公司举措 - 美团于11月12日宣布发布骑手委屈关怀计划 [1] - 计划针对经核实属"非骑手责任"的委屈事件 [1] - 审核通过后平台将提供最高50,000元人民币的委屈安抚金 [1] - 除安抚金外，平台还将提供法律援助 [1]

公司举措 - 美团于11月12日宣布发布骑手委屈关怀计划 [1] - 计划针对经核实属"非骑手责任"的委屈事件 [1] - 审核通过后平台将提供最高50,000元人民币的委屈安抚金 [1] - 除安抚金外，平台还将提供法律援助 [1]

南下资金流向 - 11月12日南下资金净买入港股42.86亿港元，其中净买入小米集团-W 15.92亿港元、小鹏汽车-W 7.17亿港元、泡泡玛特6.3亿港元、中国海洋石油4.11亿港元、协鑫科技3.16亿港元、中国人寿3.03亿港元、腾讯控股1.57亿港元 [1] - 同日南下资金净卖出阿里巴巴-W 34.34亿港元、华虹半导体9.84亿港元、中芯国际4.27亿港元、中国移动1.33亿港元 [1] - 南下资金已连续11日净买入小米集团，累计81.3635亿港元；连续4日净买入中国海洋石油，累计28.2105亿港元；连续3日净买入泡泡玛特，累计14.5466亿港元 [3] - 南下资金已连续5日净卖出阿里巴巴，累计67.8084亿港元；连续4日净卖出美团，累计4.6121亿港元；连续3日净卖出中芯国际，累计10.8281亿港元；连续3日净卖出华虹半导体，累计15.2638亿港元 [3] 小米集团 - 公司宣布截至11月11日全渠道累计支付金额突破290亿元 [4] - 高盛维持对公司的“买入”评级，12个月目标价为56.5港元，认为其稳健的资产负债表、强大的生态系统整合能力以及在电动车领域的成本优势将提升竞争力 [4] 小鹏汽车 - 摩根士丹利将公司港股目标价上调至131港元，以反映新发布的人形机器人和自动驾驶出租车带来的增长潜力和估值重估机会 [4] - 摩根士丹利预计从2026年中期开始，随着公司开始大规模生产实体AI产品，市场情绪将显著改善，同时将美股目标价上调至34美元 [4] 中国海洋石油 - 国金证券指出公司油气生产成本优势明显，2024年平均生产成本为29.56美元/桶，低于中石油的33.08美元/桶和中石化的38.41美元/桶，在“三桶油”中最低 [4] - 公司的生产主要成本与美国主要页岩油龙头公司相当，在国际上具有较强的竞争力 [4] 阿里巴巴 - 公司首款自研旗舰双显AI眼镜——夸克AI眼镜的2025年新品发布会定于11月27日举行 [5] - 官方数据显示，已开启预售的夸克AI眼镜S1在“双11”预售期间位列天猫智能眼镜品牌、智能眼镜店铺、XR品类榜销量第一 [5] 协鑫科技与光伏行业 - 针对市场传言，晶澳科技回应称并无高管说过“收储平台黄了”一事 [5] - 中国光伏行业协会发布声明，明确表示网络流传的小道消息均为不实信息，并表示不要低估政策决心，光伏行业需走出内卷式恶性竞争 [5]

