宇樹終於要兌現上市的承諾了。3月20日，上交所正式受理宇樹科技股份有限公司科創板IPO申請，擬融資金額42.02億元。“上市沒有懸念，有懸念的是會漲多少。”一位與宇樹科技合作多年的代理商說。根據宇樹科技在問詢函中披露的資料，其42.02億元融資將用於投資智慧型手機器人模型研發、本體研發、新產品開發、製造基地建設。公司實現營業收入約17.08 億元，同比增長335.36%；同期實現扣非後淨利潤約6億元，同比增長674.29%。站在交易所門前的王興興和宇樹機器人。圖片由AI生成此前一月份，市場一度傳出了宇樹上市綠色通道被叫停的消息，彼時宇樹科技創始人、CEO王興興在朋友圈回應稱，“好幾周之前的，被人亂編的消息，又擴大了，大家別當真。也不用和外人解釋。”市場傳言宇樹上市綠色通道被叫停，與對科創板預先審閱機制誤讀有關。該機製麵向開展關鍵核心技術攻關、過早披露資訊可能影響經營的科技型企業，在正式申報前參照IPO稽核程序，通過問詢-回覆完成前置把關。也就是說，這套機制非綠色通道，而是科創板服務硬科技的規範化前置稽核環節。值得一提的是，近期國產GPU龍頭摩爾線程亦採用該機制推進IPO。今年以來，大量人形機器人為代表的具身智能團隊斬獲融資，包括亮相春晚的銀河通用等都領到了來自投資人的數億美元“紅包”，且多數企業都傳言在推動IPO處理程序，其中宇樹把上市說的最為明確。2025年的世界人形機器人大會上，王興興曾表示，“上市是對公司過去九年多發展時間的交代，也是對股東負責的表現。”此次宇樹衝刺科創板IPO獲得受理，也可以堪稱是春晚亮相的之後的一個關鍵進展。如果闖關成功，宇樹科技將成為“人形機器人第一股”。宇樹在問詢函中披露，2025年公司人形機器人出貨量超5500台，位居行業第一；2025年1-9月，人形機器人收入佔比達51.80%，超越四足機器人成為第一大收入來源，行業級應用收入佔比9.01%，其中企業導覽場景佔行業應用比重50%-70%。就在IPO申請獲得受理前不久，王興興還受邀以線上的形式參與了輝達GTC大會並行表20多分鐘主題為《如何邁過具身智能的ChatGPT時刻》的演講。王興興指出，儘管市場熱度不斷攀升，但真正具備強泛化能力、能夠在陌生環境中穩定執行任務的通用具身智能模型仍未出現，行業整體仍停留在“臨界點之前”，未來1至3年將成為決定能否實現突破的關鍵窗口期。王興興認為，如果機器人能夠在80%的陌生場景中，僅通過語言指令完成80%的任務，即可視為具身智能邁入“確定性時刻”，這一節點將類似大模型領域的ChatGPT時刻，推動行業從展示走向規模化應用。在到達這一確定性時刻之前，跳舞、文旅等場景將是人形機器人的關鍵應用場景。“今年2月，我們的機器人登上央視春晚節目，獲得了國內外廣泛好評。為了這個節目，我們把能找到的中國傳統功夫動作基本都梳理了一遍。”王興興在GTC的演講中表示。根據前述代理商提供的資料，春節期間人形機器人租賃的費用在4000-8000元/天不等，“沒有絕對標準化，根據客戶需求、難度（有所差別）。”對於人形機器人應用和商業化，該代理商認為純市場驅動才可持續，“市場是唯一的煉金石，消費者願意付費的，不是資本扶持，也不是政府買單。”值得注意的是，人形機器人在跳舞的過程中，也在不斷地推進技術升級迭代。據王興興介紹，為了適應春晚舞台的表演，宇樹科技對機器人也做了專門改裝，其中包括雷射雷達的升級改造、預訓練的全身模型等等。“我們還開發了全身狀態感知模型，讓機器人更好地完成感知與決策；同時搭建了叢集控制系統，可以調度幾十台、上百台機器人完成複雜走位與編隊表演。”王興興說。 (騰訊科技)

剛剛完成GTC大會演講的黃仁勳，接受了《STRATECHERY》的創始人Ben Thompson（下文簡稱為Ben）的專訪，下面是本次專訪的摘要和全文實錄：【摘要】黃仁勳圍繞輝達 GTC 演講 “回歸本源” 的核心邏輯，闡釋了公司戰略、技術佈局、行業競爭與地緣政策等關鍵主張，明確輝達並非單純晶片廠商，而是以 CUDA 為根基的全端加速計算企業。黃仁勳指出，此次重述 CUDA 與發展歷史，是因 AI 正進入全新行業，需加速全球各類軟體以適配 AI 工具使用需求，輝達正將軟體加速拓展至資料處理等新領域。其核心戰略是打造吉瓦級人工智慧工廠，提供從晶片到系統再到基礎設施的全端服務，通過統一協同設計突破性能瓶頸、降低成本，而非單純提供晶片。模型技術層面，認為 Transformer 並非萬能架構，需結合狀態空間模型、幾何感知等新技術，應對超長記憶、連續資訊生成等問題；AI 已跨越實用臨界點，推理能力與事實關聯的提升推動工具使用落地，程式碼生成是標誌性突破，智能體的反思能力可覆蓋從標準化程式碼到美學設計的多元場景。關於 CPU，黃仁勳澄清輝達從未排斥 CPU，而是遵循阿姆達爾定律，採用頂級 CPU 保障 GPU 資源不被浪費；自研 Grace、Vera 處理器聚焦極致單線程與 IO 性能，以適配 AI 智能體場景，同時通過與英特爾合作維持 x86 生態相容性。收購 Groq 則是分離式推理架構的戰略延伸，結合其低延遲優勢滿足高價值程式碼智能體需求，延續了輝達 “軟硬體深度耦合、最優位置部署計算” 的核心優勢。資源與市場方面，當前 AI 核心瓶頸為能源、晶片等全鏈條稀缺，輝達憑藉供應鏈佈局佔據優勢；他擔憂美國相關政策損害五層 AI 架構的領導地位，且 AI 末日論正誤導政策制定者、降低民眾支援度，需警惕重蹈歐洲工業革命覆轍。企業定位上，輝達堅持垂直整合技術、水平開放生態，不做解決方案與服務提供商，而是為全行業提供技術堆疊；開源模型研發旨在深化計算理解，而非爭奪市場。公司依託統一的 CUDA-X 平台理念與組織協同，實現多元業務的核心邏輯統一，持續堅守加速計算的核心使命。【全文實錄】Ben：黃仁勳，歡迎再次做客《STRATECHERY》。黃仁勳：很高興能和你對話。Ben：你剛走下演講台，我覺得演講時長還超出了預期，而你在這次我非常欣賞的主題演講中，花了大量篇幅闡釋輝達的發展脈絡，從可程式設計著色器的歷史講起，一直說到20 年前 CUDA 的推出。我們不必花太多時間複述這些內容，你講得已經很詳盡了，而且《STRATECHERY》的讀者們肯定也很熟悉—— 抱歉，這裡算是個鋪墊 ——《STRATECHERY》的讀者們都瞭解，我也清晰記得，大概六七年前甚至更久以前，有人問我為什麼輝達能在一次GTC 大會上發佈如此多的產品，我當時解釋說，這一切都依託於 CUDA 和各類軟體庫，本質上是在重複做同一件事，只是針對不同行業落地應用。這也是你今天傳遞的核心觀點，而在過去幾屆 GTC 和消費電子展都高度聚焦人工智慧之後，這次演講有種 “回歸本源” 的意味。你為什麼覺得現在有必要講述這段歷史？重新詮釋 CUDA，以及強調它的重要性？黃仁勳：因為我們正在進軍大量全新的行業，而且人工智慧會使用工具，這些工具原本是為人類設計的。人工智慧會使用Excel，會使用 Photoshop，會使用邏輯綜合工具、新思科技的工具、楷登電子的工具。這些工具都需要超級加速，人工智慧使用的資料庫也需要超級加速，因為人工智慧的運行速度極快。所以我認為，在這個時代，我們需要儘可能快地完成全球所有軟體的加速，然後將其交付給人工智慧，讓人工智慧能夠自主地使用這些工具。Ben：所以這是不是意味著，我們已經為多個領域完成了軟體加速，現在要拓展到更多領域？黃仁勳：沒錯，大量全新的領域。比如資料處理領域。Ben：這確實有些出人意料。我沒想到你會以與IBM 的合作作為開場。黃仁勳：是啊，這一點很能說明問題。畢竟，他們才是這一切的開創者。Ben：你上周撰文指出，人工智慧是一個五層架構：算力、晶片、基礎設施、模型與應用。你是否擔心，在過去四五年裡，自己會被侷限在“晶片廠商” 的定位裡？因此，不僅要提醒外界，也要提醒自身，輝達是一家垂直整合的公司 —— 不僅是建構系統，更是深入整個軟體棧，我們絕非單純的晶片企業。黃仁勳：我的思考出發點從來不是“我們不是什麼”，而是 “我們需要成為什麼”。早在那時，我們就意識到加速計算是一個全端問題，必須理解應用場景才能實現加速。我們明白，需要深耕應用場景、搭建開發者生態、具備頂尖的演算法研發能力，因為為中央處理器設計的傳統演算法並不適配圖形處理器，所以我們必須重寫、重構演算法，才能讓圖形處理器實現加速效果。而一旦做到這一點，就能實現50 倍、100 倍、10 倍的性能提升，這一切都極具價值。從一開始，我們就想清楚了：我們的目標是什麼，實現目標需要付出什麼。如今，我們正在打造人工智慧工廠，在全球範圍內建設人工智慧基礎設施。這遠不止是研發晶片，儘管晶片顯然至關重要，是一切的基礎。Ben：沒錯，這涉及到完整的網路、儲存架構搭建，現在你們又涉足了中央處理器領域。黃仁勳：現在必須將所有元件整合為巨型系統—— 一座吉瓦級人工智慧工廠的投入大概在 500 億至 600 億美元。其中，約 150 億至 170 億美元用於基礎設施：土地、電力和廠房主體。剩餘資金則投入計算、網路、儲存等相關領域，如此大規模的投資，除非能幫助客戶建立成功落地的信心，否則沒人會冒 500 億美元的風險。所以這就是我們的核心理念：我們不僅要為客戶提供晶片，還要幫助他們建構系統；建構系統之後，還要助力他們打造人工智慧工廠。人工智慧工廠內部整合了大量軟體，不僅有我們的軟體，還包括製冷管理、電力控制、冗餘備份等各類軟體，且很多部分都採用了過度設計，原因是各環節團隊缺乏協同。當多個缺乏溝通的團隊進行系統整合時，必然會對各自負責的模組進行過度設計。但如果我們以統一團隊協作，就能突破性能極限，在現有電力條件下提升吞吐量，或是在既定吞吐量下節約成本。Ben：回到軟體層面，你提到Excel 並非為人工智慧使用而設計。