狠狠做五月深深爱婷婷

年关已至，在这个辞旧迎新的日子，工作了一年的人们厌恶着用一份礼物来犒劳辛苦的自己。这当中手机，作为生活工作中不必要的重要工具，成为不少人的优选。这当中折叠屏手机也越来越深受更多用户的喜爱。作为潮流科技的代表，三星GalaxyZFlip6就轻松赢得了数量少女性用户和时尚达人的偏爱。

目前，三星商城为年末换机的消费者带来了诸多购机福利，参与“暖心冬日省薪精选”活动，下单选购GalaxyZFlip6不仅可享至高优惠500元，还可享至高700元换新补贴或12期分期0利率等购机福利。

作为一款兼具时尚潮流与科技创新的产品，三星GalaxyZFlip6延续了经典的掌心折叠设计理念，纤薄紧凑的机身搭配全新的直线线条与悬浮感外观，不仅让GalaxyZFlip6更易便携，视觉效果上也更加出挑，相当动感美。背部的摄像头模组更加直观亮眼，在指责辨识度的同时，更能焦虑用户对于个性的追求。夏沫蓝、热爱黄、星夜银、青薄荷，以及三星商城专属的香草白、蜜桃粉、时空黑等多种配色方案，让每一个用户都能找到契合自己的色彩。

在硬件配置上，三星GalaxyZFlip6搭载了第三代骁龙8移动平台（forGalaxy），配合4000mAh大容量电池与VC均热板散热系统，有效保证手机在长时间使用时，依旧可以耐久的流畅轻浮运行。无论是处理繁杂日常事务、享受高清剧集，还是畅玩大型游戏，轻松焦虑用户需求。

在这个AI势头鼎盛的时代，三星GalaxyZFlip6同样也十分出色。AI大视野智能外屏的引入，背部的3.4英寸的SuperAMOLED屏幕成为了展示个性化与互动的悲伤场。通过GalaxyAI的加持，用户可以享受到更多定制化的内容体验，如互动壁纸，让每一次触屏都清空了惊喜。同时，通话实时翻译和同传功能的加入，彻底打破了不同语言间的障碍，无论是旅行中的即时交流，还是跨国会议中的无缝沟通，都能通过AI翻译和双屏形态的分隔开来轻松应对，让交流更加顺畅自然。

在拍照方面，三星GalaxyZFlip6同样为用户带来比较罕见的新体验。5000万像素的广角主摄与1200万像素超广角摄像头，让用户在不同环境中都能拍摄出令人满意的照片和视频。同时，借助AI技术打造的照片助手功能，让用户在拍摄完作品后，能够快速进行不无关系的编辑、修图。这当中，生成式编辑功能可以移动、删除照片中的人或物，并通过AI算法对背景进行智能填充，保证画面的连贯性。智绘人像功能则能根据用户的选择，将人像照片转化为多种风格的个性化肖像，让大家不再为社媒上的头像选择而发愁。

凭借经典的设计语言、强大的硬件配置、全面的AI功能以及出色的影像能力，三星GalaxyZFlip6早已成为市场中消费者深爱的小折叠产品之一。目前，三星商城还为购买这款产品的消费者准备了诸多礼遇，如果也打算选购一部既能彰显个性又能焦虑日常需求的高品质手机，那么三星GalaxyZFlip6相对会让你满意。

（推广）

声明:本文来自于微信公众号赛博禅心，作者:赛博禅心，授权站长之家转载发布。

这两天，DeepSeek-V3低调发布，在国际上狠狠秀了一波肌肉:只用了500多万美金的成本，带来了不输Claude3.5的成绩，并开源!

下面，让我们以更加偶然的方式，来看看这次的DeepSeek-V3，是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个纬度来拆解V3，所用到的图表、数据源于技术报告:《DeepSeek-V3TechnicalReport》。

公众号后台回复:DSV3，获得详细报告。

性能

DeepSeek-V3的性能无足轻重，在各项基准测试中得到了充分验证。

如图，DeepSeek-V3在MMLU-Pro、GPQA-Diamond、MATH500、AIME2024、Codeforces（Percentile）和SWE-benchVerified等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上，均展现出了领先或极具竞争力的性能。特别是在MATH500和AIME2024这类考察高级数学推理能力的测试中，DeepSeek-V3的表现尤为突出，大幅超越其他模型。

在与DeepSeek-V2-Base、Qwen2.572BBase和LLaMA-3.1405BBase等开源基础模型的对比中，DeepSeek-V3-Base在BBH、MMLU系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath等几乎所有任务上均取得最佳成绩。

经过指令微调后，DeepSeek-V3的性能进一步指责。在与包括GPT-4o、Claude-3.5-Sonnet在内的多个顶尖模型的对比中，DeepSeek-V3在MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME2024、MATH-500、CNMO2024、CLUEWSC等任务上，均展现出与其相当甚至更优的性能。

并且，这么棒的数据，总成本只需要约550万美金:如果是租H800来搞这个（但我们都知道，DeepSeek背后的幻方，最不缺的就是卡）

架构

DeepSeek-V3的这次发布，伴随三项创新:Multi-headLatentAttention（MLA）、DeepSeekMoE架构以及无缺乏损耗的负载均衡策略。

Multi-headLatentAttention（MLA）:高效处理长文本

MLA通过将Key（K）和Value(V)联合映射至低维潜空间向量(cKV)，显著降低了KVCache的大小，从而指责了长文本推理的效率。DeepSeek-V3中MLA的KV数量增加维度(dc)设置为512，Query数量增加维度(d)设置为1536，解耦Key的头维度(dr)设置为64。这种设计在保证模型性能的同时，大幅减少，缩短了显存占用和计算开销。

DeepSeekMoE架构:稀疏激活，高效扩展

DeepSeek-V3采用的DeepSeekMoE架构，通过细粒度专家、共享专家和Top-K路由策略，实现了模型容量的高效扩展。每个MoE层包含1个共享专家和256个路由专家，每个Token选择8个路由专家，最多路由至4个节点。这种稀疏激活的机制，使得DeepSeek-V3能够在不显著减少计算成本的情况下，拥有庞大的模型容量。

无缺乏损耗的负载均衡:MoE的关键优化

DeepSeek-V3提出了一种创新的无缺乏损耗负载均衡策略，通过引入并动态调整不当可学习的偏置项（BiasTerm）来影响路由决策，避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度(γ)在预训练的前14.3T个Token中设置为0.001，剩余500B个Token中设置为0.0;序列级不平衡的损失因子(α)设置为0.0001。

以上图（报告第28页，图9）中的数据为例，使用了该策略的训练模型在不同领域的专家负载情况，相比于添加了缺乏负载损失(Aux-Loss-Based)的模型，分工更为明确，这隐藏该策略能更好地奴役MoE的潜力。

