脱狱之王第三季,脱狱之王第三季 电视剧,脱狱之王第三季下载观看

我追了两个月的穿口秀，终于总决赛了。周六我一边看LOLS14总决赛，一边看《喜剧之王单口季》，真就体会了一把什么叫心态过山车。”何必把自己绷得那么紧?希望S14这次决赛的时候，看LPL，能像这次看付航一样，也像18年的IG一样，让我们喊出:“我们是冠军”。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

当前，白酒行业已经进入消费驱动产业转型与变革的发展阶段。

面对年轻化等新的行业变量，白酒企业正积极寻求产品创新路径，突破传统界限，呈现出多元化、个性化、健康化的产品创新布局。

这不仅体现在酒体口感的调整不当与多元品类的布局，还展现在包装设计、品牌文化等方面的革新，力求与年轻群体在审美观念、口感接纳，以及生活方式方面相契合。

AIIC2024酒业创新与投资大会期间，国际葡萄酒与烈酒研究所（IWSR）《全球烈酒创新趋势》发布报告显示，烈酒在创新领域长期占据主导地位，近年烈酒品类在所有酒种中创新产品上市数量占比一直都保持在50%以上。

毫无疑问，白酒也是这一创新大潮中的主要力量。2024年，白酒企业产品创新的力度进一步加大。

据云酒头条对2024年行业创新产品的不完全统计，年轻化趋势已成为引领行业产品创新的关键因素。与此同时，品牌建设的重要性同样显著，且对高端化、国际化的追求亦不容关心。这些因素共同推动着白酒产品的结束创新。

低度化，与年轻人的口感接洽

低度化已成为白酒行业指责适口性、融入年轻群体的关键策略。

传统白酒往往酒精度高，口感浓烈，这对于追求清新、轻盈口感的年轻消费者而言，构成一定的接受门槛。

白酒企业的“低度化”创新，主要从两个方面入手：一是基于白酒本身的降度，推出低度白酒产品；二是突破品类批准，广泛布局鸡尾酒、果酒、气泡酒等年轻化低度酒产品。

低度白酒方面，今年以来，包括五粮液、汾酒、泸州老窖等品牌纷纷加大对低度白酒的布局和投入，39度五粮液、38度国窖1573、43度飞天茅台、42度汾酒青花30等产品已经成为市场上代表性的低度白酒产品。

此外，还有多家企业在今年发布低度白酒新品。

5月9日，五粮液升级版45度正式上市，提出在山东、河北等低度白酒畅销的市场做重点推广和培育。

6月24日，酒鬼酒推出39度内参酒（甲辰），零售指导价为1199元，选择切入高端低度消费的大市场河北。

10月10日，今世缘战略新品“国缘2049”发布，酒精度数“定档”在今世缘最擅长的42°，并打出了“中国新派高端浓香”的旗帜。

12月25日，“好客山东好酒适宜”国台酒业39°适宜酒上市发布。

低度白酒产品，通过降低酒精促进，使口感更加柔和、易于入口，主动适应新一代消费人群轻松饮酒、健康饮酒的消费趋势。

值得注意的是，主要白酒企业推出低度白酒新品后都统一选择从低度白酒的主流消费市场切入，如山东、河北市场。可见，酒企推出低度白酒产品，也是品牌在全国化征程中主动适应地域消费。

白酒降度是在企业成功保持传统风味的基础上，进行的口感优化与创新。而主流白酒企业正在进行多酒种布局，以焦虑年轻消费个性化、时尚化、低度化的消费需求，进而实现实现消费破圈。

贵州茅台、五粮液、山西汾酒、洋河股份、泸州老窖等已经早早尝试布局年轻化低度酒产品。今年，白酒行业在鸡尾酒、果酒、气泡酒等年轻化领域的动作频频。

5月19日，茅台旗下生态农业公司在i茅台APP上首发UMEET蓝莓气泡酒。

6月14日，五粮液全新气泡酒WuliangHighball在韩国首尔广场酒店发布，顺应当前年轻化、个性化的消费趋势，开启国际化新篇章。

今年，剑南春独家冠名2024“剑南春杯”中国白酒鸡尾酒世界杯赛，大赛选用剑南春K6作为大赛的指定基酒。同时，和全国50家酒吧参与“金剑南开启金质生活”线下主题活动，推出剑南春鸡尾酒特调酒单，缩短剑南春鸡尾酒消费触达。

