3月13日，货拉拉发布《货拉拉关于推动算法公开透明、向上向善机制的公告》（以下简称 《公告》），对外公布了算法向善委员会名单，由货拉拉创始人、CEO周胜馥担任委员会主 任，并首次向社会公开其核心算法规则及算法优化机制。 货拉拉成为货运行业内首个公开算法的货运平台，也说明数字货运行业伴随算法透明化的进 程，逐步实现从粗放扩张模式向构建社会价值导向的可持续发展模式转型。 让冰冷算法拥有人性温度 那么算法究竟是如何"向善"的？又将如何改变司机和用户的日常体验？ 对于货运平台而言，分播单机制是车货匹配的核心算法，也是平台货车司机接单的决定性因 素。 基于"先到先得，就近匹配"的主要原则， 货拉拉按照订单起点"由近及远"的顺序向附近司机推 送订单信 息， 由司机决定是否抢单，并按照"距离订单起点最近者中单"的规则确定中单司机， 该类订单占平台订单总量的90%以上。 长期以来，实际到手的收入是货车司机们最关心的事情。去年， 货拉拉主动调整了平台的算法 规则，以降低抽佣和增加订单费用两种手段"双管齐下"。 2023-2024年，货拉拉为促进订单成 交补贴司机达2亿元，去年该平台采用自动降抽佣算法，根据订单供需情况、订单等待 ...

文章核心观点 - 货拉拉3月13日发布公告公开核心算法规则，成为货运行业首个公开核心算法规则的平台，多家行业头部平台也推出算法透明措施，2025年平台算法透明度有望进一步提升，提高平台算法透明度、保护从业者合法权益或成平台竞争新路径 [2][4][8] 货拉拉迈出第一步 - 货拉拉3月13日发布公告披露分单机制、定价规则及司机权益保障措施等举措，成为货运行业首个公开核心算法规则的平台 [1][2] - 货拉拉承诺不做数据“杀熟”算法，确保同一时间同一起止点线路个人用户价格一致，坚持“司机自主，就近优先”分单原则，90%以上订单按此原则分配 [4] - 货拉拉承诺加大订单补贴和降抽佣力度，采用自动降抽佣算法，根据订单供需情况等确定实时降抽佣幅度 [5] 平台算法透明度提升进行时 - 平台经济连接新就业从业者和消费者，政府工作报告提出促进其规范健康发展，提升算法规则透明度有助于减少误解和舆情，利于大众监督优化算法 [6] - 2024年底美团宣布八项算法改进举措，2025年初抖音集团拟推出10项措施推进算法和平台治理透明化，货拉拉将汇总意见、组织恳谈会、定期公布成果 [7] 事关千万货车司机的权益保障 - 平台经济时代劳动关系有新变化，中央网信办等四部门发布通知防范侵害新就业形态劳动者权益，完善相关算法 [9] - 我国货车司机群体庞大，货拉拉2024年调整规则减轻司机成本负担约5亿元，相当于降低收费约3.36% [9][10] - 货拉拉利用AI与算法识别风险订单，借助关键词、大模型识别违规订单，重点关注的违规载人和危险品运输识别准确率达95% [10][11] - 货拉拉推出“防疲劳”机制，规范引导司机工作时间，防止疲劳驾驶 [11]

文章核心观点 京东物流2024年营收同比增长近10%，外部客户收入占比达70%，利润创历史新高，公司通过拓展客户、技术升级等举措提升竞争力并加强全球基建布局 [1] 营收与利润情况 - 2024年度营收达1828亿元（约合256亿美元），同比增长9.7% [1] - 外部客户贡献1278亿元，占总收入约70% [1] - Non - IFRS年度利润同比激增至79.2亿元，较2023年近三倍增长，利润率从2023年的1.7%提升至4.3% [1] - 四季度营收同比增长10.4%至521亿元，Non - IFRS利润同比上升23.4%至22亿元，连续八个季度盈利增长 [1] 业务举措与成果 - 通过持续优化仓储网络布局、推进技术创新及提升运营效率，夯实以ISC解决方案和高端物流服务为核心的差异化竞争优势 [2] - 行业定制化ISC管理服务帮助家电等领域客户降本增效，2024年ISC客户收入达874亿元，外部ISC客户总数达80703家，同比增长8% [2] - 全面升级“京东物流超脑”数字供应链技术体系，将人工智能等融入物流全流程 [2] - 截至2024年末，海外仓储网络覆盖19个国家及地区，运营仓库超100座，总面积超100万平方米 [2] - 为头部中国新能源车企提供中欧干线运输服务，协助另一汽车品牌打通中东地区全链路 [2] 全球基建布局 - 本周二宣布在波兰启用第三座物流仓库以扩大国际物流市场份额 [3] 公司背景 - 京东物流是京东集团旗下第二家分拆上市公司，2021年登陆港交所募资241亿港元（约31亿美元），前身为京东集团2007年设立的自营物流部门，是中国一体化供应链物流服务领域领先企业之一 [3]

