∞ 回应撤离中国市场原因 Manus首度披露技术侧经验教训
Manus近期撤出中国市场、清空国内社交账号内容,全力转战海外市场,官方解释原因主要基于经营效率的调整及国际化布局。北京时间7月19日,Manus联合创始人季逸超发布技术博客,首度从技术角度做出回应,总结创业以来在Agent研发与训练方面的经验教训。
单从技术层面来看,季逸超表示Manus会侧重押注上下文(Context)工程,借助构造“记忆”与流程实现产品快速迭代。主要包括押注上下文、不再训练模型,强调KV-Cache(Key-Value Cache,一种缓存机制)命中率意义,不动态添加工具,以及用文件系统承载持久上下文等方面。核心即节省底层模型训练成本,侧重训练效率的提高。
上下文在大模型中通常指模型在处理任务或生成输出内容时所参考的信息集合,能够帮助模型增强理解能力、提高任务性能、增强输出连贯性。此前月之暗面Kimi创始人杨植麟在采访中强调过上下文的重要性,他称,Ai-native(由AI定义产品形态)产品的终极价值在于提供个性化交互,而无损长上下文(LosslessLongContext)是达成这一目标的关键。他判断模型的微调长期来看不应存在,用户与模型的交互历史就是最好的个性化过程,而长上下文技术能更好地记录和利用这些交互历史。
另外,KV-Cache命中率至关重要,主要是因为高命中率可以提高推理效率,优化资源利用率,降低计算成本。也正基于此,KV-Cache常被称为Transformer模型推理阶段的效率核心。
选择从上述各方面提高训练效率,而非从底层模型开始投入,是季逸超过往多年总结的教训。他称,创业上一家公司(Peak Labs)时,团队决定从头开始为开放信息提取和语义搜索训练模型,但之后不久,OpenAI的GPT-3与Google的Flan-T5模型出现了,团队从头研发的内部模型一夜之间变得无关紧要。“讽刺的是,这些模型标志着上下文学习的开始,以及一条全新的前进道路。”季逸超称。
基于此前教训,创业Manus后,团队不再投入基座模型研发,而是从使用开源基础模型训练端到端Agent,与基于前沿模型上下文学习能力构建Agent两个选项中进行选择。虽然Peak Labs的教训令Manus团队意识到上下文的重要性,但这并不容易,经历过四次Agent框架调整才实现局部最优解。
但需注意的是,该策略仍存在局限,尤其在面对类似OpenAI刚发布的ChatGPT Agent时。核心原因在于ChatGPT Agent依托OpenAI专用模型,采用端到端训练,可以更好地处理复杂任务,而Manus虽然可以提高效率,但仍依赖外部多模型组合与工程优化,在任务执行连贯性与准确性上稍逊一筹。
另外,在Manus转战国际市场的节点,OpenAI凭借底层模型优势将Agent行业带入拐点,吸引更多开发者与用户至大厂平台,虽然创业公司在垂直领域具备生存空间,但仍不可避免地面临市场份额被争夺的挑战。尤其在当下Agent类产品存在同质化严重、商业模式不明、成本高企等困境时,上下文工程等方面的亮点不足以让创业公司跳脱出来,团队仍需持续优化技术策略,探索差异化发展路径。
∞ Manus“删博、裁员、跑路新加坡”后 创始人首次复盘经验教训
从全球爆火,到成功融资,再到被曝删博、裁员、跑路新加坡,Manus仅仅用了四个月,就把一条新兴赛道的创业演示了个遍。有人认为Manus开了一个很坏的头,利用中国工程师资源打造产品,迅速融资,裁员跑路......在一片争议声中,今天凌晨,这家公司的联合创始人季逸超罕见发声,发布了长达数千字的博客,试图把舆论拉回到产品和技术本身,也第一次公开回应了这场起落背后的关键教训。
四个月从爆火到争议
我们先简单回顾一下。今年3月,Manus因“全球首个通用Agent”概念走红,当时有人说这是中国的“第二个DeepSeek时刻”。
5月,Manus很快完成由硅谷顶级风投Benchmark领投的7500万美元B轮融资,估值飙升至5亿美元。外界对它的一度期待极高。
但6月底,Manus突然被媒体曝出多起争议事件:部分员工称被无预警裁员、创始团队在社交平台上大规模删博、公司主体搬到新加坡,舆论哗然。
一时间,删博、裁员、跑路,成了这家明星Agent创业公司的主要标签。
联合创始人凌晨发长文
面对外界质疑,季逸超这次选择用一篇技术向的长文作答,首次系统总结了团队对Agent产品和技术的核心认知:
1、选择上下文工程,而非端到端自研大模型。Manus创始人上一家公司曾尝试从零训练NLP模型,结果被GPT-3等大模型淘汰。这次复盘后,他们选择不再自研底层模型,而是专注于如何基于开源或商业大模型,做“上下文工程”,把现有能力最大化发挥出来。
2、KV缓存命中率是代理系统的核心指标。多轮智能代理与单轮聊天不同,输入输出比可能高达100:1,长输入会极大影响延迟和推理成本。上下文设计的目标是最大化KV缓存命中率,这要求提示要稳定、上下文只追加不修改、保证前缀可重复利用。
3、工具管理避免动态增减,用遮蔽代替删除。代理功能多,动作空间会迅速扩大,模型更易选错。动态添加或删除工具会导致缓存失效。Manus的实践是用上下文状态机管理工具可用性:通过屏蔽Token概率,而非直接从上下文移除,既保证灵活性,又保留缓存。
4、把文件系统当作无限上下文。大模型上下文窗口再大也有限,且超长上下文会拉低推理速度、抬高成本。Manus做法是把文件系统当作代理的外部记忆,信息可随时存取,保证历史状态可查、可读写、可恢复。
5、用显式“背诵”机制操控模型注意力。在长任务中,Manus会自动生成todo.md,把任务拆解成可执行清单,并不断更新,把目标重复写到上下文末尾,相当于“反复提醒模型”,避免任务中途跑偏。
6、不抹掉错误,保留失败信息以帮助模型自我修正。智能体必然会出错,与其隐藏错误、重新开始,不如把失败信息留在上下文里,让模型“看到”失败路径,形成负面示例,从而减少同类错误。
7、一句话总结就是:上下文工程是一门新兴的实验科学,Manus想用上下文塑造代理的行为和能力:不是比拼模型多聪明,而是比拼怎么让模型更有用。
复盘之外,争议未平息
从这篇博客看得出,Manus并非完全是个“PPT项目”。它确实做了不少面向Agent场景的底层探索,也踩过不少坑。
但这篇长文没提到外界最关心的问题:公司为什么要搬去新加坡?国内被裁员工如何善后?等等。
这些问题,季逸超没有回答,博客里也没提。
季逸超在结尾写道:“智能代理的未来将由一个个情境逐步构建。精心设计每一个情境。”
当下的现实是,Manus是否还有机会把这些“情境”从技术文档带回真正的用户手里?