如今像克勞德這類大模型已經具備使用 Excel 的新功能，你所說的投資研發這些軟體庫，是為了讓這類模型表現更出色嗎？還是說，這是為微軟或企業客戶服務 —— 你們希望自主掌控，不願受制於行業內的其他參與者？黃仁勳：SQL 就是一個很好的例子。SQL 原本供人類使用，是企業業務的核心資料載體，我們和其他企業一樣都在最佳化 SQL 系統。而未來，使用 SQL 資料庫的不再只是人類，還會有大量智能體。Ben：沒錯，智能體的操作速度會快得多。黃仁勳：它們的操作速度需要大幅提升。所以首先要做的就是加速SQL，這是最基礎的邏輯。Ben：這很合理。關於模型，你指出語言模型只是其中一個類別。你在上周的文章中寫道：“一些最具變革性的研究集中在蛋白質人工智慧、化學人工智慧、物理模擬、機器人與自主系統領域。” 你此前也曾提出過類似觀點，並在其他主題演講中用過 “萬物皆可 Token 化” 這一表述。你認為 Transformer 架構是解決所有問題的關鍵嗎？還是說，我們需要新的底層突破才能實現這些應用？黃仁勳：我們需要各類全新的模型。比如Transformer 架構的注意力機制計算量呈二次方增長，如何實現超長記憶？如何讓對話持續極久，同時避免鍵值快取逐漸失效？Ben：甚至需要整機架的固態硬碟來儲存鍵值快取。黃仁勳：當然，假設我們能記錄下所有對話內容，當回溯參考某段對話時，如何判斷那部分資訊最重要？這就需要全新的架構來合理處理注意力機制，並實現快速運算。我們研發出Transformer 與狀態空間模型結合的混合架構，這也是 Nemotron 3 大模型兼具超強智能與高效性能的原因，這就是一個典型案例。再比如，我們開發出具備幾何感知能力的模型，自然界中的很多事物都具有對稱性。因此生成這類模型時，不能只追求統計上的合理性，還必須符合物理規律，保證對稱性。cuEquivariance 技術就能實現這一目標。我們擁有諸多此類技術—— 再比如，文字 Token 是逐塊、逐詞生成的，而動作生成則需要連續性。因此存在離散資訊與連續資訊兩種生成與理解形式，Transformer 架構並非對兩者都適配。Ben：沒錯，這一點很合理。推理與程式碼生成Ben：再引用你文章中的一段話：“過去一年，人工智慧跨越了重要的臨界點。模型性能達到規模化實用標準，推理能力提升，幻覺現象減少，事實關聯能力顯著增強。基於人工智慧的應用首次開始創造實際經濟價值。” 這一轉變的具體體現是什麼？回顧時間節點，我認為接下來的一年無疑是智能體的時代，我今天也剛撰寫了相關內容 —— 但就去年而言，推理能力的提升是核心突破嗎？黃仁勳：生成式人工智慧當然是重大突破，但它存在嚴重的幻覺問題，因此需要實現事實關聯，而實現這一點的途徑就是推理、反思、檢索與搜尋，我們通過這些方式讓模型錨定現實。沒有推理能力，這一切都無從談起，正是推理讓生成式人工智慧實現了事實關聯。一旦實現事實關聯，系統就能推理問題並拆解任務，轉化為可執行的操作，下一代發展就是工具使用。這其實也揭示了一個現象：搜尋是一項無人付費的服務，原因在於獲取資訊固然重要且實用，但並不足以讓人付費。讓使用者願意付費的門檻遠高於單純提供資訊。“那家餐廳不錯？” 這類資訊，我認為並不值得付費。當然也有人為此付費，我自己也會。如今我們已經跨越了這個臨界點。人工智慧不僅能與我們對話、提供資訊，還能為我們執行任務。程式碼生成就是完美的例證。仔細思考就會發現，程式碼生成與語言生成並非同一模態，需要學習空格、縮排、符號規則，幾乎是一種全新的模態，無法逐Token 生成程式碼，必須對程式碼塊進行反思最佳化。程式碼塊需要合理拆分、性能最優，且必須能編譯運行，其依據不是機率上的合理性，而是實際執行效果。Ben：沒錯，關鍵在於能否正常運行。黃仁勳：程式碼必須能正常運行。所以我認為，模型學習程式碼這一模態是重大突破。如今，我們每年支付數十萬美元聘請工程師編寫程式碼，而他們現在擁有了程式碼助手。工程師可以專注於架構設計，無需耗費大量精力手寫程式碼，只需通過抽象的規格描述軟體需求，工作效率大幅提升。他們只需明確規格與架構，將時間投入問題解決與創新，現在我們的軟體工程師百分百使用程式碼智能體，很多人已經很久沒有手寫一行程式碼，卻依然高效且忙碌。Ben：但你是否認為，人們容易從程式碼生成這一可驗證場景過度推導？智能體不僅能生成程式碼，還能驗證效果，若運行失敗則重新最佳化，整個過程無需人類參與，因為存在明確的“成功與否” 判斷標準。黃仁勳：因為智能體具備反思能力。比如設計房屋，原本這是建築師、設計師的工作，現在木匠也能借助智能體完成。智能體提升了木匠的能力，讓他們可以設計房屋、廚房，打造出新穎的風格。這類智能體沒有可執行的驗證工具。但你可以給出參考示例，比如“我想要這類風格，希望具備這樣的美學效果”。智能體能夠反思，將程式碼質量、成果效果與參考標準對比，然後判斷 “效果未達預期，需要重新最佳化”，進而迭代改進。並非所有任務都需要完全可執行，事實上，越是機率性、美學化、主觀性的任務，人工智慧的表現反而越好。Ben：沒錯，這就形成了兩個極端：圖像生成沒有標準答案，程式碼生成有標準答案，而人工智慧在這兩端都表現出色，問題在於如何覆蓋中間場景。黃仁勳：我們確信，人工智慧現在已經能勝任建築設計、廚房與客廳設計。中央處理器在加速計算中的角色Ben：說到這裡，隨著智能體的普及，你一直大力倡導加速計算，甚至可以說此前對中央處理器頗有微詞，認為其終將被全面取代，所有場景都將實現加速。但如今中央處理器再度成為熱點，其作用依然重要，而你們也開始銷售中央處理器。成為中央處理器廠商，你有何感受？黃仁勳：毋庸置疑，摩爾定律已經失效。加速計算並非平行計算。回顧30 年前，市場上曾有數十家平行計算企業，最終只有輝達存活下來，原因在於我們始終明確核心目標：並非淘汰中央處理器，而是實現應用加速。Ben：所以我剛才對你的誤解，其實是其他所有企業的通病。黃仁勳：我們從未敵視中央處理器，也不願違背阿姆達爾定律。事實上，在我們的系統中，我們會選用最頂尖的中央處理器，採購最昂貴的型號，因為如果中央處理器性能不足，會拖累價值數百萬美元的晶片。Ben：過去關注分支預測，擔心浪費中央處理器時間，現在則擔心浪費圖形處理器時間。黃仁勳：沒錯，圖形處理器的資源絕不能被浪費，其執行階段間不能閒置。因此我們始終採用最頂尖的中央處理器，甚至自主研發Grace 處理器，以實現最高的單線程性能，更快地完成資料傳輸。加速計算從未排斥中央處理器，我的核心觀點依然成立：阿姆達爾定律主導的時代已經結束，依靠通用計算持續增加電晶體的模式已然消亡，從根本上而言，我們並不反對中央處理器。而如今智能體能夠使用工具，這些工具分為兩類：一類是資料中心運行的工具，主要是SQL 及資料庫相關工具；另一類是個人電腦端工具。未來人工智慧將能夠學習非結構化工具使用，第一類則是結構化工具。命令列介面、應用程式介面都屬於結構化工具，指令明確、參數清晰，與應用的互動方式特定。但還有大量應用並未設計命令列介面與應用程式介面，這類工具需要人工智慧學習多模態、非結構化操作，能夠瀏覽網頁、識別按鈕與下拉菜單，像人類一樣操作。這類工具使用需要依託個人電腦，而我們在兩端都有佈局：擁有頂尖的資料處理系統，同時輝達個人電腦也是全球性能最強的產品。Ben：那麼，面向智能體的中央處理器與傳統中央處理器有何區別？你們會推出純Vera 中央處理器機架嗎？黃仁勳：這個問題問得很好。過去十年的中央處理器設計，均面向超大規模雲服務商，而云服務商通過CPU 核心盈利。因此設計目標是儘可能增加可租賃的核心數量，性能反而居於次要地位。Ben：這類處理器主要應對網頁延遲問題。黃仁勳：完全正確。最佳化核心是CPU 實例數量，這也是市面上出現數百核中央處理器的原因。但這類處理器性能有限，而在工具使用場景中，圖形處理器會等待工具呼叫結果 ——Ben：且資料通過NVLink 傳輸。黃仁勳：沒錯，我們需要性能最強的單線程處理器。Ben：這僅僅是速度問題嗎？還是中央處理器需要更強的平行能力以避免快取缺失？整個處理器流水線設計都截然不同？黃仁勳：最核心的是單線程性能，同時輸入輸出性能必須極致。在資料中心場景中，單線程實例數量龐大，會對輸入輸出系統與記憶體控製器產生極高負載。Vera 處理器的單核心頻寬、單處理器頻寬是現有所有中央處理器的三倍，專為超大輸入輸出頻寬與記憶體頻寬設計，避免中央處理器出現性能瓶頸。一旦中央處理器受限，就會拖累大量圖形處理器。Ben：你提到Vera 機架與圖形處理器機架緊密耦合，那麼二者是否仍採用分離架構，讓圖形處理器為多個 Vera 核心提供服務？而非將 Vera 核心與圖形處理器整合在同一塊板卡上？黃仁勳：是的。Ben：好的，我明白了。那麼與英特爾的合作以及NVLink 技術在其中扮演什麼角色？黃仁勳：全球部分市場認可Arm 架構，而企業計算領域仍有大量軟體棧不願遷移，因此 x86 架構依然至關重要。Ben：x86 程式碼的生命力之強是否讓你感到意外？黃仁勳：並不意外。輝達個人電腦仍採用x86 架構，所有工作站也都是 x86 架構。GroqBen：首先要向你表示祝賀，正如你在今天主題演講中所說，你是Token 之王。你在文章中還提到，能源是人工智慧基礎設施的第一性原理，也是系統智能生成能力的核心約束。既然如此，Token 生成量受資料中心能源限制，為何還有企業試圖與 Token 之王競爭？黃仁勳：競爭難度極大，僅憑研發一款晶片就想實現顛覆性突破並不現實。即便Groq公司，也只有與Vera Rubin 處理器協同，才能發揮其技術價值。Ben：這正是我接下來要問的關於Groq的問題。黃仁勳：從整個推理場景來看，一方面要追求最大吞吐量，另一方面要生成更高品質的Token——Token 質量越高，商業價值越高。