MoreRSS

site iconWeiWuHui | 魏武挥修改

博客 随笔 创业
博客名扯氮集，73年人，上交大m-lab主任，天齐创投合伙人，博客巴士，香港浸会大学。
RSS: http://weiwuhui.com/feed
请复制 RSS 到你的阅读器，或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

WeiWuHui | 魏武挥的 RSS 预览

用豆包搭一个写稿工作流

2026-08-28 19:26:22

一

作为AI原生APP，豆包在中国的用户量没有疑问地占据第一。有第三方调研机构说，到6月，其月活量达到3.82亿，比老二老三加起来的总和还要多。日活则是在春节一波推广后越过了两亿门槛。确实算遥遥领先。
我年过八旬的老父亲老母亲，都是豆包的日活用户。是，他们天天用豆包。
豆包最一开始就是个聊天机器人（bot）—— 你问它答，和市面上所有AI对话产品没有本质区别。但字节后来不断地往bot里堆功能。除了日常聊天（2c）以外，它也在努力成为一款能够接受任务、调用工具并交付结果的生产力产品（2b）。
时至今日，它能做ppt和execl，能操作本地电脑的文件和文件夹，能调用浏览器完成网页操作，能设置定时任务自动跑，能手机远程接管电脑，能完成语音通话和同声传译，能生产视频生产音乐，功能清单已经长到很难再用一个词概括它是干什么的：bot这个概念，显然不够用。
产品边界正在快速模糊，它到底是一个AI助手？一个办公套件？还是一个轻量级的操作入口？
大厂之间路线不同的产业分析先放放，本文只是探讨这样一个事：我怎么用豆包。作为一个豆包付费会员，由于它已经接入了一整套豆包工作的功能，所以得以更深入的体验。
这次我的角色不再是一个大学里的人民教师，而是一个科技行业的写作者——以评论分析为主。

二

摆在一个科技行业评论分析者面前的第一个问题是：新闻线索是什么，也就是我该就哪件事发表一次评论。早年我作为纸媒专栏作者的时候，每天都会去看一眼三大门户的科技频道所有文章的标题（说是看一眼，其实巨花时间），找一个可以写作的话题。
当然，到了今天，你不大可能去跑几个网站上做“看一眼今天科技新闻都有啥”的事了，海量爆炸，没人应付得过来。但我依然可以用几个定时任务器来做一些信息提醒。豆包的新版本终于加入了这个机制，我第一时间做了一些定时任务器：
在上面几个任务追踪器里，第一类是我比较信得过的媒体日报，但只和AI产业有关。无论是财新还是一财，它们不少报道其实和AI产业没什么关系，我就不浪费时间了。
我另外做了一个AI行业的周报，这个周报的我人肉输入的提示词是这样的：

我想创建一个国内ai大厂周报，也就是国内这些搞ai的公司，包括bat这种巨头，也包括deepseek minmax这种一线模型公司。它们的动向。另外还有行业重点人物的表态发言。每周一十点给我，做一个上周的review。这些信息要有链接附注供我溯源。

豆包改成了如下指令：
这个指令其实是可以再编辑的，但我懒得编了，就先这样，过几天视情况要不要进行增减编辑——说实话，我觉得豆包确实还没搞清bat到底是哪三家:) 和token概率有关吧。
AI基础设施的财务预警周度监控，是一个很金融的任务追踪器，它涉及到的不仅是媒体报道，还有各家公司发的财报数据。我要求追踪的变量不一定科学，先跑几天看看，就不展开了。
然后我比较关心韩红基金会最近的争议，就做了一个任务追踪器，今天就触发了一个新情况给我——类似的社会事件都可以这么做，相当于用AI吃瓜。
接下来来聊聊宇树这个公司我是怎么盯着它的二级市场表现的。

三

其实作为一个科技评论者，其实与其盯着一个新闻，不如盯着一个事件的变化。
宇树上市首日大涨，股价表现出一个惊人的数字，但我认为贵得离谱。它的市盈率在首日到了六七百倍，市销率两百多倍，但它的流通盘极小，三千万股而已。首日的市场表现，用“疯狂”二字形容一点不过分。这不是一个理性的资本态度，第一天不能说明什么。
这里面存在一种可能性：Proxy Unwind。这是一个投资行业黑话（其实连金融术语都算不上），大致意思就是：当真正的核心标的终于上市落地，资金不再需要炒作 “替代概念股”，大规模把之前押注主题的代理替身仓位集体平仓抛售，引发板块集体杀估值的现象。
宇树首日的夸张表现，搭配的则是机器人板块普跌现象，所以存在Proxy Unwind的可能性。
我设置了关于大盘指数、板块表现和宇树单个股票的股价结合起来的追踪器，准备连续跟踪，来判断这三种可能性哪个更强：1）全板块风险偏好下降；2）宇树上市导致Proxy Unwind，资金从影子股/泛概念股向宇树和核心供应链集中；3）机器人主题整体估值见顶。特别关注大盘企稳后是否出现“宇树强、核心供应链强、泛概念股持续弱”的结构。如果出现足以支持或推翻上述判断的显著新证据，通知我并给出简洁结论、关键数据和来源——以上，就是我的大致提示词。
到目前为止，可以这么说，Proxy Unwind应该是被排除了，第三项的可能性在飞速上升，不过依然需要跟踪观察。
还没到可以写所谓人形机器人赛道的时候。

四

任务追踪器是写作评论的重要帮手，它实际上并不是看新闻，而是盯变化。看新闻是一个静态的动作，盯变化才是动态的。
真正有价值的线索往往不在热搜上，而在持续关注的几个特定对象身上：一家公司的股价异动、一个产品的版本更新、一位高管的公开表态、一份监管文件的措辞变化。这些东西不会每天都上头条，但它们是判断行业走向的基础数据源。
问题是，手动盯这些东西的成本极高。我不大可能每天打开n个信源，逐家去查有没有新动态。设几个日程提醒、加几个邮件组订阅是不够的，因为它只负责“通知你该去看了”，看不看、怎么看、看完怎么整理，仍然是我的事。
我所需要的新闻线索的获取，应该要从“人工巡检”变成“自动化监控”。只需要告诉它关心什么、以什么频率关注、输出什么格式，剩下的事它自己跑。对一个写作者来说，这意味着不再需要再把注意力消耗在“有没有新消息”这件事上 ，而改为需要在有新消息的时候做出判断。

五

素材有了，线索也盯到了，接下来可能会出现的问题是：不知道从哪下笔。
还是以宇树科技为例，虽然我预先想到了三个观察分析的点，但Proxy Unwind已经排除，如果另外两个点经过一段时间跟踪后，依然不成立，我该从何角度切入分析宇树？
我过去的经历告诉我，和一些行内人士聊天会激发灵感。找人聊天，大致上会有这三类好处：捋顺既有思路，找到新的观察点，以及获得过去没有纳入视野的未知的信息增量。
但找人聊天这件事，其实门槛很高。很多时候，属于可遇不可求。这年头大家都卷，不是时时刻刻就可以找到人有事没事和你扯两三个小时的。
AI就属于随时待命的，不能说它全知全能，但说它具有一定质量，是一个聊天的对象，大差不差。和AI聊天的目的是这样一句话：一个能接住模糊感觉、然后通过追问将之逼成清晰判断的。。。人？
比如用工作任务模式和豆包聊天。没有必要指令式地“给我十个角度”，而应该从这样表述开始：“我觉得宇树这事不能只写股价涨跌，但我说不清更本质的东西是什么。”
然后它会追问：你觉得不能只写股价，是因为你认为价格波动背后反映的是行业估值体系的问题，还是因为你觉得市场对人形机器人的商业化预期存在系统性偏差，还是因为你注意到了某个被忽略的细节？
多来回几轮，那个最初模糊的直觉会逐渐收敛。它可能不是直接给你一个答案，而是在追问的过程中，自己意识到 “对，我想说的其实是这个”。破题不是它递给你的，是它帮着从自己的模糊判断里逼出来的。
事实上，这种让AI逼问自己，逼出一个破题，其实是可以做成一个skill的：让AI问，而不是我问。
如果轮次足够多，看上去信息繁杂，那么开写之前，也可以考虑让豆包就此写作任务，根据上下文，列一个提纲。这样写起来会更顺遂。

六

最后还有一步：成稿后交付豆包做两件事：事实核查（尤其不要搞错数字）和逻辑推演漏洞寻找（不要出现逻辑谬误或过于跳跃）。
如果愿意，倒也是可以让它想五个标题候选的。
当一个聊天机器人开始帮着盯信息流、逼问自己的角度、核查事实和逻辑的时候，它到底还是不是bot，就让ai业界的人去争论好了，对使用者，压根不重要。
重要的是，不要把它当成一台写稿机器，而应该视为一个从起手找材料到最后出稿这一系列环节的工作流。
—— 首发 扯氮集 ——

不分左右，75%的美国人恨上了AI的”肉身”