一切仍未有定论。
博文链接:
https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
以下为Manus 联合创始人季逸博客原文(由GPT翻译):
面向AI 代理的上下文工程:构建 Manus 的经验教训
2025 年 7 月 18 日 季逸超
在Manus 项目伊始,我和团队面临一个关键抉择:是使用开源基础模型训练一个端到端的代理模型,还是基于前沿模型的上下文学习能力构建代理?
回想我在自然语言处理领域的最初十年,我们没有这样的选择余地。在BERT 的远古时代(是的,已经七年了),模型必须经过微调并评估后才能迁移到新任务。即使当时的模型远小于如今的 LLMs,这一过程每次迭代往往也需数周。对于快速发展的应用,尤其是产品市场匹配前期,这样缓慢的反馈周期是致命的。这是我上一家创业公司的惨痛教训,当时我从零开始训练模型用于开放信息抽取和语义搜索。随后 GPT-3 和 Flan-T5 的出现,让我自研的模型一夜之间变得无关紧要。讽刺的是,正是这些模型开启了上下文学习的新纪元——也为我们开辟了一条全新的前进道路。
这个来之不易的教训让选择变得清晰:Manus 将押注于上下文工程。这使我们能够在数小时内发布改进,而不是数周,同时保持我们的产品与底层模型正交:如果模型进步是涨潮,我们希望 Manus 是船,而不是固定在海床上的柱子。
然而,上下文工程远非简单。这是一门实验科学——我们已经重建了四次代理框架,每次都是在发现了更好的上下文塑造方法之后。我们亲切地称这种手动的架构搜索、提示调整和经验猜测过程为“随机梯度下降”。它不优雅,但有效。
这篇文章分享了我们通过自己的“SGD”达到的局部最优解。如果你正在构建自己的 AI 代理,希望这些原则能帮助你更快收敛。
围绕KV 缓存设计
如果只能选择一个指标,我认为KV 缓存命中率是生产阶段 AI 代理最重要的指标。它直接影响延迟和成本。要理解原因,我们先看看典型代理的工作方式:
在接收到用户输入后,代理通过一系列工具调用来完成任务。在每次迭代中,模型根据当前上下文从预定义的动作空间中选择一个动作。然后在环境中执行该动作(例如Manus 的虚拟机沙箱),以产生观察结果。动作和观察结果被追加到上下文中,形成下一次迭代的输入。这个循环持续进行,直到任务完成。
正如你所想象的,上下文随着每一步增长,而输出——通常是结构化的函数调用——则相对较短。这使得预填充与解码之间的比例在代理中远远偏高,区别于聊天机器人。例如,在 Manus 中,平均输入与输出的Token比约为100:1。
幸运的是,具有相同前缀的上下文可以利用KV 缓存,这大大减少了首次生成标记时间(TTFT)和推理成本——无论你是使用自托管模型还是调用推理 API。这里的节省可不是小数目:以 Claude Sonnet 为例,缓存的输入标记费用为 0.30 美元/千标记,而未缓存的则为 3 美元/千标记——相差 10 倍。
从上下文工程的角度来看,提高KV 缓存命中率涉及几个关键做法:
保持提示前缀稳定。由于LLMs 的自回归特性,即使是单个标记的差异也会使该标记及其之后的缓存失效。一个常见错误是在系统提示开头包含时间戳——尤其是精确到秒的时间戳。虽然这样可以让模型告诉你当前时间,但也会大幅降低缓存命中率。
使你的上下文仅追加。避免修改之前的操作或观察。确保你的序列化是确定性的。许多编程语言和库在序列化JSON 对象时不保证键的顺序稳定,这可能会悄无声息地破坏缓存。
在需要时明确标记缓存断点。一些模型提供商或推理框架不支持自动增量前缀缓存,而是需要在上下文中手动插入缓存断点。设置这些断点时,应考虑缓存可能过期的情况,至少确保断点包含系统提示的结尾部分。
此外,如果你使用像vLLM 这样的框架自托管模型,确保启用了前缀/提示缓存,并且使用会话 ID 等技术在分布式工作节点间一致地路由请求。
遮蔽,而非移除
随着你的智能体功能不断增强,其动作空间自然变得更加复杂——简单来说,就是工具数量激增。最近 MCP 的流行更是火上浇油。如果允许用户自定义工具,相信我:总会有人将数百个神秘工具接入你精心策划的动作空间。结果,模型更可能选择错误的动作或走低效路径。简而言之,你的重装智能体反而变得更笨。
一种自然的反应是设计动态动作空间——或许使用类似 RAG 的方式按需加载工具。我们在 Manus 中也尝试过。但实验表明一个明确的规则:除非绝对必要,避免在迭代过程中动态添加或移除工具。主要有两个原因:
在大多数LLMs 中,工具定义在序列化后通常位于上下文的前部,通常在系统提示之前或之后。因此,任何更改都会使所有后续操作和观察的 KV 缓存失效。
当之前的操作和观察仍然引用当前上下文中不再定义的工具时,模型会感到困惑。如果没有受限解码,这通常会导致模式违规或幻觉操作。
为了解决这一问题,同时提升动作选择的效果,Manus 使用了一个上下文感知的状态机来管理工具的可用性。它不是移除工具,而是在解码过程中屏蔽Token的对数概率,以根据当前上下文防止(或强制)选择某些动作。
