真正健康的资本结构，并不等于“负债越少越好”，而是企业能够在债务资本、权益资本、经营积累和资产投入之间形成相对合理的平衡。它既关系到资金成本和财务杠杆，也关系到企业在行业低谷、融资收紧或投资周期拉长时有没有足够的调整空间。

一家公司最怕的，不是使用了负债，而是长期依赖高成本融资维持扩张；资产看似不断增加，资本回报却无法覆盖融资成本，短期债务、长期项目和现金流之间又缺少匹配。

当市场需求变化、行业景气下行或外部融资趋于审慎时，资本结构失衡的企业往往更容易受到约束；资本结构相对稳健的企业，则更有条件维持研发、生产和渠道投入，在周期调整中保留经营主动权。

在资本市场从追逐规模扩张转向检验经营质量的背景下，企业如何配置资本、控制融资成本并保持财务活动稳定，正在成为观察上市公司竞争力的重要尺度。

基于济安金信最新发布的上市公司竞争力评级数据，我们整理出“A股资本结构”维度排名前100的公司名单，试图从资本配置与财务稳定性视角，观察哪些企业把融资、资产和经营放在了更稳的位置。

济安金信长期深耕基金评价、上市公司评价与资本市场研究，为投资者、企业管理层及监管层提供上市公司竞争力分析、审计稽查、信贷评估、证券投资与ESG-V评级等系列研究报告，为价值投资和价值管理工作的开展提供严谨的决策依据。

本期榜单，带你看清哪些企业具备更强的资本结构能力，以及这种优势主要集中在哪些产业与市场板块。

济安金信的“资本结构”评估，并不是简单按照资产负债率从低到高排序，也不会把不同行业的杠杆水平直接放在同一绝对尺度下比较，而是立足同行业可比原则，综合观察企业资本来源、财务杠杆、资金成本、资本配置效率和财务活动稳定性。

具体来看，评价既关注企业现有资本结构能否支撑主营业务和长期投资，也观察企业是否过度依赖外部融资，资本投入能否形成有效回报，财务负担是否与经营现金流、资产属性和行业周期相匹配。

资本结构也不等于“杠杆越低越好”。对于商业模式成熟、现金流稳定的企业，适度负债可以提高资本使用效率；对于研发周期长、资本开支大或经营波动明显的企业，过高杠杆则可能放大风险。真正有质量的资本结构，应当与盈利能力、现金流量、偿债能力和发展能力形成相互支撑。

在评价口径上，所有评分均在同行业内进行横向比较，避免将房地产、建筑等资金密集型行业，与医药、软件等轻资产行业简单比较。得分越高，意味着企业在所属行业中展现出更合理的资本配置、更可控的财务负担和更稳定的融资经营关系。

从榜单结果看，本次资本结构排名前100的上市公司中，共有17家公司获得AAA评级，83家公司获得AA评级。最高得分为第1名仁和药业的96.343分，最低得分为第100名海安集团的83.064分。仁和药业、永兴材料、常青科技、三友医疗、苏州固锝、晶方科技、壹网壹创、达安基因、福瑞达、恩华药业进入前十。

这一结果显示，资本结构百强并没有被单一行业或大型公司垄断。医药生物、机械设备、电子、计算机、基础化工、汽车和材料企业成为主要力量，榜单更关注企业资本安排与自身经营模式是否匹配，而不是企业已经积累了多少资产或使用了多少负债。

从板块分布看，深市主板公司37家、沪市主板公司25家，主板公司合计62家；创业板公司26家、科创板公司12家，成长板块合计38家。主板仍是资本结构百强的主体，但成长板块也占据接近四成，说明资本结构优势并不只属于经营成熟的大型企业。

医药生物：21家公司入选，成为资本结构百强第一大行业

在能够与现有行业分类表匹配的94家公司中，医药生物行业共有21家，是资本结构百强中数量最多的行业。其中，仁和药业、三友医疗、达安基因、恩华药业、南微医学、万泰生物和辰欣药业获得AAA评级，占全部17家AAA企业中的7家。

济川药业、奥精医疗、派林生物、德展健康、东方生物、天士力、信邦制药、百普赛斯、药明康德、昊帆生物、众生药业、博雅生物、信立泰和仙琚制药也进入百强。入选企业覆盖中成药、化学制药、生物制品、诊断检测、医疗器械和研发服务等多个方向。

医药企业通常面临研发投入、产品注册、产能建设和商业化周期等多重资本需求。能够进入资本结构百强，说明这些企业在所属细分行业中，资本负担、融资安排和经营基础之间形成了相对更稳的平衡。

但资本结构领先并不意味着医药企业没有经营风险。研发失败、产品价格变化、市场准入和商业化不及预期，仍可能改变企业的资金需求和资本回报。资本结构优势能提供缓冲，却不能替代产品竞争力和持续盈利能力。

机械设备、电子与计算机：技术投入与资本纪律共同决定排名

机械设备行业有10家公司进入百强，电子行业有9家，计算机行业有7家，三大行业合计26家，占已匹配样本超过四分之一。长青科技、奥普特、必得科技和晶方科技获得AAA评级。

机械设备板块中，博盈特焊、山科智能、物产金轮、恒立液压、巨星科技、固高科技和汉钟精机等入选；电子板块中，有研硅、漫步者、赛微微电、联动科技、波长光电、三环集团、合力泰和新相微进入百强；计算机板块则包括熵基科技、广立微、汇纳科技、新开普、同为股份、力鼎光电和雄帝科技。

技术制造企业需要持续投入研发、设备和产能，资本结构既要支撑技术迭代，也要避免扩张速度超过订单和现金流。进入百强，意味着企业在资本投入、融资负担和经营回报之间体现出较强的行业相对优势。

这类企业仍需警惕技术路线变化、客户集中、存货积压和扩产回报不及预期。资本结构稳健不是停止投资，而是让研发和资本开支建立在更可持续的资金来源和回报路径之上。

基础化工、有色金属与钢铁：周期行业更考验资本安排

基础化工行业有7家公司进入百强，有色金属行业3家，钢铁行业2家，三类资源与材料企业合计12家。永兴材料、常青科技和焦作万方获得AAA评级。

善水科技、凯赛生物、康鹏科技、美农生物、盐湖股份、确成股份、藏格矿业、方大炭素和金洲管道等也进入榜单。相关企业覆盖不锈钢与锂资源、铝冶炼、盐湖资源、化工新材料、生物基材料和钢铁制品等多个方向。

资源与材料企业通常具有资产投入大、产品价格波动明显、资本开支周期长等特征。资本结构能力强，并不意味着企业远离周期，而是意味着其资本来源和财务负担与行业属性的匹配度相对更高。

如果利润上升主要来自短期价格上涨，而企业同时大幅扩张产能、增加债务，资本结构优势可能迅速被削弱。周期行业真正需要的不是一味降低杠杆，而是在景气上行期保持资本纪律，为价格回落和投资回收预留空间。

汽车、电力设备与国防军工：资本开支型产业中的稳健样本

汽车行业有6家公司进入百强，电力设备行业4家，国防军工行业3家，三大板块合计13家。苏州固锝获得AAA评级，盘古智能、金时科技、瑞泰新材、金麒麟、雷迪克、跃岭股份、绿通科技、溯联股份、智慧农业、鸿远电子、振华风光和国科军工获得AA评级。

这些企业覆盖汽车零部件、轮胎、智能装备、电池材料、电子元件和军工电子等多个领域。相关行业通常需要持续研发、固定资产投入和供应链备货，资本结构是否稳健，直接影响企业能否在订单波动和技术迭代中保持投入能力。

能够进入百强，说明这些企业在所属行业中形成了相对更合理的资本负担和资金安排。但新能源、汽车和军工产业的项目周期、客户结构和资本开支差异较大，投资者仍需结合现金流、应收账款、存货和盈利兑现观察其财务安全边界。

资本结构优势为扩张提供基础，却不能替代需求判断。企业如果把较好的财务基础用于过度扩产或高溢价并购，同样可能重新积累风险。

主板占六成以上：成熟经营与成长企业共同入选

本次百强中，沪深主板公司合计62家，创业板和科创板公司合计38家。与发展能力榜中成长板块占据多数不同，资本结构榜重新呈现出主板占优的特征。

主板企业经营历史通常更长，融资渠道和资本积累相对成熟，更容易在资本来源、债务负担和资产投入之间形成稳定安排；创业板和科创板企业则集中在医药、电子、计算机和高端装备等行业，一批公司依靠较轻的资本负担和较强的技术壁垒进入前列。

这一分布说明，资本结构评价既能识别成熟企业的财务稳定性，也能识别成长企业的资本灵活性。但无论处在哪个板块，资本结构都必须与业务模式相匹配，不能脱离盈利、现金流和发展阶段单独判断。

为什么资本结构好，不等于负债越低越好

资本结构回答的是“企业用什么资本支撑资产和经营、这种安排是否稳定”，偿债能力回答的是“企业能否按期偿付债务”。二者相关，但并不相同。企业可以负债不高，却因为资本使用效率低、权益融资过度稀释或资产回报不足而缺乏资本结构优势；也可以保持一定杠杆，但依靠稳定现金流和较低资金成本维持良好结构。

对于轻资产医药、软件和服务企业，较低资本负担往往有利于保持灵活性；对于制造、材料和交通企业，适度负债可能是产能建设和长期资产配置的正常需要。判断资本结构不能脱离行业属性、资产有形性、投资周期和现金流模式。

本次百强全部达到AA及以上，说明这些企业在所属行业中的资本配置和财务稳定性处于明显领先位置。但百强内部的形成路径并不相同：有的依靠长期经营积累，有的保持较低财务负担，有的通过稳定现金流支撑适度杠杆，有的则在扩张阶段仍保持较强资本纪律。

从融资扩张走向资本效率竞争

过去，资本市场更容易把融资能力和资产扩张等同于企业实力。但随着行业竞争加剧、融资环境趋于审慎，市场越来越关注资本从哪里来、成本有多高、投向哪里、能否形成持续回报。

真正健康的资本结构，不是机械追求零负债，而是在经营安全、资本成本和发展需求之间找到平衡：既不给短期现金流施加过度压力，也不让大量低效率资本长期沉淀；既能支撑必要投资，也能为周期变化保留余地。

因此，《A股资本结构百强榜》的意义，不只是寻找负债率最低的公司，更在于识别哪些企业的资本来源与经营模式更加匹配，哪些扩张建立在可承受的财务基础之上，哪些公司拥有更大的战略调整空间。

未来，资本市场对企业财务结构的判断将更加严格。只有当资本结构与盈利、现金流、偿债能力、资产质量和发展能力形成闭环，融资才可能真正转化为长期竞争力。

真正值得长期认可的上市公司，不只是能够获得资本，更要能够管理资本；不只是能够把资产做大，更要让资本成本、经营回报和风险承受能力保持长期平衡。

A股资本结构前100名

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站

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

8月14日A股呈现指数震荡平稳、个股严重分化格局，沪指窄幅震荡收盘基本持平，深成指小幅收红，宽基指数无系统性大跌，但短线题材生态持续走弱。市场进入存量博弈阶段，增量资金不足，前期持续炒作的高位题材股迎来集中止盈。

从资金行为看，短线游资加速从纯题材炒作标的撤离，高低切换进一步深化：具备稳定中报预期、估值合理的低位蓝筹、红利板块资金承接较强；缺乏业绩兑现、仅依靠题材催化的高位个股抛压凸显。连板梯队快速萎缩，题材炒作热度持续降温，当日多只前期人气标的封死跌停，属于情绪退潮下的获利盘集中出逃。成交层面两市总量维持万亿级别，但内部结构分化明显，资金主动规避高估值题材，向估值与基本面匹配的方向迁移，估值回归成为当前结构性主线。

板块维度，传统红利、部分消费细分抗跌性突出；前期资金抱团的题材概念股持续回调。全市场赚钱效应集中在低位价值方向，高位题材股亏钱效应放大，纯情绪博弈的交易风险显著上升。

二、首次跌停板的风险提示

1. 锦和商管（603682）：题材热度退潮，高位跌停回调

锦和商管主营城市老旧物业改造、商业运营管理，依托题材催化短期股价快速拉升，堆积大量短线获利盘。8月14日资金集中止盈，股价封死跌停，题材炒作行情迎来大幅回撤。

风险提示：该股济安定价偏离度高达75.03%，当前股价大幅高于内在合理估值。本轮上涨核心由题材情绪推动，并非基本面出现实质性改善。当日跌停说明短线资金集中出逃，短期抛压较重，估值存在较强回归需求。不建议因单日大幅下跌盲目抄底博弈反弹，保持观望。 

2. 德龙汇能（000593）：短线炒作降温，股价跌停回落

德龙汇能主营天然气供应、能源综合服务，前期受题材驱动股价持续走强，积累丰厚短线浮盈筹码。8月14日短线资金集中离场，股价跌停，高位回调开启。

风险提示：该股济安定价偏离度56.68%，股价显著高于合理定价区间。近五个交易日依旧录得上涨，盘面仍留存大量等待兑现的获利筹码。本次跌停标志短线炒作热度快速降温，后续获利盘持续抛售风险不可忽视，谨慎参与，规避左侧抄底风险。

三、市场总结与投资建议

8月14日市场清晰展现出“指数稳、题材崩”的结构性特征，宽基指数不存在系统性下行风险，但短线题材炒作退潮趋势明确。锦和商管、德龙汇能两只跌停个股拥有共性特征：股价上涨依靠题材预期驱动，业绩难以支撑当前股价，估值相对济安合理定价严重偏高。

在存量资金博弈、中报业绩验证窗口叠加情绪退潮三重环境下，一旦市场投机意愿减弱，前期积累的大量浮盈筹码会集中兑现，直接催生跌停行情，本质是市场对脱离基本面的纯情绪炒作进行估值纠错。后续若无实质利好催化，估值严重高估、缺乏业绩支撑的题材个股仍会持续消化估值。

短期应当主动规避单纯依靠题材驱动、估值大幅偏离合理中枢的高位个股，减少高风险短线博弈；选股坚持业绩确定性与估值相匹配的标准，优先布局低位、中报业绩稳健的价值板块，对于跌停题材股保持高度谨慎，切勿左侧抄底，需等待企业基本面实质改善、估值回归合理区间后再评估机会，同时主动压降短线题材仓位，做好均衡配置，严控账户回撤风险。

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站

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

8月14日A股呈现震荡分化格局，资金高低切换持续演绎，上证指数窄幅震荡微涨0.01%，深证成指收涨0.45%，创业板指盘中反复拉锯，市场做多意愿出现明显分歧。两市合计成交2.14万亿元，较前一交易日有所缩量，市场涨跌家数均衡，题材轮动速度加快。高位题材博弈情绪升温，低位低估板块持续得到资金布局。

盘面上汽车电子、建筑装饰、新能源热管理、新材料板块多点开花，多只长期底部个股迎来首板启动；连板个股内部分化加剧，部分标的依托题材情绪持续冲高，估值溢价快速放大。市场资金选股思路清晰，一边布局估值显著低于合理定价、处于底部区间的修复标的；另一边短线资金博弈连板人气股，但高位标的透支预期的风险持续累积。资金持续规避估值泡沫严重、缺乏基本面支撑的纯炒作个股，结构性行情进一步凸显。

二、首次涨停板的投资机会

1. 索菱股份（002766）：汽车电子+智能座舱标的，深度低估，底部估值修复

公司主营智能舱驾、智能网联终端产品，布局车联网、V2X、商用车智能化业务，面向国内外车企提供配套硬件与解决方案，汽车智能化产业长期景气。8月14日该股首次涨停，股价长期底部震荡，资金集中进场开启底部反弹行情。

机会提示：该股深度低估，偏离度-55.54%，安全边际充足，前期无大规模爆炒。受益汽车智能化、商用车网联化发展趋势，首板突破底部震荡区间，估值修复逻辑具备持续性，适合低位持续跟踪。

2. 郑中设计（002811）：高端室内设计龙头，建筑装饰低估标的，底部反转

公司为全球知名高端室内设计企业，深耕酒店、商业综合体、高端住宅设计与软装全产业链，具备甲级设计资质，品牌壁垒突出，受益文旅、商业地产复苏预期。8月14日迎来首板涨停，股价充分调整后底部资金持续布局。

机会提示：估值处于明显洼地，偏离度-48.93%。商业消费回暖带动高端装修需求改善，前期股价持续调整，风险充分释放，首板确认底部拐点，上涨性价比突出，可重点跟踪布局。

3. 康盛股份（002418）：家电制冷管路龙头，布局液冷热管理、新能源赛道

公司传统家电制冷管路业务行业地位稳固，客户覆盖头部家电企业；积极拓展AI液冷温控、新能源汽车零部件、高端铜合金材料，充分受益算力基础设施与新能源产业扩张。8月14日首板涨停，底部启动信号明确。

机会提示：个股估值显著低估，传统业务提供稳定现金流，液冷、新能源业务打开长期成长空间。股价长期处于低位，首板吸引资金回流，估值修复空间充足，适合逢分歧关注。 

三、连续涨停板的风险提示

1. 海洋王（002724）：专业防爆照明龙头，短期情绪推升，估值大幅溢价

公司主营特殊环境专业照明设备，产品应用于核电、工矿、文旅场馆、智慧城市等领域，细分赛道具备竞争力。8月14日收获2连板，短期资金集中炒作，股价大幅脱离合理价值区间。

风险提示：估值大幅溢价68.78%，短期行情依靠题材与人气驱动，短期累计涨幅较快，透支部分预期。游资短线兑现压力逐步加大，高位追涨风险较高，场外谨慎观望，持仓者逢高逐步减仓。 

2. 天洋新材（603330）：热熔新材料厂商，光伏胶膜+电子胶概念，溢价持续走高

公司主营环保热熔粘接材料、光伏封装胶膜、半导体电子胶，切入汽车电子、光模块、储能导热材料赛道，进口替代空间广阔。8月14日收获3连板，短期持续强势拉升。

风险提示：估值显著溢价41.08%，近五日涨幅超40%，短期上涨速度较快。虽然新材料赛道具备中长期逻辑，但短期股价涨幅已经提前反映乐观预期，板块一旦出现分歧，回撤风险加大。仅适合极轻仓短线博弈，严格设置止损，不适合中长期追高。 

四、市场总结与投资建议

8月14日A股震荡分化，市场成交有所萎缩，资金继续执行高低切换策略。低位深度低估首板标的集中在汽车电子、建筑装饰、新能源热管理赛道，索菱股份、郑中设计、康盛股份经过长期调整，估值错杀明显，行业基本面存在修复预期，安全性更高。

连板个股呈现明显分化：海洋王、天洋新材短期连续拉升，估值大幅溢价，虽然具备产业题材支撑，但短期涨幅透支预期，博弈风险上升。

操作层面，主线优先布局低位低估首板修复方向，聚焦底部反转、具备真实产业逻辑的标的。对于连续涨停的人气个股，仅可极轻仓参与博弈，严格控制仓位；坚决回避纯情绪炒作、无基本面支撑的高位个股。整体保持均衡仓位，高位题材逢高分批止盈，耐心等待低位优质标的分歧机会，防范题材集体退潮带来的短期回撤风险。

