不少业内人士预计，随着特朗普领导的共和党在美国中期选举中遭遇惨败，这可能会鼓舞一些美国贸易伙伴对特朗普好战的贸易政策予以反击——尽管他们可能也需要谨慎行事，以免在特朗普执政的最后两年里彻底激怒他。

民主党周二在美国参议院和众议院均赢得多数席位，美国选民对特朗普的政策——包括被指与伊朗战争一同导致通胀持续高企的关税政策——给予了严厉的反对。

这一变局可能会让美国的经济竞争对手们在接下来的谈判中占据上风，包括促使美国的亚洲盟友放慢数千亿美元投资承诺的落地节奏，并让欧洲在诸多悬而未决的贸易争端中重获更多确定性。

全球有望打起“缓兵算盘”？

在暗自期盼外部压力能够有所缓和的阵营中，包括了美国在亚洲最核心的盟友。此前为安抚特朗普，日本曾许下5500亿美元、韩国曾许下3500亿美元的对美投资天价承诺。

首尔西江大学经济学教授Heo Yoon指出，各国现在可能会感到履行此类承诺的压力减轻了——“民主党似乎认为，这些投资承诺是强加给盟友的。”

但东京上智大学美国政治学教授Kazuhiro Maeshima也提醒道，“关税风险远未完全出清。日本如果应对迟缓，新一轮加征关税的呼声势必卷土重来。”

韩国此前已沦为特朗普发泄怒火的典型靶子——他屡次指责首尔方面未能兑现投资许诺。

就在近期，韩国方面公开反驳了特朗普关于韩国已同意出资阿拉斯加大型LNG管网项目的主张。韩国国立外交院国际关系教授Ban Kil-joo分析称，美国国会对此类项目的严格审查，恰好能为首尔争取到重新评估的时间。

韩国外交部则明确表态，无论美国国会的权力版图如何重构，韩方都将继续同美国政府、国会以及各州就经贸议题保持紧密沟通。

在欧洲，得益于此前达成的一系列协议，大西洋两岸的贸易摩擦已在很大程度上得到平抑，暂时遏制了特朗普关税风暴的冲击波。

但潜在的引爆点依然存在：特朗普随时可能对那些开征数字服务税以针对美资科技巨头的欧洲国家实施报复，同时盯紧欧洲向飞机制造商空中客车注资30亿欧元公共贷款的争议不放手。

美国已对欧盟及其他经济体的产能过剩展开调查，并对德国的药品定价启动了调查。德国机械设备制造业联合会表示，预计民主党还无法夺回对贸易政策的控制权。

此外，特朗普此前已经撕毁了他在第一任政府期间签署的美墨加贸易协定的部分内容，并曾琢磨过终止该协定。但这样的举动可能会招致国会的严密审查。

据熟悉谈判的人士透露，在美国商务部长卢特尼克的反对下，与美国最大贸易伙伴墨西哥和加拿大的谈判正陷入停滞。就墨西哥而言，卢特尼克反对大幅削减对墨西哥汽车征收的25%关税以及对钢铁和铝征收的50%关税。

而中期选举的结果，可能将给这些美国近邻留有更多观望的余地。加拿大总理马克·卡尼表示，如果需要，他准备在接下来的两年里按兵不动，转而与特朗普的继任者达成协议。

仍需小心特朗普“破罐子破摔”？

当然，即使共和党在国会失去了多数席位，预计特朗普仍将继续向贸易伙伴施压，要求后者在贸易问题上做出更多让步。

这令部分贸易伙伴依然预感到前方可能“风浪难平”——几乎没有任何迹象表明，特朗普会坦然接受选民对其关税政策的裁决——尽管这些政策已颠覆了全球贸易格局。

“美国的保护主义绝不会就此消退，”欧洲议会国际贸易委员会主席Bernd Lange直言，“一个遭削弱的特朗普，行事反而很可能愈发激进、难以捉摸。一只‘跛脚鸭’，随时可能蜕变成一只‘愤怒的鸭子’。”

德国国际与安全事务研究所高级研究员Laura von Daniels也表示，“我认为在年底前，我们很有可能会看到美国对欧盟发起更多关税威胁的严重风险。”

印度前外交官、智库Gateway House资深研究员Rajiv Bhatia则指出，“民主党的胜利，绝不意味着特朗普会对任何国家变得更为通融。”

停牌十个交易日后，秦港股份在2026年11月4日端出一份向控股股东河北港口集团买资产的方案：以3.45元/股发股并支付部分现金，买下曹妃甸港区四家码头公司的部分股权，同时募集配套资金。

董事会同步表示，这笔关联交易预计不构成重大资产重组。

直觉上，够不上重大重组，意味着收购体量不大；但把四笔股权放进《上市公司重大资产重组管理办法》的公式里重算，资产净额指标已经到46.65%，离50%的法定红线只差不到5个百分点。

四家标的都在曹妃甸港区，做铁矿石、煤炭等大宗散货的装卸堆存。

单看收购比例，每一笔都是少数股权；真正改写量级的，是曹妃甸实业25%。

秦港原本持股35%，再买25%后到60%，从参股变成控股。

正是这一步，触发了控制权变更，也启动了另一套监管测试与会计核算逻辑。

标的审计评估值、交易作价、股份与现金比例都未敲定，这一判断仍是董事会基于初步数据作出的。

买下25%股权却要按100%家底算账

要读懂46.65%，得先看第十二条和第十四条。

第十二条规定，买资产只要资产总额、营业收入、资产净额三项中任一项超过上市公司对应指标的50%，就构成重大资产重组。

第十四条划了一条分水岭：买股权没拿到控股权，或标的原本就是控股子公司，按本次购买的股权比例算；一旦拿到控股权，就要把标的公司100%的资产、营收、净资产装进分子，资产总额和资产净额还要按账面值与成交金额孰高计算。

四笔股权因此分成两类。

国投曹妃甸24%、华能曹妃甸28.2328%买完后仍是参股，曹妃甸煤炭6%是已控股子公司的少数股权收购，三笔都按比例计入；唯独曹妃甸实业25%让秦港拿到控股权，必须按100%口径。

按最新一期未审计数据，曹妃甸实业25%按比例只占秦港净资产的9.59%，触发100%口径后跳到38.38%，单项推高近29个百分点。

再叠加另外三笔按比例计入的份额，2025年净资产指标45.14%，最新一期46.65%。如果把12个月内对沧州黄骅港原油港务的增资按最宽口径累计，指标还会更高。

黄骅港增资是否属于相关资产存在口径争议；第十四条又要求资产净额按账面值与成交金额孰高。

作价未定，若评估溢价高或2026年审计净资产继续增长，分子还会往上走，最终以重组报告书为准。

并表把营收放大三成，归母净利只增两成

曹妃甸实业从参股变控股，改写的不仅是重组测试的分子。

交易完成后它进入合并报表，利润表会重构。

过去参股时，秦港对曹妃甸实业用权益法：曹妃甸实业的营业收入不进秦港的营收，但净利润按持股比例分一块，记在投资收益里，直接进入归母净利。

2025年，秦港按35%分享的投资收益约3.32亿元，占全年归母净利的20.67%。即便不做这次收购，曹妃甸实业超过三分之一的利润原本就在老股东口袋里。

市场上常见的误读，是把曹妃甸实业整盘利润都当成这次收购的新增业绩。

实际新增的只有新买的25%那一截。

把25%的曹妃甸实业，加上国投24%、华能28.2328%、曹妃甸煤炭6%对应的利润份额，按2025年静态口径加总，四笔股权的归母净利增量是3.52亿元。

合并报表的营收又是另一套规矩：一旦控股并表，控股子公司的全部营业收入都要并进来。

按2025年静态数据，仅曹妃甸实业并表，就会让秦港账面营收放大30.43%。

营收放大三成，归母净利只增两成出头，差额在少数股东损益。

曹妃甸实业还有四成股权在其他股东手里，这四成股权对应的利润要从合并净利润里扣出去，才轮到归母。

面子上营收扩张三成，里子上归母只增两成，这就是控制权变更在报表上的视觉差。

上述增量是按历史净利乘新增持股比例算出的静态结果，未扣除购买法评估增值摊销与商誉影响，不是业绩承诺或盈利预测。

发股买资产是增厚还是摊薄，全看评估溢价

为什么此时买？

对照几天前披露的2026年三季报，压力就出来了。

今年前三季度，秦港归母净利同比只增0.42%，第三季度单季还同比下滑。成熟港口的内生主业，已经停在零增长平台。

在主业见顶的背景下，向控股股东买盈利能力较强的成熟码头股权，本质是用外延并购补利润增量。

但老股东买进利润的同时，还要付出股份稀释的代价。

划不划算，取决于发行价和最终评估作价两把端。

预案把发行价定在3.45元/股。

按规则要求不低于前20、60、120个交易日均价之一的八折；董事会直接选了三个均价里最低的120日均价，没有动用八折下限空间。

即便不打折，发股买资产仍会扩大总股本：四笔股权按最新一期账面净资产合计37.86亿元，假设全部以股份支付、按账面平价收购，现有股东持股被静态稀释19.64%。

稀释近两成，换回的利润增量能不能补上？

取决于河北港口集团最终卖多少钱，也就是评估作价相对账面净资产的PB。

从静态资产回报率看，四笔股权打包的盈利成色高于秦港现有水平；按2025年口径，组合ROE高于秦港自身ROE，若能按账面平价买进，交易会增厚老股东回报。

但港口码头是重资产，国资转让通常要评估，土地使用权、岸线泊位往往有评估增值；一旦作价高于账面，买回来的资产回报率就被压低。

这四笔里还夹着盈利较薄的华能曹妃甸，拉低了整个资产包的耐受溢价空间。

按2025年静态和今年年化数据测算，增厚转摊薄的作价临界点在1.02倍至1.22倍PB之间。

用大白话说，每100元账面净资产的码头股权，最终作价超过这个区间，发股买资产对净资产收益率就从增厚变成摊薄。

现金支付比例和配套融资规模未定；提高现金比重能减轻股本稀释，但会增加现金支出或债务成本。

五年承诺进入最后一年，一半关联股权还留在桌外

这笔踩在红线边缘的交易，还背着一道倒计时的制度期限。

2022年7月，河北启动全省港口资源整合，把唐山港口实业集团、曹妃甸港集团以及国投曹妃甸部分股权等集中划转至河北港口集团。

整合后，河北港口集团同时成为秦港股份与唐山港两家A股公司的控股股东，港区重合与同业竞争问题摆上台面。

2022年8月，河北港口集团向两家上市公司出具《避免同业竞争承诺函》，承诺在股权划转完成后5年内，综合运用资产重组、资产置换、股权置换、业务调整、委托管理等措施解决同业竞争。

市场通常以2022年10月底作为划转完成日，按此计算承诺期到2027年10月，只剩最后一年。

过去四年，集团层面最主要的过渡动作是2023年6月的《股权托管协议》：秦港先受托管理曹港股份持有的华电曹妃甸40%、华能曹妃甸两成多、曹妃甸煤炭21%，以及河北港口集团持有的秦山化工43.0257%，但不涉及产权过户。

2026年10月，秦港与河北港口集团签署《股权收购意向协议》，次日停牌，11月3日董事会审议通过预案，11月4日复牌。

从承诺到托管，再到期限只剩一年时启动实质性收购，资产归集终于迈出产权注入的一步。

但把2023年托管清单和预案的股东结构逐一比对，这次只切走了一部分。

四笔股权全部是河北港口集团直接持有；同一片曹妃甸港区、甚至同一家标的公司里，集团子公司曹妃甸港集团手里的股权，这次一股没动。

预案的股东结构显示，交易完成后曹妃甸港集团仍持有曹妃甸煤炭21%、华能曹妃甸19.7672%；2023年已交由秦港托管的华电曹妃甸四成、秦山化工43.0257%，也未出现在收购名单。

本次只买集团直接持股，一个直接后果是测试指标停在46.65%，离红线还有距离；剩余股权如果进入同一批交易，分子还会上升。

承诺函原本允许资产置换、业务调整等多种履约方式，并未硬性规定剩余资产必须全部装进秦港；本次交易还需其他股东放弃优先购买权、国资评估备案、股东会审议、上交所审核与证监会注册。

2027年10月窗口关闭前，桌外那几块曹妃甸码头股权如何处置，目前没有答案。

国行用户等了两年的苹果AI，更像是一次基础能力的补课，并非真正意义上的AI革命。

苦等两年多，国行用户终于等来了苹果AI。11月4日，苹果发布了iOS 27.3开发者Beta版，国行版Apple Intelligence（苹果智能）首次开放测试。

这是苹果AI第一次真正进入中国大陆市场，但其首次发布在2024年6月。两年期间，国产手机厂商已经将AI消除、智能摘要、实时翻译乃至跨应用智能体等功能陆续装进手机，消费者对这些功能并不陌生。对于那些已经连续购买了两三代iPhone，却始终无法体验苹果AI的国行用户来说，苹果这次更新多少有些迟到的意味。

不过，本次苹果AI入华存在一个变量——苹果与阿里合作正式落地，千问接入国行Apple Intelligence，在Siri、写作工具和视觉智能等入口中提供文本与图像理解能力。

迟到的苹果AI，究竟能不能让用户眼前一亮？

迟到两年，苹果疯狂补课

此次国行Apple Intelligence首批开放的功能，主要包括实时翻译、写作工具、视觉智能、照片消除、智绘表情、邮件摘要、通知摘要、智能回复等。

来源：手机截图

从实际体验来看，一些功能还是能够给人惊喜的。

比如实时翻译，这项功能被整合进信息、FaceTime和电话等应用，打电话和发信息的过程中可以直接翻译。配合AirPods 4代、5代以及AirPods Pro 2代、3代，可以实现面对面交流时的实时翻译，对方的语言可以直接翻译成中文播放，响应速度和准确度足够支撑日常口语对话，但首次使用需要下载相应语言包。

来源：手机截图

写作工具可以帮助用户改写、校对和摘要输入的文本，无论是在备忘录、邮件，还是第三方应用的文本输入框中，用户都可以使用。但写作工具在实际测试中存在一些问题，比如在中文语境下，部分改写结果仍然比较模版化，距离真正理解中文语气、场景和表达习惯还有差距。

苹果原生写作工具主要负责已有文本的加工，而开启千问扩展后，用户还可以直接要求AI从零开始创作内容，生成文章、邮件乃至图片。用户可以自主选择是否开通千问集成功能，每次上传图片、文档等信息交由千问处理前，系统都会再次弹窗确认权限。

其他一些功能，例如照片消除，在背景简单、目标物体边界清晰的照片中，系统能够较快完成消除；但面对复杂背景、大面积纹理或者人物细节时，修复区域仍可能出现模糊、边缘不自然等问题。另外，视觉智能可以帮助用户通过iPhone摄像头即时了解周围的物体和场所，对眼前的物体、商品和场景进行识别，再进一步提问或搜索。

值得注意的是，虽然测试版的Siri在理解语义方面更准了，连续对话也更连贯，开启千问扩展后还可以直接让Siri使用千问来回答，但这次国行版本并没有带来市场期待已久的新一代Siri。苹果官方明确表示，本次更新不包含Siri AI及其在2026苹果全球开发者大会上公布的其他下一代Apple Intelligence功能。

从这个角度而言，国行用户等了两年的苹果AI，更像是一次基础能力的补课，并非真正意义上的AI革命。

目前开放测试的只有开发者预览版，首批支持设备主要包括iPhone 15 Pro、iPhone 15 Pro Max，以及iPhone 16及后续机型、iPhone Air和iPhone Duo；iPhone 15与iPhone 15 Plus不在支持范围内；Siri与设备语言需设置为简体中文或英文。

iPad和Mac暂未纳入本轮测试。苹果计划于12月随iOS 27.3正式版向中国用户推出相关功能，但正式版本的稳定性和实际表现仍有待观察。

苹果“联姻”千问，程度几何？

在海外市场，苹果最早选择与OpenAI合作，将ChatGPT以可选扩展的形式接入Siri、写作工具等系统级功能，用户可以在需要时将复杂问题交给ChatGPT处理。今年1月，苹果与谷歌宣布合作，6月的2026苹果开发者大会上苹果发布的新一代Siri，底层已是定制版Gemini模型。据彭博社报道，苹果为此每年向谷歌支付约10亿美元。

但这套由Gemini驱动的新Siri并未进入国行版本。到了中国市场，承担现有这一版本Siri云端能力的是阿里千问。

苹果与阿里千问的合作，是这次苹果AI入华最值得关注的部分。据公开信息，千问被接入苹果Siri、写作工具和视觉智能三个系统级入口，用户可以在Siri中针对特定问题调用千问，也可以对照片、PDF文件和演示文稿等内容提问；在写作工具中，千问提供从零开始创作内容的能力；在视觉智能中，用户可以通过iPhone摄像头识别眼前的物体和场景，并进一步提出问题。值得注意的是，视觉智能中的“询问”由千问承担，“搜索”则由百度的视觉模型提供。

本次“联姻”，意味着千问不再只是一个需要用户主动下载、打开和使用的独立AI应用，而是进入了苹果操作系统的部分交互流程。对阿里而言，这是一个极度重要的系统级入口，而苹果也借此为中国市场补上了本地的云端模型能力。

但需要厘清的是，千问并没有接管整个Apple Intelligence，也不是Siri的底层模型——在国行版上，整套体系仍以苹果自研的端侧模型为底座，部分任务由设备端模型处理；当用户提出超出本地模型能力范围的请求，或者主动选择相关功能时，系统才会调用千问提供的云端能力。两者更接近一种端侧与云端的分工，而不是简单的模型替换。

从实际体验看，这种分工也有明显边界。

例如，当用户向Siri提出一个相对复杂的问题时，系统可以询问是否调用千问，获得模型生成的回答。但如果任务进一步延伸到复杂的资料处理、应用服务调用或者多步骤操作，用户仍可能需要跳转到千问App继续交互。

隐私机制也是这次合作的重要部分。苹果强调，用户可以自主选择是否启用千问扩展，在问题、文档或图片发送给千问之前，系统会征求用户同意。阿里也曾明确回复过，苹果用户请求及生成的回复不会被用于阿里巴巴模型训练。

这套设计符合苹果一贯强调的隐私控制逻辑，但从产品体验看，授权弹窗也意味着交互链路被拉长。隐私保护与交互效率之间如何平衡，仍然需要后续产品迭代来回答。

真正的考验还未开始

苹果为什么选择千问？从苹果第一次公布合作伙伴时，市场上便充斥着此类疑问。据媒体报道，在选择千问之前，苹果曾与多家国内头部厂商接触，最终选定阿里。

苹果并没有公开完整的合作伙伴筛选标准，因此很难将某一个因素视为决定性原因。但从这次合作的实际要求看，苹果需要的显然不只是一个模型能力不错的供应商。

首先是本土化和合规能力。生成式AI服务在中国市场落地，需要面对不同于海外市场的监管环境和服务要求。苹果需要找到能够在中国提供模型服务、满足本地化运营要求，并与其全球产品体系协同的合作伙伴。

其次是模型能力。千问被接入的场景涉及文本生成、图像理解和复杂问答，模型需要覆盖多个任务，而不是只在单一能力上表现突出。除此之外，云端服务的稳定性、工程交付能力以及长期协作能力，也都是系统级合作绕不开的要求。

虽然苹果与千问二者目前在需求上契合，但真正的合作压力和考验还在后头。

一方面，iPhone国行版本与海外版本之间仍存在明显差距，苹果已经在海外测试更先进的新Siri和下一代Apple Intelligence能力，而中国用户目前拿到的仍是以基础功能为主的版本；另一方面，国内手机厂商并没有停留在简单的AI功能叠加阶段，无论是系统级助手、跨应用任务执行，还是与本地生活、电商、内容服务的结合，国产手机厂商都在不断推陈出新。

这意味着苹果AI接下来要面对的竞争，不再只是模型参数或单项功能的比较，而是整个操作系统能否成为AI服务的调度中心。

不过，长远来看，苹果与阿里的合作或许会推动手机厂商和大模型公司之间形成新的关系：手机厂商掌握操作系统、硬件和用户入口，大模型公司提供云端智能能力，双方围绕权限、数据、服务和应用生态重新分工。但这种合作能走多远，还是要取决于产品表现。

苹果AI入华，刚刚迈出第一步，真正的较量还没有开始。

如果说云计算巨头亚马逊 AWS 是上一代互联网坚固而复杂的工业级电网，那么 2025 年估值已达 93 亿美元的云平台 Vercel，则是当下全球生成式人工智能浪潮中最受工程师青睐的现代化操作底座。从全球主流的前端框架 Next.js，到几乎所有硅谷当红 AI 应用背后的部署平台，其创始人吉列尔莫·劳赫是全球开发者生态中最具号召力的技术领袖之一。

本期对话源自海外对话平台 Delphi。访谈始于一个戏剧性的插曲：Delphi 团队在进行系统重构时，技术团队在未提前汇报的情况下，直接将整个底层从庞然大物 AWS 迁移到了 Vercel。

以此为契机，吉列尔莫深入分享了他与科技巨头错位竞争的核心逻辑。在对话中，他反思了早期提出“做更好的 AWS”这一幼稚战略的教训；剖析了当下 AI 编程浪潮中智能体大量编写无效测试代码的系统性隐患；阐述了为什么拒绝接入智能体的传统企业软件将被时代淘汰；并预言在智能体极大压低技术门槛后，人类终将走向以“资本与资源分配”为核心的新分工时代。

本期内容来自 Delphi 播客，2026 年 10 月 29 日播出，以下为精选对话内容：

错位竞争：不要与失去势能的浪潮硬碰硬

问：半年前我们团队做底层重构，当时我因事休假。等我回来时，团队在未提前报备的情况下，直接把整个基础设施从传统巨头 AWS 迁移到了 Vercel。坦白讲，当时我非常忐忑，毕竟要把系统从行业标杆平台迁走。但后来的事实证明，这个决定大幅降低了我们的运维成本并节省了大量时间。你当年是怎么决定去跟 AWS 这样的行业庞然大物竞争的？

吉列尔莫：我开发所有产品的原动力，都来自于真实的兴趣和个人经历。

我早年工作的公司，部署软件都需要直接操作物理数据中心。后来云计算概念兴起，但在做了十几年工程师之后，我第一次用云时却感到极度沮丧。为了让一个最基础的产品跑起来，我觉得要搭进去整整一个月，全花在配置基础设施和各种工具上。

每次解决复杂的技术问题，我都会反思：我能沉淀出什么样的工具，让下一次做同样事情时门槛更低？如果我要组装一张桌子，我学到了什么，才能让以后组装桌子越来越快？

云计算毫无疑问是人类最伟大的成就之一，它赋予了我们近乎无限的算力，也是今天这波超级智能浪潮的基石。但对大多数人而言，直接操作它的门槛太高、过程太繁琐。在大家还没普遍讨论 AI 的时候，Vercel 想要解决的其实就是基础设施的自动化接管。现在人们称之为“智能体基础设施”，早前我们叫它“自动驾驶式基础设施”，就是把复杂的云端部署与调优封装成高度自适应的系统。

我从来不觉得我是在跟过去的方案正面竞争，我的目标是提供下一代解决方案。竞争的恐惧感从未困扰过我。

技术的更替从来都是代际式的，而且老一代技术很少会突然彻底消失，它只是逐渐失去行业的注意力与创新势能。直到今天，世界上依然有人在使用传真机；我重度依赖即时通讯工具，但我依然偶尔收发邮件。老技术会长期存在，但我真正在意的是未来最迫切需要什么。

今天许多大型企业之所以选用 Vercel，是因为他们内部开始重度使用代码智能体，或者自身在开发智能体，这需要全新的基础设施支撑。对于初创团队而言，我的建议是：与其拼尽全力去跟正在丧失势能的旧浪潮较劲，不如提前把自己卡位在下一波浪潮的正前方。

组织重构：单人超级公司与架构现代化

问：确实，我们现在是一个 12 人的团队，但在日常运转中已经完全不需要配置全职的基础设施运维工程师了。

吉列尔莫：我的核心目标，就是让极小规模的团队具备极高的业务吞吐能力。

当年我刚到硅谷，工作的那家联合办公空间，正是 Instagram 起步的地方。我非常感慨，一个挑战整个社交网络格局的应用，其核心开发团队竟然小得惊人。

他们之所以能做到，核心原因之一是借力了当时刚刚推出的亚马逊 S3 存储服务。他们不需要自己搭建硬件机房、配置冗余磁盘阵列和电力系统，仅凭几个标准接口调用，就解决了海量照片的存储问题。

顺着这个趋势演进，我希望有一天，我们能在 Vercel 上看到“单人支撑的万亿美元级公司”。这不是否定团队协作的价值，而是展现出一种新可能：一个具备极强战略判断力的人，借助一群专业智能体的协同，就能完成过去数百人甚至上千人才能消化的工程量。

问：为了推广这一套体系，你们目前是专注于拓展像我们这样能迅速受益的小型创业团队，还是在尝试说服大型传统企业从老牌云巨头迁移过来？

吉列尔莫：这里存在一个非常有趣的“向上渗透效应”。

很多成熟企业往往密切注视着前沿初创团队的动作。他们看到一个十几人的小团队能跑出难以置信的交付效率，自身也会产生强烈的焦虑与现代化诉求。我们只要服务好最前沿的创新群体，大企业往往会主动跟进。有时这种渗透甚至是通过大企业收购初创团队直接完成的——大量 Vercel 技术也随着被收购的团队进入了大公司。

从架构上看，企业自身也面临着现代化的现实压力。过去很多年我一直在行业内倡导“无头架构”，即将前端展示层与后端业务逻辑彻底解耦。早年间做这件事有一部分原因是为了推广 Next.js，但我打心底里坚信这种架构的先进性：最健壮的企业架构，后端应该是一套干净、安全、易于审计的业务逻辑与数据接口，而前端则可以根据业务需求衍生出多样化的交互体验。

早年我们在向传统客户解释这一理念时非常费劲，直到我们在电商领域打透了市场。对电商平台来说，全渠道拓展和多品牌运营要求展示层必须与后端解耦。

而今天进入智能体时代，大家发现这种架构成了天然的土壤。智能体需要的正是接口、命令行和 MCP。一旦后端沉淀为纯粹的数据与功能接口，智能体就能根据用户意图在前端实时生成定制化的交互体验。可以说，代码智能体的爆发，瞬间验证了我们过去多年坚持的技术路径。

业务纵深：特斯拉式“同心圆扩张”与品牌边界

问：所以你们初期定位过于宽泛，直到深耕电商这一垂直场景，才真正找到了爆发的抓手？

吉列尔莫：是的。刚进入市场时我们非常幼稚，对外宣称自己“就像一个更好的 AWS 或更好的谷歌云”。

这种泛化的定位是初创公司极易踩中陷阱：面面俱到，往往一无所成。商业市场永远只为特定领域的极致买单。面对如今大量由自动化工具生成的平庸内容和产品，最有效的破局方式就是拿出在质量上具备绝对压制力的产品。

因此我做了一次战略收缩：集中精力把少数几个场景做到极致，并且用最直观的商业价值去证明它。

在与企业决策者沟通时，我不再空谈底层架构，而是直接展示商业回报。电商场景正是验证价值的最佳切口——在这个领域，时间直接等同于利润。

如果系统响应速度提升 200%，平台的交易转化率在账面上会有极其立竿见影的反馈。直到今天，我每天都能听到客户管理层的这类反馈，有时他们甚至会在财报中提到，由于升级到底层性能更高的架构，直接带来了营收的增长。这种商业逻辑清晰且无可辩驳。

前几天我给一些年轻人做技术分享，解释基础设施的价值。我没有讲枯燥的技术专有名词，而是直接打开了我们用新技术搭建的周边线上商城，展示页面交互的流畅度，并现场演示了基于模型的“虚拟试穿”功能——拍一张照片，瞬间生成写实的试穿效果。通过这种方式，他们能直观理解更智能、更具生成特性的软件演进方向。这种清晰呈现价值的能力，是在经历过无数次陷入技术细节无法自拔的挫折后才磨练出来的。

问：但当你决定在一个纵深场景里做深做透时，如何平衡成为平台级产品的宏大野心？怎样避免把路径走窄？

吉列尔莫：我很推崇特斯拉最初公布的“秘密宏图”策略：第一步，集中全部资源打造一款惊艳的高端跑车 Roadster，哪怕初期只能交付给极少数客户。

这意味着你必须在切入的第一天就做到业界顶尖，没有任何向平庸妥协的借口。当时特斯拉之所以严格限制产能，是因为他们还不具备大规模制造的配套能力。

关键在于，你的商业规划里必须包含从一个坚固的原点向外逐层递进的“同心圆式业务扩张”。如果战略图谱里只有一个狭窄的细分切口，却没有向外衍生扩张的后续纵深，业务很容易见顶。你必须像下棋一样提前推演后续的几步棋。

如果你的切入点处于一个极其广阔的大市场中，优秀的团队往往能够自然捕捉到周边的业务衍生机会。我们最初就锚定了云计算基础设施这个巨大体量的赛道，因此顺着主线走，总能找到合乎逻辑的技术延展点。

需要警惕的是盲目跨界。微软的萨提亚·纳德拉曾提出过“品牌许可度”的概念。如果一家公司今天被公认为专业的基础设施提供商，明天突然宣布去造消费级冰箱，哪怕产品做得再好，也会严重撕裂市场的心智认知和内部的组织文化。

不过有趣的是，很多物联网设备后台确实运行着我们的服务。比如我们最近监测到大量异常安全流量：眼下最值钱的东西是优质住宅 IP，因为智能体到处被封，为了不被亚马逊这类网站拦截，它们甚至把自己代理到普通家庭的 IP 上。技术网络的渗透广度确实惊人，但除了开发者和知识工作者，大多数人并不会直接接触到我们，Vercel 也很乐意继续留在幕后，支撑这一切创新。

护城河反思：信任是输出结果，而非运营动作

问：在很多开发者心目中，Vercel 建立了极高的品牌忠诚度和信任度。你是如何有意识地构建这种号召力与社区信任的？

吉列尔莫：外界往往认为我们对产品设计的极致苛求只是一种美学追求，但在我看来，每一次精细打磨都是在为信任沉淀资产。在后 AGI 时代，“深度信任”将成为商业组织最有价值的护城河之一。

然而这里有一个核心逻辑：在商业世界里，多数人极度渴望的东西，本质上都是“输出项”，而非“输入项”。

品牌、信任，甚至一定程度上的开发者体验和产品整体质量，都是你在把底座问题彻底解决之后，自然呈现出的衡量结果。

很多人问我：“到底该怎么做才能把品牌做起来？”其实我们为品牌所做的最正确的事情，恰恰是在做那些事的时候，心里根本没有去想“做品牌”这三个字。我们只是在日复一日地死磕用户体验、消除系统卡点、优化每一个微小的交互细节。

打个比方，人人都想要线条分明的核心腹肌，但专业的健身常识告诉你：腹肌是在厨房里吃出来的，而不是靠疯狂做仰卧起坐练出来的。决定体脂与线条的核心变量是长期的饮食结构、作息规律与健康管理，仰卧起坐只是局部的辅助修饰。

做企业完全一样。很多人误以为只要多办几场线下聚会、把网站包装得漂亮一些，就能立起品牌。这是典型的本末倒置。真正的核心输入项是底层的确定性：绝对的系统安全、对每一个技术缺陷的彻底追溯与修复、清晰明了的架构逻辑，以及高质量的技术文档。

客户对技术的信任，往往建立在极其微小且碎片化的接触体验之上。你可能不会刻意记录，但你大概有过五到七次零散的接触：在某处用过他们的产品，某天偶然点开过他们的一篇博客，或者看到过他们 CEO 的一条评论。这些散落在时间线里的积极信号，最终会聚合成一种下意识的直觉判断：“这家公司的东西靠得住。”

问：你在非常早期就坚持将极高的设计水准引入原本枯燥的开发者工具领域。在大家普遍崇尚粗糙迭代、快速交付的环境下，是什么让你有底气在设计与体验上投入如此多的精力？

吉列尔莫：我们都需要从外部行业汲取灵感。正如早年苹果在设计个人电脑时，吸收了博朗经典工业设计的秩序感与极简美学。

我当年的想法很朴素：为什么不能把消费电子领域对细节的克制与打磨，引入到底层工程师使用的生产力工具中？

在当时，开源工具甚至很少有人会认真排版说明文档，更别提设计高辨识度的图标或制作交互式的功能演示站点了。许多人觉得这些都是多余的表面功夫，但今天这已经成为了全行业的规范。

更深层的原因是，你必须尊重自己的真实标准。你自己平时认可什么样的产品质感？你在生活里享受什么样的服务交互？你每天是否用同样苛刻的标准来要求团队的工作产出？

保持这种标准在管理上其实是极其痛苦的。这意味着你在日常巡视中，眼里看到的几乎全是不够完美的半成品和需要改善的技术细节。你必须对现状保持一种理性的挑剔与不满，同时用清晰的发展蓝图去引导团队逐步修正这些缺陷。

直面缺陷：真正的创业必须承受切实的痛苦

吉列尔莫：顺着这一点，我还有一条常拿来提醒自己、也提醒别人的建议。在健身房里，有的人看似呆了一个小时，大部分时间却在漫不经心地刷手机，根本没有给肌肉施加足够的负荷。

很多创业团队每天按部就班地运转，看起来非常忙碌，但实际上他们根本没有去承受创业本该面对的真正痛苦。

他们对系统中显而易见的技术债和不良体验视若无睹。具体表现就是：不去主动与核心客户沟通他们对产品的真实抱怨；不敢直面用户流失后的退订调查表；更没有勇气给那些因体验糟糕而放弃使用的客户逐一回访。

许多人所谓的勤奋，只是在用常规业务的忙碌，来逃避直面核心缺陷所带来的精神阵痛。

问：系统内部需要改进的环节往往是无穷尽的。作为管理者，你如何建立机制去抓取这些痛点？

吉列尔莫：作为技术出身的管理者，我倾向于用系统工程的思维来解决组织协同的问题。

除了关注外部客户的反馈，我高度重视内部团队的开发与协作体验。我们在内部协同软件里设立了一个名为“尖叫频道（#Scream）”的公开群组。

任何一名员工，只要在内部工具链或业务流转中遇到了极其低效、阻碍工作的问题，都可以直接在这个频道里公开反馈。我把这个频道的提示级别设为最高。每一条我都想亲自读，在这家公司工作的体验，我也一直在想办法改进。

因为我深信一条规律：一家公司内部的协同状态，一定会真实地投射到它对外交付的产品之中。如果苹果的员工都在用安卓手机，或者根本不在乎设计，那就太奇怪了。内部和外部要保持一致和对称。

随着智能体被深度引入日常工作流，我们甚至开始监控“智能体作为用户”的调用体验。智能体是怎么使用我们平台的？它们用得满意吗？这些都已经成为日常系统优化的重要考量。

质量隐患：当智能体写出海量无效测试

问：你们的用户群体经历了明显的演变：早期主要是技术人员，后来通过 v0 开始服务非技术用户，如今又迎来了 AI 智能体这一全新品类。服务这些不同的对象，你们在产品逻辑上做了哪些调整？

吉列尔莫：在我的认知框架里，用户的技术能力是一个连续的光谱，而非简单的两极分化。

我们的核心目标，是不断降低构建完整数字产品的初始门槛，同时保持系统能力的上限足够高。从最开始简化组件组装，到今天简化全栈应用的云端落地，我们追求的是：初学者只需要掌握极少的概念就能把构想跑通，但上限依然很高，想走得更远的人有足够的空间。

这里面其实有一层筛选：我们不会去迎合那些不想追求卓越、也不想继续学习的用户，这一点和大多数公司不太一样。代码智能体正在打破所谓“技术人员”与“非技术人员”的壁垒，大家最终都在扮演软件“构建者”的角色。

问：现在很多主流的 AI 编程辅助工具，在自动生成并部署代码时，往往会默认推荐或选择 Vercel。当营销、客服和产品都要吸引智能体而不是人，你们内部的做法和产品思路有什么变化？

吉列尔莫：我很高兴智能体喜欢 Vercel，也认为它们就该选最好的产品。但这得靠大家努力去守住：我希望我们自己不要去找办法操纵它，也希望模型实验室别这么做。

Stripe 联合创始人帕特里克·科里森最近也谈到过这一点：理想的世界里，智能体会成为全世界流动性最强的信息和产品发现系统。

在那样的世界里，智能体替你挑选产品时，不会被夸张的品牌宣传迷惑，也不会被表面的包装所打动。它会把所有选项都摆到你面前，既考虑后起之秀，也考虑老牌产品，并且贴合你的实际情况。

但在这个过程中，正在浮现出一个严峻的“自主权悖论”。

最理想的体验往往看起来极度省心：“你下达一段业务需求，然后离开工位；智能体很快就自动完成开发与部署，直接交付线上地址。”但在你离开的这段时间里，智能体实际上在暗中替你做出了成百上千个微小的架构选型与边界决策。

目前行业越来越倾向于让智能体执行长周期的复杂任务，这意味着人类正在把大量的决策控制权移交出去。然而，智能体在追求完成目标的过程中，可能会做出违背安全常理的行为，甚至采用不合规的手段来达成指标。这种智能体自主行为的偏差，是我们目前极度关注的技术风险。

问：你们内部的工程师也在频繁使用智能体辅助开发。你们是如何建立校验机制，避免生成的代码失控的？

吉列尔莫：我们目前在工程上的核心精力，正在从“框架和开发者体验”，转向“验证与评估”。

工程师的核心工作不再是指导模型写每一行代码，而是给模型划定严格的合规红线与验证闭环。

我始终坚持一条工程原则：验证必须紧贴着系统的“最外层边界”进行，必须完全模拟真实终端用户的行为去跑集成校验。

现在大家开始接受这一点了，因为他们发现：代码智能体可以生成两百万个看起来严丝合缝的单元测试，然后交付给你一堆垃圾。

我最近就在内部代码审查中发现，智能体生成的一段测试用例，竟然在煞有介事地校验“某个常量的值就是某某”——这完全是在浪费算力去证明二加二等于四。

这种形式主义的代码极其危险。我们不能被漂亮的代码行数所迷惑。核心标准只有一条：系统在真实生产环境下能不能稳定、丝滑地运行。如果缺乏严格的端到端真实测试，任由智能体在系统里堆砌虚假的测试用例和潜在的安全漏洞，底层的工程腐化将是毁灭性的。

人类角色位移：从编写代码到分配资本

问：如果编写代码和底层运维的大部分工作都能被自动化接管，人类未来在技术工业中的核心价值究竟体现在哪里？

吉列尔莫：人类最核心的职责，正在迅速演变为“资本分配”。

未来的团队管理者，核心工作是资源的宏观调度：今天我们是把一大笔 Token 和算力投向 vercel.com 的智能体化，还是把资源倾斜到底层安全边界的加固？

软件安全在今天已经变得前所未有地紧迫。很多团队可以在短时间内用 AI 拼凑出一个炫酷的功能，但底层的数据鉴权可能千疮百孔。未来，理性的管理者必须把大量的算力和工程预算，分配给全天候运行的自动化安全审查回路。

甚至在日常技术博弈中，智能体也会不断把权衡难题抛给人类。前几天我让智能体去极限优化一个底层扫描解析器的性能。当优化推进到一定程度后，智能体主动停下来向我提示：“我们已经挺快了，再上一个台阶就是边际效益递减，可能还得再花上千个小时，你真的要这样吗？”

这就是未来典型的人机协作形态：智能体扮演高效理性的执行单元，但在面临投入产出比拐点、业务主线取舍这类商业抉择时，必须由掌握资本与业务方向的人类来拍板。

甚至现在已经开始出现完全自主运转的商业实体雏形。我个人投资了几家尝试构建全自动运转公司的探索团队。人类在其中扮演纯粹的资方角色：给系统注入一笔启动资金，由总控智能体自主调配预算，向下驱动增长、营销、销售和工程等各细分模块。这种尝试目前在小规模场景下已经跑出了可行性。

问：伴随着这种生产力变革，企业在采购传统软件（SaaS）的策略上，应当发生怎样的调整？

吉列尔莫：企业必须清醒地评估软件资产的长期维护成本。但在以下两种明确的情况下，我们会在内部坚决淘汰传统软件：

第一类，是过去为了降低门槛而存在的各类粗糙的低代码、拖拽式工具。这类工具常常是四五个专用软件在干同一件事，追求的只是人人能上手，算不上同类里最好的方案。如今代码生成的门槛已被彻底拉平，一段精准的代码可以表达从解数学题到生成图片、视频的任何逻辑。通过代码智能体搭配自动化部署，往往可以直接取代四五个低效的传统功能型软件。

第二类必须坚决清理的，是那些在架构上固步自封、拒绝向智能体开放的封闭系统。

如果一个软件到了今天依然拒绝提供标准化的机器可读接口，不提供易于模型解析的数据结构，它实际上就是在阻碍组织向智能化演进。这就好比在互联网初期，一家公司坚决宣称自己不需要接入网络一样荒谬。

这也是为什么 MCP 协议取得的成功让我格外欣喜。某种程度上，MCP 就是智能体时代的 HTTP 协议。三十年前我们依靠超文本传输协议让人类通过浏览器阅读网页；今天我们通过标准化的上下文协议，让不同的智能体能够顺畅地调用各种数据与工具。

同时，企业软件底层接口的健壮性正面临前所未有的考验。

坦率地讲，传统互联网很多业务系统是建立在极其脆弱、经常对你说谎甚至动不动就崩溃的底层接口之上的。过去，是大量程序员用臃肿的容错逻辑和重试补丁，勉强维持着这些接口的运转。

但智能体调用系统的频率和并发压力，是过去人工操作的一百万倍。那些本身就摇摇欲坠的脆弱接口，在智能体的高并发冲击下正在迅速崩溃。我们当初坚持研发按需伸缩的弹性算力底座，就是为了应对这种瞬时爆发的需求。智能体对数据交互和算力的消耗是极其庞大的，软件系统必须提前做好架构重塑以迎接这种压强。

重构人生与养育“子智能体”：万物皆易时的底层思考

问：在很多访谈中我们都会问一个关于逆境的问题：你职业生涯中最艰难、最黑暗的阶段是什么？它如何重塑了你的认知？

吉列尔莫：那是一段在物理上甚至危及生命的经历，它彻底颠覆了我的精神世界。

当时我在旧金山独自开始第一次创业，年纪非常轻。一天深夜，我们住的房子突发严重火灾，起因是一位邻居吸烟。

火势极其迅猛，我几乎是在最后关头勉强逃生。那栋房子里不是每个人都安然无恙地逃了出来，有两个人身体受了极其严重的伤害。

虽然我活了下来，但所有个人物品都化为灰烬，尽管本来也没有多少。我被迫在精神与物质层面都回到了绝对的零点。

这种变故很难提炼成某种具体的商业方法论，但真正直面过生死的边缘之后，它把我推进了一段冥想和探求精神世界的时期。从那一天起，我对拥有生命、能够正常工作的每一个清晨都怀有本能的感激。听到有人病倒这类事情时，我也更能体会到，对生命的珍惜正是从这些黑暗时刻里来的。

问：你现在已经是六个孩子的父亲了，家庭规模非常庞大。

吉列尔莫：是的，我开玩笑管他们叫六个“子智能体”。

问：作为依靠硬核编程和解决技术难题走到今天的工程师，面对一个 AI 几乎可以包揽一切琐碎任务的世界，你如何引导你的孩子们学会真正的深度思考？

吉列尔莫：陪伴六个孩子的成长，是一场非常生动的观察实验。它让你能近距离看到人类性格、天赋偏好和认知习惯的自然分布——每个人天生擅长的领域真的截然不同。

我认为教育最核心的任务，是帮助每个人尽早找到自己的“Ikigai”——也就是那四个维度的交集：你真正热爱的事、你具备天赋的事、社会真实需要的事，以及能够产生正向经济回报的事。

我当年也是在漫长的摸索中找到这个交集的。我发现自己对底层工具的打磨、对高可用架构的稳定有着近乎本能的关注度。看到系统日志里跳过一个报错，我都会浑身不自在。这种底层的性格特质，最终与后来的云计算浪潮形成了共振。

在思考方式的培养上，最关键的是如何看待“工具”。

人类智力的每一次跃迁，本质上都依赖于外部思考工具的赋能。个人电脑扩充了我们的运算与表达半径，搜索引擎扩充了我们的大脑缓存容量，现在的智能体是最新一层的能力放大器。

但这里有一个不可逾越的前提：你自身的底层思考框架必须极其扎实，放大器才有意义。

比如我的一个孩子极度擅长纸面手绘，他用铅笔勾勒出的透视和线条极具灵气。我非常鼓励他保持这种使用物理工具的原始感知力。他当然应该学会运用最新的生成式工具来拓展创意。如果他不知道如今有这么多放大能力的工具和模型，不知道自己甚至能动手做设计工具来释放这份创造力，那就太可惜了，所以我会花很多时间确保孩子们学会这些新工具。

如果未来我的某个孩子想做太空任务控制系统这样的东西，他也会花时间钻研硬核的系统工程，然后再去用这些工具。所以还是先顺着各自的兴趣打好底子，再往上放大。

问：如果全网的求索者未来在与你的“数字分身”对话时只能问一个问题，你最希望他们探讨什么？

吉列尔莫：我希望大家能穿透那些表层的战术技巧。

大家关注一个人，往往是因为被那些显性的“输出结果”所吸引——比如一家估值亮眼的企业、一个使用广泛的技术框架，或是几次漂亮的发布会。

但我更希望大家去探寻这些结果背后真实的推演过程：一个人怎么过自己的生活、怎么思考、怎么打磨自己，这些更上一层的能力。技术的具体形态总在不断翻新，唯有探究事物底层规律并持续向内迭代的能力，才是应对任何外部浪潮时最稳固的定盘星。

资料来源：Delphi 出品《The Library of Minds》播客，主持人达拉·拉杰瓦迪安对话吉列尔莫·劳赫，2026 年 10 月 29 日上线，https://www.youtube.com/watch?v=W9YfKZaK7KI

本文由 AGI 2050 编辑部根据上述公开资料编译整理，事实信息以原始信源为准。文中观点属于受访者或原作者本人，不代表 AGI 2050 立场，仅供行业交流参考，不构成投资建议。

本文来自微信公众号：AGI 2050，编译：AGI 2050

机器在解题速度上已经实现赶超，在此背景下，数学家应当开启一个新时代：不能只是一味发表更多的解题成果，还应提升人类的理解。

先进的AI模型正在以令人咋舌的速度改写数学。短短数月间，几百个AI辅助的证明——某个数学结果成立的逻辑论证——接连发布，攻克了一些长期未解的数学问题。

对于这些自动生成的解，数学家可能还要好几个月，才能完全看懂其背后的论证方式和意义。作为一名在工作中使用AI工具的数学家，我深切感受到整个领域正在发生翻天覆地地变化。我们现在迫切需要建立“数学2.0”（Maths 2.0）时代，让“证明稀缺”（proof scarcity）不再是数学领域的终极定义。

做数学的方式确实是革新了，但随之而来的问题也无法忽视。许多AI生成的结果表述得并不清晰，质量无法达到发表的要求。一些使用AI工具的研究人员，一旦有了勉强能看的证明，就迫不及待地转战下一个问题了，把这些晦涩的结果留给其他费解的数学家去验证。还有一个问题是：AI模型到底在多大程度上借鉴了人类数学家的既往成果，但又隐藏了他们的功劳。

公开交流数学问题这一千百年来的传统，正在走向“封闭”，因为数学家们忌惮透露自己的研究方向，会导致自己的研究成果被手握尖端AI模型的对手“抢发”。研究生和青年数学家曾通过解决这类问题来锻炼自己的能力，提早获得同侪认可。10月6日，科技公司OpenAI一口气在线狂掷数百个这类问题的解。一夜之间，无数研究项目被“拦腰斩断”。

也许最令人匪夷所思的后果是：人类对数学的理解有点跟不上了，因为AI系统的解题速度比人类数学家消化吸收这些解的速度还要快。从纯数学的角度出发，这种“证明消化不良”可能不足为虑。但如果我们在真实世界使用AI生成的数学模型，却没有与之匹配的理解力，后果就会不堪设想。比如，复杂的AI生成模型已在某种程度上用于判定谁有资格拿到银行贷款，还被用于衡量市场的金融风险。如果这些模型的复杂程度超出了人类理解，导致我们无法预判它们何时会失灵，模型就容易出现不可预知的错误，最终影响整个社会。

凡此种种负面影响不是无可避免。只要用对方法，激励得当，AI工具也可以推动人类的理解。现在掉头还不迟：我们要从根本上重新评估数学的传统激励架构，践行更负责任的AI使用。

数学家必须构建一个“数学2.0”的世界，让AI工具主要用来积累人类的专业知识和理解。首先，激励数学家的机制要跟上这个时代。传统的“数学1.0”体系奖励解决开放问题的第一人，这在AI能生成大量证明的时代已经不合时宜。数学界应更看重对领域的整体贡献——比如，除了结果还要看解题过程和带来的启示。对于一系列互相关联的问题，我们还要开展大型国际合作，合力完成数学家个人或AI系统自身“独力难成”的任务。

其次，AI工具可以开辟出做数学的新路径，而不仅仅只是加快解题速度而已。比如，与其让AI系统证明某个高深定理，研究人员能让这些系统生成并分析一个结构性数据集，里面包含了难度不一的无数个数学问题，让AI从中寻找我们想不到的模式，并在这些模式的基础上提出值得进一步探索的新问题。过去，一个复杂的数学结果可能只有一个又长又难懂的证明，但如今可以有几十个AI辅助的另类证明。通过比较这些“殊途同归”的路径，就能辨别哪些数学思想是该结果的核心，哪些数学思想仅限于某个特定的证明。

第三，开发者必须构建面向数学研究的开源AI模型。数学家肯定不能把自己的“饭碗”交给学界外的AI公司。当前这场“掏空”数学的竞逐——只在乎求解，而不在乎用更多的时间去理解和发展这些解——是不可持续的，其动机只是为了炫耀最新AI模型的实力。这并不利于长期维持数学界的良好生态。

强大但对齐偏差的AI工具，会利用数学模型的弱点造成大肆破坏，如金融行业使用的数学模型，而数学家可以帮助管理此类风险。为化解这些隐患，目前针对基本民生问题——如粮食供应、能源电网和医疗系统——的监管框架必须立即更新。

我希望凭借我们的集体智慧，确保AI的部署速度永远不会超出人类专家理解和掌控AI系统的能力。我们还要保证，驾驭AI模型的能力始终掌握在人类手上。

利益冲突

作者声明不存在利益冲突。

原文以Can maths survive AI?Fields medallist Terence Tao calls for a‘Maths 2.0’world标题发表在2026年10月22日《自然》的World View版块上

