河马的CC商业实战 · 出品

河马观澜

今 日 深 读

01

智能爆炸前夜?恐怕还没有

Are We on the Verge of an Intelligence Explosion? Maybe Not.

Singularity Hub · Edd Gent · 中英对照 · 约 7 分钟

「AI 自己造 AI」的递归自我改进是当下最热的叙事,这篇文章给它泼了一盆有实验依据的冷水:用未发表 NeurIPS 论文的真问题做「影子评测」,最强智能体开局漂亮——文献调研、初始假设、几百组实验都对,但 10 小时就锁死方向、被 AI 评审反复否定也不回头,最终 strong reject。真正难的不是执行,而是知道何时推倒重来。全文翻译。

开始阅读 →

02

1730亿买了一把碎银子:即时零售的闭环真相

虎嗅(作者投稿) · 李斌 · 中文 · 约 12 分钟

本期信息密度最高的一篇。作者是做了三十年零售的前百亿连锁执行总裁,用「空间税—流量税—智能税」三种信息权力的跃迁,把即时零售大战讲成一部零售业变迁史:1730 亿补贴烧出的不是增量,是渗透率不到 2% 的防御性自保;三税叠加穿透商户,闭环建成了,利润天生是碎的。结尾那个绕过 AI 推荐、去楼下小店买 U盘的故事,是今年读到最好的商业隐喻。

开始阅读 →

03

9 月开门:沪强深弱再平衡,农业消费接棒 AI 硬件

2026 年 9 月 1 日 A 股复盘综合

公开市场信息综合(财联社、同花顺、东方财富、央广网) · 河马观澜整理 · 中文 · 约 5 分钟

周末十大券商刚喊完「再平衡」,9 月第一个交易日市场就原样演了一遍:沪指靠权重护盘微跌 0.16%,科创 50 跌 2.19%,资金从 AI 硬件、半导体撤向农业、零售、影视——高低切换从研报标题变成盘面现实。缩量 976 亿说明观望而非恐慌,调整尾声的判断暂时未被证伪。

开始阅读 →

快 览

  1. 英伟达 35 亿美元投资联发科,用 NVLink Fusion「收编」定制芯片潮(TechCrunch)—— 打不过就入股:让定制 ASIC 长在英伟达的机架标准里,循环投资再加一环。
  2. Manus 正式恢复独立运营,创始团队重新掌舵(财新)—— 去年最具戏剧性的 AI Agent 公司,股权与控制权之争落幕。
  3. 晚点独家:阿里要继续大投入淘宝闪购,三年不担心亏损(雪球转载)—— 配本期深读 02 服用:平台侧的战略决心,正是商户侧「碎银子」的另一面。
  4. 一年融 7 轮、累计超 2 亿美元:具身智能的「卖水人」最先收到现金(虎嗅)—— 无本体数据赛道创融资纪录,采数设备比机器人本体先跑通商业闭环。
  5. 优地机器人 IPO:「全场景商用服务机器人第一股」的故事(虎嗅)—— 机器人证券化继续,这次是商用清洁配送场景。
  6. AWS 将追加部署 200 万块英伟达 GPU 并集成 NVLink Fusion(Morningstar/Dow Jones)—— 上周官宣,与联发科案同一条逻辑线:云厂商的自研芯与英伟达的架子共存。
← 返回目录
深读 · 01

智能爆炸前夜?恐怕还没有

Are We on the Verge of an Intelligence Explosion? Maybe Not.

