博客

  • 段永平重估英伟达

    声明:本文来自于微信公众号 字母榜,作者:苗正

    段永平一直以“不懂不投”著称。

    他管理的H&H International Investment在2025年二季度已持有英伟达96.48万股,三季度降至59.78万股,减持约38%。

    但随后,H&H开始快速放大英伟达仓位:2025年四季度持股增至723.71万股,环比增加1110.62%;最新披露的2026年一季度13F显示,英伟达持仓进一步升至1384.38万股,环比再增91.29%。

    短短两个季度,持仓从59.78万股扩大到1384.38万股,约23倍。

    截至2026年一季度末,英伟达持仓市值约24.14亿美元,占H&H13F美股组合约12.07%,成为第三大重仓股。

    还没完,13F文件还披露,2025年四季度,H&H还新建仓了三家AI产业链公司:CoreWeave(AI算力云服务商,29.99万股)、Credo Technology(光互连芯片,14.13万股)和Tempus AI(医疗AI,11万股),覆盖了算力、连接与应用三个节点。

    到了2026年一季度,CoreWeave已被清仓,Credo增至75.12万股,Tempus AI降至2万股。

    这说明一件事,段永平在了解英伟达之后,对整个AI基础设施都有了新的认知。

    不过在H&H2026年Q1的13F里,苹果仍然是第一大仓,占比约36.72%;伯克希尔B股位居第二,占比约21.91%;英伟达已经跃升到第三大仓,持仓市值约24.14亿美元,占比约12.07%。

    早在去年的时候,英伟达对于段永平来说只是一支“芯片股”。

    什么是芯片股?这是最典型的强周期行业,其表现形式是强周期波动+长期螺旋成长,3、4年左右完成一个轮回。

    如果放在过去,那个以游戏显卡为核心的英伟达,那它确实是一只芯片股。但是放到今天,资本市场对英伟达的认知就是基础设施股。

    任何AI公司都离不开英伟达,因为现在已经没人再比算法了,大家只比算力。

    “你家趁多少张H200啊,模型技术报告敢写这么豪横?”

    作为中国巴菲特的段永平,他对英伟达认知上的转变和巴菲特看苹果一样,起初巴菲特也把苹果当成科技股来看。从来不投科技股的巴菲特就这么错过了当时的苹果。

    后来巴菲特把苹果当成消费股来投,于是,人类投资史上最成功的单笔股票投资诞生了。

    累计总收益超过1500亿美元,年化复合收益率28.3%,远超同期标普500指数的13.9%。其中已落袋收益约1250亿美元,未实现浮盈约460亿美元,累计分红约93亿美元。

    那又是什么,促使段永平重估英伟达的呢?

    A

    段永平过去喜欢的公司,往往有几个共同特征。长期需求、强品牌或生态、优秀管理层、定价权。

    这些公司普遍能穿越经济周期,持续创造现金流。

    在段永平眼里,“买股票就是买公司”。

    所以你要能看得明白这家公司的生意模式,才能看懂它未来的现金流,看懂产业。

    段永平在2025年11月的雪球访谈中明确表示,AI带来的变化超乎想象。他说,AI上了一万个台阶,很难想象10年后这个世界会变成什么样子,但变化很可能比过去10年、20年甚至40年还大。

    这个判断很重要。它意味着段永平不再把AI当成一个普通的技术升级,而是当成一次工业革命级别的范式转移。在这种转移中,谁掌握了基础设施,谁就掌握了话语权。

    段永平认为英伟达的护城河比市场想象中更难复制。

    AMD、自研ASIC、云厂商芯片都在竞争AI芯片,但英伟达的优势不只是性能更强,还有整个CUDA生态。

    围绕着CUDA,开发者、模型框架、企业部署、供应链、网络互联、软件兼容性,已经形成了一个完整的闭环。

    在2025年10月16日接受雪球创始人方三文的独家访谈时,段永平是这么解释英伟达的生态壁垒的。

    “我以前也以为它高度变化,但是后来发现确实很厉害,他们这个生态确实很强。你看英伟达和OpenAI的合作,以及AMD和OpenAI的合作,从这两个交易,你可以看出来英伟达有多强。”

    “英伟达是投资1000亿,但是是给它芯片,拿它的股份。AMD是我给你芯片,我给你股份,求求你用用我。你现在知道这个差别了吗?”

    一个是客户抢着要,愿意用股份换芯片;另一个是倒贴着求人用。

    他进一步指出,英伟达的CUDA系统已形成类似操作系统的垄断地位。

    AI公司离了CUDA连代码都写不出来,而巨头的技术替代(如TPU)短期内威胁有限。尽管估值偏高,但供不应求的现状和生态粘性,使其坐稳了AI卖铲人的地位。

    前文提到,苹果仍然是段永平的第一大仓,所以增持英伟达的过程,看起来就像是段永平找到了一个未来十年胜率很高的新引擎。

    段永平的说法是“苹果确实还是很厉害,但是它的增长可能没有以前那么快了。”

    图片

    同时段永平认为“AI大概率会比互联网带来的变化还要大,也大概率比工业革命带来的变化大。”

    苹果已经是一个成熟的消费品公司,它的增长曲线已经进入平稳期。而英伟达正处于AI浪潮的起点,它的增长空间还很大。

    除了企业和产业,黄仁勋的个人魅力也是段永平重仓英伟达的原因之一。

    段永平在访谈中说,“我看了黄仁勋很多视频,这个人我也很欣赏,他十多年前讲的东西和今天讲的东西是一样的,他早就看到了,一直在朝那个方向做。所以现在就不得不去想,他现在讲的东西依然是对未来的认同。”

    他投资苹果,很大程度上是因为欣赏乔布斯和库克对产品体验的极致追求。他投资茅台,是因为认可茅台的企业文化和长期主义。现在他重仓英伟达,显然也是在黄仁勋身上看到了诸多闪光点。

    段永平在2026年3月还表示,“老黄显然比我懂AI,你要不信他,你也不需要到处问那些还没他懂的人们吧?”

    B

    纵观过去,段永平对AI和英伟达的态度,经历了一个明显的转变过程。

    在2025年之前,段永平对半导体的投资是非常谨慎的。

    即使英伟达当时如日中天,段永平也曾多次表示“看不懂”英伟达所在的行业,认为半导体是“高度变化”的领域,不符合他的能力圈。

    他在当时表示,“对AI还是没有看太懂”,认为“至少掺和一下,不要错过”。

    所以玩了一手试探性建仓。小仓位试错,是他了解新行业的惯用手法之一。不过一个季度后就减持了。

    后来,通过亲身体验AI工具,段永平对AI的态度也发生了改变。

    他在2025年9月的雪球发帖中写道,“AI是个不可回避的话题!简单讲,AI其实‘没啥特别’的,AI就是个我们原来说的计算机应用。但是,AI是在算力大幅度提高了后的产物,哲学意义上就是‘量变产生质变’了!”

    段永平拿自己举了个例子,他说以前想研究一家新公司,得花好几天翻财报、看新闻、读各种报告。现在呢?直接问AI,几分钟就给出一个清晰完整的大框架。

    他还感慨,现在连看个动画片,都分不清是真人表演还是AI生成的了。

    “这玩意儿真是越用越觉得有意思,感觉世界有点不一样了。”段永平如此评价AI。

    这种亲身体验带来的认知冲击,比任何研究报告都更有说服力。

    可能也正是因为用了那些神奇的AI妙妙工具,段永平也跟着我们一起,拜入了黄教主门下。

    关于AI的整体判断,段永平认为,AI肯定是个工业革命,但泡沫总是会伴随而来。

    尽管如此,但他却不太看好大模型公司的商业前景。

    2026年4月段永平表示“除了Gemini,别的大模型有谁上市了吗?除了Gemini,有哪个大模型能活到10年后的?我看不懂大模型的盈利模式。”

    “现在市场上的大模型很多,10年后能活下来的大概率不会超过10%,所以这是个九死一生的游戏(这是我猜的)。”

    也就是说,段永平看好AI这个大方向,也看好英伟达这个卖铲子的,可他却不看好大部分大模型公司。

    他的判断依据是,大模型公司的盈利模式还不清晰,竞争格局还不稳定,大部分公司最终会死在烧钱的路上。

    段永平在2026年年初表示,“新的一年里,需要认真学习如何使用AI,希望有一天能理解到‘敢下重注’的程度。AI越用越觉得有意思,感觉世界正在发生变化。很难想象10年后的世界会是什么样子,但变化很可能会比过去10年、20年,甚至40年都更大。”

    从“看不懂”到“小仓试错”,再到“重仓出手”,段永平认清英伟达,用了不到一年的时间。

    C

    段永平素有“中国巴菲特”之称,他在AI时代的投资转向,与巴菲特当年投资苹果的逻辑有着相似之处。

    2016年之前,巴菲特一直遵循“不投资科技股”的原则,认为科技行业变化太快、护城河不稳定。

    这就导致他错过了谷歌、亚马逊这样的科技巨头。

    2016年,在伯克希尔投资经理的推动下,巴菲特开始建仓苹果,并在随后几年持续加仓,最终使苹果成为伯克希尔历史上仓位最大的单一股票,占投资组合近40%。

    巴菲特投资苹果的核心逻辑是,将苹果重新定义为一家“消费品公司”。

    他多次强调,苹果在他眼里是有强大护城河的“消费品公司”,iPhone是“电子瘾品”,用户粘性堪比“口香糖”。iOS生态的封闭性、品牌忠诚度(用户留存率超90%)和持续现金流构成了“经济护城河”。

    巴菲特刚入场时,苹果估值并不高,市场担心iPhone增长见顶,但公司仍拥有强大的自由现金流、庞大的用户基础和持续回购能力,符合巴菲特“以合理价格买入优秀企业”的标准。

    不仅如此,巴菲特还非常欣赏乔布斯和库克对产品体验的独到理解。

    这才使得这笔投资被称为“人类投资史上最成功的单笔股票投资”。

    段永平投资英伟达的逻辑,与巴菲特投资苹果是相似的。

    一开始都是误判,然后及时更正。同时也都看重生态系统的护城河,并且都认可公司的最高管理层。

    还有一点,那就是两人都是在“看懂”之后才下重手。

    巴菲特承认自己“连iPhone都不会用”,但通过研究商业模式和财务数据“看懂”了苹果的价值。段永平也经历了从“看不懂”到“亲身使用AI工具”再到“看懂生态壁垒”的过程,然后才在2025年Q4大举加仓。

    95岁的巴菲特在2026年依然坚持“不投AI算法公司”,认为“学不懂新行业”。伯克希尔也明确表示“不会为了AI而AI”,也不投资纯概念股。

    相比之下,65岁的段永平愿意亲身使用AI工具、观看黄仁勋的视频、研究英伟达与OpenAI的合作模式。

    其实在13F里,还有一个挺有意思的事情,那就是段永平买特斯拉了。

    2026年一季度,H&H新建仓特斯拉340.89万股,期末市值约12.67亿美元。

    实际上过去段永平不是很喜欢这个品牌,他以前谈到特斯拉时,曾提起,投资实际上是在跟公司经营者做朋友,而自己不是很喜欢马斯克的品行,“不想跟他做朋友,哪怕给钱也不干”。

    他还认为,电动车生意很累,差异化不容易做出来,最后大部分电动车公司都会死掉。

    但后来,段永平买了Model Y之后说,FSD确实好用,Model Y开起来也没什么不舒服,现在开特斯拉已经成了他的首选

    对马斯克本人,他说看法没什么大改变,不喜欢的东西依然不喜欢。但他也承认,马斯克做出来的很多东西,刚开始听起来像是在蒙人,十来年后却真的落地了。

    重仓英伟达或许只是个开始,无法否认一件事,那就是传统价值投资正因AI而改变。

  • AI支付体系正在改变什么

    声明:本文来自于微信公众号 新莓,作者:路雨晴

    最近,蚂蚁集团公布了一个最新数据,支付宝AI付已服务AI产业相关的3亿笔AI智能体支付,其中支持95%的通用智能体。

    仅仅半个月前,支付宝AI付才发布一项新能力:向用户提供在委托代办场景下的支付服务。

    比如用户可在千问与淘宝全面打通后的AI购物流程中,体验「AI低价帮抢」功能。只要单件单价是在1000元以内的商品,不用盯着手机刷,说句话就行。之后,从AI选好的商品和算好的价格中,确认心仪的那款,再通过支付宝AI付完成任务授权、核身验证,整个预约帮抢流程便丝滑完成。

    支付宝AI付推出迄今还不到一年,但已成为全球首个支付笔数和用户数双双破亿的AI原生支付产品。抢先达到亿级用户这一事实,定义了AI原生支付的第一个用户基准。与此同时,全球范围内其他支付公司、硬件厂商等玩家,也纷纷跟进AI支付

    一场围绕AI支付体系的全球卡位战,正在悄然展开。

    成为AI原生支付基建

    从支付宝AI付面世到破3亿笔支付,不过9个月时间。

    第一波高峰出现在马年春节。因为「千问」请客,支付宝AI付累计支付笔数就达到1.2亿笔,并一跃成为全球首个用户数破亿的AI原生支付产品。

    三个月后,支付宝服务智能体支付的笔数再创新高。背后的原因在于,智能体爆发与AI支付相互激荡,催生了新型的商品与服务交易。

    而智能体与智能体之间的交易将成为AI时代主流支付形态之一,已经成为行业共识。

    瑞幸咖啡的AI点单助手「Lucky AI」,是AI付率先落地的应用场景。用户登录瑞幸支付宝小程序或瑞幸咖啡APP,就像到店和店员自然交流那样,只用说出购买需求,就能完成下单并支付,且全程不离开对话界面。

    图片

    除了手机屏幕,AI付还「长」到了一些更特殊的智能终端上,比如AI眼镜、智能座舱。

    用户佩戴Rokid Glasses,说一句「乐奇,付款10元」,并看向收款码,再说一句「确认支付」。声纹核身过关,付款即完成。这很适合用户双手被占用、不便拿出手机付款的应用场景,例如,双手拎满商品,到收银台结账时。

    前不久北京车展期间,支付宝与斑马智能联合发布集成AI付车载版的AI座舱解决方案,首期覆盖影音娱乐与出行生活两大高频场景。车主用语音指令,就能享受买门票、订酒店、点餐等AI消费服务。

    与千问APP的合作,是支付宝AI付在更广泛的生活场景里应用的一个重要节点。

    全面接入阿里生态的基础上,千问超400项AI办事功能,包括点外卖、买东西、订机票等,均可在端内完成AI支付,无需任何跳转。

    截至目前,支付宝AI支付已支持95%的通用智能体框架。包括千问、JVS Claw、Claude code、Hermes Agent等通用智能体,千问AI眼镜、Rokid、未来智能AI耳机等智能设备,理想汽车、奇瑞、吉利、东风等智能座舱,以及TRAE SOLO、Qoder、扣子等头部AI工具平台。

    支付宝AI支付正在成为,全球首个规模化商用的AI原生支付基建。

    除了支付宝,国内很多公司也在加速布局AI支付。中移金科推出「移动钱包AI付」,支持用自然语言指令触发充值、缴费等服务流程。微信支付依托腾讯元宝,打通中小商家的AI点单场景。京东科技发布的「京东AI付」,能在万能数字人助手JoyAI App上,通过虚拟助手「万能博士」点外卖并完成支付。

    海外公司也在做类似的探索,只是尚未触达「中国速度」。

    2025年10月,PayPal宣布与OpenAI达成协议,将成为首个整合进ChatGPT的数字钱包服务。这意味着,ChatGPT用户可直接通过PayPal完成支付。

    而在前不久,OpenAI又面向美国地区的ChatGPT Pro用户推出全新个人理财体验预览版,允许用户安全连接个人金融账户,查看资金流向,向ChatGPT提出个性化咨询,比如,让AI根据自身财务状况,帮忙制定在3年内买一辆车的计划。

    2026谷歌 I/O 开发者大会上,基于两大AI电商协议 —— UCP和AP2,谷歌宣布推出 Universal Cart 通用购物车功能,将于今年夏天在谷歌搜索、Gemini、YouTube、Gmail中推出。

    这些公司在AI支付层面的打法不尽相同,却都把它视为AI核心基建来布局。

    从能收能付到能管能控

    AI付背后的原理并不复杂。

    商汤智能产业研究院创始院长田丰的观点曾指出:传统支付链路为「用户—商户—支付机构—清算机构—银行」,AI付支付链路则为「用户—AI智能体—商户—支付机构—清算机构—银行」。

    两者的关键区别在于,AI付新增嵌入到用户和商户间的AI代理节点,即用户授权给AI发出支付指令,然后由支付机构执行,下游清算机构、银行角色不变。

    不过,要想让这个AI代理节点足够可信和便捷,必须在全新的技术方向深入探索。

    首先是MCP协议。它由Anthropic提出,本质上是一套支持AI智能体调用外部工具的开源协议。

    支付宝AI支付产品经理玥己曾告诉新莓,支付宝做AI支付源于Anthropic发布MCP协议。当智能体出现,并且可以调用工具的时候,他们自然而然地想到,支付作为任务闭环的关键一环能不能成为其中一个工具?