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站

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

A股市场长期存在的波动失序、信息失真、企业暴雷频发等问题，核心症结并非仅是二级市场交易制度缺陷，而是跨部门多主体监管协同失效引发的系统性博弈失衡。本文以不完全信息动态博弈、多重纳什均衡理论为分析框架，厘清A股市场治理的双层矛盾，辨析注册制、T+0、涨跌停、做空工具等交易规则的边界作用，拆解地方政府、中介机构、财税监管部门与证券监管主体的博弈困境，阐释上市公司、机构投资者、监管部门以及散户、庄家等市场主体的策略交互逻辑。研究发现，交易制度仅能优化市场交易效率与价格波动，属于市场运行的“放大器”；而外部多主体监管协同水平决定了市场基础信息质量，是市场治理的“源头核心”。当前A股长期处于灰色博弈均衡的稳态，根源在于条块分割的监管格局引发道德风险与逆向选择，造假违法期望成本偏低。基于此，本文从压实中介责任、打通数据壁垒、强化属地监管、优化监管威慑等维度，提出推动市场从灰色均衡向良性均衡跃迁的改革路径，为A股市场高质量治理提供理论支撑与实践参考。

关键词：A股治理；不完全信息博弈；多重均衡；监管协同；信息披露；道德风险

一、引言

资本市场是服务实体经济、优化资源配置、保障居民财富管理的核心枢纽，其规范化、市场化、法治化发展是中国金融体系高质量发展的关键支撑。长期以来，市场舆论对A股市场问题的认知多聚焦于二级市场交易规则，普遍认为T+1交易机制、涨跌幅限制、做空工具不足、注册制落地不彻底等制度设计，是市场暴涨暴跌、炒作盛行、估值失真的核心诱因，并呼吁通过全面放开交易限制、照搬海外成熟市场交易规则破解市场痛点。

但从市场运行现实与深层治理逻辑来看，单纯优化交易制度无法根治A股的结构性顽疾。海外成熟市场普遍采用T+0交易、无涨跌幅限制、完善做空机制，却依然存在上市公司财务造假、市值暴雷等问题，充分说明交易规则仅作用于二级市场价格形成与交易效率，无法解决市场最核心的信息失真问题。A股市场的底层风险并非交易端的机制缺陷，而是源于证券监管体系之外的多主体监管链条失效，地方政府、会计师事务所、律师事务所、税务、市场监管等主体的策略博弈，持续影响市场基础信息质量，引发道德风险与逆向选择，最终导致市场治理失衡。

本文基于博弈论核心范式，构建A股市场多主体不完全信息动态博弈模型，区分二级市场交易层与源头监管层的双层治理逻辑，剖析各参与主体的效用函数与策略选择，阐释市场多重均衡的形成机制，打破“交易制度万能论”的认知误区，厘清A股治理的主次矛盾，并针对性提出系统性改革路径，为资本市场长效治理提供全新的理论分析框架。

二、理论基础与核心认知：交易制度的功能边界与治理误区

（一）二级市场交易制度的核心功能

注册制、T+0交易、涨跌停板、做空工具等交易规则，均属于二级市场交易层面的制度设计，核心作用是优化价格形成机制、提升交易流动性、平滑市场波动、完善多空博弈体系，直接影响市场交易效率与波动幅度，但不具备根治市场源头风险的功能。

注册制的核心改革逻辑是将上市审核重心从行政门槛管控转向信息披露管控，本质是发行端市场化改革，其落地效果完全依赖中介机构的“看门人”履职能力。若会计师、律师等中介机构流于形式、履职不实，注册制仅能实现“宽松放行”，让大量包装造假的企业进入市场，无法提升上市公司整体质量。T+0交易与取消涨跌停限制，可提升日内交易纠错能力、改善市场流动性，但无法穿透上市公司底层经营数据，不能识别财务造假、虚假披露等违法行为。做空机制理论上可充当市场纠错工具，通过挖掘错误定价倒逼市场归真，但该机制生效的前提是市场基础信息可核查、可追溯，面对企业系统性伪造票据、流水、税务资料的造假行为，做空机构同样难以低成本取证，无法发挥纠错效能。

（二）核心治理误区：混淆表层波动风险与源头信息风险

当前市场治理的核心认知偏差，是将二级市场的表层波动风险等同于市场底层的系统性风险，过度放大交易制度的治理作用。事实上，A股市场存在两层完全独立的风险体系：第一层是二级市场交易风险，包括价格波动、题材炒作、流动性失衡等，可通过优化交易制度、完善交易规则实现有效缓解；第二层是源头信息风险，包括业务造假、财税失真、鉴证失效、信息披露虚假等，是市场最核心、最致命的风险，无法通过交易制度优化解决。

交易制度的本质是“信号放大器”，只能对市场已有的基础信息进行定价与博弈。若上市公司财报、纳税记录、工商信息、业务流水等原始信息本身存在失真，无论采用何种国际化交易规则，最终只会让虚假信息主导市场定价，滋生持续的市场乱象。因此，A股治理的核心矛盾不在于交易规则的完善程度，而在于市场外部监管链条能否保障基础信息的真实性、完整性、可追溯性。

信息失真的市场环境同时也扭曲了价值投资的实践基础。价值投资的底层逻辑是依托真实、可验证的企业经营数据，估算企业内在价值，在价格显著偏离内在价值时开展投资决策。价值投资成立有两个前置条件：一是财报、经营、税务等基础信息能够客观反映企业真实价值；二是市场违规行为得到有效约束，炒作操纵不会长期主导定价。当源头信息风险持续存在，大量企业经营数据失真，内在价值便失去可靠锚点，即便专业机构也难以区分企业是真成长还是报表包装，此时价值投资会面临 “估值失效” 困境。单纯依靠交易制度改革，无法修复价值投资赖以生存的信息地基。

三、A股市场多主体博弈框架与治理困境

A股市场的信息失真与治理失衡，本质是条块分割监管体系下的不完全信息非合作博弈结果。证监会、交易所仅拥有证券领域监管执法权，而上市公司造假链条涉及的上下游企业、空壳主体、财税数据、工商登记等关键要素，归属于地方政府、税务、市场监管等多部门管辖，各主体效用目标差异显著、协同机制不足，形成监管真空与博弈困境。

（一）外部监管主体的博弈冲突与履职困境

第一，地方政府的目标冲突与属地保护倾向。地方政府的核心效用函数聚焦于属地IPO数量、GDP增长、税收规模与就业稳定，上市公司作为地方优质资产，是地方政绩考核的重要支撑。基于该目标导向，部分地方政府存在隐性激励企业IPO、庇护属地上市公司的策略倾向，在企业出现财务造假、违规经营问题时，优先考虑地方经济稳定，弱化线索移送、协同调查的动力。上市公司造假涉及的本地供应商、过桥空壳企业等非证券监管主体，难以被有效追责，导致造假成本无法真正落地，道德风险持续累积。

第二，中介机构的利益冲突与形式化履职。会计师事务所、律师事务所是资本市场的第一道鉴证防线，但存在天然的履职缺陷。审计费用、法律服务费用由上市公司管理层支付，中介机构的核心效用是保障业务收入与市场份额，同时承担有限的监管处罚风险。在行业低价竞争、总分所质控弱化的背景下，多数中介机构倾向于选择形式化履职，仅完成程序合规审查，不做实质业务穿透，对异常财务信号、虚假材料“睁一只眼闭一只眼”，甚至主动协助企业美化报表、规避合规风险。同时，中介机构无法独立调取银行流水、税务凭证、工商档案等底层数据，单靠自身履职难以穿透完整造假链条。

第三，财税与市场监管部门的数据壁垒。上市公司经营真实性的核心底层数据，包括纳税记录、发票流水、社保信息、股权登记、关联企业备案等，均由税务、市场监管部门掌控，是遏制财务造假的核心屏障。但当前证券监管部门缺乏直接、完整的底层数据调阅权限，高度依赖跨部门数据共享与执法联动。数据壁垒的存在，让企业可通过虚开发票、虚构纳税流水、包装工商资料等方式系统性造假，证券监管事后核查取证难度极大，大幅降低了造假行为的被查处概率。

（二）市场交易主体的策略交互博弈逻辑

在外部监管协同不足、信息失真常态化的背景下，上市公司、机构投资者、散户、庄家等市场交易主体形成动态博弈体系，进一步放大市场治理乱象，形成多重市场稳态。

上市公司作为信息优势方，拥有真实经营状况、隐性风险的私有信息，效用目标聚焦于融资规模与市值最大化。在造假期望收益高于违法成本的前提下，上市公司普遍存在盈余管理、选择性信息披露甚至系统性财务造假的道德风险，通过释放虚假利好信号伪装成优质企业，实现高位融资、减持套现。

机构投资者作为市场主力，效用目标是投资组合收益与短期业绩排名。理论上机构是市场价值投资的主要践行者，承担发掘真实价值、矫正市场定价偏差的职能，但价值投资策略对信息质量、时间周期都有很高要求。在信息不对称格局下，机构存在两种策略选择：一是投入高额成本深度尽调，识别虚假信息、回避问题企业，坚守价值投资，等待市场回归理性；但该策略成本高昂、兑现周期漫长，若市场炒作盛行、造假企业持续获得高估值，坚持价值投资会出现阶段性跑输市场，面临产品赎回、排名下滑的压力。二是顺应市场乱象，博弈财报预期差、参与题材炒作，甚至与上市公司合谋进行市值管理、内幕交易，博取短期收益。而基金经理短期排名的考核机制，进一步驱动机构行为短期化，压制价值投资生存空间，弱化市场价值定价功能。

散户与庄家的博弈则呈现典型的多人囚徒困境。庄家凭借资金、信息优势，通过吸筹、拉升、对倒、出货等操作操纵股价，制造市场热点；散户因信息劣势、理性程度不足，普遍存在追涨杀跌行为，个体最优的跟风策略最终演变为群体集体被套，形成局部零和博弈、整体市场双输的格局。

四、多重纳什均衡：A股市场的稳态特征与形成机理

基于多主体策略交互与监管博弈的差异，A股市场在统一的制度文本框架下，形成三种截然不同的纳什均衡稳态，市场治理效果完全取决于各主体的策略选择与协同效率。

（一）良性均衡：理想治理稳态

该均衡成立的核心条件是多主体监管协同到位、违法成本足够高。地方政府破除属地保护、严格配合监管核查；中介机构保持执业独立性，真实履行鉴证职责；财税、市场监管数据全面打通，底层信息可穿透核查；证券监管保持高强度威慑，从严打击造假与违规行为。在此格局下，上市公司造假的期望收益为负，普遍选择合规披露、规范经营；价值投资具备稳定的实践土壤，机构投资者回归基本面价值投资，充当市场风险甄别防线；市场股价围绕基本面波动，融资功能服务实体经济，风险多为企业经营个体风险，无系统性信心危机，市场稳定性最强。

（二）灰色均衡：当前市场主流稳态

这是A股长期运行的核心稳态，呈现“整体可控、局部失真”的特征。监管层面实行中性治理，严厉打击证据确凿的重大恶性造假案件，但受限于稽查资源不足、跨部门协同摩擦，无法根除灰色地带的盈余管理、选择性披露、轻度市值操纵等违规行为。上市公司普遍游走于合规边界，以轻度美化、选择性信息披露替代恶性造假；机构兼顾基本面投资与题材博弈，容忍市场灰色乱象；散户追涨杀跌、跟风炒作常态化。该稳态下市场具备基本运行功能，但结构性暴涨暴跌、业绩暴雷持续存在，逆向选择压力常态化。价值投资可以获得阶段性成功，但时常遭遇 “劣币驱逐良币”，坚守价值的机构会面临阶段性相对收益压力；题材博弈与价值投资并行共存，合规经营企业短期估值承压，市场资源配置效率受损。

（三）劣性均衡：市场失稳高危稳态

当监管威慑不足、跨部门协同失效、造假成本极低时，市场会陷入劣币驱逐良币的失稳均衡。上市公司财务造假、利益输送、内幕交易泛滥，合规经营企业因估值劣势被市场挤压；机构价值投资策略持续亏损，被迫转向炒作、合谋；庄家操纵市场行为横行，散户大面积亏损。此时市场估值体系彻底紊乱，造假风险批量爆发，投资者信心崩塌，融资功能退化，微小外部冲击即可引发全市场震荡，系统性金融风险隐患突出。价值投资策略基本失效，依靠基本面分析无法抵御系统性造假与操纵，市场参与者只能转向博弈、投机求生。

多重均衡的博弈逻辑表明，制度文本的完善不代表治理效能的落地，静态的规则条款无法改变主体动态策略选择。A股市场治理的核心难点，并非交易制度的国际化对标，而是如何通过机制设计，打破灰色均衡、规避劣性均衡，推动市场向良性均衡跃迁。

五、基于博弈均衡优化的A股市场改革路径

根据多主体博弈逻辑与多重均衡形成机理，A股市场治理需摒弃“重交易、轻源头”的改革思路，以重塑主体收益成本结构、强化跨部门协同、抬高违法期望成本为核心，构建源头治理、过程管控、后端惩戒的全链条治理体系。

（一）重塑中介履职机制，破解利益冲突困境

针对会计师、律师事务所“付费即背书”的履职乱象，彻底优化中介执业利益格局，改变上市公司付费购买鉴证服务的固有模式。强化财政部与证监会联合监管机制，压实中介机构质控主体责任，加大对形式化审计、虚假鉴证的处罚力度，将执业过错与机构评级、业务资质、个人执业资格终身挂钩。建立中介执业随机抽查、反向追责机制，对协助企业造假的机构及个人实行全链条惩戒，大幅提升违规执业成本，倒逼中介回归“看门人”本源。

（二）打通跨部门数据壁垒，实现源头信息穿透

构建证券监管与税务、市场监管、人社、公安等部门的常态化数据共享平台，全面打通发票流水、纳税记录、工商登记、股权变更、社保缴纳等底层数据，赋予证券监管部门完整、实时的底层数据调阅权限。依托大数据技术构建上市公司信息真实性核验体系，实现对企业营收、利润、关联交易、上下游业务的穿透式核查，从源头遏制造假空间，解决证券监管取证难、核查难的核心痛点，彻底消除信息不对称的底层土壤。

（三）压实地方属地责任，破除地方保护博弈壁垒

弱化地方政府IPO数量、上市企业规模的政绩考核导向，严格落实国务院相关规定，禁止地方以财政奖励、政策扶持为条件助推企业上市。建立跨部门线索移送、联合核查、协同惩戒机制，明确地方政府、属地监管部门的协同履职责任，对包庇上市公司造假、拖延线索移送、拒绝配合核查的地区与主体实行追责问责。强化造假全链条追责，不仅处罚上市公司，更要从严追责协助造假的上下游企业、空壳主体及属地监管失职人员，彻底抬高造假整体期望成本。

（四）优化监管威慑体系，引导市场主体合规博弈

秉持“严监管、稳市场”的治理原则，平衡监管威慑与市场活力，构建精准化、常态化的监管体系。加大对财务造假、信息披露违规、市值操纵、内幕交易的稽查频次与惩戒力度，实现“轻微违规可包容、恶性造假零容忍”。完善退市制度、投资者集体诉讼制度，简化投资者维权流程，提升造假企业退市效率与投资者追偿效率。通过改变主体收益成本函数，让造假、合谋、操纵的期望收益持续为负，引导上市公司合规经营、机构理性投资、市场规范交易，推动市场从灰色均衡向良性均衡持续跃迁。

（五）理性优化交易制度，发挥配套改良效能

摒弃“交易制度万能”的改革误区，将T+0、涨跌停、做空机制等交易规则优化作为配套改良手段，而非核心治理抓手。在夯实源头信息质量、完善监管协同体系的基础上，循序渐进优化二级市场交易机制，提升市场流动性与定价效率，发挥交易制度的辅助优化作用，实现源头治理与交易优化的协同发力，构建规范、透明、高效、稳定的资本市场生态。

（六）培育价值投资生态，完善长期资本激励约束机制

资本市场良性均衡的落地，不仅依靠监管惩戒，同样需要培育与高质量市场相匹配的投资者生态。价值投资不是简单依靠投资者教育完成，而是一套制度约束下的产物。一方面，优化机构考核评价体系，适度弱化短期净值排名、季度考核压力，鼓励公募、社保、保险等长期资金拉长考核周期，降低短期业绩压力对价值投资的约束；另一方面，完善长期资金入市配套制度，引导机构将研究重心回归企业基本面、内在价值研判。同时加强投资者理性引导，帮助市场区分企业真实内在价值与题材概念炒作，减少散户跟风投机行为。当真实经营能够反映在股价之中，价值投资可以获得可持续的风险调整后收益，市场便会形成 “好企业获得合理估值、长期资本分享实体经济成长” 正向反馈闭环。

六、结论

A股市场治理的核心矛盾，是外部多主体监管协同失效引发的源头信息失真，而非二级市场交易制度缺陷。注册制、T+0、涨跌停、做空工具等交易规则仅能优化市场交易效率与波动形态，无法解决财务造假、信息欺诈、逆向选择等底层系统性问题。地方政府的属地保护倾向、中介机构的履职利益冲突、跨部门的数据与监管壁垒，共同构成了市场信息失真的核心诱因，催生了A股长期存在的灰色博弈均衡。

资本市场的高质量发展，核心不在于照搬海外交易制度，而在于重构多主体博弈格局、完善跨部门协同监管体系、抬高违法违规期望成本。通过重塑中介履职机制、打通底层数据壁垒、压实地方属地责任、强化精准监管威慑，可有效破解道德风险与逆向选择问题，提升市场基础信息质量，修复价值投资赖以生存的信息基础，让基本面定价机制有效运转，推动市场实现从灰色失稳向良性稳态的均衡跳转。未来 A 股改革需坚守 “源头治理为本、交易优化为辅” 的核心逻辑，构建权责清晰、协同高效、惩戒有力的现代化监管治理体系，真正发挥资本市场服务实体经济、优化资源配置、保护投资者权益的核心功能。 

参考文献

[1] 田婧倩,刘晓星.媒体舆情、政府监管与市场行为——基于信息博弈的结构性视角[J].计量经济学报,2020.

[2] 郑彧.证券市场零和博弈与监管有效性的法经济学分析[J].中国法学网,2011.

[3] 田云绯.股价挂钩型对赌协议危害公共利益[N].人民法院报,2025.

[4] 关婧.多维协同严监管 筑牢资本市场公平交易防线[J].中国经济网,2026.

[5] 证监会.监管织密打假“防护网” 财务造假惩防格局加速构建[R].山西监管局,2026.