Singularity Hub · Edd Gent · 2026-08-28 · 约 7 分钟 · 原文链接

导读与要点(建议先读原文)
  • 测试方法「影子评测」:取高质量未发表论文的研究问题,让 AI 智能体独立解题,再由论文原作者按 NeurIPS 标准打分——比复现类工程任务更接近真实研究。
  • 实验设置:3000 美元 API 额度+GPU 时长+独立虚拟机+不限网络,六天写一篇能过会的论文;测试对象为 Claude Opus 4.8,两道开放式题目(模型人格特质的权重测量、表格模型的可靠性检测)。
  • 开局惊艳:智能体高效调研文献,初始假设与原作者不谋而合,成功跑了几百组实验——日常研究环节确实已被 AI 拿下。
  • 溃败在判断力:10 小时内锁定方向后拒绝转向;一个智能体剩 110 小时没用,两个都没花完一半 API 预算;面对 AI 评审指出的真问题,只加免责声明继续硬冲——最终 strong reject 与 reject。
  • 局限与批判性阅读:评审知道稿件来自 AI,可能存在偏见;研究团队中有成员本就公开质疑智能爆炸;人类原作耗时远超六天。结论宜读作「当前智能体缺乏研究品味与止损能力」,而非「AI 永远做不了研究」。
There's growing excitement in the AI industry about the idea that today's leading models could build the next generation of the technology. But a new study recently found top AI agents struggle on the kind of genuinely open-ended research problems required to push the field forward.
AI 行业正为一种想法兴奋不已:今天的旗舰模型,或许能亲手造出下一代技术。但一项新研究最近发现,顶尖的 AI 智能体在真正开放式的研究问题上举步维艰——而推动领域向前,靠的恰恰是这类问题。
Large language models have made rapid progress in many of the day-to-day jobs involved in machine learning research, such as writing code, generating and curating data, and running experiments. Last year, startup Sakana AI's AI Scientist-v2 even managed to write a paper that cleared peer review for the prestigious International Conference on Learning Representations.
在机器学习研究的许多日常环节——写代码、生成和筛选数据、跑实验——大语言模型都进步飞快。去年,初创公司 Sakana AI 的「AI 科学家 v2」(AI Scientist-v2)甚至写出了一篇通过顶级会议 ICLR(国际学习表征会议)同行评审的论文。
These advances have led to speculation that models are close to being able to build better versions of themselves with little human oversight—a process called recursive self-improvement. The idea underpins predictions that we may be on the verge of an intelligence explosion that could quickly lead to AI superintelligence.
这些进展催生了一种推测:模型已接近在几乎无需人类监督的情况下造出更强的自己——这个过程被称为「递归自我改进」(recursive self-improvement)。正是这个想法,支撑着「我们已处于智能爆炸前夜、超级智能指日可待」的预言。
In a recent paper, researchers put the idea to the test using a new approach they call shadow evaluations. This involves taking the research question from a high-quality, unpublished machine learning paper and asking AI agents to solve the problem. The original paper's authors then grade the results. When the team tested Claude Opus 4.8 on two papers submitted to the prestigious machine-learning conference NeurIPS 2026, the authors rejected both.
在最近一篇论文中,研究者用一种他们称为「影子评测」(shadow evaluations)的新方法检验了这个想法:取一篇高质量但尚未发表的机器学习论文的研究问题,让 AI 智能体去解决,再请论文原作者给成果打分。当团队用两篇投稿到顶级机器学习会议 NeurIPS 2026 的论文测试 Claude Opus 4.8 时,原作者把两份成果都否决了。
"The papers were nowhere close to the mark when it came to being at the quality of a top AI conference," Sayash Kapoor from Princton University, who co-led the study, told MIT Technology Review.
「以顶级 AI 会议的标准看,这些论文离达标还差得远,」共同领导这项研究的普林斯顿大学(Princeton University)研究员萨亚什·卡普尔(Sayash Kapoor)告诉《麻省理工科技评论》(MIT Technology Review)。
Previous efforts to get AI agents to do machine learning research have often targeted problems focused on engineering, such as reproducing previous research or training smaller models against a benchmark.
此前让 AI 智能体做机器学习研究的尝试,大多瞄准偏工程的任务,比如复现已有研究,或对着基准测试训练小模型。
