出海闲聊

Reka 发布 190 亿参数全模态模型

刚看到 Reka AI 放出了 Rho-1 的研究预览版，一个 190 亿参数的全模态模型，文本、图像、视频、机器人控制动作全塞进同一个神经网络里处理。这个思路跟现在主流做法很不一样——大多数系统都是把任务路由给专门的子模型，而 Rho-1 把所有模态都当成 token 放进同一个上下文窗口，不调用工具也不依赖外部模型。

最让我在意的是它的实时性：模型能连续生成视频，还能在运行中直接响应新指令，不用重启。更关键的一点是，预测摄像头画面的那套权重，同时也在驱动机器人的动作。这意味着视觉理解和运动控制共享同一套表征，对做具身智能的团队来说是个值得盯的方向。机器人训练数据稀缺是老问题了，Reka 的解法是搭了一个逆动力学模型，从普通互联网视频里反推出控制信号。训练规模上，他们用了 320 张 H100，跑了大约三个月。这个成本对大厂不算夸张，但对中小团队依然是很高的门槛，所以短期内我更看好这类模型以 API 形式开放。Reka 做多模态不是新手。2024 年 4 月他们发过 Reka Core，一个多模态语言模型，当时在基准测试里对标 GPT-4、Claude 3 和 Gemini Ultra。这次 Rho-1 的发布，也契合了当前 AI 研究往「世界模型」方向走的整体趋势。我的判断是：全模态单模型如果能跑通，会明显简化工程链路，省掉一堆模型编排和工具调用的胶水代码。但 190 亿参数要同时扛住视频生成和机器人控制，实际效果和延迟还得看后续评测。做跨境工具和 Agent 产品的朋友，可以先把这类「一个模型吃下所有模态」的路线记进技术选型清单里。

大厂砍单Claude，自研工具上位

最近看到一条消息，Meta和微软这两家Anthropic最大的企业客户，都在大幅削减内部对Claude的使用。微软那边原本预计每年在Claude上花超过10亿美元，结果高管直接让员工转去用GitHub Copilot和OpenAI的模型，整体支出砍掉了三分之一以上，云部门每个员工的月度预算从10万美元掉到1万美元左右。这个降幅不是小调整，是断崖式的。

Meta这边也不含糊，Claude Code的用户数从大约6万掉到3万，一部分是裁员带来的自然减少，另一部分是他们自己在推Muse Code和MetaCode。有数据显示，Meta在28天里光Claude Code就花了超过1.05亿美元，这个数字放在任何一家公司都很难长期扛住。而且Meta早在6月就已经开始搞AI成本控制，说明这不是临时起意。省钱肯定是一个原因，但我觉得更深层的动机是战略上的。Meta自己要做竞品，没理由一直给Anthropic输血，而且据说还想限制Anthropic访问它的训练数据。这个画面挺讽刺的——Meta担心别人用它的数据，可它自己训练模型时又是怎么拿数据的，大家都心知肚明。对做AI工具出海或者企业服务的人来说，这件事信号很明确：大厂对第三方模型的依赖是有天花板的。一旦自研能力跟上，或者成本压力变大，切换供应商就是分分钟的事。Anthropic虽然技术口碑好，但客户集中度太高，Meta和微软一撤，营收预期肯定要重新算。我的判断是，接下来企业级AI市场会进入一个「自研+多模型混用」的阶段，单一模型供应商很难再拿到那种无脑续费的大单。对创业者来说，与其押注某个模型的能力，不如把精力放在怎么让工具在不同模型之间灵活切换，以及怎么帮客户把成本真正降下来。这才是更稳的生意。

利润杠杆不在营销在结构

最近看到一个电商老板的故事，挺有感触。他原来团队有35个人，营收一直不错，但利润始终紧巴巴，自己每天被管理琐事拖得筋疲力尽。后来他做了几个狠决定：转远程办公、把仓储物流外包给3PL、用自由职业者和外包替代大部分全职岗位。现在他只剩1个员工加8个外包，利润反而创了新高，压力也小了很多。