财务表现 - 2024年第四季度营业收入达9082.8万美元，连续两个季度创历史新高，社交服务收入5980.1万美元，游戏服务收入3075.6万美元 [2] - 2024年第四季度净利润3253.1万美元，净利润率35.8% [2] - 2024年全年营业收入3.397亿美元，社交服务收入2.254亿美元，游戏服务收入1.136亿美元 [2] - 2024年全年净利润1.342亿美元，同比增长18.7%，净利润率39.5% [2] - 2024年全年营业利润1.214亿美元，同比增长26.0% [3] 用户数据 - 2024年平均月活跃用户数4144.5万，同比增长14.4% [3] - 2024年付费用户数量1230.9万，同比增长3.2% [3] 业务发展 - 旗舰应用持续升级，保持较高受欢迎度和强劲市场表现 [3] - 两款自研游戏产品处于测试阶段，继续在休闲游戏领域投入 [3] - 开发符合中东和北非地区文化和用户偏好的AI算法，作为未来竞争优势 [3] 管理层战略 - 2025年坚持高质量发展战略，聚焦产品创新与精细化运营 [3] - 2025年计划加大股票回购力度，预计回购金额比去年1400万美元至少翻一倍 [3] - 2025年一季度营收预期在7500万至8200万美元之间 [3]

银发经济与算法围猎现象 - 核心观点：数字时代下银发经济遭遇算法围猎，形成代际消费冲突和认知不对称商战 [1][3] - 老年人消费行为：沉迷赚金币（8小时赚2元）、刷短视频、网购"一眼假"商品（300元貂皮大衣、600元"万元手机"）[1] - 代际冲突数据：69.7%受访者与长辈存在网购分歧，超40%老人更信任主播而非家人 [2] 商家围猎老年人的套路 - 获客手段：线下"听课领鸡蛋"引流，线上微信群发优惠券（几毛到几元红包）[4] - 信任培养：先用低价小商品（肥皂、面巾纸）建立信任，掺杂高价商品混卖 [5] - 话术设计：虚构专家身份（古董专家、抗癌秘书长），伪造抢购假象（几分钟卖几千件）[5][6] - 价格欺诈：标价万元手镯实际卖200元，成本仅几十元 [6] - 健康骗局：三无保健品（小分子肽、雪莲）宣称"航天员专用"，售价达十几万元 [6][7] 情绪操控与技术滥用 - 情感绑定：使用"家人们""爸爸妈妈"话术填补老人社交缺位 [8] - 心理压迫：制造"库存告急"稀缺感，编造"夫妻分离"等故事加速决策 [8] - 技术滥用：AI伪造鉴定证书，炒作"量子产品""超级干细胞"概念 [8] - 私域运营：微信社群深度互动，规避平台监管，新建小号持续引流 [9][10] 产业链运作模式 - 实体背书：小区开设类菜鸟驿站实体店增强可信度 [9] - 标准化流程：30天营销计划（前15天只送礼物不推销）[12] - 加盟体系：老年大学品牌推广私域电商模式，加盟费10万元起瞄准下沉市场 [10] - 供应链问题：加盟商囤货（假金银珠宝、保健品）烂在手里现象普遍 [13] 数字鸿沟现状 - 用户规模：60岁以上网民1.57亿（占老年人口50%），网购普及率近70% [16][18] - 新增用户：2024上半年新增网民中50岁以上占36% [18] - 使用能力：仅8.1%老人熟练使用手机老年模式，44.4%能独立网购 [19] - 基础设施：5G向农村延伸但城乡数字技能差距扩大 [15] 平台适老化改造 - 功能优化：长辈模式提供大字、语音搜索、拍照购功能 [19] - 物流支持："当日达"服务提升消费便利性 [19] - 付费陷阱：短剧"首集0.01元"隐蔽设置自动续费 [20] 行业发展趋势 - 监管需求：需加强线上信息真实性审查和防范功能开发 [21] - 服务完善：社区需增加线下活动弥补公共服务不足 [21] - 家庭支持：子女需协助老人提升数字适应能力 [21]