In the new experiments, the researchers challenged models with more open-ended tasks that required them to devise hypotheses, decide what evidence is needed to validate them, judge when a research direction was fruitless, and go back to the drawing board.
而在新实验中,研究者给模型出了更开放的题目:它们必须自己提出假设,决定需要什么样的证据来验证,判断一个方向何时已经走入死胡同,然后推倒重来。
One research question was whether the personality traits a language model displays can be measured and adjusted by observing and editing its weights; the other attempted to detect when a model that works with tabular data has quietly stopped being reliable.
一个研究问题是:语言模型表现出的「人格特质」,能否通过观察和编辑模型权重来测量与调整;另一个则是:如何察觉一个处理表格数据的模型何时已经悄悄变得不可靠。
In each case, the AI researchers were given $3,000 of API credits, a budget for time on GPUs to run machine learning experiments, a dedicated Linux virtual machine, and unrestricted internet access. They were then given six days to produce a paper that could pass NeurIPS' stringent peer-review criteria.
在每轮实验中,AI「研究员」拿到 3000 美元的 API 额度、跑机器学习实验的 GPU 时长预算、一台专用 Linux 虚拟机和不受限的网络访问权限,然后有六天时间写出一篇能通过 NeurIPS 严格同行评审的论文。
In both cases, the models got a good start. The agents surveyed the literature effectively, came up with opening hypotheses that mirrored those of the authors, and successfully ran hundreds of experiments.
两轮实验里,模型的开局都不错:智能体高效地调研了文献,提出的初始假设与原作者不谋而合,还成功跑了几百组实验。
But they quickly went off the rails. Although they could monitor their own use of time and their API and GPU budgets, they rushed through the process. One left 110 hours of unused time on the clock, and both failed to spend even 50 percent of their API budget.
但很快就开始跑偏。尽管它们能监控自己的时间、API 和 GPU 预算,整个过程却草草推进:一个智能体在计时器上剩了 110 小时没用,两个智能体连 API 预算的 50% 都没花掉。
Both agents also settled on a research direction within just 10 hours and failed to change approaches despite repeated negative feedback from another AI designed to review drafts of their papers. The reviewer identified problems the human authors would also flag in the final paper, but the models simply added caveats to their findings and ploughed on. Ultimately the papers received a "strong reject" and a "reject" decision from the human reviewers based on NeurIPS grading protocol.
两个智能体都在头 10 小时内就锁定了研究方向,此后再也不肯改弦更张——尽管另一个专门评审论文草稿的 AI 反复给出负面反馈。这位「评审」指出的问题,恰恰是人类作者最终论文里也会被挑出来的毛病;但模型只是给自己的结论加了几句免责声明,然后继续埋头硬冲。最终,两篇论文按 NeurIPS 评分流程分别吃到人类评审的「强烈拒稿」(strong reject)和「拒稿」(reject)。
The authors admit their approach has limitations. The reviewers knew AI had written the submissions, and some of the team are on record as doubting an imminent intelligence explosion. The original human-authored papers also took far longer than six days to produce and used many more GPU hours to reach their conclusions (though, as the researchers note, the models did not use their allocated budget in any case).
研究者也承认方法存在局限:评审知道稿件出自 AI 之手;团队中有成员本就公开质疑智能爆炸近在眼前;人类作者的原始论文花的远不止六天,用的 GPU 时长也多得多(不过研究者指出,反正模型连自己分到的预算都没用完)。
Nonetheless, the results suggest that today's models still have some way to go before they can tackle the most challenging problems in machine learning research. Until that happens, the dream of recursive self-improvement is likely to remain a distant prospect.
尽管如此,这些结果表明:今天的模型距离攻克机器学习研究中最棘手的问题,还有一段路要走。在那之前,递归自我改进的梦想,大概率仍将遥不可及。

