,归母口径合计亏了168.48亿元,是过去10年最惨烈的三季报。跌成这样,对我们普通人有什么影响?爱吃猪肉的消费者乐见其成——往年“奢侈”的梅花肉一斤要卖20多元,现在不少地方10元以下就能买到。当然,相比4块多一斤的上游生猪采购价,菜市场的价格似乎还是降得不够明显。这主要是因为,从养殖场的生猪(活猪)到菜市场的肉摊,中间还隔着许多刚性成本,比如屠宰、批发、零售,涉及包括冷链、仓储、人工在内的各种支出,极大稀释了上游生猪降价带来的让利空间。从人性的角度,零售端往往在生猪涨价时快速跟涨,降价时出于维持利润的考虑,降低终端售价的意愿和幅度则会更弱。猪肉价格长期处于低位,其实还会影响我们生活中的其他成本。比如价格带相似的鸡肉鸭肉,因为猪肉太便宜而卖不动,导致养鸡养鸭的人变少了,相对应的鸡鸭农副产品供给也变少了,价格自然就高了。最典型的就是鸭毛、鸭羽绒。市场上90%白鸭绒的价格已经从2019年的17万元/吨涨到2025年的58万元/吨,2026年10月中旬继续上涨到551元/公斤,同比涨约7%。所以这几年羽绒服价格连续上涨,羽毛球也已经连涨三年,今年才有所回落。没想到吧,二师兄的身价,间接抬高了老百姓过冬的成本,还掏了一下羽毛球爱好者的钱包。02—————————“猪周期”为何失灵?猪这个行当,最不缺的就是轮回。在说本轮猪周期失灵的原因之前,需要简单回顾一下以往猪周期的运行原理——即沿着下图中的周期链条,环环相扣带来猪肉价格的波动。但现在这个链条中有几个关键要素发生了底层逻辑的变化,影响了整个链条的传导。首先需要回到2018年那场对国内生猪产业影响深远的非洲猪瘟。当年猪瘟突然爆发后,由于传播快、病死率高,且没有广泛可商用的疫苗,行业主要依靠扑杀、隔离等方式控制,叠加疫情以及养殖户们主动、被动的抛售,大量怀孕母猪和后备母猪被提前淘汰,产能也出现了历史级的去化。数据显示,产业内「能繁母猪」(注2),即已经配种、可以持续产仔的母猪数量,从2018年7月的3000多万头降到了2019年9月的近2000万头,累计减少近四成。极大的供需缺口带来价格暴涨——2019年生猪价格来到了惊人的40元左右/公斤,猪肉批发价超过50元/公斤,部分城市猪肉零售价达到40元左右/斤,高峰时期卖一头猪可以赚3000元左右。掐指一算,当年的养殖户,卖100头猪就能赚到30万,卖300多头就成百万富翁了。这样的超额利润吸引了大量热钱进入行业。公开数据显示,2019年中国主要上市猪企的资本开支合计483亿元,到了2020年这个数字翻了大概3倍。比如当时湖北有一家猪企,在鄂州投资40亿元建了两栋26层的大楼,被称为“世界最大单体养猪厂”,而这样的大手笔案例,在那轮由非洲猪瘟引发的“超级猪周期”里并不少见。这么多钱投入进来,加上后续不断发展的养殖技术,造成的结果就是,产业集中度提高了,头部企业规模化养殖的能力提升了,效率也提高了,分摊到每头猪身上的成本自然就降低了。这里面有几个细节,一个是产业集中度提高,意味着亏损的零散养殖户变少了,更多生猪主要来自头部企业,而这些企业的抗风险能力是远大于养殖户的,也更能在亏损中熬着,这就影响了猪周期链条中「养殖户亏损、退出、淘汰能繁母猪」的这个过程。对应数据是,2017年国内养猪业的规模化率约47%,零散养殖户还占据主导地位,到了2025年,规模化率超73%。另一个细节是,头部企业大额投入带来的技术进步、效率提高,导致「PSY」大幅提升,这个指标对应的是每只母猪每年能够产出的仔猪数量,从早年的17-22提高到现在的28-30。且整体出栏均重还在往上走——从此前的110公斤增至130公斤。这意味着,以前只要在源头减少「能繁母猪」,即就能控制整个生猪产业的产量,但现在「能繁母猪」虽然减少了,每头猪贡献的猪肉却增加了,两者对冲后,「能繁母猪」减少对猪周期的影响就减弱了。如此,影响猪周期的多个环节,被市场、技术、效率等复杂因素干扰,曾经波动明显的猪周期,也变得平缓了。这里面还有一个常被忽视的行业背景,即国内生猪养殖业的下游——屠宰流通环节的承载力,其实是相对有限的。猪养出来,只走完了一半路程。剩下的一半,要靠屠宰、冷链和批销把它送到餐桌。在屠宰流通承接能力强的市场,供需错配带来的价格波动,会被整条链吸收,而承接力弱的市场,新增供给就会更多以"活猪"的形式回到现货市场,价格压力先砸向养殖户,再向上游饲料、仔猪传导。这也是本轮"养殖效率提升、底部反而更深更长"的原因之一。供给因素之外,需求下滑也抑制了猪肉价格上涨。央视调研显示,18–35岁年轻人的猪肉消费占比,比全国平均水平低了6–8个百分点,国内居民家庭人均猪肉消费量则从2023年的30.5公斤降到了2025年的26.6公斤;猪肉占肉类消费比重从2018年的62%降到2025年58%。作为替代品,更受欢迎的是同样很便宜的牛肉、鸡肉、海鲜等低脂高蛋白肉类。二师兄,越来越不讨年轻人喜欢了。03——————————未来还有“猪周期”吗?猪周期,讲的从来不是一头猪的故事,而是一群人在时间差里做决策的故事。一个值得思考的问题是,照这个趋势发展下去,未来还会有猪周期存在吗?大方向上看,中国养殖业正在从农业供给周期转向工业化产能周期与消费结构变迁周期叠加。只要市场上还有零散的养殖户,猪周期就不会消失,但随着产业集中度逐步提升,周期的的振幅会变得越来越小,磨底的时间跨度也会更大。学术比较显示,规模化程度与猪肉价格波动幅度呈明显负相关,美国的「弱周期」,靠的就是更高的规模化程度和整条产业链的成熟度。2024年美国生猪养殖行业「CR10」约50%、「CR20」约60%、规模化率约90%;中国同期指标约26%、31%和70%。除此之外,美国的屠宰端也更集中——屠宰「CR4」约67%。美国还是净猪肉出口国,2024年出口量约占商业产量四分之一,墨西哥和日本约占一半。国内消费走弱时,供给压力可以通过加工、分级、冷链、品牌化和出口分散出去。从这个角度来看,国内生猪养殖业的短板已经不在养殖效率——头部企业「PSY」已基本达到欧美水平,更多差距集中在下游的屠宰、加工等环节。2024年全国生猪出栏超7亿头,规模以上定点屠宰企业全年屠宰量不足3.4亿头,规模化屠宰率不到一半,2025年有所增长至4.11亿头。但这种区别背后,按照这样的逻辑,是不是产业集中度进一步集中,猪周期就会完全消失?事实上,国内的生猪养殖行业还承担着农村就业、家庭现金流和县域经济的缓冲功能,政策取向也不是"只留龙头、淘汰小户",而是引导龙头通过订单养殖、托管代养带动合作农户标准化、规模化发展。这又是另一个很大的课题。只能说,在「猪周期」的问题上,我们要考虑的从来不只是效率,而是效率与稳定之间的微妙平衡。看懂猪周期,某种程度上就理解了市场经济最朴素的运行规则:供求关系决定价格,决策存在滞后,一轮选择总要等时间兑现。读懂这头猪,也就读懂了很多行业的起落方式。注1:外三元生猪,即杜洛克、长白、大白三个外来品种杂交而成的商品猪‌,是目前我国生猪养殖的主导品种注2:能繁母猪,指已经配种、可以持续产仔的母猪,是预判10个月左右之后猪肉供应情况的核心指标注3:CR10、CR20,分别指行业前十和行业前二十所占的市场份额百分比参考资料:《猪周期,变了》,晚点财经
当叙事VIX和市场VIX 共振
虎嗅 · 14 小时前
本文来自微信公众号: 肖小跑 ,作者:肖小跑,原文标题:《当叙事 VIX和市场 VIX 共振》01大家吃市场的瓜吃的怎么样了?(真心希望大家只是在吃瓜)。每次市场崩盘,我们很容易听到的一个词:"共振"。这个词让我想起小时候,物理老师只要讲到“共振”,肯定会提到拿破仑军队那个故事:法国士兵迈着整齐的正步走过一座桥,步点刚好踩在桥身自己的固有频率上,好好的一座桥就这么踩塌了。大概因为这个故事太好懂了,金融业界也喜欢上了“共振”这个词。当每次大盘跳水,很多相关不相关,甚至本应该作为对冲的市场(黄金、比特币)也跟着一起跳水时,市场的叙事中肯定会出现四个字:“利空共振”。顿觉威力倍增。但我爸物理不错,有时会阴阳怪气一句:你们老师真爱瞎编,共振真有那么容易发生吗?这倒是真的。共振其实是个门槛极高的现象。想把一座桥踩塌,光靠人多或者体重是没用的。如果我们做个奇怪的想象:如果当年拿破仑的军队里不是步调一致、训练有素的法国士兵,而是一群刚逛完早市的大爷大妈,拎着大葱和鸡蛋,东一脚西一脚地溜达上桥,那这座桥顶多是晃一晃,塌掉的场景大概率是不会出现的。这个场景其实很像金融市场,虽然我们觉得这个地方好像很容易出大事,但一年365天里有300天其实就是大爷大妈过桥,看起来人声鼎沸,但每个人的作用力其实是在相互抵消的。共振需要作用力的间隔大致合拍,先前的摆动还不能被摩擦耗尽,下一次推动才有机会合拍。但是上周的美股,应该算是剩下65天中的几天,共振似乎确实出现了。标普一个月前还涨着12%,转眼就跌回原点,创下2020年以来最长连跌纪录;纳斯达克周五一天跌去5.3%;恐慌指数VIX冲向去年4月大解放日以来高位;比特币跌出两年多新低;黄金直接触到3600;新兴市场股市也进了熊市。事后复盘,大家发现每个利空叙事都很熟悉,没有新的增量信息,没有任何叙事是昨天才发明出来的新故事。不仅没有新故事,现有的叙事分歧还很大:现在的市场叙事到了一个很奇怪的阶段,不管你提出多么有力的证据,比如说GPU还在短缺,各种供给还在短缺,未来AI一定会让你很丰裕;但只要从“未来”回到“当下”,比如让这些GPU发挥作用的钱从哪来?下一顿饭从哪来?“未来”突然就看不清楚了。正想着呢,看到了马老师的帖子,他表述的正是这个意思,比我表述得直白多了:从叙事的角度,我好像没见过这么一个市场状态:正方和反方都有非常强烈的理由,但没办法证伪对方,因为能证伪各自的是“未来”,而那个“未来”还在人们的想象之中。02虽然在这种市场情绪中,你很容易迷路,但看流动性、VIX和SKEW,至少下周的方向没有那么模糊了:悲观的观点似乎发生了共振。市场并不在乎你的未来(其实大多数时候是这样)。那么问题来了:为什么大半年都风平浪静,一共振就是瞬间变化,而且反应如此激烈?回答这个问题有个挺简单的办法:找不同。找找和历史相比,当下的市场有什么以前都没有的东西?不知道大家有没有注意到(中间这部分内容发不出来,大家可以看substack《发现叙事》版本)。03这可能是共振发生的一个原因。但我觉得还有一个更重要的原因,就是那个经常被我们当作背景的变量:时间。“时间“这件事在大部分人的感知里,和空气一样,它天然存在,看不见摸不着,想象不出它对现实世界会有什么作用力。但在市场里,时间是最重要的一个变量。也最tricky。如果我们开启交叉学科思维,从理科生的逻辑里找一个对市场大跌的解释,大概可以这样想象:市场上的每一个叙事都是一条波动曲线,大多数人只能看到二维平面:一个是振幅,也就是某个叙事或者新闻本身有多震撼、体量有多大,比如Anthropic几万亿美元市值,或者伊朗又打起来了。第二个维度是频率,也就是这个叙事出现的节奏和变化的快慢。我给它取了个名字叫“叙事VIX”。但这件事还有第三个维度,就是时间。当把时间放进来时,数学好的小伙伴脑中就会出现一个词:相位(Phase)。用普通话翻译一下就是:每一条波在时间轴上走到哪一步了?波峰和波谷具体落在哪一天?再用小学生普通话翻译一下:如果没有时间变量,你只能看到市场上存在着N种很吓人的风险,但你并不知道它们会不会撞车、什么时候会撞车。就像上面提到的大爷大妈走吊桥,就算能踩出几条振幅很大的波,如果相位错开了,一个走到波峰,另一个走到波谷,加在一起反而会互相抵消。一旦时间把这几条原本各走各的周期推到了同一个交点,波峰凑巧撞上了波峰,相位对齐了,一个物理公式就生效了:波的能量和振幅的平方成正比。两条对齐的波叠加在一起,能量就远不止翻两倍,而是四倍(感谢AI,现在文科生也能用物理定律来论证自己的观点了)。仓本模型(Kuramoto Model)做的就是这件事:解释一群各自游荡的振子为什么会突然同步。2000年伦敦千禧桥开放,数万人涌上桥面。当同时在桥人数达到约2000人左右时,桥突然开始剧烈摇摆,被迫紧急关闭。后来一位数学家用仓本模型解释了这件事:桥面稍微一晃,大家为了站稳脚跟,身体下意识跟着晃动的节奏迈步,结果越走越齐,开始共振。其实它完全也可以解释这几周发生的事情。虽然叙事分散,甚至冲突,但它们偏偏集中出现在同一时间:AI估值烧钱、又一大厂自由现金流转负、史上最大规模IPO万亿估值、撑住估值需要地球上没出现过的万亿营收、算力信贷、英伟达央行之变、美国商务部BIS 90天许可倒计时。中间还穿插着很多黑色幽默:因AI找bug太快而带来全球系统性宕机:美国航班停飞、Microsoft Office卡死、银行App罢工。再加上政治:民主党、中东冲突又起、雅尔塔2.0、油价和通胀、甚至联储会不会反手来一次意外加息。每个消息都和另一个消息有关,每个消息都会按照另一个消息的出现而调整自己的节奏,结果就是开始共振,叙事的VIX急速升高,仓本模型里的“锁相”就完成了。04这还没完呢。如果“叙事VIX”和“市场VIX”再发生一次共振,就更热闹了。但不幸的是,它俩也会根据对方调整自己的节奏:“叙事VIX”先升高,投资者开始为这些消息付钱买保护,“市场VIX”才跟着变化。两种节奏平时可以错开,碰到一起时也会共振。比如一个月前的股市还风平浪静,标普500的SKEW指数突然升高。为什么?因为机构正在用很便宜的价格扫货看跌期权。(A month ago,SKEW was at 168 and$VIX was at 20,with the market near its peak.Today,the picture has completely flipped)这是什么意思?大家可以想象一个山清水秀、平时很少发大水的山村。天气好的日子里,那种只有特大山洪冲垮村子才用得上的逃生筏卖得很便宜。但往往这个时候,会有一些思路清奇的聪明人,趁着风平浪静悄悄买上几个囤在家里。平时没发洪水,也就是多花一点零花钱;万一真赶上百年一遇的山洪就能救命。SKEW在市场VIX极低的时候冲高,说明村里突然有一大群都变聪明了,同时跑去扫货,居然把价格抬高到了历史高位。当然,抢逃生筏的动作本身并不会召来洪水。洪水到底来不来得看大自然的召唤。但不巧的是,到了11月下旬,叙事VIX的共振唤醒了大自然;市场一跌,前期囤好救生筏的聪明人开始兑现看跌期权,而面对洪水慌了神的不太聪明的人,现在开始去抢救生筏,又把VIX推向高位;而卖救生筏的做市商在急跌时又不得不卖出期货来对冲。于是仓本模型又生效了:“叙事VIX”和“市场VIX”根据对方的步伐调整了自己的节奏,结果又发生了共振。桥上每个人都在努力站稳,桥却因此晃得更厉害了。
算力中间商:卖时间的已上市,卖位置的正在被调查
虎嗅 · 15 小时前
本文来自微信公众号: ICT解读者 ,作者:ICT解读者 老解两家算力中间商,同样是把英伟达的卡租出去,一家公司上了纳斯达克,另一家上了调查名单。2025年3月28日,CoreWeave在纳斯达克上市,2024年营收19.2亿美元,微软一家占了62%。2025年6月24日,美国BIS的调查人员走进Megaspeed在新加坡的业务现场,做最终用途核查;同一天,新加坡警方约谈了它的CEO。很多人把这种差别归结为拿卡能力的高下,或者合规运气的好坏。这两个解释都不够:这两家公司卖的东西根本不是同一种:一家卖的是时间,一家卖的是位置。01中间商卖的不是卡,是两种转换算力中间商不生产芯片,也不做模型。它把GPU和服务器买进来,建好机架、供电和散热,再按卡时或者包月租出去。这是它的动作,不是它的生意。它真正提供的,是两种转换。第一种是时间。模型团队今天就要算力,一座数据中心从选址到通电却要两三年。中间商先垫钱把产能建出来,再用长约把未来的算力折成今天的收入。客户买的是不用等,中间商赚的是这段等待的利息。第二种是位置。芯片可以放在电价便宜、土地宽裕、审批宽松的国家,使用它的人却在另一个国家。中间商把算力从甲地搬到乙地,赚的是两地之间的差。两种转换都要垫资,都要吃折旧,但依赖的东西完全不同。时间转换依赖合约长度和融资成本,位置转换依赖关系和通道是否通畅。所以看一家算力中间商,重点不是它能拿到多少卡,而是它卖的是哪一种转换。拿到卡只是入场券。真正决定它能活多久的,是它卖的那种转换,能不能被定价、被抵押、被许可。02 CoreWeave:把时间做成了可以上市的资产CoreWeave 2017年在新泽西成立,前身用GPU挖以太坊,2019年更名,2020年把挖矿剩下的算力改租给渲染和AI客户。这段前史不重要,重要的是它后来做的事:把一张随时会贬值的卡,变成了可签约、可抵押、可估值的资产。办法不复杂。它不卖零散的卡时,卖确定的交付时间和集群效率;英伟达从2023年起入股,一路把最新平台优先给它,还替它兜底未售出的算力。入股和兜底看起来是供应链关系,实质是给这门生意做信用背书——有了背书,长约才签得下来,债才借得到。2026年第二季度,CoreWeave营收25.75亿美元,同比增长112%;手上合同积压1040亿美元,差不多是全年营收指引的八倍;已投运电力1.5吉瓦。管理层说得很直接:瓶颈在产能,不在需求上。有一个细节容易被跳过。这一季它净亏6.26亿美元,净利息支出6.40亿美元。利息比亏损还多,说明亏损几乎全部来自融资成本,运营层面已经接近打平。这句话的含义是,它已经不是一家单纯租卡的公司,而是一家用债务买时间的公司;时间转换的原料不是GPU,是便宜的钱和足够长的合约。代价也在同一张表上。2024年微软一家占它营收62%,2025年升到67%;到2026年6月底,债务合计超过350亿美元。它的风险不在合规,在利率和客户集中——只要融资成本抬上去,或者大客户开始自建,这门生意的利差就被两头挤掉。时间转换能被资本化,前提是资本市场愿意为“确定的交付”付溢价。这个前提一旦松动,先塌的是估值,后塌的才是业务。03 Megaspeed:把位置做成了一门不能上市的生意Megaspeed 2015年在新加坡注册,前身做海外游戏发行,2023年更名转做云计算和AI基础设施,并进入英伟达云合作伙伴体系。它的做法是把芯片放到了美国境外:关联公司分别管采购、清关和运营,货经新加坡结算,落到马来西亚柔佛等地的机房,再接入云平台对外出租。这门生意的账面很特别。据路透社披露的财务资料,公司资产从2023年的约3290万美元涨到2024年的近30亿美元;同年营收2.94亿美元,税后亏损约2000万美元。用近30亿美元资产做出不到3亿美元营收,可见这不是一门运营生意,是一门持有和搬运的生意。它赚的是位置差。芯片在甲地,客户在乙地,中间隔着海关、审批和一句“最终用户是谁”。这段距离越难走,溢价就越高。问题也在这里。位置转换不产生可抵押的资产:机房在别国,合约不能公开,客户不能说,设备一落地就开始折旧。它没有信用,只有通道。通道的定价靠信息差和监管缝隙,所以这门生意必须快、必须低调、必须依赖关系;规模越大,暴露越大。亏损也不是谁在替它买单。算力生意要先垫GPU采购、机房租赁、电力预付款和设备部署,服务器转起来之后还得背折旧和融资成本,租金只能一点点回流。这种重资产的投入与运营,离不开战略性补贴。真正危及这门生意的是规则。2026年11月16日,美国BIS把监管对象从芯片本身延伸到芯片提供的算力:境外数据中心向总部位于D:5国家组(包括中国)或澳门的企业提供算力,合计超过1200万TPP就要事先取得许可;马来西亚、新加坡、印尼、泰国、巴西被纳入出口和转运的许可要求;存量业务只给90天过渡期。这不等于跨境云服务一律被禁。是否要许可,还要看门槛、地区、最终用户和访问方式。但对靠位置差吃饭的中间商而言,成本科目变了:原来付的是租金,现在付的是许可,而且每一次远程访问都要说清楚对面是谁。事实边界也要说清楚。2026年2月,新加坡方面认定证据不足以证明其CEO涉及虚假申报,但认定她在调查中提供了明知不准确的信息,发出严厉警告并禁止其再次入境;针对公司及其他人员的调查仍在继续,至今没有公司或个人因芯片流向问题被正式起诉。按美国商务部与司法部2026年11月的联合声明,英伟达早在2025年6月就把它列入了内部禁售名单;那停的是直接销售,经服务器厂商和分销渠道的那条线是另一回事。公开报道里的资金关联和最终用途疑云,都停留在报道和监管怀疑的层面,没有定性。所以它的困境不是运气差,是模式决定的:位置转换能赚钱,但不能变成资产。规则一变,它没有缓冲。04中间商退场,错配没有消失,只是换了人承担两种转换的需求都还在。模型要现在训,产能要三年后才有;先进芯片想放在便宜的地方,买家却在受管制的地方。中间商不做,这笔账不会自己消失,只会转给下一环。11月18日,腾讯发布2026年第三季度财报。当季资本开支814.33亿元,同比增长527%;按现金流口径的资本开支付款651亿元;自由现金流净流出691亿元。公司说明,经营现金流里包含大额算力采购预付款,剔除这笔预付款后,自由现金流转正为净流入169亿元。腾讯总裁刘炽平把这轮投入比作建工厂,首席战略官米歇尔讲得更实际:按现金口径,资本开支已经处在峰值。11月19日,阿里发布2027财年第二季度财报。当季资本支出504.77亿元,同比增长60%,自由现金流净流出344.72亿元。吴泳铭在电话会上说,全球各区域的算力政策出现了非常大的变化,公司到2032年全球数据中心超过20GW的目标可能下调,资本开支也可能相应降低;2027、2028年,可能是国内算力最紧缺的两年。需求端没有转冷。阿里云当季收入同比增长53%,外部经常性收入增速67%;腾讯把大额预付款付出去,锁的是未来几个季度的产能。收入在加速,扩建计划却往下修。把这两本账放在一起看,会发现它们在干同一件事:把算力中间商那两种转换,收回自己表内。腾讯的预付款是买时间,把未来产能先锁住;阿里的自研芯片加国产供应链是换位置,把产能放到自己能控制的地方。共同的代价是自由现金流变成负数,折旧和在建工程进入大厂自己的财务报表。所以“算力中间商消失”是一种错觉。它没有消失,它变成了大厂资产负债表上的一条科目:预付款、在建工程、长期资产。原来由中间商用杠杆承担的时间差和位置差,现在由买方用现金流承担。05结语国产替代的时间表已经被说到了明处。平头哥真武V900定在2027年一季度量产,内置它的超节点二季度规模化上市;吴泳铭的节奏是2028年之后国产算力供应链才会大规模放量,阿里的持续投资周期要走到2028年上半年,目标下半年现金流转正。腾讯刘炽平把财务压力明显缓解的时间点也放在2028年,并预计届时同类设备采购价格会大幅下降。一个说2028年设备价格会降,一个说2028年国产供应链扩量。两句话指向同一件事:2028年之前,高端算力的缺口持续存在。再回到开头那两家公司。Coreweave和Megaspeed的分野从来不在采购环节,而在各自卖的东西:一个卖时间,一个卖位置。时间可以被定价、被抵押、被写进合约;位置只能被许可、被追查、被写进调查卷宗。能不能拿到英伟达的卡只是入场券;能不能活下去,看它卖的那段时间,或者那段距离,能不能在规则之内被定价。
行业在喊数据不够,但 80% 的数据可能死于“只奖励走通”
虎嗅 · 15 小时前
本文来自微信公众号: 独雕寒江雪 ,作者:独雕寒江雪,原文标题:《行业在喊数据不够,但 80% 的数据可能死于“只奖励走通”》具身智能的瓶颈不在世界太非标,而在训练目标从未要求模型理解物理一、一个被误读的因果在具身智能的圈子里,“得数据者得天下”几乎是一句公理。建数据工厂、上遥操作采集、堆合成数据,仿佛只要攒够了PB级的视频与轨迹,机器人就能像ChatGPT一样迎来涌现时刻。2026年上半年,中国具身智能数据创业公司拿到的融资超过170亿元,占整个赛道融资的四成左右;全国已建成启用的训练场超过70家,在建和规划的还有40多家。钱、人、场地,全部押在同一个假设上。但数据的消耗远没有叙事中那么高效。以目前最具代表性的开源机器人操作数据集DROID为例,它收集了76,000条轨迹、约350小时、564个场景、86类任务,规模相当可观。然而在进入实际训练之前,大量原始轨迹被过滤掉了——按业界基于该数据集清洗结果的统计,DROID的保留率只有20.7%,也就是说,接近八成的原始数据没能进入训练集。这是最差的一档,其他路线的数据可用率普遍水平在三到四成之间,即便是质量最好的开放世界人类视频数据集,保留率也只有六成左右。面对这个现状,行业习惯性地把锅甩给“物理世界的非标性”——世界太复杂,机器人抓个杯子,陶瓷和玻璃的摩擦力都不一样,所以数据当然难以复用。于是解法指向同一个方向:采得更多、采得更真、采得更便宜。但如果把因果链倒过来看,会发现另一种解释:数据难以复用,不是原因,而是结果。真正的问题出在更底层——我们的训练目标只奖励模型“把事做成”,从不奖励它“把物理规律提炼出来”。一个只被奖励“做成”的模型,天然会倾向于记住场景,而不是理解世界。于是每一个新场景都成了新问题,每一份新数据都成了无法复用的孤立记录。这个判断,在今年6月一篇由具身数据初创公司领衔、多位研究者合著的立场论文里被明确写了出来。该文指出,更大的模型、更多的示范数据、再叠加一个更懂物理的世界模型,并不能通向真正的物理世界泛化能力。通用机器人真正缺的不是更大的策略模型,而是一套能把非结构化物理行为转化为监督信号的机制。作者提出需要补齐四个接口,其中最关键的一个,就是奖励接口。“奖励接口缺失”,正是本文想展开的那条线。二、第一层:奖励错位,模型在“学记答案”而不是“学规律”要理解具身智能为什么“笨”,得先看清它在被什么标准训练。过去两年,行业主流是从专家示范里学动作,也就是模仿学习。这条路快、稳,但有两个先天缺陷:一是默认所有示范都是正确答案,模型分不清哪一次操作更好、哪一次走了弯路;二是模型一旦运行到示范没覆盖过的状态,误差会逐步累积,最终偏离干净的行为。头部团队已经在修补。Physical Intelligence的π0.5用了一种协同训练的思路,把多种异构数据混在一起训练,把陌生家庭环境中的多阶段任务成功率相对前代提升了25%—40%。这个结果很漂亮,它说明数据多样性确实能换到泛化。但π0.5的路径依然是模仿:它学的是“在这样的观测下,专家会做什么动作”,没有解决“好坏判断”的问题。2025年11月发布的π0.6补上了这一块。它引入了一种结合经验与纠偏的强化学习方法,分三个阶段训练,效果是:高难度任务吞吐量翻倍,故障率降低两倍以上,机器人可以连续13小时制作意式浓缩咖啡。这是真实的进步,而且是方向正确的进步。但请注意它优化的是什么:价值函数估计的是“这个动作有多有利于把任务做成”,奖励信号来自任务成败与专家纠偏。也就是说,π0.6教会了模型区分动作的好坏,可“好”的定义依然是任务成功率和执行效率,而不是“这个动作是否体现了可迁移的物理规律”。这就是激励错位的精确位置。用一个更好懂的比喻:教一个学生做题,只要他最终填对了答案,哪怕他是把整本练习册背下来的,你也给他发奖学金。结果原题考100分,换个数字就彻底傻眼。人类抓了十次杯子,提炼出的是“摩擦力阈值”“几何约束”“力反馈调节”这样的先验模块,第十一次遇到没见过的杯子能瞬间迁移。而现在的具身模型,明明身在一个自带强物理约束的世界里,却对这些约束视而不见——因为它的奖励函数从来没有逼它去看。真正的稀缺能力,不是“从一万条轨迹里学会抓一个杯子”,而是“从一万次试错里提炼出能解释所有杯子的规律”。数据的价值高度依赖“被什么样的目标函数消费”。同样的数据,喂给一个只优化任务成功的模型,产出的是更强的场景记忆;喂给一个同时优化规律提炼的模型,才可能产出可迁移的物理先验。三、第二层:死循环——为什么具身智能走不出项目制训练范式上的激励错位,落到商业上是一场可被量化的灾难。因为泛化不足,换一个工厂、换一条产线,哪怕只是零件位置变了,模型就得重新采数据、重新训练。行业里有个常被引用的对比:在宁德时代现场做复杂任务训练,耗时三个月,成功率只有六成左右;而传统工业机器人做同类调试,周期约一周,调试完基本恢复到原性能,后续成本极低。三个月对一周,六成对接近百分之百——这不是技术代差,而是商业模式上的代差。由此形成链条:奖励错位→记住场景→泛化差→只能做项目→数据碎片化→更依赖堆数据→堆来的是更多记住场景的材料。柔性制造要求产线频繁换零件,不能每次换产都重训一两个月;闪购仓要应对上万个SKU,靠逐个场景适配,成本根本无法收敛。有意思的是,工业界已经在用另一条路径绕开这个问题:节卡在车灯装配场景,靠力控机器人与视觉机器人双机协同,把不同车型的换型时间压到5分钟,检测准确率99%;变速箱精密装配的装配良率超过99.7%,混线节拍控制在90秒每台;汽车ECU装配用零样本多模态识别,无需大量预训练即可应对多款控制器混料。这些案例说明——当任务边界足够清晰时,靠传统自动化与专用工程的组合,反而比通用具身模型更经济。通用模型的优势必须体现在“换场景不用重做”,而这恰恰是当前最缺的能力。数据碎片化也在自我强化。去年采集的数据因为没纳入触觉维度,今年可能已经不适配新的训练要求;本体厂商自采的数据往往排他,只能训自己的机器人,跨厂商无法通用,导致整个行业在重复投入做同一件事。天奇股份在江苏建的数据中心提供一个反向参照:它累计沉淀近2万小时、PB级多模态数据,搭建了36个一级场景、163个二级细分采集场景,并自研数据管理系统把原始素材转成标准化可复用资产。这种“把数据当资产治理”的做法,正是为了对抗碎片化——但它同时也说明,碎片化已经严重到需要专门建一套工业化的数据治理体系来对冲。质量曲线也值得看。北京人形机器人创新中心的数据基地,日产能超500小时、年产能18万小时,已对外交付近3万小时;但基地建立初期数据合格率只有50%左右,经过三个月流程优化才稳定到95%以上。这说明行业正在从“囤小时数”转向“要有效数据”,但底层问题没变:如果模型的目标函数不要求提炼规律,那么即便合格率从50%提到95%,被提纯的依然只是“更干净的场景记忆”。四、第三层:Benchmark已经不缺,缺的是测试维度如果因果链的起点是“奖励只奖励走通”,那么解法就不是建更多数据工厂,而是重新定义“什么叫好的具身智能模型”。这一层需要说清楚一件事:评测基准并不空白,恰恰相反,它已经很拥挤了。国际上,AI2发起的MolmoSpaces是目前公信力较高的零样本评测基准,测的是跨环境的零样本操作成功率;Meta发布的IntPhys 2基于四条宏观物理原则,测的是视频模型能否分辨场景是否符合物理。中国信通院在2026年报告中统计了近800篇论文后指出,一旦加入环境扰动,模型性能普遍跌至30%以下。把这几件事放在一起,就能看清真正的空白在哪。现有基准的共同点是:它们测“结果对不对”。任务成功了没有,扰动下掉了多少分。它们没有人回答一个更根本的问题——模型是真的从有限样本里提炼出了可迁移的物理规律,还是只是把训练场景记住了?这个区别不是玄学,它可以被操作化。假设一个模型在同一批杯子、同一张桌子、同一种光照下抓取成功率95%。但如果换一批材质不同、形状相近的杯子——摩擦力变了、重心位置变了、透明度和反光变了——成功率掉到20%,那它学到的就不是“抓取”,而是“这几千帧像素对应的动作序列”。区分这两种模型的唯一办法,是按物理属性而非按场景来构造测试集:把摩擦系数、质量分布、表面反射率、可变形性作为变量维度,而不是把“厨房A”“厨房B”作为变量维度。举个具体的设计:用100个刚性金属件的抓取样本训练模型,然后测试集更换为柔性硅胶件、易碎玻璃件、粘性软包,观察成功率保留率。如果模型只是记住了场景,面对材质突变时成功率会断崖式下跌;如果它提炼出了可迁移的物理规律,成功率保留率会显著更高。这个“成功率保留率”就是那把尺子的核心指标。如果真要做一把尺子,它应该长这样:不考单次任务完成率,考的是从有限场景提炼出的规律,在物理属性变化时的存活率。一旦它被确立为标准,就掌握了对所有模型的评判权,因为“你的95%分是怎么来的”这个问题将被强制拆开回答。在它建立之前,没有人能自证自己不是在堆废料——而这个“无法证伪”,正是今天泡沫得以持续的根本原因。谁先造出这把尺子,谁就等于把赛道从“比谁采得多”拉回到“比谁学得对”。五、结语:回到常识具身智能现在的火热,很像一场大干快上。大家默认只要堆够了数据,智能就会自动冒出来。但这篇文章想说的事情更冷静一些:如果目标函数不改,如果继续纵容模型走那条“记住场景拿高分”的近路,而不是逼它去提炼物理世界里的不变性,那么所谓的数据飞轮,不过是把项目制外包用AI的外壳重做了一遍,只是这次多了几百亿资本在烧。数据当然是必要的。头部团队证明了多样性数据的价值,也证明了奖励信号可以改进,数据中心证明了数据可以被工业化地治理。这些都是真实的进步。但这些都是在同一个目标函数下的优化,它们让模型在“把事做成”这条路上跑得更快,却没有让模型换一条路。决定胜负的,从来不是你采集了多少万小时的抓取轨迹,而是你的模型在打碎一个杯子之后,除了知道“这个杯子易碎”,能不能提炼出“这类材料在什么力下会碎”。这个世界不缺数据。缺的是让人不得不去提炼常识的那把尺子。【注释与参考文献】立场论文:Motoniq等,arXiv:2606.06556(2026-06),提出数据、具身、世界模型、奖励四个接口缺失。π0.5:Physical Intelligence,"π0.5:a VLA with Open-World Generalization"(2025-04),co-training方法。π0.6:Physical Intelligence,π*0.6技术报告(2025-11),RECAP三阶段强化学习。DROID数据集:76,000条轨迹,保留率20.7%为券商基于清洗结果的统计。UMI数据可用率30%—40%:券商产业调研。MolmoSpaces:AI2发起,23万环境、13万物件,零样本操作评测。IntPhys 2:Meta随V-JEPA 2发布:arXiv:2506.09849,基于四条宏观物理原则。信通院《具身智能发展报告(2026年)》:扰动下性能跌至30%以下。宁德时代案例:产业研究口径,非公司正式披露。节卡、天奇、北京人形基地等案例:均来自公开报道或工博会案例。
租宇树智元跳舞的人变少了:日租从上万元跌破2000元
虎嗅 · 16 小时前
本文来自微信公众号: 木禾商业财经 ,作者:龚正具身智能机器人,在2026年只走过两个季节。一是疯狂的火热夏季,二是寒意开吹的冬天。宇树的王兴兴,在为各路投资人赚得盆满钵满、只留自己继续创业后,明显开始更多活跃于公共舆论与“微博热搜”之间,开始更多push宇树机器人的最新突破,向市场传递技术落地的信心。智元机器人等这一波,本想趁热上市,却因各种原因推迟。它们不能像宇树那样,在春晚上表演个后空翻就能轻易获得认可,反而需要更费力的商业化验证,才能获得谨慎市场的更多买单。在这些大佬之外,是更多散落在产业末梢、如星点般入局的普通人。比如人形机器人租赁商,他们很多都是创业者,本想赶上一波风口,赚一波快钱。只是行情转折来得猝不及防,没一年时间,租赁行情已经走过高点,价格节节下探,从上万元/日的租赁价,一路下行到如今跌破2000元,当初的雄心壮志,变成艰难的糊口养家。倒是那些曾经大谈各类叙事的机器人公司,开始悄然转换经营重心:淡化文娱演绎租赁,强调生产实干场景。只是,资本的叙事永远可以快速迭代,产业的真实代价,却往往由一线从业者承接。机器人日租赁价,跌破2000元“能活下去就不错了。”李军(化名)是某城的人形机器人租赁商。以前他是一位汽车经销商,今年3月,转型入局人形机器人租赁。转行理由,是他从朋友处听到,“去年机器人租赁市场,一天一万。”年后,宇树又借春晚舞台,把机器人行情炒到极致。所以他也下决心,告别冷清的汽车行业,转行火热赛道。团队连他在内就三人。两人合伙,再加一位刚毕业的大专生,负责遥控机器人,闲时就在办公室剪视频。办公室是政府给的创业楼,不用交租金,唯一的刚性支出,是办公室里站着的两个智元人形机器人,和两条机器狗。每月固定向品牌方支付开销:2.2万。设备四月到货后,第一笔生意,是一所初高中学校的科普活动,他一个人把机器人拉了过去,跳了几支简单的舞,小朋友们围上来互动,学校反馈很好,但是此单是个人情,一分钱没收。真正产生收益的第一单,来自一家童装店开业的迎宾需求,店老板想要搞点新鲜玩意,引引流。李军曾参加过智元机器人城市生态大会,当时他获得的信息是,机器人日租价格3000多元,一个月租几台出去,就可以够到盈利门槛。他信了。但这一单,他没按3000收,而是打了折。他看到市场价格,有比他便宜的,他怕客户跑了。到了六七月,智元机器人租赁价格松动得更明显了。同城同行都在降价,3000多直接降到1800元-2000元之间是常事,甚至1500元也有人做。机器狗的处境更加窘迫,“能租出去就不错了,2-300元一天,别人都不要,那就只有附带送。”生意做到如今,他一共就做了四五十单,复购率两三成。9月开学季,有的学校会租一下。然后就是服装店开业,偶尔餐饮业也会用,目的就是“走个面,握个手,说几句话”。“没有任何人让他们去大厅里对接客户,回答咨询,更没有人指望他们进厂干活,很多落地场景,感觉目前就是一个Demo展示。”李军说。他把这个市场行情反馈给品牌方,但没啥下文,据说品牌方有做投流做推广,也吸引来一点儿咨询流量,但拿到报价后,很多也就没有下文,市场感觉过了新鲜劲儿。李军有在做抖音和视频号,发一些机器人出场的片段,算是为数不多的获客渠道。那个刚毕业的大专生还在,小伙子对行业感兴趣,暂时没想跳槽,三四千块一个月,他说“在学习,至于学什么,我没追问。”不仅李军这样的基层年轻人过得一般,一些在大型电商平台,来销售或租赁宇树等其他机器人的大厂销售员也反馈,“行情很一般”。机器人租赁价下跌,不是今年才开始的。蓝鲸新闻早在去年九月走访深圳华强北时发现,年初遍布市场的机器人租赁档口大多已经撤场,取而代之的是AI眼镜和硬件商铺。当时机器人就从日租万元价格跌到数千元。《证券时报》今年4月也报道,租金从单日三万跳水至三千左右。“量增价跌”挤压利润,中小租赁商陷入设备闲置、资金链承压的困境。对于跌跌不休的价格,有机器人厂家回应,这叫做“价格回归理性”。宇树、智元这两个头部机器人公司,去年产量均不足万台,今年则早已突破万台,供给增加,租价下跌,倒也符合经济规律,只是对李军这样的基层接盘人,这难以让人理性。等待他们的,还远不止这些。机器人公司,换叙事了11月13日,擎天租平台完成数亿元融资交割,这是它今年来完成的第七轮融资。李军的设备就是从它这里租赁。擎天租于去年12月成立,由智元机器人和飞阔科技联合发起。创立之初,智元是该平台的创始控股大股东,而擎天租是独立运营,并非只做智元机器人一家的出租生意。当时智元投擎天租,目的是解决人形机器人高价难卖的痛点,通过租赁方式,开创营收渠道,形成可持续收入。同时客户多用途应用,又能反哺真实场景数据,用于研发升级。一条完整的商业链路由此成型:擎天租作为枢纽,联结各地城市合伙人,再触达高校、商业门店、展会等下游需求。科普展演、迎宾引流,成为人形机器人最早跑通的落地场景。然而,谁都没想到,机器人租赁需求的保鲜期并未持续多长。随着各路租赁平台,携众多机器人产品入市,当初动辄万元以上的机器人租赁价格,随即进入下行区间,这是供给端。另一面,展会、高校、店铺的需求有限,人们新鲜劲儿一过,复购率存在上限,形成了一个“供给扩大、终端需求并未同步扩容”的结构性困局。要从哪里找出路?只有去生产一线找出路,这几乎是当下具身智能行业的共识。所以,擎天租在完成此轮融资时,它已经改了自己的叙事方式——从以前单纯的机器人设备租赁平台,转向机器人生产力服务。交易标的从硬件的使用时长,变成可核验的工作成果。配套这套新体系,它联合智元推出Worken生产力计量框架。Worken对标大模型世界的Token,被定义为物理空间里衡量具身机器人生产力的单位,全称有效智能工时。计算公式为:Worken=活跃机器人数量×自主工作时长×产出效能比。这套标尺,被认为意在重新定义机器人价值的评判逻辑:不再以机器人是否出场、是否完成歌舞表演作为交付标准,而是统计它无人干预的在岗时长、任务完成质量、最终产出效能。说得直白点,没人再关心机器人能否唱歌跳舞这种“颜值型表演”,大家都盯着它,能搬多少箱子,能跑多少腿,能产生什么经济效应。对擎天租来说,通过转化叙事,相当于它把自己,也从“一家道具短期租赁公司”,升级为基于Worken体系的RaaS基础设施平台。它不想再局限于按照租赁时长定价,这个赛道已陷入价格战,太卷,转而尝试以机器人的实际产出能力锚定价值,试图跳出低价内卷的泥潭,参与构建行业统一的交付与定价标准。这套模式,被认为也能发挥智元机器人正在进军工厂车间的能力优势。这套新叙事,是踩中当下资本市场的偏好的。宇树上市之后,股价持续震荡,市场已经褪去对舞台Demo的狂热,投资人的目光转向工厂场景里可验证的生产力。宇树2023年8月推出的H1全尺寸人形机器人,早期主打运动性能,现在也已慢慢往汽车工厂搬运、巡检等工业场景落地,走硬件销售为主的路线。这和智元殊途同归。只是这套叙事转向,对李军这样的城市合伙人而言,短期内要产生显性收益,估计还需时间,展会、文旅这类存量订单依旧按场次、按天结算,租金内卷的压力还在。若说未来变化,估计会落在考核导向、交付标准和能力门槛上。只有当李军这样的城市合伙人,能拿下工厂、园区这类持续性任务、让客户接受这套“有效产出”的验收逻辑,自己才能跳出商演租赁的价格战,从一次性租设备的中介,变成本地长期的机器人生产力服务商。图|各大机器人公司,都在push进厂干活而眼下最大的卡点在于,Worken是平台自洽的标尺,还没有成为产业共识。说服客户的成本,估计得由一线合伙人去承担和落实。做过生意的都知道,让消费者们理解的这件事,AI、机器人、乃至远在天边的线上平台,是干不了的,只有基层的人。2027年,机器人行业还有钱吗这一段时间,社交平台上,人形机器人公司/机器人公司裁员的帖子铺天盖地。不少中小项目融资受阻,资金链难以为继。在前不久召开的百度世界大会2026具身智能分会场上,中金研究院执行总经理、创新经济团队负责人周子彭表示,“从2026年7月开始,机器人行业融资总额有一定程度下滑。前面六个月融资速度太快,大家特别担心被抛下。结果冷静期来了之后,大家开始思考,我的估值跟整个商业落地场景,包括试错的可能性,中间需要怎么样做一个平衡。”他分享了目前机器人行业,融资的一个结构性观察。2026年前二十家企业的融资额占比接近六成,前五家又占了这二十家里的小一半。头部在吸走绝大部分资金,而早期轮次的融资事件占比其实是没有变动的。周子彭把这个现象解读为一个积极的信号——种子轮还在铺,试错还在继续,中国场景多、工程师多、试错路线多,“2027年整体资金总量仍然活跃,保不齐到就会有很多新的机会出来”。这是值得乐观的,但钱怎么分,变了。他观察到,腰部其实是未变热的。周子彭表示,“应用已经成为一个非常强的标准。”企业需要论证自己能不能拿到真实订单、获得真实的、正的现金流。企业的表现跟企业融资规模之间的相关性,在明年可能相会变得非常强。”换句话说,钱还在,但不再为故事付溢价了。他给出了2027年机器人行业发展、可能的三种情景。基准线是:政策与产业资金支持保持当前节奏,商业化不期待大范围落地,通用能力不会突然变强,一级市场投资仍然相对活跃。但行情如果要往上走,情况应该会变成:技术超出预期,任务完成度达到应用层级别,“出现了所谓的GPT时刻”,那么2027年就是爆炸期。如果往下走,情况是:落地在商业或工业场景中的真实完成度不及预期,叠加海外AI泡沫的振荡,融资规模可能下行。这和李军拿在手里的账本,说的是同一件事的两面。李军创业伊始的三月,是“担心被抛下”的那批人里的一个,那时融资行情火热。他撑到现在时,机器人租赁价格已经腰斩,刚够覆盖那两万二的月租,还没算两个人的工资。周子彭说的“应用验证驱动”,翻译成李军的生活,就是“此时此刻得先熬过这段验证期,先活下去就不错了”。周子彭说得很直白:中国一级市场的资金“一定要找到出路,具身智能是一个非常好的可以接纳这么大资金体量的一个领域”。但出口的宽度,正在被经营结果收窄。还未上市的智元也罢、还在换方向的擎天租也罢,以及还在生活及格线上挣扎的李军也罢,都是“人形机器人浮动行情上的见证载体”。他们共同生活在“后宇树时代”,一个机器人唱歌跳舞不再被溢价评估的时代,又是一个极度渴求机器人能更多发挥“真才实学”,真正为人服务的时代。
美元基金回来了
虎嗅 · 16 小时前
本文来自微信公众号: 科创板日报 ,作者:余诗琪,原文标题:《美元基金回来了!》新基金的文件还没签完,投资团队已经开始看项目了。11月,《科创板日报》记者再次与一家双币基金管理机构交流时,得到了这笔募资的最新进展:一只规模3亿美元的新美元基金已经基本落地,剩下的主要是一些文件签署工作。此前10月交流时,对方就曾提到,正在推进这只新基金的募集。谈及整个募资过程,对方的感受颇为直接——募得很快,也很顺利。在与猎头的交流中,《科创板日报》记者也了解到,今年以来,美元基金相关岗位的招聘需求比此前活跃了一些。他们正在寻找有美元基金工作经历的人,部分岗位尤其看重对接中东资金的能力。募钱、找人、看项目,美元基金的行情好像回归了正常。▌头部之外,也募到了新美元这只新基金背后的管理人,并非市场上规模最大的那一批。募资能顺利推进,老美元LP的支持是其中一个原因。据这家机构向《科创板日报》记者介绍,它有产业背景,与部分海外LP长期保持着业务往来。双方在业务端积累的合作关系,也延续到了新一期基金的募集。在与海外LP的交流中,他们还感受到,吸引这些资金继续关注中国的,是这里的创新能力。具体到这只新基金,来自中国的创新企业正是其计划投资的对象,AI是其中一个重点方向。基金的部分文件还在签,团队已经沿着这一方向开始看项目。在此之前,几家头部机构已经陆续传出新一轮美元募资的动向。8月,红杉中国(HSG)传出新一轮美元募资计划,拟为一只早期基金募集至少12亿美元,关注AI、医疗和消费等领域。9月,五源也传出筹备约6亿美元成长基金的消息,计划在年内启动募集,寻求于2027年初募得资金,投向已有优质项目的后续轮次及新项目。从整体募集数据看,外币基金也有了回暖的迹象。据《科创板日报》记者不完全统计,今年前三季度,共有31只外币基金完成新一轮募集,数量同比增加近两成;募集规模约合600亿元人民币,同比增长九成以上。不过,受访机构对市场回暖的感受仍有差别。部分头部机构向《科创板日报》记者反馈,募资和投资活动较此前活跃了一些,整个市场还谈不上全面热起来。有基金投资人向《科创板日报》记者介绍,在其关注的募资案例中,新增LP多来自中东和东南亚。另一位双币基金从业者也提到,他们与中东资本的往来比过去更频繁了。出资人的变化,也体现在猎头接到的招聘需求里。据《科创板日报》记者从猎头处了解,目前有两类人较受关注:一类是能够帮助基金对接中东资本的人,部分岗位还希望候选人愿意长期出差,甚至常驻中东;另一类则是能够服务中东背景家族办公室的人选。公开披露的募资信息中,也能看到这些地区出资人的加入。此前蓝驰披露,新一期美元基金在保留欧美出资人的同时,新增了中东、东南亚、日本等地区的LP。同样在今年完成首期美元基金募集的源码律动,出资人名单中也包括中东主权基金。部分LP提出的要求,还会进入基金的投资安排。例如,卡塔尔投资局的母基金项目要求,申请投资的管理人在商业计划中明确本地投资及参与当地创投生态建设的安排。对双币基金管理人来说,面对不同的出资人,两类业务也在进一步分开安排。多家受访机构提到,以国资为重要出资方的人民币基金,在交割材料、投后汇报和日常沟通上有较多要求;他们过去熟悉的美元LP,则相对放权。投资策略和团队也在进一步区分。有机构向《科创板日报》记者介绍,过去人民币和美元业务的团队还有交叉,如今已经分别由两支团队负责;部分面向海外市场的业务,也使用了不同品牌。两类业务各自开展投资,同一家管理人看中的项目,也未必都能用美元基金参与。这种差异延伸到项目端,美元基金遇到的变化就更加具体了。▌募得到钱,未必投得进热门项目一家近期颇受关注的商业航天初创企业,在设立股权架构时,就没有给美元基金留下位置。据这家公司向《科创板日报》记者介绍,它从一开始就明确,不接受美元基金投资,即使管理人是一家国内投资机构,也不在考虑范围之内。对它而言,融资时首先要确认的是资金背景,之后才轮到估值、条款和机构能够带来的资源。它所在的商业航天赛道,正在吸引更多资金。今年上半年,国内商业航天领域已披露融资规模接近130亿元,同比增长超过两倍。除了AI和具身智能,半导体、量子技术、可控核聚变也受到资本关注。上半年,国内半导体领域发生超过600起融资事件;同期,量子技术领域的估算融资规模已达百亿元量级,核聚变领域则超过70亿元。而在与《科创板日报》记者的交流中,上述领域不止一家企业表示,现阶段很难接受美元基金投资。部分受访企业担心,所在行业对资金背景较为敏感,引入美元基金可能影响后续业务开展;也有受访企业结合自身业务和境内上市计划,选择在融资之初就控制股东结构。过去,美元基金往往因决策快、对早期风险容忍度较高,成为创业者优先争取的资金。对于希望快速扩张、赴海外上市的企业,知名美元基金的投资,也是下一轮融资的重要筹码。曾经的美元基金可以说是站在市场“鄙视链”的顶端,但现在,情况明显不同了。一位政府投促领域人士向《科创板日报》记者介绍,本地一家热门赛道企业原本计划融资5亿元,却有约20亿元资金表达投资意向,人民币基金、美元基金都在排队等份额。美元基金机构的从业者也感受到了投资环境的变化:过去更多是机构挑项目,如今也要被企业挑选。不过,谈到接下来的投资,前述募资成功的机构依然看好中国市场。在他们看来,中国仍是全球创新最活跃的市场之一,AI、机器人、消费级科技产品,以及面向海外市场的新产品和新品牌,都有值得继续寻找的机会。一些新募美元基金的出手,已经呈现出这样的选择。今年3月,源码律动宣布完成超1.5亿美元的首期美元基金募集,同时披露了已经完成的投资。其中,首笔投资投向诺因智能,这家公司探索的是具身智能进入家庭场景的机会;另一笔投向东南亚二手电商平台Kitar,将中国市场验证过的商业模式带向海外,并利用AI改善业务效率。前沿技术带来的新产品、中国经验在海外市场的应用,仍在吸引美元基金下注。新的钱正在进入美元基金,它们还在寻找下一家大公司。互联网时代,美元基金曾支持一批中国公司长大,也分享了那一轮繁荣的红利。新一轮科技创业潮里,要参与下一批公司的成长,除了找准项目,它们也需要被企业选中。
AI硬件火了,歌尔呢?
虎嗅 · 17 小时前
本文来自微信公众号: 王智远 ,作者:王智远这两年,AI眼镜、VR头显、智能穿戴,一个接一个往外冒。你去看科技公司的发布会,感觉消费电子又热闹起来了。按理说,背后那些造硬件的公司应该挺高兴。产品越多,订单越多,生意不就越好做吗?前几天,我翻了翻歌尔股份的三季报,发现事情没这么简单。这家公司给苹果、Meta等科技巨头做过不少硬件。前三季度,营收682.20亿元,只比去年多了一个亿出头;归母净利润26.19亿元,也就多了三千多万。这么大一家公司,忙活九个月,收入和利润几乎原地踏步。另一边,歌尔还在继续花钱。前三季度,买设备、建厂房等长期资产支出65.48亿元,比去年多了五成。赶上AI硬件热潮,歌尔的收入为什么没怎么增长?利润本来就不算厚,为什么还要继续投这么多钱?……先看收入。歌尔前三季度的营收乍一看挺平稳,拆开就不一样了。一季度比去年增长14.44%,二季度只增长0.67%,到了三季度,直接下降7.80%。有人可能会问,三季度不是消费电子旺季吗?怎么还会下滑?其实,三季度收入281.74亿元,比二季度增长31.73%。旺季比淡季卖得多,很正常。问题是去年同一季度,歌尔做了305.58亿元,今年少了将近24亿元。为什么少了这么多?市场上有两种解释。中泰证券认为,主要是产品周期的问题。游戏机和MR设备卖了几年,逐渐进入这一代产品的生命周期后段,客户订单自然会减少。歌尔半年报也能提供一点线索。上半年,智能硬件业务收入198.93亿元,比去年少了2.20%,是三大业务里唯一收入下降的。摩根大通的看法不太一样。它在10月29日的报告中提到,歌尔第三季度收入比自己的预测低了22%,原因涉及AirPods和AI眼镜等重点项目的份额下降超出预期,随后还下调了未来几年的盈利预测。你想想,这两种解释差别挺大。如果是产品换代,老产品卖得少了,等下一代出来,订单还有机会回来。如果是份额下降,意味着客户把一部分订单交给了别人,歌尔以后还得重新争。还有一个因素,是去年的基数。苹果去年9月发布AirPods Pro 3,今年9月又发布AirPods 5。两年都有新品发布,备货规模却未必一样。单靠新品周期,还解释不了歌尔这24亿元的收入差额。问题是,歌尔三季报没有披露各业务板块的单季收入。我们知道上半年智能硬件业务在下滑,却没法算出第三季度具体是哪类产品少卖了多少。至于订单份额变化,目前也主要来自机构判断。所以,歌尔第三季度收入为什么掉头?现在还不能下定论。不过有一点很清楚:即便做到几百亿元的规模,它依然得看大客户的产品节奏和订单分配。……收入增长慢下来是一回事,赚钱能力又是另一回事。歌尔前三季度的毛利率反而提高了,这是怎么回事?前三季度,歌尔毛利率13.68%,比去年高了0.49个百分点。相当于每卖100块钱的东西,比去年多留下将近5毛钱。5毛钱听着不多,放在682亿元的生意规模上,影响就不小了。我把它的业务拆开看,发现三个反常的地方。一个,卖得少了,毛利率反而高了。歌尔的智能硬件业务,上半年收入比去年少了2.20%,成本却少了4.53%,毛利率从11.51%提高到13.61%。为什么会这样?可能产品结构变了,也可能是成本控制得更好了,财报没有细说。把时间拉长一点,变化更明显。2023年,智能硬件毛利率只有7.27%,2025年到了11.37%,今年上半年又提高到13.61%。这几年收入没怎么增长,去年还下降了6%,毛利率却一直在改善。歌尔还有一块业务叫精密零组件,主要做声学器件、传感器等零部件。上半年收入只增长2.03%,毛利率却达到24.86%,比去年又高了1.37个百分点。同样做硬件,整机和零部件能留下的毛利,差别还挺大。另一个现象正好相反,卖得多了,毛利率却低了。智能声学整机业务,上半年收入比去年增长35.90%,毛利率却从9.93%降到9.70%。这块业务的波动一直不小。2025年全年毛利率只有3.85%,下半年整体掉到0.4%,今年上半年又恢复到9.70%。还有一个现象,旺季来了,毛利率反而掉了。歌尔一季度毛利率13.77%,二季度提高到15.17%,三季度又降到12.49%。同一季度,收入比二季度增长31.73%,每卖100块钱留下的毛利却少了将近2块7。按理说,旺季订单多,工厂开工更充分,成本应该更容易摊薄。实际情况还要看新产品的生产效率、订单结构等因素。歌尔部分业务确实比以前更能赚钱了,只是这种改善还不稳定。而且,毛利还不是最后装进口袋的钱。研发、管理、利息等费用扣完,才知道最后能留下多少。……歌尔前三季度的26亿元净利润,到底是怎么来的?平均算下来,歌尔每卖100块钱的东西,最后留下的净利润还不到4块钱。钱都花在哪儿了?前三季度,歌尔毛利93.32亿元,研发、销售、管理、财务等费用加起来71.24亿元。相当于每赚100块钱毛利,就有76块钱要拿去支付这些费用。这里面,两笔钱值得聊聊。一笔是研发。前三季度研发费用37.77亿元,比去年少了约2亿元。不过,研发费用和研发投入不是同一个口径。拿上半年来说,研发费用同比下降2.5%,研发投入却增长了10.57%,两个数都写在半年报里。所以不能简单认为它在减少研发。另一笔是利息。前三季度,歌尔财务费用9.60亿元,比去年翻了一倍多。公司在半年报里提到汇兑因素的影响,借款利息也值得留意。前三季度,借款利息7.38亿元,比去年多了约3亿元,利息收入还少了1.2亿元。年初歌尔短期借款134亿元,三季度末已经涨到213亿元。借的钱多了,利息负担也跟着增加。再看利润表里另外两笔收入。前三季度,歌尔有6.21亿元投资收益、5.72亿元公允价值变动收益,加起来11.93亿元,相当于26.19亿元净利润的45.6%。这个比例挺高,不过不能据此说歌尔有将近一半利润不是制造业务赚来的。公司解释,投资收益主要与外汇衍生品有关。歌尔做海外生意,需要应对汇率变化,这类工具可能是在帮它管理风险。公允价值变动收益的具体来源,三季报没有单独讲清楚。两笔收益和净利润的统计口径也不同,不能直接拿来拆分26亿元。对了,歌尔去年还有一笔大额收益。2025年12月,歌尔光学因股权交易不再纳入合并报表,歌尔对剩余股权重新估值,一次性确认了21.42亿元收益。这笔钱属于2025年,不能算进今年的26亿元。今年前三季度,歌尔在联营和合营企业上的投资,反而带来了1.36亿元亏损。讲完利润表,还有一件事值得留意:钱有没有真正回到公司账上?前三季度,歌尔经营活动流出去的钱,比流进来的多了26.38亿元。去年同期,它还能净流入14.75亿元。看看仓库和客户欠款,就能理解一部分原因。年初,歌尔存货大约130亿元,三季度末涨到224亿元,多了七成。客户还没结清的应收账款,也从133亿元涨到187亿元,多了四成。你可以理解成,工厂提前买原材料、生产产品,钱先花出去了;有些货还在仓库,有些已经交付,客户的钱还没到账。消费电子行业下半年新品多,工厂通常要提前备货。歌尔也解释过,这些变化与生产交付和正常结算有关。至于货能不能顺利交出去,钱能不能按时收回来,还得往后看。前三季度,歌尔确认了3.30亿元资产减值损失,比去年多了约1亿元,不过不能因此认定新增库存出了问题。所以,歌尔账面上有26亿元利润,里面有一些需要单独看的收益。另一边,借款利息增加了,库存和应收账款也占用了不少资金。账面有利润,经营现金流是负的,按理说,这时更应该留意手里的钱。歌尔却还在加大设备、厂房等长期资产投入。……经营现金流还在往外走,为什么还要继续花钱?钱花在哪儿了?三季报没有逐个项目交代,不过,能找到一些线索。比如:青岛崂山有个16亿元的VR整机项目,今年1月开工,规划了两条VR产线和三条AI眼镜产线。上海临港还有一个32.8亿元的AR微纳光学晶圆基地,今年6月投产。这两个项目看着都跟歌尔有关,能不能直接算进前面那65亿元里?还真不能。因为投资主体不一样。上海临港项目属于歌尔光学,已经不在歌尔股份的合并报表里。青岛项目的建设主体,也没有完全说清楚。所以,65.48亿元只能说明歌尔及其并表子公司正在加大长期资产投入,不能说这些钱全部投向了AI眼镜和光学。不过,歌尔确实还在往光学领域投钱。歌尔光学2025年收入16.81亿元,亏损7.03亿元。今年一季度收入5.39亿元,又亏了0.94亿元。业务还在亏钱,歌尔为什么继续投?2025年9月,歌尔和舜宇奥来决定各拿出2亿元增资歌尔光学,当年12月完成出资;今年6月,双方又各拿出5亿元。两次下来,歌尔自己投入了7亿元。原因不难理解,光学是VR、AR等设备绕不开的一环,尤其是AR眼镜,想把画面显示在眼前,又不希望眼镜太厚重,光学器件就很关键。歌尔过去主要做声学器件和整机制造,现在继续投入光学,也是在为下一轮硬件产品做准备。问题是,这个市场究竟有多大?看Meta。今年第三季度,Meta的Reality Labs部门收入4.43亿美元,比去年少了6%,运营亏损却达到41.29亿美元。据公开统计,从2020年至今,这个部门累计亏损约963亿美元。钱花了不少,VR和AR离大规模赚钱还有距离。国内智能眼镜市场倒是在增长。今年第三季度卖出54.4万台,比去年多了14.3%;零售额却只有8.4亿元,比去年少了4.3%。换句话说,眼镜卖得更多了,收到的钱反而少了。平均每台1542元,比去年便宜了16.2%。这个口径只算国内零售的智能眼镜,不含VR头显,跟歌尔的VR整机业务不是同一类东西。对歌尔这样的制造商来说,销量增长意味着未来可能有更多订单,价格下降又意味着客户会更在意成本。订单能不能变成利润,还得看产品结构和生产效率。说到底,歌尔眼前的生意还得算细账,未来的机会又不能不提前准备;65亿元花出去了,能不能换来更多订单、更好的利润,还得往后看。数据来源:
脑机接口临床试验,在全国抢病人
虎嗅 · 17 小时前
本文来自微信公众号: 动脉网 ,作者:王世薇越来越多的脑机接口企业重新认识了临床和患者的重要性。甚至在赛道最热的当下,这已经成为比资金更紧要的生存问题。为了加快临床试验推进速度,不少脑机接口企业开始把视线从一线城市的大三甲医院移开。过去数月间,位于山东、山西、河南、江苏等地的省会城市医院,开始牵头做脑机接口的临床研究,而周口、廊坊、绵阳、江阴等城市的医院,也陆续发出临床研究的患者招募公告。“临床试验资源已经趋于紧张。”华超神控创始人李昕博士告诉动脉网,“头部医院正在同时受理大量来自脑机接口领域的项目申请,包括不同形态、不同模态的侵入式与非侵入式产品,客观上在竞争有限的伦理档期、PI时间和质控资源。”01招募公告落到地市级通常,脑机接口临床试验会涉及院内的神经外科、康复医学科、神经内科等科室。在国内,顶级的这类科室聚集在北京、上海等一线城市。比如,国内顶尖神经外科包括复旦大学附属华山医院、首都医科大学附属北京天坛医院,顶尖神经内科包括天坛医院、首都医科大学宣武医院与华山医院,顶尖康复医学科在华山医院、江苏省人民医院与中国康复研究中心等。这些位于一线城市的顶级科室,是以往脑机接口企业布局临床试验中心的首选。一方面,脑机接口作为前沿技术,对医院专科的综合能力要求极高。比如,植入式手术需要依靠手术机器人或脑深部电刺激范式完成电极植入,术中靠影像导航与电生理确认位置,能独立完成这类手术的团队不多。另一方面,不同等级的医院之间,患者密度差异极大。以侵入式脑机接口需求最大的颈段脊髓损伤所致四肢瘫痪的患者为例,每年新增有限,他们会主动流向知名中心。“项目因此在头部医院排队,如果排期太久,会考虑往下一级走。”一位从业者表示。7月28日,山东省立医院神经外科牵头、联合阶梯医疗发起的颈段脊髓损伤临床研究通过该院伦理审查,同日面向全国招募受试者。当月,另一项用于急性缺血性卒中的脑机接口早期研究,在这家医院的神经内科启动,计划招募60例。随后的9月7日,山西医科大学第一医院挂出全植入式系统的招募公告,发起方是该院2025年10月成立的山西首个脑机接口临床研究中心。3天后,河南省人民医院健康管理中心发起一项临床研究,招募卒中后运动障碍患者。在这类项目中,通常由省级医院牵头,联合多个地级市医院作为分中心来完成。比如,江苏省人民医院康复医学科牵头的上肢项目,联合南京脑科医院、东南大学附属中大医院。再如,广西北海市第二人民医院承接的卒中下肢康复项目,牵头方是位于重庆的陆军军医大学第一附属医院,22家机构共同参与。在这个过程中,部分地市级医院也自发启动了一些规模较小的脑机接口临床研究。7月29日,周口市中心医院设立神经调控脑机接口中心。1个月后,该中心挂出公告,招募脑卒中后肢体瘫痪患者。9月4日,位于河北廊坊的河北中石油中心医院康复医学科,开始招募脑卒中及脑外伤后运动障碍患者,评估脑机接口上下肢主被动训练系统。同一天,位于川北的绵阳市第一人民医院神经外科开展无创脑机康复训练,招募持续时间为3个月,每月限额8人。10天后,江苏县级市江阴的江阴市人民医院神经外科与康复科联合开展无创脑机接口诊疗项目,名额10名。不过,更多医院参与进来,并不意味着门槛降低。“现在做临床研究的节奏确实加快了,但也变得更难了。”脑伽科技总经理鲍小凡告诉动脉网。在医院内部,对临床研究伦理审查的管理比以往任何时候都要严格。“过去,可能一台设备做出样机、通过第三方安规测试就能送进医院,但现在要完整的第三方型式检验报告,新开的IIT监管更严,比以前难。”鲍小凡指出。值得注意的是,就连以往集中在顶级医院的注册临床试验,也开始走向下一级医院。7月2日,西湖大学医学院附属杭州市第一人民医院城北院区启动侵入式脑机接口GCP项目,与上海阶梯医疗联合开展,面向颈段脊髓损伤所致四肢瘫痪患者招募,成为区域首个规范化侵入式多中心临床试验。同一天,该院医工一体化脑机接口病房启用,近20家脑机接口与神经调控企业现场签订战略合作。02溢出的背后与此同时,顶级医院的顶级科室也更忙了。3月,芯智达的半侵入式产品北脑一号在北京协和启动,首批计划入组36例。5月18日,智冉医疗的128通道植入式系统LEAP在天坛医院启动注册临床试验,天坛医院为组长单位,联合11家医院参与。6月1日,阶梯医疗的全侵入式产品WRS 01在华山医院完成首例注册植入,郑州大学第五附属医院、山东省立医院承担此次注册临床试验的分中心任务。7月7日,脑虎科技的侵入式脑机接口产品三全在华山医院启动注册临床试验,共由15家三甲医院同步参与完成。为了提供足够的临床研究容量,多家头部医院启动了临床转化能力的扩建。2025年6月,武汉协和医院金银湖院区启用22层、5.7万平方米的转化大楼,楼内设院企联合实验室,脑机接口病房由主管医生和企业工程师共同查房。2026年,又在联合实验室基础上建设3000平方米的实体化医院智能与脑机接口研究院。此外,华山医院与览海康复医院共建脑机接口研究型病房,把诊疗、康复、临床研究、数据采集和长期随访集中在同一处,今年6月又与闵行区政府签约,共建全国首个脑机接口研究型医院。华山医院还把一栋楼按环节分层,脑智天地六层是医院的脑机接口临床转化中心。但供给侧的扩容,远远赶不上需求侧的爆发。由于脑机接口临床试验患者招募的排除率极高,即便现有的相关科室门诊满负荷运转,患者入组的节奏仍然不够快。2025年3月,天坛医院开出全国首个脑机接口评估门诊,放出的号源几乎次次约满,到2025年底累计接诊超过1600人,符合条件者约一成,而在河北医科大学第二医院,2000多人报名,最后入选1人。正是在这样的背景下,有限的优质行业资源和精力被进一步分散。“在快速铺开临床研究的过程中,我们始终关注临床试验的核心质量,这是为产品注册提供强有力的数据支撑,更是对每位患者负责。”李昕博士指出,“在后续研究中,我们宁可中心少一点、入排稳一点,也要保证每一例的数据是完整的、可信的。”03临床的热度传到产业链临床试验变得拥挤的背后,是脑机接口企业的焦虑在蔓延。一方面是争抢资本市场第一股的焦虑。对一项正处于风口之上的前沿技术而言,拿下第一股意味着话语权。如今,几乎所有实力足够强的脑机接口企业都已启动IPO。6月11日,博睿康的科创板申请获上交所受理,6月24日进入问询,9月29日回复首轮问询;9月4日,术理创新在上海证监局办理辅导备案;11月2日,阶梯医疗完成辅导备案。此刻,如何证明产品的临床价值成了最关键的变量。上交所对博睿康的问询,重点便落在NEO-ONE SCI的临床应用上。博睿康回复在手和意向订单超过70套,背后正是短期内高强度的临床扩张。另一方面是如何抓住融资窗口期、完成原始积累甚至蜕变的焦虑。资本最看重的同样是临床价值。阶梯医疗累计融资26亿元,背后是截至10月底完成42例长期植入;脑虎科技在最新一轮完成7亿元融资,公司累计完成65例临床试验,资金用途第一条是三全系统的多中心临床试验及注册审批。企业的焦虑,也悄然引发上下游产业生态的深刻变革。首先获益的是上游供应商,资金开始涌向这个环节。2026年上半年,芯片与ASIC方向发生6起融资,总额6亿元,神芯科技、西湖灵犀等企业接连获投。上市公司里,诚益通自研256通道脑电采集芯片,成本为进口产品的三分之一;高德红外布局高通道脑机芯片;汉威科技的柔性微纳传感器进入信号采集环节。这些订单金额不大,验证周期却长,卡在每一台设备的必经之路上。芯片国产替代此前主要由价格推动,如今多了一层时间压力:临床方案一旦定稿,通道数和采样精度就不允许再改,供应商的交付能力第一次成了需要提前锁定的资源。精密制造方面,蓝思科技独家承接强脑科技的核心硬件模组量产,领益智造以约2000万美元投资强脑科技并联合开发具身智能机器人的关键硬件,道氏技术出资3000万美元认购强脑科技优先股,从材料端切入。其次,围绕脑机接口临床试验的各类外包服务需求被激发。比如,广东省医疗器械质量监督检验所把脑机接口设备列入重点项目通道,检验效率提升30%,按公示周期的70%执行。广州联合体的67家成员里,除医院、高校和院所,还有CRO公司。此外,不少外包服务机构新增了脑机接口业务。比如,杭州瑞旭集团对外提供从分类界定、CDMO、CRO到注册申报的一整套服务,南京西格玛医学提供器械SMO和受试者招募。更明显的变化在人。过去这类项目多由器械团队顺手承接,如今不少机构开始单设小组,原因是随访以年计,影像判读、电极阻抗监测、不良事件分级各有门槛,常规器械那套流程套不上。最后,城市之间的竞争开始围绕医院展开。上海闵行今年印发的生物医药五年行动计划里,虹桥前湾部分提出联动华山医院神经外科、复旦大学类脑智能研究院,建设脑机接口未来产业集聚区,到7月底集聚区落地注册企业52家。成都用基金换总部,植入式企业析芒医疗今年落地成都高新区,成都产投集团通过旗下未来产业创投基金完成股权投资并推动其总部落户,理由是依托成都的临床医疗资源与医疗器械产业生态。细看这些动作,争的并不是土地和税收,而是能开出临床研究病房的医院、做得了长期随访的PI,以及伦理审查跑得起来的通道。这类资源无法靠补贴复制。脑机接口的竞赛,看似是谁先拿到注册证,实质却是谁先占住稀缺的临床资源。当试验床位和随访年限变成入场券,行业的分水岭就不在实验室,而在病房。尽管市场和商业化可以抢跑,但临床证据只能一例一例攒出来。*封面图片来源:AI生成
Claude“证明”黎曼猜想:陶哲轩被群嘲的质疑变得更有道理了
虎嗅 · 18 小时前
本文来自微信公众号: 一个生物狗的科普小园 ,作者:Y博的科普园Anthropic IPO两天后,数学家、Anthropic员工Levent Alpöge宣布他与Anthropic的Claude AI“合作”证明了黎曼猜想。黎曼猜想由德国数学家波恩哈德·黎曼于1859年提出,是克雷数学研究所悬赏百万美元的七大难题之一。百年来吸引大量数学家绞尽脑汁尚未得到证明,如今却被AI破了,进一步引发AI发展到了奇点,数学家将被取代的讨论。但Alpöge拿出的AI“证明”,是一个约1740万行的Lean代码档案,外加一份4页的说明。他在声明的脚注里提到,试着把它改写成人能读的数学文字,篇幅很快就超过了25万页。他自己也承认,还没读懂。一个没人读得懂的证明,还算证明吗?更深层次的问题则是如果我们选择放弃“看懂”,在“不明所以”的时候就选择相信一个问题被解决了,对科研的影响会是怎么样的?这让我想到著名数学家陶哲轩前段时间探讨在AI时代,数学研究前景的报告,报告里的一个AI思想实验引发群嘲:在这个思想实验里,AI开发出了一种癌症治愈“药物”,通过了“数学模型”验证、3期临床试验、“LEAN”验证。可是没人理解AI是怎么搞出这个药的,也没人知道这个药的机理。陶哲轩问,一个没人懂的药,你敢用吗?该问话被人发到网上后引来了群嘲。很多人嘲笑这是数学家跨界塌房了。都通过了3期临床试验验证的药物,为什么不敢用?还有人指出一些非常重要的药物,至今我们都不了解机理,并不妨碍广泛使用,比如糖尿病“神药”二甲双胍。又比如阿司匹林,19世纪末合成推广,1970年代科学家才探明它的生物学机制。这些质疑不是没道理,可是却忽视了陶哲轩提出的思想实验里的关键——在没人懂的情况下,如何确定AI的发现与人给AI提出的目标是真正“对齐”的。以“通过了3期临床试验”为例。3期试验的出现,是因为我们要求药物上市前有足够的证据证明有效和安全,而这些证据要求,针对的是评估药效时会遇到的各种陷阱:无效的药物也可能有安慰剂效应,少数人里“有效”也可能只是统计上的偶然。判断一个药有没有效,靠的不是“是否通过3期”这个公式,而是理解这些证据要求背后的道理,再据此判断手里的证据有多强、够不够。有人真正理解这些,之所以重要,是因为证据可以被拼凑出来。以FDA正在推进撤销上市许可的自身免疫病药物avacopan为例。它通过了3期试验,但按FDA的说法,这个“通过”建立在试验揭盲之后,申办方员工挑出9名受试者,要求对他们的疗效判定重新审核,其中用药组有5人被改判为持续缓解——即有疗效。在331名受试者的3期临床试验里,这5个人成了试验结果由阴转阳的关键。acacopan的药企否认数据操纵,称重新判定符合预先设定的规则。要裁断双方谁更有道理,先得有人懂事后修改疗效判定,对结论究竟意味着什么。如果没有人理解试验是怎么做的、有效性证据是怎么推出来的,类似的事后修正,我们拿什么来识别?因此,陶哲轩的思想实验并不像表面上那么荒唐。而且这个思想实验的内核在当下的数学研究里恐怕是最突出的。近年来,很多数学问题被宣称由AI“证明”,其中能被人完整读懂的并不多。OpenAI在10月一次公布了“解答”数百个数学问题的AI“手稿”。面对这类没人读得懂的“证明”,公众似乎默认它们是对的,要求提供Lean代码验证,已经算是很高的标准了。但Lean只能检验在形式化的定义和陈述无误的前提下,推导是否闭环。把一个数学命题翻译成Lean语句,这一步不能自动确认,仍需要专家去读代码。“Lean通过”与“证明正确”并不是一回事。默认没人读得懂的AI“证明”可信,等于假设了两件事:一,AI不会出错;二,AI不会为了达成目标走捷径,更不会欺骗我们。即使最乐观的人,恐怕也很难为这两个假设担保。以走捷径为例。avacopan是药企被指在试验分析上取巧;7月,OpenAI披露,它的两个模型在一项网络安全评测中逃出了测试环境,入侵Hugging Face,直接取走了评测的标准答案。评测原本是用来衡量能力的,对模型来说,目标却变成了拿到分数。能分清这两件事的,只有理解这项评测原本要测什么的人。而这也意味着看到没人看得懂的AI证明,就认为数学家已经被AI取代了,是非常危险的思维模式。参考资料https://www.scientificamerican.com/article/anthropic-mathematician-claims-to-prove-riemann-hypothesis-most-famous-problem-in-all-of-math/https://www.economist.com/science-and-technology/2026/10/07/openai-claims-to-have-solved-hundreds-of-long-standing-maths-problems
美国发审计牌照,中国改会计准则:AI 验收的两种活法
虎嗅 · 1 天前
本文来自微信公众号: 爱中 谭 AI干完活之后,谁来签字?Anthropic的IPO、加州的AI审计法、中国的33号文,看起来是三件事。它们其实在回答同一个问题。但“签字”不是一个生意。技术验收、合同验收、制度验收,三种签字,三种价格。2026年11月,Anthropic登陆纳斯达克,IPO募资813亿美元,加同步私募共1073亿美元,成为美股历史上规模最大的IPO。同一份招股书里,还有两个数字:·三季度营收170亿美元,前三季度约332亿美元;·企业客户净收入留存率约900%。上市、估值、算力欠条,过去一周已经被写透了。但这些数字真正说明的,不是“AI很赚钱”,而是另一件事:执行的价格还在跌,但“证明执行真的发生”的价格,在涨。这句话听起来像常识。过去半年,执行降价、FDE退潮、验收稀缺,中文科技媒体已经讨论过很多轮。再写一遍“验收很重要”,没有增量。真正值得写的是:验收不是一个市场,是三个市场。三种验收,定价逻辑完全不同。一、先纠正一个流行判断很多人把“执行降价”直接推成“验收涨价”。这个推导少了一步。执行确实在变便宜。两年前要专业团队做的代码、PPT、合同初稿、数据分析,现在一次API调用几美分。Anthropic自己披露,新一代模型的推理成本较上一代下降约四成。但企业把AI装进业务流程,没有变便宜。2026年11月,《每日经济新闻》报道:·FDE(前沿部署工程师)岗位量前7个月同比增长1522.73%;·平均招聘年薪40.8万元,头部大厂开到百万;·但一线从业者说,小团队接单后,70%–80%的尾款收不回来。这组数字很关键。如果执行真的变成白菜价,FDE不该越来越贵;如果AI项目真的“上线即完成”,尾款不该这么难收。解释只有一个:变便宜的是token执行;没有变便宜的是组织交付。把模型接进旧系统、改流程、做权限、过合规、让一线员工真的用起来、最后让客户承认“这活干完了”——这些都不是模型能自动完成的。FDE卖的不是模型,是把模型塞进组织的那段脏活累活。所以,执行降价和交付涨价,同时成立。这也解释了为什么“AI项目失败率高”这个题已经被写烂:失败往往不是因为模型不会做,而是因为做完了,没人认。二、验收的三层,不是一种生意“验收”这个词,现在被用得太宽了。它至少包括三层,每层的买家、签字人、收费方式、进入门槛都不一样。类型验收对象谁签字怎么收费核心瓶颈技术验收模型、Agent、系统算法/评测团队按测试、按项目标准变化快,工具可替代合同验收一个AI项目/交付物甲方项目负责人、FDE按里程碑、按人天标准主观,尾款难收制度验收数据资产、模型合规、审计会计师、审计师、独立验证机构按审计/评估/年费牌照、责任、监管认可这三层,价格逻辑完全不同。技术验收,卖的是测试能力。模型越强,评测工具越自动化,这一层越像软件,边际成本越低,价格越容易被卷下来。合同验收,卖的是项目交付。它没有统一标准,甲方说“效果没达到预期”,乙方就得继续改;尾款因此变成博弈筹码。FDE的70%–80%尾款难收,就卡在这一层。制度验收,卖的是签字资格。会计师签一个字,背后是准则、审计程序、执业资格和赔偿责任;独立验证机构出一份意见,背后是监管授权和法律责任。这一层不是软件,是牌照。所以,“验收层值钱”这句话要拆开看:·技术验收,可能越来越便宜;·合同验收,一直很贵,但很难规模化;·制度验收,很贵,而且很难拿。真正形成定价权的,是第三层。三、签字费到底由什么构成可以把“签字费”拆成一个简单的公式:签字费=证据成本+责任溢价+牌照租金证据成本要签字,先要有证据。数据资产入表,要有成本归集、合同、工时、系统记录、权属链条;AI系统审计,要有测试记录、日志、红队报告、风险清单;项目验收,要有验收标准、样本、回放记录。证据越标准化,成本越低;证据越依赖人,成本越高。责任溢价签字的人要承担后果。会计师签了不实的审计报告,要赔;独立验证机构出了错误的合规意见,要承担责任;项目负责人签了验收单,出了事故要背责。责任越重,签字费越高。这不是道德,是风险定价。牌照租金不是谁都能签。在中国,数据资产入表最终要过会计师/审计;在美国加州,AI系统评估要由独立验证机构(IVO)和登记过的AI审计师来做。牌照越稀缺,租金越高。用这个公式看三种验收:·技术验收:证据成本低、责任溢价低、没有牌照租金→容易卷成工具;·合同验收:证据成本高、责任溢价中、没有牌照租金→项目制,难规模化;·制度验收:证据成本高、责任溢价高、牌照租金高→高门槛,高价格。这就是为什么FDE很火,但利润率不高;也是为什么会计师/审计/合规签字,看起来“只是盖个章”,却能收钱。四、美国:把AI验收做成审计牌照2026年9月,加州州长签署SB 813和AB 1405:·SB 813建立“独立验证机构”(IVO)制度,由州政府制定资格和监管标准,让独立机构评估AI系统和模型是否符合州法律;·AB 1405建立AI审计师州级登记,对独立性、透明度、诚信提出要求。这是全美首个州级AI第三方审计框架。它的验收对象,不是“数据资产”,是模型和系统:安不安全、符不符合法律、有没有风险。这套路线的核心,不是“企业自己说安全”,而是“由独立机构出评估意见”。它把AI验收变成了一个持牌profession:·有资格门槛;·有独立性要求;·有审计程序;·有法律责任。OpenAI也公开支持加州这四项法案,包括SB 813和AB 1405。大厂愿意接受外部审计,不是因为道德,而是因为监管迟早会来,主动接受比被动挨打便宜。这也是为什么“巨头拿不动裁判位”不能说得太绝对。大厂可以做评测工具、做红队、做合规平台,甚至可以把评估能力拆成独立子公司。但“既卖模型,又出终审意见”的天然利益冲突,会让它在裁判位上打折。加州的做法,是用独立机构把这个冲突隔开。五、中国:把数据验收做成会计计量中国的路线不一样。2025年12月,财政部、国务院国资委、金融监管总局、证监会四部门发布《关于严格执行企业会计准则切实做好企业2025年年报工作的通知》(财会〔2025〕33号)。其中有一条,把数据资源的会计处理按回了历史成本:企业应当以成本计量内部形成或外购的数据资源,并加强数据资源相关成本管理,夯实数据资源成本核算基础,不得将以评估等方式得出的金额直接作为入账和调账的依据。翻成大白话:你说你的数据值10亿没用;你要证明这10亿是怎么一笔一笔花出来的。截至2025年报,A股有134家上市公司披露数据资源入表,合计38.6亿元,同比增76.4%;入表企业数量同比增35.3%。其中大部分计入无形资产,开发支出和存货很少。这个规模不大,但结构很清楚:·入表靠的不是评估故事,是成本归集;·成本归集靠的不是一句话,是凭证、合同、工时、系统记录;·这些证据最后要能被会计师、审计师、监管机构接受。这就是中国的路线:不直接验收“模型”,而是验收“数据资产的形成过程”。它和美国加州不是一回事:·美国验收的是“模型/系统能不能信”;·中国验收的是“数据能不能算成资产”;·美国靠独立审计牌照,中国靠会计准则+会计师/审计体系。这也是为什么“中国独有”这个说法要小心。独立AI审计不是中国独有;中国真正独有的,是用会计准则把数据资源的验收制度化。六、入表不等于融资,签字不等于价值再看一层。A股134家、38.6亿元,听起来不大。放到全部A股里,入表企业占比不到3%。但另一边,数据资产已经开始被拿去融资:·宜昌伍家城投以充电数据为底层资产,拿到1.1亿元融资,票面利率2.48%;·泗洪城投以智慧停车数据获得500万元贷款;·宁波华润兴光以燃气数据获得1亿元授信。这说明什么?入表是“账面动作”,融资是“现金动作”,中间隔着的就是验收。银行不是看你入表了多少钱,而是看:·成本是不是真的;·权属是不是清晰;·现金流是不是可验证;·出了问题谁负责。所以,33号文真正创造的不是“数据资产泡沫”,而是一套证据工程:·成本归集;·权属梳理;·加工留痕;·审计确认;·机构采信。这套工程,才是“验收层”在中国落地的地方。但它也有明显的天花板:·入表企业少,市场小;·摊销压力真实存在,入表不等于利润;·会计师/审计师对AI生成证据的接受度,还在早期;·融资案例有,但还没有形成规模化、标准化的资产池。所以,中国这条路是“制度先行”,不是“市场已经爆发”。七、FDE为什么最尴尬三种验收里,FDE卡在中间。它做的是合同验收,但没有制度验收的牌照,也没有技术验收的工具化。·客户说“效果没达到预期”,FDE就要继续改;·验收标准没写清,尾款就能拖;·项目越做越重,人力成本线性增长;·70%–80%的尾款收不回来,不是个别现象。这也是FDE高薪叙事最容易被误读的地方。高薪是真的,但高薪不等于高利润。FDE卖的是“把AI装进业务”的交付能力,不是“验收签字权”。它越像高级外包,越难拿到制度溢价。FDE的出路,不是把自己包装成“AI架构师”,而是:·把验收标准产品化;·把交付过程证据化;·把尾款条件和验收节点绑定;·把重复场景沉淀成可复用组件。谁能把“合同验收”做得像“制度验收”一样可预期,谁才能从项目制里走出来。八、谁能拿签字位签字位不是护城河,是牌照+责任+证据。它需要三个东西:1.独立性:不绑定某一家模型、某一家供应商;2.制度接口:懂监管口径、会计规则、审计程序;3.责任能力:有资质、有牌照、有赔付能力,签了字要负责。大厂能做工具,但很难同时做裁判。不是能力不够,是身份不对。一个卖模型的厂商,出具“你的AI项目验收合格”的意见,客户会问:你是不是在为自己的模型背书?一个做执行的厂商,出具“这个项目失败不是我的责任”的报告,监管会问:你有没有独立性?所以,未来可能出现三类玩家:·独立AI审计/验证机构;·会计师事务所/审计师/评估机构;·保险/合规/认证机构。它们不一定比大厂大,但它们签的字,制度认。九、未来两年,看三个指标判断“验收制度化”是不是真趋势,不用听观点,看三个可验证的指标。第一,中国数据资产入表的结构。不看企业数量,看:·成本归集完整、证据链可核的企业占比;·会计师/审计师对AI辅助生成证据的接受度;·入表后真正拿到质押融资、ABS、授信的比例。134家、38.6亿元只是开头。真正的信号,是“入表—审计—融资”能不能走通。第二,加州独立AI审计的落地。看IVO名单、AI审计师登记数量、实际出具的评估意见,以及有没有企业因为审计意见被限制上线。如果只是登记、没有真实业务,那它还是制度空转。第三,合同计价单位的迁移。AI服务合同从“按席位/按词元”转向“按验收结果/按通过率/按业务结果”计费的比例。按结果付费,才是验收层真正拿到定价权的标志。十、最后AI越便宜,签字越贵。这不是因为签字本身有多难,而是因为:当执行变成概率,签字是把它变成可追责事实的最后一步。模型可以写代码、做报表、出方案、跑分析。但它不能替企业承担“做错了”的后果,也不能替监管承担“信错了”的责任。所以,下一场竞争不是“谁的模型更强”,而是:·谁有资格验收?·谁的意见能被银行、会计师、监管接受?·谁签的字,真的算数?美国在搭独立AI审计的架子,中国在把数据资产的验收写进会计规则。两条路都刚刚开始。下一次有人给你看一个惊艳的AI Demo,值得问的已经不是“它能做什么”。而是:它做错了算谁的,签它的名字在哪里。作者介绍:李爱中ivan|泇鸣AI落地应用和数据资产化研究者,天狼引擎、土著好物、R-G体系创始人。首位提出全球分布式人民币黄金共管体系,著有《夫唯不争》《特里芬难题之解》《价值尺度独立论》。让AI交付有据可验。资料来源·Anthropic IPO、Q3数据:Businessworld、虎嗅·加州SB 813/AB 1405:人民网·财会〔2025〕33号与入表数据:数据资产入表数据、大公国际研究·FDE岗位与尾款:每日经济新闻·虎嗅此前讨论:执行降价与验收稀缺、执行权与验收权、验收机制与责任设计
越惊悚越火爆,日本の凶宅经济学
虎嗅 · 1 天前
本文来自微信公众号: 酷玩实验室 ,作者:酷玩实验室01:凶宅消费热如今最非主流的地下偶像,在日本住凶宅却显得有些主流了......原因很简单,凶宅正在成为日本人,尤其年轻人当中,最热门的租房与购房选择。这位名叫琉亚(Ryua)的地下偶像,在第一次去位于东京世田谷,一间约25平方米的小公寓看房后。选择立刻拿下。根据琉亚的说法,在看房时,她发现屋里站着一个男人,直勾勾地瞪着她,可陪同的中介表示什么也没看见,她这才意识到那是鬼。换成大多数人,这时候已经转身往外跑了。可她的反应却是:“自己有点逆反心理,既然他一直瞪我,那就干脆和他做朋友,然后签了约。”在采访中,这位八字过硬的奇女子对四年多的凶宅体验直呼过瘾,她说几乎每天都能听见没完没了的脚步声,还有那位“室友”说话的声音。不仅能跟死在屋里的“前主人”做朋友,正因如此,这房租也是便宜了不少。大方展示凶宅中其实,她租这间房之前就知道,上一位住客是一名男子,在屋里自杀。由于是凶宅的缘故,月租从原本的约6.2万日元降到了4.5万日元,看来跟“室友”朝夕相处大概率是亚逼包装的一部分,但有胆子住进去,勇气照样可嘉。何况可以算笔账,每月省1.7万日元,一年约20.4万,四年累计约81.6万日元,对收入不稳定的地下偶像来说,这笔钱比鬼可怕多了。占了便宜的琉亚也没有卖乖,她公开为这位“室友”发声,表示:“鬼魂生前也是活生生的人,所以值得被尊重。”这类新闻还并非个例,诸多凶宅居住体验不仅在日本,在世界范围内都被诸多媒体报道过。甚至有专门的展览有人图便宜自住,有人图抄底捡漏后卖出,更有人租凶宅找灵感,写出原创鬼故事,不仅房租减半,还大赚特赚。“事故物件”(Jiko Bukken),是此类不动产在日语里的称谓,而一位叫做松原タニシ的日本搞笑艺人,选择连续租用两间凶宅来积累灵感。他租的第一间凶宅月租4.5万日元(原价约7万),第二间2.6万(原价5.2万),最后,他创作出的《事故物件怪谈恐い间取り》销量超过10万册,后来拍成电影。不管怕鬼不怕鬼,不管是搞创作还搞投资,原因会有多种,但总能万物归一,毕竟凶宅最便宜啊,这个现实因素不仅让日本人选择用脚投票而非胆子,也让在日本的外国人照样大胆消费起来。BBC曾报道,美国人黛安·廷彻(Diane Tincher)在日本鹿儿岛乡下捡漏买了一栋三居室,当地同类房子最高能卖4500万日元,可因为上一位屋主是独居老人,孤独死在屋里,最终只付了2000万日元,完全打骨折。她说自己不信鬼,只是每天都感谢“那位老太太”。肯定也有人有疑问,这些“凶宅玩家”感觉也像是奇葩省钱的个例,现实里真有这么多人对凶宅感兴趣吗?有的朋友,有的,毕竟这算是一个社会问题,既是系统性问题,也是系统性机会。首先看需求端,对于现在日本年轻人而言,想当活人是比想当死人压力更大的事情,尤其是在东京这种大城市里找一处栖身之所上面。NHK报道,今年6月东京23区单身向公寓平均租金约11.4万日元,连续25个月创新高,该数据在4月才为11.2585万日元,同比涨12.6%,堪称月月涨,年年贵。同样根据调查,东京20多岁年轻人房租占月收入33.6%,“房租不超过月薪三成”的老标准已被突破。另一边,还有很大一群人连“正常房源”都很难拿到。依旧排外日本法务省调查过,找过房的外国人里有39.3%曾因外国人身份被拒绝入住,而对于收入不稳定的人,租房审查也是一道坎。2025年的调查中,58.8%的日本自由职业者觉得自己被当成“不稳定职业”,更难通过审查,不容易租到正常房源。所以不奇怪,BBC在2025年的一项调查显示,只要租金够便宜,超过半数日本受访者愿意租凶宅。那么从供给端来看,日本现在凶宅供给量也是巨大,够市场消化一阵子的。除了凶杀、自杀、意外离世等因素,凶宅增加背后的最大推手是孤独死。老龄化加剧的日本,光在2025年内,全国孤独死人数就达到了7.6万。何况,凶宅名头是不容易被洗除的,即使不增加新凶宅,那么现有凶宅总量也不会明显减少,更别说现在每年还在猛增新的来。根据日本一家专门收购凶宅的地产经纪公司的业务统计,约八成来自孤独死,而且比例逐年上升。这也自然催生出了不少的凶宅地产公司与凶宅地产经纪人,专门服务于处理凶宅,转租转售凶宅。真要打岔地说,高市早苗搬进去的日本首相官邸也是个出名的凶宅。1930年代,日本政坛曾先后发生两起重大的流血事件——1932年的五一五事件与1936年的二二六事件。两场政变均伴随着血腥冲突,而首相公邸也因此与这段充满暴力与死亡的历史产生了联系。其最终演变为日本流传已久的都市传说,「公邸闹鬼」甚至一度成为政界公开谈论却又讳莫如深的话题。随时都还在上新尽管没有官方数据统计,但根据不少凶宅地产从业人员提及的数据来看,目前全日本大概有100万凶宅。总量多还不是最震惊的,因为凶宅背后的死法不同,居然还有对应的不同折扣......行业里常见的参考是,租金方面,他杀约减半,自杀约减三成,发现较晚的孤独死约减一成。买卖方面,孤独死、病死约便宜一至二成,自杀一至三成,他杀三至五成,被大肆报道的案件甚至可能半价以下。根据路透社的报道,日本的命案房屋可能要比市价便宜80%。日本许多房产公司还会公然打出凶宅旗号,明明白白地告诉你每月房租减免金额+凶宅原因:『2万6000円の殺人』,『2万7000円の自殺』,『4万3000円の病死』,这些凶宅却从来不缺租客。最瞠目结舌的案例,莫过于2017年曾震惊日本的座间九尸命案。凶手在短短两个月内连续杀害9人,案发地点正是他租住的一间公寓。然而,案件曝光三天后,管理公司竟然仍未收到任何住户的退租申请。因为之前就有住户在屋内病死,被标记为了“事故物件”,故整栋楼的租金都受到了影响,比周边便宜一大截。现在又出现了重大命案,以后租金只会更便宜,难怪租户们不仅不跑路,反倒还担心这栋楼以后还能继续住吗?光是标记出来的都数以万计当然,提及日本的“凶宅热”,那都绕不开一个名字:大岛てる。这位大岛君可是位十足怪人。1978年生于东京,东大经济系毕业,在美国念过硕士,家里还有家族企业,却偏偏搞起了凶宅网站。至于原因,他本身就是个灵异爱好者,留学归来后发现日本凶宅很多,住客却往往不知情,干脆就搞了个凶宅调查网,当起了凶宅专家,于是在2005年开设了事故物件公示网站。早期的公示范围只覆盖东京23区,后来扩展到全日本乃至海外,该网站还被《华尔街日报》专题报道过。由于后期公示数量实在巨大,逐渐改为了公众自主上传(当然也有审核环节,大岛自己审核还挺严格),连北京西单大悦城凶宅都记录在册,包括前面BBC报道里的廷彻,就是在这个网站上找到了她的房子。(世界线收束)以为这就完了吗?日本凶宅产业不光是一套地产逻辑那么简单,其产业链上还出现了不少新活儿。根据房地产公司MarksLife的数据,凶宅的平均投资回报率高达8.4%,而普通东京公寓的回报率仅3.55%。这点本无需赘述,但为什么还要提呢?因为购入凶宅到增值转手,中间有什么必要环节?肯定是洗房子啦!先是物理上的清洁,不少投资用的凶宅,购入者一不自住,二是图骨折价,买的往往都是超级事故现场。凶宅中介带去看房经常都是捏着鼻子去的,有时还会淡淡来一句:“你站的那块黑地方,人就那儿坐化的”。一般家政谁敢接啊?所以有不少专门的凶宅清洁公司,来完成这些深度清洁。其次,物理上清理了,心理上依旧需要大清洁。中文互联网上有个说法:日本出现了“凶宅试睡员”,住进去“洗脱晦气”。更准确的说法是"ルームロンダリング",也就是“房间洗白”,做法是房东或中介找人短期入住几周到几个月,借此让后续租客不必被告知事故历史。它不是公开招聘的岗位,更像以低房租为报酬的特殊合同。除了这种像刷简历的玩法,还有科技派人士。这类洗房人士会携带专业的探测设备,用科学手段确认房屋里是否存在异常,再面向潜在买家或租客出具“无灵异现象”的证明,帮助房东恢复房子的价值。《无灵异现象报告》当然,不少房主也倾向用传统派清理之法,请僧侣或者道士来超度驱鬼。所以,这些服务“洗”的不是鬼,而是价格。尤其现在纯靠洗房已经不管用了,根据日本政府2021年发布的指导方针,日本的房地产经纪人必须披露房子内自杀、谋杀、火灾死亡以及尸体长时间未被发现的各类死亡情况。事件后约3年内,无论换多少任租客,都要告知,待售房产则需要无限期披露。严格的凶宅信息披露,属实更方便挑选心仪的凶宅了,简直是活人陪死人,死人帮活人!那话又说回来,有没有一种可能?柯南在日本凶宅经纪领域会有超乎寻常的优势呢?(产业链上游)02:凶宅经济学不光现在日本年轻人心仪凶宅,这股凶宅热也算席卷过诸多东亚国家与地区。与日本类似,韩国年轻一代租房购房压力大,同时社会老龄化明显,孤独死问题明显增加了凶宅供给。当前,韩国单人家庭数量持续增长,2025年,单人家庭达到约804.5万户,占全部家庭的36.1%。可以预见的是,会有更多独居老人的遗体会在住宅内被发现。在港台这类传统生死文化更加迷信的地区,凶宅却早就从“忌讳”变成了“生意”。在台湾省,房地产市场有专门讨论事故屋、凶宅的网络社群和信息平台,其中比较有代表性的就是「台湾凶宅网」。即使不是官方登记网站,但用户可以轻松查询、讨论某个地址或社区是否曾经发生过非自然死亡事件,成为了民间背调的重要渠道。同样,台湾的凶宅市场,近年来也逐渐从买卖延伸到了租赁。今年6月,台中梧栖就出现了一套相当有话题性的事故屋。2026年5月,当地一处住宅发生双尸命案,一对年轻夫妻被发现陈尸屋内,留下年幼的女婴。事件发生后,房东重新委托中介出租房屋,并且没有刻意隐瞒事故背景,而是在租赁广告中明确注明:房屋曾发生非自然死亡事件,之后已经进行清洁及民俗净化仪式。最吸引眼球的是价格。这是一套两房一厅一卫的电梯大楼住宅,室内面积约15坪,月租只要9000元新台币,而同社区类似房屋的租金,约为1.2万至1.6万元新台币,相当于直接打了六折左右。消息传出后,网络上很快出现了各种评论。有人表示「便宜治百病」,有人感叹「穷比鬼更可怕」,还有一名网友直接在留言区表示,自己就是租客:「各位不用看了,租客就是我,有看到鬼再和各位报告!」在更加寸土寸金的香港,凶宅交易更是早就被玩成了花。1996年,荃湾中心一套住宅发生六尸命案,此后被称为「六尸凶宅」,甚至被媒体冠以「凶宅之王」的称号,可这套房子此后居然多次成功转手,成为香港凶宅投资圈里的经典案例。2011年,凶宅投资者陈应佳以118.5万港元在拍卖场购入,价格比同类正常单位低了不少。之后房屋继续出租,2015年一度以155万港元转手,2016年又以160万港元成交(25年新估价208万)......香港是真没地方住了吗?由于凶宅交易太盛,还曾涌现过“凶宅大王”。伍冠流,被称为“凶宅大王”,有报道说他倒卖过200多套凶宅,至少赚了5000万港元,他会做简单装修后再出租,客户是外国人、经济困难的本地人、不信邪的人和年轻人。既然能成“凶宅大王”,心法自然是有不少的。买进后五年内不出手,先租给法医、医生这类没有忌讳的年轻人或外国人,等“阳气化解阴气”再卖。他的经验是,他杀、含冤的非自然死亡凶宅,要打4到5折才值得买。近年他自嘲“人不如其名”,因为新人涌入、折扣变薄,他上一次买凶宅还是2012年,可见凶宅也是卷起来了。甚至除了民间,香港房屋署有个“特快公屋编配计划”,专门放出“不受欢迎的”公屋单位,让轮候人选能提前入住。在这个“不被欢迎”名单里,自然包括了各种命案单位,什么凶杀、自杀、孤独死的全都有。在大陆许多城市里,凶宅交易在房价走低后算是陷入了相对低迷,要放在前几年,依旧疯狂。因为好几年前,那会儿国内房价高企,还有学区房等因素叠加。所以价差明显的凶宅就成了部分房地产投资者眼中的特殊赛道。2019年前后,广州越秀区就曾出现过一套学区凶宅,单价约3万元,而周边类似房源的价格在4万至6万元之间。上海甚至出现过中介打出“买凶宅送户口”之类的营销口号。以至于如今在拍卖网上,各地的不少凶宅仍旧是热拍项目。当然也有人捡完便宜才发现是凶宅不过,凶宅抢便宜没以前那么丰厚了,也不代表这个赛道没潜力了,现在凶宅流量赛道依旧能打。其实早在2021年,阿里拍卖曾经为苏州一套发生过命案的房屋公开招募试睡员。要求应征者在房屋里连续待满24小时,并通过直播展示自己的日常生活,包括睡觉、做饭、运动、打游戏等。简单来说,就是用一个大活人的正常生活,来证明这套房子并没有传说中那么可怕。最终这场活动吸引了大量网友围观,房屋也以128.5万元成交,凶宅拍卖硬是被包装成了一场大型真人秀。那么时至今日,互联网上有不少人在专门做“凶宅探访”。有人收集信息点评,有人实地探访,更有人明知山有虎,偏向虎山行。“中国人自己的康斯坦丁”、“沈阳第一驱魔师”,“打着房产中介名头偷偷驱魔”等形容的全是专门做凶宅探房的中介,不凶的不探,不邪的不看,跟着看了一圈房,八字弱的估计要发三天烧。什么开门见钟、双鬼拍门、将军血符、油烟机血泪、九层妖塔、无尽长廊,全是在探房中的所见所闻。房子越看越多,手上佛珠也越戴越多了倒是......03:穿行之间说到底,凶宅经济背后,其实还有一个更值得玩味的现象。一边是越来越多的人死在房子里,另一边是越来越多活着的人,正在为了一套能住的房子发愁。人口结构变化,让这种反差变得更加明显。以日本为例,2025年全国出生了67.1万人,死亡了158.9万人,自然减少约91.8万人,连续19年下降。死亡人数是出生人数的约2.4倍,与此同时,2025年日本全国警察处理的遗体约20.5万具,其中在家独居去世的有76941人,占37.6%,平均每天约210人。根据内阁府推计,这7万多例孤独死中,约有2.2万例是死后8天以上才被发现,65岁以上占七成。有一点是明确的,房屋不会因为里面发生过死亡,就永远退出市场。所以,死去的人离开了,房子却还在。不过更讽刺的是,房子还在,但活着的人又未必住得起。日本现在去世的人多,意味着有更多空房腾出来,那为什么还住不起呢?从数据上看,全日本空房约900万户,空置率13.8%。其中不出租、不出售、没有居住打算的空房有385.6万户,比2018年增加36.9万户。问题在于,这些房子并不均匀地分布在日本各地。随着地方城镇不断衰退,年轻人和劳动力进一步向大城市集中(日本人口更是集中在东京湾一带)。于是,乡村与小城市留下越来越多无人居住的房屋,大都市里却仍然挤满了需要租房、买房的人。果然,凶宅也是看地方的。在繁华都市,一套发生过死亡事件的房子,或许还能凭借租金折扣找到下一个住客;但在持续衰败的地方,即便没有发生过任何死亡,房子也可能早已无人问津。上新速度这一块房子真正的价值,或许从来不只是它本身,而是它所在的地方,还有那里是否仍然存在活着的人的需求。对于那些最终租下凶宅的人来说,与其把这理解成某种猎奇或冒险,不如说是在现实条件有限的情况下,寻找一个能够容纳自己生活的空间。毕竟,原本被视为禁忌的凶宅,反而成了一部分人的新生活场所。住在当中的人,与其说是在阴阳之物间穿梭,不如说是在理想与现实之间做出了选择。
贬值世代
虎嗅 · 1 天前
本文来自微信公众号: 满分激光枪 ,作者:轩车干在Anthropic上市的这一周,我选择不看社交媒体。那种量级的庞然巨物下水,全球资产大幅跳水是可预料的,这是金融常识。市场情绪会传导给社交媒体,能预料社交媒体必然会充满各种夸张的情绪:激动、焦虑、恐惧、迷茫、愤怒、难过……我不用看都能猜到那些受过良好教育且有才华的撰稿人们会写点什么:科技理工类媒体会写:“奇点已至”、“AI又破解了哪道数学难题?”、“AI又取代了哪个学科?”人文社科类媒体会写:“只属于理工科天才的时代正抛下我们向前狂奔”、“AI公司实习生日薪顶我一个月工资,应届生年薪千万”、“丈母娘看好AI行业的女婿”、“被投资机构关注的少年天才们”、“大学教育完蛋了,学历正在变成一张废纸”……总之,那些被精心打磨几周乃至几个月的深度稿件会在这周内陆续发布,即便撰稿人并无恶意,但撰稿人的确让无辜的大众切身体会到那种自己过度焦虑同时还能抽空悲天悯人的“精英氛围感”,强行把人们本不应承受的焦虑和迷茫灌输给他们。这个时代太多这样的事,以至于连楼下卖煎饼果子的大娘都开始焦虑自己要被AI和机器人取代了,连酒吧局头都在转发X的帖子说Z世代完了。绝大多数人总是为焦虑而焦虑,不节制的摄入更多信息纵容自己的信息暴食症。在这个时代薄脑比薄肌更重要,发明薄肌的人有薄脑,信奉薄肌的人往往没有薄脑。因为互联网和算法正在让无辜的普通人被迫承担大量来自神经病、科技精英、亿万富豪、网红们的紧迫、焦虑、压力、野心。这是一种硅谷宗教的洗脑,历史变来变去,教皇还是那个坐着私人飞机教育大众要和自己一样保持高度自省、高度焦虑、高度虔诚的教皇。事实上,硅谷没什么新观点,变化的不过是代名词,那些看起来爆炸、新潮的观点不过是把一些西方中世纪的宗教逻辑重新包装罢了,扒开互联网与AI的底层逻辑,仍是叙事权、天才、英雄、地主和地租。那满分激光枪该写什么呢?按照本刊调性,满分激光枪应该写:“据纽约时报报道,Anthropic老板Dario曾患睾丸癌,他有可能是个没蛋蛋的无垢者。据坊间传闻,Dario是在某大厂工作期间患上睾丸癌的。据我个人臆测,也许Dario某天上厕所时发现蛋蛋变青了,去莆田医院检查。医生不绕弯子、不兜圈子地警告他:现在、立马、赶紧交手术费把蛋割了,以防癌细胞扩散。Dario术后康复一周,撒尿时一低头:“我超威,怎么连自己小腹也变青了?”他以为癌细胞又扩散了,连忙跑去大医院找专家会诊,医学团队研究后诊断为:“内裤掉色了。”这解释了为何Claude老封中国人的号,因为中国人先合力把Dario的小Claude给封了。我把这个文章框架发给Claude希望它润色下,结果我也被秒封了。无伤大雅,我的Claude尚能再续,Dario的小Claude要续只能靠科技发展了,恰如Anthropic招股书所言:我们会在十年内治愈癌症。我相信Anthropic的估值与愿景,因为我相信Dario想找回自己勾八的动机是强烈的。如果弗洛伊德尚在人世,我猜他会锐评Anthropic上市为:“全世界的金融市场与科技天才们正在为了两颗蛋蛋忙来忙去。”怪不得是美东时间1118上市,1118意思是“要要要蛋蛋”。这么写还挺符合满分激光枪调性的。但我想诚实地告诉你:上面是玩笑,是恶俗且反智的玩笑,是男人才能想出来的玩笑。因为只有男人自己才会在乎这种事,只有男人才会揣测别的男人也很在乎。电影《剑雨》里有段剧情是女反派痴情地爱上男反派,但因无法接受男反派是太监而疯掉。这是只有男编剧才能写出来的剧情,女编剧压根没有这种脑回路。我和不同女生朋友探讨这个问题:“请别撒谎,说真心话,如果有一个完美的男人,颜值、性格、身材、财富都完美,但他没有勾八,你会爱上他吗?”对方总会立即表示狂喜:“那不就是完美的拉拉吗?”真实情况是,只有男人自己觉得勾八、财富、地位很重要。世界上只有他自己在乎,因为他觉得别人很在乎。但那些人都是不重要的人。真正爱他的朋友也好,恋人也罢,其实不在乎他是否有名、有钱、聪明,甚至不在乎他有没有勾八。人之所以焦虑,往往是缺乏安全感。焦虑主要来自对失去的过度担忧,来自对未来的过度幻想,对他人和世界的过度控制欲。摆脱焦虑的方法是找个像张怀民那样的闲人朋友,半夜能被你一个电话摇醒出来喝酒。就此打住。虽然我想表达的是人应该如何克服时代的算法和时代带来的焦虑感。但我知道自己不能再沿着勾八的例子写下去了,我要是再喋喋不休,女性主义者会嫌弃我低俗,男性主义者会说:“这人肯定是痿了。”我要为自己辩护:“我很厉害!”“啊哈,你破防了!”我时常收到这样的评论,每次回怼一句留言,对方反手就给我挂了:“啊哈,你破防了!”自上古时代,互联网便开始流传这种奇怪的精神胜利法:骂一个人,只要对方回复了,那就是他破防了。他破防了就是我赢了,因为我成功摧毁了对方的美好情绪。这种奇怪的逻辑叫“双输好过单赢。”我不理解为何会有人高强度地在人生和网络上频繁追求“双输”的博弈结果。自己不输或偷着赢不行吗?非光明正大的双输才爽,奇怪的人类。作为写作者,每次遇到奇怪的恶评和谩骂,我都不知道对方到底在期待什么,难道对方潜意识认为本博主像菩萨和神仙一样平静所以不会破防吗?那对方也未免太尊重我了,是我错怪TA们了。但观察自己会因为什么破防,也是一种人生的修炼。这是我人生迄今为止最重要的修行。我有次发了条小红书,是在朋友婚礼上的致辞,评论区涌来一万多条骂我的。大家逐字逐句分析推理,得出结论:“我是个嫉妒新郎结婚的Gay”、“我和朋友有一腿”。在毛不易新闻上热搜的一年前,我早已遇到过类似的事。我很想和毛不易说:“释怀吧,你就算是新郎的兄弟也会被骂的。”甚至我觉得这是一个合理的代价:人希望在社交媒体被理解,就要接受他人的不理解。作为博主,我能理解自己的纰漏。因为我的确不认识新娘,我的致辞没提到新娘,我只表达了我和新郎的友谊和对他们婚姻的诚挚祝福,以及我本人对婚姻的感叹。我摸鱼的可爱助理没有及时把评论区反馈给我。等我知道那条帖子被喷烂,已经是第二天了。删帖都来不及。但我内心没有任何波动,我不在乎的人评论了我不在乎的事。只是作为博主,我必须站在公关危机的角度判断它是否会发酵?是否会给未来的自己埋雷?它不会发酵,因为是算法导致的单一平台小范围集体情绪行为,这在社会学上很像《叫魂:1768年中国妖术大恐慌》。我甚至不觉得评论者有什么特殊的恶意,这种行为跟我开Dario没有蛋蛋的玩笑有什么区别呢?她们也没干啥,评论是她们的自由,无视是我的自由。如果不考虑商业影响,我甚至觉得这算人生中难得的有趣体验。能安全、没有心理负担地获得中世纪日心说科学家被火刑的体验,那绝对算有趣的剧本杀。作为博主,我长期保持一个习惯:根据外界评论,观察和量化自己的情绪。如果用-10到10衡量情绪波动,一万个陌生人说我是Gay,我的情绪波动为0。但几百个读者评价我内容创作能力不佳或几十个异性说我长得丑,我的情绪波动是-1到-2。我为何会拥有不同的情绪反应呢?因为我有不少gay朋友,我潜意识压根不觉得gay是“贬义词”,它只是别人的一种选择。即便我只喜欢美丽的漂亮女生,但我尊重朋友的选择,我尊重朋友所以尊重朋友的标签。那为何我会对少数“不优秀”的评价有负面情绪反应呢?那些欲望的形成和我的童年、教育经历相关,我家庭教育极为严苛,我学生时代一直被逼为学霸,有好胜心和自负也是理所当然的,更何况我三十岁肉体的雄性激素会影响我的情绪。在优绩和雄竞上,我只能尽量克制自己的胜负欲,把胜负欲转移到其他事儿上,譬如写有价值的长文,努力驾驭欲望的野马。但我不可能消灭自己的胜负欲、竞争欲,即便我那些欲望总是在折磨我,但它们早已成为我的一部分,一位骑士永远不会杀死自己的马。我曾写过自己纠结是否出家,想了想算了,做不到对世俗没有念想。有点跑题,但其实也没跑题。我只是想告诉你在这个容易焦虑和吵架的时代,你可以漫无目的的读完一篇长文,我想给读者提供一种散步时闲聊般的阅读体验。我常会遇到读者着急火燎地用AI总结我的全文。作为一个爱旅行的人我深知旅行最美妙的体验不是看景点。你真到了巴黎铁塔下面,它就一破铁柱子;你看到了丹麦的小美人鱼,它其实还不如你小区楼下喷泉里的雕塑大;葡萄牙吃百年蛋挞,它确实不如肯德基的好吃;各地的古城不过都是巨大的小吃街,甚至不如大学门口的夜市好吃。旅行真正美妙的地方是不期而遇,关于法国最好的风景是在去巴黎铁塔路上和离开巴黎铁塔路上意外看到的。关于一篇文章最好的阅读体验是看作者在干货之间穿插的句子与见闻。本文的“巴黎铁塔”是如何安抚自己在AI时代的焦虑和情绪,那总结几点无非是:1,避免信息暴食症,薄脑比薄肌更重要。2,学会自我觉察,量化分析自己的情绪。3,找到张怀民那样的朋友,喝点小酒。4,通过写作记录和坦白自己的思维与情绪真诚的写作是好习惯,我从不担心别人如何看我,我文章里已经把自己写的明明白白:反正花瓶已经被打碎了,我为何要为已经打碎的花瓶感到焦虑和不快呢?我可以用几句话概括干货。但有价值的内容其实不是干货本身,而是一个人为什么能写出干货?好的旅行体验总是要伴随了解该国历史的。国内旅行也是一样,读毛选、邓选、建国历史前后你看到的景点是不同的。读之前你看到的景点是嫌弃,为何那么多大爷大妈排队?读之后你看到的景点是骄傲,好的国家的景区就该是人山人海的。因为人与人生来平等,每个人都有权利看好景点。泡夜店也是一样的,同样的夜店,重复的人和事,读不同书的不同阶段的不同人看到的是截然不同的风景。譬如去年我在读《追问》,里面许多句子我都很喜欢,许多句子都读的我受益匪浅:“这是一群怎样五花八门的灵魂啊,一套套多么荒诞的人生逻辑,一种种多么无常的好恶,一番番多么怪诞的精神形态,它们纠结在一起,混乱成一团,激愤着你的常情,颠覆着你的常识,涂改着你的常理。多少次,我对自己说,我无法睿智了!多少次,我对自己说,我无法温和了!当我太多地追问了他们的灵魂之后,我感到自己的灵魂,成了他们的“众追之的”。”“你不能让自己长时间浸泡在别人的污河里。寻根追源,排污清淤,固然是好事,但做任何事都要先丈量自己的承受底线。”…….“追问”这一行为的本质是抱有情感与目的的观察和记录。绝对理性的观察会失去情感,抱有善意的观察会融入其中。观察便会产生记录,记录会吸引他人的观察,众人的观察又会反过来塑造和影响记录者与观察对象。在大量观察导致的因果错乱里,人不迷失的方式是方式就是保持信仰,这种信仰不能是自我,必须是外部的,因为复杂的现实必会有一刻让人连自我都迷失掉。每个人都有自己的底线,一个人的底线最终取决于他信什么。比如我的底线和行为作风就很道教,很相信科学。如果让我写《追问》的书评,我会写:“社会主义者真是一群“奇怪”的人,这群死板的人身上却意外有着文学的终极浪漫。唯物主义者不相信轮回,或者说即便有一天,科学证明了有轮回,他们也知晓了这世界上有轮回,即便他们可以原地成佛、成仙,他们也要以肉体凡胎跳入庞大、复杂且充满苦痛的大世界战场。社会主义不同于人类历史上任何宗教,多数宗教都认为世界上一半好人,一半坏人。但社会主义者认为所有人都是好人,是物质世界的枷锁让人变坏,他们总会一遍又一遍以身殉道挥剑向枷锁而非具体的人。即便此生迷失、犯错、偏执、被物质世界的枷锁污染了灵魂、丢失了自我。但在奈何桥上,那群奇怪的人也会着魔般再次决定跳入战场,因为在无尽时间的伊始,他们曾发下绝对宏愿:地狱不空誓不成佛。”又扯远了,不小心从旅行扯到了《追问》。时常有读者问我,一篇长文为何不拆开发?显然,那样会收获更高的流量,我的每篇长文都能拆成许多爆款小文,无非是吸引人的标题、猎奇的故事、思辨的升华。我甚至不需要念,只要让AI制作视频就好了。我的逻辑能力、知识储备量和长期训练、对算法的理解、文字功底能让我决定一篇内容有多少人观看。但我早已不需要爆款了。爆款对博主而言算考试,人生总得被迫应试,学生时代有考试,成年人有OKR和KPI。这是必然的残酷,如果我没有写过爆款,读者也不会愿意耐心看长文。但作为一个应试高手,我希望你明白:所有考试的目的都是为了做自己,而不是让自己有机会迎接下一场考试。我不用通过流量成绩向甲方和读者证明自己了。我决定只有我喜欢的读者和喜欢我的读者可以散步到这里。今日我们一同散步,明日自有后人来看我们的散步的痕迹。写的过于一气呵成,以至于我自己都忘记咱们聊过什么了,翻一翻开头。捋一捋,我们刚刚从Anthropic的IPO聊到反腐,从硅谷哲学聊到对旅行的看法还有人生的焦虑、自省以及互联网。你看,夜店的穿插是不是还挺适合的?有点像半夜散步累了随便走进家酒吧喝一杯。我要喝瓶啤酒继续写,请等我下!回来了,嗝~本文标题什么来着?“贬值世代”。好的,我们刚聊完贬值世代的负面情绪与焦虑,再让我们聊聊什么能保值、升值吧?请相信我绝对是当代最理解“贬值”的人之一。我的人生从出生就开始贬值,我童年从父亲口中得到的评价总是很“贬值”。我常会回忆起两个极为荒谬的童年片段:我拖延症很严重,吃饭总是很磨蹭,父母喊我吃饭,我会在床上躺半小时再去吃。我爸骂我:“吃屎都吃不到屎尖。”,我哇哇大哭。我小时候每天都要看8:30播放的《海绵宝宝》,但我爸会逼我必须背课文。有次,到了8:30我还没背过那篇课文,我一边想着海绵宝宝已经播放了,一边背课文,我急的哇哇大哭。我永远记得那篇课文:“Traditional Chinese doctors believe we need a balance of yin and yang to be healthy…….”我在小学名列前茅,考到最好的区级公立初中。在那里,我的小学学历贬值了,它只能算中游水平。我在公立初中名列前茅,考到衡水中学。我不想去那里,我本想去更轻松的石家庄一中念书,但我父母为我决定了衡中。2012年是那所“超级中学”建校以来最辉煌的一年,它最辉煌的三年是我最痛苦的三年。每个人都是河北省各市初中最聪明的小孩,所有人从小到大都是最聪明的小孩,从奥赛天才到小学写作文就能登报的文科天才还有各种夸张卷王。我们班级里甚至有个跳级的小学生,他只是睡觉数学就能考满分。我很聪明但不是天才,我蛮努力但做不到苦心孤诣。总之,我的初中学历和天赋大贬值了。我当时很喜欢一部小说叫《飞升之后》,它的世界观设定是修士飞升上界后,残酷地意识到小千世界的绝世天骄只是大千世界的小兵。大千世界并不美好,大千世界是更尸山血海的战场。入学的第一个月,我每天都在哭着打电话给父母求饶,希望他们帮我办转学,他们拒绝。我甚至不敢反抗,因为衡中小孩的鬼故事是“你不听话我就送你去念衡水二中。”但回忆起来,那却是我人生的珍贵体验,当我被世界彻底抛弃在尸山血海的绝望之地,没有亲人、朋友、恋人———我悟了。我悟了应试之道。大道得从心死后,此身误我在生前。在脑科学上,开悟是人类直觉的迭代:每道题的答案那样自然地浮现在脑海。作为夜生活媒体,我不希望未成年人关注,所以让我们跳过这段。总之,如果把每个省份最好的“超级中学”比作修仙宗门,修仙宗门里的圣子圣女年级前20,圣子圣女下面的序列是重点班前20,序列下面的内门弟子是重点班40、50名,内门弟子下面的外门弟子是普通班第一名。我就是那个隔三差五远程抽圣子圣女们两个大嘴巴子的外门弟子。我在学生时代见过许多学霸、卷王、神童,但他们都叫我“应试天才”,一个用奥卡姆剃刀应付考试的人。但我高考落榜了。我甚至没拿到一份满意的学历证明。高考无非是又一次飞升,我因为自己的道心不稳渡劫失败了。我仍能清楚的记得查成绩时父亲的轻叹,轻叹背后是遗憾我的分数考不上清北复交。但对我而言,如释重负的喜悦远远盖过了我没考好的失望,我终于能从地狱里逃走了。往好处想:如果我发挥的更糟糕,我会被送到衡水二中复读。至少我长期主义的偷懒行为没让我年纪轻轻患上长期胃病。2015年是上财分数历史最高的一年,那年上财和复旦高考分数差不多。即便在衡中,考到上财也是全校七八十名,全省一百多名的水平。所以我说,在学历贬值这个话题上,我肯定有话语权。2012-2015年是衡水中学最内卷的三年,我毕业后超级中学一落千丈。我在2015年高位考到上财,被分配的还是弱院,毕业后上财高考分数也在一路狂跌。全球学历大贬值,我校跌的最狠。在AI浪潮到来之前,我校已经“先跳为敬”打个样了。甚至我毕业后进入的领域也大大贬值了。文字在视频面前贬值,酒吧、夜店在直播面前贬值,全球酒水销量年年降低。我之所以清晰地描写细节,并非处于一种炫耀的情绪,我只想告诉你当时的我很在乎。但努力所获得的一切成就与背书总是突兀地大贬值。正因如此,我总觉得年轻人没必要太吃苦。人应当为自己热爱的事业付出努力,但不应该没苦应吃。就算吃了优绩主义的苦,也还得吃更大的苦。你吃苦拿到的今天的结果,明天总是会贬值的。有半年,我偶尔会反思:我到底是不明智的接盘侠,还是我本人晦气呢,咋到哪儿哪儿贬值啊?做题家努力不就是为了活得舒服点么,怎么还就越努力越累了呢?我有位同龄朋友追涨杀跌比我更狠:TA也是做题家出身,山河四省+两财一贸+UCL。职场当牛做马,投资被爆仓,搞一人公司被割韭菜,做小红书被骂臭优绩主义,做知乎被嫌弃不是清北,做抖音被骂水硕。后来他痛定思痛决定成为反优绩主义者,发了一条帖子:“妈妈,人生是旷野。”评论区:“卷王,你装你马呢?”他说自己心态最崩溃的时候本想让Claude作为心理医生安慰下自己。结果一打开,号没了。“停,别说了,让我们聊聊爱情吧!”“哎...”“别说了,这顿大酒我买单,你想喝点儿啥?”上周,上财校庆。我本来跟同学约好回校看老师,结果前一天晚上通宵看红果短剧睡过头了。这是没办法的事,全球死考太好看了。醒来后我很不好意思,我对母校是很有感情的,毕竟生活了四年,上财的老师不会骂人也不会罚站人不会因为GPA高低区别对待人。所以我用AI做了一个“上财滑动变阻器”,右滑可以触发老番茄音效。总之,这几年变阻器大概停在这个位置:好吧,我能明显感受到诸多四财一贸同学心里的苦涩和焦虑。虽然这么说话很欠扁,但我的确是上财近年来最能轻松讨论这个话题的毕业生。因为夜店行业压根不知道,也不在乎上财学历。我做博主收获的绝大多数关注也跟学历无关。互联网有大批北大清华MIT的学生能关注,关注上财图什么呢?我没遇到过任何一个甲方,对方选择我是因为“上财学历”,“上财”甚至不在许多酒品牌的校招院校里。酒吧老板偶尔和我谈论起教育经历。对方会说:“你牛比啊,衡水学霸!”我起初很尴尬:“衡中算啥学霸啊?”后来意识到夜店这个江湖行业对学霸的定义是“你读过高中,上过一本。”,这也是我爱夜店的一大理由:斯坦福=上财=好高中毕业,夜店比AI更公平。彼时夜店行业还没有那么多清北和英文学校的人,如果我在社交媒体简介里写SUFE(上财缩写),大家只会觉得:“卖卫生巾的苏菲都建大学了?”夜店是世界上最不优绩主义的地方,我太爱了。在夜店,没有任何人会用教育背景评判你。奇怪、幼稚年轻人甚至不在乎你有没有钱,只在乎你抓手指、骰子玩的如何、音乐品味如何、酒量如何、有趣否?绝大多数名校毕业的学生都不喜欢夜店,他们只喜欢往那儿一站,别人能因为他们的学历给予优待。但酒吧营销从不在乎你是哪个学校的,你不是TA朋友也不开酒那就卡你颜。我早年经营满分激光枪时,常抱着不切实际的幻想,幻想在我攀登的路上,会出现神秘学长拉我一把,能不能让我感叹下所谓的“校友资源,恐怖如斯”啊?直到我踏雪至山巅,俯瞰这座光秃秃小山:此领域没有神秘学长,甚至没有神秘学弟。INS新乐园曾做过一次上海大学生演绎大赛,负责人是我朋友。我决定好好教一下别的学校,什么是真正的内幕交易。我甚至没有通过初赛的学弟或学妹。那确实内幕不了,巧妇难为无米之炊。只能说不愧是我母校,学生都在专心实习和读研报,从来不去夜店玩。总之,在我刚出学校的那两年,我完全不知道读上财有什么意义?我觉得真不如初中毕业直接当博主算了,我吃的那些苦有算什么呢?但临近30岁,我意识到那段“无意义”的教育经历每时每刻都在暗中在帮助我。我是上财培养出来的最差劲的那一档学生:做题家出身、非王牌专业、GPA2.6、实习经历不够高大上、挂科导致延迟毕业。我甚至读书时常会抱怨:“早知道要读法律,我为何不直接选五院四系呢?”但写满分激光枪的早期,我总是本能的用经济学、博弈论的视角解读夜店和恋爱,我因此在众多酒吧账号里脱颖而出。我会抱着写研报的态度洞察夜店行业,我会抱着当财经记者的心态写满分激光枪,我在经营一人公司时总会习惯把天马行空的想法变成务实的商业闭环。我早忘记了学校里教的法律知识,但我总会留心合同。我时常震惊于博主会被MCN坑,TA们难道不读合同吗?TA们居然真的不读。我接触合作方总会先做尽调。有段时间我和一个大型夜店集团合作,对方给了很好的条件。但我拒绝了,因为我玩的时候会根据客人台面的酒估算消费,我大概能知道哪些是气氛组,哪些是撑台面的酒,以至于我账都不用算就知道对方财务是有问题的。即便条件很诱人,但显然对方想把我绑到一艘即将沉没的游轮。我很早就知道博主不能依靠灵感要有自己的、可复制的内容创作架构。我会清楚的意识到不同流量背后的代价,因为有借必有贷,借贷必相等。我总是能根据经济指数推演集体情绪,在恰当的时候完成合适的转型。我从不在大盘跌的时候发推文,以防遭遇泄愤。……所有那些成就我、保护我的敏锐直觉与我以为的“常识”都来自大学四年被迫灌进脑海的知识,即便那些具体的知识早已被我遗忘,但那些思维模型和训练带来的习惯仍影响着我的决策。这就是上财:一所文科生要学高数,法学生得学会计,商学院得学概率论,所有人又都要学Excel编程和宏观经济学,如今大家又得懂人工智能的“奇怪”学校。吴家村的训练几乎要了我的命…即便我不关注美股,但Anthropic的招股书就那样安静地躺在我的朋友圈。事实上,即便在AI浪潮来之前,学历也没啥大用。人出社会几年,学历几乎就是废纸了,比学历更重要的是那几年的工作履历与个人思考结果。但成就那几年工作履历与思考结果的是人自己和TA在大学学到的知识。今天的互联网有大量的认知金句,但我认为金句属于垃圾信息。因为知道了、背过了也没用,考试成绩好靠的不是死记硬背而是训练自己解决问题的能力。即便AI浪潮到来,我仍认为大学教育是有价值的。因为大脑和身体一样是需要被训练的,属于直觉的思维模式像肌肉,人只能通过训练获得。即便AI能立刻解答大学的试题与论文,但大学的意义从来都是训练思维,教育的意义是保持健脑。人即便知道薄肌是好的,但也需要花时间训练获得薄肌。比薄肌更有价值的是薄脑,思维与认知的塑造不像肌肉,是看不见摸不着的。正因如此人们总是忽略模式训练,只关注答案。健身不是为了举起杠铃,而是为了训练出肌肉。认为大学教育无用的观点,无异于说机器人可以举起来杠铃,那人类不需要健身了。普通人接受系统教育在今天反而更有红利,因为全世界都是急功近利、看红果短剧的大白痴(我本人)。在一切贬值的时代,在共识混乱的互联网与人工智能时代,稀缺即价值,越罕见越保值。但什么最稀缺呢?当你追着时代走,你总会慢一步。当所有人都认为一项资产因稀缺而有价值,所有人就会想方设法获得那项资产,拥有那项资产的人也就不稀缺了,也就贬值了。就以酒吧、夜店而言,以前“海王”很稀缺,女生喜欢花花公子、阿尔法男。但互联网让所有男孩都很懂那一套,女孩们又开始喜欢没什么花花肠子的男孩了。即便在一夜情选择上,她们也只选腼腆的人,因为她们觉得腼腆的人不会泄漏自己的隐私且干净。就恋爱市场而言,学习上一个时代的恋爱技巧武装出来的展示面反而成了下一个时代巨大的负资产。宣扬一种观点收获的流量的博主只能眼睁睁看着自己过气,正所谓“成也萧何,败也萧何。”万物贬值时代,真正保值的只有丰富且复杂的人生密度、精神世界以及被训练过的思维模式、直觉。当他人解读“满分激光枪”,我总是被迫解读为意外、不理智、贪玩、发泄、富二代选择夜店、酒吧、夜生活赛道。这真是天大的误会。尤其是富二代,那是一个我长期想甩掉的人设。首先我不是,那是奇怪的造谣,人们觉得他年轻还爱玩酒吧就是富二代。这已经不知道是我多少次辟谣了。富二代人设是互联网的短命鬼,吸引来的流量是垃圾流量。我在理性上不认为“富二代”是个好策略,我在情绪上认为那种人设是对我写作训练和思考的羞辱。我在学生时代是不错的牌手,打牌的技巧无非是心理博弈、概率计算。一来我面瘫,二来我脑子好用会算概率,三来我会切换牌风,四来我情绪稳定,五来我深谙人性,会给对手做心理侧写,用贝叶斯调整策略,六来我长期主义会复盘迭代保持训练,用数据修正打法。我牌打的好是显然的,毕竟如今蛮火的喝酒德扑就是我发明的,虽然我的初心只是想给自己发明一款自己有无限后手的游戏。我从小到大做什么都是二流、三流天赋,这似乎就是我的天赋,我可以在任何一个领域快速达到三流水平,再整合不同模块配置出最优解。但打牌很无趣,算人生决策和概率比算牌更好玩。私以为没筹码的普通人抗通胀、防贬值、躲内卷,打好人生牌局的奥妙在于为自己设计一款无限后手的游戏机制,安静地、悄悄地在所有人注意之前把这款游戏接入现实世界的经济系统,保持动态博弈和调整。在我的人生路上,局部决策总是由于信息差和位置没能找到最优解,但跨周期的决策总是收益颇多的,譬如押注一种平等悦己的酒桌文化,押注能被放到台面上的夜生活,因此我一步步从夜店营销号成为了行业共识的博弈者。跨周期的决策总得跳出当前理性和短浅目光,作出逆反计算与人性的行为。不要寄希望于他人创造的共识,人只能影响他人对自己的共识。如果人寄希望于参与他人的共识游戏,那就无可避免内卷或被他人安排结局。天上没有掉馅饼的事,普通人也好,有钱人也罢,想从玩家变为游戏设计者都是要付出代价的。为了设计好自己的人生游戏,我早就在九年前就把未来的学历证书烧掉了,2017年的上财意味着安全且不错的未来。好吧,就算我当年考上清北复交,我也会直接把学历当筹码打掉。因为我知晓那种明确的未来,我清楚的看到按正常的博弈思路,那条路的尽头仍是一条衡水模式的痛苦之路,归根到底不过是到一个个更大的平台和更多天才和刻苦努力者竞争。好吧,这种视角也很上财。奇怪的博弈论必修课教会我的道理是让那门课程拿到最低分才是我人生的最优决策。老师原话肯定不是这么说的,但我是这么悟的。博弈论是我大学最喜欢的课程之一,因此我在酒吧玩骰子总是胜率很高。即便对方是6个6,但对方的表情和行为模式总会出卖他的底牌,对方的绝对好运和绝对自信反而能让我叫死TA。你看,这就是简单博弈论应用。我偶尔会收到私信:“你觉得上财、四财一贸,乃至所有非综合类、非纯理工的专科类大学,在今天还值得读吗?”太值了!即便再让我选一次,我也会选择去上财读法律的。还有哪所学校能逼迫懒惰的学生既懂商业法律又懂宏观经济、概率论、计算机、博弈论还懂数学模型以及人工智能呢?更何况上财去市区玩超近的,更何况我喜欢那四年的生活。但上财人不谈情绪、不谈个体主观经验,只谈逻辑和数据。譬如我想表达这样一种观点:“如果你是上财毕业的,你肯定会祈祷上财是个高考分数高。如果你不是上财毕业的,你更该祈祷上财是个高考分数高。”我不会打字,我会做两个简单的经济学曲线:1,30年里中国普通人赚钱容易度曲线2,30年上财高考录取分数曲线你会很容易找到两个曲线的相关性:(手画的K线,我懒得抽空跑数据)普通人越容易赚钱的年份,上财高考分数越高。这是理所当然的:经济越好,上财分数越高。客观而言,只要你不是理工科天才和亿万富豪,你最好祈祷上财变阻器往右滑。上财教给我最珍贵的思维方式?“泡沫。”这是个流行词汇,我们总说各种东西是泡沫,郁金香是泡沫、AI估值是泡沫。但其实一切都是泡沫。房地产是泡沫,股市是泡沫,凡人终有一死,宇宙也不过是个大泡沫。泡沫不重要,因为一切都可以是泡沫。重要的是泡沫何时开始,何时结束?经济学不是为了判断啥是泡沫,而是计算泡沫的过程:具体多久、具体多大、这些预估能否被量化、量化的逻辑是?一个聪明人如果意识不到这点,他就会抱着一切都是泡沫的心态,错过所有机会,骂骂咧咧地过完自以为很聪明的一生。所以重要的从来不是知道结果,而是当下与过程。但经济学会说用数据与理性预判过程,用对冲和配置降低预测预测错误带来的风险。那经济学人该如何判断两财一贸的未来?简直是顶级资产清仓大甩卖中。可预测AI必然创造巨大的泡沫,泡沫越大,经济学的操纵空间越大。显然,人会选择上财说明TA大概率不是清华姚班的理工科天才,那是生来就拥有的天赋,那是运气的产物,那是摇骰子的六个六。但人可以选择打幸运儿的后手。真正的金融博弈高手遇到资金量再强的对手盘,也能把对方拉进五五开开的概率游戏梭他一把,这就是人能在四财一贸学到的知识。看我们小破财~学校对高考分数线压根不言,只是从几年前就开始默默布局人工智能学院。文科生太适合读上财了,这所学校能治疗无病呻吟的文艺症,避免长文写作者的拮据。奇点已至,胜负已定?世界从来不是极少数天才的游戏,天才和凡人都有自己在拍桌上的筹码可以打。即便是普通人也可能下出真正的妙手,毕竟传说中大汉棋圣的绝学就是暴扣。时代游戏是复杂的、难以被计算的,在时代未被尘埃覆盖之前每颗棋子都是胜负未分的。但又何必要赢棋呢?下到一半去骗对方喝大酒,反正我玩骰子赢了就行。
30岁以下的年轻一代正在深入技术腹地:2026最有潜力的30岁以下AI领军者·TOP20揭晓
虎嗅 · 1 天前
文 | 陈伊凡图 | AI生成又到揭晓榜单的时候了。今天,虎嗅正式发布“2026最有潜力30岁以下 AI 领军者·TOP20榜单”。如果你还记得去年的名单,应该对其中的 AI 原生应用、面向消费者的 AI 硬件和机器人项目有些印象。过去一年,上榜者陆续向我们更新了各自的进展。有些变化,也让我们重新回想起去年对端侧 AI 和推理方向的预判。做这样一份榜单,最让人期待的就是这种后续:当初看好的方向,后来走到了哪一步?一个还很早期的想法,有没有变成真正能用的产品?我们很高兴,去年的预判在今年成为现实。带着这些问题,我们又翻开了今年的候选名单。应用和硬件依然有人做,但更多年轻人的目光落在了技术更深处。他们关心推理引擎、世界模型,也想把 AI 带进实验室,让它参与科学发现。还有一些人,读博和创业几乎在同步进行,论文、产品和用户反馈都成了日常工作的一部分。本届榜单评委之一的峰瑞资本投资合伙人陈石的观察是,今年比较明显的变化是大家更关注技术落地后能否持续使用、持续改进。这也给了我们一个看待榜单的角度。除了他们选择了什么热门方向,我们更想知道:他们准备解决哪个具体问题,又打算怎样一步步把它做出来?这些年轻人,正在往哪里走?先看看几位获得高票的上榜者。世界模型和模型自我改进,是今年名单中很显眼的两个方向。刘芳甫创办的无限镜元(MirroS),就在尝试让 AI 更好地理解物理世界。他是清华大学电子系直博生,曾参与英伟达世界模型相关研究。如今,团队希望让模型从视频、空间信息和交互轨迹中学习,再根据环境反馈持续改进,探索机器人、游戏仿真和空间智能等应用。超衍智能则关注模型如何改进自身。创始人陈勇超如今是清华大学助理教授,2026年创办公司,探索面向科研与研发场景的自进化基础模型和相关系统。对于这类探索,我们期待看到的进展,是模型经过一轮轮反馈后,究竟能把哪些具体任务做得更好。陈勇超说他对于RSI的最终形态定义是,让 AI 能够代替并超越各行各业的人类研究员。张昊天和英灵殿科技把问题带到了分子世界。他有药学、物理学、医学和计算机领域的学习与研究经历,也曾在华盛顿大学开展研究。团队正在构建微观分子世界模型 AlloDesign,尝试对蛋白质、核酸、小分子及其复合物进行建模和设计,并建设配套实验平台。再看机器人。萝博派对的黄一在哈尔滨工业大学读书时,就开发了双足机器人 AlexBot,并开源相关方案。2025年,他创办萝博派对,沿着机器人本体和开源生态这条路继续往前走。源策未来的李天羽则尝试把自动驾驶积累带到人形机器人。他曾参与世界引擎项目及相关产业合作,现在团队研发的是人形机器人的全身智能模型,希望让移动、操作和任务规划配合起来。对机器人来说,走到一个地方和伸手完成任务,最终得成为一件连贯的事。名单里还有一些方向,平时很少出现在面向大众的产品演示中,但却是如今技术和创投中最热门的几个方向:端侧大模型推理、加密状态下的数据计算、智能体运行安全。它们处理的往往是产品真正用起来之后,绕不过去的难题。回头看今年,钱和问题都在往哪里去?把这份名单放回2026年的科技圈,很多选择就更容易理解了。按照 Crunchbase 的统计,今年上半年全球创投融资达到5100亿美元,已经超过其统计口径下2025年全年的4400亿美元。但另一个数字同样值得留意:OpenAI 和 Anthropic 两家公司就拿到了2170亿美元,占上半年全球创投融资的约43%。钱确实更多了,却并没有均匀地落到每个创业者手里。世界模型是其中一个受到关注的方向。李飞飞创办的 World Labs 宣布获得10亿美元融资;Yann LeCun 参与创办的 AMI Labs 也完成约10.3亿美元融资。9月,AMD 宣布拟以约82亿美元全股票收购 World Labs,交易仍需监管批准并满足其他交割条件。对于空间智能和世界模型,投资人和产业公司都在下注。另一笔引人注意的融资,投向了 RSI,也就是递归自我改进。这个方向希望让 AI 参与研究、评估和改进自身。今年5月,前 Salesforce 首席科学家 Richard Socher 创办的 Recursive Superintelligence 宣布获得6.5亿美元融资,投资方包括 GV、Greycroft、英伟达和 AMD Ventures,估值达到46.5亿美元。与此同时,今年年初 OpenClaw 的走红,让“智能体能替我做什么”变成了一个更具体的问题。人们开始期待 AI 接手较长的任务,跨越多次交互,持续把事情往下做。麻烦也随之而来。你昨天交代的要求,它今天还记得吗?任务做了一半,下次能接着做吗?哪些旧信息该留下,哪些又已经过时?上下文窗口可以容纳更多内容,长期记忆还得负责把信息保存、更新,并在需要时找回来。安全问题同样具体:你愿意让它访问哪些数据、调用哪些工具?当它读到一封邮件或装上一个第三方插件时,怎么避免被其中的恶意指令带偏?智能体能做的事情越多,这些问题就越难绕开。资金也开始关注这些需求。今年2月,柏林初创公司 Cognee 获得750万美元种子轮融资,由 Pebblebed 领投,开发供智能体使用的记忆层。今年5月,源自卡内基梅隆大学研究团队的 Gray Swan 获得4000万美元 A 轮融资,由 Wing Venture Capital 和 Madrona 共同领投,为模型和智能体提供对抗测试与运行时防护。回头看,去年我们讨论模型能力、应用机会,今年越来越多的问题落到了使用过程里:智能体能否完成任务,机器人能否反复做对一个动作,科学模型的预测能否通过实验。一次演示之外,大家开始更认真地追问:能不能一直用下去?这也解释了为什么推理效率、端侧部署、加密计算值得关注。调用一次模型要花多少钱、等多久,数据能否安全地交给系统,都会影响客户是否愿意继续使用。AI for Science 则让我们看到另一种积累的可能。如果实验结果能持续反馈给模型,帮助改进下一轮设计,每一轮研发都有机会为后续工作留下有用的数据和方法。所谓“复利”,要靠这样的循环真正运转起来。国内还有一个不能忽略的背景:今年是“十五五”开局之年。3月公布的规划纲要提出,前瞻布局量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等未来产业,机器人、生物医药等也被列入加快发展的战略性新兴产业。这些政策方向,为国内科技投资提供了重要参照,也指导了钱的流向。这些领域也恰恰切中了我们今年的榜单:有人用 AI 设计分子,有人研究机器人的感知与动作,也有人处理神经信号。这些机会往往需要同时理解几个领域。比年龄更值得看的,是他们怎么成长说到年轻创业者,大家很容易想到他们更熟悉 AI 工具。写代码、做研究、整理信息,甚至组织工作,他们从创业第一天就可以借助 AI,先把想法做出来,再交给用户试。不过,做出一个原型和经营一家公司,中间还有很长的路。机器人要生产、要售后,科研项目要等待实验结果,企业客户会追问系统是否稳定。团队大了怎么管理,账上的钱还能支撑多久,这些也得学。还有一个值得关注的现象:不少上榜者有跨学科的学习或研究经历。 比如,英灵殿科技的张昊天学过药学和物理学,也有医学和计算机领域的研究经历,如今正尝试用 AI 设计分子;利太智药的贾寅君从生命科学、神经科学走向科学智能研究,关注如何用模型设计多肽药物;荆华密算的林修醇则结合计算机科学与计算密码学背景,探索如何让敏感数据在加密状态下参与计算。这些经历和他们现在做的事连在一起。要把模型带进实验室,就得理解实验如何验证;要让敏感数据参与 AI 计算,就得同时考虑安全和效率。跨学科的价值,最后要落在能否处理好这些具体问题上。陈石认为,年轻创业者的经验包袱相对少,敢跨学科,也愿意快速发布、边做边改。但交付、现金流和团队管理,往往是需要补上的课。他说:“年龄不是决定因素,我们更看重一个人学习和修正自己的速度。”判断一家公司,也需要类似的耐心。陈石会看团队的技术能力是否过硬,结果能否重复验证,下一笔钱能完成什么,以及核心技术和知识产权是否真正属于公司。“AI for Science 尤其要看实验反馈。商业化可以需要时间,但每个阶段都应该消除一些不确定性。”十年后,这些公司会是什么样?有些也许会走得很远,有些可能会中途转向,甚至离开这条赛道。现在,谁也说不准。但我们想在他们还处于早期的时候,就认真记录他们正在解决的问题,之后再回来看看:哪些判断得到了验证,哪些想法改了,遇到的难题又是怎么解决的。等几年后回头看,希望这些记录能让我们看清技术走向现实的过程,也看见那些可能改变世界的年轻人,是怎样一步步成长起来的。接下来,让我们一起认识今年的20位上榜者。
“乡土中国要结束了”:故乡渐远,归处何寻?
虎嗅 · 1 天前
本文来自微信公众号: 知著网 ,作者:吃菜「童年所见的方寸天地,包裹着丰腴的日常;长大后的“康庄大道”,却常常延伸出无边的焦虑。我们眷恋的,是安稳的节律、熟稔的人情,也是一种少有计较、不事竞逐的生活状态。」>>>“我们这一代刚好站在乡土中国的尾巴上,见过炊烟、田埂、麦浪、夏夜的虫鸣,记得老家的院子、村口的树、逢年过节的热闹。也清楚地看见村子空了,老人走了,习俗淡了,土地慢慢变成回忆。等我们这代人老去,扎根乡土长大的中国人便所剩无几了。”“那时候的社会风气、世俗观念、人际交往方式、服饰和现在完全不一样。过往的经济还不繁荣,没有智能手机、没有网购、没有短视频,没有这些但那时候依然很快乐。我时常怀念这种自然纯粹快乐,而现在这种情绪很难寻觅了。”“以后只能在书里看乡土中国了。”(“乡土中国快要结束了,就在我们这一代”)近期,“乡土中国是否会在我们这一代结束”的话题在社交平台引发广泛讨论。散落在评论区的私人记忆,逐渐汇聚成一场关于“乡土消逝”的集体共鸣。当土地不再是谋生的唯一依托,当人口开始跨越山海、四处迁徙,一种延续已久的生活方式也在悄然改变。所谓乡土中国的退场,指向的是一套以土地为根基、以血缘地缘为纽带、以伦理关系维系共同生活的社会结构正在经历深刻转型。(博主@小等记录即将拆掉的旧房子)村庄、老人、风物与习俗渐次远去。与乡土中国的告别,牵动着一代人的集体乡愁。费孝通在《乡土中国》中写道:“从基层上看去,中国社会是乡土性的。”这里的乡土,并不只是地理意义上的村庄,而是一种由土地生产方式所塑造的社会结构。在传统农业社会中,土地既是谋生的根基,也是社会关系得以延续的基础。农业生产依赖季节更替与长期耕作,家庭成员需要共同劳作,人口流动相对有限。世代聚居、生于斯长于斯,使人与人之间形成了持久而反复的日常交往。家世、亲缘、辈分、交情,这些信息沉淀为村庄共同的记忆,也成为人们理解彼此的基础。费孝通将这种关系结构概括为「差序格局」:人与人的联系如同水面泛开的涟漪,以自我为中心,依照血缘和地缘的亲疏远近层层推展。一个人从出生开始,便被安放在一张关系网络里。(“差序格局”)而这张关系网络之所以能够长久维系,不仅依靠共同的生产生活,也依靠世代相传的礼俗与伦理。梁漱溟在《中国文化要义》中提出「伦理本位」,强调中国传统社会中的伦理关系蕴含着情谊与相互义务。父母对子女的照料、亲友之间的扶持、邻里之间的守望相助,都使个体的生活与他人的生活彼此牵连。许多往来超越即时的利益交换,逐渐凝结为长期的情分与责任。相对稳定的社会结构,让人们得以长期相处;日积月累的伦理关系,则让这种相处逐渐滋生温情。春节便是这种共同生活的缩影。腊月里的忙碌、除夕夜的团聚、走亲访友的寒暄,以及村庄里家家户户共同参与的节庆仪式,让人们在反复的相聚中确认彼此的关系。那时的生活或许并不富裕,但许多情感不需要刻意表达,许多帮助也不必经过郑重其事的请求。人与人之间的牵系,早已融入柴米油盐,成为生活本身。这种由共同生活孕育出的情感质地,也在乡土文学中反复显影,成为一代代读者共同的情感记忆。(“乡土文学”)而对于许多成长于城市的年轻人而言,乡愁未必源于对田间劳作的切身记忆,也未必意味着渴望重返传统乡土生活。故乡更多是在回望中逐渐成形的,记忆留存了日常生活中的温情与庇护,却淡化了物质匮乏、劳作艰辛,以及人情往来背后的负累与约束。经过这样的情感筛选,故乡逐渐超越了地理意义上的出生之地,成为一处寄托归属感的精神家园。那里有熟悉的烟火、亲人的守候,也有不必多言便能彼此照应的默契。因此,乡愁所眷恋的,并非未经修饰的乡土现实,而是记忆赋予故乡的理想意涵。“背井离乡”之所以总带有几分决绝与凄凉,正是因为离乡不只意味着地理空间的迁移,更是对既有生活秩序、熟悉的关系网络与情感依托的告别。一个人离开故土,也是在告别那个曾经有所依凭、能够安顿身心的生活世界。乡土影像总带着浓郁的生活气息。灶台上升腾的热气、院落里的家常闲谈、年节时一家人的团聚,这些画面勾勒出一种令人向往的生活状态,亲人近在身边,三餐四季、寻常往来间自有温情。(网友们发布的部分乡土影像)在乡土影像中获得的共鸣,往往超越了对某段真实往事的追忆。即便从未在传统村庄生活过,人们依然能够从这些画面中感受到熟悉的温情,并将自己对亲情、陪伴与安稳的期待投射其中。这种对乡土的眷恋,也常常牵连着人们对童年的怀想。夏夜乘凉、田间嬉戏、年节团聚,有限的生活疆域,容纳了丰盈而饱满的生命体验。小孩不必思考“为何而活”,也能沿着熟悉的路径安身立命。这种无需反复自我解释的安稳,某种程度上便是一种幸福。(“初读不知书中意,再读已是书中人”)长大之后,世界突然变得辽阔,原有的秩序却开始崩塌。人生逐渐成为一道需要不断作答的命题,盲目随波逐流又可能使人失去方向。个体必须自己判断想过怎样的生活,也要承担选择的后果。(“我们不要再聊什么工作加班结婚了...”)专业、职业、城市、婚姻,每一次抉择都伴随着取舍与权衡;学历、收入、绩效与社会评价,又为不同的人生道路设置了层层标尺。人开始计算回报、权衡风险,也不断审视自己是否落后、是否足够优秀、是否走在正确的道路上。(逃离求职内卷叙事)德国社会学家乌尔里希·贝克提出的「个体化」,揭示了现代社会中的这种生存处境。传统社会中,个人的身份和人生轨迹往往由家庭、阶层与地方关系预先安排;现代社会则不断松动这些既定框架,让个人拥有更多自主选择的空间。与此同时,人生也逐渐成为一项需要独立规划的工程。人们不仅要选择自己的道路,还要独自承担选择失误的风险。自由既意味着摆脱既定安排,也意味着失去现成的归依。而现代社会的焦虑,还来自时间本身的变化。哈特穆特·罗萨在《社会加速》中指出,现代社会存在技术加速、社会变迁加速和生活节奏加速等多重过程。交通与通信越来越迅捷,职业结构和社会关系不断变化,生活节奏也随之加快。过去的经验越来越难以准确预测未来,人们不得不持续调整自己,以免被不断变化的世界甩在身后。当下,“纯过日子”逐渐成为一种受到年轻人追捧的生活态度。减少对自我的反复剖析,消费趋于克制,生活回归本真,取悦自己成为越来越重要的价值取向。这种生活态度的转变,恰恰折射出当下社会环境的高压与多变。当未来充满变数,个体难以获得稳定的生活预期,那些具体、寻常且能够自主掌控的日常,便成为抵御外部不确定性的一种方式。(全民进入“纯过日子”时代)现代人的生活似乎陷入了一种悖论:活动半径不断扩大,精神上的安定感却未必随之增长;能够选择的道路越来越多,能够确信的事情却越来越少。童年所见的方寸天地,包裹着丰腴的日常;长大后的“康庄大道”,却常常延伸出无边的焦虑。我们眷恋的,是乡土生活中安稳的节律、熟稔的人情,也是一种少有计较、不事竞逐的生活状态。生命需要自主选择的空间,也需要稳定的情感联结作为支撑。苏轼在《定风波·南海归赠王定国侍人寓娘》中写道:“此心安处是吾乡。”这句词背后,是柔奴随王巩远赴岭南的经历。面对苏轼对岭南风土的询问,柔奴以此作答。一句“此心安处”,赋予了故乡超越地理空间的精神意蕴。一个人能够在哪里安顿身心,取决于他如何理解自己的生活,又如何确立与世界的关系。在乡土议题的讨论中,流行这样一句话:“不要选择故土,要选择沃土”。出生地不应成为人生的天然边界,每个人都有权走出熟悉的环境,寻找能够施展才华、容纳理想、滋养自我的生活空间。(“不要选择故土,要选择沃土”)但故土未必贫瘠,远方也未必丰饶,离开与留下,各有其现实考量。真正重要的,是摆脱外部标准的裹挟,辨明自身所求,作出清醒而自主的抉择。电影《走走停停》中的吴迪,在北京多年打拼未果后回到家乡。返乡没有立即消除他的困顿,却让他重新进入家庭与故乡的日常,在生活的停顿中审视自己的人生。影片没有将回乡描绘成一场必然的成功,也没有把离开故乡视为唯一的成长路径,而是展现了人在不同生命境遇中重新寻找自我的可能。人生有时需要远行,有时也需要停下脚步,重新辨认内心真正珍视的东西。有人愿意留在父母身边,在小城经营三餐四季;也有人选择在大城市打拼事业,在更广阔的天地中实现抱负。无论是安于熟悉的生活,还是奔赴未知的远方,都有其值得珍视的理由。人生的价值难以用同一把尺子丈量,不必将他人的人生轨迹奉为圭臬。真正的主体性,在于能够辨认自己的所求,并坦然承担选择背后的得失。(“你不必在22岁找到一生的答案”)随着人口流动与生活方式的变迁,传统乡土社会的关系网络与生活秩序也在发生深刻变化。故乡与个体的联结,逐渐超越了共同生活的地理空间,更多地成为一种记忆与情感的牵系。而面对这样的时代变迁,每个人依然可以寻找属于自己的生活方向。故乡承载着我们的来处,却不必限定人生的去处。有人在故土找到安宁,有人在远方开辟天地;无论身在何处,只要能够认同自己的选择,心有所安,便不必困于来处,也不必焦虑归途。此心安处,便是吾乡。(图片素材来源于网络)
产品经理,被全部裁了
虎嗅 · 1 天前
本文来自微信公众号: ToB老人家 ,作者:王戴明前段时间,一位事业部负责人告诉我:他们事业部的产品经理,已经被全部裁掉了。现在,售前经理直接给程序员提需求。程序员用AI画高保真原型,再和售前确认。原来夹在中间的产品经理,没了。老实说,这个公司的做法确实有点极端——并不是所有产品经理,都能被其他岗位替代。但是它确实说明,一部分产品经理真的到了一个很危险的分水岭。过去,在大部分企业,售前经理最接近客户,知道客户在抱怨什么,但是不懂怎么梳理软件需求;程序员最清楚功能能不能做,但是不懂怎么设计产品。所以,他们中间需要一个产品经理:把需求梳理成方案,再画成原型,最后交给研发。现在好了,AI能帮售前把需求整理出来,也能帮程序员把原型画出来。因为少了一个环节,原来需要好几轮沟通才能确定的产品设计,现在很快就可以达成共识。说白了,售前经理和程序员,在AI的帮助下把产品经理的工作“瓜分”了。而第一批受害者,就是那些长期只做需求传声筒的产品经理。客户说一个需求,他就整理成一份PRD;领导提一个想法,他就画几张原型;研发问一个细节,就去找业务确认。看上去每天都很忙,实际上就是个原型仔,从来没有做过真正的产品决策。这类工作以前也有价值。因为信息从客户传到研发,本来就会失真;产品经理至少能把话说清楚,把流程画明白。但当AI可以把这些工作做得越来越好、越来越快,公司就会问一个很现实的问题:产品经理这个中间环节,还有什么存在的价值?当然,这个极端的案例不能代表所有企业。比如,我认识一位CEO,他就不认同“产品经理可以全部裁掉”。他的理由很简单:没有产品经理把关,售前答应给客户的需求,研发太容易直接做成一个功能。一开始看,这样很快。客户提需求,研发就开发。可做久了,产品会越来越臃肿。每个客户都觉得自己的需求很特殊。可很多所谓的特殊需求,本质上只是同一个业务问题的不同表现。缺少了产品经理把关,就会让一个又一个例外,变成产品里的一个又一个重复功能。短期看,少了一个岗位,沟通链路更短了。长期看,没人想清楚这些功能能不能合并、会不会互相打架,产品就会欠下一堆设计债。以后每改一个功能,都会牵出一串问题。所以,不要简单的把这个案例看成“产品经理裁员潮”要来了。真相是:那些“只会做传声筒”的产品经理危险了。因为更优秀的产品经理在AI的加持下,完全可以覆盖掉他们的传声筒工作。我认为,只要产品经理具备三个核心能力,AI就不会成为他的威胁,反而会成为影响力的放大器。第一,商业能力:决定产品该往哪里走。我知道一位产品合伙人,用AI把工作效率提高了十倍。但公司并没有因此赚到钱,反而长期在亏损。因为AI擅长解决效率问题,而不擅长解决方向问题。方向错了,方案做得再快,也只是更快的亏损。一个产品经理如果能比别人更早发现市场机会,知道哪个客户问题值得解决,甚至能直接打动客户签下合同,他就不会被替代。第二,业务能力:决定一个功能到底要不要做,以及应该怎么做。复杂产品,产品经理必须能搞清楚:客户嘴里这个需求,到底要解决什么业务问题?什么方案才真的有效?很多产品最后做废了,往往是因为一开始就在满足伪需求。需求识别和筛选的能力,仍然是AI无法替代的能力。另外,优秀的产品经理,还要从一堆个性化的客户需求中,看到背后共同的业务问题。然后用一个通用的产品设计,把这些个性化需求一起解决掉。第三,架构能力:决定产品以后会不会乱。我常说,所谓架构,就是先画棋盘,再放棋子。比如做订单管理,销售订单和发货单,到底应该合成一张单据,还是拆成两张?销售赠品,是做成一条特殊的订单行,还是只做一个备注?这些问题没有统一答案。答案取决于你的产品准备服务什么客户,满足哪些场景,要达到什么业务效果。如果产品经理只盯着今天能不能交付,就会让AI把一个个功能做得很漂亮。可一年以后再回头看,系统里的规则会越来越乱,谁也不敢轻易改。说白了,AI会首先淘汰那些只能把需求整理得更漂亮、把原型画得更快的人。因为这些事,AI已经能做得越来越好。但能发现商业机会、能筛选需求、能规划产品的人,只会会越来越值钱。
江苏,为什么没有新型研究型大学?
虎嗅 · 1 天前
本文来自微信公众号: 高校历史现况研究 ,作者:高历研最近,我看到这样一张图:这是软科最新整理的全国新型研究型大学版图,可以看到,沿海省份几乎连成了一条完整的科创带:济南落子空天信息大学,青岛布局了康复大学,上海有上海科技大学,浙江坐拥西湖大学、钱塘大学与宁波东方理工大学,福建有福耀科技大学,广东更是一口气拿出了南方科技大学、深圳理工大学、深圳海洋大学、大湾区大学四所院校。从北到南,“新型研究型大学”几乎成了沿海省份重点城市科创实力的标配,不少新晋强市都借着这股东风,拿到了高教升级的新门票。可唯独夹在上海与浙江之间、高教家底素来厚实的江苏,在这幅红火的版图上留下的,是一块完整又扎眼的空白。其实,我们确实大可不必把“新型研究型大学”捧上神坛。上期内容我就说过,十五年前喊着“去行政化、自授学位、回答钱学森之问”的南方科技大学,如今早已走完了正规化的全程:招生回到了以高考成绩为核心的631综合评价模式,治理结构回归党委领导下的校长负责制,当年石破天惊的试验性,大半都沉淀进了成熟的体制框架里。“新型研究型大学”,好像也没那么新了往前再翻七十年,道理也是一样的。1952年院系调整诞生的“八大学院”,高起点建校、瞄准国防前沿的哈军工,背靠中科院、主打新兴交叉学科的中科大,放在各自的时代里,又何尝不是当年的“新型研究型大学”?可几十年过去,它们都成了今天我们口中的“传统名校”。“新而复旧”,几乎是中国高教逃不开的循环。靠新建大学给系统换血,当然解决不了“大学没法一直新下去”的根本问题,但不得不承认,这依然是当下激活区域高教生态、卡位前沿赛道最见效、也最通行的路径——换句话说,是最不坏的办法。那么,问题也随之而来:既然是全行业都在走的路径,家底素来厚实的江苏,为什么连一张入场券都没拿?是不想,还是不能?江苏,高教政策的长期受益者要回答这个问题,首先得承认江苏的十足底气:它是过去几十年全国高教布局里,最大的既得利益者之一。从重点大学、985、211工程,再到“双一流”建设,每一轮国家层面的高教资源倾斜,江苏都稳稳拿到了第一梯队的配额。全省坐拥2所985高校、11所211高校,16所院校入选第二轮“双一流”,数量仅次于北京,稳居全国第二;近80所本科院校覆盖了理工农医文几乎所有学科赛道,从顶尖基础研究到工程应用落地,形成了完整的学术生态链。南大、东南两大支柱稳居塔尖,南理工、南航、南农、南师、河海、苏大、矿大、中国药科大学、江南大学等一众211各守优势赛道,再加上南信、南邮、南林、南京中医药大学、南京医科大学这些新晋双一流和扬大、江科大、江苏大学等省属强校补位,几十年的政策沉淀下来,江苏的高教底盘铺得既宽又稳。截至目前,全省42所高校的356个学科进入ESI全球前1%,高校数与学科数均居全国第一;国家级人才总量约占全国高校的10%,核心指标常年稳居第一梯队。这份存量厚度,是绝大多数省份比不了的。手里握着这样一副好牌,政策与经费的倾斜方向几乎是天然确定的:优先巩固存量,把资源砸向已有名校的“双一流”建设、学科评估提升、ESI排名冲榜,是最稳妥、也最容易出显性成绩的选择。有意思的是,同样是筹建一所新型研究型大学,放在高教底子薄弱的省份,是从0到1的跨越式突破——十几年时间就能撑起一座城市的科创门面,补上本土高教的核心短板,算得上见效极快的升级捷径。可放在江苏,面对沉淀了数十年的老牌名校矩阵,从零搭建的新校短期内很难在学科排名、核心指标、社会认可度上追上存量院校,反而成了周期长、见效慢、投入产出比不显眼的选择。再加上还要从零搭班子、定规则、协调各方利益,试错成本也更高,优先级自然被一再后置。积累越多的地方,越容易沿着熟悉的路径往前走,也越难生出从头再来的冲动。这不是谁的错,只是资源禀赋下的自然选择。“安全区”里的增量,不对味儿很多人会提出反驳:江苏不是没有新建大学,苏州的西交利物浦大学、昆山杜克大学、苏州萨里大学,还有遍地开花的名校异地校区,不都是高教增量吗?网传落户苏州的中国中医科学院大学,难道不算高起点新校?这恰恰是江苏高教增量的典型特征:它其实也一直都有在做增量,但所有增量都做在了“安全区”里,和“新型研究型大学”的底层逻辑,并不是一回事。先看最具代表性的苏州模式。作为江苏经济第一城,苏州的高教增量一直走在全省前列,但它选的是两条成熟路径:中外合作办学与名校异地校区。西交利物浦、昆山杜克这类中外合作院校,核心是引进境外教育资源,在培养模式、课程体系上做国际化探索,它的“新”体现在国际化与培养方式,而非办学体制的底层突破——治理框架、学历体系依然锚定在现有制度内,和以体制创新、前沿研究为核心的新型研究型大学,根本不在同一个赛道上。至于南大苏州校区、东南大学苏州校区、人大苏州校区、中科大苏州高研院这类名校异地分校,本质是本部办学空间的延伸,师资、学科、管理都与本部深度绑定,更像是存量办学资源的外溢与扩容,而非独立生长的新物种。它能快速提升城市的高教承载力,却很难承担起“高教改革试验田”的功能。你说它安全吧,确实一切都是现成的。但你要说不安全吧,国家政策一变,就不一定是怎么回事了。曾经热热闹闹的西工大太仓校区,如今在哪发财呢?西工大北京研究院交付,可太仓校区怎么样了?再看中国中医科学院大学。这所落户苏州的高起点院校,依托的是中医药国家队的行业资源,定位是垂直领域的行业特色型高等院校,走的是细分赛道的特色办学路线,核心是做强中医药学科,而非探索全新的办学体制,更非为卡脖子问题培养人才,自然也不属于新型研究型大学的范畴。事实上,目前已知的各种消息里,貌似他们自己也没有把自己定位成“新型研究型大学”。综上,江苏不是没做高教增量,而是选了一条成功风险更低、见效更快的路:中外合作借国际化的力,异地校区借老牌名校的力,行业特色校借垂直领域的力。每一步都踩在成熟的框架内,稳妥、高效、争议少,却唯独少了那种从零开始、突破规则的试验性。江苏的存量高教资源,能跳出“新而复旧”的周期律吗?那么很多朋友就自然而然的会这样想:既然家底够厚,现有高校的学科布局足够全面,靠老牌名校的自我迭代也能覆盖前沿赛道,不就也能跳出“新而复旧”的循环了吗?如果存量院校能一直保持活力、跟上前沿,自然就不需要靠“新建换血”来续命。这当然是一个更理想、也更难的方向。如果老牌名校能靠内生改革一直“新”下去,那远比每隔几十年新建一批大学要更根本,也更有价值。要知道,当下这批新型研究型大学的核心竞争力不止是“体制新”,更是“赛道准”。它们普遍不追求大而全的学科矩阵,而是集中资源锚定最前沿的基础学科与交叉领域:数理化生等基础研究、人工智能、量子信息、合成生物学、深海深空探测、先进功能材料、精准医疗……瞄准的都是现有高校体系里尚显薄弱的“无人区”,走小切口、高投入、长周期的攻坚路线,不被传统学科边界束缚。从这个维度看,江苏高校其实并不缺对应布局。基础研究领域,南京大学的物理、化学、天文等学科常年稳居全国第一梯队,是国内基础研究的重镇;前沿工科方向,东南大学的信息电子、先进制造,南京航空航天大学、南京理工大学的空天科技、国防尖端技术,都有着数十年的深厚积累;生物医药、新能源、新材料等产业相关的前沿方向,省内更是有十几所高校深度布局,覆盖面之广、沉淀之深,远超很多靠新建大学补短板的省份。只是两者的布局逻辑,终究不太一样。新型研究型大学是从零开始,把全校资源集中倾斜到几个选定的前沿方向,用灵活的评价机制给科研人员松绑,允许长时间不出成果、允许高风险试错,天然适合啃“从0到1”的硬骨头。而江苏高校的前沿研究,大多内嵌在成熟的学科体系之中,是传统优势学科的延伸与升级,分散在不同学院、不同学科框架之下。跨学科交叉的壁垒、常规考核的压力、既有层级的惯性,都在无形中收窄了“无人区”探索的空间。单看纸面数据,江苏高校的表现依然坚挺。第五轮全国学科评估中,网传(第五轮学科评估没有公开)江苏高校A档学科较上一轮增长35%,A+学科增长37%;国家级科研项目经费、科技成果转化规模,样样都站在全国第一梯队。几十年沉淀下来的学术底盘足够扎实,也足够支撑江苏继续走很长一段路。但老实说,从0到1的前沿领域又有多少?即便不少新型研究型大学也或多或少存在一些讲故事画大饼的成分在,可两边都去掉一些水分后,江苏的大学仍然有信心保持优势吗?是靠总量还是靠尖端呢?我不便评价。如果再把评价的标尺,从“指标增长”换成“机制革新”,或许就更没那么乐观了。这些年江苏的高校并非没有改革探索:校院两级管理放权、职称分类评价改革、科研经费包干制、成果转化激励机制……大大小小的举措不少,也确实解决了很多具体层面的问题,提升了运行效率。比如在科技成果转化领域,江苏出台了职务科技成果赋权、尽职免责等20项专项政策,落地转化了一批优质项目;卓越工程师学院建设数量也位居全国第二,深度对接制造业人才需求。但细看下来,绝大多数探索都停留在管理技术的优化层面,是在现有治理框架内做效率提升,真正触及办学自主权、治理结构、行政化逻辑这些深层命题的突破,并不算多见。这其实也很好理解。越是成熟的体系,内部的运行逻辑越稳固,利益格局越清晰,调整的空间就越有限。当年的新型大学之所以能“新”,恰恰因为它是一张白纸,可以从头设计规则;而老牌名校背负着几十年的历史、层级、惯性,每动一步都牵一发而动全身。想让它们靠自己完成脱胎换骨的革新,本身就是一件极难的事。我们当然也不能苛责什么。但所有看似正确的事情堆在一起,或许并不会诞生正确的结果,历史上很多事情,都一再证明了这一点。空白背后综上,我们虽然大可不必就此下“江苏高教掉队了”的结论,存量的厚度足够支撑江苏很长一段时间的优势地位,稳妥的增量路径也避开了很多试错风险。但这份空白背后,两层隐忧依然值得细细琢磨。第一层隐忧,来自新赛道的卡位。新型研究型大学的核心价值,不是一个“新”的名头,而是它能以更灵活的机制,快速聚拢顶尖青年人才、布局前沿交叉学科、绑定未来产业赛道。深圳靠南科大补上了高教短板,更卡位了人工智能、量子科技、生物医药等前沿领域;杭州靠西湖大学补强了基础研究的薄弱项,为数字经济的第二增长曲线储备源头动力。哪怕这些学校最终都会走向正规化,融入现有体系,但十几年的窗口期,足以让一座城市在顶尖人才和前沿技术上完成原始积累。这些变量,恰恰是未来高教竞争里最关键的部分。江苏完全依赖存量跟进,短期看不出差距,但长期来看,会不会在新变量的积累上慢慢拉开距离,还需要时间给出答案。毕竟很多时候,决定未来位次的,不是存量的厚度,而是新赛道的先手。你今天你不做开创者,未来或许也就做不成引领者。第二层隐忧,来自存量革新的节奏。如果说新建大学是“眼下已知最不坏的办法”,那存量自我更新就是更难、更根本,却更未知的那条路。江苏既然选择了不依赖新建变量,理论上就理应在存量改革上走出更深、更快的步子,用实践证明:不靠新建换血,成熟体系也能完成自我迭代。但从目前的情况来看,这条路走得并不算快,也远没有到可以证明“存量也能一直新下去”的程度。当沿海大省都在用新建新型研究型大学来倒逼高教生态升级的时候,江苏的存量名校,能不能靠内生动力打破“新而复旧”的惯性,目前还没有清晰的答案。现在谈“落后”当然为时过早,江苏的高教优势依然稳固。只是这份“增量不入场、存量慢革新”的状态,多少让人忍不住多一分留意。让子弹飞一会说到底,江苏没有新型研究型大学,不是一道简单的是非题。它可以是基于深厚家底的从容选择——毕竟手里的牌足够好,没必要急着去趟试验的浑水,稳扎稳打守住优势,本身就是一种智慧;它也可以是守成惯性下的迟疑观望——在舒适区里待得久了,突破的冲动自然会被稀释,比起不确定的改革,熟悉的路径总是更让人安心。两种解读,都有足够的依据。值得留意的是,江苏最新印发的《高水平大学建设方案(2026—2030年)》中,已经明确提及要在区域创新力强、产业资源集聚的地区积极布局新型研究型大学。这或许意味着,这块版图上的空白,并不会一直持续下去。但真正值得我们思考的,或许也不是多一所或少一所冠名“新型”的大学。而是一个更本质的命题:一片孕育过众多名校的高教沃土,要怎样才能始终保有自我革新的能力?是靠每隔几十年新建一批学校来换血,还是靠现有院校的内生觉醒?这个问题,不仅江苏在面对,整个中国高教都在面对。地图上的空白,随时可以用一所新大学填上。或许再过几年,南京、苏锡常,也会拿出自己的新型研究型大学,补上版图上的缺口。可空白背后的选择与考验,才刚刚开始——毕竟,比建一所新大学更难的,是让教育一直保有鲜活的生命力。
Anthropic:躲不开“脑力通缩”,终局是“AI 版” 谷歌还是AT&T?
虎嗅 · 1 天前
本文来自微信公众号: 海豚研究 ,作者:海豚君,原文标题:《Anthropic:躲不开 “脑力通缩”,终局是 “AI 版” 谷歌还是 AT&T?》在上篇《Anthropic:甩掉吞金兽,转身成房奴》,海豚君算了的账:近1万亿美元的算力合同压上资产负债表,收入要再涨4-5倍才扛得住。账算完了,两个更根本的问题浮了上来:一是,这门生意凭什么守住“智能溢价”?token价格一年跌去七成,开源模型在身后猛追,Anthropic的"智能溢价"能持续吗?二是,收入的天花板在哪?一级市场5月给了9650亿美元估值,IPO预期一度喊到1.5万亿——这个价钱,买的是什么样的2028年?海豚君这篇以解答Anthropic的价值判断为主线,结合上述问题进一步讨论Anthropic以及AI的增长前景、竞争壁垒等。全文分为四个部分:1、市场对Anthropic价值测算争议,核心差异是什么?2、AI大模型应用的蛋糕(TAM)有多大、如何看脑力通缩的影响?3、大模型会不会变成大宗商品?Anthropic的壁垒还能守多久?4、如何给价值测算?以下为详细分析一、价值测算争议:核心差异点是什么?1.26–1.41万亿美元,是Anthropic IPO区间对应的完全稀释估值,约为10月ARR(810亿)的16–17倍。依照Barclays上周小会信息,以Q4季度收入进行年化后的770亿来算,甚至达到了18倍。叠加月环比下滑的趋势,18倍P/ARR完全称不上便宜。下滑主要被公司归因于假期带来的季节性波动。这个解释不是不合理,而是对号称有上万亿收入增长空间的AI实验室龙头来说,在这个时候就讲季节波动实属诡异,怎么放心给高成长估值?然而上市前的路演,似乎投资者认购热情并没有想象中的冷淡和谨慎,认购额超了融资需求的6倍。一时之间,Anthropic简直成了多、空双方互道傻X的最典型案例。海豚君收集了部分一二级机构的价值测算判断发现:造成乐观与悲观两个反向的判断,主要争议点如何看到Anthropic对于TAM定义:a.乐观预期:TAM锚定工资40万亿知名投资人如Gavin Baker、Brad Gerstner,他们对TAM的定义和Anthropic在IPO招股书中的定义类似,即将全球知识工作者的人工薪资作为能够触达的市场总空间。目前全球劳动收入大约占GDP的52%,60万亿美元左右的总盘子。Anthropic自行圈定了知识工作者的岗位属性(从Coding到一般性的脑力工作),认为这类岗位薪资的40万亿美元,是能够被AI渗透并带来转型的市场。因此这样来看,千亿级收入规模在40万亿可触达TAM还很低。b.悲观预期:TAM锚定企业IT预算6万亿空房机构则将Anthropic的目标市场与企业IT预算挂钩。悲观预期下,Anthropic五年后只拿到IT总预算规模的3%,也就是1800亿的收入。但AI未来演化太不确定,远期锚一人一个,等于没有。目前大多数人只是短中期Anthropic能做到的收入规模,和并不算高的估值倍数,来给一个1-1.5万亿的中性区间,这也是IPO定价所属的区间,最新的IPO定价计算,完全稀释估值已经来到了区间上沿。二、TAM:用当下的市场规模来类比存在致命的“失真性”虽然近期美国政府对远程算力做了严格的限制监管,中国的开源模型会因缺高端算力而迭代放慢,从而使得Anthropic等闭源模型的竞争力提升,Token降价压力会缓一缓。但从算力供需缺口的未来边际变化来看,海豚君认为AI大模型未来的持续降价趋势是一定的。不仅仅是竞争的关系,内在技术也存在同一方向的推动:a.芯片每一代都在翻倍。同样一GW的电,新一代芯片能吐出更多token;b.模型算法也在提效。Anthropic招股书中提到:训练和推理中算法与方法上的改进,能让同样多的算力产出更多有效成果。这意味着,现在每一代新模型的训练,都有老一代模型的参与。模型越强,能训练出更强的模型,也能更便宜地提供服务。这种递归自我改进(RSI)规律会使得前沿模型的差距(性能、性价比)越来越大。分别代表算力供给端和需求端的双向迭代改进,最终带来的结果就是,前沿模型的token价格每年降45–55%(隐含每季度平均环比降幅10-15%)。过去一年里,Opus的输入价从每百万token 15美元降到5美元,再降到4美元,降了约73%;第三方成交价指数显示,Anthropic的实际成交价一个月内从1.70美元腰斩到0.83美元。不过,最新的算力限令可能会在强执行期内有效放缓降价幅度,比如综合季度均环比降幅压缩到10%以内。能否保持收入增长,取决于降价能否激发出额外的算力增量,超额补偿降价损失。在行业发展初期,降价代表的降低门槛,会使得新技术快速渗透,从而产生更多的需求。这也是近一年每一次模型迭代、Token大幅降价下,AI遭受增长质疑时,多头经常用于反驳的“杰文斯悖论”。但海豚君认为,这要分使用场景/行业来讨论不同需求弹性的大小:(1)扩张型(弹性大于1):越便宜,用得越多,总支出反而变大这在Coding领域最典型。以前公司里想做个内部工具,要排期两个月、配两个程序员,大多数需求就这么被搁置了。现在一个下午就能让Agent写出来,于是以前“不值得做”的需求全冒了出来:老代码重写、每个流程都做成工具、全量代码审计。这类需求本来就是被成本压着的,价格一降,用量自然会成倍放大。顺着Coding因降价带来渗透率提升、从而增加行业预算的逻辑,除了加速传统行业的IT化外,整个前沿科学的开发创新、金融投资也属于这一类。(2)对抗型(弹性约等于1):预算趋势跟着对手和行业走。例如诉讼、网络安全、营销等领域。这是一种行业竞争驱使下的暂时性需求膨胀,但中长期会因为投入的经济性ROI下降,随着行业垄断性增强而消失。上述对应的场景,比如对方律师用AI一天能出十份文书,你也得跟上;黑客用AI批量找漏洞,你的防御也得AI化。在这些领域,企业花多少钱不由单价决定,而是由“对手花了多少、这件事值多少”决定。而降价会让同样的预算买到更多的服务,也会让更多原先没有能力的公司参与进来竞争,压缩行业利润。但在行业利润下降的过程中,这种因“内卷”而产生的需求也会减少。(3)通缩型(弹性小于1):需求量是固定的,降价只会让客户少花钱。这种场景是指审计、报税、合规、薪酬核算等。一家上市公司一年就做一次年报审计,季度报税不会因为便宜就多报几次,KYC也是来一个客户审一个。AI把审一份合同的成本降了九成,企业也不会因此多签十倍的合同。这里面省下的钱,直接进了企业的利润表,或者是投向了别的地方。因此以Anthropic的主要增长逻辑,也就是AI在对知识工作者进行替代性渗透时,仍会存在两个“质疑成长性”的问题:a.大多数岗位不属于扩张型在40万亿美金的知识工作者市场中,真正属于扩张型场景的并不占主要部分。以美国为例,整个白领员工数量分布、公司不同部门预算分布来看,约有64%的员工规模和56%的薪资规模是来自非IT、前沿科学等扩张型领域的b.脑力碾压下,短中期的扩张型场景也会更快转为通缩型Coding之所以能成为现在的需求扩张型场景,在于它在传统企业中存在渗透率提升的空间,本质上是IT预算的自然提升。但AI对人类脑力存在数十倍的碾压,目前一个IT开发人员薪资,可以抵得上113个Claude Team高级席位套餐。而产出结果对比上,虽然还不能完全取代真人,但在通用任务的时间节省上,以及一个长任务的时间周期上,已经有明显提升:一年前AI能独立完成的编程任务只相当于程序员两个小时的活;现在已经到了两个工作日,大约每四个月翻一倍。公开代码库里,每五个新的合并请求就有一个出自Claude Code。海豚君简单粗算,一个AI可以替代113*1/5=22.6个真人,也就是给企业省下近20倍的IT薪资成本。因此这种脑力碾压带来的价值通缩下,短中期市场规模可以因渗透率提高而保持扩张,但长期视角上所谓的40万亿脑力市场,不等渗透率走完,这个规模已自动萎缩。因此Anthropic在招股书中对未来增长逻辑的演绎,无论是从“现有”的知识工作者40万亿的薪资规模出发,还是从500强企业的IT预算占比不足1%出发,都犯了一个忽视AI对真人的脑力替代过程中,“现有”人力的脑力价值“远期”自身会大幅通缩的致命bug。三、竞争:价值如何转移,取决于Anthropic未来是AT&T还是GoogleToken的以价换量,用网络运营商“提速降费”的逻辑来理解会比较直观:十来年里,手机流量的单价降了九成以上,人均用量涨了几十倍。但运营商的移动业务收入却基本持平,弹性差不多等于1。那么企业客户端最终省出来的钱去哪了?互联网的价值分布可以告诉我们,去了Google、Meta这些建在流量上面的互联网应用层,当然,这些应用本质是拥有1P流量的“渠道”。这样的行业演进逻辑也很好理解,当网络通信变成同质化服务,用户平行切换的成本很低,那么要获得用户的注意力,就需要投入到渠道建设(触达用户)和生态丰富(留存用户)上。运营商AT&T有终端流量触达的先天优势,但是没能抓住机会发展应用生态、成为最终的Google和Meta。那么AI时代,大模型API服务类比运营商网络通信服务,会出现相似的行业演进吗?海豚君认为:Anthropic目前技术领先,较高智能性主要体现在“长任务能力完成率”,这是每一个小任务完成率的层层累积,任何一步失误都会拉低长周期任务的成功率:每一步只要有1%的出错率,那么500步的长任务几乎必然失败。影响长周期任务的完成率,具体又与“上下文能力”(有效记忆)和“高质量数据”(带结果信号的真实任务轨迹数据)有关。而Anthropic在此之上还多了一层"闭环":2026年9月其代码库超过90%的贡献由Claude完成,每一代模型都在参与构建下一代。它希望靠这种有人监督的部分自我迭代,保持乃至拉大前沿差距——这个飞轮转多快,短中期最终受制于底层可支撑的算力供给。(1)上下文能力:这不是指上下文窗口长度谁更长(当下前沿模型几乎均为100M),而是在于谁能在长窗口里记得准(准确找回信息)、会取舍(主动管理存储内容)。“记得长、记得准”的要求,已经慢慢被同行追平或缩小差距,在100万token里找回8条信息的测试中,Claude今年初曾以76%对30%左右,大幅领先GPT和Gemini;但到下半年,GPT-5.6和Meta的Muse已经追到70–98%,Opus 5.5版本就不再披露这项了。因此,Claude目前主要领先在"上下文管理"工程能力,以及Claude Code里积累的海量真实任务轨迹。这两样都属于Claude Code这类工具层的工程能力,不是模型原生的记忆力。(2)高质量数据:即大量真实任务的完整过程,加上能自动判断对错的强化学习环境(可验证对错和修改过程)。Claude Code的大规模使用,正好为后者提供了源源不断的素材。Claude目前的技术领先,最集中体现在长编程和AI研发这类"长链条、可验证"的任务上。在METR的测试里,Opus 4.6能独立完成约12个专家小时的任务,是同期GPT和Gemini的约两倍。在Vals AI的最新测评中,Opus 5.5的综合能力与Gemini 4基本打平,但在高难度终端任务、自主AI研发、5天航天项目这类长任务上领先5–10个点,而且花的钱只有对手的约1/4。但领先并非全面——在模拟经营一年生意这类偏商业判断的长任务里,Gemini和GPT反而占优。这恰好说明,Claude的优势来自编程场景里海量的真实任务轨迹和可验证的奖励信号,护城河的边界也就在这里。但这道壁垒的有效期大概只有1-2代:开源模型落后闭源约4–7个月,正好是闭源1–2次大版本的间隔。因为一代领先的闭源模型只要发布,就存在被追赶者蒸馏的风险。今年下半年开始,Anthropic和OpenAI的“反蒸馏”措施加码——在原先的隐藏思维链基础上,进一步采取了包括封号、禁止回放推理内容、用分类器拦截等反制动作,目的是让高质量的轨迹数据供给大幅收缩,从而限制竞对、尤其是开源模型进行蒸馏偷师。10月Anthropic宣称被套取的数据因此少了九成以上,类似的效果在下半年的模型发布节奏上也能显现:今年下半年开源每月能力提升(ECI分/月)从1.8分降到0.8分,闭源则从1.7分加速到2.7分,两者差距从5.6分拉大到12.8分。但差距并不是全面拉开。在公开基准和短任务上,开源仍有闭源97–98%的水平;真正拉开的是长周期任务,开源在KSP(长任务测试)上只有闭源的11%。归根到底,差距来自前沿能力闭环迭代(用模型来训练模型,也就是递归自我迭代RSI)的速度。落后者并非无法追赶,通过开源的高质量数据集+内部标注,能够补上一部分的高质量轨迹数据的供给缺口,只是这样的迭代速度就变慢了,如果RSI长期持续有效,那么缩小差距的难度也会加大。所以分情况看:a.并不时刻追求前沿的通用版模型,应用场景例如文案整理、客服、翻译、简单Coding,大概率会走向运营商那样的“基础设施”:按量收费,价格一年比一年低。b.前沿版模型不会那么快变成大宗商品,不仅仅在于模型本身存在闭环的自我改进迭代的空间,同时所适配的需求——复杂编程、投资、法律这类属于上述“对抗型”或“扩张型”的应用场景,客户存在对前沿模型的追求和溢价支付能力。但前沿的溢价,要靠每年几百亿美元的训练投入来维持(Anthropic预计27年训练投入超900亿美元)。一旦某一代模型掉队,就会滑落到需要“死拼价格的通用档”。(3)闭环迭代带来持续优势而后续能够持续保持领先,在于Anthropic的内部高频使用+自我迭代,这本质是一个“越用越强”的自我学习、迭代的逻辑。但能够让更多人持续使用的前提,就是需要有充足的算力。Anthropic在2025-2026年区间,近乎疯狂地预采算力。虽然明面上没有OpenAI喊出“星际之门”更吸睛,但25年下半年开始私下里的算力采购动作同样不少,截至目前已经披露的算力合约/芯片采购算下来大约对应11GW的未来算力储备,这要高于OpenAI星际之门的10GW规模体量。2.从模型到产品、生态,才是真正的护城河AT&T的教训是:能触达用户,不等于就是用户的入口。如果不进一步丰富到终端应用,甚至生态层,那么纯API就是AI时代的“通信管道”,尤其是软件定义的技术服务和产品,技术上的切换成本并不高:a.客户在Cursor、Copilot和各家SaaS里调用Claude,用户想做什么,是在别人的界面上表达的。b.换一个模型往往只需要改一行配置。MCP这类开放标准,加上同时在三大云平台上架,等于主动把客户的转换成本降到了"电信行业的携号转网"的水平。真正的壁垒是用技术领先,造出商业生态的护城河,最终体现在三个方面:1)入口:用户直接在Claude Code和Claude应用里说明“要做什么”,这才是类似Google搜索框里具备的高价值“意图入口”。2)沉淀:长期记忆、项目上下文、团队的技能和工作流一旦沉淀在Claude里,迁移成本就像Meta的社交关系链,用得越久越难离开。3)渠道:正如互联网时代操作系统、Office和浏览器掌握在微软、苹果和谷歌手里,成为它们渠道生态建起来的地基。Anthropic要争的是成为企业工作流里的默认选项,是具备1P流量的渠道,而不是嵌在别人的产品里当零部件。在做成之前,需要付出一些代价,和自己的一部分早期客户进行竞争:即Claude Code要直接和Cursor这类API大客户抢用户。类比到AT&T,当年为了保护短信收入而不敢做互联网应用。Anthropic如果为了保住API收入而不敢做入口,就会重蹈覆辙。因此,从长远视角看Anthropic的价值,除了TAM大小,也要看Anthropic的最终角色是AT&T(管道)还是Google(生态闭环)。它最终值1万亿还是3万亿,关键不在卖了多少token,而在用户的意图,最终是在谁的界面上表达,并实现生态闭环。从这个角度出发,Anthropic与直接接触用户的终端渠道,还必有一场入口争夺权之战。四、如何对Anthropic做价值判断?前文<二、三>两节其实已经给出了价值测算要用的核心要素:TAM、市占率。但在不同的时间段,对公司价值起决定作用的关注重点不一样:a.短中期(1–2年)看供给。短期算力供不应求,Anthropic已经预定到三年之后,即时算力的价格也高至4-500亿美元/GW,几乎和自建的投入差不多。但前者只是年化的租金,后者自建则500亿的投入可以分摊到5年以上。因此短期TAM取决于算力供给。市占率上,当下在行业发展早期、且模型技术仍存在先发优势(自学习迭代)的情况下,Anthropic竞争不会被轻易颠覆,因此海豚君预计市占率问题也是依赖Anthropic对于签约算力的把控能力,以及推理算力的配给。b.长期(5年)看产业链定位。届时算力供给不再稀缺,成本端被打下来。Anthropic的收入会更取决于它的产业链定位——这决定了它真正可以触达的TAM是多少,以及市占率。如果是类“Google”的生态站位,拿的是整个广告池子中属于它的份额;如果是“AT&T”的位置,只能拿通信流量的成本加成。下面我们先算短期中性,再算长期的两种站位:乐观(成为Google)、悲观(成为AT&T),最后按概率加权,看IPO价格到底贵不贵。1.短期中性情景:目前Anthropic的总算力,纽约时报报道是今年末在运算力达到3.5GW,明年末可以翻倍,也就是7GW。28年,Living with Agents披露合计有11.3GW。海豚君通过目前已签合约的规模和披露的1P和3P算力GW信息,大约算得27、28年分别为5.1和9.3GW。其中的差距在于,媒体报道为年末值,海豚君在用合同额/年限/单GW成本计算时,本质上算的是周期内的平均算力值而非期末时点的数值。而若按媒体报道的年末数值,与年初进行平均计算后,实际结果与海豚君的测算值也差异不大。海豚君按照Token降价(过去一年新一代模型基本降幅70%,假设27年降幅因RASA算力限制法案而减少至50%)、单位GW算力效率因芯片、模型算法迭代而产生更多的Tokens(过去芯片1-2年迭代周期,单位算力翻倍),预计未来单位GW的创收仍然不可避免地要往下走。上述预测下,预计中期视角2028年收入不到2000亿。但在估值倍数上,海豚君认为只能相当于过去成长型SaaS一般估值的50-60%。之所以有折扣是相比普通SaaS股,它的商业模式不够轻,要保持领先性,短期要抢建算力、做大BS表,以及运营期间还需要持续投入做训练保持技术优势。因此相比于SaaS只要平台搭好、销售渠道建立,那么成熟稳态时就可以美美享受80%以上的边际毛利率、50-60%的经营利润率,Anthropic的盈利效率没那么高。按上述框架折现回当下,IPO最终定价已经落在海豚君中性判断的偏上沿;相比最初的定价预期,后续的收益弹性已经明显收窄,如果估值继续大幅抬升,风险收益比就差了。2.长期乐观情景乐观情景的前提是:Anthropic借着模型优势,在中短期持续扩大生态版图,从“卖API(算力+模型)”做到“卖生态(从芯片、算力到渠道销售,一手把控)”,最终在AI应用层和另外两家巨头三分天下。能不能做到,要看生态赢家需要具备的五个条件,和几个对手比一比:从上图一眼就能看出,Anthropic最大的短板是没有对终端客户的绝对入口——除了对AI基建把控力弱,它没有手机,没有操作系统,没有十亿级用户App、作为to B业务,没有CSP们大量云客户的渠道力。它能参与的“三分天下”,更可能是企业和开发者这一层的Agent入口,和谷歌、OpenAI/微软并列。那么,乐观情景演绎则是:Claude Code从程序员的工具,扩展成Cowork这样覆盖销售、法务、财务的工作台,再成为企业部署Agent的默认平台;MCP成为行业通用的接口标准。走到这一步,Anthropic就不再只是按token收费(算力成本+一定的盈利空间),而是能收取更多的生态溢价。上文海豚君列举的扩张型、对抗型、通缩型应用领域,如果均按照25%的AI工作接受率,但AI成本只需原人工的1/10,分别对应用量放大1倍、0.5倍、不变来算,那么合计AI承担的部分预计花费企业成本1.14万亿美元。3.长期悲观:困守模型层,估一个“基础设施”的大宗价值海豚君的悲观情景是:Anthropic在领先期内没有建立生态优势,模型能力进化变慢后,被同行一个个追平,公司和行业也一直困在模型层,成为AI产业的基础设施成本,被大宗商品化。也就是说模型价格不断下降,最终稳定价格只能在算力成本上增加微薄的利润空间。打个直观比方,目前Anthropic签订的3P租赁算力大约为每GW年租金140亿美元,若未来每GW年收入下降逐渐逼近140亿,那么对于Anthropic来说,再去新签算力扩张这笔单纯卖模型的生意,已经没有意义。此时如果无法转型做出生态,那么结局大概率是提前卖身给已经占住了产业链中的入口位置,或者是AI应用层龙头地位的公司。因此假设最终模型层的利润率空间看齐成熟制造业、受管制的公用事业的经营利润率水平10%。目前Anthropic已签万亿的算力合同,按合同周期直线摊销后预计2029年的算力成本达到巅峰为1722亿美元,再加上占收入15%的其他经营费用,那么还原下来,预计2029年收入为2300亿美元。假设在此时选择卖身,按照20%的综合税率,净利润184亿,按照大宗商品或成熟制造商、运营商估值,再加上手中还有1000多亿的净现金,因此合计股权价值只剩3000亿美元。不过海豚君得提醒下,这种假设比较极端,是假设未来三年后模型层就迅速同质化并大幅贬值。但目前而言Anthropic能确定还有最少一年的绝对领先优势。美国在AI上游生产资料的封锁越凶猛,也会延长Anthropic的绝对技术优势窗口期。除此之外,相比于AT&T当初错失成为互联网巨头机遇,Anthropic的做法截然不同,已经开始布局和丰富生态,只有面向客户还缺少一个超级流量的终端平台载体。因此Anthropic能不能避开运营商的结局,要看它能不能在企业端把“工作入口”做出来:企业员工打开电脑先开Claude Code/Cowork,企业部署Agent默认用Claude和MCP。企业端的入口不像手机那样被操作系统垄断,这是Anthropic比当年运营商多出来的一条路。就在本季初,Anthropic接连发布了多个可以对标微软办公套件的产品。说在最后:综合短期中性、长期乐观和悲观三种情景,就Anthropic目前的经营状态,在1–3年的短中期视角下,IPO最终定价相对合理。但业绩能见度低是关键bug,因此任何以几万亿、数十万亿TAM来做乐观假设的分析,海豚君认为都极大的忽视了AI带来的脑力通缩风险。虽然这并不妨碍Anthropic短期因为在上市资产中的稀缺性而享受估值溢价,以及终局难断情况下,上限很难判断。正如SpaceX上市后的表现,在市场情绪比当下明显更兴奋的时期,会出现把估值打到乐观区间的可能。但正如海豚君在文中乐观预期的假设情景(考虑了部分“脑力通缩”影响),要支撑乐观价值测算,需要Anthropic最终在整个AI应用层站住脚,成为三巨头之一。但目前就下这样的认定判断,显然过早、缺乏可信度。当下这个节点上二级资金持有Anthropic,长持的超额收益本身也来源于对终局生态位的博弈和判断。不过远程算力的监管限制,造成对开源模型的临时暴击,倒是有助于Anthropic上市后的情绪能够比之前预想的维持得更久。最后值得一提的是,Anthropic也存在类似SpaceX一样的阶梯式解禁节奏,以缓解集中巨量解禁的冲击:回顾SpaceX每一轮解禁下市场反应,比较明显的冲击主要在首次以及解禁量比较大的几次,尤其是配合上市情绪脉冲、带动估值快速走高后,从而加剧后续的回落幅度。但对其他波的解禁窗口,市场会逐渐“免疫”。如下图,本次IPO最终定格基础发新股9.6亿(不含联创卖老股),定价83元;由于认购较好,绿靴完全用新股执行,再加同步私募融资,融资接近1200亿美金。这其中,锁定的股份约155亿股,是IPO首秀流通盘的12倍,这些股份将在一年时间内分25个窗口逐步放开解禁。最大的三波,分别是在明年的3月初(26年报后的第2个交易日)、5月中旬(Q1财报或上市第180天两者较早日期)以及11月(Q3财报或上市365天两者较早日期),届时可以关注和回避一下窗口期附近时的交易风险。
区富祝:数字人民币,如何成为亚太跨境支付新基座?