在实际操作中,大多数模型提供商和推理框架都支持某种形式的响应预填充,这使你可以在不修改工具定义的情况下限制动作空间。函数调用通常有三种模式(我们以NousResearch 的 Hermes 格式为例):
自动– 模型可以选择是否调用函数。通过仅预填回复前缀实现:<|im_start|>assistant
必需——模型必须调用一个函数,但选择不受限制。通过预填充到工具调用标记实现:<|im_start|>assistant
指定——模型必须从特定子集中调用函数。通过预填充到函数名开头实现:<|im_start|>assistant{"name": “browser_
利用此方法,我们通过直接屏蔽标记的对数概率来限制动作选择。例如,当用户提供新输入时,Manus 必须立即回复,而不是执行动作。我们还特意设计了具有一致前缀的动作名称——例如,所有与浏览器相关的工具都以 browser_开头,命令行工具以 shell_开头。这使我们能够轻松确保代理在特定状态下仅从某一组工具中选择,而无需使用有状态的对数概率处理器。
这些设计有助于确保Manus 代理循环保持稳定——即使在模型驱动架构下也是如此。
将文件系统用作上下文
现代前沿的LLMs 现在提供 128K Token或更多的上下文窗口。但在现实世界的智能代理场景中,这通常不够,有时甚至成为负担。有三个常见的痛点:
观察内容可能非常庞大,尤其是当代理与网页或PDF 等非结构化数据交互时。很容易超出上下文限制。
即使窗口技术上支持,模型性能在超过某个上下文长度后往往会下降。
长输入代价高昂,即使使用前缀缓存也是如此。你仍然需要为传输和预填充每个标记付费。
为了解决这个问题,许多智能体系统实施了上下文截断或压缩策略。但过度压缩不可避免地导致信息丢失。问题是根本性的:智能体本质上必须基于所有先前状态来预测下一步动作——而你无法可靠地预测哪条观察在十步之后可能变得关键。从逻辑角度看,任何不可逆的压缩都存在风险。
这就是为什么我们将文件系统视为Manus 中的终极上下文:大小无限,天生持久,并且可以由智能体自身直接操作。模型学会按需写入和读取文件——不仅将文件系统用作存储,更作为结构化的外部记忆。
我们的压缩策略始终设计为可恢复的。例如,只要保留网址,网页内容就可以从上下文中删除;只要沙盒中仍有文档路径,文档内容也可以省略。这使得Manus 能够缩短上下文长度而不永久丢失信息。
在开发此功能时,我不禁想象,状态空间模型(SSM)要在具代理性的环境中有效工作需要什么条件。与 Transformer 不同,SSM 缺乏完全的注意力机制,难以处理长距离的向后依赖。但如果它们能掌握基于文件的记忆——将长期状态外部化而非保存在上下文中——那么它们的速度和效率可能会开启新一代代理。具代理性的 SSM 或许才是神经图灵机的真正继任者。
通过背诵操控注意力
如果你使用过Manus,可能会注意到一个有趣的现象:在处理复杂任务时,它倾向于创建一个 todo.md 文件,并随着任务的推进逐步更新,勾选已完成的事项。
这不仅仅是可爱的行为——这是一种有意操控注意力的机制。
Manus 中的一个典型任务平均需要大约 50 次工具调用。这是一个较长的循环——由于 Manus 依赖 LLMs 进行决策,因此在长上下文或复杂任务中,容易偏离主题或忘记之前的目标。
通过不断重写待办事项清单,Manus 将其目标反复写入上下文末尾。这将全局计划推入模型的近期注意力范围,避免了“中途丢失”问题,减少了目标不一致的情况。实际上,它利用自然语言来引导自身关注任务目标——无需特殊的架构改动。
保留错误信息
智能体会犯错。这不是漏洞——这是现实。语言模型会产生幻觉,环境会返回错误,外部工具会出现异常,意外的边缘情况时常发生。在多步骤任务中,失败不是例外;它是循环的一部分。
然而,一个常见的冲动是隐藏这些错误:清理痕迹,重试操作,或重置模型状态,寄希望于神奇的“温度”参数。这看起来更安全、更可控。但这付出了代价:抹去失败就抹去了证据。没有证据,模型就无法适应。
根据我们的经验,改善智能体行为的最有效方法之一看似简单:在上下文中保留错误的路径。当模型看到失败的操作及其产生的观察结果或堆栈跟踪时,它会隐式地更新内部信念。这会使其先验偏离类似的操作,从而减少重复同样错误的可能性。
事实上,我们认为错误恢复是衡量真正智能体行为的最明确指标之一。然而,在大多数学术研究和公开基准测试中,这一指标仍然被忽视,这些研究和测试通常侧重于理想条件下的任务成功率。
避免被少量示例限制
少量示例提示是提升LLM 输出的常用技巧。但在智能体系统中,它可能以微妙的方式适得其反。
语言模型擅长模仿;它们会复制上下文中的行为模式。如果你的上下文充满了类似的过去动作-观察对,模型往往会遵循这种模式,即使这已不再是最优选择。
在涉及重复决策或操作的任务中,这可能会带来危险。例如,在使用Manus 帮助审查一批 20 份简历时,代理经常陷入一种节奏——仅仅因为上下文中出现了类似内容,就重复执行相似的操作。这会导致偏离、过度泛化,甚至有时产生幻觉。