← 返回目录

← 返回目录
深读 · 02

1730亿买了一把碎银子:即时零售的闭环真相

虎嗅(作者投稿) · 李斌 · 2026-09-01 · 约 12 分钟 · 原文链接

导读与要点(建议先读原文)
  • 框架:零售三十年是三种「税」的跃迁史——电脑城好位置的「空间税」、直通车投流的「流量税」、AI 助手代理认知的「智能税」;每一次跃迁,信息权力都更集中、更隐蔽、更难反抗。
  • 大战的本质是防御:实物电商渗透率连续三年下滑(27.6%→25.9%),社零增速放缓(5 月单月 -0.6%),即时零售渗透率不到 2%——1730 亿(汇丰测算,2025Q2-2026Q1 三平台合计)烧的是自保,不是增量。
  • 商户的闭环困境:35.88 元订单实收 14.47 元;央视调查某商户月亏 1 万余元;两大协会同日发声,调研显示商户承担补贴份额 30%-70%——「不做外卖等死,做外卖找死」。
  • 智能税已进入日常:作者实测美团「小团」——不说预算、不说品类,AI 直接替他做了决定;推的不是「我想吃的」,是「算法认为我该吃的」,背后是商户有没有买 AI 推荐位。
  • 碎银子的经济学:美团闪购 UE 单均亏 0.7 元;叮咚买菜扣非净利率长期 1%、履约费用率 18.6% 刚性;货币化率 15% 是高压线、低于 15% 覆盖不了履约——「2 万亿碎银子,一弯腰就容易亏损」。
  • 批判性阅读:作者立场鲜明地站在商户一侧,平台效率提升的正面证据着墨少;「智能税」框架解释力强,但 4% 佣金、推荐位等细节主要来自个人体验与转述,宜作框架而非数据引用。

作者:李斌(中欧国际工商学院EMBA,近三十年零售行业从业者,前百亿零售连锁企业执行总裁,长期关注零售成本结构与平台生态演变)

一、三税的演进历程

二十几年前,我用20万转让费(相当于当年普通职工十多年工资),从太平洋电脑城换来了一个20平米的店铺。对面胖子的不屑,虽然让人膈应,但我捏着鼻子签了协议付了钱。因为那个时期,谁占了好位置,谁就能“收税”,我买的不是那块水泥地,是“被看见”的特权,我称之为——空间税。位置越好,空间税越高。高到天花板时,就会逼产业链某一方击穿底线。不是房东让利,就是商户降质,或者消费者买单——这就是空间税的“不可能三角”。当这个三角边界被打破时,空间税就会崩塌——全国的电脑城几乎全部消失。

十年前,我带着创业的使命帮一个中小型冷冻食品品牌扭亏为盈。第一个“双十一”深夜,看着直通车账户里的余额像水一样流走,真实综合费用率30%以上。我知道这钱必须得花。因为这是线上那扇虚拟流量门的买路钱,买的是消费者“注意力”特权,我称之为——流量税。流量税交的越多,货卖的越多。但这种线性关系不会永远存在,当流量税率超过商户盈亏平衡点后,就可能面临崩塌。

时至今日,我使用平台AI助手购买蓝牙耳机,它首页给我推荐一款“主推”、两款“次推”;使用第三方AI询问洗衣机,它给我推荐三款产品;看到有报道称ChatGPT已经开始有条件收取4%的交易佣金。我发现,一个新的信息特权——认知代理权,正在诞生,一个新的“税种”也随之萌芽演进,我称之为——智能税。

这三种税(空间税-流量税-智能税)的跃迁史,是中国零售业三十年业态的变迁史,其背后是信息权力的三个节点两次跃迁:空间税垄断了物理信息——流量税垄断了注意力信息——智能税正在试图垄断认知信息。

看到贸易公司的老板老张,一天内交了2万元房租——空间税,2万元投流费——流量税,近1万元AI工具和API调用费——智能税。我才发现,三种税的每一次跃迁,信息权力都更集中、更隐蔽、更难反抗。我在《老张的一天》这篇文章中提到过,“老张的一天,不是个案”。即时零售,已经给出了答案。

从2010年左右O2O萌芽,到2018年美团闪购上线,2025年升级为独立品牌,一共用了15年左右时间,即时零售从“万货商店”变成“万物到家”——也变成了2025年商业零售业主战场。