大模型训练成本优化技术 - 字节豆包大模型团队开源COMET技术，可将大模型训练效率提升1.7倍，成本节省40% [1] - COMET已应用于字节万卡集群训练，累计节省数百万GPU小时算力 [1] - COMET通过计算-通信重叠技术压缩MoE专家通信空转时间，解决分布式训练中的通信开销问题 [1] - COMET支持主流大模型，无需对训练框架进行侵入式改动，具有简洁性与通用性 [2] - COMET与DeepSeek的DualPipe方案可结合使用，进一步压缩训练成本 [2] 大模型架构创新 - MoE是当前大模型主流架构，DeepSeek采用自研DeepSeekMoE架构 [1] - DeepSeekMoE整合专家混合系统、改进注意力机制和优化归一化策略，提升效率与计算能力平衡 [1] - 字节提出UltraMem稀疏模型架构，推理速度较MoE提升2-6倍，成本最高降低83% [2] - COMET可与UltraMem结合使用，进一步降低大模型训练成本 [2] 大模型成本下降趋势 - 大模型每百万Token调用成本从2023年120美元降至2024年不到1元人民币，下降99.9% [3] - 未来成本可能再下降99.9% [3] - 成本降低将激活更广泛用户与应用场景，引发对更大参数和更复杂模型的需求 [3] - 算法优化提升单次任务效率，但AI能力边界扩展仍需更大规模模型和复杂计算 [3] 字节跳动AI投入 - 2024年字节跳动AI资本开支达800亿元，接近BAT三家总和（约1000亿元） [4] - 2025年可能进一步上调AI资本开支，扩大算力投资规模 [4] - 启动"筋斗云人才计划实习专项"和"Top Seed人才计划"，招募全球顶尖AI人才 [4][5] 行业影响 - 大模型成本缩减降低企业训练与推理门槛 [3] - 算力效率提升可能形成"算法进步→模型复杂化→硬件升级"的正循环 [3] - 头部厂商加入开源大军推动大模型训练成本持续下降 [3]