解决方法是增加多样性。Manus 在动作和观察中引入少量结构化的变化——不同的序列化模板、替代表达、顺序或格式上的细微噪声。这种受控的随机性有助于打破模式,调整模型的注意力。
换句话说,不要让少量示例把自己限制在固定模式中。上下文越统一,代理就越脆弱。
结论
上下文工程仍是一门新兴科学——但对于代理系统来说,它已经至关重要。模型可能变得更强大、更快速、更廉价,但再强的原始能力也无法替代记忆、环境和反馈的需求。你如何塑造上下文,最终决定了代理的行为:运行速度、恢复能力以及扩展范围。
在Manus,我们通过反复重写、走过死胡同以及在数百万用户中的实际测试,学到了这些经验。我们在这里分享的内容并非普遍真理,但这些是对我们有效的模式。如果它们能帮助你避免哪怕一次痛苦的迭代,那么这篇文章就达到了它的目的。
智能代理的未来将由一个个情境逐步构建。精心设计每一个情境。
∞ 马斯克今年已作跑12位特斯拉高管
特斯拉又有一位关键高管离职。当地时间7月15日,多家媒体报道特斯拉北美地区销售副总裁Troy Jones已经离职,他已经在特斯拉工作15年。至于原因,并未对外公开。
这已经是今年以来特斯拉离职潮中的第7位。仅六月,就接连有三位高管离职。
马斯克手下的其他公司也在经历高管离职潮,今年初,xAI已经与X合并,目前已经有5位高管离职。
其中最让人震惊的是,这个月X的CEO 、人称“天鹅绒之锤”的Linda Yaccarino也突然辞职。在X的两年时间里,她一直试图挽救这个社交平台,但成效不佳,并被外界质疑是“傀儡CEO”。
马斯克身边已经有12位高管离开了,这显然不太可能是巧合。
字母榜经过梳理发现,2025年刚刚过半,已经有12位高管离开了马斯克。更准确地说,这一切发生在3月至7月的四个月时间里。
也就是说,在马斯克的公司中,平均一个月有3位高管离职。
其中特斯拉离职高管数量7位,X(前Twitter)4位,xAI 1位。
先看特斯拉。
4月,软件工程副总裁David Lau和能源机械工程主管Mark Westfall离职。他们分别在特斯拉效力13年和10年。
其中David Lau更为我们所熟知,这位华裔高管曾经多次来中国,督导上海/北京研发中心、面对面与媒体交流。
他们的离职原因都没有被披露。能确定的是,David Lau已经在离开特斯拉之后三个月,于7月初入职了OpenAI。而Mark Westfall选择加入了特斯拉的一家下游企业,Redwood Materials,主营电池回收与材料生产。
5月,又有一位特斯拉关键人物离场,Vineet Mehta。他在特斯拉工作了将近18年之久,是特斯拉的电池架构总监。这已经是一年中电池团队第二次高管流失,去年4月电池与动力总成负责人 Drew Baglino也离职了。
Mehta离开得很不是时候——特斯拉近期在电池技术上须继续升级,包括Model S的新型电池研发,以及Cybertruck的专用电池设计。他自称离开的原因是想休息、陪伴家人。
6月,特斯拉的高管离职潮引起关注,因为接连有3位高管离职。
分别是擎天柱人形机器人副总裁Milan Kovac,他也是特斯拉的10年老将,在负责擎天柱之前,曾是自动驾驶(Autopilot)软件工程主管;特斯拉北美人力资源总监Jenna Ferrua,效力7年后离职,也自称是想要更多地陪伴家人。
以及Omead Afshar。这位的身份比较特别,是特斯拉实权派人物、马斯克的心腹之一。他2017年加入特斯拉,曾是CEO办公室成员。2022年曾短暂离开一年,到2024年初回到特斯拉,升任北美和欧洲销售及制造运营的负责人,直接向马斯克汇报。
他的直接下属则包括北美销售与服务副总裁Troy Jones。Troy近日被曝已经离开了特斯拉,他也是特斯拉的“老人”,已经在这家公司效力15年。
不难看出,特斯拉的确在经历高管离职潮。而且这些成员平均为特斯拉效力10年以上,在特斯拉正在渡过艰难期的时刻,显得尤为刺眼。
不仅是特斯拉,马斯克的另一家公司X(前Twitter)也在经历明显的高管离职潮。
3月,X工程总监Haofei Wang突然离职。这位华人高管有北邮背景,在内部实际上被视为工程与产品负责人,是马斯克与工程团队的“协调员”。他在2021年就加入了Twitter,次年底该公司被马斯克收购,2023年7月被升任为工程主管。
同样在3月离职的还有Dave Heinzinger,媒体战略/通讯负责人,仅仅在这家公司、这个岗位上工作了三个月就默默离开。5月,全球内容、人才与品牌销售主管Brett Weitz在效力2年后离职。
Brett和X的CEO Linda Yaccarino关系紧密。他在Linda2023年6月出任CEO之后就被聘用了,是Linda重建并强化平台内容与广告高级团队所做的关键人事布局之一。
到了7月,X CEO Linda本人干脆也离职了。
考虑到X的人员规模比特斯拉小很多,这波高管离职也是来势汹汹。
而马斯克手下另一家公司xAI,在今年年初已经和X正式合并,也损失了一员大将。7月,Uday Ruddarraju跳槽去了OpenAI。他是xAI的创始成员之一,负责基础设施工程,是非常关键的人物。
那么问题来了,这次的高管离职潮到底是因为什么?