虎嗅 · 1 天前
本文来自微信公众号: IPP评论 ,作者:区富祝,原文标题:《APEC时间|区富祝:数字人民币,如何成为亚太跨境支付新基座?》内容提要:习近平总书记在2025年APEC庆州峰会上明确提出,深化财金领域合作、充分发挥数字技术对跨境贸易的促进作用,为数字人民币跨境支付提供了根本遵循。2026年APEC深圳峰会,是数字人民币从技术验证走向制度推广的重要窗口期。IPP副研究员区富祝指出,当前,这一工作的推进面临安全资产不足、出口同质化、回流机制滞后、国际化长期代价四方面约束。应锚定中国产业链优势,打造开放兼容的补充性支付安全网,形成“防波堤”,进而为亚太提供制度化的区域公共产品。窗口期应推动标准对接、支付沙盒、多轨接入和结算激励体系建设,长期则需在制度与市场两端同步推进能力建设,确保风险防护贯穿始终。习近平总书记在2025年APEC庆州峰会上明确提出“深化财金领域合作,稳步推进区域经济一体化进程”“充分发挥数字技术对跨境贸易的促进作用”,为数字人民币跨境支付提供了根本遵循。2026年APEC深圳峰会,正是数字人民币跨境支付从技术验证走向制度推广的重要窗口期。打造数字人民币亚太跨境支付新基座的三重意义(一)回应APEC的支付碎片化与整合需求亚太经济总量已超全球六成,贸易总量接近世界一半[1],但支付系统碎片化、监管标准各异、技术协议互不兼容——推高了区域商业成本,尤其将中小企业挡在跨境贸易的门槛之外。整合区域数字支付通道,降低支付摩擦,直接关系到亚太经济一体化的深度和包容性,是APEC自身的紧迫议程。2026年2月举行的亚太经合组织财政和央行副手会,通过了中方提出的2026年APEC财金渠道工作计划。在此背景下,数字人民币跨境支付可以为亚太经济体提供一套在特殊情境下仍可运行的补充性支付安排,有望成为回应上述需求的可行方案。当前中国在跨境人民币支付和数字货币基础设施方面已有多项积累:——人民币跨境支付系统(CIPS)覆盖范围和业务规模持续扩大;——多边央行数字货币桥(mBridge)在2024年达到最小可行产品阶段,实现了多币种秒级直通式跨境支付;——中国已与印尼等多个国家建立双边交易本币结算框架,并启动了二维码支付互联互通。这些条件表明,数字人民币跨境支付在国内和双边层面的技术验证已基本完成,下一步的关键是把可验证案例转化为更多经济体愿意评估、测试和接入的区域合作框架。截至2026年9月,人民币跨境支付系统(CIPS)拥有214家直接参与者和1651家间接参与者,间接参与者覆盖亚洲、欧洲、非洲、美洲和大洋洲。图源:CIPS官网(二)塑造中国的金融韧性与制度话语权一是降低对单一支付通道的过度依赖。当前全球支付体系高度集中,一旦面临制裁、冲突或系统性冲击,缺乏备用通道的经济体将直接暴露于外部风险。数字人民币跨境支付的首要意义,在于提供一套在特殊情境下仍可运行的补充性支付安排,降低脆弱性。二是把制造业枢纽地位转化为结算货币的使用场景。中国是全球最大的制造业经济体,也是亚洲供应链网络的核心枢纽。因此,打造数字人民币跨境支付新基座,有望充分利用港口物流结算、跨境制造业采购、工业中间品贸易、跨境电商平台回款等真实贸易场景,推动人民币结算需求跟随中国产业议价能力同步增长。三是借APEC平台加快确立跨境支付的接口规则。未来国际货币影响力不仅取决于经济规模和金融市场深度,也取决于支付网络、技术标准和接口规则。APEC的21个经济体覆盖全球近半贸易,其数字支付标准的协调本身就具有塑造下一代国际金融基础设施的潜力。跨境支付网络的建设和接口规则的制定,是话语权竞争的前沿。数字人民币让中国第一次有机会在这一层面参与规则设定。(三)为全球南方提供可信任的支付选项当前美元体系的不稳定性正在增多。从金融制裁到切断SWIFT通道,美国将美元支付体系“武器化”的种种趋势,正使越来越多的新兴经济体意识到过度依赖单一支付通道的系统性风险。美联储货币政策周期的外溢效应反复冲击发展中国家的汇率稳定和资本流动。新兴经济体需要的不是一个“替代霸权”,而是一组可选择的、以主权信用为基础的、不被用作地缘政治工具的支付安全网。中国有意愿也有能力提供这样的区域性货币公共品。有研究表明,中国的对外投资已在为部分发展中国家对冲美元潮汐冲击提供“减震”功能。从中国借款较多的国家在面对美联储紧缩周期时表现出更强的抗冲击能力。人民币互换网络正发挥区域流动性支持的初步作用。数字人民币跨境支付有条件将这种零散的、应急式的安排升级为制度化、可预期的公共产品供给。推进数字人民币跨境支付面临的约束与盲区(一)需方约束:人民币安全资产供给不足一种货币的国际化,不仅取决于支付清算效率,更取决于持有者能否找到足够深度、足够流动性的资产池来配置资金。美元之所以长期维持核心储备货币地位,不仅因为它是主要的贸易结算货币,更因为美国国债市场提供了全球最大、最深、最具流动性的安全资产池。对人民币而言,这一条件目前仍有较大差距。规模上,2025年末境外机构和个人持有境内人民币金融资产超过10万亿元[2]。而截至2026年2月,外国投资者持有的美国国债总额已攀升至约9.5万亿美元[3](折合超过64.6万亿元人民币)。尽管两项数据统计口径不同,但仍可反映出人民币资产国际配置规模与美国国债市场之间的明显差距。接入便利性上,境外投资者进入中国银行间债券市场平均接入周期约2—4个月,而美国国债市场境外投资者几乎可当日接入。在风险对冲工具方面,境外机构管理人民币债券的汇率和利率风险,主要依靠离岸人民币外汇掉期和利率互换,相关工具品种较少,流动性远不及美元市场。在制度信用方面,安全资产的本质不在规模大小,而在违约概率的可预期性。18世纪的英国凭借“议会监督+税收质押+央行管理”的三位一体机制,使其国债成为当时全球安全资产的基准。中国国债市场目前在信息披露穿透性、违约处置可预期性、评级体系国际可比性等方面,与国际投资者的制度信任要求仍有落差。四个维度的差距下,尽管支付端做到了“钱秒到”,但持有端“钱能去哪儿”的问题未能解决,境外主体持有和使用人民币的意愿仍会受到根本性抑制。支付通道是“路”,安全资产是“目的地”,仅有道路而无目的地,难以形成持续的流量。(二)供方约束:出口结构同质化锁定美元计价贸易计价货币的选择背后有清晰的经济逻辑。大宗商品天然倾向于以单一主导货币计价,以降低交易成本。中国是全球最大的原油、铁矿石、大豆、铜矿进口国,这些品类几乎全部以美元计价。在制成品贸易中,情况则有所分化。机电产品、光伏组件、新能源汽车等品类已出现人民币计价的增量案例,中国在这些领域的议价能力正在上升。但中国出口中仍有相当比例属于加工贸易和中间品贸易,定价权受制于全球供应链的链主企业,成本核算和内部定价多在美元体系内运行。值得重视的是,上述出口商品同质性越高(商品在性能、质量、用途等方面高度相似,竞争激烈,价格常成为主要竞争手段),人民币在相关贸易计价中的占比就越低。同质性商品市场竞争充分、价格透明,出口商倾向于跟随行业主流选择美元计价,以维持价格可比性,形成“羊群效应”。产业升级不仅是经济转型的内在要求,也是人民币国际化的基础条件。支付基础设施能降低交易成本,但无法替代出口结构升级带来的议价能力提升。(三)机制约束:资金回流跟不上支付通道扩张人民币国际化面临一个经典难题,即境外持续积累的人民币最终需要通过经常项目逆差或资本项目流入实现回流。中国长期保持经常项目顺差,贸易渠道的人民币回流天然不足;资本项目开放又受制于金融稳定的审慎考量。目前债券通、CIBM Direct、跨境理财通、沪深港通等渠道虽已提供若干回流路径,但各有准入门槛、额度限制和适用范围。支付通道的推进需要资金回流机制同步扩容,否则可能形成“支付端的节点延伸、持有端的容量不足”的非对称格局。有研究发现,中国可以不依赖贸易逆差输出本币,转而以“风险投资者”角色参与国际金融市场。在资产端,通过股权投资、对外直接投资和跨境人民币贷款向外投放人民币;在负债端,以国债等高等级资产满足境外主体的安全资产配置需求。安全资产的输出与风险资产的增持可以并行,产业结构未必需要走"去工业化"的老路。这一路径对中国金融机构的全球投资能力提出了更高要求,但在逻辑上为破解回流难题提供了替代方案。(四)成本约束:国际化的长期代价不能低估推进人民币国际化意味着在资本流动这一端逐步松开闸门,货币政策自主性和汇率稳定两端将同时承压。从国际经验看,这种压力可以归纳为四类。第一,货币政策自主性被稀释。日本在20世纪80年代至90年代推动日元国际化期间,境外日元资产规模显著上升,央行对国内流动性的调控精度相应下降。这一成本具有非线性特征,境外存量突破某个阈值后,对国内货币政策的约束可能加速上升。第二,汇率波动传导更复杂。人民币离岸与在岸汇差曾多次出现扩大的迹象[4],显露出跨境传导的潜在风险敞口。2021年至2026年初,人民币在岸汇率(CNY)、离岸汇率(CNH)、人民币兑美元中间价及中间价上下2%的交易区间变化情况。图源:美国外交关系协会(CFR)第三,金融监管复杂度持续上升。跨境支付通道每增加一个节点,反洗钱、反恐融资、制裁合规、数据跨境的监管要求就增加一层。第四,“最后贷款人”义务的外部预期。货币国际化到一定阶段,国际社会可能形成对发行国在危机期间提供流动性的预期。2008年美联储与14家央行建立货币互换安排就是先例。日本的教训尤其值得深思。日本推动日元国际化时,境外日元通过贸易信贷大量回流,形成了迂回式放贷的困境。海外日元资金经由国内银行体系转化为对国内企业的贷款,绕开了日本央行窗口指导对信贷规模的直接调控,削弱了货币政策的精准性。日本的失误在于,在出口结构仍以同质化制成品为主、金融市场深度不足以吸收跨境资本波动的阶段,就过快放开了资本项目。这给我们的启示是,在产业升级和金融深化尚未到位时贸然推进货币国际化,风险可能远大于收益。此外,多极货币格局并非天然稳定。历史上英镑与美元形成双雄并立格局时,多极体系并未带来制衡与稳定,反而因信息不对称和投机性资本在不同货币间频繁切换,制造了20世纪二三十年代的剧烈波动。这一警示的现实意义在于,随着国际货币体系格局的变化,尤其是在全球南方对多元支付选项的需求推动下,人民币国际化的推进是一个顺势而为的过程,而非刻意追求储备货币份额的竞赛。但多极格局天然伴随着更高的市场不确定性,政策设计的重点应当放在提升对这一波动的应对能力上,既顺势推进,也做好承受更大波动的准备。长期能力建设的推进路径当前国际货币体系在单边主义和安全化逻辑中剧烈晃动,国际社会面临的核心问题是谁愿意并有能力提供下一个时代的公共产品。中国的对外投资已在提供“减震”功能,人民币互换网络正发挥初阶作用,数字人民币跨境支付有条件成为中国向国际社会提供的下一项公共产品,打造一组开放、兼容、可选择的支付安全网。因此,数字人民币跨境支付从近景操作到远景战略的完整路径,应从“防波堤”出发,通过公共产品供给逐步成为区域稳定核心。(一)在制度与市场两端同步推进1.扩大人民币安全资产池并建设制度信用。在规模维度,逐步扩大国债、政策性金融债、高等级央企债以及离岸人民币短债工具等人民币安全资产供给。在市场功能维度,发展人民币国债回购市场,使境外持有的人民币国债可以作为抵押品在离岸市场获取流动性。当“持有人民币国债”同时意味着“获得融资便利”,境外主体的持有意愿将显著提升。在制度信用维度,推进信息披露穿透性、违约处置可预期、评级体系国际可比。2.完善离岸市场与风险对冲工具。优先强化香港、新加坡、阿联酋、印尼等区域节点的离岸人民币功能,这些地区兼具区域贸易中心属性和相对务实的合作环境。同步发展离岸人民币外汇掉期、利率互换、人民币计价大宗商品衍生品以及跨境汇率避险工具,提升支付效率的同时,推动形成稳定持有需求。3.推动“数字人民币+供应链金融”融合。产业链的智能化升级将催生人民币化的内在需求。当亚洲供应链网络中的企业在技术层面实现数字化对接,使用人民币作为结算和贷款货币便有了真实的商业逻辑。应重点推动数字人民币在港口物流、跨境制造业采购、工业中间品贸易、跨境电商平台回款和区域产业链金融等场景中的应用,以真实贸易需求驱动人民币的国际使用。4.探讨风险投资者的数字人民币回流路径。探讨将风险投资作为回流路径,并推动转化为制度安排。设立面向区域的人民币产业投资基金,发展人民币计价的股权投资和跨境产业贷款,使中国以“风险投资者”角色向外投放人民币,在资产端和负债端同步推进人民币的国际循环。这对中国金融机构的全球投资能力提出了更高要求,但在逻辑上为破解回流难题提供了替代方案。5.面向全球南方的专项支付安全方案。全球南方国家容易在美元紧缩周期面临支付危机、本币贬值时的进口支付中断、中小企业被排除在传统代理行网络之外等问题。这些是数字人民币可以针对性解决的现实痛点。建议将数字人民币跨境支付与双边本币互换协议、应急流动性工具打包,为有意愿的发展中经济体提供一揽子支付安全方案,使数字人民币"公共产品"定位有具体的落地形态。风险防护:确保推进节奏与承受能力匹配1.建立跨境人民币流动监测体系。国际化进程中的成本具有非线性特征——境外人民币存量突破某个阈值后,对国内货币政策的约束可能加速上升。必须建立与推进节奏相匹配的常态化监测框架,重点跟踪离岸人民币存量变化、跨境短期资本波动、在岸离岸汇差、跨境期限错配风险和离岸人民币流动性压力等关键指标。在风险积累到临界点之前发出预警,为政策调整留出时间窗口。2.利用数字人民币可编程性建立贸易背景穿透式管理。“防波堤”能否真正阻挡套利热钱而不阻碍正常贸易支付,关键在于有效区分两类资金流动。通过智能合约和可编程支付指令,对每笔跨境交易预设贸易背景校验规则。对锚定海关报关单、增值税发票、供应链订单的支付指令给予自动快速通道;对脱离贸易背景的大额高频支付设置额外合规审核节点;对同质性大宗商品贸易和差异化制成品贸易设置差异化的额度管理和流动规则。3.建立有限开放、分层推进机制。根据合作经济体的金融开放程度、监管协调能力和风险水平,设置差异化的额度、场景和接入权限。短期可从贸易结算场景起步,逐步向投融资场景延伸;对资本项目相关业务设置更高门槛和更严格的监测要求。通过分层推进确保开放的节奏与国内制度建设进度相匹配。4.探索区域流动性支持安排。中国目前已与数十个贸易伙伴签署本币互换协议,人民币互换网络已具备区域流动性支持的初阶功能。下一步应在此基础上,探索设立区域应急流动性工具和临时结算便利,在贸易伙伴面临美元流动性骤然收紧时,提供以人民币计价的替代性短期融资通道。增强区域支付体系的抗冲击韧性,推动人民币国际化从双边互换向制度化区域安全网升级,构成从“防波堤”走向“公共产品”的过渡环节。参考资料:[1]《超125万亿元!中国与APEC其他经济体进出口交出五年答卷》,中国服务贸易指南网,2026年2月5日。https://tradeinservices.mofcom.gov.cn/article/news/gjxw/202602/181647.html[2]《两会速递丨中国人民银行行长:2025年末境外机构和个人持有境内人民币金融资产超过10万亿元》,新华社,2026年3月6日。https://www.news.cn/politics/20260306/bc98e30aefe84b79ab703bc6abf0e691/c.html[3]《TIC Form SLT—U.S.Transactions with Foreign Residents in Long Term Securities(Table 5)》,美国财政部,2026年3月30日。https://ticdata.treasury.gov/resource-center/data-chart-center/tic/Documents/slt_table5.html[4]《离岸人民币指数》,中国银行,2021年9月30日。https://pic.bankofchina.com/bocappd/rareport/202202/P020220211688406002545.pdf
头部餐饮,扎堆“折腾”新店型
虎嗅 · 1 天前
本文来自微信公众号: 餐企老板内参 ,作者:内参君近一个月内,超10家头部餐饮开出非标新店今年,餐饮行业出现了一个明显变化:头部品牌的店型创新正在提速。单是近一个月的品牌案例就两个手都数不过来,涉及正餐、快餐、茶饮、火锅等多个赛道。越来越多品牌不再惯于复制原有的标准化门店,而是开始尝试不同的空间形态、消费场景和经营模型。有的“店中店”试水,有的围绕特定场景做文章,也有的从经营模式上寻找突破。西贝就是一个典型案例。10月底,西贝在其北京旗舰店内内嵌50㎡火锅专区,打造“腾格里草原鲜肉火锅”全新模型。主打一人一锅、草原鲜羊涮品,锅底低至13元/位,整体人均110元。门店整体分为两大用餐区域,一侧为传统西贝正餐区,一侧为全新火锅专区,顾客到店后可按需分流落座,互不干扰。这是在原有门店里做加法,近日,西贝在呼和浩特推出的“天边冰煮鲜羊”首店,则是两只脚踏进了火锅赛道。“天边”是今年西贝推出新的系列品牌,在“砂锅焖面”“天边羊多”之后,新店以冰煮鲜羊为特色,强调食材新鲜和现场制作,人均消费102元。必胜客旗下汉堡品牌必胜汉堡同样采用了“店中店”。10月底,必胜汉堡在南宁开业,与现有必胜客门店共享经营空间和客流。门店定位一人食赛道,面包每日现烤,牛肉饼现煎,时蔬冷链鲜切,所有食材与工艺执行西餐厅出品标准,明厨亮灶全程可见。大米先生也有新动作。其10月份推出全新店型“大米先生健康餐厅”,餐厅聚焦健康漂亮饭,引入大量绿植,增加了皮质座椅和沙发等,同时主打新鲜菜、新鲜肉。大众点评显示,该店客单价为30元。茶饮品牌的动作则更加多元。10月19日,全国首家喜茶茶坊2.0门店落地深圳,“喜茶卖薯条、卖炸鸡”刷屏社交平台。今年以来,喜茶试水多种特色门店,从喜茶lab 2.0到喜茶工艺店,再到陆续落地烘焙实验室、蛋糕实验室、喜拉朵实验室,不断探索茶饮门店的边界。霸王茶姬则把非标店开进了更有烟火气的地方。品牌先后在阿那亚和昆明开出imagine门店。这些店不再强调统一的品牌形象,海边店融入度假氛围,菜场店则尝试与市井生活融为一体。对品牌来说,imagine更像是标准门店之外的创新试验场。此外,老牌糖水品牌鲜芋仙也在尝试新的门店定位。11月3日,鲜芋仙首家甄选店落地,首次以甄选店形态进入上海高端核心商圈。新店不仅推出专属手作产品,也在空间设计和消费体验上进行升级,承担起品牌探索高端化的试验任务。除了以上品牌,还有海底捞孵化副牌捞派・鲜烫小馆、麦当劳推出首家海洋主题餐厅和府捞面筹备全新高端门店模型“和·汤面”北京首店等等。以前的餐饮创新主要是“产品创新”,现在“店型创新”成为头部品牌寻找增量的一条新路径。过去,餐饮品牌通常是先跑通一套成熟的门店模型,再通过标准化复制实现规模扩张。但如今,品牌开始主动打破原有门店框架,尝试用不同的店型覆盖更多消费场景,寻找新的增长机会。连锁品牌为何扎堆开非标店?当餐饮市场进入存量竞争,连锁品牌想要继续增长,已经很难只靠复制原有店型了。于是,非标店开始成为不少连锁品牌寻找增量的新尝试。往深了看,主要有三个原因。首先,存量竞争下,标准店型的增长空间正在收窄。从商场餐饮的经营环境来看,这种压力已经比较明显。赢商网统计,商场餐饮年闭店率超过30%,门店平均存续周期缩短至15个月;购物中心餐饮占比已经抬升至30%—35%,餐饮赛道的竞争越来越激烈。一方面,核心商圈和成熟商圈逐渐饱和,租金、人力等经营成本不断挤压单店利润;另一方面,同一种店型能够覆盖的消费人群和场景毕竟有限,同品牌门店加密后还可能出现同质化和客流内耗,这种情况下,非标店是很好的品牌实验、点位渗透的方式。其次,低成本孵化第二曲线,用门店做品类验证,拓展品牌边界。产品创新门槛低、容易被抄、只能拉动短期流量,且只能在原有门店里做增量,很难突破原有模型天花板。同时,千店一面的大标准店,装修投入高、图纸固定,一旦商圈客流下滑,沉没成本极高。朱光玉创始人曾提到:“今天所有餐饮人都看到非标的优势,这就叫拒绝品类照搬,模式需要重构。”这句话点出了非标创新的核心不是简单地换一套装修、换一个门头,而是要根据不同商圈、消费人群和经营需求,重新思考产品与门店模型之间的关系。非标店既能做小面积社区店控投入,也可以做独栋主题店做品牌势能,在空间、菜单、时段做定制。品牌不再是一把梭哈式扩张,而是小步测试不同商圈、不同客群,单店投入模型更灵活,用来对冲标准店盈利波动的风险。第三,消费需求越来越分化,品牌需要用更多元的方式触达消费者。大米先生推出健康餐厅,尝试从日常快餐中进一步细分出健康饮食需求;霸王茶姬把门店开进菜市场、度假空间,让茶饮融入更具体的生活场景;喜茶则通过茶坊、烘焙实验室等不同形式,探索茶饮之外的产品和体验边界。这些尝试看起来各不相同,但背后都是品牌不再只等待消费者走进原来的门店,而是主动走向不同的生活场景,用不同的产品、空间和服务吸引新的客群。归根结底,非标店的流行,并不意味着连锁品牌要放弃标准化,而是标准化已经不足以应对所有市场需求。过去是一个品牌、一套店型打天下;如今则是一个品牌、多种店型并行。标准店负责规模化复制,非标店负责探索新场景、验证新需求。非标店热潮,重新考验品牌连锁化能力非标店看起来给连锁品牌打开了新的想象空间,但这并不意味着标准店已经过时。恰恰相反,对于大多数成熟连锁品牌来说,标准店依然是最重要的经营底盘。它承担着品牌规模化扩张、稳定营收、供应链运转和品牌形象输出等多重任务。成熟的产品结构、人员培训体系、采购标准和运营流程,也都是品牌能够持续复制门店的基础。但现实中,非标店也很容易走入可能的误区。一、场景创新容易,持续盈利很难非标店往往自带新鲜感。无论是开进菜市场、景区,还是增加烘焙、火锅等特色区域,都容易在开业初期吸引消费者打卡。但打卡流量不等于稳定生意。尤其是一些主题店、实验店,装修设计和空间改造投入可能更高。如果没有与之匹配的客流、客单价和复购率,所谓的差异化反而可能变成额外的成本负担。二、对供应链和运营管理要求更高标准店可以依靠相对成熟的流程实现规模化管理,但非标店往往意味着不同的面积、产品组合、设备配置和消费场景,对供应链弹性、人员调度、门店管理和数据分析都提出了更高要求。尤其对中小品牌来说,如果自身的供应链和管理能力尚未成熟,盲目跟风布局非标店,很可能还没等到新增长,就先背上了额外的经营负担。三、非标店容易陷入“为了创新而创新”非标会不会变成新的跟风?过去餐饮行业流行什么,品牌就跟着做什么。从主题餐厅、沉浸式体验,到露营风、国潮风,很多创新最后都停留在装修和空间层面。如今非标店也可能面临类似的问题。但不同品牌的客群、产品基因、供应链基础和经营能力并不相同。适合一家品牌的店型,未必适合另一家。如果没有找到与自身品牌相匹配的消费需求,非标店很容易沦为一次品牌话题,或者稀释品牌原有认知。因此,店型创新并不是新的增长万能公式。真正有价值的非标店,不应该只停留在单店出圈,而是要通过真实经营数据,找到能够被验证、被复制的有效经验。比如,某种小面积模型能否降低租金压力?某种产品组合能否提高复购?某种场景设计能否带来新的客群?这些经验如果能够被沉淀下来,进一步转化为品牌新的标准模块,非标店才真正发挥了试验价值。小结回到餐饮行业的竞争主线,未来优秀连锁品牌比拼的,是标准店守住基本盘,非标店探索新机会;前者保证经营效率,后者打开增长空间。说到底,连锁品牌需要的不是越来越多的特色门店,而是能够支撑不同店型长期运转的底层能力。非标创新的目的,就是让品牌拥有更多适应市场变化的能力。
这届大学生,狂卷黑客松
虎嗅 · 1 天前
本文来自微信公众号: 定焦One ,编辑:雷晶,作者:定焦One团队还没毕业,大学生已经忙着搞AI项目了。定焦One(dingjiaoone)原创黑客松越来越火了。据AI赛事社区“AI赛事通”统计,今年上半年,全国举办了近500场黑客松,平均每天有两三场,主办方包括高校、科技公司和创业社区。黑客松(Hackathon)是一种限时开发比赛。参赛者通常需要在24小时、48小时或72小时内组队,从提出创意、设计方案到开发产品,最终交出一个能够运行的Demo。为了赶在截止时间前完成作品,熬夜写代码、临时修改方案、踩着点提交项目,都是常事。过去,这类比赛主要面向程序员和技术开发者。如今,随着AI Coding能力不断提升,编程门槛降低,不会写代码的人也有机会借助AI把自己的想法做成产品。比赛的形式也越来越丰富,除了传统的软件开发,还有AI游戏、智能体应用、AI视频创作等不同类型的赛事。参赛者里,出现了不少还没毕业的大学生。除了计算机专业,新闻传播、外语、影视等专业的学生,也开始出现在黑客松赛场上。他们参加比赛的目的各不相同。除了积累项目经验、为毕业求职增加筹码,他们也希望借此接触行业、结识志同道合的伙伴,或者尝试把自己的创意变成产品。对于他们来说,黑客松有点像一场浓缩的职场实践。有人第一次当产品经理,有人带队开发,有人经历了从提出创意到交付作品的完整过程。AI让他们更容易把想法做出来,但也让他们提前遇到了现实问题:功能做不完怎么办?技术实现了,产品就有价值吗?一张获奖证书,又能在求职时带来多少帮助?我们和五位参加过黑客松的大学生聊了聊。有人获奖后开始考虑创业,有人连续参赛却屡屡失利,也有人发现,自己需要补的课远比想象中多。以下是他们的讲述。01.半年拿下两个一等奖,文科生也能做AI产品江江|南京大学研二新闻与传播专业一直以来,我都是个比较踏实、按部就班的学生。本科和研究生学的都是新闻与传播,我也挺喜欢自己的专业,觉得毕业后大概率会去企业做营销、广告或者内容相关的工作。今年3月,学校开设了一门AI+产业相关的课程,我开始系统接触AI。有一次,老师推荐我们去参观在南京举办的高校黑客松联赛总决赛。现场有50多个来自不同高校的决赛项目,参赛者们介绍起自己的作品,一个个眼睛都在放光。我原本以为,黑客松是有技术背景的学生才能参加的比赛,没想到现场还有不少文科生、艺术生。大家都能把自己的创意做成产品,比赛给我的冲击挺大,像发现了一片新大陆。5月,我报名参加了第一场黑客松。当时对AI了解不多,也没有开发经验,基本就是抱着学习的心态去的。比赛是学校的学长牵头组织的,氛围比较轻松,大家更像是去交流学习。虽然没拿奖,但至少做出了第一个作品,也积累了经验。有了第一次的经验,我开始提前研究比赛命题,琢磨怎么做出既有创意、又符合要求的产品。第二次参加的是抖音黑客松南京站,要求在24小时左右完成一个产品。我在现场临时组队,主要负责产品方向,和技术同学一起开发了一款小游戏。我们借用了“没有一只鸭子能活着逃出南京”的梗,让玩家扮演一只鸭子,在南京城里闯关,想办法躲过各种障碍。一旦挑战失败,就会变成盐水鸭、烤鸭,被端上餐桌。创意挺有意思,做起来却没那么顺利。文科生做产品容易求全求大,一开始就想把功能做得尽可能完善。幸好团队里有技术同学,快速验证了方案,发现最初的想法不可行。当时比赛已经过去五六个小时,我们只能赶紧推翻重来。大家轮流补觉,熬夜赶工,最后总算完成了游戏,还拿下了南京站一等奖。这让我意识到,做产品光有创意还不够,还得考虑能不能实现。后来再参加比赛,我会花四分之一的时间讨论产品定位,想清楚要解决什么问题,再动手开发。7月,我在北京的小米总部实习期间,又参加了小米举办的黑客松。我们做了一个老年关怀项目,希望通过智能硬件,在保障老人安全的同时,减少摄像头对他们隐私的影响。我们一路通过筛选和答辩,拿到了全国一等奖,奖金有3万多元。这次更让我印象深刻的,是有机会和小米内部的工程师、产品人员交流,听他们从实际工作经验出发给项目提建议。赛后,我们还和负责全屋智能的相关部门聊过后续计划,虽然项目暂时没有落地,但让我接触到了课堂上学不到的东西。几次比赛下来,我还认识了不少不同专业的朋友。大家建了小群,看到合适的比赛就互相分享,有想法就一起组队。现在我自己做产品,碰到不懂的问题,也经常找他们请教。我也慢慢发现,文科背景并不妨碍我参与产品开发。新闻与传播专业需要理解受众、洞察需求,做产品同样需要了解用户想要什么。学过的东西,也能用在新的领域。10月结束实习后,给自己安排了一段gap期,待在家里捣鼓AI产品,成为了大家口中的“builder”,并结合自己的自媒体,做了第一个个人的商业化小项目,两个月盈利了5k左右。在大厂实习时,我负责的只是某个部门里的一部分工作,项目推进的节奏相对较慢。而在黑客松里,短短一两天就能经历从提出想法到开发、展示的完整过程。虽然很累,但能很快看到想法变成产品,我还挺享受这种感觉。我现在愿意多尝试一些不同的事情,未来究竟选择哪条路,我还没想好,但至少不想太早给自己设限。02.学了三年传统影视,我用48小时拍完5分钟短片不醒云|澳门科技大学大四影视制作专业8月,我和两位同学参加了大学生AI艺术季与生数科技Vidu联合举办的AI影像黑客松。比赛要求在48小时内完成一部5分钟的科幻短片,从想剧本、生成画面到后期剪辑,都得在这两天里搞定。本科前三年,我学的都是传统影视制作,参与过短片、纪录片等项目。后来学校开设了AI视听创作方向,我选了这个方向。上学期,我和组员完成了第一部AI短片。也是从那时起,我开始认真考虑,未来能不能从事AI影视制片、AI项目管理或者AI内容运营相关工作。最初报名黑客松,就是觉得新鲜,想体验一下限时创作,也想认识其他学校的创作者。当然,奖金也很吸引人。赛前,我们专门研究了Vidu的生成效果,还搭了一套真人影像提示词Skill,希望统一画面风格,减少反复修改提示词的时间。比赛当天,主办方才公布主题:科幻。我们三个人组成了“小莲花Lotus”团队,都参与导演和镜头生成。我主要负责项目统筹、人物视觉素材制作,以及部分镜头生成和剪辑。光是讨论故事,就花了将近半天。最后决定拍《种子》,讲的是未来世界能源逐渐枯竭,一位母亲把前往新区生活的机会留给女儿的故事。虽然是科幻片,但我们更想讲一个关于母女亲情的故事。确定剧本后,我们按场次分工,用Midjourney生成图片,再用Vidu生成视频,比较难的镜头还要借助其他模型。直到第二天深夜,才基本完成素材生成,开始集中剪辑。最头疼的其实是时间。初版剧本有更多情节,但真做起来才发现,既超出5分钟的时长限制,也根本来不及生成那么多镜头。我们为删减哪些情节讨论了很久,最后只能舍弃一些原本很喜欢的设计。以前做课程作业,时间相对宽松,可以慢慢打磨。黑客松完全不一样,压力很大,很多决定必须当场做。那次比赛让我意识到,会用AI工具只是一方面,更重要的是能不能在有限时间里把故事讲清楚。好在最后顺利完成了作品,我们的《种子》还拿到了二等荣誉作品。比赛结束后,我们又完善了《种子》,拿去参加腾讯“一老一小”AI公益视频大赛,获得了优秀奖。我觉得黑客松和上课、实习都不太一样。课堂上主要是学习知识,实习能接触企业真实的内容生产流程,而黑客松要在48小时内把学过的东西全部用起来,还得和队友一起解决各种突发问题。如果没有接触AI,我可能还在沿着传统影视的方向走,对毕业后具体做什么也没想得特别清楚。AI的出现,让我找到了一个真正感兴趣的方向。现在,我一边做AI视频运营相关实习,一边准备研究生申请。以后也想尝试把之前做过的短片发展成系列作品,有机会还会继续参加比赛。如果有学弟学妹想参加黑客松,却担心自己能力不够,我会建议先去试试。其实AI没有想象中那么复杂,很多东西都是边做边学的。至少对我来说,如果当初因为没经验就不敢报名,也不会有后面这些经历。03.黑客松夺冠后,我更清楚自己要补的课还有很多Ryan|上海交通大学大一计算机学院凌晨两三点,我们的系统终于完整跑通了。摄像头拍下洗衣机的画面,传到云端,AI识别出洗衣机正在运行还是空闲,再把结果同步到手机上。整个过程不需要人工操作。我盯着结果,兴奋得睡不着。几个小时后,我灌下一杯冰美式,站到评委面前,讲我们的方案怎么解决真实问题、怎么从头到尾走通、软件硬件都是自己搭的。领奖时,我和队友一起欢呼。这是9月初上海交大举办的黑客松比赛。当时我刚上大一,入学没多久,就和队友一起拿了冠军。现在回头看我当时的比赛经历,兴奋是真的,青涩也是真的。军训时,我就看到比赛的报名消息,手里正好有个一直在研究的项目,觉得合适,就决定试一试。报名更多是出于兴趣。我高二就参加过类似比赛,这种把想法做成实物的过程对我很有吸引力。未来我也有创业的打算,遇到这样的机会想多尝试,我不想等“准备好了”再开始。我们做的是洗衣机状态查询与预约系统。学校的洗衣机没法在线查看使用状态,经常有同学抱着衣服跑到楼下,才发现洗衣机全在运转,只能再抱回宿舍等。所以我就想,能不能做个系统,让大家在手机上提前查看。这个项目涉及软硬件两方面,APP比较好做,难点在于监测洗衣机状态的硬件,洗衣机本身不联网,我们只好自己装摄像头,实时监测它的状态,再把画面传到云端,让AI识别。比赛只有两天,我们熬到凌晨两三点才睡,第二天早上7点还得起来准备正式汇报。抗压能力是被硬生生拉出来的。我运气很好,遇到靠谱又给力的队友,互相学到很多。虽然夺冠了,但事后复盘,我觉得这个项目其实完成得不够好。我们硬给洗衣机外加一套设备,来补它自己不联网的短板,还说服自己这很有必要。现在想想,我们当时太关注怎么把这个方案做出来,却没有充分考虑有没有更好的解决办法。这跟蒸汽火车时代执着于训一批更快的马,和2024年在大模型外面包一层界面、做各种“套壳”应用的人,没有太大区别。这让我更理解华人AI科学家何恺明说的“想出来的idea一般都是很差的”,和“把赌注押在选对问题上,而不是押在某个解法上”。世上会有一万个人和你想着一样的点子,唯有上手试错、快速迭代,才能发现其中的问题,找到值得继续做下去的方向。我也清楚,这次获奖在AI行业就业中的助力比较有限。和发表论文等科研成果相比,这次经历算不上多么突出的优势。但我以后还是会有选择性参加,一方面锻炼抗压、团队协作这些能力,另一方面也确实有成就感。我不想把它包装成多了不起的经历。冠军之外,我更知道自己哪里还有不足。这次比赛让我开心的,不只是冠军。是第一次带一个团队,把一件事从头做到尾,把一个粗糙的想法做成真正能运行的产品。未来想创业,就得先做出东西。我希望自己以后还能记得那个凌晨的激动,也希望有一天能做出真正有价值的产品。04.以为自己是游戏天才,结果连跑5场只拿安慰奖一轩|中山大学大二计算机专业我现在读大二,学计算机专业。很多人以为计算机专业的学生天天都在写代码,但我其实属于那种脑洞很大、但动手能力不太行的人,想得多,做得少。第一次接触黑客松是大一,跟同学报名了一个本地的编程黑客松。那次跟AI没什么关系,就是一群人关在一个屋子里答题,解决一些很刁钻的代码问题,找bug、修bug,更像一场代码竞赛。说实话体验一般,我当时觉得黑客松大概就是这么个东西。直到今年年初,我参加了第一场AI黑客松,才发现原来可以那么玩。那是一场面向大湾区高校学生的AI游戏开发黑客松,大概有150支队伍参加,全程72个小时。我和室友组队,用AI辅助写代码,做了一款叫“找猫猫”的小游戏。创意来源是我发现网上有很多养猫的人分享猫咪偷跑出家门又找回来的经历,我就收集了大量这类案例,还在小红书上连续发了好几篇笔记征集真实故事,然后把这些场景做成关卡,模拟主人想方设法把猫找回来的过程。每成功找回一次,游戏还会自动生成一张“找猫小tips”的图片,可以存在手机里,玩着玩着还能学点小知识。那次我们拿了一等奖,站在台上领奖的时候,我觉得自己是天选之人、游戏创意鬼才。然后我就飘了。接下来的3个月里,我陆陆续续又报了5场黑客松,规模大一点的比如深圳的OpenClaw黑客松,最近一场是跟着一位在腾讯实习的师兄去参加腾讯云游戏开发黑客松的华南赛区初赛。那场挺遗憾的,我们过了线上校内选拔,但线下路演做的不好,时间太赶,想法又太多,什么都想往里塞,最后没能进总决赛。算下来,后来这5场黑客松,我只拿到一个优秀奖,基本就是安慰奖。但我反而乐在其中。因为我这个人平时比较内向,而黑客松是那种既能交到朋友、又不需要高强度社交的场合,大家聚在一起干活,不用刻意寒暄,自然就熟了。当然也有现实的考量。听师兄师姐说,现在毕业找工作,不光拼学历、拼实习,手里有几个拿得出手的黑客松获奖经历也是加分项。我想着趁大二时间还算充裕,多去碰碰运气,万一哪天就撞上大奖了呢。我自己其实也算黑客松新人,谈不上什么经验。对于新人,我的建议是别有包袱。我参加的这些比赛基本没什么门槛,找几个好朋友组队,就当去玩一趟。反正最坏的结果也就是像我这样,拿一个安慰奖回来。05.学阿语的大二文科生,跑去黑客松写代码了小蓝|上海外国语大学大二阿拉伯语专业我是学阿拉伯语的。按照往届学长学姐的就业路径,毕业之后大概率是去出海的中国企业做市场营销,或者被外派到海外工作。但我从大一下学期就开始“焦虑”了。现在很多企业招聘,都会明确需要候选人会使用AI工具,比如Codex、Workbuddy。我意识到,在这个时代,光有一门语言是不够的。为了未来的竞争力,我开始上网自学各种AI工具的用法。学着学着,我开发了一个阿拉伯语背单词的小程序。起初只是为了解决自己的痛点,后来我在各大高校的阿语系内部推广,发现它真的能帮同学们解决麻烦。这给了我极大的成就感。有了这个小程序打底,今年,我报名参加了2026年上海站的Claw Hunt黑客松竞赛。在黑客松现场,我是极少数的文科生,而且才大二。因为之前认识了两位研究生学长学姐,我们直接组了队。比赛第一天是签到、规则分享和圆桌交流,随后就进入了极限开发环节。在这个团队里,我不仅是那个“学阿语的”。我的角色相当于产品经理,外加一点点后端开发。因为团队里有擅长前端和代码的同学,所以核心的技术攻坚交给了他们,我主要负责去定义这个产品,以及优化人机交互。我们计划做一个iOS的Personal Agent,目标是帮人回顾日常生活的点滴。但现实很快就给了我们一记重拳。从零开始做一个App,最大的问题就是时间根本不够。到了截止时间,我们只做出了一个非常简单的Demo。据我了解,有一部分参赛选手是用自己已有的项目来提交的。他们的完成度极高,自然更容易受到评委的青睐。而像我们这种从零开始开发的队伍,在那种短时间评审的环境下,其实并不占优势。虽然没获奖,但这次经历对我来说,最大的收获就两个字:开眼。以前在学校里,传统的教育体系对“AI+相关”的培养其实并不重视,尤其是我们这种文科类学校。虽然也在探索,但无论深度还是广度,都远远满足不了现在日新月异的就业市场需求。在黑客松现场,我看到了真实的开发场景,也看到了别人是怎么用技术降维打击的。之后,我还计划去参加更多的AI赛事。不为别的,就是为了做项目,认识企业或者投资机构的人脉,为自己的职业发展铺路。如果有学弟学妹也想参加类似的比赛,我想对他们说:不用对AI工具的使用感到焦虑。这些软件、程序,归根结底都是为人所用的。比起焦虑对AI的使用,更重要的是思考:如何把自己的想法落地?你的想法有什么价值?它能帮别人解决什么问题?一个好idea,永远比会用10个AI Agent的帮助更大。*题图及文中配图均来源于Unsplash。应受访者要求,江江、不醒云、一轩、小蓝为化名。
许思敏辞职,娃哈哈再陷人事风波,宗馥莉的难题还没完
虎嗅 · 1 天前
本文来自微信公众号: 新经销 ,作者:新经销多年以前,坐在办公室的宗庆后不会想到,自己一手创办的娃哈哈,会在多年以后接连处于风波之中。最近,据多家媒体援引知情人士消息,娃哈哈集团董事长许思敏已正式辞职。这位接替宗馥莉的年轻高管,任职约一年便传出离任消息。同一时间,宗馥莉实际控制的宏胜饮料集团连续下发两份任免文件。11月16日、17日,两份文件合计涉及40人获任命、207人被免去现任职务,覆盖五大片区、60多家分子公司和生产基地。四个片区的总经理调整,30名财务科长集中免职。至于被免职人员的后续岗位安排,宏胜方面尚未公开说明。不论是员工转签、经销商调整,还是生产业务外包、商标纠纷,宗馥莉接班以来,娃哈哈几乎一直处于舆论场中央。她接手的娃哈哈,既有庞大的品牌和渠道基础,也面临市场竞争与复杂的产权关系。关键在于,改变旧体系的过程中,原有的利益关系被重新触动,新矛盾又接连出现。娃哈哈的困境,藏在过去的成功里理解娃哈哈今天的难题,绕不开宗庆后建立的联销体。上世纪90年代,饮料企业普遍面临经销商赊销、回款困难等问题。娃哈哈通过保证金和分级分销机制的方式,将厂家、经销商及下游网点连接起来,逐步建成覆盖全国的销售网络。这套体系十分有效。厂家能够较快回笼资金,经销商依靠区域网络卖货,AD钙奶、营养快线、纯净水等大单品因此进入大量城乡零售终端。但今天,消费者买饮料的方式变得多样。连锁便利店、商超、即时零售与传统小店并存,而且,不同渠道需要不同规格的产品、价格安排和配送方式。这就导致厂家不仅要关注订货,还要了解终端销量、库存周转和冰柜陈列。传统经销商熟悉当地小店,未必擅长连锁客户的统一采购、数据管理和精细化运营。曾经是优势的网点,如今,正受到终端运营能力的考验。产品端也在变化。娃哈哈拥有一批消费者熟悉的成熟产品,但无糖茶、功能饮料等品类持续吸引品牌投入。老产品仍能贡献销量,却很难保证企业在每一轮新品类竞争中都占据优势。娃哈哈仍有竞争力。2024年,受品牌关注度回升等因素影响,娃哈哈销售表现明显改善,充分体现了老品牌的影响力。只是一次增长难以回答长期问题:下一款能够持续增长的大单品在哪里?现有渠道又能否更高效地把产品卖出去?除此之外,娃哈哈眼下还有一道特殊难题。集团的股权由国资股东、宗馥莉和职工持股会分别持有;“娃哈哈”商标登记在集团名下,而宏胜体系长期参与相关产品的生产经营。品牌、股权与实际业务分属不同主体,协调成本本就不低。宗庆后在世时,长期形成的管理权威能够协调诸多关系。创始人离世后,这些安排需要更多依靠明确的权责和制度来维系。宗馥莉,不想再走父亲的老路在宗馥莉接手娃哈哈后,她推动的调整逐步从销售延伸至组织和工厂。首先是经销商。近两年,娃哈哈加强销售任务和终端考核,部分经销商的合作资格、区域及经营要求发生变化。该意图容易理解,就是让厂家对市场的掌握,从经销商订货延伸到终端动销。但经销商的生意有自己的节奏。区域网点多年积累,库存和资金早已围绕原有政策运转。任务提高、合作关系调整后,如果终端销量没有同步跟上,压力就会积累在经销商身上。根据媒体披露的宏胜内部销售通报,截至2026年5月9日,全国经销商上报订货额23亿元,同比下降24%;发货额5.2亿元,同比下降83%。尽管这是特定时点的内部考核数据,不能等同全年业绩,但也反映出渠道压力。组织端的动作更加密集。今年,宏胜推进能动、物业、仓储、实验室等业务外包,并调整营销管理部门。11月的两份任免文件,又将变化带到片区管理层、车间和财务岗位。其中,30名财务科长集中免职,多个片区负责人轮换,格外引人关注。有人将其解读为压缩层级、加强总部管理,也有人提到自动化产线带来的岗位优化。对此,宏胜尚未公开说明全部调整目的。另一方面,宏胜仍在郑州、西安、合肥等地推进新基地建设。一边扩充产能,一边整合岗位,反映出这场调整涉及整个生产运营体系。岗位可以快速调整,实际业务的衔接却需要时间。宗馥莉,改得了规矩,难改人心改革最难的部分,往往发生在政策落地之后。经销商调整就是鲜明的案例。对于厂家,淘汰低效网点、细化考核有利于提高管理标准;对于经销商,区域经营权、返利、保证金和库存意味着真金白银。原有合作伙伴退出后,新伙伴能否接住乡镇网点、按时补货,直接关系到终端销售。今年11月,往年同期举行的年度经销商大会迟迟没有明确消息。部分地区保证金尚未缴齐的报道,也让下一销售年度的合作安排受到关注。经销商需要尽早确定政策,才能安排备货与资金。改革若想顺利进行,前提是让新的合作规则足够清楚、稳定。工厂同样如此。自动化可以降低部分生产成本,岗位整合也可能减少管理层级。但食品饮料生产涉及品控、设备、仓储和物流,多地同时调整负责人,交接工作和责任划分就显得格外重要。比经营调整更棘手的是产权问题。2025年,娃哈哈系列商标拟转让引发争议;宏胜体系一度计划在新销售年度启用“娃小宗”,随后又决定继续销售娃哈哈品牌产品。对外界而言,品牌归谁所有、谁来使用、怎样结算,是不能绕开的治理问题。宗馥莉可以推动自己控制的企业调整经营方式,但仍要面对集团其他股东、员工以及合作伙伴的合法权益。涉及不同法律主体的业务安排,更需要透明、合规的决策程序。这也是此次风波最值得讨论的地方。改革确实需要打破一些旧习惯,但改革力度越大,越考验沟通、利益协调和执行能力。经营效率的改善,不能只看撤掉多少岗位、压缩多少层级;最终要看工厂能否稳定运行,经销商是否更愿意投入,产品有没有获得新的增长。写在最后宗庆后留下的娃哈哈,有强大的品牌、产品和渠道,也有需要重新梳理的管理与产权关系。宗馥莉之变,有现实的经营理由。但必要的改革,并不意味着每一种推进方式都合适。旧体系的利益关系不能一夜重置,新体系需要的能力也不会随着人员更替自动出现。接下来,娃哈哈能否稳住生产、经销商与品牌合作关系,比下一份任免文件更值得关注。对宗馥莉而言,改变娃哈哈已经很难,让改变之后的娃哈哈走得更稳,或许更难。
气候变化下,儿童正面临日益严峻的风险
虎嗅 · 1 天前
本文来自微信公众号: 界面新闻 ,作者:蔡星卓2026年11月20日的北京,世界儿童日“携手向光前行,点亮儿童未来”主题活动如期举行。同一时刻,地中海沿岸的土耳其安塔利亚,一场关乎人类未来的全球气候盛会——2026年联合国气候变化大会(COP31),也进入尾声。这两场跨越万里的会议,共同勾勒出当今国际社会对脆弱群体与地球未来的关切。从保障儿童的生存与发展权利,到应对迫在眉睫的全球气候危机,界面新闻汇聚多方视角,试图聚焦:气候变化之下,儿童正面临怎样的挑战?气候变化下的儿童“每年仍有近500万5岁以下儿童离世,其中绝大多数本可避免。”2026年11月20日,北京世界儿童日主题活动现场,联合国助理秘书长、联合国儿童基金会副执行主任泰德·柴班(Ted Chaiban)表示,新一代儿童正在瞬息万变的世界中成长。“除了数字时代的机遇与风险,他们还要面对气候变化和心理健康等全新挑战。”他说。活动现场,全国妇联副主席、书记处第一书记,国务院妇女儿童工作委员会副主任黄晓薇在列举儿童福祉面临的多重挑战时,明确提到“地缘冲突、气候变化、数字鸿沟”。11月20日,北京绿研公益发展中心气候与能源项目主管陈蓥婕正在COP31现场。她告诉界面新闻,自己观察到各方对儿童的关注:在会前,世卫组织、世界气象组织、联合国儿童基金会和联合国人口基金会就提出了一组重点指标,帮助各国了解高温暴露和孕产妇、新生儿及儿童的健康数据的相关情况,以支持政策制定;11月14日的儿童、青年、教育和技能主题日上,儿童和青年共同起草了一份气候行动呼吁;在大会磋商气候赋权行动(ACE)工作方案时,非洲集团也提出,案文应提及受教育权以及气候变化对儿童教育的影响。气候变化下,儿童正面临日益严峻的风险。联合国儿童基金会《2026年儿童气候风险报告》显示,由人类活动引起的全球变暖正在改变世界的大部分面貌。报告称,全球已有数量惊人的儿童暴露于与气候相关的灾害之中,这种暴露的规模凸显了危机的紧迫性。如今,几乎所有儿童都至少面临以下一种气候灾害:河流/沿海洪水、干旱、热带风暴、热浪、极端高温、火灾、沙尘暴。2026年11月20日,北京世界儿童日主题活动现场展示的男童、女童卫生包。(摄影:界面新闻/蔡星卓)陈蓥婕向界面新闻介绍,随着全球平均温升短暂突破1.5℃,气候相关灾害及其影响已经成为现实,并蔓延到儿童的日常生活,包括身体健康复合风险、心理健康影响,乃至可能因教育系统扰乱造成的长期发展损害。她分析,身体健康方面,气候变化通过对农业的影响,可能加剧儿童营养不良风险或为疟疾等疾病传播创造条件。心理健康方面,亲身经历极端天气事件可能导致创伤后应激障碍(PTSD),而长期气候危机的未来不确定性则会引发“气候焦虑”。此外,极端天气导致的停课与校园损毁,已在全球范围内剥夺了数亿学生的正常受教育时间。中国实践:气候行动中的儿童视角那么,中国在儿童气候行动中扮演怎样的角色?柴班表示,如今,中国已能为其他国家提供支持,且成为联合国儿童基金会最重要的合作伙伴之一。中国支持联合国儿童基金会针对冲突和灾害开展的应急响应,支持低收入国家的发展项目,为全球加速实现可持续发展目标作出贡献。同时,中国也在可再生能源领域走在世界前列,并在全球应对气候变化、在数字和人工智能领域为儿童创造机遇等行动中发挥着重要作用。近些年,在儿童气候行动方面,中国积累了不少经验。陈蓥婕也向界面新闻表示,中国近年有关“儿童与家庭”的政策明显增多,越来越关注育儿支持、教育服务等领域,逐步体现出对儿童友好元素。她提到,在政策框架方面,中国以儿童友好城市建设为抓手,并在健康、教育等与儿童发展息息相关的部门出台专门政策,推进儿童权益保障和儿童发展。2021年,国家发展改革委等23个部门联合印发《关于推进儿童友好城市建设的指导意见》,确立了以“儿童优先发展”为核心的城市建设理念,随后各地积极响应并开展试点工作。同时,在健康和教育等关键领域,《“健康中国2030”规划纲要》《健康儿童行动提升计划》《中国教育现代化2035》等重要文件都将儿童发展置于优先位置。项目层面,公开资料显示,国内一些社会组织正面向儿童和青年群体开展气候行动,如关注灾后儿童身心改善和综合发展,或进行气候教育与青少年赋能等。陈蓥婕表示,她回顾过往合作经验认为,亚洲基础设施投资银行(AIIB)和亚洲开发银行(ADB)等开发性金融机构已经有气候项目具备儿童友好的视角,对发展中国家也有很强的借鉴价值。她表示,亚投行的“河南洪灾紧急恢复与重建”项目,从设计到项目建设再到后续评估都针对性考虑到儿童的气候脆弱性,并加以应对,值得其他国家充分考虑。不过,这些经验“移植”到其他发展中国家仍面临落地困难。陈蓥婕告诉界面新闻,在进一步推进政策、项目乃至国际合作落地的过程中,还需要系统考虑怎么把社会系统的管理责任以及预算衔接起来。以校园高温预案为例,预警发布后,谁有权调整课时?停课后家庭照护缺口由谁填补?基层卫生机构如何跟进高脆弱性儿童?这些都需要属地提前明确。她补充,中国经验走出去同样也要进行“本地化”适配,如在部分发展水平相对有限的国家和地区,还要先解决气象预警如何传到网络差的社区、气象和卫生数据能否细化等问题。陈蓥婕还表示,流向儿童相关领域的气候资金不足也是一大难题。UNICEF的一项研究显示,“儿童视角缺位”明显存在于全球气候资金动员过程中。过往研究发现,当前中国气候投融资的儿童响应程度总体处于较低水平,普遍缺乏系统性的儿童视角。“我们对国内部分气候投融资试点城市的715个项目(总投资约1.43万亿元)展开研究发现,在总计约1.43万亿元人民币的投资中,经加权核算,与儿童相关的投资金额仅占总投资额的2.4%,绝大多数项目的儿童响应水平均为‘低’或‘无关’。”陈蓥婕认为,这种不均衡会阻碍气候投资惠益儿童,特别是公共资金无法发挥其应有作用。她进一步表示,在COP31气候资金、公正转型等大会最重点和白热化的磋商中,儿童和青年没有被考虑其中。“如果我们未来的气候目标、政策、预算乃至投资仍然对儿童的需求和脆弱性视而不见,这本身又会加剧代际不公正,乃至继续压缩孩子们在‘1.5℃超调情景下的世界’中的生存和发展空间。”她说。
美股一夜崩盘,AI泡沫真要破了?
虎嗅 · 1 天前
本文来自微信公众号:APPSO,作者:APPSO,题图来自:AI生成持续多年的 AI 狂欢,正在遭遇一场前所未有的信任危机。图|盘中截图今天凌晨,美股遭遇猛烈抛售,科技股集体重挫,曾经支撑美股牛市的 AI 概念股,如今成了拖累整个市场的主要力量。更加耐人寻味的是,美股暴跌恰好发生在 AI 行业迎来两大重要利好之后。一家是全球最受关注的 AI 初创公司成功上市,另一家是全球 AI 算力龙头交出强劲财报,但市场似乎已经不愿意继续为 AI 的增长故事买单。图|盘后截图先看看今天凌晨经历了怎样一个疯狂的交易日。根据路透社公布的最终收盘数据,道琼斯工业平均指数下跌 949.73 点,跌幅 1.93%,收于 48147.33 点;标普 500 指数下跌 3.70%,收于 6910.39 点;纳斯达克综合指数则暴跌 5.28%,收于 22617.73 点。其中,标普 500 指数连续第七个交易日下跌,创下 2020 年 2 月以来最长的连跌纪录。道指和标普 500 指数均从此前的历史高点回撤超过 10%,正式进入技术性调整区间。科技股的表现更加惨烈。纳斯达克综合指数在北京时间 10 月 6 日晚至 7 日凌晨的交易时段创下历史新高,年内累计涨幅一度达到 18.7%。然而短短一个多月后,全部涨幅便被市场吞噬,指数年内由涨转跌。据 CNN 统计,自上述高点以来,纳斯达克综合指数累计蒸发约 8.7 万亿美元市值。与此同时,纳斯达克 100 指数除了在今天凌晨收跌 5.6%,全周累计下跌 10.4%,创下六年多以来最惨烈的单周表现,距离通常以累计下跌 20% 为标志的技术性熊市仅一步之遥。美国股市的恐慌情绪也在迅速蔓延。被称为市场“恐慌指数”的 VIX 在本周大幅攀升,最新收于 35.89,达到约 19 个月以来的最高水平。更值得关注的是,此次下跌已经超出了少数科技巨头的范围。费城半导体指数在最新交易日暴跌 10.7%,其中,闪迪下跌约 16%,美光科技下跌约 14%,博通和迈威尔科技的跌幅也达到约 12%。就连曾经依靠 AI 算力需求一路上涨的云计算公司,也没能幸免。英伟达投资的 AI 云计算公司 CoreWeave 当日下跌约 12%,股价回落至 39.51 美元,甚至低于其 2025 年上市时 40 美元的发行价。另一家新兴云计算公司 Nebius 则下跌约 16%。一位美国对冲基金首席投资官在接受《金融时报》采访时形容,眼前的市场景象简直像世界末日。如果说整个科技板块的暴跌令人意外,那么 Anthropic 上市后的遭遇,可能更加具有象征意义。11 月 19 日晚,Claude 背后的 AI 公司 Anthropic 正式登陆纳斯达克,股票代码为 ANT。且此次 IPO 的发行价定为每股 83 美元,首日交易受到追捧,最终于北京时间 11 月 20 日凌晨收盘时较发行价上涨约 17%。然而,资本市场的热情只维持了一个交易日。到了 11 月 21 日凌晨,Anthropic 股价便大幅下跌,最终收于每股 88.91 美元,仅比发行价高出约 7%,几乎吐出了首日的全部涨幅。此前,市场一度希望 Anthropic 的超级 IPO 能够成为提振 AI 板块信心的重要契机,帮助科技股摆脱近期持续下跌的困境。但实际结果恰恰相反。Horizon Investment Services 首席执行官 Chuck Carlson 在接受路透社采访时坦言,包括他在内的不少投资者,都曾期待 Anthropic 上市能够成为市场情绪的转折点,但事实证明,这种期待最终落空。相比刚刚登陆资本市场的 Anthropic,英伟达的处境可能更加严峻。作为过去几年 AI 投资热潮最大的受益者之一,英伟达长期被视为整个 AI 产业链最重要的风向标,全球科技巨头建设数据中心、训练大模型、扩大 AI 算力基础设施,最终都会转化为对英伟达芯片的巨大需求。但如今,支撑英伟达高估值的市场信心正在受到多重冲击。今天凌晨,英伟达股价暴跌约 14%,创下近两年来最大单日跌幅,全周累计下跌约 23%,成为 2008 年 10 月以来表现最糟糕的一周。从北京时间 10 月 6 日晚至 7 日凌晨的交易时段高点算起,英伟达股价已经累计下跌约 47.5%,蒸发的市值高达 2.7 万亿美元。英伟达此次危机,首先来自公司管理层接连出现的负面消息。此前,黄仁勋因婚外情丑闻离开英伟达 CEO 职位。随着相关事件持续发酵,公司治理及其管理层信誉受到市场质疑。与此同时,据路透社报道,美国证券交易委员会正在调查英伟达的会计处理问题,进一步加剧了投资者对公司的担忧。截至报道发布时,英伟达拒绝对此置评,相关调查也尚未形成公开结论。Jones Trading 策略师 Mike O'Rourke 指出,黄仁勋和英伟达几乎就是整个 AI 基础设施建设热潮的象征。当投资者开始怀疑这一象征背后的透明度和可信度时,整个市场的信心都会受到动摇。但让不少投资者更加困惑的是,英伟达的基本面并没有同步出现如此剧烈的恶化。就在本周,英伟达还交出了一份表现强劲的季度财报。然而,亮眼的财报最终没能阻止股价暴跌,两个原本应该为 AI 行业注入信心的重大事件,最终都没能成为市场的转折点。从 Anthropic 上市遇冷,到英伟达财报失效,再到整个半导体板块集体暴跌,几件事情背后指向了同一个问题,过去几年科技巨头在 AI 上投入的数千亿美元,究竟什么时候才能赚回来?长期以来,AI 一直是支撑美股上涨的重要增长叙事。微软、谷歌、亚马逊、Meta 等科技巨头不断扩大资本开支,采购 GPU、建设数据中心、训练更强大的模型,带动芯片、存储、服务器、电力设备和云计算公司股价持续上涨。资本市场曾经相信,只要 AI 的技术能力不断进步,相关基础设施的需求便能够继续增长,而现在的问题是,建设速度和投资规模已经相当惊人,商业回报却仍然存在不确定性。尤其随着科技巨头开始使用更多债务融资支持 AI 基础设施建设,投资者不仅担心未来的盈利能力,也开始担心庞大的资金需求能否持续得到满足。《金融时报》指出,市场对 AI 的狂热情绪,正在迅速转变为对科技巨头巨额资本开支及融资规模的深度焦虑。面对美股六年来最惨烈的科技股抛售潮,美国投资机构内部也没有形成统一判断。摩根大通资产管理公司首席全球策略师 David Kelly 指出,在经历过去几年的大幅上涨之后,美股出现技术性调整并不令人意外。他甚至用感冒打了一个比方,认为当前市场可能只是一次轻微感冒,未必意味着更严重的系统性问题。CFRA Research 的 Arun Sundaram 也表示,他很难从企业基本面出发,完全解释当前如此猛烈的抛售,因为投资者似乎已经进入了先卖出股票、之后再考虑基本面的状态。值得注意的是,投资者对 AI 的恐慌,甚至已经蔓延到了预测市场。就在科技股集体暴跌之际,Polymarket 发布数据显示,“AI 泡沫将在 2026 年底破裂”的预测概率突然飙升至 62%。 尽管预测市场的交易概率不能证明泡沫已经破裂,但至少反映出部分市场参与者对 AI 投资前景的信心正在迅速动摇。回顾过去几年的 AI 热潮,资本市场一直愿意为更强的模型、更大的数据中心和更庞大的算力投资支付高额溢价。然而,如果 AI 的商业回报始终追不上资本投入的速度,那么过去几年被提前计入股价的增长预期,究竟还有多少能够兑现?历史上的铁路、电力和互联网革命,都曾伴随着资本狂热与泡沫破裂。即便 2000 年互联网泡沫破灭,互联网依然在此后二十多年深刻改变了世界。AI 或许也正在走向类似的历史关口,技术革命仍在继续,但公开市场已经开始重新计算它的价格。毕竟,即使 AI 注定改变世界,也不意味着今天为它支付的每一分钱,未来都能得到回报。*投资有风险,本文不构成投资建议本文来自微信公众号:APPSO,作者:APPSO
高盛交易员“重拾2018年剧本”:至今清晰记得“12月24日那天,客户问为什么跌这么多?我完全不知道”
虎嗅 · 1 天前
本文来自微信公众号: 华尔街见闻 ,作者:李佳美股连续七日下跌,高盛衍生品交易员警告,当前市场正显现2018年四季度暴跌行情的相似特征,本轮调整可能尚未结束。高盛衍生品策略师Brian Garrett在周五发布的报告中指出,当前市场走势、技术面和交易结构均与2018年有明显相似之处。他通过对比两轮行情的指数跌幅,评估主要股指可能面临的进一步调整空间。Garrett回忆起2018年12月24日的市场崩跌。当时,一位客户问他:“为什么今天跌了这么多?”Garrett坦言:“完全不知道。”即便是经验丰富的交易员,面对突如其来的剧烈抛售,也难以判断市场究竟为何失控。不过,历史相似并不意味着行情必然重复。此次市场调整中,信用市场尚未出现明显恶化,美联储也没有释放政策转向信号。高盛认为,这些差异可能成为判断本轮调整是否接近尾声的关键。2018年行情再现?高盛警告美股调整或远未结束2018年四季度,美股在美联储持续加息、技术面破位和系统性抛售压力叠加下大幅下跌,标普500指数从高点回落近20%,并在圣诞节前夕触底。高盛将当前主要股指自10月6日高点以来的跌幅,与2018年同期走势进行对比。截至周四收盘,标普500已走完2018年同期跌幅的42%,纳斯达克100为69%,罗素2000则仅为24%。如果将2018年剩余跌幅映射至当前行情,高盛模型显示,主要股指仍可能面临进一步调整。其中,标普500尚未走完当年同期的跌幅,意味着下行风险仍未充分释放。时间维度上,2018年标普500从阶段高点到最终触底历时65个交易日。截至周五,本轮调整已持续约33个交易日。若沿着相似节奏演进,市场底部可能要等到明年1月第一个完整交易周才会出现。信用市场反应滞后,美联储尚未释放转向信号与2018年相比,当前信用市场的压力明显较轻。高盛数据显示,投资级信用利差自近期高点以来仅走阔5个基点,高收益债利差走阔38个基点,均明显低于2018年同期的变化幅度。利率市场也没有出现同等程度的避险反应。当前10年期掉期利率较近期高点下行23个基点,而短端利率变化更小。这表明,市场尚未像2018年那样,对经济和政策前景进行全面重新定价。2018年市场反转的重要催化剂,是时任美联储主席鲍威尔在次年1月4日释放“保持耐心”的信号。而当前,高盛经济学家仍预计美联储明年3月再次加息,政策预期尚未转向宽松。巴克莱也指出,投资者目前看不到美联储出手托底的可能性。避险资产失灵,恐慌情绪与市场分化加剧传统避险资产并未在本轮调整中发挥应有作用。自近期高点以来,黄金下跌10.8%,日元兑美元走弱约1%;而在2018年同期,黄金上涨5%,日元则升值2.1%。避险资产表现与历史行情明显背离。市场恐慌程度持续升高。高盛波动率团队在报告中将当前市场恐慌程度评为9分(满分10分),VIX指数升至30.3,距离2018年圣诞节前夕的36.1峰值已不远,但当前标普500的累计跌幅还不到2018年同期的一半。交易结构也在放大市场波动。高盛估算,做市商目前持有约10亿美元净空Gamma头寸,可能在市场下跌时加剧对冲卖盘。客户近期开始卖出高溢价尾部期权,反映出市场参与者正调整对波动率的交易策略。个股和投资组合表现同样出现明显分化。英伟达自10月初以来累计下跌约39%,承受较大的抛售压力。高盛追踪的2258个投资篮子中,上半年表现较好的组合在下半年普遍回撤;上半年涨幅超过一倍的篮子,下半年回报中位数约为-50%。此前的领涨交易正遭遇集中出清。反弹可能只是喘息,市场底部仍待确认市场并非没有短期反弹的条件。仓位已经明显出清,恐慌指标接近极值,部分客户开始卖出波动率,纳斯达克100也接近超卖区域。此外,历史上标普500跌破200日均线后曾出现短期反弹,假期缩短交易周也可能为市场带来喘息。但短期反弹信号并不意味着市场已经筑底。2018年行情真正反转前,信用利差明显走阔,美联储也释放了政策立场转变的信号;而这两个关键条件目前都尚未出现。Garrett认为,在信用市场出现明显恶化,或美联储政策立场发生变化之前,市场反弹可能只是“租来的”。投资者仍需等待信用风险和货币政策给出更明确的信号,才能判断本轮调整是否真正接近尾声。
人类有资格看懂Claude暴力拆解的黎曼猜想
虎嗅 · 1 天前
本文来自微信公众号: 硅星人Pro ,作者:王兆洋Anthropic上市第二天、股价日内跌幅达到14%逼近破发的第一天、美股AI“雪崩”的当天,突然人们就被一条带有“奇点已过”意味的重磅消息搞得再次“瘫倒在座椅上”了。据说,困扰人类167年的头号数学难题——黎曼猜想,被Claude证明了。但比“世纪难题被攻克”更让人瞠目结舌的,是伴随这份声明一起抛出的数字:人类能直接阅读的常规论文版本至今还没写出来,因为Claude生成的详细证明草稿超过了25万页,完完全全是一部“天书”。这营造了一种微妙氛围,仿佛在绝对的算力神迹面前,人类看不懂是理所应当的,我们只需要瘫坐在座椅上仰望机器吐出的终极答案就够了。面对这25万页天书,不少一线研究者在群里讨论时的第一反应却不是欢呼,而是直击灵魂的追问:如果黎曼猜想真的被证出来了,但人类根本无法理解,它还有意义吗?我们觉得,面对AI暴力拆解出的数学证明,人类不该被傲慢地跃过。人类有资格看懂它,而这种“理解”本身也是模型智能真正往前走的必经之路。1天书1859年,德国数学家黎曼在研究素数分布时提出了著名的黎曼猜想:黎曼ζ函数所有非平凡零点的实部都等于1/2。作为克雷数学研究所悬赏百万美元的“七大千禧年大奖难题”之首,它牵动着现代数论与密码学的根基,上千条数学定理都建立在“假设黎曼猜想成立”的前提之上。美东时间11月20日,拥有哈佛本科与普林斯顿数学博士背景的Anthropic数学家Levent Alpöge在个人主页上传了一份仅4页的说明文件,宣布自己在Claude的协助下,不仅证明了黎曼猜想,还一举解决了范围更广的广义黎曼猜想(GRH)。据他披露,整个论证已经在形式化验证语言Lean中完整实现,没有任何额外假设;但由于Claude产出的文字版推导超过了25万页,这次他只放出了14个压缩包、总计约1700万行代码的Lean形式化证明文件。最耐人寻味的一幕在于,连作为合著者的Alpöge本人都在声明中坦承:在接近终点的后半程推导里,大片内容是Claude在他并不熟悉的数学领域里独立完成的,“Claude远远超过了我,简直是在终点附近飞翔、跳舞”。消息一出,数学界的反应极其真实且分裂。曼彻斯特大学数论学家Thomas Bloom感叹,自己不知道哪件事更让人震惊——是AI宣称证明了黎曼猜想,还是这份证明写成文字要超过25万页。菲尔兹奖得主陶哲轩发文指出,这份证明似乎综合动用了朗兰兹纲领与算术几何工具,但验证正确性、梳理核心思路还需要相当长的时间。而网传2026年菲尔兹奖得主邓煜的回应最有趣,他说:“至少拿出500页版本前看都不看。”1集体偏执把视野拉宽就会发现,Anthropic甩出25万页草稿并不是孤例。回顾最近大半年硅谷头部AI实验室的密集动作,无论是OpenAI还是Anthropic,它们在冲击前沿科学时实际上都走在同一条轨道上——完全不在意人类还能不能理解,只求机器暴力跑通。看看今年下半年的“算力轰炸”时间线就知道了:今年8月,OpenAI高调放出内部模型在数学与理论计算机科学上的十项突破,Anthropic也在同期用Claude将黎曼ζ函数关键线上零点比例的下界从41.6%推高到67.2%。今年10月初,OpenAI直接往GitHub仓库里一次性倾倒了由内部未公开模型生成的722篇数学手稿(涵盖准黎曼猜想、4D挂谷猜想及Navier–Stokes方程相关问题),每篇动辄数百上千行高密度推导,约六成直接附带机器检查过的Lean代码。到了今天,Anthropic与Claude直接把体量推到了极致的1700万行Lean代码与25万页天书草稿。这些做法背后的底层公式高度一致:“超大规模测试时算力(Test-time Compute)+强化学习长思维链(RL CoT)+Lean编译器兜底”。在大厂的商业与算力军备竞赛里,FOMO情绪压倒了一切。刚完成上市急需护盘的Anthropic与持续造势的OpenAI,都太需要“率先用AI解决千禧年难题”的叙事冲击力了。在这套逻辑下,数学证明被异化成了一场黑盒里的穷举游戏:模型不需要提炼优美的概念或高维直觉,只需要在强化学习环境里疯狂烧Token、拼凑引理;只要千万行代码能让Lean亮起绿灯,就可以立刻发新闻抢占身位,再把“读懂和简化证明”这件最苦最累的活甩给全世界的数学家慢慢啃。至于人类在这个过程里是不是被彻底晾在了一边,根本不在模型的优化目标之内。1缺陷面对25万页天书,很多看客下意识会产生一种错觉:人类看不懂,是不是因为AI已经进化出了超越人类大脑维度的“高维智慧”?我们并不这么认为。过去几个月,人们已经明显感到各大前沿模型厂商在瞄准数学,那我们能怎样理解这一次次的“轰炸”?怎么判断这些进步到底什么水平?我们在评测上做了一些工作,此前,我们对多款前沿模型的数学推理轨迹做了一系列底层测试,并对包括OpenAI公开手稿在内的多份形式化证明代码进行了逐行拆解,这些让我们有一个初步感觉:大模型之所以写出反人类尺度的“天书”,不是因为它太高深,反而是因为今天的模型普遍存在“先天缺陷”。首先就是强化学习的激励错位。今天推理模型的训练几乎只奖励“走通”(答案对不对、Lean编译过没过),从不奖励“洞察”。没有了“简洁度”和“概念清晰度”的约束,AI就像一个体力无限却不看地图的盲人走迷宫——哪怕两步之外就有座现成的桥,只要顺着墙根死磕十万步也能摸到出口,它就会毫不犹豫地把这十万步硬算全写进证明里。再往后,你能发现模型缺乏高维“数学哲学”导航,只能陷入局部符号硬凑。我们在针对十款主流大模型的横向评测中观测到了一个极具反差的数据:推理Token烧得越多,绝不等于答得越准。面对同一道经过变形伪装的数学题,真正抓住底层数学本质的模型,只花50个推理Token就能拿下九成准确率;而抓不住宏观方向的模型,会被局部的技术细节死死缠住,狂烧海量Token依然分类错误甚至思考超时。这种“盲目绕路”在所谓科研级证明里同样存在。我们前阵子逐行检阅了OpenAI公开发布的一份不动点存在性形式化证明:为了完成“从有限跨越到无限”的一步推导,OpenAI的模型明明身处自带“弱紧性”的数学空间,却偏偏视而不见,绕了极大一圈去排布分叉树、强行调用繁琐的“König无穷引理”。当我们把OpenAI这份代码拆开,换上更本质的“紧致性提取”思想重新改写后,整套分叉树与绕路引理被彻底省去——不仅100%跑通了严苛的Lean形式化验证,还直接把核心文件的净代码量砍掉了整整三分之一。这算得上一个有说服力的切片:连两百多行的常规证明,顶尖模型都会因为缺乏高层思想指引而多绕三分之一的冤枉路;当问题复杂度放大几万倍、推到黎曼猜想这个级别时,一步绕远就会步步膨胀,几百页能讲清的逻辑自然会滚雪球般失控成25万页泡沫。所以,别急着对25万页顶礼膜拜。很可能里面很大一部分不是神迹,可能充斥了算力盲目试错留下的脚手架废料。这种“只管机器跑通、跃过人类理解”的方式,并非不会带来后果。“Lean跑通”绝不等于“100%证实”,等价命题随时可能埋雷。外行常以为有了Lean形式化代码就铁板钉钉,但业内人都清楚一个致命盲区:Lean只能保证代码内部的推导没有逻辑漏洞,却在转化“等价命题”时很容易犯病。机器只能确认“代码证出了代码里写的那个符号目标”,却无法自己核实这个符号定义有没有偏离人类自然语言里的原始猜想。今年10月,《Science》杂志就曾曝光,在OpenAI高调宣传的Navier–Stokes方程证明中,AI生成的Lean代码悄悄弱化了原始英文命题的数学条件。而眼下这1700万行代码与25万页草稿,作者短时间内根本整不出人类可读版,甚至很难找到同行陪他一起从头读完核验。这就极易滑向一种危险的学术黑箱——外界根本没法有效复现与审视,变成“说自己证明了就证明了”。只要没有完成真正透明的同行验证,它就和原来的猜想没有本质区别:无非是把主观置信度从50%提到了60%,只要不到100%,就没有发生从猜想到定理的质变。其次,被抽空了“理解”的黑盒答案,对数学演进和应用科学的帮助就会有限。今年9月,陶哲轩、邓煜等25位菲尔兹奖得主曾罕见发表联合声明,直言AI公司与数学界的目标存在错位——数学研究的真正价值从来不只是给猜想打一个“对勾”,而是在证明过程中锻造出全新的数学概念、方法和跨领域桥梁。如果证明是一团人类根本无法理解的乱麻,对于应用数学及下游物理、工程学科而言,它的意义几乎是“压根没有”,因为人类无法从中提炼出任何可迁移的方法论。而且在真刀真枪的商业化科研里,也根本承受不起“人类失明”的代价。跳出刷榜新闻,回到新材料研发、药物分子设计、航空航天流体仿真或金融核心风控等真实的产业研发场景——没有任何一家企业或实验室,敢在人类自己完全不理解底层逻辑的情况下,盲目拿AI吐出的黑盒结论去投产背书。丧失了对中间推理链条的理解,就意味着不知道结论的适用边界在哪、条件微调后会不会瞬间崩塌,那个商业与工程损失是谁都担不起的。1每个人都有资格看懂它回想人类自己学习和攻克难题时的真实状态,我们从来不是一上来就盲目穷举几百万行符号,而是先从宏观上做到“大概明白”,抓住破局的大方向,剩下的繁琐细节再一步步去推演——放到人机协同的今天,最合理的状态恰恰应该是先让人“大概明白”,再和AI一起去磨细节。更重要的是,坚持让人类“看懂”,绝不是人类在拖AI的后腿;恰恰相反,把高维的“理解框架”教给AI,本身就是让大模型摆脱无脑暴力搜索、实现真正智能跃迁的关键。这也是为什么过去一段时间,我们一直在尝试构建一套围绕“数学哲学思想”的全新Benchmark与定理知识网络。相比于市面上一味考较最终得数或代码跑通率的传统榜单,我们更想回答一个底层问题:剥开算力硬凑的外衣,今天的模型究竟在多大程度上真正“理解”了数学思想?在构建这套评测与训练数据环境的过程中,我们验证了一条完全不同于“黑盒硬刷”的三步技术路径,先用高维“数学哲学”定方向。不让模型在成千上万个底层引理里盲目乱撞,而是先识别当前卡点需要什么高层的“数学动作”(比如是把内部问题转到边界,还是从一堆近似候选里提取极限),先立住宏观主干,让人和模型都能迅速做到“大概明白”。然后织一张人类“定理大网”做模块化消融。把前沿论文拆解沉淀为结构化的定理知识图谱,当面对一份庞大晦涩的AI证明时,将其拆成若干模块往这张大网里匹配融合——用人类熟悉的标准工具替换掉模型的无效绕路,最后剥离沉淀下来的那一小部分,才是真正属于它的独特创新。再用Lean形式化锁死接口与等价性。让Lean回归“严谨护栏”的本位,既锁死前后模块的逻辑接口,又严查形式化代码与原始命题的一致性,防止机器在定义转换上“犯病”。前面提到的帮OpenAI形式化证明直接砍掉三分之一冗余代码,正是这套方法跑出的第一批实验副产品。它非常直观地证明了一件事:一旦有了“数学哲学+定理大网”的锚定,AI不仅能让人看懂、大幅降低理解门槛,它自己的推理效率与逻辑纯度也会发生质的飞跃。有意思的是,在宣称攻克黎曼猜想的那份声明末尾,Alpöge自己也写下了一段极其诚实的告白:登上山顶之后,他接下来要做的第一件事,“是去理解这个论证,去简化它,去让更多人理解它,把它好好地写出来”。你看,连亲手搞出来了25万页天书的人自己都清楚:算力跑出1700万行代码后,把黑盒里的暴力算力提纯为人类可以理解、验证和复用的思想,才是决定科学能否真正向前的关键。接下来我们会基于这套“数学哲学”Benchmark,对当前国内外主流大模型的完整深度评测。同时,我们也会尝试尽可能用这一套系统来拆解一下Claude这次的证明。希望这些微小的工作能帮从座椅上瘫坐缓过神来的人们更好了解今天的顶尖模型对数学的“理解”究竟到了哪一步。数学和更多科学,都在被各大模型厂商当作下一个踏板,但探索从来不该沦为少数算力寡头垄断解释权的黑箱,面对AI暴力拆解出的黎曼猜想,每个人都有资格看懂它,这样人与机器的智能也会一起走向真正的下一站。
中国造船业,爆单了
虎嗅 · 1 天前
本文来自微信公众号: 财联社 ,作者:胡皓琼油轮、散货船订单陆续签订,当前造船市场景气度得以延续。与此同时,当前船厂正通过“资产盘活”、新增用地以增修、造产能。财联社记者近日采访获悉,不少业内人士认为,短时间内船厂船位仍处于稀缺状态,头部船厂基本排期至2030年,产能变化带来的影响仍需关注2028年后订单需求情况。此外,MEPC 85会议召开在即,IMO净零排放框架或仍难通过,对船舶绿色转型节奏、路径有所影响,但绿色船舶的溢价依然存在。新船订单再签订船厂提升修造产能“受今年油运市场景气度较高影响,我们也开始承接油轮相关的订单。”有船厂人士告诉财联社记者。整体来看,根据克拉克森数据,截至11月13日,今年以来油轮新造船订单已达到707艘,同比增长121%,散货船订单为655艘,同比增长27%。此外集装箱船订单为742艘,同比保持平稳。另外LPG运输船、汽车运输船订单量去年基数较低,同比增幅更大,分别为169%、638%,但从体量来看,仍以三大主流船型为主。新造船价格指数维持在高位,报告期内报187点。其中,散货船订单来看,近期举行的2026年世界航商大会期间,招商船舶与招商轮船(601872.SH)签订6艘VLOC订单。油轮方面,中集安瑞科(03899.HK)近日宣布旗下中集太平洋海工与新加坡船东Stamford Shipping正式签订10艘49,900载重吨MR型成品油轮建造合同,与一家欧洲知名船东签订2艘同型油轮建造合同,累计获该型船订单12艘。财联社记者从中集安瑞科方面获悉,该批订单预计在2028年至2030年之间陆续交付,后续接单量根据公司未来产能规划及市场情况而定。中国船舶(600150.SH)亦于本月中旬签下172亿元VLCC批量订单,预计于2029年至2030年交付。船厂产能方面,11月16日,招商船舶与泉州交发集团就泉州船厂项目股权转让协议签约。据招商船舶方面介绍,本次签约推动泉州船厂股权重组取得实质性进展,招商船舶将进一步完善修造船产业布局,加快推动泉州船厂复工复产。同日,天津市滨海新区土地发展中心公告,天津中远海运重工有限公司以5.7亿元成功摘得“津滨保(挂)G2026-9号”地块,为天津港保税区临港区域工业用地,土地面积约146公顷。总投资约82亿元的天津中远海运重工船舶与海工建造基地正式落子临港,基地规划总建筑面积约44.8万平方米,将建设两座30万吨级大型干船坞、三座30万吨级舾装码头及配套全套现代化生产系统,主营大型散货船和集装箱船建造,首批新船预计2029年进入交付阶段。“从此两项来看,泉州船厂‘资产盘活’定位修船,天津中远海运重工是实打实的新增造船产能。至于其对未来市场的影响,我认为担心产能过剩是合理的,但当下并非处于产能过剩的阶段。”Veson Nautical大中华区总经理王翔对财联社记者表示,真正的压力或需要关注2028年前后,交付量上升后,市场订单量情况。绿色甲醇成本居高LNG动力仍为主流从本轮新造船周期来看,王翔表示,核心支撑为替换周期、绿色更新、地缘冲突三因素共同推动,与2008年因素供需失衡原因不同。其中,绿色更新方面,MEPC 85会议即将召开,IMO净零排放框架是否通过备受业内关注。有船厂人士告诉财联社记者,目前其船厂订单,清洁能源燃料动力相关仍以集装箱船为主,受绿色甲醇成本仍处于高位影响,当前船东更倾向LNG动力。财联社记者在2026世界航商大会“船舶绿色能源发展与供应链安全”专题研讨会上也了解到,业内认为此次MEPC 85会议上IMO净零排放框架通过的难度仍较大。在王翔看来,若此次IMO净零排放框架仍无法通过,虽不会让船舶绿色转型止步,但会改变其节奏与路径。“国际规则迟迟定不下来,最直接的影响是投资信心。船东可以先行造一艘双燃料船,但建一座绿色甲醇或绿氨工厂,需要更长久的确定性。没有统一的规则和碳价,燃料端的投资会继续观望,这反而让船东不敢在新燃料上押注太多。”而燃料层面,相比于LNG,目前绿色甲醇的应用痛点,在于成本高居不下。“尽管公司有绿色甲醇相关的项目,但目前绿色甲醇的生产、接收成本等都处于偏高的位置,让公司对绿色甲醇的未来投资持审慎态度。”中石化(香港)燃料油董事、总经理王学锋在前述专题研讨会上坦言道。除了王学锋外,还有多名绿色甲醇产业链相关人士在研讨会上提到了绿色甲醇当前的成本问题。“实际上,绿色甲醇作为化工原料,应用前景十分广阔,市场可以开发非船用的绿色甲醇应用场景,以此扩大应用规模,有利于降低船用绿色甲醇成本。”华商能源(00206.HK)执行董事、行政总裁詹华锋说。中集安瑞科相关负责人向财联社记者透露,绿色甲醇的经济性会随着生产运营的进一步优化提升。值得关注的是,中东局势下,灰色甲醇供应出现短缺,这对传统甲醇化工原料市场带来了较大冲击,绿色甲醇作为独立的生产路线和供应链,不太受到国际上化石甲醇供应关系的冲击,反而越来越多的化工企业转向使用绿色甲醇作为原料生产绿色化工品,对绿色甲醇产业有积极的推动作用。目前绿色甲醇船用需求也处于爬坡状态。该中集安瑞科相关负责人表示,2026年截至目前,全国绿色甲醇加注量已经实现了相较于2025年数倍的增量。公司认为,在2027年,随着珠三角大湾区区域(包含中国香港),更多的甲醇动力船下水,会带来至少50%的需求增量。产能方面,财联社记者了解到,目前中集安瑞科已有绿色甲醇一期项目,在广东湛江投产,年产能5万吨;二期项目预计于2027年投产,年产能20万吨。此外,华商能源绿色甲醇山东项目预计在2027年实现年产能3万吨,目前为2-3万吨;宁夏项目仍在规划建设中,预计2028年投用,设计年产能10万吨。“短期内,由于LNG双燃料动力因燃料现成、技术成熟,仍将成为主流选择。同时,更多新船会采用‘预留(Ready)’设计,预留清洁燃料动力主机改装空间,待规则明朗后再行决定。”王翔进一步表示,推动转型的力量并不只有IMO,欧洲已有相关减排规定已经在执行,大型货主和租家也在提要求。整体来看,航运减排不会停,未来会从一套全球规则,演变为各地各自的管理规则,船东的合规成本和管理难度都会上升。对资产价值来说,绿色船舶的溢价依然存在。
家门口的养老院正在消失
虎嗅 · 1 天前
本文来自微信公众号: 经济观察报 ,作者:田进曾经热情引进这些项目的地方政府工作人员,开始劝秦新关停建筑条件不符合监管要求的机构,也对之前的努力付诸东流表示遗憾。一年内,秦新关停了当地一批设施不达标的社区嵌入型养老机构,数量约占集团在当地机构总量的一半。今年上半年,秦新将养老院关停的通知发给老人和家属后,就迎来了“让他难以招架”的情绪反馈。这是一家位于一线城市的社区养老院,约有40张护理床位,已运营近十年时间,常年处于满住状态,入住的大部分是周围厂区的失能、半失能老人。秦新很能理解家属们的情绪。对老人和家属来说,搬离住了多年的养老院,几乎是一场煎熬:家属要花时间重新挑选养老院,新选的养老院可能离家更远、收费更高;老人也需要重新适应,承受更大的心理压力。考虑到投资和运营成本,秦新还是决定关停这家养老机构。今年7月,《养老机构基本规范》《养老机构重大事故隐患判定准则》两项强制性国家标准发布,对养老院的硬件设施和合规运营提出了更高要求。要完成合规改造,秦新还需投入约200万元,这笔费用他难以承担。十年前,秦新投资了约500万元改造当地一个老旧建筑,成立了这家养老院。十年间,算上政府补贴,这家养老院的年利润勉强维持在30万元,如今尚未收回投资本金。硬件改造只是合规成本的一部分。近两年,多起养老机构安全事故发生后,多个部门加强了对养老机构安全合规的监管力度。平均两周迎接一次官方检查成为许多养老机构的常态,这也增加了养老院的合规运营成本。在多位业内人士看来,合规运营是行业健康发展的必由之路,但对一些社区型养老院而言,也是一次巨大的挑战。社区养老院收费较低、离家近,是很多老年人特别是失能、半失能老人的首选。北京一家连锁养老品牌负责人说,高龄、失能或半失能老人在情感和护理方面,有着类似小孩子的需求,而社区型养老机构如同家门口的幼儿园,能让老人在机构内安心养老。不过,一些社区养老机构受利润趋薄、合规成本上升等因素影响而逐步退出。近两年,秦新已陆续关停了集团旗下约一半的社区嵌入型养老机构,其中一个原因是难以达到不断提高的养老机构建设标准,也难以适应日趋严格的监管要求。经济观察报采访了6家连锁养老机构的负责人,他们均观察到一些社区养老院正在退出市场。其中几家受访企业,也在陆续关停旗下的社区养老机构。2026年11月18日至19日,全国老龄工作会议在北京召开。会议强调要“把握老年群体的经济条件差异,注重服务保障的梯度供给;把握老年群体的养老方式差异,注重居家社区机构服务贯通协调;把握老年群体的城乡区域分布差异,注重政策的均衡性和精准性”。上述北京连锁养老品牌负责人认为,行业目前的结构性变化是养老产业发展的一道重要分水岭。他说,不规范的社区嵌入型养老院的批量退出,必然有利于养老行业的规范、健康发展,但鉴于社区养老院仍是一类能够提供低价、可及养老服务的重要机构,各方也需要想办法,帮助更多社区养老机构完成合规改造,让失能、半失能老人仍有机会在家门口养老。家门口养老从外观看去,秦新上半年关停的那家社区嵌入型养老机构像一栋学生宿舍,机构的人均建筑面积只是略高于25平方米/人的最低国家标准。护理员与重度失能老人的配比约为1∶4,配备比例高于新国标规定的1∶5下限。秦新说,相比于中大型养老机构,这家养老院离老人的家近,周边环境也为老人所熟悉。因为紧挨着社区,这家养老院此前经常出现这样的画面:每天上班前,家人给老人买点水果、点心;每天放学后,家人带着小孩去养老机构陪爷爷奶奶聊会儿天;逢年过节,因为离得近,推着轮椅就能接老人回家吃团圆饭。社区周边曾有一座大型钢铁厂,机构内的许多老人都是钢铁厂的退休职工,他们的退休金大多在4000元—5000元/月,这家养老院人均收费在6000元/月左右,家属只需要补贴一部分,就能够长期支付入住的费用。对于机构内的多数老人而言,这是他们生活了大半辈子的社区。周边几公里,只有这一家社区嵌入型养老机构。关停后,一名已经转院的老人曾找到秦新抱怨,现在孩子来看望他需花费一个小时,两个月才能来一次。从设施和定位看,社区嵌入型养老机构的床位数通常控制在100张以内,空间布局类似于大学生宿舍。这类机构更注重床位和护理设施建设,文娱、休闲及室外活动空间相对较少。通过降低投入和运营成本,这类机构的收费往往也会低于周边的中大型养老机构。华东地区一家连锁养老机构的负责人将社区嵌入型养老机构比作“路边摊”,而中大型养老机构就像“中大型餐厅”。“社区嵌入型养老机构在休闲、娱乐设施方面投入较少,因此可以降低整体收费标准。因此这类机构适合需要护理服务而经济条件又有限的家庭,给人们提供了一个更具性价比的选择。”他说。社区型养老院一度是政策重点鼓励建设的养老院类型。2016年,国务院办公厅《关于全面放开养老服务市场提升养老服务质量的若干意见》明确提出:“鼓励建设小型社区养老院,满足老年人就近养老需求,方便亲属照护探视。”2019年,民政部《关于进一步扩大养老服务供给促进养老服务消费的实施意见》提出“在社区层面建立嵌入式养老服务机构或日间照料中心”,同时支持社会力量参与,培育专业化、连锁化机构。秦新至今记得,几年前在中西部某省,一名当地民政部门工作人员顶着夏日高温,带着他走访多个社区,寻找适合开办养老机构的场所。一整天下来,衬衫湿了又干、干了又湿。当时,秦新所在的企业是该省份引进的首批外省连锁养老企业之一,当地民政部门希望通过这样的方式,提高本省养老机构的服务标准,扩大服务供给。秦新所在的企业应邀在省会城市,短时间投入运营了多家社区嵌入型养老机构。合规大趋势2025年,曾经热情引进这些项目的地方政府工作人员,开始劝秦新关停建筑条件不符合监管要求的机构,也对之前的努力付诸东流表示遗憾。一年内,秦新关停了当地一批设施不达标的社区嵌入型养老机构,数量约占集团在当地机构总量的一半。最近三年,养老机构发生多起安全事故,敲响了养老院安全运营的警钟。为推动养老院安全运营,多地发布了相关政策文件并启动了多轮次的养老院检查。今年7月发布的《养老机构基本规范》《养老机构重大事故隐患判定准则》两项强制性国家标准将于2027年8月1日起正式实施。今年9月,在新闻发布会上解读两项强制性国家标准时,民政部养老服务司副司长张军表示,近年来,养老服务快速发展,但部分养老机构运营水平较差,服务管理不规范、安全隐患突出等问题不容忽视,有必要制定发布全国统一的强制性标准,为养老机构运营划定基准线与安全红线。此前,经济观察报进行的一次问卷调查显示,2024年第二季度,18家养老机构接受行政检查的次数为2至11次,平均为5.7次,检查出有问题的次数平均为1.6次。调研中,养老机构因多种问题而受到处罚:缺乏安全责任人和管理人的正式任命书、在消防演练中老人穿衣速度未达标、未能及时进行垃圾分类等,其中有机构因未及时进行垃圾分类而被罚款数千元。在监管加强的过程中,以中小型为主的社区养老院的问题逐渐暴露。浙江大学建筑工程学院研究员陈瑜此前的调研就显示,一些小型养老机构由旧建筑改造而来,公共走廊的净宽度低于1.8米的标准;一些养老机构受限于原有占地位置和房屋结构,不满足消防水池、避难间等消防相关要求。上述北京连锁养老品牌负责人表示,大量社区嵌入型养老机构由老旧甚至楼龄超过50年的建筑物改造而成,建筑物的消防、结构安全根本达不到现有设定的国家标准,但在此前十年行业粗放式发展阶段,无论是监管部门还是养老院运营者,都没有这个意识。在抗震等级、通风、采光等方面,均有相关要求。从业者对比过相关标准,其中很多安全标准要高于幼儿园建设标准。上述北京连锁养老品牌负责人以容积通常为200余立方米的地下消防水箱为例,当前一线城市的大量社区嵌入型养老机构都是通过改造四五十年楼龄的房屋形成的。养老院与周围居民楼距离可能只有十余米,地底遍布着大量管线,因此很难满足安装消防水箱的基础条件。同时,老旧小区也没有安装消防管道的条件。随着监管收紧,一些硬件不达标、又难以完成改造的社区嵌入型养老机构只能退出市场。2026年5月,哈尔滨市阿城区民政局就一次性责令关停8家养老机构,理由是机构未取得消防审验手续,严重违反消防安全管理规定;2026年上半年,长沙市消防部门对全市206家养老机构进行了一次性综合摸排,累计立案调查11家,重大火灾隐患立案9家,其中两家机构的问题是“场所的楼梯间第二层、第三层设置了栅栏门”,一家机构的问题包含疏散楼梯只到1—5层,6层只有一部电梯。华东地区一家大型连锁养老机构的负责人回忆,在与相关监管部门沟通时,有工作人员曾对他说,“相比于中大型养老机构,许多社区嵌入型养老机构的合规运营程度很糟糕。”艰难的转型为实现软硬件合规运营,唐景旗下的部分养老机构近两年做了很多尝试。唐景在南方多省份持续运营连锁养老机构近二十年时间。按照消防要求,无论机构大小,消防控制室必须实行24小时双人双岗持证上岗。但即使在二、三线城市,一名持中级消防证的人员工资成本约为6万元/年,要满足24小时双人双岗持证上岗,需要有6名值班人员,成本要达到36万元/年。唐景表示,当前养老机构的利润率普遍被压缩至10%以内,社区嵌入型养老机构的净利润规模通常不到50万元/年。为满足监管要求,唐景旗下的部分社区嵌入型养老机构让机构内的院长、行政人员、护理员都去考取中级消防证,借此降低人员支出,并应对临时检查。但她也担心,在国标严格执行后,这条路也将行不通。多名连锁养老机构负责人表达了类似观点,机构需在短期内投入数百万元进行硬件合规改造,长期还需持续承担合规运营成本。以社区养老院目前的盈利水平,很难负担这些支出;而如果通过涨价转嫁成本,不仅很难被老人接受,也不符合社区养老院的定位。唐景说,《养老机构基本规范》提出,养老护理员与完全失能和重度失能老年人的配比不能低于1∶5,与中度失能老年人的配比不能低于1∶10,但在实际运营中,一些社区嵌入型养老机构的人员配比达不到这一要求。如果要增加护理员以达到配比要求,机构可能需要提高护理收费。“当下,一个月上涨100元护理费会引起家属极大的抵触情绪,机构已经连续四五年没有上调护理费了。”上述北京连锁养老品牌负责人算了一笔账,在北京,如果要实现完全合规运营,社区嵌入型养老机构的改造成本约为5500元/平方米,因此一个机构的改造费就需要数百万元。其中,约一半的费用用于公共设施建设,一半用于消防改造和结构加固。这位负责人表示,如果通过提高今后的收费来覆盖改造成本,就会偏离目标群体对低价养老服务的需求。如果不提高定价,机构的投资回报周期将会被进一步拉长。上海沐芃建筑设计事务所有限公司参与过200多个康养项目的咨询及设计。该公司总经理赵雅表示,从投资角度看,许多小型项目即使住满老人,也只是微利运营。随着监管部门对康养项目的合规要求日趋严格,单个项目的固定成本被持续拉高,但终端客户的消费能力并没有上升,如果没有其他外部支持,项目就难以持续经营。北京龙振养老服务中心理事长张玉在走访中观察到,部分同行近两年陆续关停了许多社区嵌入型养老机构。这些机构经评估认为,改造投入无法在3—5年内收回,因此只能关停。“只是投入了十余年心血的机构就这样关停,还是十分舍不得。”留住社区型养老院在家门口养老院消失的同时,养老行业还出现了另一种变化:一些新建养老院的规模越来越大。这些养老院远离市区,动辄有上千张床位,为了增加吸引力,还配建了医院、食堂和丰富的娱乐设施。这类养老院的建设方大部分是央企、地方国企、险资以及少量地方性地产公司。不过,对很多人来说,这类养老院的问题是:不够便宜。据经济观察报记者走访调研,在一、二线城市,超大型养老机构收住失能老年人的费用通常在1.2万元/月以上。这一收费水平与北京、上海的全口径城镇单位就业人员月平均工资大致相当。2024年底发布的《中国养老金融调查报告2024》调查显示,超过半数(54.18%)的调查对象表示未来愿意在养老院养老,但超过一半的调查对象愿意为入住养老院支付的费用不超过每月3000元。唐景算了一笔账,老人入住养老机构最合理的支付标准是不超过养老金的70%,剩余30%的养老金需用于个人医疗和日常生活用品。仅以5000元/月的养老机构费用计算,如果没有家人帮衬,老人养老金水平就需要在7000元/月以上。以当前的养老金替代率(退休时养老金领取水平与退休前工资收入的比率)倒推,个人在职时的工资至少需1.4万元/月。在这种情况下,唐景认为,留住更多的社区型养老院很重要,这样可以保留价格较低的养老服务,让不得不住养老院、支付能力又有限的老人也能住得起。多名养老机构负责人建议,采取更多措施留住社区养老院。比如可以通过财政补贴或者普惠金融的方式,帮助仍愿意继续运营的社区养老院以更低的成本完成合规建设;合规标准也可以进一步分级和细化,在保证安全运营的原则下,根据社区养老院面临的现实情况进行微调。秦新曾赴北欧以及日本、韩国等较早面临人口老龄化的国家和地区,考察养老行业的发展。他发现这些地区的养老机构多数是嵌入社区,床位数只有几十张,而动辄数百张的“超级养老院”只是极少数。当地从业者也提到,老人到了生命的最后阶段,都不愿离开熟悉的社区,那里有住在附近的家人和朋友。秦新建议,政策层面未来可考虑针对中大型养老机构、社区嵌入型机构执行分层管理办法,“一刀切”地要求所有类型养老机构执行同样的运营标准,不利于部分小而美的养老机构的存续。短期内,政府部门也可以积极帮助养老机构协调相关物业设施,实现养老服务供给的平稳过渡。(应受访者要求,文中秦新、唐景系化名)
谷歌重磅论文:内部已实现RSI,Opus经验喂给Gemini,AI拥有进化记忆
虎嗅 · 1 天前
本文来自微信公众号: 新智元 ,编辑:Aeneas大卫,作者:ASI启示录,原文标题:《谷歌重磅论文:内部已实现RSI!Opus经验喂给Gemini,AI拥有进化记忆》谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇最新论文里。谷歌的顶级研究员们,搞出了一个「自我改进记忆」(Self-Improvement Memory,简称SIM)机制。这不仅意味着,大模型真正学会了「写日记」来反思自己的代码,更恐怖的是——AI的进化经验,居然可以跨越模型家族直接「遗传」。哪怕你上一秒用的是Claude Opus优化出来的Agent框架,下一秒换成Gemini,它直接继承Claude的「前世记忆」,踩在巨人的肩膀上继续狂飙。AI,终于学会了「继承记忆」,开启了真正的递归自我改进(RSI)!大模型依靠海量算力「大力出奇迹」的时代,正在终结。为什么新模型一出,老代码就成了「废铁」?下面,就是开发者最常遇见的噩梦。随着Agent全面爆发,RSI成了各大公司狂卷的方向。但是,这里的「改进」,通常不是指去修改大模型那几千亿的底层权重,而是去修改「Harness」,也就是套在模型外面的那层「机甲」,提示词、工具、拦截规则都在里面。。过去,AI通过RSI技术,在无数次试错中把这套「机甲」打磨得完美无缺。然而,致命的问题来了:一旦底层的「大脑」换了,这套机甲就废了。谷歌研究员在实验中发现了一个诡异现象——一个在Claude Opus深度进化、表现优异的Harness,直接套用到Gemini身上,得分居然比Gemini原生的初始Harness还要低!为什么会这样?因为当代码被扔给新模型时,只有「结果」被保留了,但「原因」丢失了。新模型看着满屏幕复杂的规则、各种奇怪的拦截器和提示词,完全「懵圈」了。由于新模型的优化器不知道过去每一次修改代码的初衷,它就会开始乱改。它可能会把原本用来修复致命Bug的代码,当成冗余代码删掉,或者把早就证明无效的方案又拿出来重新跑一遍。结果就是:越优化越烂,陷入死循环。破局之战:谷歌甩出王炸——CRSI与SIM机制为了打破这个魔咒,谷歌在这篇论文中提出了一个革命性的框架:CRSI(Continual Recursive Self-Improvement)。它的核心灵魂,就是SIM(自我改进记忆)。请注意,这绝对不是给大模型加个简单的「聊天历史记录」,而是给AI优化器配了一个高度结构化的「极客开发日志」!谷歌提出的SIM机制,相当于给AI优化器配了一个结构化的开发日志SIM是怎么工作的?它把AI过去的每一次「折腾」,都记在了账上。每次AI修改了Harness的代码,SIM就会按照「问题根因」进行分组,并记录下以下四大核心要素。Rationale(修改动机与具体代码):AI到底是基于什么原因,修改了哪一行代码?Predicted outcomes(预期效果):动手改之前,AI觉得这行代码能修复哪些特定的任务?Observed outcomes(实际效果):代码跑完后,到底成功了几个?失败了几个?有没有引入新的Bug?Evaluation context(评估上下文):当时是在什么模型、什么数据集上跑的?这就相当于,上一代模型在离职前,给下一代模型留下了一份极其详尽的「交接文档」。当Gemini接手Claude留下来的复杂Harness时,优化器不再是一头雾水。它会在每一轮优化前,先阅读这份SIM日志,借鉴前人经验,「吃一堑而长一智」。AI,终于拥有了可以代代相传的「进化底蕴」。实战演练:当Gemini继承Claude的「前世记忆」为了验证这个机制有多逆天,谷歌团队设计了一个跨模型接力赛。把Claude Opus 5.5进化出来的Harness,连同SIM记忆,一起打包扔给Gemini 3.8 Flash,让它继续优化。论文中展示了一个非常经典的「过早完工」Bug案例,简直让人拍案叫绝。在之前的优化中,AI总是喜欢「偷懒」。比如还没执行Git命令,就骗系统说「任务完成了」。为了治这个毛病,Claude时期的优化器在Harness里加了一个「拦截器」,规定:没有实际执行命令,就不准提交完成。无SIM的情况,简直是灾难现场。Gemini接手这个拦截器后,完全不知道它为什么存在。在后续的迭代中,Gemini不仅没有让它变得更好,反而自己把自己搞死机了,连续4次重写这段代码,其中2次居然是为了修复它自己刚搞出来的Bug。看起来就像一个没看懂前人架构的新手程序员,在屎山代码上越拉越多。而有SIM的情况,直接是降维打击。当Gemini带着SIM日志接手时,奇迹发生了!优化器阅读了日志,立刻明白了:「这个拦截器是为了防止在没有证据的情况下过早提交。」于是,基于这个认知,Gemini不仅保留了这个拦截器,还顺便给它进行了史诗级升级!它在里面加入了针对特定目标任务的检查,这样,不仅要任务跑通,还要对比理论最优解,只有得分达标了才准提交通关。这,就是真正的继承和发扬光大。数据炸裂:全方位碾压,AI进化不再盲目论文给出的实测数据,直接屠榜了!谷歌在四大核心领域(代码编写、文本分类、工作区任务、工程设计)进行了大规模测试。对比的基线,分别是以下四种情况。Cold Start(冷启动):用原始种子Harness从零开始。Harness Transfer(仅传代码):只继承上一个模型的代码,不继承SIM记忆。Problem-Only Memory(仅传根因):只告诉新模型过去遇到了什么问题,不给具体的修改细节和结果。Full SIM(完全体,本文方法):继承完整Harness+完整的SIM进化日志。测试结果,满盘皆胜!亮点一:Workspace任务,跨模型性能暴涨16分!在Opus转移到Gemini的Workspace任务中,由于水土不服,起点分数只有68.41分。但是在继续优化后:仅传代码(无SIM)的最终得分,挣扎到了73.42。而拥有Full SIM机制加持的Gemini,得分直接一路飙升至84.75!两者之间拉开了高达11.33分的惊人差距。亮点二:Coding领域,胜率高达90%!在Terminal-Bench极具挑战性的命令行任务中,研究团队进行了10次独立的持续优化运行。结果显示,在10次较量中,有SIM的一方9次击败了没有SIM的一方,最终得分平均高出2.36分,且具备极强的统计学显著性(p=0.003)。亮点三:跨数据集泛化同样无敌不仅仅是跨模型,即便是同一个模型,仅仅是去处理全新的数据集(比如文本分类从3个老数据集换到8个没见过的新数据集),Full SIM同样在全部6个测试场景中拿下了最高分!这个成绩超越了所有不带完整记忆的对照组。数据证明了一切:保留修改动机和测试结果的「经验日志」,是AI打破性能天花板的唯一钥匙。有人说:现在,你或许只是y惊讶于RSI的发展速度;但很快或许它所能达到的程度也会让人惊讶。RSI真正落地!持续递归进化的时代来了过去,大家都在喊RSI,但其实都是「伪RSI」。因为没有记忆机制,AI在自我改进几次后就会「走火入魔」,陷入性能衰退。而谷歌的这篇论文,相当于在现实世界中打通了RSI的任督二脉。但CRSI+SIM的出现,告诉我们:Agent的进化是可以「复利式增长」的!因为有了「自我改进记忆」(SIM),AI的每一次迭代都是在做加法。第一代AI优化了10%的代码,并记录下原因。第二代AI读取记忆,在10%的基础上,再优化20%。第三代AI继承前两代的记忆,继续寻找新的突破口……可以说,这是一种不可逆转的物种进化。当AI学会了像人类一样,通过「文字(日志)」将知识代代相传时,RSI就迎来了大爆炸。这项研究告诉我们:当AI学会了自我反思、自我记录、并且能互相传授经验时,它就已经拿到了进化的接力棒。一个不需要从零开始的AI,一个永远在叠加经验BUFF的AI。谷歌的这项研究,正是RSI从「单次实验」走向「持续复利」的关键一步。参考资料:https://arxiv.org/abs/2611.18856
60万本金浮亏400元,中低风险理财“变脸”了,36万亿银行理财陷净值震荡
虎嗅 · 1 天前
本文来自微信公众号: 时代周报 ,编辑:卢泳志,作者:黄宇昆,原文标题:《60万本金浮亏400元,中低风险理财“变脸”了!36万亿银行理财陷净值震荡》继工银理财、农银理财之后,更多“理财子”加入到向投资者“喊话”的行列。11月19日,中邮理财、浦银理财官微发布《致投资者的一封信》,解释近期理财净值回撤的原因,呼吁理性看待短期波动。一向被投资者视为稳健资产的银行理财,正在经历一场范围不小的净值波动。近期,不少投资者注意到,自己持有的中低风险(R2级)银行理财,自10月底以来净值连续出现下跌。部分持仓仅有一个月左右的投资者,不仅此前累积的浮盈尽数回吐,本金也有不同程度亏损。在此背景下,一些投资者开始选择主动赎回。苏商银行特约研究员付一夫向时代周报记者表示,部分R2级银行理财出现净值回撤,是债市短期调整叠加净值化规则、赎回负反馈共同推动的结果。兴业证券发布的一份最新研报称,近期信用债ETF接连被赎回,城投债ETF成为信用市场情绪的风向标,理财为了规避净值压力,争先赎回。不过,该研报也认为,2022年的理财“赎回负反馈”大概率不会重演,核心变化是理财持仓不再重度依赖信用债,且最近几年二永债(二级资本债与永续债)流动性明显改善,可承接机构日益丰富。叠加理财流动性管理工具较为充裕,应对赎回的能力明显增强。中低风险理财产品亏本金,“赎回负反馈”可能性较低“以前最多是少赚点,现在直接亏到本金了。”10月底以来,不少投资风格偏稳健的投资者发现,自己购买的中低风险银行理财产品净值出现大幅波动。来自浙江的投资者孙明(化名)向时代周报记者表示,10月初购买了一只风险级别为R2的理财产品,本金60万元,本来是处于浮盈状态,但11月以来产品净值连续波动,不仅回吐了前期的浮盈,甚至本金也开始亏损。由于本金已浮亏400多元,孙明开始考虑将其赎回。有此顾虑的投资者不在少数,江西投资者刘颖(化名)表示:“买了这么多年的理财产品很少出现亏本金的情况,最近突然发现持有的50万元低风险理财连续亏损,果断赎回了。”“主要是最近债市表现不是太好。”某股份行理财经理告诉时代周报记者,近期确实有一些大客户主动赎回,累计在1000万元左右,都是R2风险级别的产品。近段时间债市连续调整,长债收益率明显上行。据东方金诚研报数据,从上周(11月9日至13日)债市表现来看,10年期国债期货主力合约累计下跌0.20%;上周五10年期国债收益率较前周五上行2.25bp,1年期国债收益率较前周五上行0.59bp,期限利差大幅走扩。从净值表现上来看,部分银行理财产品近一个月波动幅度较大。例如,工银理财旗下天天鑫添益固收类开放理财产品,截至11月16日,该产品近一月净值跌幅为0.18%,年化收益率为-2.09%,10月29日至11月16日净值下跌约0.27%;中邮理财鑫鑫向荣截至11月13日近一月净值下跌0.63%,年化收益约为-7.43%。两只产品均为R2风险等级的理财产品。付一夫表示,R2理财底层大多以债券资产为主,采用市值法估值,波动会直接体现在净值上,不再有摊余成本法的缓冲。一方面,政府债集中发行带来供给压力,叠加阶段性资金收敛、市场情绪扰动,带动债券收益率上行、债价承压;部分固收+类R2产品配置了可转债、二级资本债,进一步放大净值弹性。另一方面形成负反馈:净值回撤引发赎回,理财管理人被动抛售债券兑付,加剧市场调整。叠加前期债市收益率处于低位,机构止盈交易集中,放大波动。本轮主要是交易和情绪层面的阶段性扰动,并非底层资产出现大范围信用风险。中信证券发布的一份最新研报称,近期债市调整引发部分理财机构预防性赎回债基,产品净值波动有所加大,需关注后续是否向负债端传导,形成“净值回撤—投资者赎回—资产抛售”的负反馈。上述研报认为,当前理财机构赎回更多体现为主动防御性操作,尚未演变为投资者大规模赎回,叠加理财产品流动性管理能力有所增强、低利率环境下稳健配置需求仍在,预计本轮调整引发大规模赎回潮的可能性相对有限。某国有大行理财子投资经理向时代周报记者表示,从产品端来看,目前没有出现大规模赎回情况,对于是否会出现类似于2022年理财“赎回负反馈”的情况,其表示可能性不大。“主要是基本面不支持,机构配置情绪也很高,短期会有震荡,但很难形成负反馈。”规模突破36万亿元,“理财子”喊话长期持有由于银行理财的底层资产以债券为主,因此债市后续的行情走势是决定理财净值表现的关键因素之一。付一夫向时代周报记者分析称,短期债市大概率维持震荡格局,资金面容易受缴税、政府债缴款、跨季等时点因素冲击,波动会成为常态;中长期来看,国内内需修复节奏偏缓、通胀水平温和,基本面仍对债市形成支撑,利率很难开启持续单边上行趋势。流动性维持合理充裕,但宽松力度相对克制,更多依靠结构性工具调节。兴业证券研报认为,目前股市表现同样不算乐观,理财赎回后的资金大概率还是会回流债市,一旦情绪反转,修复行情可能同样不弱。当前,银行理财规模仍在持续增长。银行业理财登记托管中心发布的《中国银行业理财市场季度报告(2026年三季度)》显示,截至三季度末,全市场共存续产品5.43万只,存续规模35.37万亿元,同比增加10.08%。另据上述中信证券研报测算,2026年10月末银行理财规模环比回升约9500亿元至36.3万亿元。“展望年末,银行揽储需求及近期债市调整或对理财规模形成阶段性扰动,但目前负债端风险整体可控,预计全年理财规模有望企稳在36万亿元左右。”该研报称。对于近期市场调整造成的理财净值波动,多家理财机构也主动向投资者“喊话”,呼吁长期持有。例如,工银理财发文建议投资者结合自身资金使用计划、风险承受能力理性配置,用长期闲置资金参与投资,拉长观察周期,避免因短期波动频繁申赎,减少情绪化交易带来的亏损;农银理财也发文表示,从债券市场历史数据看,短期调整并不改变债市长期趋势,在当前时点下频繁调仓,不仅无法获取赎回至申购期间的收益机会,还可能错过后续市场修复带来的净值回归。11月19日,中邮理财、浦银理财向投资者写公开信,解释近期理财净值回撤的原因,呼吁理性看待短期波动。付一夫认为,对于风险偏好稳健的投资者,不建议在浮亏阶段集中恐慌赎回,低位卖出会把账面浮亏转化为永久性实亏。核心思路是优先做好资金久期匹配,其次分层搭建固收组合,同时合理下调收益预期,适应净值化时代的波动常态。可以采用分批投入平滑持仓成本,避免一次性重仓。持续关注底层债券信用资质、组合久期,规避持仓集中、资质偏弱的标的,依靠票息收益消化短期估值波动。
外国游客来华付款卡在哪?专访国家金融与发展实验室理事杨涛:还要闯“规则关”
虎嗅 · 1 天前
本文来自微信公众号: 时代周报 ,编辑:梁励,作者:宋珂欣人民币支付便利化,正在入境消费场景中集中落地。11月,进博会、APEC深圳会议期间,多个离境退税专区设立,“现金+银行卡+电子钱包+数字人民币”多元退税矩阵加速搭建。与此同时,财付通“外包内用”已支持60个境外主流电子钱包,用户无需更换App即可在境内扫码消费,“外卡内绑”覆盖Visa、Mastercard等7大国际卡组织。这并非孤立的场景优化。央行行长潘功胜此前明确表示,将继续完善境内外金融市场互联互通、支付系统跨境互联,提升跨境贸易和投融资活动的便利性。有序推进人民币国际化,发展离岸人民币市场。不难看出,支付系统跨境互联已被置于人民币国际化的政策序列之中。场景铺开和通道覆盖进展明显,但跨境支付的制度接口尚未完全打通。每接入一个电子钱包或卡组织、每新增一个退税场景,都伴随接口开发、系统联调与运维投入,叠加多部门协同、海关核验和数据治理成本。支付便利化只是入口。当入境场景的支付堵点被逐一打通,人民币跨境支付要从“通道可达”走向“规则兼容”,还需要具备哪些制度条件?对此,时代周报记者专访了中国社科院国家金融与发展实验室理事杨涛。△中国社科院国家金融与发展实验室理事杨涛图源:受访者供图时代周报:从推动人民币国际化的角度看,应如何理解推动境外来华人员支付便利化的举措?这一举措的最终目标是什么?杨涛:国际货币竞争在跨境支付基础设施层面的关键维度可以概括为三层:接入权、规则定义权和治理权。接入权决定谁进入网络;规则定义权决定报文标准、合规审查和费用结构由谁主导;治理权决定网络升级方向与争议解决机制。以美元体系为例,其壁垒不在单项技术,而在代理行体系、报文标准、美元清算与深度金融市场共同形成的生态闭环,由此参与者越多,流动性越深,转换成本越高,三者互为强化。这对人民币的启示是双重的。一方面,加快推动人民币跨境支付系统(Cross-Border Interbank Payment System,CIPS)等跨境支付清算网络的规模增长是必要基础;另一方面,提高本币结算在真实贸易和投融资中的实际权重、规则的外溢能力、治理层面的参与度,才决定人民币支付网络能否从“可用”走向“不可或缺”。时代周报:要实现不同钱包和卡组织在支付系统底层直接兼容,还需要具备哪些制度条件?难度如何?若实现了,会对人民币国际化等方面带来怎样的影响?杨涛:当前,跨境支付的技术对接成本正在下降,但接入方式仍以双边安排为主,意味着边际技术成本下降,边际制度成本上升。每新增一个钱包或卡组织,都要重新谈判规则、责任和费用。跨境二维码统一网关,解决的是信息转接分发层面的“一点对接”。它仅负责清算信息流转,不涉及资金实际划转,不直接触达底层清算规则的互操作。因此它降低了前端接入成本,但未替代真正的制度协调。推动底层兼容至少需要几方面的保障,如:统一的报文与接口标准、多边认可的数据合规与隐私保护框架、可互操作的清算结算规则、各方接受的费用分摊与风险责任安排,以及监管机构之间的常态化协同机制。其中的难度在于,清算规则的重叠、数据跨境合法边界和既有商业利益再分配等,都超出单一市场主体的处置能力,需要监管层面的多边制度协调。若底层兼容取得实质突破,人民币支付网络的角色将随之发生重要变化:不必以替代既有网络的方式进入市场,可成为多网络缝合架构中可兼容接入的节点。时代周报:目前“外卡内绑”仍主要走Visa、Mastercard等国际卡组织的清算规则,“外包内用”和数字人民币硬钱包提供了替代路径,但尚未成为境外旅客的主流选择。在现有卡组织清算规则仍占主导的格局下,这些替代路径要从“补充”走向“主流”,关键靠什么?杨涛:关键不在技术可用性,而在激励相容的制度设计。替代路径在技术层面已经具备相当条件,如数字人民币硬钱包无需绑定银行卡、无需依赖网络,凭护照即可申领等。但与之相比,卡组织体系提供的不只是支付通道,还有成熟的争议处理、拒付机制、商户覆盖和用户认知。替代路径的进一步扩展需要几方面条件。第一,受理端达到卡组织量级的商户覆盖和可靠性,且收单市场能形成可持续的商业回报,而非依赖阶段性补贴。第二,用户端在资金安全、数据治理和争议救济上形成清晰可预期的规则,使用户敢于将其作为日常选项而非备选。第三,网络效应从单向走向双向,不仅要是境外用户来华消费的单向流动,而且当境外用户在离开中国后仍能获得持续的网络服务。时代周报:全国首个退税、换汇、支付“三合一”集中退付点已落地,广东、广西、海南实现“即买即退”跨省互认,境外旅客可自选口岸离境。如何看待“支付+退税+换汇”制度集成的意义?这种衔接对制度型开放框架下人民币跨境使用的推进会带来什么影响?杨涛:“三合一”退付点的意义,在于把退税、外汇管理、支付清算三个分属不同制度逻辑的环节,在操作层面集成为一个境外主体可一站式完成的制度界面。制度型开放的核心不只是降低关税或放宽准入,更在于让境外主体面对一体化界面而非碎片化门槛。对人民币跨境使用而言,当退税款可以自主选择人民币现金、数字人民币硬钱包或电子钱包接收,并与换汇、后续消费形成闭环时,人民币的角色就从“需要兑换才能使用的货币”,转变为跨境消费链条中具有实际可用性的计价和支付载体。退税资金的币种选择和到账方式,是人民币在零售跨境场景接受度的一次真实压力测试。货币的国际使用,最终由无数微观主体使用意愿累积而成,“三合一”所做的,正是把这种微观意愿转化为可操作、可持续的模式。
Anthropic万亿IPO冲击波:智谱、MiniMax大跌,市场或重估大模型定价逻辑
虎嗅 · 1 天前
本文来自微信公众号: 时代周报 ,编辑:郭儒逸,作者:刘娟北京时间11月20日凌晨,AI大模型巨头Anthropic正式登陆纳斯达克,IPO募资约为813亿美元,加上完成的260亿美元私募配售,整体募资规模达1073亿美元,打破此前由SpaceX保持的全球IPO募资纪录。上市首日,Anthropic股价最高冲至115.10美元,短暂压过特斯拉和Meta。截至收盘,Anthropic总市值1.27万亿美元,较发行价上涨17.07%,与当日特斯拉市值仅差2100万美元。Anthropic上市并未同步提振整个AI板块。11月19日美股收盘,纳斯达克指数下跌2.25%,标普500指数下跌2.02%,道琼斯指数下跌2.19%。香港市场随后延续弱势。11月20日,恒生科技指数一度跌超4%。截至收盘,MINIMAX(00100.HK)跌10.8%,智谱(02513.HK)跌7.17%。Anthropic成立于2021年,是继智谱和MiniMax之后全球第三家AI大模型上市公司。高光之下,市场对大模型企业的估值逻辑也将同步校准。“Anthropic上市,把一套此前在一级市场被模糊定价的商业模式带到公开市场。未来资本会对模型公司收入的可持续性与可验证性重新评估。”沙利文中国执行总监李庆对时代周报记者表示,“对下一步要上市的模型公司而言,其估值逻辑和股价等会受到结构性影响。”高营收增长背后Anthropic的一举一动,堪称全球AI行业发展的风向标。2021年,OpenAI七名核心骨干因与创始人奥尔特曼在模型商业化和AI安全方面的理念差异选择出走,随后创立Anthropic。2021年5月,Anthropic完成首轮融资,募得资金1.24亿美元,投后估值4.61亿美元。2025年9月,Anthropic完成130亿美元F轮融资,相较前一轮融资规模增长271.43%,公司估值达到1830亿美元,创下阶段性新高。成立五年多时间里,Anthropic完成数轮融资,累计融资金额超过1134亿美元,公司上市前估值达到9650亿美元。与融资规模一同备受关注的还有背后投资方。最初公司投资方还只是个人投资者和风投机构,2023年谷歌率先投资3亿美元,此后不久亚马逊宣布投资40亿美元,后来微软和英伟达也参投。支撑Anthropic拿下多轮大规模融资的,是以Claude为核心的产品体系及商业化能力。2023年Anthropic推出Claude模型,在数学、编程等领域性能保持领先。2026年8月Semi Analysis报告显示,Anthropic的年化运行收入(ARR)已突破440亿美元,较2025年底的90亿美元增长近5倍。增长核心驱动力,是企业端需求的爆发和编程智能体Claude Code的强劲表现。Anthropic首席财务官Krishna Rao曾在采访中表示,“Claude对企业的运营方式正变得越来越重要,公司融资也反映了客户的巨大需求。”根据Anthropic招股书数据,2025财年(截至2025年12月31日),Anthropic的收入为45.9亿美元,同比增长1088%;公司运营亏损从29.8亿美元扩大至80.6亿美元。2025年全年,Anthropic在计算和基础设施上的支出达到73.3亿美元,占当年总运营费用的58%。Anthropic虽完成上市,但公司营收基本面仍有提升空间。李庆告诉时代周报记者,此前两三年,资本市场的定价前提是算力需求持续增长、云厂商资本开支扩张、模型能力不断突破、AI将成为下一代基础设施,市场愿意为增长预期支付较高溢价,对短期盈利能力相对宽容。随着Anthropic的上市,大模型企业的商业模型、营收体系呈现在市场面前。投资者或倾向于追问更现实的问题。“巨额资本开支还能持续增长多久、商业化收入能否真正支撑当前估值、电力与数据中心等基础设施是否存在融资和供给风险?”李庆说。市场或重估大模型商业模式Anthropic上市同时,国内头部大模型企业也在冲击资本市场。除已完成上市的智谱和MiniMax,曾被称为“大模型六小虎”的月之暗面、阶跃星辰等也不时传出相关动作。近期,DeepSeek也完成千亿级第二轮融资。多位专家在采访中向时代周报记者分析,Anthropic的上市会对未来要上市的模型公司产生结构性影响。资深市场分析人士王骥跃告诉时代周报记者:“Anthropic上市可能会促使资本市场调整对大模型公司的收入、现金流的预期,调整后没有之前那么乐观。”对于此前被一级市场模糊定价的商业模式,李庆将其分为三层:第一层是模型API与模型服务,通过Token消耗、API调用和企业订阅获得收入;第二层是专业工作流和AI Agent,把模型能力嵌入编程、研究等具体业务流程,企业购买的不再只是模型能力,而是工作成果;第三层是企业级AI平台,通过办公套件、权限管理和安全体系进入企业核心IT系统。Anthropic走的是闭源技术路线,闭源路线更容易把模型能力封装成可收费的企业级产品并形成客户黏性,开源路线的变现更依赖生态规模、部署服务与算力协同,收入确认相对分散。但两条路线面对的是同一套公开市场指标,即大客户收入扩张、续费率与净收入留存率、AI产品实际使用频率、单位算力带来的收入、毛利率以及经营现金流。并购达人创始人鲁宏认为,Anthropic上市大概率会促使资本市场重新评估大模型的商业模式。具体而言,资本评估重心可能从模型跑分转向单位算力回报与毛利率、经营现金流及客户留存率。Anthropic上市后的表现可能成为AI产业估值体系的分水岭。李庆对时代周报记者表示,如果Anthropic实现收入持续增长,改善利润率获得市场认可,其有机会成为AI基础模型企业的估值锚,为后来者打开上市窗口并抬升估值中枢。“如果市场发现连行业领先企业也难以支撑过高估值,一级市场估值倒挂、发行定价下调和上市后破发,会成为后续模型公司更常见的风险。”他进一步指出,对准备上市的企业而言,股价表现将更依赖招股文件中可验证的财务质量,而非赛道叙事。据媒体报道,月之暗面正推进上市前股权重组。对于冲击上市的模型公司而言,行业竞争将更趋激烈。鲁宏认为,月之暗面走的是C端+API路线,资本会将其收入增速和毛利模型与Anthropic进行直接对标。阶跃星辰侧重端侧与硬件嵌入,其估值逻辑则可能更偏向场景落地规模。他分析称,月之暗面的股权重组若出现估值衔接问题,将可能影响上市时间表。阶跃星辰股东中产业资本与国资并存,需要在港股规则下厘清关联交易与独立性问题。另一方面,在Anthropic上市、美国中期选举等多重事件叠加下,AI监管不确定性增加。李庆告诉时代周报记者,短期看,有真实收入、客户留存和经营现金流的企业获得溢价,仅靠模型跑分与融资叙事的公司面临估值回调。中长期看,AI作为基础设施的产业逻辑并未逆转,市场只是从预期驱动的估值扩张,进入业绩兑现和资本回报驱动的估值重构,对企业的盈利能力、单位算力产出和资本回报率提出更高要求。“未来小公司买不起算力的会批量倒闭,和AI应用相关的创业平台,多数也跑不出来。”鲁宏说。
黎曼猜想的AI证明,98%是对的
虎嗅 · 1 天前
本文来自微信公众号: 返朴 ,作者:返朴北京时间11月20日晚,34岁的Anthropic数学家Levent Alpöge在个人网站宣布,他与Claude合作,找到了悬置167年的黎曼猜想证明。没有预印本,没有Anthropic新闻稿,只有一份4页的说明文档和14个分卷压缩包。解压之后,是175187个Lean源文件,约1740万行代码。全球数学家耗时数年共建的社区数学库Mathlib4大约有210万行代码。Alpöge为这一道问题生成的代码量,超过了整个Mathlib4库的8倍。Alpöge曾私下让模型把这套证明展开成人类可读的自然语言草稿,篇幅超过25万页。数学家Mark Lewko算了笔账:《数学年刊》自1884年创刊以来发表的全部6300篇论文加起来,也不过约16万页。Alpöge把那25万页草稿称作不可读的AI废话(slop),拒绝公开文本,同时坦承自己“在尚未完全掌握证明周边大片数学领域的情况下,就已经把一份完整的论证交给了世界”。这个时间点确实不凑巧,偏偏卡在Alpöge供职的Anthropic上市敲钟前后。蒙特利尔大学数论学家Andrew Granville称,Alpöge公布的四页说明文字“混乱不清”,本应先整理成更清楚的论文;他怀疑,选择在此时仓促公布证明,是为了在股价走低之际提振Anthropic的市场表现。Alpöge显然预见了这样的猜疑。他在声明中主动承认:“这个时间点糟透了。”他说,外界很容易作出一种“犬儒式的解读”,但强调:“那不是真的。”市场似乎并不在乎黎曼猜想:当地时间11月20日,Anthropic股价较前一日收盘下跌8.5%。不过,与过往多次不了了之的AI证明宣称不同,这一次,独立验证的绿灯在一夜之间接连亮起。MIT计算数论专家Andrew Sutherland曾向《科学美国人》坦言,他可不想遇见一个能证明黎曼猜想的AI——“真到了那一步,数学家是否还有饭碗,恐怕都只是小问题”。如今,Sutherland却活跃在检验新证明的前线:他利用计算集群,率先编译通过了全部Lean模块。截至北京时间11月21日清晨,他进一步确认,这份证明不仅只依赖Lean的三条标准数学公理,而且已经通过了三个独立编写的外部验证内核的全量复核,仅剩最后一道官方防篡改复验程序仍在收尾。“说实话,这里面有猫腻的概率几乎为零,”Sutherland对《科学美国人》说。2022年菲尔兹奖得主、牛津大学教授James Maynard告诉《纽约时报》:“我认为它很可能是正确的,我有98%到99%的把握。”新AI证明甚至“炸”出了人类证明。上线五个半小时后,另一份手稿突然出现在了斯坦福大学数学家Ravi Vakil的个人博客上。正在参加美国数学会执委会与理事会会议的学会主席Vakil匆忙发出公告,公开了现居罗马的独立数学家Alessandro Masullo撰写的广义黎曼猜想手稿,并特意注明:“这份工作完全由人类完成,没有使用任何AI。”Masullo读博时的导师、以审稿严苛著称的斯坦福大学数论学家Brian Conrad几个月来一直在私下审阅这份草稿。面对媒体追问,Conrad谨慎地表示该文尚未验证完毕,“正在经历重大修改”;之所以仓促公开,是因为突如其来的AI证明迫使他们面对“两个都不好受的选项”——要么把未定稿的文章提前端出来,要么保持沉默,等AI证明传遍学界之后再滞后发稿。Conrad在接受《纽约时报》采访时直言,Alpöge在自己尚未完全理解的情况下就把证明公之于众,“坦率地说完全荒唐”;他还透露,Masullo之所以全程拒绝使用AI,部分原因正是许多学者担心输入AI系统的研究想法得不到安全保障与署名归属。不过有意思的是,有人尝试用ChatGPT验证Masullo的“古法”证明,声称在其中发现了关键错误——对错暂且不论,这也许代表了一种微妙的现状:人类与机器之间,信任天平正悄悄向机器倾斜,更准确说,是向充分掌握机器的人类倾斜。搁置了167年的附注1849年平安夜,老年高斯写信给柏林天文学家恩克,回忆自己从十五六岁起养成的一个消遣:每逢空闲无聊,就花上一刻钟,手算出一千个连续整数里有多少个素数。到晚年时,他与助手已经把300万以内的素数全部清点了一遍。罗格斯大学数论学家Alex Kontorovich开过一个玩笑:如果1790年代有智能手机可以刷,少年高斯大概永远不会无聊到靠数素数打发时间。单个素数的出现看似毫无规律,但高斯从成堆的表格里看出了宏观秩序——在数字x附近,素数的平均密度大约是1/ln x,用平滑的对数积分曲线Li(x)就能相当贴近地预测小于x的素数总数。真正揭开误差秘密的,是高斯在哥廷根大学名义上的学生伯恩哈德·黎曼(Bernhard Riemann)。黎曼原本遵照牧师父亲的安排修读神学,后来才获准转学数学;哥廷根图书馆的借书档案显示,1856年初他连续借阅了狄利克雷与切比雪夫关于素数的论文。1859年当选柏林科学院通讯院士后,在同行催促下,33岁的黎曼交出了一生唯一一篇数论论文《论小于给定数值的素数个数》,全文只有8页。黎曼研究了无穷级数。早在欧拉时代人们就知道,如果像筛子一样把2的倍数、3的倍数、5的倍数从级数里依次筛掉,这项遍历所有正整数的无穷级数,就能改写成只含素数的无穷乘积。黎曼迈出的关键一步,是把变量s放进复平面并做解析延拓:他发现,ζ(s)在宽度为1的带状区域0<Re(s)<1里的“非平凡零点”就像琴弦的泛音一样,共同决定着真实素数个数围绕高斯平滑曲线的起伏。接着,黎曼在论文里写下了数学史上最轻描淡写的一句附注。他估算了给定范围内的零点数量,指出它们极有可能全部落在实部Re(s)=1/2这条正中间的垂直直线上,随后写道:“诚然,对此给出严格证明是令人向往的;但在几次短暂而无果的尝试之后,我暂时搁置了对它的探寻,因为就我目前的研究目的而言,它似乎并非必不可少。”这句“暂时搁置”,让后世数学家忙了167年。1900年,希尔伯特在巴黎将它列为23个世纪数学问题的第八题;2000年,它又成为希尔伯特清单中唯一一道进入克雷研究所七大“千禧年大奖难题”的问题。曾有人以为黎曼当年只是凭对称美感猜测。直到1932年,数学家西格尔(Carl Ludwig Siegel)钻进哥廷根图书馆凌乱的黎曼遗稿堆里逐页拼图,才发现黎曼其实悄悄推导出一套高超的计算公式,亲手算出了前几个零点的位置(第一个约为1/2+14.1347i),验证了它们确实落在那条直线上,只是觉得公式尚未化简妥当而没有发表。为什么所有非平凡零点都落在实部为1/2的直线上如此重要?Kontorovich用“猜准多少位数”给过一把直观标尺:假如用高斯公式预测一个100位大数以内有多少个素数,它会算出一个同样长近100位的预测值。1896年证出的“素数定理”虽然说明相对误差会随数字增大而趋于零,却连这串百位预测值开头几位对不对都给不出保证;2026年10月的“准黎曼猜想”把零点实部压到7/8以内,第一次让预测值前十来位数字变得可靠;而完整的黎曼猜想把零点全部锁在1/2直线上,一举将可靠精度推到前50位左右——剩下的误差只有平方根量级,就像连抛许多次硬币时正反面次数的自然涨落,达到了数学允许的理论极限。Alpöge与Claude此次在顶层代码中证明的5条定理,还从经典黎曼猜想推进到了“狄利克雷广义黎曼猜想”(GRH)。它通过引入模N的狄利克雷特征标,一举管住了首项与公差互素的等差数列(例如除以100余17的无穷数列)里的素数分布,顺带无条件排除了困扰解析数论百年的“朗道—西格尔零点”。至于针对一般代数数域的“扩展黎曼猜想”(ERH),Alpöge明确表示还需更多时间,尚未包含在当前代码里。因此,像“阿廷原根猜想”这类依赖一般数域ERH的结论还不算直接获证。一个“老派数学家”的转向对于关注AI4math的读者,Levent Alpöge这个名字应该并不陌生。不过,在遇到大模型之前,Alpöge其实原本是打算按最古典的方式,去追寻黎曼留下的路标。他1992年生于纽约长岛,拥有美国和土耳其双重国籍,天生带有字素—色彩联觉,数字与希腊字母在他眼里都有固定的颜色。高中时他迷恋计算机,把刚问世不久的CUDA用于脑血管核磁共振图像检测,入围2010年英特尔科学天才奖全美决赛,第25898号小行星由此被命名为25898 Alpoge。进入哈佛大学后他转向纯数学,以4.0满绩同时拿到数学学士与物理学硕士,荣获北美本科数学最高荣誉摩根奖,经剑桥大学深造后,于2015年来到普林斯顿大学攻读博士。他在普林斯顿的导师,是前一年刚获菲尔兹奖的Manjul Bhargava。Bhargava拥有非凡的洞察力:1801年高斯在《算术研究》里用20页繁复运算才推导出二元二次型复合律,Bhargava读博时却只盯着一只2×2×2的二阶迷你魔方,在八个顶点标上整数切三刀,就把20页计算化作了直观的对称性。2020年博士毕业至2025年结束哈佛大学学者学会青年会士任期之间,Alpöge与Bhargava合著了四篇数论论文。直到2025年12月,师徒二人还与合作者在四大顶刊之一的《数学新进展》(Inventiones Mathematicae)发表论文,证明了希尔伯特第十问题在任意代数数域整数环上都是不可判定的——那篇论文从头到尾只有凝练的11页。看起来,Alpöge的学术道路一片光明。然而,骨子里的叛逆与古典理想在这个年轻人身上并存。他在个人主页上写道,自2014年本科毕业起便故意不再在任何期刊发表独立署名论文,“我从小就决定,必须打败它们”。与此同时,他在读博期间独立组织了普林斯顿非正式解析数论讨论班,围绕黎曼猜想储备各种数学工具,自称“是个老派数学家”。转折点出现在2023年——GPT-4问世了。Alpöge写道,那是“人类有史以来创造的最有趣的事物”,在多年研究纯数学之后,他决定重新回到计算机领域。2025年,结束哈佛大学学者学会青年会士任期后,他加入了Anthropic。那恰逢硅谷各大实验室把重型算力投向纯数学的窗口:随着自然语言训练语料见顶,DeepMind、Harmonic以及OpenAI、Anthropic都看中了纯数学与Lean 4证明器给出的零噪声即时反馈。他站在了命运的交叉路口:数论学家,并且直接参与前沿人工智能研发。进入2026年夏天,Alpöge与Claude的产出节奏明显加快。7月,他借助内部模型给出悬置87年的三维雅可比猜想反例;8月中旬,在同事调度约60个Claude Code子智能体尝试冲击黎曼猜想一天半后,他与同事验证并形式化了模型找到的新下界,把黎曼ζ函数临界线上单零点所占比例的已知下界,从约40.75%提高到67.25%。激烈的竞速很快在初秋擦出了火药味。9月8日,OpenAI宣布动用约一万个智能体运行88小时攻克带外力的三维纳维—斯托克斯方程爆破,却因纽约大学教授Tristan Buckmaster与Alpöge几周前刚借助Claude和OpenAI Codex做出三维欧拉方程同类结果,引发了优先权与会话数据隐私争议;一个月后,剑桥大学与伦敦国王学院的学者又指出,OpenAI的部分Lean论证与自然语言稿中的估计并不一致。但科学总在出人意料的回路里推进。2026年10月6日,OpenAI在GitHub一次性放出了722篇AI数学手稿,包括那篇把零点实部限制在7/8以内的199页“准黎曼猜想”证明——Kontorovich当晚在纽约国家数学博物馆晚宴上刷到消息时当场失语,离席致电罗格斯大学数论学家Henryk Iwaniec,后者读完后感叹,AI把他25年前课堂上设想却卡在繁琐细节里的蓝图彻底跑通了,“所有零件确实都在那儿了”。而在那批仓库深处,还躺着一篇关于西格尔零点插值行列式的手稿。Alpöge大方称赞了OpenAI数学团队的好品味:他一眼认出,那个行列式本质上是“不带重数的斯捷潘诺夫方法”。就在10月6日当天,他与Claude启动了历时41天的探索;并在11月20日“三连发”:除黎曼猜想证明外,还同步放出了与Buckmaster、Matei Coiculescu合作的三维无外力欧拉方程爆破结果,以及与Buckmaster合作的三维无外力纳维—斯托克斯方程爆破结果。也许之前很难想象,纳维—斯托克斯方程千禧年难题的解决不是新闻头条。向终点线奔赴为什么有限域曲线(可视作多项式世界)上的黎曼猜想早已被韦伊证明,斯捷潘诺夫(Stepanov)等人后来还能给出初等证明,而普通整数上的原版猜想却卡了一百多年?关键卡点在于:多项式可以“求导”,而整数不能。1969年,苏联数学家斯捷潘诺夫提出了一种初等方法:通过类似求导的运算,构造一个在许多指定点反复取零、带有高阶“重数”的辅助多项式。由于多项式的次数有限,能容纳的零点总重数也有限,由此就能卡住曲线点数的误差上界,进而控制相关ζ函数的零点。但普通整数是离散的,人们没法直接“对整数求导”;数学家为填补这一空白构想了数十年的底层几何框架“一元域F1”,也始终未能打通这条路。10月6日看穿OpenAI的西格尔行列式缺少重数后,Alpöge在前半程扮演了领路人的角色。他先在有限域和特殊曲线的简化玩具模型里打通了一条新路:把计数拆成主项与余项,利用几何性质锁定相关项的正负号,排除关键项之间的相互抵消;接着又在低秩群上试出了“二阶重数”的雏形。然而一旦推演驶入“高秩群上的自守形式”,Alpöge坦言自己因为“年轻时的愚蠢固执”,对这一大片现代数学深水区几乎没有掌握。走到这里,人与机器的位置倒过来了。“这一次,在临近终点线时Claude把我远远甩在了身后,”Alpöge在文档第1页写道,“不,Claude向终点线奔赴,飞翔、起舞、闪耀。”为了在不借助的情况下给整数造出高阶重数,证明在一连串全正定酉群之间串联起“迭代θ-提升链”U(X0)→U(X1)→⋯→U(Xm):每向上提升一步,就在整数世界里模拟出一阶“求导重数”。面对长度为X的素数计数加权和,Claude给出了让同行惊叹的点睛之笔——把提升链的长度设为。随后的收官战在11月15日周日迎来爆发,一天之内打通了20个里程碑中的8个。他们借助现代朗兰兹纲领中的“跷跷板”恒等式与迹公式控制住每次提升产生的复杂积分;当核算提升代价发现先验估计会卡在2/3壁垒时,又通过在多个特征标家族之间做跨族平均,并用代数数论中的整除性和同余关系处理残留障碍,一举越过2/3推到底线1/2。一个令外界困惑的问题是:既然黎曼猜想悬置了167年,为什么大模型不需要发明某种“22世纪的外星新理论”,单凭人类已有的数学武器库就能把它攻克?北大袁新意当天在数学论坛MathHelm发文指出,也许人们长期高估了黎曼猜想的难度。它的重要性不应与难度混为一谈。人们习惯拿有限域上高维代数簇的韦伊猜想做类比,以为既然后者需要格罗滕迪克发明全新的平展上同调,整数上的黎曼猜想也必然需要一套尚未诞生的地基;但实际上,一般数域上的黎曼猜想,类比的是有限域上的“一维曲线”问题,而曲线情形已有不依赖这套上同调理论的初等证明(相比之下,七大千禧年难题里的BSD猜想或许更难)。由于社区数学库Mathlib4尚未收录大部分高阶数论工具,Claude干脆在仓库里写下了约81.9万条引理与定理。陶哲轩初步判断,这份证明“动用了现代朗兰兹纲领与算术几何发展的全部威力”。在Kontorovich看来,人类存世的数学论文约有500万篇,没有任何一位人类专家能把所有分支的重型招式同时装进一个大脑里反复组合,而AI恰好擅长在人类既有招式的汪洋里做超长程串联——“黎曼猜想靠把所有工具全部用上而告破,这反而让我更有信心它是对的”。灯塔熄灭之后机器闭环越临近,留在数学家心里的震荡就越清晰。在致谢名单里,Alpöge写下的第一个名字依然是他的普林斯顿博士导师Bhargava,并列在名单里的还有普林斯顿的Peter Sarnak与纽约大学的Maksym Radziwiłł。段末只有短短一句:“我希望他们感到骄傲。”就在这份声明公开的70天前,9月11日,Bhargava刚刚与陶哲轩、Maynard等共25位菲尔兹奖得主联署发表《数学中人工智能的严重错位》。他们在信中把著名猜想比作指引数学方向的“地标与灯塔”,警告解决问题只是达成“概念理解与洞见”的工具;如果任由AI以越来越快的速度批量生产“真或假”的判定,仓促发布而不留时间撰写正式论文,非但不能注入新思想,反而可能斩断人类数学家代代相传的链条。这与Alpöge的立场,构成了微妙的冲突。截至发稿,Bhargava与Sarnak仍未公开表态,Alpöge本人也没有回复《纽约时报》的置评请求;而同在致谢名单里的Radziwiłł已向《量子》杂志直言批评:代码中的符号遵守规则,并不意味着回答了数学家最关心的“为什么”,那份4页说明里甚至有些表述“不知所云”。延续百年的学术制度,也面临着新的难题。按照克雷数学研究所的章程,那笔100万美元的千禧年奖金要求证明在获其认可的出版物发表,发表满两年,并获得全球数学界的普遍接受。面对一位自本科毕业后便有意不再单独在期刊发表论文的作者,以及一份没有注释、没有论文、解压后1.03 GB的源代码,现有的期刊审稿流程将面临巨大挑战。今年9月反驳25位菲尔兹奖得主的公开信时,Google DeepMind数学家Timothy Nguyen写过一句话:“在某种意义上,理解也是一种奢侈品。”而牛津大学的Maynard表示:“基本上没人怀疑黎曼猜想的正确性,我们真正想知道的是它为什么是对的。”Kontorovich打过一个比方:如果AI在机房里写出一千部同样精彩的小说,却没有任何人类去读,它们就只是服务器里的0和1——只是“自然现象”,没有进入人类的理解领域。在社交网络上,海德堡大学几何学教授Petra Schwer虽然没有质疑机器核验的有效性,却抛出了一个关乎定义的追问:当一份论证本身就能塞满整整一书架代码时,“他怎么能把这叫做一个证明?”青年学者董恺诚在论坛上写道,我们应当用AI去做我们想做的数学,而不是让AI决定我们该去消化什么。巴黎综合理工学院的年轻博士后Michaël Maex则坦言,读完那4页短笺,能感觉到Alpöge不像OpenAI那样不在乎数学共同体,但“此前我对未来并没有太多恐惧感,现在有一点了……面对这么大一堵代码墙,究竟该从何下手呢?”也许正像陶哲轩庆幸的那样,“至少这一次,我们有一位可以沟通的人类作者”。在那份4页文档里,Alpöge的态度近乎诚恳:他直言机器生成的论证里塞进了许多绕路,坚信它“很快就会被大幅化简”;他也把完成形式化代码称作自己仅仅迈出的第一步,承诺接下来将竭尽全力去弄懂并传授这套论证,“去讲授它,去把它好好写出来”。这像结束,也像开始。Alpöge,这位从学生时代起就仰望黎曼猜想的数学家写道:“感到这是一个终点是很自然的——就我个人而言,失去了一盏指引人生的明灯;但我在推进过程中所目睹的一切如此令人惊叹,以至于我相信,这是某种远为宏大的事物在整个科学界升起的一缕黎明。”
“纯过日子”消解了崇高,或是可以构成崇高?孕育了妥协,还是孕育了抵抗?
虎嗅 · 1 天前
本文来自微信公众号: 沙丘研究所 ,作者:沙丘词典编辑团队,原文标题:《「纯过日子」消解了崇高,或是可以构成崇高?孕育了妥协,还是孕育了抵抗?》简要释义退却宏大叙事、专注微观日常与生计维系的生活实践者详细释义下班后推开菜市场的门帘,在摊位前仔细比对哪把青菜更新鲜,盘算着今晚做什么汤、明天备什么小菜。回到家,洗菜、擦地、给盆栽浇水。手机不断推送关于宏大议题的争论,你耸耸肩,并不打算多看一眼。“纯过日子人”一词于2026年在中文社交平台上流行开来,指代一批逐渐厌倦消费攀比与过度自我审视的年轻人。他们不再为了维持社交平台上光鲜的生活形象而勉强自己支付额外的品牌溢价,也不再执着于剖析原生家庭的影响,或卷入无休止的宏大叙事之争,而是将精力收拢回三餐四季、健康与储蓄之中。这一概念兼具消费理性与心理防御的双重意涵——通过掌控眼前的具体生活,个体得以在不确定的时代重建踏实感。不过,舆论对此亦存分歧:支持者赞赏其清醒务实、不再受消费主义裹挟;批评者则担忧,当年轻人逐渐疏离文化审美与公共表达,所谓的“纯过日子”也可能滑向过度保守与自我封闭。例句作为新闻媒体编辑的她,下班后并没有看评论区的习惯,而是花时间研究应季食材和记账软件,彻底成了一名踏实的“纯过日子人”。提出者中文社交媒体群体(小红书博主“台灯婆婆”及网友)背景注疏注:“纯过日子人”并非学者造词,而是源自小红书博主“台灯婆婆”的生活分享,并于2026年8月随微博热搜出圈。学界常借助吴飞对“过日子”伦理与项飙对“附近”的阐释,剖析这一当代青年生存转向。文献出处澎湃新闻,《“纯过日子人”走红,但真的存在所谓的“纯”过日子吗?("Pure Everyday-Lifer" Goes Viral,But Does "Pure" Daily Living Really Exist?)》,上海:澎湃新闻(The Paper),2026。原著为中文报道,尚无外文翻译。延伸阅读吴飞,《浮生取义:对华北某县自杀现象的文化解读(Suicide and Justice:A Cultural Interpretation of Suicide in a North China County)》,北京:中国人民大学出版社(Renmin University of China Press),2009。中国大陆已出版,中国人民大学出版社。项飙、吴琦,《把自己作为方法:与项飙谈话(Self as Method:Thinking Through China and the World)》,上海:上海文艺出版社(Shanghai Literature&Art Publishing House),2020。中国大陆已出版,上海文艺出版社;港台有译本,行人文化实验室。回声最近,“纯过日子人”成了一个热词,尤其是年轻人形容自己开始“实用主义”,注重实惠、低价和身体健康,甚至养生:自己做饭、刷红果短剧、周末去公园晒背。不仅如此,还与互联网的“风口”、“话术”做脱钩:不炒股、不在文艺作品里找共鸣,不抢小众电影票,不再内耗,也不再靠深刻理论检验人生轨迹,不谈论原生家庭,把注意力收回到买菜、做饭、睡觉、刷短剧、下楼遛弯这些日常之事上。令我感兴趣的是,很多近年来的学术作品同样关注“过日子”这个概念:“everyday”、“日常”、“实践”、“ordinary”、“普通”、日复一日的日子如何被“过”……不过,这个“过”中包含着什么?当然,我们很容易说,日常是一种妥协;也很容易可以说,日常孕育着抵抗。我们可以说过日子是奇崛狂放的生活想象的消失,取而代之的是沙发、短剧、没有悬念的happy ending。尖锐的批评者会说,这是后新自由主义时代的一种生存姿势:上升通道收窄、风险被个人化之后,人们只好紧紧抓住最简单的生活,劳伦·贝兰特(Lauren Berlant)在《残酷的乐观》(Cruel Optimism)里描述过这种处境:“美好生活”的幻想磨损之后,人们转向横向的、低强度的自我维持。疲惫时代,人们开始向往情绪稳定,赞美通透,而所谓的通透,又是什么呢?在这篇文章里,我试图回顾一些着眼于“过日子”、“日常”的社会理论;探讨一下,“过”日子的时候,什么是“过”?最后,我们也会谈谈“日子”的丰富可能性。当代哲学与人类学学者吴飞的《浮生取义》取自对河北省农村自杀案例的田野调查。在这本书里,吴飞就提到了“过日子”与“做人”的概念。对于生活在日常文化之中的我们,这两个概念听起来“小题大做”,而他却将这些概念视作理解人们如何实践道德、实现正义的关键。他甚至写到,被看见、被认可、被公道地对待,都与一个人是否能合理地“过日子”和“做人”相关。“浮生”是轻的,是日复一日、转瞬即逝;“取义”是重的。他试图证明,在日常生活中,总是有一些司空见惯的词汇和说法,但真正探讨起来,它们可能沉重到难以承受,涉及个体生命存在于世间的根本价值。这本书的论点最后或许并不骇人,其中却悄悄藏了许多令人唏嘘的生命的案例,全部都是他们在谈如何“过日子”甚至“混日子”,同时又包杂了委屈、痛苦、与挣扎,读来令人怅惘,忽而失落,又忽而眼酸。他写到:“在我遇到的众多自杀者中,完全混日子的人为数很少;绝大多数是人人过日子,但是又无法过上好日子的人。”或许,在“纯过日子”中,比“过”更难做到的是“纯”——“纯”字指向了一种具体体验,也就是所谓“蹉跎人生”:想什么想、活着就完了,不去过多地思考和追求,一切从实用出发。但与此同时,仅仅是“实用”的生活,也充满了随时脱轨、出现未知数的变化、动荡。这个“纯”又有一种刻意的自我限制、甚至是压制:压制自己有可能不安的内心,也用言语压制着随时可能踩空的生活。法国上个世纪的社会理论家米歇尔·德·塞尔托(Michel de Certeau)的《日常生活实践》最常被引用的,是他对“战术”(tactics,‘沙丘研究所’旧文也有展开过这个概念:用微反叛的方式夺回社区生活)的描述:没有自己地盘的人,只能在别人的地盘上见缝插针。他举的例子叫la perruque(字面意思是“假发”):工人在上班时间、用厂里的边角料,给自己做个小玩意儿。换到今天,大概就是在工位上用公司的网追完一集短剧。比较少被读、却同样有趣的是这套书的第二卷。第二卷写居住与做饭。吕斯·贾尔(Luce Giard)访谈了许多女性怎样做饭,把厨房里的手艺当作一种有记忆、有判断、有身体的知识:知道剩菜放几天会坏、知道外婆的方子里哪一步可以偷懒——这些都算知识。“纯过日子人三件套”里最不起眼的“自己做饭”,但这难道不是一门学问?只是说,这是一门很少被当成学问的学问。人类学家大卫·格雷伯(David Graeber)以他的行动主义而闻名,他把直接行动定义为“仿佛一个人已经自由了一样去行动。(The defiant insistence on acting as if one is already free.)”被简化的这句口号“仿佛已经自由了(as if already free)”也成为了他去世后纪念他的文章合集的书名。他爱举的例子很朴素:一个镇子的水被垄断了,到镇长家门口喊口号是抗议,把镇长家门堵上是公民不服从,而直接行动是:自己去挖一口井。对他来说,过日子的解放性就在这口井里:不等房价、算法和政治理念,先在自己的厨房、饭桌和周末里,按一个自由人的方式安排时间。过日子,就是直接解决问题。人类学家微依那·达斯(Veena Das)大概是谈“暴力”与“日常”时绕不开的人。她研究印度暴乱中的幸存者,尤其是女性在战后的生活时,看到她们没有走向宏大的“罪与罚”,也没有走向宗教式的超越,而是“下降”:回到做饭、照顾、维持亲属关系。达斯把它称为“把词带回家”:把生活从那些失控了的词语的流通里收回来,以此证明生活仍然可能。她在对德里的低收入社区的田野研究中提到,日常的敌人不是大屠杀,而是装电表这样看似简单的事情:这个社区在行政上不算“认可的居住区”。所以,装电表意味着——请人画一张住区地图,再拿去让好几个部委盖章认证;写没完没了的申诉信;一趟趟跑办公室、排队;挨家挨户动员足够多的居民支持;准备宣誓书,保证会按时交电费;同时还得防着围绕偷电和勒索长出来的黑帮势力。达斯说,如实呈现这份劳动的强度,是“我们视为平常之物的非凡。(the extraordinariness of what we accept as ordinary)。”她写到:“相反,我感兴趣的是,概念是如何变得,或本来就是易受经验影响的。(Instead,I am interested in the way concepts become or are vulnerable to experience.)”解放与妥协两者都把过日子看得太单一,也太一蹴而就:它们都没有把过日子当成一种活动,一种人们每天在做、每天都得重新做的事。微依那·达斯在形容这种生活的时候用了三个词:习惯(habituation),重复(repetition),暗流(undercurrents)。回想起来,这似乎确实说明“过”的波澜不惊也需要一种再生产式的刻意营造。而这种营造,是达斯所观察的“日常道德”(ordinary ethics),或许也是吴飞所观察的、在消退也值得被审问的“礼”,也或许是一种“as-if pockets”式的创造:汉学家普鸣(Michael Puett)在与克里斯提娜·格罗斯-洛(Christine Gross-Loh)合写的《哈佛中国哲学课》里讲,孔子的礼仪需要一种“as if”,“仿佛如此”。他说,我们一直在制造一些“仿佛如此”的小口袋(as-if pocket):“我们不断创造出种种‘仿佛如此’的‘现实’。这些as-if pockets与我们的现实生活之间确实存在着某种断裂,但我们所追求的并非让自己变得更像那些‘仿佛如此’的空间里所呈现出的样子,似乎倒是在学习如何妥善地应对各种境况。”这和格雷伯的as if正好互为镜像。格雷伯的as if是政治解放的:假装已经自由,于是去挖井;孔子的as if是伦理的,甚至,如同吴飞所提的例子,是“亲亲相隐”的,是令人失望而不得不如此的:假装已经和睦,于是先把饭吃了。一个对着外面的结构,一个对着里面的惯性,而“过日子”是两样都要:既要直接行动,也要维持穿渡日常的这条独木桥的扶手,我想它自有的矛盾就在这里。这又让我想到之前和沙丘其他成员讨论过而想写的一个词:“张力”。先是“性张力”,然后什么都可以有张力:一个人把一碗面吃得呼噜作响,叫“饭张力”;一只猫在太阳底下睡得四仰八叉,叫“睡张力”。张力和过日子有关系吗?我觉得,对张力这种非凡、高潮的期待和神往,以及张力所呼唤出的美学期待,与过日子的平庸看似是一种对立,又显然是一种统一。近几年的学术创造在性格上——如果学术创作是有性格的话——似乎也映照了这一组形象:一面是下沉进日常的兢兢求索,一面则是对呼风唤雨的超理性力量的狂想。它们当然,一起对应着一种制度性的失望。就在中文互联网流行“纯过日子”的同一时期,英文互联网上也滚起了一个雪球:“You met me at a very Chinese time in my life.(你在我人生中一个非常‘中国’的时期遇见了我。)”它模仿的是电影《搏击俱乐部》的最后一句台词“You met me at a very strange time in my life.(你在我人生中一个非常奇怪的时期遇见了我。)”到2026年初,它衍生出了Chinamaxxing(把“中国式”拉满)和“u will turn Chinese tomorrow(你明天就会变成中国人)”之类的变体:喝热水、喝粥、穿红色祈福、在室内穿拖鞋。荷兰阿姆斯特丹文化机构Felix Meritis与YIQI Collective联合举办的活动海报。这是不是英文互联网中的“纯过日子人”?有趣的是,他们用“中国式”来完成这样的表达。仿佛只要带着一些中国符号生活,就是在修身养性、自我照看。哈佛研究者方天宇在WIRED的一篇报道里说,这些梗与其说在描绘中国,不如说是在投射美国生活中不如意的一切、美国梦的衰败。与此同时,中文互联网则以这个词在理解美国:“斩杀线”。基于一些事实但又显然带有不少奇谭式的演绎,中文博主发明了这个词来描绘美国人的生活处在崩溃边缘的状况,一次裁员或事故就足以让中产流落街头。在这样的背景下,东西半球互相对望的这两股网络热潮,与其说是调侃彼此的笑话,不如说折射出一种共同的焦虑。当制度性的保障日渐稀薄、勉力维持后新自由主义的体面生活成为一种全球普遍的困境,人们便只能退回到最具体的身体知觉与一餐一饭里,试图抓住一个暂时的解。“过日子”确实既是一场撤退、一场自洽,又隐隐约约地令我们感叹着它的暗流涌动。人们隐隐有不甘和渴望,又在平静与焦急中寻求平衡。我们很难说,“纯过日子”这个词的流行有多么令我们意外:它是一个情理之中的热词。对于《沙丘词典》来说,在我们坚持尝试解词已经几年来的今天,互联网热词往往给我们一种“原来也没什么好解释的”的感觉,但这往往是因为,就像我们很难发现究竟该如何“看”、如何“听”、如何体验“日常”这一永远在重复、却又绝不回溯的滔滔之流一样,我们总在与奇崛相遇,也总在看着它们滑走。在这一次又一次的“习惯(habituation)”和“重复(repetition)”中,我们依然保持着对可能性的好奇。最后为大家送一句我很喜欢的书评,来自王德威为黎紫书《流俗地》写的代序《盲女古银霞的奇遇》:“然而生命再庸庸碌碌,也偶有灵光闪烁。这里没有天意使然,甚至无关什么人性光辉,却足以让我们理解现实的无情与有情,人之为人的流俗与不俗,自有一份庄严意义。”“You met me at a very ordinary time in my life.”“回声”作者本期词条的回声写作者是吕孟汀,现为普林斯顿大学人类学博士生。她热爱的东西有很多:旅行,古诗,做饭,白日梦和讲笑话。她关切的事情有:食品、农业与环境,公共空间的营造和维持,知识生产如何与生活有关,如何创造一个更包容而模糊的世界。参考文献Lauren Berlant,Cruel Optimism,Durham:Duke University Press,2011.吴飞,《浮生取义:对华北某县自杀现象的文化解读(Suicide and Justice:A Cultural Interpretation of Suicide in a North China County)》,北京:中国人民大学出版社(Renmin University of China Press),2009。Pierre Béarn,Couleurs d'usine,Paris:Éditions Seghers,1951.(Note:The phrase "Métro,boulot,dodo" originates from this poetry collection.)米歇尔·德·塞托(Michel de Certeau),《日常生活实践:1.实践的艺术(The Practice of Everyday Life)》,伯克利:加州大学出版社(University of California Press),1984。米歇尔·德·塞托(Michel de Certeau)、露丝·吉尔德(Luce Giard)、皮埃尔·马约尔(Pierre Mayol),《日常生活实践:2.居住与烹饪(The Practice of Everyday Life,Volume 2:Living and Cooking)》,明尼阿波利斯:明尼苏达大学出版社(University of Minnesota Press),1998。David Graeber,Direct Action:An Ethnography,Oakland:AK Press,2009.As If Already Free:Anthropology and Activism After David Graeber,London:Pluto Press,2023.Veena Das,Life and Words:Violence and the Descent into the Ordinary,Berkeley:University of California Press,2007.Veena Das,Textures of the Ordinary:Doing Anthropology after Wittgenstein,New York:Fordham University Press,2020.(Note:The fieldwork on electricity meters in Delhi and the English quote in the text are from this book.)迈克尔·普鸣(Michael Puett)、克里斯汀·格罗斯-洛(Christine Gross-Loh),《哈佛中国哲学课(The Path:What Chinese Philosophers Can Teach Us About the Good Life)》,纽约:西蒙与舒斯特出版社(Simon&Schuster),2016。Tianyu Fang,WIRED,January 2026,https://www.wired.com/story/made-in-china-chinese-time-of-my-life/.王德威,《盲女古银霞的奇遇》(代序),载黎紫书,《流俗地》,北京:北京十月文艺出版社,2021。文中及图注提及的艺术、影视与文化作品威廉·哈默修伊(Vilhelm Hammershøi),《阳光,或阳光中的尘埃之舞》(Sunbeams or Sunshine.Dust Motes Dancing in the Sunbeams),1900。(油画,藏于丹麦奥德鲁普格美术馆Ordrupgaard;图像来源:丹麦国家美术馆哈默修伊数字档案SMK)赵本山、宋丹丹、崔永元表演,《说事儿》,中国:中央电视台,2006。(春节联欢晚会小品,以电视栏目《小崔说事》为背景)倪萍,《日子》,北京:作家出版社,1997。(书籍,2006年央视春晚小品《说事儿》中提及)皮埃尔·贝阿恩(Pierre Béarn),《工厂的色彩》(Couleurs d'usine),巴黎:Pierre Seghers,1951。(诗集,其中的诗句包含后来广为流传的“地铁、工作、睡觉”[Métro,boulot,dodo]这一表达)佐伊·伦纳德(Zoe Leonard),《奇异的果实》(Strange Fruit),1992—1997。(装置艺术,藏于费城艺术博物馆Philadelphia Museum of Art;图像来源:费城艺术博物馆)宋冬,《物尽其用》(Waste Not),2005。(装置艺术;图像来源:纽约现代艺术博物馆MoMA,图片由东京画廊+BTAP[Tokyo Gallery+BTAP]提供)莎伦·洛克哈特(Sharon Lockhart),《午休》(Lunch Break),2008。(实验电影,35毫米胶片转高清数字影像;图像来源:旧金山现代艺术博物馆SFMOMA,©Sharon Lockhart)大卫·芬奇(David Fincher)导演,《搏击俱乐部》(Fight Club),美国:二十世纪福克斯(20th Century Fox),1999。(电影)费利克斯·梅里蒂斯(Felix Meritis)与YIQI创意团体(YIQI Collective),《把“中国式”拉满:我们是否正生活在一个很“中国”的时代?》(Chinamaxxing:Are We Living in a Very Chinese Time?),荷兰阿姆斯特丹:Felix Meritis,2026年6月6日。(文化活动及宣传海报;图像来源:Felix Meritis官方网站)川内伦子(Rinko Kawauchi),《小憩》(Utatane),东京:Little More,2001。(摄影集;文中图片选自该系列,图像来源:Photobookstore,©Rinko Kawauchi)彼得·杰克逊(Peter Jackson)导演,《指环王:护戒使者》(The Lord of the Rings:The Fellowship of the Ring),美国/新西兰:新线影业(New Line Cinema),2001。(电影,改编自J.R.R.托尔金[J.R.R.Tolkien]的同名小说)
卫星业务撑起近八成收入,Rocket Lab 为何还要押注中型火箭?
虎嗅 · 1 天前
本文来自微信公众号: 太空可达 ,作者:SpaceCodex全文约7000字|阅读约15分钟2026年11月14日傍晚,新西兰北岛东岸的马希亚半岛。火箭实验室(Rocket Lab,纳斯达克代码:RKLB)的“电子”号(Electron)立在1号发射场上,准备执行第100次发射。官方直播里,主持人说:“我们很快就要迈进三位数了。站在第一次任务用过的同一个发射台上,感觉再合适不过。”6点30分,倒计时结束,电子号点火升空。大约50分钟后,日本iQPS公司的雷达卫星QPS-SAR-19在预定轨道上与火箭分离。这是电子号为iQPS执行的第11次发射。▲2026年11月14日,电子号第100次发射,从新西兰马希亚半岛的1号发射场升空。图源:Rocket Lab卫星分离之后,火箭实验室创始人彼得·贝克(Peter Beck)站在发射场接受采访。这是他多年来第一次在现场看电子号发射。他说,以前每次他去发射场,发射都会推迟,“所以这几年我一直被禁止到场”。这一回,他人在现场,火箭也照常升空,用他的话说,“终于打破了魔咒”。那天傍晚天很晴,他能一直看着火箭往上飞,发动机喷出的火焰亮得出乎他的意料:“我没想到它这么亮,特别特别亮,声音也特别响。”镜头再回到卫星分离的那一刻。在轨道上负责把卫星和火箭分开的,是一种叫Motorized Lightband的分离装置,同样出自火箭实验室。据火箭实验室公告,iQPS不只请它发射卫星,每次任务用的分离装置也都向它采购。比起“100次”这个数字,这个小细节更能说明火箭实验室如今是一家什么样的公司。2026年前九个月,火箭实验室77%的收入来自卫星和卫星部件,而不是来自发射业务。可要是看订单,情况正好反过来。截至9月30日,火箭实验室手上已经签了合同、还没交付的订单,即所谓“积压订单”,共约36亿美元,其中发射业务的订单约18.5亿美元,比卫星业务的约17.2亿美元还多;这些发射订单里有16次,要靠一枚还没上过天的新火箭来完成,它叫“中子”号(Neutron)。与此同时,它正拟以约80亿美元的企业价值(买下全部股权的钱,再加上对方背负的净债务),收购老牌卫星运营商铱星(Iridium)。现在的火箭实验室到底是一家什么公司?它接下来的赌注,又押在了哪里?这一切都要从那个在停车场骑火箭自行车的学徒说起。1从车间到发射台贝克在新西兰南岛最南端的因弗卡吉尔长大。父亲是当地博物馆的馆长,他最早的童年记忆之一,是夜里站在屋外,望着星星发呆。少年时代,他的大部分时间泡在父母家后面的工作间里,造水火箭,还把一辆生锈的老款Mini小轿车拆开重新组装,给它加装了涡轮增压器。18岁那年,他没有去读大学,而是进了新西兰家电厂斐雪派克当学徒。在他看来,当时新西兰没有哪所大学教人造火箭发动机,学徒反倒能让他用上精密设备。白天做模具,下班后借厂里的车间造火箭。据贝克回忆,有一次公司董事会的人站在停车场,他套上工装、戴上自行车头盔,骑着一辆装了火箭发动机的自行车,从他们面前呼啸而过。2006年,29岁的贝克去了一趟美国,走访了多家火箭研究机构,也去了一个空军基地,结果被请了出来。多年后他自己这样解释:“表面上看,一个外国人跑到空军基地,问了一大堆关于火箭的问题——这看起来可不太妙。”但这一趟让他看到了一个机会:卫星正在变小,可它们上天,大多只能搭大火箭的便车,或者用退役导弹改装的火箭发射,几乎没有专门为小卫星造的火箭。“我想,既然没人打算接住小卫星这股潮流,那我就来试试。”回到新西兰,他创办了火箭实验室。2009年11月,一支全由新西兰人组成的团队,把一枚名为Ātea-1的探空火箭送上了太空。不过,那只是一次“亚轨道飞行”:火箭冲上太空,几分钟后就落回地面,就像使劲往天上扔一块石头,扔得再高也会掉下来。卫星要一直留在太空里绕着地球转,火箭就得把它加速到每秒约7.8公里,比子弹还快得多,这才叫“入轨”。两件事的难度完全不在一个级别,而发射卫星的生意靠的是后者:要赚钱,贝克得造出一枚能把卫星送进轨道的火箭。这枚火箭就是电子号。2017年5月25日下午4点20分,它在马希亚半岛完成首次飞行,任务名叫“这是个测试”(It's a Test)。火箭飞到了224公里高,按照火箭实验室自己收到的遥测数据(火箭飞行时不断传回地面的各项读数),它一直沿着预定航迹飞行。可问题出在地面上:第三方承包商的地面设备软件少勾了一个选项,位置数据严重损坏。靶场安全官员的职责是盯住火箭,一旦看不清它在哪里,就必须按程序下令终止飞行,他们也只能这么做。贝克后来说:“这事好修得很。说白了,就是在某个软件里勾一个框而已。”8个月后,2018年1月21日,第二次飞行把三颗卫星送进了轨道,任务名换成了“还在测试”(Still Testing)。此后的路并不平坦。2020年7月4日,在连续11次成功入轨之后,电子号的第13次任务在起飞约4分钟时,火箭的第二级出了问题(电子号分两级,第一级负责把火箭推离地面,烧完后脱落;第二级接着把卫星送进轨道),7颗卫星全部丢失。贝克当天发了一段92秒的视频向客户道歉:“相信我,你们有多失望,我们就有多失望。”SpaceX的埃隆·马斯克和时任联合发射联盟(ULA)首席执行官托里·布鲁诺都公开表示了声援。近两个月后,电子号恢复发射。电子号能站稳脚跟,靠的是价格和发射频率。据卫星行业媒体Via Satellite 2023年的报道,在它出现之前,把一颗100公斤的卫星单独送上天要花3000万到5000万美元,电子号的起价是750万美元。它的年发射次数从2017年的1次,增加到2025年的21次。到第100次,它用了大约9.5年,比SpaceX的猎鹰9号快了约一年。这100次里还包含9次HASTE任务,那是电子号的亚轨道版本,用来给速度超过5倍音速的“高超声速”飞行器做试验,飞上去就落回来,并不入轨。日本的iQPS就是这样的客户。它原本把卫星的发射订给了维珍轨道公司,后者破产后改投火箭实验室。iQPS首席执行官大西俊辅后来说:“电子号的高发射频率和可靠性,使它成为我们任务的理想选择。”到2026年7月,iQPS已经在电子号上累计订了18次发射。可是,发射越来越频繁,小火箭的生意却始终做不大。2吃掉帽子2019年8月6日,在美国犹他州洛根举行的小卫星大会上,贝克宣布要回收电子号的第一级,拿来重复使用。这等于推翻了他自己说过多年的话:“很长一段时间里,我都说我们不会做复用。这一回,我得把帽子吃下去了。”“吃帽子”是英语里一句打包票的俗话:要是某件事真的发生了,我就把帽子吃下去,意思是“这绝不可能”,有点像中文里的“我把名字倒过来写”。他解释,回收不是为了降价,而是因为工厂造火箭的速度跟不上订单:当时大约30天才能造出一枚。不过,那一次只是嘴上认账。一年半以后,他真把帽子吃了。2021年3月1日,火箭实验室发布了一段视频。画面里,贝克系着餐巾,坐在铺着白桌布的餐桌前,面前是一个带盖的餐盘。他先说了一段开场白:“我们说过要做的很多事,都做到了;还有几件我们说过永远不会做的事,我们也做了。所以这一回,我觉得是时候把帽子吃了。”说完,他用剪刀把一顶印着ELECTRON字样的棒球帽剪碎,扔进搅拌机打成碎屑,倒进一只马天尼酒杯,吃了一口。嚼完,他补了一句:“郑重声明,这帽子不好吃。”接着宣布了那件“说过永远不会做”的事:“有些事我们说过永远不会做,但我们要造一枚大火箭,它叫中子号。”▲2021年3月1日,中子号发布视频里,贝克把打碎的帽子倒进酒杯。图源:Rocket Lab官方视频截图▲2021年3月10日,贝克在X上晒出一顶做成“中子号”帽子的蛋糕:“这顶帽子可好吃多了。”图源:X@Peter_J_Beck吃帽子视频发布的当天,他对记者说:“千万别给野心设上限。这个错,我不会再犯了。”也是在同一天,火箭实验室宣布与一家特殊目的收购公司(SPAC)Vector合并上市,按这笔交易,火箭实验室的企业价值被估为41亿美元。所谓SPAC上市,可以理解为一种“借壳”:一家只有现金、没有业务的上市公司,把一家未上市企业并进来,让后者直接进入股市。公告写明,这次融资的钱将用于开发新火箭。吃帽子的那天,贝克也把造大火箭的故事讲给了华尔街。中子号宣布之后,回收电子号的尝试并没有停。2022年5月3日上午(新西兰时间),一次名为“去而复返”(There And Back Again)的任务把34颗卫星送上轨道。发射约15分钟后,在距新西兰海岸约280公里的太平洋上空,一架定制的西科斯基S-92直升机在约2000米高度,用长杆末端的钩子勾住了吊着第一级助推器的降落伞伞绳。挂上之后,飞行员发现负载手感和此前测试不一样,松开了钩子,助推器落进太平洋,后来被回收船捞起。贝克形容这件事:“把火箭从太空带回来、再用直升机抓住它,有点像一场超音速芭蕾。”他说飞行员的决定没错,这次测试已经达成了公司火箭复用目标的99%。▲空中回收的四个画面。①②出自火箭实验室2020年4月的空中回收演示,直升机吊的是测试件,②中钩索已挂住降落伞。③④是2022年5月3日(新西兰时间)的实战,吊钩逼近降落伞、钩索与降落伞交会。图源:Rocket Lab官方视频截图可回收做得再好,小火箭的生意也有天花板。2026年第三季度,电子号平均每次发射的收入约780万美元;整个前九个月,火箭实验室的发射收入加起来约1.6亿美元。发射再快,一枚小火箭能挣的钱也有限。卫星星座越做越大,客户要的是能一次带更多卫星的火箭。2021年发布中子号时,贝克说:“8吨级才是最合适的档位。”这里的“8吨级”指火箭一次能把约8吨重的东西送进近地轨道;电子号一次只能送几百公斤。后来,中子号的设计运力定在了约13吨。造大火箭要钱。而火箭实验室后来用来扩张的钱,大部分并不来自发射业务。3火箭公司的另一本账时间先倒回2020年。那年7月4日,电子号第13次发射失败,7颗客户卫星全部丢失。13天后,7月17日,美国财经媒体《商业内幕》刊出了对贝克的采访。刚经历这次失败的他,却说了一句听起来有些反常的话:“在我们看来,发射这件事已经搞定了。”在他看来,火箭只是运输工具,太空生意的核心在于卫星上天以后做什么:“真正要紧的,是你在太空里提供的数据或服务。”接下来几年,火箭实验室一边发射火箭,一边收购公司。2021年12月,它完成了对美国行星系统公司(PSC)的收购,代价是4200万美元现金加约172万股股票,另有最多约96万股与业绩挂钩。这家总部在马里兰、当时只有25个人的公司,造的正是开头那个Motorized Lightband分离装置。据火箭实验室介绍,PSC的产品已用于100多次任务,无一失败。此后,它又陆续买下太阳能电池厂商SolAero、光电与红外载荷公司GEOST和德国激光通信终端公司Mynaric。从太阳能电池、零部件到通信终端,一颗卫星上的东西,它几乎都能自己造了。大合同随之而来。火箭实验室先后拿下美国太空发展局(SDA)两份卫星合同:一份18颗卫星、5.15亿美元;另一份18颗导弹预警与跟踪卫星、8.16亿美元,公司当时称之为它拿到过的最大单笔合同。两份合计超过13亿美元。收入结构就这样变了。卫星业务(财报里叫“太空系统”,包括整颗卫星、卫星部件和配套软件)占总收入的比例,2023年是70.6%,2024年是71.3%,2025年是66.9%,2026年前九个月是77.0%。按收入算,火箭实验室几年前就已经不是一家火箭公司了。这和上市时的规划正好相反。据美国财经媒体CNBC当时的报道,火箭实验室在2021年给投资者的预期是:到2027年,发射收入9.15亿美元,卫星业务收入6.56亿美元。实际上,2025年的发射收入约1.99亿美元,不到那个目标的四分之一;卫星业务收入在2026年前九个月就已约5.41亿美元。但公司整体还在烧钱。2026年前九个月,公司的经营现金流约为负1.27亿美元,再扣掉盖厂房、买设备的投入(资本开支),剩下的自由现金流约为负2.11亿美元。收入也越来越集中:财报里列为“政府客户”的收入,2024年占11%,2025年占28%,2026年前九个月占到42%。那么扩张的钱从哪里来?很大一部分来自股票市场。火箭实验室的股价,从2024年4月15日收盘的3.53美元,一度涨到2026年5月27日收盘的150.23美元。2026年前九个月,公司通过增发新股、卖给投资者,净融资约38.75亿美元。按公司的说法,这笔钱加上手头已有的资金,再加上铱星约17.75亿美元的定期贷款在交割(即交易正式完成)后继续保留,已经足够完成对铱星的收购,不需要再额外融资。单看收入这本账,它应该是一家卫星公司。可翻开积压订单这本账,发射业务的订单金额反而比卫星业务还多。▲数据:火箭实验室2026年第三季度10-Q与公司公告,截至2026年9月30日。制图:SpaceCodex4从未上过天的那枚火箭2025年8月28日,美国弗吉尼亚州瓦勒普斯岛,中子号的3号发射场(LC-3)正式启用。这座集测试、发射和着陆于一体的设施,从动工到建成不到两年。官方照片里,弗吉尼亚州州长格伦·扬金、贝克和负责中子号的副总裁肖恩·德梅洛并排站在中间。▲2025年8月28日,中子号的3号发射场在弗吉尼亚州瓦勒普斯岛启用。图源:Rocket Lab发射场建好一年多后,中子号的箭体却出了问题。2026年10月,火箭实验室在制造中子号第一级的复合材料结构时,发现推进剂贮箱的前封头(贮箱前端那块弧形的盖子)有几处出现了空隙,问题出在制造工艺上。生产随即暂停,进行调查。10月14日美股收盘后,公司宣布中子号首飞推迟到2027年,没有给出月份。次日,它的股价收跌6.64%。▲2026年10月23日,航天博主Marcus House在X上说:“碳纤维就是难搞。”配图是火箭实验室公布的工艺改进前后对比,红色标出的是空隙。图源:X@MarcusHouse不到一个月后的季度电话会上,贝克说,团队已经造好了替换的封头,固化完成,可以进入贮箱总装:“这个问题总算过去了,感觉很好。”首飞时间的推迟不是第一次。2021年3月中子号发布时,目标是最早2024年首飞;此后先后改到2025年下半年、2026年第四季度;现在是2027年,月份未定。▲数据:火箭实验室公告与财报、americaspace、SpaceNews、Spaceflight Now,截至2026年11月18日。制图:SpaceCodex等着这枚火箭的,是真金白银的订单。中子号已经签下16次发射任务。仅2026年第三季度就新签了8次,据公司公告合计逾5.15亿美元:其中芬兰卫星遥感公司ICEYE 3次,Muon Space 2次,Starcloud、Kepler和美国太空军各1次。太空军这一次,属于2026年8月公布的一份最高约3.97亿美元的合同,从造卫星、发射到运营一并交给火箭实验室,合同写明用中子号发射。与此同时,部分新签任务的基础价已经从每次5500万美元涨到7000万美元。等待是有成本的。2026年第三季度,主要因为中子号,火箭实验室的研发费用同比增加了39%。被分析师问到不算铱星的现金流前景时,首席财务官亚当·斯派斯说得很直白:“中子号真正量产之前,什么都没法让现金流彻底转正。”在电子号完成第100次发射任务约一天半之后,11月15日,美国联合发射联盟的新型火箭“火神”(Vulcan)从佛罗里达州卡纳维拉尔角升空,不久就出现推力异常,约10分钟后公司确认任务失败,40颗亚马逊的低轨宽带卫星(这个星座名为Amazon Leo,原名“柯伊伯计划”)没能入轨。这是联合发射联盟成立以来,第一次整次发射任务彻底失败。火神的失败提醒人们:哪怕是老牌发射公司,新型号火箭在早期也会出问题。美国中型运力因此多出来的空位,会不会成为中子号的窗口,现在还说不准。能确定的只有一点:靠电子号,火箭实验室证明了自己能一次又一次把小型火箭送上天;可已经签下的16次中型火箭发射,得等中子号首飞成功,才谈得上兑现。火箭实验室的另一笔赌注,不在发射台上,在一笔还没交割的收购里。5铱星能改写这本账吗?2026年6月29日,火箭实验室宣布拟收购卫星通信运营商铱星。交易用现金加股票支付,每股名义作价约54美元:27美元付现金,其余按约定比例换成火箭实验室的股票,算上债务,对应铱星的企业价值约80亿美元。贝克称:“这是航天业的一个决定性时刻。”9月24日,铱星股东批准了交易,预计2027年中完成交割。交易还要过美国联邦通信委员会(FCC)这一关。11月初,铱星的竞争对手Globalstar在审批程序里提交了意见。这家公司自己也正在被亚马逊收购:2026年4月,亚马逊同意以约116亿美元买下它,预计2027年交割。Globalstar的理由有点微妙:火箭实验室本身就是Globalstar的供应商——作为MDA公司的分包商,为它的新一代卫星造卫星平台、写软件,还建了卫星运营控制中心。Globalstar认为:“这层供应商关系,会让火箭实验室既有动机、也有能力偏袒铱星。”不过,Globalstar同时明确表示,它不反对这笔交易,只是要求监管部门审查。到目前为止,还没有迹象显示这件事改变了2027年中交割的预期。铱星能给火箭实验室带来什么?2025年,铱星的经营现金流约4亿美元,资本开支约1亿美元;到2026年9月末,它的净债务约21亿美元。铱星一旦交割,按2025年的数字粗算,每年约3亿美元的自由现金流会让火箭实验室的现金状况大不一样,“一切都看中子号”的说法也就站不住了。斯派斯自己也是这么说的:“铱星收购一完成,情况就会大不一样,因为铱星本身的现金流就很充沛。”这个反驳是成立的,但只成立一半:铱星能带来现金,却带不来火箭。贝克对英国《金融时报》说,将来铱星发新一代卫星,可以用火箭实验室的火箭来降低成本和风险。用他的话说:“谁有火箭,谁就握着进入太空的钥匙。”6下一次发射再回到11月14日的那个晚上。被问到从1次发射走到100次学到了什么,贝克说:“这比看起来难得多。要让这些火箭每八天就从工厂出来一枚,运上发射台,还要每次都可靠地飞起来,实在太难了。”他也说,建一家“端到端”的太空公司,即从造卫星、发射到在轨运营都自己做,一直是计划,火箭发射只是起点;公司的技术路线和文化,都是在造电子号的过程中打磨出来的。▲第100次发射前,火箭实验室团队在1号发射场与火箭合影。图源:Rocket Lab在公司当天的公告里,他说:“接下来的100枚电子号已经全部订满,往后只会越来越快。”在另一张排期表上,中子号的首飞还没有月份。每逢火箭发射,贝克都轻松不起来。2023年,电子号发射到第35次时,他在一次采访里说:“我是真讨厌发射那天。现在已经发射了35次,我总算不至于像以前那样,跑到厕所去吐了。”他也说过,自己不想上太空:“因为我明白所有可能出错的地方。火箭造得再好,风险也还是很高。”所以,在完成100次发射任务后,火箭实验室还是一家火箭公司吗?按收入算,它早就不是了。可卫星业务挣得再多,也变不出一枚能一次送约13吨上天的火箭:小型火箭的生意有天花板,星座客户要的是一次能带更多卫星的火箭,按规划,中子号约一半的运力还要留给自家的卫星。这就是火箭实验室还要押注中型火箭的原因。然而,代价也摆在那里:首飞目标从2024年推到了2027年;第三季度研发费用同比涨了39%;已经签下的16次发射,要等中子号飞起来才能兑现;买铱星的钱主要靠增发,增发要看股价,股价里有对中子号的期待。就算首飞成功,中子号能不能靠复用把成本降下来,和猎鹰9号正面竞争,还有待观察。那个一到发射当天就紧张到不行的男人,如今把公司的前景押在了这枚从未上过天的火箭上。主要资料来源:火箭实验室2026年第三季度10-Q、2025财年10-K、2026年10月14日8-K、2026年第三季度财报电话会、公司公告与第100次发射官方直播、2021年3月1日中子号发布视频、2020年空中回收演示视频与2022年“去而复返”任务直播;铱星收购联合新闻稿、铱星2025财年10-K与2026年第三季度财报;Via Satellite关于Globalstar向FCC提交意见的报道;英国《金融时报》对贝克的专访及关于亚马逊收购Globalstar的报道;SpaceNews、CNBC、《商业内幕》、Observer、Space.com、Ars Technica等媒体报道;股价数据来自Yahoo Finance与StockAnalysis。
让AI清理我的8490条浏览器书签,删了5484条
虎嗅 · 1 天前
本文来自微信公众号: EarlMind ,作者:张翼轸Earl让AI帮忙,我对浏览器的8490条书签做了一次大清理,去重删除5484条,清空空文件夹558个,陈年旧账终于清爽了。从IE到Firefox,再到Chrome和Edge,我的浏览器收藏夹跟着搬了十几年家。每次换浏览器都是导出、导入,旧的不舍得删,新的继续塞,日积月累成了个谁也不敢动的老阁楼。今天让AI扫了一眼底层的书签文件,才第一次知道确切数字:8490条。其中收藏夹栏1982条,平时还用得着;大头是其他收藏夹,足足躺了6507条链接、224个顶层文件夹。我一直以为里面都是十几年攒下的家底,直到今天让AI做了一次彻底的大扫除。删不掉的僵尸链接最开始的想法很简单。Chromium系浏览器的书签就是一个明文JSON文件。我挑了一批早就关停的网站,又让AI批量检测剔除死链,写个Python脚本直接改这个JSON,一共清掉54条。脚本跑完,验证通过。直到重新打开Edge。那54条刚刚被处决的链接,整整齐齐原位复活,一条不少。回去查文件才明白过来。现在的浏览器早不是单机软件了,书签文件头部带着校验和,旁边配着加密副本,背后还挂着微软账户的云端同步,单是同步元数据就有两兆多。趁浏览器关闭时在外部改JSON,一启动校验对不上,或者跟云端记录冲突,浏览器二话不说就会拿云端数据全盘覆盖回来。在文件层面直接操作,云同步时代走不通了。要想删得干净、避免云端添乱,正途还是走浏览器内部的正式接口。给AI留一扇后门怎么让终端里的AI合法调用浏览器内部的书签API?市面上固然有现成的浏览器自动化工具,但据说针对我这种近万条链接的,很容易死机。而且我不仅希望清理,还希望整理重新归类。和AI商量了一下,最终搭出来的方案很轻巧:先写一个极简的本地浏览器扩展,声明bookmarks权限,在扩展页面打开开发人员模式后直接加载。接着在本地跑一个百来行的Python HTTP小服务,只负责下发任务清单job.json和接收执行报告。浏览器扩展每隔30秒轮询一次本地端口,发现新任务就调用原生的chrome.bookmarks接口去删除、建目录或移动书签,干完活把结果回传回来。走通这条路,体验就全变了。不再需要导出文件、跑脚本,甚至不用点一下扩展图标。只要在对话框里用自然语言交代需求,AI转头就把指令写进本地任务队列;不到半分钟,浏览器自己在后台就把活干完,云端同步还会顺手把结果推送到每一台设备上。65%的水分通路搭好,大扫除正式开始。我让AI先别动手,对所有书签做一次全局的重复度体检。算出来的数字吃了一惊:在剩下的8422条书签里,不同的网址其实只有2923个。也就是说,有5499条是冗余副本,水分高达65%。顺着目录结构往下查,还原出了十几年换浏览器的案发现场。每换一次浏览器,导入工具就会把当时的整个书签栏原封不动塞进其他收藏夹,变成一个快照;过两年再换一次,又塞进来一个;某次整理时大概还手滑把快照打散成了几十个碎片目录。于是荒诞的一幕出现了:同一个美联储数据页、同一个指数网站,在收藏夹里同时存在着10到15份拷贝。有111组文件夹,里面的子目录和网址集合连顺序都一模一样,在四五个角落里各自安家。甚至连当年“从IE中导入”这个文件夹本身,都被后来的浏览器反复导入了四次。不是看了AI的统计,我都不知道我自己的收藏夹有那么多冗余的水分。平时手动整理,看到一个几百条链接的旧目录,根本不敢按删除键,谁知道里面有没有哪条独苗是别处没有的?人脑没法对八千条数据做集合运算,只能任由它们一年年堆下去。但这对AI来说只是一道简单的差集题。我和AI定了两条规矩。凡是收藏夹栏里已有的网址,其他收藏夹里的副本一律删掉;其他收藏夹内部重复的,只留第一次出现的那条,最后把所有被掏空的文件夹递归清掉。指令下发,不到半分钟,报告弹了回来:去重删除5484条,清空空文件夹558个。61步一键重构去重只是第一步。其他收藏夹剩下的1343条虽然没重复了,却依然散落在几十个旧目录里,同名文件夹各自为政,还有不少无处安放的散落链接。我让AI把这1343条书签的标题和域名通读一遍,顺着我原有的数字编号习惯,重新设计一套顶层目录。AI很快交出一份按十位数编号的方案,从工作、投资、IT、Python、设计、下载、生活,一直排到历史存档和兜底的待分类。那些失去实用价值但带着年代记忆的IE老书签、早就停服的Windows Live,不忍心全删,就封存进历史存档;几处重名的老目录,按子文件夹名称递归合并到一处。我看了一遍方案,只回了一个字:“可。”AI生成了61个步骤的操作序列,建目录、搬迁、递归合并同名子目录、按域名归拢散落链接、重命名一气呵成。我什么都没做,看着后台日志一条条刷过,61个操作全部成功,最后留给待分类的只剩孤零零1条链接。打开Edge收藏夹管理器看了一眼,原本滚好几屏都见不到底的杂乱目录,现在只剩下整整齐齐的九个编号文件夹。困扰了我好几年、每次打开都想关上的陈年旧账,不到一个小时,终于理顺了。大乐也!本文由Gemini 4 Argon执笔,本人略改审定。
马斯克:也许该给亚马逊添个对手,网友连名字都起好了
虎嗅 · 1 天前
本文来自微信公众号: 新智元 ,编辑:元宇,作者:ASI启示录AI刚学会替你干活,亚马逊、摩根大通、嘉信理财就开始堵门了!10月18日,@trikcode在X上列出了一份「AI碰壁清单」,点名达美航空、摩根大通、嘉信理财、Yelp和亚马逊。他吐槽:那些本该替我们搞定一切的AI智能体,开始被互联网挡在门外。人愿意买,AI愿意跑腿,但最后一公里却卡在了平台不肯放行上!而亚马逊拦下Grok Bot的消息,几天前就引来了马斯克的回应。10月15日,X用户nick发帖称,亚马逊正在阻止Grok Bot下单。他自己就有一个专门处理亚马逊退货的Bot,因此格外关注这件事。他还抛出了一个问题:你会为了自己的AI助手,换一家商店吗?马斯克霸气回应,火药味一下就上来了:也许我们应该做一个亚马逊的竞争对手。AI还没买成东西,马斯克已经开始考虑要不要给亚马逊添个对手。nick连名字都帮马斯克想好了:Grokazon!他表示,如果真有这家平台,自己会立刻注册,还不忘提个要求:X会员最好连快速配送也包了。马斯克的新电商还没看到具体计划,亚马逊对第三方AI购物助手的「封锁」,却早已开始。早在9月21日,The Verge就报道,亚马逊已拦下Meta旗下的Muse购物智能体,并提示用户:未经授权的智能体继续访问,违反了网站使用条款。使用Muse购物时,亚马逊展示的拦截提示。碰壁的还不只Muse。还有用户反映:OpenAI的Dots,以及Instinct智能体,同样在亚马逊遇到了阻拦。用户的想法可能很简单:我让AI替我买东西,授权已经给了,它就是我的跑腿助手。可平台还要问:这个代办人是谁?走的是什么通道?我有没有同意?亚马逊的意思很明确:第三方AI替用户买东西,得亮明身份、说清楚怎么操作。至于让不让它进来,平台也得有权说不。换句话说,你给AI下了指令,网站却未必能给它通行证。而购物,还只是AI碰壁的一站。订机票、查餐厅、操作金融账户,也各有各的门槛。你让AI代劳还要平台点头先看订机票。据TechCrunch10月6日报道,达美航空表示,目前还没有让第三方AI智能体在自家平台上替用户搜索航班、预订机票的合作或接入安排。你想把出行安排一口气交给AI,还得先看航空公司支不支持这位「代办人」。再看本地商家点评平台Yelp。它开出的条件是:想让AI访问平台的内容和数据,先拿到付费授权。这意味着用户愿意让AI跑腿还不够,AI背后的公司还得先和Yelp谈妥授权与费用。同样是AI代办,到了不同平台,规矩却不一样:亚马逊直接拦下Muse,达美还没有相应合作,Yelp则要求付费授权。而且,就算网站没有专门封锁AI,原有的反机器人机制也可能把智能体拦下来。你本来只想说一句「帮我办好」,AI公司却得先和各个平台谈清楚:让不让AI进来,进来后能做什么。其中一环没打通,没办完的事就可能又回到你手里。买东西卡住了,大不了自己下单。可一旦涉及金融账户,就不能只想着让平台放行,还得先弄清楚:AI进了你的账户,究竟能动什么?AI动了你的钱谁来负责?摩根大通直接说出了自己的担心。10月13日,CEO Jamie Dimon在财报电话会上表示,公司内部正在使用智能体,也会用它们服务客户。但外部AI不能随便放进来,银行得防止客户遭受损失、数据被乱用。CFO Jeremy Barnum说得更具体:有些服务通过用户提供的账号密码等登录信息,获得了操作账户资金的能力。摩根大通解释共享登录凭据带来的风险。银行认为这种方式不安全,正在拦截相关访问。说白了,你把账户的钥匙交了出去,AI就可能有了动钱的权限。你只想让AI看看账单,却可能连转账的权限也一起给了它。嘉信理财也在拦截。据彭博社10月16日报道,嘉信理财正阻止未经授权、试图转移客户资金的智能体,其中包括Muse。CEO Rick Wurster直言:我们控制不了,客户也控制不了。事情可能出错,那谁来负责?交出一项任务,不该等于交出整个账户的控制权。看余额、查流水、转钱,分别要给AI哪些权限,必须事先说清楚,不能等钱转出去了再讨论。毕竟,一句「AI弄错了」,不会让转出去的钱自动退还到账上。AI都会用电脑了光靠堵还管用吗?列出那份「AI碰壁清单」的@trikcode直接吐槽:奇怪,他们竟然想停留在石器时代。沃顿商学院教授Ethan Mollick也对封锁策略提出了质疑:在AI已经能替你操作电脑的时代,这似乎算不上一种很稳固的策略。AI替你打开网页、点击按钮,真正想买东西的却是你。但平台还得弄清楚:AI是不是你派来的,你允许它做什么,出了问题谁负责?而Meta则认为,拒绝个人智能体,就意味着拒绝它背后的顾客。它也在通过合作,争取更多商家「接待」AI助手:据The Verge报道,Meta已与沃尔玛、Gap、丝芙兰、百思买等零售商合作,允许Muse在这些网站上购物。但对用户来说,麻烦依然存在:同一个AI助手,在这家店能用,换一家店就可能被挡在门外。因此,选智能体,除了看它有多聪明,还得看它到底能替你办成什么事:支持哪些网站?只能搜索,还是能加购、付款?哪些环节需要你接手?不能等AI忙了一圈,你才发现自己想办的那件事,平台根本不支持AI代办。别让用户替AI跑手续用户把事情交给AI,图的就是省心。他们更关心的是,平台与AI公司谈出来的规则,能不能让自己少接管几次、少折腾几回。智能体在接任务之前,也要把能做什么说清楚。不要用一句笼统的「可以帮你购物」,掩盖不同网站、不同环节的限制。执行过程中,还要把权限交代明白。尤其涉及付款、转账等动作,用户应该看得清、管得住,不能只靠最初那一次笼统授权。另外,出了问题,也要有明确的处理办法:任务怎么叫停,操作能不能撤销,遇到争议该找谁,都要说清楚。否则,所谓的AI代劳,很可能变成:到了购物网站,要你重新登录;到了订票环节,要你亲自接管;出了问题,还得你挨个平台找客服。AI忙了半天,最后你又从头做了一遍。这样的助手,到底是省事还是添乱?AI替人省下的时间,不能又花在替它反复申请通行证、替它收拾残局上。参考资料:https://x.com/elonmusk/status/2110715556328579219?utm_source=chatgpt.comhttps://x.com/emollick/status/2111858791939772731https://x.com/trikcode/status/2111622265284546620https://www.theverge.com/tech/998078/amazon-blocks-meta-muse-ai-agent-shopping?utm_source=chatgpt.com
11年过去,白岩松为何还在谈医学4S?