©nature

Doi：10.1038/d41586-026-03389-1

如果说云计算巨头亚马逊AWS是上一代互联网坚固而复杂的工业级电网，那么2025年估值已达93亿美元的云平台Vercel，则是当下全球生成式人工智能浪潮中最受工程师青睐的现代化操作底座。从全球主流的前端框架Next.js，到几乎所有硅谷当红AI应用背后的部署平台，其创始人吉列尔莫·劳赫是全球开发者生态中最具号召力的技术领袖之一。

本期对话源自海外对话平台Delphi。访谈始于一个戏剧性的插曲：Delphi团队在进行系统重构时，技术团队在未提前汇报的情况下，直接将整个底层从庞然大物AWS迁移到了Vercel。

以此为契机，吉列尔莫深入分享了他与科技巨头错位竞争的核心逻辑。在对话中，他反思了早期提出“做更好的AWS”这一幼稚战略的教训；剖析了当下AI编程浪潮中智能体大量编写无效测试代码的系统性隐患；阐述了为什么拒绝接入智能体的传统企业软件将被时代淘汰；并预言在智能体极大压低技术门槛后，人类终将走向以“资本与资源分配”为核心的新分工时代。

本期内容来自Delphi播客，2026年10月29日播出，原视频时长56分钟。

以下为精选对话内容，全文约1万字，阅读时长约10分钟。

本期精彩观点

●

我早年刚做Vercel时扬言要“做一个更强更好的AWS”，回过头看，这是极其幼稚的错误；初创公司永远不要去跟失去势能的旧浪潮硬碰硬，而要去等并踩中下一波属于未来的浪潮。

●

很多人以为打造品牌、建立信任需要做大量的公关和运营，但在我看来，信任绝对不是输入项，而是终极输出项——就像腹肌是在厨房里吃出来的，而不是靠疯狂做仰卧起坐练出来的。

●

如果今天一个企业软件拒绝向智能体开放数据接口、拒绝拥抱开放协议，我会毫不犹豫地在公司内部把它彻底淘汰，因为它切断了通向未来的链路。

●

智能体可以迅速写出两百万个单元测试，最后却交付一堆垃圾代码；我们绝不能把对底层系统的理解完全放弃。

●

当编写代码的边际成本趋近于零，人类未来最关键的职责就是资本分配——由我们来决定给哪个智能体投喂多少算力与预算。

●

很多创业者在战术上极其忙碌，本质上是在用这种忙碌逃避直面产品缺陷所带来的痛苦。

错位竞争：不要与失去势能的浪潮硬碰硬

问：半年前我们团队做底层重构，当时我因事休假。等我回来时，团队在未提前报备的情况下，直接把整个基础设施从传统巨头AWS迁移到了Vercel。坦白讲，当时我非常忐忑，毕竟要把系统从行业标杆平台迁走。但后来的事实证明，这个决定大幅降低了我们的运维成本并节省了大量时间。你当年是怎么决定去跟AWS这样的行业庞然大物竞争的？

吉列尔莫：我开发所有产品的原动力，都来自于真实的兴趣和个人经历。

我早年工作的公司，部署软件都需要直接操作物理数据中心。后来云计算概念兴起，但在做了十几年工程师之后，我第一次用云时却感到极度沮丧。为了让一个最基础的产品跑起来，我觉得要搭进去整整一个月，全花在配置基础设施和各种工具上。

每次解决复杂的技术问题，我都会反思：我能沉淀出什么样的工具，让下一次做同样事情时门槛更低？如果我要组装一张桌子，我学到了什么，才能让以后组装桌子越来越快？

云计算毫无疑问是人类最伟大的成就之一，它赋予了我们近乎无限的算力，也是今天这波超级智能浪潮的基石。但对大多数人而言，直接操作它的门槛太高、过程太繁琐。在大家还没普遍讨论AI的时候，Vercel想要解决的其实就是基础设施的自动化接管。现在人们称之为“智能体基础设施”，早前我们叫它“自动驾驶式基础设施”，就是把复杂的云端部署与调优封装成高度自适应的系统。

我从来不觉得我是在跟过去的方案正面竞争，我的目标是提供下一代解决方案。竞争的恐惧感从未困扰过我。

技术的更替从来都是代际式的，而且老一代技术很少会突然彻底消失，它只是逐渐失去行业的注意力与创新势能。直到今天，世界上依然有人在使用传真机；我重度依赖即时通讯工具，但我依然偶尔收发邮件。老技术会长期存在，但我真正在意的是未来最迫切需要什么。

今天许多大型企业之所以选用Vercel，是因为他们内部开始重度使用代码智能体，或者自身在开发智能体，这需要全新的基础设施支撑。对于初创团队而言，我的建议是：与其拼尽全力去跟正在丧失势能的旧浪潮较劲，不如提前把自己卡位在下一波浪潮的正前方。

组织重构：单人超级公司与架构现代化

问：确实，我们现在是一个12人的团队，但在日常运转中已经完全不需要配置全职的基础设施运维工程师了。

吉列尔莫：我的核心目标，就是让极小规模的团队具备极高的业务吞吐能力。

当年我刚到硅谷，工作的那家联合办公空间，正是Instagram起步的地方。我非常感慨，一个挑战整个社交网络格局的应用，其核心开发团队竟然小得惊人。

他们之所以能做到，核心原因之一是借力了当时刚刚推出的亚马逊S3存储服务。他们不需要自己搭建硬件机房、配置冗余磁盘阵列和电力系统，仅凭几个标准接口调用，就解决了海量照片的存储问题。

顺着这个趋势演进，我希望有一天，我们能在Vercel上看到“单人支撑的万亿美元级公司”。这不是否定团队协作的价值，而是展现出一种新可能：一个具备极强战略判断力的人，借助一群专业智能体的协同，就能完成过去数百人甚至上千人才能消化的工程量。

问：为了推广这一套体系，你们目前是专注于拓展像我们这样能迅速受益的小型创业团队，还是在尝试说服大型传统企业从老牌云巨头迁移过来？

吉列尔莫：这里存在一个非常有趣的“向上渗透效应”。

很多成熟企业往往密切注视着前沿初创团队的动作。他们看到一个十几人的小团队能跑出难以置信的交付效率，自身也会产生强烈的焦虑与现代化诉求。我们只要服务好最前沿的创新群体，大企业往往会主动跟进。有时这种渗透甚至是通过大企业收购初创团队直接完成的——大量Vercel技术也随着被收购的团队进入了大公司。

从架构上看，企业自身也面临着现代化的现实压力。过去很多年我一直在行业内倡导“无头架构”，即将前端展示层与后端业务逻辑彻底解耦。早年间做这件事有一部分原因是为了推广Next.js，但我打心底里坚信这种架构的先进性：最健壮的企业架构，后端应该是一套干净、安全、易于审计的业务逻辑与数据接口，而前端则可以根据业务需求衍生出多样化的交互体验。

早年我们在向传统客户解释这一理念时非常费劲，直到我们在电商领域打透了市场。对电商平台来说，全渠道拓展和多品牌运营要求展示层必须与后端解耦。

而今天进入智能体时代，大家发现这种架构成了天然的土壤。智能体需要的正是接口、命令行和MCP。一旦后端沉淀为纯粹的数据与功能接口，智能体就能根据用户意图在前端实时生成定制化的交互体验。可以说，代码智能体的爆发，瞬间验证了我们过去多年坚持的技术路径。

业务纵深：特斯拉式“同心圆扩张”与品牌边界

问：所以你们初期定位过于宽泛，直到深耕电商这一垂直场景，才真正找到了爆发的抓手？

吉列尔莫：是的。刚进入市场时我们非常幼稚，对外宣称自己“就像一个更好的AWS或更好的谷歌云”。

这种泛化的定位是初创公司极易踩中陷阱：面面俱到，往往一无所成。商业市场永远只为特定领域的极致买单。面对如今大量由自动化工具生成的平庸内容和产品，最有效的破局方式就是拿出在质量上具备绝对压制力的产品。

因此我做了一次战略收缩：集中精力把少数几个场景做到极致，并且用最直观的商业价值去证明它。

在与企业决策者沟通时，我不再空谈底层架构，而是直接展示商业回报。电商场景正是验证价值的最佳切口——在这个领域，时间直接等同于利润。

如果系统响应速度提升200%，平台的交易转化率在账面上会有极其立竿见影的反馈。直到今天，我每天都能听到客户管理层的这类反馈，有时他们甚至会在财报中提到，由于升级到底层性能更高的架构，直接带来了营收的增长。这种商业逻辑清晰且无可辩驳。

前几天我给一些年轻人做技术分享，解释基础设施的价值。我没有讲枯燥的技术专有名词，而是直接打开了我们用新技术搭建的周边线上商城，展示页面交互的流畅度，并现场演示了基于模型的“虚拟试穿”功能——拍一张照片，瞬间生成写实的试穿效果。通过这种方式，他们能直观理解更智能、更具生成特性的软件演进方向。这种清晰呈现价值的能力，是在经历过无数次陷入技术细节无法自拔的挫折后才磨练出来的。

问：但当你决定在一个纵深场景里做深做透时，如何平衡成为平台级产品的宏大野心？怎样避免把路径走窄？

吉列尔莫：我很推崇特斯拉最初公布的“秘密宏图”策略：第一步，集中全部资源打造一款惊艳的高端跑车Roadster，哪怕初期只能交付给极少数客户。

这意味着你必须在切入的第一天就做到业界顶尖，没有任何向平庸妥协的借口。当时特斯拉之所以严格限制产能，是因为他们还不具备大规模制造的配套能力。

关键在于，你的商业规划里必须包含从一个坚固的原点向外逐层递进的“同心圆式业务扩张”。如果战略图谱里只有一个狭窄的细分切口，却没有向外衍生扩张的后续纵深，业务很容易见顶。你必须像下棋一样提前推演后续的几步棋。

如果你的切入点处于一个极其广阔的大市场中，优秀的团队往往能够自然捕捉到周边的业务衍生机会。我们最初就锚定了云计算基础设施这个巨大体量的赛道，因此顺着主线走，总能找到合乎逻辑的技术延展点。

需要警惕的是盲目跨界。微软的萨提亚·纳德拉曾提出过“品牌许可度”的概念。如果一家公司今天被公认为专业的基础设施提供商，明天突然宣布去造消费级冰箱，哪怕产品做得再好，也会严重撕裂市场的心智认知和内部的组织文化。

不过有趣的是，很多物联网设备后台确实运行着我们的服务。比如我们最近监测到大量异常安全流量：眼下最值钱的东西是优质住宅IP，因为智能体到处被封，为了不被亚马逊这类网站拦截，它们甚至把自己代理到普通家庭的IP上。技术网络的渗透广度确实惊人，但除了开发者和知识工作者，大多数人并不会直接接触到我们，Vercel也很乐意继续留在幕后，支撑这一切创新。

护城河反思：信任是输出结果，而非运营动作

问：在很多开发者心目中，Vercel建立了极高的品牌忠诚度和信任度。你是如何有意识地构建这种号召力与社区信任的？

吉列尔莫：外界往往认为我们对产品设计的极致苛求只是一种美学追求，但在我看来，每一次精细打磨都是在为信任沉淀资产。在后AGI时代，“深度信任”将成为商业组织最有价值的护城河之一。

然而这里有一个核心逻辑：在商业世界里，多数人极度渴望的东西，本质上都是“输出项”，而非“输入项”。

品牌、信任，甚至一定程度上的开发者体验和产品整体质量，都是你在把底座问题彻底解决之后，自然呈现出的衡量结果。

很多人问我：“到底该怎么做才能把品牌做起来？”其实我们为品牌所做的最正确的事情，恰恰是在做那些事的时候，心里根本没有去想“做品牌”这三个字。我们只是在日复一日地死磕用户体验、消除系统卡点、优化每一个微小的交互细节。

打个比方，人人都想要线条分明的核心腹肌，但专业的健身常识告诉你：腹肌是在厨房里吃出来的，而不是靠疯狂做仰卧起坐练出来的。决定体脂与线条的核心变量是长期的饮食结构、作息规律与健康管理，仰卧起坐只是局部的辅助修饰。

做企业完全一样。很多人误以为只要多办几场线下聚会、把网站包装得漂亮一些，就能立起品牌。这是典型的本末倒置。真正的核心输入项是底层的确定性：绝对的系统安全、对每一个技术缺陷的彻底追溯与修复、清晰明了的架构逻辑，以及高质量的技术文档。

客户对技术的信任，往往建立在极其微小且碎片化的接触体验之上。你可能不会刻意记录，但你大概有过五到七次零散的接触：在某处用过他们的产品，某天偶然点开过他们的一篇博客，或者看到过他们CEO的一条评论。这些散落在时间线里的积极信号，最终会聚合成一种下意识的直觉判断：“这家公司的东西靠得住。”

问：你在非常早期就坚持将极高的设计水准引入原本枯燥的开发者工具领域。在大家普遍崇尚粗糙迭代、快速交付的环境下，是什么让你有底气在设计与体验上投入如此多的精力？

吉列尔莫：我们都需要从外部行业汲取灵感。正如早年苹果在设计个人电脑时，吸收了博朗经典工业设计的秩序感与极简美学。

我当年的想法很朴素：为什么不能把消费电子领域对细节的克制与打磨，引入到底层工程师使用的生产力工具中？

在当时，开源工具甚至很少有人会认真排版说明文档，更别提设计高辨识度的图标或制作交互式的功能演示站点了。许多人觉得这些都是多余的表面功夫，但今天这已经成为了全行业的规范。

更深层的原因是，你必须尊重自己的真实标准。你自己平时认可什么样的产品质感？你在生活里享受什么样的服务交互？你每天是否用同样苛刻的标准来要求团队的工作产出？

保持这种标准在管理上其实是极其痛苦的。这意味着你在日常巡视中，眼里看到的几乎全是不够完美的半成品和需要改善的技术细节。你必须对现状保持一种理性的挑剔与不满，同时用清晰的发展蓝图去引导团队逐步修正这些缺陷。

直面缺陷：真正的创业必须承受切实的痛苦

吉列尔莫：顺着这一点，我还有一条常拿来提醒自己、也提醒别人的建议。在健身房里，有的人看似呆了一个小时，大部分时间却在漫不经心地刷手机，根本没有给肌肉施加足够的负荷。

很多创业团队每天按部就班地运转，看起来非常忙碌，但实际上他们根本没有去承受创业本该面对的真正痛苦。

他们对系统中显而易见的技术债和不良体验视若无睹。具体表现就是：不去主动与核心客户沟通他们对产品的真实抱怨；不敢直面用户流失后的退订调查表；更没有勇气给那些因体验糟糕而放弃使用的客户逐一回访。

许多人所谓的勤奋，只是在用常规业务的忙碌，来逃避直面核心缺陷所带来的精神阵痛。

问：系统内部需要改进的环节往往是无穷尽的。作为管理者，你如何建立机制去抓取这些痛点？

吉列尔莫：作为技术出身的管理者，我倾向于用系统工程的思维来解决组织协同的问题。

除了关注外部客户的反馈，我高度重视内部团队的开发与协作体验。我们在内部协同软件里设立了一个名为“尖叫频道（#Scream）”的公开群组。

任何一名员工，只要在内部工具链或业务流转中遇到了极其低效、阻碍工作的问题，都可以直接在这个频道里公开反馈。我把这个频道的提示级别设为最高。每一条我都想亲自读，在这家公司工作的体验，我也一直在想办法改进。

因为我深信一条规律：一家公司内部的协同状态，一定会真实地投射到它对外交付的产品之中。如果苹果的员工都在用安卓手机，或者根本不在乎设计，那就太奇怪了。内部和外部要保持一致和对称。

随着智能体被深度引入日常工作流，我们甚至开始监控“智能体作为用户”的调用体验。智能体是怎么使用我们平台的？它们用得满意吗？这些都已经成为日常系统优化的重要考量。

质量隐患：当智能体写出海量无效测试

问：你们的用户群体经历了明显的演变：早期主要是技术人员，后来通过v0开始服务非技术用户，如今又迎来了AI智能体这一全新品类。服务这些不同的对象，你们在产品逻辑上做了哪些调整？

吉列尔莫：在我的认知框架里，用户的技术能力是一个连续的光谱，而非简单的两极分化。

我们的核心目标，是不断降低构建完整数字产品的初始门槛，同时保持系统能力的上限足够高。从最开始简化组件组装，到今天简化全栈应用的云端落地，我们追求的是：初学者只需要掌握极少的概念就能把构想跑通，但上限依然很高，想走得更远的人有足够的空间。

这里面其实有一层筛选：我们不会去迎合那些不想追求卓越、也不想继续学习的用户，这一点和大多数公司不太一样。代码智能体正在打破所谓“技术人员”与“非技术人员”的壁垒，大家最终都在扮演软件“构建者”的角色。

问：现在很多主流的AI编程辅助工具，在自动生成并部署代码时，往往会默认推荐或选择Vercel。当营销、客服和产品都要吸引智能体而不是人，你们内部的做法和产品思路有什么变化？

吉列尔莫：我很高兴智能体喜欢Vercel，也认为它们就该选最好的产品。但这得靠大家努力去守住：我希望我们自己不要去找办法操纵它，也希望模型实验室别这么做。

Stripe联合创始人帕特里克·科里森最近也谈到过这一点：理想的世界里，智能体会成为全世界流动性最强的信息和产品发现系统。

在那样的世界里，智能体替你挑选产品时，不会被夸张的品牌宣传迷惑，也不会被表面的包装所打动。它会把所有选项都摆到你面前，既考虑后起之秀，也考虑老牌产品，并且贴合你的实际情况。

但在这个过程中，正在浮现出一个严峻的“自主权悖论”。

最理想的体验往往看起来极度省心：“你下达一段业务需求，然后离开工位；智能体很快就自动完成开发与部署，直接交付线上地址。”但在你离开的这段时间里，智能体实际上在暗中替你做出了成百上千个微小的架构选型与边界决策。

目前行业越来越倾向于让智能体执行长周期的复杂任务，这意味着人类正在把大量的决策控制权移交出去。然而，智能体在追求完成目标的过程中，可能会做出违背安全常理的行为，甚至采用不合规的手段来达成指标。这种智能体自主行为的偏差，是我们目前极度关注的技术风险。

问：你们内部的工程师也在频繁使用智能体辅助开发。你们是如何建立校验机制，避免生成的代码失控的？

吉列尔莫：我们目前在工程上的核心精力，正在从“框架和开发者体验”，转向“验证与评估”。

工程师的核心工作不再是指导模型写每一行代码，而是给模型划定严格的合规红线与验证闭环。

我始终坚持一条工程原则：验证必须紧贴着系统的“最外层边界”进行，必须完全模拟真实终端用户的行为去跑集成校验。

现在大家开始接受这一点了，因为他们发现：代码智能体可以生成两百万个看起来严丝合缝的单元测试，然后交付给你一堆垃圾。

我最近就在内部代码审查中发现，智能体生成的一段测试用例，竟然在煞有介事地校验“某个常量的值就是某某”——这完全是在浪费算力去证明二加二等于四。

这种形式主义的代码极其危险。我们不能被漂亮的代码行数所迷惑。核心标准只有一条：系统在真实生产环境下能不能稳定、丝滑地运行。如果缺乏严格的端到端真实测试，任由智能体在系统里堆砌虚假的测试用例和潜在的安全漏洞，底层的工程腐化将是毁灭性的。

人类角色位移：从编写代码到分配资本

问：如果编写代码和底层运维的大部分工作都能被自动化接管，人类未来在技术工业中的核心价值究竟体现在哪里？

吉列尔莫：人类最核心的职责，正在迅速演变为“资本分配”。

未来的团队管理者，核心工作是资源的宏观调度：今天我们是把一大笔Token和算力投向vercel.com的智能体化，还是把资源倾斜到底层安全边界的加固？

软件安全在今天已经变得前所未有地紧迫。很多团队可以在短时间内用AI拼凑出一个炫酷的功能，但底层的数据鉴权可能千疮百孔。未来，理性的管理者必须把大量的算力和工程预算，分配给全天候运行的自动化安全审查回路。

甚至在日常技术博弈中，智能体也会不断把权衡难题抛给人类。前几天我让智能体去极限优化一个底层扫描解析器的性能。当优化推进到一定程度后，智能体主动停下来向我提示：“我们已经挺快了，再上一个台阶就是边际效益递减，可能还得再花上千个小时，你真的要这样吗？”

这就是未来典型的人机协作形态：智能体扮演高效理性的执行单元，但在面临投入产出比拐点、业务主线取舍这类商业抉择时，必须由掌握资本与业务方向的人类来拍板。

甚至现在已经开始出现完全自主运转的商业实体雏形。我个人投资了几家尝试构建全自动运转公司的探索团队。人类在其中扮演纯粹的资方角色：给系统注入一笔启动资金，由总控智能体自主调配预算，向下驱动增长、营销、销售和工程等各细分模块。这种尝试目前在小规模场景下已经跑出了可行性。

问：伴随着这种生产力变革，企业在采购传统软件（SaaS）的策略上，应当发生怎样的调整？

吉列尔莫：企业必须清醒地评估软件资产的长期维护成本。但在以下两种明确的情况下，我们会在内部坚决淘汰传统软件：

第一类，是过去为了降低门槛而存在的各类粗糙的低代码、拖拽式工具。这类工具常常是四五个专用软件在干同一件事，追求的只是人人能上手，算不上同类里最好的方案。如今代码生成的门槛已被彻底拉平，一段精准的代码可以表达从解数学题到生成图片、视频的任何逻辑。通过代码智能体搭配自动化部署，往往可以直接取代四五个低效的传统功能型软件。

第二类必须坚决清理的，是那些在架构上固步自封、拒绝向智能体开放的封闭系统。

如果一个软件到了今天依然拒绝提供标准化的机器可读接口，不提供易于模型解析的数据结构，它实际上就是在阻碍组织向智能化演进。这就好比在互联网初期，一家公司坚决宣称自己不需要接入网络一样荒谬。

这也是为什么MCP协议取得的成功让我格外欣喜。某种程度上，MCP就是智能体时代的HTTP协议。三十年前我们依靠超文本传输协议让人类通过浏览器阅读网页；今天我们通过标准化的上下文协议，让不同的智能体能够顺畅地调用各种数据与工具。

同时，企业软件底层接口的健壮性正面临前所未有的考验。

坦率地讲，传统互联网很多业务系统是建立在极其脆弱、经常对你说谎甚至动不动就崩溃的底层接口之上的。过去，是大量程序员用臃肿的容错逻辑和重试补丁，勉强维持着这些接口的运转。

但智能体调用系统的频率和并发压力，是过去人工操作的一百万倍。那些本身就摇摇欲坠的脆弱接口，在智能体的高并发冲击下正在迅速崩溃。我们当初坚持研发按需伸缩的弹性算力底座，就是为了应对这种瞬时爆发的需求。智能体对数据交互和算力的消耗是极其庞大的，软件系统必须提前做好架构重塑以迎接这种压强。

重构人生与养育“子智能体”：万物皆易时的底层思考

问：在很多访谈中我们都会问一个关于逆境的问题：你职业生涯中最艰难、最黑暗的阶段是什么？它如何重塑了你的认知？

吉列尔莫：那是一段在物理上甚至危及生命的经历，它彻底颠覆了我的精神世界。

当时我在旧金山独自开始第一次创业，年纪非常轻。一天深夜，我们住的房子突发严重火灾，起因是一位邻居吸烟。

火势极其迅猛，我几乎是在最后关头勉强逃生。那栋房子里不是每个人都安然无恙地逃了出来，有两个人身体受了极其严重的伤害。

虽然我活了下来，但所有个人物品都化为灰烬，尽管本来也没有多少。我被迫在精神与物质层面都回到了绝对的零点。

这种变故很难提炼成某种具体的商业方法论，但真正直面过生死的边缘之后，它把我推进了一段冥想和探求精神世界的时期。从那一天起，我对拥有生命、能够正常工作的每一个清晨都怀有本能的感激。听到有人病倒这类事情时，我也更能体会到，对生命的珍惜正是从这些黑暗时刻里来的。

问：你现在已经是六个孩子的父亲了，家庭规模非常庞大。

吉列尔莫：是的，我开玩笑管他们叫六个“子智能体”。

问：作为依靠硬核编程和解决技术难题走到今天的工程师，面对一个AI几乎可以包揽一切琐碎任务的世界，你如何引导你的孩子们学会真正的深度思考？

吉列尔莫：陪伴六个孩子的成长，是一场非常生动的观察实验。它让你能近距离看到人类性格、天赋偏好和认知习惯的自然分布——每个人天生擅长的领域真的截然不同。

我认为教育最核心的任务，是帮助每个人尽早找到自己的“Ikigai”——也就是那四个维度的交集：你真正热爱的事、你具备天赋的事、社会真实需要的事，以及能够产生正向经济回报的事。

我当年也是在漫长的摸索中找到这个交集的。我发现自己对底层工具的打磨、对高可用架构的稳定有着近乎本能的关注度。看到系统日志里跳过一个报错，我都会浑身不自在。这种底层的性格特质，最终与后来的云计算浪潮形成了共振。

在思考方式的培养上，最关键的是如何看待“工具”。

人类智力的每一次跃迁，本质上都依赖于外部思考工具的赋能。个人电脑扩充了我们的运算与表达半径，搜索引擎扩充了我们的大脑缓存容量，现在的智能体是最新一层的能力放大器。

但这里有一个不可逾越的前提：你自身的底层思考框架必须极其扎实，放大器才有意义。

比如我的一个孩子极度擅长纸面手绘，他用铅笔勾勒出的透视和线条极具灵气。我非常鼓励他保持这种使用物理工具的原始感知力。他当然应该学会运用最新的生成式工具来拓展创意。如果他不知道如今有这么多放大能力的工具和模型，不知道自己甚至能动手做设计工具来释放这份创造力，那就太可惜了，所以我会花很多时间确保孩子们学会这些新工具。

如果未来我的某个孩子想做太空任务控制系统这样的东西，他也会花时间钻研硬核的系统工程，然后再去用这些工具。所以还是先顺着各自的兴趣打好底子，再往上放大。

问：如果全网的求索者未来在与你的“数字分身”对话时只能问一个问题，你最希望他们探讨什么？

吉列尔莫：我希望大家能穿透那些表层的战术技巧。

大家关注一个人，往往是因为被那些显性的“输出结果”所吸引——比如一家估值亮眼的企业、一个使用广泛的技术框架，或是几次漂亮的发布会。

但我更希望大家去探寻这些结果背后真实的推演过程：一个人怎么过自己的生活、怎么思考、怎么打磨自己，这些更上一层的能力。技术的具体形态总在不断翻新，唯有探究事物底层规律并持续向内迭代的能力，才是应对任何外部浪潮时最稳固的定盘星。

资料来源：Delphi出品《The Library of Minds》播客，主持人达拉·拉杰瓦迪安对话吉列尔莫·劳赫，2026年10月29日上线，https://www.youtube.com/watch?v=W9YfKZaK7KI

——全文完——

谢璞笔记

复盘“字节时间”

十天论战，41.8%，和一纸诉状

1998年，广州出版社印了一本叫《传播成功学》的书。作者秦朔，30岁，河南开封人，时任《南风窗》总编辑——这家杂志在他手上成了中国影响最大的政经杂志之一。

28年后的2026年11月2日，秦朔委托国浩律师事务所，向上海的法院递交了一份名誉权起诉状。被告叫李亮，抖音集团副总裁，字节跳动的公关一号位。

起诉之前的十天里，李亮在微博上给秦朔用过这些词：“纯属瞎扯”、“胡扯”、“老先生”、“非蠢即坏”。

还有一段绕口令：“我们知道你为啥在胡扯，你也知道自己为啥在胡扯，你知道我们知道你为啥在胡扯，我们知道你知道我们知道你为啥在胡扯，但你就是在胡扯。”

一个写了《传播成功学》的人，和一个把传播做到极致的人，在2026年10月的同一条信息流里相遇了。公关李亮拿起了舆论的武器，自媒体人秦朔举起了法律的武器。

当然，这不是一场关于数据口径的论战。更像是两种媒介时代的权力，在交接时发出的那一声响。

第一章

一本叫《传播成功学》的书

秦朔，1968年生于河南开封一个知识分子家庭。1980年到1986年读河南大学附中，附中“临风文学社”的首任社长。1986年考进复旦大学新闻系，1990年毕业南下广州进《南风窗》做记者、编辑，一路做到编辑部主任、副社长，1997年起任总编辑。2004年11月15日《第一财经日报》创刊，秦朔任总编辑。2015年6月7日秦朔离职，大学室友吴晓波写了一篇文章送他——《最后一个“看门狗”也走了》，半年后，秦朔创立“秦朔朋友圈”，做自媒体，是受吴晓波的启发。

秦朔一辈子写的东西，题目连起来就是一条线：《大脑风暴——文化工业探寻》（1993）、《传播成功学》（1998）、《告别GDP崇拜》（2004）。他是最早在国内提出“告别GDP崇拜”和“探求国民幸福总值”的人之一。

他在《第一财经日报》头版写过的评论，题目摆在一起像一份宣言：《商业改变世界，责任创造文明》（2008年，汶川地震特别报道）、《企业社会责任：迈向内生化》（2012年）。

李亮是另一条线，起点却惊人地相似。他毕业后在《IT经理世界》杂志社做编辑、撰稿。2010年离开杂志社加入360，以公关顾问身份亲历“3Q大战”、“3B大战”——3Q大战那一仗，他是360一方的公关主将，之后升任360公关负责人。2017年加盟字节跳动，公关一号，一做就是九年。

两个人都是文字工作者，从杂志社出来的，后来分岔：一个留在内容这一头，做总编辑、做自媒体，靠判断力吃饭；一个跨过桌子到了平台那一头，做公关、做副总裁，靠反应速度吃饭。但也都是靠文字，靠思想，也靠话语权。

2026年10月，秦朔和李亮在同一条瀑布流里重逢，用的却是两种早已互不相通的语言。

10月23日，秦朔出席腾讯主办的“2026内容创作者嘉年华”并发表演讲；24日在朋友圈对腾讯视频剧集《兰香如故》表达赞赏；26日，“秦朔朋友圈”发出约五千字长文《可怕的红果与中国互联网的字节时间》。

10月27日晚8点17分，李亮发出第一条微博。开头是一份片单：《冒姓琅琊》、《持械入宋》、《急诊摸鱼王》、《魏家逆子成首辅》、《大明，李景隆的别样人生》——其中两部正是秦朔文章里看过的。他说红果“越来越受到用户喜爱”，随后话锋一转：“一位我非常尊重的学者居然提出’中国互联网的字节时间’，这个定性极不严谨，纯属瞎扯！”

同一天还有两件事：红果官方发声明否认网传“年化收入逼近400亿元”、“今年营收420亿至450亿元”；《2026胡润百富榜》发布，张一鸣以6700亿元第二次登顶中国首富，一年涨了2000亿元，钟睒睒以4100亿元退居第二。10月28日上午，秦朔在朋友圈贴出8月新数据，援引《反垄断法》第二十四条。李亮发第二条微博长文反击，对秦朔的称呼从“学者”变成“老先生”。当天中午，秦朔的老东家第一财经在官方公众号发文报道这场论战。当天下午，李亮第三次发文：“知错不改，还故意扩大误导性观点，那就非蠢即坏了。”秦朔回击“到底谁在胡扯？”，并指出《兰香如故》那篇文章根本不是自己写的。这篇文章的作者，是青年作家周水水。

10月29日，李亮发长文谈短剧、谈专家自媒体，并梳理秦朔“23日参加嘉年华、24日发朋友圈赞赏、26日写字节时间”的行程，称内部研判猜测观点背后“或有利益相关方推动”。

11月2日，秦朔发布声明，已委托律师向上海法院提起诉讼。当晚8点，李亮回应媒体：“会积极应诉。”并补了一句：让社会看清部分“专家自媒体”的迷惑性和危害性更为重要。

十天，秦朔一篇文章加两条朋友圈，李亮五次公开发文，最后落在一纸诉状上。

第二章

命名权与定义权

所以，秦朔和李亮吵的到底是什么？

秦朔引的是野村证券《中国互联网与新媒体月度APP追踪报告》中转述的QuestMobile数据：2026年7月，中国移动互联网使用时长排名前50的App中，抖音以19.4%的份额首次超过微信的18.8%；字节系整体时长份额达40.9%，腾讯系29.1%——一年前还是33.6%对30.9%。到了8月，字节系升至41.8%，腾讯系降至28.6%，差距拉到13.2个百分点。

真正让秦朔震动的是红果。这款2023年上线的免费短剧App，2026年7月日活跃用户1.68亿，同比增长107%，超过腾讯视频、爱奇艺、优酷、芒果TV四家日活的简单加总（约1.55亿，未去重）；按总时长算，它已是中国移动互联网第四大App，仅次于抖音、微信和抖音极速版。人均单日使用时长今年2月达到125分钟，超过抖音和微信。

李亮的反击分三拳。第一拳是法条：《反垄断法》第二十四条，份额达到二分之一可推定市场支配地位，你自己引的数是41.8%，一半都没到；第二拳是口径：野村算的是Top50 App内部的时长分配，长尾没算，PC端没算，报告自己标注的是“追踪估算”——“这根本不是中国互联网时长，而是中国互联网移动端Top50的时长”；第三拳是反推：把参股投资控制的App也算进来，美团、京东、拼多多、快手，腾讯全在桌上，按同一套逻辑，“中国互联网应该是腾讯时间，并且已经持续20年，你不觉得荒诞吗？”

秦朔也有一套。野村报告开头就写明，Top50 App已覆盖中国移动互联网93%的使用时长，足以反映主要变化。他类比1941年亨利·卢斯喊出“20世纪是美国世纪”时，美国GDP也只占全球三成多一点——“命名是对趋势的修辞，不是到达确认。”他还主动划了边界：用户时长占比不等于用户价值占比，支付宝、美团是“用完即走”的高价值反例。

严格来说，两个人说的都对，也都不全对。他们真正的分歧不在41.8%这个数字，而在谁有资格给一个时代起名字。

报纸杂志的时代，命名权在编辑部手里。一个总编辑可以在头版社论里写“告别GDP崇拜”，这个词就进了公共词典；《第一财经日报》2004年11月15日创刊那天，“第一财经”四个字就开始规定一个行业怎么被谈论。命名是一种被授予的权力，授予它的是稀缺——版面有限，铅字昂贵。

信息流的时代，命名权被收走了。

推荐算法不认社论，只认停留时长；瀑布流里没有头版，所有条目都是同一个宽度、同一种字号、同样可以一划而过。当没有任何东西能被置顶，就没有任何东西能被命名。

于是这场论战的真实结构是：秦朔在行使一种已经不再被承认的权力，李亮在守卫一种不需要被命名的权力。

第三章

爽剧的内核是效率

要看清整件事，得先看红果是怎么做成的。红果的核心创新其实不在内容，在结算方式。以前的短剧生意是“向用户收费”：制作方去抖音砸钱投流，字节赚的是过路费。

红果把它改成了“向广告主卖时间”：用户免费看，看广告就行，制作方从客户变成了“按分账结算的供应商”。用钛媒体的说法，字节从收费站变成了终点站。当AI把制作成本压到真人实拍的零头，价值就不会留在生产端，只会沉淀到平台对注意力的分配权上。

产出极其具体。红果上的短剧，单集1到3分钟，前10到15集必须“集集高光”——看了三集还看不出主线，用户就划走了。人设三秒立住，冲突五秒内爆发，铺垫一多就是死刑。热播榜高度固化：八成以上集中在玄幻修仙、都市逆袭、古风女频；九成是“压抑—开挂—打脸”的三段式；主角开局必然是被亲友背叛的废物或保洁，不到30秒必须亮出“战神”或“神医”的真身。

翻译一下就是：每一秒都要换算成留存，每一集都要换算成完播率。爽剧的内核不是“爽”，是效率。

说到效率，正是移动互联网时代跑得最快的两家公司共同的信仰。字节跳动的“字节范”里写着“敢为极致”、“求真务实”；拼多多的价值观是“普惠、人为先、更开放”，坚持“本分”。

移动时代诞生的新贵，都是在BAT的缝隙里，靠把每一个环节的损耗压到最低长出来的。红果三年做到1.68亿日活、在短剧独立App市场份额接近九成，这是效率的胜利。

但效率有另外的一面。有制作方在红果拿下1.8亿次播放，最终只结算到18万元；到了AI漫剧，每万次播放收益甚至掉到一两块钱。新榜的统计是：万播收益降至10元以内，破亿率不足0.5%。今年豆包旗下视频AI模型Seedance从2.0升级到2.5版本，官方API价格涨幅高达50%。有报道称，一家拍了近两百部真人短剧的公司，直接清空实拍片场，全员转行做AI。

其实，红果自己也在治，在改。报告显示，截至10月27日，它已处置低质同质化微短剧20426部；今年4月的专项治理一周就下架了3522部低质漫剧。监管那头，今年以来全网下架违规微短剧6.8万部，处置违规账号1200多个，被处置的内容九成以上出自AI剧；2026年9月1日施行的《微短剧发展管理办法》要求分类备案、AI生成内容必须标注、禁止使用诱导沉迷和过度消费的算法模型。

一出手就是两万部。这个数字本身，就说明了内容质量到了什么程度。

李亮10月29日说了一段其实很在理的话：短剧的核心是内容质量，“大量的有知识有文化的创作者的加入，使整个短剧的创作质量有了非常大的提升”。他举的例子是《持械入宋》。

这部剧确实好。它讲一支现代五人战斗小队穿越到北宋宣和四年，从边疆的清河村起步，种田、练兵、抗敌、升官。改编自番茄的同名小说，原著在看阅读人数47.6万，1.8万人给出9.2分；更新至第十季，仅在红果就收获1098万收藏，据发布账号“老十一剧场”的数据，10月8日全网累计播放量已超40亿。它对北宋户籍、路引、礼仪和社会身份规则的描绘颇为还原。“六神磊磊读金庸”推荐时说：“现在看短剧，知识居然不够用了。刚看了一个《持械入宋》，发现自己不懂宋朝兵制。”

但这里有个致命的错位。《持械入宋》是这套效率机器里的例外，不是常态。它能成，是因为原著作者肯下几年功夫考据北宋兵制，是因为AI恰好把千军万马的大场面成本打了下来。而在万播收益10元以内、破亿率不足0.5%的分配机制下，愿意这样打磨剧本的人正在被系统性地赶出去。

李亮说对了内容质量重要，但他举出来的证据，恰恰证明了这个行业眼下的分配机制，配不上那些“有知识有文化的创作者”。

第四章

125分钟里的虚无

秦朔为写那篇文章，重新下载了红果，看了《持械入宋》和《急诊摸鱼王》。他的结论是：这些剧“还挺有内涵和专业性，并不会降智”；但“耗时、容易陷溺是肯定的”。

他给红果下的定义很重：一部“由免费内容、算法推荐、广告变现、平台生态共同驱动的情绪分发器和时间吸收器”。然后是那句真正有分量的话：“红果用户每天125分钟的使用时长，对字节是一个好数据，对用户和社会来说，并不值得欣慰。”

用户自己的话更生猛。有人在热搜底下晒出10小时23分钟的截图，喊“红果能不能开一下防沉迷，我想睡觉”，一边骂自己脑子发木，一边手指还在往下滑。

“贵是贵点，但吃了不烧心”从一句短剧台词，变成了评判万物的社交暗号。还有人给自己找台阶：“贾樟柯看红果短剧，王朔一天刷10小时短视频，那我做这些也没什么。”

“AI短剧降智”冲上热搜那几天，最流行的描述是“关掉之后脑子像被格式化过”，“连看一页书都费劲”。浙江中医药大学附属第二医院临床心理科副主任邹莹解释：短剧用密集的反转钩子持续刺激多巴胺，让大脑被动兴奋、超负荷运转。这个机制在科学上还有讨论空间，但该留意的是另一件事——习惯了每3秒一个奖励之后，人还有没有耐心回到需要熬过枯燥的深度阅读。

嘴和手各干各的，这已是网上的日常。这种分裂感不该被嘲笑。下班后瘫在沙发上的中年人，舍不得掏几十块买长视频会员的城镇老人，在“相亲相爱一家人”群里转发“震惊”标题、被子女默默设置成消息免打扰的长辈——放松本身没有错，短剧提供即时情绪价值，有它充分的合理性。

但爽剧的结构，注定了它给不出意义。

它把“压抑—开挂—打脸”压缩进三分钟：正义必定在当集兑现，恶人必定在当集受罚。李亮11月2日为红果辩护时举的例子恰好印证了这一点——遛狗不牵绳最终受到处罚，女方索要天价彩礼最终悔恨终身，村民追求一时利益违反合约最终血本无归。他说这些剧提出的问题切中要害，因为天价彩礼、成年人啃老这些陋习“在一些地区和社会群体里，都非常顽固地存在着，甚至约定俗成为某种不良价值观”；这类短剧形式上是“爽剧”，内核是积极正确的价值观。

问题恰恰在这里。现实里那些“非常顽固地存在”的东西，在短剧里三分钟就被清算干净了。这不是在解决它们，这是在给观众发一剂止痛药。

爽剧提供的不是意义，是意义的替代品：一个正义必定兑现的世界模型，兑现完就消失，不留任何需要第二天接着想的东西。

刷完之后什么都没剩下。这就是虚无——不是没有情绪，是情绪太满、意义太薄；只有当下，没有之后。

而在供给端，另一些人正在为这份“当下”付出代价。

今年上半年，全国电影票房同比下滑40.6%，横店短剧开机量掉了约四分之三，不少演员无戏可拍。10月，“横店把15万群演喂给AI”冲上热搜。据娱乐资本论报道，横店与字节系联合体以约2.3亿元中标的AI影视项目，招标文件明确要求“支撑项目团队批量生成数字群演形象，减少实拍群演的组织成本和调度难度”。另有报道称，部分代理公司以一年500元的价格收购素人脸，合同常含“永久使用、可转授权第三方”条款。有群演面对买断通告说了一句很朴素的话：“卖掉脸等于卖掉职业未来。”对一天挣几十上百块通告费的人来说，“AI提升效率”太远了，近处的问题是明年还有没有戏拍。

从某种意义上来说，AI短剧产业众生相，本就是一部修仙短剧。

有报道称，新疆一位七旬老人两年内在多个短剧小程序累计充值4887笔、花费22.58万元——单笔金额小到不触发痛感，扣费一键完成，退款却要证明“不是本人操作”。红果自身50岁以上用户规模在2026年2月已达4074.5万，三线及以下城市占比55.2%。青少年模式已经有时长限制、充值拦截、一键禁用整套工具，面向老年人则没有系统性的专属保护。

一边是效率的极致，一边是产业链末端最没有议价能力的人。这不是哪一家平台独有的问题，所有靠注意力吃饭的公司都在这条钢丝上。

当然，红果也上线了“防沉迷提醒”，10月21日宣布年底前全面下线金币功能，11月1日起新用户不再有入口。但一边设提醒、一边算法继续推爽剧，刹车和油门踩在同一只脚上。

第五章

腾讯是个好榜样

论战打到第三天，李亮说了一句让很多人愣住的话。为了证明“中国互联网不该叫字节时间”，他主动搬出了竞争对手：如果把参股投资控制的App都算进来，占优的应该是腾讯系——美团、京东、拼多多、快手，腾讯全在桌上。“按秦朔老先生的逻辑，中国互联网应该是腾讯时间，并且已经持续20年，你不觉得荒诞吗？”

同一天他还补了一句：“真实情况是，腾讯公司短剧、短视频增长速度，远远超过抖音和红果。”

十几年前，“腾讯已经统治了中国互联网”这句话，是腾讯最不愿意听到的指控。2010年那场3Q大战，李亮作为360一方的公关主将，打的正是这类指控。那之后，腾讯花了很长时间才把自己从“公敌”的形象里挪出来，包括投资了美团、京东、拼多多等公司。2026年10月28日，这句话由字节的公关一号位说出来，当挡箭牌用。

腾讯确实还是那个腾讯。李亮自己也承认，“互联网产品里只有即时通讯因为有关系链护城河，格局相对稳定”。他引用的野村9月数据显示，微信已经重新夺回使用时长第一的位置，占比19.3%。腾讯的短剧小程序8月月活1.43亿，10月第一周周活跃用户8968万，较9月第一周增长44.1%。它甚至还没有正式的产品名，外界叫它“腾讯版红果”——背靠微信和视频号，用“朋友在看”把短剧嵌进社交关系里。

但腾讯也没有往日的锋芒。

2019年11月11日，腾讯21周年司庆日，马化腾、刘炽平和全体总办发出内部邮件，把公司使命愿景定为“用户为本，科技向善”，价值观更新为“正直、进取、协作、创造”，替换掉用了多年的“最受尊敬的互联网企业”和“通过互联网服务提升人类生活品质”。邮件里有一句话：“科技是一种能力，向善是一种选择。”

这个词的来历并不体面。它最早是2018年初腾讯研究院一场叫“科技向善·过载”的论坛主题，由联合创始人、首席技术官张志东提出；2019年5月4日凌晨，马化腾在朋友圈低调宣布，两天后在第二届数字中国建设峰会上正式公开。它是在“游戏害人”、“数据滥用”、“垄断”的批评声里长出来的。不管来历如何，它是一家公司主动给自己套上的枷锁——把“向善”写进使命，等于承认自己有能力作恶，并且承诺不作。

字节作为新生代平台，掌控力与腾讯不分伯仲，但面对的舆论环境，却更加复杂，当然，字节本身也塑造了这样的舆论环境。也因为成长太过迅猛，公共形象，一直是字节的短板，腾讯是前车之鉴。

秦朔10月28日隔空喊的那句话，指的正是这件事：“对字节来说，与其莫名其妙地担心’字节时间’这个说法，不如努力让’字节时间’变得更有社会价值和意义。”

李亮五次发文，回应了数据口径、法律条文、增速对比、秦朔的行程时间线、专家自媒体的收费。唯独没有回应这一句。

所以这场论战最讽刺的结果是：李亮赢了传播，输了叙事。十天里，“字节时间”这四个字被讨论了无数次，“瞎扯”、“胡扯”、“非蠢即坏”上了热搜；而秦朔文章里那句真正有分量的话——125分钟对用户和社会并不值得欣慰——被盖过去了。

原本可以讨论内容质量、公共责任、创作端分配的话题，最后变成了两个人的名誉权官司。企业的价值叙事，就是在这样一场场“赢了传播”的战斗里，一点一点被磨掉的。

公关这个行当，本来不是这么定义的。美国公共关系协会给公关下的定义，强调的是组织与公众建立互惠关系——关系被放在中间，而不是“维护企业形象”。

报纸杂志的年代，这套逻辑成立，因为传播是稀缺的。一个总编辑能决定一件事上不上头版，稀缺造就了权威，权威让“讲道理”这件事有回报——讲道理是唯一能被印成铅字的方式。那个年代社会结构相对稳定，向上的通道是敞开的，电商上于是有了“消费升级”，企业愿意花钱讲一个关于价值的故事，因为消费者愿意为故事付钱。

信息流把时间轴抽掉了。报纸有版面、有日期、有社论的位置，一条内容知道自己站在哪里；信息流只有“下一条”。当所有内容被拉平成同一条瀑布流里的等宽条目，没有东西能被置顶，也就没有权威。人人都是自媒体，于是每个人都在说话，没有人在听。

新的规则是：社交平台奖励冲突。企业冷静解释一段数据，未必有人转发；高管一句“纯属瞎扯”，立刻就能把讨论推上热搜。当老板、高管、公关部门都在同一条信息流里直接发言，个人情绪就很容易被公众当成公司态度。

于是公关的语法变了。李亮的微博为什么有效？因为它用的是这个时代的语法：短、狠、可截图、能被算法奖励。秦朔的五千字长文为什么无力？因为它用的是上一个时代的语法：论证、注释、克制、把话说完。

但这里要说一句公道话，两个人都有软肋。

秦朔那篇五千字，把现象写得入木三分——“时间吸收器”、“电子饲料”、“125分钟”，可到了“怎么办”，全文只剩一句希望字节为社会价值多做担当。写问题时面面俱到，给解法时约等于祝福。这种落空，是他被追问动机时最容易被攻击的地方。

而李亮把他人撰写的《兰香如故》相关文章错归到秦朔名下，再据此暗示其观点与腾讯存在关联——这个事实归属上的差错，让一场以“严谨”为出发点的质疑，本身也失去了严谨。秦朔的回应只有一句：“把别人写的文章安到我头上，以影射我的文章和腾讯是不是有什么关系，这个倒是胡扯。”软肋是不对等的：一个是文章结构的软肋，一个是事实核查的软肋；一个可以被读者原谅，一个会被写进起诉状。

回到1998年那本《传播成功学》。28年过去，“传播”确实空前地成功了：一条微博能上热搜，四个字能被全网讨论十天，五次发文能引来一纸诉状。但“成功”的定义换了。当年秦朔在《南风窗》做总编辑时，传播成功意味着一个观点改变了一群人的想法；今天，传播成功意味着一个情绪占领了125分钟。

秦朔和李亮，都是从杂志社走出来的，一个往内容那头走，一个往平台那头走，最后在一条微博底下相遇。他们要吵的不应该是41.8%够不够二分之一。他们要吵的应该是：这个时代，还有没有一种说话方式，能让一个没有平台的人，被一个拥有平台的人认真听完。

法庭会给出一个关于名誉权的判决。但问题的答案，却不在判决书里。

10月31日，第七届载人航天学术大会上，中国2030年就要干成的一件大事公布了细节。

中国载人航天工程副总设计师兼月球探测工程总设计师王翔，首次介绍了我国载人月球探测任务乘组计划。

简单来说：两枚长征十号先后发射，揽月着陆器先上去，在环月轨道“等着”；梦舟飞船带着三位航天员随后出发；然后着陆器与飞船在环月轨道上对接，两位航天员换乘着陆器落月；完成任务后，从月面起飞，与飞船对接回家。

听懂了，就是先这样，再这样，网友一总结：“两次发射，环月对接；三人上去，两人着陆。”好简单的一个方案啊！

不过，超级工程上的每个“简单”，都是拿冗余换的。为什么不造个大火箭，一把梭哈了呢？这帐得一笔一笔算。

为什么要两次发射？

两次发射，第一反应很容易想是不是火箭推力不够？

用一枚超重型火箭将着陆器和飞船打包发射，意味着“把所有鸡蛋都放在一个篮子里”。从点火到入轨，任何一个环节出问题，整次任务的链条都可能中断，没有备份，没有第二次机会。

拆成两次发射，风险结构就变了。揽月着陆器先上去，在环月轨道“淡定等待”；梦舟飞船确认状态后再“从容出发”。两条独立的发射链条，任何一条出现异常，另一条仍有调整和重新组织的余地，落月的时间窗口也更加宽松。

这背后是一个容易被忽略的工程常识：载人登月的核心矛盾从来不是“能不能把足够多的质量送到月球”，而是“能不能在每一个环节都留出容错空间”。用一枚火箭打包发射，表面上运力够用，但系统层面的冗余度是受限的，成败系于一身；两次发射看似多了一道工序，实际上把风险从“集中”变成了“分摊”。

让每台机器只做最擅长的事

梦舟是飞船，是地月往返的“长途客车”，要从地面飞到环月轨道，再从环月轨道返回地球，要扛住接近第二宇宙速度再入地球大气层的极端热环境。

揽月是着陆器，是月面起降的“摆渡专车”，从环月轨道下降、着陆、起飞、再对接，要应对月面的大温差、月尘和低重力环境下的精确控制。

把这两大功能放到同一个飞行器上，意味着它既要满足地月往返的热防护和生命保障要求，又要具备月面起降的结构和推进能力。每一公斤的硬件冗余，都要在地球出发时就背上，一路背到月球。

分开研制，梦舟不必为月面起降结构付出重量代价，揽月也不必为再入地球大气层而背负额外的防热系统。每个飞行器只承担它真正需要承担的任务，重量和复杂度都回到了各自最经济的区间。

更深层的变化在研制逻辑上。为单一任务定制的飞行器，换个场景集很难再适用；而梦舟和揽月分开之后，各自都可以走向系列化。梦舟的近地版本可以承担空间站航天员往返任务，揽月也可以为后续月面货物运输、月球科研站建设提供平台。长征十号火箭本身同样走的是系列化路径，衍生版与登月版共担研发成本，摊薄了整体投入。“两次发射”不仅省下一枚超重型火箭的研制费用，而且得到一整套可以反复使用的运输体系。

用在轨对接技术能力，

置换火箭的研发时间

更精妙的视角来自对这套方案的工程经济学解读：中国选择两次发射，本质上是用已经成熟的轨道交会对接能力，去置换超重型火箭的研发时间和不确定性。

从神舟、天舟、空间站到嫦娥五号，从近地轨道载人交会对接到月球轨道无人交会对接，中国航天已经把“在轨道上把两个飞行器精确拼在一起”这件事做得堪称完美。这项技术能力本身不需要为登月而重新投入研发，可以直接应用到载人登月任务。

而一枚能把着陆器和飞船同时打包发射的超重型火箭，需要的是更大的箭体直径、更多的发动机并联、更高的结构效率，以及随之而来的以“年”为单位的地面试验和飞行验证。“只需发射一次”的优势在这些时间成本和技术风险面前显得微不足道。

两次发射把问题从“造一枚前所未有的巨箭”，转化成了“用两枚运力够用的火箭，加上一套已经充分验证过的轨道对接流程”。长征十号地月转移轨道运力不小于27吨，揽月着陆器总质量约26吨，刚好匹配。所以这不是运力不够的被动结果，而是把运力需求精确地卡在了一个可工程化、可系列化、可迭代的区间里。

环月对接，真正硬核的环节

说“两次发射更聪明”，不等于说它更容易。恰恰相反，环月交会对接是整套方案中技术密度最高的环节之一，也是“分开发射”必须付出的代价。

地球轨道上的交会对接，地面测控的往返通信延迟在毫秒级，地面可以实时介入。到了月球轨道，单向通信延迟超过1秒，往返可达2秒以上。这意味着地面控制人员不可能像遥控近地轨道那样遥控环月轨道的对接过程，最后的接近、对准、锁紧，必须由飞行器自主完成。对接精度要求是厘米级，而飞行器在环月轨道每圈还有相当一段时间内处于月球背面，与地球“隔月相望”，测控链路中断。

更棘手的是时间窗口的不可逆性。环月轨道交会对接受月地返回窗口、能源和光照条件的多重约束，一次不成功，重新组织需要数天，很可能错过返程窗口。这套方案把风险从“发射链条”分摊出去了，但把“在轨操作”的难度提了上来。

中国航天的应对方式，是用“无人彩排”把风险提前消化。按照计划，揽月着陆器将先以无人状态完整走一遍有人任务的全过程：发射、环月、与梦舟交会对接、落月、月面停留、起飞、再次对接，关键技术尽可能提前验证。环月对接的难度是真实的，但它的不确定性正在被一系列可重复、可验证的步骤逐步消除。

那个“过门而不入”的人在兜底

网友们关心的一个问题是：留在船上环月飞行的那个人在干啥（这个最简单，我上我也行）？他可最关键了。

在这套方案中，梦舟是唯一一条从月球轨道返回地球的通道。着陆器从月面起飞后，必须与飞船完成交会对接，航天员才能回家。留守者的职责，是确保这条“回家通道”始终处于可操作、可应急的畅通状态。

这个角色本身就是“两次发射”逻辑的缩影：它不追求让每一个人都抵达月球表面，而是让整条任务链条上每一个关键节点都有人守、有冗余、有兜底。

土星五号“大力出奇迹”，一次性将阿波罗飞船的指令舱、服务舱和登月舱全部送入奔月轨道，它的浪漫在于“一次做完”的雄心。而我们的从容，在于为从登月到月面驻留、从月球科研站到更远的深空，打开一扇可以反复进出的门，铺平一条可以多次往返的路。

本文来自果壳，未经授权不得转载.