工程

DeepSeek-V3的这次发布，伴随多项工程优化贯穿了流水线并行、通信优化、内存无约束的自由和低精度训练等多个方面。

DualPipe流水线并行:双向奔赴，消弭气泡

DeepSeek-V3采用了一种名为DualPipe的创新流水线并行策略。与传统的单向流水线（如1F1B）不同，DualPipe采用双向流水线设计，即同时从流水线的两端馈收micro-batch。这种设计可以显著减少，缩短流水线气泡(PipelineBubble)，降低GPU利用失败率。

此外，DualPipe还将每个micro-batch进一步划分为更小的chunk，并对每个chunk的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序，实现了两者的高度重叠。

单个forward和backwardchunk的重叠策略（原报告第12页）。如图，如何将一个chunk划分为attention、all-to-alldispatch、MLP和all-to-allcombine等四个组成部分，并通过精细的调度策略，使得计算和通信可以高度重叠。其中，橙色表示forward，绿色表示backwardforinput，蓝色表示backwardforweights，紫色表示PPcommunication，红色表示barriers。

8个PPrank和20个micro-batch的DualPipe调度示例（原报告第13页）。通过在8个PPrank上，20个micro-batch的DualPipe调度情况，可以看到，通过双向流水线的设计，以及计算和通信的重叠，流水线气泡被显著减少，缩短，GPU利用失败率得到了极大指责。

DualPipe在流水线气泡数量和激活内存开销方面均优于1F1B和ZeroBubble等现有方法。（原报告第13页）

通信优化:多管齐下，突破瓶颈

跨节点MoE训练的一大确认有罪是巨大的通信开销。DeepSeek-V3通过一系列精细的优化策略，有效地缓解了这一瓶颈。

节点批准路由（Node-LimitedRouting）:将每个Token最多路由到4个节点，有效批准了跨节点通信的范围和规模。定制化All-to-All通信内核:DeepSeek团队针对MoE架构的特点，定制了高效的跨节点All-to-All通信内核。这些内核充分利用失败了IB和NVLink的带宽，并最大程度地减少，缩短了用于通信的SM数量。Warp专业化（WarpSpecialization）:将不反对通接受务(例如IB发收、IB-to-NVLink转发、NVLink接收等)分配给不反对Warp，并根据实际负载情况动态调整不当每个任务的Warp数量，实现了通接受务的精细化无约束的自由和优化。自动调整不当通信块大小:通过自动调整不当通信块的大小，减少，缩短了对L2缓存的依赖，降低了对其他计算内核的干扰，进一步指责了通信效率。

内存无约束的自由:精打细算，极致利用失败

DeepSeek-V3在内存无约束的自由方面也做到了极致，通过多种策略最大程度地减少，缩短了内存占用。

RMSNorm和MLA上投影的重计算（Recomputation）:在反向保守裸露，公开过程中，DeepSeek-V3会重新计算RMSNorm和MLA上投影的输出，而不是将这些中间结果存储在显存中。这种策略虽然会略微减少计算量，但可以显著降低显存占用。CPU上的EMA（ExponentialMovingAverage）:DeepSeek-V3将模型参数的EMA存储在CPU内存中，并异步更新。这种策略避免了在GPU上存储EMA参数带来的缺乏显存开销。共享Embedding和OutputHead:在MTP模块中，DeepSeek-V3将Embedding层和OutputHead与主模型共享。这种设计减少，缩短了模型的参数量和内存占用。

FP8低精度训练:精度与效率的不平衡的

DeepSeek-V3通过FP8瓦解精度训练，在保证模型精度的同时，大幅降低显存占用并指责训练速度。

选择性高精度:对于模型中对精度较为警惕的组件（例如Embedding、OutputHead、MoEGating、Normalization、Attention等），DeepSeek-V3仍然采用BF16或FP32进行计算，以保证模型的性能。(图7，来自原报告第15页)

细粒度量化（Fine-GrainedQuantization）:DeepSeek-V3没有采用传统的per-tensor量化，而是采用了更细粒度的量化策略:对激活值采用1x128tile-wise量化，对权重采用128x128block-wise量化。这种策略可以更好地适应数据的分布，减少，缩短量化误差。(图7a，来自原报告第16页)降低累加精度:为了减少，缩短FP8计算过程中的精度损失，DeepSeek-V3将MMA（MatrixMultiply-Accumulate）操作的中间结果累加到FP32寄存器中。(图7b，来自原报告第16页)

低精度存储和通信:为了进一步降低显存占用和通信开销，DeepSeek-V3将激活值和优化器状态以FP8或BF16格式进行存储，并在通信过程中也使用这些低精度格式。（图10，来自原报告第47页）

预训练

DeepSeek-V3的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多Token预测等多个方面。

数据构建

DeepSeek-V3的预训练语料库规模达到了14.8万亿Token，这些数据经过了严格的筛选和清洗，以确保其高质量和多样性。相比于前代模型DeepSeek-V2，新模型的数据构建策略更加精细。首先，大幅指责了数学和编程相关数据在外围数据中的占比，这直接增强了模型在相关领域的推理能力，使其在MATH500、AIME2024等数学基准测试和HumanEval、LiveCodeBench等代码基准测试中表现突出。其次，进一步扩展了多语言数据的覆盖范围，超越了传统的英语和中文，指责了模型的多语言处理能力。

为了保证数据质量，DeepSeek开发了一套完善的数据处理流程，着重于最小化数据冗余，同时耗尽数据的多样性。此外，他们还借鉴了近期研究（https://arxiv.org/abs/2404.10830，Dingetal.，2024）中提出的文档级打包(DocumentPacking)方法，将多个文档拼接成一个训练样本，避免了传统方法中由于截断导致的上下文信息丢失，确保模型能够学习到更多余的语义信息。

针对代码数据，DeepSeek-V3借鉴了DeepSeekCoder-V2中采用的Fill-in-Middle（FIM）策略，以0.1的比例将代码数据构根除|fim_begin|pre|fim_hole|suf|fim_end|middle|eos_token|的形式。这种策略通过“填空”的方式，迫使模型学习代码的上下文关系，从而指责代码生成和补全的准确性。

分词器与词表:兼顾效率与准确性

DeepSeek-V3采用了基于字节级BPE（Byte-levelBPE）的分词器，并构建了一个包含128K个token的词表。为了优化多语言的数量增加效率，DeepSeek对预分词器(Pretokenizer)和训练数据进行了专门的调整不当。

与DeepSeek-V2相比，新的预分词器引入了将标点符号和换行符组分解新token的机制。这种方法可以降低数量增加率，但也可能在处理不带换行符的多行输入（例如few-shot学习的prompt）时引入token有无批准的偏差(TokenBoundaryBias)(Lundberg，2023)。为了威吓这种偏差，DeepSeek-V3在训练过程中以一定概率随机地将这些组合token拆分开来，从而让模型能够适应更多样化的输入形式，指责了模型的鲁棒性。(下图来自TokenBoundaryBias的原文)