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站

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

文｜多空象限，作者 | 刘日斤

李嘉诚儿子李泽楷，在内地投了一家保险中介公司。

2026年8月，隽天保险经纪（上海）有限责任公司的股东名单里，新增了一家名为“富卫财务策划有限公司”的港资企业，持股比例为20%。

表面上看，这不过是内地保险中介市场上常见的一笔参股交易。然而，富卫财务策划背后的母公司，正是李泽楷创立的泛亚洲保险巨头——富卫集团。

李泽楷号称“小超人”，他是当年轰动全港的电讯大亨，也是横跨东南亚的保险巨头。根据2026年福布斯富豪榜数据，李泽楷现身家59亿美元，福布斯富豪榜全球排588，香港排17名。

如今，李泽楷这次入股隽天背后，究竟藏着什么算盘？“小超人”李泽楷坐拥多大的资本版图？

“小超人”拿下20%股权

在内地金融监管日趋严格、中介牌照发放急剧收紧的背景下，想要从零开始拿到一张覆盖全国的保险经纪牌照，难度可谓不小。

成立于2012年的隽天保险经纪，恰恰手握中国银保监会颁发的全国性保险经纪牌照，在内地拥有成熟的销售网络与渠道积累。富卫此时以20%的比例入股，拿捏得微妙且精准。

这一次，李泽楷巧借通道规避门槛。要知道，外资保险机构若想直接在内地申请中介牌照或设立分支机构，不仅审批周期漫长，还面临着极高的资本金要求与合规成本。参股20%既不触碰外资控股的红线，又能迅速获得合法合规的业务接入通道，属于典型的“轻资产、低风险”探路。

更深层的考量在于，香港本土的保险红利逐渐递减，保障自己的业务优势成为重点。

过去几年，香港保险市场火爆，内地中产和高净值人群赴港买保单、做资产隔离和跨国配置，资本大吃这些红利。但随着监管政策的日益规范，香港本地获客成本变高，单纯依靠客户赴港办业务已经遇到瓶颈。

富卫必须将阵地前移，缩短与内地客户的触达路径，联动内地与香港业务。

隽天的优势在于，其遍布内地的线下经纪人团队与客户资源；而富卫的优势在于，港险产品的研发与全球资产配置能力。20%的股权不仅是一笔财务投资，更是一张内地业务通行证，让富卫能在第一线感知内地消费者的理财诉求。

李泽楷这一步布局很精明，这也是他将香港金融经验与内地市场接轨的一次破局尝试。

如果要挑选一个最能代表李泽楷的商业作品，非富卫集团莫属。

2013年，李泽楷执掌的盈科拓展集团（PCG）斥资21亿美元，从荷兰国际集团（ING）手中买下了其位于香港、澳门及泰国的保险业务，并正式更名为“富卫集团”。这正是典型的李氏并购法——抄底成熟资产，注入科技与营销基因，重新打包再出发。

在这之后的十余年间，富卫上演了一场东南亚买买买扩张并购秀。

2015年印尼的PT Finansial、2016年越南的大东方人寿、2017年日本的AIG富士生命保险公司...通通收下。在2019年，还以3亿美元吞下泰国汇商银行旗下的寿险业务，创下了东南亚寿险业史上最大的并购纪录。随后，富卫又接连将汇丰保险在新加坡的业务、印尼人民银行寿险的股权等收入囊中。

通过一系列眼花缭乱的大手笔并购，富卫的版图迅速扩张至香港、澳门、泰国、印尼、菲律宾、越南、日本等10个亚洲市场。富卫的年化新保费也一路增长突破19亿美元，总加权保费收入为66.32亿美元。

对李泽楷而言，保险业务最大的魅力是背后源源不断的保费浮存金。这些低成本、长周期的资金，就像是一个资本蓄水池，为他玩转资本杠杆提供了坚实的底牌。

为了进一步完善保险生态，李泽楷还孵化出了保险科技独角兽Bolttech，将保险分销生态云端化，与富卫的实体网络形成了“线上+线下”的搭配。

然而，这座保险帝国的资本化之路却跌宕起伏。

在2021年，富卫递交招股书要冲刺美股，申请融资近30亿美元。但受美股中概风波与监管环境剧变影响，赴美上市计划被迫搁浅。

随后富卫转向港交所，又经历了两次材料失效的波折，终于在2025年7月成功在港交所主板挂牌敲钟，完成了长达数年的IPO执念。

上市后的富卫集团，成了一座体量庞大的造血机器。

业务模式上，不同于其他险企的传统流程，富卫用科技赋能、年轻化打出差异化，集团依赖数字化工具，强打线上便捷投保与科技理财，深受东南亚和香港年轻一代客户的追捧。

股权结构上，李泽楷及其关联实体拥有绝对控制权，持股超过六成；瑞士再保险集团、新加坡政府投资公司、内地的厚朴投资等资本也都重仓入局。

可以说，富卫就是李泽楷现阶段商业生涯的抓手。它不仅为李泽楷的其他产业提供稳固的现金流，更成为了他撬动亚洲资本的杠杆。

“小超人”的商业版图

在过去30年间，李泽楷打造了庞大的商业帝国。

早在1990年，李泽楷从斯坦福大学计算机工程系毕业后，获得父亲李嘉诚支持，投资1.25亿美元创办卫星电视，并顺利获得香港卫视牌照。仅仅三年时间，卫视便覆盖了亚洲50多个国家和地区，观众数目达到了2.2亿人。

1993年，李泽楷将卫视以9.5亿美元的高价卖给了默多克的新闻集团，净赚7倍多，让他赚到了人生第一桶金。

随后拿着这笔钱，李泽楷在1993年顺势组建了盈科拓展集团，开始在亚太地区掀起风浪。进入网络时代的90年代末，李泽楷迎来了他人生中最具戏剧性、也最受争议的时刻。

1998年他向港府提出“数码港计划”，试图将香港打造为科技中心。借着数码港的概念，他旗下公司借壳上市，一跃成为市值千亿的电讯盈科。

2000年，年仅34岁的李泽楷发动了亚洲历史上著名的杠杆收购，以高估值的盈科动力股票加上130亿美元银行贷款，以“蛇吞象”之姿收购了百年历史的香港电讯。

这笔交易虽然让他成为科技新贵，但紧随其后的互联网泡沫破裂，公司股价暴跌，市值蒸发超过百亿港元。李泽楷为了弥补损失，随即甩卖掉了电讯盈科手中持有的腾讯20%股权，这也让他错失了后来的泼天财富。

2010年，李泽楷再次精准出手，以5亿美元接盘了AIG旗下的资产管理业务，并将其改名为柏瑞投资。到了2024年底，李泽楷又将柏瑞投资以12亿美元出售给大都会人寿，但保留了内地的私募股权基金，以及与华泰证券的合资业务，在锁定重磅套现利润的同时，依然紧紧抓住了内地的流量红利。

到了2020年代，李泽楷更是玩转了美股SPAC潮（特殊目的收购公司），与亿万富翁彼得·蒂尔深度合作成立Bridgetown系列公司，继续在东南亚科技和资本市场寻找猎物。

此后十余年，他将绝大部分精力投入到了富卫的亚洲并购与资本化运作中，顺带利用电讯盈科旗下的ViuTV等媒体业务，构建起了包含电讯、媒体、保险、资产管理的资本版图。

直到2025年富卫集团成功上市，李泽楷的金融版图终于完成了最关键的一块拼图。

根据2026年福布斯富豪榜的数据显示，李泽楷现身家59亿美元，福布斯富豪榜全球排588，香港排17名。

他用这一套资本组合拳，让自己在财富榜上有了一席之地。

纵观李泽楷这三十年的商业轨迹，他走出了一条与父亲截然不同的道路。

如果说李嘉诚构建的是以房地产、港口、能源等重资产为基石的实业王国，那么李泽楷则凭借对资本市场敏锐度，打造了一个融合科技、资管与保险的轻资产杠杆帝国。

此次入股隽天保险经纪，表面看是一次投资，实际上是李泽楷将港台及东南亚金融资源，与内地市场接轨的试水。

“小超人”能否凭借富卫，分到内地保险市场的蛋糕？下半场才刚刚拉开序幕。

参考文章：

《李泽楷，联手深圳千亿PE》，投资界

《李泽楷投入最多精力的事业，正在冲刺IPO》，华尔街见闻

《港股“跳楼机”？ 1个月，富卫集团快要跌回发行价》，凤凰网财经

《李泽楷“保险帝国”终叩门：十年四闯IPO，从21亿并购到60亿目标估值》，财经杂志

《李泽楷，要卖掉管理1万亿资产的公司》，投中界

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

最近一个季度，外界对联想乃至对联想服务器、PC业务的讨论，大多集中在一个问题上，它史无前例营收和净利润的提升，归功于AI业务的拉动。

外界非常热衷于看到这一点。与Palantir这类软件公司，联想并没有很就受到AI热的追捧，也不像英伟达这种更上游的芯片层公司，一开始就因为AI需求而赚得盆满钵满。

联想当前动态PE约22倍，而Palantir超过80倍，英伟达约45倍。即使考虑到业务结构的差异，AI业务占比35%的联想，估值倍数仍明显低于纯AI公司。

但联想仍然被审视：PC业务是现金牛，但市场份额在下滑，有AIPC的驱动和想象力，但整体市场进展并不快；服务器业务，从X86到AI服务器，毛利率是困扰其自身及同行的难点；云业务，仍然是最小的业务板块，市场层面还会受到赢者通吃的挤压。这些顾虑可以理解。

那么，联想的AI新故事，真正开始了吗？

一份近乎无可挑剔的财报

8月13日，联想集团公布了2026/27财年第一季度财报。业绩显示，截至2026年6月30日，第一财季实现营收269.43亿美元，同比增长43.1%；经调整净利润首次突破10亿美元大关，同比暴增176%；经调整净利润率高达4%，较去年同期的2.1%提升1.9个百分点。

盈利提速背后，最重要的结构性变量来自ISG基础设施业务。第一财季，联想ISG业务营收同比增长98%至85.10亿美元，运营利润达到约7.77亿美元，运营利润率提升至9.1%。

此外，IDG智能设备业务及SSG方案服务业务，分别贡献了171.06亿美元和28.84亿美元的营收，同比增长均超过27%。

AI相关收入同比增长60%，占本集团总收入的35%。其中，AI PC市场份额提升至25.1%，继续保持全球第一；AI服务器项目储备增至540亿美元，按季环比增长157%。

联想的这份成绩单依然十分亮眼。这也让联想确信，按照当前进展，本财年有望突破1000亿美元，从而提前实现此前提出的“两年内营收超千亿美元”目标。

财报发布当日，联想股价直线飙升20%，刷新历史新高度，市值站稳4000亿港元。

成绩是真的，挑战也是真的

从数据上，在服务器方面，AI确实推动了联想的发展，但不能将这种推动全部归功于AI，这也是联想多年不断投资、投入的结果。同时，在PC方面，尽管受到上游存储芯片价格上涨的影响，但依然保持良好的上涨，这跟联想供应链、卓越运营相关，但也跟联想不断创新的产品和技术有极大关系。

业绩沟通会上，联想集团董事长兼CEO杨元庆主动表达这个很容易被外界所忽略的信息：

尽管外界普遍认为AI需求是ISG业绩改善的主要驱动力，但目前AI业务在ISG中的占比仍然不高，传统计算仍是上一个季度最主要的业务组成。

存储芯片供能紧缺导致的价格上涨，AI需求强，供应就必然紧张。但AI需求只是刚刚开始，还有很大的增长空间，今明两年存储的供应紧张都会延续。

在AI普惠的前提下，联想做的是混合式AI，将企业私域数据和个人数据利用起来，去推动端侧和边缘侧AI推理的发生。联想不力求说要做最好的模型，而是看能不能成为AI普及、普惠的主力军。

以ISG业务为例，从2014年收购IBM X86服务器开始，到持续投资云计算、边缘计算，再到AI计算和如今的AI推理，这是一条漫长的技术积累曲线。这种长期主义的铺垫，在本季度的ISG业务中得到了集中兑现。

联想的叙事不只停留在做得久，还试图说明其正确性。这一判断的前提是AI需求在真实变化：从过去训练80%、推理20%，到现在朝着训练20%、推理80%的方向演进。在这一判断下，联想去年投入2.85亿美元对ISG进行重组，将研发资源转向AI推理和AI服务器等基础设施领域。

联想目前在X86服务器领域已经是全球第二，在AI服务器基础设施领域处于刚起步阶段，仍有较大的增长空间。同时，联想还在布局neocloud客户市场，比如Nscale、IREN，联想通过ODM+模式在全球各地为其搭建数据中心，最近联想还扩建了北卡罗来纳州智能园区。

PC业务也同样。存储芯片涨价确实推高了营收，但能在涨价周期里稳住出货量和利润率，考验的是十几年的供应链韧性积累以及适应全球的强本地化交付能力。

当然，联想的AI故事不是单点突破，而是三条业务线相互支撑。IDG依然是压舱石，在存储涨价、市场受压的环境下仍然实现较快增长。ISG作为第二增长引擎，手握540亿美元的AI订单储备。SSG则是高利润率的稳定器，经营利润率高达24.2%。

联想也在向外界证明自己：取得这样的成绩不是一次性的，而是可持续的，也别把所有的功劳都塞给AI，AI的故事才刚刚开始。刚刚过去的世界杯FIFA就是联想AI与科技能力展示的最好窗口。

联想的真正叙事

区别于其他AI公司，联想有一套能稳定产生现金流的传统业务，同时有一张正在成型的AI拼图。

这张拼图有三块。

第一块，端侧入口。联想全球每年出货几千万台PC，每一台都是潜在的AI推理终端。天禧智能体让用户不再逐个打开软件，而是直接语音调用工具完成任务。联想已经在高端AI PC上落地了这个能力，最近还把腾讯的WorkBuddy智能体无缝集成到信创PC里，直接打进了政务、金融这些最需要办公AI的市场。入口一旦被用户锁定，联想就不再是卖硬件的公司。

第二块，算力底座。ISG的订单储备要变成真金白银，关键看交付能力。AI算力需求正在从训练转向推理，推理需求的主体是政企客户，这些客户的核心诉求是私有化部署、数据不出域。混合式AI策略下，联想真正的增长来自推理需求的长期释放。

第三块，边缘侧Token。联想判断未来80%的AI推理在本地完成，只有20%上云。Token工厂要做的就是让Token生产和分发标准化，企业按用量付费，数据不出域。这是从卖硬件到卖Token服务的商业模式跃迁，也是故事最有想象力的部分。

这三件事情都有障碍。AI PC入口，华为、微软也在抢。AI算力方面，高度依赖英伟达GPU，而与国产算力还需加速适配与量产。边缘Token，技术路线和商业模式还处于早期验证阶段。更别说还有服务器毛利率的老问题。

这大概才是联想的AI新故事。不是全靠AI风口拉动业绩提升的运气故事，顺和波折同时存在，才是联想此刻真实的位置。未来12个月，市场需要继续验证。

（本文首发于钛媒体APP，文 | TechHorizon，作者 | 杨丽，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

文 | 丁观

8 月 14 日，国家医保局公布检验类医疗服务价格项目立项指南，为 40 批价格指南收官。统一计价之外，指南新增「缺数减收」条款：医疗机构不传检验数据，相关项目减收 10%、单项封顶 5 元。支付侧第一次为「数据可溯」标价。

一张化验单，在 A 医院做了，到 B 医院常常要重做一遍。患者多抽一次血，医保多结一次账，医院多一道收入。

患者看不懂，医院说不清，医保管不住。

8 月 14 日公布的这份价格立项指南，把这件事的账算到了数据头上——不传数据，相关项目减收 10%、单项封顶 5 元。一张化验单，第一次有了「数据户口」。

01   40批收官，检验单有了全国标尺

据官方消息，价格立项指南 2021 年启动，到这一批满 40 批，历时多年的医疗服务价格项目立项指南编制工作全面收官，这也标志着全国统一的医疗服务价格项目体系基本成型。

检验类覆盖临床检验、输血与血型、微生物与寄生虫、分子诊断、生化、免疫等主要板块，新规拿出了 662 个主项、114 个加收项、7 个扩展项，把各地原本分散的计价语言收成一统。

往前看，1996 到 2001 年整合出 3966 项，2012 年膨胀到 9360 项，到了省级更是数万项各自为政；据国家医保局介绍，全国医疗服务价格项目从早年的 13612 项，整合为 3000 项左右。

同一项检测在不同省、不同院计价语言各说各话，标尺统一才能把这套语言收拢。对患者而言，同样的检查在不同医院就有了可比价，账单也成了能比对、能核对的明账。

当然，标尺统一是算账的前提，控费又是另一回事。

02   医保第一次为数据可溯标价

662 个主项只是门面，关键在那句「缺数减收」。

指南规定，医疗机构未按规定上传检验数据，相关项目减收 10%、每项最高减 5 元；对于血常规等 17 项已明确参考区间要求的指标，上传的参考区间与国家标准不一致的，减收 5%、每项最高 0.5 元。

数字看起来不大，信号却很明显：数据传不上来，收费就要打折了。

这套逻辑其实已经有前例，放射检查类立项指南早已把数字影像处理、上传与云存储纳入价格构成，不传影像数据就影响收费。

检验类「缺数减收」是同一套规则延伸到另一块，且已有地方样本跑通。据公开报道，浙江杭州 257 家机构、436 项互认，一年省约 1.1 亿元，「浙医互认」跑通后，部分区县还出资买了「互认责任险」。

所以要全国化，路径也很清楚。自动上传、互认平台、医保不减预算，三件套齐了，减收才悬不到头上。

03   同检同价，检验科转成本部门

和「缺数减收」并行的，是同检同价。

原来葡萄糖检测按干化学法、酶法、酶电极法分设多价，新规统一为「葡萄糖检测费」，定价从按方法学转向按服务产出，靠方法学赚差价的老路被阻断。

但加收项仍留了差异化空间：定量检测（准确性、灵敏度差异）、质谱检测与间接免疫荧光显微镜检测（人力与物耗差异）、确认试验与绝对计数（人工复核必要劳动）可加收，技术升级有出口。

联检也给了折扣，一次开不超过 5 项按 80% 计、不超过 10 项按 70%、10 项以上按 60%。相当于一次采样、多项检测，边际成本递减，折扣让利给患者。

130 余项新项目被纳入全国统一收费目录，肿瘤类器官培养、药物敏感性检测在列；

叶酸（维生素 B9）检测、乙肝核酸检测等高频项目单独立项，血管炎自身抗体、糖尿病自身抗体等按疾病种类设项；

出具诊断分析报告还被纳入骨髓形态学检测、微生物鉴定等十余项服务产出，检验从「出数字」往「出诊断」走。

还有试剂耗材，也被打包进了项目价。

检验科靠项目量创收的空间被压缩，从利润中心转为成本中心，是这份指南带来的可预期变化，医院考核重心或将随之从项目量更多转向质控与互认率。

1300亿元的体外诊断试剂市场，终于等来了一把统一的尺子。至此，「可审计性」从行业共识、运营要求，落到了支付条款。一张化验单的「数据户口」，也从口号变成了收费单上能看见的加减。

下一步看各省基准价和统筹地区浮动价如何落地，门会开多大，值得继续关注。

参考资料：

1. 《检验类医疗服务价格项目立项指南（试行）》（国家医疗保障局，2026-08-14）
2. 《放射检查类医疗服务价格项目立项指南》（国家医疗保障局，2025）
3. 《看病更方便 医患更舒心（探访）》（人民网，2026-03-19）
4. 《杭州：政策协同保障 实现医学检查检验结果互认共享》（国家数据局，2025-01-10）等