在离职的11位高管中,只有两位是自己给出了原因的,他们不约而同地表示离开是为了陪伴家人。其他人要么沉默,要么只是表达对老东家的赞美和对未来的期许。
但这不代表外界捕捉不到端倪。
比如马斯克的心腹之一Omead Afshar。福布斯、路透社、CNBC等多家媒体声称,Afshar实际上是被解雇的,原因是业绩不佳。的确,欧洲汽车制造商协会(ACEA)的数据显示,在欧洲市场,特斯拉连续五个月销量下滑,5月销量下挫近28%。而Afshar离职时是北美和欧洲销售及制造运营的负责人。
但仔细看一下Afshar在特斯拉的经历,外界怀疑他这是又一次替马斯克“背锅”了。
为什么说“又”呢?Afshar最早是在2017年加入特斯拉的,彼时特斯拉正准备量产Model 3,并很快经历了公司的“至暗时刻”。Afshar是CEO办公室成员,陪伴马斯克左右,甚至感恩节、圣诞节都不例外。这也夯实了他与马斯克亲密的伙伴关系。
但是2022年的时候,特斯拉财务部门发现有可疑采购,订单金额高、用途模糊,后公司启动内部调查。最后,多名员工被裁,Afshar被因下单采购一种难以获得的“特殊玻璃”被问责离开。
有意思的是,Electrek与The Verge等科技媒体跟进,指出这笔订单或与“给马斯克盖玻璃屋”直接相关,而Afshar只不过是办事的人,如今替马斯克挡了灾而已。
Afshar那次被解雇的去向似乎也在暗示这种可能性,他被安排进了马斯克的另一家公司SpaceX,并且在短短一年之后又重回特斯拉,并且还升任成为了北美和欧洲销售及制造运营负责人。
如今Afshar再次被解雇,一个疑问几乎注定被提出:特斯拉的销量不好,究竟应该怪谁呢?
特斯拉曾经快速增长的电动汽车销量在2023年开始放缓,并在去年首次转为负值。然而,直到马斯克完成从中间派到自称“黑暗MAGA ”的政治旅程之后,销量才真正开始下滑。今年第一季度特斯拉全球交付量下降了13%,马斯克承认,在特朗普政府任职期间,他在经营公司方面 遇到了“很大困难”。
更别提全美掀起的抵制特斯拉和马斯克的活动,激烈的时候,参与者冲进特斯拉的店里暴力示威。
除了马斯克和特斯拉的口碑下滑之外,特斯拉数年间实际上真正推出的新车型只有CyberTruck,恐怕也是一个重要的原因。
曾向Afshar汇报的北美销售副总裁Troy Jones的离职,也被猜测是因为销售疲软和业绩重压。
说白了就是,马斯克实在不受控,工作压力太大了,事情太难做了,而且实在没辙了。
X的高管同样承受着马斯克带来的压力与混乱。
这就不得不说到Linda Yaccarino,他在2023年出任X的CEO。
或许你还记得2022年底马斯克收购Twitter之后的混乱,大刀阔斧地裁员、广告商集体出逃,马斯克透露要找个CEO的时候,曾说得找到“愚蠢到愿意来”的人。 Yaccarino成为了这个角色。
她有光鲜的履历,是广告界的顶尖人才,领衔NBC环球广告百亿美元营收。她也对在Twitter的工作有很高的抱负,入职后和马斯克一起宣称要打造“万物应用”,一个集一切于一身的万能App。
但是她的无助也很快显现,比如马斯克突然将Twitter改名为X,这么大的决定并非经由CEO宣之于众,甚至媒体爆料称她有可能提前并不知情。她的首要任务是召回广告商,但是马斯克持续发表逆天言论,安全团队被砍,平台风气大转变,争议越来越大,广告商并不愿意回去。
Yaccarino入职两个月后,就已经有员工向媒体爆料,称她实际上是“傀儡CEO”。Business Insider援引Twitter的一位前高管称:“即使她在做正确的事情,幕后也有一个主人在指手画脚。所以,她没法成功。”
在她任职的两年之中,人们经常忘记X还有一位CEO。7月,她突然宣布辞任X CEO一职,发表的辞职感言中说与马斯克共事两年完成“历史性业务扭转”,包括优先用户尤其儿童安全、恢复广告主信心,并推进向“万物应用”转型。
成立于1997年的独立媒体与营销咨询公司Ebiquity的 CEO Ruben Schreurs辛辣地讽刺道:她大胆宣称“扭转公司”“恢复广告主信心”,两者都不是真的。
根据Business Insider,X的营收仍大幅低于收购前,广告主也并未回归,业界称核心问题在马斯克。
不管在什么企业,高管是需要有一定空间去施展拳脚的,而如今在马斯克身边,这样的空间已经愈发狭窄了。
高管离职潮缘何而起?马斯克本身至少是原因之一。
另一个可以捕捉到的原因是人才争夺。
今年4月离职的特斯拉软件工程副总裁David Lau,以及xAI创始团队成员Uday Ruddarraju同时跳槽去了OpenAI,以他们的既往经验来看,外界猜测这和OpenAI的基础设施建设“星门计划”有关。
马斯克该做些什么呢?更关键的是,马斯克会做些什么吗?