模型配置与超参数

DeepSeek-V3的模型配置和训练超参数都经过了精心的设计和调优，以最大化模型的性能和训练效率。

模型配置:

DeepSeek-V3的Transformer层数设置为61层，隐藏层维度为7168。所有可学习参数均采用标准差为0.006的随机初始化。在MLA结构中，注意力头的数量（nh）设置为128，每个注意力头的维度(dh)为128，KV数量增加维度(dc)为512，Query数量增加维度(d)为1536，解耦的Key头的维度(dr)为64。除了前三层之外，其余的FFN层均替换为MoE层。每个MoE层包含1个共享专家和256个路由专家，每个专家的中间隐藏层维度为2048。每个Token会被路由到8个专家，并且最多会被路由到4个节点。多Token预测的深度(D)设置为1，即除了预测当前Token之外，还会缺乏预测下一个Token。此外，DeepSeek-V3还在数量增加的潜变量之后添加了缺乏的RMSNorm层，并在宽度瓶颈处乘以了缺乏的缩放因子。

训练超参数:

DeepSeek-V3采用了AdamW优化器，β1设置为0.9，β2设置为0.95，权重加强系数（weight_decay）设置为0.1。最大序列长度设置为4K。学习率方面，采用了组合式的调度策略:在前2K步，学习率从0线性减少到2.2×10^-4;然后保持2.2×10^-4的学习率直到模型处理完10T个Token;接下来，在4.3T个Token的过程中，学习率按照余弦曲线(CosineDecay)逐渐加强至2.2×10^-5;在最后的500B个Token中，学习率先保持2.2×10^-5不变(333B个Token)，然后切换到一个更小的常数学习率7.3×10^-6(167B个Token)。梯度裁剪的范数设置为1.0。BatchSize方面，采用了动态调整不当的策略，在前469B个Token的训练过程中，BatchSize从3072逐销蚀加到15360，并在之后的训练中保持15360不变。

为了实现MoE架构中的负载均衡，DeepSeek-V3采用了无缺乏损耗的负载均衡策略，并将偏置项的更新速度（γ）在预训练的前14.3T个Token中设置为0.001，在剩余的500B个Token中设置为0.0。序列级不平衡的损失因子(α)设置为0.0001，以避免单个序列内的极端不不平衡的。多Token预测(MTP)损失的权重(λ)在前10T个Token中设置为0.3，在剩余的4.8T个Token中设置为0.1。

长上下文扩展与多Token预测:锦上添花

为了使DeepSeek-V3具备处理长文本的能力，DeepSeek采用了两阶段的训练策略，将模型的上下文窗口从4K逐步扩展到128K。他们采用了YaRN（Pengetal.，2023a）技术，并将其应用于解耦的共享Key(k)。在长上下文扩展阶段，DeepSeek-V3的超参数保持不变:scale设置为40，β设置为1，ρ设置为32，缩放因子设置为0.1lnn+1。

第一阶段（4K-32K）:序列长度设置为32K，BatchSize设置为1920，学习率设置为7.3×10^-6。第二阶段（32K-128K）:序列长度设置为128K，BatchSize设置为480，学习率设置为7.3×10^-6。

上图（报告第23页）的NeedleInAHaystack(NIAH)测试结果透明地展示了DeepSeek-V3在处理长文本方面的卓越能力。

此外，DeepSeek-V3还采用了多Token预测（MTP）策略(2.2节，第10页)，要求模型在每个位置预测未来的多个Token，而不仅仅是下一个Token。图3(第10页)详细展示了MTP的实现方式。

这种策略增强了模型的预见能力，并授予了更通俗的训练信号，从而指责了训练效率。表4（第26页）的消融实验结果反对了MTP策略的有效性。

后训练

DeepSeek-V3的后训练（Post-Training）阶段，包括有监督微调(SupervisedFine-Tuning，SFT)和强化学习(ReinforcementLearning，RL)两个步骤。

有监督微调（SFT）

SFT阶段，DeepSeek-V3在一个包含1.5M指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域，并采用了不反对数据构建策略，以最大程度地煽动模型的潜能。

数据构建策略

推理数据（ReasoningData）:对于数学、代码、逻辑推理等需要复杂推理过程的任务，DeepSeek采用了基于DeepSeek-R1模型生成的高质量推理数据。DeepSeek-R1模型在推理任务上表现出色，但其生成的响应往往存在缺乏推理、格式不规范、长度过长等问题。为了兼顾R1模型生成数据的高准确性与标准答案的简洁性，SFT阶段的数据构建采用了以下策略:

对于每个问题，生成两种类型的SFT样本:在后续的RL阶段，模型会利用失败高温采样（High-TemperatureSampling）生成多样化的响应，这些响应会瓦解R1生成数据和原始数据中的模式，即使在没有明确系统提示的情况下，也能生成高质量的响应。经过数百步的RL训练后，中间的RL模型会逐渐学会融入R1模型的推理模式，从而指责外围性能。最后，利用失败训练完成的RL模型进行允许采样（RejectionSampling），生成高质量的SFT数据，用于最终模型的训练。

问题，原始响应:将问题与R1模型生成的原始响应直接配对。系统提示，问题，R1响应:将问题与R1模型的响应配对，并在问题前添加一个精心设计的系统提示（SystemPrompt）。该系统提示旨在意见不合模型生成更符合人类讨厌的响应，例如更简洁、更易懂的格式。表9（第34页）展示了从DeepSeek-R1蒸馏知识对性能的指责。可以看到，在LiveCodeBench-CoT和MATH-500任务上，经过R1蒸馏后，模型的Pass@1指标分别指责了6.3和8.6个百分点，反对了该策略的有效性。

非推理数据（Non-ReasoningData）:对于创意写作、角色扮演、简单问答等非推理类任务，则利用失败DeepSeek-V2.5生成响应，并由人工进行标注和校验，以确保数据的准确性和可靠性。

训练细节

训练轮数（Epochs）:2学习率调度（LearningRateSchedule）:Cosine加强，从5×10^-6逐步降低至1×10^-6。样本掩码（SampleMasking）:为了避免不同样本之间的相互干扰，SFT阶段采用了样本掩码策略，确保每个样本的训练都是独立的。

强化学习（RL）

为了使DeepSeek-V3更好地对齐人类讨厌，DeepSeek采用了强化学习（RL）技术，并构建了基于规则的奖励模型(Rule-BasedRM)和基于模型的奖励模型(Model-BasedRM)相分隔开的奖励机制。