如何平衡這兩大目標，實現吞吐量與智能性的最大化，是極具挑戰的難題。Ben：不得不說，去年你展示過帕累托曲線幻燈片，推出Dynamo 技術時提到，輝達圖形處理器能夠覆蓋全場景，使用者只需採購輝達圖形處理器，Dynamo 就能兼顧兩大目標。但如今你卻表示，圖形處理器無法完全覆蓋所有場景。黃仁勳：我們的覆蓋能力依然優於所有現有系統。我們能進一步拓展帕累托最優邊界，尤其是在超高Token 速率與超低延遲場景，但這會犧牲部分吞吐量。然而，程式碼智能體等人工智慧應用創造了極高的經濟價值，且與人類使用者深度繫結，人類使用者的價值遠超圖形處理器。Ben：沒錯，人類的成本比圖形處理器更高。黃仁勳：因此我希望為軟體工程師提供最高Token 速率的服務。如果 Anthropic 推出Claude Code，將程式碼生成速率提升10 倍，我絕對願意為此付費。Ben：所以這款產品是為你們自身需求研發的？黃仁勳：大多數偉大的產品都源於對痛點的深刻感知，以及對市場趨勢的精準判斷。我們迫切希望程式碼智能體的運行速度提升10 倍，但高吞吐量系統難以實現這一目標，因此我們決定整合Groq的低延遲系統，實現協同處理。Ben：那麼這只是將解碼與預填充階段分離嗎？黃仁勳：我們還會處理解碼中的高算力、高浮點運算部分，也就是注意力機制相關的解碼運算。Ben：也就是說，甚至在解碼層面也實現了分離架構。黃仁勳：沒錯，這需要軟硬體的深度耦合與緊密整合。Ben：這筆交易幾個月前才宣佈，你們卻計畫今年晚些時候推出產品，如何實現這一進度？黃仁勳：我們早已開始研究分離式推理架構，Dynamo 技術已經明確了輝達的技術方向。宣佈 Dynamo 技術時，我就已經在思考如何在異構基礎設施中更精細地分離推理任務，而Groq的架構是我們技術路線的極致延伸，他們此前的研發麵臨諸多困難。Ben：Dynamo 技術是一年前推出的，而Groq的合作是在聖誕節前後敲定的。是否有特定事件推動了這一決策？黃仁勳：我一年前宣佈Dynamo 技術，而我們已經研發了兩年，分離式推理的研究已有兩三年時間。在宣佈收購交易前約六個月，我們就開始與Groq合作，提前規劃Grace Blackwell 與Groq技術的融合。我很欣賞Groq的團隊，我們無意收購其雲服務業務。他們另有核心業務且發展良好，這並非我們的目標，因此我們決定收購其團隊並獲得技術授權，隨後基於底層架構持續迭代最佳化。Ben：這算是機緣巧合嗎？黃仁勳：是戰略層面的意外之喜。Ben：比如OpenAI 在今年 1 月宣佈與 Cerebras 合作。黃仁勳：這與我們完全無關，事實上我此前並不知情，但即便知曉也不會改變決策。我依然會選擇Groq的架構，其技術邏輯更合理。Ben：這是否是首次有專用積體電路方案讓你眼前一亮，意識到其底層設計的顛覆性？黃仁勳：並非如此，邁絡思公司就是先例。Ben：這個例子很恰當。黃仁勳：是的，邁絡思。我們將部分計算棧整合到邁絡思的技術堆疊中。沒有與邁絡思合作實現的網路內計算，就無法實現當前規模的NVLink。將軟體棧分離並部署到最優位置，是輝達的核心優勢。我們並不執著於計算的執行位置，只專注於應用加速。請記住，輝達是加速計算公司，而非單純的圖形處理器公司。Ben：沒錯。你提到能源是核心約束，客戶在採購時，是選擇傳統圖形處理器，還是LPU 機架？你是否確信，後者能為客戶帶來更高的營收？黃仁勳：這取決於客戶的業務類型。如果目前沒有企業級應用場景，那麼增加Groq裝置並無太大意義，因為大部分客戶是免費使用者，尚未轉化為付費使用者。假設免費使用者佔三分之二、付費使用者佔三分之一，增加Groq裝置會大幅提升成本，消耗電力資源，得不償失。Ben：還會增加系統複雜度，佔用伺服器，產生機會成本。黃仁勳：這些伺服器原本可以為免費使用者提供服務。但如果是Anthropic、OpenAI 這類企業，其程式碼模型創造了極高的經濟價值，只是希望提升 Token 生成量，那麼增加這類加速器就能顯著提升營收。中國市場與人工智慧末日論者Ben：2026 年，我們面臨的約束究竟是能源、晶圓產能，還是其他因素？業內普遍認為供應不足，實際的核心瓶頸是什麼？黃仁勳：幾乎所有資源都處於緊缺狀態，任何環節都無法實現翻倍供給。Ben：因為總會觸發其他環節的約束。黃仁勳：沒錯。Ben：不過美國在能源調配方面的表現超出了幾年前的預期，目前晶片似乎是更核心的瓶頸。黃仁勳：我們的供應鏈規劃十分完善。我們為今年的高速增長做了充分準備，也在規劃明年的大規模發展。Ben：我們都看到了你們為供應鏈合作付出的努力。黃仁勳：（笑）沒錯。我們的供應鏈擁有數百合作夥伴，且建立了長期合作關係，因此我對這一環節很有信心。我們的能源、晶片供應都無法滿足翻倍需求，所有資源都存在缺口。但從供應鏈角度來看，我們有能力支撐未來的發展，我最希望的是土地、電力、廠房基礎設施的建設速度能更快。Ben：那麼公平地說，在資源稀缺的背景下，輝達是否是最大的受益者？能源稀缺時，我們的晶片效率最高，能更好地利用能源；晶圓產能緊張時，如你所說，我們提前佈局保障了供應鏈，是否在這一背景下成為最大贏家？黃仁勳：我們是該領域規模最大的企業，且規劃工作做得十分出色。我們對供應鏈上下游都進行了周密佈局，為行業增長做好了充分準備。Ben：但無法進入中國市場是否構成潛在威脅？如果中國擁有充足的能源與晶片產能，即便晶片僅為7 奈米工藝，也有能力建構生態系統，長期來看與 CUDA 形成競爭，這是否是你的擔憂？黃仁勳：我們必須確保中國市場採用美國技術堆疊，從一開始我就始終堅持這一觀點，因為開放原始碼軟體必然會興起。沒有那個國家對開放原始碼軟體的貢獻超過中國，全球50% 的人工智慧研究人員來自中國，且極具創新能力。DeepSeek並非普通技術，其性能極為出色；Kimi、通義千問也同樣優秀，在架構與人工智慧技術堆疊方面都做出了獨特貢獻，我們必須重視這些企業。全球科技生態都建構在美國技術堆疊之上，當中國的開源技術向外擴散時，美國技術堆疊有能力承接。我始終認為，這是美國科技行業最重要的地緣戰略問題。Ben：上次我們對話時，川普政府已禁止H20 晶片出口。你是否驚訝於能說服川普政府接受你的觀點？而如今又被中國市場阻攔，是否更感意外？黃仁勳：被中國市場阻攔並不意外，因為中國需要發展自主技術堆疊。在我們退出市場的這段時間裡，中國行業發展速度極快，華為實現了公司歷史上的最佳業績。作為一家老牌企業，華為創下了營收紀錄，還有五六家晶片企業成功上市，聚焦人工智慧領域。我們需要更具戰略性地思考美國的科技領導地位與地緣政治優勢。人工智慧並非只有模型，這是一個深刻的誤區—— 正如我所說，也是你開篇提到的，人工智慧是五層架構，我們必須在基礎設施、晶片、平台、模型、應用每一層都保持領先。我們當前的部分政策，正在損害國家在這五層架構中的領導能力。認為通過自上而下整合所有企業、形成統一技術堆疊就能獲勝，是極其錯誤的想法。我們必須讓每一層都自主參與市場競爭。Ben：是否其他領域的企業更早涉足華盛頓事務，而輝達入局較晚？黃仁勳：或許是這樣。Ben：你從華盛頓的經歷中學到了什麼？最大的收穫是什麼？黃仁勳：令我驚訝的是，人工智慧末日論者在華盛頓的滲透程度之深，其言論對政策制定者的心理影響之大。Ben：所有人都陷入恐懼，而非保持樂觀。黃仁勳：沒錯，這存在兩個核心問題。在這場工業革命中，如果我們不讓技術在美國國內擴散，不自身充分利用技術，就會重蹈上一次工業革命中歐洲的覆轍—— 被時代拋棄。上一次工業革命的核心技術大多由歐洲發明，卻被美國充分利用。我希望我們能具備歷史智慧與技術認知，不被科幻式的末日論裹挾，這些虛構的極端言論嚇壞了對技術缺乏瞭解的政策制定者，毫無益處。最令我擔憂的是，美國民眾對人工智慧的支援度正在下降，這是一個嚴重的問題。這就如同上一次工業革命中，電力、電動機、內燃機的支援度下滑，網際網路也曾面臨類似情況。其他國家更快地利用了這些技術，推動技術在產業與社會中擴散，我們必須高度警惕，避免給人工智慧賦予神秘的科幻色彩，引發不必要的恐慌。我反對末日論者製造恐慌，真正的擔憂與警示，和通過煽動性言論製造恐懼有著本質區別。Ben：這類人的普遍特徵是，故作高深地剖析各種細節，卻忽視大眾傳播的核心是簡潔直白的表達。無法向民眾傳遞“適度擔憂而非過度恐慌” 的資訊，最終只會傳播恐懼，而非樂觀。黃仁勳：沒錯，而且這會讓他們顯得更“深刻”。Ben：人們都喜歡顯得自己有深度。黃仁勳：有時我們也發現，這有助於他們融資，或是實現監管俘獲。他們這麼做有各種動機，這些人都極為聰明，但我想提醒他們，這類行為大機率會引發反噬，終有一天他們會為此感到後悔。輝達的企業特質Ben：由於時間有限，我將幾個問題合併提問。在自動駕駛領域，你與多家汽車製造商合作，推出Alpamayo 模型，同時仍為特斯拉供應晶片。你今天的演講中重點介紹了 OpenClaw 技術 —— 此外，Vera 晶片的核心驅動力之一，就是Claude Code、OpenAI 程式碼模型這類智能體技術的發展。我是否可以從中總結出一個共性邏輯：你們會為領域內的頭部企業、創新者供應晶片，同時快速跟進其技術，為面臨競爭威脅的其他所有企業提供解決方案？這樣既能擴大客戶群體，不依賴頭部企業，又能借助頭部企業的技術影響力，推動產品向其他客戶銷售，因為後者擔心被行業淘汰。黃仁勳：並非如此。我們在眾多領域都處於前沿位置，在很多領域本身就是領導者，但我們從不將這些技術轉化為自有產品。我們專注於技術堆疊，必須保持技術領先，成為全球頂尖的技術堆疊提供商，但我們並非解決方案製造商，也不是服務供應商。這是第一點。Ben：這一定位會一直保持嗎？黃仁勳：是的，永遠不會改變。我們沒有理由改變，也樂於保持這一定位。