文 | 即时刘说 文 | 即时刘说 在Labub😡u爆火时，它甚至被市场炒成了 “收藏品”，一位经济领域的大佬😍和我聊起这事时直言：把 Labubu 当收藏品炒作，本质是个😡伪命题。大佬给出的理由很明确 ——Labubu 更偏向潮流消❤️费品，它的市场价值多靠情绪价值和资本投机撑起来，既没有收藏品😎该有的 “系统性稀缺性”，也缺乏足够的IP深度。 聊到😊这个 “伪命题”，我不由联想到了即时零售行业里的闪电仓—— 🥳它现在似乎也面临着类似的 “认知疑问”。 目前即时零售😆平台端公布的市面上闪电仓数量超 5 万家，但依我和很多行业同🙄仁的观察判断，真实仍在落地运营的数量恐怕没这么多；更关键的是🤔，即便按这个规模算，整个行业里的闪电仓品牌也只有数百个，市面😀上绝大多数闪电仓其实都是加盟模式，其中真正符合商业逻辑、具备😆可持续性的品牌，或许寥寥无几。除了惠宜选的仓店数突破2500❤️ 家，其他绝大多数一线闪电仓品牌，比如小柴购、乐购达、优购哆💯、快客达等品牌仓店数在几百家左右；至于更多小品牌，仓店数甚至🤩不足 20 家。 所以，刘老实认为有必要和大家一起讨论🥳：当下的闪电仓加盟，到底是不是又一个 “伪命题”？ 传😎统加盟的四大门槛，闪电仓能跨过几个？ 传统的品牌加盟模😅型通常建立在四个基础之上，这也是品牌放加盟需满足的核心条件：😢 成熟的商业模型：即有品牌直营店验证这一商业模式的可行😴性和盈利性； 一定的品牌性：即便品牌目前仍不具备品牌力⭐，后续也要加强对品牌的打造； 较强的运营能力：总部需具🎉备全流程支持系统和数字化运营工具； 一定的供应链能力：😂很多品牌本质上主要依靠供应链盈利（如瑞幸、蜜雪冰城等）。 ⭐ 但放眼当下的闪电仓市场，绝大多数品牌似乎难以达标： 😎 首先，缺乏经过充分验证的直营模型。仓店品牌虽多，但有些仓店😘甚至都没有自己的直营店，加盟后往往是能 “摸黑过河”； 🙌 其次，品牌建设几乎为零。目前，消费者认的是平台标识（美团闪😢购、淘宝闪购、京东秒送），而非仓品牌本身；且目前即时零售平台😎用户主要依靠搜索商品关键词购物，特定到某闪电仓品牌购物的占比🥳相对较少； 再次，运营支持系统薄弱。尽管大多数品牌都提💯供运营服务，并赚取加盟商的销售抽点，但很多品牌在选品、定价、😆动销策略等关键环节仍缺乏精细化管理； 最致命的是第四点👏：供应链能力缺失。绝大多数闪电仓品牌没有自己的供应链，更无自😂建中心仓，加盟商的货源大都来自 1688、拼多多等平台，导致😎商品质量参差不齐、同质化严重。 其实并非大多数闪电仓品🤩牌不想做自己的供应链，而是先天条件不足。 展开全文 💯 闪电仓与便利店、餐饮等传统实体加盟存在本质差异：闪电仓做😢的是线上半径生意（多为 3-5 公里），其密度天花板非常低。😡即便在北京、上海这样的超大型城市，同一品牌目前也很难支撑超过😅100 个仓店同时健康运营，这也切断了绝大多数品牌方打造自身🥳供应链的想法。 然许多品牌也在平台没有区域保护机制的情👍况下进行全国招商加盟，导致区域内卷加剧、单仓盈利困难；这种 😉“一套货盘打全国”的模式，显然难以适应不同区域的消费差异。 😢 可以说，除了极少数品牌自建仓配体系外，绝大多数闪电仓在🎉供应链端几乎毫无壁垒—— 而这恰恰是加盟模型中最核心的盈利来👍源之一。 面对这些问题，我们需要思考：这是商业模式本身😊的问题，还是行业发展的阶段性问题？对此，市场存在两种不同观点😅： 有观点认为，闪电仓仍处于早期发展阶段，目前的问题并💯非模式缺陷，而是行业尚未进入成熟期。正如电商早期一样，混乱与😆整合是必经之路，随着市场出清和资本筛选，最终能留下的品牌或将😂建立起真正的供应链和运营能力。 也有不少人和我持相同看😊法：如果绝大多数参与者始终依赖低质货源、缺乏品牌认知、只能在👍平台流量红利中 “薅羊毛”，那么闪电仓加盟很可能只是一个 “😴看起来很美” 的伪命题。因为它吸引了很多并非真正的创业者，而👍是追逐风口的投机者入局 —— 正如 Labubu 的炒作逻辑😢一样，情绪和资本驱动之下，缺乏可持续的根基。 所以，我🙌们不必急于给闪电仓加盟是否是伪命题下定论，但必须提出更尖锐的😡核心疑问： 1、在没有供应链控制力的情况下，闪电仓品牌🚀究竟靠什么为加盟商提供长期价值？ 2、是走区域为王的精😉细化运营之路，还是继续走全国招商加盟的扩张之路？ 3、😍平台政策一旦变动（如抽成比例或流量分配调整），对平台依赖度极😀高的闪电仓该如何生存？ 4、如果消费者只认平台、不认仓🌟品牌，那么加盟的 “品牌溢价” 究竟存在于哪里？ 5、😴闪电仓要想提升单量，除了卷价格，增加sku外，是否能找到真正👍的解锁钥匙？ 6、闪电仓是否适合搞私域，又如何打造自己😉的私域？ ...... 这些问题并不容易回答，但😴却值得每一个参与者深思。闪电仓是否将成为即时零售的基础设施，🙄抑或只是资本助推下的又一波泡沫？答案可能要在未来两三年内才能👍真正浮现。而在那之前，保持清醒的批判性思考，或许比盲目入场更🤩加重要—— 尤其是对行业小白而言。 对此，你有什么高见😡，也希望在评论区和刘老实一起互动讨论。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多