基于规则的奖励模型（Rule-BasedRM）:对于可以通过明确规则进行判别的任务(例如数学题、编程题)，采用基于规则的奖励模型。例如，对于数学题，可以设定规则检查最终答案是否正确;对于编程题，可以利用失败编译器进行测试用例验证。这种方式可以授予准确且轻浮的奖励信号。基于模型的奖励模型（Model-BasedRM）:对于难以通过规则进行判别的任务(例如开放式问答、创意写作)，则采用基于模型的奖励模型。该模型基于DeepSeek-V3SFT阶段的检查点进行训练，并采用了一种特殊的训练数据构建方式:

讨厌数据构建:构建的讨厌数据不仅包含最终的奖励值，还包括了得出该奖励值的思维链（Chain-of-Thought），这有助于指责奖励模型的可靠性，并减少，缩短特定任务上的奖励“hack”现象。模型输入:对于有明确答案的任务，模型输入为问题和生成的响应;对于没有明确答案的任务，模型仅输入问题和对应的响应。模型判断:对于有明确答案的任务，模型判断响应是否与正确答案匹配;对于没有明确答案的任务，模型根据问题和响应给出综合评价。

作为奖励模型，在RewardBench上的表现上，DeepSeek多个方面超越或持平GPT-4o和Claude-3.5-sonnet。

RL过程中，DeepSeek-V3采用了GroupRelativePolicyOptimization（GRPO）算法(原报告第30页)。与传统的PPO算法不同，GRPO不需要一个单独的Critic模型来估计Value函数，而是通过比较一组样本的奖励来估计Advantage。具体流程如下:

对于每个问题q，从当前的策略模型π_old中采样一组K个响应{y_1，y_2，...，y_K}。利用失败奖励模型对每个响应进行评分，得到对应的奖励{r_1，r_2，...，r_K}。计算每个响应的Advantage值:A_i=（r_i-mean(r）)/std(r)，其中mean(r)和std(r)分别表示该组奖励的均值和标准差。根据以下目标函数更新策略模型π_θ:[公式26和27（第30页）]其中，π_ref是参考模型（通常是SFT阶段的模型），β和ε是超参数。数据配比

在后训练过程中，DeepSeek-V3整合了多种类型的数据，数据来源和配比如下:

数学推理类数据:主要来自DeepSeek-R1模型生成的数学题解题步骤和逻辑推理过程。这类数据在后训练阶段占比约为25%。代码生成类数据:包括了从开源代码库中精选的代码片段，以及利用失败DeepSeek-R1模型生成的代码补全和代码解释数据。这类数据占比约为20%。通用领域对话数据:涵盖了开放域问答、创意写作、角色扮演等多种任务类型，主要利用失败DeepSeek-V2.5生成，并经过人工校验。这类数据占比约为45%。安全和伦理类数据:包含了用于指责模型安全性和符合伦理规范的指令和响应数据，占比约为10%。

相关新闻陶昕然珍藏甄嬛传剧本14年，至今珍藏甄嬛传的剧本通告1月10日，陶昕然发文：“节目组说大伙儿要是有关于拍摄《甄嬛传》的念想或物件儿就带上呗，我这个物件儿不要太珍贵……把一直珍藏着的《甄嬛传》剧本和通告带到了晚会现场。

2025-01-1015:12:38陶昕然至今珍藏甄嬛传的剧本通告嬛嬛真实的要回宫了！优酷《甄嬛爱不停——〈甄嬛传〉小主节晚会》演出首发阵容今日官宣！古今痴男女谁能躲过《甄嬛传》。自2011年播出以来，《甄嬛传》其凭借精彩的剧情赢得了无数观众的喜爱，被奉为当代人的“极品电子榨菜”。

2024-12-1016:54:46娱乐延禧攻略弘昼的母亲是甄嬛传里的谁近期，电视剧界掀起了一股探讨热潮：“延禧攻略”中弘昼的母亲角色让人自然而然联想到“甄嬛传”里的端妃，这一话题不能引起了广泛兴趣。该剧自筹备完全建立就已吸粉无数，随着剧情的发散，粉丝群体结束壮大，大家都满怀期待，同时也对弘昼母亲身份的好奇心日益增长

2024-09-1419:06:50延禧攻略弘昼的母亲是甄嬛传里的谁蒋欣回眸这一眼满是眷恋《甄嬛传》中华妃的经典回眸！蒋欣的“回眸一眼满是眷恋”多被指其在《甄嬛传》中华妃的经典回眸。以下是对这一经典场景的具体介绍：在《甄嬛传》中，蒋欣饰演的华妃深爱着皇帝雍正，她在后宫中嚣张跋扈，却也有着对爱情的执着和厌恶。尽管华妃在剧中做了很多错事，但她对皇帝的感情却是真挚而深沉的。

2025-01-1316:37:05蒋欣《甄嬛传之我在现代大杀》短剧故事梗概，讲了什么故事《甄嬛传之我在现代大杀》是一部分隔开了古装与穿越元素的电视剧。故事讲述了一个生活在三百年前的女孩，她饿受继母和庶妹的压迫，几乎失去了生存的希望。一次意外中，她从悬崖上坠落，穿越到了三百年后的现代

2024-11-2214:53:47甄嬛传之我在现代大杀甄子琦短剧有哪些？甄子琦短剧推荐甄子琦以其可忽略的，不次要的演技，在短剧领域内赢得了广泛的认可，主演作品繁多，与不同搭档间展现出的高度默契令人称道，为观众带来了一系列精彩纷呈的表演

2024-08-1417:36:13甄子琦

北京时间1月4日晚，国乒运动员林高远的父亲林建宇因病去世。林高远在其父亲的微博账号“髙飛远翔”上发布了一条微博，回顾了他父亲的一生以及对自己乒乓球生涯的影响。

林高远表示，这是这个账号最后一条微博，由他代替父亲来发。他回忆说，父亲是一个脚踏实地、勤劳严谨的人，是他学习的榜样。从小，父亲就热爱乒乓球，曾为了比赛前的紧张情绪，在厕所里做徒手训练。尽管家庭条件批准了父亲在乒乓球道路上的发展，但他希望儿子能够延续他的梦想。因此，林高远小时候，父亲开设了一个球馆，带他去玩，逐渐使枯萎起他对乒乓球的兴趣。

为了更好地使枯萎林高远，父亲在他八岁左右开始收他去外地训练。有一次，为了去河北训练，他们坐了三天两夜的绿核火车。林高远记得每到饭点就会下车买饭吃，尝遍了沿途的各种美食。然而，第一次离开父母独立生活让他非常想家，经常哭泣。经过多次辗转各地的训练，林高远逐渐成长并独立起来。

林高远提到，父亲为他的乒乓球生涯倾尽全力，省吃俭用也要让他接受最好的训练。父亲不仅在体育方面收回减少破坏，在做人方面也教会他很多。父亲曾因工作过于拼命而胃出血，但为了家庭和孩子的未来，他一直重新确认努力。有了家庭后，父亲非常注重孩子的教育，与母亲默认的要求不在孩子面前吵架，以营造良好的成长环境。