文章核心观点 - DeepSeek激活端侧AI新周期，推动AI应用普及，其开源模式和低成本特点降低AI硬件创业门槛，优化后的蒸馏技术使更多模型能部署在端侧，降低企业成本，增强用户体验；看好AI SoC芯片受益于算法平权带来的端侧AI硬件增长、端侧算力需求升级推动的ASP增长，以及国产龙头SoC公司的成长之路 [1] 开源模式+推理成本降低 - AI硬件创新过去的参与者包括智能手机大厂、互联网大厂、智能硬件创新企业和传统硬件厂商；DeepSeek - R1的蒸馏模型开源降低AI应用门槛，促进技术传播和应用，预计后续各类厂商将发布更多深度应用功能，端侧AI将呈现百花齐放态势 [6] - DeepSeek通过算法与硬件的协同创新显著降低AI应用成本，采用多种方法降低单任务对芯片算力的需求及推理能耗；DeepSeek - R1的推理成本远低于ChatGPT - o1，能用低成本训练出高效模型，推动尖端AI技术成为普惠型生产力工具 [7] 蒸馏技术提升端侧推理性能 - 模型端侧部署有安全性高、低延时等优势，但过去受算力、功耗等因素制约；蒸馏模型更小、计算效率更高，适合在资源受限环境中部署；DeepSeek的蒸馏过程创新性地引入“链式思考”，使小模型不仅继承推理能力，在推理效率和资源占用方面也有优势 [9] - DeepSeek开源两个660B模型的同时，蒸馏出6个小模型并开源，部分小模型在多项能力上可对标OpenAI o1 - mini，DeepSeek - R1 - Distill - Qwen - 32B在AIME 2024基准测试中表现优于其他开源模型；不同规格模型有不同适用场景，1.5B / 7B / 8B适用于本地轻量级任务，14B / 32B能应对复杂任务，70B / 671B面向大规模云端推理场景 [10][13] AI+汽车电子 座舱先行，智驾有望深度融合 - 自DeepSeek发布开源模型，国内车企在智能座舱和智能驾驶方面积极探索，目前应用场景主要集中在智能座舱，旨在提升人机交互体验；智能驾驶领域有望深度受益，但进程相对较慢，因DeepSeek是大语言模型，自动驾驶通常用垂直大模型，两者有效转变是车企需思考的问题 [14] 硬件预埋，国产汽车芯片开启高速增长 - DeepSeek推动智驾/智舱普及，硬件预埋促使汽车芯片进入高速增长阶段；自动驾驶技术迭代迅速，汽车行业进入软件定义汽车时代，硬件预埋可收集数据训练大模型并通过OTA升级推送更优算法，国产车企今年底前有望跟进升规升配，汽车芯片未来3年有望保持高景气 [15][16] - DeepSeek提升车端端到端大模型性能，让更多中低端车型部署端侧模型，利好国产平价芯片；大模型用于智驾面临线控底盘挑战，DeepSeek的模型优化思路和蒸馏技术可提升车载端到端模型性能，降低智能驾驶对高算力硬件的依赖，有助于国产智驾SoC发挥优势 [17][18] - 数据的重要性日益凸显，后进入者有望借助DeepSeek实现追赶，看好头部车企产业链；DeepSeek大模型开源推动“算法平权”，缩短车企间时间差距，数据重要性愈发突出；国产大模型突破有望提升国产车企竞争力与话语权，国产芯片市场份额有望提升，二者有望形成良性循环 [20][23] AI+消费电子 智能硬件百花齐放，端侧AI SoC迎东风 - DeepSeek具备低成本、高性能优势，能赋能AI应用终端硬件设备；其先进的模型压缩与蒸馏技术可蒸馏出小参数模型，克服端侧部署难题，适配多种应用终端的嵌入式芯片；DeepSeek运用多模态融合技术和场景化AI模型，实现自然交互和定制化服务 [25] - 智能手机方面，国内多家手机厂商接入DeepSeek，带来AI问答等功能，用户可通过自定义唤醒词激活手机AI助手；中兴努比亚Z70 Ultra全尺寸内嵌“满血”DeepSeek - R1，实现系统级交互整合和与智能穿戴设备互联；DeepSeek推出手机应用程序，具备多项AI功能 [26] - AI眼镜方面，产业界看好其成为实现更综合功能的硬件载体，目前主要依赖云平台调用大模型；随着技术成熟，从云到端的推理优化链条有望完善；DeepSeek优化多模态交互能力，提供便捷用户体验，新增深度思考能力，拓展应用场景 [28][29] - AI耳机方面，DeepSeek通过端侧语音模型和多模态交互优化，重新定义无屏交互体验；增强深度搜索与逻辑分析能力，新增情感交互与健康监测功能 [31] - 智能家电方面，DeepSeek提升智能交互精准度与自然度，增强家电自主学习和个性化服务能力；新增场景化智能服务，建立多模态数据辅助动态决策机制，打破人机壁垒实现自然交互体验 [32] - AI玩具方面，DeepSeek赋予AI玩具自然流畅的语言交互与智能学习能力，提供个性化陪伴和寓教于乐体验；实现多模态感知与情感陪伴，打造个性化学习方案 [34] 算力提升成为共识，近存计算呼之欲出 - 消费电子领域AI SoC芯片升级侧重于AI算力提升，NPU模块从旗舰产品选配变为标配，且算力迭代大幅增长；量产产品RK3588具备6Tops端侧算力，可支持主流参数级别的模型部署 [35] - 智能硬件对响应速度要求高，低延时需求凸显；端侧应用对算力需求日益增长，为加快数据传输，业内存储厂商针对端侧算力提出近存计算解决方案；看好片内DRAM提升端侧延时表现 [36][37] 本地产业链优势、长尾市场竞争宽松，看好国产细分龙头充分受益 - 大模型推动下端侧AI应用百花齐放，长尾应用市场竞争格局宽松，海外大厂在细分赛道精力不集中、产品迭代慢、服务质量差，看好国产SoC厂商凭借先发优势和垂直深度赢得市场份额 [38] - 产业链上游有成熟的国产多模态大模型，中游有各类SoC芯片和强大的模组组装产业链，下游有紧密合作的终端品牌；看好大模型提升终端品牌竞争力，国产芯片有望从中受益 [38]