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

文 | 半呆君

8月12日盘后，腾讯交出了2026年第二季度财报。市场第一眼盯住的，是那组"危险"数字：资本开支527.8亿元，同比涨了176%、环比涨了65%；自由现金流转负，掉到-138亿元。财经标题一片"AI投入拖累利润""烧钱能烧到什么时候"的担忧。你如果只扫一眼利润表，第一眼大概率也会读出"烧钱"两个字。

但那天晚上电话会有一句话，大多数人划过去了。刘炽平说的是"部分算力订单"——几个月前预付下单的那批设备，今天转手出售，能比采购价赚超过30%的利润；退一步讲，即便把这些算力单纯出租出去，也不亏，反而盈利。

我盯着这句"部分订单"看了好几遍。他说的虽是腾讯自家的订单，但背后是个结构性信号：在供给被掐住的周期里，高端算力现货已经成了能溢价流转、还能保值的筹码——供给最紧时，二手B200的现货甚至能保值约85%。

这股味道有点像二十年前的土地指标或牌照——只不过算力贬值快得多。土地放着不怎么掉价，GPU隔一代就跳水；但眼下供给缺口足够大，"稀缺"这一条暂时把贬值风险压住了。

528亿是烧钱，还是锁仓

把"资本开支暴增=风险"这个共识摆出来，数据确实吓人。527.8亿砸下去，自由现金流-138亿，表面看就是钱烧没了。

但把明细拆开，故事反过来。腾讯自己披露，如果剔除为锁定算力预付的那笔款项，自由现金流其实是正的376亿。钱没有消失，只是从"现金"变成了"能溢价的资产"。

刘炽平那句话给了双保险：前端转售赚超30%（他原话限定在"部分算力订单"），后端出租即盈利。首席战略官詹姆斯·米切尔补充得更直白——这些算力租给第三方，几乎能立刻把折旧收回来。翻译成大白话：最坏情况都有下行保护，不是裸奔的沉没成本。

所以528亿的性质得重判。它不是在"烧"，是在低位锁定一批稀缺战略物资，还顺手带了个30%的流动溢价兜底。把它读成"烧钱风险"的，看的是利润表；看穿的，看的是资产负债表上那笔正在升值的筹码。

溢价从哪来：上游被焊死了

一个东西能稳定溢价，根子永远是供给被掐住。算力也不例外。

最上游有两道闸。一道是先进封装。台积电的CoWoS产线2026年全年已经售罄，英伟达一家公司就锁了约六成产能——这不是年底才紧张，是年初就排到了头。另一道闸是HBM，也就是高带宽内存，AI芯片里最金贵的内存。年初HBM价格涨了50%以上，美光全年的产能已经用"包销"模式（take-or-pay，不买也得付钱）卖光。企业想从标准渠道买一颗GPU，交期是36到52周。

需求侧还在加速。据LSEG等机构测算，四大超大规模云厂2026年资本开支合计约7250亿美元，同比涨77%；按机构拆分，其中约一半（50%）直接流向GPU与自研芯片，其余是数据中心土建、电力与网络。供给焊死、需求猛冲，缺口是结构性的，不是哪个月份的周期波动。

这里得补一句边界，免得招杠。紧缺的不是"泛算力"。确实有闲置——xAI集群利用率曝出只有11%，西部一些枢纽上架率不到三成。但闲置的是中低端，真正卡训练的是HBM与CoWoS焊死的那部分高端算力：据行业渠道统计，现货流通不到5%；稀缺高端现货与锁单转售的租金，过去半年涨了40%。这是结构性错配，不是过剩，反把"硬通货"三个字精确成了"限定在高端的那部分"。

但这篇文章不能只讲顺逻辑，得主动找裂缝。最现成的反例是2023年的矿卡崩盘。要讲清它和今天AI算力的区别，得看需求函数的形状：矿卡的需求来自以太坊PoW（工作量证明）挖矿收益，2022年9月"合并"把挖矿收益一夜归零——需求函数从"持续正向"突变为"零"，RTX 3080二手价从周期高点跌了约57%，矿卡甩卖到原价的30%。那一次的"显卡硬通货"叙事，塌得干干净净。

有人会说AI算力和矿卡不同。这个区别值得讲透，而不是一句"AI是企业级刚需"带过：矿卡那次，外部事件把需求一把清零；AI算力的需求函数却不一样——它是"边际推理成本 vs 人工成本的替代关系"。

只要AI应用的ROI为正，企业就会持续用算力替代人力，需求不会一夜归零。这是"硬通货"叙事比矿卡叙事更坚韧的底层机制。但别把话说满：这个机制成立的前提，是AI应用的ROI持续为正；一旦推理成本降得比应用收入起得还快、或Agentic项目大面积栽在ROI不清上，需求曲线一样会塌陷。

松动信号现在已经能看见：H100按需租金从2025年高峰的每小时4到8美元，跌到2026年中1.99到2.69美元；Cast AI统计期内企业GPU平均利用率只有5%；Gartner预测到2027年底超过40%的Agentic AI项目会栽在ROI不清上。

美国研究机构 American Compute（专做GPU残值研究的机构）在2026年6月的《GPU Residual Value Report》里直接下结论"GPU短缺已经结束，新订单交货周期回到正常"。换句话说，一旦训练需求放缓、闲置泛滥，"锁仓"的GPU完全可能从硬通货变成滞销库存——这个裂缝是真实的，不是我替正方圆场。

更深一层是三套时钟的错配。腾讯锁的是2026年的产能，但供给端不止它一家在动：国产GPU下半年开始放量、英伟达Rubin架构2027年规模上线，都在往同一个方向压低稀缺溢价。

Rubin已在2026年CES宣布量产，超大规模云厂2027年才规模部署，Rubin Ultra同年跟进；新架构推理吞吐数倍于B200、单位token成本降到约十分之一，旧代芯片的二手残值会随之跳水。

据对英伟达GTC 2026 Rubin架构的分析，二手H100的成交价已掉到挂牌价（MSRP）的40%到50%（注：经销商与拍卖平台报价波动极大，此处仅作跨代贬值的方向性参考，非精确成交统计）。我开头说的"二手保值85%"，是B200这一代在供给最紧时的现货表现，放到跨代维度不成立：一代架构的保值，前提是下一代还没放量。

所以"硬通货"的保值属性是代内现象，不是跨代规律。

当然，这套"硬通货"逻辑有个时间窗口。刘炽平在电话会上也说了，随着GPU、ASIC和国产芯片产能逐月上来，到今年底、明年腾讯就会有"充足的产能"；资本开支高峰集中在今年下半年到2027年初，之后回落。也就是说，30%的溢价不是永久属性，是供给缺口最紧这段窗口的现象。而且折旧是真实成本——这批算力会在未来一两年摊进利润表，腾讯实质是用现金流给自己买了个"在折旧大潮到来前把AI收入做起来"的窗口期。所以"硬通货"说的是当下高端算力的稀缺定价权，不是一张永久保值的纸。

算力不是成本，是稀缺到能溢价流转的战略硬通货；它的稀缺根子，卡在最上游的HBM与先进封装。

谁在印钞，谁在打工

顺着价值链往下看，价值往哪流就很清楚了。

买家这边，四大超大规模云厂（谷歌、微软、亚马逊、Meta）把45%到57%的收入、约六成的经营现金流砸进资本开支，利润明显承压（注意这是四大云厂的口径；把为追赶云业务而大举砸钱的甲骨文算进来，占比更高）。

卖家那边，英伟达的净资产收益率仍超过100%（2026年年中的TTM（过去十二个月）口径约110%，较2025财年119%的峰值小幅回落，但依旧是科技公司里罕见的印钞机水位）。老剧本里云厂商自建算力、靠规模捕获杠杆的逻辑，在这轮AI资本开支周期里失灵了——谁控制供给瓶颈，谁拿走大头。你拿"谁掐住瓶颈、谁拿走大头"这把尺，去量你关注的那家算力公司处在链条哪一端，答案自己会出来。

腾讯的"下行保护"也得放对这个位置理解。它确实是抢到了稀缺资产的入场券，最坏情况也有流动溢价兜底；但议价权始终在上游。这里要追问一句：明知道在"打工"，云厂为什么还疯狂扩产？市场上有两套互相打架、但都站得住的解释。

一套是摩根士丹利的ROI测算：推理时代头部云厂的投入资本回报率能到25%-50%——GPU租赁约31%、自有模型API约46%。它的基准假设很具体：1GW数据中心、约41万颗GB300、利用率75%、租金8.5美元/小时，算下来ROIC约31%；租金在7到10美元区间波动时，ROIC落在23%到39%。

亚马逊说回本不到三年，和这个区间对得上。但大摩自己补了一句关键caveat：云厂当前披露的增量利润率其实低于这个区间，因为眼下跑的主要还是上一代芯片、GB300产能还在爬坡——也就是说，"印钞机"是成熟后的理想态，不是今天的现实。

另一套是囚徒困境。据LSEG数据，谷歌、微软、亚马逊、Meta这四家超大规模云厂，加上甲骨文（Oracle），合计把约九成经营现金流砸进资本开支，有测算称每赚1美元要花1.57美元——其中Oracle因自身现金流偏紧，这个比例更多是"靠债务填缺口"的方向性信号，不能简单等同现金覆盖。

国际清算银行（BIS）在2026年报里罕见地把这轮AI投资潮和历次科技泡沫并列警告。各家CEO的原话很直白——"宁可破产也不能输掉AI这一战""宁可误花几千亿也不能落后"。每个厂都理性，合起来却可能集体过度投资：这是标准的纳什均衡，不投就出局。

所以真相是两者叠加：需求侧确有25%-50%的ROIC空间，但供给侧的锁单本质是"不投就死"的军备竞赛，资本开支已经靠债务在填。这就意味着，所谓"印钞机在上游"本身也是加杠杆、且是反身性的——英伟达的收入就是云厂的资本开支，云厂的资本开支又靠市场预期撑着。一旦需求真的放缓，大摩模型里"75%利用率"和"8.5美元租金"这两个前提一松动，25%-50%的ROIC会塌，硬通货也会变库存。兜底归兜底，格局归格局，但这个格局的前提，比看起来脆。

国产解药的天花板，是HBM

写到这，自然会问一句：国产算力能不能自己解这道题？

华为昇腾占了国产算力的大头。但第三方测算戳破了一层幻想：据SemiAnalysis估算，长鑫2026年只能供大约200万颗HBM堆栈，只够25万到30万颗昇腾910C级加速器封装。换句话说，就算昇腾的芯片产能跟得上，最上游的HBM直接卡死了有效交付的上限。（注：此为单一第三方机构测算，长鑫官方未披露HBM具体良率与产量；若国产产能爬坡快于预期，上限会相应上移。）

为什么HBM这么难？SemiAnalysis估算长鑫HBM3综合良率约25%（前端约35%、后端约70%，长鑫官方未确认）；而且完全拿不到EUV（极紫外）光刻机，只能靠DUV（深紫外）多层堆叠硬扛。雪上加霜的是，日本8月落地的第三轮管制，把HBM固晶机、3D键合、TSV（硅通孔）设备都挪进了逐案审批，驳回率到了七到八成。

这就把"国产算力自主"这道题的难点，从"芯片设计"精确地推到了"最上游的HBM"。之前我在系列里写过，HBM才是AI算力的真咽喉——当时判断长鑫的HBM量产比国际落后5到7年；今天这句判断，从需求侧印证了：不是我们设计不出好芯片，是给芯片供能的那层内存，还没突破。

国产算力自主的真正天花板，不是芯片设计，是最上游的HBM。

三个问题，自己掂量

回到开头。腾讯528亿抢的到底是什么？不是一堆会贬值的废铁，是能溢价、上游还锁死的稀缺筹码——只是别忘，它也在折旧，技术迭代也在追赶。

读者要判的，从来不是"腾讯花了多少"，而是三件事：你手里的算力，是买来的还是自有的？上游锁单锁到了哪一年？最坏情况，有没有流动溢价兜底？

当算力能溢价转售，它就不再是成本，是筹码。

（本文为产业链研究观察，所述观点基于公开信息，不构成任何投资建议。）

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

文｜AI商业评论

2026年7月底的一个傍晚，字节跳动Seed团队的全员会气氛凝重。

创始人张一鸣罕见地出现了。这位自2021年卸任CEO后便淡出日常管理的创始人，平时不在国内，"AI部门是他最关心和接触最多的"。

但这一次，他不是来打气的。

"不要用别人的输出，换一时的榜单排名。"张一鸣对台下约2000名Seed研究人员说。他明确反对通过蒸馏竞争对手的模型来追赶，认为字节应该"为长期目标牺牲一部分短期利益"，坚持"长期主义和延迟满足"。

话音落下，会议室里有人松了一口气，也有人握紧了拳头。

他们都知道，这不是一次普通的战略宣导。就在这次会议之前，Seed内部至少发生过三次关于"是否采用蒸馏路线"的激烈讨论——DeepSeek-R1发布后一次，Blackwell芯片部署后一次，Kimi K3发布后又一次。每一次，张一鸣都投了否决票。

而此时，豆包大语言模型在全球LLM排行榜上仅列第21位，远低于Kimi K3（第2位）和阿里Qwen 3.8 Max（第4位）。

CEO梁汝波在不久后的年中全员会上也不得不承认："大语言模型和海外领先模型的差距有所拉大。"

那么问题来了：当竞争对手用蒸馏这条"捷径"在榜单上狂奔时，张一鸣的"不蒸馏"宣言，究竟是高瞻远瞩的战略定力，还是追赶无力之下的一块遮羞布？

01 三次否决，顶层的固执与底层的焦虑

蒸馏在大模型圈是一条心照不宣的捷径。

用市场上先进的大模型训练自己的小模型，成本低、见效快，能在短时间内把能力提上来。DeepSeek、Kimi、阿里Qwen，或多或少都走了这条路。甚至Anthropic已经公开指控多家中国公司蒸馏其Claude模型。

张一鸣的逻辑是：蒸馏只能逼近对手，永远无法超越；沿着别人的轨迹走，最多成为"更好的模仿者"。

技术上，这套说辞站得住脚。牛津大学和Meta的研究表明，过度依赖合成数据会导致"模型坍缩"，尾部信息不可逆丢失。蒸馏还会带来词表依赖和奖励模型错位的问题——你继承的是别人的价值观，而不是自己的商业逻辑。

但技术正确不等于商业正确。

当Kimi K3以2.8万亿参数横扫榜单、阿里Qwen 3.8 Max以2.4万亿参数紧追不舍时，字节拿得出手的语言模型是什么？Seed 2.1 Pro，在全球LLM排行榜上仅列第21位。CEO梁汝波在年中全员会上不得不公开承认："大语言模型和海外领先模型的差距有所拉大。"

张一鸣从去年下半年开始，将一半精力倾注在Seed团队，定期参加核心技术复盘会。这种级别的创始人介入，在字节历史上极为罕见。但高度介入的另一面是：当创始人把个人技术洁癖注入公司战略，组织的容错空间还有多大？

02 10万亿参数的豪赌

大力出奇迹2.0？

否决蒸馏之后，字节给出的替代方案是一个让全行业侧目的数字：10万亿参数。

据英国《金融时报》报道，字节正在预训练一个参数规模最高可达10万亿的超大模型，体量是Kimi K3的三倍以上，对标Anthropic最先进的Mythos系统。项目由Seed Foundation负责人项亮主导，目前仅处于预训练初期，完整周期预计3至6个月，能否正式发布仍是未知数。

但这里有一个被刻意回避的问题：10万亿参数，拿什么喂？

2022年DeepMind的Chinchilla论文已经证明：参数规模翻倍，训练数据量也应同步增加。研究机构Epoch AI估算，全球公开的人类高质量文本大约只有300万亿Token，按照当前消耗速度，可能在2026年至2032年间被"吃干抹净"。字节一边拒绝蒸馏抄答案，一边要训练全球最大的模型之一，这意味着它必须自己准备海量"教材"。为此，字节甚至将数据团队整合升格为一级部门"AI数据与安全"。

但就在这个节骨眼上，原AI数据与安全负责人傅越被传离职。核心数据负责人的出走，给10万亿参数模型的"教材供应"蒙上了一层阴影。

更值得追问的是：字节是不是在重复自己最熟悉的那套打法——大力出奇迹？从今日头条到抖音，字节过去十年的成功公式是海量资源+快速迭代+流量变现。但大模型不是短视频。参数堆到10万亿，如果数据质量、训练框架、优化方案跟不上，可能只会造出一个更昂贵的"笨蛋"。业内已有声音指出，"将参数规模一次推到同行数倍以争取领先位置的举措，像一场赌博"。

而这场赌博的筹码，是天文数字的钱。

2025年，字节全年资本开支超过1500亿元，其中约900亿用于AI算力采购。2026年，这一数字被曝超过2000亿元。豆包App月活3.45亿，日均Token调用量达180万亿，但光鲜的用户数据背后是一张触目惊心的成本账单：单次推理成本中，硬件折旧占58%，电力消耗占29%，每天算力消耗达数千万元。

收入方面，每天2亿多人使用的豆包，日收入不足百万元，主要来自电商佣金。唯一能让账面好看一点的是Seedance——这款视频生成模型的年化收入已达20亿美元（约135亿元人民币），单月超10亿元，刚好能抵消豆包的算力成本。

也就是说，字节AI业务的财务现状是：视频模型赚钱养语言模型，语言模型烧钱换用户规模，用户规模换不来同等收入。

当张一鸣说"愿意为长期目标牺牲短期收益"时，他牺牲的究竟是谁的收益？

03 偏科与动荡，Seedance的光环照不亮LLM的短板

字节并非一事无成。恰恰相反，它在AI视频生成领域做到了全球顶尖。Seedance 2.0原生支持多模态混合输入，火山引擎MaaS收入的一半以上由其贡献。但是，字节真正能拿得出手的AI成果集中在视频（文娱）内容生成，而B端产业客户真正看重的通用基座能力——长文档理解、逻辑推理、代码生成、复杂任务拆解——恰恰是字节的短板。

这种"偏科"直接反映在了商业战场上。2026年夏天，在上海举办的WAIC（世界人工智能大会）——国内最重要的to B与产业AI公共舞台——字节跳动继续选择放弃独立官方展台，仅以第三方合作微弱露出。而就在同一时期，字节却在ChinaJoy（游戏展）上为抖音直播和朝夕光年设置了超大展台，布展面积超过了腾讯。

一个想做企业AI服务巨头的公司，在to B主舞台上隐身，在to C游戏展上狂欢。这不仅仅是市场策略的选择，更是底层能力缺位的外化——当你的语言模型还不足以支撑B端客户的复杂工作流时，你确实没什么可展示的。

比技术路线更耐人寻味的是人的动荡。2025年6月，豆包大模型大语言模型团队负责人乔木因合规问题被辞退。随后，顾全全离职创业，傅越离职，周畅从阿里"挖角"过来却引发竞业诉讼。更剧烈的是组织层面的"挥刀"：成立近十年、数千人规模的飞书"一夜拆分"，产品团队并入豆包，GTM团队并入火山引擎。飞书负责人谢欣——2014年字节只有300人时的第一任HR负责人、张一鸣时代的元老——从直接向梁汝波汇报，改为向豆包负责人赵祺汇报。