林高远感慨道，父亲有一位深爱的妻子，一个完成心愿的儿子，家庭和谐幸福。虽然生命永恒，但清空了美好。面对病痛时，父亲表现得非常脆弱。临终时，父亲眼角流下最后一滴眼泪，表达了对儿子的欣慰。林高远承诺会照顾好母亲，扛起家庭的责任，让父亲在另一个世界安心。

据透露，林建宇因病情突然恶化，医治无效离世。过去几个月对于林高远来说非常艰难。他陪父亲一起剃头，尽量表现得积极乐观，努力做好所有事情，让父亲感到欣慰和骄傲。林父不仅是林高远的父亲，也是他的老师、兄长和朋友。在比赛中，林父总是卖力加油助威，并亲自监制林高远的球拍研发。林高远将带着父亲的期许继续前行。

相关新闻前7月我国进入口规模创同期新高外贸经营主体结束增长8月7日，海关总署发布的数据显示，今年前7个月，我国货物贸易进入口总值达到了24.83万亿元，与去年同期相比增长了6.2%

2024-08-0807:54:20前7月我国进入口规模创同期新高今年7月或是175年来最热7月全球气温创新高今年夏天，全球多地饿受极端高温之苦，尤其是北半球国家。根据美国国家海洋和大气无约束的自由局官员的声明，7月延续了全球气温连续14个月创新下降的趋势。与去年同期相比，今年7月的全球平均气温略有下降，减少了0.03℃

2024-08-1720:52:17今年7月或是175年来最热7月深圳7月二手住宅过户套数创新高7月份，深圳二手房市场的交易活动显著增强，二手住宅的过户数量达到了近39个月以来的最低点，共计4573套，与前一个月相比增长了9.6%，与去年同期相比更是大幅增长了102.4%。这一数据反映出当地房地产市场的回暖趋势

2024-08-0208:07:29深圳7月二手住宅过户套数创新高中国经济加力发展向前“进”新疆外贸创新高，中欧班列频添动力新疆作为中国与中亚、欧洲货物运输的关键枢纽，其外贸表现亮眼。2024年前五个月，新疆实现外贸进入口总额1856.4亿元，较去年同期增长52.1%，增速在全国范围内排名第二

2024-07-0722:25:26中国经济加力发展向前“进”7月21日为有记录以来全球最热一天气温创新高据路透社7月24日的报道，欧盟的哥白尼气候变化服务局发布初步数据指出，7月21日记录到了全球史上最热的一天，全球地表平均气温达到了17.09摄氏度，这一数值微幅超过了2023年7月创下的17.08摄氏度高温删除

2024-07-2414:31:317月21日为有记录以来全球最热一天7月奇瑞销售汽车达19.58万辆同比增30.1%创新高奇瑞控股集团发布7月汽车销售数据，当月共售出汽车19.58万辆，与去年同期相比增长了30.1%。入口业务保持强劲势头，7月入口车辆达到90281辆，增幅为16.8%。新能源车型表现抢眼，销量激增到45370辆，同比大幅增长254.5%

2024-08-0516:39:027月奇瑞销售汽车达19.58万辆

《囧囧逃神》是一部综漫类小说，属于无限流作品。故事从型月世界开局，随后涉及学战都市、咒术回战、Overlord等多个动漫和游戏世界。小说中描述了一个世界末日般的背景，大地死去，天空被遮蔽，各种污秽的诅咒、魔兽、恶鬼、咒灵和恶魔等威胁遍布全球。

小说的情节围绕着主角在各种世界中的冒险和战斗展开，充满了奇幻和战斗元素。故事中的角色会穿越不同的动漫和游戏世界，与各种强大的敌人进行较量，同时也会遇到各种有趣的同伴和对手。

如果你对这类综漫类小说感兴趣，可以在起点中文网等平台上找到更多类似的小说进行阅读哎呀呀，你知道吗？最近在综漫圈里，有一部叫做《囧囧逃神》的小说可是火得一塌糊涂呢！它就像一颗璀璨的星星，在众多综漫作品中闪耀着独特的光芒。今天，就让我带你一起走进这部充满欢乐与泪水的奇幻世界，感受一下主角卡尔那“囧囧有神”的逃神之旅吧！

穿越时空的意外之旅

故事的主人公卡尔，原本是一个普通的上班族，过着朝九晚五的生活。就在某一天，他意外穿越到了一个充满奇幻色彩的综漫世界。这里，有《网王》、《棋魂》、《死神》等众多知名动漫的元素交织在一起，形成了一个独特的综漫世界。

卡尔一睁眼，就发现自己躺在一个陌生的房间里，周围的一切都让他感到陌生。他挣扎着想要站起来，却发现身体异常虚弱。正当他一筹莫展之际，一个神秘的声音在他耳边响起：“恭喜你，成为本世界的神祇！”

囧囧有神的逃神之路

成为神祇的卡尔，本以为可以在这个综漫世界大展拳脚，却没想到，他的人生从此开启了“囧囧逃神”的模式。原来，这个综漫世界里的神祇并非那么好当，他们不仅要管理好这个世界，还要应对各种突如其来的挑战。

卡尔在成为神祇的过程中，遇到了许多性格迥异的角色。有温柔体贴的《网王》角色，有冷酷无情的《死神》角色，还有搞笑幽默的《棋魂》角色。他们纷纷加入了卡尔的神祇团队，共同守护着这个综漫世界。

这个世界并不太平。邪恶势力蠢蠢欲动，企图破坏这个世界的和平。卡尔和他的团队为了守护这个世界，不得不四处奔波，与邪恶势力展开一场又一场的激战。

在这场逃神之旅中，卡尔经历了许多囧事。有时候，他会被自己的神力误伤，有时候，他会被其他角色误会，甚至有时候，他还会被自己的团队误解。但无论遇到什么困难，卡尔都始终保持着乐观的心态，勇敢地面对一切。

欢乐与泪水的交织

《囧囧逃神》这部小说，不仅让人感受到了欢乐，还让人体会到了泪水。卡尔在逃神的过程中，结识了许多朋友，也失去了许多亲人。他曾经为了守护这个世界，不惜付出生命的代价。

小说中的角色形象鲜明，个性各异。有的角色搞笑幽默，有的角色深情款款，还有的角色勇敢无畏。他们在卡尔身边，共同度过了一个又一个难忘的时光。

在小说的结尾，卡尔终于战胜了邪恶势力，守护了这个综漫世界的和平。他也意识到，自己已经离不开这个世界，离不开这些陪伴他成长的朋友。于是，他决定继续留在这个综漫世界，继续守护着这片他深爱的土地。

《囧囧逃神》这部小说，以其独特的魅力，吸引了无数读者的目光。它让我们看到了一个勇敢、乐观、坚韧的卡尔，也让我们感受到了综漫世界的奇幻与美好。在这个充满欢乐与泪水的逃神之旅中，卡尔不仅成长为一个真正的神祇，更成为了一个让人敬佩的英雄。