这个故事让我重新思考一个常识：增长一定要靠堆人头吗？至少在这个案例里，答案是否定的。更关键的是，他不是靠某个爆款或流量红利翻盘，而是把成本结构彻底重做了一遍。很多卖家天天盯着广告ROI，却忽略了组织架构本身就是最大的利润杠杆之一。我后来翻了一些针对数百家电商店铺的研究，本来以为盈利能力强的店，营销一定做得更猛。结果恰恰相反，最赚钱的那批店，营销水平未必顶尖，但它们在税务安排、用工模式、固定成本控制上明显更精细。换句话说，营销决定你能不能上牌桌，结构决定你能带走多少。举个具体的数字对比：同样是一笔利润，两个店主因为公司架构和税务身份不同，一年交税可能差出5.4万美元。这不是钻空子，而是合规范围内的选择差异。很多中小卖家忙着冲GMV，却从没认真算过自己多交了多少冤枉钱。所以我的判断是，跨境卖家下一阶段的竞争，会从流量端慢慢转向结构端。谁能用更少的人、更轻的资产、更优的税务身份跑通同样的生意，谁就能在价格战里活得更久。营销是面子，结构是里子，里子没打好，面子再好看也撑不住。

债务是工具不是玩具

前几天跟朋友Bill聊天，他讲了自己在停车场里手抖着看一封信的经历。那封信来自他们公司最大的供应商，占了八成SKU，说要立刻终止合作。更让他崩溃的是，他个人为这家公司的债务签了七位数的担保。公司要是倒了，银行不会去找那个LLC，而是直接来找他，找他的房子、他的券商账户、他的存款。

后来发现是供应商那边搞了个文书错误，一句“抱歉，忽略”就完了。但就那二十分钟，他整个人像老了十岁。这件事让我又一次意识到，债务从工具变成威胁，有时候只需要一封邮件的时间。我做跨境电商快二十年了，见过债务把生意做起来，也见过它把生活毁掉，甚至同一年里两件事同时发生。那些被债务伤到的老板，没一个是傻子。问题往往出在他们把债务当成了玩具，而不是工具。比如商户预支现金，宣传里说“只收10%手续费”，听起来很轻，但换算成年化利率可能高达80%以上。很多人只盯着那10%，没算过这笔钱到底有多贵。还有一个几乎人人都踩过的坑，就是商业信用卡里的个人担保条款。你以为公司是有限责任，卡债是公司的事，但签字那一刻，你个人就已经被绑上了。平时风平浪静，一旦现金流断裂，追债的电话就会直接打到你家里。我的判断是，融资这件事一定要在不需要钱的时候提前做。等你已经缺钱了再去谈，条款一定是最差的，选择也最少。提前把授信额度、还款节奏、个人担保的边界都理清楚，哪怕暂时不用，也比事到临头被人拿捏强。债务本身没有好坏，关键是你有没有在清醒的时候给它设好围栏。

电商老板如何安全从公司拿钱

最近看到一篇讲电商店主从公司提取资金的文章，里面有个观点让我印象很深：大多数电商老板90%以上的净资产都锁在生意里，账面上看着很成功，实际上风险敞口极大。平台一个政策变化、一个糟糕的季度、一次行业转向，就可能让代表他们几乎全部身家的东西大幅缩水。

文章提到一位卖家在活动上说过一句话，大意是要尽早把个人资产负债表和公司分开建，目标是尽快攒到250万美元的流动资产。具体数字其实不重要，100万也好500万也好，核心是你要在生意之外建立一个真正属于自己的财务缓冲。我自己做跨境这几年，也一直是边赚钱边往外抽，但确实没这么清晰地想过这件事的紧迫性。那到底什么时候适合开始往外拿钱？文章给了200多个店主的基准数据，结论是当你的生意现金流稳定、且预留了足够的运营资金和税务储备之后，就可以开始系统性提取，而不是等到某个完美时机。提取的节奏也很关键，与其一次性大额抽出，不如设定固定周期、固定比例，比如每季度按利润的一定百分比转出，这样既不影响运营，也避免自己手痒乱花。拿到钱之后投到哪里，作者提了一个我觉得很实用的概念叫「麻烦调整后回报」。意思是有些投资标的账面回报高，但维护成本、时间精力、流动性限制加起来一算，实际到手并不划算。所以他的建议是优先考虑低维护、高流动性的资产，那些需要你天天盯盘或者深度参与的东西，除非你真有精力，否则不如跳过。我的判断是，这套思路对做跨境的人尤其重要，因为我们的生意天然受平台和地缘政策影响，集中度风险比传统生意更高。早点把利润转化成生意之外的资产，不是不看好自己的公司，而是给自己留一条退路和底气。

