🤖 AI 资讯

每日 05:00 更新 · 09-23 · 主站 liuch.name ↗
全部标签 →
筛选标签:营销广告 · 返回个性化推荐 · 清空筛选

白酒“双节”动销旺季不旺:飞天茅台终端价格坚挺,有经销商称多款白酒已是“地板价”

澎湃新闻
· 医疗健康,零售电商,营销广告,物流供应链,招聘HR,模型发布,财报

赛力斯董事长回应与华为合作模式生变:提升品牌价值与销量,全球通行做法

澎湃新闻
· 算力芯片,融资,华为,设计创意,零售电商,营销广告,物流供应链,AI for Science,招聘HR,模型发布,产品更新,合作,财报

I set up four ChatGPT Scheduled Tasks and stopped wasting time on things ChatGPT could handle

MakeUseOf

I’ll be working in ChatGPT and get distracted for a moment. That distraction would make me waste more time than I’d like to admit, and I usually have that “Oh, right. The project!” moment. That’s when I decided to look into ChatGPT Scheduled Tasks; I’d pretty much written it off as just a reminder, but I underestimated it.

2026-09-22 17:30:17 · 大模型,OpenAI,营销广告,招聘HR,榜单评测

The future of handheld gaming could have more Android in it than you expect

MakeUseOf

One of the worst victims of the RAMpocalypse has to be the handheld gaming PC segment. Devices like the Steam Deck, which were once meant to be affordable gateways to PC gaming (despite its age), have slowly crept up in price, becoming unattainable for many of us.

2026-09-22 19:00:15 · 营销广告,招聘HR

I turned my gaming PC into a Proxmox server and found a whole new use for its power

MakeUseOf

Proxmox is a bit of a rabbit hole, and there are a lot of things you can do with virtualization and containers. One of the more odd choices to use Proxmox for would be as a gaming server, which works thanks to GPU passthrough, something which has always fascinated me.

2026-09-22 20:00:15 · 算力芯片,营销广告,招聘HR

Apple just made premium headphones that work better with Android than AirPods Max do

MakeUseOf

After taking the tech scene by storm with its latest event, Apple has just launched a new pair of Beats headphones. Dubbed the “Beats 360,” Apple’s latest over-ear headphones come with a modular design, upgraded ANC, and sweat and water resistance.

2026-09-22 22:51:46 · 营销广告,招聘HR
AI 资讯

Another Day, Another WordPress Hole: Forminator Joins The Security Merry-Go-Round

Hacker Noon

At this point, keeping a WordPress site secure is starting to feel less like website maintenance and more like playing Whac-A-Mole with a keyboard.

Patch one plugin, another vulnerability appears. Update that one, another security alert lands. Then a plugin you patched a few weeks ago suddenly needs another urgent update because researchers have found something else.

The latest example is Forminator, the popular WordPress forms plugin developed by WPMU DEV and installed on more than 600,000 websites.

Patchstack disclosed a high-priority vulnerability affecting Forminator versions up to and including 1.57.2, assigning it a CVSS score of 9.1. The flaw, tracked as CVE-2026-92229, involves unauthenticated arbitrary shortcode execution through the current_url parameter. Version 1.57.3 is listed as the patched release.

That alone would be concerning enough.

The bigger problem is that this is simply the latest entry in what has become a remarkable run of security fixes for the plugin.

Patchstack currently lists 51 patched vulnerabilities in Forminator's history, including privilege escalation, arbitrary file upload, PHP object injection, stored cross-site scripting, information disclosure and multisite-related security issues.

The official WordPress plugin changelog paints a similar picture.

On August 18 alone, Forminator released a string of fixes covering privilege escalation, PHP object injection, multiple cross-site scripting vulnerabilities, Hub Connector security improvements, multisite registration problems and payment processing security issues.

Further security improvements followed on August 27, before another security-focused release, version 1.57.2.1, appeared on September 17. Version 1.57.3 was released the same day.

At some point you have to ask how website owners are supposed to keep up with this.

Install plugin, update plugin, patch plugin, repeat

WordPress itself is not necessarily the problem here. The bigger issue is the enormous third-party ecosystem sitting around it.

A typical business website might have plugins handling forms, SEO, caching, backups, analytics, page building, security, payments, image optimisation and dozens of smaller functions.

Every one of those plugins introduces more code.

More code means more attack surface.

And every additional dependency means another developer whose security practices, release schedule and response times become part of your website's security posture.

Forminator is simply a very visible example because of its large install base.

Patchstack says the latest flaw requires no authentication and warns that vulnerabilities of this type may be attractive for mass exploitation because attackers can target large numbers of websites automatically rather than choosing victims individually.

That is the part ordinary website owners should pay attention to.

Attackers do not care whether your website gets 50 visits a month or 5 million.

If an automated scanner finds a vulnerable plugin, your website is simply another IP address and domain sitting in the queue.

The update treadmill is getting ridiculous

The traditional advice to WordPress administrators has always been straightforward:

Keep WordPress updated. Keep your plugins updated. Keep your themes updated.

That advice remains correct, but in 2026 it increasingly feels incomplete.

You can update everything today and still receive a critical vulnerability warning tomorrow.

Forminator version 1.56.2, for example, included a fix for an arbitrary file upload vulnerability in July. August then brought another wave of security updates across the 1.57 branch, followed by another high-severity disclosure in September.

That does not automatically mean the developers are careless. In fact, actively identifying and patching vulnerabilities is far better than leaving them undiscovered or unresolved.

But from the perspective of the person actually running the website, the distinction offers little comfort.

They still have to patch it.

Again.

WordPress security now needs several layers

The days of installing WordPress, adding a security plugin and checking for updates once a month should probably be considered over.

A modern WordPress website needs multiple layers of protection.

Automatic vulnerability monitoring should be watching installed plugins and themes. Updates need to be applied quickly when a serious vulnerability is disclosed.

A web application firewall can provide another layer between the public internet and vulnerable application code. Unused plugins should be removed entirely rather than simply deactivated.

Backups also matter, but they are the recovery layer, not the security layer.

And plugin count matters more than many website owners realise.

If two plugins perform almost identical jobs, there is very little security benefit in keeping both installed. Every additional plugin is another collection of PHP, JavaScript, API endpoints and database interactions that somebody eventually has to secure.

Forminator users should update now

Anyone running Forminator 1.57.2 or earlier should update to 1.57.3 or later.

Patchstack categorises the issue as broken access control, gives it a CVSS score of 9.1 and says the vulnerability can be exploited without authentication.

The official WordPress.org listing confirms that Forminator 1.57.3 was released on September 17, while version 1.57.2.1, released the same day, also contained unspecified security improvements.

There is no good reason to leave an affected version online.

The uncomfortable reality

WordPress remains popular partly because plugins make it possible to build almost anything without writing everything from scratch.

That strength is also one of its biggest security headaches.

Every plugin is another moving part.

Every moving part can break.

And judging by the rate at which vulnerabilities continue to appear, WordPress administrators increasingly need to treat vulnerability monitoring as a permanent operational job rather than something they think about after a security alert arrives.

Forminator will not be the last plugin patched this month.

It probably will not even be the last major one.

And that is what makes the whole situation feel increasingly absurd.

The WordPress security game currently looks a lot like Whac-A-Mole.

The only difference is that when you miss one, somebody may end up inside your website.

2026-09-22 13:01:36 · Transformer,扩散模型,强化学习,营销广告,招聘HR,开发者生态
AI 资讯

We Built a Cricket Speed Gun From a Phone Camera and Got the Physics Wrong

Hacker Noon

Every cricketer has asked the same question after a good spell. How fast was that?

The honest answer has always been a guess. A coach with a stopwatch, a teammate saying "that looked quick", or nothing at all. A Pocket Radar costs around $400. A Stalker, the kind professional scouts carry, runs up to $1,200. For most of the 2.5 billion people who follow this sport, that is not a purchase. It is a fantasy.

Baseball has a dozen consumer tools for measuring pitch speed. Cricket has effectively none.

So we are building one. My name is Abdulbasit. I am 19, and I am building Paceball alongside Mustafa Asim for RevenueCat Shipaton 2026. Neither of us has shipped a mobile app before. We are both web developers. This is day 14 of 33.

The following is an account of what the first two weeks actually looked like, including the part where we found out we had been wrong.

The idea is simple, which is the trap

Film a delivery side-on. Mark the frame where the ball leaves the hand and the frame where it pitches. Count the frames between them, divide by the frame rate, and you have time. The pitch is 20.12 metres, fixed by the laws of cricket at every earth ground, so you have distance. Distance over time is speed.

No radar. No hardware. Nothing that leaves the phone.

That is the pitch, and it is roughly what we told people in week one. It is also wrong in a way that took us four days to notice.

More on that shortly. First, the part that had to work before anything else mattered.

Can a phone even record fast enough?

A cricket ball at 140 km/h covers about 39 metres per second. At 30 frames per second, you get one frame every 1.3 metres of travel, which is not enough to measure anything. At 60 you get roughly double that resolution, which is workable.

So the first test was not code. It was nine recordings on a Samsung S25 checking whether the camera holds a locked 60 fps or drifts.

Locked matters. Many phones advertise 60 fps and then quietly drop frames in low light to keep the exposure up. A frame rate that varies with the light is useless for measurement, because every frame you lose is time you cannot account for. The test came back at a hard 60 across all nine recordings.

If that had come back red, there would be no app.

Two findings from that week that cost us time:

The frame rate is a float, and you have to read it per file. Our recordings come back between 59.8 and 60.05. Never exactly 60. We never hardcode it, we read the actual value out of every file. One 633 millisecond test clip reported 55.29 fps because frame count divided by duration amplifies rounding on short samples, which is why the app now enforces a three second minimum recording.

A fast ball does not record as a ball. It records as a smear. At default exposure, the camera picks a slower shutter; the ball travels during the time the shutter is open, and you get a streak instead of an object. If you cannot see where the ball is, you cannot measure how fast it is moving. Dropping exposure to minus 4 forces a faster shutter, and the ball comes back as a ball. We also turn stabilisation off, because stabilisation warps frames to smooth the image, and warped frames mean corrupted pixel positions.

The library everyone recommends has been dead since January 2025

To measure anything, we need individual frames out of a video file, addressed by index.

Every tutorial for doing this in React Native points to FFmpegKit. It was the standard. It wrapped FFmpeg for mobile, and everyone used it.

It was retired on 6 January 2025. Binaries were pulled from Maven Central, CocoaPods, and npm. Not deprecated, removed. Builds that depend on it simply fail.

The tutorials are all still online. Still ranking. Still confidently telling you to install a package that no longer exists. npm does not warn you. You find out when the build breaks.

Android has had the right API the whole time. MediaMetadataRetriever.getFramesAtIndex(), available since API 28, native, no external binary. It gives you frames by index rather than by timestamp, which turns out to matter a lot. Timestamp seeking on Android is approximate and varies by codec. Approximate frames mean wrong measurements.

We wrote about a hundred lines of Kotlin in a local Expo module instead of pulling in a 40MB dependency.

The lesson is not that FFmpeg is bad. It is that when a library dies, the internet does not update. The tutorials stay, the SEO stays, and the top result stays wrong. Check the last publish date before you install anything.

Then we found out the whole measurement was wrong

Here is the part I would rather not write.

The plan was to time the ball across the pitch. A pitch is 20.12 metres. Time it, divide, done.

Except the ball does not travel 20.12 metres.

It is released roughly two metres past the bowler's crease, and it pitches six to eight metres short of the far stumps. Actual travel is closer to eleven metres. We would have been dividing the right time into nearly twice the right distance. Every reading, roughly doubled. A 70 km/h delivery reporting as 140.

And it would have looked plausible. That is the part that gets you. A teenager bowling in a street in Rawalpindi sees 140 on the screen and has no way to know it is nonsense. Nobody has a radar gun to check against. That is the entire reason the app exists, and it is also the reason a wrong number would never be caught.

The fix reframes the whole thing. The pitch is not the distance. The pitch is the ruler.

Mark both sets of stumps and the app knows how many pixels equal one metre. Then mark where the ball actually left the hand and where it actually landed, and convert that gap into real metres. Four taps instead of two. Correct instead of confidently wrong.