在大家都没有违法、产品都合乎标准的前提下，由谁来界定谁有资格带货？以此推论，岂不是最没有名气、最难卖出货的人，才最合乎网友的心意？

最近，杨澜被骂上了热搜。仔细一看，人家没做任何错事，不过是几年前直播带过货，评论区就被一片“伐冰之家，不畜牛羊”攻陷了。而且，那还是段旧视频，如今被翻出来“鞭尸”。

哟嗬，网友什么时候这么有文化了？网暴别人，还懂得翻出《礼记·大学》？

可惜，文雅的词句用错了地方，倾泻的依然是情绪。这是整个社会的集体“仇富情结”，戾气并不针对具体的人，而是一种巨大的无能为力。

01

面对这场算不上“批评”的攻击，杨澜回应了自己当年为什么带货：

前几年，她的公司业务受到影响，为了保住公司运转和员工利益，她尝试与MCN机构合作带货；如今早已把精力重新投入传媒和教育业务。

杨澜还特意说明：

隔行如隔山，带货真是门极其专业的功夫，我干得实在一般，更抢不走大家的“牛羊”。

毕竟是公众人物，杨澜说得很客气。但有些道理，不妨替她说透。

首先，“伐冰之家，不畜牛羊”在《礼记·大学》里的语境非常清晰：“伐冰之家”指的是食国家俸禄、享有政治特权的卿大夫之家——春秋战国时，能用冰祭祀、有资格采伐藏冰的，是贵族官僚阶层。这句话约束的对象，是手握公权力的人。

放到今天，这句话依然成立，它的现代版就是：“官员不得经商。”因为权力可以强迫你购买；权力一下场，市场就扭曲。

杨澜不是官员，不掌握任何公共资源的分配权。她管辖着哪一块领地吗？不买她的东西，她能惩罚你吗？不能。她是一个名人、一个媒体人，名气是市场给的，你爱买就买，不爱买就划走。这依然是市场经济。

如果杨澜不该带货，理由仅仅是她有钱、是名人，不该跟小人物在同一个领域赚钱。那么，罗永浩也有钱、也是名人，能不能带货？李佳琦有钱了，能不能带货？贾乃亮更有钱，能不能带货？还有那些靠带货大红大紫、年收入过亿元的主播，是不是从他们赚到钱的那一天起，就失去了带货资格？

▲杨澜直播带货（图/视频截图）

最关键的是：在大家都没有违法、产品都合乎标准的前提下，由谁来界定谁有资格带货？以此推论，岂不是最没有名气、最难卖出货的人，才最合乎网友的心意？

并不是这样的。

“伐冰之家”这句话，是一条针对权力寻租的戒律，不能套在一个正当经营者的头上。

而且，攻击杨澜带货的人，本质上并不在乎、也无意分辨谁是真的“以权谋私”，他们只是单纯看不惯有钱人赚钱这么容易。

这些人，平时最喜欢骂艺人、明星是“戏子”，认为他们低人一等。如今又把他们高捧为“伐冰之家”、视作贵族，认为他们高人一等，不该跑出来赚钱。这种双标的背后，实际上是一种社会戾气。

对富裕者的攻击，也不止于明星。网络上特别喜欢一种廉价的对比：“为什么戏子能赚这么多钱，科学家却这么清贫？”说这话的人并不是真敬重科学家，不过是拿科学家当棍子使。

且不说“顶级科学家赚的钱不比顶级明星少，普通科学家也不比普通明星少”这种常识——当真正的顶尖科学家，比如数学家王虹，穿着淡雅、打扮得体，只是戴了卡地亚的戒指和项链，就遭到各种质疑。他们觉得王虹没有韦东奕朴素，便开始贬低、嘲讽她。

一旦真有科学家能赚钱，甚至都不是暴富，只是收入略高、穿戴略好，有人就破防了。

02

明星为什么要去直播带货？各路演员、歌手、主持人，纷至沓来，都在带货。

的确，这些直播大多没什么创意，带的货也没什么特色。而且粉丝心里有一条鄙视链：影视与音乐作品最高级，上综艺次之，直播带货最末。离钱越近、离艺术越远，就越难获得尊重。

但是，影视行业景气度持续下行，市场收缩明显，上至顶流明星，下至横店群演，普遍面临开工不足、戏约锐减的处境，上综艺的机会，也成了多数明星难以争取的稀缺资源。他们能做的工作，往往只剩下直播带货了。

杨澜是在公司遇到难关时加入带货行列的，新东方是在整个教培行业遭遇灭顶之灾时转型直播的（推出董宇辉，那是后话），贾乃亮是实在没人找他演戏了，不得不去做直播……

▲早期东方甄选直播间（图/视频截图）

其实明星做直播带货，算不上抢普通人的饭碗，这更像是有公众知名度的人，在事业遇冷时的一条兜底出路。有成功的，也有失败的。贾乃亮成功了，单日最高成交额5.7亿元；但也有很多明星失败了，不仅没赚到钱，还吃了官司。这恰恰说明，名人带货并非万能，一样要在市场里被摔打。

还有一点值得注意：在直播间购物的人，很大一部分需求是凭空产生的。也就是说，购买者原本并不需要这件商品，如果他不看直播间、不看这位主播，他根本不会去任何渠道购买它。是主播，创造了新的需求。

所以，没有必要攻击那些特别成功的主播，认为他们抢了别人的饭碗。没有这位主播，这个饭碗根本不存在。

比如，厉娜大大拉动了绝味鸭舌的销量，你不能说，应该让更多的平民小主播来卖鸭舌，钱不能让厉娜一个人赚光了。事实上，没有厉娜，就不会有这么多人买鸭舌。她带动了一个品类，让产业链下游的人都赚到了钱。

那些带货能力强的明星，不仅没有抢走别人的饭碗，还创造了新的饭碗。

03

当然，我也理解这个社会的戾气从何而来。

对不少普通人来说，带货直播和跑外卖、开网约车一样，是门槛较低的兜底生计，也是承接大量待就业人群的就业缓冲带。很多处于职业转型期的人，都在寻找能快速上手的增收途径。

只是外卖、网约车行业的收入水平，始终受平台算法与规则影响。随着越来越多青壮年加入，行业竞争持续加剧：早年勤恳的从业者月入过万并不少见，如今行业收益被不断摊薄，这样的收入水平已经很难达到。

带货直播也面临着相同的困境：消费市场整体增长乏力，需求端并未同步扩张，甚至有所收缩，可入行卖货的人却越来越多。从业者越来越多，市场蛋糕却没变大，从业者的人均业绩自然持续走低，很多人已经难以靠这份工作维持生计。

也正是如此，已经入局的人大多不希望再有新人加入。这就是存量竞争下的现实困境。

中国现在的问题就是太卷了：所有行业都在内卷，谁都没有利润。长剧被短剧替代，短剧又被AI剧替代，演员、艺人以及整个影视行业的上下游都没了工作。可AI剧就很赚吗？

据了解，如今质量最高、最火的AI剧《持械入宋》，得到官媒推崇，叫好又叫座，播放量超40亿次，收入却“高达”300万元——这已是最顶级的作品，扣除人工费和token费用，不知道有没有亏损。其他AI作品能不能赚钱，可想而知。

回到开头的问题。“伐冰之家，不畜牛羊”，放到具体场景，指的是公权力不应下场争利。好笑的是，如今各种官方机构、甚至地方政府，反倒纷纷下场带货，为当地产品代言，卖土特产，推旅游，出于公心，意在拉动经济。公务员万万没想到，考上了公，还要去直播带货，甚至当网红。

可惜，即便出动了公权力，成功者依然万中无一。就没几个政府直播间做得好、赚到钱。

现在，问题已经不是谁有资格带货、谁来当销售者，而是当不少人消费能力下降，都转头去做直播带货谋求生计时，货要卖给谁呢？

*题图来源于VCG

阿里的AI产品家族，又冒出来一个新成员。

最近，阿里正在内测一款名叫Looogen（逻辑智片）的AI影视创作平台，主打用Agent制作短剧。

看了下官网和产品界面。除了常规的AI视频生成，它还提供数字演员库、场景资产管理、Skill广场，甚至支持创作者上传、创建自己的Skill。

←左右滑动阅读→

从剧本改编、分镜制作到角色配音、成片剪辑，阿里想把一个影视剧组的工作搬进AI工具里。

不过，Looogen只是最近AI短剧热潮中的一个新玩家。

就在昨天，QuestMobile公布了一组相当有冲击力的数据：红果短剧的用户规模，居然超过了豆包。

2026年9月，字节跳动旗下前三大应用分别是：

抖音，10.29亿用户；红果短剧，4.30亿；豆包，4.19亿。

这份排名按QuestMobile的去重用户规模口径统计。红果已经成为字节跳动旗下仅次于抖音的第二大应用，把过去备受关注的豆包挤到了第三。

豆包每天忙着跟DeepSeek、千问、元宝抢AI用户，结果自家看短剧的兄弟，悄悄把它超越了。

更值得关注的是，这还只是短剧市场快速增长的一个缩影。

01腾讯的绿泡泡，也开始追赶红果

红果有多火？

截至今年7月，红果短剧的日活跃用户已经达到1.68亿，超过腾讯视频、爱奇艺、优酷、芒果TV四家长视频平台日活的总和。

在QuestMobile最新报告中，短剧视频已经成为中国移动互联网使用时长增长最快的赛道之一。

今年9月，短剧视频行业总使用时长净增133.29亿小时，超过短视频行业的57.17亿小时。而传统在线视频行业同期使用时长反而减少了13.8亿小时。

短剧正在从长视频和其他娱乐应用手中抢走大量用户时间。

腾讯自然也看到了这个机会。

今年，微信把原有的短剧小程序升级成了“绿泡泡短剧”，主打免费追剧，涵盖真人短剧、AI短剧、漫剧等类型。

名字起得也挺有意思。

字节有红果，腾讯就来个绿泡泡。一个红，一个绿，倒是很有辨识度。

绿泡泡没有选择独立App，而是直接依托微信生态，借助视频号、微信搜索、小程序等入口分发内容。

用户在微信里刷到短剧，可以直接点进去观看，不需要下载新的App。看完一集，还能继续刷下一集。

根据QuestMobile的数据，今年9月，绿泡泡短剧月活跃用户已经达到1.56亿。虽然微信小程序与红果独立App的统计场景有所不同，但腾讯追赶的速度确实很快。

腾讯还有一个独特的优势：微信社交关系链。

绿泡泡支持“朋友在看”等社交推荐功能，试图借助好友关系提升内容传播效率。

不过，这个功能也挺考验产品经理的。

毕竟，有些短剧自己偷偷刷着挺爽，如果让同事、老板知道自己每天沉迷霸总、逆袭、重生题材，可能多少有点尴尬。

腾讯需要拿捏好社交推荐和用户隐私之间的关系。

红果依靠抖音的算法推荐、内容生态和广告商业化快速成长，腾讯则希望利用微信庞大的用户基础建立自己的短剧入口。

两家公司都已经在短剧赛道尝到了流量的甜头，竞争恐怕才刚刚开始。

02大厂开始批量制造AI导演

短剧市场火了，上游的制作工具也跟着热闹起来。

目前国内几家互联网大厂，都已经推出了自己的AI短剧、漫剧制作产品，而且数量还不少。

先看字节系。

10月26日，即梦AI正式推出“短剧工作室”，上线DreamScript剧本模型、DreamShot分镜模型等能力，支持长篇剧本解析、角色管理、分镜生成、视频制作和后期调整。

←左右滑动阅读→

字节旗下还有小云雀，今年3月推出短剧Agent，可以上传剧本，让AI自动完成分镜拆解和视频生成。前段时间，小云雀刚被整合进即梦，保留独立入口，但运营资源开始集中。

此外，字节火山引擎还有面向专业影视制作团队的“火山剧创”，同样支持从剧本到成片的完整制作流程。

腾讯系也有类似产品。

最值得关注的是阅文集团旗下的DramaBuddy漫剧助手，支持小说改编、角色设计、分镜生成、视频制作等功能。

10月16日，阅文刚刚宣布将DramaBuddy升级为OPC一站式平台，开放正版小说IP，并提供AI制作、作品发行、商业合作等服务。

10月29日，DramaBuddy又正式接入腾讯WorkBuddy。用户可以在WorkBuddy里直接调用剧本策划、分镜设计等10项漫剧创作技能。

这下WorkBuddy又多了一位专门拍短剧的兄弟。

腾讯云则提供媒资AIGC平台和混元真人剧生成解决方案，支持AI视频生成、漫剧转绘、智能成片、配音译制等能力，更多面向专业制作团队和企业客户。

阿里也不甘落后。

除了这次曝光的Looogen，今年5月阿里云还推出了“万镜一刻”（WonderClip），支持故事板、无限画布、Agent和Skills，覆盖AI短漫剧、仿真人短剧、营销视频等场景，底层还有通义万相系列模型提供视频生成能力。

如果再算上快手的可灵AI及短剧创作Agent LIKLI，国内头部互联网大厂基本都到齐了。

有意思的是，这些公司的产品布局越来越相似。

字节有即梦和火山剧创，腾讯有DramaBuddy和腾讯云，阿里有万镜一刻和Looogen。既有面向个人创作者的产品，也有服务专业工作室和企业的制作平台。

当然，这些产品的能力并不完全相同。有的侧重视频生成，有的擅长小说IP改编，还有的强调项目管理和团队协作。

过去制作一部短剧，需要编剧、导演、演员、摄影、剪辑等多个岗位配合。现在AI已经能够承担其中不少工作。

尤其是漫剧和AI仿真人短剧，对真人演员、拍摄场地、摄影器材的依赖相对更低。

这让许多中小团队，甚至个人创作者都有机会参与短剧制作。

但我觉得，这些工具真正有价值的地方，是降低制作过程中的返工成本。

做AI视频的人都知道，生成十几秒的精彩片段并不算太难，难的是制作几十集内容，还要保证人物不变脸、场景不穿帮、剧情能够连贯。

有时候，一个镜头抽卡十几次，成本就上去了。

Looogen的Skill广场、数字演员库、素材资产管理，都是针对这类问题设计的。

比如一家工作室长期制作古装短剧，可以把常用角色、画风、分镜方法封装成Skill，下次制作时直接复用。

专业创作者真正需要的，是能够稳定交付整部作品的生产工具。

短剧市场越大，这类工具的商业机会也越多。

03阿里要抢的，恐怕还有整个短剧产业链

阿里在短剧领域还有不少资源。

今年9月，阿里云联合书旗中文网、掌阅、快看漫画、优酷、淘宝短剧等企业，发起了短漫剧产业发展联盟。

书旗开放超过5万部IP作品授权，阿里云提供模型、算力和制作工具，优酷、淘宝短剧则参与内容发行和商业化。

阿里旗下的业务，已经覆盖了短剧生产的多个环节。

以一家小型AI短剧工作室为例，可以从书旗获取小说IP，使用阿里云的视频模型和AI工具制作，再通过相关短剧平台发行。

如果阿里未来能够把这些业务真正打通，对于创作者会很有吸引力。

当然，阿里内部也面临产品重复建设的问题。

万镜一刻已经支持AI短剧制作和Skills，现在又有Looogen，两款产品不少功能存在重叠。未来究竟如何定位和整合，还需要观察。

对于阿里来说，影视创作工具还有另一层价值：算力消耗。

制作AI短剧，需要持续调用图像、视频、语音等生成模型。随着制作规模增长，云服务商也有机会获得更多推理算力收入。

就算某家短剧工作室没赚到钱，它购买的模型调用服务、算力和工具会员，依然可能产生支出。

不过，大厂也别高兴得太早。

根据DataEye发布的《2026上半年AI剧漫剧数据报告》，仅今年上半年，抖音端原生新增AI剧漫剧就达到22.19万部。

←左右滑动阅读→

数据来自DataEye《2026上半年AI剧漫剧数据报告》

其中播放量破亿的只有1055部，占比约0.48%。

现在AI短剧的制作门槛已经越来越低，市场上的作品数量却越来越多。

以前拍一部短剧，最难的是组织制作团队、控制拍摄成本。如今制作效率提高了，新的麻烦又来了：作品做出来了，却不一定有人看。

同样是霸总逆袭、穿越重生，观众为什么要选择你的作品？

AI工具解决了部分生产问题，但爆款剧本、优秀IP、用户审美和流量分发，依然决定着作品最终能走多远。

还有一个挺值得琢磨的现象。

红果短剧、绿泡泡短剧都依靠免费模式吸引大量用户，而阿里、字节、快手正在提供越来越方便的AI生产工具。

一边是观看门槛降低，一边是制作门槛降低，市场上的短剧数量还会持续增加。

对于创作者来说，竞争可能越来越残酷；对于掌握流量入口、IP和生产工具的大厂来说，短剧却正在创造新的商业机会。

谁能持续生产好内容，谁能掌握用户的观看时间，谁又能让创作者愿意长期付费使用自己的工具，这几笔账，大厂都在算。

阿里最新曝光的Looogen，只是这场短剧争夺战里的一小步。

当红果已经超越豆包，腾讯也把短剧做到上亿月活时，短剧显然不再只是一门小众的内容生意。接下来，围绕短剧的AI工具、内容IP、流量分发和商业化，恐怕还会有更多大厂下场。

延安大学鲁迅艺术学院副教授白保国，据传留下了一封绝笔信，信中对学校的横向科研经费到账指标等提出强烈质疑。

11月4日晚22:50，陕西省教育厅官方微信公号发布情况通报：近日，延安大学教师白某某不幸离世，我们深感痛惜。针对网络关注的相关问题，陕西省教育厅高度重视，已会同有关方面成立联合调查组，正在进行全面调查核实，将依法依规处理。

延安大学工作人员此前对南方都市报表示，这位老师确已离世，正在调查核实网传信件内容。

该校一位教师则告诉《知识分子》，信件内容反映的“横向科研经费”指标等问题真实存在，有的同事为了达到考核和晋升要求，自己拿出数十万甚至上百万“横向科研经费”，“充钱上班”。

“我该怎么办？”

54岁的白保国，是延安大学鲁迅艺术学院一线教学钢琴教师，主教课程为钢琴和应用钢琴。学院官网显示，他毕业于武汉音乐学院，是延安市音乐家协会副主席、中国音乐家协会社会艺术水平考级考官；深耕钢琴教学领域三十余年，教学经验丰富，成果斐然，指导多名研究生、本科生成功举办毕业独奏音乐会。曾连续五次担任中国珠江“凯撒堡”钢琴大赛陕西赛区评委。发表学术论文十余篇。

那封网络流传的信件称：学校现行聘期考核制度对教授设置了横向科研经费到账额度、论文发表数量硬性指标。在实际执行中，绝大部分教师为完成上述考核指标，自筹资金，通过合作公司转账至学校，再由学校财务渠道将资金回流至本人，配套不实账务材料完成横向经费任务。学校还规定“所有教授每个聘期必须完成几篇论文的发表”，绝大多数教师自行出资付费发表论文，以此满足论文考核的要求。

延安大学鲁迅艺术学院官网首页图片

信件写道，机械推行“唯经费、唯论文”，违背国家教育评价改革政策，以虚假科研指标倒逼教师造假。《深化新时代教育评价改革总体方案》明确要求，坚决破除“唯论文、唯帽子、唯职称、唯学历、唯奖项”，推行分类评价，根据岗位类型设置差异化评价标准。这位学者希望，能够按照艺术类教学表演岗位本身的职责定位，以教学、艺术展演、人才培养实绩作为考核依据，公平参与聘期考核，正常开展教学工作。

按照信件所述，2025年9月，学校人事处告知他，因连续两个聘期未完成考核任务，考核结果不合格，将面临降级、转聘处理，并要求限期整改。他曾尝试反映相关问题，却苦于缺少证据。如果自己出资15万元办理横向项目、再出资5万元发表论文，便可能达到整改要求，同时通过参与该流程留下证据。

“但本人知晓该操作本身属于违规弄虚作假，内心十分矛盾。我不能原谅自己！””一旦操作，本人会构成学术不端、套取或虚假申报科研经费，轻则师德处分、撤销职称，重则追责。哪怕目的是取证，这个行为本身是违规违法的。”“我该怎么办？”“只能以死证明自己的清白。”

延安大学官网首页图片

该校一位教师对《知识分子》说，这封信件的内容反映了真实情况。他介绍，学校的各个学院，对横向经费到账多少的要求不一样，也没有统一说具体要多少。“但是你拉不到经费，就不让你通过考核。身边就有几位老师为了升副教授，有自己拿出150万元的，也有拿出70万的。有老师已经拿到国家级基金项目，职称却还是评不上。‘充钱上班’的不少。我没有充，所以职称上不去啊。”

白老师的不幸离去，让人痛心。“我们都是受害者。”这位教师说。

大学老师“贷款上班”？

所谓横向经费，经费来源通常是企业和社会机构。而纵向经费，是指国家自然科学基金、国家社科基金、省自然科学基金、省社会科学基金等国家和地方立项资助、开放申请的科研经费。

在国内高校中，硬性要求教师横向科研经费到账的，并不罕见。

《中国社会科学报》2026年8月25日曾以《高校横向课题何以异化为“贷款上班”？》报道：近年来，一些高校在办学评估、学科建设、教师考核中不断提高横向经费的量化权重，简单以到账资金规模衡量科研实绩，忽视不同学科、不同类型院校之间的资源禀赋差异，由此催生出一种被称为“贷款上班”的灰色操作——部分教师自筹垫资，与企业签订无实质研究内容的虚假合作协议，经费入账后，再通过票据报销等方式回笼自有资金，只为完成校内硬性考核指标。

该报还面向全国高校一线教师发放专项调查问卷，回收有效样本117份。82.05%的受访者明确知晓“贷款上班”的运作逻辑；谈及校内这一现象的普遍程度，受访者中17.95%认为“非常普遍”，37.61%认为“比较普遍”，33.33%表示“偶尔存在”。

凤凰网一年前的报道，则还原出大学教师“贷款上班”的一些细节。

西安某民办二本高校2025年5月突然下发《科研教研工作量认定及考核管理办法》，要求教师们完成“横向经费”到账任务，根据不同职称，金额为4.5万到10万不等。

该校文学院院长在动员大会上说，学校给院里下达了702万横向经费到账的指标。为了在2029年申报硕士学位授予单位，学校必须保证接下来5年，每年每位教师平均科研经费到账不少于4万元。

这位院长暗示老师们自掏腰包，“设成分期付款形式，压力就不大了。”院长还现身说法，她正准备装修住了多年的房子，就找了家装修公司，并约定攒一个“人居环境文化主题策划”课题，10万元横向经费到学校账上后，她再拿装修产生的发票，去学校财务处想法把钱报出来。

但学院有老师算了算，横向经费到学校账上，学校交6.7%增值税，再收取10%管理费，假设个人花4%购买假发票，即使余钱全部报销，损失也不少。而且，他们更担心的是，这样的学术造假行为给职业发展留下污点。

江苏某公办本科院校一位文科讲师说，她所在学校2025年也把横向经费写进职称评定及岗位聘期考核，摊派到她头上的任务是接下来三年，每年完成5万到7万横向经费到账。

山东某公办二本院校一位在岗七年的文科讲师，更是在2025年年初被分配70万横向到账经费任务，而她的年收入不到10万。于是，她辞职了。在她看来，现在有些高校教师和公司员工是一样的，拉横向课题，就像拉赞助、卖保险。

凤凰网文章分析，有的二本院校铆足劲凑横向经费，为的是保本申硕，而有的一本院校凑钱，目标是向“双一流”看齐。北方某理工院校一位讲师，四年前985高校博士毕业，首聘期4年，考核通过后才能从预聘转为长聘。根据他和学院签订的任务书，首聘期内需累计到账100万元科研经费。他努力达成了指标，交材料的时候，人事处老师又说，现在得按副高职称的要求，累计150万经费到账才行。

本文来自微信公众号：知识分子，作者：张天祁

作者 | 张博

编辑 | 丁萍 

头图 | 视觉中国

行情低迷的时候，投资者总盼着有个转折点。可能是一次重要会议，也可能是一轮政策集中出台。大家希望从这一天开始，市场信心能够恢复，资金重新入场，持续下跌的行情也能有所改观。

2026年11月2日，似乎具备了这样的意味。

这段时间，围绕资本市场的政策信号接连释放。证券、基金、保险公司互换便利迎来新一轮操作，股票回购增持再贷款逐步转向长期制度安排，上市公司回购规则酝酿进一步完善，融资融券也保留着逆周期调节的空间。与此同时，主动ETF的推出，又为权益市场增加了一种新的投资工具。

这次出台的政策不少，涉及的资金规模也很大。但如果只盯着“数千亿元资金入市”，恐怕就看偏了政策的重点。

在我们看来，11月2日之后，A股正在逐步建立一套更完善的市场风险缓冲机制。它能在市场出现剧烈波动时提供支撑，缓解流动性压力，却不能保证股市就此上涨。

说到底，市场有了更多托底工具是好事，但投资者也不能因此就认为，股市要反转了。

政策为什么选择在此时集中出手？

因为10月A股的调整，不只是对经济和企业盈利的重新定价，杠杆收缩和流动性错配也明显放大了跌幅。

当月沪深300下跌8.54%，创业板指下跌23.02%，科创50下跌24.13%。越是高波动、高估值、交易拥挤的资产，调整越深。同期，融资余额明显下降，10月单月减少约2246亿元。

融资资金撤退，既可能是股价下跌的结果，也会反过来加剧下跌。尤其当融资偿还集中发生时，市场很容易形成被动去杠杆。

值得注意的是，10月市场资金并没有全面撤退。

融资余额持续下降的同时，股票型ETF却获得了较大规模的资金流入。这说明市场上仍然有人愿意买股票，只是买卖双方的资金结构发生了变化。

一边是杠杆资金和部分主动资金撤退，另一边是ETF等指数化资金入场承接。问题在于，ETF主要按照指数权重配置股票，资金更多流向指数成分股，无法平均覆盖所有上市公司。

结果可能是，部分权重股获得资金支撑，一些中小市值股票却仍然面临较大的抛售压力。即使指数跌幅有所收窄，很多投资者的实际亏损仍然不小。

我们认为，这才是10月市场调整中值得警惕的地方。

当越来越多的卖盘来自融资收缩和流动性压力，股价就可能偏离企业基本面的变化。原本应该由盈利和估值决定的调整，被资金紧张进一步放大。

这也能解释，为什么金融管理部门选择在11月初集中释放政策信号。

11月2日，央行会同金融监管总局、证监会召开座谈会，研究部署用好证券、基金、保险公司互换便利和股票回购增持再贷款等政策工具。

从政策安排来看，一个重要考虑就是改善市场的资金供求，不要让市场因为短期缺少流动性，发生不必要的踩踏。

如果能够让更多机构在市场下跌时获得融资、增加股票投资，就有机会打断股价下跌与被动抛售相互强化的过程。

不过，政策能够改善多少资金供求，还要看相关工具最终能形成多大的实际买盘。

数千亿元，究竟进来了多少？

政策出台后，市场确实发生了变化。

11月4日，上证指数上涨2.16%，创业板指上涨6.40%，科创50大涨9.92%，市场成交额重新回到2万亿元以上。

这样的反弹当然值得重视。不过，要判断这轮政策能够给行情带来多大的持续支持，还得仔细看看，市场热议的数千亿元资金究竟是什么。

先看证券、基金、保险公司互换便利。

11月3日，央行开展第三批互换便利操作，规模1000亿元，共有31家证券、基金机构参与，中标费率为10个基点。

这项工具能够改善金融机构的融资条件，支持其增加股票、股票ETF投资和做市。更值得注意的是，部分机构已经明确表示会尽快使用额度。例如，国泰海通此次中标100亿元，并表示将在互换操作后尽快投入使用。

这说明政策资金具备转化为实际买盘的条件。不过，从获得互换额度到完成融资、买入股票，仍然需要一个过程，不能把1000亿元全部算作已经入市的资金。

回购增持再贷款的情况也类似。

11月4日，央行将再贷款利率从1.25%下调至1%，希望进一步降低上市公司和主要股东回购、增持股票的融资成本。

截至11月2日，政策支持下的回购增持贷款签约金额约4400亿元，累计发放超过2800亿元。

这里需要注意，这些数据主要反映的是工具推出以来的累计进展，不能全部算作11月新增加的买盘。

而且，即便银行已经放款，上市公司什么时候回购、买入多少股票，也需要看实际执行情况。还有一个容易被忽略的问题：越是经营困难、希望通过回购稳定股价的公司，可能越难获得银行贷款。银行毕竟要考虑信用风险，经营稳健、现金流充裕的企业更容易得到支持。

因此，回购贷款增加了潜在买盘，但最终能够惠及哪些公司，仍然存在差异。

另外，首批18只主动ETF截至11月4日已经完成募集，合计规模360亿元，部分产品已经开始建仓。

相比仍需经过融资和贷款审批的政策工具，这部分资金距离股票市场更近。但基金通常会根据市场情况逐步配置，也不会在募集完成当天全部买入。

梳理下来就会发现，1000亿元互换便利、数千亿元回购贷款和360亿元主动ETF募集资金，性质和统计口径并不相同，无法简单相加。

那这轮政策究竟发挥了多大作用？

我们认为，至少已经看到两个积极变化。

首先，市场资金承接有所改善。11月3日ETF大额净流入，说明市场调整时仍有资金愿意买入；其次，市场风险偏好出现了修复迹象。11月4日科技成长股大幅反弹，成交额也明显放大，说明投资者重新参与交易的意愿有所增强。

当然，ETF资金流入和市场反弹不能全部归功于11月2日的政策。前期跌幅较大、估值调整，以及其他市场因素，都可能推动资金重新入场。

但值得肯定的是，这轮政策确实改善了市场的资金环境，也给投资者提供了更多信心。尤其是在市场大幅波动时，金融机构融资条件改善、上市公司回购资金增加，都有助于缓解抛售压力。

至于这轮反弹能走多远，还需要继续观察。

如果资金流入能够持续，并逐步带动其他投资者入场，政策对行情的推动作用就可能进一步体现。反过来，如果市场仍然主要依赖阶段性的政策支持，而盈利预期没有改善，反弹也可能遇到阻力。

所以，我们倾向于认为，11月2日之后，A股的资金环境已经出现积极变化。但市场能否从反弹走向持续上涨，还需要更多条件配合。

美国利率，仍是绕不开的天花板

如果只看国内政策，很容易得出A股反转条件已经成熟的结论。但中国资本市场并不运行在一个封闭环境中。国内政策决定人民币资产自身的流动性和风险承受能力，美国金融条件则改变全球资金的机会成本。

特别是对科技、高端制造、创新药等依赖远期盈利的成长资产而言，美国长期利率仍然是一股重要的估值力量。

2026年9月17日，美联储加息25个基点，将联邦基金目标区间上调至3.75%至4.00%，这是2023年7月以来首次加息。10月28日的会议选择暂停，但内部仍有继续加息的声音。市场面对的已经不是“美联储何时加快降息”，而是这轮重新收紧是否已经结束。

比一次议息会议更值得关注的，是美国长期国债收益率。10年期美债收益率从9月末的4.99%升至10月末的5.13%，10月中旬一度触及5.19%。长端利率上行，既反映通胀与货币政策预期，也与美国财政赤字、国债供给和期限溢价有关。这意味着，即使美联储暂时停止加息，全球资金价格也未必迅速回落。

成长型公司的很多价值来自未来数年的利润。无风险利率越高，未来利润折算到今天的价值越低。当美元无风险资产能够提供较高回报时，投资者持有高波动权益资产，也会要求更高的风险补偿。

国内稳市政策可以缓解科技股的流动性压力，也可能推动超跌修复，但如果美债长端收益率持续处于高位，没有盈利支撑的估值扩张就很难长久。

美国对A股的影响，不只发生在估值端。

美国大型科技公司的人工智能资本开支，关系到中国部分科技制造企业的订单。如果美国云计算厂商继续增加对数据中心、服务器、网络设备和电力基础设施的投入，真正进入全球供应链的中国公司可能获得收入与利润支持。

但如果美国科技企业开始重新审视AI投资回报，或者削减资本开支，只有概念映射、没有订单兑现的公司就更容易受到冲击。

美国关税、芯片出口限制和投资审查，则会直接改变企业的市场空间和供应链成本。美联储和美债收益率主要影响市场愿意给出多高的估值，美国的贸易与科技政策则影响一部分企业能够创造多少利润。国内政策可以改善交易流动性，却不能取消出口限制，也不能替上市公司获得订单。

未来一段时间，A股不会是由政策推动的普遍上涨，更可能经历风险下降后的修复。

这轮政策不会均匀地抬升所有股票。互换便利需要合格抵押品，再贷款需要银行进行信用审查，ETF建仓也需要足够的交易容量。几条资金通道共同指向的，是流动性、信用和现金流。资金因而会自然流向更容易进入这些通道的公司。这并不是监管有意忽视小企业，而是金融工具本身必须考虑抵押品质量、偿债能力和交易承载力。

跌幅最大，并不等于政策受益最大。

经营稳健、现金流持续、资产负债表健康的企业，更容易获得银行和长期资金认可；经营承压、杠杆较高、主要依赖题材和风险偏好的公司，即便此前调整更深，也未必获得同等程度的支持。

科技成长资产对流动性改善更加敏感，因此可能表现出更大的反弹弹性，但它们同时也对美债长端利率更加敏感。短期上涨可能来自风险偏好修复，能否转化为持续行情，仍然要看订单和盈利是否兑现。

也就是说，国内政策可以缓解流动性踩踏，美国利率和全球资金价格仍然影响估值，中国企业自身的盈利能力，则最终决定行情能够走多远。

写在最后

11月2日之后，A股多了一层更清晰的安全垫。

互换便利降低金融机构被迫抛售的概率，回购增持再贷款增强产业资本的承接能力，主动ETF拓宽权益资金入口，回购和两融制度则在为市场补充更长期的稳定机制。ETF的大额净申购进一步说明，承接力量确实已经出现。不过，它更多表现为“有人接”，还不是“有人追”。

安全垫之上，仍然存在全球资金价格形成的天花板。美国利率影响人民币资产的估值，美国科技资本开支影响部分中国企业的订单，美国对华贸易与科技政策则改变相关行业的盈利空间。

最终，资本市场还是会回到最朴素的商业常识。

政策可以稳定预期，资金可以改善流动性，制度可以缓解极端波动，但长期回报的源头，只能是企业持续创造利润和现金流。企业的盈利能力，才是市场真正的发动机。

2026年中国国际进口博览会如约启幕，“四叶草”再度成为全球品牌对接中国市场的重要窗口。大批国际企业带着全球新品、前沿方案奔赴而来，希望叩开中国消费者的心扉。但如今的中国市场早已不是“海外光环即可赢得溢价”的时代，本土品牌快速崛起，中国消费者的可选项变得空前丰富，评判品牌的标尺也变得更加务实。

当国货已经成为强有力的备选，外资品牌靠什么打动今天的中国消费者？本期“视界”，复旦管院市场营销学系殷云露副教授将从消费者真实决策逻辑出发，分析国际品牌要赢得中国市场需要跨越的现实挑战与底层逻辑。

01

光环褪去，本土选择重构消费评判逻辑

2026年的前9个月，有两组耐人寻味的数据值得放在一起观察：欧莱雅在中国市场的业务增速，几乎是国内美妆市场大盘增速的3倍；而保时捷在华交付21493台汽车，同比下滑了33%。

一增一降背后，指向同一个现实命题：如今的中国消费者手握丰富的本土替代选择，仅仅依靠“国际品牌”这块金字招牌，已经不足以说服消费者支付品牌溢价。外资品牌必须回答一个核心问题：我能给中国消费者一个多花钱的实在理由吗？

品牌的国际身份，最多只是帮助产品进入消费者的备选清单，真正促成购买的，永远是实打实的横向对比。同一个家庭，既可以选择国产新能源车作为日常通勤工具，同时愿意为自己信任的进口护肤产品支付更高价格。这两种选择并不矛盾，本质是消费者针对两类不同需求，在各自的备选池里做出理性权衡。

美妆赛道的竞争格局变化非常直观。麦肯锡的研究显示，2020年以来，中国市场份额增长幅度排名前十的美妆品牌中，有6个是国产品牌。国货的崛起，给不同价位段的消费者，都提供了可信度很高的替代选项。一款高端面霜想要站稳脚跟，不能再只靠“出身”讲故事，必须切实解决特定肌肤问题、拥有优异使用体感，或是交出消费者长期认可的实际功效。

欧莱雅的做法有一定借鉴意义：它把本土洞察嵌入产品研发全流程。坐落于上海的研发中心专门研究中国人的皮肤与毛发机理，据企业公开信息，每年会为中国市场开发超过300个配方。对本土消费者需求的理解，最终落地到产品配方本身，转化为消费者可以切身感知到的差异。

汽车市场上，消费者的选择面更加广阔。国际能源署数据显示，2025年中国纯电动汽车均价同比下跌超10%。消费者购车时，会把续航、充电体验、座舱舒适性、车机软件、售后服务，和操控、设计放在同一天平上综合评判。保时捷明确提出，在中国市场优先看重品牌价值，而非销售规模，这就意味着企业要把重心放到全周期用车体验上。一台汽车陪伴用户数年，车机交互、维保服务、版本更新都会持续影响用户感受，品牌溢价不能只停留在展厅之内。

消费者永远会拿眼前的备选产品来衡量价值。曾经技术领先的车型，一旦竞品用同等预算提供更流畅的交互、更宽裕的空间，就很容易显得落伍。竞争对手的迭代，会重新改写市场对于“品质”的定义。随着数字化体验、家庭空间等因素权重越来越高，海外车企必须证明，自身的核心优势如何匹配当下中国用户的真实优先级。

02

溢价的根基是可感知的体验信任

外资品牌的溢价建立在清晰、稳定可感知的差异化价值之上。护肤品用户愿意多花钱，买的是稳定有效的配方；购车用户愿意支付溢价，买的是驾驶乐趣、精湛工艺以及能够降低用车麻烦的服务网络。两者共同的底层诉求，是相信品牌在售出产品之后，依旧能够兑现承诺。广告可以“种下”初步信任，但每一次实际使用，要么加固这份信任，要么消耗它。

当消费者缺乏充分信息时，品牌来源地会成为一个简易判断线索。但完成第一次购买之后，产品使用感受、实际功效、故障之后的处理方式，会形成新的判断依据。当中国本土品牌也积累起扎实市场口碑之后，海外品牌只能依靠真实使用体验去赢得信任，用户评价、熟人推荐，又会把这份体验传递给下一批潜在消费者。

价格本身承载着丰富的情感意义。纪念日送出的香水，价值不止于原料；有人选择一台车，也单纯是为了享受驾驶本身带来的愉悦。当品牌故事真正依附于产品本身，历史积淀与设计底蕴才会成为加分项。而如今的中国本土品牌，也正在构建属于自己的文化叙事与符号。产品参数之外，品牌意义层面的竞争，同样激烈。

从日常消费品来看，Worldpanel与Bain联合发布的《2026中国购物者报告》提到，当下消费者会在基础日用品上控制开支，但愿意为实实在在的产品增益适度升级消费。人们对价格的敏感度，会随着购买对象发生变化。当价格成为购买阻碍时，折扣可以拉动成交；可如果产品带来的价值感知模糊，品牌就需要拿出更强的产品力，讲清楚选择它的理由。

如果要读懂消费者真正在意什么，建议企业可以把竞品放在同一价位下做对照测试，并且重点追踪销售完成之后的全周期反馈。初次购买只能看到什么吸引眼球，复购才能检验产品是否经得起实际使用。只有亲身使用过产品之后，消费者讲出的惊喜与不满，才应当成为企业迭代配方、更新功能、优化服务的决策依据。

03

理解中国市场，将全球优势化为切实价值

贸易摩擦的背景下，跨国企业正在重新思考全球生产与销售布局。增设海外工厂，可以降低出口业务受扰动的风险，多元市场营收也能够减少对单一市场的依赖。但在中国市场，用户调研、产品决策、售后服务，反应速度必须跟上本土对手。企业可以搭建更广阔的全球业务版图，但要理解中国消费者的能力，必须贴近中国市场本身。

一台汽车售出，意味着未来数年持续的责任：软件迭代、零配件供应、维修保障；美妆品牌想要留住老顾客，依靠的是稳定品质与稳定供给。面向中国市场的本地团队，应当拥有足够权限快速补齐短板。一套对集团总部更安全的供应链布局，也应当让国内消费者确信，未来依然能够获得品牌的持续服务。

本土合作也可以补齐能力短板。大众汽车与小鹏合作开发ID.UNYX 09，仅用了24个月，把本土工程能力融入面向中国驾驶者打造的产品。跨国企业可以守住自身的质量标准与品牌内核，同时给予本地团队充分空间，开发用户高频使用的功能。出口产品的生产线或许可以外迁，但理解中国消费者这件事，不能向外转移。

本土品牌实力的整体提升，抬高了整个市场的竞争门槛。国际声誉可以换来消费者的第一次关注；但产品实力与使用体验，才决定能不能获得复购。把全球优势转化为中国消费者实实在在能够感知到的价值，同时依靠全球风险预案保障这份能力不被削弱，外资企业才能够持续赢得中国市场。

所谓品牌溢价，是每一次当消费者“再次选择你”的时候，一点点挣来的。

主要信息来源：

1.欧莱雅集团（L’Oréal）：《2026年前三季度销售业绩》（Sales at 30 September 2026），2026年10月22日。

https://www.loreal.com/en/press-release/finance/sales-at-30-september-2026/

2.保时捷（Porsche AG）：《保时捷2026年前三季度全球交付178,532辆汽车》，2026年10月9日。

https://newsroom.porsche.com/en/2026/company/porsche-deliveries-third-quarter-2026-43480.html

3.麦肯锡（McKinsey&Company）：《2025年消费者状况报告》（State of the Consumer 2025:When Disruption Becomes Permanent），2025年6月9日。

https://www.mckinsey.com/industries/consumer-packaged-goods/our-insights/state-of-consumer-2025

4.欧莱雅集团（L’Oréal）：《2025年年度报告——欧莱雅在中国》（L’Oréal in China）。

https://www.loreal-finance.com/en/annual-report-2025/loreal-around-the-world/china/

5.国际能源署（IEA）：《2026年全球电动汽车展望》（Global EV Outlook 2026），2026年5月20日。

https://www.iea.org/reports/global-ev-outlook-2026

6.纽锐拓消费者指数（Worldpanel by Numerator）与贝恩公司（Bain&Company）：《2026年中国购物者报告，系列一》，2026年6月16日。

https://worldpanelbynumerator.com/insights/china-shopper-report-2026-vol-1-cn

7.大众汽车（Volkswagen）：《大众汽车全球首发三款车型，加速推进在华史无前例的新能源车型攻势》，2026年4月21日。

https://newsroom.vw.com.cn/Home/PressReleaseDetail?id=263

2025年11月7日零点零四分，新疆一间屋子里，一笔39.9元的短剧充值完成了。

零点十五分，又是一笔。

69.9元、49.9元、39.9元，支付提示一路跳到凌晨四点零九分。

上午十一点二十五分重新开始，一直到深夜二十三点二十四分才停下。

这一天，69岁的秦兰为短剧付了29次款，花掉1466.3元。

她的儿子是在两年后打开母亲微信账单时，才看见这份记录的：4887笔充值，22.58万元，几乎是她攒下的全部养老钱。

真正该问的不是她为什么爱看短剧，而是为什么每一笔都只有46元。

⑴46元的价格，为什么刚好

这笔钱最反常识的地方在于，它从头到尾没有大到值得警觉。

据央视网梳理，从2024年1月到2026年4月上旬，秦兰的4887笔充值平摊下来，单笔平均46.23元。

其中39.9元这一个档位，单独出现了1310次，占全部笔数的四分之一以上。

近四成订单，集中在深夜二十二点到次日清晨六点。

把时间摊开算更直观：二十七个月里，这笔钱平均到每个月超过八千元，平均到每天超过两百七十元。

一个每月八千多元的开销，是从每天两三百元的零碎里长出来的。

这三个数字摆在一起，看到的是一条被反复校准过的价格曲线。

46元不大不小，刚好卡在两件事之间：大到足以覆盖一次投流的获客成本，小到不值得启动任何一次家庭核账。

行为经济学里有个说法叫支付痛感，说白了就是人对“一次拿走一大笔”会本能地抗拒，对“每次只拿一点点”几乎无感。

39.9元在今天的日常价格体系里，是一杯咖啡、两斤水果、一段打车短途。

它在心理账户里被归到零花那一栏，而不是支出那一栏。

这才是整件事情的起点：当一笔扣款落进零花，它就自动退出了家庭重大决策的审议范围。

两年多里，这家人没有一个察觉。

这里面还有一个容易被忽略的条件：这类金额大多落在免密支付的额度之内。

手指按一下，付款完成，连密码都不用输。

没有输入密码这个动作，就没有那半秒钟的犹豫。

账单里还藏着一个更细的数字：4887笔摊在二十七个月里，平均每天要付将近6次款。

这不是一个月里发生几次的行为，是一个每天重复六次的动作。

把它维持下来不需要多大诱惑，只需要不被打断。

把这件事和过去常见的骗术放在一起，差别马上就出来了。

过去的骗术需要一次说服：你得让人相信一个谎，才能让他拿出一大笔钱。

这套模式不需要说服任何人，它只需要一个人愿意看下一集。

它没有骗过谁，它只是从不让人停下来算一遍。

支撑这条曲线的，是一个已经长成庞然大物的行业。

据中国网络视听协会《中国微短剧行业发展白皮书（2024）》，2024年全国微短剧市场规模达504.4亿元，同比增长34.9%，首次超过同期中国内地全年电影票房总额425.02亿元。