我們研發所有技術，並向全行業開放。Ben：但有趣的是，以你們的板卡產品為例，如今一個機架裡有大約3 萬個特定庫存單位，越來越多的產品規格由你們定義，“這就是產品標準”，部分原因是為了簡化組裝等流程。軟體層面是否也會出現類似趨勢，尤其是在你提到的垂直領域與開源模型方面？黃仁勳：我們垂直整合技術，然後水平開放，讓所有客戶按需選用。Ben：只要客戶使用輝達晶片即可？黃仁勳：客戶可以自由選用任意模組，不必全部採用輝達晶片或軟體。我們必須垂直研發、整合、最佳化，但之後會開放原始碼，讓客戶自主選擇部署方式。Ben：考慮到Meta 等企業似乎已掉隊，而替代方案大多是中國模型，你認為輝達能否持續研發前沿模型，佔據市場地位，或是成為該領域不可或缺的參與者？黃仁勳：在模型領域取勝並非我們的目標。Ben：沒錯，不是為了競爭勝利，而是行業需要開源前沿模型，如果不是輝達，誰來承擔這一角色？黃仁勳：確實需要有人研發開源模型，而輝達具備這一實力。我們在研發開源模型的過程中，也能深入理解計算邏輯。Ben：Blackwell 架構是否遇到了相關問題？我聽說其訓練過程比以往更具挑戰性。黃仁勳：Blackwell 架構的核心挑戰 100% 來自 NVLink 72 技術，其研發難度極大。這也是我唯一一次在演講中感謝客戶與合作夥伴的支援。Ben：我注意到你今天說這句話時，語氣非常真誠。黃仁勳：是的，因為我們給所有人都帶來了挑戰，但現在大家都認可其價值。Ben：這是我們第二次面對面交流，上次在台北會面時，我的感受是輝達依然像一家小公司。你是否擔心業務佈局過於分散？還是說，你們依然依託CUDA 形成的飛輪效應 ——“看似業務繁多，實則重複執行同一核心邏輯”？黃仁勳：輝達能夠快速發展的原因，是我們始終擁有統一的企業發展理念，這是我的職責：確立核心發展理念，明確關鍵方向、業務關聯邏輯，然後打造高效的組織體系，落地這一理念。輝達的核心理念其實很簡單：一方面，我們擁有基於CUDA-X 的計算平台與軟體平台；另一方面，我們是計算系統公司，垂直最佳化產品，實現全端極致協同設計，將電腦系統整合為平台，接入所有雲服務商與原始裝置製造商，進而打造資料中心平台、人工智慧工廠平台。一旦確立了輝達的研發與落地核心理念—— 我這次主題演講也在向內部員工傳遞這一理念。Ben：確實有這種感覺。演講的第一個小時，彷彿你在對員工講話，重申公司的核心使命。黃仁勳：我們必須時刻牢記自身的核心價值。人工智慧固然重要，但CUDA-X、各類求解器以及我們能加速的所有應用，同樣至關重要。Ben：非常感謝你。黃仁勳：謝謝你，Ben。很高興見到你，繼續保持出色的工作。(火龍呼呼猫)

昨天，阿里千問核心負責人林俊暘離職的消息不但迅速在國內發酵，引發全網熱議，甚至震動矽谷與華爾街，引發人們對阿里AI戰局乃至戰略的關注。相對而言，一場層次更高，變化更大的人才與組織變局，卻幾乎是被輕描淡寫地帶過了。它就是騰訊年前所經歷的史上最大規模的AI架構調整。期間，1998年出生的姚順雨被任命為首席AI科學家，直接向騰訊總裁劉熾平匯報，成為中國網際網路大廠史上最年輕的“AI一把手”；騰訊AI Lab副主任、首席科學家俞棟則離職，騰訊元寶及混元團隊的招聘與“換血”也被加速、調整……“一代人終將老去，但總有人正年輕。”隨著AI的深入，圍繞人的敘事，還會繼續，迭蕩，起伏。2016年春天，當騰訊在深圳宣佈成立AI Lab（人工智慧實驗室）時，全球AI界都還沉浸在AlphaGo擊敗李世石帶來的震撼中。AI Lab，是騰訊史上第一個以“學術+業務”為主心骨的科研單位，由時任騰訊集團副總裁姚星牽頭搭建。姚星是2004年就加入公司的“老騰訊”，歷任騰訊架構平台部總經理、基礎架構部總經理、搜尋技術部總經理，向騰訊“技術中台”TEG（技術工程事業群）老大盧山匯報。▲騰訊2014年組織架構，華商韜略製圖除了AI Lab，當時的騰訊還在AI上有不少的佈局，比如SNG旗下有優圖實驗室，WXG旗下有What Lab、以及微信北京研發中心等。但總的來說，其AI實力並不算“強”。2016年，正是上一輪AI熱潮如火如荼之時，“人工智慧”首次被寫入政府工作報告，微軟亞洲研究院剛剛在2015 ImageNet大賽中用AI打敗人類，AlphaGo以4：1大勝李世石，“自動駕駛、語音助手、人臉識別”這些陌生的詞彙突然湧入人們生活。到騰訊成立AI Lab之時，阿里、百度都已全力備戰AI許久，百度更是早在2013年就設立了百度研究院，最早由李彥宏親自掛帥院長，並憑藉知名學者吳恩達（Andrew Ng）的加入而名噪一時。所以，2017年初的IT領袖峰會上，馬化騰坦言，“在人工智慧方向，騰訊相比百度還是落後”。然後，一轉身，騰訊就把百度研究院副院長張潼挖了過來，擔任自家AI Lab主任。緊接著是俞棟，這位微軟研究院的頂尖科學家，在語音識別領域享有盛譽，被騰訊挖來擔任AI Lab副主任，負責騰訊西雅圖AI實驗室。然後是劉威，前IBM沃森研究中心研究科學家，擔任AI Lab電腦視覺中心總監。▲張潼、俞棟、劉威，圖源：騰訊到了2017年時，騰訊AI Lab已經是一個擁有50+AI科學家、200+AI應用工程師的豪華團隊，專注於人工智慧的基礎研究，研究領域覆蓋視覺、語音、自然語言處理與機器學習——都是當時最火爆的AI課題。2018年，騰訊又加設了Robotics X機器人實驗室，由前任微軟視覺技術組專家張正友負責，與AI Lab平行。張潼加入騰訊時47歲，張正友加入騰訊時53歲，俞棟1998年就在微軟做AI研究——那一年，如今的騰訊大模型“一把手”姚順雨才剛剛出生。張潼、俞棟、劉威、張正友……這些人加起來，組成了騰訊第一代AI人才基本畫像：平均年齡超過45歲，“海歸派”，“學術派”，大多在矽谷IBM、微軟等知名實驗室有著多年研究經歷，學術知名度極高，IEEE Fellow幾乎是標配。這支由學術精英組成的AI Lab團隊，標誌著騰訊首次以系統化、規模化方式進軍AI領域，一時聲勢起得很高。期間，AI Lab的“高光時刻”有兩個，都跟遊戲有關——騰訊的主戰場。2017年3月，騰訊AI Lab開發的圍棋AI“絕藝”在日本第十屆UEC杯電腦圍棋大會上一舉殺出重圍，奪下冠軍獎盃。▲2017年“絕藝”團隊在日本奪冠，最右為騰訊副總裁姚星，圖源：騰訊2019年8月，在吉隆坡王者榮耀世界冠軍杯半決賽的特設環節中，騰訊AI Lab開發的遊戲AI“絕悟”戰勝職業選手賽區聯隊，升級至王者榮耀電競職業水平。然而，同樣在2019年，加入AI Lab僅2年的張潼突然離職，把擔子交到了隔壁Robotics X機器人實驗室主任張正友手上。一時間，所有人都懵了。要知道，張潼剛加入騰訊時的聲勢，不比今天的姚順雨小。▲2017年騰訊官宣張潼入職的新聞稿中，騰訊總裁劉熾平發言；圖源：騰訊張潼離開的原因眾說紛紜，有人猜“水土不服”、有人猜“山頭林立”——當時知乎上有一個回答這麼說：“說真的，今天Al Lab是個很難想像的存在，一方面體量如此之大，一群人拿著很高的title和package，但沒有KPI沒有OKR，不產生直接價值。”這話多少有些尖銳，卻也道出了為追求利潤的“公司”與為追求學術的“研究院”之間的天然壁壘。研究院這一架構源自矽谷，中國網際網路大廠早期爭相模仿，但落在中國往往“水土不服”——例如，騰訊最早對標的百度，其研究院在經歷過多輪的洗牌、重組後，今天已被收編為業務體系內的一個部門，不再獨立於營收之外。而張潼的離開，在時間上，又與一場騰訊內部的“大改革”息息相關。——騰訊930變革。2018年9月30日，騰訊宣佈了自2012年以來最大規模的架構調整，也是騰訊歷史上最大規模的組織調整之一。MIG（網際網路事業群）、OMG（網路媒體事業群）、SNG（社交網路事業群）全部打散，to C部分被收編進新設的PCG（平台與內容事業群）、to B部分收入CSIG（雲與智慧產業事業群）中。▲騰訊2018年“930變革”組織架構，華商韜略製圖這一重磅的架構調整背後，是騰訊面臨的巨大壓力。2018年3月，國內遊戲版號審批突然全面暫停，猛烈衝擊著騰訊的主營業務；同月，第一大股東南非Naspers首次減持騰訊，套現近800億港元後離場。騰訊的股價也從2018年1月底的470+港元高點，一路下跌至10月的250+港元，跌幅達到了驚人的47%，創下歷史最大回撤。在C端之外，騰訊缺少第二增長曲線，這是市場最擔憂的。騰訊的應對方案是兩手——1、“勒緊褲腰帶”；2、做ToB。在930變革中，騰訊新成立的CSIG全稱“雲與智慧產業事業群”，由有10多年業務經驗的“老騰訊”湯道生負責帶領，將原先散落在集團各處的ToB業務整合，並將騰訊雲作為AI技術產出的重要平台。第一財經報導稱，2018年左右，“騰訊AI Lab就拆分成了兩個部分，只有少部分人繼續留做AI基礎研究，其他大部分成員都要開始服務於公司的遊戲與廣告業務。”當然，受威脅的並不僅僅是騰訊。那幾年，市場急劇動盪，百度、阿里、騰訊個個都在焦慮“流量見頂”，字節跳動卻帶著強大的推薦演算法半路殺出，快速成為所有上一代巨頭的心腹大患。另一方面，當人工智慧泡沫越吹越大，但除了人臉識別之外幾乎在C端看不到賺錢的苗頭，巨頭也都齊齊轉身，號召“搞ToB”“AI+產業”“落地工廠”“降本增效”。2021年，姚星——騰訊副總裁、AI Lab牽頭人，同時也是有著17年資歷的“老騰訊”——離職。而自2019年後，騰訊AI Lab再未官宣任何學術明星入職。2022年底，ChatGPT突然殺了出來。全球科技界，炸了。大模型太強了，幾乎在一夜之間火遍了世界；在人類技術發展的歷史上，所有企業第一次以前所未有的速度達成了共識——要搞大模型。除了騰訊。騰訊是國內大廠中最晚推出自研大模型的公司。