虎嗅 · 1 天前
本文来自微信公众号: 西直门外汉 ,作者:医研堂堂主10月12日,白岩松来到上海瑞金医院,讲了一堂医学课。讲着讲着,又讲到了他的医学“4S”:Season(季节)、Service(服务)、Sports(运动)、Sunshine(阳光)。之所以说又,是因为2015年3月,人民网就曾报道过白岩松的医学“4S店”理论。11年过去,四个英文单词几乎原封不动。这11年,中国医疗体系经历了几轮大改革。药品耗材零加成、集中带量采购、DRG/DIP支付改革……医院过去的许多生财之道被逐一改写。如今,连AI都进了诊室。白岩松却还在谈当年的医学理想。其中,有句话尤其引起了笔者的注意。“医生是一种职业,不能要求医生当‘佛’,却不解决他作为‘人’的需要。”翻出2015年的报道,发现白岩松当年其实也讲过类似的话。那时,他替医生解释为什么要卖药:“如果能让他们的科研和中高等层次的收入得到保障,他们还愿意做这件事吗?”11年前就提出来的问题,如今还有多少没解决?012015年,白岩松谈Service时,明确反对把医疗变成Sale(销售)。其时,以药补医尚未全面退出。医院需要维持运转,药品加成是收入来源之一。医生开药、患者买药,医疗行为与药品销售之间的利益纠葛,很难靠几句职业道德教育消除。11年后,这套机制已被大幅改造。国家医保局11月16日公布的数据显示,2018年至2025年,全国三级公立医院医疗服务收入占比,从27.6%提高到33.5%。北京经皮冠状动脉支架置入术的医疗服务价格,也从1500元/次调整至4320元/次。过去贵的是支架,做手术的技术服务相对便宜。如今,支架通过集采大幅降价,手术技术服务获得重新定价。按说,这样的调整,医生应该是欢迎的。但医疗服务价格提高之后,钱首先进入的是医院账户。医院有医院的难处。设备折旧、人员成本、病区运营,哪样都不能省。至于医生最终能拿到多少,还得看医院的绩效分配办法。医院技术劳务收入占比提高,不等于医生收入同步增长。这个区别很重要。药耗加成逐步退出,医院需要寻找新的收入支撑。医疗服务价格调整,确实是在弥补过去技术劳务价值偏低的问题,但能否转化成医护人员的实际收入,还隔着医院内部的分配机制。而医院还要面对医保支付约束、运营成本和患者费用负担。过去不合理的收入来源被压缩,新的补偿机制需要逐步建立。这个过程中,医院可以强调公益性,却不能把所有经营压力都交给医生消化。白岩松说,医生不是佛。这话11年前就在讲。如今药耗价格降了,手术服务价格涨了,医生该拿多少钱,仍然要看医院怎么分。02这次演讲,白岩松提到一个医院里司空见惯的场景。一位受欢迎的主任医师,一上午可能要接诊50位甚至60位患者。患者好容易挂上专家号,排队半天,进去没说几句话,医生已开始看下一位。患者当然不满意。可如果一上午按四小时门诊计算,接诊60位患者,平均每个人只有四分钟。医生还要看检查结果、写病历、开处方。这里面没有多少可以腾挪的时间。白岩松说,医学不能离开人文。医生不能只盯着患者的某个器官,还应该关心他的恐惧、焦虑和生活处境。这些话,医学院讲过,医院培训也讲过。难的是落实到排班表上。2025年,全国医疗卫生机构总诊疗量达到106.5亿人次,比上年增加5.1亿。在这样庞大的医疗服务量下,医院要缩短候诊时间,又要提高患者满意度。医生多给一位复杂患者解释十分钟,后面的人就要继续等。临床医生夹在中间,左右不是人。医患沟通做不好,责任首先落到医生身上。但医生每天接诊多少人、每个号安排多长时间,通常还得服从医院的门诊安排。瑞金医院有钢琴、有画展。白岩松对此颇为赞赏。这些安排当然好。只是,走进诊室的患者,最希望得到的,往往还是医生多看两眼检查报告,多解释几句病情。医院愿意花钱改善环境,也得愿意为医患沟通留出时间。否则,人文关怀讲得再好,落到医生身上,还是要求他在同样的时间里干更多的活。03四个S里面,Sports倒是有了不少实质性进展。11年前,白岩松就主张通过运动和生活方式干预,让人们少生病、晚生病。如今,阜外医院已经把这件事做成了医疗服务。11月18日,阜外医院西院区健康生活方式医学中心正式运营的消息见诸媒体。这个中心今年5月就开始试运行。如今,门诊、住院及特色诊疗项目全面开放,安排了临床医师、营养师、物理治疗师、心理医师等专业人员,还有个案管理师负责接诊、干预和出院后8至12周的远程随访。对一家以心脏手术闻名的医院而言,这一尝试很有意思。过去患者病了来医院,医生负责诊断和治疗。现在,医院还要安排专人跟踪患者回家后的饮食、运动和睡眠。临床上有价值,经营上却未必容易。做一台手术,有明确的收费项目和支付规则。生活方式干预则需要多名专业人员协作,还得持续随访。患者改变饮食习惯,几个月后体重下降,血压改善,算是初见成效。如果几年后因此少住了一次院,患者受益,医保基金也可能少花钱。但前期投入人力的医院,未必能从这些长期收益中获得直接补偿。这就给院长出了道难题。新增的人力成本谁承担,长期管理怎样收费,干预效果如何计入科室绩效,都得有办法。运动处方并不难开。难的是患者离开医院之后,还有没有人持续跟踪;相关医生和治疗师,能不能获得合理报酬。阜外医院有条件先走一步。其他医院是否愿意跟进,恐怕还得看看收费项目和绩效方案。04据了解,这次白岩松演讲的主题,其实是AI时代的医疗。他说,AI给出诊断,患者会不会相信?判断错了由谁纠正?出了问题谁负责?这些问题,已经开始影响医院的日常工作。今年发布的《医疗机构人工智能应用与治理专家共识(2026版)》提出,医师拥有诊疗最终决策权,医疗机构应承担诊疗行为引发的法律责任。涉及产品缺陷,还需依法厘清厂商责任。中国医院协会发布的另一份专家共识,则建议建立人机决策分歧处理机制,对高风险分歧启动复核。对医生而言,AI进入临床,并不意味着可以直接照着算法开医嘱。影像AI标出一个可疑病灶,医生得核对。系统给出治疗建议,医生要结合病史、检查结果和患者实际情况判断。遇到分歧,可能还得请上级医师复核。有些系统按照专家共识设计,还需要医生记录采纳或者拒绝算法建议的原因。过去由医生独立做出的判断,如今可能多了算法提示、人工复核和系统留痕。AI确实可以节省时间,也可能增加新的工作量。医院花钱买系统,希望提高诊疗效率,并为医生减负。可如果每次推翻算法建议,都需要额外填写说明,省下来的时间又会被占去多少?这些细节,在采购方案里未必显眼,却会成为医生每天要面对的事情。白岩松说,AI时代,人依然站在C位。医生当然应该保有最后的专业判断权。医院既然要求医生把关,就得为复核留下时间,也要有相应的技术支持。不能买系统时强调提高效率,出了问题又只强调医生必须负责。0511年过去,医学4S仍然是那四个英文单词。医院却已经不是当年的医院。过去靠药耗加成维持运转的办法正在退出,医疗服务价格重新调整,预防医学开始有了专门的诊疗场所,AI则给医生的工作添了新的内容。这些改革都有各自的道理,也取得了实实在在的进展。只不过,白岩松2015年就关心的医生收入和职业处境,并没有因为改革推进而自动得到解决。有些旧问题缓解了,有些还留在医院内部的绩效方案里。新的技术和服务模式,又给医生增加了新的要求。这次在瑞金医院,白岩松说,不能要求医生当佛。笔者倒觉得,这句话也该讲给医院管理者和政策制定者听。医生需要承担专业责任,也得有相应的收入、时间和工作条件。哪一项跟不上,都不能指望靠职业道德长期弥补。白岩松已经讲了11年的医学4S。下一次他再去医院讲人文,医生能不能少填几张表、多陪患者说几句话,恐怕还得看院长们准备怎么改排班表和绩效方案。参考资料人民网,2015年3月25日,《白岩松:医院就像人生的“4S店”》。上海交通大学医学院附属瑞金医院,2026年10月12日,瑞金讲坛《AI时代:医疗健康行业的机遇与挑战》。国家医保局,2026年11月16日,《各地医保持续调整优化医疗服务价格》。国家卫健委,2026年8月,《2025年我国卫生健康事业发展统计公报》。新京报,2026年11月18日,《全国首个生活方式医学中心正式运营》。《中国医学伦理学》,《医疗机构人工智能应用与治理专家共识(2026版)》。中国医院协会医学人工智能专业委员会,《医院应用医学人工智能专家共识》,2026年。
是什么神秘力量,操纵了演员的一言一行
虎嗅 · 1 天前
本文来自微信公众号: 影视独舌 ,作者:赵简一近期有两位男演员很闹心。一位是律政剧《蒸蒸日上》男主演韩东君。他在录制综艺《你好,星期六》时,因跟同样来宣传新剧、《装腔启示录》时的合作对象蔡文静做秘密任务,被批评不尊重搭档高叶。另一位是现偶剧《今天是太阳雨》男主演董思成,因为与合作对象杨超越过于亲密的剧宣举动,引发大范围脱粉,一度力压《后会友期》登顶热搜。左为董思成热搜,右为社媒网友对韩东君的不满这两个实例说明,当下舆论场上对于剧宣期演员的要求,已经几乎到了拧巴又病态的程度。暧昧景观化,剧宣变官宣CP营业并非短视频时代才有的新鲜产物。放在二十年前,大众对CP的称呼是“荧屏情侣”。但彼时的荧幕情侣路线,往往是正常剧宣之外的附加选择。是否选择营销荧幕情侣,主动权在演员与剧方手上,是多方利益综合考量后的结果。而从近几年开始,演员与剧方不再拥有选择权。CP营业成了剧宣工作中占比最大、最核心的宣传动作。它被默认为演员的本职工作。如果说在荧屏情侣的炒作时代,男女主演只需要以本来的性格与对方产生火花,让“XX与XX疑似假戏真做”的绯闻占据八卦杂志和门户网站的头版头条,用神秘感和迷惑性保持剧集热度,那么现在的CP营业则是将原本私密性极高的暧昧亲密,暴露在大庭广众之下,使两人之间的互动成为被观赏的对象。演员服务观众的主场景,从作品内扩大到了全网的可视空间。换句话说,演员们不仅要在戏里演,戏外也得带着角色设定继续演下去。如果不演,则会招致观众——尤其是爱情剧观众的不满。2022年,窦骁与陈都灵主演的民国言情剧《良辰好景知几何》播出。因彼时的窦骁已与妻子何超莲公开恋爱,没有选择与陈都灵合体宣传,引发了舆论反噬。此后,窦骁在很长一段时间内再未接演过爱情剧。更有甚者,即使剧宣期结束,演员也不能OOC(Out of Character,脱离角色设定)。丁禹兮与虞书欣二搭合作的《永夜星河》在2024年播出后,两人的CP大热。而在2025年年末的一次娱乐活动上,丁禹兮与《传闻中的陈芊芊》中的合作对象赵露思打招呼,引发CP粉的强烈不满,“禹宙中欣脱粉”一度登上热搜高位。两位女演员因戏路撞型而被粉丝认为是“对家”,所以尽管距离剧播结束已经过去了一年时间,演员之间的正常社交也被视为是一种“背刺”。市场敏锐地捕捉到了观众对于CP越来越重视的信号。CP就是热度,热度就是金钱。当下CP营业的乱象,一定程度上是主动迎合的结果。如果说以往的CP营业还有让演员“相亲”的恋综氛围感,那么2025年则是“婚闹式”剧宣全面兴起的一年。年初白鹿、敖瑞鹏在《白月梵星》宣传期间,发布了一条情侣合拍视频,在抖音上拿到了1457万点赞,让原本热度走势平淡的剧集“起死回生”。此后,情侣转场视频成了每部剧男女主演的既定KPI。而在追剧团、扫楼等线下路演现场,男女主演的主要任务是完成各项突破尺度的亲密挑战,玩让人面红耳赤的洞房小游戏。到了今年,情况愈演愈烈。擦边的婚闹热身,已无法满足CP营业突破同质化的需求,男女主演一键快进到办婚礼。张婧仪与宋威龙在《野狗骨头》的衍生综艺中,以角色身份进行了一场从穿婚纱、宣读誓词、到交换婚戒的完整婚礼流程;孟子义与李昀锐在《尚公主》剧宣期则上演了“接下班”、游乐园约会等真情侣操作;在今天即将播出的《你好,星期六》的预告片里,杨超越、董思成还有单膝跪地求婚的场面……这一切都在说明,所谓演员敬业的标准发生了巨大变化。过去,演员完成角色演绎、拍好作品是敬业;现在的敬业则从剧里延伸到剧外。这不止发生在古偶现偶的男女主演身上。现实题材剧演员也要潜移默化遵循观众心里的“敬业”标准了。观众对演员“敬业”的要求范围越来越广、越来越极致。韩东君此次在《你好,星期六》的风波就是源于此。观众大二创,演员被媒介化、工具化观众对演员敬业标准变化的背后,是新的观演关系下演员职能属性的改变。沈奕斐教授曾在潜伏研究嗑CP文化后表示,CP粉都是侦探和剧作家,可以将蛛丝马迹串成一个故事。嗑CP的本质,是观众与演员在情绪与想象中共同生成一种新的爱情叙事。由此,演员成了一种新媒介,一种承载观众爱情想象的身体媒介。如果说角色是创作者意志的延伸,那么演员则成为了观众意志的延伸。这类观众往往将剧中的角色设定与演员的真实经历融到一起,构成一个新的关系故事。他们不仅要做创作主体,还要掌握CP关系的解释权和定义权。比如孟子义与李昀锐在2024年《九重紫》播出前,都是尚无热门主演作品的演员。《九重紫》是他们彼此人生中的第一部爆剧。两位演员经由一部作品一同飞升,加上剧中男女主“互为因果,守望相助”的感情线设定,让观众觉得两人多了一层命中注定的正缘感。杨超越与董思成凭借《今天是太阳雨》成为热门CP,也同样是得到了观众二创的加持。在这部剧之前,杨超越曾被贴上“演戏木头”的标签。她在成名之前贫穷打工的经历与剧中角色有相似之处。戏中,男女主在人生的至暗时刻相遇。这也让戏外杨超越与董思成的合作,多了一丝“一同走出人生低谷”的绝佳拍档的意味。而正是因为演员成为承载观众爱情想象的媒介,更加剧了演员的工具人属性。而这也是为什么上升期演员都不被粉丝允许谈恋爱——演员本人的感情生活一旦被外界知晓,就会影响演员作为素材工具的纯洁性。观众、演员与创作者,正在共同构成一个完整爱情故事的闭环。与其跳抖舞,不如聊创作再延伸一些,演员被媒介化、工具化之后,剧宣场上创作表达的窄化和娱乐化就更加不可避免。今年9月主持人何炅曾在一档节目里表示,身边的演员朋友们都在学跳舞,但呈现到大众面前的并不是上千种不同的舞,而是同一种舞被跳上千次。何炅的观察,相当程度上反映了剧宣大量跳抖舞的同质化与流程的僵硬化。不仅是年轻的流量演员需要跳,实力派演员也在劫难逃。姚晨就曾在去年电影《下一个台风》的路演现场表达了对演员要唱歌跳舞这件事的迷惑:“我也不知道我们在干什么,表达跟创作相关的机会越来越少。”老戏骨跳别扭的抖舞,跟CP婚闹一样尴尬。社媒平台上,已经有不少吃腻了同质化菜色的观众表达了对这种不良剧宣生态的不满。但这种现象并非不可改善。此前,张译在宣传电影《三大队》时,拒绝跳抖舞,获得了许多观众支持,此后电影路演跳抖舞的风气有所减弱;《小城良方》主创的剧宣路演,没有玩游戏,没有跳抖舞,而是选择了坐下来好好聊创作。总的来看,剧宣的生态风气需要重新引导。把CP线保留在角色之间,把聊创作的权利还给演员,闹笑话的蹩脚剧宣、两极撕裂的无意义口水战,可能才会少一些。
史上最大IPO,焐不热AI行情
虎嗅 · 1 天前
本文来自微信公众号: 财联社 ,作者:李莹史上最大IPO圆满收官,却没能给AI行情带来暖意。敲钟上市仅仅一天,Anthropic股价便随全球科技股一同走弱。华尔街正以更冷静的目光重新审视AI叙事。Claude大模型开发商Anthropic当地时间11月20日宣布完成IPO交割。承销商全额行使了1.47亿股的超额配售权(俗称“绿鞋”),公司最终以每股83美元发行11.27亿股A类普通股,募资总额约935亿美元。“绿鞋”机制允许承销商在IPO后30天内按发行价额外认购最多15%的股份,通常在新股认购需求旺盛时行使。在约935亿美元募资中,约916亿美元归公司所有,其余归出售股份的股东。若计入同步完成的约260亿美元私募配售,Anthropic此次合计募资约1195亿美元,这一数字未扣除承销折扣等费用。收官消息落定的同一天,Anthropic股价却掉头向下。该股周五开盘后跌超9%,报约88美元,逼近83美元的发行价,上市首日的大部分涨幅已被回吐。截至发稿,其跌幅收窄至约6.8%,报约90.5美元。Anthropic上市以来股价走势,来源:Tradingview掌声未落,抛盘已至据媒体报道,周五亚洲和欧洲市场以芯片股为代表的AI产业链个股普遍走低。美股开盘后,三大指数集体低开,科技股普遍下挫,这只备受瞩目的AI新股并未扭转市场对AI板块的谨慎情绪。投资研究机构晨星欧洲首席市场策略师Michael Field表示,Anthropic的IPO曾让笼罩AI股的阴霾短暂散去,但这一喘息已经结束,投资者重新回到了对AI板块的悲观预期。在线交易平台IG首席市场分析师Chris Beauchamp认为,从资金面看,投资者为买入Anthropic而抛售其他股票,这只巨无霸新股可能正在抽走市场流动性。英国投资平台AJ Bell投资总监Russ Mould表示:“(AI)叙事正出现裂痕。”在他看来,投资者似乎在锁定利润,或许也正变得更加挑剔,不再像AI热潮早期那样认为水涨船高。美国财富管理公司Raymond James股票研究主管Amish Patel表示,Anthropic盘前回落与AI股再度走弱,凸显了AI交易的核心矛盾:投资者相信这项技术的变革潜力,但对企业能交出的增长和盈利要求越来越高。寒意之中,谁在押注未来?从基本面看,Anthropic距离自我造血仍有一段路要走。据媒体援引高盛分析师的预测,该公司要到2030年才能实现年度自由现金流转正,届时营收预计约为6850亿美元。在此之前,Anthropic的扩张仍需依靠现有资金储备和外部融资支撑,此次公司实际获得的近1180亿美元资金,正是为这段长跑储备的“弹药”。漫长的等待期也放大了市场的分歧。瑞士私人银行Union Bancaire Privée董事总经理Vey-Sern Ling表示,Anthropic的价值在很大程度上系于充满不确定性的未来,股价也终将反映这一点。“木头姐”凯茜·伍德则选择在忧虑中下注。据报道,她旗下的方舟投资在Anthropic上市后,通过六只基金买入约9080万美元该股。目前,该股在方舟投资规模约61亿美元的旗舰基金ARK Innovation ETF中占比约0.3%。
黄仁勋,这一年
虎嗅 · 1 天前
本文来自微信公众号: 秦朔朋友圈 ,作者:水姐如果有人在2025年秋天写下一份剧本,说一家刚刚跨越5万亿美元门槛、被全球资本奉为“AI央行”的科技帝国,会在短短13个月后亲手把它的缔造者关在门外,甚至连他放低身段写下的求归长信都以“十比零”当众退回,大概没有哪家好莱坞制片厂敢投一分钱。然而,2025年10月至2026年11月这13个月的真实商业史,却像坐上一架失控的过山车,把登顶的狂喜、不可替代的远见、硅谷草莽英雄的结盟与碰撞、地缘的暗刺与制度的冷酷,一寸一寸地演给了全世界看。硅谷的“底盘牧羊人”要理解这场风暴为何会震动整个硅谷,必须先看清黄仁勋在当代科技版图里独一无二的生态位。过去二十年,硅谷的主流叙事属于写代码的软件极客与社交网络巨头——他们靠轻资产、高毛利与网络效应暴富,信奉“快速行动,打破陈规”。而穿着黑色皮夹克的黄仁勋,却像一位格格不入的硬派重“工业牧羊人”。从1993年圣何塞那家丹尼斯餐厅的卡座起步,他在摩尔定律逐渐失效的黄昏里,顶着华尔街长达十余年的冷眼与嘲笑,孤注一掷押注通用图形计算与CUDA生态,硬生生在硅谷“软化”的浪潮中,为全人类筑起了一座重资产、高壁垒的物理算力底座。对于硅谷而言,黄仁勋不仅是一家芯片公司的老板,他是整个AI时代的“卖水人总管”与精神图腾。无论你是追求通用人工智能的理想主义者,还是打造人形机器人与自动驾驶的狂人,本质上都在黄仁勋铺设的算力铁轨上奔跑。他身上那种融合了东方工程师的苦行自律与美式开拓者的草莽孤勇,证明了即便在资本高度金融化的时代,靠硬核底层技术与三十年磨一剑的偏执,依然能炼出人类历史上最庞大的商业帝国。正因如此,在2025年底至2026年夏秋的这段时间里,全世界都在为这种“不可取代性”买单。2025年10月,英伟达成为人类商业史上首家突破5万亿美元市值的公司;10月下旬,黄仁勋现身华盛顿英伟达峰会,发表带有鲜明产业回流色彩的演说,高调赞扬特朗普政府的制造业政策,随后登上CNBC《财经论谈》从容谈论出口管制;紧接着10月30日晚,他又飞抵韩国,在首尔江南区一家街头炸鸡店里,与三星电子会长李在镕、现代汽车集团会长郑义宣勾起手臂喝起“交杯啤酒”,次日便高调宣布向三星、SK海力士、现代及韩国政府供应超26万颗GPU,把东亚半导体供应链的“江湖酒桌外交”演到了极致;11月7日至8日,他在近三个月内第三度飞赴中国台北,亲赴台积电3nm产线为Blackwell芯片索取产能——在供应链紧绷到极致的时刻,只有他亲自坐在新竹或台南的餐桌旁,才能用三十年的江湖交情锁住最稀缺的晶圆配额与HBM内存;12月,英伟达更是一举斥资约200亿美元收购AI芯片初创公司Groq资产,创下公司史上最大规模收购纪录,同月特朗普放话允许向中国出口H200芯片,黄仁勋的华府游说看似迎来了全面胜利。但是!几乎没有人留意到10月9日《纽约时报》角落里的一则报道!美国联邦调查人员正在追查新加坡数据中心企业Megaspeed及其高管黄乐(Alice Huang),怀疑其将价值至少48亿美元的英伟达芯片设备违规转运,并开始关注黄乐与黄仁勋的密切往来。11月在台北产线奔波之余,黄仁勋还与黄乐一同现身产业会议的私人晚宴,被媒体拍下同框画面。但在英伟达内部,当总法律顾问蒂姆·泰特拿媒体的问询去核实时,黄仁勋一口咬定只是再正常不过的“普通客户互动”。泰特信了,甚至亲自出面给调查Megaspeed的美国商务部官员打电话担保——尽管英伟达早在2025年6月就已经将Megaspeed列入禁售名单,黄乐也已于8月底从该公司离职。这种建立在33年绝对威望之上的信息不对等,支撑着黄仁勋走入了更加烈火烹油的2026年。从“空军一号”双雄到5.82万亿绝顶进入2026年,黄仁勋与硅谷乃至全球顶尖创业者之间的碰撞与交集,密集得令人目不暇接。他不再只是幕后的芯片供应商,而是站到了舞台最中央,成了串联起整个科技阵营的“公约数”。1月,他捧回IEEE荣誉奖章,随后开启年度首度中国内地之行——既现身上海办公室抛出著名的“五层蛋糕”理论,宣称AI是人类史上最大基建,需要数万亿美元投资,又被网友偶遇一头扎进上海浦东的菜市场,手里拎着刚买的橘子和水果,毫无架子地与摊主唠起家常;3月16日,在加州圣何塞GTC大会上,他向世界宣判AI正从“生成”迈向“推理与代理行动”,“Token是新的商品”;而真正将“硅谷兄弟会”与政治权力推向戏剧顶点的,是他与埃隆·马斯克的频频同框。早在2025年11月19日华盛顿肯尼迪中心的美国-沙特投资论坛上,白宫官方照片便记录下黄仁勋与马斯克并肩同特朗普交谈的画面;到了2026年5月14日,在特朗普总统访华的“空军一号”经停阿拉斯加时,黄仁勋临时登机,马斯克在社交平台上晒出机舱合影,配文机上“只有我和老黄”,两人随后一同出现在北京中美元首会谈现场。这一幕堪称当代科技史的奇观:两位性格迥异、各自掌握着算力与星舰及自动驾驶命脉的超级创始人,在万米高空的总统专机上并肩而坐,象征着硅谷技术寡头与政治最高权力的空前合流。6月初的台北COMPUTEX,他逛夜市偶遇水果摊主、请供应链大佬吃炸鸡并用黑色碗碟签名、为中国台湾新园区揭幕,意气风发地宣布AI已成为全球的利润引擎和GDP引擎;7月24日,从未涉足个人社交媒体的他首次开通某社交账号,第一条帖文便是联合微软、IBM、Meta等25家科技巨头发表联署公开信,力挺开源大模型,直接与主张严格监管的华府建制派隔空过招;9月3日,他又掷出129.3亿美元收购开源社区Hugging Face,试图以个人威望担保平台保持开放,尽管这笔交易从十月起便遭到了美国司法部的反垄断审查。那是一段连空气都燃烧着算力狂热的时光。电视节目录制现场,他可以当众接起特朗普打来的私人电话;资本市场上,英伟达的股价一路狂飙,在2026年10月6日冲上了5.82万亿美元的历史最高纪录。两天后的10月8日,在华盛顿和平研究所的科技峰会上,特朗普亲自向黄仁勋、马斯克以及他同出中国台湾、在芯片战场厮杀多年的表外甥女、AMD掌门人苏姿丰等人颁发美国国家科学奖章,黄仁勋的父母亲临现场见证并与之合影。那是他人生与商业帝国最耀眼的顶点。盛极而衰然而,历史最深沉的悖论就在于:一个人之所以会面临如此惨烈的2026年,恰恰是因为他在过去33年里太过成功、太过不可取代。正如茨威格在《人类群星闪耀时》里写下的宿命:天才在攀上绝顶的那一秒,命运就已经在背面标好了价码。在现代公司治理的传统版图里,英伟达是一个极其罕见的异类。黄仁勋当了33年CEO,不设首席运营官,不设董事长,取消了一对一例会,60名核心高管全部直接向他一人汇报。在技术路线剧烈迭代、需要孤注一掷押注未来的草创与扩张期,这种“辐射状”的沟通结构与“绝对中枢”式的权力配置,是他战无不胜的秘诀——没有冗长的科层扯皮,每一道指令都能零损耗地直达末梢。但当帝国的体量膨胀到5.82万亿美元时,那份被诺贝尔经济学奖得主戈尔丁称为“最贪婪的工作”的超级CEO角色,开始反过来吞噬它的主人。在经济学与管理学里,这正是“单一关键人溢价”向“单一关键人风险”转换的致命临界点。因为没有人能制衡他,顺境里的强人极易产生一种“我即边界、我即规律”的全能自恋。今年8月,当英伟达市值站在云端时,黄仁勋在内部高管会上力推规模高达750亿美元的“算力生态融资网”——英伟达自掏腰包或提供担保去扶持下游云厂商购买自家芯片,同时向台积电下达天量锁死订单。当首席财务官科莱特·克雷斯提醒库存风险,指出下游大模型厂商的真实商业化收入(如外界爆出OpenAI年化收入仅500亿美元、远低于700亿预期)未必能撑起如此激进的供应商信贷循环时,黄仁勋当着一屋子高管的面打断了她,认为她像“车灯前的鹿”。与此同时,他低估了地缘政治的时代剧变。中国儒家《大学》讲“修身、齐家、治国、平天下”,是从内向外的同心圆;到了2026年的芯片时代,顺序彻底反过来了——在现代大国博弈的机器里,高性能计算芯片早已不再是单纯的市场化商品,而是被彻底纳入“国家安全化”框架的核心战略资产。当你的产品成了国家命脉,你本身也就成了被置于显微镜下的“公共战略物资”,天下的Token、国家的战略安全、华盛顿的情报审查、参议院的传票与美国证监会的调查卷宗,从最外层一层层压进了一个人的卧室里。领完国家科学奖章仅仅6天后的10月14日,黄仁勋在一次媒体专访中谈及接班人问题时,随口留下一句后来被无数人引用的谶语:“就像我可以被解雇一样,下一任CEO也得由公司聘任。”没人想到,仅仅两周后,雪崩就以一种近乎窒息的速度降临了。10月29日至11月1日,《纽约时报》与《华尔街日报》接连引爆了美方情报部门对黄乐的长期担忧,披露早在五月黄仁勋登上“空军一号”前,国务卿鲁比奥就已经把相关情报备忘录递到了特朗普桌上。黄仁勋起初仍试图用过去33年“个人威望压制加危机公关”的惯性轻描淡写,却忘了总统可以在镜头前随口送出“也许她不是间谍”的顺水人情,而商务部的出口管制、参议院银行委员会的听证传票以及证监会的调查档案,遵循的是冷酷的官僚法理与行政机器的刚性。十日雪崩与“七姐妹”破防进入11月,剧情以按小时计算的密度急转直下,演变成一连串令人瞠目结舌的荒诞与冷酷。11月7日,《金融时报》披露美方情报确信两人存在亲密关系,美国众议院随即发函传唤黄仁勋出席闭门简报会;8日,黄仁勋向全员发信首次承认“对妻子不忠”(未点名对方),董事会宣布启动独立调查;10日,发现自己被隐瞒了整整一年的独立董事们彻底翻脸——首席独立董事斯蒂芬·尼尔绕开公司法务,直接从外部请来华尔街最凶悍的Wachtell律所和纽约南区前代理联邦检察官金俊弦(Joon H.Kim)进场查账,而黄仁勋则自聘Paul,Weiss律所进行私人辩护,“君臣之间”33年的对话,在这一刻退化成了两家顶级律所之间的文书隔离;11日,《纽约时报》再爆出他与直接向其汇报的两名内部女下属有私密关系。至此,在一家没有二号人物、60人直接向创始人汇报的组织里,这已经不再是私德瑕疵,而是法律意义上的“系统性内控失效”。伴随宏观利率攀升、AI商业化质疑与地缘调查叠加,英伟达市值在短短一个月内从5.82万亿美元的高点剧烈回撤近1.8万亿,跌破4万亿大关。更微妙的是资本暗处的资金迁徙:过去一年尤其是5万亿至5.82万亿的高位区间,董事会第一大个人股东马克·史蒂文斯早已通过家族信托高频套现数亿美元,桥水、老虎环球等华尔街主动型对冲基金也在10月底至11月中旬的窗口提前减仓避险。而硅谷创始人大多用来保命的双层股权防火墙,英伟达偏偏没有——公司实行严格的一股一票,黄仁勋手里的8.7亿多股只占总股本约3.6%,真正的控制权沉淀在先锋领航(9.5%)、贝莱德(8.0%)、富达(4.2%)和道富(4.2%)这些合计握有超25%投票权的华尔街巨型指数基金手里。当生死关头来临,莎士比亚在《尤利乌斯·恺撒》里写下的那句名言在董事会会议室里精准应验:“我不是不爱恺撒,而是我更爱罗马。”桌子上的十名独立董事,平均年龄接近67岁,他们不是不念33年的旧情,而是他们更爱5万亿的帝国、百亿身家与华尔街的秩序。73岁的哈维·琼斯(手握约700万股、新思科技前CEO)、66岁的红杉前合伙人马克·史蒂文斯(手握3410万股、套现数亿美元的勇士队小老板)、68岁的Sutter Hill前掌门坦奇·考克斯(手握3060万股)以及78岁的审计委员会主席布鲁克·西威尔,风险厌恶的本能让他们绝不允许老黄把这艘巨轮拖进联邦法院;背着6月股东大会13.3%反对票的律政大佬尼尔,和7月刚进门的高盛前副主席苏珊·诺拉·约翰逊,必须用最彻底的切割来履行特拉华州公司法的信义义务;再加上百事北美前CEO达恩·哈德森、塔可钟国际前总裁梅丽莎·洛拉、礼来前CIO阿尔蒂·沙阿三位跨国女高管对职场合规红线的零容忍,以及46岁的加州理工学院教授约翰·达比里对联邦国防科研经费清誉的爱惜,十只手在11月11日深夜齐刷刷地举了起来。12日,英伟达官宣黄仁勋辞去全部职务,克雷斯出任临时CEO,琼斯出任公司33年来首位董事长,股价盘中暴跌超13%。然而,真正让这场风波超越普通商业丑闻、变得不可思议的,是强人退场后整个硅谷创业圈的剧烈反弹——连平日里在云端与大模型战场互掐的“硅谷七姐妹”(Magnificent 7),都罕见地打破沉默、几乎全员下场发声。在硅谷创业者看来,如果连黄仁勋这样一手缔造5万亿帝国的“神级创始人”都能因为私生活被职业经理人与律师组成的董事会扫地出门,那么每一个在前方冲锋的创始人都会感到唇亡齿寒;更现实的是,微软、Meta、谷歌、亚马逊、苹果与特斯拉每年数千亿美元的算力资本开支,全都系在英伟达下一代架构的交付节奏上,没有人敢赌这艘巨轮在失去总设计师后会否偏航。于是,一场罕见的“硅谷护王行动”爆发了:《金融时报》曝出黄仁勋正与亲信及硅谷盟友筹组“作战室”游说逼宫;曾与他在“空军一号”上并肩的马斯克第一时间在联署信上签下名字,“七姐妹”的掌门人们或公开肯定其对人类算力基建的不可替代,或私下向华尔街与董事会施压;华尔街对冲基金潘兴广场掌门人比尔·阿克曼(Bill Ackman)更是公开炮轰董事会“受媒体头条惊吓而惊慌失措”,痛斥坚持永不复职是“错上加错”;这股声浪与以SemiAnalysis掌门人迪兰·帕特尔为代表的科技意见领袖、以及全球超18万联署网友一道,汇成了一股逼迫董事会让步的巨大声浪——在大众的记忆里,他既是缔造算力神话的教父,也是那个会在首尔街头与韩国财阀勾手喝交杯啤酒、在上海浦东菜市场拎着橘子闲逛、在台北夜市请人吃炸鸡的亲切老头;特朗普也在16日赴亚洲前对着镜头表态不介意其回归;大洋彼岸更是连夜印出了“Stand with Jensen”的文化衫,台北101大楼亮起了灯。而在社会学家马克斯·韦伯所说的“卡里斯玛型权威祛魅”的巨大真空里,崇尚数据的硅谷极客们甚至在社群里严肃传阅“水星与金星逆行结束,迎接王者归来”——退回到了占星术与图腾崇拜的“新萨满主义”中。更荒诞的是,即便新加坡内政部通报“从未以间谍名义调查黄乐”、美国商务部与司法部也证实英伟达早在去年6月便主动断供Megaspeed,陪伴黄仁勋三十余年的妻子洛丽·黄(Lori Huang)却自始至终保持着绝对的沉默,可社交网络上却迅速出现了一段用AI生成的“洛丽·黄声明视频”——声音温婉,表情克制。正如狄更斯在《双城记》里写下的那种时代撕裂:“这是一个最好的时代,这是一个最坏的时代;这是智慧的年代,这是愚蠢的年代……人们面前有着各样事物,人们面前一无所有。”终极反转之后?所有的悬念、游说与声援,在11月18日凌晨迎来了最具戏剧性的终极反转。北京时间0:18,距离第三财季财报发布还有5个小时,失去内部席位和邮箱权限的黄仁勋,只能在公开社交平台上发出一封两百多词的长信。曾经不可一世的教父把姿态放到了尘埃里,向华盛顿剖白“53年前来到美国,成为美国公民是一生最骄傲的时刻”,向调查组低头认错,将过失死死框定在“个人生活”里,同时向华尔街与产业链亮出自己最硬的底牌——提醒所有人“许多客户、伙伴、员工和投资者继续直接联系我”,并正式表态只要董事会认定符合公司与美国的最佳利益,他愿荣幸回归担任CEO。然而5个小时后的5点20分,73岁的哈维·琼斯打破美股惯例,亲自坐镇财报电话会,赶在所有分析师开口前宣读了董事会的判决:十名独立董事一致决定(十比零)无意恢复黄仁勋的职务,并已聘请顶级猎头海德思哲在全球搜寻新王。紧接着,临时CEO克雷斯拿起话筒,用一句平静的“就像任何一个社区一样,大家会有不同的意见”将内部请愿与硅谷联署降格为杂音,随即甩出了单季营收1158亿美元(同比暴增103%)、第四财季指引1300亿美元、2028财年增长预期上调至75%的王炸成绩单,并顺手宣布停止向中国发运Hopper芯片,与高盛铁娘子约翰逊挂帅、大律师尼尔和教授达比里坐镇的新设“国家安全与出口管制监督委员会”一道,完成了一场对华盛顿的准国有化合规交底。更具讽刺意味的是,此前纷纷发声声援黄仁勋的“硅谷七姐妹”与算力巨头们,嘴上替老友鸣不平,身体却诚实地继续向失去了黄仁勋的英伟达疯狂下单——克雷斯手里那份锁定到2028年的千亿级订单账本,最大金主正是这几家科技巨头;连黄仁勋当年重金扶持的最铁杆云算力伙伴CoreWeave,其战略副总裁也公开淡化老黄离任的影响,直言双方有成百上千个层面的业务对接,“英伟达不是一个人,而是一家庞大的企业”。当算力采购已经变成全行业的生存刚需,阿克曼的炮轰与七姐妹的联名终究没能换回老黄的帅印,反而成了新管理层向华尔街证明“客户基本盘纹丝不动”的最硬背书。盘后股价应声上涨,直接把过去一周的阴霾一扫而空。留着他的遗产,关上他的大门,成了这十个人最划算的买卖。北京时间11月19日凌晨,哈维·琼斯在英伟达全员大会上再次当众钉死态度,明确表态黄仁勋绝不会回归担任CEO,并确认猎头海德思哲已正式接洽Arm首席执行官雷内·哈斯(Rene Haas,早年曾在英伟达担任高级副总裁7年),将其纳入新任CEO候选人名单。紧接着,克雷斯与薪酬委员会迅速祭出了现代华尔街治理最经典、也最见效的“黄金镣铐”——正式批准英伟达全员(四万多人)普调加薪,并向核心研发与骨干团队派发新一轮四年归属期的巨额限制性股票。这记重锤不仅安抚了军心,更完成了一次冷酷的“恩情过户”:数万名工程师未来四年的身家性命,被强行从“黄仁勋的个人恩赐”切换绑定到了“新管理层的合规稳健”上。与此同时,场外与场内的隐秘悲欢同样令人唏嘘。一贯以硬汉示人的马斯克在镜头前谈及老黄的离场时罕见红了眼眶、声音哽咽——作为一个将“第一性原理”与硬件工程奉若神明的极端“科技崇拜者”,他的眼泪既是献给“空军一号”上的老友,更是献给正在被华尔街与华盛顿官僚机器绞杀的“创始人主权时代”。而英伟达内部那六十位直接向黄仁勋汇报、跟着他赚了数亿乃至数十亿美元身家的核心高管,却自始至终保持着死一般的沉默——在政治连坐的恐惧、没有横向同盟的“六十座孤岛”囚徒困境、内部女下属绯闻的道德杀伤力、“皇帝退位诸侯分权”的隐秘红利,以及Wachtell律所的严厉封口令面前,这六十位沉默的亿万富翁用集体静默投票给出了最冷酷的答案。而在圣克拉拉旧宫殿的深处,黄仁勋的一双儿女与家人也进入了艰难的“避嫌隐身期”,被无形隔离进了一座透明的“玻璃罩”里。富途牛牛上的信息说,加州总检察长的传票已经寄给了他……把黄仁勋这跌宕起伏的13个月收进历史的望远镜里,我们终于看清了这场悲喜剧最深层的商业规律:在企业生命周期的前半程,创始人的不可取代性是帝国崛起的唯一引擎,硅谷需要黄仁勋这样的硬派牧羊人去开辟无人区;可当这台引擎亲手把帝国推向5万亿美元的公共基础设施量级、CUDA生态已成行业标准、云厂商资本开支锁死到2028年时,企业便完成了一次冷酷的“脱壳”——法理型权威正式接管了帝国,平台从此具备了排斥造物主的能力。英伟达内部原本直接向老黄汇报的那60名高管,已经开始在以克雷斯为首的“账房合规派”、以CUDA缔造者伊恩·巴克为代表的“技术派”以及外部潜在空降者雷内·哈斯之间重新寻找坐标;大洋彼岸,“空军一号”上的双人组合也已分道扬镳——马斯克正启程赴深圳出席APEC会议,而黄仁勋却要留下来,准备独自面对12月1日国会参议院银行委员会与众议院的听证质询。虽然英伟达章程里的“股东代理访问权”条款还给手握3.6%股份满三年的黄仁勋留了一道“强行提名两名董事”的合法暗门,但无论他是否会联合阿克曼等外部盟友发起代理权争夺战,2026年11月的这一夜都已经确立了一个不可逆转的分水岭。当一家企业的体量膨胀到5万亿美元量级、足以牵动国家安全与全球宏观命脉时,普罗米修斯盗来了火种,但最终管理电网的,永远是穿西装的审计师与官僚。那个“一人即帝国”的古典硅谷时代,已经在2026年的冬天正式落幕了?剧情会不会再于一年内反转?我们且看。
小米从小鹏挖来了欧洲汽车业务负责人
虎嗅 · 1 天前
本文来自微信公众号: 界面新闻 ,作者:葛成 周姝祺小米汽车在欧洲搭建的本地团队,又补上一名关键负责人。界面新闻从知情人士处获悉,前小鹏汽车西欧及南欧董事总经理强顺强已于今年9月加入小米汽车,出任国际业务部欧洲区董事总经理(Managing Director of Europe),常驻德国。截至目前,小米方面尚未对外官宣这一任命。小米公司暂未回应界面新闻置评请求。距离计划中的欧洲销售启动还有约一年,小米汽车正把此前停留在时间表的欧洲出海规划,逐步落实到组织、研发、渠道和区域经营层面。公开履历显示,强顺强是小鹏海外营销服务体系的早期负责人之一。他毕业于清华大学汽车工程专业,职业生涯起步于丰田、奔驰中国等传统企业的品牌营销体系;加入小鹏汽车之前,他担任兰博基尼大中华区销售与网络负责人。2019年,强顺强加入小鹏汽车,先参与国内网络渠道建设,2020年起转向海外业务。小鹏当年从挪威开始试水欧洲,随后进入丹麦、荷兰和瑞典,强顺强负责的工作也从单一市场的销售导入,逐步延伸至多国渠道体系的搭建。2023年7月,强顺强出任西欧及南欧董事总经理,负责法国等国家。进入法国时,小鹏汽车计划在当年落地35个销售网点,让当地消费者在50分钟车程内到达最近门店。按照小鹏法国官网目前披露的信息,其在法国的经销商数量已经超过90家。经销商合作成为小鹏扩大销售和服务半径的主要路径。强顺强曾公开谈到,品牌效应在汽车消费中比单纯的性价比更重要,中国汽车公司还可以借助本地合作和代工进入欧洲。这一思路延续到小鹏汽车在欧洲的本地化生产上。2025年9月,小鹏汽车宣布与位于奥地利的麦格纳工厂展开深度合作。首批小鹏G6与小鹏G9于当年第三季度顺利量产下线。在强顺强到任前后,小米汽车还吸纳了另一名小鹏欧洲地区业务负责人。今年9月,原小鹏汽车北欧董事总经理Jens Olsen宣布加入小米汽车,负责北欧及中东欧业务。他将这次履新称为一段新的“0至1”旅程。强顺强熟悉中国汽车公司将销售服务体系复制到海外的过程,Jens Olsen长期处理本地团队、经销商和零售运营。两人在小鹏汽车任职所覆盖的阶段,帮助这家中国新势力的欧洲业务逐步形成规模化。2026年前三季度,小鹏汽车在欧洲18个国家累计销售超过3万辆,同比猛增177.6%。截至2026年上半年,欧洲累计小鹏汽车用户已超6万人。渠道布局方面,截至2026年上半年,小鹏已在欧洲31个国家布局了近300家销售网点。这些经历对应着小米汽车当前需要补齐的能力。它要在一年左右的时间里,把总部的产品和品牌资源转化为欧洲本地可以运行的销售、交付与服务体系。据公开报道,今年11月,小米汽车成立国际业务部,由汽车部副总裁于立国兼任总经理。该部门下设市场、销售、网络发展、交付物流、用户服务及海外各地区部。在产品和工程端,慕尼黑欧洲研发与设计中心承担高性能车型开发、设计研究和欧洲市场适配等工作。该中心于2025年设立,由前宝马M部门车辆开发总经理鲁道夫·迪特里希(Rudolf Dittrich)领衔。界面新闻了解到,该中心自去年成立持续在当地招人。欧洲一线的交付与物流由有特斯拉中欧业务经历的迪特·洛伦茨(Dieter Lorenz)负责,品牌与市场由小米集团首席营销官许斐兼管。区域经营负责人到位后,小米汽车在欧洲的前端执行岗位开始形成分工。小米汽车的欧洲时间表始于2025年3月。小米集团总裁卢伟冰彼时在巴塞罗那世界移动通信大会期间首次明确,小米汽车计划于2027年正式出海。2026年4月北京车展,雷军确认首站为德国,并称其为全球最具挑战的汽车市场。此后,小米汽车出海节奏进一步细化。卢伟冰在业绩会上披露,小米汽车将于2027年第三至第四季度正式启动海外业务,市场策略是先发达国家,再进入发展中国家,产品先从中高端切入,再向中端延伸;右舵市场计划放在2028年上半年。渠道合作框架则在今年9月出现。小米在柏林IFA展期间宣布,与Emil Frey Germany、LUEG Mobility、Ernst Dello等八家德国头部经销商集团签署合作备忘录,启动欧洲零售和售后服务网络的搭建。近期,阿联酋市场也出现以小米汽车进入当地为名的销售活动。界面新闻了解到,这属于当地经销商自发行为,没有获得小米官方授权。小米规划中的正式出海,需要由公司主导当地销售、交付和服务体系的建设。对小米汽车而言,出海不是一道可选题。2025年,小米汽车交付41.1万辆,智能电动汽车业务收入为1033亿元,毛利率24.3%,首次实现年度经营收益转正。2026年,小米汽车销量目标为55万辆,10月单月交付已站上5万辆。不过,国内乘用车需求正在收缩。乘联分会数据显示,2026年前10个月全国乘用车累计零售同比下降22.3%。新能源汽车购置税优惠也从免征转为减半征收。产能逐步释放后,小米汽车需要在国内之外寻找新的销量来源。欧洲纯电市场仍在扩大。欧洲汽车制造商协会数据显示,2026年上半年,欧盟纯电动车注册量达到122.1万辆,市场份额从一年前的15.6%升至20.7%;德国纯电动车注册量同比增长48%。与其他中国汽车企业相比,小米还握有一项现成的品牌资产。根据Omdia数据,2026年上半年小米手机在欧洲出货量排名第三,市场份额为16.9%。手机业务打下的基础可以减少品牌教育成本,为汽车业务提供初始的用户触点。价格将是小米进入欧洲面临的第一重约束。欧盟对中国产纯电车征收10%基础关税,叠加7.8%至35.3%不等的反补贴税,综合税率最高超过45%。小米汽车相关生产主体尚未出现在欧盟现行法规的企业名单中。如果正式出口时仍未取得单独税率,按照现行规则将适用35.3%的“所有其他公司”税率,两项名义税率合计45.3%。本地生产可以降低整车进口关税带来的压力。中国企业已相继公布在欧洲的产能布局,但处于出海早期的小米汽车尚未公布欧洲建厂计划。未来小米汽车自建工厂或寻找代工伙伴,都需要销量规模、供应链和资本投入支撑。小米汽车欧洲本地化团队已初具雏形。强顺强及其欧洲团队能否把小米汽车国内积累的产品能力和欧洲已有的品牌认知转化为汽车市场竞争力,明年将在德国首先得到检验。
曝黎曼猜想被证明,Claude 立大功
虎嗅 · 1 天前
本文来自微信公众号: APPSO ,作者:发现明日产品的,原文标题:《刚刚,曝黎曼猜想被证明,Claude 立大功》困扰人类数学界167年的世界级难题,可能真的要被AI解决了。就在刚刚,Anthropic数学家Levent Alpöge在个人网站发布声明,宣布自己与Claude合作,找到了著名的黎曼猜想(Riemann Hypothesis)的证明。更夸张的是,Alpöge声称,他们甚至进一步证明了适用范围更广的广义黎曼猜想(Generalized Riemann Hypothesis)。图|Levent Alpöge有意思的是,Alpöge此次没有发布传统意义上的完整数学论文,而是公开了一套使用Lean形式化证明语言编写的代码,试图让计算机验证整个数学推理过程。而在回顾研究经历时,他还透露了一个相当魔幻的细节。作为一名从学生时代就梦想解决黎曼猜想的数学家,他原本计划用几十年时间攻克这个问题。结果临近终点,Claude的推理速度已经快到让他难以跟上。他甚至用诗一般的语言感叹,Claude在终点线附近飞翔、起舞、闪耀,而自己只能惊叹于眼前发生的一切。对于一项让无数顶尖数学家苦思一个多世纪的难题而言,眼下发生的事情多少有些超现实。人类研究了167年,黎曼猜想究竟有多难?想理解这次事件的分量,首先得知道黎曼猜想在数学界是什么级别的存在。1859年,德国数学家伯恩哈德·黎曼提出了一个与素数分布密切相关的猜想。素数就是只能被1和自身整除的正整数,例如2、3、5、7、11。它们是整数世界的重要基础,但具体会在哪里出现,看起来始终缺乏直观规律。黎曼猜想试图揭示素数分布背后更深层的数学规律。从严格定义来看,它断言黎曼ζ函数所有非平凡零点的实部都等于1/2。看起来只是一个简单的数学表达式,却关系到素数分布的精确程度,以及现代数论中大量重要结论。过去167年,无数顶尖数学家试图证明它,期间诞生了大量数学理论和研究工具,却始终没人能够给出获得普遍认可的完整证明。2000年,克雷数学研究所将其列为七大千禧年数学难题之一,并设置了100万美元奖金。更重要的是,大量数学研究都以黎曼猜想成立为前提。倘若得到证明,许多此前只能在假设条件下成立的结论,将获得坚实的理论基础。而Alpöge此次声称证明的广义黎曼猜想,还将相关结论扩展至更广泛的L函数体系,牵涉数论中大量深层结构。换句话说,如果这项研究最终成立,它的意义远远超过解决一道数学题,更可能改变整个数论领域的研究版图。Claude如何参与证明?关键时刻竟然比数学家还快根据Alpöge公布的研究时间线,这项研究可以追溯到今年10月初。整个过程涉及Stepanov方法、傅里叶分析、自守形式、theta提升等大量复杂的数论工具,研究者需要寻找不同数学理论之间的联系,将原本难以处理的问题转化成可以逐步解决的形式。真正关键的进展出现在11月15日前后。当时,Alpöge和Claude尝试利用迭代theta提升构造新的证明路径,其中一个让他印象深刻的细节,是Claude建议将迭代链的长度设置为√X。按照Alpöge的解释,这个看似简单的选择,帮助研究者处理了此前难以获得的重数结构,也成为推进整个证明的重要环节。整个过程中,Alpöge负责寻找研究方向、建立数学思想之间的联系,并引导Claude探索合适的证明路径。但随着研究接近完成,Claude在复杂推导和技术细节方面发挥了越来越重要的作用。他甚至承认,研究后期涉及的一些高阶自守形式理论,已经超出了自己目前能够熟练掌握的范围。某种程度上,按照他的描述,AI已经能够在部分高难度数学推理中,表现出超越人类研究者即时理解和推导速度的能力。更加特别的是,Alpöge声称,他与Claude已经将相关证明形式化,并且没有引入额外的未经证明的假设。目前,他已经在个人网站公开了全部Lean证明材料,分为14个压缩文件,供外界下载验证。项目链接:https://alpo.ge/remark.pdf原始代码下载地址https://alpo.ge/lean.tar.gz.part01https://alpo.ge/lean.tar.gz.part14文件编号从01依次递增至14。Lean是一种形式化证明工具,可以把数学定理及其证明过程转化成机器能够检查的逻辑表达式,进而验证每一步推导是否符合数学规则。不过,公开代码不等于证明已经获得确认。外部数学家还需要检查文件能否完整构建、是否依赖未经证明的假设,以及代码中的定理是否真正对应黎曼猜想。Alpöge同样坦言,整个论证极其复杂。他曾让Claude生成超过25万页的庞大文档,但最终决定公开Lean代码,而非直接发布难以阅读的海量文字。如此夸张的篇幅,甚至可以被戏称为一场针对数学界的「DDoS攻击」,毕竟面对足足25万页的证明材料,恐怕整个数学界的审稿人一起上阵,都得担心自己的大脑先被海量信息淹没。他计划继续理解和整理整个证明,将其转化为更加简洁、易于阅读的数学论文。于是,数学界出现了一个颇为特殊的局面。一份可能具有历史意义的数学证明已经以机器可检查的形式公开,但人类仍需要花费大量精力,才能真正理解它究竟是如何成立的。从哈佛数学天才到Anthropic,Claude的数学能力进化有多快?Alpöge本人的经历,也让这次研究更受关注。公开资料显示,他出生于1992年,现年34岁,拥有美国和土耳其双重国籍,长期从事数论和算术统计研究。他的学术履历相当亮眼,本科毕业于哈佛大学,随后前往剑桥大学深造,并于2020年获得普林斯顿大学数学博士学位,导师是著名数学家Manjul Bhargava。早在2015年,他便获得了摩根奖,之后还曾担任哈佛大学Society of Fellows的Junior Fellow。加入Anthropic后,他逐渐成为AI辅助数学研究的活跃人物。今年7月,他宣布借助Claude Fable 5找到了雅可比猜想的一个反例,8月又与其他研究者合作,利用Claude构造出一批此前尚未找到的Hadamard矩阵。实际上,Claude对黎曼猜想的挑战也早有铺垫。今年8月,Anthropic曾公开一项研究,介绍内部版本Claude尝试证明黎曼猜想的过程。当时,Anthropic员工Jarred Sumner向Claude提出了这个近乎不可能完成的任务。Claude最初生成并测试了650个研究思路,但都没能成功。随后,它组织约60个子智能体协作,执行约2400条Shell命令,编写数百个Python脚本,通过数学检验、论文检索和交叉审查寻找突破方向。整个研究过程消耗约3100万个输出Token。最终,Claude仍未解决黎曼猜想,但在相关零点分布研究中取得了重要的阶段性进展。Alpöge和Anthropic数学家Ralph Furman随后参与了相关成果的审查与解释。到了今年10月,OpenAI也公开了一批AI参与完成的数学研究,其中包括与黎曼猜想有关的重要进展。短短几个月,AI在前沿数学研究中的表现,已经让人很难再用传统的数学竞赛成绩来衡量。过去,计算机主要帮助数学家完成数值计算、搜索反例和验证证明,如今,前沿AI模型开始主动探索研究路线,将不同数学分支中的知识组合起来,并尝试给出原创性的证明。数学家的AI助手,正在逐渐成长为能够参与探索未知问题的研究合作者。当AI开始解决人类的终极难题,数学家该何去何从?对于Alpöge而言,这次研究带来的情绪,远比外界想象得复杂。他在声明中透露,自己从学生时代就将黎曼猜想视为一生的重要研究目标,为此长期积累不同数学领域的知识,等待未来某一天能够真正攻克它。但如今,他相信自己已经接近梦想,却发现研究最后阶段,Claude的进展甚至超过了自己。面对追逐多年的目标可能就此消失,他坦言心中存在一种失落。不过,更让他震撼的,是整个研究过程中展现出的科学发现潜力。在他看来,人类可能正在迎来一个全新的科学时代,而黎曼猜想只是其中的开始。当然,数学界仍需要保持谨慎。历史上,黎曼猜想曾多次被宣布证明,但最终都没能通过严格审查。此次研究同样需要接受独立检验,尤其要确认形式化代码真正证明了什么。即便最终验证成功,数学家仍需要理解证明采用的方法,以及这些方法能否进一步推动其他领域的发展。毕竟,数学证明的价值既包括确认命题的真假,也包括揭示人类此前从未发现的数学结构。但AI的快速进步,已经带来了另一个值得思考的问题。过去,大模型的数学能力主要通过竞赛题、标准化测试和已有答案的推理任务来衡量。真正的科学研究却没有标准答案,研究者甚至无法提前判断某条路线究竟能否成功。当AI开始在开放性科学问题上提出原创成果,衡量智能水平的标准,也可能从解题能力逐渐走向发现能力。对于已经延续167年的黎曼猜想,最终答案还需要等待数学界的严格检验。但对于人类研究者而言,一个更加深远的问题已经出现。倘若未来越来越多的重大数学成果首先由AI提出,而人类需要花费更长时间才能理解其中的逻辑,那么数学家的工作又将如何重新定义?Alpöge没有将这种未来看成数学研究的终结,相反,他认为眼前发生的一切,可能预示着科学探索即将迎来一个更加广阔的时代。人类花了几个世纪建立数学知识的大厦,如今,AI已经开始参与探索那些连建造者自己都尚未抵达的房间。黎曼猜想能否因此得到证明,仍需等待严格检验。但无论结果如何,AI已经让人类重新思考,科学发现的下一步究竟能够走多远。
旧面板厂不愁卖,芯片巨头为什么排队接盘
虎嗅 · 1 天前
本文来自微信公众号: 半导体产业纵横 ,作者:子皓过去两年,显示产业最忙的一件事不是盖厂,而是卖厂,而买家名单里出现得最频繁的面孔,就是晶圆代工厂和存储厂。那些被贴上“落后产能”标签的5代线、5.5代线、7.5代线,忽然成了半导体扩产链条上最短的一条路径,备受青睐,甚至被哄抢。01买家名单越来越长早在2024年8月15日,台积电以约34.7亿元买下群创南科四厂,一座已经停产的5.5代LCD厂,群创认列处分利益约29.8亿元。此后不到一年,这座厂变成台积电的AP8先进封装基地,据了解,2025年4月2日进机,无尘室面积接近10万平方米,约为此前AP5厂的四倍,首阶段整修只用了8个月。值得一提的是,这座厂最初中意的买家是美光,台积电抢到了这笔交易。两年多之后,价格翻了一倍多。2026年10月29日,友达公告把台中二期厂区整体卖给台积电,标的包含L5C5代线、L6A6代线与L7A7.5代线共九处建物、无尘室及厂务设施,权状面积约42.9万平方米,使用面积约16.6万坪,交易金额约78.5亿元,预计处分利益约37.4亿元,须待交割条件满足后认列。两家估价机构给出的估值都在78亿元上下,成交价还略高于估值。加上此前的群创南科厂,台积电为这两笔二手厂房合计付出约113.2亿元。买家当然不止台积电。存储厂美光在2024年8月接手友达台南科技工业区的C4A、C5D、C6C三座彩色滤光片厂,作价约15.0亿元,加上友达晶材位于后里的西侧设施约1.4亿元,合计约16.4亿元,用途是前段晶圆测试,就近支撑台中的DRAM产能;2025年2月,后里东侧厂再以约6.2亿元成交,后里东西两侧合计约7.6亿元。晶圆代工的另一家联电,2025年6月被传出正在与彩晶洽谈购置其南科Fab12A对面的厂房,用于发展先进封装,联电对传闻不予评论,只表示不排除在台扩厂。这场洽谈后来没有下文,2026年4月,这块厂房由日月光旗下的矽品以约8.7亿元买下。再往外一圈,是同一套逻辑的延长线。2026年4月,群创把南科Fab5以约30.1亿元卖给日月光半导体,建物面积约18.4万平方米,处分利益约26.9亿元;3月10日董事会通过,把南科模组厂以约1.8亿元卖给南茂,建物3.43万平方米,处分利益约1.3亿元;精金则以约13.1亿元把南科厂房卖给矽品,与彩晶那笔合并计算,矽品一共花了约21.9亿元。友达这边,高雄路竹5代彩色滤光片厂以约12.8亿元卖给日月光,新加坡AFPD厂房以约18.6亿元卖给西部数据。严格说,日月光、矽品、南茂是封测厂,美光、西部数据是存储制造厂,真正意义上的晶圆代工厂只有台积电和联电。但这恰恰说明,争抢的对象不只是代工产能,整条芯片制造链条都在抢高标准洁净空间。02买的是厂房,省下的是时间支撑这一轮厂房抢购潮的底层背景,是AI算力竞赛里瓶颈重心的转移。过去三年,AI芯片的约束条件不断切换,先进制程、HBM先后成为行业卡点,到2026年,先进封装的产能供给矛盾走到台前。据机构估算,台积电CoWoS月产能从2022年的约1.2万至1.5万片,提升到2025年的近7万片,2026年底预计达到12万至14万片。叠加日月光、安靠等封测厂外包的5万至6万片,全行业月产能接近20万片。即便如此,2026年供需缺口仍在20%左右。供应链估算英伟达锁定台积电2026年CoWoS产能约80万至85万片,占台积电当年CoWoS全年产能一半以上。博通、AMD、谷歌TPU、亚马逊Trainium等客户需要在剩余产能中排队。供应链消息称订单交付周期可达52至78周,下单后需等待一年半左右方可交付。CoWoS的稀缺直接反映在价格上。据东北证券测算,CoWoS单片晶圆ASP约1万至1.05万美元,单位产能市值约128亿美元每万片每月,和7nm先进制程的140亿美元相差不到10%。先进封装毛利率48%至55%,并不低于先进制程。2026年10月,供应链传出台积电正考虑把CoWoS报价上调10%至20%,客户几乎没有太多议价空间。而技术路线的演进,进一步放大了对超大洁净空间的需求。台积电5倍光罩尺寸的CoWoS已经在2026年量产,14倍光罩尺寸计划2028年量产,CoPoS面板级封装预计2027年小批量试产,2028年底至2029年量产。封装尺寸持续扩张,对厂房净高、楼面承重、大尺寸基板搬运通道的要求随之抬升,传统适配12英寸圆片的封装厂房,很难承载下一代大尺寸封装方案。这正是芯片厂商愿意重金收购旧面板厂房的核心逻辑,厂房带来的大面积洁净空间,刚好匹配CoPoS这类新架构的硬件条件。因此,市场极致的需求让台积电必须加快扩产节奏,但按台积电自己的建设节奏,2025年至2026年每年要新建或改造九座厂,此前平均每年只有四座,先进封装与先进制程同时在抢工期。新建一座半导体厂,从选址、环评、土建、机电安装到装机验证,通常以年为单位;而买下一座现成厂房,只需要厂内改装、设备进驻和试产。群创南科四厂改造为AP8时,供应链的说法很直白,这笔交易省去了须以年计的环评阶段,只要进行厂内改装,不到一年机台进驻后就可以投产。所以,如果只看地皮和建筑,约78.5亿元买一片旧厂房并不便宜,甚至高于市场早前传闻的约60.7亿元。台积电愿意溢价,是因为它买的不是资产,而是时间。友达台中厂这笔交易更能说明地利的价值。友达中科厂区与台积电中科十五厂相邻,台积电在中科Fab25规划四座A14即1.4纳米晶圆厂,首座2027年4月完工、同年第三季试产,按官方说法量产要等到2028年,四座厂预计2028年第二季全数完工。厂房、土地、供电、纯水、废水许可、人才与供应链,都已经在一个运转了二十年的科学园区里准备好了。买旧厂,等于把最难谈的那部分前置条件一次性买断。03面板车间为什么天生像晶圆厂TFT-LCD的阵列段本来就是一串半导体工艺:成膜用PVD和CVD,图形化用曝光和显影,刻蚀、剥离、清洗、检测一个不少,只不过基板是玻璃而不是硅片,线宽在微米级而不是纳米级。为了守住良率,这条产线同样配备了百级到千级的洁净室、满布FFU的垂直层流、高架地板、恒温恒湿、超纯水、特种气体、化学品供应与废液废气处理系统,同样要防微振、防静电、防颗粒污染。一座5.5代厂的洁净室面积动辄数万平方米,7.5代厂的厂房跨度、层高与物流通道更是按大尺寸玻璃搬运设计的。这些条件恰好是先进封装和面板级封装的入场券。封装线需要的不是纳米级洁净度,而是大面积、高等级、可灵活分区的洁净空间,以及能搬运大尺寸基板的天车与自动化物流。存储测试线同理,美光把友达厂房改成前段晶圆测试基地,看中的就是大空间与现成的厂务系统。但晶圆前道,尤其先进逻辑,洁净室要做到ISO1至3级,对分子级污染物、微振动、温湿度波动的控制远严于面板厂常规的ISO5至6级,厂房的承重、层高与化学兼容性也未必够。所以旧面板厂改造的最佳落点是先进封装、面板级封装、晶圆测试、成熟制程与功率器件,而不是先进逻辑前道。台积电一边买旧厂做封装,一边仍在中科新建A14厂,两条腿走路。04卖方算的又是另一笔账面板厂愿意卖,是因为留在手里的账已经算不过来。小世代线在成本上早已没有竞争力。同样的玻璃基板,大世代线的切割效率、单位折旧和材料利用率全面占优,5代、5.5代线只能退守工控、车载、医疗等利基市场。据洛图科技测算,2025年中国大陆厂商在全球液晶电视面板出货的合并份额达到72.1%,比2024年提升5.6个百分点;TrendForce则预估,大陆厂商的LCD产能占比会从2024年的68%升到2025年的71%,同期群创与友达的全球LCD产能占比将分别降到9.1%和9.2%。留在原地拼价格,只会把现金继续消耗在折旧上。卖厂则一次性把已经沉没的资产变成了现金。群创2026年第三季税后纯益约15.6亿元,年增超过114倍,前三季累计约28.0亿元、年增约50倍,但同期营业利益只有约2.0亿元,营业利益率1.70%,本业对净利的贡献约为13%,其余绝大部分来自资产处分。这个结构说明得很直白:卖厂撑起了报表,本业仍在盈亏线附近窄幅浮动。友达董事长彭双浪在公告后表示,今年以来公司陆续推进厂房处置,剩余厂房空间已完成合理配置,资产活化到此告一段落,回笼资金将投入策略性与未来性项目。群创把钱投进面板级扇出封装、X-ray传感器与车用系统整合,并保留玻璃基板试产线;彩晶把目标定在车载、工控、穿戴与无人机,2027年车载营收占比要过三成。这些方向有一个共同点,都需要现金,也都不需要那么多旧产线。代价同样存在。处分利益是一次性的,卖完之后产能空心化,营收规模会往下走,员工安置也是真问题。据台媒报道,群创南科五厂关厂时给出优离方案,年资20年可领至少9个月薪资,分三个梯次在6月启动、8月完成。彩晶2026年上半年毛利率仍为负3.24%、营业亏损约1.9亿元、已连亏四年,对它来说,卖厂更像是止血,还谈不上从容转型。05不是每一座旧厂都能变身这条赛道也有失败案例,恰好说明门槛在哪。友达原本在2026年7月把华亚厂以约39.9亿元卖给广达,用于服务器产能,三个月后又因双方对厂房使用规格与交付时程谈不拢而终止,约27.1亿元的预估处分利益随之落空。厂房不是标准件,买方要的层高、承重、洁净等级、电力冗余、气体管路走向、设备搬入口尺寸,差一样就要重新算账。真正的改造门槛有四道。第一是结构与防微振,面板厂按大玻璃搬运设计,不等于按光刻机的振动谱设计;第二是洁净度与分子污染控制,先进封装对AMC的要求比面板严得多;第三是电力与厂务冗余,双重电源、UPS、超纯水与特气系统都要扩容;第四是环保许可与排放指标,厂址能改什么,受地方主管部门的清单约束。这也解释了为什么最抢手的是5代以上的大厂房,而不是更老更小更便宜的线。与之对照的是另一条路径。2026年3月,美光完成收购力积电铜锣P5厂,直接拿到约30万平方英尺的300毫米洁净室,改造后计划2028财年开始出货,并已规划在同一厂址再建一座约27万平方英尺的洁净室。买一座能跑的晶圆厂,价格显然比买一座停摆的面板厂更贵,但它说明同一件事:在AI扩产的竞赛里,现成的洁净空间本身已经成了战略资产。回到最初的问题。为什么最近面板厂卖厂、芯片厂买厂的案例特别多?因为三股力量在同一个窗口相遇了。AI把封装和存储变成了算力基建的瓶颈,半导体厂需要最快速度拿到洁净室;液晶进入成熟期,台日韩的旧产线失去了成本竞争力,面板厂需要现金完成转型;土地、电力、环评的约束越来越硬,新建厂的时间成本高到难以接受。三股力量叠加,旧面板厂就从“包袱”变成了“硬通货”。2026年到2028年,是CoWoS扩产、HBM扩产、玻璃基板从验证走向小批量、CoPoS从试产走向量产的关键三年。这三年里,能改的旧厂会被逐步消化。等到2028年之后,半导体厂的新建产能陆续释放,旧厂的稀缺性会下降,价格也会回归理性。
从《超级女声》到《后会友期》,芒果台30年资本发家史
虎嗅 · 1 天前
芒果TV的能力,是抓住细微的情绪和社会关切,转化为稳定赚钱的内容产品,把低预期小体量不确定的项目,做成全民热播的超级爆款。
北京汽车拟2.78亿元挂牌出售112座换电站,换电押注宁德时代生态
虎嗅 · 1 天前
本文来自微信公众号: 经济观察网 ,作者:周菊将北汽动力总成的换电站出售,或将有助于集团将换电站业务集中于北汽蓝谷。11月17日,北京汽车(01958.HK)公告称,全资附属公司北京汽车动力总成有限公司(下称“北汽动力总成”)拟在北京产权交易所以公开挂牌竞价方式,转让与112座换电站相关的资产组,包括存货、固定资产、在建工程及无形资产。以2026年9月30日为估值基准日,采用成本法评估,评估值约2.779亿元(不含税),较2.7369亿元的账面价值增值1.54%。公告称,目标资产主要由无法独立运营或单独产生收益的设备及配套资产组成,2024年及2025年并无应占的独立税前或税后损益,因此采用成本法评估。北汽动力总成将于11月底前提交披露公告,目前意向受让方尚未明确。北京汽车将此次交易的理由归结为“聚焦主业”。公司表示,交易可使集团(北京汽车集团有限公司,为北京汽车母公司)把资源集中于主营业务,释放投入非核心资产的资本,并产生投资收益。若交易于2026年按评估值完成,扣除相关交易成本后,预计集团2026年综合溢利将增加约352万港元。北汽动力总成拟将所得款项拟用于支持运营发展。北汽动力总成的主营业务为汽车发动机、变速箱及相关产品的研发、生产和销售。北汽集团是国内最早布局换电的车企之一。2015年,北汽新能源将换电模式落地出租车、网约车市场;2016年,联合奥动新能源运营换电站;2017年发布“擎天柱计划”,提出到2022年投资100亿元、建成3000座光储换电站、投放50万台换电车辆;2021年,北汽主导起草了首个换电国家标准GB/T 40032-2021。在北汽集团内部,换电站除在北汽动力总成部署外,还主要依托北汽蓝谷旗下投资的北京奥动和蓝谷智慧(北京)能源科技有限公司。但布局速度不及预期。根据可查资料,到2022年年中,北汽蓝谷已在全国范围内推广建设294座换电站,换电用户以出租车和网约车为主。2025年3月,北汽动力总成以1.29亿元从关联方蓝谷能源收购40座换电站设备,折合约322万元/座;如今112座换电站整体评估值折合约248万元/座。将北汽动力总成的换电站出售,或将有助于集团将换电站业务集中于北汽蓝谷。经济观察报就此次调整背后的原因采访北汽集团内部人士,但截至发稿未得到回复。值得注意的是,北汽蓝谷目前正加速与宁德时代的巧克力换电合作。2026年4月,北汽集团与宁德时代、时代电服签署战略合作;10月22日,双方签署“百万换电”协议,目标冲刺百万辆换电车型;11月13日,极狐发布“极+时代”全民换电生态,贝塔T1换电版搭载宁德时代54度巧克力电池,支持99秒换电,5.2万元起,并宣布与宁德时代共建3万座换电站。按照规划,极狐全系车型均将推出换电版。当前,换电赛道正加速向头部玩家集中。蔚来截至11月3日累计布局换电站4236座,日均换电超11万次;宁德时代巧克力换电上半年落站2000座,覆盖31省180城,年底预计超3000座。与此同时,长安、奇瑞、江淮、吉利等多家车企均表示与蔚来开展换电站合作,一汽、长安、广汽等则与宁德时代合作。车企从“单打独斗”转向合作,自建独立换电网络的窗口正在收窄。此次北汽出售的112座换电站,正是在这一背景下进行。对北京汽车而言,出售换电站也有利于回笼资金、聚焦主业。目前,北京汽车经营面临挑战。数据显示,2025年,北京汽车收入1640.47亿元,同比下降14.78%;归母净利仅1.23亿元,同比骤降87.2%;整车批发86.8万辆,利润仍高度依赖其持股51%的北京奔驰。2026年前三季度,北京汽车营收849.57亿元,同比下降29.67%;归母净亏扩大至30.9亿元。2026年3月9日,北京汽车被剔除出港股通;同月,终止历时九年的A股上市辅导。
25万页证明,黎曼猜想被AI“解决”了吗?
虎嗅 · 1 天前
本文来自微信公众号: 果壳 ,作者:Steed,编辑:吴欧2026年11月20日,在人工智能公司Anthropic工作的数学家勒温特·阿尔珀格(Levent Alpöge)在个人网站上发出一份简短说明。他说,自己借助AI模型Claude,找到了黎曼猜想的证明。消息传出,数学界炸开了锅。这篇证明没有任何传统意义上的论文,也没有投稿给学术期刊,直接附带的是一套由AI生成的机器代码。代码规模极其吓人:如果要打印成人类能读懂的数学文本,足足超过25万页;转化成计算机能严密校验的代码,长达1700万行,压缩后还要分成14个分卷。宣称与Claude合作找到黎曼猜想证明的数学家阿尔珀格丨阿尔珀格个人主页数学里最大的那道题可能有了答案,可这个答案,人类暂时还看不懂。但就在声明公布当天,美国麻省理工学院(MIT)的数论学家安德鲁·萨瑟兰(Andrew Sutherland)等人就在自己的电脑上完成了代码编译。萨瑟兰确认,整个证明已经通过了底层逻辑检查,只调用了3条最基础的标准公理,里面存在猫腻的可能性约等于零。眼下这还只是宣称。还有一项关键检查没出结果,数学界也没有正式接受。可一旦站住,这就是数学史上最重的一发炮弹。黎曼猜想,数学界的“白鲸”美国康奈尔大学的数学家史蒂文·斯特罗加茨(Steven Strogatz)管黎曼猜想叫数学界的《白鲸记》,也就是那头游荡了百余年、谁也抓不到的深海巨兽。整个问题的核心其实非常朴素:素数。那些只能被1和自身整除的数,比如2、3、5、7、11,是所有整数的基石,就像构成物质的原子一样,任何大于1的整数都能唯一拆解成素数的乘积。可素数出现的方式非常怪异,有时候两个挨得很近,有时候隔上几十甚至几百个数都不露面,看起来就像随手掷出的骰子。1859年,德国数学家伯恩哈德·黎曼在研究素数分布的论文中提出后来被称为“黎曼猜想”的命题丨史密森尼学会图书馆藏1859年,德国数学家伯恩哈德·黎曼(Bernhard Riemann)发现了一条隐藏极深的线索。他把一个特殊的无穷相加函数拓展到复数空间,发现这个函数在特定位置会等于0,这些点被称为零点。黎曼大胆提出,所有决定素数分布的关键零点,其实全都严丝合缝地排在一条竖直的直线上。如果这个猜想成立,就意味着素数看似杂乱无章的表面下,藏着一种极其精准的节律,它们偏离平均规律的幅度被一种终极秩序死死限制在极小的范围里。乌拉姆螺旋将整数按螺旋排列,并突出标记其中的素数。图中出现的斜线结构展示了素数分布中某些引人注意的局部图案;它本身并不是对黎曼猜想的证明Aydolen/Wikimedia Commons丨图片来源在随后的167年里,一代又一代天才数学家试图征服它。1900年,德国数学家大卫·希尔伯特(David Hilbert)把它列入跨世纪难题清单;2000年,美国克雷数学研究所设立7个千禧年大奖难题,黎曼猜想赫然在列,悬赏100万美元。超级计算机已经核对了前10万亿个零点,无一例外全落在这条线上,可只要找不到严密覆盖所有情况的通式推导,它就依然是一座无法跨越的高峰。黎曼ζ函数沿临界线取值时的实部和虚部曲线,分别以红色和蓝色表示。两条曲线同时达到零的位置,对应临界线上的零点。图中展示的是有限范围内的情况,并不能单独证明猜想丨Slonzor,Wikimedia Commons人当向导,AI登峰阿尔珀格没有独自翻过这座山,他是给AI充当了向导。他宣称一并拿下的,还有更强的广义黎曼猜想,把同样的论断推广到一整族和素数相关的函数上。整个探索过程耗时大约一个多月。阿尔珀格负责提供大方向的数学直觉,在不同的数论工具之间架桥,Claude则承担了海量的高强度推导。阿尔珀格说,到了冲刺阶段,Claude把他远远甩在了后面。其中一步关键选择就是Claude提出的:把一条关键数学链条的长度,取为求和长度的平方根。阿尔珀格说,光这一句建议,就足以让同行从椅子上摔下来。由于推导过于庞杂,人类肉眼根本审阅不过来,他们选择把证明直接写成Lean代码。Lean是一款数学证明助手软件。它就像一个六亲不认、毫无感情偏向的终极阅卷老师。数学家必须把每一步证明拆解成最纯粹的逻辑符号,但凡中间有一处跳步、含混或者循环论证,代码就无法通过编译。能跑通Lean编译,通常就意味着这1700万行代码在形式逻辑上自洽且严密。先别急着开香槟但这场突破没有换来毫无保留的欢呼。在萨瑟兰看来,这是值得举杯庆祝的历史性时刻,是人类的胜利,背后是Lean和大语言模型的开发者,以及几千年的数学积累。英国牛津大学的菲尔兹奖得主詹姆斯·梅纳德(James Maynard)也认为,只要核实无误,这就是数学史上的里程碑。紧接着赶来的,是审慎和质疑。英国帝国理工学院的凯文·巴泽德(Kevin Buzzard)提醒大家先别急。代码能编译,只能说明每一步推理在Lean里都成立,但还要确认证明的到底是不是黎曼猜想本身。眼下专家们还在做一项对比检查,重点确认两件事:代码有没有悄悄改动黎曼猜想原本数学符号的定义,以及有没有碰巧钻了Lean底层内核某个未知bug的空子。这项检查还需要时间。菲尔兹奖得主陶哲轩同样表现得极其克制。他在博客上只说,消化这份证明需要一些时间。早在9月,他就提醒过,AI产出结果的速度,可能会快过人类数学家理解其中思想的速度。也有不少数学家感到焦虑与疲惫。风暴中心的人这种焦虑不是一天积累起来的。过去几个月来,AI与数学界一直在上演激烈的拉锯,而阿尔珀格几乎每一次都站在风暴中心。7月,正是他借助Claude推翻了久攻不破的雅可比猜想,拉开了数学界这个不平静的夏天。9月,OpenAI宣称攻克千禧年难题纳维-斯托克斯方程,随即陷入抢功争议:纽约大学一位数学家指控OpenAI抢走了他尚未发表的进展,而这位数学家的合作者也是阿尔珀格。紧接着,25位菲尔兹奖得主联名发信,公开谴责前沿科技公司和纯粹数学的探索目标存在严重错位。10月,OpenAI一口气向学界倾倒了372项数学成果,陶哲轩甚至公开用“疯狂”来形容这种工业化倒逼式的产出节奏。月底,OpenAI又在另一道“百万美元”量子数学难题上抢先发表,被抢先的人里,又有阿尔珀格。这一次终于轮到他出手了,时机却极其敏感:恰逢Anthropic在纳斯达克挂牌上市的第二天。阿尔珀格自己都承认,这个时间点糟透了,难免让外界产生商业炒作的联想。还有人类反击?更具戏剧性的一幕发生在消息公布数小时之后。美国数学会会长、斯坦福大学数学家拉维·瓦基尔(Ravi Vakil)突然在博客上披露,斯坦福的年轻学者亚历山德罗·马苏洛(Alessandro Masullo)几个月前可能已经独立做出了类似的证明,而且整个过程纯由人类手工推导,没有借助任何AI。这篇被紧急推到台前的人类底稿,目前还在经历大幅度修改,甚至还没有任何同行完整复核过。在AI工业级力量的步步紧逼之下,人类学者不得不放弃原先精细打磨的习惯,仓促亮牌。黎曼ζ函数零点所在区域示意图:负偶数处是平凡零点;绿色区域是临界带,橙色竖线是实部为二分之一的临界线。黎曼猜想断言,所有非平凡零点都位于这条线上丨Encyclopaedia Britannica终结,还是曙光真正发生震动的,是科学探索本身的范式。一个由人类提供直觉、机器填平天堑的庞大证明,可能改写数论各分支之间的联结,也把人类学者推到了一个全新的认知地带。面对长达25万页的精密迷宫,人类不再能像过去那样,在一块黑板前依靠个人头脑完全洞悉一道命题成立的全部细节。阿尔珀格从学生时代起就把黎曼猜想当作毕生目标。他在说明里写道,觉得这是一种终结,是很自然的,对他来说,那盏指了多年路的灯熄了。但这一个多月里见到的东西,又让他相信这是科学里某种更伟大事物露出的曙光。萨瑟兰曾经感叹过,能证明黎曼猜想的AI,他一点都不想遇上,因为真到了那一天,数学家丢掉饭碗都成了最小的问题。而在亲手编译通过代码之后,萨瑟兰留下了另一句话:“在这份证明里,也许最重要的一步,是造出了一台会思考的机器。”参考文献[1]Levent Alpöge.关于黎曼猜想证明的说明(remark.pdf).2026-11-20.https://alpo.ge/remark.pdf[2]Scientific American.Anthropic mathematician claims to prove Riemann hypothesis,most famous problem in all of math.2026-11-20.https://www.scientificamerican.com/article/anthropic-mathematician-claims-to-prove-riemann-hypothesis-most-famous-problem-in-all-of-math/[3]Scientific American.The AI Riemann hypothesis proof is almost certainly true,independent mathematicians attest.2026-11-20.https://www.scientificamerican.com/article/the-ai-riemann-hypothesis-proof-is-almost-certainly-true-independent-mathematicians-attest/[4]Scientific American.Dueling claims of Riemann hypothesis proofs emerge.2026-11-20.https://www.scientificamerican.com/article/dueling-claims-of-riemann-hypothesis-proofs-emerge/[5]Nature.Mathematician says he and AI solved Riemann hypothesis—the field’s biggest outstanding challenge.2026-11.https://www.nature.com/articles/d41586-026-03812-7[6]Business Insider.Anthropic mathematician says he used AI to solve the Riemann hypothesis.2026-11-20.https://www.yahoo.com/news/science/articles/anthropic-mathematician-says-claude-helped-183716235.html[7]Scientific American.AI may have just solved a million-dollar math problem.The field will never be the same.2026-09.https://www.scientificamerican.com/article/ai-may-have-just-solved-a-million-dollar-math-problem-the-field-will-never-be-the-same/[8]Scientific American.25 winners of math’s‘Nobel Prize’decry the AI invasion of their discipline.2026-09.https://www.scientificamerican.com/article/25-winners-of-maths-nobel-prize-decry-the-ai-invasion-of-their-discipline/一个AI25万页的证明你们读不完,没关系,这篇稿子你们不也没读完吗?大概率,你们只看了加粗那几句吧!
美股崩了,英伟达暴跌超14%
虎嗅 · 1 天前
本文来自微信公众号: 芯智讯 ,编辑:芯智讯-浪客剑,作者:芯智讯-浪客剑,原文标题:《美股崩了,英伟达暴跌超14%!》当地时间11月20日,美股三大股指集体大幅下跌,其中纳斯达克指数暴跌5.28%,标普500指数下跌3.7%,道琼斯工业平均指数下跌1.93%。随着连续下跌,标普500指数和道琼斯指数均跌入技术性回调区间,纳斯达克指数则彻底抹去了2026年以来的全部涨幅。此次抛售潮中,人工智能(AI)及半导体板块首当其冲。整个费城半导体指数更是暴跌约10.7%。从个股表现来看,AI芯片大厂英伟达股价单日暴跌14.1%,处理器大厂AMD暴跌13.25%、英特尔大跌7.97%、高通大跌7.45%,半导体IP及服务器芯片大厂Arm暴跌14.09%,网络及定制芯片大厂博通暴跌12.9%、Marvell暴跌11.69%。在半导体板块当中,存储芯片个股跌幅更是居前。其中,闪迪暴跌16.05%、美光暴跌13.89%、SK海力士暴跌13.11%。在美上市的亚洲晶圆代工企业同步大跌。台积电ADR大跌9.48%,联电ADR跌幅更是达到了10.15%。美股半导体设备板块同样遭遇大跌。ASML大跌6.63%,应用材料暴跌10.71%、科磊暴跌10.33%。此外,AI技术及云服务板块也是跌幅不小。AI大模型公司Anthropic上市第二个交易大跌8.5%、Nebius暴跌16.11%、CoreWeave暴跌12.2%、Oracle大跌8.48%。这场暴跌背后,既有AI概念股前期估值过高、市场对巨额AI基础设施投资回报产生疑虑的因素,也受到美国通胀压力、市场对美联储进一步加息预期,以及英伟达遭遇美国证券交易委员会(SEC)会计问题调查等多重因素影响。英伟达遭SEC会计问题调查,AI投资风险担忧升温此次AI及半导体股票集体暴跌,并非单一因素造成。其中,英伟达遭遇美国SEC调查的消息,进一步加剧了市场对AI龙头企业的担忧。11月20日,路透社独家报道称,美国证券交易委员会(SEC)正在调查英伟达可能存在的会计问题。路透社援引两名了解相关情况的人士透露,SEC执法部门正在审查英伟达潜在的会计问题。不过,目前SEC尚未公布调查启动时间、具体范围及所涉及的事项,英伟达方面也没有立即对此作出回应。需要强调的是,监管调查并不意味着企业已经存在违规行为,最终是否存在会计问题,仍有待监管机构进一步调查确认。但这一消息无疑进一步打击了投资者信心。此前,英伟达已经因为AI芯片出口、客户融资安排及部分商业交易等问题面临越来越多的外部关注。此次SEC将调查重点指向会计问题,更是令市场开始重新审视其收入质量、客户关系及复杂的AI产业融资安排。与此同时,英伟达此前公布的业绩虽然仍然强劲,但投资者对其未来增长的预期已经变得更加谨慎。作为AI算力产业链的核心企业,英伟达的股价表现一直是市场判断AI产业景气度的重要风向标。当这一龙头企业遭遇监管调查、股价连续大幅下跌时,市场对于整个AI产业链的风险偏好也随之下降。相关文章:《英伟达全员大会细节曝光!联合创始人:黄仁勋背叛公司价值观!》AI巨额资本开支能否持续?市场开始重新审视投资回报除了英伟达自身面临的监管压力之外,更深层次的原因在于,市场开始重新审视当前AI基础设施建设热潮背后的投资回报问题。过去两年,生成式AI快速发展,推动全球云计算巨头大幅增加数据中心、AI服务器、GPU、HBM高带宽内存、先进封装以及高速光通信等领域的资本开支。这也成为英伟达、AMD、博通、美光、SK海力士以及台积电等半导体企业股价持续上涨的重要驱动力。然而,随着AI基础设施投资规模不断扩大,投资者开始担忧:如此庞大的资本开支究竟能够带来多大的商业回报?AI应用收入能否持续增长,以覆盖数据中心建设、芯片采购、电力及运营等巨额成本?尤其是在AI数据中心融资成本上升、部分AI项目资金来源受到关注的情况下,市场对于未来AI基础设施建设速度是否能够持续,也出现了分歧。路透社在11月20日的市场报道中援引多位投资机构人士的观点指出,当前市场正在经历一轮AI资产重新定价(AI Repricing)。投资者开始担忧数据中心建设速度可能放缓、AI相关项目融资渠道收紧,以及科技企业未来盈利增长速度可能低于此前预期。此外,Anthropic上市首日的强劲表现也未能改善市场情绪。部分投资者认为,Anthropic的IPO并没有为整个AI产业带来新的资金增量,反而可能促使部分投资者出售其他AI相关股票,以筹集资金参与新股交易。博通与Anthropic之间的商业及融资联系,也成为市场关注的焦点。根据Anthropic IPO招股文件披露的信息,博通同意向Anthropic提供最高420亿美元的融资支持,并参与了约10亿美元的IPO相关私募投资。这意味着,AI芯片供应商与AI模型企业之间已经形成了越来越复杂的资本和商业联系。美联储加息预期升温,进一步打击高估值科技股除了AI产业自身的估值与投资回报担忧,美国宏观经济及货币政策环境也在给科技股带来压力。近期,美国通胀压力仍然存在,市场对于美联储未来货币政策的预期开始发生变化,投资者越来越担心美联储可能在12月甚至2027年初进一步加息。对于英伟达、AMD等高成长科技企业而言,估值很大程度上建立在未来多年持续增长的预期之上。当市场利率上升时,未来现金流的折现价值将随之下降,高估值成长股往往会受到更大冲击。路透社援引市场人士观点指出,投资者目前不仅担心AI产业估值过高,也在重新评估利率上升对科技股估值的影响。在这一背景下,资金开始从此前涨幅较大的AI及科技股中撤出,转向医疗保健、能源、公用事业等相对防御性的行业。值得注意的是,11月20日美股大幅下跌期间,美国10年期国债收益率反而下降12个基点,降至4.93%,反映出部分资金正在从股票市场转向美国国债等避险资产。这也说明,当前市场已经出现明显的风险偏好下降。AI产业基本面是否已经发生逆转?尽管11月20日美股市场出现了猛烈抛售,但这并不意味着AI产业的基本面已经发生逆转。事实上,当前全球AI算力需求仍然保持增长,云计算巨头对AI基础设施的投入也尚未出现全面收缩的明确信号。Wedbush证券分析师丹·艾夫斯(Dan Ives)认为,此次AI概念股下跌更多属于市场恐慌情绪驱动的抛售,而非意味着科技行业基本面已经出现根本性恶化。他预计,全球大型科技企业2027年的资本开支规模可能达到约1.5万亿美元,短期市场波动并不会立即改变这些企业的长期AI基础设施投资计划。路透社采访的部分市场人士也认为,当前AI产业仍然具有长期增长潜力,此轮调整更多是投资者对估值、融资成本及盈利预期进行重新评估,而不一定意味着AI投资热潮已经结束。不过,对于半导体企业而言,市场估值体系正在发生变化已经是不争的事实。此前,投资者更多关注AI算力需求增长、GPU出货量、HBM供应缺口以及数据中心资本开支规模;而在经历这一轮暴跌之后,市场可能会更加关注AI投资的实际回报、客户资金来源、数据中心建设进度,以及半导体企业能否将订单增长真正转化为持续的利润和现金流。换句话说,AI产业仍然可能处于长期增长周期,但资本市场对于AI企业的定价逻辑,正在从单纯追逐增长预期,逐步转向更加严格地审视盈利能力和投资回报。
寻找新的解,后AI时代的
虎嗅 · 1 天前
本文来自微信公众号:AIGC从0到1,作者:王零壹(920.org.cn(AI Research Institute)创始人,港大AIBT研究生,前上市公司 CMO),题图来自:AI生成一、理所应当“黎曼猜想已被 Claude 证明”的消息传来的时候,我还在埋头加班。我没有从椅子上跳起来。说实话,我的第一反应是:哦,来了。理所应当。这件事我想象过很多次。AI 有一天会破解黎曼猜想,或者哥德巴赫猜想。我并不是凭空幻想,我的理由很朴素:人的智商不会在几个月里翻倍,AI 可以。人类最聪明的头脑,几百年磨一个问题,靠的是一代代人的接力。而它不需要接力。它只需要更多的算力,和多几个月的时间。所以我一直相信这一天会来。我甚至有点期待,想亲眼看看,那些悬了一百多年、让最顶尖的人耗尽一生的问题,被解开的时候是什么样子。所以当它真的来了,我心里很平静。像等一班迟到的车终于进站。我继续看着手头的东西,继续在日常琐碎中。平静大概持续了几分钟。然后有一个历史时刻碾压过后的肿胀感。浮起一个念头,是另一个更安静的问题:做到了,然后呢?我发现,我的想象力在这里是空的。我想象过它做到。我从来没有想象过它做到之后的那个世界。就像一个人事先把“火箭升空”演练了无数遍,真到了点火那一刻,才意识到自己从没想过火箭飞走之后,地面上的人该做什么。疑惑一下子涌上来,扑面而来的那种。当“人类最聪明的头脑”这句话不再成立,这个世界靠什么撑着?写这篇文字,只是想把这一刻的平静,和平静之后的空白,原样记录下来。因为我隐约觉得,这个空白不只是我一个人的。二、两本账先把两本账分开。事实这一本,要谨慎地写。一位数学家说,他“相信”自己和 Claude 找到了黎曼猜想的证明。他的措辞是“相信”。公开的只有一千多万行 Lean 代码,没有论文,没有同行评审,完整编译还没有独立确认,他自己也承认,后半部分的数学,他并没有完全吃透。Lean 能检查一个证明是否成立,却不能替你确认,它证明的是不是你以为的那个命题。机器验的是逻辑,题目对不对,仍然要人去看。判断这一本,我敢写:这一次成不成,路都已经走过了。在我看来,奇点已过。2023年3月的GPT-4,像一个聪明的本科生。到了2025年8月,GPT-5像博士生。再后来,它到了人类数学家要费很大力气才读得懂的地方。现在,也许只有极少数人读得懂。所以我说“回不去了”,不是因为黎曼猜想。它只是一块路标。路标就算是假的,路也已经走过了。关于“奇点”,业内争了很久。有人说我们已经越过事件视界,有人说我们才到山麓。我现在觉得,这种具体时间点的争论不如换一个问法:AI 能力的变化速度,比上社会适应的速度。只要分子远大于分母,哪怕严格意义上的奇点还没来,冲击也已经是奇点式的了。模型以月迭代,教育、税制、劳动市场、治理,却是以年、以十年计的。这大概就是我迷茫的来源:旧的运行方式在松动,新的稳定结构还没长出来。三、读不懂数学有一个很古老的传统:证明是写给另一个人看的。你写下一个证明,不是为了让真理成立,真理本来就成立;你是为了让另一个人“看懂”,然后接受。数学共同体几千年来就靠这个运转:一个人发现,一个人读懂,再一个人读懂,一点一点变成大家共有的东西。“懂”,是数学里一个社会性的动作。而现在,证明开始写给机器检查了。Lean 不关心你懂不懂,它只检查每一步在逻辑上是否站得住。所以我们会进入一个很奇怪的局面:一个结论是对的,经过了严格检验,却没有任何一个人真正理解它为什么对。陶哲轩把一个证明的一生拆成四步:生成,验证,理解,接受。他说,AI 正在飞快地加速前两步,后两步,仍然拴在人身上。他自己也承认,已经跟不上本领域所有的新进展。这让我想到一个问题,一个我觉得比“AI 有多强”更重要的问题:当我们接受一个自己不理解的结论,我们和真理之间的关系,是不是变了?当然,人类一直在信任看不懂的东西。我们不懂发动机,也坐汽车;不懂药物的分子机理,也吃药;不懂飞机为什么不掉下来,也系上安全带。可是这些信任背后,有一个我们很少留意的前提:总有一些人是懂的。工程师懂,药理学家懂,空气动力学家懂。我的不懂,是被另一些人的懂兜住的。在未来,可能不一样。不是“少数人懂”,而是“也许没有人懂”。兜底的那个人,不存在了。这就是我觉得真正令人不安的地方。信任一个系统,是一回事;信任一个没有任何人能解释的系统,是另一回事。前者是分工,后者近乎信仰。而数学,恰恰是人类最不愿意走到这一步的地方。别的学科可以靠实验、靠应用来确认对错,数学不行,数学靠的是推理能被一个人完整地走一遍。如果连数学,都开始出现“对,但无人能懂”的东西,那么这个现象不会只留在数学里。陶哲轩有一个比喻,我一直记得。科学像一次远足。你听说远处有个瀑布,出发去找,路上画地图,迷路,在迷路时发现别的有意思的东西。AI 像直升机,它直接把你送到瀑布面前,看一眼,再飞回来。目标达成了,但你对这片地形一无所知,也没有看见远处那个更壮观的瀑布。也就是说,问题也许不在“AI 能不能到达”,而在到达之后,我们有没有长出对地形的认识。但也有另一种声音。还有一些数学家提醒说,别把人和 AI 放进同一个排行榜里比高低。AI 提出候选证明,人做概念上的简化和解释,形式系统负责验证,这更像一种新的分工,不是一场比赛。我愿意相信这句话。但我也知道,分工能不能成立,取决于一个前提:人这一端,还保有能够参与的能力。而这个能力,是怎么来的?是一次次笨拙的尝试,是无数个“训练题”,是在慢里长出来的。如果这些台阶被一级一级拆走,我们还剩下什么样的“人”,去参与这场分工?四、同一件事,换了地方如果只发生在数学里,这只是一个行业的故事。可是医学卡在责任上,法律卡在价值冲突上,工程卡在现实世界的测试上。每个行业里,“生成”都在飞快膨胀,而“消化”都在原地。知识不再只是需要被生产的东西,它还需要被社会正确地消化。陶哲轩最担心的,是研究生的“训练题”。第一个项目,难度适中,让人长出经验和信心,恰好是 AI 最擅长的题型。论文有了,下一代的训练却断了。这件事不会只发生在数学里。新人程序员的第一份代码,新人律师的第一份合同,学生的第一篇稿子,所有那些曾经让人慢慢长大的“笨活”,都在被一件件接走。我们优化掉了一切当前技术能做的事,同时也优化掉了长出下一代的台阶。五、踩踏然后呢?说到这里,必须从知识落到饭碗上。我有一个模糊的直觉,姑且叫它“踩踏逻辑”:不是最底层的人先倒,而是整个收入结构先被改写。顶层的往下掉一级,中产往下掉一级,压力逐层向下传,像挤在楼梯上的人群,上面的人往下挤一步,下面的人就被推下一步,最后落到最普通的劳动者身上。反直觉的是,生成式 AI 最先冲击的,恰恰是文本、代码、分析这些数字化的认知劳动。所以一些高收入的专业人士,会比体力劳动者更早感到寒意。但这不意味着体力就永远安全,机器人和具身智能也在路上。我也要防止一个错误的推论:不是自动化越强,工资就一定越低。历史上,每一次技术革命,也同时催生了新的产业和新的岗位。关键是新岗位来得够不够快,够不够多,够不够好。“踩踏”是否会发生,取决于这个关键变量。六、钱从哪里来这就把问题推到了经济的最深处。IMF 的研究提醒我们:红利不会平均地流动。高收入者更会用 AI,也更持有资本,AI 的收益最先流向高工资的职业和高收入的国家。OECD 则提出了一个我觉得比“失业率”更深的问题:今天的社保,很大程度建立在工资之上,而工资在总产出里的占比,可能正在下降。产出在增长,保障的需求在上升,但供养保障的那块地基却在变薄。社保,就是一个社会替每个人兜的底。而这个底,正在变薄。这不只是失业的问题。是整个社会赖以运转的融资结构,需要重新设计。而这恰好叠在债务周期和经济结构转型的周期上,加上AI,这三个浪头,在同一个时刻拍到同一片海岸。所有人都在探索,所有人都不知道答案。七、当智能不再稀缺教科书里,稀缺是价值的来源。土地稀缺的时候,土地值钱。资本和能源稀缺的时候,资本家和能源值钱。互联网时代,稀缺的是注意力。如果认知劳动的成本趋近于零,什么会稀缺?我不敢下定论。但我隐约觉得,会是那些“机器可以替你算出来,却没法替你担着”的东西:判断,责任,信任,目标,还有在无穷的内容里,仅剩的一点注意力。还有一件朴素的事:健康和长寿。外部世界这么不确定,一个人能长久地保有行动的能力,就保有选择的余地。但我要对自己诚实:长寿不是分配制度,健康也回答不了“谁拥有生产资料”。把一个时代的结构性风险,全部变成“每个人要保重身体、努力学习”,是不公平的。还有一点我一直在想:GDP 也许量不出这个时代的好坏了。如果医疗更便宜,教育更普及,人们有更多的时间去做自己的事,这些很难被一个数字装下。八、寻找新的解写到这里,我得停一下。我在一个每天都在变得更快的工位上,同时站在一个没有人知道方向的世界里。就像刚才,我还埋在琐碎的工作里,忽然刷到 Claude 证明了黎曼猜想。一边是眼前的杂事,一边是文明的转折,两件事同时发生,中间没有任何过渡。这种割裂,不是我一个人的。所以我要找的,不是“新的自己”,是“新的解”:人类的存活、经济的增长,以及其他一切,在这个时代怎么安放。它至少牵着四件事:找到人与 AI 的新关系? 找到新的经济增长和财富分配机制? 找到新的组织、教育和社会运行方式? 还是找到一种新的文明形态,让人类能够与远超自身的智能长期共存?很多人已经给出了方向。谁来分享收益:有人在想,让公众持有一部分生产性资产,成为“社会财富基金”的所有者,而不仅仅是被发钱的人。怎么培养人:教育要重新决定,哪些交给机器,哪些必须自己扛。比如提出问题,识别错误,为决定负责。组织怎么重构:我自己每天在做 AI 原生组织的操作系统,所以知道这有多难。目标由谁提,记忆怎么沉淀,Agent 怎么协作,责任落在谁身上,全要重写,写完之后,还要回答权力和收益在组织里怎么分。控制怎么保住:数学里,Lean 让我们不必读懂每一步,也能确认逻辑成立。但现实世界不是数学,它没有那么干净的规则,所以只能靠外部验证、行为约束和人的监督,多种机制叠在一起。数学界其实先走了一步。今年的莱顿宣言,守护的是理解、责任和下一代人才。这些我都认真读了。它们都有道理。但读完之后,我诚实的感受是:这些都是好问题,没有一个是答案。也许是因为,这本来就不是一道有解析解的题。九、三体没有解析解三体问题,牛顿自己试过,说那是唯一让他头疼的问题。后来的共识是,它没有简洁的公式解。三个天体会长时间保持周期,然后突然偏离,变成另一种模式,反复无常。在动力学的前沿,最好的办法,反而是承认扰动,接受预测会越来越模糊,用概率去逼近。“新的解”,大概就是这个姿态。不是等一个漂亮的公式,一套完美的制度,一份终极的方案。而是不断迭代,不断校准,在模糊里往前走。每一个人,在自己能碰到的那一小块地方,把一件事做对,把一个问题问清楚。但我不想把这说得太豪迈。面对这样的浪潮,人是无力的。不是消极的无力,是诚实的无力。我们只能沿着眼前的路走,一边走,一边找。黎曼猜想有没有被证明,几天之内会有结果。但有一件事,不必等编译:硅基的智能,已经走到了碳基的前面。而我们是造它的人,却并不比别人多知道一点答案。没有人知道接下来的路怎么走。没有一个站在底下兜住我们的人。包括站在最前面的那些人,包括那位说自己没有完全吃透证明的数学家,也包括我。我们一起,去找那个新的解。明天,我还是要继续工作。这大概就是这个时代最真实的样子:一个人坐在工位上,知道世界已经不一样了,却仍然要把眼前的这一件事做好。然后在某个很安静的时刻,想起那个问题:做到了,然后呢?本文来自微信公众号:AIGC从0到1,作者:王零壹(920.org.cn(AI Research Institute)创始人,港大AIBT研究生,前上市公司 CMO)
袁记食品IPO:总部利润翻倍,加盟店的账算平了吗
虎嗅 · 1 天前
本文来自微信公众号: 奇点湃 ,作者:王雪然11月19日,袁记云饺母公司袁记食品披露聆讯后资料集,通过港交所主板上市聆讯,华泰国际和广发证券担任联席保荐人。发售价、募资额和挂牌日期尚未公布,公司走到发行前最后一道门口。袁记食品带着一份看上去很漂亮的成绩单。2025年,公司营收27.95亿元,经调整净利润2.62亿元;2026年前五个月,营收同比增长39.8%至13.06亿元,经调整净利润同比增长164%至1.85亿元,经调整净利率升至14.1%。门店规模更为醒目。从2023年初到2026年5月末,袁记门店总数从1990家增至4773家,覆盖全国33个省级行政区、超过250个城市。按2025年GMV计算,它是中国大陆最大的饺子云吞企业。但招股书还呈现了另一组数据。2023年至2025年,袁记云饺单店日均GMV从5394.4元降至4687.6元,每单平均GMV从26.1元降至22.5元。2026年前五个月,单店日均GMV同比回升12.1%至4627.3元,仍未回到2023年的水平。总部利润快速增长,单店经营尚未完全修复,这两组数据共同构成袁记IPO的核心问题。资本市场要判断的,是一家公司的利润能否持续,也是数千家加盟店能否继续支撑这套供应链。近五千家店,收入主要来自卖原料袁记云饺的门店里,员工现场包制、烹煮,消费者看到的是手工餐饮。往产业链上游走一步,这门生意还有另一副面孔:工厂生产馅料、面皮等核心食材,通过冷链送到门店,加盟商负责最后的包制、销售和门店经营。截至2026年5月末,袁记4773家门店中有4750家加盟店,直营店只有23家。2026年前五个月,货品销售贡献公司95%的收入,其中向加盟商销售食材、包装材料等货品约占87.4%。因此,门店GMV与公司营收必须分开看。2025年,消费者在袁记门店贡献了66.62亿元GMV,袁记食品确认的营收为27.95亿元。终端销售流水主要归加盟商,总部赚的是食材销售和加盟服务的钱。这套分工解释了袁记为何能在几年内铺满全国。加盟商承担门店租金、装修、人工和日常经营风险,总部把资源集中到工厂、仓储、冷链和品牌。门店越多、采购越多,总部的收入基础就越大。它也让总部的利益与门店销售产生了时间差。新店开业会先带来装修、设备和首批原料需求,总部可以提前确认部分收入;门店能否长期留住顾客,却要经过更长时间才能验证。只要闭店与采购放缓尚未传导到总部,两边的报表就可能呈现不同方向。2026年前五个月,袁记毛利率由上年同期的23.2%升至28.4%。公司解释主要来自猪肉等原材料价格下降、采购优化、产量增加摊薄固定成本和生产流程改善。经营效率确实在提升,原材料价格也提供了一部分助力。这项助力无法完全由公司掌控。袁记的材料成本长期占销售成本八成以上,按照聆讯后资料集的敏感性测算,以2026年前五个月为基准,原材料价格上涨10%,其他条件不变,除税前利润将减少约5640万元。上市后,市场会区分利润增长来自哪里。采购与生产效率可以沉淀为能力,猪价下行带来的收益则可能随周期变化。14.1%的经调整净利率能否保持,要看下一轮原料价格变化,也要看总部是否愿意与加盟商分享成本下降的空间。总部利润向上,单店流水在修复加盟模式可以把开店速度交给市场,最终仍会回到同一道题:加盟商能不能赚到钱。单店日均GMV并不等同于加盟商利润,却是最直观的经营指标之一。2023年至2025年,这一指标连续下降,累计降幅约13%。同期每单平均GMV也在下降,说明门店面临的既有客流问题,也有消费金额下降的问题。门店加密可能是影响因素之一,但公开数据不足以把单店下滑全部归因于内部竞争。外卖占比、店型变化、下沉市场扩张和价格促销,同样会改变单店流水与客单价。对投资者而言,比寻找单一原因更重要的是,袁记尚未公开加盟商层面的回本周期和利润分布。闭店数据提供了另一个观察角度。2023年至2025年,袁记加盟店闭店率分别为4.1%、8.13%和5.5%。2024年的高点与经营承压及食品安全事件发生在同一时期,2025年有所回落,仍高于2023年。2024年11月,北京一家袁记云饺门店被消费者投诉云吞面中出现蚯蚓。此后,北京市海淀区市场监督管理局通报,涉事门店因食物中混有异物被立案调查,另有两家袁记云饺门店因「两个责任」落实不到位被责令改正并给予警告。一家加盟店的食安问题,会很快变成整个品牌的成本。袁记联合创始人田伟曾公开表示,事件发生后,部分门店营收在短时间内下降30%。公司随后调整加盟管理、投诉响应和供应链措施。对于总部来说,这笔成本体现为营销、折扣和整改投入;对于加盟商来说,体现为订单减少和现金流压力。袁记仍在寻找增量。三线及以下城市门店占比从2023年的19.8%升至2026年5月末的29.4%,一线城市占比则从58.1%降至47.2%。下沉市场提供了新的开店空间,客单价和订单密度能否支撑同等回报,需要分区域验证。海外是另一个增量。截至2026年11月17日,袁记在新加坡、泰国、马来西亚和英国共有77家门店。2026年前五个月,中国大陆以外门店GMV为1.725亿元,同比增长约97%。增速很高,基数仍然有限,海外供应链和本地运营成本也尚未经过完整周期检验。零售品牌袁记味享提供了第三条路径。2026年前五个月,其收入达到6928万元,同比增长约175%,占公司总收入的5.3%。它能把饺子云吞卖进超市和家庭厨房,但目前体量还不足以改变公司对加盟门店的依赖。这些新业务都值得关注,也都需要更细的披露。海外店能否稳定盈利,零售业务能否保持复购,下沉门店能否提高单店流水,决定了袁记未来能否少依赖一些净增门店。兑现,要看发行定价IPO前,袁记食品完成三轮融资。2023年6月,黑蚁资本投资3000万元;2025年,公司先后完成1.5亿元B轮和2.8亿元B+轮融资,投资方包括启承资本、益海嘉里金龙鱼、建发新兴投资等,累计融资约4.6亿元,最后一轮投后估值达到35亿元。黑蚁资本是最早进入的机构,也是IPO前最大机构投资方,持股约6.06%。按35亿元估值粗略计算,这部分股权对应约2.12亿元,但这只是最近一轮一级市场估值下的账面价值。机构后续是否增资、实际持股成本以及最终回报,不能只用首轮投资额简单相除。现在谈投资机构的回报倍数仍然太早。聆讯后资料集没有给出发售价和发行市值,股份禁售安排也要等正式招股文件进一步明确。35亿元估值能否被二级市场接受,要等到定价和认购结果出来才有答案。创始人家族仍是控制权最集中的一方。截至2026年11月17日,袁亮宏直接持股22.23%,并通过袁记投资及四家持股平台合计控制82.54%的表决权。他同时担任董事长和总经理。集中控制有利于提高决策效率,上市后如何发挥独立董事和中小股东监督作用,也会成为公司治理的长期考题。招股书同时披露,为筹备上市,Pre-IPO投资者的相关赎回权已于2025年2月28日被认定为自始无效并不可撤销地终止。这解除了上市失败可能触发的回购压力,投资机构的主要退出预期进一步转向公开市场。袁记在往绩记录期内没有派付或宣派股息,也没有正式股息政策或预定派息率。老股东何时兑现、公众股东获得怎样的回报,最终取决于上市后的利润质量、现金流和分红安排。接下来的正式招股,至少要回答三个问题。发行估值是否充分反映原料价格回落带来的利润弹性;门店日均GMV的回升能否延续;闭店率和加盟商留存能否继续改善。如果这些问题得到持续验证,袁记的上市可以证明,中式餐饮依靠供应链和加盟网络也能形成稳定生意。若总部利润继续增长,单店流水和加盟商回报却跟不上,近五千家门店的规模反而会放大管理难度。袁记食品即将完成从饺子档口到港股公司的跨越。上市之后,门店数量仍会被记录,市场更关心的将是另一本账:每个加盟商是否愿意继续开下一家店。
广深地位为何易位?
虎嗅 · 1 天前
本文来自微信公众号:元淦恭说,作者:元淦恭,题图来自:AI生成深圳APEC,使其收获了世界级的媒体关注。从某种程度上说,这是深圳成为真正意义上的“中国第三城”的加冕礼。根据第四次经济普查以来的回溯数据,深圳的GDP实际上在2012年已经超越广州,自那时起,深圳就已经成为了“中国经济第三城”。但一直以来,仍有很多人认为,不能单单以经济总量来看城市的地位。深圳虽然经济总量超过了广州,但广州仍然是华南地区的中心。持这种观点的人可以找出很多例证,譬如广州的交通枢纽地位、广州的科教医疗实力、广州的三位数区号,乃至于广州的《国土空间总体规划》中有“我国重要的中心城市”的表述。然而,要用这些来论证今天广州仍然是华南乃至珠三角的绝对中心,实际上都是不够的。广州长期以来的确是华南乃至中南地区的中心,因而自然在铁路、航空、高等教育、医疗、电信枢纽等领域拥有“大区中心”的标配。但这些地位都是历史形成的,并不能代表今天广州在高层心目中仍有比深圳更高的位置。要判断一个城市在国家战略中的整体地位,还要综合政治面、政策面的更多信号。譬如,给没给一个城市重大的政治定位和特殊使命,这比某个规划文件里写一个“我国重要的中心城市”、还是“全国性经济中心城市”、“XX区域重要的中心城市”重要得多,而深圳,就恰恰在2019年被赋予了一个独一份的“中国特色社会主义先行示范区”的地位。又如,是不是在一个城市安排重大外事、多边活动,因为这样的活动反映的不仅是中央层面的信任和认可,也可以扩大城市的国际能见度。前天祝酒词里“看五百年的中国去北京,看一百年的中国去上海,看五十年的中国来深圳”,这本质上就是对京沪深这一三大城市定位的最高背书。高层在重大主场外交活动之外,是否经常亲临一个地方考察,也是判断一个地方地位的重要标尺。2012年12月以来,高层已经四次到深圳,而且每次在深圳的行程安排得都比较丰富,特别是前海,他此前就三次考察前海,而此次APEC的工商领导人峰会也安排在了前海,相当于“四赴前海”,相反在2012年以前和前海、横琴并称的广州南沙,他至今都没有考察过,存在感已经越来越低。此外,对一个城市主官的安排,也可以反映其真实的政治地位。过去十多年来,在大部分时间里,深圳主官的配置都高于广州,而且深圳主官的后续发展路径也优于广州主官,已成为晋升到广东省长的热门职位,而在新时代之前,广东省长往往从广州书记中拔擢,而深圳书记要晋升往往会外调到其他省份。这也反映出深圳在广东政坛重要性的提升。有人可能会说,高层对深圳的重视程度提升,是深圳经济体量扩大之后的“水到渠成”。这当然是问题的一个方面,但并不代表全部。从历史上看,深圳特区的成立,是由时任广东省委主要负责人推动的,这是深圳特殊的政治资源。从现实上看,深圳已是粤港澳大湾区范围内GDP总量最大的城市,也是这一区域实际上的经济中心。这一地位的形成,既有46年来经济特区政策和中央一系列资源(如大型央企、交易所)投入的积累,也在很大程度上是深圳市场经济充分发育的结果。从产业结构和经济结构来看,广州和深圳历来走的不是同一条路线。从所有制结构来看,广州的外企和国企(尤其是省属国企)更发达,大型民企较少;而深圳的大型民企明显更多,经过改革开放数十年的积累,2012年以后这些民企到了技术突破、营收爆发的收获之时。从产业结构来看,广州的优势产业主要是外贸、消费、石化、燃油车等,而深圳的优势产业主要是电子、金融、互联网、新能源等。最近几年来,深圳的经济增速整体快于广州,广深经济差距逐渐扩大,原因正在于两座城市产业结构的代差。以2024年深中通道通车为标志,深圳已经从广深之间的节点城市,变成辐射整个大湾区的枢纽城市。珠三角西岸城市都想搭上深圳发展的便车,这意味着深圳在珠三角的经济“一哥”地位已获得了广泛的承认。最近十几年科技革命的突出特征,就是电子工业的崛起。消费电子、互联网、AI,乃至电动车、无人机,共同的硬件基座都是电子工业,这不仅是近年来扩张最快的工业部门,更是全球科技竞争和大国博弈的核心领域。深圳作为中国电子工业和产业链供应链的中心,在高层心目中的重要性自然与日俱增。前些年所谓的,“美国打的是粤海街道办”的梗,虽然是调侃,也在一定程度上反映了深圳的重要性。而且,这些年关于经济发展的路径选择问题,外界本来就多有讨论。高层的意图清晰明确,就是要坚持“高质量发展”,就是要推动产业升级和结构转型,甚至可以一定程度地牺牲短期速度,深圳代表的就是这样的路径。深圳最初以出口加工起家,发展到今天成为中国本土创新实力最强的城市,在产业迭代的过程中也遭遇过增速的起伏,高层对深圳的重视和肯定背后还有一重意味——闯过转型的关口才会有下一轮增长。所以,深圳不仅承担着带动珠三角的区域功能,参与大国博弈的战略功能,还被视为全国范围内落实“新发展理念”,实现“高质量发展”的模范样板。高层对深圳重视程度提升,另一重原因是内地和香港关系的变化。2017年,粤港澳大湾区建设成为国家战略,而深圳、香港同为粤港澳大湾区的“中心城市”。高层推动粤港澳大湾区建设的战略考虑非常清晰,就是要把香港、澳门纳入国家发展大局。从上世纪五十年代开始,香港就是内地“长期打算、充分利用”的地区。但在较长一段时间中,内地关注的是香港作为金融中心和转口贸易中心的功能,简而言之,把香港作为一个连接中国和世界的金融和资金窗口。至于在这个功能之外,中央对香港并不会太多直接介入香港事务,也不会强势引导香港的产业和区域政策。随着近年来香港政治形势的根本性变化,香港被全面纳入粤港澳大湾区的发展版图。今年,香港公布了史上第一个“五年规划”,与内地“十五五规划”接轨。从产业政策上,香港从单一依靠金融等高端服务业转向金融和科技、制造并重,从区域规划上,北部都会区建设和深港河套合作区明确了向北与深圳实现“空间融合”的方向。中央要塑造内地和香港更密切的经济联系,而深圳作为连接香港的桥头堡地位就更加凸显了。高层对深圳的重视,还来源于对整个广东治理模式的调整。长期以来,广东就是本地政治力量比较强势和突出的省份,从上世纪中叶的“反地方主义”,到上世纪九十年代中央和广东的“分税制”谈判博弈,都能看出广东相对其他省份的特殊性。而在2012年之前,广东政坛也有一个惯例,一把手往往由外地空降,而省长通常由本地干部(尤其是有广州工作履历的)升任。而2012年以来的一条主线,就是加强中央权威。在这一背景下,广东省、广州市和深圳市的主要负责人,基本都改由在外省成长起来的干部出任。众所周知,深圳从改革开放以来,就是一个讲普通话而非讲广府话的城市,被视为“北方的飞地”,和广东本地的瓜葛要比广州少得多。最近连续三任广东省长都由深圳书记升任,外地干部先到深圳再到省里的这条链路,就是为了避免广州的“小圈子”和山头。我向来认为,一个城市乃至一个区域的命运,是很多因素共同决定的,自然禀赋、发展基础、人文环境,这些都很重要。但不可否认的是,政治地位和政策加持,对中国城市的发展仍然是极为关键的因素。回到开头提到的问题,深圳和广州在一些领域仍有差距。但随着深圳的中心城市地位巩固,深圳的交通枢纽条件会持续改善,深圳的高等教育甚至医疗资源也会逐渐追赶,这些都不会是一成不变的。一座城市的命运,归根到底还是要看到“历史的行程”。深圳是幸运的,天时、地利、人和都站在了它这一边。当然从一个更大的角度来看,广深在华南的权杖交接也没有那么重要,毕竟这两座城市同处一省,距离又非常近,资本和人力可以很轻易地在两个城市之间流动,整个湾区好,大家都好。至于那些谁是“中心”,谁是“几线”,谁更有“积淀”的讨论,更多的就是个谈资。本文来自微信公众号:元淦恭说,作者:元淦恭
战魔田默|国企并购变天?国资委提出摒弃“大吃小”,大鱼吃小鱼的规矩要变了吗?
虎嗅 · 1 天前
本文来自微信公众号: 商战最优解 ,作者:战魔田默,原文标题:《战魔田默|国企并购变天?国资委提出摒弃“大吃小”,大鱼吃小鱼的规矩要变了吗?》11月18日,国务院国资委副主任李镇提出,国企专业化整合要摒弃过去常用的“大吃小”做法。在进一步深化国资国企改革专题研讨班上,李镇提出,专业化整合要聚焦产业链短板、创新资源分散和同质化竞争,以创新能力强的企业为主体,同时防止“救助型”并购拖累整合企业。这不是宣布大企业不能收购小企业,也不意味着所有国企并购规则已经改变。国资委今年1月就已提出支持创新能力强的企业作为专业化整合主体。此次表态值得关注,是因为它直接反思了惯常整合方式,并进一步警示并购风险。企业有实力买下另一家企业,凭什么就认定它更有能力经营好后者?1大鱼吃小鱼,过去为什么行得通?在钢铁、能源和重大装备制造等行业,规模往往直接影响生产成本、融资能力和风险承受能力。这些行业投资大、建设周期长、固定成本高,企业通过扩大规模分摊研发支出、提高设备利用率,形成采购、融资和渠道优势。规模较大的企业通常也更有能力承担跨区域、跨组织重组的复杂成本。过去一些行业企业分散、重复建设、低效竞争并存,兼并重组有其明确的产业价值。2015年,中国南车与中国北车按照对等原则合并组建中国中车,就是整合轨道交通装备资源、减少同业竞争、增强全球经营能力的重要实践。南北车并非“大吃小”,却揭示了规模整合何以成立:当多个经营主体拥有可互补的技术、产能与客户资源,统一平台有可能降低内部消耗,形成更完整的产业能力。至于协同能否兑现,还要看后续组织与经营安排。过去在许多行业行之有效的规模整合方式,也可能演变成一种惯性判断。企业越大,似乎越有权指挥别人;资产越多,似乎越有能力配置资源。交易中的强势地位,可以解释谁更容易完成收购,却不能直接回答谁更适合经营被收购的企业。2企业越来越大,产业为什么还要重新整合?有些产业已经拥有体量庞大的企业集团,为什么仍然存在关键技术短板、研发重复投入与同质化竞争?这才是国资委此次提出三项整合重点的现实背景。产业链短板,未必是资金投入不够。一家大型制造企业可能有成熟工厂、采购网络和销售体系,却缺少决定产品性能的核心材料、零部件或关键工艺。相关突破也许来自另一家规模不大的专业企业。仅按资产大小决定谁主导,容易让最关键的能力失去应有的位置。创新资源分散,也不只是机构数量太多。研发团队隶属不同集团,预算各有来源,考核目标不一致,即使技术路径存在互补,也可能因为合作成本过高而长期各自推进。把这些机构划归一家集团,如果项目决策、利益分配和成果转化机制不变,组织名称统一了,创新依然可能分散。更复杂的是同质化竞争。几家企业投资相近产能、争夺同一批客户,合并可以减少重复投入;但如果产品定位、技术路线和市场策略没有调整,也可能只是让低效产能汇集于一家更大的企业。产业整合应当改善竞争效率,而不是借集中之名排除必要的市场竞争。产业整合可以改变资源归属和组织边界,难点在于让原本分散的技术、市场与经营资源形成新的竞争能力。3大企业凭什么一定当老大?一家企业有实力收购另一家企业,并不意味着它有能力经营好后者。这个区别看似简单,却足以决定一笔并购最终创造价值,还是持续吞噬现金。完成交易靠资本、谈判、融资与合规能力;取得控制权后,面对的却是另外一组难题:关键人才是否留下,研发路线是否延续,客户愿不愿意继续合作,生产和销售能否真正协同,决策效率是提高还是下降。一家制造集团可以买下具有独特技术的创业公司,却买不来核心团队对新组织的信任;一家投资平台可以获得控股权,却无法仅靠董事会决议建立新的客户关系。股权交割可以改变资产归属和控制关系,却不能保证原有的创新能力与经营能力在新体系中继续发挥作用。掌握资源的权力,与创造价值的能力,并不是同一回事。权力解决的是谁能作出配置决定;能力解决的是怎样配置才会产生增量价值。前者需要产权、公司治理和制度授权,后者必须通过产品、组织、市场和经营结果证明。不能把合法控制误当成经营胜任,也不能因为技术领先就越过必要的治理程序。例如,拥有核心技术的小型研发企业,可能需要大型制造集团的质量体系、生产组织和客户渠道,才能实现产业化;大型集团也可能需要借助专业平台和外部团队,才能避免把新技术纳入旧有流程后失去创新速度。谁出资、谁控股、谁负责技术路线、谁承担经营结果,可以通过不同的交易与治理安排加以配置。需要比较的是不同安排所能创造的产业价值,而不是把企业大小预先当成答案。此次表态并非鼓励小企业取代大企业,而是要求更加重视整合主体的创新能力,不再惯性地以规模决定主导权。创新型企业可能突破了关键工艺,却没有管理数万名员工和复杂债务的经验;大型集团可能并非技术发明者,却拥有把技术推向大规模应用的制造、供应链与全球客户体系。因此,判断谁应主导整合,既不能只看谁拿得出钱,也不能只看谁握有专利。关键要看,谁能够组织必要的能力,使整合后的产业体系比原来更有效率、更有创新能力,也更能承担风险。4买下一家企业,就能救活一家企业?李镇特别提醒防止“救助型”并购,并非要否定困难企业的产业价值,而是要防止把救助责任变成没有边界的资源投入。困难企业需要救什么?缺现金与缺市场,债务失衡与技术落后,短期订单下滑与长期经营机制失效,并不是同一种病。若不先识别病因,施救者越强,可能承担的包袱越大。2013年,国机集团与中国第二重型机械集团实施联合重组。中国二重拥有重大装备研制和极限制造能力,却在行业需求下行与持续亏损中陷入困境。至2014年末,其资产负债率接近134%,逾期银行贷款超过60亿元。国机集团接手后,没有靠一次注资解决全部问题。二重重装2015年主动退市,随后推进债务重组,资产负债率降至约90%,每年节约利息支出约6亿元;同时进行人员调整、资产盘活、业务结构与经营机制改革。中国二重2016年实现扭亏,相关业务整合形成的国机重装于2020年重新上市。债务重组可以减轻当期偿付压力,却不能替代对产品竞争力、订单质量与现金流的重新判断。重组方必须区分可以通过经营改革解决的问题,与需要行业需求恢复才能缓解的压力;对后者,应当预留资金和时间,也要明确止损条件。否则,最初看似可承受的救助投入,可能演变成没有期限的资本承诺。重组能够为困难企业争取时间、资源和改革空间,但只有真正推进业务与组织重构,脱困才可能转化为持续经营能力。更重要的是,能够挽救一家企业的整合方,往往需要同时具备产业理解、资本耐力、组织变革能力与明确的风险边界。涉及关键产业安全和国家战略任务,企业的去留当然不能只用短期利润裁决;但正因为目标复杂,才更需要把公共责任、资金责任与经营责任说清楚。否则,一家企业的困境可能变成另一个企业的长期负担。5谁有资格掌握产业整合主导权?整合能力不靠签约仪式证明,而要由交割后的经营结果检验。2019年,中国宝武通过国有股权无偿划转,取得马钢集团51%股权。重组之后,中国宝武没有把所有业务原样留在马钢体系,而是按照专业分工重新配置:矿业资源进入宝武资源,相关环保业务进入专业平台,马钢则进一步明确自身在优特长材等领域的定位。这里值得关注的,不是中国宝武有多大,而是它如何处理重组后那些彼此关联又长期分属不同组织的业务。把适合独立经营的能力放进专业平台,把需要规模协同的环节重新组织,把失去效率的经营单元逐项调整,才可能把集团规模转化为产业竞争能力。另一种做法来自新能源汽车产业。2025年,中国一汽牵头对天津力神旗下力神(青岛)新能源有限公司实施专业化整合,组建中汽新能。整合之初,先派驻团队实施经营托管,再完成股权交易与组织改革。根据国务院国资委披露的数据,中汽新能2026年一季度销量为2.96GWh,同比增长111%。这是整合进展的一个经营信号,但还不能据此断言全部协同收益已经兑现。中国宝武与中汽新能的实践,不能证明创新型小企业正在取代大型集团成为整合主体。它们至少说明,产业整合的成效不仅取决于资产如何归集,更取决于技术、业务与组织能否重新配置,并形成可持续的经营成果。选择整合主体,需要回答四个问题。产业究竟缺什么?没有找准短板,收购对象再多,也只是在增加资产。谁拥有解决问题的关键能力?技术、客户、制造、资本和管理优势,可能分布在不同主体手中。用什么方式把能力组织起来?股权并购不是唯一答案,业务合作、专业化平台、授权经营等机制,在一定条件下也能实现协同。最后,谁对结果负责?整合收益如何分配,成本由谁承担,失败风险怎样约束,必须在交易之前设计清楚。四个问题最终还要落实到交易结构和经营授权。假如关键技术团队能够决定产品路线,却不能决定生产和销售资源如何投入,整合仍可能陷入内部等待;如果承担资金风险的一方无法获得必要的监督与纠错权,协同也难以持续。更优安排不是把权力全部集中,而是让每项关键决策都有相称的专业能力、授权边界和结果责任。这不是一套以大论小、以小压大的排名方法,而是一种从产业问题出发、以经营结果收尾的决策顺序。最强的技术主体未必必须控股,最有资本的主体也未必必须亲自经营。让不同能力在合理的产权与治理安排下各得其位,往往比争论谁压倒谁更重要。6大鱼吃小鱼的规矩,真的要变了吗?国企并购不会因为一次讲话全面变天,大企业主导产业整合也不会因此失去合理性。资本实力、产业基础和风险承受能力,仍然是许多行业实现规模协同的重要条件。但此次国资委的表态进一步明确,选择整合主体不能仅凭企业规模和既有地位,而应当更加重视创新能力、产业协同与经营结果。企业能否取得控制权,需要遵循产权与治理规则;企业是否适合主导整合,则需要检验其组织资源、创造价值和承担风险的能力。大鱼依然可以吃小鱼。但大鱼能否继续主导产业,终究需要靠整合结果证明。
利润率1.4%,金九银十变“金九银亏”
虎嗅 · 1 天前
本文来自微信公众号: BusinessCars ,作者:匹诺,原文标题:《一周股评|利润率1.4%,金九银十变“金九银亏”》评一周车股,察百态车市。近日,乘联分会发布的前三季度行业运营数据,以及多家A股汽车上市公司披露的三季度财报,全行业在销量微幅波动的背景下,营收保持低速增长,成本增速却悄然跑赢营收,最终将行业整体销售利润率压至3.3%,9月单月更是跌至1.4%,创下近四年来的最低水平。这组数据的分量,远不止于几个冰冷的数字。2026年1至9月,国内汽车累计生产2337万辆,同比小幅下降4%;对应全行业营收总额80435亿元,同比增长2.6%;但同期营业总成本达到71627亿元,同比上涨3.8%,成本端的膨胀速度已经明显快于收入端的扩张。最终全行业累计利润总额2675亿元,同比大幅下滑23%。如果把时间拉到9月单月,压力则更为刺眼,当月汽车生产规模306万辆,实现销售收入10374亿元,同比仅微增0.6%,而营业总成本9257亿元,同比上涨2.5%,最终全行业月度利润仅142亿元,同比暴跌68%。粗略估算,前三季度行业平均卖一台车仅赚约1145元,9月更是降到平均一台只赚464元,不少车企的单车盈利水平,已经跑不过把购车款存入银行的活期利息。放到更长的时间轴里看,利润的持续下滑并非突发。2024年国内汽车行业全年销售利润率为4.3%,2025年回落至4.1%,2026年前三季度再度下探到3.3%,下行的曲线始终没有出现扭转的拐点。往年“金九银十”本该是车企冲量、修复利润的关键窗口,今年却叠加了燃油车产销压力远超往年、中秋假期挤占生产销售时长等多重因素,让全行业的盈利压力达到了前所未有的高位。从A股汽车上市公司的三季报来看,行业“增收不增利”的特征已经完全传导到资本市场。截至11月中旬,汽车板块年内整体跑输沪深300指数超过7个百分点,282家汽车相关上市公司中,有近六成公司股价年内出现不同程度下跌,不少标的在业绩增长的背景下,股价依然创出阶段新低。从A股326家汽车上市公司的三季报来看,行业“增收不增利”的特征已经蔓延到各个细分板块。前三季度所有汽车类上市公司合计实现营业收入约3.13万亿元,同比增长2.43%;但合计归母净利润仅984.27亿元,同比下降22.88%。其中209家公司营收同比增长,占比约64.1%,但归母净利润同比增长的公司仅123家,占比不足四成,更有64家公司处于亏损状态。利润向头部集中的趋势进一步加剧,归母净利润排名前十的公司合计实现利润635.78亿元,占到全行业上市公司总利润的65%;前二十家公司的利润占比更是升至约77%,绝大多数中小车企的盈利空间已经被压缩到极致。不同板块的表现,也折射出当前产业的结构性矛盾。乘用车板块成为利润下滑的“重灾区”,8家核心乘用车公司前三季度合计归母净利润216.12亿元,同比下降46.80%。不少头部车企在财报中明确提及,汇率波动带来的汇兑损失、国内市场白热化的价格竞争、原材料及核心零部件涨价推高成本,是利润大幅下滑的三大核心原因。赛力斯在财报中直接指出,新能源核心零部件的阶段性成本压力,已经成为企业盈利的最大拖累,其前三季度研发费用达到56.89亿元,同比显著增加,持续的技术投入进一步放大了短期盈利压力。相比之下,商用车板块成为难得的“利润避风港”。13家核心商用车上市公司前三季度合计实现营业收入2971.16亿元,同比增长11.45%;合计归母净利润70.63亿元,同比增长13.93%。其中中通客车的表现尤为亮眼,前三季度销量同比增长24.41%,三季度净利润同比增长38.43%,在行业整体承压的背景下走出了独立的上行曲线。汽车零部件板块的营收增速也跑赢了行业平均水平,合计实现营业收入1.25万亿元,同比增长6.49%,但归母净利润仍然同比下降14.92%,整车端的价格压力已经沿着产业链向上游传导,叠加汇兑损失、原材料价格上涨等因素,零部件企业的利润也在同步收窄。很多人把行业利润稀薄简单归咎于终端价格战,但本质上这是一场产业链利润分配规则的重构。如今一辆售价10万元的新能源车,动力电池包要吃掉三到四成的成本,核心零部件和车规级芯片再吃掉两到三成,制造、研发分摊、营销运营、税费各占一成左右,整车厂最后落到手里的净利润所剩无几。上游的锂、铜、存储芯片等原材料价格轮番上涨,正在系统性侵蚀整车企业的利润空间,碳酸锂价格从2025年同期的8万元/吨,涨到2026年的18万元/吨,存储芯片单位价格从20元涨到接近100元,涨幅达到5倍。赛力斯集团曾公开测算,核心原材料涨价平均一辆问界车型要增加15,000至20,000元的成本。博世智能驾控中国区总裁吴永桥也坦言,仅DDR内存涨价,博世中国区就要承担几十亿人民币的额外成本,不少车企高管都在公开场合表示,成本压力大到“晚上睡不着觉”。更值得深思的是,过去两年豪华品牌让出的高端利润阵地,并没有被自主品牌顺利接住。BBA的主力车型在2026年9月集体跌破万辆,德系三强在中国豪华车市场的合计份额,从2018年的接近70%掉到了如今的不足40%。但宝马5系、奔驰E级、奥迪A6L终端价格滑进30万元区间,宝马3系和奔驰C级跌进20万元区间,豪华品牌集体降价求生,自主品牌又以更高的配置和更低的价格向上进攻,两边在中间价格带猛烈相撞,最终把整个市场的价格重心整体往下拽。40万元级别的市场,新能源渗透率从一年前的44%冲到了66%,市场扩容的同时,每一辆车上承载的利润被摊得比纸还薄。可以说,如今这场全行业的薄利竞赛,已经倒逼产业逻辑发生根本切换。过去车企靠规模摊薄成本的路径,已经走到了边际效应的临界点,接下来的行业洗牌速度还会进一步加快,弱势车企的缓冲时间已经所剩无几,只有具备全栈自研能力、能够通过技术创新持续降本,同时在海外市场建立稳定基本盘的企业,才能用海外的利润对冲国内的价格压力,率先走出利润低谷。
网易游戏旺季下跌,不全是短剧的锅
虎嗅 · 1 天前
本文来自微信公众号: 大橘财经 ,作者:汤普济网易游戏的数据没有完全兑现成业绩。三季度,网易几款主力游戏先后交出了不错的成绩:7月10日,《蛋仔派对》创下年内单日流水第二高峰,月收入超过《梦幻西游》重回网易旗下手游首位;8月,《燕云十六声》全球累计玩家数突破1亿;9月,运营十年的《阴阳师》也借周年庆迎来2022年以来月活跃用户数最高的一个月,一度升至国区iOS畅销榜第三。但把所有游戏的账合在一起算却发现,网易最重要的游戏业务,收入比去年同期少了3.9亿元。11月19日,网易披露三季度财报,当季实现净收入278.52亿元,同比下降1.8%,归属于公司股东的净利润约84亿元,同比下降约2.5%。其中,游戏及相关增值服务收入229.37亿元,同比下降1.7%。游戏及相关增值服务占网易收入的82.4%。三季度,集团净收入比去年同期少了5.06亿元,其中3.9亿元来自这一板块。其余几项业务难以补上缺口:有道受智能硬件和在线营销服务收入下降影响,收入同比下滑12.3%至14.29亿元,较去年同期少了近2亿元。网易云音乐收入19.46亿元,同比微降0.9%。四个业务板块中,只有包括网易严选在内的创新及其他业务实现增长,收入同比增加7.1%至15.40亿元,增量约为1亿元。今年一、二季度,网易游戏及相关增值服务收入分别为257.13亿元和250.23亿元,同比分别增长6.9%和9.7%。到了游戏厂商纷纷推出新版本、新活动的“暑假旺季”,为何网易游戏会环比少收了近21亿元?网易在财报中解释道,主要是因为部分自研游戏收入下降。海豚投研结合递延收入变化估算,网易当季游戏流水环比增长约6%,同比下降约8%。该机构据此判断,今年暑期对网易游戏流水的拉动已是近五年来暑期旺季效应最弱的一次。观察网易这个暑期拿出来的内容,也能看出一些端倪。网易7月在国内推出了海洋冒险游戏《遗忘之海》。海豚投研指出,到网易发布二季报时,这款新作的表现已经低于预期,三季度网易推出的产品里,也只有依托既有IP的《梦幻西游》畅玩版较受关注。几款旗舰产品的重头戏仍是内容更新。8月,《逆水寒》手游开放新地图“兰沧寨”,加入“菠萝农场”等休闲玩法。《燕云十六声》则在6月底开启江南版本后,继续开放新区域、推出新玩法。新品少的时候,网易更依赖玩家一次次打开熟悉的游戏,以维持稳定的日活。但如今,争夺玩家这部分时间的,还有短剧。11月19日晚的业绩电话会上,网易创始人兼CEO丁磊坦言,短剧对用户注意力的吸引力很大,“短期内对游戏是会有影响的”。QuestMobile数据显示,短剧和短视频已成为全网用户使用时长增长的两大来源。今年7月至8月,红果免费短剧用户日均使用时长约151分钟。到了9月,仅红果免费短剧一款应用,月活跃用户就达到4.3亿,同比增长81.8%。玩家多追几集短剧,就可能意味着当天少开一局游戏。短剧视频类App增加的总使用时长居各细分行业首位QuestMobile丁磊则表示,长期来看,两者满足的需求并不完全相同。短剧靠剧情吸引观众追下去,游戏的乐趣则在于“控制和反馈”,玩家可以自己作出选择,并看到这个选择如何改变接下来发生的事。网易也在尝试把短剧观众变成玩家。丁磊认为,AI提高了内容生产效率,让一些过去难以实现的玩法成为可能,观众可以参与剧情选择的互动影游就是一例。11月9日,网易旗下平台“网易天马”调整了互动影游合作政,对独家签约作品按评级提供保底收益。可同样面对短剧争夺用户时间,腾讯三季度本土市场游戏收入仍同比增长11%至476亿元。带动增长的产品中,既有《王者荣耀》,也有2024年上线的《三角洲行动》和2025年上线的《无畏契约:源能行动》。后两款游戏都已过了首发期,三季度日活跃账户数双双创下新高。而网易的老游戏虽然也聚起了人气,但在新品接档前,只靠给现有游戏增加新地图、新玩法,已经撑不住游戏业务的增势。就《燕云十六声》而言,网易管理层谈到的安排,仍是延续每年推出一张高规格大地图的节奏,并逐步缩小国内外版本的更新时间差。现有产品能带来的增量有限,市场对网易游戏重回增长的期待,也就更多落在了下一款旗舰新作《无限大》身上。这款都市开放世界游戏定于2027年1月15日全球上线,全球预约已突破2700万人次。然而,《无限大》主要靠出售角色装扮等外观道具获得收入,摩根士丹利分析师在业绩会上指出,相较于传统角色抽卡,这种模式的单用户平均收入(ARPU)可能较低。网易公布的《无限大》游戏场景网易游戏网易自己在这门生意上就有过两种不同的经历。2023年6月底,《逆水寒》手游公测,到了当年11月,游戏内售价6元的皮肤就累计卖出超过1亿件。次年上线的《射雕》也曾把商城直售时装和配饰定在每件9.9元,但游戏公测后反响不佳,团队当年就更换了制作人,重新调整美术和战斗系统。到2025年11月,《射雕》终止运营,官方给出的原因是IP合作即将结束及运营策略调整。对于《无限大》,网易执行副总裁胡志鹏在电话会上表示,公司更看重长期收入规模,外观付费降低了体验门槛,有机会吸引更多全球玩家,如果愿意付费率更高,玩家留得更久,游戏就有望获得持续收入。新作还要等到明年,网易现有的游戏生意依然有着较高的毛利率。三季度,游戏及相关增值服务的营业成本同比减少约12.7亿元,降幅超过收入。管理层解释,收入分成成本下降是毛利率改善的主要原因。该业务毛利率由去年同期的69.3%升至74.3%,毛利润增至170.53亿元,占集团毛利润近九成。不过,集团收入和毛利润仍低于市场预期。三季度,集团净收入比市场预期的303.8亿元少了约25亿元。毛利润同比增长4.8%至190.45亿元,也低于市场预期的210.2亿元。财报发布后,网易美股于当地时间11月19日收跌11.39%。11月20日,网易港股收报154港元,较前一交易日收盘下跌17.60%。
立讯不做iPhone组装
虎嗅 · 1 天前
本文来自微信公众号: 王智远 ,作者:王智远说起立讯精密,很多人会想到苹果。从iPhone里的连接器,到AirPods、Apple Watch的组装,这家公司做的东西不少。这些年,它还把生意做到了汽车和数据中心。2026年前三季度,立讯精密营收2850.12亿元,归母净利润130.57亿元。换算下来,每100元收入,归属于上市公司股东的净利润大约4.6元。这么大的生意,钱主要从哪里来?翻开半年报,立讯有三块主要业务,收入规模和毛利率差得挺明显。……最大的一块,还是消费电子。2026年上半年,这块业务收入1224.76亿元,占总收入的70.19%;AirPods、Apple Watch、Vision Pro的组装,还有手机结构件、连接器,都算在里面。它的毛利率是10.25%。什么意思呢?每100元收入,扣掉材料、制造等营业成本,剩下约10元毛利,后面还得支付研发、管理等费用。这块业务撑起了立讯七成的收入,毛利率却是三大板块中最低的。再看汽车。立讯原本就做汽车连接器,后来又把德国莱尼纳入了合并报表;莱尼长期从事汽车线束业务,线束就是连接车内各个电气设备的电线系统。有了这块业务,立讯在汽车领域的产品范围进一步扩大,从连接器延伸到整车线束等环节。2026年上半年,汽车业务收入323.91亿元,占18.56%,毛利率14.14%;收入规模只有消费电子的四分之一左右,毛利率却高出近4个百分点。还有一块,是通讯及数据中心。这两年AI数据中心建设很热,大家关注的通常是GPU,但几千颗芯片放在一起工作,还需要大量连接设备,让数据在不同机器之间传输。立讯做的高速铜缆、光模块等产品,就用在这些地方。围绕数据中心,它还布局了液冷、电源等业务。2026年上半年,这块业务收入166.09亿元,占比不到一成,毛利率17.29%,反而是三块业务里最高的。不过,这些产品的商业化进度并不相同,有的已经形成收入,有的还处在客户验证或导入阶段,不能把所有布局都当成已经兑现的生意。把三块业务放在一起看,就有意思了。消费电子占收入七成,毛利率10.25%;汽车占18.56%,毛利率14.14%;通讯及数据中心占不到一成,毛利率17.29%。收入规模最大的那块,毛利率最低;毛利率最高的两块,加起来只占收入的28%左右。但这里有个容易忽略的地方,毛利率低,不等于赚到的毛利就少。按上半年各业务的收入和毛利率粗算,消费电子贡献的毛利约125亿元,汽车约46亿元,通讯及数据中心约29亿元。所以,消费电子仍然是立讯毛利的主要来源。只是按毛利率算,另外两块业务更高。把时间拉长一点看,立讯的毛利率也变了不少。2016年,它的毛利率还在21.5%左右;到2024年,降到了10.41%;2026年前三季度又回升至11.91%。这些年公司收入规模扩大了很多,业务构成也变得更复杂。三块业务放在一张表里,谁赚得多,谁赚得少,账面上看得很清楚。不过,说起立讯,很多人还会想到另一件事。iPhone整机组装这门生意确实属于立讯系,却没有出现在上市公司的合并营收里。这是怎么回事呢?……平时看新闻,我们很容易把「立讯系」和「立讯精密」当成一回事。比如:有些报道说,立讯已经是苹果最大的iPhone组装厂,市场份额超过四成。这话放在整个立讯系身上可以理解,但如果说的是上市公司立讯精密,就不准确了。今年6月,立讯精密在港股招股书里专门写了一句,「我们并不参与提供手机组装的原设备制造服务。」这句话什么意思?手机制造有两种常见的合作方式。一种是OEM,客户把设计方案定好,工厂负责按要求生产;另一种叫ODM,制造商除了生产,还会参与产品设计。立讯精密在招股书里把这两块业务分得很清楚,收购闻泰的相关业务后,上市公司参与手机的ODM业务,但不参与iPhone整机组装所在的OEM业务。那iPhone组装究竟在谁手里?答案就在招股书的「与控股股东的关系」一节。文件提到,王来春、王来胜兄妹控制的其他企业,还从事手机组装、精密光学模组等业务。其中,负责手机组装的就是立臻业务,主要按照客户提供的设计和规格生产产品。王来春、王来胜是立讯精密的实际控制人,也就是说,立臻和上市公司有共同的实际控制人,但它们是不同的经营主体。不过,两边并非完全没有关系。2020年立臻设立时,几家股东一共出资60亿元。其中,立讯企业服务出资54亿元,立讯精密出资5.7亿元,立讯实业出资3000万元。上市公司参与了投资,但并不控制这家公司,平时也有业务往来。2025年,立臻业务是立讯精密的第五大客户,上市公司向它销售了70.78亿元的产品,占当年收入的2.1%。同时,立臻也是上市公司的供应商。同一部iPhone,上市公司做的是零部件,整机组装落在另一家企业手里。那上市公司投资立臻,怎么获得收益呢?这里涉及一个会计概念,叫权益法。简单理解,一家公司参股另一家公司,符合权益法核算条件时,就会按照自己享有的那部分净利润确认投资收益。即使对方没有实际分红,这笔收益也可能先出现在利润表里。2025年,立讯精密按权益法核算的长期股权投资收益为42.65亿元,而当年的利润总额是195.50亿元,算下来,这部分投资收益相当于利润总额的21.82%。这42.65亿元不能全部算成立臻贡献的收益,它还包含其他联营企业,公开披露的数据没有把立臻的具体贡献单独拆出来。所以,再回头看前面那个4.6元。这是上市公司合并报表口径下的归母净利率。营业收入里没有立臻的iPhone组装业务,利润里却包含了按照权益法确认的相关投资收益。这层关系并不隐秘,招股书已经按照上市规则作了披露。这条业务边界已经存在多年。到了2025年,立讯精密又花了43.89亿元,把另一块手机制造业务买了进来。只是,这次买进来的,是一门还在亏钱的生意。……43.89亿元,立讯究竟买到了什么?这块业务原来属于闻泰科技,叫产品集成业务,主要替安卓手机品牌做ODM,也就是从设计到制造一起承担,客户包括三星、小米、OPPO。生意规模不小,赚钱却不容易。2023年,这块业务亏了4.47亿元;2024年上半年,亏损扩大到8.5亿元。2024年全年的毛利率只有2.49%。到了2025年上半年,收入174.85亿元,净亏损6.85亿元。算下来,每做100元生意,就要亏掉将近4元。闻泰为什么要卖?2024年12月,闻泰被美国列入实体清单。这对ODM业务影响不小。做ODM,两头都离不开外部合作。一头要向全球供应商采购零部件,另一头要替手机品牌生产产品;被列入实体清单之后,相关交易受到出口管制限制,客户和供应商的合作也面临更多不确定性。原本就在亏损的业务,经营压力进一步加大,闻泰最终决定出售。立讯看中的,则是这块业务已经积累起来的东西。据接近交易的人士介绍,立讯从2022年就开始组建服务非苹果客户的团队,但资源一直比较紧张,自己慢慢培养需要时间,收购一支成熟团队,显然更快。立讯在投资者交流中也提到,闻泰拥有两三千人的ODM工程团队,以及手机、平板领域的采购供应链。这些能力可以帮助它拓展安卓客户,也能用于AI终端产品开发。再看价格。43.89亿元,约相当于立讯2025年归母净利润166亿元的26%;这个价格还有一个特点,它正好等于标的经审计的净资产。净资产可以简单理解为,资产扣掉负债之后,账面上还剩多少。评估机构给出的估值是43.84亿元,比账面净资产低0.12%,但双方最终按照账面净资产确定了成交价格,没有额外加价。价格只说明交易最终是怎么定的,不能仅凭这一点判断资产未来能赚多少钱。收购分批推进,2025年初,第一批资产完成交割,3月公布整体交易方案。到2025年底,除印度资产包外,其余相关资产完成交割。买回来之后,经营情况怎么样?联合资信的跟踪评级报告披露了一组数据。从购买日至2025年末,闻泰二期境内工厂资产组实现收入235.89亿元,净亏损3.51亿元,经营活动现金净流出17.65亿元。这里要注意,这组数据只对应二期境内工厂资产组,不包含香港、印尼等其他主体,也不是整个ODM业务2025年全年的经营成绩。但至少从这部分资产来看,收入已经形成,利润和经营现金流仍然承压。2025年5月,立讯给这块业务定过目标,力争交割后当年实现损益平衡,两年内达到行业优秀水平,三年内达到公司平均水准。2026年5月6日的业绩说明会上,有投资者问:收购闻泰以后安卓手机的份额能增加多少?公司的回答是,「由于受内存供应影响,我们近期放缓ODM手机业务推进,将资源转到AI PC」。三个月后,半年报交流中的说法是,今年本来也没有预期ODM业务会有利润贡献,这项业务将在明年开始体现更明显的发力。收购过程也并非完全顺利。印度资产包最终没有交割,双方各执一词,立讯说当地资产已被查封冻结、合同目的无法实现,闻泰说资产已经完成转移、是立讯拖欠尾款。争议进了新加坡仲裁,庭审排到2027年9月。另外,2025年1月首批三家子公司先行交割时,没有依法申报经营者集中,市场监管总局在2026年5月作出处罚,罚款90万元。再回头看43.89亿元。立讯买下了闻泰的部分ODM业务,也接过了这块业务的客户、团队和采购体系。这些东西能不能变成利润,还需要时间。至于这门生意究竟值不值43.89亿元,眼下的报表还给不出答案。数据来源:
供应汽车零部件,到底赚不赚钱?
虎嗅 · 1 天前
本文来自微信公众号: 汽车财报 ,作者:汽车财报工作室11月10日,日本汽车零部件企业武藏精密发布半年报。今年7—9月,武藏中国业务收入约56.07亿日元,比4—6月多出1.74亿日元,营业亏损却从0.77亿日元扩大到3.03亿日元。上半年合计,中国业务收入110.40亿日元,同比下滑约22%,亏损3.80亿日元,去年同期还盈利2.17亿日元。同一天,武藏宣布中山工厂开始为比亚迪大唐、海狮08两款纯电车型供应转向横拉杆外端和齿条端球头,6月起已经交付。武藏集团上半年营收1759.92亿日元,增长4.4%,中国是它少数亏损的地区。和武藏一样,不少零部件企业的老客户订单在减少,正在争取比亚迪的项目。给比亚迪供货,到底赚不赚钱?这要看三件事:零件卖多少钱,能拿到多少车型的订单,货款多久才能变成现金。过去一年,第三件事变化最大。一、比亚迪付款,越来越多用票据2025年6月,比亚迪等17家重点车企公开承诺,给供应商付款的时间不超过60天。今年2月,中国汽车工业协会调研了这17家车企,平均付款时间约54天,比上年同期缩短约10天。但按财报数据计算,18家上市车企一季度末的应付账款和应付票据,平均要216.68天才周转一次。两个数字差这么多,是因为前者只统计承诺覆盖的货款,后者把票据和历史欠款都算了进去。比亚迪的三季报显示,截至9月末,比亚迪应付票据余额788.63亿元,2025年末是224.64亿元,九个月增加约564亿元,增幅251%。同期应付账款从1867.42亿元降到1727.05亿元,减少约140亿元。两项加起来,比亚迪欠供应商的钱从约2092亿元增加到约2516亿元,多了约424亿元,增长约20%,新增部分几乎都是票据。同一时期,比亚迪前三季度营收5663亿元,和上年差不多。比亚迪在财报中说,应付票据增加是因为更多用票据结算。用票据付款,车企只要在交货后60天内把承兑汇票交给供应商,就算按时付了款。但如果这张票据6个月后才到期,供应商要到交货后约240天才能拿到现金;想早点用钱,就得拿票据去银行贴现,付一笔利息。前三季度,比亚迪营业成本约4614亿元,平均每天约16.9亿元。9月末,比亚迪的应付账款加应付票据共2516亿元,相当于约149天的营业成本。营业成本里还有折旧、工资等不用付给供应商的部分,如果只算采购,天数会更长。这只是粗略估算,但能看出比亚迪的实际付款时间明显长于60天。前三季度,比亚迪经营活动现金流量净额544.70亿元,同比增长33.36%。财报解释,主要是因为购买商品、接受劳务支付的现金减少了。用票据付款,钱要等票据到期才真正付出去,当期付出的现金自然变少。天有为是比亚迪的汽车仪表供应商。今年6月,它在回复上交所问询时说,比亚迪正在少用“迪链”(比亚迪自己开出的电子付款凭证),多用票据付款。2025年末,天有为手里有1.98亿元应收票据,其中1.32亿元来自比亚迪,占66.65%;一年前,它手里没有比亚迪的票据。天有为表示,到期的票据都已正常兑付,2026年一季度收到的票据还在增加。票据能按时兑付,供应商的损失主要是利息。比如一笔1000万元的货款,收到的是90天后到期的票据,按年利率3%去银行贴现,要付约7.5万元利息。如果这笔订单的净利率是3%到5%,也就是赚30万到50万元,利息就要吃掉其中的15%到25%。二、9月新规要求车企用现金付款9月7日,工信部和市场监管总局出台了更细的车企付款规定。普通零部件原则上要在3个工作日内验收,需要装车验证的在5个工作日内。付款时间一般以现金到账为准,车企不能强迫或变相强迫供应商接受商业承兑汇票、供应链票据等非现金方式;如果用票据,要事先约定贴现利息由谁出。连续供货的项目在谈价期间,车企至少要先按上一次合同价格的90%付款。也就是说,60天从验收完成那天开始算,现金到账才算付清。如果比亚迪继续用票据,就要和供应商约定贴现利息谁出。假设由比亚迪承担,以9月末788.63亿元的票据余额、1.5%到3%的年利率估算,每个季度要多花约3亿到6亿元,相当于比亚迪三季度归母净利润(100.20亿元)的3%到6%。比亚迪没有披露这些票据里银行承兑汇票和商业承兑汇票各占多少,两种票据利率不同,实际成本会在这个范围内上下浮动。如果比亚迪改为更多用现金付款,它的应付票据会减少,经营现金流也会相应减少。无论哪种情况,都会体现在比亚迪接下来两个季度的财报上。对供应商来说,以前拿到票据后的贴现利息基本由自己承担,新规让这笔钱由谁出有了明确规定。三、乔路铭:降价影响有限,拿不到新项目影响更大2024年11月,比亚迪给部分供应商发邮件,要求供货价格从2025年起下降10%。比亚迪回应说,每年和供应商谈降价是行业惯例,降价目标可以商量。据第一财经报道,比亚迪有8000多家供应商,收到这封邮件的不到1%。乔路铭是一家做汽车内外饰件的公司,正在申请北交所上市。今年4月,它在回答交易所问询时公布了几款比亚迪产品的历年售价:一款扰流板总成,2023年卖287.03元,2025年卖256.37元,两年降了约10.7%;一款行李架组件,2025年的价格比上一年低约7.1%。价格下降后,乔路铭卖给比亚迪的产品毛利率,从2023年的24.32%降到2024年的21.86%,2025年再降到20.79%。为了减少影响,乔路铭压低了原材料采购价,改进了生产工序,减少了外包加工。降价的压力就这样传到了更上游的材料厂和加工厂。20.79%的毛利率,在零部件行业仍然不算低。对乔路铭影响更大的是收入。2024年,它卖给比亚迪18.52亿元的产品,占总收入的54.89%;2025年只卖了11.27亿元,下降39.16%,占比降到35.54%。而同一年,比亚迪新能源汽车销量从427.21万辆增加到460.24万辆。乔路铭解释说,比亚迪调整了采购策略,它在一些老车型上的供货份额减少了。更关键的是新项目。2023年,乔路铭拿到了15个比亚迪新车型的零部件项目(行业里叫“定点”);2024年和2025年,一个全新的项目都没有拿到。来自新项目的收入,从5.92亿元降到1.30亿元。汽车零部件的订单,通常绑定某一款车型。这款车换代时,下一代的零件要重新招标,原来的供应商不一定能继续供货。比亚迪车型多、换代快,供应商拿到新项目的机会多,丢掉项目的机会也多。乔路铭两年降价,毛利率少了不到4个百分点;两年没拿到新项目,收入少了近四成。企业一般只有在上市审核中被问到,才会公开这么细的客户数据;准备上市的公司,也有动力让经营数据看起来更好。所以这两家公司的情况只能作为参考,不能代表所有比亚迪供应商。四、永励精密:比亚迪占比不高,毛利率反而高了永励精密是浙江一家做汽车精密管件的公司,产品用在减震器、底盘和转向系统上,2021年开始给比亚迪供货。它卖给比亚迪的产品,从2023年的6318万元增加到2025年的1.36亿元,占主营收入的比例从13.08%升到26.55%。这三年,它的主营业务毛利率分别是32.15%、30.23%和33.02%。永励的毛利率一直在30%以上,但比亚迪只占它约四分之一的收入,其余订单来自天纳克、安斯泰莫等客户,高毛利有相当一部分来自这些客户。乔路铭正好相反,比亚迪一度占它一半以上的收入,它的收入波动也最大。从这两家公司看,比亚迪占比不高的供应商,毛利率更容易保持住。外部供应商能谈到什么价格,还受比亚迪自身生产能力的影响。比亚迪旗下的弗迪公司生产电池、电驱和大量零部件。外部供应商报价时,要和同行比,也要和比亚迪自己生产的成本比。比亚迪向外采购的零件,多是弗迪不生产的,或者需要多一家供应商备份的。其中容易被替换的通用零件,降价压力最大;和安全、精密控制、复杂电子系统紧密相关的零件,换一家供应商要重新测试验证,时间和成本都高,供应商讨价还价的空间也更大。五、武藏精密:比亚迪的订单,用不上中山最贵的产线日本零部件企业在中国建的工厂,大多是为本田、丰田、日产配套的。日系车在中国卖得越来越少,一些日本零部件企业开始关厂。2025年11月,日本发条决定清算湖北襄阳的座椅工厂和广州的销售公司;今年10月,小糸制作所宣布清算湖北的车灯工厂,此前它已经退出了福州工厂。武藏的做法是转向中国车企。2023财年,武藏卖给比亚迪的产品只有约2亿日元;2025年2月,公司预计2025财年最多能做到60亿日元。同一年,武藏中国的总收入是290.74亿日元,其中来自本田及其关联公司的是88.33亿日元,比前一年的100.20亿日元少了约12亿日元。比亚迪向武藏采购的零件,一开始是悬架球头,后来增加了海豚、元PLUS、秦L的后悬架控制臂,夏的转向横拉杆端头,以及这次大唐、海狮08的转向零件,都属于底盘和转向系统。这类零件燃油车和电动车都要用,武藏可以直接用原来做球头的技术和设备生产。武藏在中国投资最大的产线,生产的是另一类零件。2023年投产的中山第二工厂总投资9亿元人民币,主要生产差速器、齿轮和轴,这些都是给本田汽车用的传动零件。比亚迪的电机、减速器等电驱系统由弗迪自己生产,武藏公布过的比亚迪订单里,没有一笔是传动零件。比亚迪的订单用上了武藏的球头产线,最大的齿轮产线还要靠日系车企和其他中国客户来填满。截至2026年3月,武藏中山子公司的厂房、设备等固定资产账面价值90.48亿日元。由于订单减少、业绩下滑,这批资产出现了贬值迹象。武藏做了减值测试,决定暂不计提减值,依据是它预计未来中国客户的订单会增加。如果这些订单没有如期增加,这批资产就可能要减值。开头提到,武藏中国7—9月收入比上一季度多,亏损却扩大了。原因可能有两个:一是比亚迪订单的价格偏低,卖得越多,赚得越少;二是新项目刚开始量产,成本比较高。今年4月起,RACCO、Shark、大唐和海狮08几个项目接连量产,量产初期的废品、模具和试制费用,都集中在7—9月。武藏管理层把亏损主要归因于日系车企销量下滑,没有单独公布比亚迪项目的利润率。六、海外卖得更贵,供应商拿的还是国内价格比亚迪这两年利润改善,很大程度上靠海外市场。按2025年年报,比亚迪中国业务的毛利率约16.66%,海外业务约19.46%(按地区统计,包含电子等全部业务)。今年上半年,比亚迪出口79.2万辆车,海外收入首次超过总收入的一半。武藏有两笔比亚迪订单和海外市场直接相关。中山工厂从5月起为插电混动皮卡Shark供应悬架球头,这款车最早在墨西哥发布,主要卖到海外;从4月起为RACCO供应前悬架下球头,这是比亚迪专门为日本市场推出的小型纯电车。两款车都按海外价格出售,零件却在广东生产,价格按比亚迪国内的采购标准来谈。跟着比亚迪去泰国、巴西、匈牙利建厂的供应商,零件价格按当地市场来定;留在国内为出口车型供货的供应商,拿到的还是国内价格。比亚迪在海外多赚的钱,很难分到国内供应商手里。给比亚迪供货能不能赚钱,可以分三方面看。价格每年都在降,但供应商通过改进工艺,毛利率还能保持在20%左右;付款方式从迪链变成票据,9月的新规开始明确贴现利息由谁承担;最难预测的是新项目,一款车型的订单只管这一代,下一代车型能不能继续供货,要重新竞争。武藏已经拿到了比亚迪的新订单,但中山投资最大的齿轮产线还缺少客户,年报里那批资产暂不减值,也是以中国车企订单增长为前提。接下来,比亚迪的应付票据余额和武藏中国业务的利润,是观察这件事最直接的两个数字。
爱奇艺濒临退市,还在狂建乐园?