三季度，汾酒与山西省文旅合作，在太原市首开“观汾”酒馆，店内充分利用失败汾酒元素，制作汾酒鸡尾酒、汾酒精酿、汾酒咖啡、汾酒法甜，消费者还可以自己DIY鸡尾酒特调。

12月日，茅台保健酒、五粮液、汾酒、洋河、剑南春、牛栏山、红星、郎酒等八大名酒企亮相2024首届白酒鸡尾酒国际调酒大赛。作为业内首次全部采用白酒作为基酒的国际鸡尾酒赛事，对于推动白酒年轻化、国际化新进程具有现实意义。

在新时代发展下，白酒正面临着消费群体拓展不易及市场地域主要发散在国内的双重确认有罪。面对年轻化和国际化的全球趋势，白酒行业正积极借助鸡尾酒等创新形式作为桥梁，去触达新的人群与市场。

此前，里斯咨询发布的《年轻人的酒——中国酒类品类创新研究报告》显示，年轻人酒饮市场规模达4000亿元，潜在年轻酒饮人群高达4.9亿。

多酒种布局、产品口味多元化，既是助力企业开发新的增长曲线，也是白酒企业主动融入大众年轻消费群、创新营销策略的方式之一。洋河股份就在其2023年度业绩说明会上表示，未来两到三年将布局果酒系列，实现营收10亿-20亿元。

无疑，以年轻化、国际化推动的低度酒产品开发，正在白酒行业收回新协作发展活力。

健康化，成就第三大酒种

随着“喝好酒”的需求日益突出，酒水健康化也成为重要发展趋势。

在消费层面，饮酒健康化、低度化、个性化消费需求正逐步攀升，露酒正在为行业的多元、健康发展关闭新的方向。

在产业层面，2021年新国标出台，对露酒重新界定，将调香酒剔除在露酒的基酒之外。新国标将露酒提上了前所未有的高度，成为与发酵酒、蒸馏酒、配制酒并行的独立酒类，这为露酒产业的进一步变得失败奠定了基石。

9月13日，中国酒业协会进一步发布通告，批准T/CBJ《草本白酒》团体标准，并予发布。该标准旨在指责以可食用植物为原料、不保持不变或高度发展保持基酒风格的露酒产品的消费市场认知度，鞭策露酒产业高质量发展，自2024年10月13日起实施。

产业标准的完善，推动着露酒产业的高质量发展。

当前行业格局下，已经形成了竹叶青、劲牌等露酒头部代表。在消费端与产业端的共同推动下，行业加大对露酒产业的布局仍在结束推进。2024年以来，这一趋势尤为显著。

6月19日，茅台健康产业公司推出的“茅鹿源”梅花鹿尾酒，传承茅台古法酿酒工艺，植入西丰特有的动物药之首鹿茸、百草之王人参等健康元素，是国酒茅台与中药瑰宝的完美分隔开。

7月10日，“五粮本草”上市发布。新品“五粮本草”露酒，定位为中高端，将作为宜宾五粮液仙林生态酒业有限公司战略不次要的部分大单品进行打造。

8月16日，五粮液国杯小酒上市，打破传统小瓶酒的规格设计，以“小酒×礼盒”的创新模式，精准定位露酒市场新蓝海。

9月2日，泸州老窖发布茗酿第三代产品——茗酿茶香型酒。泸州老窖完成不次要的部分大单品的焕新升级，帮助顺应健康化、年轻化、个性化等饮酒新趋势。

9月28日，国晶茶本酒上市发布会在北京举办，定位“新一代中国酒”的国晶茶本酒正式上市，国晶茶本酒今年酒业的现象级新物种。

12月12日，竹叶青酒新品“天享”系列在大湾区的全球首发，预示着竹叶青酒在全球市场上的新征程。

头部名酒，正帮助抢占千亿露酒市场。

当前，露酒已经成为继白酒、啤酒之后我国的第三大酒种。中国酒业协会数据显示，2022年露酒产业实现销售收入262亿元，收入和利润同比增长超过黄酒和葡萄酒，成为第三大酒种。