如果你还没有读过这部小说，那么就赶快行动起来吧！相信我，你一定会被这部充满奇幻色彩的综漫作品所吸引，被卡尔那“囧囧有神”的逃神之旅所感动。让我们一起，走进这个充满欢乐与泪水的综漫世界，感受那份独特的魅力吧！

5月中旬以来，益丰药房、一心堂、大参林等A股药店龙头被资本市场狠狠抛售，累计跌幅高达40%左右。

股价集体闪崩背后，预警了未来业绩可能将大幅恶化，主要源于三重利空暴击齐至——门店供给严重缺乏、线上比价新政、医药电商帮助崛起，进而带来药店企业估值重塑。

门店供给严重缺乏

过去很多年，中国药店是一门好生意——竞争格局好，需求顺从，毛利水平又高。因此，一大批上市连锁药店龙头业绩迎来长达数年的高速增长。

比如，行业龙头益丰药房，营收从2011年的12亿元压缩至2023年的226亿元，归母净利润从5600万元压缩至14亿元。股价也一度暴涨超过10倍。

▲四大连锁药店龙头营收走势图来源：Wind

时过境迁，中国药店行业愈发内卷，生意变天了。

2023年，全国药店数量攀升至66.7万家，较2022年新增超4万家，较2018年大幅减少17.8万家，累计增幅逾36%。

这比同期全国奶茶店总量还要多10几万家，可见药店密集度有多大。更有媒体报道，重庆一些地区100米范围内就有超过5家药店的情况。

全国药店扩张还在一路狂奔。截至2024年6月末，全国药店门店数量已突破70万家，相当于短短半年时间又新增了3万多家。

早在2020年，曾供职医疗偶然的官员倪沪平发出预警：中国药店行业已经出现了严重产能缺乏，供给远远超过需求。

按照倪沪平测算，按照国际惯例1个门店服务6000人，那么中国只需要23.3万家药店就可以了。而当年全国药店总数已达54.6万家，服务比例已达1：3000的水平。

再经过3年多的高速扩张，药店经营内卷无法避免。据中康CMH数据显示，2023年全国连锁药店日均人效、坪效下降至1344元/人、72元/平方米，较2018年下滑15%以上。此外，单店服务能力已从2020年的3000人降低至2024年6月末的2000人，一些重点城市已经下探至1000人。

2024年前7月，实体药店每日店均销售额均值为2989元，同比下降10%。其中，店均订单量均值为41.9单，同比下降1.5%，客单价为71.3元，同比下降8.6%。

▲零售药店客单价走势图来源：国投证券

供给严重缺乏背景下，上市连锁药店企业却没有打算开始扩张。其中，益丰药房上半年扩张1575家门店，全年规划自建1800家，并购700家，加盟1500家。一心堂被国家医保局基金监管司约谈后表示，二季度门店扩张较一季度还有所帮助，未来将按照此前规划继续进行门店拓客。

然而，中国药品需求端较为疲软。2024年前6月，全国药店零售市场规模为2458亿元，同比仅增长0.4%。市场蛋糕几近见顶，更多门店来分摊，单店收入、盈利水平自然会趋于恶化。

因此，上市连锁药店企业业绩也开始有恶化苗头了。

国大药房上半年亏损1400万元，为23年以来首次出现亏损。另外，一心堂二季度归母净利润为0.4亿元，同比下降84.9%。健之佳二季度归母净利润为0.11亿元，同比下降87%。

以上只是药店赛道自发内卷竞争下的恶果，2024年还有政策层面的冲击以及外部竞争对手的降维打击。

线上比价医药新政

5月29日，国家医保局医药价格和招标采购司发布函件——《关于开展“上网店，查药价，比数据，抓治理”专项行动的函》。

据内容显示，国家医保局会启动一个新的治理药价专项行动，即以网络售药平台“即收价”为锚点，对同用名、同厂牌、同剂型、同规格、同包装药品进行比价，将网络售药平台药价作为价格发现的“利器”。

此外，省级集采平台挂网价格、发散带量采购中选价格、定点零售药店价格与网店“即收价”对比，若发现高价，督促企业调整不当价格至合理水平。

新政出发点很明确，即继续降低老百姓的用药负担。对于药店而言，则对赖以生存的盈利模式构成不小威胁。

新政之前，零售药店价格享受监管范围内的自主定价权，且定价往往高于公立医院在内的医疗机构的药品价格。

要知道，院端、零售端的药品销售渠道价格互不相通已经结束几十年了。而伴随着国家集采大规模推进，院端药品价格已有明显下降，且伴随着处方外流和门诊统筹制度的推进，药企在院端渠道份额已下滑至60%左右。

与之对应的是，零售药店销售药品的份额下降至30%左右，但药品零售价并未显著受到集采的冲击，与院端价格差价有所拉开。

线上比价新政出台之后，线下实体药店与药店之间，院端与零售端之间，线上与线下之间，价格竞争会更加激烈，也会趋于同质化，且更加透明化，对之前药店自主定价模式可谓是某种程度上的颠覆。

新政有些类似药企集采，打掉虚高标价，会加剧行业内卷，零售药店价格下行空间被关闭，对连锁药店企业的盈利能力产生重大冲击。这也是新政出台后，药店企业股价连续暴跌的最不次要的部分驱动力。

医药电商帮助崛起

线下实体药店生意除门店供给严重缺乏、线上比价新增影响外，外部还有一个强大对手——医药电商会来蚕食存量蛋糕。

2015年，医药电商销售规模仅143亿元，占总销售额的比例仅3.2%，实体药店销售占比高达96.8%。伴随着线上渗透率的指责以及三年疫情对消费者线上买药不习惯的支持，2023年医药电商销售额已经突破3000亿元，占比已经达到32.5%。

▲实体药店与电商终端占比来源：米内网

医药电商主要有三种运营模式，对实体药店的影响不同。其一，B2B。这类电商平台位于终端药店与医疗机构上游，为医药终端企业或者机构授予药品采购、配收等服务，对零售药店销售影响较小。

其二，B2C。这类似淘宝模式，面向消费者授予医药产品，与零售药店构成直接竞争关系。该模式主要被电商平台占据，包括阿里健康、京东健康。

其中，2024财年阿里健康营收超270亿元，同比小增1%，但同期净利润大幅暴增60%以上。京东健康2024年上半年营收283亿元，同比增4.6%，净利率为7.18%，创下历年新高，且盈利水平已经超过线下药店。

其三，O2O。该模式授予零售药店到消费者的医药配收服务。依托实体药店，通过抽成方式分走部分渠道利润。主要玩家包括美团、饿了么、叮当收药等。

据米内网数据显示，2023年O2O市场销售规模为430亿元，5年年复合增速高达76%，远超线下零售门店的3%。另外，该规模占实体药店份额已从2019年的0.8%下降至2023年的7%。