马斯克身边的高管离职,甚至是出现高管离职潮,这已经不是第一次。
从既往来看,马斯克或采取淡化战术,或迅速行动恢复外界信心,抑或猛烈抨击,但唯独不会乱了阵脚。
马斯克经历的最残酷的一次高管离职潮,发生在2018年,全年涵盖会计/财务、HR、工程、销售、制造等多个关键岗位的高管陆续离开,人数超过40位。
特斯拉方面表示这与大型公司的离职潮相当,没什么奇怪,淡化离职潮的严重性。而马斯克则开始了一系列动作:从 5 月的“彻底重组”、6 月裁员重组,到 9 月首席会计官与 HR 大员同日离职——马斯克多次靠内部晋升和汇报线合并来救火;个人斥资985万美元增持特斯拉股票;在股东大会上强调公司现金流没问题,且公布Model 3的量产目标;同步量产进度,亲自下厂抓生产;呼吁“忽略媒体噪音”并声称“本季度是最棒的一季”,等等。
一否,二吹,三补位,马斯克一番操作下来,再加上后续产能爬坡,特斯拉成功渡过那次高管离职潮危机。
淡化是很重要的一步,马斯克大多数时候,对高管离职的问题是能不谈就不谈,就算是提及也是针对个人大夸特夸,你好我好地和平分手。但他也有淡化不了的时候,这种时候他就会变得颇为激进。
最典型的事例发生在2015年,苹果造车项目“泰坦计划”挖人挖到特斯拉头上,一挖就是超过40人。马斯克自然很不爽,在接受采访的时候说出了那句著名的话——苹果是“特斯拉坟场”:“如果你在特斯拉干得不好,就去苹果。”
这不是真的。
例如,Doug Field是特斯拉Model 3生产的关键人物,苹果还挖走了特斯拉的电池工程师、机械工程师以及供应链管理人员。这些领域正是特斯拉的核心竞争力所在,这些人的专业能力和行业影响力表明,他们并非马斯克所说的“被解雇”或“不怎么样”的员工。
对于离职高管,马斯克更激进的一次,是针对Yoel Roth的个人攻击。
Roth曾任Twitter的“信任与安全”(Trust & Safety)负责人,负责平台内容规则制定与执行,包括仇恨言论、误导信息、账号封禁等,是马斯克收购完成后少数仍留下来、并公开向广告主与用户解释安全政策的高级员工之一。
马斯克对他也很支持,曾在Roth关于特朗普的旧推文引起争议时,公开支持他,表示信任。
在马斯克大幅裁员、监管压力升高的背景下,Roth于2022年11月10日辞职;此前一天他还与马斯克同台向广告主保证平台不会沦为“无法无天”之地。
Roth在离职后,撰写专栏文章批评马斯克,称他独断专行,自己团队的警告被忽视,导致平台安全受损。
虽然他语气相对温和,强调马斯克并非“故事中的反派”,但这依然惹恼了马斯克。
马斯克的攻击颇为极端,直接公开暗示Roth是恋童癖(马斯克似乎总是暗示别人是恋童癖)。这导致Roth遭受了汹涌的马斯克粉丝骚扰,被人肉、被威胁,甚至是死亡威胁。后来,他甚至不得不雇武装保镖、数月躲藏并多次搬家。
目前来看,今年离职的数位高管中,尚未有人公开批评马斯克,这种极端事件再次上演的可能性不高。
马斯克是会继续沉默、淡化高管离职潮,还是会采取手段、试图恢复外界信心呢?
问题也许在于,马斯克究竟还有什么手段能恢复外界信心?
∞ 山姆不再是中产的“好丽友”?