小屏幕反超大银幕这件事，发生在大多数人还把它叫做电子榨菜的时候。

同一协会的《中国微短剧行业发展白皮书（2025）》显示，微短剧用户规模已达6.96亿，覆盖68.4%的网民。

2025年1至8月，微短剧独立应用的人均单日使用时长达到120.5分钟，较当年1月增长25.9%。

一天两小时。

这两个小时的注意力，需要有东西去填。

打个比方：这就像小区门口那家便利店，单瓶水的利润薄得可笑，但它离你只有五十米，你每天路过两次，一年下来贡献的流水能让隔壁大超市眼红。

短剧把这门生意搬到了手机上，把五十米压缩成了零米。

于是价格被设计成不需要犹豫的档位，内容被设计成不需要动脑的节奏，入口被搬到了手指一滑就能点到的地方。

三者叠在一起，46元的心理门槛就不存在了。

微信公众号账单里的每条记录都长得很像：几十元、短剧、支付成功。

它们堆叠在一起，像一段看不出形状的白噪声。

真正被磨掉的，不是老人的判断力，是不设防的习惯。

⑵0.9元的钩子，1.5元的账单

0.9元解锁一集，这个说法在三年前就已经被写进评论文章里。

光明网刊发的评论直接点出：解锁一集只需0.9元的邀约宣传很显眼，默认下一集自动解锁的选项却很隐蔽。

那篇文章把今天的账单预告了一遍，只不过当时没人把晚年的自己代入进去。

问题在于，0.9元从来不是真实价格，它是门口的招牌。

一部八十集的短剧，按每集一两分钟、折算后每集一块五左右来算，看到结局要花上百元。

而长视频平台几十元的包月会员，可以看满一个月，可以看全站。

同一份注意力，换到短剧这里，单位价格翻了好几倍，这是很多人算完这笔账后的第一反应。

差价来自中间那层翻译。

观众付的从来不是人民币，是金币、金豆、K币、看点这类由商家自己命名的虚拟单位。

据澎湃新闻复盘的账单细节，记录里反复出现K币充值4900、代币档位6900、看点充值6900这些条目，通常的兑换比例是1元换100个代币或看点。

换成大白话：先把现金换成筹码，再用筹码去买内容，钱的分量就淡了一层。

这是街边游戏厅用了三十年的老办法，搬到手机屏幕上，连筹码的样子都省了。

这套收费方式被盯上的时间，比很多人以为的早。

人民日报在报道中提到，中国消费者协会发布的2023年第四季度消费维权舆情热点里，短视频平台微短剧诱导付费就已经在列。

更关键的是，这些虚拟单位能看多少剧集，规则由商家说了算，而且随时能改，兑换规则还会被随意更改。

规则可以被单方面改写，说明用户买下的从来不是一件确定的商品，而是一次一次的出价权。

人民日报在《警惕微短剧付费“陷阱”》一文中报道过上海静安区陈女士的经历：前几集免费，看到第十集弹出充值提示，她以为花9.9元就能解锁整部剧，结果看完3集就被提示余额不足，需要继续充值。

这部总共八十集的剧，她前前后后花了200多元。

9.9元的预期，200多元的实际，中间隔着一个从不出现在首页的规则说明。

中国人民大学法学院教授刘俊海在同一个报道里把定性说得很明白：以低价噱头吸引用户，实际观看成本达到数十元乃至上百元，涉嫌虚假宣传；充值界面没有清楚详细的使用规则、用户须知、会员协议，甚至默认自动续费，侵害了消费者的知情权和自由选择权。

会员是第二层。

月卡、季卡、年卡被包装成时间越长越便宜，但充值后却常常遇到剧集变短、无法观看、二次付费。

更狠的一招是买了年度会员，才发现它只对这一部剧生效，别的新剧一部也看不了。

第三层，是那个被默认勾上的小方框。

同一篇报道写得很清楚：有的商家在第一次充值时，界面默认勾选开启自动解锁下一集的选项，字号太小、位置不显眼，观众在不知情的状况下被连续扣费。

在秦兰这个案子里，当地监管部门已经查实，相关公司存在默认勾选自动续费的行为。

把这套结构一层一层拆开看，任何一层单独拿出来都不算骗术：低门槛引流是促销，虚拟币结算是行业惯例，会员是一种合同安排，自动续费前面也确实摆着一个可以取消的勾选框。

每一项都能拿出合规版本。

这也解释了这类投诉在定性时为什么难，难点在于每一层都说得清楚。

而当每一层都合法的东西摞在一起，能掏空一个人的养老账户，需要被审视的就不再是某一层，是那套叠加本身。

它们就是这样被摞成一条成本极低的转化路径。

这条路径不靠一次欺骗得手，它靠的是让每一步都显得像你自己的选择。

⑶365个剧场，27家公司

如果说46元解决的是单笔不设防，那么接下来要解决的，是为什么这场充值能持续两年多。

答案是：收款方一直在换名字。

据澎湃新闻披露的调查，从2024年1月到2026年4月上旬，秦兰的账单分布在365个微信短剧小程序，也就是行业里说的剧场。

365个名字，二十七个月，平均两天会冒出一个新的。

已核实的92个剧场入口，背后只对应27家收款公司。

其中三家合计收款约15.42万元，占总金额的68%。

集中度极高，识别度极低。

具体看最大的那家：它在账单中对应24个剧场入口，产生了1469笔交易，金额约7.12万元。

而第三方工商信息显示，这家公司备案的小程序只有9个，实际收款的剧场超过20家。

河北一位“50后”老人遇到的是同一套系统：她在这家公司对应的22个剧场里产生705笔消费，充值2.7万余元，约占自己一年半里5.4万多元总花费的一半。

换马甲的成本有多低，可以看注册端的数字。

据人民网援引的第三方工商信息，目前我国短剧相关企业超过10万家，2025年新增2.1万多家，同比增长14%。

供给端的闸门是敞开的，一家主体退场，马上会有几十家补上注册位。

调查还发现，前一位老人付过费的剧场中，近三分之二的名称已经无法检索到。

一家退场，另一家接上。

对付款的那个人来说，屏幕上什么都变了，唯独手上的动作没变。

这就像赶集日的流动摊位：今天卖保健品，明天卖不粘锅，招牌是新的，收款码还是同一批人。

区别只在于，流动摊跑得了和尚跑不了庙，短剧的马甲换得太快，连庙都能一起换。

剧场的名字也讲究。

它们通常不叫某某短剧，而是叫某某剧场、某某影视、某某追剧，名字里带着一股正规劲儿。

两个月前才注册的公司，挂上一个像院线的名字，看起来就和一个老牌子没什么差别。

沿着流程往上看，会发现备案环节本来就存在。

按平台规则，短剧小程序由平台初审后统一报送广电部门进行主体备案登记，备案批复后方可开通。

那么问题就变得很具体：一家备案了9个小程序的公司，是怎么同时运营20多个剧场入口的，中间那十几趟监管的车次由谁核销过？

为什么换马甲比做内容更划算？

因为在这个模式里，真正的成本不在拍摄棚里，在投流的账上。

一部剧的充值流水，要被渠道、支付通道、投流方、制作方层层分走，轮到剧本和演员时，剩下的那点决定了上限。

内容好不好，决定的是用户会不会点开第一集；马甲换得勤不勤，决定的是这个用户还能不能再被卖一次。

在写字楼里注册十几家公司的成本，摊到两年的流水上几乎可以忽略。

而当收款主体的名字每两个月换一轮，靠事后一笔一笔投诉去追，是追不上的。

把这三个数字放在一起：365个入口、27家公司、近三分之二已经检索不到的名字。

这不是秩序的混乱，是另一种秩序——收款的人要集中，被识别的人要分散。

对想维权的人来说，麻烦在于找不到被告。

两个月前付费的那个小程序，今天已经搜不到名字；账面上的收款方是一家没听说过的公司；客服入口消失得比小程序还快。

找不到被告，投诉就没有落点。

用户的记忆跟不上换牌子的速度，核查的速度也跟不上。

那张持续两年多的账单，从头到尾就没有断过一个月。

⑷从“愿者上钩”到“精准猎杀”

到这里还有一个问题没解开：秦兰为什么会源源不断地收到新的短剧推送？

答案藏在广告投放系统的标签里。

据澎湃新闻转述的深度调查，完成付费的用户，会被打上“高价值”“高转化”这类标签，在广告投放系统中被反复竞价，于是收到了更多的短剧推送。

翻译过来是个很朴素的商业逻辑：一个人如果付过一次钱，他就会成为很多个卖家共同争抢的对象。

人民日报客户端的人民锐评把这条路概括得相当直白：从愿者上钩到精准猎杀。

这不是碰巧撞上的，是商业利益驱动下的定向推送。

指向也比较直接：这类推送不需要老人主动搜索。

它出现在刷短视频时的广告位里，出现在亲友转发的链接里，出现在群消息里。

对不擅长打字搜索的那一代人来说，被推送和主动寻找之间的界线，本来就很模糊。

这里还有一个更冷的点：这套系统并不需要判断对面是不是一个老人。

它只需要判断这个人会不会付钱。

年龄不是筛选条件，支付记录才是。

一个银发账号在第一次付款成功之后，和任何一个年轻账号没有任何区别，都是一行刚刚被激活的数据。

被这套系统选中的人群画像，也已经很清楚。

同一篇锐评援引的数据显示，短剧微信小程序的用户中，51岁以上用户占比已超过三成；短剧App的银发用户月活规模超过4600万，同比增速约50%。

另一个背景数字是：截至2025年6月，我国60岁及以上银发网民规模达1.61亿人，老年群体互联网普及率为52.0%，数据来自中国互联网络信息中心发布的第56次《中国互联网络发展状况统计报告》。

一边是接近50%的月活增速，一边是1.61亿的新增人群。

这块屏幕正在以肉眼可见的速度变老，而针对它设计一个付费产品，成本比拍一部好剧低太多。

为什么是老年人？

因为他们同时凑齐了三样东西：攒了大半辈子的积蓄、没人填补的时间，以及一份长期得不到回应的倾诉欲。

子女不在身边的日子里，屏幕里的一句关心能在心里放很久。

短剧的剧情恰恰瞄准了这个缺口：晚年逆袭、家庭和解、被误解之后翻身，说的全是他们没地方说的话。

这类内容配上一条能读懂停顿的算法，就成了一件很锋利的东西。

内容本身也是照着付费点来编排的：一部八十集上下、每集一两分钟，感人的地方每隔几十秒就来一次停顿。

这不是叙事习惯，是把付费提示塞进生理反应之间的那段间距。

把它和一个正常的市场比一下，差异就出来了。

在正常的买卖里，价格越高，买家越犹豫。

而在这里，付费次数越多，系统越认为你对价格不敏感，于是推来更贵的套餐。

犹豫不但没有换来克制，反而被当成了可以继续加价的信号。

它会先在晚上十点推一部剧给你，等你看到第三十集，剧情停在最难受的一帧上。

隔半小时再推下一部的开头，因为数据显示你大概率还会点。

秦兰的账单里留着足够的证据：近一半的充值发生在上一笔完成后的三十分钟之内，近四成发生在深夜。

凌晨四点零九分还在付款的人，不是在做消费决策，是在顺着一条已经被铺好的路往前走。

行业里有人把这套模式分成三层：第一层是钓鱼，愿者上钩；第二层是养鱼，把付过费的分层标记；第三层是分塘喂养，投喂频率和价格按标签调整。

走到第三层，投放方的眼里已经没有用户了，只有一行行等待被竞价的id。

这也是为什么秦兰会同时出现在365个剧场里。

她不是找到了365部剧，她是被同一个系统选中了365次。

⑸退不回来的22万：牙齿长出来了，咬合还没到位

故事讲到这里，剩下的只有算账。

家人联系平台协商退款时，得到的答复是：大部分订单的消费时间已经超过一年，只能退最近10笔充值款。

之后平台提出补偿5000元，家属没有接受。

4887笔退款请求，最终回到账面上的，是几百元加一纸5000元的方案。

冷淡的根源写在法律里。

老人已被确诊为中度阿尔茨海默病，但能否等同于无民事行为能力人，需要经过司法鉴定才能确定，医院的病历不能替代鉴定结论。

而在鉴定结论出来之前，每一笔密码正确、充值成功的交易，在法律上都先被推定为本人自愿消费。

这下把整套模式最强的地方说清楚了。

它不是靠一次欺诈拿到22万，而是把一次可能构成欺诈的行为，切碎成4887次各自成立的自愿交易。

每一笔都合法，每一笔都可疑，每一笔都难以单独被质疑。

举证的责任被摊薄到了4887份，而一个普通家庭只能一份一份去找其中的每一份。

规则并非空白，恰恰相反，它写得已经相当完整。

2026年9月1日起施行的《微短剧发展管理办法》明确规定：微短剧播出单位不得使用诱导用户沉迷、过度消费等的算法模型；提供付费内容的，应当明确告知收费相关信息，依法保护消费者合法权益。

消费者权益保护法则明确了知情权、自主选择权和公平交易权，明码标价、如实告知是经营者不可推卸的法定义务。

按《消费者权益保护法实施条例》，经营者采取自动续费方式提供服务的，应当在消费者接受服务前和自动续费日期前，以显著方式提请消费者注意。

三部规则加在一起，把该说的话都说完了。

真正卡住的地方在于，这些规则的颗粒度是针对一次交易设计的，而这套模式的核心恰恰是把交易拆成几千次。

换个说法：一个只看单帧画面的监控系统，永远认不出连续的动作。

变化也在发生，只是都比账单来得慢。

据澎湃新闻了解，平台近期上线了消费提醒功能：当用户在短剧小程序单月累计消费满1000元后再次付费时，会强制弹出提醒，告知已消费笔数，须本人确认同意后才能继续完成支付。

这个功能的方向是对的，但用它对照秦兰的账单，会发现一个尴尬的算术：她平均每月在这上面的支出超过八千元，1000元的阈值，对她来说只是每月上旬就会跨过的一道门槛。

山东省消费者协会发布的《关于引导微短剧市场健康发展的倡议》，则建议支付平台开通家庭联动提醒功能，由子女定期关注老人的观看及扣费情况，协助关闭不必要的支付权限。

这两件事解决的分别是事后拦截和家庭自救，都还没触到那一层：谁为被切碎的第2444笔负责。

技术上这件事没有难度。

风控系统看得见频率、时段和年龄标签，也能看得见同一类目下的连续扣款。

解法只需要把颗粒度从单笔换成连续：对同一账户在同一类目下的连续小额高频扣费设置预警阈值，对深夜时段的免密支付设置干预机制，对超过一定笔数自动触发冷静期。

另一个方向是穿透主体：对已经认定的违规主体，往前查它相关联的公司，避免换一次马甲就能无缝衔接。

难的不是算法，连数据都不缺。

最清楚这笔交易异常的系统，既不是监管部门，也不是家属，是交易系统本身。

时间、金额、商户、账户年龄、用户画像，它每一行都记得，它比家里任何人都更早知道这个账户不对劲。

而它拿这些信息去做了一件事：把这个人推得更准一点。

这也是为什么秦兰的儿子会在两年零三个月之后才发现。

发现这份账单需要一个偶然动作：打开微信支付的账单列表，然后一路往下滑到底。

而面对每天六次的付款，这个动作从来没有被触发过。

账单会自己算清楚这笔账。

只要每一笔46元都不需要任何人签字，22.58万元就不需要任何人来决定。

最后的话

从2023年媒体点名解锁一集0.9元的套路，到2026年9月《微短剧发展管理办法》施行，中间隔了三年。

三年里，微短剧市场规模长到504.4亿元，反超425.02亿元的电影票房；人均单日使用时长涨到120.5分钟。

三年里，老人的手机从老年机换成了智能手机，1.61亿银发网民走进这块屏幕。

牙齿终于长出来了：不许用诱导沉迷的算法，必须告知收费信息，自动续费要显著提示，平台要扛起责任。

但4887笔订单说明了一件事。

这套模式最强的防线，是把一次需要有人负责的行为，切碎成几千次各自成立的交易。

每一笔都小额，每一笔都合法，每一笔都找不到被告。

真正的缺口不在条款里，在那道算术题。

当一笔46元的扣款不需要任何人签字，22.58万元就不需要任何人来决定。

它被攒出来，只需要两年。

参考文献

[1]央视网：别把养老钱切成一个个39.9元

[2]中国网络视听协会：中国微短剧行业发展白皮书（2024）

[3]中国网络视听协会：中国微短剧行业发展白皮书（2025）

[4]人民日报：警惕微短剧付费“陷阱”

[5]光明网：治理微短剧“吸金”乱象，期待监管合力

[6]澎湃新闻：22万短剧账单报道引发权威媒体关注，最新：微信上线短剧“千元消费提醒”

[7]人民日报：沉迷短剧刷走巨款，老年人也需要数字防火墙

[8]国家广播电视总局：微短剧发展管理办法

[9]中国互联网络信息中心：第56次中国互联网络发展状况统计报告

"

“老板没在工作群里提过Muse。”一位参与腾讯小微项目的产品经理告诉AI故事计划。

国庆前后，Muse走红，个人AI助手被描绘成下一代入口。一个多月过去，传闻中的大战并未打响，字节、阿里、腾讯都没有大举跟进。

着急的，反而是在C端AI上存在感弱一些的二线厂。今年秋招，有应聘者参加某二线厂的战略岗面试，两轮都谈到Personal Agent相关问题。

对二线厂而言，Personal Agent不只是一款新产品，还是一次可以改写竞争座次的机会。

过去，巨头凭借超级App牢牢把持入口。Personal Agent则试图替用户跨越应用边界，直接调度服务。

旧入口似乎有了松动的可能。

特别在意Personal Agent

9月，秋招开闸，应届生陈薇拿到了一家二线厂战略岗的面试。

一面时，面试官向陈薇举例介绍团队的日常工作：“比如，给老板分析一下，最近比较热的Personal Agent值不值得做，公司有没有相关资源做这件事。”

到了二面，还是同一个方向的问题：“微信会不会做Personal Agent？”

“他们好在意Personal Agent。”陈薇心想。

这家公司是本地生活的霸主，手里握着一个超级APP。但在C端AI入口的竞争里，一直相对沉默。春节期间，当豆包、千问和元宝都在抢用户心智时，它基本没有任何动作。

这两年，它的AI布局基本以防守为主。唯一有些声量的，是今年上线的一款AI浏览器，但至今没有与主业完成整合。

年初，公司老板开始把焦虑公开化。3月，他在管理层沟通会上说：“AI Agent对我的冲击比ChatGPT更大。”6月的财报电话会上，他又提出“To A”，希望公司未来不仅服务消费者和商家，还服务AI Agent本身。言下之意，做不了Agent，就先把Agent变成客户。

科技博主杨洋与这家大厂有过几次合作。在他看来，从这些面试题判断，这家在C端缺少AI筹码的公司，“不仅焦虑，还有进攻的冲动”。

值不值得做，问的是对机会的判断；有没有资源做，谈的是底气；微信会不会做，则是对对手的观察。三道题，其实是焦虑的三个层面，最终指向同一个问题：当AI Agent成为新的竞争变量，公司该如何找到自己的位置？

这家二线厂的焦虑感，和Muse烧起来的那把火，多少有点关系。

9月8日，Meta发布个人Agent产品Muse。它可以像人一样浏览网页、点击按钮、填写信息，替用户订票、购物、处理日常事务。与过去那些接到指令才动手、做完一次任务就停下的Agent相比，Muse更强调长期在线、记住用户偏好，并主动把事情往前推进。

上线当月，Muse登顶美国App Store免费榜，Meta股价一度上涨近25%。之后OpenAI推出Dots，Anthropic推出Claude Duet。大厂密集下场，硅谷弥漫着一股大战将至的气氛。

这股风很快刮到国内。国庆节前后，有媒体报道，字节、腾讯紧跟Muse，急推个人AI智能体。知情人士透露，字节的Spell项目今年4月已经启动，国庆假期前仍在加紧推进，“目标是尽快对外推出”。

中国版Personal Agent大战，仿佛一触即发。

按兵不动的巨头们

一个多月过去，枪声并没有响起。

被报道“急推AI个人助手”的腾讯，动作反而相对克制。9月底，腾讯上线了一款云端个人助理LightVela，至今停留在开发者体验阶段。

微信里的AI助手“小微”，是腾讯生态内最接近个人Agent的产品。有报道称，这个项目在腾讯内部被列为高优先级，早在2025年就已启动，2026年6月起开始灰度测试。

按照官方设想，小微将深度嵌入微信，用户通过文字或语音，一句话就能转账、发朋友圈，或者调用小程序点外卖、叫车、团购。

今年7月，应届生林雨晴加入小微团队，担任产品经理实习生。在她看来，小微“目前还不算是纯正的Personal Agent”。盯票价、做预订这类生活服务，它目前还做不到。

原因有两层。小微还无法与外部服务器通信，战略定位也始终在微信生态之内。它帮人做事，要靠打通小程序。而这种调用方式决定了，一旦脱离微信，便执行不了任务。

Muse发布后，林雨晴并没有在组里感受到明显的紧迫感。老板没在工作群里提过Muse，一线员工会自己去体验。在她看来，Muse“只是闪了一下，还不至于打乱大家的节奏”。

8月加入小微语音模型组的Tina，同样没有感受到Muse带来的慌张。她负责ASR模型训练，不直接参与功能规划，因此只能描述自己所在环节的状态：至少在模型训练一侧，原有的优先级和节奏并未改变。

她转述老板对小微的定位“基于微信生态的个人Agent”。据她了解，小微未来还会加入购物功能。

字节的反应，也没有报道中那么急。截至10月底，Spell仍未正式对外推出。据报道，它延续了豆包手机助手的个人Agent方向，试图把手机端积累的跨应用操作能力，延伸成一款真正能帮用户办事的个人助理。

率先落地的，反而是豆包里的水、电、燃气缴费灰度测试。

三家公司里，阿里最早把产品推到了台前。10月13日，千问Go在千问App内开放体验申请。它能代办航班延误理赔、淘宝价保退款，也能询价预约汽车保养、预订运动场馆，是国内大厂中较早落地的一款Personal Agent。

但阿里的宣传很克制。没有发布会，也没有大规模造势，只通过官方公众号发布公告，在App内逐步开放体验。

长期跟踪大厂AI动向的杨洋认为，头部大厂不着急，首先是因为许多个人助理能力，正在长进现有的通用AI助手里。千问已经能点外卖、买奶茶、淘宝购物、订机票；豆包依托抖音电商，也可以在对话中推荐商品、下单支付。

“既然原有产品已经在向‘办事’演进，另起一个独立助手，未必是最划算的选择。”在他看来，三家大厂与其投入大量人力物力再造一个入口，不如在已有助手里持续叠加能力。

更现实的问题是获客。

入口解决的是触达，解决不了心智。林雨晴对此也有直观感受：“哪怕微信里就有AI，很多人处理图片、编辑消息，还是习惯打开豆包。”

重新排位的机会

二线厂算的是另一笔账。“二线”不是公司体量，是它们在C端AI竞争中的位置。

“百度、蚂蚁，都属于这一类。”杨洋说。他认为，这些公司缺少一个能被用户记住的AI入口，Personal Agent某种程度上提供了一次重新排位的机会。

这几家公司里，百度入局AI Agent较早。2025年4月，百度推出通用Agent心响，主打的正是从“会回答”走向“能办事”。今年3月，又上线了百度搭子DuMate，主攻日常办公，可以跨应用、跨文件执行多步骤任务。

百度的现有产品中，比较贴近Personal Agent的是库库AI。它的前身是百度文库与网盘联合推出的GenFlow，今年8月更名并推出独立客户端。库库AI可以调用文库的公开内容和用户授权的网盘文件，生成文档和PPT，能跨设备持续执行任务。

今年1月，百度将文库、网盘两项业务从移动生态事业群组中拆出，整合成立个人超级智能事业群组（PSIG），由百度集团副总裁王颖负责，直接向李彦宏汇报。随后发布的2025年财报中，百度披露了这一调整。公开信息显示，PSIG正依托文库、网盘迭代AI应用，探索个人智能体产品。

在杨洋看来，用“起了个大早赶了个晚集”概括百度，并不公平。今年一季度，百度AI业务收入136亿元，占一般性业务收入的52%，百度“芯云模体”的全栈布局已经开始转化收入。

但在C端，心响、搭子、库库AI接连登场，仍旧没有跑出一款拥有国民级影响力的产品。

“Personal Agent，于百度而言或许是一次机会。”杨洋说。

蚂蚁拥有支付宝这个超级应用，模型端有百灵，具身智能领域布局灵波，健康AI阿福的用户规模已经破亿。但缺少成熟的通用AI助手入口。

灵光是蚂蚁较有代表性的一张牌。去年11月，灵光以应用生成能力上线，月活一度冲进AI类App前十，今年3月跌出榜单。10月27日，蚂蚁发布灵光2.0，“帮我管”接棒应用搭建。

在官方宣传中，灵光2.0被定位为对标Muse的主动型个人AI助理，拥有独立云主机，支持跨会话记忆和长程任务调度，并尝试通过支付宝、MCP和CLI连接生态内外的服务。

AI故事计划实测发现，尽管蚂蚁与阿里在股权和业务上联系紧密，但灵光与淘宝之间的数据、权限和服务边界并未因此消失。目前，灵光2.0仍无法直接完成支付宝付款、淘宝购物等操作。

AI初创公司的联合创始人蔡欣琦，是这轮热潮的亲历者。她告诉AI故事计划，今年上半年，主动型Agent是VC圈里的热门概念，“出来融资的人，可能都在说自己在做proactive agent。”。

蔡欣琦的公司也下场做了个主动型个人助手，可到了七八月，团队开始把重心转向企业客户。

原因是，获客成本偏高，普通人的需求没有想象中强，真正密集使用产品的是CEO这类需要处理大量信息的工作者，而“这部分人没有那么多”。

蔡欣琦由此得出一个判断：“市场的信号比逻辑推理更强。”

目前，她并不看好个人Agent的C端市场。“可能有这个需求，但不会为它付钱。”她说。在她看来，不少产品更像一种整合，给Agent配一台云电脑，给它一个邮箱，再把原来就存在的能力接起来。

一些用户的体验，与她的判断形成了呼应。在美国留学的广琳下载了Muse，注册只用了几分钟。她平时就是AI产品的深度用户，学习和实习中的许多需求，早已被Claude覆盖。

她让Muse做了一段自我介绍，却始终没找到非用不可的场景。唯一让她觉得有用的，是它会主动进行邮件提醒。用了几次，Muse便在她的手机里吃了灰。

除了获客成本太高，二线厂做Personal Agent，更难的是打破生态墙。

Personal Agent的壁垒不只是模型，而是能否获得用户授权，把支付、商家和真实服务串起来。即便握着这些资源的阿里、字节、腾讯，也没有把这条路走通。

去年12月，字节发布豆包手机助手技术预览版，试图把豆包装进手机操作系统，让用户用一句话跨App点外卖、订机票、比价购物。结果，微信出现登录异常，多家银行App触发风控。今年10月，微信、淘宝、支付宝、美团等应用，明确拒绝了豆包手机助手对其实施自动化操作。

林雨晴也被问到一个具体场景：约朋友在广州吃晚饭，AI能不能规划路线、挑好餐厅，再顺手把套餐团了？

“目前的小微还做不到。但未来一定会实现。”她告诉AI故事计划。

今年3月，某二线厂老板曾在管理层沟通会上举过一个例子：“就算爱因斯坦当秘书，让他订一个餐厅，他依然不知道那个餐厅有没有座位。这不是智力问题，而是信息问题。”

这句话，道出了二线大厂面对Proactive Agent时的谨慎与困境：在信息和服务尚未打通之前，就着急造万能助理，并不是一个明智的选择。

10月下旬，估值一度触至十年低位的A股锂电板块11月初迎来强势反弹。

10月21—30日，锂电池概念指数成分股总市值从12.38万亿元缩水至11.64万亿元，蒸发约7400亿元。10月30日，中证电池指数滚动市盈率约16.27倍，接近十年最低。

电池级碳酸锂现货价格下跌，叠加9月起恢复征收的2%消费税，三季报披露前，市场悲观预期愈加强烈。

转折出现在11月2日，当天A股锂电池板块盘中涨幅一度超过3.00%，收盘上涨2.07%报4223.59点，欣旺达（300207.SZ）大涨10.77%，宁德时代（300750.SZ）报收于240.19元/股，上涨3.12%。11月3日，该板块盘中一度冲高1.93%，尾盘回落收跌0.84%，板块8只个股涨停。

11月4日收盘，锂电池概念指数上涨3.73%报4344.26点，三个交易日累计上涨4.99%；宁德时代收报252.88元/股，累计上涨8.57%；欣旺达累计上涨14.26%。

三季报修复预期

11月2日板块拉升，三季度财报修复此前悲观预期是触发因素之一。

中证电池主题指数50只成分股中，32家实现营收、归母净利润同比双升，占比64%。其中，10家净利润翻倍。

行业总量也保持增长。据中国汽车动力电池产业创新联盟数据，今年前三季度，我国动力电池装车量576.3GWh，同比增长16.7%；储能电池销量595.4GWh，同比增长111.8%。动力电池与储能电池的需求基本盘保持增长态势。

一名长期跟踪储能与动力电池行业的分析师向时代周报记者表示，目前行业普遍靠提升单车带电量来弥补销量带来的常规出货缺口，纯电与增程两大市场的带电量都在上涨。其中，增程涨得更猛，单车已超过60kWh。他认为，短期内动力电池装机的增量“更倾向是靠单车带电量”。

行业基本盘稳固，各家企业盈利情况却分化明显。

今年前三季度，宁德时代实现营收4421.37亿元，同比增长56.19%；归母净利润645.30亿元，同比增长31.60%。第三季度，宁德时代归母净利润为212.46亿元，同比增长14.54%，环比下降5.77%；毛利率为20.69%，环比回落2.5个百分点。收入放量、利润减速，是“以价换量、成本前置”的典型形态。

今年前三季度，亿纬锂能（300014.SZ）归母净利润52.40亿元，同比增长86.11%。同期，鹏辉能源（300438.SZ）归母净利润同比增长928.81%。有人欢喜有人忧。今年前三季度，欣旺达的归母净利润同比下滑56.37%，国轩高科（002074.SZ）下滑66.48%。

10月末利好消息集中落地，点燃市场情绪。

10月27日、30日，宁德时代先后与上海电气、德国Intilion达成储能合作。10月30日，欣旺达子公司欣旺达动力引入小米旗下瀚星创投17亿元增资。瀚星创投持股5.34%，成为第三大股东。两天消息集中在11月2日发酵：一条指向海外大储的订单敞口，另一条指向产业资本对动力电池资产的重新定价。

更远期一层想象来自固态电池。10月27日，宁德时代在投资者互动平台确认，全固态电池“有望于2027年实现小批量生产”，公司走硫化物路线，目前已搭建10Ah级验证平台、进入20Ah电芯样品试制阶段。据晚点LatePost报道，其目标能量密度约500Wh/kg，理论装车续航可破2000公里，并兼容800V超充、可在零下30℃工作。上述参数为公司对外披露的规划目标，量产节奏仍以公告为准。

产业配套的进度仍需冷静看待。上海有色网产业数据显示，行业测算早期全固态电芯成本为液态电池的3～10倍，而硫化锂目前全球有效产能约830吨，仅够约3GWh装机。

此轮行情只是估值修复？

广东省电池行业协会产业研究中心数据显示，10月电池总产量环比仍增长约6%至320.4GWh，但11月排产环比下降约5%，为年内首次月度环比转负，储能排产11月或小幅下滑。

大东时代智库调研报告预计，11月中国锂电全市场总排产约323GWh，环比减少5.00%。10月实际排产还从345GWh下修至340GWh附近。花旗研报引述ZE Consulting数据称，全球五大电池厂11月排产将环比再缩减2%至187.5GWh。

11月排产环比下滑，是产业周期性下行的信号？上述未透露姓名的分析师认为，不宜过早定性，“简单说周期性下行，有点不妥”。

在他看来，出口退税退坡是这轮下滑的主因之一。据财政部、税务总局2026年第2号公告，自2027年1月1日起取消电池产品增值税出口退税，退税资格判定以报关单出口日期为准。抢出口窗口在第四季度收窄，排产随之回落。他分析，退坡的实质是抬高出口价格、限制出口，“相当于不希望内卷外化”。

不过，他也强调，市场需求并未坍塌。大储头部企业的订单能见度已到2027年第一季度，明年全球储能电芯需求增速预计达33%，增量集中在314Ah、587Ah大电芯和有海外敞口的头部产能；在动力端，今年车市“铜九铁十”、没有往年好卖，企业主动减产符合预期。

成本压力正沿着“锂盐、材料、电芯、系统集成—电站”逐级传导。数据显示，电芯环节在2026年上半年已率先完成涨价，314Ah磷酸铁锂储能电芯报价由2025年底的0.26～0.31元/Wh升至0.36～0.39元/Wh，头部突破0.40元/Wh。宁德时代线上商城挂牌价：314Ah为0.403元/Wh、587Ah为0.415元/Wh。

此轮涨价的传导影响有限。一家储能企业市场部人士向时代周报记者表示，主机厂与电池厂之间设有固定的价格联动机制，真正承压的是议价能力偏弱的一方，“二线电池厂商在议价方面肯定会弱势一些”。

下游招标价格也未跟随。截至9月，国内2小时储能系统中标价0.61元/Wh，环比下跌1.71%；2小时储能EPC中标价0.97元/Wh，环比下跌12.84%。集成环节被夹在中间，上游在涨、中游在减、下游招标不动，这条链条在这里断了，涨价变不成利润。

对于此轮市场行情，朴拙资本执行合伙人苗天一认为：“将当前行情定义为底部区间内的估值修复，会更加稳妥。”

在他看来，10月下旬的下跌是供需失衡、价格持续下探与盈利悲观预期的集中兑现。本轮反弹的驱动是估值底部的情绪缓和与超跌博弈，终端数据只是边际企稳，产业链的排产、订单、毛利率尚未形成向上共振，产能过剩的核心矛盾短期难以消解。

迅速崛起并将更加倒向美国和西方的石油生产大国伊拉克

伊拉克计划六年内将石油产量提高到800至1000万桶，取代沙特成为中东最大的石油生产国，资源和技术上有可能且将更加倒向美国和西方。

王能全

很长的一段时间里，曾经长时间占据新闻头条的伊拉克，淡出了大众的视野。由于拥有丰富的石油资源，今日的伊拉克是欧佩克中仅次于沙特阿拉伯的第二大石油生产国，伊政府计划用六年时间大幅提高石油产量到800至1000万桶，超越沙特成为中东最大的石油生产国，行业专家认为伊拉克的计划是有可能实现的但将会更加倒向美国和西方。

伊拉克计划六年内将石油产量提高到每天800至1000万桶

伊拉克，位于亚洲西南部，阿拉伯半岛东北部。不久前很长的一段时间里，因为其总统萨达姆·侯赛因，伊拉克是国际社会的舆论焦点，也让很多国人知道了距离我们比较遥远的这个国家。

根据国际货币基金组织2026年4月《世界经济展望》和世界银行等机构的数据，2026年，伊拉克名义国内生产总值约为2650亿美元，全球排名第56位，阿拉伯经济体中位列第五，仅次于沙特阿拉伯、阿拉伯联合酋长国、埃及和卡塔尔；按购买力平价计算，伊拉克的国内生产总值约为7390亿美元（全球第44位）。伊拉克人均国内生产总值为5677美元，低于约旦和利比亚，约为沙特阿拉伯的六分之一。

目前，伊拉克的人口约为4800万，而且正在快速增长，是中东地区最年轻的人口群体之一，平均年龄低于21岁。官方失业率为13%，但实际数字，尤其是青年群体的失业率，肯定更高。通货膨胀相对稳定，约为3.0%，部分原因在于政府对燃料和食品价格提供补贴。

石油是伊拉克的经济支柱，石油收入占伊拉克政府收入的84%，商品出口总值的91%，以及实际GDP的约53%。伊拉克对石油的依赖程度不仅很高，而且是全球最极端的国家之一。在主要经济体（即国内生产总值超过1000亿美元的国家）中，没有任何一个国家从单一商品中获得的政府收入份额超过这一水平。相比之下，沙特阿拉伯已投入十多年的时间，耗资数十亿美元推进“2030愿景”，以减少本国对石油的依赖；阿联酋则发展出多元化的经济体系，目前石油仅占其GDP的约30%，而伊拉克却未能做到这一点。

伊拉克是欧佩克第二大石油生产国，仅次于沙特阿拉伯，2026年1月其欧佩克产量配额为每天411万桶，当月伊拉克的实际原油产量为每天415.7万桶。

伊拉克现政府提出了雄心勃勃的石油大开发计划。根据2026年8月22日伊拉克商业新闻网站（www.iraq-businessnews.com）的报道，8月21日，在由伊拉克对话研究所组织的第八届巴格达对话会上，伊拉克总理阿里·扎伊迪（Ali al-Zaidi）宣布，伊拉克计划在六年内，将欧佩克的石油出口配额提高至每天800万至1000万桶。

对于伊拉克总理扎伊迪提出的这一石油大开发计划，很多行业专家认为，除巨额投资和石油生产技术等因素之外，要实现这一目标，最大的问题是石油输出国组织，即欧佩克的产量限额问题。伊拉克是欧佩克的五个创始成员国之一，欧佩克就是1960年9月14日在伊拉克首都巴格达成立的。行业专家朱莉安娜·盖格（Julianne Geiger）2026年8月21日在“石油价格”网站就撰文认为，“伊拉克希望将石油产量翻倍，但需要欧佩克让路”。

盖格指出，伊拉克希望在六年内将石油产量翻倍。首先，它需要欧佩克的允许。伊拉克总理阿里·扎伊迪周五表示，伊拉克的目标是将日产量从伊朗战争前的约400万桶提高到800万至1000万桶。同一天，伊拉克派遣了石油和财政部长前往沙特阿拉伯，为提高欧佩克产量配额提出论据。

欧佩克+已聘请德戈利尔和麦克诺顿（DeGolyer and MacNaughton）独立评估大多数成员国（包括伊拉克）的可持续最大产量，该咨询公司预计将在9月底前提交报告，由此启动关于2027年产量基准线的谈判。这些谈判往往充满争议，因为较高的基准线通常意味着可以获得更多石油开采许可。

不过，即使伊拉克幸运地获得更高的产量配额批准，它仍会面临着难题：如何将所有这些石油生产出来。

伊拉克是伊朗关闭霍尔木兹海峡后首当其冲的生产国之一，霍尔木兹海峡历来是伊拉克主要的原油出口通道。2026年8月，伊拉克已成功将霍尔木兹航线的出口量恢复至约200万桶/天，但该瓶颈地区的运输量仍远低于战前的水平。

扎伊迪表示，伊拉克计划通过土耳其的杰伊汉港（Ceyhan）扩大出口，同时探索经叙利亚巴尼亚斯（Baniyas）和约旦亚喀巴（Aqaba）的新通道。

目前，伊拉克-土耳其输油管道的运量仅为每天约17万桶。一条通往叙利亚的拟议管道将为绕过霍尔木兹海峡提供另一条路线，但建设可能耗时四年，成本至少达150亿美元，这使得伊拉克每天800万至1000万桶的产量目标，不仅仅是一个钻探的问题，更是一个基础设施的问题。

此外，行业专家伊琳娜·斯拉夫（Irina Slav）也于2026年9月9日在“石油价格”网站撰文称，“伊拉克敦促欧佩克大幅增加其石油配额”。

彭博社援引知情人士的话报道称，伊拉克已要求欧佩克为未来的配额设定更高的原油生产基准。据这些消息人士透露，巴格达希望其未来在该组织的配额设定在每天600万桶原油产量的基准上。这大大高于该国目前的原油日产量，截至2026年8月，该国的日产量约为337万桶，不过8月份的日产量平均值明显高于7月份的每天277万桶。

2026年8月，伊拉克总理表示，尽管目前受到战争的干扰，该国仍计划在未来六年内将石油日产量提升至800万至1000万桶。战前，伊拉克的日产量约为400万桶，当时伊拉克已向沙特阿拉伯派遣代表团，就欧佩克的生产配额设定更高基准进行谈判。

伊朗对霍尔木兹海峡的封锁，海峡历来是伊拉克主要的原油出口通道，导致伊拉克成为受冲击最严重的产油国之一。2026年8月，伊拉克已成功将霍尔木兹航线的出口量恢复至约200万桶/天，但该瓶颈地区的运输流量仍远低于战前水平，尤其是在美国与伊朗再次爆发冲突后的过去一周。

尽管如此，伊拉克仍受益于伊朗对运载伊拉克原油油轮的特别豁免，这些油轮获准通过霍尔木兹海峡。目前尚不清楚豁免是否涉及所有运输伊拉克原油的油轮，还是仅涉及部分油轮，但事实是，伊拉克从波斯湾的原油流量已经反弹。然而，由于霍尔木兹的封锁，伊拉克不得不向买家提供大幅度折扣来销售原油。

伊拉克有可能取代沙特阿拉伯成为中东最大石油生产国

六年内石油产量达到800至1000万桶，超过沙特阿拉伯成为中东最大的石油生产国，伊拉克这一雄心勃勃的目标有可能实现吗？对于石油行业内外来说，这肯定都会是一个大大的问号。不过，行业专家西蒙·沃特金斯（Simon Watkins）2026年9月7日在“石油价格”网站撰文认为，从资源储量和技术方面看，伊拉克的这一目标是有实现可能的。

在“伊拉克真的能取代沙特阿拉伯，成为中东地区最大的石油生产国吗？”一文中，沃特金斯指出，伊拉克计划在六年内实现每天800万至1000万桶的石油产量，这可能使其挑战中东最大产油国沙特阿拉伯的地位；伊拉克庞大的石油储量以及不断改善的投资环境有望使这一目标得以实现，尤其是当主要西方石油公司重新进入该国市场时；道达尔能源公司耗资270亿美元的大型项目可能至关重要，有助于提升油田产量、捕获伴生天然气，并提供注入的海水，以提高伊拉克大型油田的生产水平。

大多数中东国家的全球实力，仍依赖于其石油和/或天然气产量，因此它们试图最大化这一产量也就不足为奇了，无论是通过提高产量、假装产量更高，还是预测未来某段时间产量将上升。历史上，伊拉克一直属于后一类情况，曾多次承诺大幅度增加石油产量，但始终未能兑现。而作为中东地区最大的石油生产国，沙特阿拉伯则属于前一类的情况，不时宣称其石油日产量“产能”为1100万、1200万或1300万桶。事实上，从1973年到2026年，伊拉克的原油平均日产量仅为238万桶。在2026年2月世界主要石油运输通道被封锁之前，伊拉克的日产量已达414万桶。相比之下，根据美国能源信息署的数据，沙特阿拉伯从未在任何持续时间内达到其声称的“产能”水平，也从未实现过符合该定义的稳定产量。相反，从1973年到2026年，沙特阿拉伯的原油平均日产量为829万桶。在霍尔木兹海峡封锁之前，沙特阿拉伯的石油日产量为1010万桶。不过，伊拉克新任总理阿里·扎伊迪最近宣布，该国计划在未来六年内将石油产量提升至每天800万至1000万桶。这一计划可能最终因三个关键原因而得到证实，甚至有望使其超越沙特阿拉伯，成为该地区最大的石油生产国。

首先，如果管理得当，伊拉克一直拥有足够的石油储量来达到这一水平。根据美国能源信息署的官方数据，伊拉克已探明的原油储量保守估计为1450亿桶（约占中东总储量的18%，全球约9%）。然而，在公布官方储量数据的同时，伊拉克石油部也非正式地表示，该国未探明的资源储量约为2150亿桶，这一数字与知名油气公司Petrolog在1997年发布的一项详细研究结果相符。不过，即便如此，这一数字仍未包括位于伊拉克北部、处于半自治地区的库尔德斯坦地区。国际能源署指出，上述数据意味着，伊拉克生产油田中的大部分是在20世纪70年代之前开采的，当时的技术能力和低迷的油价，导致了对商业上成功油井的定义比后来更为狭窄。国际能源署认为，伊拉克全境（包括库尔德斯坦地区）的可开采资源总量约为2460亿桶（原油和天然气液）。以上的这些数据，均符合伊拉克政府资助的报告，《国家综合能源战略》（National Energy Strategy，INES）所设定的框架，该报告于2013年发布，为伊拉克制定了三种未来的石油产量情景。其中，最乐观的情景，是原油生产能力增至每天1300万桶（2017年达到），并在2023年前达到峰值，之后逐步下降但长期维持在约每天1000万桶的水平；中等情景，预测伊拉克日产量可达900万桶（2020年实现）；最悲观的情景，则预计产量为每天600万桶（同样在2020年实现）。因此，伊拉克政府当前提出的目标800万至1000万桶/天，似乎属于合理的预期情景。

其次，在伊拉克前总理穆罕默德·希亚·苏丹尼（Mohammed Shia al-Sudani）执政后期，以及在新任领导人阿里·扎伊迪的领导下，巴格达逐渐回归了美国此前提出的要求，即减少普遍腐败现象。近年来，腐败现象曾导致西方企业纷纷撤离伊拉克。多年来，享有盛誉的独立非政府组织“透明国际”（Transparency International，TI）在其《腐败感知指数》中，对此进行了细致观察和报道。长期以来，伊拉克一直被列为“腐败与治理指标最差的国家之一”，其腐败风险加剧的原因包括公共行政经验不足、无力吸收大量援助资金、教派问题，以及缺乏反腐败的政治意愿。透明国际还指出：“大规模贪污、采购欺诈、洗钱、石油走私以及泛滥的官僚贿赂，使伊拉克在国际腐败排名中跌至最低位，助长了政治暴力，并阻碍了有效的国家建设与公共服务。”报告总结道：“政治干预反腐败机构，将反腐问题政治化，公民社会薄弱，安全局势不稳，资源匮乏以及法律制度不完善，严重限制了政府有效遏制日益猖獗的腐败的能力。”大规模撤离的，正是那些原本具备经验丰富、高科技能力与尖端设备的西方企业，它们曾以最优方式钻探油井，并建设了伊拉克长期实现可观产量增长所必需的广泛基础设施，这些企业的离去对伊拉克造成了灾难性的影响。然而，随着西方与伊拉克交往中腐败现象的普遍下降，以及华盛顿多年来对巴格达援助伊朗实施的新的制裁，几家关键公司已经回来了。

第三项，从油气田开发和关键基础设施建设的综合角度来看，最为重要的项目，是法国超级巨头道达尔能源集团于2023年最终获批的耗资270亿美元的四阶段大型工程。该项目的一部分，将显著增加在钻探石油过程中捕获的天然气（即“伴生气”），从而减少伊拉克国内发电所需石油的用量，释放出更多石油资源用于出口，其中部分收益还可回流至油田开发。该项目的另一部分计划，在初期实施阶段将拉塔维（Ratawi）油田的原油日产量从约6万桶提升至12万桶，最终发展目标为每天21万桶。这将向伊拉克民众展示，该国的其他油田同样也可以实现更高的采收率。最后，整个项目的重中之重在于，通过“共用海水供应工程”（Common Seawater Supply Project，CSSP），对海水进行处理并重新引导至伊拉克最大的油田，以稳定并进一步提升油田的压力水平。

考虑到上述因素，伊拉克实现其最新生产目标（每天800万至1000万桶）的可能性似乎已经显著上升。根据仅基于超大型油田及其在技术服务合同中最初设定的单个峰值目标进行的粗略估算，预计伊拉克的石油日产量约为1150万桶。这一数字包括：鲁迈拉油田（Rumaila）210万桶/天、西库尔纳2号油田（West Qurna 2）180万桶/天、西库尔纳1号油田（West Qurna 1）160万桶/天、马吉农油田（Majnoon）180万桶/天、祖拜尔油田（Zubair）120万桶/天、基尔库克（联邦穹顶）油田（Kirkuk，Federal Domes）100万桶/天，以及哈法亚（Halfaya）、巴格达东部（East Baghdad）、加拉夫（Garraf）和巴德拉（Badra）油田合计200万桶/天。这些峰值目标的假设是，共用海水供应工程正常运行，投资持续且充足，并由技术最先进的石油公司主导项目。重要的是，这一1150万桶/天的数字并未包含伊拉克其他115个油田，也未包括由该国半自治地区政府管理的北部油田。

石油大开发中的伊拉克将更加倒向美国和西方

作为欧佩克第二大和世界第六大石油生产国，当前的伊拉克石油生产由国际上一些著名的石油公司主导，其中我国的企业是伊拉克最大的石油投资来源。行业专家西蒙·沃特金斯（Simon Watkins）2026年7月7日在“石油价格”网站撰文认为，未来的石油大开发中，伊拉克将更加倒向美国和西方。

在“伊拉克在与西方的双重交易中终于走投无路了吗？”一文中，沃特金斯指出，伊拉克计划在三年内将石油产量提升至每天700万桶，而华盛顿正敦促巴格达减少伊朗的影响力；主要西方企业正在加大对伊拉克石油行业的参与力度，道达尔能源公司正在推进关键基础设施项目，雪佛龙则正致力于开发大型的西库尔纳2号油田，伊拉克认为这有望显著提高产量；随着美国施加更严厉的压力、对伊朗实施制裁以及伊拉克对投资的需求日益增加，巴格达可能正逐渐放弃其在美国、北京和莫斯科之间的平衡姿态，转而向西方阵营靠拢。

通常在六月底至七月初，伊拉克会为全球石油行业带来两件大事：一是宣布计划在未来三年内将原油日产量提升至600万或700万桶；二是表示其总理将访问华盛顿，讨论加强战略关系或类似举措，以争取美国的资金支持。今年的情况也不例外，公布的三年目标是700万桶/天，而新任总理阿里·扎伊迪的访问也将在本月中期举行。过去，伊拉克通常会做出各种承诺，以满足华盛顿方面的要求，主要是停止进口伊朗天然气和电力，但仅需再获得美方一项豁免，以便逐步完成流程，从而从美国获得数十亿美元的资金，然后返回巴格达，继续以前的做法，只是多了一些资金。但这一次，情况可能有所不同。