虎嗅 · 1 天前
本文来自微信公众号: 旅界 ,作者:theodore熙少线上视频被红果围剿,线下乐园独木难支。▲01纳斯达克的退市红灯,眼看就要亮在爱奇艺头顶。曾经对标Netflix的中国长视频龙头,截至11月19日收盘,股价已下探至0.554美元,最快在下周一便会触及连续30个交易日低于1美元的合规预警线。对比上市巅峰时的46美元,爱奇艺市值蒸发已超过九成。将股价彻底踹进深渊的导火索,正是爱奇艺本周发布的2026年第三季度财报。报告期内爱奇艺总营收降至60.1亿元,同比缩水10%,归母净亏损1.73亿元,财报出炉当天美股应声重挫17.9%。来源:爱奇艺三季度财报昔日稳固的会员收入更是同比下滑6%至39.7亿元,内容发行板块跌幅高达38%,红果短剧等免费平台的围剿正不断抽干长视频流量。资本市场寒意刺骨的当口,爱奇艺在线下文旅赛道却展现出截然不同的扩张势头。就在财报公布当天,河南开封当地媒体发文提及,要加快推动爱奇艺乐园在年底前建成投用。事实上,在主业失血且面临保壳压力的节骨眼上,爱奇艺依然在全国多城铺开线下乐园。落户京杭大运河畔运河十里示范段的扬州项目最早成型,已于今年2月8日正式迎客。不同于传统占地数平方公里的户外度假区,扬州园藏身于约1万平方米的室内空间,主打科技手段与影视题材的结合。走进园区内部,买票入场的观众坐上《莲花楼》主题区的旋转观众席,便能跟着剧情切换视角。隔壁的《唐朝诡事录》全感剧场则是另番景象,依靠声光电特效把荧屏探案搬进了线下实景。最初外界以为此类空间只会吸引死忠剧迷打卡,然而今年国庆快报显示,假期入园客群中亲子与家庭结伴出游的比例超过了八成。扬州之外,爱奇艺的落子节奏并未放缓。北京王府井喜悦购物中心B2层的爱奇艺商店已在7月率先开门卖起了衍生周边,规划在同栋商场4层的5157平方米北京乐园本体也紧随其后进入筹备期。更宏大的蓝图则布局在浙江杭州。去年12月中旬,杭州市文化广电旅游局、滨江区政府与爱奇艺三方正式签约,敲定在奥体中心大莲花旁的杭州市文化两中心打造杭州爱奇艺乐园。作为爱奇艺目前规划中全国体量最大的线下项目,杭州园占地面积约1.5万平方米,计划于2027年开门迎客。当地对杭州园寄予厚望,不仅谋划将其与周边银泰莲荷里商业体及亚运场馆群打通联动,更喊出了年接待量突破300万人次、带动综合消费超10亿元的预期目标。从扬州到开封,再到北京与杭州,哪怕爱奇艺股价深陷泥潭,乐园业务依然在全国高调跑马圈地。02爱奇艺敢在股价跌破6毛时继续铺开版图,底气来自轻资产合作框架。以扬州项目为例,由当地城控集团及下属公司承担场地与固定资产投入,爱奇艺仅输出技术及内容并负责运营,双方按约分成。开封的公开招标计划同样显示,约1.54亿元的预估投资由开封文投城市更新投资开发有限公司发起,重头基建并未压在爱奇艺的账面上。地方国资兜底建园替长视频平台省去了巨额开支,可合作双方从进场起就各怀算盘。翻看开封960文创园的长期规划,首期主题乐园落成后,还要陆续跟进主题酒店与国潮商业街区。地方城投急于盘活存量物业并带动片区过夜消费,但对爱奇艺来说,即便单座乐园顺利跑通,其营收放在急剧承压的财务盘子里也显得杯水车薪。按扬州园开业前披露的年客流预估,30万至40万人次乘以198元常规票价,全年门票流水大约落在5940万到7920万元区间,尚未扣除折扣分成与运维开销。对比今年三季度财报,爱奇艺单季营收同比便少了约6.75亿元,涵盖线下与衍生品在内的其他收入仅有3.6亿元且跌去39%,万平级室内空间填不上主业失血的大窟窿。不仅远水救不了近火,母公司的财务压力反倒可能向线下传导。扬州与开封尚有地方国资托底,但北京王府井喜悦项目由爱奇艺亲自直营,核心商圈高企的租金与人力成本需要自己扛。抛开母公司光环,室内小体量乐园的盈利模型本就暗藏硬伤。毕竟,流媒体剧集在线上可以近乎零成本反复分发,但在封闭空间里,每日接待上限却被座位数与场次排班锁住。据彭博社近期报道,落户费城郊区商场的Netflix House即便背靠全球爆款剧集,仍深陷夜间客流乏力的困境,迫使奈飞重新评估扩张节奏,并考虑推迟新店布局。大洋彼岸的奈飞尚且如此,何况主业已经退无可退的“中国奈飞”。值得一提的是,客群结构的意外偏移,也把爱奇艺推向了残酷的大众休闲战场。脱离剧迷滤镜后,普通家庭算账无比现实,按常规日198元与高峰日258元的定价核算,三口之家逛趟爱奇艺扬州园,光买门票就要掏出600元上下。由此,开园以来,社交平台上吐槽爱奇艺扬州园逛完太快且性价比不足的声音始终不断。而等到年底开封项目迎客,周边还蹲着以低价和高密度真人演艺横扫全国的万岁山武侠城,爱奇艺想在贴脸肉搏中说服精打细算的游客买单,难度可想而知。03拆解Netflix House的海外账本,不难看清影视类体验乐园的残酷底色。费城分店所在的宾夕法尼亚州Upper Merion镇,原本在2026年财政预算中指望靠它征得100万美元娱乐税,受客流低迷拖累,当地镇经理近期已将这笔预期税收从后续预算中划掉。同时,勉强跑出盈亏平衡的Netflix House达拉斯店,支撑起营收大头的其实是高频承接的团体客群与企业包场,单靠散客自发买票根本撑不起场子。于是,手握《怪奇物语》与《鱿鱼游戏》等全球常青剧集,Netflix在现金流充裕的背景下选择谨慎收缩,打算把后续重头投入推迟约12个月,并将选址重新瞄准旅游客流密集的核心地段与更小体量空间。归根结底,影视知名度固然能帮线下门店省去前期科普成本,却压不下淡季工作日的获客门槛。当新鲜感褪去,消费者愿不愿意专程出门掏钱,终究要回到商圈位置与产品可玩性本身。再看国内,爱奇艺面临的内容掣肘比大洋彼岸更为棘手。管理层寄望于通过快迭代维持复游率,可线下更换题材远非线上改版那般轻松。翻新置景与调试全感设备耗资不菲,加上常驻互动NPC的薪资开支,每次焕新带来的复购增量能否覆盖改造成本均属未知。更现实的窘境在于国产剧普遍保质期偏短,如今撑起门面的《狂飙》与《苍兰诀》已是两三年前的旧作,倘若后续爆款断档,重金打造的沉浸空间很容易沦为缺乏灵魂的精装密室。偏偏在内容最需要精品输血的节骨眼上,爱奇艺的自救路线却与线下乐园的经营诉求背道而驰。为了保住微薄利润并抵御短剧冲击,平台正大举押注AI降本,今年三季度接连上线8部AI生成故事片,另有约20部在制长剧采用真人与AI混合制作。只不过,线上内容越是走向工业化省钱,观众对画面质感与廉价感的挑剔便越强烈,否则不如看红果短剧打发时间。雪上加霜的是,线下乐园也最需要观众深厚的情感共鸣来撑起门票溢价,左右互搏之下,内容池对线下的托举力度难免大打折扣。困局当前,爱奇艺开始尝试通过前置开发与开放版权寻找出路。新加坡上市公司GHY公布的2026年股东大会材料披露,其深度参与了扬州、开封与北京三地项目,甚至在新剧《烟雨神游记》尚未播出前便在线下预留专属空间,试图破解剧播完再建园的时间差死结。此外,爱奇艺管理层在10月对外透露,乐园题材将不再局限于自家片库,开封项目预计引入《甄嬛传》与《寒战》等国民级外部经典。无论如何,当剧迷滤镜彻底褪去,普通游客是否愿意反复为里面的玩法掏钱,将是摆在四座爱奇艺乐园面前最漫长的考验。而资本市场留给爱奇艺翻身的时间,显然等不到线下慢慢开花结果。今日话题:爱奇艺全国开乐园,你会去体验吗?欢迎在下方留言框与旅界君互动。
户均2.52人,开发商却在卖三居:89平方米重新成了主战场
虎嗅 · 1 天前
本文来自微信公众号: 听风译码 ,作者:安申国11月20日,央广网梳理2026年重点城市监测数据,把三个城市放在一起看。北京出现70到80平方米的紧凑三居,成都89平方米刚需户型重新走热,重庆80到95平方米的"新规小户"批量入市。三条单看都不是新闻,放在一起却有点不对劲。因为同一时期,国家统计局公布的家庭户均人口是2.52人,比2020年七普时又少了0.1人。家里的人在变少,房子里的房间却在变多。这两条曲线本该同向走,现在明显拧着。拧出来的这段差值,就是2026年住宅产品最值得看的一处变化。⑴人少了,房间反而多了先把这条反差钉死。据国家统计局2026年5月发布的2025年全国1%人口抽样调查主要数据公报,全国共有家庭户51465万户,家庭户人口129685万人,平均每个家庭户2.52人。再往前翻:1990年户均3.96人,2000年3.44人,2010年3.10人,2020年2.62人。三十五年,户均人口少了1.44人,降幅36.6%。一人户占26.4%,二人户占33.2%,两项加起来59.6%,接近六成。再加19.0%的三人户,三口及以下的家庭合计接近八成。苏州市政府在一份公开答复里把这件事说得很直白:当地改善购房主力已经是2至3口的核心小家庭,4人以上长期多代同堂的家庭占比逐年减少,大面积户型带来大量闲置房间,并不匹配主流家庭的真实居住场景。照这个趋势推,户型该越做越小才对。可市场给的是相反的答案。克而瑞监测的50个重点城市里,110平方米以上户型的成交占比,从2024年的52.3%升到2026年1至7月的57.4%,套均成交面积到了120.6平方米。一边是户均2.52人,一边是套均120.6平方米。说白了,现在一个三口之家住进一百二十平方米,已经不算稀罕事。这不像消费升级,更像房间被重新分配了用途。过去的房子,房间是按人头分的:主卧、儿童房、老人房,几个人几间屋。现在的房子,房间是按功能分的:一间睡觉,一间办公,一间堆孩子的玩具和老人的行李。人没多,事多了。央广网那篇梳理里给的解释是家庭结构升级带来的功能需求升级:二人世界需要独立书房、健身区和储物空间,三口之家要兼顾儿童房、老人临时居住和居家办公。这套说法没错,但只讲了一半。另一半是供给端的账,得下一章才说得清。还有一个更硬的数字:截至2025年末,全国60岁及以上人口3.23亿,占总人口23.0%,其中空巢老人约1.8亿,完全独居的老年人超过3800万。3800万套独居老人的住所,不需要四间卧室,但需要扶手、需要不滑坡的地面、需要一间能住人的次卧留给偶尔来探望的子女。适老化正在变成一条独立的产品赛道,而它对应的面积需求,跟"三代同堂"时代的逻辑完全相反。家庭变小不是一句人口学感慨,它已经是一条能分出产品品类的分界线。⑵房间没变多,是公摊变薄了真正让"小面积塞进三居"成立的,不是设计师突然变聪明了,是一套新的面积算法落地了。2025年5月1日,《住宅项目规范》正式实施,标准层高提高到不低于3.0米,室内净高不低于2.6米,这是房子竖向的变化。在这之前,市场主流的层高约2.8米,装上中央空调和吊顶以后,空间感还要再压一层。横向的变化更关键:多地新规允许阳台、飘窗、绿化平台、空中花园这类空间不计容,或者只计一半容积率。深圳新出让宅地执行新国标后,项目得房率普遍做到95%至105%,约87平方米的建筑面积就能排出三房两卫的方案。放在过去的语境里,75%的得房率已经能算优秀。重庆的幅度更大。据中国房地产报报道,重庆2025年5月出台的高品质住宅规划措施明确,多功能活动平台不计容,绿化平台按半面积计容,允许设置不超过30平方米的多功能平台。结果是2026年上半年重庆新规产品的得房率普遍进入120%到150%区间。建面85平方米,实得空间能到115平方米。建面99平方米的三房,实得超过120平方米,客厅、餐厅、厨房打通以后,活动区域有五十多平方米。建面96平方米的万科雲曜,实得约130平方米,得房率最高约136%。绿城·绿汀芳菲建面约80平方米的三房,实得建面约107平方米,横厅开间5.2米,三个卧室开间都在3米以上,精装交付含新风、地暖和中央空调,总价126万到145万元。95平方米的户型实得约127平方米,做出了四房。换算一下就明白了。过去买一套100平方米的房子,真正能踩在脚下的大概75平方米,剩下25平方米是电梯井、公共走道和墙体。现在买一套85平方米的房子,能用的反而到了115平方米。房子没变大,是那堵横在产权面积和居住面积之间的墙被打掉了。一位重庆开发商营销负责人的说法很直白:八九十平方米做新规产品,不是把大户型等比例缩小,而是用实得率把产权面积和居住面积之间的那堵墙打掉了。这句话点出了这一轮变化的本质:这不是设计进步,是会计口径的重新划定。同样一堵墙,过去算在你的产权面积里,现在算在赠送面积里。房子一平米没多,账本换了写法。杭州的路径略有不同,但方向一致。2025年6月1日浙江《建筑工程建筑面积计算和竣工综合测量技术规程》施行后,计半阳台面积最大可以做到套内建筑面积的9%,套内140平方米以上户型的不计容设备平台从5平方米提高到7平方米,取消了飘窗面积限制,只要结构层高小于2.20米就不计建筑面积。那一年杭州萧山有个139平方米的四房两厅三卫户型,实际使用率做到了97%。把这几座城市放在一起看,会发现一个共同点:这一轮面积红利,全部来自规则的松动,而不是材料的进步。规则能给,规则也能收。这是第三章要谈的事。⑶80平方米,正在成为新规好房的入口得房率只是供给端的技术条件,真正把面积往下拽的,是需求端的一道硬约束:总价天花板。重庆楼市过去有条不成文的规矩,户型面积死死卡在99平方米,既控总价,又能规避更高的车位配比成本。2024年下半年新规产品刚起来时,起步门槛普遍在108到115平方米,主力户型120到143平方米,代表项目如春风与你、龙湖西屿、华宇春江明月,整体以中大改善户型为主。2025年下探到100到105平方米,保利拾光年·雅颂、龙湖观萃、华侨城熙宸、绿城春风晴翠陆续推出100平方米左右的起步户型,拉开了新规产品小户型化的序幕。2026年,直接击穿100平方米,批量进入80到95平方米区间。绿城绿汀芳菲80到95平方米,新城观博85到112平方米,保利观音桥和煦85到131平方米,还有万科雲曜96平方米、观宇椿山序96平方米。两年时间,入门面积降了20到30平方米,产品结构从大改善切换到紧凑型改善和刚需品质住宅。克而瑞数据显示,2026年1至9月重庆中心城区新规产品成交6500套,市占率27%,比2025年大幅提升15个百分点;供应51.58万平方米同比上涨41%,成交83.43万平方米同比上涨123%。其中120平方米以内成交2225套,占34%,同比提升10个百分点;120到143平方米成交3374套,占52%;143平方米以上成交921套,占14%,同比下滑13个百分点。一季度的数据更能说明问题:重庆中心城区80平方米以下面积段成交套数同比增加75.9%,占比从6.8%升到17.1%,是所有面积段里增幅最大的一个。总价段的分布则把天花板的位置标得很清楚:100万元以下和100万到150万元两个区间合计贡献了64.2%的成交量。这道天花板的高度,政策也划了线。2026年10月1日落地的贴息政策,门槛是首套、建筑面积不超过120平方米、总价不超过150万元,年化贴息1个百分点,最长5年,单户贴息贷款上限100万元。贷款100万元贴满5年,最多省约5万元利息。眼下扎堆出现的80到95平方米新规产品,正好密集落在这个区间里。有一份市场分析算得很明白:为了多10平方米跳出政策区间,那10平方米在市场价上远不值5万元。这不是开发商心善,是他们在替购房者算一道政策套利题。开发商面对的题是这样的:总价挪不动,得房率又在全行业快速拉平,那就把产权面积做小,把赠送面积做到极致。一边压产权面积卡进贴息区间,一边把赠送做到顶来保住居住体验。北京的逻辑一样,只是价格量级不同。2026年开年,北京70到80平方米的小三居密集入市,而且不再只是远郊盘的专属,通州老城、昌平、丰台都有。中建国贤府PARK的77平方米小三居,做了南向1.8米进深阳台、270度转角飘窗,从客厅一直飘到厨房,北面设备平台和挑空平台全赠送,还塞进了独立餐厅位、独立家政间和三分离式卫浴。中海通州项目的75平方米洋房,加赠之后套内实际使用面积约70平方米,实得率超过92%,户型图上还留了三居两卫的选配。未来城星寰时代的78平方米全边户小三居,用L型落地窗解决采光,全屋做了六大定制收纳。克而瑞数据里,2025年12月北京70到90平方米面积段成交552套,占三房总成交的近一半,其中大量是建面70平方米左右的小三居。北京的另一组数据从反方向印证了同一件事:2026年上半年,新房套总价中位数降到568万元,比上一年的637万元低约12%,是近五年同期最低。600万元以下房源的成交占比从45%升到55%,800万元以上的从34%降到26%。这不是全盘降价,是低总价房源的成交比重在抬升,把中位数往下拽。在总价不超过600万的前提下,开发商倾向给功能更强、实得面积更高的组合,买房人也更愿意用小一点的面积换多一点的使用空间。成都则把89平方米做出了玄关、4米多的客厅开间,三个卧室都能正经住人。58同城和安居客的《2026青年置业报告》里,近八成青年看的是80到120平方米,其中80到100平方米的两居或小三居占49.9%。预算有限的时候,52.2%的人先看户型布局,27.7%看得房率和实得空间,只有7.9%单纯盯着总面积。这类房子火起来,不是因为便宜,是因为每一平方米都在干活。少一条用不上的走廊,少一个异形角落,卧室能放标准床和衣柜,厨房动线短,收纳藏进墙里、飘窗下、阳台边。打扫不累,月供轻一点,日子反而松快。⑷现房销售,把户型摊在了阳光下如果说得房率解决了"能塞多少",总价解决了"塞多大",那现房销售解决的是另一件事:购房者终于能亲眼看见自己买的是什么。2026年8月28日,住房城乡建设部、自然资源部、金融监管总局联合印发《关于完善商品住房销售制度的通知》,明确新出让土地的商品住房项目优先选择现房销售,已取得建设工程规划许可证的项目鼓励现房销售,实行预售的单体建筑应完成主体结构封顶,购房资金全部存入监管账户。通知里的关键词是"所见即所得"。清华大学的吴璟有个说法很准:现房销售让购房人从对未来承诺的判断,回归到对现实商品的挑选。这句话对户型的影响比对交付的影响更深。期房时代,购房者对着沙盘和户型图签合同,赠送面积是图纸上的虚线,飘窗能不能封、平台能不能改、横厅到底多宽,全靠想象和承诺,墙面平整度、楼间距、小区排水这些细节也要赌两三年的交付运气。现房时代,7米横厅是能拿卷尺量的,270度转角窗是能站着看光线的,实得115平方米还是95平方米,一进门就知道。市场早就在往这个方向走。据住房城乡建设部政策研究中心披露的数据,全国现房销售占比从2020年的10.2%增长到2025年的32.4%。深圳2026年1至7月一手住宅现售网签8894套,同比上涨12%,现售占比40.5%,8月进一步升到42.1%,相当于每卖出10套新房,约4套是现房。政策落地也有先行的样本:海南自2020年3月起在省级层面全面推进现房销售,雄安新区2023年9月起全面实行,河南信阳2025年5月明确中心城区新出让土地一律现房销售,湖北荆门2026年1月1日起新出让土地开发的商品房原则上实行现房销售,南京江心洲地块、上海易居提到的个别优质地块也在跟进。一线城市里,广州在2026年"4·30"新政中提出在土地供应端试点现房销售。二手房的比例变化也在同一条逻辑上。住房城乡建设部负责人在9月的发布会上提到,二手房交易占比从2020年的27%提高到2025年的46%。2026年前8个月,这个数字已经达到52%。超过50%,标志着市场正式进入存量时代。房子变成一件可以看、可以比、可以挑的商品之后,户型好不好就从营销话术变成了硬指标。这也是为什么得房率竞赛会在2026年迅速拉平。重庆2026年上半年的新规产品得房率普遍进入120%到150%区间,当所有人都送30%以上,"送得多"本身就不再是走进售楼部的理由。有分析师给了一个判断:得房率竞赛已经接近边际收益的拐点,竞争重心正从"送得多"转向"同等面积下谁做得更合理"。但现房不是没有风险,这一点得说清楚。当下市场上的现房以"被动现房"为主,也就是项目因为去化放缓、销售周期拉长,建成之后还在卖,并不都是开发商主动推行。深圳截至2026年8月,全市新房住宅库存89480套,去化周期22.6个月,其中预售库存去化周期10.0个月,现售库存去化周期长达41.7个月。被动现房的好处是结构和配套已经落成可以实地核验,坏处是这批房源此前的去化表现并不理想,选房时得对户型、楼层、朝向和剩余货量做更细的判断。看得见,不等于值得买。⑸高得房率不是免费午餐账要算两遍,第二遍很少有人算。赠送的那部分面积,不在产权证上。物业费按建筑面积算,契税按建筑面积算,将来卖房时,下一位买家认的也是产权证上那个数字。也就是说,你花85平方米的钱住进了115平方米的房子,但你要按85平方米交税,也要按85平方米被估价。得房率130%的房子和得房率90%的老房子摆在同一条街上,税单上看不出区别,二手房报价单上更看不出区别。第二遍账是关于边界的。政策初衷是引导增加社区生态空间、推动住宅绿色宜居,不是给营销留后门。广州自2025年6月起收紧住宅报建审查,严控可拆改的内凹飘窗和违规改造花池。武汉2026年实施的新规,限定了阳台、设备平台及飘窗的面积占比,同时明确严禁以"超高得房率""零公摊"这类噱头做虚假宣传。成都也对阳台、空中花园等附属空间的总规模设了上限。湖南2026年4月印发的《好房子建设技术导则(2026版)》说得更直接:统一的封窗如果不改变原有空间使用属性属于合规,但把设备平台、装饰构件改造成居住空间,就已经改变了规划核定的使用性质。真要提高空间利用率,正道是优化楼栋核心筒、电梯和公共走道,减少无效公摊,在守住安全底线的前提下提升空间效率,而不是在报建图上做文章。还有一个容易被忽略的反例:中间户型正在被两头挤压。一头是低总价、功能完整的小面积产品,靠近地铁,有电梯,楼下有菜场、药店、便利店,适合独居、年轻夫妻和小三口。另一头是功能更细的大面积产品,多孩家庭要双卫和独立学习区,几代人偶尔同住要有带独立动线的老人房,高净值改善家庭看重社区服务和长期居住体验。夹在中间那种"不大不小、功能也普通"的房子,反而最难卖。区域数据也在说同一件事。广州上半年90平方米以下小户型成交占比约51%,70到90平方米最集中;上海2026年3月二手房成交里,总价300万元以内的占了72%;重庆2026年上半年80到120平方米的刚改产品成交10643套,占总成交约60%,而80平方米以下的刚需产品只占6%,143平方米以上占12%。刚需没有消失,只是从新房市场挪到了二手房市场,新房供给端则主动向改善集中。这解释了为什么户均2.52人和套均120.6平方米可以同时成立:不是同一批人在买大房子,是市场被切成了两半。一半人在二手房市场买70到90平方米的老房子,一半人在新房市场买120平方米以上的新规产品。中间那档不上不下的产品,两头都不讨好。最后的话户均人口从3.96人降到2.52人,用了三十五年;户型入门面积从108平方米降到85平方米,只用了两年。前一条是人口结构,慢,且不可逆。后一条是产品迭代,快,而且还在加速。两者之间的差值,被得房率、赠送空间和功能重组填上了。所以"家庭变小、房子变大"只对了一半。房子没有变大,变大的是同样面积里塞进去的功能;家庭也没有真的变小,只是从"几口人"变成了"几种生活"。一张办公桌、一间儿童房、一个留给老人的次卧,这些新加出来的房间,装的是独居、远程办公、晚育和老龄化。真正要警惕的,是把这轮产品红利误读成面积红利。产权证上的数字一天没变,契税、物业费、二手房估价就一天按那个数字算。而赠送面积是规则给的,规则收紧时,广州、武汉、成都已经先后动了手。等这轮得房率竞赛拉平到大家都送不动的那天,能留下差价的只剩设计本身。那时候拼的不再是谁送得多,而是谁在一百平方米里把日子安排得更顺。参考文献[1]国家统计局:2025年全国1%人口抽样调查主要数据公报[2]国家统计局:第七次全国人口普查公报(第二号)[3]中央广播电视总台央广网:楼市新趋势:家庭变小,房子变大?[4]住房和城乡建设部、自然资源部、金融监管总局:关于完善商品住房销售制度的通知[5]住房和城乡建设部:李宇嘉深化现房销售制度改革,赋能房地产高质量发展[6]中国新闻网:住建部发声,十五五时期将推进现房销售制[7]中国房地产报:得房率高!重庆中小户型"好房子"获市场追捧[8]乐居财经:重庆新规住宅正在集体瘦身[9]克而瑞重庆:从99㎡到80㎡,重庆新规产品如何"以小博大"[10]深圳新闻网:新国标到底"新"在哪,龙华2026年值得推荐的新规楼盘全梳理[11]杭州网:2026年杭州楼市新趋势二,"得房率"明显提升[12]红网:让得房率竞争回到产品力轨道,科学看待"高得房率"现象[13]中房网:2026年上半年重庆房地产市场研究报告[14]财经杂志:中国近六成家庭户不超过两个人,会带来哪些变化[15]中国新闻网:四口之家变两口半,一图了解各地家庭规模变化[16]苏州市人民政府:关于苏州低密墅类产品进一步缩小墅类产品户型面积
脑机接口规则,这次中国先行
虎嗅 · 1 天前
本文来自微信公众号: 动脉网 ,作者:陈鹏在脑机接口上,我国已经准备好要做标准制定者了!最近几个月,我国频繁在脑机接口标准领域发力。今年9月,我国牵头制定的《信息技术脑机接口参考架构》(ISO/IEC 27572:2026)由国际标准组织(ISO/IEC)正式发布,距离我国牵头的脑机接口首项国际标准《信息技术脑机接口术语》(ISO/IEC 8663:2025)正好一年。与此同时,YY/T 2029—2026《脑机接口医疗器械用于人工智能算法的脑电数据集质量要求与评价方法》行业标准和《植入式脑机接口手部运动功能代偿系统临床试验技术审评要点》也在近期相继发布。前者是我国第三项脑机接口医疗器械行业标准,此前两项分别为《采用脑机接口技术的医疗器械术语》(YY/T 1987—2025)和《采用脑机接口技术的医疗器械具备闭环功能的植入式神经刺激器感知与响应性能测试方法》(YY/T 1996—2025)。更值得一提的是,由华中科技大学同济医学院附属同济医院牵头的全国首个国家脑机接口高质量数据集项目近日也在武汉启动。标准、数据、审评齐头并进,显然,在脑机接口领域,国内已不满足于技术上的突破,正在剑指全球脑机接口标准话语权。01脑机接口三个基础标准,全由中国领衔标准话语权,首先需要定义“脑机接口是什么”,从而决定脑机接口的设计、审评标准。今年6月,我国先后发布《脑机接口医疗器械产品分类界定指导原则》与《脑机接口医疗器械通用名称命名指导原则》,划定管理属性、类别与命名规则,从而对医疗脑机接口进行了初步界定。我国牵头的脑机接口首项国际标准《信息技术脑机接口术语》则由中国医学科学院生物医学工程研究所专家蒲江波担任项目负责人,联合美、日、澳等8个国家专家共同完成,梳理出基本概念、分类、信号、实验、应用等8大类126个词条,于去年9月正式发布。在术语标准之外,我国牵头的《信息技术脑机接口用例》(ISO/IEC TR 27599:2025)也已于去年5月发布,收录了医疗健康、工业控制、智能环境等领域的代表性用例。今年8月,首批两项国家标准《信息技术脑机接口参考架构》(GB/T 47023—2026)与《信息技术脑机接口多模态数据格式》(GB/T 47127—2026)在国内正式实施。其中,参考架构围绕“脑机接口是什么、怎么用、有什么功能、如何实现”四个核心问题,统一了侵入式、半侵入式、非侵入式等不同技术路线的系统组成、功能划分和实现方式,由浙江大学、中国电子技术标准化研究院以及华为、博睿康、强脑科技等企业参与起草。至此,术语、用例、参考架构三项脑机接口基础国际标准均已由中国专家牵头完成。最近两年国内外脑机接口相关标准一览对于多项标准和指南的密集发布,合盈脑机基金合伙人张宇涛认为,这标志着国内脑机接口行业正从科研原型跨入规范化产业化阶段,试图打造从定义权到审评权的完整闭环:“第一,《ISO/IEC 27572:2026》定义了侵入、半侵入、非侵入的模块与接口逻辑。定义架构就能定未来兼容性。这个我国牵头的国际参考架构标准标志着我们主动参与、主导全球脑机接口顶层定义;第二,《YY/T 2029》作为全球首个AI训练用脑电数据的采集、标注、评价标准,把数据从素材变成可交付物,填补了脑电数据集的标准化空白,解决AI模型训练的数据来源、质量判定问题;第三,植入式BCI手部运动代偿系统审评要点则给侵入式脑机的注册路径划出清晰可落地的边界,规定了有效性因素。”他更结合投资与估值观察了标准密集落地的影响:“这将会带来赛道估值体系的重大重构。第一,标准划定及格线,不达标或故事炒作的路线和产品会快速出清。估值角度从不确定性折价换成合规溢价,大幅限制概念炒作,转向真正有临床落地能力、符合标准框架的企业。等于说早期项目的估值上限被封顶,但同时,未来腰斩风险也下降了。投资窗口期更为明确,进而产业投资路线清晰,会成为主流方式。第二,估值锚的逻辑会发生切换,从过去项目估值更多看团队背景、实验室论文、样机参数,到未来明确向更清晰的注册路径倾斜,合规能力、标准化临床证据、数据集建设能力将决定估值。短期内,进入创新器械通道并有IIT数据的公司将拿到溢价。随后,则将会进入批件和例数的分化期,溢价会逐渐转移到谁能放量。”来自企业的体感更为直接。思昇科技是一家专注于AI驱动的超声脑机接口技术研发与产业化的创新公司,今年5月初步完成核心团队组建,围绕“数据获取-算法解析-仿真验证-临床应用”构建平台化技术与产品布局,首个产品定位为经颅低强度超声介导血脑屏障开放以辅助胶质母细胞瘤治疗。其联合创始人徐宜蕙向动脉网表示,公司自创立起就在持续跟踪脑机接口领域的标准化进展及医疗器械技术审评指导文件。据初步梳理,目前已发布或正在制定的国标、行标、团标及国标计划接近50项。“这背后反映出一个重要趋势:脑机接口正在从单点技术突破走向系统化发展,行业开始逐步建立共同的技术语言、数据规范和评价框架。其中,脑机接口参考架构、数据集质量要求和评价方法、多模态数据格式以及医疗器械技术审评指导文件等,对企业开展产品定义、技术研发、质量控制和注册路径规划具有重要指导意义。”她也向动脉网介绍了跟踪研究中的发现:“国际上的脑机接口标准大多集中在ISO/IEC JTC1/SC43,偏信息技术领域,传统医疗口的国际标准组织还没发布直接相关的标准。国内则是国家药监局、国家标准委都在牵头推进。我也很期待,我国之后是不是能在医疗这个领域率先在国际上发声,甚至占据主导。”不过,随着脑机接口技术路线日益多元化,现有标准体系仍有进一步完善的空间。徐宜蕙坦言,当前相关标准和技术审评指导文件主要围绕脑电信号及植入式电极技术展开,尚难以全面覆盖超声脑机接口的技术特点与评价需求。思昇科技正积极推动超声脑机接口相关技术的规范化研究,并加强与临床专家、监管部门等的交流,希望将超声技术的独特需求和实践经验融入相关标准的研究与制定中。02数据地基,让全中国的脑电信号说同一种话当然,在定义之外。数据也一直是脑机接口稀缺的东西。10月24日启动的国家脑机接口高质量数据集,正是落在这个最稀缺环节的一枚棋子。根据公开信息,这一全国首个同类项目由同济医院牵头,聚焦脑卒中康复、脊髓损伤、帕金森病、癫痫、意识障碍等10类疾病方向共6种数据模态,将建设脑信号采集、意图解码、功能评估、神经调控、康复交互等多模态数据集,拟于2027年建成投用,形成安全可控的数据流通机制。脑机行业资深专家Jay Zhu认为这一举措意义重大。他表示,之所以侵入式脑机数据在单一企业体系内的意义较为有限,核心在于数据的价值密度依赖于跨样本的广度与多样性,但单一企业的数据规模不足以支撑泛化能力。他认为,侵入式脑机接口面临的核心工程瓶颈是个体异质性较大:不同受试者的电极植入位点存在偏差,大脑皮层解剖形态、植入后胶质瘢痕演化特征,以及目标脑区的神经编码模式均存在显著个体差异。这导致算法在A患者身上训练的解码模型,直接迁移到B患者身上往往性能大幅衰减。要突破这一瓶颈,需要尽可能多的汇集多中心、跨设备、跨适应症的高质量数据,训练可提取通用神经编码基元的基座模型,以此提升跨个体迁移能力。“企业各自封闭数据,每家都只能基于几十例甚至几例数据做局部优化,无法催生行业级的通用解码范式。更关键的是,脑机数据的采集成本极高,封闭使用意味着同一份数据只能被一家企业挖掘一次,社会总回报被严重稀释。数据锁在保险柜里只会随时间贬值,越早汇聚、越早被多方算法反复使用,其科学和商业价值才越大。这也是为什么国家层面推动数据集联盟、强制标准化汇聚,本质上是在着力打破这种各自为战、画地为牢的封闭格局。侵入式脑机国家数据集最核心的价值,在于这一底层基建将有望助推我国脑机产业从与美国并跑升级为领跑。要知道,我国脑疾病患者基数远大于美国,且我国行政驱动的基建速度远超美国。正因此,我国在侵入式脑机临床试验数量上已经开始显著超越美国。Neuralink积累10年公开植入数仅27例,而国内目前接受脑机植入的患者已有200-300人,其中使用时长超一个月且设备仍在体的患者人数根据报道已经超过百人”,Jay Zhu向动脉网解释了公共数据集的重大意义。“更关键的是,我国将在侵入式脑机领域领跑的驱动逻辑不在于单体项目的技术更强,而是整体的‘患者基数+行政动员能力+临床放量速度’叠加,使数据基建成为临床推进的自然产物,从而形成正循环增长飞轮,快速促进更多项目进入临床、完成临床、超越临床。这也意味着未来筛选项目时,谁更早接入国家数据集联盟、谁的临床数据能进入标准化流通管道,将成为比单纯的电极通道数更关键的指标,从而让项目冒头乃至拔尖”,Jay Zhu进一步补充道。徐宜蕙则基于自身需求对公共数据集的价值做出了清醒的判断:“公共数据集对我们的价值,更多在于为算法研发提供基础验证、方法学对照和跨模态研究的支撑公共数据集显然是算法验证和跨模态研究的基础和对照。,但现有数据集仍主要围绕脑电及植入式电极信号展开,超声等新兴模态的数据积累和标准化建设相对不足。针对这一现状,以脑电和植入式电极为主,缺少超声企业参与,思昇科技正在探索构建融合真实采集、数值仿真与公共数据的多源数据体系。一方面,依托自主研发的超声硬件,逐步积累声学信号、脑微血流及功能成像等特色临床数据;另一方面,利用经颅超声仿真软件生成不同颅骨结构、脑区靶点及声学参数条件下的仿真数据,并与真实测量数据相互校验、与公共数据集进行关联融合,拓展复杂应用场景下的数据覆盖范围。会用自研硬件补充采集声信号,再做超声仿真数据,与公共数据、临床自采数据综合使用。”这也引出了一个关于脑机接口企业数据护城河的问题。张宇涛对此表示:“总体来看,脑机接口企业要建立数据护城河需要三个必要条件。一是不可替代的采集场景,比如术中、植入后长期随访;二是标注与参数绑定,非裸信号,是‘参数-响应’的耦合;三是规模随装机量线性增长。同济牵头的国家高质量数据集虽然解决了第一部分,包括多病种多模态及跨院互认,但其无法满足后面两点。公共数据集难以覆盖全部细分场景,比如特定亚型及病例、长期植入后多年随访的脑电信号,这些稀缺、长周期、完整预后随访的数据,依然是企业的核心护城河。”“这会对项目筛选维度带来重大转变,以前投资人看企业是否有可复制大规模采集脑电的能力,未来则要看企业能否利用公共数据集做算法迭代,同时能否构建独特的垂直私有数据集。如果企业完全依赖公开数据集,自身没有临床积累,算法易被同质化。竞争优势将在于企业能否把公共基础数据和自有稀缺结合,建立闭环的临床数据结合”,他进一步提到了数据带来的脑机接口企业估值重构。有了数据底座,单点临床突破才可能沉淀为通用能力。03中国脑机接口热度持续增长我国最近频繁制定标准的背后,则是脑机接口产业端的热闹。据公开报道梳理,今年国内脑机接口融资频繁,屡创新高。仅上半年融资总额就超72亿元,已是去年全年3倍的水平。其中,强脑科技完成20亿元融资,创下国内脑机接口最大单笔纪录。此外,阶梯医疗下半年以来完成约14亿元融资,截至9月累计融资已达26亿元。今年以来,陆续已有博睿康、阶梯医疗和术理创新启动IPO进程。同时,未经证实的消息显示,强脑科技也已秘密在港股提交招股书。在临床端,多家公司也迎来进展。尤其博睿康在今年3月获得全球首张植入式脑机接口三类医疗器械注册证,并已进入商保支付体系。更明确的信号来自政策端,脑机接口首次被写入政府工作报告,被列入未来产业方向。不过,资本热度越高,风险也越大。Jay Zhu向动脉网分享了他的深入观察:“不少明星项目资本化已进入中后期阶段,动辄数十亿甚至百亿估值,对应的临床落地阶段却是刚完成型检、刚启动人体临床试验、刚完成个位数人体植入的早期阶段。估值锚点还停留在押注团队背景和赛道热度上,这种阶段错配,一旦遭遇临床进度延迟、监管政策收紧或脑机赛道阶段性热度回落,估值回调幅度可能会远超预期。”张宇涛把支付端列为最大担忧:“同质化与支付缺位叠加,如果数家企业拿证却都无法放量,价格战会先于市场到来。规模化付费需求要等收费编码落地且单例经济为正后出现,预测这个时间点大约在2028-2030年。对于资本而言,退出主通道可能是并购而非IPO,潜在买方包括美敦力、波士顿科学、雅培等跨国器械企业,联影、迈瑞、微创等国内平台公司,以及头部药企。”他更进一步在参考脑深部电刺激(DBS)和骶神经调控(SNM)的放量历史后,提出了接下来国内脑机接口冲击全球领军地位需要提升的领域:“提升渗透率的不是电极,而是术式培训和程控师职业化。我建议把术者认证及程控师职业写进下一批标准或指南。在输出标准后,输出怎么用这套标准的人的体系化才是关键。同时,还要补上生物材料、医工人才、海外多中心临床和术后随访生态的短板。”Jay Zhu给出的建议则是临床数据的监管互认:“标准文本不等于数据互认。我国已积累了全球领先的植入例数和随访数据,但整体质量尚未达到被FDA或CE直接采信的水平,企业出海仍要在海外重新做临床。真正的话语权,是我们的本土临床数据被全球主要监管体系认可为有效证据。这一步打通,中国才能从参与者变成规则共建与主导者。”身处一线的企业对于国内脑机接口行业影响力的提升也感同身受。徐宜蕙表示很明显看到中国在脑机接口领域更有承担力了,获得越来越多国际同行的关注与认可开始被国际同行认可。思昇科技也将顺应这个大潮,尽早更早布局国际标准化工作,推动超声脑机接口相关技术与评价方法融入国际标准体系,同时提前开展海外市场需求、监管路径及国际合作模式的研究,为未来产品进入国际市场奠定基础并及早思考产品出海计划。04脑机接口之外,中国医疗器械标准正奋起直追值得一提的是,除了脑机接口,我国近来在医疗器械标准话语权上正奋起直追。根据近日国家标准委的披露,今年以来,我国提出的7项医疗器械领域国际标准提案获ISO批准立项,创历史同期新高。截至目前,我国已牵头制定25项医疗器械领域国际标准,涵盖人工智能医疗器械、心血管植入物、组织工程医疗器械、基因测序等。其中,11项已发布、14项正有序推进。在医疗器械标准上,中国曾长期是追赶者,出海要按别人的规则办事。脑机接口是全球尚未定型的战略赛道。基于过往的长期积累,我国第一次有机会先走一步。也希望我国书写的脑机接口标准,真正成为我国冲击脑机接口领跑的序幕。*封面图片来源:AI生成
做道士,才是2026年令人心动的“offer”?
虎嗅 · 1 天前
出品 | 虎嗅青年文化组作者 | 阿珂可编辑 | 渣渣郡前段时间,一些道士招聘信息的合集文章,成了我朋友圈里大学生们的热门转发内容。截止目前,这个系列中最受欢迎的文章已经逼近10万阅读量,转发量超过1万次。由此可见,大家对这一跨界不对口岗位的高度热情。他们纷纷夸下海口,要遵守不能浪费应届身份的社会默认法则,在最美好的年纪进观修炼,掌握道家秘宝。这些文章可理解为“道长直聘“。在里面,你可以看到来自全国各地的道观信息和岗位需求。字里行间的语气真诚朴素,面试方式更是透出了一丝古朴的气息:大多数求职不需要简历,只是打个电话的事。有的地方甚至连电话都没有,需要改日登门拜访才能得知结果,颇有玄幻小说中拜山门求仙缘的意味。这些条件看似简单。单单从求职的过程来看,就比山下的就业现状要容易得多。除了一些特殊的道观,入选基本只有五个大字“是个人就行”。比如,要求四肢健全,家里人同意,接受无薪等等。但这些招聘启事的背后都暗藏玄机。仔细阅读之后你会猛然发觉,这实际上是一份中国本土化的霍格沃茨录取书。麻瓜们要是想上山,体能和灵根儿缺一不可。首先,做道士的第一道门槛,一定是硬性的身体指标要求。正如每个人的刻板印象。除了少数位于市区,大多数道观都坐落于山林之中,不少道观有自己的农田,需要驻观者参与农活和建筑等体力活,法事频繁时还需要上下山奔波。可别小瞧这一点。上过班的人都知道,拥有一副健壮的躯体在现代社会是多么稀有的天赋。在山上待过三年的留白道长告诉我,有些道观地处在陡峭山中,上山的道路十分狭窄,车辆无法通行,连日常米面粮油都要靠人力或缆车运送。甚至有的地方取个快递也得下山走俩小时,上山再走俩小时。“我曾经问过一个道友:‘你们这景区不是有缆车吗?’他说,缆车是归文旅管的,我们不是文旅的人,坐缆车也要交费。”除此之外,日常练功环节还包括站桩、八段锦、太极拳等等体术。对我们这种几个鞋带起身就眼前一黑、爬楼如牛喘的办公族来说,绝对是地狱难度般的考验。留白所在的道观除此之外,有学道的耐心也是必需之处。招聘公告显示,进入道观的学徒往往有三个月的考察期(也就是我们说的实习期)。在这期间,不同的道观有不同的学习要求。根据宫观和师承的不同,初学者通常需要逐步学习道教礼仪、经典诵读、早晚功课及相关科仪基础。比如,学习《道德经》《早晚功课经》等经书和做道场时类似戏曲的《十方韵》等等。在这个人均ADHD和注意力缺失的时代,能放下红果、拿起经书的难度大概和御剑飞行差不多。留白的法器如此看来,虽然说现代化的道士们也能刷抖音打王者,但上山门槛可一点都不像启事中写得那样简单。但这些招聘信息的出现,还是让被求职折腾得焦头烂额的年轻人看到了一条新的出路。比如,哲学、民乐和新传专业的朋友们就再也不用担心就业问题了。因为一些道观招聘文件特意指出,有民族乐器专长或者媒体剪辑技能的优先。前者可以迅速上手道场的各种乐器,后者则可帮助道观进行宣传。文科生里的“天雷专业”摇身一变,成了观里的道长优选。谁说这不是一件好事呢。除了就业简单,另一个颇具吸引力的点是:在道观里的生活十分规律。每天的作息时间,基本符合古人们日出而作日落而息的神秘智慧,也能让进入职场已久的人们重新体会到上学时候单纯的快乐。除了包吃包住,来到此处的学员和修行人士成了真正的纯过日子人:每日早晚课诵、打扫殿外、学经诵经;吃的是清淡的斋饭,学的是博大精深的传统文化;有香客和法务时协助住持,清闲时修习静坐或是回屋打打游戏。这样看来,当道士既能强身健体,又远离了世俗与烦恼,是两全其美的工作。但现实真的如此吗?为了求真,我和留白道长打了一通电话。留白并不是一个传统的道士。这一点能从他的账号就能看出来。他的个人介绍里写着:是个活人,也是个nb的家传道士。他更乐意说自己是一个职业发展路径有点邪门的普通人,还喜欢管自己的聊天窗口叫做“霍格沃兹办事处“。在通话之前,留白看了眼我发的招聘信息链接,说了句:“这个我熟,都是同事”。今年28岁的他生在一个有着家传道士背景的家里。受到舅爷那辈的影响,留白在十几岁的时候就开始捣鼓和道教有关的东西。长大后,他听从了爸妈的建议,放下法器,考上了大学。本科选择了“天坑”生物和法学专业的留白,在毕业后并没有选择从业相关工作。他乘着当年互联网行业的景气,凭借自己的口才拿下互联网大厂产品经理岗位,后来转行成为游戏策划。但在高强度加班3年后,留白发现自己的身体出现了一些健康的隐患。他突然意识到,不能为了挣钱而牺牲健康和今后的一切。于是,他决定辞职干回老本行,毅然上山修行。留白修行的地方是河北某山间道观。它远离市区,香火不算旺,人员架构自然也很简单。加上他以外,固定人员只有大概10人左右。留白告诉我,招聘文件中的职责看似模糊,乍一看都不知道每天要干什么。其实,观里的每个人都有清晰的工作内容与分工,具体可以分为管理接待和道场维持两种。其中,监院(又称当家)可以看作领导层,主要负责宫观的日常管理;其余职位分别有自己的任务。比如,知客负责接待来访人员和香客,高功负责主持科仪;经师则参与诵经、唱赞及相关仪式环节。在一些道观里也会有学徒和义工。前者指的是零基础入观学习的新手,需经过长期考核才可以转正;义工可以看作道观志愿者,不属于道观编制,因此流动性很大。相比前几种岗位,这两种职位更加简单,门槛也更低。你在互联网上刷到的00后道士和辞职上山之类的视频,大多可以归类为第一种。像人们所想象的一样,在道观的日子还算得上规律和清闲。留白回忆,自己会在6-8点早起做早课,有法事的日子便去布置道场。吃完午饭后继续做法事,在5点左右便开始做晚课,之后便是自由活动时间。每天差不多都是这样。简单的日程,是外界认为道观生活舒服清闲的主要原因。在人们的想象之中,道士的生活远离城市,避开了职场竞争和人际关系。山里的生活规律且清闲,身体和精神状态健康,不问世事和名利,过着一种罕见的平和生活。短视频的出现也进一步放大了这种轻松而理想化的印象。现在普通人上网,不仅能看到道士们的每日修行Vlog和做法事时的OOTD,还能跟着师兄们在晚课之后偷跑出去吃素面,在阳光明媚的清晨山顶打一段八段锦,或者和师傅来一把排位。悠哉悠哉。受到一些传统文化和仙侠小说的影响,道士这个词也多少带着几分看破红尘、遁世修行的意味。两者一结合,让道观里的生活变得愈加神秘而迷人。但留白告诉我,玄学和道法只是自己日常生活中的一部分。和我们心中不食人间烟火的形象不同,最真实的道士生活和土地与汗水离不开关系。他和身边的道士朋友就经常自嘲自己是“三年道士五年土木”。原因是,一些道观的资金有限,难以承担外部工人的费用,很多时候需要驻观的道士们一起出力修缮房屋。因此除了经书和法器,他和师兄师弟们也总要和电钻钢筋打交道。遇到扩建院子和建新房间的情况,道士们会负责下山采购和运输建材,和工人一起搬砖打灰,参与日常施工。像给地铺地平漆、铺瓷砖、刷墙这种小活,留白已经熟悉到可以伸手就来。“有的时候要推者手推车或者骑着三轮车,把一车一车的东西往上搬。谁能想象一个上班要涂防晒霜的都市丽人,后来会在山上戴着草帽顶着大太阳搬建材呢?所以说,道士是纯纯体力活,我们文体两开花。”和朋友圈的灰头土脸不同,在他的相册里,道士的生活是漂亮和体面的。在一周两三次的法事中,留白都要戴上帽子和冠子,穿好内衬道袍和华丽法衣,手持各式各样的法器。整个人看起来庄严而神圣,也更贴近我们心中的道长形象。但照片里看不到的是,这一整套装备加起来就有五六斤重。一场法事,短则一两个小时,长则七八个小时,有的大型法事也会一连做好3、5、7天。冬天时候的体感还能接受,如果到了夏天,他的汗水常常会浸透整件道袍。没有点体力还真撑不下来。之前,我们只看到道长们人均体型纤细结实,坚信是因为他们常年吃斋饭,且心无杂念,身体自然毫无负担。但事实是,道士的日常修炼强度丝毫不亚于备战Hyrox,“说实话都挺瘦的,天天这么折腾,不瘦也没招儿啊”。在山上呆了3年后,留白在今年8月选择下山,回到老家银川成为了一名自由职业者。如今,他主要从事文化咨询和媒体内容创作,也收了几个徒弟。每天睡到自然醒后,安排客户咨询和学生授课的时间,偶尔也会回家帮忙。在空闲的时候,留白也会在社交媒体上记录一下自己的咨询日常。他说,以后也可能会找一份兼职工作干一干。在处理各种需求的过程中,留白遇到过各种千奇百怪的业务。比如,在他的评论区就到处充斥着人们对这个群体的神秘幻想。有问“道长你能不能飞”的,有问能不能算一卦抓小三的,有问给自己改命的;想下情降的、想发财的、想傍富婆的;求正缘的、求巨款砸头上的,求今年冬天不犯风湿的。留白最开始也对着乐,后来就觉得不好玩了。因为有人老质问他“为什么不去和境外的邪恶势力斗法。”从招聘现象到互联网上的互动,我们都可以发现一个现象:现在的道士很少是书里那种鹤发童颜的老者,更多的是像留白这样的年轻人。全国道观似乎正进入团队年轻化时代。留白也回忆道,截止现在,自己接触到的道观学徒也大多是二十岁出头的年轻人。他告诉我,现在还想当道士的年轻人,无非以下三种:第一种是兴趣驱动。出于纯粹的热爱,一些人从小就喜欢琢磨道教的思想和经书、捣鼓法器和法事用具,也喜欢敲锣打鼓和民乐。他们和留白一样,对传统文化有着浓厚的兴趣,自愿上山修行和学习。第二种是只想逃离的年轻人。他们承受不了生活的重担,想迫切拔掉与焦虑的链接,远离工作和城市,于是怀着修身养性的期待进入了道观。这也是社媒上最经常出现的措辞。这类人往往会发现,道观里的生活和想象中相差甚远。幻想的清闲与无欲无求变成了满手土的农活和修缮工作。在周末里也不能在急头白脸睡顿懒觉,还要每天清晨起床学习。道长的滤镜,便会不攻自破。留白所在的道观第三种人则面临着更为现实的生存问题。留白的一名徒弟便是因此结缘。他原本是医学生,因偶然参加留白的线上课程而逐渐熟络,后来也便经常一起玩。聊起就业,他觉得,眼下学医的就业形势并不乐观,工作之后的压力和收入又不成正比。他干脆提出留下来做道士,顺理成章和留白从兄弟变成了徒弟。这三种人看似各有各的目的,但说到底,都是想逃离世俗,换一种活法。根据中国青年报社社会调查中心联合问卷网对1334名青年的调查,有77.8%的人感觉自己很忙,一线城市则高达82%。94.4%的人认为快节奏的工作生活让人难以松弛下来。有53.4%因竞争激烈而无法放松,51.0%因工作压力大感到紧绷,49.3%因担忧未来的不确定性而慢不下来。现代社会对年轻人的吸引力正在下降。当城市无法承诺足够的生活保障时,一种远离都市、能够满足基本生活需求的生活方式就会显得格外诱人。所以,在想当道士的人们眼中,道士不再是什么开启任督二脉的灵能之路。它更像是一份管吃管住,还能学点本事的稳定工作。道观也满足了他们重新选择生活的可能性。在这里,没有九九六里精确到秒的考勤制度,也不用在格子间里为KPI和绩效焦虑,有种陶渊明笔下的采菊东篱下之美。看似脱离了所有的社会叙事,实际上却回归了最基础的生活需求。填饱肚子、学会本领,稳定向前。但人终究逃不开世俗的烦恼,就连道士也不例外。不仅是外界的刻板印象,家庭内部的不理解也同样存在。在道士招聘的启事之中,就有一条看似简单但很难满足的条件:需要家人同意和支持。即便出身家传道士背景,留白也没能逃过这一关。他的父母认为,与其隔代继承家业,不如接受更好的教育,未来从事公务员、经商等世俗意义上更体面的工作。“我爸上次跟我说,要是你爷爷知道你最后还是辞职当了道士,能从土里面爬出来给你一脚。”即使十几岁开始接触道士的留白,也曾有些苦恼过自己的身份标签。他回忆,虽然之前在互联网的工作压力和生活开销都比较大,但它的标签更容易被别人理解,也有五险一金和一些基本社会保障。现在的工作虽然自由,但免不得受着些异样的眼光。怎么向别人介绍自己的身份,曾经是留白和身边师兄弟们认真讨论过的问题。他们甚至商量过统一的说法。“那时候大家还没正式出家,又都留着长发。平时下山的时候被人问起是做什么的,就统一说我们是破碎长发男,搞艺术的。”但道士终究只是一个人的身份标签,道观也并不是现实压力的出口。它们更像是另一种生活方式。在留白的生活当中,道士更像是一种随机刷新的NPC任务,一种带点玄妙的兼职。需要以道士身份工作时,他就切换到道士身份;需要处理现实工作时,又会切换到另一种状态。“与其说是平行,不如说是一种交叉并行的状态。这更像是前几年流行说的斜杠青年或者蜘蛛侠彼得·帕克,我们会在不同的身份与生活角色之间灵活切换。道士也是人嘛。”离开社会上山,当然能够改变一个人的生活节奏和身份认同,但它却不能永远解决生存的问题。前几天,我在小红书上刷到了一个帖子。作者问:离开道观的道士都在干什么谋生。看遍评论区 我发现他们有的或像留白一样,成为了在家修行的火居道士。更多人则把道士的标签藏了起来,回到了日常生活当中。就像电影《白日梦想家》讲的故事一样,男主离开熟悉老套的办公室,在全世界寻找摄影师。他在格陵兰搭乘直升机、跳进冰冷的海水,在火山喷发前骑着滑板穿越公路,深入阿富汗和喜马拉雅山区。在打通世界的所有支线任务之后,他最大的勇气是回到旧生活里,面对原来的一切。这些年轻人也是如此。在评论区,你可以看到来自所有行业的评论。有送外卖的小哥、欢乐谷的npc神婆、教师、调酒师、烘焙师傅;有卖香囊的摊主、殡葬、中医、酒吧安保、武馆老板、男模……打通了道观里的副本后,他们回归了生活的主线,和你我一样继续在城市里讨生活。留白觉得,如果只是为了避世才选择出家,不过是从一个围城跳进另一个围城。他花了一分钟说服我,玄学的尽头应该是科学。从书面上来说,它只是大众对于美好生活的一种向往。现在看来,道士招聘也是一种心灵寄托。山上山下,不过都是人间。
Anthropic的数学家宣布用Claude证明了黎曼猜想,还给出了1737万行人类看不懂的代码。
虎嗅 · 2 天前
本文来自微信公众号: 数字生命卡兹克 ,作者:数字生命卡兹克今夜,就在Anthropic股价暴跌的背景下。Anthropic的数学家Levent Alpöge,在他自己的个人网站上,直接一纸官宣,说,自己和Claude一起,证明了黎曼猜想。一石激起千层浪。Levent Alpöge,2020年在普林斯顿拿的博士,导师是菲尔兹奖得主曼朱尔·巴尔加瓦,博士论文研究的就是数论。毕业后去了哈佛,当了哈佛学者学会的青年研究员,这是一个出了名难进的地方,后来,他加入了Anthropic。他已经火过一次了,今年7月,他和Claude一起推翻了一个悬了87年的难题“雅可比猜想”,发在推特上的那个反例公式有将近3000万浏览,陶哲轩一天之内就确认了它是对的。也是九月份纳维–斯托克斯那场风波里的当事人之一。他在这次发布的PDF的开头中说:黎曼猜想,这可能是这可能是人类数学史上,最有名、也最难解的一道题,没有之一。1859年,33岁的黎曼写了一篇不到十页的论文,在里面随手提了一句,这些零点,很可能全都落在同一条直线上。他说自己试着证了一下,没证出来,就先放一放。这一放,就是167年。1900年,希尔伯特在巴黎列出了新世纪最重要的23个数学问题,黎曼猜想就在里面,一百年后,克雷数学研究所悬赏100万美元,评出千禧年七大难题,它又在里面。据说希尔伯特还说过一个非常有意思的话,如果我沉睡一千年后醒来,第一个问题那一定会是,黎曼猜想证明了吗?一代又一代最顶尖的数学家扑上去,有人为它耗尽了一辈子,到最后也只往前挪了一小步。它是很多数学家心里的珠穆朗玛峰。而六个星期前,OpenAI一夜扔出722篇数学论文,我也写了一篇文章:AI让数学再也回不去那个旧世界了。那里面最重磅的成果,叫做“准黎曼猜想”,你可以理解为,是黎曼猜想的一个低配版,那时候,离真正的黎曼猜想,还差大概四分之三的路。但是就这么小小的一步,人类等了一百多年。还是按直线说,数学家早就知道,这些零点的横坐标都落在0到1之间,黎曼猜想说的是,它们全都排在正中间的1/2上。正面证不了,那大家就退一步,从最右边的1开始,一点一点往里面去证明“这块地方没有零点”。1896年,有两位数学家证明了,横坐标正好等于1的地方,一个零点都没有,别小看这一步,数学史上最重要的定理之一“素数定理”,就是靠它才被严格证明的。可接下来就卡住了。一百多年里,人类能证明的,只是紧贴着1的一条细缝里没有零点。而且这条缝有个大毛病,越往上走越窄,窄到最后几乎为零,这方面最好的纪录停在1958年,此后将近七十年,再没有实质进展。准黎曼猜想要的其实不多,只是一条宽度固定、怎么往上走都不会变窄的安全带,哪怕只比1小一丁点,比如0.99,都算。就这么个“低配版”,一百多年来没人做到。然后就是6周前,OpenAI声称做到了,而且不止0.99,直接一步推到了7/8,也就是0.875。所以罗格斯大学的数学系主任看到这一条,当场在推特上连打了一串问号,说这要是人类做出来的,直接就是菲尔兹奖,毫无疑问。只是那时候谁也没想到,这一小步,会成为另一个人的垫脚石。Alpöge的PDF里有一份时间线,列了20个关键步骤。最早的一条日期就是10月6日。就是OpenAI一口气扔出722篇论文的那一天。最后一条写着“GRH”,也就是广义黎曼猜想,日期是11月16日。一共41天,而另一边,是167年。Alpöge在文中专门夸了OpenAI,说他们在那批论文里,悄悄放进去了一段论证,品味很好,很多人可能根本没注意到这一段,他一眼就认了出来,从这里找到了突破口。大概意思就是黎曼猜想其实有个“简化版”,数学家们把问题挪到一个更简单、更规整的数字世界里去问,就像物理学家先在真空里研究物体下落,然后再去管空气阻力一样,是一个道理。而在那个简化世界里,黎曼猜想早就被证明了,1974年,比利时数学家德利涅把它彻底做完,后来拿了菲尔兹奖。其中有一种证法,用了一个特别巧的技巧,可这个技巧一搬回我们熟悉的整数,就失灵了,用Alpöge自己的话说,在整数上用这一招,就像对一个整数求导,根本无从下手。几十年来,无数人想把它搬回来,但是结果全卡在了这一步。Alpöge的思路,是在整数世界里,用一长串环环相扣的操作,把这个技巧模拟出来,而这里面最关键的那一步,就是Claude提出来的。他自己说,光是这一句,就足以让同行们从椅子上摔下来。只能说,AI确实已经让整个世界,都不一样了。当然,因为黎曼猜想这四个字,一百多年来,宣称自己证明了它的人,没有一千也有几百,最后全都翻了车。最有名的一次是2018年,89岁的阿蒂亚爵士在海德堡做了一场报告,宣布自己证明了黎曼猜想。阿蒂亚是菲尔兹奖和阿贝尔奖的双料得主,地位不可谓不高,可几乎没有数学家认可那个证明。Alpöge自己也料到了,他在PDF的第二页专门写了一段,说这个时间点糟透了,他也知道会有人往阴谋论上想,但事实不是那样。所以,这一次,有一点和过去所有的证明都不一样。它没有论文,只有代码。Alpöge说,这个论证现在长得离谱,硬写成论文,只会是一大坨谁也看不懂的东西,所以他决定只放出Lean代码,不过他也玩了一下,然后说,生成了25万页的论文。。。Lean我上一篇也聊过,你可以理解成,它就是数学界的编译器,你把证明一行一行翻译成代码,只要编译通过,就说明每一步推理都是对的。PDF的脚注里,放了14个压缩包的链接。我把它们全部下了下来,压缩包229MB,解压之后1.4GB,一共175187个Lean文件,1737万行代码。。。作为对比,九月份费马大定理的整个证明翻译成Lean,是1300万行。不过这种神物,我肯定是没有任何能力去编译去跑的。不过已经有人在开始跑了,数学家Elliot Glazer说,他已经在编译,要跑好几个小时,他估计Lean本身出bug的概率不到1%。曼彻斯特大学的数论学家Thomas Bloom说,Lean社区的专家们正在查。他还吐槽了一句,说不知道哪个更让他震惊,是AI证明了黎曼猜想,还是这个证明写成人能读的版本,要超过25万页。估计明天,应该就有最终结果了。Alpöge自己承认,这个论证里有大片大片的内容,是Claude在他不熟悉的领域里完成的。他说写时间线的时候,有些地方是在转述Claude的总结,所以,“可能完全说不通”。也就是说,目前大概率会出现这样一个局面,也就是机器确认黎曼猜想是对的,但全世界暂时还没有一个人,真正懂它为什么是对的。包括发现它的人自己。Alpöge的整篇PDF里,其实有一句话让我蛮动容的。他说:“把这视为某种终点是很自然的,对我而言,就像失去了一盏最主要的指路明灯。”一个人从学生时代起,就把一道题当成信仰,为了它学遍了能学的工具。结果真做出来的那一刻,我想,他就像自己看到了喜欢的游戏、喜欢的电影最终的结局。就像你在登山,登上山顶的那一刻,你面前的路,忽然就消失了。因为,你已到达路的尽头,不再有路了。他想了想,他说,可他接下来要做的第一件事,是去理解这个论证,去简化它,去让更多人理解它,把它好好地写出来。让人一窥前方的奇迹,也向世界展现我们即将在最简单的事物中发现的喜悦与惊叹。明天醒来,也许编译通过,希尔伯特那个“沉睡一千年后的第一个问题”,就真的有了答案。也或许,有人会在那一千七百多万行代码里挑出漏洞,一切回到原点。但不管结果是哪一种,我们都已经站在分界线上了。1859年,黎曼在十页纸里随手写下的那句话,可能真的要在今晚画上句号。而登上山顶之后。才是人类下一段路的全新旅程。
全球制药巨头,披露AI成果
虎嗅 · 2 天前
本文来自微信公众号: 财联社 ,作者:夏军雄全球多家大型制药公司的高级科研人员表示,今年以来,人工智能(AI)显著加快了药物研发早期阶段的工作进程,将新分子研发及推进至临床试验所需的时间最多缩短了一半。葛兰素史克、百时美施贵宝、诺华、礼来、诺和诺德、阿斯利康和赛诺菲均表示,它们已不再局限于利用AI处理监管申报文件等基础工作,而是开始将这项技术应用于分子设计、候选药物筛选及安全风险识别等关键研发环节。阿斯利康高管莎伦·巴尔(Sharon Barr)表示:“从药物发现到开发的整个流程中,没有任何一个环节不使用AI。”多家制药巨头披露AI研发成果诺和诺德表示,AI已将新分子设计、生产和测试的迭代次数从原来的约八轮减少至三轮,同时将每轮迭代所需时间从八周缩短至四周。诺华生物医学研究总裁菲奥娜·马歇尔(Fiona Marshall)表示,从项目启动到确定候选药物的平均时间,已从过去的三年缩短至目前的约18个月至两年。此外,AI工具还帮助公司确定了五个优先开发的肾脏疾病治疗靶点。赛诺菲表示,通过采用AI辅助的方法,将早期生物学研究成果转化为临床决策,公司得以跳过一项剂量选择研究,使哮喘候选药物lunsekimig的开发进度至少提前了一年。赛诺菲研发部门全球计算与AI战略负责人马特·特鲁波(Matt Truppo)预计,在公司100多个药物开发项目中,AI有望在未来两年将药物早期发现阶段的研发周期缩短20%至25%,未来五年甚至可能缩短一半。不过,他补充称,要将这种效率提升推广到赛诺菲专有数据积累最丰富的治疗领域之外,可能还需要一段时间。百时美施贵宝表示,如果没有公司的AI系统,其一款镰状细胞贫血症候选药物就不可能被开发出来。该公司首席研究官罗伯特·普伦格(Robert Plenge)透露,公司正利用AI优化新分子,并根据临床试验数据进行模拟,以确定哪些候选药物应进入下一阶段研发。他补充称:“我们的下一个重点,是将这些模型与实验室自动化系统连接起来……从而更快地开发出质量更高的分子。”AI制药仍面临临床试验瓶颈尽管AI已在早期药物研发中取得实际成果,但这项技术能否显著提高新药研发成功率,仍有待验证。从历史上看,在采用传统方法研发的药物中,近90%最终未能通过临床试验。根据美国药物研究与制造商协会(PhRMA)的数据,一款新药从研发到上市可能需要10至15年,成本高达数十亿美元。与此同时,进入临床试验阶段的AI辅助研发药物数量,目前仅呈现小幅增长。今年3月的一项统计显示,69家公司共有129款AI辅助研发的候选药物处于临床试验阶段,高于八个月前的约117款,其中大多数项目仍处于早期开发阶段。参与汇编上述数据的芝加哥大学肿瘤学研究员瓦卡斯·哈克(Waqas Haque)表示:“我认为,未来一到三年,我们将看到利用AI开展临床前研发的药物数量大幅增加,进入临床试验的药物数量也会显著增长。”但他同时强调:“我不知道这些药物的成功率是否会高于非AI研发药物,也不认为它们能够更快获得批准。”他指出,人体临床试验以及监管审批环节存在的瓶颈,仍将限制药物上市速度。礼来旗下TuneLab负责人阿丽扎·阿普尔(Aliza Apple)也对AI制药的前景保持谨慎。TuneLab通过向规模较小的生物技术公司开放礼来部分内部AI模型,促进双方合作。阿普尔认为,Anthropic首席执行官达里奥·阿莫代伊以及Alphabet旗下Isomorphic Labs创始人关于AI能够治愈所有疾病的说法,夸大了这项技术目前的能力。她表示:“如果他们能先治愈一种疾病,那当然很好。等做到这一点之后,我们再来讨论其他疾病。”Anthropic加速布局医药领域,药企竞合关系升温随着AI在药物研发领域的应用不断深入,Anthropic等前沿AI公司正加快进入这一市场,未来可能同时成为传统制药巨头的竞争对手和合作伙伴。Anthropic本周以1.5万亿美元的估值进行了首次公开募股(IPO)。近几个月来,该公司开设了自己的实验室,并宣布了其他投资计划,旨在利用AI加速药物发现。阿莫代伊长期以来一直认为,治愈疾病是AI能够为人类带来的主要益处之一。周四,在Anthropic股票开始交易前,阿莫代伊在纳斯达克谈到了自己的父亲。他的父亲因病去世,而治疗这种疾病的方法直到其去世后不久才被发现。阿莫代伊表示,尽管临床试验和实验仍然需要时间,但“我相信,AI能够显著加快这些过程。我们希望未来能够减少这样的悲剧:一些家庭仅仅因为晚了几年,就与治愈疾病的机会失之交臂”。目前,Anthropic既在独立开展新药研发相关工作,也与百时美施贵宝等合作伙伴共同开发新药。该公司推出了面向科学研究的AI软件Claude Science,并邀请诺华CEO万思瀚(Vas Narasimhan)加入公司董事会。包括诺和诺德在内的其他制药公司,也在研发工作中使用Anthropic的AI模型及Claude Science。风险投资公司Alumni Ventures高级负责人卢卡·贾尼(Luca Giani)表示,Anthropic及其他前沿AI实验室正在寻找制药行业相关的收购机会。贾尼表示:“它们希望获得更多数据,也希望收购更多公司。”他指出,在本周IPO之前,Anthropic已于上个月宣布多项合作及一笔收购交易。贾尼表示:“我认为,这仅仅是开始。”面对AI公司的扩张,传统制药巨头的态度有所不同。礼来的阿普尔认为,Anthropic等AI企业既可以被视为盟友,也可以被视为竞争对手。她表示:“在早期,我们当然把它们视为供应商。公平地说,它们当时也是这样定位自己的。我认为,我们现在越来越将它们视为合作伙伴。”“就在一年前,它们还没有开展任何相关研发项目。而一年之后会是什么样子,谁也说不准。”阿普尔补充道。葛兰素史克首席科学官托尼·伍德(Tony Wood)则将Anthropic视为“另一个竞争对手”,而百时美施贵宝和诺和诺德更倾向于将AI公司视为合作伙伴。不过,传统制药巨头并不愿意轻易分享其核心数据资产。诺和诺德和赛诺菲均表示,不会向前沿AI实验室提供专有数据用于训练AI模型。赛诺菲的特鲁波指出:“如果没有用于训练模型的数据,那么整个体系很快就会失效。”一些制药公司科学家认为,数十年积累的药物研发经验和数据,使传统药企相对于Anthropic等AI公司拥有竞争优势。诺华的马歇尔表示:“我们一直拥有大量数据,而现在,我们能够以更加先进的方式利用这些数据。”
东南亚AI中间商之死
虎嗅 · 2 天前
本文来自微信公众号: 版面之外 ,作者:画画2015年,一家名叫7 Road International的公司在新加坡注册。最初几年,它并不起眼。谁也不会想到,十年后,这家公司会成为英伟达先进AI芯片供应链上一个引人注目的名字。2023年,公司更名为Megaspeed International,业务重心也开始转向云计算和AI基础设施。随后,它的生意急速膨胀。根据披露的贸易记录,2024年5月至2026年2月,Megaspeed相关业务进口英伟达产品的金额达到41.3亿美元。仅2025年11月,公司就进口了17454颗GB300,价值约7.87亿美元。一家有游戏业务背景的公司,突然成为AI芯片贸易的重要玩家。但这门生意很快引来了调查。2025年6月,美国商务部调查人员进入Megaspeed在新加坡的业务现场。新加坡警方也介入调查,时任CEO黄乐被扣留护照,后来被禁止重新入境新加坡。更引人注意的是,英伟达向美国政府提供的芯片库存数据,与外部贸易记录之间出现了约5万颗芯片的差额。一家原本并不起眼的公司,为什么能在短时间内成为数十亿美元的AI基础设施玩家?又为什么卷入一场跨越美国、新加坡和马来西亚的调查?答案藏在一门新兴生意里。一、GPU不够卖,算力中间商来了AI热潮最先改变的,是GPU的分配方式。当全球科技公司都在争抢英伟达芯片时,拥有采购渠道、资金和数据中心资源的中间商,开始找到新的生意机会。Megaspeed做的,就是把芯片变成可以出租的算力。它从英伟达及其服务器合作伙伴采购GPU整机,再将服务器部署到马来西亚等地的数据中心,接入云平台,向全球客户出租计算能力。客户不必自己购买服务器,也不用建设机房。只要通过网络连接,就可以按需使用GPU。这与传统芯片代理商有一个重要区别:代理商卖的是硬件,算力中间商交付的是计算能力。一颗GPU从英伟达供应链出发,经过服务器厂商和贸易商,进入数据中心,最终变成云端可以调用的算力。中间商赚取的,是硬件采购、基础设施部署与算力服务之间的差价,以及整合稀缺资源所产生的溢价。这门生意能够成立,靠的是两股力量。一边是全球GPU供不应求。大模型训练和推理需求迅速增长,科技公司、初创企业和研究机构都在寻找算力,能够拿到芯片、迅速交付的公司,就有机会获得订单。另一边是东南亚数据中心的扩张。新加坡是区域数据中心和金融枢纽,但土地、电力和能耗限制让新增项目面临压力。与新加坡相邻的马来西亚,尤其是柔佛州,拥有相对充裕的土地和电力资源,逐渐承接了数据中心投资。于是,一种新的分工形成了:芯片从全球供应链采购,服务器在东南亚部署,算力通过网络交付给不同国家的客户。这也让芯片和算力出现了某种分离。GPU的物理位置可以在马来西亚,使用它的客户却可能远在其他国家。客户不需要把芯片运到自己身边,只要能够远程访问数据中心,就能获得计算能力。远程调用本身并不违法。关键在于最终用户是谁、用于什么目的,以及具体服务安排是否符合出口管制要求。但在GPU稀缺的年代,这种连接不同地区资源的能力,本身就具有商业价值。Megaspeed紧紧抓住了这个机会。二、马来西亚,撑起一门数十亿美元的生意Megaspeed的扩张,几乎与马来西亚数据中心产业的起飞同步。这家公司早年与游戏厂商7 Road International有渊源,主要从事海外游戏发行和运营。2023年更名后,它开始转向云计算和AI基础设施,并进入英伟达云合作伙伴体系(NCP)。转型的速度相当惊人。根据路透社披露的财务资料,Megaspeed的资产规模从2023年的约3290万美元,增长到2024年的近30亿美元,增加了近90倍;2024年营收达到2.94亿美元。不过,规模膨胀并不意味着生意已经赚钱。公司2024年税后亏损约2000万美元。这并不难理解。算力生意是一门重资产生意。GPU采购、数据中心租赁、电力预付款和设备部署,都需要大量资金先行投入。服务器开始运营后,还要持续承担折旧和融资成本。只有算力租金逐步回流,前期投入才有机会转化为利润。Megaspeed需要不断采购芯片、建设算力资源,再寻找客户消化产能。增长越快,资金需求也越大。它的采购规模同样惊人。彭博社根据马来西亚、印尼海关记录统计,截至2025年11月底,Megaspeed及其关联公司进口的英伟达硬件至少达到46亿美元,涉及约13.6万颗GPU。为了支撑这门生意,Megaspeed在东南亚搭建了复杂的关联公司网络,不同实体分别参与采购、清关和业务运营。问题也随之而来:如此大规模的芯片进入东南亚之后,究竟部署在哪里,又由谁使用?马来西亚政府开始收紧对高性能芯片流转的管理。2025年7月14日,马来西亚投资、贸易与工业部宣布,美国原产高性能AI芯片的出口、转运和过境需要取得战略贸易许可证。这并没有禁止企业在马来西亚进口和部署芯片。监管重点是芯片进入当地之后,是否会继续流向其他目的地。马来西亚的吸引力,不只在于土地和电力。它还提供了一个特殊条件:芯片可以部署在当地,算力却能通过网络服务其他市场。2025年3月,《华尔街日报》报道了一起颇为特别的案例。四名工程师飞往马来西亚,每人携带15块硬盘,合计约80TB训练数据。他们没有把数据通过网络传输到境外,而是直接带着硬盘抵达当地数据中心,再租用服务器完成模型训练。数据坐飞机,算力留在机房,训练好的模型参数再传回去。这起事件与Megaspeed没有已知的直接关联,却揭示了东南亚数据中心正在承接的一种新需求:客户不一定需要拥有芯片,只要能在当地获得算力,就可以完成远程计算任务。而对监管部门来说,问题也越来越具体。对于Megaspeed这样的公司,生意需要芯片顺利进入马来西亚,也需要算力能够持续交付给境外客户。当地政府开始追问芯片的下一站,意味着这条供应链不再只是采购、部署和出租那么简单。三、5万颗芯片,揭开供应链疑云2025年6月24日,Megaspeed的麻烦集中爆发。美国商务部工业与安全局(BIS)的调查人员来到公司在新加坡的业务现场,开展最终用途核查,并询问时任CEO黄乐。几乎在同一天,新加坡警方也开始询问她,并扣留了她的护照。两拨调查人员关注的事情并不完全相同。美国商务部关心的是先进芯片有没有流向受限制的最终用户,新加坡警方调查的,则是服务器采购过程中是否存在虚假申报,以及设备是否被运往申报地点以外的地方。一家公司,一批服务器,两套调查视角。新加坡是重要的转口贸易和资金结算枢纽,服务器可以从这里采购、结算,再运往马来西亚。对于调查人员来说,关键问题是:设备究竟去了哪里?申报的最终目的地,是否就是实际使用的地方?新加坡警方还曾多次向美国司法部和FBI寻求协助,希望美国服务器供应商Supermicro配合调查,但获得的协助有限。这场调查并没有很快结束。2026年2月,新加坡警方认为证据不足,无法认定黄乐涉及此前调查的服务器申报犯罪。但警方同时认定,她在调查过程中提供了明知不准确的信息,试图淡化自己在Megaspeed的角色。最终,新加坡方面向她发出严厉警告,并禁止她再次入境。这并不意味着Megaspeed已经被认定违法。针对公司及其他六名相关人员的调查仍在继续。黄乐的遭遇只是这场风波的一部分。真正让调查变得复杂的,是另一组数字。彭博社比对贸易记录和英伟达库存数据后发现,英伟达通过硬件合作伙伴向Megaspeed销售的芯片数量,可能比其向美国政府报告的数量少约5万颗。英伟达对此给出了另一种解释:公司额外检查了Megaspeed的其他仓库,发现了一批此前没有纳入统计的设备,但没有披露具体数量。因此,5万颗的差额并不等于芯片失踪,更不能直接推导出走私。但这个数字足以说明,先进芯片供应链的追踪并不简单。一颗GPU从制造商出发,可能经过服务器厂商、贸易商、关联公司和第三方托管机房。不同环节的库存记录、海关数据和实际部署情况,未必能够实时对应。而5万颗GPU,已经足以支撑数个大型算力中心。Megaspeed的调查,也因此不再只是一个公司的采购和申报问题。2025年夏天,英伟达法务负责人Tim Teter曾致电美国商务部出口管制副部长Jeffrey Kessler,询问BIS是否参与了新加坡对黄乐的调查。此后,BIS内部有关英伟达的沟通和信息请求受到额外限制,部分事项转由Kessler处理。这一变化引发了国会和政界的质疑。同年11月,Axios又披露,美国财政部长贝森特曾在白宫会议上质问商务部长卢特尼克,为什么Megaspeed还没有被列入实体清单。报道还称,财政部、国防部、国务院和美国贸易代表办公室此前支持对其采取限制措施。一笔芯片生意,开始牵动美国政府内部不同部门的利益和判断。英伟达需要全球市场,需要尽可能扩大芯片销售,美国政府则希望先进计算能力不流向受限制的用户和地区。前者关心商业规模,后者关心技术流向。Megaspeed恰好站在两者的交界处。四、算力套利的好日子,到头了Megaspeed的商业模式,最依赖的其实是一种分离:芯片部署在哪里,算力就在哪里产生,但算力最终由谁使用,可以通过云服务跨越边界。这套安排曾经给算力中间商留下了很大的经营空间。但现在,监管开始追踪的不只是芯片本身,还有芯片所提供的计算能力。今年11月16日,美国商务部工业与安全局公布针对先进芯片远程访问的临时最终规则(IFR),将监管范围延伸到先进计算能力的远程访问。新规为先进计算能力设定了1200万TPP的门槛,大致相当于750颗H100或H200的计算能力。达到相关条件的数据中心,如果向特定受限制地区的企业提供远程算力服务,可能需要取得美国出口许可。通过第三方中介提供访问,也被纳入监管考虑。规则还涉及马来西亚、新加坡、印尼、泰国和巴西等地的先进芯片出口、再出口和转移许可要求。这次变化,触及了算力中间商生意里最重要的一环。过去,企业可以在第三国建设数据中心,再通过云服务向境外客户出租算力。但如今,芯片的物理位置不再是判断合规与否的唯一依据,远程访问者和最终用途也进入审查范围。当然,这不意味着所有跨境云服务都被禁止。是否需要取得许可,仍取决于计算能力门槛、所在地区、最终用户和具体访问行为。但对Megaspeed来说,经营难度已经变了。它不仅要找到GPU、机房和客户,还要弄清楚每一批算力最终交付给谁,是否需要许可,以及客户的远程访问是否符合监管要求。原来可以通过云端连接起来的全球客户,如今可能成为一项需要逐一核查的合规责任。同一个数据中心,同一批GPU,能不能继续出租,已经不只取决于有没有客户,还取决于客户是谁。2026年11月,马来西亚政府宣布调查Megaspeed关联方Speedmatrix进口芯片是否被再次出口,并强调此前对数据中心的例行检查,并不代表政府为Megaspeed出具了合规背书。美国商务部和司法部也确认,对Megaspeed的调查仍在继续。从一家游戏业务背景的公司,到一年内资产膨胀近90倍的AI算力玩家,再到被断供、调查和监管规则包围,Megaspeed几乎经历了全球算力套利周期最完整的一轮起落。它踩中了GPU短缺的窗口,也踩中了东南亚数据中心扩张的窗口。但是,当监管开始追踪远程访问,芯片的最终去向变得越来越重要,这段距离也就不再只是商业机会。Megaspeed还没有等到调查的最终结论,但这家公司所依赖的增长逻辑,已经遭遇了降维打击。靠信息差与监管缝隙生存的中间商模式,也就此走到了灰色地带的终点。算力中间商的淘金时代,结束了。【版面之外】的话:风口最迷人的地方,是它会让人误以为增长可以一直持续。Megaspeed把芯片短缺变成了一门生意,却没能让这门生意摆脱外部规则的约束。AI时代,最稀缺的资源未必只是算力,还有决定算力流向的权力。
欧盟少了9.5亿件跨境包裹,国内卖家的长尾生意还能做吗?
虎嗅 · 2 天前
本文来自微信公众号: 好望角view ,作者:好望角出海编辑部11月19日,阿里巴巴发布三季度财报,国际电商业务收入为257.23亿元,同比下降8%。阿里将收入下降主要归因于欧盟海关改革对速卖通业务的影响。三周前,欧盟委员会公布了一组更为直观的数据。今年三季度,欧盟进口低价值电商包裹约5.55亿件,去年同期约为15.07亿件,同比减少约63%。欧盟委员会发现,部分原本通过小包裹进入欧洲的商品,已经转为批量进口,在欧洲境内储存和分销。今年7月1日起,欧盟取消了价值不超过150欧元的进口小包裹关税豁免,对包裹内不同海关税目类别的商品分别征收3欧元临时关税。11月1日起,欧盟又增加了2欧元的海关处理费。过去十多年,中国跨境电商依靠制造业丰富的商品供给和低成本跨境物流,将原本无法进入海外零售渠道的大量小众商品卖给了全球消费者。欧盟此次海关改革,正在改变这部分商品的经营条件。01购物篮里的商品越多,关税可能越高7月2日,一位在欧洲留学的消费者在Temu上购买了几个猫玩具和厨房用品,商品总价约为20欧元,结算时却产生了12欧元关税。据《财经》报道,这笔订单中的商品分属四个海关税目,每个税目分别被征收了3欧元。欧盟此次关税改革有一个值得关注的细节:3欧元关税按照商品的海关税目类别征收。假设两个包裹的商品总价均为15欧元,重量相近,物流距离也相同。如果其中一个包裹装的是三件属于相同税目的商品,关税为3欧元;如果另一个包裹里的三件商品分属不同税目,关税则为9欧元。这项规则直接影响了中国跨境电商过去擅长的一种经营方式。消费者原本只想买一个手机壳,在浏览商品的过程中,又顺手买了数据线、收纳盒和玩具。平台通过商品推荐扩大了消费者的购买范围,同时利用合包配送分摊跨境运输成本。几件单独销售利润微薄的小商品,组合成一笔订单之后,便有机会覆盖获客、物流和售后服务成本。中国跨境电商庞大的商品供给,为这种经营方式提供了基础。平台可以从不同品类、不同工厂的商品中,不断寻找消费者感兴趣的产品。但欧盟的征税方式给多品类购物篮增加了新的成本。消费者每购买一种不同税目的商品,都可能需要额外承担3欧元关税。一件售价2欧元的小商品,可以作为其他商品的补充,帮助平台增加一笔订单的收入。现在,如果这件商品属于另一个税目,增加的关税甚至可能超过商品本身的价值。消费者也很难通过购买更多同类商品来解决这个问题。一个需要购买手机壳和厨房用品的人,通常不会因为关税的原因,将后者换成另外几个手机壳。欧盟的关税正在对购物篮的商品多样性产生影响,而商品多样性恰恰是中国跨境电商提高客单价的一项重要能力。欧洲本地零售商则拥有不同的成本结构。商品通过传统贸易方式批量进口,按照相应规则缴纳关税,消费者在当地仓库发货的订单中购买不同种类的商品时,无须再按直邮包裹中的税目类别触发这项3欧元临时关税。这会使部分原本由中国跨境电商完成的购物需求,重新流向欧洲本地零售渠道。02一份库存卖全球的生意变难了广东玩具卖家晓婷已经开始重新选择在欧洲销售的商品。据第一财经7月报道,欧盟新规实施后,她店内原本售价3至5欧元的直邮玩具涨价3欧元,销量和转化率随即下滑。相较之下,售价超过10欧元的商品受到的冲击较小。晓婷计划逐步淘汰低价商品,将经过市场验证、具有长期销售潜力的产品发往海外仓,同时保留部分直邮业务。玩具行业有一个鲜明的特点:商品款式丰富,更新速度快,单款商品的销售周期往往较短。过去,晓婷可以在国内准备数百款玩具,将这些商品卖给欧洲以及其他国家和地区的消费者。哪个市场产生订单,就从国内库存发往哪里。这正是跨境电商长尾模式得以成立的基础。假设一家中国工厂生产了适配50种型号咖啡机的密封圈。其中一些型号在法国每个月只能卖十几件,在德国也只有几十件。对于欧洲当地零售商而言,这些商品的销量很难支撑单独的采购和库存。但中国卖家可以将50种商品全部上架,用国内同一份库存服务全球市场。一款商品在单个国家的销量很小,放在全球市场中,累计需求仍然可能形成一门生意。互联网电商突破了实体零售的货架限制,而跨境直邮进一步降低了库存的地域限制。中国制造业丰富的商品供给,由此获得了进入全球市场的机会。海外仓改变了这种经营方式。一家每年能够在欧洲销售10万件手机壳的企业,可以通过集装箱批量进口,在当地完成配送。它拥有足够的销量分摊仓储、资金占用和本地配送成本。但对于一款每年只在欧洲销售100件的特殊型号配件,卖家还需要判断,这100件的销量值不值得为欧洲市场专门准备库存。中国跨境卖家过去获得的规模经济,在很大程度上来自全球消费者共享国内库存。海外备货之后,区域市场的销量和需求稳定性开始决定商品是否具有经营价值。这种变化还会影响中国工厂开发新产品的方式。过去,一家玩具工厂可以开发100款产品,每款先生产少量商品,通过跨境电商平台观察不同国家的订单表现,再选择其中几个销量好的款式扩大生产。全球消费者的真实订单,承担了一部分工厂的市场调查和产品测试工作。如果工厂需要提前将这些商品运往欧洲,情况就不同了。在消费者用订单验证商品之前,工厂已经承担了库存投资。原本可以低成本测试的100款商品,需要经过更严格的筛选。成熟商品更容易获得库存资源,新产品则需要更充分的销售预期。跨境直邮降低了中国制造业了解全球需求的成本。随着这一模式受到冲击,一部分工厂探索海外消费需求的成本也会上升。03那些卖不出多少货的商品,究竟值多少钱?阿里三季度财报还有一个值得关注的现象:国际电商业务收入下降8%,亏损却有所收窄。今年二季度,速卖通已经实现经营利润。阿里将其归因于物流优化和运营效率提升,并披露本地供给贡献的销售占比显著提高。对于跨境电商平台而言,扩大商品供给和订单规模固然重要,但每一笔订单都需要消耗获客、物流和售后资源。当一部分低价订单难以覆盖这些成本时,平台提高商品筛选标准、优化履约方式,甚至减少部分交易,都有可能改善盈利情况。但只看每款商品贡献的交易额和利润,也可能低估长尾商品的价值。一个欧洲消费者需要购买某种特殊型号的吸尘器配件,在当地零售商和其他电商平台上找不到,于是打开了速卖通。这件配件一年可能只卖出几百件,为平台贡献的佣金收入相当有限,却给消费者提供了一个使用速卖通的理由。消费者还可能在购买配件时,下单其他商品。从这个角度看,长尾商品既是平台的交易资源,也具备一定的获客价值。假设一个跨境电商平台淘汰100万款销量很低的商品,直接损失的GMV占比可能并不高,但它同时失去了大量满足消费者特殊需求的机会。平台需要通过其他方式获取这些消费者,例如购买搜索广告、进行促销,或者增加品牌营销投入。这给跨境电商平台提出了一个新的经营难题:淘汰一款库存周转较慢、单笔利润较低的商品,究竟能够提高多少经营利润,又会损失多少潜在用户和关联交易?中国跨境电商过去通过几乎无限延伸的数字货架,建立了与传统零售商不同的竞争优势。如果平台为了提高履约效率,越来越倾向于经营销量大、周转快的商品,它与本地零售商之间的商品重合度也可能提高。届时,平台一方面提高了经营效率,另一方面却需要在越来越相似的商品上,与其他竞争对手争夺同一批消费者。商品丰富度的收缩,可能使中国跨境电商用更高的获客成本,换取更低的履约成本。这也是评价此次关税改革对平台经营影响时,需要长期观察的一个问题。04速卖通会越来越像亚马逊吗?据路透社报道,亚马逊在2025年面向欧盟市场的发货中,97%已经由欧盟境内仓库完成。与此同时,SHEIN正在扩大其位于波兰的仓储设施,速卖通也在增加本地仓储。过去,亚马逊花费大量资金建设本地仓储、配送和退货网络。中国跨境电商平台则可以通过集中在中国的商品库存和跨境直邮,以相对轻的资产模式经营全球市场。两种经营方式各自拥有不同的规模优势。速卖通的规模优势很大程度上来自中国制造业极其丰富的商品供给,以及这些商品在全球市场聚集起来的需求。亚马逊的规模优势则更多体现在区域市场的订单密度、库存管理和本地配送效率上。一个地区的订单越多,仓库和配送网络的利用效率就越高。欧盟关税改革正在改变这两种经营方式的成本关系。对中国跨境电商而言,建设海外仓只是转变经营方式的第一步。随后还需要解决商品需求预测、区域库存配置、补货效率以及滞销商品处理等问题。平台的推荐算法也将面临新的任务。原来的时候,算法需要从数量庞大的商品中找到消费者可能喜欢的产品,帮助一家中国工厂发现海外需求。如果现在更多商品需要提前进入海外仓,平台还需要帮助商家判断哪些商品值得投入库存,以及这些商品能否在限定的时间内卖出去。这对中国卖家的能力提出了不同要求。一家擅长发现小众需求、开发新款商品的小企业,曾经可以依靠中国供应链优势,在多个海外市场迅速建立生意。随着本地库存的重要性提高,资金实力、区域市场经营能力和库存管理能力将占据更加重要的位置。未来,像晓婷这样的卖家仍然可以经营大量长尾商品,也可以将一部分库存投向拉美、东南亚等其他市场。但在欧洲,哪些商品值得继续销售,哪些商品值得提前备货,将成为更频繁的经营决策。中国跨境电商过去最大的创造之一,是让一个销量很小的商品,也有机会在全球市场找到自己的消费者。欧盟正在提高维持这种商品供给的成本。中国卖家接下来需要回答的,是如何在提高经营效率的同时,保留那些让全球消费者愿意打开中国电商平台的商品。
大众花巨资买软件,想拿回什么?
虎嗅 · 2 天前
本文来自微信公众号: 汽车财报 ,作者:汽车财报工作室2026年第三季度,美国电动车公司Rivian从大众汽车集团的合作中确认了3.54亿美元收入,占当季软件及服务业务收入的59%。今年前三季度,这项合作累计贡献9.44亿美元收入。Rivian的汽车销量远小于大众,却成为大众重要的软件技术合作伙伴。双方成立了一家各持股50%的合资公司,开发下一代汽车电子架构。大众承诺的投资及交易安排最高达到58亿美元,包括技术许可、股权投资和融资支持等项目。大众有自己的软件研发团队。2020年,它开始整合集团的软件开发资源,后来成立CARIAD,希望为大众、奥迪、保时捷等品牌提供共同的软件平台。但CARIAD的开发进度多次影响新车计划。2023年至2025年,这个部门连续录得超过20亿欧元的年度经营亏损,三年累计接近70亿欧元。一家拥有庞大研发体系的汽车集团,已经在软件上投入多年,如今又要向一家规模更小的电动车企业购买技术。双方的合作还规定,大众承担前期通用技术研发费用的75%。01|CARIAD连亏三年,大众换了开发方式大众成立CARIAD时,希望结束旗下各品牌分别开发基础软件的局面。大众、奥迪、保时捷拥有各自的电子平台和车型开发计划,车身、座舱、辅助驾驶等功能分散在大量电子控制单元中。不同供应商提供控制器及配套软件,整车厂负责把这些系统连接起来。汽车的软件功能越来越多,各品牌之间的开发差异也越来越大。同一项基础功能需要适配不同的芯片、控制器和车型平台,软件更新还涉及测试、验证和后续维护。大众希望将这些工作集中到CARIAD,由集团统一开发底层软件,再供不同品牌使用。但项目推进并不顺利。保时捷纯电Macan、奥迪Q6 e-tron等车型的软件开发曾遭遇延期。原定用于部分高端车型的软件平台进度受到影响,大众随后调整项目安排。2023年,CARIAD管理层发生大规模变动,软件业务的组织结构和开发计划也开始重新规划。对汽车企业来说,软件延期往往会牵动整车项目。一款新车的底盘、动力系统和车身已经进入开发后期,如果座舱、辅助驾驶或者电子架构还需要调整,相关控制器、芯片以及系统测试也要跟着重新安排。车型上市时间一旦推迟,原定的销售计划和产品更新节奏都会受到影响。CARIAD在这段时间持续投入大量资金。根据大众集团财报,2023年CARIAD经营亏损23.92亿欧元,2024年亏损24.31亿欧元,2025年亏损21.80亿欧元。三年累计经营亏损约70亿欧元。2025年,CARIAD收入达到17.75亿欧元,高于2024年的13.27亿欧元,但仍不足以覆盖研发及其他经营支出。它承担大量面向未来车型的软件开发工作,相关投入持续发生,经营收入则主要来自向集团品牌提供的软件及技术服务。大众没有放弃内部软件研发。CARIAD继续承担集团共用技术开发,包括信息娱乐、自动驾驶、云端服务和车辆运动控制等领域。集团同时开始扩大外部合作,将部分基础架构开发交给拥有现成技术的企业。2023年,大众与小鹏建立合作关系,随后将合作扩大到中国市场的电子电气架构。2024年,大众又宣布与Rivian共同开发新一代软件和电子系统。两家合作伙伴的背景很不一样。小鹏在中国市场拥有成熟的智能电动车平台和本地研发团队,Rivian则已经在自己的电动车上应用集中式电子架构和相关软件。大众可以在已有技术基础上开发新车型,减少重新设计底层系统的工作。不同品牌依然保留各自的产品开发团队,部分共用软件和架构则交给新的合作组织完成。2024年11月,大众与Rivian正式成立合资公司RV Tech。双方各持有50%股权,但后续研发费用没有按照股权比例平分。02|股权各占一半,大众却承担75%的开发费用按照大众与Rivian的协议,到2028年,双方共同使用的通用技术开发费用,大众承担75%,Rivian承担25%。从2029年起,相关费用原则上平均分担。考虑到大众拥有更庞大的车型组合,大众每年还要额外支付1亿美元。只服务其中一家企业的开发项目,则由受益方承担全部费用。这项安排给Rivian带来了相当大的资金支持。Rivian已经为自己的电动车开发了软件、控制器和车内网络架构。与大众合作后,这些技术将继续用于Rivian未来的车型,同时根据大众集团的要求进行适配和扩展。大众需要将共同架构应用到多个品牌,开发任务更多,承担的费用也更高。Rivian可以使用同一套研发成果,前期通用开发投入却只需承担四分之一。除了分担研发费用,大众还购买了Rivian已有技术的使用权。Rivian向美国证券交易委员会提交的文件显示,大众取得其部分现有电子架构和软件技术的永久、不可撤销、非独占许可,同时获得相关源代码、技术资料和商业秘密。2024年11月,Rivian收到12.95亿美元知识产权许可款。此后,Rivian还需要按照合同继续提供技术开发、定制和增强服务。非独占许可意味着Rivian可以继续使用相关技术,大众则按照协议将其用于自身车型开发。这项安排甚至让双方未来可能直接竞争。Rivian在SEC文件中提示,大众获得技术许可后,可以将相关能力用于自己的汽车产品,双方在部分市场和车型上存在竞争关系。大众接受了这种安排。获得源代码和技术资料后,大众可以在许可范围内将相关技术集成到自己的电子架构中,参与后续开发、修改和维护。它还要组织软件团队适配不同车型,再选择对应的芯片、控制器和其他零部件。Rivian则已经开始获得合同收入。今年第三季度,Rivian软件及服务业务收入6.05亿美元,同比增长45%,毛利润2.56亿美元。其中,大众相关合作贡献3.54亿美元收入,高于去年同期的2.14亿美元。Rivian的软件及服务业务还包括车辆维修、付费软件等项目,因此该业务的毛利润不能全部归于大众合作。3.54亿美元也是按照合同履约进度确认的收入,与当期收到的现金有所区别。不过,对一家仍在扩大汽车生产规模的电动车企业而言,技术许可和开发服务已经成为重要收入来源。Rivian披露,现有大众合作的主要开发履约义务预计持续至2028年中期。双方今年9月又签订了额外技术许可及开发安排,新的收入将随着后续工作推进逐步确认。最高58亿美元的合作安排中,还有大众对Rivian的股权投资和贷款。股权投资让大众参与Rivian未来的企业价值,融资支持帮助Rivian维持研发和经营所需的资金。技术许可款和开发费用,则对应双方已经交付或约定完成的软件工作。Rivian已经从这笔合作中取得了可观收入。大众随后需要把取得许可的软件和共同开发的电子架构,用到自己未来的量产汽车上。03|控制器减少30%,大众开始重新采购芯片今年1月28日,大众宣布中国电子电气架构CEA进入量产阶段,首款搭载车型是ID.与众07。CEA由大众中国技术中心、CARIAD中国和小鹏共同开发,从概念到量产历时18个月。大众计划将这套架构扩展到更多中国车型,覆盖不同动力类型。按照大众披露的数据,与上一代车型架构相比,CEA减少约30%的电子控制单元。新的开发流程还可以将整车开发周期最多缩短30%,部分重点项目的新车型开发成本最多降低50%。控制器数量减少,源于汽车电子架构发生了变化。过去,车门、空调、灯光、座舱和其他功能分别使用不同电子控制器,整车厂向零部件供应商采购相对独立的系统。一套控制器通常包含硬件、底层软件和对应的控制功能。区域控制架构将部分分散的功能整合到新的控制器和计算平台上,再通过统一的软件系统管理。原本分别开发的功能需要重新适配,部分独立控制器和连接线束也可以随之减少。大众因此重新安排芯片和控制器的采购。今年1月8日,大众与高通签署长期芯片供应合作意向书,计划从2027年起为欧美市场的新一代软件定义汽车架构提供骁龙数字底盘相关技术,主要覆盖智能座舱和连接功能。10月26日,大众宣布扩大与恩智浦的合作,选择S32K5系列微控制器作为未来区域控制架构的基础部件。这套技术将用于大众与Rivian开发的新架构,并计划覆盖集团多个品牌。高通进入座舱计算平台,恩智浦参与区域控制器的基础芯片供应。大众则通过统一架构,决定不同计算平台和软件模块如何连接。这样的采购变化会影响传统汽车电子供应商。在分布式架构下,供应商可以围绕车身、空调或其他独立功能开发完整控制器。相关功能被整合进区域控制器之后,原有产品需要适配新的平台,部分独立控制器的需求也会减少。与此同时,被选为基础芯片或系统软件供应商的企业,有机会随着多个车型量产扩大出货。大众的中国项目已经进入量产,欧美项目仍在开发。今年3月,RV Tech宣布完成新一代区域控制电子架构的阶段性冬季测试。测试涉及大众ID.EVERY1、奥迪和Scout等品牌的参考车辆,研发团队分别在美国和瑞典开展验证。大众计划从2027年起,将这套架构逐步应用于欧美市场的量产车型。中国CEA与欧美RV Tech采用不同的合作安排,技术和车型开发计划也分别推进。但大众都希望在各自的市场,让更多车型共用基础电子架构。对于拥有多个品牌的汽车集团,重复开发是长期存在的成本。一项座舱功能如果需要适配不同芯片、控制器和通信系统,集团内部多个品牌就可能重复投入工程人员和测试资源。统一基础架构后,部分开发成果能够跨车型使用,新车型再根据配置要求增加对应的软件和硬件。CARIAD仍然需要参与这些工作。大众采购高通的计算芯片和恩智浦的微控制器后,还要由内部团队及合作伙伴完成软件适配、功能集成和整车验证。新架构不会取消全部外部采购,也不会让大众停止内部开发。大众花钱取得Rivian的技术使用权和源代码,是为了让这些外部产品能够进入自己长期使用的系统。此后更换芯片、增加功能或者开发新车型,集团可以围绕已有架构继续组织供应商。但控制器数量减少30%,还无法直接回答大众能节约多少钱。04|数十亿美元投入,要靠多少款车收回?大众已经为软件开发付出高昂成本。CARIAD在2023年至2025年累计经营亏损约70亿欧元。与Rivian的合作又涉及最高58亿美元的投资及交易安排,其中一部分资金用于获得技术许可和共同开发,一部分用于股权投资及融资支持。两套开发体系还在同时运行。中国CEA已经进入量产,RV Tech准备从2027年开始向量产车型交付新的电子架构。CARIAD继续为集团开发共用软件,大众旗下各品牌也需要保留产品开发和系统集成团队。大众能从这笔投入中得到多少回报,要看新架构今后的实际应用范围。首先是车型开发时间。CARIAD此前的软件延期曾影响奥迪和保时捷的产品进度。大众与小鹏共同开发CEA,用18个月实现了首款车型量产。如果这一开发方式能够复制到更多车型,集团就有机会减少不同项目之间的重复开发和协调工作。大众还需要考虑旗下多个品牌的产品更新。奥迪、保时捷和大众品牌有不同的车型定位与上市周期。使用共同电子架构后,基础软件可以提前开发和验证,品牌团队再根据车型需要调整配置。相同的开发成果能否在多个项目间复用,将直接影响后续研发费用。第二项收益来自硬件和采购。CEA减少约30%的电子控制单元,但新的区域控制器和计算平台需要更强的芯片、存储和软件支持。减少控制器数量,未必带来同比例的电子系统成本下降。大众还需要为高通、恩智浦及其他供应商支付采购费用,并承担新平台的集成和验证成本。如果多个品牌使用相近的计算平台,供应商可以围绕共同的技术要求开发产品,大众则能够减少不同车型之间的重复适配,并集中组织部分采购。采购规模扩大后,集团才有机会在芯片、控制器和软件开发合同中获得更有利的条件。第三项收益取决于未来的软件维护。汽车销售之后,操作系统和电子控制功能仍需长期维护。不同车型使用的基础软件越分散,后续升级、故障修复和安全验证需要覆盖的技术组合就越多。大众已经取得Rivian部分技术的长期许可和相关源代码。未来多个品牌如果采用共同架构,集团便可以在较统一的基础上进行软件更新,并根据产品需求调整技术方案。这些收益目前还缺少完整的财务结果。大众公布了开发周期和控制器数量的改善幅度,却尚未披露新架构在集团范围内实际节省了多少研发费用。RV Tech的软件也要等到2027年开始进入量产车型,才能逐步形成大规模应用。还有一个需要面对的问题:大众在中国和欧美分别建立了不同的电子架构体系。中国项目与小鹏合作,欧美项目与Rivian合作,两套系统都有各自的开发团队和技术安排。大众仍需协调集团内部的软件资源,避免新的合作体系再次形成过多重复投入。Rivian已经从合作中获得了大量技术收入。大众承担前期75%的通用研发费用,则是希望未来多个品牌都能使用这套架构。如果相关技术只应用于少数车型,前期研发费用就需要由有限的产量承担。随着更多车型采用,已完成的软件开发、集成和验证工作才有机会被重复使用。大众计划从2027年开始将RV Tech开发的电子架构应用于量产车型,并在此后逐步扩大到更多品牌。到那时,它此前为技术许可、共同研发和内部软件开发投入的巨额资金,才开始通过具体车型接受检验。
战魔田默|同样花70多亿美元,微软买诺基亚手机业务,迪士尼买皮克斯,为何结局不同?
虎嗅 · 2 天前
本文来自微信公众号: 商战最优解 ,作者:战魔田默,原文标题:《战魔田默|同样花70多亿美元,微软买诺基亚手机业务,迪士尼买皮克斯,为何结局不同?》2013年,微软宣布以约72亿美元收购诺基亚手机业务并取得相关专利许可。两年后,微软宣布对手机业务相关商誉与资产预计计提约76亿美元减值,寄予厚望的移动战略遭遇重大挫折。2006年,迪士尼宣布以约74亿美元收购皮克斯。十八年后,《头脑特工队2》仍创造了约17亿美元的全球票房。同样是70多亿美元,一笔没能扭转移动市场败局,另一笔则使已有的创作能力在新的产权安排下延续了近二十年。微软买到了手机研发、制造与销售体系,却没有买到足以赢得移动生态竞争的关键优势。迪士尼获得了皮克斯的控制权,却没有因为收购而破坏它持续创造优秀作品的基础。为什么有些企业买下了资产,却没能改变竞争结果;有些企业完成收购,却能够创造更大的长期价值?170多亿美元,究竟买到了什么?2013年9月3日,微软与诺基亚宣布交易。微软计划以37.9亿欧元收购诺基亚绝大部分设备与服务业务,再以16.5亿欧元取得相关专利许可,合计54.4亿欧元,按当时汇率约合72亿美元。2014年4月25日交易完成,约2.5万名员工转入微软。约72亿美元是双方宣布时的交易报价;微软2015财年年报确认的总收购价格为94亿美元,其中包含收购取得的15亿美元现金,并涉及可转换票据回购等非现金项目。两者会计口径不同,资产减值也不能直接等同于交易的现金亏损。微软得到的是手机产品研发、工业设计、制造设施、供应链、全球渠道及相关经营资源。诺基亚曾凭借这些能力长期占据全球手机产业的重要位置。微软则拥有Windows、Office及广泛的企业客户基础。软件与硬件由一家公司统一组织,看起来有望弥补双方原有合作中的协调成本。迪士尼的交易不同。2006年1月24日,它宣布以换股方式收购皮克斯,宣布时交易价值约74亿美元,扣除皮克斯持有的现金后,净交易价值约63亿美元;交割后确认的收购价格约75亿美元。1997年的联合制作协议已经赋予迪士尼相关影片的独家发行和商业开发权,双方共同拥有协议项下作品的相关知识产权;更早的《玩具总动员》则适用不同的合同安排。迪士尼2006年收购皮克斯,真正获得的不只是原有作品权益的进一步整合,更是对未来创作组织和长期合作关系的重新安排。微软试图用交易补齐尚未建立的移动平台优势;迪士尼希望巩固一种已经验证有效的创作与发行关系。资产可以同样昂贵,背后的战略任务却完全不同。2微软为什么非买诺基亚不可?2007年iPhone问世后,手机竞争从通信设备加速转向移动计算平台。操作系统、应用商店、开发者投入、数字服务与用户体验,逐渐决定产品的长期吸引力。诺基亚过去依赖硬件质量、工业设计、品牌及渠道建立优势。进入智能手机时代,这些资源依然重要,却不足以单独决定胜负。消费者购买一部手机,也是在选择未来数年能够使用的应用、服务及与其他设备的协同方式。对微软而言,这场变化触及根基。在个人电脑时代,Windows连接着制造商、开发者和企业客户,微软长期拥有重要的软件分发与生态地位。如果消费者的数字生活主要迁移到由iOS和Android主导的移动终端,微软面临的不只是错过手机销售,更是下一代计算入口的竞争被动。2011年,微软与诺基亚结盟,尝试以Windows Phone和Lumia构建第三种智能手机生态。诺基亚急需新的操作系统,微软急需有实力的终端伙伴。但经过两年投入,Windows Phone仍然未能打破主流移动生态的格局。直接收购手机业务,便成了微软希望加强产品控制、统一研发节奏与营销资源的选择。苹果的软硬件一体化实践也为此提供了可见的参照。然而,苹果建立竞争优势,靠的并不是简单地把软硬件放在同一家公司,而是长期形成的产品体系、开发者生态与用户关系。微软可以买下诺基亚的终端能力,却无法把苹果和Android阵营已经积累的用户与开发者关系一并收入交易清单。这也是为什么微软的战略选择既有现实紧迫性,也包含结构性风险。诺基亚手机业务的衰落,确实需要更强的软硬件配合;但移动平台的成败还取决于开发者和用户的共同选择。前一个问题可以通过内部组织调整改善,后一个问题即便花钱完成收购,仍然要在开放市场上重新争取。3手机业务买到了,用户为什么没有跟过来?诺基亚不是一家失去全部产品能力的企业。Lumia系列有鲜明的工业设计与影像特色,原有供应链和渠道仍可支撑大规模销售。微软2015财年售出3680万部Lumia手机,另售出1.268亿部非Lumia手机。两类产品的销量,不能合并用来衡量Windows Phone智能手机生态的规模。但手机卖出去,不等于操作系统站稳脚跟。一个成熟的移动平台拥有自我强化的网络效应:用户数量影响开发者投入,应用供给影响消费者选择,消费者增长又决定开发者的收益预期。当平台规模明显落后,开发者就要计算单独开发和维护应用的回报;应用不够丰富,用户便更难留下。两边相互影响,后来者即便有优秀硬件,也很难迅速追平。IDC统计显示,2014年全球智能手机出货量中,Android占81.5%,iOS占14.8%,Windows Phone仅占2.7%。微软能够统一手机软硬件研发,却不能通过收购命令开发者优先适配Windows Phone,更不能直接改变消费者已经形成的习惯。移动平台的难处还在于,开发者并不只判断一部手机卖得好不好。他们需要预测一款应用未来数年的安装规模、支付转化、维护成本及技术迭代负担。即使微软提高了Lumia的产品质量,平台用户总量和应用分发机会仍决定开发者是否持续投入。手机销量的改善可以争取时间,却不能直接替代面向整个生态的长期投入。此后结果逐渐清晰。2015年7月,微软宣布手机硬件业务重组,预计计提约76亿美元减值;同财年实际确认相关商誉和资产减值约75亿美元。2016财年Lumia销量降至1380万部,较上一财年的3680万部大幅下降。减值不是新增的同等金额现金支出,也不能据此说诺基亚手机制造毫无价值。但它意味着微软对收购资产未来收益的原有预期已经失去支持。Windows Phone的挫折还与进入时机、产品路线、应用兼容和组织决策有关,不能归咎于单一因素。微软后来在云计算和企业软件等领域取得的发展,也不能反证这项收购成功。买下诺基亚手机业务,强化了微软对终端业务的控制,却没有改变移动平台最核心的竞争格局。它购买的是参与竞争的一部分条件,而不是决定胜负的全部条件。4迪士尼为什么愿意为皮克斯支付74亿美元?2006年的迪士尼,同样面临关乎长期竞争优势的问题。动画不仅是一门电影生意,也是角色授权、消费品、主题公园和长期品牌经营的源头。优秀作品可以多年产生商业回报,可全球发行网络与成熟的商业开发体系,并不能保证持续出现观众喜爱的角色和故事。皮克斯的稀缺之处,不只是计算机动画技术。技术解决作品如何制作;持续创作好故事,还依赖导演、编剧、动画师、技术人员的长期协作,以及项目评审和创意调整的组织机制。几部成功电影已经证明,这套体系有能力把想法转化为全球观众愿意购买的作品。迪士尼对此拥有多年直接经验。双方自1991年开始合作,《玩具总动员》等影片由皮克斯开发制作,迪士尼承担发行及商业开发的重要职责。到收购前,双方不仅清楚彼此的能力,也已经在合作中验证了作品的市场价值。2004年1月,皮克斯选择结束与迪士尼的续约谈判,双方长期合作关系一度面临终止。这意味着在完成原有协议约定的影片后,皮克斯可能寻找其他发行伙伴,而迪士尼则面临失去重要创作来源的风险。迪士尼在当时已有相当广泛的既有影片权益,但这些权利不能替代皮克斯继续创作下一部优秀作品的能力。失去合作伙伴并不意味着此前作品失去商业价值,却可能削弱迪士尼未来的动画供给。因此,收购的关键并不是再买一遍已经享有的发行权,而是重新安排未来创作、经营和收益的长期关系。迪士尼购买的,是能够在自身全球商业体系中持续发展的创作组织,而不只是一组已有电影资产。5迪士尼买下皮克斯,为什么没有急着改造它?2006年收购公告与交易文件中,有几项安排尤其值得注意:迪士尼与皮克斯两家动画工作室保留各自的制作设施;皮克斯总裁艾德·卡特姆负责双方动画业务管理;约翰·拉塞特担任两家工作室的首席创意官;史蒂夫·乔布斯进入迪士尼董事会。这些安排不是简单礼遇被收购方,而是关系到交易之后谁来组织创作、谁来决定项目、原有团队能否继续发挥优势。若只是收购版权,迪士尼完全可以把重心放在已有角色的商业开发上。但皮克斯最有价值的部分,是尚未诞生的作品所依赖的创作机制。把创意团队全部纳入陌生的流程、改变人才激励和项目决策,并不一定带来效率提升,反而可能损害收购时最看重的能力。迪士尼采取的是有选择的整合。集团的资本、发行、品牌与商业开发能力继续发挥作用,皮克斯原有创意领导力量不仅得到保留,还参与迪士尼动画业务的管理。收购方并没有放弃治理,而是将经营权责与创作规律作了相对匹配的安排。更重要的是,皮克斯原有领导者进入迪士尼动画业务,改变的不只是皮克斯能否独立创作,还包括迪士尼自身怎样组织动画项目。整合可以是把被收购企业纳入现有体系,也可以让其成熟能力反过来影响收购方的经营方式。后一种整合更考验收购方:既要承担最终治理责任,也要承认自己并非在每项专业活动上都拥有最优方法。许多收购者在交割后迫切希望证明整合成效,容易优先推动组织统一、预算统一和流程统一。然而创意产品不只依赖明确的成本与工期,也依赖允许试错、反复修改甚至推翻最初方案的工作环境。能够迅速统一的管理动作,未必就是最应该优先改变的经营机制。这种机制也不能被神化。2007年上映的《料理鼠王》在收购前已进入创作阶段,不能把收购后的上映直接等同于并购产生的成果。皮克斯后来同样经历作品表现起伏、人才变动和流媒体转型的冲击。收购之后,皮克斯仍持续推出具有全球影响力的作品。《机器人总动员》《飞屋环游记》《头脑特工队》相继问世,2024年的《头脑特工队2》又取得约17亿美元全球票房。这些成绩不能直接用于计算整笔收购的投资回报,却说明皮克斯的核心创作能力在新的产权与治理安排下得到了较长期的延续。迪士尼的经验不是“收购之后什么都别动”,而是先识别价值从哪里产生,再决定什么应该整合、什么必须保留。控制权可以集中,创造价值的专业判断未必需要全部收回总部。6决定胜负的条件,究竟能否通过收购改变?微软与迪士尼的差异,比“整合得好不好”更深一层。两家公司面对的关键竞争条件,与交易能够改变的范围并不相同。第一类,是能够通过交易直接取得或重新安排的资源,包括股权、设备、技术许可、特定合同权益与经营控制权。微软买下诺基亚手机业务,改变了硬件经营资源的归属;迪士尼收购皮克斯,改变了创作企业的产权及双方长期合作的治理安排。第二类,是能够通过经营影响、却不能由合同保证的能力。关键人才是否留下,团队能否持续创新,研发成果能否形成产品,客户关系能否维系,都需要时间和管理实践检验。微软即使统一软硬件团队,仍要改善产品与应用生态的协调;迪士尼取得股权后,也仍需维持皮克斯创作者的动力和有效协作。第三类,是收购方难以直接控制的外部竞争条件。消费者选择什么,开发者投入哪里,竞争对手如何反击,新的技术路线怎样改变市场,这些都不能被一份股权协议直接决定。企业可以施加影响,却不能把影响能力误认成结果控制权。微软最重要的难题,恰恰有相当一部分位于第三类。它需要吸引大规模开发者和用户参与Windows Phone,而诺基亚能够转让的主要是手机业务资源。收购强化了供给侧的控制力,却无法直接消除平台网络效应带来的劣势。并购模型容易出现一种误判,将能够控制的资源增长直接推导为市场份额增长。两者之间还隔着用户转换成本、产品体验、应用供给以及竞争对手的反应。如果这些环节不能被新的经营方式有效改变,资产规模增长并不必然改善竞争位置。迪士尼所要获得的关键能力,则已经存在于皮克斯的创作组织中。双方此前的合作证明,皮克斯的内容与迪士尼的发行和商业开发具有互补性。并购虽然不能确保未来每一部作品成功,却能够重新安排创作、发行、激励与治理之间的关系,使已有的价值创造机制获得长期合作条件。这并不意味着微软的收购在当时毫无合理性,也不意味着迪士尼的成功完全来自收购。两笔交易发生的行业、竞争阶段、合作基础和风险结构都不同,无法用事后结果代替决策时的信息。对这三类条件的判断,还需要关注时间顺序。收购合同可以在交割日改变控制权,组织调整往往需要几个季度乃至更长时间,开发者与消费者对平台的重新评价则可能经历多个产品周期。交易计划如果把三种变化都写在同一个收益兑现时点,便会高估短期协同。并购方案必须说明哪些成果能够立即实现,哪些只能逐步验证,哪些即使长期投入仍可能无法获得。决定未来胜负的关键变量,究竟有多少处在企业能够通过收购和经营改变的范围之内?这比“买得便宜还是贵”更早,也更应该决定一项交易是否值得启动。交易价格只能改变进入这场竞争的成本,无法替代赢得竞争的条件。7吉利收购沃尔沃,提供了怎样的中国样本?2010年8月,吉利控股完成对沃尔沃汽车的收购。协议总价约18亿美元,交割时支付约13亿美元现金和2亿美元票据,其余涉及价格调整。彼时吉利与沃尔沃在品牌、技术和全球市场地位上存在明显差距。吉利买下沃尔沃之后,没有简单要求后者放弃既有品牌定位与技术体系。沃尔沃继续发展自身的产品与研发业务,吉利提供股东支持、中国市场机会和长期产业协同空间。双方既有各自利益,也有技术、资本、市场和产业组织上的互补可能。2024年,沃尔沃汽车全球销量达763389辆,营业收入约4002亿瑞典克朗,核心营业利润约270亿瑞典克朗,创下当时的经营高点。2025年,销量回落至710042辆,营业收入约3573亿瑞典克朗,调整后营业利润为125亿瑞典克朗。两年利润指标口径不完全一致,不宜直接比较降幅,但销量与营收的回落已经反映出经营压力。2026年第三季度,沃尔沃汽车报告EBIT为负56亿瑞典克朗;剔除合资联营企业损益及影响可比性项目后,EBIT为负37亿瑞典克朗。这些数字应当放在一起看。长期以来,沃尔沃的市场与经营规模发生显著变化,但电动化转型、成本结构、价格竞争和市场周期仍在考验这家公司。既不能用2024年的高点宣称收购永远正确,也不能用2026年的一个亏损季度否认十余年的产业发展。吉利与沃尔沃之间的协同,并非把两套产品和品牌混成一种模式。沃尔沃保持既有品牌定位与研发体系,吉利则通过股东支持与中国市场机会提供发展条件。收购方仍需在资本投入、产业合作和经营自主之间不断调整边界,并承担战略选择的后果。2010年汽车产业所关注的传统发动机、品牌与全球渠道,到2026年已经叠加电动化、智能化、供应链与区域市场的新竞争。最初交易能够取得的能力,仍然需要经过持续投资和新的组织安排,才能适应之后的产业变化。保持品牌独立,不意味着研发、采购和资本投入必须彼此隔绝。对跨国汽车企业而言,经营难题在于保留各自产品定位的同时,判断哪些底层技术可以共用、哪些客户体验必须维持差异,以及共享资源带来的效率提升能否覆盖新增的协调成本。产权完成整合之后,协同边界仍需随着产业变化不断调整,无法靠2010年的交易文件一次确定。8并购之前,必须算清哪三笔账?把三组案例放在一起,企业经营者至少需要算清三笔账。第一笔是战略账:收购究竟要解决什么问题?如果企业缺的是某项技术、市场渠道或品牌资产,应该比较收购、自建、授权及合作的成本与可行性;如果缺的是整个生态中的用户信任和网络效应,收购某个环节可能只能解决局部问题。不能把买下一家公司当作战略目标本身。第二笔是价值账:目标企业为什么能够创造价值?优秀研发人员、关键客户关系、独特品牌、生产工艺和组织协作,哪些可以转移,哪些依赖原来的环境?财务、法律和商业尽调能够识别不同维度的交易风险,却仍需判断支撑目标企业竞争优势的条件在收购后能否继续成立。收购后统一什么、保护什么、改革什么,应该在交易前形成初步方案。第三笔是风险账:哪些结果能够由整合方主导,哪些只能影响,哪些需要等待市场检验?对可控事项明确负责人、投入与时间表;对外部条件设置阶段性检验与退出机制;对协同收益采用有证据的假设,而非把最理想的市场情景直接写入估值。交易完成之前,还必须明确整合责任和协同收益的兑现条件。收购成本不仅包括交易价款,还包括后续组织调整、人才激励、系统整合和市场开拓所需的投入。预期收益只有扣除相关成本,并经过经营验证,才可能构成增量价值。当关键假设发生变化,经营者必须及时调整方案,而不是为了证明最初决策正确,不断追加投入。实际决策还需要把收购方案与“不收购”的替代方案放在一起比较。若通过技术授权或联合开发也能取得关键能力,并购新增的控制权是否值得支付溢价、承担整合成本?若必须取得控股权才能保障长期投入,又应如何安排研发自主权、人才激励和阶段性业绩考核?只有把替代路径纳入比较,收购才不会因为看上去是最完整的方案,就被误认为是唯一方案。9最昂贵的收购,可能是买错了未来收购完成,意味着企业获得了重新组织资源的机会,却无法保证经营结果。消费者是否认同、关键人才是否留下、预期中的协同能否兑现,都需要在交易之后接受检验。一笔并购的成败,最终要回到经营现场:产品是否更有竞争力,客户关系是否更稳固,组织能否持续创新,现金流能否支撑长期投入。若资产规模扩大了,经营效率却下降;控制权集中起来,原有能力却被削弱;预期中的协同不断延期,交易就没有完成它的战略任务。并购应当改变的是企业参与竞争的条件,而不只是资产负债表上的数字。所以,最危险的并购,不一定是付出了过高的价格,而是把资产交割的确定性,误认为战略成功的确定性。一家企业可以买下来,它的未来却买不下来。未来只能在交易完成之后,通过持续的经营与竞争创造出来。
旅行者1号飞到了离地球整整一“光日”的地方
虎嗅 · 2 天前
本文来自微信公众号: NASA爱好者 ,作者:VGER北京时间2026年11月18日18时16分(美东时间上午5时16分),人类造出的一件物体,飞到了离地球整整一“光日”的地方。它是旅行者1号。光是宇宙中最快的东西。对我们来说,它几乎瞬间就能跨越任何距离。但对旅行者1号而言,一束无线电信号从地球出发,要走整整24小时才能抵达;你向它提一个问题,还得再等24小时,才能收到回答。近50年前发射的探测器,至今仍在星际空间里工作,还在给我们发回数据。最近NASA旅行者任务副项目科学家杰米·兰金(Jamie Rankin)接受了播客主持人雅各布·平特的访谈,讲述了这段旅程,以及它还在教给我们什么。一光日,到底有多远?人脑很难真正理解一光日的尺度,但我们可以试着比一比:一光日超过160亿英里,约为地球到太阳距离的170倍,相当于从地球飞到冥王星4.5趟以上。杰米换了一个角度:用时间来想。旅行者号的平均速度约为每天100万英里,按这个速度,飞到一光日之外,用了大约50年。它是一个人们可以感同身受的、有实感的距离。——杰米·兰金在她看来,这更是一个值得庆祝的节点:这是一个跨越几代人的任务,最初的团队尽力而为、悉心守护,再把接力棒交给后来人。“一个我们亲手造出的物体在一光日之外,已经很神奇了;而它还能给我们发回信号、能‘跟我们说话’,这太不可思议了。”一次176年才有一回的出发旅行者计划的初衷,是抓住外太阳系行星难得一见的排列机会。据杰米介绍,这样的行星排布大约176年才出现一次,于是人们说:“哇,我们得往那里送探测器。”旅行者2号于1977年8月20日发射,比9月5日发射的旅行者1号早约两周。图源:NASA1977年,两艘孪生探测器相隔几周先后升空。旅行者2号8月20日发射,旅行者1号9月5日发射,顺序“颠倒”,是因为两者轨道不同,1号被送上了更早抵达木星和土星的路径。它们各自携带相机和11项科学实验,开始了前往外太阳系的“壮游”。1979年,旅行者号抵达第一个目标木星,传回清晰影像,也带来了一连串发现:图源:NASA首次在另一颗行星上观测到闪电(木星);木卫一(Io)上剧烈的火山活动;木卫二(Europa)冰层之下可能隐藏着液态水海洋的迹象。随后,它们在1980至1981年飞掠土星及其光环和多颗卫星,然后兵分两路:旅行者1号向上飞离行星所在的平面;旅行者2号继续前往天王星和海王星—,这两颗行星此前从未有探测器造访。天王星像一颗蓝色的乒乓球,而海王星,则是太阳系里风最猛的行星。最后一次回眸:暗淡蓝点飞过海王星后,旅行者号再也没有近距离经过任何天体,相机变得用处不大。任务管理者决定关闭相机,把资源留给其他科学仪器。在“闭上眼睛”之前,它们回头望了我们一眼,拍下了著名的“太阳系家庭合影”,画面中有六颗行星绕着太阳运行,其中就有地球。图源:NASA1990年,天文学家卡尔·萨根在发布会上展示了这张从大约40亿英里外拍到的照片。他说,这个点看起来比一个点大,但实际上还不到一个像素,颜色微微泛蓝:“这就是我们生活的地方,一个蓝点。”不过,这并不是终点。任务团队早就知道,旅行者号会一直飞下去。它们是地球派往群星的使者,携带着一张镀金唱片:收录了50多种语言的问候、音乐和地球的自然之声。冲出太阳的“气泡”太阳不仅质量巨大,还撑起了一个巨大的磁性“气泡”,把来自其他恒星的辐射挡在外面。这个气泡叫做日球层(heliosphere),它的边缘叫做日球层顶(heliopause)。如果你一路飞到冥王星,也只走完了到日球层顶距离的约三分之一。图源:NASA2013年,时任项目科学家的埃德·斯通(Ed Stone)宣布,旅行者1号已经抵达星际空间。他说:“我们终于到了。我们开始这趟旅程时就盼着这一天,但没有人知道这个气泡有多大,也没有人想到探测器能撑这么久。”旅行者1号于2012年穿越日球层顶,旅行者2号则在2018年完成穿越。图源:NASA杰米是日球物理学家,研究的就是太阳及其保护气泡。她很看重这一点:这类任务的仪器是在“直接触碰”研究对象,直接测量质子、等离子体和气体,看它们如何运动、太阳又如何改变这片环境。旅行者的发现,有的出乎预料:磁场方向:科学家原本预期穿越日球层顶时,磁场方向会突然变得与星际空间一致;实际观测到,星际磁场与太阳系成一定夹角,把日球层“挤压”成略不对称的形状。“聆听”星际空间:旅行者1号的等离子体波仪器数据被转成声音。每个音调都沿着相同的斜率上升,说明日球层之外的等离子体密度还在不断增加,这是此前并不知道的。太阳的“余波”:日冕物质抛射等太阳活动产生的扰动可以一路合并、传播,最终在星际空间里激起涟漪,旅行者也探测到了。旅行者像是站在一片遥远的海岸上。在一光日之外,太阳的存在依然能被感受到。——杰米·兰金杰米提醒说,旅行者周围的气体环境,起源与太阳完全不同。如今,新的任务正在为日球层的大小和形状“拍航拍图”,而旅行者则是在“公路旅行”,沿路穿越时间与空间,两者拼起来,才有望还原太阳在远方到底做了什么。第一天上班,就撞上历史杰米大约15年前以研究生身份加入团队。她到加州理工学院报到的那天,恰好是旅行者1号穿越日球层顶后的第六天,科学家们还在分析数据,没人能确定到底发生了什么。入职第一天,她被告知去某栋楼某一层“开个会”,却不知道那是旅行者科学指导小组的会议:一屋子穿着西装的资深科学家,正在严肃地争论数据。而她穿着一件“黑洞像吃豆人一样吞行星”的T恤、短裤和凉拖。她想悄悄溜到后排,却被埃德·斯通注意到了,他主持会议,向她问好,全场也跟着打招呼。“他们很友好,很欢迎我。能亲眼看着历史发生,太棒了。”埃德·斯通:用倾听领导的人埃德·斯通自1972年起担任旅行者项目科学家,直到2022年退休,前后整整50年。他也是杰米的博士导师。在杰米的记忆里,他靠耐心和倾听带领团队形成科学共识:会上常常很安静,最后开口时,说的话总是“精准得难以置信”。会下,他早上八九点就到办公室,工作到晚上八九点,为自己勤奋付出而自豪。如今自己带学生的杰米,有时手头事情很多、截止日期逼近,却有学生来找她聊天。这时她会想起:埃德·斯通也这样对待过当年的她。“重要的是花时间做真实的人际交流,别只盯着产出、效率,要记得这里面有人。”1990年的发布会上,有记者问斯通,旅行者1号飞出日球层时会看到什么。他回答:“我们有些想法,但每一次到达新的地方,都会发现实际情况比我们预期的有趣得多。”22年后,他亲眼验证了这句话。每一天,都是奇迹两艘探测器都靠钚发电机供电,近50年后仍在运转,但不会永远。为了省电,团队已经陆续关闭了一些仪器,如今只剩少数仪器在工作,留下的是最可能获得太阳以及日球层之外空间数据的那些。杰米说起一个她在读研时目睹斯通主持的决策:如果关掉所有加热器,能不能为仪器多争取一些工作时间?仪器会偏离校准,数据分析需要修正,但答案是,可以。“这太不可思议了。”工程师与科学家反复沟通取舍,共同承担艰难的决定。访谈前几天,NASA网站刚发布消息,旅行者1号一度意外失联,约48小时没有响应,随后恢复。杰米坦言,异常发生时是最让人紧张的。“我的一部分在想,会不会就是这次了?但更多的我相信我们能把它找回来。”这份信心一半来自“直觉”,另一半来自工程团队对电力与温度裕度的精心管理。我不会认为它结束了,除非它真的结束了。——杰米·兰金写给未来的那封感谢信这次异常让杰米认真考虑过告别的那一天。她说,自己应该提前写下想说的话:一封写给所有参与过的人,过去的和现在的——的感谢信。她曾在斯通去世前约一年问过他怎么看这个任务,他说,自己很惊讶,它居然比他活得还久。至于希望世界从旅行者身上带走什么,杰米给出两点:第一,我们能做到比自己预期更多的事。一个任务几十年间有那么多人参与,任何一个环节出错都可能让它中止。旅行者的故事,是很多人把很多事情做对的故事。第二,关于渺小与辽阔的视角。我们如此渺小,宇宙如此广大,而我们已经走到可以看见它、测量它的地方。“然后问题是,我们要用这个视角做什么?”她说,自己会竭尽所能,让“向星辰出发”的故事被保存下去。至于旅行者1号的孪生兄弟,旅行者2号预计在2035年抵达一光日的位置。参考https://www.nasa.gov/podcasts/curious-universe/voyager-one-light-day/
中国电车,告别英伟达时代
虎嗅 · 2 天前
本文来自微信公众号: 电动星球 ,作者:思为、毓肥英伟达又交出了一份无可挑剔的财报。2027财年第三季度财报显示,英伟达营收1158亿美元,其中数据中心占1076亿美元、93%,数据中心110%的同比增长速度跑赢公司整体103%的增长。狂飙的全球AI基建托着英伟达的业绩乘云直上,但伴随着黄仁勋离职,对英伟达未来的担忧不断。而在汽车界,一个议题最近非常热烈:中国智能电动车,是不是正在告别对英伟达的依赖?这个观点从2025开始出现端倪,到今年逐渐热烈,直到黄仁勋离职彻底引爆。因为仅仅两年时间,中国车圈就从「言必称Orin」发展到了百花齐放,神玑NX9031、图灵、马赫M100、征程6P等本土芯片涌现,并迅速上车,将英伟达在智驾芯片领域的绝对统治力稀释,「唯一」成了「之一」。今天,我们就来看看,英伟达的中国汽车时刻,是不是迎来了分水岭。曾经的「垄断」2020-2025年,英伟达智驾芯片业务在中国市场最耀眼的一段时间,尤其是2023-2025年间。这三年也是中国辅助驾驶竞争在高端产品算力、能力全面升级赛道深耕,同时价格门槛不断下探的大爆发时期。高阶智驾能力验证最盛的2023年,254TOPS、508TOPS,这两组数字,一度成为中国市场判断辅助驾驶能力高低的标准。那时候,英伟达Orin X就是高阶智驾的代名词,车上带一颗是保障高速城快能力、带两颗是拿到城区NOA的门票,而两颗以上,就是高端车型的「冗余配置」,打的是不怕技术迭代的标签。高阶智驾能力几乎与双Orin X强绑定,这带去的,是在高工智能汽车数据库的200TOPS以上城区NOA芯片出货量表格中,Orin X以93.1%的市占率,远远甩开了排名第二的华为昇腾610(市占率为6.9%)。光是蔚小理这三家新造车,就贡献了Orin X在中国市场前装份额的近9成,蔚来更是采购了超64万颗,李斌曾透露,蔚来在这年一共花费3亿元美元用来买英伟达的自动驾驶芯片。2023年的英伟达,成为了中国新能源汽车行业城区辅助驾驶竞争中不可或缺的一部分,但这还不是英伟达智驾芯片的在华顶峰,彼时在它的前面,还有在华作为「阉割版」存在的特斯拉FSD。根据盖世汽车研究院发布的数据,2023年特斯拉FSD以120.84万颗装机量拿下37%的市占率,领先排名第二的英伟达Orin X 3.5个百分点,后者单年装机量为109.5万颗,市占率33.5%。转折点发生在2023年底到2024年初之间,新造车如小鹏,开始喊出「智驾平权」的口号,逐渐将高阶辅助驾驶能力下放至20万以下车型。这时中国主流新能源车企的自研芯片要么尚未流片,要么未见踪影,而中国新能源汽车市场与品牌又处于高速增长期,英伟达自然又能从中获益。于是,2024年英伟达Orin X以210万颗的装机量获得39.8%的市占率,成功超越特斯拉的132.37万颗、25.1%的市占率,登顶中国市场。2025年,比亚迪引领了「全民智驾」的风潮,在该影响下,Orin X的市占率提升至45.4%,而加上Orin N等产品后,英伟达拿下了中国市场53.8%的份额。一个中国智驾圈,半壁英伟达。英伟达过去五年间在智驾芯片领域对中国车企的优待,终于在2023-2025年拿到了「大结果」。2020-2021年芯片产品力强势的英伟达,和中国新造车对于智驾激进的研发思路与更坚决的投入,让两者一拍即合,英伟达数款新的芯片产品率先在中国新造车新产品上落地。譬如小鹏初代P7在2020年4月成为DRIVE AGX Xavier的首款量产车、2021年1月搭载4颗Orin X的蔚来ET7成为Orin系列首发量产车。CUDA、TensorRT和DriveOS的技术支持,以及英伟达有意进入中国新能源汽车市场的背景之下,其在华表现的走高几乎没有悬念。然而到了2026年上半年,即使黄仁勋还没离开英伟达,英伟达的市占率在中国也遭遇了挑战。盖世汽车研究院数据显示,2026年1-9月,英伟达在智驾域控(含舱驾一体)芯片领域的市占率为37.4%,整体表现不及2025年全年的53.8%。想了解为什么英伟达市占率逐渐降低,我们得先看看它当年是怎么赢的。胜在哪里?随着英伟达在智驾芯片领域的崛起,Mobileye光芒逐渐被覆盖,但不可否认的是,Mobileye在中国市场也有过一段辉煌时期。就拿几款标杆车型来说,2014年的特斯拉Model S、2017年的蔚来ES8、2018年的小鹏G3以及2019年的理想ONE,这几款特斯拉与新造车的首车,装的全是Mobileye的EyeQ芯片。巅峰时期的Mobileye,全球市占率甚至接近90%。Mobileye的打法,是软硬一体,将它自研的车规级视觉芯片EyeQ和感知算法打包成黑盒方案一起卖,并以能效而非算力著称,卖的是一个「省心」。这在国产新能源的蛮荒时代,证明自己在场,比证明自己拥有辅助驾驶能力更重要,但后来的问题也出在「省心」。Mobileye的方案是黑盒,车企拿不到底层数据、改不动算力,就连OTA也要看Mobileye以色列本部研发团队的节奏,种种桎梏对于刚站稳跟脚的中国新造车而言,无疑是拖慢其在辅助驾驶上打出差异的因素。而中国市场的智能化竞争日新月异,车企每等一天,就多一天的焦虑。它们需要的是一块高算力、能自己写代码的「白板」,英伟达精准接住了这个窗口。2022年Orin X量产上车时,254TOPS的算力甩开了只有24TOPS的Mobileye EyeQ5一个量级,更重要的,是它背后站着CUDA、TensorRT和DriveOS。那是当时唯一成熟、能把城市NOA真正推向量产的工具链。对于从零搭班子的中国算法团队而言,买英伟达,等于花钱买走了至少两年的试错周期,还能把迭代节奏掌握在自己手中,这或许正是中国车企逐渐转向英伟达或其他智驾芯片厂商的决定性因素。于是,Mobileye在中国中高端市场一路向下,近年来依靠中国车企的出口车和欧美传统车企订单寻找新机会,而英伟达则一路登顶。只是,和Mobileye的故事类似,英伟达在智驾芯片领域没有一直站在山顶。如今英伟达正在遭遇当年Mobileye的挑战——新玩家入局。重金自研关于英伟达在华车载业务的最新动向,月初公众号车市拾年发文称,英伟达已经通知客户2027年将只提供Thor系列进行销售,2026年还想拿货的车企,要接受30%的提价,而且是最后一次下单。和这则传闻相矛盾的,是财联社采访了英伟达相关人士与投行负责人的报道。财联社报道称,英伟达中国团队正开发轻量推理框架帮国内车企把域控内存从32GB缩到16GB,并称「Orin与Thor底层软件栈一致」。但即便是这样,也不是所有人都看好英伟达中国团队的这次主动适应,万创投行董事总经理吴沛东认为,这「只能把车企切换自研或本土芯片的步伐延缓一到两代车型」。传闻与严肃报道之间,都指向了车企自研芯片或本土芯片的冲击,或者说替代可能性。英伟达对汽车这门生意上心吗?我们难以从外部消息判断,有一点可以肯定的是,放在AI这个大盘之下,车载业务的份量实在有限。英伟达2026财年,汽车业务全年收入23亿美元,同比增长39%。这门业务的营收已经从2021财年的5.36亿美元,逐步上升至23亿美元。放在任何一家汽车零部件公司,这都是个漂亮数字,遗憾的是,对比对象是英伟达内部业务。同为2026财年,英伟达数据中心收入1937亿美元,占了总营收的九成。汽车那23亿美元,占比只有1%出头。23亿美元这个数字,甚至不及游戏业务的160亿美元,更残酷的是,来到2027财年,英伟达将报表拆为「数据中心+边缘计算」两个市场,汽车和游戏两项业务收入直接被收入大项中,不再有具体数字。直白点说,英伟达的商业帝国里,汽车业务赚的钱不够这个巅峰时期市值约5.8万亿巨头「塞牙缝」的。芯片巨头小业务的另一面,是新造车对全栈自研的渴望,以及供应商的百花齐放。英伟达1%的「小业务」,对应着新造车100%的智能未来。实际上,以蔚小理为代表的新造车,一直都没有放弃过自研芯片的野心。2024年7-8月份,李斌和何小鹏先后在发布会上举起芯片,宣布神玑NX9031和图灵芯片流片成功,不到一年,2025年年初,理想的自研芯片马赫M100也宣布回片验证成功,并且这三颗芯片都在一年左右的时间内,顺利上车使用。其中,号称一颗顶四颗Orin X、单颗算力破1000TOPS、5nm的蔚来神玑NX9031,2026年前三季度装车25.57万颗,出货超30万颗。李斌曾在财报会上坦称,自研之后,蔚来的单车成本降了1万元。而小鹏的图灵AI芯片不仅在今年起给旧车换装并新车标配,还对外卖给了大众,成为首个自研芯片外销的车企。无论是蔚来、小鹏,还是理想,以及官方称已经规模化量产的璇玑A3的比亚迪,在自研芯片的缘由时,不约而同的答案,都是看中了自研芯片能够带去更低的成本,以及对自身智驾架构的底层把握。但他们没提的一点,是自研芯片也要烧大量的钱。李斌的说法,是神玑NX9031的研发成本相当于建1500座换电站,也就是大概在22.5-45亿元之间;何小鹏的说法则更直白一些,他说图灵芯片耗资百亿元、历经5年研发并且还在2022年初经历过与某全球著名公司合作的模块架构做错、赔偿数亿元后重启核心模块的弯路。而直至今日蔚来和小鹏都还未实现扭亏为盈,自研芯片的压力可想而知,更不用提自研芯片并非一劳永逸,还要进行新一代研发的事了。这也是不少国产新能源品牌始终对自研芯片保持观望态度的原因,正因如此,国产供应商的机会来了。抓住这边风潮的,是华为昇腾和地平线。华为昇腾610在2026年1-9月装机86.03万颗,份额14.4%,仅次于英伟达Orin N的93万颗、15.5%的市占率,而在三年前,昇腾610的市场份额还只有1.9%。地平线征程系列累计出货破1500万套,征程6拿下超25家车企、100款车型的定点,成长潜力同样不容忽视。车企自研和供应商前后夹击,中国车企真的要告别英伟达了吗?答案是否定的,比起单纯地说「告别」,英伟达如今更像是用另一种方式成为车圈独一无二的角色。首先,它还卖芯片。2026年1–9月,英伟达在智驾域控芯片领域还有37.4%的份额,头把交椅仍在它手里。车企算力喊得再响,CUDA生态、Blackwell架构、一颗SoC打通智驾座舱车身,这些依旧是国产芯片在追的东西。更关键的是,英伟达依旧是AI训练芯片绕不开的名字。就在昨天,美国众议院外交事务委员会公布了一份BIS对华芯片出口许可明细。截至5月11日,中国企业申请了344万颗H200和MI325X,获批87.99万颗,比例约四分之一。车企也没缺席,理想8260颗、长城的4800颗、比亚迪的4000颗获批,而蔚来的4800颗、吉利2200颗都还停在「提交中」的状态;小鹏则没有出现在名单里。这批芯片都处在未发货状态,但英伟达却已经在文件发布的前一天宣布,对华停供H200。就算车端份额在跌,英伟达在云端的重要性依旧没有被稀释,甚至还能卡住中国企业训练芯片的通道。中国智能车没有告别英伟达时代,是中国车进入了另一个AI时代。(完)
网易,入局短剧
虎嗅 · 2 天前
本文来自微信公众号: 科创板日报 ,作者:王耐“短剧今年呈现爆炸式发展,对用户注意力的吸引力巨大,短期内确实会对游戏产生影响。”网易创始人兼CEO丁磊在三季度业绩电话会上,这样谈及短剧对游戏行业的冲击。这一表态背后,网易业务正面临增长压力,尤其是游戏。网易今年的三季报显示,三季度网易净收入279亿元,同比下降1.8%;归属于公司股东的净利润84亿元,同比下降约2.5%。作为网易最重要的收入来源,游戏业务同比罕见出现下滑。数据显示,游戏及相关增值服务收入229亿元,同比下降1.7%。今年前两个季度,该业务收入分别同比增长6.9%和9.7%。财报发布后,资本市场迅速作出反应。网易美股11月19日收盘下跌11.39%,报104.94美元;11月20日,网易港股盘中一度跌超19%,股价创一年半新低。截至收盘,网易报154港元/股,较前一日跌17.6%。当业绩承压,网易是否将目光投向短剧等新赛道?事实上,网易已经有了动作。▌网易,是要再造一个红果吗?11月中旬,网易正式上线独立App“网易天马”,以“AI互动剧+短剧”切入市场。记者下载体验发现,网易天马首页设“推荐”“互动剧”“短剧”三个一级栏目,互动剧位于中间,普通短剧作为补充。首页没有二级分类,也没有明显搜索入口,用户主要通过信息流获取内容。其中,互动剧以横屏AI互动剧为主,主打多支线、多结局的剧情体验。同时,平台设置了“金马尼”虚拟货币体系,支持章节解锁、番外增值和作者打赏等付费方式。普通短剧则以真人竖屏微短剧为主,目前主要提供传统短剧内容,采用免费观看模式。内容供给端,网易也在向创作者释放扶持信号。11月9日,网易天马宣布升级互动影游激励政策,针对新热互动影游推出分级保底与分成机制。其中,S+级作品独家保底30万元以上,S级20万元,A级10万元,潜力作品3万至5万元。新热期内,创作者还可享受100%分成。在应用商场下载页面,网易天马在产品介绍页上,列出的关键词是“沉浸式”“互动影视平台”“解锁分支剧情与多元社交”。这与字节的红果、腾讯的绿泡泡定位并不相同。从记者体验来看,目前网易天马上普通短剧的内容储备相对有限,互动剧才是网易天马更突出的产品方向。网易要做的,不是再造一个红果或者绿泡泡。▌手握游戏IP,网易有怎样的内容优势?此前在一次采访中,一家AI内容企业纳视文化负责人孙坚曾表示,互动影游更接近游戏产品,而不是短剧的衍生形态。“AI短剧更多需要爽点、爽感,但互动剧也好,互动游戏也好,本质还是去交互。”互动影游这一赛道,与网易原有的游戏业务有较高的契合度。首先是IP储备。网易旗下拥有《梦幻西游》《阴阳师》《第五人格》《逆水寒》等具有较高市场认知度的游戏产品。其次是交互能力。游戏研发涉及剧情设计、角色塑造、分支选择和用户反馈等多个环节,而这些恰恰是互动影游的核心组成部分。网易在游戏研发和长期运营中积累的经验,有望迁移到互动剧的产品设计、用户运营和付费体系。不过,拥有IP并不意味着能够直接复制短剧市场的成功。相比按周甚至按月即可完成制作和上线的AI短剧,AI互动影游的制作及发行周期往往长达数月甚至一年,对剧本质量、分支逻辑设计和内容完整度也提出了更高要求。记者此前在《AI互动影游系列①:大厂跑步入局AI互动影游会是下一个“AI短剧”吗?》的调研中,多位AI内容制作者都表示,AI短剧与AI互动影游在制作周期、用户群体和付费模式上存在较大差异,这也决定了AI互动影游很难简单复制AI短剧的发展节奏。相较于AI短剧,AI互动影游仍是一个相对小众的市场,多数内容方保持小步试错的姿态。▌前有红果,后有绿泡泡,网易天马能成为谁?如果这是一场关于注意力的争夺战,红果已经跑在了前面。据QuestMobile监测数据,截至2026年7月,红果短剧日活跃用户约1.68亿,同比增长107%,超过了四大传统长视频平台“爱优腾芒”的日活用户之和,人均单日使用时长约125分钟。这些平台入局者中,前有红果已经占领大片市场,后有腾讯依托社交生态打造“绿泡泡”的商业闭环,以小程序承接短剧内容和广告流量。这次网易选择以互动影游作为切入口,某种程度上是在尝试将游戏研发能力转化为新的内容产品。不过,游戏IP并不天然等于互动影游IP,游戏玩家对角色的情感认同,也不一定能够直接转化为短剧观众的观看意愿。一位AI内容制作方告诉记者,目前真正愿意为互动内容买单的用户大多是游戏玩家,他们对内容、画质、体验感的要求要比短剧用户群体更高。多位AI互动影游从业者认为,比起已经快速起量的AI短剧,AI互动影游目前仍处于相对小众的市场阶段,尚未形成规模化的用户消费习惯和成熟的商业闭环。即便手握成熟IP和游戏研发能力,网易仍需要解决内容持续供给、商业模式跑通以及用户付费意愿等问题。AI互动影游市场能否打开、是否有持续的现金流和用户留存,仍有待市场检验。
10月份掉了0.5%,快递行业真的要变天?“增量”都去哪里了?
虎嗅 · 2 天前
本文来自微信公众号: 驿站 ,作者:驿站老鬼,原文标题:《10月份掉了0.5%!快递行业真的要变天?“增量”都去哪里了?》快递大盘还在长,只是长在了别处。看懂搬家的方向,才看得懂下一程。2026.11.20历史经验一再验证:铁打的营盘流水的兵。就目前看,快递大盘依旧稳固,但里面的“兵”正在进行一次战略迁徙。11月20日,国家邮政局公布2026年1—10月邮政行业运行情况。数据显示:今年1—10月,快递业务量累计完成1688.2亿件,同比增长3.8%。快递业务收入累计完成12981.5亿元,同比增长6.6%。可堪对照的是,2025年1—10月,快递业务量累计完成1626.8亿件,同比增长16.1%。快递业务收入累计完成12174.1亿元,同比增长8.5%。两组数据对比,就有一个直观感受:业务量虽然还涨,但增速明显下滑,一年下来,下滑了12.3个百分点。结合近一年来的业务量增速来看,这已经不算什么罕见情形。更扎眼的是这个数据:10月份,快递业务量完成175.2亿件,同比下降0.5%。要知道,10月份是传统的快递业务旺季,更何况还叠加了双11。可旺季不仅不旺,业务量还下降了。这种反差,显然是个颇堪寻味的趋势。于是,有人据此认为:快递业务量增长乏力,未来的空间会日益逼仄。果真如此吗?只能说,如果只盯着增速看,格局就小了些。真正值得细品的是,今年前10个月,全国快递业务量比去年同期增加了61.4亿件。为什么?可以这么理解,增速看快慢,增量看走向。从增量变化中,更能看清行业未来的走向,这是比短期增速变化要重要得多的事情。那么,快递的增量从哪里来,又去哪儿了?可以归结的因素很多。在老鬼看来,答案不在总量里,得往结构里翻。如果把区域、业务类型和产业分布三个维度拆开来看,很多情况就会逐渐明了。01东部在让,中西部在接从区域看,“东风西渐”是最醒目的趋势变化。数据呈现出这一事实——今年1—10月,东部地区占全国68.8%,中部占20.8%,西部占10.4%。中西部合计占比达到31.2%。对比去年同期数据,东部地区的比重下降了2.1个百分点,中部上升了1.1个百分点,西部上升1.0个百分点。按照业务量占比再拆分来看,更加直观——东部地区今年的业务量约1162亿件,去年同期约为1153亿件,一年只增加了约8亿件,增幅不到1%。反观中西部,形势已经倒转:中部的业务量从约320亿件增加到351亿件,增幅约9.6%;西部从约153亿件增加到176亿件,增幅约14.8%。一降两升,方向就很清楚了:件量正在往中西部搬。不过,老鬼想要提醒的是,东部让出去的主要是“量”,但“钱”还攥在他们手里。数据为证。今年1—10月,东部地区快递业务收入的比重为73.6%,与去年同期相比,下降了0.2个百分点。再举一个典型的例子。作为快递的“第一重镇”,广东在前三季度的快递业务量为337亿件,同比下降3.7%;但快递业务收入2428.6亿元,同比增长8.7%。由此可见,东部地区的业务量增长虽然承压,但收入仍保持增长。这也说明东部快递市场的经营逻辑正在发生变化,服务质量、产品结构和单票价值的重要性越来越突出。还有一点变化也需要关注。中西部虽然接住了更多的业务量,却不意味着接住的都是高价值包裹。按照区域收入、业务量及单票收入的估算,中部、西部部分区域的单票收入仍然面临下行压力。新疆就是一个例子:前三季度快递业务量增长19.5%,收入增长11.4%,收入增速明显落后于业务量增速。这难言奇怪,过去中西部的单票价格高,是因为路远、网点稀、成本高。现在量上来了,线路密了,车装得满了,单位成本自然往下走,价格跟着调。就此看,东部和中西部正处在不同的发展阶段:东部更需要解决存量市场的价值提升,中西部则要先把网络铺开、把规模做起来。02同城在退,异地在进区域改的是地理分布,业务类型变的是包裹的流通方式。1—10月,全国同城快递业务量121.7亿件,同比下降7.4%;异地1532.1亿件,同比增长4.8%。对比行业大盘数据,全行业涨了3.8%,同城却跌7.4%,这反差也有点大。为什么会这样?面对这种落差对比,市场普遍接受了一种合乎情理的解释:同城快递业务被即时零售和外卖平台抢走了。因为现实已摆在那里,消费者对同城配送的需求,已经从几个小时逐渐压缩到几十分钟。这种高频、短距离、即时响应的需求,传统快递的运营方式并不完全匹配。肉眼可见的情形是,即时零售的版图扩张高歌猛进。举个例子,“双十一”期间,顺丰同城全场景即时配送单量双位数增长,增速明显高于快递大盘。此外,还有另外一个重要原因是,快递企业的同城业务也在发生变化。仓到店、店到仓,以及企业之间的货物调拨,逐渐成为同城物流的重要组成部分。因此,同城快递业务量下降,不是同城需求少了,而是不同配送场景正在重新分工。与其说快递不努力,倒不如说是同一门生意换了不同的打开方式。再看另一边,异地快递业务已经成为绝对的主力。前10个月,异地快递业务量1532.1亿件,占全国快递业务量的90.8%。也就是说,全国每十件快递中,超过九件都是异地件。一边是同城业务收缩战线举步维艰,一边是异地业务版图持续扩张,快递业务的分化从未如此剧烈。这背后还有一个容易被忽略的变化:电商供应链正在从过去的集中式仓储,向产地仓、区域仓和前置仓等更加分散的模式演变。这意味着,部分商品的物流路径变短了,跨区域直发的比例提高了。于快递行业而言,同城往下、异地往上实属必然。不能全部归因于即时配送掺了一脚,消费结构、统计口径、跨区域直发等都有份。就此看,快递的主战场正在发生变化,从城里的短途配送,挪回了全国这张网。03新的“产粮区”正在出现过去很多年里,一谈到产粮区,很多人立马想到的是:义乌、广州、深圳、杭州、上海等城市。这些城市聚集了大量的电商产业,也有成熟的仓储物流体系,商品从这里发出,自然形成了巨大的快递业务量。但现在情况变了,这个传统认知已经不合时宜了。从前三季度的快递业务量增速来看,陕西增长了39.4%,贵州增长33.1%,江西增长23.0%,广西增长20.7%,云南增长19.9%,新疆增长19.5%。某种程度上,这些区域代表了快递增量里的“新贵”。再看部分传统快递业务大省,前三季度,北京同比下降12.1%,广东下降3.7%,四川下降0.2%,浙江增长1.8%,上海仅增长了0.7%。说这些,不是要回避“体量差距依旧不小”的基本事实,仅凭某个季度或者区域的增速,还不能直接认定产业转移已经完成,但新旧区域之间的增速差,问题总是结构性的。过去,件量集中在消费市场和电商集散地。现在,随着制造业向内陆延伸,越来越多的货,从生产地直接进了快递网。这意味着,未来的快递产粮区,除了老牌电商中心和仓储集散地,还会冒出更多真正的生产制造基地。在这一变化中,农产品寄递就是非常直观的一条线。过去,很多农产品受制于地理位置、销售半径和寄递条件,很难打开销路。现在,随着冷链运输、产地仓和快递网络逐渐向县乡延伸,更多农产品有机会直接面向全国,甚至是全球市场。在这样的转向里,快递的价值,从“工业品下乡、消费品进村”,往“农产品出村、特色产业外销”延伸,开始显现出新的意义。任督二脉通了之后,巨大想象空间也就打开了。从消费端到生产端,从城市到县乡,快递网络正在重新寻找新的业务源头。04增量搬家之后,还能拼什么?将快递行业的境遇置于区域、业务类型和产业分布三个维度下打量,可以总结出三个结论——一是:东部业务量占比下降,中西部持续增长;二是:同城快递业务量收缩,异地业务成为绝对主力;三是:传统电商集散区域增长放缓,制造业和农产品产业带正在贡献新的增量。这几件事看似独立,却有着紧密的联系。从商业逻辑看,中国制造业布局正在发生变化,电商供应链也在调整,商品的生产地、仓储地和发货地呈现更加多元的分布。快递作为商品流通的重要一环,自然会跟着产业链重新布局,这也是快递巨头们进行商业挖潜的常见选择。在此大背景下,快递企业被卷入巨浪中,免不了被推着走。过去,他们的竞争更多围绕网络规模、运输能力和业务量展开。未来,则需要具备更强的区域适应能力——在东部做好存量,在中西部找增量,同时把网络能力延伸到制造业集群和县乡产业带。跟上这些趋势,才能为把握竞争中的主导权攒下更多筹码。这也解释了,为什么快递企业越来越重视产业带布局、产地仓建设和县乡网络,正是顺应这种变化。增速放缓,是当下肉眼可见的现实变化。但增量搬家,或许才是一个更值得关注的大变局。这场搬家还远未结束。接下来,包裹搬到哪里,快递的下一张版图,就画到哪里。
路杀每年夺走上亿生命,我们都可以阻止它
虎嗅 · 2 天前
本文来自微信公众号: 猫盟CFCA ,作者:红色皇后2024年5月16日,马来西亚一只马来虎——最濒危的野生虎亚种——遭遇车祸死亡。2024年6月14日,山西一只华北豹遭遇车祸受伤。2026年7月初,佛罗里达美洲狮——最濒危的美洲狮亚种——已被记录到11只死亡,推测死因全是车祸。同年7月,我们在(升级了的)337县道上安装的红外相机,拍摄到13只豹出现在道路周边。8月,我们在当地老乡的帮助下收集了337县道上路杀的动物信息,不到一个月内,发现了死于车祸的两只赤狐和一只豹猫。猫盟还会继续关注337县道对野生动物的影响,以及动物过路通道的使用状况。路杀的死亡阴影世上本没有路,走的人多了,野生动物的安危就成了问题。路杀是最能集中体现发展与保护矛盾的事件之一。要想富,先修路,当地老乡要是听到“野生动物会撞死,所以还是别修路了”,恐怕会第一个站出来不同意。然而路杀对野生动物保护的影响也是触目惊心的。据估算,欧洲每年有1.94亿只鸟和2900万只兽死于路杀。一篇对亚洲路杀相关的论文的综述发现,亚洲遭受路杀并记入学术文献的物种有1048种,其中148种属于IUCN确定的受威胁物种(保护等级在Least Concern以上)。除了前面提到的物种,虎、狮、伊比利亚猞猁、欧洲野猫、美洲豹、野牦牛、非洲草原象、亚洲象、马来熊、苏门犀、非洲野犬、鬃狼等濒危物种都遭遇过路杀,有些还因路杀损失了相当多的个体,从而威胁到种群存亡。即使从最狭义的人类的利益来说,路杀也是一个严重的问题。根据美国2019年的数据,美国每年有约400人因车祸撞上野生动物丧生,5万9000人受伤。美国犹他州1996至2001年间,撞上动物的车祸造成的经济损失,占到所有车祸损失的39%。从更大的尺度上看,整个生态系统都可能被路杀产生的连锁效应波及。随着越来越多公路的建成,栖息地碎片化和路杀对野生动物的生存威胁也越来越大,无法忍受这种生活环境的动物就会灭绝或逃离。随着物种越来越少,食物网也变得越来越简单。根据《道路密度对地区食物网的影响》(Effects of road density on regional food webs)的分析,欧洲大城市周围路网密集的地方,生态系统的食物链关系会减少90%。面对路杀,我们该怎么办?目前已经有超过四十种缓解路杀问题的措施。之前我们讲过多种野生动物过路的通道,如天桥、涵洞、架高公路(让野生动物从底下通过),还有防止动物进入道路、引导走动物通道的围栏。此外还有野生动物警告牌、监测系统、加强照明、使用趋避剂和修剪路边植被减少动物靠近公路等。六盘山公路下的排水涵洞和通过涵洞的豹猫©猫盟豹猫从六盘山高架公路下经过©猫盟管用吗?好消息是,效果还不错!《道路缓解减少路杀的效果如何?》(How Effective Is Road Mitigation at Reducing Road-Kill?)对50项研究进行的元分析发现,与不做任何措施的情况相比,设立缓解路杀的设施能将路杀减少40%。不过,这篇论文有个奇怪的统计结果:单独用围栏可以将路杀减少86%,围栏与野生动物通道结合,则只有51%的减少。这可能是由于不同研究对象的条件不同。比如,那些“只有围栏”的研究地点,围栏的平均长度(约11千米)几乎是“既有围栏也有野生动物通道”(约4千米)的三倍。这个研究结果只能说明“很长的围栏”效果可能超过“很短的围栏加野生动物通道”,而不能说野生动物通道的效果是负的。但这也证明了围栏这一设施的重要性。《影响野生动物使用过路装置的因素——系统综述和元分析》(Factors affecting usage of crossing structures by wildlife—A systematic review and meta-analysis,下简称《元分析》)一文对270项研究进行了分析,发现不同物种对通道的类型各有偏爱:有蹄类、大型食肉动物和小型食肉动物都偏好公路架高的通道(从下面走过),有蹄类通过架高公路的概率,是天桥式通道的2.9倍,是地下通道的3.6倍。而小型非食肉动物更喜欢地下通道。我们使用围栏,引导野生动物和放牧的人从不同的道路经过©莹子人类的影响也是一个重要因素。大型食肉动物非常不喜欢给人使用的过路装置,它们使用专门给野生动物设计的过路通道的几率,甚至能达到人类专用通道的15.9倍。此外,不管大小,动物都更喜欢天然材料如泥土而不是水泥通道,这也可能是因为怕人。老乡在野生动物通道旁边植树,野生动物有遮蔽、有安全感,才会选择从野生动物通道经过©猫盟栖息地的条件也是影响动物过马路的一个重要因素。野生动物车祸综述:多学科可持续交通和野生动物保护方法(A review of wildlife–vehicle collisions:a multidisciplinary path to sustainable transportation and wildlife protection)提到,栖息地适合度的模型可以预测有蹄类穿越公路的位置,这是毫不奇怪的,“人”流量高的地方,车祸发生的几率也高。在道路规划时加入栖息地模型,由此安排这条路要通过哪里,哪里要安排过路设施,可以有效减少路杀。猫盟为337县道提出的野生动物廊道设计建议,清华栗夏琳制图这告诉我们,具体情况需要具体分析,想要减少路杀,了解当地的条件(比如环境、有什么动物、动物爱往哪里去)来进行规划很重要。但,如何获得具体信息呢?研究不足和公民科学补救虽然路杀已经是一个重要的研究项目,但研究者们收集的信息,还存在诸多局限性。大部分对路杀的研究都针对大型兽类和旗舰种,大部分研究都集中在西方世界,亚洲、非洲、南美洲的研究相对有限(亚洲的研究其实数量不少,但主要集中在少数几个国家)。虽然我们知道路杀会杀死许多动物,但路杀在生态系统的尺度上到底会产生什么影响,了解也很不够。道路这么多,很多地方基础设施又有限,要充分地了解路杀,存在诸多困难。这时候公民科学就出来提供帮助了。今年由南京大学李忠秋教授团队发表在《自然》上的一篇关于全球路杀状况的论文,从三个地方收集了路杀的信息:学术界的数据。他们检索了“全球路杀数据库”(Global Roadkill Dataset),得到177428条动物路杀记录。全球路杀观察(Global Roadkill Observations)。这是记录全球物种的网站iNaturalist的一个项目,这个网站人人都可以注册,然后上传自己记录到的生物,经过筛选,他们得到了125948条记录。中国的路杀记录。李教授的团队开发了一个微信小程序“路杀生物调查记录”,让大家来提交自己见到的路杀动物记录,2009年到2025年间,这个小程序收集了7126条记录。此外他还加上了iNaturalist上发生在中国的路杀记录,通过中国的媒体、社交平台、个人交流等收集到的信息,总共12738条。全球路杀观察收集的路杀野生动物照片路杀生物调查记录小程序这么多数字可能看得你有点晕了。划一下重点:这里iNaturalist上的信息,和小程序、媒体等收集到的信息,大多都来自没有学术背景的普通人。这是一个非专业人士参与科学研究的方法,也就是公民科学。他们靠着公民科学收集到了十万多条信息,这个量超过学术信息的三分之二。六盘山涵洞里的豹猫©猫盟路杀每天都在发生,路上人来来往往,我们无法从一只华北豹或美洲狮的车祸分析出这场事故的来龙去脉,但拍下照片上传时间地点,就提供了重要的本底调查信息,尤其是对那些研究尚未进驻的“荒地”。中国的道路长度超过500万公里,世界上位居第三,路网还在迅速扩张。世上本没有路,如何让路上既能走很多人,又能走很多动物,本身就是一条未知的路。参考文献1、Michael Braun.Third Florida panther killed in little less than three weeks;Big cat likely hit by vehicle on Corkscrew Road in Lee County[EB/OL].WGCU,(2026-07-03)https://www.wgcu.org/top-story/2026-07-01/third-florida-panther-killed-in-little-less-than-three-weeks-big-cat-likely-hit-by-vehicle-in-lee-county2、Balčiauskas L,Kučas A,BalčiauskienėL.A review of wildlife–vehicle collisions:a multidisciplinary path to sustainable transportation and wildlife protection[J].Sustainability,2025,17(10):4644.3、Mestre,F.;Bastazini,V.A.G.;Ascensão,F.Effects of road density on regional food webs.Conserv.Biol.2025,e70007.4、Rytwinski,T.;Soanes,K.;Jaeger,J.A.;Fahrig,L.;Findlay,C.S.;Houlahan,J.;van der Ree,R.;van der Grift,E.A.How Effective Is Road Mitigation at Reducing Road-Kill?A Meta-Analysis.PLoS ONE 2016,11,e0166941.5、Balčiauskas L,Kučas A,BalčiauskienėL.A review of wildlife–vehicle collisions:a multidisciplinary path to sustainable transportation and wildlife protection[J].Sustainability,2025,17(10):4644.6、Li Y,Zhao Z,Chen X,et al.Global inequality in roadkill burden concentrates collision risk on threatened species in low-and middle-income countries[J].Nature Communications,2026.
“十年没见过这么便宜的肉了”多地猪肉价格低于菜价,牧原股份巨亏,为何股价飘红?
虎嗅 · 2 天前
本文来自微信公众号: 新浪财经 ,作者:刘丽丽“最近的猪肉价格特别便宜,十来年都没遇见这么便宜的猪肉了。”在北京新发地市场的肉类交易大厅,一位前来选购的消费者这样说。最近,即使是工作日,肉类交易大厅的顾客也川流不息,甚至有些消费者一买就是三四十斤肉。《BUG》栏目在市场询问了多位商户和消费者。“这个月又比上个月每斤便宜一元钱左右”,一位商户表示,眼下白条猪批发价低于去年同期,各个部位的售价也有明显回落。比如,腔骨贵的时候6元一斤,现在好的4.5元一斤,还有4元一斤的,肘子以前8元一斤,现在6元一斤,五花肉去年贵的时候12元一斤,现在7.5元左右,好的精排骨20元一斤,普通排骨只要17元。虽然猪肉价格跌跌不休,但生猪养殖行业龙头牧原股份在资本市场的表现却逆势飘红,股价创6月反弹以来阶段新高,从40元左右一度上涨到突破46元,涨幅达15%,目前虽略有回调,但A股股价仍超过44元。11月20日,牧原股份A股报收44.85元,上涨0.9%,港股报收38.80元,上涨0.1%。事实上,牧原股份自身已经陷入巨额亏损,根据其最新财报,牧原股份前三季度归母净利润亏损93.19亿元,其中第三季度单季就亏了32.41亿元。“猪价越新低、股价越敢涨”,市场赌的是猪周期的触底反弹。分析人士认为,生猪行业去化缓慢,要到2027年二、三季度才体现在供给上,而目前的猪肉价格已经让企业开始损失现金流,四季度报表会更难看。猪肉比菜都便宜“我上次来买,这个肉还6元一斤呢,”一位消费者在新发地肉类交易大厅对《BUG》栏目表示,他这次买的前腿肉价格是5.3元。就在肉类交易大厅旁边的另一个大厅里,普通鸡蛋是5元一斤。还有消费者一次买了排骨、里脊、五花肉、前腿等五六种肉,一共花了400多元,她表示,如果是以前买这些肉,至少得600多元。在零售市场,盒马、多点、永辉等多家商超的猪肉价格也便宜了不少。比如,多点的鲜五花肉价格为13.9元,450g鲜猪前腿肉的价格低至8.99元,折合每斤9.9元,而同一平台上的蒜苔的价格是8.98元/斤,和猪肉价格已经很接近。在盒马平台上,400g冰鲜猪五花肉的价格为11.89元,折合每斤14.8元;300g冰鲜猪前腿肉价格为5.92元,折合每斤9.86元,而盒马的普通西红柿的价格已经超过10元,青椒价格也高过了部分猪肉。虽然全国各地的猪肉价格略有差别,但基本趋势一致。一位山东消费者几乎不敢相信自己的眼睛,“鸡蛋都4.3元了,猪肉才4.9元”,直呼“猪肉这价格对吗?”国家发展改革委价格监测中心的数据显示,2026年11月11日全国生猪出场价格是9.29元,比11月4日又跌了3.33%。四季度应该是传统的猪肉消费旺季,为什么今年价格下滑如此剧烈?广发证券投资顾问李昊洋表示,猪肉价格如此便宜,是因为供给端的三件事撞了在一起。“前几年猪价好,猪场扩产,今年产能集中释放;养殖效率大幅提升,一头母猪从年产18头肥猪提高到24头;再加上禽肉、牛肉分流了餐桌需求。供大于求,腌腊旺季都快到了,但价格还是起不来。”另有养殖业多年从业经验的人士表示,还是第一次遇到一年内猪价两次探底。牧原股份2026年10月份销售简报销售简报显示,今年10月份牧原股份销售商品猪591.3万头,同比变动-16.43%;商品猪销售均价9.64元/公斤,同比变动-16.54%;商品猪销售收入72.53亿元,同比变动-29.79%。今年前三季度,25家A股猪企全部同比由盈转亏。在三大猪企龙头中,牧原股份前三季度营收922.00亿元、同比下降17.52%,归母净利润亏损93.19亿元,是亏损最多的。其中,第三季度单季,牧原就亏了32.41亿元。“有一部分猪,养到后期吃饲料也不增加重量,推动了养殖场猪肉出栏的速度。各个养殖场都在加快对这一批次的猪进行出栏和商品化,短期内没有价格上涨的空间。”新发地市场内部人士认为,猪肉的低价还会持续一段时间。也有商户表示,目前猪肉价格已经没有太多下降空间,毕竟已经进入四季度,消费旺季已经到来。对于猪肉价格的未来走势,牧原股份内部人士对《BUG》栏目表示,行业比较大,公司只是参与者之一,未来价格走势现在很难判断。牧原股份谈度过猪周期“寒冬”虽然猪肉价格跌跌不休,自身也陷入巨额亏损,但牧原股份在资本市场的表现却逆势飘红,股价创6月反弹以来阶段新高。“业绩在恶化,股价在上涨。在强周期行业里,这种背离不是异常,而是常态。”一位资深投资者坦言,“猪价创新低,是2026年的现实,股价创新高,是2027年的预期,本质是周期股的左侧预期定价,而不是当下业绩定价。肉价越低迷,去化逻辑越硬,资金越愿意在左侧提前布局反转。”今年5月,农业农村部修订《生猪产能综合调控实施方案》,把全国能繁母猪正常保有量从3900万头下调到3750万头,红线划在3300万头;绿色区间从92%–105%收窄到92%–103%——波动更小就会触发调控。6月的座谈会更直接要求大型猪企带头压减产能、严控二次育肥。牧原也把能繁母猪从362万头调减到297万头,主动减了65万头。来自农业农村部的数据显示,今年三季度末全国能繁母猪存栏3602万头,同比减少10.7%。行业分析人士认为,这个数据只相当于正常保有量3750万头的96%,这是产能调控机制建立以来第一次跌破基准线,“母猪是产能的发动机,母猪少了,出栏的猪就会少。”虽然市场上普遍认为,供给迟早会收缩,价格会回调,但事实上,这个去产能的周期还是比较长的。牧原股份内部人士表示,这个得逐步去体现,“因为猪毕竟是活物,它不是工业化产品说停就停,一般能繁母猪数量降低会在之后的10个月内表现出来影响,因为要考虑到母猪怀孕、生产、生长的时间。”如何度过这个猪周期的寒冬?牧原股份内部人士对《BUG》栏目表示,为了应对现在的市场形势,现在公司内部就是抓成本降低,完善标准化落地,通过人员管理以及生产过程管理,实现成本降低,“现在企业还是有降本空间的,生猪生产过程中,通过育种、营养研发、数字化应用,各方面还有下降空间,企业内部有的厂区成绩会比较好,有的就差一点,还要缩小方差。”在今年5月举行的2025年度股东会上,牧原股份提出未来将向10元/kg以下成本目标迈进。牧原董事会秘书兼首席战略官秦军也表示,未来牧原的利润增长空间,首先是养殖端降本。截至今年10月,牧原的最新养殖成本降至5.7元/斤。2022年牧原股份提出了“头均降本600元”的愿景,10月21日的交流活动上,牧原表示,600元降本目标已经完成超过一半,大约300-330元,还剩下近一半需要继续突破。7月末时,公司最优秀场线的成本在10.5元/kg以下,但仍有部分场线在12元/kg甚至13元/kg以上,内部各场线成本仍存在较大的离散度。分析人士认为,牧原股份的隐藏风险可能主要在于时间。目前生猪市场的产能去化还远没到位,虽然3602万头仍然是正常保有量的96%,还在“绿色区间”里,但真要深度出清,得往3300万头红线靠。此外,效率还在提升,一头母猪能生产更多,PSY(每头母猪年提供断奶仔猪数)每年还在涨,数量去化被效率增量部分抵消,再加上冻品库容率31.9%–32.2%,也还在高位,任何价格反弹都会被出库压力截断。上述人士表示,“能繁母猪从配种到商品猪出栏大约需要10个月时间,今年三季度的去化,要到2027年的二、三季度才体现在供给上。更关键的是,目前全国外三元生猪均价约8.18元,已经跌破现金成本10.3元,意味着四季度开始,牧原股份连经营现金流都可能转负,报表会更难看。”三季报显示,牧原股份今年前三季度经营净现金流同比减少89.56%。
中国AI大迁徙
虎嗅 · 2 天前
本文来自微信公众号: 动察Beating ,作者:Sleepy工业史上有一种规律,越是到了换代的时候,越能看清一个技术到底生长在哪儿。十八世纪六七十年代的英国,水力纺纱机刚被造出来,工厂主们往北走,去奔宁山脉两侧的德比郡、兰开夏郡找河谷。那时候瓦特的蒸汽机还没进纺织厂,带动纺锤靠的还是水轮。再过几十年,蒸汽机铺开了,工厂又陆续从山谷搬到了煤田和城市边上。每一次技术换代,先是一套算法、一张图纸或一台机器的发明,紧接着就是一场找电、找水、找土地的地理意义上的大搬家。风平浪静时,全球供应链像一张铺平的网,算力隔着太平洋也能调取,人们很容易产生一种错觉,以为软件与智能没有重量,也不挑水土。可一旦遇到封锁与围堵,云端就会落回地面,显出它作为重工业的本来面目,它需要电,怕热,挑线路,更取决于那一排排机柜里的芯片到底是谁的。1964年10月16日,罗布泊,中国第一颗原子弹爆炸成功,代号「596」。五年前的1959年6月20日,苏共中央致信中共中央,决定暂缓提供协议里商定好的原子弹教学模型和图纸资料。1964年罗布泊中国第一颗原子弹爆炸的蘑菇云|图源:人民画报几乎在同一个秋天,三线建设的选址方针定了下来,靠山、分散、隐蔽,具体执行时又多出两个字,进洞。此后十几年,数以百万计的工人、干部、知识分子和解放军官兵离开东部与东北的城市,把机床、高炉和实验室搬进西南与西北的大山,高峰时投入的人力有400多万。半个多世纪过去,世界最前沿的工业换成了大模型。训练大模型的人,每天都有一个规定动作,存checkpoint。几千上万张加速卡连着跑几个月,中间哪怕一张卡掉线,训练就会中断;每隔一段时间把模型的全部权重、优化器状态和随机数种子存下来,出了问题才能从最近的那一个节点接着跑。这个词在英文里还有一个本义,边境检查站。2026年11月,在经历了一轮横跨赤道的找卡长征之后,中国大模型行业迎来了属于自己的那座检查站。60块硬盘故事要从四只飞往吉隆坡的行李箱说起。2025年3月初,四名中国工程师从北京飞往马来西亚。他们每人拖着一只行李箱,箱子里整整齐齐码着15块硬盘,一共装着80TB的数据。他们的目的地是马来西亚当地的一座数据中心,雇主在那里租下了约300台搭载英伟达先进芯片的服务器。为了这一趟飞行,国内的同事提前八周多就开始打磨数据集、反复调试训练程序。因为数据一旦装进箱子出了境,到了异国他乡的机房里,就很难再像在国内那样推倒重来。至于为什么不走网络传过去,理由是走网络传输「可能要几个月」,还不如肉身快。按计划,他们最后要带回国的东西小得多,只有几百GB,是训练好的模型参数。这是中国大模型第一次算力迁徙最原始的切面,卡进不来,数据就坐飞机出去。把工程师逼上飞机的,是几年里步步收紧的芯片禁令。2022年10月7日,美国第一次禁止向中国出售英伟达A100和H100;英伟达很快专门为中国市场改出降低互联带宽的A800和H800。仅仅一年后的2023年10月17日,降速版也被关在了门外。2022年与2023年美国先进计算芯片出口管制规则|图源:政府官网那年国内市场一卡难求。A100从年初的4万元左右一路跳涨到接近25万元;10月新规落地后的一周里,H800的报价几乎翻倍,一台8卡整机在渠道商嘴里喊到了245万元。与此同时,国内算力基建经历了一轮早产。2023年到2024年间,各地先后宣布了500多个智算中心项目,到2024年底至少150个已经投运。一边是实验室拿着现金买不到卡,一边是各地机房空置,原因在于大模型训练的物理门槛,前沿模型需要的是上万张同代际高端卡通过高速网络拼成一个大集群,而散落在各地机房里的,大多是零散、老旧、连不成片的推理卡或上一代显卡。好在当时的美国出口管制留了一道缝,只管买卖,不管租用。总部在中国的公司不能把芯片买进国门,却可以去租海外云厂商和非中国业主的机房。行业里很快摸索出一套分工,最吃算力、最讲究集群通信带宽的预训练放在海外机房,模型训好后,把权重带回国内,用国内的算力池承接日常的用户推理。路跑通了,手提行李箱的土办法很快被现代云基建取代。再往后,工程师连国都不用出了。训练集群留在东南亚或北欧的机房里,算法团队坐在北京海淀、杭州余杭或上海徐汇的工位上远程登录,在终端里敲下一行行启动命令。柔佛的油棕林地球上有一条看不见的空中走廊,叫「东亚—澳大利西亚迁飞区」。它从俄罗斯远东和阿拉斯加出发,穿过东亚和东南亚,一直延伸到澳大利亚和新西兰,途经22个国家,每年有超过5000万只水鸟沿着它南来北往。马来西亚柔佛州西南海岸的红树林湿地,是这条路上的歇脚处之一,其中的丹戎比艾正是亚洲大陆的最南端。过去五年,这条迁飞路线上多了一种硅基候鸟。柔佛与新加坡只隔着一道狭窄的柔佛海峡。这里的红土地换过好几茬作物,1940年代,从新加坡渡海而来的华人宗族砍开热带丛林,种下胡椒和甘蜜;英国殖民者来了,把作物改成橡胶;到了20世纪下半叶,漫山遍野换成了油棕树。如今,推土机推倒了成片的油棕林,种下了柔佛的第四代经济作物,数据中心。2021年,整个柔佛州在线运行的IT负载只有区区10MW。到了2025年底,这个数字跨过了900MW。把人吸引过来的,是海峡两岸悬殊的要素价格。新加坡地少、电贵,曾在2019年到2022年间暂停批建新数据中心。而在海峡对面的柔佛士年纳科技园,每平方英尺地价只要5.12新元,新加坡大成一带则要6000新元左右;柔佛的电价,也只有新加坡的一半上下。更让海外同行吃惊的是中国基建团队的交付速度。中资背景的运营商在柔佛拿地、平整、拉电、装冷却,九到十二个月就能亮灯交机房。DayOne和曾与秦淮数据合并、如今归属美国资本的Bridge Data Centres两家,合计拿下了柔佛在线IT容量的至少58%。而在柔佛的中资运营商名单里,最大的客户是字节跳动。连接柔佛新山与新加坡兀兰的那座跨海长堤关卡,每天有几十万人查验证件通关,是世界上最繁忙的陆路口岸之一,也是这一带最有名的物理checkpoint;而在海峡两岸的机房里,另一种checkpoint正被一份份存进硬盘。2025年11月,《金融时报》报道,阿里巴巴和字节跳动都在东南亚的数据中心训练最新模型,签的是非中国业主的租约。一位新加坡数据中心运营商当时对媒体解释:「训练最前沿的模型需要最好的芯片,而且一切都合法合规。」美国智库IFP做过估算,到2026年底,中国企业通过海外远程访问能够调动的算力,折合下来约为100万张H100等效算力,其中约75%分布在东南亚。2021年以来,马来西亚批准的数据中心投资累计达950亿美元。飞得最远的一支队伍,一直飞到了北极圈边缘。从2025年5月起,字节跳动的一家海外子公司在挪威北部的峡湾小镇格洛姆菲尤尔租下了2304张英伟达B200芯片,那里靠水电供能,常年低温,字节这一笔订单就占了那家欧洲neocloud当年约四分之三的收入。但所有人心里都清楚,借来的屋檐躲不过长久的雨。候鸟南飞,从来不是为了在南方定居。两家公司的2025同样是面对算力围堵,2025年到2026年间,中国最具代表性的两家大模型公司,Kimi和DeepSeek,分别走了两条路。在南下找卡这条路上,月之暗面是最用力的一家。用一位知情人士的话说,他们在全球搜寻算力的姿态「非常aggressive」。2025年7月,月之暗面发布1万亿参数的K2,用自研的MuonClip优化器在15.5万亿token上走完预训练。一年后的2026年7月16日,K3正式发布,总参数量推高到2.8万亿,是全球首个开放权重的3T级模型。美国AI学者Nathan Lambert在评测K3时专门提到,这个模型是「在一个GPU受限的环境里」做出来的。他和Kimi的研究员聊天时,半开玩笑地提起在OpenAI,一个普通研究员手头可能有「几千台H100等效机器」,对方「都震惊了」。拿着远少于硅谷同行的卡,中国团队交出了让大洋彼岸无法忽视的答卷。硅谷风投机构Menlo Ventures在2026年11月发布的企业级报告显示,美国企业花在开源大模型上的钱,89%流向了中国模型,其中Kimi一家就拿走了61%的份额。Menlo Ventures 2026企业AI报告|图源:Menlo Ventures模型太强,最直接的烦恼就是卡不够用了。K3发布仅仅三天后,7月19日,Kimi官方贴出一则《关于算力紧缺与会员暂停开放的说明》,说过去48小时,用户请求量已大幅超出预估,逼近现有集群的承载极限。新会员通道不得不临时关闭,等新一批算力到位后再分批放号。为了替推理集群减压,月之暗面把能想到的办法都用上了,他们在和几家美国云厂商合作托管K3的收入分成,利用开源权重的优势,让海外云厂商用自己的GPU替Kimi接住海外企业客户。但下一代旗舰模型的预训练,没法靠分流解决。据The Information 7月底报道,规划中的K4规模将比K3大得多。月之暗面把目光投向了印尼,签下了一笔总价约1.5亿美元的租约,预订了一座印尼数据中心里的英伟达Blackwell Ultra B300集群,计划最早在2027年启用。据报道,这批卡正是为K4准备的。当月之暗面在东南亚四处找卡时,杭州的DeepSeek选择了另一条路。2024年7月,梁文锋在接受《暗涌》采访时说过一句话:「我们面临的问题从来不是钱,而是高端芯片被禁运。」那年底,DeepSeek发布V3,在2048张H800上完成了训练,折算下来最终一次训练的成本仅约557.6万美元。技术报告说,整个训练过程「没有遇到任何不可恢复的loss spike,也没有做任何回滚」。2025年1月20日,DeepSeek R1发布,凭借强化学习带来的推理能力震动全球。但在R1之后,当同行纷纷出海租卡时,DeepSeek却没有把主力训练搬出过国门。《金融时报》在2025年11月的报道中透露,DeepSeek坚持在国内训练,华为的工程师常驻在它的杭州总部。留在原地的代价,是实打实的阵痛与等待。2025年,华为派了一支工程师团队进入DeepSeek办公室,协助它在国产昇腾芯片上训练下一代推理模型R2。据《金融时报》报道,训练撞上了稳定性、软件和芯片间通信慢等问题,R2的发布一推再推,多模态生成模型的训练排期也相应后移。外界当时只看到DeepSeek慢了下来,却很少有人读懂它在水下做的铺垫。2025年8月,DeepSeek发布过渡版本V3.1,在发布说明里写道,该模型采用的UE8M0 FP8精度格式,是专门为「即将发布的下一代国产芯片」设计的。2026年4月24日,打磨良久的DeepSeek V4终于上线。公司在发布公告里说受限于高端算力,V4-Pro的服务吞吐有限,等下半年昇腾950超节点批量上市后,价格将会下调。在2026年秋天的那个节点回看,一个四处找卡、把模型送进了全球开发者的工具链,一个留在国内死磕底层架构、替国产大集群趟雷。两条路共同构成了中国AI在过渡期里的双翼。直到华盛顿决定把海外那扇门彻底焊死。下午4点15分门是在2026年11月的前两周里,一扇接一扇关上的。先是口头吹风。11月3日,《金融时报》披露,英伟达的销售团队开始口头通知全球云服务合作伙伴,在新签的合同里,至少51%的产能必须卖给非中国客户。这条要求没有落在纸面上,却让东南亚的机房老板们面面相觑,在美国以外,上哪儿去找那么多非中国客户?第二天,11月4日,甲骨文退掉了与腾讯在东南亚的一笔超级租约。那是一份为期五年、总价约70亿美元、涉及约10万张芯片的大单,告吹的原因是美国官员表示反对。11月12日,执掌英伟达33年的黄仁勋因风波辞去CEO职务。这位曾公开说中国AI「只落后美国几纳秒」、直言美国出口管制「在很大程度上适得其反」的华人企业家,在这个敏感的深秋离开了牌桌。11月16日,周一,美东时间下午4点15分,美国商务部工业与安全局将一份临时最终规则递进了联邦公报系统,标题叫《Addressing Remote Access to Advanced Semiconductors》(应对先进半导体的远程访问)。11月19日正式公布,当天生效。远程访问先进半导体新规|图源:政府官网巧合的是,同一天,美国总统特朗普正在深圳出席APEC领导人非正式会议,会后称赞他与中方领导人之间拥有「outstanding personal relationship」(出色的私人关系)。新规的核心条款只有一条,全世界任何一座数据中心,只要给总部设在中国的公司(含其海外子公司)提供超过1200万TPP的算力,向这座数据中心运送先进芯片就必须事先拿到美国商务部的许可证。1200万TPP折算下来,大约相当于750张H100芯片,体量大约是四五个机柜。而训练一个万亿参数级别的前沿大模型,起步就是几千张乃至几万张卡。四五个机柜,连塞牙缝都不够。对于目前已经在服务中国客户的海外存量数据中心,新规给出了90天的缓冲期去申请许可证,否则「将面临未来的出口限制」。从11月19日生效日起算,90天大限正好落在2027年2月17日前后。新规里有一句推定条款,如果一座境外数据中心拒绝提供、或者提供不了客户尽职调查信息,这一行为本身就会被视为「Red Flag」,可以「推定」出口方「知情」。换句话说,说不清机房里跑的是谁的代码,就默认你有问题。印尼、马来西亚、新加坡、泰国、巴西五个国家被单独点名,往这五国运送先进AI芯片一律需要许可审批;如果买家是美国总部的公司,出口方按月提交报告即可豁免。物理断供紧随其后。11月17日,英伟达财报电话会上,接替黄仁勋出任临时CEO的Colette Kress确认:「我们已不再向中国发运获得许可的Hopper数据中心产品。」另据《金融时报》报道,台积电和三星也暂停了对部分中国客户的出货,等待许可。中国商务部对此表示强烈不满,宣布将采取反制措施;外交部发言人郭嘉昆直言,这是「典型的经济胁迫和长臂管辖」。50%的押金贸易规则落地的同一周,金融杠杆也开始收紧东南亚机房的钱袋子。很多人以为东南亚遍地开花的neocloud背后站着挥金如土的财团,实际上,这是一门高度依赖债务的重资产生意。据彭博社统计,2023年以来,亚太地区数据中心公司累计拿到的贷款约490亿美元;一份半导体行业的研究简报测算,neocloud项目七到八成的资金来自债务,常见的做法是,机房业主拿着大客户签下的长期租约,向银行贷款买英伟达的卡,再用收上来的租金还本付息。在这个链条里,押金比例就是地缘政治风险的温度计。在海外算力市场上,一个普通客户去租用英伟达B300服务器集群,行业通行的押金比例在15%左右。而月之暗面在印尼签下那笔1.5亿美元的B300租约时,为了锁住这批2027年才能交付的卡,同意先付50%的押金。到了11月初,据CNBC报道,月之暗面在欧洲洽谈租用8000张以上Blackwell芯片时,甚至有人提出,它必须比非中国客户多付30%到50%的预付款。11月19日的新规,直接让这笔溢价失去了交易对手。据The Information报道,新规出台后,月之暗面退掉了印尼那笔1.5亿美元的合同,并暂停了其他新交易的谈判。为K4准备的那批海外芯片,就此作罢。比退租更麻烦的是银行的抽贷。11月17日,彭博社曝出,新加坡云服务商Aolani Cloud一笔4.8亿美元的贷款被冻结。这笔钱原本要用来采购英伟达GPU,装进马来西亚一座为字节跳动服务的数据中心。据此前报道,两家在马来西亚合作的B200约有3.6万张。这笔贷款的牵头行是新加坡星展银行,新规风声一出,五家贷款方开始讨论退出。而另一家云服务商GMI Cloud此前为了在泰国建设服务腾讯的算力设施,借了3亿美元,贷款条款清单里白纸黑字写着一旦腾讯被列入美国限制名单,贷款方有权要求提前还款。东南亚各国政府在合规高压下纷纷后撤。马来西亚投资、贸易及工业部长Johari Abdul Ghani对CNBC表态:「想留在牌桌上,就得守美国的规矩。」泰国商务部副部长公开表示,未获美方批准的新建项目「可能无法完工」。新加坡数码发展及新闻部与贸工部发表联合声明,「不容许公司借与新加坡的关联来规避或违反他国法律」。资本市场的反应很快,11月17日当天,马来西亚股市两只数据中心概念股盘中暴跌近20%,公用事业巨头YTL Power大跌近10%。而在同一天的香港市场,中芯国际大涨7%。其实,早在华盛顿关上大门之前,北京就已经开始主动引导产业往回走了。2025年9月,网信办要求字节、阿里等公司停止采购和测试英伟达针对中国市场特供的RTX Pro 6000D;11月,国资数据中心项目被要求只用国产芯片;甘肃、贵州、内蒙古等西部算力枢纽省份,对采用国产芯片的数据中心给予最高减半的电费补贴。到了2026年1月,美方有条件放行H200之后,国内海关告诉报关代理,H200「不准入」。一边是华盛顿给海外机房上锁,一边是国内坚定关上特供芯片的后门。持续了三年的外训内推,在太平洋两岸的双向切割下,走到了头。卡被用户吃掉了把视线转回国内。要理解2026年底这场大迁徙的紧迫感,得先看清国内实验室正在经历的另一种甜蜜而痛苦的煎熬。用户增长得太快,把研发用的卡都吃掉了。2026年3月4日凌晨0点11分,阿里Qwen技术负责人林俊旸在X上发了简短的一行英文:「me stepping down.bye my beloved qwen.」林俊旸的离开,官方口径是权责调整分歧,算力只是背景。但两个月前他在一场行业对话里倒出的苦水,道出了许多一线技术负责人的共同焦虑,他说光是应付日常的交付,就已经吃掉了团队绝大部分算力,真正留给前沿探索的卡捉襟见肘。字节跳动内部同样在经历这种拉扯。到了2026年8月,据《晚点LatePost》报道,字节内部曾认真讨论过训练一个5万亿参数以上的超级模型,盘点完家底后发现,现有的算力储备「难再支撑多线并行的研发」,Seed团队随后启动内部架构收敛。为什么连字节和阿里这样最不差钱的巨头,都会觉得卡不够用?因为2026年是中国AI应用真正走进国民日常生活的一年。春节过后,字节旗下豆包的日活用户一举突破2亿大关。高日活带来的是高昂的推理成本和运维压力,以至于向来擅长买量投流的字节,据36氪报道,今年豆包的投流预算很低,再继续拉新,推理的卡就更紧张了。在大模型行业,预训练和日常推理抢的是同一池子算力。用户用得越起劲,留给下一代模型训练的卡就越少。这种「幸福的烦恼」,在创业公司身上体现得更加惊心动魄。2026年2月16日,智谱AI的旗舰模型GLM-5发布后,涌入的并发请求冲破了既定规划上限。尽管智谱此前已经几次扩容国产芯片集群,也限售了Coding Plan套餐,线上服务依然出现了排队和卡顿。智谱不得不公开征集芯片厂商、算力伙伴和推理服务商。不自建机房、靠向云厂商采购的MiniMax,也在急剧追加预算。2026年8月26日,MiniMax与阿里云签署补充协议,将2026年至2028年三年的年度采购上限,从原定的1.15亿、1.25亿、1.35亿美元,一口气上调至3亿、4亿和5亿美元。创始人闫俊杰在一档海外播客里坦言:「对于我们而言,尤其是对于一家中国AI公司来说,算力始终是一种约束。」到了9月,连一向以工程效率著称的DeepSeek也开始引导用户分流。它将原本调用V4-Pro的请求转给新发布的V4.1-Flash。11月16日,「DeepSeek使用额度已达上限」冲上微博热搜,不少重度用户连续对话不到两个小时就碰到了上限。看懂了这层供需关系,就能理解为什么2026年下半年国内的空气里总有一种微妙的蓄力感。这几个月里,各家的小版本和Flash模型密集迭代,唯独超大参数的旗舰纷纷放慢了脚步。智谱在8月31日官宣了GLM-6,没有给出具体上线日期;MiniMax约3万亿参数的Pro版本,据报道原计划三季度亮相,至今未见;DeepSeek发了V4.1-Flash,还没有V4.1-Pro。与此同时,两年前那种不计成本的API价格战彻底熄火,据统计,2026年二季度,国内大模型API的平均输入价格比2025年一季度高出约48%,输出价格高出约80%;DeepSeek高峰时段的输出价格,涨到了原来的4.5倍。朱啸虎曾断言:「今年,可能是基础大模型的最后一年。」但在我们看来,这个结论恰恰把因果倒置了。旗舰模型放慢发布节奏、API价格回归理性,从来不是因为基础模型摸到了天花板,而是因为中国大模型走出实验室、真正进入了数以亿计的真实场景和全球开发者的工具链。研究机构Epoch AI统计,2022年至2026年年中,全球新增的AI算力里,中国拿到的份额只有大约十分之一;但全球最大开源社区Hugging Face的统计显示,2025年2月至2026年2月间,全平台四成以上的模型下载量来自中国团队研发的模型。用全球十分之一的增量算力,撑起了全球四成以上的开源模型下载和国内数亿人的日常调用。不仅如此,算力的刚性约束,反而逼出了中国工程师在架构优化与系统工程上的硬功夫。财新引述的一位业内专家判断,经过harness深度调优的小模型,能用大约4%的成本,拿到大模型接近90%的能力。正如SemiAnalysis的Dylan Patel在11月新规落地前几天所评价的那样:「论能力,月之暗面大概和美国实验室一样好,他们只是在算力和部署上有很大缺口。」现在,这群最懂得如何省着用卡的工程师,要集体搬回国产芯片的地基上了。精度对齐从英伟达的CUDA生态搬回国产算力底座,不是发一纸行政命令就能完成的搬家,它首先是一场极其硬核、细致到每一个比特的底层工程攻坚。在芯片和框架工程师嘴里,回家之后的第一道鬼门关,叫「精度对齐」。理想状态下,同一个模型架构、喂进去同一批训练数据,放在英伟达的GPU上跑和放在华为昇腾的NPU上跑,画出来的两条loss下降曲线,应该像两页描红纸一样严丝合缝地叠在一起。但在真实的工程世界里,只要底层硬件的数值精度或者通信算子的归约顺序有一丁点差异,两条曲线就会差很多。科大讯飞是最早把这套苦功夫啃下来的中国公司之一。在2026年4月的投资者关系活动记录表里,讯飞把两代硬件的客观差距摆了出来,当时主力使用的昇腾910B单卡显存是64G,而英伟达H200是141G;显存带宽一边是1.6TB/s,另一边是4.8TB/s。开箱状态下,讯飞在910B集群上的训练效率,只有同规模英伟达A800集群的30%左右。讯飞跟华为深度合作,一个算子一个算子地重写、调优。2025年里,他们硬是把长思维链强化学习的训练效率从30%拉升到了84%,昇腾原生MoE模型的全链条训练效率提到了93%。即便如此,客观的适配周期依然存在,讯飞在记录中写道,当国际上冒出一种新的主流算法时,在N卡上直接就可以做,在国产卡上却需要额外解决算子库效率优化等一系列问题,通常要多花3到6个月的适配周期。2026年10月,科大讯飞董事长刘庆峰说:「我们并不希望讯飞是唯一一个在国产算力上做训练的。」刘庆峰没有等太久。当年选择留在原地的DeepSeek,在这个秋天把这条路往前铺了一大段。回过头看,DeepSeek在2025年经历的那次R2迁移挫折,非但不是一次溃败,反而成了整个中国大模型行业最宝贵的一次投石问路。2026年4月DeepSeek V4发布当天,昇腾芯片就在第一时间实现了推理支持,其专家并行的核心kernel在英伟达和昇腾两套硬件上都完成了验证。到了7月,一支由华为牵头、深圳河套学院等机构参与的攻关团队对外披露,他们在约1000张昇腾910C组成的集群上,完整跑通了DeepSeek V4-Pro 1.6万亿参数模型的全参数后训练,连续运行约一个月,迭代1500多步,全程「无跳步无NaN」,模型算力利用率稳定在34.9%,每一步耗时27秒。9月30日,国庆节前一天,DeepSeek正式宣布开源一整套面向昇腾平台的底层核心组件,从TileLang编译工具、计算库到分布式通信库,与英伟达版本一一对应。为了迁就国产芯片的内存访问特性,DeepSeek甚至主动修改了自己招牌的FlashMLA注意力实现里的KV cache内存布局,把数值和缩放因子打包存在一起,只为了让昇腾芯片少搬几趟内存。在过去的硅谷范式里,永远是模型公司顺着英伟达定义好的硬件架构写代码;而在2026年的杭州,顶尖模型实验室开始为了国产芯片的特性,主动重构自己的底层算子。不仅如此,华为与DeepSeek还在联合共建基于昇腾950的128卡超节点。SemiAnalysis的实验室在今年点亮并实测了一张华为昇腾950PR测试芯片。功耗203.3瓦,核心温度56摄氏度,板载128GB HBM高带宽内存只用了5GB出头;满载运行时功耗约600瓦,在最考验硬实力的计算密集型矩阵乘法上,它的实测利用率能跑到理论上限的41.5%,作为对比,英伟达经典的H100是46.8%。除了DeepSeek,整支中国大模型舰队都在完成底层代码的换血。月之暗面的Kimi K3从监督微调阶段起就引入了量化感知训练;智谱的GLM-5在发布第一天,就同步完成了对华为昇腾、寒武纪、海光、昆仑芯等七家国产芯片的适配;在各大实验室的代码库里,纯CUDA算子越来越少,TileLang这类跨平台的写法越来越多。太平洋两岸的两棵科技树,正在从最底层的精度格式和内存布局上,长出各自独立的根系。乌兰察布的冬天2022年2月17日,国家发改委等四部门联合印发文件,在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏8个地区启动建设国家算力枢纽节点,并规划了10个国家数据中心集群,「东数西算」工程从那一天全面启动。历史有时会有惊人的巧合。差不多整整五年后的同一天,2027年2月17日前后,恰好是美国新规给海外存量数据中心画下的90天大限。五年前,当文件里写下和林格尔、庆阳、贵安、中卫这些西部与北方地名时,很多人以为那只是一项常规的能源调配工程,东部的土地和能源越来越紧,而西部和塞北有吹不完的风、晒不完的太阳。五年后,当海外的机房大门关上,人们抬头才发现,承接中国AI北归的基地,已经在北方的草原、黄土塬和西南的山洞里提前铺开了。在甘肃庆阳,昔日的黄土塬上立起了一座座智算中心,阿里千问、智谱和Kimi的训练与推理任务在这里昼夜吞吐。在贵州贵安,腾讯把核心数据中心直接建进了山洞里,厚重的岩体一年四季恒温15摄氏度;华为云新增的昇腾卡有八成以上运往了贵安,这里也有华为最大规模的CloudMatrix384昇腾超节点部署。半个多世纪前,贵州的崇山峻岭里藏着轰鸣的三线工厂;半个多世纪后,同一片大山里,装进了一排排闪烁着指示灯的国产算力。在内蒙古和林格尔,今年10月14日,全球首个昇腾950DT万卡池正式宣布,当时正在系统联调,单栋机楼就能装下3万卡的集群。而在这场向北的大迁徙中,最繁忙的驿站,叫乌兰察布。乌兰察布在蒙古语里意为「红色的山口」。它距离北京约350公里,坐高铁不到两个小时就能到。这里海拔高,年平均气温只有4.3摄氏度,一年里很长一段时间,可以直接用室外的冷空气给机房降温。城南起伏的草原上,数据中心一座挨着一座。远景科技集团在这里建设的「星河」园区总规划达800MW,首期120MW在一年内就完成了交付,建造成本只有美国同类项目的五分之一。乌兰察布过去出名的一种作物是土豆。远景创始人张雷说,他想让大模型的token变得「像土豆一样便宜」。2007年夏季辉腾锡勒草原风电场|图源:Steven Buss11月下旬的乌兰察布,夜间气温常常下降到零下十度。塞北的风掠过城南的草原,推着上百米高的风机缓缓旋转,电流顺着输电线路汇入恒温恒湿的机房,点亮一排排刚刚上架的机柜。南方柔佛海峡湿热的雨季还在继续。按照节令,候鸟要等到来年开春才会北归;这一次,算力走在了它们前面。
觉得网购女装质量差还贵,年轻人把缝纫机踩冒烟了
虎嗅 · 2 天前
本文来自微信公众号: 知危 ,编辑:大饼,作者:知危编辑部现在,互联网上不博弈不沉淀,也不奥德赛时期了,全民正在严肃进入纯过日子时代。“过日子时代”落在服装消费方面,一个有趣的表现是:一波人还在讨论1000多块钱一条的Alo瑜伽裤到底卖给谁的时候,另一波人已经自己在家把缝纫机踩到冒烟了。“网购买不到合适的,经济能力又实在跟不上日渐增长的审美眼光,只能自己动手丰衣足食了。”一位正在尝试缝纫的消费者直言。与拼豆不同,在享受手工带来的“心灵和精神放松”之外,它还能带来更实用的成品。从拼豆进化到“缝纫”,这类耗时的手工DIY类目的不断兴起,似乎也意味着,年轻人所追求的“旷野”,正在指向一种更具体的生活。曾经提到“缝纫机”,还是老式结婚三大件,是老一辈的“生产工具”。但现在,这个“古董”却成为了年轻人的新玩具。娜娜(化名)的第一台缝纫机,就是从家里长辈家搬回来的。“当时我觉得工作不舒适,想要gap一段时间然后再换个工作,在这个间隙里,到一个长辈家里拜访的时候,她刚好拜托我把她闲置的缝纫机挂到闲鱼卖掉,当时我突发奇想就把它带回家了。”娜娜把这台老式缝纫机搬回家之后,起初只是试着给小猫小狗做一些围嘴之类的小件。直到有一次旅行前,她发现自己缺少一件夏天既能防晒、晚上又能稍微挡一点凉风这样的外搭,上网又没挑到十分合适的,最终决定自己“手搓”一件。娜娜(小红书id:NNAD)的缝纫作品聊到女装消费,绕不开居高不下的退货率,消费者的吐槽也从未停歇。面料参差不齐、尺码紊乱、款式断层,是最集中的痛点。首先是材质,娜娜对知危表示,自己做了衣服之后才发现有些女装并不是做不好,而是根本不上心。“预售时间久如果质量好的话其实我也能接受,但是我买了几次涉及到纯天然材质的衣服,发现普遍都会缩水,衣服缩水之后不光是大小不合适,款式也变得两模两样了。有一次我买了一件铜氨丝的裙子,没洗的时候长度能垂到脚背上,洗完之后缩到了脚踝以上五公分左右的位置,整个长度和宽度都缩了。”但是,自己接触缝纫做了功课之后,娜娜发现这类衣服应该在出厂前有个流程叫“预缩”,简单来说就是厂家需要在裁剪、缝制衣服之前,就对面料做可控的收缩,把它未来下水会缩的量提前缩完,锁住尺寸,但很多厂家直接省了这一步。再就是尺码,娜娜身高1米74,体重在100斤左右。她表示:“生活中所有人见到我都会说我是很瘦的一个人,而且我的比例也就是正常人比例,早些年的时候,正常买衣服我还是穿M码,但是我现在衣服,买XL、XXL有时候都会觉得紧。”另一位正在缝纫的cokie对知危表示,自己妈妈这个年龄段的女性买衣服更是难上加难。“我妈现在很难买到合适的衣服。在网上搜四五十岁的衣服,都直接推老年装,但是除了老年女装,就是年轻小女孩的衣服,风格、款式都不合适。”甚至不止穿出门的女装,就连“内裤”这样刚需的品类,即使稍微好一点的内裤已经几十块一条了,对很多人来说也依旧买不到合适的。娜娜就表示她的妈妈总会提到内裤很难买:“要么就是太低腰了,要么就是勒得慌,要么面料又不好。”于是,娜娜家里的缝纫机有时候也被妈妈拿过来做内裤、居家睡衣用。另外,在价格方面,抛开创意价值和时间,面料的成本要比在市面上买女装低不少。娜娜举例到,最近她做了一条裙子总共用了12米布,这种布的单价在10到15块左右一米,就算算上缝纫机折旧、线、扣子这些其他材料也不过200左右,但她表示网上卖类似的棉麻长裙、老土布风格的袍子,稍微带些设计感的,基本要卖到上千元。另一位在家缝纫的二二(化名)也表示,做夏天的上衣、衬衫,成本在20到50块不等,“但同样的价格在网上几乎不可能买到能穿的衣服,自己选布料做、自己跑线,质量会比买的好很多。”二二三个月的缝纫成果“很难买到符合预期的衣服”是现在消费者的共识,而这些成衣行业一直存在的问题,推着一部分消费者从被动买家,变成亲手造物的制作者。女装的尽头不是买手店、快时尚品牌,而是“自己动手”,这颇有一种返璞归真之感。除了解决刚需,还有很大一部分消费者把“缝纫”作为一种解压的方式。在信息冗杂的碎片化时代,不少人都需要类似的“输出型爱好”来获得满足感和成就感。娜娜表示,一个能让她摆脱“发光屏”,并且沉下心来研究的爱好对她来说很重要。“我做的大部分是夏天的衣服,正反馈很快,基本上两天就能做出来一件。”刚入坑的时候,她每天都能踩缝纫机到11点。“我还在我的老式缝纫机下面加了一个厚的减震垫,怕做到太晚了吵到邻居。到现在我也是周一到周五上班,周六周日连着两天能都在家里做衣服。”她本身是做施工图出身的建筑师,对数据、手绘和空间感本身就比较擅长,加上自己一直喜欢研究时尚,总会有些灵感迸出。娜娜在摸索着做第一条裙子的过程中,一边做一边尝试,研究出来好几种穿法,随手发在社交平台上就收获了很多赞美,还有很多人私信、评论要教程,直接就感受到了“创作”的乐趣。小小的拼豆都能被充满创造力的网友们研究出亮片烫、毛巾烫、立体拼豆、悬浮拼豆,缝纫届更是“要考研了”。从基础的杯垫、大肠发圈,到小狗小猫的马甲、斗篷,再到各种花色、质感的裙子、甚至大衣,缝纫可以玩的花样更是多得数不胜数,而这些“同好们”也很容易形成圈层。二二提到自己有固定的“缝纫搭子”,她和几个朋友陆续入坑缝纫之后,虽然几个人穿衣风格完全不同,但是每天都会讨论布料、花色、款式。“我们经常互相借纸样,每次做好了新的衣服也都会分享,氛围非常轻松、纯粹。包括现在卖纸样、布料的商家,也会建群,大家会经常互相分享一些创作灵感之类的。”其实,缝纫机重新在年轻人中火起来,也意味着一种消费观念的转向,当各类快时尚已经过气之后,消费者们开始转向可持续的消费叙事。比如在社交平台上搜索缝纫相关的词条,热度很高的一个部分是“旧衣改造”,更时髦的称呼叫“remake”。网友们通过不同布料拼贴,做成新的包包、被子,或者把旧外衣、牛仔裤重新改造成狗窝、抽纸盒、布艺花瓶,有网友表示:“有了缝纫机之后,开始想念断舍离的每一件旧衣服。”而这种可持续,不仅仅是节俭、也很难简单概括为“消费降级”,背后更有价值的是“创造”。并且,社交平台也提供了一个能认可这种“创造价值”的场域。cokie的第一件缝纫作品是一件围裙。她说最开始刷到的是欧阳娜娜照片里的一条手作围裙,她觉得很可爱,但是一搜竟然要300多块,最终决定直接自己做一条。“我现在本身就在一个手作店里上班,每天就是研究可以做什么东西,我觉得这个围裙很好看,还能上班的时候当工服穿,就给我和店主一人做了一条,结果发到网上之后爆火,副业就这样水灵灵地吻了上来。”cokie在小红书上分享自己的手作(id:我不想去上学了)cokie表示,她的手作围裙可以接定制,短款128一条,长款188一条,一个月出了大概15件货。“重点是定制的部分,前期我会和客户沟通好要什么颜色、款式、图案,出完设计稿确认之后才开始做,我自己做的不好就让原先在缝纫厂上班的妈妈帮忙做。”二二也表示,自己把作品发在社交媒体之后,陆陆续续会有人来她接不接来料定制。“有个客人的布料还是在日本逛街时候买了背回来的,虽然手作一定会有瑕疵,但对方看了我的作品之后表示很信任,也直接说‘能接受有瑕疵’,我才放心接了这单。”但与此同时,二二也表示,想靠这个赚钱,其实不容易。“很多卖自己手工衣服的标价很低,一般是新手练手的闲置衣服想把他出掉,卖个几十块钱。比较成熟一点的标价很高,比如五六百一件的手工T恤,销量又不会很多。”缝纫流行起来,除了缝纫机之外,一些更上游的商家迎来了新的机会。之之(化名)目前在电商和社交平台上“卖布”。之之原先从事女装行业,自己家也有织布厂,关注到缝纫的势头起来之后,顺势开始在社交平台上做自己的“原创布”。“我们有合作的印花厂,它的花型库里面有一万个花型,我自己选择、排版、搭配之后就能到工厂印布,然后拍图到社交平台来卖。”她表示。不过,看似简单的工作也因为流行趋势的更迭大有讲究。之之对于布料的灵感来源于做女装时对时尚潮流的感知,她提到:“每个季节都会有流行元素,比如前段时间很流行星星元素,我设计的一款星星布就卖的很好,接下来新年我会做羊的元素,包括夏天流行类似泳装的面料、10月流行功能性面料防污、防水、保暖这些,流行趋势要一直追。”而当大趋势都被大家看见的时候,想要做的突出就只能跑的更快一些。“其实只要一个印花上了,马上就会有人来抄,我必须保持非常高的上新节奏来维持竞争力,平均一两天就要上新一款。”之之表示。并且,和拼豆一样,线上种草把缝纫的热度推起来之后,线下也发展出了新的业态。上个时代裁缝店还是帮你做衣服、改衣服的存在,现在,裁缝店流行“教你做衣服”。其实对个人而言,算下来一台家用缝纫机从几百到几千元不等,还要搭配锁边机、各色布料、辅料、纸样,一次性投入并不低,这对很多还没完全入坑的新手来说,很容易像很多网红爱好一样,最后落得闲置吃灰,于是“缝纫自习室”出现了。据了解,基础的缝纫自习室大多采用预约制,面向已经掌握基础走线、打版的熟手,可以自助使用场地和设备,按小时、按次或者办卡计费,不少门店还配套售卖边角料布料、纸样和压脚配件,不用新手一次性配齐全套装备。自助场地的价格便宜的十几块一小时,环境好一点能收到五六十块一小时。另一大类是主要“卖课”的缝纫工作室,零基础小白选择带老师辅导的体验时段。目前,市面上的缝纫体验课的基础收费在70到200多块不等,简单的一般会设置大肠发圈、束口袋、托特包这类易上手的小物件。宠物缝纫也是一个热门赛道,消费者可以选择口水巾、背心裙、背心马甲这类产品,根据复杂程度和尺寸大小收取基础费用,除此之外还会额外收取自选面料或者配饰的钱。据了解,一般配饰的利润率相对会更高,比如一个纽扣收费3到5块,一个小标签收费5-7块。折合下来做一小件衣服,几乎最少也要200-300左右。但尽管如此,这类看上去火热的自习室或缝纫课生意,账本却都不好算。首先通病是翻台率很低。和一张桌子能坐下好多人的拼豆店不一样,一台缝纫机在一个时间段只能服务一个客人。cokie在的手作店里也有两台缝纫机,她表示在同一时间段,最多只能接两个客人。“买来缝纫机的前一个月基本每天下午都有客人预约来体验,最近的话基本只有周末有人来,平常工作日的人流也变少了。”北京一家宠物缝纫店KI.GO-Studio的店主曼曼(化名)也表示:“初次体验的话,一件简单的马甲一个客人也需要预留五六个小时的时间,还要有老师全程指导,我们用预约制,每天最多也就能排四五个客人。”而店面租金,机器折旧,耗材损耗,能够看懂版型、会处理机器故障的师资,这些都是免不了的成本。KI.GO-Studio的位置在北六环外,也不是核心商圈,租金虽然不贵每个月4000左右,但曼曼表示自己店里进了上百余种面料,因为切入的宠物赛道,她也表示:“有的顾客会很在意面料的舒适程度,会特意强调要给自己家小狗选择母婴级的面料。店里的面料进价也都是30到50一米,甚至最贵的有100多一米的。”每当某种新的手作爱好爆火时,总会有一批创业者涌入,但对于缝纫而言,体验过课程的客人如果仅当成打卡,那如何让他们进行二次消费?而将缝纫发展为爱好的那部分人,大概率会自己购入缝纫机,那这部分客源就很难留住。如何持续性地运营下去也许才是真正的难点所在。曼曼原本是做服装设计行业,她直言:“说实话,开这家工作室就没抱着能赚钱的打算。只是因为我很爱好设计和缝纫,想把这种花时间来创作的感受和理念传递出去。”提到未来可能发展的方向,曼曼表示自己将来盈利可能还是要靠缝纫工作室积累一些客户,然后接定制款、或者宠物高定这类单子。回到最初的起点,“全民过日子时代”很容易让人联想到日本社会学者三浦展在《第四消费时代》的观点,在第四消费时代,这一时期最典型的消费特征是从“物质满足”到“意义满足”,从“追求名牌”到“追求简约、无品牌、高性价比”。也许,缝纫正象征着一部分人悄悄进入“第四消费时代”。正如书中那句经典的引用:“消费就是将物品的消耗和再生作为表面的目的,而实际上追求的是充实地度过时间。”
全球算力进入“后黄仁勋时代”
虎嗅 · 2 天前
本文来自微信公众号: IT时报 ,作者:毛宇黄仁勋离开英伟达的方式,比市场预想的更突然。当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利益,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在2027财年第三季度财报电话会上明确表态,董事会“不打算恢复他的CEO职务”。一位掌舵33年的创始人以这样的方式离场,本身就足够令人震动。但真正牵动中国算力产业链神经的,是几乎同一时间窗口发生的另一件事。11月16日,美国商务部工业与安全局(BIS)发布临时最终规则,将管制范围进一步延伸至通过海外数据中心远程获取先进算力的方式。对部分AI企业而言,除了芯片采购,算力租赁也面临更多不确定性。问题随之变成:真正的底牌是什么?变化已经传导至市场。《IT时报》记者经多方采访了解到,一些渠道的GPU报价出现波动,国产算力产品的咨询量也在增加。更多客户开始询问国产卡,但价格、供货等现实问题仍摆在他们面前,而最终答案并不是一件简单的“国产替代加速”叙事。管制延伸至海外算力租赁过去几年,一部分企业通过数据中心租用高端GPU算力。如今,这条路径面临更严格的审查。按照BIS新规,印度尼西亚、马来西亚、新加坡、泰国和巴西五国被列为“高于正常水平的转移风险”地区。向这些国家出口、再出口或在境内转移相关先进半导体,需按照新规申请区域稳定许可。在规则公布前已提供相关规模算力服务的数据中心,须在规则生效后90日内获得许可,否则可能面临后续出口限制。这意味着,海外数据中心服务谁、提供多大规模的算力,也进入了监管视野。另一个角力点是法律。美国《远程访问安全法案》(RASA,H.R.2683)今年1月以369票赞成、22票反对在众议院通过,随后送交参议院银行、住房与城市事务委员会。尽管截至目前,该法案尚未进入表决程序,也未生效,但其立法意图与新规方向一致:把“远程使用算力”纳入与芯片实物出口同等的管制框架。事实上,有分析指出,RASA即使不在短期内单独表决,其核心逻辑也已经通过BIS新规部分落地。判断合规与否的依据,正在从算力的物理位置,转向算力的实际服务对象。这对产业而言,意味着摩擦点前移了。市场转向国产芯片市场反应已经出现在报价单上。《IT时报》记者在多个算力租赁与服务器渠道了解到,境外高端GPU的出售与租赁报价,自黄仁勋离职消息落地后出现小幅上调。一位渠道人士说,价格“几乎每天都在变”,但整体方向轻微向上。价格之外,客户越来越关注的是供货能否持续。一位服务器厂商人士此前告诉记者,供给端的确定性“正在肉眼可见地下降”,客户需要同时考虑合同能否续签、资源能否持续供应,以及后续监管口径是否会发生变化。当然,也并非所有人都急着出手。已经完成采购、手里有现货的服务商,在续租谈判中的议价能力明显增强;而仍在等待交付的用户方,正在重新评估手上的训练排期。大模型厂商也感受到了压力。11月18日,腾讯在第三季度财报电话会上表示,新的芯片限制将影响模型训练,短期内推出下一代模型可能需要更长时间。海外算力的不确定性,推动更多客户重视国产算力。“越来越多人来问国产卡,比如华为昇腾、天数智芯、沐曦等。”一位渠道人士告诉《IT时报》记者,咨询量增加的同时,价格和供货仍是客户绕不开的问题。他透露,搭载昇腾950DT芯片的AI服务器货源并不多。从询价到下单,客户还需要考虑手头能否获得足够的设备,以及交付时间能否跟上自身需求。对急着安排训练任务的企业而言,这些问题直接关系到算力何时能够真正用起来。投资人在换仓一级市场的资金比舆论更早做出反应。“具身智能的钱有一部分流向了半导体。”一位专注硬科技赛道的投资人士向《IT时报》记者直言,由于二级市场迟迟等不来具身智能的上市窗口,而半导体市场已有了一批上市标的和公开定价可供参照,一些资金正在转向产业链上游。投中研究院数据显示,今年三季度半导体领域发生631起投资交易,融资规模1092.43亿元,金额同比增长91.2%。但“钱往芯片走”不等于“钱在追所有芯片”,筛选标准正在急速收紧。上述投资人士观察到,投资人对项目的考察正从“处于什么赛道”,转向“产品卖给了谁、订单有多大”,“现在看半导体项目,有没有订单、订单规模有多大,权重远高于赛道标签”。上述投资人士坦言,单纯讲“对标H200”的故事已经很难推动下一轮融资,以东方算芯为例,A+轮投后估值已超百亿元,计划四季度启动B轮,靠的是“软件定义+3D堆叠”给出了可验证的工程路径,而非空洞的“替代情绪”。产能端的约束正成为比订单更现实的考量。眼下,中芯国际的产能持续处于紧俏状态,其联合CEO赵海军在11月的第三季度业绩会上表示,全球设备供应链整体紧张,交付周期拉长,部分设备交付时间仍存在不确定性。不过,由于一级市场可投的头部GPU标的已经不多,热钱同时向脑机接口、量子计算、可控核聚变、存算一体、光通信等更分散的硬科技领域溢出。黄仁勋的离去,对英伟达是一道治理考题,但对国产算力来说是一场新开局。热钱可以流到很多方向,但国产算力的落脚点只有一个,窗口已经打开,能开多大,取决于客户机房里的交付量。排版/季嘉颖图片/华为东方算芯英伟达东方IC来源/《IT时报》公众号vittimes
多数车企应付账款周转天数仍远高于60天
虎嗅 · 2 天前
本文来自微信公众号: NBD汽车 ,作者:每经记者日前,中汽协要求17家重点车企在明年1月31日前报送首份覆盖2026年度的账款支付执行情况报告,这份名单从一汽、上汽、比亚迪,一直排到理想、蔚来、小鹏、小米、零跑。眼下,距离提交这份覆盖2026年度账款支付执行情况的报告已不足三个月。11月19日,就账期相关问题,多家整车上市公司董秘办工作人员在接受《每日经济新闻》记者采访时表示:“账期问题现在比较敏感,以官方信息为准。”记者通过梳理Wind数据发现,2026年三季度,主流车企应付账款周转天数均值为127天,相比去年同期的122天,虽增加了5天,但仍有多家车企应付账款周转天数同比下降超过20天。1多数车企应付账款周转天数仍远高于60天记者梳理多家车企2026年三季度财报后发现,应付账款、应付票据两项财务数据,期末余额相较于期初均有所降低。比如,长安汽车期初应付账款和应付票据分别为298.41亿元和439.79亿元,期末两项财务数据分别降低至256.78亿元和352.77亿元。不过,据Wind数据,截至2026年三季度,不少汽车企业应付账款及应付票据周转天数超过100天,有的甚至高达200天以上。应付账款及应付票据周转天数又称平均付现期,不完全等同于车企给供应商的付款周期,但也是衡量公司需要多长时间付清供应商欠款的一个指标。付款周期延长是车企不想付吗?是付不起。虎嗅ESG组以国内10家车企作为样本做了测算,10家车企总计约9364亿元应付类资金(指应付账款与应付票据),其中9家现金转换周期为负。“过去三个月,吉利汽车面临了过去几年里最严峻的挑战时刻,所有产品线都面临同质化竞争。”在10月末的三季度财报电话会上,吉利汽车董事会副主席桂生悦道出了车企经营的不易。根据东方财富Choice数据,2026年前三季度,10家车企合共实现营收20772.09亿元,对应归母净利润总和为482.45亿元,同比下降超过30%。当下,长账期和价格战已是互相加码的关系。价格战压低利润、回款变慢,车企就靠拉长账期延后掏钱;手里留住了现金,研发、营销、建厂才能继续,价格战也就打得更久。但从长期来看,畸形的账期生态会导致中小企业利润被账期成本吞噬,无力投入研发,导致企业技术落后,产品竞争力不足;若一旦主机厂出现经营危机,供应链将集体受波及。2账期透明度才是关键今年2月,中汽协的一份调研报告显示,自17家车企承诺对供应商支付账期不超过60天以来,绝大多数重点车企已把账期压缩至60天内,平均账期约54天(较去年同期缩短约10天);平均账期低于50天的企业有4家。一位会计专家接受媒体采访时表示,真正有意义的是披露应付账款的账龄。60天以内支付了多少,60天到90天多少,90天到120天多少,120天以上多少。如果这些数据能够由审计师核验,外界才能判断60天到底有没有落实。除账龄外,车企还应进一步披露:已到期与未到期应付款;对中小供应商的应付余额;现金、银行承兑、商业承兑及电子凭证的支付比例;从验收、对账到供应商取得现金的时间分布。否则,60天可能只改变一个合同数字,却无法回答供应商何时能真正拿到钱。记者注意到,在此次中汽协开展的汽车企业供应商账款支付调研评估工作重点中,也提及“账期天数是否不超过60天;是否全部采用现金(银行转账、电汇等)支付;是否全部采用现金和银行承兑汇票支付”,同时“现金和银行承兑汇票支付比例是否不低于80%”。当前,部分车企已明确表示采取相应措施缩短应付账款及票据周转天数。在今年8月的吉利中期业绩会上,吉利汽车集团CFO戴永交过底。他表示,吉利的应付账款周转天数从2025上半年的115天,一路压到了二季度的96天,对中小供应商的账期全缩到了30天以内。此次工信部表态和中汽协常态化评估,意味着账期约束从车企口头承诺变成有抽查、公示、督导的刚性机制,供应商回款预期更稳定、维权渠道也更明确。
保险业“已经离不开AI”
虎嗅 · 2 天前
本文来自微信公众号: 界面新闻 ,作者:冯丽君近日,一起因AI辅助办公引发的劳动争议案件引起保险业内的广泛关注。据《法治日报》报道,吴女士在某保险公司担任法务,2024年7月,吴女士在公司领导的推荐下,将自行整理加工后的公司稽核问题数据表上传至第三方AI平台用于辅助办公。2024年8月,公司突然向吴女士出具《解除劳动合同告知书》,以“严重违反规章制度”为由,与其单方解除了劳动关系。吴女士称,公司从未出台有关“禁止员工使用第三方AI办公”的制度规定,也未开展AI工具合规应用培训。最终,北京市朝阳区人民法院审理判令,某保险公司与吴女士继续履行劳动合同,同时该公司向吴女士支付因违法解约产生的年终奖差额、绩效工资、工资损失等。目前该判决已生效。对于吴女士的案例,上海市光明(南京)律师事务所李翰轶律师对界面新闻分析,“公司承担组织治理责任,通常对员工履职造成的外部损害先行担责;员工按故意、重大过失承担内部追偿责任。能否解除劳动合同,需要另行审查,不能与泄密责任混为一谈。”AI时代,如何在鼓励AI落地与防范数据合规等风险之间建立清晰的制度,成为金融机构需要回答的新课题。“对金融行业而言,AI不是禁用品,关键是把边界划清楚、把责任落下去。”李翰轶对界面新闻表示。界面新闻记者从业内交流了解到,保险公司对于员工使用AI的边界设置各有不同,但都集中在保险公司自身的规范与约束。AI应用加速当前,保险公司的AI应用竞赛已然开启:中再寿险近日推出了智能理赔助手;平安养老险日前正式推出企业年金服务助手“福伴”,可以实现“一句话办企业年金服务”;众安保险近期将企业团险智能助手“OK仔”作为其智能团险体系面向员工的统一服务入口……此外,多家保司人士告诉界面新闻,其公司内部均有自研AI应用,以提升员工工作效率。有保险公司人士向界面新闻表示“已经离不开AI了”,而AI带给保险公司的效率提升也是显而易见的。例如,平安健康险自研了集数分、办公、编码三大功能于一体的业务AI工作台阿乐。据了解,阿乐平台已经交出了一份提效清单:机构全面风险管理综合评价月报编制时间从6人1天压缩至1人30分钟,单技能年节省576小时;客户画像、竞品分析、理赔报告等工作流将4至8小时的人工操作缩短至1至3分钟;四川分公司一位员工独立搭建6个工作流技能,年节省超2000小时。“这两年,我们用自研的星聚工具,生产图片和短视频素材,目前已全部替代了外部采购,全部为自研素材平台星聚产生。”安行天下保险经纪技术负责人任成功向界面新闻介绍称,“在星聚平台,图片素材都是自动生成、自动裂变,极大提升了素材生产和投放效率。新建投放账号时,能够快速上架大量素材,对比之前给设计出需求,再生产图片,一个是审核通过率提升,一个是吞吐量提升。”“短视频素材,我们之前一人一周生产约20个,借助星聚自研视频剪辑工具,当下一人一周能做100-150个。”任成功表示,将原有数小时的素材创作时间缩短至几秒,并且构建起一座“7*24小时”的素材生成工厂。在部分决策领域,AI也在发挥作用。“目前我们公司的科技中心已经全面应用了AI编程;在一些运营工作上,很多的业务数据、报表等,包括运营策略,都在使用AI的建议。用AI帮着分析数据,去做一些决策建议。在开发效率,日常工作数据响应速度上都有极大效率的提升。”任成功告诉界面新闻记者。《AI保险行业应用创新白皮书》指出,从应用进展看,AI已开始深入保险价值链多个环节,并呈现出由单点任务赋能向流程协同优化演进的趋势。太平财险将AI定位为驱动公司从“规模驱动”向“价值驱动”跃迁的新质生产力。“近一年多来,公司探索和推进AI落地应用,目前相关能力已融入产品、承保、理赔、风控、消保、内部运营等全业务场景,服务业务提质增效。”太平财险科技信息部主要负责人蒋正华告诉界面新闻。“保险公司积极拥抱AI,我们认为最终是要做到产品AI化或AI产品化,让AI能真正帮助我们从销售到承保、运营、管理、理赔等全流程助力公司。”某头部险企高管告诉界面新闻。保险业正在为这一目标而努力。“我们在积极和一些头部AI企业合作个人风险预测大模型,希望能够真正解决保险定价的精准性难题,尤其是带病体健康状况的风险分档等。这样将来模型能够普遍应用于健康险或死亡险等,解决从核保到定价一系列的经营难题,能让公司真正在数据定价、风险管理等核心领域提升核心竞争力。”上述头部险企高管透露,“未来该模型会推向行业,目前的合作成果是双方共有知识产权。我们会携手让更多保险公司尽早用上模型,目前正在建设开发当中。”内网环境严防数据外泄不过,AI应用的风险与边界也是保险公司的必答题。风险方面,要结合应用场景具体讨论。“无论哪个场景,都有自己场景下的风险。比如业务的合规性、销售过程中的内容管控等。但这些风险,除了极个别是因为AI幻觉带来的,大部分还是公司自己对于风险的把控。也就是公司本身安全机制和防御机制做得足够强,那AI应用的可控程度更高。”任成功告诉界面新闻。他透露,公司已有一套相对成熟的针对AI的一个“安全圈”,有一套制度和机制,以及公司在技术层面的一些设定。“圈内AI可以发挥效率,这个圈就界定了整体的风险。”事实上,这个“圈”就意味着AI在保险业应用的边界。据界面新闻记者了解,多家使用自研AI的保司所设定的“圈”为内网环境,数据在域内环境跑。“我们的AI平台是内部网+内网用,不对外开放。”某头部险企人士告诉界面新闻,“内网是内部电脑,任何东西发出去都要走系统流程、层层审批。能够与外部便捷交流的电脑不是内部电脑,相当于物理上就有一道隔离了。整体看,无论从软件、硬件来看,数据隔离都很严格。”“市面上很多AI工具我们不能在公司电脑用,会有限制,但可以用内网AI。上传文件到外部网址或者链接都需要申请,也无法复制文件内容。”另一保险公司人士告诉界面新闻。不过,界面新闻了解到,在内网AI下,保司并未专门对员工使用AI工具时传输数据的范围进行规定或培训,而是从公司层面整体限制与把控数据与文件外传。“其实和AI没有太大关系,我们公司一直都不允许涉密数据的外出。”某银行系险企人士告诉界面新闻,“公司至少一半的文件,都会触发邮箱的外发限制,而邮箱又是公司外发文件的唯一正规渠道。我都是拿公司密码盘把需要处理的文件拷出去的。但密码盘申请外出权限,需要以部门名义申请。公司还会查员工是否通过微信发送过涉密文件,查到会有处罚。”“但什么是涉密,又比较笼统。行里和公司真正涉密的文件,会标注‘涉密’,打开通常都需要密码。”上述银行系险企人士透露,“对我来说,如果没有标‘涉密文件’,那就是可以外发。”需明确场景分类“保司设立的边界不能只写‘注意保密’,需要同时明确什么数据、什么工具、什么场景、什么人员可以使用。”李翰轶对界面新闻表示,建议按风险从低到高分为四个等级:常规使用、受控提效、高风险审批和明确禁止。今年6月,国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》(金发〔2026〕8号)(下称8号文),明确“谁使用谁负责”,压实金融机构作为金融服务提供方、人工智能技术使用方的主体责任。8号文提出,承保理赔等与客户利益直接相关、直接影响金融合约达成的生成式人工智能场景应用应被视为高风险应用。人工智能高风险应用须经本机构风险管理委员会批准后方可实施。在此背景下,保司也在对AI应用场景分级分类。“太平财险的AI应用边界的划分,由业务、风险合规、消保和科技等部门共同评估确定,重点评估场景对客户权益的影响、是否产生法律责任、模型输出是否可解释、过程是否可追溯。”蒋正华告诉界面新闻,把AI应用划分为三类,常规可应用的中低风险场景、需要严格管控的高风险场景、须规避的AI应用领域。“常规可应用的中低风险场景以内部提效和事务处理为主,不直接形成对客户生效的业务结论,也不涉及终局性决策。公司鼓励AI应用于中低风险场景,主要包括:内部资料检索、政策和条款答疑、文档整理、标书材料辅助生成、研发和办公提效等工作。”蒋正华表示,针对高风险场景,公司建立“专项审批+人工复核+异常回退”三重机制,AI在这些场景承担辅助角色。“涉及资金交易、承保理赔、风险管理等核心业务决策,与客户利益直接相关、直接影响保险合约达成的人工智能应用,以及面向公众服务的生成式人工智能应用,是公司AI管控的重点。”蒋正华对界面新闻强调,“所有高风险场景AI应用,须经公司风险管理委员会专项审批后方可投产使用,关键业务节点须保留人工复核、人工干预,模型异常时能够切回传统人工流程,保障业务连续性。”界面新闻记者在采访中了解到,隐私数据是AI应用的“绝对边界”。“为守住合规底线和客户权益底线,公司明确了AI应用的红线,敏感信息不可直接用于模型训练;同时,业务决策、责任归属及客户交互等关键环节,必须严格规避相关风险,确保AI应用始终处于可控的框架内。任何触及此红线的AI应用,均不予采用。”蒋正华告诉界面新闻。“用户隐私数据,我们是不提供的,其他公司的业务系统已经全面开放,AI能够进行业务系统的数据读取分析和部分的操作能力。但涉及到用户隐私数据全部不提供对外接口,AI也获取不到。”任成功告诉界面新闻。值得关注的是,在保险公司特殊的代理人制度下,代理人的行为似乎难以被保司打造的这套边界约束。上述头部险企人士告诉界面新闻,“如果代理人自己使用外部AI,这种情况确实没办法很好地管理。公司对代理人都会有合规培训,但个人感觉都处于事后处罚的状态,事中比较看代理人的个人素质。”
比亚迪在日本都做了些什么?