涉互联网纠纷现状 - 近年来涉互联网民商事纠纷迅速增长，直播带货、直播打赏、付费点播等引发的纠纷类型日趋复杂 [1] - 北京四中院近三年受理的涉互联网民商事纠纷二审案件数量逐年递增，从2022年的200余件增至去年的700余件 [3] - 主要纠纷类型包括信息网络买卖合同纠纷、产品责任纠纷、网络服务合同纠纷 [3] 平台责任与用户权益平衡 - 平台应加强对入驻商家的审核力度，提高高风险领域保证金额度，建立不良商家退出机制 [4] - 平台需保护消费者及商家个人信息，运用算法推送信息时做到客观公正 [4] - 法院审理案件时应依据《民法典》《电子商务法》精准界定平台责任，避免机械适用法律阻碍平台发展 [4] 直播带货纠纷特点 - 直播带货纠纷案件数量呈增长状态，涉及商品类型广泛，单个案件标的额高于传统电商 [7] - 涉诉主体包括直播运营平台、直播间运营者、主播、买卖交易平台、销售店铺及品牌方 [7] - 主播可能具有广告经营者、产品销售者、产品生产者等多重身份 [8] 直播带货责任划分 - 直播带货平台兼具直播平台与电商平台特性，存在性质混同和责任交叉问题 [8] - 商家在直播中应负有更高注意义务，如隐瞒商品重大瑕疵需承担违约责任 [8] - 主播对直播过程中的承诺应予履行并承担相应责任 [8] 数字平台运营规范 - 法院通过审理案件规范直播带货、付费点播等新交易模式，保障数字经济健康发展 [11] - 加大对数字平台侵犯知识产权、数据安全、个人隐私等行为的打击力度 [11] - 发布典型案例为数字平台运营提供参考，引导规范自身行为 [11] 内卷式竞争影响 - 内卷式竞争可能导致过度关注短期成果，忽视长期创新和发展 [12] - 部分企业盲目投入广告和低价竞争，忽视产品创新和质量提升 [12] - 法院通过统一裁判尺度，适用《反垄断法》《反不正当竞争法》为市场主体提供行为指引 [12]

新业态就业与算法管理 - 新业态就业劳动者总数达8400万人，占全国职工总数的21% [4] - 美团、饿了么等平台已建立算法公开机制推动规则透明化 [1] - 算法"控制"程度成为认定平台用工法律关系性质的核心考量因素 [7][9] 司法规制与劳动关系认定 - 2024年全国法院审结一审涉新就业形态民事案件超8万件 [4] - 最高法确立"支配性劳动管理"作为新业态劳动关系认定标准，存在用工事实且构成支配性管理的依法认定劳动关系 [6][9] - 平台通过诱导劳动者注册个体工商户、连环外包等方式规避责任的现象被重点监管 [6] 算法责任与权益保障机制 - 最高法明确算法规则效力认定标准：违背公序良俗或未考虑交通规则等客观因素的算法规则对劳动者无约束力 [8][9] - 探索平台企业对算法合理性承担举证责任，采用"算法公开+第三方验证"模式 [9] - 推动算法全流程监管：事前公开规则、事中安全评估、事后追责 [10] 数据权益与科技创新司法保护 - 最高法加强AI算法伦理规制，妥善审理人工智能侵权、合同纠纷案件 [2][13] - 完善数据产权归属认定、市场交易等裁判规则，建立涉重大科技创新案件审理机制 [14] - 典型案例引导网络侵权、直播打赏等新兴领域行为规范 [13] 平台经济治理方向 - 支持人力资源社会保障部推进新业态职业伤害保障试点 [5] - 联合多部门印发文件加强新就业形态劳动纠纷一站式调解 [5] - 通过裁判尺度统一实现平台发展与劳动者权益保护平衡 [7]

算法交易发展情况 - 算法交易源于美国，2007年美国超90%对冲基金采用，2006 - 2009年其市场份额从约30%升至73%，2007年伦敦证券交易所约70%订单通过算法交易执行，2010年东京、中国香港和新加坡交易所算法交易使用率超30%[11][12] - 国内算法交易起步晚但发展快，2014年沪深交易所引入系统，公募基金前50名中85%已使用，2024年华创算法交易额4万亿，占A股全市场交易额1.56%[14][16] 算法交易分类 - 按目的分以交易执行为目的和以盈利为目的的算法；按主动程度分被动型、主动型和综合型算法；按实现方式分计划型、规则型和综合型算法[2][17][25][30] 算法交易应用 - 除交易执行外，还用于短期套利策略、做市策略、事件驱动交易策略[3][55] 算法交易功能 - 有价格发现功能，能降低交易成本、减少人为错误和操作成本，降低市场波动[4][58][60][61] 国内算法使用情况 - TWAP、VWAP、POV及改进算法应用最广泛，2024年在华创所有算法中占比超97%[5][62] 风险事件 - 2024年某私募因算法交易异常交易受深交所处罚，2012年骑士资本因算法交易程序错误45分钟内损失超4亿美元[63][66] 监管政策 - 2024年10月8日《证券市场程序化交易管理规定（试行）》实施，对程序化交易全方位监管，旨在维护市场公平、透明和稳定[6][71] 行业展望 - 中国算法交易行业前景广阔，应用场景将丰富，算法将更智能，为投资者带来多元机会[7][74] 风险提示 - 算法交易发展面临技术、模型、市场和监管等风险[8][75]