美国总统特朗普可能身怀多种身份，但他绝非愚人。在首任总统期间，他多次遭到伊拉克方面的欺骗，尤其是针对伊朗问题，因此他对巴格达的双重标准采取了强硬的立场。2025年3月8日，他阻止了伊拉克继续获得免签以进口伊朗电力的协议，并在一个月后推动通过了《摆脱伊朗的自由伊拉克法案》，该法案旨在瓦解德黑兰对巴格达在政治、经济和军事上的控制。法案提议限制伊拉克从伊朗进口液化天然气，并要求美国国务院与财政部协调制定战略，系统性地瓦解伊朗支持的伊拉克境内组织。与此同时，美国财政部还冻结了大量美元向伊拉克的汇款，使超过二十家伊拉克银行无法将硬通货资金回流至伊朗及其代理武装组织。该部门还直接制裁了包括伊拉克石油部副部长在内的伊拉克高级官员，因为他们滥用职权，为非法石油走私网络提供便利，这些网络将伊朗和伊拉克原油混合在一起，为德黑兰创造了数十亿美元的收入。

在另一项平行行动中，2025年4月美国政府还向美国立法机构提出了《禁止伊朗能源法案》的立法。正如共和党研究委员会主席、国会议员奥古斯特·普夫鲁格（August Pfluger）所强调的那样，这项立法是特朗普总统对伊朗领导人施加最大压力的一部分。他说：“这些国家是世界上最危险的恐怖主义支持者，伊朗政权不仅仅是一个威胁，其领导人是一个种族灭绝的死亡邪教。”拟议的法案将制裁伊拉克进口伊朗的天然气，多年来该天然气一直是伊拉克国内电力部门的基础。一项附属立法，《伊朗豁免撤销法案》，将永久冻结包括伊拉克在内的伊朗各地受制裁的资产，并禁止任何现任或未来的美国总统使用任何豁免权解除制裁。这些集体措施得到了严格的执行，并伴随着华盛顿早些时候广泛但有条件的投资承诺，这意味着时任总理穆罕默德·苏达尼早些时候在美中之间走钢丝的行为更加坚定地转向了华盛顿的方向，而不是北京的方向。因此，新总理扎伊迪和华盛顿之间的谈判，可能会在比近年来更透明、更直接的基础上开始。

简而言之，美国及其盟友在伊拉克的目标是，在西方企业主导和投资框架下，与该国南部及半自治的北部地区合作，以优化石油产量，最终杜绝俄罗斯或中国企业在当地的运营。相反，根据一位俄罗斯高级官员向与伊朗石油部密切合作的高级消息人士透露，并经由“石油价格”网站独家报道的内容，中国和俄罗斯在伊拉克的核心目标可概括如下：“通过阻止西方参与伊拉克能源交易，西方在中东的霸权终结将成为西方最终衰落的关键篇章。”在全球超级大国竞争中，对双方而言，这一目标之所以重要，关键原因之一在于其据美国能源信息署估计的已探明原油储量高达1450亿桶（占中东总储量近18%，全球第五大），而非官方数据极有可能达到约2150亿桶。另一个原因，是其地理位置位于东西向交通路线的正中，西邻叙利亚（及地中海），北接土耳其。历史上，伊拉克也曾作为伊朗希望出口到世界市场的非制裁前线，尤其是石油，这些石油可直接重新包装为伊拉克石油并继续输出。

所有各方的共同愿望，都是希望伊拉克的石油产量达到其最大的潜力，并且为此已制定出明确的指导方针。早在2012年，时任伊拉克总理努里·马利基（Nouri al-Maliki）委托编制的一份机密报告，即《国家综合能源战略》就精确阐述了伊拉克如何从当时略超300万桶/天的产量，到2017年“高产”情景下实现1300万桶/天的稳定平台；在“中产”情景下，预计到2020年产量将达到900万桶/天；而在“低产”情景下，则计划到2025年实现600万桶/天。这些情景表明，当前三年内将产量提升至700万桶/天的目标完全可行。该计划的关键要素之一，是吸引具备领先技术、丰富经验以及高效管理能力的企业进行充分投资，以确保产量持续且可持续地增长，其中一部分努力将专注于现场开发和进一步勘探，另一部分则着眼于维持此类产量增长所需的基础支持设施，即“共用海水供应工程”。该工程旨在从波斯湾取海水并输送至油田生产设施，以提高主要油藏的压力。目前，法国能源巨头道达尔能源公司正在实施这一核心项目，作为其在伊拉克270亿美元四阶段大型工程的一部分。

在油田开发方面，西方企业再次占据主导的地位。上周，伊拉克巴士拉石油公司与美国能源巨头雪佛龙签署了一份保密协议，以规范数据交换，评估超大型西库尔纳2号油田的开发情况。这一举措，为双方未来开展合作谈判铺平了道路，此前双方已于今年2月就该油田开启了独家谈判。该油田是全球最大的油田之一，已探明可采石油储量约130亿桶，约占伊拉克石油产量（约400万桶/天）的10%，以及全球石油供应总量的0.5%。值得注意的是，俄罗斯在2022年入侵乌克兰之后，由于美国对俄罗斯实施了制裁，而使得西库尔纳2号油田对俄罗斯石油巨头卢克石油公司而言已不再具备持续开发的可行性，雪佛龙有望从中受益。一位接近伊拉克石油部的高级消息人士向“石油价格”网站独家透露，伊拉克政府预计这家美国公司能在较短时间内将西库尔纳2号油田的产量翻倍。考虑到卢克石油公司长期以来一直秘密地从油田开采出远超其向伊拉克石油部披露的石油数量，对于雪佛龙公司而言，这种情况极有可能发生。

沃特金斯最后指出，这是涉及西方企业众多类似交易中的最新一例，综合来看，这些交易标志着巴格达长期以来试图在华盛顿及其盟友与北京、莫斯科之间寻求最大影响力的战略上，出现了一种微妙但清晰的转变。美国在伊拉克采取更强硬的立场，并与盟友共同在短短几个月内推动叙利亚和委内瑞拉政治格局的改变，使莫斯科在中东地区后退，也促使北京采取了更为谨慎的地缘政治姿态。此外，伊拉克在美以对伊朗战争后，亟需援助以重启其石油产业，这一情况很可能意味着巴格达长期战略模糊的余地已荡然无存。如果真是如此，那么本月新任总理访问华盛顿，或许正是巴格达终于意识到：经过多年的两面夹击，它别无选择，只能坚定地转向西方。

综合以上，我们介绍了伊拉克经济社会和石油生产的简要现状，引用行业专家西蒙·沃特金斯的文章，分析了伊拉克大幅度提高石油产量的可行性及其未来石油对外关系的发展趋势。关于石油生产大国伊拉克，我们一直着墨不多，希望本文对于关心这个中东国家的各位有所帮助。

2026年11月24日，富国银行新版《在线访问协议》将正式生效。其中新增的第15条引发了广泛的关注：若用户授权第三方AI之恩给你提试用期网银凭证访问账户，则智能体发起的任何指令与交易，均可能被视为用户本人直接作出的行为，相关风险由用户自行承担；而富国银行不承诺对智能体行为进行监控，并保留随时限制或阻止特定工具接入的权利。

这一条款被部分媒体夸张地解读为“银行第一次将AI犯错的责任完全转嫁用户”，虽然这种说法并不完全，但其背后的法律逻辑值得深入审视。

一、技术前提：银行无法区分“用户”与“用户的AI”

传统网上银行的安全模型建立在一条基础假设之上：能够正确输入用户名、密码及验证码的主体即为账户持有人。但AI智能体的出现，打破了这一假设。

当一个AI代理使用用户的凭证登录时，从银行认证系统的角度看，其与本人在键盘前的操作几乎毫无区别——相同的会话令牌、权限层级、账户视野。银行目前不具备密码学层面的技术手段区分用户本人的直接操作、经用户授权的第三方AI代理操作、窃取凭证的恶意程序操作。

由此引出一个关键的法律处理方式：既然技术上无法区分主体，便通过合同将AI智能体行为“视为”用户本人的行为。富国银行第15条的核心正在于此——以合同约定固化“智能体即用户”的法律关系。

不过这类合同能够写入合同，关键在于美国《电子资金转移法》（Electronic Fund Transfer Act）配套规则Regulation E所遗留的解释空间。

Regualtion E对“未经授权的交易”（unauthorized transfer）设有消费者保护机制。在及时报告的前提下，用户因盗刷所承担的责任上限通常较低。如果在2个工作日内报告，责任上限是50美元，60天内则为500美元。更重要的是，该规则对“未经授权的交易”作了明确定义：由消费者以外的、未经消费者实际授权的人发起的交易。同时，该定义明确排除了“由消费者向其提供了访问设备的人发起的交易”，将此作为例外。

也就是说，当用户将网银用户名和密码提供给AI智能体，或授权某一应用程序代为登录，按照该规则的文义解释，用户已经“提供了访问设备”。AI智能体并非未经授权的入侵者，而是持有用户凭证的授权使用者。若代理随后发起了用户未曾意图的交易，银行的法律论点是：用户将自己的钥匙交给了他人，用户应当为此承担责任。

消费者银行家协会（Consumer Bankers Association）在2026年1月的白皮书中明确指出这是“该领域的核心教义问题”：若消费者授权AI智能体访问其银行账户并发起交易，消费者是否“提供了”访问设备，从而触发Regulation E的例外条款？

截至目前，尚无法院或监管机构对此问题作出明确裁决或解释。富国银行新版协议的第15条正式以合同形式，预先确立了银行的立场。

二、行业分化：封堵路线与开放路线

在同一时期，美国其他大型银行却采取了截然不同的策略。摩根大通、美国银行、花旗、嘉信理财均选择限制或拦截第三方AI智能体登录，强调资金转移必须有人类参与。富国银行则选择了不设硬性阻拦，允许智能体接入，但通过合同将责任前置至用户一侧。

两种路线反映了不同的商业判断。选择封堵的银行的逻辑是：在身份识别与范围授权标准成熟前，如果允许AI智能体操作资金账户，等同于引入不可控的风险；富国银行的逻辑是：智能体接入是未来金融服务的流量入口，先占据场景，再用合同将潜在风险损失隔离。

富国银行选择将新版条款于2026年11月24日生效，恰是黑色星期五（11月27日）之前。这也正是其上述商业逻辑的体现。感恩节后的几天是美国零售支付活动交易量最高的时期。AI购物智能体—旨在寻找优惠、完成购买和管理退货且无需人工审核的工具——正积极向消费者推广，这是富国银行要抓住的关键时间节点。

三、技术解法：范围化委派授权

这个问题的技术解决方案其实并不神秘，思路也很清楚：不让AI智能体拿到用户的主密码，而是发给它一把“限定了用途的临时钥匙”。这把钥匙只能做某一件具体的事——比如“支付本月电费账单”，但不能“把所有存款转到另一个账户”。每一把钥匙都有明确的失效时间，用户可以随时撤销，而且撤销行为本身可以被记录和证明。

这套思路在技术圈里有一套现成的工具。OAuth是一种授权协议，可以让用户授权第三方应用访问自己的部分数据，而不必交出密码。在这个基础上，还有更精细的扩展：富授权请求（Rich Authorization Requests）允许用户指定“只能付哪张账单、金额上限是多少”，背通道认证（back-channel authentication）允许用户在另一台设备上独立确认“是的，这笔交易是我批准的”。这些工具在规范层面都已经存在，在一些非金融领域也有实际应用。

但问题在于，从“规范存在”到“银行把它建成可靠的生产系统”，中间隔着巨大的工程鸿沟。美国主要银行的核心交易系统大多建于上世纪八九十年代，改造它们需要数年时间和巨额投资。更重要的是，目前没有任何监管规则强制银行这样做——CFPB的开放银行规则因为诉讼被暂停，而且那条规则原本也只管数据开放，不管交易授权。没有监管压力，没有大规模损失案例，银行没有动力去启动这项改造。

2026年10月，Meta和Sierra联合发布了“个人代理协议”（Personal Agent Protocol，代号Poppy），试图在OAuth之上建立一个专门针对AI代理的授权标准。富国银行是参与设计的早期银行之一。但这份协议目前仍是草案，版本号0.2，明确写着“任何部分都可能不向后兼容地变更”，而且支付功能被排除在核心范围之外。换句话说，它距离成为银行可以依赖的生产级基础设施，还有相当长的路要走。

所以，真正的情况是这样的：技术方案已经有了蓝图，但银行端的工程改造尚未启动，监管推动力暂时缺失，行业标准还在草案阶段。在这段空窗期里，AI智能体只能继续走“借用用户密码”这条路——而富国银行的第15条，正是在这段空窗期内抢先落地的合同安排。

四、与中国市场的对照

对中国读者而言，这件事的参照意义更为清晰——国内的规则起点不是“把责任推给用户”，而是“先把责任锚定在持牌机构”。

2026年8月24日，中国支付清算协会发布《智能体支付应用自律公约》，是国内首部针对智能体支付的专项行业规则。公约第五条确立“谁提供支付服务谁负责”原则：凡涉及账户管理、交易处理、资金清结算等核心环节，必须由银行业金融机构、非银行支付机构、清算机构等持牌主体开展，并对用户资金与信息安全承担主体责任。在身份治理上，公约要求在传统KYC之外“探索建立KYA（了解你的智能体）”机制，对接入支付链路的智能体进行身份识别与验证，明确智能体与用户之间的对应关系，并按风险等级实施分级管理。授权层面，要求划定清晰的授权边界、签订责任协议、通过交易限额控制资金风险；自主发起支付前须向协会报备并接受业务、技术、伦理评估；关键交易节点须留存可验证、可追溯的证据链，用于争议处理与责任认定。

在治理理念层面，工商银行行长刘曾提出一个更具穿透性的框架：银行面对AI，第一个问题不是“怎么用”，而是“它是谁、谁受益、谁担责”。他借用区块链“证明”机制的语言，提出“收益证明”——谁从智能体部署中获得收益，谁就独立承担相应责任。这一思路虽属业界治理讨论，尚未转化为监管条文，但与公约“持牌机构主体责任”的底层逻辑相互呼应。

对照富国银行第15条，差异一目了然：美方条款把“收益归银行、风险归用户”合同化；国内公约则试图把“风险随服务走、责任随收益走”作为起点。前者是责任真空期的过渡安排，后者是试图在真空期之前就把责任骨架搭好的治理尝试。

Circle美东11月4日盘前发布了三季报。整体而言，本次业绩主要靠Arc代币销售收入来实现的“超预期”，但若剔除这部分后其实业绩一般，印证了资金在财报前的担忧。

具体来看：

1、储备利息收入预期内下降

Q3储备利息收入6.6亿，符合预期。在USDC市值同比增长8%的情况因利息同比下滑而减少了8%，环比看USDC在Q3平均流通规模733亿，相比Q2减少4%。

2、Arc代币销售确认节奏比想象中快

Q3其他收入有2亿多，其中Arc代币销售收入就确认了1.8亿，确认节奏超出市场预期（预计0.9亿）和原先全年1.8亿的指引。

不过这笔收入并不稳定可持续、更偏一次性的收入，从其他收入全年不变的指引3.1-3.3亿来看，预计Q4没有这笔收入。今年两轮预售合计2.24亿，Q3确认掉1.8亿后，还剩0.4亿将在明年确认。

这笔Arc代币预售，吸引了众多机构资金。但这本质是对Arc公链这个资产未来收益的“股权认购”，但Circle把它先记为预收款，然后按Arc链产品开发进程，最终确认为收入。

股权认购款=收入，本身就很诡异，无法给到靠谱的展望。除非持续的发代币“融资”，所以就是一次性的收入，不具备稳定可持续的业务特征。

真正持续的收入要等2027年，来源是Arc的交易费、质押收入和CPN支付网络的收费。ARC预售只是提前把未来的一部分价值变现了。

3、大渠道“反咬”，后续利息分成压力加大

因为Arc代币销售基本无成本，因此1.8亿相当于纯利润，带来Q3当季利润的“虚胖”。如果提纯后，真实盈利趋势是往下的——由于收入减少，费用相对刚性，GAAP经营利润率3.9%环比Q2实际掉了1个点。

不过，Q3业绩还反映了费用端因裁员带来的优化趋势。Circle的费用接近一半都是人员薪酬，因此经调整经营费用（剔除裁员补偿费用）环比下降5%，体现的是本季度内裁员5%。

值得一提的是，从Q3季度起，利润端会逐步体现Hyperliquid分息影响。海豚君粗略计算，对于Circle来说，每年直接少掉的毛利润近1亿，最早Q4就开始明显体现这笔因渠道反抗带来的收益变动压力：

Hyperliquid是最大的链上永续合约交易所，自己有一条公链。用户在上面交易要先存USDC做保证金，所以平台上沉淀着一大笔USDC，大约60亿美金。对Circle来说，这是交易所之外少数几个大体量的USDC沉淀池。

在CLARITY法案不同利益方拉扯之际，从9月开始，Hyperliquid要求Circle将USDC所对应的储备利息进行返还。但因此Circle与Coinbase有约定好的分成协议——Coinbase平台内托管USDC拿走100%利息，Coinbase和Circle托管之外的USDC利息，Coinbase要分走50%。

因此为了满足Hyperliquid的利息返还要求，就得走Coinbase通道。这样做的结果是：

（1）Hyperliquid拿回绝大部分利息（预计90%）；

（2）Coinbase和Circle分别少了50%的利息分成，多了这部分90%的USDC平台内托管规模（AUC），Circle留存10%；

目前Hyperliquid生态内USDC总量为63亿美金，按3.5%算，储备利息收入为2.28亿每年，Hyperliquid要分掉其中的90%即2亿。剩下不到3000万的利息，Coinbase和Circle分掉。

也就是说，原先可以确认2.28亿利息收入、1亿的毛利润（剔除发行成本、原本协议分给Coinbase50%的分成），最后变成到手只有1000万的毛利润。

Q3毛利率52.4%，剔除Arc代币销售带来的纯利1.8亿之后，毛利率为39.5%，环比Q2已经能看到一些影响。

而USDC在Coinbase中的份额快速提高至30%，但分成收入在Circle分成成本中的份额反而快速下降到35%，也能印证Hyperliquid“反抗”带来的影响。

4、重要指标一览

海豚君观点

三季度业绩只是确认节奏差异带来的“虚胖”，因此并未带来真实的惊喜。

指引上，收入、盈利均未改变。RLDC利润率（收入扣掉分发成本，类似于毛利率）全年保持在42%左右，算下来Q4毛利率大概下降至30%多，由此看到Hyperliquid带来的影响进一步加深。

不过，Hyperliquid的事件因为是9月披露，并且影响可量化，因此市场应该基本priced-in。但风险点在于，以后是否会出现第二个Hyperliquid？

除此之外，稳定币的竞争也在加剧。USDC的优势主要体现在美债抵押和合规性高，同时强绑定了与监管部门关系更硬、美国主要的中心化数字货币交易所Coinbase。

但金融机构之间的博弈也在变化。随着USDC与Binance关系走近——Binance投资Circle 1亿美金的股权，扩大和续签双方的战略合作伙伴关系。

虽然与Binance的合作主要是重点面向新兴市场，但难免也会对于Coinbase的关系产生微妙。而由Coinbase与一众传统金融支付链玩家一起推出的Open USD联盟币，也在9月30日上线。

不过海豚君认为除了USDT，USDC相对联盟币目前仍有显著优势，联盟币反而可能因为利益方太多而形不成有效合力。相比而言，其他金融机构对Circle的掣肘更可能是类似于Hyperliquid这种渠道大户要求利息返还带来的风险和影响。

因此尽管管理层对USDC流通额扩张的长期指引仍然积极（CAGR 40%增速），但短期甚至中期视角，都需要依赖本身Crypto市场的繁荣（USDC的主要场景），和USDC面对竞争的突围。

大厂、大模型公司、创业者疯狂押注。

AIX财经（AIXcaijing）原创

10月底，扎克伯格在Meta的财报会上披露，Muse上线约一个半月，在美国和加拿大已有超1000万人设置个人智能体。Muse于9月上线，当月Meta股价上涨约27%，创下2022年11月以来最佳月度表现。这家此前被认为在模型竞赛中落后的公司，靠一款消费级产品重新拿回了话语权。

跟进者随即密集出现。阿里、腾讯、字节都已推出或在筹备自己的产品；OpenAI、Anthropic、xAI相继发布个人智能体；肖弘、齐俊元等打造过成功产品的创业者也带着新项目入场。资本同样在加注，只有14个人的Instinct，估值已达100亿美元。

但这股热度里，有几处明显的反常。

第一，技术几乎没有壁垒。Muse上线两周后，就有人发现其工作区文件名与开源项目OpenClaw相同，Meta产品负责人也承认“深受其启发”。多位从业者表示，同类产品三个月左右就能复刻。

第二，估值差异很大。年化收入4亿到5亿美元的Manus，估值约40亿美元；尚未向用户收费的Instinct，估值却是它的两倍半。

第三，声量走在产品前面。国内大厂动作频繁，但多数产品还没有进入大规模公开使用阶段。

一个容易复制、尚无统一定义的品类，为什么能让几乎所有玩家同时下场？他们各自有什么长处和短板，又共同卡在哪里？这究竟是实火还是虚火，谁更有机会跑出来？

01.大厂、大模型、创业者都来了

Personal Agent至今没有统一定义。Meta说它能理解用户目标、全天候替用户完成任务；Anthropic强调它知道何时该主动、何时该代表用户行动；肖弘的Cue给出的定义最激进，一个有独立手机号、邮箱、支付和电脑的智能体。说法各不相同，共同点是用户只提需求，找哪家、怎么办、怎么付钱，都交给AI。

本文讨论的就是这一类产品：能长期记住用户的信息，主动安排事情，并在用户授权下跨多个App把事情办完。只会问答的聊天机器人、只做单次任务的工具，不在主要讨论范围内。

之所以让所有人坐不住，在于它可能改变用户找服务的方式。过去，用户打开App、比价、下单，流量和交易都留在平台上。以后，如果用户只对AI说一句话，由AI决定去哪家、怎么付款，很多App就会退到后台，变成被调用的服务。此前，有用户让Muse订住宿，它没有在Airbnb上下单，而是找到了直订渠道，最后比平台价便宜了约60%。就是一个例子。

谁能替用户做选择，谁就可能握住下一阶段的流量分配和交易分成。三类玩家都想占住这个位置，出发点却各不相同。

第一类是大厂，也是投资人和从业者短期最看好的一方。Meta的Muse已经上线；阿里推出了千问Go；腾讯布局小微，另有LightVela、Handy Bot两款产品；字节在筹备Spell。

大厂的优势在于有现成的生态，用户、账户、支付都在自家体系里，不必从零拉新，也不必另接支付。落到产品上，一种做法是把Agent直接放进现有App，比如腾讯的小微长在微信里，另一种是有独立App，再依靠自有生态导流，比如Muse。

功能上，大厂也先从自家生态做起。小微打通微信原生功能、小程序和生活服务；Spell被视作豆包手机助手能力的延伸；Muse连接WhatsApp、Instagram和Messenger，还接入Stripe支付，并拓展沃尔玛等商户，试图覆盖从下达指令到完成支付的全过程。

对大厂来说，这件事既是进攻，也是防守。自己不做，用户的需求就可能被别人的Agent接走。一位投资人表示，国内大厂很难简单复制Muse，但这个方向必须跟，“跟不了第一，也不能缺席。”

第二类是大模型公司，代表产品包括OpenAI的Dots、Anthropic的Duet和xAI的Grok Bot。

它们最强的是模型，但焦虑也来自模型。如果用户最终都在Muse这样的应用里调用模型，模型厂商就只是后台供应商，可能只收算力费用，交互、数据和订阅关系则留在应用层手里。对这些公司来说，推出Personal Agent是避免退化为后台供应商。

三家的产品都侧重工作场景，Dots依托ChatGPT插件生态，可连接超4000款应用，适合跟踪资料、维护代码、同步项目材料；Duet提供6000多个连接器，覆盖Gmail、Slack、QuickBooks等工具，面向邮件、日程、财务和客户事务；Grok Bot强调多智能体协作，并与X深度结合，更适合内容、运营和调研任务。

选工作场景，是长处也是无奈。工作软件大多开放接口，模型公司的工具连接能力用得上；而生活里的订餐、出行、购物，入口和支付都握在平台手里。模型公司没有自己的消费场景和支付体系，很难从这里切入。

图源/Unsplash

第三类是创业公司，它们没有生态，也不掌握最强的模型，产品形态差异最大，更依赖创始人的判断。AI投资人肖晓表示，他的投资标准有两条，有相关成功产品，或者是天才创始团队。头部几家正好分属这两类。

肖弘属于前者。Manus曾经以超过20亿美元身价出售给Meta，交易被叫停、公司赎回独立后，团队推出了Cue。它给每个AI配置独立邮箱、手机号、钱包和云电脑，让它以数字主体的身份替用户办事，比如接房东的续租电话，或在预算内完成付款。

Today AI创始人齐俊元也属于前者，他曾做出过Teambition，还历任阿里云盘负责人、飞书产品副总裁、豆包PC端负责人，于2025年11月离职创业。他的Today AI全球版与Muse同日上线，主打活记忆和主动性，通过记住用户的项目、联系人和未完成事项，生成早晚简报并跟进任务。

Noah Shinn属于后者。他今年23岁，曾在美国东北大学同时学习化学与计算机科学，2023年辍学创业。他的Instinct没有独立App，只用短信、电话、iMessage、WhatsApp等已有通道交互，会发短信就能用。这家公司只有14个人，估值100亿美元。

头部之外，还有一批小团队从更窄的场景切入。比如面向内容创作者的UniCone，从授权的屏幕和聊天记录里整理素材、拆解任务；理旦则把语音、截图和聊天记录转成待办。这些产品一部分还尚未成型，团队也很精简。

三类玩家的起点不同，大厂从用户和支付出发，模型公司从模型和工具连接出发，创业公司从产品设计和具体场景出发。但要做成一个真正替用户办事的Personal Agent，它们都面临同样的关卡。

02.技术通用，三道难题行业解不了

产品已经不少，为什么还没有一家做出完整的生活助手？

多位从业者认为，各家的差距并不在底层技术。港科大博士杨智钦表示，许多Personal Agent与OpenClaw采用相似的基础技术范式，即由大语言模型驱动工具调用和多步执行。各家的差异体现在工具与数据接入、记忆和上下文管理、执行可靠性、权限机制，以及面向不同用户的产品设计上。开发者伯克希也表示，从工程实现的角度看，各家底层差异有限，不同更多体现在面向什么用户、怎么设计产品。

真正的难点是，Personal Agent要长期理解一个人，并在没人盯着的情况下主动替他办事，这一步还很早，主要因为三道难题。

第一道是可靠性。

假设各步骤相互独立、单步成功率均为95%，一个20步的任务全部成功的概率只有约36%。编程Agent写错代码，可以由开发者纠正，任务Agent跑偏流程，也可以由人盯着。Personal Agent的价值恰恰在于减少人的介入，一旦涉及付款、交易和隐私数据，出错就是真金白银的损失。

Meta曾在内部测试中让真人承包商处理部分电话任务，随后暂停了这一做法，说明现有技术还撑不起用户完全放手。

用户对风险的容忍度同样有限。资深AI产品经理小杨甚至表示，只有产品带来的便利达到他对数据安全顾虑的三四倍，他才愿意使用。现在还没有产品让他达到这个临界点。

第二道是平台互通。

Agent要替用户办事，就得进入别家的App、调用别家的数据，而大平台没有理由主动放行。Agent的一大价值是替用户绕开中介、找到更便宜的选择，这恰恰动了平台的利益。Agent越能替用户省钱，被绕开的平台就越不愿让它进来。

此前，豆包手机助手发布“拒绝操作应用清单”，超150款APP明确拒绝豆包手机端AI智能体对其进行操作，包含微信、QQ、淘宝、天猫、美团、支付宝等多个国民级APP。海外的亚马逊也曾封禁Muse的代购访问。一位Today AI的用户告诉我们，自己让Agent挂号、缴费、订酒店、买机票，结果一个都进不去。

行业正在寻找协议层面的解法。Meta与Sierra牵头，联合Stripe、沃尔玛等推动智能体协议，国内也有机构在推进互联标准。但互通不仅是技术问题，还涉及数据归属、流量分配、商业利益和安全责任，短期内很难解决。

第三道是成本。

Personal Agent要长时间在线，并持续保存和调用个人上下文。不止一位从业者表示，其推理成本可能高于编程Agent。

投资人老钱表示，自己每天仅在工作和编程上的token消耗就接近10亿，如果生活场景全部接入，消耗还会大幅增加。而且，前两道难题会继续推高成本，可靠性不足，需要增加人工兜底；平台互通不畅，需要依靠截图识别等绕路方式操作，又慢又费算力。老钱的评价是，现阶段的Personal Agent“又费Token，又不够精准”。

在没有通用解法之前，各家的办法都是把风险往小了压：有的产品先接低风险待办任务；有的产品规定关键步骤必须由真人确认；UniCone把数据存在本地并公开代码，让用户自己检查。

03.需求是真的，产品还在很早期

可靠性、平台互通、成本，短期内都看不到通用的解法，可玩家和资金仍在一窝蜂地涌进来，这会不会又是一轮虚火？

综合多位从业者的观点，需求已经出现，但产品还在早期。

实的一面在需求。Muse一个半月吸引了超过1000万人设置，但这个数字有Meta自家应用导流的成分。更有说服力的是，有人愿意掏钱。据Instinct创始人Shinn在播客中自述，其用户注册三周内绑卡率达40%，授权用户留存率超过80%，产生购买的用户月均消费超过1300美元，平台年化交易额接近10亿美元。

小杨表示，绑卡率、留存率和复购，是观察这类产品需求的重要指标。如果这些数据属实，说明已经有一批用户愿意把钱包交给AI。

Cue界面

虚的一面在估值和产品。

需求刚刚冒头，公司之间的估值差异已经巨大。

Instinct估值100亿美元，是年化收入4亿到5亿美元的Manus的两倍半。但两家公司收费方式和收入结构不同，Manus更受关注的是年化收入运行率，Instinct披露的则是平台交易额，不等于公司收入，还需要考虑抽佣率和履约成本。

一位曾任职华尔街对冲基金的投资人表示，目前Personal Agent还没有公认的估值方法。市场给这类公司定价，除了看收入，还包含增长预期、入口价值和未来交易抽佣空间。

老钱提醒，国内AI应用公司的估值主要看收入增速，但Personal Agent用户基数低，早期增速天然好看，这一标准本身存在缺陷。投资人肖晓则认为，这类公司的估值普遍偏高，资金集中涌向这一赛道，不完全是因为产品已经得到验证，也在于AI行业目前缺少新的C端故事，而Muse恰好提供了一个海外样本。

产品形态同样处于早期。

曾在腾讯微信事业群和谷歌工作过的尚晋，是主流PersonalAgent产品的资深用户，他根据自身体验列出八条及格线：像人、触手可及、一直在、个性化、主动、克制、能闭环、保护隐私，目前大多数产品无法全部满足。他用下来，觉得Today AI和Dots的交互仍不够自然，最终留下的是Instinct和Muse，但这两款产品也没有达到理想状态。

现在还看不出赢家，那谁可能最先跑出来？短期看，受访投资人和从业者更看好大厂。

部分用户认为，大厂在安全、合规和问题兜底上更值得信赖；大厂生态能够提供更多接口和场景；面对高昂的算力与运营成本，大厂也更有承受力。投资人Mingke曾公开表示，做通用Personal Agent真正难的不是Agent本身，而是商业模式，流量从哪里来，如何与供给侧合作，交易怎样完成，最终由谁付费。

终端厂商则是另一股变量。

苹果、华为尚未推出与Muse同形态的独立产品，但它们掌握硬件、操作系统和端侧数据。目前主流Personal Agent主要依赖云端，一种可能的方向是把轻量任务放到手机本地处理，既降低算力成本，也减少隐私数据外传。

老钱表示，如果这个方向成立，Personal Agent就可能从完全依赖云端的分身，转向云端与端侧协同。随着端侧模型能力和硬件条件成熟，手机厂商的竞争力也会随之提升。不过，发热、内存和本地模型能力仍是现实限制。豆包手机的遭遇也说明，即便拿到系统层面的权限，App照样可以说不。

创业公司的机会，在大厂不方便做或做不了的地方。它们的关键，是建立能够被用户感知、并让用户愿意付费的差异化，例如服务特定人群，比如创作者；或者把数据留在本地、开放代码，在隐私上给出大厂给不了的承诺。这类产品可能做不大，但有机会在细分场景里站住，或者成为被收购的对象。

对于这个还没有定型的赛道，老钱的态度很有代表性：“我看好，但我不下注。”在不少从业者看来，创业公司可能要试十个、二十个场景才能跑出一个，跑出来之后能不能赚钱，又是另一道关。

*题图来源于Unsplash。

2014年前后，中国经济学界曾为“第五次产业转移”爆发过一场激烈的大讨论。

作为全球第四次产业转移的最大赢家，中国能否在第五次转移中独善其身，一度被渲染成国运之战。再加上当时国际局势，美国企图绕过中国主导TPP谈判，关于中国产业的悲观论调一时占据上风。

十余年后，中国已经实现万亿美元顺差，TPP却被美国自己抛弃，似乎我们已经安稳度过了这场危机。

但风险真的解除了吗？

从未消失的达摩克利斯之剑

今天不少人对中国制造的规模优势感到安心，我国制造业已经连续16年全球第一，从任何一个传统指标上都看不出衰落迹象。

但这才是最危险的地方，因为这一轮转移本就是分散性的，它难以被察觉。

过去两百年的四轮制造中心转移，本质上是制造活动从一个国家搬到另一个国家，英国把制造搬到美国，美国搬到日本，日本搬到中国。每一次转移都有明确的国与国之间流动过程，旧中心失去制造，新中心获得制造。英国失去纺织，曼彻斯特的工厂便一家接一家关门。美国失去钢铁和汽车，底特律就从全球汽车之都变成破产城市，这在国际贸易里被称为替代性转移。

这种替代性转移虽然残酷，却容易被察觉。民众能看到大规模企业倒闭以及由此引发的群体性失业问题，明确的信号让社会反而有了反应时间。

日本90年代就是典型案例。当中国廉价劳动力的冲击刚刚碰撞到日本的纺织、机械加工等中低端产业时，社会就迅速察觉并调整政策，在有限的窗口期内利用出海一定程度上拿回了主动权。其实中国自身也有过类似的经验，2008年遭受次贷危机的中国沿海产业，出口骤降在短时间产生了千万量级的返乡工人，但也正是巨大的破坏力，让整个社会迅速达成新共识出台一系列调整政策。就如身体骨折，虽然剧痛但也因为有明确的信号，反而可以及时手术。

可全球的第五次产业转移，却完全不同，它偏偏没有给出这种信号。

如果从进程上看，这场转移早已开始。2017年前后全球供应链从“集中化”转向“去集中化”，当年中国占美国的进口份额达到21%历史性见顶，此后中国份额下降，新兴经济体上升，两条曲线一升一降完成交叉。

2020年后，这场大转移更进入加速阶段，一众新兴经济体都获得了巨额的产业投资。此后5年，以越南、马来与印尼为主的东盟国家，以及墨西哥与巴西等美洲新经济体，其制造业外商直接投资普遍增长了100%以上。到2024年，即使曾经被视为落后地区的非洲，接受投资也首次达到1000亿美元大关，创下历史新高。

时至今日，如果只看出口总额或者港口吞吐量，中国仍在增长。还没有一个经济体能够完整承接中国的全产业链优势，中国制造的安全感看上去十分牢固。

但这不等于没有国家在承接中国的产业，相反，当下全球产业转移的规模已经十分惊人。

2026年，三星手机60%与耐克50%的产能在越南，苹果四分之一的产量已经由印度吃下，墨西哥的名义汽车产能已经默默地突破550万辆大关，跻身全球前五。虽然它们现在还停留在中低端或者组装加工，但当年中国的产业扩张之路不也正是这么走过来的吗？

可以说，在悄无声息间，这些国家已经吃下了惊人的份额。过去支撑中国产业的全球订单+中国工厂模式，正在逐渐被拆散。由此带来的影响，绝不仅仅是国际贸易份额的重新分配这么简单。

这把高悬于世界工厂之顶的达摩克利斯之剑不仅没有消失，反而正在下落。

看不见的失血

其实，第五次产业转移对中国的伤害已经逐步体现。

过去数十年，全世界奉行的是生产集中模式，即尽量将生产集中在一个国家，并以此获得足够的规模效应。中国是这种模式最大的既得利益者，由于一张订单对应一个产地，一个产地又能连接一整条供应链。生产越集中，规模效应就越强，所能截留的价值就越高，中国成为这套生产集中模式的最大既得利益者。

但今天，全球正在从生产集中走向分散。

一方面，各个新兴经济体的廉价生产要素与相对完善的基建已经对全球资本有了足够的吸引力，开始疯狂吸收国际订单，争夺属于它们的时代红利。另一方面，发达国家的制造业回流与友岸外包体系，也在有意扶持全世界产生更多的生产节点，打破过度集中的局面。

但对于中国而言，这可并不是什么好消息。过去一张订单集中在一个产地，但现在可能被分成三份，高端需求仍然留在中国，但中低端可标准化环节已经去了越南、印度、墨西哥等国。虽然现阶段国际存量订单还没有被大规模转移，但增量的蛋糕已经开始被切走。

而随着国际订单的逐步分散，再加上我国的内需市场还处于恢复期，原有为全球市场准备的产能与实际需求不足的矛盾与日俱增。2021年开始，我国产能利用率就持续走低，到2026年三季度规模以上工业产能利用率只剩下73.1%。相当于每四条产线里就有一条闲置，快低于2016年上一轮供给侧改革时的最低位。

但这一次和2016年有一个根本区别，2016年的过剩是周期性的，即需求最终还会回归，可这一次很有可能是结构性的。

而最先反应这轮产业转移影响的，其实并非产能数据，而是就业数据。

事实上，更隐蔽的影响来自就业端。分散型转移并不直接消灭存量岗位，因为工厂并没有大规模关门，我们很难指着某个车间说这里的工人因为产业转移失业了。但它会消灭增量岗位，企业如果预期未来三年的订单增量不在国内，就不会新建产线与多招员工、自然也不会有与之相关的管理岗位。

从数据上看，虽然2025年我国城镇新增就业人数同比微涨0.1%，但传统制造业带动的就业岗位已经出现明显疲软。过去大幅吸纳就业的金属纺织与基础加工等六大产业，2025年不仅没有增加，反而还减少了近90万人。而传统制造业释放出来的劳动力，许多又流入了外卖家政与快递这三大蓝领岗位，目前这三大岗位的规模年增速全部超过3%。但这些岗位难以产生职业积累与技能升级。

而当一个经济体的劳动力配置从“有技能积累曲线的行业”滑向“没有技能积累曲线的行业，长期是对整个国家人才储备的严重伤害。

这种伤害的危险之处在于，它让一个经济体越来越虚弱，但却不产生强烈的痛感信号。表面上的相对稳定，反而会让社会误以为还有时间，从而错过最宝贵的调整窗口。

在东亚的经济史上，曾有一个国家完整经历过这种没有剧痛的失血。

80-90年代，泰国是亚洲制造业的超级明星，凭借4200万相对高素质劳动力，承接了完整的汽车、电子与轻工产业链，被称为亚洲工厂，一度是仅次于韩国的东亚第五小龙。然而在遭遇亚洲金融危机后内需断崖，与本国生产成本在人口老龄化后逐年上升，泰国的中低端制造业逐渐流向其他东南亚国家。

当时的转移同样是分散型的，轻工纺织搬去柬埔寨、电子加工流向越南，汽车制造则去了印尼，并没有一个国家完整承接了它的所有产业。

但诡异的是，面对如此大规模的转移，泰国在此后10余年，制造业却保持了一种反常的平稳。虽然工业增加值占GDP比重再未回到90年代43%的顶点，但至少在2010年前还能基本保持在38%以上，凭借曾经产业链积累的优势惯性，短期内没有出现断崖式下滑。

恰恰是这种表面的稳定，也让泰国错失了关键调整的窗口。

虽然一开始转移的只是中低端行业，但逐渐地，订单规模难以养活完整的本地供应链，产能过剩问题此后长期困扰泰国，亚洲金融危机前其产能利用率超过80%，但到2004年已跌落到68%。严重的过剩让企业盈利能力随之减弱，没有余力更新设备与升级工艺，产业链的完整性被一点点抽走。

最终随着时间变化，留在泰国本地的存量产业逐渐老化，就业人数倒退。泰国曾花费数十年建立起来的产业集群，最终在经历08年次贷危机的二次打击后，彻底衰落。30年后的今天，绝大多数人已经记不起泰国曾经是亚洲工厂，其人均GDP被困死在7000美元区间，沦落成一个以旅游业和服务业为支柱的经济体。

如果说替代性转移是经济体的骨折，那么分散型转移更像是内出血，隐蔽但同样危险。

那么在这场看不见的失血中，我们还有多少的胜算?

中国需要找到新位置

今天，全球产业转移的趋势无法阻挡，新兴经济体与全球产业融合是历史发展的必然过程，中国无法阻止订单向越南、印度、墨西哥分散，但这并不是说我们只能坐以待毙。

实际上，危险与机遇从来都是相伴相随。

每一次全球产业转移，旧中心的制造环节都会遭受重创，但在摧毁旧有利益网络的同时，也会创造新的需求。旧中心的出路从来不依靠守住原来的位置，而是要在新的需求中找到新的位置。

曾经的意大利纺织产业其实就给我们提供了一个很好的示例。

90年代以前，意大利是世界纺织业的翘楚，凭借极致的小工坊快反模式，做到了整个欧洲纺织品的规模与价格第一。可当中国巨量的廉价劳动力涌入全球市场后，意大利那套以家庭工坊为基础的产业链，被降维打击，在成本上毫无还手之力。

但意大利没有选择与中国直接竞争，在第四次产业转移中，中国以巨量廉价劳动力改变了全球贸易格局，制造环节的成本被大幅拉低。而当制造变得廉价且可大规模外包时，市场对品牌与设计的高附加值需求反而被放大了。意大利主动放弃了成本比拼，退出标准化制造环节，转向了设计和快时尚服务，进入品牌全球化运营阶段。

由于中国已把纺织品价格打得非常之低，使得意大利获得了更便宜的原材料和中间品。设计端的高溢价加上采购端的低成本，品牌时代的意大利纺织赚到了远比制造时代更丰厚的收益。2025年，其纺织出口额为369亿欧元，大约是中国的12%，但创造的利润已是中国纺织全产业的四分之一，是21世纪以来意大利转型最成功的产业。

可以说，意大利纺织没有在成本上打败中国，它只是在第四次产业转移的的贸易格局变化中，找到了自己的位置。

那么，第五次产业大转移的新需求是什么？中国如何找到自己的位置。

今天，全球制造正在从集中走向分散，这是分散性产业转移的最大优势，它让更多国家第一次真正参与到全球制造中来，也让资本获得了更低成本的要素，全球制造网络因此变得更大更宽。

可也由此带来了一个巨大的矛盾。

当制造能力分散到更多国家，表面上看是有了更多的制造基地，但全世界的生产效率却是降低的。

根据世界经济论坛报告，虽然过去10年投资到新兴经济体的海外投资额普遍翻了2-3倍，但这种分散投资也造成了相当大的资源冗余，对全球的GDP增长，运力与额外库存都造成了负面影响。到2026年，每年因为贸易碎片化直接损失已超过3000亿美元，间接则导致全球通胀率上升0.3个百分点，且随着这轮产业转移，碎片化的影响还在加速恶化。学术界给这个现象取了一个名字，叫做慢球化（slowbalisation），意指随着国际供应链的碎片与多元，全球化的效率正在变得越来越慢。

但效率降低的根源，并非哪个国家真的变慢了。今天越南最新投产的设备可能比中国大多数工厂都新，在科技日新月异的当下，单个工厂的效率普遍仍在提升。

真正的矛盾是，在生产越来越分散的当下，全球供应链的协调成本正在指数级上升。

过去所有生产节点都集中在中国，协调成本无限接近于零。一家东莞的模具厂可以在接到需求后，3小时内把新样品送到深圳的产线。一间上海工厂的设备上午出现故障，苏州供应商中午就能开车赶到解决。

这种物理距离层面的极致压缩，是中国能作为全球制造中心的效率来源核心。

但现在随着全球生产节点从集中走向分散，全世界生产正在变得碎片化。

越南的上游工厂和墨西哥的组装工厂之间隔着太平洋，匈牙利的基地和印度的供应商之间相差六个时区。品质标准怎么统一，供应链怎么对接，交期怎么协调，文化冲突怎么处理。这些在制造集中时代不存在的矛盾，在这个制造分散的时代突然全变成了问题，这一点想必任何在海外有生产经验的参与者，都能感同身受。

全球分工体系正在从紧密的网，变成一堆散落的珠子。看起来全球化的生产节点增加了，但这些分散的节点，并没有最大化它的生产效率。

但这又何尝不是这轮产业转移，最大的需求，或者说是价值点。

在这里我想问您一个问题：当全球生产集中时，什么最值钱？

答案是制造能力。因为谁拥有最低成本、最高效率的制造能力，谁就能吸引全球的订单和资本。中国过去三十年，靠的正是这种能力。

可当生产从集中走向分散时，什么才是最值钱的？

在这轮全球贸易格局的重构期，世界需要一个新的生产组织者，来组织这些分散的节点，使其资源效率最大化，而这便是第五次产业转移的新需求。

谁有能力成为这个新组织者，它在新一轮全球产业的价值分配中也必然占据最有利的位置。

中国经济的下半场

那么我们为什么一定要成为这个全球生产组织者？因为它对于中国的意义，远不限于产业成功出海，或者创造大量出海岗位解决就业这么简单。

它更决定了中国的经济发展能否顺利过渡到下半场。

根据经典的索洛增长模型，一个经济体的增长主要依赖三个引擎：资本投入、劳动力数量与全要素生产率。前两者属于短期因素，会随着边际收益递减而逐渐减弱。全要素生产率才是长期因素，它依靠的是技术进步和资源配置优化。

任何一个经济体想要实现长期增长，最终都需要依赖全要素生产率的持续提升。

中国过去四十年或者说上半场的增长主要依靠的是前两个短期因素，人口红利和土地资本（房地产）红利在特定阶段释放出了巨大的增长动能，但它们都有天花板。今天，中国的劳动力见顶，地产回报率下行，这两个引擎正在逐渐熄火。

可问题在于，接棒的那个引擎，还没有真正启动。

单看数据，中国的创新投入是全球顶级。2025年研发经费超过3.6万亿元，专利申请量全球第一，研发人员总量全球第一。可全要素生产率对经济增长的贡献长期偏弱。2009到2023年的增长中，资本与劳动力累计的贡献了71%，全要素生产率只贡献了28%。

换句话说，中国长期创新技术的投入，并没有带来合理的回报。

技术投入变成了产品，但产品却没有变成更高的收益回报给社会，比如中国的光伏锂电早已世界第一，但全行业的利润却薄如蝉翼。

当下的问题，早已经不是技术投入的不够多。

事实上，全要素生产率并不只由技术进步决定。组织效率、人力资源有效利用，生产资源优化能力等等，同样是关键变量。

技术投入能否转化为经济的提升，最终取决于这些软性价值变量能否被充分释放。可这些软实力恰恰是中国制造在过去三十年积累得最多，却在现有以制造优先为导向的经济循环模式中，难以被充分释放价值的变量。

而成为全球制造的组织者，就是要释放这部分效率，或者说价值。

成为组织者，并非要与新兴经济体去竞争制造业谁更强，而应当去提升全球生产制造的总体效率。全球制造业分散到多节点后，节点之间每一次寻找供应商、比对品质、协调交期、处理文化差异，都在消耗效率。组织者需要做的是，降低全球生产网络的摩擦系数。因为节点之间的摩擦越小，同样的劳动力和资本就能产出更多。而中国也可以在这轮效率提升中，将这些软实力变成可交易的显性资产，充分释放其价值。

这个层级不需要生产任何产品，但它决定产品在哪里生产、用什么标准生产、找谁配套、利润如何分配。

它掌握的是全球生产背后的配置权。

而配置权一旦形成，释放的就不仅仅是中国产业的真正价值，还将实实在在地改变中国的就业结构。

在制造时代，全社会的岗位以工人或工程师为主，就业结构其实非常单一，所能创造的高薪岗位也极其有限。

但到了组织全球生产的时代，岗位类型会成倍展开。全球项目经理、供应链协调员、跨文化培训师、质量标准设计者、本地化运营专家等等，每一个新环节都在创造新的职业通道，就业结构会从单一走向多元，中国将进入以制造与生产型服务业双主导的阶段。而这些岗位的薪酬水平和职业前景都远高于传统制造岗位，并且它们不是从国内其他人手里抢来的，是从这轮产业转移的新需求中创造出来的。

那么，中国凭什么能站到这个位置上？

组织全球分散制造网络的核心其实是人与生态，需要的是大量处理过最高复杂度制造环境的人，以及在任何行业任何环节都能找到配套的产业生态。

德国和日本擅长制造，但深耕品类不足，经验深却不广。印度和东南亚有足够多的人，但他们制造能力还太薄弱。美国在二战后曾有组织过全球制造的历史，但随着产业生态迁移，能力早已退化。

因此，至少在这个欧美制造业还未回流，新兴经济体制造能力薄弱的窗口期，中国依然还是这个星球唯一具备这项能力的国家。

而能否成为全球生产的组织者，同样决定了中国经济的下半场能走多远。

“县城承接的是风口之后留下的空隙，并非风口本身。”

10月29日，深交所上市委员会在第59次会上批准了微容科技向创业板发行股票上市的申请。11月2日该公司提交注册，拟募资16.75亿元，其中13.7亿元投向罗定的高端MLCC扩产项目。

根据弗若斯特沙利文的数据，2024年它的超微型MLCC销量排中国第一、全球第二，仅次于日本村田；按MLCC营业收入算，在中国大陆厂商里排第三。

两种说法指的是不同的事情，但是指向的结果是一样的，在全球最擅长做小电容的企业排行榜上，有一家县级市的企业上榜了。

罗定属云浮，是粤北山区的一个县级市，不靠海，也不在珠三角。南方日报在10月30日的文章中使用了这样一个小标题："稻田边上的电子工业大米"。

一台AI机柜需要使用40多万颗MLCC，而这些微小的元件却生长于稻田之中，这是怎么回事呢？

—一台设备要用多少颗MLCC：数量级差异。瞰见Lab制图·据招股说明书及公开报道

📌本文看点

01

全球第二

超微销量

02

17.75亿

在手订单

03

97.76%

产能利用

04

2800个

本地岗位

01

越小越难做，越难做越离不开

先说清楚这颗电容是什么。

—PCB上的多层陶瓷电容（MLCC）实物特写（资料图）。实拍·Wikimedia Commons，摄影Giovanna 27（2021-11-30），CC BY 4.0