2026-08-24 10:10:55

反对AI一点不稀奇，这类观点我见得多了，也充分理解。但现在，美国人已经不是担忧AI会争夺人类岗位了，或者是出现什么AI幻觉了。

一

你可能天天看到这个模型又震惊全场了，那个模型又炸裂行业了。
稍微停一停，想想这件事：训练模型，是不是需要。。。数据中心？
AI看上去是比特世界中的软件，但它其实依然需要原子世界的“肉身”：一套极其庞大的物理机器：数据中心。无论训练还是推理，都需要成千上万乃至更多高端芯片（或许你听说过所谓万卡部署），而这些芯片并非简单地堆进一间机房：它们需要服务器和高速网络连接，需要海量存储，需要稳定而巨大的电力输入，还需要变电、配电、备用电源，以及把芯片产生的巨大热量持续带走的液冷、风冷和循环水系统，等等。
数据中心这玩意儿其实是把土地、厂房、芯片、服务器、存储、网络、电力、变电设施、备用发电、冷却系统和安全设施（全是实实在在的看得见的原子世界中的东西）组织起来的一座巨型“算力工厂”，非常的工业时代。
AI数据中心可大可小，但今天最受关注的超大规模项目往往以数百兆瓦乃至1吉瓦（GW）计；1个吉瓦就意味着仅持续用电功率就相当于几十万户家庭，大概投资在360亿至800亿美元——注意，还未必包括项目之外的大规模电网升级。

二

OpenAI在密歇根开工的数据中心项目是一个1吉瓦园区。如今更大的项目已经开始按照数个吉瓦规划。
整个产业的竞争已经完全白热化，进入了所谓AI“军备竞赛”阶段。在这个阶段，早已不再是单纯的模型、算法和人才之间的竞争，它越来越表现为一场重资产竞赛：谁能抢到更多芯片，谁能获得更多土地和电力，谁能融资并建成更多、更大的数据中心，谁就拥有更大的算力储备。
从这个意义上说，今天AI军备竞赛很大程度上就是一场大规模、高投入的数据中心竞赛。那些过去以轻资产标榜自己的科技巨头们，一个一个，从财务结构上成为了重资产公司。
你看到的那些ai媒体惯用的标题党“炸裂”“惊爆”，背后其实是真正意义上炸裂惊爆的重资产投资：成百上千亿美元，没几个月就咔咔投下去了——雇一些人类最聪明的顶级天才，也用不着那么多。

这件事到后来，会走向一个神奇的阶段：一家卖芯片的公司，担保自己的客户去买自己的芯片。

三

美国人民开始反对搞数据中心了，而且这个反对，无关党派，无关白左还是MAGA，快要成全民一致的态度了。
华尔街日报发表了一则短讯：
（看看用词：incredibly unpopular，极其不欢迎）
26年8月，一项针对2045名美国登记选民的调查显示，75%的受访者反对在自己居住地附近新建数据中心，其中超过六成表示“强烈反对”；一年前，这一比例还只有42%。 短讯中显示，盖洛普此前的调查也得到类似结果：71%的美国人反对在当地建设AI数据中心，反对在当地建设核电站的人也不过53%。
民意已经开始转化为政治压力，而且不分党派。The Information发布了一篇长篇报道，题目为《America Really, Really Hates Data Centers》（美国真的、真的很讨厌数据中心），称共和党执政的得州因为电力和用水问题，一度让大量数据中心项目陷入停顿。而民主党执政的宾夕法尼亚州（州长过去是对人工智能是持拥抱态度的）则在8月出台行政命令，提高数据中心的环保、信息披露和地方社区同意要求。
这恐怕很难只是用“环保”这个所谓白左议题来理解。这里包括土地的占用、海量电力和水的消耗、噪音排放，以及最为居民敏感的电价上涨。一项调研显示，超过一半受访者把电价上涨很大程度归咎于新建数据中心。但它却对当地长期就业岗位提升有限。如果地方政府还给点类似税收减免的优惠以吸引巨额投资，当地居民就更感不平：科技巨头拿到了好处，但坏处却全是我们的——这和意识形态没有什么关系，就是眼门前切切实实的利益。
当然，这种情绪中还混杂着对大型科技公司乃至AI本身的不信任，但至少就地方政治而言，它也是一种典型的“邻避”心理（Not In My Back Yard，NIMBY）：很多美国人并不是认为不应该建设数据中心，而是认为：数据中心当然可以建，只是别建在我这里。
路透的调查说明了这一点：只有约三分之一的美国人支持目前数据中心扩张的速度，而只有14%愿意在自己社区里迎来一座数据中心。
25年1月，特朗普与OpenAI、软银、甲骨文共同宣布“星际之门”项目启动。特朗普当时不无意气风发地表示，这个项目会“非常、非常迅速地推进，几乎立即创造超过十万个美国就业岗位”。
现如今，美国全国性的政治气候和社会情绪已经明显转向。

四

星际之门，一个重资产最典型的产物。它是历史上规模最大的AI基础设施建设计划。计划未来四年投入5000亿美元，在全美建设一系列超大规模数据中心——这是OpenAI雄心勃勃的军备开支。
OpenAI与软银是项目的主导方，其中OpenAI负责运营，软银负责财务安排，甲骨文则既是出资者，也是核心云计算和数据中心合作伙伴。
目前，得州Abilene首个园区已经投入部分运行，OpenAI用来做模型训练和推理；OpenAI又与甲骨文签下最多4.5吉瓦的新增数据中心容量。到了26年4月，OpenAI宣布已经锁定超过10吉瓦的美国AI基础设施容量（包括已签约、在建和规划容量），提前跨过最初计划到29年才达到的10吉瓦。
来看看这三家巨头之间是个啥关系。
OpenAI是这些数据中心最重要的最终客户，甲骨文一边建设和运营基础设施、一边把算力长期卖给OpenAI；软银一边参与建设和融资，一边又是OpenAI最大的资本支持者之一——软银对OpenAI累计投资已达到约546亿美元，并计划在10月继续投入100亿美元。
“星际之门”并非几个相互独立的企业简单凑钱盖机房，它是一张把AI公司、基础设施提供商和资本提供者紧密绑在一起的巨型网络。
是有些巨头间互相哄着高兴的意味，是吧？
还不止呐。

五

到了8月，OpenAI又把这种重资产竞赛推进了一步。
它与软银旗下的SB Energy、英伟达以及美国能源部合作，在俄亥俄州派克县准备搞一个约8吉瓦的AI数据中心容量，计划2032年逐步建成。
角色分工大致如此：SB Energy负责建设、持有和运营数据中心；OpenAI则签下20年租约，成为这8GW算力的最终客户；整个园区将采用英伟达的AI计算设备。
SB Energy是个什么机构？它虽然成立于19年，但在今年1月获得OpenAI与软银各自5亿美元的投资，英伟达后来还追加投资15亿美元——它不仅是这个项目的独家芯片供应商，还为项目提供最高约1050亿美元的信用支持。
路透因此毫不客气地指出，这类交易已经引起市场对于AI产业“循环融资”的质疑。 三个臭皮匠合伙建数据中心，第一个臭皮匠做20年长期客户；第二个臭皮匠的三个爹一个是前面那个臭皮匠、一个是前面个臭皮匠的重要投资者、一个是第三个臭皮匠；第三个臭皮匠会长期并迭代地出售自己的芯片给这个数据中心，并给这个数据中心作保。
这场颇有些“自嗨”意味的游戏真是玩到了巅峰：这个单一数据中心据估算就要4000-5000亿美元。
它只能赌一件事：OpenAI必须把昂贵的算力变成ChatGPT、API和企业服务，卖给并不参与这套资本循环的企业与消费者，并从他们那里持续获得足够现金流，不仅支付租金、电力和日常运营成本，还要支撑未来一轮又一轮的计算设备迭代更新。这件事要赌错，后果不堪设想。
三个臭皮匠，会顶一个诸葛亮么？

六

今天的AI军备竞赛，已经不只是模型和算法之争，而是一场围绕芯片、数据中心、电力和资本展开的重资产竞赛。
资产越来越重，约束也越来越重：外部是越来越强的民众反对，内部是越来越复杂的资本循环。前者决定这些巨型数据中心还能不能顺利建下去，后者则决定这套高投入模式能不能持续融资。
大洋彼岸的争吵，对我们，未必只是隔岸吃瓜。
—— 首发 扯氮集 ——
英伟达在AI数据中心基建商这个新赛道上投资频频，主要目标是那些有吉瓦容量建设能力的：Lancium（先20亿美元，一个关于电力供应的milestone完成便最高再投10亿美元）、SB Energy（15亿美元）、Cloverleaf Infrastructure（官方未披露，WSJ称数亿）。这些企业都有一个特点：已拥有土地且有一定量的电力供应保障。英伟达通过这些投资在”锁定电力“。这么说，老黄的策略开始从“确保我的GPU有人买”在转向“确保有足够的带电力的土地，这样我的GPU就有人买”。

谁在断章取义张丹丹 断了什么章取了什么义

2026-08-22 17:38:02

一

张丹丹教授最近因为一句话陷入争议。
在《聊一波》谈到两亿多灵活就业者时，主持人问：“这个群体有什么社会保障？”张丹丹答：“从劳动经济学角度看，灵活性本身就是一种福利。”随后她拿正规就业作比较：朝九晚五的人获得五险一金，同时失去一部分时间自由；灵活就业者获得更大的时间自主和自我管理权，相应的社会保障则更弱。
这里有个节目官方账号的完整文字版，有兴趣可以去看看（https://www.toutiao.com/article/7670105647343075894/）
涉及这段的短视频切片传播以后，出现了一个让大众情绪产生剧烈波动的版本：北大教授告诉外卖骑手、网约车司机，你们虽然没有稳定工作和完整社保，但你们有“自由”，这本身就是一种福利。
因为是切片简化版本，所以很容易就想到这一层，张丹丹有没有被断章取义？
如果把她过去的研究和这期节目完整看完，答案是：有的，xdzm们，有的。
但答案却也并不是“有”，或者“没有”。
当你看过完整节目，就应该知道，她反复强调零工群体高度异质。比如制造业零工、外卖骑手、网约车司机这些群体，年龄、经历和经济状况差异很大。其中确实有人主动选择零工，但也有人是被动进入零工市场。如果去看她过去的研究——我曾经也比较关注过外卖骑手社保问题，所以看过她的研究——就更不存在“既然自由，就不需要保障”。正相反的是，她的长期议题是这样的：标准五险一金建立在稳定劳动关系之上，而零工劳动高度流动，需要设计一种既保留灵活性、又能提供基本保障的新制度。她给过几个建议，比如厘清平台责任、改善社保接续、对低收入零工提供补贴，等等。
所以，她的长期核心观点被概括成“外卖员没有社保也是一种福利”，确实算一种断章取义。
但分析到这一步是不够的，而且你也很容易提出这样的问题：难道我看一个视频对谈节目之前，需要把嘉宾的过往研究都去看一遍？这未免要求太高。

