途虎养车，O2O一站式养车服务的先行者，养车领域互联网流量的统治者，继去年1月、8月向港交所递交招股书之后，再次于今年3月向香港证券交易所“进军”，开启第三次上市路。 在这次的招股书中，途虎依然保持着不错的增长：工厂数量增长超20%、交易用户增长12%、月活用户达900万，稳坐O2O互联网汽车服务商第一把交椅。 途虎养车一年半内三次申请上市，其原因十分简单——亟需资本造血。 为把市场占满，途虎养车猛虎下山般扩张——疫情期间却也能保持每年新增800+自营工厂店。如此烧钱，账面上很难好看：从19年至今都未能盈利，2022年报亏21.39亿元。 （途虎养车2022年财务状况 图源：途虎养车招股书） 本文旨在分析途虎养车在上半场是如何“猛虎下山般扩张”的？途虎深耕汽车后市场多年，为何迟迟无法盈利？途虎该往何处去？ 途虎的扩张，简单粗暴 创立于2011年底的途虎，从经营O2O轮胎业务起家——客户线上订购轮胎，在线下合作门店更换。 在2008年金融危机影响尚未完全消退情况下，生不逢时的途虎只拿到了100万元的天使投资。为了省钱，途虎的创始团队甚至亲自装货、亲自运送轮胎、亲自当客服。用创始人陈敏的话说就是：“一个130平米的3室2厅，一开始就6个人，里面堆轮胎，外面接电话，白天做业务，晚上写代码"。 手握先发优势、稳扎稳打的途虎，在此后的8年里，过得还不错：历经16次融资，鲸吞人民币92亿元左右。 靠着资本市场持续造血，挺过2015年汽车后市场大崩溃的途虎，进入了“剩者为王”的时刻：App注册用户超9500万，交易用户1650万，月活达900万，坐稳了行业流量第一的交椅。 途虎线下扩张势头同样迅猛，加盟模式让途虎的扩张如虎添翼。近3年内，途虎门店每年增加800家左右，遍布大陆除西藏外的每一个省份。 也就是说，这些年来尽管开头苦了些，但后来的途虎是不缺钱的，且线下门店数量一直遥遥领先，用户

（图片来源：极越官网） 作者：308  编辑：经纬  车圈有句话：“浩瀚无弱车”。         自 SEA 浩瀚架构推出以来，基于其设计的产品可以说久经考验。无论在操控性、安全性等等这些硬指标，还是舒适性、口碑等软性需求上浩瀚从未让人失望过。   这也是为什么夏一平将自己汽车机器人的梦想创作在浩瀚这款画布上。对于汽车的智能化，夏一平曾这样说：“我们一直认为车不是用来开的，未来的汽车一定是进入一个非常快速发展的智能化演进阶段。”     纵观极越的发展历程，对智能化的追求已然成为了一种浪漫，无论是极越 01 宣发喊出“汽车机器人”的口号，还是近日夏一平在直播中谈及Robotaxi时所说的“极越一定是第一家让你的车赚钱的车企”，智能化始终是极越的标签。 以智驾和智能座舱为代表的智能化是新能源市场竞争的新战场，而极越在智能化领域的不断投入，让它拥有了以新人的姿态向王者挑战的底气。 随着极越 07 上市 48 小时预定突破5000，双车月销量也接连多月实现跨越式增长，加码智能化，极越这条路确实走对了。 让智能化无比简单 吉利研发的 SEA 浩瀚架构，在车圈内有口皆碑。 甚至是传统车企，比如奔驰，在转型新能源是，也将浩瀚架构用在自家的 Smart 精灵 1 上。  而吉利系自家使用浩瀚架构的品牌，如沃尔沃、极星、路特斯、极氪、领克等，与极越对比起来可以说是 “同宗同源”。也正因为都使用了吉利SEA浩瀚架构，各品牌在汽车的机械性能、安全性能上虽有较好表现，但相互之间却也拉不开身位。     因为使用相同架构的因素，极越 07 对比极氪 001 、领克 Z10、极氪 007，在底盘架构、悬架甚至风阻等许多层面均有相似之处。然而要在竞争激

（来源：泡泡玛特官网） 文：经纬 编辑：308 “我要重估一切价值”——尼采《快乐的科学》 毫无疑问，2024年港股诞生了名叫泡泡玛特的奇迹。 在经历了无数疑惑、不解、不看好后，泡泡玛特股价依然能一骑绝尘。笔者的心态也从“买少了”，到“卖早了”，再到美股被老特折腾的死去活来“早知道还买别的干啥”。 泡泡玛特因其恐怖的盈利能力，被诸多钻研消费的分析师称为“塑料茅台”。财报和股价上看，泡泡玛特的确担得起这个名号。 然而喝这口茅台的，不单单有国人。 在泡泡玛特近期公布的 2024 年财报显示，集团总营收为 130.38 亿元，值得注意的是，其海外收入达 50.66 亿元。 与此对应的是，2024 财年泡泡玛特国内收入为 79.72 亿元，海外营收占比 38.8%。 仅看下半年的收入情况，去年下半年泡泡玛特总营收为 84.8 亿元。 全年的海外营收，减去上半年的 13.5 亿元可发现下半年泡泡玛特在海外赚了 37.2 亿元，下半年海外收入超 40%。 可以说在海外再造了一个泡泡玛特。 泡泡玛特出海的第一站，东南亚虽然在绝对数量上可以称得上人口众多。 但是无论与在人口数量的对比上还是经济发展水平上，东南亚地区都难以与国内相提并论。尤其是人口约中国 20 分之 1，人均GDP勉强达到一半的泰国，泡泡玛特更是如日中天。 理论上讲，泡泡玛特属于非必要消费品，在经济不景气的情况下，产品销量是最容易受到冲击的。 东南亚整体在 2018 年后经济增速放缓，保持高经济增速的国家，基数也较低。 纵然东南亚人有“养小鬼”的习俗，但泡泡玛特的火热却并非是一个搭上文化、名人或网络模因的偶然。 当常态带来惊喜 很长一段时间内，关于泡泡玛特的讨论，主要集中在它在泰国如何大展拳脚： 泰国顶流明星 Lisa 多次在网络上大秀对 Labubu 的喜爱。泰国公主思蕊梵纳瓦瑞不止一次在公开场合在贴身的包包上挂着 Lab