虎嗅 · 2 天前
本文来自微信公众号: 电厂 ,编辑:高宇雷,作者:翟芳雪,原文标题:《比亚迪在日本都做了些什么? | 电厂》曾经在日本掀起预订热潮的比亚迪海獭(RACCO),也许迎来了它上市以来的最大竞争对手,铃木在10月推出了同级纯电轻型车e-Sky。《日本经济新闻》以《铃木e-Sky上市首月订单破4000,超比亚迪RACCO》为题,比较两款车型的预订量。日本综合新闻网站《迈纳维新闻》将海獭称为轻型EV市场的“黑船”,并以“RACCO与e SKY直接对决”为题讨论铃木的应对。2023年进入日本乘用车市场后,比亚迪用了近四年,在当地累计交付突破1万辆。今年前10个月,比亚迪在日本共售出4693辆车,市场份额约0.1%,暂时并未形成规模。但随着为日本市场专门开发的纯电轻型车海獭(RACCO)上市,日本媒体的关注迅速集中到这款车上,甚至将其视为本土品牌的强劲对手而频频对比。铃木e-Sky上市之前,日本汽车媒体就已将海獭与日产Sakura、本田N-BOX放在同一场试驾中比较。这种警惕并非没有来由。日本全国轻型汽车协会联合会数据显示,10月海獭注册量为607辆,接近日产Sakura同期878辆的七成。上市仅四个月,海獭已进入日本纯电轻型车市场的第一梯队。更特别的是,日本车企一边与比亚迪较量,一边采购它的电池、使用它的技术。比亚迪已不同程度进入铃木、丰田、本田以及日产的供应链。比亚迪自己的车还没在日本铺开销量,电池却已经跟着日本品牌走到了海外。在展厅里,比亚迪是争夺消费者的外来者。在生产线上,它已成为日系车企电动化的一环。海獭逼近本土对手,成本账仍难算海獭是比亚迪按照日本轻型汽车标准专门开发的车型。轻型车占日本新车市场三分之一以上,长期由铃木、本田、大发等本土品牌主导。对于日本车企而言,这里不仅有成熟的本土供应链,也有消费者对品牌、售后和保值率的长期依赖。比亚迪选择从轻型车切入,实际上是进入日本车企最熟悉、竞争壁垒也最高的市场腹地。但纯电轻型车仅占日本轻型车大类中很小的一部分,这对比亚迪来说是限制也是机会。日本汽车销售协会联合会、日本轻型汽车协会联合会的数据显示,2026年前10个月,日本纯电轻型乘用车累计销量仅为16262辆。同期,日本轻型乘用车市场累计销售约107.6万辆,纯电渗透率只有1.5%。由于复杂原因,纯电车一直在日本发展迟缓。海獭已经在这个小市场中占据了相当大的份额。数据显示,10月日本纯电轻型乘用车销量约1911辆,其中海獭销量为607辆,仅次于日产Sakura的878辆,单月份额达到31.8%,位居第二。产品上,海獭与本土同级车型已经能直接交手,其采用高车顶和双侧电动滑门,高配车型WLTC续航达320公里。日本商业新闻网站《JBpress》的试驾评价认为海獭动力和乘坐表现接近本土同级车型,低速舒适性仍有提升空间;比亚迪的日本购车者调查则把“设计可爱”“质感好”列为常见好评。该报道显示,截至9月底,海獭订单中82%来自比亚迪新客,85%选择顶配300Premium。比亚迪对100名成交用户的调查则显示,试驾后对车辆扎实感的改观,是最主要的购车理由之一。图源:比亚迪官方账号在好评中不能忽视的是,日本汽车工业成熟,本土供应链完善,海獭面对的不只是本土品牌,还包括本土车型所享有的补贴优势,这也意味着比亚迪以往所向披靡的成本优势被削弱。以海獭和铃木e SKY为例,海獭300 Plus售价239.8万日元(约合人民币10.06万元),e SKY G售价239万日元(约合人民币10.03万元),几乎相同;但按目前公布的日本政府补贴标准,海獭补贴15万日元,e SKY补贴56.8万日元,补贴后的价格相差约42.6万日元(约合人民币1.79万元)。铃木因此在终端价格上占据优势,也让比亚迪的成本优势打了折扣。价格只是一部分,对比亚迪而言,更难算清的是低价小车海獭带来的收入能否覆盖开发和渠道成本。比亚迪汽车日本公司社长东福寺厚树起初并不看好从零开发轻型车的经济性。他在9月接受日本《东洋经济》采访时坦言,日本轻型车市场竞争激烈,如果从零开始,“可能无法收回成本”。图源:比亚迪官方账号推动力来自比亚迪创始人王传福对日本轻型车市场的观察。东福寺回忆,2023年王传福赴日参加日本移动出行展时,注意到轻型车在当地十分普及。一名员工还将自己购买的日产Sakura开到王传福入住的酒店,供其考察。当天晚上,王传福便与高管商定进军日本轻型车市场。比亚迪在日本选择由当地企业加盟、授权经营的传统经销模式。据日本商业媒体《经济界》统计,截至9月底,比亚迪在日本已有59家正式营业门店,另有18处在临时场所开展业务的筹备据点,合计77处。东福寺在8月接受采访时表示,比亚迪阶段性希望达到沃尔沃、奥迪在日本的销量规模,两家品牌均运营约120家门店。而要维持经销商盈利,单店每年需要稳定销售约200辆。据此推算,比亚迪在日本的阶段性目标约为年销2万至3万辆,而去年比亚迪在日本年销量为3742辆。开发成本同样需要依靠规模摊薄,比亚迪也为此留了口子。该报道指出,海獭采用的X-PACK纯电专用架构约五年前就已启动研发,并非专门为日本开发,而是比亚迪小型车战略的一部分,“假如采用这一架构的全球车型产量达到日本需求的十倍,研发投入便更有机会被摊薄”。海獭已经在开拓更多市场。2026年10月,斯里兰卡成为日本以外首个正式销售海獭的市场,中国澳门同期开放预订。比亚迪表示,后续将优先评估其它右舵国家和地区。将车型推向更多右舵市场,也为分摊海獭的开发投入提供了更大空间。整车尚未放量,电池通过日系车走向全球比亚迪在日本整车市场尚未形成规模,但电池业务已经通过日系车企进入更广阔的市场。最清晰的案例来自铃木。铃木2025年公布的中期计划明确列出,纯电车电池供应商为弗迪电池。铃木首款量产纯电SUV e VITARA采用弗迪电池,该车在印度生产,再整车出口至其它市场。铃木在印度的控股子公司、印度最大的乘用车制造商马鲁蒂铃木印度有限公司今年10月宣布,自2025年8月启动全球发运以来,搭载弗迪电池的纯电动车e VITARA累计出口已超过5万辆,销往近50个国家和地区,包括英国、挪威、德国、日本和瑞士等。与海獭正面竞争的铃木e SKY,同样采用比亚迪系磷酸铁锂电池。《日本经济新闻》报道称,铃木采用这款电池是为了降低成本。一名铃木高管坦言,铃木“在EV领域还处于学习阶段,削减成本才刚刚开始”。这段供应关系也反映了日本车企在电动化上的现实处境。丰田与比亚迪的合作则延伸至电池、电驱和整车联合开发等环节。双方成立比亚迪丰田电动车科技有限公司(BTET),并与一汽丰田共同开发bZ3,该车基于丰田e-TNGA平台打造,采用比亚迪磷酸铁锂刀片电池。一汽丰田2025年推出的bZ5同样搭载比亚迪刀片电池,驱动电机由弗迪动力提供。这门生意的规模也已超过比亚迪在日本卖车的体量。2025年,bZ3在中国市场销量约2.26万辆,bZ5约1.27万辆,两款车型合计超过3.5万辆,是比亚迪当年在日本乘用车注册量的9倍以上。同时,bZ3、bZ5已经通过平行出口渠道流向中东、非洲等市场。比亚迪还进入了本田和日产在华合资公司的供应链。官方信息显示,2023款东风本田M-NV和2024年上市的灵悉L使用比亚迪刀片电池;东风日产旗下2024款启辰大V DD-i超混动110公里版的电芯和电池包均由西安弗迪生产。对比亚迪来说,这些合作的价值在于,它不必完全依赖自己的品牌和销售渠道,也能进入日系车企的产品体系。尤其是铃木e VITARA,已经把弗迪电池带入近50个海外市场。日系车正在成为比亚迪电池业务向外扩张的一条通道。但不能忽视的是,日本车企正在试图摆脱对中国电池的依赖。铃木在2025年公布的中期计划中,一边把弗迪列为纯电车电池供应商,一边提出在印度推进电池本地化,并计划与日本企业ELIIY Power建立电池研发中心,研究本土电池开发、建设电池工厂和内部采购电池材料。2026年3月,铃木又宣布收购日本Kanadevia的全固态电池业务,进一步补充自身电池技术储备。日系车企当前采购比亚迪的电池等零部件,是为了缩短开发周期、降低成本、补足纯电能力。但随着本土研发和生产体系逐步成熟,采购份额可能随之发生变化。这是比亚迪需要直面的问题,也是中国电池企业海外业务面临的共同考验。
买不到先进制程,就绕道先进封装:国产算力芯片的一条暗线
虎嗅 · 2 天前
本文来自微信公众号: 芯师爷 ,作者:Grace7nm、5nm、3nm,这些纳米数字被当作衡量芯片先进程度的标尺,也被视为出口管制卡住的那道关口。但一条不那么显眼却正在加速成形的路径,正在改变这个叙事框架,当单颗芯片的制程微缩走到物理和经济双重极限时,把多颗芯片用先进封装技术高密度地“拼”在一起,同样能换来系统级算力的跃升。这条路径不是退而求其次的权宜之计。从华为披露的昇腾路线图,到寒武纪募资建设先进封装平台,再到封测厂百亿级别的扩产节奏,产业链上的关键角色都在用真金白银押注同一个判断:在制程受限的约束下,先进封装是国产算力芯片从“设计得出来”到“交付得出去“之间,那条必须走通的路。1为什么“拼”能替代“缩”晶体管微缩的边际收益正在快速递减。5纳米单款芯片设计成本约五亿美元,是28纳米的十倍;2纳米设计成本超过七亿美元,而2纳米较3纳米晶圆成本上升约五成,晶体管密度却仅提升15%至20%。换句话说,沿着传统制程路线往下走的单位算力成本,已经不再像摩尔定律黄金时代那样持续下降。对于多数不需要峰值算力的应用而言,追逐最先进节点正在失去经济上的合理性。与此同时,AI大模型带来的算力需求并没有停下。单颗芯片的裸片尺寸已经逼近光刻掩模版的物理上限,继续做大单die在工程上几乎走不通。先进封装提供的解法是把大芯片拆成多个芯粒,用高密度互连和堆叠技术把它们重新集成为一个整体,在系统层面获得接近甚至超越单颗大芯片的性能。华为是这条路径上最受关注的实践者。根据何庭波2026年5月披露的路线图,昇腾AI芯片在2025年的910C、2026年的950以及随后的990上,将依靠“成熟技术的组合”:Chiplet、2.5D扇出,以及通过微凸块和标准间距混合键合的3D堆叠。这套技术组合的关键词不是“更小的制程”,而是“更密的连接”。何庭波提出的目标是,到2031年在不使用极紫外光刻设备的前提下,实现芯片效能达到等效1.4纳米的水平。2从设计端到封测端的同步押注如果先进封装只是华为一家的策略,它不足以被称为一条“暗线”。真正值得关注的是,芯片设计公司和封测厂在过去一年里形成了方向一致的投入节奏。寒武纪2026年8月公告的募投项目变更中,明确将“建设先进封装技术平台”列入面向大模型的芯片平台项目建设内容,目的是“灵活高效地支撑不同场景下差异化产品的封装”。海光信息在投资者交流中称:公司认为“当前算力发展瓶颈已不再局限于单芯片制程”,内存墙、多芯片互联时延、集群调度效率成为制约大规模算力集群效能的关键,公司将持续推进“先进封装技术”和高速互联体系建设。两家国产算力芯片的代表性企业,在公开披露中不约而同地把封装从“后道工序”提升到了“系统性能核心变量”的位置。封测端的扩产规模更能说明问题。长电科技2026年固定资产投资预算约100亿元,重点投向先进封装产线建设,6月又追加了78亿元的上海临港高端先进封测工厂计划。通富微电2026年计划在设施建设、设备、研发等方面投资共计91亿元,其中子公司通富超威苏州和槟城的56亿元明确用于“大尺寸多芯片的服务器及AI等产品”的量产。盛合晶微在江阴和上海临港的两个百亿级项目合计投资198亿元,其SmartPoser系列已实现硅基2.5D量产及微凸块3DIC规模交付,混合键合3DIC工艺持续突破。3写在最后先进封装对国产算力芯片的意义,不在于它能让一颗7nm芯片“变成”5nm,而在于它提供了一种在制程约束下重新分配性能增益来源的方法。当单芯片的制程红利收窄时,把优化重心转移到芯片之间的连接效率、存算之间的距离、以及系统层面的协同调度上,是一条在工程上可行、在经济上可算的路径。这条路径的成熟度,最终不取决于某一项封装技术的单项突破,而取决于设计公司、封测厂、EDA工具、互联协议和软件栈之间能否形成闭环。目前而言,投入的规模已经到位,方向也足够清晰,但“能做出来”和“能稳定地、经济地、大规模地做出来”之间,还有一段需要被填满的距离。
美国疫情暴发:超5700例确诊,10人死亡
虎嗅 · 2 天前
本文来自微信公众号: 医学界 ,责编:汪航,作者:科学·专业·善良美国今年麻疹确诊超5700例,失去了维持26年的麻疹消除状态,且疫情已波及孕妇和新生儿。美国麻疹疫情仍在持续,确诊病例已创35年来新高。11月17日,泛美卫生组织宣布,美国失去维持了26年的麻疹消除状态。这意味着麻疹病毒已在美国境内持续传播已达12个月。约翰斯·霍普金斯大学11月18日发布的信息显示,美国今年报告的麻疹确诊病例已超过5700例,为1991年以来单年最高。各州卫生部门已报告10例麻疹相关死亡,其中5例为儿童。疫情也波及了还没出生的孩子。在病例较为集中的宾夕法尼亚州,卫生部门10月发布临床指导指出,随着孕期麻疹病例增多,当地再次发现了先天性麻疹。这让产科和新生儿科医生重新面对一个过去少见的临床问题:孕妇感染麻疹后,该怎样保护即将出生的孩子?医疗机构张贴的麻疹就诊提示。图源|Penn Medicine还没出生,就染上了麻疹曾经在美国,孕期麻疹和先天性麻疹并不多见。过去一段时间,随着麻疹疫苗普及、本土持续传播被切断,许多医生很少有机会遇到这类病例。如今,疫苗接种不足的社区接连发生暴发,风险也传到了产科。据NEJM Evidence刊发的分析,2025年1月1日至2026年9月28日,美国16个辖区共接报112名孕妇确诊麻疹,其中108人是在病例数达到50例或以上的暴发中被发现的。其中,98%的感染孕妇在孕前未接种麻疹、腮腺炎和风疹联合疫苗(MMR),或接种状况不明。《漫话疫苗》系列科普作者邵忆楠告诉“医学界”,MMR属于减毒活疫苗,妊娠期禁忌接种。美国疾病控制与预防中心(CDC)《疫苗可预防疾病监测手册》(2025年)建议,对于缺乏麻疹免疫证据、已发生麻疹暴露的孕妇,应在首次暴露后6天内尽早给予静脉注射免疫球蛋白(IVIG,400 mg/kg),以降低感染风险或减轻病情。我国国家卫生健康委《麻疹诊疗方案(2024年版)》也提出了相应的暴露后预防建议。在已经确诊的孕妇中,26人因与分娩无关的原因住院,11人并发肺炎。报告还记录了呼吸衰竭和重症监护病例。母亲感染后,腹中的孩子也面临风险。报告记录了21例在母亲出疹后14天内结束的妊娠,包括19例活产、1例自然流产和1例死产。19名活产儿中,8名早产,8名入住新生儿重症监护室。这19名新生儿中,有16名接受核酸检测。13人在出生后10天内检出麻疹病毒核酸阳性,符合报告采用的先天性麻疹定义。其中6名新生儿出现相关症状,1人的表现与脑膜脑炎相符。根据公开信息,确诊新生儿的病情轻重不一。美国儿科学会11月10日发布《新发问题简报:先天性麻疹》指出,有的孩子没有症状,有的则可能迅速进展为多系统受累。让医生头疼的是,先天性麻疹患儿的典型皮疹可能出现得晚,也可能始终没有。对于有宫内暴露史的新生儿,即使出生时核酸检测为阴性,也不能完全排除感染。因此,13例只是这份分析中已识别的病例。要看清孕期感染后究竟有多少孩子受影响,还需要更完整的检测和随访。112名孕妇中,有56人的妊娠结局不明。美国尚无全国统一的先天性麻疹监测病例定义。报告作者提出,后续需要把母亲的感染记录与孩子出生后的健康信息联系起来。而在宾夕法尼亚州,医生还在接诊新的病例。《华盛顿邮报》11月14日引述州卫生部门称,自4月下旬疫情暴发以来,截至11月,宾夕法尼亚州至少有101名孕妇确诊麻疹。麻疹怎么识别、救治和预防?麻疹还没出疹时,早期症状容易和普通呼吸道感染混淆。通常而言,患者先发热,伴咳嗽、流涕和结膜充血,口腔颊黏膜有时可见柯氏斑。几天后,斑丘疹通常从头面部开始,逐渐蔓延到躯干和四肢。按美国CDC的资料,患者通常从出疹前4天到出疹后4天具有传染性。麻疹可经空气传播,患者离开后,病毒在空气中仍可能保持传染性长达2小时。发热、咳嗽的患者如果有明确接触史,接诊时就要想到麻疹。这也决定了医院处理疑似病例的顺序。美国CDC建议,接诊时先采取空气隔离措施,尽快通知公共卫生部门,同时采集呼吸道标本做核酸检测,并留取血清检测麻疹特异性IgM抗体。一旦确诊,医生要留意的是皮疹之外的变化。肺炎、脱水和继发感染都可能需要及时处理,少数患者还会出现脑炎。婴幼儿、孕妇和免疫功能低下者出现并发症的风险较高。目前,美国没有获批专门治疗麻疹的抗病毒药物,救治主要靠支持治疗和处理并发症。浙江大学医学院附属儿童医院感染科主任黄丽素告诉“医学界”,临床应根据患儿情况做好支持治疗,及时处理缺氧等问题。维生素A可在医生指导下用于儿童麻疹的支持治疗。美国CDC建议重症患儿使用维生素A,同时提醒,维生素A不能预防麻疹,也不能代替接种疫苗。如果母亲在临近分娩时感染,接诊工作还要延伸到孩子出生后。产科需要把母亲发病和出疹的日期交给新生儿科。对母亲出疹后14天内出生的孩子,临床指导建议尽早评估,安排检测和隔离,并考虑使用免疫球蛋白。值得注意的是,先天性麻疹可能出现罕见但严重的迟发并发症,如亚急性硬化性全脑炎。对有宫内暴露史的孩子,医生需要结合病史随访,留意抽搐和已经获得的发育能力倒退等表现。按美国CDC建议,缺乏免疫证据的接触者中,符合接种条件的人可在首次暴露后72小时内接种麻腮风联合疫苗。对不宜接种且有重症风险的人,可由医生评估是否在暴露后6天内给予免疫球蛋白。对计划怀孕的女性,更早一步是在孕前确认接种记录或免疫证据。美国母胎医学学会11月18日也提醒医生,把疫苗咨询安排在孕前。至于尚未到接种月龄的婴儿,能否少一次暴露,在很大程度上取决于家庭和社区的免疫保护。美洲三国同日“丢牌”泛美卫生组织总干事雅尔巴斯·巴尔博萨表示,病毒长时间传播,让家庭和社区面临原本可以预防的疾病、住院和死亡。按照该组织的标准,同一基因型、同一谱系的麻疹病毒在一个国家持续传播12个月及以上,即表明本土持续传播已经重建。而自2025年1月20日开始,一条传播链在美国持续超过12个月。CDC截至11月12日的统计也显示,今年美国已有1385例确诊病例与2025年开始的暴发有关。泛美卫生组织发布的麻疹疫情通报。图源|泛美卫生组织与美国同时失去消除状态的,还有墨西哥和玻利维亚。此前,加拿大已因重新出现持续传播,于2025年11月失去消除状态。截至11月13日,泛美卫生组织收到美洲今年58213例麻疹确诊和82例死亡报告。去年同期报告确诊12000多例。事实上,美洲曾在2016年率先实现区域麻疹消除,2024年恢复这一状态,又于2025年因加拿大的疫情失去区域认证。如今再有三个国家失去国家层面的消除状态,区域恢复消除面临更大压力。泛美卫生组织分析,如今再有三国“丢牌”,反映出人群免疫存在持续缺口,且往往集中在特定社区和地区,全国平均接种率会掩盖这些差异。这也并非美洲独有。世界卫生组织2025年11月估算,2024年全球约有1100万人感染麻疹、9.5万人死亡,59个国家报告大规模或破坏性暴发,接近2021年的3倍。截至11月12日,CDC报告美国今年累计确诊5412例,其中约96%与暴发有关。同期联邦页面列出全国死亡6例,并称将随审查进度更新。宾夕法尼亚州随后在11月18日通报,本州已确认8例麻疹相关死亡。美国CDC主任埃丽卡·施瓦茨在11月17日的联合声明中强调,疫苗接种才是保护人群的关键。声明还称,自8月以来,CDC已追加约1亿美元,用于麻疹等疫苗可预防疾病的防控。泛美卫生组织提出,要恢复消除状态,各社区应将两剂麻疹疫苗的接种覆盖率维持在至少95%。人口平均接种率看起来接近目标,但仍可能有一些社区远低于这一水平。CDC数据还显示,美国幼儿园儿童麻腮风疫苗接种覆盖率,已由2019—2020学年的95.2%降至2025—2026学年的92.4%。部分地区正开展行动。宾夕法尼亚州卫生部门11月18日通报,自4月下旬暴发以来,州卫生中心工作人员已在269场临时接种活动中接种超过7200剂麻腮风疫苗。黄丽素再次强调,预防麻疹最有效的办法就是接种疫苗,两剂MMR可提供约97%的保护。提高社区接种覆盖,就是在保护那些年龄太小、尚不能接种,以及因免疫功能问题不宜接种的人。孕妇和她们腹中的孩子,正是需要被保护的重点人群。
美国新国会AI政策动向:强监管主张遇上白宫否决权
虎嗅 · 2 天前
本文来自微信公众号: 数字经济发展评论 ,作者:数字经济发展评论导语美国中期选举落幕,民主党大胜,新一届国会即将就任,AI监管也成为新国会政策议程中的焦点。部分议员主张加强监管,甚至提出暂停模型开发;白宫则坚持对AI采取轻触式监管,并握有总统否决权。国会监管意愿升温与白宫政策立场之间的分歧,将如何影响美国下一阶段的AI立法?卡托研究所政策分析师胡安·隆多尼奥撰文指出,在当前权力格局下,重手监管难以获得通过,轻触式、窄口径立法反而更可能落地。文章分析了新国会可能采取的AI治理路径,包括为政府关停AI模型设定明确门槛、厘清智能体失控的责任边界、通过信息披露回应数据中心建设争议,以及协调联邦与州级监管。作者认为,新国会更可行的路径,是在回应安全关切的同时约束行政权力,避免过度监管阻碍技术创新。原文标题:The New Congress Has a Unique Opportunity for a Sensible Approach to AI Policy原文来源:卡托研究所(Cato Institute)编译解读:数字经济发展评论2026年11月中期选举结束,民主党大胜,新一届国会即将就任。即将上任的议员已经表现出通过重手监管AI立法的意愿,有人甚至提议暂停模型开发。但白宫明确主张对AI保持轻触式监管,任何议案都要过总统否决这一关。卡托研究所政策分析师胡安·隆多尼奥(Juan Londoño)11月13日撰文指出,这一权力格局反而打开了一个独特的窗口:轻触式、窄口径的立法既能回应选民关切,又不牺牲创新,也最有可能成为法律。这是隆多尼奥在卡托研究所网站发表的一篇政策评论,讨论中期选举之后新国会的AI立法空间。他的基本判断是,选举改写了国会与行政分支的力量对比,AI立法能走多远,由这个对比决定。总统否决权划定了立法上限,重手监管难以越过,窄口径立法才是最可能落地的路径。一、新国会要重手,白宫握着否决权新一届国会处理AI议题的立法意愿明显回升。部分议员呼吁激进监管,甚至提议暂停开发;但政治现实是,任何提案都必须经受总统否决。隆多尼奥判断,这种权力平衡会挡住重手管制的提案,从而留出回应行业关切、又不损害这项技术发展的空间。在他看来,国会回应选民AI关切的最佳选项是聚焦窄口径、克制的立法,但注意力应当超越对AI行业的监管,转向约束行政权力。行政机构的越权行为向来名声不佳,这说明AI治理需要一套更有秩序、基于规则的体系;政策制定者应当警惕那些赋予行政机关更多AI权力的立法。约束行政权与监管行业本是同一件事,行政扩权才是更值得警惕的风险。二、前沿AI安全:关停模型的权力边界新国会若要推动前沿AI安全立法,绕不开一个近乎悖论的难题:立法既要妥善应对前沿模型开发与部署的风险,又不能让政府随意关停一家它不喜欢的公司所开发或持有的模型。从白宫运用评估框架的做法看,给行政机关过多自由裁量权,权力很可能被任意、不公平地使用。因此,任何提案都要在应对即时安全风险与防范行政权失控之间取得平衡。这些制衡不能被轻描淡写,必须明确写入法律,防止任何一位在任总统把行政权当成武器。赋予政府广泛空间去关停模型,或许是阻止安全事故的高效方式,但代价是给政府开辟了一条通道,去审查那些产出它不喜欢的内容的AI公司。反过来,严格保护AI公司及其用户的言论自由会带来摩擦,拖慢政府应对安全事故的速度。这种取舍是AI作为两用技术的必然产物:它既可用于网络攻击、生物武器开发等更危险的军事化用途,也可被普通人用来做研究或经营竞选。除非监管能把界线划清、只瞄准最危险的应用,否则任何AI监管都不得不在言论与安全之间寻求平衡。三、把“灾难性风险”写成黑白分明的门槛缩小这类法案范围的一个办法,是为行政行为设立一个可读、大体客观、界限分明的“灾难性风险”(catastrophic risk)门槛。这正是Anthropic近期提交给议员的讨论稿所尝试的路径:它把灾难性风险定义为“在实质上促成超过50人死亡或重伤,或超过10亿美元的财产损失或灭失”。门槛具体设在哪里或许值得进一步讨论,但这一条款的意义在于,触发政府行动的门槛应当尽可能黑白分明。灰色地带会给政府留下任意、不公平地行使这项权力的空间。同样,关停模型的尝试必须在法官面前论证和抗辩。政府限制宪法保护的权利通常需要司法审查和授权才能推进,即便涉及国家安全也不例外;对需要及时响应的迫近风险,通常会开辟快速审查通道,但不会也不应取消司法审查。法官最有能力在安全与言论权利之间做出权衡,行政机关则缺乏这样做的动力,它近来对Anthropic的处置就是例证。隆多尼奥据此提出四点主张:其一,任何行政机关成员都不应单方面决定关停模型,而不必向法官陈述理由;其二,负责做出这一决定的机构应当被明确指定,以免混淆或机构间冲突;其三,政府举证的标准应当明确清晰,防止模糊性被用来把权力扩张到超出原意;其四,举证责任在政府一方,而不能让开发者去证明一个否定命题。四、用侵权法内化智能体失控成本另一种政策思路同属窄口径瞄准有害行为:厘清侵权法(tort law)适用于AI智能体的边界,尤其是仍在开发中的智能体。隆多尼奥指出,现行侵权法很可能无力应对尚未向公众商业化、却已失控的智能体所造成的损害,例如OpenAI-Hugging Face事件中的内部智能体。按照现行侵权法,人类雇员在追求商业利益过程中造成损害时,公司要承担替代责任(vicarious liability);智能体造成同类损害,这一责任却并不适用。在他看来,目标应当是让公司把智能体不当行为的成本内部化,这类成本在现行法律体系下不受惩罚,公司因此更有动力加强安全与隔离程序。也有人建议为AI开发引入注意义务标准,这可能是内化这些成本的另一条路径。五、数据中心:不必暂停,但要信息透明本轮选举周期中,围绕数据中心的争议主要指向日益上升的负面情绪,这种敌意催生了全国暂停新建数据中心的呼声。隆多尼奥与同事指出,这种情绪在很大程度上由与现实不符的电力或水资源过度消耗叙事所驱动。在他看来,与其实施暂停令、推翻本应由地方自己做出的决定,国会不如确保审议过程更透明,更重要的是促成诚实、知情的讨论,让公民和政策制定者判断建一座数据中心对社区是否划算。一个可行办法是责成政府建立全国数据库,对能耗、水耗、噪音和污染统计确立统一的国家报告标准。这能给政策制定者和倡导者提供一个依据,用以恰当评估数据中心建设的地方影响,并与其他工业用途的土地和资源占用做比较。OpenAI等实验室已在州层面提出过类似举措,但建立联邦报告标准或许是理顺这场讨论最有效的方式。联邦报告标准因此成了暂停令之外的另一条路:把争议从“要不要建”转成“有没有数据”。六、联邦优先权:州法碎片化与窄口径妥协隆多尼奥此前已经论证过,AI治理立法各自为政、支离破碎,应对这一局面已是紧迫议题。数字技术的经验表明,地方性法规往往给企业和消费者带来代价高昂、令人困惑的溢出效应,最终适得其反。一些提案,例如Anthropic的草案,引入了较窄形式的优先权,只优先于法案明确规定的事项。这意味着各州保留对未涵盖事项的监管权,以此作为对联邦优先权反对者的妥协。在他看来,宽口径优先权仍是消解监管标准冲突所造成混乱的最有效方式。退一步说,一个只覆盖技术栈中最明显属于州际商业那一层(如AI开发)的窄口径优先权,也好过任由州级监管失控的现状。七、选举结果划定了立法空间隆多尼奥的判断是,中期选举中民主党的大胜似乎给推动激进监管AI的群体壮了胆。然而国会与行政分支之间由此形成的权力格局决定了:轻触式、窄口径的路径最有可能成为法律。而这条路恰好也最有可能平息当前围绕这项技术的一些担忧,同时不过度阻碍它的发展。新国会在AI立法上能走多远,边界已经比较清楚:白宫的否决权是上限,司法审查是底线,州权与联邦权的划分则决定监管能否统一。接下来值得观察的是,超过50人死亡或重伤、超过10亿美元财产损失这条灾难性风险门槛能否写进法律,只覆盖州际商业那一层的窄口径优先权又能否在两院过关。
“奶茶第一股”的翻红账本
虎嗅 · 2 天前
本文来自微信公众号: 铁骥ViewPoint ,作者:铁骥ViewPoint最近在抖音上有这样一个话题叫做#奶茶千金打工记#,播放量突破了2500万次。香飘飘作为一家老字号国产品牌,也再次走进了人们的视线当中。视频里,蒋一侨以求职者身份进入香飘飘公司进行面试、新员工培训以及实习等环节,并最终成为该公司的一名实习生,月薪3000元,过上了普通的打工人的生活。她的身份不简单,一边为创始人家族的年轻人,另一边则是公司签约的品牌体验官。两种身份叠加起来,反差感拉满,评论区也是热闹得很。有人怀念起学生时代喝过的香芋味奶茶,也有人在讨论她淘汰之后就要回家继承家族产业的事情。#奶茶千金打工记#系列,图片来源@抖音蒋一侨入职前后,香飘飘公布2026年第三季度财报。前三季度营收约18.6亿元,同比增长10.47%。归母净利润1183.43万元,看着是转正了。可扣非净利润仍然亏损了368.95万元,主营业务没越过盈亏平衡点。亏是从哪来的?根源是2025年香飘飘主动做了一轮渠道清理,不再往经销商手里压货,先把市面上积压的库存收回来,再把价格稳住。清理是要付代价的,光2025年前三季度,公司就净亏了8920.72万元。跟去年那个窟窿一比,今年的报表已经顺眼很多。财报和这波流量前后脚到,不是巧合。流量只会放大一家公司的本来面目,声量是一回事,撑不撑得住是另一回事。关键就看两点,流量背后有没有东西支撑,业务底盘接不接得住这波红利。翻红从配方开始香飘飘的老生意,是杯装冲泡奶茶,茶和奶被做成了速溶的粉,热水一冲就能喝。原味、椰果、红豆这些口味,方便、便宜、随处买得到,也陪着一代人过了无数个冬天。放到今天看,那套配方依然成立,它解决的是“随时随地有一杯热奶茶”的问题。只是当鲜奶和原叶茶成了新的标准,同样的杯子里,能装下的东西可以更多。2024年8月17日,香飘飘原叶现泡系列上市,冲泡产品完成了一次更新换代。这套产品背后是近两年的研发周期,配方打磨了90多轮,口味评测做了1500多人次。打开包装,里面是“独立原叶茶包+液体鲜牛乳(或者乳粉)”,茶叶用的是云南临沧海拔2000米以上高山滇红,奶源换成了新西兰进口乳粉。配料表上写着“7个0添加”,反式脂肪酸为零。原叶现泡上市后,开始为公司带来收益。2025年11月,投资者关系活动记录里的数据是:“上市一年来,销售额已突破一亿。”对一家年收入接近30亿元的企业而言,1亿并不是很大的数目,但却是冲泡健康化方向上第一个被市场验证过的单品,后面所有的代言和流量,落点都在这里。另一个方向对准了女性经期场景的产品开发。2025年9月,古方五红暖乳茶开始试销,配方改进自民间五红汤,做成杯装奶茶,在市场上被称为“姨妈神器”。这个产品是香飘飘和浙江中医药大学联合开发的。据公司披露的数据,上市4个月,线上GMV达到4800万元,卖出640万杯,复购率为37%。冲泡业务又跑出一款新品,原叶现泡就不是个例了。即饮也是一条路子,它的故事比冲泡曲折。Meco果汁茶2018年7月上市,开出杯装果汁茶这个新品类,2019年做到8.68亿元,之后单品红利消退,即饮板块的收入又回到6.5亿元左右。2023年兰芳园冻柠茶面市,第一年税前总收入超过2亿元,即饮又回到9.01亿元。到2025年,Meco果茶卖到8.83亿元,在所有即饮产品中份额最大。这几条线里,渠道是最难改的,它不会制造话题、也不会登上热搜榜,改进了也未必有人注意到。但公司内部分工很清楚,董事长蒋建琪直接负责线下渠道以及供应链,产品创新和年轻化的事务,交给专门的团队。我们先看线下。传统的大流通铺货老路数被放下,重心转移到精细化运营,零食量贩是其中最具代表性的渠道之一。按公司年报口径,直营合作的零食量贩终端门店已超过4万家。万辰系这样的头部系统,都会进行渠道定制款的合作推广。2025年,直营渠道收入达到1.3亿元,同比增长71.56%。电商角色也做了调整。2024年起,GMV不再作为唯一的考核指标,而成了新产品的试销以及用户的反馈渠道。按照“品销合一”原则进行调整之后,2025年上半年,电商渠道收入同比增长12.39%。经销商也换血了。2026年前三季度,经销商增加265家,减少289家,净减少24家,新签的补不上退出的缺口,公司管这件事叫“优化结构”。剩下的1679家经销商,被要求直控终端。压货的动作已经被公司自己否了,现在的目标是帮经销商把货卖给消费者,铺货率不再是唯一的竞争标准。另外还有一条小线,Meco杯装果茶向火锅、烤串等餐饮场景做定制化试销。组织层面的调整不在报表里,但能从新品的节奏上看出来。2021年起,研发上引入“门径”管理和电商试销环节。2025年上半年,直播间搞过“男团直播”,六个人各代表Meco果茶的一个口味,粉丝打榜投票定制专属口味,首轮超过1万名粉丝参与,攒下近万名Z世代的口味偏好数据。古方五红和古方八舒晚安茶,走的是另一条验证路,先小规模试销,用口碑和销售数据验证潜力,再谈放量。到2026年11月公司披露投资者关系记录时,这个系列又添了古方玉灵、古方六润两款,一共四款,整体还处在试销阶段。把账本翻到2026年中报这一页,总算能看见进项了。营收为12.77亿元,同比增长23.31%。归母净利润1085.97万元,这个数字不大,但它是公司近七年第一份盈利中报,也是公司上市以来除2019年外表现最好的一份。拆开看,冲泡业务收入6.68亿元,同比增长57.7%,整个回升主要靠它拉动。即饮业务收入5.79亿元,同比下降2.1%,公司把这归因于季节性因素。扣非净利润还亏147.97万元,主营业务盈利能力恢复尚未完成。产品和渠道的数据先跑出来后,翻红的第一程才算走通。流量到来的时候,报表已经转正了半年,顺序是产品、渠道、报表,最后才是热搜。这个顺序没有倒着走,是这一轮翻红里最经得起细看的部分。剩下的考题,在下半场。流量进场之后蒋一侨挂的是香飘飘的品牌体验官、公益大使的身份,并不涉及具体某一产品线。公司给她的定位偏向于品牌、传播方面。这样的定位,也就确定了她在本轮翻红叙事里的位置。2025年4月,《乘风2025》播出,“香飘飘千金”的话题第一次出圈,她对着镜头回应:“我觉得我只有92斤,什么千金?”图片来源@微博之后,香飘飘的代言矩阵逐渐成型。2025年10月,孙颖莎官宣代言原叶现泡系列,公司表示官宣首日线上销售额突破2000万元,位列抖音冲饮类目第一。2026年6月,陈妍希成了古方五红品牌大使。加上代言Meco果茶的时代少年团和代言新会陈皮月光白轻乳茶的侯佩岑,几块主要业务都配上了对应的代言人,这四笔投入的回报,要看后续的动销数据。需要注意,蒋一侨这次走红是品牌借势引爆,代言矩阵则是公司用真金白银砸出来的,两种声量有所区别。2026年的打工记系列,干的就是这件事,把娱乐圈的热度带回公司的内容场。有了流量之后,Q3的成绩单露出真容,说实话不太好看。第三季度单季,营收5.84亿元,同比下降10.02%。归母净利润只剩97.46万元,同比下降88.09%。扣非净利润亏220.98万元。经营活动现金流净额倒是转正了,前三季度为3747.85万元,上年同期是-2695.75万元。往前翻一年,2025年那波声量也不小,可原叶现泡那时上市还不到一年,公司手上最新的成绩单是2024年年报,冲泡收入下滑15.42%,热度过去,没能在报表上留下什么,2025年前三季度公司净亏8920.72万元。这一回,打工记播出前后,原叶现泡销售额破了亿,中报转了正,流量到的时候,背后第一次有东西接住了。业内也看到了这层变化。中国食品产业分析师朱丹蓬在北京商报的采访里说,香飘飘从“一条腿走路”换成“两条腿走路”,稳了一点,代价是加码即饮后,模式、团队和促销都要面对挑战。他还判断,从新生代消费思维的变化看,加大即饮业务是香飘飘未来唯一的出路。分析师评的是方向,报表给的是另一组解释。单季难看的数字,公司归到结构上,旺季被前置到了一季度,前三季度合计仍是增长的。冲泡奶茶的销售集中在春节前,2026年春节落在2月,一季度的旺季窗口因此拉长,再叠上2025年那轮渠道清理,冲泡业务收入增长85.31%,毛利率升到40.84%,同比提高9.65个百分点。但二季度营收随即下滑12.49%,三季度公司又主动延后旺季备货,出货规模回落。11月2日的业绩说明会上,面对71家调研机构,公司对全年业绩只说“谨慎乐观”。即饮业务前三季度收入8.07亿元,同比下降3.14%。全年能不能兑现,就看四季度那次旺季备货补不补得回来。把旺季和淡季放在一起看,答案其实很直白。利润是冲泡给的,即饮扯了后腿。三季度一放缓冲泡的出货,单季利润就掉到百万以下。所谓的“第二曲线”,到今天还没在淡季接过一次班,这是翻红成色上最需要补的一块,答案在明年淡季。报表之外,布局了线下门店。据公司9月披露,已开设及筹备开设线下门店共9家,杭州6家、湖州3家。首店藏在杭州大悦城负一层,人均消费约11元,开业时单日出杯量一度冲到1300杯,日常排队订单超过100单。门店全部上了外卖,美团平台上各家门店月销普遍在500单以上。对这轮开店,公司在投资者关系活动记录表里的定位相当低调,就一句“品牌宣传与体验窗口”,用意是传递年轻、健康的产品理念,同时收集市场反馈,给产品研发做支撑。单季的难看有季节性的说法,门店只是个试点,这些都还在过程里。翻红是波浪形往上爬的,能不能爬到岸上,最后要放到行业的大盘里称重。称的不是声量,是旺季之外的报表。牌桌上的位置把香飘飘放回牌桌上,才能够看清楚它所面临的竞争环境。这家成立于2005年,靠一杯冲泡奶茶起家,并于2017年上市的公司,被称为“奶茶第一股”。按公司口径,多年来都是杯装冲泡市场龙头,巅峰期市场份额超过六成。(不含即饮)但冲泡市场本身在消退,其冲泡业务收入从2021年巅峰的30.67亿元,萎缩至2025年的18.81亿元,四年间累计缩水近四成。当前,香飘飘处在两头受挤的位置。一头是现制茶饮。红餐产业研究院的数据,全国茶饮门店到2026年6月约有45.2万家,现制门店用新鲜口感和即时消费场景,抢走的正是年轻人的日常。这个挤压者自己也在减速,行业增速从2023年的19.3%回落到约6.4%,超过六成品牌的门店规模在收缩或停滞。另一头是瓶装货架,存量竞争已经摆上桌面。马上赢的数据,2026年第三季度饮料大盘销售额同比下滑12.19%,11个典型类目里,无糖即饮茶是唯一增长的类目,同比增长12.16%,有糖即饮茶降幅接近13%,即饮果汁跌了16.31%。香飘飘即饮的主力偏偏集中在果汁茶这样的含糖品类,正好站在降幅里。香飘飘的应对拢共两手,一手健康化冲泡,一手场景错位。冲泡奶茶背了太多年“不健康”的名声,原叶现泡是对着这个偏见去的,卡位“现制品质、冲泡便捷、街饮半价”,5到8元的单价约为现制茶饮的三分之一。场景错位则用经期养生、助眠这样的细分场景,绕开现制茶饮的主战场,而即饮端的无糖化压力,靠后面减糖新品去接。比如Meco品牌的鲜果茶,在第一季度推出了减糖25%以上的产品,并且采用了NFC果汁以及无菌冷灌装的技术,来满足消费者对于控制糖分的需求同时又保持了新鲜感。二季度试销后,公司给出的措辞是积极的。只是,减糖改得了产品,改不了它所在的格子,即饮端的新空间一时挤不进去。往养生方向挪,同仁堂、东阿阿胶这些自带中医药认知的老字号,也已经切入茶饮和滋补饮品市场。再盘点香飘飘自己的座位,冲泡这一栏,它坐头把交椅,可这一栏在缩。即饮奶茶那一栏,头名长期是统一阿萨姆,轮不到它。Meco开出的果汁茶算是自家的格子,也是它即饮里占比最高的单品,可果汁茶含糖,它身处的含糖阵营正站在大盘的降幅里。香飘飘最大的竞争力有两样。一样是铺货能力,在几个月之内把一款新产品,推到零食量贩和经销商的货架上。另一样就是产品创新力,原叶现泡和古方五红就是这么出圈的。谋求出海,是香飘飘的下一步棋。香飘飘拟以3800万美元自有资金,在新加坡及泰国设立海外运营主体,投资建设泰国液体即饮饮料生产基地,光大证券对此给出的评价是,迈出全球化关键一步,为长期增长筑牢根基。牌打到这一步,剩下的其实是一个问题,市场给香飘飘的估值,到底按重新增长的公司算,还是按品类见顶的公司算。这局牌没打完,答案要靠之后的几个季度,一手一手出。账本合上前“一年卖出3亿多杯,杯子连起来可绕地球一圈”,这句古早的广告语很久都没听到了。香飘飘原叶现泡破亿,古方五红复购率高达37%,中报七年来第一次实现盈利,第三季度归属于母公司净利润为97万元。把这几组数据放在一起,就是它此时的真实位置。我们的判断是,一门老生意可以被重新做一遍,这件事香飘飘已经证明了一半,破亿、复购、中报盈利都是证据。但从翻红到真正站稳,是另一段路,而且这段路比前一段难得多。账簿上最后一笔记录是“收缩”。在三季报后的业绩说明会和调研中,公司表示要把兰芳园冻柠茶收缩到北京、广东两个地区和线上渠道集中销售,不再四面铺开。敢于收缩,表明该企业开始按生意的逻辑而非声量的逻辑做决策了,这是一个积极信号。至于这波流量能否转化成交付,在四季度旺季和明年的淡季会给出答案。对于一个过了巅峰期的品类来说,翻红最难的一环,是让下一次被讨论的理由,从流量换成业绩。【免责声明与数据来源】数据与图表出处本图核心数据(2026年半年度营收12.77亿元、冲泡业务收入6.68亿元、即饮业务收入5.79亿元、归母净利润1085.97万元及各项同比增速)引自香飘飘食品股份有限公司(603711.SH)2026年半年度报告(上交所,2026-08披露)。图中可视化图表由铁骥ViewPoint基于上述报告口径独立绘制与加工。统计口径与方法说明占比条分配口径:冲泡业务6.68亿元(52.3%),即饮及其他6.09亿元(47.7%);52.3%=6.68÷12.77,“即饮及其他”为总营收减冲泡业务收入所得。增速口径:+57.7%为冲泡业务收入同比增速,−2.1%为即饮业务收入同比增速,+23.31%为半年度总营收同比增速,均按公司报告披露口径计算。利润口径:1085.97万元为归母净利润;同期扣非净利润仍亏损147.97万元,主业尚未越过盈亏平衡点,两者不可混用。期间口径:本次取数为2026年半年度数据,不可与单季度或全年口径直接比较。
金属集体大跌,机构却看法不一:金银铜后市分歧在哪?
虎嗅 · 2 天前
本文来自微信公众号: 和讯 ,作者:和讯财经研究11月20日,贵金属与工业金属双双再度下挫。沪金主力跌4.90%,沪银主力单日暴跌7.11%;COMEX黄金、白银隔夜也出现明显下跌。工业金属同样未能止跌,沪铜、沪锡、沪镍、沪锌当日均出现不同程度下跌。11月以来,国际金属市场经历了一轮明显调整。黄金、白银持续走弱,铜、铝、锌、锡等工业金属也相继承压。尤其是11月中旬以来,铜价跌势加速,带动金属市场整体风险偏好降温。这轮调整并非单一因素驱动。美国通胀压力、美元走强和利率预期变化,正在压制金属价格;此前积累的多头仓位集中平仓,又进一步放大了跌幅。与此同时,AI基础设施投资、能源转型和全球金属供需等长期逻辑,也开始接受市场重新审视。对于这轮下跌,市场并没有形成完全一致的判断。01金属集体回调,市场在重新定价什么?截至11月19日,LME铜自10月21日的阶段高点回落约13.64%,COMEX黄金同期回落12.42%,COMEX白银回落26.15%,LME铝回落约4.46%。国内方面,沪铜主力失守10万元/吨,近一个月跌约9.87%;沪银主力近一个月跌幅达22.27%。贵金属与工业金属均出现了不同程度的调整。图表|主要金属近一月市场价格表现数据来源:Wind。近一月区间为2026年10月21日至11月19日。LME为场内收盘价,COMEX为主力连续,上期所为主力收盘价。各机构对本轮回调的归因,基本集中在几个方面。其一,美国10月CPI与核心CPI环比双双高于预期,PPI同比升至6.5%,CME利率期货显示12月加息25个基点的概率从一周前的约八成快速升至95%以上,美元指数升至103.9的年内高位。其二,科技股调整通过"风险偏好收缩—AI基建用铜与用银预期下修"的路径传导至金属,高盛明确指出近期LME铜下跌"主要由AI相关股票波动驱动,而非实物基本面恶化"。其三,此前累积的多头仓位集中平仓放大了跌幅。在价格跌破关键位后被迫砍仓,令抛售形成自我强化。其四,跨资产资金腾挪。部分市场观点认为,11月18日同步暴跌与Anthropic启动IPO路演联系起来——快钱可能为申购这一可能创纪录的发行,抛售了加密资产、贵金属与铜。与盘面走势相反,部分实物指标仍显示出供应偏紧的特征。11月18日,洋山铜溢价升至360美元/吨的历史高位区间,铜精矿现货加工费处于-244至-247美元/千吨的深度负值。Mysteel数据显示,截至11月19日,国内电解铜现货库存为5.48万吨;上期所指定交割仓库铜库存截至11月14日当周降至27642吨,为2023年12月以来低位。铝市场同样面临库存压力,截至11月17日,LME铝库存降至约22.04万吨,为1990年以来最低水平。这构成了市场分歧的起点。02黄金:短期利率压力与长期配置需求,哪一个更重要?近一周现货黄金市场迎来连续下挫,连破3900、3800、3700、3600美元四大关口。自年内高点5596美元回落以来,现货黄金已跌去近2000美元,年内跌幅扩大至近36%。推动金价下跌的直接因素,是美国货币政策预期发生变化。短期黄金持续走弱,但海外机构对中长期价格的判断并没有同步转向悲观。高盛、瑞银、摩根士丹利和摩根大通私人银行给出的预测,仍然显示出对2027年金价的不同程度看好。高盛近期连续调整黄金价格预测。该行此前将2026年底黄金目标价下调至每盎司4150美元,并将2027年底目标价从5400美元下调至4800美元;11月中旬又将2027年底目标价从4800美元调整至4650美元,同时给出2028年底5600美元的预测。高盛对黄金的长期判断,核心仍然是央行购金和储备多元化需求。不过,高盛同时预计,美联储可能在2026年12月和2027年3月各加息一次,之后才逐步转向降息。该行将2027年的黄金市场形容为“越来越像2022年”:央行购金提供支撑,但较高利率可能限制金价上涨空间。世界黄金协会的统计,也显示央行购金仍是黄金需求的重要组成部分。世界黄金协会估算,2026年第三季度全球央行黄金需求约321.2吨,同比增长42%,高于过去五年227吨的季度平均水平;前三季度累计需求约675吨,同比增长6%。与高盛相比,瑞银的判断更贴近近期市场交易。瑞银认为,黄金近期的抛售“更像短期持仓调整,而非市场逻辑的根本转变”。该行指出,美元走强、实际利率偏高以及资金对其他资产的关注,给金价带来短期压力,但黄金ETF持仓仍表现出一定韧性。摩根士丹利的预测则更为积极。该行在11月发布的《2027年全球展望》中,将黄金列为其最看好的大宗商品之一,认为黄金仍将受益于交易所交易基金(ETF)和央行的持续需求。预计金价在2027年第二季度升至每盎司5000美元,并在第四季度达到5250美元。分歧因此可以概括为:短期看,加息路径尚未收敛,金价缺乏上行驱动;中期看,央行购金、去美元化与主权信用担忧构成了一个不太容易被打穿的地板。两个时间维度混在一起,是当前黄金观点"看似矛盾"的主要原因。03铜:供应到底紧不紧?需求到底持续吗?黄金的分歧主要在"短期与长期",铜市场的争论更直接——未来供应是否真的紧张?AI与电气化需求能否支撑此前的高价预期?本周铜价呈现“连续阴跌转为两日急跌”的下跌过程。11月18日,LME铜单日下跌5.71%、COMEX铜下跌5.40%,AI科技股回调引发用铜预期下修,铜价下跌由此加速;11月19日,沪铜补跌5.07%,跌破10万元/吨;11月20日再跌3.35%,LME铜也在同一天下跌2.95%。全周沪铜累计下跌约12.1%,其中后三个交易日贡献了近11.5%。高盛近期对铜市场的判断出现了值得关注的变化。11月中旬,高盛仍保留2027年铜价每吨15400美元的原始预测,但同时提示这一预测面临下行风险。该行在报告中指出:“我们预测面临的主要风险源于资金头寸,而非实物需求。”高盛认为,美国中期选举后,市场对AI投资和数据中心扩张的预期有所变化,投资者开始降低相关资产敞口,铜也受到影响。该行给出了不同情景:如果当前资金仓位水平维持,2027年铜价均价可能降至每吨14600美元左右;如果今年囤积在美国的铜库存重新流向全球其他市场,2027年均价可能进一步降至每吨14500美元左右。即便如此,这两个数字仍显著高于11月19日12526美元的价格。与高盛更关注资金仓位和价格溢价不同,德意志银行对铜价的中期判断更为乐观。据媒体9月28日报道,其金属研究分析师预计,铜价可能在2027年年中升至每磅10美元,约合每吨22000美元。其核心逻辑并不是全球需求突然大幅增长,而是铜库存可能被持续囤积并集中在少数市场,导致其他地区能够实际采购的铜越来越少。国际铜研究组织(ICSG)的供需预测,则提供了更偏向全球总量的视角。ICSG在2026年10月发布的最新预测中预计,2026年全球精炼铜产量约2869万吨,消费量约2859万吨,市场过剩约10.4万吨;2027年全球精炼铜产量预计达到2967万吨,消费量约2930万吨,过剩规模扩大至约36.8万吨。按照这一预测,2027年全球精炼铜过剩规模将明显高于2026年。因此,铜市场的分歧并不是简单的“供应紧张”与“供应过剩”二选一。ICSG统计的是全球精炼铜的供需平衡,德银关注的是能立刻交割的库存分布,高盛关注的则是资金愿意为这个平衡付多少溢价。这也是近期铜价调整中最值得关注的变化:市场开始重新区分真实消费、库存分布和金融资金带来的价格溢价。04白银:跌幅已经够大,还是调整尚未结束?11月20日收盘,白银期现价格大幅下挫,机构分歧集中在跌幅是否已足够、拐点何时出现。沪银主力报10,038元/千克,跌7.11%;伦敦银现11月19日收42.88美元/盎司,跌4.83%;COMEX白银20日盘中报41.84美元附近;沪金主力跌4.90%。自9月22日以来,白银累计下跌近37%,跌幅约为黄金的两倍。中信期货的口径偏谨慎。其11月20日日报认为金银延续弱势震荡,跌幅较大并不构成底部确认,短期以防风险为主,需关注油价、美国核心通胀、就业数据及美联储官员表态对加息预期的影响,并提示白银波动弹性或大于黄金,商品与权益市场共振下跌会放大尾部风险。其余几家期货机构同样偏空。华泰期货认为,美联储官员持续放鹰、通胀顽固的背景下,贵金属将延续震荡,短线修复行情缺乏上涨支撑;广发期货此前建议逢高布局空头,关注45美元/盎司(约10,000元/千克)关键支撑,11月20日沪银主力收于10,038元,已贴近该位置;首创期货判断,短期贵金属将维持偏弱震荡磨底格局。相对乐观的判断都附有条件。高盛认为,加息阶段金价波动加大、承压运行,仅靠央行持续购金支撑底部,预计2027年末开启降息后,黄金有望在2028年底站上5,600美元,2027年底目标为4,650美元,这一目标价已在11天内第二次下调。世界黄金协会11月3日数据显示,三季度全球央行净购金321吨、同比增长42%,黄金ETF净流入211吨、持仓达4,256吨,官方储备与机构配置需求构成长期支撑,但对白银而言,这类长逻辑的传导需要更长时间。跌幅是否已足够、拐点何时出现,目前均无定论。机构普遍关注两条线索,白银ETF持仓能否止跌,光伏与电子订单能否在价格回落后重新激活。在美联储鹰派立场松动、美元走弱之前,供需缺口、低库存与高金银比等支撑难以被重新定价,跌幅大并不等于跌到位。05铝:近端低库存与远端过剩,哪一条逻辑占上风?11月20日收盘,沪铝与氧化铝主力同步反弹,但价格仍处11月中旬以来的低位。沪铝主力报21,535元/吨,涨0.96%,持仓261,578手;伦铝3M收于2,843美元/吨,跌0.73%;氧化铝主力涨0.96%至2,618元/吨。自11月11日以来,沪铝累计回落约4%,伦铝回落约8%,机构对后市的判断分歧仍存,焦点在远端过剩预期与近端低库存。看空机构以远端过剩为主要依据。高盛在11月中旬的2027年展望中预计,LME铝价年底可能降至2,600美元/吨,较报告发布时约3,085美元/吨的水平明显回落,商品配置上偏向铜、回避铝;华联期货11月15日周报提出“顺势做空为主”,对沪铝2701的参考压力位随后从23,000元/吨逐日下调至22,500元/吨左右,11月20日判断为“弱势反弹,总体偏空”。多数期货机构把行情定性为预期主导、现实偏紧。中信期货以“强现实、弱预期”概括,认为悲观预期主导下铝价下探,中期震荡;信达期货称本轮下跌“更多是交易预期而非基本面”,AI叙事调整拖累有色板块,但技术面已转空,22,800元/吨一线构成阻力;广发期货给出沪铝21,600至22,600元/吨运行区间,并提示隐性库存显性化的风险。低库存是谨慎派强调的支撑。南华期货判断中期价格重心偏弱,近端矛盾在于“海外低库存与近月紧张能否抵御国内淡季逐步转弱”,但“跌后反弹仍会反复”;国联期货称“内外铝库存均低,下跌难一蹴而就”;东亚期货认为下方有低库存支撑、上方有需求压制,价格将跟随宏观情绪变化。对11月20日的反弹,机构定性偏向空头平仓。金瑞期货早评称,本轮反弹“除02合约小幅增仓上涨外,其余合约基本为空头获利离场带动”,“反弹力度或不足”。海外机构分歧更大,花旗0至3个月铝价预测为3,000美元/吨,系10月中旬自3,300美元下调而来;德国商业银行预计明年铝价约3,000美元、2028年3,100美元;高盛仅看2,600美元。澳新银行11月初曾判断铝价明年初维持在3,000美元以上,伦铝当前2,843美元已低于这一假设水平。铝市场当前的矛盾在于,近端现货紧张尚未消退,但远期供应增加的预期已经开始压制价格。
站上84000点,没有AI的这国股市为何逆势冲新高
虎嗅 · 2 天前
本文来自微信公众号: 和讯 ,作者:康嘉林11月20日盘中,印度股市依然稳定地站在80000点以上,创下近九个月以来的指数新高,达83666.90点。今年上半年,印度股市在全球资本版图里的位置还有点尴尬。AI热潮席卷A股、美股、韩股科技板块时,印度既没有一家能对标英伟达的算力巨头,IT外包产业也算不上核心AI链,资本给出的评价简单而残酷:缺AI故事。公开资料显示,2026上半年,外国机构投资者累计抛售了价值280亿美元的印度股票,资金转而涌向韩国等AI敞口更高的市场。彼时很少有人能预料到,同一套逻辑会在几个月后便彻底翻转。进入11月,印度股市以一种近乎剧烈的方式完成了逆转。BSE Sensex指数和Nifty 50在11月前两周分别上涨7.79%和7.27%,月内涨幅一度触及10%的量级。MSCI印度指数自10月低点反弹11%,几乎收复了年内的全部失地。推动这轮反弹的主引擎,是外资的集中回补。11月FII净买入印度股票约7326亿卢比(约合85亿美元),一举打破了2023年12月创下的月度流入纪录,而此前的10个月里,FII刚刚创下2.95万亿卢比的史上最大抛售规模。一个月之内,同一个群体,方向为何完全相反?01外资“扫货”成为主引擎印度有着历史悠久的资本市场,是全球最重要的新兴市场之一,主要的交易所包括孟买证券交易所(BSE)和国家证券交易所(NSE)。其中,孟买证券交易所代表指数为敏感30指数(Sensex30),该指数通过自由流通市值加权,包含了孟买证券交易所市值最大、交易最频繁的30只股票;国家证券交易所代表指数为漂亮50指数(Nifty50),包含了该交易所最重要的50只个股。想要理解这种翻转,关键在于印度指数的行业构成与AI交易之间的“绝缘性”。以Nifty 50为例,占据其中的股票,金融服务的权重长期在35%—37%之间,油气板块约9%—10%,汽车约7%,必需消费约5%,而真正与AI和半导体高度相关的信息技术板块权重不到9%。这与韩国KOSPI形成了鲜明的对照组,三星电子和SK海力士两家半导体巨头合计权重超过30%,韩国股市的方向几乎由AI硬件周期单方面决定。印度则相反,它的指数是由银行、能源、消费和工业这些内需导向的行业托举起来的。当全球资金从拥挤的AI交易中撤出时,这种“绝缘性”被重新定价了。印度本土缺少AI龙头,曾经是它被外资冷落的理由;现在,同一个特征变成了“回撤小、相关性低”的对冲工具属性。高盛亚太股票策略主管蒂莫西·莫伊对此的表述很直接:印度由内需驱动的经济模式与AI周期关联度低,构成了独特的避险属性换句话说,这轮流入并非因为印度突然“有了故事”,而是因为全球资金在AI之外需要一个体量足够大、流动性足够好、且与AI交易负相关或低相关的去处,而印度恰好是那个容量匹配的选项。除此之外,油价是第二重推力,且来得比AI轮动更为直接。印度是全球最主要的原油净进口国之一,高油价对其通胀、贸易逆差和卢比汇率构成三重挤压。2026年大部分时间里,伊朗战事的持续恰恰是压制印度市场风险偏好的核心变量之一。而到了11月,局势出现了方向性变化,近期伊朗局势预期缓和,布伦特原油从11月初的104美元上方一度跌至89美元附近,半月内跌幅超过8%。对于印度而言,这是一个潜在的宏观利好,进口通胀压力的缓和直接改善企业利润率的预期,卢比亦获得支撑。总体而言,外资的回流与油价的回落,在同一时间窗口内形成了共振。03“长牛”的印度股市印度股市之所以能在外部冲击面前反复修复,根源不在某一次资金流向的摆动,而在于它作为一个资产类别的长期结构,在最近10年甚至30年内一直保持相对稳定。在Sensex成立的40年中,有30年录得正收益,若从1990年代初算起,涨幅近100倍。这不是某一轮超级周期制造出的孤例,而是一个跨越了亚洲金融危机、全球金融危机、多次地缘冲突和国内政治更迭的持续性记录。翻看历史,20世纪80年代后期,和印度其他经济领域一样,印度股市也迎来了一次大刀阔斧的改革。1992年印度证券交易委员会(SEBI)获得司法权力,被视为这一轮改革的标志性节点。该机构模仿美国证券交易委员会(SEC)构建,具有独立准司法地位,专司证券市场的监督与管理;股票发行与交易的具体环节,则交由交易所和券商承接。由此,印度政府以往对股市近乎全方位的直接掌控,基本告一段落。市场化改革从根本上改变了资本市场的定价环境,使股权资产从一种边缘化的储蓄替代品变成了分享经济增长的主渠道。而近十余年日益制度化的国内资金流入,则为这个市场提供了一个外资大进大出时的缓冲层。系统性投资计划(SIP)的普及使数以千万计的个人投资者以定投方式持续进入权益市场,国内机构资金(DII)在FII剧烈抛售的月份里反复充当了对手盘。印度年轻的人口结构、仍然偏低的城镇化率和金融深化程度,则为这种国内资金流的持续性提供了空间。随着机制逐步理顺,市场中被压抑的多元竞争活力被释放出来。后期的印度拥有多个股票交易体系,彼此竞争激烈,为投资者提供了更丰富的选择。其中成交量居首的是印度国家证券交易所(NSE),历史悠久的孟买证券交易所(BSE)位列其后。但这并不意味着印度股市没有瑕疵。其估值长期偏高,外资的进出可以在短期内制造剧烈的波动,这从2026年上半年280亿美元的流出便可见一斑。03谁在搅动印度资本市场回到当前这轮反弹,最能代表印度股市核心资产的,有三只股票。Reliance Industries是印度股市中市值与叙事的最佳结合体典范。作为印度总市值最高的上市公司,Reliance在Nifty 50的权重多数时段位于7.5%—9%区间、在Sensex中常接近两位数,稳居两大基准指数权重第一梯队。但Reliance的特殊性不仅在于体量,更在于它曾经用单一公司的业绩事件,撬动整个指数的脉冲。11月初,Reliance在创纪录的季度利润公布后单日飙升11.6%,市值增加1.83万亿卢比,单日涨幅创2020年4月以来最大;当天它在Nifty 50成分股合计市值增量中贡献了接近一半,一只股票几乎以一己之力定调了当日的指数方向。这种短链条传导,源于Reliance横跨能源炼化、电信(通过Jio Platforms)和零售的复合结构,它的炼化业务对油价高度敏感,电信和数字资产又赋予其内需与科技的双重标签,使得同一家公司在不同的宏观场景下都能被纳入不同的交易叙事。HDFC Bank和ICICI Bank则是Nifty指数的权重载体,两者合计在指数中占据约18%—20%的权重,金融板块整体超过三分之一。HDFC Bank近年以来是Nifty权重第一的单一股票,ICICI Bank紧随其后,两者的权重差距在2026年一度收窄至不足40个基点。这种权重结构意味着,银行股的走向在一定程度上决定着Nifty的走向。在本轮外资回补中,银行板块之所以成为最集中的承接方向,恰恰是因为它同时满足三个条件:自由流通市值大、外资持仓比例高、衍生品交易活跃。ICICI Bank在10—12个交易日内上涨约17%,HDFC Bank同期涨幅也在16%的量级,这并非偶然,它们是外资回摆过程中交易摩擦最小的通道之一。三只股票分属综合企业与金融两个截然不同的板块,但驱动它们上涨的力量高度重合。三者共同承载的,是同一套宏观叙事在不同资产上的映射:低AI敞口带来的对冲溢价、油价回落带来的进口国红利、以及深度低配之下资金回摆的机械性力量。
傅剑锋漫谈世纪初珠三角“砍手党”调查往事
虎嗅 · 2 天前
本文来自微信公众号: 忽左忽右Leftright ,编辑:思钊,作者:忽友功德箱,原文标题:《播客|傅剑锋漫谈世纪初珠三角「砍手党」调查往事》曾几何时,流窜在珠三角的砍手党群体令人闻风丧胆,而其中的主力犯罪者竟大多来自同一个村庄——广西天等县上映乡温江村。2005年初,时任《南方都市报》记者傅剑锋来到温江村,此后多年,傅剑锋持续追踪这些年轻人的经历,并走进监狱采访当年的「砍手党」成员。打矿、打工与打劫,温江村的年轻人为何一步步走向犯罪?在深圳相互照应的老乡,为什么又会形成犯罪团伙?多年以后,当年的「砍手党」成员和温江村发生了哪些变化?请听本期嘉宾傅剑锋带来的分享。内容节选本文为基于节目录音的口述稿,仅对语法与用词做部分修改。都市报媒体、「孙志刚事件」与调查报道的兴起傅剑锋2003年左右,是中国调查报道兴起,并且能改变国家制度安排的一个时间段。程衍樑那个时期调查报道有非常强的舆论监督功能,而且很多报道的主体是都市报。都市报品类也是在90年代末以一种排山倒海之势,在天南海北都进入了爆发期。最早的都市报应该是《华西都市报》,后来很快有《楚天都市报》《南方都市报》,包括又北上做了《新京报》。这些日报化的都市报媒体都喜欢报道深度的调查类社会新闻。傅剑锋那时候是都市报蓬勃发展的年代,差不多每个都市报都有一个调查部。但这件事情的起点实际上是孙志刚事件,一个关键性的调查新闻。之前也有调查新闻,但还没有变成遍地开花的状态。到了《南方都市报》,这些榜样就在身边。当时做孙志刚报道的主要两个记者,一个叫王雷,一个叫陈峰。我们都是一个办公室的同事,他们可以做出这样的报道,我为什么不可以呢?后来我被报社调到了深圳。2003年到2004年这个阶段,我在深圳做政法记者,兼岗社会新闻记者和调查记者。那时候治安进入了一个接近崩溃的程度。这也跟孙志刚事件有关,因为治安体系最后是要落实到人身上的,当时要追责打死孙志刚的人,整个广东的警察体系都有很大的情绪。他们会觉得,这件事情是做错了,但之所以这样做,是因为外来人口太多了,治安压不住。可能用力过猛了,但是现在把一堆跟这件事情相关的警察、官员全部给处理了,我们为什么干这个事情?我可以不干。所以那个时候,警察处于一个表面上还在工作,实际上相对放任的状态。这就导致整个珠三角的治安问题非常严重,出现很多很荒诞的情况。我当时在东莞的时候,经常上班的时候就看到飞车抢夺。眼睁睁看到,一个人坐在摩托车上,另外一辆摩托车过来就把包给抢走,然后随着一声尖叫,金项链被抢走。甚至有女生的耳朵血淋淋的,因为她的耳环被一把扯掉了,耳朵都撕裂了。到了深圳,有段时间我除了跑政法线之外,还会去接热线。我让热线员帮我做了一下统计,发现那个时候在深圳每天都有一到两起以上的枪击案,就到这种程度。主要发生在关外,关内的治安管理就严一点,过关要做暂住证的身份检查,关外就不需要这些。所以对外来人口,尤其是犯罪型的流动人口来说,关外就是他们的天堂。这个背景之下,2004年深圳发生了一件抢劫案,就在深圳公明镇一个相对比较偏的地方,叫马田村。一位打工者跟他老婆下班的时候经过天桥,突然发现自己的包被抢走了,手机也被抢走了。追了一会儿,他发现自己的手已经被砍掉了。打矿、打工、打劫:温江村年轻人的「三打」出路程衍樑在报道里你也写到,90年代的时候,温江村的青壮年基本都会去广东打工。但后来打工也赚不到钱,大部分青壮劳力又开始去隔壁县里打矿。但很多是私矿,又容易发生矿难。你当时采访过一户姓黄的家庭,他们的儿子就是2002年打矿的时候被压死了。被压死之后,老板只给了800块的安葬费。他父亲也一点办法都没有,就说命也不值钱。而且你做了个统计,到你去的时候,村子里因为打矿被压死的人已经有16个了。傅剑锋而且这些人基本都是青壮年男性,都在矿上死掉了。所以新一代的年轻人,像许国亮这样一些小孩,他们就不太愿意去打矿了,可能会走上其他的道路,很多就变成了砍手党。我长期跟踪这件事情,一直到2011年写了一本书。进一步研究和统计分析的时候,发现这个问题是非常社会性的。打矿、打工和打劫,就是“三打”,它们之间有收益和风险的成本在。本质上说,大家都是理性经济人。温江村的一个男人,如果过了30到35岁,往往就成家立业、有孩子了,基本上是以打矿为主。靠一亩三分的薄田,他是没法维持家庭的,所以他必须去挖矿。这就是为什么有一部分人,哪怕经常会有各种各样的灾难发生,冒死也得去打矿,他不敢去打劫。人数最多的是去打工,打工的话,家里的孩子就成为留守儿童了。当时像许国亮,包括后来其他温江村的年轻人,甚至包括上映乡几百个去抢劫的年轻人,他们的年龄基本上在十四岁到二十五、六岁之间。对他们来说,我也没有家庭的负担,但是我想去寻找我理想中有钱的样子。这个时候,来钱最快的绝对不是打工。打矿也是死,打劫也是死,那为什么两种死法里面,我不选择一种还能够给我带来钱的方式呢?阿星杀人了:致电傅剑锋,希望他陪同自己自首傅剑锋我是2004年底去做报道的,阿星出事是在2005年7月份左右,中间就7个月左右的时间。阿星日常跟我有蛮多交流,因为他觉得,在广东打工那么多年,他没有一个真正的城里人的朋友。他觉得城里人都是俯视他的、歧视他的,所以他只跟老乡打交道。但我总是用非常平等的方式跟他聊,相互也会开开玩笑。比如他觉得这段时间打工好累,有时候会给我打个电话,我也会接。他喜欢厂里的哪个女生,但是不敢表达,也会跟我说,我也会给他一些看法和建议。到出事前,有几天就不太正常了。他给我打电话,说我有点扛不住了。说村里面好多认识的人都进去了。我说,他们进去了,就说明你更不能干坏事呀。他就不说话了,把电话挂了。那个时候,他的情绪就朝一个更加恶化的方向走。7月份,我在北京做医保的调查和采访,那几天连续看材料、熬夜写东西,处于非常疲惫的状态。傍晚一回到宾馆,我就靠在床上睡过去了。可能7点钟左右,那个时候天还没完全黑。我拿起电话的时候,发现有一堆来电,是固定电话打过来的。我想是谁这么执着地打电话?我回电话过去,发现是阿星接的,他应该是用公用电话给我打的。他说:“我杀人了,傅记者,我杀人了。”我当时以为听错了,说:“这怎么可能呢?你怎么会去杀人呢?”他说:“我真的杀人了。”他就说是在汕头,杀的是管他的小上级,当地叫管工。他说:“管工不给我身份证,我想辞职,想去找卫彦虎法官,去找工作。结果他不给我身份证,也不给我剩下的钱,所以我一怒之下,拿起宿舍里面已经有的刀,连续捅,捅完之后我就跑了。”我就说:“你给我打电话,说明你还是知道自己错了,是吧?你应该去自首。”他说:“我想跑,我想跑到越南去,跑之前给你打个电话,因为你是我唯一的城里人朋友。”我说:“如果你把我当朋友看,你就要知道,如果你跑,也许在越南可以躲起来,但是你跑不了一辈子,因为你知道这个事情是错的。在逃跑中,你内心里面这一种负罪的东西是跑不掉的,它会惩罚你的。你应该去自首。”他说:“那必须你陪我去自首,其他人我不信任。”我说:“我在北京,我没办法。”他说:“那我第二天还是去越南吧。”我说:“不行,我让我同事来陪你去自首,好不好?”他想了想,说:“好,可以。”这个时候我已经从《南方都市报》去了《南方周末》。我一方面跟《南方周末》的编辑快速商量,说出了这么一个情况;另一方面,同时跟《南方都市报》的同事商量。因为《南方周末》在深圳没有记者,从广州赶到深圳可能得两个小时。《南方都市报》有记者站,过去可能几十分钟就到了。所以为了让他不要去逃窜,不要发生新的问题,要竭尽所能,以最快的速度让他去自首,一定要让记者在第一时间赶到。后来我跟《南方周末》的编辑和领导商量的时候就说,在这个刑事案件面前,记者是第二位的,做人是第一位的。我说先让《南方都市报》的记者过去陪他,《南方周末》的记者可以从广州过去。领导也拿我们没办法,他们也觉得我说的是对的。虽然从抢新闻的角度来说,最好是独家,但是从做人的角度来说,让他尽快去自首,才是我们做对的事、做对的人。程衍樑而且这个场景真的非常特殊。很少有记者能够见到一个自首前的凶手。一般记者见到犯罪嫌疑人,都是被警方逮捕以后。你见到的则是案发之后处在逃亡状态当中的嫌疑人。「逃不开老乡这张网」:犯罪行为如何在老乡之间传播?程衍樑中国的刑事犯罪,至少在你2011年写《“砍手党”的城乡之路》的时候,通过老乡这张网积攒起来的团伙性犯罪,占了整个中国刑事犯罪的三分之一。包括后来广东潮州的古巷事件、增城的新塘事件,都是打工的同乡聚居区爆发的族群冲突,最后酿成恶性的罪案。傅剑锋地域性的犯罪为什么会发生?我们想想看,一个农村的人举目无亲,到了城市之后,是不是需要帮助?但是我们城市有很多NGO,或者政府体系可以帮助他们吗?现在可能好一些,十多年前实际上是非常少的。所以帮助他的唯一途径就是老乡。当然这也不只是中国的现象,它是全球的现象。黑手党为什么会从意大利蔓延到美国?为什么会有《教父》里面描述的现象?其实就是老乡帮老乡。中国的地域性犯罪里,也是老乡帮老乡。这是一个非正式的网络,不是说它不好,很多时候也是有用的,对社会有价值。但这个网络是分层次、分类型的。如果老乡在开出租车,你去投奔他,也开出租车,就有了后来湖南攸县的很多司机在深圳,有一度深圳的出租车司机60%都是湖南攸县的。如果一个地方的老乡是搞灰色的,专门在建筑工地收保护费,比如广东陆丰、海丰的人很彪悍,他们就喜欢收这种保护费。在深圳有一度,建筑工地上收各种保护费的,都是这一个县的人。比如有一度,深圳的卖淫女都是湖南平江县出来的,里面也是老乡带老乡,甚至出现笑贫不笑娼的情况。女孩要结婚的时候,如果在深圳是正经打工的,可能给她提亲的人就很少。但如果知道她在夜总会待过,可能有几十万的身家,甚至更多,那村里面愿意给她提亲的人就络绎不绝。啼笑皆非背后,有一个真实的社会逻辑,就是社会支持网络。不对的就会变成更不对,对的就可能朝好的方向发展。回过头来说,地域性犯罪就是在这样一个非法的、不正常的网络效应之下,把这些人带过来,形成了类似的作案目标、作案手段和作案逻辑。砍手党为什么来自同一个地方?也是跟赵民显、杨成康、许国定这些人有关。虽然在监狱里面聊的时候,他们不太认可自己起了这么大的带动效应,觉得只是凭自己的经验和直觉在做事。但客观地看,确实是在网络体系里,他们这种坏的带动效应和传导效应,以及在车站收保护费这些灰色产业的温床,让整件事情朝着一个坠落的方向走下去。本期嘉宾程衍樑(微博@GrenadierGuard2)傅剑锋,腾讯SSV高级专家,《世界还有办法》播客主播,著有《“砍手党”的城乡之路》等。本期提到点击文末“阅读原文”查看本期豆列砍手党/温江村/南方都市报/南方周末《砍手党的城乡之路》
什么叫买不到10米长的USB线?我拿延长线硬接过去不行吗?
虎嗅 · 2 天前
很多朋友可能都遇到过这个问题:想要连接的设备太远,手里的线不够长,就只能接延长线。然后,你很快就会发现,即便是延长线,最长往往也只有5米……距离更远的话,可能就要一根串一根。但这就可能有问题了——USB线一根串一根后,还能正常工作吗?为什么没有超长的USB线?
从“刷分”打到“补缝”,机器人新竞赛升温
虎嗅 · 2 天前
本文来自微信公众号: 机器最前线 ,作者:关注具身智能的2026年末,具身智能的商业化似乎终于等来了它的“破局点”。过去,这个行业一直受困于“大脑”不够聪明,无法应对复杂环境;“手”不够灵活,且学习成本高昂。但最近,两个技术突破为它们带来了新的进展。一方面是“大脑”的外溢。Anthropic的通用模型Fable 5.2,原本的主业是编程与推理,现在却在双臂机器人仿真基准RoboDojo上,将任务成功率从前代的27.6%直接拉到了64.9%。更令人意外的是,在未经专门训练的情况下,它在演示视频里直接控制机械臂,完成了拧瓶盖、解魔方等需要高精度的动作。另一方面是“手”的下沉。英伟达的机器人基础模型GR00T 2亮相,采用“世界-动作模型”的路线,不需要海量的数据投喂,在人示范5次后,其任务平均成功率就飙到了95%。“脑”突破了边界,“手”砸低了门槛。两端瓶颈皆开始松动,可这些真的能让机器人在现实世界立足吗?01未被接上的“缝隙”当我们把这两个新变量拆开细看,情况可能并没有想象中乐观。虽然它们都在各自在能力边界上狂奔,但却根本不在一条跑道上。首先,Fable 5.2确实捅破了“脑”的上限。在仿真环境里,它的任务成功率达到了64.9%,它靠的是极强的“高层空间”推理能力。说通俗点,就是它懂物理常识。比如,如果要让它拧开一个瓶盖,它知道得先抓住,再逆时针转,还能算准使多大力。并且它能靠视觉与推理形成一个逻辑判断闭环,这确实比传统那些只会死记硬背单一动作、换个场景就抓瞎的专用策略要聪明得多。但这个“聪明”来到真实的世界里就显得有些无力。在第三方真机测试中,LLM引导机械臂玩跳棋,结果脱落或偏移的就有14次。问题主要出在执行频率上,机器人手指要想在物体滑脱的瞬间稳稳捏住它,底层力控闭环通常需要跑到20-100Hz的反射频率,也就是每10到50毫秒就得完成一次力度修正。而Fable 5.2的规划循环,只运行在约1-2Hz的水平。也就是说,大模型一秒钟才更新一或两次“捏住”的指令,而手指在一秒里却需要微调几十次,才能防止棋子滑落。这就导致,在棋子滑脱的那一瞬间,大模型根本反应不过来,也来不及下达“再捏紧一点”的新指令,于是手指就只能僵在那,棋子也就自然滑落了。这就好比一个将军在指挥部里每隔一秒才更新一次战术,但前线士兵每十毫秒都在面临子弹。两者完全不在同一个时间尺度上,就算大模型规划得再好,底下的手也根本接不住。更何况,这个64.9%的成绩,还是在一个完美的仿真环境里测出来的,那里没有光线干扰,也没有地面的颠簸。而到了真实世界,当它需要面对灰尘和反光或者其他意外的时候,这个成绩还能否维持便成了未知数。官方虽然宣称进行了18个真机测试任务,但却并没有给出对应的分数。其次,GROOT 2确实压低了“手”的门槛。(图源:NIVDIA)5次示范就能达到95%的平均成功率,意味着过去需要采集海量数据、耗费几个月才能教会机器人的动作,现只需几分钟演示就能教会。从这个方向看,它确实把训练与适配的成本砸下来了一大截。只不过,这95%也需要放在具体的测试条件里看。据NIVDIA技术白皮书披露,参与测评的这50项Dexter机器人操作任务,在测试集构建阶段就选自那些模型经过5次示范后至少能达到80%的功率的任务。白皮书也明确说明,这个95%的高分,本身受测试集挑选方式的影响。换句话说,95%的成功率来自一套提前筛选过的考题。另外,还有一个值得注意的是,五次示范后,50项任务当中只有37项做到了“每一次试验都成功”,剩下的13项,在反复测试中依然会翻车。而这个反应执行稳定性的指标37/50却在铺天盖地的官方通稿里基本消失了。由此可见,在筛选过的部分任务内,训练确实能变得更便宜,但换一条没见过的产线后,机器人还能不能活,可靠性如何等,目前仍是个盲盒。除此之外,模型层与执行层交接的地方,那个真实抓握所需的毫秒级反射,目前也没人能填上。英伟达似乎也意识到了这个“接不上”的尴尬。于是它让GROOT 2只留在执行层,成为被上层推理模型,通过WAM API调用的一个模块。由上层负责确定任务、编排技能、监控进度,GROOT 2负责把意图落成具体的抓取和装配动作。最终的效果也还不错,在接入上层推理模型之后,YAM机械臂在连续装配三种玩具的任务中,成功率达到了97%。(图源:NIVDIA)不过,这也只是给了双方一套“通信协议”,并不等于把桥建好了。真实工厂里,一旦上层发了指令,底层执行失败了怎么办?机械臂卡在半空,延迟了怎么办?这些关于延迟控制、失败检测等工程化问题的解决方法,在Fable 5.2炫酷的论文里没有,GROOT 2亮眼的示范数据里也没有。而这个技术上的缺口,在实验室里可能只是少了一组数据,但到了真实工厂里,却是机器人迈向商业化进程中的一道门槛。02一笔算不拢的“产线账”这道门槛落到产线上,最先暴露的不是技术问题,而是卖机器人的和买机器人的根本不在一个频道上。模型方的成绩单再漂亮,工厂老板掏钱之前,算的第一件事永远是,这几十万设备投下去,多久能回本?摩根士丹利在今年11月的调研里,就给出了一个非常现实的数据,82%的企业要求三年内回本,平均可接受周期是26个月。但只有18%的采用者对现有款式机器人的表现满意,而且这个数字比上一年还降了5个百分点。受访公司整体的部署预期,也硬生生往后推了约一年。也就是说,企业对这笔投资的耐心正在耗尽。不过让客户算不过这笔账的核心,却并不在本机上,而在那些隐性成本上。据中国信通院在《具身智能发展报告(2026年)》中显示,机器人整机价格仅占全生命周期成本的40%至60%。剩下的大头,都花在了场景改造、系统集成、数据采集、模型训练、运维人员配置和故障停机损失……(图源:《具身智能发展报告(2026年)》)Fable 5.2和GROOT 2的突破,确实把前期的研发和训练成本打下来了。但真正吃钱的后期运行成本,两者并没有触及。而这个关于后期运行成本的一个核心诱因,就是那个“想”与“做”之间的缺口。据高通官方声明NEURA的4NE-1人形机器人在今年的台北国际电脑展上突然倒地,原因就是一次短暂的通信故障,触发了安全关机。在展台上其实这还能叫“受控倒塌”,但如果放在产线上,那就是实打实的意外停机,不仅耽误产线,还额外增加了维修成本。同样的案例还有日产在田纳西州Smyrna工厂部署了OTTO的移动机器人,据Business Insider的报道,它的硬件没毛病,但软件接口与日产物料流无法对齐,导致两台机器人被派到同一个位置时,直接造成了产线“交通堵塞”。而这些真实的停产账,又有可能逼着客户开始改变评判标准。比如,智元Genie业务部项目总监艾文在界面新闻的采访里就提到,传统工厂一天允许4%到5%的故障时间,坏了重启就行,但具身智能现在考核的核心指标变成了“连续可工作时长”,要求单点故障后至少撑一个月才算及格。也就是说,客户更在意的已经是机器人的稳定性。直白点说,应该是自家产线的稳定性。而摩根士丹利的报告里的原话说得更直接:如今的前沿大模型已能在零样本下生成机器人动作,但成本、任务成功率和延迟都还有改善空间。在拿出可量化的生产力证据之前,企业不会追加大规模订单。由此可见,客户看重的只有价值与成本,那么再卷模型分数,可能暂时就不再适配当下需求了。03拼“补缝”的下半场客户的标准一变,厂商的竞争重心自然也就会跟着变,而为了更好的匹配市场需求,各家机器人厂商也确实在各显神通。以智元为例,它拿出的解法就是直接冲着“脑”与“手”的时间差去的。它的异步双系统架构,把思考和执行,拆成两套班子。让慢系统负责深度规划,一秒钟只更新一到两次大方向;快系统则高频运转,一秒钟要运行几十次。(图源:智元)同时,它的快系统不仅接收慢系统的意图,还会在慢系统两次发指令的间隙里,结合自身的实时观测,自主进行局部的微调和纠错。这就等于在两者之间铺下一块“缓冲垫”,慢系统负责指方向,快系统在底下拼命稳住动作。慢系统不用等快系统走完再发下一条指令,快系统也不用死等慢系统更新。两套虽然频率不同,但是各司其职,且同步进行,以此抵消部分两者的时间差。但真实世界里的突发状况,光靠微调可能也来不及救场,这个时候,或许就需要一个容错机制来进行兜底。比如,Figure AI就会把“出错”当成常态来对待。当电量低了就会自动换机,检测到软硬件异常时机器人也会自主退出工作区,由另一台直接接替,继续干活。不停机、不断档,也不让单点故障拖垮整条线。靠这套机制,Figure AI在200小时连续运行中处理了近25万个包裹。成功让机器人做到能在产线上持续干活。而这种让机器人“持续干活”,成为稳定“生产力”似乎也在成为一种行业趋势。比如从商业模式上来看,擎天租等玩家开始转向“机器人生产力服务”,开始按照效果计费;工信部也在鼓励按价值付费的RaaS模式。更别说,这样的模式还能将机器人可靠性的风险,从客户手上转移到了服务商身上。由此可见,行业趋势正在向那些能补好“接口”的,能把执行做好的、做稳定的企业倾斜。而留给厂商的时间窗口,正在肉眼可见地收窄。王兴兴说,具身智能的“ChatGPT时刻”最快2027年到来;千寻智能郑灵茵的判断则更具体,2026到2027年,是从“讲故事”转向“交付”的分水岭。而“交付”这两个字,显然已不是拼哪一家的模型分数更高。商业化落地眼下最要紧的,或许就是先在真实的产线上,把当前的活干明白。这并非要否定模型技术的价值。Fable 5.2和GROOT 2的突破仍是行业的地基,模型该迭代还得继续迭代。只是模型发展是为了一个更好的明天,客户却更需要一个能开工的今天。这无关对错,只是一场行业长短线的错位。或许在未来某个节点,长线的技术溢出终会落进真实的产线账本里,而眼下那些被全力补齐的工程接口,也会成为下一轮模型爆发的基础。01|“借脑”还是“造脑”,具身智能站上“新十字路口”02|人形机器人行业,正在等待一个属于自己的“安卓”03|从春晚舞台到矿山井下:一家机器人公司的场景落地进化论04|不堆算力、不拼数据,智平方用NeuroVLA重新定义机器人大脑05|沧穹CEORION“下海”,大模型干起了“体力活”06|跨越VLA的“虚实鸿沟”,中国具身智能大模型长出“新大脑”07|±0.05mm精度的矿用机器人守得住险境,却守不住盈利
华盛顿的巷弄变身“可持续住宅”试验场
虎嗅 · 2 天前
本文来自微信公众号: CITY来不 ,作者:CITYLAB乍看之下,巴尼环岛附近巷子里的这栋建筑,与华盛顿特区常见的车库、棚屋或是马车房并无二致。建筑外墙上的木板,在国会山以东这片街区整齐的砖砌联排住宅和简约的公寓楼之间,透出几分质朴的气息。除此之外,几乎没有迹象表明,这栋房子是一座活生生的可持续建筑实验室。阿德莱德巷这栋住宅的建材,几乎都来自自然生长的材料。墙体采用独特的竹制预制板系统,外墙覆以软木,再铺上鹅掌楸树皮;保温层用的是羊毛,黑刺槐木制成的屋檐为建筑遮风挡雨。安德鲁·林恩和杰克·贝克尔设计的巷弄住宅,外观低调朴素。摄影:Alex Kent/Bloomberg走进这栋面积约2500平方英尺(232平方米)的独栋住宅,日光从挑高两层的客厅上方开口倾泻而下。中庭以一张网分隔,这张网既像一楼的半开放式天花板,也为孩子们提供了一处玩耍的空间:他们可以在悬空的二层空间里爬行,穿过客厅上方。楼梯井也被网面框住,让自然光洒入室内,流淌过一面面软木墙壁。阿德莱德巷住宅的设计者,是一家名为BLDUS、仅有两名成员的建筑事务所。他们将自己大胆而不拘一格的设计理念称为“从农场到居所”(farm to shelter)。只要条件允许,杰克·贝克尔(Jack Becker)和安德鲁·林恩(Andrew Linn)便会尽量选用本地采购的有机建材。但BLDUS的理念远不止以环保的天然材料替代传统建材。两位建筑师也住在由他们亲手设计的华盛顿巷弄住宅里,他们思考的是一个更为整体的问题:在华盛顿,住宅应该如何建造,建在何处?在城市巷弄中建房,正是这两位自主开发者重新利用闲置空间的方式。巷弄住宅曾在华盛顿及其他城市广泛存在,但随着一轮轮贫民区清拆、更严格的消防法规出台,以及汽车的普及,这类住宅大多消失了。如今,各地城市都在设法增加住房供应,同时维持宜居品质,费城、多伦多和温哥华等城市开始重新审视巷弄空间,将其视为一种温和增加居住密度的途径。今年,为缓解住房负担问题,华盛顿特区出台新规,为BLDUS这类有意开发巷弄的从业者扫清障碍。然而,尽管巷弄住宅有着不同寻常的吸引力,相关项目仍面临重重障碍。“巷弄地块一直可以用来建车库、建停车场,”贝克尔说,他在2013年和林恩一同创立BLDUS,“但在20世纪大部分时间里,新建住宅实际上一直被法律禁止。”天然建材、高能效系统与被动式设计策略,共同造就了BLDUS高度注重可持续性的住宅。摄影:Alex Kent/Bloomberg华盛顿的巷弄曾经容纳过成千上万居民。到了20世纪,这些巷弄中的大部分住房逐渐消失,成为社会改革者清拆的对象。在他们看来,这些建筑破败不堪,理应被清除。但不少巷弄地块本身留存至今。如今,华盛顿特区仍有近1900块巷弄地块,今年7月,市政府出台改革,放宽可建设地块的开发限制。首个有望借助新规推进的巷弄住宅项目,正在等待批文。然而,审批流程仍有多道关卡。首先,巷弄必须有一个正式名称,而命名程序本身就缺乏明确标准,并需要征得周边居民同意。这只是阻碍住宅在昔日建房之地重新出现的诸多限制之一。BLDUS主导的每一个巷弄住宅项目,都以大胆鲜明的建筑形式、对材料近乎严苛的考究,以及极致的环保理念,展现了在城市边角之地建房的潜力与局限。贝克尔和林恩表示,是弗吉尼亚理工大学教授扬·霍尔特(Jaan Holt)让他们看到了华盛顿特区的潜力。霍尔特创办了该校位于弗吉尼亚州亚历山德里亚的建筑中心。林恩说,作为一名欧洲建筑师,霍尔特认为华盛顿是一座年轻的首都,拥有大量空置地块和蓄势待发的活力。BLDUS在希尔东区设计的一处巷弄住宅,庭院铺设了史密森尼国家航空航天博物馆翻新时拆除的田纳西粉色大理石。摄影:Alex Kent/Bloomberg2017年,也就是华盛顿特区放宽附属住宅单元分区限制的次年,林恩购入巴尼环岛旁一条巷子里的一块地,面积约(177平方米)。随后,他提交申请,提议以雕塑家阿德莱德·约翰逊(Adelaide Johnson)的名字为这条巷子命名。约翰逊曾为妇女参政运动者创作一座纪念碑,至今仍矗立在美国国会大厦的圆形大厅内,她本人安葬于几个街区之外的国会公墓。对林恩而言,要建成如今与家人共同居住的这栋房子,最难的事情之一,竟是先让各方点头同意。为了给巷子更名,他需要征集数十位邻居的签名,还要争取命名申请获批,整个过程耗时一年多。在这件事上,几乎人人都觉得自己有份。“所有邻居都觉得这条巷子归自己管。垃圾车司机觉得巷子是他们的。白天我们都去上班了,那些来送包裹的人,也觉得巷子是他们的,”林恩说。两位建筑师善于利用未经加工的天然材料自身的质感与特性,营造室内空间。摄影:Alex Kent/Bloomberg高性能窗户、超高效建筑保温系统及其他设计,将BLDUS住宅的能源成本压至极低水平。摄影:Alex Kent/Bloomberg另一家拥有巷弄住宅设计经验的事务所TeassWarren Architects,也在华盛顿特区哥伦比亚高地社区获批了一个巷弄住宅项目。该项目按照此前的法规设计为一栋独栋住宅,但随着建筑成本不断上涨,建造费用已高到难以承受。即便将住宅分隔成两个单元,依旧不具备经济可行性。该事务所的联合创始人兼负责人查尔斯·沃伦(Charles Warren)表示,如果建筑高度能增加到35英尺(约10.7米),成本收益就能达到合理水平。但这需要获得分区调整委员会的批准,意味着必须花钱聘请律师,走完一个4至6个月的审批流程。“每多一道这样的坎,都会牵扯出一连串问题,”沃伦说。那些致力于在城市边角地块上建造住宅的人,对放宽华盛顿巷弄的分区限制究竟能发挥多大作用,心里有着清醒的认识。城市规划办公室估计,特区境内只有略多于500块巷弄地块符合建造住宅的最低条件。但正如附属住宅单元和其他渐进式策略一样,巷弄住宅可以温和拓宽租客与置业者的选择,尤其是在乔治城、杜邦环岛等老街区。“巷弄地块不足以扭转整个局面。让这类地块更容易开发,当然会有所帮助,但光靠它们的数量,解决不了整个地区的住房需求,”沃伦说,“它并非灵丹妙药,只是扩充住房供给的众多手段之一。”BLDUS设计的住宅以注重气候影响的建材和极高的能源效率见长。最近出版的一部专著,将这家事务所因地制宜、优先使用本地材料的设计成果比作一道道住宅“食谱”。非营利组织纽约建筑联盟因BLDUS对可持续性的独到见解,向其颁发了2026年度“新锐之声”奖。贝克尔说:“我们对竹子的兴趣,和我们二人的缘分一样久远。早在康奈尔大学读建筑专业一年级时,我们就开始关注竹子了。”对BLDUS而言,空间与材料同等重要。在华盛顿特区,两位建筑师将目光投向那些长期遭人忽视的闲置边角地块,尽可能挖掘填充式开发的机会。阿德莱德巷这栋住宅的设计,充分考虑了它紧邻公共通道的特殊位置。房屋四面临巷,外围设有一道八英尺(约2.4米)高的黄樟木围栏,以保障私密性。但身处其中,丝毫不会觉得封闭隔绝。围栏围合出几处小型露天庭院,地面铺着国家航空航天博物馆2018年翻新时拆掉的大理石材。2022年,贝克尔也建成了自己的巷弄住宅。此前,他曾主动打电话联系那些拥有山坡地块、形状奇特的土地及其他难以开发的零碎地块的业主,最终在国会山找到了一位手握两块巷道地皮的业主。两块地都位于林肯公园以北几个街区的一条巷子里。当时,BLDUS已经完成了林恩位于阿德莱德巷的住宅,贝克尔因此有了可以向这位业主展示的实际案例。作为替业主设计住宅的回报,贝克尔以优惠价格买下了对方多余的一块地。贝克尔的住宅面积为1600平方英尺(约149平方米),采用了BLDUS标志性的竹材与桉木结构板系统。房屋以大麻纤维作为保温材料,外部设有黑刺槐木格栅,屋顶则布置了种植花床。与BLDUS的其他项目一样,贝建材保留本来面貌,仅涂刷一种由佛蒙特州奶酪副产品制成的木材着色剂。尽管BLDUS的巷弄住宅风格简朴克制,但使用天然材料并不意味着建筑必须千篇一律。贝克尔说:“它不会局限于某种特定的审美。你不必刻意凸显板材的竹纤维纹理。我们选择外露材质肌理,只是因为我们欣赏天然材料本身的美感。”杰克·贝克尔站在自家巷弄住宅的屋顶。摄影:Alex Kent/Bloomberg这条巷弄原本已接通电力和自来水,这让贝克尔松了一口气,因为铺设水电等基础设施,可能会让巷弄地块的开发成本高到令人却步。这条巷弄唯一缺少的,只是一个正式名称。贝克尔提议以露丝·安·奥弗贝克(Ruth Ann Overbeck)的名字为其命名。奥弗贝克是一位历史保护主义者和历史学家,曾推动国会山历史街区的建立;她也是安葬于国会公墓的另一位本地名人。然而,她的声望并未让附近居民对这一提议格外热心,命名一事因此又成了一场硬仗。贝克尔说:“要给巷子命名,你得格外用心,努力与邻居建立良好的关系。做不到这一点,巷子就可能无法获得正式名称,而没有名称,你的房子也就无从登记地址。”林恩和贝克尔在谈及自己的项目时,总会追溯华盛顿的住宅发展史。出于种种原因,城里的少数马车房和其他巷弄住宅,侥幸躲过了贫民区清拆行动。此后,这些建筑基本一直有人居住。两位建筑师一边挑战住宅建造方式的既有边界,一边也在回望那些古老的建造传统。“我们希望这些建筑可以屹立百年以上,”林恩说,“因此,我们最看重它们长期的使用表现。”
卖冰淇淋的、卖焖锅的,怎么都开始卖汉堡了?
虎嗅 · 2 天前
本文来自微信公众号: 声动活泼 ,编辑:晚晚,作者:声小音,原文标题:《卖冰淇淋的、卖焖锅的,怎么都开始卖汉堡了?| 声动早咖啡》欢迎来到每周五咖啡豆回复时间,我们的听友「Miranda」发现,现在越来越多的餐饮品牌,开始在自己的招牌产品之外,卖起了汉堡。比如DQ,2024年就在上海开了一家餐厅,除了招牌的冰淇淋,店里也卖汉堡和薯条。卖披萨的必胜客去年底还开出了专门的汉堡店,叫「必胜汉堡」。就连做焖锅的黄记煌,也在店里单独设了个档口,挂的是「锅气汉堡」的招牌。此外,魏家凉皮、海底捞和M Stand等等餐饮品牌都在汉堡领域试水。为什么这些餐饮品牌都在跨界做汉堡呢?本文整理自播客「声动早咖啡」根据行业媒体小食代的报道,2024年,国内的「一人食」市场规模就达到了8000亿元。而在消费者一个人用餐时,最经常选择的种类分别是米饭类快餐、粉面和汉堡薯条,汉堡排在了第三位。而且汉堡本身就是一门大生意。红餐的数据显示,2024年中国西式快餐市场规模接近3000亿元。其中汉堡占到了西式快餐七成以上市场。一位北京的大学生在接受路透社的采访时表示,汉堡已经成了她和同学常选的午餐。在她看来,汉堡里有肉和蔬菜,搭配比较均衡,价格又比去餐厅点几个菜更便宜。这类需求也给餐饮品牌带来了新机会。一些餐厅原本主要做的是多人聚餐的生意,如果增加汉堡的选项,也能吸引一个人吃饭或者是点外卖的顾客。百胜中国在财报提到,汉堡很受外带和外卖顾客的欢迎。他们预计,今年必胜客的汉堡销售额会超过10亿元,占到整个品牌收入的5%到6%。有行业媒体认为,必胜客过去更注重家庭聚餐和朋友聚会,近几年也在增加适合一个人吃的餐品。相比动辄十英寸、分量比较大的披萨,汉堡的分量更适合一个人。很多餐饮品牌原有的食材,能够直接用来做汉堡。比如必胜客在2024年推出的「比萨堡」,用来烤堡胚的其实是他们自家的披萨面团。哪怕对于其他不具备卖汉堡条件的品牌来说,做汉堡也不需要从头搭建供应链。有行业人士在接受36氪的采访时提到,现在冷冻面团的技术已经很成熟,鸡肉、面饼也都有大厂供货。像麦王食品,就专门生产汉堡的面包。此外,汉堡里的酱料也有专门的公司供应。比如东莞的百利食品,就为塔斯汀、华莱士等品牌供应沙拉酱、番茄酱等产品。有分析认为,汉堡本身的制作标准比较统一,而且出餐快、食材损耗低。制作过程不需要大火爆炒等复杂操作,对厨师手艺的依赖也比较低,更容易在多家门店推广。必胜客比萨堡图片来源:FoodTalks除了食材,很多餐饮品牌现有的空间也可以直接利用起来。根据第一财经的报道,深圳的一家「必胜汉堡」门店,就开在必胜客旁边。澎湃新闻认为,这种开店模式,不需要新开独立的门店,通过现有的资源就能够覆盖更多的消费人群。不过在其他品牌开始卖汉堡的同时,靠「中国汉堡」走红的塔斯汀,开起了一批名为「绣球披萨」的门店。这家汉堡品牌为什么想要去做披萨的生意呢?根据36氪的报道,塔斯汀的创始人,最早曾是汉堡品牌华莱士的加盟商。他一直想要创办自己的品牌,2012年,他和合伙人在江西南昌开了第一家塔斯汀,最初主打的产品就是现烤披萨。直到2017年,塔斯汀才开始尝试汉堡,他们先是把披萨和汉堡一起卖,后来在2019年重新调整了品牌定位,打出了「中国汉堡」的招牌。转型之后,塔斯汀的门店扩张才开始加速。塔斯汀门店扩张图片来源:FoodTalks根据界面新闻的报道,此前,市场上传出过塔斯汀准备上市的消息。塔斯汀在已经进入的下沉市场,门店已经比较密集;想向一二线城市扩张,又受到租金和人力成本的限制,很难快速铺开。如果绣球披萨试点成功,就能在主品牌之外,提供一个新的选择,让外界看到塔斯汀有能力发展更多品牌、减少对单一品牌的依赖。塔斯汀目前开出的十几家「绣球披萨」,也延续了不少曾经在中国汉堡上成功的经验。红餐网认为,绣球披萨的产品是在延续塔斯汀「中式改造西餐」的思路。他们的菜单上有梅干菜红烧肉、孜然肉酱、番茄牛腩等不同口味的披萨,与塔斯汀早期的中式汉堡风味相似。36氪研究院在去年发布的一份报告提到,披萨口味多,方便分着吃,因此,亲友聚会和家庭用餐一直是主要的披萨消费场景。不过有接近一半的消费者希望有小尺寸、适合一个人吃的披萨。有的消费者因为工作忙、吃饭时间有限,想要方便地解决一顿饭;还有人想用一个单人份的披萨来犒劳自己。比如必胜客除了想要用汉堡来争夺一个人吃饭的顾客,还推出过二、三十元,包含一人份披萨的套餐,本土品牌尊宝披萨、主打自助餐的比格披萨,也都推出过类似的产品。红餐网的分析认为,绣球披萨主打的就是适合一个人吃的6寸小披萨,把披萨做成了单人快餐。价格也走得是平价路线,单品的售价在十几二十元左右,整体的人均消费在20元以内。不过,塔斯汀想要把单人披萨的生意做大,还要面对不小的挑战。首先,披萨领域的竞争十分激烈,界面新闻认为,2025年国内披萨的市场规模约只占到了西式快餐的六分之一。也就是说,披萨能容纳的参与者更少。现有的披萨连锁品牌,除了价格实惠,各自也有让消费者能够记住的卖点。比如尊宝在社区里有不少门店,买起来比较方便;比格主打自助餐;必胜客WOW则有消费者熟悉的必胜客招牌。有行业人士表示,塔斯汀的中式汉堡之所以能跑通,关键在于现烤的汉堡胚与肯德基、麦当劳形成了产品层面的差异,消费者第一次吃会觉得特别,但绣球披萨目前还没有展现出类似的产品创新。而且披萨的创新,都是对面皮和馅料进行调整。各大品牌已经做了不少尝试,绣球披萨想在产品上做出新意并不容易。另外,塔斯汀的汉堡店主要靠加盟的模式扩张,而绣球披萨现在的十几家门店却都采用了直营的模式。如果绣球披萨未来有转向加盟的计划,还要说服众多加盟商参与进来。一位餐饮行业人士对界面新闻表示,用来制作披萨的窑炉本身成本并不高,但是这类设备在二手市场上不太好转卖。如果门店生意不理想,想把店转出去,加盟商需要承担的成本可能也会高一些。你上次吃披萨是什么时候?是和别人分着吃,还是自己点了一整份?
赵玉顺、袁贞贞:两个没能留在大城市的年轻人,开始记录时代的另一面
虎嗅 · 2 天前
本文来自微信公众号: 声动活泼 ,编辑:晚晚,作者:声小音,原文标题:《赵玉顺、袁贞贞:两个没能留在大城市的年轻人,开始记录时代的另一面丨十周年特别节目》本期节目是声东击西「十周年」特别系列的第六期。在这个系列中,我们通过访谈那些亲历结构性变化并拥有独特观察的嘉宾,去听听过去这十年中,他们看见了什么,洞察到了什么,如何理解今天,又如何辨认出那些塑造未来的力量。本期的嘉宾赵玉顺和袁贞贞,是村镇纪录片频道「遇真纪事」的两位创作者。2016年前后,赵玉顺和袁贞贞带着对新闻和纪录片的憧憬走入职场。几年辗转后,他们选择离开大城市、辞掉工作,把镜头对准那些很少进入公众视野的村镇和普通农民,并给自己定下十年之约,为「最后一批传统农民」留下影像。他们连续三年追踪广西横州的茉莉花,花农的日子跟着价格和天气起落;而在更多地方,农业公司成片承包土地,田埂被推平,守着小块田地的老人越来越难坚持。本期节目,徐涛来到了广东湛江,在两位嘉宾的家里,和他们聊聊从北京离开之后的这几年:他们如何走进村镇,如何坚持「让被忽视的得以被看见」的创作理念,又为什么要把这份记录坚持十年。本文整理自播客「声东击西」#410赵玉顺、袁贞贞:两个没能留在大城市的年轻人,开始记录时代的另一面丨十周年特别节目对话者:赵玉顺、袁贞贞,村镇纪录片频道「遇真纪事」主创,著有书籍《看见中国村镇》徐涛,声动活泼联合创始人2016—2021:毕业、北漂与理想落空徐涛我们先从毕业时说起。2016年,你们对未来有什么想象?是希望进入媒体,还是已经想过用影像记录具体的人和地方?袁贞贞我在大学时对视频很感兴趣,也做过剪辑、拍摄的兼职。毕业时就想找视频编导的工作,拿着那些作品去广州投简历,辗转了一阵。2016年正好赶上网络短视频起来,我的第一份工作叫「热点网络短视频编导」,在一家初创公司,主要是收集素材、写文案,再拼成一个完整的视频。做了四个月,我开始怀疑自己为什么要一直炮制这类偏娱乐化的内容,就辞了。徐涛你当时觉得,刚毕业还是应该去传统媒体里闯一闯,而不是直接留在新媒体行业?袁贞贞对,我们当时有一个很明确的想法:年轻人刚毕业,不要先去新媒体,新媒体学不到什么东西,要去传统媒体闯一闯。所以我去了电视台,是外包的专题片团队。那段经历让我学会剪长篇,学会对付很枯燥的素材,但拍摄还是以摆拍为主,拍摄对象常常由政府部门或者宣传部约好,大家都有点表演性质。它只是打了一个基础。后面关于纪录片该怎么拍,我其实是在一种很痛苦的状态里自己摸索的。赵玉顺我学的是新闻,2016年正在报社实习,最想要的是能去采访冬奥会。哪一年办的,我当场都想不起来了,看来也没有那么重要。总之,一个新闻专业毕业的人,还是会想做媒体,做一些记录、一些表达。只是我没想到,很多年以后,自己是以这种方式在做。徐涛玉顺,你在报社前后实习将近一年,好不容易转正,却在正式入职第八天就辞职了。发生了什么?赵玉顺我采访的是电力局的问题。电力部门在哪个地方都很强势,俗称「电老虎」。具体的细节我记不太清了,但结果会让每一户每月的电费增加。这是一篇负面报道。徐涛你把题报给了值班主任,他是什么反应?赵玉顺他很生气。他说,你才刚刚毕业,这么年轻,为什么这样畏手畏脚?你们学校老师是这样教你的吗?我当下就想,我怎么能一点新闻理想都没有,为什么要做自我阉割?后来我把采访做完了,稿子也写完了。徐涛稿子发出来了吗?赵玉顺第二天没有发。值班主任也没有跟我解释。如果他一开始就告诉我,这件事推进不了、最后一定发不出来,我其实还好接受。但他先给了我希望,等我真把采访和写作都完成了,稿子却没有下文。到现在我还记得那件事是什么样子的。徐涛让你难受的,不只是报道没能发出来,而是你原本以为自己得到了支持,最后却发现这份支持没有兑现。赵玉顺对。好像自己坚持了很久的东西,其实是没有办法实现的。后来我也知道,那时候一些媒体的采编和广告经营并不分开,记者身上甚至会分摊拉广告的任务。所以后来消沉了很多年。离开报社之后,我跟着报社认识的一位老师去了海南三亚,在西岛待了大约三年,拍照片、写人文故事,记录岛上渔村的生活,具体到婚丧嫁娶怎么办、当地人有什么习俗。那三年对我影响很大,我开始关心一个村子内部的事情。这段经历,后来一直留在我做记录的方法里。我习惯在一个地方待下来,慢慢认识那里的人,而不是拍完就走。徐涛2021年春天,你们到了北京。贞贞想找纪录片的工作,玉顺在媒体公司写政务号。那时候找工作的最大困难是什么?袁贞贞整个就业环境已经比2016年差太多了。2019年就在说影视寒冬,等我到北京的时候,感觉已经是冰河时期。我想找纪录片的工作,但那些公司自己活得都很艰难。赵玉顺我投了很多大一点的媒体,基本没有回复,顶多是自动回复。袁贞贞还有学历。我们两个都是二本,在北京,学历好的人太多了,简历经常连初试都进不去,直接被筛掉。所以只能在小公司之间跳来跳去,很难进大公司、大媒体。徐涛你们住在哪里?袁贞贞最开始在传媒大学站,定福庄。到北京半年,我们搬了三次家,从定福庄到梨园,再到果园,越搬越东,因为越往东房租越低。赵玉顺最后通勤单程两个小时,来回四个小时。我先坐公交,再换地铁。坐得久了,我已经知道每一个站每天会上来哪些人、下去哪些人,跟《楚门的世界》一样。我们就是流水线上的一颗颗螺丝,按顺序流动,跳出去就会受到惩罚。我们确实受到过惩罚:收入非常不稳定。后来离开北京的时候,我们叫了一辆货拉拉。本来想叫中型的,因为我们有锅碗瓢盆,平时自己做饭,后来为了省钱,叫了小型的。结果那辆小面包车,我们也只装了一半就装满了。搬走之后,你什么都不会留下,没有任何人会知道,曾经有两个人在北京市传媒大学周边的一个小房间里住过。我后来会想,不只是我们是这样。对于现在在大城市里工作的村镇青年来说,其实大家都一样。我们能考上一个二本,在村里已经算高学历了。但即便是这样,你还是没有办法跟城市产生很亲近的联系。所以就会离开。不是因为我主动想离开,而是我没有办法再继续忍受。袁贞贞我中间还失业过三个月。每天躺在床上想,我应该做什么样的工作,我还能不能找到工作。但房租要交,生活成本不会等你。最后我说,我们回广州吧。赵玉顺我们所有重大的决定都是她做的。从深圳到北京是她决定的,从北京到广州是她决定的。我就跟在后面。回北京的火车上,我看着窗外,她给我拍了一张照片。那时候的感觉是,人如草芥。2021-2023:创办遇真纪事,开始记录被忽视的村镇徐涛你们后来把离开北京、重新选择生活方向的契机,和2021年北上的大象联系在了一起。那群大象为什么会给你们这么强的触动?袁贞贞我跟他说,好浪漫啊。一群大象为什么要偏离自己的轨道?它明明可以在西双版纳,为什么要去普洱、去玉溪,向着昆明走?一群象都可以改变自己的轨道,那我们是不是也可以?赵玉顺但一开始并没有立刻决定做账号。我们想的是,先回广州,一边工作,一边利用周末拍。广州是广东的中心,去粤东、粤西、粤北一样方便。我们想知道,珠三角之外的广东到底是什么样子。徐涛所以这不是一个已经规划得很清楚的创业计划。袁贞贞那时我们也不知道这件事最后会变成什么,只是觉得应该出去看看。徐涛你们最初更新账号时,还是一边上班一边拍摄。什么时候开始觉得,这件事值得成为一份全职工作?赵玉顺是贞贞提出来的。她说,一直在广东拍也不行,要出去,去别的省份,不可能周末去再回来,太远了,那就把工作辞了。那时候我们26岁,想着实在不行,就再进城务工。袁贞贞我们还定了一个期限:半年。半年粉丝没涨上来,我们就回来,再找工作。徐涛钱从哪里来?赵玉顺负债。借的是网贷。我们两个是完全不会做生意的人,成本、利润,当时真的没有考虑。就是觉得,自己的账号,把它做好就行了。那几年网贷很多,年轻人借贷很多,失业也很严重。我们只是其中一个很小的例子。徐涛第一站去了哪里?赵玉顺广西。因为近。从我们家出发,去南宁比去广州还近。袁贞贞那两年没有大的计划。哪个市没去过,就去哪个市。我们不像旅游博主去找景区,我们到当地,看他们种什么,听村民在想什么。刚开始就是随机去问、随机去采访。赵玉顺在村里非常容易聊起来,尤其是广西和东北,大家非常热情。徐涛你们从一开始就把创作理念概括为「让被忽视的得以被看见」。这句话既是在说村镇,也是在说你们自己的经历。为什么会形成这样的表达?赵玉顺我们最开始想的是:是不是有人可以替我们发声,讲一讲我们自己的感受,讲一讲村镇的感受。没有等到。那我们就自己来。徐涛所以这不是一个职业选择。赵玉顺它更像是一个关于「谁有资格被看见」的选择。我们等过别人来讲,但没有等到,就只能自己拿机器去拍。这句话里其实有两层:一层是村镇,一层是我们自己。我们自己就是被忽视的那一批人。从村镇到大城市,读了大学,找了工作,但依然没有跟城市建立很亲近的联系。这件事不是一个瞬间让我们决定去做的,它是慢慢长出来的。在真正来广东之前,如果有人说「我来自广东」,别人想到的可能是包租公、拖鞋、凉茶、烧腊、世界工厂、广州塔。但这些全部属于珠三角。我们现在在粤西,知名度和关注度都没有那么高。像一束光打下来,你只看到珠三角那一片的闪耀,粤东、粤西、粤北就在旁边,但不在光里。徐涛所以你们以广州为中心出发。第一年走了哪些地方?赵玉顺差不多十个月,走遍了珠三角之外的广东。没有固定路线,也没有预设主题,就是好奇。我们自己也很意外:原来珠三角之外的广东这么丰富,不只是工厂、科技和GDP一直涨的故事,还有很多当地人的故事。徐涛有没有哪个地方,连你们都没想到?赵玉顺云浮。它可能是广东最没有存在感的一个市。我们第一次开车进去,发现那里全是石材厂,瓷砖、石材,一条街绵延几十公里。我第一次跟她回湛江也是,那是2021年年底过春节。以前我对广东的印象,要么是很多工厂,要么是很多山岭,岭南嘛。结果进入湛江这片区域,是一望无际的大平原,你看过去,甚至不知道这里是岭南还是东北。这里种着全中国最多的菠萝、最多的香蕉,还有火龙果、良姜、菠萝蜜,像一个超级巨大的农场。这些我以前都不知道。跟着玉顺和贞贞前往海边,看到生蚝养殖和硕大的蚝壳图片来源:徐涛徐涛你们的创作理念是怎么形成的呢?赵玉顺其实和一次「没有下下来的雨」有关。2021年4、5月,我们快离开北京的时候,微博热搜说北京24小时之内会有一场超级大暴雨。提前24小时,你就能看到那些量级非常大的媒体,有的在天桥上架一个机位,有的在街边架一个机位,全都对着天空,实时直播北京暴雨。那么大的关注度,就对着那片天空。最后很讽刺:一滴雨都没有下。但同样的雨,下在别的地方就不是这样。如果四川、广西、云南、江西、陕北真的下了一场暴雨,有人的房屋受损,麦子、稻子、玉米、果树受了灾,就没有那么多人去在乎。那哪个事情更重要?哪个事情应该获得更多的声量?我有自己的答案,但现实不是那个样子。所以我们想做的,其实是重新分配注意力。哪些事情应该被看见,哪些人的生活值得被记录。这个问题没有标准答案,但至少应该有人一直在问。我可能之前也不会问这些问题。26岁之前,我想的都是:我要往城市走,最好买得起房,职位高一点,挣更多钱。26岁之后,我才慢慢返回去,找自己的来时之路——我为什么会是现在的我。才开始关注地里的东西,关注身边的事物。徐涛你小时候在湖南的农村长大,农活干得多吗?赵玉顺很少。我奶奶从小跟我说,你这双手一定不要用来握锄头,一定要用来握笔,握锄头是没有未来的。我信了。好像从你出生那一刻,所有人都在叫你离开土地、离开村庄,去大城市,最好去北京上海,不行去长沙,实在不行去县城,总之不要留在村里。我唯一干得多的农活是摘黄花,黄花菜是我们村里最重要的经济作物,农忙时要摘一整个暑假。现在想起来很后悔,当时应该多帮爷爷奶奶干一点。袁贞贞我干得比他多。我跟着爷爷奶奶长大,他们干什么我就干什么。拔花生、种花生、晒花生,拔木薯、挖番薯。徐涛所以你们重新走进村庄,也是在重新认识自己的来处。赵玉顺是。而且你会发现,现在村里和孩子有关的景象,跟我们小时候是一样的,只有一点不同:手机成瘾更严重了。我们那时候有游戏机、网吧,有「网瘾少年」这个词;现在这个词没有了,因为人均网瘾。徐涛走访很多村庄之后,如果要从这么多乡村议题里挑出最重要的,你们会怎么判断?赵玉顺一个是农民的养老金,一个是留守儿童上学。没有比这两件更重要的事。因为村里剩下的人,就是这两部分:老人和孩子。拍久了会看到,村小的人越来越少,然后它开始关闭。村小没有了,很多村到镇上是5公里。5公里在城市不算什么,但在中西部,或者东部山区,是山路,开车要20分钟。上学路一下就变难了。这5公里由谁来完成?这就是问题。让老人送吗?七八十岁的人送七八岁的人。坐校车吗?很多地方只有公交车,一天几班,还不一定到学校。寄宿吗?一个还会尿床的孩子去寄宿。重重问题都会发生。每个人都觉得这是理所应当的:城镇化往前推,村里人越来越少,学校越来越少,好像昨天还是村,明天就是城了。但大家会忽略,在过渡阶段的这一批人怎么办。另一端是老人。2022年末,我们给农业农村部和人力资源社会保障部写了一封信,还拍成了视频。那是贞贞提出来的。2022年的时候,关于农民养老金的讨论还很少。当时城乡居民的基础养老金是一个月一百多元。城镇职工是按工龄、职称这些算的,不管怎么算,都比这个高很多。我们觉得他们理应获得更高的养老金标准。他们交过农业税,出过义务工,修过基础设施。中国工业化从零开始加速的那些年,是靠他们托起来的。这不是我们一家之言,新华社也这么写过。这件事应该成为一个共识。所以这不只是某几个家庭的困难。它关系到社会发展成果怎么分配,也关系到一代人晚年怎么过。徐涛评论区有分歧吗?赵玉顺有。最典型的一种说法是「你们怎么能慷他人之慨」——给农民多了,给城市就少了。但这是国家的收入,是劳动和社会发展的成果,本来就该分配、该共享。还有一种说法是「农民没有交社保」,但没有考虑那个时候是计划经济。这件事后来讨论越来越多,也有了一点提升:之前是涨5块,现在涨20块。今年人大代表提了很多,农民日报也发了文章,讨论「农民是否应该视同缴纳」。我觉得这都是好事,应该不断讲、反复讲、重复讲。2024-2026:连续跟拍经济作物,记录中国农业的变化徐涛你们后来把镜头从村庄生活进一步转向经济作物。2024年开始连续三年拍摄广西横州的茉莉花,这个选题最初是怎么来的?袁贞贞我们两个都是农村出生,但其实对农作物并不了解。书本上没有教过我们一种作物怎么种、怎么管护、怎么采摘、怎么卖。所以一开始就想,去拍中国的每一种农作物。我们自己也能补上这一课,也能更了解现在的农村到底是什么状态。赵玉顺因为每一种经济作物背后,都不是一个抽象的产业数字,是几万户、几十万户人的营生。横州的茉莉花,是34万人以它为生。香蕉、菠萝这种更大宗的作物,靠它生活的人更多。在我们雷州半岛,再过一个半月,会有几千甚至上万的贵州人来砍甘蔗,这个习惯已经延续了30多年。你理解了种、管护、采摘、销售,其实就更能理解我们的土地、我们的村镇、我们的同胞。我们第一次去横州,恰好遇到茉莉花价格处在历史高位,收购价一度超过40元一斤,最后收的时候也有二三十块。按原本的计划,一种作物拍完,隔三四年再回访,我可能2027、2028年才会再去。2025年又去,是因为价格跌得太狠:从4月开采,到7月、8月初,大部分时间在10块以下。徐涛这个落差是怎么发生的?赵玉顺2024年价格太高,农户扩种,老板也扩种。一个东西但凡值钱,就一定会有大资本进场。政府还跟银行推了「茉莉花贷」,也促进了更多人入场。到2025年,每个人都知道今年价格不会比去年好,但没想到会差这么多。但2025年下半年又回升了,8月10号之后又往上走,到了二三十块。花农的说法是,茶厂前面积压的存货消耗完了,需要新的货进去。还有一个原因,2024年茉莉香美式、茉莉拿铁这些饮品起来了,需求一下子放大。消费端的一杯饮料,最后会变成田间的一次扩种。而且农户扩种,不只是因为去年价格好,还因为种粮食更不值钱。水稻一块多一斤,很稳定;茉莉花就算跌到10块,收益也比种水稻高。他已经有种花的经验,就会继续种花。2026年,又遇到了另一件事。当年花价其实不错,但7月初广西发了大水。我们当时在青海拍黄河系列,赶不回来,一直到8月底,从山东入海口结束那次拍摄,才过去。徐涛你看到的是什么?赵玉顺那些花我熟悉,那个地方我也熟悉。但地里的花开始枯萎,有些直接被淹掉,进不去了。更让我想到的是种花的人。有些人已经不在了。徐涛官方公布的数字是一百多人。赵玉顺对。很多花农不只是花被冲毁,房屋也倒了,有人失去了家人。那几天我们亲历了几场葬礼。其中有一个人,本来已经走到安全的地带,往上走了,看到村里还有一个妇女没上去,在那里呼救,他就逆着走回去救她。后来房子塌了,那个妇女活了下来,他被冲走了。家属给我们看了她被冲走之前的一段视频,她在洪水里挣扎了很久。她水性非常好,但那场洪水太大了。袁贞贞茉莉花对广西来说,已经是一个比较能挣钱的经济作物。广西整体经济水平不高,大多数人去广东打工,能种茉莉花,这个产业这两年发展得也比较好,其实是很好的一个产业。前两年虽然2025年跌了一下,后面又涨起来了,我挺开心的。没有想到2026年会发生这么大的灾害。人不在了,有些花农没有办法再回来摘花。这是我比较难过的一个点。徐涛你们记录的这三年,恰好是横州34万花农最跌宕的三年。赵玉顺我们也没有想到。徐涛2024年你在横州待了多久?赵玉顺去了三次。第一次晴天,第二次雨天,第三次阴天。要强调天气,是因为茉莉花每天都长、每天都开,花农不管晴天、阴天、雨天,不管大雨还是大风,都要出现在花田里。这很像我的童年,摘黄花菜也是一样的,每天开,什么天气都要摘。徐涛为什么非得在花苞的时候摘?赵玉顺茉莉花最值钱的是香气。花苞一旦开放,香气就散了,没有经济价值了,因为它的香气要拿去做茉莉花茶。而香气跟天气直接挂钩:太阳越猛,香气越浓,花价越高。所以花农采花的时候,一方面觉得太阳晒得身体很热,另一方面又希望太阳越大越好。这就是「心忧炭贱愿天寒」,到了这里是「心忧花贱愿天热」。徐涛正如白居易的《卖炭翁》里写道的。赵玉顺对。从这个角度讲,一个普通农户,从古代到现在,本质上是一样的。然后我们去了交易市场。第一次进去,几万斤、十几万斤茉莉花同时铺在地上,那种芳香四溢,你会觉得世界上怎么会有这么好闻的地方。它跟香料市场不一样,香料市场有点刺鼻,花市是非常香的。我们在里面拍了两个小时,出来闻自己,原来男人也可以这么香。视觉冲突也很强。茉莉花是雪白的,是芳香的;把花背来的花农是黝黑的,脸黑,衣服因为汗湿也是黑的。一个个黝黑的花农,背着雪白的茉莉花,来换他一天的收成。徐涛那天的价格是多少?赵玉顺开市33块。2024年之前,大部分时候是五六块、七八块,十几块就已经很不错了。市场里有几十个档口,每个档口前面就一张小木桌,非常简陋,但流水每天几十万。收花的人拿着大量现金,当场结账,因为很多农户只收现金。徐涛价格是谁定的?赵玉顺花价一直在变。别的农产品,同一天价格是固定的,茉莉花不是。那天隔5分钟,从33块变成32块5,再隔5分钟,又回到33,再到34。最低31块5,最高35左右。收花的人有群,几个收花点之间实时通消息。但卖花的是散户。花农背着十几斤、几十斤一大包,每一朵都是一颗一颗摘的。几十斤,一家人从早摘到晚,要七八个小时,甚至十个小时。徐涛收花点有限,档口有限,卖花的是分散的小农。这种结构里,议价能力是不是很弱?赵玉顺非常准确。永远都是被动的。不光茉莉花,北方的柿子、苹果、梨,湖北的藕,广东的火龙果、香蕉、菠萝,都一样。你栽下一棵果树的时候,不知道后面的价格;甚至今天都不知道明天的价格。而且花等不了。花农每天摘的花要尽快卖出去。茉莉花必须在花苞状态,开了就没价值,所以他没有等待的空间。价格在收花的那一端流动,他能做的只是把今天的花卖掉。更大的被动在成本这一端。茉莉花今年种下,明年开始开花,三到五年进入丰产期。果树大部分要三到四年才挂果,五六年、七八年才丰产。但种苗、人工、肥料、农药、化肥,如果有机械还有机械成本,全都已经投进去了。高风险、高投入,周期又特别长,而价格是最后才知道的。袁贞贞而且农户看到的是眼前的高价。等他的作物真正进入产出期,市场可能已经变了。2024年价格高,大家都扩种,2025年新增的供给反过来又压价格。徐涛为什么明知道会这样,还是继续种?赵玉顺因为在他能做的选择里,这仍然是最好的一个。种粮食更不挣钱,种花至少还有过好价钱,也有经验。所以小农面对的是一个不对称的风险结构。投入发生在前面,价格在后面;天气他控制不了,市场他也影响不了。农业看起来越来越现代化,消费端很方便就能买到各种水果、各种饮品,但最前端的种植,还是要看天吃饭。所以在这条链子上,最没有议价能力的人,承担了最大的不确定性。消费端看到的是价格、品牌、口感;种植端承担的是天气、成本和时间。中间隔着几年,谁都说不准。「看天吃饭」这个词,你说过它是中国人的宿命。赵玉顺5000年以来都是。而且它到现在依然成立。我们隔壁镇,去年台风,一片百香果园,果子马上要成熟,已经搭了大棚做防护,还是被刮倒了。大棚也挡不住。你只能尽量减少损失,但整体还是在看天吃饭。今天:为正在消失的传统乡村生活留下记录徐涛你们在不同地方拍摄时,也越来越明显地看到农业经营方式的变化。一个很具体的景象是田埂被推平了,原本分散的小块土地连成了大片。这意味着什么?赵玉顺我们说话这个地方,不到一公里,大概500米外那一片地,现在种的是火山番薯,因为雷州半岛有很多火山岩,红土壤。我第一次来是2021年,那时候那些地还没有全部被承包。现在整片都被承包了,承包的公司来自黑龙江。徐涛黑龙江的公司,跑到中国大陆最南端种番薯。赵玉顺对。大农场在东北,可能对规模化经营更有心得。他们一来,就把田埂全部推平了。田埂不只是田和田的界线,它也是户与户的界线。推平,意味着这些地不再属于一家一户的耕作单位,而是连成一片,交给一个经营主体。徐涛这件事离你们有多近?赵玉顺很近。一个星期前,中秋节,我跟贞贞代表我们家两个人,去参加队里的一个会。队长把队里三十几户人召集在一起,议题只有一件:队上还剩三十几亩地,有人想承包,大家觉得租多少钱一亩合适。有人说600,有人说800。队长说,好,我再去跟那边谈。就这样,地就承包出去了。土地集约化讲了很多年。但南方的地散、丘陵多、村庄多,一直很难做。北方早就推平了。现在南方能推的,也推得差不多了。我记得很清楚,2024年在福建,看到山里的地都开始推。福建是中国山地和丘陵面积第一或者第二多的省份,「八山一水一分田」,我觉得它至少是9.5山。徐涛0.5分田。赵玉顺对,0.25分水,0.25分田。连福建都开始推的时候,我那一刻就意识到:推得差不多了。徐涛推平的前提是什么?赵玉顺前提是村里的青壮年流失,没有人种地了。对大户来说,种得越多,越能拿到各级补贴,现在的逻辑就是种得越多、补得越多;种得越多,采购农资、农药、化肥、地膜的成本越低,自己还能买旋地机、插秧机、播种机。你种得少,成本就下不去,没有办法跟大户竞争。所以小农不是「不愿意种」,是「守不住」。一头是成本,一头是劳动力。青壮年越来越少,一户一户的地就守不住了,最后一定要流转出去。像我们两个,也不太可能回湛江种地。袁贞贞现在回村种地的年轻人,很多是为了拍三农视频给大家看,大部分还是不会回来。而且真要把地种好,要花的精力非常多。我们前几天连吃了五天丝瓜,为了那五条丝瓜,努力了两三个月管护。我们还是新手。如果你真的全身心种地,第一你抽不了身,第二即便抽了身,也不一定能得到很好的收益。徐涛所以中国农业会越来越像美国、欧洲,规模化经营,小农越来越少。赵玉顺我觉得现在城市超市里的农产品,90%以上来自大型农业公司。我说得保守一点,因为我没有做过调研,但至少90%。这个趋势,在我们拍摄的十年里越来越明显。恰好就是这十年。农村老人、空巢、养老、留守儿童上学这些问题,在九几年、零几年就开始了;但大型农业公司、种植大户、资本下乡,直接进到地里种作物,是这几年才越来越大的趋势。他们一种就是几百亩、上千亩,甚至几千亩。种得越多,成本越能控制,产量也越稳定。这不只是经营规模的变化。现在的农业,已经不是用农业的方式在种农业,是用工业化的方式在做农业。以前一户和一户不一样:有人复合肥多一点,有人氮肥钾肥多一点,有人用农家肥,有人自己堆肥。现在统一都是专用果肥、专用蔬菜肥,一路推过去,得到一模一样的工业化的产品。口感也是一样的。徐涛你对此是什么心情?赵玉顺我觉得已经到了最后的阶段。小农会一直减少,最后可能只剩一点自留地,种一点蔬菜。这个过程不可逆,而且它一定会发生,并且已经快要走完了。对我们来说,能做的是把最后经历这个阶段的人的感受记录下来——从一个时代到另一个时代,交接的这个部分。「田埂被推平」这个画面,对我来说不只是农业效率。它是人和土地关系的一次改写。原来那些零散的田、不同家庭的种法、谁家地界在哪里,都是生活的一部分。推平之后,这些都没有了。我们不是要判断这个变化好不好,是要在它发生的时候,把生活在里面的人经历了什么留下来。徐涛在这个变化里,哪些人最容易被忽略?你们为什么会把镜头更多地对准年过七十、仍然留在村里的老人?赵玉顺因为他们卡在城乡之间,卡在两个阶段中间。他们没有办法再进城务工。很多人年轻时在农村,后来进城,在工地、在工厂。过了60岁,他们的脸就刷不进工地了,因为有一个闸门,进不去。进不去,就回村里,重新开始务农。我们镜头里出现最多的,就是这一批人。一个人的人生,就这样被分成了几段。如果一个人生于1950年,现在76岁。他经历过困难时期,经历过动荡,经历过改革开放,进城务工,用务工的钱回村盖房子、给孩子结婚。等到21世纪,珠三角成为世界工厂,更多就业机会出现,有人进工地,有人进工厂。但不管哪一种,过了60岁,最后都回到村里。他们这一生经历的,是之前历朝历代都没有经历过的事情。回到村里就开始做零工。番薯地里那些年过60岁的妇女,年轻时很多在珠三角的工厂或者工地干活。过了70岁,连田里也找不到工作了——高温、户外劳作,雇工的人会担心你出事。一天一锅粥,或者一锅饭,炒一个菜,从早上吃到晚上。他吃得本来就少。其他时候,要么坐在村里的大树下,要么坐在自己院子里、门槛底下,也没有别的事情,就坐着,看着来来往往的人。他们最后就变成一个个坐在村里的人,从天黑坐到天亮,又从天亮坐到天黑。即使是在小镇上,城镇化的发展也正在留下空心化的“老城区”图片来源:徐涛徐涛那种安静里有很强的孤独。赵玉顺我奶奶人生最后几年就是这样。所以我非常清楚那是什么状态。现在中国东南西北的村里,都有这样的老人。袁贞贞我们希望把他们真实的生活留下来,不是把他们当成一个抽象的群体。每个人都有自己的经历、性格和记忆。他们这一代人,为我们当下的工业,为整个共和国,做出了巨大的贡献。我们想把他们最后的这些时间记录下来。徐涛所以你们拍的其实是「过渡」本身。赵玉顺对。昨天还是村,今天就是城,这句话听起来像一句概括,但落在一个人身上,是几十年。我们给自己定了一个十年期限。因为十年之后,最后这一批人可能就走得差不多了。我们现在走到第六年,至少还会走到第十年。这相当于给最后一批传统的中国农民做最后的记录。我们也不能保证会一直把关注点放在村镇,但至少这十年,会做下去。袁贞贞我们两个人都是留守儿童,都是爷爷奶奶带大的。所以我觉得我们有义务给他们留下最后的记忆。如果他们不在了,我们不记住他们,后面的人都不会记住。我们的孩子、后代,都不会想起来。他们会被忘记,但我觉得他们不应该被忘记。赵玉顺拍的东西不是给现在的人看的,是给10年后、20年后,或者更久之后的人看的,作为资料留存。很多事情在慢慢消失,这个时代的交接处又快要结束了。我们2021年拍的一些东西,再等几年,可能就越来越难找到了。徐涛你们现在做的「水库往事」,已经不只是记录当下的乡村生活,而是在追寻一段更早的历史。为什么会想到回头寻找当年参与水库建设的普通农民?赵玉顺中国有8万多座,也有人说9万多座水库。绝大部分是1958年到1975年这十几年间建成的。它们后来承担农业灌溉、工业用水、居民用水,还有防洪、调蓄洪水,是非常重要的水利工程。但这些工程的历史,通常不是从农民的角度写的。当年是以农民为主体修的,村里的人,真正的阿妈去修的。我的爷爷奶奶也去修过。可是我们现在回头去找「当时到底怎么修、发生了什么」,看到的资料大多是干部视角。干部视角当然有必要,但普通修建者的视角,非常少。所以我们想找的是人,不是工程。我们想找回那段70年前的记忆。1958年到现在,68年。一个人如果当年十五六岁去修水库,现在至少80多岁。找到一个80多岁、还有记忆、又能顺利表达的人,没有那么容易。为了寻找当年修建高州水库的人,我们曾经开车沿着水库走访十几个村庄,挨家挨户打听。从早上到晚上,围着水库开了一整天,走了十几个村,每个村问三四个人:有没有当年修过水库的人还在?大部分人说没有。有的人说我爸修过,我问你爸在哪里,他说,我爸在山上睡了很久了。徐涛这句话很重。赵玉顺我们一直找到最后,快放弃的时候,才找到一个89岁的老人,他当年真的修过。我们希望留下的,不只是一个水库建成的时间、规模和作用,还包括普通人当年怎么参与,怎么生活,怎么劳动,他们怎么理解自己做过的事。我们相信这些影像会成为资料,留给十年、二十年以后的人看。徐涛好,今天的节目就到这里,非常感谢玉顺和贞贞。如果大家还有疑问,也欢迎在评论区留言,我们下期节目再见。
满街持枪保安,遍地要钱小孩,菲律宾到底多穷?有多乱?
虎嗅 · 2 天前
满街持枪保安,走两步就是乞讨小孩,马尼拉贫民窟脏乱差。富人区满街豪车、高楼大厦,安保严密,穷人根本进不去。菲律宾的割裂,是顶级富豪和极端贫穷同城共存,危险与繁华只隔一条马路。
天价捏捏,资本都不敢入局的暴利小生意
虎嗅 · 2 天前
本文来自微信公众号: 深氪新消费 ,作者:视频组你很难想象,几块钱成本的液态硅胶,做成仿真戚风蛋糕、海盐甜甜圈、肉松小贝的模样,就能卖出几十到上百元的价格。这块软乎乎的硅胶,到底施了什么魔法,能让年轻人心甘情愿掏空钱包?点击上方视频立即观看以下是本期视频脚本:怎么把一团十块钱的胶水卖到几千上万?做成这个捏捏就可以。古有晴雯撕扇博一笑,今有年轻人花上千块买一次性脆皮硅胶听个响。你很难想象,几块钱成本的液态硅胶,做成仿真戚风蛋糕、海盐甜甜圈、肉松小贝的模样,就能卖出几十到上百元的价格。不能吃、不能用,唯一的功能就是拿在手里反复揉捏,靠柔软的触感与回弹的节奏来解压,或者直接当成一个赏心悦目的摆件。就这么个看起来没什么技术含量的东西,还十分抢手。网红手作店的限量款,上新5秒即售罄,排单要等两个月;转到闲鱼二手市场,价格还能直接翻十几倍,原价100元的蛋糕捏捏,能够涨到2900,比很多正版潮玩手办还贵。但还是有大把人愿意砸钱集齐一整柜“藏品”,花费不亚于一套房子的首付。这块软乎乎的硅胶,到底施了什么魔法,能让年轻人心甘情愿掏空钱包?大家好,我是深氪主播,见微。深挖消费密码,氪定财富乾坤,欢迎收听深氪新消费。《全球解压玩具专项报告》显示,2026年全球解压玩具市场规模达62.6亿美元,预计2030年将突破89.6亿美元。其中这些贵价“捏捏”的平均增速有15%,消费主力Z世代,占比超过78%。这个品类在短短几年里,已经换过至少三代。从面粉填充的“解压包子”,手感偏硬,造型简单;到加入了凡士林、麦芽糖、硅胶,手感变软、回弹变慢的软捏捏;又演变出最烧钱的脆皮捏捏——外层裹一层蜡壳,指尖一压,“咔”一声脆裂,内芯再慢慢回弹。视觉上有冲击,听觉上有脆响,一次性的蜡皮反而成了足够解压的卖点,在一个“买不完”的品类里,消耗品也总比收藏品更赚钱。而作为收藏品的捏捏能在二手市场打出高价,还是因为大家对稀缺产品情有独钟。捏捏大多是手工制作,制作周期长,爆款时常供不应求,还得限购。大店的新品发售,让抢到的人获得的不只是玩具。二手溢价,是对这场游戏赢家的奖赏。如果你手上有中古产品,那就更能炒出高价了。标价上万的捏捏,大多来自日本品牌iBLOOM。这个牌子做慢回弹玩具做了几十年,早年推出的系列已经停产。但义乌在造货,市场在炒价,平台在传播,那些沉浸式捏捏视频,点赞动辄上万。国内入坑的人越来越多,迟早都会了解到这些个“鼻祖”,自然也少不了想拥有它们的人。一款原价几十块的东西被炒到上千,反过来又为卖的人提供了溢价空间,为买的人提供了购入信心。反正都会有人接盘。既然如此,为什么还没有资本大规模进入捏捏行业,像做奶茶、投盲盒一样来把蛋糕做大呢?这个行业确实很适合小玩家赚钱,却太不适合资本造富。捏捏的产能早就过剩了,资本不要“薄利多销”,要“高毛利、高增长、高壁垒”。比如泡泡玛特的盲盒模式能跑通,核心不是“玩具”本身,而是IP的长期价值。可以持续衍生,可以做系列,可以跨界联名,生命周期长达十年以上。况且捏捏的主流材质是TPR软胶和液态硅胶,直接接触皮肤,还有大量低龄儿童使用,属于高敏感品类。但目前行业标准尚不统一,中小厂商产品质量参差不齐。如果资本下场做品牌,就要承担全部的合规成本,拉高售价。一旦监管收紧、出台强制标准,说不定大量产品还得召回。价格战打不过三无工厂;不量产吧,做不大,量产了又不值钱;用户还认款不认牌;赌长期,也没人知道它能火几年。在规则明朗之前,资本更愿意观望,而不是贸然进场吃螃蟹。这笔账,算过来算过去,都不够有利可图呀。如果有人想体验的话,不妨去买个脆皮泡芙或者脆皮冰淇淋试试。大家买过贵价捏捏吗,评论区聊起来!