2022年11月底ChatGPT上線後，全球科技巨頭瘋狂湧入大模型賽道，百度、阿里、字節等巨頭要麼早有佈局，要麼緊急跟進。但騰訊直到2023年9月才發佈了首款大模型“混元”，C端產品“元寶”更是要到2024年5月才推出，比百度、字節晚了一整年。而2024年5月的時候，豆包下載量已經突破1億，擔得上一句“遙遙領先”。馬化騰每年都會在年底的員工大會上做總結與復盤，復盤2023年的騰訊AI時，馬化騰的口徑是騰訊的AI“不能算最領先，但是至少沒有太落後”；2024年時在強調“各個BG擁抱大模型的產品化落地，基於混元做更多AI探索”；但最近，馬化騰復盤2025年的騰訊AI時，話開始說得重了：“騰訊AI整個動作慢了”“基礎設施不足”“平台不能比別人差”。騰訊AI的“慢”，其實也有原因。這幾年，騰訊經歷了兩次歷時9個月的“遊戲版號暫停風波”，降本增效成為全公司的主旋律，AI大模型這種一眼望不到邊的“燒錢”研發，自然也就要能省也省著些。騰訊早期在大模型上的投入非常謹慎，沒有大規模招攬AI人才，沒有積極儲備算力，領導層在談起AI大模型時，對外始終強調“看重AI的落地應用”。不過，騰訊“慢”也有慢的底氣。——幾乎所有人都堅信，只要“微信+QQ”這對流量王炸出手，一切都會好起來的。這也是騰訊多年來摸索出的一套戰略經驗。作為一家應用能力極強的巨頭，大多數時候，騰訊根本不需要在市場早期入局，只需要等“百X大戰”打到終局，場景、技術、路線全都清晰後，再憑藉強大的資源與流量武器，一舉KO。2015年春節騰訊的“微信紅包”奇襲戰就是一個絕好的案例。然而，在十年後大模型領域，這套打法卻有些失靈。它遇上了字節跳動。上文提到，憑藉著技術先發+“字節系”龐大的流量體系，2024年，字節“豆包”下載量已經突破1億，DAU攀升到了2000萬。而到2024年底，騰訊“元寶”那怕手握“微信+QQ”作為流量靠山，DAU仍舊只有幾十萬。騰訊有些急了。所有改革的第一步，都是換人。還記得張正友嗎？2019年，張潼離職後，AI Lab主任一職一直由Robotics X機器人實驗室主任張正友兼任。騰訊第一代大模型研發班底“混元助手”，就由張正友組織搭建。2024年7月，張正友突然卸任AI Lab主任，回歸Robotics X實驗室——騰訊AI的另一位關鍵人物蔣傑，浮出水面。蔣傑，是一位有著12年業務經驗的“老騰訊”，曾任騰訊CDG、TEG副總裁，曾經靠搭建騰訊廣告平台而聲名鵲起，他接任AI Lab主任，並成為彼時騰訊大模型的“一號位”。2024年11月，曾經的AI Lab電腦視覺中心總監，同時也是騰訊傑出科學家、騰訊混元大模型技術負責人之一的劉威離職。2025年1月，“元寶”團隊從TEG技術事業群調整至湯道生領導的CSIG事業群。不僅如此，在AI大模型的演算法、模型、產品、增長等各個領域，騰訊都掀起了一場“搶人大戰”，高薪招募年輕博士、高薪挖角競爭對手……這場戰事的高潮是2025年8月，前OpenAI研究員姚順雨官宣加入騰訊。這位出生於1998年、國內大廠中最年輕的“大模型一號位”加入後，騰訊AI架構更是順勢進行了全面改革：2025年12月，騰訊大模型研發在原有架構上新設AI Infra部（AI基建）、AI Data部（AI資料）、資料計算平台部。其中，AI Infra部和原有的“大語言模型部”向姚順雨匯報；其餘向AI Lab主任蔣傑匯報；這條技術匯報線的上級是騰訊TEG事業群負責人盧山。但與此同時，姚順雨還單獨位列“CEO/總裁辦公室”首席AI科學家，直接向騰訊總裁劉熾平匯報。▲騰訊2025年12月大模型架構調整，華商韜略製圖姚順雨在加入騰訊前僅在OpenAI有1年的工作經驗，但他的年輕與號召力有目共睹，也讓人看到了騰訊“加碼AI”的決心。姚順雨加入後不僅加快了騰訊AI原有團隊招人、換血的步伐，同時在模型資料策略、模型訓練方向上提出了新的思路。也是在姚順雨的影響下，2026年2月，清華博士、新加坡Sea AI高級研究科學家龐天宇（1995年出生）宣佈加入騰訊，擔任混元大模型團隊首席研究科學家。馬化騰曾經有句名言，“有時候你什麼都沒做錯，錯就錯在你太老了”。當姚順雨、龐天宇們開始挑起大梁，騰訊AI自然也就年輕了。與之伴隨， 2025年12月底，原騰訊AI Lab副主任俞棟離職。至此，成立初期的“AI Lab三劍客”張潼、俞棟、劉威，以及最初的實驗室牽頭人姚星，已全部離開騰訊。“一代人終將老去，但總有人正年輕。” (華商韜略)

2026年一開年，全網的第一反應是：華萊士瘋了。這個主業賣炸雞漢堡的本土快餐巨頭，突然推出“9.9元210杯咖啡月卡”。折算下來，一杯咖啡均價4.7分錢。一杯蜜雪冰城檸檬水的錢，能買85杯華萊士咖啡。目前，已有超過8000家門店上線該活動。使用者買卡後，30天內每2小時可在小程序領一杯現磨美式。儘管過去幾年，“9.9元”幾乎成了咖啡市場的標籤，但問題是，華萊士似乎來得太晚了。今年1月底，庫迪咖啡正式結束9.9元活動，宣告這場歷時三年的價格戰階段性落幕。在此之前，瑞幸咖啡、星巴克早已階段性退場，奈雪、喜茶自2025年以來陸續調價。整個茶咖市場的風向已經變了。價格錨點正在鬆動，消費者的注意力也從“極致低價”轉向了“質價比”。更現實的是，價格戰對利潤的反噬，早已被寫進庫迪、瑞幸等賬本裡。在低價紅利週期已接近尾聲之際，華萊士為什麼卻選擇逆勢加碼？點選下方名片，關注金角財經，我們將為你剖析更多社會熱點，拆解經濟事件背後的邏輯。“一定虧錢”“就算是速溶，水電費也要虧吧。”當“9.9元210杯”的消息傳開，輿論的第一反應是算賬。但真正進店嘗鮮的人，給出的反饋卻更現實：“味道普通，但它是現磨的，而且只要4分錢。”媒體走訪顯示，華萊士使用的是名為“天秤”的中烘IIAC金獎豆。儘管IIAC的金獎評定標準更像是一條合格等級線，只要咖啡豆的風味達標就能獲得認證，但該款咖啡豆在電商平台售價67元/500g。按常規萃取量估算，一杯華萊士美式僅咖啡豆成本就要2.34元。品質談不上對標星巴克，但性價比超然。裝置端也不是臨時拼湊。多位行業人士透露，華萊士使用的咖啡機，市場價約2-3萬元/台。按8000家門店保守估算，裝置投入至少2億元。換句話說，這不是拿邊角料糊弄流量，那華萊士到底圖什麼？當然，華萊士向來擅長低價。其最知名的“特價123活動”曾把可樂、雞腿、漢堡壓到1元、2元、3元，一度被網友笑稱“雪王看了都搖頭”。直至今天，在華萊士小程序上，我們依舊能看到“可樂+漢堡+雞塊9.9元”這類低價套餐。但“4分錢咖啡”，依舊超出大眾對華萊士的認知。更重要的是，這與華萊士過去的低價邏輯，似乎頗有不同。華萊士的極致低價，主要靠其獨創的“合作連鎖模式”實現。該模式核心是門店眾籌、員工合夥、總部直營管理。店長可入股，員工可投資，風險共擔，利潤共享。總部通過低合夥門檻迅速滾動擴張。在擴張初期，這套機制解決了兩個問題：一是資金來源，二是激勵效率。門店越多，規模效應越明顯，單店毛利低但總盤子做大，現金流能夠對沖利潤率不足。簡言之，就是“薄利多銷”的能力。為強化這一模式，華萊士把合夥門檻壓至1萬元諮詢服務費。相比之下，以低開店成本著稱的挪瓦咖啡，前期投入也在2萬元左右。門檻低意味著擴張快，擴張快意味著規模紅利提前兌現。窄門餐飲資料顯示，2019-2022年，華萊士新開門店超1.4萬家。2023年突破2萬家，門店總數超過肯德基、麥當勞在中國的門店總和。規模巔峰的2023年，儘管母公司華士食品毛利率僅‌5.33%，遠低於快餐業10%-20%均值，但營收同比增長23.45%至88.19億元、淨利潤同比增長53%至2.58億元。但如今的“4分錢咖啡”，並非薄利多銷的一環，因為它賣得越多虧得越多。今年2月，一位華萊士員工在接受採訪時坦言：“正常情況下，咖啡的價格是十來塊錢。在活動期間，這個價格一定是虧錢的。”它不是薄利，而是確定性負利。聽起來，這已然超出華萊士對低價的平衡能力。好端端的，何必自砍一刀？“噴射戰士”後遺症也或許，這是一次被動式的斷臂求生。如果說，合作連鎖模式曾是華萊士高速擴張的引擎，那麼當規模紅利見頂後，它正在顯露出反噬效應。該模式的結構性隱患在於：門店股權高度分散，總部對終端標準的控制力天然不足；同時，門店高密度鋪設壓縮了單店利潤空間。在低客單價與低毛利率的雙重擠壓下，一些門店不得已把利潤，放在品控和食品安全的前面。問題並非偶發。2023年，北京一華萊士門店被曝光“炸東西的油3天一換，顏色已如同醬油”；2024年，廣東潮州一華萊士員工誤將生肉塞入漢堡；2025年，華萊士被爆炸油酸價超標60%仍使用……幾乎年年出現負面事件，形成持續的信任消耗。也由此締造了那一段段流傳甚廣的“噴射戰士梗”：“吃完華萊士，連上6次廁所”“華萊士便宜，吃下肚你就知道貴了”。截至目前，黑貓投訴平台上，關於“華萊士”的投訴超過1.3萬條，大部分附有食品質量問題的標籤。消費者信心下滑與門店經營壓力上漲，似乎成了一對難以調和的矛盾體。財報曲線已經反映這一趨勢。2021—2024年，華士食品營收增速從64.44%持續放緩至13.31%。2025年上半年出現負增長，同比下滑0.49%；經營利潤率僅3.77%，顯著低於百勝中國同期的10.9%；營業成本佔營收比重超過93%。儘管毛利率回升至6.04%，較2023年略有改善，但整體仍處低位承壓。同一時期，12家核心子公司中有7家處於虧損狀態。值得注意的是，低毛利並非必然來自低價。蜜雪冰城同樣走低價路線，但依靠高度整合的供應鏈體系，2025年上半年毛利率達到38.3%。這說明，問題更可能指向管理效率與成本結構，而非單純定價策略。進入2026年，在“4分錢咖啡”推出的相近時間裡，華萊士發生了兩件轉折性事件：一是華萊士掉出了2萬店梯隊。