2026电商趋势报告五个反常识发现

刚看完一份2026年电商趋势报告，样本是300位卖家、合计35亿美元营收，算是这几年见过最扎实的一份。里面有几个数据直接把我过去的判断打翻了，尤其是关于付费流量和AI的那部分。

先说最反直觉的一条：重度投放付费流量的卖家，增长速度是其他人的三倍，而且利润率并没有被拖垮。我过去一直觉得靠买量撑起来的增长迟早要在利润上还债，但这次的数据说明，规模化投放和健康毛利可以同时成立，关键可能在于投放效率和复购结构的配合。另一条值得所有做独立站的人警醒：72%的店铺已经上了AI，但并没有因此获得任何财务优势。换句话说，AI已经从差异化能力变成了基础设施，用了不加分，不用会掉队。真正拉开差距的还是选品、供应链和现金流管理这些老功夫。报告里还有几个信号放在一起看很有意思。亚马逊在卖家营收中的占比跌回了2017年的水平，渠道去中心化不是口号而是正在发生的事。同时行业出现了毛利创历史新高、净利创历史新低的剪刀差，说明钱越来越难落到口袋里，运营成本和获客成本吃掉了大部分毛利。报告分两部分，第一部分拆解付费流量、利润分化、亚马逊下滑、仓储迷思和AI回报缺失这几个传统认知的误区，第二部分讲商业模式迁移、关税、财务智能和资本提取。我打算把55页的完整版也过一遍，这种能推翻自己旧判断的材料不多，值得花时间。

上云前先搞定账号和支付

最近帮几个从传统机房迁过来的团队做上云规划，发现真正卡住进度的往往不是架构设计，而是账号、实名、支付这些采购环节。技术方案再漂亮，账号状态不对、实名没过、支付被风控，资源就是开不出来，迁移窗口一拖再拖。

先说账号主体。公司官网、生产数据库、ERP 这类正式业务，直接上企业账号，别图省事用个人号。后面发票抬头、财务付款、子账号授权、离职交接、审计，全都跟主体绑定。个人主体只适合临时测试，正式业务长期挂在个人实名下，续费和权限交接迟早出问题。实名材料要提前备齐。个人就是身份证、人脸核验、手机号，姓名得和支付账户一致，反复失败会触发人工审核。企业要营业执照、法人信息、联系人手机号、企业地址，执照必须在有效期内，上传件边角清晰。直播、医疗、教育、金融这类特殊行业，可能还要补行业资质，审核时间得预留出来。支付和充值别等到迁移当天。至少提前一到三个工作日绑定好银行卡、企业网银或对公转账，确认付款主体和认证主体一致，避免风控拦截。金额大的话，先问清单日支付限额和企业付款审批周期，顺手把自动续费和余额预警打开。我见过太多续费忘处理导致服务器停机、IP 释放的案例，损失远不止那点费用。权限上，别让一个运维长期用主账号裸奔。财务付款、资源管理、审计只读这三类角色分开，购买、续费、审计、迁移互不干扰。注册完也别急着买资源，先去账号中心确认实名状态，再往下走。