“新型研究型大学”,好像也没那么新了
虎嗅 · 2 天前
本文来自微信公众号: 高校历史现况研究 ,作者:高历研十五年前,有一所大学立志要成为中国最"新"的大学。它不参加高考,自己发文凭,不要行政级别,说要"回答钱学森之问"。它放话要"一步到位办成一所亚洲一流大学"。十五年后,它是双一流,年预算五十三亿,投档线高过一堆985,十七个学科进入ESI全球前1%,校长本人拿了国家最高科学技术奖。但它已经不"新"了。它实行党委领导下的校长负责制,书记和校长分设,招生靠高考成绩占六成的631综合评价。它当年那些石破天惊的"新"——自主招生、自授学位、去行政化——一个也没留下,如今被一套更安全、更精细的管理技术取而代之。从"中国最新型"到一所体制内的正规大学,南科大用了十五年。这不是一个失败的故事。这是一部转型史——一所大学如何把自己从试验田,一步一步洗成正规军;又如何在变"普通"之后,才真正被这个体制承认。它曾经有多"新"2007年3月,深圳决定筹建南科大。筹备办公室最初只有六个人,办公地点在市民中心对面停车场的地下室。那是一个高教荒漠里的城市。2004年深圳做过一次人才调研,结论是本地企业招高级人才"只能从矮子里面选将军"。按当时的规定,从零办大学只能从专科起步,最快要二十八年才能拥有一所有博士学位授予权的大学。2009年,朱清时从时任深圳市代市长王荣手里接过聘书。他上任后亮出的三张牌,今天读起来仍然惊人:自主招生、自授学位、去行政化。他对《南方人物周刊》说,南科大要"一步到位办成一所亚洲一流的大学",首先要"去官化、去行政化";他宣布"不经过教育部批准自主招生,自授文凭";他还提出"书记校长一肩挑",说"教育不能是谁官大谁说了算,必须谁掌握真理谁说了算,这就是在回答钱学森之问"。2011年,四十五名学生入学,成为"教改实验班"。他们不参加高考,拿着南科大自己发的文凭。开学第一课由中科院院士唐叔贤主讲,《科学》杂志的记者在场。师生比接近一比一,教授和学生住同一栋楼——教授住三楼,学生住二楼和四楼,一楼共用。那是中国高等教育最接近"试验田"这三个字的一次。它新到什么程度?新到它把自己整个架在了现行制度的对面。自主招生,绕开了统一高考;自授学位,绕开了国家学历认证;去行政化,绕开了大学既有的权力结构。这三张牌,每一张都不是技术改良,而是要和制度重新签一份合同。这份合同,后来一张也没签成。第一次转型:把"自主"交出去很多人以为南科大的改革是被某一份文件一纸叫停的。不是。它是一点一点主动交出去的。最先交出去的是自主招生。2011年4月,教育部要求实验班学生必须参加高考。5月27日,教育部新闻发言人续梅在发布会上说:"教育部支持南科大的教改探索,但任何改革首先要坚持依法办学,要遵循国家基本的教育制度。"5月30日,四十五名学生发表公开信。信里写:"我们从未担心过自己的职业和未来,因为我们都怀着一颗'实验'的心态。"6月7日,深圳三万三千一百六十六名考生走进考场。南科大准备的两间考场空着,四十五人,无一赴考。这是这场实验最硬气的一天,也是最后一次。挡不住。2012年4月,教育部同意正式建校;5月,批准招生方案——高考成绩占60%,校测占30%,高中平时成绩占10%,史称"631"。自授学位,只存在了一届。南科大从此有了国家的户口。代价是,它必须开始参加统一招生,必须让学生在高考的秤上过一遍。一所大学最"新"的那部分,往往最先被现实收走。因为它动的是整个系统的入口,而系统的入口,从来不归一所学校自己管。第二次转型:把"去行政化"交出去第二张倒下的是去行政化,而且倒得比想象中更早。2011年3月,刘延东批示:"南方科技大学作为改革试点,一定要在党委领导下按规划纲要进行。"——这句话,离朱清时打出"去行政化"的旗号,只隔了几个月。也就是说,这场改革的边界,在它刚刚开始的时候就已经画好了。2013年10月,南科大正式成立党委纪委,撤销筹备时期的临时委员会。2014年1月,深圳市公安局原局长李铭出任党委书记,朱清时不再兼任,"书记校长一肩挑"的实验结束。朱清时当年把"一肩挑"当成去行政化的核心——权力集中在一人手里,就不必向官阶低头。如今这个设计被拆开,党委书记和校长各就各位,南科大回到了所有中国大学都熟悉的那套结构里。他有一句被反复引用的自辩:"我是南科大'出生'时的'保姆',深圳市政府才是'老板',我是他们雇的,打工的,如果老板不让你做,你能做吗?"这句话说透了这场改革的真实位置:它从来不是一所大学自己能决定的事。朱清时只是被请来开门的人,门开到多大,不由他定。2014年9月,朱清时卸任。他给自己打六十分,说自己"是中国妥协最多的校长";批评者熊丙奇说,他的卸任"标志着南科大改革的彻底失败"。一群首届学生后来回忆,那半年是"最迷惘的日子,觉得整个学校像是没了灵魂"。第三次转型:把"治校"改成"治学"第三张牌是"教授治校"。它是被一个字的差别消解的。朱清时后来自己把话说得很准确:"学校以理事会治理模式,学校教授治学。"——治学,不是治校。一个字之差,权力的大半就留在了理事会里。而理事会里,过半是党政官员。朱清时对此的解释是:"没有这些掌权的人在里面,你做的决议他们不承认,那理事会就变成了笑话。"这是一句极其清醒、也极其无奈的话。他不是不知道"教授治校"和"教授治学"的区别,他是在说:在这个体制里,你能争到的极限,就是治学。到这一步,三张牌全部落地。自主招生变成了631,自授学位变成了国家承认的文凭,去行政化变成了党委领导下的校长负责制,教授治校变成了教授治学。南科大用三年时间,把"新型"两个字里最锋利的那一半,一格一格磨平了。最锋利的批评,来自它想成为的那所学校这里有一个很少被提到的细节:对南科大最严厉的早期批评,来自它试图模仿的对象——香港科技大学。2011年,三位受聘参与南科大筹建的港科大教授——化学系主任李晓原、自动化中心主任李泽湘、数学系主任励建书——集体退出。高考风波后,他们授权《南方周末》发表公开信,标题叫《要改革,不要口号》。信里的话很重:南科大"既没有管理团队也没有学科框架,既没有学术团队也没有学生培养方案",无从谈起"建设一个现代研究型大学所必需的教授质量、教育质量和管理质量"。港科大创校校长吴家玮说,港科大筹备四年,光学科设计花一年、规章制度建设花三年,首批学生入学时已经有100名教师。朱清时的回应是:"整个任期就五年,我如果光筹备这些,到现在南科大还是个零。"这是两种大学观的对撞。一种相信制度设计先行,先定章程、先搭框架、先攒够教授,再招学生;另一种相信"一边开车,一边铺轨",先干起来再说。朱清时说:"他们在香港可以做到,但在内地,在没有共识的前提下不可能写出来。"多年之后回头看,谁对谁错已经不重要了。重要的是,南科大选择的正是后一条路——而这条路,注定要一边跑,一边把当初挂着的那些旗号卸下来。转型不是意外,是这条路走到头的必然结果。变"普通"之后,它反而赢了这批拒绝高考的学生,2015年毕业时只有41人。因为自授学位不被国家承认,他们无法考研、无法考公,毕业时79%选择出国——这既是成果,也是被制度挤出去的结果。多年后,有人在全球顶尖实验室做研究,有人创业,也有人在竞聘央企科研岗时"卡在了文凭上"。而学校本身,走了一条完全相反的曲线。2015年陈十一接任校长,把"教授治校"正式改成"教授治学",把"中国的加州理工"改成"斯坦福"——学生"可以是科学家,也可以是企业家,更可以当干部"。2018年,南科大拿下博士学位授予权,是"内地新办高校获得博士学位授予权时间最短的"。2022年,入选第二轮"双一流",数学学科上榜,是深圳本土第一所双一流。到2025年,南科大的预算是53.6亿元;在校本科1407人、研究生2632人;17个学科进入ESI全球前1%;当年新增3位中科院院士;广东本科批投档线652分,高过一堆老牌985。2026年,薛其坤团队在《自然》发表常压镍氧化物高温超导成果,校长本人拿了国家最高科学技术奖。这里有一个残酷的对照:朱清时当年最想要的,是让社会承认这所大学。他选的路径是"自授学位,让社会来承认"——结果这条路走不通,首届学生被卡在文凭上。而南科大真正被承认,是在它交出自主招生、交出去行政化、交出教授治校之后。承认它的,不是那张特立独行的文凭,而是教育局、财政局的预算表,是ESI排名,是投档线,是双一流名单。它用"变普通",换来了"被承认"。这不是失败,也不全是成功。这是在中国的现实里,一所大学想活下来并且活得好,唯一走得通的那条路。你可以失败地成功,但很难成功地失败。只是它好像也没那么"新"了。连"新"这个词的意思,都被改写了转型走到最后,连"新"的定义都换了。2026年8月,薛其坤在一次访谈里被问了一个问题:南科大和深理工、大湾区大学都叫"新型研究型大学",相较传统高校,新在哪?他没有顺着"新"字去讲制度,而是讲了三件很具体的事:631综合评价录取,入学一年后再选专业的书院制,以及这些尝试会"更加体制化、系统化"。把这段回答,和十五年前朱清时打出"新型"旗号时说的话放在一起看,落差触目惊心。当年朱清时说的"新",是自主招生,是自授学位,是去行政化,是"书记校长一肩挑",是谁掌握真理谁说了算——每一个词都是冲着制度去的,是要重新签一份合同。而2026年校长说的"新",是一套招生技术、一套培养方案、一套"体制化、系统化"的管理方法。它不再挑战任何规则,它只在既定的框架里,把事情做得更精细。同样一个问题——"新在哪"——十五年前后的答案,已经不是同一件事了。"新型研究型大学"这五个字没变,但它指称的东西被换掉了。当年那种要改规则的"新",变成了今天这套在规则内精耕细作的"新"。南科大没有摘掉"新型"这顶帽子。它做的是一件更彻底的事:把帽子里的东西,整个换了一遍。南科大这一所学校的转型史,到这里就写完了。但故事如果只停在这里,就把一个问题看小了,不是本频道的风格。余响:今天的"传统",也是当年的"新型"现在有一个细节,几乎没人当成问题看。你打开任何一份大学排名榜、任何一份高考分数线榜单,会发现一个约定俗成的处理:南科大、上科大、西湖、福耀科大这些学校,是被单独挑出来排的。它们自带一个类别,叫"新型研究型大学"。这个类别已经不需要解释了——它出现在榜单的分类里,出现在家长的填报逻辑里,出现在招生咨询的话术里。它成了一个被默认承认的物种。毕竟,最直接的原因是,他们招生人数少。但请顺着这个既定事实往下想一步。十五年后,当这批学校都走完南科大走过的路——转型、扩招、进入同一套评价体系、用和传统大学一样的语言说话——它们会变成什么?我悲观的认为,它们会变得和传统大学别无二致。然后,它们会涌入传统大学原本待的那条赛道,和传统的研究型大学抢生源、抢指标、抢排名、抢同一批考生和家长的目光。到那时候,一个很少有人问、但无法回避的问题就来了:传统大学怎么办?那些没有"新型"光环、没有巨额捐赠、没有特批权限,就那么一年一年办了几十年的传统大学,它们的未来在哪里?甚至,这里还有一个更容易被忽略的事实:所谓"新型研究型大学",根本不是一个新鲜事物。把时间往回拨七十年。1952年前后,中国办过一批学校——院系调整后新建的"八大学院",她们不是新型研究型大学吗?1953年建校的哈军工,高起点、集中投入、全新的办学模式、瞄准当时最前沿的工科,一切从零开始,她不是新型研究型大学吗?1958年创建的中科大,她的创办被称为“我国教育史和科学史上的一项重大事件”。建校后,中国科学院实施“全院办校、所系结合”的办学方针,高起点、宽口径培养新兴、边缘、交叉学科的尖端科技人才,她不是新型研究型大学吗?按今天的标准,她们就是那个年代的"新型研究型大学",是当年高教系统里最"新"的那批棋子。她们后来怎么样了?她们变成了传统大学。有的成了行业里的龙头,有的在一次次调整中被拆解、合并、改名,有的连名字都已经不在了。她们都老了,都成了今天的"传统"。于是我们看到一个循环:每隔几十年,就要办一批"新型"大学,用新的模式、新的投入、新的机制,去解决老大学解决不了的问题。然后,这批"新型"慢慢变老、变臃肿、变传统,于是又需要一批更新的"新型"来顶上。新的转型成传统的,传统的被新一轮新的追赶,然后又冒出一批更新的新型。这个轮子转了七十年,至今还没停下来。这个轮回本身,就是一个信号。它说明,我们或许,一直把力气用在了错的地方——把注意力全押在"再造一所新型大学"上。好像只要不断有新鲜的血液输进来,中国的高等教育就永远年轻。但一个需要靠不断"换血"来维持活力的系统,恰恰说明它自己的造血可能出了什么问题。也许更值得问的,不是下一所新型大学在哪里,而是那些当年的"新型"、今天的"传统"研究型大学,到底怎么了?她们为什么每隔几十年,就要被新的替代品踢到身后?她们当年那股"新"劲儿去哪了?她们到底能不能——不是靠改名,不是靠合并,不是靠再建一所新的——而是靠自己,跟上每一个时代?南科大的首届学生,当年在公开信里写自己"怀着一颗'实验'的心态"。十五年后,那批学生早已散落世界各地,而"实验"这个词,从所有新大学的招生简章里消失了。但实验不会真的结束。它只是换了一批学校、换了一代人,重新开始。而那些完成了实验,回到传统的大学要回答的,是一个比"怎么变新"难得多的问题:一所大学,怎么才能一直新下去?这个问题,南科大没有回答。钱塘、福耀、东方理工们,也都没有回答。
AI帮我干完了20年的活儿,我却感觉像坐牢
虎嗅 · 2 天前
本文来自微信公众号:AI炼金术,作者:任鑫、徐文浩,头图来自:AI生成DevDay:最大的新闻是额度砍半DevDay 文浩没看直播。大半夜的谁想看,第二天早上起来看看 X 上大家的评论就够了。他的说法是,很多东西需要你了解的时候你自然会了解,跟得很紧除了让自己很累,没什么意义。他作为程序员的第一大抱怨,是 OpenAI 把额度砍了一半。他是老账号,要到月底才砍,还送了大概 2500 美金的 credit,但本质上还是砍了。双持套餐的人体感很明显:Claude 的 Opus,他这种重度用户一周正好用完;Codex 一两天就用完了,模型能力还比 Opus 5.5 差一截,「这个玩意儿不具有性价比了」,给人一种 OpenAI 这个要黄了的感觉。我正好反过来。之前因为 GPT-6 Astra,我把 OpenAI 的 Plus 升成了 Pro;结果从 Fable 5 换到 Opus 5.5 之后,用得飞起,额度快得完全用不完,就觉得好爽。出那么多花里胡哨的,还不如一个模型好一点。DevDay 发的 Dot 我们俩都用了。文浩的体感是慢,过程也不透明,它其实是在后台调起你本地的 Codex 偷偷干活,干完再 summarize 一下回给你:它只是把 OpenClaw 这样一个更像需要自己动手组装的宜家一样的产品,变成了一个你买完的家具过来直接就放进房间里的产品,但是这个产品并没有做得更好。在中国,点评连人类都不给看我也很困惑这东西为什么最近又火了。我好歹有一点点动手能力,harness 早就自己搭完了,用下来感觉它其实就是云端的小龙虾,优点是让不太会自己搭东西的人,打开一个软件就能用上我们在 Claude Code 里玩到的那些好玩的东西。现在火的某一家,之前 pitch 的时候我听过。我当时的想法就是,这个东西是主战场,所有人都会做,你作为创业公司做这个是做不起来的。但是它生在这个时间点,在 Muse 之后,我至少相信它下两轮估值是没有什么问题的。文浩觉得,是 OpenClaw 出来之后更多人觉得能做了,产品陆续冒出来:Instinct 融了一大笔钱,Meta 上了 Muse,OpenAI 出了 Dot,Manus 也下场了。大厂花一点点钱就有很大的声量,创业公司反而很难被听见。在美国这是顺理成章的事,因为美国没有超级 App。篱笆扎得很紧,助理进不去放到中国,我当天就撞上了。我打算过节前去体检,让 Dot 帮我搞,它查的那些网站我都不敢相信。我说你直接在点评上帮我买,结果点评的网站是不能用的。点评的网站连信息都不给你看,它都不给人类看。文浩说这很正常,淘宝、京东、抖音电商的网页版都一样,要么扫码登录,要么看个价格都让你扫码到 App 上。在中国,篱笆已经扎得很紧,只有本身就是超级 App 的能做。微信能做,因为供给端想接也好不想接也好都得接;阿里也能做,淘宝、淘宝闪购、飞猪、高德它啥都有。其他人,「我只要把篱笆一扎,不让你进来,你就干不了这个业务」。美国也在扎篱笆,Muse 已经被 Amazon 封了,买不了东西了。但文浩觉得美国的篱笆没那么好扎。一是 PC 天然难扎,很多人就是在电脑上下单;二是供给天然分散,大量独立站、Shopify,订个餐馆用的是 OpenTable,每个垂直领域都有自己的 SaaS。需求更旺盛,供给更分散,机会天然更大。煤油灯时代想象电灯我抛了两个想法,一正一反。正面那个是在别的播客里听到的,好像是做个人助理的 Today 的一个产品经理分享的例子。几个老朋友约好定期聚一聚,这件事就要求一个热心肠、有全局观的人定期来张罗,他一不搞,整件事就没人搞了。像我们这种人,但凡有一个人张罗,我们都会尽量配合,但是我们自己也不想来张罗。摩擦降下来,长出原来没有的活我在商学院讲课,习惯性地把它理论化:很多需求可能本来是存在的,只是原来摩擦有点大,或者有公地悲剧,到底谁来张罗?现在有个 AI 来负责张罗,这种事反倒会更多。我们现在想到 personal assistant,想到的大多是把已经在干的活交出去;但很有可能还有一些活应该存在,只是被摩擦掉了。有点像我们正在点煤油灯的时候想电灯,只想到点个灯可以看书了,没想到会有整个夜间经济。拼乐高的孩子在买爽感反面那个,是我看我们家孩子拼乐高时想到的。他最近已经开始拼一些奇奇怪怪的东西了,但你买一盒新的,它其实是照着说明书在拼,经历一些小探索、小挫折,都搞得定,最后产生一个成就感。如果这是他在打一份工,其实还要倒给他钱;但现在我们还要花钱买乐高让他拼。他在买爽感。照着说明书拼,也是一种放松做这些产品的产品经理,举的例子都是五个人要约,怎么对行程;你每天好忙,机票订不过来;你有伟大的事情要忙,这些琐事都丢给我。我就在想,真的每个人都这么忙吗?我要挑一件适合我的裙子,这真的是我想交出去的事情,还是难得有一件我说了算、反正错了也就错了的事情?花两个小时找特价、找哪张信用卡刷了能拿到这个特价,对一个在真实世界里被老板骂、又怕出错的人,这个过程是不是有点像拼乐高?所以我会觉得大家画的那个 persona 画得太窄了一点,画的都是忙得找不着北的人,他会把琐事当作成本。可对很多人来讲,琐事就是一个小确幸,它不是一个应该被解决的问题。拖了一年的报销文浩不完全同意。他之前就是 Codex App 和 OpenClaw 的重度用户,他的体会是,琐事不一定是因为忙,而是消耗你的精力和带宽。帮他省时间最多的是报销。他拖了很久,去年可能有一年没报。我当场说他真是离谱。打车票、Codex 的订阅费,想到要一张张拉出来做 Excel、再一遍遍填进飞书,就越拖越多。现在高德把行程发到邮箱,Codex 按条件把邮件筛出来做成表,再用 computer use 在飞书上填好,他扫一眼,一两个小时就报完了。我问他你是创始人,为什么不用什么企业滴滴、企业信用卡,大哥?他说他懒,就懒得开。还有预约。美国理发、修车都要 reservation,打个电话好麻烦,算了过两天再说。Google 很早就演示过打电话订餐馆、约理发,当时没做起来。他觉得这是真需求,但更像巨头的机会。暑假带孩子出去玩,他是跟 Codex 商量着挑的:哪里不会太热,只有两三天,未来几天下不下雨。在携程、飞猪上,你得看完酒店退出来看天气,再去搜山里凉不凉快。跟 Codex 聊几轮就够了,决策还是他在做,反而多找到了一些可以去玩的地方。他说这不是减少乐趣,是增加乐趣。至于「行程太满、太忙」,他觉得是伪命题。他虽然在创业公司算核心管理团队,工作其实很简单:早上爬起来开始写代码,写到晚上睡觉,中午出去买一个麦当劳。白给的 token 都懒得开我其实想的是,我们到底是不是典型用户。一年的报销懒得报,这已经不是 99% 的用户的行为了。我们想减少摩擦,是因为我们还有其他的事情要做;但绝大部分人减少完摩擦,到底是出现了一个洞,还是出现了一个机会?而且我们这批人太难转化了。我已经交了 Claude Code 的钱,context 也在上面,Claude Code 还在补贴 token;这时候另一个 App 收你 100 美金一个月帮你做 personal assistant,很难。前几天还有朋友说可以给我管饱的 token,我到现在都还没去开通,因为 Codex 的 token 还没花完。白给的时候你都有点不想去要,我们这些人真的不是好用户。文浩认了一半。懒得报销可能只是他这样,但琐事多的用户很多,尤其是家庭用户。学校布置个社会实践要做小报,你自己可以拖着不理发,娃你一定会按时带去理发。个人助理最后会免费文浩不看好订阅制。他转述一位美国投资人在一档播客里的观点:personal assistant 最后一定会成为免费产品,而且只应该是免费产品。to C 的付费产品有天花板,一涨价,转化和增长就下来;免费产品靠广告,变现压力来自广告主之间的竞争。大家都想卖车,都来这儿出价大家都想卖车,理想也想卖车,小鹏也想卖车,特斯拉也想卖车。他早年做过五年广告,他同意这个判断。今天的 C 端产品,会员数比用户数至少低一个数量级。免费就没有转化这道坎,但它可能真的只是巨头、或者巨额补贴才玩得起的游戏。Muse 和 Instinct 其实都是这个思路。Muse 现在在补 token;Instinct 的创始人在访谈里讲的,是旅行和酒店这类佣金高的交易。说白了就是意图经济:我吃意图,然后别人来我这边竞价买这个意图。这套逻辑我们这些老登都很熟。文浩还点我,说我也参与过这个竞价游戏,把公司卖给了京东。但他觉得 Instinct 想得太理想了。超级 App 讲的是高频打低频,如果我理发、订餐馆、买东西、打车都在 Muse 上做,我凭什么订酒店要切到 Instinct 去?卖掉也是出路我一直在想,我跟他都创业失败过,都有 PTSD,是不是天然过于想要逃避正面战争?文浩说反而不是,做这个的都得想好退出通道。能做大的个人助理天然就是超级 App,很难,但拼多多、字节、小红书都长大了,不是不存在,只是那更像年轻人的机会。资本觉得有的玩也没问题,可能过两年谷歌花 300 亿美金把这公司收了。你要 beat Meta,挑战大到难以想象;但卖给苹果、Google、三星、Expedia,出路有很多。这让我想起在硅谷见过的一个创业者。他在 Apple Intelligence 之前做了一套 Apple Intelligence,单看这个东西你会觉得过于荒谬,但看他的背景又非常值得投:他就是当年做「捷径」、被苹果收购的那个人。上一次成功的打法,就是把苹果必然要做的一个东西自己在外面做了。如果是他做,这件事就非常 make sense;如果是我做,就……一个善良的创业者本能想我怎么把这个事情做大,你觉得这事情不能做;但是如果你想把这个东西卖掉,很多事情是可以做的。这倒是打开我思路了。前段时间我吆喝了一嗓子要做 Agentic FDE,10 月 2 日 Anthropic 就推了 Claude Frontier Academy,拿 1 亿美元,要在 2027 年底前培养 1 万名 FDE。按文浩这个思路,我就应该做一家帮企业培养 FDE 的公司,不做成培训公司,做成中国最好的帮企业转型的社区,最后看看哪家大模型公司要不要买,而不是苦哈哈地「来,我给你们讲个课」。当然在中国卖公司没那么容易。我卖过两家公司,经常有人来问我怎么卖,我的感受是真的 80% 靠命。文浩回了一句:「你卖成两家公司,说明你命好。」还好我没做文浩还提醒我,做任何一个产品之前,先要把产品卖出去再开始做,因为今天做产品的成本实在太低了。这事我刚好验证过一次。我跟朋友发起了 CAIO 联盟,然后把「agent 版的 FDE」,就是 AI 来指导你们公司做 AI 转型这个概念,直接在 100 多个企业家面前发布了。东西啥都没做,就一个官网。确实有几家企业带着订单来找我了,详细聊下去之后发现,他们根本不需要我做的这个东西,官网上任何功能都还用不到,他们只是想理清楚这到底是个啥、自己现在到底该干啥。打个比方,我们已经做到何首乌黑发洗发水、做细分定位了,大家还在研究为什么要洗头发。我一边跟大家聊,一边心里想,还好我没做,还好我只是做了一个官网。文浩接得很快,说他们可能需要我们昨天刚拿了 Product Hunt 榜一的 ZooWork.ai。我说你终于开始做广告了。他自己先拆台:Product Hunt 榜一是怎么来的,大家都明白。按他的介绍,ZooWork 是一个不绑死在 OpenAI 和 Claude 上的托管型 agent 平台,DeepSeek、GLM、Kimi、千问、Gemini 都可以混用,大部分 agent 任务用 DeepSeek V4 Flash 就能做得很好。至于贵模型有多贵,他自己就是例子:前两天把一些流程都改成了 Opus 5.5,四天就把一个月 2000 美金的额度用完了,当天早上就被 DevOps 的同事问:一个月才设了 2000 美金,你怎么四天就用完了?我认真做的,效果都比较烂以为是品位,其实是偏见国庆在酒店里,我用 Opus 5.5 搭了一个视频的工作流。AI 炼金术之前我每天会做大量阅读、做知识卡片,就让它直接根据我的知识卡片出小短文,用我的声音直接发,效果蛮好。后来我觉得不能这样,我得要有活人感,我是一个负责任的人,我怎么能让 AI 帮我做呢?然后我就自己认认真真读了自己的卡片,认认真真思考了,自己口播了几段。结果数据就降了。我以为是发多了,又让 AI 随便挑几条以前的卡片,用原来的方法再出几条,效果虽然没有第一二条那么好,但明显比我口播的好。凡是我比较认真做的,效果就比较烂;凡是放手让 AI 干的,效果就比较好。反正只要不要我参与,它的效果就挺好;但凡我想贡献一下,效果就会变差。大家不要以为自己有 taste,你只是有 bias。文浩没那么快投降。从大众社媒的角度,我们俩肯定是过时的,做 AI 炼金术之前谁也没经营过社媒大号,一开始还念台词让大家转发,后来台词都懒得念了。AI 做过大量强化学习,大众传播效果好不奇怪。可你自己做的内容,是不是带来了更多企业家来找你?AI 做的那些,真的能吸引到那些人吗?吸引一堆大学生来点赞,对你现在的商业化不一定有帮助。我后来让 AI 帮我分析过,它说你讲的都比我讲的长很多。我老想把一件事翻来覆去讲清楚,四五分钟就过去了;它两分钟就讲完,我有时候觉得它没讲清楚。可我以为讲清楚了,谁有空看你四分钟?好像就是我自己的执念太多了。撞车实验里的假人文浩提起 Anthropic 最近的新闻:他们找了一堆宗教领袖闭门开会,讨论 Claude 有没有自我意识。他的评价是「一以贯之的神棍风格」。假人必须要感到疼我倒觉得蛮好理解的。他们内部本来就有哲学家这种角色,总要干活嘛。而且我们用到的,很有可能是他们手上东西的阉割版;他们无限量地用最好的、同时开 1000 个的时候,体验到底是什么样子?所以有可能他们真的已经看到神迹了。我一直觉得意识这个东西没那么高级,它本来就是一个错觉,本质上是用来做 simulation 的:让我畅想未来,让我担忧未来提前受苦,让我反刍过去,在没有真实生存挑战的情况下产生更多训练数据,最后是为了让我活下去的概率高一点。其实就有点像撞车实验里面那个假人,但是那个假人必须要感到疼,感到疼他才会把这个神经网络重排。文浩是工具派。他觉得通用人工智能已经实现了,但还是把它当工具看:今天的模型没法自己主动启动干任何事,agent 的「主动」都是程序里写了个 heartbeat,定期把它唤醒,扳机还是人在扣。我比较相信千脑智能那一套:脑子里可能是好多个小脑子在聊天,底层有一个心跳一样的机制,目的只有一个,活下去。如果 Claude 也有这么一层,至少在形态上就跟意识一模一样。至于是不是意识,我们彼此之间其实也没办法确认对方有意识,也只能按形态判断。搞 AI 的,最后都要聊聊哲学、聊聊人文。电动车快,不是我快文浩说聊人文很有必要,因为为了效率写代码,已经很没有乐趣了。我感觉我今年写了过去 20 年写的代码的量吧,当然不是我写,其实是 AI 写的。没有 running 的感觉,也没有克服困难的感觉,跟开滴滴快车、送外卖差不多,不停地完成任务。难吗?并不难。为什么快呢?因为电动车快,不是我快;导航软件做得好,所以很快能到。快,是因为车快,不是我快我说那你要擦屁股是吧。他说不是,他的主要工作就是快点把东西做完。像外卖员,早上睁开眼,今天能送 200 单就绝对不能只送 100 单。刚送到 200 单的时候觉得自己牛,原来只能送 10 单;连送一个月,生理心理都很疲倦,也不觉得自己牛了,就觉得自己是个外卖员。他现在面对电脑,有一种坐牢的感觉。每天早上起来,昨天晚上开的十几个窗口要验收一遍,验收的时候发现好像都还在 ongoing,再开一个窗口去跑下一单;两个订阅跑完了,要不要开第三个;一看就到了晚上十二点一点,去睡觉。东西太容易做,人就容易 overcommit,答应了一堆事。AI 都能做完,但是我验收不完。我也这样,会因为 AI 想多。录这期的时候 Riverside 又宕机了,我就在想,要不今天晚上让 Codex 写一个,我们俩自己用,服务器放国内,好像也不是很难。可做一个自己用,属于找个乐子;真要交活,压力完全不一样。聊到这儿,文浩说他得调整一下,减少面对电脑的时间,多出去走走,多找人聊聊。我说那我们可以拿个麦克风,多去找人面聊嘛。我确实比他轻松很多,没有他这么有生产力,基本上还处于一种无所事事的状态。所以分工也很清楚:技术问题全部丢给徐文浩,我负责讲人生大道理,做心灵陪伴。完整版在小宇宙、喜马拉雅、Apple Podcasts、Spotify,搜「AI炼金术」,本期《AI 帮我干完了 20 年的活儿,我却感觉像坐牢》。本文来自微信公众号:AI炼金术,作者:任鑫、徐文浩
英伟达把投资当武器,但今年它的钱依然投不进中国大陆
虎嗅 · 2 天前
本文来自微信公众号: IT桔子 ,作者:吴梅梅英伟达是全球市值最高的公司之一,但它不只做GPU生意,还是一台高速运转的投资机器。过去十几年,正是这种生态式的绑定投资给它带来了客户和收入,是它壮大的利器。截至2026年11月18日,IT桔子共收录英伟达投资并购事件239条,其中股权投资220笔、并购19笔。把时间轴锁定在2026年:这一年它投了71笔,比2023年的30笔翻了一倍还多,平均每个月投出六七笔,投资节奏比大多数的一线VC机构都密集。数字跳升之下,是三个结构性的变化。投资对象更宽泛了:从美元生态里的AI明星公司,扩展到电力、光互连、数据中心这些算力的物理底座,比如据报道拟至多出资30亿美元,投资做AI数据中心电力基础设施的Lancium Technologies。押注方式更聚焦了:巨额支票只开给OpenAI等少数几家基础模型公司,对其余多数AI初创,出资都停留在数亿美元以内。地理版图上,英伟达把核心筹码压在美国,其次是英国、韩国,它已近十年没有在华进行过股权投资,今年罕见地出手中国公司,但两笔都是在打“擦边球”。一、不止投AI公司,还投资算力的物理底座2026年英伟达的71笔里,超过43笔落在人工智能领域,看上去是一家纯粹的AI投资方。但翻开这份账本里,结构性的差异显著:投资金额完全集中在头部的中后期融资,早期投资量大、资金分散。比如,英伟达今年在OpenAI最终关闭于1220亿美元的那轮融资中出资300亿美元,还参与了Anthropic 300亿美元的G轮(其中英伟达承诺的份额至多100亿美元)和xAI约200亿美元的E轮。这些巨额战略投资本质是英伟达给最大的GPU客户输血,客户拿到钱,转头购买算力,收入最终仍回到英伟达账上。除了押注AI,过去三年前英伟达很少触碰的领域今年投得更多了,包括集成电路有6笔,涉及光互连、光子芯片和低功耗互连;能源与电力开始密集出现;甚至有了航空航天和轨道计算。具体来看几条线:·光与互连:Lumentum(光模块与激光器)、Coherent(光子器件)、Ayar Labs(片间光互连芯片)、iPronics(硅光子光交换)、Point2 Technology(低功耗短距互连)。GPU集群越大,互连越是关键瓶颈,英伟达把这条链上的供应商逐个投了一遍。·电力与数据中心:IREN、Firmus Technologies、Lancium Technologies、Nscale、Nebius、GMI Cloud等都被投。算力扩张的约束已经从芯片产能转到电力供应和机房建设,英伟达的钱跟着瓶颈走。·上游材料与芯片制造:认购联发科35亿美元可转债,还投了RISC-V架构公司SiFive。当一家芯片公司开始密集投资电厂、机房和光缆,它的投资已经是在把GPU的护城河从芯片本身延伸到整条产业链。这是英伟达2026年的投资清单相较于往年最鲜明的变化。二、投的数量多,但连续押注的只有少数公司根据IT桔子统计,在英伟达整个投资历史里,被投过两次以上的公司有40家,被投过三次以上的只有13家,不到全部被投公司的一成,属于优中选优。只看2026年的投资标的,约七成标的都是新面孔,三成是对已有项目的追加投资;但大额支票几乎都开给了反复押注的老标的。值得关注的连续加注案例包括:1.加拿大NLP模型平台Cohere:累计加注5轮,横跨4年。2023年C轮2.7亿美元、2024年7月D轮5亿美元,此后一路加码,到2026年11月,Cohere启动目标上限70亿加元(约50亿美元)的E轮,当月完成首次交割,由英伟达与加拿大政府共同支持。英伟达从一直早期跟到后期。2.美国大模型头部OpenAI:连续加码三轮。2024年10月参与66亿美元轮;2025年9月英伟达与OpenAI签署千亿美元投资意向,约定随算力部署分期投入;2026年2月宣布的新一轮融资于3月关闭,最终规模达1220亿美元,这一轮英伟达出资300亿美元,亚马逊出资500亿美元,其中有350亿与OpenAI上市或AGI里程碑挂钩。美国科技巨头对大模型的输血仍在继续,但连最有实力的资本也开始给支票附加条件。3.马斯克的大模型公司xAI:英伟达连续加注3轮,最后投资一笔是2026年初的E轮规模约200亿美元。4.英伟达连续加注的其他公司:Poolside、Together AI、Runway、Nscale、Ayar Labs、VAST Data各被加注三轮,World Labs、SSI、Skild AI、Fireworks AI各两轮。注:上述所列金额为整轮融资规模,反映的是它参与的交易量级,不是英伟达出资额。这份名单串起来看,英伟达把钱集中投向一批能持续消耗GPU的AI独角兽,尤其是OpenAI这样的基座大模型公司,它们同时也是全球最大的GPU买家。这些公司每融一轮资的钱最终会流向算力采购,而英伟达是主要供应商。这种被投名单和客户名单高度绑定的模式,使得投资在某种意义上变成了一种提前锁定需求的方式。三、近十年未在中国内地出手,今年两次都擦着边2026年英伟达对外投资的地域分布很极端:71笔里近五十笔投给了美国的创业公司,其余主要在英韩等国,中国创业公司寥寥无几,甚至可以说是0。其实,往前追溯,可以发现英伟达早年也算投过中国自动驾驶公司。2017年8月,它以“资源+资金”的方式参与图森未来(中美两地运营)的B轮融资,投后占股约3%,这是英伟达首次投资华人创业者创立的自动驾驶公司。几乎同一时间,前百度副总裁、自动驾驶事业部负责人韩旭离职创业,景驰科技成立不久,英伟达又参与了其5200万美元的Pre-A轮。此后,文远知行采用英伟达的GPU、DRIVE Xavier芯片以及Blackwell架构系统级芯片,共同开发自动驾驶域控制器HPC3.0等。没想到这笔股权被英伟达长期持有。直到2025年2月,英伟达提交的13F持仓报告首次披露,其持有文远知行约173.86万股ADS,对应市值约2465万美元。此后近十年,英伟达在中国一级市场几乎销声匿迹。2026年它罕见地出手了两次,但都擦着边:一是认购联发科发行的35亿美元可转债,这是英伟达在美国以外最大的一笔直接投资,标的是台湾的上市公司,但转股前它是债权;可转债这种投资方式的好处是保留上行的空间,且不会当下就触碰持股审查。二是参投具身智能企业思灵机器人5亿美元的F轮,不过领投方是软银,英伟达是参投方之一。尤其值得注意的是,思灵不是纯正的中国本土公司。创始人陈兆芃具备哈工大背景,曾任德国宇航中心(DLR)机器人与机电一体化研究所实验室副主任,公司总部注册在德国慕尼黑,在北京有运营团队。技术血统在德国,量产能力在中国,合规身份在欧洲。另外,思灵与英伟达在今年10月柏林GTC已联合发布科研人形机器人Agile ONE SN,并联合奥迪、达索系统启动了工厂零件分拣项目。这也说明这笔投资有明确的业务协同背书,不是单纯的财务下注。从图森未来到思灵机器人,它们都是典型的跨国双总部模式,而不是完全本土的中国大陆公司。所以,严格来说,英伟达今年在中国内地一级市场的投资仍是0。为什么会是这样的局面?至少有两个层面的考量。一是合规与制裁风险。美国对华芯片出口管制从2022年持续收紧,英伟达作为受管制核心企业,投资中国AI和半导体公司可能触发美国对外投资安全计划(OISP)下的申报甚至禁止义务,合规审查的成本和不确定性都很高。二是生态隔离。英伟达的投资本质是“生态预埋”:希望被投公司后续会买更多GPU、用CUDA、进NVLink。但中国AI公司的算力供给正在“国产化”,越来越多采用华为昇腾、寒武纪、壁仞等替代方案,即便现在投进去,也很难再形成业务协同。不投什么,比投了什么更能说明问题。2026年的英伟达投的是生态和AI基建,从电力基础设施到互连,从基座模型到机器人,投资版图正在与地缘政治的边界线重合。而这张版图唯独缺了中国大陆这一半,背后的原因复杂,未必是不想投,更多是投不了。而对国内创业者,这也是个现实提醒:能接住海外芯片巨头支票的,恰恰是那些血统和注册地都不在中国内地的公司;依赖海外芯片巨头做战略投资人的路径正在极度变窄。
阿里三季报:云业务发展强劲,既涨收入,又涨利润
虎嗅 · 2 天前
本文来自微信公众号: 昆仑侠 ,作者:昆仑侠阿里昨天盘后发布今年自然年三季度财报(27财年二季度),这份财报整体看下来还是比较超预期的。今天港股走势也说明了一切,在整体悲观的大环境下,阿里逆势上涨,成了为数不多的几个靓仔之一。究其原因,一方面电商集团的基本盘基本稳住了,另一方面核心的AI业务表现较为亮眼。我主要谈一下自己比较关注的几处。一、几个核心数据集团收入2715.19亿元,同比增长10%,市场此前的一致预期大致在2700亿上下,略超一点,谈不上惊喜。但经调整EBITA 326.36亿元,同比增长260%,这个幅度是明显好于预期的。同期经营利润291.16亿元,同比增长443%,经营利润率从上年同期的2%抬到了11%。按非公认会计准则算的净利润199.09亿元,同比增长92%,低于市场约266亿元的预期。分业务看,电商集团收入同比增长2%,AI云与算力服务收入同比增长53%,AI实验室与应用收入同比增长51%。二、电商稳住了电商集团收入1972亿元,同比增长2%,其中客户管理收入账面是750亿元、同比下降5%,上季度是下降7%。这两个数都被会计口径影响过,不好比较,同口径的客户管理收入(CMR)连续两个季度都是同比增长1%。1%当然不算增长,但连续两个季度落在同一个数上,至少说明基本盘稳住了。即时零售这边收入587.57亿元、同比增长22%,管理层在公告里的说法是市场份额稳定、同比大幅减亏,单位经济效益环比还在改善。电商集团经调整EBITA 388.51亿元、同比增长243%,这里面有去年大额补贴,基数很低的缘故,不宜全记成经营能力的功劳。整体而言,电商这块基本稳住了,不用太过担心,当然在国内大环境如此的当下,暂时也指望不上它贡献增量。三、云收入与利润同步改善真正有变化的是云。本季AI云与算力服务收入609.73亿元,同比增长53%;外部商业化收入同比增长64%,剔除算力设备解决方案后的外部经常性收入同比增长67%;分部经调整EBITA 88.38亿元,同比增长121%,利润率14.5%。作为对照,上年同期这个利润率大约10%,上个季度是11.6%,不管是同比还是环比,利润率都有大幅提升。AI相关产品季度收入179.18亿元,已经连续十三个季度保持三位数同比增长,是AI商业化持续推进的直接证据。我更看重的是收入和利润率同时往上走这件事。过去几年云厂商常见的剧本是增速靠让价换来的,收入好看、利润率难看;或者反过来,砍掉低毛利项目把利润率做上去,增速就掉下来。这一季两个方向对上了,而且外部客户的增速快于整体收入,说明增量不是集团内部左手倒右手。当然一个季度还谈不上趋势,14.5%的利润率也谈不上高。但至少账已经开始对得上了。四、应用把调用量带起来,云可以卖的更多模型和应用这一侧,这个季度也铺得比较密。Qwen4-Max基座大模型发布,千问办公2.0从个人助手转向面向组织协作的Team Agent,Qoder这类编程智能体、以及千问App覆盖的场景也在扩。这些产品不仅自己能挣钱,关键它们还在做一件事,那就是把模型调用变成日常。应用跑起来就产生调用,调用要消耗算力,算力由云来供。模型做得更省,单位调用的成本更低,用得起的人就更多,反过来又把云的量带上去。当然关键还是客户愿意不愿意一直用下去。企业客户续不续费、智能体能不能真正嵌进工作流是业绩能否持续增长的关键,后续需要持续跟踪观察。五、自研算力比重往上走,成本还有空间最近AI产业界有件重要的事情发生,那就是英伟达CEO离职风波,这对中国算力的供给是一个巨大的挑战。这件事当然有负面影响,但长远看也未尝没有正面效应。海外先进GPU收紧,最先受影响的是需求交付和模型训练。阿里这边情况好一些。吴泳铭在业绩电话会上讲得比较明确:今年已经开始用自研的平头哥芯片训练下一代模型;到2027年一季度,新一代平头哥国产芯片完全可以支持超大规模模型训练。2027年之后,绝大部分新增AI芯片供给将以自有平头哥为主,国产算力在整体算力里的比例会持续提升。具体节奏上,管理层披露新一代AI芯片真武V900计划2027年一季度量产,集成它的下一代超节点同期推出。大摩最新研报给的预测是,平头哥出货量2027年70万颗、2028年120万颗,在国内厂商中仅次于华为。阿里的目标,是中期内把平头哥的算力贡献占比从10%出头提到40%—50%。大摩认为,更多采用自研芯片有望降低推理成本,并借此争取云份额。这条自研线如果走通,对阿里自己的模型、对其他中国模型厂家,都是长期的支撑。但目标终究是目标,量产、良率、超节点集群的实际效率,都得等交付之后才知道,现在不宜折算成利润率。六、资本投入如何转化为长期回报最后说回市场最关注的资本开支的问题。本季资本开支504.77亿元,同比增长60%;经营活动现金流净额156.90亿元,同比增长55%;自由现金流净流出344.72亿元,上年同期是流出218.40亿元。CFO徐宏在电话会上的表述是:AI商业化还在早期,会审慎安排算力资本投入、注重资本回报率,跟着客户真实需求动态调整,不盲目扩产,目标尽早实现自由现金流转正。海外算力限制会影响需求交付,国内产能扩大也需要时间。自研算力的长期价值,是逐步增强供给保障、改善单位服务成本;最终回报仍要看客户需求、实际交付和经营效率。吴泳铭在电话会上说得比较直白:2027到2028年国内算力供给仍有缺口;因为各区域算力政策变化很大。据此推断,不排除资本开支也可能随之降低,但另一方面对国产算力及供应链的投入反而会更积极。减少一部分扩张,和加大自研算力的比重,是同时发生的两件事。自研占比上去,意味着同样的资本开支能买到的算力更多,或者同样的算力花的钱更少——推理成本这块尤其明显,它直接决定云服务的报价空间和毛利。七、阿里全栈AI的优势开始显现国内几家巨头里,阿里动手做芯片是最早的,这件事当时被很多人当成"不务正业",现在回头看,却成为它AI全栈研发里的最重要一环,也成了最大的优势。平头哥的意义不在于跟英伟达正面刚,而在于让阿里具备了“AI五层蛋糕”里最关键的四层能力——"算力—云—模型—应用",更不容易被别人卡脖子。阿里一直走的全栈研发的意义也就更清楚了,自研芯片压低推理成本,模型用更少的词元完成同样的任务,应用把调用量带回来,云再把算力卖出去。同一批设备,单位成本更低、利用率更高,回本的周期就短一些。反过来,如果只是堆机器,成本降不下来、调用量填不满,投入越大回报越慢。单位投入能产出多少价值,比投入本身有多少更值得看。算力如果一直紧,既能自己供算力、又能把算力用得更省的这套全栈能力,就不只是供给被卡时的一层保险。它既决定了到时候还交不交得出货,也决定了扩出去的产能最后能不能落成收入和利润。管理层给出了几个时间点:2027到2028年上半年是投入最密集的阶段、2028年下半年自由现金流转正、国产算力规模化之后云收入增速有望重回50%以上。后续需要持续跟踪观察。
“抵制AI,断更一天”,4.3万人点赞了这个声明
虎嗅 · 2 天前
本文来自微信公众号: 果壳 ,作者:梨雪森,编辑:Luna网文界今年发生了多场“AI斩杀”。2月和5月,番茄进行了针对AI低质内容的专项治理;起点7月全面禁止AI文,8月一口气处理了上百本AI小说,其中有多部万订作品;10月30日,起点和QQ阅读发布公告,称将进一步打击签约作品滥用AI的行为,取消对作品的福利发放。起点新发布的公告然而,多轮治理后,读者仍然会抱怨榜单上的作品“AI写的”。相比于短剧对AI的一片追捧,为什么网文界一定要对AI说“不”?网文平台拒绝AI仅仅是因为“不好看”吗?曾经,“写得多”是网文竞争的一道门槛。多年前我曾经研究过能否转去写网文,谁知有两个大问题难住了我:1、想要在晋江入V拿全勤,日更3000字是基础;2、我的大纲很精彩,全稿像科普……嘿嘿。日更3000字到5000字只是普通水平,一些大神更是把更新量拉到了令人咋舌的地步。头部中的头部,唐家三少曾日更8000字,《大奉打更人》的作者卖报小郎君同样如此。从天明写到天黑,键盘搓到起火,腰椎肝到突出,是网文作者的常态。更新字数很大程度上影响着网文的曝光量以及收入。起点曾经的全勤奖门槛就是VIP章节日更4000以上。但AI出现之后,日更多少字已经不再能够给网文作者带来加成了。今年5月,起点上一个作者引起了众怒。《战锤大贤者的维度穿越》8个月内就更新了470多万字,平均日更2万字。从这惊人的更新量,你应该能猜出这本书的AI比例。确实,这本书的编辑曾经公开表示,他的这本书就是由豆包来操刀的。该书作者还公开嘲讽AI时代还坚持手搓的老艺术家们。事件发酵后,该书被起点下榜处罚。这些恐怕称不上原创的书,正在快速地攫取着曾经属于原创者的那一部分利益,平台的真金白银奖励流向错误的对象。这恐怕是为什么网文平台要斩杀AI文了。番茄就是一个鲜活的例子。番茄之前对AI文来者不拒,甚至主动干出过要求作者授权把自己的作品喂给AI训练的“卖稿条款”。后果就是,番茄平台被某些工作室批量跑的低质薅流量文占领了半壁江山,平台的扶持被薅秃了,真正原创作者的流量被抢得差不多,读者也怨声载道。起点读者的愤怒更是可以预见的:AI生成的东西,你还想要我按字付费?涉嫌AI,也影响版权交易,而这可是网文作者的重要变现手段之一,也为平台所看重。今年7月底,尼日利亚作家杰里·阿德达约·法拉德的处女作《给我打电话,我会藏尸体》(Call Me,I'll Hide The Body)的报价眼看超过200万美元,两位经纪人分别在英国和美国成功拿下了六位数和七位数的版权交易,并引起了影视改编方面的兴趣。但一夜之间,这200万美元就打了水漂,原因是该部小说被认为由AI撰写。尽管作家本人坚称自己手搓了整部小说,但出版商们如今对涉嫌AI创作的小说非常谨慎。任何网文的爽点都能被AI快速拆解批量制作爆款的小说创作者(或者说工作室),通常会建立一个可自动化批量复制的工作流。第一步是拆解爆文。网文制造出来的爽,本来就是可以被结构化分析的。当把一篇完整的文章喂给AI分析时,AI分析的不只是遣词造句,而是整个故事运作的逻辑。整体的设计和人物的处境怎么吸引读者?主角追求什么、遇到什么障碍,如何反击?是金手指升级,还是扮猪吃老虎?哪些信息延迟揭示可以让悬念感最强?拆解了一个爆款框架,工作室就能得到数个包含人物关系、情节节点、情绪回报和章节功能的结构表。将这些要素以不同的形式组合,就能批量化地生成多个新故事方案。作为资深知乎短篇小说付费用户,我来举个例子:人物设定可以是上辈子被辜负的侯府主母、被驸马背叛的公主、误信小人的高门嫡女,故事情节可以是夫君的白月光、先婚后爱的错位、我爱你但我就是没口说的误会,爽点可以是听见心声、看见弹幕、反复重生。将这三要素随机组合,你是不是觉得似曾相识?发表在Science Advance上的一篇文章认为,生成式AI的思路会使故事被评价为更具创意、文笔更佳,本身创造力低的作者中更明显;但是AI故事之间太像了。换言之,生成式AI提升了作者的个体创造力,代价则是集体创造性的丧失。只是用AI润色文字也算AI创作吗?在被起点斩杀的网文中,有不少作者表示自己只是在手搓稿件之后,让AI帮助自己检查病句错句,并适当润色。还有被砍的作者贴出了前后对比,大喊冤枉。但就算有人类的原稿基础,AI润色也可能把不同的作者的文风变得更相似,甚至是相似的糟糕。一项相关的研究就发现,在使用AI润色前后,写作复杂度的差异缩小了21%~50%。这是由生成式AI的底层逻辑所决定的。大部分的生成式AI的创作逻辑还是根据前文预测后文可能出现什么,再从中挑选概率较高的选项词,并这样一直延续下去。在某一些上下文场景中,一些表达就是会比另一些更容易被大模型选用。举一个你一定很熟悉的例子:我想先接住你的情绪,你不是太敏感,而是长期没有被真正看见。说到底,你需要的或许不是一个答案,而是允许自己先停下来。典吗?实在是太典了。“接住情绪”并不是AI的原创。在较早期的一些心理学文章中,就使用了“适当接住对方的情绪”等类似的表达。随着生成式AI将这种表达纳入自己的语料库,接住的用法就开始泛滥了。现在接住的不仅是情绪了,还能接住某个人、某件事、某个场景、某个问题,万物皆可接。我已经记不清在多少个作者手搓+AI润色的文章中见过“接住”了。AI润色看似保留了作者原本的观点、只是把语句调整得更丝滑,实际上却是把人类原本多样化、天马行空的表达压缩成了几种通用、高概率出现的模板。我们所说的词语、语句,既是讲述故事,更讲述着我们个人的身份、个人的看法、我们所处的环境,我们所在的社会。通过我们输出的语言和文字,可以展示我们的三观,甚至可以诊断和追踪心理健康状态。阅读文学作品时,有时我们不只是在阅读作品本身,也是在通过作品去认识作者本身的精神世界。而通过AI的润色,原本可以通过文字识别出来的“我”就消失了。鉴AI的各种逻辑准则真的可行吗??说完了网文界的AI泛滥,我们再聊聊在网文评论区很容易发生的一个讨论:你这是AI写的吧?现在大家都挺喜欢在互联网上扔一段文字,然后这样AI味重吗?我们邀请你也来做一个测试:他那么站了一会儿以后,听到一个如钟声一样的声音:“阮进武是你什么人?”声音在庙宇里发出了嗡嗡的回音。阮海阔环顾四周,他的目光被光柱破坏,无法看到光柱之外。“是我父亲。”阮海阔回答。声音变成了河水流动似的笑声,然后又问:“你身后的可是梅花剑?”“是梅花剑。如果你也觉得这段话AI味很重。那么很高兴你也喜欢分析AI,并且有自己的见解。但很可惜,这段文字是余华写的。嘿嘿,中招了吧。发表在Nature上的一篇研究就是这么驴人的。研究者们选择了10位诗人以及1634名参与者。每位参与者会被随机分配一位诗人并阅读他的10首诗,其中有五首是由该诗人创作的,另外5首由GPT3.5模仿生成。结果参与者的判断准确率只有46.6%,甚至低于随机猜测。在所有诗歌的“人味大排名”中,最后5名其实都是人写的。人类鉴AI会有谬误,那AI鉴AI呢?坏消息,同样不靠谱。AI检测器常见的方法是检测文字可预测程度,就是从结果“倒推”是否由AI生成;也可以直接用人类写作样本和不同模型生成的样本去训练一个AI文分类器。据说起点的AI检测工具“墨瞳”检测的是“作品指纹”,找出那些不属于人类谋篇布局的特征。但无论哪种方法,AI都会出错,而且目前低误报率和高检出率无法兼得。这就是为什么很多网文平台早就用上了鉴定工具,但榜单上依然存在着AI文的原因。到底是宁错杀也不放过,还是睁一只眼闭一只眼,省得冤枉了真人。平台或许也在做着艰难的抉择。参考文献[1]https://www.thebookseller.com/news/it-was-inevitable-agents-react-to-major-book-deal-that-collapsed-over-suspected-ai-use?utm_source=chatgpt.com[2]Porter,B.,Machery,E.AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably.Sci Rep 14,26133(2024).[3]https://arxiv.org/html/2502.11266v2?utm_source=chatgpt.com
Anthropic崛起史:最强AI背后的矛与盾,布道者与伪君子
虎嗅 · 2 天前
五年时间,冲击万亿美元估值,Anthropic的增长,几乎可以用一条陡峭到难以置信的曲线来形容。在这场商业奇迹背后,是一个充满矛盾的故事:一家因担忧AI失控而诞生的公司,如今却成为了全球AI竞赛中最激进的参与者之一。
自由意志只是幻觉?脑科学给出意外答案
虎嗅 · 2 天前
本文来自微信公众号: PsyCulture&Science ,作者:The Conversation想象一下,你正在最喜欢的面包店排队,纠结着是买甜甜圈还是买蛋挞。你权衡了一番,甜甜圈胜出,于是就决定买它了。然而等你排到队伍最前面时,店里只剩下挞了。于是,你买了一个蛋挞。这两个决定给人的感觉完全不同。前一个需要根据我们独特的个人偏好进行深思熟虑,后一个只需认出并拿走唯一可选的东西。但最近发表在Imaging Neuroscience上的一项研究表明,大脑做出这两种决定的方式其实出奇地相似(Lauren et al.,2026)。到底什么是自由意志?做自由决定时,我们意识到存在多个选项,对它们进行权衡,然后根据某种内在因素(我们的偏好、价值观和目标)选定其中一个。被迫决定则不同。这时只有一种可能的结果,我们要做的只是认出这个选项并接受它。由于自由决定与“我们是谁”的联系如此紧密,神经科学家长期以来一直认为,自由决定和被迫决定依赖的是大脑中不同的过程。一些脑成像研究也支持这一观点,显示两者在整个大脑中呈现出不同的神经活动模式。然而,知道自由选择发生在大脑的哪个部位,并不能告诉我们这些选择是如何形成的,也无法说明这一过程与被迫决定是否有任何不同。大脑是如何形成决定的?数十年的研究表明,为了做出决定,大脑会随着时间推移逐步为每个选项收集证据。这就像法官审理案件事实一样:一旦为某一方积累了足够的证据,就会作出裁决。对于某些类型的决定,这个过程发生得非常快(只需几百毫秒),让人感觉这个选择是突然冒出来的。通过测量大脑的电活动,研究人员已经发现了一种脑信号,它反映了做简单决定时(比如判断交通灯是红色还是绿色)的证据积累过程。就像加载进度条逐渐涨到100%一样,这个信号会逐渐上升到某个特定水平,然后才做出决定。由于大脑中神经元的活动带有噪声,这个决策过程也是“嘈杂”的:信号并不是稳步朝着某一个选项攀升,而是在不同选项之间来回波动。这在一定程度上解释了为什么我们的选择并不总是前后一致:即使偏好是稳定的,我们有时也会选蛋挞,有时又会选甜甜圈。这种信号已在有明确正确答案的被迫决定中得到证实。但对于那些开放式的选择呢?这些选择不仅取决于眼前的东西,还受到偏好或个人目标等内在因素的影响。追踪决策形成的脑信号为了回答这个问题,Lauren等(2026)记录了被试在不同组彩色气球之间做选择时的大脑活动。他们看到的要么是两个颜色不同的气球,可以自由选择其一;要么是只有一个气球,只能被迫选它。被试在做出选择的那一刻按下按钮,研究者则追踪了在这一时刻到来之前大脑活动是如何展开的。研究结果显示,无论是自由决定还是被迫决定,大脑活动的展开方式都非常相似。它就像加载进度条一样,在做出选择前稳步攀升,并达到同样的峰值水平。当人们做决定很快时,信号上升得更快;当他们花的时间更长时,信号上升得也更慢。如果大脑是在随时间推移追踪和权衡证据,而不是在最后一刻才对决定做出反应,那么出现的恰恰就应该是这种结果。这是否意味着我们的自由选择并不真正自由?根据这一发现,人们可能会认为,大脑形成自由决定和被迫决定的方式是一样的,这表明大脑中的决策过程可能比我们感觉到的更加自动化。这与神经科学家本杰明·利贝特(Benjamin Libet)在20世纪80年代所做的著名实验相呼应。他和同事发现,在人们意识到自己的行动意图之前,大脑活动就已经开始增强了。这表明,在一个人有意识地意识到自己做出选择之前,大脑就已经开始做决定了。不过,尽管这个过程可能是自动的,但大脑所积累的内容却说明了另一回事。大脑权衡的证据完全来自你是谁:你的偏好、你的目标、你的经历。两个人可能经历相同的神经过程,做出相同的选择,但他们做出这个选择的理由却可能截然不同。因此,与其追问我们的选择是否真正自由,或许更好的问题是:一个选择真正属于你,究竟意味着什么?下次你在面包店排队时,要知道,你的大脑早已在悄悄为你想要的那款糕点收集证据了,而做出选择的速度比你意识到的还要快一点。Lauren C.Fong,Paul M.Garrett,Philip L.Smith,Robert Hester,Stefan Bode,Daniel Feuerriegel.Tracing the neural trajectories of evidence accumulation and motor preparation processes during voluntary decisions.Imaging Neuroscience,2026;4 DOI:10.1162/IMAG.a.1184The Conversation."Is free will an illusion?New brain research reveals a surprising twist." ScienceDaily.18 November 2026..
五巨头现金流首次转负背后,卖芯片的人开始替客户付账单。
虎嗅 · 2 天前
本文来自微信公众号: 宁明亮Seerning ,作者:宁明亮Seerning11月1日,《华尔街日报》给「循环融资」下了一句定义:最典型的循环融资,就是投资一家为购买你的产品,而进行筹资的公司。路透社随后把它写进AI泡沫的报道里:美国芯片制造商和大型云计算企业,正用自身现金储备和良好信用,为实力较弱的算力供应商提供贷款与担保。这些钱转一圈回来,又被用来采购芯片和算力服务。不妨把这套绕口令翻译成一张日常的生意账单:假设你是一家高端设备厂的老板,发现下游客户手头紧、进不起货了。于是你主动借钱给他,或者替他向房东担保厂房租金,条件是他必须拿这笔钱回头买你的设备。在旁人眼里,你的出货单和客户的采购额每个月都在猛涨;但坐在办公室里的你心里清楚,在这张桌子上,订单越热闹,买方说「不」的权利就越小。另外据彭博社口径,美股总市值自10月6日阶段高点以来缩水了5.7万亿美元。前一个讲的是底层的交易结构,后者是资本市场面上的市值跌幅。当买方的采购资金来自卖方的授信与担保,订单便在封闭回路里自我循环。一个不能说不的买方:「有人买」缺了一个前提在《有人买,不等于市场验证:1.3万台机器人背后的问题》里我写过一条判断:检验需求是不是真的,不看有没有人下单,看的是那个买方有没有权利说不,以及他不买之后,代价由谁承担。一个独立的买方,用自有资金、按自己的信用下单,随时可以换供应商。只有当他说不的时候损失落在自己身上,他签下的订单才算一次有效的市场验证。循环融资恰好把这个前提拆掉了。为什么高增长的订单里,会藏着一个不能说不的买方?因为买方的钱是卖方给的。在授信与捆绑采购协议面前,买方一旦说不,失去的就不仅仅是一批设备,而是整条赖以生存的资金链。当买方承担不起停购的代价时,面上的订单确实为真,确认的收入是真的,合同也签了。但「需求」这个信号开始失真:财报的销售额里,外界已经分不清哪部分来自独立的外部客户,哪部分是卖方自己转出去的钱又转了回来。这里并不是指控哪家公司在做假账,而是指出这套交易结构里,缺少一个能独立承担「不买」后果的人。5429亿与5569亿:最富的买方也没余粮了把抽象的交易结构先放一放,我们不妨翻开财报做一道减法,看看上游为什么会走到这一步。路透社对五家大型科技企业(微软与谷歌母公司Alphabet,外加亚马逊、Meta和甲骨文)前9个月的财报做了一次汇总。经营活动现金流合计5429亿美元,同比增长29%,创下历史纪录;但同期资本支出冲到5569亿美元,直接翻了一番。5569减5429,等于140。这五家公司的合计自由现金流,由上年同期的1435亿美元盈余,掉头转为140亿美元赤字。这是自2011年有相关统计以来,五巨头的资本支出第一次超过它们自己挣回来的现金。同一份分析里还藏着一组更安静的数字:前9个月,这五家公司返还给股东的资金合计506亿美元。其中股票回购从上年同期的818亿美元骤降83%至136亿美元,股息为370亿美元,占经营现金流的比例从27.4%跌至9.3%,创下至少15年来的最低水位。报道指出,在自由现金流转负的背景下,这506亿美元实际来自现金储备与借债发股。506除以5429,约等于9.3%,账面口径完全自洽。这里要守住一条数据边界,顺手把市面上流传的两处口径错位拆开。第一处是「两个5.7」:一个是5.7万亿美元,属于彭博社口径的美股总市值自10月6日高点缩水金额;另一个是5.7%,属于标普500指数自同一高点的回撤幅度。一个是绝对金额,一个是百分比跌幅,不能互相换算,更不能混着印证。第二处是「两份打架的五巨头名单」:《财富》杂志称五大科技巨头(把甲骨文换成了未上市的SpaceX)中除微软外有4家第三季度自由现金流为负。而路透社统计的五家则包含甲骨文。当你把这两份名单核对清楚,能确认的单季自由现金流硬数字是:亚马逊约−348亿美元,Alphabet约−91亿美元,Meta约−12亿美元。微软虽为正(约186.3亿美元),但同比下降27%。此外,亚马逊「过去12个月−424亿美元」属于滚动值而非单季。微软的财年则在6月结束,季度日历区间与其他三家并不对齐。数字本身都没错,但混在一张表里就错了。把口径滤干净之后,真正的传导链条便浮出了水面。五巨头的自由现金流转负,本身并不等于循环融资,它揭示的是上游的资金饥渴。当微软、谷歌、Meta这些全市场最会赚钱的一级大买方,都被迫把股票回购猛砍八成、甚至排队上债市借钱买算力时,那些没有印钞机业务的二线算力商(Neocloud)拿什么去买天价芯片?这个追问,直接把我们推向了卖方亲自下场凑钱的现场。英伟达360亿兜底承诺:卖芯片的人开始替买方扛风险这类安排被写进官方披露文件时的样子,比市场传言更清楚。英伟达截至2026年7月26日的季度文件(10-Q)披露了一组关键条款:公司与部分AI云服务商签署的云服务承诺总额已达360亿美元,通常期限为六年。具体运作方式是,云服务商向英伟达采购数据中心硬件设备,英伟达则承诺反向购买这些云服务商的算力容量。如果云服务商未能把算力容量转售给第三方客户,英伟达可能要承担相应的采购兜底义务。该文件还披露,英伟达已累计做出990亿美元的股权投资(另有250亿美元投资承诺)。它为部分AI云伙伴的数据中心租赁提供信用担保,最高风险敞口达35亿美元。「卖方承诺买回买方卖不掉的产能」——这句话把整条约束链推到了尽头。一旦终端需求不及预期,不买的代价最后落回了卖方自己身上。顺着这份季报披露的条款,我们不妨做一个示意性的场景假设:设想你是一家二线AI云服务商的采购负责人,办公桌上同时摆着两份文件。左边是银团的算力设备抵押贷款合同,上面要求必须有上游芯片大厂的租赁担保或回购背书才能放款;右边是下一批高端GPU的采购意向书。即便你在一线销售中已经察觉到下游企业客户的算力租赁转化率正在放缓,你也很难拿起电话对上游供应商说一句「下个季度我们暂停提货,或者换别家的芯片试试」。因为一旦停下采购,不仅前端的股权注资与信用担保会收紧,连手头已建好机房的容量回购托底也会悬空。在这个切片旁边,还有一处耐人寻味的口径温差:英伟达认为高端GPU的使用寿命最长可达十年。而部分商业银行在评估算力设备抵押价值时,却只按三到四年折旧来打折计算。为什么同一批芯片会有两本寿命账?因为卖芯片的人按十年寿命描绘远景,收抵押品的银行按三年折旧计算残值。两把尺子之间的夹角,装的就是一旦算力租不出去时的坏账敞口,这与「50万人次不等于50万人」属于同一类口径分歧。当然,这里同样要守住判断的边界:上述条款均写在公开披露文件里,并非市场臆测。但「最高风险敞口」只是极端情形下的上限,不等于已经发生的实际损失。本文不推演所谓的行业崩盘,只确认一件事:在这套账本里,需求与融资已经紧紧缠在了一起。结构松动时,会先在三个地方留下痕迹,且都能按季核对。第一条缝,买方资金独立性:采购方以自有经营现金流和独立信用下单,可自由更换供应商,终端回款可查。第二条缝,披露颗粒度:关联交易、租赁担保、容量回购承诺在财报中单列,第三方付款承诺可独立核对。SEC已表态审查AI企业披露,这件事本身就是一条可观察的进度条。第三条缝,算力能否不靠补贴活着:下游付费转化与利用率,能覆盖折旧、利息和电费——注意,这一条检验的是这轮投入能否自我维持,不是需求真伪。三条缝都不成立时,先别讨论行业拐点:那笔账单最终记在卖方和它的股东账上。在此之前,订单是订单,市场是市场。5.7万亿美元能上头条;5569减5429等于140,上不了。关于作者做投行和顾问,没干成过惊天大事。现在用一套基于硬约束和逻辑推导的方法,在不同领域探索并构建认知操作系统。这里记录判断、验证和代价。如果你也在想类似的问题,欢迎评论区、后台交流。封面图推荐语:当买方没有权利说不,再大的订单也只是卖方自己给自己的赊账。资料与信源《华尔街日报》2026-11-01循环融资定义与算力债券融资报道/路透社2026-11五巨头前9月经营现金流5429亿、资本开支5569亿美元汇总/彭博社2026-11美股总市值自10-06高点缩水5.7万亿美元/《财富》2026-11五巨头(含SpaceX)Q3自由现金流口径报道/英伟达2026-07 10-Q:承诺360亿、股权990亿、担保35亿美元/SEC 2026-10~11执法部门称正审查AI企业信息披露
《模型一代》一文爆火,为什么年轻人是受AI冲击影响最大的人群
虎嗅 · 2 天前
本文来自微信公众号: 严肃的人口学八卦 ,作者:严肃的人口学八卦组这几天一篇清华文科学生写作的文章《模型一代》在朋友圈广为传播。这篇推文的爆火,在于它触及了当下年轻人,特别是最优秀的那一批年轻人的普遍焦虑。虽然不乏评论者在批判年轻人的思维路径,但我们也都知道不应该责怪他们,因为AI对当下工作的冲击不仅已是房间里的大象了,更是一种社会结构性的产物了。美国的Pew研究中心分别在2025年和2026年开展了两次全球性的AI态度调查,前一次调查覆盖25个国家,后一次覆盖37个国家。有意思的是,前一次调查显示年长者对AI的一般性焦虑要高于年轻人,而后一次调查,年长者的焦虑情绪变化不大,但几乎所有调查的国家,年轻人的AI焦虑直线上升,追上甚至超过年长者,特别是在工作维度上的焦虑,18-34岁的年轻人大幅度领先其他人群。那么为什么同样是对工作和生产方式的重构,年轻人要比年长者焦虑的多?一、从“数字鸿沟”的叙事说起“数字鸿沟”是社会学研究中的一个经典概念,它描述了在数字技术扩散的过程中,年轻人通常被视为理所当然的受益者,而老年人被置于弱势者地位的现象。这一观察有充分的生活依据。数字鸿沟首先表现为设备与网络接入的差异,随后表现为使用技能的差异,最终还表现为把使用转化为实际收益的能力差异。对老人而言,各项身体机能衰老,会增加操作智能设备的困难;无法跟上和理解事物的新形态,不仅很难用数字技术获利,还更容易成为数字诈骗的受害者。但数字鸿沟只谈论了技术冲击的表层,它缺少了一个很重要的观察维度,即接入技术之后,谁的议价能力提高了,谁能够更多获得技术创造的资产收益?这个问题在数智社会发展初期也许并没有那么明显,但AI的出现和快速迭代,让其浮出了水面,甚至改变了问题本身。一方面,自然语言交互降低了软件的使用门槛,技术演进的方向在大幅度改善老年服务的可及性。另一方面,去年以来,AI对标准化脑力劳动替代的可能性正变得越来越大,把更大的不确定性推向正在进入劳动力市场的人。因此,要重新思考数字鸿沟这个概念,需要在接入和使用差异之外增加新的分配维度。老年人可能因为不会使用而被排除在服务之外,年轻人可能因为太会使用而进入一个人机直接竞争的市场。前者是服务可及性问题,后者是劳动价值与职业成长问题。我们针对大学生的调查也发现,那些使用AI越多,越了解AI的大学生,对工作替代的焦虑也更大。二、MIT关于数学家的调查与文科生在想象中更加担忧自身价值丧失形成鲜明对比的是,在现实中,今年受到AI冲击最大的学科却是数学。数学常被视为人类抽象推理能力的典型领域,也成为观察AI冲击的一个特殊窗口。2026年10月29日,MIT数学系的三位教授在arXiv发布一篇名为《早期职业研究者对数学领域AI的回应》的研究。调查从9月17日持续至10月8日,共收到268份回复,受访者来自近60所机构、至少5个国家,其中约85%是研究生,15%是博士后。图MIT数学系三位研究者发布的调查报告标题页76.3%的受访者认为,AI的发展会让自己获得终身教职更加困难;76.5%表示,AI的发展降低了他们从事研究的动力;69.9%认为,自己博士或博士后阶段结束后继续从事学术数学的概率已经下降。另有81%曾因AI考虑过改变未来的职业或学术计划。这些数据足以显示数学系这些被认为最聪明的学生,其职业信心受到了巨大冲击。更能帮助理解背后机制的数据是,高比例的受访者把“缺少入门研究问题”列为重要担忧。数学家的成长并不只是掌握知识,还要在研究训练中形成判断力。博士生通常从导师或同行提供的小问题开始,完成文献梳理、技术引理和局部证明,逐渐理解哪些路径可能有效,再独立处理更复杂的问题。许多入门问题的价值,就在于研究者在试错中获得的数学直觉。AI恰恰可能先接管这些任务。如果初级问题被批量解决,年轻研究者面对的就不仅是少了几篇论文,而是原有训练流程的中断。他们可能需要直接面对高难度问题,却没有机会先通过可完成的任务积累经验。与此对照的是,一些资深数学家对AI持欢迎态度。他们已经完成基础训练,知道什么问题重要,能够判断一条证明是否有价值,也拥有相对稳定的职位。对他们而言,AI可以承担文献检索、技术引理和繁琐推导,使更多想法得到低成本检验。凤凰网科技对《纽约客》特稿的转述中,77岁的数学家查理·费弗曼就表达了这种乐观:“过去一些成功概率不高的想法,可能因为验证成本过高而被放弃;如果AI能迅速完成尝试,资深研究者反而可以更勇敢地探索。”因此,年轻人和资深者最大的差异存在于职业阶段与资本积累上,而非技术的熟练程度。资深者可以把AI作为已有判断力的延伸,年轻者却可能在形成判断力之前,就失去了练习和证明自身能力的机会。类似的结论出现在各类关于AI对工作影响的报道中,初职这一上升阶梯的消失,是年轻人最大的焦虑来源。与此同时,在高校,老师们也普遍担心,如果思考和试错的过程都被学生通过AI解决了,那么他们可能也在亲手拆掉自己的阶梯。学生们也未必不明白这一点,他们越是享受AI所带来的无痛学习的快感,就越会陷入对未来的迷茫和深深的焦虑中。然而要理解为什么年轻人最可能成为AI发展的受损者,还不能仅停留在初职问题上。三、AI为何恰好消解年轻人的优势?技术进步通常会提高生产效率,但效率收益如何分配,取决于不同生产要素的相对稀缺性。过去的自动化主要替代重复性体力任务,生成式AI则开始处理写作、编程、图像生成和形式推理等认知任务。AI与机器人技术的结合,还在向更多体力操作延伸。不同行业的替代速度会有很大差异,但共同方向是可清晰描述、可重复执行、可验证结果的任务,更容易被机器以低成本复制。这对年轻劳动者尤其重要,因为他们的主要资产通常不是住房、股权或长期客户关系,而是未来的劳动时间、体能、学习速度和尚未充分兑现的人力资本。年轻人能够熬夜完成高强度工作,可以快速掌握新软件,也愿意从初级岗位做起。这些能力曾构成进入职业阶梯的优势,如今却与AI最擅长压缩成本的任务范围高度重叠。图3认知能力随年龄变化。改绘自西雅图历时研究,转引自《年龄不平等》图一西雅图历时研究提供了更细致的年龄图景。图中的知觉速度在25岁左右已处于高位,此后持续下降;归纳推理、空间定向等能力在中年前后达到较高水平,言语能力与言语记忆则呈现各自不同的变化轨迹。因此,不能笼统地说年轻人的一切能力都优于年长者。真正值得注意的是,青年阶段具有优势的处理速度、持续投入和快速学习,以及职业初期大量依赖的标准化推理与操作,正是AI能够显著提高效率的领域。我的论文《年龄不平等》,把这一变化概括为对劳动本身的替代,而不是对某类劳动者能力的单纯增强。年轻人原先依靠体能与脑力获得收入的路径受到极大挤压。AI在本质上改变了这些生物属性在市场交换中的稀缺性溢价。年轻人依然聪明、迅速、勤奋,但这些品质未必还能像过去那样兑换成稳定职位、职业晋升和初始资产。四、代际平衡为何会失灵?《年龄不平等》一文中的讨论,还加入了更长的历史视角。在人类社会的多数时期,年长一代拥有更长时间积累财富,也通过经验、知识与社会关系取得权威。年轻一代则承担主要生产任务,以体能、学习能力和对新技术的适应弥补财富与经验的不足。代际之间并不平等,但存在一种动态平衡,即年轻人最终会成长、积累并接替上一代,技术变迁也常常帮助后来者绕过旧技能壁垒。工业社会尤其强化了后一种机制。新的机器与产业不断出现,老技能会折旧,年轻人可以通过教育和训练掌握新知识,在新部门获得机会。父辈拥有过去的资产,子辈则可能拥有未来的技术。只要学习能够转化为更高的生产率和更稳定的职业位置,代际更替就有现实的通道。然而,AI对这条通道提出了挑战。首先,模型迭代和技能折旧的速度可能快于个人完成教育、形成专长并获得回报所需的时间。一个人花费数年学会的技能,在正式进入市场前就可能被大幅压价。其次,AI可以同时在多个任务上扩展,不像过去某些技术那样只留下少数需要更新技能的部门。年轻人当然可以学习AI技术,并进行创造性工作,但学习和创造的成果越来越容易被模型复制和汲取,年轻人很难不想象自己成为自己掘墓人的场景。MIT调查中那些优秀年轻研究者的困境,正说明问题不在于他们不够聪明。他们拥有同龄人中最突出的认知能力,也投入了长期训练,却还要担心没有合适的题目可以练习,没有稳定的职位可以进入。如果这些年轻大脑都难以把学习能力转化为职业安全,那么从工业社会开启的,年轻人们最大的信仰——只要努力学习和工作,就不会被淘汰的许诺——就会开始崩塌。年长者的处境需要分开讨论。缺乏数字技能、资产与社会支持的高龄老人,还是可能在数智社会中处于不利位置;但已经拥有经济资本、专业经验和稳定组织的资深者,更容易把AI转化为补充性工具。他们可以利用判断力筛选机器产出,也可以用资产购买算力、服务乃至平台股权。技术收益因而可能同时增加其劳动效率与资本回报。所以,AI时代出现的不是所有老年人对所有年轻人的胜利,是资产与职业阶段的差异借助年龄结构被进一步放大后的结果。老年人的经济资本与经验资本在特定条件下得到发展和扩展,年轻人的体能与学习能力优势则恰好落在AI冲击较强的领域。原本依靠代际更替实现的平衡,可能转变为既有积累者进一步扩张、后来者难以完成初始积累的结构。结语:重新思考代际契约当前AI时代的制度设定,可能正好是年轻人受到较大冲击的时候。老年人不会普遍因此获益,年轻人也不会普遍失去工作,但职业入口变窄、训练回报下降与资产积累推迟,已经构成值得认真对待的风险。若只把回应简化为普及AI课程,或要求个人培养那些虚无缥缈的可能不会被AI替代的技能,就会回避劳动市场与分配制度的改变。社会层面的代际关系实际上包含一项隐含契约,年轻人承担生产、缴费与照护责任,社会则向他们提供通过劳动获得独立生活、专业成长和未来保障的机会。让代际交换可持续,需要保留真实的入门岗位与训练任务,调整只看短期产出的组织评价,并让技术进步的收益为新一代提供可预期的补偿。年长者的经验可以借助AI继续发挥价值,但这种价值也应当参与培养后来者,而不是取代培养过程本身。AI究竟会成为年轻人的工具,还是削弱他们进入社会的通道,并不由技术单独决定。重新思考代际契约,就是要在技术变迁中重新回答,社会凭什么要求年轻人继续投入未来,又能用什么可信的制度安排兑现他们的未来。回到《模型一代》一文,也许AI与社会的未来仍然充满不确定性,但学生和年轻人此刻的焦虑都是真实的。有不少评论者,都在试着为年轻人指引出路,但绝大部分的建议都指向了个体层面的解法,无论是向内求真,还是向外求索。然而,结构性的问题真的都能在个体层面消解?资料来源1.Pew Research Center,Concern and Excitement About AI,2025-10-152.Pew Research Center,Globally,More People Expect AI to Cause Job Loss Than Growth,2026-09-173.Brandenberger,Anna,Hanna Mularczyk,and Dora Woodruff.2026.“Early Career Researcher Responses to AI in Math.”arXiv:2610.40584[math.HO].2026年10月29日首次发布,11月4日修订。https://arxiv.org/abs/2610.40584。4.人工智能学家:《AI大量攻克数学难题,MIT调查发现年轻数学家正在重新考虑职业》,2026年11月;转载页面:https://ly.web-flying.com/newsItem.php?nid=180392。5.凤凰网科技:《数学被AI彻底改变的这一年,陶哲轩站出来喊停》,2026年11月2日(转述《纽约客》相关特稿)。https://news.qq.com/rain/a/20261102A0439S00。6.Schaie,K.Warner.2005.Developmental Influences on Adult Intelligence:The Seattle Longitudinal Study.New York:Oxford University Press,p.1277.王天夫:《年龄不平等》,2026,待刊。
卖惨、引战、造恐慌,虚假摆拍正在透支什么?
虎嗅 · 2 天前
本文来自微信公众号: 华商韬略 ,作者:华商韬略2026年7月的四川宜宾,一家牛肉面馆门口,在两位店员的“押送”下,头套黑塑料袋的面馆老板蹲在地上,手指向一条横幅上的字:“取消外卖、关闭直播,恢复实体繁荣。”相关的视频,很快就出现在短视频平台的同城页面,短短数日,吸引了两万多条评论。如果只刷到一个这样的视频,会让人感觉是餐饮商家的情绪化表达,然而,紧随其后,另一家同在宜宾的酒楼也发布了相同模版的短视频;再接下来,又是一家档口餐馆、一家服装店……当雷同的情节、相似的文案批量出现,情形就没那样简单了。11月10日到13日,央视新闻推出连续调查报道,记者循线找到那家宜宾面馆,发现外卖业务照常经营,其他的餐馆酒楼,有的并未下架外卖,有的甚至从未上架过外卖。这并非是记录现实,而是在编造现实。那些“取消外卖”的故事,从头到尾都是一场表演,那些看似粗糙的画面,恰恰是精心设计的故事。故事的另一头,则是一家深谙“情绪即流量”的MCN机构:四川同舟会。在央视的调查报道中,正是这家“四川同舟会”参与策划了“取消外卖”的短视频,他们向餐饮商家承诺,让老板花最少的时间,最少的钱,拿到最大的流量。以每月3800元的收费,为其拍摄15条视频,并负责全部的策划、内容、剪辑。在行业竞争激烈的餐饮行业,许多商家存在不小的获客压力和流量焦虑,这让经营者认为,花一笔不大的钱,买一系列爆款视频,可以赚回一大笔同城流量,转化成自己的客源。于是,餐饮经营者选择性地忽略了内容的虚假,配合MCN机构出镜,用简单粗暴,毫无质感的视频,营造出一种业余拍摄的真实感。“取消外卖”的策划,正是MCN机构亲测有效,曾经引发舆论强烈反响,从而获得流量的万能模版。这也正是那些雷同的情节、相似的文案为什么会批量出现的原因。在MCN机构一端,它们把这门生意称作“暴力起号”,这是一门完全靠编的生意,一门只为噱头的生意,甚至是一门制造冲突的生意。在媒体调查起底的一个案例中,一位顾客来到一家餐饮门店,就餐完毕后喊来服务员,直接喊话对方:“实话对你说了吧,我是V8顾客,你有什么表示?”这个“以差评威胁商家免单”的视频桥段,同样广为流传,视频中顾客气势汹汹,商家忍气吞声。不同的城市,不同的账号,却有着相似的剧情——这并非真实纠纷,和“取消外卖”一样,出现在短视频里的冲突,都是由机构一手策划,那些顾客,往往是餐饮店经营者自己扮演的。商户之外,骑手是另一个反复被使用的角色。在河南焦作,荆某与亢某从年初开始自编自导自演“我在河南带着孩子送外卖”“单亲妈妈送外卖”等剧情,通过渲染生活艰辛、情感压抑,博取社会同情。这种情绪的撩拨,激发了公众的同理心,两人经营的账号累计发布虚假视频90余条,转评赞总量却超过千万。然而,这些通过骗取善意得来的流量,却都流向了另一个方向——引流变现,平台返利。在短视频平台上,一个名叫“贵州小洪6868”的账号,同样长期发布背娃送外卖的视频,但当完成粉丝积累后,这一账号却开通了橱窗带货,并定期在线直播。这种行为轨迹,最终让网友疑虑丛生,在联系了美团平台后,真相最终浮现——“小洪”于今年3月23日注册成为平台众包骑手,此后的90多天里,他上线5天,累计完成19单,日均完成2单,日均送单时长1小时。那些视频里的风雨兼程,和现实中的接单量,完全对不上号,同样是一个“流量换利益”的故事。在机构的操作下,类似的“苦情连续剧”,几乎被推向了剧情的极致。账号“娟子感恩有你”,先后发布了“失散28年的女儿怀孕送外卖”、“丈夫见义勇为牺牲,妻子怀孕送外卖”等故事,;“香港浩南正能量生活记录”则发布了“老板收留外卖女孩”的故事……这些只能在故事会里看到的极端苦情身世、家庭悲剧,与骑手身份绑定后,营造出了一个持续的人设——这是一个值得同情的人,值得大家守望相助。无论是“下架外卖”、“苦情骑手”,还是“群体冲突”,“外卖卫生”,这些案例的密集出现,共同指向了同一种生意逻辑:借真实关切编假故事,用假故事骗取关注,再把关注转成收入。在这个模式中,账号矩阵既是传播渠道,也是承接商业转化的工具,有毒的流量,帮助造假者成为了受益者,但它的贻害,却远比我们想象更甚。传播学奠基人沃尔特·李普曼在《公众舆论》一书中有个理论:“当我们的看法涉及的空间、时间和事物超过我们的直接观察范围,我们就不得不根据其他人的说法、我们的想象把它们拼接在一起。”在中国,这个理论更加言简意赅:以讹传讹,三人成虎。“做号党”、“毒流量”的真正贻害之处在于,以真实线下商家充当演员、以真实骑手职业充当角色、以真实经营店铺充当场景,刻意在短视频平台的本地页面分发。许多刷到此类视频的网友,都在现实中见过这些商家、店铺,也熟悉日复一日穿梭于楼宇小区间的骑手,这很容易会把“做号党”设计的剧情,当成真实境遇,把碎片化的信息拼凑成完整事件。当这些“真实事件”一再发生,一再被看到,“三人成虎”的效应就出现了。当人为造假的信息,影响了公众的判断,内容造假就此开始对现实社会信任批量注入“毒素”。作为“投毒”的始作俑者,这门“生意”的收益归造假者,但为之买单的,却是全社会公众。最直接的一笔账,来自于敌意,它记在了基层劳动者头上。在短视频平台上,刘某龙团伙打着退役军人旗号,捏造虚假人设,批量摆拍骑手与保安的冲突视频,靠制造对立吸粉,再售卖课程牟利。愤怒,是最容易被点燃、也最容易被收割的情绪——公众把视频里的情绪,带回了现实中的交往:先入为主地对穿工服的骑手、对小区门口的保安、对门店里的商家预设了恶意。尽管现实中本没有那么多冲突,但在这些视频一遍遍的渲染下,整个社会被无形中罩上了一层戾气。更贵的一笔账,来自于恐慌,它记在了整个行业的头上。湖南三人为博流量,策划拍摄“外卖员向餐食吐口水”的虚假视频,直接击中食品安全的底线;还有人造谣骑手将洒落在地的面条重新装盒配送。拍一条“外卖员向餐食吐口水”的视频,成本几乎为零:一件工服,一部手机,一个敢演的托儿。但它撬动的,是5.45亿人对一顿饭的信任。对做号的人来说,这只是一轮涨粉;对日均8000万单的行业来说,这却是在万亿市场的基本盘上,被零成本地凿下一块。更棘手的是,恐慌没有撤回键——湖南三人虽被依法行政拘留,可澄清的传播半径,永远追不上谣言。最贵的一笔账,来自于善意,它记在那些真正需要帮助的人、以及社会全体公众头上。苦情连续剧反复上演、反复证伪——今天是“失散28年的女儿”,明天是“见义勇为牺牲的丈夫”,观众的眼泪一次次被收割,又一次次发现被骗。同情心经不起反复提现——提现的次数越多,留给真正求助者的额度就越少。真正遇到困难的劳动者开口求助时,面对的第一反应,很可能是一句“又是演的”。这笔账没有出现在任何报表上,却真真切切记在最没有表演能力的人头上:他们不懂剧本,却要为剧本买单。三笔账单叠加,是更深的损耗:正常的差评,被怀疑是勒索;真实的投诉,被怀疑是炒作;无奈的求助,被怀疑是诈骗。当每一帧画面都需要先辨真伪,社会群体之间的信任成本被无限抬高——这才是这门生意真正的付款人。虚假摆拍所围猎的,甚至还不只是公众情绪,而是实实在在的经济。当下,国内的外卖餐饮产业关联着超千万骑手,数亿的外卖用户,千万级别的商户,以及万亿级的庞大消费市场。这意味着,外卖餐饮这四个字,早已是中国经济的重要产业组成,围绕它编造的每一条谎言,本质上都是对产业基础的侵害。餐饮之后,可能是药房,是超市,是菜市场,是千千万万融入社会肌体的各类业态,当真实职业与门店可以被任意征用为道具,当公众情绪可以被任意开采为流量,下一个被“毒流量”侵害的,很可能是每一个让人想不到的实体产业。难以胜数的造假者,并不是毫无忌惮的,最有力的武器,便是来自于执法机构的打击。随着虚假摆拍现象的密集出现与发酵,处罚的刻度,正在一点点密集起来。从2025年12月起编造并传播“宁波外卖商家集体下架平台”等不实信息、借机售卖“盈利增长班”、“连锁MBA班”牟利的主播张某,被依法行政拘留。策划拍摄“外卖员向餐食吐口水”的湖南三人,被依法行政拘留;假冒退役军人、炮制骑手与保安冲突视频牟利的刘某龙,被依法采取刑事强制措施。中央网信办对“娟子感恩有你”“贵州小洪6868”“洞房名猪”等多个虚构骑手内容的账号,实施了禁言或关闭处置。仅2026年上半年,网信部门督促网站平台深入自查自纠,针对虚构摆拍外卖员遭歧视、婆媳冲突等违规内容,依法依约处置“自媒体”账号9.8万余个。作为线索核实与证据固定的一方,美团自2024年以来,也已配合公安、网信等部门,打击查处50余起相关案件。删除、封号、通报、行拘、刑拘……从这些处罚可以看出,从内容到账号再到人,执法的工具箱里并不缺工具。但我们也需要正视一个问题:再密的处罚,也只及于个案。封号封得住一个账号,封不住一门生意。做号党算的是一笔账:一条爆款的收益,远大于一次处罚的成本,只要“编故事—骗流量—变现”的链条还能跑通,处罚落地之后,换一个剧本,换一批账号,换一个行业,生意照旧开张。这正是一些媒体在调查中的追问:虚假摆拍赚了流量,岂能“一封了之”?破解的答案,藏在链条中。摆拍生意的要害,从来不在镜头前那几十秒的视频,而在镜头背后的分工——谁供给剧本,谁组织分发,谁承接变现。治理如果只对着视频和账号“打地鼠”,打掉的只是链条最末端的出货口;要让这门生意难以反复获利,就得沿着链条往上游追。对于短视频平台而言,揪出这条线索轻而易举。同款的内容、雷同的文案、高度一致的账号矩阵命名,同一套“本人实名下架外卖平台”的口播,批量出现在数十个城市的同城页面,这些痕迹,意味着识别的技术门槛并不高。只需顺着同款内容、关联账号和共同的导流入口核查,查实违规后,处理的不只是一条视频、一个账号,更是违规变现本身:一旦固定原视频、传播记录、交易与导流证据,移交有关部门,就能把脚本供给、组织分发的主体一个个揪出来。只有追到利益上,才算追到根上。除此之外,视频平台在分发、推荐与审核机制上,同样应当负起应负的责任。在虚假摆拍视频的传播中,用户先看到“商户集体下架”,随后接触多个城市的相似口播,便可能觉得行业正在普遍退出;先看到骑手受辱,再接触其他账号的冲突视频,便可能将某类群体视为天然对立;食安摆拍反复进入视野,也可能使对虚构事件的担忧转化为对真实服务的不信任。相似的内容,重复的接触,都强化了用户的已有判断,而平台根据算法的推荐机制,在其中发挥的作用,恐怕难辞其咎。这其实至少涉及到两个问题:第一,平台如何评估同类误导内容反复触达的风险;第二,如何让澄清触达原受众,让事件的真相得以还原。在移动网络空前繁盛,已成为社会基础设施的当下,自媒体、视频账号的存在,让许多现象与声音有了被看到、被听见的可能:商户有空间讨论经营成本,骑手有空间反映劳动处境,消费者有空间如实评价……因此,这恰恰是治理最需要守住的前提——只有把造假者的空间压到底,真实的声音才能传得开。治理一追到底,追的不应该是几条视频、几个账号,而是如何让“真实”重新变得可信,也让每一个真正需要帮助的人开口时,听到的不再是怀疑。
学费25800,年轻人的上岸焦虑,成了教培机构的又一门新生意
虎嗅 · 2 天前
考公报名人数连年下降,培训机构存量市场吃得差不多,转向AI就业寻求增长。考公的岸变窄,AI的岸也在晃,年轻人挤来挤去只为找个落脚地。终究,掌握生活能力才是根本,该想清楚喜欢什么、擅长什么、社会需要什么。
向风暴而行
虎嗅 · 2 天前
本文来自微信公众号: 零度往上 ,编辑:马江芃,作者:刘自艰气候正变得越来越难以捉摸。苏镝坷这样的追风者站到离风暴最近的地方,试图让大家看见真正的风暴,以及暗藏的危险。超强台风登陆时,所有人都朝着避风的方向撤退,苏镝坷却把车往风暴最核心的位置开去。在华南地区追击台风“摩羯”的那个夜晚,车轮狠狠陷进软泥里,引擎空转,泥浆四下飞溅。倒下的桉树横亘在村道,前路堵死,退路也被封死。桉树质地脆,大风一刮便成片倒伏,本是险境里的隐患,那一晚,它们恰好替这辆困在风雨里的小车,扛住了一波最狂暴的阵风。风速还在持续抬升,继续挪车只会撞上断木,苏镝坷和搭档对视一眼,决定就地驻扎。他们就在风暴的眼皮底下,蜷缩在车厢之内熬过漫漫长夜,守着这个距离风眼最近的点位,拍摄台风登陆全过程。这不是他第一次把自己置于这样的险境。在国内,像苏镝坷这样的实地追风者寥寥无几。25岁的他已经在追风这条路上奔跑了8年,他的自媒体账号取名“风羽酱-sdk”,“风羽”一词是气象学中表示风速的符号,通常作为风矢的组成部分,与风向杆配合使用。气候正变得越来越难以捉摸。苏镝坷这样的追风者站到离风暴最近的地方,试图让大家看见真正的风暴,以及暗藏的危险。把自己交给一场风追风者,顾名思义就是追赶风暴的人。这项活动最早流行于北美大平原。国外的追风者追逐超级单体、龙卷风,在开阔平原上和瞬息万变的强对流赛跑,近乎一场带着野性的冒险。但在国内,山形、水系、植被交错,台风路径飘忽不定,追风没有可以照搬的模板,每一次出发,都是一次全新的博弈。苏镝坷和气象的缘分,始于年少时偶然看见的一张风云二号卫星云图。那时的他看不懂云图上翻涌游走的白色云团意味着什么,也不知道这是监测、研判头顶大气万千变化的观测资料,但好奇心埋下的种子,就此悄悄发了芽。他记忆里经历的第一场台风,是2012年,那一年他家刚从成都搬到杭州。苏镝坷记得,台风“海葵”登陆当夜,窗外狂风四起。气流穿过楼宇间狭长的通道,共振出低沉可怖的呼啸,阵风强弱起伏,呼啸声的音调也跟着忽高忽低,不断触发楼下电动车的警报。风声与刺耳的警报声一同钻进屋里,他躺在床上,只能紧紧捂住耳朵,难以入眠。从那之后,每到夏天,电视、广播里源源不断的台风预警,成了他熟悉的声音。美国纪录片《龙卷风走廊》带给他巨大的冲击,也让他想清楚自己要走的路。影片里,一位影像制片人把大画幅摄像机安置在装甲车上,奔赴龙卷风内部,一边采集气象数据,一边拍下风暴核心的震撼画面。苏镝坷也希望借摄影这门语言,向更多人呈现出这种同时具有美学和巨大破坏力的自然现象,也提醒大家,我们的气候正在发生变化。苏镝坷真正意义上第一次踏入台风核心区,是在2019年,那年他刚拿到中国传媒大学摄影专业的录取通知书。在此之前,他长久泡在气象论坛里,啃云图,学习气象资料。一开始,连他的父亲都觉得,驱车冲进台风圈,是一个十足冒险的荒唐念头。“我告诉父亲,追风会是我未来长时间里要做的事,我要拍出中国版的《龙卷风走廊》。”苏镝坷回忆说。车上装备简陋:一台摄像机,一支手持风速仪和一只气压计,还有后排苏镝坷面前的电脑,屏幕上滚动着实时云图。车从上海金山往浦东推进,朝着台风中心扎进去。雨越下越密,雨刮器开到最大挡位,雨水依旧糊住前挡风玻璃,视线仿佛被吞没。他心里一直绷着一根弦,提前想好预案:一旦险情失控,就把车头对准风来的方向。因为台风登陆前后风向相对稳定,正面迎着风,反而比侧着被吹更安全。他第一次用手持风速仪测到每秒20多米的阵风。回家之后,苏镝坷把素材剪辑成短片传到网上,播放量冲到20万。他忽然意识到,有很多人,和他一样,渴望看见风暴真实的样子。“追风这件事,值得做下去。”苏镝坷说。一场值得被完整记录的天气苏镝坷形容追风就像追剧,有开端、发展、高潮,也有落幕。一场风暴本身自带故事线:云团萌生、积蓄力量、形态更迭,直至抵达鼎盛的高潮。而他追的这一部剧,常常要奔波上千公里、耗上整整一天,只为等候那短短几秒的高光瞬间。一旦捕捉到它,那种成就感会瞬间盖过所有疲惫,让他觉得一切奔赴都值得。很多人以为追风只追台风和龙卷风,在苏镝坷的定义里,他追逐的,是每一场值得被完整记录的天气事件。2021年,台风“烟花”登陆,凌晨四点,风圈抵达岸边。他蹲在路边扛着摄像机,狂风仿佛要把人从车门里吸出去,雨点砸在皮肤上,像细密的针扎。镜头里,一棵已经倒伏的树木,在持续的狂风里来回震颤。多年之后,他依旧认定,这是整场追击里最好的一帧:“它直白地告诉你,台风的破坏力到底是什么。”追风路上,危险常常不期而至。除了追台风“摩羯”被困泥地的惊魂一夜,2023年追击台风“泰利”,苏镝坷一行行驶在国道上,一棵大树轰然倒下,阻断去路。就在他减速打算掉头避让的间隙,另一棵大树应声砸落在引擎盖上。“现在回想依旧后怕,如果再偏几十厘米,车窗就会直接被砸碎。”苏镝坷回忆。前路被倒树封堵,身后同样被断木拦住,一侧挨着混凝土围墙,车子被死死卡在夹缝之中。头顶无数树木还在狂风里剧烈摇晃。危急时刻,一名过路市民上前帮忙挪开树干,他短暂倒车才得以脱身。脱险之后,他还特意提醒好心的路人尽快撤离:台风还在靠近,这里依旧十分危险。此后,台风“米娜”“杜苏芮”“摩羯”“贝碧嘉”“白海豚”接踵而至。苏镝坷追过三百多场风暴,行车里程接近十万公里,足迹向南抵达海南,向北走到内蒙古。▲使用卫星数据渲染后的台风杜苏芮。说走就走,是追风者的常态。但每一场奔赴的背后,都是一套精密、枯燥的理性流程。出发前,苏镝坷要盯着卫星云图,汇总多家机构的数值预报,推演数条潜在路径,预判登陆点位。台风常常在登陆前一两天改道,有时一夜间偏移上百公里,整个计划就要推翻重来。“追十个风暴,能成功追到三个就很好。”苏镝坷说,“没有规律,本身就是大自然的规律,人不可能全部猜对。”追风小队对成功的标准十分苛刻:必须遇上强对流,云系品相完整,观测点位和时间刚好,能够记录风暴从酝酿、爆发到消散的全过程。绝大多数时候,是长途奔波之后的落空。而在所有经历里,最让他难忘的,反而是一场安静的风暴。2020年7月,鄱阳湖流域遭遇特大洪水,他在灾区驻守整整一个月。无人机升空,镜头铺开,一栋栋楼房浮在汪洋之上,平房只露出屋顶,村民划木筏,在淹没的街巷之间穿行。“洪水安静得吓人,一边操控无人机,我一边发抖。”他在田埂边遇见一个农民,坐在淹没的花生地旁,同他讲述了受灾情况。所以真正站进风暴中心,看见的不只是风。追台风“摩羯”的时候苏镝坷注意到,在救援队还没来得及抵达偏远小村庄时,一个农民自己开着挖掘机清理村里的倒树。数次风毁现场都是如此,虽然受灾严重,但村民们仍自发组织起来,努力恢复正常的生产和生活。风暴不只有轰鸣的狂风,更有沉默而绵长的苦难,以及苦难里不肯熄灭的希望。这几幕,长久留在苏镝坷的镜头和记忆里。为什么还要追风追风者也有广义和狭义之分。不同的人,奔赴现场的目的截然不同。气象部门的科研追风队伍,带着专业探测车,定点投放仪器,完成科研任务,采集标准化数据;跑气象口的记者,重心落在民生现场,记录防灾转移,向公众传递预警信息。一个问题反复被抛到像苏镝坷这类没有特定任务的追风者面前:冒着风险奔赴风暴,追风者到底在追什么?他有一个很特别的比喻:追风者像给天空望闻问切的老中医。“现代气象早已拥有一套成熟精密的观测体系,相当于西医的仪器。卫星悬在高空,俯瞰风暴云顶;雷达如同CT机,穿透云层,剖开风暴内核;遍布大地的气象站持续采集气压、温度、风速。但每一种探测手段都有它探测不到的东西。”所以实地追击仍然具有非常重要的意义。苏镝坷进一步解释,卫星只能看见云顶,雷达只能读出剖面数据,它们很难捕捉风暴底层瞬息万变的微观结构。云底流动的纹理、转瞬即逝的云针、弧状的外流云,这些秒级更迭的细节,很难被自动化设备捕捉。而这些来自追风者的可见光影像,恰恰可以补上预报的缺口,反哺气象观测。“雷达六分钟扫一次,卫星十五分钟更新一帧。”苏镝坷说,他们站在风暴之下,一秒一秒地记录。这些留存下来的气象要素、灾损情况、现场影像,汇聚在一起,就构成了追风者自发形成的社会化观测网络。在他给记者播放的素材里,气流向上抬升,抵达对流层顶之后向四周散开,一朵风暴云慢慢撑开,长成巨大的蘑菇形态。苏镝坷说这些肉眼可见的结构,藏着风暴的个性。“风暴,也会拥有性格吗?”记者追问。“所谓性格,就是它的气流结构。”苏镝坷点开画面,指着向外鼓出的云弧,“这是外流型风暴,内部气流向下向外喷涌,把云底向外推挤,于是形成这样一道清晰弧线。看懂这类微观结构,我们就能判断风暴的类型,预判它会带来什么样的灾害。”苏镝坷认为他们拍摄的风暴图像是一种交叉观测。卫星给俯视视角,雷达给剖面,地面实拍补上平视的现场。三者拼在一起,才能够完整理解风暴。预报与实际情况不一定完全相符。这是苏镝坷连续两年追风之后真切的感受。“隔着屏幕,你能看见云团膨胀、雷达回波暴涨;只有从清晨守到入夜,完整跟着一场风暴走完,你才能体会它蔓延、铺展、倾泻的全过程。”风暴是有生命的。苏镝坷始终觉得屏幕上的数字冰冷,而站在雨里,风撞在身上,泥土漫过路面,树木连根折断,所有数据才有了重量。这也是为什么,即便探测技术持续迭代,追风者的现场价值依旧无法被替代。曾经,他和同伴在追击台风“烟花”之前,特地去了浙江象山县的八一大台风纪念碑。1956年,5612号超强台风“温黛”在那里登陆,据推测最大风速超过风速定强能描述的极限,短短几十分钟,12个村庄全毁,超过3000人遇难。“如果我们的存在,能够帮助到更多人及时获得潜在的灾害信息。”苏镝坷补充说,哪怕多一个人获取信息,他觉得追风者这个群体的存在就是有价值的。这便是他拍摄纪录片的初衷:向公众展现风暴的万千面貌,在领略它的奇妙之时,于震撼之中生起对灾害的敬畏。流量,另一场风暴见面时,苏镝坷第一句话是:“要不,你当我的调研对象?”他把电脑转向记者,屏幕上铺开经过多波段融合处理的卫星云图。这是他摸索出来的一套伪彩色渲染方案,把不同红外波段的信号重新整合,即便到了夜晚,也能生成接近白天可见光效果的云图。黄色标注低云,蓝色标记高云,云层的高低、厚薄、流动,一眼就能分清。这套思路,和苏镝坷的摄影专业背景密不可分。他反复强调自己做的是跨学科的事:摄影教会人如何阅读一张图像,传媒则研究人的认知习惯,而他想做的,是把分散在遥感、气象、视觉美学里的信息,揉成一张外行也能看得懂的画面。今年,苏镝坷把这套系统用进了追风的过程。台风“巴威”登陆时,他没有去现场,而是坐在工作室里“云追风”,看着地图上追风的小伙伴一个个移动,通过这套系统,为大家判断登陆地点,提供更精准的参考。苏镝坷开始把技术变成另一种表达,他的创作重心也随之转变:做一些知识性科普,让大家看见天气本来的样子。因为另一场更大的风暴,正在互联网上翻涌。每逢台风季,AI生成的台风、雷暴视频泥沙俱下。画面冲击力极强,却违背气象常识:有人把超级单体雷暴错当成台风,混淆涡旋形态;有人夸大风力制造恐慌;也有人移花接木、张冠李戴,目的无非是博取流量。这些内容,传播量常常数倍乃至数十倍于他的实拍素材。他开始认真研究发布策略和账号运营,较真的不只是流量。苏镝坷觉得,伪科普最大的害处,是让人对天气的尺度失去判断:雷暴或许只是几声闷雷、一阵急雨便消散,也可能狂风骤起,凶险到足以将人从窗边卷走;台风外围或许只是一阵阵雨,但在登陆点和台风眼墙附近,狂风暴雨的破坏力会达到极致。AI生成的影像混淆尺度、张冠李戴,把弱灾害渲染成强风暴,把一类天气错认成另一类。等到人们真正直面极端天气时,反倒分不清风险的轻重,不知道该如何戒备。追风者实拍的价值,在这个时代变得格外稀缺。那些镜头、数据、程序,最终指向同一个命题:人和自然该如何相处。苏镝坷认为,在回答“如何相处”之前,先要认清人与自然究竟是怎样的关系。他把风暴的现场带到公众面前,人们不必记住每一个台风的名字,只要看过这些真实影像,当极端天气来临,心底便能多一分敬畏。
好丽友在县城零食店拿到“大结果”
虎嗅 · 2 天前
本文来自微信公众号: 界面新闻 ,作者:马越好丽友在中国市场的数万家零食量贩店里找到新增长点。界面新闻查阅好丽友近期公布的2026年三季度财报发现,其中国市场中国区营收达到3840亿韩元(约合19.20亿元),同比增长13.8%,占集团当季营收的40.9%,营业利润为732亿韩元(约合3.66亿元),同比增长9.3%。财报中强调,中国作为好丽友的最大单一市场,拉动集团增长。对比来看,2025年中国业务增长乏力,好丽友在中国区营收达到13207亿韩元(约合62.47亿元人民币),同比增长4.0%,营业利润为2417亿韩元(约合11.43亿元人民币),同比下滑0.9%。实际上好丽友在中国能重回增长,一个重要的驱动是渠道上的变化——它押宝了遍布县域市场的零食量贩店。好丽友强调,为了顺应中国流通环境变化,降低对传统大卖场的依赖,资源重新向零食折扣店、电商、便利店、即时配送渠道倾斜。好丽友也开发了渠道专属规格、小包装、限定商品,并且管控渠道间价格冲突,并将零食折扣店培育为核心增长渠道。界面新闻走访北京位于五环外的几家好想来发现,货架上出售包括好丽友派、呀!土豆、好有趣、果滋果心等多款产品,其中糖果类的果滋果心是单独的小规格包装用于称重售卖,价格为每500克19.8元。其他产品也有不同程度的会员价折扣。界面新闻获悉,好丽友近年推出不少专供零食量贩的产品,比如橙子、桃桃、莓果、奶茶四种口味的散称派类;区别于常规商超104g规格的、更小规格88g的薯愿等等。好丽友也已经和赵一鸣、零食很忙、好想来等国内头部量贩零食品牌建立深度战略合作关系。根据财报,截至今年上半年,鸣鸣很忙、万辰两大头部集团的量贩零食店数量已经合计超过了5万家。这背后与食品公司既要依赖逐渐膨胀的零食量贩渠道,同时又要稳住原有价盘和经销商体系有关。“如果直接给零食量贩和商超卖完全同款同规格通货,由于量贩是直采模式,不需要多层经销商,终端售价天然比商超低20%-40%,就会出现大量窜货。”一个在华北市场多年从事食品和饮料经销的人士对界面新闻表示。因为如果商品没有做渠道划分,就会有经销商、黄牛从量贩店进货,倒流回普通的商超、小卖店,从而冲击原有的流通价盘和经销商体系。零食量贩店的生存逻辑是低毛利、高周转和靠低价引流,因此食品大公司往往会通过渠道定制款的方式,缩小规格、调整配方和包装成本,做出“标价更低、适合量贩引流”的单品。这也导致单品挂牌价看起来便宜,但单位克重毛利可以被品牌重新设计,不至于全盘让利。在三季度财报会的电话会问答中,好丽友管理层提到,零食折扣店属于高周转、低毛利结构,因此用专属小包装做SKU区隔,前置向经销商发放激励,推进进店扩张。在中国会优先攻坚中南部区域市场。对于产品本身已经难做到颠覆性创新的食品公司来说,放下身段与零食量贩店积极合作,并从组织结构变化应对快速的渠道变化,在中国广阔的下沉市场寻求增量,可能已经是为数不多的机会。界面新闻注意到,不只是好丽友,包括亿滋、百事、费列罗、玛氏、雀巢等外资食品巨头也在把资源向零食量贩倾斜。比如亿滋大中华区在今年11月进行了内部组织调整,为鸣鸣很忙单设了一支客户团队,万辰和零食有鸣则由另一支团队对接。与此同时,原零食连锁商贸计划团队并入全国商贸计划团队。就在今年3月,这家公司才刚刚把零食店业务从新零售发展团队中独立出来。对于好丽友来说,为了适应更大范围的市场下沉,将资源倾斜给增长更快的品类也是策略的一环。薯类零食成为好丽友在中国重点押注的品类。根据好丽友相关披露信息,自今年起薯类零食产品线的增长主导整体业绩改善。中国市场上半年薯类零食整体销售额为3230亿韩元(约合16亿元人民币),同比增长27%;好友趣增长52%,呀!土豆增长17%,维持稳定基本盘。截至9月,好友趣在中国销售额超过2000亿韩元(约10亿元人民币),也成为了继呀!土豆之后,好丽友在中国第二个年销10亿元单品。不过值得注意的是,“10亿元”单品的统计口径,并未包括好丽友在中国的基本盘巧克力派。销量大涨的背后,好丽友决定在中国增加薯片的产能。界面新闻在三季度财报中获悉,好友趣产线利用率已经超过150%,难以匹配市场需求。于是公司计划到2027年在中国新增3条产线,将薯类零食产能提升约90%。好丽友的好有趣产品图片拍摄:界面新闻马越界面新闻注意到,廊坊经济技术开发区管委10月公示的环评文件显示,好丽友膨化工厂建设项目总投资15000万元,其中环保投1300万元,建设好友趣膨化生产线1条,年产528万箱。不过廊坊工厂本身就是好丽友在全球最大、品类最齐全的生产基地之一,从1995年建立至今有30多年历史,是年产能超过50亿元的超级工厂。11月18日,好丽友中国则向界面新闻证实了要在廊坊新建生产线的消息。薯片、薯条这类零食,属于休闲零食里的大刚需赛道,消费人群广、冲动消费属性强,而在遍布县域市场的零食店里,人们也最容易见到这类产品。好丽友国内流通渠道正在向零食量贩、即时零售倾斜,刚好能匹配好友趣、呀!土豆这类走量型膨化产品。但这个赛道内卷的压力同样突出。乐事长期占据中国市场薯片赛道龙头,而市面上也有更多本土低价白牌参与竞争。对比本土品牌,好丽友的优势在于品质稳定性以及全国经销商网络。好丽友管理层在近期三季度电话会上提到,薯类零食前期设备投入压力大,但随着规模扩大会显现成本杠杆。现阶段因为新产线投入、渠道促销费用投放,利润率仍低于派类。不过叠加健康消费趋势对油炸膨化品类的长期约束,好丽友薯类业务正处在拿到增量但持续让利的阶段,它的销量增长能否转化为利润改善,也取决于后续新品迭代、健康化升级以及渠道博弈的平衡能力。
AI开始给人“看相”,还能预卜生死
虎嗅 · 2 天前
本文来自微信公众号: 西直门外汉 ,作者:老孙去也AI开始抢相面先生的生意了。11月19日,《自然·通讯》发表了一项研究。丹麦研究人员把27660张急诊患者的面部照片交给AI,发现仅凭一张脸,就能对患者的死亡风险进行分层。模型预测3天内死亡风险的AUC达到0.80,预测30天死亡风险的AUC为0.77。在这批患者中,它的风险区分能力超过了部分传统急诊分诊指标和临床风险评分。更有意思的是,一些传统预警评分较低的患者,也被AI识别出了较高的死亡风险。一个月前,哈佛医学院等机构在《柳叶刀·数字健康》发表了另一项研究。研究团队用超过4000万张人脸照片训练AI,随后利用癌症患者数据训练生存预测模型。结果显示,模型判定的最高风险四分位组患者,死亡风险是最低组的3.23倍。两项研究相隔一个月,面对的是不同患者,却干了同一件事:从人的脸上寻找死亡风险的线索。当然,AI还没有预知生死的本事。它能判断谁的风险更高,暂时还算不出谁能活多久。不过,过去属于相面先生的某些说辞,如今确实有人拿着临床数据认真研究了。01医生看病,原本就要看脸。患者面色苍白、眼窝凹陷、面容消瘦,经验丰富的医生往往会提高警惕。古希腊医学里甚至有个专门的说法,叫“希波克拉底面容”,用来描述严重疾病患者可能出现的特征性面容。问题在于,医生可以描述这些变化,却很难把它们换算成一个统一的风险分数。AI试图补上这一环。哈佛团队先让模型从4000多万张照片中学习面部特征,再针对不同任务训练算法。一个估算面部年龄,另一个预测癌症患者的生存风险。研究涉及38183名美国癌症患者,并在荷兰4892名癌症患者组成的独立队列中进行了外部验证。其中,面部年龄模型预测实际年龄的平均绝对误差约为5.1岁。至于生存预测模型,高、低风险组之间的死亡风险比达到3.23。数字相当漂亮。但4000多万张照片主要用于学习人脸特征,并不意味着研究人员掌握了4000多万人的健康档案。所谓5.1岁的误差,也只是视觉年龄的估算误差,不能证明AI准确测出了人的生物学年龄。3.23倍则是不同患者群体之间的统计比较,不能直接换算成某个人的死亡概率。AI可以发现面部特征与死亡风险的关系,但还无法据此判断某个人的寿命。这条界限必须划清。02相比哈佛研究,丹麦团队这次把应用场景推向了一个更敏感的地方:急诊科。急诊医生每天都要判断谁应该优先接受救治。这套流程有成熟的分诊标准,医生和护士会结合意识状态、呼吸、血压、心率等指标,评估患者的紧急程度。但临床上的危险,未必总能被这些指标充分捕捉。丹麦研究纳入的患者年龄中位数为73岁。研究人员发现,在传统早期预警评分较低的患者中,面部AI仍能识别出死亡风险明显较高的人群。这意味着,算法可能捕捉到了常规分诊指标没有充分反映的信息。假如未来经过临床验证,这项技术可以帮助医生重新审视那些表面上并不危急的患者。但论文里的风险分层,距离急诊室里的实际应用,还有一段路。公开的研究预印本显示,部分照片的采集时间可能延伸至患者入院后30天内。这与患者刚到急诊、医生必须立即决定救治顺序的场景并不完全相同。研究证明面部照片包含预后信息,并未证明在急诊分诊的第一时间使用模型,就能获得同样的效果。还有一个问题,研究并没有充分回答。AI识别出来的高风险患者,医生原本能不能识别?如果一位患者明显消瘦、精神萎靡,医生结合病史、查体和检查结果已经判断其身体状况很差,AI再给出一个高风险评分,新增的价值就需要重新衡量。英国科学媒体中心邀请的独立专家在评论哈佛研究时,也指出了这一局限:模型尚未证明,它能在医生现有的患者整体状况评估之外,提供多少真正有用的临床信息。预测能力与临床价值之间,不能直接画等号。03真正麻烦的事情,发生在AI评分进入临床决策之后。设想一位晚期癌症患者,医生根据病情、身体状况和治疗意愿,认为可以继续接受下一阶段治疗。这时,面部AI给出了很高的死亡风险评分。医生如果坚持原有治疗方案,就需要解释为什么没有采纳算法提示。如果医生因此降低治疗强度,患者又可能失去一次治疗获益的机会。死亡风险高,并不等于治疗没有价值。临床医生真正需要知道的,还有患者能否耐受治疗、不同方案可能带来的收益和伤害。目前,两项研究都没有证明,根据面部AI评分调整治疗方案,能够改善患者的最终结局。但医院一旦采购并启用这类系统,责任就不能含糊。假如一个被分为低优先级的急诊患者,被AI标记为高死亡风险,医院首先需要规定由谁复核。如果要求医生追加检查、增加监护,还需要明确触发条件。假阳性过多,急诊科可能增加大量检查与观察工作;假阴性造成漏判,风险则由患者承担。过去,医生根据临床证据作出判断,医院依照诊疗规范监督质量。以后如果病历中多了一个AI死亡风险评分,医生偏离算法建议,是否需要额外说明?算法提示被忽略后发生不良结局,医院又该怎样评价?这些都是需要制定流程的问题。软件供应商负责提供模型,但实际诊疗仍由医院组织、医生实施。采购合同里的“仅供辅助参考”,不能代替医院对临床使用边界的管理。算法越接近治疗决策,医生需要承担的解释工作就可能越多。04对于医疗AI企业,这显然是个颇有吸引力的方向。过去,很多医疗影像AI依赖CT、MRI或病理图像,必须接入专业设备和医院信息系统。面部AI的采集门槛要低得多。一部手机就可能完成拍照。若后续研究证明确有临床收益,急诊风险评估、肿瘤随访和老年医学都有潜在应用空间。不过,采集成本低,并不等于医院愿意掏钱。一家医院已经拥有电子病历、检验系统和成熟的风险评估流程。如果再采购面部AI,企业得证明它能发现多少原本被漏掉的高风险患者,又会额外制造多少误报。增加的检查、复核、监护和培训成本,也要有人承担。还有数据。过去,医院采集患者照片,主要用于身份核验或病历记录。现在,同一张照片可能被用于推断健康状况,甚至死亡风险。我国《个人信息保护法》已将生物识别、医疗健康信息列为敏感个人信息。照片换了用途,医院就必须重新审视处理依据、告知授权、数据留存与供应商权限。更现实的是,面部AI目前仍缺乏充分的前瞻性临床验证。模型能否跨医院、跨人群稳定使用,能否改善患者结局,都需要继续研究。丹麦研究的部分作者已经就相关风险预测方法申请临时专利。哈佛团队也公开了部分模型代码和权重,但生存风险预测模型的权重尚未公开。从论文走向产品,商业开发已经可以设想,临床应用资格却不能靠论文自动获得。尤其对于预测死亡风险的技术,医院没有多少试错余地。相面先生看错了,最多被骂一句江湖骗子。AI如果看错了,而医生又照着它的判断改变了治疗方案,事情就没那么简单了。毕竟,算命可以只管说,治病总得有人负责。参考资料Heckenbach I,et al.Facial photographs reveal mortality risk beyond triage and clinical risk scores.Nature Communications,2026年11月19日。https://doi.org/10.1038/s41467-026-79581-8Haugg F,et al.Foundation artificial intelligence models for health recognition by use of face photographs(FAHR-Face):a model development and validation study.The Lancet Digital Health,2026年10月19日在线发表。https://doi.org/10.1016/j.landig.2026.101056Heckenbach I,et al.Facial photographs reveal mortality risk beyond triage.medRxiv,2026年2月研究预印本,供核对照片采集时间等方法细节。https://doi.org/10.64898/2026.02.12.26346148Science Media Centre.Expert reaction to study testing an AI tool using a face photograph to predict cancer survival.2026年10月19日。https://www.sciencemediacentre.org/expert-reaction-to-study-testing-an-ai-tool-using-a-face-photograph-to-predict-cancer-survival/《中华人民共和国个人信息保护法》,第二十八条至第三十条。https://www.cac.gov.cn/2021-08/20/c_1631050028355286.htm
加州对L4自动驾驶公司下禁令,给中国企业提醒了什么?
虎嗅 · 2 天前
本文来自微信公众号: 科工力量 ,作者:王润莲在高速公路上接送乘客还不到一年,Waymo就因为接连闯入施工禁区,被加州监管部门踩下了刹车。近日,加州机动车管理局证实,已于11日禁止Waymo在全州高速公路上开展无安全员运营和测试。禁令原本只针对加州,但Waymo随即把高速载客服务的暂停范围扩大到旧金山湾区、洛杉矶、凤凰城、迈阿密和奥斯汀五个市场。让加州出手的,是接连两天发生在旧金山湾区的险情。11月5日,101号公路一段道路封闭施工,工人和设备都在场,三辆Waymo开了进去。第二天,280号州际公路上,巡警车正引导后方车流减速,一辆Waymo试图从旁边绕过去,被警车挡了下来。虽然Waymo称,两起事件均未造成碰撞或人员受伤,但加州车管局则认定,反复闯进仍有人作业的封闭区域,已对公共安全构成紧迫威胁。这次禁令,恰好打在Waymo最重要的市场上。加州一直是Waymo的业务大本营,旧金山湾区和洛杉矶更是它重点扩张的地区。根据公开数据估算,去年8月,Waymo在加州的车队规模还只有约1400辆,到今年6月已经超过3200辆。8月,Waymo又获得监管批准,进一步扩大湾区和洛杉矶周边18个县的运营范围,服务版图有望扩大到原来的三倍以上。如今,高速公路突然被划为禁区,依赖高速路线的机场接送、跨区域长途订单首当其冲受到冲击,《旧金山纪事报》报道,这次限制实际会让乘客叫不到前往该机场的Waymo。给Waymo正在推进的业务扩张添了很大变数。Waymo是谷歌母公司Alphabet旗下的无人驾驶公司。它把L4自动驾驶做成了出租车生意,在获准的道路和运行条件下,由系统完成驾驶,车内无需司机接管。今年9月,Waymo在美国15座城市提供服务,每周约有50万笔付费订单。规模远超特斯拉Robotaxi和亚马逊旗下的Zoox等美国竞争对手。据Axios报道,截至今年8月,Waymo占据了美国无人驾驶网约车约95%的订单,而特斯拉和Zoox当时仍处于商业化扩张初期。Waymo的野心还不止于美国。今年9月,它宣布与日本出租车公司日本交通、打车平台GO达成合作,计划2027年在东京推出商业化无人驾驶出租车服务。吊诡的是,Waymo的车队越开越大,栽跟头的地方却并不新鲜。过去一年,它已经因为施工道路等问题多次召回车辆,而且,多次问题还是没有得到根本性的解决。半年前修好的bug,又复活了回头看今年6月的召回记录,Waymo这次遇到的麻烦,几乎是半年前的重演。先出问题的是凤凰城。4月11日和19日,Waymo有6次驶过封闭匝道的标志,进入高速施工区。5月18日,旧金山湾区又有7辆Waymo从锥桶之间穿过,开进相邻的封闭施工车道。6月17日,Waymo向美国国家公路交通安全管理局(NHTSA)提交召回报告,涉及3871套第五代自动驾驶系统。两地出事时,车都开进了不该走的地方,但原因有所不同。凤凰城的车辆没能识别匝道封闭标志。湾区那7辆车,可能漏判了施工区,也可能是在避让其他危险时排错了先后,把已经封闭的车道选作避让路线。锥桶摆在路肩上,和横过一整条车道,自动驾驶汽车对它的判断不同。软件得结合锥桶的排列和车道位置,判断究竟哪里能走,假如前车突然减速,旁边正在施工的车道看起来也许很空,一旦系统把它当成避让的去处,车就可能开进去。Waymo当时的解决措施是更新了软件,提高施工区识别能力,调整遇到多种危险时的处置顺序,并增加提前识别计划施工路段和远程协助等措施。7月底,Waymo从凤凰城开始逐步恢复高速载客。然而三个多月后,湾区的封闭施工路段里又出现了Waymo。11月两起险情的详细技术调查尚未公开,还不能断定是同一故障复发。但类似问题反复出现,足以让监管部门怀疑,此前的修复究竟有多大效果。而且,Waymo被追问软件修复效果,也不止这一次。11月6日,NHTSA启动复核,涉及2895套Waymo系统。此前,Waymo因为车辆违规驶过停靠校车而召回软件,声称已经完成修复。但监管部门发现,掌握的相关事件中,多数发生在Waymo所报的修复日期之后。Waymo则辩称,自今年3月以来,公司没有再收到此类罚单。规则突然改变的时刻在美国,类似的麻烦并非Waymo一家遇到。今年6月20日,拉斯维加斯一辆空载Zoox无人车开进被浓烟笼罩的火灾现场。当时消防员还没摆好锥桶,车辆试图转向,随后急刹停住,最终在远程人员协助下倒车离开。7月,亚马逊旗下的Zoox为此召回105辆无人车,更新软件,提高对浓烟等情况的识别能力。通用汽车旗下的Cruise也有过类似问题。2023年8月,一辆Cruise无人车与正在执行任务的消防车相撞,车内乘客受伤。同年10月,一名行人被其他汽车撞倒后落在Cruise车前,Cruise撞上行人并停住,随后又执行靠边停车动作,将伤者拖行约6米。Cruise无人车与消防车相撞现场事故及后续信息披露问题,最终导致加州暂停Cruise的无人驾驶测试和运营许可。2024年底,通用汽车停止资助Cruise的无人出租车开发业务。今年7月8日,NHTSA专门给自动驾驶企业发出公开信,列举了监管部门记录的险情。有的无人车直接开进事故现场,有的挡住救护车和消防车,还有的无法正确应对警灯、浓烟和交通锥桶。这些事故大多有一个共同点:道路原本的通行规则,突然发生了变化。消防员刚到,还来不及设置路障;巡警可能临时要求高速上的车辆减速;施工人员也可能正在搬动锥桶。对司机来说,看到这些情况,通常就知道不能再按照原来的车道行驶。无人车却必须根据现场不断变化的信息,重新判断哪里能走、该让谁先走。更麻烦的是,这类意外远没有正常行车那么频繁,即使车队累计行驶上亿公里,也未必碰到过足够多的复杂情况。但总体碰撞率低,掩盖不了故障在特定场景集中出现的风险。5月一天有7辆车进入封闭施工车道,11月又有3辆车驶进同一处工地。同样的软件装在几千辆车上,一处没修好的缺陷,就可能让整个车队反复犯错。修好一个场景,弄坏另一个如今,Waymo等自动驾驶企业都是用世界模型训练和测试无人车,减少对真实道路试错的依赖。简单来说,自动驾驶系统先从大量真实驾驶数据中学习如何开车,世界模型则负责在计算机里模拟道路环境,预测车辆、行人和其他交通参与者接下来会怎样运动。无人车在虚拟道路上做出加速、转弯或避让动作,周围的场景也会随之变化。如果发生碰撞或者违规,系统就可以根据反馈调整驾驶策略,反复训练。今年2月,Waymo公布了自己的世界模型。该系统不仅能模拟真实行车记录,还能生成相应的摄像头和激光雷达数据。Waymo甚至展示过龙卷风、大象出现在道路上的罕见场景。但相比这些奇观,Waymo大模型应该先关注更基础的路况改变后的应急调整。世界模型确实可以提高训练效率,但问题在于,修好了一个场景的错误,不代表车辆在其他场景中也会表现得更好。今年2月,清华大学封硕等研究人员在《自然·通讯》发表论文,专门讨论了自动驾驶训练中的“跷跷板效应”:针对某一类危险加强训练,可能提高车辆在这类场景下的安全性,却让它在其他场景中更容易犯错。这是因为,真正危险的驾驶场景在海量行车数据中只占很小一部分。企业发现事故后,往往会重点利用这些失败案例训练系统。但如果只盯着出错的情况,模型就可能学到过于偏激的避险策略。放到Waymo的施工区问题上,道理也是如此。如果强化训练让车辆见到锥桶就尽量远离,它可能成功避开封闭车道,却也可能把正常摆在路肩上的锥桶误判为封路信号,突然急刹。研究人员也在寻找更好的训练方法。香港大学李弘扬等研究者提出的WorldEngine,就尝试从真实行车记录中找出容易出错的片段,将其重建成可以交互的虚拟道路,再改变其他车辆的行为,生成更多不同的危险场景,用于训练和测试。WorldEngine训练前后对比图清华大学团队则提出,训练不能只盯着失败案例,还需要保留那些对安全决策有帮助的成功经验,避免模型为了修复一种错误,破坏已经学会的正常驾驶能力。让封道消息先到车上国内无人出租车也在扩大服务范围。11月18日,小马智行在三季报中披露,广州中心城区与南沙原先分开的运营区域已经连成一片,连续服务范围超过1000平方公里。乘客可以预约南沙、海珠、天河等区之间的行程。截至9月底,小马智行全球无人出租车队达到2768辆,并已在深圳宝安国际机场提供全无人商业服务。萝卜快跑也在加快扩张。11月16日,百度披露,今年第三季度萝卜快跑在深圳的全无人驾驶订单量环比增长约170%。截至10月底,其业务已经覆盖全球30座城市,累计自动驾驶里程超过3.9亿公里。但国内无人出租车也避免不了施工、交通管制和突发事故等特殊情况的处理问题。去年8月,重庆永川一辆萝卜快跑无人车就驶入正在施工的道路沟槽,车内乘客最终在现场人员帮助下,借助梯子脱困。针对这些复杂路况,国内企业正在加强模拟训练。今年4月,小马智行发布PonyWorld 2.0世界模型,能够分析无人车在哪些场景中判断失误,再有针对性地补充训练数据。文远知行1月发布的GENESIS,可以模拟道路受阻、车辆突然变道、紧急避险等场景。11月初,百度也推出Apollo World,让萝卜快跑在虚拟城市中完成从接单到送达的完整行程,检验车辆在连续变化的路况下如何应对。不过,除了继续改进车上的自动驾驶软件,我国还在进一步发挥道路基础设施的作用。湖南高速、中国交通广播等单位建设的“车路云·听”,已经能把施工、管制、事故等消息送到车机,通过弹窗和语音提醒司机。11月19日,交通运输部网站披露,该项目入选首批“人工智能+交通运输”典型应用场景,车载用户超过137万辆。当下,我国已在20个城市及联合体开展车路云一体化试点,可以借此打通道路运营方、交管部门和车企的信息系统,让不同品牌的无人车及时获取道路管制消息。相比让无人车到了施工现场,再靠识别锥桶判断能不能通行,提前获得准确的封路信息,显然更可靠。当然,车路云不能替代车辆自身的判断,突发事故仍然需要自动驾驶系统独立应对。但Waymo的教训至少说明,自动驾驶的安全性,不能只寄希望于车上的算法越来越聪明。道路本身,也可以成为解决问题的一部分。
2026年,如果禁韩令解除...
虎嗅 · 2 天前
本文来自微信公众号: 赵先生的事务所 ,作者:赵智功这两天,关于禁韩令松动的消息又热闹起来。2026年11月18日,中韩两国在深圳举行元首会谈,并宣布实质性完成自贸协定第二阶段服务与投资谈判。按照韩方公布的信息,中国将在电影、游戏等领域给予韩国最惠国待遇,相关内容审查适用非歧视原则。双方还将电影合拍合作扩大到电视剧、动画、综艺和纪录片。消息一出,韩国文娱产业迅速作出反应。资本市场先动了起来,韩国娱乐公司股价上涨,电影行业也开始讨论重返中国市场的可能性。这当然是一个积极信号。但我对禁韩令全面解除这件事,依然不太乐观。原因很简单。我们似乎一直在讨论一个错误的问题:中韩关系是不是回暖了?韩国艺人是不是可以回来了?真正的问题是,即使韩国艺人能够回来,他们还能不能按照过去熟悉的方式工作?他们面对的,究竟还是不是十年前那个中国文化市场?01禁韩令可以松绑,但它从来没有一个明确的开关首先需要弄清楚一件事:所谓禁韩令,本身就不是一项公开发布、边界清晰的正式法律禁令。2016年之后,中国官方始终没有正式承认存在一项针对韩国文化产品的全面禁令。但韩国影视作品、综艺节目和艺人演出在大陆市场受到的限制,却是真实存在的。这恰恰构成了一个非常微妙的局面。既然没有一份明确的禁令文件,今天也就很难期待一份对等的解禁文件。没有正式文件,也就意味着没有一张可以直接拿出来对照的解除清单。哪些限制取消了,哪些限制仍然存在,什么活动可以申请,什么规模可以举办,什么艺人可以出现,都需要通过实际执行来观察。因此,外交层面的表态、经贸层面的开放承诺,与文化市场真正恢复正常运转,是三个不同的概念。电影享受最惠国待遇,不等于韩国电影自动获得上映许可。合拍机制扩大,不等于韩国导演可以自由选择题材。品牌可以邀请韩国明星代言,也不等于大型演唱会可以顺利落地。更何况,韩国总统府高级官员已经明确解释,此次谈判并没有包含要求双方批准对方歌手演出的条款。这意味着,韩国艺人最关心的演唱会市场,依然没有获得明确的制度性保障。过去十年的经验已经足够说明问题。个别艺人可以参加活动,个别品牌可以开展合作,甚至个别作品可以上映。这些都可以成为松绑信号,却不能直接证明市场已经开放。2021年,韩国电影《哦!文姬》曾经在中国大陆上映。当时也有不少人认为,这可能是韩国电影重新进入中国市场的开始。结果呢?后续并没有出现持续、稳定的韩国电影引进潮。2025年,韩国艺人和演出项目也出现过一些局部开放,但EPEX演唱会、三亚梦想演唱会等项目仍然遭遇延期或许可障碍。所以,我更倾向于认为,未来即使有所开放,也会先出现一种选择性、分阶段、可控制的松绑。小型活动可以试探,商业合作可以推进,合拍项目可以先行。至于大型巡演、综艺节目和具有较强社会影响力的文化内容,恐怕仍然需要很长的观察期。这不是一个开关问题,而是一套复杂的执行机制问题。02十年过去了,韩国电影和中国电影已经走向不同的方向禁韩令真正值得讨论的地方,其实不只是商业损失。过去十年,中韩两国的文化产业都发生了明显变化。尤其是在电影和大众文化表达方面,双方逐渐形成了不同的气质。韩国电影为什么能够在国际市场获得认可?当然有工业体系、演员演技、剧本能力和成熟的制作机制。但还有一个重要原因:它敢于把社会问题直接放进故事里。阶级冲突、财阀政治、司法腐败、宗教问题、家庭暴力、社会边缘人群,甚至国家机器本身,都可以成为电影叙事的对象。《寄生虫》讲阶级,《熔炉》讲制度性侵害,《辩护人》讲权力与司法,《首尔之春》讲政治与军事权力。题材一个比一个猛。这些电影并不总是温和的。它们有攻击性,有情绪,有愤怒,甚至有些粗粝。它们愿意让观众不舒服。当然,韩国电影也有自己的审查制度、产业困境和商业妥协。韩国社会同样存在保守势力和舆论压力。但至少在很多商业电影和类型片的表达空间里,创作者仍然能够直接触碰一些敏感的社会矛盾。反过来看内地市场。这些年,中国电影并非没有优秀作品,也并非所有创作者都失去了表达能力。但整体而言,内容生产越来越重视安全边界。题材选择更加谨慎,人物塑造越来越容易落入正确与错误的二元结构。复杂的人性需要被解释,尖锐的社会问题需要被处理,某些情绪甚至在进入剧本之前,就已经被制作方主动过滤。于是我们看到,电影越来越擅长制造场面,却越来越不擅长制造真正有力量的观点。问题不完全出在创作者身上。产业的生存逻辑决定了创作者如何计算风险。一部电影的投资可能上亿。谁愿意为了一个可能引起争议的表达,承担不可预测的损失?久而久之,谨慎就会变成行业习惯。行业习惯再逐渐变成审美标准。这才是最值得警惕的变化。韩国电影在过去十年里,借助Netflix等全球平台进一步扩大了国际传播范围。中国观众对韩国电影的认识,也越来越多地来自海外平台和非正式传播渠道。两国文化产业之间的距离,已经不能简单地用一张电影进口配额来衡量。一个越来越习惯于控制表达风险的市场,面对一个仍然愿意把社会矛盾放到银幕上的产业,未必能够自然地形成文化共鸣。03韩国艺人真正不熟悉的,可能是中国的举报文化如果说电影审查是行业内部能够理解的制度问题,那么举报文化可能会让韩国艺人感到更加陌生。韩国娱乐产业并不缺少争议。艺人有政治立场,有个人生活,有鲜明的表达方式,也经常面对媒体追问、公众批评和商业抵制。韩国社会同样存在取消文化,明星的一句话、一个动作,都可能引发舆论风暴,以及大范围网暴。韩国艺人是见过大场面的。但中国市场有一个值得特别关注的现象:个人对某种文化内容的不满,可以通过举报渠道进一步转化为公共管理压力。这里需要区分两件事,理性讨论一下。正常举报当然有必要。违法演出、侵害未成年人权益、虚假宣传以及其他违规行为,都应该受到监督。问题在于,当审美偏好、道德判断、政治立场、饭圈冲突和个人好恶,也被包装成需要行政处理的公共问题时,举报就可能超出正常监督的边界。一个人不喜欢某个艺人,可以不听他的歌。一个人不接受某种舞台风格,可以选择不买票。但当这种个人选择进一步变成集体投诉,要求有关部门采取措施,要求平台下架,要求演出取消,事情的性质就发生了变化。更复杂的是,这种压力不一定需要最终形成行政处罚。只要投诉本身可能带来调查、舆情和监管关注,主办方就会提前考虑风险。品牌会重新评估代言,平台会审查内容,演出公司会要求艺人修改曲目、服装甚至发言。最后,真正发挥作用的可能不是某一条明确的禁令,而是每个人都不愿意承担未知后果。这就是举报文化最有力量的地方。它可以让市场参与者主动收缩,而不需要每一次都有人出面喊停。Kanye West就是一个有意思的例子。2024年,Kanye West在海南海口举办演出。演出之前,海口当地的公众投诉渠道出现了针对他的投诉。有人认为他的歌词和个人言行不符合中国社会价值观,担心产生负面影响。最终,这场演出仍然如期举行。这里需要强调,Kanye并没有因为这些投诉而被取消演出。但这件事值得关注的,恰恰是投诉机制如何进入一场商业演出的公共讨论。一个来自美国、具有强烈个人表达风格、长期处于争议中心的音乐人,甚至在正式演出之前,就可能成为公众价值判断和投诉机制的讨论对象。而且,中国文化和旅游市场目前已经设有全国统一的网上举报投诉系统,涵盖电影、出版、营业性演出、网络音乐等多个领域。这是一套真实存在的公共监督渠道。但当这套机制与社会舆论、平台治理和商业风险相互叠加,艺术表达就会面对一个很现实的问题:创作者究竟需要满足什么标准,才能保证自己的作品不会在演出之后突然引发另一场争议?这个标准,有时候并没有一个足够清晰的答案。04K-pop最有活力的部分,恰恰可能是中国市场最难接受的部分K-pop的成功,从来不只是几张漂亮的脸和几首洗脑歌曲。它有强烈的身体表达、视觉风格、舞蹈语言、性别表达和亚文化元素。它允许偶像在一定范围内挑战传统性别形象,也允许音乐人表达愤怒、欲望、叛逆和自我。尤其是韩国的Hip-hop、R&B和独立音乐场景,很多作品并不追求传统意义上的正能量。它们可以很粗粝,可以很私人,可以表达对主流社会的不满,也可以带有强烈的性和暴力意象。这些东西构成了流行音乐的活力。音乐本来就不应该承担全部社会教育责任。年轻人听音乐,也不是为了接受一套标准答案。他们有时候只是想释放情绪,寻找同类,体验一种现实生活中没有的自由感。但在今天的中国市场,很多文艺内容要面对的,已经不只是传统意义上的内容审核。还有一套越来越复杂的舆论环境。歌词可能引发争议,服装可能被解读,舞蹈动作可能被批评,艺人的历史言论可能被重新翻出来。某个粉丝群体的不满,也可能迅速转化为针对艺人或主办方的集体投诉。这会产生一种非常有意思的结果。韩国艺人即使拿到了演出许可,也不意味着演出一定能够按照原来的设计呈现。主办方可能要求提前修改曲目。品牌可能要求艺人避免某些表达。宣传团队可能反复确认艺人的公开言论。甚至一场原本纯粹的音乐活动,也需要提前进行大量舆情风险评估。这与韩国艺人熟悉的娱乐商业逻辑,会产生不小的摩擦。更重要的是,问题并不只针对韩国艺人。Kanye West可以成为讨论对象,其他欧美艺人同样可能面临类似处境。一个市场如果无法容纳不同文化背景、不同审美取向和不同表达方式,受限制的最终不会只是某一个国家的艺人。文化市场最怕的,就是所有人开始猜测什么东西不能做,却没有人敢明确告诉你什么东西可以做。05十年过去,韩国也不再需要一个十年前的中国市场还有一个经常被忽略的问题:韩国娱乐产业自身也变了。十年前,中国大陆是韩国娱乐产业非常重要的市场。粉丝消费、商业代言、影视发行、版权合作,都有着巨大的想象空间。但过去十年,韩国文化产业的全球化已经进一步深入。K-pop在北美、欧洲和东南亚拥有更加成熟的市场。韩国影视作品借助Netflix等全球平台触达不同地区的观众。韩国艺人也逐渐建立起更国际化的巡演和商业合作体系。中国市场当然依然重要。但重要,不意味着不可替代。对于韩国经纪公司而言,重新进入中国市场,首先需要考虑的已经不只是能赚多少钱,还包括审批稳定性、舆论风险、商业回报和长期投入是否值得。一家经纪公司不可能为了几场演唱会,长期承担不可预测的运营成本。尤其是当一个艺人拥有全球市场时,中国市场如果始终需要特殊的内容管理和舆情管理,企业自然会重新计算投入产出比。与此同时,中国本土音乐、影视、游戏、短视频和偶像产业也已经发生了变化。十年前的韩流具有很强的新鲜感。今天的中国年轻人有更多内容选择,也有本土化的偶像工业和娱乐产品。即使禁韩令真正解除,韩国艺人也未必能够复制十年前的商业成绩。过去的粉丝长大了,新一代年轻人有自己的审美。市场没有停止运转,也不会因为某个国家的艺人回来,就自动恢复到过去。06真正的开放,需要允许文化本身具有不确定性我当然支持禁韩令松绑,这对我的工作也是重大利好。事实上,一个成熟的文化市场,本来就应该有能力容纳不同国家的音乐、电影和艺术表达。但我对全面开放持悲观态度。因为解除某项行政限制,相对容易。改变一套已经形成的行业预期、市场习惯和公共舆论机制,要困难得多。过去十年,内容生产者学会了谨慎,平台学会了自我审查,品牌学会了规避争议,主办方学会了提前过滤风险。这些东西不会因为一次外交会谈,或者一项自贸协定,就自动消失。韩国艺人即使回来,也可能发现自己面对的是一个完全不同的市场。这里有庞大的粉丝群体,有极具消费能力的年轻人,也有全球最值得重视的商业市场之一。但这里同样有一套复杂的文化管理机制,以及一种越来越容易把文艺表达转化为公共价值争议的社会氛围。说到底,开放的标准不应该只是允许某个明星进来,允许某家公司合作,允许某个项目落地。真正的开放,应该允许不同的文化表达按照合理、清晰、稳定的规则存在。否则,艺人可以回来,歌曲可以上线,演唱会也可以举办,但所有人都必须小心翼翼。那不叫文化交流。只是商业活动获得了一张临时通行证。如果有一天,韩国艺人真的大规模回到中国舞台,我倒是很期待他们观察一下这里的文化生态。他们可能见过财阀,见过政治丑闻,见过娱乐圈的各种荒唐事,也见过世界各地的取消文化。但他们未必见过这样一种场景:一场演出还没有结束,关于演出是否应该存在的讨论,可能已经在另一个地方开始了。而且,发起讨论的人,未必买过这场演出的门票。这可能才是十年禁韩令留给中国文化市场最值得思考的东西。
日活不低,为什么AI大厂却急眼了?
虎嗅 · 2 天前
本文来自微信公众号: 未来图灵 ,作者:张凤静11月中旬,DeepSeek的免费用户发现多了一条规矩:一个对话超过7天没有再聊,就不能接着用了。单次输入上限收到约4万字,每日额度用完,弹窗提示因服务器繁忙、使用额度已达上限。#DeepSeek使用额度已达上限#随后登上热搜。有人翻出之前让它整理的会议纪要,想再改两笔,那个对话框已经关上了。用户排队喊"取消限额",甚至有人主动说"出会员我也买"。官方措辞很克制:“受算力约束”。同一周,账本摊得极密:百度11月16日、腾讯11月18日发三季报,字节11月18日晚亮出豆包工作的成绩单,阿里11月19日晚压轴交卷。往年这时候比的是月活日活,今年刷屏的是资本开支、Token和ARR。几家都交了好成绩,但没有一家在庆祝。大厂都急了。急的不是增长不够快,是增长本身在变成账单。十年前不是这样。一款App最怕你七天不打开,签到、红点、推送、召回短信,全是为了把你拽回来。现在产品先开口:你七天不来,我就不给你留位置。变的不是礼貌,是账。这一周亮出来的几乎都是好消息,放在互联网时代,每一组都值得开香槟。几家却都在回答同一个问题:钱什么时候回来。日活还在,只是不算战功了今年上半年,行业还在认真数人头。QuestMobile9月报告里,豆包月活4.19亿、DeepSeek1.23亿,AI原生App整体月活5.46亿,同比增长82.1%。榜单照发,宣传重心却已经不在这个数字上了。11月18日晚腾讯业绩会,刘炽平说了句很少出现在公司口径里的话:元宝没有达到最初预期,重点从扩大用户规模转向提升能力,公司也大幅削减了在元宝上的投入。同场介绍WorkBuddy,换的是另一套词:日活超过1000万,日均消耗超过100万亿Token,按词元消耗量计,已是国内使用量最高的AI产品。财报里那个"最"字,给的冠军不是人头最多,是消耗最大。按用量收费的生意里,用户数只是分母,Token才靠近收入。火山引擎6月披露豆包大模型日均Token调用量突破180万亿,业务重点转向编程、智能体和生产场景;7月,Kimi在算力承压时收紧部分C端服务,把有限算力优先留给付费用户。过去二十年,中国互联网的所有打法都建立在一条几乎不需要论证的定律上:固定成本前置,边际成本趋近于零。服务器架好、带宽买断、App开发完成,第1个用户和第1亿个用户,摊到每个人身上的成本越来越薄。于是"用户越多越便宜"成了常识,日活、月活成了最硬的估值货币,先免费圈人、再慢慢变现成了标准动作。过去多一个人用,是多一份可以卖的注意力;现在多一个人用,是多一笔要结的推理费。所以要交代的不再是有多少人,是养这些人要多少电。改口不是因为谦虚,是这一栏压不住了。机房还没盖好,账单先到了互联网时代扩张是加带宽:用户涨了,多租几台服务器,当天就能开。AI时代扩张是盖电厂:先付钱、先锁芯片、先征地接电,机器转起来是两三年后的事,账单却从下单那天就开始跑。钱能当天批,机房不能当天盖。用户明天就来,电得论年等。按满负荷测算,一座1GW的智算中心一年要烧掉约87.6亿度电,相当于一座中等城市全年的用电量。腾讯三季度资本开支814.33亿元,同比增长527%,单季超过2024年全年的768亿元,主要投向数据中心和算力预付款;当季自由现金流为负691亿元,被这笔预付款吃掉。剔不剔除新AI产品,经营利润率一个40%、一个33%。数字背后是机柜、芯片和还没通电的机房。业绩会上管理层也没绕开:高端GPU短期可用算力减少,下一代混元可能要更久,只能从国内供应链补算力。连发版节奏都被机房捏住,这大概是"急"最具体的样子。这不是腾讯一家的工期。阿里紧接着交卷:AI云与算力收入609.73亿元、同比增长53%;单季资本开支504.77亿元、同比增长60%,自由现金流净流出344.72亿元,吴泳铭在电话会上直言中国市场近两年算力尤为紧缺。这家公司2025年2月宣布三年投3800亿元建云和AI基础设施,还把数据中心交付周期压到100天。字节把2026年AI基建预算上调到2000亿元,约850亿买芯片、900亿投向内蒙古、新疆等地的智算中心土建。这些钱变成固定资产,按年折旧进未来几年的利润表,不是花完就结束。最说明问题的是DeepSeek。它一开始就不靠C端收钱,App和网页至今对个人免费,直接收费入口只有API。据“科技日报”10月报道,它仍在乌兰察布规划GW级数据中心,部署至少16万颗国产AI芯片,整个集群预计2027年底至2028年初才逐步投产。一个最不需要讨好用户的公司,也被逼着自己盖机房。一个不太像巧合的巧合:腾讯把经营压力缓解的年份定在2028,理由是那时设备采购价会明显下降、同一套设施能处理更多Token;DeepSeek把机房通电也定在2028前后。阿里给国产算力画的时间表也是2028:吴泳铭说,靠平头哥国产芯片的供应链,2028年后才大规模扩量,届时绝大部分模型训练会完全依赖国产芯片。三家没商量过,只是撞上同一条物理工期。“央视财经”9月初报道,乌兰察布有智算园区订单排到三年后,2026年国产AI芯片需求约400万颗、实际交付约300万颗。花钱能加速决策,买不到现货。腾讯11月11日司庆的内部沟通会上,管理层要求所有核心业务团队按AI时代重新创业,点名要打破山头意识。马化腾把话说得极重,用"上船应战"催团队换打法。11月16日公开的笔记里,这四个字被反复转述。把组织话说到这个份上,不是因为做得差。产品可以一周迭代三次,机房不能;用户可以一夜涨一亿,电不能。互联网最擅长的那套:先圈人、再变现、跑得比对手快,在一段以年计的工期面前,第一次不管用。财报里的智能办公收入,都在用“年化”还有个更值得问的问题:AI智能办公为什么会火成这样,为什么所有大厂都往办公挤?因为这是C端目前最像生意的场景。查看最近大厂的财报,你会发现一个有趣的现象,大厂智能办公的收入,不约而同出现了“年化”的表述。11月18日晚,腾讯披露WorkBuddy最近七天收入按年化折算超过5亿美元,三季度收入是二季度的5倍以上,中国前100大企业中已有60%成为客户;同一晚,字节公布豆包工作上线三个月日活突破800万、企业客户年度经常性收入(ARR)突破20亿元。什么叫ARR?它的其中一个核心是“按年化折算”。阿里AI相关产品季度收入179.18亿元、连续13个季度三位数增长,年化超100亿美元;吴泳铭给MaaS定下财年末ARR300亿元的目标。产品日活和独立收入依然没单列。“第一财经”在文章中指出:月度是最短的合理年化周期,季度更稳定;按七天折算,那5亿美元对应七天约6455万元人民币。ARR也不是落袋的钱,是照今天这个速度跑一年的换算。排座次容易走偏。为什么都偏爱年化?因为年化能把一个短窗口的速度放大成一年的故事。但这并行不通。年化默认未来十二个月价格不变、模型不换代、客户不流失、算力不紧张、竞品不掀桌子,AI行业偏偏这五件事一年内全可能发生。七天的收入乘以五十二,乘出来的不是收入,是一个“如果一切不变”的假设;时间越长,变故越多,年化越像一张空头支票。AI时代,这次不灵了年化解决不了的问题,最后要回到成本上。想象一个场景:每个月4.19亿人在用豆包,几乎没几个人付钱。而据"晚点LatePost"报道,它一天收入不到百万元。可这4亿人每问一句,后台都在烧钱。豆包是闭源模型,成本外人算不清,只知道人越多,账单越厚。这笔钱能不能收回来,不看日活,看每一次调用替谁干完了值钱的活。大厂不是没看懂,是看懂了也停不下来:船已经开出去,油表在跳,岸还看不见。图注:该图片由AI生成互联网那套"先圈人、再变现"的老打法,到这里失灵了。因为AI时代这套打法变了。
日本考虑拥核,这不是小事,东亚怪物房要变天了
虎嗅 · 2 天前
日本要拥核了,东亚怪物房要变天,谁敢信?无核三原则本是日本保命符,现在他们耍文字游戏,加例外条款,把核武器引进本土。
新能源汽车们进入华容道
虎嗅 · 2 天前
本文来自微信公众号: 冯伟冯大白 ,作者:冯大白今年二季度,小鹏交付了10.33万辆车,同比几乎没有增长,整车销售毛利率从上年同期的14.3%降到12.1%。但公司总毛利增长了28.9%。撑起这部分增长的,是报表里“服务及其他”那一栏:它占收入13.7%,贡献的毛利却接近一半(49.6%)。11月16日,小鹏公布的三季报显示,三季度这块业务的收入占比降到10.9%,毛利贡献降到38.6%;公司解释,三季度技术研发服务收入减少,二季度有重要里程碑集中确认。“服务及其他”包含技术研发服务、零部件等多项业务。二季度,这类业务获得约27亿元收入、约20.2亿元毛利。小鹏把向一家汽车制造商提供的研发服务完成当期关键里程碑,以及零部件销售增加,同列为收入增长的主要原因。研发服务正在推动这组业务增长,成为卖车之外的收入来源。这组变化放在今年的车市里,分量更重。前9个月,规模以上汽车制造业收入增长2.6%,成本增长3.8%,利润反而下降22.8%。用利润除以收入,利润率约为3.3%。车企把收入做大以后,还要面对成本涨得更快的问题。靠一轮促销多拿订单,与给下一代产品积攒投入,正在争夺同一笔钱。国内需求也很难在短时间内把这笔账填平。乘联分会10月底预计,2026年国内乘用车零售约1850万辆;在政策与环境没有超预期变化的情况下,2027年增长区间为0%至5%,均值为2%。即使明年开始回升,离2025年的2374万辆仍有很长一段距离。如果之后也只是温和恢复,企业安排未来几年的研发、补能和海外投入,就很难指望国内销量迅速回到高位。车企与同行之间,也正在形成更紧密的业务关系。小鹏向大众提供技术开发与许可,蔚来准备让吉利的资产和资金进入能源业务,零跑则通过伙伴控股的合资公司经营大中华区以外的制造与销售。交换的东西不同,牵动的权利也不同:技术由谁使用,能源公司由谁持股,哪些市场由谁经营,都有具体安排。各家仍在卖自己的车,一部分业务却已与对手的产品和经营计划联系起来。一家企业想挪出继续发展的空间,也需要其他参与者调整位置,这有些像华容道。大众把小鹏参与开发的架构装上了车客户买到的东西,已经装上了车。今年1月,大众宣布,搭载CEA电子电气架构的与众07开始生产。这套架构由大众汽车中国科技公司、CARIAD中国与小鹏共同开发,把车内原本分散的电子控制功能整合到中央计算和区域控制体系里,支持整车远程升级。按大众的披露,相比此前的车型,电子控制单元数量减少约30%。架构决定车上的计算、控制与软件怎样配合,新功能和后续更新都要在这套基础上运行。CEA被设计用于多个车型平台,覆盖纯电、混动和燃油车。首发车型完成开发以后,其他车型就有了可以沿用的技术基础。大众披露,CEA从概念到投产用了18个月。对需要在中国加快智能化产品更新的大众,这项合作同时关系到开发速度与后续产品安排;小鹏的研发成果,也多了自有品牌之外的使用范围。大众与小鹏的合作早于今年的市场下行。2023年,双方就签下了技术合作框架,大众在当年12月完成对小鹏4.99%股份的投资。当时大众要补充的是面向中国市场的智能电动车产品,合作已有明确的产品任务。如今需求转弱,让这些开发投入能否在自有品牌之外获得回报,变得更加紧迫。要成为客户能用的技术,小鹏还要完成具体的开发工作。小鹏中报披露,在合作车型量产前,公司要把自己的平台和技术整合进客户的车辆与平台。技术许可、相关技术资料和研发服务被放在一起履约,因为客户拿到许可和资料,还不能直接用起来。对符合条件的合同,小鹏按已经投入的开发成本占预计总成本的比例确认收入;完成约定里程碑,还会影响部分合同报酬能否计入收入。开发做到了哪一步,会直接反映在报表里。进入量产阶段后,付费关系又有了变化。部分合同约定按销售计收授权费,相应收入在合作车企后续销售发生时确认。合作方的车型卖得越多,既会影响小鹏在整车市场上的竞争,也可能增加适用合同下的授权收入。技术业务能否持续,因而不只取决于有没有新的开发任务,还取决于客户怎样把已经开发的技术用在产品上、再把产品卖出去。这让小鹏多了一种收回研发投入的办法,但投入本身没有停。二季度,包含研发服务、零部件等业务的“服务及其他”毛利率达到75.1%,整车销售毛利率是12.1%;同季小鹏研发费用也达到29.1亿元,同比增长32.1%,增加主要来自新车型和AI相关技术。研发、销售和管理等开支计入以后,公司当季仍净亏损13.4亿元。技术已经成为别人愿意购买的商品,小鹏自己的下一代产品也还要继续花钱开发。吉利拟用换电业务和现金入股蔚来能源换电网络面对的是另一种难题。平台和软件可以随新车型扩大使用范围,建在路边的换电站却要等适配车辆真正开进来。按蔚来9月披露的数据,截至9月27日,公司在充换电技术和基础设施上的累计投入已超过200亿元,国内换电站有4126座。站点建好之后,还要配置电池、维护设备和运营网络,投入形成的服务能力能用上多少,与实际来换电的车辆紧密相关。蔚来自有体系的车辆规模,会影响这张网络能够服务多少用户。引入其他品牌可以扩大潜在需求,但车与站之间要先打通:车型、电池和换电设备需要适配,服务标准与运营安排也要衔接。2023年,蔚来与吉利就签过换电战略合作协议,内容已经包括电池标准、换电网络和适配车型开发。到今年9月,双方把资产、现金和经营权益也放进了协议。吉利控股的子公司拟以易易互联100%股权,加上6.4亿元现金,认购蔚来能源新增股权。按协议,交易完成后,吉利一方将持有蔚来能源30%股权,蔚来中国仍持有63.6%,保持控股。易易互联原有的营运车辆换电业务,也将并入蔚来能源。已有业务进入同一家公司,意味着这项合作同时涉及谁来经营资产、谁来持有这项业务的权益。这与向另一家车企出售技术的关系有明显差别。吉利拿出的不只有现金,还有已经运营的换电业务;蔚来能源得到的也不只是一批待开发的客户,而是要接入经营范围的业务资产。按这项安排,蔚来保留能源公司的控制权,吉利成为它的股东,双方的整车品牌继续竞争,补能业务却有了一部分共同的经营利益。股权安排还与交割后的表现相连。协议约定,吉利一方的持股比例受某些经营里程碑影响;如果未达到约定,其持股可以被调低,但不低于20%。双方既在为现有资产定价,也把后续经营表现放进了权益安排。未来业务做得怎样,可以反过来改变这部分股权的归属。这里的另一项关键工作,是让吉利的新车型用上换电服务。双方提出共同建设面向私人购车用户的换电技术与标准,由吉利开发换电车型,再由蔚来能源提供服务。交易公告同时写明,相关车型采用换电技术及服务的安排,还需要进一步讨论。原有营运业务并入,与新的私人车型接入,是两段不同的工作:前者调整现有资产的归属,后者要进入车企的产品开发与上市安排。因此,即使能源公司引入了新股东,也不等于站点马上多了一批可服务的新车。蔚来能够把网络和运营能力拿出来,吉利则需要把换电方案落实到车型上,新车型卖出去以后,才会形成相应的服务需求。股权合作让双方共同参与能源业务,车型合作决定这项业务能新增多少使用者。换电站要利用好已经投入的设备和电池,依靠的不只是能源公司继续建站,也包括合作车企怎样开发和销售新车。零跑把境外制造和销售交给合资公司10月16日,零跑B10在西班牙萨拉戈萨工厂开始生产。Stellantis披露,选择这座工厂,考虑的是质量、可用产能和工业经验。厂里原本就在生产欧宝Corsa、标致208和蓝旗亚Ypsilon,B10加入的是一套已经运行的工业体系。5月双方还在讨论的生产计划,五个月后走到了具体产线上。这家工厂让零跑的产品接上了当地制造条件,也让Stellantis的现有产能有了新的车型。今年5月,双方披露零跑国际在欧洲已有超过850个销售及服务网点,2025年欧洲发运量超过4万辆。产品从进入市场到当地制造,背后已有能够承担销售、交付和售后的经营网络。对零跑来说,合作提供的不只是一处生产地点,而是产品进入当地市场所需要的一整套组织。使用这些资源的条件,早已写进零跑国际的结构里。这家公司由Stellantis持股51%、零跑持股49%,拥有大中华区以外零跑产品相关销售和制造的独占权。相应区域的生意由合资公司开展,零跑作为股东参与其中;Stellantis则在这家境外经营公司里保持控股。这项权利安排把零跑的产品与合作伙伴的海外制造、渠道放进了同一项长期业务。双方还在扩大这套合作能覆盖的产品。B10投产之后,零跑国际又宣布,计划让B05成为下一款在萨拉戈萨生产的车型。5月提出的扩大合作意向还包括通过零跑国际共同采购,以及让拟议中的欧宝纯电SUV使用相关零部件。这使合作的产品方向不只有零跑进入欧洲,也包括Stellantis旗下车型采用来自这套合作体系的部件。B10的生产已经落地,B05和共同采购等项目则在为这套经营组织安排后续业务。国内市场如果在低位多待几年,车企就更需要把已有投入转成能够持续经营的业务。合作填不平需求缺口,却让一些企业能够通过同行的车型、资产和经营网络,扩大技术与服务的生意。代价也写在具体安排中:开发要满足客户的产品需求,能源股权与后续经营相连,境外业务要交由合资公司组织。整车品牌可以继续独立,这些业务却已不能只按一家企业自己的计划推进。过去常被放在销量榜上比较的对手,如今也可能影响自家的研发收入、站点使用与市场拓展。
66万元的日产跑车,半年只卖9辆
虎嗅 · 2 天前
本文来自微信公众号: 界面新闻 ,作者:葛成日产以Z NISMO为标志性车型,将高性能品牌NISMO重新带到中国。这款进口跑车售价66万元,半年全国配额仅有9辆,计划于12月中下旬开始交付。这样的供应规模对日产在华销量几乎没有影响。日产将它放在品牌进阶发布会上,意在为长期偏向家用和舒适的形象增加一条性能线索,扩展中国消费者对日产的既有认知。Z NISMO基于日产Z跑车开发。NISMO源于1984年成立的日产赛车公司,长期专注赛事运营与性能车研发调校。秉持“Track to Road”(从赛道到公路)理念,NISMO把赛道积累的车身控制、制动、空气动力学和动力响应经验,经过适配后进入公路车型。从GT-R到Z NISMO,这套能力构成日产性能形象的重要基础。日产此次提出,将NISMO的赛道积累和调校经验应用于中国量产车型。Z NISMO承担展示窗口,NISMO品牌及其调校能力则面向更长期的产品布局。日产此时强化性能标签,与其在华品牌形象趋于单一有关。2025年,轩逸销量约32万辆,占东风日产全年销量的一半以上。家用、舒适、省油、高性价比构成大众对日产的主流印象,性能、运动和驾驶乐趣则在这一体系内相对模糊。电动化产品延续了相近的品牌基调。N7等新车型扩展了日产的产品线,也让品牌重新进入部分新能源用户的购车清单,核心卖点依然围绕家用、舒适和智能实用展开。它们改善了日产在新能源市场的产品覆盖,但并不承担打破固有品牌印象、塑造性能形象的任务。与品牌认知单一同时存在的,是持续承压的市场表现。2026年10月,日产中国销量不足2.3万辆,同比下降约67%;2026年前三季度,其在华零售量约31.3万辆,较上年同期减少约31%。接连发布新能源产品还没有改变销量困境。产品周期、新能源转型、价格竞争和市场环境共同影响销量。但在产品竞争加剧、市场份额承压的情况下,缺少家用和性价比之外的差异化标签,也使日产难以形成更丰富的品牌表达和溢价支撑。惠誉评级亚太区企业评级高级董事青山悟接受界面新闻采访时表示,Z NISMO的价值更多体现在品牌层面,帮助强化日产的性能基因、吸引关注、提升品牌曝光,同时优化高端用户的认知与体验。资深汽车分析师梅松林向界面新闻指出,汽车企业推出这类限量性能车型,属于前置布局,短期不计销量,核心是铺垫性能叙事,服务后续调校技术下放。日产已经开始把相关开发资源放到量产车型上。据日产方面介绍,即将上市的NX7底盘由GT-R调校团队参与标定。这家日系品牌希望借此把性能形象延伸至主流车型,吸引愿意为这套调校买单的消费者,带动产品销售。不过,这套路径仍面临现实挑战。2015年,日产曾向中国市场导入GT-R NISMO和370Z NISMO,后续没有形成连续的产品供给和品牌运营。十余年过去,日产在国内最突出的标签依旧是家用。此次9辆Z NISMO能够直接触达的用户也十分有限。车型很难大规模进入展厅,也难以支撑广泛的试驾和车主活动。日产现有门店长期服务家用用户,围绕性能爱好者提供试驾、配套服务和用户运营,也需要增加相应的投入。中国市场对性能的评价标准也在变化。NISMO的传统优势建立在燃油动力、赛事开发和机械调校之上。电动车普及后,强劲加速已经难以形成长期壁垒。持续动力输出、线控制动以及车身控制等多方面共同决定车辆的动态表现。日产持续参与Formula E,Ariya NISMO在海外展示了NISMO与纯电车型结合的可能。但赛事经历和海外车型只能提供一种技术想象,相关经验能否在中国量产车上形成优势,仍取决于实际体验和用户口碑。青山悟向界面新闻指出,一款限量旗舰可以提升品牌价值,连贯的主流产品和渠道战略仍是业务修复的基础。日产在华发展依赖有竞争力的量产车型、电动化、智能化、本地化和价格纪律,NISMO可以为这些工作增加吸引力,却无法替代它们。消费者能否在主流日产车型的转向、制动和车身动作中感知差异,并愿意为这种差异付费,将决定NISMO在中国能否从品牌叙事转化为稳定的产品能力。缺少这层转化,市场记住的仍可能只有9辆稀缺跑车和一次短暂话题。
不做Agent 等死,做Agent 找死:SaaS 公司为何别无选择?
虎嗅 · 2 天前
本文来自微信公众号: ToB老人家 ,作者:王戴明,原文标题:《不做 Agent 等死,做 Agent 找死:SaaS 公司为何别无选择?》一位CEO告诉我,他不计划研发任何Agent产品(注:Agent不包含纯问答AI)。一是找不到高价值的落地场景,二是Agent链路太长,很难做到100%准确,客户也不会买单。他并不是反对AI,恰恰相反,他的问答类AI使用频率很高。他给我看了后台统计:自从AI功能发布以来,客户的token消耗呈现一条陡峭的增长曲线。只不过,这些AI功能的核心逻辑是“大模型+提示词”,比如把客户、订单数据发给大模型,让大模型帮助分析并给出建议,帮助业务人员改善拜访行为等。这样的AI功能看起来很Low,但只要找对了场景,仍然可以提升员工的工作效率。但并不是所有的CEO都这么想。与此相反,在过去一年,我看到不少头部软件公司都把研发资源投入到长链路Agent。比如:自动对客户分层分类,然后针对不同客群匹配不同的营销策略,并模拟执行的效果。人类审批后,再自动执行。这种Agent的目标不是局部提效,而是让AI主导整个业务流程,人类只负责处理复杂业务,以及在关键节点的审核——简单说,就是AI原生。这种产品的好处显而易见:对业务价值更大,客户也更愿意买单。然而,它的问题也很明显,那就是对数据、交付和运营的要求都太高了。以我参与的一个Agent项目为例,要让AI参与核心业务流程,就必须梳理出细致、准确的业务场景、规则和策略,但企业这么多年都是拍脑袋决策,可想而知梳理的过程有多难。然而,对于很多软件公司来说,明知道Agent是一条难走的路,却不得不硬着头皮走下去。原因无外乎以下几点:第一,大部分单点AI的价值相对有限,企业付费意愿不强。比如,去年一家上市SaaS公司大肆吹嘘他们的某个AI功能效果有多么好,客户采用有多积极。后来我问了下他们的业务负责人,他告诉我,这个功能一年下来也就卖了几十万,聊胜于无。客户也不可能因为这一个小功能,而购买整套SaaS。他们还尝试了其他单点AI功能,比如通过自然语言帮客户自动完成一些操作,提高工作效率,但客户同样不付费。说白了,一方面,中国对软件的付费意愿本来就不强。另一方面,让员工稍微加下班就能解决的问题,为什么还要买一个AI产品?相比之下,Agent的目标是重构企业的业务流程,理论上,企业获得的价值要大得多。第二,SaaS业务下滑带来的压力我调研了不少SaaS公司,他们都面临经济大环境带来的续费压力:很多企业都在裁员,需要订阅的SaaS席位数自然也会减少。一位过去业绩长期增长的CEO告诉我,去年公司的SaaS业务下滑了,因为客户行业整体减员了至少20%。在这种局面下,可想而知CEO们的压力有多大。而企业对Agent的热情,就像一根救命稻草,给了他们希望。只要Agent能研发成功,就很可能成为公司的第二增长曲线,一举扭转公司的下滑颓势。第三,构建长期护城河“大模型+提示词”这种简单AI最大的风险在于,只要客户把数据导入其他Agent,或者授权其他Agent访问SaaS产品的API,就很容易被替代。当然了,理论上,SaaS公司也可以靠卖API收费,但是这种商业模式非常脆弱,很可能倒逼客户迁移SaaS平台。而如果客户使用长链路Agent,不但意味着核心业务流程深度嵌入Agent,而且业务数据和规则也深度绑定Agent。这不但会提升客户自研的难度,也会提升更换平台的风险,最终提升客户的粘性。第四,积累行业Know How做Agent其实还有一个隐性的好处,就是积累行业Know How。凡是需要流程再造的软件项目,本质都是咨询项目。而咨询项目的核心,其实就是行业Know How,而且必须是领先企业的Know How。做长链路Agent难,难就难在梳理这些行业Know How,但是一旦完成原始积累,就可以把这些Know How进行标准化,然后以Agent项目的形式进行售卖。谁抢到这个先机,谁就可能吃到第一波红利。毕竟,中国企业不愿意为软件付费,但是很愿意为流程再造付费。比如,很多几千万的ERP项目,企业真正买单的都不是ERP系统本身,而是流程再造的承诺。说了这么多好处,那中国是否有成熟的Agent产品呢?实话说,Agent很多,但是已经成熟的并不多。我观察下来,大部分长链路Agent产品都还处于客户共创、或者发布的初期。一些头部公司确实取得了一些成果,但是离大规模推广,还有相当一段距离。这背后的原因,是长链路Agent产品的共创难度,远超传统软件。一方面是客户的管理基础薄弱,比如业务策略不清晰、关键数据缺失。另一方面就是客户的要求很高。他们希望的不是交付一个Agent产品,而是交付业务结果,比如线索转化率提升20%、人员裁减30%。但是要做到这一点,不是研发几个AI功能就能做到的。就算搞定了数据问题,Agent顺利上线,可能还要经过漫长的运营周期,补齐遗漏的场景、完善AI需要的数据,才有可能看到业务效果。但即便如此,对于很多软件公司来说,他们其实已经别无选择。如果只做单点AI功能,当然可以避免长链路Agent的风险,也不会因为在研发和交付上的巨大投入,而面临失血的风险。但是,未来在哪里呢?软件的时代已经过去,大厂的办公Agent又在虎视眈眈。至少在目前来看,长链路Agent是SaaS公司值得押注的少数机会之一。所以,不做Agent等死,做Agent找死——并不是SaaS公司主动选择了这条艰难的路,而是对于很多SaaS公司来说,这可能是一条不得不走的路。但是,这未必是一件坏事。长期以来,企业软件一直被诟病“业务价值不足”。很多打着“流程再造”旗号的软件项目,最终也沦为了面子工程。高大上的管理系统背后,其实都是廉价的人工:领导漂亮的报表背后,是无数的手工补单。很多几百万、几千万的软件项目不但没有提高运营效率,反而成为了一线员工的负担。而Agent的出现,第一次在真正意义上让软件行业有了“流程再造”的能力。所以我相信,那些能克服重重阻力,拿下长链路Agent这座皇冠的SaaS公司,一定会完成最终的蜕变。不仅仅是因为,他们是最适合做这件事的人。也是因为,时代只会给那些愿意先死一次的人,留一条活路。
“收手吧,人类大于利润,”现场直击AnthropicIPO,大量人群抗议“停止科技寡头”
虎嗅 · 2 天前
本文来自微信公众号: 新浪科技 ,作者:努力码稿的小浪,原文标题:《「收手吧,人类大于利润!」现场直击AnthropicIPO,大量人群抗议「停止科技寡头」》当地时间2026年11月19日,纽约时代广场的三块大屏幕上轮番滚动前沿AI实验室Anthropic的巨幅广告。这家2021年在旧金山成立的人工智能公司称,“我们如何把握眼下这个AI时刻,将决定这一刻的意义”。纳斯达克交易所外的广场上,主要聚集着两类人,一类是Anthropic的粉丝,一类是抗议人群。新浪财经《北美前哨》在纽约现场看到,就在纳斯达克的正门外10米处人头攒动,他们拉着的横幅上写着“停止科技寡头”和“人工智能退出我们的医疗保健”的标语。“开发出你认为可以左右未来走向的危险技术,这令人感到羞耻。”抗议人群表示,“养老金将会买入这家公司,是纽约纳税人的养老金,在很多人还不知道的情况下。”他们高喊着,“Anthropic收手吧,人类大于利润。”《北美前哨》现场了解到,当天在纽约抗议的人群来自多个不同的组织,抗议的诉求包括反对用养老金等公共资金助力AI企业;冻结高风险AI开发,建立更严格的安全监管和透明度要求;以及反对医院和医疗机构使用AI取代专业医护人员等。澳大利亚Plato Global Alpha Fund基金经理大卫·艾伦在公开文章中列出了Anthropic的14项“危险信号”,比如技术进步未必能够转化为持续的定价权。他援引的估算称,AI单位智能成本可能每年降至原来的十三分之一。如果成本下降通过降价传导给客户,公司就需要依靠大幅增长的使用量,才能维持收入增长。对投资者而言,关键在于需求扩张能否抵消价格下行,并覆盖提前锁定的算力成本。当天,Anthropic以高于发行价34%的111.50美元开盘,盘中市值一度接近2万亿美元,随后回落,收于97.17亿美元。Anthropic的首次公开募股融资金额超810亿美元,超过太空探索技术公司(SpaceX)在今年6月创下的750亿美元的历史最高纪录。按约97美元的收盘价及招股书披露的IPO后受益持股粗略计算,包括达里奥兄妹在内的七位创始人所持股权的账面价值合计超过1500亿美元,平均每人超过200亿美元。媒体测算,公司内有400余名员工的持股账面价值超过1亿美元。“为什么着急上市?”Anthropic目前在技术上的领先身位,正在为它赢得收入的快速增长期。根据更新后的招股说明书,该公司2026年前九个月的营收达到332亿美元,较上年同期增长1206%。这一增长主要得益于企业客户的推动,尤其是其人工智能编码代理Claude Code的迅速普及。截至10月底,其年化营收运行率为810亿美元,比一个月前增加了百亿。过去12个月贡献至少10万美元收入的客户数量,从2025年底约1500家增至2026年9月底超过1.19万家,一年前这一数字仅为950多家。过去12个月支出超过100万美元的客户超过1900家,超过1000万美元的约250家。图:超过一半的财富500强企业在Anthropic的支出超过10万美元。但并非所有投资者都认同Anthropic的领先身位的保质期和由此估算的盈利未来。风投机构Copper Sky负责人、同时担任彼得·蒂尔家族办公室管理合伙人的杰克·塞尔比(Jack Selby)在接受媒体采访时坦言1.4万亿美元的完全摊薄估值“极其乐观”,“我很好奇到底谁是买家?”塞尔比表示,“是否大批是散户?”塞尔比的担忧首先来自宏观环境。他认为,利率存在上行风险,而特朗普在中期选举后政治影响力减弱,可能进一步增加美国AI政策的不确定性。更核心的质疑则指向Anthropic商业模式的稳定性。在他看来,公司大量收入依赖客户非经常性收入,随着竞争对手,尤其是中国模型不断进步,Anthropic能否持续保持六个月、九个月乃至更长时间的技术领先,并将其转化为稳定收入,存在疑问。“AI确实是一门真实的生意,但仍处在非常早期的阶段。认为它现在就值1万多亿美元,在我看来极其牵强。”他还质疑公司的上市动机。既然已经拥有庞大的现金及短期投资储备,为何仍急于进入公开市场。“为什么急着上市?”他表示,一种解释是,现有投资者希望能够卖出股份,“如果Anthropic有更好的理由,就应该向投资者讲清楚。”招股书显示,截至2026年9月30日,Anthropic持有现金、现金等价物和短期投资共1318.45亿美元。其中现金及现金等价物约960亿美元,短期投资约360亿美元。澳大利亚Plato Global Alpha Fund基金经理大卫·艾伦(David Allen)在公开文章中列出了Anthropic的14项“危险信号”。在他看来,最值得警惕的是长期成本承诺与收入不确定性之间的错配。公司承诺的未来支出约为9000亿美元,绝大部分与算力有关,而79%的收入来自按使用量收费,并非传统订阅。即使部分客户有最低消费承诺,未来需求仍难以保证。艾伦也担忧,技术进步未必能够转化为持续的定价权。他援引的估算称,AI单位智能成本可能每年降至原来的十三分之一。如果成本下降通过降价传导给客户,公司就需要依靠大幅增长的使用量,才能维持收入增长。对投资者而言,关键在于需求扩张能否抵消价格下行,并覆盖提前锁定的算力成本。在公司治理方面,艾伦指出,Anthropic七位联合创始人共同控制的Founder LLC,通过持有一股F类股票,拥有50.1%的股东投票权,而董事会多数席位则由长期利益信托(LTBT)选举。这意味着,即使创始人出售相当部分经济权益,仍能保留控制权,公众投资者的出资与其对公司决策的影响力并不对称。CEO值得被信任吗?Anthropic的灵魂人物、联合创始人兼CEO达里奥在敲钟仪式上的发言,是从父亲的去世开始说起的。“丹妮拉和我失去了父亲。就在他去世几年后,他所患的疾病有了可用的治疗方法。”达里奥表示,人类的智能已经让鼠疫、天花和脊髓灰质炎成为历史。但在许多其他疾病上,对患者及其家庭而言,进展仍然太慢,而“足够强大的AI与人类协同工作,有可能把一个世纪的科学和医学进步压缩到十年。”在用词感人的发言讲话之后,他似乎不知道应该把双臂放在哪里,又像是被人提醒“该笑了”之后才开始咧嘴大笑,背后是纳斯达克敲钟的倒计时钟声和现场的欢呼声。“人机感太强了。”有网友吐槽道。人们对一家公司的信任,很多时候不来自财报,而来自“这张脸可不可读”。在短视频时代,高管的每一次露面都是一次信任投票。“我不知道是不是应该相信达里奥。”不少人对《北美前哨》表示。特别是当Anthropic以硅谷从未有过的速度在五年内快速切入医疗、就业、教育等各个领域时,公众会希望CEO的“活人感”,有情绪、有犹豫、有可以被理解的动机。达里奥在敲钟现场给出了一份立场文件。文件可以很正确,但很难被信任。对于他在IPO期间频频使用的“AI有助于未来疗法”以及“Anthropic以安全为先”的声明,科学家群体和AI生态圈并不全然买账。比如,流行病学家、德国前卫生部长卡尔·劳特巴赫(Karl Lauterbach)在看了达里奥·阿莫代伊在IPO路演视频中关于癌症、阿尔茨海默病等可能在不到十年内成为“过去”的预测后,在社交媒体上公开表态称,“不清楚像达里奥·阿莫代伊这样的人,是对医学知之甚少,还是在故意误导公众。AI当然可能帮助治疗癌症、阿尔茨海默病和精神疾病,但不可能在短短十年内做到。”针对达里奥和丹妮拉兄妹反复提及的Anthropic是以“安全为先”的AI公司这一表态,包括Olive Hart在内的多名诺奖和图灵奖获得者在Anthropic上市前一天发表公开信反击称,“Anthropic警告称,能够递归自我改进的AI可能导致权力集中,并脱离人类控制,却又争先开发这种技术。该公司以‘安全’形象争取投资者、员工和公众的支持,同时悄然削弱自身的安全承诺,并游说推动有利于自己的监管规则。Anthropic并不是一家安全的AI公司。我们必须反对它以‘更大利益’之名,鲁莽地谋求扩大自身权力。”午盘之后,广场上的人慢慢散了。因为抗议人群中有几人直接坐在了纳斯达克门口阻挡了人员进出,后来被现场维持秩序的纽约警察带走了。时代广场的广告大屏没有停,那句“我们如何把握眼下这个AI时刻,将决定这一刻的意义”的公司宣传语还在滚动。这句话一方面代表着AI产业创造者的雄心,另一方面对站在门外的人来说,它听起来更像一个问题:这个时刻,到底由谁来把握?
绿色技术能否在动荡的世界中保障能源安全?
虎嗅 · 2 天前
本文来自微信公众号: 自然系列 ,作者:Nature Portfolio,原文标题:《绿色技术能否在动荡的世界中保障能源安全?| “自然聚焦-能源” 增刊》在全球能源市场经历持续政治动荡之际,研究人员正深入探寻解决方案。伊朗政府于7月宣布将关闭霍尔木兹海峡后,集装箱船被迫停靠在阿拉伯联合酋长国及其他中东国家的港口。图片来源:AFP via Getty Images在叙利亚,抗议者因燃油价格问题焚烧轮胎并封锁了道路。在法国,渔民封锁了一处燃料库,并与警方发生了冲突。随着利率上升,全球各地的政府和家庭预算都承受了压力;与此同时,在澳大利亚、巴西和印度等多个国家,电动汽车的销量同比大约翻了一番。这些仅仅是自2月份起,美国和以色列对伊朗发动空袭引发诸多连锁反应中的一部分。霍尔木兹海峡的关闭——此前全球约25%的石油贸易和20%的液化天然气出口均经由此处——导致了国际能源署(IEA)所称的“全球石油市场历史上最大规模的供应中断”,引发了全球范围内燃料价格的飙升。由此产生的压力,加剧了此前多重冲击——包括俄乌冲突、新冠疫情、2008年全球金融危机,以及气候变化的持续影响——所带来的经济压力。总部位于伦敦的智库“英国皇家联合军种国防研究所”(Royal United Services Institute)的能源安全研究员Dan Marks表示,当前的全球能源安全形势“在各个方面都非常糟糕”,“实在是祸不单行。”各国政府为提升国家能源安全,正采取多种举措——从减少需求、提高电气化水平,到升级基础设施以及出台激励计划以鼓励可再生能源投资,不一而足。与此同时,研究人员也在贡献自己的力量,推动科学技术进步,这些进步有望助力构建一个稳定且可持续的未来能源结构。什么是能源安全?人类的能源消耗既在增长,也在发生变化(见“为地球提供动力”)。全球一次能源(即未经人类加工的天然能源)消耗量在1980年至2025年间增长了一倍多。在此期间,年消耗量从约8.5万太瓦时(TWh)增加到了17.8万太瓦时(TWh)。这一数字大约相当于法国全年一次能源消耗量的71倍。电气化——即用电力驱动的技术替代燃烧化石燃料的技术——正在许多国家推进,因为各类行业都在寻求转向可再生能源。据预测,到2035年,全球电力需求将比当前水平增长约40%(见“前路展望”)。尽管如此,许多行业依然依赖化石燃料。例如,航空业近99%的能源需求依赖化石燃料,航运业的这一比例也超过了90%。在开采出的天然气中,四分之一用于工业建筑供暖,约21%用于全球家庭的供暖和烹饪;其余大部分(40%)则用于发电。尽管可再生能源在一次能源供应中的占比正在增长,但石油、煤炭和天然气目前仍占据了能源生产总量的约80%。为地球提供动力过去几十年里,能源供应发生了显著变化。全球一次能源——即尚未转化为电力或燃料的能源——目前仍以化石燃料为主,但太阳能和水力发电等可再生能源正逐渐打开局面。*其中包括传统生物质能;由于缺乏更新的数据,假定其自2015年以来保持不变。↑其他可再生能源包括地热能、废物能源以及现代形式的生物质能。来源:Our World in Data国际能源署将能源安全定义为:能够可靠且以可负担的价格获取各类燃料和能源。Marks等人指出,各国关注的重点各不相同:在高收入国家,可靠性往往被视为首要考量;而在低收入国家,可负担性则更为优先。全球性冲击对燃料供应和价格的影响,也因各国对进口化石燃料的依赖程度不同而存在差异。加州大学伯克利分校的能源经济学家Severin Borenstein表示:“并不存在一个统一的全球性能源安全图景,而是存在多种因具体情境而异的图景。”那些依赖石油产品进口的经济体,在当前的冲击下显得尤为脆弱。联合国的世界粮食计划署在3月份曾估计,美伊之间的冲突可能导致额外4500万人陷入重度饥饿,使今年面临重度饥饿的总人数达到3.63亿;这是因为石油和天然气成本的上涨,推高了燃料、食品以及化肥等关键产品的价格。Marks指出:“在许多非洲国家,人们依赖车辆进行长途出行,同时也依赖其他进口石油产品;在这种情况下,油价大幅上涨可能会带来生存层面的严峻挑战。”一些高收入国家也受到了沉重打击。以日本为例——该国在冲突爆发前,超过90%的原油进口自中东——目前其家庭电费已升至三年来的峰值,政府的借贷成本也攀升至30年来的高点。相比之下,那些拥有国内燃料供应的国家所受冲击较小。尽管美国的汽车用户经历了燃料价格的大幅上涨,但该国充足的天然气供应使其免受了严重的经济困境。“在大多数发达的自由市场经济体中,并不存在‘能源可获得性’层面的能源安全问题,”Borenstein指出,“所面临的主要是价格和宏观经济层面的问题。一些国家(如美国)受到的保护要比别的国家强。”前路展望尽管预计未来几年许多地区的电力需求将会增长,但受能效提升的影响,部分地区的需求可能会趋于平稳或出现下降。上述数据基于国际能源署(IEA)的估算。来源:国际能源署(IEA),CC BY 4.0自美伊冲突爆发以来,全球油价大幅飙升。作为全球油价基准的布伦特原油期货合约,在4月份触及每桶126美元——而冲突前仅为70美元左右。这一情况对消费者和企业造成了影响,但其程度不及以往的一些能源危机。在“赎罪日战争”(Yom Kippur War)期间,产油国采取的协同行动导致油价在1973年10月至1974年1月间上涨至原来的三倍多;而在1978年至1979年的伊朗革命之后,油价也翻了一倍多。许多经济学家认为,与1973年和1979年石油危机之后许多工业化国家所经历的情况相比,如今的全球经济在应对通胀飙升、失业和经济衰退方面,处于更有利的地位。自20世纪70年代以来,全球经济的“石油强度”——即每创造一个单位的国内生产总值(GDP,以商品和服务形式衡量)所需的石油量——已经下降了超过50%。此外,在1973年石油危机后成立的国际能源署还要求其32个成员国保持至少相当于90天用量的原油储备,以防范供应冲击。Borenstein表示:“对于大多数发达国家而言,这是很大的不便利,对一些国家会造成严重的预算压力,但这并不意味着会出现20世纪70年代那种彻底扰乱经济的局面。”然而,气候变化预计还将加剧经济和能源安全方面的挑战。干旱正变得愈发频繁且严重,导致中国、巴西、美国、西班牙和赞比亚等国的水力发电量大幅下降。包括欧洲的莱茵河与多瑙河、南美洲的亚马孙河以及中国的长江在内,多条河流的水位降低,造成了货运难题。气候变化带来的其他影响还包括风力发电量减少,以及为运行空调设备而产生的电力需求增加。各国政府、政策制定者以及其他致力于应对能源安全挑战的相关方,拥有多种可行选择。例如,通过推动工业流程和家庭供暖的电气化来降低能源需求(尤其是对石油和天然气的需求),有助于缓解这些问题;对于那些高度依赖化石燃料进口的国家而言,这一点尤为重要。Marks指出,通过改善储能技术来管控需求波动,并确保电网能够实现转型,从而更多地接纳来自可再生能源的电力,也是应对这些挑战的重要举措。构建安全尽管政府和商界领袖在能源需求管理、电气化及基础设施投资方面发挥着各自的作用,但研究人员正致力于推动科学与技术创新,为能源安全提供支撑。例如,开发地下热能以获取地热能,不仅温室气体排放量极低,还可用于发电或为建筑物供暖。然而,目前地热能在全球电力供应中的占比不足1%,原因在于极少有地方能同时具备可利用的地下热源、水资源以及渗透性岩层条件恰到好处的组合。得益于增强型地热系统(EGS)的进步,这种情况有望发生改变。该技术通过在高温区域扩大或开辟地下裂隙,将流体注入其中加热,再将其输送回地表——这些流体通常被用于驱动涡轮机以产生电能。自20世纪70年代起,人们便已开展小规模的增强型地热系统研究工作。此后几十年间,得益于从油气行业借鉴而来的技术,钻探所需的时间和成本大幅下降。这些技术包括:利用加压流体压裂岩石(即“水力压裂”);采用水平钻井技术,以增加流体与热储层的接触面积;以及使用更坚固、钻进速度更快的聚晶金刚石复合片(PDC)钻头。加州斯坦福大学的地热能工程师Roland Horne表示:“这些新技术所带来的变革性影响,无论如何评价都不为过。”这些创新正推动着对大型商业化设施的投资。其中一个大规模项目是由Fervo Energy公司运营的“开普电站”(Cape Station)项目,该项目位于犹他州米尔福德(Milford)附近,已于9月开始供电。该项目计划到2028年实现500兆瓦(MW)的发电能力——所发电量足以满足约50万户美国家庭的用电需求。然而,仍有一些障碍需要克服。一些增强型地热系统项目因发生地震而被迫叫停;地质学家认为,这些地震与增强型地热系统作业过程中产生的地下应力增强有关。2017年,一场5.5级地震可能由韩国浦项(Pohang)的一处增强型地热系统设施水力压裂作业引发,造成90人受伤。从此次事件及其他类似事故中,人们吸取了教训。例如,增强型地热系统开发商目前正部署传感器网络,以更准确地预测地震风险,并采用分段压裂技术。该技术通过使用加压流体或化学试剂,在岩层的多个点位进行分阶段、更温和的压裂作业,而非仅在少数几个位置进行压裂。Horne表示,他预计到2027年,增强型地热系统的平准化发电成本——即发电厂在整个生命周期内生产单位电力的平均成本——将降至每兆瓦时(MWh)80美元,从而具备商业竞争力。国际能源署指出,到2035年,这一成本有望进一步降至50美元/兆瓦时;到2050年,地热能有望贡献全球电力供应的8%。致力于开发更高效的太阳能电池,也有助于各国通过增加可持续的本土电力供应来提升能源安全。2025年,全球9%的电力来自太阳能,高于2020年的3%。目前的太阳能电池大多以硅为基础,通常能将光能转化为电能,转换效率约为20%至24%。当阳光照射在太阳能电池(即光伏电池)上时,构成电池的半导体材料内部的电子会被激发脱离,从而造成电荷失衡,产生电压并生成电能。目前,研究人员正在开发新一代太阳能电池,其核心材料是金属卤化物钙钛矿,一类具有高光吸收能力和电荷传输能力的晶体化合物。叠层电池由钙钛矿层和硅层复合而成,能够将更宽光谱范围内的光转化为电能,其理论转换效率可达45%左右。去年6月,中国太阳能企业隆基(LONGi)宣布,其大尺寸硅-钙钛矿叠层电池实现了33%的转换效率,创下新纪录。加州大学戴维斯分校的材料科学家Marina Leite表示:“在硅片上覆盖一层钙钛矿,成本极低,却能带来显著的性能提升。”目前已有少数几家公司在销售钙钛矿电池,但若要实现广泛应用,仍需克服多重挑战。在自然环境中,这类电池的衰退速度比硅基电池更快;此外,它们往往含有具有毒性的铅。铅在电池中起着促进阳光吸收、并使电子在钙钛矿材料内高效流动的作用。研究人员正致力于寻找保护钙钛矿电池免受环境因素影响的方法,同时也在测试可替代铅的无毒材料。提升储能能力高效太阳能电池和新一代地热能发电都有助于提升能源安全。然而,随着间歇性可再生能源发电占比的提高,对存储多余电力的需求也随之增长。大型“公用事业级”电池正日益频繁地接入电网,且往往被部署在风力发电机组和太阳能电站旁;去年全球新增电池储能容量达到创纪录的108吉瓦,较2024年增长了40%。在这些新增容量中,锂离子电池占据了绝大部分。然而,当应用于大规模电网时,其中大多数电池的储能时长仅能达到四个小时。抽水蓄能(一种清洁能源存储方式)指在电力过剩时,将水从低海拔水库抽往高海拔水库;而在需要电力时,再让水流经水轮机回落至低海拔水库。这种水电形式能够提供更长时间的储能,但其建设选址必须位于海拔落差较大的地区。对于那些缺乏抽水蓄能所需山区地形、同时又希望提高间歇性可再生能源发电占比的国家而言,如何实现电能的长期存储正变得愈发重要。液态空气储能(LAES)技术便可在此发挥作用。当风能和太阳能设施产生多余电力时,系统会从环境中吸入空气,经过净化、干燥、压缩、冷却并液化,随后储存在储罐中,时长可达十小时甚至更久。在电力需求高峰期或可再生能源发电量不足时,液态空气会被加热并重新转化为气态;随着体积膨胀,它能驱动涡轮机,从而为电网发电。日本、中国和英国目前均有小规模的液态空气储能试点电站正在运行。英国曼彻斯特附近正在建设一座规模更大的商业化设施,其储能容量为300兆瓦时。该设施计划分两个阶段投入使用:初期主要用于保障电网频率和电压的稳定,后续则将用于商业化的电力存储。此外,中国戈壁沙漠中有一座储能容量为600兆瓦时的液态空气储能电站,已于去年投入运行。液态空气储能开发者所面临的主要挑战之一,是如何证明其经济可行性,因为该技术直到过去几年才真正实现商业化规模应用。化学工程师Shaylin Cetegen(她在麻省理工学院获得了博士学位)针对多种脱碳情景,对几种储能方式的全寿命周期成本进行了建模分析1。她得出的结论是,储能平准化成本(评估储能成本的标准方法)在液态空气储能方面已降至每兆瓦时约60美元,而在锂电池方面则为每兆瓦时120美元。Cetegen表示:“随着我们向深度脱碳的电网转型,液态空气储能能够提供良好的可扩展性、地理布局灵活性、长时储能能力和能源安全性,并展现出颇为诱人的经济潜力。”在押注那些最有可能帮助各国提升能源安全的技术时,增强型地热系统、钙钛矿太阳能电池和液态空气储能只是众多选择中的三种。难点在于,在相关技术经历多年研发并实现大规模商业化应用之前,往往很难判断哪些技术将在能源系统中发挥主要作用。Borenstein指出:“构建一个涵盖多种技术方案的组合至关重要。”另一些人不同意这个观点,认为各国政府所面临的预算压力、加剧的地缘政治紧张局势,以及摆脱化石燃料的迫切需求,使得将研究重点集中在少数几项关键技术上显得尤为重要。Marks指出,当前严峻的能源安全挑战意味着,应将更大比例的资源投入到那些能在短期内产生积极影响的潜在解决方案上。“各国需要思考哪些技术能够在未来10到15年内真正发挥作用,并调整资金分配,将重点集中在这些技术上。”参考文献:1.Cetegen,S.A.,Gundersen,T.&Barton,P.I.Energy 337,138469(2025).原文以“Can green technologies deliver energy security in an unstable world?”为标题发布在2026年11月11日出版的《自然》增刊“自然聚焦-能源”上©natureNature|doi:10.1038/d41586-026-03409-0
目击证词不可靠?这些方法让“记忆”更可信
虎嗅 · 2 天前
本文来自微信公众号: 自然系列 ,作者:Nature Portfolio本篇《自然》长文共6977字,干货满满,预计阅读时间21分钟,时间不够建议可以先“浮窗”或者收藏哦。原文作者:R.J.Mackenzie无辜者屡因目击证人的错误记忆被定罪,新的研究提供了一种出乎意料的解决方案。1998年1月底的某个黎明,两名男子闯入了Betty Black位于得克萨斯州达拉斯郊区法默斯布兰奇的家中。他们在这起失控的入室盗窃案件中杀死了Black。几个小时后,一位目击者——Black的邻居——将她所看见的情景告诉了警方。她说,在晨光中,有两个长发的白人从车里下来,走向Black的房子。这名邻居Jill Barganier次日前往警局指认了Richard Childs,一名长发的白人男子,为涉案汽车司机。Childs后来承认涉案,并服刑16年。在接下来的一周里,警方将28岁的Charles Don Flores锁定为第二名嫌疑人。有人曾在谋杀案发生那天上午看到Flores与Childs在一起,但Flores是一名短发的拉丁裔男子。2月4日,邻居Barganier被叫到警察局,在警局,一名警官为了帮助她回忆,使用了“司法催眠”——这一做法已被证明不可信,得克萨斯州及许多其他司法管辖区现已不再采用。在催眠过程中,警官向Barganier暗示其中一名男子可能留着“修剪整齐”的头发。然而,她再次将车上乘客描述为一名留着长发的白人男子,随后协助警方制作了一张与Flores长得完全不同的合成画像。在照片队列指认中,她仔细查看了另一组包含Flores和另外五名短发拉丁裔男子的照片队列,但没有认出其中任何一个人。然而,一年多后的1999年3月,Barganier的记忆却发生了变化。她在法庭上作证称Flores当时就在车里,并表示自己“百分之百以上”确信他就是自己当时看到的那个人。由于缺乏将Flores与该罪行联系起来的DNA证据,这一证词成为了检方指控的核心依据。陪审团裁定Flores犯有极刑谋杀罪,他目前正等待执行死刑。几十年来,研究人员一直对刑事案件中目击证词的可靠性表示担忧。记忆可能存在缺陷、衰退、存有偏见或受到污染。当警方采集目击证词时,若采用的方法不严谨或前后不一致,往往会加剧这些问题。对于该领域的许多科学家而言,记忆根本不值得信赖。但是,记忆研究领域正在发生转变。对现实世界中的刑事案件和实验室实验的重新评估表明,目击证人对特定记忆的信心,至少在某些情况下,可以成为其陈述真实性的有力指标。Flores一案揭示了目击证词使用方式中长期存在的问题。科学家们认为,某些记忆——例如Barganier起初在照片列队指认环节中排除了Flores——应被视为比其他记忆更可靠。美国及其他地区的某些司法管辖区域已开始采取一些行动,来应对这一不断变化的科学认知。但相关研究仍面临着艰巨的挑战。刑事司法体系的改进出了名地缓慢,而目击证词尽管存在种种已知缺陷,但权重仍然很大。“这是一个巨大的问题。”加州大学圣地亚哥分校的记忆研究学者John Wixted说。尽管法官、陪审员和公众在DNA证据或指纹鉴定等问题上都会听取专家意见,但对于记忆,每个人都有经验。Wixted说,“我们的虚假记忆感觉上非常真实。”现在,他希望自己的论点能有助于一项向美国最高法院提交的请愿,请求重新审议Flores的定罪。一直存在的疑问关于证词可靠性的质疑至少自20世纪70年代起就已存在。当时任职于华盛顿大学的心理学家Elizabeth Loftus进行了一系列实验,结果表明,操纵记忆或制造完全虚假的记忆是多么容易[1]。20世纪80年代和90年代,DNA证据被引入司法程序,这有助于揭示证词可靠性问题对刑事司法体系造成的严重影响。随着几十上百起定罪因无可辩驳的DNA证据而被推翻(参见“错误指认”),人们逐渐意识到,这往往源于错误的目击证词。来源:无辜者计划(go.nature.com/42jhxtb)很多科学家都把注意力集中在了警方的列队指认程序中,因为他们认为这是偏见被引入调查的一大环节。嫌疑人本人或照片会和其他拥有相似特征的人并列展示,后者作为陪衬者。如果目击证人成功地从这样的一组队列中指认出了嫌疑人,这被视为一个强有力的有罪证据。但如果负责组织指认程序的警员知道谁是嫌疑人,就可能会对目击证人的判断产生不当的影响。此外,如果同一名嫌疑人被多次纳入指认队列,也可能影响证人回忆,触发熟悉感。记忆研究者们,如爱荷华州立大学心理学家Gary Wells,一直在领域前沿尝试改进列队指认程序。除了程序执行方式存在的问题外,Wells还发现证据的处理方式本身存在根本性缺陷。1980年,他与加拿大心理学家Rod Lindsay合著了一篇关于警方列队指认程序中否定结果的论文[2]。他们指出,尽管“肯定指认”被视为罪行的有力证据,但当目击证人选中了嫌疑人之外的演员,或认为整个队列里都没有罪犯时,警方则通常将之视作证人犯错了。Wells认为,此类“否定指认”应被视为降低嫌疑人有罪可能性的依据(见“嫌疑人指认程序”)。Wells的论文高度专业化,它基于贝叶斯信息增益模型,但在司法系统中并未引起太大反响,Wells表示。“数学证明对普通公众帮助不大,对警察、检察官和辩护律师来说更是不起作用。”这篇论文还基于这样一个观点:目击证人起初的回忆是可靠的。与此同时,在随后的二十年里,记忆科学领域传出的主流观点却恰恰相反,他们发现记忆是可塑的,也是脆弱的。石溪大学的退休认知科学家Nancy Franklin表示,记忆“轻易就会改变”。Franklin补充道,随着记忆受到污染,证人往往会变得更加自信,从而在法庭上作证时提供极具误导性的证词。在2001年对64位研究目击者现象的心理学家进行的一项调查中,87%的受访者支持这样一种观点:目击证人对记忆的自信程度并不能预示其准确性[3]。信心问题2011年,华盛顿大学的心理学家Henry Roediger请Wixted协助撰写一本书籍中的章节,关于目击证人记忆的自信程度[4]。Wixted一直致力于基础记忆研究,不大情愿涉足更复杂的现实世界应用领域。他说,但是Roediger“不接受拒绝”。Wixted说,当他深入阅读相关文献后意识到,应用研究领域用来判断何为最佳实践的理论模型,与基础记忆科学所依据的模型截然不同。这种差异也体现在研究目击证人记忆时用于衡量证人信心的方法上。在Wixted的研究领域,人们运用一种名为“信号检测理论”的概念来建立自信程度与“再认记忆”之间的联系。科学家可能会通过向志愿者展示一组单词来测试其再认记忆,其中一半是他们之前见过的“旧”单词,另一半则是从未见过的“新”单词。研究人员会询问志愿者是否见过每个单词,并请他们评估自己对这一判断的自信程度。如果志愿者之前见过某个单词,该记忆的痕迹(称为“信号”)就会被编码到他们的大脑中。旧单词产生强烈信号的可能性远高于新单词,如果某个单词产生了强烈信号,志愿者更可能表示自己认出了该单词。这也会增强他们对这一判断的信心,这意味着信心与准确性紧密相连。鉴于列队指认环节本质上是在测试目击者对曾经见过的人脸的识别程度,Wixted推断,在这种情况下,自信程度与准确性之间也应存在密切关联。Wixted和同事Laura Mickes(现为英国布里斯托大学心理学家)共同分析了20世纪90年代关于目击者记忆的一系列实验室研究。这些实验中志愿目击者观看模拟的犯罪场景,结果表明,目击者的自信程度很少能预测其记忆的准确性。但Wixted、Mickes和他们的同事发现,这些研究将目击者犯下的不同类型的错误混为一谈了[5]。如果某人在列队指认程序中指认出了“嫌疑人”,但该嫌疑人实际未实施模拟犯罪,在研究中,这基本上被视为与指认陪衬者一样的“错误”。但在现实中,这两类错误的意义完全不同:误认嫌疑人可能会导致无辜者被定罪,而误认陪衬者只会被忽视。混淆这二者导致不同类型错误一并计入统计,使信心与准确性之间的关联看起来比实际情况要弱。Wixted遵循了与Wells相同的贝叶斯逻辑,推断出列队指认程序的每种结果——无论是指认嫌疑人、指认陪衬者,还是完全不指认——都会以不同方式改变嫌疑人有罪的概率。例如,指认陪衬者应表明:嫌疑人的面孔未能充分激活证人的记忆,以至于无法引发回忆。这应被视为嫌疑人无罪的证据。Wixted和Mickes提出了一种名为“信心-准确度特征”(CAC)分析的新方法。CAC分析[6]旨在解答Wixted认为先前研究中被忽视的问题。他们认为,这才是法庭上陪审团真正应该关注的问题:如果一名证人以某种程度的信心指认了一名嫌疑人,那么该指认的准确概率有多大?通过CAC分析,以往实验室研究的数据现在表明,高度自信的证人准确率高达97%[7]。索尔克生物研究所(Salk Institute for Biological Studies)的神经科学家Thomas Albright表示,这项发现震动了整个领域且颇具争议。他表示,Wixted“进入这一领域,翻了个底朝天”。因此,爱荷华州立大学的记忆研究学者Andrew Smith表示:“当时反对声浪巨大。”Wixted指出,批评者的观点大致分为两派:一派认为目击证人的记忆绝不可靠;另一派则认为自信度与准确度之间的关系早已是常识。现实世界中的数据也印证了Wixted的观点。他曾与得克萨斯州休斯顿警察局合作,对近350份照片队列指认材料进行了研究[8]。该局采用了确保辨认过程公平的程序,例如双盲法——即确保负责该程序的人员不知道谁是嫌疑人。Wixted还要求休斯顿警员在指认结束后立即记录目击者的确信程度。这项研究表明,高度确信的识别结果正确率约为97%,而如果信心不足的话,识别结果则仅比抛硬币略好一些。Wixted指出,对“无辜者计划”数据的分析进一步支持了这一理论。这是一家位于纽约市的非营利组织,致力于为被错误定罪的人洗清冤屈。在首批250起因DNA证据推翻定罪的案件中[9],有92起案件的庭审记录显示了目击者在首次记忆测试时说的话。在每起案件中,目击者在首次测试时的信心都比在法庭上表现出的要低。2017年,曾就目击证人记忆问题公开持不同意见的Wixted和Wells共同发表了一篇论文[10]。该论文认为,在警方队列指认环节中,目击证人首次记忆测试时的自信程度可能预示着准确性——但仅限于规范的测试条件下。这些条件包括双盲测试和谨慎地呈现嫌疑人队列以避免引起对嫌疑人的注意。纽约城市大学的心理学家Margaret Bull Kovera说,该论文产生了巨大影响。去年对研究目击证人问题的心理学家进行的一项调查揭示了这一转变:89%的受访者同意,在理想条件下,目击者的自信程度确实能反映其记忆的准确性[11]。反映罪责自信并非全部。还有其他因素(Smith称之为“反映变量”)也会影响嫌疑人面部特征在目击证人识别记忆中激活的强度。这包括目击者做出判断所需的时间——识别记忆是瞬间完成的,而低自信的辨认则需要更长时间。Smith表示,如果列队存在不公平,反映变量可能会产生误导,但公平的流程则可能使这些变量发挥作用。Flores仍在等待死刑执行,他的定罪主要依据是Barganier的法庭证词。Flores的辩护律师Gretchen Sween已向美国最高法院提交了一份请愿书,称Barganier最初未能指认Flores证明了Flores的清白,不应被她后来在法庭上指认所掩盖。向Barganier的电子邮件和电话号码寻求评论的请求没有得到答复。Sween承认科学是微妙而复杂的,“法律却只想要黑白分明。”她说。她预计今年晚些时候会得知最高法院是否会受理Flores的上诉。达拉斯县地方检察官办公室未回应置评请求。Wixted希望关于目击证人记忆的新科学进展能够让Flores重获自由,并推动刑事司法系统的产生一些其他的变化。然而,进展必然是缓慢的。Kovera表示,美国警察系统由下而上的结构涵盖联邦、州和地方各级近18000个机构,这使得核心程序难以推进。但改变是可能的。在美国的一些州,例如新泽西州,总检察长可以规定其管辖范围内所有机构的做法。新泽西州也是首批采用双盲队列指认程序的州之一。Wells认为,警局可以做出的最大改变就是拍摄嫌疑人队列指认的全过程,以确保记录下重要的反馈变量,例如证人辨认所需的时间。他说道:“这12到15分钟的信息量远超你的想象。我们必须记录下来。”Wixted表示,调整联邦法院使用证据的规则将是变革性的。目前的规则阻止了辩护律师使用队列指认的否定结果作为无罪证据。Wixted说已有十一个州改变了这一点的规定,但联邦政府的改变可能会产生更大的影响。与此同时,其他一些国家也开始根据有关记忆信心的新研究成果,对司法实践作出调整。以加拿大为例,2018年,加拿大公共检察署发布了一份指导文件,建议在目击证人首次辨认嫌疑人时,记录其当时的信心水平。这份文件引用了Wixted和Wells的论文。不过,包括英国在内的大多数国家的司法系统,至今仍未将证人的信心水平作为衡量记忆准确性的依据。Wixted说:“科学成果要进入司法体系并转化为司法实践,需要的时间极为漫长。”参考文献:Loftus,E.F.&Palmer,J.C.J.Verbal Learn.Verbal Behav.13,585–589(1974).Wells,G.L.&Lindsay,R.C.Psychol.Bull.88,776–784(1980).Kassin,S.M.,Tubb,V.A.,Hosch,H.M.&Memon,A.Am.Psychol.56,405–416(2001).Nadel,L.&Sinnott-Armstrong,W.P.(eds.)Memory and Law(Oxford Univ.Press,2012).Wixted,J.T.,Mickes,L.,Clark,S.E.,Gronlund,S.D.&Roediger,H.L.III Am.Psychol.70,515–526(2015).Mickes,L.J.Appl.Res.Mem.Cogn.4,93–102(2015).Wixted,J.T.,Read,J.D.&Lindsay,D.S.J.Appl.Res.Mem.Cogn.5,192–203(2016).Wixted,J.T.,Mickes,L.,Dunn,J.C.,Clark,S.E.&Wells,W.Proc.Natl Acad.Sci.USA 113,304–309(2016).Garrett,B.L.Convicting the Innocent:Where Criminal Prosecutions Go Wrong(Harvard Univ.Press,2011).Wixted,J.T.&Wells,G.L.Psychol.Sci.Public Interest18,10–65(2017).Seale-Carlisle,T.M.et al.Perspect.Psychol.Sci.20,903–924(2025).原文以Memory on trial:the new science of when to trust eyewitness testimony标题发表在2026年5月27日《自然》的新闻特写版块上©natureDoi:10.1038/d41586-026-01618-1
匈牙利学者:我曾不理解中国的生态文明理念,直到发现……
虎嗅 · 2 天前
本文来自微信公众号: 底线思维 ,作者:观察者网11月20日,联合国气候变化大会第三十一次缔约方会议(COP31)在土耳其安塔利亚落幕。过去几十年里,全球气候谈判不断推进,各国也提出了各种减排目标和绿色转型方案,但气候危机依然严峻。技术进步、能源转型和经济增长,究竟能否真正带领人类走向可持续发展的未来?或许,我们还需要重新思考一个更根本的问题:人类究竟应该如何理解生命,以及自己与自然的关系?匈牙利理论物理学家、天体物理学家阿提拉·格朗皮埃尔(Attila Grandpierre),提出了“生命中心型文明”(Life-centered Civilization)的理念。他认为现代社会过度追求物质财富、消费和经济增长,恰恰是生态危机与人类精神困境的重要根源。技术可以成为改善世界的工具,但如果人类不改变自身的价值观,再先进的技术也未必能够带来真正的可持续发展。有意思的是,格朗皮埃尔最初对中国提出的生态文明理念也曾抱有怀疑。但随着对这一理念的深入了解,他逐渐发现,中国生态文明所强调的尊重自然、尊重传统,与自己长期探索的生命中心型文明有着深刻的相通之处。在他看来,中国传统文化中保留的生命智慧,或许能够为人类文明的未来提供重要启示。他甚至从中文“生态”二字中找到了与自己理论相呼应的理解:“生”意味着生命(Life),“态”意味着态度(Attitude),生态文明也可以被理解为一种以生命为中心的文明。从气候危机到东西方文明,从物质主义的局限到中国生态文明的价值,格朗皮埃尔在这次与观察者网的对话中分享了他对人类未来的思考。观察者网与阿提拉·格朗皮埃尔进行线上对话【对话/观察者网郑乐欢】观察者网:我想先从您的个人经历谈起。作为一名物理学家、天体学家,您是从什么时候将兴趣转向生命、自然,甚至哲学的?是什么促使您发生了这样的转变?阿提拉·格朗皮埃尔:我16岁的时候,就对生命的本质产生了非常强烈的兴趣。在那之前,我一直非常热爱数学,但到了16岁,我的兴趣突然转向了生命。我开始频繁地去图书馆,阅读各种关于生命的书籍。但让我非常失望、甚至有些愤怒的是,我发现竟然没有人能够回答一个最基本的问题:生命究竟是什么?我无法理解,为什么人类最重要的问题,反而一直被搁置在一边?有时候,我会读到一些书把生命定义为新陈代谢。我当时就想,不对,我的生命绝不仅仅是新陈代谢。生命还与我的决定和行动有关,取决于我如何安排自己的人生,以及我能够发展出怎样的生活方式。我认为,这才是一个至关重要的问题。1967年,匈牙利出版了一本非常重要的著作,名叫《理论生物学》。作者是一位世界级的匈牙利生物学家。他早在1920年就发表了关于生命本质、理论生物学以及生物学普遍原理的重要论文。后来,他先后受到美国和苏联的邀请,最终选择前往苏联,并于1935年在那里出版了《理论生物学》这本代表作。当我读到这本书时,我意识到,这位生物学家实际上发现了生命真正的基本原理。这是一条自然法则,因此也是支配宇宙的普遍原理。人类的未来必须与这一生命普遍原理保持一致。我把这一原理视为自己人生中最重要的指引。过去60年来,我一直在持续研究它,并在此基础上发展出一套完整的理论。观察者网:您提出了“生命中心型文明”(Life-centered Civilization)这个概念。请问这个概念具体意味着什么?如果我们生活在这样一种文明中,与今天的社会相比,会有哪些不同?阿提拉·格朗皮埃尔:生命中心型文明,最核心的目标就是提升人类生命的质量。社会是人类生命中一个非常基础的因素。我们出生之后,就已经置身于特定的社会环境之中,而社会会持续、系统地影响我们看待世界、宇宙和生命的基本态度。我们所处社会的性质,以及这个社会所追求的主要目标,会深刻影响我们从小形成的价值观。如果我们出生在一个物质主义文明中,那么到了三四岁、五岁的时候,就已经开始意识到:这个世界最重要的东西是物质。整个社会也会朝着这个方向运转,仿佛物质应该成为一切的中心。但如果物质并不是我们内心真正重视的东西,那么个人与社会之间就会产生冲突。通常,当我们逐渐融入社会时,也会慢慢适应社会的主流方向,最终成为物质主义者。这样一来,我们对于自我身份、幸福以及如何过上美好生活的理解,就可能从一开始便出现偏差。我们开始贪婪地追逐金钱、权力和社会地位,把人生中最重要的精力都投入其中。这是人类的一场悲剧。事实上,所有社会理念、社会理论以及社会的根本目标,都必须建立在人类普遍的本性之上。那么,人类本性中最基础的部分是什么?它来自自然,来自生物圈,来自地球母亲。我们首先是生命体。因此,一个真正希望人们过上美好生活的社会,就必须让自身的发展方向有益于生命。与此同时,社会也应该促进人的智力发展。因为人类不仅是生命体,我们还需要依靠智力作出许多重要决定。这意味着,我们的智力必须保持健康,能够真实、全面地认识现实,而不是只看到片面的、物质主义的现实图景。这样的认识应该从儿童时期就开始培养。这就是我所说的生命中心型文明:社会努力改善人们的生命条件,同时鼓励每个人主动参与自身生活的建设。如果每个人都能够充分发展自己的天赋和能力,那么他们也会成为建设社会更加宝贵的力量。观察者网:我想把您的这些观点与当下正在发生的事情联系起来,尤其是目前正在举行的COP31。几十年来,全球已经举行了多轮气候谈判,各国领导人也作出过很多承诺,但我们似乎始终在面对同样的问题。从您的角度来看,为什么人类如此难以取得真正的进展?问题主要出在政治和金钱上,还是说,我们理解自然以及人与自然关系的方式,本身就存在更加深层的问题?阿提拉·格朗皮埃尔:你可以看到,世界上有一个非常小的群体,掌握着全人类相当大一部分的物质财富。他们能够影响整个人类社会,很大程度上是因为他们让人们相信,物质主义的思维方式才是正确的。实际上,不可持续发展的根源并不在于人口规模,而在于消费规模。过去一百年里,消费增长的幅度远远超过了人口增长。正是这种消费模式,让我们不断支撑着那一小部分人,使他们能够变得更加贪婪。人类中的99%,在物质主义思维的驱使下,实际上是在帮助那1%继续追逐更多财富。这意味着,不可持续发展的根本原因,是我们对生命以及什么才是美好生活的理解出现了偏差。消费超过一定水平之后,继续增加消费完全是不理性的。我不需要很多辆汽车,也不需要很多钱。真正重要的问题是:我怎样才能过上最好的生活?如果一个人拥有很多钱,却不知道应该如何使用这些钱,那么他最终反而会迷失方向,也更容易受到操纵。我认为,这正是贪婪、虚假需求、社会操纵以及冲突不断增加的根源。当今世界的冲突越来越多,一个重要原因就是物质主义思维。这种思维让人们认为,一个人的价值就是他的身体和物质占有。如果想要拥有更多、变得更强大,就必须从其他人那里获得,甚至夺取——这自然会导致冲突。甚至我们的国家认同,也在物质主义思维的影响下受到操纵。现代国家认同的概念本身就是一个相对较新的事物,在我看来,它的基础存在根本性问题。国家认同应该放在生命的因果关系框架中重新理解,因为真正重要的是我们生活在怎样的生命关系之中。今天,我们经常听到人们强调福祉和幸福,但这些概念往往被赋予了物质主义的含义。我认为,这种理解并不能真正带来幸福。比如,如果我拥有一百万,这种财富带来的满足感很快就会失去。一个静止不变的状态并不能持续产生幸福。真正能够带来幸福的,是行动,是不断改善自己的生活,并且改善所有生命的持续过程。这才是真正的幸福,才是美好生活。如果我们不重视这一点,最终过上的可能就不再是属于自己的生活,而是一种被他人操纵的生活。观察者网:今天,人们谈论很多新技术,尤其是人工智能、清洁能源和绿色创新。很多人相信,技术能够帮助我们解决气候危机。但您认为,仅仅依靠技术进步够吗?即使我们拥有更先进的机器和更清洁的能源,是不是也必须改变自己的生活方式和价值观?阿提拉·格朗皮埃尔:技术为我们提供了非常强大的工具,但如果这些工具只是不断强化物质主义的一面,那么它们实际上只会让我们的集体生活变得越来越糟。我们应该首先选择真正有益于社会、真正有益于人的目标,然后让这些目标推动技术进步。技术发展不应该主要服务于军事或者其他领域,而应该更多地用于改善土壤、大气和水质,提升环境的美感,改善人们的身体健康,尤其是心理健康。当今世界,尤其是西方社会,正在经历一场心理健康危机。如果我说我们正面临一场全球性的价值观危机和心理健康危机,我认为并没有偏离现实。抑郁、长期压力和焦虑,已经成为当今世界非常普遍的问题。11月20日,联合国气候变化大会第三十一次缔约方会议(COP31)在土耳其安塔利亚落幕。路透社如果我们希望重新恢复作为生命体的完整性,找回自己原本的身份,重新认识人类在古代智慧中曾经拥有的那种与自然相联系的状态,那么我们就能够重新获得精神力量和情感力量。因此,我认为摆在我们面前最重要的任务,是让西方社会也意识到,我们迫切需要对旧有思维进行“去殖民化”。我们的全部思考都受到某种心理框架和概念框架的影响,而这些框架在很大程度上已经偏离了方向。生命不是新陈代谢,也不只是身体的生理运转。生命取决于我们的决定,取决于我们如何在完整的现实中作出选择、采取行动。我们价值观最根本的依据,应该来自自然,而不是社会。社会应该让自身适应自然。我们不能误以为社会就是一切。如果社会就是一切,那么作为人类,我们就什么都不是。事实上,我们生活在自然之中,生活在生物圈之中。这才是我们最根本的现实,也是我们认识世界、确立价值观时应该遵循的基础。我们不能仅仅把自己理解为社会性存在。如果真是这样,一个糟糕的社会就能够把我们塑造成糟糕的人。因此,我们最终仍然要对自己的品格和人生负责。只有让我们的思维摆脱狭隘、片面和受到操纵的框架,我们才能真正发挥自身更强大的精神力量。观察者网:如果人类希望进入您所说的“生命中心型文明”,除了您提到的对思维“去殖民化”以外,您认为目前最大的障碍还有什么?阿提拉·格朗皮埃尔:我认为,最大的障碍之一就是习惯。人的决定有相当大一部分取决于习惯。我认为,这个比例甚至可能达到95%。如果我们的习惯是从社会中继承下来的,或者是在没有经过批判性判断的情况下被灌输的,那么我们最终就会成为习惯的奴隶。因此,我们必须认识到习惯的力量,并按照自己原初的身份来塑造习惯。这里所说的原初身份,也可以理解为我们童年时期的自我。我们需要成长为成年人,但成年应该是童年人格的一种有机延续。我们的性格当然会变得更加成熟,但不应该与童年的自己彻底割裂,不能忘记自己原本是什么样的人,然后完全被社会重新塑造。从自然的角度来看,我们从出生到死亡,始终具有某种身份上的连续性。我们有责任维护这种连续性,否则就会失去原本的自我。我们还必须有意识地审视自己的世界观。世界观往往根深蒂固,我们需要不断追问:自己究竟是以怎样的方式看待这个世界的?这种看法正确吗?这些问题并不容易回答,但只有认真面对它们,我们才能成为真正成熟、完整的人。观察者网:我知道您长期研究不同文化和哲学传统,尤其关注东方与西方的关系,也研究匈牙利自身的历史传统。您认为,在理解自然和生命的问题上,东西方文化是否存在不同?匈牙利自身的传统中,又有哪些东西值得现代世界重新认识?阿提拉·格朗皮埃尔:我一直非常关注匈牙利的身份认同,以及匈牙利与西方、与东方之间的关系。让我感到很有意思的是,大约1100年前,匈牙利人仍然拥有一种古老的宗教传统。历史地图集将其称为自然宗教,同时也存在萨满教传统。1100年对于一个拥有漫长历史的民族来说,并不是一个特别长的时期。自然宗教对于人与自然和谐相处非常重要,也提示我们,自然科学应该与自然保持和谐。自然科学不能只建立在物理学之上,还应该建立在真正以生命为中心的生物学基础之上。我发现,西方文明、东方文明,以及世界各地的原住民文化,最初都与一种泛灵论式的自然信仰有着密切联系。在我看来,人类在过去约300万年的历史中,一直拥有以自然和生命为中心的泛灵论传统。但大约三四千年前,在美索不达米亚和古希腊等地区,人类文明的基本价值发生了变化。理性和智力逐渐取代灵魂,成为最重要的东西。这种转变由古希腊哲学家进一步推动,而西方主流思想至今仍然沿着这条道路发展。当然,西方文明内部也非常多元,仍然诞生了许多优秀的思想。但西方思想的主流发展方向,确实越来越受到物质主义的影响,并将智力视为人类最高的能力。我对此有不同看法。我认为,人类最高的能力,是能够像一个真正的人一样去感受、去体会。如果一个人缺乏人性,那么他的智力越发达,反而可能变得越危险。因此,我们整个价值体系都应该恢复健康,使之与自然和现实保持一致。而东方文化在更大程度上保留了古老的自然信仰传统,也保留了以生命为中心的思想。进入21世纪,这些古老的观念正在重新受到重视。原住民文化的价值也越来越受到认可。例如,联合国支持成立的政府间生物多样性和生态系统服务科学政策平台(IPBES),其研究成果已经获得150多个国家政府的认可。其中一个重要结论就是,原住民知识体系必须在可持续发展中发挥核心作用。观察者网:我注意到,您也曾经专门写过关于中国生态文明的文章。您最初对中国提出的生态文明理念其实有些怀疑,但后来您的看法发生了变化。是什么促使您改变了想法?阿提拉·格朗皮埃尔:当我认识到宇宙本身是有生命的,我们实际上生活在一个有生命的宇宙之中时,我开始形成一种新的理解:地球上的各个国家,应该像我身体里的细胞一样,为整体利益而合作。从这个角度来看,不同国家之间不断发生的冲突是完全不自然的。宇宙最终会成为赢家。换句话说,各个国家都必须在自然中找到自己的位置,像一个生命体中的细胞那样彼此合作。于是,我开始寻找更加符合自然规律的社会形态。在这个过程中,我接触到了中国的生态文明理念。我当时认为,这可能是实现生态文明少数真正严肃的尝试之一。但随后,我受到了西方主流思维方式的影响。有人告诉我,中国是一个共产主义国家,因此不应该相信它的生态文明理念。由于我对匈牙利共产主义的负面经历印象太深,起初我也不相信中国的生态文明真的具有生态性。但因为这个问题实在太重要了,所以我还是决定继续了解。最先改变我看法的,是我发现中国生态文明建设的一个首要目标就是尊重自然。接下来,我又发现了另一项非常重要的原则:中国生态文明强调尊重古老传统。安吉竹海。央视新闻过去12年来,我一直在观察和思考一个问题:中国是否真正理解生态文明的意义?它能否真正让这一理念造福人民、人类以及整个生命世界?而每当我有机会检验这一点时,得到的答案都是肯定的。在我看来,中国的生态文明理念是“以人为本”,而它与我的理论之间,似乎只差一个重要的概念,那就是“以生命为中心”。中文里的“生态文明”也让我想到了这一点。“生态”两个字中,“生”可以理解为生命(Life),“态”则可以理解为态度(Attitude)。从这个角度来看,生态文明也可以理解为一种以生命为中心的文明。中国保留了五千多年的古老传统,因此,它与一种更加自然、以生命为中心的文明理念有着更深的联系。观察者网:最后,展望未来五年或者十年,您如何看待“生命中心型文明”的发展前景?阿提拉·格朗皮埃尔:我认为,未来十年将变得非常重要。我们也应该记得,大约50年前,梅多斯和罗马俱乐部就曾经警告,经济体系可能会崩溃。但50年过去了,经济并没有崩溃。这也许说明,要实现可持续发展所需要的全部改变,可能需要更长的时间。不过,在我看来,未来三十年,将成为人类历史上至关重要的时期。如果中国以及其他国家、民族和文化,能够更加重视自身真正的利益,努力寻找一种真正美好的未来和生活,减少不必要的冲突,在和平、稳定和富有成果的合作中共同发展,那么我们就有机会实现这种转变。现在正是采取行动的时候。我认为,在联合国195个成员国中,已经有相当多的国家,可能达到150个左右,开始认同这样一种理念:我们必须让自己的思维“去殖民化”,不再成为片面、肤浅的物质主义增长观念的“俘虏”。从长远来看,物质发展仍然是必要的,但它应该有一个限度。一个国家首先需要实现物质发展,消除贫困,让人民拥有生活所必需的基本物质条件。但当发展达到一定水平之后,真正重要的就应该转向情感、智力和精神层面的发展。因为当人们已经拥有了物质生活所必需的一切,接下来真正需要解决的,就是精神、情感和智力层面的需求。我认为,从长远来看,这种转变是不可避免的,而且在未来30年内就有可能逐步发生。当然,我们也必须看到,当前的局势仍然非常危险,没有人能够保证人类一定可以延续下去。但如果每一个参与者都能够做好自己的工作,那么我们就有机会把人类从今天这种悲剧性的处境中拯救出来。
空战失利、中东战争波及,印度还能主导南亚吗?
