社区

作 者丨华商韬略出品人 毕亚军 华商韬略出品 图片丨网络、图虫创意 人类缔造了前所未有的经济体系，它史无前例的强大，也史无前例的脆弱。 如果说击穿医疗体系的底线，比的是整个医患供需，而一个千亿、甚至万亿产业底线的击穿，可能只是封住几家零部件工厂。 去年冬天的北京格外冷。 最近发现，这给小区的生态带来了不小的麻烦。现在已是万物复苏了，但好几块去年补种的草坪都被铲光，还有一些去年新移栽的树，也被拔了，要重新补。 园艺工人说，那些草，那些树的根，大多被冻坏了，即便其中一些有机会再活过来，也都不如重新播种的好。 所以，全部拔掉，重来。 这里面有两个意思：1、一些草，一些树，已经被冻死了，直接被天灾出清；2、一些草，一些树，奄奄一息，还没死，但被挑剔的客户（园艺工人）市场出清。 没有一个冬天不能逾越，没有一个春天不会到来。但那些草，那些树，没了！ 永远的没了。 草拔了，树拔了，还可以很快补种。 企业，甚至企业背后的产业被拔了，要补，就没那么容易了。 过去几十年，甚至更长时间，世界各国的经济竞争千万条，其中重要一条就是，争夺有带动性的产业企业，争夺企业背后的产业。 具体到后发国家，这个目标甚至可以更明确，方法也可以更简单、粗暴：打掉先发国家的带动性企业，继而一步步瓦解其整个产业优势，最终取而代之。 从纺织服装到半导体，欧美、日韩，中国，这几十年几乎都在这一逻辑下明争暗斗，你追我赶。家电就是个典型，先是日韩打掉了欧美，然后是中国正在打掉日韩。与之伴随，则是看得见的几家企业背后，整个家电产业链的重构。 作为后发国家的中国，是过去几十年，最显著受益，甚至全世界最为受益于这种争夺的。这也是我们今天得以成为世界制造大国的根本原因之一。 当然，也有一些人将其称为所谓的产业梯度转移。我个人是太不同意这种说法的。因为，转移一词看上去好像是自然而然，是人家想转，我们随便就可以要的。 事实显然不是这个样子

1987年的美国，消费正在降温。 前一年的圣诞季卖得不好，分析师就提醒，背着高负债的消费者会越来越捂紧钱包；到了10月，“黑色星期一”股灾又给年底购物季泼了一盆冷水。 生意难做，品牌商和零售商的关系也越来越僵。就在这一年，沃尔玛创始人山姆·沃尔顿和宝洁销售副总裁卢·普利切特决定做些什么，打破这种困顿。 他们带着家人，相约一起泛舟，两人一见面就互相“吐槽”：一个说宝洁是最难打交道的供应商，一个说沃尔玛是宝洁合作过最差的零售商。 吐槽完，两人决定坐下来重新设计合作。宝洁派出28人的团队常驻沃尔玛总部所在地，这是它历史上第一支专门服务单一客户的团队，沃尔玛则对宝洁提供更大行销与上架等支持。16年后，宝洁在沃尔玛的销售额从3.5亿美元飙升到78亿美元，增速比沃尔玛自身还快38%。双方的合作也被推广成美国零售业的“品类队长”制度：每个品类挑一个最强的品牌，话语权和数据都向它倾斜。 “品类第一”，从此成了品牌最值钱的资产之一。 而今，类似的剧情，正在中国上演。今年双11，100万品牌同场，老将、黑马、洋巨头，都在天猫同场抢榜。 10月20日晚8点，天猫双11开卖，今年的品牌榜单与往年大不相同。 运动户外榜上，lululemon历史性地挤进了前三。推它一把的，是今年8月才在天猫开店的ALO——开店首周成交近2亿元，单靠天猫一个平台，就拿下了六个中高端女性运动品牌线上GMV的27.3%。被追着跑的lululemon于是“被逼”着更大力度加码天猫，也在榜上顺势上升一位。 ▲图源：天猫 小家电榜上，石头科技越过一众老牌子，坐上头把交椅；家居榜上，高端床品新锐SIDANDA第一次拿下行业第一；个护榜上，Off&Relax从去年全周期的第九名冲到第二，开卖4小时成交首次破亿。食品生鲜榜前十，有6个是去年没有的新面孔。 细看抢榜的人，大致分三路。 第一路，是品牌老将。400多个在天猫经营十年