业务表现 - 双11全周期（10月31日至11月11日）平台成交额、下单用户数和人均消费金额创下新高[3] - 近400个品类销量同比增长超100%，手机、白酒、运动鞋服等品类表现突出[3] - 用户人均消费金额同比增长近30%[3] - 超800个品牌销量同比增长超100%，包括Apple、华为、小米、茅台等[3] - 入驻“品牌官旗闪电仓”后，数百个品牌官方旗舰店整体销量较双11前同比增长近400%[3] 用户与消费趋势 - “95后”、“00后”成为双11消费主力军，消费行为呈现“不蹲快递、凑满减、等预售”的特点[3] - 消费趋势向“全品类，新品类，高单价”变迁，移动空调、运动相机、翡翠、黄金等品类销量同比增长均超10倍[3] - 美团黑钻会员人均消费金额达到普通会员的近2倍，下单的黑钻会员数量较双11前翻倍增长[4] - 夜间闪购的消费者数量大幅增长[4] 业务模式与基础设施 - 美团闪电仓覆盖零售全品类、24小时经营，3C家电闪电仓销量同比增长近500%，酒饮、母婴玩具闪电仓增长300%，美妆个护闪电仓增长超100%[4] - 公司持续探索“让品牌更简单直接布局即时零售”的新模式[4] - “安心闪购”保障体系已覆盖购物全流程、全品类[5] - 针对服饰品类提供退货免运费服务，针对礼赠场景提供免费定制手写贺卡等服务[5]

计划核心内容 - 公司推出骑手委屈关怀计划，旨在为骑手提供支持与保障 [1] - 计划核心是提供最高5万元人民币的委屈安抚金以及平台法律援助 [1][4] - 该计划强调骑手的付出应被守护，送达应有善意回响，倡导多方体谅包容 [4] 计划实施与覆盖 - 计划将通过美团骑手App、美团众包App等渠道为骑手提供申诉入口 [6] - 骑手需在表单中选择委屈场景并提交证据，经平台核实为非骑手责任后即可获得支持 [6] - 该关怀计划正在逐步向全国范围覆盖 [8] 计划操作流程 - 骑手可通过App内“骑手之家”等入口提交委屈事件 [6] - 委屈场景包括用户、商家、商场/社区等方的态度行为恶劣或造成人身侵害、财产损失等情况 [6] - 平台强调需基于真实事件和证据进行审核，承诺为骑手撑腰守护公正 [6][7]

计划核心内容 - 公司推出骑手委屈关怀计划，旨在为骑手在配送过程中可能遭遇的不公和委屈提供支持 [1][3] - 计划核心是当不公发生时，公司不仅为骑手发声，更用行动进行守护 [1][4] - 计划目标是让骑手的付出得到守护，每次送达都有善意回响，促进骑手、商家、顾客之间的体谅和包容 [3] 计划具体措施 - 经核实属于“非骑手责任”的委屈事件，审核通过后平台将提供最高50,000元人民币的委屈安抚金 [1][4] - 除经济补偿外，平台还将提供法律援助 [1][4] - 骑手可通过美团骑手App或美团众包App的“骑手之家”入口提交委屈申诉 [5] - 申诉时需要选择具体的委屈场景，包括用户、商家、商场/社区等 [5]

行业规模与影响 - 网络外卖行业经过十多年发展，已创造万亿级市场并成为日常生活主流 [1] - 当前中国人每天依靠线上外卖配送服务超过8000万人次，消费额达33亿元 [2] - 线上外卖业务催生的骑手大军已达1000万人 [6] 骑手友好社区解决方案 - 美团与万科物业联合打通后台数据接口，实现骑手扫码一键登记、身份自动校核 [2] - 骑手进门手续耗时仅3-5秒，该制度已成为万科全国数千家小区的管理标准 [3] - 目前全国30多家物业公司加入该方案，覆盖247个城市超过37000个小区 [4] - 美团和物业方每天处理约120万次一键登记需求，为骑手节省进门时间约2万小时 [5] - 美团采用高性能分布式数据访问架构，实现毫秒级响应数据验证 [4] 骑手安全生态建设 - 美团将骑手安全生态建设提升至公司战略级层面，核心理念是"让骑手在安全的环境中跑单赚钱" [6][7] - 公司开发算法系统识别骑手闯红灯、分心驾驶、超速、逆行等行为，闯红灯识别准确率超过95% [7] - 系统监测范围在北京已覆盖上万个红绿灯路口 [7] - 公司设计"安全分"制度，对达标骑手奖励，未达标处罚，并配套宣教形成正向引导 [7] - 美团今年为骑手不闯红灯的奖励预算达到1亿元 [8] - 战略实施后，美团骑手在全国多个城市的交通违法率是即时配送行业中最低的 [8] 平台企业参与社会治理的优势 - 平台企业具有协调多方利益的能力，美团内部常态化召开由算法团队、骑手、专家参加的恳谈会 [10] - 平台企业具有充足的产业整合能力，深谙如何打造多方共赢的持久模式 [11] - 美团推动"互联网+明厨亮灶"模式，已有超过30万家商户接入实时直播系统 [11] - 公司在行业首创"外卖卫星店"模式，与900多个国内头部餐饮品牌合作，建成8000余家卫星店 [11] - 美团推出"浣熊食堂"模式，为无堂食商家提供线下聚合空间和"明厨亮灶"系统，实现"拎包入住" [11]