    团队就此发起探索:如果智能体的上限得到提升,会不会走向AI受托支付?他们想要探究的是,在智能上限提升的情况下,智能体会如何改变商业形态。「此时的支付形态也会随之发生变化。」

    大模型意图识别与代理决策技术也至关重要。

    传统支付场景需要用户手动发起,自行输入金额、点击确认,但在AI付里,用户只需说一句「帮我点杯奶茶」,之后包括口味、预算在内的具体细节,都得AI自己理解。AI要在选品、比价、生成订单的基础上,发起支付请求,中间任何一个环节出现问题,都可能导致结果出现偏差。

    面对智能体商业环境的复杂性,支付宝AI付并没有选择完全绕开用户做全自动付款,而是通过「三重防护」设计构建安全防线:用户首次使用时需手动绑定授权,每次支付仍需面容、指纹或密码核身,即使在淘宝AI购物助手中使用的「低价帮抢」功能,也限定了金额上限并设置一次指令、一次授权、用完实效;配合7×24小时多维度风控系统,保障每一笔交易的可控可信;同时承诺「你敢付我敢赔」。

    值得一提的是,5月13日,支付宝AI付智能安全系统成功通过中国信通院泰尔实验室两项权威安全评估,安全能力均达到最高5级标准,分别获得「OpenClaw(开源人工智能体)类智能体安全防护产品能力评估证书」与「智能体安全能力评估证书」。

    这是AI支付大规模普及成为可能的重要基座。

    当用户在多场景实现AI付款,这意味着每个用户可能拥有多个智能体。未来这个数字可能会是数十甚至上百,有效管理智能体支付会是新的命题。

    所以,支付宝面向个人用户正式发布AI钱包,这不仅仅是常规意义上管理资金账户的含义,更包括对智能体的授权和管理。换言之,支付宝认为,支付的起点仍然是人,并不是把决策权让渡给AI,最高权限在用户手里。

    支付宝AI钱包支持用户在支付前、支付中对「智能体任务」实时管理,并提供支付后的账单查询,智能消费全程可见。

    这意味着,支付宝AI支付体系从「能付能收」升级到「能管能控」。

    AI支付体系推动商业创新

    在商业层面,支付形态的每一次改变,都会推动商业创新。比如,移动支付技术的成熟,推动了打车、外卖、共享经济的繁荣。

    AI付正在做的事,和移动支付有异曲同工之处,因为基建的完善,正在催生出更多业务创新。

    AI时代,Token是核心能源,Token经济学相关的产业在酝酿创新,围绕Token支付也在成为必需,也是商业创新的底层动力。

    Token Pay是支付宝最新发布的关于Token支付的解决方案,核心是帮助大模型公司一站式解决全球用户订阅、Claw端内一键充Token等需求。目前为止,MiniMax、阶跃星辰旗下多个AI原生产品采用支付宝定制化AI支付全栈方案,包括Token充值、会员订阅、营销等场景。

    MiniMax副总裁胡维琦的观点是,「AI产业要迎接10倍速增长,支付是关键一环。」

    实际上,此前支付宝发布的AI付的普及和成熟,伴随着智能体浪潮的爆发,已经为AI语境下,新型的商品与服务交易,提供了发展动能。千问直接帮用户点外卖、订酒店,从聊天工具/信息提供者,变成能直接下单的消费代理。这已经是AI经济创新最直观的体现。

    与此同时,智能眼镜、座舱这类硬件终端也迎来新一波爆发。智能上限的提升,拉高了产品销量。因为新的AI支付功能可能就是一个撬动因素。比如Rokid眼镜的看一下支付、斑马智能座舱的语音订酒店,在这些场景里,支付演变成硬件自带的AI能力。

    而因为智能体AI服务订阅/按需付费有了落地的可能,又为更多开发者,甚至一人公司的创新提供了基础保障。

    过去开发者想做付费API,最大的麻烦是支付系统。用户要注册、绑卡、充值,开发者要搭订单系统、对账、处理退款,门槛比较高。这就是支付宝布局「AI收」的初衷。该功能已于4月28日上线,可以帮助商家和个人开发者通过OpenClaw这类AI智能体提供商业化服务,实现按调用即时收款。接入「支付宝AI收」后,商家能力被封装为遵循A2M协议的付费Skill。这意味着,智能体随时调用该Skill时,可以自动完成结算,帮助商家实现「调用即收费」。

    5月13日,AI收发布新能力,联合AI开发平台扣子编程升级「支付宝支付集成Skill」,并上线「支付宝商家入驻Skill」。

    「阳光小雯」在扣子编程平台开发了一款用户打卡学习AI提示词的网页应用,通过支付宝的Skill,24小时内接入了收款功能。她说:「如果没跑通支付,都不知道我这个应用怎么售卖。现在用户打开产品页面就能直接给我付费。」

    AI收的出现,有助于降低个人开发者与一人公司的AI创业门槛,一定程度上给AI开发者创造新的机会。

    「AI付」「AI收」,再加上新发布的AI钱包、Token Pay,这些服务构建起支付宝面向AI时代的全栈AI原生支付产品矩阵,这也是目前AI产业最为完善的支付体系。

    当然,这一切的意义在于,AI支付体系要成为AI经济创新的重要动能。这是支付宝未来持续要交出的答卷。

  • 阿里被“奖赏”,腾讯被“追问”:该怎么给平台公司算AI账?

    声明:本文来自于微信公众号 字母榜,作者:彦飞

    科技巨头做AI,悄悄走到“同路不同命”的岔路口。

    5月中旬,阿里、腾讯同一天公布第一季度业绩,都把AI作为重中之重。但阿里被“奖赏”,腾讯却被“追问”。财报发布次日,阿里美股大涨8%,港股也上涨近4%。腾讯则下跌了0.5%。

    两大科技股近几个月的走势同样存在不小差距。年初至今,阿里美股和港股分别下探约12%,腾讯则回撤26%,跌幅是阿里的两倍多。

    资本市场对阿里、腾讯“厚此薄彼”,与两家公司的最新财报并不匹配,甚至有些“反常识”。

    上季度,阿里营收仅同比增长3%;剔除已处置的大润发和银泰业务,同比增长11%。

    利润同样不理想:经营利润由盈转亏,经调整EBITDA(息税折旧及摊销前利润)同比大降61%。自由现金流为流出173亿元,而上年同期流入37亿元。

    相比之下,报告期内,腾讯营收同比增长9%。经营利润同比增长17%,Non-IFRS经营利润同比增长9%。自由现金流为流入567亿元,同比增长20%。

    但更漂亮的财务指标,并没有让腾讯股价迎来一波上涨。投资机构更愿意把筹码放在阿里身上,即便上季度的营收和利润差强人意。

    看似矛盾的“用脚投票”,蕴藏着资本市场价值判断的深刻变化:

    那些能够直接从AI赚钱,把收入数字放入财报的公司,更容易得到各路资本的青睐。

    腾讯 (2)

    资本市场更容易给“直接卖AI”的公司估值。这类公司既包括阿里云、火山引擎这样的云服务商,也包括纯粹的AI公司,比如股价一路飞升的智谱和MiniMax等。

    他们可以很清楚地向外界展示,AI到底是怎么花钱和赚钱的,以及现在赚了多少钱,接下来还能赚多少钱。这会让投资机构感觉更“踏实”,更愿意下注。

    相比之下,算不明白AI这笔账,亮不出收入数字,正是腾讯的“吃亏”之处。

    客观地说,平台型公司的AI账本确实更难算:AI投入是显性的,每一块钱的投入,都会体现在成本和费用里;AI收益却常常是隐性的、零散的,很难立刻拉起一条全新的收入曲线。

    不过,在AI驱动下,平台型公司正在改写旧业务的利润表,也值得被重新估量。

    特别是那些逐渐迈过“AI渗透率”临界点的公司,AI对于经营和财务业绩的拉动日益显现,且可以量化。在AI逐渐释放价值的时刻,市场不妨给这种变化多一点耐心。

    A

    阿里腾讯的AI路径差异明显:一个主要靠“直接AI收入”,另一个则专注于“嵌入式AI提效”。

    最新财报中,阿里除了详细列出AI板块的业务进展,还单独晒出相关账本:

    阿里云外部商业化收入增长加速至40%,其中AI相关产品收入占比首次突破30%。AI相关产品季度收入89.71亿元,年化收入突破358亿元。

    相比之下,腾讯也在给AI“算账”,却主要作为成本项呈现。

    在过去几个季度的财报中,腾讯并未在财报上单独列出“AI收入”,只能以其他财务和经营指标,间接说明AI的功效。

    它谈论了AI技术产品的新进展,谈论了AI如何拉动各项业务,还估算了AI对利润的负面影响,却没能讲明白,AI到底给公司赚了多少钱。

    其实,科技公司拥抱AI,大都可以粗略划分为上述两种落地方式。

    希望直接从AI获得收入的公司,除了阿里,还有智谱、MiniMax、DeepSeek等AI创业公司,以及海外的OpenAI、Anthropic等。

    他们要么主攻AI云,要么围绕“token经济”大做文章,业务闭环和变现逻辑非常清晰,外界可以轻松估算收入规模和盈利节点。

    专注AI提效的公司同样不少——国内的腾讯、快手、美团,国外的Meta、谷歌等。

    对于科技公司而言,AI提效的场景很多。

    以电商为例,AI可以精准识别和捕捉用户即时需求,提升商品推荐效率;帮助品牌提升电商广告出价和转化效率;帮助平台和商家提升电商搜索和导购效率;识别用户兴趣偏好,提升内容分发效率和用户留存率;降低客服、运营、研发和内容生产成本;等等。

    可以说,AI提效刚需、高频,不仅是众多企业的选择,也是AI广泛落地的必由之路。它的长期价值并不亚于“直接AI收入”。

    但把AI用在现有业务上,终归不太“性感”,很容易与其他常规提效工具坐一桌。

    同时,企业花在算力、研发、基础设施、人员招聘等方面的钱,马上被市场看到;但广告点击率、购买转化率、商家ROI、组织效率等维度的改善,往往分散在原有业务线里,需要更长周期才能被验证。

    更何况,在不少平台型公司,AI被全面应用于各个业务板块后,带来了成本、效率、增长方面的变化,却不会以“AI收入”等形式单独出现,而是被融入营收、利润等更宏观的指标中。

    在“token经济”的热烈氛围下,那些获取“直接AI收入”的企业占据有利位置;而那些“AI提效”的公司,其AI账本天然更复杂、更难算。他们也想讲好自己的AI故事,却经常在短期内被市场低估。

    归根结底,资本不是不相信AI,而是更愿意为能被单独计量的AI买单。

    B

    不过,也有一些平台公司的AI间接价值正在变现,关键在于“AI渗透率”迈过临界点

    以快手为例,它刚刚披露了一份总体平稳的业绩。上季度,快手营收达337亿元,经调整净利润达34亿元;平均DAU达4.13亿,平均MAU达7.72亿,创历史新高。

    快手财报不乏“直接AI收入”,主要驱动力是AI视频生成产品“可灵AI”。上季度,可灵AI营收超6.5亿元,同比增长超300%;今年3月的年化收入运行率(ARR)近5亿美元,而去年3月为1亿美元,一年内增长4倍。

    5亿美元ARR是什么概念,智谱截至2026年3月底的MaaS API平台ARR约17亿元人民币,折合大概2.3亿—2.4亿美元;MiniMax今年2月披露ARR突破1.5亿美元。也就是说,如果单看ARR,可灵AI已经大幅超越智谱、MiniMax这些纯AI公司。

    不过,除了可灵,快手也在大力推进“嵌入式AI提效”,AI持续进入主营业务链路,在营销、电商、直播等场景中,推动降本增效。

    这些动作日积月累,提高了“AI渗透率”,并带来了实打实、可量化的成果。

    以线上营销为例,这块业务是快手最主要的营收来源,上季度创收196亿元,同比增长9.3%。

    过去几个季度,快手一直在推动“营销+AI”,具体做法包括:把大模型应用于营销全链路;帮助商家使用AI生成营销素材;通过Agent调控素材投放节奏、提高广告投放效率;AI分析复盘投放数据、承接用户咨询等等。

    以往,这些动作带来了多少财务回报,很难被精准衡量。但快手在最新财报中披露,通过在营销场景中应用生成式推荐大模型和智能出价大模型,为上季度营销收入带来约3%~4%的提升。

    电商是快手另一个核心板块,AI同样在加速渗透。

    第一季度,快手生成式搜索框架OneSearch V2在电商搜索场景全量上线。借助新技术,OneSearch V2提升了模型推理能力和搜索体验,为电商货架搜索场景带来约3%的GMV提升增量。

    在直播场景中,快手借助AI能力优化导购流程,商品卖点实时总结与自动回复托管功能每日为商家带来超千万GMV增量。此外,AI智能补贴发券实现千人千面的精准营销,有效降低商家经营成本。

    除了驱动两大支柱业务的增长,AI还“渗透”到快手组织内部。

    上季度,快手推出一系列AI编程模型和工具。以编程工具CodeFlicker为例,它推动快手的AI代码生成率超过50%;升级为公司级通用Agent MyFlicker后,使用场景从工程师编程延展至研发、产品、运营、数据、管理和业务等更多环节。

    不久前,快手还推出了全员AI token福利,员工每月可使用价值200~400美元的token资源,且用完了还能再申请。这样的福利力度,不亚于其他AI大厂。

    外界此前谈论“快手AI”,谈得最多的就是可灵。但如果细看快手近几个季度的财报,可灵很重要,但绝不是快手AI的全貌。

    只不过,快手以前用AI提升业务运转效能,涉及技术研发、产品创新、运营升级等方方面面,效果并不是一时一刻就能体现出来的。相反,在很长时间里,这些动作更多是作为研发成本体现在财报中。

    如今,随着“AI渗透率”迈过临界点,快手AI正在从投入期加速迈入产出期,而上季度业绩指标的提升,也证明了这一长期主义路径的可行性。相对应的是,快手AI这本账,也会越来越清晰、越来越好算,进而体现在未来的业绩和股价上。

    C

    过去近四年间,全球大大小小的企业投身AI淘金,砸下海量真金白银。对于“AI该如何赚钱”这一终极难题,整个行业经历了两次认知突破。

    第一次突破是,AI商业化,到底应该to C还是to B?

