永辉超市2025年净亏25.5亿
4月16日晚间，永辉超市发布2025年年度报告。报告显示，公司2025年实现营业收入535.08亿元，同比下降20.82%；归母净利润为-25.52亿元，较上年同期亏损增加10.87亿元。
对于业绩下滑原因，永辉超市表示，主要系零售行业竞争激烈，公司主动进行大幅度门店优化以及战略和经营模式转型。2025年，公司深度调改284家门店，同时关闭了381家与未来战略定位不相符的尾部门店，门店数量的净减少导致整体收入下滑。
与此同时，调改和关店在短期内对利润造成了较大冲击。公告显示，门店调改相关的资产报废损失、停业装修营业收入损失、一次性开办费投入等合计影响显著，其中资产报废及一次性投入约8.8亿元，停业装修期间产生的毛利额损失预估约3亿元。关闭381家门店也产生了资产报废、人员优化离职补偿、租赁违约赔偿等较大损失。此外，公司报告期内计提资产减值准备3.50亿元。
拼多多新成立的「新拼姆」是什么？
拼多多做品牌自营，重仓供应链，其目标显然不是为了在中国市场卷，而是要提高中国制造出海的效率，面向全球市场。
拼多多只用了三年时间，就已经做到「在全世界大部分国家都具有可观的市场规模」，成长为国际主流电商平台，速度着实惊人。海外需求端已经跑通，反过来重做供给端的答案就很明显：品牌自营，重仓供应链。
但回顾过去三年，拼多多团队也一定感受到了整个行业所面临的痛点和瓶颈，尤其中国商品出海所面对的监管合规成本。欧美国家的合规成本是中小卖家所无法承受的，但这个市场又存在旺盛的需求。
平台为什么要下场做自营？因为外部商家各自承担不了这些全球化成本，而平台集中承担，反而可能提高整个链条效率。
海外市场倒逼更高的产品和合规标准，这反过来可以升级中国供应链。自营品牌和平台商家模式最大的不同，平台不能再只做流量和价格撮合，而必须承担产品标准、仓储物流、知识产权、法律合规、监管审核这些职责。而这些本来是中小商家所面对的摩擦成本，这一块优化解决好，当然能为整个产业链带来更大利润空间。
这也是一种长期主义。
拼多多以前擅长的是轻资产的模式，而自营品牌，深入供应链，会变重，也意味着更高的库存风险、组织复杂度、渠道冲突与国际合规成本。有挑战总比没有挑战好，一家公司没躺平，没去跟风搞 AI，而是要啃一块硬骨头，打更硬的仗。这反倒让我放心了一点。
打造新拼姆，也意味着拼多多这家公司在构建更深的护城河。
张雪和张雪峰
纳西姆·塔勒布在其著作《黑天鹅》里提出了一个思维框架：极端斯坦 (Extremistan) 和 平均斯坦 (Mediocristan)。也有人把这两个词翻译成平庸世界和极端世界。总之指的是两种统计环境：
-
Mediocristan（平均斯坦，平庸世界）
-
Extremistan（极端斯坦，极端世界）
平均斯坦是典型的正态分布（钟形曲线），平均值有意义，大多数人都接近平均水平。不会出现极端的情况，个体样本不会改变整体。比如身高，不会出现一个身高 3 米的人而影响全体身高。这是一个稳定、可预测的世界。
极端斯坦则是一个长尾分布，右侧有尖峰。平均值没有意义，被极少数极端值严重扭曲。极端值甚至可以无限大，比如马斯克所拥有的财富。个体可以改变整体，一个样本就能重写分布。
很多人容易陷入的误区是，有意无意的两种世界混用，比如用 Mediocristan 的思维去理解 Extremistan。当然，也导致有些人会被误导。比如以前有人鼓吹「读书无用论」，他们喜欢拿比尔·盖茨、扎格伯格大学没毕业但很成功来做论据。
基础教育和升学这样的事，是平均斯坦的范畴，而不是极端斯坦。但是顶尖人才甚至天才，则属于极端斯坦。
思维框架，不是万能的东西。有效运用思维框架，能帮我们分析明白一些事情。
比如家长让孩子学钢琴，最后绝大多数学琴的孩子都只能得到平均斯坦的结果，而几乎不可能成为朗朗。越早认识到这个事实，早一点调整预期，就会免于失落，而多收获快乐。
再比如，成功学往往在贩卖极端斯坦的结果，却假装可以被复制；而大多数知识付费，本质上是在平均斯坦中做渐进优化。
创业本身属于极端斯坦，结果由极少数胜者决定；公司进入日常经营阶段以后，大部分决策又回到了平均斯坦——依赖稳定、可重复的优化。
在投资领域，巴菲特所取得的成绩属于极端斯坦，但他的投资哲学，却主要作用于平均斯坦。
长期持有、关注价值、避免过度交易，这些原则本质上是在一个可预测、可累积的体系内优化结果。对大多数人来说，效仿这些方法，可以在平均斯坦中获得稳定且合理的回报。
但问题在于，有些人效仿巴菲特时，模仿的是结果，而不是方法。他们的预期本身就是极端斯坦，希望获得远超平均水平的回报。
带着这种预期进入市场，行为就会发生偏移：更频繁交易、更激进押注、更容易被叙事驱动。最终的结果，反而往往落在平均水平之下。
在平均斯坦中，用极端斯坦的预期行事，往往连平均结果都难以维持。