二

这里存在两种“断章取义”。
第一种显而易见，切片当全部，属于受者侧的断章取义，没啥好多聊的。
第二种就很有意思，即张丹丹对张丹丹的传者侧的断章取义。
我自己因为一些经历，其实是有体会的。比如去个节目做嘉宾，去个论坛做panel，就我关心很久的话题进行讨论。我事后看回放或文字记录，都意识到我在对我自己进行断章取义：一个复杂的推演过程（我平时的文章）会被我简化（我在即兴发言的时候），一个专业的术语概念，我会不加解释。一个写出来其实会力求严谨的论证，我会说得略满。
张丹丹并不是一个什么伪砖家，她可能真没送过外卖，但不代表她没有调查。她知道零工就业内部存在巨大的分化，也知道收入、户籍、社会保障、劳动关系认定、工作自由之间存在极为复杂的交叉关系。根据我读过她的研究，必须说一句，她比很多嘴巴上喊“要关心骑手”的人（我称之为虚伪中产）强得多。她是真正意义上代入骑手去考察这个问题的，绝不是一句骑手也要上社保那么简单的。你问过骑手怎么想的么？
可是到了大众节目，她自己先完成了第一次“断章取义”。
张丹丹有一整套对零工就业的观察——>到了访谈节目里变成几十分钟的对谈——>到了短视频平台，又变成几十秒——>最后在社交网络、短视频标题和评论区里，甚至只剩下八个字：“灵活本身就是一种福利”这句刺耳论断。
一整套复杂研究，就被解读成一个非常容易理解但属实有点简单粗暴的交换关系：正规就业获得保障、牺牲自由；灵活就业获得自由、牺牲保障。
所以张丹丹在这场风波中的位置很特殊：她既是断章取义的受害者，也是自己观点的第一位剪辑者。
完整研究先被本人简化，简化后的表达再被短视频二次切片，切片之后再被社交网络只字片语。这场舆论风暴，是三次压缩共同制造出来的。

三

她自我简化中最危险的一个地方，就是“福利”这个词。
在劳动经济学里，这是一个很正常的术语。评价一份工作的价值，本来就不能只看工资。工作时间是否自由、通勤远近、工作环境、稳定性、自主程度，都是非工资性的工作属性。一个人愿意用更低的工资换取更自由的时间，也完全符合经济学逻辑。
所以，灵活性本身具有价值，没啥大错。
但张丹丹在节目里跨出了危险的一步，她把正规就业和灵活就业描述成了一种相当工整的交换：正规就业：保障多，自由少。灵活就业：自由多，保障少。——这一点，很难讲是冤枉她。
接下来就很容易让人产生她在暗示我们：社会保障不足，是获得灵活性的自然代价。——这一点，可以说成是大众的跳跃，但这种跳跃未尝不是没有道理。
事实上，张丹丹自己的政策研究恰恰在寻找这种“既灵活又有保障”的制度，但在节目中，她把这两个可以独立的变量，说成了一对交换关系，甚至是近乎天然的。
所以，我并不认为简单用“断章取义”就可以替她解围。

四

事情到这里本来还是一个内容文本议题：她到底说了什么，她的逻辑哪里成立，哪里存在过度简化。
如果仅就内容进行讨论，其实是一个“阶层政治”范畴的题目。零工阶层该怎样提供福利。这是标准的现代社会议题。
我今年有一个思维上的切换，从过去的喜欢用左中右这种阶层政治作为框架去理解社会现象，现在正在转向用“身份政治”去理解这个后现代社会。这个变化是从预制菜争议开始的。因为我越来越意识到，阶层政治这件衣服，在当下，已经不是打两个补丁就能合身的事了。
张丹丹这起争议，我读到了很强的“身份政治”的味儿。
一套劳动经济学论证无法被压缩进十五秒的短视频中，也无法在社交网络的只言片语中全部呈现，但“北大教授对外卖骑手说灵活是一种福利”却可以。
完整研究中有数据、样本、分类、制度设计。但基于身份的传播里不需要这些。它只需要保留三件事：张丹丹是谁；她在谈谁；她说了哪句最有身份冲突感的话。
于是一个极其清晰的身份关系迅速形成：
北大教授、高学历精英、稳定职业、社会保障相对完整 vs 骑手、司机、零工、收入波动、职业不稳定。
当我们再把“灵活是一种福利”放进这个身份构图以后，可以看到意义产生了巨变。
原来的问题是：灵活性是不是一种具有经济价值的工作属性？——某个特定阶层的利益问题。
现在则变成：一个自己拥有稳定保障的北大教授，凭什么告诉没有稳定保障的人，他们得到的自由也是一种福利？——某个特定身份的资格问题。
这就是身份政治开始接管讨论的时刻。
你要证明灵活就业者中究竟多少人主动、多少人被迫，要讲调查方法、样本、比例和定义；但要让观众在十秒钟内辨认“精英”和“底层”，一张脸、一个头衔、一句话就够了。
文本越短，身份信息在剩余信息中的占比就越高。
所以这个短视频和社交网络时代的断章取义，并不只是把一句话从上下文中剪出来。
更深的一层是：随着上下文被删除，公众越来越只能依靠说话人的身份理解这句话。
而身份一旦完成编码，后文甚至变得不那么重要。你再告诉一个已经愤怒的人，张丹丹其实做过三万多人的调查、其实主张加强零工社保，ta完全可以嗤之以鼻：“那又怎样？她自己有五险一金，当然站着说话不腰疼。”
你看，争论已经从“命题真假”转向“发言资格”。

五

严格来说，这其实都不是典型的身份政治，而更像是阶级问题被身份化了。
灵活就业原本是一个非常传统的劳动与分配问题：工资多少，劳动时间多长，平台抽成多少，谁承担工伤风险，谁缴纳社保，劳动者有没有议价能力。
如果放在现代社会阶层政治语言里，讨论的核心应该是利益和制度。
但到了这场具有浓厚后现代色彩的争议里，越来越多的表达变成了：精英不懂底层生活；有稳定工作的人没资格谈零工的自由；北大教授凭什么定义骑手的“福利”。
于是“应该怎样分配”逐渐变成了“谁有资格替谁说话”。
这是从再分配向身份确认的转移：劳动者不仅要求获得更多资源，也要求自己的生活经验得到承认，而不是被处在另一种社会位置上的人重新定义。
这并非毫无道理。专家当然可能因为自己的生活位置产生盲区，一个拥有稳定职业的人，也确实更容易高估“灵活”的价值、低估“不稳定”的成本。张丹丹这次也确实自我简化了。
但身份政治走到另一头，也会产生新的问题。
“你送过外卖吗？”可以提醒研究者不要傲慢，却不能成为反驳研究的论据。否则顺着同样的逻辑，只有穷人才能研究贫困，只有农民才能研究农村，只有犯罪者才能研究犯罪。整个社会科学，轰然倒塌。
身份决定一个人从哪里观察，却不能直接决定一句话是真是假。一个北大教授可以凭借错误的数据得出错误结论，一个骑手也可以把个人经验错误地推广到几千万劳动者。
所以最后还是得回到那些最不适合短视频和社交网络的问题：多少人主动选择零工，多少人是被迫进入；灵活性对不同人价值多大；社会保障不足究竟是不是灵活的必要代价；平台、政府和劳动者应该分别承担什么责任。
这绝不是抡棍子、喊口号、抖机灵、晒道德能解决的。

六

张丹丹被断章取义了？北大教授何不食肉糜了？
她先断了自己的章，短视频又断了她的章，社交网络继续断了她的章。
当章与章之间的上下文全部消失以后，最后留下来的，恰好只剩了“身份”这个义。
—— 首发 扯氮集 ——

阿里赌AI 赌得比腾讯大

2026-08-21 19:18:25

说起来，悟空这个名字，做品牌名是真不大吉利啊——字节的悟空消失了，阿里的悟空，大概也快消失了。

一

阿里刚发了新财报，可以盘一下账，尤其是和腾讯这个友商对比一下。
不列具体数字了，结论是很清楚的：利润在大幅下降，同时，云与AI算力业务也在高速增长，已经展示出了第二增长曲线的样貌。
现金流这块显示，也是个巨烧钱的主。当然，AI时代，巨头们这样烧钱是常态，不烧钱才是变态。
所以，可以有这样的判断：传统业务增长乏力，利润和现金流承压。不过，但利润下降并非是因为电商崩坏，而是阿里正在用互联网时代积累的利润、现金储备和融资能力，为自己购买上AI这条船的船票。
这张船票，很贵。