山姆会员店,正在透支中产的信任。好丽友有一句经典的广告词,叫“好丽友,好朋友”。但好丽友最近惹起的舆论风波,似乎在一夜之间,让山姆背刺了500万山姆中产会员,不再是他们的“好朋友”。
起因是,有会员发现,山姆下架了蛋黄酥、米布丁、杨枝甘露等多种爆款好评商品。而好丽友派、卫龙魔芋爽、溜溜梅、盼盼小泡芙等“大众款”零食,在简单换了包装、品牌或者取个英文名字后,就被贴上“山姆专供”进场售卖。
比如盼盼法式小泡芙采用全英文“panpan”,洽洽瓜子变身“chacheer”,徐福记以呈味空间的品牌亮相等。值得一提的是,好丽友派还曾在2022年闹出中外配方双标的丑闻。
山姆惹中产会员不高兴了
7月15日,“山姆下架多款口碑商品上新好丽友”的话题冲上热搜。有网友在社交媒体宣泄不满,“我付680元年费才获得的购物资格,不是为了在会员店里买楼下便利店就有的东西”。有高赞评论表示认同,“哪怕贴上山姆特供标签,好丽友也配不上我的会员卡。”
还有众多会员冲到山姆会员商店App评论区差评,说山姆“变了”,选品不再是“只有山姆才有”,从“专供”变为“普供”了,换个马甲就加价,并提出“退卡”的要求。
类似的不满发酵成山姆的又一轮信任危机。山姆紧急下架好丽友派和卫龙牛肝菌魔芋,并表示,已将会员意见纳入后续选品策略的考虑之中。
但扎进中产会员心里的刺,却不是那么容易拔出来。“好丽友”事件发酵后,网络上对山姆惹怒会员的归因,大致可以概括为三类:
一类是对“山姆供应链本土化的阴谋论”,认为山姆中国高层换成中国人,走“本土化下沉”路线后,导致山姆选品失控,品质下滑。这类说法里还有个极端版本,称“某国产商超离职高管潜入山姆做卧底,故意引入大路货砸招牌”。其矛头无疑是指向沃尔玛中国总裁兼首席执行官朱晓静为首的本土高管团队。
图源:网络
这或是在表达供应商的一种不满,即山姆推进扩张策略,对供应商不断压价,导致他们几乎赚不到钱。但“卧底式”的猜想显然是捕风捉影,山姆回应称,对山姆管理层和商品进行恶意诋毁的信息,扰乱市场并对消费者造成严重误导,“公司将采取一切必要法律手段追究其责任,坚决维护消费者权益与品牌声誉。”
退一步说,山姆是洋品牌,但从来不是“只卖进口商品”,甚至原装进口的商品并不多。其在中国耕耘的几十年间,已经完成“对进口商品祛魅了”,并用一套极为严苛的“山姆严选”标准,挖掘并倒逼一批优秀的国产供应链厂商完成升级,互利共赢。比如山姆爆款瑞士卷的供应商,也是奈雪、华润万家、盒马、大润发等公司的合作伙伴。
第二类是,部分消费者对国产大众品牌仍存在偏见和刻板印象。如果设问,盼盼、卫龙、洽洽等本土品牌为什么不能进山姆?他们下意识的反应可能是,它们不配,适合出现在街边小店或者普通商超。
实际上,近年来,国货零食品牌纷纷体质,向健康化、高端化、品质化和年轻化转型,讲究用料、包装设计、口味创新。比如,这次引发争议的几款商品,也不是“便利店就能买到的普通款”,确实是山姆“特供商品”。
图源:网络
像好丽友派,强调低糖和加浓可可两个元素——减糖80%、增加30%可可成分、0反式脂肪,包装盒上的这三组数据,也符合该超市“严选零食”的一贯定位;卫龙在山姆上架的魔芋爽在包装上标识“添加云南牛肝菌”,独立包装,不同于普通装的卫龙辣条或魔芋爽。卫龙方面证实,这是近期新上的新品,只在山姆一个系统内销售,其他渠道无法购买。
某种意义上,这也是对不断向上、打进高端市场的国产品牌的刻板印象,片面的否定中国本土企业、供应链的进步。
还有一类是,好丽友派引发中产阶级保卫战。山姆会员卡分为普通会员(260元)和卓越会员(680元)两档,会员卡实行专人专卡制度,严禁借用,这样的门槛设置,也筛选出具有较强消费能力的人群。前山姆会员店总裁文安德在力推会员费涨价时称,“通过升级去完成会员筛选,做人群分类实现客户聚焦。”
山姆会员商店的年费,也是一种“中产信任税”。对于中产阶级来说,不只是一张进场消费的“会员门票”,更被赋予“中产阶级通行证”等内涵。山姆会员享受的不只是购物体验或者商品品质本身,还在于山姆努力维系的会员中产阶级的身份认同。
当主打“精明消费”的中产阶级,在大众品牌面前没有了体面时,心态也就失衡了。于是,对好丽友派、卫龙等的攻击,就成了捍卫阶层边界的宣泄口。
山姆新常态,要重建会员信任
在我看来,这三类归因,有其合理的地方,符合部分事实,甚至在一些语境里或者话题里,也确实符合大众对山姆的认知。
但山姆刺痛中产会员的核心原因,还是中产会员对山姆的信任正在逐步丧失——会员模式的基础是信任。就像有观点认为,阴谋论、国货偏见、阶级保卫战等,都更像是山姆会员为“信仰崩塌”寻找的戏剧性解释。
在2025年沃尔玛投资大会上,朱晓静将山姆会员店在中国市场的优异表现,归结为三大关键因素:优质的商品与体验、全渠道便利购物以及与会员建立的深厚信任关系。她认为,这三个因素,构建了“商品-全渠道-信任”的价值闭环,也形成了山姆独特的差异化竞争壁垒。