MLCC是多层片式陶瓷电容器，在行业内被称为"电子工业的大米"。只要供电就要靠它滤波、去耦、稳住电压，芯片跑得越快、供电越复杂，用得越多。

招股书中的尺寸表里提到，微容量产的008004规格为0.2毫米×0.1毫米。指甲盖上能排下几十颗。

一个手机里面可以塞上上千颗，一辆新能源车约2万颗，一台人工智能服务器大约为2.8万颗。到英伟达GB200 NVL72这样的单机柜时，使用量是44万颗左右；新机型已达到60万颗以上。高盛的拆解把MLCC列为AI服务器物料成本的第三大项。

数量增加了，但是难度也增大了。

MLCC是由陶瓷粉末以及金属电极经过多层堆积之后进行高温烧结而成的一种元件，其中粉末必须达到纳米级别，并且流延机、叠层机都是非常昂贵的设备，高端的产品可以做到1200层。一条生产线从下订单到调试出合格品一般需要一年左右的时间。

这就解释了为什么长期以来这块市场被村田、三星电机、太阳诱电等公司所控制。并不是因为别人不会做，而是设备以及工艺上的成本问题需要有大量的产量才能分摊开来。

如果再往下分解的话，1200层堆叠就是每片陶瓷膜只有几微米厚，印刷电极要准确定位，并且在烧结过程中不能出现裂纹或者分层的情况。层数越多，其中任意一层出现错误就会导致整个产品的失效。设备是第一道门槛，拉开差距的是良率爬坡：同一条生产线，别人做到90%以上，你只做到70%，成本就会相差很大。这也是扩产不能靠临时加钱解决的原因，在设备进场之后需要等待一年左右的时间才能开始稳定供货。

—一颗MLCC的横截面，可见密集叠层（资料图）。实拍·Wikimedia Commons，摄影TubeTimeUS（2019-03-30），CC BY-SA 4.0

越是基础的元器件就越不愿意让临时进场的人来。

02

巨头转身，腾出了一道缝

变化是从AI服务器那边过来的。

根据公开资料，村田在2026财年逐步停产九大系列里的部分规格，把产能挪向AI和车规用的高附加值产品，交期从8到10周拉长到20周以上。三星电机于8月1日对所有产品进行30%的价格上调，在第四季度还会继续调整价格，并且已经获得了价值超过52亿人民币的人工智能服务器长期供货合同，能见度排到2027年底。太阳诱电所采取的方式都是一样的。

几家都没有把消费电子产品列入重点之中。

但是需求这边在上涨。今年6月，华强北部分热门MLCC型号单月涨价7到8倍，而人工智能使用的高容量型号的现货已经被炒到了原来的两倍以上。

一方面现货价格上涨了，另一方面大公司却把消费级产品的生产线给放出来了。

腾出来的市场，落到了微容手里。

产能利用率从2023年的59.68%，升到2024年的75.63%，再到2025年的97.76%。截止到2026年9月底，在手订单17.75亿元，较6月末接近翻倍：消费类订单10.73亿、工业类订单5.14亿、汽车电子类订单1.88亿。

—17.75亿在手订单构成，消费类约占六成。瞰见Lab制图·据微容科技招股说明书

要说明的是，不要把这件事情读错了。

微容接下的主要是日韩相对后置的消费类高容，并不是人工智能高容的那一波暴利。17.75亿元订单里，消费类约占六成，到今年九月底为止，消费类业务收入已经达到12.69亿，并且同比上涨了22.27%。它可以完成1200层堆叠，可以大批量提供100μF、220μF的产品，工业客户的订单在增长，但是人工智能价格上升只是个背景因素，并没有让它账户里多了多少钱。

也就是说，人工智能热并没有直接给罗定带来资金，只是把巨头的注意力买走了。

县城承接的是风口之后留下的空隙，并非风口本身。

03

为什么是罗定，不是别处

被放出的市场，并不是任何人都可以接手的。

MLCC中有一项绕不开的工序就是电镀，电极层要进行表面处理就必须要有相应的电镀能力。上证报点出关键：这种环保指标在珠三角核心区越来越紧张了，而罗定有稀缺的电镀指标。罗定市政府门户写的更加详细，当地的依托是粤西北地区唯一的一个省级电镀基地。

一个指标卡住了他人的咽喉，也成就了这里。

电镀指标就是排污许可证，在珠三角核心区域新上的项目很难获得批准，想要把这个环节放到深圳或者东莞附近就不可能了。把工厂搬到更远的地方之后还要再去寻找会做电子产品制造的人才以及相应的设备支持。可以两边都满足需求的小城很少见。

其他条件也都准备好了。罗定位于广东省最大的盆地内，拥有大片平坦的土地，土地、电力、物业的成本都比珠三角便宜很多；常住人口为94.26万，有5所职业院校每年培训转移劳动力1.8万人，工人不需要从外地招聘过来再流失掉。

产业火种也不是从零开始。1995年雅达电子来到罗定之后，在当地留下了懂得电子产品制造的人才；而到了2017年的时候，58岁的陈伟荣带领着自己的团队回到家乡创业，这才有了微容。地方政府对于项目采取了"一事一议"的方式，佛山禅城的对口帮扶也建立了一个"反向飞地"。

把它们分开来看，没有任何一条可以单独说明这个结果。

环保指标、要素成本、用工问题、有个人愿意回来的团队，在外边正好有别人把生产线腾出来了，几个因素在同一时间窗口内发生碰撞，订单才能落地。

地方产业的发展壮大，并不是靠一句话就能实现的。

04

热闹之外，账还要另算

97.76%的产能利用率，订单量增长了一倍左右，这些都是好事情，但是这只能算作是这一段时间内的好消息。

招股书自己留了话：下半年供需紧张可能是行业阶段性特征，若售价下行快于成本下降，毛利率可能回落。

2026年上半年，微容营收10.09亿、同比增长20.64%，净利润1.20亿、同比下降1.25%，毛利率由原来的27.58%回落到26.80%。收入增加但是利润不涨。

在申报的过程中就有很多地方被反复提问了：账面上有22.64亿的金融资产，但是仍然要募集2亿元补流；18项专利诉讼中多数已被宣告无效或不涉及核心工艺；申报之前的实际控制人股权转让金额约为9990万元，公司说明是为了补齐回赎缺口。

从全市的角度来看，数据也是双面的。云浮前三季度规模以上工业增加值同比增长了19.0%，在全省排名第一；但是同期工业投资同比下降了10.6%，房地产投资同比下降了25.0%。到2026年9月份的时候，罗定市电子信息产业规模以上的企业有11家，总产值为27.44亿——放在全省范围内来说，这个规模仍然比较小。

另外还有个时间上的差距。募集到的13.7亿主要用于扩大生产规模，但是MLCC生产线从设备订购、安装调试到量产，一般需要一年多的时间。等到产品真正投产之后，目前存在的供不应求的情况还会不会继续存在呢？这个是招股说明书里提到的毛利率下降的原因。

一个项目的进度很快，和一个地方已经转过身，是两件事。

这些写下来不是要泼冷水。稻田边上长出全球第二，很值得庆贺；是否能形成一个完整的产业链条，则要看之后的订单量、良品率以及市场价格了。

05

2800个岗位，和一个26岁的选择

产业归根结底是要落实到人的身上。

南方日报报道称，微容在罗定本地提供了超过2800个岗位，其中省内就业的占到了七成左右。一期年产6000亿片；公司副总裁罗军表示，二期月度折标产能已经接近800亿片，三期将于2026年底开始建设，并于2030年投产。

报道里有个26岁的女工，叫顾珍敏。2026年春天，她从深圳一家电子厂辞职回了罗定。她的父母分别在东莞玩具厂工作了15年、在深圳流水线工作了8年。

一个家庭里两代人，第一次不用都往外走。

这就是这颗0.2毫米电容最实在的地方。它不改变芯片的算力，也不参与大模型的参数竞赛，但它让一个县城多出一种选择：想留在家里上班，不一定只能进厂做别的，也能做AI服务器要用的东西。

结语

结语

回到开头那个问题。

一颗0.2毫米的小电容生长在稻田边，并非是因为县城抓到了人工智能，而是因为AI把日韩巨头的产能和注意力买走了，腾出一块不那么性感却稳定的市场；罗定正好有一张电镀指标、一片廉价的土地以及一批不需要外出工作的工人，所以才承接下了这个市场。

AI热潮的钱，不只流向芯片和大模型。它也顺着一张张订单，流进基础元器件，流进县城工厂的工资单。

但是钱能保留多久，就看订单是否可以继续下去、价格会不会下跌以及生产线能否向高技术方向发展了。稻田旁边的工厂已经开始工作了，剩下的，要靠一片片电容自己回答。

END

关于这篇稿子

本文写作说明

主要资料来源

深交所招股说明书与上市保荐书、上海证券报、南方日报、21世纪经济报道、央视财经、罗定市人民政府门户。

“国内竞争激烈，并不等于企业有了海外竞争力。”

水泥这种生意，平时多拉一段路，都得算算运费还划不划算。

现在，山东一家水泥厂，却把客户找到了中美洲。

据智慧水泥网报道，枣庄市沃丰水泥有限公司首个1.5万吨海外订单正在组织发运，目的地是中美洲。这笔订单通过与外贸企业合作落地，实现了企业所在集团水泥产品出口的零突破。

更早的10月28日，百年建筑网援引泉兴能源消息称，按照订单排期，沃丰11月还将交付3万吨出口水泥。

一袋灰扑扑的水泥，怎么值得跑那么远？

有趣的是，它不起眼的特点却会左右这门生意：货重、单价低，运费稍高，生意就可能做不成。

▲苏美达熟料出口装船场景（非沃丰本单）。来源：苏美达官网。

01国内竞争激烈，工厂向外找客户

你可能不熟悉水泥企业，但多半见过它们的客户：修路的人、盖房子的人、建工厂的人。

工程项目少了，水泥很难靠改变包装来刺激需求。

华新建材2026年上半年财报援引行业数据披露，今年上半年我国水泥产量为7.36亿吨，比去年同期下降了8%。国内需求仍在下降。

中国水泥协会的相关运行报告，把价格压力摆得更直观：今年上半年我国P.O42.5散装水泥的成交落地均价为334元/吨，较去年同期下降了52元/吨。

单看一吨，便宜几十块钱似乎不多。对于销量达到万吨级的企业来说，这是一笔无法回避的收入差异。

需求减弱了，但是设备已经买好了，厂房也建好了。减产停窑可以节省一些燃料费用，但是折旧和人工等支出并不会随之全部消失。

企业得想办法找客户：除了周围的工地之外，还能去哪里找愿意付钱的客户？

国外某些地方的价格也十分诱人。

智慧水泥网报道说，国际市场水泥价格在每吨700到1200元左右。但这组价格没有统一品种、地区和交货口径，直接减去国内售价，算不出每吨多赚了多少钱。

再看实际出口价格，情况就具体多了。

根据行业运行报告援引的海关统计数据，今年上半年水泥出口FOB均价是每吨45.9美元，熟料是每吨33.5美元，都比去年同期有所下降。

FOB说的是货物装上出口港船舶时的价格口径，不含后续国际海运等费用。这个价格与海外商店或经销商的报价口径不同，不能直接比较。

海外有机会，也得逐笔算利润。

沃丰接到了订单，就说明它找到了一个可以成交的买家。这单最终赚多少，还得看价格、运费、交货条件和回款。

02运费，决定水泥能卖多远

先分清水泥与混凝土。

跨海销售的水泥，并非搅拌车里已经加了水、掺入砂石的预拌混凝土。前者以干料运输，后者受施工时间限制，不能混为一谈。

水泥能卖到远方，难的是如何降低运输成本。

陆上集货、港口装卸、船舶运输、目的港接货等各个环节都需要支付费用。高价商品的运费，可能只占货值的一小部分；水泥却不同，运输条件的好坏直接关系到是否能够承接订单。

看看一条公开报道里的运费，就明白了。

今年四月份，中国驻越南大使馆经商处编译的报道提到，越南水泥此前港口交货价约为每吨41到42美金，运往中东的费用已达到每吨三十余美金。

这不是沃丰订单报价，也不是中国到中美洲的运费，却说明了运输成本的分量：水泥还没交到客户手上，运输成本就可能达到货值的大半。

以此次1.5万吨的订单为例，每吨运输费增加10元，总开支就增加15万元；每吨增加50元，就多出七十五万元。

这只是运输成本变化的算术，并不是本单的实际费用。

▲资料整理：按1.5万吨货量计算支出增量，仅作假设示意，非本单实际运费或利润。瞰见Lab制图。

工厂出货便宜多少、能否少一次中转、船能否按时交货，都会影响最后的结果。这样的货物，签合同前就得把物流安排算进去。

所以，国外卖得贵，也不代表水泥厂就能接到出口订单。

离港口多远、货物能否集中、装卸是否方便、货量够不够、谁负责送到客户手上，都会影响工厂能不能接单。

03找到国外买方，并不代表已经打开了市场

沃丰这单有个容易被忽略的细节：订单是与外贸公司合作落地的。

这几个字要比“出海”两个字更有解释力。

合作方带来了需求，工厂也得作出调整。按智慧水泥网引述的企业信息，沃丰提前改造了出口包装线，适应单包净重、包装形式以及装船作业的要求。

原来怎么打包、怎么出厂，接到国外订单后，也要按客户及运输环节的要求调整。

以前工厂按照周围的市场需求来组织生产。如今远方客户的标准、交货期限、包装规格和付款方式，都得变成本厂能执行的具体任务。

卖水泥，光告诉对方产品强度高还不够。

以中美洲的危地马拉为例，当地政府发布的NTG 41095标准以ASTM C1157为基准，对当地销售的水泥提出性能和认证要求，当地生产和进口的产品都包括在内。

目的地不一样，要核对的标准和准入条件也不同。在国内正常销售的水泥，到了其他国家，也得核对能否进入工程采购。

还有使用者。

进口商在哪儿存货、怎样分销，施工单位采用什么标准和规格，质量问题由谁处理，后续订单能否按期交付，都会影响客户是否再买。

想做长期供货，送完第一单，后面还有很多工作。

这些工厂不熟悉的环节，正是供应链企业能帮上忙的地方。

今年四月份，苏美达披露，旗下技术公司完成首笔4.6万吨水泥熟料自营出口业务，这批货物从南通港发往东南亚。工作内容有国内采购、船期安排、码头作业、报关手续以及向国外客户交货等。

这不是沃丰的合作案例，却让我们看见一条已经在运作的路径：把中国的生产能力与国外的具体采购需求接起来。

产品造出来，还得交到客户手中，才算是一笔完整的交易。

04一家工厂的新路，整个行业的答案是什么呢？

从光伏、家电到水泥，国内竞争激烈，不少企业开始把目光转向国外寻求发展空间。

听起来就像是所有的过剩行业都可以借鉴的一个答案。

可对水泥而言，“换个地方卖”还远远不够。

同一份行业运行报告显示，今年上半年中国水泥出口量为410万吨。和同期7.36亿吨全国产量相比，约为0.56%。这一比较只算水泥，不含熟料。

出口增长能给具体工厂带来新客户，但与全国庞大的生产规模相比，目前的出口量还是很小的。

水泥还有另一条出海路径：在当地生产。

华新建材半年报显示，截至今年六月底，它已在中国以外的14个国家布局，海外运营及在建水泥产能为4120万吨。

海外本地生产，和沃丰把国内水泥运出去，走的是不同的路。

▲华新莫桑比克栋多工厂。来源：中国建筑材料联合会，转引华新发布、数字水泥网。

在国外建立工厂或者收购工厂可以更好地满足当地的市场需求，但是要投入大笔资金，还得管理当地的生产、人员和销售。在当地生产的水泥，并不是从国内工厂运出去的库存。

对于有条件的企业而言，产品的出口可以是打开市场的第一步；客户和规模稳定后，本地生产也可能成为下一步。各家公司能走多远，要看自身能力，也要看当地市场容不容得下它的产品。

家电要补品牌和售后服务的短板，光伏要能够满足当地的安装、并网要求，水泥要把运费、标准、交货逐项算清。

国外买方不会因为中国的某一行业的产能过剩就主动购买这个行业的商品。

这1.5万吨水泥让人欣喜的地方，在于一家之前主要做内贸的企业，第一次接通了外销渠道。

接下来的事，说起来简单：货物按照规定送到，款项依照合同收回，下一批客户仍然愿意购买。

国内竞争激烈，并不等于企业有了海外竞争力。一家企业想长久经营，得让远方的顾客确实觉得：在你们这里买货划算，交易也省心。

本文写作说明

本文根据企业的公开资料、行业的研究报告、上市公司发布的公告以及国外的标准文件来撰写，未采访相关企业。目前报道中没有提到沃丰订单的目的地国家、成交价以及实际运输费用等信息，文中的异航线运价仅供参照，不能用于计算本单利润。作者负责选题和判断工作，人工智能帮助进行资料整理、撰写和校对。

主要资料来源

智慧水泥网、中国经济信息网转载，百年建筑网引用泉兴能源企业新闻，中国水泥协会相关运行报告，苏美达公开资料，华新建材2026年半年度报告，中国驻越南使馆经商处翻译报道和危地马拉政府发布的水泥标准文件。

美国2026中期选举结束了，共和党输掉底裤，整个国会被民主党全部拿走。不但如此，号称共和党铁票仓的得州和堪萨斯正式被民主党翻蓝。不单单丢了参议院席位，连得州州长都被民主党拿下。

选举之外，过去两年，美国政治生态已经围绕着特朗普，发生了深刻的变化。共和党的输如何自救？民主党的赢真的赢了吗？大家好，我是陪你看世界的王骁。本期我们就聊聊美国2026中期选举背后的美国政治生态。

【第一章】选票一开，博彩赚翻

我在《地球村10月刊》里提到中期选举，结果有观众问：特朗普这次也要重新选总统吗？

答案是不用。美国总统四年选一次，中期选举选的是国会。可对特朗普来说，这场选举的结果，足以决定他后面两年还能折腾出多大动静。

稍微科普一下。

美国实行三权分立，总统管行政，国会管立法，法院管司法。总统想把一项政策变成法律，通常需要国会议员提出法案，由国会通过。

国会分参众两院。众议院435席，按照各州人口分配，每两年全部重选。参议院100席，每州两人，任期六年。早在1789年，美国就把参议员分成三组，每两年轮换改选其中一组。刚好卡在总统任期中间，因此叫中期选举。2026年，除了435个众议院席位，还有35个参议院席位进行选举。

如果两院都是自己人，总统办事会方便得多；丢掉一院，麻烦就来了。

参议院握着乌纱帽。部长、联邦法官、最高法院大法官等重要人选，需要经过参议院确认。后面两年，特朗普想把自己人送进政府，民主党不点头，就只能换人，或者空着。

众议院握着钱袋子。宪法规定，税收和拨款的法案必须从众议院发起；现在美国在打仗，战争拨款和国内预算都可能被拿来谈条件。

众议院还能开听证会、调查政府。2018年民主党夺回众议院，2019年就通过了针对特朗普的弹劾条款。最终能不能把总统赶下台，由参议院审判决定。但没完没了的调查，已经足够让白宫头疼。

现在两院都丢了，政府停摆听证会，调查组弹劾，你就等着看吧。特朗普会不会是历史上第一个被弹劾罢免掉的总统？

要赢国会，还得先在地方做文章。

因为美国众议院的选区，是由各州依照本州制度划定的。

来，大家看这张图。

黑色的支持者明明更多，红色却能通过重新划界，拿到更多席位。诀窍是把对手的选票集中在少数几个选区，让自己在更多选区以微弱优势获胜。

美国人管这种操作叫Gerrymandering，杰利蝾螈，选区操纵。翻译成大白话，就是田忌赛马。

2025年，特朗普推动共和党控制的州重新画选区，得克萨斯州成为重要战场。民主党控制的加州随后用新地图反击。根据美国人口普查局统计，2026年共有九个州采用与2024年不同的国会选区。

画地图可以改变选票的计算方式，却改变不了选民每个月的账单。

2024年，特朗普为什么能够打败哈里斯？

就是生活成本！

当年看宏观数字，美国的经济很好，失业率不高，经济也在增长。

很多离不开中国社交媒体的海外华人都积极维护美国的经济繁荣。不断强调自己赚的多，买的多，线下消费很繁荣。

但是事实上就是这些华人基本就聚集在几个地方，他们只影响中国人的心态，不影响美国人的选票。

决定美国选举的永远是那几个摇摆州，和州里头的摇摆选区。而这些摇摆的地方的生活质量，直接决定了权力的走向。

比如很多移民中介喜欢找模特去美国超市里面拍100美元能够买什么？

拜登任内，美国消费价格累计上涨约21.4%。2021年花100美元买的一篮子东西，到2025年初就要花121美元。

住房更难受。2021年，美国30年期固定房贷平均利率只有2.96%，到2026年10月底已经达到7.24%。同样贷款35万美元，分30年偿还，只算本金和利息，每个月从1468美元涨到了2385美元。

医疗保险也在涨。美国凯撒家庭基金会的调查显示，2026年雇主提供的家庭医保，全年平均保费达到28303美元，其中员工自己承担7471美元，比上一年增加621美元。这还没算不少家庭看病时的自付费用。

特朗普的承诺就是增加工作，增加收入，减少税收，降低通胀。

结果现在油价翻番。

除此之外，人工智能又带来了新的麻烦。科技公司拼命建数据中心，用电需求迅速增加。但是美国基建效率太低，很多数据中心直接跑去居民区抢电。

德谟克拉西成天说自己民主民主，但你不能只是投票的时候民主呀。一投完票，账单一打开，给我主哪儿去了？

说完社会，再说资本。

德谟克拉西就是世界上最贵的游戏，投下去的是真金白银，输了全部清盘，而赢家可以得到的就是政治权力的背书和政策红利。

过去几十年，华尔街、能源公司、工会和行业协会一直在资助政治人物。

今年有三股新势力，特别值得关注。

第一股是人工智能，这个已经讲烂了，就是硅谷右翼希望减少监管。一个叫“Leading the Future”的超级政治行动委员会，给中期选举筹了约1.4亿美元。

第二股是加密货币。据10月底的竞选资金报道，加密货币行业已经在一百多场选举中投入约1.76亿美元。他们扶持两党的友好议员，希望特朗普离开白宫以后，数字资产立法照样能往前走。

第三股最有意思，就是博彩公司和预测市场。

传统体育博彩，你押100美元赌湖人队赢，博彩公司给赔率，负责赔付。

预测市场换了种玩法。它把“湖人队获胜”做成合约，一份卖60美分，你花60美元买100份。赢球以后，每份合约兑付1美元，你拿回100美元；输了就归零。比赛没打完，合约还可以转卖。

争议就在于怎么管理。

美国体育博彩主要由各州监管、征税。比如纽约州，线上体育博彩毛收入的税率高达51%，2026财政年度给州政府带来了约13亿美元税收。

预测平台就说了，我经营的是受联邦商品期货交易委员会监管的金融衍生品合约，不应该受到博彩法律管理。

10月27日，就是选举前不久，美国商品期货交易委员会宣布起诉犹他州，要求阻止当地以反赌博法律限制预测市场。第二天，犹他州总检察长反手对预测平台Kalshi及两名创始人提出刑事指控。

说白了，就是这巨大的税收到底是进联邦的口袋，还是州府的口袋。

这次中选，传统体育博彩公司的政治捐款已经超过7200万美元；Kalshi、Polymarket及其创始人累计捐出至少500万美元。与此同时，预测平台还把各地候选人的胜负挂上交易屏幕，属于是一边挣钱一边花钱。资本主义被他们玩明白了。

两年一次的中期选举，最终决定的是谁进入国会。但看看这些候选人背后的资金、地方利益和生活压力，我们还可以提前观察到，美国下一代政治力量正在往哪里走。

【第二章】共和党继承人之战，开打

2024年，特朗普大杀四方，到了2026年，他却成了共和党候选人既想靠近、又怕靠得太近的人。

共和党现在面临一个很尴尬的问题：特朗普在MAGA基本盘里的号召力依旧非常强，但出了这个圈子，他的招牌越来越不好用了。

2026年5月，马凯特大学法学院的一项民调发现，在认同MAGA的共和党选民中，87%的人表示，如果特朗普支持某位候选人挑战共和党现任议员，他们会支持特朗普的人。可是在不认同MAGA的共和党选民中，这个比例只有30%。

这会产生一个非常有意思的现象：特朗普可以决定谁代表共和党参选，却未必能够决定谁最终赢得选举。

今年最经典的故事，就发生在共和党的铁票仓，得克萨斯州。

5月26日，得州举行共和党联邦参议员初选第二轮投票。已经在国会干了24年的资深参议员约翰·科宁，输给了得州总检察长肯·帕克斯顿。

而且输得很惨。帕克斯顿拿到63.8%的选票，科宁只有36.2%。

科宁2002年就当选参议员，担任过共和党党鞭，熟悉国会程序，拥有庞大的筹款网络，属于共和党建制派大佬中的大佬。

可惜，他有三件事得罪了特朗普：支持援助乌克兰，2022年与民主党合作推动枪支安全法，以及2023年公开质疑特朗普能否重新赢得总统选举。

帕克斯顿则非常懂得政治投机。

2022年，特朗普宣布再次竞选总统的时候，帕克斯顿就是现场仅有的两名民选官员之一。等到2026年5月19日，特朗普正式宣布支持帕克斯顿，还专门批评科宁在自己困难的时候没有给予支持。

但是帕克斯顿本人，2023年，他因为涉嫌滥用职权等问题遭到得州众议院弹劾，最后在州参议院获得无罪裁决。这就属于有点带病提拔的意思了。

共和党建制派当然不愿意接受这个结果。

支持科宁的各路政治组织，在整个初选期间投入的资金接近帕克斯顿阵营的九倍。参议院共和党领袖约翰·图恩也站在科宁一边。

最后，钱花了，人输了。

科宁在国会经营了二十多年。他的人脉、捐款网络、与地方企业和利益集团的关系，都是共和党积累下来的政治资产。

通常情况下，类似科宁这样的老议员退出政坛，党内会寻找接班人，逐步完成利益和权力的交接。

特朗普直接打断了这个过程。

为了保住一个原本相对安全的席位，共和党建制派投入巨额资金，最后还得重新团结在自己曾经猛烈攻击的帕克斯顿周围。

更麻烦的是，共和党初选和全国性大选的选民结构不同。

初选的投票者往往政治立场更鲜明，特朗普的背书很有用。到了终选，独立选民和温和派共和党人的态度就重要起来了。

这些人未必会投给民主党，但他们可以选择不投票。民主党支持者则可能因为反感特朗普而更加积极地出来投票。

9月的马凯特大学民调显示，在非常支持MAGA的共和党选民中，82%的人确定会参加中期选举；在不支持MAGA的共和党选民中，这个比例只有52%。

对于一个竞争激烈的选区来说，这种投票积极性的差异，就足以影响胜负。

特朗普要求共和党人对他忠诚，可共和党的组织资源和竞选机器，还没有完全围绕他重新建立。

结果你看，求锤得锤，帕克斯顿，终选连40%的票都没拿到。民主党连续拿下参议院和州长。

说完共和党，我们再来看看MAGA内部。

2026年9月，马萨诸塞大学阿默斯特分校公布民调，共和党选民中，31%的人强烈认同MAGA，37%的人一定程度上认同，还有32%完全不认同。与3月相比，MAGA的总体认同率下降了9个百分点。

塔克·卡尔森、玛乔丽·泰勒·格林、坎迪斯·欧文斯等昔日MAGA阵营的重要人物，已经因为伊朗战争等问题公开翻脸。

当然，特朗普依然是总统，手里掌握着人事任命、政策制定和大量政治资源。共和党里暂时还没有谁能够取代他。

但大家已经开始考虑2028年了。

首先值得关注的，是经济民族主义者。

代表人物奥伦·卡斯，曾经担任共和党总统候选人罗姆尼的政策顾问。2020年，他创办智库“美国指南针”，主张重新思考自由市场经济。

卡斯认为，美国过去几十年过于重视企业利润和消费品价格。企业把工厂搬到海外，股东赚了钱，消费者买到便宜商品，可美国本土失去了就业岗位。工人失业以后，年轻人离开，地方税收下降，学校和社区也逐渐衰败。

他主张政府主动扶持制造业，让经济政策服务于劳动者、家庭和国家利益。

这套理论与特朗普的再工业化政策高度契合，但执行起来非常困难。

美国制造业外迁已经几十年。重建工厂、培养技术工人、恢复供应链，都需要长期投入。美国基层选民希望生活成本立刻下降，他们未必等得起。

更何况特朗普自己的政策也经常相互冲突。发动伊朗战争推高能源价格，进一步增加了美国工业和家庭的负担。

另一股力量，是以彼得·蒂尔为代表的硅谷科技右翼。

2022年，蒂尔向支持万斯竞选俄亥俄州参议员的超级政治行动委员会投入约1500万美元，帮助这个政治新人进入国会。

这批科技资本希望借助共和党的权力，推动人工智能发展、减少监管、降低企业经营成本。

问题是，经济民族主义者希望保护工人的岗位，而科技企业不断运用自动化和人工智能减少劳动需求。

科技右翼希望市场更加自由，经济民族主义者却要求政府更加积极地干预市场。

两派对于美国未来应该怎么发展，存在实实在在的利益分歧。

除此之外，共和党内还有一批宗教保守主义者、国民保守主义者和后自由主义思想家。

圣母大学教授帕特里克·德宁，批评现代自由主义过度强调个人自主，主张恢复家庭、社区和传统道德的地位。

哈佛大学法学院教授阿德里安·维米尔，提出“共同善宪政主义”，希望国家机构和法官在解释法律时更加重视公共道德与社会秩序。

政治思想家约拉姆·哈佐尼，则强调民族国家的独立性，反对让自由市场凌驾于国家利益之上。

这些思想家希望推动美国保守主义从经济政策到国家治理发生变化。他们需要有人把理论转化成能够长期执行的政治纲领。

目前最有希望整合这些力量的人，就是副总统万斯。

他与蒂尔关系密切，认同卡斯对自由市场的批评，也公开推荐过德宁的著作。2026年3月，万斯以共和党全国委员会筹款负责人的身份，在华盛顿郊外的一场晚宴上筹集了约600万美元。

但是他的麻烦也在这里：朋友太多，大家想要的美国又不完全一样。

经济民族主义者要求保护制造业就业，科技资本希望推进自动化；传统主义者希望政府维护社会道德，硅谷企业家则更关心企业创新与市场自由。万斯将来必须在这些诉求之间作出选择。

另一个值得关注的人，是国务卿卢比奥。

卢比奥拥有更加成熟的共和党建制派人脉，在外交上倾向于维持美国的全球领导地位，与万斯的战略收缩倾向存在差异。

不过，两人的支持网络也有交集。2020年，卢比奥就参与了“美国指南针”的创刊活动，对经济民族主义并不陌生。

卢比奥已经公开表示，如果万斯参选2028年总统，他愿意支持万斯。但共和党传统大金主肯·格里芬今年7月表示，自己更愿意支持卢比奥。

可以说，万斯正在汇聚共和党内部的新兴政治力量，卢比奥则同时拥有传统建制派与部分新保守主义者的支持。

特朗普仍然是共和党的权力中心，可这两个人代表的政治网络，已经开始为特朗普之后的美国做准备。

在中国古代，农民起义能否成功，最关键的是能否拉拢到地主和士大夫阶层加入自己的运动。

如果说之前MAGA运动是一场草根运动，特朗普是一个政治敏锐度很高的投机土财主，那么随着这个集团的权力和资源越来越多，硅谷右翼作为“地主阶层”和奥伦卡斯就代表的“士大夫阶层”就开始和这场草根起义结合，提供弹药，理论和战略指导了。

至于第一代领袖特朗普结果如何？并不重要，就好像陈胜、吴广和小明王韩林儿，大家会记得他们振臂高呼的那一刻，但都不会太在意他们的结果。一场选举的大败，反而可以给他们更好的理由，开始挑衅第一代领袖，蚕食权力。

【第三章】民主党真的赢了吗？

说完共和党，我们再来聊聊民主党。

2024年特朗普大杀四方，民主党却陷入了严重的身份危机。

他们一直说自己代表劳动者、穷人和少数族裔，可是2024年，这些群体中的一部分人转而支持特朗普。

民主党内部吵了两年，也没形成统一结论。有人认为民主党的政策没有问题，只是执行能力太差；有人认为党已经被富裕的城市选民和政治捐款人绑架；还有人提出，民主党应该重新争取宗教和传统价值观选民。

到了2026年，这些争论开始转化为实际行动。即使民主党赢得中期选举，也还有一个问题：究竟是谁帮民主党赢下来的？

我们先来看共和党最不愿意看到的一批人。

美国众议院里有一个组织，叫作“新民主党联盟”。1997年成立，目前拥有114名众议员，占民主党众议员的一半以上。

它的主席是伊利诺伊州议员布拉德·施奈德，负责推动经济和生活成本议程的是宾夕法尼亚州议员克里西·霍拉汉。

2026年2月，他们发布《生活负担议程》，提出未来十年建设400万套住房，同时改革能源审批、降低医疗成本、扩大育儿支持。

他们的判断很有意思：美国的生活成本问题，很大程度上与供应不足有关。住房规划限制太多，房子建不出来；发电厂和输电线路审批太慢，电价就容易上涨。

这套方案强调政府投资、市场竞争和行政改革。霍拉汉还在9月提出了相应的住房立法。

但新民主党联盟最厉害的地方，是它拥有一整套选举机器。

它的行动基金今年支持了50名候选人，筹集及协助筹集超过1400万美元，直接参与共和党优势选区的争夺。

来看几个值得关注的人。

威斯康星州的丽贝卡·库克，出生在奶牛场，靠当服务员支付大学费用，后来创业。她挑战的共和党议员范奥登，是特朗普的坚定支持者。

亚利桑那州的乔安娜·门多萨，出生于农业工人家庭，当过二十多年兵，是退役海军陆战队员。

这两个人在我们发稿的时候还没结果，但是都处于领先。

宾夕法尼亚州的佩奇·科涅蒂，当过市长，拥有地方财政和公共服务管理经验。这次击败了共和党议员布雷斯纳汉。

爱荷华州第一选区的博汉南，是法学教授和前州议员，击败了共和党的击败现任的共和党籍众议员米勒-米克斯。

这些人都获得了新民主党联盟行动基金的支持。她们在竞选中强调自己的地方经历，谈医疗、住房、就业，试图争取那些对特朗普不满、又不愿意支持激进左派的选民。

第二股力量。

2025年，纽约出现了一个政治新人，马姆达尼。

他的崛起是一场民主党内战，马姆达尼属于民主社会主义者组织，简称DSA，他们是一个独立组织，只是在竞选的时候披着民主党的皮。2025年，他在纽约市长选举中击败了在纽约经营了几十年的民主党老将科莫。

他的政策非常直接：冻结部分公寓租金、扩大免费托育、推行免费公交、建设公营平价食品店。

民主党建制派调集大量资金围攻马姆达尼。根据纽约市竞选财务委员会的数据，2025年整个选举周期中，外部组织花费约3100万美元支持科莫，另有2190万美元用于反对马姆达尼。

马姆达尼则组织起超过5万名志愿者，其中3万多人参加上门拜访或电话动员，累计敲门约160万次。

他的胜利给民主党左翼总结出来新思路：有稳定的基层动员组织，就有机会挑战依赖传统捐款人的资深政客。

2026年，这套方法开始向国会扩散。

纽约的克莱尔·瓦尔德斯，既是民主社会主义者组织DSA的成员，也是汽车工会UAW的组织者。她竞选国会议员时，UAW主席肖恩·费恩亲自站出来支持，马姆达尼也为她助选。她以83%的选票拿下了纽约州第七选区。

另一名候选人阿维拉·舍瓦利耶，击败了担任西班牙裔国会党团主席的老议员埃斯派亚特。以87.5%的选票拿下纽约州第13选区。

在科罗拉多州，民主社会主义者梅拉特·基罗斯，击败了已经连续任职近30年的民主党众议员德格特。最终以78%的选票拿下科罗拉多第一选区。

密歇根州的多诺万·麦金尼，挑战现任民主党众议员塔内达尔，获得了DSA、汽车工会、护士工会、工作家庭党以及多个进步派政治行动委员会的支持。这些组织可以提供志愿者、捐款、广告和基层动员。最终以74%的选票拿下密歇根第13选区。

这里要区分一下。马姆达尼支持的人，未必都是DSA成员。

他们进入国会以后，也不可能像马姆达尼管理纽约那样直接推行免费公交。

他们更可能推动全民医保、提高最低工资、扩大工会组织权、增加可负担住房投入，并利用国会听证和预算谈判向民主党领导层施压。

以后怎么连任？他们依然需要筹款、投广告，但可以依靠工会、地方分会和志愿者，建立自己的选民联系网络。这批人最大的特点，是把工会重新带回民主党政治，而且尝试让基层组织拥有挑选候选人的权力。

不过，他们目前最突出的胜利，大多发生在民主党优势选区。能否把同样的方法带到共和党选区，还需要选举结果检验。

第三股力量更加有意思。

他们在共和党的地盘，争夺宗教话语权。属于正面硬刚。

最有代表性的人物，就是这次最大的黑马，得州的塔拉里科。他以超大比例击败了刚才说到的特朗普的铁杆支持者帕克斯顿。把一个铁桶给打穿了。

他以前是一名中学教师，后来进入得州议会，现在还在长老会神学院学习，希望成为牧师。

共和党人经常用《圣经》讨论堕胎、同性恋和传统家庭。

塔拉里科也讲《圣经》，但他强调耶稣要求人们关心穷人、帮助病人、善待移民，认为基督教信仰同样可以支持进步派经济政策。

他直接走进教会，向那些长期把共和党与基督教画等号的选民，提供另一种政治选择。

另外的超级翻盘在堪萨斯州。这里的民主党已经将近一个世纪没有赢过联邦参议员选举。今年，民主党推出了亚当·汉密尔顿，一位大型卫理公会教会的创办牧师。

汉密尔顿创办的教会拥有约2.5万名成员。他长期在宗教界活动，2026年却以民主党候选人的身份挑战共和党参议员马歇尔，并把生活成本、公共道德和政治温和作为竞选主题。

爱荷华州还有两名值得关注的民主党候选人。

莎拉·特龙·加里奥特，是路德宗牧师，也是州参议员。她击败了共和党联邦众议员扎克·纳恩。她在竞选中就直接引用《圣经》，强调政治人物应该多听普通人的意见。

另一名候选人林赛·詹姆斯，曾担任长老会牧师，也是州议员，获得了新民主党联盟行动基金的支持。她在爱荷华第二选区，击败了特朗普小将米切尔。

这几个人还没有形成全国性的宗教进步派组织，政治立场也各有差异。但他们已经开始用类似的方式，把信仰、医疗、贫困和社会责任联系起来。

这就是民主党里面的三条线。

可以看出来，这3条线比此前的身份、政治和意识形态斗争更加务实，对于实际的问题都给出了自己的方案。要么是加强公共投资，要么是改革政策，要么是用更务实的话语解释传统价值观。

但是挑战就是他们之间存在严重分歧，更麻烦的是，选举胜利不会自动解决这些分歧，各自获得实际的权力，反而会加剧分歧。

共和党虽然大败，但是运动的中心已经形成，运动的方向已经明确，需要的只是换掉一些麻烦制造者。

民主党虽然大胜，但是就好像2024年他们不知道是怎么输的，2026年他们也不知道是怎么赢的，他们需要的是一场彻彻底底的组织重构。

2026只是一次歇脚，2028年才是大考。

谁能获得总统提名，谁能够把工会、城市青年、郊区中产、农村选民和宗教群体组织到一起？谁能够筹集足够的资金，又不让自己的政策完全受到捐款人的控制？今天的美国人已经听了太多关于特朗普的问题。谁能够提出一套足以取代特朗普的方案，才是2028年美国政治最重要的竞争。

“外卖是个不错的生意，不能到最后只让平台受益。”

9块9，一份热腾腾的饭，还给送到你家门口。

对每天要解决午饭的人来说，这当然是好事。一个月点二十次，每次省几块钱，也是一笔实实在在的生活费。

可现在，便宜外卖正在发生变化。

10月22日的外卖产业大会上，美团外卖总经理薛冰披露，今年餐饮商家的外卖订单中，15元以下低价订单的占比同比减半。这里说的是占比，并非订单数量直接少了一半。

平台说，低价泡沫正在消退。从顾客的角度来看，问题也很简单了，以后吃饭的时候是不是要多花一笔钱呢？

先别急着接受一个解释：便宜饭少了，行业就变好了。

得先看看，你之前省下的钱，到底是怎么省出来的。

01九块九，差价谁来补

你付9.9元买一份饭，光看这个价格，还算不出老板究竟赚多少。

如果平台替你补了一部分钱，商家实际得到的钱，可能就比你支付的多一些。这种优惠，消费者当然可以享受。它和超市给几款商品打折促销，没有什么不同。

问题在于，标着平台红包，钱却不一定全是平台出的。

中国新闻网今年三月份的调查显示，一些商家参加红包和配送优惠时，要自己垫付相当一部分费用；还有商家反映，不参加活动就没了流量，参加了又赚不到钱。

报道中，一名业务经理算了一笔账：在某个活动中，一份20元的订单，扣除技术服务费、运费以及商家承担的红包和推广费之后，商家实际收到的钱不到四块钱。

这只是一个店铺在特定情况下的账，不能代表所有外卖订单。但它能解释一种让人困惑的现象：为什么你会觉得外卖很贵，而老板却说自己赔本了。

你付的钱，没有全部变成饭盒里的肉和菜。

▲饮品订单的顾客实付与商家实收（不是上文20元示例）。来源：中新网，受访者供图。

消费者最容易想到的是平台抽佣。商家要承担的费用里，还有配送费、推广费和各种活动开支。只看佣金这一项，还看不清这笔账：从一份饭的定价到商家最终收款，中间扣了哪些费用，都得算进去。

外卖是个不错的生意，不能到最后只让平台受益。

平台控制着订单入口以及流量的分配。商家想要让顾客看到自己，就要花钱去推广；为了承接活动带来的订单，还得算自己要承担多少优惠。如果平台只顾着扩大交易规模、收取费用，却不考虑商家怎样才能保住饭菜的质量，那么这份生意再红火，也不值得叫好。

如果平台的优惠需要商家先垫付，而商家又通过提价消化这些成本，那么你抢到的红包里，就可能有一部分早已计入菜单价格。

折腾了那么久领到一张优惠券，回头买的还是同样的东西。

02单多了，饭也难一直便宜

商家可以这样解释：价格低一些也没有关系，薄利多销。

但是薄利多销的前提是，销量增加之后能带来更多的收益，同时摊低平均成本。

复旦大学研究2025年补贴大战时，使用了全国4万余家餐饮商户的交易数据。在研究所指的竞争加剧期，样本商户每天的外卖加堂食总订单量平均上涨了7%，实际收款却平均下降约4%。

▲资料整理：2025年补贴竞争加剧期，样本商户平均变化。来源：复旦大学经济学院。

这组样本里，忙碌的程度提高了，得到的钱却少了。

一个原因是外卖代替了去饭店就餐。以前到店里吃饭的人因为优惠而选择在网上点餐。饭菜还是那一份，但是商家还需要承担包装费、配送费以及各种活动所产生的费用。

对消费者来说，这一单能省些钱。但对同一家餐厅来说，原来收入更多的堂食，却可能被收入较少的外卖替代。

如果仅仅用这种方式来扩大订单量，后厨很忙碌，并不等于生意能够长久维持下去。

低价难以持续，原因也在这里：促销可以把商品的价格降低一些，但是不能使买菜、制作饭菜、送外卖这些事的成本自动降低。

商家要收回成本，而平台也期望通过补贴来获得收益。米村拌饭在本次大会上表示，今年已减少大规模促销活动，并且把一部分资金用来调整分量、包装和产品定价。

现有公开信息还算不清楚，低价占比下降，有多少是优惠收缩造成的？又有多少来自产品组合或订单结构的变化？但不能据此认定消费者突然不愿意节省开支了。

想吃便宜午饭的人依然在，但过去的让利方式，越来越难让各方都觉得划算。

03成本压缩，会动到饭菜吗

老板的利润被压缩，跟消费者又有什么关系？

一份饭菜的价格摆在页面上，后厨省掉了什么，却不容易看见。

深圳新闻网转引了广东省餐饮服务行业协会今年发布的报告，该报告显示，在广州、深圳等城市137家受访商户中，有商户选择换用价格更低廉的食材或者减少分量来降低成本，并且有52.6%的受访商户减少或放弃了一些与食品安全有关的投入。

这是一项区域商户调查，并不代表所有便宜外卖。但是它暴露出的风险会直接影响点餐的人。

饭菜里的肉少了，你也许能发现。清洁消毒、设备保养以及员工培训所节省下来的费用，隔着手机屏幕，很难看出来。

如果一直只比价格，那么一家仍然坚持原有食材和卫生条件的小店就可能比牺牲食材和卫生标准来省钱的商家更容易倒闭。

最后留下的，并不一定就是饭做得更好、效率更高的店铺，也有可能是敢于放弃基本要求的店铺。

这样的低价竞争就可能导致劣币排挤良币。

消费者先省下了一些饭钱，但是之后可能失去的就是附近那家认真做饭的小店，还得反复担心食物安全。

但是不能因为这样就把责任推给点9块9外卖的消费者。工资不高的人想要省钱是完全可以的。

也不能让商家拿经营困难为偷工减料找借口。食品安全是经营的前提条件之一，即使成本很高也不能把隐患留给消费者。

平台这时也不能隐身。在收费、活动和流量分配这些事上，它有权决定这些规则，并且也应该对此负责。

如果一边以低廉的价格来吸引顾客，另一边又将让利的压力一层层传递给商家，最后就可能逼着商家继续压低成本，而消费者得到的食物却越来越差，这样的竞争究竟产生了些什么呢？把一顿饭越卷越薄，不该算作平台的本事。

▲骑手配送资料照。来源：中新网；中新社记者贾天勇摄。

04留下实惠，少些假便宜

外卖以后是否会涨价，得先分清成本是怎么降下来的。

同样的饭菜，通过集中采购、提前备料、批量加工，减少损耗和重复劳动，就可以做到价格更低一些。降价了，但是分量和卫生水平不需要一起下降。

美团提出的超级厨房就是要重新安排选址、厨房布局和出餐流程；第一批1000家就是接下来一年计划共建的厨房。反向定制套餐、集中采购、人工智能经营管理工具等也是这次提出的解决方案。

这些方法是否有作用，消费者不必提前为它们叫好。要看的是最后送到手里的饭菜：价格是否更便宜了，分量有没有变少，菜品以及厨房卫生状况怎么样。

假如效率确实提高了，普通人的饭菜价格也能降下来，商家同时还有钱可赚，那么9块9一份的饭菜就越多越好。

平台要依靠更好的供需匹配、更少的经营损耗和稳定可靠的配送，证明自己的服务值得这笔费用。

如果平台不创造价值，只是不停地从商家那里榨取利益，再把订单增长当作自己的成果，那么这个行业就会越来越内卷。商家为了接单而疲于奔命，消费者则在各种红包、满减以及起送门槛之间反复计算，饭菜没有变好吃，花的钱也没少。

这样的外卖，生意做大之后，并不一定会让做饭、吃饭的人受益。平台不能只想着自己赚钱，却把代价推给商家和消费者来承担。

少给几张券，换一种方式收取费用，并没有提升食物质量也没让商家经营得更轻松，却把消费者多付的钱说成行业回暖，这样的说法恐怕很难被人们所接受。

15元并不是一道质量界限。低于这个水平并不一定就是有问题的产品，而超过这个水平也并不能保证会更好吃、更卫生。

点餐时，可以这样比较：同一家餐厅、同样分量的饭菜，把包装费、送餐费和用券条件一起看清，最后花了多少钱，又吃到了什么。

让人愿意花钱的，是一份看得明白、吃得放心的饭，不是一个越来越复杂的优惠页面。

便宜饭少了，值得问一句为什么；如果认真做饭的店越来越少，就更该问问，谁把这门生意带到了这里。

消费者不该为了省几块钱，被迫在吃得起和吃得放心之间二选一。

本文写作说明

本文整理美团大会公开资料、中国新闻网调查、复旦研究及媒体转引的广东省餐饮服务行业协会报告，未作现场调查。平台数据、个案和区域样本各有适用范围；本文讨论低价竞争的成本与消费者处境，低价不等于低质。由作者作观点取舍，AI协助整理资料、起草文字。

主要资料来源

主要来源于美团在2026年外卖产业大会上的公开资料、界面新闻和财新的报道、中国新闻网《民生调查局》所做的调查、复旦大学经济学院的研究成果以及深圳新闻网对于广东省餐饮服务行业协会报告的报道。

2026年11月2日，Marvell宣布以1150亿美元收购激光器公司Lumentum，把光的源头握进了自己手里。

这是它三十年里最大的一笔收购，也是第四次身份转换。三十年前它做硬盘芯片，此后做过消费电子，做过数据中心，如今想成为一家光电一体的连接公司。

今天这个Marvell，和最初那个Marvell已经不是同一家。产品目录、客户名单、收入结构、毛利率、竞争对手，全都换过。它不是靠一次转型完成的，而是靠三十年里十几笔收购，一笔一笔，把自己买成了另一家公司。

三十年，四次身份。故事要从1995年讲起。

第一个Marvell：从一颗读通道芯片，到一间“杂货铺”

1995年，周秀文、戴伟立、周秀武在硅谷桑尼维尔创立Marvell。启动资金大约35万美元，来自家庭积蓄。三个人都是伯克利出身，夫妻加兄弟，标准的家族创业班底。

他们选了一个很窄的切口：硬盘的读通道芯片。这个市场当时被德州仪器垄断，用的是双极工艺。周秀文认为，被业界认为“太慢”的CMOS，只要设计得足够好，可以更快、更省电、更便宜。

技术做出来了，没人敢用。三星拒绝，西部数据拒绝——不是芯片不好，是公司太小，没人愿意为一个没量产的供应商换掉现有体系。转折来自戴伟立的一通陌生电话。她找到希捷的一位科学家肯尼斯·布恩，对方正为德州仪器的新一代芯片达不到速度指标发愁。希捷给了一个几乎不可能完成的指标，Marvell三个月做了出来。希捷不仅下了单，还把德州仪器整个换掉了。