无论是进入家庭，还是在工厂里干活，机器人还都是一笔算不太明白的账。 前不久，有人尝鲜机器人上门保洁。机器人整理茶几、衣服和鞋子，用了约一个半小时，整理4本书就花了6分钟。而同来的保洁阿姨已经擦完窗户和桌子，洗好碗，打扫完厨房。收尾时，她又把机器人叠过的衣服重新叠了一遍。 工厂里也有另一笔账，一些适合标准化的工作，已经有自动化设备在做。重复性任务，一台机械臂或许就能完成。容易做的工作，已有设备在做；剩下的工作，又往往超出了机器人的能力。具身智能要打开市场，就得跨过这道坎。 但真实的世界不会总按训练时的样子出现，比如衣服会变形，物品会滑落……成熟的机器人应该随机应变，硬件的精度和可靠性要跟上，模型也要学会应变。 破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲认为，“家庭的复杂性恰恰是通用智能成长所需要的。家庭不仅是机器人的应用场景，也能为机器人提供丰富的学习经验，推动其形成适应陌生环境和新任务的泛化能力。”带着这样的初衷，他在2026年初创立破壳机器人。 10月30日，破壳最新发布了RoboAPI，随之而来的还有他们的首个世界-动作模型Poke-Aurora。在完成适配机械臂的接入和标定后，开发者无需为具体任务采集数据、训练或微调模型，就可以用一句指令，让机器人尝试完成没有专门训练过的任务。这为破壳走入服务型场景迈出关键一步。 这种“零数据”调用能应对多少真实任务，许华哲希望交给更多人检验。“一个模型好不好、好不好用、性能强不强，不应该是它的发明人或者是创作者自己告诉大家。”他在接受华商韬略专访时说。 在最初 RoboAPI 之前，许华哲已经探索了多年，怎样让机器自己做决定。而这种在路线上笃定，也成为不少投资人青睐他的原因之一。 在清华电子系读大一时，许华哲参加过一次游戏 AI 比赛，试着用神经网络写程序，效果不好，最后改用了传统搜索算法。后来在伯克利读博，他又花了六到

提到AI进入制造业，很多人首先想到的是机器人、智能产线，或者让机器自己完成生产任务。 但这一轮Agent走进工厂，最先改变的，未必是生产线。制造业设备昂贵、工艺复杂，一次失误，就可能造成实实在在的损失。 10月29日至30日，2026腾讯全球数字生态大会在深圳举行。面对制造业复杂的业务场景，腾讯云正从代码维护、知识管理、质量分析等环节切入，结合AI工具、智能体开发平台和行业解决方案，尝试让Agent逐步进入企业的实际业务。 为什么腾讯要从这些环节入手？ 腾讯云副总裁、智能制造和智慧能源解决方案负责人蔡毅在与《华商韬略》对话时说，“工业企业用AI，一定不是看你跑得多快、用得多新，前提是要稳。” 长期与制造企业打交道，让蔡毅对这个行业使用AI的难处有着直接的感受。 他所说的“稳”，首先是要弄清楚，工厂里的哪些工作可以交给Agent，哪些还不能轻易放手。 蔡毅举了一个锂电企业的例子。在电池生产中，一些关键部件的检测精度要求非常高，甚至需要借助显微镜检查。如果AI漏掉了某个缺陷，问题随着电池进入最终产品，就可能带来严重的安全隐患。 除了检测的准确性，生产线上的实时控制，也是Agent面临的一大难题。 这些环节往往要求系统迅速、准确地作出反应。但Agent需要理解任务、进行分析、调用工具，执行复杂任务可能需要数分钟甚至更长时间，很难直接满足一些设备对实时性和安全性的严格要求。 但制造业的工作，并不是都需要这么快的反应速度。 比如生产排程、设备维修分析、供应链风险判断等工作，允许AI花一些时间分析，也可以由专业人员审核结果。这些场景，反而更适合现阶段的Agent发挥作用。 那么，制造企业该怎么判断，一个场景究竟值不值得引入Agent？ 腾讯云在接触制造企业的过程中，总结了三个标准。 首先，使用频率要足够高，不能花很大成本改造一个半年才用一次的场景。其次，效果要能够衡量，究竟节省了多少时