I would rather find that in a test than in someone's speed reading.

And then the ruler broke too

A few days later we ran a test indoors, throwing a ball across a room at maybe 8 km/h.

The app returned 302.

The maths was correct. Every step of the calculation did exactly what it should. The app had simply been told that the two calibration marks were 20.12 metres apart, because that is what a full pitch is, when in reality they were about four metres apart in a room. Every distance came out five times too large.

No amount of clever code fixes that. Absolute distance cannot be recovered from a single 2D image without a reference of known size. That is geometry, not a limitation of our approach.

So calibration became a user choice. Before marking, you say what you are measuring against: a full pitch at 20.12 metres, two markers you paced out yourself, the diameter of the ball at 7.2 centimetres, or your own height from your profile.

The app caught the bad reading itself. There is a warning that fires when the ball's travel distance approaches the calibration distance, because that combination is almost always a marking error. In the 302 case it read: the ball reads as travelling 27.0 metres before bouncing, which is the length of the whole pitch. Check your marks.

Most apps would have shown 302 and said nothing.

What we’re leaving out

We could display spin rate. It would look impressive on the result screen, and almost nobody would check it.

At 1280 RPM, a cricket ball turns about 21 times per second. At 60 fps, that is roughly three frames per rotation, and the direction of the rotation aliases in

2026-09-22 14:03:02 · Meta,营销广告,招聘HR,榜单评测,开发者生态

The British Army is spending £16 million on 1,000 small drones in a bid to boost battlefield operations

TechRadar<p>Christian Cawley has extensive experience as a writer and editor in consumer electronics, IT and entertainment media. He has contributed to TechRadar since 2017 and has been published in Computer Weekly, Linux Format, ComputerActive, and other publications. </p><p>Beyond TechRadar, he heads up the team at smart home website Matter Alpha, and writes about retro gaming at Gaming Retro. </p><p>Formerly the editor responsible for Linux, Security, Programming, and DIY at MakeUseOf, Christian previously worked as a desktop and software support specialist in the public and private sectors.<br></p>
2026-09-22 19:15:00 · 扩散模型,强化学习,营销广告,招聘HR,榜单评测

Official Russian state photo shows Vladimir Putin casting online vote using an unlicensed version of Windows 10 — and to make things worse, it's on an American Dell PC

TechRadar<p>Christian Cawley has extensive experience as a writer and editor in consumer electronics, IT and entertainment media. He has contributed to TechRadar since 2017 and has been published in Computer Weekly, Linux Format, ComputerActive, and other publications. </p><p>Beyond TechRadar, he heads up the team at smart home website Matter Alpha, and writes about retro gaming at Gaming Retro. </p><p>Formerly the editor responsible for Linux, Security, Programming, and DIY at MakeUseOf, Christian previously worked as a desktop and software support specialist in the public and private sectors.<br></p>
2026-09-23 00:20:00 · 扩散模型,强化学习,营销广告,招聘HR,榜单评测
AI 资讯

[推广] 9HTTP|试用 500M,动态住宅 7 折 / 长效静态 7 折 / 无限住宅

V2EX

9HTTP 试用说明

注册即可免费试用 500MB,有需要的可以先测试一下再决定。

👉 9HTTP 官网,免费试用

购买时输入优惠码即可享受折扣。

有问题也可以联系: https://t.me/gz_9http

核心资源指标

  • IP 池规模:9000 万 + 真实住宅 IP
  • 覆盖:195 + 国家 / 地区,支持国家、州、城市、ASN 多级定向
  • 平均响应:< 500ms ,服务可用性 99.9%
  • 协议:HTTP/HTTPS/ SOCKS5 ,API 、账密认证、白名单多种接入,快速集成爬虫、自动化框架。

产品线

1 、动态住宅代理( 7 折)

真实家庭 IP ,支持自动轮换 + Sticky 粘性会话,按流量计费。

  • 适合:公开网页采集、SERP 抓取、价格监控、广告验证、短期自动化任务

2 、长效静态 ISP 代理( 7 折)

独享 ISP 固定 IP ,无限会话保持,城市级定位,企业 SLA 保障。

  • 适合:社媒账号矩阵、长期业务、需要固定 IP 的业务场景,降低风控关联风险

3 、无限住宅代理

无限流量套餐,真实动态住宅 IP ,自定义带宽、专用代理服务器。

  • 适合 AI 模型训练、大规模 7×24 小时持续采集,大流量长期任务

  • 适合高并发私有业务,可联系销售获取报价

2026-09-23 03:11:46 · 设计创意,金融,营销广告,招聘HR,网络安全,开发者生态

[推广] 开源了网站性能性能指标和 SEO 的工具

2026-09-23T03:35:50Z · 开源,营销广告,招聘HR
AI 资讯

[分享创造] 开源了网站性能性能指标和 SEO 的工具

V2EX

简介

一款双引擎的网站性能测试工具——服务器真实探测 HTTP/1.1/2/3 协议与 DNS/TCP/TLS 分相时序,同时用 Lighthouse 无头浏览器采集 LCP/CLS 等渲染指标,输出资源瀑布、响应码、SEO 审计和 HAR 导出。

特点

  • 完整 DNS 、TCP 、TLS 分相时序
  • 真实 HTTP/1.1 / 2 / 3 协议探测,报告 ALPN 协商结果
  • Lighthouse 渲染采集 LCP / CLS / TBT
  • 资源瀑布、响应码、SEO 审计、HAR 导出
  • RUM 真实用户 p75 / p95 统计

在线预览: https://www.nocokit.cn/speedtest/

gitHub 仓库: https://github.com/bojue/speed-test

2026-09-23 03:35:50 · 开源,营销广告,招聘HR

独家对话大咖机器人王坤:具身智能这条路,谁也不能保证“涌现”一定会出现

钛媒体

2026年8月19日,世界机器人大会开幕当天,一名女记者跨坐在一台红黑配色的四足机器马上,在展馆通道里稳稳穿行,身后跟着一群追着拍照的观众,社交平台上相关话题迅速升温,围观视频被大量转发。三天后,第二届世界人形机器人运动会开幕,天工3.0骑乘大咖机器马担任旗手、高擎会旗稳健绕场,这一幕也成为这一届运动会第一个被广泛传播的落点。许多人第一次听说大咖机器人,就是从这两个爆款视频开始的。

但这匹出圈的机器马,在大咖机器人创始人兼CEO王坤的表述里,却只是个意外的产物:本为解决双足人形机器人易摔倒问题而设计的“超负载关节”(扭矩超2000Nm),因为难以在人形上直接应用,于是选择先落地为机器马的形态。而本为应对特种消防、救援这些极端场景的机器马一经曝光,却发现人们真正想干的事,却只是“骑上它”。

成立于2025年5月的大咖机器人,其实并不是一家专注于四足机器人的公司,其真正的主业是生产力型人形机器人和具身大脑的开发。创始人王坤是京东无人车项目的早期创始团队,拥有12年机器人和智驾行业从业经历,大咖是他的第三次创业。联合创始人兼CTO的徐文强,是中科大少年班出身,上海交大吴文俊人工智能荣誉博士,新加坡国立博士后,Nature子刊共同一作、机器人顶会IROS最佳论文获得者。

成立一年内,大咖机器人共完成四轮总计数亿元的融资,机构含金沙江创投、云时资本、盛世投资、灵心巧手、上市公司CVC等。更是朱啸虎在2025年“批量退出人形机器人公司”风波之后新入局的第一家通用具身智能公司。目前,大咖机器人的第五轮融资也有多家机构完成了尽调,近一两个月正在组织过会。

当年对人形机器人商业化抱有极度悲观态度的朱啸虎与王坤的第一次见面只聊了15分钟,问的全是机器人到底有没有真正的客户价值之类的问题。仅三四天后,朱啸虎就带着团队去了大咖的项目现场,一个细节一个细节地过,最后他给出的评价是:用户在哪儿、场景在哪儿、怎么赚钱,都想得很清楚。

而大咖机器人在订单开拓上的超快进度也印证了朱啸虎的判断。据多家媒体报道,大咖机器人成立6个月内,就在真实场景里完成百台级交付、累计意向订单超1300台。还在与多家头部具身智能厂商的正面PK中,拿下京东项目唯一供货的资格。

在王坤的主动叙事里,模型从来不会单独出场,永远绑在场景、验收和算账后面。这与他的一段经历直接相关:他曾是国内最早一批从事机器人大脑云端部署的团队成员之一,那是云端部署叙事最热闹的几年,而他亲历了最好的技术故事被十几秒的传输延时和数据合规问题无情地拦在商用大门之外。从此他认定:技术本身并不存在绝对壁垒,能越积越厚的只有端侧工程和现场数据。

而其实在CTO徐文强的带队下,大咖机器人在具身大脑的开发上也成果显著。公司自研的DaxBrain-WM(Dualis)两仪具身世界模型(简称:两仪具身世界模型),模型分阴、阳两层,阴模型融合视觉、触觉、力觉及本体感知信息,负责环境感知和动作闭环,阳模型负责任务拆解、异常处理、多机调度及资源分配,系统主要在端侧运行,可减少对云端算力的依赖。无论是公司主推的X7系列人形机器人,还是意外爆火的机器马都是在这套模型体系下驱动的。

与王坤近2个小时的对话中我们发现,他不但对商业订单有着超乎常人的执着和独到的思考,在对技术趋势和行业发展的判断上,也和当下具身行业的主流叙事大相径庭,而这一切似乎都可以在他过去的履历中找到印证的影子。

以下为与王坤的对话全文,略有删减:

不堆数据、不赌涌现

创投家:您介意在公开场合说“只堆数据是一条错误的路径”这个观点吗?

王坤:不介意,这是我们的判断。而且这不是立场,是我们复现出来的结果。

我们把市面上主流的模型几乎全部复现过一遍,测试结果都指向同一个结论:单一模型靠堆数据出技能,但即使数据量堆到千万级,离技术涌现还是差得远。

如果要用数据量填满这个差距,那么100亿的投入也可能远远达不到人们对于AGI的预期。而如果这个数量级需要更高,别说创业公司,那些巨头也投不动。最重要的是,即使投了,“涌现”也只是个概率性的事件,谁也不能保证它一定会出现。

所以技术涌现在我看来,只是一部分人的信仰。我们跟很多模型公司交流过,他们希望出来一个很性感的模型,一下子就完成所有事情,所有场景都可以直接使用了,现在不少具身智能公司讲的全是这套模型故事,其实很多时候他们已经没有办法了,必须得相信这个事儿。

创投家:你说堆数据这条路不对,那什么路径是正确的呢?

王坤:行业里的公司其实在走两条路:

一类喜欢把模型参数往大了做,原来7B、8B,现在十几B甚至更大,追求的是投放到任何一个场景都能干点事。这种模型本地放不下,成立的逻辑前提必须是技术涌现,这个前提达不成就全成了demo。

另一类就是先结合本体,用端侧部署模型驱动,扎到场景里去干活。像我们这种过去被商业化“毒打”了很多年的团队,还是会选择先扎到最终的客户场景里。

作为一家成立仅一年的新公司,我们跟很多主流具身大脑公司都在客户端打过很多次pk,客户那边几乎感受不到模型之间明显差异或领先。

所以模型本身不存在绝对的壁垒,只有时间是壁垒。一旦很强的复购浪潮来袭,两年时间可能上百万台机器就出去了。那个时候,你再说涌现也没有任何意义了,因为你能涌现,其他的模型也可以涌现。

模型这件事在我看来没有那么神秘,如果明天大咖真实场景使用量超过1万台了,那大咖一定就是最好的脑子。

这个问题在自动驾驶时代也有过先验,一旦有了市场占有率,技术话语权就特别高。现在无人车公司谁还讲自己是L4还是L5?都在讲市占率,市占率领先的,技术一定是领先。

创投家:会有人认为你们是在走捷径吗?