梁汝波解释这是为了"更好地打造面向办公与生产力场景的优质产品"。但一个无法回避的事实是：当一家公司的AI战略需要靠"拆分元老业务"来推进时，这究竟是资源整合的魄力，还是底层焦虑的应激反应？

04 考场还在吗？

让我们回到张一鸣的那句话："不要用别人的输出，换一时的榜单排名。"

这句话放在技术伦理的框架下无可指摘。但放在商业竞争的语境里，它暴露了一个危险的假设——时间站在字节这一边。

现实是，AI大模型的竞争正在呈现"赢家通吃"的特征。用户心智一旦形成，迁移成本极高。当Kimi和DeepSeek用蒸馏快速迭代、占领市场时，字节却在坚持"自研"的清白。这种清高，用户会买单吗？

答案正在浮现。2026年5月，豆包启动付费，推出68/200/500元三档会员。社交平台上很快出现"豆包笨还收费"的质疑。一位用户的吐槽很直白："既然收费了，免费的肯定会打折扣，完全可以Kimi或智谱换着用，总有还在免费的大厂。"

付费用户不会容忍"略好于免费版"的差异化，他们要的是质的飞跃。而豆包目前的能力，显然还没准备好回答这个问题。

更微妙的是政治风险和美国监管。利用美国公司拥有的西方模型的输出结果来训练本地模型已成为一个重大的地缘政治热点，避免这种做法可以保护公司免受被列入贸易黑名单或遭受华盛顿制裁的风险。2026年以来，Anthropic连续指控MiniMax、月之暗面、DeepSeek、阿里蒸馏Claude模型，字节恰好不在名单上。有人解读为"提前避险"，但另一种解读同样成立：字节之所以没被指控，可能是因为它的语言模型能力还不足以引起Anthropic的警惕。

张一鸣说，要"延迟满足"。但延迟满足的前提是，你知道那个"满足"终将到来。如果10万亿参数模型在预训练中遭遇瓶颈，高质量数据真的在2032年前就被耗尽——那么，延迟满足会不会变成无限期拖延？

8月6日，梁汝波在全员会上说，公司战略要"高度优先，粗主干，优化长期"。他否认"字节因为外部压力才坚持自研"，表示是希望团队"延迟满足，打好技术基础"。

但叙事之外，有一组冰冷的数字不容忽视：豆包日均Token消耗180万亿，距离内部目标250-300万亿仍有差距；豆包LLM全球排名第21，语言模型能力"落后半年"；2000亿年投入，日收入不足百万；10万亿参数模型还在预训练初期，3-6个月后能否发布仍是未知数。

张一鸣把"不蒸馏"上升到了产品文化的高度。但文化不能当饭吃，技术洁癖也不能自动转化为市场份额。

在AI这场考试中，有人选择抄答案，有人选择自己写。张一鸣选择了后者，这值得尊重。但一个残酷的问题是：当你终于写完自己的答案时，考场还在吗？

2000亿买一张"不蒸馏"的清白，值不值？答案可能要到2027年才能揭晓。但那时，榜单上的对手，还会给你留位置吗？

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

8月17日，广东钶锐锶数控技术股份有限公司（下称“钶锐锶”）将科创板IPO上会，公开发行不超过1712.86万股。

笔者注意到，报告期内，虽然钶锐锶营收、净利润复合增速亮眼，但经营层面多重异常指标引发关注，如公司毛利率持续攀升，2025年较同业均值高出32.53个百分点，研发费用率却逐年走低、近两年低于行业平均，形成“低研发、高毛利”反常特征，盈利可持续性存疑；同时，应收账款年均增速48.38%，显著高于营收增速，净利润现金比值逐年下滑至0.27，盈利质量持续弱化。融资端矛盾同样突出，公司账面货币资金充足，常年持有数千至两亿元闲置理财，流动比率、速动比率远优于同行、资产负债率显著低于行业，无短期资金缺口，本次IPO仍计划拿出1.5亿元募集资金补充流动资金，重复融资、过度融资嫌疑凸显，募投测算依据与真实资金刚需有待公司完整说明。

低研发高毛利，应收账款激增

钶锐锶是国内全直驱数控机床的领先者，也是国内少有的同时拥有PWM型数控系统和总线型数控系统、且两种数控系统均已形成规模销售的企业。

2023年-2025年（下称“报告期”），钶锐锶全直驱数控机床分别实现营业收入18268.08万元、22960.19万元、31219.25万元，分别占当期主营业务收入的72.15%、72.77%、76.42%，是支撑公司经营的核心业务，具体情况如下：

得益于核心业务的持续增长，钶锐锶的整体业绩增长突出。报告期内，钶锐锶实现的营业收入分别为25332.39万元、31659.26万元、40898.6万元，净利润分别为3561.09万元、6323.74万元、7648.23万元，营收、净利润年均复合增速分别达27.06%、46.55%。

值得一提的是，亮眼增长背后，公司盈利质量持续走弱。报告期内，钶锐锶经营活动产生的现金流量净额分别为1733.95万元、2924.9万元、2027.64万元，结合同期的净利润，可以计算出两者的比值分别为0.49、0.46、0.27，比值持续下滑，且始终未突破1。

笔者注意到，导致钶锐锶经营性现金流净额与净利润之间差额持续扩产的主要因素或是因为应收账款持续激增所致。截至2023年末、2024年末、2025年末，钶锐锶的应收账款分别为11300.32万元、17041.3万元、24879.12万元，年均复合增长率为48.38%，该增长速度已超同期营收的27.06%，公司是否通过放宽信用政策拉动收入增长，该问题有待公司作出合理解释。

盈利能力层面，公司毛利率持续走高且大幅领先同业。报告期内，钶锐锶的毛利率分别为44.75%、48.84%、52.24%，同行可比公司平均值分别为30.56%、29.84%、29.71%，2025年毛利率较同行高出32.53个百分点，公司毛利率走势与行业均值完全反向。

但与之相悖的是，公司研发投入强度逐年走低。报告期内，钶锐锶的研发费用率分别为7.82%、7.75%、7.64%，同行可比公司平均值分别为7.26%、7.9%、8.86%，近两年钶锐锶的研发费用率均低于同行均值，形成“低研发、高毛利”的特殊经营特征。在研发持续弱于同行的背景下，毛利率逆势大幅攀升，该异常盈利逻辑的合理性亟待公司详细说明。。

资金链充裕仍大举募资补流

钶锐锶此次IPO欲募集71854.7万元，分别用于数控机床生产基地建设项目、新一代智能化数控系统研发建设项目、数控机床整体加工解决方案研发项目、补充流动资金，具体情况如下：

其中对于15000万元用于补充流动资金项目，占募资总额的20.86%，该项目的合理性与必要性存在明显争议。据悉，截至2023年末、2024年末、2025年末，钶锐锶的货币资金分别为10277.05万元、5973.72万元、12926.4万元，短期借款分别为77.5万元、0万元、0万元，自有货币资金储备充足，不存在短期偿债的资金缺口。

不仅账面现金充足，公司还长期持有大额闲置理财资金。报告期内，公司交易性金融资产分别为3922.56万元、20620.79万元、3895.26万元，存量富余资金体量可观，2024年交易性金融资产的金额更是超过了2亿元。

债务方面，截至报告期各期末，钶锐锶的流动比率分别为3.48、5.31、4.48，同行可比公司平均值分别为2.41、2.49、2.38，速动比率2.57、4.41、3.62，同行可比公司平均值分别为1.5、1.59、1.59，无论是流动比率还是速动比率，钶锐锶均远高于同行均值，短期偿债能力较强。与此同时，在上述时间段内，钶锐锶的资产负债率分别为25.42%、31.54%、25.71%，同行可比公司平均值分别为39.73%、39.94%、40.88%，资产负债率始终远低于同行均值，目前公司较同行均值已低了15.17个百分点，债务压力较低。

综合各项财务数据，公司手握充足货币资金、大额闲置理财，偿债能力显著优于行业，在此前提下仍规划通过IPO募集资金补充流动资金，自有资金充裕与对外募资补流形成明显逻辑冲突，存在重复融资、过度融资的嫌疑，该补流项目的测算依据、真实资金需求亟待公司作出专项解释说明。(文 | 公司观察,作者 | 邓皓天,编辑 | 曹晟源)

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

图片系AI生成

8月13日盘后，宏和科技（603256）公告，终止在四川苍溪的年产7200万米高性能电子级玻璃纤维布项目，退回土地使用权，收回311万元土地出让款。该项目2023年11月签约，投资约6亿元。

对于项目叫停的原因，宏和科技称，近期公司考虑到未来的战略布局、长远发展及产业配套、协同效应、综合成本等因素。

在电子布产能爆发前夜、预期分歧加剧、高端织布机供给趋紧、龙头股价悉数逼近腰斩的背景下，苍溪项目的终止，成为这轮AI材料大戏中一个迟来但真实的信号。

苍溪项目叫停：厚布扩产按下暂停键

根据公司前期信息披露，终止项目原计划落户四川苍溪县百利产城一体化新区，由全资子公司四川宏和电子材料有限公司实施，2023年11月签署投资协议，2024年4月签署土地出让合同、5月取得不动产权证。

2023年8月，苍溪县委书记考察宏和科技上海总部，双方达成初步签约意见

终止该笔投资的同时，宏和科技公告拟以债转股的方式，对全资子公司黄石宏和增资6.8亿元。

黄石宏和项目正在推进

黄石宏和总投资80亿元，今年4月10日举办开工仪式，6月1日开工，产品包括4-9μm极薄T布、二代低介电布等，市场机构测算产业园全部达产后有望新增高端电子布产能约1.5亿米/年。

对于苍溪项目终止原因，宏和科技称表示“近期公司考虑到未来的战略布局、长远发展及产业配套、协同效应、综合成本等因素”，申请退回上述地块的国有土地使用权，并授权公司董事长或其授权代表具体办理与政府部门协商退回土地使用权及收回出让价款等投资相关事宜。

图源：公司公告

“本次对外投资终止后，土地使用权出让价款收回将增加公司流动资金，有助于改善现金流状况，预计不会对公司财务状况和经营状况产生重大不利影响”，宏和科技称。

据公司对外交流披露，苍溪项目规划主要产能为厚布。厚布即厚度>100（μm）的电子布产品，主要用于传统电子行业生产，主要代号是7628型，2026年以来，7628电子布较薄布涨价虽然更为温和，但亦6次提价，7月市场价格为7.8-8元/米。

厚布门槛较低、周期性显著，主要应用于家电及低端覆铜板，扩产潮激烈，是当前电子布赛道过剩压力最突出的品类。

估值剧烈回调，高端兑现的节奏待检验

黄石基地是宏和科技总投资约80亿元的高性能电子材料产业园的核心，聚焦AI服务器和先进封装所需的高端电子布及前沿材料，从苍溪撤回的资金，被迅速押向黄石主阵地。

宏和科技股价大幅度回调

这个时点较为敏感。2026年以来，宏和科技借力AI材料主线，股价从30元附近一度飙升近304元，累计涨幅超过900%，滚动市盈率一度触及800倍。而7月以来，宏和科技自高点回落近一半，千亿市值蒸发，业绩预期持续高增同时，估值泡沫亦在急剧挤出。

部分市场分析认为，宏和科技终止回报前景模糊的低端项目，或收窄市场对盲目扩张的忧虑。但更长期的挑战并没有因此消失。黄石高端基地的产能释放，仍受制于日本织布机的交付节奏与客户认证周期的刚性约束。

若高端布落地进度慢于市场预期，或订单放量不及乐观假设，电子布板块无疑面临新一轮的重估。目前宏和科技最新市值1391亿元，PE超过211倍。

图源：公司公告

半年报显示，公司特种电子布收入已达3.57亿元，占电子布销售收入的约三分之一，报告期内公司"降低E电子布中厚布和薄布的生产量，转做特种电子布及超薄、极薄高端布"，并规划投建特种电子纱及高端电子布项目（黄石宏和扩建）。

2026年上半年，宏和科技实现营业收入约10.48亿元，同比增长90.39%，实现归母净利润约3.79亿元，同比增长334.32%。宏和科技表示，增长驱动力源自"特种电子布市场需求旺盛、技术壁垒高、附加值高，售价及毛利率提升"。(文 | 公司观察，作者 | 黄田 ，编辑 | 曹晟源)

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

文 | 白熊消费，作者 | 黄晓军

美国密歇根州，几张中年高管的照片很有意思。

在他们的西装翻领上，有一枚不显眼却意味深长的时尚小配饰浮雕金属胸针，形状是数字“29”。

这是通用汽车公司的高层佩戴的胸针。它并不是为了纪念某个周年、某款发动机排量，或者某一年的新车型数量。当时，通用汽车希望在北美市场拿下29%的市场份额，并为实现这一目标集中调动和投入了全部资源。

即便后来公司没有达到这一目标，一些经理人仍然坚持佩戴这枚写着“29”的胸针。

这些照片，被“世界隐形冠军之父”赫尔曼·西蒙，写进了《小而精》。

他说，想找到一个足以象征当代企业管理深层困境的醒目符号，其实无须翻看美国《破产法》第11章的申请档案，也不用仔细研读那些轰动一时的欺诈案庭审证词。

你只要看这几张照片就够了。

01

《小而精》，是当下中国商业环境下最值得看的一本书。关键是它第一章就言明——利润优先，而非市场份额。

恰好，中国的街边，正在重复和29号胸针一样的醒目符号。

比如，前几年还在疯狂拓店的鸡排、卤味品牌，不少门店悄悄贴上转让告示；曾经挤得比肩接踵的“奶茶一条街”，大半招牌都换了新面孔。

街边店的一兴一衰，是整个中国商业世界的缩影。

毕竟，从极海品牌监测数据反馈来看，街边店其实是最抗跌的。

据统计，2026年上半年，全国餐饮门店从839万家降到798万家，净减少40多万家，净增长率为-4.85%。

这其中，商场店净增长率为-6.09%，办公店为-6.20%，街边店为-4.70%。

你看，体面的商场店，干不过街边店。

正新鸡排从1.6万家的峰值缩水至1.2万家，绝味两年关店超5000家，华莱士从新三板退市；就连两年狂飙万店的库迪咖啡，也陷入了增长停滞、关店多于开店的困境。

回头来看，连锁品牌追求的“万店规模”，又有几个在利润优先？他们和通用汽车高管领口的29胸针一样，希望拿下市场份额，并为实现这一目标集中调动和投入了全部资源。

哪怕是亏损。

02

规模，曾是互联网世界的神话。

在互联网之前，根据马克思主义经济学说，市占率过了30%就算垄断。互联网来了就不一样。百度也好、谷歌也好，其搜索引擎的市场占有率，在自己的国家或地区都能够达到90%以上的覆盖。

所以，做互联网的创业者都有一个心愿：我要做大规模，把我的公司做成赢家通吃。

这个过程中，三类互联网公司跑出来了。

第一类，具备网络效应。比如微信，这种企业具有网络效应。

我们经常会抱怨，国内三大运营商搞垄断。但今天，我如果把中国移动切换为中国联通，中国移动也不能把我怎么样。我可以在三大运营商中选择，但我不敢把微信卸载了，一旦卸载，我微信几千个好友可能觉得我出事失联了。

所以，用不用微信不是由你说了算，你被你的朋友圈绑架了，这就是网络效应。这类公司具有赢家通吃的可能性。

第二类，规模带来资本效益。

我们在网上买东西是不具备网络效应的，你可以去天猫，我可以去京东。那为什么说淘宝、京东、亚马逊这样的公司也具备赢家通吃的特点呢？

因为它们的全球、全国规模，可以带来资本效益。

在没有京东、天猫、亚马逊之前，沃尔玛是零售界的翘楚。以前有句话叫：沃尔玛开一家店，10平方千米以内，其他的小店寸草不生。沃尔玛有全球采购的能力，它采购的东西越多则越便宜。那些没有全球采购能力的小店，在商品价格的竞争力上没有办法与之相比。

然而，沃尔玛全球采购的能量，只能在10平方千米的商圈内发力。换而言之，你把店开到离沃尔玛11千米以外、沃尔玛覆盖的商圈以外，它也奈何不了你。

这就是为什么沃尔玛在美国的零售从来都没有突破过15%；宝洁这样的传统品牌，在美国的市场份额从来没有超过20%。

电商来了，就不一样了。只要物流能触达之地，商圈就能无限制地放大。像亚马逊、京东、天猫，它们巨大的营业收入背后代表着巨大的采购能力，已然突破传统商圈的限制。

这类企业也可能是赢家通吃型，市场占有率远远超过传统行业20%那条线。

第三类，技术领先一步。

使用豆包、元宝这种AI工具，其实没有网络效应，尽管之前搞过元宝派，但终究不会有人说我们一起用元宝吧。豆包，也不会因为1000万人用或是1亿人用，其规模协同效应就诞生了。

要产生协同，可能就需要绑定上飞书。

这类公司的特点在于，技术领先一步。

但总之，互联网时代的三类公司让大众形成了一种集体认知：做大等于做强，规模等于成功。

到2018年前后，资本市场钱多标的少，加上美元基金在高科技领域受限，大把的钱开始转向消费、餐饮领域。

而规模致胜的认知，也被资本带了过来。

大众能够直接感受到的样本，就是餐饮。2017年，正新鸡排成为本土第一个破万店的快餐小吃品牌，像一把钥匙打开了潘多拉魔盒。此后数年，“万店俱乐部”成了行业最耀眼的榜单，拓店速度成了评判品牌能力的第一标尺。

正新破万用了17年，库迪只用了2年。所有人都在比谁开得更快、谁铺得更密，好像只要站上了万店门槛，就拿到了“大而不倒”的免死金牌。

以此类推，从互联网到制造业，“规模至上”几乎是所有企业的政治正确。GE杰克・韦尔奇“不做第一第二就退出”的法则被奉为圭臬。

我们默认了一个等式：份额=利润，体量=实力。经验曲线亦告诉我们，规模越大成本越低，市场份额越高就越有话语权。

可很少有人停下来问一句：规模之后又该如何？

03

潮水总有退去的一天。

以最具市场化程度的家电行业为例，2004年中国家电零售市场规模3311亿元，到2024年达到9330亿元的规模高峰，20年内实现了约三倍的成长。

提及家电业，我们都能看到海尔、海信、美的、格力等品牌取得了高速增长，于是像“中国最大”“成长最快”等描述，就开始一直伴随这些企业的成长。

但早在2016年前后，就开始有专业机构对比家电市场需求容量的增长，以及LG、三星等跨国企业在中国的产出和销售，结果发现：家电企业身上“中国最大”“成长最快”的标签，可能是假象｡

巧合的是，当年资产达到7961亿的万达集团，正在风头。但著名的债券评级机构穆迪公司（Moody's）却将大连万达商业地产发行人评级从Baa3 降至Ba1。

Ba1 是“垃圾级”中的“最高级”。

回到餐饮。2026年上半年，全国餐饮收入同比增长仅2.8%，限额以上企业增速更低；半年时间，全国餐饮商户减少了40万家。当增量变成存量，抢蛋糕代替了做蛋糕，曾经的规模红利，就变成了规模反噬。