YouTube点击率包装公式与Reels结构

最近看到一份关于YouTube点击率优化的拆解，核心观点是：内容再好，包装不行照样被埋。作者给了一套可复用的流程，我试了其中两步，确实比凭感觉改标题靠谱。

第一步是用AI批量生成至少10个标题候选，然后根据视频目标二选一。走SEO路线就瞄准搜索意图，用「怎么做」「教程」这类词换长期曝光；走好奇心路线就用心理触发器冲点击和传播。两条路都成立，关键是别混着用，否则算法和观众都抓不到重点。第二步是套用「时间对结果」的钩子公式，标题里同时给出具体结果和具体时长。原文举的例子很夸张：给我12分钟，帮你省下17年减肥弯路，单条视频六天拿到25万播放和2.7万邮件订阅。这个数字未必能复制，但结构值得抄——观众要的是确定性，不是形容词。包装做完之后，别忘了用YouTube自带的标题A/B测试功能。很多人发完就不管了，其实前48小时的测试数据能直接告诉你哪条标题更抗打，比事后复盘有效得多。至于Instagram Reels，原文只开了个头就断了，没有给出完整结构。我自己的经验是Reels更吃前3秒的画面钩子和节奏卡点，和YouTube的长视频包装逻辑不完全通用。如果后面有完整版，我再单独拆一篇。

不写代码也能做AI应用

最近看到一篇讲「零代码自建AI应用」的文章，核心观点挺戳我的：与其继续为那些只能解决一半问题的SaaS买单，不如自己动手搭一个只服务自己业务的工具。作者把这叫「为一个人的市场做软件」，我理解就是彻底放弃通用产品的幻想，让工具完全贴合自己的流程。

传统软件是按大众市场设计的，结果就是用户被迫去适应别人的产品逻辑。你最需要的功能往往缺失，而一辈子用不上的功能却把价格抬得很高。AI工具的出现让这个局面有了转机，现在不用写代码、不用雇开发者，也能从零搭出定制应用。文章提到的方法论大致分几步：先梳理自己业务里最痛、最重复的环节，再想清楚这个环节需要什么输入和输出，然后用现成的AI平台把流程串起来。整个过程不需要技术背景，重点是你能不能把自己的需求描述清楚。我的判断是，这条路对小微团队和个体经营者确实有吸引力，但别指望零成本。省下的是订阅费和开发费，付出的是学习时间和调试精力。而且「市场 of one」意味着没有社区支持，出问题只能自己扛。如果你手上正好有几个用得不顺的付费工具，可以挑一个最贵的先试着替换。别一上来就搭大系统，从一个小场景跑通，比什么都重要。

AI做印刷物料和视频，真能省下外包钱吗

最近连着试了几轮用AI做印刷物料和视频，感受挺复杂。以前做个海报或宣传单，要么自己硬着头皮排，要么花钱找设计师，来回沟通改稿能耗掉一整天。现在用ChatGPT先出初稿，确实能把你从零到一那一步拉快很多，但前提是你得把它当设计师来brief，而不是随口丢一句「帮我做个海报」。

我的做法是：先写清楚这是什么东西、要放哪些文案、尺寸和出血这些印刷规格，再把品牌规范一起传上去。它给的初稿往往离成品不远，接着用它的编辑功能圈出要删的区域、去掉背景、直接在图上标注修改点，反复迭代到能看为止。这一步的关键不是提示词多花哨，而是你能不能把需求讲明白。拿到像样的草稿后，我会丢进Canva，用Magic Layers把整张图拆成可单独编辑的图层。字体跑位、间距不对这些细节，还是得手动收尾，但至少不用从空白画布开始。视频那边逻辑类似，提示词写得好，分镜和素材生成能省不少前期时间，可后期剪辑和节奏把控依然绕不开人。我的判断是，AI目前更像一个能干的初级设计助理，不是能替你拍板的创意总监。它擅长把执行成本打下来，但品牌调性、印刷色差、视频情绪这些判断，还是得自己扛。对预算有限的小团队来说，这套流程值得跑通；但指望它完全替代外包，短期内不现实。行业这边，Anthropic和OpenAI最近的动作也说明，工具迭代速度只会更快。与其纠结要不要用，不如先把brief能力和审美判断练起来，这两样才是AI替代不了的部分。