    此前,不少企业试图走to C的路线,直接向C端用户收费,比如卖会员等。但现在,无论是收入、利润还是估值,主攻to B的AI公司,都已经超越了to C的AI公司。

    典型案例是OpenAI和Anthropic两大巨头的竞逐。当OpenAI仍在折腾会员费时,Anthropic依靠面向B端的商业模式,逐渐在营收、估值等方面赶了上来,甚至提前实现了盈利,大有盖过OpenAI风头的趋势。

    第二次突破则正在发生:AI直接变现还是间接变现?

    答案或许是“并行不悖”。

    通过提供AI产品、服务直接变现,比如卖token、卖MaaS、卖API服务,这条商业化路线已得到广泛认同。

    快手等公司的探索表明,卖token固然是一门好生意,但并不是唯一路径。平台企业不断提高“AI渗透率”,提高经营效率、创造间接价值,也被证明是AI落地的有效方式。

    当然,AI间接变现目前只得到企业内部的认可。它的价值距离传导到资本市场,还有不短的路要走。市场对平台型公司AI提效定价的谨慎,并非没有道理。

    现阶段,平台公司的AI账本确实难算。尤其当资本开支和研发投入先于收入兑现时,投资机构自然会希望看到尽可能清晰的数字和预期。

    不过,AI间接变现并非毫无衡量方法。

    行业在谈论AI直接变现时,以token消耗量为基本参数。相比之下,AI间接变现还没形成统一标准;但“AI渗透率”或许是一把不错的尺子。

    尽管“AI渗透率”作为一种标尺刚刚起步、远未完善,但它为更准确评估AI间接变现的规模打下了第一块地基。

    快手等公司的业绩和探索表明,资本市场到了重估平台公司AI价值的时刻了。

    以往,资本市场更关注能够直接变成收入的AI。但对于业务庞大的平台型公司而言,如果只认可云收入、API收入、ARR这些直接AI收入,而忽视AI对广告、电商、推荐和组织效率的改造,就可能错过平台公司AI商业化的另一种路径,进而低估整个公司的价值。

    AI间接收入注定不会像AI云那样,带来一眼可见的收入,也不会每个季度都立刻转化成利润弹性。但如果广告系统更会赚钱、电商转化更高效、内容分发更精准、组织协作更省力,那么平台公司的AI价值就在逐步显现。

    市场当然可以要求更多验证,但也不妨对这种“嵌入式AI提效”多给一点耐心。特别是那些率先把“AI渗透率”推过临界线的公司,值得被重点关注,乃至提前放下筹码。

  • 估值逼近快手,可灵分拆是一步好棋吗?

    声明:本文来自于微信公众号 Tech星球,作者:翟元元

    可灵被爆“分拆、独立融资上市”消息半个月之后,快手发布了2026年第一季度财报,可灵成此次财报最大亮点。

    5月27日晚间业绩电话会上,快手董事长、CEO程一笑介绍,2026年第一季度,可灵AI营业收入超过6.5亿元,同比增长超300%;2026年3月,可灵AI的年化收入运行率ARR近5亿美元。而在去年3月,可灵ARR为1亿美元,一年内增长4倍。

    不过,快手业绩电话会上并未披露可灵融资的相关进展。

    半个月前,晚点LatePost报道,快手计划分拆旗下视频生成大模型业务可灵AI,以200亿美元估值启动Pre-IPO融资,融资规模约20亿美元,腾讯为潜在投资方之一。第二天快手发布公告称,董事会正在评估重组可灵AI相关资产及业务的方案,只是“方案仍处于初步阶段,尚未签署最终协议”。

    快手分拆可灵AI是好事,业内对此几乎可以形成共识。只是外界另一个关注点在于,可灵AI的200亿美元估值,是否被高估还是低估了?

    快手3

    200亿美元估值争议:高还是低?

    可灵估值与快手整个集团体量相当,估值逻辑因而被广泛关注。

    根据快手最新财报,2026年第一季度,快手营收为337.16亿元,日活达到4.13亿、月活增长至7.72亿。但市值层面,与一个1200万月活的子业务相比,快手并没有高出太多。

    与半月前相比,快手市值甚至缩水近40亿美元。截至发稿,快手市值为1940.5亿港元(约为249亿美元)。剥离可灵200亿美元估值业务,快手价值或大打折扣。

    留在快手集团内部显然会影响可灵估值以及发展。可灵分拆,独立融资上市,于业务而言当然是好事。互联网行业资深分析师白露向Tech星球表示,可灵分拆有利于独立激励团队,且AI业务增速与传统业务差异巨大,独立上市能更好地体现其市场价值,避免在上市公司体内受到利润考核的掣肘。

    据了解,投资方层面,可灵目前正在与行业头部公司及大型美元基金(如KKR、腾讯等)进行接触,但具体参与方及估值评价尚不明确。

    互联网投资人庄明浩表示,可灵估值是否过高关键看跟谁比,和智谱、minimax相比,谁都是便宜的。截至发稿,智谱市值高达6750亿港元,超出市值403亿美元(3143亿港元)的京东的两倍之多,也远超美团及百度市值,“PixVerse都过百亿了,收入大N倍的可灵200亿美元估值高吗?”

    庄明浩认为,这是一个梯云纵的故事,只要底不破。但现在很微妙,6至7月基石解禁,明年1月全流通,还有6月智谱、Minimax入通,这些都是重要负buff。但业界共识的正buff也非常强,所以还会继续拉扯。

    值得一提的是,市场对于可灵远期AR估值方法存在一定的质疑。分析师白露表示,市场传闻的200亿美元估值是基于可灵明年Q1ARR(年度经常性收入)目标13亿美元推算得出,但当前多数海外AI公司(如文生视频公司)通常采用当期ARR进行估值(约20倍PS),采用远期ARR估值的方法在行业内存在一定争议。

    因为业绩目标有可能达不成,增长充满了不确定性。“可灵是否能在明年达到20亿美金的ARR或者说年底能不能达到10亿美金ARR,这个可能会有一些争议”,白露表示。

    此前快手业绩会给出的可灵一年收入指引约为20亿元(去年是10亿)。按此指引测算,今年年底可灵ARR大概在6-7亿美金。10亿美元的市场预期远高于公司官方指引,引发市场对增量来源的质疑。

    快手可灵与字节Seedance狭路相逢

    可灵市场估值与其增长潜力息息相关。

    程一笑在5月27日的业绩电话会上表示,可灵营业收入高速增长源于B端企业客户API调用收入和P端付费会员订阅收入的双轮驱动,且无论是用户数,还是月均付费金额均实现高速增长。应用场景方面,可灵主要覆盖广告营销、影视短剧和游戏等专业创作场景。

    AI短剧是一个重要的应用场景。可灵业绩增长受益于AI短剧崛起。AI技术使得短剧行业供给增长了数十倍,而反过来,AI漫剧制作、投流消耗又让技术平台获得数百部增长。2026年第一季度,快手AI漫剧营销消耗同比增长超100倍,环比增长超150%;截至3月底,快手平台上的AI漫剧单日线上营销消耗峰值已突破2000万元。

    根据第三方数据预测,2026年国内漫剧市场规模有望突破300亿元,2030年超过850亿元。每一部漫剧制作使用到AI工具,都让可灵、字节旗下的Seedance们跟着一起身价大涨。

    只是隐忧在于,与Seedance相比,可灵面临着严峻的市场竞争。市场份额被蚕食的很严重。知情人士透露,据第三方统计,Seedance目前占据约80%的市场份额,可灵约为10%左右。尽管Seedance价格略高(约1元/秒),但其“抽卡”成功率高、效果稳定,深受专业制作方青睐。

    议价权与溢价权某种程度上反映了市场竞争激烈程度。

    可灵价格通过代理商或工具接入后,实际落地价格约为0.1-0.2元/秒,远低于Seedance。一位可灵代理商向Tech星球透露,通过官网渠道调用可灵API需要充值6万元,只打8折,然而通过服务商渠道调用可灵API,则最低可以享受6.5折-7折优惠。

    Seedance2.0落地价格则在0.4-0.5元/秒,且成为Seedance2.0代理商存在一定消耗门槛。一位Seedance2.0代理商透露,与Seedance2.0签署年度框架协议具有一定门槛,协议中包含保底消耗条款,即需保证达到约定的月度消耗金额。此外,官方设定了价格底线,严禁对外销售价格低于1元/秒。

    可灵在B端优势逐渐被反超。一位知情人士向Tech星球表示,Seedance通过火山引擎推行大客户战略,要求API接入需签署200万以上的年框协议。

    字节正在发力B端大客户,目标500个千万级代理商。上述代理商透露,Seedance2.0目前签约的千万级年框SVIP客户约200余家,市场传言其目标签约量为500家。

    当然,可灵的竞争对手不止包括Seedance2.0,还有阿里快乐马(HappyHorse)等其他玩家。

    眼下,可灵需继续加强其海外优势。分析师白露表示,字节跳动在IP源头(番茄小说)、模型工具(Seedance、小云雀、即梦),以及流量分发(抖音、西瓜视频)上形成了完整的闭环生态,协同效应显著。可灵商务对接上相对保守,但在专业级近景拍摄和特定场景下有较好表现,且其流量平台(快手)在海外市场具备一定的分发优势,可灵70%收入来源于海外。

    “现在还不到谈论终局的时候,市场第5678名都能拿到大钱,第二名为什么不能?”庄明浩分析道。

  • 京东生鲜,放了一根长长长长长长线

    声明:本文来自于微信公众号 深响,作者:何理

    万亿生鲜市场规模很大,痛点很多。

    农户“靠天吃饭”的困境仍在,好产品往往卖不出好价格;销售环节,多级批发、层层倒手,中间商层层加价,每一道流转都在损耗生鲜的品质。而消费者的烦恼同样不少:从价格混乱、标价几十到上百元的“散养鸡”,到买好货全凭运气的榴莲与牛排——消费者对生鲜在品质安全、健康营养与特色风味上的需求,还远未被真正满足。

    生鲜行业从来不缺好产品,也不缺大需求,缺的是从源头到餐桌全流程、标准化“基础设施”,及能够承载多方信任的产业组织者过去人们总觉得,农户、商家和消费者之间是一场零和博弈:买贵了,消费者吃亏;买贱了,农户和商家受损。但事实上,只要构建起一套完善的供应链体系,实现多方共赢,并非难事。

    在此形势下,京东生鲜举办的618合作伙伴大会有了题中之义。会上,京东正式发布《京东生鲜真鲜服务标准》,推出“真源头、真原料、真成分、真规格、真安全”五大安心消费者服务保障,同时启动“真鲜品牌联盟”,并宣布将在多个省份落地生鲜农产品产地包销合作,预计包销规模超20亿元。

    这一系列举措,本质上是在以标准、超级供应链和用户价值为核心,重塑生鲜行业的效率与品质。

    京东 (5)

    京东生鲜超级供应链

    如何破解生鲜难题?

    农业生产具有天然的不确定性,而消费市场瞬息万变,充满变数。京东生鲜超级供应链的底层逻辑,在于对供应链的深度介入——通过源头园”、定植定养、海外直采等创新模式,用“全局确定性”对冲生鲜天然的“不确定性”。

    以广东荔枝为例。荔枝向来“娇贵”,收成很大程度上要看天气的脸色,上市的时间窗口很短,保鲜的难度也是从古至今公认的难题。和许多生鲜品类一样,农户大多跟着行情走,丰产的时候容易卖不上价,减产的时候又容易为了抢时间而早采。今年正好赶上荔枝“小年”,在传统的流通渠道里,减产往往会被中间商拿来炒作价格;农户为了抢先锁定一点利润,有时也不得不把还没长好的青果摘下来,到头来口感打了折扣,产地的口碑也跟着受了影响。

    打破这一死循环的,正是京东生鲜的“包园直采”。早在去年,京东生鲜便与核心产区签订包销协议,并与部分果农开展“包园”合作。这种合作不同于一般“一手交钱一手交货”的散单交易,而是将传统的“采销博弈”转变为系统性的“产需协同”。

    今年,京东生鲜的品控团队在荔枝开花后便介入果园管理,重点监控用肥用药记录,严禁使用违禁农药,从源头杜绝农残问题。采销团队在摘果前两个月便直接进驻茂名、湛江等核心产区,反复向农户宣导不要早采,一定要等到口感达标再摘,以保障果农的长期利益。价格方面,京东生鲜引入了“浮动定价机制”。有了平台的兜底保障,农户无需再去赌行情、搞投机,只需安心种好果子,就能获得稳定的收益。

    如此一来,生产端风险降低、收益增加,消费端也赢得了品质与实惠。再加上12小时到香港、24小时直达西藏、新疆等全国大多数地区、36小时到欧洲的高效物流网络,以及覆盖京东生鲜、京喜、Joybuy、京东七鲜超市、京东折扣超市、京东佳宝超市、京东便利店等全渠道销售通道,过去困扰产地的物流、保鲜与销路问题,都迎刃而解了。

    据了解,整个2026年荔枝产季,京东生鲜的荔枝果园包销数量同比去年增长超5倍。而今年的荔枝销量目标,预计将在去年助销广东荔枝的基础上实现同比翻倍。

    不止荔枝。从阳信黄牛、珠海海鲈鱼,到永州蔬菜、湖南冰糖橙、江永香芋……今年,京东生鲜的源头包销模式将覆盖超过50个核心品类,预计包销规模超20亿元。这种平台用长期、庞大的订单量为产地兜底的举措,彻底把农户从“靠天吃饭”的焦虑中解放了出来。

    如果说“源头包销”是京东生鲜在买卖端发力,“定植定养”则是直接扎根到生产端的田间地头。京东生鲜不再是农户养什么就买什么,而是通过海量消费数据,反向推动合作基地进行定植定养。

    在广东清远,丘陵山岗密布、空气清新,出产的清远鸡皮下和肌间脂肪发达、皮薄骨软。盛名之下,清远鸡深陷“名气越大、产地越乱”的怪圈,市场上曾有不少打着“清远鸡”名头的产品,真假难辨。有的鸡其实并不来自清远地理标志保护区域,也并非正宗的清远麻鸡原种,只是被改了产地标签、短期催肥后冒充上来。还有一些商户,把湖南、河源等地的肉鸡贴上“清远鸡”的牌子,以次充好,消费者很难分辨。更让人无奈的是,有的投机商贩为了赶进度,本该慢养的鸡,硬是被压缩到30天就圈养出栏,肉质粗糙、风味全无。消费者花了不便宜的价钱,到头来却像“开盲盒”一样,买到的常常不是心里期待的那一口。