二

讲阿里，电商是绕不过去的。这个基本盘还能供血，是最主要的利润来源。
但已经不能负责想象力。
电商收入同比有4%的增长。不过不能立刻断言，淘天恢复了增长。
阿里中国电商收入1109亿元，同比下降8%。其中，客户管理收入（主要由广告、佣金和软件服务费构成）为825亿元，账面下降7%；剔除新增商家扶持计划造成的收入冲减后，可比口径仅增长1%。另外，阿里还主动收缩部分直营业务，使直营、物流及其他收入下降10%。淘天的核心平台变现没有崩塌，但确实已接近零增长，交易活动也有所转弱。
即时零售给阿里电商有一定支撑作用。淘宝闪购、盒马和即时配送相关业务本季收入533亿元，同比增长45%。但即时零售仍处在市场争夺期，核心KPI是提高规模、改善履约效率和争夺用户入口，与淘天并不在同一个阶段。
整个财报所展示出来的结构是：提供利润的是传统电商；维持消费入口和用户活跃度的是即时零售；负责承担未来增长预期的则是云和AI。
阿里在AI时代能下注多久，电商（含即时零售）是重要变量之一，但阿里的上限在哪里，它不是重要变量。
还是要看云与AI。

三

阿里AI战略中目前最接近完成商业验证的，是阿里云。
这基本是一个卖铲子的业务。
数据表明，企业AI需求已经开始转化为阿里已确认的真实收入（不是ARR这种），而且不只是收入增长，云业务利润率也在提高——这已得到一定程度上的验证。
另一项收入来自百炼MaaS平台（模型即服务）：企业不必自行购买服务器和部署模型，而是按token数量或者调用次数付费。根据8月的收入数字，百炼模型及应用服务的年化经常性收入已经超过160亿元，管理层维持年底超过300亿元的目标——这不是已确认的数字，只是按照8月的数字推断的全年收入，也就是这两年特别火的ARR，反正我看到很多媒体搞不清。
电话会上，管理层这样表示，百炼收入目前仍以阿里自研模型为主，但第三方开源模型贡献的收入“也不小”。企业经常会在同一个AI应用中使用多种模型，百炼托管第三方开源模型与托管阿里自研模型的毛利率也大体相近。
所以，百炼确实带有卖铲子功能。
总体而言，卖铲子业务是阿里AI战略中确定性最高的一环。

四

为了更好地卖铲子，阿里费了很大劲，在制造铲子。
阿里曾在25年宣布，未来三年投入3800亿元建设云和AI基础设施。截至26年6月底，累计投入已经达到约1900亿元。本季度资本开支676.8亿元，同比增长75%，主要用于数据中心、GPU和CPU服务器、网络设备及其他AI基础设施。
管理层这样提醒，不能把单季677亿元简单乘以四，因为大型设备交付并不均匀。但即使不进行机械年化，阿里也已经进入一个明显的重资产周期。
淘天是比较经典的互联网平台生意：平台建成之后，增加一个用户或者一笔交易的额外成本相对有限。AI云则更接近基础设施路数：必须先买芯片、建设机房、配置电力和网络，才能获得未来可以出租的算力。
这意味着阿里的财务结构和美国不少巨头一样，正在发生变化。它不再只是一家依靠平台流量和广告抽成赚钱的轻资产互联网公司，而是越来越像一家提前建设产能、再靠较高使用率收回投资的基础设施运营商，也就是重资产模式。
阿里试图通过全栈能力改善这笔生意的经济性。芯片——扩大真武AI芯片的商业部署，减少对外购的依赖；模型——不断迭代千问，提高算力定价能力：云平台——提供训练、推理、数据库和Agent开发工具，负责把算力卖给客户。
阿里管理层对未来的判断，在我看来，颇为激进。他们认为按照目前AI产品的平均毛利率，相关服务器大约可以在三年内回本。如果再考虑随着毛利率提高和自研芯片使用比例上升，回本周期有望缩短至两年半。
这个速度嘛，姑且可以拭目以待。

五

卖铲子之外，阿里还想亲自下矿：推出千问App、千问办公等，占领2c和2b的工作入口。
这部分业务远没有阿里云那么成熟。云收入高速增长，不等于千问应用已经成功。
本季度，“AI实验室与应用”分部收入33.4亿元，同比增长16%，调整后EBITA却亏损138.6亿元。也就是说，这个分部一个季度的亏损超过其收入的四倍。亏损主要来自大模型能力建设、千问App的推理成本及此前的市场推广。
环比上，亏损有所收窄，但主因之一是千问App减少了营销支出。烧钱速度受到控制，但显然不能证明应用已经建立了成熟的收费模式。
我们已经得知，其他企业愿意向阿里购买算力、模型调用和云服务；但我们并不知道，消费者和企业是否愿意为千问App、千问办公持续付费，以及这些收入能否覆盖推理、研发和获客成本。
作为LLM，千问模型处于这两类业务的中间位置。
对阿里云而言，千问是吸引开发者、促进token消耗、提高算力定价权的一种工具；对千问App和千问办公而言，它则是产品能力和品牌承诺的核心。模型越强，越能同时带动云服务和应用；但训练顶级模型的成本也非常高，而且模型创造的价值未必最终留在应用层，完全可能主要由云业务获取。
千问若能驻守顶流LLM位置，阿里的模型、云和应用可以共同受益。如果不能，云业务仍可承接第三方模型，但千问App和千问办公的品牌将直接受损。
这是阿里和腾讯不大一样的地方：他们的品牌策略完全不同。

六

腾讯并没有表示要放弃追求更强的自研模型。但腾讯至少到目前为止，更强调AI对既有业务的改造：提高广告推荐效率，改善游戏生产，强化微信生态，并通过WorkBuddy、CodeBuddy等产品进入办公和编程场景。也就是我前文所说的，腾讯的关注点是“连接”。
腾讯的品牌五花八门，模型叫混元，bot叫元宝，微信里叫小微，然后还有这个buddy那个buddy。
阿里则正在采用更集中的品牌结构：千问既是基础模型，也是面向消费者的应用品牌，又进一步延伸到千问办公。悟空、QoderWork等产品被整合进千问体系，品牌捆绑得很紧（各位不妨去观察一下字节，它的做法和at又不一样）。
高风险高收益。
如果千问模型顶流，“千问”就同时代表模型能力、消费者入口和企业服务；如果千问拉胯，模型评价也会污染应用品牌。即使千问办公在技术上能够接入其他模型，用户依然会把它与千问模型的能力联系起来。
a家试图控制芯片、云、模型和应用的完整链条，并把模型品牌置于集团AI战略中心；t家继续研发自有模型，但更强调应用、生态和第三方模型之间的灵活组合。
阿里的风险更集中，腾讯的风险更分散。

七

品牌只是对外的一种象征，重点还是要看各自下注的侧重点差异。
前文说，阿里的财务结构在发生变化，与美国巨头类似，开始变重。腾讯其实也在变重，只是程度和逻辑与阿里不同。
阿里和腾讯都因AI进入资本密集期，但阿里的重资产化更接近商业模式转型，腾讯目前更接近为原有平台和新应用集中购置AI基础设施。
阿里购买算力，首先是为了生产一种可以直接销售的商品——云计算。只要云计算成为阿里的主要增长引擎，较高资本开支就不会只是暂时现象，而会进入长期财务结构。
但腾讯购买算力的目的很多元：训练模型、支撑AI产品的推理、改善广告推荐、提高游戏开发效率、满足腾讯云外部客户需求，等等。
而且，腾讯的重资产化到目前为止，依然有可逆性。在电话会上，腾讯管理层表示，如果自研模型和AI应用的回报不理想，腾讯可以把算力出租给第三方，通过云服务收回投资。他们把这称为AI投资的“下行保护”。
这段表述反过来也说明：腾讯并没有把成为算力出租商当作最高优先级。出租算力是保底方案，利用AI提高微信、广告、游戏和企业产品的价值，才是首选方案。
阿里则不同。对阿里云而言，出租算力、模型调用和云服务不是保底，而是主营业务。
所以阿里的重资产化更“结构性”，腾讯目前更“阶段性”。当然也需要承认，阶段性并不等于很快结束。如果训练和推理需求持续扩大，腾讯同样会长期持有大量服务器和数据中心资产。
这个意义上而言，两家公司都在变重，但到目前为止，t家是为了强化平台而建设算力，而a家则是准备把算力本身做成更大的生意——前者偏防守，后者偏进攻。
事实上，阿里比腾讯激进得多。
激进的背后，上限也更高：一旦全栈闭环建立，它不仅能利用AI改善原有业务，还可能创造一个体量足够大的新利润中心。
下限嘛，也更深呗。

八

与大洋彼岸几个巨头比，阿里没有特别清晰的对标对象，
产业结构，有点偏谷歌。淘天对应的是能够持续产生利润的成熟互平台，类似谷歌的搜索与广告；阿里云对应Google Cloud；真武芯片对应TPU；千问模型对应Gemini；千问App和千问办公则分别接近Gemini App及其企业办公体系。
两家公司追求的都是纵向一体化：自己设计芯片，自己建设云，自己训练模型，再开发面向消费者和企业的应用。这样做的目的不是确保每一层都单独赚取最高利润，而是防止企业在AI时代最重要的任何一层受制于人。
模型开权重有点像脸书，但只是像而已，千问通过开放模型权重吸引全球开发者，扩大衍生模型和应用生态。但Meta开放Llama的主要目标是削弱闭源模型的控制力，并强化自身社交与广告生态（这一步腾讯和它有点像）。
阿里在用Meta式的开放生态，服务谷歌式的全栈云计算体系。
当然，还略带点亚马逊的味道：成熟电商业务提供现金和客户场景，云计算则承担集团未来的利润扩张。
从at这两家中国最大的上市巨头的AI路径来看，确实已经很难用“C2C”（copy to China）去理解中国互联网巨头走进AI时代了。
—— 首发 扯氮集 ——