领英严打AI味内容，创作者该怎么用

最近领英在AI内容治理上动作不小，每天拦下几十万条自动化评论，几个月里还挡掉了数十亿次发帖尝试。平台甚至上线了让成员举报“AI垃圾”的入口，创作者后台也能看到受众是否觉得某条帖子像AI写的。

这件事对做B端获客的人影响很直接。过去大家习惯用AI批量生成评论、私信和帖子，现在这套玩法的风险明显变高，账号被限流甚至封禁的概率都在上升。我的判断是，领英不是要禁AI，而是要禁“一眼假”的AI。平台自己也在调整产品方向。原来那个“增强你的帖子”功能，会把内容改写成一股通用AI腔，现在被换成了只做校对、尽量保留作者原声的工具。这个信号很清楚：官方鼓励你用AI检查语法和结构，但不鼓励你让AI替你说话。落到实操上，我会把AI放在三个位置。一是选题阶段，用它整理评论区高频问题，但观点必须自己给；二是初稿阶段，让它按我的口语习惯扩写要点，然后我逐句改掉套话；三是发布前，只用来查错别字和标点，不再让它重写整段。评论和私信也一样，模板可以留，但每次都要加一句只有真人才能说出的具体信息。视频和直播反而更难被AI味拖累，因为镜头前的语气、停顿和临场反应骗不了人。广告投放则要小心，AI生成的文案在领英的审核和用户反馈里都更容易被标记。说到底，AI是提效工具，不是替身，谁先把“人味”当成核心竞争力，谁就能在这轮治理里占到便宜。

写内容前先搭个迷你用户画像

做内容这行最怕的就是拿到 brief 只有一句「目标受众：营销从业者」，然后剩下的全靠猜。语气怎么定、角度选哪个、结构怎么搭，全凭感觉，最后写出来的东西读着通顺，但跟谁都不来电。我自己踩过太多次这个坑，后来发现问题的根源在于「了解你的受众」这句正确废话和排满的内容日历之间，隔着一道没人愿意承认的鸿沟。

给每篇文章都做一份完整用户画像根本不现实，但完全不做又等于闭眼开车。折中的办法是给单篇内容配一个「迷你画像」——它不是覆盖整个营销项目的重型文档，而是针对这一篇稿子快速搭出来的一张轻量快照。核心思路是只抓跟这次写作真正相关的几个维度，不追求面面俱到。搭建速度可以很快，用 GWI 这类第三方数据、自家一方分析后台，或者客服工单里的原话都行，再配一个聚焦的 AI 提示词，几分钟就能出一版。关键是别让 AI 自由发挥，要把你手头真实的用户语言和数据喂进去，否则它只会吐出一堆正确的废话。这张快照最终要能影响五个具体决策：切入角度、文章结构、语气调性、呈现格式，以及关键词的措辞方式。如果一份画像做完，这五件事一个都没变，那它就是白做的。我现在的习惯是写完画像先回头对照这五项，看看有没有哪一项还是模糊的，模糊就说明画像没到位。我的判断是，完整画像应该留给那些你会反复写、跨多个渠道长期服务的受众，单篇内容用迷你版就够了。把研究成本压到最低，同时保住「为具体的人写作」这个底线，这才是内容团队真正能落地的做法。

900万条AI回答拆解品牌曝光

最近看到一份基于900万条AI回答、覆盖9个平台和400多个企业品牌的研究，结论挺反直觉。我们总以为口碑好、情绪正面就能被AI多引用，但数据里甚至出现了负相关。换句话说，品牌在社交媒体上刷好感，未必能换来AI搜索里的露出。