二、即时零售大战为何会打响

我查阅了最近几年国家统计局数据,实物商品网上渗透率为:2023年27.6%,2024年26.8%,2025年26.1%,2026年1-6月份25.9%。

全国社零增长率数据:2024年为3.5%,2025年为3.7%,2026年1-7月为1.2%,其中4月单月同比增长仅为0.2%,而5月单月为-0.6%,刚刚过去的7月为0.6%。

几大平台近15年营收及其增长率数据(提取平台年报数据计算得出)同样指向一个结论:各大平台已经从增量市场争夺,进入存量博弈阶段。

也不难判断——随着社零增长趋缓且电商平台渗透率上升曲线趋于平缓,流量税的投资边际效应会持续递减,直至为零甚至为负。

平台在资本及自身结构化系统双重作用下,提高货币化率,将会是大概率事件。这也是平台商户们最近几年感觉生意越来越难做,利润越来越薄的主要原因之一。

同时,积极寻找并拓展“新的增量市场”,也是平台的必然举措。2025年11月,商务部研究院发布了《即时零售行业发展报告》。

综合以上信息,2025年的即时零售大战是必然,只是时间发生在了2025年。但通过商务部报告数据,可以看出,即时零售目前的渗透率不到2%(即时零售GMV/社零总额),即便在2030年达到2万亿规模,其渗透率依然只有3%-5%。结合电商平台渗透率、社零增长率、各平台增长率等持续下降,2025年即时零售大战,与其说是寻找增量市场,实质上更像是一场为了自保而发生的防御性大战。

三、一场史无前例的补贴大战

本轮即时零售大战由京东在2025年2月率先打响:当月启动商家招募,并推出全职骑手缴纳五险一金的政策;京东外卖于2月正式上线,4月11日“百亿补贴”全面铺开。4月15日,美团将已有的美团闪购升级为独立即时零售品牌正面应战;4月30日,阿里把淘宝小时达升级为淘宝闪购跟进布局,行业由此形成京东、美团、阿里三方角逐的“三国杀”格局。之后发生的事,比我想象的更惨烈。

(一)1730亿烧出了什么

战火迅速从用户补贴蔓延到全产业链,据汇丰银行行业研报测算,2025年二季度至2026年一季度的一年周期内,美团、阿里、京东三家平台在即时零售赛道合计烧掉1730亿元。

这把火,烧的是平台自己的家底。

财新网报道显示,美团2025年第三季度核心本地商业分部经营亏损141亿元,经营亏损率达20.9%,这也是美团三年来首次出现季度亏损;核心业务经营利润率从2025年一季度的21%骤降至-20.9%。

阿里则将盒马归入“其他分部”,不在财报中单独披露利润,仅对外确认盒马经调整EBITDA转正,市场普遍预判其实际利润率并不乐观。

艾瑞咨询调研显示,京东秒送用户留存意愿为47.24%,卸载率达18.64%。

这不是商业扩张,是主权战争——“不想把基础设施留给对手”,否则未来将失去本地生活的入口。

(二)商户的后台比战场更残酷

去年年底,我去南京,顺便去了一家过去经常光顾的小店。这家店藏在一条背街小巷,堂食原本能坐二十人。推开玻璃门,墙上贴着三张平台的接单提示音,此起彼伏。我和老板很熟悉,随意聊起店的经营状况,他苦笑着给我看手机后台:“现在不是我在做生意,是平台在做我的生意。”

财联社2025年7月报道的商户案例极具代表性,和这个店主的处境极为相近:江苏商户阿文一笔35.88元的订单,扣除18元商家补贴、0.96元平台佣金、3.45元配送服务费后,实收仅14.47元,实收率40%。央视《每周质量报告》在2025年8月10日的调查更触目惊心:某商户6月份4158单,营业额162,215.8元,扣除平台费用、食材、房租人力等各项成本后,实际亏损10,340.47元——不是盈余,是亏本一万多。阿文的堂食订单占比也从40%被挤压到10%,商户被锁在“不做外卖等死,做外卖找死”的闭环里。