谈谈百度的「熵减」策略
这一轮国内 AI 大潮的演进，很难再用「技术突破」或「产品创新」来简单概括。如果换一个更贴切的描述，倒是更像在焦虑驱动下展开的系统性扩张。春节期间的红包混战、几家巨头大模型定位的频繁摇摆、到现在的全行业「龙虾」热，看起来是热闹的创新繁荣，如果把这些现象放在同一张坐标系里观察，会发现一个更深层的特征：在不确定性之中不断试探与外延，这其实上是一种典型的「熵增」过程。
这种熵增并不只体现在技术层面。模型参数持续刷新，能力指标不断被抬高，但用户的真实感知并没有同步提升；产品形态快速迭代，却缺乏稳定结构；内容生成能力显著增强，信息污染问题却愈发突出。随着前几天「315 曝光 GEO」事件的出现，用户对大模型内容的信任似乎开始出现裂痕。行业正在从「谁更强」的竞赛，悄然转向「谁更可靠」的比拼。
这样的背景下，百度的路径转变倒是显得有些反直觉。不再一味地强化参数竞争，在叙事上也不再不断切换，选择了一种更为克制的方向：全栈优势。其中全栈优势下，又主打应用驱动。这种聚集式创新，可以理解为一种「熵减」策略，即在系统复杂度不断上升的情况下，有意识地降低不确定性、压缩噪音、强化结构。
这种取向首先体现在模型层。此前围绕「铸币坊」读音的讨论中，多家大模型给出了不一致甚至错误的答案，最终反倒是百度内嵌的 AI 给出了正确结果。这个案例虽是个例，但却揭示了一个关键转折：用户真正关心的，并不都是模型能否给出更复杂的推理，还要看是否可靠、是否稳定、是否值得信任。在这一维度上，「更少幻觉」往往比显得「更加聪明」更有价值。百度没有把重心放在参数规模的极限拉升上，而开始更多投入在降低污染、减少幻觉，并通过产品结构提供交叉验证的可能性。这意味着正试图把大模型从一个「生成工具」，重新锚定为一个「可信工具」。
在产品层，这种熵减体现得更加明显。许多公司选择用 AI 去替代搜索，而百度则选择用 AI 去强化搜索。搜索的核心从来不只是答案本身，还需要信息的选择权与判断路径。将文心助手嵌入百度 App，让用户在 AI 生成结果与传统搜索结果之间形成对照，从而完成判断。这种设计看似减少了「自动化程度」，但却显著提高了系统的确定性。而类似「百看」这样的形态，搜索后以 AI 生成及检索综合呈现的多模态搜索结果，也是沿着同一逻辑展开：通过 AI 提升信息获取效率，同时保留用户对信息的解释与选择能力。在这里，AI 并没有取代人，反而是被约束在一个可验证、可对比的框架中运行。
对 OpenClaw 的布局，同样可以放在这一逻辑下理解。表面上看，这是对一个新趋势的快速跟进，但如果回溯百度在智能体方向上的长期投入，这更像是一次顺势接续。李彦宏较早提出「卷应用而非卷模型」，也在将竞争焦点从能力本身转向能力的结构化使用。围绕「龙虾」展开的一系列产品动作，我看到，龙虾创始人都点赞，并且喊话合作。无论是搜索 Skill 的快速增长，成为当下全球下载量第一的官方搜索 Skill，还是从云端到终端的多层部署，核心都指向同一个目标：把大模型能力转化为可调用、可组合的接口结构，而不是停留在孤立的模型能力上。这种从能力到结构的转化，就是一种典型的熵减过程。
更深一层的变化则发生在组织内部。百度新设立了基础模型研发部与应用模型研发部两大部门、文库与网盘成立新的面向 C 端的事业群，并且都向核心决策者直接汇报，这些动作并不只是管理层面的调整，还意在减少信息传递路径、压缩决策链路。在高不确定性的技术周期中，如果组织本身是高熵的，战略再清晰也难以落地。相反，只有在组织层完成熵减，技术与产品层的聚焦才有可能真正执行。
从更长的时间维度来看，这一轮 AI 可能最终会演化成出两类公司。一类持续制造新的可能性，通过更强的模型、更大的参数和更激进的产品形态不断扩展边界；另一类则致力于降低系统的不确定性，让这些能力变得可用、可信、可持续。前者推动熵增，后者完成熵减。
在行业的早期阶段，熵增是必要的，因为有必要探索边界；但在进入应用兑现阶段之后，熵减可能会成为决定胜负的关键。
因此，与其说百度在选择一条不同的路径，不如说它在选择一个不同的时间坐标。当大多数玩家仍然停留在扩张阶段时，提前进入了聚焦阶段。这种选择的难度，不在技术层面，在于需要放弃部分短期的叙事优势，接受一种更不显眼但更长期、更稳定的增长方式。
AI 的上半场，比的是谁能做出更强的能力；而下半场，决定结果的往往是另一件事：谁能在复杂系统中持续降低不确定性。从这个角度看，所谓「熵减」，并不是一种风格选择，而是一种不可回避的演进方向。产品的进步，也不在于增加了多少能力，而在于减少了多少不确定性。
百度的熵减底气，核心在于构建了全球罕见的「芯云模体」全栈布局。比如昆仑芯要独立 IPO了，投行也给出不错的估值。萝卜快跑，服务次数超过 2000 万次，已经落地全球 26 城。在底层算力与顶层物理 AI 两个关键领域，都跑出来了。