    为此,今年4月,京东生鲜在广东省清远市落地跑步鸡认证基地,发布《京东清远鸡企业标准》,把“清远鸡”从地标概念变成可量化的标准商品:基地全部采用原种清远鸡,每亩林地只养50只,且会为跑步鸡佩戴脚环,达到100万步才可出栏。

    在此基础上,京东生鲜通过溯源系统记录每只鸡的运动轨迹、天龄、ID、产地政府背书等,实现“一鸡一码”、全程可溯源。过去散养鸡好不好吃、跑没跑步,全凭卖家一张嘴,现在通过定植定养,硬指标透明可查,农户不用担心、消费者也买得放心。

    据了解,这一定植定养模式后续将逐步推广至文昌鸡、皖南土鸡、跑山猪、飞翔鸽、游水鹅等更多生鲜产品上。

    面对环节更多、信息差更大、运输条件更严苛的进口生鲜,京东生鲜通过“海外直采”模式,缩短链条,让跨境好物也能有品质、时效、实惠的多重保障。

    比如泰国榴莲,产地、品种、熟度、大小、饱瘪、运输、加工,都会影响榴莲的最终品质、口感和损耗率。传统采购模式中,一颗榴莲从泰国树上下树,要经历“境外采购商-国内进口商-一级批发商-二级批发商-零售商”等五六个环节。一番折腾下来,流转周期往往长达15-20天,不仅中间商层层加价,榴莲最鲜美的黄金风味也在漫长的周转里被消耗殆尽。

    做好供应链就是时间赛跑。京东生鲜的解法很高效:产地直采,榴莲从泰国果园被直接送往京东生鲜加工中心,一步到“胃”。

    京东生鲜采销并不是坐在办公室里看PPT订货,而是每年随着不同产地榴莲的成熟节奏,提前锁定优质货源。从3月到7月,他们常驻泰国尖竹汶;7月过后,马不停蹄转战越南、马来西亚。榴莲在果园一摘下树,不经过“二道贩子”之手,直接打包送往京东自建的境内外加工中心。

    然而,仅靠配送速度远远不够。进口榴莲最大的成本其实来自于“调级果”(指长相不规整但果肉完好的果子)和不同熟度带来的损耗。为此,京东生鲜依托覆盖线上线下的全渠道网络,对产品进行“分级精准消化”,可以保障同一果园的榴莲实现全渠道“零浪费”。

    从泰国的榴莲果园,到澳洲的牛肉牧场,京东生鲜正在将这套“海外直采”模式运用到更多跨境明星品类,实现对成本、价格与品质的直接管控,打破生鲜行业“高品质必然高溢价”的顽固惯性,让进口好物变得“又好又便宜”。

    品质、品牌、价格:

    产业端与消费端的共赢

    拉长周期来看,这几年,生鲜行业正滑向一种极端的两极分化:一端是追求极致的“绝对低价”,在层层压榨供给侧的逻辑下,最终走向偷工减料、品质塌方;另一端则是将“高品质”包装成高不可攀的“奢侈品”,人为制造消费区隔。

    然而,一个健康的生鲜生态,绝不应该建立在对上游农户的单向压榨或对下游消费者的收割上。京东生鲜沉淀下来的超级供应链实际上是在打造这种“零和博弈”,通过效率优化,让品质、品牌、价格在产业端消费端之间找到利益的公约数。

    而从品质维度来看,当下最紧要的,是建立明确的标准。

    传统生鲜交易中,长期存在着“劣币驱逐良币”的结构性尴尬。散养150天的鸡和圈养30天的鸡,在传统菜市场和大部分电商平台上是没有清晰界限的,消费者也肉眼难辨。这种现象,可以用诺贝尔经济学奖得主乔治·阿克洛夫的“柠檬市场”模型来解释——当买卖双方处于信息极度不对称的生态中,买方由于无法知晓商品的真实质量,为防止踩雷,只愿支付一个折中的“平均低价”。久而久之,那些真正付出高溢价、长周期的优质生产者,因无法获得对等回报而被迫退出,导致市场被劣质商品充斥。

    而破题关键,在于由一个具有公信力的中介组织者,为非标产业建立一套可量化的“度量衡”。京东发布《京东生鲜真鲜服务标准》,实际上就是将“真源头、真原料、真成分、真规格、真安全”这五大安心保障,将企业自律上升为行业标准。

    比如,为跑步鸡制定的“五零标准”:零抗生素、零激素、零重金属、零违禁药物残留、零沙门氏菌,每批次鸡出栏前,必须进行兽药残留和微生物检测,合格后方可进入屠宰环节。这样消费者就不用担心这些“肉眼不可见”的问题了。

    再比如阳澄湖大闸蟹,京东自2012年起与阳澄湖大闸蟹协会合作,严审商家资质,为每一只正宗阳澄湖大闸蟹配备专属防伪蟹扣;近期还跟大连市海洋渔业协会携手发布了《京东大连好海参》团体标准,这是全国首个电商专属、地域专属的海参标准,直接用数字指标淘汰掉滥竽充数者。

    只有标准定清楚了,商品的价值才能被准确定义,消费者才能明明白白地选择,农户的辛苦才能被公正地定价。据了解,京东生鲜正在从“一标一品”逐步走向“一标一类”,逐步覆盖肉禽蛋奶、水产海鲜、蔬菜瓜果等核心生鲜品类。让标准不再是孤立的亮点,而是覆盖全局的基础设施。

    标准的确立,也让产品的好品质沉淀为消费者能记住的好品牌成为可能。

    其实中国各地的生鲜宝贝并不少,比如阳信的黄牛肉、清远的鸡、茂名的荔枝……但它们都有一个共同的“憋屈”:在当地是响当当的招牌,一出省就掉进了“大通货”的泥潭,被迫与各路杂牌肉搏,卖不出好价格。

    京东生鲜对区域品牌的赋能,没有停留在“卖一季货”的流量支持上,而是要帮地方特色品牌重塑长期价值。比如当市场上充斥着整切、调理、拼接等各种模糊概念时,京东生鲜直接用“真原切”标准为牛排品类定性,打破概念泡沫。

    很多农户以前不做品牌,是怕投入了成本,最后被中间商压价。京东生鲜通过产地包园,给农户们吃下定心丸,并且会给予农户实实在在的补助——目前,消费者每购买一只京东清远跑步鸡,京东会实打实返还3-5元给农户。

    这种直接反哺农户的机制,重塑了生产者的心理预期。当农户发现“只要守护质量,就不愁销路,还能多赚钱”时,他们就会像爱护自己的孩子一样,去拼命守护品牌的名声。这种平台、农户与消费者的良性互动,把过去“互相伤害”的内耗,变成了一个“越养越好、越来越有品牌价值”的正向循环。

    品质好、品牌强,不等于价格飙升。京东在生鲜赛道展现的价格优势,是通过超级供应链剔除中间商、降低损耗所释放的“效率红利”。在香港市场,普通荔枝零售价通常在15-30港元/磅,京东生鲜通过全渠道直销模式,能将价格平稳控制在12.8港元/磅。这是一种由供应链效率驱动的结构性低价,而非价格战带来的损耗性低价。

    这种高效率给产业端带来了可以安全存留的合理利润空间。有了长周期的回报预期,供给侧才敢把赚到的钱持续投入到品质改良中。最终,消费者得到了实惠,产业端得到了利润,红利双向流动了起来。

    京东生鲜,不一样的解法

    供应链的重塑从来不是纸上谈兵的流量游戏。

    京东生鲜与众不同的价值点在于其覆盖全国、触达县乡的物流冷链网络;线上线下覆盖县域、B端的全场景、全客群、全品类的经营网络;7.4亿的用户基础和用户信任……

    而在这套坚实的价值底座之上,更深层的支撑源于其持续践行的“三毛五理论”——不追求过高的利润率,而是把利润留给合作伙伴,留给产业,让整个链条都有空间去成长。利他主义的商业逻辑,让整个生鲜链条上的每一个微观主体,都有了安心成长、持续投入品质的空间。

    今年京东618期间,为了让更多优质的农户、基地和生鲜品牌无缝融入这套高效体系,京东生鲜在升级版春晓计划的基础上,投入专项扶持资源,为商家提供流量、营销、物流、品控全链路解决方案,同时面向品牌和商家提供全周期激励扶持,通过广告激励金、流量扶持、产业补贴等方式,为品牌生意增长提供确定性保障。

    喧嚣过后,生鲜零售的草莽时代正在加速谢幕。

    从行业长远来看,生鲜零售的终局竞争早已从前端的流量争夺,演变为后端供应链的价值之战,精细化、标准化的供应链是唯一的解法。

    当品质不再是“开盲盒”,当品牌不再陷入“山寨窘境”,当低价不再等同于“偷工减料”时,一条连接田间地头与城市餐桌的信任长廊,才真正被拓宽。在这场产业端与消费端可以双赢的游戏里,京东生鲜沉淀下来的这套超级供应链,成了生鲜产品走向更多人日常生活的稳当靠山。它让大洋彼岸的优质生鲜和中国乡村的宝藏风味,都能通过同一条高效的通路,平平稳稳、物超所值地送进千家万户的餐桌。

    而这,也正是生鲜这门苦生意、重生意,在回归商业本质后,能给予整个产业与普通生活最好的回馈。

  • 两月涨粉近500万,这届网友为何追更县城高中生vlog

    声明:本文来自于微信公众号 新榜,作者:晓雅

    不到两个月全网涨粉近500万,一位看似普通的高中生博主“笑笑易”火了。

    其他高中生vlog都在卷学习、卷创意,力证自己是新时代不可多得的高质量人类,但“笑笑易”只是将镜头对准枯燥单调的高中生活,便收获了一大批关注。

    视频中的他,总是一副没睡醒的样子,早起赶到食堂却错过饭点,只能饿着肚子上课;本想翻出课桌里珍藏的馒头充饥,可馒头又干又硬难以下咽。刷到这条视频的老师,可能天都塌了。

    好不容易等到放假回家,行程却依旧不顺。

    “笑笑易”回家得先搭乘校车到县城公交站,再坐公交车到镇里,之后再坐公交或摩的回村里,一趟行程下来,整个人接近力竭。

    在一期《高中生回村教程》的视频中,“笑笑易”还因上一班公交坐过站错过下一班公交,被迫在车站无助地等了好久,直到天黑才赶到家。

    图片

    看上去,“笑笑易”只是万千县城高中生的一员,过着略显拮据又普通的生活,平时的生活费只有一二十块,一碗泡面或螺蛳粉,就能让他吃得满心欢喜。

    但就是这样一个个看似平淡甚至有些窘迫的瞬间,戳中了无数网友的内心。有网友在评论区留言:“第一次看到跟我家庭条件、上学情况一样的网红,哭死我了。”

    凭借着一系列高中生活vlog,“笑笑易”各平台账号的粉丝量也稳步攀升。

    新榜数据显示,今年3月,“笑笑易”开始更新视频,如今不到两个月的时间,他抖音账号粉丝量增长至380万,小号“肖潇易”的粉丝量增长至34万,其B站、快手账号的粉丝量也在持续增长,累计全网涨粉超487万。

    图片

    与此同时,互联网上涌现出一批模仿“笑笑易”vlog风格的账号,这些账号通过记录自己普通平凡的日常,也收获了不少关注。

    那么,“笑笑易”为何能走红互联网?普通人的内容赛道,是否又迎来了新的机会?

    22条视频涨粉超487万,

    天选互联网圣体是如何走红的?

    相比于互联网上其他的精致生活vlog,“笑笑易”的高中vlog显得尤为简单、孤独,还带有一丝窘迫。

    今年3月,“笑笑易”在抖音更新了第一条视频,以第一视角记录了自己从农村前往市区上学的经历。

    图片

    他起初想打车前往,可由于距离过远,等了一个多小时都没有司机接单;无奈之下,只能让爸爸骑摩托送他到镇上,再坐公交去市里,最后再打车去郊区的学校。

    临走前,爸爸还给了“笑笑易”8块的零花钱,他兴奋地计划着用2块钱坐公交,剩下的六块钱买一杯蜜雪冰城。截至目前,该视频在抖音获赞超60万。

    评论区不少网友和他共情:“我力竭了,主播我跟你一样,每次打车都很难而且学校也在村里。”

    在这之后,“笑笑易”开始频繁更新自己的高中生存教程。他目前就读于眉山市的一所职业学校,由于学校离家较远,他大概一个月才能回一次家,每次往返于家和学校时都得各种交通工具齐上阵。

    视频中的他,总是一个人。有时,他会被舍友的呼噜声吵到睡不着,独自拿着枕头去教室的课桌上睡觉;有时他馋了,会等舍友都休息后,躲在洗手间吃螺蛳粉,宛如游离于现实生活之外的NPC,再配上日本电影《你的名字》中的BGM,整个视频的基调显得尤为孤独。

    他把学校外称为“异世界”,除了正常的放假时间,他也会找各种理由拿到请假条去异世界看看。

    在3月16日的视频中,他拿到假条,收到妈妈给的25块钱“救济金”后,立马飞奔到校外:先在小摊上买只鸭腿,去附近的小店美美吃一顿饭,接着在路边随地大小睡,最后用剩下的钱买一兜零食蹦蹦跳跳回校。也是这条视频,让不少网友看到了自己高中住校生活的影子。

    对于“笑笑易”来说,能拿到十几二十块的生活费,就已经十分开心,当身上的钱不够时,他也有办法绝地求生。

    比如在他的《高中生3元生存教程》视频中,他的早午饭都只喝了矿泉水,下午饿得不行就在超市花3块钱买了一袋小面包,躲在宿舍的洗手间细细品味。为了增加饱腹感,他还特意在面包里倒水,等泡发后再吃。

    不过,没钱的时候光靠“节流”不够,还得想办法“开源”。

    “笑笑易”的搞钱办法是“变卖家产”,也就是卖书。有一次,他在家没钱吃饭,灵机一动想到把堆放在家里的旧书卖掉。他整整装了一推车的书,在废品站卖了38块钱,马上又去买了杯蜜雪冰城续命。

    图片

    截至目前,“笑笑易”在抖音账号上共更新了22条视频,评论区有网友心疼他每天钱不够花的窘迫,也有人在他的视频中看到了曾经的自己,感慨“这才是大多数普通人生活的样子”。

    视频热度不断攀升的同时,“笑笑易”也顺利开启了商业化之路。

    据新榜编辑部观察,“笑笑易”近期接到了麻辣王子、喜之郎、臭宝螺蛳粉等食品品牌的商务合作,这些品牌与他的日常高度契合,得到了粉丝们的广泛支持。新榜数据显示,目前“笑笑易”的视频预估报价为18万元,高于90%的同级达人。

    图片

    从“笑笑易”的粉丝构成来看,女性粉丝占比居多,达55.83%;受众年龄段主要聚焦在31-40岁,占比43.61%,这部分人群消费能力较强,也让“笑笑易”的商业价值进一步提升。