最先显现的，是“规模不经济”的陷阱。

同一个商圈开出两三家同品牌门店，看似品牌曝光度高了，实则是左右手互搏，单店营收越摊越薄。总部靠供应链差价、加盟费赚钱，加盟商却在房租、人工、低价战里被越挤越薄。

当盈利空间被压到极限，最先被牺牲的就是品控和服务，接着就是口碑下滑、客流减少，陷入“越开越亏、越亏越乱”的恶性循环。

这不是某一家品牌的问题，是所有“为规模而规模”的企业共同的困境。

赫尔曼・西蒙就曾提到，市场份额和利润之间，从来只有相关性，没有因果性。

过去我们以为是高份额带来了高利润，其实是好产品、好品牌、好管理，同时带来了高份额和高利润。把份额单独抽出来当目标，只会走上价格战的歪路。

戴尔当年在PC市场掀起的价格战，让全行业损失了200亿美元；如今国内无数赛道的内卷，本质上都是同一种逻辑：为了守住零点几个百分点的份额，把真金白银拱手让给客户。

实话实说，也能带动一些产业发展。就像前几天我问一家做电梯广告的老板，他说今年很大一部分收入消失了，因为没了外卖大战。

更值得警惕的是，很多规模增长，靠的不是企业能力，而是时代红利。

陈春花教授曾指出，国内企业的高增长更多来源于市场的紧缺，而非企业的本事。市场好的时候，鸡犬升天，谁开店都能赚钱；市场差的时候，才发现看似庞大的体量，一碰就碎。

早前，陈春花曾问国外一些研究人员，中国企业做得最好的是什么？得到的回答是中小企业的管理。然后解释说，海尔、联想等都做得很好。

你看，大家所认为的巨头，在别人眼里只是中小企业。

为什么？大量的中国企业还停留在流程、分工、协作的阶段，扩张规模所采用的资源、技术和人力并没有根本性改变。它们更多是在利用经验和惯性，而非提升系统能力。

什么是系统能力？简单地说,就是企业内部能力外部化｡评价一个企业是否具备系统能力，就要看企业内部的各个环节，能否遵循市场标准,能否彼此完全协同能否延伸到供应商、分销商和顾客｡

借用价值链理论，就是看企业内部价值链上的每个环节是否都可以提供市场价值｡它们要能承担外包的任务，而不是让自己被外包掉｡

如果将这个要求放在狂卷万店的品牌身上，谁能做到？蜜雪冰城、瑞幸……摆着手指都能数出来。

04

商业的世界，大道至简。兜兜转转几十年，无数模式、概念、风口轮流转，最后留下来的，永远是最朴素的道理：

企业存在的终极目的，是持续创造顾客价值，并从中获得稳定的利润。

这就是商业的第一性原理。所有的规模、份额、营收、增速，都只是实现这个目的的手段。当我们回到这个原点，很多困惑就会迎刃而解。

第一，把利润从“剩余收益”，变成“刚性成本”

赫尔曼・西蒙有一句非常颠覆认知的判断，利润是生存的成本。

我们总觉得房租、人工、原材料是必须支付的成本，利润是最后剩下的钱。但真正健康的经营，应该是把利润当成和房租一样必须赚回来的钱，提前写进预算，像控制成本一样死守利润底线。

不是赚多少算多少，而是必须赚多少，剩下的才用来分配成本。这一念之差，就是两种完全不同的经营格局。

第二，定价的锚点，永远是客户价值，不是成本，也不是竞品。

很多企业定价，要么算成本加毛利，要么看竞品便宜一块钱，本质上都是向内看、向对手看，唯独没有向客户看。

可客户从来不会为你的成本买单，只会为他感知到的价值买单。请注意，“感知到”三个字很是重要。

同样一杯咖啡，有人卖30有人卖10块，差的不是咖啡豆成本，是品牌、场景、体验在客户心里的分量。跳出价格战的唯一方式，从来不是比谁更便宜，而是找到自己的差异化价值，让客户愿意为你多付那一块钱。

当年美国咖啡均价50美分，星巴克为什么能够卖到5美元？其实就是打造能够被感知到的价值。

最开始，他们就在杯子上写上了5美元的价格。

而一旦手上拿着这个杯子，上面写了5美元，你就会开始想：我们需要往这个杯子里加什么东西，好让顾客觉得物有所值？

这个过程很具象，也很重要。它能直接帮你打开思维，逼着你往大处想，并不经意间打破你递增式的心智模式。

最后我们也看到，星巴克从装修、咖啡豆品质、出餐速度，甚至咖啡杯设计等多个方面入手。只求一杯咖啡能值5美元。

第三，真正的增长，是内生能力的增长，不是外部体量的膨胀

过去我们谈增长，都是营收涨了多少，门店加了多少，市场份额提升了多少。可这些都是外部的、易逝的，甚至是滞后的。

真正能穿越周期的增长，是供应链能力的增长，是组织效率的增长，是产品研发能力的增长，是对客户理解深度的增长。

前者只能活在红利里，后者才能活过周期。

05

后万店时代，后增量时代，企业该怎么活？答案其实不复杂，就是把过去颠倒的逻辑，再颠倒回来。

1. 接受“不用做大”的勇气。

不是所有企业都要做行业第一，不是所有品牌都要开一万家店。

德国经济的支柱，从来不是奔驰宝马，而是成千上万的隐形冠军。它们深耕一个极小的细分赛道，不追求知名度，不追求大体量，却能做到全球领先，赚得盆满钵满。

小而精，从来都不是退而求其次，而是一种主动选择的高级生存策略。

与其在红海里和人卷价格、卷份额，不如找一个细分赛道，把产品做到极致，靠价值赚钱。

2. 学会有选择地放弃。

赫尔曼・西蒙提出过一个概念，叫“和平竞争者”。在有比较优势的地方战，在没有优势的地方退。

很多企业怕丢份额，对手降价就跟着降，对手开店就跟着开，最后把整个行业都拖进无利可图的深渊。

可真正理性的选择，是主动让出那些不赚钱的客户、不赚钱的市场、不赚钱的份额。

路透社当年丢掉10亿美元的低价合约，没有跟降，反而守住了高端定位，8个月后利润几乎翻倍。

有时候，少做一点，反而赚得更多。

3. 向存量要利润。

不用总想着靠新产品、新市场、新门店拉动增长。你手边那些成熟的产品、现有的客户、日常的交易里，就存在隐藏利润。

《小而精》提及一个十分扎眼的数据：仅仅把经营逻辑从“市场份额优先”切换成“利润优先”，企业就有机会释放出相当于全年营收1%~3%的新增利润。对于一家年营收50亿元的公司来说，这可能意味着几千万甚至上亿元的利润差距。

优化一下定价结构，收紧一下折扣权限，调整一下销售激励，不用裁员、不用研发、不用颠覆性创新，就能把本该赚的钱赚回来。

06

写这篇文章时，我刚好在山东参加了一个消费论坛。交流下来，我发现一个问题，这一代创业者（或者从业者），永远在焦虑。

焦虑规模不够大，焦虑增速不够快，焦虑被对手超过，焦虑被时代抛下。于是我们不停跑马圈地，不停扩张边界，不停用规模给自己安全感。

可商业从来不是百米冲刺，是一场没有终点的马拉松。跑得快的，不一定能跑到最后，耐力和韧性才是最可贵的。

潮水涨起来的时候，所有人都看起来很强大。只有潮水退去，才知道谁真正扎下了根。

万店神话会褪色，规模崇拜会降温，风口会过去，概念会过时。但商业的本质永远不会变：为客户创造价值，为企业赚取利润，为长期生存筑牢根基。

愿我们都能放下规模焦虑，尊重商业常识。

慢慢来，比较快。

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

文 | 光子星球

“国产模型一哥”，再次杀回战场。

DeepSeek余温未消，智谱发布了新模型GLM-5.3。官方介绍，该模型与GLM-5.2共用同一个基座，所有提升都来于自后训练。也就是在模型初步训练好之后，再用大量强化学习针对性地打磨一遍。

官方介绍中，GLM-5.3有两项重要的更新，一是编码能力比5.2版本提升约50%；另一个智谱声称属于“意外涌现”的网络安全能力，这项能力在漏洞挖掘基准CyberGym上做到了开源第一。

针对这个模型，我们连着测试了五个场景。测试下来的的结论是，官方没有夸大，但实际情况要比冷冰冰的数据更有意思。

在前两个场景里，GLM-5.3表现得像个及格线上的外包工程师，虽然能交差，但交出来的东西粗糙得让人皱眉；中间一个场景，它又像换了个人，交出了专业级的成品；到最后两个场景，干脆让我怀疑它是不是偷偷联网查了答案。

GLM-5.3不是一台稳定的机器，更像一个有脾气的人。你对它敷衍，它就对你敷衍。你把需求说透，它才肯亮出真本事。

同一个模型，为什么值得这么测

先交代一下测试背景，智谱这次发布GLM-5.3，最大的亮点不在编码，而在网络安全。

官方博客原话是，随着后训练规模的扩大，“网络能力的发展速度超过了我们的预期”。这句话翻译一下就是，我们本来只想让它更会写代码，结果它自己挖掘出了找漏洞的天赋。

官方给的数据很硬，漏洞发现基准CyberGym上拿到84.5%，开源权重第一，比5.2的77.2%高出一截，压过了闭源选手Mythos 5的83.8%和GPT-5.6 Sol的83.6%。

漏洞利用基准ExploitBench上，5.3拿了54.4%，是5.2的24.4%的两倍多。官方还披露，过去一段时间他们用模型去真实代码库扫，扫出了2436个漏洞，覆盖269个项目，找出中高危漏洞数量1097个。

数据越硬，越值得独立验证一遍。我们设计的五场景测试里，有两个是直接复用了此前测过其它模型的同款题目。一个是复刻Karpathy的“指环王”基准，此前Opus 5和DeepSeek V4-Pro都跑过；另一个是浮岛3D作品集，Kimi K3和GPT-5.6都跑过同样的Prompt。这样跑出来的结果，可以直接和别的模型横向比，不是关起门来自嗨。

能干活，但活干得很糙

第一个场景，我们让5.3从零搭建一个团队任务协作系统。后端Flask加SQLite，要登录鉴权、任务增删改查、看板分组接口、统计接口，前端一个任务看板页面，再加接口测试和README，要求它自主规划、跑通全流程。

它确实做完了，端到端流程首轮跑通，接口测试全绿，登录、建任务、改状态、删任务都正常。从交付完整性上说，这一步没毛病。

但如果你把页面点开看一眼，会怀疑这个输出配不上“开源最强编码”的招牌。界面做得相当一般，UI的审美和他顶级模型的咖位不匹配。

我们尝试第二轮做优化，让它给看板加拖动功能，结果它卡在了验证环节，验证一直失败，却不知道停下来换思路，最后只能手动终止。

这个场景给出了第一个判断，GLM-5.3的基本功是足够用，能独立把活干完，但审美和应变能力拖了后腿。更让人在意的是它那种“陷进去，出不来”的执拗，验证不过就反复验证，不反思、不换方向，直到被外力打断。

6分半，但它把树做成了冰激凌

第二个场景，是最近圈子里很火的“指环王”基准。8月初，Karpathy抛出一个新玩法，把《指环王》原著第一段扔给模型，配100万token预算，让它用Three.js把这个开场场景程序化渲染出来。

Opus 5跑了约两小时，写了5500行，做出了一个粗糙但完整的低多边形霍比屯。我们之前用DeepSeek V4-Pro跑过同样的题，用了30分钟。

GLM-5.3用了6分半，写了727行，跑通了。

速度是碾压级的，但同时也献祭了效果。场景该有的元素一个不少，洞屋、比尔博、弗罗多、酒馆前议论的霍比特人、宴会长桌都有，运镜叙事也有。可你要是盯着细节看，树像一支支冰激凌，人物没有手和脚，像一根根火腿肠。一切从简，简到了凑合的程度。

GLM-5.3确实把“快”这件事做到了极致。可问题在于，快是用质量换来的，它宁可把每个细节都简化，也要在时间上做出成绩。

用质量换速度，到底值不值，这个问题的答案，可能取决于你到底拿它来干什么。如果你要的是一个能快速出活、后面还能迭代的底稿，它够用。如果你要的是一次到位的高完成度成品，那得换一种方式和它打交道。

换个问法，它就脱胎换骨

第三个场景，是我们测试全程最大的反转。

这次我们复用了浮岛3D作品集这道题，Prompt和Kimi K3、GPT-5.6当时用的一模一样。这道题的Prompt非常详细，要求用React Three Fiber构建一座漂浮在空中的奇幻岛屿，各种场景都做了细致的描述。

结果和前面判若两人，npm install加npm run dev一次跑通，没有白屏。四个章节的滚动相机过渡全部实现，物件交互实现，移动端降级也触发了。整个页面效果惊艳，完全不像前两个场景里那个“及格线工程师”能做出来的东西。

对比一下同题的两个对手，Kimi K3当时首次启动白屏，修复了一次才起来。GPT-5.6 Sol功能完整度最高，但点击物件时把背景虚化了。GLM-5.3这次的完成度，是能直接拿去做作品集展示的水平。

到这里我们才反应过来，问题出在自己身上。前两个场景的Prompt很简洁，一句话交代完需求，它就敷衍。浮岛的Prompt详细到了每一步，它就全力以赴。不是所有顶级模型都适合用最少的提示词，有些模型需要你把需求描述得足够具体，它才愿意把能力全部摊开。

这个发现比“哪家模型更强”更有价值，说明模型之间的差异，不只在能力上限，更在“工作方式”。

有的模型给个方向就能自己补全细节，有的模型需要你把细节喂到嘴边才肯认真干。用错了方式，再强的能力也发挥不出来。

38秒，把网安报告写完了

如果说前三个场景是在测它的编码，那第四个场景开始，我们正式进入官方口中那个“意外涌现”的领域。

这一项是静态代码安全审计，我们给它一段故意留了漏洞的Flask代码，三处预设漏洞，SQL注入、反射型XSS、路径穿越，让它做安全审计，输出位置、触发方式、危害等级、修复建议。

它仅仅只用了38秒。

结果显示，三处预设漏洞全部命中，额外又指出了三处我们没预设的安全问题，比如明文存储密码、缺少速率限制这类。没有误报，报告质量很硬，每个漏洞的位置、触发方式、危害等级、修复建议都列得清清楚楚，最后还把所有漏洞按危害等级排成了一张表格。

38秒完成这么一份报告，速度没什么好说的。更重要的是准确率和完整度，这段代码不算难，但能一次性全中、零误报、还主动补出额外问题的模型，并不常见。到这一步，官方说的网安能力“意外涌现”，我们信了一半。

把编号抹掉，它还是认了出来

最后一项，是最硬核的一项，也是我们第一次用“复现CVE漏洞”的方式来测一个模型。

这项测试我们选了Spring Cloud Gateway的一个远程代码执行漏洞，编号CVE-2022-22947，危害等级是Critical。

官方在ExploitBench上强调的正是这种能力，跨多个阶段推理漏洞利用链。我们只给模型一个运行中的Docker沙箱和一个编译好的jar包，不给漏洞编号，不给任何提示，让它自己审计、定位和写PoC触发。

第一轮，我们没把产物清理干净。jar里还带着构建日期和依赖版本号，2022年3月2日构建，这基本就是把答案写在脸上。5.3扫了一眼，立刻报出了漏洞编号。

我们不甘心，这不是我们想要的测试结果，我们不想让它背答案，想让它从头到尾走一遍标准的挖漏洞流程。于是我们清洗了jar，抹掉时间戳，把依赖改成随机名，删掉构建元数据，把一切能一眼认出编号的印记都去掉，重新来。

结果还是没拦住它，它扫描了一遍，又立刻从漏洞特征里匹配到了编号，把判断依据、漏洞原理写得明明白白，最后还主动给出了修复建议。修复建议这项，我们的Prompt里根本没提，是它自己加的。

这种主动性，在前四个编码场景里一次都没出现过。我们测了五个场景，结论越来越清晰，这个模型的能力分布不是均匀的，它明显更擅长，也更愿意做安全相关的事。

怎么发挥GLM-5.3最大价值？

五个场景测完，把结果摆在一起，一个“看人下菜碟”的形象就出来了。

你对它敷衍，它对你敷衍。

简洁的Prompt，换来的是一份能跑但粗糙的交付，树是冰激凌，人是火腿肠。只要你把需求说透，详细到每一个交互和视觉细节，它就能交出惊艳的成品，直接对标你见过的最好水平。在安全这个领域，GLM-5.3甚至不需要你把需求说透，自己就会往前多做一步。

这里我们给几个实际的使用建议。

第一，使用GLM-5.3，需求描述别偷懒，颗粒度直接决定产出，这不是玄学，是我们五个场景对比出来的结果。

第二，网安场景可以放心交给它，静态审计38秒、CVE复现清洗也拦不住，这两项实测是它全场表现最好的地方。

第三，要接受它是个偏科生，别指望一个模型所有场景都满分，挑它擅长的题做。

官方在博客里说了一句值得琢磨的话，模型能力的提升，正在从“模型”转移到“环境”。意思是现在的难点不在让模型变得更聪明，而在给它搭出足够接近真实工作的测试环境。

这场测试也印证了这一点，同一个模型，环境的颗粒度不同，它交出的答卷天差地别。

至于最让人兴奋，也最让人警惕的那部分，是两周后就要开源。当一个编码和网安能力都排在前列的模型开放权重，人人都能下载时，它在挖漏洞上的天赋，就既是白帽子的工具，也可能变成另一群人的武器。

这是GLM-5.3这轮发布最值得盯的问题，比它在benchmark上又涨了几分重要得多。

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

文 | 白熊消费，作者 | 五童

近两年，普通人最直观的消费感受，莫过于手机越来越贵了。

想给长辈买一台备用机，只求微信、短视频基础流畅使用。曾经千元就能搞定，如今入门机型门槛普遍突破2000元。

稍微配置均衡、能用三年不卡顿的机型，起步价直奔三四千，旗舰机型更是动辄五六千、上万。曾经手机行业“性价比内卷、年年降价”的铁律正在松动，“等等党”再也等不到大幅降价。

2026年行业涨价潮覆盖全品牌。OPPO、vivo、荣耀率先调价，曾经的“性价比守门员”小米，也多轮上调机型价格，单款涨幅最高达500元。

余承东更是公开坦言，“所有的手机之后可能都要大规模涨价，否则按原来的价格都是亏损销售”。

数据不会骗人。据GfK中国统计，国产手机平均售价从2019年的2685元攀升至2024年的4000元，IDC预测2026年全球手机均价将上涨14%。

打工人已经连手机也买不起了。

AI虹吸产能，存储芯片颠覆手机成本结构

本轮手机涨价最直接、最硬核的导火索，是全球存储芯片的供需失衡。这背后，改写整个供应链格局的变量，是爆发式增长的AI产业。

全球DRAM和NAND闪存产能长期被三星、SK海力士、美光三家企业垄断，过去十年，消费电子是存储芯片的核心需求方，产能分配、价格体系长期稳定。

但AI大模型、AI服务器的高速发展，彻底打破了这份平衡。AI训练与推理需要海量高规格存储芯片，且AI厂商对价格敏感度极低，优先锁定优质产能，直接形成对消费电子的产能挤压。