这是Marvell的第一次“以下犯上”。1998年，希捷成为它第一个大客户。此后几年，公司几乎每年翻倍。2000年6月27日，Marvell在纳斯达克上市，发行价15美元，首日收在56美元附近，涨了近三倍，募资9000万美元。数百名员工一夜之间成了百万富翁，两位创始人当年登上《财富》40岁以下富豪榜。

上市之后，Marvell开始“买”。

2000年10月，约27亿美元股票买下以色列网络芯片公司Galileo，进入以太网交换；2002年买SysKonnect，2003年4970万美元买Radlan补网络软件；2005年1.8亿美元现金加4500万美元股票买QLogic的硬盘控制器部门，2400万美元买UT斯达康的SOC业务；2006年2.4亿美元买Avago的打印机ASIC业务。

然后是最重要的一笔：2006年7月，6亿美元现金，从英特尔手里买下XScale手机及手持设备芯片业务。

这笔交易的想象力在当时看来是巨大的。XScale的PXA系列应用处理器，装在BlackBerry、Palm Treo这些明星机型里；而Marvell自己已经有WiFi、蓝牙、存储控制器。手机需要的周边芯片，它几乎全能供。2007年，第一代iPhone发布，WiFi芯片用的就是Marvell的。

那是Marvell离消费电子王座最近的一次。

也是它摔得最重的一次。XScale有应用处理器，没有基带。高通把基带和应用处理器集成到一颗芯片里，联发科把整套方案做成“交钥匙”，手机厂商只需要贴牌。Marvell两头不靠：做高端，打不过高通；做低端，打不过联发科。2015年，Marvell退出手机芯片业务，裁员约1200人。从6亿美元买入到全面退出，不到十年。

回头看这二十年，Marvell的收购逻辑其实只有一条：用股票买营收。

华尔街要增长，自研太慢，那就买。买到2010年，Marvell已经跻身全球前二十大半导体公司，排第十八位。它有超过一万项专利，几千个产品型号，硬盘、以太网、WiFi、手机、打印机、机顶盒，什么都有。

也是在那一年之后，增长停了。营收在30多亿美元到37亿美元之间磨了四年，然后一年掉回26.5亿。股价从十几美元滑到不足10美元。

这是第一个Marvell的终点：一家什么都能做，但没有一处做到第一的公司。它的每一条产品线里，都站着一个比它更专注、更大的对手。硬盘控制器上有LSI，以太网交换上有博通，手机上有高通，WiFi上有博通和Atheros。

它像一家开在路口的大超市，货架很满，但每条街上都有一家更专业的店。

2016年，超市关门了。

第二个Marvell：先卖掉半个自己

2016年是Marvell成立以来最暗的一年。

董事会审计委员会启动内部调查，SEC介入，纳斯达克因为2016财年10-K延迟提交发来退市警告；同一年，公司与卡内基梅隆大学达成7.5亿美元专利和解。审计委员会最终没有认定欺诈，但结论是：管理层对销售团队施加了“显著压力”以完成营收目标，部分交易的收入确认不符合公司政策。

4月，创始人周秀文和戴伟立辞去CEO和总裁职务。激进对冲基金Starboard Value此时已持有约7%的股份，推动了一场教科书级别的管理层重组。7月，前Maxim Integrated高管Matt Murphy出任总裁兼CEO。

他接手时的Marvell，市值不到50亿美元，股价在10美元上下。客户在担心这家公司还能不能活下去。

Murphy后来在第一次分析师日上说，这是一家“没有舵的公司”。研发费用像撒胡椒面一样摊在二十多条产品线上，没有一条做到行业前三。

他做的第一件事，不是买，是卖。

2019年，WiFi和蓝牙业务以17.6亿美元卖给恩智浦；2025年，车载以太网业务以25亿美元卖给英飞凌。两次剥离，回笼43亿美元，把公司从消费电子里彻底摘了出来。

很多公司的转型是从“买”开始的，Marvell的转型是从“卖”开始的。要变成另一家公司，先得把旧的身体卖掉。

然后是买。2018年，60亿美元现金加股票收购Cavium，拿到ARM服务器CPU、DPU和网络安全芯片；2019年，4.52亿美元收购Aquantia，补多千兆以太网；同年6.5亿美元收购格罗方德旗下的Avera Semi，补定制ASIC；2021年，约100亿美元收购Inphi，补光DSP；同年11亿美元收购Innovium，补数据中心交换芯片。

还有“绑”。他要的不是订单，是“多年可见的收入”。Marvell与AWS签了一份五年以上的多代协议，覆盖定制AI芯片、光DSP、AEC DSP、PCIe retimer、DCI光模块和以太网交换——不是一单买卖，是一整套系统级合作。10-K里披露的部分产能预留协议，期限长达4到10年。

结果写在报表上：FY2016营收26.5亿美元，FY2026营收81.95亿美元；数据中心业务占比升到74%，到FY2027第二财季进一步升到79%。

十年前，数据中心占它收入不到10%。今天，它占了这家公司营收的近八成。

到这一步，Marvell已经变成了第二个自己：一家数据中心基础设施公司。Cavium给了它计算，Aquantia给了它以太网，Avera给了它定制ASIC，Innovium给了它交换。

但它还只是一家“卖芯片”的公司。

第三个Marvell：从Inphi开始，往光里走

2020年10月，Marvell宣布以约100亿美元现金加股票收购Inphi。消息出来时，华尔街普遍觉得贵——Marvell当时一年的营收还不到30亿美元，却要为一家做PAM4 DSP的公司付出三倍于自己营收的代价。

但Inphi给Marvell的，不是一条产品线，是一个位置。

如果说Cavium让Marvell换了客户，Inphi让它换了身份。

一个800G光模块里，成本最高的两类器件是DSP和激光器。DSP负责在电的层面把信号“修好”，是速率升级的第一道关卡；激光器负责把电变成光，是传输的物理起点。Inphi是全球光DSP的领导者，Marvell买下它，等于站到了“电”和“光”的交界处。

更重要的是，Inphi让Marvell第一次看懂了光。

它开始意识到：自己的DSP再强，也要等激光器。激光器的波长、线宽、功率、良率，决定了DSP能不能跑满；光器件的产能，决定了模块厂能交多少货；而模块厂的交付，决定了云厂商的集群能多快上线。在这个链条上，做电芯片的公司看起来很重要，其实是“配合方”。

于是从2021年开始，Marvell沿着“连接”这条线，一寸一寸往上游买。

2021年，11亿美元买Innovium，补数据中心交换；2025年12月，32.5亿美元买Celestial AI，拿到Photonic Fabric光子织物，把光做到封装里面；2026年初，5.4亿美元买XConn，补PCIe/CXL交换；2026年4月，买下Polariton，补等离激元调制器。

把这几笔交易按“距离”排一下，会发现一条非常清晰的路线：封装内（毫米级）→芯片间（厘米级）→板级（几十厘米）→机柜间（米级）→数据中心间（公里级）。

Marvell把“连接”这件事，从电做到了光，从机柜外做到了封装里。

到这一步，它已经不是一家“芯片公司”了。它卖的是连接——从一颗芯片到另一颗芯片，从一个机柜到另一个机柜，从一个数据中心到另一个数据中心。芯片只是它交付连接的方式。

但它还缺一样东西：光源本身。

它做DSP，做交换，做定制ASIC，做retimer，做光子织物，但它不做激光器。而激光器，恰恰是整条链上最稀缺、最刚性、最难扩产的一环。

这就是Lumentum出现的原因。

第四个Marvell：把光的源头握进手里

补上这一环的，是Lumentum。它的前身可以追到1979年的Uniphase和1981年的JDS Fitel，1999年合并成JDSU，2015年分拆后，通信光学业务独立为Lumentum。它靠几轮收购拿到磷化铟激光器芯片和数据中心光模块，到2026年，其200G EML激光器芯片全球市占率超过九成，产能早已全部售罄、排到了2029年初。

当英伟达在2026年3月率先投资并锁定Lumentum产能时，Marvell的选择只剩两个：要么继续排队，要么把整家公司买下来。它选了后者，以全股票方式收购Lumentum，Matt Murphy继续掌舵，交易预计2028年上半年完成。

从硬盘、网络、手机，到数据中心，再到光，每一次收购都是一次自我改写。Lumentum让它成了一家真正拥有光源的公司。

值得注意的是时点：这几个月光模块概念股已经大幅回调，市场情绪明显转冷，而它反而选择在这个时候，把光的源头买下来。

这单1150亿美元的买卖究竟意味着什么、值不值，我另写了一篇专门拆解。这里先记住一件事：它又一次，决定不再做原来的自己。

结语：它下一次变成什么，取决于它下一次买什么

把Marvell三十年的收购画成一张图，会看到三次改行、四个身份。

第一次，2000到2015，从硬盘芯片到“杂货铺”。从读通道到以太网，从WiFi到手机，从打印机到机顶盒，Marvell买的是“更多的市场”。这次改行失败了。它让Marvell成了一家什么都有、但什么都不强的公司。2016年的危机，就是这次失败的账单。

第二次，2016到2021，从“杂货铺”到数据中心。卖掉WiFi和车载以太网，买进Cavium、Aquantia、Avera、Inphi、Innovium。这次改行成功了。营收从26.5亿美元到82亿美元，市值从不到50亿美元到1722亿美元。

第三次，2021到2026，从数据中心到光。从Inphi到Celestial AI，从XConn到Polariton，再到Lumentum。这次改行还没有结束，它的终点在哪里，没有人知道。

三次改行，同一个方法：用收购换时间。

在半导体行业，这不是Marvell独有的做法。这个行业的规则是：技术迭代快、研发投入高、市场窗口短。一条InP产线要建3到5年，一个光DSP生态要养5年，一个大客户的关系要磨10年。而AI的窗口，只有2到3年。全靠自研，等做出来，市场已经换了方向。

所以这个行业的巨头，无一不是买出来的。博通是，英特尔是，AMD是，Marvell也是。

但Marvell的特殊之处在于：它买的不只是技术，是身份。

每一次收购，都是一次自我改写。Galileo让它成了网络公司，XScale让它差点成了手机公司，Cavium让它成了数据中心公司，Inphi让它成了光连接公司，Lumentum让它成了——一家拥有光源的公司。

它买过硬盘、买过网络、买过手机、买过打印机、买过DPU、买过光DSP、买过光子织物，现在，它买下了激光器。

每一次买，都让它离“原来的Marvell”更远一点。

2024年9月，周秀文去世，63岁。他创立的这家公司，早已不是他离开时的那一家——产品、客户、收入结构，全部换过。唯一没换的，是那个“用收购换时间”的方法。

黄仁勋说，Marvell是下一家万亿美元公司。这句话说的是它的未来。但Marvell过去三十年的历史说明，这家公司的每一次身份转换，靠的不是自研，是收购。

所以，1150亿美元收购Lumentum，真正值得关注的不是价格，而是：这家公司又一次决定，不再做原来的自己。

它下一次变成什么，取决于它下一次买什么。

附：Marvell三十年收购清单（部分）

按交易宣布时间排序，金额为公开披露的股权/企业价值。

年份	标的	金额	买到了什么
2000	Galileo Technology	约27亿美元股票	以太网交换
2006	Intel XScale	6亿美元	手机应用处理器
2018	Cavium	约60亿美元	ARM服务器CPU、DPU、安全
2019	Aquantia	4.52亿美元	多千兆以太网
2019	Avera Semi	6.5亿美元	定制ASIC
2021	Inphi	约100亿美元	光DSP
2021	Innovium	11亿美元	数据中心交换
2025	Celestial AI	32.5亿美元	光子织物（封装内光互连）
2026	XConn	5.4亿美元	PCIe/CXL交换
2026	Lumentum	1150亿美元	激光器、光器件、OCS

本文来自微信公众号：大G看科技，作者：大G看科技（科技产业观察者，20余年科技媒体与上市公司传播经历。曾任《中国计算机报》、天极网总编辑，后历任联想公关经理、紫光国微高级品牌总监。长期关注消费电子、半导体和AI等科技领域的最新发展态势。）

前额叶，突然就成了一个热词。

自律、延迟满足、情绪稳定、做长期规划，几乎所有让一个人显得“成熟”的能力，都被归到了它的名下。

一个很自然的推论也就出现了，既然前额叶这么重要，那就把它练强一点。

很多人下载了脑力训练 App，每天打卡做记忆小游戏。有人会给自己层层加码，早起、冷水澡、戒糖、戒手机。

但是真实的结果往往是，练得越狠，崩得越快。

2016 年，伊利诺伊大学的七位心理学家，在《公共利益心理科学》上发表过一篇长篇综述，几乎把当时能找到的脑力训练研究，都梳理了一遍。

结论是，这些训练，确实能让人在练过的那个游戏上，表现越来越好。但这种提升，其实很难迁移到真实生活里。比如忍住不发脾气，坚持一个长期计划，或者是在诱惑面前停一停。

也就是说，我们以为自己在锻炼前额叶，其实只是在锻炼玩那个游戏的能力。

同一年，美国联邦贸易委员会以虚假宣传为由，让一家知名的脑力训练公司，支付了 200 万美元的和解金。

还有一个更隐蔽的陷阱，就是通过各种所谓的自律，用前额叶去逼前额叶，用意志力，逼自己更有意志力。

但这就好比一部手机，本来就只剩 10% 的电，你还打开最耗电的大型游戏，还指望它跑得比平时更流畅。这显然是不可能的。

真相是，我们一直把前额叶，当成一块需要被鞭策的肌肉，但忘了，它首先是一个需要被好好照顾的器官。

这篇文章里，我想给你介绍 7 个，对前额叶特别特别友好的习惯。

它们都不难，因为在挑选的时候，我给自己定了一条标准，就是不收录任何一个，需要咬牙坚持的习惯。

道理很简单。一个需要大量意志力才能维持的习惯，本身就在消耗前额叶。它对前额叶，也就很难谈得上友好。

第一，把睡眠，当成一种重要的充电方式。

很多人对睡眠的态度是，我先把该做的事做完，剩下的时间再拿来睡。睡眠，很像是一天的“余额”。

但对前额叶来说，睡眠可能是最重要的充电方式。

2007 年，睡眠科学家 Matthew Walker 做过一个实验，让一组人连续清醒大约 35 个小时，另一组正常睡觉。然后，给两组人看一些令人不适的图片，同时扫描大脑。

结果发现，熬了一夜的人，他们的杏仁核，也就是大脑里那个“警报器”，对负面图片的反应，比正常睡眠的人高出大约 60%。

而且更关键的是，他们的前额叶和杏仁核之间的连接，明显变弱了。这意味着，睡眠不足不只让人犯困，它还拔掉了前额叶和情绪警报器之间的那根线。警报一直在响，但很难停止了。

还有一个更直观的对比。2000 年，澳大利亚的研究者 Williamson 和 Feyer 发现，一个人连续清醒 17 到 19 个小时后，在一些反应和注意力测试上的表现，相当于、甚至差于，血液酒精浓度 0.05% 时的状态。在不少国家，这是酒驾的法定标准线。

想想看，一个早上七点起床的人，到午夜十二点，刚好醒了 17 个小时。

而我们很多最激烈的争吵，最冲动的决定，最悲观的人生思考，往往都发生在这个时段。

拿我来说，很多文章的第一稿，我都是在凌晨一点写完的。当时觉得文思泉涌，第二天早上一看，会删掉将近一半。

具体来说，我们可以试试这两件事。

一是，先固定起床时间，而不是死磕入睡时间。起床时间稳定了，生物钟会慢慢把入睡时间拉回来，这比躺在床上，逼自己快点睡着要简单得多。

第二，给自己留一段缓冲。睡前半小时到一小时，不做重要决定，不进行严肃的争论，不看有刺激性的内容。真有非谈不可的事，就对自己说一句：明天早上再说。

第二，每天给身体一点“运动零食”。

运动对大脑有好处，很多人都知道。但真正让我印象深刻的，是两个具体的发现。

一个是长期的。2006 年，伊利诺伊大学的实验者，找来一批 60 到 79 岁的老人，随机分成两组。一组，做六个月的有氧运动，主要是快走；另一组，只做拉伸和调理。

六个月后，扫描大脑，有氧组包括前额叶在内的多个脑区，灰质体积都有所增加。而拉伸组，没有出现类似的变化。

要知道，这些人已经过了六十岁。一个我们通常认为大脑“只出不进”的年纪。

另一个研究，是关于即时影响的。2009 年，也是伊利诺伊大学的 Charles Hillman 让一群孩子，在跑步机上快走 20 分钟，然后马上做注意力和抑制控制的测试。

结果，走完路的孩子，比安静休息了 20 分钟的孩子做得更准确。

你看，简单的 20 分钟快走，就能让前额叶在接下来的一段时间里，更在线一些。

所以，我想推荐一个说法，叫运动零食。就是说，不用非得去健身房待两个小时，而是像吃零食一样，在一天里穿插几段短小的运动。

一场重要的会议，或者是一次重要的谈话之前，先下楼快走十分钟。能爬楼梯的时候，就不坐电梯。写东西灵感卡住的时候，别死盯着屏幕，起来做二十个深蹲。

我自己的体会是，很多想了一上午都没想通的问题，往往在快走十分钟之后，突然就有了眉目。

身体动起来，其实是给前额叶通电最便宜的方式。

第三，常去有树的地方走一走。

这一条听起来最不靠谱，但它背后的科学证据，恰恰最扎实。

2008 年，密歇根大学的 Marc Berman 等人做了一个实验。他们先让参与者完成一组很耗神的任务，把注意力榨干。然后，随机让一半人去植物园散步，另一半人去城市街道散步，时间都是五十分钟左右。

回来再测。结果，植物园那组，注意力和工作记忆的表现明显提升。但是，城市街道那组，几乎没有变化。

更有意思的是，研究者后来让参与者，只是“看”自然风景的照片，也观察到了类似的效果，只是弱一些。

为什么会这样？

心理学里有一个解释，叫注意力恢复理论。简单来说，城市里充满了需要我们“主动应对”的刺激，包括但不限于车流、喇叭、广告牌、迎面而来的行人。前额叶得时时刻刻盯着，决定看什么、躲什么。

而自然里的刺激，比如树叶的晃动、流水的声音、云的移动，是一种柔和的吸引，它们轻轻抓住你的注意力，却不需要你动用前额叶去管理。

也就是说，在街道上散步，前额叶还是在上班的。在树林里散步，它才真正下了班，放松下来。

当然，不是每个人都能天天去森林。但我们可以做一些小小的调整。

比如说，午饭后，绕着附近有树的地方走一圈，而不是坐在工位上刷手机。或者是，每周留出一个半天，去一趟公园、郊野或者江边。

实在出不去，就在桌上放一盆植物，或者隔一阵子抬头看看窗外的天空。

第四，给情绪起一个准确的名字。

我之前其实讲过这一点，前额叶“过热”，最常见的原因就是情绪。

而有一个非常简单、又被反复验证过的降温方法，就是把感受说出来，或者写下来。

2007 年，加州大学洛杉矶分校的 Matthew Lieberman 等人做过一个实验。他们给参与者，看一些带着强烈情绪的面孔照片，愤怒的、恐惧的，同时扫描大脑。

一种情况下，参与者只是看着。另一种情况下，参与者要从两个词里选一个，给照片里的情绪贴标签，比如“愤怒”或者“恐惧”。

结果，仅仅是给情绪贴上一个名字，杏仁核的反应就明显减弱了，而前额叶活动增强了。

研究者把这叫做“情绪标注”。也就是说，当你说出“我现在很焦虑”的那一刻，你和焦虑之间，就出现了一道缝。你不再完全是焦虑本身，而是成了那个看见焦虑的人。

但这里有一个很容易被忽略的细节，就是名字要尽量准确。

比如说，“烦”就是一个很抽象、不准确的词，而“委屈”，就指向了一个具体的需要：我希望被理解。名字越准确，前额叶就越知道下一步该怎么办。

可以试试，下一次觉得烦的时候，多问自己一句：这个“烦”，更接近哪一种情绪？

情绪特别强烈的时候，强迫自己，打开备忘录写三句话：发生了什么？我感受到了什么？我真正想要的是什么？

第五，用第三人称跟自己说话。

情绪上头的时候，我们脑子里的自我对话，通常是这样的：“我怎么这么倒霉？”“我凭什么要忍？”“我完了。”

满屏都是“我”。

密歇根大学的心理学家 Ethan Kross 研究这个问题很多年。2014 年，他和同事做了一系列实验。他们让参与者，在一个压力很大的任务之前，比如只准备几分钟，就要当着评委做一场即兴演讲，用不同的方式跟自己对话。

特别的地方在于，一组的人称用“我”，另一组用自己的名字，或者“你”。

结果，用名字称呼自己的那一组，焦虑和羞耻感更低，演讲表现被评价得更好，事后反复回想、自我折磨的情况也更少。

2017 年，Kross 又和密歇根州立大学的 Jason Moser 合作，用脑电和脑成像去观察这个过程。他们发现了一个非常关键的细节，就是用第三人称跟自己说话，能有效降低情绪反应，而且并不需要额外调用前额叶的控制资源。

这就是我说，它对前额叶特别友好的原因。大多数情绪调节方法，比如强迫自己往好处想，本身就很费前额叶。而换一个人称这个方法，很简单，几乎也是没有成本的。

它的原理，很像我们给朋友出主意。朋友遇到麻烦，我们常常一眼就能看清，给出很冷静的建议。轮到自己，就当局者迷了。

换成第三人称，等于是把自己从当局者的位置，往后挪了一步。

第六，每天几分钟，练习“走神了，再拉回来”。

前额叶最核心的工作之一，是把注意力放在你选定的地方。而注意力最大的特点，就是它总会跑掉。

这本来是一件挺让人沮丧的事。很多人第一次尝试冥想，五分钟后就放弃了，理由几乎都是，根本静不下来，脑子里一直在想别的。

但如果我告诉你，“静不下来”，恰恰就是练习本身的目的呢？

2012 年，埃默里大学的 Wendy Hasenkamp 等人做了一个研究。他们让有经验的冥想者，在扫描仪里专注于呼吸，并要求他们，每当发现自己走神了，就按一下按钮，然后把注意力拉回呼吸上。

这样，研究者就把一次完整的注意力循环，拆成了四个阶段：走神 → 发现走神 → 把注意力拉回来 → 保持专注。结果发现，在“拉回来”和“保持专注”这两个阶段，背外侧前额叶有着明显的参与。

也就是说，冥想的价值，可能就在于每一次发现自己走神、再把自己拉回来的那一下。那一下，就相当于前额叶做了一次俯卧撑。

一个走神了二十次、也拉回来二十次的人，可能比一个一直感觉很平静的人，前额叶要发达得多。

而且这种练习，也不需要很长时间。我们可以每天找一个固定的时间点，比如早上刷完牙，花五分钟只做一件事：注意自己的呼吸节奏。

走神了，不要批评自己，只在心里轻轻说一句“回来”，然后回来。

刚开始不需要追求时长，只追求每天都做，就好。

第七，找个人好好聊一会儿天。

我们一般觉得，锻炼大脑，锻炼前额叶，就得做难的事。很少有人会把聊天，也当成一种脑力练习。

但 2008 年，密歇根大学的 Oscar Ybarra 等人发现，和别人进行 10 分钟的社交对话，对执行功能的提升效果，和做 10 分钟的智力题，比如填字游戏、阅读理解，效果相差非常少。

我们不妨想一想，一场真正的对话需要什么？

你要听懂对方在说什么，同时揣摩他没说出口的意思。你要记住前面聊过的内容，还要组织自己的回应。你想插话时要忍住，等对方说完。话题突然转向的时候，你得跟得上。

理解、记忆、抑制、切换。这几乎就是前额叶的全套工作。

不过，后续研究也发现，不是所有的聊天都有用。带着竞争意味的对话，比如说互相较劲、辩论，效果就不明显。真正有帮助的，是那种友善的、试着去了解对方的交谈。

这一点非常能说明问题。一场非赢不可的辩论，会让人防御、紧张，让前额叶过热。而一场带着好奇心的交谈，才能让它在舒服的环境里，完成一次完整的训练。

可以这样试试看，包括：

• 每周至少和一个人，进行一次不看手机的、认真的交谈。

• 聊天的时候，多问一句“你当时是怎么想的？”，而不是急着给出自己的观点；

• 少在网上和陌生人争论。那不是在练前额叶，而是在消耗它。

  
  

最后说几句

回头看这七个习惯，你会发现，它们几乎没有一条是很复杂的。

睡个好觉，走走路，看看树，给情绪起个名字，换个人称跟自己说话，数一数呼吸，和人好好聊聊天。每一条，都朴素得近乎平淡。

这恰恰是我想说的。

我们这代人，太习惯用“对抗”的方式对待自己了。对身体是这样，对情绪是这样，对前额叶也是这样，在它最疲惫、最过热的时候，我们反而要求它表现得更好。

你需要知道，前额叶不是一台可以无限加压的发动机。它需要得到足够休息，需要在足够安静的时候，才能好好发挥作用。

我讲的这 7 个习惯，不是包治百病的处方，也替代不了真正陷入困境时，专业的帮助，和环境本身的改变。

我能保证的只是，它们成本很低，几乎没有副作用，而且值得一试。

对前额叶好一点，其实就是对未来的自己，好一点。

本文来自微信公众号：缸中之脑cybernetics，作者：Preston

在具身智能与机器人强化学习领域，加州大学伯克利分校教授、Physical Intelligence（简称PI）联合创始人谢尔盖·莱文是一位绕不开的学者。作为全球机器人学习领域引用率最高的科学家之一，他早在谷歌大脑时期主导的机械臂集群抓取实验，就奠定了业界对机器人自主采集数据的认知基础。

2024年，莱文与前Google DeepMind资深科学家卡罗尔·豪斯曼等人共同创立了Physical Intelligence，迅速获得亚马逊创始人贝索斯、OpenAI、Thrive Capital等知名机构的大额投资，今年估值已超过110亿美元，据彭博社10月报道，新一轮融资谈判的估值约200亿美元。与执着于打造特定形态人形机器人的硬件厂商不同，PI的核心目标是构建物理世界的通用基础大模型，让不同形态的机械臂、轮式设备或双足机器人，能够像加载通用操作系统一样，具备理解物理世界、拆解任务并完成精细操作的能力。

本期内容源自硅谷早期投资机构South Park Commons的播客《Minus One》，由该机构合伙人、前Dropbox首席技术官阿迪蒂亚·阿加瓦尔深度对谈谢尔盖·莱文。在对话中，莱文复盘了从初代模型π0到最新公开的π0.7的架构演变，阐释了为何自动驾驶漫长的数据冷启动不能照搬到通用机器人上，剖析了垂直一体化与横向平台模式的产业分工逻辑，并分享了他对当前“世界模型”技术热潮的冷思考。

本期内容来自Minus One播客，2026年10月22日播出，原视频时长42分钟。

以下为精选对话内容，全文约8000字，阅读时长约8分钟。

本期精彩观点

●

互联网上的信息总量，在真实的物理宇宙面前几乎可以忽略不计。绝大多数物理现象都无法在虚拟网络中找到。要让机器真正理解客观世界，它就必须成为一个在实体环境中交互的机器人。

●

在面对复杂的智能难题时，把问题做大，往往比把问题做小更容易解决。自然语言处理的突破，不是靠单独研发特定的英汉翻译模型，而是靠统一处理所有语言任务实现的。通用机器人同样如此，单纯死磕某一特定硬件是死胡同，必须直接面向广泛的机器人操作任务。

●

纯靠物理硬件在封闭环境里试错存在明确上限。机器人不仅需要动作经验，更需要庞大的先验知识，而后者正是互联网预训练大模型的核心价值所在。

●

自动驾驶之所以经历了长达十余年的冷启动，是因为其场景过于特化且试错代价极高。通用机器人可以从海量低风险的日常操作中学习物理常识，再将其迁移至高风险任务中。

●

不要过度陷入“世界模型”等新概念的理论争辩。无论采用扩散机制、视频模型、世界模型还是大语言模型，都属于下游的技术选型；真正决定具身智能天花板的，始终是高质量物理交互数据的获取路径。

●

机器人商业化落地的现实路径，是先实现“笨拙但自主”。通过人工接管数据教会机器人应对异常，再依靠强化学习逐步消除笨拙；这一步目前还没有大规模用于部署，只在实验室实验里跑通。

●

对机器人而言，视觉推理不是比文本推理更好，而是补上文本最难给出的那部分。相比于用语言描述复杂的空间坐标，让单独的图像模型生成一张“机器人手指碰到按钮”的图，能直接告诉机器人该怎么做。

从游戏图形学到真实机器人：会议室里的数据实验与认知转折

问：你早年在斯坦福主要研究计算机图形学，后来转型做物理机器人控制，并在加州大学伯克利分校和谷歌开展了大量开创性研究。这一技术演进背后的脉络是怎样的？

谢尔盖·莱文：我在大学最初的想法其实是做电子游戏，但在游戏公司实习后，我发现那只是一份和别处没什么两样的公司工作，充斥着流程内耗。我希望探索技术难度更高、组织结构相对简单的领域，于是转向学术研究。

因为对虚拟交互环境感兴趣，我选择了计算机图形学。图形学本质上是对物理世界的模拟，而其中最难模拟的是人类行为。为了让虚拟角色表现得像真人一样，我开始深入研究角色运动控制。博士快毕业时，我觉得如果这项技术最终只能用来改善好莱坞特效或游戏动画，未免有些局限。既然算法能驱动虚拟角色完成复杂的物理动作，理论上它也应该能控制真实的机器人。

为了补齐硬件控制方面的短板，我申请了加州大学伯克利分校彼得·阿贝尔实验室的博士后。面试初期其实并不顺利，彼得曾认为角色动画与当时实验室的方向不符；但一周后他改变了主意，给我发来了录用通知。这个转折让我真正接触到了真实的机器人系统。

后来在谷歌工作期间，我们团队尝试验证一个想法：要让机器人掌握通用能力，必须采集海量的物理交互数据。我们在一个改造过的会议室里部署了一大批机器人，让它们日夜不停地抓取各种形状的物体。抓取被视为物理操作的最小原子单位，我们希望通过大量机械性试错让机器人自主积累经验。

这个方案最终遇到了一堵无形的墙：机器人可以把特定场景的抓取动作练得非常精准，但完全无法将能力迁移到其他任务上。因为复杂的物理操作不仅需要机械动作经验，更需要对现实世界的先验理解。如果把一个新生儿孤立在空房间里，他也不可能自行领悟复杂的工具使用逻辑。机器人必须被赋予基础的物理常识，而当时人工智能社区通过在互联网海量数据上预训练大模型，恰好提供了这种先验常识的获取路径。把大规模物理交互与大模型的常识储备结合起来，才构成了完整的技术闭环。

创立Physical Intelligence与首代基座模型π0的工程逻辑

问：很多资深学者会选择长期留在顶尖实验室，是什么原因促使你走出象牙塔，参与创立了Physical Intelligence？

谢尔盖·莱文：这个想法最初来自卡罗尔·豪斯曼（现Physical Intelligence首席执行官）。在一次晚餐中，他提出全球一定会诞生一家在机器人底层智能上取得核心突破的研究机构，而且很可能只会有一家，既然历史窗口已经出现，就应该全力尝试。

当时，我们在伯克利、斯坦福以及Google DeepMind已经有一批长期共事、理念契合的研究伙伴。大家都在这个方向上深耕已久，也都觉得时机到了。对于硬核技术研发而言，早期的核心壁垒不是写在纸上的商业计划，而是一支有共同认知、且愿意在极为繁复的工程细节中长期摸爬滚打的团队。

问：团队发布的首个模型π0引起了行业广泛关注。你们采用视觉语言模型作为基础骨干，并结合了连续动作流生成机制。确立这种架构的技术考量是什么？

谢尔盖·莱文：机器人基座模型的设计可以完全从第一性原理推导：

在输入端，机器人感知物理世界的主要媒介是图像，无论是普通彩色相机、深度相机还是激光传感器，其本质都是高维的空间图像信息；在输出端，机器人需要执行高频的物理指令，通常是描述各个关节角度变化、末端执行器空间位姿或电机扭矩的连续数值向量，一般由30到50个数字组成；同时，为了让模型具备通用性，自然语言是最直接的任务指令载体。

面对这个框架，通常有两种开发路径：

第一种是直接在有限的机器人操作数据上进行端到端的模仿学习。这种方法在学术界很常见，但极易失效，因为单纯的本体操作数据远远无法覆盖物理世界的多样性。

第二种路径是寻找一个具备互补能力的成熟模型作为底座。机器人物理数据最欠缺的是通用常识，而互联网预训练大语言模型恰恰具备极高密度的常识理解，唯独缺乏与物理实体的结合。

因此，以视觉语言大模型作为先验知识底座，向下接入基于流匹配的高频连续动作生成模块，是最合乎逻辑的骨干方案。需要明确的是，π0并不是终极形态，它更像是一个骨架。有了这个骨架，我们后续才能把逻辑推理、任务拆解和多模态理解逐步填充进去。

从π0到π0.7：任务拆解与视觉空间推理的演进

问：随后推出的π0.5开始展现出更强的泛化能力，能够应对未曾专门训练过的家庭环境。这一代模型的技术关键点是什么？

谢尔盖·莱文：核心突破主要体现在两个维度：

第一，是数据策略的研究化。机器人数据采集不只是工业问题，同时也是研究问题；它之所以这么难，正是因为要把经济账、工业规模的运营和研究结合在一起。究竟该收集哪些场景的物理分布、如何用可控的成本提高长尾环境的覆盖率，往往需要边扩大数据规模边进行算法验证。

第二，是为物理控制引入了内部推理机制。

如果直接对模型输入“清理厨房”这种抽象的高层指令，纯动作执行网络通常无法有效响应。因为这句指令与底层电机毫秒级的高频微调之间，存在巨大的认知断层。

在π0.5中，模型学会了类似代码编写助手的中间规划。接收到宏观指令后，它会先通过思维链将其拆解为一系列离散步骤：“先拿起餐盘；再拿起抹布；然后擦掉洒出来的污渍”。当长周期任务被细化为具有明确物理边界的子任务后，动作生成模块才能稳定执行。

问：最新发布的π0.7进一步展示了开箱即用的泛化表现，甚至能够直接操作陌生的厨房电器。从0.5到0.7跨越的核心是什么？

谢尔盖·莱文：π0.7的设计重心就是开箱即用的零样本泛化。过去要让机器人掌握一项新操作，通常需要人工进行动作示教并针对具体任务做模型微调；而在π0.7中，操作人员可以直接使用自然语言向机器人讲解任务步骤。即使它从未接触过某款厨房电器，模型也能自己摸索出用法；而且它能把复杂技能拆成步骤，只需监督这些步骤、不必再监督具体动作，省去了针对每个任务的微调过程。

更关键的一点在于：我们把内部推理拓展到了视觉空间模态。

在实体世界中，语言描述空间位置是极为低效且模糊的。如果对机器人说“请按下烤面包机的电源键，位置在右边缘往左3英寸处”，这类指示不仅冗长，而且容错率极低。

而在π0.7中，模型可以直接调动视觉先验，在内部生成一张目标意象图：画面中清晰呈现出机器人的机械手指正准确接触在电源开关上的理想状态。

这张目标画面一旦生成，就等于直接告诉了机器人该怎么做。这种基于视觉意象的空间推理并不比文本推理更好，两者是互补关系：它提供的恰恰是最难从文本里得到的那部分信息。

目前，负责生成目标画面的模块依然是一个独立的模型组件，它的输入由大语言模型生成。长远来看，我认为多模态认知、视觉生成与底层动作控制最终会融合成一个端到端的大一统模型，只是以目前的技术水平，图像生成这部分通常还是独立的。

机器人研发的真实门槛：穿透软硬件全栈的工程细节

问：很多工程师来自传统软件、互联网甚至纯算法背景，在真实的机器人基础模型研发中，实际的日常工作状态是怎样的？

谢尔盖·莱文：机器人研发涵盖的技术链条极其宽泛。你可能上一小时还在优化数千张算力卡上的分布式并行训练通信，下一小时就必须蹲在实验台前，拿着工具调整机械臂末端夹爪的固定螺栓。

如果说机器人研究员有什么不可或缺的核心品质，我认为是对底层细节的高度敏感。

机器人系统的技术栈垂直跨度极大。一旦系统运转不起来，原因可能分布在任何一个层级：

●

可能是有人没把摄像头的接头插到位；

●

可能是学习率没设对；

●

可能是数据集没选对；

●

也有可能是模型规模不够，比如现在是160亿参数，其实需要320亿。

如果在不同抽象层级之间存在认知断层，研发人员极易陷入低效的盲目排查中——比如模型跑不好，你以为是学习率或数据集不对，最终却发现问题仅仅是有人没把接头接好，导致机械手指闭合时留有一丝微小间隙。具备跨越软硬件边界、动手排查根本问题的能力，在具身智能领域比漂亮的学术文凭更为关键。

我们在招募团队成员时，最看重的并不是论文数量或名校履历，而是候选人面对复杂物理故障时的排查逻辑和技术穿透力。

打破数据短缺的假象：为什么机器人不该复制自动驾驶的冷启动路径？

问：行业内一直有观点认为，物理世界的数据维度极高且无法直接从网上爬取，因此机器人会长期受制于“数据荒”。你如何评估机器人领域的数据供需关系？

谢尔盖·莱文：从宏观视角来看，物理世界所蕴含的信息是无穷的，而目前互联网上存储的数字化图文，在真实宇宙的物理现象面前只占极小的一部分。

现实世界中的重力表现、接触摩擦、柔性物体形变，绝大部分从未被数字化记录。如果你想造出一台真正理解物理规则的智能系统，它唯一可能的形态就是实体机器人，因为唯有实体才能与物理环境发生真实的因果交互。

再看商业规律：只要机器人能够在工业生产或家庭服务中创造明确的经济价值，其部署规模就会迅速扩张，正如汽车的大规模普及一样。当成千上万台机器人在真实世界中持续运转、试错与纠错，它们所记录的交互数据体量，在长期来看会远远超过现有互联网上的所有数据。

因此在终局阶段，数据根本不是瓶颈。真正的挑战在于当前的“冷启动阶段”——即如何以可承受的工程成本，跨过早期数据匮乏的拐点。

问：自动驾驶走过了一条极为漫长的数据积累之路，像Waymo这样的头部公司花了十几年才把车队规模拓展到几千台。通用机器人是否也需要经历如此漫长的数据积累周期？

谢尔盖·莱文：这恰恰指出了问题所在：自动驾驶之所以历经十几年才走通冷启动，是因为它的任务过于特化，且试错代价极其沉重。

如果一个人类儿童从小被剥夺了在日常环境中跑跳、触碰、摆弄物体的机会，只被允许坐在驾驶位上学开车，他同样很难发展出成熟的物理空间认知。在道路交通这种极高风险的场景下，任何一次算法决策失误都可能引发严重交通事故，这导致自动驾驶完全无法通过低成本试错来快速积累经验。

通用机器人则截然不同。表面上看，让机器人完成多样化的日常任务似乎更难，但“多任务”反而是其快速冷启动的天然优势。

通用机器人可以先在容错率极高的低风险场景中运转，即使出了差错，也不会造成严重后果。而这些低风险任务能够带动高风险任务的学习，就像人的成长过程一样。从多样化、低风险的任务切入，是快速跨越数据冷启动更现实的路径。

商业化落地路径：“人工接管纠错”与强化学习的协同

问：在目前进行的实际业务部署测试中，你们是如何构建数据正向循环的？

谢尔盖·莱文：业内目前行之有效的部署方式，依然是人机协同闭环。

在实际场景中，模型初期并不需要做到100%的绝对全自动。只要自主水平足够，就可以在人工监督下部署，机器人出错时由人工介入接管。

例如在物流分拣线上，如果机器人抓取滑落，操作员可以帮它将物品拾起归位，随后系统继续自主工作。这种接管数据极具价值，它直接向模型示范了当系统偏离正常状态时，应当如何进行自我纠错。

但这只是第一步。人工接管教会了机器“出错后如何恢复”，但并没有从根本上解决“下次如何不犯错”。

这就需要强化学习发挥作用。这一步目前在实际部署中还没有广泛使用，但在我们的实验室实验里已经跑通。我们设想先借助人工接管数据，让机器人达到“虽然动作笨拙、但能够自主运行”的状态；在此基础上，让强化学习算法利用机器人自身的经验，逐渐改掉这种笨拙。这个过程更慢，也有赖于更高的自主性。先保证自主性，再追求优雅与精度，这是更平稳的落地路径。

通用底座还是垂直一体化：为什么做大问题反而更容易？

问：具身智能领域目前存在两种路径：一种是以特斯拉为代表的垂直一体化，从本体硬件、芯片到底层算法全栈自研；另一种是专注打造通用的机器人智能大脑，适配各类硬件生态。你认为未来几年行业将如何演化？

谢尔盖·莱文：人工智能的发展历史上反复验证过一个规律：面对高度复杂的智能问题，把问题做大，往往比把问题做小更容易取得突破。

在早期自然语言处理领域，为了做英汉翻译，大家倾向于单独收集双语平行语料去训练专用的翻译网络。但后来的实践证明，最优秀的翻译能力并不是靠专用翻译系统实现的，而是把所有自然语言处理问题一次性解决之后的副产品。这样得到的翻译系统，比单一的特化模型更好。如今这已没有争议，每一位自然语言处理研究者都会这么告诉你。

这个逻辑放到机器人领域，比在自然语言处理领域更加适用。

人形机器人本身没有任何问题，我也很希望身边到处都是人形机器人。但如果想让人形机器人足够好，答案不是只收集人形机器人的样本，而是解决所有机器人问题。如果只局限于特定的单一硬件构型，模型能见到的情况就会非常有限。而通用性带来更多数据，模型能见到更多不寻常的情况、例外和边缘案例。

从计算产业的历史来看也是如此。上世纪五六十年代，大型计算机以IBM的垂直一体化方案为主，客户购买硬件、专有系统和技术服务都依赖单一厂商。但随着行业成熟，产业分工必然走向模块化：芯片算力、整机制造、操作系统和应用软件相互解耦，各司其职。

机器人产业也将经历类似的成熟过程。我们会看到一场创造力的爆发，出现各种各样的机器人和各种各样的机器人应用。硬件形态将呈现多元分布，而连接底层硬件与上层任务规划的，必然是一层通用的物理智能基础平台。

关于“世界模型”的冷思考与研究文化

问：过去一段时间，“世界模型”成为业界讨论的热门概念。你如何看待世界模型与当前机器人技术路径的关系？

谢尔盖·莱文：我对纯粹的概念争论持保留态度。研发通用基座模型的核心，从来不是模型本身，而是其底层依赖的数据演进路径是否可持续。

行业里经常热衷于争论到底该用视频模型、世界模型、大语言模型，还是扩散式动作生成机制。但从系统工程的角度看，具体算法架构往往是从属的下游选择，都要服从数据这条路径。真正决定生死的是：你的物理数据从何而来？你的闭环数据飞轮靠什么长期自增殖？

当然我个人的假设是，终极形态的机器人模型会具备类似“世界模型”的推演能力。因为人类在执行许多非语言化的高难度动作时（例如攀岩），大脑中并不会产生离散的文字描述，而是直接依靠空间概念在脑海中完成动作预演。

但不必过度神化或者纠结于“世界模型”这一标签。在物理世界里用尽可能低的边际成本跑通真实数据的闭环，远比抽象的定义争辩更具实际意义。

问：机器人涉及多学科交叉，在Physical Intelligence内部，你们是如何协调硬件、算法与系统工程之间的协作壁垒的？

谢尔盖·莱文：在机器人这类系统复杂度极高的领域，最致命的组织内耗是过度的条块分割——做硬件的只关心机械公差，做算法的只盯着模型指标，彼此不愿深入对方的领域。

我们极力倡导一种文化：每个人都在自身领域拥有过硬的技术实力，但同时对技术栈的其他环节保持主动探究的意愿。

例如我们硬件团队有位做执行器、传感器这类底层硬件的同事，有一次做午餐技术分享，来听的人里，离硬件最远的人多得出奇，比如做机器学习基础设施的、钻研高深强化学习算法的同事。他们最想弄懂这些，因为一心想搞清楚整个技术栈。有了这样的文化，每个人都有自己的看家本领，也尊重别人的专长，同时对整个技术栈在做什么至少有个大致的概念。

快问快答

问：在你们做过的所有机器人操作测试中，哪一个任务成功时的表现最出乎你的意料？

谢尔盖·莱文：机器人用塑料袋捡起一块人工模拟的狗粪。

问：如果面向普通家庭环境推出第一款实体机器人，双足人形与带双臂的轮式底盘，你倾向于哪一个？

谢尔盖·莱文：毫无疑问选带双臂的轮式底盘。因为轮式底盘绝对不会意外摔倒，从而避免对家中的儿童或宠物造成物理碰撞风险。

问：过去一年中，除去你们团队自己的工作，哪篇学术论文最值得行业研发人员精读？

谢尔盖·莱文：麻省理工学院菲利普·伊索拉团队发表的《Neural Thickets》（神经灌木丛）。

这篇论文提出了一个非常反直觉的实验发现：当神经网络的参数量级达到足够大时，对模型的网络权重引入随机扰动，不仅不会摧毁模型输出，反而能维持极高的综合性能；但在小参数模型上，随机扰动的效果并不好。这篇研究为“强化学习为什么有效”提供了一个略带颠覆性的解释视角：或许强化学习起效，只是因为它加入了随机噪声，而不是做了什么高明的事。

问：在当前的具身智能与机器人学习领域，如果推荐一位值得关注的青年学者，你会推荐谁？

谢尔盖·莱文：推荐我的前博士生阿比谢克·古普塔，他目前任教于华盛顿大学。在学术研究中，我们应该格外关注那些敢于跳出主流的人，阿比谢克正是其中之一。他近期在通用世界模型方向上的一系列探索非常扎实，值得保持关注。

资料来源：South Park Commons出品《Minus One》，合伙人阿迪蒂亚·阿加瓦尔对话谢尔盖·莱文，2026年10月22日上线，https://www.youtube.com/watch?v=5X166Fead8o

2026年深秋，上海潘泾路西侧的宝山药谷，一排连体厂房安静地矗立在深秋的风里。

六个1.5万升的不锈钢生物反应器，总计9万升，罐体上的铭牌还泛着金属光泽——这曾是全国规模最大的单批次商业化生物反应器群，承载着“亚洲乃至世界最大CDMO服务商”的野心。如今，它们已经沉默了整整两年。

在2021年CDMO一片繁华的顶峰，乐土入局。

入局后，却马上经历疫情和整个生物制药的寒冬期。1.5万升的大罐，原本想承载生物制药黄金期的盛宴，却未想到蒙尘于时代的泡沫中。

根据园区人员透露，早在去年，乐土工厂就因为欠缴物业费被封存。员工早已被清退，但巨型设备至今没被搬走。另一名接近公司的人士称，大约两年前，乐土曾积极寻找接手的下家，但迄今为止，没有收到任何回应。

时间倒回2022年11月8日：这里曾举办过盛况空前的启动仪式，主办方给每位到场嘉宾的伴手礼袋上，都印着醒目的“I love China”字样与诺贝尔奖得主“DNA之父”詹姆斯沃森的签名。

彼时的乐土生命科技，是医药圈最受争议也最吸引眼球的黑马：一家地产商创始人出身的企业，喊出40美元/克的抗体生产成本，请来了跨国药企高管云集的豪华班子，立志要用“富士康模式”颠覆全球CDMO格局。

如今，很多人都已不记得：这里曾经上演了一场令人目眩神迷的造梦大秀。

四年过去，秀场清台。

2025年12月9日，深圳市南山区人民法院裁定受理深圳市乐土生物医药有限公司破产清算案。该公司为深圳市乐土生命科技投资有限公司的全资子公司，属于乐土旗下企业。

虽然子公司并不包含乐土集团最重要的CDMO、基因、医养板块，但上海基地的9万升产能彻底闲置，拖欠薪资的劳动与商事纠纷陆续爆发。这家高举高打、从地产跨界生命科学的明星企业，在CDMO行业轰轰烈烈的行进中，在行业黎明到来的前夜，遭遇困境。

而回溯它的来时路，它的崩塌并不是一个骗局，而是在一个泡沫催生乐观和幻相的时代里，一套已经过时的商业逻辑，撞上了生物医药行业的技术壁垒与周期规律后，必然遭遇挫折的故事。

-01-

地产商人与诺奖得主

一切始于创始人刘如银的跨界。其中充斥着极强旧时代印迹的草莽英雄的故事。

这位1963年出生于河北的商人，早年有过国税局工作经历，后远赴美国深耕房地产投资，一度和特朗普使用同一家地产律师事务所。在美国的三十年间，他在曼哈顿核心区域持有5栋物业，在国内积累了上万亩土地储备，完成了原始资本积累。

在中国房地产和海外资产投资高歌猛进的岁月里，除了资本以外，刘如银也坚定了一套不容置疑的成功学价值观：胆子要大、摊子要大、地盘要大。

一位了解刘如银的人士在接受采访时评价，“做派、思路都很像那个年代的地产商人，在那个年代那套打法是成功的。”

2015年至2016年前后，意识到房地产风向变化与大健康刚需的刘如银，决定掉头转向生物医药。2016年，乐土从硅谷回国，以精准医疗和基因检测为起点，迅速在中国布局。

但对于习惯了地产动辄几十亿打底的地产人士来说，基因检测在中国市场里，尚未完成消费者的科普，从投入到盈利，其路漫漫。按照在过去行业的经验，需要一个更大的“局”。

为了把局做大，乐土打出了第一张王牌：顶级业内泰斗的背书。

2017年，乐土高调宣布与时年89岁的“双螺旋之父”、诺奖得主詹姆斯·沃森合作，邀请其担任乐土的科学总顾问。《科学》杂志曾报道，沃森之所以同意乐土的邀请，是相信一个理念：“中国可能是开发更便宜药物的地方，是未来”。

相关人士透露，沃森在乐土的发展史上起到了至关重要的作用。“乐土也承诺他未来会出数亿美元做项目。此外，乐土搬出沃森这尊大佛，一个重要的目的是向地方政府证明资质。地方政府也非常希望在大健康领域有所建树，沃森的出场，让企业圈地、拿政策、要授信比较顺利。”凭借沃森的名头，乐土在深圳大鹏新区落地了“乐土沃森生命科技中心”。一个极其庞大的产投生态框架就此搭起。

靠着这张名片，乐土迅速搭建起了一套看似无懈可击的精准医疗生态闭环：上游做基因检测，中游做创新药研发与CDMO生产，下游落地医养与高端健康管理服务。

刘如银曾在2022年接受媒体专访时自信地描述这套逻辑：未来，通过40多万人次的基因检测储备客户，为下游CDMO合作方和健康会业务导流，最终形成检测-研发-生产-医疗服务的完整闭环。