    图片

    互联网上的普通高中生vlog风,还能吹多久

    “笑笑易”的视频并不复杂,每条视频长度在5分钟左右,镜头基本都是举着相机自拍。

    但就是这样简单真实的视频,收获了众多网友的关注,商业表现也不俗。

    正因如此,在“笑笑易”的评论区常有高中生分享自己的模仿视频,希望得到网友们的关注。

    这其中,也不乏佼佼者。

    比如“莫得脑袋的螃蟹”,他也是一位高中生,在视频的简介中写道“当我看了太多爱播的视频,于是我决定把自己普通的一天发出来,如果火了就冒着被抓的风险更新校园日常”,还特地艾特了“笑笑易”。

    图片

    他的视频配音和BGM,与“笑笑易”的如出一辙,主要记录了自己高中考完试回家的日常。

    从视频画面中能看出,他就读于一所公立高中,宿舍更为简陋:室内只有几张上下铺,墙面墙皮多处斑驳脱落,地面还是水泥地。

    他的家离学校也很远,需要坐一个半小时的车才能回到村里。回到家后,他没有放假的兴奋,反而因为忘记带妈妈的病历本而难过落泪,心里想着:“这个时候主播多么希望自己能成为大主播,这样就不会看到妈妈那么狼狈了。”

    这条视频打动了不少网友,目前该视频在抖音获赞超37万,“莫得脑袋的螃蟹”抖音账号的粉丝量也增长到4.3万。

    类似的博主还有“小杨啥都行”,她主要分享高中生早自习“苟活”失败教程、雨后出门觅食过程等内容。其中,一条记录查期中考试成绩的视频,在抖音获赞超22万,是她账号点赞量最高的视频。目前,该博主也在抖音积累了3.7万粉丝。

    图片

    一时间,一系列风格相似的高中生博主如雨后春笋般出现。

    据新榜编辑部观察,他们大多来自私立高中或职业学校,学习任务并不繁重,常常在课上开小差。

    从视频内容看,基本都用着同样的人机感配音,没有华丽的镜头和剪辑,只是拼接起高中日常,展示着各种各种的“生存指南”,冲浪速度快的人,还会配上各种抖音热门音效,十分抽象。

    在这些博主视频的评论区,常有网友讨论他们是在模仿“笑笑易”,也有部分网友表示,这就是高中生的普通生活,支持博主持续分享。

    但并不是所有人都能够复刻“笑笑易”的走红路径,成功起号。

    新榜编辑部观察到,这类账号看似“门槛低”“易模仿”,但在实操过程中也会遇到各种问题。

    首先是内容的可持续性不足,有些博主能够凭借单条蹭“笑笑易”话题度的视频出圈,却难以用自身的原创内容承接热度,后续的视频同质化严重,亮点不够,无法吸引网友持续关注。

    其次,单纯照搬他人风格终究难以长远发展。他们仍需找到自己的特质,才能形成差异化的记忆点,不然很容易被下一波模仿者取代。也正因如此,目前模仿“笑笑易”的创作者的粉丝增量仅有几万,始终难以达到出圈走红的程度。

    结语

    不仅是“笑笑易”,纵观互联网,近期还有不少学生vlog博主出圈。

    比如在英国留学的博主“白日梦想家”和“萝卜乔乔”,他们的视频主打一个活人微死,无论是视频风格还是博主本人的生活状态都透露出一种淡淡的死感,“笑笑易”还被网友调侃为“县城版白日梦想家”。

    这些学生博主之所以能快速出圈、收获大量关注,核心在于精准击中了当代网友的情绪需求与审美偏好,跳出了传统学生vlog“精致化”“模板化”的套路,以真实、松弛且有共鸣的内容,成为互联网用户的情绪出口。

    具体来看,他们基本都有以下两点共性:

    其一,适配“反内卷”需求,他们通常摆脱了精致模板,通过展现平淡日常,缓解网友的高压焦虑;其二,内容真实接地气,打破圈层壁垒,无论是“笑笑易”的县城高中日常,还是留学博主的朴素状态,都能引发全民共鸣。

    此外,这也契合互联网“去精致化”趋势,让普通人看到分享日常就能出圈的可能。

    他们的走红,恰恰说明:互联网永远需要普通人的真实记录,需要这种不掺杂质、不造人设的“活人感”。这也是普通人vlog能够持续获得流量的关键。

    不过,这类vlog账号也同样面临着同质化、可复制性强等问题。

    对于那些也想加入这一赛道、分一杯羹的创作者来说,只有在平淡日常分享中找准自身独特风格,打造记忆点,才能在众多看似千篇一律的“活人微死”或者“生存指南”视频中杀出重围。

  • 阿里投了一个00后创业者:把AI客服接待率拉到80%,重构电商人效逻辑

    声明:本文来自于微信公众号 天下网商,作者:章航英

    深夜,一家零食店铺的客服后台弹出一条消息:“我上次买的芒果干,这次想换个不那么酸的口味,再帮我推荐几个和它差不多热量的。”

    搁以前,这得靠客服翻聊天记录、查用户订单、对比商品参数,来回切换好几个页面,才能给出一句勉强周全的回复。而如今,AI客服几乎一秒内完成了三件事:它从历史对话里调出用户上次购买的芒果干型号,从知识库中匹配了同系列的低酸度新品,再对照营养参数表筛出热量相近的零食,在2秒内给出了完整的推荐话术。如果生成的内容置信度低于预设阈值,这条消息会被直接拦截,不会发送给用户。

    同样的场景,也发生在3C数码店的后台。型号复杂、参数难记、保修政策绕口,以前客服要花一周培训才能上手,如今AI客服能自动识别型号、匹配规则,一名客服搭配AI,就能顶得上5名人工的接待量。

    这些高效运转、24小时接待成交的店铺的背后,站着一家靠产品力跑出来的AI原生公司——福客AI。这家成立不到3年、由00后创立的公司,在最近获得了阿里巴巴战略投资,投后估值数亿元。

    相比于一次常规的财务布局,外界更倾向于认为这是阿里在电商智能化浪潮中的落子之一,同时也是电商服务行业格局发生转变的标志。

    过去几年,大模型技术以超出预期的速度突飞猛进,AI客服从概念变成电商经营的基础设施,给行业带来了一次底层效率重构。彭茁然和福客AI,恰好踩中了这个最务实的切口。

    福客AI创始人彭茁然不是典型的AI创业者,却是典型的“电商原住民”。十几岁他就接触工厂、客服、运营,大学期间便将家族品牌做到近亿元GMV(商品成交总额),并创办海外家居品牌,赚到了第一桶金。

    对电商链路的理解、对商家痛点的体感,构成了他与纯技术背景创业者较大的差异。

    在大部分人还将AI视为文案、作图等效率工具时,他很早就做出判断:客服是大模型落地电商最确定、最刚需、ROI(投产比)最清晰的场景。

    福客AI快速成长的三年,恰恰落在中国AI应用行业狂飙猛进的时间尺度上。

    2023年底创业初期,行业几乎只有ChatGPT可用,但高昂的token成本让应用团队寸步难行。“回复一条消息的成本比人工还高,产品一度出不来。”彭茁然回忆。

    公司濒临生存临界点,转折点来自DeepSeek。福客AI成为国内最早一批接入DeepSeek API的团队,以接近十分之一的成本实现了客服场景可用的效果。“我们是全国第一批用上DeepSeek的公司,当时特别怕别人知道这个秘密。”

    福客AI经历过1.0产品方向误判、用户流失、架构推翻的至暗时刻,也在快速迭代中找到PMF(Product-Market Fit,产品-市场匹配)。在市场质疑“AI应用无壁垒”的环境里,把“AI独立接待率”做成行业核心标尺,并以此构建起智能客服背后的上下文工程、业务结构化、多模态、置信度管控、重交付等维度形成的综合壁垒。

    过去的客服系统,知识库是死板的FAQ,对话是割裂的问答,而依托大模型发展,福客AI能吞进操作手册、保修条款、商品表格,自动切片、学习、更新;能记住用户前几轮说过的偏好、表达过的不满,给出连贯的、有温度的回应;能看懂商品破损、尺寸不符的照片,直接判断售后场景;甚至在人工客服接手一个复杂问题时,它会在旁边观察、吸收,把正确答案沉淀进知识库,越用越聪明……

    彭茁然告诉我们,目前福客AI客服的独立接待率在70%~80%,回复质量可以比肩头部品牌的“金牌客服”。

    图片

    据介绍,如今,福客AI已服务5000+家品牌,覆盖店铺两三万家,产品从最初只有夫妻店、中小品牌买单,到如今品牌商家占比已经达到40%,重点覆盖零食、服装、3C数码等行业。在服装行业,有应用福客AI的商家一年节省成本超75%,咨询转化提升50%。在零食行业,福客AI帮助商家每天多接待超过3000个问询,接待率超过94%。

    在创业初期整整一年,算力成本尚未被拉下来、幻觉问题消耗耐心,技术与现实仍然割裂,1.0产品被市场拒绝,资金消耗殆尽时,当天下网商问及彭茁然当时是怎么坚持下来的?他笑着回忆这是一种近乎押注式的决定。

    现在回过头看,他至少押对了三件事——token成本会持续下降、大模型能力会持续涌现、客服赛道将被AI重构。

    “我们是真刀真枪从市场里杀出来的,不是‘PPT公司’。在阿里融资之前,我们融资不多,能做出这样的产品力、用户量、业务数据,市场上没有几家能做到。”

    这家从市场里杀出来的公司,最终进入阿里的视野。

    投资背后,或许也是平台对AI原生团队的认可。福客AI以更高阶的接待能力、更深度的业务执行、更重的服务交付,承接品牌与中腰部以上商家的需求。

    双方的协同,正在把AI从“回复”推向“执行”,从“辅助工具”推向真正参与业务流程的数字员工,将客服这个传统“成本中心”,不断往“利润中心”“生产中心”的方向进阶。

    “我们的使命是要让AI agent成为电商企业新的生产力。”彭茁然表示。

    这篇深度对话,我们复盘彭茁然与福客AI如何在剧烈变化的AI浪潮中做出抉择、如何理解产品与壁垒,以及一个00后创业者,如何定义AI在电商行业的真正未来。

    在采访的末尾,他提到现在的大模型正处于“二次涌现”的节点,这让他感到兴奋。他正在全速冲刺,对于这个年轻的CEO来说,管理不是一件难事,最大的挑战是“让团队适应一个月一变的AI时代,并发挥最大生产力。”

    以下是《天下网商》与福客AI创始人彭茁然的对话,经编辑删减:

    00后电商二代AI创业,扎入行业最“痛”的场景

    天下网商:你很早就把家族电商生意做到近亿,还做了跨境独立站,为什么不继续做品牌,反而选择了AI客服的赛道?

    彭茁然:我家中父母一辈是做电商的,在家居行业打造出了知名品牌,我十几岁就开始接触电商,在工厂里发过货,十七八岁当过客服、运营,对整个电商全链路的经营比别人有更早接触和积累。

    我不继续做品牌,一是考虑到品牌增长潜力有限,做一个品牌到一两亿再往上增长比较困难;二是挑战性没那么高,我很早就基本知道整体运营逻辑,再往上还是要靠时间积累。

    最核心的是,ChatGPT出来以后,我发现大部分电商商家根本不会用AI,也不知道怎么把它用好。我当时的想法就是,应该做一家公司,让电商商家更方便、更简单地用上AI,不用懂大模型底层,不用管AI技术,就能把AI用起来。

    天下网商:你创业最初的时候,AI有很多能力,比如作图、做内容,为什么最后笃定聚焦客服?

    彭茁然:我跟大部分商家聊,发现他们最痛的就是客服——需要的人员多、成本高。另外,图片、内容生成这些场景,在当时要做出颠覆性产品有挑战,而大模型天生就是对话式交互,最擅长的就是和人对话,和客服场景最匹配。

    当时市面上老一代客服产品我自己也用过,非常不好用,体验很差,提效也有限。我们简单地把AI接进来给自家客服当辅助工具,发现生成的话术在很多场景比人工还要好,转化率也有提升。所以我最后判断,客服场景确定性最高,老产品满足不了需求,大模型能做出颠覆式体验,而且商家ROI见效最快,所以我们最后选定了客服赛道。

    天下网商:你是2023年回国开始创业的,当时AI行业发展到什么程度,国内外差距大吗?

    彭茁然:我们做AI其实远早于大众认知。早期全世界基本只有ChatGPT可用,国内当时比较好的模型也有限,千问当时也还没有问世。我们最早遇到的最大问题就是API不成熟、token太贵,贵到账算不过来,回复一条消息成本比人工还高,产品一度都出不来。

    天下网商:你们是怎么活下来的?怎么解决模型成本问题?

    彭茁然:我们当时满世界找性价比高的模型,很幸运,我们成为全国第一批用上DeepSeek-2.5的公司。它的价格大概是当时市面上其他模型的十分之一,100万token只要一块钱,效果大约能达到GPT-3.5的80%,我们才真正把产品推出来。如果没有DeepSeek,我们当时可能坚持不下来。国外模型到今天在客服场景也不适用,太贵了。

    天下网商:现在回头看,在成本没有降下来之前,有整整一年你是怎么坚持和思考的?

    彭茁然:那时候我赌对了三件事——成本一定会大幅下降、大模型能力会持续涌现、客服一定会被AI重构。任何技术刚出来成本都高,但英伟达显卡的算力在快速提升,算法也在创新(比如混合专家模型MoE架构)。只有token便宜了,应用层才会长出生态。

    生死一年:AI应用不存在完美版本,好的产品是被用户“逼”出来的

    天下网商:你们的1.0版本其实是客服助手,为什么后来彻底推翻重做?

    彭茁然:我们1.0版本做的是客服辅助工具,不是全自动接待。上线之后来了大概三四百个用户,但两三周之后,持续在用的只剩下不到100个,流失率接近70%。我们去跟流失的商家聊,他们给了一个非常直接的答案:我要的不是你帮我写话术,我要AI直接帮我回复客户。客服员工不愿意点那个按钮去生成话术,老板也管不住,很多夫妻店干脆就没有客服,他就想要AI直接全自动顶着。

    天下网商:推翻1.0架构的时候,你的内心状态是怎样的?

    彭茁然:很难受。第一笔钱快烧完了,指望着1.0上线有收入,结果发现没营收。2.0要把之前的整个框架推翻重做。为了解决“幻觉”问题,我们需要更精细的知识库和更复杂的算法策略。比如AI同意补偿或退货,如果不满足条件,AI乱回会产生巨大损失。1.0到2.0我们熬了很多夜做的代码全废了,做了三四个月才勉强达到PMF。

    天下网商:2.0在2024年底推出,你给当时的产品打多少分?

    彭茁然:按今天的Agent的水平来看,当时也就五六十分,但在那个时间点,它已经是市面上最落地、能用,且商家真的会续费用的电商AI客服产品。它至少能把售前的大部分问题回掉,响应快,不像机器人,在中小商家里非常受欢迎。

    天下网商:这段经历带给你的最大思考是什么?