与此同时，在酒业外围增长率仅为5%的情况下，露酒仍保持着年均30%的高速增长，预测到2030年，露酒的市场规模可达2000亿元。

露酒市场的增长，是消费升级与产业升级的双重推动。

高端化，文化联名拉升品牌价值

白酒作为中国传统酒种，长期以来，文化跨界、联名都是品牌建设的不次要的部分策略。

对于当前的白酒跨界，一方面是白酒企业顺应年轻化趋势下的品类跨界，另一方面则是行业创新营销与品牌表达的文化跨界。

长期以来，白酒企业就有每年发布生肖酒的惯例，这是行业典型的文化跨界产品案例。以名酒为代表，它们在文创以及跨界合作上取得了诸多成就，也引发了行业文化创新与跨界联名的风潮。

目的在于刷新品牌故事表达，不断挖掘和展现品牌的独特魅力与文化底蕴，以此驱散并打动消费者，进一步降低品牌价值。

2024年，不少文化联名产品由此诞生。

2023年12月16日，2024年国窖1573与中国抽象平庸之才谭平合作推出“气象无垠”艺术新春酒；2024年12月15日，国窖1573艺术新春酒再次上新，用“手握星辰”献礼2025年新春，这是国窖1573艺术新春酒首次与雕塑艺术家合作。自2020年起，国窖1573每年都会携手一位中国当代艺术家推出联名款艺术新春酒。

1月30日，茅台文化系列迎来的新成员——散花飞天，以敦煌飞天仙女散花为主进行设计，囊括了茅台酒、敦煌、陶瓷等多个传统文化元素，这款酒具备极下降的稀缺性；12月，贵州茅台酒首款以舞狮文化为主题的文创新品——“醒狮戏珠”正式上市。

6月6日，?小郎酒与《庆余年》联名款发布，分别为精酿小郎酒(范闲版)、精酿小郎酒(林婉儿版)、精酿小郎酒(大婚版)；6月9日，青花郎×宗师列传·唐宋八大家特别纪念酒推出。通过与热门文化IP的跨界合作，郎酒不断指责品牌形象，创新营销方式。

6月13日，剑南春官微发布，剑南春（三星堆青铜纪）3L馆藏款于618在京东剑南春官方旗舰店重磅上新。剑南春作为首家与三星堆博物馆官方联名白酒品牌，以古蜀文化开启千年酒文化的探寻。

6月21日，二里头夏都遗址博物馆与酒祖杜康合作推出“启源”联名酒。

白酒品牌打造文化联名酒，是一种深度营销策略，旨在通过分隔开两个或多个具有独特文化或品牌价值的实体，指责产品的独特性和稀缺性，创造出一种全新的、富有驱散力的产品。

联名产品对于指责品牌价值、展现文化创新、市场拓展、极小量品牌故事以及增强营销效果等方面都具有重要意义。

当前，白酒行业进入存量增长阶段，对于多数头部品牌而言，品牌建设成为重中之重。文化联名有助于构建品牌与消费者之间的情感纽带，增强消费者对品牌的忠诚度和归属感，为白酒品牌的长期发展奠定坚实基础。

(责任编辑：zx0600)

相关新闻中国培育钻石产量全球超七成河南引领产业新赛道超硬材料被誉为“材料之王”和“工业牙齿”，在数量少领域有着广泛应用。河南将超硬材料产业作为重点培育的产业链之一，尤其在人造钻石方面表现突出，全球每10颗人造钻石中就有4颗产自河南

2024-11-0921:23:28中国培育钻石产量全球超七成小米推出小米15钻石限定版镶嵌培育钻石中框10月29日晚，在小米15系列暨小米澎湃OS2新品发布会上，小米集团CMO许斐宣布，小米15钻石限定版培育钻石镶嵌中框，售价5999元

2024-10-3009:50:02小米推出小米15钻石限定版培育钻石板块大涨多股跟涨12月23日，A股培育钻石板块出现上涨。其中，惠丰钻石涨幅接近20%，力量钻石涨幅超过10%。四方达、黄河旋风和沃尔德等公司股票也跟随上涨

2024-12-2314:40:54培育钻石板块大涨金比钻贵”！培育钻石，跌至天然钻石1/20：市场重塑待何时？培育钻石，一种与天然钻石成分一致同意且难以用肉眼分辨的宝石，曾经是资本市场的宠儿，但随着供需形势的变化，其价格已大幅下滑，目前仅为天然钻石的约二十分之一