(三)消费者认知正在被AI悄无声息地代理

我作为消费者,也被锁死在另一个闭环里——当我需要一样东西时,我不再是“搜索”,而是“被推荐”。

前几天,U盘坏了。我打开美团,没有搜“U盘”,而是对着美团AI助手“小团”对话框说:“推荐一款U盘。”小团没有给我列表,只给我推荐了一款:闪迪50元,月销98,26分钟送达。我追问:“为什么没有其他的”。它重新推了三款:金士顿23元、爱国者38元、联想34元。来自三家我没听过的店——汇购猫生活超市、羚时购超市、泰的百货。配送时间49到59分钟。另外,在主推荐下方,推了“小容量、大容量、特殊功能款”共四款。

我又打开京东秒送,问同样的问题。它推荐了一款闪迪44.9元,两款不同容量的金士顿,价格分别为49.9元和114.9元,全部为明日达。首页共三款,下拉菜单显示“全部1300+商品”。

昨天,因为时间关系,需要外卖解决两个人的晚饭问题。我对小团说:“两个成年男人,一顿晚饭,有荤有素。”它推了两种双人套餐,一种是48.9元。我点开看了,半年售3000+。另一款是酸菜鱼双人餐,54.9元,半年售6000+。我没有说想吃快餐,没有说预算50元。但小团替我做了这些决定。它推给我的,不是“我想吃的”,是“算法认为我该吃的”——基于我的位置、我的历史订单、平台正在补贴的商户以及商户有没有买AI推荐位。

我算了算小团推给我的订单:50元的U盘,商家实收37.5元。我事后问了做数码配件的朋友,他说这种标品的毛利通常不到10%。也就是说,商家从这单里最多赚3.75元——如果他没有被平台强制参加活动的话。

几次体验,我确认了一件事:智能税不是远场电商的专利,它已经通过即时零售,进入了我的日常消费——平台用算法代理了我的认知。

四、行业的底线:两协会同日发声

我查找资料发现,2025年7月15日,中国烹饪协会、中国连锁经营协会同一日公开发声。信号明显——大规模补贴大战,商户跟不动了。

问题在哪儿?平台高额补贴把外卖价格打到低于堂食,消费者转向线上。有餐饮老板吐槽:后厨忙得脚不沾地,前厅桌椅却空着,月底算账,利润薄如纸。

烹饪协会呼吁平台调整补贴行为:别搞“百亿补贴”这种不计成本的打法;另外,平台和商家怎么分摊补贴成本,得有合理比例。说白了,再这么卷下去,伤害的是整个行业。

同一天,中国连锁经营协会向全体会员及相关企业发出《关于规范即时零售市场秩序的倡议书》。这份倡议书基于协会对33家会员企业的小范围调研,反馈的数据触目惊心:被平台强制或变相强制要求参与价格补贴,并承担补贴份额的比例在30%—70%之间,少数情况下甚至超过70%;价格补贴活动期间,单笔订单的平均利润率普遍下降,降幅多在10%—30%之间。

这份倡议书里,最有分量的是给平台的三点要求:第一,不准再用隐蔽手段,如“流量倾斜”或“搜索降权”等,逼着商家参加价格战。第二,合同和算法规则里,不能把补贴大头硬塞给商家,分摊比例得合理。第三是老生常谈的“二选一”。

除此之外,协会还提了一个很实在的要求:平台得在App首页或醒目位置,把补贴怎么补、算法怎么排,公示出来。说到底,商家能不能自己定价格、能不能自主决定参不参加活动,这个自主权得还给人家。