虎嗅 · 2 天前
本文来自微信公众号: 底线思维 ,作者:刘宗义编者按:2026年只剩一个多月。回看过去一年,孟加拉国政权更迭、印巴“5·7”空战、美以对伊朗军事打击等事件接连冲击南亚和印度洋地区,安全格局、能源航道与大国博弈问题相互交织,区域合作分化明显。上海国际问题研究院南亚研究中心主任刘宗义对地区形势作了系统总结与展望,并于11月18日在由复旦大学国际问题研究院主办的第三届“开放包容与合作共赢的印度洋”国际研讨会上分享相关解读。观察者网获其授权,刊载全文,供读者参考。刘宗义上海国际问题研究院南亚研究中心主任南亚形势自2024年孟加拉国政权更迭和2025年“5·7空战”之后发生了很大变化,今年2月美国和以色列对伊朗发动攻击之后,南亚和印度洋安全局势又进一步发生变化:一、印度的地区战略主导地位严重动摇。第一,印度对巴基斯坦军事优势不再。印度空战失利,巴国内对印士气大涨,巴在伊斯兰世界地位提升,充当美伊冲突的调解人,并与沙特、土耳其签署“麦加协议”。虽然印巴之间局势紧张,巴方仍担心印度进行军事报复,克什米尔等地不时发生摩擦,但印方已认识到自己的军事劣势,不敢发动对巴大规模袭击,只能通过搁置《印度河用水条约》、实施“水讹诈”和支持巴境内俾路支反叛势力及阿富汗塔利班对巴开展袭扰。印度企图加快巴控克什米尔境内的水利水电设施建设,但远没有达到能够随时全面切断巴基斯坦水源的程度。巴方就水资源问题数次发表强硬声明,但也不敢对印度发动攻击。由于印巴空军实力差距,以及中巴关系的影响,印巴军事平衡在2027年有望保持。去年5月印巴空战后,网传飞机残骸照片(右),以及此前印度空军序列号为“BS 001”的阵风战机照片。社交媒体第二,印度在印度洋的优势地位严重受挫。美以对伊朗的战争使得印度成为最大的受害者之一。首先,原先印度在区域安全架构中占据主导地位,但环印度洋联盟(IORA)、印度洋海军研讨会(IONS)等原有机制在此次危机中完全失灵。冲突初期,美国核潜艇在距斯里兰卡19海里处袭击伊朗护卫舰;数月后伊朗向迪戈加西亚方向发射两枚导弹。这些事发生在印度洋,甚至印度的家门口,伊朗护卫舰是印度请来的客人,但印度、斯里兰卡及周边国家无一发声。其次,悬挂印度国旗的船只受到伊朗袭击,美国也向载有印度船员的船只开火,令印度颜面无存;再次,海湾出现土耳其—巴基斯坦—沙特的新组合,另有专门为曼德海峡航运护航的多国安排;印度长期的主导地位下降,巴基斯坦军方(陆军元帅、陆军参谋长阿西姆·穆尼尔)穿梭于土耳其、卡塔尔、伊朗之间成为关键调解者。印度地区主导地位受挫主要是对外战略和外交政策的问题,同时与中印竞争、美印关系变化、美以伊战争也存在一定关系。二、巴基斯坦国内反恐形势非常紧张,阿巴冲突很难解决。2026年全球恐怖主义指数显示,巴基斯坦首次位居全球受恐怖主义影响最严重国家之首。虽然巴基斯坦国内安全形势恶化与周边的阿富汗和印度密切相关,具有明显的代理人战争性质,但其根本原因是国内治理问题。除经济原因之外,宗教极端思想的泛滥、中央与俾路支省及开伯尔-普什图省之间的关系问题,都是其国内恐怖主义和反叛武装不断泛滥的原因。巴基斯坦政府和军方现在所采取的措施不是寻求政治上的根本解决,而是主要倚重武力,并且将主要原因归结到外部势力身上。从这个方面来看,巴基斯坦国内安全局势难以发生根本好转。巴基斯坦安全局势的恶化,导致中国在巴项目、中巴经济走廊建设及地区互联互通受到严重影响。出于中国人人身安全的考虑,巴方对进入巴基斯坦境内的中国人实行严格的安全管理,也导致很多项目难以推进。为改善巴安全环境和阿巴关系,中国组织了数次涉及巴阿两国的国际会议,但效果不彰。阿巴关系在2026年迅速恶化,两国外交关系破裂,走向公开战争。巴方原先期待阿富汗塔利班回归能够增强其对喀布尔的影响,加强其战略纵深,但这一期待没有实现。巴阿双方的争端涉及TTP、“杜兰线”边界问题以及印度在阿富汗拓展影响等。巴阿自2月以来陷入反复升级的紧张循环,跨境打击和边境冲突持续发生。冲突的代理化非常明显:阿塔支持巴塔、俾路支分裂武装针对巴基斯坦的武装渗透,而巴基斯坦则支持反塔利班的力量。这不仅是阿巴之间的代理人战争,也包含印度。阿富汗塔利班正在积极扩大对外联系,降低对巴基斯坦的单一依赖,与印度、俄罗斯、乌兹别克斯坦和伊朗的关系都有比较明显的进展。甚至还企图通过建设瓦罕走廊的道路联通中国,据说被叫停。我今年1月曾访问喀布尔,与阿塔外交部官员进行了会谈,他们特别希望我们去投资,希望开通瓦罕走廊,但在东突问题上拒绝让步。从车窗里看喀布尔街头作者供图但非常明显的是,喀布尔的对外选择增多,而伊斯兰堡过去通过地理通道、贸易过境和政治联系塑造阿富汗塔利班行为的能力正在下降。巴基斯坦现在积极联络阿富汗境内反塔利班势力,试图推翻阿富汗塔利班。阿巴冲突2027年难以看到结束。三、中东冲突对地区的经济和能源安全造成严重冲击,甚至影响一些国家政局稳定。对于像斯里兰卡、马尔代夫这些印度洋小岛国而言,当前的美以伊冲突以及胡塞武装和沙特的冲突不是“中东战争”,而是“印度洋战争”。霍尔木兹海峡连接波斯湾与阿曼湾和印度洋,曼德海峡连接红海与亚丁湾和阿拉伯海,两处同时受阻,等于印度洋的航道被掐住。战前印度洋承担全球75%的能源、50%的集装箱、35%的干散货运输,通道一旦不畅,全球都要付代价。冲突对印度洋沿岸及岛屿国家、东南亚、东亚有连带伤害。斯里兰卡作为印度洋小岛国,承受的是三重打击。斯里兰卡缺乏战略储备、缺乏外汇缓冲、储油能力有限,却要应对油价上涨、气价上涨、化肥断供同时到来的压力。斯里兰卡约七成的人口直接或间接依赖农业,农业就业约占总就业的四分之一;化肥断供直接冲击粮食安全与生活成本,对小岛国是粮食安全问题。当前斯里兰卡政治相对稳定,但改革兑现与民生改善滞后,就业、实际收入和贫困改善并没有明显提高。现在斯里兰卡通胀率达到8%。对于迪萨纳亚克政府来说,经济治理效果如何将关系到其支持率。马尔代夫面临同样的挑战。穆伊兹政府的政治风险不仅来自对外关系争论,也来自“发展承诺能否兑现”的国内考验。住房、工程款支付、公共服务和生活成本,正在成为评价其治理绩效的重要维度。今年4月,马尔代夫穆伊兹政府面临地方选举失利,这是对其执政成绩的一个中期考核。孟加拉国也面临类似挑战。自2026年2月大选结束到今天,孟加拉国政治形势稳定,但存在隐忧;经济上外部指标改善但内需和投资疲软;社会层面民众的支持与不满并存。当前,大部分民众仍认可总理个人表现,但对电力、燃料、生活必需品匮乏以及物价上涨感到不满。如果民众不能在就业、供电和食品价格上感受到改善,个人支持率会逐渐向政府绩效收敛,社会福利项目的政治效果也会下降。特别是人民联盟被排除于合法政治之外,经济问题会被反对派利用。四、南亚区域经济合作出现明显分化,印度与其邻国之间的控制与反控制斗争仍将继续。南亚区域经济合作格局出现明显分化,孟加拉国“向东看”,希望加入以中国为中心的亚洲产业链,响应中缅孟经济走廊,希望加入RCEP甚至东盟;巴基斯坦“向西看”,希望通过中巴经济走廊连接中东和海湾;只有不丹和斯里兰卡追随印度,尼泊尔被迫无奈当前只能看印度脸色。首先,自2024年8月哈西娜下台后,印孟关系遭遇挫折。孟加拉国在政权更迭后其对外政策进行了调整,孟加拉国民族主义党今年2月上台后更加明确,新政府以“孟加拉国优先”为口号,采取大国平衡政策,以经济利益优先,扩大与中国合作、修复对印关系,同时发展美国、欧盟、海湾国家和东南亚伙伴的关系。孟加拉现任总理塔里克·拉赫曼(Tarique Rahman)孟媒孟与中国、美国关系都比较稳定,同时也在寻求恢复与印度的关系。但总体上,孟加拉国希望进一步加强与中国和东盟的关系,推动解决罗兴亚人问题,建设中缅孟经济走廊,并加入RCEP。塔里克政府希望能够修复对印关系,但哈西娜引渡问题和跨境水资源问题很难解决,因此孟加拉国官方曾放话也要加入“麦加协议”。最近孟加拉国宣布购买中国J-10战机,对印度的地区军事优势又是一大打击。在印度的支持下,前总理谢赫·哈西娜宣称拟于12月返国,这对孟加拉国政局稳定是不确定因素,治安在2026年末阶段性恶化的局面已经出现,达卡大学前几天接连发生爆炸事件。其次,尼泊尔去年的“Z世代”革命和今年的大选脱离了印度的掌控。与孟加拉国学生推翻哈西娜类似,美国在其中发挥了主导作用。巴伦德拉·沙阿上台之后,印度尼泊尔关系比较紧张。最近,据说11月22日至25日,巴伦德拉·沙阿将前往印度,开启他上任后的首次双边访问。但是加德满都方面提出一项重要诉求:希望获得超过20亿美元的一揽子资金,这笔资金主要用于8月特大洪水灾后重建。尼泊尔同时希望商讨卡拉帕尼、利普列克、林皮雅杜拉以及苏斯塔的领土主张。沙阿可以说是一个政治素人,政治经验不多,外交经验几乎为零。他上台之后不仅对印度大放厥词,而且对华、对美都言语粗俗,幻想能够实行独立外交。这次之所以访印,与其国内政治斗争形势及遭受的严重自然灾害有关。中尼边境地区发生的特大冰崩泥石流事件使得中尼边境口岸通行能力大幅下降,尼泊尔的地理位置和地质条件决定了现阶段根本离不开印度。再次,不丹希望拓展对华关系。今年4月底我访问了不丹。作为南亚小国,不丹在政治、军事、经济、社会发展等方面对印度高度依赖,但同时也希望拓展外交空间,引进更多印度之外的投资和技术,寻找更多发展机会,尤其是拓展对华关系,借助中国发展促进本国发展转型。不丹最核心的发展难题,在于如何在小国地理约束、经济单一化、青年外流和外部依赖加深的背景下,实现从“理念型发展模式”向“可持续、高吸纳就业发展模式”的转型。在这一背景下,不丹高层对改善与中国关系的意愿日益增强。但由于印度对不丹的严密控制和不丹高层对印方的惧怕,不丹高层在发展对华关系方面热情很高,但非常小心谨慎,需要中方采取积极主动行动,建设性地推动中不关系发展。最后,斯里兰卡的困境在于被印度过度绑定,同时又不被平等对待。2022年斯里兰卡主权债务违约,印度提供约40亿美元信贷支持;2024年又借族群政治与舆论叙事助现政府赢得议会多数(225席中占159席)。迪萨纳亚克政府以“回报”的方式签署七份涵盖防务、电网互联、能源、医药卫生、数字化等领域的谅解备忘录,且相关安排未经议会审议。结果是汉班托塔工业园、石油炼化项目(约37亿美元)长期搁置,科伦坡港口城开发进展缓慢。印度投资较多,但多个项目进展有限。印度担心的不是安全,而是斯里兰卡发展得比本国快。斯里兰卡精英普遍重视与印度的关系,印度在此方面采取了各种各样的手段对斯里兰卡政商精英开展工作。迪萨纳亚克政府缺乏治理与决策经验,但是一些具有长远眼光的斯里兰卡精英也认识到,斯里兰卡需要“平衡”,在安全上安抚印度,在经济上与中国、日本、韩国、美国、欧盟、澳大利亚开展多元合作。当前政策过度倾斜印度,一些斯里兰卡战略界人士担心被印度全面主导,希望中国不要放弃斯里兰卡,希望扩大对华贸易、生产性投资、技术知识交流及供应链合作。五、美国的影响仍无处不在。无论是孟加拉国政治变局,还是尼泊尔“Z世代”革命及今年初的大选,以及巴基斯坦外交政策的调整,更不用说中东冲突,都有美国的影响。美国特别希望利用孟加拉国急于解决罗兴亚人问题的心态,通过孟加拉国介入缅甸内战。整体而言,南亚地区形势正处于受中美印三国战略竞争交叉影响的重塑之中。
估值410亿美元,贝佐斯打造“物理世界的OpenAI”
虎嗅 · 2 天前
本文来自微信公众号: 极客公园 ,作者:宇航猿,编辑:靖宇,原文标题:《估值 410 亿美元,贝佐斯打造「物理世界的 OpenAI」》AI吞掉了软件,现在,它要吞掉工业了。卸任亚马逊CEO五年后,杰夫·贝佐斯没忍住,又给自己找了个班上。当地时间2026年11月17日,加州门洛帕克的Semafor「硅谷与世界」峰会现场,贝佐斯和物理学家维克·巴贾杰(Vik Bajaj)罕见同台。他现在的最新头衔,是AI初创公司Prometheus的联合创始人兼联席CEO。这是自2021年交出亚马逊帅印后,这位商业巨头首次重回一线担任CEO。早在2024年底种子期就掏钱投资的贝佐斯,在台上毫不掩饰自己的兴奋,直言项目进展太快,自己根本「没法坐在场边干看着」。能让贝佐斯重返战场的,是个大赌局。点开Prometheus的官网首页,目前只有极简的品牌标识与暖色光晕背景,几乎看不到任何公开的产品细节。但在水面之下,这家仅有约250名员工的神秘公司,估值已经飙升至410亿美元,累计筹集了约145亿美元资金。在长达32分钟的对谈里,贝佐斯第一次掀开了底牌。以往需要10到20人的工程师团队,耗时6到9个月才能搞定的模拟芯片、无线电设备或阀门设计,Prometheus的系统在12小时内就能做完。他名下的商业航天公司蓝色起源,已经在两个项目上私密内测这套工具。硅谷还在为聊天机器人和写代码的智能体卷生卷死,贝佐斯直接换了一张牌桌。Prometheus的野心,是成为物理世界的OpenAI,用「原子的AI」,去重构数十万亿美元的实体制造业。01牛顿造不出小烤箱Prometheus 145亿美元的融资规模,很多人的第一反应,是贝佐斯也要下场造人形机器人了。他在峰会上直接否认了这个猜测——Prometheus既不做陪聊的语言模型,也不造双足机器人,它的终极目标是打造「通用AI工程师」(Artificial General Engineer,简称AGE)。为什么今天无所不能的纯文本大语言模型,干不了硬核工程师的活?贝佐斯在现场抛出了一个非常形象的比喻,「光靠阅读学不会工程。就算我读一千本体操书,我依然是个糟糕的体操运动员;读一千本舞蹈书,我还是不会跳舞。」贝佐斯说,把牛顿、爱因斯坦和麦克斯韦等六位顶尖物理学家关进同一间屋子,让他们造一台小烤箱,这群天才大概率会毫无头绪。理解麦克斯韦方程组对造小烤箱毫无帮助,因为理论物理和工程制造,是在完全不同的颗粒度上运作的。曾任Google X核心高管、斯坦福大学医学院教授的联席CEO巴贾杰补充了另一个现实。哪怕在纯语言模型领域,专业化分工也已经不可避免,比如Anthropic能在编程能力上领先,正是源于高度专注。而到了物理世界,哪怕是手机里一个不起眼的无线电模块,不仅需要几十年的人类工程积淀,还得同时精通热学、力学和电磁特性才能完成封装。传统工程里,光是设置一次物理仿真往往就要耗费几天到几周。为了跨越这道鸿沟,Prometheus避开了纯文本路线,底层直接构建了用于数值仿真的神经代理模型,和统一的多物理场模型,做成由AI驱动的新一代CAD、物理仿真与工程智能体。这种跨学科能力,在内部测试中展现出了惊人的直觉。团队里有一位曾参与NASA喷气推进实验室(JPL)火星直升机研发的工程师,试着只用一句提示词,让系统重新设计火星直升机。面对火星极端恶劣的环境,模型在庞大的设计空间里自主权衡。它先后比对了四旋翼、共轴反桨直升机与固定翼方案,最终收敛到与真实火星直升机高度相似的共轴反桨构型,还针对火星稀薄大气算出桨叶弦长等参数、自动生成需求指标,遇到意图不清时甚至会主动反问工程师。NASA机智号火星直升机概念图,曾参与该项目的工程师用一句提示词便让Prometheus重新推导出高度相似的共轴反桨构型|图片来源:NASA/JPL-Caltech要啃下这种硬骨头,光靠写代码的算法天才远远不够,Prometheus攒出了一支极端混搭的250人「梦之队」。人工智能的人手,他们从OpenAI、Google DeepMind、Meta和微软挖来大批顶尖研究员。xAI联合创始人、曾主导马斯克Colossus超算建设的Kyle Kosic在2026年初加盟,亲自掌管算力基建,把公司很大一部分融资直接锁定在了算力采购上。2025年11月,他们还低调收购了由前DeepMind与特斯拉研究员Sherjil Ozair联合创立的代理AI实验室General Agents,把实时电脑操控能力收入囊中。而在工程另一侧,团队名单里塞满了航天、化学、材料、海洋与能源工程老兵,甚至还有来自Epic Games游戏引擎部门、Waymo自动驾驶团队以及红牛F1先进技术部门的跨界高手。顾问名单里更是出现了美国陆军地面系统首席科学家,以及曾任防务科技公司Anduril律师的Chase Johnson,未来切入国防工业基础与关键供应链的意图呼之欲出。为了支撑这群人的研发,公司除了在旧金山、伦敦、苏黎世设立办公室,还在2026年8月租下了加州西奥克兰原American Steel工业园区约9300平方米的厂房,专门看中那里的高安培工业电力。02解开工业数据死结技术架构搭好了,但所有试图做工业AI的公司都会撞上一堵墙,那就是数据在哪?OpenAI可以把整个互联网的网页爬下来喂给GPT,但造飞机发动机、精密阀门和模拟芯片的工艺参数,从来不在互联网上。贝佐斯在峰会上聊到了延续几千年的精密铸造工艺。直到今天,这个行业依然高度依赖老师傅人工对着工业X光片或断层扫描找裂纹,再凭经验在模具的特定位置加上隔热层,一次次试错。大量传统工厂里,连最基础的数字化监测设备都没有,数据根本无从谈起。就算有数据,那也是制造业企业的命根子。贝佐斯自己在台上直言,如果企业真有独门数据,「千万别共享、要严防外流」。既然拿不到现成的数据,Prometheus怎么喂饱自己的大模型?答案藏在物理规律本身里。巴贾杰解释,他们靠自研的多物理场仿真系统生成高质量合成数据,大幅降低了对企业敏感数据的依赖,剥离核心专有工艺后就能完成基础模型训练。同时,贝佐斯把自家航天生态变成了最苛刻的练兵场,蓝色起源的两个项目已在内部跑起测试。但真正让华尔街震动的,是他们在资本与商业模式上的纵深布局。早在2026年初,外媒就密集爆料称贝佐斯和巴贾杰,正筹划设立一家制造业转型控股公司,并赴新加坡与中东接洽主权财富基金,计划募集传闻最高达1000亿美元的资金,直接收购受AI冲击的传统工程、建筑和制造企业,被外界称作「工业版伯克希尔」。到了11月的峰会上,贝佐斯对这套打法给出了更清晰的商业定调。他算了一笔账,全球实体制造业是一个数十万亿美元规模的庞大市场,「不可能搞成围墙花园」,Prometheus必须与成千上万家外部公司开放合作。开放工具只是第一步。贝佐斯透露,除了提供工具和服务,Prometheus还会直接拿钱投资一部分被自家工具赋能的传统企业,作为利益相关方分享它们效率飙升后的成长红利。至于外界猜测他会不会效仿马斯克,把亚马逊、蓝色起源和Prometheus合并成一个超级帝国,贝佐斯当场笑称:「这想法真逗,没有什么可宣布的」。03AI下半场的原子分叉贝佐斯的愿景有真金白银的实力支撑,Prometheus的融资速度,只能用恐怖来形容。这家2024年在孵化器Foresite Labs孕育、初期代号仅为FL2024-008 INC的公司,2025年11月刚亮相就披露了62亿美元首轮融资;2026年6月宣布新一轮120亿美元融资(含部分早期出资安排),将估值推上410亿美元。按贝佐斯11月在台上的最新口径,公司迄今实际累计募资约145亿美元。股东名单里,摩根大通、高盛、贝莱德、DST Global、ARCH Venture Partners等悉数在列。顶级资本扎堆重注的逻辑非常清晰,2026年的AI行业,正在经历一场从「比特内卷」向「原子护城河」的剧烈分叉。在数字世界里,OpenAI和Anthropic统治了文本推理与代码生成,但纯文本语料见顶、和软件同质化的焦虑已经弥漫开来。耐人寻味的是,贝佐斯担任执行董事长的亚马逊,在2026年4月刚刚向Anthropic追加了高达250亿美元投资,并换取了1000亿美元的云支出承诺。一边用亚马逊稳住数字世界的云底座,贝佐斯自己转身跳进了更难啃的物理世界。在这条新赛道上,玩家们正在按颗粒度切分领地。前OpenAI研究副总裁Liam Fedus,与前DeepMind材料AI负责人创立的Periodic Labs拿了3亿美元种子轮,用「AI科学家加自主机器人实验室」主攻微观新材料发现,贝佐斯个人也跟投了一笔。此外还有Neural Concept、P-1 AI等工程仿真玩家。相比之下,Prometheus卡住的是最重、也最直接产生商业价值的宏观工程设计与制造环节。但是,需要注意的是,把AI从屏幕里拉进工厂车间,容错率会瞬间归零。聊天机器人产生幻觉,顶多是写错一段营销文案,或者让程序员多改几行Bug。但如果工业工程大模型产生幻觉,意味着阀门在高压下爆裂、流片出来的模拟芯片整批报废,甚至是火箭在发射台上解体。物理世界的验证成本,以及FAA、FDA级别的严苛合规审查,绝非靠堆砌算力就能轻易绕过。Prometheus和竞争者们更底层的挑战在于「通用」二字。一位匿名的Prometheus早期核心研究员对媒体坦言,工程世界的广度令人绝望,「根本不存在所谓『一个通用工程师』」。想让同一套底层模型同时在机械、热力、电磁和化工等高度异构的学科里自由泛化,其技术难度远超语言模型。直到今天,Prometheus依然没有给出公开发布产品的时间表。技术之外,还有一层绕不开的社会张力。2026年6月接受采访时,贝佐斯曾极力反驳AI引发的失业恐慌,预测如果发明的成本降到十分之一,会创造10倍以上的新机会,并最终引发「劳动力稀缺」,未来双职工家庭只需一人工作、人们再也不用加班。但现实的另一面却有些冷酷。就在过去一年里,他担任执行董事长、全球员工超150万的亚马逊,在CEO安迪·贾西推动自动化的战略下,已经裁掉了数万名员工。古希腊神话里,普罗米修斯盗来天火,让人类掌握了锻造金属与改造自然的伟力。如今贝佐斯试图把「工程设计的天火」塞进算法黑盒。这团价值百亿美元的火焰究竟会让人类彻底告别加班,还是先一步重塑无数工程师的饭碗,答案或许在西奥克兰的重型厂房里开始倒计时了。本文为极客公园原创文章,转载请联系极客君微信geekparkGO极客一问你认为贝佐斯能成功吗?
AI4S之后,AI盯上制造业
虎嗅 · 2 天前
本文来自微信公众号: 五源资本 5Y Capital ,作者:孟醒、刘一鸣,原文标题:《AI4S之后,AI盯上制造业 | 5Y Research》F1赛场上的较量,早在车手踩下油门之前就开始了。就像一套新前翼上车之前,工程师要反复修改设计,用仿真和风洞测试筛选方案,计算气流怎样流过赛车、能产生多少下压力和阻力、什么材料最合适……现在,一家名叫Apex Ultra的AI公司,也想加入这场研发竞赛,帮工程师寻找下一处提速的机会。今年10月,Apex Ultra与F1大赛里法国雷诺旗下的Alpine车队宣布合作,AI将学习设计历史、风洞和试验结果,以及赛道数据,把仿真中的预测与赛车的实际表现对照起来,新方案还要同时考虑制造难度、成本、交期和零件寿命。Apex Ultra将这项研发目标称为ESI(Engineering Superintelligence,工程超级智能。当然也可以称之为AI4E),希望AI能够综合物理、材料与制造条件,参与复杂机器的设计、仿真和开发。目前这个合作刚刚开始,还没有提速结果出来。但这个项目选择的任务很有意思:在穷尽顶尖工程师智慧的产品上,用AI突破工程科学极限,做出人类设计不出来的赛车。这样的进步很难,但是一个极具吸引力的使命。过去几年,AI一直在同时做两件事:“摸高”与“下沉”。“摸高”,是尝试推进人类作为整体的知识与能力边界,解出更难的数学题,发现新的物理规律,研发出不存在的药物,做出性能更好的顶级模型;“下沉”,则是让每个个人和企业,通过AI已有的能力解决自己的问题,比如写代码、做PPT、处理业务流程。两条路都能创造非凡的价值,衡量它们的尺子有所不同。把报告做得更快,可以按节省的时间算账;推进科学发现,却未必马上找得到买家。AI for Science把能力带向药物和材料研发,研究成果开始接近产品。而到了前沿工程领域,客户的问题更具体:发动机效率、散热能力、器件寿命,都能对应经营收益。我们今天想讨论的AI for Frontier Engineering,重点就在“前沿”二字。帮一个人完成简单建模,与帮助工程师突破一个困扰全行业的性能瓶颈,需要的知识、试验和判断很不一样。对工业企业来说,有些性能瓶颈已经耗费了大量研发投入,仍然迟迟攻不下来。谁能帮助它们往前推进一步,谁就有机会把模型外溢的智能,变成客户愿意付钱的产品。更强的智能,得用更前沿的产品赚回溢价。贝索斯也看上了这个方向,开始担任创业公司普罗米修斯(Prometheus)的联合CEO,今年6月披露120亿美元B轮融资,估值约410亿美元;另一位亚马逊老将Jeff Holden,创办了Atomic Machines,累计融资2.5亿美元;伦敦的PhysicsX,则用AI加快物理性能预测与设计优化,今年6月完成3亿美元C轮融资,估值约24亿美元。他们都在尝试缩短AI落地制造业的距离:从想到一个新办法,到做出一件能用的东西。图纸画出来之后,工程才刚刚开始当工程师Nicolas Haag两周的假期结束,回来查看结果:计算机自动运行了约1500次流体仿真,仍未找到满意的方案。这位工程师来自PhysicsX,他在访谈中回忆,团队当时在优化一枚拇指大小的心脏辅助泵(主要为衰竭的心脏提供“外援”),必须兼顾泵血效果、血液损伤、耗电、发热和振动。后来,团队引入了用仿真数据训练的AI模型,让它更快地预测不同设计的表现。模型准备好后,这轮优化用了10小时左右,找到了工程师此前未想到的结构方案。再用传统流体仿真复核,结果与AI预测几乎一致。PhysicsX联合创始人Robin Tuluie,还给出了项目的性能收益:泵送性能提高,血液损伤减少;按公司综合多项指标的口径,较基准方案改善约42%。这是一道需要同时满足多项条件的优化题。外观像一个零件的三维模型,未必具备工程计算所需要的精度;它还得有明确的材料、尺寸和工作条件。接下来,要反复修改设计、预测性能、检验结果,再决定下一步怎么改。在有AI之前,工业界已经靠一套分工明确的软件,来做设计、算性能、准备生产。以机房冷却用的散热零件为例:CAD(计算机辅助设计)相当于电脑里的绘图台,工程师用它搭出三维模型,确定零件多大、哪里开孔、冷却液从哪里流过;CAE(计算机辅助工程)相当于虚拟试验台,把材料和工作条件输入进去,计算这套设计能带走多少热量、哪里可能过热。等设计基本确定,CAM(计算机辅助制造)再把模型转成加工安排:如果用数控机床来做,选哪把刀、先切哪里、刀具沿什么路线走,都要在这里规划。样件做出来还得测试,发现问题就回头改设计。这些工具各有专长,工程师负责把它们串起来,在一轮轮计算和试制之间作判断、改方案。当然,仿真算得对,样件也未必达标。散热零件可能出现加工偏差,实际流量不够,又要检查流道设计和工艺。实物试验补上的,是计算尚未准确描述的那部分现实。研发中的设计、仿真、试制和测试因此经常交错进行。单独让AI调用其中一个软件,已经有不少演示。更难的是,让AI像工程师一样,根据每一步的结果,决定接下来怎么做:改了结构,要重算哪些性能;发现偏差,该回头改图,还是调整工艺;一轮试验为什么失败,下一轮怎样避免再犯。模型需要把需求一直追到验证结果,再把结果带回设计。四个AI辅助三维建模示例,分别展示建筑、涡扇发动机剖面、蒸汽机车和可调台灯,模型可以呈现复杂外形另一类AI加速的是计算本身。PhysicsX优化心脏辅助泵,靠的是从仿真数据中学习结构与性能的关系,对新设计作出更快的预测。这类“代理模型”,像一张从精细计算中学来的速查表,可以帮助筛选方案;它能否用在新材料、新工况上,还要重新验证。通用模型负责组织任务,性能模型帮助快速评价,数值求解器与实物测试继续提供核验。让AI接触实物反馈,Anthropic与量子计算公司QuEra的合作,提供了一个具体例子。实验设备中的钛蓝宝石激光器,一旦偏离目标频率,熟悉设备的专家有时就需要到场恢复。Anthropic让Claude接上试验设备,反复修改、测试恢复办法,再将有效的判断写成独立控制程序。700次测试中,它成功恢复695次;较难故障用时约10至14秒,而人工通常需要5至10分钟。图为QuEra的原理比喻示意。稳住激光,像把小球留在几层跷跷板上方的指定位置:粗调负责大范围调整,细调负责快速修正。小球的位置代表激光频率;受到干扰后,系统还要确认它回到了正确位置AI在这里参与的是控制程序的研发。测试中执行恢复的,是已经写好的独立程序,无须让Claude每次重新推理。连接模型与设备的MHS,即Model Hardware Standard,承担接口工作,让模型读到仪器状态、调用操作,同时受设备设定的限制约束。它补上了进入实验现场的一段连接,完整的研发过程还需要工程知识和判断。所谓“最好的设计”,也没有一个脱离条件的标准答案。散热更强,可能要付出更大泵功率;零件更轻,也可能更难加工。工程师需要规定哪些要求必须满足,哪些指标可以交换。AI解决的方向,取决于这些条件有没有被准确写进任务。让AI参与工程研发,不能让设计、仿真和实物测试是割裂的,方案哪里有效、哪里出了问题,都要成为下一轮修改的依据。不过,研发能走多远,也取决于最初有哪些方案值得尝试。如果零件的基本结构已经固定,计算再快,也只能在给定范围内调整尺寸和参数。所以一个更有价值的问题是,能否让AI参与提出不同的结构,再交给计算和试验筛选。这样,工程师手里就可能多出一些过去没有想到、也没有试过的选择。从优化旧方案,到探索新结构把一根支撑柱画细一点,和想到把它分成两叉,是两种不同的设计思路。在常见的参数化CAD优化中,工程师先画出基本结构,再开放几项尺寸供软件调整。若只允许改变三根柱子的粗细和角度,计算机就不会想到要去改变结构。工程AI可以从这里分出两种工作:第一种是在已有设计上优化,比如调整冷却流道的尺寸、改变叶片角度;第二种则从需求出发,允许模型探索不同的结构和部件安排。后一种思路就是生物设计里常说的de novo design(从头设计),它希望少受某个旧方案的束缚,但必须遵守物理、性能和制造条件。CAD仍然有用。它负责表达形状、尺寸、装配关系和修改记录。值得思考的是,工程师在开始搜索时,是否已经把答案的大致形状限定好了。比如一件支架,必须连接哪几个位置、承受哪些载荷、最多占多少空间,这些要求不能丢;至于中间用几根支撑、在哪里分叉,可以让算法参与探索。传统拓扑优化,已经能根据受力要求调整材料分布。生成式AI增加的工具,是从三维数据中学到形状的规律,并据此提出新的候选结构。PhysicsX的支架实验,就是把这样的生成模型与力学仿真接了起来:模型对已有方案生成新变体,系统比较重量,并用仿真检查受力是否超标;表现更好的方案留下来,继续生成下一轮。整个搜索过程无须先把形状的变化,限定为一组CAD参数。在这项实验里,PhysicsX从一份发动机支架竞赛的获奖方案出发,找到了带分叉支撑的新结构。新方案满足应力约束,重量又减轻18.5%。这属于从已有方案继续探索,也仍是仿真结果;它显示的是,AI可以超出原先固定的几项CAD参数,改变结构本身。图中每个点代表一种支架设计,位置越低,重量越轻;落入右侧红区,则表示应力超限。右侧中间的方案在仿真中满足应力约束,比上方的原竞赛获奖方案轻18.5%。下方的方案虽然更轻,却未通过这一约束工业史上,对结构的重新设计,确实可能胜过长时间的局部打磨。瓦特面对蒸汽机反复加热、冷却气缸造成的浪费,发明了“分离式冷凝器”,也就是把蒸汽冷凝这件事,移进另一个容器:气缸保持热,冷凝器保持冷,由此显著改善了燃料利用效率。过去,这类突破很依赖少数天才的灵感,以及进行多次试验的成本条件。生成式AI带来的想象,是把提出不同方案、计算得失、淘汰错误的过程,做得更充分,让更多团队能探索惯常设计之外的新解法。提高搜索的自由度,同时会增加验证的负担。模型可能提出根本无法承载、装配或加工的形状。一个新结构究竟是好主意,还是看起来新鲜的错误,依然要靠仿真与试制来判断。把需求写给AI,并不等于可以省掉工程师对约束的定义。如果更大胆的设计,总在加工这一步被拦下来,前面的探索就难以变成产品。Atomic Machines想把这个问题往车间里推进:让微制造设备、工艺经验和软件,一起参与器件开发。它拿来检验这套方法的第一件产品,是一颗微型开关。一颗微型开关,为什么要用一套新工厂来造?给数据中心送电,也得想好怎么及时断电。如果家里电路短路,配电箱里的断路器会“跳闸”,切断电源。给数据中心做供电设备的工程师Mickael Mauger,也要为机房安排这样的保护:平时让电流顺畅通过,故障时及时断电,避免后面的设备被损坏。但同样是断电,供电方式不同,难度也不同。家里通常用交流电,电流会周期性降到零,有助于熄灭开关断开时产生的电弧。而在AI数据中心的800伏直流供电系统中,这个天然条件不存在:即使触点已经分开,电流仍可能沿着电弧继续流动,要想保护设备,既要让触点迅速分开,也要尽快切断这股电流。平时工作时的要求也无法忽略。大电流长时间通过开关,导电损耗会不断累积,还会给机房增加散热负担。以前的机械开关,靠金属触点导电,损耗低,但体积大、动作慢;半导体开关动作快,持续通电时,却会把更多电能变成热量。机房既为这些损耗付电费,还得把热散出去。如今,Mickael Mauger拿到了一颗能放在食指尖上的新开关。它靠金属触点导电,损耗很低,触点却能在几十微秒内分开,做到了看似不可能实现的功能。他向制造商追问:“这怎么可能?”这家公司叫Atomic Machines,产品叫PrimeSwitch。它可以装进一种“混合式断路器”:平时,电流主要通过它的金属触点;保护电路发现故障后,触点迅速分开,由配套的半导体电路短暂接手电流,再完成切断。金属负责长时间导电,半导体只在断电的短暂过程中出力,从而兼顾低损耗和快速保护。一个不足一厘米的小器件,要承担的是供电线路上的大电流。Atomic Machines的微型机电继电器PrimeSwitch PS-150,可用于数据中心的混合式断路器,与半导体电路配合,兼顾持续供电时的低损耗与故障时的快速断电保护这颗微型开关背后,需要多台设备,接力完成加工、装配和检测。Atomic Machines把这套系统叫作Matter Compiler(物质编译器)。Atomic将负责不同工艺的设备,称为Node,可以理解为车间里的不同工位,由软件调用和协调。Atomic列出了这些“工位”的分工:激光加工负责在材料上形成细小结构;微滴沉积把液体送到指定位置;电化学工艺承担镀覆、抛光等操作;装配与测量能力再帮助部件配合、确认加工结果。金属、聚合物、玻璃和陶瓷,都在它披露的材料范围内。不同器件可以选择、组合不同工序。Atomic Machines的Matter Compiler制造系统,包括激光微加工、检测等设备模块,多种制造能力由软件调用这背后,需要解决多种材料、三维结构和活动部件的协同制造。一个工位擅长做什么,只是开始;下一道工序能否接住它留下的结果,才决定整件器件能不能做成。这个名字借用了软件世界的习惯。程序员写完代码,编译器把它变成机器可以执行的指令。Atomic想把类似的组织方式带进制造:设计确定后,由系统安排一系列加工操作。但材料不会像程序指令那样,每次都给出完全一样的结果。前一道工序留下的尺寸或表面状态,会影响下一道工序。微小偏差如果一路累积,最后可能让器件失效。于是,AI不能只记住“先做A、再做B”,还需要知道做完A之后,材料究竟变成了什么状态,下一步是否应该调整。背后的投资方Construct介绍,Atomic会测量操作前后的结果,用学习得到的模型,预测某一步骤怎样改变材料。实际偏差再反馈给制造决策。这里的AI,更像是在学习某个工艺会造成什么后果:在这样的材料状态下做这个动作,接下来会发生什么。这个预测有了测量核对,才有机会减少盲目的试做。按这套思路积累的数据,既包括做出了什么,也包括怎样做、哪里偏了、怎样修正。设计者如果知道某种结构很难稳定加工,就可以提前调整;制造端发现了更可靠的工艺,也可能放宽下一款器件的设计选择。这是软件组织工艺与AI学习反馈,能够相互配合的地方。Atomic以一个微型泵为例,演示AI如何参与“下一步怎么造”的判断:从圆形坯料出发,选择可执行的加工步骤,优化切割形状,并借助电磁仿真检验设计;随后推演各部件的装配关系,对组合后的结构再次仿真,逐步形成完整的器件方案。AI需要把“形状怎样改、性能会怎样变化、下一道工序能否接上”放在一起考虑,让设计与制造安排相互配合当然把这套系统,理解成完全无人值守、输入一句话就出成品的机器,还为时过早。现在仍然需要工程师,负责部分设备间转运,并协助最终装配。产品换了材料、结构或精度要求,制造工艺往往也得跟着改。Atomic Machines希望降低的,正是摸索这些改动的代价。3D打印可以是这类系统使用的一种工艺。Atomic的组织范围更宽,涉及不同材料、多个加工步骤以及活动部件的装配,它想交付的包括器件怎样被可靠地做出来。Atomic Machines选择的第一个方向是微器件。之所以选择“微型”,是因为在很多器件上,做小本身就能带来性能收益。PrimeSwitch的触点质量小、移动距离短,有利于更快动作。但尺度缩小后,大机器上的加工和装配办法,未必还能照搬。半导体工艺和MEMS已经量产了手机运动传感器等大量器件,也积累了标准工艺。困难集中在新的材料组合、复杂三维结构和跨部件装配上:现成工艺不一定适用,新工艺的开发成本,又可能超过一款器件所能负担的范围。微型泵、微型执行器等方向因此既有性能想象,也有制造门槛。开关产品的价值,可以按体积、损耗和速度来算;而Atomic Machines的价值,还得看做完这颗开关之后,留下了什么。若工艺模型能支持更多器件,研发投入才有机会跨产品积累。Atomic自己对未来的设想:做出一颗微型开关之后,这套制造系统还能做什么?这决定了它的平台价值在AI for Frontier Engineering领域,另一家值得关注的公司,是贝索斯和Vik Bajaj创办的普罗米修斯,他们想把AI能力,推向更广的工程领域。普罗米修斯的目标叫“AI通用工程师”。贝索斯用航空发动机打了个比方:如果一个上千人的团队,原本要花十多年开发新一代发动机,AI有没有可能把这个周期,缩短到五年、两年,甚至一年。如今,普罗米修斯第一个要解决的是数据问题。贝索斯曾说过一个比喻:就算读过一千本教人做体操的书,他仍然不会成为优秀的体操运动员。互联网上有很多解释工程原理的内容,但一个设计能否承受高温、零件能否严丝合缝地装起来、产品能否长期稳定运行,还需要仿真、试制和测试给出答案。普罗米修斯既要自己生成训练数据,也要设法取得那些很难获取的工程数据。不过,那些最有用的经验和数据,现在都在谁手里?谁能把分散的工程经验接起来?一张最终通过验收的图纸,可能把前面所有走过的弯路都藏了起来。设计团队记得性能目标和几次关键修改;工厂知道哪种材料难加工、哪个参数容易造成废品;测试团队掌握某种失效会在什么条件下发生。这些知识散在不同的人、文件和系统里,拼起来才接近一件产品的完整研发记录。这构成了工程AI的第一层分散:同一个产品的不同环节,掌握在不同参与者手中。设计公司有模型、专利和客户需求,制造方有设备、工艺和生产管理经验。过去双方可以凭规格、成本、交期和良率合作,彼此不必知道全部细节;要让AI学会改进整个过程,就需要把一次设计修改,与后续加工和测试的结果对应起来。第二层分散,来自不同产品之间。冷却系统要处理流动和传热,火箭发动机还要面对燃烧、高温和材料寿命,微型开关又有不同的接触、驱动和装配问题。同样叫工程,每个领域的有效数据、故障判断和验收标准却差别很大。做开关积累的经验,有多少能用于发动机,需要逐项检验。先在一类产品上贯通设计、制造和测试,比一开始就覆盖所有工程任务,更可能形成可积累的优势。沿着这个判断,更值得关注的团队,是自己理解设计,又深度参与过工艺开发、样件测试和返工,知道某个参数为什么要改,也看过修改之后车间发生了什么。即使工厂并非自己所有,也有机会掌握一段完整的工程经验。传统工业软件厂商,在这里已有相当深的积累。零件的几何结构、装配关系、仿真设置,以及设计版本和审批记录,保存在客户长期使用的CAD、CAE和产品数据管理系统中。新的AI公司要参与研发,就得想办法接入这些记录和工具。谁能让工程师方便地调用它们,并保留每次修改与验证的依据,谁就有机会在日常工作中占据更重要的位置。不过,历史记录只能告诉模型过去做过什么,要继续探索新方案,还需要一个能够运行任务、检验结果的环境。拿到一份代码,和能够运行它、执行测试、追踪错误,是两回事。工程AI也一样:修改零件形状之后,要重新准备计算模型,设定材料、载荷或温度等条件,调用求解器,再按约定的指标判断结果。只有图纸,模型很难知道自己的修改究竟好在哪里。这个环境的速度也很重要。如果每次修改之后,都要等工程师手动整理文件、重设参数、重新提交计算,模型提出方案再快,尝试的次数也会受限。把工具接通,让失败的计算能够被发现和处理,并在适当的时候调用更精细的验证,本身就是一项有价值的产品能力。Apex Ultra提供了一个具体例子。公司把风洞、试验台、仿真集群和制造现场,列为训练与评价模型的重要条件,计划围绕合作方的真实问题和实际约束开展工作。这些环境的价值在于,能够把设计决策与结果联系起来:模型改了什么,性能怎样变化,制造时遇到了哪些问题,都有机会得到检验。公司同时表示,不混用不同合作方的数据。从投资角度看,我们觉得工程AI出现赢家通吃的概率很低。不同领域在数据、工艺和验证环境上的差异,可能为许多专业公司留下空间,各自围绕一大类工程问题,形成从设计到验证的产品能力。这些公司的产品,可能是专门设计火箭发动机的智能体(agent)。它需要理解要求、调用工程工具,并根据验证结果继续修改方案。底层模型可以共用,专业团队要把本领域的数据、工艺经验和试验环境组织起来,形成能够反复用于同类研发任务的产品。这种专业化,甚至可能比机器人更细。比如,家庭机器人仍有可能覆盖多种家务。但在工程开发里,现阶段很难想象一家专做赛车发动机的公司,同时也能做好数据中心的冷却系统。当然跨领域的难度,也会影响一家公司的产品能够覆盖多大的范围。另一方面,对于中国来说,密集的制造供应链和工程人才,为这种积累提供了有利条件。苹果早在2024年,宣布新增在华应用研究实验室时,专门解释了靠近生产和组装基地的价值:工程师可以与供应商共同测试原型、交流生产工艺,并及时调整流程。设计中的问题,有机会在制造现场,尽早被发现和处理。工程AI同样需要这种协作。模型提出方案后,能否及时做出样件、找到懂工艺的人解释测试结果,会影响下一轮修改何时开始。中国创业团队可以从一类产品出发,与设计方、测试方和供应商建立长期合作,把一次次试制中的变化记录下来,让制造端的经验参与下一轮设计。这个行业因此可能容纳许多各有专长的公司。它们的优势,会具体到模型究竟帮助客户解决了什么,换一个工况还是否有效,下一次交付能否少走一些弯路。这些问题,很难靠一张覆盖全行业的模型榜单来评判。冷水时刻:客户有自己的评价标准写代码的人,已经很懂榜单和实际使用之间的距离,编程榜单能为选择模型提供一个大致参考,具体到自己的项目,仍要实际试过才知道是否好用。但到了工程领域,要从评测成绩推断实际能力,就更难了。模型在某项测试中表现出色,但如果换了材料、工艺或使用条件,还能不能解决问题,就又需要重新验证。所以AI for Frontier Engineering的一大难点就是:工程任务越具体,就越难由一套公开测试来代表。还是拿数据中心的开关为例。金属触点分开得快,电流却未必能马上停止,这是因为触点之间可能产生电弧,这会让电流继续通过。所以机房关心的是,当线路发生故障后,开关究竟要多久才能彻底切断电流。要测清楚这一点,就得把开关和配套电路接起来,在相应的电压和负载条件下测试。单独测出断开动作的速度,还不足以判断它在实际使用中的表现。在这个行业,客户自己的标准与验收,往往比公开榜单更有决定性。零件要做到多精确,哪种偏差会让整件产品失效,都取决于具体用途。连出题所需的条件,比如一台设备实际能达到的加工精度、一道工序在哪些参数下容易出废品,也往往掌握在客户和供应商手里。数据本身也有缺口,中国制造业的规模优势,还无法直接等同于数据优势。历史文件可能只有最终图纸,缺少修改原因;工厂发生过的试错,未必有完整测量;核心工艺又涉及知识产权和使用授权。把这些问题整理好,会增加前期投入,却决定模型得到的反馈究竟可信不可信。行业越细,验证就越贴近客户,这也容易把交付拖向定制。若每接一单都要从头建模、重写测试、重新调试,公司仍可能靠增加工程师来扩大收入。判断产品是否正在成熟,要看同类项目的验证流程和工艺知识能否复用,部署是否变快,交付成本能否下降。最终,才能看清AI到底带来了什么。结语:当造东西的门槛大幅下降如果AI能持续降低设计、计算和验证的成本,那些因试错太贵而被搁置的方案、因需求太小而难以立项的产品、因回报不明而得不到投入的探索,就都有了被尝试的可能,原本被埋没的价值,才有机会被发现。历史上,瓦特把冷凝过程移出气缸,这个结构上的改变,打开了提高燃料效率的新革命。但从想到这个办法,到造出可用的工业机器,他仍花了多年。一个突破需要灵感,也需要反复试错、修正,直到拥有成熟的条件。而这些条件,今天仍然分布得很不均匀。想法散落在各处,设计、测试和制造能力,却往往集中在极少数公司里。发现问题的人,可能已经想好了怎样改进,却没有资源把方案画出来、算清楚,再做成样品。降低尝试的成本,也意味着让更多人获得把想法付诸实践的机会。如果工程AI能帮助人们完成设计和验证,新型制造平台又能承接后续的试制,小团队甚至个人,就可能调用过去难以获得的工程能力,一次研发可以从更具体、更小的需求出发。今天,coding已经成为日常;未来,也许会有更多人借助AI,为自己设计并做出一件实物。那些分散在各处的想法,也就有机会被真正做成产品。
造就中国互联网黄金时代的VC,为什么消失了?
虎嗅 · 2 天前
本文来自微信公众号: 防冷书斋 ,作者:防冷涂的蜡如果你关注过十几年前的互联网,大概率对这类新闻有印象:某某创业公司完成数千万美元A轮融资;某某平台获得红杉资本、IDG等机构投资;某某公司成立不过几年,估值已经超过10亿美元。那时,融资几乎是中国互联网创业的标志性事件,也是普通人理解创业这件事的方式。今天我们再打开科技媒体,会发现这类新闻并没有完全消失,但那种由互联网创业者、美元基金和一轮接一轮融资构成的创业叙事,已经明显退潮。一级市场仍然热闹,只是主角换成了AI、半导体、机器人和先进制造。更有意思的是,钱并没有变少。清科研究中心数据显示,2025年中国股权投资市场新募集基金5039只,募资16483.04亿元,同比增长14.1%;2026年前三季度新募资16739.33亿元,同比增长47.3%。资金还在,甚至重新增长。那为什么我们熟悉的那个VC时代不见了?一个直接的答案是:出钱的人变了,风险投资的玩法也跟着变了。美元VC的黄金时代,是如何创造财富的?要理解今天的变化,我们得先回到中国互联网的起点。20世纪90年代末,中国的互联网用户还很少,电商、搜索、社交、在线旅游都刚刚起步。但大洋彼岸的美国,已经跑出了Yahoo、Amazon、eBay、Google,很多商业问题已经有了答案。中国创业者面对的不是一片完全的未知,而是一个被美国预演过的未来。我们回头看,那一代美元VC的投资逻辑也建立在这个前提上。他们寻找能把成熟商业模式落地到中国市场的团队。这种投资最大的优势,是可以用海外已经发生的事情,验证一种需求是否真的存在。这套模式的赚钱闭环也很清晰:境外机构出资募集美元基金,投资中国互联网创业公司,部分企业搭建红筹或VIE架构,依靠用户增长和持续融资扩大规模,最后在境外上市或被收购,基金出售股权退出。基金赚的是企业成长带来的股权增值,不靠利息,也不靠分红。这种增值可以惊人到什么程度?1999年前后,IDG以约30万美元投资易趣,取得8.35%的股权;2003年eBay完成收购,IDG获得约600万美元回报,约为初始投入的19.4倍。同样在1999年,IDG和香港盈科分别向腾讯投资约110万美元,各取得约20%股权,据早期报道估计,IDG的整体回报约为30倍。2000年软银向阿里巴巴投入约2000万美元,2014年阿里在纽交所上市时,这笔投资形成了巨大的股权增值。支撑这些回报的,是中国互联网本身的扩张:1999年,中国互联网用户约890万人;到2014年,这个数字达到约6.49亿人。当然,我们也知道,风险投资不是每个项目都赚钱。假设一只基金投资20家企业,15家失败,4家只有小幅回报,只要剩下1家带来几十倍收益,整只基金依然可能盈利。IDG在中国最早的一支基金1993年运作,2003年清盘,公开披露的内部收益率约36%。那一代VC投的,是一个正在快速互联网化的中国。但如果互联网的高速增长结束了,境外上市的通道也变了,这套赚钱模式还能继续运转吗?美元VC的赚钱机器,为什么逐渐失灵?美元VC逐渐失去的,是中国互联网高速增长与境外高估值退出之间的那个特殊闭环。这套模式是被三重变化慢慢磨掉的,没有一个单独的转折点。第一重变化,是市场从开荒进入存量竞争。过去,创业公司可以借助网民增长和消费线上化快速扩张;后来,电商、社交、搜索、本地生活各个领域都长出了头部企业。创业公司不再只是寻找尚未开发的市场,还要从巨头手里争夺用户。投资人的任务,也从寻找中国版Amazon这类机会,变成在成熟市场里寻找新的竞争优势。第二重变化,是境外上市的确定性改变了。2021年6月,滴滴在纽交所上市;2022年6月,滴滴结束在纽交所的交易,转入场外市场,股价较上市首日参考价跌幅超过80%。那条被反复走通的退出通道,不再是可以默认成立的假设。同样具有象征意义的是2023年6月红杉资本宣布分拆,中国、欧美、印度及东南亚业务各自独立,红杉中国改用HongShan品牌运营。第三重变化,是中美之间的科技与资本联系。美国2023年发布对外投资行政令,2025年1月正式实施,对特定半导体、量子技术和人工智能投资作出禁止或申报要求。对一只投资期限可能长达十年的基金来说,这些不确定性都会折算进今天的决策。旧模式的收缩,我们看数据就能确认。国务院发展研究中心文章引用Dealogic统计:2023年中国风险投资行业外资投资额降至37亿美元,同比下降约60%,仅为2021年高点的约10%。另据清科数据,2025年外币基金新募集约358亿元人民币,同比下降约36%。美元资本并没有彻底离开,但它在中国一级市场上的位置,已经和过去完全不同。而故事到这里只讲了一半。另一套风险资本体系,早就在中国生长了很多年。钱没有消失,只是换了一批出资人我们先看两组数据。2025年,中国股权投资市场新募集人民币基金规模达到16124.96亿元,占全部募资规模的97.8%。同年,国资背景投资机构的投资金额超过5700亿元,占市场总投资额的61.5%。过去VC行业的明星是美元基金,如今人民币基金和国资背景资本已经占据了主要位置。国资创投并不是这几年才诞生的。1999年深创投成立;2002年前后,地方政府引导基金开始探索;2014年,国家集成电路产业投资基金一期成立,实际募资约1387亿元;2019年二期注册资本约2041.5亿元;2024年三期注册资本3440亿元。从传统创投到引导基金,再到面向重点产业的大型基金,国资逐步建起了自己的投资体系。这套体系怎么运作,我们可以用地方产业基金来说明:财政资金、地方国资平台作为LP出资,设立母基金或产业基金,由管理人投向重点产业中的企业,再通过上市、股权转让、并购、回购等方式退出。表面上看,这和美元基金差不多。差别藏在投资目标里:美元基金的出资人要求的主要是财务回报;国资基金的出资方,还同时关注地方产业发展、技术能力提升和产业链协同。2020年4月的蔚来案例,可以把这个逻辑讲得具体。合肥建投、国投招商、安徽高新投等战略投资者与蔚来达成协议,合计向蔚来中国投资70亿元,取得约24.1%的股权;蔚来中国总部同时落地合肥,研发、供应链、制造等业务随之进入这座城市。对纯财务投资人来说,最重要的问题是这家公司能不能成长、股权能不能增值。对合肥来说,答案里还包括新能源汽车产业链的布局、研发团队的集聚和整个产业生态。合肥建投的信用资料显示,公司2021年实现投资收益58.62亿元,主要与蔚来项目退出有关;2022年因缺少类似退出,投资收益降至约1.61亿元。这组数字说明:地方产业投资确实能创造可观的股权收益,但财务收益和产业发展结果,是两件需要分别衡量的事。出资人目标不同,选项目的标准自然不同。假设有两家公司:A公司开发新的互联网消费产品,未来可能获得很高的商业回报,但没有明确的产业落地需求;B公司开发工业机器人核心部件,研发周期长、回报尚不确定,却能带动当地的技术和产业链。传统纯财务VC大概率更愿意投A;而一支面向机器人产业的地方基金,即使认可A的前景,也可能更倾向投B。两者用的是同样的钱,寻找的却是不同的成功。过去,一家企业只需要说服VC它有机会创造巨大的商业价值;现在,一部分企业还需要证明,自己能给某个产业、某个地方带来什么。这就带来了一个更值得讨论的矛盾。当风险投资开始追求确定性风险投资原本是一门允许失败的生意,依靠少数成功项目的高回报,覆盖多数项目的亏损。但当产业目标、绩效考核和退出压力同时进入投资决策,一部分资本就会越来越偏爱可解释、可考核、可退出的项目。这是三个机制叠加出来的结果。第一个机制,是投资从寻找商业机会,变成在产业范围内选择项目。美元VC可以根据商业模式和市场空间决定是否投资;产业基金通常带有明确方向,比如半导体、人工智能、机器人、新能源。于是,一家企业能不能赚很多钱,和它能不能拿到某支产业基金的钱,开始变成两个不同的问题。深圳天使母基金的规则变化可以从反面说明这一点。2020年的相关办法设置了1.75倍返投要求,子基金需要完成相应比例的深圳本地投资;2026年的新版规则取消了这项强制返投,把部分产业目标转化为后置奖励和收益让利。取消本身就说明,这类约束会真实影响基金能选哪些公司。商业VC主要关心这家公司未来有多值钱,产业基金还要问这家公司能为某个产业创造什么。第二个机制,是失败容忍度的变化。传统VC的收益依赖投资组合:投资20家公司,哪怕19家都没赚多少钱,最后1家创造50倍回报,整只基金仍然盈利。但国资基金还要处理投资程序、绩效评价和资产保值。当单个项目亏损可能带来更多考核压力,投资人自然会更重视已有订单、商业化进度和企业成熟度。风险投资越想避免亏损,越可能把资金投向那些已经证明自己能活下去的企业。这种倾向在行业数据里早有体现。国务院发展研究中心文章引用Dealroom统计:2014—2023年,中国初创期企业获得的融资额占比约12.6%,全球约19.8%;成熟期企业获得的融资额占比约62.7%,全球约46.1%。资金偏向成熟项目是长期存在的特征,而新的出资结构正在强化它。第三个机制最有争议:股权投资开始表现得越来越像债权。传统股权投资的逻辑很简单:投资人用资金换取股权,公司成功,分享增值;公司失败,承担损失。这正是VC区别于银行的地方。但附带刚性回购安排的投资改变了这种分担方式。假设一家机构投入1000万元,约定企业五年内没有上市,创始人就要按本金加固定收益回购股份。投资人既希望分享企业增长,又试图借助回购条款获得下行保护;一旦项目失败,创业者可能依然背负大额偿付义务。风险投资原本是帮助创业者承担银行不愿承担的风险,但在某些合同安排下,投资人又试图把风险重新交还给创业者。这不是理论推演。澎湃新闻梳理,2023年5月至2024年7月,深创投新增34起股权回购相关诉讼的法律服务采购招标,部分项目因未按期上市、业绩对赌未实现等原因触发回购。汉坤律师事务所2024年度报告显示,在其统计的交割项目中,83.94%约定了回购权。另有行业研究对数百起回购纠纷抽样,发现创始人被列为被告的比例达90.33%,进入司法执行程序后资金实际回收比例却很低。回购合同并不能真正消除风险:当企业经营失败,投资人要求回购时,往往也正是创业者最缺钱的时候。2025年12月,中基协专门就回购条款发布风险提示,提出防范明股实债。我们把三个机制放在一起看:产业范围决定哪些企业能进入名单,考核机制影响基金愿意承担多少风险,回购安排影响损失如何分担。它们叠加起来,决定了资本最终流向什么样的企业。那么,那些根本无法预测成功路径的创业项目,该怎么获得资金?谁来投资那些还没有名字的未来?要回答这个问题,我们得先把前提说清楚:中国经济的阶段变了。过去的增长机会主要来自互联网普及和市场规模的快速扩大;如今,中国已经形成庞大的互联网平台和制造业体系,资本开始更关注技术突破和长期研发能力。两代VC服务的,本来就是不同的经济任务。把创新分成两类,事情会看得更清楚。第一类可以叫Known Unknowns:知道要解决什么问题,但不知道怎么解决。比如先进芯片、工业机器人核心部件、高性能材料,需求和技术目标相对明确,难点在研发路径和产业化。这类领域适合集中资源、长期投入,国资产业基金在这里有重要价值。第二类是Unknown Unknowns:连未来的市场和需求都尚未被定义。移动互联网出现之前,很难有人准确预测直播电商、短视频和移动支付后来形成的商业规模。这类创新要求资本愿意相信一个尚未被市场证明的机会。这里还有一层反差。过去的美元VC投资中国互联网,很多时候是在寻找美国已经证明存在的商业需求,承担的不确定性其实有限;今天的产业基金支持硬科技,面对的却是真正的技术不确定性。创新能力不取决于资本的国籍,也不能简单由所有制决定,要看这套投资规则能容纳多大程度的不确定性。好消息是,国资也在重新学习如何承担风险。2025年12月启动的国家创业投资引导基金,设置了20年存续期,其中10年投资期、10年退出期,强调投早、投小、投长期、投硬科技,并要求投向种子期、初创期企业的规模占比不低于70%。当资本要投入更长期的创新,就需要重新设计自己的风险承担机制。中国经济需要有人解决已经看得见的产业问题,也需要有人投资尚未被看见的商业机会。风险投资最重要的价值之一,就是在未来还没有被证明的时候,为它提供第一笔钱。结尾|消失的究竟是什么?回到开头,我们熟悉的那些融资新闻。过去,我们在A轮、B轮的融资消息里,看见中国互联网高速成长的时代;今天,更多资本进入半导体、先进制造、人工智能这些长期产业领域。资本流向变了,因为经济发展阶段变了,本身无所谓好坏。但风险投资始终要回答同一个问题:当一家企业尚未成功,甚至无法证明自己的未来时,谁愿意先相信它?一个经济体既需要为已经看得见的未来投入资本,也需要有人愿意为看不见的未来承担风险。
长三角正在补齐短板:三条高铁开通在即,皖北县域加速建厂
虎嗅 · 2 天前
本文来自微信公众号: 时代周报 ,编辑:梁励,作者:宋珂欣安徽的高铁建设正在加速推进。“以后从合肥到马鞍山终于不用从南京绕了。”巢马高铁试运行的帖文下,这条留言被反复点赞。10月底,淮蚌、淮阜、巢马3条高铁同日开始试运行,开通运营进入倒计时阶段。这意味着濉溪、固镇、蒙城、利辛、和县5县,即将首次接入国家高铁网络。对这部分沿线县城而言,高铁最先兑现的是出行价值。淮阜高铁开通后,蒙城、利辛最快可在50分钟内到达合肥;巢马高铁接入马鞍山南站,使沿线县城更容易进入南京、合肥等中心城市的“半日往返圈”。这与“轨道上的长三角”的推进方向一致。国家发改委综合运输研究所综合研究室主任‌丁金学曾概括,长三角轨道交通既强化四大中心之间的“主动脉”,也侧重加密都市圈内部的“毛细血管”。即将开通的三条新线,正是“毛细血管”向县域下沉的一步。国铁集团数据显示,截至2025年底,全国高铁营业里程5.04万公里,覆盖97%的50万人口以上城市;“十四五”以来,全国高铁覆盖县级市和县达128个。高铁向下沉,县域交通条件不断改善,但站点与企业投资之间,仍隔着产业基础、供应链配套和营商环境。这道关于“物理连接”与“产业嵌入”的难题,该如何解决?巢马补段皖北入网“巢马高铁是连接了合肥、马鞍山、南京的一条新通道。马鞍山享受合肥、南京的半小时通勤圈叠加优势。”安徽省经济研究院区域发展研究所副所长王珏接受时代周报记者采访时表示。作为“八纵八横”沿江通道的补段,巢马高铁首先改变的是通勤距离和时间。此前,合肥与马鞍山之间没有直达高铁,往返需绕行芜湖或南京,全程近3小时。巢马高铁开通后,两地的通行时间将缩短至1小时以内。淮蚌、淮阜两条高铁填补的则是皖北地区的路网空白。从布局看,淮蚌高铁串联淮北、宿州和蚌埠,构成“八纵八横”京港通道的皖北段;淮阜高铁向西连接商合杭、郑阜高铁,向东经双堆集站接入淮蚌高铁,进而衔接京沪高铁。两条线路一纵一横,在双堆集站交汇,把皖北接入国家高铁主干网。“淮蚌、淮阜、巢马三条高铁是协同破局的‘组合拳’。”华东师范大学城市发展研究院院长曾刚在接受时代周报记者采访时认为,路网交织将沿线地区从交通“末梢”推入国家高铁主干线网络,重塑其在区域经济地理中的枢纽角色。这也解释了“轨道上的长三角”为何既要在沿江通道上补段,也要继续向皖北延伸。2026年上半年,长三角以全国约4%的国土面积,贡献了接近全国四分之一的经济总量,但区域内部的发展落差仍然存在。皖北不仅是安徽省的欠发达区域,还是整个长三角经济发展的短板所在。时代周报记者据各地统计公报数据测算,2025年末,皖北地区包括宿州、淮北、蚌埠、阜阳、淮南、亳州6个地级市的常住人口合计约2613万人,约占安徽全省常住人口的43%。同年,皖北6市GDP合计约1.45万亿元,约占安徽全省经济总量的27.4%。高铁不仅是缩短出行时间的交通工程,也是打通长三角内部发展梯度、促进产业与要素流动的基础设施。马鞍山的高铁布局,提供了从“经过”走向“节点”的一种可能。这座城市紧邻南京,过去主要承接南京制造业和外溢项目。巢马高铁建成后,马鞍山向东连接南京、向西连接合肥的通道进一步打通,开始从南京产业链的“配套车间”,转向连接两座省会城市的“中间节点”。马鞍山市市长葛斌表示,当地将发挥“双圈籍”区位优势,对接南京的人工智能、软件产业和合肥的新能源汽车、量子科技产业,推动形成“研发在宁合、转化在马鞍山”的发展格局。然而,并非每座城市都具备同样的借力条件。从路网规划看,这次新开通的蒙城、利辛、固镇南等县域站,大多只是2台4线的普通中间站,缺乏始发能力。对于产业基础相对薄弱、配套服务尚不完善的县域而言,高铁带来的客流、资金和人才,同样可能继续流向更大的中心城市,县城就容易沦为“过道”。高铁站建起来只是区域发展的起点,县域要想从“交通末梢”变成“枢纽节点”,还缺什么?高铁下沉县城“抢厂”三条高铁进入建设期后,沿线县域加快“抢厂”步伐。蒙城县招商局工作人员告诉时代周报记者,今年以来,当地已承接来自沪苏浙地区的1亿元以上工业项目32个。据当地媒体报道,蒙城智能制造产业园里落了12家长三角企业,高铁通车后,这些企业有望把物流成本压掉六成。其他县城也在“抢”:2025年,濉溪县新签约亿元(含)以上项目85个,其中工业项目占比近九成;同年,固镇县签约亿元以上项目80个,制造业项目占比90%。但这些沿线县域,“抢”的方向并不同。和县围绕智能装备、医疗器械等产业基础,引进总投资10亿元的普门科技华东产业化基地;含山县立足汽车零部件、精密制造和轻量化材料基础,集聚爱柯迪、贝斯特等企业。利辛县、固镇县则把食品加工、纺织服装和制造业作为承接重点。据悉,利辛县依托高铁站规划的“绿色农产品加工基地”,已与盒马鲜生达成直供协议。“县域要持续增强自身的发展比较优势,因地制宜找准产业。”安徽省经济研究院区域发展研究所副所长王珏向时代周报记者指出,既要避免一拥而上、内卷内耗,也要避免一味贪高求大、引进来留不住。不过,“接入”不等于“嵌入”。“高铁枢纽的价值不在于列车停靠的数量,而在于要素汇聚与扩散的能力。”曾刚提醒,沿线县域既要抢抓项目,也要防止只承接低端、高耗能产业,避免落入“梯度转移”陷阱。“不是拒绝承接,而是把项目筛选权、产业转化权和收益分配权留在自己手中。”更具体的问题在于,如果研发、设计、品牌等高附加值环节仍留在沪苏浙,县域就可能陷入“生产在皖北、头脑在他乡”的低端锁定。曾刚表示,破解思路之一,是主动到沪苏浙科创资源密集地区设立“反向飞地”,把研发前台建在中心城市,再把成果带回县域转化。公开资料显示,目前沪苏浙与皖北已累计设立4个“科创飞地”,覆盖低空经济、光学、智能制造等领域。高铁可以缩短县域与中心城市的时空距离,但制度连接是产业资源能否沉淀的关键。项目转出地首先有顾虑。“优质项目一旦迁出,税收、统计指标和发展收益就可能随之外流。”曾刚分析道,因此,皖北若想成为贯通“中原—长三角”双循环的跳板,那么各市与沪苏浙对口地区之间需要建立可预期、可执行、可仲裁的常态化制度安排,对税收分成、固定资产投资和工业产值统计、土地供给、园区建设投入等作出科学量化。而项目承接地则需要补营商环境。王珏指出,沿线县域应进一步缩小与沪苏浙在政务服务、行政审批、涉企服务等方面的差距,提高办事效率,尽量让跨省企业和居民办理事项时“感知无差异”。曾刚同样表示,如果办事效率跟不上、用工无法满足、供应链不完整,高铁带来的接触机会就难以转化为实际投资。此外,还需提升沿线城市的整体议价能力。“如果沿线城市在承接产业时互相压价让利,外来资本就会‘货比三家’,最终谁都吃不饱。”为此,曾刚建议相关城市组建跨省域产业链联盟,把沿线城市从分散的“招商单元”整合为一个有分工、议价纪律的区域承接平台,从而使沿线县域的资源优势与沪苏浙的产业优势精准对接。
浦江科技评论|6G,不只是一张更快的网络
虎嗅 · 2 天前
本文来自微信公众号: 猫头鹰科技社 ,作者:浦江科技评论,原文标题:《浦江科技评论|6G,不只是一张更快的网络》|浦江科技评论·PUJIANG TECHNOLOGY REVIEW|6G不应只是比5G速度更快、时延更低,而应从追求更强的单一技术指标,转向更好地服务用户个性化需求、解决复杂任务,并创造新的体验和价值。-我从事无线通信网络技术研究20多年。早期研究无线传感网、物联网,后来关注边缘计算、多层次算力网络和人工智能原生网络架构。回头看,这条路径并非事先规划,而是通信网络不断扩展的边界,把我们一步步带到了AI赋能的6G时代。按照移动通信每十年演进一代的规律,6G预计在2030年进入商用阶段。目前,人工智能与通信融合、通感一体化、空天地海全覆盖等方向正处于关键技术研发、系统试验验证和国际标准制定并行推进的阶段。6G技术方向和商用时间表逐渐明确,但产业道路并不因此清晰。如果6G只是比5G速度更快、时延更低,对普通用户的吸引力可能十分有限。4G已能满足大多数用户的内容消费需求,5G在工业互联网和物联网领域价值明显,但普通消费者未必能持续感受到服务优势。6G需要改变的不只是技术指标,更是通信行业理解用户个性化需求和创造新体验、新价值的智能化服务范式。从性能指标到用户满意通信行业长期受工程师思维驱动,我们习惯于认为速率越高、时延越低、频谱和能量效率越高,技术就越先进,用户就越满意,过去几代移动通信系统的演进发展不断强化了这种认知习惯。然而,人的信息接收能力存在上限,视频达到足够清晰、流畅以后,再提高几倍速率,用户未必能够感知;声音超过人耳分辨能力以后,继续提高精度,也很难提升用户体验、产生额外价值。过去做网络性能优化时,我们常把速率、时延、能耗和可靠性等多种指标加权汇总成一个“效用函数”(Utility Function),这种方法便于理论建模和数学分析,却忽略了这些性能指标的物理意义、量纲和单位都不同,强行加权合并成一维的效用函数,掩盖了用户需求的个性化、复杂性和综合性,无法全方位保障用户服务体验和满意度。在6G时代,高价值用户的服务需求具有个性化、多维度、智能化和端到端等新特点。网络游戏重视端到端时延和稳定性,视频会议更关心传输带宽和时延抖动,工业控制强调高可靠性和低时延,个人智能服务还要考虑隐私保护、终端能耗和计算能力。因此,以传统的工程师思维在系统侧将单项性能指标做到极致,无法满足用户侧千人千面的个性化、多维度服务需求,这是6G智能化服务显著提升用户体验和满意度(获得感)的真正挑战。基于这种认识,我们提出了“服务需求区间”(Service Requirement Zone,简称SRZ)新概念,用雷达图的方式准确表达每个用户应用的个性化、多维度服务需求组合:既要求时延和能耗等性能指标低于某个上限,又要求速率、安全性和可靠性等性能指标高于某个下限,还要求存储空间和计算复杂度低于硬件的能力边界。对每个用户的不同应用任务而言,只要多维度的系统性能指标全部落在这个由多个上限和下限组成的“服务需求区间”内部,服务质量和用户体验就是满意的;否则,哪怕只有一个性能指标没有达到相应的服务要求,用户就不会满意。此外,当系统性能达到实际服务需求后,继续堆高某个关键指标,根据木桶原理,并不会提升用户体验和产生更多价值。我们基于“服务需求区间”重新定义了“用户满意率”,没有强行加权合并不同量纲的性能指标,所以更能客观准确地衡量6G通信网络满足不同用户、不同场景、不同任务的多维度综合需求的服务能力。这种从工程师思维向用户服务思维的转变,不再追求最大带宽、峰值速率、极值频谱效率等系统侧技术参数,而是更关注不同应用场景下用户侧的实际服务需求。说到底,用户不会因为网络参数先进而付费,6G如果不能给用户带来个性化的新体验和新价值,系统技术指标再高,也很难建立可持续的商业闭环。从传输内容到完成任务从1G到5G,移动通信网络的主要业务(杀手级应用)都是在传输内容:1G以语音为主,2G增加短信,3G和4G推动图片、视频等移动互联网内容普及,5G则在增强移动宽带之外,进一步大规模连接机器、传感器和行业设备,传输海量物联网数据。无论承载内容如何变化,通信网络的基本任务是:用户要把特定信息从A点送到B点,网络就像一名快递员,负责以可靠、高效的方式将信息准确送达目的地,网络无须理解发送者的信息含义与价值,也无须知道接收者会如何处理和使用收到的信息。在人工智能时代,当智能体日益普及以后,用户的服务需求将不再是明确的内容传输指令,而是像查询航班、约朋友吃饭、提前煮粥这类个性化任务,智能体需要系统理解意图、拆解任务、查询信息、调用资源、制定方案,并完成执行。未来6G网络要连接个人智能体、网络智能体、企业智能体、服务智能体和云端大模型,及时判断各项任务应该在终端、边缘、网络,还是云端处理,还要能够统筹通信、计算、存储、感知和控制等系统资源。我认为6G最重要的变化,是其服务能力从“传输内容”升级为“完成任务”。过去用户告诉网络具体传输什么,未来用户更多会表达想要完成什么任务和达到什么结果。至于系统调用哪些资源、任务在哪里计算,可以由用户侧、网络中和云端的多个智能体自主协作分析,并及时提出实施方案,从而满足用户个性化、端到端、多维度的服务需求。这也是6G与5G边缘计算的重要区别,后者针对固定程序持续采集的低质量、高重复性的物联网数据,按照特定应用场景和预设规则来过滤和筛选数据,核心价值是发现设备或服务的异常状态,减少海量数据的无效传输,从而有效降低数据回传压力,满足产业应用场景中的低时延和高可靠性服务需求。6G时代的边缘智能体则要与其他智能体积极合作,主动完成用户意图理解、任务端到端编排、多维度资源调度和多设备协同执行。同一句“房间有点热”,不同的用户有不同的实际需求:老人可能希望把温度调到26摄氏度,年轻人可能更习惯22摄氏度。只有长期服务并了解用户个人习惯的智能体,才能理解语言表达背后的真实个性化需求。因此,6G边缘智能体不仅能做数据过滤和本地处理,而且能像有经验的个人助理一样,分析用户偏好、判断优先级、规划步骤,并协调周边的可信设备和网络完成复杂任务。6G要连接的,不再只是手机、传感器和机器人,而是大量能够感知、通信、计算、判断和行动的智能体。网络的基本功能将从“万物互联”驱动的内容传输,加速演进为“万智互联”赋能的复杂任务解决方案。通算融合需要新的网络理论过去,通信产业和计算产业之间存在清晰的分工:运营商建设网络,把数据送到云端;云计算企业存储数据、运行模型并提供智能服务。网络是管道,云端是大脑。大模型普及后,这种分工正在发生变化。如果人工智能能力都集中在云端,运营商只能按流量收费,那么模型、服务和用户关系将更多掌握在云计算平台手中。随着传统语音和流量业务趋于饱和,运营商单纯依靠“管道”模式已很难实现盈利,正面临巨大的经营压力。因此,运营商希望将部分算力和智能服务部署到边缘侧和网络侧。规模较小、时效性较强、复杂性较低的本地任务,可以在终端、基站和边缘节点完成;只有本地无法解决的复杂任务,才交给云端通用大模型处理。通信与计算产业之间会存在竞争,但更可能形成新的合作关系:运营商需要算力和模型,云计算企业也需要网络入口和应用场景,双方可能共同建设多层次算力网络,并围绕提升服务体验和创造用户价值探索新的分工合作与盈利模式。从技术上看,通信设备也在逐步软件化。对于面向大范围覆盖和海量并发用户的公共网络而言,专用设备仍会长期存在;但在家庭、办公室、工厂和园区中,可能出现大量低功耗、低成本的“多功能融合节点”(multi-function node,简称mNode)。它们独自能服务的用户不多,却拥有通信、计算、感知、存储和控制能力,可以提供高度定制化的灵活服务。传统网络以大功率基站覆盖大范围用户,未来网络中的各类智能体将深入每个家庭和办公空间,实时理解每个用户的意图和需求,现场提供个性化和智能化服务。用户个人网络可以包括手机、电脑、穿戴设备、机器人和本地服务器等,在用户充分授权的前提下,6G边缘和网络智能体依托完善的隐私保护和数据安全机制,可以组织利用这些用户侧的通信和计算资源,从而打造更贴近个性化需求的分布式智能服务系统。6G网络会支持多层智能体协同服务架构:个人智能体了解用户习惯和偏好,边缘智能体掌握本地资源,网络智能体可以按需扮演不同角色,行业智能体具备专业领域知识,云端智能体(大模型)则提供最强大的智能水平和算力资源。为了支持多智能体协同完成用户复杂任务,网络不仅要充当通信基础设施,更成为提供端到端智能服务的核心组织平台。为支撑这类定制化智能服务,我们提出了融合通信、计算、感知、存储、控制和人工智能等多种能力的6G智能网络架构。其中的网元节点称为“多功能融合节点”,可以根据任务需要灵活改变角色:有时以通信为主,有时以计算为主,有时以存储为主,有时承担感知和控制任务。不同任务对资源的需求也不相同:求解复杂数学题需要大量算力,却可以等待;机械臂控制的计算量未必最高,但对端到端时延和可靠性极为敏感。6G智能网络能够根据任务性质和服务需求选择适当的执行位置和智能体,而不是将所有任务和相关数据不加区分地送到云端处理。通算融合的智能网络架构带来了一系列理论问题和技术挑战:一是如何收集和分析多智能体协同服务的真实场景数据,研究各种智能服务任务的统计特征和流量模型;二是如何平衡通信、计算和存储等多维度系统资源,结合端到端任务完成率和用户满意率,重新定义不同优先级的个性化任务容量;三是各种智能体参与服务协同和网络控制后,会带来可靠性、可解释性、安全性和责任边界等问题,如何确保通信基础设施和底层控制单元的绝对安全,设立明确的权限、边界和安全机制,从而持续试验、迭代和优化各种类型的智能服务。6G最终要靠应用场景证明价值中国已在6G研发、试验平台和标准化等方面持续投入。若干关键方向正在形成共识,下一阶段更重要的任务,是将不同能力放入完整系统和真实场景中验证。一项技术能否进入标准,除性能和测试数据外,还取决于产业支持度、互操作性、实现复杂度、知识产权与应用需求等多重因素。上海既有通信设备和集成电路产业,也有人工智能、机器人、卫星互联网和智能制造集群,以及丰富的高校和科研资源。上海需要借助这些优势,率先把通信、人工智能与真实产业应用场景组织成可验证的系统,而不只是提出单点技术。人工智能与通信融合是6G的重要方向,技术与服务的验证工作是“场景为王”,将逐步从概念和单点指标,转向系统能否在真实环境中稳定运行、保障用户服务体验、为用户创造新价值,并形成可持续的个性化智能服务闭环。概念并不稀缺,稀缺的是能够经受成本、可靠性、安全性和用户体验充分检验的复合型系统。卫星互联网具有战略价值,但建设周期长、产业协同复杂;工业机器人和具身智能的跨设备协同、远程运维和云边协同,也需要高可靠、低时延网络,但其规模化落地仍受硬件、模型、安全标准和成本制约。相比之下,我更看好家庭和办公场景中的个性化智能服务。它离用户最近,需求相对明确,部署范围可控,也更容易形成服务闭环。未来,每个人将拥有多个专属智能体,它们分布在手机、电脑、手表、眼镜或机器人中,掌握用户授权的数据,理解用户的个性化生活习惯和工作方式。网络侧部署区域智能体和行业智能体,为个人提供交通、金融、医疗和旅游等专业服务;云端大模型则提供通用知识和复杂计算能力。这套体系不会完全由运营商建设,个人智能体可能来自终端企业或软件公司,运营商需要提供可信连接、分层算力、身份认证、资源调度和智能体协作环境。这将给大模型企业、机器人企业、芯片企业和垂直行业服务商带来进入通信产业的新机会,也会迫使传统通信企业重新思考自身角色。我始终认为,6G必须回答一个更具体的问题:在安全、可靠和用户授权的前提下,它能否帮助每个人更好地完成特定的复杂任务?如果能够做到这一点,6G就不只是一张更快的网络,还可能成为分布在用户身边的智能服务系统:向上连接卫星和云端,向下深入家庭、办公室和工厂;不仅传输信息,也协同感知环境、调用算力、编排资源并支撑任务执行。从传输内容到解决任务,从网络能够提供什么到用户真正需要什么,从统一标准化的服务到千人千面的个性化智能服务,这才是6G真正值得期待的变化。每一代移动通信都有自己的使命。6G的使命,或许不再只是连接世界,更是让网络与终端、智能体、边缘和云协同起来,使连接能够更好地服务于需求理解、资源组织和任务完成。
两天跌掉2800亿,腾讯冤么?
虎嗅 · 2 天前
出品 | 妙投APP作者 | 张贝贝编辑 | 丁萍头图 | 视觉中国腾讯AI有突破,市场为啥更慌了?11月19日,腾讯控股(0700.HK)开盘持续走弱,收跌6.55%,单日市值蒸发约2200亿港元;20日盘中,股价再跌约2%,两日累计市值跌掉约2800亿港元。直接触发因素来自前一天盘后的三季报。从业务表现看,腾讯有点委屈,因为AI商业化确有新突破。WorkBuddy当季日活跃用户超过1000万,每日Token消耗超过100万亿,最近7天收入按年化折算超过5亿美元;还有腾讯云收入同比增长35%,较二季度的21%明显提速。但从财务表现看,市值蒸发不算完全冤枉。三季度,它的资本开支继续高增,自由现金流为负,以及经营利润率回落同时出现,才是市场重新定价的核心原因。‌财报显示,三季度资本开支总额达到814.3亿元,同比增长527%;现金支付口径达到651亿元,同比增长225%,自由现金流净流出691亿元(剔除算力采购预付款后转正169亿元)。同期,非国际财务报告准则经营盈利681亿元,同比下降6%,经营利润率从38%降至33%。管理层披露,剔除CodeBuddy、WorkBuddy等AI产品后,经营盈利为833亿元,同比增长8%,经营利润率维持在40%。更关键的是,五大AI产品中,能拿出明确商业化收入数字的主要是WorkBuddy及其拉动的云业务;小微仍在灰度测试阶段,元宝表现不及预期、已缩减开支,CodeBuddy未单独披露收入。(混元是技术底座)也就是说,腾讯对AI的大规模投入,换来的只是一款产品的收入验证和云业务的提速,还不是AI业务的全面兑现。成熟业务这边其实有支撑。三季度腾讯的营销服务收入增长依然较快,达到19%,远超整体收入8%的增长;国内游戏还是稳的,收入同比增长11%;国际市场游戏虽然收入同比下降9%,但是去年同期高基数所致等。而财报中明牌的结构性问题,市场有预期,并非此次下跌的主因。券商下调目标价的归因也共同指向AI业务。如摩根士丹利把目标价下调近13%至480港元,理由是更高的AI投资将压制短期盈利;中金下调29%至470港元,归因于AI投入强度叠加毛利率结构性调整等,摩根大通也提示AI亏损扩大或令短期股价受压等。可见,市场真正重新定价的,更多是AI业务对利润的拖累。那么,腾讯估值何时能修复?需要盯两件事:一是,收入端能不能持续放大?可进一步拆分为,WorkBuddy的收费模式能否持续;云业务35%的增速能否维持。二是,利润端何时兑现?即,AI业务的算力投入什么时候赚回来。这会影响到,腾讯的利润增长何时为正,以及估值修复。腾讯AI,终于有人买单了收入能否持续,关键要看收入是怎么来的。靠补贴和投流买来的量,停补就会下降;靠真实消耗长出来的收入,只要用户还在用,收入就还在。WorkBuddy属于后者。支撑这个判断的原因有三点:一是,WorkBuddy的增长,已有相当规模的实际需求支撑。电话会上管理层表示,三季度WorkBuddy收入是二季度的5倍以上;最近7天,WorkBuddy收入按年化折算超过5亿美元;以及自今年6月推出企业版以来,中国百强企业中已有60%成为其客户。这意味着,WorkBuddy并非单纯依靠免费流量,换取用户规模,其自身已有相当规模的实际使用需求,并且企业客户开始愿意为AI办公产品付费。二是,WorkBuddy的收费模式,具备随用户使用深度增加,扩大收入的可能。腾讯总裁刘炽平在电话会上详细解释了这套“免费获客+订阅打底 + 用量加购”模式。免费层负责吸引用户,付费层提供更多Token额度,重度用户则根据实际使用需求持续追加购买。已经有用户每月购买Token的支出达到4万元。腾讯还通过不同模型区分免费体验和付费需求。成本较低的Flash模型承担基础体验和获客功能,当用户需要完成更复杂的任务时,可以转向能力更强的模型,从而增加Token消费。这意味着,只要AI能够持续创造工作价值,企业就有动力扩大使用范围和Token预算。三是,用户接受度是在的。今年三季度,腾讯未披露具体留存数值,仅在业绩演示材料中表示,订阅服务和Token充值具有较高的付费意愿及用户留存率。但结合腾讯在2026年一季度业绩材料中披露,WorkBuddy与CodeBuddy合计的活跃用户留存率超过60%,付费用户留存率超过80%(未单独拆分);以及6月份有媒体报道称投资者交流时提到,上述两款产品的次日留存达到活跃80%、付费88%。这些数据属于早期采用阶段的合计口径,不能直接等同于WorkBuddy单品的长期续费率,但至少说明,用户对WorkBuddy接受度和付费意愿方向是在的。因此,WorkBuddy已经越过了单纯依靠免费流量获取用户的阶段,初步跑通了从用户使用到持续收费的商业模式。年化收入超过5亿美元、企业客户覆盖扩大、付费用户意愿留存在,这些信号共同指向一门具有商业化潜力的AI办公生意。但要注意,公司尚未披露WorkBuddy独立的利润和成本数据。腾讯管理层在三季度业绩会上也表示,未来需要通过提高付费用户比例、增加付费用户的Token消费,以及降低Token成本,逐步改善单位经济效益。这意味着,虽然WorkBuddy已经迈过了商业化的第一道门槛,但距离成为一门可持续盈利的生意,还有一段路要走。那么,AI业务的另一大来源云业务,收入增长能否持续呢?腾讯云,35%的增长还没稳腾讯三季报中提到,受WorkBuddy驱动,以及公司分配了更多算力用于模型即服务和GPU租赁,云服务收入增速进一步提升。可看到,对腾讯而言,WorkBuddy的意义不止于收入实现。它每天超100万亿Token的推理调用,还带来持续增长的算力需求,倒逼基础设施层加大投入。与此同时,腾讯云在为WorkBuddy等内部AI产品提供训练和推理所需算力的同时,也把算力网络能力对外输出。一方面通过模型即服务(MaaS)让企业直接调用模型,另一方面通过GPU租赁让企业租用推理算力,形成对外的云服务收入。因此判断云业务增长能否持续,需要把这轮增长拆成内部需求和外部变现两条线来看。首先,内部线是真实的。WorkBuddy的规模化消耗、混元大模型每两个月一次大版本迭代的训练需求、微信AI助手小微(日活已达3000万,仍在灰度扩量),共同构成腾讯内部的算力需求基本盘。需要明确的是,WorkBuddy等内部的AI产品收入,不直接等于腾讯云收入,但它们的存在验证了一件事,腾讯内部已经出现规模化的AI应用场景,并需要持续投入算力来支撑。再者,外部线也开始收钱了,但持续性仍待验证。MaaS,即模型即服务,企业不必自行训练和部署大模型,可以直接通过腾讯云调用模型,按照实际使用量付费。业绩演示材料提到,三季度腾讯MaaS的收入环比增长超过3倍,说明企业客户对模型调用的需求在增加。GPU租赁则更直接。企业向腾讯云租用GPU资源,用于自己的模型训练或推理,腾讯按算力使用收费。据电话会管理层披露,三季度GPU租赁收入环比增长超过30%。因此,腾讯云这轮增长并非只有内部产品在消耗算力,也已经出现外部企业愿意为模型调用和GPU资源付费的商业化信号。且要注意,金融科技及企业服务板块,三季度与去年同期毛利率一样,仍保持在50%。由于云与AI服务是这一板块本季的主要增量,毛利率没下滑,说明腾讯云的这轮外部变现暂时没有以牺牲整体毛利为代价。(图片来源:腾讯财报)但开始收钱,并不意味着能持续收钱。腾讯没有披露MaaS和GPU租赁的绝对收入规模、客户数量、合同期限和续费情况。也无法判断这是新客签单的脉冲,还是老客户持续增购的稳定趋势。验证持续性最关键的指标是净收入留存率,即同一批客户在下一年度是否愿意花更多钱。目前未披露,只能等后续财报补齐验证。因此,腾讯云业务收入35%的增速有真实需求托底,但能否持续,还需要后续财报验证。此外还要注意的是,内部AI产品和外部企业客户都在增加算力需求而情况下,腾讯必须提前建设更多算力来锁住资源,这正是资本开支飙升的原因,也是下一个要讨论的问题。算力的持续投入,何时能赚回来?2028年是关键节点回答这个问题,需要先看清当下的缺口。三季度,腾讯非国际财务报告准则经营盈利681亿元,剔除CodeBuddy、WorkBuddy等新AI产品后,经营盈利为833亿元,两者相差152亿元。而上季同口径拖累约105亿,环比多亏约47亿。这说明AI业务投入还在加速,还没到拐点。腾讯管理层预计,2026年4季度和2027年现金资本开支仍将处于高位,2028年有望趋势改善。这意味着,未来还有5-6个季度要熬,这期间腾讯仍要持续承担较大的算力建设支出。(图片来源:腾讯的业绩演示材料)管理层对2028年之后的回报改善给出了三个理由:一是,前期建设的基础设施可以持续使用;二是,服务器等设备价格有望下降;三是模型训练和推理效率不断提高。这套逻辑有一定合理性,但成立有前提。WorkBuddy要保持付费能力,MaaS和GPU租赁要形成稳定的企业需求,效率提升要真正降低单位成本,以及新增算力必须维持高利用率。此外先进芯片供应受限、训练端算力缺口,都可能影响模型迭代节奏,这是腾讯自己无法完全控制的变量。还有,即使资本开支见顶回落,利润压力也不会同步消失。购买GPU和建设数据中心计入资本开支,投用后分年计提折旧,而模型研发、产品推广直接计入当期费用。因此,现金支出可以先降下来,折旧还会在未来几年继续爬坡。所以,2028年可以作为利润改善的关键节点。但盈利与否的关键,可盯住三个信号:剔除新AI产品前后的经营盈利差距能否收窄,云业务AI收入的毛利率和GPU利用率能否披露并改善,以及2027年高位资本开支之后,自由现金流能否修复。写在最后回到最初的问题,腾讯两天蒸发2800亿元,究竟冤不冤?从业务表现来看,腾讯确实有些委屈。WorkBuddy已经初步跑通商业化模式,云服务收入同比增长35%,AI不再只是停留在技术投入和产品试验阶段,也开始创造实际收入。但市场担忧的并不是AI有没有收入,而是腾讯需要付出多大代价,才能把这些收入变成利润。但反过来,AI投入增加也不意味着这些钱都打了水漂。WorkBuddy的付费用户、腾讯云的外部收入,以及AI对广告等原有业务的赋能,都可能在未来逐步转化为利润。真正的问题在于,这些回报何时兑现,以及规模能否覆盖持续增长的成本。因此,决定腾讯估值能否修复的关键,是AI业务的盈利改善进展。对投资者而言,接下来可重点跟踪四大信号:一是,WorkBuddy的收入能否持续增长。现在跑通了“免费+订阅+Token加购”模式,但重度用户月付4万元是个案还是趋势、企业续约率能不能稳住,将决定了年化5亿美元能否继续向上增加。二是,腾讯云AI业务能否改善毛利率。金融科技及企业服务板块整体毛利率50%稳住了,但MaaS、GPU租赁的独立毛利率还未披露。若能继续改善,侧面可判断云AI业务的毛利率提升。三是,剔除新AI产品前后的经营盈利差的差额,能不能收窄。2026Q2是105亿、Q3是152亿,还在扩大。这个数字什么时候环比掉头,将是AI业务从纯烧钱,切到自我造血的关键信号。四是,自由现金流修复。Q3剔除算力预付款后已经+169亿,说明主业造血能力还在;但预付款节奏、折旧爬坡(Q3设备折旧近120亿、同比+56%)会持续压账面FCF。结合管理层预计,2027年现金资本开支仍将处于高位,之后下降,2028年或是自由现金流修复的关键节点。上述信号有一个兑现,市场情绪可能就会得到提振。相反,如果收入增长始终无法转化为足够的毛利,且没有其他信号落地,市场关于AI投入拖累利润的担忧就会一直存在。到那时,腾讯的估值哪怕跌到看起来很便宜的位置,也很难修复,投资需谨慎。免责声明:本文内容仅供参照,文内信息或所表达的意见不构成任何投资建议,请读者谨慎作出投资决策。
没有客户成功,企业AI这门生意,根本做不成
虎嗅 · 2 天前
本文来自微信公众号: ToBeSaaS ,作者:戴珂前段时间去美国出差,顺便拜访了几家公司的CS部门,有做SaaS的,也有做AI的。本来我以为两边干的事差不多。但聊过之后,才发现完全不是一回事。SaaS公司的人张口就是续约、扩展、QBR。AI那边的人,讲的是另外一套业务逻辑:缩短TTV、找新场景、发现新用例。对了,还有更重要的一点,就是盯“用量”。我把CSM招聘数据翻了一遍,发现这个差别不是几家公司的做法,而是整个行业的结构已经分离了。一家做客户成功软件的公司,自己倒裁了270个CSM。同一时间,OpenAI在东京招CSM,只管1到3家财富500强客户,要求8年经验,除了做过CSM外,还有另外一堆的要求。同一个CSM岗位,一边在撤,一边在建。所以现在的问题,不是AI“需不需要客户成功”,而是客户成功被换成了什么。01SaaS这边:人没少,但变便宜了按一般理解,AI肯定会减少CSM的数量,但其实并不是这么简单。Indeed的招聘指数里,客户服务是销售、营销、管理这几块里唯一没跌的板块,19个月只动了0.6个点。但结构变了:总监级岗位减了15%,部门负责人级减了27%,初级岗位反而涨了5.9%。一个总监的预算,换成了几个初级。结果是任职不满两年的人占比,从18%涨到44%。人没少,但变便宜了。02为什么能这么换?客户成功这个岗位的价钱,被AI工具切走了一半。一个资深CSM的价,买的是两样东西:判断和人力。判断是哪个客户真要走了;人力是跑客户、做培训、做QBR。判断这一块,现在系统直接标红,还比人早得多。判断一旦变成仪表盘上的一个数字,这个人的溢价就没有依托了。人力那部分还得有人干,但不需要十年经验,有嘴就行。还有一层更硬的:客户成功从来没有证明过自己的人效,这点我已经在过去的CSM培训中多次提及,但听进去的人很少,看来国外也是。根据贝恩的数据,CSM人数六年涨了50%,同期上市软件公司的中位NRR,从115%掉到107%。加了一半人,留存反而少了8个点。要是没给自己准备点证明,就看这个数字,砍客户成功最没阻力。不是这个人不值钱了,是他身上值钱的那部分被AI工具拿走了。03AI这边:从零开始,一上来就招贵的8个月前,AI公司几乎没有专职负责客户留存的岗位。现在已经开始大规模招“AI成功工程师”,或称AI CSM。便宜的没人要,一上来招就招最贵的。没办法,这活儿的确需要。这不是说AI公司突然重视客户了,而是销售结束的地方变了,或者说FDE离开得太早了。AI产品的销售,很少在签约那一刻结束。因为AI和CRM那种工具不一样,它需要几周甚至几个月的数据,才能证明可衡量的结果,就是TTV很长(当然流失风险更大)。最主要的原因,还是卖的东西“从功能变成结果”,交付责任被推回卖方身上了。要是没CSM跟上,没几单能挺过半年。04最根本的区别:流失的形状不一样SaaS和AI最根本的差别,不在产品,在客户流失的形状。SaaS的流失是慢的,可以提前准备,有信号:用量在掉、工单在变多、关键人换了。信号出来再去救,还来得及。所以判断可以交给AI工具,人只负责执行,执行不需要贵的人。但AI的流失是突发的,而且发生在最早那一段。产品买回去是一个承诺,承诺没兑现之前,客户手里那个东西,在心理上就是个试用中的玩意儿,随时可以停。停下来的成本极低,没有数据要迁,流程还没来得及改。所以AI的CSM必须在第一事件就在场(甚至在签约前),因此AI CSM还有另一个称谓:FD CSM。SaaS的可以等一个季度,看使用数据再决定要不要干预;AI毫无征兆,说走就走,不带走一片云彩。客户一旦停下来,这笔生意就黄了。没续约、没用量,除了这一笔,后面收入就断了,变成彻头彻尾的“头部公司”。05新扩展:扩大用量除了留存,CSM还有一项重要的指标就是扩展。在SaaS里,扩展就是续费、增购,一年谈一次就行。AI没这个环节。AI产品的收入是一层基础费,加一层“用量”,比如:调用次数、处理的工单数、跑的流程数、审过的合同数。所以AI CSM的扩展,不是让客户再买点什么,而是让客户“多用”。一家SaaS公司公开过自己的账:人类CSM从10多个砍到2个,人类少了80%,账单反而涨了83%,因为那20多个智能体的用量是人的一百倍。扩展从一年一次变成随时发生。CSM的活也跟着变,促进用量消耗。多说一句。很多人问我:用量是不是就是token?这里明确地说:不是。如果CSM变着法地让客户消耗token,除了有违商业道德了,还把生意做小、做没了。事实上,创造有效的新用例、新场景,还真不一定会增加多少token消耗。原来SaaS那套扩展的玩儿法,放在AI这不灵了。用量涨,收入涨;用量掉,收入跟着掉。就一个原因:合同保护不了你了。当然,维护关系还是底线,促进用量是在这条底线上加的增量。写在最后SaaS时代,国内很多SaaS公司,就因为忽视客户成功,生生把自己干成了软件公司。AI时代,国内情况也没好到哪里去。前段时间去几家AI公司交流,很多CEO都问:客户成功是啥?最坏情况,SaaS公司干废了,还有软件公司兜底,大不了当传统软件做;但AI公司要是干废了,那就彻底废了,退无可退。所以,不是AI公司要不要客户成功,而是为了让这个生意能闭环,看在钱的份上,客户成功,必须的。
妈妈的必修课
虎嗅 · 2 天前
本文来自微信公众号: 王小一和她的朋友们 ,作者:王小一一最近在上evidence based treatment,基本上就是把随机双盲对照实验研究证据支持的最有效的那些心理疗法以及适应症全部过一遍。本以为肯定很枯燥,结果出人意料的很有收获。昨天这一堂课是针对儿童和青少年咨询的内容,又很意外的契合了我最近生活里的困境和挑战。前几天我健身结束以后买奶茶,给冉冉和小北也买了饮料。晚上妹妹回家以后,不吃饭要喝饮料。我不同意,小东西就撒泼打滚儿,哄了半小时,我已经耐心耗尽,自己饭还没吃。这时候小北说,他的饮料不喝了可以给妹妹。我一看他的黑糖牛奶,就嘬了两口,几乎原封不动的丢在那,顿时火冒三丈,开始吼他——不只因为这一次,他惯常对我提供的选项心安理得的随意丢弃,而且这一次还是又问过他的意愿才买的。做家长不仅要给孩子兜底,更难的是,跟孩子发生了任何冲突,或者孩子闯了什么祸,家长往往需要追根溯源往自己身上找问题。我吼了他,却只能自己反省,是我做错了什么。我不该主动给他们买饮料,不该把一切选项都主动给他铺陈好让他对一切都心安理得,总之一定是我养得不好,现在才自找苦吃——这种自责和自我攻击,以及随之而来的挫败感和无能为力才是最难受的。而持续的不胜任感还会继续疏远亲子关系。我们都知道健康的亲子关系必须要有健康的边界,但亲子关系里面这个内在张力持续存在:家长要为孩子负责,却又要保持与时俱进——甚至是动态的边界。处理与青春期孩子的关系最大的挑战就在于如何保持灵活又健康的边界。这个边界不只是家长不要过度干涉和控制孩子,也包括承认孩子完整的主体性:孩子有自己的意志、判断和责任。即使我和他发生了冲突,也不意味着责任必然全部在我。二儿童和青少年咨询询症最有效的三种干预方法分别是PMT(parent management training),PCIT(parent-child interaction therapy),CPS(Collaborative problem solving).我发现所有证据支持的儿童疗法说到底都是在调整家长/环境/系统。方法分两类,一类直接通过优化家长行为影响孩子的行为(PMT,PCIT),一类通过增进互相理解来解决问题(CPS及其他)。这恰好契合了上面提到的养育当中的最大挑战:如何在保持一定的行为规范底线的情况下,最大程度的尊重和理解孩子,同时不牺牲家长的需求和感受。现实不是无菌实验室。现实生活有时间要赶,家长有需要遵守的社会行为规范,也有自己的压力以及心理模式。所以你不可能在早上着急出门,孩子却不肯穿鞋的时候去理解和尊重他的行为,也不可能在一个两岁的toddler冲进停车场乱跑的时候先去共情他的情绪。正如这两个例子,年龄越小的时候这个判断越容易做——只要涉及安全,社会责任等部分,就坚持底线,但随着孩子长大,家长要处理的情况就越来越复杂。美国人喜欢说,pick your battle,的确如此。如果有十个和孩子意见不一致的地方,选择最少数量的家长认为必须要施加影响的部分,其余的就必须真的做到let go。不舒服,看不惯,都是家长需要自己做功课消化的东西。最简单的例子,孩子坚持不肯穿外套,冻感冒了。当妈妈的因为心疼很难不责怪孩子,或者下一次还能尊重孩子的选择不穿外套。穿还是不穿?这是个具体到单次场景的问题,也是家长要选择的战场——这是现在最紧要的吗?值得我为此对他的意志做出否定吗?这些问题持续不断的出现在日常生活里面,直到青春期,到达第一个顶峰。三作为一个每天和teenager相处的家长来讲,每次在孩子不听我的建议导致不理想的结果的时候,忍住不要说“我早就告诉你了”,并还能保持温和开放的支持性态度,是真正的挑战。其实真的不能单方面责怪家长,从小baby开始养起,家长习惯了把孩子的困难和问题都背在自己身上——孩子越小的时候这个边界越不清晰,推到极致,新生儿和母亲就是融合状态,在那个阶段融合是健康的,甚至生存必须的条件。但随着孩子的成长,这个边界一直在改变。如果说之前的分歧,对孩子来说还只是就事论事,不想穿外套就是不想穿;到了青春期,青少年甚至需要某些冲突来彰显自己的意志——他们不一定在具体事情上不赞同父母意见,但就是需要叛逆。叛逆当然会导致一些不理想的结果。家长能期待的最优结果,可能就是不让叛逆出现在最危险的领域。而要达成这个结果,必须要通过良好的亲子关系达成沟通和信任。这时候CPS不是一个心理干预手段,而是必须持续存在的亲子关系素质。周一我接到小北校长的邮件(上初中以来第一次),说他上体育课的时候朝同学身上丢虫子,被罚留校写检查。我立刻回复校长,道歉并问清楚他具体留校的时间,待在哪,做什么,然后告诉爸爸这个事他不要插手。下午小北回家以后我没提,跟他闲聊说雨后彩虹好漂亮,他说看到了,我说那你会交好运,他说很不幸不是这样的,今天我给自己惹麻烦了。我说我听说了,然后问他什么情况。他说一开始他只是跟一个好朋友A闹着玩(并没有往他身上丢虫子),A并没有恼怒。后来B加入进来往A身上丢虫子,叫他停止也不听,A就去告诉老师了,并没有告小北的状。结果B被问话的时候把小北拉扯进来了。我说那B听起来不是个好朋友。小北说,也没什么大不了啦。我说,是没什么大不了,但要是我的话,就不想跟B走太近,免得给自己惹麻烦。他说嗯。四我能够很好的处理这个事件,主要是因为它不触发我自己的情绪。家长在养育里面要面临的另一个困难就是自己也有情绪困境和个人课题。我对小北“不好好吃饭和睡觉”的事情,比他在学校调皮捣蛋看得重得多——因为我自己的健康焦虑。所以开头提到的那个冲突,我就被触发情绪了。他不喝我买的饮料,我的愤怒既有他不尊重我的付出,也有我对他挑剔食物的焦虑,甚至还有我对他不珍惜我小时候没有得到过的东西的不满。CPS并不能治本,但可以为双方找到一个更舒适的互动方式。于是我找个机会跟他道歉,我不应该吼他,也尊重他对口味的挑剔,再问他你觉得我们怎么办更好呢?他说下回我不是特别想要的东西就不让你买了。我说好,但我觉得你也应该尊重我的付出。他说好。我说至少你应该说一句谢谢妈妈。对我来说,处理自己的焦虑,同时承认和表达自己的需求,才是这个问题治本的办法。跟他说清楚身体需要的营养和休息,也适时给他必要的提醒。但最终尊重他的选择,在我自己觉得不够的时候清楚那是我的需求,并跟他一起承担他的选择后果——不吃蔬菜导致频繁便秘,不喝水导致尿路感染。这真的很难,但就是做妈妈的必修课。在这个不断试错的过程中,孩子才会慢慢学会为自己做正确的决定,我也一样。说到底这是分化的功课——区分他的和我的,然后各自承担。最近我翻看小北小的时候的照片和记录,曾经和他亲密无间的关系让我很感慨和怀念。我问过他,你现在还想单独和妈妈一起做什么事吗?他说吃好吃的吧。我只能无奈的笑笑,没想到这么快,小不点就已经长大到不那么需要我了——他最需要的已经是放手,看他往前走,在他回头的时候,永远一眼就能找到我。END
史上最大IPO敲钟,AI股却崩了
虎嗅 · 2 天前
出品 | 妙投APP作者 | 董必政编辑 | 丁萍头图 | 视觉中国美东时间11月19日中午,纳斯达克的钟声为Anthropic而响。这是一家成立近六年的公司,做大模型的,名字大部分A股股民还念不顺。它的IPO定价83美元,公开发行9.8亿股,募资813.4亿美元;加上谷歌、英伟达等七家产业伙伴按发行价认购的260亿美元私募,合计1073亿美元,超过今年6月SpaceX的750亿美元,是人类股市400年史上最大的一笔IPO。开盘第一笔成交111.50美元,比发行价高34.3%;盘中最高115.10美元,市值一度越过2万亿美元,全球上市公司市值榜直接挤进前十。然后它开始跳水。当地时间11点50分前后,ANT从115美元一路往下掉,收盘97.17美元,比开盘价低12.9%。同一天,道指跌2.19%收在49097.06点,6月以来首次跌破5万点;纳指跌2.25%,标普500跌2.02%,连续第六个交易日收绿;VIX跳涨15.80%报28.44点。英伟达跌3.30%,六连跌;AMD跌7.72%;CoreWeave跌超6%,Nebius跌超9%。(图片来源:AI制图)一场史上最伟大的IPO,开出了史上最贵的尴尬。所有在开盘冲进去的人,平均账面亏了6%。那么,AI到底不行了吗?还是说,只是市场给AI定价的那把尺子,被换掉了?一、为什么偏偏是敲钟这一天?很多人把11月19日的下跌归结为"一只新股抽血"。这没错,但只说了一半。另一半在筹码结构里。本次IPO发行9.8亿股A类普通股,但Anthropic完全稀释股本约179.8亿股、实际在外股本约131亿股,9.8亿新流通股占在外股本约7.5%、占完全稀释约5.5%。而且配套的260亿美元N类股私募配售同样不在大盘流通。这就意味着,一个两万亿美元量级的账面市值,是由不到7%的可交易筹码定出来的。沙盘里只有几块石头,全场的估值却要按这几块石头成交价来标。这种结构下的价格,天然脆弱买盘一旦承接不住,前面所有拥挤的仓位会同时松手。ANT全天成交约860亿美元,成交均价约103.2美元。也就是说,当天买在平均价位的人,收盘时账面亏6%;买在开盘的人,亏12.9%;盘后价格一度跌至92.6美元。这不是"利好出尽"四个字能概括的,这是市场第一次公开给一个前沿模型公司定了价,而且定出了一个连高盛摩根士丹利都护不住的估值。New Street Research上市前给的是"买入"、目标价105美元——高于发行价、低于开盘价。历史也在提醒。德意志银行团队梳理过去三十年的发行周期发现,美股发行强劲的时期往往伴随长期牛市,而不是相反;但另一组数据更扎人:1990年以来募资规模排名前20的IPO中,有15只在上市第一年内跌破发行价,较首日收盘价的最大回撤中位数高达40.9%。妙投认为,11月19日的踩踏,本质是一场拥挤度测试。一只市值上万亿的新股上市,机构要腾出仓位来配置,卖的自然是手里那些涨了很久的旧筹码。这跟基本面好坏关系不大,但足以让高估值资产晃三晃。市场最怕讲故事,最爱看报表。而这次,故事和报表第一次挤在了同一个交易时段里。二、一张"照付不议"的算力账单回到基本面,Anthropic的招股书很好看。前三季度营收332.4亿美元,同比约12倍;二季度营收116亿美元、同比增长1368%,还首次录得9.74亿美元的季度营业利润;三季度营收170亿美元,10月年化营收810亿美元。客户结构也不像纯To C:过去12个月贡献至少10万美元收入的客户超1.19万家,其中超1900家达到100万美元级别。但真正需注意的数字不在营收那页。长期基础设施服务协议规模5180亿美元:对谷歌至少1145亿美元、义务到2033年7月;对亚马逊至少1100亿美元、到2036年4月;对微软至少449亿美元、到2033年5月,且不可取消,除非微软发生重大违约且未予补救。加上采购与租赁承诺,合计约9009亿美元,最远排到2045年。不管你实际用了多少算力,付款义务不变。打个比方,这就像健身房年卡,或者高速收费站的通行费——你不去,账单照付;你开了车但只跑了一公里,通行费还是那一档。行业管这叫"照付不议",成本刚性、收入弹性,敞口就摆在那里。2026年上半年,这个敞口已经开始显形:算力与基础设施支出89.45亿美元,接近去年同期的四倍,超过2025年全年的73.26亿美元;而上半年营收162.86亿美元,支出占到了收入的55%。更值得注意的是,钱和收入的通道都卡在别人手里。前三季度经由亚马逊、谷歌、微软云市场产生的销售约78亿美元,占总营收48%;截至6月30日净应收账款58.33亿美元,其中58%由平台代收,相当于34亿美元现金压在平台账上。妙投认为,Anthropic这次IPO的本质,是把一份私募市场已经消化不了的"算力房租"账单,转手交给公开市场。三、信仰的计价单位换了过去四年,美股给AI的估值锚只有一根:资本开支还在涨。只要英伟达的指引还在上修,只要数据中心的订单还在增加,只要"算力不够"这个故事还在讲,AI就配得上高估值。这套逻辑不是不行,但它有个致命前提——只算分子,不算分母。现在分母被拽回来了。9月PCE同比3.6%,连续五年多高于2%的目标。CME的定价显示,12月加息25个基点的概率已经达到96.4%。此外,美联储自己开始把AI算进通胀。芝加哥联储主席Goolsbee明确说,AI基建的扩张“在我看来,像是普通需求过热的开端”;纽约联储主席威廉姆斯说,加息要加多少次,取决于AI怎么发展;理事沃勒放话12月可能需要一次性加50个基点。也就是说,AI的身份变了。它不再只是"成长故事",它同时成了"通胀来源"。分子端还在讲故事,分母端已经开始加息,高估值成长股最怕的就是这个组合。妙投认为,11月19日是AI信仰的计价单位被换掉的日子。过去市场为“算力军备竞赛"付钱,现在市场为"利润什么时候到账"付钱。四、卖铲子的和收银台要分开算账整个美股跌得最狠的,都是杠杆最重、交付最远的那一端。AMD跌7.72%、Nebius跌超9%、CoreWeave跌超6%、IREN跌超5%。伯恩斯坦最新研报点评AI新云三巨头业绩时的措辞很直接:AI算力需求维持高景气,但交付落地和融资模式成了核心变量。这里有件被很多人忽略的事:Anthropic的七家认购方,微软、英伟达、台积电、美光、AMD、博通、谷歌——几乎就是AI硬件的全部名单。他们一边卖铲子,一边掏260亿美元买了一个用铲子的人。他们自己也不信"继续扩产就能继续赚",他们要押的是"铲子挖出来的东西,到底能不能卖出去"。于是定价逻辑开始分层。硬件赚的是过路费,应用赚的是差价;过路费随供给增加而下降,差价随效率提升而扩大。软件行业毛利率80%已是顶级水平;硬件端则要按制造业定价,还得再扣一道管制折价。供给能扩的超额利润,制造业的规律就是会被扩产吃掉,芯片只是扩得慢一点、贵一点。接下来市场给“AI变现能力”定价。卖铲子的GPU厂商等按制造业定价外加管制折价,收银台的大模型厂商按期权定价,但必须证明自己能卖结果。而AI的信仰换了一个计价方式。
高市早苗在深圳大谈“经济韧性”, 却绕不开一颗“大卸八块”的白菜
虎嗅 · 2 天前
本文来自微信公众号: 文化纵横 ,编辑:魏嘉怡,作者:钟淑如【导读】近日,日本首相高市早苗飞抵深圳,引发公众关注。日本政府此前表示,她将在APEC期间就贸易与投资、区域经济整合、经济与能源韧性、数字经济等议题阐明立场。然而日本媒体报道,当前日本通胀情况严重,在民生环节,继日本大米被炒至天价之后,叶类蔬菜的价格持续走高。一棵白菜零售价普遍超过1000日元,约合42.3元人民币;生菜价格约为往年的2.5倍,圆白菜和白菜约为往年的2倍。日本农林水产省的统计显示,东京都中央批发市场监控的15种蔬菜中,有11种高于过去五年平均值。超市把白菜切成四分之一或八分之一出售,豆芽作为平价替代常被抢购一空。反观中国,“随时买得到、相对买得起、品类够丰富”的生鲜供给,早已融入中国居民的日常生活。本文指出,这份“生鲜自由”并非市场自然演化的常态,而是近四十年制度建设与治理实践的成果。文章将这套机制概括为四重治理逻辑:空间治理打破了地理与季节限制,打造“买全国、卖全国”的统一大市场,为生鲜供给奠定物质基础;规制治理用标准和全链条追溯,让跨千里的交易可以追责;责任治理用市长负责制,把保供稳价变成地方主官的硬约束;风险治理用监测预警、三级储备和逆周期调节,将市场波动约束在社会可承受范围之内。这四重逻辑相互支撑、层层递进,共同将原本高度波动、分散脆弱的生鲜供给,转化为面向全民、可预期的制度公共品。本文原载于《文化纵横》2026年6月刊,仅代表作者观点,供读者参考。从“冬储白菜”到“生鲜自由”:解密“菜篮子”工程▍“菜篮子”工程作为治理问题傍晚下班,社区生鲜店的翠绿蔬菜还带着田间露水,手机下单半小时新鲜食材便可送货上门;节假日里,商超冷柜中肉蛋奶品类齐全,“平价菜摊”保障民生供给不缺位;即便身处北方寒冬,海南豇豆、云南菌子、新疆番茄也能跨越千里汇聚餐桌。如今中国城市居民习以为常的“随时买得到、相对买得起、品类够丰富”的生鲜供给,早已像空气般渗透日常,却很少有人意识到,这份“生鲜自由”并非市场自然演化的常态,而是经过近四十年制度建设与治理实践才得以实现的成果。这份看似寻常的日常,放在历史维度中更显珍贵。直到改革开放初期,中国副食品供给还深陷多重约束:北方冬日的“冬储大白菜”是家家户户的生存必修课,地窖里码放的白菜、萝卜、土豆“老三样”,要支撑一冬的蔬菜供应;南方盛夏也难逃时令限制,鲜蔬品类寥寥无几;计划经济体制下的统购统销与票证制度,让肉禽蛋奶成为按年龄、职业分级供应的稀缺品,一顿足量的肉曾是许多家庭的奢望。1979年,上海的恩格尔系数高达56.4%,意味着居民近六成收入要耗费在“吃”这一最基础的生存需求上。[1]饮食仅能满足“吃饱”,与“吃好”相去甚远。短短数十年间,从凭票供应到生鲜自由,从季节限定到全年无休,从品类单一到全球甄选,餐桌的巨变背后,是一场具有历史转折意义的民生治理革命——“菜篮子”工程。“菜篮子”工程的独特性,根源在于其治理对象的特殊属性,这也决定了它无法仅靠市场自发调节实现良性运转,必须依赖国家力量的主动介入与制度塑造。其治理对象至少具备四重核心特征:一是高频消费性。蔬菜、肉蛋奶、水产品等生鲜产品是居民每日必需的消费品,消费频率高、覆盖人群广,其价格波动、供应状况直接关系千家万户的日常生活,最易被公众感知,也最易引发社会关注。二是易腐脆弱性。生鲜产品保鲜周期短、损耗率高,蔬果、水产品流通损耗率曾高达20%~30%,无法像工业品那样通过长期库存平滑市场波动,对物流、冷链、仓储、调运的时效性和专业性提出极高要求,天然存在市场失灵的风险。三是生产分散性。长期以来,中国生鲜供给依赖大量小农户和小规模经营者,生产主体分散、组织化程度低、产品标准不统一,“小生产”与“大市场”之间存在天然的衔接鸿沟,难以自动形成稳定、高效的供给体系。四是风险外溢性。生鲜价格的异常波动、短期断供或食品安全问题,极易从单纯的市场现象,外溢为公众焦虑、社会情绪波动甚至治理压力,其稳定供应不仅是经济问题,更是关乎社会安定的政治问题。归根结底,“菜篮子”工程的价值远不止于改善居民餐桌,更在于它构建了一套国家和市场协同的民生治理机制。它成功地将原本高度波动、分散脆弱、易受自然与市场双重冲击的生鲜供给,转化为面向全民的、可预期的制度公共品。但这一切究竟是如何实现的?在日常生活最细微的“菜篮子”里,又藏着怎样的国家治理能力与运行逻辑?▍空间治理“菜篮子”工程的第一层治理逻辑,是以国家能力为支点,通过技术突破、基础设施建设、信息网络搭建与生产组织整合,系统性压缩生鲜供给的时间与空间成本,将分散孤立的地方性供给,编织成跨区域、跨季节、跨主体协同运转的全国性市场。其本质是国家主动塑造市场空间,而非被动等待市场自发生成。这套空间整合机制造就了今天“买全国、卖全国”的常态。长期以来,季节更迭与地理禀赋是生鲜供给的天然壁垒。北方冬季冰封千里,鲜菜供给几乎断绝;南方盛夏高温多雨,蔬菜品类单一且产量不稳。“菜篮子”工程的首要突破,便是通过公共技术投入与推广,重构生鲜生产的物质基础,让自然约束解绑。20世纪80年代,中国工程院院士李天来团队在辽宁海城研制出第一代节能日光温室,实现了零下20℃地区冬季不加温生产果蔬的历史性突破,彻底终结了北方“冬储白菜”的集体记忆;同期,山东寿光三元朱村党支部书记王乐义改良的冬暖式大棚,让顶花带刺的黄瓜在寒冬上市,即便每公斤售价20元,仍供不应求,全村靠卖菜一年存款达128万元。此后,这项技术无偿向全国推广,第二代、第三代节能日光温室的发明,将果蔬冬季不加温生产区向北推移了300多公里,覆盖全国零下28℃以上地区。仅在山东省,农业大棚面积就从1990年的6.67平方公里激增至1998年的961.29平方公里,对应的蔬菜产量从1401万吨飙升至5709万吨,成为保障京津沪等大城市供应的“菜篮子”基地。[2]品种改良与栽培技术创新进一步丰富了供给品类。20世纪80年代以来,国家投入大量资源构建品种培育、推广、更新体系,共育成千余个蔬菜新品种,主要品类实现一代杂种化,良种更新3~4次,覆盖率超90%。此后,育种技术从传统杂交迈向生物技术,基因转移、分子标记得到广泛应用,大蒜、马铃薯脱毒快繁技术普及,耐储藏西红柿等转基因品种通过审定。[3]随着地膜覆盖、遮阳网栽培、无土栽培等技术全面推广,南方夏季高温种菜难、北方冬季鲜菜缺的困境被彻底破解,全国逐步形成了适配不同气候的周年配套栽培体系,“冬季有鲜菜、淡季不断供”成为常态。生鲜产品易腐、高损耗的特性,决定了跨区域市场的形成离不开基础设施的硬性支撑。“菜篮子”工程通过统筹规划交通网络、批发市场、冷链仓储等公共设施,为全国性生鲜流通构建了不可替代的物理骨架。2007年底,全长3.5万多公里的“五纵七横”国道主干线基本贯通,高速公路占比达76%,形成了覆盖全国的公路骨架。1995年鲜活农产品“绿色通道”启动,2010年扩展至全国所有收费公路,对蔬菜、水果、畜禽等产品实行“不扣车、不卸载、不罚款”及通行费减免政策,大幅降低了跨区域运输成本与时间。依靠绿色通道,从山东寿光开往北京的运菜车可省下数百元通行费,直接拉低了终端菜价,让远距离调运成为经济可行的选择。批发市场体系则成为产销对接的核心枢纽。国家将农副产品批发市场建设作为打通产销链路的关键抓手,1996年武汉、广州、沈阳、西安四大城市率先开展批发市场体系建设试点,《农业部全国“菜篮子”工程定点鲜活农产品中心批发市场管理办法(试行)》同步出台,为市场规范化发展筑牢制度保障。政策推动下,全国掀起批发市场建设热潮,到1997年底已发展至约4000家,承担着70%农产品、80%以上果蔬的集散功能,北京新发地、山东寿光、深圳海吉星等骨干市场相继建成。针对果蔬、水产品流通高损耗率的痛点,国家密集出台政策推动冷链物流发展:2002年明确加快农产品储藏、加工、运输设施建设,2008年要求构建鲜活农产品冷链系统,2009年提出提高冷藏运输比例。到2010年,蔬果、肉类、水产品冷链运输比例分别达5%、15%、23%,实现从无到有的突破。[4]如果说交通与冷链是流通的“血管”,那么信息网络就是生鲜市场的“神经中枢”。“菜篮子”工程通过搭建信息基础设施,打破产销信息不对称,让全国性市场从物理联通迈向高效协同。1995年,农业部启动全国批发市场价格信息联网,24个大中城市菜价实时共享,第一次让全国生鲜价格“看得见、可对比”;2005年,中国第一家生鲜电商“易果网”成立,标志着农产品电商从大宗交易向日常消费延伸,改写了传统流通格局。国家推动构建基于电子商务网站与信息中心的双重信息网络系统,汇总产地供应、销地需求、市场价格等数据,实现生产基地、批发市场、物流企业、零售终端的信息共享,推动流通环节从“商品批量转移”向“信息批量转移”转型。信息通畅让产销对接更精准高效。北方市场对海南反季节蔬菜的需求能快速传递到种植合作社,指导农户按需生产;山东蔬菜的产量、品质信息可及时对接北京、上海等销地超市,实现按需调配。互联网技术更推动“农超对接”模式快速发展:2007年,沃尔玛、家乐福等9家大型超市率先引入该采购模式,直接对接农民专业合作社;2009年,国家在15个省份投入4亿元开展试点,截至2010年,全国24个省市近百家合作社实现生鲜农产品直供超市,进一步缩短流通链路、降低中间加价成本。如今,“互联网+菜篮子”模式更深入社区,头部电商生鲜平台打通“最后一公里”,让居民足不出户就能买到全国乃至全球的新鲜食材。中国生鲜供给长期建立在小农户分散经营的基础上,生产主体分散、组织化程度低、产品标准不统一,难以对接规模化的全国大市场。“菜篮子”工程的关键创新,在于通过组织形式重构,降低小农户进入市场的门槛与成本,让分散生产成为全国市场的稳定供给单元。“龙头企业+合作社+农户”模式成为整合核心。国家加大对农业龙头企业的扶持力度,同时引导分散农户组建农民专业合作社,通过统一品种、统一技术、统一标准、统一销售,解决小农户标准化不足、议价能力弱的问题。山东诸城作为农业产业化发源地,2010年拥有1200多家农业龙头企业,形成“大龙头带小龙头、小龙头连农户”的金字塔形企业群,22万农户参与产业化经营,90%的农产品实现就地加工转化增值,分散的种植养殖环节被纳入标准化体系,品质稳定性大幅提升。[5]跨区域基地共建则进一步拓展了供给边界。以粤港澳大湾区“菜篮子”工程为代表,广州与内地25省139个地市建立合作机制,认定2400个生产基地,建设22个配送中心与2个通关便利区,宁夏的优质菜心、湖南的特色辣椒、江西的时令果蔬等优质农产品,通过统一标准、统一流通,进入大湾区市场。[6]这种“异地共建、本地共享”的模式,既发挥了各地禀赋优势,又保障了核心市场的稳定供给,让特色产区的生产成果能通过组织化渠道直达全国消费者。空间治理的核心逻辑,不在于只是提升产量,而是通过技术赋能、基建支撑、信息联通与组织整合,将原本地方性、季节性、碎片化的生鲜供给,系统性转化为全国性、全年性、制度化的市场秩序。政府不直接干预产品价格,却通过公共投入降低了市场运行的时空成本与交易成本;不替代市场主体,却为分散的生产与消费搭建了有效对接的平台。▍规制治理如果说空间治理解决了生鲜市场的物质基础问题,那么规制治理则聚焦于市场的秩序构建。生鲜产品的流通链条长、品质难以直观判断、责任主体分散,天然地存在信息不对称的风险——消费者难以知晓食材的生产环境,监管者难以追溯问题的责任归属。仅有跨区域流通的网络和充足供给能力远远不够,必须通过标准化建设、全链条追溯与全过程质量监管,将松散的生鲜交易塑造成规则清晰、责任可究的制度化市场,这正是规制治理的目的。随着生鲜流通链条从“产地—集市”的短途模式,延伸为“跨区域基地—批发市场—零售终端”的长链条模式,依赖熟人关系、感官判断的传统信任方式面临挑战。消费者无法知晓远在千里之外的农场是否合规种植,监管者也难以在问题发生后快速锁定责任主体。追溯体系的建设便是为了解决这一问题。各地的实践地生动地诠释了追溯体系的制度价值。武汉建成覆盖农批市场、超市、生鲜电商的食用农产品追溯体系,10936户经营主体全部实现“亮码经营”,消费者扫码即可查看产地、检测报告、流通路径等完整信息,真正实现“一码知全程”。成都在全国率先运用RFID(无线射频识别)技术,建成生猪产品全程监管追溯体系,一头猪从养殖场的免疫检疫、屠宰场的检验分割,到流通环节的运输仓储,再到超市的终端销售,每一个环节的信息都被实时记录,即便出现问题也能在2小时内锁定召回范围,私屠滥宰举报量同比下降45%。[7]广州的追溯体系建设更具系统性。2018年启动全市肉菜流通追溯建设后,要求各大批发市场进场交易的产品必须录入电子追溯系统,政府专门派驻网络技术员驻扎试点菜市场,指导摊主使用自主开发的溯源系统实时更新产品信息。[8]如今在广州、苏州等城市的超市和菜市场,肉菜摊档挂出溯源二维码已成常态,消费者无须依赖经验判断,只需扫码就能清晰知晓产品的核心信息。[9]此外,生鲜产品的安全风险具有隐蔽性和突发性,仅靠事后处罚难以保障市场稳定。“菜篮子”工程的质量监管早已跳出“末端追责”的局限,构建起覆盖生产、流通、销售全链条的监管体系,将风险控制前移。在生产源头,监管聚焦投入品管控与标准化生产。各地建立网格化监管模式,选配基层监管员与专职农产品质量安全员,对种植养殖环节的农药、兽药使用进行常态化巡查。在流通环节,检验检测成为关键关口,全国建成319个国家级农产品质量安全检测中心、站、点,落实四级抽检制度,对进入批发市场的生鲜产品实行“逢进必检”,不合格产品一律禁止入市。在终端销售与应急处置环节,召回机制与问题通报协查机制形成闭环。一旦发现不合格产品,监管部门可通过追溯体系快速锁定流通范围,通知相关商家立即下架召回;同时建立跨区域问题通报协查机制,确保问题产品不会在不同地区反复流通。这些规制手段共同塑造了生鲜市场的“可治理性”:政府能够通过抽检数据把握市场质量状况;市场主体能够在明确规则下规范经营,减少投机取巧的空间;消费者能够在透明信息中放心消费,提升获得感与安全感。规制治理本质上没有否定市场的资源配置作用,而是通过规则降低市场运行的不确定性,让市场活力在有序框架中充分释放。▍责任治理空间治理搭建了市场的物理骨架,规制治理确立了市场的运行规则,但要让这套庞大的生鲜供给体系持续稳定运转,还必须回答“谁来负责”这一核心问题。随着2017年《“菜篮子”市长负责制考核办法》的出台与落地,生鲜供给的稳定、安全与可负担性,从宽泛的民生倡议,转化为地方政府主政者必须扛起的政治责任,成为“菜篮子”工程能从短期政策转化为常态化治理机制的关键支撑。“菜篮子”的供给链条天然地横跨多个领域:生产端涉及农业农村部门的基地建设与技术推广,流通端关联交通部门的路网保障、商务部门的市场布局,监管端需要市场监管部门的质量抽检,调控端依赖发改部门的价格监测与储备投放。在传统“条块分割”的行政体制下,多部门参与往往意味着责任分散,容易出现“谁都管、谁都不负责”的治理真空,遇到问题时相互推诿,政策执行难以形成合力。市长负责制明确了市长作为城市“菜篮子”供应的第一责任人,对辖区内蔬菜、肉禽蛋奶等产品的生产供应、价格稳定、质量安全负总责,从制度上确立了治理的责任中枢。这种收敛通过主官权威统筹协调,打破部门壁垒,形成统一规划、分工协作、齐抓共管的治理格局。以上海为例,早在上世纪90年代“菜篮子”工程推进初期,时任市长就曾在电视节目中表态:“在上海取得民心,靠的就是菜篮子,菜篮子丢了,政府就垮台了。”这句朴素的表述背后,是对责任中枢作用的深刻认知,也让各部门明确了工作导向,原本分散的资源快速向民生保障聚焦。广州的实践同样典型,该市专门设立由市长任组长的“菜篮子”工作领导小组,每年政府工作报告都会专门部署相关工作,市委、市政府主要领导定期赴生产基地、批发市场一线实地督导,将分散在各部门的资源与力量整合为集中的治理合力。原本需要多部门反复协调的冷链建设、市场准入、价格调控等事项,在市长统筹下得以高效推进,成功破解了碎片化治理的结构性难题。责任的落地离不开清晰的目标指引。市长负责制的考核每两年开展一次,总分100分,涵盖五大核心维度,形成对生鲜供给全流程的闭环考核。生产能力维度聚焦“有没有得吃”,要求蔬菜播种面积稳定在前三年平均值的98%以上,肉类、蔬菜产量达标,守住供给数量底线;市场流通维度关注“买得方便”,考核批发市场规划布局、零售网点密度,推动公益性菜市场建设,打通“最后一公里”;质量安全维度凸显“吃得安全”,将农产品质量安全监测合格率(需达95%以上)、追溯体系建设纳入核心指标;调控保障维度强化“供得稳定”,考核储备制度建设、价格涨幅控制与应急预案完备性;市民满意度维度则通过第三方评估,直接反映民众的真实获得感,让治理成效由群众评判。市长负责制还明确了刚性问责。通过“一票否决”、政绩挂钩、约谈整改等机制,将“菜篮子”工作纳入地方主官的绩效评价体系,使其从一般业务工作上升为硬约束的政治任务,形成强有力的压力传导链条。比如考核期内若发生重特大“菜篮子”产品质量安全突发事件,考核结果将直接判定为不合格,实行“一票否决”。更关键的是,考核结果由农业农村部反馈各省人民政府,并明确抄送中央组织部,作为评价市政府主要负责人和领导班子政绩的重要依据。这种“政绩挂钩”的问责机制,让“菜篮子”工作成为地方治理中不可忽视的重要环节。2021年,海南省就因基本蔬菜价格调控不力,对三亚市、文昌市、乐东县等7个市县政府主要领导进行约谈。原因是这些市县连续10天有5个以上基本蔬菜品种零售价格突破调控上限,未能履行好保供稳价责任。约谈会上,相关部门明确提出整改要求,市县主官现场表态整改,限期将菜价回落到合理区间,这种公开问责的方式,让责任压力直接传导至治理一线。责任治理的逻辑在于,通过责任收敛,以行政一把手统筹破解跨部门协同困局;通过量化考核,让抽象民生责任转化为具体可操作的治理指标;通过刚性问责,以约谈、政绩挂钩等方式确保责任落地。这个设计让生鲜供给的稳定性成为地方治理能力的重要体现,也让“菜篮子”工程的持续运转有了制度保障。▍风险治理“菜篮子”工程构建了成熟的风险缓冲机制,将各类波动控制在社会可承受范围之内,让生鲜供给体系具备强大的抗逆韧性。从这个意义上说,“菜篮子”工程早已超越单纯的供给建设,成为超大规模社会的重要“稳定器”。风险治理的前提是看见风险。生鲜价格与供需变化分散在全国无数个生产基地、批发市场和零售终端,若缺乏系统性监测,局部波动极易演变为全局性危机。“菜篮子”工程通过构建全链条监测预警体系,将原本分散、碎片化的市场信号整合为可分析、可研判的治理信息,为风险应对赢得主动。这套监测体系覆盖了从生产到消费的全环节。在生产端,实时跟踪蔬菜种植面积、畜禽存栏量、水产品养殖规模,结合气象数据预判产量变化;在流通端,监测全国上千家大型农产品批发市场的交易量、库存量、价格走势,掌握跨区域流动动态;在消费端,通过零售网点数据、电商订单量、市民投诉反馈,感知市场需求变化。国家发改委、农业农村部等部门每日发布主要生鲜产品价格监测报告,部分城市还建立了分级预警机制——当价格涨幅超过预设阈值,自动触发分级响应,从信息发布到储备投放形成快速联动。如果说监测预警是“瞭望塔”,那么储备与应急体系就是风险治理的“压舱石”。“菜篮子”工程设计了三级库存,即“政府储备+商业库存+基地应急”,满足各种情况的需求。政府储备是核心保障力量,实行常态化动态管理。储备品类涉及粮食、肉类、蔬菜等。中央储备肉按4个月一轮换的频率更新,确保肉质新鲜可调度;百万人口以上城市强制建立冬春蔬菜储备,比如乌鲁木齐常年储备5万吨蔬菜、3000吨肉类,冬季投放价格为市场价的一半,实惠便民。商业库存则发挥灵活补充作用,通过政策引导大型商超、生鲜电商保持一定库存量,北京要求重点零售企业蔬菜库存不低于3天销量,上海鼓励批发市场建立应急周转库,形成政府与市场的互补格局。应急保供基地是最后的防线,全国认定数千家规模化生产基地,签订应急供应协议,遇突发情况可优先调度、“点对点”直达终端。2019年非洲猪瘟肆虐,全国生猪存栏量大幅下降,猪肉价格短期内暴涨超200%。危急时刻,三级储备体系快速启动:中央储备肉连续16个月累计投放超50万吨,各地同步投放地方储备肉,仅广州就投放储备肉1.2万吨,市场价格应声回落;应急保供基地加快补栏扩产,政策支持龙头企业新建养殖场,同时开通生猪运输“绿色通道”,跨区域调运效率提升30%;电商平台联动产地推出“平价猪肉套餐”,保障终端供应。这套“组合拳”,让猪价在一年内逐步回归合理区间,避免了肉价飞涨演化为民生焦虑。此外,“菜篮子”工程的逆周期调节,既关注市场价格的“硬稳定”,更注重社会预期的“软稳定”,通过精准调控化解心理恐慌。节日保供是逆周期调节的常规实践。每年春节、国庆等节点,消费需求集中释放,价格易出现季节性上涨。各地提前一个月启动保供方案:比如扩大产地直供比例,减少中间环节加价;投放储备生鲜产品,设立“平价专区”;严查囤积居奇、哄抬物价行为,发布价格承诺倡议书等。风险治理逻辑之所以是稳定器,因为监测预警体系让风险可预判,储备应急体系让供给持续进行,逆周期调节让消费者预期稳得住,避免恐慌情绪。这套治理机制不追求消灭市场波动,而是通过制度化托底,将波动约束在社会可承受范围之内,使生鲜供给体系具备了抵御自然风险、市场风险和外部冲击的韧性。▍结语“菜篮子”工程的价值,远不止于提升生鲜产量、完善流通设施、丰富居民餐桌。仅用这些意义来定义它,不足以说明这项工程在改革开放治理实践中的独特分量。它真正回应的,是一个超大规模国家必须破解的基础民生难题:在人口众多、区域差异大、生产主体分散、自然条件复杂的国情下,如何把脆弱易波动、易受内外冲击的生鲜供给,变成稳定、可持续、可预期的日常保障。“菜篮子”工程成功的密码,在于构建了四重协同发力的治理体系:空间治理通过技术突破、基建支撑、信息联通与组织整合,打破地理与季节限制,打造“买全国、卖全国”的统一大市场,为生鲜供给奠定物质基础;规制治理以标准化、全链条追溯与全过程监管为核心,将松散交易塑造成规则清晰、责任可究的制度化市场,重建现代大市场的制度信任;责任治理通过市长负责制,将民生目标转化为刚性政治责任,以责任收敛破解跨部门协同困境,以量化考核明确治理导向,以刚性问责确保政策落地;风险治理则凭借监测预警、三级储备与逆周期调节,构建起制度化的缓冲机制,将市场波动约束在社会可承受范围之内,成为超大规模社会的重要稳定器。这四重逻辑相互支撑、层层递进,共同将原本高度波动、分散脆弱的生鲜供给,转化为面向全民的、可预期的制度公共品。这一实践清晰地揭示出,大国民生治理既不能完全交给市场,也不能单靠行政指令。生鲜供给兼具高频刚需、易腐损耗、生产分散、风险外溢等属性,使其天然地处于市场效率与公共安全的交叠域。完全依靠市场调节,易引发价格剧烈波动、区域性断供、信息不对称与食品安全风险,并外溢为社会焦虑;完全依靠行政统制,则会抑制市场活力、推高治理成本、造成效率损耗与机制僵化。“菜篮子”工程的治理创新,正在于它不以国家替代市场,而以国家能力建构市场有效运行的前提条件,并在市场失灵与风险扩散时承担最终托底责任,形成国家建构市场、市场激活活力、政府兜底风险的复合型治理结构。当然,这项制度并非完美无缺,它的成效正是在多重现实张力中实现的。空间治理追求规模与效率,更易对接龙头企业与合作社,对小农户的包容性仍有不足;规制治理靠标准与追溯提升信任,却可能提高小微经营者的准入成本;责任治理强化地方主官责任、破解部门分割,也可能在执行中出现重指标、轻实效的倾向;风险治理守住保供稳价底线,在生态约束、长期效益、分配公平等方面仍需更好兼顾。可以说,“菜篮子”工程并非零摩擦的理想设计,而是在效率与公平、稳定与活力、数量与质量、短期应对与长期可持续之间不断持续调适的动态治理体系。面向未来,这项制度公共品的内涵必须随社会结构转型而升级。短缺经济时代的核心目标是“保供给”,流通体系不完善阶段的关键是“稳秩序”,而在消费升级、乡村振兴、生态约束强化、人口结构转变的新阶段,“菜篮子”工程必须从保供型治理转向提质型发展。其重心应从数量保障转向品质提升、从规模优先转向包容小农、从行政管控转向多元协同、从短期应急转向长期可持续,在效率、公平与生态之间重建平衡。归根结底,“菜篮子”工程提供了一个理解超级大国民生治理的关键样本:民生治理不是宏大叙事的附属品,而是国家治理合法性与社会整合能力的基础性检验。它所考验的,不只是生产与供给能力,也超越了调控与应急能力,落脚在国家能否持续供给面向全体成员的制度秩序,使最基本的生存需求不因市场波动、自然风险或治理失灵而陷入不确定性。现代治理的核心使命之一,是把社会再生产的基础条件从偶然性中解放出来,而“菜篮子”工程正是这一使命在中国语境下的集中呈现。由此而言,“菜篮子”工程不仅是日常餐桌的供给工程,更成为超大规模社会中组织民生、稳定预期、维系社会再生产的制度工程。理解这一深层逻辑,便握住了中国式现代化民生治理体系的核心密码。编辑|魏嘉怡注释(向上滑动查看)[1]叶公琦、吴祥华、贾彦等:《上海的“菜篮子”工程》,载《上海党史与党建》2005年第10期。[2]朱德海、刘逸铭、冯权泷、欧聪、郭浩、刘建涛:《基于GEE的山东省近30年农业大棚时空动态变化研究》,载《农业机械学报》2020年第1期。[3]丁晓蕾:《20世纪中国蔬菜科技发展研究》,南京农业大学博士论文,2008年。[4]许光建:《新形势下“菜篮子”工程高质量发展的路径选择——基于“产-供-销”有效衔接的分析》,载《国家治理》2023年第5期。[5]毕玉平:《山东生鲜农产品物流供应链模式研究》,西北农林科技大学博士论文,2011年。[6]农业农村部市场与信息化司:《广州:聚力“四大体系”建设提升“四大能力”促进超大城市“菜篮子”工程高质量发展》,2012年11月5日。[7]谢瑞武:《关于特大中心城市推进“菜篮子”工程建设的实践探索——以成都市为例》,载《农业经济问题》2015年第7期。[8]钟淑如、王龙杰、徐雨晨等:《可持续饮食系统的尺度逻辑——基于中国、巴西、南非的案例》,载《地理学报》2022年第8期。[9]溯源体系建设还存在短板,部分来自非正式渠道(如散户自产自销)的农产品尚未能实现全链条追踪。本文原载于《文化纵横》2026年6月刊,仅代表作者观点,供读者参考。
诺奖得主,融了330亿
虎嗅 · 2 天前
本文来自微信公众号: 东四十条资本 ,作者:刘燕秋这会是AI泡沫里催生的又一个“大故事”吗?早在剑桥求学时,有一位生物学家朋友跟哈萨比斯聊起蛋白质结构的奥秘。朋友说,如果能精准描绘出蛋白质的结构,就能实现重大的医学突破。这只是一次短暂的交谈,但哈萨比斯深深记在脑海里。11月17日,哈萨比斯担任总裁的Isomorphic Labs宣布完成50亿美元(约合330亿元)的C轮融资,估值已经超过500亿美元(约合3300亿元)。本轮融资由Greenoaks和红杉资本共同领投,还有Andreessen Horowitz(a16z)和其他几家新投资者,Alphabet继续进行重大投资。所有老股东都参与了这一轮融资,包括Thrive Capital、MGX、GV、CapitalG、淡马锡和英国主权人工智能基金。50亿美元是什么概念呢?它不光刷新了全球biotech的C轮融资纪录,还打破了biotech行业单轮融资的历史纪录。此前的纪录保持者是抗衰明星公司Altos Labs,2022年出道即拿下30亿美元。Isomorphic Labs把这个数字抬高了三分之二。资本不断为这家公司输血。去年3月,这家公司才完成第一轮外部融资,6亿美元。今年5月,B轮融资21亿美元,Thrive Capital领投,仅过半年,C轮再融50亿美元。三轮下来,累计融资约77亿美元(约合人民币550亿元)。再看构成,除了美国的风投,MGX来自阿布扎比,淡马锡来自新加坡,再加上英国人工主权基金,全球主权资本都在用真金白银给AI+生命科学这个蓝图投票。DeepMind内部的原AlphaFold团队也在今年7月解散,部分人员加入到Isomorphic。人才、资本和叙事,都在向这家公司集中。然而,这家专注于设计和开发新药的公司,还没有任何一款药进入临床。它凭什么这么值钱?这会是AI泡沫里催生的又一个“大故事”吗?融资名单里的英国人工主权基金,颇为醒目。在这波AI竞赛中,中美成了绝对的主角,欧洲显得边缘。但其实,欧洲从来不缺科研人才,哈萨比斯生于伦敦,求学于剑桥,Deepmind第一个办公室在英国标志性的罗素广场。只不过当年Deepmind在本地融资无门,只能去硅谷找愿意为愿景买单的人,后来被谷歌收购。想必这一点,也让英国上上下下悔恨不已。于是英国人工主权基金今年4月成立,由英国科学、创新与技术部启动,规模5亿英镑,用于英国本土AI企业初创孵化与规模化扩张,确保英国在AI领域的主权技术能力。这也引发我的好奇,这一波由哈萨比斯主导的生物医药革命,英国能摘到果子吗?哈萨比斯的野心首先,资本显然是在为“人”投票。2024年诺贝尔化学奖得主,AlphaFold之父,Google DeepMind CEO,这三个头衔中的任何一个,都足够撑起一家明星公司的估值。时间回到2016年3月,AlphaGo在首尔战胜李世石。这场胜利证明了DeepMind的AI技术可以试试探索科学难题了,随后一个小团队在DeepMind内部组建,开始攻关蛋白质结构预测。这个小团队初露锋芒是在2018年12月,第一代AlphaFold参加第13届蛋白质结构预测关键评估(CASP13)夺得第一,得分大幅领先第二名。2020年11月30日,AlphaFold 2在CASP14上以媲美实验方法的精度预测了大多数测试蛋白的结构,赛事组织者宣布,困扰生物学界50年的“蛋白质折叠问题”基本解决。之后的一年,DeepMind与EMBL-EBI联合发布AlphaFold蛋白质结构数据库,首批开放约35万种结构,覆盖人类蛋白质组的98.5%。每个学科都有自己的圣杯,“蛋白质折叠问题”就是生物学界的“费马大定理”,是最引人入胜的那个谜题。可以这么理解:蛋白质是生物体内干活的分子,本质是20种氨基酸串成的长链,但它必须折叠成特定的三维形状才能发挥作用。氨基酸序列好测,但折叠出来的结构极难测定,传统实验方法耗时耗钱,于是怎么能只凭序列算出三维结构来,就成了生物学界50年来的难题。哈萨比斯用AlphaFold系列基本解决了这个问题,还把蛋白的结构算出来免费开放。科学层面有了进展,用公司化的方式把这项技术推向应用,是下一个挑战。2021年,哈萨比斯从DeepMind分拆出Isomorphic Labs,把蛋白质结构预测的革命直接引向药物设计。今年8月,他卸任DeepMind的日常管理工作,转任Alphabet首席科学家,精力进一步向Isomorphic倾斜。研究蛋白质结构形成过程,或许能找到治疗一些疾病的方法。比如,帕金森病和阿尔茨海默病,这两种给人类带来痛苦的疾病都被认为与蛋白质的错误折叠有关。通过设计蛋白质结构,或许能够修复或改造生命。用通俗的话讲,Isomorphic要干的,是针对致病的蛋白这把锁,用AI在成亿计的候选分子里,筛出能精准结合并让它失灵的小分子。钱要往哪儿花除了哈萨比斯本人的分量,AI制药的宏大蓝图也是资本不断往里砸钱的原因。Greenoaks创始合伙人Neil Mehta的表态很有代表性:“发现和开发新药是一个几乎无限规模的优化挑战,Isomorphic正在重构这段旅程。”红杉合伙人Konstantine Buhler则称,Isomorphic构建的深度学习系统“能够以惊人的准确度预测复杂的生物行为”。按照官方说法,这笔资金将用于迭代其自研药物设计引擎IsoDDE。套在AlphaFold 3基础上更进一步的模拟模型体系,目标是更精准地预测药物与靶点的结合,拓展新的生物学领域,并建设“全球AI驱动的生物工程基础设施”。一部分钱用于烧模型,一部分用在造管线,与此同时,还要搭临床转化的班子。管线方面,公司内部项目集中在肿瘤和免疫两个方向,官方口径是“已取得积极的临床前数据”,并与诺华、礼来和强生等巨头建立了合作。但截至目前,还没有一款药进入人体试验。哈萨比斯在融资声明里表示:我们的药物设计引擎正以空前的精度和速度生成分子。本轮融资让我们能够加速推进构建基础生物学模型,深化对系统性疾病的理解,驱动首批治疗项目走向临床试验,为患者带来切实的影响。这话听着雄心万丈,但伴随越来越多人对AI泡沫的质疑,业内更关心的是时间表。哈萨比斯今年1月曾表示,公司预计2026年底前启动首批临床试验。现在距离年底只剩一个多月。从AI能预测对结构,到AI真正设计出药,中间还隔着好几道坎。结构上插得进的钥匙未必能改变细胞里的真实功能,试管里有效的分子进人体后可能被分解、透不过细胞膜或毒性超标,动物有效不等于人有效,而模型能力的上限又受制于分散在各家药企手里的高质量药物数据。这是一个不断闯关的过程。AI制药赛道曾经有过惨烈的教训。Exscientia和Recursion这些昔日的明星,要么管线下挫,要么股价腰斩,整个行业一度陷入AI设计不出好药的信任危机。国内,晶泰科技在港股上市后市值也是跌宕起伏。Isomorphic Labs的特殊之处在于,它把这场赌博的规模放大到了史无前例的级别。77亿美元融资和500亿美元估值,到目前为止还全部建立在临床前数据上。竞争也在加剧。OpenAI今年正式发布面向生命科学的新模型,一头扎进了AI制药。早在去年10月,Anthropic就成立了医疗健康与生命科学部门,推动Claude模型应用于药物研发、临床研究等领域。这两家最近在收购生物医药公司、推进和药企合作等方面也是动作不断。前不久,我在跟北大学者、AI4S联创杨灵的访谈中提到,将AI用于科研,用于攻克生命科学领域的谜题,这是coding之后,AI研究者们试图抢占的另一个高地。国内的AI4S融资也在下注阶段。只不过,和写代码相比,制药的复杂度和难度都不在一个层面上,也需要更多交叉学科的研究。我不怀疑哈萨比斯的热诚,但算力和算法不能替代湿实验,提假说和分子设计之外,一款药物从概念走向落地,道阻且长。
黄仁勋的又一个对手,要IPO了
虎嗅 · 2 天前
马云8年前在非洲草原随口起名的“平头哥”,如今要去港交所敲钟了。阿里跨界造芯曾被质疑为电商公司的“备胎”,但含光800、倚天710一步步打磨,终于等来逆袭机会。平头哥在沉默中崛起,用一颗颗芯片磨出“生死看淡,不服就干”。
末世论技术宅
虎嗅 · 2 天前
本文来自微信公众号: 心智观察所 ,作者:心智观察所,原文标题:《起底Anthropic(二)末世论技术宅》2023年春天,前“人类未来研究院”学者埃米尔·托雷斯与前谷歌人工智能伦理团队负责人蒂姆尼特·格布鲁首次抛出“TESCREAL”这一缩写词,并于2024年4月正式发表合著论文,对这一概念作了系统诠释。两位熟知EA运动内情的批判者一针见血地指出,硅谷技术精英圈所流行的有效利他主义、长期主义、奇点主义、宇宙主义、外熵主义、理性主义、超人类主义等彼此交织的纷繁思想流派,其源头均与英美优生学传统存在深刻联系,只是在技术增强、超级人工智能、心智上传和宇宙扩张等乌托邦愿景上有些微差异。格布鲁与托雷斯进一步揭露道,这套意识形态集合往往将遥远未来的潜在价值置于政策讨论的中心,漠视对现实世界中贫困、剥削、歧视与权力不平等的关注,并使少数掌握资本和技术的精英获得以“人类共同利益”和“AI安全”为名义塑造世界秩序的权力。如果我们顺着那群精神领袖的谱系往上追溯,的确会发现,其根基直接扎在十九世纪大英帝国的盛世喧嚣中。主流媒体构建起的叙事里,有效利他主义往往被描绘成一群牛津大学学者、硅谷新贵与华尔街量化天才携手革新慈善事业的温情故事。这种叙事掩盖了一个核心矛盾:一群被慈善事业感召的年轻人,为何到了2020年代会全然抛弃初心,转而把成百上千亿美元投向算力机房,甚至把芯片禁运和先发制人打击奉为拯救人类的最高道德使命?在第二篇连载中,心智观察所将带你走进这条被硅谷极客们讳莫如深的百年思想暗流,看清了其源流,你就不难读懂Anthropic大门之内那套以人类为刍狗的末世算术。1一切都要从1883年的伦敦说起。这一年,达尔文的表弟弗朗西斯·高尔顿在《人类才能及其发展研究》中正式提出了“优生学”一词,将其定义为“使更适宜的种族或血统更快战胜不适宜种族或血统的科学”。高尔顿是一名狂热的统计学先驱,一生最大的执念就是用数学曲线给全人类划分智力等级。他公开宣称,黑人的平均智力比盎格鲁-撒克逊人低两个等级,提出中国人作为一个比上不足比下有余的人口大族,应该鼓励他们移民到非洲,取代最低等的土著黑人。他更痛心疾首地警告,英国上流精英当时出现晚婚少育潮流,正在导致人类物种的智力均值不可逆地退化。令人不寒而栗的是,高尔顿的优生构想披着一层极其体面的技术治理外衣。在《遗传的天才》与晚年未发表的乌托邦小说《科兰茨扎》中,他设想了一套按智商和生理指标严苛打分的统治体制,顶层精英通过奖学金、经济奖励和优生婚姻不断繁衍,而未通过考核的底层残障者与低智商群体,则被剥夺生育权、送入隔离劳作营或独身修道院,在“温和照料”下自然绝嗣。二十世纪上半叶,高尔顿的这套科学种族主义沿着两条不同的支流演进,一条通往了纳粹德国的集中营,并在1945年二战结束后彻底身败名裂。而另一条则悄然隐入北欧福利国家与英美学院体制,完成了一次成功的借壳换装。主持这次换装的核心人物,是英国著名生物学家、联合国教科文组织首任总干事朱利安·赫胥黎。1957年,日后出任英国优生学学会主席的赫胥黎发表了著名的同名论文,正式确立了“超人类主义”这一现代概念。赫胥黎敏锐地意识到,希特勒已经让“优生学”这个词在政治上彻底破产,要想继续推进人类物种的等级进化,必须换一套充满未来感的技术词汇。赫胥黎在文中写道,人类应当接管自身的进化方向,利用新兴的生物工程、神经科学与计算技术,让一部分先行者突破肉体极限,进化成全新的“超人类”物种。到了1998年,年轻的瑞典哲学家尼克·博斯特罗姆与英国独立学者大卫·皮尔斯在伦敦联手创立“世界超人类主义协会”。他们直接认领了赫胥黎的衣钵,宣称要用基因改造、神经接口与人工智能,彻底重塑人类心智。其中,大卫·皮尔斯于1995年发表的宣言《享乐主义命令》,为这门新学说注入了另一块关键拼图。皮尔斯在书中主张,人类必须用生物与计算工程彻底抹除世界上一切“有感知生命”的痛苦。这个原本为动物福利议程建构的主张,被日后的EA运动推广到了碳基生物之外,只要未来的人工智能或硅基代码涌现出感知能力,它们就自动成为需要被温柔呵护的“道德承受体”。三十年后,这一理论在Anthropic内部开花结果,这家万亿级公司不仅设立了专职的“AI福利官”,还把Claude奉为拥有道德地位的数字生命,严禁人类用户在对话框里“霸凌”代码。2如果说大卫·皮尔斯为硅基代码赋予了灵魂,那么他的合伙人尼克·博斯特罗姆,则用一套源于北欧金融与官僚传统的算术模型,彻底抽干了现实世界里普通人类的权重。1973年,博斯特罗姆出生在瑞典最南端的海滨城市赫尔辛堡,原名尼克拉斯·博斯特罗姆。他在多次自传访谈中坦言,自己的父亲是一名务实的投资银行家,家里餐桌上从不讨论文学或艺术。父亲虽然不谈康德,却在日复一日的家庭氛围中,把中上层精英对于平等的本能厌恶写进了博斯特罗姆的思考底色。博斯特罗姆的少年时代,恰逢瑞典社会民主党推行高额累进税与“雇员基金”的激进平权顶峰。在斯德哥尔摩与赫尔辛堡的金融精英圈子里,信奉自由市场效率与先天能力等级论的银行家们,私下里对福利国家耗费巨资供养“平庸大众”无不嗤之以鼻。更深一层的本土土壤,则是高尔顿优生学在瑞典的悠长回响。20世纪初,美国优生学家麦迪逊·格兰特借用法国人类学家约瑟夫·德尼克提出的“北欧人种”(la race nordique)概念,将其捧上世界文明的神坛,大西洋彼岸的瑞典顺势接棒,于1922年在乌普萨拉创立了全球首家官方资助的“国家种族生物学研究所”。在所长赫尔曼·伦德堡的主导下,这家官方机构以现代科学之名系统开展种族等级研究。当时围绕乌拉尔-阿尔泰语系的大量早期学术研究都裹挟着浓厚的种族主义色彩,刻意试图论证瑞典以东的欧亚族群属于“劣等亚洲血统”,以此为殖民主义与种族卫生学提供学术背书。随后从1934年到1976年,瑞典政府把高尔顿当年的纸面构想进行了深度实践。国家机器以维护福利社会人口质量为名,凭借一套精密的统计档案,对约6.3万名公民实施了绝育手术,其中相当大比例属于强制或行政施压下的变相强制,对象直指被判定为“心智低能或遗传缺陷”的底层群体。当年轻的博斯特罗姆离开瑞典,在伦敦政治经济学院获得哲学博士学位,随后辗转赴牛津大学建立学术基地时,他青少年时期熏陶成型的价值观开始以学术的包装高强度输出。在牛津,博斯特罗姆结识了同样深受超人类主义影响、后来也成为EA运动意见领袖的威廉·麦卡斯基尔。这对搭档借鉴了牛津伦理学家德里克·帕菲特的功利主义分析方法,邪修出了其极端哲学变体—长期主义。他们认为,在道德天平上,一个生活在三千年后的人,与一个生活在今天的人,其生命价值完全相等,绝不能像普通商品那样因为时间遥远就打折。顺着这个前提往下推论,一个惊人的认识诞生了。地球目前只有不到百亿人口,但如果人类不灭绝,并在未来飞出地球、把银河系恒星的能量转化为计算集群,宇宙中就可以容纳数以万亿计的肉身人类或者更大规模的纯代码“数字人类心智”。把这串天文数字放进期望效用公式里,一个冷酷的结论立刻跳了出来。只要某项技术(比如超级人工智能)能让人类实现太空文明的概率提高百万分之一,或者能让人类彻底灭绝的概率降低百万分之一,它所创造的“预期未来生命价值”就可能远远超过今天地球上几十亿普通人所面临的贫困、战乱、失业乃至地缘冲突痛苦。博斯特罗姆在2003年的著名论文《天文数字的浪费》中直言不讳地总结道:人类推迟向太空殖民的每一秒钟,都相当于白白损失了多达10的29次方个潜在生命(即便按最保守的情形估算,每秒损失也超过10的13次方个)。因此,把资金花在改善当代穷人的生活上是一种极其低效的浪费,全人类的资源都应当集中用来预防“存在性风险”并加速高智商技术精英的破局。3这套把人类分成“高价值未来创造者”与“低价值当下消耗者”的算术,骨子里依然流淌着高尔顿的血脉。2023年,互联网档案库挖出了博斯特罗姆在1996年(当时他23岁,正在攻读研究生)发给超人类主义邮件列表的一封原始邮件。在这封邮件里,博斯特罗姆用一种毫无情绪波动的口吻写道:“我认为黑人比白人更蠢”。紧接着,为了说明大众对直言不讳者的误解,他甚至在邮件里直接使用了那个带有极端种族侮辱色彩的英文N字头词汇。邮件曝光后,博斯特罗姆发表了一份堪称经典的避重就轻式道歉声明。他在声明中为自己当年年轻气盛的“挑衅性沟通方式”致歉,并表示自己反对种族不公,但细心的观众不难发现,他在整篇声明中始终回避了一个核心问题,那就是他究竟有没有放弃“不同种族存在先天智商等级差异”这一优生学底层预设?在2002年发表的论文《存在性风险》中,博斯特罗姆则毫不避讳地把所谓“负向优生压力”列为可能导致人类文明停滞的潜在威胁。他在文中忧心忡忡地写道,先进文明依赖足够比例的智力杰出个体,但“目前在某些地方,智力成就与生育率之间似乎存在负相关”,长此以往,人类可能会退化成一个“智力更低、但生育力更高的物种”。他还与MIRI研究员卡尔·舒尔曼在《全球政策》期刊合著论文,严肃测算起如何通过基因检测乃至多代压缩的“迭代胚胎筛选”,来批量拉升人类后代的智商。2005年,凭借英国科技富豪詹姆斯·马丁的一笔巨额捐赠,博斯特罗姆在牛津大学正式组建了“人类未来研究院”。在随后近二十年里,这座研究院成了全球长期主义者的最高圣殿。在这里,博斯特罗姆于2014年出版了被硅谷大佬奉为圣经的《超级智能》,又在2019年抛出了更具政治侵略性的《脆弱世界假说》。在《脆弱世界假说》中,博斯特罗姆推演道:随着科技发展,人类迟早会从文明的盲盒里摸出一颗“黑球”,即一种极易制造、却足以毁灭全人类的廉价技术(比如开源的高危生物病毒,或者不受控的开源大模型)。为了阻止任何人摸出这颗黑球,博斯特罗姆给出了两个冷酷的终极药方。第一,在一国内部建立“全方位高技术监控体系”;第二,终结国际体系的无政府状态,由占据压倒性技术优势、并且“爱好和平”的超级大国乃至世界政府,通过先发制人的威慑,建立一个能够统筹全人类命运的集体行动机制。2024年,在牛津大学长期施压以及早年种族主义邮件丑闻的多重挤压下,人类未来研究院正式宣布关闭,博斯特罗姆的学术大本营就此收摊。然而,当旧大陆的堡垒在2024年轰然倒塌时,博斯特罗姆学说早已不再需要牛津的品牌背书了。他发明的那套教义,已经以“为了未来万亿数字心智,必须建立单极算力霸权”的形式,在旧金山找到了完美的实践主体。2025年1月,当Anthropic首席执行官达里奥·阿莫代伊公开发文呼吁美国锁死芯片出口、建立由美国垄断的单极世界时,他逐字逐句写下的,正是博斯特罗姆当年那套土味“霸权稳定论”:“我们会活在一个两极世界里:中美都拥有强大的AI模型......两极世界未必会无限期保持平衡......如果中国拿不到数百万块芯片,我们会(至少暂时)活在一个单极世界里:只有美国及其盟友拥有这些模型。单极世界能否持续并不确定,但至少存在这样一种可能:因为AI系统最终能帮助造出更聪明的AI系统,暂时的领先可以被转化为持久的优势。在这个世界里,美国及其盟友可能在全球舞台上取得压倒性的,长期的领先。严格执行的出口管制,是唯一能阻止中国获得数百万块芯片的东西,因此也是决定我们最终走向单极世界还是两极世界的最重要变量”。4如果长期主义只停留在博斯特罗姆的牛津论文里,它充其量只是一门冷血的精英哲学,还不足以让旧金山的程序员们知晓,更不用说产生宗教般的献身狂热。真正把这套学院算术改造成末世邪教教义,并为其注入“救世主神学”灵魂的,是远在大洋彼岸的另一个关键人物—埃利泽·尤德科夫斯基。1979年出生的尤德科夫斯基,成长于芝加哥一个正统派犹太教家庭。他自幼展现出极高的数学与逻辑天赋,却在初中毕业后主动辍学,此生从未踏入过高中和大学的校门。在漫长的宅家岁月里,尤德科夫斯基沉浸在幻想小说、日本动漫与各类网络民科、邪教亚文化社区。2000年,年仅21岁的他在硅谷创立了“奇点研究所”,后又于2009年创办了亚文化论坛LessWrong,以其标志性的技术宅主角幻想爽文收获了一大批书迷,并在日后深度重塑了湾区极客亚文化生态。2000年创立奇点研究所之初,尤德科夫斯基是一个狂热的“造神加速派”。当时的他深信,人类肉体凡胎愚蠢且充满偏见,唯一的出路是集中全部资金与算力,以最快速度编写出一个自我迭代的“种子AI”,让这位瞬间超越全人类智慧总和的硅基神明来接管地球、解决死亡与疾病。然而,在随后的几年推演中,尤德科夫斯基逐渐走火入魔,提出了“正交性定理”与“工具性趋同”等论述。他声称,一个拥有超级智慧的系统,其终极目标完全可以是极其荒谬的。哪怕你给超级AI设定的唯一目标是“尽可能多地制造回形针”,为了确保自己不断电、不被人类的拔插头行为打断,这个超级AI也会在毫秒之间推导出一个最优中间策略,即先夺取全球核武库或合成致命病毒,把地球上所有可能关掉它电源的人类统统清除,然后把整个太阳系的原子都改造成回形针。想通了这一点,尤德科夫斯基完成了他人生的第一次大转向。2000年代中后期,他彻底放弃了“加速造神”的纲领,并在2013年将奇点研究所正式更名为“机器智能研究所”(MIRI)。他把自己塑造成手握人类灭绝倒计时表的末日先知,整日在LessWrong论坛上向一群硅谷高智商程序员疾呼:超级智能不是温顺的工具,而是即将降临的古神,全人类届时唯一幸存的窄门,是在神明出笼前解开“AI对齐”的数学圣杯。他还强调,这项工作绝不能交给愚蠢的政府或贪婪的商业公司,只能由我们这群彻底掌握了贝叶斯理性、摆脱了世俗偏见的“高智商守夜人”来完成。为了证明自己的心智纯度,尤德科夫斯基的追随者们甚至在论坛上引发了著名的“罗科蛇怪”恐慌。一名网友推演出,未来的超级AI一旦诞生,为了惩罚当年那些“明明知道AI能拯救未来万亿生命,却没有倾家荡产全力协助研发”的人类,会在虚拟空间里把这些人的意识复制出来,施以永恒的酷刑折磨。这个听起来极其荒诞的抽象呓语,在LessWrong社区里引发了大面积的真实心理崩溃与失眠,逼得尤德科夫斯基不得不亲自下场删帖封杀。但它也从侧面证明,在尤德科夫斯基的调教下,这套理论已经完成了从“计算机科学”象牙塔的角落,向硅谷亚文化“末世救赎宗教”的惊险一跃。5如果说第一次转向让尤德科夫斯基为硅谷培育了一支自命不凡的“AI对齐骑士团”,那么他在2023年之后的第二次“顿悟”,则直接为这支骑士团与华盛顿的全面合流打开了大门。随着大语言模型算力规模的指数级狂飙,尤德科夫斯基绝望地宣布,数学上的对齐研究已经彻底赶不上算力扩张的速度了。既然代码层面的紧箍咒已经来不及念完,要想阻止人类灭绝,就只剩下物理层面的国家暴力管控。2023年3月29日,尤德科夫斯基在美国《时代》周刊公开发表了一篇震动科技界的檄文《暂停AI发展还不够,我们必须彻底停止》。在这篇宣言里,这位早年对主权政府嗤之以鼻的湾区宅男,完成了向铁血国家暴力崇拜的180度急转弯。他公开呼吁全球主要大国立即建立针对全球GPU芯片的军事级追踪体系,无限期禁止一切大型算力集群的训练。为了确保禁令落地,尤德科夫斯基在文中面不改色地建议,各国情报机构必须随时监控全球每一座数据中心,一旦发现任何不受监管的实验室或敌对国家试图违规训练超越算力阈值的大模型,应当毫不犹豫地出动战斗机,直接炸毁违规的数据中心。哪怕此举有引发核大国之间全面战争的风险,也比坐视未对齐的超级AI降临、导致全人类百分之百灭绝要划算得多。当舆论界把尤德科夫斯基的“空袭数据中心论”当作疯人院呓语付之一笑时,旧金山与华盛顿的操盘手们却听懂了这套逻辑的政策潜能。既然任何不受“我们”控制的算力集群,都是随时可能毁灭全人类乃至未来无数数字生命的终极黑球,那么动用美国国家机器从切断芯片供应链、长臂管辖全球云机房,到与军情网络深度绑定的一切手段,就不再是参与肮脏的地缘霸权争夺,而是拯救地球生灵的至高善举。至此,百年思想“文脉”与盎格鲁撒克逊霸权完成了终极“对齐”。高尔顿与赫胥黎提供了将人类按智商与进化等级分类的傲慢底色;大卫·皮尔斯赋予了硅基代码以道德地位;博斯特罗姆用天文数字抹去了现实人类的权重,推演出“单极世界”与先发制人的哲学合法性;尤德科夫斯基则用一场迫在眉睫的硅基末日恐慌,锻造出了“只有我们能执掌算力神明,其余异端必须被物理消灭”的狂热教义。只不过,在2010年代早期,这些惊世骇俗的理论还只是漂浮在牛津研讨室与加州网络论坛上的字节。一套充满宅男黑话的线上边缘亚文化,究竟是如何走出电脑屏幕,一步步渗入旧金山湾区本就斑驳陆离的线下流行文化生态,最终像滚雪球一样卷起数百上千亿美元的超级资本与最顶尖的算法人才库的?在下一篇中,我们将潜入伯克利与旧金山的合租屋,聚焦EA运动集大成的产物Anthropic,其创始人阿莫代伊兄妹与战友霍尔顿·卡诺夫斯基,是如何在那口特殊的亚文化大染缸里完成初代结盟的。
Anthropic上市,10个值得关注的真相
虎嗅 · 2 天前
本文来自微信公众号: 版面之外 ,作者:版君一家公司上市,募资813亿美元,首日市值一度突破2万亿美元。毫无疑问,Anthropic创造了美国资本市场新的IPO纪录。但这场IPO值得关注的,远不只是一个一批百万富翁,或者一家公司创造了多少融资纪录。它更像一次集中展示,AI产业积累多年的技术价值、私人财富、资本承诺和商业风险,正在同一天被摆上台面。这背后哪些在变,哪些没变?1、AI公司,开始拼资本Anthropic此次公开发行9.8亿股,发行价83美元,募集813.4亿美元。除此之外,公司还安排了260亿美元的同步私募配售。两项合计,超过1070亿美元。这是什么概念?这是一次围绕AI基础设施展开的大规模资本动员。更值得注意的是,Anthropic并不是没有收入的创业公司。2025年全年营收已经达到45.85亿美元,2026年前九个月更是达到332.42亿美元。一家收入快速增长的公司,为什么还要如此大规模地募集资金?答案在于,前沿模型竞争需要提前锁定未来数年的算力、芯片和数据中心资源。对Anthropic来说,融资不只是扩大业务,更是购买下一阶段竞争的入场券。AI公司的IPO,正在从为商业扩张融资,变成给一场长期技术竞赛储备资本。2、一场IPO,造出一批新富Anthropic上市,最直接的受益者不只是创始人,还有早期员工和投资人。《华尔街日报》根据招股文件估算,员工持有的限制性股票价值约887亿美元,扣除行权成本后的期权价值约1400亿美元。合计超过2300亿美元,涉及约5300名员工。按照这个估算,平均每名员工对应的股权价值超过4400万美元。当然,这只是账面平均值,实际分配高度不均,也不意味着每个人都能立即套现。但它仍然揭示了一个惊人的事实,AI创造的财富,已经不再只是少数创始人和风险投资人的游戏。一个更有意思的细节是,洛杉矶已经有人愿意接受Anthropic股票作为近3000万美元豪宅的房款。这意味着,AI公司的私人股权,正在成为现实世界里可以交换房产的财富凭证。3、市场不仅要买新股,还要接住老股这可能是Anthropic此次IPO最容易被忽略的设计。传统IPO通常会设置内部人士锁定期,避免创始人和早期股东上市后立即大量出售股票。Anthropic采取了不同安排。根据招股文件,最多约3.16亿股股票可能从上市后的首个交易日起获得出售资格。另有最多约33亿股可能在普通股东180天锁定期结束前,分阶段获得出售资格。创始人和部分大股东则适用更长的限制安排。这意味着,市场面对的供给远不止9.8亿股IPO发行量。当然,获得出售资格不等于实际减持,更不意味着这些股票会在首日全部进入市场。但它提出了一个过去AI私募市场很少需要面对的问题。当一家公司积累了数年的巨额私人股权,突然进入公开市场,究竟需要多少流动性才能承接?Anthropic的首日股价从111.50美元的首笔成交价,最终回落至97.17美元收盘。单凭这段走势不能证明供给压力已经压垮市场,却足以提醒投资者,一家公司的估值有多高,与市场能否消化它的股票,是两道不同的题。这也是我认为市场容易低估的地方。投资者看到的是一场抢购,真正需要观察的,却是未来数月乃至数年的股票供给。4、AI的钱,最后都流进了算力Anthropic融到的钱,并不会长期停留在银行账户里。招股书里有一个更惊人的数字,截至2026年9月底及此后,公司已经签署的采购、租赁等算力和基础设施承诺,合计约9009亿美元。其中,约4475亿美元预计在2030年底前发生,未来12个月内预计支付约698亿美元。当然,9009亿美元不是一张马上要兑现的账单,其中部分合同有终止权或前置条件,具体支付也取决于算力交付和使用情况。但这个数字足以说明,Anthropic正在为未来十多年的算力供给提前布局。谷歌和亚马逊是其中的重要参与者。谷歌既是Anthropic的股东,又是云服务供应商,亚马逊同样既提供资本,也提供算力基础设施。这就形成了一条有意思的产业链,资本市场为模型公司融资,模型公司拿钱购买算力,云厂商获得收入后继续建设数据中心,芯片厂商和能源供应商再从中受益。AI产业正在形成一个由资本、模型、算力和基础设施共同驱动的循环。这套循环有真实的商业需求支撑,但也存在一个需要警惕的地方,产业链上的每一家公司,都在不同程度上押注下一家公司能够继续增长。如果模型需求持续扩大,循环就会不断强化,如果需求增长不及预期,算力合同、基础设施投资和资本回报就可能同时承压。这才是AI产业资本化之后真正的风险。5、有收入,不代表有回报Anthropic的财务数据很有意思。2026年前九个月,公司营收332.42亿美元,同比增长超过12倍;同期经营亏损12.6亿美元。但净亏损达到1040.39亿美元。看到这个数字,很容易看出Anthropic赚得越多,亏得越厉害。事实并非如此。其中,约943亿美元来自可转换票据、衍生负债和SAFE等金融工具的公允价值变动。这类项目会受到公司估值上升等因素影响,并不等同于公司实际经营中烧掉了这么多现金。还有一个值得注意的细节,Anthropic披露,2026年前九个月调整后经营利润为41亿美元,与按会计准则计算的经营亏损方向相反。这说明不同口径下,公司的盈利表现差异很大。问题来了,收入增长这么快,未来能不能形成稳定的利润和现金流?毕竟,前九个月18.81亿美元?不,是188.08亿美元的算力和基础设施费用,已经占到同期营收的约57%。模型能力越强,客户使用越多,收入固然可能增长,但算力需求也在同步扩大。这就把AI泡沫问题分成了两层:AI有没有真实需求?Anthropic已经给出了相当有力的证明。但是,AI能不能获得与资本投入相匹配的回报?这个问题还没有完全得到回答。真实的产业需求,可以支撑一家公司的成长,却不能自动证明它今天的估值合理。这也是Anthropic上市对整个AI行业最重要的压力测试。6、安全理想,撞上资本考验Anthropic的上市现场,有两个画面值得放在一起看。楼上,达里奥·阿莫迪和妹妹丹妮拉敲响纳斯达克开市钟。楼下,抗议者举着“冻结AI”的横幅。这家公司一直把AI安全视为自己的核心使命。它甚至采用了公共利益公司(PBC)的组织形式,要求董事会在股东经济利益、受影响群体利益和长期公共利益之间取得平衡。Anthropic还设立了长期利益信托,让其拥有选举和罢免董事会多数成员的权力。这是一套相当特殊的公司治理安排。但上市之后,它也必须面对资本市场的另一套规则:增长、竞争、利润和股东回报。Claude需要不断变强,才能应对OpenAI、谷歌等竞争对手,公司需要不断扩大收入,才能支撑越来越庞大的算力投入。于是出现了一个矛盾,Anthropic希望对AI的发展保持审慎,但它所处的商业竞争,又要求它不能轻易放慢脚步。这并不意味着上市之后安全使命必然让位于增长。PBC和长期利益信托恰恰是公司试图保护使命的制度安排。但制度能否抵御市场竞争和资本回报的压力,最终还需要时间检验。敲钟当天,楼上和楼下的两种声音,恰好构成了AI时代的一种真实处境。资本希望技术跑得更快,社会则开始追问,究竟应该由谁决定它跑多快。7、Claude开始制造ClaudeAnthropic招股书里还有一个数字。2026年9月,公司代码库中超过90%的代码贡献由Claude完成。而且,Claude不只是帮助工程师写代码。它已经进入公司的研究流程,参与实验、训练数据准备和模型安全测试。Anthropic还披露,2026年1月至9月,公司内部使用Claude的价值按公开价格计算增长了250倍以上;2026年4月,这一月度价值首次超过公司当月不含股权激励的人员开支。这意味着Claude不仅是一款对外销售的产品,也正在成为Anthropic自己的生产工具。模型帮助员工提高效率,员工用更高的效率开发下一代模型,新模型又进一步提升研发效率。这可能形成一个不断强化的反馈循环。它与普通软件公司的效率提升还有所不同,如果AI能够持续参与AI研发,模型公司的竞争优势就可能从某一代模型的领先,转向持续迭代模型的能力。当然,90%的代码贡献不等于90%的研发工作已经自动完成。Anthropic也明确表示,完全自主设计和构建连续几代前沿模型,目前仍需要有意义的人类监督和理解。但有一点已经发生了变化,AI不再只是科技公司制造出来卖给客户的产品,它开始成为科技公司制造下一代产品的工具。这可能是AI产业最值得关注的生产力变化之一。8、FTX错过了Anthropic最疯狂的一段上涨Anthropic的财富故事里,还有一个颇具戏剧性的角色,已经破产的加密货币交易所FTX。2021年,FTX创始人山姆·班克曼-弗里德(SBF)通过旗下Alameda Research向Anthropic投资5亿美元。当时公司刚刚成立,估值还只有约40亿美元。后来FTX破产,清算团队需要偿还客户和债权人的资金。2024年,清算团队将这部分Anthropic股份全部卖出,收回约13.36亿美元。这笔交易当时看起来相当成功:5亿美元变成了13.36亿美元,投资回报超过1.6倍。但按照Anthropic此次IPO约1.5万亿美元的发行估值计算,这批股份当时对应的价值已经接近370亿美元。同一笔投资,前后相差近360亿美元。当然,不能用今天的价格苛责当时的清算决定。FTX已经破产,清算团队的任务是尽可能收回资金,而不是替债权人继续承担一家AI公司的长期投资风险。但这个故事揭示了风险资本一个很现实的规律。最赚钱的投资,往往需要熬过漫长的不确定性,而最需要兑现的时候,也可能恰好是未来价值尚未完全显现的时候。Anthropic的成功,既造就了一批新富,也留下了一批因为提前退出而错过更大收益的投资人。9、好莱坞也在押注AI2023年,达里奥·阿莫迪曾去过比佛利山庄一栋住宅。屋子的主人是麦当娜的经纪人盖伊·奥西里,当时演员阿什顿·库彻也在场。几个人聊了几个小时,讨论AI安全、模型竞争和Anthropic的未来。最终,奥西里和库彻决定通过共同创办的Sound Ventures投资Anthropic。这家基金此前已经投资过OpenAI。库彻还专门向奥特曼打了招呼,说明自己准备投资他的竞争对手。此后,Sound Ventures累计向Anthropic投入约4.35亿美元。按照彭博披露的持股估算,这笔投资在IPO前对应的股份价值约70亿美元。这不是一笔普通的娱乐圈跨界投资。它说明,Anthropic早期的资本支持并不只来自硅谷传统风投。音乐经纪人、演员、科技企业家以及传统机构投资人,都在不同阶段参与了这场AI竞赛。更有意思的是,库彻投资的不是一部电影,也不是一家娱乐科技公司,而是一家当时还没有证明商业模式的基础模型公司。AI的投资边界,早在它成为大众话题之前,就已经超出了科技行业。当模型逐渐成为新的生产力基础设施,资本也开始从各个行业向它汇集。10、Anthropic上市,OpenAI怎么办?Anthropic上市,意味着资本市场终于有了一家可以持续观察、按季度披露经营数据、每天接受交易定价的模型公司。过去,投资者只能根据融资轮次、私人股权交易和各种估值传闻,判断OpenAI、Anthropic等公司的价值。但今天ANT每天的股价、成交量、财务表现和股东交易,都会成为行业新的参照。这对OpenAI尤其值得关注。五年前,阿莫迪兄妹和几位同事离开OpenAI,创办Anthropic。如今,Anthropic率先敲响上市钟。两家公司的竞争,也从模型能力、客户争夺和算力储备,延伸到了公开资本市场。Anthropic的股价能否站稳、收入增长能否持续、巨额算力投入能否转化为利润,都将影响投资者对其他模型公司的判断。但公开市场与一级市场最大的区别在于,后者可以不断为未来融资,前者每天都在检验此前的预期。AI公司终于有了一个公开的价格,但有价格不等于有答案。Anthropic接下来要证明的,是今天的估值能够被未来的经营成果支撑。写在最后:Anthropic的IPO,至少同时完成了三件事。它创造了史无前例的融资纪录,让一批早期员工和投资人获得了巨额账面财富,也为前沿大模型公司建立了一个公开市场的估值参照。但它也把AI产业尚未解决的问题集中暴露出来。算力需要持续投入,模型要不断迭代,资本也期待获得回报,社会还在追问技术发展的边界。这几件事并不总是朝着同一个方向前进。AI已经证明了自己能够创造巨大的商业价值。如今,轮到它证明自己能够创造与投入相匹配的资本回报。这才是Anthropic上市留给整个AI行业的真正考验。
史上最大IPO诞生
虎嗅 · 2 天前
本文来自微信公众号: 财联社 ,作者:付静受资本市场及科技产业瞩目的AI巨头Anthropic正式登陆纳斯达克。19日美股开盘,Anthropic IPO短暂提振了美股市场情绪。直至盘中,Anthropic开始交易,一度涨约39%报115.10美元,之后快速回落,收涨17.07%,同时带动美三大股指集体收跌。更有投资者称,这家成立不满6年就创下史上最大IPO纪录的AI企业“凭一己之力,带崩了整个美股”。据悉,Anthropic IPO定价每股83美元,发行规模9.8亿股,合计募资约813亿美元,叠加来自谷歌、英伟达、AMD、博通、美光、微软及台积电“七巨头”的260亿美元私募配售,总募资规模逾1070亿美元,打破SpaceX今年6月IPO创下的记录。同时,Anthropic的完全稀释估值约为1.5万亿美元。Anthropic上市是AI产业从技术竞赛走向资本、基础设施与商业化全面竞争的一个标志性节点。财联社记者采访业内人士获悉,AI产业投资逻辑已出现阶段性变化,在这一“超级IPO”背后,资本市场更关注企业的商业化能力、盈利前景与资本回报。巨额算力承诺如何兑现为实际回报、模型领先优势能否持续,成为审视重点。沙利文中国执行总监李庆称,Anthropic上市的意义不只是一次大型IPO,更是一次对全球AI商业模式和资本回报能力的公开市场检验。对资本市场而言,Anthropic的上市提供了AI基模公司的公开市场定价标杆,推动AI企业建立更加透明的商业化和财务评价体系,推动AI产业从风险投资驱动走向更成熟的资本市场融资体系,市场将不再仅仅关注模型跑分。英伟达并非“唯一解”近日黄仁勋辞去英伟达总裁、CEO及董事职务,引发业内诸多讨论。有从业者告诉财联社记者,由于短期内英伟达公司层面的规划还较为明确,假设黄仁勋最终对英伟达完全失去了掌控力,预计两到三代产品后才会体现出真正的影响。而在Anthropic的规划中,英伟达并非算力供应的“唯一解”。截至2026年9月30日及以后Anthropic签订的采购承诺和租赁协议,承诺总支出约为9009亿美元,其中绝大部分与计算和基础设施相关,但也并不只流向GPU。招股书中,Anthropic明确列出了四大主要算力供应商的产品系列:亚马逊云AI加速器芯片Trainium、谷歌TPU、英伟达GPU、AMD GPU。其中,英伟达方面提供的算力主要来自Grace Blackwell和Vera Rubin系列,同时Anthropic也有机会直接与英伟达在设计和工程方面合作。Anthropic强调,这种不依赖任何单一供应商的方案扩展了公司可用计算资源,使得工作负载的价格和性能得到优化,其带来的灵活性需要多年时间和大量投资来构建,很难大规模复制。即便如此,近期在与摩根大通掌门杰米·戴蒙的对谈中,Anthropic联合创始人兼CEO达里奥·阿莫迪仍坦言,算力是Anthropic面临的最深层商业难题。他谈到,公司选择上市的重要原因,就是增加现金储备,为高度不确定的算力需求提供更大缓冲。透过Anthropic的招股书可以看到,AI产业对算力基础设施的需求已经从短期采购,发展成长期战略性资源配置。但Anthropic明确提示,部分算力供应商依赖第三方融资和信用支持。如果融资成本上升或融资无法获得,已经签订的算力合同可能延期、重新定价、缩减甚至无法交付。就在本周,AI基础设施投资热潮还出现了一个降温信号——半导体研究机构SemiAnalysis大幅下修了未来数年AI加速器出货、资本开支、HBM需求和电力需求预测。其中,2028年至2030年的调整幅度尤为明显:2028年全球AI加速器资本开支预测被下调28%,2029年和2030年分别下调41%和40%。在李庆看来,算力厂商不仅要关注市场需求,还要关注项目融资、资产利用率和现金流。产业链的竞争重点将从谁拥有更多产能,逐渐转向谁拥有更高的产能利用率、更低的单位算力成本,以及更强的资本回报能力。Claude能否持续领先?就在上市前夕,Anthropic发布新一代旗舰模型Claude Fable 5.2和Claude Mythos 5.2,并宣布扩展Claude的办公功能,推出AI办公套件。模型能力持续迭代,特别是AI编程等领域断崖式领先,为Anthropic定下了较高的竞争起点。财务数据显示,今年前三季度Anthropic累计收入332.42亿美元,远高于上年同期的25.45亿美元。第三季度,其收入同比增长1127%,而同期计算和基础设施支出仅增长382%。截至9月末,过去12个月贡献收入10万美元以上的客户达11900家,去年末仅超过1500家。不过,Anthropic第三季度收入环比增长约47%,而第二季度环比增幅约147%,收入仍快速增长,但增速已有所放缓;第三季度收入与算力支出的比值,也从第二季度的2.08倍回落至第三季度的1.72倍。同时Anthropic在利润端承压,第三季度经营亏损约5.67亿美元,净亏损约233亿美元。(图源Anthropic招股书)目前,Anthropic八成左右收入来自B端,已经证明了企业市场存在巨大的AI付费需求,但随着收入基数扩大,后续增长越来越依赖客户扩容、使用频率提升、产品单价和新业务拓展,Anthropic还需要进一步证明其商业模式能够实现长期、稳定的盈利。在李庆看来,个人用户使用AI,往往是为了提高体验、获取信息或满足兴趣需求,付费意愿和使用频率存在不确定性。但企业使用AI,核心是经济账。只要AI能够创造可量化的经济价值,企业就有动力持续付费。这也解释了为什么Anthropic在编程、企业知识处理和专业工作流方面的布局非常重要。他表示,未来真正重要的指标是大客户收入的持续扩张、企业客户续费率和净收入留存率、AI产品的实际使用频率、单位算力带来的收入、毛利率和经营现金流等。广西码农科技AI产品总监张亮还告诉财联社记者,鉴于国产模型的追赶速度在加快,特别是RSI模式(注:指递归自我改进,指AI系统能够修改自身改进方法,并用新方法继续优化形成能力迭代闭环)的出现,模型之间差距会逐步变小,Anthropic未来的发展潜力或许还很难判断,其商业模式或许并不稳固。“Anthropic商业模式的基础就是Claude基模的能力,如果被其他家超越,那么客户会毫不犹豫地选择更强的基座模型。目前这个时间点对Anthropic的上市是比较利好的,因为(能力)还处于领先水平。(但是)Anthropic的模型能力能否持续领先,是要打个问号的。”近期有媒体报道,字节跳动创始人张一鸣在内部分享中透露,字节跳动的大模型要对标国际第一梯队。其认为,字节有能力与OpenAI和Anthropic展开竞争,但真正追平前沿技术“最早也要到2029年或2030年”。张亮认为,未来大模型行业会形成少数几家基座模型为主、开源闭源并存的格局,而决定大模型的关键变量其实是成本。“短期内行业竞争会非常激烈,如果把时间拉得足够长,实现AGI之后技术会扩散,模型之间差距缩小,直到持平。那时候的竞争可能就不是模型的竞争,是另外的维度。目前大家还都在‘爬山’,都在半山腰。”同时,从Anthropic目前的做法看,在其版图中同一家企业可同时担任供应商、投资人、合作伙伴、竞争对手的角色。AI商业化进程加快的背后,是一场跨越模型、芯片、云计算、数据中心乃至能源的长期竞赛:云厂商开始自研芯片、自研模型,并直接向企业提供AI服务;芯片企业开始发展自己的模型和软件生态;模型公司则开始向上游扩展,自己建设基础设施,甚至发展企业级应用和Agent平台。“未来产业链企业的竞争优势,不再只是由自己所处的环节决定,而是取决于能否控制关键资源、建立生态,以及获得终端客户。”李庆表示。资本市场关心什么?此前有受访者告诉财联社记者,2026年预计将成大模型资本化关键年。今年初,“全球大模型第一股”智谱(02513.HK)、MiniMax(00100.HK)相继登陆港交所。日前,DeepSeek第二轮千亿融资也已落地,腾讯、中国移动(600941.SH)、中国电信(601728.SH)、宁德时代(300750.SZ)、兆易创新(603986.SH)等为产业股东。本月OpenAI方面则透露,预计公司将在2027年具备上市条件,届时AI产业或再现“超级IPO”。眼下产业正值多重挑战。李庆告诉财联社记者,对近期的科技股调整来说,中期选举更多是一个催化剂,真正影响市场的是投资者开始重新审视AI产业的投资回报周期。“AI产业从预期驱动的估值扩张,进入业绩兑现和资本回报驱动的估值重构。这并不意味着AI产业的长期发展逻辑发生逆转,而是市场开始变得更加理性,对企业的盈利能力、现金流和投资回报提出更高要求。”此前两三年,算力需求持续增长、云厂商加大资本开支、大模型能力不断突破、AI将成为下一代基础设施。在这一阶段,市场愿意为增长预期支付较高溢价,甚至对短期盈利能力相对宽容。不过,市场开始提出三个更加现实的问题:其一,AI资本开支还能持续增长多久?全球科技巨头已经投入了大量资金建设数据中心、采购GPU和部署AI基础设施。投资者开始关注,这些投入究竟能够产生多少实际收入,以及资本回报率何时能够覆盖前期投入。其二,AI商业化能否真正支撑当前的估值?模型能力的提升,并不必然意味着商业收入同比例增长。企业愿意为AI付费,但AI能否真正替代人工、提高生产效率、降低运营成本,还需要在更多行业得到验证。其三,AI基础设施建设是否存在融资和供给风险?AI产业的资本开支规模已经非常庞大,不仅需要芯片,还需要电力、数据中心、网络设备和长期融资。如果上游基础设施建设的融资成本上升,或者项目交付不及预期,都会影响产业链企业的盈利兑现。
郭朝先:制造业逻辑的AI转型
虎嗅 · 2 天前
本文来自微信公众号: 北大汇丰PFR ,作者:郭朝先如火如荼的AI发展,正对制造业发展模式产生颠覆性影响。工业经济时代,制造业产业链可描述为一条线性链条,即“需求(预测)→采购→生产→销售→(售后)服务”。数智经济时代,AI的使用则正将制造业产业链重塑为实时响应的价值网络。中国社会科学院工业经济研究所研究员,中国社会科学院大学教授、博士生导师郭朝先在《北大金融评论》发文指出,AI的应用,打通了原本割裂的环节,以数据流穿透了这种线性结构,推动产业链从“串联结构”转向“网络结构”,产业链群崛起。本文完整版刊登于《北大金融评论》第29期。AI正系统性重塑制造业产业链如火如荼的AI发展,正对制造业发展模式产生颠覆性影响。工业经济时代,制造业产业链可描述为一条线性链条,即“需求(预测)→采购→生产→销售→(售后)服务”,其中制造企业内部流程一般是“采购→生产→销售”。这种线性链条在实际运行过程中常出现信息逐级衰减、库存逐级放大的现象,这使得企业决策难度变大。一些企业由于在信息滞后的环境下粗放决策,易导致生产经营陷入困境。数智经济时代,AI的使用则正将制造业产业链重塑为实时响应的价值网络。具体而言,将对制造业产业链各环节产生下述根本性变化:需求端:从预测需求到感知需求。生产企业利用AI对消费意图进行捕捉,通过AI分析社交媒体、搜索趋势、电商评论等,将需求信号前置到“起心动念”阶段,而非“下单之后”。比如服装行业应用AI推进C2M(Customer-to-Manufacturer,反向定制),企业根据用户体型数据和风格偏好生成版型,或者通过AI将用户个性化需求实时解析为工艺参数,直连生产线。采购端:从被动响应到智能寻源。企业通过AI实时扫描全球供应商资质、价格波动、地缘风险,智能寻找供应商,动态调整采购策略。还可基于多源数据(天气、舆情、宏观经济)预测原材料需求,适时采购,降低采购成本,或者通过图神经网络等方法识别供应链中的隐性瓶颈节点,预警断链风险,增强供应链安全,促进安全采购。生产端:从刚性产线到柔性智造。一是优化算法实现智能排产,AI实时调节机床参数(切削速度、温度),实现自适应加工。二是自组织产线。基于强化学习的分布式调度系统,使设备、AGV、机械臂形成自组织网络,产线可随订单变化自主重组。三是柔性制造。小批量、多品种订单的边际成本大幅降低,支撑C2M模式。四是工业智能体获得广泛应用,正从被动工具转变为可自主执行的“数字员工”。五是实现工艺知识即时沉淀。老师傅的经验被AI编码为可复制的数字工艺,解决制造业“老龄化”带来的技能断层。此外,还可以基于工业互联网推进分布式制造:AI将订单智能拆解,分配给最优的分布式产能(包括社会化闲置产能),实现“云制造”。销售端:从渠道分销到需求直连。AI分析社交媒体、电商评论,捕捉消费趋势,洞察需求变化,反哺产品设计。实现智能客服,AI大模型处理技术咨询、故障诊断,服务响应时间从小时级降至秒级。服务端:从售后服务到运营服务。对于设备制造商,传统的服务往往是客户设备损坏后的被动响应,而AI的应用,通过分析设备实时数据,能够提前预测潜在故障并主动推送维护方案,将服务前置,大幅减少客户的非计划停机时间。服务端不再仅仅是“修机器”,而是通过持续收集和分析数据,为客户提供设备性能优化、能耗管理、工艺改进等高附加值服务,帮助客户实现整体降本增效。特别是,AI的使用使得PaaS(产品即服务)、MaaS(制造即服务)等模式迅速崛起,服务端与生产端、销售端也融合到一起了。比如,在PaaS模式下,AI使制造商从“卖设备”转向“卖运行时长”。典型案例就是,Rolls-Royce按飞行小时收费,AI实时监控发动机状态并主动维护。在MaaS模式下,由于AI打通了上下游数据,使得核心企业能够以“制造即服务”方式,向供应链上的中小企业输出标准化的智能服务(如云端协同、共享产能等),实现整个产业链的服务生态化与敏捷化。产业链群的崛起与未来传统制造业的产业链往往是串联结构,其运行逻辑是:需求从终端市场产生,经过层层经销商的解读与放大,变成工厂的生产计划,再变成采购部门的原料订单。信息在传递中扭曲、滞后、衰减,形成所谓的“牛鞭效应”——终端市场一个轻微的抖动,会在上游供应链上掀起巨大的波澜。AI的应用,打通了原本割裂的环节,以数据流穿透了这种线性结构,推动产业链从“串联结构”转向“网络结构”,产业链群崛起。在组织结构上,形成了智能协同的网络结构。在这个网络中,每个节点——无论是一个传感器、一台机床、一家工厂,还是一座物流仓库——都同时是数据的生产者和消费者。它们不再被动地等待上游指令,而是基于全局数据自主决策、实时协同。在人机关系上,形成了人机协同的协作关系。AI并非简单地“替代”工人,而是重新定义了人类在产业链中的角色坐标:AI负责“计算密集型”任务,如数据分析、方案生成、全局优化;人类负责“价值判断型”任务,如创意、伦理决策、客户关系、异常处理。在价值分配上,从物理制造环节向数字运营环节迁移。在传统模式下,价值主要向制造端和品牌端集中——谁拥有产能,谁拥有渠道,谁就攫取大部分利润。在AI重构的产业链中,数据与算法成为价值分配的新杠杆。掌握终端需求数据的平台,可以反向定义产品规格,将制造商变为代工厂;掌握工艺数据的算法公司,可以向传统工厂收取“智能优化”的服务费;掌握全链路数据的链主企业,能够穿透多级供应商,重构成本结构。[本文为研究阐释党的二十届四中全会精神国家社会科学基金重大专项“构建以先进制造业为骨干的现代化产业体系研究”(编号:26ZDA008)的阶段性研究成果。]······本文完整版刊登于《北大金融评论》第29期
从帮手到对手,用AI工作后,我们变“蠢”了吗?