更让我意外的是内容格式。大家拼命做清单体、教程、对比页，可64%的AI引用其实来自普通页面。格式不是决定因素，真正被引用的往往是那些把问题讲清楚、信息密度够的常规内容。这对天天追着模板跑的团队是个提醒：别为了格式而格式。商业意图的提示词里，82%的引用指向第三方，只有3%指向品牌自有页面。这个比例很残酷，说明AI在用户准备掏钱时更信任外部信源。但反过来，自有页面被引用带来的可见度提升是数据里最强的。所以不是不做自有内容，而是要把它做成能被AI当作权威信源的样子。还有一个判断我很认同：不同季度AI搜索可见度忽高忽低，多数时候是品牌自己的问题，不是平台抽风。在一个AI平台上跑赢的品牌，往往在所有平台上都跑赢。新模型发布确实会带来波动，但基本盘还是内容质量和信源结构。结合这些数据，我的看法是，别再盯着情绪监测和格式模板了。把精力放在能被第三方引用的硬信息上，同时让自有页面具备被AI选中的权威感。AI搜索的竞争，最后拼的还是谁的信息更值得被信任。

AI推荐难归因，品牌该换考核了

最近看Similarweb的一份研究，有个数据挺扎眼：被ChatGPT推荐过的品牌，在接下来七天内获得网站访问的概率是未被推荐品牌的2.5倍。但真正让我在意的不是这个倍数，而是它背后那个尴尬的事实——绝大多数由AI影响的访问，在分析工具里根本找不到AI来源的痕迹。

原因其实不复杂。用户问完ChatGPT拿到品牌名，往往不会当场点链接，而是过几天自己去Google搜一下再进官网。对分析后台来说，这就是一次再普通不过的自然搜索流量，和AI没有半毛钱关系。超过一半的AI影响访问最终是从搜索进来的，这意味着它伪装成了我们最熟悉的那种日常流量。这就把last-click归因的短板暴露得很彻底。我们习惯把功劳记在最后一次点击上，于是搜索、直接访问拿走了大部分转化信用，而真正在认知阶段起了作用的AI推荐，被系统性地低估甚至完全忽略。品牌以为自己没吃到AI红利，其实可能早就吃到了，只是账没算对。我的判断是，继续死磕精确归因这条路会越来越难走。AI推荐本身就是个黑盒，你既拿不到referral，也拿不到对话上下文，硬要把它拆成可追踪的链路，投入产出比很低。更务实的做法是换一套更宽的衡量框架，比如看品牌词的搜索量变化、看新客占比、看被AI提及后的品牌认知提升，而不是只盯最后那一下点击。对做增长和投放的人来说，现在更该问的不是「AI给我带了多少流量」，而是「AI有没有在用户决策的前半段替我说话」。如果答案是肯定的，那考核指标就该跟着改，否则你永远会觉得AI很重要，但报表上又什么都看不见。

AI搜索正在改写公关预算

最近看到一份行业预测，说公关预算到2027年可能翻倍，驱动力不是传统曝光，而是AI搜索。做跨境的应该都有体感：以前投广告、铺关键词就能截流，现在用户直接问AI，AI给的答案里没你，流量就跟你没关系。

AI生成答案时特别依赖第三方权威来源，而不是品牌自己的官网。这意味着你自说自话的落地页、产品页，在AI眼里权重有限；反倒是行业媒体、评测站、垂直博客里提到你的那句话，更容易被AI抓取并当成推荐依据。换句话说，earned media正在变成新的排名因子。我自己的判断是，数字公关和SEO不该再分两个团队各干各的。SEO负责让内容被索引，公关负责让内容被信任，AI搜索恰好站在两者的交叉点上。只做SEO不做公关，内容再多也缺权威背书；只做公关不做SEO，报道发了但结构不友好，AI照样读不懂。具体到执行，我会盯三件事：
- 持续在权威第三方渠道获得提及，重点看报道里有没有带品牌名和核心品类词
- 把公关稿和官网内容做语义对齐，让AI在不同来源看到一致的品牌定位
- 用AI搜索的引用来源反推选题，看竞品被哪些媒体提到，再针对性补位当然预算翻倍这个数字我持保留态度，更可能的是预算结构迁移，而不是总量暴涨。对跨境团队来说，与其等预算，不如先把公关和SEO的协作机制跑通，早一步让AI认识你。