这是山姆中国用了近30年时间,才跑出一套模式。在进入中国的前20年,山姆会员店一直不温不火,其大仓、收费会员模式遭遇“水土不服”的窘境,不被中国消费者接受。朱晓静曾提到,山姆的付费会员达到第一个100万时,花费了21年时间。经过多年的耕耘,山姆的付费会员数量开始呈现指数级增长:第二个100万会员,山姆用了3年时间;而第三个100万,只用了9个月的时间。
当前,中国山姆有效会员数突破500万,年费收入超13亿元。让一众竞争对手眼红的是,这批会员群体展现出惊人的忠诚度和消费能力。有数据显示,山姆卓越会员续卡率高达92%,并贡献60%营收占比。
不久前,沃尔玛中国区CEO朱晓静披露了几组数据:中国区已有8家山姆门店实现单店年销售额36.7亿元。这一业绩不仅超越传统大卖场单店年销售额(3-5亿元)的7-12倍。
但随着本土零售、电商平台的发力,山姆在商品、渠道维度的竞争力已经在衰减。比如商品层面,胖东来、盒马、京东七鲜等都在品质、独特性和差异化上做出了成绩。它们不断深入源头,采用最新技术,加上全链路品控标准,也在捕获不少消费者的信赖。像盒马的日日鲜,牛奶只售24小时,从工厂到货架仅需3小时。
全渠道便利性方面,山姆的配送能力主要受益于和京东达达的合作,当前除了面临盒马、七鲜、胖东来等的围剿,还需要直面外卖大战的影响,美团、淘宝闪购、京东秒送通过外卖将平台能力,投射到时效更快的配送业务上。这是山姆需要正面的新常态。
这样一来,山姆所依仗的价值闭环,也就剩下信任,并且还拥有比较高的竞争壁垒。朱晓静在谈及信任时称,“山姆的会员信任我们,他们相信当他们来到山姆会员店,可以以优惠价格买到优质产品,他们相信我们不断努力改善购物体验,他们也相信我们真正了解他们。”
曾经,为了做到“满大街都有人做的东西,我们就不做了”,一旦市面上出现同质化的商品,山姆就会主动在店内下架该商品。这也是朱晓静的底气,“如果要说山姆有什么别人无法比拟的特点,那就是我们对商品和品质的精益求精的态度和精神。”
有供应链人士评价,山姆的成功不在于会员制,而是在于它让大家明白了,什么样的产品才配会员制。换句话说,山姆通过选品、供应链、品控和会员专属等标准,建立起的会员“信任经济”,才是山姆的核心竞争力。
但随着近些年来,围绕山姆会员店的品控能力下降、食品安全问题不断以及迅猛扩张的质疑不断出现,中产阶级对山姆的信任也被持续透支。
比如,2024年以来,山姆会员商店食品安全丑闻频发。如牛肉变质引发舆论风波,3月被消费者投诉鲜奶结块,6月被曝出“坚果有蠕虫”,浙江消费者在购买的牛奶中喝出两块比指甲盖还大的塑料片,未拆封的烤肠里发现毛发……
长此以往,山姆在渠道、商品选品和会员信任的闭环上,就出现失衡。山姆会员商店商品是不是还能“闭眼入”,也要打一个问号了。
目前来看,山姆意在更广阔的下沉市场。目前山姆会员店数量已接近60家,且开始深入县级市等三线城市。据《界面新闻》报道,山姆计划从2025年起,每年开设8-10家门店。
这轮“好丽友”风波传递出的一个信号是:500万中产会员的身份认同和情绪消费,或已经成为山姆扩张中的一个巨大包袱。
这反而成为盒马、胖东来、京东七鲜等国产玩家的优势,它们在过去的竞争中,模仿山姆,也终究没有能成为山姆,只能重新出发,选择适合自身体系的路径发展。比如盒马二次创业后,目前的年销售额也已经达到750多亿元,拉近了与山姆的差距。
对山姆来说,不可能做到“既要-又要-还要”:既要拿下所有中国中产阶级的消费市场,又要把触角伸向更广阔的低线市场,还要维持“商品-全渠道-信任”价值闭环的均衡。
当更多中国零售品牌、电商平台目标瞄向大消费领域,通过外卖等形式的商战将更多普通消费者卷入时,山姆最需要考虑的还是如何来重建会员和消费者信任了。
∞ 台积电称汇率是个“大变数” 将不断评估对冲策略
台积电财务长黄仁昭表示,该公司认为汇率波动对利润率来说是个“大变数”,并将不断评估对冲策略以控制其影响。黄仁昭在周五接受采访时表示:“汇率是我们无法控制的因素,曾经有过对我们不利的时候,但我们设法依靠其他因素保持了盈利能力,这就是我们要去做的事情。”
“我们使用不同的对冲方案。第一种是直接在现汇市场卖出美元,”黄仁昭说。“我们也使用远期合约,还会把部分现金,美元现金,转到一家财务报表是用美元记账的离岸控股公司。”
自此之前,该全球最大芯片代工商公布了强于预期的第二季度盈利增速,并上调了2025年营收增长展望,凸显了全球人工智能(AI)支出热潮带来的强劲需求。尽管前景如此光明,但台积电同其他台湾出口商,以及持有大量美国资产的人寿保险公司一起,仍面临着台币升值带来的挑战。今年以来,新台币兑美元已飙升逾11%。
在周四的财报电话会议上,黄仁昭警告称,台积电第三季度业绩可能会受到台币走强的更大冲击。他估计,新台币兑美元每升值1%,该公司收入就会减少1%。台积电上个月表示,其势将向其海外子公司注入100亿美元资本,以强化汇率风险对冲操作。