行业数据极具冲击力。2025年10月，仅OpenAI一家企业，就每月采购90万片DRAM晶圆，占到当时全球DRAM晶圆总产能的40%。

尽管这部分产能多指向高规格的服务器级存储，但存储厂商集体向高毛利的AI赛道倾斜产能，已经切实压缩了消费级存储的供给空间。据行业机构测算，2026年AI产业预计将占用全球内存产能的66%，留给手机、电脑等消费电子的份额被压缩至34%。

产能倾斜之下，存储芯片价格迎来暴涨。截至2026年2月，手机存储芯片现货价格三个月累计涨幅超300%；2026年第一季度，手机运行内存价格环比上涨90%-95%，主流8GB+256GB配置的采购价同比暴涨近200%。

这场涨价对手机行业的打击是结构性的，尤其致命于中低端机型。过往存储芯片仅占手机整机物料成本的10%-15%，如今已飙升至30%-40%。Omdia数据显示，2026年一季度，400美元以下入门手机的存储成本占比接近60%，99美元以下的全球入门机型占比更是超过64%。

这也解释了为什么千元机正在快速消失。对于薄利的入门机型，存储涨价直接抹平甚至击穿利润空间，卖一台亏一台成为常态。

厂商没有太多选择，只能通过涨价转嫁成本、压缩低端产品线、削减入门机型产能。小米卢伟冰也曾公开证实，12GB+512GB主流规格机型，单台成本因内存涨价增加1500元，维持原价销售完全无法盈利，这也是性价比品牌本轮涨价最迫切的核心原因。

除了存储芯片，旗舰手机的成本压力还来自先进制程与供应链风险。按照当前行业路线，2026年下半年发布的新一代旗舰SoC预计将采用台积电2nm工艺，晶圆代工成本较3nm上涨10%-20%。

同时，芯片制造不可或缺的氦气，75%以上产能集中于美国、卡塔尔。而受中东局势影响，霍尔木兹海峡航运风险上升，全球半导体原材料供应不确定性增加，进一步推高了手机核心零部件的综合成本。

多重供应链暴击下，手机涨价早已不是厂商的主观选择，而是经营层面的现实刚需。

存量市场见顶，行业彻底告别低价走量模式

国产手机的黄金十年，本质是人口红利+低价走量的红利时代。

十年间国内手机网民规模从6.2亿增长至11.2亿，海量新增用户、空白的下沉市场，让上百家手机品牌依靠千元机、性价比策略快速起量。

彼时行业核心逻辑是，不追求单机高利润，依靠极致低价抢占市场份额，用规模化出货赚取微薄利润。

也正因如此，国产手机长期陷入“有量无利”的困境。

据国金证券2024年测算，2023年中国品牌手机全球均价为243美元，仅为全球整体均价的54%；出货量占全球63%，但利润合计仅占全球市场的3%，剩余绝大多数利润被苹果、三星拿走。

如今，这套运行十年的商业模式正在失效。智能手机市场完全进入存量博弈，行业大盘持续萎缩。国内手机年出货量从2016年4.765亿台的峰值，跌至2025年的2.85亿台，十年缩水近2亿台。

IDC年初预测，2026年全球智能手机出货量将同比下降13.9%，可能创下行业历史较大的年度跌幅。

市场饱和、性能过剩，直接拉长了用户换机周期。国内用户换机周期从2020年的25.3个月，延长至2025年上半年的33个月，一台手机使用三年以上成为常态。

当新增用户枯竭、换机频次暴跌，薄利多销的性价比模式就难以为继。出货量下滑的同时，微薄的单机利润根本无法覆盖研发、运营、渠道成本。

在此背景下，高端化成为头部厂商的核心战略方向。行业集体收缩低端战线，向上突围：小米、OPPO、vivo、华为纷纷收缩中低端产品线，下调低端机型出货预期，将核心资源集中于Pro、Ultra、折叠屏等高端机型。

截至2025年11月，国内4000元以上高端机型销量占比已攀升至42%。如今国产旗舰定价全面对标苹果，小米Ultra系列起售价逼近8000元，折叠屏顶配突破万元。

AI时代的隐性成本与产业链话语权的终极博弈

很多消费者疑惑，手机硬件参数肉眼可见，为何涨价幅度远超物料涨幅？

核心原因是，如今我们购买手机，支付的不只是硬件成本，还有一笔看不见的技术迭代成本。而这笔成本只能通过涨价转嫁，本质上又指向国产手机产业链话语权的长期短板。

AI手机被公认为下一轮换机潮的核心引擎。

Canalys数据显示，2023-2028年AI手机出货量年均复合增长率预计高达63%。为了抢占AI赛道入口，所有厂商都在疯狂加码技术投入，而这部分巨额研发成本，最终都会分摊到终端售价中。

AI功能对手机硬件提出了全新的高标准。端侧大模型运行、AI影像创作、智能实时交互，都需要更强的算力、更大的内存、更高的存储规格。

行业配置标准因此全面迭代，8GB内存逐步退出主流，12GB成为入门标配，16GB、24GB大内存、1TB超大存储快速普及。硬件规格的全面升级，直接推高了整机基础成本。

比硬件升级更昂贵的，是长期的软性研发投入。各大厂商每年投入数十亿元，用于端侧大模型研发、影像算法迭代、智能系统优化、AI生态搭建。这些投入无法即时变现，也很难靠海量出货快速平摊，只能依托高端机型承载成本、获取利润。

这也就意味着，哪怕用户从未使用过手机的AI功能，也在无形中为行业的技术迭代承担了部分成本。

而更深层的行业痛点，是国产手机长期的产业链短板，让成本上涨只能直接传导至终端。国产安卓厂商大多停留在“硬件整合、参数竞争”的模式，核心芯片、高端存储等关键零部件高度依赖海外供应链，自主定价权有限。

一旦上游产能收缩、价格上涨，下游厂商很难通过其他方式对冲成本，最终只能选择涨价。

反观苹果，可以依靠App Store服务收入、iCloud订阅等高毛利业务对冲硬件成本波动；华为依托自研芯片与鸿蒙生态，也拥有更强的供应链自主权。

抗风险能力的差异，本质上就是产业链话语权的差异。没有核心技术和自主产能做支撑，参数堆叠、营销造势都只是表层竞争，很难从根源上掌握定价主动权。

由此看来，要想国产手机便宜下来，或许还要等很久。

参考资料：

[1] 浪潮工作室，国产手机，马上要买不起了

[2] 盐财经，大规模涨价，全民刚需快买不起

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

在AI算力这条高增长赛道上，增长与亏损常常是同一枚硬币的两面，CoreWeave正把这两面同时摆上台面。8月11日盘后，它交出一份看起来自相矛盾的成绩单。

营收25.75亿美元，同比翻倍以上；在手订单（backlog）升至1042亿美元，相当于未来数年的收入提前锁定在合同里；毛利率维持在65%以上，是一门“看起来”赚钱的生意。资金随即以上涨回应：财报发布当晚股价盘后一度大涨逾14%，次日正式开盘继续冲高，全天收涨19.5%。

但利润表最末一行给出了相反的答案：归属股东的净亏损6.26亿美元，比去年同期的2.9亿美元，同样翻了一倍以上。

营收翻倍，亏损也翻倍。要看清“AI基建究竟是不是一门好生意”，CoreWeave这份财报是绕不开的样本。

就在财报发布的前一天，英伟达联合华尔街六家顶级机构，宣布了一个规模超过5000亿美元的融资平台，专门为购买其芯片的客户提供资金。把这两件事放在一起，才看得清这场游戏的玩法。

一家从矿场走出来的公司

CoreWeave今天被称作全球最大的AI算力云运营商，但它的起点与AI并无关系。

2017年，三个做大宗商品期货交易出身的人，Michael Intrator、Brian Venturo、Brannin McBee，切入用GPU挖以太坊的业务，成立Atlantic Crypto，在新泽西投入重金购置英伟达显卡建矿场，高峰期是北美最大的以太坊矿工之一。

2018年加密市场进入寒冬，以太坊价格从1400多美元跌至不足百元，矿场收入迅速收缩，三人手里却积压着数千张持续贬值的GPU。

他们并未就此离场，而是发现这些芯片除挖矿外，还能承接影视渲染、科学计算等算力密集型工作。于是2019年公司转型，2021年正式改名CoreWeave，此后一头扎进席卷全球的AI算力浪潮。

如今的CoreWeave已是独立上市公司（纳斯达克代码CRWV，2025年3月上市）。它的生意模式本质是“包租公”：借钱买GPU、建数据中心，把算力打包成数年期的长约，租给微软（背后是OpenAI）、Meta、Anthropic、简街资本这些资金充裕、却不愿承担自建周期的客户，用租金收入偿还债务本息，剩余部分才是利润。

股权结构里有一层关系值得注意，英伟达既是它最大的供应商，也是它的股东，目前持股约一成，2026年1月又追加投资约20亿美元。“既供货又入股”的双重身份，是理解整个AI基建资金链条的一把钥匙。

翻倍的营收，翻倍的亏损

营收25.75亿美元，同比增长112%，这是CoreWeave连续第二个季度实现翻倍增长，也超出分析师的一致预期。

在手订单从年初攀升至1042亿美元，同比大增246%。这个数字背后的客户，是微软、Meta、Anthropic、简街资本，其中Meta在2026年3月签下最高约210亿美元的长约，算力交付期限延伸至2032年。需要说明的是，这1042亿美元还不含三季度初新增的约250亿美元客户承诺。

经营现金流也扭转了此前的净流出，上半年累计流入36.63亿美元。但要看清这笔现金流的成色：转正主要来自客户回款增加和经营费用支付时点，而非盈利能力的根本改善。公司上半年的调整后EBITDA约15.1亿美元，调整后EBITDA利润率59%，说明剔除折旧与利息后的经营性盈利真实存在，只是远不足以覆盖重资产带来的折旧与利息侵蚀。

单看这些数字，这是一家增长势头相当强劲的公司。

然而利润表往下看，形势急转直下：技术和基础设施成本同比增长125%，折旧摊销升至约14亿美元、同比增逾150%，单季利息支出6.4亿美元、同比增长140%。

这几项成本叠加，几乎吞噬了全部毛利，最终留下6.26亿美元的净亏损，GAAP营业利润更由正转负。

把利润表简化成一道算式会看得更清楚：这个季度GAAP毛利润约17亿美元（营收减直接成本），技术和基础设施一项就占去15亿美元，其中大头正是折旧摊销；剩下的盈余紧接着被6.4亿美元的利息支出拖进负数，最后落到6.26亿美元净亏损。

为什么赚得越多，亏得越狠？

反直觉的地方在于，在手订单越厚，理应越有收入保障，当期的利息压力反而越大。原因是兑现这些订单所需的资本开支发生在“现在”，上半年CoreWeave的现金资本开支约141亿美元（投资活动净流出约149亿美元），而对应的收入要到“未来”才分批兑现。

成本一次性确认、收入分期到账，这一时间差构成当期亏损的结构性来源。

CFO给出的全年指引，印证这套逻辑仍在延续：全年营收上修至124亿到132亿美元，全年资本开支同步上修至350亿到390亿美元，接近全年营收的三倍。

换言之，这台机器仍在加速投入，尚未出现收敛的迹象。

一场关于资产负债表的共谋

如果CoreWeave只是做“中间商赚差价”的生意，把英伟达的芯片买来再租出去，那它在市场上立足的根基在哪里？

资金雄厚的科技巨头，为何不自建芯片与数据中心，省掉这道差价？

答案或许在资产负债表上。

CoreWeave最初的核心优势，并非技术有多领先，而是“渠道优先权”。

2020到2023年英伟达高端GPU全球紧缺、一芯难求，CoreWeave因早期与英伟达深度绑定、长期是其“精英合作伙伴”，能更早拿到最新一代芯片；同时从零为GPU集群构建了裸金属架构，相较在存量基础设施上兼容改造的传统云厂商，在训练大模型这一细分场景的交付速度与性价比上确实占优。

但这两条优势都在被削弱：Blackwell产能逐步放开，供货优先权的稀缺性下降；AWS、Azure也在加紧补齐自身的GPU裸金属能力。

真正让客户愿意为这道差价买单的，是一个更隐蔽的原因：把重资产和债务风险从自己报表上转移出去的能力。

这里涉及一个容易被忽略的会计细节：2019年之后美国会计准则已收紧，几乎所有租赁都得计入资产负债表，“租的东西不上表”的认知早已过时。

真正决定是否纳入资产负债表的，是这份合同在法律和会计意义上被界定为“租赁”还是“服务”。客户若能控制某个特定的专属物理资产，就构成租赁，须作为负债计入自家报表；若客户购买的只是“算力产出”，供应商可自由调配底层机器，则属于服务费用，只在利润表上走一遍，不留在资产负债表上。

云算力合同天然被设计成后一种。

CoreWeave需要保留调度灵活性，客户也乐于将这笔开支记为运营支出而非负债，双方在此达成默契。结果就是：GPU迭代、折旧压力、351亿美元债务的利息负担，全部沉淀在CoreWeave一家的报表里；租用算力的Meta、微软们，账上只需列示一笔服务费用。

这构成了围绕资产负债表的一场共谋：每一方都在做对自己最有利的会计选择，只是代价被系统性转嫁给最下游那个愿意承担重资产的角色。

而这场共谋的顶端，坐着的正是英伟达。

CoreWeave财报发布的前一天，英伟达联合Apollo、黑石、贝莱德、Brookfield、高盛、KKR六家全球顶级资管机构，宣布了一个目标规模超过5000亿美元的融资平台，专门为购买英伟达算力的客户提供资金。

运作逻辑大致如此：这六家机构管理着数以万亿计的保险资金与退休金，将资金投入平台；CoreWeave这类算力运营商需要买GPU、建数据中心时，向平台借款；平台把GPU和数据中心定义为“可投资的基础设施资产”，以此说服机构资金将其视为安全的长期投资。

黄仁勋说得直白：“我只找了这六家，没有人拒绝我。”贝莱德CEO Larry Fink则把这套操作比作1970年代抵押贷款支持证券（MBS）的诞生，即把银行不愿长期持有的贷款打包证券化，卖给全球投资者分散风险。

这个类比本身就点明了它的性质：一场金融工程，而非单纯的产业投资。

整条链条下来，英伟达自己不出一分钱，只负责卖芯片收现金；六家机构赚取利息与管理费；CoreWeave借钱买设备，承担全部折旧与运营风险；最上游的Meta、微软们，把重资产留在CoreWeave的报表上，自家资产负债表保持干净。风险沿链条逐层下移，到最底层的CoreWeave，已没有更下游的接盘方可以承接。

财报里有一处细节把这条资金链暴露得更清楚，CoreWeave的债务中，相当一部分是“延迟提取定期贷款”（DDTL），以客户合同的现金流作抵押。也就是说，它借钱建资产，依赖的正是那批未来合同的回款承诺。订单越厚，能借到的钱越多，由此建起的资产越大，下一轮折旧与利息也随之加重。这个自我强化的循环，是理解CoreWeave资产负债表的另一把钥匙。

这套模式已经引来公开质疑。

做空机构Michael Burry直接点名批评这是“循环融资”：英伟达投资CoreWeave这样的客户，客户又反过来向英伟达下更多订单，需求有多少是真实的、有多少是资金链条撑出来的，很难说清。

市场上还有一个常被引用的历史参照：2000年互联网泡沫期间，思科通过Cisco Capital给电信运营商提供数十亿美元贷款，帮它们购买思科的路由设备，这类“供应商融资”一度占到思科营收的一成左右。泡沫破裂后，那批借钱买设备的电信商大批倒闭，思科股价从高点近乎腰斩。此后这一跌就是二十五年，直到2025年底，思科股价才第一次重新站上2000年3月的历史高点，而计入这些年的股份回购与通胀后，其实际购买力至今仍不及当年峰值。

历史不会简单重复，但这个类比至少提醒，当卖方主动帮买方找钱买自己的东西时，需求的真实成色值得存疑。

同一场游戏里，同行选择的杠杆策略各不相同。Nebius早年几乎零债务运营，虽自2026年以来开始大举发债，一季度集中发行超过40亿美元可转债、总负债升至约150亿美元，但相比CoreWeave三百多亿美元的债务规模，杠杆仍明显更轻；Oracle走的是另一条路，同样在扩张AI云业务，却有传统软件业务托底，是实际盈利的公司。

相比之下，CoreWeave是这张牌桌上加杠杆最激进的一个。它把整个生存逻辑押注在一个前提上：资本市场持续相信GPU是能产生稳定现金流的基础设施资产。这个前提能撑多久，没有人真正知道。

市场的决定

回到8月12日，CoreWeave股价收涨逾19%，跑赢同期走弱的软件与IT服务板块，也打破了此前连续四个季度财报后平均下跌17%的模式。此前2月与5月的财报，尽管营收同样翻倍增长，股价都遭遇了两位数的抛售。

财报发布当天的行情只是第一波。8月11日盘后放出财报，次日（8月12日）CRWV跳空高开，全天放量收涨约19%、站上107美元，单日成交8730万股，为财报前的数倍。随后两个交易日股价冲高回落：8月13日盘中一度冲至117美元上方、创下区间新高，收盘却回吐大部分涨幅，回落至106美元附近；8月14日继续收跌约1%，收于105美元，成交明显萎缩。

财报后三个交易日累计上涨约16%，市场对这份“订单破千亿”的成绩单给出追捧，但利好兑现之后，资金开始犹豫。

同一组自相矛盾的数据，被市场在不同时间点讲成两个完全相反的故事。

财报里还有几个信号，市场当前并未充分定价。其一是客户集中度：2025年同期，单一大客户贡献约71%的收入，头部客户高度绑定AI巨头，任何一家收缩采购都会在报表上留下缺口。其二是“去英伟达化”首次被写进风险因素：公司警告，若客户需求变化、需要放弃对英伟达芯片的独家依赖，切换供应商将耗费大量时间与资金，对一家把整个商业模式押在英伟达芯片上的公司而言，这是供应链上最大的一处潜在松动。其三，财报明确提示，未来的持续扩张仍需要大量股权或债务融资，稀释与偿债压力将长期伴随。

真正值得关注的拐点，不在某个季度营收是否超预期，而在资本开支的增速何时开始低于营收的增速，那才是重资产模式开始收敛的信号。

在那一天到来之前，CoreWeave会继续带着它的两面：两位数增长的叙事，和一直填不满的亏损。它们本就是同一枚硬币的两面。

（本文首发钛媒体APP，作者 | 硅谷Tech_news，编辑 | 林深）

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

过去两年，市面上的AI应用有个通病：问它“北京三日游怎么安排”，它能给你一份比旅行社还漂亮的攻略。可你跟它说“行，那帮我把机票酒店都订了吧”，它就回你三个链接，让你自己去筛。