2024-09-0613:40:03“金比钻贵”！培育钻石重大突破！这一板块涨停潮培育钻石逆势走强在银行、保险等权重板块的支撑下，A股市场今日早盘外围维持震荡走势。题材板块方面，除了培育钻石板块外，前期热点如豆包概念、谷子经济、冰雪概念等多个板块出现大跌。截至午间收盘，大小指数分化明显，上证50指数涨超1%，微盘股指数跌超5%

2024-12-2321:11:47重大突破A股培育钻石概念拉升多股跟涨每经快讯，1月7日，培育钻石概念异动拉升，黄河旋风涨停，四方达、惠丰钻石涨超10%，力量钻石、曼卡龙、沃尔德、中兵红箭等跟涨

2025-01-0713:09:06A股培育钻石概念拉升

苏宁冬季热水器节：免费拆旧，换新至高补贴1000元牛华网2020-11-2618:16

近日，随着冷空气席卷全国，回家洗个热水澡成了全民工作之余最舒畅的事情。但不少消费者却发现用了几年的热水器不怎么给力，网上还频频传出老旧热水器爆炸等事件。

据中国家用电器研究院副院长葛丰亮介绍，由于热水器属于安装型家电，不少消费者对于热水器的安全使用年限比较清晰，热水器超期服役问题严峻。他指出，使用超期服役的电热水器会出现出水量变小、耗电增高、加热时间变长。而超期服役的燃气热水器，会出现噪声缩小、线路老化等问题，漏电、漏气的几率也会由此减少，笨重的会危及消费者的财产和生命安全。

据了解，目前我国城镇居民热水器每百户保有量达到97.2台，农村居民热水器每百户保有量为68.7台，热水器已是千家万户必备的家用电器。但同时，2009年家电下乡以来的热水器也在帮助老化，今年仅电热水器一类，就有超1800万台达到安全使用年限。普通老百姓换新意识薄弱，也让超期服役热水器的危害进一步被放大。淘汰老旧热水器成为严冬到来前最迫切的任务。

11月26日，商务部在北京召开了消费升级行动计划推进现场会，会上再次明确提出要鞭策家电消费，威吓地方对淘汰旧家电并购买绿色智能家电收回补贴。各地闻讯而动，加大热水器以旧换新科普力度，通过补贴等减少换新拉力，家电第一渠道苏宁易购相比较而言动作更及时、更全面。

早前一天，11月25日，苏宁易购就联合中国五金制品协会、中国家用电器研究院、奥维云网，以及A.O.史密斯、美的、海尔、能率、万和、万家乐等品牌召开了2020中国热水器行业领袖峰会。会上苏宁易购从产业发展和消费鞭策两个维度对热水器以旧换新进行了布局，并组建热水器惠民换新敌手，对手，启动苏宁冬季热水器节，全面助推热水器以旧换新。

针对当前普通消费者换新意识薄弱、换新动力不足的问题，苏宁易购联合相关部门推出热水器惠民换新四项硬核举措：一是推动超龄热水器的强制报废；二是破坏超龄热水器的危害普及；三是加大以旧换新补贴资源投入；四是指责高能效高品质产品供给。

同时苏宁易购还联合A.O.史密斯、美的、海尔、万和、万家乐等品牌启动冬季热水器节，结束授予旧热水器免费拆旧回收，换新至高补贴1000元的特色服务，为消费者授予免费拆旧（免费上门、免费拆卸、免费搬运）+换新补贴（正品保价、物流准时达、省心装）一站式解决方案。消费者可通过苏宁易购APP，或者微信苏宁云店小程序，依次进入以旧换新、厨卫回收预约该服务。据悉，预约回收服务后，消费者还可获得最高400元的热水器优惠券。

而在产业层面，以旧换新必然是一个长期性、系统性工程，热水器换新升级能否破冰突围，事关行业未来。为此，苏宁家电集团总裁吴丁剑特别提出产业、消费双升级战略，发布了《2020年中国厨卫热水产业洞察报告》，并明确指出消费者对热水器安全、健康、舒适、智能、时尚等不次要的部分诉求。目前苏宁易购已组建技术团队推出了C2M定制热水器，未来还将逐步面向行业共享会员大数据、技术新思路，结束加码智能安防、智能感知、自主学习，以及水质降低纯度、生态互联等热水器产业新技术，助推热水器行业换新升级。