王坤:这不是捷径,其实这条路远比大家想象的辛苦。

学术型的团队往往不愿意干现场那种苦活,我们的团队得在客户现场苦哈哈一干几个月,处理各种counter case、补采数据。而counter case的数据是买不到的,让机器人能完成一个动作可能只需要几分钟的数据,但场景扎根的过程中,针对现场counter case的补采可能要上百倍的高质量数据,那些数据只能在一个一个客户现场长出来。

所以大咖不是学术驱动型的公司,是产品交付驱动型,说穿了就是复购驱动型,所有事情都被一个目标牵动:给客户交付一个可靠的结果,让客户算得过账。

创投家:为什么坚持端侧部署模型?这会是一个长期存在的主流方案吗?

王坤:我有一段约三年基于云端大脑交付机器人产品的经历,云端路线的坑我们吃够了:基站覆盖和建筑遮挡就让延时能差出十几秒,用户的交付效率根本上不来;出海更是麻烦,云端服务的法规限制非常多。所以我们从第一天起,就对云端零依赖,本地部署,训练好了直接上岗。

这条路线的核心竞争维度在算力成本上,大咖从成立第一天起就把ROI当作铁律,本体和模型都要计算ROI。我们一直坚持在万元级的算力上完成所有事,每一代模型都控制在2-3B,这是量化到成本上的红线,每一代研发人员都要遵循。成本超了就得查冗余、优化,这种工程经验的积累,也让这项技术壁垒越建越高。

其他产品用高算力在机器人上跑更大的模型,需要数倍的本地算力,产品定价远离用户所承受的范围,这种产品你就没法谈ROI了。

至于端侧部署模型会不会是长期占据市场主流的方案,我的回答是:对,它一定会是主流。

模型分阴阳

创投家:两仪模型到底是个什么样的架构?为什么要取这样的名字?

王坤:两仪模型是我们自研的第三代模型,分阴模型和阳模型。

阴模型就是行业里大家都在做的单一模型,从VLA到VA,本质是个黑盒,靠数据和激励让它输出一个相对收敛的技能结果,中间的过程不可解,所以我们叫“阴”模型。

阳模型包含了很多小模型,通过一个多agent的OS操作系统来调度他们,补充了很多能力:从灵巧手的单独训练、力控模型、局部空间的构建、再到多机协作、多机调度,各种响应层面、交互层面,全在里边。

这套阴阳模型架构给具体任务的执行提供了有非常强的成功率和可靠性的保障。

创投家:从实际效果看来,成功率的差别有多大?

王坤:我们给这套架构定下的交付目标是99%的成功率和99%的可靠性,这个目标光靠阴模型是怎么都达不到稳定作业的。

我们测试下来,开源模型在执行某个具体任务的成功率大部分在40%-60%左右,闭源模型大概能到80%,我们自己的阴模型能做到90%,而从90%到99%的差距就是靠阳模型的能力补出来的。谷歌前阵子发布的VLA+ER(具身推理)两层架构也是为了解决这个问题。

举个例子,模型训练拿可乐罐,90%的成功率意味着每拿100个件,就会有10个拿不到,如果每天要拣1000个件,就会有100个拣不到。阳模型在这个状态下实时监测,实用调用各种Agent能力,把任务成功率补到客户要求的水平。

创投家:那两仪模型也会追求泛化能力吗?

王坤:两仪模型在泛化性上有两个维度的追求。

一个是任务的难度,比如从能分拣,到能打包贴标,再到能做家务,这是任务难度本身的升级。

另一个就是跨场景的数量。我们现在已经跨了六大类场景:医药零售、物流、上下料、汽车生产线、快递等。而这个过程中,跨场景的门槛在不断降低:从物流拣选到外卖药店、门诊药房,再到汽车生产线,模型训练时间在变短,阳模型的能力越来越丰富之后,进新场景要解决的问题也越来越少。

创投家:投资人会对咱们的技术路线选择提出质疑吗?

王坤:资本也有质疑:专门投纯模型公司的投资人会觉得,要么只搞模型、要么只搞本体,你本体和模型都做,怎么做得过那些纯模型的公司?

我的回应是:两仪模型是开放生态,第三方模型可以通过接口接在阳模型上,你觉得哪个模型厉害,把他的模型放在我们阳模型上面,既可以大大缩短模型与商业场景的距离,又可以检验出模型真实的能力。

 被毒打出来的商业原则

创投家:大咖在商业化进度上如此之快,有没有什么特别的方法论?

王坤:大咖从第一天起就定下了三条原则线:

第一,交付给任何客户,必须保证客户能够在12到15个月内回本,这是解决用户商业价值和复购的第一个核心点;

第二,机器人上岗的任何一个岗位,必须百分之百把原来人工岗位的工作全干了,而不能只是替代部分功能;

第三,聚焦生产力,只做真正降本增效的事,锦上添花的事情一概不做。

这些原则直接决定了我们机器人的售价,再用售价减去毛利目标就得出了成本红线,从硬件的算力预算到关节方案,我们做的所有工程优化都是以成本红线为最终目标。

创投家:这套原则是怎么来的?

王坤:大咖是我创办的第三家公司,之前的12年里,我从服务机器人做到自动驾驶无人车,量产过多款产品,在市场上的销售总额累计十多亿,某些产品在当时的赛道里出货量第一。

但现在回头看看,其实很多场景做的都很失败。像安保机器人、快递无人车这些产品,最后的复购率都不好。复购也成为困扰了我十多年的问题:机器人在场景中到底能发挥多大的作用,用户的复购意愿才能提上来?最底层的因素还是降本和增效,这两个点必须完成,而且价值必须可以量化。

而过去这些反复的失败和各种场景里的不断尝试,也是大咖目前最宝贵的财富,让我们得以把技术开发-工程化-量产-客户交付-测试闭环整个技术栈都跑通了。虽然大咖机器人是第一代产品,但是在硬件素质和交付能力上,我们已经很有信心了。

创投家:咱们的交付的模式是怎样的?目前合作了哪些客户?

王坤:我们尽可能提供物理服务,按工作量计费,客户相当于雇佣了一个机器人。机器人的所有权留在大咖,对客户来讲是一个零风险的事情,对我们来讲也是长效健康的。有客户想买断也可以。我们现在合作的客户有科捷物流、健麾信息、京东等。

创投家:咱们目前的战略需要大规模的销售团队么?

王坤:其实是不需要的,我们的策略是把场景打透。

拿无人车头部公司举例,从2023年到2025年这三年间,销量翻了近百倍,但销售人员规模并不大,最关键的一点就是他们把场景打透了,复购率自然提升。因此没有复购你就别谈规模化,打透场景本身可以一定程度上替代销售的堆积。

反过来:如果没有形成复购,假如今年卖了两个亿,明年哪怕维持同样的销售额,必须用数倍的销售团队拼命拉新客户,对公司的反噬会非常巨大,其实业内还存在很多这样的现象和风险。

 一个意外开创一个新品类

创投家:我们已经知道机器马的诞生其实是一个意外的产物,但为什么当时会想到要去做重载关节呢?

王坤:我们创业第一天就定了两条路径:整机做身体和脑子完成商业化闭环,零部件做第二曲线。

当时轻载关节又趋于成熟,已经没什么可做的。于是我们走访了一线所有双足人形公司,发现双足人形不能大规模商用,除了算法之外还有严重的安全问题:当机器人受外力一只脚离地时,整个身体重量会压在一个髋关节上,力量不足以平衡全身的重量,在台阶、坑洼处很容易摔倒,这里面就存在一个重载关节的缺位。

我们当时测算人类最强大力士的力量极限是不可能超过2000Nm,所以将重载关节的起点就定在2000Nm。研发持续了将近一年,是我们投入时间最久的一个研发。但做完之后我们发现,如果要用在双足人形上,这个关节还要降维出髋、臂、肘三个型号,而如果先用在四足机器人上,一个型号就够了,机器马就这么来的。

但机器马做出来发现能力太夸张了,能负载1吨,以前人们都抠体重,现在可以随便放100多公斤的电池在上面。

创投家:那又是怎么改为骑行款的呢?

王坤:我们4月我们发布的是物资载重款,面向特种消防、灭火、应急编队、救援这些极端场景,消防很感兴趣,但商业周期很长。

这个时候有很多客户找我们,希望能够推出一款骑行款给人们体验,其实是市场在拉着我们走,于是7月我们就发布了骑行款。

机器马的做法与机器人不同,是按新能源汽车、无人车的车规方式来设计的,相当于把无人车的系统塞进一个机器人里。

我们希望机器马能成为未来出行的一个新物种,而路权、保险、车辆规划这些无人车时代积累的经验也正好用得上,至少大家担心的那些问题,我们都轻车熟路。

(本文首发于钛媒体APP,作者|Terry,编辑|杨林)

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 03:43:47 · 大模型,算力芯片,AI应用,具身智能,自动驾驶,开源,融资,政策监管,京东,对话助手,Agent智能体,推理思考,设计创意,医疗健康,金融,扩散模型,微调蒸馏,世界模型,端侧AI,工业制造,零售电商,传媒内容,营销广告,物流供应链,模型发布,产品更新,合作,榜单评测,论文

零售成了“机器人练兵场”

钛媒体

(本文作者为 巨潮WAVE,钛媒体经授权发布)

文 | 巨潮WAVE,作者|Tiya,编辑|杨旭然

宏大叙事正在不可避免地退潮。

具身智能作为一个行业的讨论焦点,已经从技术能做什么,转向讨论如何在更具体的场景中真正转起来、持续迭代,并最终实现盈利。

叙事的转向是一种对现实的真实映照,也是对资本诉求的回应。2026年下半年,多家主流厂商在机器人+零售领域搞了大动作,从一线城市商圈到社区便利店,“机器人员工”正以肉眼可见的速度渗入多元业态。

工业产线和展会舞台之外,零售门店正在成为具身智能落地最密集的方向。一个信号已然清晰:零售不再是具身智能的“试验田”,而是成了检验其商业价值的直接场景。

这意味着在当下的具身智能市场,价值的定义几乎已经被重构:“技术可行”与“商业向实”缺一不可。所有已经进入零售场景“打工”的机器人,都在竭力兼顾这两点。

零售场景中悄然泛起的机器人热潮,不该被简单视为短期风口,它像是一面镜子,更具体地映照出整个行业正在从单纯的“能力炫技”走向“价值兑现”。

探索

从场景验证的历程看,零售场景顺承了舞台表演、工厂作业两大重要场景下机器人融入人类工作的基本路径,但也在某种程度上跳出,甚至超越了原有场景验证的局限。

无论是舞台表演、工业生产,亦或是零售服务,机器人在多元场景中的落地,本质上都是在重塑这个世界的生产生活形态。整个过程的深层逻辑并非简单追求“无人化”,而是以机器人为枢纽,构建一种人机互补的新型协作模式。

从技术和产品层面看,这三个场景对具身智能的要求已经出现了分化。

大部分的工业生产机器人受限于横向、纵向,或是“格子式”的封闭空间进行作业,即便是游走在工厂中的叉车及移动机器人,也大多全流程自主作业,与人的直接交互比较少。

舞台表演中的机器人显得更加灵动,但更多是一种简单的功能展示,商业变现能力不足。

相比之下,零售门店恰好介于两者之间——零售场景有标准SKU、标准SOP,可以满足机器人持续学习,能力迭代的底层需求,同时又有真实客流、随机订单和现场干扰,是检验机器人泛化能力与固定场景之下应变力的“试金石”。

零售行业的“无人化”由来已久。从自动售货机、无人货架到AI视觉结算,零售行业一直在寻找降低人力依赖的方案,但此前的探索更多集中在“设备自动化”。

中商产业研究院报告显示,2025年中国无人零售市场规模超480亿元,2026年将达536.26亿元。自动售货机是行业内最早实现无人化闭环的终端,当下的“机器人+零售”更像是进一步的内生性深度探索,不仅是近年才开始的跟风。

但现在有部分机器人零售只是在原有无人零售体系上叠加了机器人躯壳和简单问答,整个状态看起来更像技术展示或“表演”,这不能称之为真正的机器人零售服务。

真正的转折点,在于机器人零售门店化并与零售体系之间开始融合:商店中的机器人在授权范围内真正参与到业务的全流程,“卖东西”成为企业经营行为的延伸。

政策支持、技术优化、商业成熟,三者共同推动着这种更加智能的零售业转变。

政策端,对智慧零售的支持力度在提升,政策红利促进人工智能赋能无人化服务的发展;技术上,世界模型、触觉感知相继跨过可用门槛,机器人已经可以到现成的门店直接上岗;商业端,就像人们逐渐习惯了掌上智能助手的7×24服务,经过一段时间的测算,企业相比之前也更加明确了机器人员工“全天候在岗”的红利。