2026年1月，OpenAI推出ChatGPT Health。 理由是：全球每周有超过2.3亿人向ChatGPT询问健康问题。 OpenAI之外，微软把收购Nuance得来的临床语音能力整合为Dragon Copilot，直接走进诊室替医生写病历；谷歌开源了医学多模态模型MedGemma；凭AlphaFold摘得诺贝尔化学奖的DeepMind团队，用AlphaFold 3把预测范围从蛋白质扩展到几乎所有生命分子；英伟达则以Clara、BioNeMo平台，为医疗与生命科学提供算力和模型底座。 AI正从医生身边的“助手”，走向生命科学、长寿科技与主动健康。它不再只是辅助工具，而是在改写预防医学的规则——从“查出病”，走向“算出风险、管住衰老”。 在中国，一家市场仍常常以体检公司看待的企业——美年健康，也在这场变局中升维了自己的目标和使命，实现着从 “All in数字化”到 “All in AI”，从预防医学龙头向AI驱动的平台型健康管理科技公司跃升。 2024年4月，美年健康的AI健康助手“健康小美”开启内测。一个月后，公司把战略口号从“All in数字化”升级为“All in AI”。 当时，不少人把这看作一次跟风。但美年董事长俞熔的判断很明确：“AI是新质生产力的核心变量，正在重塑预防医学范式。”在他看来，AI时代的竞争不只是技术之争，手握海量数据和真实场景的行业龙头，反而更有优势。 首先是底座。 医疗AI长期的痛点，是“一病一模型”：一个病种一支团队、一套数据、一个模型，周期长、成本高、难复制。但AI之下，行业正在改写这一规则。 美年要走的，是一条根基于自身优势数据源头的升维之路。 它借鉴的是Databricks：这家估值超千亿美元的公司不做最炫的大模型，而是帮企业把数据治理好、用起来，成了AI淘金潮里的“卖铲人”。 美年手里，是覆盖全国31个省区市、290余座城市、56

今年的乌镇峰会，具身机器人把各自的本事摆上了展台。 作为2026年世界互联网大会乌镇峰会的重要活动，“互联网之光”博览会汇集了来自54个国家和地区的671家中外企业与机构。B馆首次举办“赛BOT—具身智能SHOW场”，不同形态的机器人同场亮相。这边，机器人正给观众沏茶。那边，另一台机器人已经拿起球拍，和观众打起了来回。 中科第五纪则把工厂里的活搬上了展台，带来B馆唯一一家“真干活”的多机演示。 两台纪灵-L1通过中转台接力，一台拆垛、搬箱，另一台识别颜色、分类码垛，双机协同完成料箱分拣。A馆的纪灵-L1通过双臂协同覆盖三个工位，借助视觉定位和柔性力控精准放料，完成全自主、无人化上下料作业。 A馆考验的是单台机器人能不能把精细作业独立做完。到了B馆，难度更升一层，两台机器人既要做好各自的工序，还要完成物料交接，共同接下一项完整的生产任务。 从单机精细操作到多机协同作业，群体智能的工业价值有了具体的呈现，这也是中科第五纪“具身上场，智见真功夫”的落点。 同样一套分拣流程，换条产线，做法可能就变了。箱子大一圈，原来的抓取点可能不再合适。负责码垛的设备换成另一种，关节和夹具的动作也要重新适配。单个工位的变化，有时还要连着前后工序一起验证。 难点藏在机器人怎么学。教一台机器人放箱，示范里既记录了箱子怎样对准台面、平稳落下，也记录了这台机器的关节怎样转、夹抓怎样开合。如果模型把两者绑在一起学，换一款机器人，相似的工作也可能要重新采数据、训模型。在一条产线上做成，靠的是把这条线调通。要做成一门可以规模化交付的生意，还得让已经学会的操作在别的设备和产线上用得起来。 中科第五纪自研的具身大脑“纪元灵脑”，瞄准的正是这道难题。它以FAM系列具身操作模型为核心，依托行业首创的动作光流与少样本技术，实现跨本体迁移与快速部署。 拿放箱来说，轮式双臂机器人和固定机械臂的关节动法不同，箱子接近