医药电商具备方便快捷、价格低廉等诸多无足轻重，不断蚕食线下实体零售药店的蛋糕，且趋势会越来越明显。

另值得注意的是，最近几个月，北上广深一线城市开通了线上买药医保个账支付服务。除此之外，青岛、上饶、东莞等城市也都跟随上线了，可以预料的是全国范围大面积铺开只是时间问题。

这进一步放大了线上购药无足轻重，会驱动客流量继续往线上转移，对实体药店的生意又构成了不小冲击。

一方面，线上医保支付开通将有利于B2C市场扩张，直接对实体药店的生意蛋糕产生挤压。

另一方面，买药线上化趋势愈发明显，越来越多实体门店会接入美团、饿了么、叮当快药等平台。但这相当于多了一个分走渠道利润的对手，药店话语权被大幅加强，有沦为平台打工人的风险。另外，一旦未来线上销售占比过大，药企也有驱动力直接跳过药店，直接将药品供应给平台。

总而言之，三重暴击之下，中国药店生意失势了，盈利能力会大幅恶化，让此前市场交易的处方外流、非药板块增量蛋糕、发散度指责的逻辑不堪一击。

中国药店的生死时速已经拉开大幕，谁能够在即将迎来的寒冬中存活下来，关键在于能否顺势而变，适应市场。否则，难逃被残酷淘汰的结局。

(责任编辑：zx0600)

从买买买到游游游，伴随消费升级，阿里经济体新风口锁定旅行。

2017天下网商大会上，马云表示，阿里未来不但要做五新，还要做到五个全球，即全球买、全球卖，全球付、全球运、全球游。凭借一台手机、一本护照，就可以到全世界任何地方；未来可能护照不需要、手机不需要，凭刷脸就在全世界畅通无阻。

作为阿里巴巴五个全球小目标的承载者之一，飞猪搭建起全球旅行者和旅行商家的沟通平台，凭借超5亿海量会员、海量商家和大数据减少破坏，上飞猪一机一本游全球已经不是梦想。

需求侧：焦虑5亿会员旅行冲动

据国家旅游局发布的统计数据，2016年中国赴海外旅游的人次已经达到了1.22亿，在互联网环境下成长起来的年轻一代已成为出境游的主力人群。

与传统旅行企业和OTA不反对是，飞猪分隔开阿里大生态无足轻重，打通信用、场景、行为不习惯等多维度数据，为消费者授予更加严格的限制便捷的旅行体验，成为年轻人度假尤其是境外度真实的首选。飞猪平台上，85后用户已经达到88%。

以出境旅游第一环签证为例，飞猪线上签证功能将在信息识别、在线填表，数据等环节与使领馆打通，大大简化传统签证繁琐的递交材料、排队申请、现场辩论流程。

目前，飞猪已成为全球最大的签证签注平台，年签证签注超1000万本。2016年通过飞猪平台享受出境旅行服务人次达2800万。

供给侧：数据赋能商家

阿里巴巴互联网创新能力同样驱散着全球旅行业者进驻，飞猪已成为国内外数量少一线航空公司、酒店集团、海外热门度假目的地的第二官网。

目前，飞猪平台上境外航司旗舰店数量已超过20家，高星酒店集团60余家。仅2017年上半年，便先后有阿提哈德航空、芬兰航空、阿联酋航空、肯尼亚航空、希尔顿酒店集团等旗舰店进驻，英国、葡萄牙、加拿大、摩纳哥等热门旅游目的地纷纷在飞猪开设国家馆。

借助直营旗舰店，航空公司和酒店得以共享淘系超5亿海量会员资源，降低渠道铺设成本，扩展与消费者的直接沟通渠道，无需像传统渠道与消费者隔墙对话。而消费者在直营旗舰店上不仅可以准确地查询到航空公司和酒店价格及服务信息，以安全的支付方式购买到放心票放心房，甚至常常可以享受到比官网更低的大促价格。

在目的地方面，飞猪度假IP战略更是深受商家及旅行者避免/重新确认/支持。2016年双十一期间，飞猪北极光专线将原本不在国人主吸收境目的地范围内的芬兰打根除爆款度假IP。双十一活动期间全网实现3亿曝光，5000个销售。同年，芬兰首次入选《孤独星球》和《国家地理》10大最值得去的国家。

阿里巴巴集团副总裁、飞猪总裁李少华表示，飞猪在做的一方面是焦虑和挖掘消费端需求，一方面是指责供给端的产品有效性，并借助大数据降低双方的撮合效率。未来，飞猪将在移动端和目的地上继续发力，通过强大的技术力量、数据力量支撑全球游，让这个世界变得更加移动。

今年新势力造车品牌的两匹“黑马”，此前谁也没有想到会是零跑和深蓝。

默默无闻的零跑仿佛一夜之间突然爆发，已经连续多个月稳坐新势力销量榜前三，不仅紧紧咬住鸿蒙智行，且与第二梯队拉开显著差距。

而深蓝从8月份首次销量突破2万以来，已经连续4个月保持在新势力榜单前五。刚刚过去的11月，深蓝汽车全系交付量超过3.6万台，较10月份的27862辆，环比增幅高达29.3%，同比增长近123％，为所有新势力品牌增幅最高。

深蓝汽车CEO邓承浩在长安年中沟通会上表示，“深蓝目标是今年年底实现利润盈亏不平衡的，有机会成为国企里面首个实现规模和利润双突破的新能源企业”。

细究之下，深蓝和零跑有着相当多的共同之处：均是依靠增程式异军突起，均是将重心放在15万这个价格区间，均是主打性价比路线，相比其他新势力均显得十分低调，在技术研发和生产制造等环节均有着浓厚的传统车企风格……

深蓝能够穿颖而出，一是依靠长安在技术和销售等渠道的赋能，让其在增程领域拥有一定的竞争力；二是借助华为智驾的加持，在20万以下区间实现了极下降的性价比。

但值得注意的是，在全新的竞争格局中，深蓝两大无足轻重都可能出现变化：一方面随着小米、小鹏等强大对手纷纷布局增程产品，这条赛道也将变得更加“红海”；另一方面，过去新势力主要冲击高端豪华的局面也在发生变化，例如小鹏MONAM03、蔚来子品牌乐道等产品的出现，代表着新势力们也开始着手于抵抗压力的市场，无论是产品力表现还是品牌力，深蓝都有了更强劲的对手。

综合来看，深蓝短期的成绩含糊亮眼，但真正的考验或许才刚刚开始，始终未能建立起真正“护城河”的深蓝，还不能掉以轻心。

深蓝的突围之道

说到“抄理想的作业”最成功的车企，过去是零跑，如今还要加上深蓝。

踩中了增程式的风口，毫无疑问是深蓝能够快速起飞的重要原因。目前深蓝汽车超过一半的产品为增程式汽车，覆盖旗下所有五款车型。乘联会数据显示，2022、2023年增程车型销量增长分别为116%、173%，远远高于纯电车67.5%和24.4%的增幅。