真正在AI上All In的，是这个八十岁老头

2026-08-19 10:00:00

通常来说，年轻人是比较容易激进一点的，比如前阵子据说是被老登们设了局但其实一路走来相当一部分老登在力捧的Situational Awareness创始人阿申布伦纳，就因为押注AI比较激进，结果被打爆了仓。他今年不过二十五岁。
但这篇文章是想讲一个在我看来激进得不可思议的老头所创办的高科技公司。1944年出生的他，早就功成名就，但居然在耄耋之年，不仅全盘押上了自己一手创建的公司，还押上了他的一世英名。
听那些老钱讲All In AI真是听到耳朵出茧，但这位老头，是真·All In AI。
壮士暮年烈心不已，八十岁，正是闯的年纪？

一

对极负盛名的甲骨文（Oracle）来说，AI并不是一场输不起的保命战。即使它永远追不上亚马逊、微软和谷歌，也仍然拥有数据库、企业软件和云应用这些稳定业务，照样可以保持巨额收入和利润。不在云计算御三家或四朵云之列，当然算不上理想，但也谈不上失败。
拉里·埃里森也似乎不大需要用另一场胜利来证明自己。创办甲骨文近半个世纪以来，他是全球顶级富豪（2000年短暂登顶，长期霸占第二的位置），数据库时代的地位也已写进商业科技史而无法绕过。无论是公司、财富还是个人声望，他都已经是人生的大赢家。甲骨文没有迫在眉睫的生存危机，埃里森也没有非赢不可的理由。
14年就辞任CEO的他，很长一段时间都没有显示出“名义退休”的样子。这么多年以来，各种高科技概念名词层出不穷，埃里森基本没有什么涉足，而是在其买下的360多平方公里的拉奈岛上过着疑似养老以岛主为生的生活。岛上据统计有3367人，大部分并非甲骨文员工，但都管他叫“东家”。
直到2022年11月30日：GPT上线。
23年6月，埃里森在拉奈岛连线全公司大会，将AI和人类第一次用火相关联。然后，他选择了全盘押注算力：把公司未来的资金、信用和战略自由度，全部押在一个判断上，即AI对算力的需求会持续爆炸式增长，OpenAI等客户最终也有能力为这些算力付钱，并且——这一点极为重要——准备超高速扩张的甲骨文，能撑到那一天。
25年1月21日，埃里森飞往华盛顿。但由于乘坐的是私人飞机，所以身上没有带任何证件，以至于差点进不了白宫的门。特朗普在那天宣布，甲骨文将和软银、OpenAI一起推动一个名为“星际之门”的计划。这个项目将在4年里动用5000亿美金建立数据中心，提供10个吉瓦的算力。
特朗普讲话中还表示，这个项目会“非常、非常迅速地推进，几乎立即创造超过100000个美国就业岗位”。非常非常，立即创造，很特朗普。

二

甲骨文公布的未来合同金额已经达到6380亿美元——这其实是刺激甲骨文股价一度飞速上扬的重要因素。《华尔街日报》报道，其中OpenAI一家的合同约为3000亿美元，期限约五年，从2027年开始逐步履行。
但要得到这些收入，甲骨文必须提前购买GPU、建设数据中心、获得土地和电力。钱今天就要花，收入却要等设施建成后才能逐渐确认。
在整个2026财年，甲骨文总收入674亿美元，经营活动产生现金320亿美元，资本开支则达到557亿美元。它一年建设数据中心花掉的钱，接近全年收入的83%，是经营现金流的1.7倍。公司的厂房、设备和数据中心等账面价值，也在一年内从435亿美元增加到接近1000亿美元，增长一倍有余。
为了应对庞大开支，甲骨文的有息借款从25年的926亿美元上升到26年的1295亿美元，一年增加约370亿美元；接下来还计划继续筹集约400亿美元。
与此同时，它已经签下约2600亿美元尚未开始执行的长期租赁承诺，主要用于数据中心，许多合同期限长达15年至19年。
这意味着，即便几年后AI市场降温，甲骨文也不能像关闭一项软件项目那样轻易退出。GPU可以买错，数据中心可以空置，但债务需要偿还，租金也将继续支付。它正在用过去几十年积累的信用，为一个尚未完全兑现的未来提供担保。
甲骨文原本是一台高利润、低风险的软件现金机器，现在却主动把自己改造成一个需要不断借钱用于买芯片、建机房和锁定电力的重资产巨人（虽然甲骨文称并非独自承担所有费用。它披露说大型AI客户已经预付或直接提供了约750亿美元的GPU）。这不是普通的业务转型，而是公司命运的重新下注。

三

这种策略已经改变了甲骨文。
最直接的变化是现金。2026财年，甲骨文的自由现金流为负237亿美元。显示它存在巨大缺口。
第二个变化是信用。标准普尔已经把甲骨文的信用评级降至BBB-，距离垃圾级仅一档之遥。评级下降不代表甲骨文马上还不起债，但意味着债权人认为它的风险正在放大，所以举债成本必然抬高，部分投资机构也可能不再继续持有其债券。
第三个变化是股东开始为扩张买单。甲骨文不仅发债，也准备继续发行股票和可转换证券。这可以减轻短期债务压力，却会稀释原有股东。股价从25年9月高点回撤逾一半，虽不能说甲骨文即将崩溃，但至少说明市场已经不再只把它当成一家稳定的软件公司。
第四个变化是组织收缩。2026财年，甲骨文员工人数从16.2万下降到14.1万，净减少约13%；重组费用从3.74亿美元增加到18.4亿美元。裁员倒不是说甲骨文既有业务日薄西山，而更像是公司压缩人员和旧业务成本，把资源集中到AI基础设施。
事实上，26财年收入增长17%，净利润170亿，云基础设施收入增长77%。所以并不是甲骨文没有赚钱能力，而是新业务吞噬现金的速度，超过了旧业务制造现金的速度。
这是一家颇有风险的公司，但埃里森的性格，怕真是一个喜欢高风险高收益的人，即便已经是82岁的老头。

四

那么，这些风险转化成事故的概率——也就是暴雷——究竟有多大？
股价下跌当然不算暴雷，AI业务利润低于预期也不算。这里的暴雷，是指OpenAI等客户的合同兑现明显不及预期，导致甲骨文出现大额资产减值、评级跌入垃圾级、被迫大规模增发股票，或者中止部分数据中心建设。
风险主要来自三件事的步调：1、债务利息和数据中心租金必须按时支付；2、OpenAI的收入和融资能力却要在未来几年才能验证；3、GPU还会迅速更新换代，可能数年后就需要更换，而机房租约却长达十几年。
如果OpenAI能够持续融资，甲骨文的数据中心保持高利用率，云业务收入迅速增长，上述三件事就是步调一致。甲骨文甚至可能借此完成从二线云厂商到AI基础设施巨头的跃升。
但如果一家就占到它未来合约价值近一半的OpenAI融资放缓，合同兑现推迟，甲骨文的数据中心就会出现空置的可能。随后是现金缺口扩大、评级继续下降、借钱成本再上升，最后有概率会出现资产减值和被迫增发。风险如果沿着这根链条连续传递，甲骨文暴雷。
甲骨文仍保有能提供稳定收入的利润奶牛，大客户也已经预付或提供部分GPU。因此，它赌输一部分的概率不低，但立即倒下的概率很低。真正需要高度注意的不是甲骨文债务很多，而是OpenAI的增长能不能赶在利息、租金和设备折旧之前，变成足够多的现金。
我觉得，埃里森可能比奥特曼还迫切期待OpenAI的上市。他可以没有o社的股票，但甲骨文的股票对他很重要。

五

如果坏事发生，冲击不会停留在甲骨文内部。
第一张多米诺骨牌是甲骨文削减资本开支、推迟数据中心项目、记录资产减值并继续增发。
第二张牌是OpenAI失去原定算力，被迫寻找微软、亚马逊或谷歌接盘，同时需要筹集更多资金——但o社正在部署安全冗余，在俄亥俄州由英伟达作保搞了个大项目（这个事其实很值得再展开聊聊，资本红色警报器大声作响）。o社承诺从27年开始未来五年内向甲骨文购买约3000亿美元算力这一大单并不是说黄了，而是很显然，o社也没打算绑死在甲骨文上。大家不妨细品这件事。
第三张牌是为数据中心提供贷款的银行、私人信贷和项目开发商重新评估风险。一旦甲骨文的长期租约不再被视为绝对可靠，其他AI数据中心项目的融资成本必然上升。
后面的牌则可能是：芯片公司的订单可能延期，电力、冷却和建筑项目可能收缩。资本市场也会重新审查所有AI公司的巨额订单。
但甲骨文即便暴雷（其实概率不高），也不等于AI技术失败，更不意味着已经建成的数据中心会凭空消失。部分资产会折价转手，算力会被资金更充足的云厂商接收，行业可能从全面扩张转向兼并和集中。
甲骨文不是AI产业本身，却可能成为这场繁荣的第一次真正压力测试：未来的人工智能，究竟能不能及时赚到足够的钱，支付今天已经开工的数据中心。
时间，是关键的变量。