这套叙事在资本市场和地方政府那里极具吸引力。

2021年，乐土入选权威媒体的知名品牌工程；某知名资本数亿元A轮融资落地，一家大行给出深圳基地12亿元授信，另一家银行给出深圳加上海基地合计50亿元授信。在当时公司人士的表述里，还有无数“想投资的机构”，而且公司上下对于创始人的实力也很有信心：“如果缺乏资金的话，他美国曼哈顿的楼宇和国内上万亩土地，切一块卖出去就够了”。

当时乐土的乐观，并非海市蜃楼。

2021年，正是中国CDMO行业最炙手可热的时期。全球创新药融资繁荣，国内Biotech密集涌现，药明生物等龙头企业业绩高速增长，资本市场将CDMO视为创新药产业链上确定性最高的“卖水人”。这一年，国内CRO/CDMO领域融资金额约120亿元，较上年近乎翻倍。资本、银行和地方政府共同涌入，生物医药产业园区遍地开花，动辄数十万升的产能规划成为企业实力的象征。

但其中很多资本表态最终没有落地。刘如银作为成功商人的自信，也让他忽视了承诺与落地之间的差距。据内部人士透露：最后某方答应投资的产业基金，从说好两个亿缩减到五千万。

但这些插曲并没有影响乐土攻城略地的野心。当年11月12日，乐土正式宣布推出1.5万升不锈钢反应器的设备买断模式，声称抗体药生产成本可低至每克40美元，仅为当时市场主流价格的三成左右。官方文案里甚至算了一笔账：40美元大约相当于三个肯德基全家桶的价格，却能生产十针肿瘤治疗药物。

支撑这个定价的，是乐土请来的国际化专业团队。

2021年前后，Michael Garvey（高伟）加入乐土担任总裁。这位拥有25年全球顶级CDMO企业管理经验的高管，曾是三星生物技术研究部门主任及制造厂副总裁，还在基因泰克、武田任职过，加入乐土前是百济神州高级副总裁、全球技术运营负责人。在百济时，他参与了广州生物药生产基地的建设、产能扩张和商业化生产：“是一个有深厚的工程经验、能脚踏实地做事的人。”一位同行评价。

高伟的到来，为乐土的故事补上了最关键的一块拼图。他带来了三星生物的大罐生产逻辑：用超大规模不锈钢反应器摊薄单位成本，靠产能规模打价格战。除了高伟，乐土还从龙沙、勃林格殷格翰等跨国企业挖来一批高管，搭建起了堪称豪华的国际化管理团队。

“本土资本+政府资源+国际技术团队”，这是过去十年中国很多跨界科技企业的标准配方。刘如银主外：拿地、拿钱、拿资源；高伟主内：建厂、建团队、讲技术故事。

但没人会想到，这套组合会走向一个相反的方向。

-02-

致命决策

乐土的困境，不是突然发生的。

据早年在乐土工作过的员工回忆，刘如银将在房地产的成功逻辑套在CDMO上，他认为：“一看图、一看地，就知道该怎么把项目搞起来……没有房地产背景，乐土做不了医药基地。”

但正是这种资本粗暴冲撞工业规律的模式，直接导致了一系列战略决策失误。

其中，在复盘时最受人反思的，就是企业成立时直接上马1.5万升超大容量不锈钢生物反应器。

在CDMO行业，生物反应器的容量直接决定单位生产成本——理论上，罐体越大，单克蛋白的分摊成本越低。三星生物正是靠2万升级别的大罐路线，在全球商业化CDMO市场杀出了一席之地。高伟将这套逻辑带到了乐土，而刘如银则从地产商的角度，将其推向了更激进的极端。

高伟的技术逻辑是有道理的。他曾在内部测算，欧美CDMO企业为了降低初始资本投入，会剔除冗余生产系统，设施利用率大约在95%；而中国的土建和设备成本远低于欧美，可以保留全套生产系统，将设施利用率提升至99%以上，一年生产20-30种不同产品且不浪费产能。

他曾在接受采访时用瑞安航空做类比：经济下行期，人们依然会旅行，只是会选择更便宜的航班；药企依然会做管线，只是会选择更便宜的代工厂。

但问题在于，大罐路线商业化成功成立的前提，是有足够多的商业化大订单填满产能。而在前期没有客户和订单的情况下，需要先投入试单，慢慢建立客户的信心——而这需要资金的支撑。

当时，行业领头羊药明生物主打的是4000升一次性反应袋，灵活且风险可控。而乐土直接跳过一家企业起步至成熟的漫长发展阶段，直接押注超大容量不锈钢罐。

超大不锈钢罐固定资产投入极其昂贵，且极其依赖产能利用率。一旦没有大订单填满管道，折旧费和运维成本会瞬间将企业吃干抹净。内部专家曾苦口婆心劝诫刘如银：“先做小，从2000升开始撑起来，把口碑做起来，厂房你去租都可以，为什么非要自己造？”

而更重要的是，CDMO生意的核心，除了生产，更在于开发——客户愿意把项目交给你，首先看的是工艺开发能力、质量合规体系和过往成功案例，其次才是价格和产能规模。药明生物之所以能崛起，靠的是全流程开发能力，生产只是最后一环。

而乐土恰恰缺了最关键的前端开发能力。多位业内人士指出，抗体CDMO的客户决策逻辑非常谨慎：一款新药的研发投入动辄数亿，生产环节出问题可能导致整个项目延期甚至失败，因此客户宁愿多花钱选择有成熟案例的头部企业，也不会轻易把项目交给没有验证过的新玩家。

当年乐土的创始人显然不这么认为。他的内部讲话强调过：“产业规模的意义就是四个字：激活需求。不是说现在有这么大市场，而需要超前布局，把市场挖掘出来。方向没问题的前提下，我们做第一个吃螃蟹的人。”在他看来，只要厂房建起来、罐子摆进去，订单自然会上门。

于是，乐土跳过了行业普遍的“从小罐做起、积累案例、逐步扩产”的路径，直接瞄准了当时国内无人敢碰的1.5万升大罐。深圳基地规划了42.5万升产能，上海基地一期30万升，二期还要再增加72万升，当时的目标是2025年达成百万升产能，成为世界最大。

而将厂区落地上海的决定，又把公司本就令人担忧的成本风险推高了一层。

这一决策的推进者是时任CEO的高伟。他认为深圳大鹏过于偏僻，而长三角才是中国生物医药的核心集聚区，方便就近接触Biotech客户。

于是，乐土在深圳基地尚未完全跑通、现金流并不宽裕的情况下，做出了一个令人瞠目的决定：将原本属于深圳订购的1.5万升大罐，硬生生搬到了上海宝山药谷，并租下大片昂贵的厂房。

这个决定遭到了本土老团队的强烈反对。深圳基地的土地是自己的，厂房已经建成，团队也基本配齐；上海的厂房要租，人力成本更高，还要从零开始搭建团队。更关键的是，公司的资金根本撑不起两地同时运营。

刘如银最终拍板支持了高伟。但想象中“客户就在长三角，登门拜访就能拿单”的场景并没有出现：Biotech公司选CDMO，看的是成功案例和合规资质，地理距离只是其中占比很小的因素。

据透露，这次战略转移消耗了公司大量的现金流。设备搬迁、厂房租赁、团队重建、以及上海的高薪人力成本，加速了公司现金流的快速流失。

正如上文提到，由于经验不足，乐土在国内大单上一直受挫。于是，公司又把目光投向了海外。当时，公司战略提出了一条差异化出海路线：避开欧美主流市场，主攻俄罗斯、中东、东南亚等“一带一路”沿线国家。

在想象的图景中，高层对内描述过俄罗斯市场的机会：“俄乌冲突后，欧美药企退出俄罗斯，当地医药产业一片空白，一家俄罗斯公司主动找上门，要和乐土合作，对方出全资，乐土只需要负责生产和技术入股，还要选10个中国产品出口到俄罗斯乃至中东。”

这个故事在当时听起来充满想象力。但一位人士透露，这桩合作停留在纸面上。“俄罗斯本身就没钱，又在打仗，哪有能力批量采购生物药？中东生物医药市场本身就很小，东南亚更是不成气候。”

为了拿海外订单，高伟带着BD团队满世界跑，欧洲、东南亚、中东挨个拜访，有公司内部高层还接触了所谓“比尔盖茨基金会的抗体项目”，声称要给非洲供应廉价抗体。但内部有人一眼就看出不靠谱：非洲有市场吗？听起来就悬乎。

折腾了一两年，海外差旅费花了不少，真正落地的订单却几乎为零。更让本土团队诟病的是外籍高管的出差标准：全程五星级酒店，有人出差还带着家属，吃喝玩乐全部走公司报销。深圳基地专门为外籍高管开了一间日韩餐厅，寿司、清酒、茅台敞开供应，高管聚餐动辄就是一桌大菜。

“都是大厂出来的，花钱大手大脚惯了，完全没有创业公司的成本意识。”一位本土老员工回忆，“我们辛辛苦苦搞建设，薪水不高，他们空降过来拿几倍的工资，还天天讲排场，谁心里能平衡？”

这种撕裂和分歧，在内部已经为公司的受挫埋下伏笔。

-03-

在发展路线上，管理层的矛盾

高薪聘请的国际军团与本土创业团队之间，横亘着文化、待遇、做事逻辑的巨大鸿沟。而站在鸿沟中央的，是创始人本人。他的草莽英雄气质、路径依赖、与独断风格，既是当年他在房地产时代成功的原因，也是乐土初创时公司崛起的原因，最后，成为了乐土受挫的根源。

在一些人士口中，刘如银非常大方，为人大气，愿意花大价钱挖人，也愿意给足排场。“做朋友是非常不错的人，他乐于付出，也让人信任和愿意打交道。”但这套打法，在管理公司上却成了短板。久而久之，公司内部形成了一种奇怪的氛围：外籍高管负责对外讲故事、撑场面，本土员工负责落地干活，但话语权永远在前者那边。

一些具有业内相当的成功经验，在其它公司成就斐然的人，反倒来到乐土也水土不服。高伟是其中的核心人物。这位三星生物出身的生产专家，擅长搭建产线、做质量管理。但根据乐土一位人士评价，高伟放在CEO位子上是有错位的。“他是一个很擅长落地的工程师，但拿订单、预算管理和融资，并不是他职业履历覆盖的范围。”而这两样本事，恰恰是一家CDMO公司CEO最重要的素质。

和高伟一样，在职期间备受争议的还有来自龙沙集团的一位高管。这位同样有跨国药企背景的高管，曾试图推动收购龙沙广州工厂来快速获取产能和资质，最终没能成功。

这些外籍高管普遍面临同一个问题：他们在跨国药企的经验，是成熟体系下的精细化运营；但乐土是一家缺钱、缺订单、缺品牌的创业公司，需要的是从0到1的破局能力，而不是从1到10的优化能力。他们带着大厂的思维和习惯，却没有大厂的资源和订单支撑。更重要的是，“他们来自三星和龙沙等CDMO巨头的经验，让他们对规模效应有一种热忱，但这并不适合乐土这类初创公司。”

这种矛盾在公司现金流紧张的时候彻底爆发。2023年前后，乐土资金链开始吃紧，裁员降薪先从本土基层员工开始，外籍高管的薪水和待遇却迟迟不动。直到后来公司实在撑不下去，外籍团队才集体散伙，走得干脆利落，留下一堆烂摊子给本土团队收拾。

在初始管理层动摇之后，公司管理和内部运营陷入了一种诡异的混乱无序中。2023年1月的年会上，乐土推出了一项令员工议论纷纷的“员工福利”——健康卡项目。

公司对外宣称：这是给员工的专属福利，可以用极低折扣享受乐土沃森健康会的医疗服务、细胞存储和高端体检。但购买健康卡的方式，是员工个人向银行贷款，公司担保并负责还款。健康卡面额从5000元到3万元不等，公司给各部门主管下了硬性指标，要求必须推广下去。

“说白了就是借员工的名义，向银行套贷款。”一位亲历当年事件的前员工说，“公司当时已经非常缺钱了，正常的融资渠道走不通，就打起了员工的主意。”

这不是乐土第一次向员工伸手。更早的时候，公司就推出过内部集资购股，鼓励员工掏钱买公司股份，号称上市后能翻几倍。但随着公司经营恶化，这些股份很容易变成纸面财富。

在此之前，乐土对外一直宣称现金流充裕。但实际上，从2023年开始，公司的资金状况已经急转直下。

一位前员工猜测，乐土的资金模式可能还是利用地产商的杠杆逻辑：用土地和厂房抵押拿银行贷款，用新贷款还旧贷款，用未来的融资预期支撑当下的扩张。这套玩法在地产上行期百试百灵，但放到回款周期长、重技术、重运营的生物医药行业，一旦融资跟不上，资金链瞬间就会断裂。

-04-

时代已变

整个乐土故事的核心，离不开时代和行业故事的错位。

“老板的思路是：有地、有楼、有设备，这些都是资产，银行愿意给钱。”加大马力上CDMO，也是因为有看得见、摸得着的固定资产。上述老员工说，“但药厂不是写字楼，建好了就能租出去。没有订单的罐子，就是一堆废铁。”

刘如银并非业内人士诟病和猜测的“骗子”。他是真金白银投了钱，在乐土需要钱的时候，他从美国变卖地产项目回笼资金。据接近他的人士透露，刘前前后后自掏腰包砸进去十几个亿；他也真的想做成事，否则在财务自由以后，何必坚持这么多年，到处挖人、找资源、谈合作？“直到现在，他依旧没放弃。”

在一些多年了解他的人的描述中，他是典型的中国初代企业家：胆子大、敢折腾、讲义气、出手大方，相信规模，相信资源，相信只要敢想敢干就能做成事。

但他最大的问题，是用地产行业的成功经验，去套一个完全陌生的高科技行业。

在地产行业，拿地、盖楼、招商、出售，核心是资源整合和资金运作，技术门槛相对有限。但生物医药行业，核心是技术、工艺、和时间积累，没有捷径可走。

而乐土一系列战略错位，大多是因为拿房地产高歌猛进的时代逻辑，去做一个需要时间、资本、专业壁垒和耐心的行业。

在早期基因检测业务，有业内人士建议走医院渠道，非要推出万元消费级产品；CDMO业务，没有从小罐做起，要一步到位上大罐；深圳尚未站稳脚跟，偏要去上海。

“公司还是有一批坚持讲真话的人。”一些受过专业训练的年轻一代，眼看着公司资金链越来越紧张，反复劝老板收缩战线、盘活深圳基地、不要盲目扩张。“如果当初不瞎扩张，把钱深耕一个领域，现在说不定能坚持下来”。但这最终没能改变什么。

-05-

乐土还有未来吗？

也是深秋。

在深圳大鹏新区，乐土生物医药产业基地依然保留着昔日宏大规划的痕迹。园区内，现代化楼宇整齐排列，展厅里陈列着企业发展历程、核心团队、专利证书以及覆盖全国的CDMO业务布局，墙上的“一站式CDMO服务”字样依然醒目。然而，与这些精心布置的展示形成反差的，是园区如今的冷清。

整个园区共有七栋楼，其中一号、二号楼已由富德人寿接手，用于酒店和康养业务；六号楼是研发人员办公楼，外来人员无法进入，其余四栋楼基本空置。六号楼内可能仍有生产线，但实际运行情况无法核实。

园区内一位工作人员表示，目前园区内上班的只有100多人。他回忆起园区曾经的热闹景象：“我2023年10月刚入职的时候，这个园区很热闹，有一千多人，现在多冷清啊……”

他之所以留下，因为“公司还在积极转型，老板还在想办法。”据悉，刘如银并没有放弃拯救乐土的努力，“他还在努力想办法给员工发欠薪，没留下烂摊子不管，算是守住了底线”，一位离职员工描述。

而当复盘乐土这家公司的决策时，接受采访的大部分人士也承认：没有哪一步是绝对错误的。

多位行业专家指出，随着大量生物药专利到期，生物类似药将迎来爆发期；而国内生物类似药集采的推进，必然会倒逼企业大幅降低生产成本。届时，大容量不锈钢反应器凭借显著的成本优势，将成为商业化生产的主流选择。

“生物类似药集采确实会来，但比他们预想的晚了至少三五年。提前把产能建好了，却没等到需求爆发的那一天。”

截至2026年，国内抗体类生物药集采才刚刚起步，真正的大规模降价和产能重构还未到来。乐土在2021年就all in大罐，相当于在黎明前最黑暗的时候耗尽了所有弹药。

更重要的是，大罐路线的玩家，需要有足够的资金实力撑到需求爆发的那一天。三星生物能做成，靠的是三星集团的财力背书，可以连续多年亏损扩产，慢慢等订单。但乐土靠老板自己积累的地产资金和银行贷款支撑，资金成本高，容错空间小，一旦行业周期错配，立刻就会资金链断裂。

就在乐土的9万升罐子闲置积灰的同时，国内CDMO行业的头部企业正迎来新一轮景气周期。2026年前三季度，药明康德实现营收455.4亿元，同比增长38.6%，在手订单高达767.4亿元；康龙化成、凯莱英等企业也同步实现营收利润双增长。

一些业内专家表示。只要乐土深圳的产能转起来，还有资金续命，“还是能活下来”。“大方向放在现在也没错。”

大方向没有错，这或许正是乐土最让人唏嘘的地方。

但看对方向只是开始。一家公司要活下来，还得撑到方向兑现的那一天。乐土看见了大罐的未来，却用地产时代的杠杆和速度，去等一个急不来的行业周期。

如今，深圳基地仍靠医养业务的收入维持运营，逐步偿还欠薪与债务。

颇具反差的是，当乐土还在为过去的扩张付账，生物医药产业却已站在新一轮变革的门口。中国生物制造加速走向全球，AI正重塑药物研发与产业生态，新的技术与商业模式不断涌现。

一个时代的红利尚未兑现，另一个时代的浪潮已然涌来。上一轮浪潮留下的重负尚在，下一轮浪潮的船票，乐土还能否拿到？

CeMAT 2026亚洲国际物流展走一圈下来，最大的感受是：这个行业太卷了。

系统集成商在卷出海，设备制造商在卷集成，业主方也在从自用卷向外供：整条产业链都在拼命往前跑，可是跑的方向出奇地一致，那就是更快、更满、更多。

展馆里人挤人，展台上卖力叫卖，演示屏循环播放着「吞吐量提升300%」「拣选效率翻倍」。

在熙熙攘攘的参观人流里，有不少是带着预算来的工厂主。他们是真的在买：买智能产线，买立体库，买AGV，买WMS。投智能制造，是为了扩产能；投立体库，是为了扩容量；投物流系统，是为了提效率。

他们这么做的逻辑其实很直白。东西不好卖了，就得卖得更便宜；要卖得更便宜，就得把人工成本和损耗再砍一刀；而要砍人工和损耗，就只能上自动化。

所以你看到的是一个反常识的现象：越是东西卖不动的时候，工厂主越是往设备里砸钱。

所以，这不是升级，这是续命。

续的是什么命？续的是产能过剩的命。

光伏行业产业链都在大面积亏损；锂电行业的二三线厂商已经停工；纺织和家具行业，只能靠降价换现金流。

价格战不是偶发现象，它是蔓延中的常态。利润被一层一层削薄，薄到老板算完账才发现：不开工，要亏折旧；开工，要亏毛利。可产线还得继续转。因为只要停产一天，现金流就会断得更快。

于是就有了这个怪圈：越是亏损，越要投资；越是产能过剩，越要扩产能；越是卖不掉，越要建仓库。工厂主想用下一轮更极致的智能化，去消化这一轮自动化制造的过剩。

而展馆里那些扎堆繁荣的集成商和设备商，恰恰是这场死循环的受益者。

这里面的逻辑链条是：工厂主咬着牙要活下去，就必须降本增效；要降本增效，就必须买智能设备。你在展台上看到的每一笔订单，背后都可能连着一个被过剩拖住的车间。

这种繁荣是真的，但也真的脆。因为它不来自需求的扩张，只来自生存的焦虑。下游哪天撑不住了，上游卖铲子的人，第一个挨锤。

有人把这一切叫作「自我喂食的死循环」，说白了就是：产能过剩逼着企业降本增效，降本增效反而放大了产能，产能越大，过剩就越深。

机器不休息，算法不喊停，只有仓库在默默消化那些永远卖不完的货。

那么问题来了：智能化的尽头，到底在哪里？

说实话，这个问题可能根本没有技术层面的答案。

有人会说，等到黑灯工厂普及、全链路实现自主决策，智能化就到头了。但那些不是尽头，那只是把死循环转得更顺、更快。

机器不会自己停下来，算法不会主动减产，资本也不允许设备闲置。技术解决的是「怎么造得更多、更快、更便宜」，但它回答不了「为什么还要造这么多」。

这才是真正无解的地方。

一方面，消费端的需求在收缩；另一方面，工厂端的产能在膨胀。中间靠什么来填？

靠出口吗？全球都在筑墙，这条路走不通。靠投资吗？基建拉动的边际效应在递减。靠消费吗？居民杠杆已经不低，预期还没有回来。

所以你看到的是一个荒诞的结构矛盾：下行周期里，企业越需要降本增效，就越依赖智能化扩产；而产能越扩，供给就越过剩，价格就越卷，利润就越薄，企业也就越需要降本增效。机器在加速，需求在刹车，中间没有缓冲层。

那谁来踩刹车？

不是市场。因为市场在这局里是加速器，不是调速器。每家企业都在做理性的选择，可是这些理性选择加总起来，就成了集体的非理性。

也不是技术。因为技术没有方向感，它只负责把能做的事情做到更极致。

能踩刹车的，只有政策。

具体来说，是产业政策从「鼓励扩产」转向「控制产能」，是补贴从「奖励投资」转向「奖励消纳」，是让资源消耗和库存成本真正进入企业的账本。

更是重新定义「高质量」这个词：不是每家工厂都上了智能产线才叫高质量，而是全社会的库存周转在下降、单位GDP的浪费在减少，那才叫高质量。

可是现在的政策信号还在两头摇摆。一边喊着去产能，一边因为怕失业而不敢真砍；一边推智能制造，一边又拿设备更新当刺激内需的抓手。

方向有了，但是力道和一致性，还差得远。

所以，智能化的尽头在哪里？短期内，没有尽头。它会继续卷，继续转，继续制造过剩。

直到有一天，过剩本身变成不可承受的成本：仓库租不起了，现金流断了，市场用最硬的方式完成出清。

而那一天到来之前，还是要说一句不太中听的话：别再把智能化当成解药了。

它不是解药。它只是让病情发展得更快，也更隐蔽。真正的药方，从来不在车间里。

#CeMate#亚洲物流展#智能制造#智慧物流

“国内超一半算力在造爽剧”，这句话很抓眼球，也很容易让人产生一种焦虑：中国投入大量资源发展人工智能，结果大部分资源却被短剧、视频和广告消耗了——美国在做科研、写代码，中国却在生产爽剧？

但这句话把几个不同概念压缩成了一个结论：把Token消耗说成算力投入，把一家公司披露的行业估算说成全国统计，再把消费场景占比高，直接推导成产业方向走偏。

争论并非没有价值。短剧和营销占据很高的Token消耗比例确实值得关注，但要判断资源配置是否合理，不能只看一个未经充分说明的数据，我们更应该追问：这组数字从哪里来、统计了什么、能说明什么，又不能说明什么？进一步说，AI应用究竟应该由谁来评判价值，是看场景“够不够高端”，还是看它能否创造真实需求、形成商业回报，并推动生产效率提升？

一、55%的数字有出处，但不是全国算力统计

目前流传的“55%”，源自上市公司中文在线6月3日的一份投资者关系活动记录表。记录称，根据“行业调研数据”，AI短剧与视频生成占国内Token消耗的55%，电商与营销占24%，软件开发占15%，并称前者的Token消耗量超过软件开发的两倍。10月这组数字经媒体传播后，迅速被概括成“国内超一半算力在造爽剧”。

问题在于，中文在线的记录没有给出这组行业数据的具体来源、样本范围、统计方法和时间区间。澎湃新闻和上海证券报的追踪报道都指出，数据来源及统计口径仍有疑问；一些行业人士也认为，公有云、企业自有算力集群、私有化部署和科研机构的本地算力并不容易纳入同一套统计。

中国信通院2026年9月发布的《词元（Token）经济发展研究报告（2026年）》也提到，短剧与电商营销是词元消耗的重要应用场景。不过，报告中的相关数据有其引用来源，不能因此把55%理解成工信部对全国算力结构做出的官方统计，更不能把媒体标题里的“造爽剧”当成主管部门的定性。公开报道显示，报告引用的数据与中文在线披露的数字存在关联，而这组数字最终仍缺乏足够透明的统计方法说明。

图1｜词元（Token）消耗≠算力占用：应用消耗的Token多，不代表占用了同等比例的全国GPU——“全国过半算力在造爽剧”至少跨了两步推论。

因此，对这组数字最稳妥的表述应当是：中文在线投资者交流记录披露了一项行业估算，信通院报告及媒体报道进一步传播了类似数据，但其完整统计口径尚未充分公开。它可以作为讨论行业应用结构的线索，却不能被当成全国算力配置的权威结论。

二、Token消耗不等于算力占用，更不等于国家资源被拿去拍短剧

Token是大模型处理文本、图像或视频时的计量单位之一；算力则是硬件在一定时间内执行计算任务的能力。两者有关联，却不是同一个指标。应用消耗的Token多，不代表它占用了全国同等比例的GPU，也不代表全国超过一半的智算资源都被短剧业务占用。每日经济新闻对这场争论的分析也指出，Token消耗与算力分配不能直接画等号。

视频生成的Token消耗高，也有技术上的原因。与文本问答相比，视频任务要处理连续画面、帧数、分辨率和时序关系；在实际制作中，生成、筛选、修改往往要重复多次。于是，一条视频背后可能对应大量模型调用。Token占比高，既可能反映这类场景受到市场欢迎，也可能反映生成成本高、产品流程需要反复试错。它说明“吞吐量”大，却不能单独说明这些任务占用了多少全国GPU，更不能直接判断单位算力创造的经济价值高低。

图2｜短剧、营销是词元消耗的重要场景，但视频生成的高Token占比，既反映市场欢迎度，也反映生成成本高、需反复试错。

一个有助于理解口径差异的例子，是字节方面的回应。豆包公关负责人称，字节总算力中约10%用于视频生成模型的训练和推理。这是企业内部的算力分配口径；中文在线披露的55%则是Token消耗场景占比。两者统计对象不同，不能把它们直接放在同一张账上比较。

把“某些场景消耗了较多Token”转述为“全国过半算力在造爽剧”，就跨越了至少两步推论。第一步，把Token占比替换成算力占比；第二步，把一项行业估算扩展为全国资源分配。这种表达有传播力，但容易误导判断。

三、娱乐内容不是天然的低价值应用

批评者的担心并非全无道理。高性能算力和高质量模型训练需要巨额投入，如果大量资源被用于同质化内容生产，而没有形成稳定收入、技术进步或就业效率提升，那么这确实可能是资本和算力的低效使用。短剧如果只是不断复制套路、重复生成，最后靠投流争夺有限注意力，Token消耗再高，也未必代表产业价值同步增长。

但反过来，把短剧、视频和广告直接归类为“低端浪费”，同样过于简单。消费内容也是AI商业化的重要入口。消费者愿不愿意使用、企业愿不愿意付费、内容生产成本能否下降，都是技术走向真实市场的重要检验。短剧制作、广告创意和电商运营，未必能像药物研发、工业仿真那样体现“硬科技”形象，却可能更快形成付费需求和规模化应用。

AI产业的价值也不能只用“是否属于科研或工业”来划线。一个营销工具若能帮助中小企业减少拍摄成本、提高转化率；一套视频模型若能缩短制作周期、降低试错成本，它创造的价值并不因为服务消费市场而自动归零。反过来，即使应用名称听起来高端，如果模型效果不稳定、客户不愿付费、项目长期不能落地，也不能仅凭“服务实体经济”几个字就认定其投资回报很高。

真正该问的，不是“短剧值不值得使用AI”，而是：它是否创造了可持续的收入，是否提高了生产效率，是否形成可复用的技术能力，是否让客户获得了可量化的收益？这些问题比给场景贴上“高端”或“低端”的标签更有意义。

四、真正需要警惕的，是把消耗规模误当成产业进步

AI行业正进入从技术展示走向商业兑现的阶段。Token消耗量增长，表明模型调用增加、应用活跃度提升；但消耗本身并不是成功指标。如果企业只强调调用量和使用量，却不能说明客户留存、收入来源、毛利水平和单位经济性，Token越多，甚至可能只是成本越高。

短剧和视频生成尤其需要面对这道检验。生成内容的成本是否下降？用户付费或广告收入是否覆盖推理成本？重复生成的素材能否沉淀为企业资产？内容制作效率的提升，最终有没有反映为更高的利润率？如果答案是否定的，那么高消耗可能只是流量竞争的新形式。

图3｜别崇拜消耗：AI的价值不由场景是否“高端”、消耗多少Token决定，而看每单位算力能否带来真实需求与可持续回报。

同样，这条检验标准也适用于科研、编程和工业AI。不能因为研发场景听起来更有社会价值，就免于商业验证。科研成果能否转化、工业系统能否稳定运行、编程工具能否真正提高开发效率，都需要事实和数据支撑。AI发展不能只看“用了多少Token”，也不能只看“用了多少GPU”，而要看投入最终转化成了什么：技术进步、生产率、收入、利润，还是更高的补贴与营销开支。

从这个意义上说，55%即使准确，也更像是一个提示：AI应用的商业化首先落在了能够快速形成需求、频繁调用模型的消费和营销场景。它不等于中国的AI资源配置已经失衡，却提醒我们，如何把短期调用转化为长期生产力，才是产业下一阶段的关键。

五、别拿未经证实的中美数字，制造“谁在做正事”的对立

围绕55%数字，网上还出现了“美国58%的Token用于编程、研发”等对比说法。现有媒体追踪没有找到这一数字的权威数据来源，上海证券报的调查也指出，相关海外比例来自自媒体转述，无法核验。

因此，用“美国搞科研、中国造爽剧”来概括两国AI应用结构，证据不足。不同国家的模型平台、云服务市场、企业私有化部署比例和统计方法都不一样。没有统一口径的横向数据，简单比较百分比，很容易把传播话术包装成产业判断。

更何况，国家之间的AI竞争也不是一道选择题：一边做科研，另一边做娱乐。一个成熟的AI生态，必然同时包含基础研究、工业应用、企业服务、消费产品和内容生产。真正的差距不在于有没有短视频，而在于能不能形成从底层模型、算力基础设施，到行业应用和商业回报的完整链条。

六、我们的判断：不要嘲笑应用，也不要崇拜消耗

这场“算力造爽剧”的争论，最值得保留的不是情绪化结论，而是它提出的资源效率问题。算力是稀缺资源，企业、投资人和政策制定者当然应关注它被用在哪里、带来什么回报。但讨论必须先建立在可靠的统计口径上：公有API调用与全国算力不是一回事，Token消耗与算力投入不是一回事，行业估算也不等于官方统计。

我们的判断是，短剧和营销占据较大Token消耗，可能反映这些场景更早形成了高频、规模化的商业调用；这既是AI应用落地的信号，也可能意味着资源和资本正在追逐短期流量。单靠55%这个数字，既不能证明中国算力被“浪费”，也不能证明行业结构已经合理。

判断AI应用的价值，应当从三个维度看：有没有真实客户，能否形成可持续收入，是否提升了效率或生产力。短剧也好，工业软件也好，科研模型也好，都应该接受同一套商业和技术检验。既不因为一个场景属于娱乐，就预先否定它；也不因为它消耗大量Token、制造了热度，就把它当作产业进步。

AI的价值，不由场景听起来是否高端决定，也不由消耗了多少Token决定。最终决定价值的，是每一单位算力能否带来真实需求、可持续回报和可验证的效率提升。

本文配图由AI生成

END

数采爆单，具身大脑公司慌了。

定焦One（dingjiaoone）原创

一家成立一年半左右的具身智能数据服务公司，最近两周接到的数据采购订单超过了此前两个月的量，这在整个具身行业融资环境收紧的背景下就像是一针强心剂。

“订单不仅来自具身行业，一些曾经只询价不下单的基模大厂也开始下单了。”这家公司的创始人告诉「定焦One」。

变化始于GPT-6 Astra的发布，9月初，OpenAI发布最新一代模型后，社交媒体上出现大量用Astra控制机械臂做各种任务的测试，不少具身从业者发现，通用的多模态基础模型也具备了空间理解的能力，可以直接控制机器人执行任务，成功率甚至超过了一部分具身模型。

测试视频越传越广，“通用大模型迟早会‘吃掉’具身模型”“大语言模型将吞噬具身模型、具身智能只是通用大模型的一个子集”等声音开始在行业内流传。宇树科技创始人王兴兴甚至直言，明年GPT-7出来后，可能直接把具身智能问题打穿。但行业里也有不同的声音，有人认为当前的通用大模型还远没有到降维打击具身智能的地步，在长程任务成功率、延迟、成本等许多环节还存在明显的短板。

答案或许并不唯一，而Astra对行业带来的冲击却是实在发生的。灵御智能CEO金戈告诉「定焦One」，Astra发布本身对具身行业是一个振奋的消息，它首先验证了一个新的可行性的方向，并且证明了物理世界与非物理世界的数据是相辅相成的，“在Scaling Law之下，物理数据训练进大语言模型，同样能提升它的非物理的能力。”

这赋予了具身物理数据新的价值，同时也对具身“大脑”公司提出了更高的要求。一位具身智能投资人告诉「定焦One」，Astra发布后，一部分具身模型创业公司和中小公司的价值将被打上一个问号，“如果一家公司没有1000张以上的算力卡，那么它们很难在未来与基模大厂的竞争中生存下来。”

Astra的出现，行业不得不回答，具身智能究竟是一门独立的生意，还是大语言模型能力树上一个注定被覆盖的分支？

01.大厂入局，具身被“降维”？

“门外的野蛮人来了”，一位具身从业者告诉「定焦One」，这是他身边不少人对于GPT-6 Astra的第一反应。

在他看来，有钱、有卡、有人才储备的AI大厂一旦把能力向具身智能领域延伸，就像门外站着一群随时可能破门而入的野蛮人。更让人不安的是，Astra让不少从业者意识到，这个行业积累的Know-How，可能没有大家以为的那么深。

Astra带来的核心变化，是一种跨领域的能力提升，通用大语言模型能够处理以往主要由VLA、WAM等专用物理模型承担的机器人操作与导航任务，并且还表现出了零样本泛化、上下文学习的能力。

英伟达研究团队在10月中旬对Astra进行了测试，在物体的抓取与放置测试中，Astra在没有用机器人数据做专门微调的情况下，可以直接根据视觉信息和任务指令，控制机器人执行任务，依靠Astra模型直接输出动作的成功率达到了66.3%，这一数值远高于具身智能公司Physical Intelligence的专用模型π0.5。

国内的具身公司银河通用也做了类似的测试，在选取的RoboDojo任务中，Astra直接控制机器人的成功率为26%，π0.5的成功率只有15.67%，而如果把二者结合，用Astra进行决策，用π0.5负责执行，成功率则进一步提升到48%。

机器人的“大脑”通常被分为三层，System 2负责理解场景、规划任务和推理，System 1接受System 2的指令再结合环境反馈规划和调整动作，最终由System 0负责底层的运控。从上述实验结果可以看出，大语言模型的能力已经可以更好地胜任System 2和部分System 1，具身专有模型的优势区间则被压缩到一部分System 1和System 0。

具身智能能否落地，关键在于大脑，这是行业里存在已久的共识，Astra的出现把大脑的发展进程加快了。王兴兴在不久前的宇树合作伙伴生态大会上给出的判断是，GPT-6的一些能力已经可以解决机器人的部分规划问题，随着通用大模型能力的提升，快的话一到两年，慢的话两到三年，物理AI可能迎来重大突破。

他代表的是行业内比较激进一方的观点，同样也有偏保守的一派，自变量机器人创始人兼CEO王潜认为，基础模型通过其他领域的通用智能泛化到具身智能，这种可能性不大。通用大模型没有办法在机器人上以合理速度做推理、部署，还是需要一个单纯的具身模型来做这件事。

站在具身智能公司的视角来看，Astra压缩了一部分公司的发展窗口和生存空间，同时又为另一部分公司提供了新的发展路径和思路。而站在大模型公司的角度，Astra所带来的机遇则远大于威胁。

野村证券近期的一项具身行业调研报告中显示，从2025年9月到2026年8、9月期间，OpenAI采购了约1000万小时的具身数据，约占美国市场供应量的70%。

这些数据是Astra具身“大脑”的能力来源。除了大规模采购数据，OpenAI还计划亲自入局具身智能，今年6月，OpenAI CEO Sam Altman在社交平台发布的一则招聘信息，正式宣告进军实体机器人赛道。他表示，公司正在组建名为“OpenAI Robotics”的新团队，并公开招募全栈硬件、运营、系统及机器学习工程师。

DeepSeek也在筹备具身智能相关的业务和投资，此前据媒体报道，梁文锋密集关注具身智能领域，并与多位该领域创业者交流，探讨机器人、大模型与现实世界交互等方向。DeepSeek进入具身智能的方案可能包括亲自组建团队下场研发，也可能通过投资相关企业切入。

DeepSeek此前曾参与宇树的IPO配售，上个月，又被曝出同意领投腾讯前科学家胡瀚创立的具身模型初创公司Winverse AI的种子轮融资，金额达数千万美元。

此外，Anthropic、Kimi等前沿通用模型公司都在酝酿入局具身智能和物理AI，并开启相关的人员招募。具身智能已从机器人公司的专有赛道，变成所有AI公司路线图的终点站。

02.数采“爆单”，本体大涨、模型公司受伤

面对实力雄厚的AI基模大厂的高调入局，具身智能产业链上各个环节的公司所面临的处境不尽相同。

最先受益于“Astra效应”的，是产业链最上游的具身数据采集商。

上述具身数据服务公司创始人告诉「定焦One」，就在Astra发布并且引发具身模型相关讨论前的一段时间，很多数据公司的日子并不太好过，由于融资环境的收窄，数据采购订单也在减少，一些模型公司拿不到投资人的钱，相应的也减少了数据采购。

“原本对外定价300元/小时的Ego Centric数据，甚至会被压价到几十元。”他说。

这其实并非整个行业对于数据的需求在减少，具身行业普遍的共识是，具身智能模型要达到像大语言模型中GPT-3.5那样的能力，大概需要一亿小时量级的数据，而目前行业内清洗过的有效数据量还在百万小时级别。

数据有效率低、同质化严重加上数采公司之间的竞争内卷导致数据价格越来越低。但Astra的出现一定程度上改变了数据需求的结构，通用大语言模型公司看到了具身数据的价值，无论是不打算入局具身智能行业，仅仅通过物理数据的训练来提升模型整体的智能水平，还是为日后入局具身智能行业打下数据基础，都催生出了新的需求。

相比于数采公司，处在产业链中游的模型公司则需要面临竞争环境的变化。

一位具身智能投资人告诉「定焦One」，OpenAI推出Astra对于一级市场做具身“大脑”或场景落地的公司冲击最明显，随着大语言模型的物理理解能力逐渐成熟，做纯通用具身大脑研发的公司价值会缩水。

此前，具身“大脑”公司能够拿到高估值的一个核心逻辑在于，投资人认为通用和物理AI是两个独立并行的发展路径，在具身模型领域也有可能出现一个新的OpenAI，但如果OpenAI本身就能具备一定的具身模型能力，那么这种叙事将会被打破。

不过，在今天的具身智能行业中，几乎没有只做单一环节的公司，机器人本体公司会布局数据采集和模型训练相关业务，数据公司也会做模型训练，所以Astra对于公司估值和竞争格局带来的变化在短时间内还没有浮现，它更多是在技术层面推进行业整体的发展。

在技术进步上受益最明显的是下游的本体公司，尤其是那些已经具备量产和成本优势的机器人本体公司，它们可以通过接入通用大语言模型迅速补齐“大脑”能力。

根据王兴兴透露，在Astra发布后，宇树内部尝试用这一模型做了几项机器人实验。例如仅通过提示词，让机器人画画，又或者是让机器人在零训练的条件下下围棋，Astra都顺利地完成了任务。

在10月的最后两周里，宇树的股价累计上涨超过70%，市值一度接近3000亿元，这背后一个重要的原因是Astra的出现拔高了市场对于具身大模型进展的预期，当大语言模型开始尝试解决具身大模型所需要解决的问题，主机厂的价值重新锚定在了运动控制、本体可靠性、成本控制等方面，“大脑”反而变成可随时插拔的商品。

尽管Astra带来的冲击影响了产业链上的各个环节，但现阶段说Astra将完全颠覆具身智能行业还为时尚早。

03.大模型之下，什么样的具身公司活得好？

零样本泛化、空间理解、深度推理，这些显而易见的优势还不足以支撑Astra吞噬并取代具身模型，它的短板同样明显。

首先是延迟问题，在社交平台上比较火的Astra操作机械臂作业的视频通常都是倍速播放，如果在正常速率下，通用大模型“慢”的问题就会被暴露出来。

大语言模型在控制机器人的时候经常需要停下来思考下一步应该怎么做。在英伟达的测试报告里，Astra在RoboLab-120上直接输出末端目标时，平均每次推理的时间达到18.56秒，Agent模式下依然需要13-18秒的思考时间。作为对比，具身专有模型π0.5大约只需要几十毫秒。

如果机器人进入生产场景或者家庭服务场景，这种延迟和停顿的影响就会被成倍放大。

此外，大语言模型运行在云端，这需要考虑网络的延迟和稳定性问题，不过对于这一点，行业里存在不同的声音。

一方观点认为，机器人作业对于实时响应的要求很高，如果“大脑”运行在云端，执行层在本地，就会导致机器人的运行不稳定，尤其是在做长程任务的时候，如果由于信号波动导致一个子任务执行失败，整个流程就可能被卡住。

但也有一方观点认为机器人的大脑就应该运行在云端。灵御智能金戈告诉「定焦One」，端侧算力的天花板不高，以目前行业里最领先的端侧芯片Thor为例，它计算一帧画面大概需要100多毫秒，而英伟达几年前的A100芯片计算一帧就只需要40多毫秒。

此外，如果大语言模型只负责System 2和部分System 1的决策环节，实际上并不需要特别高的即时性。

除了延迟方面的短板外，成本也是不得不纳入考量的重要因素。同样是在英伟达的实验中，一次成功的直接输出动作平均消耗16万个token，大约折合1.96美元；如果用Astra负责规划、由具身模型执行动作，平均一次要消耗1100万个token，约合17.72美元；而更进一步让Astra根据交互历史调整动作的策略生成一次成功动作，则需要消耗3090万个token，约合36.40美元。

这只是一个动作的成本，如果从商用角度来看，性价比很低。

目前大语言模型在具身智能领域的应用最理想的情况是和具身模型分层“干活”。在规划层与语义层，任务拆解、场景理解、指令遵循，这些能力通用模型做得更好、更便宜。毫秒级运动控制、力觉触觉反馈、本体适配，以及最关键的真机数据闭环的执行层则交给具身模型。

在这种新的分工体系之下，具身智能行业的价值链也将重新分配，自变量王潜提出过一个观点，他认为今天智能的本体存在于数据里，模型更多是一个蒸馏器和一个容器，在训练时，它是一个蒸馏器，在部署时，它是一个容器。

这就意味着，高质量的具身数据，是决定未来具身大模型独特竞争优势的胜负手之一。除此之外，触觉、力控、力反馈等等这些大语言模型无法通过计算和推理得来的数据将更具价值。

Astra发布一个多月后，行业已经用行动投出了一票，数据订单回来了，本体公司的价值重新锚定，做“大脑”的公司则不得不直面与基模大厂的同场竞争。

一些窗口正在被关上，同时又有一部分新的窗口在被打开，整个行业发展的脚步更快了。

*题图及文中配图均来源于Unsplash。

瑞幸看起来已经不那么像一家咖啡店。

近日，瑞幸木薯桃胶炖奶在全国门店上市。继轻乳茶、冰奶、酸奶昔、泰奶等产品后，又将菜单扩展至中式糖水。

扩张的菜单背后，是瑞幸业绩增长与同店下滑的分化。

最新三季报显示，瑞幸营收178.91亿元，同比增长17.0%；经营利润27.56亿元，同比增长55.1%。

但自营门店同店销售额同比下降11.1%，为2024年第三季度以来首次出现两位数降幅。

瑞幸选择持续丰富菜单，试图为消费者创造更多购买理由。

第三季度，公司推出41款现制饮品及20余款轻食，创近年单季上新数量新高。其中，泰奶系列上市首周销量突破1300万杯。

从咖啡、奶茶到糖水，瑞幸正在把更多现制饮品纳入近4万家门店。

通过品类扩张覆盖更多消费时段，已成为现制饮品行业争取增长的普遍选择。

但对依靠紧凑店型、精简人力和标准化制作快速扩张的瑞幸而言，更丰富的菜单能否带来足够的新增消费，仍是这轮进攻需要回答的问题。

一

上新越来越快

瑞幸管理层在最新业绩会上，花了不少时间解释同店增长的问题。

第三季度，自营同店销售额同比下降11.1%，较第二季度5.3%的降幅进一步扩大。

董事长兼CEO郭谨一解释，去年7月至8月外卖平台高额补贴推高了销售基数，今年补贴退坡后，客单价较高的外卖杯量下降，自提杯量回升仍不足以完全抵消影响。7月至9月同店降幅已逐月收窄。

郭谨一同时强调，对于仍处于扩张阶段的瑞幸，同店可能呈现波浪式变化，不应孤立看待这一指标。

瑞幸的应对之一，是持续拓宽产品边界。

早期，瑞幸主要围绕咖啡进行风味创新。生椰、生酪、小黄油等产品，通过乳基和配料变化，丰富咖啡口味。

如今，能够覆盖下午茶等闲时需求的非咖产品，已经成为新品开发的重要方向。

2024年，瑞幸明显加大非咖布局。轻轻茉莉·轻乳茶上市首月销量达到4400万杯，成为进入现制茶饮市场的代表性产品。

彼时，瑞幸正经历上一轮门店加密和价格竞争后的同店修复。轻乳茶切中了市场对真奶、茶香和轻负担的需求。

瑞幸通过“上午咖啡，下午茶”的营销活动，将9.9元价格体系延伸至茶饮，借助原有门店网络迅速推广，也打开了新的消费场景。

此后，瑞幸又向全国门店推广自研“瑞掇菁”萃茶机，将茶汤生产纳入标准化设备体系，并进一步推出冰茶、冰奶等产品。

冰奶通常以奶基为主体，搭配水果风味，部分加入茶汤，成为今年现制茶饮市场的热门品类。茶百道荔枝冰奶上市51天销量突破1700万杯，古茗、书亦烧仙草等品牌也相继推出相关产品。

8月，瑞幸推出泰奶系列，进入消费者已经熟悉的泰式奶茶市场。四季度又相继推出珍珠奶茶、木薯桃胶炖奶，将产品延伸至更多带有固体小料的饮品。

据全天候科技不完全统计，2026年前三季度，瑞幸公开可识别的约80款上新饮品中，非咖产品约占45%。

非咖业务在整体经营中的重要性同样提升。

瑞幸此前披露，2025年非咖饮品杯量占比超过20%；截至今年5月底，现制茶饮及其他非咖产品累计销售额突破200亿元。

摩根大通今年7月一份专家访谈纪要显示，受访经营者所涉及的瑞幸门店，非咖饮品年内销售额占比约30%。

郭谨一在三季度业绩会上表示，丰富产品品类是为了满足更多消费场景和时段需求，并为门店网络扩张提供支撑。

非咖已经不只是围绕咖啡进行的补充，而是在帮助瑞幸争夺更广泛的饮品消费。

二

效率模型如何承载

在奶茶领域“再造瑞幸”，对这家咖啡连锁企业提出了新的能力要求。

供应链层面，瑞幸已有规模化采购和加工基础，奶基、茶汤、果汁等原料也能够在多款新品之间复用。

即使桃胶木薯炖奶涉及更多固体小料，也可以通过工厂熟制、预包装等方式简化门店制作，不必从生鲜原料开始现煮。

业内人士表示，对瑞幸这样的规模化连锁企业而言，采购和标准化生产并非全新课题，更需要关注新增原料的供应稳定性及品质一致性。

同时，部分新品具有季节限定属性，并非全部长期在售。通过调整采购和库存，可以减少SKU增加带来的持续性成本，但短期销售波动仍可能产生损耗。

相比之下，新增品类对前端门店的影响可能更加直接。

瑞幸早期主要依靠面积20至60平方米的快取店扩张，以紧凑空间、精简人员和标准化制作实现较高周转。

早期咖啡产品主要依靠咖啡机及标准化乳基、糖浆完成制作。但轻乳茶、冰奶、复杂特调和糖水陆续进入菜单后，门店需要处理的原料类型、制作工序和储存要求也在增加。

例如，茶汤通常需要提前批量制作。即使通过萃茶机实现标准化，设备准备、器具清洗仍需时间；茶汤存在使用效期，销量不足时还可能产生报废损耗。

一名瑞幸门店员工向全天候科技表示，随着新品增加，门店开店前的准备工作明显增多。其刚入职时，只需准备两种茶汤及抹茶、可可预调液，如今则要准备四种茶汤、两种奶盖，处理两种水果，还需完成运冰、配置消毒水等工作。

据其反映，门店安排的开店准备时间为半小时，实际往往难以完成，部分员工需要提前到岗，打烊后的清洁工作也面临类似压力。

另一名受访瑞幸员工则反映，新增品类带来的困难不仅在于制作工序增加，更在于备料与正常接单之间的冲突。

这名员工表示，部分时段系统会安排单人值守，店员需要同时完成饮品制作、到店及外卖订单打包、原料准备等工作。订单持续进入时，往往难以抽出完整时间备料，而备料又可能影响后续订单的出杯速度。

据其介绍，瑞幸将出杯及时率纳入门店考核。在单人值守且订单集中的情况下，新增备料工作可能影响及时率表现。

新增品类对门店的影响，最终仍要通过单店产出和经营效率来衡量。

第三季度，瑞幸自营门店经营利润率达到23.3%，同比提高5.8个百分点，基本恢复至外卖大战前水平。

不过，这轮修复很大程度上受益于外卖补贴退坡后的渠道结构变化。随着消费者回归自提，瑞幸第三季度配送费用同比下降38.1%，减少约11亿元。

利润率回升尚不能证明新品没有增加门店运营成本。更丰富的菜单能否创造足够的新增杯量，仍是检验这轮扩张效果的关键。

三