以此为基础,机器人零售的持续发展几乎是确定性的。但确定性属于赛道,并不属于个体。

当下这个领域还没有陷入到内卷的泥沼,因此那些率先突围者的破局样本,更具有研究和参考价值。

模式

资本催熟之下,零售赛道的具身智能厂商们野蛮生长、良莠并存,洗牌期也提前开始。

野蛮生长的一面主要体现在形态之争——人形、双臂协作、轮式复合、桌面级等形态并存,做咖啡、调酒,从零售货架上取物,形态选择取决于职能和场景需要,尚无公认最优解。

良莠不齐与洗牌期同时出现的一面,则是因为资本涌入速度往往远超技术迭代和商业验证周期,行业出现“时间压缩”效应——许多企业被迫在未完成产品闭环时就开始规模化叙事,这也意味着无法实现商业化自洽的企业只能被迫出局。

整体来看,真正火出圈的还是人形机器人,因为机器人的形象展示更容易引发人们的好奇,也代表着更大的想象空间。厂商们的实践方向各异,催生了差异化落地路径与商业模式。

银河通用没有做过多的技术展示,直接在真实线下门店开展技术验证+商业化转化,旗下Galbot G1人形机器人以轮式人形结构为基础,聚焦于“抓、持、递”三项最基础的操作能力的优化与实现。

这款机器人可以依托轮式底盘快速响应订单,柔式夹爪有更稳定的抓握表现,“大脑-小脑-触觉感知”的闭环传导相对流畅,全自主运行,且无需远程操控。

可以看出,这样的整体规划旨在为线下门店提供可复制的智慧零售解决方案。

资本对于银河通用的押注,其中一部分就是它能够把技术转化为“标准化零售劳动力”的预期。但当前真实零售场景的非结构化程度、人机协同的实际摩擦成本,以及终端客户对“劳动力替代”最真实付费意愿,都还需要进一步的验证。

Sharpa则是走了系统性灵巧操作的技术路线,让机器人学会了做冰淇淋。

今年8月,Sharpa和全球知名冰淇淋和快餐连锁品牌Dairy Queen (以下简称DQ) 合作,打造了一家“零改造、全自主、全年无休”机器人暴风雪餐厅,在DQ上海吴江路店落成。

与银河通用一样,Sharpa也不过度追求机器人长得像人,而是更多去塑造机器人更加类人的思考和行动模式,让机器人实现从“递货员”向“产品制作者”的转变。

物理AI的高阶形态,是在开放动态环境中基于物理规律、社会准则,深度理解并完成复杂的长程任务。这个过程对机器人来说,就包含行动前的预判和多任务拆解、行动中的动态调整,以及任务结束后的记忆“归档”,以不断优化下一次的行动。

拆开技术来看,机器人搭载Sharpa Wave五指触觉灵巧手具有22个主动自由度,可以在“抓、捏、推、拉、舀取、倾倒”一整套动作中灵活切换。

相比“像人手”,这只灵巧手的真正意义在于其将原本需要多套设备、多重适配、多次调试才能完成的零售操作,收敛为一个可复用、可扩展、可与外界交互无缝衔接的物理接口。

Sharpa的自研分层端到端模型CraftNet,在底层控制中引入触觉、力觉和状态反馈等机制,机器人会根据摩擦、滑动、振动和受力变化调整输出力度。触、力的觉感知,则是会反馈回全模态的世界模型,一边“保存”历史任务数据,一边规划演绎下一杯的制作。

Sharpa制作冰淇淋的过程很像一场“动态实验”,需要面对杯、勺、柜门和冰淇淋机多个物理实体,全自主地完成从点单到交付的55步连续任务,且不是快闪演示。

可以看出,在零售场景中,机器人将不断触及、跨越其最终实现长程任务的能力“临界点”。

这套技术全栈式的零售打法,也有可能被Sharpa和具身同行们学习、推广到其他冰激凌、汉堡等更丰富的餐饮制作中,“涟漪效应”显然是明晰的。

不过,不同餐饮品类在工艺流程、卫生标准及设备兼容性等方面存在显著差异,这些现实约束,也可能反过来推动更具适配性的下一代“类Sharpa”门店形态的加速涌现。

商汤善惠也是这个赛道中的一个重要参与者,“烧卖购”机器人小店是其人工智能实体服务消费者构想的核心载体。

通过SenseMart OS零售物理操作系统,商汤善惠希望形成一个开放共享、“即插即用”的平台底座,不同店面既可以接入不同的机器人和设备,也可以连接品牌、运营商和场地方端口,通过标准接口缩短新商品、新设备和新业态的上线周期。

复杂的智能零售链路,被拆解为感知、交互、决策、执行四类能力,由统一零售大脑调度;各动作可独立训练验证,店内设备与货架亦经轻量化改造,便于机器人触达。机器人员工被分配到不同店面,感知咖啡机、冰淇淋机、柜门等服务触点,持续完成指定工作任务。

商汤善惠联合创始人伊帅坦言,“机器人店”并不完全等同于“无人店”,机器人小店的本质还是要回归“经营”——显然这需要比机器人卖货要复杂得多的综合能力。

根据设计,“机器人店长”会将互动数据传回决策中枢,成为零售门店运营的关键基础。但在新品引入、品牌联名及大型促销等关键决策环节,仍将保留人的判断,这样才可以最大化激发整个服务体系的技术张力与商业潜能。

本体能力、操作精度与经营系统,共同构成了机器人零售落地的必要支撑。三者协同,将感知、决策、操作与经营整合为一套可持续履约并实现盈利的完整系统。这意味着机器人进入门店绝非简单的硬件入驻,而是一种系统化商业能力的嵌入。

远景

各家企业的情况各有不同,但综合起来看,当前机器人零售正面临一场价值重估:它是否真的可以被资本与零售业界共同视作一个可持续创新的长期场景,被验证并持续开发?

这其中的影响因素很复杂,穿透表象才能更多感受到机器人企业更真实的商业目的。

行业发展的早期阶段,人们对机器人零售的热情更多源于好奇与打卡冲动。吸睛特质会在无形中放大消费者的猎奇心态,短期内必然会收获一波流量,但这只是起点。

从银河通用、Sharpa、商汤善惠等厂商入局机器人零售的实践来看,现阶段机器人进店的核心动力,主要还是希望依托零售场景中标准SKU、标准SOP及真实的交互数据,实现大规模真实数采以反哺机器人后续的训练。

当基础感知与交互能力趋于成熟,新增数据对模型性能的提升将显著放缓,边际数据价值递减的拐点到来,店面追求的不再是数据的“多”,而是追求更具挑战性的长尾案例。如室外取货、多语种混合指令、非标准交互等稀缺数据,将成为下一阶段模型突破的重点。

这时,机器人零售需要在保持“零售本色”的同时,蜕变出更加面向未来的新经营模式,如RaaS模式(机器人即服务)将会被看重,像烧卖购这样的机器人小店,在这种模式下可以成为品牌触达消费者的新触点,并反向促进品牌的产品研发和精准营销。

猎奇效应要转化为长期价值,关键在于创造独有的消费体验,或完成人类难以完成的任务。

这一逻辑已在实践中验证,零售正在成为机器人能力的“母场景”。商汤SenseMart OS正从便利店向商超、园区等场景迁移;银河通用则从零售延伸至药房、康养等多个领域。

另一方面,各家厂商的竞速也正在表明,“机器人零售”、“无人服务”的终局不是“替代人”,而是“激活人”。这也是其商业模式可持续的体现。

机器人零售需要保持人机协同的灵活性与足够的韧性——机器人保障基础服务的稳定输出,人力则用来完善场景、解决问题、维系与消费者的情感连接等等。

因此,衡量机器人零售的成熟度,不能局限于“替代人工”这个单一维度。相比于单纯的人力置换,人机能力的精准耦合与价值共生,可能会成为更具价值的评估标尺。

从整体市场现状看,人类与“类人”员工,还需经历一段比较漫长的磨合周期,完全以取代人为目标的机器人零售企业,可能会遭遇到不同程度的困境与压力。

结语

机器人零售的演进与升级,同时也是行业从技术想象回归到商业常识的一条必经之路。

猎奇所带来的流量终会消退,在真实经营中验证过的人机协同模式、可复制的场景能力,以及更可持续的盈利路径,才能支撑入局的企业穿越周期。

当前,无论是数据积累的临界点突破,还是RaaS模式的探索,抑或是“激活人”而非“替代人”这样共识的形成,都指向同一个方向:

机器人零售正在褪去表演属性,努力成为零售产业的一个组成部分,一个新的方向。

它或许不会以颠覆者的姿态彻底重塑行业,但作为具身智能落地最务实的试验场与放大器,其意义早已超越了卖瓶装水或者冰淇淋本身。

当机器人员工真正学会像店员一样思考、协作与成长,甚至像店长一样完成经营和盈利工作,这场变革才算抵达了真正的起点。

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 03:48:42 · 具身智能,政策监管,商汤,对话助手,Agent智能体,设计创意,金融,教育学习,扩散模型,微调蒸馏,世界模型,向量数据库,工业制造,零售电商,传媒内容,营销广告,模型发布,产品更新,合作

贵阳银行踩雷正威系,16亿追债“泡汤”

钛媒体

(本文作者为 达摩财经,钛媒体经授权发布)

文|达摩财经

9月21日晚,贵阳银行(601997.SH)披露了一则诉讼进展公告,该行双龙支行与贵州国际商品供应链管理有限公司(以下简称“贵州国际”)的16亿元合同纠纷案,因被执行人贵州国际方除已核实、已处置财产外,暂无其他可供执行的财产,法院裁定终结本次执行程序。 

这起案件是贵阳银行和“世界铜王”王文银旗下正威集团之间的信贷纠纷。 

贵州国际是正威集团与国资企业贵州双龙航空港在2015年联合成立的大宗商品现货交易平台,正威集团以95.55%的持股比例掌握控股权,公司实控人为王文银。

2021年6月,贵阳银行双龙支行与贵州国际签订了敞口金额16亿元、期限3年的综合授信合同。但随着正威集团债务危机爆发,贵州国际未按合同规定履约,贵阳银行在2024年将正威集团、王文银等一干人告上法庭,要求其偿还借款本息、票据本息及未到期承兑金额以及利息等,合计金额达到16.58亿元;并打赢官司后向法院申请了强制执行。

值得注意的是,2024年9月18日,贵阳银行双龙支行因贷款管理不到位被监管罚款30万元,时任支行行长梅宗贵被处以警告。工商数据显示,2022年3月,该支行法定代表人由梅宗贵变更为赖开建。也就是说,梅宗贵在双龙支行与正威集团签完合同的第二年就离开了双龙支行。

颇为巧合的是,贵州师范大学曾在2023年7月发布过一篇学校与正威(贵州)控股签署战略合作协议的新闻稿,其中正威集团的金融顾问也叫梅宗贵。不过,二人是重名还是同一人,尚未有定论。 

如今,这笔16亿元的授信已沦为贵阳银行纳入处置的坏账。该行在公告中表示已在几年前进行了全额计提,终结执行不会对本期利润、未来利润产生影响。

但过去几年,受行业息差收窄、房地产市场下行等大环境影响,贵阳银行自2021年起营收、净利润便再未实现双增;叠加陆续踩雷九州名城、正威集团等事件让该行的经营状况更是雪上加霜。

为了消化不良,将信用减值损失从2021年的39.11亿元逐年递增至2024年的52.83亿元。然而,利润被稀释了,不良率却仍在攀升,到今年上半年,贵阳银行不良率已创下近十年新高。

20亿信贷打水漂

贵阳银行签署这份16亿元的授信合同时,正威集团还顶着世界500强的光环。 

为保障资金安全,贵阳银行与正威系签署了一系列担保合同:由正威集团、集团子公司华威聚酰亚胺、王文银及其配偶刘结红提供最高额连带责任保证;正威系两家公司主体以其持有的相关股权提供最高额质押;此外还有16套位于深圳市的房屋作为抵押担保。 