公司新激励措施 - 美团在深圳对多名保持0闯红灯记录的优秀骑手每人奖励8888元 [2] - 公司宣布在全国范围内设立亿元奖金池，对骑手安全行为开展长期激励 [2] - 平台推出0闯红灯奖，并叠加之前推出的超时免罚等措施，标志着管理思维从以罚为主转向以奖促改 [3] 行业传统管理模式 - 外卖行业考核管理模式主要依靠负向惩罚驱动，骑手送餐超时会被罚款，收到差评可能被扣分扣钱 [2] - 骑手收入与送单量直接挂钩，送得越多挣得越多，导致骑手为赶时间多接单而忽视安全 [2] - 在传统规则下，骑手驾驶违规行为高发，交通事故频现，埋下巨大安全隐患 [2] 新措施预期效果 - 安全骑行与多跑单多赚钱并不冲突，平台合理调度分配顺路订单，骑手积累路线规划经验可提高效率 [2][3] - 安全奖励可缓解骑手焦虑情绪，降低交通违规率和肇事率，更好呵护骑手生命健康 [3] - 考核管理理念从负向惩罚转变为正向激励，可实现多赢，让每一位守规矩的骑手拥有获得感 [3] 行业系统性优化建议 - 平台需在订单分配、时间预估、奖惩机制等各个环节持续优化 [4] - 供餐商家应摒弃虚假出餐，把更多时间留给骑手 [4] - 消费者应给予更多理解与包容，多一分耐心少一些催单 [4] 行业竞争新维度 - 外卖行业竞争不应只比速度，还应比安全管理、服务品质和人文关怀 [4] - 期待0闯红灯奖奖出更理性、更成熟、更健康、更可持续的新模式 [4] - 新奖励模式不仅让骑手和平台受益，也能让更多人间接受益，值得借鉴推广 [4]

沽空比率排行 - 联想集团-R、李宁-R、京东健康-R的沽空比率均达到100% [1][2] - 商汤-WR、腾讯控股-R、快手-WR的沽空比率分别为93.15%、80.31%、79.04% [2] - 前十大沽空比率排行中，安踏体育-R的偏离值为-18.64% [2] 沽空金额排行 - 阿里巴巴-SW、腾讯控股、小鹏汽车-W的沽空金额位居前三，分别为20.28亿元、13.73亿元、11.13亿元 [1][2] - 小米集团-W、美团-W、友邦保险的沽空金额分别为7.54亿元、7.30亿元、6.45亿元 [2] - 百度集团-SW、中国平安、比亚迪股份的沽空金额分别为5.73亿元、5.22亿元、4.55亿元 [2] 沽空偏离值排行 - 商汤-WR、联想集团-R、快手-WR的偏离值位居前三，分别为39.79%、32.17%、30.02% [1][2] - 小米集团-WR、阿里巴巴-SWR、众安在线的偏离值分别为29.04%、27.66%、26.75% [2] - 京东健康-R的偏离值为26.39%，其沽空比率为100% [2]