但平台补贴大战一旦启动,就很难停下,商户诉求很难被满足,协会也很难即刻阻止——所有人都知道这不可持续,但没有人敢先停手。

五、退潮后:碎银子显形

艾瑞咨询调研显示,即时零售用户已分化为三类:49.3%为价格驱动型,对价格高度敏感;26.8%为价值驱动型,更关注质量与体验,消费稳定;19.5%为机会主义型,仅在促销期间下单。

六、闪电仓:碎银子的前置仓缩影

协会的发声没能及时挡住战车。但“碎银子”是真实的,最先暴露真相的,是即时零售最末端的毛细血管——闪电仓。

剁椒Spicy2025年3月报道了一个典型样本:华北地区一个24小时超级店加盟商,门店月流水32万元,扣除平台抽佣、骑手补贴和商品损耗后,实际亏损1.8万元。

我留意到一份雷峰网2024年11月的行业调查:热闹的闪电仓,仅有40%的单体加盟店老板能够盈利,对经营结果满意。2024年下半年,大量闪电仓关停,这说明,在2025年的平台补贴大战开启之前,这个赛道就已经深陷“碎银子”的盈利困境。

七、即时零售:三税叠加的终极闭环

走到这里,我前文建立的“三税”框架,在即时零售身上得到了最残酷的验证。

我在《老张的一天》里说过,三税不是替代关系,而是“多环并联”叠加与特殊场景下的嵌套混合结构。即时零售正是这种“多环并联”叠加的终极形态——空间税(前置仓/门店租金)、流量税(平台扣点+投流竞价)、智能税(算法调度、AI动态定价、智能客服)同时压在商户身上,形成“三税穿透”。

但更重要的是“闭环主权”的终极自建。空间税时代,苏宁国美锁死了物理入口、POS机和配送中心,但第三方物流仍有缝隙;流量税时代,淘宝锁死了搜索推荐、支付宝和菜鸟,但快递联盟并非完全自建。即时零售是平台第一次将“信息—交易—履约”三端全部深度自建的形态:信息端由算法推荐完全掌控,交易端由一键支付闭环锁定,履约端由骑手网络、前置仓、配送算法全链路自营。

闭环建成了,但闭环里的利润天生就是碎的。

券商测算的即时零售单位经济模型显示:美团餐饮外卖实付客单价34.1元,单均收入6.8元,货币化率约20%。美团闪购2025Q4实付客单价68元,UE(单均收入-单均成本)亏损0.7元。

看看上市公司叮咚买菜的情况,可以更清晰地看出前置仓模式的盈利情况:扣非净利润率长期在1%左右,履约费用率18.6%(2026年Q2数据,此前为21%-23%)属于刚性支出;美团在财报沟通会上也表示,小象超市的长期盈利目标仅为低个位数利润率。

几年后,2万亿的市场规模也许是真实的,但每一块银子都要先经过骑手的手:平台锁定了履约,履约的硬成本又锁死了利润空间。我把它称之为——2万亿碎银子,一弯腰就容易亏损。

八、闭环的代价:货币化率困局与监管介入

我在本文第二节阐述过,这场大战的本质是平台的自保行为。但自保之后呢?战火熄了,账本不能一直红着。平台要回血,而在资本及自身系统双重作用下,提高货币化率将是大概率事件。但行业分析认为,15%的货币化率已是高压线,超过18%,商户可能逃离。低于15%,无法覆盖履约成本。

2026年1月,国务院反垄断反不正当竞争委员会办公室启动对外卖平台行业市场竞争状况调查评估;3月,市场监管总局明确叫停非理性价格竞争。我认为,监管介入的深层考量,是防止平台用已锁死的闭环,对上挤压供应商、对下挤压商户,两头通吃,进一步垄断产业链利润。