这套不动产抵押、股权质押及多重最高额连带保证的组合担保模式,也是国内银行对大型民营企业授信时常用的增信手段。 

但这些信用措施如今却变成了难变现的资产。担保人已被列为被执行人自顾不暇,正威集团旗下股权被全国多地法院轮候冻结,而那16套房产也面临着处置周期长及估值缩水的问题。 

今年5月,这批房产迎来了首次处置。贵阳市中级人民法院将其中6套办公用房挂上拍卖平台,这6套房屋位处深圳福田核心区,面积合计1179.34平方米,而评估总价却只有3262万元,起拍价合计2935.80万元,在16亿元面前无疑是杯水车薪。 

更何况这批不动产处置难度还不小,信息详情显示,房屋目前由被执行人保管,后续交付需要一定时间,而且还受所在地购房条件限制。到目前为止,上述房产已经历了一拍、二拍及变卖环节,但仍未找到接盘方。

为此,贵阳银行投资者还直接给该行提供了其他想法,建议该行可向法院申请拆分小包挂牌、同一公告一笔共享保证金等模式。 

值得一提的是,贵阳银行的坏账不止正威系一笔。该行瑞南支行在2013年通过信托受益权转让方式,为贵州九州名城房地产开发有限公司(以下简称“九州名城”)提供了5亿元、期限3年的委托贷款。签约时同样做了资金安全防护,签订了连带责任保证合同、股权质押、土地抵押、在建工程抵押。 

随着房地产行业的下行,九州名城因资金链趋紧最终违约,贵阳银行在2021年向法院提起诉讼,追讨本息合计约3.9亿元的债务。

贵阳银行虽已胜诉,但法院在执行中因“被执行人暂无财产可供执行”先后于2024年和2026年两次裁定终结执行程序,该行同样提前对这笔债权进行了全额计提。

资产质量承压

踩雷正威系和九州名城的损失已在历史年度消化,但贵阳银行的资产质量压力并未减轻。

今年上半年,贵阳银行实现营业收入72.07亿元,同比增长10.87%;而归母净利润却同比下滑4.61%至23.60亿元,已连续四年出现同期下滑。 

增收不增利的核心原因,在于该行上半年加大了信用减值损失计提力度。报告期内,该行计提信用减值损失25.83亿元,较上年同期增长约28%。

事实上,贵阳银行往年的计提力度并不弱。2019年至2024年的信用减值损失普遍在40亿元以上。

受行业息差收窄、踩雷事件、有效信贷需求疲软等因素影响,该行2023年、2024年连续两年营收、归母净利润出现双降。

2025年该行通过减少计提调节利润,将信用减值损失从2024年的52.83亿元压缩至28.45亿元,才让归母净利润实现1.66%的同比增长。 

仅过去半年,贵阳银行又再度恢复大额计提,此番变化也引起市场对其资产质量的关注。

财报显示,今年上半年,该行不良贷款率已跃升至1.78%,较上年末增长0.19个百分点。不良率不仅创下近十年新高,还与兰州银行并列为上市行中最高水平。

贵阳银行将不良率的攀升,归因于“本行按照风险分类审慎原则将风险特征变化的贷款纳入不良,上半年存量不良贷款清收处置进度较缓。”并表示后续将加大不良贷款清收处置力度,密切关注重点领域和重点行业风险。 

从行业结构看,该行近两年为支持地方房地产发展及普惠金融建设,逐渐将信贷资源向房地产、批发和零售业倾斜,并收缩了建筑业的投放力度。如今房地产业、批发和零售业已成为该行第一大、第二大贷款投放行业;建筑业则从第一投放行业掉至第三。

但各行业的资产质量却表现不一,贵阳银行上半年不良率抬升的行业主要集中在批发和零售业、建筑业,其中批发和零售业不良率达到4.64%,是全行不良最高的行业;建筑业在贷款规模收缩的情况下,不良率仍在增长。反观贷款投放规模最高的房地产业不良率仅有0.42%,较上年末微增0.01个百分点。

这也意味着,贵阳银行建筑业作为此前第一大投放行业,存量贷款风险仍在持续释放;而且该行对不同行业的风险管控水平存在差异。

值得注意的是,贵阳银行自身信贷内控也存在问题,近年来频繁因为贷款管理问题被罚。据不完全统计,该行及旗下机构在2025年至少被监管处罚10次,罚款金额合计达到240万元,违规事由涵盖贷款“三查”不尽职、管理不审慎等信贷核心环节。

就在该行发布正威案终本公告的同一天,监管对该行黔东南分行下发了处罚书,提到该分行因“贷款管理不到位”被罚款30万元,时任副行长刘礼友及三名支行负责人均被警告。

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 04:02:33 · 融资,政策监管,办公效率,金融,扩散模型,法律,零售电商,营销广告,物流供应链,模型发布,合作,财报,版权诉讼

博主网红们,为什么选择将镜头对准酒店?

钛媒体

(本文作者为 增长会,钛媒体经授权发布)

文 | 增长会

百万粉丝博主“影子不会说谎”因自导自演炒作酒店偷拍、销售伪劣防偷拍仪器并非法牟利,在石家庄出庭受审。

如今,越来越多博主把镜头对准酒店,酒店正在成为一种被反复拍摄、反复消费的内容现场。问题是,为什么博主们都将镜头对准酒店?

那些年,博主镜头下的酒店现场

首先来一同回顾一下,百万粉丝博主“影子不会说谎”镜头下的酒店现场。

2024年9月他们团队用防偷拍检测仪在石家庄一民宿客房“检测”出偷拍摄像头,之后遭到民宿业主围堵冲突。

现场视频经社交平台账号发布后,“酒店偷拍”“隐形摄像头”成为网络关注热词,防偷拍检测仪也成了电商热销品。

警方及时介入后,三名嫌疑人因非法使用窃听、窃照专用器材被抓捕归案,三名民宿业主因扰乱公共秩序也被治安处罚。

这次冲突之后,“影子不会说谎”的网络关注度达到顶峰,但是很快事情就发生了反转。

在这起案件的起诉书中,还原了事情的真相。

以李某行、吕某及张某为首的团伙,先与掌握偷拍摄像头信息的不法人员勾连,提前将摄像头MAC地址录入“防偷拍检测仪器”后台数据库,再前往相应宾馆、酒店,摆拍所谓“检测发现偷拍摄像头”的视频发到网上,对产品进行虚假广告宣传,以此非法牟利达数百万元。

可以看出,在“影子不会说谎”的剧本里,酒店客房不是服务场所,而是流量道具。

这不是孤例,过去两年博主镜头下的酒店现场,正在变得越来越密集,也越来越戏剧化。

在今年7月,有一个抖音账号发布帖文称,女子住酒店退房时,将房间内浴巾、毛巾、烧水壶、牙刷、牙膏、拖鞋全部带走,引发舆论关注。

经有关部门调查,发帖人张某为吸引眼球、博取流量,捏造了上述虚假信息。

除此之外,同样在酒店自导自演的还有女子王某。

在2025年,她在上海先后入住了数十家酒店,提前将蟋蟀带入房间制造不卫生假象,或是在退房前故意抓挠皮肤伪造过敏痕迹,以发差评威胁、报警纠缠、长时间滞留等方式,迫使商家免除房费及赔偿共计7000余元。

最终,经上海市普陀区检察院提起公诉,法院以寻衅滋事罪判处王某有期徒刑一年。

把这些案例放在一起看,会发现一个共同点:酒店在这些镜头里,很少以完整的面貌出现。

因为博主们不需要讲清楚酒店的全貌,只需要抓住一个足够刺眼的细节,就足以让视频获得几百万播放量。而酒店往往在视频发出之后,才意识到自己已经成了别人剧本里的角色。

从自导自演的偷拍闹剧,到凭空捏造的顺走物品,再到以差评和报警为武器的碰瓷,酒店正在被越来越多的镜头选中。

这些镜头有的为了卖货,有的为了涨粉,有的为了免单,有的为了泄愤。

尽管动机各不相同,但结果惊人地相似:酒店被推上舆论场,成为被观看、被评判、被消费的对象。那么问题出现了,为什么博主们都选中了酒店?

为什么镜头都选中了酒店?

酒店被镜头盯上,不是偶然。一方面,它本来就活在舆论的长期注视里;另一方面,面对镜头,酒店又天然处于弱势。

总是被镜头和舆论关注的酒店

公众第一次系统性地正视酒店卫生问题,大概是从2018年那条纪实短片《杯子的秘密》开始。

博主“花总丢了金箍棒”拍下客房保洁用同一块抹布先擦坐便器、再擦洗手池,最后伸进漱口杯里转上几圈。

在这则短片中,涉及的不是普通酒店,而是北京、上海、南昌、贵阳等地的多家高档酒店。

正因如此,视频发布后,24小时内浏览量超过3400万,涉事酒店被警告、罚款,其中10家公开致歉。

但高档酒店翻车,不代表便宜的地方就安全。

三年后,博主“爱生活的马克君”评测多家连锁快捷酒店:浴巾边缘磨损,坐便器上残留尿渍,被子上有毛发和污渍。

情侣主题酒店更是糟糕,墙上有霉斑,枕芯大片污渍,排风扇积满灰尘,博主说自己“强忍着想吐”拍完。

从高档酒店到快捷酒店,酒店始终处在一个被审视的位置上。

其中原因不难理解,消费者花钱买的就是酒店内的空间和服务。因此,住宿过程中任何一个环节出问题,都很容易被感知和记录。

而在短视频时代,记录门槛几乎为零。手机一开,十几秒的视频,就足以把一家酒店推上舆论中心。

酒店,一个天然的舆论弱势地

更关键的是,镜头对准酒店时,酒店往往是被动的那一方。

因为博主往往掌握镜头、剪辑和发布节奏,拥有先发优势,而酒店则要在视频传播开来之后才被动回应。其中,新疆伊宁事件就是典型代表。

最初,有媒体报道重庆游客一行到新疆伊宁一酒店后只剩一间客房,两名女士只能睡在车里,离店时酒店却收了150元车上住宿费。

“睡车上也要交住宿费”这样的经典消费者弱者叙事,很快将酒店推上风口浪尖。当地部门介入,酒店向消费者退回150元又补偿1000元。

为此,这家酒店饱受舆论抨击。随后,酒店公布了另一个版本,还原了事情的首尾。

这个客户实际同行十余人、三辆车,有人在酒店院内停车、做饭、洗衣,使用了场地和公共设施;150元是双方商量的综合使用费;发票上“车上住宿费”的备注,也是按游客要求填写。

伊犁文旅部门表示网传内容存在很多不实言论,最初刊发报道的媒体也公开致歉,承认事实核查不充分。至此,一场几乎已经形成结论的舆论事件,就此翻盘。

这种被动,在另一案件里更为明显。

一名19岁男子专挑上海、杭州、成都等地的高档酒店,买最贵的月饼礼盒,自己往月饼里塞塑料薄膜,拍下吃出异物的视频发给酒店客服,并要求退一赔十,否则全网曝光。

多家酒店为息事宁人,接受和解。直到两家酒店员工偶然发现,收到的图片和投诉内容一模一样,骗局才被揭穿。

最终查明,他以同样手法敲诈13家酒店,10家得手,违法所得4.9万余元,因敲诈勒索罪被判有期徒刑三年、缓刑五年。

镜头之下酒店如何应对“被片场化”?