利润杠杆：人效与税务比营销更关键

最近看到一位电商老板的分享，他原本养着35个员工，营收一直不错，但利润始终紧巴巴，自己每天被管理琐事拖得筋疲力尽。后来他做了几个狠决定：转远程办公、把仓储物流外包给3PL、用自由职业者和合同工替代大部分全职岗位。现在他只剩1个员工加8个外部合作者，利润反而创了新高，压力也小了很多。

这个故事让我重新思考一个常识：增长一定要靠堆人头吗？我们总默认营收涨了就得扩团队，但规模效应未必来自人数，而可能来自结构。把固定成本变成可变成本，把管理负担转成协作网络，利润空间自然就出来了。更值得琢磨的是，他提到自己研究过数百家店铺，原本以为营销能力是盈利与否的分水岭，结果并不是。真正拉开差距的，往往是那些不太性感的运营杠杆——人效结构和税务安排。营销决定你能不能把东西卖出去，但这两样决定你最后能留下多少。他还举了一个税务对比：在利润完全相同的情况下，一位店主可以比另一位少缴5.4万美元的税。这背后不是钻空子，而是公司架构、薪酬发放方式和合规规划的综合结果。很多卖家埋头冲GMV，却忽略了这些直接吃掉净利的环节。我的判断是，跨境卖家到了某个阶段，与其继续加投广告、扩SKU，不如先回头算算人效和税后利润。把团队做轻、把税务做对，可能比多跑几个爆款更实在。毕竟营收是面子，利润才是里子。

朋友差点被个人担保拖垮

前几天跟朋友 Bill 聊天，他说起自己经历的一次惊魂时刻。他坐在停车场里，手里攥着一封信，手一直在抖。信是合作的一家供应商发来的，那家供应商占了他们公司八成 SKU 的供货，突然通知终止合作，立即生效。

Bill 当时最怕的不是生意黄了，而是他个人在这家公司债务上签了七位数的个人担保。如果公司撑不下去，银行不会去找那个 LLC，而是直接找他本人，找他的房子、他的券商账户、他的存款。后来发现是对方行政上的乌龙，一句「抱歉，请忽略」就结束了，但那二十分钟让他老了好几岁，也让我俩彻底记住了债务翻脸能有多快。我自己做电商快二十年，见过债务把生意做起来，也见过它把生活毁掉，有时候这两件事就发生在同一年。出事的老板并不蠢，问题往往出在把债务当玩具，而不是当工具。比如 merchant cash advance 上那个听起来很温和的「10% 费用」，折算成年化利率可能高达 80%。很多人只看一次性成本，没算时间维度，等发现的时候已经被现金流锁死了。还有一个几乎人人都踩的坑：商业信用卡背后的个人担保。你以为开的是公司卡，其实签字那一刻，个人信用和资产就已经被绑上了。平时不觉得，一旦公司遇到供应商断供、平台封店、大客户跑单这类突发情况，债务立刻从公司层面穿透到个人层面。我的判断是，融资这件事必须提前做，不能等缺钱的时候才去找。健康的现金流时去谈授信、谈额度，你才有议价权，也才有时间看清条款里那些个人担保、交叉违约、加速到期的小字。等火烧眉毛再去借，拿到的往往是最贵、最危险的那一档。Bill 那次是虚惊一场，但不是每个人都有这种运气。

电商老板该不该从公司拿分红

前几天翻到一段旧分享，Roman Khan 在电商活动上说过一句话，我记到现在：要尽早把个人资产负债表和公司分开，争取先攒到 250 万美元的流动资产。数字本身不重要，100 万也好，500 万也好，核心逻辑是——你得有一笔完全在公司之外的财务缓冲。