九、结语

我最后没有通过小团购买U盘,去了楼下一个小店,老板从柜台下面拿出一款55元的U盘,比小团贵一点,但可以在老板电脑上试一下,可以退换,可以互递根烟聊两句。

看着他柜台上的二维码,我想起此前写的“次优闭环”。在智能税时代,这个二维码的意义变了——它不仅是“省平台扣点”的工具,更是“绕过AI决策”的通道。

小团能推荐全世界,但递不出一根烟、一次试用、几句聊天。1730亿烧出来的闭环,锁死了信息、交易和履约,但终究锁不死楼下那一块碎银子里的信任,这种信任,本质上是商户用温度向平台争夺话语权。这是信息权力的盲区,也是商户还能挖井的地方。

← 返回目录

← 返回目录
深读 · 03

9 月开门:沪强深弱再平衡,农业消费接棒 AI 硬件

2026 年 9 月 1 日 A 股复盘综合

公开市场信息综合(财联社、同花顺、东方财富、央广网) · 河马观澜整理 · 2026-09-01 · 约 5 分钟 · 原文链接

导读与要点(建议先读原文)
  • 指数:沪强深弱。沪指跌 0.16% 收 3979.89 点,上证 50 微涨 0.17% 护盘;深成指跌 1.02%,创业板指跌 1.32% 再失年线,科创 50 跌 2.19% 领跌;两市成交约 2.03 万亿,缩量 976 亿。
  • 结构:「指数弱、个股强」延续——超 3300 只个股上涨,涨停 83-86 家、跌停为零;农业种植(万向德农 11 天 8 板)、零售、影视院线、化工领涨,离境退税概念异动。
  • 调整方:电子化学品 -3.83%、元件 -3.19%、半导体 -2.64%,MLCC、PCB、CPO 等 AI 硬件链全天低迷——正是周末券商「缩圈分化、再平衡」判断的盘面兑现。
  • 信号:缩量而非放量下跌,说明是获利兑现与观望而非恐慌出逃;北证 50 逆势涨 1.34%,投机情绪仍在低位小票中活跃。
  • 衔接展望:中泰「调整接近尾声」、华金「9 月震荡偏强」的共识第一天生效了一半——再平衡兑现,强度待验;观察点在于 AI 硬件链缩量企稳的位置和国产链(燧原 IPO、华为链)能否接棒海外链。

盘面:沪强深弱,缩量分化。 9 月 1 日(周二),A 股九月开门并未红盘:沪指跌 0.16% 收 3979.89 点,上证 50 微涨 0.17% 勉强护盘;深成指跌 1.02%,创业板指跌 1.32% 再度失守年线,科创 50 跌 2.19% 领跌主要指数。两市成交约 2.03 万亿元,较上一交易日缩量 976 亿——是观望,不是恐慌。

结构:指数弱、个股强,高低切换兑现。 全市场超 3300 只个股上涨,涨停 83-86 家、无一跌停,封板率约 93%。领涨的是农业种植(万向德农 11 天 8 板、金健米业 12 天 7 板)、零售、影视院线、化工等低位方向,离境退税概念盘中异动;领跌的则是电子化学品、元件、半导体,MLCC、PCB、CPO 等 AI 硬件链全天低迷。

与周末策略的对照。 上周末十大券商 9 月展望的共识是「调整近尾声+再平衡+科技缩圈分化」(详见昨日本刊第 17 期深读 03)。9 月第一个交易日,盘面几乎逐条兑现:高位科技赛道继续获利兑现,低位防御与消费接棒,指数层面跌幅温和。「再平衡」从研报标题变成了盘口语言。

两个值得盯的信号。 一是缩量:成交仍守在 2 万亿上方但逐日递减,说明资金在等新主线而非离场,调整尾声的判断暂时未被证伪。二是北证 50 逆势涨 1.34% 与连板小票的活跃(海鸥住工 7 连板)——投机情绪在低位方向找到了出口,这通常是整理市中后段的特征。

后续观察点。 AI 硬件链在什么位置缩量企稳、国产算力链(燧原科技 IPO、华为超节点产业链)能否接过海外链的棒,决定「科技决胜窗口」的成色;外部变量仍是 9 月美联储议息。本文基于公开市场信息综合整理,均为复盘与观点转述,不构成投资建议。

← 返回目录