酒店被镜头选中,已经很难避免。真正的问题在于,当镜头突然对准自己,酒店能不能在第一时间接住。

建立舆论应急体系

过去酒店处理投诉,习惯的是息事宁人。

月饼案件的主审法官说了一句话:对酒店而言,退一赔十,几千块钱摆平,比走其他途径成本低,最好知道这件事情的人越少越好。

这套逻辑在线下或许管用,但在短视频时代已经失效。视频一旦传开,再想私下和解,舆论早已跑在酒店前面。

所以第一件事,是把舆论应对从事后灭火变成提前预案。

哪些环节最容易出问题,哪些场景最容易被拍,出了问题谁来判断、谁来回应、多久之内回应,这些都需要事先想清楚。

尤其是涉及卫生、安全、食品安全这类敏感话题,回应速度本身就是态度的一部分。慢半拍,叙事权就交出去了。

从被动到主动,掌握镜头

比回应更进一步的,是不要等镜头找上门,而是自己先把镜头用起来。

酒店其实有大量真实、可展示的现场:客房清洁、布草更换、后厨出餐、设备消毒。这些环节过去藏在后台,住客看不见,只能靠信任。

与其让博主用十几秒定义酒店,不如酒店自己用同样短的视频,把流程摊开给消费者看。

头部集团们在这件事上走得很靠前,以摄像头检测为例,华住集团、首旅如家、格林酒店集团和亚朵等集团,早已将定期检测隐藏摄像头纳入每家酒店房间检查的标准流程。

除此之外,亚朵还直接将隐藏摄像头检测仪纳入亚朵App的“客房送物”服务清单。亚朵旗下每家门店至少备用两台探测仪,供有需要的住客借用。

对此,商业评论媒体半佛仙人评价道,“给好人提供了安全感,给坏人提高了作恶成本”。如此一来,镜头还在,但酒店不再只是被动接受拍摄。

将敏感环节打造成可视化服务产品

再往前一步,是把那些最容易引发质疑的敏感环节,直接做成可感知的服务或产品。

青岛丽天大酒店的做法值得参考。每间客房配备五块颜色各异的抹布,用途严格对应:红色擦马桶、绿色擦浴缸、蓝色擦面盆和台面、白色抹尘、咖啡色擦地面。

每块抹布分区域回收、清洗和消毒,从源头杜绝交叉污染。这不是花架子,是硬规矩。

有酒店做过为期三个月的对比测试。实施五色抹布之前,随机抽取30间客房做抹布表面细菌检测,混用抹布擦拭过的台面,细菌总数超标率高达43%;而严格按照分色管理的楼层,超标率降到了7%。

客诉数据更直接:实施前三个月,该酒店因卫生类客诉月均8.3起,实施后三个月,月均卫生客诉降到3.7起,下降55%。

这件事的价值不只是防镜头。

当敏感环节被做成可视化服务,它同时也成了产品的一部分,住客是愿意为看得见的干净支付溢价,酒店也成功打造了一项差异化服务。

镜头不会消失。酒店能做的,不是祈祷自己别被拍到,而是让自己在被拍到时,有话说、有画面、有底气。流量可以蹭一时,但真正能让酒店在镜头下站住的,还是那些经得起被看见的东西。

从自导自演的偷拍闹剧,到碰瓷、虚假爆料与消费纠纷,镜头不断把酒店推上舆论场。

但被动挨拍不是终局,酒店何时能够更早把舆论应对、主动展示和敏感环节可视化做成能力,就能在下一轮镜头对准自己时,站得更稳,走得更远。

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 04:09:00 · 政策监管,字节跳动,对话助手,设计创意,扩散模型,模型评测,工业制造,零售电商,营销广告,网络安全,模型发布,版权诉讼

亚马逊封杀Muse,杀死的不只是一个App

钛媒体

(本文作者为 韩工观察,钛媒体经授权发布)

文 | 韩工观察

Meta的Muse于9月8日在美国上线,上线两天即登顶美区iOS免费榜,9月21日又拿下Google Play免费榜首(据Sensor Tower数据,经CNBC等转述)。但就在9月20日,亚马逊切断了Muse代用户购物的通道。

市场的主流解读是"平台怕Agent抢流量",这个方向没错,但事情的严重程度远远不够。这件事的本质不是控制权之争,而是商业模式之争:Muse想做的生意,在账本上就不成立——不是技术跑不通,而是没有任何一种"通行证"价格,能填平平台因Agent失去的广告收入。

看清楚这一点,才能判断Agent赛道接下来谁会赢,以及Muse们会死在哪一步。

一、被抽掉的皮带

先把亚马逊的家底摊开。

2025财年,亚马逊广告服务(Advertising services)收入686.35亿美元,同比增长22.1%(据亚马逊FY2025 10-K财报),与自营零售、第三方卖家服务、AWS并列利润支柱,是利润率最高的业务板块之一。

回看曲线:2019年126亿美元,2021年312亿,2023年469亿,2024年562亿——六年翻了五倍(据亚马逊历年10-K)。但这门生意的根基不是"货架",而是一个更脆弱的假设:进来的是人

人逛亚马逊,搜一个关键词,往下翻几十条,看到标着Sponsored的推荐位,被图片和文案打动,临时起意多买一个配件——大量订单并非"最优解",而是冲动与种草的结果。商家愿意为之付广告费,买的就是这种"不确定、会心动"的流量。

Agent不是这样。Muse收到"买个评分4.5以上、三天内到、最便宜的工学椅"这类指令后,是一个没有情绪、不会被倒计时焦虑、不看广告位的理性采购者。

它按参数筛选,直接下单。对平台而言,Agent流量是纯成本:消耗服务器,不产生任何广告曝光,比价之后订单还可能流向竞品。

这里有一个常被忽略的讽刺:亚马逊自己也在全面投入AI。其购物助手Rufus、Buy for Me功能照常推进,CEO安迪·贾西在2025年Q3财报电话会上披露,使用Rufus的用户完成购买的可能性提升60%(据PPC Land对财报电话会的整理)。

平台不反对AI代购,反对的是"不受自己控制的AI代购"——自家的Agent深度嵌入广告系统、还能提升站内成交;别人家的Agent,是把印钞机的皮带直接卸掉。

二、为什么"坐下来谈"也谈不成

事发后,市场上有一种声音:亚马逊和Meta可以谈判,Agent交一笔"通行费",平台开放接口,双赢。

这个设想在商业账上不成立,因为它混淆了两笔钱的性质。

第一笔是交易佣金。一笔100美元的订单,亚马逊抽15%到20%,约15到20美元。第二笔是广告价值——真人浏览过程中产生的曝光、点击、种草,其隐含价值远高于交易佣金本身。

即便订单仍留在平台成交,只要流量主体从人变成机器,数百亿美元量级的广告收入就会蒸发。用抽成加通行费去补广告缺口,等于用一杯水灭一间着火的房子。

还有一笔账更难看:Agent全网比价的天性,决定了比价完成后订单随时可能流向沃尔玛或Shopify商家。平台等于白白提供商品数据,广告没收到,订单还跑了。

谈判桌上,亚马逊会问Muse:你能给我什么确定性?答案是没有——不能保证订单留下,不能恢复冲动消费,而Muse现阶段自身尚无稳定盈利,也付不起覆盖广告损失的费用。

Muse采用免费版加20美元/月Power版、100美元/月Maximum版的订阅模式(Meta官方帮助页及Reuters援引Meta发言人口径),以任务额度和算力配额区分档位,仍处在拉新阶段。

平台若按"覆盖广告损失"定价收通行费,成本足以抹平它帮用户省下的钱——那就回到了最初的死结:省了力气,没省钱。

这不是价格谈不拢,而是双方诉求之间不存在交集:亚马逊想保住"真人逛店"的流量生态,Muse想要低成本全网访问。没有双赢区间,封杀就不是情绪化的临时动作,而是理性的必然选择。

值得注意的是,亚马逊官方声明给出的理由是:Muse未事先取得平台授权,访问时不主动标明AI代理身份,存在用户账号凭证与隐私安全隐患,第三方代购应用应当公开透明运营,并尊重平台是否开放接入的决定(据GeekWire援引亚马逊发言人表态)。

台面理由是安全与合规,广告底盘的危机,才是藏在背后的核心矛盾。换句话说,Muse不是被亚马逊"认定违法"而被封,而是被使用条款、凭证安全、商家参与权这三道门挡在了商店外。

三、二十年的历史只干了一件事

这个冲突不是突然发生的,它是互联网二十年商业模式演化的必然终点。

第一代互联网卖版面,门户网站把首页切成广告位;第二代卖意图,搜索引擎拍卖关键词,前提是用户亲手敲下搜索词;第三代卖人群加交易意图,电商平台把搜索页、推荐位、信息流全部变成广告位,亚马逊、Google、Meta的估值大厦都建在这上面。

Google的路径尤其值得对照:它先用Quality Score、Smart Bidding帮广告主用AI投人,再用Performance Max让广告主交出投放决策权,如今AI Overviews和AI Mode让用户不再点击蓝色链接,Google只好把广告塞进AI回答里。

2025年全年,Google广告总收入2947亿美元,其中搜索及其他收入2245亿美元(据Alphabet FY2025 10-K)。AI Overviews推高了查询量,但零点击搜索占比上升,正在侵蚀传统点击广告的根基——Google自己养大的AI,也在咬自己的搜索广告。

前三代赚的都是同一笔钱:真人会看、会犹豫、会冲动。第四代Agent想卖的"决策权",恰恰以消灭犹豫和冲动为前提。

这不是Meta和亚马逊一家的矛盾,而是所有广告型平台共同的存亡问题。国内主流电商的商业逻辑与此同构:站内广告竞价是利润最大来源,外部AI代下单的危机一旦成规模,同样的门就会关上。

  • 分化的平台,真实的博弈

现实的棋盘已经铺开,而且比"平台vs Agent"的二元叙事复杂。

阵营一:关门。亚马逊9月20日正式封禁Muse,此前已起诉Perplexity旗下Comet并限制未授权购物代理访问(据彭博、CNBC报道)。

eBay于2026年1月20日更新用户协议,默认禁止buy-for-me类第三方代买Agent,仅对签约大厂开放例外,名单包含Google购物机器人(据EcommerceBytes、Ars Technica)。

共同底线是:AI代理可以接入,但必须备案、亮明身份,同时给到商家自主选择退出的权利;平台要让Agent成为自身规则的延伸,绝不能让外部Agent掌握流量主导权。

阵营二:开门。封禁次日,9月21日,Shopify反向官宣与Muse打通Agentic Checkout,Muse可直接调用Shop Pay在商户店铺完成AI代理结账,CEO Tobias Lütke在X平台发文确认合作(据WSJ、Morningstar报道)。

逻辑完全不同:Shopify没有亚马逊式的站内广告大盘,收入来自商家建站与交易服务费,外部Agent带来成交它就多赚。

有没有存量广告生意,决定了平台是开门迎客还是关门封堵——Shopify是特例,不能代表行业。

阵营三:绕开货架。OpenAI没有爬虫硬闯亚马逊,而是于2025年9月29日发布Instant Checkout与开源的Agentic Commerce Protocol(ACP),商户主动接入协议后Agent方可在其体系内交易,首批合作包括Etsy及超百万Shopify商户(据OpenAI官方博客及Stripe公告)。

2025年10月14日,沃尔玛宣布接入该结账体系,用户可在ChatGPT内选购沃尔玛商品并完成履约(据沃尔玛官网新闻稿);SimilarWeb数据显示,2025年9月沃尔玛约15%的推荐流量来自ChatGPT。

这条路不碰存量广告盘,但天花板也清晰:商品丰富度与履约能力,短期无法替代综合电商。

还有两股力量在改变棋盘本身。法律层面,2026年8月4日,第九巡回上诉法院就Amazon v. Perplexity AI案(案号26-1444)撤销地区法院初步禁令,给出阶段性信号:用户授权使用AI工具,不等于AI公司自动获得平台访问权限,但单纯作为用户操作辅助的Agent,在现有证据下不构成《计算机欺诈与滥用法案》(CFAA)下的非法入侵;案件已发回重审,边界远未定型。

监管层面需要说明:FTC于2024年1月依据6(b)程序要求OpenAI、微软、Alphabet、亚马逊、Anthropic报送生成式AI投资与合作关系,调查对象是AI投资并购而非平台封锁Agent;平台以安全为由限制第三方Agent是否构成滥用市场地位,目前仍处讨论阶段,美国尚无"平台必须向第三方Agent开放"的成文规则,欧盟DMA框架下的相关拉锯亦未形成定稿。

当然,监管可能带来变量——反垄断、数据合规等政策如果落地,确实可能给第三方Agent撕开一道口子。但这是监管的副产品,不是Agent的终局。

四、真正的战场不在手机里

那么Muse这类独立App的前景如何?即便没有亚马逊的封杀,这道题的答案也不太乐观。

技术门槛极低,意味着竞争门槛不可能建立在技术上。OpenAI、Google、字节都能做出同等能力的Agent,用户凭什么只留Muse?没有独占货源、没有独家场景,免费拉来的用户随时被下一个免费App带走。