截至2026年2月，其在營門店數為1.9494萬家；二是華士食品宣佈從新三板摘牌，理由是提升決策效率、降低營運成本。在這種壓力下，“4分錢咖啡”更像一次高頻流量實驗。它的本質不是賣咖啡，而是製造到店理由。有網友分享，到店取咖啡時，系統自動推送漢堡、小吃優惠券，店員引導儲值消費。邏輯清晰：用確定性虧損單品，撬動正價餐食與現金流，再次啟動“薄利多銷”的能力，以時間換空間。兩個隱性門檻設計也具有明確的行為引導意圖：僅限200米內門店自取，每2小時限領一次。目的是提升到店頻次與停留時長，將一次性交易轉化為高頻路徑依賴。從獲客成本角度看，這是一筆算得過來的賬。有媒體算過一筆賬，在直播平台投流，獲客成本在5—15元/人；而如今，華萊士用一張月卡，就能吸引顧客每月進店210次，表面上效率極高。但問題在於：流量能不能沉澱為信任？能走多遠？不得不承認，長遠來看，“4分錢咖啡”更像一劑強心針，這一招治標不治本。咖啡行業的競爭邏輯，已經從價格戰轉向價值戰。過去三年比拚的是補貼強度，現在比拚的是品牌敘事與場景佔位。價格只是入口，差異化才是壁壘。挪瓦咖啡強調便利店寄生與24小時覆蓋；Peet's Coffee強化精品與餐食基因；M Stand押注空間美學與社交屬性；星巴克持續深化“第三空間”，甚至與《哈利·波特》做主題聯名。這些路徑未必彼此相容，但有一個共同點：都在向上定義價值，而不是向下壓縮價格。市場風向變化的根源，在於消費者決策邏輯的成熟。艾媒諮詢資料顯示，2025年可接受單杯21—30元價格區間佔比46.44%，10元以下僅3.45%。這意味著，低價不再是主流預期，價值感才是關鍵變數。在好奇心與“極限性價比”的刺激下，“9.9元210杯”確實拉高了華萊士的客流與討論度。但熱度終究會衰減，真正的考題在於：有多少人會續費月卡？如果復購無法形成閉環，流量本質上只是消耗。餐飲行業的底層邏輯是重複消費。2024年美團必吃榜商家平均復購率達45%。撐起營收曲線的，從來不是第一次嘗鮮的使用者，而是持續回來的那一批人。而新客是否轉化為熟客，核心取決於口碑。根據美團《2024中國餐飲消費趨勢報告》，72%的消費者在餐飲消費前會主動查看使用者評價。評價體系，已經成為公開的信用記錄。而品牌心智存在明顯的路徑依賴。一旦長期被貼上“便宜”“不穩定”的標籤，消費者預期會被錨定在低位。心理預期下沉之後，任何偶發問題都會被放大解讀：出問題是“再次驗證”，沒出問題只是“暫時例外”。這種認知結構，很難通過一次行銷活動被逆轉。正如，過去兩年華萊士就已試過多種年輕化行銷手段，與范丞丞、“再就業男團”、丁真等高話題度的網紅明星展開合作，但從財報上看，收穫不及預期。原因並不複雜：品牌形象的底層，不是傳播聲量，而是履約能力。真正決定消費者去留的，是華萊士品控與管理的穩定性，而不是一張高性價比的月卡。當“4分錢咖啡”退場，門店仍然要面對日常經營。消費者也會回到最樸素的判斷：這家店是否穩定，是否乾淨，是否值得再次進入。補貼可以被精確核算，信任卻無法量化折扣。而重建信任，往往比持續打折貴得多。 (金角財經)

彼得·提爾的“嗜血”劇本：為什麼競爭是給失敗者的，而壟斷才是富豪的終極底牌？2014年，史丹佛大學的一間教室裡，空氣彷彿凝固。彼得·提爾 (Peter Thiel) 站在講台上，用那雙看透資本迷霧的眼睛掃視著台下的精英。他拋出了一個讓所有MBA學生信仰崩塌的命題：“如果你是一個創業者，你不僅要追求壟斷，更要時刻逃避競爭。因為，競爭是給失敗者的。”這背後不是狂妄，而是一場跨越二十年的資本乾坤大挪移。當普通人還在為百分之五的增長率搶破頭時，頂級富豪們正在通過一種“隱身術”，秘密建構著屬於他們的兆帝國。【國際象棋的殘局與惡魔島的逃離】彼得·提爾的商業基因裡，刻著 “最後一位進入者（Last Mover）” 的冷酷程式碼。他像一個頂級的國際象棋大師，在落子之前，眼裡看到的不是開局的博弈，而是二十年後的殘局（Endgame）。他在史丹佛法學院和頂級律所的經歷，讓他意識到，所謂的精英賽道其實是一場 “惡魔島監獄” 的競爭——門一直開著，但所有人都在忙著通過打敗身邊的人來獲得虛榮的驗證，卻沒人敢走出門去。在這種基因驅動下，他創立PayPal、投資Facebook，本質上都是在尋找那些能逃離競爭的“異類”。【壟斷者的謊言與競爭者的幻覺】商業世界裡，所有人都在撒謊。壟斷者（如Google）在裝窮：為了躲避監管，他們會把自己描述成滄海一粟。Google會說：“我們只是廣告市場的3.5%，我們還要和自駕車、蘋果、亞馬遜競爭！”（這是在描述市場的並集）。競爭者（如餐廳）在裝牛：帕羅奧圖開英國菜館的老闆會說：“我是這方圓百里唯一的英國菜！”（這是在描述市場的交集）。但真相是，這種獨特的“壟斷”毫無意義，因為市場太小且根本守不住。這種 “按在地上摩擦” 的認知偏差，讓無數創業者陷入了“清潔技術”式的泡沫——他們第一天就想進入兆級市場，結果發現自己只是在大海裡裸泳的一條小魚。【10倍速的“機槍屠殺”】如何建構壟斷？彼得·提爾給出了硬核指標：你的技術必須比最接近的替代品好上10倍（10x）以上。如果說傳統的商業競爭是大家拿著弓箭互射，那麼壟斷者的入場就像是帶著機關槍進入石器時代。PageRank演算法：不是比前人好一點點，而是搜尋效率的降維打擊。軟體壟斷：軟體的邊際成本為零。一旦建立壁壘，就像是在商業世界安裝了一台 “自動收割機” ，當你睡覺時，它都在瘋狂吞噬市場，而對手卻在泥潭裡為了1%的成本提升精疲力竭。【價值捕捉的冰冷帳本】讓我們來看一張真實的帳本：美國航空業：創造了巨大的社會價值（X），但捕獲的利潤（Y）接近0。搜尋巨頭：創造的價值或許不如航空，但它捕獲了極高的利潤份額。創造價值（X）和捕獲價值（Y）是完全獨立的變數。彼得·提爾指出，一個公司的價值有85%來自於十年以後的現金流。 這意味著，如果你現在每年的增長率看起來很美，但卻處於紅海競爭中，那你其實是在透支未來。這種增長就像是 “在沙灘上蓋摩天大樓”，潮水一漲，灰飛煙滅。【彼得·提爾的“四步棋”】想要復刻頂級富豪的壟斷之路，你必須執行這四步致命策略：佔領微型灘頭：從一個極小的、甚至被人嘲笑的市場開始（如哈佛校園），實現100%的市場佔有率。擴張同心圓：在壟斷了核心點後，逐步向外延伸。10倍技術壓制：確保你的護城河在物理層面上無法被踰越。死守終局：不要做第一個進入者，要做最後一個終結比賽的人。商業史上，所有幸福的公司都是不同的，因為它們各自解決了獨特的問題；而所有不幸的公司都是相似的，因為它們都在競爭中迷失了自我。當馬斯克通過垂直整合構築SpaceX的壁壘，當黃仁勳通過CUDA建構AI的生態孤島，他們都在遵循彼得·提爾的嗜血劇本。那麼，下一個十年，當演算法和算力徹底統治世界，誰會是那個最後走出“惡魔島”大門的勝利者？ (賽文視點)

雖然訪日遊客增加，但日本旅遊行業依舊業績低迷。酒店行業的營業利潤率2024年度為6.6%，低於服務業整體的8.1%。員工10人以上的酒店企業的平均工資比全部行業平均低2成以上。要增加利潤，需要提升客單價……到訪淺草寺的外國遊客（1月8日，東京都台東區）2025年訪日外國遊客人數首次超過4000萬人。遊客消費額也呈現增加態勢，但作為接待方的日本酒店行業的待遇改善還處於半途之中。日本政府提出使訪日遊客增加到6000萬人的目標。要實現這一目標，日本的酒店行業需通過改善待遇緩解人手短缺、通過裝置投資提升生產率，並提高客單價。日本國家旅遊局（JNTO）1月21日發佈的資料顯示，2025年訪日遊客人數為4268.36萬人。按國家和地區來看，韓國遊客最多，達到945.96萬人。中國大陸遊客為909.63萬人，台灣遊客為676.34萬人。日本觀光廳的統計顯示，消費額為創歷史新高的9.4559兆日元。雖然訪日遊客增加，但日本旅遊行業依舊業績低迷。日本財務省的法人企業統計顯示，酒店行業的營業利潤率2024年度為6.6%，低於服務業整體的8.1%，仍未恢復到新冠疫情前2017年度的7.2%。日本酒店行業的工資水平仍然較低。日本觀光廳根據厚生勞動省的工資結構基本統計調查等進行分析後發現，2024年員工10人以上的酒店企業的平均工資為390萬日元（約合人民幣17.09萬元），比全部行業平均（527萬日元，約合人民幣23.09萬元）低2成以上。按酒店企業的規模來看工資，員工10～99人的企業為337萬日元（約合人民幣14.77萬元），100～999人的企業為390萬日元（約合人民幣17.09萬元），1000人以上企業為457萬日元（約合人民幣20.02萬元）。新冠疫情後訪日遊客激增，日本酒店行業的人手短缺日益嚴重。2024年6月末，住宿和餐飲服務業的缺員率為4.4%，高於所有行業平均水平（2.9%）。日本的酒店行業為了留住勞動力而提高工資的趨勢正在加強。藤田觀光2025年4月把正式員工中約1300名基層員工的工資平均上調6.3%（1萬7036日元，約合人民幣746.69元，包括基本調薪部分）。此外，集團整體增加1天年假天數，並允許以半天為單位取得帶薪休假。也有推進省人化的酒店。營運FAV等酒店品牌的Kasumigaseki Capital自主開發了酒店基礎系統。採取結算和辦理入住等都線上完成的機制，把人員成本控制在最小限度。有的住宿設施還邀請當地餐飲店入駐，把前台功能轉包出去。日本的酒店行業此前受到新冠疫情的打擊，上調工資的行動遲緩。由酒店和旅行社等工會組成的服務和旅遊產業工會聯合會將在2026年春季勞資談判中，要求工資上調6%（包括基本調薪和定期加薪部分）。2025年的上調幅度為歷史最高的5.32%，但“與其他產業的差距並未縮小”（會長櫻田Asuka）。要實現2030年訪日遊客6000萬人、消費額15兆日元的政府目標，需要提高住宿費籌集資金，推進上調工資和裝置投資，完善接待設施。日本政府還提出了2030年遊客人均單價達到25萬日元的目標。2025年10～12月為23.4萬日元。與新冠疫情前相比有所上升，但目前停滯不前，略低於2024年同期的23.6萬日元。訪日遊客的平均住宿天數在2025年10～12月為8.3天，比2024年同期的8.7天減少。為了提高客單價，有必要促進國內的環遊。 (日經中文網)