作者：308  编辑：经纬 赛力斯这一年来的经历，像极了一篇逆袭爽文。 一年前， 赛力斯还处于营收大幅下降的困境之中——2023 年前三季度，赛力斯的总营收为 166.8 亿元，同比下降幅度为 27.86%。 然而， 故事在 2024 年发生惊天逆转。 根据赛力斯官方在 2024 年 10 月底发布的最新财报数据，赛力斯在 2024 年前三季度的营收为 1066.27 亿元，同比暴增 539.24%，也就是增长了 5 倍多。净利润方面，在前三个季度内，赛力斯归属于上市公司股东的净利润为 40.38 亿元。 从营收大幅下降到一举突破千亿，赛力斯的一跃而起，着实令人瞩目。       不可否认的是，赛力斯的千亿营收确实受益于华为对于问界系列的加持，这里面固然有机遇的因素——但从赛力斯的角度来看，这千亿营收的到来，绝非如一篇爽文那么简单。           千亿营收背后，M9 是最大功臣   对于赛力斯来说，2024 年可以说是一个质变之年。            毕竟，除了营收大幅度提升、利润扭亏为盈之外，它的核心产品体系、品牌身位、制造体系都发生了前所未有的质变——原因很简单，问界 M9 来了。 那么，问界 M9 给赛力斯带来了什么？ 一个最为直接的指标是：超过 500 亿的营收体量。           事实上，2024 年 9 月 30 日，赛力斯汽车总裁何利扬出现在深圳，参加了问界 M9 第 10 万辆暨大五座先行者交付仪式——从这个时间周期来判断，问界 M9 在今年第三季度已经完成了 10 台的交付。 以 50 万元的均

今日，据媒体报道，在多个公开数据集测评中，百度最新发布的文心大模型X1，在数学、代码、推理等能力上表现优异，超越升级后的DeepSeek-V3-0324。 在数学场景中，GSM8K数据集测试后结果显示，文心X1得分95.6，DeepSeek-V3-0324得分93.6；代码生成层面，HumanEval数据集测试后结果显示，文心X1得分90.9，DeepSeek-V3-0324得分86.6；在知识推理层面，C-Eval数据集测试后结果显示，文心大模型X1得分88.6，DeepSeek-V3-0324得分85.1。 近日，DeepSeek官方宣布V3模型完成小版本升级的消息，包括推理、前端开发、中文写作、中文搜索几个方面的能力优化。 而在不久前，百度正式发布文心大模型X1，具备更强的理解、规划、反思、进化能力。文心X1由百度的慢思考技术发展而来。作为能力更全面的深度思考模型，兼备准确、创意和文采，在中文知识问答、文学创作、文稿写作、日常对话、逻辑推理、复杂计算及工具调用等方面表现尤为出色。 据悉，文心大模型X1即将上线千帆大模型平台，API调用价格为DeepSeek-R1调用价格的50%。

近日，全球领先的IT市场研究和咨询公司IDC发布《中国生成式AI应用开发平台市场：企业统一AI开发平台的雏形》报告。该报告不仅对市场上主流的大模型平台厂商进行了对比分析，还为企业用户选择大模型平台提供了关键的技术指标。在此次评估中，百度智能云获得七项满分，位于所有大模型平台厂商第一名。亚马逊云AWS、阿里云并列第二名。 IDC报告指出，大模型平台给应用程序开发提供了一个新的路径，企业在选择大模型平台的时候，应该重点关注厂商在模型层和数据层的能力。在模型层能力方面，如何让模型更好的适配企业的应用场景至关重要。而在数据层能力方面，如何做好RAG（检索增强生成），保证生成内容的准确性，消除幻觉最为关键。 而在这两个方面，百度智能云都有深厚的技术积累。百度智能云千帆大模型平台（以下简称千帆平台）是大模型与AI应用开发及服务平台，可以从模型开发、模型服务、应用开发三大维度，为企业提供全流程服务。目前，文心大模型日均调用量超过15亿次，千帆平台已经帮助客户精调了3.3万个模型、开发了77万个企业应用。 模型精调助力大模型与产业深度融合 大模型具有强大的泛化能力，可以处理很多通识类问题，但在某些特定行业及领域的表现不如人意。这是因为不同行业有着独特的专业知识、逻辑和数据特点，通识知识无法完全覆盖这些特殊需求。模型精调是增强大模型在行业应用中表现的关键，通过将行业的专业知识和数据特征融入大模型，可以让其更好地满足行业特定需求，从而提升应用的准确性和可靠性。 行业内主流大模型服务商也正在通过大模型平台提供模型精调服务，帮助企业快速打造AI应用。 AWS SageMaker集成了亚马逊的高性能预训练模型库，这些预训练模型在大规模的通用数据上进行了训练，已经学习到了丰富的特征表示和知识，为模型精调提供了良好的基础，同时，SageMaker 还提供了多种先进的机器学习算法，用户可以根据精调任务的特