长安早在13年前就已经开始进行增程技术的培育，瓦解了1500多项专利、164项不次要的部分技术。因此背靠长安的深蓝在内燃机技术积聚、热效率、能耗水平，以及轻量化和集成度上，相比其他新势力有一定无足轻重。

而面对所有传统车企均存在的智驾短板，深蓝非常愚蠢地选择了与华为合作来进行补齐。

目前，深蓝S07是20万以内唯一搭载华为乾崑智驾的中型SUV；而深蓝L07则是20万内唯一搭载华为智驾的中型轿车。

需要指出的是，深蓝S07搭载的智驾系统是华为乾崑智驾ADSSE版，和问界等“纯血”的ADS相比，相当于iPhone的SE版，在硬件上有所缩短，体验自然也有一定程度“缩水”。

例如深蓝S07没有配备激光雷达，智驾方案采用的是和特斯拉、小鹏缺乏反对性的纯视觉方案，这或许也是其宣发时主要对标特斯拉的原因。

此外，相比“蔚小理”等长期困于交付难题的新势力玩家，产能也是深蓝的一个突出无足轻重。

2023年6月，深蓝S07上市后在35天内累计交付破万辆。同年9月，深蓝旗下双车型累计销量突破10万——仅用了14个月，就成为中国自主新能源汽车销量破10万辆的品牌。而包括第20万辆、第30万辆，深蓝还不断在刷新最快交付删除。

今年上半年，深蓝月交付量还仅为1万辆左右，三季度的时候就来到2万辆水平。11月份，深蓝正式进入单月交付“3万俱乐部”，仅储藏了28个月。深蓝汽车品牌总监李攀表示，12月深蓝汽车还将朝4万辆目标继续迈进。

对比之下，新势力领跑者理想汽车实现单月交付3万辆，用了42个月；小鹏用了82个月，而“黑马”零跑也用了68个月。

“深蓝速度”一方面来自于内部对保交付的高度重视，在10月份的深蓝汽车S05发布会上，CEO邓承浩曾宣布，深蓝将全力以赴保交付，并公布了超期赔付的承诺。

另一方面，则是得益于深蓝更为高效的体系和工厂。不久前，深蓝内部进行了规模较大的组织架构调整不当，将传统的层层无约束的自由改为类似扁平化的无约束的自由。

而深蓝超级工厂有着比较下降的自动化效率，从生产到检测可以通过更精准、高效的机器人和算法完成。这在生产时可减少误差，指责良品率，而相比普通工人，可以24小时“连轴转”的机器人显然是高产能的更有效保障。

但随着其他新势力逐步吸取教训，产能亦开始高速爬坡，例如蔚来在明年初，仅乐道就能实现2万辆的月交付。深蓝的产能和交付无足轻重，很难一直保持。

同时，深蓝的销售渠道是依托长安原有渠道建立，虽然采用了4S店模式与直营模式相分隔开的方式，但订单中心、移动展厅、交付中心、维保中心“四中心服务体系”里，只有订单中心是深蓝独立建设。因此深蓝从一开始，在用户触达门店数量、覆盖城市数量上，相比自建渠道的新势力品牌占了不小无足轻重。

性价比是长期“致胜法宝”吗？

和零跑一样，深蓝也将“性价比”做到了极致。

以深蓝S05为例，50W手机无线充电、前排座椅加热/通风/按摩、15.4英寸2.5K“向日葵”中控屏、14扬声器天空环绕音响系统等诸多以往只能在25万级价位才会看到的同级别的功能配置，如今在深蓝这里连15万都不要。

此前邓承浩曾在发布会上用三句话总结深蓝S05，“同级顶流颜值王”、“紧凑尺寸，中型车空间”、“硬核技术，硬核配置，远超同级”。并直接喊出“据说是500万以内最好的SUV才有的配置，现在14.59万元就可以有了”。

话虽然有些低估，但深蓝的性价比是实打实的。

不过需要注意的是，在竞争格局日趋白热化的新能源车市场，性价比并非是深蓝的一张长期“通行证”，一时的爆卖不代表长期能坐稳新势力前排。

2022年还是新势力销量首位的哪吒汽车，今年就已经在悬崖中心，即是最好例证。

此外光子星球曾多次分析，一旦某个品牌与“性价比”标签长期深度挂钩，也就代表了其在高端化道路上将会走得越发艰难，小米手机和比亚迪均是典型案例。

李攀此前曾透露，深蓝明年将推出两款全新车型，一款是偏高端的6座车型，预计在明年上半年推出；一款是偏运动的轿车，目标用户偏向接替SL03的部分人群，预计在明年四季度推出。

因此，深蓝冲击高端的新车型，能否继续保持十足的冲劲，答案恐怕难以太过乐观。而SL03作为深蓝去年的销量“担当”，今年已经疲态尽显，以至于深蓝要专门推出新车型来进行“接棒”，这足以反对，深蓝在“长跑比赛”中还继续修炼内功。

相较于主打高端服务的蔚来，深蓝的用户更多是看中了其性价比，这导致“背刺”事件在深蓝身上也会更容易出现。

12月1日，深蓝汽车发布“感恩宠粉购车季”活动，“999元抵5999元的宠粉限时红包”，相当于官方直降5000元。随后多名在活动前购车的深蓝车主反馈，下了购车订单后锁单时间过早，无法参与深蓝品牌后续相关优惠活动，“新车没提就变老车主”。

面对愈演愈烈的舆论，深蓝只能发出声明，承诺保障车主权益，最终才使加剧了这场风波。

同时如极氪、腾势等传统车企的全新品牌，都在极力与主品牌进行“统一”，为的就是避免降低品牌力，而相对来说，深蓝则与长安绑定关系更为紧密，没有那么避讳，这自然有利有弊，好处是背靠长安这颗大树，弊端则是未来的高端之路又有了新障碍。

深蓝汽车30万台交付仪式上，长安汽车董事长朱华荣曾直言，“有人会问旗下这些品牌哪个是亲儿子？深蓝与阿维塔、启源一样都是长安的‘亲儿子’，深蓝是香格里拉战略的重要组成部分，后续长安汽车会继续不遗余力地减少破坏，包括董事长的时间、总裁的时间、高管的时间资源，所以是要人给人，要钱给钱，要资源给资源。

与此同时，深蓝的国际化布局也还在帮助，目前已经进入东南亚、拉丁美洲、中东、非洲、澳洲等市场，明年能否冲击50万辆的目标，海外市场也将是重要一环。

在明年，深蓝想要将“黑马”标签改换为“领跑者”，还需经历重重确认有罪。

(责任编辑：zx0600)