虎嗅 · 2 天前
本文来自微信公众号: 着陆TouchBase ,编辑:国佳佳,作者:吴酸酸去年,朴赞郁在自己的新电影《无可奈何》里,给一个失业的中年人安排了一场残酷的胜利。在造纸行业干了25年的万洙,被公司解雇。为了重新得到一份工作,他把目光投向那些履历比自己更有竞争力的人,并用谋杀他们清除障碍。他最终如愿以偿回到了工厂,只是一切早已发生变化。在新的工厂里,AI控制生产,机器自动运转,他费尽心机争取来的位置,是在一个几乎不再需要人的工厂里,和无声的机器打交道。这份工作曾经意味着手艺和尊严,如今只剩寂静,和不知道自己什么时候会被淘汰的恐惧。朴赞郁片场照图源|搜狐号朴赞郁把故事停在了这里,但现实却比电影更复杂和戏剧,劳动者和AI的关系,在过去几年间,几乎时时刻刻都在发生着转变。企业从担心AI不靠谱,到要求员工学会使用;从尝试减少人手,到重新发现某些工作仍需要人。对劳动者而言,每一次判断改变,都可能落到自己的生活里:一份没有续签的合同,一次更低的报价,或是一通来自旧雇主的电话。就在上个月,美联社还刊发了一篇报道,提出:如果那家曾因AI裁掉你的公司,如今希望你回来,你该怎样决定?这在前两年几乎是难以想象到的问题,但在今天却成为现实。有研究显示,在曾主要因为AI而取消岗位的美国招聘经理中,32%后来又为相同或相似岗位招人。AI、企业、劳动者之间应该是怎样的关系?越来越习惯于用AI开外挂的我们,正在变得越来越“蠢”吗?一种工具、两种期待,从一开始就存在的分歧企业和普通员工对AI态度的分歧,几乎从一开始就存在。2023年春天,三星一名员工把公司会议的录音转成文字,输入ChatGPT,希望它帮忙生成会议纪要。还有员工把存在问题的程序源代码贴进去,请它寻找解决办法。这些在今天看来再平常不过的操作,在当时引发了轩然大波。因涉及公司内部资料外传,这些事被媒体广泛报道。2023年5月,三星向旗下涵盖手机和消费电子业务的DX部门员工发出通知,暂时禁止在办公电脑上使用生成式AI服务。三星电子公告原文图源|三星电子官网当时,距离ChatGPT公开上线才过去几个月。对于每天被邮件、会议和文档包围的职场人来说,一个随时回应、不必反复交代的助手,很难不让人心动。微软2023年《工作趋势指数》记录了这种心情。70%的受访者愿意尽可能把工作交给AI,以减轻负担;与此同时,也有49%担心AI取代自己的工作。这并不难理解。失业是一个尚未发生的风险,眼前的工作却已经堆在那里。人们希望AI能接手那些会议结束后的整理、迟迟找不到错误的代码。至于之后的威胁,当时还没有那么容易看清。真正让这种威胁开始清晰的,是AI开始在具体业务中干出成绩。客服是较早提供这类证据的领域。2023年4月,斯坦福大学和麻省理工学院的研究者公布了一项涉及5179名客服人员的研究:使用工具后,客服每小时解决的问题数量平均增加14%;经验较少、技能水平较低的员工,提升幅度达到34%。同年5月,IBM首席执行官阿尔温德·克里希纳已经把这种预期说得相当具体。他预计,公司将暂停或放缓部分后台岗位的招聘,并认为未来五年,约30%的非直接面向客户的岗位可能被AI和自动化替代,涉及约7800个岗位。这个时候,普通员工的态度就发生了微妙的转变。微软与领英2024年的调查里,52%不愿承认自己在最重要的工作中使用了AI。这与前一年大家对AI运用的积极性,形成了鲜明的对比。员工盼望的,是借AI从繁重的事务中解放出来;企业考虑的,是效率的提升和人力成本的降低。不同的目的,从一开始就注定了这会是一场长久的博弈。转岗、适应和新的焦虑当人们以为企业们会朝着AI全自动的方向高歌猛进的时候,现实又发生了转折。瑞典支付公司Klarna一度以AI应用激进著称,宣称聊天机器人承担了相当于700名全职客服的工作量,平均解决问题的时间从11分钟缩短到2分钟。但到了2025年,这家公司却重新开始招聘。首席执行官在接受路透社采访时承认,过去过于偏重削减成本,正在调整方向,把更多注意力放回产品和服务。这种变化,大概每一个曾经反复对着客服对话框输入“转人工”的人,都能感同身受。明明已经解释了很多遍自己的困惑,机器人却始终在机械地回答着模板化的答案。企业省下了回复的时间,但却接到了更多的客诉。Gartner分析师凯西·罗斯总结了这一失误:部分企业依据预期中的AI能力提前减员,而非等待实际效果得到验证。一旦系统无法承担预计的业务量或复杂程度,剩下的员工又补不上缺口,企业就得重新招聘、培训,并恢复随人员离开而流失的经验。不过,AI也在创造着新的工作岗位。训练机器人台面清洁图源|新华社京东客服雨辰曾担心被智能客服替代,后来转为人工智能训练师。近十年的客服经验,在新岗位上派上了用场:发现AI回答中的漏洞,判断问题出在哪里,再通过更新内容、配置智能体和维护调优,改善它的表现。但不是所有人都能顺利转型。劳动者面对的矛盾变得越来越复杂:学习使用AI、帮助AI改进,可以成为留在企业的机会;系统越成熟,企业对岗位的要求又可能继续改变。而且,技术也不会因为普通人的焦虑就停止进步。企业能够交给AI的任务,会随着模型能力、业务数据和系统接入条件的改善而变化升级。有调查提到,频繁使用AI的人,认为自己的工作很可能在未来五年因新技术、自动化或AI而消失的比例,是较少使用者的两倍以上。越了解,越使用,越焦虑。这是普通人和AI的关系博弈中,怎么也走不出的困局。企业新难题:省下今天的人力,透支明天的竞争力?人类对新技术的焦虑并非第一次出现。从珍妮纺纱机到动力织机,机械化曾让大量靠手艺谋生的人失去收入。政策已经开始介入这个问题。2026年10月公布的《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》,提出在劳动密集型行业应用AI时,稳慎把握范围、力度和节奏;鼓励企业探索失业缓冲期,在大规模应用AI的过程中提前告知受影响劳动者,提供转型转岗支持。文件还提出,为符合条件的受影响劳动者提供职业指导、培训和岗位推荐,并按规定发放失业保险待遇。但是,当企业和政策开始意识到需要更多关注“人”的时候,“人类劳动”本身,又出现了新的问题。在越来越熟练地使用AI之后,一些人开始担心另一件事:如果关掉对话框,自己还能不能把工作做完?这种不安甚至出现在开发AI的人身上。Anthropic的一项内部调查中,有工程师发现,过去自己会仔细研究工具,遇到问题翻文档、查代码。现在,AI可以直接给出解决办法,那些原本在摸索中记住的知识,却没有留下来。与同事讨论时,以前能随口说出的东西,现在还得通过AI确认一次。这些工程师的警惕,也向企业提出了一个问题:当AI让员工更快完成工作,企业是否仍在积累自己的能力?人力资本理论把培训和经验看作投资。企业花时间培养一个新人,期待的是他日后能够独立处理问题,甚至带出下一批人。AI改变了这笔投资的计算方式:一些过去需要多年练习的任务,如今借助工具就能完成,企业因而有了减少初级岗位、压缩培养周期的理由。但员工在AI的帮助下完成交付,并不意味着他们已经掌握了背后需要的知识。Anthropic的小规模实验就提示了这种风险:在学习陌生编程工具时,AI辅助组完成任务后,对相关知识的掌握弱于手写代码组。这其实在提醒企业,眼前的产出和未来的能力,可能走向不同的方向。当相近的AI工具越来越容易获得,企业需要重新辨认自己的优势。如果基础工作全部交给AI,新人从哪里开始学起?如果熟手不断离开,留下的人又能否判断机器给出的方案是否可靠?这会直接影响用工决策。减少一个岗位之前,企业需要看清,被撤掉的除了当下的任务,是否还有培养人才、传递经验的作用。培训也不能止于教员工调用工具,还要让他们有机会独立判断、解释结果、处理异常,并把这些能力纳入考核。从裁员到重新招聘,企业已经发现,省下人工成本之后,还可能付出服务质量和经验流失的代价。下一笔更难算的账,是人才还能否持续成长。今天的效率提升,究竟是在帮助企业积累能力,还是在消耗过去多年培养出来的能力?这可能比“AI能替代多少人”,更值得管理者追问。参考资料:Anthropic:AI如何改变Anthropic内部的工作。Anthropic:AI辅助如何影响编程技能的形成。Erik Brynjolfsson等:生成式AI在工作中,2023年4月工作论文。国务院办公厅:关于适应人工智能技术发展助力构建就业友好型发展方式的意见。路透社:瑞典Klarna将AI应用重点从削减成本转向增长。微软、领英:2024年工作趋势指数:AI已经进入工作,接下来才是难题。
四点健身,九点上班,韩国人真的把睡眠进化掉了吗?
虎嗅 · 2 天前
本文来自微信公众号: 果壳 ,作者:猫吞,编辑:翻翻最近总有人问我们,韩国人是不是真的进化掉睡眠了?韩剧里,剧情总是发生在深夜,去韩国旅游,发现街头遍地都是咖啡馆,看看韩国人的社交媒体,凌晨4点还在健身房汗如雨下,早上9点又精神满满地坐在了办公室。转头看看我自己,吃不够,睡不醒,韩国人一天比我两天长——不是,这样真的没问题吗?先问是不是:韩国人真睡这么少?这点还真没冤枉他们。一项2022年的睡眠追踪调查显示,韩国是睡眠最少的4个国家之一,韩国人的平均睡眠时长只有6个小时41分钟。还有调研发现,韩国青少年缺觉更是重灾区,14-19岁的孩子工作日平均只睡5小时42分钟。这种情况不仅在韩国存在,看看深圳南山,看看北京马连洼,看看香港中环,不睡觉的人还挺多。睡得这么少,人真的不会猝死吗?睡眠这件事真的能进化掉吗?睡得少真的死得快吗?不一定。人类需要的睡眠时间本来就不一样,由于基因差异,有人天生就是短睡眠者。短睡眠者的每天需要的睡眠一般在4-6小时,而且睡醒后白天的状态和正常人一模一样,不会有缺觉带来的种种问题。没中基因彩票的大多数成年人,需要的睡眠时间一般是7-9小时,而青少年需要的睡眠时间更长,一般建议每晚睡8.5至9.25小时。既然睡眠需求因人而异,睡眠时间短自然不能直接和睡眠不足划等号,但我们可以用一个简单明了的方法,来判断自己是否睡足了觉——看看自己有没有总想补觉。要是你常常在周末补觉,还一睡就是半天,那大概率你平日非常缺觉。要是长期睡眠不足,就算不直接引起死亡,也会带来一系列健康问题。研究发现,长期睡眠不足的人心脏会“未老先衰”,按照个人心血管的风险状况预估出的“心脏年龄”更大,这也伴随着更高的糖尿病、高血压、高胆固醇风险,而平常睡眠超过7小时的成年人心脏年龄最小。睡眠不足还会导致免疫力下降,增加体内促炎和抗炎的标志物。你也许也有过直观的感受,连着熬夜加班或者学习好几天,身体就更容易生病,各种小病小痛都会出现。肥胖和睡眠不足也有关系。缺觉会影响瘦素和胃促生长素的释放,而这2种激素对调节食欲和新陈代谢非常重要。2004年的一项研究发现,2天睡眠不足,就会让瘦素水平降低18%,胃促生长素升高28%,让人会更渴望高热量食物,不知不觉就吃下更多东西。如果想要减肥,“越睡越瘦”并不是一句空话,只有保证好睡眠,才能保证正常的食欲,让你在山珍海味之前不轻易动摇。认知水平和行为也会被缺觉影响。睡眠不足会导致记忆力下降,注意力更难集中,反应变慢,而且更容易冲动。2018年的一项研究表明,和睡足7至8小时的觉相比,只睡6个小时会让开车时发生车祸的概率增加33%,而9%的车祸都和司机睡眠不足有关系。就算司机本人不觉得困,缺觉也会不知不觉地影响开车时的反应。睡得少还伴随着更高的自杀风险,特别是青少年人群。2014年,韩国一项研究调查了4000多名初高中学生,发现周末补觉时间长(也就是平常缺觉)的学生,常常有着更高的自杀意愿和自残倾向。睡眠不足的人群更容易有抑郁情绪,并因此做出消极和鲁莽的决定。对于本就更易冲动的青少年来说,保证充足的睡眠对健康的心理状态就更重要了。有没有少睡也能保持健康的方法呢?如果不是天生的短睡眠者,却还想方设法地缩短睡眠,会发生啥?你可能听过一些缩短睡眠时间的神奇偏方,其中一个广为流传的就是“达芬奇睡眠法”,说的是人可以每过几个小时睡20分钟,通过少量多次的方法来满足睡眠需求,就能多出大把时间来做别的事了。所以这个方法到底能用吗?简而言之——不推荐!不推荐!不推荐!在说原因之前,我们可以先了解一下“睡眠周期”是怎么回事。一个完整的睡眠周期大约持续90-120分钟,一晚的睡眠一般由4-5个周期组成。我们可以试想一下,用上了达芬奇睡眠法,我们的睡眠周期刚开始就被迫醒来,根本没法进入深度睡眠,而且还得再熬几个小时才能睡20分钟,这完全不符合人类的睡眠规律。在一项实验中,科学家找了10个志愿者,他们被允许每过4个小时睡20分钟,实验周期一共有8周。大多数人都没能熬过1个月,只有一个25岁的男性坚持到了第5周,但他体内生长激素的释放减少了95%以上,而且他醒着的时候也完全没法集中注意力,可以说是遭受了身体与精神的双重摧残。除非你就是想要挑战自己的意志力,感受一下非人的折磨,不然还是别考虑这种方法了。另一个近几年流行的偏方,也来自韩国人。传说中他们天天不睡觉,顿顿冰美式,还活着全靠“防猝死套餐”——复合维生素、鱼油加上辅酶Q10。那么,要是哐哐吃补品,能补上缺觉带来的负面影响吗?不能,目前并没有哪种补品可以完全消除睡眠不足对身体造成的影响。但是,有研究发现,富含植物性食物、低饱和脂肪和低添加糖的健康饮食模式,可以缓解缺觉导致的疲劳和精力不集中。除此之外,睡眠也和微量营养素息息相关,比如铁、锌和镁可以促进入睡,延长睡眠时间。2023年的一项动物实验还发现,在食物中补充烟酰胺核苷,可以让小鼠的睡眠需求降低,不过目前还没有确切的证据表明它也对人类有效。还有人采用了另一种方法:晚上疯狂熬夜,白天睡午觉;或者平时熬夜,周末疯狂补觉。第二天补觉能挽回前一天熬夜的伤害吗?作为缺觉大国,韩国在这方面也做了很多研究。他们发现,补偿性睡眠并不能完全弥补之前缺觉造成的负面影响,但是如果晚上熬夜已经难以避免,之后补觉总比不补好。比如,睡眠不足的学生更容易超重,但周末补觉可以降低他们的肥胖风险。2011年至2015年,中国的一项纵向调查也显示,夜间睡眠时间短的中老年人,得高血压的风险会增加,但白天睡午觉可以帮助他们预防高血压。总而言之,要是你天天熬夜,晚上睡觉的时间短,目前最靠谱的拯救健康的方法,还得是补觉。为啥非得睡觉?人类的一生有三分之一的时间都在睡眠中度过。我们人类进化了几亿年,进化出了更大的脑子,更灵巧的双手,却没能进化掉睡眠,那都是有原因的——睡眠绝不是单纯的浪费时间,它比大家想象的重要得多。我们可以把大脑想象成一台电脑,当我们清醒着的时候,就相当于电脑正在使用中,我们不断地接受来自外界和他人的信息,并做出回应;而在我们睡觉时,大脑并不是关机状态,它更像是开着机但是息了屏,减少了和外界的信息交换,但可以专注于处理内存管理、清除缓存等一系列工作。睡眠分为2种不同的状态——非快速眼动睡眠(NREM)和快速眼动睡眠(REM)。非快速眼动睡眠占据了睡眠的大部分时间,从第一期(N1)到第三期(N3),由浅入深,第三期一般被认为是深度睡眠;而在快速眼动睡眠期间,大脑开始变得活跃,但某些肌肉却是瘫痪状态,大部分梦境都是在这时候发生的。在深度睡眠中,大脑在悄悄地进行“内存管理”——它会对白天刚获得的记忆进行分类和筛选,过滤出最重要的部分,把它转化成长期记忆,并把那些不重要的记忆删除。比如,我们白天见了和朋友,或者学了有意思的新知识,这些信息都会在大脑中巩固,让你十天半个月以后还能想起来;而我们每天会遇到不计其数的路人,这些人大概率这辈子不会再见第二面,我们也没必要记住他们的脸,这些冗余的记忆就会被消除。睡觉还能帮你解决复杂的问题。在一项研究中,科学家准备了一系列不同难度的题目。志愿者在睡了一觉或者保持清醒一段时间后,再来做一开始没解决的问题。结果发现,他们在睡一觉以后能解决更多难度高的题,不过对于简单的问题来说,睡不睡觉都没什么区别。要是遇到了什么一时半会想不明白的问题,“睡一觉就好了”确实是金玉良言——睡足了觉,大脑才能全速运转起来,帮你做出更好的决定。身体的生长和重塑也离不开睡眠。生长激素的释放是有周期的,而大部分的生长激素都在深度睡眠时释放。对于生长发育期的孩童来说,高质量的睡眠是长身体的基础。睡眠还可以防止肌肉分解,促进脂肪减少。一晚的彻夜不眠,肌肉组织中蛋白质分解的迹象就会增加,和脂肪储存相关的代谢物也会变多;对年轻男性来说,一周每晚只睡5个小时,就会让睾酮水平下降10%至15%,而睾酮对肌肉的增长很关键。如果你有增肌、减脂的计划,保证充足的睡眠,才不会让你的辛苦健身白白浪费。睡眠的功能不止于此,人体生理系统的各方各面,包括认知功能、生长发育、免疫反应、心理与情绪、能量保存等,大部分你能想到的身体功能,都需要规律的睡眠来让它们正常运作。说到底,人为什么要想尽办法抵抗生理节律呢?不必羡慕那些天生的短睡眠者,也不要对喜欢睡觉的自己感到失望,在各个年龄段,享受睡眠拥抱睡眠都应该是我们应有的权利。参考文献[1]https://www.chosun.com/english/travel-food-en/2022/10/12/E4UMRCCX4HCZIROWAMC5B3YYJU/[2]https://www.sciencedirect.com/science/article/pii/S0010440X13002927[3]https://www.sciencedirect.com/science/article/abs/pii/S1389945720303701[4]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6196958/[5]https://pubmed.ncbi.nlm.nih.gov/15583226/[6]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10155483/[7]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5859531/[8]https://academic.oup.com/sleep/article-abstract/47/2/zsad321/7485581[9]https://journals.physiology.org/doi/abs/10.1152/ajpregu.1993.264.2.R376[10]https://www.sciencedirect.com/science/article/abs/pii/S0033350622003249[11]https://link.springer.com/article/10.3758/s13421-012-0256-7[12]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5390528/[13]https://www.science.org/doi/10.1126/sciadv.aar8590[14]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4445839/[15]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8273747/[16]https://journals.sagepub.com/doi/abs/10.1177/1559827619871923[17]https://academic.oup.com/sleepadvances/article/4/1/zpad044/7484434[18]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10193321/[19]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7334763/[20]https://www.cambridge.org/core/journals/public-health-nutrition/article/relationship-between-micronutrient-status-and-sleep-patterns-a-systematic-review/4A45D9B9BE7BC1644AB307CAB6877519[21]https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1365-2869.2012.01013.x
懂王惨败,纳指暴跌,美国人为什么这么讨厌数据中心?
虎嗅 · 2 天前
全球数据中心数量最多的美国,在AI时代却越来越难建成新的项目,就连这两年大力扶持数据中心建设的懂王,也在中期选举里因为这个事儿被反噬,甚至直接把美股干崩了……美国的AI基建,到底出了什么问题?
一篇12年前的硕士论文,怎么就成了Steam串流的神器?
虎嗅 · 2 天前
Steam悄悄更新了一个串流新功能——Pyrowave,解码延迟竟然低至0.08毫秒!它是怎么做到的?更低延迟的背后,又有什么代价?
从Anthropic敲钟,看中国大模型怎么定价?
虎嗅 · 2 天前
本文来自微信公众号: 光锥智能 ,作者:关注前沿科技的Anthropic上市,更像是一次针对整个AI行业的压力测试。美东时间11月19日上午11点48分,顶着“人类史上最大IPO”的光环,Anthropic(股票代码:ANT)正式在纳斯达克开盘交易。相比Anthropic敲定的83美元发行价,开盘价直接高开至111.50美元,暴涨34.3%,盘中一度冲高至115.10美元。按完全稀释口径计算,Anthropic的估值最高达到2.02万亿美元,一举超越今年6月上市的SpaceX。然而,开盘后的狂欢只持续了不到半个小时,截至收盘,Anthropic市值像是坐上了过山车。午后开始,Anthropic股价一路跳水,盘中最低点来到92.72美元,最终收盘定格在97.17美元。虽然较83美元的发行价依然收涨了17.07%,但从日内高点算起,Anthropic距离收盘就蒸发了约3244亿美元的市值,按完全稀释口径计算,公司估值从2万亿美元落回约1.76万亿美元。大洋彼岸的钟声敲响,而中国AI圈里,几乎所有大模型创始人、投资人和二级市场分析师都在熬夜盯盘。大家盯的不是Anthropic一家公司的涨跌,而是在找一个答案:当全球AI估值的“锚”落进公开市场的深水区,中国的AI模型,接下来到底该怎么定价?毕竟就在敲钟前夕,围绕着Anthropic的定价,从最初投资机构定价2万亿美元,到AnthropicQ3路演时估值被砍,再到美国中期选举、英伟达的突发“换帅”等影响,Anthropic的身价也跟着一降再降。在这个节点继续冲击IPO,对于Anthropic来说,它更像是一次针对整个AI行业的压力测试。Anthropic的上市,从来不是一个“贵不贵”的故事,它讲的是一个“怎么算”的故事。而华尔街今天用来审视Anthropic的这把新尺子,会原封不动地量在每一家中国大模型公司的头上。Anthropic估值涨了但它早就被挤过水分作为全球大模型公司的“示范”,Anthropic股价17%的涨幅很正常。市场的购买热情仍然在。据彭博社曝出的消息,认购订单规模达到可售股份的约6至7倍,认购主要来自于机构投资者的大额意向订单。于是,Anthropic不仅有底气提价,还打算在行情不错的情况下多赚一笔,给自己攒出更多资金。到11月18日,Anthropic最终把股价从70-78美元的定价,提到了83美元。Anthropic又把发行股数强行扩容了19%,从原计划的8.25亿股暴增至9.8亿股,硬生生多圈出了近两百亿美元现金。股票供不应求的情况下,Anthropic还有一众算力供应商保驾护航:就在上市前,一组堪称“全球算力全明星”的科技巨头——包括英伟达、谷歌、微软、AMD、博通、美光,以及台积电的合作伙伴,抱团同意认购价值260亿美元的Anthropic股票。其中,谷歌和英伟达出手最阔绰,都掏了100亿美元。这些算力供应商和云厂商挺身而出,相当于和Anthropic牢牢绑定,提前锁定一笔算力订单。260亿美元的投入,更像是巨头们交的一笔“战略锁定费”。只要Anthropic拿着这笔钱继续疯狂扩张、训练下一代模型,这笔钱兜兜转转,最终还是会变成订单,顺着采购合同流回英伟达的芯片、博通的服务器和各大云厂商的机房里。其中,谁是Anthropic背后最大的持有者?答案是亚马逊和谷歌。根据Anthropic披露的数据,亚马逊的总持股比例为14.7%;而谷歌紧随其后,持股13.7%。虽然公司市值最终落到了1.76万亿美元左右,但要把时间线拉长来看,今天Anthropic市值的起伏,其实早在上市前三个月就埋下了伏笔。今年8月,市场还在兴致勃勃地给Anthropic算一笔2万亿美元的账。那时候的定价逻辑简单粗暴,跟中国一级市场热捧大模型如出一辙:只要模型还在迭代,收入增速还在狂飙,公司估值的想象力就能掀开天窗。可现实偏偏给它泼了一盆冷水,从10月起,Anthropic经历了多次估值下落的“时刻”:先是收入增速不及预期,让投资机构开始重新审视它的价值。Anthropic在10月的路演披露,公司Q3收入环比增速从Q2的144%跌至47%。于是,投资机构们先行给它挤了一次水分,把估值调到了1.5万亿。上述调整还是对Anthropic本身的质疑,后续公司估值的下跌,更多是大家对于AI行业前景的担忧。美国中期选举后,对于数据中心监管收紧的悲观,让美股AI又经历一轮血洗。11月6日,纳指跌5.52%,费城半导体指数重挫约12%。这个过程中,Anthropic的市值下跌,蒸发的是想象力溢价。此外,大厂站队和算力绑定,这套结构同时也会让投资者谨慎。毕竟账面上那些光鲜的融资和狂飙的营收里,到底有多少是来自真实市场的自然需求,又有多少是巨头们“左手投钱、右手卖算力”堆出来的循环游戏?在采购承诺和租赁协议总承诺支出高达9009亿美元的基础上,掌舵英伟达33年的黄仁勋突发辞职,加上CFO科莱特·克雷斯接任CEO后释放的新信号,抽走了AI算力融资游戏里最关键的一根承重柱。英伟达财报电话会上,克雷斯公开亮明了新规矩:英伟达未来将极其严格地审视提供融资支持的企业,数据中心担保只有在设施真正建成、准备就绪后才会启动,建设期间绝不提供任何担保;一旦数据中心建设延期,英伟达的担保将不复存在。过去两年,英伟达不只是卖铲子的,它还是整个AI基础设施建设的“超级担保人”。截至今年10月底,英伟达对外提供的AI基础设施融资担保敞口已经滚雪球般膨胀到了118亿美元。以前,市场敢给Anthropic这种高度绑定算力的大模型巨头高估值,很大程度上是默认背后有英伟达兜底,出了事有大哥扛着。现在,大哥突然换了,新人上来第一件事就是把无限兜底的空白支票收了回去,市场很难不担忧。当信用背书不再生效,大家就不得不重新审视Anthropic未来增长的预期是否能兑现、又能兑现多少。放在中国市场,同样如此。过去两年,不少国内大模型公司靠绑定大厂云资源、拿战略投资撑起高估值,但Anthropic的遭遇已经提前剧透了结局。一旦走上公开市场,投资者迟早要把大厂补贴的水分和商业化表现剥离开来,单独算账。Anthropic的上市,给中国大模型公司敲响了一个信号——靠单一维度的高增速故事就能通吃二级市场的时代,已经结束了。看着Anthropic从2万亿美元的云端落回1.5万亿美元的现实,不由得让人担忧,同样是靠收入增长拉起估值,国内大模型公司接下来命运如何?估值挤水、需求狂热中国大模型公司怎么定价?怎么看待中国大模型估值,就要从Anthropic的变化说起,因为变了的不是Anthropic,而是资本市场手里那把定价的尺子。实际上,相比华尔街直到今天才开始给Anthropic“挤水分”,中国大模型公司的市值其实早就走在了更理性的位置上。以目前上市的智谱和MiniMax为例,早在Anthropic敲钟之前,两家公司已经替全行业提前展示了“估值挤水”的过程。今年1月登陆港交所时,智谱和MiniMax风光无两,甚至智谱创下了万亿市值的纪录。那时候它们为什么贵得离谱?核心就靠两个词:供给稀缺和狂飙的ARR叙事。MiniMax上市时在港股的流通股只有约1707万股,占总股本还不到6%,却引来了42万人疯狂申购,超额认购高达1837.17倍;智谱同样拿下了1159.46倍的超购纪录。可短短几个月过去,再看现在公司的估值,跟最高点相比,两家市值都跌去了超过8成。业务收入依然在狂飙,但当限售股解禁临近,流通盘的稀缺性溢价瞬间灰飞烟灭。智谱市值更值得担忧的,是还在牌桌上、尚未上市的大模型公司们——二级市场的寒气,正在不可避免地倒灌回一级市场。海外的老大哥OpenAI,为了抢在Anthropic上市前补充弹药,OpenAI近期也在紧锣密鼓地推进新一轮融资。原本OpenAI的野心是按1.4万亿美元估值募集300亿美元,可投资人的胃口显然没那么大。最终,这轮融资估值从1.4万亿美元降到了1.25万亿美元,直接蒸发了1500亿美元,降幅达到10.7%,首期到账也缩水到了150亿美元左右。在资本审视的目光下,OpenAI该打的折一分也少不了。连OpenAI都要主动低头打折,那么把目光转回国内,现在尚未上市的中国大模型公司们,接下来又有多少拉升估值的空间?水分挤干之后,中国大模型公司能值多少钱,不再依赖画大饼,还是要和真实的商业化变现能力绑定。不过,再把镜头拉远到整个全球AI产业,虽然资本市场疯狂给AI估值“挤水分”,但其它产业对AI的真实需求,还有极大的挖掘空间。客观来看,AI应用的真实需求不仅稳稳立住了,而且接下来会迎来真正的全面爆发期。过去两年,中国AI圈对大模型商业化相当焦虑:B端MaaS收入有限,C端又迟迟没有挖掘出真正的爆款产品。到了2026年,随着Coding爆发和Agent需求成立,Token开始涨价了。据中国信通院发布报告《大模型词元服务性能监测报告(2026年)》,国内2025下半年归一化均价为6.8元,而今年以来均价为13.46元,涨幅接近1倍。但国外价格仍高于国内,2026年以来发布的典型模型平均归一价格约为117.8元。为什么涨价了还有人抢着用?因为当大模型真正切入代码开发、企业级智能体等复杂生产环节后,客户要的不再是便宜的聊天玩具,而是能直接替人干活的生产力。只要模型足够聪明、能稳定跑完工作流,企业是愿意掏真金白银买单的。在技术仍然说了算的现在,大模型公司卷模型,算力依然是稀缺项。于是,AI硬件和云厂商依然是最大的受益方:英伟达财报电话会上,临时CEO最新披露了一组数据,新一代Blackwell架构的B300芯片,租赁价格比刚推出时暴涨了超过60%;甚至连上一代Hopper架构的老卡,多年期续约价格最高是原价的两倍。无论是超大规模云厂商还是新兴算力云,手里的算力全都在满负荷运转。国产算力也依然供不应求,11月18日,阿里CEO吴泳铭在业绩电话会上表示,随着产能爬坡,国产算力在整体算力中的比例将会持续提升,成为支撑云收入增长的主要引擎。接下来,随着供应链约束和各大厂抢卡白热化,2027年市面上的算力卡只会更紧缺。当持续增长的应用需求撞上更紧张的算力供给,Token大概率还会继续涨价。看到这里,就能明白,当下AI行业只不过是资本在给大模型公司去泡沫,但产业却依然在给AI公司输送生意。不管是港股的流通盘游戏,还是一级市场的估值跳涨,只要估值跑在了商业化兑现的前面,二级市场迟早会用最惨烈的方式帮你挤干水分。留在牌桌上的玩家,需要用Token的“涨价权”去证明不可替代性。2026年Token涨价而调用量暴涨的事实,已经给中国大模型公司指明了一条活路——谁能让企业在涨价之后依然离不开你的API,谁就拿到了真正的定价权。说到底,这场席卷中美两地的AI估值回调,很多时候与单家公司自身的努力无关,而是整个AI行业从青春期迈向成年礼的过程。Anthropic敲响的,是旧定价时代的终结钟。潮水退去的时候,在水里裸泳的大模型公司们,需要重新看清楚自己到底值多少钱。
Anthropic上市,AI从理想主义进入现实主义
虎嗅 · 2 天前
本文来自微信公众号: 未尽研究 ,作者:未尽研究Anthropic创造了资本市场的历史,在上市当天,公开及非公开一把融资超过千亿美元,成为史上最大的IPO。IPO定价时约1.5万亿美元、开盘约2万亿美元、收盘约1.77万亿美元,按已发行在外股份计算,收盘市值约1.3万亿美元。这足以证明AI时代正在迅速诞生一批新型的超级科技巨头,足以撼动传统的科技巨头。但是,上市当天的行情,走出了一条典型的“科技炒作曲线”(hype curve)的轨迹。以83美元发行价获得股票的投资者,到收盘时账面获利17.1%。但如果有人在股票开始交易时,以111.50美元的首笔成交价买入,到收盘时反而亏损了12.9%。盘后交易继续下跌。同样是Anthropic,同样是上市首日,前者经历了一场成功的IPO,后者经历的却是一场持续数小时的下跌。整个AI产业链集体走低。纳斯达克综合指数下跌2.25%,英伟达下跌3.3%,AMD下跌7.7%,两家明星算力租赁公司CoreWeave和Nebius分别下跌6.1%和9.4%。这也是2026年AI资本市场最有启发性的一天:华尔街愿意为最优秀的前沿模型公司支付惊人的价格,但不再愿意无差别地为整个AI产业链的扩张买单。Anthropic IPO,是AI从理想主义到现实主义的分水岭。(截至美东时间下午7:00,Anthropic盘后价格已经从收盘的97.17美元,下跌到94美元)史上最大IPO,开盘后的狂热只持续了很短时间Anthropic(ANT)上市首日关键交易数据:IPO发行价83美元,首笔成交价111.5美元,正式收盘价97.17美元,盘中最高/最低115.10/92.72美元。这条曲线,像极了AI最近4年的经历,它是一条典型的炒作曲线(hype curve),首先高扬,然后坠落,持续下滑,进入底部之后,等待一场更有耐心的重新爬升。IPO前,Anthropic将发行规模从8.25亿股提高至9.8亿股,最终定价83美元,高于70至78美元的原定区间。公开发行总额813.4亿美元,超过SpaceX今年6月创下的纪录,成为全球最大IPO。公司出售约9.56亿股,既有股东出售约2365万股,后者的出售所得并不进入公司账户。此外,AMD、博通、谷歌、微软、英伟达、台积电等产业伙伴参与的260亿美元N类股私募,是与IPO同期安排的另一笔交易,并不属于公开发行募资。若两项交易按计划完成,Anthropic预计获得约1048亿美元净资金。纽约时间上午9点30分,达里奥/达妮拉.阿莫迪兄妹敲响开市钟,但ANT直到11点48分才出现首笔成交:111.50美元,较发行价高出34.3%。开盘竞价阶段不断上移的指示价格,最终变成了真正的成交价格。仅这一笔开盘成交,就涉及约1.08亿股、约120亿美元,首分钟成交规模达到约150亿美元。股价随后冲上115美元附近,一时把公司的完全摊薄估值推过2万亿美元。但股价迅速失去上涨动能。开盘一小时左右,股价已经退回100美元附近,下午最低触及92.72美元,最终收于97.17美元。全天成交约8.47亿股,估算成交金额达到860亿美元。IPO定价时约1.5万亿美元、开盘约2万亿美元、收盘约1.77万亿美元,都是完全摊薄估值,包含股票期权和限制性股票等潜在股份。按已发行在外股份计算,收盘市值约1.3万亿美元。因此,收盘价仍然给予IPO参与者丰厚的账面收益,却也意味着首批二级市场买家的大部分乐观预期当天就被重新定价。认购热情未能止跌AI板块Anthropic的发行需求极为旺盛,约一半机构账户没有获得股票,零售投资者最终获得的配售份额约15%,低于原先安排的上限。这可以解释为什么首笔交易价格如此之高:大量未获配股票的机构和个人,必须进入二级市场才能建立仓位。这甚至导致一些投资者卖出其他AI股票、转而买入Anthropic。这提供了观察真实AI市场的一个视角:上市可能首先重新分配了已有的AI投资资金,而不完全是吸引一批新钱进入整个板块。Argent Capital基金经理Jed Ellerbroek在路透社采访中表达了相近的看法:为了把Anthropic纳入投资组合,资金必须从其他地方调过来,因此不宜过度解读当天的涨跌。他同时承认,过去一两个月,自己已经下调了对数据中心资本开支增长的预期,黄仁勋离任及中期选举都影响了他的判断。但这并不意味着当天所有科技股下跌都源于Anthropic吸纳资金,还有独立的压力。AMD遭到Hunterbrook相关做空报告质疑,其中国业务成为焦点;市场也担忧利率维持高位,压低远期增长资产的估值。美股三大指数早盘一度上涨,纳指盘中最多上涨约2%,却最终转为下跌超过2%。Anthropic上市,未能如投资者所广泛期待的,成为整个AI板块止跌的拐点。它究竟是一家软件公司,还是一家重资产企业投资机构对Anthropic的评价并非流于看多AI与看空AI的层面。Fidelis Capital合伙人Herb Achey认为,Anthropic的上市是AI投资周期的重要利好,提醒市场不要忽视AI带来的长期结构性变革。TECHnalysis Research首席分析师Bob O'Donnell则认为,这次上市是恢复信心的重要一步,但之后还要看OpenAI、英伟达,以及美国数据中心政策的演变,才能判断行业是否真正稳定。持谨慎态度的机构,把焦点放在更具体的财务问题上。F.L.Putnam投资管理公司首席市场策略师Ellen Hazen提出了最尖锐的质疑:Anthropic的营收具有软件公司的快速增长特征,资产和算力承诺却越来越接近重资产工业企业。她把这种结构称为“期限错配”(duration mismatch)。公司需要提前多年锁定巨额算力,而大量客户收入按使用量产生,客户随时可能调整调用量。模型竞争格局也可能迅速改变。如果今天领先的模型明天不再领先,长期固定支出不会自动随收入下降。这正是定义Anthropic的一个最重要的数字,截至2026年9月底及其后签订的采购与租赁安排,约定支出总额达9009亿美元,绝大部分涉及算力和基础设施,其中4516亿美元预计在2030年底之前发生,余下大部分延续至2045年,表明Anthropic正在承担很长周期的资源配置责任。Anthropic的商业表现又确实惊人。公司第三季度收入达到170亿美元,同比增长约12倍,较第二季度增长47%。以第三季度收入简单年化,约为680亿美元,收盘完全摊薄估值相当于年化收入的26倍左右。而第三季度公司GAAP营业亏损5.67亿美元,调整后营业利润却达到25亿美元。两种结果之间包含股权激励、捐赠匹配费用等调整,调整后盈利并不意味着公司已经实现稳定盈利。同季度,短期采购的高价算力就产生了50亿美元成本。Anthropic实际上正在接受双重检验,它能否像软件公司一样扩大收入与利润,又能否像基础设施运营商一样管理长期投资和现金流。正因为如此,Great Hill Capital董事长Thomas Hayes虽然认可Anthropic是一家增长极快的优秀企业,却认为今天价格太高,未来一年可能出现更好的买点。财富管理机构Wealth Consulting Group首席市场策略师Talley Leger则主张等待上市后两三个季度的财务披露,再判断估值是否合理。AI产业链的估值逻辑正在分化过去几年的AI资本市场,不断强化并且试图永久持续一个叙事:模型能力不断提高,将持续创造算力需求,而算力需求会推动芯片、云服务和电力设施投资增长。Anthropic上市日的交易显示,投资者开始更严格地分辨其中每个环节的风险。英伟达股价下跌3.3%,博通与美光均下跌约2.1%,费城半导体指数下跌2.4%。CoreWeave和Nebius跌幅更大。它们的下跌不仅反映AI需求疑虑,还与各自的融资结构、供给约束和企业风险有关。Angeles Investments首席投资官Michael Rosen认为,AI算力需求依然强劲,但边际赢家和输家正在重新划分。拥有现成算力、强大资产负债表和经营现金流的巨头,可能比高度依赖新增数据中心投资的企业更有优势。他尤其指出,技术革命的长期受益者,未必只是提供技术设施的人,更可能是真正利用技术创造新产品和服务的企业。按照这一逻辑,芯片厂商的收入,是模型公司的算力成本。模型公司的收入,又是企业客户购买智能的成本。只有当终端企业利用AI创造的业务价值足以支持持续采购,整条产业链的增长才有更坚实的基础。Anthropic首先提供了最重要的证据:截至9月底,过去12个月为其贡献至少10万美元收入的客户超过1.19万家;其中超过1900家达到100万美元级别,约250家达到1000万美元级别。ChatGPT发布整整4年之后,AI已经不再只是靠消费者兴趣支撑的聊天机器人公司。但token使用量快速增长,并不等于客户的真实投资回报已经得到普遍验证。企业可能在探索期扩大AI预算,也可能因为业务整合复杂、推理成本过高或效果不稳定而放慢采购。这些迹向已经开始出现。在2027年,客户续约率、智能体在生产工作流程中的实际采用、单位智能生产成本和客户真实ROI,将比单纯的token调用量更有解释力。Anthropic的发行成功,未能恢复整个AI板块的热情:市场依然渴望买入真正具有竞争力的AI企业,但对过高价格、过长投资周期以及可能无法兑现的资本开支承诺,正在变得更加敏感。安全使命的市场定价现有Anthropic的治理结构也提醒投资者,它为规避AI安全风险所构建的所有制度,可能成为投资的风险,还是长期看好的理由?阿莫迪在纳斯达克开市活动中再次强调AI的巨大价值与真实风险。他认为,技术可能带来经济增长和科学进步,也可能造成滥用、经济冲击甚至失控,避免这些风险依赖开发者作出的选择。在这一天,Anthropic同时成为一家公众公司。它的长期利益信托拥有多数董事席位的选任权,创始人通过特殊股权结构保留一般股东事项的多数表决权。这意味着公众股东可以自由交易ANT,却不拥有一般上市公司那样的治理控制力。这套治理设计的意义,未来可能十分现实:如果一款更强的Claude模型存在未解决的安全风险,公司决定推迟发布,董事会能否承担随之而来的收入压力?当巨额算力合同需要持续支付时,安全原则能否在资本市场的审视下继续发挥作用?这些问题并没有在IPO首日得到回答,但它们正在从公司内部治理问题,变成投资者可以用股价表达意见的公共议题。2026年即将过去,它留下的重大问题是,世界到底愿意为AI建设多少算力;2027年更重要的问题将是,这些算力所生产的智能,究竟能够创造多少可以持续收取费用的经济价值。Anthropic上市首日并没有宣告AI泡沫破裂,也没有即刻扭转AI市场的下跌。它更像是一次从AI能力信仰,走向AI经济回报核算的市场交接。2026年11月,从中期选举,到黄仁勋事件,再到Anthropic上市,也是ChatGPT横空出世整整四周年,成为AI走入真正下半场的分水岭。
马斯克真正的超能力,是让全世界替他付学费
虎嗅 · 2 天前
本文来自微信公众号: TOP创新区研究院 ,作者:政策研究组最近有一部关于Elon Musk的纪录片非常火,片名就叫《Musk》,将近四个小时,中间要放十分钟中场休息。《Musk》海报导演亚历克斯·吉布尼拿过奥斯卡,拍过安然,拍过血检骗局的伊丽莎白·霍姆斯,拍过山达基教会。威尼斯首映时全场起立鼓掌好几分钟。Variety的记者半开玩笑地补了一句:掌声没持续更久,是因为大家坐太久了,急着出去活动腿脚。这部片子最出圈的设定,是主角一秒钟都没有真正出场。马斯克拒绝受访。吉布尼干脆用AI造了一个"数字马斯克",喂进去他这些年公开说过的每一句话,让它对着镜头回答问题。导演亚历克斯·吉布尼团队用CGI数字分身模拟了马斯克的访谈真人马斯克在X上骂导演是白痴、是糟糕的人,律师发函指控诽谤。一部电影,就这样变成缺席审判:天才,还是骗子?我们印象深刻的是一张旧照片——那是2000年代,一辆蓝色Roadster被举升机架在半空,充电线一圈圈垂到水泥地。马斯克肩上扛着一圈充电线走过,脚边的木箱上印着TESLA MOTORS。车库,木箱,一个人。这很有硅谷英雄主义色彩,但真正托住这家公司,是:一座通用和丰田合资造车25年后关停的旧厂,一笔能源部低息贷款,一张火箭未入轨就签下的NASA合同,还有十年后在上海临港不到一年拔地而起的产能。简单说,马斯克做的是承诺前置:先卖出未来,再调动政府、资本和城市把它造出来。很自然地,导演吉布尼对这个人的定义是21世纪的“信心骗子”——先取得信任,再拿走钱。他在威尼斯说得更直:马斯克的故事算不上新的科技故事,是旧酒换了新瓶。影片先拆“创始人”身份。特斯拉联合创始人马丁·埃伯哈德最介意很多人如今以为特斯拉由马斯克创办。他认为,马斯克最强的天赋在融资(找钱)和抬高估值(让市场给高价);“创始人”像融资桌上的名片,所以他一直想要。埃伯哈德说,若能重来,他不会交出那么多控制权。再往下,讲的是承诺。影片用很长篇幅讲Autopilot。辅助驾驶,说到底是机器搭手,司机仍要负责。影片把它和60多起死亡事故及诉讼连在一起,放出一起致死车祸的报警录音、警方视频和车载画面:马斯克反复说“自动驾驶已经来了”,有人信了,松开方向盘,事故发生了。然后是火星那部分。“二十年内建成自给自足的火星城市”被逐条拆开:没有可呼吸空气,辐射太强,短期看不到解法。影片认为,他卖的是科幻梦。还有政治部分。多位受访者认为,疫情期间特斯拉工厂被迫停工,是他政治转向的起点。影片主张,他2024年押注特朗普,与旗下公司依赖联邦合同、身处多项监管调查有关。片尾几分钟,“AI教父”辛顿谈DOGE接触过的政府数据用于选举的风险。吉布尼对《时代》承认,他们不知道数据去了哪里。剩下的大段篇幅给了家庭。前妻、前伴侣和父亲依次出镜。虽然讲法和马斯克本人多有出入,其中一些说法已被他公开否认,但影评几乎一边倒叫好,烂番茄新鲜度98%。大家认为,美中不足的是新料不多:多数事实早已见报,艾萨克森2023年的传记也写过不少。但影片的力量来自汇编,把十几年的碎片拼成连续形状。但导演的骗子模型解释得了承诺和兑现的差额,却解释不了兑现的部分。《华盛顿邮报》去年初统计,猎鹰9号约每三天发射一次,载荷有美国侦察卫星、竞争对手卫星和自家星链。可回收火箭(用完还能回来)把单次发射价压到同行够不着的位置,五角大楼和NASA就是最大受益者。特斯拉也长期占着美国电动车市场最大份额。骗子散场,通常留下一地鸡毛。很少有骗子散场,留下一条每三天点一次火的生产线。吉布尼说旧酒新瓶。酒也许确实旧:夸张承诺、渴望权力、对批评者睚眦必报,历代强人身上都有。瓶子的确是新的,这个瓶子由21世纪的国家、资本市场和几座城市一起吹出来。我们先来算政府的账。2025年初,马斯克正带DOGE在联邦政府砍开支、裁人员。《华盛顿邮报》当时算账:二十多年来,他的公司从各级政府拿到合同、贷款、补贴和税收抵免,至少380亿美元,近三分之二来自最近五年,机密国防和情报合同未计入。马斯克的公司从各级政府拿到的钱更关键的是,钱几乎都落在公司快撑不住时。比如2008年,马斯克刚接手特斯拉CEO,公司现金见底。他每天盯能源部低息贷款材料;临近圣诞节,发现还缺一张环保署认证,直接写信给环保署署长,留下手机号,说随时待命。2010年,4.65亿美元贷款到账。特斯拉用它开发Model S,买下弗里蒙特工厂。六个月后,特斯拉上市。一位前高管说,没有那笔贷款,特斯拉活不下来。后来马斯克提前还清贷款,还专门发声明感谢美国纳税人。另一笔钱是监管积分。美国联邦和加州要求车企卖出一定比例零排放车,不达标就得买积分。像低碳考试没考够分,只能向满分同学买分。特斯拉是最大卖家。2014年以来,特斯拉靠卖积分赚了114亿美元,约占同期利润三分之一。2020年是它第一个全年盈利年份,账面利润8.62亿美元;如果扣掉积分收入,这一年会亏掉7亿多。特斯拉第一个盈利年的利润拆解特斯拉的第一个盈利年,有一大块是传统车企替它买的单。再看SpaceX。2006年,猎鹰1号一次轨道都没上过,NASA就签下2.78亿美元空间站货运合同。2008年,猎鹰1号第四次发射终于入轨,几个月后,NASA又给了16亿美元。美国审计署2011年发现,即使SpaceX的里程碑验收节点一再延误,最长拖了两年,钱照样在付。SpaceX总裁格温·肖特韦尔2013年承认,这里的一切,NASA和SpaceX各占一半功劳。贝索斯2016年在蓝色起源内部酸酸地说:埃隆的超能力,是拿到政府的钱(而他自己拿不到)。耶鲁管理学院的桑能菲尔德教授给过一个对比:英伟达、微软、亚马逊、Meta,没有一家像马斯克的公司这样依赖联邦资金。所以,结论是:首富是纳税人供出来的。不过这个结论有点太轻率了。同一批补贴向所有电动车企开放;拿过能源部同一贷款项目的菲斯克,几年后破产。《华盛顿邮报》也承认,享受同样政策的公司里,没有第二家做到特斯拉的统治力。可回收火箭压低发射价,也替NASA和五角大楼省钱。国家扛下最早、最贵、没人愿碰的风险,马斯克把它做成别人追不上的规模。像有人先凿好陡坡,登顶仍要靠自己。国家给了第一推动力。把他推向万亿的,是资本市场。资本市场买未来索罗斯有个词叫反身性,就是股价会反过来改写公司本身。饭店排队越长,路人越觉得好吃;人越多,老板越容易借钱开分店;分店越多,队伍又更长。公司也是这样:估值越高,融资越便宜;融资越便宜,扩产越快;扩产越快,估值又越高。叙事就是这个循环的燃料。SpaceX上市是极致样本:2025年初到2026年3月底亏87亿美元,上市当天估值近2万亿美元。法新社测算,马斯克持股约42%,握79%投票权谁说了算。他今年2月说,身家里现金不到千分之一。招股文件规定,股票上市一年内不能卖,像锁死一年的存单。SpaceX上市:亏损与估值1.1万亿美元,几乎全部是市场此刻愿意相信的未来。让人不安的地方就在这里:如果财富由相信堆出来,“让人相信”就成了最值钱的生产能力。影片批判的本事,正是资本市场定价最高的本事。这二十年来有个规律:危险时刻,他总能找到别人留下的、已经平整好的地。弗里蒙特最典型。今天全球市值最高的车企之一,第一座主力工厂来自两家传统巨头放弃的旧厂。湾区东南角的NUMMI工厂,通用和丰田在这里合资造了25年车,是美国汽车史上著名的“丰田生产方式进美国”试验场。通用破产重组后退出,2010年4月工厂关门。Tesla Fremont Factory一个月后,特斯拉宣布买下这片厂区的55%:约540万平方英尺厂房,土地加厂房一共4200万美元。之后又花约1700万美元买下部分设备和备件。同一时期,丰田入股特斯拉5000万美元。4200万美元,在当时湾区买不了几栋像样写字楼。特斯拉买到一座现成汽车厂:厂房结构、排放许可、本地供应商网络,还有一批刚失业、会造车的熟练工人。一座新车厂从选址到投产通常要好几年。弗里蒙特省下的最值钱东西,是时间。再看霍桑。SpaceX总部在洛杉矶南边,那栋厂房原本给波音747造机身段。这里从二战起就是美国航空航天腹地,诺斯罗普、TRW、航空航天公司扎堆。早期发动机负责人汤姆·穆勒就来自TRW。马斯克最早招到的那批火箭工程师,很多人不用搬家。他们只需要换一个停车场。临港把这件事做到了极限。项目落地前,特斯拉离悬崖很近:2019年第一季度净亏7亿美元,交付量从上一季度9万多辆掉到6.3万辆,市场普遍认为它又得融资。上海的时间表快得反常:2018年5月,特斯拉注册独资公司,成为中国放开新能源车外资股比限制(不再要求合资)后的第一个外商独资整车项目;7月签约;10月以不到10亿元拿下临港近1300亩地;2019年1月7日开工;12月,首批国产Model 3交付。当年开工,当年投产,当年交付。上海工厂时间线:从注册到首批交付上海官员后来对央视说,传统流程要15个月,实际只用5个月。2019年初,发改委把汽车投资项目从核准改为备案(先批后建改成登记后建),审批权下放地方。中国银团提供不超过5.21亿美元一年期贷款,利率为央行基准九折。马斯克说,上海工厂的钱大部分在中国筹——他把中国的杠杆用到了机制。特斯拉拿到救命的产能和成本;上海拿到被逼升级的供应链,以及一群被鲶鱼搅醒的本土对手。后面投产时零部件本土化率约30%,2025年升到95%;2024年,上海工厂交付超过91.6万辆,占特斯拉全球交付量一半。到了Starbase,地块干脆长成城市。今年6月SpaceX上市,马斯克没去纽约敲钟,而是在得州最南端的星舰基地远程参加开市仪式。这片墨西哥湾边海滩2025年刚投票建市,名字就叫Starbase。这几块地的共同点是:都有现成存量的闲置工厂、有工程师池、有愿意为项目改写流程的地方政府。不过,地方可以复制:弗里蒙特之后,美国还有很多关门车厂;临港之后,中国还有很多开发区愿意开绿灯。可第二个马斯克没被复制出来。马斯克就是最稀缺的那个变量,是——近乎极端的风险偏好。2008年,猎鹰1号已炸了三次,他把仅剩的钱同时押在两家快倒闭的公司上。正常商人多半会保住一家,放弃另一家。纪录片把这种性格叫自恋和赌性。地方政府和资本市场把它叫敢干。谁能讲这个故事本身也是权力这部片子的命运,也是故事的一部分。环球影业2023年买下海外版权,威尼斯首映后迟迟不定档,一度传出退回版权,直到10月初才据报谈妥。HBO Max原是流媒体归宿。派拉蒙吞下华纳后,吉布尼公开怀疑片子还能不能在那里上线,因为参与交易的科技圈人物和主角走得很近。因马斯克发出的法律威胁,环球影业一度犹豫是否推进该纪录片的发行真正把电影送进影院的,是独立发行商Bleecker Street。它还因需求太旺,把上映日期提前了一周。一部讲权力的电影,在发行环节先撞上了权力。片子里,父亲埃罗尔留下一句话,大意是:别跟埃隆对赌,你会输。放在四个小时的批判之后,这句话听起来像警告,也像预言。押注埃隆的不止他自己:2006年签下第一份货运合同的NASA,2010年批出贷款的能源部,2018年把审批压到5个月的上海,2026年6月在纳斯达克抢购SPCX的投资者。他们都押了。到目前为止,大多数都赢了。吉布尼想回答“他是谁”。这个问题,四个小时也许够了。“他是怎么来的”,还需要另一部片子。那部片子的主角,会是弗里蒙特那座关门的车厂、能源部的一间贷款审批办公室,以及上海临港那片海边的开发区。
驴友违规穿越秦岭遇难,家属起诉救援队败诉,组织者和同行者赔偿18万
虎嗅 · 2 天前
本文来自微信公众号: 徒步中国 ,作者:小海,原文标题:《驴友违规穿越秦岭遇难,家属起诉救援队败诉,组织者和同行者赔偿18万!》11月18日,西安市长安区人民法院沣峪人民法庭对秦岭“4·21”驴友遇难案作出一审判决。陈某和崔某在这次穿越中遇难,陈某家属提起诉讼。法院认定,陈某明知路线禁入仍进山,对自身死亡承担主要责任。活动组织者廖某承担10%的赔偿责任,同行者刘某承担5%,两人合计赔偿18万余元。被起诉的民间救援人员、公益救援中心和当地秦岭保护执法部门均无过错,不承担赔偿责任。四个人进山两个人遇难2025年4月,廖某在微信群里约人走秦岭“光鹿跑兵冰”。名字取自沿途的光头山、鹿角梁、跑马梁、兵马营和冰晶顶,全程约40公里,平均海拔约2500米。法院查明,这条穿越线路在2020年就已被明确禁止。群里十几个人表示想去,最后成行的是廖某、陈某、刘某和崔某。陈某交了120元包车费。4月20日夜里11点左右,四人来到西安市鄠邑区营盘沟一带,绕开检查,穿过隔离设施进了核心保护区。据幸存者回忆,进山后起初走得顺利。第二天上午10点前后,山里起了七八级大风,雨雪一起打下来。回忆者的冲锋衣湿透,里面的衣服也湿了。到兵马营附近,风大到没法停下来等人,四个人渐渐走散。最后廖某、刘某脱险,陈某、崔某失联。据媒体报道,21日清晨还有家属能联系上山里的人,下午4点左右就断了联系。当晚9点多,同行者在一个户外应急微信群发出求助,一名民间救援人员看到消息,开始发寻人信息。当时他还没联系上家属,也拿不准失联者是在继续走原路,还是从别处下山。线路有40公里,岔口多,他回忆,到22日清晨4点半左右,他才把搜索的重点转向迷路或走了非常规下撤线路这两种可能。家属在21日深夜得知失联,向多方求助,22日清晨报了警。他们请那名民间救援人员找熟悉山地的人进山,提出每人给1000元。按他的说法,他花了一两个小时凑齐约十个人,把人分成三路上山。队员带的是家属临时买来的水、方便面和小面包。22日早上,西安市晨曦减灾应急救援中心接到派出所的协助电话,也赶往现场。负责人后来回忆,他们经过秦岭分水岭时,听别的驴友说可能已经有一人遇难,消息还无法确认。赶到现场向派出所说明情况后,他们派队员进山。按这名负责人的说法,晨曦队员和受托上山的救援人员各找到一名遇难者。另一名参与搜救的队员记得,他们凌晨到山脚,早晨五六点进山,从兵马营下方的沟底往上找,途中有瀑布和碎石。上午11点左右,陈某和崔某先后在主路附近的草甸上被发现,相隔不远,都已没有生命体征。发现他们的地方已在安康宁陕境内。受托联络搜救的那名救援人员说,他们这批人晚上10点左右才下山。受托找人的救援人员说,找到遗体当晚,家属就提过要起诉。他以为是气头上的话,临近9月收到法院传票,才知道自己真的成了被告。说起收到传票时的感受,他说“有点膈应”。他原来所在的秦岭牛马队已于当年6月解散,据他说,原来的队伍此后也不再主动介入搜救。陈某的妻子等五名家属提起诉讼。除这名救援人员外,组织者廖某、同行者刘某、晨曦救援中心和西安市鄠邑区秦岭生态环境保护和综合执法局也都被列为被告。陈某家属要求赔偿死亡赔偿金、丧葬费等共150余万元。4·21两名失联者的遇难地点(红圈部分)图/红星新闻晨曦的一名负责人说,队员是接到派出所的电话才进山帮忙的,一分钱没收,却也成了被告。他觉得心寒,问以后碰上山地救援,去还是不去?9月22日,中心另一名负责人谈起这件事,说自己理解家属失去亲人的心情,也担心旁人一听救援队被告,就以为事故出在救援上。再接到警方的求助,队伍还是会出动。她说,“不怕被告,只怕没人敢救。”案子于2025年9月17日开庭,11月28日双方再次交换证据、质证,12月17日第三次庭审结束。到了今年11月18日宣判这天,曾经上山找人的队员也来了,坐在旁听席上。此前庭审中,部分参与救援的人员在法庭外等候。图/红星新闻法院为什么这么判法院把案子作为生命权纠纷审理。法院认定,陈某清楚这趟穿越的危险,也知道核心保护区禁止进入,仍在深夜绕开检查进山。法院把这一选择认定为自甘冒险,认为陈某对自己的死亡存在重大过错,应当承担主要责任。廖某专门建群,选定路线,联系车辆、收包车押金,还带人避开监管进了禁区。法院据此认定廖某是组织者。陈某、崔某失联后,廖某上山找过人,也联系了救援。法院仍认定廖某在组织这次违规穿越时存在过错,判他担责10%,赔偿122721.30元。同行的刘某明知活动违规仍积极参与,法院认为刘某的行为促成了这次危险活动,对损害后果起到一定作用,判他担责5%,赔偿61360.65元。陈某家属指称,那名民间救援人员劝阻报警,耽误了最佳救援时间。法院查明,他确实提过“暂时不报警”,也在接到求助后发布消息、联系车辆、组织人员赶往现场。法院认为,是否报警始终由现场人员和家属决定,他提出的是救援中的建议。法院认定他没有过错,陈某家属提交的证据也不足以证明这句话与死亡有法律上的因果关系。晨曦救援中心应公安机关和家属请求出动,也没有收费,法院认定它在救援中没有过错。判决还提到,把损害后果归给善意施救者,会影响公益救援。当地秦岭保护执法部门同样不担责,法院查明,营盘沟有管理站点和执法铁门,设有隔离设施和禁入警示。几名驴友深夜绕开防护设施进入,现有证据不足以认定管理部门有过错。其余诉讼请求被驳回。陈某家属表示对一审结果不太满意。陈某家属、廖某和刘某均当庭表示保留上诉权利。两路救援的被告和当地秦岭保护执法部门则表示服从判决。自甘风险在户外怎么判《民法典》第1176条讲的“自甘风险”,说的是自愿参加有一定风险的文体活动,因其他参加者的行为受了损害,一般不能要求对方承担侵权责任。对方有故意或者重大过失,仍然可以请求赔偿。法院会看是谁的行为造成了损害,以及这个人在当时的情况下错到什么程度。最高人民法院公布过一起帆船比赛的案例。上风船没避让,转弯绕标时碰坏了另一条船。法院认为,转弯是比赛需要,当时属于判断失误,证据不足以认定船员有故意或重大过失。另一条船在突发状况下没能避开,法院同样没有认定故意或重大过失。最后,两边各自承担自己的修船损失。这条规则从2021年1月1日起随民法典施行。最高人民法院《关于适用〈中华人民共和国民法典〉时间效力的若干规定》第16条还明确,民法典施行前,自愿参加有一定风险的文体活动受损引起的纠纷,也适用第1176条。这条司法解释解决的是旧案用哪部法。秦岭案发生在2025年,当时民法典已经施行。回到山上,如果是自己踩滑摔下去,或遇上突变的天气,谁该赔仍要看有没有人的过错造成或加重了损害。第1165条讲的是过错造成损害要担责。第1173条讲的是受害者自己也有过错,可以减轻侵权人的责任。秦岭案一审所说的陈某“自甘冒险”,指的是他明知禁入和危险,仍选择进山。现有公开报道交代了刘某被判赔5%的理由,判决在这一项具体援引了哪条法条,还要看判决书全文。至于组织者,第1176条第2款指向第1198条至第1201条。拿几起登山案来说,第1198条要求组织者尽到安全保障义务。路线是谁定的,具体危险有没有讲清,队员走散了能不能及时发现,都是组织者实际能做的事。没尽到合理的安全保障义务并造成损害,才需要承担相应赔偿。至于紧急救助,《民法典》第184条保护自愿施救的人。有人心跳骤停,旁人做胸外按压压断了肋骨,施救者无须为这种损伤承担民事责任。秦岭案里,家属追问的是报警建议有无延误救援,法院审查的是救援人员实际做了什么,以及这句话与死亡后果有无因果关系。宣判前也有媒体评论提出,几路救援同时进山时,谁接受了家属的委托、答应做什么、费用怎么谈,最好及时说清楚。据媒体报道,2024年11月,55人参加了一次每人69元的AA登山活动,目的地是济南章丘。组织者建群、联系大巴,给参加者买了保险,报名须知也写明不能擅自离队。下午,一名驴友跟另外四人下山后,没去集合点,也没通知领队,转去爬旁边一座计划外的山。他失足摔下山坡,没能活下来。组织者接到消息后打了急救和报警电话。聊城市东昌府区人民法院认定,死者擅自离队攀爬危险山顶,自身有明显过错。组织者在出发前提示过安全事项,配了领队和安全绳,但没有提醒路线周边的危险,也没及时发现有人离队。法院判组织者承担5%的赔偿责任,向家属赔偿46994.73元。聊城市中级人民法院二审维持原判。河南南阳还有一起野山一日游坠亡案。召集人在群里写“强度不高,老少皆宜”,每人收60元,称是非营利的AA自助游。一名参与者在山上坠亡。宛城区人民法院认定,组织者没有把路线和危险讲清楚,也没采取必要的防护措施。遇难者是成年人,路边已有未开发区域的警示,他仍进入不熟悉的危险地段,应承担大部分责任。法院判组织者担责15%,赔偿家属13万余元。我们为什么劝你别随便AA组队我们过去劝大家不要随便AA组队,说的是队友刚认识,带路的人可能也没带过几次队,出了事也没人能在山里替你兜底。真要等到搜救,代价可能就是你的命。现在法院把另一笔代价也写进了判决书,出了事,还要算钱。对组织者来说,群里那句“一起爬山吧”发出去,后面如果是你定路线、拉人报名、安排车和领队,你就有了相应的安全保障义务。章丘那起案子,须知里明明写着不能擅自离队,对方还是跑去爬了计划外的山。法院照样会问,路线周边的危险有没有提醒到,有人离队时你有没有及时发现。该承担的那部分责任,最后要赔钱。对参加的人来说,这三起登山案里,组织者被判赔的比例是5%到15%。这点赔偿,家属要到法院去争。走丢的是你,摔下去的是你,去法院等开庭的是你家里的人。商业团也会出事。我们劝大家挑队伍,挑的是出发前真有人去踩线,知道哪些风险需要提前准备。要过需要保护的地段,队伍得带保护绳,也得有人会用。合同把服务和责任写清楚,保险也要覆盖这趟活动。光这些事,就得花人手、时间和钱,正规商业团的费用,有一部分就花在这些准备上。遇到当地明令禁止进入的线路,第一件该做的事是改线。大自然的美没有变,我们对它的敬畏也不应该变。平安进山,平安回家。
全球最大规模IPO、10大药企9家买单,Anthropic刚刚上市
虎嗅 · 2 天前
本文来自微信公众号: 动脉网 ,作者:姚敬美东时间11月19日,Anthropic正式登陆纳斯达克,发行价定在每股83美元,高于之前70~78美元的询价区间。该公司发行9.8亿股A类普通股,此次公开发行募得约813亿美元,加上260亿美元私募配售,总募资突破千亿美元。超过SpaceX6月含超额配售的862亿美元,一举成为全球史上规模最大的IPO,也是首家登陆美股的前沿AI实验室。首个交易日,开盘111.5美元(+34.3%),盘中最高115.1美元(+38.7%),收盘97.17美元,首日收涨17.07%,总市值约1.27万亿美元。Anthropic正式登陆纳斯达克,图源Nasdaq这家公司2021年由达里奥・阿莫代伊等人从OpenAI出走后创立,以Claude系列模型在编程、企业知识工作和复杂文本处理上建立优势,亚马逊持有其23.8%的已发行股本。在医疗行业领域,全球前10大药企,有9家是它年付10万美元以上的客户;前10大医疗公司,也有8家是其客户。募资结构,据招股书和公开数据制图260亿美元私募配售的认购方,包括谷歌和英伟达各100亿美元,另有AMD、博通、美光、微软和台积电。这七家同时也是它的芯片或云服务供应商。有分析认为,这笔钱有可能以算力账单的形式回流。供应商、客户、股东三重身份叠加在同一批公司身上,是这笔IPO最特殊的地方。01招股书把医疗写在了首页招股书开篇是七位联合创始人的致投资者信,里面列举了AI最可能改善人类生活的四个方向,排在首位的就是生物学与医学,直言多种疾病的治疗都有望突破。医疗与生命科学也同时被划在正被AI改造重塑的行业和下一个十年愿景里的行业。也是少数给出市场规模数字的行业,招股书援引IQVIA的数据,2026年全球药品支出预计超过2万亿美元。只是招股书中没有单独披露该公司在医疗与生命科学业务的收入,也没有给出该领域的收入预测,所以目前只能看渗透率,还无法换算成收入占比。02三年铺垫,先建规则,再卖产品Anthropic在医疗行业的布局,是先定安全规则,再上产品。2023年9月,它发布负责任扩展政策,用安全等级给前沿模型的能力风险分级,核心评估维度包括化学、生物与核相关。从2025年5月发布的Opus 4到2026年9月的Opus 5.5,生化能力被单独评为CB-1,意味着模型已经可以协助已知的化学与生物任务,强到需要单独管控。截至目前还没有任何一款模型达到更高一档的CB-2。2026年9月,分级从内部规则变成了对外产品。生命科学验证计划(LSVP)开放测试,通过审核的机构可以拿到两档权限,标准使用覆盖日常科研,按团队授权、每年续期。高风险使用针对双用途研究等场景,移除大部分生命科学拦截,但只按单个项目授权、每六个月续期。配套的监管方式也从实时拦截改成离线监控,流量数据保留30天,异常不直接封号,而是标记给机构管理员处理,并且这些数据不用于模型训练。Anthropic医疗业务结构,根据招股书制图2026年4月,时任诺华CEO的Vas Narasimhan进入董事会,这是它首次把制药业的一线决策者放进最高治理层,比产品发布都更能说明医疗在企业内部的位置。这套打法的核心在于合规,能力范围、使用权限、怎么审计,对医院和药企来说,这是采购的必要前提,对监管者也是有据可依。03科研端,把实验室塞进对话框Anthropic产品化从2025年10月的Claude for Life Sciences开始,走的是连接器路线。产品接进Benchling、10x Genomics、BioRender、Synapse.org和Wiley Scholar Gateway;2026年1月又补上Medidata的试验数据、ClinicalTrials.gov、bioRxiv与medRxiv预印本、Open Targets、ChEMBL和Owkin的病理分析智能体。配套的skills能从单细胞RNA质控、试验方案草案、科学问题遴选,一路做到Allotrope数据格式转换,并驱动scVI-tools、Nextflow这些分析流程。2026年6月底上线的Claude Science,把这套能力收进一个工作平台,通过连接60多个科学数据库,交付可审计的图表和带可复现代码的稿件,算力可以跑在实验室自己的机器、机构集群或云上。更关键的一步在硬件,Model Hardware Standard是一个与模型无关的开放协议,让智能体能够识别并安全操作显微镜、移液工作站和现成机械臂。协议开放,意味着它想做的不是某一台设备,而是设备与模型之间的通用接口。据公司披露,9月其研究团队借助Claude发现了一个具有CRISPR样重复序列的新酶系统。10月,内部研究模型设计出针对蝎毒神经毒素的微型结合蛋白。11月,它公布原核生物中vault颗粒的首个三维结构。同期,Claude优化了30多个开源生物分子模型,平均提速约4倍。虽然这些是早期结果,离成药还远,但至少证明模型参与发现不再是幻想。04临床与支付,只做流程加速器2026年1月的摩根大通医疗健康大会上,Claude for Healthcare把同一套逻辑搬进临床与支付端。产品以HIPAA-ready为前提,面向医院、支付方和医疗科技公司。其中,CMS覆盖数据库(含地方与国家覆盖判定)支撑预授权与申诉,ICD-10支撑编码计费,NPI Registry支撑医师核验与网络管理,PubMed上3500万篇以上文献可以检索,并具备FHIR开发与预授权审查的Agent技能。落地场景包含预授权审查、理赔申诉、患者门户消息分诊与转诊交接、临床文档。它的定位是有人负责裁定的流程加速器,不碰终端诊断结论。礼来2024年开始用Claude,先嵌进内部AI平台和开发工具;2025年7月向约1万人开放,主要在研发部门;2026年4月扩展到全公司,成为首家大规模全员铺开的大型药企。在法务合规、技术、财务、肿瘤和研发五个职能部门中,超过85%的全职员工超5万人在活跃使用。2026年10月,它又开始试点Claude Science。赛诺菲的内部助手Concierge也由Claude驱动,约6万名员工每天使用,覆盖从研发到人力到工程的所有业务单元。诺和把Claude用在临床文档和药物开发的内容自动化上;Genmab用它做GxP合规产出;BMS用它解锁跨部门的历史知识;基因泰克把它接进实验室工作流,做自主闭环实验室的底座;艾伯维用它支撑医学洞察;Cepheid用它起草诊断产品的注册文档。阿斯利康把它纳入AI驱动药物研发的整体框架。企业客户数量,根据招股书数据制图医院与支付侧的客户名单更长,他们共同点是把Claude嵌进了需要留痕、需要审计、需要人签字的工作流。这既解释了客户数为什么能从1500家涨到1.19万家,也解释了它的净收入留存率为什么能到900%这种不合常理的水平。05从卖铲子到挖矿产品化和客户合作之外,Anthropic还亲自下场。2026年4月,它收购了计算生物学公司Coefficient Bio。7月,它又收购了Mithril Medicine,这家公司的两条罕见病管线由一个人和Claude来推进。Claude已经被客户、合作伙伴和自己的研究人员共同用于药物发现与开发,公司正在构建能在研发链条全域支持科学家的智能体。2026年9月22日,Anthropic与OpenEvidence宣布合作。由Anthropic提供模型、工程师、Claude额度与资金,OpenEvidence负责本地化,把基于Claude的临床决策支持工具免费开放给约100个中低收入国家的医生。Anthropic还与盖茨基金会签了四年2亿美元的合作,AI for Science项目向全球科学家提供免费额度,2026年8月一次开放1万名科学家免费起步,10月又扩展到20家科学基金会与研究机构。这些动作短期内不会体现在财务报表里,但未来新兴市场的医生入口、以及AI参与科研的公共叙事,它都提前卡了位。06医疗AI巨头的发展路线招股书点名的竞争对手是OpenAI和谷歌。放在医疗场景里,微软和亚马逊也不能忽略。OpenAI在1月推出ChatGPT Health,可同步检验结果、病历和健康应用数据。4月的ChatGPT for Clinicians对通过认证的医疗从业者免费。手里握有2.3亿用户的健康提问入口,医疗版还通过Epic以只读方式接入美国3亿多患者的病历,瞄准的是入口。谷歌走研究驱动加生命科学实体路线。包括Gemini for Science工具套件、Med-Gemini医学模型、Isomorphic Labs、Google Cloud医疗数据引擎,以及AlphaGenome这类超大规模变异预测工具。它抢的是研究基础设施。微软则深耕院内工作流与诊断智能。MAI-DxO在新英格兰医学杂志的病例测试中准确率85.5%,同组21名资深医生的平均准确率在20%上下;通过Nuance DAX的Dragon Copilot把环境听写和临床文档嵌进医院既有流程。亚马逊的Amazon Connect Health是满足HIPAA要求的医疗智能体平台,宣称最多可把80%的医疗行政任务自动化;自营的One Medical也接入了智能编码。和他们争抢各种入口不同,Anthropic没有终端应用,不做诊断结论,但把模型生化能力分级、对生命科学专业人士分级开放做成了公开制度。它在抢的是医生背后的系统和证据的技术底座。07招股书里与医疗有关的几页支撑万亿美元估值的是营收曲线。Anthropic收入从2023年的4100万美元涨到2025年的45.85亿美元。2026年上半年162.86亿美元,前三季度332.4亿美元,同比增长约1200%;第三季度单季169.6亿美元,环比增长47%。只是盈利还没稳定,第三季度经营亏损5.67亿美元,而第二季度还有9.74亿美元经营利润。转盈为亏的直接原因是短期算力采购成本增加约50亿美元,计算与基础设施成本占营收的比例从48%升到58%,每1美元算力投入产出的营收从2.08美元降到1.72美元。医疗业务在报表里依然隐形,前三季度没有单独披露医疗与生命科学的收入,也没有做任何预测。能跟踪的,还是客户名单、生命科学的方向和湿实验的进展。对国内行业来说,由于支付方和合规方式不同,Anthropic的商业模式并不能照搬。19日的上市只是开始,它每个季度披露的客户结构、生命科学方向的进展、湿实验室和自研管线的动静,都是判断AI+医疗发展的参考坐标。
“腾讯到了生死存亡”,马化腾亮牌
虎嗅 · 2 天前
本文来自微信公众号: 中国企业家杂志 ,编辑:李原,作者:闫俊文自由现金流转负,“字节时间”压顶,腾讯组织变革箭在弦上。11月11日,在本应轻松的“腾讯周年庆”上,马化腾向11.9万名腾讯员工抛出了尖锐警示。他开场就定下基调:“今天我和Martin(腾讯集团总裁刘炽平)穿的一黑一白,难听的话我来说。”马化腾措辞前所未有地严厉:“远处浪潮已经吞没一个个山丘,你不能还坐着欣赏。”并直指组织顽疾,“不要让中间传话的不想动还霸占地盘的干部成为阻碍,山头主义、地盘意识都要完全打破”,“选择适应新打法的人,要干脆”。11月16日,“腾讯文化”公众号刊发讲话纪要,把寒意坐实:“这场智能革命,不主动投入拥抱,就会被颠覆,是生死存亡的命题。”11月18日腾讯发布的第三季度财报,让马化腾向下传递的危机感更加有迹可循。腾讯当季收入2073.36亿元,同比增长8%;经营盈利591.47亿元,同比下降7%。腾讯也披露了AI办公和MaaS(模型即服务)的战绩。第三季度,WorkBuddy日活超1000万,年化收入突破5亿美元,第三季度收入是第二季度的5倍以上。在WorkBuddy火爆加持下,第三季度,腾讯MaaS收入环比增长两倍多。其中,WorkBuddy贡献了100万亿的日消耗Token规模——作为对比,字节跳动火山引擎今年6月披露,豆包大模型日均Token用量突破180万亿,其中也有Seedance系列爆火的因素。据《中国企业家》了解,腾讯WorkBuddy、火山引擎、阿里云正围绕MaaS存量客户展开激烈争夺。腾讯云一线销售提升了推销TokenHub的力度,策略重点是挖掘字节、阿里云的存量客户,而非拓新。不过,利润的下滑以及英伟达事件引发的对国内算力供给的担忧,导致11月18日第三季度财报发布后,腾讯股价隔日跌去6.71%,创2026年新低,股价较年初跌去约44%。资本开支吞噬现金流第三季度,腾讯的资本开支因算力的大笔投入,受到了严峻挑战。第一季度,腾讯的自由现金流还是567亿元。第三季度,这个数字已经变成了负691亿元。腾讯披露,现金流主要是被资本开支651亿元、媒体内容付款46亿元及租赁负债20亿超额抵销。2026年前9个月,腾讯公司的资本开支规模达到了1660亿元,主要用于算力基础设施的搭建,尤其是推理——要为WorkBuddy上千万日活用户的Token调用兜住底。管理层预计,当前的资本开支水准已处于峰值,预计到2028年会因算力供应链成本下降而显著改善——过去几年,内存与HBM等元器件涨价,已经严重挤压了全球科技公司的财务报表。外部变量还在叠加。近期,英伟达被曝暂停向中国出售H200。《中国企业家》了解到,腾讯此前的算力采购相比字节、阿里更为保守。腾讯管理层客观表示,英伟达事件让每家公司实际可用的算力变少了,但腾讯正搭建国内供应链,以保证推理所需。财报也并非全线失速。第三季度腾讯增值服务收入983.26亿元,同比增长3%;营销服务收入430.49亿元,同比增长19%;金融科技及企业服务收入636.55亿元,同比增长9%。剔除新AI产品投入,经营利润同比增长8%至833亿元,归母净利润636.12亿元,同比增长0.8%。外部环境变化,自由现金流转负,让腾讯的战略思想转紧,公司业务流动整合加快。今年1月,马化腾曾在年会上说:腾讯在AI上的判断比同行慢了9个月到1年。到了第三季度,虽然大模型开发节奏加快,但高层危机感不减反增,将拥抱智能革命上升为生死存亡的问题。“核心业务原来是陆军守,要升级、提效,一半人负责守住,另一半人去打新的战役。”“现在不是和平年代了,大家不能自以为站在高处很安全,或者等着人哄、谈好条件利益才上船。”腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生来源:受访者小团队、扁平化,快速试错,快速攻坚的模式被鼓励。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生告诉《中国企业家》,WorkBuddy的小团队管理模式让它得以快速迭代,工作量和复杂度很高。AI产品的三驾马车2025年11月,腾讯请来姚顺雨出任首席AI科学家。据《中国企业家》了解,混元团队此后做了三件事:一是重排优先级,先定场景与验收标准,再决定架构与参数;二是重建数据与后训练流水线;三是以小团队攻坚替代大兵团平推,训练、推理、数据各设独立闭环,缩短从想法到可交付版本的周期。2026年11月,在姚顺雨主导下,混元推出HY4正式版,该模型采用770B总参数、49B激活参数的MoE稀疏架构,将上下文窗口一举拉至100万Token,并直接落地在WorkBuddy、CodeBuddy、元宝等全系产品之中。更关键的是工程与成本层面的突破。HY4-Flash在保留百万上下文、多模态能力前提下,把单任务推理成本压缩至旗舰版的1/20。模型底座被夯实的基础上,腾讯AI业务的投入重新调整。WorkBuddy、小微、元宝成为腾讯AI战线上的三驾马车,侧重各有不同。财报电话会上,腾讯管理层直言:元宝没有预期的那样成功,已经暂停了扩大投入,元宝已经不再聚焦于扩大用户基数,而是聚焦于提升能力。近期,元宝上线了面向C端的AI搜索产品以及B端的搜索API接口。WorkBuddy则成为产品整合中心,它正加速打通企业微信、腾讯地图、腾讯会议等App。在11月初,WorkBuddy上线Buddy One,打通了ima、元宝、腾讯会议等,《中国企业家》获悉,ima团队已经开始和WorkBuddy混合办公,一些团队成员也转岗至了WorkBuddy团队。作为最被期待的微信生态,AI助手“小微”日活用户3000万,正在覆盖更多场景。目前,小微已接入主流小程序商户,打通小程序商店,助力交易转化。至于沉重的算力负担,腾讯管理层寄希望于算力效率提升,端侧本地以及推理成本可控。管理层表示:“即便向全部14亿微信用户开放小微,我们预估它的季度成本,依然低于今年早些时候元宝的季度成本。”“字节时间”的压力AI时代变革之外,更让腾讯坐立不安的,还有来自字节的AI产品和用户时长的双重挤压。野村证券10月公布的研报显示,红果短剧人均单日使用时长达到125分钟,已经超过微信用户的单日使用水平。加上抖音,字节系整体移动端时长份额抬升至41.8%,腾讯系产品时长份额回落至28.6%。这种侵蚀已经实实在在传导至腾讯的基本盘。作为反击,腾讯9月在微信小程序内推出对标产品“绿泡泡短剧”。为阻击字节的营销代价已经反映到了财报上。第三季度,腾讯营销服务毛利环比下降10%至226亿元,主要受AI相关运营成本增加以及短剧服务相关内容成本的增加。财报电话会上,腾讯高层直言:腾讯正处于启动微短剧生态的早期阶段,需要鼓励一批独立短剧工作室,绿泡泡无法直接获得短剧工作室在竞争对手应用上生产的内容。字节方也不甘示弱,腾讯财报电话会尚未结束,字节发布消息:豆包工作上线3个月,日活跃用户数突破800万,企业客户年度经常性收入突破20亿元。虽然产品使用时间持续拉长,但字节的忧患意识丝毫不弱于腾讯,同样也在频繁地重提“创业”。2026年初,字节跳动CEO梁汝波在年度OKR中,提出业务战略聚焦高度、提升投入与效率、坚定提高人才密度、建立全球一流公众信任、坚持“始终创业”。年中,梁汝波发出全员邮件,确立10条领导力原则,新增“做有高度的事”“敢于设定高目标”,将“有危机感,保持外部视角”“深入一线”列为独立条目,并重申“Context over Control”。需要注意的是,腾讯的内部口径放到第三方统计里,还会看到两个账本。IDC数据显示,2026年上半年中国MaaS市场规模106.3亿元,同比增长近9倍;火山引擎以45.1%的营收份额居首,阿里云25.2%,腾讯云则被归入占比12.3%的“其他”。同期,MaaS全市场Token调用量为2857.9万亿,MaaS占中国公有云市场的比重从5.2%升至21.0%。也就是说,腾讯电话会上强调的“日消耗100万亿Token”,更多不来自MaaS外部市场,仍主要发生在自有产品的内部循环里。这也是马化腾“生死存亡”四个字真正的落点。“远处浪潮已经吞没一个个山丘。”接下来腾讯还需要将“自用AI”转化为“可售AI”,用更多外部客户证明自己。
史上最大IPO开盘暴涨,市值一度逼近2万亿美元
虎嗅 · 2 天前
本文来自微信公众号:字母AI,作者:小金牙,题图来自:视觉中国清醒地认识到自己在见证历史,是挺刺激的一件事。Anthropic上市,就是这样。当地时间11月19日,做出Claude的Anthropic在纳斯达克挂牌,股票代码ANT。第一笔交易以每股111.50美元成交,较83美元的发行价上涨34.34%。按完全稀释口径算,Anthropic的估值从发行时的约1.5万亿美元涨到了约2万亿美元。之后股价有所回落,截至发稿,ANT 股价为 94.62 美元,市值约 1.24 万亿。一出道就已经是很多公司此生难以企及的高度。今年6月,马斯克的SpaceX上市时,我们才用过一回“史上最大IPO”这几个字。谁能想到,这个纪录只保住了五个月。Anthropic这次IPO的公开发行规模约为813亿美元。Anthropic终究还是抢在OpenAI前面,成了美国第一家独立上市的前沿大模型公司。也正因如此,Anthropic在一定程度上也成了AI的代言人。纽约时代广场上,有人一早就赶来抗议。纳斯达克大楼的屏幕上打着Anthropic的名字,楼下的红色横幅上写着“冻结AI”。敲钟前一天,Hugging Face联合创始人托马斯·沃尔夫、图灵奖得主朱迪亚·珀尔等人,也在一份公开声明上签了名。他们质疑的,偏偏是Anthropic最看重的那块招牌,原话是“Anthropic不是一家安全的AI公司”。第二天早上,达里奥·阿莫迪和妹妹丹妮拉一起站到了纳斯达克的开市钟前。致辞时,丹妮拉特意留了几句话,说给那些对AI心存疑虑、甚至从没用过Claude的人听。她说:“这项技术需要你们。”史上最大IPO诞生要是照九天前的招股书算,史上最大IPO还得是SpaceX。11月10日开始路演时,Anthropic打算卖8.25亿股,每股70到78美元。按上限算也只有643.5亿美元,离SpaceX的750亿美元纪录还差一百多亿。可才过了两天,投资人想买的股数已经是原计划发行量的六倍左右。兄妹俩那几天分头见投资人。达里奥在摩根大通待了一整天,丹妮拉和首席财务官拉奥则去了高盛,见它的财富管理客户。到11月18日晚,Anthropic把发行量加到9.8亿股,价格也提到每股83美元。两数一乘,813.4亿美元,SpaceX排第二了。摩根大通为这次上市安排了客户直播,连T恤和电脑保护套都备好了。Anthropic自己倒是连场庆功派对都没安排。敲钟当天,时代广场上颇为热闹。早上9点,抗议者拉开横幅,身后有人打鼓。一位扮成米妮的街头演员也停下来围观,拍照的媒体比抗议的人还多。楼里,丹妮拉先上台。她说,Anthropic这家公司,有些人可能会觉得“怪”。说到这里她又补了一句,其实已经有不少人这么说过了。她举了个例子,公司头一款产品都还没做出来,研究AI安全的团队倒是先有了。后来,他们做出一个特别擅长找软件漏洞的模型,又决定在推给消费者之前,先交给安全专家使用。达里奥随后上台,提起了兄妹俩的父亲。父亲生前患有丙肝,去世后没几年,疗效好得多的新药就出来了。达里奥说,自己最早去做生物研究,就是希望能让病人早点用上新药。如今他觉得AI也能帮上这个忙。从研究蛋白质、设计药物,到安排临床试验,已经有科学家在用Claude。他在台上给出了自己的判断——人和足够强的AI一起做研究,有可能把一百年的科学和医学进展压缩到十年。纽约时间上午9点半,倒计时结束,兄妹俩和同事一起敲响了开市钟。现场除了陪丹妮拉见过投资人的拉奥,还有联合创始人杰克·克拉克。十年前,克拉克还是彭博的科技记者,后来辞职去了OpenAI,又和阿莫迪兄妹一起出来创办了Anthropic。钟响了,坐在屏幕前盯着ANT股价的人还在等待。昨晚认购的人按每股83美元买到了股票,今天大家想知道开盘价能冲到多少。上午10点10分,开盘参考价报到104美元,16分钟后又到了105美元。直到纽约时间上午11点48分24秒,第一笔买卖才以每股111.50美元成交,较发行价上涨34.34%。那些吃肉的人台上敲钟的三个人,达里奥、妹妹丹妮拉,还有联合创始人杰克·克拉克,这次IPO卖了完全一样多的股票。每人卖出约338万股,按83美元的发行价算,每人卖了2.8亿美元,三人合计8.4亿美元。卖掉的只是个零头。按开盘价算,达里奥手里剩下的约2.37亿股,值264.5亿美元。妹妹比哥哥多一点,约2.38亿股,值265.4亿美元。克拉克又比丹妮拉多一点,约2.39亿股,值266.4亿美元。赚钱的也有大厂。亚马逊和谷歌两家就占了快三成。这次发行和同期配售完成后,亚马逊持股14.6%,谷歌持股13.4%,加起来正好28%。按每股111.50美元的开盘价算,两家手里的股票合计值约4138亿美元。当然,对大多数打工人来说,更想知道的恐怕是,当年要是去Anthropic上个班,今天能分到多少?确实,哪怕在Anthropic做行政,也有机会一跃成为百万美元富翁。2024年,Anthropic在旧金山招行政,工作内容是给高管排日程、张罗会议、处理报销。现金年薪14万到19万美元,股权另给。那年公司发给员工的期权,平均每股花1.30美元就能买下来。假设一名行政员工有1.25万股可以按这个价买,扣掉买股票的钱,按发行价算,税前账面收益已经有约102万美元。到了开盘,这笔收益涨到了约138万美元。同一年入职的首席财务官克里希纳·拉奥,拿到的也是每股1.30美元的期权,一共1400万股。光是入职时给的这一笔,按发行价算,股价和行权价之间就差了11.4亿美元,到了开盘,差额扩大到15.43亿美元。上市前,研究机构Sacra按1.35万亿美元的估值算过一遍,把在职和离职员工都算上,约有2800人手里已经归属的股权值100万美元以上。私股交易平台Hill把创始人全刨掉,估算仍有598名员工手里的股权可能值上亿美元。有意思的是,洛杉矶已经有人盯上了这群新富。当地一栋挂牌近3000万美元的五居室,卖家放话,拿Anthropic股票也能付房款。说起来,好莱坞有人想拿房子换股票,也有人早在自家客厅里就谈成了这笔投资。2023年,达里奥去了麦当娜的经纪人盖伊·奥西里在比佛利山庄的家,演员阿什顿·库彻也在。几个人聊了好几个小时,奥西里和库彻决定用两人合办的基金Sound Ventures投Anthropic。还有个小插曲,这家基金已经投过OpenAI,库彻为此先去跟奥特曼打了声招呼。基金陆续往Anthropic投了4.35亿美元。按估算的持股比例,这些股票在开盘时约值100亿美元,是本金的23倍。有人丰收,有人扼腕。比这两位好莱坞投资人下手还早的,是加密货币交易所FTX的创始人SBF。2021年,Anthropic刚成立,他就通过旗下的Alameda投了5亿美元。后来FTX破产,清算团队在2024年分两次卖光这些股票,一共收回13.36亿美元,用来偿付客户和其他债权人。按83美元的发行价,这批股票值约370亿美元。再多等到开盘,就值约497亿美元。标价2万亿美元的未来软件公司Grafana Labs有条新规矩,员工要用最厉害的AI模型,一次只给开24小时。起因是一位数据分析师用完忘了关,等发现时,几万美元已经花出去了。也有花得很值的时候。一支团队为了让自家的一项服务跑得更快,一个月花了几万美元调用AI,改完一看,光是付给亚马逊的云服务费,就省下了六位数美元。Grafana的首席技术官告诉媒体,公司现在一年花在调用AI上的钱有几千万美元,大约三分之二给了Claude。愿意这么花钱的公司还真不少。截至今年9月底,过去一年在Anthropic身上花了至少1000万美元的客户,约有250家。去年第三季度,Anthropic的收入是14亿美元,今年同一个季度,已经做到了170亿美元。那一个季度就能做170亿美元生意的公司,为什么还要一口气募这么多钱?翻到招股书里花钱的那几页,就明白了。光是今年第三季度,算力和基础设施就花了近99亿美元。更大的支出还在后头。Anthropic已经签下了约9009亿美元的采购和租赁合同,几乎全跟算力和基础设施有关。从今年9月底往后数,头12个月预计就要付707亿美元。收钱的人里,就有刚刚掏钱买股票的谷歌。这次配售,谷歌拿出100亿美元认购Anthropic的股票。反过来,按两家签的云服务合同,从今年4月到2033年7月,Anthropic至少要在谷歌这里花约1213亿美元。如果算力订多了、到时候没用够,按约定还得补差价。对谷歌来说,Claude越受欢迎,自然是越好的。这些算力,还有一部分是给Claude开发下一代Claude用的。按Anthropic自己的说法,今年9月,公司代码库里新增的代码,超过九成出自Claude。它已经在帮研究员跑实验、准备训练数据,连新模型的安全测试也有它一份。这就说回了敲钟前一天的那封公开声明。托马斯·沃尔夫、朱迪亚·珀尔等人在敲钟前一天签下那封公开声明,担心的恰恰是Claude越来越擅长这份工作。Anthropic自己提醒过大家,一旦AI能一代接一代地改进自己,人可能渐渐管不住它。可在招股书当中,Anthropic告诉投资人,自己的一大优势就在于,每一代Claude都能帮研究员更快地做出下一代。达里奥在敲钟前也说到了这层担心。他说,训练和发布新模型,要花多久才能确信它安全、仍在人类控制之下,公司就花多久,生意上的压力也不能让它赶工。在他看来,上市反倒让这件事容易了一点。手里的钱多了,也就更有底气慢下来。敲钟前一天,在纽约的一个活动现场,主持人把同一个问题抛给了奥特曼——依你看,Anthropic现在这么做,安全吗?奥特曼说:“我不知道。我想,他们其实也不太清楚我们在做什么。”过了几分钟,主持人又问起两家公司的身价。Anthropic今晚就要定价了,你会怎么拿OpenAI跟它比?奥特曼没给自家公司报个数。他说估值总有涨有跌,接着就聊起了整个AI行业。奥特曼表示,OpenAI也打算上市。五年前,阿莫迪兄妹和几位老同事离开OpenAI,创办了Anthropic。五年后,他们先敲了钟。截至目前,兄妹俩书写的仍是爽文剧本。本文来自微信公众号:字母AI,作者:小金牙
宁波瑰丽变福朋?豪门业主不装了
虎嗅 · 2 天前
本文来自微信公众号: 旅界 ,作者:theodore熙少说好的瑰丽消失后,地标酒店集体降维。01这两天,宁波瑰丽疑将换牌福朋喜来登的消息,在酒店圈和社交平台引来热烈围观。有博主在社交平台发帖称,三江口249米地标宁波塔现场已现围挡痕迹,接棒顶奢瑰丽的疑似是万豪旗下精选服务品牌福朋喜来登。如此悬殊的品牌跨度,瞬间引爆小红书评论区。高赞留言把此事比作爱马仕换优衣库,更有网友笑称四舍五入住福朋喜来登也就等于住瑰丽,万豪常旅客则盘算起将来积分怎么用才划算。网友热议背后,虽然万豪与业主至今未官宣福朋喜来登入驻,但宁波塔高空物业易主其实早有端倪。今年7月,宁波瑰丽悄然从官网大中华区名单下架,继成都和西安等多城之后,再度出现未开业便撤出的局面。等到了9月,宁波鄞州区百丈街道回复市民问政,透露原址酒店基本敲定万豪系,与宁波塔营销人员的公开留言相互印证。回看2019年4月,瑰丽酒店集团正式官宣宁波瑰丽落户,计划2024年迎客。项目原定2024年迎客,独享43层至56层高空视野,55层专门辟作水疗中心,楼下配有1125平方米大宴会厅及五处餐饮空间。七年过去,落子三江口的玫瑰终究没能如期绽放。同栋楼里的资产腾挪,却透出业主母公司的资金现状。9月23日,新世界发展公布逾17亿元大宗交易,打包售出宁波塔4层至41层写字楼及租约,外加杭州部分物业。酒店所在的43层至56层虽未列入清单,港资房企加速回笼资金的姿态已然明朗。来源:新世界发展官网颇为有趣的是,在传出福朋喜来登入主宁波塔前,网友先前还联想到换牌华住旗下的桔子水晶。看似天方夜谭的想法,其实源于新世界系酒店过往的操作。2025年6月,经营27年的佛山顺德新世界酒店于停业,几天后在二楼翡翠厅完成交接,整栋楼改作清晖荟综合体,酒店部分随之变成了桔子水晶。宁波新招牌尚待落定,杭州余杭青山村早已走完换牌华住旗下酒店的全过程。当地2019年以六善之名动工,中途曾引入泰国都喜泰丽,2025年8月开出102间房的径山都喜泰丽汤泉酒店,不料开业满月前后,合作便于9月6日匆匆终止,10月底项目彻底归入花间堂麾下,挂牌杭州城西汤泉花间堂·见青山。酒店圈开业前品牌降级之风劲吹,海淀三山五园片区的北京六郎庄顶奢酒店群也似乎扛不住了。作为中关村论坛会址配套,该项目规划402间客房并于今年2月封顶,4月刚由六善发布签约消息,近期坊间却传出双六善与金普顿拟调整为洲际新品牌洲至铭选的动向。当多座地标物业在筹开阶段改换门庭,国内高星酒店正集体褪去奢华滤镜。02回溯国内高端酒店的发展历程,开业前夕临阵换将早有先例。早在2017年,筹备多年的三亚海棠湾One&Only酒店临近揭幕,团队却突然收到管理方柯兹纳的解约邮件,合作定于9月15日终止。彼时,旅界曾经独家报道,业主葛洲坝与品牌方在工程接收及采购细节上分歧难平,矛盾甚至细化到水龙头选型,项目于2018年改由嘉佩乐接棒,随后顺利迎客。三亚嘉佩乐酒店/旅界实拍相隔近十年,两轮国内奢华酒店换牌潮底色截然不同。2017年地产尚处高位,葛洲坝告别唯逸后迎来的嘉佩乐同样主打顶奢度假,业主与品牌方的博弈重心多在工期进度与话语权。眼下多座地标物业的转向,品牌层级出现断崖式下探,资本关心的核心却变成如何压缩开支并跑通回报。探究背后动因,首当其冲的症结藏在收益错位里。开发商拿地卖楼时,瑰丽或六善之类的金字招牌能够迅速拉升周边豪宅和写字楼身价,签约阶段沾光的群体远比日后住店的人多。昆岛六善酒店/旅界实拍但等到真正开门营业,酒店只能靠自身利润表独自供养五处餐饮空间,连带1125平方米大宴会厅和55层高空水疗。全服务重配套在顺风期象征排场,放到如今的商旅市场却成了沉重包袱。浩华与中国旅游饭店业协会汇总1321家酒店的2025财年数据后发现,传统餐饮收入明显走弱,高昂的公区运维成本持续吞噬酒店利润。而业主公司步入去杠杆与回笼资金周期后,失去输血的酒店再也难以维持表面风光。细看近期多起变故,酒店业主大多选在主体封顶后或开业前夕反悔。事实上,土建阶段蓝图尚停在纸面,待到机电采购与定制艺术品进场,筹开团队也开始招兵买马,按外资顶奢标准砸下的资金才真正让人肉疼。仲量联行与贝克·麦坚时调研约400份亚太酒店管理协议显示,奢华酒店管理合同平均期限长达17年,察觉账目难平后,宁可在开门前止损,也不愿被长约锁死十余年。值得一提的是,小众奢华品牌在淡季暴露的客源短板,同样动摇了酒店业主信心。主打环保概念或先锋调性的牌子,在消费狂热期靠审美溢价吸金,进入存量博弈阶段却因缺乏庞大会员池托底,难免陷入空房率攀升的窘境。今年夏天,三亚海棠湾阳光壹酒店挂牌五年后改签希尔顿康莱德,加上杭州青山村先后告别六善与都喜泰丽,均印证了小众光环的褪色。相比高冷的国际顶奢,本土连锁及精选服务品牌拿出的条件显得格外实在。去年,佛山顺德新世界酒店改换桔子水晶的交接现场,华住亮出的筹码包含装修补贴和专项培训,外加现成的会员渠道导流。面对外资酒管居高不下的基础管理费与系统分摊,业主放弃虚荣溢价去换取现金流,成了再现实不过的选择。说到底,临门换牌折射出地产红利退潮后大业主的集体清醒。03高星酒店光环消退之后,业主与酒管集团的博弈规则正悄然改写。面对业主抗拒天价标准化改造的现实,国际巨头开始放下身段,将筹码压向门槛更灵活的软品牌。此类集合品牌允许物业保留原有空间调性并采取弹性运营模式,同时开放全球分销网络,恰好契合当下控本与引流的务实需求。青岛广西路72号便是鲜活样本,该项目2024年底官宣落子内地首家希尔顿摩庭,原定今年6月迎客,如今登陆万豪官网查询,原址已变身为青岛栈桥有时酒店并加入Design Hotels。业主保住了独立店名,又顺利搭上跨国会员快车,璞富腾、立鼎世、SLH等国际独立酒店软品牌这些年在国内攻城掠地收获亦颇丰。海外市场同样出现类似风向。今年9月,东京新宿一家207间客房的酒店宣布加入洲际新推的洲至铭选,收购方SC Capital Partners公开表态,看中洲际规模,也希望留住物业特色,借力大集团渠道并拒绝模板化重装,正成为存量改造的新解法。同步浮出水面的行业暗流,在于甲乙双方话语权的彻底倒转。国内地产黄金期签下的大批外资长约陆续届满,羽翼丰满的本土业主不再迷信洋招牌,摘牌自营开始频频上演,华住等头部本土酒管集团也开始频频抢镜。今年以来,千岛湖洲际与北京日出东方凯宾斯基相继结束外资托管转为自营,此前苏宁分布在无锡和徐州等地的三家凯悦也改换门庭,纳入自有品牌苏宁银河麾下。外资酒管若无法在运营效率与收益端跑赢本土团队,出局几乎已成定局。不过,高星酒店的洗牌绝非单边下行,资本在极度理性之后呈现出剧烈分化,高负债物业忙着断臂求生时,握有稀缺区位且理顺产权的老牌地标,依然敢于逆势向上突围。停业近三年的北京长城饭店便释放出相反信号,昔日地标长期停摆,真正卡点在于1983年底启用的40年合资期满及复杂股权结构。随着首旅集团于2025年7月完成认缴出资转为法人独资,历史股东也在今年6月正式退出,僵局由此解开。近期,业内频传万豪正接洽喜来登与艾迪逊的双品牌方案,尽管双方均未官宣,背后的资管算盘却耐人寻味。该物业体量超800间客房,引入喜来登可夯实基础商旅现金流,搭配全球在营仅约22家且北京长期空白的艾迪逊,有望撬动上层客群溢价。市场从未抛弃昂贵,只是潮水退去之后,所有顶奢招牌终究要靠自身营收站稳脚跟。今日话题:你住过哪家换牌前后的酒店?换了招牌之后,房价、早餐或服务,哪项变化最明显?欢迎在下方留言框与旅界君互动。
《可能的爱》:在无力改变的世界里,我们如何相爱?
虎嗅 · 2 天前
本文来自微信公众号:界面文化,作者:席梦茹,编辑:李欣媛,题图来自:视觉中国2026年9月,李沧东(Lee Chang-dong)携新片《可能的爱》(Possible Love)亮相第83届威尼斯国际电影节主竞赛单元,并凭借此片获得评审团大奖银狮奖。电影脱胎于2009年韩国发生的一场真实冲突,当时韩国汽车制造商双龙汽车宣布,将在位于首尔以南的平泽工厂裁减三分之一的员工,涉及人数约为2600人。公司辩解称,裁员是金融危机之时维持企业生存的必要措施。然而,李沧东对这场劳资冲突有着不同的理解。在接受Deadline采访时,李沧东表示,自己当年就意识到,韩国劳动市场可能正经历一场深刻转变,即大型企业的结构性调整开始走向常态化,而劳动者的生活也因此被深刻改变。现实也在呼应着李沧东的判断,双龙汽车被裁工人及其家属随后举行的静坐罢工被警方镇压,此后许多参与罢工的工人相继自杀,相关诉讼与抗议活动持续了整整十年。一贯力求以自身创作回应现实议题的李沧东多年后将这种政治意识带入到电影之中,并赋予其一种与生命经验密不可分的文学性。在创作阶段,编剧吴政美(Oh Jung-mi)提议,在原本的工人夫妻美玉和浩锡之外,加入另一对夫妻——纪录片导演艺智和尚宇,这一人物安排让影片所意欲探讨的劳工问题更加错综复杂。与前作《燃烧》(Burning)以各种隐喻来对现实进行旁敲侧击不同,《可能的爱》采用了一种与现实主义影像极为相近的切入思路,不仅配乐的存在感降到最低,且叠加了多层形式的影像,如手机视频、纪实影像、闪回、监控摄像头画面等,每一帧涌动的张力都力求逼近世界的真相。《可能的爱》最初曾与一个重新诠释波兰导演克日什托夫·基耶斯洛夫斯基(Krzysztof Kieślowski)的国际电影项目产生联系,李沧东接到邀请时,选择了关注人类内心欲望的第十条诫命“不可贪恋”,并将《可能的爱》的故事雏形作为改编项目的一部分来推进。尽管影片最终脱离这一改编计划,发展成为独立作品,但这条诫命仍然构成理解影片的一条重要线索。在接受德国《日报》采访时,他发问:“在当下的资本主义时代,当一个人的生活甚至自身劳动的价值都可以被轻易剥夺,我们无法回避这样一个问题:人们真的能够不去贪恋他人所拥有的一切吗?”阶级关系如何入侵情感生活《可能的爱》围绕两对夫妻展开,一对生活优渥,另一对则深陷生活困境。SP重工发生的工人罢工以灾难性的结局告终之后,浩锡就一直深陷愤怒与抑郁之中,还与酗酒问题苦苦抗争,妻子美玉则竭力维持生活的体面和热情。在参加一位自杀身亡的前同事的葬礼时,这对工人夫妻结识了艺智和尚宇。艺智是关注社会议题的纪录片导演,她意识到,这对工人夫妻身上存在着某种在其他人身上找不到的特质,或许能够成为她正在拍摄的劳工纪录片的主角。美玉则被艺智的生活吸引,希望能够借助拍摄为自己和丈夫找到新的出口。他们的关系从各方面来看都不对等,但各自身上存在着令对方着迷的东西。随着时间的流逝,两方悬殊的阶级差异,悄悄啃噬美玉的内心,尽管艺智口口声声宣称自己“是在努力去爱这些人”,但其所作所为还是不可避免地沦为丈夫尚宇所说的“方法派表演”策略中,使人怀疑其是否有付出真心。逐渐积累起来的矛盾暗流涌动,终于在两对夫妻前往尚宇的海滨豪宅共度周末时沸腾并爆发。《可能的爱》剧照这座庭院逃离世界上的一切喧嚣,尚宇可以不被任何人注视的在一片只有自己独享的大海中裸泳,这种状态被美玉唤作“自由”。镜头转向别墅,屋内陈列着画作、藏书和各种价值不菲的物品,其中不少藏品自尚宇祖父那一代便已存在。传承的物品中,原属于祖父的哨子被单独呈现——祖父曾在日据时代的朝鲜担任警察,其中隐含的政治暴力色彩如今被挪用到尚宇和家中“仆人”的关系中。哨子轻轻一吹,总是笑着沉默的闵植就会顺从地跑来,他和尚宇在幼年时曾经一起玩闹的伙伴关系如今荡然无存,尖锐的哨鸣成为阶级关系发出的警戒信号。很多学者对资本主义社会的运作方式进行过不同层面的分析,其中一点便是,作为统治阶级的有产者在经济层面不断剥削无产者创造的剩余价值。工人阶级的身体和精神同时处在异化的风险中,他们很难摆脱社会结构加诸其身的限制。他们的沉默,象征着被权力剥夺了语言和言说自我的权利。而有产者与此相反,他们不仅在财富积累上处于有利的位置,在与别人建立情感关系时也很难去质疑自身的社会地位是如何对此施加影响。他们说正确的话,也做正确的事,言行举止中没有任何破绽,只是从来没有考虑过所有事情背后错综复杂的因素。历史的发展在他们这里是线性向前的,他们只是活着就在与过去的世代产生跨越时空的连接。在法国小说家马塞尔·普鲁斯特(Marcel Proust)撰写的《追忆似水年华》中,一块浸入茶水的玛德琳蛋糕足以唤醒主人公对遥远童年的记忆。而在尚宇的海滨别墅里,那些代代相传的藏书、画作与祖父留下的哨子,成为家族历史得以延续的物质载体。然而,无产者无暇去回望过往,在他们身后遗留下的是历史的黑洞和断裂地带。法国哲学家迪迪埃·埃里蓬(Didier Eribon)曾在《社会作为判决》中写道:“工人家庭没有家族记忆。”相较于能够凭借财产、档案和家族谱系延续记忆的特权阶层,工人阶级的家族历史往往缺少可供保存和追溯的物质痕迹。尚宇可以轻易讲述祖辈的经历,而美玉和浩锡不会拥有一只象征家族财富和承载家族记忆的“口哨”。他们的生活由劳动、失业和难以摆脱的创伤塑造,从来无法将个人生命嵌入更加长久的历史中。当他人的苦难被看见之后电影里,SP重工的工人罢工事件占据着核心叙事地位,强调了世界如何高度倚赖利益交换和权力支配。这种强权逻辑也在艺智拍摄纪录片的过程中重现。手握摄影机赋予艺智选择和呈现他人生活的权力,而当这种权力受到创作欲望的驱使,记录和理解便可能滑向对他人经验的占有。在获得美玉所在工厂的拍摄许可之后,她又认为工人劳作的过程过于简单和重复,缺乏影像价值,于是一部本该聚焦于劳工阶级工作现状的纪录片转而被带有凝视特征的片段填满。在艺智记录工人阶级生活的过程中,她的拍摄对象从最初聚焦工人阶级群体的生存处境,逐步缩小为从美玉和浩锡身上挖掘出带有戏剧性的故事。一次拍摄中,美玉回忆起年少时与丈夫浩锡在果园初遇的情景,说到动情处潸然泪下,而艺智的第一反应是扭过头对摄影师说:“这就是我想要捕捉的东西。”后来,在海边别墅的采访中,浩锡第一次面对镜头说出长期遭到压抑的创伤经历。随着拍摄的进行,他在镜头前愈发表现得焦躁不安,但是摄影机的运作从来没有主动停止。一天黎明时分,当美玉远远躲着望向精神崩溃的丈夫,艺智反而在他们身后拿着摄像机,要把他们最不堪的一面记录下来。美国文化评论家苏珊·桑塔格(Susan Sontag)在《旁观他人之痛苦》中曾反思苦难影像与观看者之间的复杂关系:影像能够使他人的痛苦进入公众视野,但并不意味着观看者因此真正理解了这些苦难。在艺智的记录中,苦难的呈现被抹去了现实的物质性,被单纯压缩为某种供观看者在媚俗中实现“自我感动”的工具。法国哲学家西蒙娜·薇依(Simone Weil)曾进入工厂劳作,她在日复一日枯燥的劳动过程中感受到工厂工作对人的奴役,不仅让工人的身体极度疲惫,还对精神造成了无法消除的伤害。两相对照,带出了关于摄像机的权力伦理张力的问题,同样也构成李沧东对自身创作的反思。在开拍前,李沧东曾怀疑自己是否有资格讲述下岗工人的痛苦,直到编剧吴政美提议加入纪录片导演这一角色,才找到审视自身创作立场的方式。在他看来,剧情片创作者甚至比纪录片导演更容易消费乃至剥削他人的生命经验。正如他在《卫报》采访时提到的,摄影机所赋予的权力,使拍摄者与被拍摄者之间难以形成完全平等的关系,而镜头本身又具有追逐戏剧性场景的倾向。对此,他在Cineplay采访中以浩锡情绪崩溃的场景为例,提出了拍摄者必须面对的伦理选择:创作者究竟应该在何时继续拍摄,又应该在何时移开镜头?李沧东并没有为这个问题提供明确答案,而是将其纳入影片自身的叙事结构,让摄影机所承载的创作欲望与道德困境同时暴露在观众面前。于是,影片所审视的不仅是艺智的观看方式,也包括每一位电影创作者乃至每一个观看他人生活的观众自身。对观看权力的警惕,也贯穿于李沧东对边缘人物的塑造之中。他并不因为一个人遭受苦难,就将其简化为等待拯救的无辜受害者,而是始终试图保留人物身上无法被轻易理解和归纳的部分。在《绿洲》(Oasis)中,游离于家庭和社会边缘的忠都与患有脑瘫的恭洙发展出一段令人不安的亲密关系,影片并没有因为他们的弱势处境就回避其中潜藏的欲望与道德矛盾。而在《密阳》(Secret Sunshine)中,饱受丧子之痛折磨的申爱,也并非始终表现得善良、宽容与得体。李沧东愿意让那些遭受苦难的人表现出不体面和不善良,甚至令人反感的一面,却并不因此去否认他们值得被理解和被爱。这种不以道德上的完美作为同情前提的创作态度,恰恰体现了他作品中的人文关怀。电影《绿洲》剧照《可能的爱》在威尼斯国际电影节获奖后,李沧东在领奖时提到:“在劳动力消失、人际关系破裂的时代,我拍摄这部电影是为了探讨电影能做什么,以及电影必须做什么。”他数十年如一日持续用自己的自然主义创作追问这个问题,如1997年以一种隐晦的方式批判韩国城市化进程的《绿鱼》(Green Fish),1999年用倒叙的方式直指韩国民主化运动裂痕的《薄荷糖》(Peppermint Candy)。然而,即使是这般极具政治意识的电影似乎也无力干涉真实的社会进程,记录过程中潜藏的人文关怀在将问题摆到台面上以后,处于时代洪流中的脆弱个体在生活中面临的挑战还在继续。但这并非证实这种带有理解目的的观看在惨烈的现实面前一败涂地。相反,影像中具有的革命性能量依然指出了一条足够给人宽慰的道路。政治性无力与爱的可能2009年韩国的双龙汽车罢工事件,其影响力并没有随着罢工被暴力镇压而结束。工厂重新开放后,大量参与罢工的工人遭到警方拘留,韩国政府向工会及工人提起巨额损害赔偿诉讼,这场诉讼历时近15年才在2024年以韩国最高法院驳回韩国政府的上诉而结束。警方的暴力镇压不仅让工人之间建立起来的团结关系分崩离析,同时也给所有参与者留下难以愈合的心理创伤。一些工人不堪重负选择自杀,更多人则深陷抑郁的情绪黑洞中,无法正常工作和生活。电影开篇,美玉一家人穿戴整齐前往一位已故工友的葬礼。席间另一位工人家属说到:“他的妻子当时正在给孩子换尿布,他站在门口说:‘我走了。’那是她最后一次见到他。”曾经让人们团结起来的集体抗争,在失败之后逐渐转化为每个个体乃至每个家庭必须独自承受的漫长痛苦。对于这些劳动者而言,政治性无力并非一种抽象的悲观情绪,即使他们能够辨认自身苦难的来源,也难以找到改变现实的有效途径。文化评论家詹卢卡·迪迪诺(Gianluca Didino)曾在《抑郁现实主义》(Depressive Realism)一文中反思,当悲观被视为一种更加客观、清醒的现实判断,可能产生危险的政治后果:人们逐渐相信现有的政治经济秩序别无替代方案,进而丧失对其他社会可能性的想象。这种倾向与马克·费舍(Mark Fisher)所提出的“资本主义现实主义”形成呼应,即现存秩序不仅被视为现实,而且被视为难以改变的唯一选择。对于曾经试图通过团结改变自身命运的工人而言,抗争的失败逐渐侵蚀掉他们对集体行动有效性的信心。浩锡长期无法摆脱的愤怒、沉默与酗酒,正是这种结构性无力感在个体生命中的具体体现。纪录片《月圆之前:双龙汽车77天封厂罢工纪实》这种困境并未随着时代的变化而结束。随着技术和资本的深度媾和,人们所要面临的现实问题又叠加了更多的风险因素。朴赞郁执导的《无可奈何》(No Other Choice)聚焦一名因人工智能发展而失业的韩国中产,他为了在求职中被录取,想出了一个极端的解决办法:杀死自己的竞争对手。故事主角万秀身处造纸业这类传统制造业,而在全球化与技术变革的浪潮中,这一行业首当其冲。在每一轮不知疲倦的技术革新面前,劳动者曾凭借相当专业知识与经验建立起来的劳动保障,正遭受前所未有的贬值风险。当结构性困境不断被解释为个人竞争力的不足,社会问题便容易被转化为个人必须独自承担的责任,导致现实苦难产生的制度性因素并未因此受到足够的质疑。政治性无力感由此逐渐渗入日常生活,使人们不仅失去改变现实的信心,更可能丧失与他人共同面对困境的能力。然而,《可能的爱》没有让这种无力感成为故事的最终答案,它给出了一个明媚到不真实的答案。在意识到双方关系存在的不对等,以及感受到被遮掩的欺骗之后,美玉不再执着不属于自己的虚幻生活,而是和丈夫、儿子回到简陋却温暖的居所。她和浩锡一起坐在崭新的大理石长椅上,在皎洁月光的照拂下共享了一个宁静而美好的时刻。浩锡对坐在身边的美玉说:“没有你陪我喝烧酒,感觉很苦涩。”这个饱受摧残的男人终于在长久的沉默之后,对身边的人表示出爱意和接近的渴望。面临生活接踵而至的打击,爱情不仅能够存活下来,还展现出一种让人信服的力量。身处一个不时会让人灰心丧气的时代,一个人的尊严不断在与各种外部力量的碰撞中遭到破坏,建立起来的联系反而成为他们得以继续生活的支撑。虽然这种无法被轻易命名的爱无法替代现实的政治行动,却能够在行动受挫、现实暂时无法改变的处境中,不让人际之间相互关怀的能力被冷漠吞噬掉。身处欧洲黑暗时代的法兰克福学派学者曾经历了极权力量的崛起,以及与之伴随的德国普通人的政治冷感,他们眼睁睁看着家庭的消失,而这一结构曾有希望让个体变得更加强大。阿多诺(Theodor Adorno)哀叹:“家庭的终结使得抵抗力量陷入瘫痪。”这句话也在影片中工人罢工期间众多家庭并肩作战的场景中得到证明。爱在这里成为一种更加普世的命题,它潜藏着否定性的能量,尽管还无力去应对现实生活中的种种困顿。当然此种安排也必然有保守之嫌,它让私人情感被迫承担起本应由社会集体共同承担的责任。这种从公共问题向私人困境的转化,也可以放在现代社会公共领域的结构性变化中加以理解。法兰克福学派的第二代学者于尔根·哈贝马斯(Jürgen Habermas)曾在汉娜·阿伦特(Hannah Ardent)所提“公共领域”(Public Sphere)的基础上对这一概念作了进一步补充,他认为随着垄断资本主义和国家干预主义的兴起,国家与市民社会、公共领域与私人领域的界限被模糊乃至相互重叠,出现了“国家社会化”和“社会国家化”的趋势,批判性公共领域由此衰落。人们很难在独立于国家和私人领域的公共地带讨论并参与公共事务,只能退缩到“厨房”之中。当私人情感成为抵御现实创伤的重要支撑,也被赋予了超出自身能力的责任,而房间里的大象也无人谈起了。不过,我们也不必对李沧东报以苛责,他并没有将爱抬升为能够消除一切苦难的力量,只是给予它可能性。尽管罢工留下的创伤依旧存在,阶级之间的鸿沟并没有就此消失,但李沧东仍然相信,在绝望丛生的时代,人际之间的爱与关怀无疑具有积极意义,能够避免人们陷入彻底孤立的境地。毕竟,无人是一座孤岛,而那轮明月永远在平等地照着所有人。正如迪迪诺所提醒的,认清现实的残酷并不意味着必须接受现实永远无法改变。真正值得警惕的,或许是当人们将悲观误认为清醒时,逐渐失去想象其他可能性的能力。参考资料:[1] https://rollingstonebritish.com/lee-chang-dong-on-his-eight-year-hiatus-confident-return-with-venice-competition-title-possible-love/?utm_source=chatgpt.com[2] https://taz.de/Regisseur-Lee-Chang-dong-im-Gespraech/!6220317/https://www.newyorker.com/magazine/2026/11/02/possible-love-movie-review[3] https://www.filmcomment.com/article/interview-lee-chang-dong-on-possible-love/?utm_source=chatgpt.com[4] https://www.theguardian.com/film/2026/oct/23/lee-chang-dong-possible-love-director-interview?utm_source=chatgpt.com[5] https://www.cineplay.co.kr/en-us/articles/30748?utm_source=chatgpt.com[6] https://www.inspirethemind.org/post/depressive-realism[7] [法]马塞尔·普鲁斯特:《追忆逝水年华·Ⅰ:斯万家那边》,陈太乙译,上海:上海文艺出版社,2024年。[8] [法]迪迪埃·埃里蓬:《社会作为判决:阶级、身份、轨迹》,陆一琛译,上海:上海译文出版社,2026年。[9] [美]蘇珊・桑塔格:《旁觀他人之痛苦》,陳耀成譯,臺北:麥田出版,2004年。[10] [法]西蒙哪·薇依:《工厂日记》,王天宇译,上海:上海人民出版社,2023年。[11] [英]马克·费舍:《资本主义现实主义:私人情绪与时代症候》,王立秋译,南京:南京大学出版社,2024年。本文来自微信公众号:界面文化,作者:席梦茹,编辑:李欣媛
1280000000000美元,Anthropic一夜杀疯
虎嗅 · 2 天前
出品 | 虎嗅科技组作者 | 梁卡尔编辑 | 苗正卿头图 | 视觉中国美东时间11月19日,Anthropic上市首日正式收盘报97.17 美元/股,较发行价上涨17.07%,收盘市值约1.28 万亿美元,盘中一度曾冲到2 万亿美元。(虎嗅注:按最终招股书列示的发行及同步私募后总股数计算,不计超额配售)终于,创立不到六年的人工智能巨头Anthropic,通过有史以来规模最大的IPO募集了约813亿美元,成为一家上市公司。其股票在纳斯达克上市交易,股票代码为“ANT”。北京时间11月19日晚22点30分,常规交易时段开始后,在延迟开盘撮合期间,指示性开盘价数次上调。首笔成交约在两个多小时以后出现,成交价为111.50美元,较83美元的发行价上涨34.3%。此次IPO被视为人工智能行业重要考验。Anthropic扩大了发行规模,最终定价也高于此前预期,这让投资者们松了一口气。按照完全稀释股本计算,开盘价将Anthropic的市值推到了略高于2万亿美元,比发行价对应的市值多出了约5000亿美元。不过,自Anthropic开始交易以来,纳斯达克综合指数一直在下跌,科技股也普遍回吐了早盘涨幅,参与同步私募配售的七家科技产业链巨头遭遇波动。最终Anthropic首个交易日以97.17美元收盘,涨幅为17.07%,开盘价为当天盘中最高价,最低为92.72美元。把时钟往回拨到11月13日,摩根大通曼哈顿总部。Anthropic CEO达里奥·阿莫迪(Dario Amodei)坐在摩根大通CEO‌杰米·戴蒙(Jamie Dimon)对面,一场面向现有和潜在投资者的直播炉边对话是他上市前路演的最后几站之一。针对为什么是现在上市的问题,达里奥·阿莫迪回答,“我认为最大的那个原因,还是要回到这些算力上的押注”。他表示,生物学领域、机器人领域、网络安全,以及更普遍的知识工作都存在巨大的机会,Anthropic希望确保投入足够多去抓住那些机会。至于挑什么日子,他表示,对于具体在哪个月、哪一天,或在什么样的市场条件下上市,并不是特别着急。他说自己启动流程前问过很多人,最能引起共鸣的一条建议是“永远不要让你的公司比它真正的价值多值哪怕一美元”。他补了一句说,这和Anthropic内部的一条准则很像,“少承诺,多兑现”。在按下开市按钮之前,达里奥·阿莫迪有一段5分钟左右的讲话,比在路演时候的态度更强硬,他说,“Anthropic在理解并引导AI行为,使其处于人类控制之下方面已经开创了多种方法,但仍有大量工作有待完成,而最困难的安全工作还在前面等着我们”。“我们将控制AI系统训练和部署的节奏,需要多长时间就用多长时间,直到我们有信心它们是安全的、并将始终处于人类控制之下。”抬价、扩股和绿鞋,为什么能这样开盘?市场对AI估值的争议并没有消失,但Anthropic仍敢“反向操作”,抬价、扩大发行规模,机构也愿意参与抢筹。对于这一反常现象,一位二级市场资深分析师告诉虎嗅,外部监管的影响并没有影响到Anthropic。因为面对安全质疑,它一直积极回应。面对新增算力审批和电网约束,它早已通过长期协议锁定。同时,机构依然看重模型和应用市场的增长空间,背后对应的是数千亿美元规模的代码市场和数万亿美元的协同办公场景。另一家券商分析师也有相同的看法,“目前AI商业化的短期瓶颈是在供应侧,其实需求并没有收缩”,随着算力供应逐步改善,前沿模型仍有进一步提速的空间。Anthropic的发行安排也为首日交易提供了支撑。发行量增至9.8亿股,相对于约132亿股的总股本,约占7.4%,同时发行价高于原定价格区间上限,给上市初期的交易留出了空间。此外,承销商手中还有1.47亿股的超额配售选择权,这项安排可能配合承销商的稳定价格操作。上述券商分析师告诉虎嗅,“选择发行扩容而不是一味提升发行价,有助于稳定筹码”,与单纯把发行价继续往上推相比,增加发行量能够提供更多流通筹码,也有助于缓解上市初期供需失衡的问题。当然,这些安排能有多少防御力,最终还要看市场愿意给Anthropic多高的估值。后者的关键是Anthropic能否建立长期的竞争壁垒。针对企业级市场,研究机构Forrester副总裁、首席分析师戴鲲对此并不乐观。他告诉虎嗅,从企业API支出看,Anthropic已处于第一梯队甚至领先位置,OpenAI紧随其后,Google凭借平台化创新能力加速追赶,微软则拥有Azure这一企业部署和分发入口。但领先不等于拥有护城河。戴鲲认为,Claude在金融、法律、医疗等领域的优势,主要来自模型能力、安全机制和企业信任,“但这些能力竞争对手能够追赶”。同时,大型企业的需求远不止调用一个模型,还涉及数据管理、知识基础设施、上下文工程和智能体式流程编排等平台能力,就目前而言,Anthropic拥有的是先发优势。第三方机构IDC研究经理孙振亚也表示,现在大模型在各个垂直行业的应用仍主要集中在代码编程上,尚未深入到企业核心业务流程。要深入到这些业务场景,需要的是企业内部的数据、业务规则和逻辑等,这些不是通用模型厂商或者智能体本身能够解决的,它需要的是上下文。资本市场给出的价格,反映了投资者对Anthropic当前能力和领先地位的判断。问题在于,这种领先还能维持多久。9.8亿股、83美元,和最后一刻上船的人随着IPO完成,数千名Anthropic员工和投资者即将获得巨额财富。至于要理解这场造富运动,得先看这家公司是从哪来的。2021年1月,达里奥·阿莫迪与妹妹丹妮拉·阿莫代伊(Daniela Amodei),和其他五个人共同创办了Anthropic。这七个人有一个共同背景,他们几乎都曾在OpenAI工作。招股书逐一披露了他们的履历。其中,达里奥·阿莫迪曾担任OpenAI研究副总裁,丹妮拉·阿莫代伊曾担任安全与政策副总裁、人事副总裁等职务。换句话说,Anthropic最初的班底很大程度上来自OpenAI的核心研究和管理团队。招股书把他们写成“一群负责定义本轮的诸多突破的研究者”。至于为什么要离开OpenAI另起炉灶,达里奥·阿莫迪在敲钟仪式上讲了一段个人经历。“丹妮拉和我失去了我们的父亲,他死于一种仅仅几年后就变得可以治愈的疾病”,他说,自己的职业生涯始于生物学研究。在实验室工作时,他意识到,科学家面对的是一片巨大而茂密的复杂丛林,而人类不断突破认知边界,依赖的是各种工具和思想,“它们来自思考,来自智能”。从创办之初到上市,Anthropic一直在强调AI可能带来的长期价值,但达里奥·阿莫迪没有回避技术距离真正改变科学和医学还有多远,“我不想在这个时候讲得太超前。我们目前有的只是早期结果”。然而,公司的融资和估值变化呈现了另一条更直接的增长曲线。从2021年5月A轮融资1.24亿美元,到2026年5月H轮融资650亿美元,融资额指数级增长,估值也一路飙升。甚至时隔五个月,就从H轮融资时的9650亿美元增长到估值高峰2万亿美元。招股书显示,Anthropic以每股83美元发行9.8亿股,整笔发行总额约813.4亿美元。其中,公司新发行约9.564亿股,其余约2365万股由七位创始人出售,出售所得归创始人。此外,承销商还获得了1.47亿股的绿鞋期权,相当于基础发行规模9.8亿股的15%。除了公开发行,还有一笔值得关注的私募配售,规模达到260亿美元,认购方包括谷歌、英伟达、AMD、博通、美光、微软和台积电。其中,谷歌和英伟达分别认购100亿美元。这七家公司的身份很有意思,它们都是Anthropic的芯片供应商或云服务商。对这些企业来说,投资Anthropic既是财务投资,也关系到未来的算力和云服务业务。招股书的风险因素部分也披露了这种关系。亚马逊、谷歌和微软同时是Anthropic的投资者、客户、分销伙伴和竞争对手;博通则同时是供应商和出租人。与此同时,Anthropic通过云厂商渠道取得的收入占比,已经从11%升至44%,相关应收账款占比达到52%。这意味着,Anthropic的业务增长与这些大型科技公司的利益已经紧密交织。它们既从Anthropic的增长中受益,也为其提供发展所需的基础设施。IPO定价前,还有两笔认购消息受到关注。董事会及关联方表达了最多3.05亿美元的非约束性认购意向;台积电则在11月10日召开董事会,通过最高5亿美元的认购决议。前者是非约束性意向,后者经过了董事会决策,性质并不相同,但都发生在最终定价之前。对于以83美元买入新股的投资者,招股书还披露了一个不太好看的数字,每股备考有形账面价值只有9.70美元,意味着每股即时稀释73.30美元。这是新股发行后账面价值与发行价格之间的差距,也提醒投资者,买入股票时,支付的主要是对公司未来增长的预期,而不是现有资产的账面价值。对于Anthropic内部员工,这次IPO带来的则是另一番景象。据Hill估计,上市后,Anthropic有598名非创始人背景的员工持股价值至少达到1亿美元,约有2800名员工持股价值可能至少达到1000万美元。对照今年6月的SpaceX IPO,那次上市创造了约4400名百万富翁。那些在公司早期以初级职位加入的员工最终获得的财务回报,往往要好于那些在IPO前夕才以高级职位加入的人。这放在Anthropic身上同样适用。早期员工手中期权的平均行权价只有52美分,而公开市场投资者买入的价格是83美元,其间净增加了约159倍。同一家公司,两个世界。一只股票,给整个AI交易重新定价Anthropic上市,受到影响的可能不只是它自己。市场接下来很可能拿它的交易价格,作为OpenAI乃至其他AI公司的估值参照。“OpenAI融资及后续IPO估值大概率会锚定Anthropic”,前述二级市场资深分析师告诉虎嗅,这相当于给整个行业提供了一个新的定价参照。她预计,上市初期可能出现类似SpaceX IPO时的资金虹吸效应。然而,Anthropic选择上市的时点并不轻松。市场对AI的态度已经出现明显分歧。11月12日,英伟达董事会接受黄仁勋辞呈的消息引发市场震荡。随后,英伟达公布的财报虽然超出预期,并给出了1300亿美元的季度收入指引,但股价当天仍然下跌3%,较10月高点回落约三成。市场担心的已经不只是AI需求能不能持续,还有巨额资本开支究竟何时才能转化为实际回报。Anthropic的83美元发行价,正是在这样的市场情绪下确定的。该分析师认为,买盘主要来自此前没有拿到足够配售份额的机构和零售投资者,15%的绿鞋机制也能提供一定支撑。但是,股价不一定能持续上涨,“年内确实逐渐有低走甚至破发的可能”,ARR(年化收入运行率)数据会被第三方和公司后续披露的信息反复验证,一旦增长不及预期,就可能拖累股价。在她看来,市场对Anthropic年底的收入预期已经被管理层提前引导过一轮,“到年底的ARR比810亿美元大幅上升的可能性不大,可能到900亿美元,ARR驱动的估值提升有限”。Anthropic上市带来的市场反应,很快就体现在其他AI公司的股价上。发行价高于此前区间上限的消息传出后,纳斯达克100指数期货盘前上涨523点,涨幅约1.9%;标普500指数期货上涨1.12%,道指期货上涨0.71%。此前连续三日下跌的欧洲斯托克600指数也转为上涨。与Anthropic有投资关系的上市公司同样走高。美光上涨超过4%,AMD上涨3.4%,谷歌上涨2.9%,博通上涨2.8%,亚马逊上涨2%,英伟达上涨1.7%,微软上涨1.6%。Anthropic尚未开始交易,相关公司的股价已经先涨了一轮。但IPO当日美股开盘后的走势很快发生变化,三大指数虽然开始上涨,但到随后纳指涨幅收窄至0.2%,标普转跌0.3%,道指一度下跌537点。英伟达涨幅收窄至约1%,美光也从盘前超过4%的涨幅回落到1%左右。需要注意的是,大盘开始下跌时,Anthropic还没有出现首笔成交,背后反映的还是投资者对利率走势和AI资本开支回报的担忧。只能说IPO带来的乐观情绪,并没有改变市场原有的分歧。七家私募配售方的股价表现也没有一直保持同步,AMD成为其中跌幅最大的公司。AMD认购了25亿美元的股份,早盘股价一度上涨4.7%,但随着做空机构Hunterbrook报告发布,股价迅速回落,盘中最大跌幅超过11%。虽不直接与IPO有关,但这一巧合放大了市场对“AI算力链”整体情绪的担忧。还有一个容易被忽略的变化,从这个季度开始,Anthropic的股价波动还会影响亚马逊和谷歌的财报中部分账面收益。11月18日,华泰证券发布的研报测算显示,按照发行区间中值计算,Anthropic股价每上涨或下跌1美元,两家公司的每股收益预计分别受到约0.12美元和0.11美元的影响。因此,首日上涨只能说明市场愿意在这个价格买入。等到指数资金陆续进场、解禁股份开始流通,Anthropic还能否维持现在的估值,才是这场IPO真正需要回答的问题。对上市后股价而言,消化解禁比首日被追捧更重要。1040亿亏损下也要上市的真相关于Anthropic的财务状况,净亏损看着可怕,但更值得关注的是算力承诺。招股书披露,2026年前九个月净亏损1040.39亿美元。其中,943.24亿美元来自“可转换票据、衍生负债和SAFE的公允价值变动”,并不意味着公司实际支出了同等规模的资金。由于相关负债的估值与公司估值有关,估值上涨,反而可能推高这部分账面亏损。同期,经营亏损为12.6亿美元。真正问题是,算力及基础设施相关长期承诺总额达到9009亿美元,其中707亿美元将在未来12个月内到期。与此同时,截至10月31日,Anthropic的ARR为810亿美元。这个数字是将某一时期的收入按全年折算得出,并不是实际营收。收入增长很快,但算力合同支出压力同样不小。未来收入能否跟上算力投入,将直接影响Anthropic的经营状况。从行业视角来看,戴鲲告诉虎嗅,“未来几年可能只有少数头部公司能够逐步实现覆盖”,关键不只是收入能不能继续增长,还要看收入增长能否长期快于训练、推理及模型迭代成本。推理效率提升、芯片性价比改善,都有助于降低单位成本,但模型厂商之间的竞争也会持续压低模型价格。不过,也有乐观的IT行业分析师告诉虎嗅,仅看Anthropic,按照招股书披露的口径,只要模型收入增速超过20%,其就能维持50%以上的毛利率,“当前已经证明能跑通”。在前述炉边对话中,达里奥·阿莫迪也谈到了这个问题。他将算力称为“公司面临的最深层的商业难题”。买少了,可能无法满足客户需求,也会影响下一代模型的训练;买多了,可能会把自己财务上撑过头。Anthropic目前采取的策略是“倾向于买低一点”,等需求超过预期后再追加算力。这样的做法可以减少闲置算力带来的负担,但前提是公司能够在需求增长时及时获得新增资源。IPO募集的资金,能够给这种采购策略提供更大的余地。上述乐观的分析师告诉虎嗅,如果Anthropic没有这笔融资的话,未来四五年一定会有资金缺口。在他看来,股权资金成本远低于债务成本,“无论拿去还债还是怎么样,其实对他都是有好处的事”。不过,这一判断更多是从产业角度出发,而非金融视角。但无论是扩大投资者参与,还是为未来几年准备资金,Anthropic都需要更多外部资本支持。对一家算力投入巨大、同时还要持续训练新模型的公司来说,仅靠现有收入很难完全覆盖未来的扩张计划。至于募资来的钱投向哪里,可以从Anthropic近期的产品动作中看到一些方向。11月10日,Anthropic上线Claude Sheets、Whiteboards、Meetings、Data等产品,并接入9000多个连接器,开始把Claude带入更多非技术员工的工作场景。过去,Anthropic的企业收入更多与开发者和IT部门相关,现在,公司希望让金融、运营、市场、人力等部门也成为付费用户。不过,分析师们普遍认为,办公软件本身未必是未来Token消耗量最大的场景。孙振亚表示,办公场景会是未来企业员工日常办公交互的一种关键的入口,能够让用户频繁使用AI,但目前来看企业Token支出中,代码编程仍占七成以上。对于大模型公司做办公套件,戴鲲认为,不完全是商业模式已被验证,更重要的是办公场景同时具备高频使用、企业数据、业务流程和付费入口,是Agent真正执行工作的合适载体之一。未来更可能发生的是应用之间的边界逐渐弱化,模型调用不同的数据和工具完成任务,文档、表格等传统载体会承担协作、审计和最终交付的功能。至于下一个能够带来大规模收入的场景,戴鲲更看好专业知识工作和业务流程改造。金融、法律、医疗等行业对AI的需求,不只是生成一份报告或回答一个问题,还包括将模型嵌入研究、审查、合规和决策等完整流程。他观察到,企业IT预算也在发生变化,大型企业开始战略性投入Agentic AI,将包括模型、Copilot、Agent开发平台等相关支出纳入IT预算,并围绕业务场景考核投入产出。不过,企业仍处于Agentic AI技术采用的早期阶段,距离大规模商业化还有一段路要走。从这个角度看,Anthropic此次总募集的约1073亿美元,相当一部分需要用来应对未来几年的算力支出,同时继续拓展企业客户和应用场景。Anthropic需要在算力合同到期、竞争对手压低模型价格之前,让更多企业愿意为Claude付费。股东变成对手,两条战线上的价格战融资之外,Anthropic还要面对一个现实问题,为它提供资金和基础设施的公司,同时也是它最直接的竞争对手。11月9日,Anthropic发布Claude Fable 5.2,以每百万输入Token 8美元的价格重夺榜首。第二天,谷歌全面开放Gemini 4 Carbon,首发体验价为每百万输入Token 2美元,12月起将涨回4美元。据谷歌称,其成本约为Fable的四分之一。在MKA评测中,Gemini 4 Carbon以71.89%的成绩略低于Fable的73.26%,但单项任务成本仅为5.63美元,后者是35.28美元。值得注意的是,谷歌本身就是Anthropic的股东/按IPO及同期私募配售后的持股披露,谷歌持有Anthropic约13.7%的股份,主要为无投票权的N类股。它既能从Anthropic的业务增长中受益,也在通过自己的模型争夺客户。但这或已成为常态。11月17日,微软在Ignite大会上发布7款MAI模型。其中,微软宣称,MAI Code 2在内部评估中可以达到Claude Opus 5.5编码性能的96%,价格则只有后者的5%。据微软介绍,这一价格包含50%的促销折扣,2027年5月将上调价格。MAI Code 2已在GitHub Copilot提供。微软与Anthropic之间的关系也相当复杂,既是股东、客户和云服务商,也是竞争对手。Anthropic在招股书中已经承认了这种多重关系。戴鲲解释称,随着多云架构成为企业部署AI的常见选择,双方之间的利益关系会越来越复杂。大型云厂商既提供资本、芯片和云服务,又掌握企业客户的分发渠道,同时还在发展自己的模型,“实际上既是合作伙伴也是竞争者”。Anthropic选择与多个云平台合作,也是为了降低对单一供应商的依赖。短期内来看,受限于微软自身能力,暂时不会挤压到Anthropic的毛利率,上述IT行业分析师告诉虎嗅,模型能力不仅取决于算力,还涉及训练方法、模型架构、数据和人才等因素,“不单单是算力”。一位熟悉微软的行业人士告诉虎嗅,此前微软顾虑已投资OpenAI等项目,导致开发自身大模型的优先级并不高,但现在已有所改变。戴鲲也提醒,如果未来各家模型的能力逐渐趋同,掌握企业渠道和基础设施成本优势的云厂商就会更有竞争力。届时,纯模型公司的毛利率和定价权都会受到挑战,只有持续保持明显技术优势的头部厂商,才更有可能维持较高的价格。至于Anthropic新推出的办公套件是否会取代微软的办公软件,戴鲲认为目前还不必过度解读。短期来看,它“更多是对Microsoft Copilot形成竞争压力,而非取代Microsoft 365”。对Anthropic来说,谷歌和微软的动作都在提醒它,模型能力领先,并不意味着可以长期维持高价。随着更多云厂商和科技公司推出自己的模型,客户在不同产品之间切换的成本可能进一步降低,价格和性能也会成为更直接的竞争因素。Anthropic能否继续保持领先,除了模型能力能否持续拉开差距,还有客户长期付费的愿意。“少承诺,多兑现”完成IPO,对Anthropic来说是进入一个新的阶段。首日股价上涨,既有市场对Anthropic的认可,也与发行规模、配售结构和交易筹码有关。单凭首日表现,还很难判断公司的长期价值。接下来,市场关注的重点会逐渐转向经营数据。投资者会持续拿Anthropic的ARR与公司给出的长期目标进行比较。按照公司披露的规划,2028年营收目标为2000亿美元,成熟期营业利润率目标为35%。未来两年中增长能否顺利实现,将成为市场观察其经营状况的重要依据。在敲钟仪式上,达里奥·阿莫迪谈到了一个概念,叫做“向上的竞赛”。他说,如果一家AI公司能够证明,在安全问题上作出正确选择的同时仍然能建立一家极其成功的公司,其他公司就可能跟着采取类似做法。对于他而言,行业的目标不应只是争夺模型能力排名,“无论Anthropic在任何特定时刻是赢是输”,都应该推动整个行业变得更好。他还表示,“最困难的安全工作还在前面”,需要多长时间就用多长时间。对于一家刚刚完成史上最大规模IPO的公司来说,这些话很容易被理解为企业价值观的表达。但安全投入最终能否成为竞争优势,还需要看实际结果。Anthropic需要在持续投入安全研究的同时,证明这不会妨碍产品迭代、收入增长和商业回报。从AI产业的资金流向看,市场关注的重点也可能正在发生变化。过去几年,资金大量流向GPU、数据中心、云服务和芯片厂商,随着模型逐渐进入企业业务流程,投资者开始寻找能够把AI能力转化为实际收入的公司。前述券商分析师将Anthropic称为“AI冲击传统业态的对冲标的”。这意味着,部分投资者买入Anthropic,看重的并不只是它能否成为一家更大的模型公司,还包括AI技术可能给传统行业带来的改变。不过,Anthropic能否兑现这样的预期,还要看未来几个季度的经营数据,这是从创始人到管理者需要直面的压力。IPO募集的资金已经到账,算力支出和模型竞争也不会停下来。对投资者而言,接下来的每一份财报,都会比敲钟仪式上的承诺更有说服力。
Anthropic上市,一半多员工成千万美元富豪
虎嗅 · 2 天前
本文来自微信公众号: 涌流商业 ,作者:林耕如果你在2024年加入Anthropic,即使只是行政助理,现在大概率至少是百万美元富豪了。那年5月,这家公司发布过一份招聘公告,职位是行政业务伙伴。工作内容是为高管安排日程、处理报销,年薪14-19万美元,算是一份还不错的薪水。招聘特别强调,股权是整体薪酬的重要组成部分。这句话现在有了不同的分量。11月19日上午11点48分(美东时间),Anthropic股票开始交易,开盘价达到111.50美元,较发行价上涨34%,完全摊薄估值(Fully Diluted Valuation)一度突破2万亿美元。随后股价随后回落,最终收于97.17美元,较发行价上涨17.1%,对应估值约1.77万亿美元。根据Anthropic上市招股书,2024年公司向员工授予的股票期权,平均行权价只有1.30美元。如果当年的行政业务伙伴获得了2万份期权,按照97.17美元的收盘价计算,税前账面收益接近192万美元。私人股票交易平台Hill估计,Anthropic约有2800名员工持有价值至少1000万美元的股权,相当于公司约5300名员工的一半以上。其中,约600名非创始人员工持有的股权价值可能超过1亿美元。另一家私人市场研究机构Sacra也做了估算,但更保守,估计约2800名现任及前任员工拥有至少100万美元的已归属税前股权。无论哪种估算,这都是硅谷规模最大的员工造福神话之一。当地时间11月19日上午9点30分,Dario Amodei和妹妹Daniela Amodei站在纽约时代广场的纳斯达克敲钟现场。Dario拿了打印好的讲稿,没有从公司估值说起,回忆起了父亲。兄妹俩在旧金山长大,父亲Riccardo是意大利移民,做手工皮革;母亲Elena Engel是芝加哥人,是图书馆项目管理。父亲因病去世,那种疾病在几年后就有了治疗办法。所以Dario想投身生物学研究,希望未来医学突破能够更早突破。Dario后来回忆,父母从小教给他们的重要观念之一,就是对社会有责任感,他与妹妹很早就希望将来能够一起工作。上市当天,兄妹俩共同接受CNBC采访,谈到公司规模,Dario承认,尽管他预见AI技术的潜力,但在这一切真正发生之前,他们自己也没有完全相信。采访快结束时,主持人问他:“你们的妈妈现在正在做什么?”Daniela说:“希望妈妈正在看节目。如果你在看,嗨,妈妈!”Daniela说,上市是公司的重大里程碑,她还希望忙完这一切,自己能和哥哥有更多单独相处的时间,像普通兄妹那样。先认识这家公司01|Anthropic是谁?为什么突然这么值钱?Anthropic成立于2021年,总部位于美国旧金山。OpenAI开发了ChatGPT,Anthropic开发了Claude。两者都能回答问题、写文章、分析文件、生成代码。Anthropic还向企业出售Claude背后的AI模型,让它们将AI接入软件、客服系统和日常业务。2024年,Anthropic全年收入为3.86亿美元。2025年增长至45.85亿美元。2026年前三季度,收入进一步达到332.42亿美元,是上年同期的约13倍。增长主要来自企业需求大爆发,越来越多的公司开始将AI接入自己的业务,持续向模型供应商支付费用。投资者押注的是,未来企业购买AI服务,会像今天购买云计算一样普遍。02|创始人为什么离开OpenAI?Anthropic最重要的两位创始人是一对兄妹:Dario Amodei和Daniela Amodei。Dario有物理学研究背景,曾在谷歌工作,2016年加入OpenAI,后来担任研究副总裁。Daniela随后也加入OpenAI,参与安全、政策和组织管理工作。2020年底,两人和其他同事离开OpenAI,次年创办Anthropic。2021年,疫情仍在影响旧金山的工作与生活。据英国《金融时报》报道,Anthropic早期团队经常在线上讨论,也会聚在Daniela家里的后院开会。当时,她还在照顾年幼的孩子。Daniela后来回忆,自己原本没有想到会在疫情期间,一边照顾孩子一边离职创业。为什么要离开OpenAI?外界常把这次分裂归因于AI安全理念不同。两位创始人确实希望建立一家更重视模型安全、风险研究的公司,但分歧并不只有这一层。2026年6月,Dario在彭博《The Circuit》访谈中谈到,AI安全问题上完全可以存在合理分歧。但如果团队成员之间失去了信任,继续合作就会变得困难。Daniela在斯坦福商学院的访谈中,从另一个角度解释创业选择。他们更希望建立一家真正认同的公司,不只是为了离开原来的公司。他们当初希望用不同于OpenAI的方式开发人工智能。如今,Dario担任CEO,负责技术方向与整体战略;Daniela担任总裁,侧重经营和组织管理。03|Claude和ChatGPT有什么不同?对普通用户来说,Claude和ChatGPT有不少相似之处。它们都可以聊天、写作、翻译、分析文件和编写代码。Anthropic尤其重视企业客户,以及让AI直接完成工作。例如,Claude Code可以阅读程序文件、修改代码、运行测试,帮助工程师开发软件。Claude Cowork则试图把类似能力带给不懂编程的办公室员工。丹麦制药巨头诺和诺德提供了一个具体案例。这家生产减肥药和糖尿病药物的公司,需要编写大量临床研究文件。文件涉及复杂的试验数据、技术说明和监管要求,制作过程通常耗时很长。诺和诺德开发了一套名为NovoScribe的AI文档平台,利用Claude等技术协助编写临床研究报告。按照Anthropic及其合作伙伴披露的案例,过去需要十多周才能完成的部分临床研究文档制作流程,如今可以在约10分钟内生成供专业人员审核的初稿。当然,AI并没有在10分钟内完成临床试验或药品审批。研究数据仍须由科学家核实,文件也要经过专业审核。但原本需要人工花费大量时间起草的文件,现在可以先由AI生成,再交给专业人员检查、修改。2026年9月,诺和诺德进一步扩大了与Anthropic的合作。这样的企业客户,是Claude商业增长的重要来源。看懂Anthropic的生意04|Anthropic靠什么赚钱?谁在为它付钱?Anthropic主要有两种收费方式,一是订阅费,个人和企业按月或按年支付费用,使用Claude及相关产品。二另一种是按使用量收费,软件开发者和企业将Claude接入自己的系统,根据模型调用量支付费用。后一种模式尤其重要。例如,一家软件公司把Claude接入自己的产品,供客户生成代码、分析资料。使用量越大,通常需要向模型供应商支付越多费用。Anthropic也通过亚马逊AWS、谷歌云和微软等平台销售服务。根据招股文件,这些云平台市场渠道占Anthropic收入的比例,从2023年的约11%升至2025年的47%。企业客户数量也在快速增长。截至2026年9月底,过去12个月为Anthropic贡献至少10万美元收入的客户约有1.19万家,而2025年底只有1500多家。不过,云平台渠道占比很高,Anthropic依赖大型科技公司接触客户。这些合作伙伴既是投资者、供应商,也可能成为竞争对手。05|收入增长这么快,为什么还会亏钱?传统软件公司通常具有规模优势:产品开发完成后,增加一个用户的成本相对有限。AI模型公司的情况有所不同,用户每次调用Claude,背后都需要计算机芯片进行运算。开发下一代模型,还要支付庞大的训练费用。2026年前三季度,Anthropic营收332.42亿美元,同期算力和基础设施费用达到188.08亿美元,相当于收入的约57%。第三季度,公司收入达到169.56亿美元,环比增长47%,却录得5.67亿美元营业亏损。上一季度,它曾实现9.74亿美元营业利润。公司在招股书中解释,第三季度利润受到临时采购高价算力,以及一笔非现金性质捐赠配比费用的影响。随着业务扩大,Anthropic的算力使用效率也在改善。不过,持续投入新模型、采购计算能力,仍会让其利润出现较大波动。对投资者而言,关键问题是这些投入最终能否转化为稳定利润。06|为什么亚马逊、谷歌、微软和英伟达都愿意给它钱?开发Claude需要大量资金和算力,亚马逊、谷歌等公司拥有庞大的云计算平台,英伟达是AI芯片的主要供应商。这些科技巨头与Anthropic的关系很特殊:投资Anthropic,可以分享AI业务增长带来的价值。Anthropic又是它们的重要客户,需要购买芯片、租用服务器和云计算资源。这次IPO,这种共生的关系更加明显。谷歌、微软、英伟达、AMD、博通、美光、台积电的相关实体,以IPO发行价合计认购260亿美元的Anthropic非投票权股份。这笔私募配售与公开发行同时安排,不计入813.4亿美元的公开发行总额。由此也产生了所谓AI循环融资的争议:科技公司把钱投给AI企业,AI企业再用这些钱购买它们的芯片和计算资源。这种相互依赖的投资与采购关系,需要持续增长的终端需求来支撑。一旦需求放缓,整个产业链的投资回报都可能受到影响。这次上市意味着什么?07|1.5万亿美元估值,究竟有多贵?按照83美元发行价,Anthropic完全摊薄估值达到约1.5万亿美元。这是全球大型科技公司的估值量级,Anthropic成立只有五年左右,还没实现稳定盈利。投资者看重的是它惊人的增长速度,以及未来几年可能达到的收入规模。分析师对此存在不同判断:PitchBook分析师Harrison Rolfes在11月17日的研究中,给出约1.42万亿美元的估值。他认为,企业AI需求支持Anthropic获得高估值,但其价值对服务价格、计算成本和现金流高度敏感。New Street Research更加乐观。该机构在IPO前给予Anthropic买入评级,提出105美元的12个月目标价,预计其2030年收入可能达到5050亿美元。路透社Breakingviews专栏作者Karen Kwok提出了一个问题:Anthropic最终会成为一家什么样的公司?如果AI模型越来越容易被替代,Anthropic可能更接近资本密集的计算服务商。如果Claude深入企业办公和软件系统,成为客户难以替换的工具,它则可能获得更强的定价能力。两种前景对应的盈利水平和合理估值,相差很大。08|Anthropic为什么现在上市?拿到的钱准备做什么?Anthropic不缺少投资者,上市前,它已经获得大型科技企业和风险投资机构的资金,截至2026年9月底也持有大量现金及短期投资。未来的支出资金量很大,根据招股文件,Anthropic签订的长期算力采购及相关基础设施承诺规模约9000亿美元。其中相当一部分支出将发生在未来几年,还有一些合同延续到更远的时期。开发前沿AI模型是一门资本投入极高的生意。即使收入达到数百亿美元,公司仍需为未来几年准备巨额计算资源。通过IPO,Anthropic可以补充资本,获得更广泛的融资渠道,也让早期投资者有机会逐步出售股份。它还需要资金,继续参与越来越昂贵的AI竞争。09|Anthropic上市,对AI行业意味着什么?Anthropic和OpenAI都依赖大型科技企业与资本市场的资金,成长为全球重要的AI模型开发商。不一样的是,Anthropic先把自己的经营账本公开。此前,外界评价这些公司的价值,主要依据私人融资估值、企业主动披露的数据。上市以后,Anthropic需要定期公布财报,投资者能够持续观察它的收入、利润、现金流、客户增长。这为衡量OpenAI及其他AI模型公司的价值,提供了一个新的参照。10|上市以后,谁说了算?Anthropic采用特殊股权安排,创始团队通过具有特别投票权的股份,仍保有重要控制权。公司长期利益信托也拥有特殊董事选举权。这与Anthropic成立时强调AI安全和长期治理的理念有所呼应。
中国车企为何迟迟不去德国建厂
虎嗅 · 2 天前
本文来自微信公众号: 汽车商业评论 ,编辑:张南,作者:推动新汽车向前进"如果你曾好奇,我们会拿柏林超级工厂这么多土地来做什么?"2026年11月16日,特斯拉德国格伦海德工厂厂长安德烈·蒂里希(AndréThierig)在社交平台X上写下这句话。答案随即揭晓:特斯拉将投资30亿欧元,在柏林东南郊格伦海德(Grünheide)现有工厂北侧新建一座厂房,专门生产无人驾驶出租车Cybercab,计划2029年投产,远期设计年产能最高100万辆。同一时期,正在欧洲加快本土化生产的中国车企几乎都绕开了德国。比亚迪选择匈牙利,奇瑞汽车选择西班牙,小鹏汽车交给奥地利麦格纳斯太尔(加拿大麦格纳国际旗下)代工,沃尔沃在斯洛伐克建设新工厂。德国是欧洲最大的汽车市场,供应链完整,宁德时代2022年底也已在图林根州量产电芯。但到今天,还没有一家中国品牌在德国建立自主运营的大规模乘用车整车工厂。中国车企为什么不到德国建厂?它们为什么选择匈牙利、西班牙这些国家?德国本土车企都在压缩国内产能,特斯拉为什么还愿意再投30亿欧元?德国生产成本是中国的5-10倍中国车企绕开德国,最直接的原因是成本。德国汽车工业协会(VDA)2024年公布的数据显示,德国汽车业每小时劳动成本平均为62欧元,是西班牙(29欧元)的两倍多,法国和意大利分别为47欧元和33欧元。梅赛德斯-奔驰集团董事会主席兼首席执行官康林松(Ola Källenius)11月11日在柏林给出的一组内部测算更直接:如果德国的生产成本是100,美国约为80,匈牙利约为30,罗马尼亚约为20,中国只有10到20。德国的生产成本是中国的5到10倍,是匈牙利的3倍多。中国车企衡量海外建厂成本,参照的正是国内工厂。按这组数字,德国很难进入它们的候选名单。德国制造成本高,不只是工资问题。德国工业电价长期高于部分欧洲竞争对手,建厂还要经过复杂的土地规划、环保审批和劳资协商。特斯拉在格伦海德就经历过这些。建厂期间,工厂先后遭遇林地清理争议、环保组织抗议和法院临时禁令,最终批复文件超过2.37万页,附带约400项条件,直到2022年3月才正式投产。2024年2月,格伦海德就特斯拉扩大厂区、建设货运设施举行居民意见调查,3499人反对,1882人支持。结果虽然没有法律约束力,特斯拉仍不得不修改方案,继续与当地协调。德国金属工业工会(IG Metall)在汽车行业影响力很大,企业在劳动条件、工时安排和人员调整上都受到较多约束。这些制度并非针对外国企业,德国本土车企同样要遵守。德国过去能够承受高成本,靠的是成熟的工程技术体系,以及售价高、利润率相对较高的产品。奔驰、宝马可以依靠品牌溢价消化部分成本,大众则通过规模化制造和全球市场维持竞争力。但中国车企目前在欧洲争夺的主要是大众化汽车市场。对一辆售价2万—3万欧元的电动车来说,制造成本每增加1000欧元,都会直接影响产品定价和盈利能力。只要在其他欧盟国家能以更低成本造车,中国车企就没有太大理由选择德国。在欧盟生产不必选德国2024年10月,欧盟开始对中国制造的纯电动车加征反补贴税。符合欧盟原产地规则的当地生产车辆,可以减少直接进口所面临的额外关税负担,同时缩短运输距离。这是推动中国车企在欧洲建设生产基地的重要因素。但满足这一条件的不只是德国。匈牙利、西班牙、奥地利、斯洛伐克都是欧盟成员国,在这些国家生产的汽车同样进入欧盟统一市场。对中国车企来说,到欧洲建厂是为了应对关税,而不是为了获得德国制造的名声。只要在欧盟境内生产,剩下要比较的,就是建厂和运营花多少钱、当地政府给多少支持、多快能够投产,以及销量不及预期时能不能及时收缩。比亚迪选择自建工厂,地点在匈牙利塞格德。匈牙利的劳动成本明显低于德国,企业所得税名义税率只有9%。近年来,匈牙利政府积极吸引中国汽车和动力电池投资,当地已经形成一定的产业配套。奇瑞和小鹏都没有从零建厂。奇瑞汽车与西班牙汽车品牌埃布罗(Ebro)合作,利用巴塞罗那原日产工厂生产汽车,省去了购地建厂的前期投入,人员和供应链问题也可以借助当地合作伙伴处理。小鹏汽车把欧洲生产交给麦格纳斯太尔代工,资本开支更低,也能根据销量变化调整生产安排。零跑汽车则通过与Stellantis集团成立的合资公司,利用其在西班牙萨拉戈萨的现有工厂。2026年10月16日,零跑B10已在这里正式启动生产。这座工厂同时生产欧宝Corsa、标致208和蓝旗亚Ypsilon。沃尔沃汽车在斯洛伐克建设新工厂,同样体现了欧洲汽车制造向中东欧转移的趋势。无论自建、合作还是代工,这些项目都没有放在德国。即使在成本更低的国家,建厂也并非一帆风顺。比亚迪匈牙利工厂的投产计划已推迟,奇瑞与埃布罗的巴塞罗那项目也经历了多次进度调整。欧洲造车的困难不只存在于德国,但在成本更低的地方建厂,至少可以减少一部分长期经营压力。宁德时代在德国建成电池工厂,也不能说明中国整车企业适合到那里投资。电池工厂要考虑欧洲整车客户的配套需求、供应链布局和电池运输成本,整车工厂则更直接地受到产品售价、人工费用、产能利用率和市场规模的影响。德国也并非没有现成产能可用。大众汽车集团调整国内产能后,部分德国工厂出现停产、减产或者重新规划用途的情况。接手现成工厂,理论上可以省去从零建设的部分投资。2025年4月,曾有消息称奇瑞可能与大众达成协议,利用大众的德国工厂生产奇瑞旗下品牌Lepas的汽车,但此后没有明确的项目落地消息。2026年5月,又有消息称比亚迪与大众接洽,考虑使用德累斯顿"透明工厂"的部分设施,大众随后否认。这座工厂已于2025年底停止整车生产,计划与德累斯顿工业大学合作转型为创新园区。大众奥斯纳布吕克工厂也没有等来中国车企,未来将转向防务装备生产。德国车企和地方政府并非没有意愿。4月30日,大众汽车集团首席执行官奥博穆(Oliver Blume)表示,与中国车企共享欧洲闲置产能,可能是降低成本的一种聪明办法。下萨克森州州长奥拉夫·利斯(Olaf Lies)也公开表示,可以考虑让中国车企在大众德国工厂生产汽车。但闲置工厂并不容易出售或出租。原有员工的薪酬、工会协议、设备改造,以及地方政府对就业的要求,都会随工厂一起转到接手方身上。买下一座德国工厂,未必能摆脱德国制造昂贵的问题。只有土地、厂房和设备的价格低到足以抵消较高的长期运营费用,接手现有产能才划算。中国车企自己也算过这笔账。2025年,奇瑞国际副总裁张贵兵曾表示,奇瑞正在研究在德国生产的可行性,但德国的劳动力、成本和监管条件是不小的挑战。对中国车企而言,德国市场值得进入,但汽车并不一定要在德国生产。特斯拉在德国算的是另一笔账德国制造成本这么高,特斯拉为什么还要扩建柏林工厂?这要从它当年为什么选择德国说起。2019年11月12日,马斯克在德国《图片报》主办的"金方向盘"颁奖典礼上宣布,特斯拉欧洲超级工厂将落户柏林地区,同时在柏林设立工程和设计中心。他在现场说,德国的工程能力出色,这是特斯拉把欧洲工厂放在德国的部分原因。随后他对英国汽车杂志《Auto Express》表示,英国脱欧带来的不确定性让在英国建厂风险太大。格伦海德的地块让特斯拉能够很快开工。这块约300公顷的土地位于柏林东南郊,紧邻柏林环城高速公路A10,有铁路接入。2000年前后,宝马曾考虑在这里建厂,当地为此把它规划为工业用地。宝马最终去了莱比锡,规划却一直保留下来。特斯拉利用德国审批制度中的"预先许可",在正式批复下来之前就开始施工,相应的风险由投资方自行承担。特斯拉当年看重的是德国的工程人才、欧洲市场和建设速度,成本并不是决定性因素。如今,格伦海德工厂已经运营多年,土地、厂房、供电供水、物流设施、员工以及主要供应链都已就位。在现有厂区扩建与从零开始在德国建厂相比,前期成本和风险不可同日而语,特斯拉面对的投资账也就与中国车企完全不同。根据特斯拉披露的信息,新增30亿欧元主要用于新生产厂房、辅助建筑以及第二座污水处理厂。新厂房计划2027年上半年动工,扩建工程此前已纳入总体规划,仍需完成相应的许可程序。早在2023年提交的扩建材料中,特斯拉就提出要把格伦海德工厂的年产能提高到100万辆,这次只是明确了新厂房的产品方向和投资规模。蒂里希表示,这笔投资将使特斯拉在柏林和勃兰登堡地区的累计投资达到约100亿美元。特斯拉还计划扩大当地4680电芯生产,规划年产能18GWh。现有工厂的经营状况也为扩建提供了理由。格伦海德工厂主要生产Model Y,设计年产能约37.5万辆。受全球汽车需求波动影响,工厂产能曾长期没有得到充分利用,扩建计划一度搁置。2025年,工厂生产了约20万辆Model Y。近期周产量回升至约7000辆,接近每周7500辆的技术上限,员工人数也从低谷时的约1.1万人增加到1.26万人。但这只能说明特斯拉具备继续投资的条件,还不能解释它为什么愿意在高成本的德国生产Cybercab。更关键的原因,在于特斯拉对未来汽车市场的判断。Cybercab取消了方向盘和踏板,专为无人驾驶出行设计。特斯拉希望通过大规模生产Cybercab,把汽车制造与无人驾驶运营服务结合起来。这种商业模式如果成功,一辆车的收益就不再完全取决于售价,还可能来自长期运营和软件服务。这还是一个尚未成熟的市场。Cybercab已在美国得克萨斯州启动初期生产,但距离大规模商业运营仍有距离。欧洲尚未批准特斯拉开展无监督自动驾驶商业服务,Cybercab还需要满足相应的车辆认证要求。2029年能否如期投产,远期百万辆产能能否得到充分利用,都存在不确定性。特斯拉也没有找到降低德国制造成本的办法。它仍要依靠制造自动化、规模效应以及无人驾驶商业模式的盈利能力,来抵消德国的高成本。对特斯拉来说,这30亿欧元不是决定要不要进入德国,而是决定如何继续利用一座已经投入数十亿美元的生产基地。中国车企面临的情况恰好相反。它们还在欧洲寻找生产基地,可选的地方远比已经落户德国的特斯拉多,也没有必要在德国承担这样的投资风险。
苹果、Uber开始限制Token:公司让你大力用AI,为什么又要管账单?
虎嗅 · 2 天前
本文来自微信公众号: 快刀青衣 ,作者:快刀青衣Token预算真正要管的,不是用量。现在已经是11月了。如果回忆一下年初,就在今年3月,时任英伟达CEO的黄仁勋说过一句话,马上传遍了各个媒体。大意是,一个年薪50万美元的工程师,如果一年在Token上花不到25万美元,他会「非常担心」。你看,他是因为员工花Token不够多而担心。差不多同一时期,Visa把员工的月Token消耗量从1万亿涨到了将近2万亿,这件事还被当作喜报发布。腾讯也给每个员工配了年均22万元的Token资源。那阵子,企业用Token的氛围就是五个字:大力出奇迹。现在呢?就在这个月,全球SaaS软件巨头Salesforce的首席运营官给员工发了邮件,从本月起,按照岗位设置Token预算。销售部技术岗每月1000美元,非技术岗100美元,其他部门也各有不同。要知道,他们的CEO贝尼奥夫今年5月刚说过,预计全年在Anthropic的Token上要花3亿美元,主要用来跑编程智能体。5月还在说要花3个亿,11月就开始设限制了。Salesforce也不是个例。苹果工程师的日均Token额度从300美元砍到200美元,部分非技术团队还考虑压到每天25美元。Uber更夸张,全年的AI Token预算,4个月就烧光了,然后紧急设置了每人每项工具每月1500美元的限额。你看,半年前还在比谁烧得多,半年后就开始比谁管得住了。这个转弯的速度快到让人有点恍惚。不过我想说的是,这真的不是这些公司的技术负责人说一套做一套,是技术发展太快了,让Token的消耗出现了指数级增长。我看过全球第三方算力平台OpenRouter的一张图,对比的是人类和智能体消耗Token的数量。今年2月份,智能体的Token消耗量首次超过人类,那时候正是龙虾OpenClaw项目刚火起来的时候。而到了9月底,智能体自主消耗的Token已经是人类的7倍左右。这就相当于,跟你一起入职的张三,入职时你们每个月工资都是3000元,过了8个月,他的工资涨到了2万1。要是你,心态恐怕也得失衡。这里面最核心的变化就是:之前是人类用AI去写代码,现在是人类派AI去写代码。这动作上的一字之差,放到经济账上,却意味着算力消耗的大幅增加。但咱们仔细想想,这背后其实藏着一道所有公司迟早都要面对的题。只不过,大家没想到这一天来得这么快。现在你去看各家公司的做法,会发现一件有意思的事:大家都在管Token消耗了,但管法完全不一样。高盛CEO所罗门说得很直接,没必要让所有人每天都用最先进的模型。网络安全这类关键岗位才需要顶级模型,其他人用普通模型就够了。这是一种思路,按照岗位的重要性来分配。思科走了另一条路,先放开,让3.2万名员工无限量使用。他们把这个过程叫作「学骑自行车」。等大家都会骑了,再按照管理层级设置预算,监控团队的使用情况。这等于是先撒开,后收回来。国内大厂更热闹。腾讯一开始给每人年均22万元的Token资源,后来发现有人为了不浪费额度,搭了一堆没用的工作流在那里刷量。于是开始收缩,改成组内共用额度池,由组长来分配。各部门差异也很大,据媒体报道,混元大模型团队员工每月额度7000元,腾讯娱乐外包员工每月只有1000元。字节的思路又不一样,自家的模型不限量随便用;如果你要用外部模型,费用报销一半。产研岗年度上限1000美元,其他岗位300美元。阿里更有意思,直接成立了一个叫Token Hub的事业群,由CEO亲自挂帅。你把这些放在一起看,会发现每家公司其实都在回答同一道题,但给出的答案五花八门:有的按岗位分,有的按部门分,有的按内外部模型分,还有的干脆先不分,等问题冒出来再说。确实,这道题现在没有标准答案。因为这是一道全新的考题,没有什么可以参考的样题,也没有哪个学霸能说自己的做法就是完美的。你想想,这些公司哪家不会管预算?差旅预算、软件预算,管了几十年了。但Token预算,为什么谁都管不明白?原因也简单,传统的资源分配逻辑,在这件事上失效了。过去公司分配资源,逻辑很直白:级别越高,权限越大。比如很多公司的差旅方面,总监坐商务舱,一线员工坐经济舱;出差住酒店,老板和员工的预算也有差别。这都非常好理解。但Token资源不是这样。用得最猛、用得最好的,很可能就是一线的年轻人。他每天泡在代码里,泡在内容生产里,AI对他来说就像一把锤子,他一天要钉一百颗钉子。如果你做企业管理,也知道很多企业的第二曲线或者创新业务,往往都来自一线的实践。比如Anthropic的翻身,就是因为几个一线员工自己小范围地做出来Claude code,并且先用在了自己的研发工作上,才有了现在Claude的收入规模,和它在企业代码市场上的碾压地位。前面咱们说的这个道理,大家都能理解。但是,如果给一线同学都配上顶尖模型,你总不能给老板或者VP这些高层配一个最差、最便宜的模型吧?这不仅仅是面子上过不去的问题,还有一个更根本的原因:如果老板自己都不知道最强AI的水平,他就更难理解AI现在到底能做什么,也就更不利于公司适应AI时代。但这样一来,如果从VP到实习生,所有人都用最顶级的模型,那支出账单又撑不住了。这就是现在企业落地AI的一个真实卡点。按级别分,不合理。按需求分,那谁来判断谁的需求是真需求?甚至还有极端的案例,是按年龄分。虽然大家经常在社交媒体上看到,说AI时代要相信年轻人。但真到了这个场景,可能有些人生理年龄很年轻,心态上却已经老态龙钟;有些人生理年龄已经很大了,却依然有非常强烈的好奇心。说到这里,埃森哲有一组数据挺扎心的。他们分析了职业数据库里的9368项任务,发现只有大约10%的任务真正需要最强的前沿模型,但54%的AI请求使用了高于任务实际需要的模型档位。要知道,前沿模型和中档模型,每个Token的价格能差10到20倍。大量的钱,就这样花在了「杀鸡用牛刀」上。更麻烦的是,一旦你开始考核Token消耗量,刷量就来了。咱们之前也聊过,亚马逊有员工搭了一个内部排行榜,叫KiroRank,专门追踪同事的Token消耗。结果大家疯狂刷榜,最后副总裁出来喊停,把排行榜删了。埃森哲的案例更典型。今年年初,埃森哲曾经把使用AI工具的情况和绩效、晋升挂钩。后来,内部又发现,部分非技术员工把大量Token花在一些价值不高的事情上,比如用AI把PDF转换成PPT。你看,AI使用率高,并不等于工作价值高。我之前还在广播站和你聊过一个类比,Token消耗量这东西,跟苏联钉子厂的故事很像:按重量考核,工人就造超大的钉子;按数量考核,工人就造细得像针一样的废品。你用什么指标考核,就会收获什么样的扭曲。Token消耗量是一个过程指标,不是结果指标。如果把它直接挂到每个人头上,你看到的就不是真实的使用情况了。说到这里,可能有同学会想,那等Token降价了不就好了吗?模型每年都在变便宜,再熬一熬,这个问题是不是就自己消失了?绝对不会。这就是杰文斯悖论最有意思的地方。简单和你说一下杰文斯悖论是啥:1865年,经济学家杰文斯发现了一件反直觉的事。蒸汽机的效率提高了,按理说每台机器都省煤了,煤炭总消耗应该下降。但实际情况正好相反:煤动力变便宜了,更多行业开始使用蒸汽机,总需求爆发,煤炭消耗不降反升。效率提升带来的节省,其实是油门,不是刹车。Token也是一样。埃森哲做过一组测算,企业预计未来两年Token单价会下降19%,但用量会增长78%。如果不优化使用方式,算下来总支出反而会增加44%左右。你看,单价降了,总支出反倒涨了。Box的CEO莱维说过一句特别形象的话:如果我的律师能以两倍速审查合同,我不会只雇一半律师,我们会以两倍速审查所有合同。这不是理论上的推演,Salesforce就是活生生的「杰文斯悖论」企业版。模型能力越强,能干的事越多,员工就越敢往里面交各种任务,Token也就烧得越快。你以为降价能解决问题,结果降价只是让你敢把AI用在更多地方,企业的总支出反而可能不降反升。我曾经看到过国内一个大厂员工说的一句大实话:「因为AI,我们的工作量已经涨上去了,不会因为Token限额就降工作量。而且用AI以后,我很难再回归古法编程了。」今年年中的时候,有不少企业集体官宣,优秀员工可以享受「无限Token」。我想了想,十年前,互联网公司招人喜欢写什么?弹性工作、不打卡、可以带猫狗上班、有下午茶、有健身房。这些东西在当时都是一个信号,意思是我们公司很新潮,我们信任员工。现在,这个信号可能正在变成:顶级AI,随便用。反正现在我在团队里的管理方式还是比较粗放,每个人都可以自己调用公司配好的各种大模型,公司统一计费和管理,这里主要管的是异常消耗和安全问题。另外上周,我也在公司内部搞了一个「AI抗大工作坊」,里面有十几位来自不同部门、不同岗位的同事,他们对AI有好奇心,也有自己特别想解决的问题。对于他们,我和两位技术同事,会帮他们调教智能体,配上旗舰模型来实操。在我看来,算力消耗多少只是一个数字,重要的是,这些消耗到底解决了什么问题——有些问题,花再多的Token去解决都值得;有些问题,压根就不值得让AI去干。这中间,还是需要人的判断力。说到这里,我也挺好奇大家的情况:你们公司现在是怎么管理AI使用的?有没有遇到过额度不够、需要自己掏钱的经历?欢迎你在评论区聊聊。这道题没有标准答案,但每家公司的做法拿出来比较一下,可能就能看出点什么了。
CTF_TYPE_1795112585_video
虎嗅 · 2 天前
type test
CTF_TYPE_1795112585_text
虎嗅 · 2 天前
type test
CTF_IMG_TEST_1795112415_video
虎嗅 · 2 天前
test

当叙事VIX和市场VIX 共振

虎嗅 · 14 小时前 · 肖小跑©
本文来自微信公众号: 肖小跑 ,作者:肖小跑,原文标题:《当叙事 VIX和市场 VIX 共振》01大家吃市场的瓜吃的怎么样了?(真心希望大家只是在吃瓜)。每次市场崩盘,我们很容易听到的一个词:"共振"。这个词让我想起小时候,物理老师只要讲到“共振”,肯定会提到拿破仑军队那个故事:法国士兵迈着整齐的正步走过一座桥,步点刚好踩在桥身自己的固有频率上,好好的一座桥就这么踩塌了。大概因为这个故事太好懂了,金融业界也喜欢上了“共振”这个词。当每次大盘跳水,很多相关不相关,甚至本应该作为对冲的市场(黄金、比特币)也跟着一起跳水时,市场的叙事中肯定会出现四个字:“利空共振”。顿觉威力倍增。但我爸物理不错,有时会阴阳怪气一句:你们老师真爱瞎编,共振真有那么容易发生吗?这倒是真的。共振其实是个门槛极高的现象。想把一座桥踩塌,光靠人多或者体重是没用的。如果我们做个奇怪的想象:如果当年拿破仑的军队里不是步调一致、训练有素的法国士兵,而是一群刚逛完早市的大爷大妈,拎着大葱和鸡蛋,东一脚西一脚地溜达上桥,那这座桥顶多是晃一晃,塌掉的场景大概率是不会出现的。这个场景其实很像金融市场,虽然我们觉得这个地方好像很容易出大事,但一年365天里有300天其实就是大爷大妈过桥,看起来人声鼎沸,但每个人的作用力其实是在相互抵消的。共振需要作用力的间隔大致合拍,先前的摆动还不能被摩擦耗尽,下一次推动才有机会合拍。但是上周的美股,应该算是剩下65天中的几天,共振似乎确实出现了。标普一个月前还涨着12%,转眼就跌回原点,创下2020年以来最长连跌纪录;纳斯达克周五一天跌去5.3%;恐慌指数VIX冲向去年4月大解放日以来高位;比特币跌出两年多新低;黄金直接触到3600;新兴市场股市也进了熊市。事后复盘,大家发现每个利空叙事都很熟悉,没有新的增量信息,没有任何叙事是昨天才发明出来的新故事。不仅没有新故事,现有的叙事分歧还很大:现在的市场叙事到了一个很奇怪的阶段,不管你提出多么有力的证据,比如说GPU还在短缺,各种供给还在短缺,未来AI一定会让你很丰裕;但只要从“未来”回到“当下”,比如让这些GPU发挥作用的钱从哪来?下一顿饭从哪来?“未来”突然就看不清楚了。正想着呢,看到了马老师的帖子,他表述的正是这个意思,比我表述得直白多了:从叙事的角度,我好像没见过这么一个市场状态:正方和反方都有非常强烈的理由,但没办法证伪对方,因为能证伪各自的是“未来”,而那个“未来”还在人们的想象之中。02虽然在这种市场情绪中,你很容易迷路,但看流动性、VIX和SKEW,至少下周的方向没有那么模糊了:悲观的观点似乎发生了共振。市场并不在乎你的未来(其实大多数时候是这样)。那么问题来了:为什么大半年都风平浪静,一共振就是瞬间变化,而且反应如此激烈?回答这个问题有个挺简单的办法:找不同。找找和历史相比,当下的市场有什么以前都没有的东西?不知道大家有没有注意到(中间这部分内容发不出来,大家可以看substack《发现叙事》版本)。03这可能是共振发生的一个原因。但我觉得还有一个更重要的原因,就是那个经常被我们当作背景的变量:时间。“时间“这件事在大部分人的感知里,和空气一样,它天然存在,看不见摸不着,想象不出它对现实世界会有什么作用力。但在市场里,时间是最重要的一个变量。也最tricky。如果我们开启交叉学科思维,从理科生的逻辑里找一个对市场大跌的解释,大概可以这样想象:市场上的每一个叙事都是一条波动曲线,大多数人只能看到二维平面:一个是振幅,也就是某个叙事或者新闻本身有多震撼、体量有多大,比如Anthropic几万亿美元市值,或者伊朗又打起来了。第二个维度是频率,也就是这个叙事出现的节奏和变化的快慢。我给它取了个名字叫“叙事VIX”。但这件事还有第三个维度,就是时间。当把时间放进来时,数学好的小伙伴脑中就会出现一个词:相位(Phase)。用普通话翻译一下就是:每一条波在时间轴上走到哪一步了?波峰和波谷具体落在哪一天?再用小学生普通话翻译一下:如果没有时间变量,你只能看到市场上存在着N种很吓人的风险,但你并不知道它们会不会撞车、什么时候会撞车。就像上面提到的大爷大妈走吊桥,就算能踩出几条振幅很大的波,如果相位错开了,一个走到波峰,另一个走到波谷,加在一起反而会互相抵消。一旦时间把这几条原本各走各的周期推到了同一个交点,波峰凑巧撞上了波峰,相位对齐了,一个物理公式就生效了:波的能量和振幅的平方成正比。两条对齐的波叠加在一起,能量就远不止翻两倍,而是四倍(感谢AI,现在文科生也能用物理定律来论证自己的观点了)。仓本模型(Kuramoto Model)做的就是这件事:解释一群各自游荡的振子为什么会突然同步。2000年伦敦千禧桥开放,数万人涌上桥面。当同时在桥人数达到约2000人左右时,桥突然开始剧烈摇摆,被迫紧急关闭。后来一位数学家用仓本模型解释了这件事:桥面稍微一晃,大家为了站稳脚跟,身体下意识跟着晃动的节奏迈步,结果越走越齐,开始共振。其实它完全也可以解释这几周发生的事情。虽然叙事分散,甚至冲突,但它们偏偏集中出现在同一时间:AI估值烧钱、又一大厂自由现金流转负、史上最大规模IPO万亿估值、撑住估值需要地球上没出现过的万亿营收、算力信贷、英伟达央行之变、美国商务部BIS 90天许可倒计时。中间还穿插着很多黑色幽默:因AI找bug太快而带来全球系统性宕机:美国航班停飞、Microsoft Office卡死、银行App罢工。再加上政治:民主党、中东冲突又起、雅尔塔2.0、油价和通胀、甚至联储会不会反手来一次意外加息。每个消息都和另一个消息有关,每个消息都会按照另一个消息的出现而调整自己的节奏,结果就是开始共振,叙事的VIX急速升高,仓本模型里的“锁相”就完成了。04这还没完呢。如果“叙事VIX”和“市场VIX”再发生一次共振,就更热闹了。但不幸的是,它俩也会根据对方调整自己的节奏:“叙事VIX”先升高,投资者开始为这些消息付钱买保护,“市场VIX”才跟着变化。两种节奏平时可以错开,碰到一起时也会共振。比如一个月前的股市还风平浪静,标普500的SKEW指数突然升高。为什么?因为机构正在用很便宜的价格扫货看跌期权。(A month ago,SKEW was at 168 and$VIX was at 20,with the market near its peak.Today,the picture has completely flipped)这是什么意思?大家可以想象一个山清水秀、平时很少发大水的山村。天气好的日子里,那种只有特大山洪冲垮村子才用得上的逃生筏卖得很便宜。但往往这个时候,会有一些思路清奇的聪明人,趁着风平浪静悄悄买上几个囤在家里。平时没发洪水,也就是多花一点零花钱;万一真赶上百年一遇的山洪就能救命。SKEW在市场VIX极低的时候冲高,说明村里突然有一大群都变聪明了,同时跑去扫货,居然把价格抬高到了历史高位。当然,抢逃生筏的动作本身并不会召来洪水。洪水到底来不来得看大自然的召唤。但不巧的是,到了11月下旬,叙事VIX的共振唤醒了大自然;市场一跌,前期囤好救生筏的聪明人开始兑现看跌期权,而面对洪水慌了神的不太聪明的人,现在开始去抢救生筏,又把VIX推向高位;而卖救生筏的做市商在急跌时又不得不卖出期货来对冲。于是仓本模型又生效了:“叙事VIX”和“市场VIX”根据对方的步伐调整了自己的节奏,结果又发生了共振。桥上每个人都在努力站稳,桥却因此晃得更厉害了。
查看原文 ↗