六

1999年，埃里森这样表示：
“If the Internet turns out not to be the future of computing, we’re toast. But if it is, we’re golden.”
可翻译为：“如果互联网最终并不是计算的未来，我们将满盘皆输；但如果它是，我们将大获全胜。”
然后，2000年，埃里森首次短暂登顶全球首富。
这一次，历史惊人的相似。只不过，当时埃里森55岁，真满盘皆输也不是完全爬不起来。现如今，他82岁，真正意义上的人生最后一战。
埃里森押上的也不只是甲骨文。他本可作为数据库时代最成功的企业家之一安稳谢幕。现在，他选择高举高打全面开战决定甲骨文下一代的命运。大获全胜，他将在八旬之年把一家旧时代的软件公司重新送上AI时代的中心；满盘皆输，那些可能延续到他身后的债务、租约和空置机房，也会成为他一世英名最后的注脚。
（2025年9月10日，甲骨文股价冲上历史最高点的那几个小时，埃里森再次成为全球首富，不过持续时间同样有点短，大概几个小时。时至今日，甲骨文股价已经跌去一半。）
—— 首发 扯氮集 ——
最后实在忍不住，还是想扯个八卦。埃里森73岁的时候，和一位27岁的东北姑娘朱可人女士（美国公民）萌生了炙烈的爱情——但有无成婚有点迷。这个关系引发过很多阴谋论的猜想，毕竟反动报纸纽约时报援引两家它认为颇有可信度的第三方研究机构的结论说：某国超过20%的算力采购自甲骨文。但我的猜想是：老夫少妻的组合，大概对老夫的万物竞发勃勃生机是有很大帮助的。

平台市场权力三问：有没有 管不管 怎么管

2026-08-17 20:30:00

结合欧美这种标准市场化国家的监管案例，本文试图回答这样三个问题：

1、平台有没有市场权力。结论是：有，但不等于违法

2、要不要对市场权力做限制。结论是：并非无条件不要

3、怎么做限制？有定性原则，即平台不能等于市场或凌驾于市场之上（政府也不能），但很难一句话解释清楚

这涉及到算账和法条，比较烧脑。我尽可能写得不那么烧脑（因此也确有可能在简化时出现疏漏）。但本文确实不适合喜欢看喊口号、抡棍子和抖机灵的人阅读，而且文章比较长，比较考验你的“上下文”。还需要一点基本素养，比如权力和权利都不大分得清楚的，或者喜欢站队问我到底站哪头的，建议出门右转。
事先说好了。

一

平台是不是中间商，并非一个特别重要的问题。甚至可以这么说，中间商本身都不是一个啥重要的词。
事实上，平台是一个撮合中介。撮合中介的特征就是依靠撮合成功提取佣金，所以不让中间商赚差价这句话，基本上套不到它头上。广义上非这么套，也行。
任何商业活动都需要中介。批发商是中介，商场是中介，信用卡公司是中介，酒店预订网站也是中介。中介只要能够降低搜索、信用、支付、物流和交易成本，它拿走一部分交易收入就是正常的商业交换。一个原本要经过五层经销商才能完成的交易，如果被一个撮合平台压缩成一次点击，即使这个平台从中赚走了相当可观的钱，也不能由此推导出它获得了“不应该获得”的利润。
即便平台挤掉了多少传统商业，在欧美，也不是竞争政策特别关心的问题。新商业模式淘汰旧商业模式，本来就是市场竞争经常发生的事情。
真正的问题出现在另一个地方：当一个中介足够成功，大量买家和卖家都聚集到这里以后，它就不再只是一个普通的市场参与者，而开始成为市场本身的一部分。它可以决定谁能够进入、商品如何排序、交易如何收费、什么样的价格能够得到流量，以及一个商家如果不满意这些规则，到底能不能真的离开。
这就是：市场权力（market power）。美国高法长期使用的一种定义，是企业拥有把价格提高到竞争性市场水平之上的能力；更强的是“垄断权力”，则通常意味着控制价格或者排除竞争的能力。[1]
但市场权力只是一个名词，并不代表就是违法行为。一个企业因为产品更好、效率更高而获得巨大的市场份额，反垄断政策并不因此要求把它拆小。反垄断真正关心的是：竞争者、商家和消费者是否仍然能够有效地约束它，以及企业是否利用已经取得的力量去阻断这种约束。[1]
于是，平台监管真正困难的问题就不是“平台应不应该被管”，而是另外三个问题：平台什么时候已经获得了值得关注的市场权力？这种权力什么时候开始损害竞争？监管又应该管到哪里，才不会把平台原本创造的效率一起消灭？
欧洲和美国过去十多年的一些案件，我特意排除了和内容有关的监管案例（这通常会涉及意识形态），聚焦于纯商业纯经济。它们提供了一组有相同点但也并不完全相同的答案。

二

欧洲监管案例：Booking.com，一个延绵了近十年中间颇有起伏的案例。企业和监管之间你来我往，很精彩且很有代表性：平台有没有权利通过合同限制商户在其他渠道低价销售？？
Booking的基本商业结构并不复杂。酒店把房间放到平台上，Booking把大量消费者带到酒店面前，完成搜索、比较、评价和预订等工作，交易完成后收取佣金。平台本身并不需要经营一家酒店，因此这里甚至不存在“平台既当裁判又亲自下场比赛”的问题，也就是它没有自营。
矛盾出现在“价格平价条款”上。
假设一家酒店在Booking上的房价是100欧，Booking收取15%的佣金，酒店最后拿到85欧元。那么酒店自然会产生一个想法：如果消费者直接来到我的官网，我不必支付15欧元佣金，为什么不能把官网价格降到90欧？——这就是广义上的不让中间商赚差价。
这看起来完全符合市场竞争，消费者看上去也应该拍手叫好。
Booking却有另一套同样可以理解的商业逻辑：消费者之所以知道这家酒店，很可能恰恰是因为Booking承担了搜索、信息匹配、评价体系以及营销成本。消费者利用Booking找到酒店，最后却跑到酒店官网成交，酒店享受了Booking提供的服务，却绕开了平台佣金。
这是经济学中所谓的搭便车问题（free-riding）。
Booking因此长期使用所谓的价格平价条款。早期的“广义平价条款”要求酒店不能在其他在线预订平台以及自己的销售渠道提供更优惠的条件。后来Booking缩窄了限制：酒店可以在其他预订平台报出更低价格，但自己公开经营的官网仍然不能比Booking便宜。[2]
问题也由此变得有意思起来。
如果Booking上的价格是100欧，酒店官网也是100欧，消费者实际上很难看到Booking中介服务的成本。即使另一种销售方式只需要90欧，消费者也没有机会通过价格选择告诉Booking：你的服务究竟值不值这10欧。
而如果酒店在自家官网可以卖90欧元，情况就不同了。
消费者可以自己判断：Booking提供了搜索、评价、信用和便利，我愿不愿意为这些服务多付10欧元？愿意，就继续使用Booking；不愿意，就去酒店官网。
更重要的是，如果越来越多人选择后者，Booking就会真正面对价格压力：降低佣金、改善服务，或者证明自己的服务确实值这笔钱。
德国联邦卡特尔局（负责反垄断和竞争监管的独立联邦机构）正是沿着类似逻辑，在15年认定Booking的“狭义最佳价格条款”违反德国和欧洲竞争法，要求其停止使用。[2]
Booking表示不服，提起诉讼，而且一度在杜塞尔多夫高等地区法院胜诉。平台提出的核心抗辩并不荒谬：如果不能防止搭便车，平台投入资源建立搜索和预订体系，却不断被酒店绕开，那么平台本身的投资激励也会受到损害。
21年，德国联邦最高法院又推翻了下级法院的判断，恢复德国联邦卡特尔局的禁令。高法承认酒店预订平台明显能够提高交易效率，但认为现有证据不足以证明狭义平价条款是Booking提供这些服务所不可缺少的条件。德国监管机构此前还进行了市场调查，观察取消条款后酒店和消费者的行为，以检验所谓“没有平价条款平台就无法有效经营”的说法。[3]
24年9月，争议进一步进入欧盟法院。欧盟法院在C-264/23案中明确表示，无论广义还是狭义价格平价条款，原则上都不能仅仅因为具有防止搭便车的作用，就被视为平台核心业务所必需的“附属限制”，从而自动脱离正常的竞争法审查。[4]
这里需要注意一个法律上的尺度：欧盟法院并不是说所有价格平价条款在任何情况下当然违法，而是堵住了一条非常重要的抗辩路径――平台不能仅仅说“这是保护我商业模式所必需”，就结束竞争效果与必要性的讨论。[4]
这也恰恰说明这个案件真正值得观察的，并不是“欧洲打击大平台”。
法院从来没有否定Booking创造的交易效率。争议点却在这里：为了保护这些效率，是否真的需要限制酒店利用自己的销售渠道展开价格竞争。
也就是说，两边都有一笔账。
一边是平台投入被搭便车的成本；另一边是价格竞争被切断以后产生的成本。监管并不需要关心哪一方更值得同情和支持，而是哪一种限制是必要的，哪一种限制已经超过了保护平台商业模式所需要的程度。
后来，这套逻辑又从个案执法进入了事前监管。
Booking.com于24年5月被欧盟委员会认定为《数字市场法》（DMA）意义上的“守门人”，其相关义务从当年11月14日起生效。[5]DMA第5条第3款要求守门平台允许商业用户通过其他中介平台或者自己的直接销售渠道，以不同的价格和条件向消费者销售。欧委会26年对DMA实施情况的评估也把取消这类平价限制列为已经发生的市场变化之一。[6]
欧洲由此走过了一条很清楚的路径：先在具体案件里问某一项平台规则是否限制竞争，再经过司法争论检验平台的效率抗辩，最后才把其中一部分已经反复出现的问题上升成针对“守门人”的事前规则。
但如果到这里就得出一个简单结论――只要平台限制商家的选择，监管就应该禁止――美国最高法院会给出一个很重要的反例。