直播带货十年，商家越来越难赚到钱。 直播间里喊麦震天，成交额动辄千万；直播间外，部分商家退货率却高达50%以上。坑位费、佣金、投流费层层叠加，流量越来越贵，利润越来越薄。 不播，没流量；播了，未必赚钱。 但另一边，一批商家却在京东跑出了惊人的增长曲线。 2025年双11，白茶品牌品品香在京东的主推晒白金系列成交用户数同比增长729.55%，成交额增长221.51%；某头部美妆品牌在京东开播后千次观看成交额（GPM）提升20倍，京喜产业带商家日均订单量增长超25倍；2026年京东618“开门红”52小时，超2000个家电家居品牌成交额同比翻倍。 同样是直播带货，为什么有人越卖越焦虑，有人却越卖越好？ 当整个行业还在争抢直播流量时，越来越多商家，为什么开始选择京东直播？ 深耕白茶多年的品品香，第一次筹备京东直播，就遇到一个难题：专业内容怎样让更多消费者听懂？ 脚本里全是“萎凋工艺”等专业术语，内部彩排效果很好。京东直播运营团队在诊断中发现了茗茶品牌直播的一个共性问题： 品牌习惯用专业语境介绍产品，普通消费者却未必听得懂。 品品香懂产地、懂工艺、懂年份，专业积累很深。为何到了直播间，这些专业却无法变成优势？ 答案藏在变化的消费场景里。 过去，茗茶消费更多集中在节日礼赠。如今正加速向日常自饮拓展，直播也触达更多新客和下沉市场消费者。 京东数据显示，茗茶直播购买用户中，下沉市场人群占比达到40%。 对新消费人群，堆砌专业术语，不如通过现场冲泡、通俗讲解降低理解和决策门槛。这成为京东直播运营团队与茗茶业务共同调整内容的依据。 传统货架更依赖消费者主动搜索；直播则让原本没有明确购买计划的人，在观看冲泡和讲解时产生兴趣。 但兴趣不等于订单。 隔着屏幕，消费者闻不到茶香、尝不到滋味，产地、年份和品质也难以判断。 品品香最初的脚本，恰恰没有回答新顾客真正关心的问题：这茶喝起来什么味道？适不适合

2026年的CeMAT ASIA，具身机器人几乎成了展馆里的“标配”。 机械臂俯身抓取，双臂机器人翻转软包，人形机器人从料箱中辨认商品……过去由四向车、堆垛机、输送线和AGV构成的物流展会，正被一种新的技术景观占领。世界机器人大会、世界人工智能大会上也出现过同样的一幕：多家具身智能企业不约而同把展台改造成微缩产线，围绕传送带、货架与料箱循环抓取、翻面、供包。 行业集体涌向同一个场景，说明仓储物流正在成为具身智能进入物理世界的第一站。但热闹之后，更关键的问题是：抓起一个包裹之后呢？ 本文的判断是：仓储物流不会被具身智能颠覆，只会与它融合。能留下的，不是演示最漂亮的，而是最能融入存量体系的。 围绕具身智能，人们习惯说“替代”和“颠覆”。对仓储物流而言，推倒重来既不现实，也没有必要。 这个行业早已形成完整秩序。硬件层有四向车、AGV、AMR、堆垛机、输送线和机械臂；软件层有WMS、WCS、TMS等系统；业务层从入库、上架到拣选、包装、出库，流程高度标准化、SOP化。中国仓储也已进入存量运营阶段，企业面对的现实问题不是“要不要再建一座无人仓”，而是如何让已有设施更灵活、更高效。 数据也印证了这一点。2025年全国社会物流总额达368.2万亿元，社会物流总费用19.5万亿元，与GDP的比率降至13.9%，为有统计以来最低，但仍高于发达经济体，《有效降低全社会物流成本行动方案》提出2027年力争降至13.5%左右。在一个以“降本”为国家级命题的行业里，客户买的从来不是某个高难度动作，而是吞吐、良率、稳定性和投资回报率。 所以具身智能进入仓储，不会上演“新物种取代旧物种”，而是一场持续多年的融合：新模型、新机器人与既有设备共同工作，在存量体系中逐步扩大自动化的边界。 为什么涌入仓库的具身机器人，几乎都从供包、抓取、分拣开始？因为这些任务边界清晰、效果直观、最适合展示。一条传送带、几个料箱