据Sensor Tower数据,Muse上线前6天下载超90.2万、13天累计超250万,同期ChatGPT约310万、Claude约40万(经CNBC、中新经纬转述)——开局声量可观,但声量不是粘性。

Agent浪潮是真的,但正确的落地场景不在消费者的购物车里。客服Agent、代码Agent、合同审查Agent、日程与信息处理Agent——这些场景的共同点是:在封闭系统内干活,不需要去"别人家"的货架上抢数据,不与平台广告收入抢食,且企业端愿意为效率直接付费。

企业为效率买单,平台不会封杀,因为Agent在这里是工具,不是中间人。

最终的格局大概率是三分天下:平台原生Agent守住自己的广告盘,系统级助手凭系统权限拿到通用入口,独立第三方App在两头挤压下退守垂直单点任务。

Muse点燃的信号弹,意义大于产品本身——它证明了"独立Agent App"能火,也证明了这条路通向的是一堵墙。

过去二十年,平台不怕用户聪明,就怕用户不动心

Agent最特殊的地方在于它没有心:不看广告,不冲动,不犹豫。而这恰恰是平台整套商业模型赖以运转的前提。

Muse和亚马逊之间的墙,砌的不只是安全条款,更是广告经济的承重墙——这堵墙不拆,万能代购就始终只能存在于发布会里。

【信息说明】

  1. 亚马逊广告收入:686.35亿美元为FY2025全年"Advertising services"科目(10-K,PPC Land 2026-02-06整理);2019–2024年逐年数字同口径取自历年10-K。
  2. Muse数据:前6天90.2万下载、9月10日登顶美区iOS免费榜、9月21日登顶Google Play免费榜,均为Sensor Tower口径,经CNBC、中新经纬、澎湃转述;13天累计超250万为中新经纬/CNBC对比口径;订阅档位据Meta官方帮助页及Reuters援引Meta发言人口径。
  3. 亚马逊封禁声明:据GeekWire 2026-09-20援引亚马逊发言人;封杀动作时间2026-09-20。
  4. Shopify×Muse合作:Tobias Lütke X平台发文,2026-09-21,WSJ、Morningstar同步报道。
  5. eBay新规:2026-01-20生效,据EcommerceBytes、Ars Technica。
  6. OpenAI ACP与Instant Checkout:OpenAI官方博客、Stripe公告,2025-09-29;沃尔玛合作:沃尔玛官网新闻稿,2025-10-14;"沃尔玛15%推荐流量来自ChatGPT"为SimilarWeb 2025年9月数据。
  7. 司法:Amazon v. Perplexity AI,第九巡回上诉法院案号26-1444,2026-08-04裁定撤销初步禁令。FTC 6(b)程序为2024年1月启动,调查对象为五家公司的生成式AI投资合作关系,与"平台封锁Agent"无关,正文已按此限定表述。

     8.Google广告收入:2025年全年Google广告总收入2947亿美元,其中搜索及其他收入2245亿美元,据Alphabet                 FY2025 10-K。

     9.文中"15%–20%佣金"为亚马逊公开费率区间的行业通行表述;"一杯水灭一间着火的房子"等比喻及第三、五部分的格          局判断为作者推演,非引用数据。
     10. Rufus转化数据:正文“完成购买的可能性提升60%”为相对提升口径,非绝对转化率百分点,来源为PPC Land整         理的亚马逊2025 Q3财报电话会。

      本文仅为产业分析,不构成任何投资建议,所有数据均取自公开披露信息,观点为作者独立研判。

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 04:13:00 · 大模型,算力芯片,AI应用,具身智能,开源,融资,政策监管,OpenAI,Google,Anthropic,Meta,Microsoft,字节跳动,对话助手,Agent智能体,搜索RAG,设计创意,金融,扩散模型,向量数据库,法律,零售电商,营销广告,招聘HR,模型发布,产品更新,收购并购,合作,财报,版权诉讼

拆掉“爱马仕”人设,钟薛高 6.9 元重启:你会买吗?

钛媒体

钟薛高带着一支 6.9 元的雪糕回来了。

这个曾被称为“雪糕界爱马仕”的品牌,2021 年靠 66 元的“厄瓜多尔粉钻”名声大噪,估值一度逼近 40 亿元;2022 年“火烧不化”风波后口碑急转直下;2025 年资不抵债进入破产清算,名下 508 件无形资产被拍出 2110 万元。从 40 亿到 2110 万,品牌价值蒸发超过 99%。

就在上周的中国冰淇淋及冷冻食品产业博览会上,钟薛高重新上架三款经典产品,延续瓦片造型:轻牛乳 6.9 元一支,丝绒可可、半半巧巧 7.9 元。三年前,同款零售价还在 13 到 20 元之间。

眼下冰淇淋行业的价格带正在整体下移,3 到 6 元平价区间成了主流,10 元以上高端线持续收缩。配料基本没动,价格却少了一半,这份新价签,是钟薛高对过去溢价策略的一次校准。

一笔被围观了 621 次的拍卖

要理解 6.9 元的分量,得先回到四个月前的一场拍卖。

5 月 7 日,钟薛高食品(上海)有限公司名下的 508 件无形资产,在京东司法拍卖平台整体打包上拍。清单里是 492 项注册商标、8 项专利、8 项著作权。除了"钟薛高",还有"钟薛低""钟薛高的糕"这类防御性商标。

评估价 207 万元,起拍价 207 万元,最终成交 2110 万元。

成交价是评估价的十倍出头,溢价超过 9 倍。这场拍卖有 14 人报名、超过 1.3 万人次围观、621 次延时,每一次延时都意味着有人在加价。

破产清算的残局还没收拾完,这些商标却已经引来十几个买家争抢。一个停摆的品牌,仍有这么多人愿意为它的名字掏钱。

钟薛高的坠落速度有据可查。2021 年销售额突破 10 亿元,估值一度逼近 40 亿元;2022 年因"火烧不化"陷入舆论风暴;2023 年被曝欠薪、人员流失;2024 年创始人林盛直播卖红薯还债;2025 年因资不抵债被法院裁定破产清算,当时账面资产 1.86 亿元,到期债务 7.82 亿元,负债率超过 400%。

到今年 5 月,整个品牌被压缩成一个 2110 万元的价格标签。从 40 亿到 2110 万,蒸发超过 99%。

值得琢磨的是,一个口碑已经坍塌的品牌,为什么还有人愿意出十倍价钱。

答案藏在"清算"这个词的另一面。买家买的是认知度。钟薛高死了,但"钟薛高"这三个字还留在几亿人的记忆里。在流量世界里,被记住本身就是资产,哪怕是黑红。这是一次罕见的公开定价,市场第一次给一个网红品牌的"残值"标了价。

2110 万元,就是"钟薛高"这个符号在 2026 年的公允价值。它不衡量消费者还剩多少爱,只衡量这个名字还能折算多少注意力。

6.9 元,一份自我否定的定价书

再看重启。

新钟薛高的运营主体是钟雪高品牌管理(上海)有限公司,成立于 2026 年 6 月 23 日,注册资本 1000 万元。实际控制人王亚青持股 60%,另一股东是速冻食品品牌皇家小虎的母公司长沙虎家食品科技有限公司,持股 40%。CEO 是陈大成,90 后,山东诸城人,有十年食品流通与生产经历,另一个身份是食品科普博主。

新公司的第一份公开动作,就是把价格砍到脚踝。轻牛乳 6.9 元,丝绒可可与半半巧巧 7.9 元,预计 2026 年四季度上市,现阶段委托生产,后续统一招商。官方明确表态:配方和配料基本没有变化。

如此一来,配料没变,价格腰斩,剩下的那一半只能是品牌溢价、营销费用和渠道推力。当年那支 66 元的粉钻,刨去原料和工艺,很大一部分卖的是"爱马仕"人设。钟薛高如今亲手把这一半削掉,等于用市场价格,为 2022 年所有质疑"雪糕刺客"的消费者做了一次盖章认定。

但也要看清另一面,它降到的这个位置并不是安全区。

钟薛高的价格腰斩,背后是整个行业价格带的重构。

先看总量。中国冰淇淋市场 2025 年规模约 2100 亿元(按行业宽口径,含批发与全渠道),预计 2026 年突破 2200 亿元,但增速已收敛到 4% 到 5%。这是一个规模庞大、格局稳固的存量市场。

真正的变化发生在结构里,根据马上赢线下零售监测,2023 年 6 月至 2026 年 5 月三年间,各价格带的份额出现方向性反转:3 元以下价格带的市场份额从 30.81% 上升至 33.35%;组合装 30 元以上高端市场份额,则从 7.71% 骤降至 4.67%;而 3 到 6 元价格带稳稳占据近 50% 的市场份额。组合装雪糕每百克均价从 2.92 元降至 2.22 元,降幅约 24%。

再补一个更直观的分层:目前高端市场(单价 15 元以上)占比约 8%,中端(3 到 15 元)约 72%,下沉市场(3 元以下)约 20%。中国网民对单支冰淇淋的心理价位,高度集中在 3 到 5 元。

也就是说,10 元以上的"刺客区间"正在被市场系统性抛弃。一边是高端价格带收缩,另一边是 3 元以下老冰棍类回升。市场没有消费降级,而是在去溢价,消费者拒绝为"看不懂的溢价"买单。

竞争格局同样在收紧。伊利以约 30% 的份额稳居第一,蒙牛约 10%,CR3 合计约五成,CR5 达 53.5%。品牌维度上,主打性价比的巧乐兹以约 14% 的份额领跑。

把这个坐标套回钟薛高,一切就说得通了。

它当年闯进的是 10 元以上的"刺客区间",靠营销把人设撑起来;而当这个区间被市场抛弃,钟薛高的商业模型就失去了地基。它的重启定价 6.9 到 7.9 元,恰好落在 3 到 6 元这个占市场近一半份额的绝对主导区间,也贴近 3 到 5 元的网民心理价位。这不是巧合,是一次向市场规律的校准。

换句话说,钟薛高的兴衰,几乎和冰淇淋行业价格带的反转完全同步。它是这场结构性裂变最直观的体现。

烂账留给旧壳,名字交给新东家

还有一个容易被忽略、却更值得琢磨的细节:债务去哪了。

答案是,留在旧壳里。

原钟薛高食品(上海)有限公司目前仍处于破产清算状态,7.82 亿元到期债务一分未减。而新公司是通过司法拍卖单独买走商标等无形资产的,官方明确表示新旧主体债务相互隔离,原公司的各类纠纷与新公司无关。

也就是说,林盛当年欠下的债,不会跟着"钟薛高"三个字走。品牌从债务中被剥离出来,换了个壳继续营业。

这种结构本身合法,通过破产程序处置资产,是市场的常规动作。但它揭示了一个值得警惕的模式:品牌资产与经营实体分离,正在成为网红品牌暴雷后的一条"重生"路径。烂账归旧公司,名字归新公司。

另一个关键信号在股东名单里。皇家小虎是一家以烤肠、蛋挞、手抓饼为主打品的速冻食品公司,2025 年全渠道终端零售额超 40 亿元,自建多座超级工厂,覆盖超 10 万家线下终端。业内普遍认为,引入它意在补齐钟薛高最大的短板,即供应链和成本控制。钟薛高当年倒下,表面死于舆论,根子在于自有供应链与现金流撑不起高价模型。让一个成本控制更强、擅长走量的速冻食品玩家进来,是解药。

但这也意味着,新钟薛高骨子里已经不再是一个"高端品牌"了。它更像皇家小虎延伸出来的一条高端产品线。

不靠溢价的钟薛高,还剩什么

把价格降到 6.9 元,钟薛高买到了一张重新进入冰柜的门票。但门后面的战场,比它当年突围时更凶险。

这次它主动放弃了唯一的差异化,高端人设曾是钟薛高在巨头林立的冰柜里被看见的唯一理由。如今它要在一片从未打赢过的价格带里,和伊利、蒙牛、梦龙、可爱多硬碰硬。而这几个对手的护城河是供应链规模和渠道密度,恰是钟薛高最薄的地方。