    彭茁然:AI应用不存在完美版本,只有扔到市场里,才知道用户真要什么。我们所有核心功能,都是用户倒逼出来的。他们说,下周不上线某个功能就不用了,我们就通宵把它做出来。2024年是最苦、但成长最快的一年。熬过去,才有后面的融资与增长。

    “AI独立接待率”冲击90%以上,堪比头部品牌“金牌客服”

    天下网商:目前的产品最大的升级和亮点是什么?

    彭茁然:首先接下来几个月我们会有非常大的产品升级。现在这个产品有几个核心点,第一,回复质量上它已经能够比肩头部品牌“金牌客服”,知识库的扩充以及模型的进化带来了产品跃迁。第二,在产品功能上,我们在上下文工程(Context Engineering)上做了非常大的优化。从回复质量角度来看,我们的产品力已经断崖式领先其他竞品。

    天下网商:你提出一个核心标尺是AI独立接待率,这怎么来的?

    彭茁然:这最初是国外的一家AI公司提出来的,认为衡量AI时代的标准,应该是AI能独立接待多少用户,而不需要流转到人工客服。传统智能客服产品可能80%的客户进来,都会转到人工服务,因为它没有办法形成复杂的多轮对话的完整解决方案,它可能只解决了一两个简单问题,复杂的问题就转给人工了。

    为什么AI智能体现在有这样的能力,因为客服是一个纯数字化的工作,不需要借助于任何物理属性。福客AI将“AI独立接待率”作为衡量产品价值的标尺,就是看AI能否真正代替人工,实现完整服务闭环,而不仅仅是做一个“转人工”的中间工作。

    天下网商:目前你们能做到什么水平?

    彭茁然:优质商家的AI独立接待率可以达到70%-80%,而行业平均只有20%-30%。我们核心目标是要快速做到90%以上的AI独立接待率。在现有模型下,人工客服能完成的工作AI大部分都能完成,无非就是产品上怎么呈现的事情。

    图片

    天下网商:是什么还在限制独立接待率的提升?

    彭茁然:比如说跨系统操作。除了回消息之外,客服有时候还要去打开ERP(企业资源规划)系统去拦截一个订单,或者是录入一个工单,还有复杂的售后问题,需要客服给出非常详细的处理方案。其实,金额较大的商品售后处理或者退换货,目前还需要人工。后续随着模型提升、接口完善,我们也能跨系统完成操作,独立接待率就会大大提升。

    天下网商:你觉得现在客服工作中要实现全流程AI化,哪一个是最难的业务节点?

    彭茁然:最难的是复杂售后问题的个性化处理。同样的问题,对不同的人要有不同的处理方案,有的人安抚就行,有的人要补偿,有的人要换货,有的人要警惕投诉。AI现在还缺少这种对人性、情绪和策略的综合判断,这是最后要攻克的。

    壁垒显现:AI应用不是套壳,护城河已非常清晰

    天下网商:市场上一直有一种说法,现在的AI应用都是套壳,大模型一强就会被干掉,你怎么看这种观点?

    彭茁然:这个说法放到现在已经不成立了。最开始大家觉得AI应用没有壁垒,是因为那时候大家确实只是套个壳、调一调Prompt(提示词)。但今天,AI应用公司的壁垒已经非常深了。

    天下网商:你们真正的壁垒到底是什么?

    彭茁然:第一是软件工程的壁垒,架构、稳定性、并发能力,这些都是靠时间堆出来的。第二是算法和幻觉控制,怎么让AI不乱回答、不乱承诺、不乱补偿,这需要一套完整的策略。第三是上下文工程,怎么把业务逻辑、商品知识、店铺规则喂给AI,让它在正确的范围里回复。第四是产品化设计,让商家不用写代码、不用懂大模型,就能把自己的业务装进AI里。第五是服务和交付,商家不会用AI,你必须上门、驻场、培训、帮他把SOP(标准作业程序)跑起来,这是很重的壁垒。

    图片

    天下网商:在你看来,什么样的AI项目最容易被颠覆,什么样的最安全?

    彭茁然:越通用、越单点的功能,越容易被干掉。比如AI作图、AI写文案、AI生成主图,这种单一功能很快会被大模型和大厂覆盖,越垂直、越深入岗位、越深嵌业务流程,壁垒就越深。客服是一个完整岗位,不是一个功能,它需要跟店铺、商品、订单、售后、平台规则绑在一起,不可能被一句prompt替代。

    天下网商:所以你们做客服这种“岗位级”的产品,反而更安全?

    彭茁然:对。我们是把AI放进客服这个岗位里去交付结果,而不是交付一个工具。只要是岗位级的交付,就一定需要服务、需要对接业务、需要理解行业,壁垒自然就高。我们是把模型能力落地到业务里,模型越厉害,我们的壁垒反而越高。

    阿里战略投资:创新力量、生态协同,推动电商生产方式进化

    天下网商:在你看来,阿里为什么在这个节点投资福客AI?

    彭茁然:首先,我们是一家AI原生的公司,是因为生成式AI才诞生了这家公司。在AI原生的电商服务商里,我们的token消耗量很大,一天能用300亿–400亿的token,用户量也是新一批里最大的几家公司之一。我们的产品在市场里有大量的真实反馈,我们是靠很少的钱跑出来、有PMF、能做到盈亏平衡、有真实用户的公司,这种在目前市场上其实并不多。

    对阿里来说,也需要AI原生、懂商家、能落地、有创新能力的服务商,来服务平台上的商家,尤其是品牌商家。他们需要有人能把智能体真正落地,而不只是做一个轻量化工具。

    天下网商:你认为,你们最打动阿里的是什么?

    彭茁然:我们是真刀真枪从市场里杀出来的,不是“PPT公司”。我们之前融资并不多,能做出这样的产品力、用户量、业务数据,市场上没有几家能做到。

    天下网商:拿到阿里投资之后,福客AI最实质的变化是什么?

    彭茁然:第一,接口更开放。AI要执行,必须有接口,没有接口什么都做不了,只能在对话框里回复。现在我们能更深地接入订单、物流、售后、工单,AI可以真正做事,而不只是聊天。第二,模型和算力支持。我们会优先使用通义千问作为基础大模型,在成本、稳定性、响应速度上都会更有优势。第三,商家信任度更强。有了阿里战略投资的背书,大品牌、中腰部商家会更愿意选择我们。

    天下网商:你们目前营收和盈利情况如何?

    彭茁然:客服业务线已经实现盈利。整体公司还在投入工单、质检等新产品线,所以还在扩张阶段。

    天下网商:你好像并没有特别关注营收数字?

    彭茁然:我确实不太关注。AI时代最终还是产品力说了算,产品够好,营收自然会来。我更关注的是现在这个时代,我们的产品线有没有更快丰富,有没有持续给商家带来生产力变革。

    天下网商:现在客户规模和结构是怎样的?

    彭茁然:商家大概5000+家,覆盖店铺两三万家,品牌商家占比已经到40%。最早我们只有中小商家,现在中腰部和品牌客户越来越多。

    天下网商:你们现在怎么定价?

    彭茁然:我们主要是按接待量和算力消耗收费。根据商家的年销额来定,这是AI原生的计费模式。我们采购API,做工程化、产品化、服务化,交付给商家结果。但我们不只是算力差价,还要把服务做重,帮商家把AI用好,这才是壁垒。

    天下网商:福客AI在这个变革里,想成为什么角色?

    彭茁然:我们的使命就是,让AI Agent成为电商企业新的生产力。未来70%的电商数字化工作能由AI完成,提到电商AI,商家第一个想到福客。

    00后CEO带兵打仗:管理不是问题,坚持AI原生

    天下网商:你是00后,团队里不少人比你年长,管理上会有压力吗?

    彭茁然:年龄不是问题,我们看能力和结果。团队里90后、95后居多,也有70后、80后的技术专家,大家认事不认年龄。

    天下网商:你的核心团队是怎么搭建起来的?

    彭茁然:我们团队架构很清晰。CTO陈华负责研发架构,首席算法科学家Andy负责算法和产品,CMO郭培生负责电商行业资源,还有资深客服技术专家做产品和训练。我负责方向、融资和组织,大家互补。

    天下网商:你最重要的管理原则是什么?

    彭茁然:有两条。第一,从真实业务场景倒推产品,围绕客服每天的实际工作拆功能;第二,坚持AI原生,能用AI解决的就按AI的逻辑做,不回到老软件思路。

    管理对我们来说不是问题,我们现在最大的挑战是怎样让团队适应一个月一变的AI时代并发挥最大生产力,要不断地变革管理形式,让用户始终用到最好的模型产出最好的结果。

    天下网商:你觉得AI再往下发展,对整个电商行业会带来什么样的改变?

    彭茁然:我认为AI对电商的影响,B端会远远大于C端。C端消费者可能只是感觉客服回复更快、更顺畅,但真正底层的变化,发生在商家这一侧。企业的劳动力结构会被彻底改变。企业需要的不是几百个客服、几十个运营助理,而是懂业务、能给AI搭SOP、能训练AI、能管理AI的人。三五个人做的业务规模,可以超过过去几十人甚至上百人的团队。

    天下网商:AI未来要从“成本中心”变成“利润中心”,实现这一转型的关键在哪里?

    彭茁然:关键就是让智能客服从“被动回复”变成“主动触达”。现在AI只是客户问一句答一句,所以只能降本。如果未来平台放开权限,允许AI根据用户行为做跟单、催付、活动提醒、未下单挽回等,就能直接带来GMV增长。

  • 小米MiMo要蹭着DeepSeek蹦上牌桌

    声明:本文来自于微信公众号 硅星人Pro,作者:董道力

    5月27日,小米把 MiMo-V2.5系列 API 永久降价。

    MiMo-V2.5-Pro 的输入缓存命中价格降到0.025元/百万 tokens,输入未命中价格3元/百万 tokens,输出价格6元/百万 tokens。普通版 MiMo-V2.5更低:缓存命中0.02元,输入未命中1元,输出2元。

    这不是一次常规促销。

    因为把价格横向一比就会发现,小米这次不是随便降价,而是直接对标 DeepSeek。

    MiMo-V2.5-Pro 对 DeepSeek V4-Pro,MiMo-V2.5对 DeepSeek V4-Flash。

    如今,DeepSeek 已经不只是一个模型名字。至少在国产大模型市场里,它正在变成一把价格尺子。

    这把尺子反复抽打各大模型公司:你的模型卖多少钱啊?

    而这样一个问题平等的提给所有人,也就创造了一些新的机会,如小米MiMo这样的后来者,可以比其他模型身段更灵活,进而可以“蹭”着DeepSeek赌出一个上牌桌的机会。

    token 的价格划分越来越细了

    先来看看降价如何发生。

    在这张价格表里,最重要的细节是它把缓存命中和缓存未命中明确拆成了两种价格。

    这已经是今天大模型价格战的暗线。

    所谓缓存命中,说白了就是:如果这次请求的前缀内容,和之前某次请求的前缀内容一样,平台就不用从头再算一遍,而是复用之前保存下来的中间结果。

    大模型处理长上下文时,成本大体分两段。

    第一段叫 prefill,可以理解成“读题”。系统提示词、项目代码、企业文档、历史对话,都要先被模型读进去。

    第二段叫 decode,可以理解成“答题”。模型再一个 token 一个 token 往外生成回答。

    过去大家谈 API 价格,主要看输入和输出。但现在大模型越来越多地用在 Agent、Coding、知识库和长对话里,很多输入其实是重复的。

    代码助手每次都要看同一个仓库,企业助手每次都要读同一批制度文档,Agent 每一轮都带着同一套工具说明和系统规则。

    可能真正的不同只是最后一句指令。

    这时候,缓存就成了成本结构里的关键变量。

    第一次做题要打草稿,第二次题目前半段一样,就不用重新打草稿。缓存命中价格之所以能低到离谱,原因就在这里。

    以 MiMo-V2.5-Pro 为例,未命中输入是3元/百万 tokens,缓存命中后是0.025元,差了120倍。

    价格战的味道很浓,但大模型厂商已经不再把 token 当成一种统一商品来卖。新输入、缓存输入、输出 token,背后是三种完全不同的成本结构。这一轮价格战不是“所有 token 一起便宜”,而是厂商开始按照真实成本,把 token 拆开重新定价。

    降价来自“机房”

    最高降幅99%”是最大噱头,但背后的门道来自其他地方。

    在降价的公告里小米团队提到,他们基于 SGLang HiCache 完整支持 SWA,也就是 Sliding Window Attention,把 KV Cache 在 GPU 显存、CPU 内存、SSD 多级存储之间的数据搬运量降低到优化前的近1/7,同时把可缓存 token 数量提升到近5倍。

    这段话解释了这次降价的另一层原因。

    大模型每生成一个 token,都要参考前面的上下文。如果每一步都把所有上下文重新算一遍,成本会非常高。KV Cache 存的,就是前面 token 在注意力机制里算出来的 Key 和 Value。

    它相当于把模型已经读过的内容,变成可复用的“计算草稿”。

    但草稿也要放地方。最好的地方是 GPU 显存,速度最快,也最贵;其次是 CPU 内存;再往下是 SSD,便宜但慢。缓存越多,越不可能全放在显存里。

    于是,哪些缓存放显存,哪些放内存,哪些放 SSD?什么时候搬?搬多少?怎么避免搬运本身拖慢推理?

    这就是小米公告里“多级存储之间的数据搬运量降低”的含义。

    以前为了复用上下文,要么占着昂贵显存,要么在不同存储之间来回搬,省下来的计算成本又被搬运成本吃掉。现在系统调度更聪明了,搬得更少,存得更多,命中率更高,缓存价才有条件继续往下打。

    所以,低价只靠补贴,它就是烧钱,如果低价来自 KV Cache、SWA、多级存储、专家并行和输入长度分桶,它就是基础设施能力。

    前者只能换一阵子的流量,后者才可能改变长期价格。据小米透露,相关的更丰富细节的技术论文会在稍后发出。

    DeepSeek 出的题,能不能变成小米的稻草

    降价无疑会在短期给一个模型带来用户增加,而小米的降价除了官方透露的技术上的变化带来的可能外,其实很明显也设计了降价的时点和节奏。

    它选择在DeepSeek刚刚最新一轮的降价后马上贴身跟上。

    DeepSeek 给所有模型厂商出了一道题,当强如 DeepSeek 也可以低价调用时,其他模型厂商还凭什么维持原来的价格?

    以前国产模型公司只要比 GPT、Claude 便宜,就能解释自己的性价比。但 DeepSeek 把价格锚点打下来以后,行业进入了一个更难受的阶段。

    如果你比 DeepSeek 贵很多,就必须证明自己能力强很多。如果你能力差不多,就必须证明自己速度更快、稳定性更好、生态更顺。如果能力、价格和体验都没有明显优势,就只能退到更窄的场景里,比如多模态、端侧、企业私有化、行业模型、工具链绑定。

    如果这些都没有,那就只能早点退出。

    DeepSeek 像一条鲶鱼,没有让所有模型都立刻变便宜,但让“贵”这件事需要重新解释。

    Claude 可以用 coding 和复杂任务能力解释自己的价格,GPT 可以用完整生态、多模态和工具链解释自己的价格。

    那小米这样的还没有产生任何用户规模效应的后来者呢?尤其是小米目前的核心盘子,不在一个独立模型品牌上,而在手机、汽车、IoT、HyperOS 和智能硬件生态里。

    所以 MiMo 目前最大的挑战,无论对内还是对外,都是:一个并非默认首选的基础模型,如何先进入开发者的候选名单?