跟對人比做對事更重要。蔡崇信，馬雲背後的男人。我們都知道他很早就加入阿里巴巴了，是“十八羅漢”之一，蔡崇信當年放棄百萬年薪，選擇拿500元月薪和馬雲創業的故事至今讓人津津樂道。最近，蔡崇信又給我們揭露了更多幕後故事。蔡崇信自曝：見馬雲1小時就入夥，曾被“開除”過近日，蔡崇信在史丹佛大學商學院的一場訪談中又聊到了那些年和馬雲的往事。圖源：蔡崇信訪談視訊截圖公開資料顯示，蔡崇信，祖籍浙江，台灣出生，加拿大籍華人，擁有耶魯大學經濟學及東亞研究學士學位、耶魯法學院法學博士學位和美國紐約州執業律師資格。在遇到馬雲之前，蔡崇信已然是一位職場精英，年薪高達70萬美元。他自曝了加入阿里的原因，並透露自己僅與馬雲交談一小時，便決定投身這家初創公司。蔡崇信表示，1999年接觸阿里時，公司尚未註冊、零收入，而馬雲僅擁有一個域名與初創網站。但他被馬雲的領導氣質與溝通能力打動，認為教師出身的馬雲擅長識人、育人與凝聚團隊。“創業要找你願意共事、能追隨、可學習的人，對我而言，馬雲既是夥伴也是導師。”不得不說，馬雲的魅力再一次得到了驗證。蔡崇信和馬雲早期照片然後，蔡崇信還透露了一段鮮為人知的創業初期往事，他回憶，當時是當了三個月的首席營運官，然後馬雲“解僱”了他。馬雲說，“你根本不懂如何營運。”他便轉為首席財務官。青雲發現，過去，馬雲似乎也提到過這段“開除”蔡崇信的故事。網傳視訊中，他是這麼說的，蔡崇信只當了28天COO（首席營運官）就被我開除了。“我為什麼判斷他當COO，他是律師出身，這個檔案指令下得非常清楚，我覺得他可能當COO，後來當了28天被我開掉了。什麼搞的，律師，檔案寫的話人家會生氣你知道嗎？寫得很嚴肅，下達命令沒有情感，沒有EQ（情商），IQ真高，EQ不行，這也是個大問題。”馬雲聊調整蔡崇信崗位這段視訊後面，馬雲繼續聊到了自己為什麼認為“CFO永遠不能當CEO”，他表示，“當CEO他條理清晰，但是我們做CEO的人，其實有的時候是有個混沌之間的擺動，好像太極的混沌之間，陰和陽，黑和白之間是有些度的。一個優秀的財政官越優秀，越從數字上看問題，除非他不是個好CFO。所以往往不是一個非常好的CFO，他有可能成為一個傑出的CEO，一個傑出的CFO很有可能在當CEO的過程中有自己的漏洞，這是有道理的。”對於蔡崇信擔任首席營運官的時間，兩人的說辭有些出入，不過可以肯定的是，蔡崇信確實經歷過換崗。蔡崇信換崗一事或許也在告訴我們，創業團隊的核心，並不是毫無分歧，而是能正視差異、各司其職、彼此成就。只有成員‌各司其職‌，基於自身的專業與優勢承擔起明確的責任，團隊的運轉才能高效而有序。阿里官網顯示，蔡崇信於1999年加入阿里巴巴集團，為公司創始人之一，自公司成立以來一直為董事會成員。他曾擔任首席財務官至2013年，並擔任執行副主席至2023年9月，目前擔任阿里巴巴集團主席。圖源：阿里集團官網蔡崇信擔任公司CFO的那段日子，多次幫助阿里完成融資，在公司關鍵時刻力挽狂瀾。這也是他“阿里財神爺”之稱的由來。1999年，馬雲初創阿里，曾嘗試過37次融資，但均以失敗告終。那時公司甚至連500元的最低工資都難以按時發放。蔡崇信加入後，憑藉個人人脈說服高盛投資500萬美元，直接讓瀕臨破產的公司起死回生。馬雲在很多次場合中都對蔡崇信表達了感激，他提到：“我最感激的人就是他。”志同道合的人往往都是惺惺相惜的，馬雲和蔡崇信或許就是這樣一對搭檔。蔡崇信跨界體育投資，悶聲賺大錢蔡崇信在阿里幹了20多年，當年他的決定成就了自己的命運。在2025胡潤百富榜中，蔡崇信以830億元的財富位列第57名，無疑是位人生贏家。圖源：胡潤百富官網說到蔡崇信的投資版圖，他十分熱愛籃球，並捨得為此投資，成功將體育愛好轉化為了大生意。福布斯發佈的《2025年全球最富有的運動隊老闆》顯示，截至2025年3月7日，蔡崇信憑藉121億美元的身家，位居排行榜第18名，身家同比大漲42%。2018年，蔡崇信以11.5億美元購入NBA布魯克林籃網隊49%的股份，次年又豪擲13.5億美元拿下剩餘51%股份，一舉成為球隊全資擁有者，創下了NBA歷史上的最高球隊交易記錄。2019年，蔡崇信和他的妻子吳明華以1000萬美元收購了紐約自由人隊。去年6月，據媒體消息，紐約自由人隊以4.5億美元（超32億元人民幣）估值出售股權，創下了女子職業體育俱樂部的最高估值紀錄。按照估值計算，從出手收購至今，這家球隊暴漲了30倍。蔡崇信夫婦也狠狠賺了一筆。值得一提的是，蔡崇信在體育界的活躍，可能還為阿里與NBA達成合作這事有所推動。去年10月10日和12日，NBA中國賽在中國澳門舉行，由布魯克林籃網隊對陣菲尼克斯太陽隊。在比賽前夕，蔡崇信、馬雲、姚明等人被曝出席了籃網隊的一場內部晚宴。馬雲、蔡崇信出席籃網隊內晚宴在宴會結束後不久，蔡崇信與NBA副主席兼首席營運官馬克·塔圖姆共同宣佈，NBA中國與阿里雲達成了一項多年合作，將通過人工智慧與雲技術，重塑中國球迷體驗和參與NBA的方式。蔡崇信表示，“體育與科技的交融，正處在一個激動人心的時代。人工智慧與雲是絕佳的連接器，不僅連接著球員與球迷、品牌與消費者，也將全球視野與本土文化緊密相連。通過與NBA中國的合作並引入阿里的最新技術，我們將為NBA球迷帶來前所未有的超凡體驗，點燃他們的激情。”值得一提的是，馬雲和蔡崇信一樣，也對籃球有著濃厚的興趣。2024年年初，馬雲就被拍到身穿球衣現身法國NBA常規賽，與蔡崇信、吳明華夫婦一同觀賽。馬雲現身觀看法國NBA常規賽上文提到的NBA中國賽，馬雲也去看了，當天他打扮休閒，頭戴棒球帽、穿格子衫，左側坐著成龍、貝克漢姆。當然，蔡崇信也同樣在場。去年10月，馬雲觀看NBA中國賽阿里放下包袱，成功套現300億再把目光看向阿里，今年，阿里繼續自己的主線任務——收縮戰線，集中資源佈局核心業務。近日，三江購物發佈公告披露，公司持股5%以上股東杭州阿里巴巴澤泰資訊技術有限公司已完成此前披露的減持計畫，本次累計減持公司股份1643.04萬股，佔公司總股本的3%，減持套現總金額約2.52 億元。本次減持完成後，阿里澤泰對三江購物的持股比例由原本的30%降至27%。天眼查App顯示，阿里澤泰的控股股東是淘寶（中國）軟體有限公司，後者直接持股比例為98.3051%。據不完全統計，截至2025年底，阿里通過一系列密集的減持與資產剝離，已完成逾300億元的資金回籠。阿里資產處置的核心目的是聚焦電商和AI兩大核心業務，就AI領域，有了“真金白銀”的投入，阿里千問的成長速度超乎想像。1月15日，在千問App產品發佈會上，阿里巴巴集團副總裁、阿里千問C端事業群總裁吳嘉便表示，上線兩個月，千問C端月度活躍使用者突破1億。今年春節檔，千問也是卯足了勁往前衝。最近這段時間，大廠之間上演了一場“AI紅包大戰”。阿里方面直接入30億元推出“春節請客計畫”，上線僅9小時AI訂單量便突破1000萬單，由於活動過於火爆，使用者一度把伺服器干“崩潰”了。另外，千問還拿下了四大衛視春晚獨家冠名。甚至馬雲也悄然現身千問項目組，疑似為團隊加油打氣。馬雲現身千問項目組前不久，馬雲現身杭州阿里巴巴總部，看照片透露的地點，馬雲現身的地點是阿里千問項目組。對於阿里內部員工來說，馬雲就像“定海神針”，他的現身想必能給員工帶來信心和動力。總的來說，網際網路競爭已經進入下半場，圍繞AI，大廠之間已經開啟了新的較量。至於誰能笑到最後，讓我們拭目以待。 (科技頭版)

希音(SHEIN)以現象級增長重塑全球時尚零售格局。2012年起聚焦時尚領域，2024年營收一舉躍升至2500億元規模，成為增長最快的時尚零售商之一。旗下App全球註冊使用者突破1.8億，日活躍使用者(DAU)超4000萬，業務覆蓋超過150個國家(地區)。根據Global Data的資料，希音在2024年成為全球第三大時尚零售商，僅次於耐克和阿迪達斯。旗下App在54個國家(地區)iOS購物類應用中下載量登頂。2024年以650億美元估值位列全球獨角獸企業第五。這家從中國廣州市番禺區崛起的跨境電商品牌，僅用十年時間便完成了從“性價比時尚”到“全球時尚基礎設施服務商”的蛻變。從不被看好到不可複製，希音的成功密碼是什麼？本文試圖做一個剖析，節選自《千億密碼：中國領軍企業成長啟示錄》第2章。作 者：周宏騏 新加坡國立大學商學院兼任教授、數智化新商業專家來 源：正和島年度圖書《千億密碼》回顧希音的前世今生2008年，80後山東青年許仰天在南京成立點唯資訊技術有限公司。他帶領創始團隊進行了多方面的探索。起初直接面向海外消費者銷售產品，涉足婚紗、線上配鏡、紫砂壺等不同的業務領域。在此過程中，許仰天敏銳地捕捉到了電商行業的快速發展機遇，於2012年果斷轉型，聚焦跨境時尚女裝市場，收購了Sheinside.com域名，正式啟動獨立站營運，直接與消費者建立聯絡，精心打造自己的跨境品牌，將目標客群鎖定在18～30歲且對價格較為敏感的女性群體。希音把國內電商成熟的個性推薦、網紅模式等搬到海外，在歐美年輕群體中快速出圈，例如通過在YouTube等社交媒體平台上與網紅合作，推出服裝評測視訊，獲得高播放量，成功吸引了全球消費者的關注，實現了低成本的流量和品牌曝光。在這個時期，希音開始採用“小單快反”模式，以100～200件小批次訂單測試市場，依賴Excel表格和郵件管理訂單，供應鏈協調主要依靠人工。