文章核心观点 - 美团团队提出的RoboTron-Mani模型与RoboData数据集协同设计，通过“3D感知增强+多模态融合架构”与统一数据标准，解决了机器人操作领域长期存在的3D空间感知能力弱与跨平台泛化能力差的双重瓶颈，实现了跨数据集、跨机器人、跨场景的通用型机器人操作，并在多项基准测试中超越了专家模型 [1][3][21] 机器人操作领域的现状与瓶颈 - 现有机器人操作方案存在双重瓶颈：传统多模态模型聚焦2D图像理解，缺乏3D空间感知，导致物理世界交互精度低；单数据集训练模型泛化能力弱，更换机器人或场景需重新训练，数据收集成本高，例如RT-1数据集的13万段数据耗时17个月收集；多数据集融合方案则存在模态缺失和空间坐标与动作表示不统一的问题，导致训练冲突和性能下降 [2] RoboTron-Mani模型的核心设计 - 模型采用四层架构，包括视觉编码器、3D感知适配器、特征融合解码器和多模态解码器，支持文本、图像、相机参数等多源输入，输出动作、图像、占用率等多模态结果 [5][7] - 3D感知适配器采用UVFormer模型，融合图像特征、相机参数与可学习查询，生成统一的3D视图表示，以精准理解物体的三维位置与姿态关系 [8] - 特征融合解码器基于OpenFlamingo的交叉注意力机制，并引入模态隔离掩码，实现了多模态的灵活融合与监督，训练时支持辅助模态监督，推理时可省略不必要模态 [9] - 多模态解码器针对不同输出类型设计专用解码器，包括图像解码器、占用率解码器和动作解码器，确保输出结果的精准性 [10][14] RoboData数据集的核心设计 - 数据集整合了CALVIN、Meta-World、RT-1等9个主流公开数据集，包含7万段任务序列、700万个样本，涵盖多种操作任务 [11] - 针对传统数据集模态缺失问题，通过重新渲染模拟环境、重建原始数据等方式，补充了深度图、相机参数等3D感知关键信息 [11] - 实现了空间与动作对齐：将所有数据集的3D坐标系统一为“X轴向右、Y轴向前、Z轴向上”，工作空间范围统一为[-0.5,-0.5,0]至[0.5,0.5,1]；采用复合旋转矩阵法统一了不同数据集的动作表示 [12][15] - 提供了统一的评估体系，支持模型在多个数据集上同时评估，为通用机器人操作模型提供了公平的基准 [16] 实验结果与性能表现 - 在LIBERO数据集上，RoboTron-Mani的成功率达到91.7%，超过了当前最佳专家模型QueST的89.8% [17][18] - 在CALVIN数据集上，成功率达到93.8%，任务平均序列长度从1.7提升至3.5，大幅提升了长序列任务能力 [17][18] - 在RT-1数据集上，平均成功率达到60%，显著优于同参数规模的其他模型 [17][18] - 在跨数据集泛化测试中，相较于通用模型RoboFlamingo，在4个模拟数据集上的成功率平均提升14.8%-19.6% [18] 关键模块的消融实验验证 - 禁用3D感知适配器后，CALVIN数据集首任务成功率从94.2%降至85.0%，证明其对于空间感知精度至关重要 [19] - 无模态隔离掩码时，模型的多模态融合灵活性降低，跨数据集泛化性能下降12%-15% [22] - 无占用率监督时，长序列任务成功率下降明显，后续任务成功率从56.5%降至48.1%，证明3D空间信息对复杂操作的重要性 [19][22] 数据对齐的价值验证 - 使用经过RoboData对齐的数据训练后，模型性能显著提升：在LIBERO数据集上成功率从64.2%提升至90.7%；在CALVIN数据集上从74.7%提升至91.0% [20][23] - 使用未对齐数据训练时，除动作表示简单的Meta-World数据集外，其他数据集成功率平均下降25%-30%，证明数据对齐是跨平台训练的基础 [23] 方案的产业意义与未来方向 - 该方案为追求规模化落地的工业和服务场景提供了兼顾通用性与实用性的参考，有望应用于仓储分拣、家庭保洁等领域 [21] - 未来方向包括：扩展触觉、力反馈等多模态输入；通过模型轻量化、量化优化效率；进一步整合更多真实世界数据集以减少模拟到真实的域迁移差距 [23]