    这一次,MiMo显然决定要抓住DeepSeek这个稻草,从价格上像素级对标,这可能是唯一的机会。它必须抓着DeepSeek来蹦上牌桌。

    只有把价格打到 DeepSeek 同一档,才可能有人来用。在 API 市场里,开发者不会无缘无故把调用量交给一个新模型。尤其是 Agent、Coding、长上下文这些场景,一次任务可能就是几十轮调用。只要价格比 DeepSeek 高一截,开发者还没试到模型差异,就已经先被账单劝退了。

    而另一侧的压力也来自内部:MiMo要尽快证明,它到底能不能变成小米生态里的 AI 基础能力。

    对小米来说,模型 API 不一定是终点。它最终要去的地方,不只是开发者控制台,而是自家的生态。

    但模型想进入这些场景,不能只靠发布会和参数表。它需要大量真实调用,需要开发者在真实任务里反复试,需要用户在长对话、代码、Agent、知识库、车机和设备控制等场景里持续使用。只有这些使用数据回来,模型才知道哪些能力真的有用,哪些场景值得优化,哪些接口需要重做。

    于是,哪怕罗福莉前不久刚刚提出模型不能“盲目降价”,今天MiMo也必须发起一场价格战。而罗福莉最新的推文里也对此作了解释:

    “在新降价后的 API 价格下运行,我们的生产推理引擎接近满负荷运转,仍能基本实现收支平衡。我们此前建议 LLM 公司不要盲目降价,正是因为很少有模型架构和推理优化能让 API 成本避免亏损。如果更多节省计算和 KV 缓存的架构出现,并辅以更优的推理基础设施来压低 API 成本,这将在行业内形成一个极佳的良性循环。”

    在刚刚降价一天的节点,这个描述看起来更多还是一个完美假设,实现了,MiMo就彻底上了台桌,实现不了,就是另一个故事了。

  • 小红书,创作的含金量还在上升

    声明:本文来自于微信公众号 新莓,作者:翟文婷

    过去,外界曾有一个疑问:作为中文世界影响力最强、用户最为庞大的UGC社区,小红书什么时候可以长出代表自己原生特质的头部创作者?

    两年前,社区搞熟人300活动的时候,没有给出确切的答案。

    据亲身参与那次活动的人回忆,从一万名作者里选300个代表下一代创作者的风貌,不是件容易事。创作者「皮皮在蓝色星球」当时的感受是,也许大家的创作内容和风格有差异,但好像彼此都是相像的类型。

    到了RED新生代创作大赛,情况逆转。一批带着自己独特语言风格的年轻创作者,其中不乏00后,站上舞台。

    这些从小红书长出来的创作者在分享带有明显时代标签的作品,也在深刻影响当下年轻人的人生观和世界观,甚至决定了内容生态潮水的走向。

    小红书正在迎来新一波创作红利。只是,为什么是现在?

    到了创作者代际的更新节点

    当创作者把目光投向小红书新生代创作大赛,他们关心谁获奖,更在意奖项背后代表的创作新信号。大家敏锐意识到,创作生态跟以前不一样了。

    比如,小红书这次创作大赛给15个细分赛道的命名,完全超越了过去的创作语境。

    是「短电影」,不是短剧,也不是微电影。短剧代表着工业化制作,服务于剧情,不是服务于作品;微电影则是10多年前的概念,不够前卫。短电影反映的是,电影的系统性审美与社会共鸣感议题提炼的双重叠加。小红书RED新生代创作大赛发起人白板说,「短电影赛道里,好多作品感觉要“跪”着看。」

    还有「科学向导」赛道,不是常规意义的科普,而是更强调向导「人」的视角。「不被定义」赛道,则是在常见的视频题材和领域,做出非常规的突破性的内容创新。

    如果说这些创作题材或语言,代表了平台对内容未来的一种价值主张,那么创作者群体的态度,更能说明潮水的走向。

    吴哲弘给账号命名为「一块碗布」,就有种反叛的意味——「我要做一个像洗碗布一样的东西,洗掉先前一些创作者的油腻。」

    他最近出圈的两个作品,都在表达与以往主流观点截然不同的一种可能性:《生孩子这事也太难了》他想说,男女是可以相爱、合作的。《一个县城青年,逃跑的十年》,他想跟大家分享,不必用单一标准评判别人,普通人也可能很有魅力。

    图片

    一块碗布、不知名鸽子、吕严严肃的严、腾点时间、Ringo Tsuga 津贺林吾等一批创作新面孔浮出水面,他们中不乏00后,更能响应年轻群体的内容消费需求,正在引领新的内容创作范式,甚至影响整个内容生态格局。

    「皮皮在蓝色星球」这样的成熟型创作者,很早就意识到风向的变化。新生代的涌现,不仅没有带给她压力,反而让她更兴奋了,「有点像新浪潮new wave的感觉」。

    所谓「后浪」是五年前的产物,代表人物是影视飓风、何同学、Links这样的创作者。新一代的用户,也在渴望能为他们的群体精神面貌代言的新标杆。

    这种信号在小红书社区已经显现,给人一种创作新代际破土而出的群像感。

    为什么小红书能长出新生代?

    普通人的日常生活,已经开始被新生代创作者所影响。

    「铲屎姑娘」瓦解了大家过去的一个固有认知习惯——手洗袜子其实更脏,因而走红。创作者Max是华南农业大学动物科学专业的一名硕士,她用既硬核又可爱的实验来消解谣言的视频,轻松走进家庭群。以Max为代表的一群「科学向导」,在小红书开创了「用科学解决现实困扰」的一种全新表达方式。

    就连喜剧、搞笑这样的传统红海赛道,小红书也能长出新的创作范式。有人对不同平台的喜剧赛道风格总结是:B站是鬼畜,抖音是抽象,小红书是生活幽默。

    吕严在小红书的「食不言」栏目,以喜剧+陪伴式吃播的新形态,是生活喜综垂类的新范本;「晶惊好梦」跳出传统概念搞笑演绎套路,通过生活幽默洞察和犀利观点的结合,形成「新笑场」的创作风向标。

    这些新生代创作者群体,不是凭空闪现,而是日积月累从小红书社区自然长出来的。

    小红书的底色是UGC社区,高发布是平台的基因,这种强烈的分享和表达欲望,促使小红书从最早的购物PDF进化为现在的创作社区。

    几年前,外界对小红书的印象还是海量UGC在分享购物指南和生活经验;艺人、明星等KOL也在小红书找到自我表达的方式,且还在不断探索新的可能性,今年马思纯、赵露思等开辟的独立IP微综艺就是一个注脚;紧接着,在不同垂类赛道涌现出更多新内容,基于兴趣圈层表达成为社区最广泛的存在。

    比如,AI浪潮之下,科技垂类长出众多创作者、个人开发者,越来越多科技热点诞生在小红书上;手工家居垂类则涌现出拼豆、纺织界的高手;二次元则长出形形色色的Coser,OC(原创角色);非虚构作者也在小红书找到新的创作空间,70多岁的奶奶「我恋禾谷」和「我是肖大妹」就是典型代表,她们在社区书写自己的故事,一篇一篇笔记凝结成了一部又一部作品,其中「我恋禾谷」还在去年将小红书笔记集结成书,成为了中国最年长的非虚构「新锐作家」。

    而这些被长期表达、持续深耕垂类领域,分享和表达的欲望被进一步激发,慢慢长出了今天的创作者群体。

    他们对某个兴趣领域的认知不断深化,超出了个体经验的单纯记录和表达,有意识地在打磨作品,逐渐地也将创作化为谋生的职业。

    于是,碎片型的观点变成深度长文;随手拍的故事,变成了一部完整的「短电影」;从影院出来的个人观后感,则变成体系化解读的「万物漫评」专业博主。这些创作是在补充小红书每个兴趣方向下的顶尖优质内容,让生活兴趣社区的概念更加完整。

    海外创作者RingoTsuga津贺林吾,是新一代动画故事创作者的领头人物之一。她以个人自设、OC的方式讲述自己的故事,在小红书很受二次元用户欢迎。而且在追逐AI风潮的当下,Ringo却坚持手绘逐帧动画,反而是一种逆流而上的创新坚守。

    这些创作者群体早已存在于社区,只是此前鲜少被单独提及,从运营、算法到产品,创作者到现在才愈发被重视。

    一位社区运营人员的观察是,「某种程度上,小红书此前低估了社区能长出不同类型创作者的上限。」

    从UGC到KOL们的高信息量精美笔记,再到更具审美和叙事表达的创作,小红书社区的内容生产空间和能力,在不断被拉高和延伸,这种「创作社区」的生命力源自两方面:

    小红书用户可能是全网最具审美,最能吃得下精神细糠的用户。他们对内容的需求,不满足于单纯的「杀时间」,而是追求更有价值的精神养料。新消费反向催生新供给。

    小红书社区娱乐运营负责人三千解释道,同样是文娱消费赛道的影评内容,小红书的内容既不是简单粗暴的剧情复述,也不是万字拉片式的过分拆解,而是对作品在不同角度的一种知识增值补充。

    除此之外,小红书的UGC基因,塑造了社区独特的创作氛围,一种共鸣场的存在。

    创作者每发布一个作品,收获的影响不只是播放量或阅读点击等维度的数据统计,而是有大量UGC基于作品讨论,把感受作为笔记发布,甚至二创作品。在小红书,讨论本身就是内容。

    UGC、KOL与创作者,就像红黄蓝三原色,他们连接在一起就会发生奇妙的反应。

    图片

    爱好摄影的李现在小红书因为询问相机参数,跟Links成为朋友,半年后俩人开始一起旅行并拍成作品分享。他们在北欧旅行的时候,被一位挪威用户偶遇并把这个神奇经历写成笔记发在小红书,又被Links看到,于是他们在评论区开始交流。

    李现在小红书的身份是KOL,Links是创作者,这位挪威用户是UGC,这种彼此互动,以及产生的连接共鸣,在小红书是常态。

    这也是新一代创作者萌发于小红书,且他们愿意把小红书作为重要平台深度绑定的重要原因。

    创作者的重心在转移

    创作者都希望自己的作品被更多人发现并喜欢,多平台经营是常态。但是他们大多会选择运营的主阵地,这取决于他们的创作面向的核心用户在哪里。

    一个不容忽视的现状是,越来越多的创作者正在把小红书作为创作主阵地。

    「影视飓风」做过一场历时72小时的户外直播,全网播出,小红书不是观看量最高的,却是全网讨论量最大的平台。这令Tim有点意外,正因为跟用户的深度连接和共鸣,他们选择更加贴近小红书,仅5月份,在小红书发布的视频作品就多达10条。

    很多时候,用户的有效反馈和认可喜爱,就是创作者最大的表达动力。

    这点「一块碗布」更是深有体会。以电工小谢为主角的视频发出后,这位原本不符合主流成功学价值体系、其貌不扬、说话慢条斯理的普通人,在小红书收获了理解。甚至有用户跟小谢建立联系之后,聊哲学、胶片和摄影。当一个边缘人被看见,这种感觉对他而言就是一束光。

    事实是,这个作品正是小红书与「一块碗布」共同推动完成的。

    在此之前,小红书的运营工作人员因为发现《生孩子也太难了》这条作品,了解到「一块碗布」:创作形式新颖,运用动画大胆抽象;个人符号和叙事风格,很难被模仿。最重要的是,价值观导向——男性做生育主题,容易有爹味,但是他的视频里都是爱与理解,长久记录的动作表露出他对身边人的情感浓厚,却又保留了观察视角。

    所以,当聊到电工小谢的时候,「一块碗布」满是理解,并不觉得逃跑是一种失败。而且这样一位普通人,素材积累了7年。这种真诚叙事,跟小红书的社区氛围几乎是完美契合。作品发出来,印证了他们的判断。

    平台与创作者的深度连接,也是「皮皮在蓝色星球」的感受。账号只有几万粉丝的时候,小红书发现了皮皮,还给她专门写了一个策划案。之后,作品用什么封面、标题,小红书运营人员都会与她讨论。

    皮皮说,「我以为他们会跟我聊数据和流量,结果他们告诉我,你应该去做自己,让大家知道你是谁。」这句话让皮皮感受到,小红书懂她。

    甚至皮皮敢于在小红书分享一些不那么主流的观点,而不必担心被批评或攻击。社区氛围决定了,大家更愿意将此视为不同的视角,彼此激发更多思考。

    创作者所感受到「懂我」,只是平台所做努力的冰山一角。为此,过去半年小红书一直在补课。

    面向创作者,内部不断扩增运营岗位;针对UGC和创作者,平台实行双驱动流量分发机制;产品层面,尤其针对中长视频创作者,社区做了最大程度的优化。

    比如,肉眼可见的是对横屏视频容器做了调整,将更多空间给到画面,增加了4K画质和杜比音效;同时还新推出了RED频道,将优质的视频内容做集结推荐。最重要的是,针对中长视频流量分发给出新规则,重新定义什么是好的中长视频。目标只有一个,让好内容被看见,且好内容的生命力可以持续生长。

    这种效应立竿见影。相较半年前,创作者发布的相似视频,现在有了明显的数据提升。剑桥大学老教授阿兰·麦克法兰,半年前发布视频可能只有几千播放量,现在就连点赞都能破10万。「一块碗布」春节后至今,涨粉超10万。

    白板说,最后就是回归到对人的识别、人的运营和人的向心力。

    社区能量不止于此

    创作者在试图捕捉内容风向标的时候,开始意识到小红书正在迎来一波新的创作红利。

    以中长视频为例,今年4月份小红书的用户消费时长同比去年增长43%,播放次数增幅超过30%,每天有1亿用户在小红书观看中长视频。同时,每个月都有超过千万+数量级的中长视频被发布。

    这种消费心智的确立以及深入,又反向促进视频内容创作,这不仅是创作生态的正循环,也是社区能量增长的必然。

    只是「创作社区」的属性被广泛认可的同时,作为平台,小红书还要直面创作者尤其中长视频创作者,长期存在的变现困境。

    迄今为止,针对创作者小红书推出产品种草、探店、超级玩家、直播、橱窗、蓝链、视频广告分成七种商业化方向,其中最受关注的是首次推出的视频广告分成计划。

    这个计划是指,时长超过5分钟以上的优质视频,播放中段可以插入品牌广告。广告按曝光计费,用户观看超过5秒可以跳过,创作者从中获得分成收入。该计划目前处于小范围试点阶段,据说,不论是潜在广告主还是创作者,对此都持欢迎期待态度。

    「科学向导」赛道,创作者图克因为分享植物科普的优质内容,入驻小红书仅四个月,就接到第一笔商单,是乐高植物积木的广告。一个植物学博主竟然可以变现,这简直超越了他们此前的想象。之后图克把自己的设计做成现实中的产品,在小红书成为一名买手,一幅空气凤梨装饰画是直播间的爆品。

    一名植物学创作者,也是一名原创设计师,还是一名买手,这些身份让「图克」找到更加长期且持久的变现路径,更重要的是有了持久创作的底气。

    创作者在小红书能被看见、和用户深度连接,且能赚到钱,他们自然就会把这里当作主阵地,小红书的「生活兴趣社区」也就真正完成了从生活指南到生活兴趣社区,再叠加创作社区的完整拼图。