三

2010年，美国司法部起诉AmericanExpress、Visa和Mastercard――三家著名的信用卡网络。
它们当时都存在不同程度的“反导流规则”：商家虽然知道不同信用卡给自己造成的交易成本不同，却不能自由通过折扣、奖励或者提供成本信息等方式，鼓励消费者使用成本较低的支付工具。
Visa和Mastercard选择服软。与司法部和解，同意允许商户提供折扣、表达对某种支付方式的偏好，以及告诉消费者不同支付工具带来的成本差异。美国运通则梗着脖子，决定继续打官司。[7]
司法部的逻辑与Booking案相当接近。
假设消费者买100美元商品。美国运通给商户造成3美元成本，另一张信用卡只造成2美元成本。
如果商户不能告诉消费者这种差别，那么对消费者而言，两张卡的使用价格都是100美元。成本更低的支付网络无法把自己的优势转化成消费者能够看到的价格优势，高成本网络受到的竞争压力也就随之下降。
15年，美国纽约东区联邦地区法院首先支持政府。法院认定美国运通的反导流规则削弱了信用卡网络围绕商户费用展开价格竞争，提高了商户费用，并妨碍低成本竞争模式进入市场。[8]
反转出现在第二巡回上诉法院，它推翻了原判。18年6月，高法又以5比4支持美国运通，维持其胜诉结果，gameover。[9]
最高法院提出的要害问题是：面对一个双边市场的信用卡网络，政府的账是不是只算了一半?
商家向美国运通支付较高，这当然是一笔成本。但是，信用卡网络又会利用其中一部分收入向持卡人提供积分、返现以及其他奖励和服务。而商户接受一张费用较高的信用卡，完全有可能正是因为这张卡能够带来具有特定消费能力和消费倾向的客户。
因此，只证明“商户这一侧支付了更高费用”，并不足以证明整个相关市场的竞争受到了损害。
高法认为，在这种特殊的双边交易平台上，政府至少需要证明整个信用卡交易市场出现反竞争效果，例如两侧合并考虑后的价格上升、交易量受到压制或者其他可以识别的竞争损害。法院最终认为政府没有完成这一证明。[9]
这当然不意味着平台只需要声称“我创造了消费者价值”，任何限制竞争的规则就都可以成立。事实上，这个判决本身就是5比4，美国政府以及少数意见都强烈反对多数意见的市场分析方式。[9]
但这个案件留下了一条很重要的警告：
商家的利益，并不等同于整个市场的利益。
平台提高商家费用，不能自动推导出社会效率下降；反过来，监管措施降低了商家费用，也不能自动证明消费者最终一定受益。
Booking提醒监管者，不要只计算平台受到的搭便车损失。
美国运通则反过来提醒监管者，也不能只计算商家承担的平台成本。
两个案件放在一起，平台监管真正困难的地方就暴露出来了：不是证明有人因为平台规则受到了损失，而是证明――接下来的话极绕，但我尽力了――这种损失在完整的竞争结构中构成了需要干预的竞争损害，并且干预产生的收益大于被牺牲掉的平台效率。

四

价格之外，还有另一种平台权力更加隐蔽：你到底能不能离开，或者能不能同时使用另一个平台。
看看FTC（美国联邦贸易委员会）与Surescripts之间的博弈。
Surescripts是一个把医疗机构、药店以及其他相关市场参与者连接起来的电子处方网络，在美国规模最大、覆盖最广，有“几乎所有美国电子处方都会流经Surescripts”这一行业共识，被视为美国医疗处方流转核心基础设施。
FTC在2019年的诉讼中指控，该公司在两个相关电子处方服务市场长期保持约95%的市场份额，并通过排他协议、忠诚折扣以及其他手段，提高客户同时使用竞争网络的成本。[10]
FTC使用了一个词：multihoming，即客户同时使用多个平台。
一个占优势的平台当然可以说：我从来没有禁止客户离开，任何人都可以选择竞争者。
但是竞争政策真正关心的并不只是合同中有没有写“禁止离开”，而是离开或者同时使用第二个平台的实际经济成本究竟有多高。
对于存在明显网络效应的平台，这个问题尤其重要。
消费者越多，商家越愿意加入；商家越多，消费者又越愿意留下。新的竞争平台必须同时解决两边规模不足的问题。如果占优势的平台再通过忠诚折扣、排他协议等手段让客户无法方便地同时使用两个网络，新进入者就更难积累足够规模。
Surescripts案并没有最终经过一次完整审判。23年3月，联邦地区法院在部分争议上给予FTC简易判决；随后双方达成和解，同年8月法院批准最终命令。Surescripts没有承认FTC诉状中的全部事实，但同意在20年期限内受到一系列行为限制。[11]
政府没有规定Surescripts的服务应该收多少钱，而是限制其使用多数份额要求、排他或者忠诚安排来约束客户，并限制其通过合同妨碍客户与竞争者交易。26年FTC回顾这一案件时，特别指出最终命令禁止Surescripts使用要求客户把50%或以上交易量交给它的排他或忠诚合同。[12]
这里恢复的不是某个由政府规定的“合理价格”，而是客户实际使用第二个平台的能力。
这实际上与Booking的逻辑相通。
一个案件保护的是不同销售渠道之间的价格竞争，另一个案件保护的是多平台经营和实际退出能力。

五

目前仍在进行中的FTC诉Amazon反垄断案，则把类似问题重新带回了最普通的网络零售。
这个案件包含许多不同指控，其中包括Amazon自营、Prime和物流等问题。如果把这些全部拿掉，只看FTC所谓的“anti-discountingmeasures”（反折扣措施），会比较容易简单。
FTC联合17州在23年的诉状中指控，Amazon会通过平台机制惩罚在其他网络零售渠道提供明显更低价格的第三方卖家，从而阻止商家和其他零售平台把较低成本转化成较低售价。FTC同时把“在线市场平台服务”作为一个面向卖家的相关市场来分析。[13]——到目前仍然是FTC的指控，而不是已经由法院最终确认的违法事实。
FTC是这么算账的：
假设A平台的综合收费是15%，B平台只有8%。
如果商家希望一笔交易最终得到85元，那么它在A平台需要卖100元，在B平台只需要卖大约92元。消费者看到B更便宜，就会流向B；B获得更多交易，A因此面临降低收费或者提高服务价值的压力。
市场正是通过这种机制给平台服务定价。
可是，如果商家一旦在B卖92元，就会在A受到严重的曝光或者销售资格惩罚，那么理性的商家可能选择让B也卖100元。
结果很微妙。
A平台没有禁止B平台存在，也没有规定B必须收多少费用，但是B平台降低收费所形成的成本优势，无法顺利转化成消费者能够看到的价格优势。
FTC认为，这类机制因而既可能阻碍其他渠道降低零售价格，也可能妨碍竞争性平台依靠低成本争夺卖家和消费者。[13]
Amazon要求法院驳回联邦反垄断核心指控，但华盛顿州西区联邦法院24年拒绝了这一请求，使案件继续进入证据和审判程序。[14]截至2026年春，FTC表示庭前事实发现阶段已经完成，案件计划于2027年3月开庭。[15]
因此现在还不能说美国已经给这一问题画出了最终边界。
恰恰相反，它说明在网络零售领域，同一种平台行为究竟是维护交易质量的正常规则，还是利用市场权力切断跨平台价格竞争，今天仍然需要在法庭上继续算账。

六

把这些案件放在一起，会发现欧美的平台监管其实不存在一个简单的“大平台必须被管”的逻辑。
平台很大，不足以单独成为监管理由。
平台利润很高，也不足以单独成为监管理由。
商家抱怨收费太高，仍然不足以单独成为监管理由。
大量传统企业因为新的平台商业模式出现而退出市场，同样不能自动证明竞争受到了损害。竞争制度本来就允许效率更高的新商业模式淘汰效率较低的旧模式。
真正值得关注的是另一件事情：
市场还有没有能力反过来约束平台？
这种能力至少包含几个层面：
商家能不能在另一个成本更低的渠道，把节省下来的费用转化成更低的商品价格？
商家能不能告诉消费者不同渠道给自己造成的真实成本？
商家能不能同时在两个甚至更多平台上经营？
一个新的平台如果提供更低收费或者更好的服务，能不能把这种优势转化成价格、流量和市场份额？
如果这些机制都存在，那么平台即使收取很高的费用，也不能证明监管有介入的必要。它完全可能只是一个提供了昂贵同时也很有价值的服务。
消费者明知其他地方更便宜，仍然选择它；商家明知其他平台收费更低，仍然愿意留下。只要这种选择是真实且可执行，市场就在发挥作用。
问题出现在平台利用既有规模，通过价格平价、反导流、排他协议、忠诚安排、排名或者其他机制，把这种选择本身削弱的时候。
这也是为什么竞争政策最精巧的处理方式，往往不是直接给平台规定一个“合理抽成率”。
监管者其实很难知道一个平台应该收5%、10%还是20%。
一个收费15%的平台可能提供了价值20%的服务；一个只收5%的平台，也可能依靠排他机制阻止一个原本只需要3%的竞争者进入。
如果政府直接决定平台的合理价格，就意味着监管者开始替代市场完成定价。这显然很不市场经济。
所以Booking案中，监管者没有替酒店决定Booking的合理佣金是多少，而是要求市场保留酒店利用其他渠道进行价格竞争的空间。
Surescripts案中，政府没有跑出来表示我们来计算电子处方网络的合理利润率，而是降低平台通过排它安排阻碍客户使用竞争平台的能力。
FTC针对Amazon发出的指控，同样不是直接规定平台应该收多少费用，而是主张其他竞争平台有把自己的成本优势真正转化成价格优势的可能。
美国运通案则从另外一个角度看待：市场监管者不能因为商户承担了更高成本，就跳过平台另一侧的收益和整个市场竞争效果（包括消费者利益），直接宣布市场已经受到损害。
这几个案例最后指向的其实是同一个原则：
竞争政策的目标，不是让政府给平台定价，而是尽可能让市场继续拥有给平台定价的能力。
因此，判断一次针对平台的监管是否成功，不能只看平台收费有没有下降、商户利润有没有增加，甚至不能只看消费者眼前支付的价格有没有降低。所以，这不是一个站队的问题。
更严格的标准应该是：干预之后，商家是不是更容易选择渠道；消费者是不是更容易看到不同渠道的真实成本；新的平台是不是更容易依靠更低成本或者更好的服务争夺交易；而原有平台又是否仍然有足够动力继续投资于搜索、信用、支付以及其他真正创造交易价值的服务。
如果这些条件都存在，而一个平台最终仍然保持很高的收费、利润和市场份额，那也完全可能是有序竞争的结果。
市场权力当然存在。
真正需要画边界的，从来不是平台能够有多大、能够赚多少钱，而是它能不能利用已经取得的市场权力，让市场逐渐失去约束它的能力。