此時希音開始組建技術團隊，將數智化能力視為核心壁壘。2013年，希音團隊分析社交媒體資料，發現“波希米亞風長裙”在Pinterest上搜尋量激增，便嘗試小批次試產上架，結果兩週即告售罄—“趨勢驅動”的商業可行性首次被驗證。這更加確立了“小單快反”模式的有效性。2014年，希音開始在廣州自建供應鏈中心，夯實供應鏈基礎，並確立“數智化+技術+柔性供應鏈”三位一體戰略。然而，廣東的傳統服裝工廠習慣於承接大訂單（單款數千件甚至數萬件）。希音的首單量約為100件，規模較小，許多工廠拒絕接單。2015年，許仰天啟動品牌重塑計畫，將Sheinside更名為SHEIN（中文名“希音”），著力打造更具國際化的“按需時尚”品牌形象。此時，消費者購物習慣開始向移動端轉移。希音在2015年3月上線了 iOS版App，7月推出了Android版，這兩款App的英文版搶佔了歐美地區智慧型手機普及帶來的市場紅利。前台行銷體系搭好了，那後台供應鏈怎麼辦？許仰天將公司從南京遷至廣州市番禺區南村鎮。這裡是中國最大的服裝產業叢集之一，聚集了大量中小型工廠和家庭手工作坊。他耗時兩年，遍訪大小加工廠，逐一溝通，洽談合作，成功說服少數願意嘗試的工廠承接小批次訂單，同時為接單工廠免費提供製衣裝置，採取給予費用補貼及訂單預付等支援，確保工廠盈利。就這樣，希音開始篩選核心工廠，並將訂單拆解為面料採購、裁剪、縫製等環節，分派給不同工廠，還派駐團隊指導，讓核心工廠安裝希音開發的資訊系統與IoT（物聯網）裝置，形成“接單—分工—聚合”的分佈式生產網路，建立起了一條可以實現極高性價比和穩定出貨的供應鏈。希音加大力度改造傳統供應鏈，培養出首批300家核心供應商。希音率先引入甲骨文ERP系統，後因柔性供應鏈建設需求，轉而採用自主研發的供應鏈管理系統（SMS），由此開啟了供應鏈數智化中台建設處理程序。此外，針對家庭手工作坊普遍缺乏質量管理體系的情況，希音為其部署了自主研發的生產管理系統，推動生產流程數智化改造，使次品率從8%降至1.5%。2016年起，希音啟動Trend Hunter技術研發項目，通過Google Trends、Pinterest等平台進行趨勢挖掘與分析，年研發投入達1200萬美元，為新品開發決策提供趨勢支撐。2018年，希音商品交易總額突破20億美元，同步組建“設計師+技術”跨界團隊，建構技術與趨勢雙輪驅動的產品開發體系。2019年起，希音累計投入2.3億美元研發C2M（從消費者到生產者）智能系統。該系統整合了CAD（電腦輔助設計）、3D模擬試制（與Style3D聯合開發）、自動排產及智能分單等功能模組。2022年，成立SHEIN服裝製造創新研究中心，輸出柔性供應鏈標準。時至今日，希音自研的數智化系統已經基本覆蓋了合作的供應商體系。“小單快反”模式落地，實現了“7天打樣—3天生產—7天全球交付”的產品週期。利用技術驅動，98%的補貨決策實現了自動化，庫存周轉時間降至30天（行業平均為90天）。早在2015年，希音就開始多品類拓展，包括男裝、童裝、鞋包、飾品、美妝、家居、電子產品等。2023年，隨著平台化戰略的深入推進，希音建構了“自營多品牌+平台”雙引擎發展模式，相繼推出代營運賦能、自主營運及半託管模式，吸引全球第三方賣家入駐，逐步完善了平台商家生態系統，為消費者提供了更為豐富的線上消費選擇；並引入微宏科技的AlphaFlow流程管理工具，用於實現全球業務流程的標準化和自動化。希音商業模式的拆解在2012年涉足跨境時尚女裝領域時，希音便以“小單快反”模式為核心，設計並建構了涵蓋前台行銷、銷售，以及後台技術、供應鏈的全方位業務板塊。在克服挑戰、推動落地的過程中，希音不斷吸納新的資源與能力，如新技術、高端人才等，實現了設計與實踐的良性互動。希音的商業模式是什麼？創新點在哪裡？我總結希音的商業模式為：在海外市場以自營方式直面消費者，利用“小單快反”模式，落地系統性關鍵能力—技術驅動+柔性生產+生態協同。我們用分析單一業務商業模式的“生意藍圖”框架（詳見《千億密碼》圖書）來解釋希音的商業模式創新點，它涵蓋三大層次。第一層，幹什麼（業務定位—決策流層面）。業務的核心在於找準高潛商機，為特定客戶群體創造價值。第二層，怎麼幹（業務系統—工作流層面）。考慮用哪些角色與業務流程去創造價值，以及保持內外部角色分工的高效。在希音的前台，通過採用數智化手段，如社交裂變、商品個性化推薦以及營運使用者復購黏性等創新做法，有效地提升了使用者體驗和使用者對品牌的忠誠度。在後台，依託數智化技術研發與全場景應用，深度聚合各類中小型工廠，建構起“接單—分工—聚合”的分佈式供應鏈網路。這一模式持續推動供應商提升業務效率，逐步邁向自動化，助力它們從“無規模作坊”蛻變為“規模化數字工廠”，實現技術與收入規模的雙重飛躍，與希音攜手共進。第三層，找誰幹（交易系統—利益流層面）。帶著激情、不離不棄地干，這涉及重構利益分配機制。許仰天實施“深度培育”策略，建構了利潤分成機制。針對初期小單利潤微薄的情況，他通過提高返單分成比例（如爆款額外獎勵20%），穩固核心夥伴關係，同時借助高返單率（如首單200件成功後，追加至數千件）來提升整體收益水平。他還帶入了供應鏈金融支援，為資金緊張的小工廠提供低息貸款，用於裝置升級或擴大產能。截至2024年，希音累計投入2.5億元用於供應商技術升級和工廠擴建。希音何以成功在完整總結希音成功經驗之前，我們要回答一個問題： 希音到底是一家什麼樣的公司？希音是一家全方位元深度擁抱數智化的公司， 基於技術優先文化，自主研發了 300 多個資訊系統， 貫穿業務全鏈條， 經過系統整合， 業務鏈條上的每個環節都能在數智化驅動下實現效率提升。希音是使用者營運領域的佼佼者，在社交拉新、爆品設計與推薦、使用者復購等行銷環節均展現出專業性與創新性，輔以動態標籤體系與使用者畫像，形成良性互動，實現迅猛增長。希音是一家重視供應鏈網路的公司。它“軟硬結合”，不僅有系統及裝置等硬體方面的投入，更重構了供應商關係，最終與數千家供應商形成生態叢集，成為利益共同體。希音是一家兼具組織敏捷性與全球化特徵的公司。扁平化組織的敏捷性，加上“大中台 + 小前台”架構提供的業務發展保障，讓希音充滿活力，在持續變革中成長。希音完成的是從 ERP（企業資源計畫）到 C2M（從消費者到生產者）的迭代，每個階段聚焦 1 ～ 2 個核心系統，避免盲目追求“大而全”，通過數智化驅動了服裝行業的結構化升級。我嘗試總結了希音的成功公式：希音成功=數智化×（使用者營運×供應鏈建設× 全球化）。希音的終極業務模式可概括為“小單快反”，也就是“小批次測款—市場反饋—及時返單”的循環。在這個模式下， 希音不直接擁有生產工廠，而是通過整合外部中小型工廠，形成供應鏈網路，讓合作工廠承擔小批次、多款式的生產任務。希音能夠實現模式落地， 靠的是“技術驅動 + 柔性生產 + 生態協同”，對一直以傳統方式營運的服裝行業發起了效率革命，讓傳統服裝行業從過去的“期貨模式”升級到“以銷定產”模式，從源頭上解決了預測不準確導致高庫存積壓的問題。此外，希音還做到了極致的“高效”。傳統服裝行業從設計打板到生產交付，週期一般為 30 天。全球著名時尚服裝品牌 Zara 以更迭速度快著稱，週期一般為 14 天。而希音通過獨特的“小單快反”模式，僅 7 天即可完成從設計到交付的整個流程。在海外，Zara 、H&M 等品牌的服裝已不算貴，而同品類的衣服，希音產品的售價還不足它們的一半。我們深入剖析了希音如何將數智化融入業務流程的各個環節與場景。希音通過數智化建設、精細化營運、技術標準化、賦能輸出及利益共享機制，成功地推動了服裝價值鏈的升級和產業生態的形成。希音與東華大學聯合研發的再生滌綸解決方案，提升了再生材料的應用性，擴大了可回收材料的範圍。希音的案例展示了數位技術如何賦能傳統行業，為其他企業提供了一個高效與可持續發展的典範。這些技術、工具與系統遵循“輕量啟動，逐步迭代”的原則：從最初的 Excel 等入門工具，到採用通用工具（如 Google  Analytics），再過渡到定製化系統。希音有效避免了初期的過度投入。縱觀希音數智化思維的來源與數智化能力的建構，離不開創始人許仰天早期的網際網路經驗。他堅定地親自推動技術優先文化，要求所有業務部門匯報時需附帶資料支援，非資料驅動的決策需要經 CEO 特批。此外， 他要求全員採用資料看板的工作方式，這在服裝行業較為少見。每一位一線員工都配備有對應的資料看板。例如，我在採訪過程中看到，質檢員依據工作台前螢幕上SaaS 系統的步驟進行檢測，同時使用希音自主研發的各種智能硬體，檢測服裝各部位，智能硬體檢測到的資料通過藍牙同步上傳至SaaS 系統，實現即時更新。再如 2021 年，某一線客服員工通過 BI 系統發現，孕婦裝與瑜伽褲的組合購買率顯著上升， 結合市場趨勢， 推動了捆綁銷售策略。月銷售額突破了百萬元。這一策略的成功得益於孕婦裝市場的持續增長和消費者對孕婦瑜伽褲需求的增加。2023 年，物流團隊精準剖析港口擁堵資料，提前將貨物轉運至迪拜倉，成功規避了當年紅海航道危機帶來的延誤風險。這樣的智慧應對，在希音內部屢見不鮮。當下，全球貿易環境風雲變幻，希音亦身處其中。展望未來，希音將書寫怎樣的篇章？能否在逆全球化浪潮中破浪前行，開闢新航道？我們拭目以待。作者簡介：周宏騏，新加坡國立大學商學院兼任教授，數智化新商業專家，擁有通用汽車、惠普科技等全球500強企業22年資深管理者經驗。專注於研究和教授《新商業 新模式 新行銷 - 新時代企業的創新經營方式》，《數位化轉型戰略》。 過去10年每年實地調研超過200家創新公司，沉澱與總結了新時代的經營模式與行銷工具。 新著作《生意的本質: 商業模式動態升級的底層邏輯》。