2026年世界互联网大会乌镇峰会上，蚂蚁捧回了两个奖项：AI数据库OceanBase获得杰出贡献奖，AI健康产品蚂蚁阿福获得领先科技奖。 实际上，自2018年首次获奖算起，蚂蚁已经五次获得世界互联网大会领先科技类奖项，其中，OceanBase曾于2022年获得领先科技类奖项，今年又获得世界互联网大会杰出贡献奖。 16年前为了解燃眉之急诞生的OceanBase，今天仍在进化；AI浪潮里出现的蚂蚁阿福，上线一年来已经拥有了1.5亿用户。 一个服务企业，一个面向普通人；一个经历了十多年的技术积累，一个诞生于最新一轮AI浪潮。它们看上去毫不相干，但却指向了同一件事：如何从真实问题出发，把技术做成真正可用的产品？ 如果要理解这种能力，不妨先回到OceanBase诞生的地方。 它最初并不是一个面向市场设计出来的产品，而是被真实业务难题逼出来的。 2010年，电商交易规模快速增长，底层数据库面对着一个巨大的难题：容量不够用了。 “双十一”在前一年启动，成交金额只有5000多万元，一年后就飙过了9亿元，对应的每秒交易峰值冲到了2500笔，但系统的极限容量是每秒3000笔。 在那个时代，集中式的Oracle单机数据库是行业首选，但在暴涨的支付订单面前，它终于显得力不从心。分布式数据库这个方向，几乎是一件非做不可的事。 火线成立的OceanBase要完成的任务，是在两年时间内证明一件事：业务的需求难题，技术可以给出解法。 分布式数据库的原理并不复杂，把数据分散到大量普通PC上，可以同时处理海量账单，它成功的关键点，是要在更多的机器上，做出比单台机器更高的确定性。“OceanBase”名字因此暗含着一个隐喻：既要有海一样大的容量，也要坚实可靠。 OceanBase遇到的第一个难题是：没有业务愿意给一个不成熟的数据库机会；而没被业务用过，数据库就永远长不大。 第一块愿意尝试的业务，是淘宝收藏夹。经

博世成就奔驰，Brembo成就法拉利，现在轮到**和广汽一起写新故事

提到AI进入制造业，很多人首先想到的是机器人、智能产线，或者让机器自己完成生产任务。 但这一轮Agent走进工厂，最先改变的，未必是生产线。制造业设备昂贵、工艺复杂，一次失误，就可能造成实实在在的损失。 10月29日至30日，2026腾讯全球数字生态大会在深圳举行。面对制造业复杂的业务场景，腾讯云正从代码维护、知识管理、质量分析等环节切入，结合AI工具、智能体开发平台和行业解决方案，尝试让Agent逐步进入企业的实际业务。 为什么腾讯要从这些环节入手？ 腾讯云副总裁、智能制造和智慧能源解决方案负责人蔡毅在与《华商韬略》对话时说，“工业企业用AI，一定不是看你跑得多快、用得多新，前提是要稳。” 长期与制造企业打交道，让蔡毅对这个行业使用AI的难处有着直接的感受。 他所说的“稳”，首先是要弄清楚，工厂里的哪些工作可以交给Agent，哪些还不能轻易放手。 蔡毅举了一个锂电企业的例子。在电池生产中，一些关键部件的检测精度要求非常高，甚至需要借助显微镜检查。如果AI漏掉了某个缺陷，问题随着电池进入最终产品，就可能带来严重的安全隐患。 除了检测的准确性，生产线上的实时控制，也是Agent面临的一大难题。 这些环节往往要求系统迅速、准确地作出反应。但Agent需要理解任务、进行分析、调用工具，执行复杂任务可能需要数分钟甚至更长时间，很难直接满足一些设备对实时性和安全性的严格要求。 但制造业的工作，并不是都需要这么快的反应速度。 比如生产排程、设备维修分析、供应链风险判断等工作，允许AI花一些时间分析，也可以由专业人员审核结果。这些场景，反而更适合现阶段的Agent发挥作用。 那么，制造企业该怎么判断，一个场景究竟值不值得引入Agent？ 腾讯云在接触制造企业的过程中，总结了三个标准。 首先，使用频率要足够高，不能花很大成本改造一个半年才用一次的场景。其次，效果要能够衡量，究竟节省了多少时