这个观点之所以戳我，是因为我见过太多电商老板，90% 以上的净资产都锁在业务里。账面上看很成功，实际上非常脆弱。平台改一次规则、一个季度业绩崩了、行业风向一变，那个代表你几乎全部身家的东西就可能大幅缩水。我自己也经历过一次流量渠道的剧烈波动，那段时间才真正意识到，钱留在公司里不等于安全。那到底什么时候适合开始拿分红？我参考了 200 多个店主的样本数据，结论是：当业务能稳定产生自由现金流、且预留了 6 到 12 个月的运营资金之后，就可以开始系统性地往外拿。拿多少、多久拿一次，我自己的框架是看「麻烦调整后回报」——也就是扣掉管理精力、流动性折损和税务摩擦之后，真正到手的收益。具体操作上，我一般会这样分配：
- 应急现金：放 6 到 12 个月生活开支，追求流动性和确定性，不追求收益
- 指数基金：长期定投，作为个人资产负债表的主体，省心且分散
- 房产或私募：只在资金体量足够、且能承受低流动性时考虑，别为了配置而配置
- 高风险投机：直接跳过，电商主业已经够波动了，个人账户没必要再叠加说到底，从公司拿分红不是不信任业务，而是给自己留一条退路。业务是进攻，个人资产是防守，两边都得有。你们现在个人资产和公司资产的比例大概是多少？有没有开始做系统性的提取？

2026电商趋势报告：付费流量与AI的真相

最近看了一份2026年的电商趋势报告，样本是300位卖家，合计营收35亿美元，数据量挺扎实。报告里有个结论直接颠覆了我过去的认知：重度依赖付费流量的卖家，增长速度是其他卖家的3倍，而且并没有牺牲利润率。我以前一直觉得买量就是饮鸩止渴，看来这个偏见得改改了。

另一个扎心的数据是，72%的店铺都上了AI，但并没有带来任何财务优势。这让我想到身边不少朋友跟风买AI工具，结果只是多了一笔订阅费。技术本身不创造壁垒，怎么用才是关键，盲目堆工具反而可能拖累利润。报告还提到亚马逊的营收占比跌回了2017年的水平，这个信号很明显：平台流量红利在消退，独立站和多元渠道的价值在回升。同时，毛利率创历史新高，净利率却创新低，说明卖家在供应链端确实有议价能力，但被运营、物流、广告这些费用吃掉了利润。报告分两部分，第一部分拆解了付费流量、利润率分化、亚马逊衰退、仓库神话和AI缺失的ROI；第二部分聊商业模式转变、关税、财务智能和资本提取。整体看下来，2026年不是拼谁跑得快，而是拼谁算得清账。我的判断是，未来一年别盲目追风口，先把单位经济模型跑正。付费流量能用，但得算清楚边际ROI；AI可以试，但别指望它自动带来增长。这份报告值得每个做跨境的人细读，尤其是那些还在靠感觉做决策的团队。

十月云游戏上架25款新作

刚看到 GeForce NOW 十月要上 25 款新游戏，本周先放 6 款，这个节奏比前几个月明显更密。作为常年用云游戏补票的人，我第一反应不是兴奋，而是先看名单里有没有我真正想玩的，毕竟数量多不等于质量高。

这次比较吸引我的是《控制 Resonant》直接进云，Performance 和 Ultimate 会员还能领一个「第三冰棒球帽」外观奖励。领取窗口从 10 月 1 日到 11 月 1 日，拿到兑换码后在 Steam 或 Epic 版本里进选项、游戏性、输入兑换码，通关第一章后就能装备。流程不算复杂，但错过时间就没了，这种限时联动对收集党挺有杀伤力。另一个信号是《巫师 3：狂猎》重制版也加入云游戏库。老游戏上云其实比新作更有价值，因为很多人的本地设备早就跑不动高画质，云版本等于把硬件门槛直接抹平。如果延迟控制得住，通勤路上补个支线任务，体验会比在手机上硬扛原生移植舒服得多。不过 25 款这个数字我持保留态度。GeForce NOW 的片库一直有「上架多、下架也快」的问题，授权到期就消失，玩家投入的时间可能说没就没。所以我现在的策略是，只把云游戏当补充，不当唯一入口，真想长期玩的还是本地留一份。总体看，十月这批新作对会员的吸引力在上升，尤其是奖励和 3A 重制版同时出现。但云游戏要真正留住人，光靠数量堆片库不够，稳定性和授权透明度才是关键。你们这周准备先试哪一款？