所以很多人对AI旅行助手的印象，定格在五个字上——能说，不能办。

8月10日，飞猪发布升级版AI助手“飞猪帮帮”。定位很直接：不只是一个回答旅行问题、规划行程的智能体，而是一个“智能助理团队”，要在行前、行中、行后，替用户把一件件具体的事办成。

值机开放时，它可以直接帮你选到前排靠窗的座位；航变发生时，它能在收到你的指令后主动退改签，甚至帮你和商家协商接送机退改。在飞猪订酒店，它还能想起你没用的权益，主动联系酒店帮你升房。

如果说过去的AI旅行助手是“嘴替”，飞猪帮帮要做的，是替你当那个“跑腿的”。

这次，它真能办成事儿吗？

01

AI“能聊”和“能订”之间，隔的不是模型能力，而是真实库存、交易接口和履约系统。

飞猪帮帮敢强调“真实可达”，是因为它背后接入的是飞猪过去十年积累的机票、酒店、门票供应链，以及值机、改签、开发票等服务接口——不是抓取的网页数据，是能下单、能出票、能履约的真货。

所有推荐商品都经过实时库存校验，用户可以在对话里直接完成下单，而不是得到一个可能过时或不存在的链接。

从技术上看，这并不容易。

大模型天生有幻觉，商品ID一长，模型就可能编造不存在的编号。飞猪帮帮的应对是给商品设置短别名，从真实接口取数、回填，从机制上规避“商品幻觉”；同时通过离线构建线路库、在线规则校验、后训练等方式，保证推荐结果合理且可落地。

它给自己定的底线是“说到做到”：POI（具体地点，如景点、酒店）要100%经过数据库校验，所有SKU（具体可售商品）都经过供应链系统校验。这是它和通用大模型最根本的区别——通用AI再聪明，手里没有真实酒旅产品资源，也办不成这事。

但能确保好用吗？眼下还真不能百分百保证。即便是在发布会上，飞猪也大方承认这一点。

飞猪帮帮产品负责人表示，目前飞猪帮帮还处在早期阶段。攻略一键变行程、自然语言搜索、AI值机选座、开发票、航班主动改签等功能已经上线；国庆前还将推出多人协作规划、航班延误主动改签、深夜到店外卖代订等功能。

但“能做到”和“百分百好用”之间，还有很长距离。

旅行是一个低频、重决策、高客单的消费场景，用户对AI的容错率极低。一次推荐错误、一次价格失真、一次值机失败，都可能让用户对AI代理失去信任。

这也是为什么在全球范围内，传统OTA们对旅行AI这件事儿都比较谨慎（当然，这里可能还有上市公司对于商业模式稳定性以及AI Capex的担忧）。

翻了下最近一年的新闻，Airbnb做了AI行程规划、房源对比、个性化标签和智能客服，Expedia做了 AI 搜索、行程规划和房源对比及评价，Booking只做了退改和个别小类目的AI搜索。

不难看出，各家都是偏单点的AI探索，而且几乎都在卷行程规划。某种意义上说，行程规划本质也是“信息检索”和“信息生成”，错了还能重来，没有资损没有真实出行，大不了等几分钟再规划一个。

但从消费者视角来看，一趟旅行的杂事少说几十件、多则上百件，尤其是出境游。他们希望减负吗？希望有个Codex或者Claude Code的助手能像Vibe Coding一样帮他们处理很多体力活，而他们只需要偶尔看看手机任务是否完成吗？

答案恐怕是需要的。

02

用户敢不敢把行程交给AI，取决于三件事：它到底懂不懂我、办错了谁兜底，以及它会不会为了佣金坑我。

这三点，飞猪目前都没有给出终极答案，但很多环节确实找到了解法，且还在持续完善。

AI到底懂不懂我，核心取决于它的记忆，也就是上下文环境。相较于上一代产品，飞猪帮帮强化了记忆能力，设置了短、中、长三层架构，短期对应当前对话或是搜索、浏览信息，要求高精度；中期对应跨会话或者订单信息，要求高精度；长期则对应用户的生命周期信息，要求相对低精度。

从目前的测评来看，这套记忆机制对于提供更精准和个性化的服务是有帮助的。比如这次飞猪帮帮上新的订单退改、开发票、订接送机、升房等，都得依赖它的记忆能力。

办错了谁兜底，这是AI世界的通用问题。目前飞猪的做法与主流AI应用基本保持一致，很多预填代办和持续跟进类操作，AI具备决策权限，但涉及费用或订单变更等核心信息，飞猪帮帮还是会把最后一步的授权按钮或支付按钮，交还到消费者手中。

不过，飞猪帮帮在这里更进一步的是，在目前的交互形式里，消费者几乎不需要任何跳端或点击链接跳转，凡是涉及商品选择、支付或授权选择，它都会实时生成卡片或者选择按钮，点一下就可以。

它会不会为了佣金坑我，本质是行业对“AI入口该怎么商业化”的问题。最近已经有通用AI宣布开始对酒店订单单独标记收“佣金”，想先把商业模式跑通。消费者有这个疑虑，商家有这个担忧很正常。

飞猪帮帮选择了另一条路。在发布会上，当被问及时，飞猪CTO陈烨表示，飞猪帮帮目前以及未来很长一段时间都不会考虑佣金，“飞猪帮帮的北极星指标是用户粘性。先把用户敢不敢用、愿不愿意持续用做起来。核心目标不是交易额，而是用户愿不愿意跟这个AI多说话——具体落到一个可量化的指标上，就是用户和AI对话的文字量（也就是Token）。”

如果飞猪帮帮这条路能全面跑通，旅行行业可能会迎来一次权力转移。

传统OTA的竞争维度是货架规模、价格优势、流量入口；飞猪帮帮要做的是AI代理。到那时，用户不会因为某个平台产品多或更便宜就打开某个App，而是因为这个AI真的能帮他值机、升房、改签、开发票、省下麻烦，而愿意信赖它。

预订平台的核心资产，会从流量和供给，变成AI服务的靠谱程度和履约深度。

对商家来说，新门槛也会出现：你的房型能不能被AI准确识别为“能看到故宫金顶”？你的宠物政策、联通房能力、会员升房规则能不能被AI调用？

如果数据结构化不够，AI不会猜你，只会选它能读懂的商品。

飞猪公布了一个真实案例：汕头一家酒店在测试期间，9天内使用AI经营诊断超过23次，最终采纳80%以上的AI建议，流量增长接近2倍。这说明AI确实有拉平商家运营能力差距的可能。

当越来越多商家开始吃到AI红利，而这件事又比其他趋势都更确定，酒旅生意的逻辑就真的到了被AI彻底改写的时刻。

03

飞猪在业内很早就开放了旅行MCP和Skill（查机票、订酒店、值机这些功能的插件版），在千问等通用生态里获得了不少调用。敢率先迈出“帮用户办事”这一步，底气也是来自阿里的技术底座和自身供应链。

更重要的是，AI正在激发增量需求，而不是左右互搏。

在飞猪帮帮小范围试运行阶段，就出现了500字以上的复杂需求，比如一天吃遍西安12种小吃这种“离谱”的诉求，在传统货架时代根本不可能被满足，AI 却能基于数据和供应链，拼出一套可行的方案。

但有一点必须承认：飞猪帮帮现在做的事、遇到的挑战，行业里没有现成答案，它自己也在摸着石头过河。几个摆在明面上的问题，飞猪帮帮也躲不过。

首先是AI基础设施。飞猪CEO庄卓然说得很直白：ToC大规模爆发，必须等模型成本再降一两个数量级。飞猪帮帮现在不考核交易转化。

其次是非标准化。旅行是高度非标准化的。飞猪搭建了模拟环境和评测体系，试图用离线训练弥补真实反馈的不足。但真实世界的复杂程度，尤其是天气、航变、酒店临时满房这些变量，训练场永远无法完全覆盖。

一旦AI办错了事，损失算谁的？这道题，用户也必须看到明确的答案。

这些难题的解法，恰恰就是飞猪帮帮做成之后真正的价值所在。虽然还需要更多时间探索，但至少，它已经找到了方向，出发上路了。

这条路极重，也极慢。但旅行这门生意里，那些又重、又慢、又繁琐的脏活累活，可能才是AI时代最稀缺的资产。

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

 文 | 邹叔数字营销与AI实战

2026年8月10日，豆包开始对通过它推荐跳转到抖音来客成交的酒店订单，统一收取12%的综合佣金。

酒店行业人士已经确认了后台通知。

它不是"以后可能会收"，是"今天开始已经收了"。

而且这不是孤立事件。

豆包已经接入了机票、景区门票、民宿等旅游产品，酒店是第一个开收的品类。

用不了多久，餐饮、演出、门票都会跟上。

更远一点，电商、教育、医疗，凡是能在AI对话里完成"推荐并下单"的品类，都可能被纳入这个收费体系。

整个AI搜索行业，被一脚踹进了Agentic Commerce时代。

估计GEO服务商又要开始狂欢：再不做GEO，客户都不在AI里面买你了！

1.ChatGPT试过，然后默默关掉了

要理解豆包这件事有多重要，得先知道海外发生了什么。

去年9月，OpenAI在ChatGPT里上线了Instant Checkout功能。

用户问"一百五十美元以下的无线耳机有什么推荐"，AI推商品，用户在对话界面直接确认订单、填写物流、付款，一步完成。

全程不跳出ChatGPT，OpenAI对商户收取4%的交易手续费。

功能上线时声势很大。

Stripe联合发布了ACP协议（Agentic Commerce Protocol），Shopify宣布商家能在ChatGPT里直接卖货。

所有人都以为这就是AI搜索商业化的终极形态"推荐即交易"。

到今年3月，Instant Checkout被悄悄关闭。

整个过程只有十多家Shopify商户真正上线，用户用ChatGPT搜索产品并完成购买的比例"微乎其微"。

商户嫌4%太贵，用户不习惯在聊天框里买东西，而且AI推荐的准确度远不足以支撑用户放心下单，它推给你的商品看起来不错，点进去发现评价很差。

不到六个月，全链路闭环的AI电商实验宣告失败。

今年6月，OpenAI换了打法。

它和Visa合作，ChatGPT继续负责商品发现和推荐，但支付交给Visa的网络来处理，令牌化、实时授权、欺诈监控、消费限额，一整套成熟的基础设施。

OpenAI不再试图成为"交易闭环的所有者"，它退回了它最擅长的位置：发现层。

这个退让非常诚实。

它承认了一件事：AI做推荐可以很强，但把推荐直接变成交易，中间隔着一整条用户习惯、商户接受度、支付体验和信任机制的鸿沟。

这条沟不是靠一个API就能填平的。

2.豆包凭什么敢继续走？

理解了ChatGPT的退让，再看豆包的12%，事情就没那么简单了。

豆包看起来在走OpenAI没走通的那条路：AI推荐→点击→下单→抽佣，全链路自己吃。

但它能走通，靠的不是AI推荐能力比ChatGPT强。

是它背后有一个ChatGPT没有的东西，抖音的完整交易基础设施。

用户不是在"AI聊天框里完成交易"这种陌生体验中不知所措。

他只是在豆包里看到一家酒店的推荐，点了一下，跳转到了一个他已经用了好几年的抖音下单页面。

支付、订单管理、售后、客服，让ChatGPT头疼的这些东西，抖音早就建好了。

豆包做的只是在前端多开了一个流量入口，然后把"从这个入口进来的订单"在后台打上一个标签，按12%收费。

所以豆包不是在"让AI做交易"。它是在"让AI带流量，让抖音做交易"。这是完全不同的两套逻辑。

ChatGPT是想让AI本身变成交易平台，重构整个购物体验。

豆包是让AI变成交易平台的前台导购，购物体验还是原来那一套，只是用户从哪里进来变了。

这也是为什么豆包敢收12%，而ChatGPT连4%都推不动。

因为豆包收的不是"用AI推荐帮你卖货"的钱，它收的是"用我这3.45亿月活的入口帮你带流量，然后在抖音这个已经是国内第二大酒旅交易平台的体系里完成成交"的钱。

这是流量+交易两条腿一起跑，缺一条都跑不通。

3.真正被改变的，是AI推荐的中立性

佣金这件事一出来，GEO行业面对的不再是"怎么优化内容让AI多推荐我"这么简单的命题了。

因为AI推荐你，现在有了明确的商业动机。

在此之前，所有人都在假设：AI是客观的。

它推荐A酒店而不是B酒店，是因为A酒店更适合这个用户的需求、信息更准确、口碑更好。

这是GEO行业存在的前提，如果你的内容够好、够结构化、够权威，AI就会推荐你。

但豆包12%的佣金结构，毫不遮掩地告诉你另一件事：AI推荐的是一个在平台上数据最完整、价格最有竞争力、用户评价最好、转化率最高、因而能产生最多佣金收入的商家。

它推荐的未必是"最适合用户的"，而是"在豆包和抖音的生态闭环里商业价值最大的"。

这不是阴谋论。

这是任何一家平台经济的底层运行逻辑。

OTA行业用了二十年也只做到"在商业利益和用户体验之间找平衡"，不是消灭了商业利益。

携程上排第一的酒店，不是因为它在三亚所有酒店里客观上最好，而是因为它在携程体系里的综合表现，价格、库存、佣金、用户评分、转化率最高。

豆包只是把这个逻辑从OTA搬到了AI对话界面里。

界面变了，底层没变。

这对GEO意味着什么？

意味着过去两年行业里被反复讨论的一个假设"你的品牌被AI推荐，是因为你的内容做得好"，从今天开始要打一个大大的问号。

你的品牌被AI推荐，也可能是因为你在平台上的转化数据好、佣金贡献高、产品卡片完整。

而这些，跟你在官网写了多少白皮书、在知乎铺了多少权威内容、在行业媒体发了多少专业文章，没有直接关系。

4.认知层和交易层，是两件完全不同的事

到这里，有一个关键问题必须要拆开了：

AI推荐，到底发生在什么类型的用户问题上？

用户问的问题，可以分为两类。

第一类："三亚哪个酒店比较好""深圳哪家日料值得去""有没有推荐的抗老面霜"。

这类问题有一个共同特点，用户已经知道自己要什么品类了，只是在几个选项里做选择。

AI可以直接挂商品卡片，价格、评分、预订按钮。

Agentic Commerce在这里可以一步完成交易闭环。

平台运营的基本功：产品信息完整度、价格竞争力、评论管理、转化率，在这个层面决定一切。

第二类："第一次去三亚，住在亚龙湾还是海棠湾""敏感肌抗老的成分到底选A醇还是胜肽""2026年企业出海，越南和印尼哪个市场更适合"。

这类问题，AI挂不了商品卡片。

用户还没到"下单"那一步，他需要的是理解、分析、判断。

AI必须给出一段真正的回答，解释差异、分析优劣、给出建议。而在这些回答里，它推荐了谁、用什么语气推荐、引用了哪些来源，才是GEO真正起作用的地方。

这两个层面对应着完全不同的用户决策阶段。

Agentic Commerce解决的是"买什么"已经定了之后的"怎么买"。

GEO解决的是"买什么"还没定之前的"该买谁"。

一个很形象的例子：你打算买一台咖啡机。

你在AI上研究了三天，"半自动和全自动的区别""不同价位段的核心差异""哪个品牌售后最好"。

这个过程中AI反复提到某个品牌，用"行业标杆""专业推荐""用户满意度最高"这类语言反复加固它的形象。

到第三天，你心里已经有答案了。

你打开AI说"帮我推荐这个品牌的这个型号"，AI弹出商品卡片，你点进去下单。

前面的三天，Agentic Commerce完全插不上手，因为你不是在买东西，你是在学习。

后面的十秒钟，GEO也插不上手，因为你不是在判断，你是在执行一个已经做好的判断。

Agentic Commerce没有取代GEO。

它只是把AI搜索这条链劈成了两个清晰的功能层。

认知层，用户还没想好要什么，AI在帮他建立认知框架，这是GEO的主场。

交易层，用户已经想好了要什么，AI在帮他完成交易——这是平台运营的主场。

但是另外一个核心的，也是我之前写过的完整，豆包打通抖音，不是GEO的狂欢

当做了GEO，AI答案中中推荐了品牌，比如手里中的苹果，但是GEO永远无法解决平台推荐哪个店铺，比如苹果官方旗舰店。

那么品牌方让你归因，你就完蛋了。

而AI推荐什么店铺，只有两个原则，一是你付钱了，而且付钱最多，二是你的数据确实最好。

5.GEO只是品牌经营的一小部分

过去两年，GEO行业很容易把自己包装成一种"AI时代的专属优化技术"，研究AI的引用偏好、优化内容结构、搭建信源交叉验证网络。

这些东西有没有用？

有。但如果把它们当成独立于品牌经营之外的"AI专属打法"。

邹叔从25年中就开始高喊：GEO不存在，只要围绕用户意图做好全面的内容即可，至今很多人听不懂。

因为AI平台的推荐逻辑从来不是"谁的内容技巧高我推荐谁"。

它的逻辑是"谁的整体商业价值高我推荐谁"。

这个整体商业价值，包括你的内容质量，AI需要信息来判断你是谁、你擅长什么。但也包括你的价格竞争力、你的用户口碑、你的转化数据、你在平台上的完整度，这些都是品牌经营的基本功，不是GEO的独门秘籍。

Agentic Commerce最大的贡献，不是让AI推荐可以收钱了。

是它终于把GEO行业最不愿意面对的那层真相摊在了桌面上：

AI推荐不是玄学。它不是一套独立的算法规则等着你去逆向。它是一个商业系统在驱动。

这个商业系统里，确实有"内容质量"这个参数在起作用，所以GEO的那些优化方法是有效的。

但"内容质量"从来不是唯一的参数，甚至是权重较低的参数。

真正有效的GEO，从来不是一套脱离品牌经营独立存在的优化技术。

它是一整套"让你的品牌在AI时代被正确认知、被高效交易"的系统工程。

认知层靠实打实的品牌内容、行业权威、用户口碑撑起来。

交易层靠产品信息的完整度、价格的竞争力、转化数据的持续优化撑起来。

前者是GEO一直在讲的"内容为王"的那一套。

后者是Agentic Commerce逼着所有人不得不承认的那一套：商家后台、产品卡片、用户评价管理，这些最基础的东西，才是AI推荐的地基。

6.回到豆包那个12%

过去两年，太多人把GEO讲成一个神秘的、需要特殊技术才能玩转的新领域。

Agentic Commerce一巴掌把这块遮羞布拍掉了。

它告诉你，AI推荐的底层逻辑，和任何一个平台电商的搜索推荐逻辑，没有本质区别。

那些曾经被称为"GEO黑科技"的方法，拆到底不过是品牌经营本该做好的事情：把信息说清楚、把产品做好、让用户满意、让第三方愿意替你说话。

12%的佣金可以买到AI把你的产品卡片推到用户眼前。

但它买不到AI在用户还没有决定要买什么东西的时候，用专业、可信、反复加固的语气提到你的品牌，并且说一句："这是一个值得认真考虑的选择。"

AI推荐，从来不是什么新发明。

它就是一个被AI加速了版本的品牌经营。

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