七

平台，不能是市场本身。
保卫市场经济，不见得和保卫平台同等。
—— 首发 扯氮集 ——
注释
[1]美国司法部对美国最高法院相关判例中“market power”和“monopoly power”的定义及区别的梳理。其所引判例将market power概括为企业将价格提高到竞争市场水平之上的能力，monopoly power则通常表述为控制价格或排除竞争的能力；同时，美国反垄断法并不因企业依靠更好产品、商业能力等取得市场力量而当然认定违法。 U.S. Department of Justice,Monopoly Power and Market Power in Antitrust Law. https://www.justice.gov/archives/atr/monopoly-power-and-market-power-antitrust-law
[2]德国联邦卡特尔局2015年12月23日Booking.com决定及新闻说明。文件解释了Booking从“广义最佳价格条款”转向“狭义最佳价格条款”后，为什么监管机构仍认为后者限制酒店自身网络销售渠道的价格竞争。 Bundeskartellamt,Narrow “best price” clauses of Booking also anticompetitive, 23 December 2015. https://www.bundeskartellamt.de/SharedDocs/Meldung/EN/Pressemitteilungen/2015/23_12_2015_Booking.com.html
[3]德国联邦最高法院2021年5月18日Booking.com案判决英文版。判决推翻杜塞尔多夫高等地区法院此前的判断，确认德国联邦卡特尔局针对狭义平价条款的决定。德国竞争局另曾就取消平价条款后的市场效果进行调查。 Federal Court of Justice, Decision of 18 May 2021, KVR 54/20. https://www.bundeskartellamt.de/SharedDocs/Publikation/EN/Others/BGH_Entscheidung_Booking_EN.pdf Bundeskartellamt,Competition and Consumer Protection in theDigital Economy: Effects of Narrow PriceParityClauses. https://www.bundeskartellamt.de/SharedDocs/Meldung/EN/AktuelleMeldungen/2020/27_08_2020_Schriftenreihe_Digitales_7.html
[4]欧盟法院2024年9月19日C-264/23案。法院认为广义、狭义价格平价条款原则上均不能被归类为Booking平台业务的“附属限制”；法院同时承认在线酒店预订平台能够给消费者和住宿服务提供者带来显著效率。 Court of Justice of the European Union, Case C-264/23,Booking.comandBooking.com(Deutschland), Judgment of 19 September 2024. https://curia.europa.eu/jcms/upload/docs/application/pdf/2024-09/cp240145en.pdf https://infocuria.curia.europa.eu/tabs/redirect/juris/document/document.jsf?docid=290211&doclang=EN
[5]Booking于2024年5月13日被欧委会指定为《数字市场法》“守门人”，其Booking.com在线中介服务自2024年11月14日起承担DMA相关合规义务。 European Commission,Annual Report on the Digital Markets Act 2024. https://digital-markets-act.ec.europa.eu/document/download/8ed232e8-a674-4434-a13e-8712ea42b0f5_en
[6]《数字市场法》第5(3)条禁止守门平台阻止商业用户通过其他在线中介或者自己的直接销售渠道，以不同价格或条件向最终用户提供相同商品或服务。欧委会2026年DMA评估文件认为，取消特定合同平价条款已经扩大商业用户自主定价的空间。 Regulation (EU) 2022/1925, Digital Markets Act, Article 5(3). https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32022R1925 European Commission,Commission Staff Working Document on the Review of the Digital MarketsAct, 28 April 2026. https://digital-markets-act.ec.europa.eu/document/download/788ff6d9-f0bf-47d2-80a8-611d5ee5bc51_en
[7]美国司法部2010年起诉American Express、Visa和Mastercard的官方说明。Visa和Mastercard同时与政府达成拟议和解，允许商户用折扣、奖励、表达偏好及披露成本等方式引导消费者使用成本更低的支付工具；American Express选择继续诉讼。 U.S. Department of Justice,Justice Department Sues American Express, MasterCard and Visa to Eliminate Rules Restricting Price Competition, 4 October 2010. https://www.justice.gov/archives/opa/pr/justice-department-sues-american-express-mastercard-and-visa-eliminate-rules-restricting
[8]美国纽约东区联邦地区法院2015年判决。法院认定American Express反导流规则削弱信用卡网络之间的价格竞争，并形成了实际反竞争效果。 U.S. District Court for the Eastern District of New York,United States et al. v. American Express Co. et al., Decision, 19 February 2015. https://www.justice.gov/atr/case-document/file/485746/dl
[9]美国最高法院2018年6月25日Ohio v. American Express Co.，585 U.S. 529 (2018)，5比4判决。多数意见认为信用卡属于特殊的双边交易平台，原告没有证明相关双边市场整体出现反竞争效果；少数意见对这一市场界定及证明要求提出了强烈异议。 Supreme Court of the United States,Ohio et al. v. American Express Co. et al., No. 16-1454. https://www.supremecourt.gov/opinions/17pdf/16-1454_5h26.pdf
[10]FTC于2019年起诉Surescripts，指控其在电子处方routing和eligibility两个市场长期保持约95%的份额，并利用忠诚、排他安排以及其他措施阻碍客户“multihoming”，即同时使用竞争网络。 Federal Trade Commission, Surescripts case materials. https://www.ftc.gov/legal-library/browse/cases-proceedings/141-0210-surescripts-llc
[11]2023年3月，联邦地区法院给予FTC部分简易判决；同年双方达成和解，法院于8月9日批准最终命令。命令明确记载Surescripts并未承认或否认FTC诉状中的实体指控，因此本文将其称为“和解限制”，而非完整审判后的全部违法事实认定。 FTC,FTC Reaches Proposed Settlement with Surescripts in Illegal Monopolization Case, 27 July 2023. https://www.ftc.gov/news-events/news/press-releases/2023/07/ftc-reaches-proposed-settlement-surescripts-illegal-monopolization-case U.S. District Court, Stipulated Order, 9 August 2023. https://www.ftc.gov/system/files/ftc_gov/pdf/surescriptsstipulatedorder.pdf
[12]FTC在2026年回顾Surescripts案时解释，最终命令禁止该公司采用要求客户将50%或以上交易量交给Surescripts的排他或忠诚合同，并限制其他妨碍客户与竞争者交易的合同安排。 Federal Trade Commission,How Loyalty Discounts Between Firms Harm Competition When There Are Network Effects: FTC v. Surescripts, 13 February 2026. https://www.ftc.gov/enforcement/competition-matters/2026/02/how-loyalty-discounts-between-firms-harm-competition-when-there-are-network-effects-ftc-v-surescripts
[13]FTC及多州2023年针对Amazon提起的反垄断诉讼。其中FTC将“anti-discounting measures”列为核心指控之一，认为相关机制会惩罚卖家、阻止其他在线零售渠道提供低于Amazon的价格，并妨碍竞争平台获得规模。这里引用的是原告的指控，并非终局法院事实认定。 Federal Trade Commission,FTC Sues Amazon for Illegally Maintaining Monopoly Power, 26 September 2023. https://www.ftc.gov/news-events/news/press-releases/2023/09/ftc-sues-amazon-illegally-maintaining-monopoly-power FTC, Amazon eCommerce case page. https://www.ftc.gov/legal-library/browse/cases-proceedings/1910129-1910130-amazoncom-inc-amazon-ecommerce
[14]华盛顿州西区联邦法院2024年9月30日拒绝Amazon要求驳回FTC联邦反垄断核心指控的动议，但允许部分州法诉求退出。拒绝驳回意味着指控在诉讼程序上足以继续，并不意味着法院已经最终认定FTC的事实主张成立。 FTC case docket, Order on Motions to Dismiss, 30 September 2024，见FTC Amazon eCommerce案件材料页： https://www.ftc.gov/legal-library/browse/cases-proceedings/1910129-1910130-amazoncom-inc-amazon-ecommerce
[15]截至2026年4月，FTC向美国国会提交的证词称Amazon案的庭前事实发现已经完成，审判计划于2027年3月在华盛顿州西区联邦法院举行。 Federal Trade Commission, Congressional Testimony, 15 April 2026. https://www.ftc.gov/system/files/ftc_gov/pdf/p994811-ftc-oversight-testimony-senate-commerce-committee-2026.pdf