    这也是小红书「创作社区」心智深入的必备条件。当更多用户在小红书消费这些好内容,且创作者从中持续获益,意味着社区创作基因持续获得养分,不断被激发,生长,承载更多内容创造角色的能力。这就是社区的生命力所在。

    除了创作者,我们在小红书还看到正与时代共振的、新的内容创造者:Maker和 Builder。

    前不久小红书举办的黑客松巅峰赛,一批有代表性的Maker涌现,他们不是以发布视频或图文本身为目标,而是将现实世界的创造,在小红书分享其中的过程和成果。

    Builder 顾名思义就是建设者,他们的作品是「某种能力」,可能是代码,也可能是Skill。彼此分享有用资源,这就是建设者的视角。

    只要社区生命力持续存在,未来还会有更多新的角色和身份不断涌现。

    就像「皮皮在蓝色星球」所说,小红书在她眼中有点像迷宫,大家玩这个游戏不是为了找到出口,而是更喜欢沉浸其中,一次一次寻找新方向。在小红书创作六年,不断发现新的自己,这就是她内心的真实状态。

    小红书于她而言,不是一个答案,而是暗藏答案的一个所在。

  • 终于,具身智能的“真机数据”难题有了新解法

    声明:本文来自于微信公众号 深响,作者:林之柏

    2026年,具身智能迎来新一轮空前热潮。

    春晚舞台上宇树“人机共武”、魔法原子“实景演出”相继出圈,荣耀“闪电”则在北京亦庄人形机器人半程马拉松刷新人类男子半马世界纪录,公众热情被一再点燃。资本侧同样反应积极,中国市场上估值超过100亿人民币的具身智能公司已超过20家。技术也在持续突破:从VLA到世界模型的迭代、到灵巧手的进展,具身智能逐步从Demo(演示)走向Deployment(实际部署)。

    但不得不说的是,热闹背后,一个核心难题始终横亘在行业面前:高质量真机数据极度匮乏。

    中国信通院报告明确指出,具身智能是一个“由数据驱动的智能系统”。对于具身智能而言,数据是决定行业发展上限的关键变量。如果缺乏高质量数据,机器人就无法实现精准操作和场景泛化。

    国家发改委相关新闻发言人也在最近的发布会上表示,下一步将加快具身智能训练基础设施建设,更好地支撑数据采集和“大小脑”模型训练,以提升具身智能在不同场景的通用能力。

    而且不同于大语言模型能规模化爬取文本数据,具身智能所需的描述人类运动、精细操作的真实数据少且难得。目前,全球文本数据早已达到万亿token级别,但高质量真机操作数据仍停留在百万小时规模。

    在这个战略重地,成立于2025年2月、已累计完成数亿元融资的灵御智能选择了一条另类的路线:它不加入本体长相的内卷,而是定位为做面向具身智能的高精度物理世界数据基础设施提供商,为行业提供高质量的本体和数据服务。

    具身智能的数据困局与

    「不可能三角」

    具身智能的数据困局由来已久,这是行业运行惯性、早期技术局限等一系列因素共同造成的。

    目前,业内获取数据的方式主要有四种。

    第一种是仿真数据,即在模拟环境中生成机器人操作数据。这种方式最大问题是“虚实鸿沟”,仿真环境就算再精细,也很难准确还原现实世界的各种物理细节,比如物体之间的摩擦力、传感器运行时的噪声等。这些细节误差,可能导致机器人无法适应真实工作环境。

    第二种是人类行为数据,主要来源于视频,让机器人学习人类的操作动作。但人类的身体结构和机器人的机械结构存在差异,这就形成了“构型鸿沟”:人类的动作很难直接映射到机器人身上,比如手指灵活度、肢体协调性,数据实用性大打折扣。

    第三种是人类示教数据,通过手持设备、动捕系统,或者拖动机械臂进行操作示教。这种方式更贴近机器人运动习性,但依然无法完全解决“构型鸿沟”,而且采集效率低,很难实现规模化。

    第四种是真机遥操数据,由人类远程控制机器人完成任务,同时记录整个操作过程。这种方式优缺点都很明显:优势是更接近真实物理世界,获得更高质量、多模态、可泛化的数据;短板在于采集成本高。

    市面上品质较高的真机遥操机器人售价普遍偏高,按照行业通用的一年使用期计算、加上各类杂项成本,单任务每次的数据成本大概在3-5元,这还没算大量设备、场地、操作人员开销。

    面对数据困局,巨头与学术界的探索同样未能提供公用解法:

    比如特斯拉采用的封闭生态模式,数据质量够硬,但仅供自身使用;斯坦福大学研发团队推出的ALOHA方案,借助远程操控系统,由用户同时控制底座和两个机器手臂来完成更多样的任务,数据精细,只可惜更偏向实验室场景,难以满足工业级需求;国内的本体厂商则大多采用重资产模式,自搭场地、系统,投入大、效率偏低。

    上述种种数采模式的优劣,业内争议不断,但无论哪种路线,似乎都无法突破具身智能数据的“不可能三角”:高质、高效、高性价比。

    正因此,行业急需一种“工业化、标准化、低成本”的数据生产方式——而这,正是灵御智能试图解决的核心问题。

    打破「不可能三角」

    灵御智能的另类解法

    不同于很多强调“拟人化”表达、通用展示能力的机器人企业,灵御智能不执着于“做一个最像人的机器人”,反而关注一个更实际的问题:如何让机器人稳定、高效地进入真实任务场景,持续产生高质量数据。

    这种差异化定位,让其跳出了主流赛道,在“高质、高效、低成本”这三个看似矛盾的需求之间,找到平衡点。

    首先是提升效率,更注重动作采集执行速度和稳定性。

    在第二届中关村具身智能机器人应用大赛上,灵御的机器人在每个实际场景中的操作时间,都是同类竞品的30%甚至更低,展现出极强的执行速度。

    而得益于更强的动作完成能力、力控柔顺性,灵御的机器人具备更高稳定性。力控柔顺的机器人,能像“人”一样自带细腻“手感”,敏锐感知细微的受力分布、找准发力点。这让机器人更自如地应对复杂任务,单日有效采集时间达10小时以上,任务完成条数超800条,大大提高采集效率。

    第二届中关村具身智能机器人应用大赛测试项目

    其次是成本控制。灵御智能的核心产品TA机器人售价在10万-20万元区间,加上人工和各类杂项成本,单年成本控制在30万元以下,每小时成本仅100-150元,单任务每次的数据成本约0.6元,和umi数据采集成本相当。

    为什么灵御智能可以做到“低成本”?关键有两点。

    一是不盲目死磕昂贵硬件,而是从算法层面寻找突破口,这与SpaceX用不锈钢替代钛合金的思路很像,主打“花小钱办大事”。

    比如受力监测,业内通常会给每个关节配备谐波减速器和六维力传感器,就像在机器人身上安装一个高精度“电子秤”,靠物理手段监测不同运动状态下的受力变化,数据极尽精细,但硬件成本很高。

    灵御智能则采用低减速比的行星减速器,通过监测电机电流变化来估算受力。这套方案胜在“实在”:电流反馈的物理精度不如传感器,但配合500赫兹的控制频率,系统每两毫秒就能获取一次受力数据,实时调整刚度;再加上高精度标定和全局逆解算法,用更高性价比方案,实现了全柔性力控下的毫米级定位精度。

    齿轮背隙优化也是同理。传统机械方案要做到极小背隙,不仅要把齿轮的加工精度拉满,中心距、预紧力甚至需要逐台人工微调校准,成本高,还容易受温度变形影响出现故障;灵御智能用廉价传感器监测齿轮相对位置,通过算法实时补偿背隙,最终实现的等效精度反而更高。

    这些做法,其实是对机器人行业“硬件为王”思维的修正:过度依赖高端机械部件来提高数据精度,不仅推高了成本,还限制了生产力。算法+硬件的相互配合,节省成本之余,也并不会影响数据稳定性。

    二是在产品设计逻辑上,始终以数据采集效率为核心进行优化。

    比如砍掉脖子关节,用广角摄像头提供接近人眼的大视野,操作员无需控制机器人扭头,就能覆盖全部视野;采用模块化设计,最容易磕碰损坏的小臂和手腕部分可以快速拆卸更换、无需整机返厂大修,大幅降低了维护成本和停机时间。

    此外,还有更为关键的高数据质量。

    灵御智能TA机器人集中发力时间、空间和信息密度三个维度。

    时间维度上,TA机器人实现了S100、x86、激光雷达、相机全硬件亚微秒级同步,从系统底层保证多传感器数据在统一时间轴上的高度一致性,杜绝“相机已经拍到动作,传感器还没记录受力”等情况。

    灵御智能联合创始人、首席科学家莫一林透露,团队把端到端的流程拆分成20个环节,每个环节的耗时都用示波器精确测量。

    同时,相机提供严格的曝光开始时间、6路相机触发实现纳秒级同步,从相机曝光到数据进入内存的整体延迟最低可控制在40毫秒。为此,灵御智能从CMOS选型阶段就与供应商联合开发、定制曝光时间等参数,从源头保证时间精度、对齐多模态数据。相比之下,很多公司仍在使用通用USB摄像头、内置预处理芯片,无法精准把控延时效果。

    这和苹果、特斯拉等厂商的思路是一致的。苹果iOS生态的流畅性、稳定性为什么一直有口皆碑?正是因为它从芯片、系统到镜头等零部件一手抓,高度集成、高度统一。

    信息密度上,TA机器人对力控数据、头部4k双目视觉数据、腕部2k双目视觉数据和遥操作眼动数据全覆盖,整体数据topic数量为行业最多。

    空间精度上,TA机器人实现了0.1mm的重复定位精度和1mm的绝对精度,均处于行业领先水平。重复定位精度保证了单台设备在重复执行任务时的稳定性,绝对精度则确保不同机器人之间的数据一致性,避免了因设备差异造成偏差。

    不得不说,TA机器人的高质量数采,正正解决了行业的大难题。

    此前业内很多公司都存在重复定位精度不足、不同设备采集数据不兼容、过于追求单一维度的精确度等问题。好不容易采集到数据,要么动作、受力存在偏差,要么精度达标但传感器数据不同步、信息残缺,以至于数据看起来丰富,但无法准确反映真实操作场景。

    更重要的是,在传统操作思路里,数据采集、上传、清洗、标注、模型训练等环节容易出现脱节,低质量数据不仅无法提高训练质量,还会成为“负资产”。

    而灵御智能对空间、时间和信息密度的兼顾,能最大限度避免数据脱节、信息单一,且数据集无需额外校准,可直接用于模型训练,既节省了后续成本,也真正实现了数据的可泛化价值。

    立足于效率、成本和数据质量三重支撑,灵御智能显然迈出打破「不可能三角」的关键一步。在这基础上,灵御智能得以更进一层:构建“数据飞轮”,形成难以替代的核心竞争力

    过去,大部分机器人数据采集都属于纯投入模式:企业需要专门搭建采集场地、组织人员、运行设备,再把采集到的数据回流给模型团队,流程繁琐、效率低下。而灵御智能改变了这一逻辑——在它的方案中,机器人本身既是执行终端,也是数据入口。

    在灵御智能的端云协同架构中,云端并不是简单承担远程控制角色,而是与端侧实时控制、本体执行、任务调度和专家模型形成协同。机器人在真实场景中完成任务的同时,视觉、力控、关节状态等多模态数据持续回流,进入清洗、标注和训练流程,反过来推动模型能力迭代。

    其中,灵御TA机器人承担着进入真实场景的物理执行角色,自研的低延迟通讯架构负责连接云端智能与机器人本体,而高质量真机数据飞轮则持续反哺模型训练和能力迭代。

    这就形成了“部署—数据—训练—进化”的完整闭环:部署规模越大,真实场景越丰富,系统获得的数据就越多;数据越多,模型能力就越强,进而提升机器人的执行能力,反过来又能采集更多高质量数据,实现自我强化。

    图片

    “数据飞轮”的成型,离不开全链路的协同能力,这是灵御智能独有的竞争壁垒。

    行业内很多公司能做好机器人本体,但不一定能把云端AI稳定接入真实物理任务;有些公司能做好模型,但缺乏低延迟通讯技术和可落地的执行本体,而灵御智能实现了各环节的深度协同。

    灵御智能和英特尔的合作是典型例子。此前,英特尔已开始使用灵御机器人开展模型训练和数据采集,并提供云边协同、数据处理与算力支持。双方合作跑通了“数据—模型—执行”的闭环雏形:从真实任务中采集高质量数据,用于云端模型训练,再将优化后的模型下发到机器人本体,进行执行验证。

    往后,类似的合作案例可能会越来越多,这也印证了其技术路线的可行性。

    从卷模型到卷数据

    打破具身智能能力上限

    随着具身智能逐步告别概念炒作和样机演示,进入规模化量产、商业化落地的关键阶段,行业也从“卷模型”转向“卷数据”。竞争重心正发生彻底改变,决定系统能力上限的,不再只是模型本身,而是它是否拥有足够丰富的真实场景数据。

    这种产业演进轨迹,与自动驾驶行业高度重合。正如特斯拉的核心壁垒从来不只是自动驾驶算法,还有其庞大的车辆部署规模,持续采集海量、真实路况数据。这些数据,才是调优算法应对极端天气、突发路况等长尾问题的关键。

    具身智能正走向类似的路径:机器人只有走进各种复杂环境,持续与真实世界交互,才能获得足够的数据。

    这便能看出灵御智能的独特性:形成从设备、部署到数据交付的完整闭环,服务于科研机构、数据采集中心及复杂非结构化场景客户,推动机器人数据从实验验证走向标准化、规模化生产。这让其成功获取了物理世界的数据入口,为机器人进入更复杂、更真实的任务环境提供数据基础设施。

    就像大模型时代的Scale AI,其价值不仅仅在于提供数据标注服务,更在于帮助行业建立了标准化的数据生产体系;在具身智能的领域,行业也需要灵御智能这样的企业填补基础设施层的空白。

    灵御智能这种成为“基础设施”的决心也贯穿在CEO金戈设定的2026年度目标中:全年出货量突破800台机器人;完成商业闭环验证,在1-2个真实工作场景中,证明机器人能够为客户带来正向ROI;构建数据资产,一年内为行业提供至少百万小时、经过标准化处理、可直接用于模型训练的高质量真机数据集。

    这三个目标其实是环环相扣的:只有机器人部署规模上去,才能产生足够丰富的场景数据;只有跑通商业闭环,才能证明基础设施的商业价值;只有数据飞轮转起来,才能发挥基础设施的网络效应——而这背后,或许也藏着整个具身智能行业未来几年的真实发展方向。

    未来,真正成熟的机器人,不会只存在于实验室和演示视频里,它们会走进餐厅、仓库、医院、工厂、商场,持续与真实世界发生交互;它们也会像今天的联网汽车一样,在工作过程中不断学习、不断进化;而每一次抓取、移动、任务失败与修正,都会成为下一轮模型迭代的养分。

    届时,机器人产业真正重要的,可能不再是“制造机器人”,而是如何建立一张持续连接物理世界的数据网络谁能率先建立数据基础设施,谁就更有机会找到这张数据网络的入口。