当前行业的门槛也正在抬高,新国标《GB/T 31114-2024》已于 2026 年 7 月 1 日实施,删除了植脂冰淇淋等低端工艺的定义,乳脂含量与原料品质成为竞争核心,合规门槛显著上升。健康化也从加分项变成基础过滤条件,2025 年中国"健康冰淇淋"市场规模突破百亿元,近五年年复合增长率超过 32%。一支 6.9 元的雪糕,既要便宜,又要配料干净,还要供应链可控,这是一个比"卖得贵"难得多的问题。

渠道逻辑也变了,盒马平价社区超市"超盒算NB"的自有品牌商品销售占比约 60%;京东七鲜一款生牛乳冰淇淋 6 支装只卖 10.9 元,单支不足 2 元。渠道自有品牌正在用最短闭环压缩品牌方的生存空间。钟薛高要面对的不只是同类品牌,还有整个零售体系对"品牌溢价"的挤压。

所以,钟薛高的重启,本质是一次迟到的“去溢价化”补课。它能否成立,取决于能否真正完成从“营销驱动”到“供应链驱动”的转向。

食品科普博主当 CEO,是个有意思的信号。钟薛高 2022 年最致命的舆情之一,正是配料表争议。让一个最会讲配料的人来管一支雪糕,至少说明新团队知道问题出在哪。但换一个会讲故事的人,不等于换掉当年出问题的逻辑。检验标准只有一个:四季度产品上市后,配料表敢不敢摆到台面上讲。

钟薛高这七年,留下了三个数字:一个辉煌过的 40 亿,一个被清算的 2110 万,以及一支 6.9 元的雪糕。

第一个数字属于溢价的年代,第二个数字属于清算的时刻,第三个数字,是它试图进入的下一个时代。

中国冰淇淋行业正在经历的这场结构性裂变,本质是消费者用购买决策告诉品牌:不要被收割,要被理解。在这个坐标系里,钟薛高的故事,不过是最先被写出来的那一页。蛋糕还在变大,但分蛋糕的逻辑已经变了。

对所有靠营销堆起溢价的品牌,钟薛高留下的不是一段八卦,而是一份定价参考。你的名字,在市场清算那天,值多少钱。

(本文首发钛媒体APP,作者 | 钛客观消费,编辑 | 赵虹宇)

更多精彩内容,关注钛媒体微信号(ID:taimeiti),或者下载钛媒体App

2026-09-23 04:21:39 · 融资,政策监管,京东,医疗健康,扩散模型,工业制造,零售电商,传媒内容,营销广告,物流供应链,财报,版权诉讼

没有方向盘、没有踏板、没有后视镜:特斯拉最疯狂的车来了

极客公园

9 月 3 日,特斯拉「悄悄」办了一场发布会。

没有直播,没有全球媒体轰炸,只请了少数受邀者参加。活动开始前,特斯拉的网红粉丝们发布了照片和视频。特斯拉还在网站上设置了倒计时,为该活动预热。

这场发布会的主角,是那台被外界戏称为「三无车型」的 Cybercab:没有方向盘,没有踏板,连传统意义上的侧后视镜都没有。它从设计之初就不打算遵循任何传统汽车的逻辑,目标是把单车成本和每英里运营成本压到极致。

Cybercab 的发布比以往的产品演示更重要。2026 年 9 月 3 日,摩根士丹利分析师 Andrew Percoco 表示,在其对特斯拉 400 美元的目标价中,自动驾驶出租车业务贡献了约 120 美元的估值;今年 3 月,美国银行还将特斯拉的自动驾驶出租车业务估值为 8440 亿美元,相当于特斯拉当时估值的一半左右。

按照马斯克的设想,Cybercab 未来会是特斯拉销量最大的一款车,支撑起一张覆盖全球的无人驾驶出租车网络。更有想象力的一层是:车主自己不用车的时候,可以把车「投放」进特斯拉管理的车队里去跑单,闲置资产变成现金流。

马斯克十年故事,终于开始兑现

有意思的是,这场发布会官方没有直播,但 X 用户 Kyle Conner 发布了一批现场照片和技术细节,让外界看清了 Cybercab 的真实底子。

配置上,Cybercab 刹车用的是线控刹车,但每个车轮都配了独立的执行器,这在无人驾驶场景下是个关键的安全冗余设计;驱动是前轮驱动,配合较高的齿轮比,特斯拉在压低电机噪音传入车厢这件事上明显下了功夫;电池用的 4680 电芯,可以支撑 50 万英里的使用寿命,同时能扛住高频直流快充、持续振动、剧烈温度波动;电气架构是 48V 低压,自动驾驶大脑跟 HW4 类似……

目前这台 Cybercab 还没开放面向客户销售。但特斯拉在官网挂出了一份表格,专门用来收集有意进行 Cybercab 车队车辆采购人士的联系方式。

不过,奥斯汀的用户已经可以抢先体验了。通过特斯拉去年上线的 Robotaxi 叫车应用,现在可以预约乘坐 Cybercab。

全新设计的 Cybercab,支撑了特斯拉将近一半的估值|图片来源:视觉中国

其实,这不是马斯克第一次讲这个故事。早在 2016 年,他就开始向粉丝和投资者描绘一幅画面:一辆车能够完全自主地横跨美国,不需要任何人为干预。2024 年 10 月,特斯拉在洛杉矶一家电影制片厂办了一场发布会,展示了 Cybercab 的原型。

接下来,又是特斯拉的「传统艺能」:产品发布,永远比承诺的时间晚,规模也永远比画的饼小。马斯克曾说,到 2025 年底,特斯拉的自动驾驶叫车服务将覆盖美国一半地区;到 2026 年底,将有数以百万计的特斯拉无人驾驶出租车上路。

但根据德克萨斯州机动车辆管理局网站上的公开记录,截至 9 月 3 日,特斯拉在德克萨斯州注册用于无人驾驶运营的车辆总数为 420 辆,其中 45 辆 Cybercab 车辆已获得授权在该州进行无人驾驶运营。这距离「大规模商业网络」仍然很远。

相比之下,Waymo 目前在美国 14 个城市运营 Robotaxi 服务,拥有约 4000 辆无人驾驶车辆跑在路上。

技术路线之争,到摊牌时刻了

这场发布会真正值得关注的,不只是车本身,还有持续 10 年的技术路线之争正走到一个摊牌的窗口。

发布会前一周,8 月 26 日,Waymo 车载软件副总裁 Srikanth Thirumalai 发了一篇长博客,标题是《从 2 亿多英里完全自动驾驶里程中获得的 10 条 AI 经验》。文章通篇没提特斯拉的名字,但里面至少有三条,跟特斯拉有关。

第一条是,纯视觉不够。Waymo 在跑完超过 2 亿英里真实无人驾驶里程后给出的结论是:要安全、大规模地把完全自动驾驶铺开,必须同时依赖摄像头、激光雷达和毫米波雷达三种传感器,谁也替代不了谁。

特斯拉的路径恰好是其反面。马斯克 2019 年就把激光雷达称为「注定失败的徒劳之举」,2021 年拿掉毫米波雷达,2022 年拿掉超声波传感器,把纯视觉路线推到了极致。马斯克一直坚称,只需视频摄像头和人工智能就能实现完全自动驾驶汽车。

特斯拉和 Waymo 代表着 Robotaxi 的两条路线|图片来源:视觉中国

第二条,是警惕纯端到端的「黑箱」。Waymo 高管在博文里说了一句很重的话:「AI 很强大,但不是魔法。」纯粹的端到端架构存在难以审计的黑箱风险。

而这是特斯拉全力押注的路线。FSD V14 和 V15 最大的卖点,就是"端到端神经网络",用一个模型端到端搞定感知到控制的全过程。

第三条是,L2 升到 L4 是「虚假的山顶」(false summit)。Waymo 高管认为,从 L2 一路"升级"到 L4,这条路本身就是一场错觉。真正的 L4 系统必须从零开始构建、专门训练,不能是 L2 的放大版。

Waymo 认为,真正的 L4 必须是从零构建、专门训练的系统。无论是数十亿英里的模拟里程,还是数百万英里的「有人监督」里程,都无法复制系统在无人备份情况下学到的经验——「系统只有在独自承担驾驶任务时,才能真正成熟」。

这正是特斯拉的核心逻辑:依靠数百万辆客户车辆在人类司机监督下跑出的数据飞轮,反过来论证这套系统具备升级到 L4 的潜力。

纯视觉还是多传感器融合,端到端还是可解释架构,L2 数据能不能喂大 L4 能力,这些问题行业争了快 10 年,谁也没能彻底说服谁。

接下来,争论本身可能还会持续,但检验的方式已经从谁讲得更有说服力,变成了真实的道路体验。

规模化运营才是主战场

这场发布会最该被问出的问题,或许根本不是「车有多酷,技术有多先进」,而是谁能先把规模化运营真正跑通。

自 2025 年 6 月在德克萨斯州奥斯汀启动小型试点项目以来,特斯拉已将其无人驾驶出租车服务扩展到德克萨斯州和佛罗里达州的其他几个城市。

接下来,Cybercab 大概率首先要面对的,是法规这道墙。多年来,美国监管机构对自动驾驶汽车的态度一直偏谨慎,像 Cybercab 这种没有方向盘、没有踏板的设计,天然就踩在现行规则的边缘上。

一个积极信号是,2026 年 6 月,美国国家公路交通安全管理局(NHTSA)提议出台新规,拟取消自动驾驶系统必须配备手动踏板的要求,目的就是让这类新技术能更快合法上路。

NHTSA 目前的机制是可以向汽车制造商发放豁免,允许其销售未完全符合现行规定的车辆,但这类豁免车辆每年上限只有 2500 辆。这距离特斯拉百万级的愿景,依然遥远。

技术已经不是最大难题,Robotaxi 接下来的挑战是规模化运营|图片来源:视觉中国

跨过监管这道坎之后,真正的硬仗才刚刚开始:安全、效率、成本。从目前的进展看,安全问题随着技术的进步正在被逐步验证,接下来真正考验的,是成本和效率。

据爱建证券推算,Cybercab 的单车成本已经被压到 2.3 万到 2.5 万美元区间;作为对比,一台顶配 Waymo 车辆,加上传感器和改装成本,大约在 7 万到 15 万美元之间。更关键的是运营端的数字。此前,特斯拉给 Cybercab 设定的量产运营成本目标是每英里 0.2 到 0.25 美元,只有传统网约车成本的两成左右。

但外界对这门生意的成本结构,普遍存在一个误解。驭势科技联合创始人、董事长兼 CEO 吴甘沙曾提到,很多人以为无人驾驶的成本就是几颗激光雷达加上一台车的造价,但实际上,硬件成本在整个生命周期里只占很小的一部分,真正的大头藏在运营和售后环节。

比如车需要买保险,需要补能,而补能不是简单算一笔电费,背后需要有人专门负责充电调度;载人的车需要清洁维护,乘客乱扔垃圾也没人管;车辆每天要做检查,还要定期保养维修;需要配备远程操作员,不管人车配比是 1 比 3 还是 1 比 10,都是持续的人力成本;遇到突发情况,还得有现场紧急救援团队待命。

据了解,萝卜快跑刚在武汉落地运营时,平均每两公里就要配一名网格员,一旦有车趴窝在路上,必须第一时间冲过去处理。除此之外,事故成本也是一笔不能忽略的隐性开支。

行业此前最关心的核心指标是 MPI,即每次接管前能跑多少英里;但真正决定行业能不能跑通的关键指标,其实是 CPM,即每英里成本。安全、效率、成本,这三关一关都不能少,否则规模化就无从谈起。

这次 Cybercab 的发布,与其说是特斯拉又推出了一款新车,不如说是马斯克讲了十年的故事,开始进入落地检验阶段。接下来,谁能率先在实际运营中把每英里成本降到可规模化落地的水平,将是竞争的关键所在。

2026-09-16 06:30:50 · AI应用,具身智能,自动驾驶,融资,政策监管,Google,百度,xAI,Agent智能体,设计创意,工业制造,营销广告,模型发布,产品更新
继续滚动加载更多…