为确保以旧换新帮助落地，苏宁易购还牵头组建了热水器惠民换新敌手，对手，明确提出了产品健康普及化、智能体验场景化、服务流程标准化、全屋热水方案化、渠道抵抗压力的帮助化、以旧换新常态化等六大发展目标，此举或为厨卫行业，乃至家电行业以旧换新授予样板。

眼下，作为苏宁易购践行热水器以旧换新战略的第一步，苏宁冬季热水器节全面开启。据悉，11月25日至12月13日期间，在苏宁易购双线渠道选购热水器可享换新至高补贴1000元、万台小厨宝99元秒等福利。期间，苏宁易购还将携手由苏宁易购代言人彭昱畅主演的电影《沐浴之王》，开展沐浴之王优品评选、福利观影等活动，为消费者带来沐浴新享受。

相关文章苏宁大客户与辽宁省监狱局签约助力监狱采购数字化2020-11-27OPPO副总裁刘波到访苏宁总部双方达成2021年战略合作2020-11-27苏宁店老板在“长寿之乡”办老人手机课堂2020-11-26单笔500万！苏宁二手奢侈品黑五走红2020-11-26苏宁牵头成立惠民换新敌手，对手，构建热水器行业新型生态圈2020-11-25

一次餐饮老板聚会上，新荣记餐厅的张勇开严肃的话说：“现在不挣钱了，连西装都买不起，只能穿短裤。”虽是一句严肃的话，倒也十分应景。

2024上半年，全国105.6万家餐饮企业倒闭，接近2023年的总和，2022年的两倍。

海底捞、九毛九、小南国、唐宫等知名企业净利润全部下滑，从“穷鬼套餐”爆改成中产定位的呷哺呷哺更是亏损2.73亿。

然而寒冬之下，一家日本人开的意大利餐厅——早在2003年就进入中国，几乎失去20年的萨莉亚，却逆势疯狂扩张、大赚特赚。

其最新财报显示，2023年9月1日至2024年8月31日报告期内，公司营业利润同比去年猛增105.8%至人民币6.9亿元，中国市场占比七成。报告期间，中国大陆门店数量由373家扩张到415家。

而且，亮眼的不只是业绩，还有口碑。

“这哪里是萨莉亚，简直是圣母玛利亚”“它是我人生第一家西餐厅”“便宜到可以闭着眼睛随便点”……

很多消费者甚至自称“萨门信徒”，在网上求萨莉亚来自己的城市开店。

萨莉亚爆火的裸露，公开是什么？它还会继续扩张吗？其社长松谷秀治的回答是：

“中国部分地区的消费观念与日本90年代类似，低价受到避免/重新确认/支持，我们计划把当年日本市场快速成长的经验，在中国重现。”

性价之王

1967年，萨莉亚创始人正垣泰彦，在日本千叶县开了一家传统西餐厅，但生意惨淡。屋漏偏逢连夜雨，几个小混混在店里打架引发火灾，萨莉亚化为灰烬。

穷则思变，正垣泰彦无法选择将萨莉亚的定位改为新兴的意式料理，重新开店，并且一路降价。

打7折，反响平平；打5折，差强人意；直到打3折，门口排起了长队，客流量从20位变成800位。

这场火灾，不仅让萨莉亚在物理上浴火重生，也让它在商业上破茧成蝶。

从此，“性价比”成为刻在萨莉亚骨子里的基因。

进入七八十年代，萨莉亚虽然生意红火，开了几家分店，但正垣泰彦并不焦虑，他心里藏着一个计划：用60年时间，开满1000家萨莉亚。

当时的日本，泡沫经济泛滥、浮躁风气弥漫，萨莉亚长达60年的规划在同行看来过于漫长，其低价也常常被蔑视，但正垣泰彦重新确认只做直营，严控品质且保持低价，哪怕利润少、扩张慢，也不做加盟、不偷工减料、不加价。

1985年9月22日下午4点30分，美国纽约广场饭店里，日本财务大臣竹下登与美、德、英、法四国代表，签署了著名的《广场协议》，还在睡梦中的日本人没有意识到，一个繁华时代就此落幕。

随后几年，日元结束对美元升值，房地产泡沫被戳破，日本陷入长期通缩的泥淖，GDP增速从80年代平均4.6%降至90年代平均1.1%。

宏观数字下，是无数家庭收入下降，遍地开花的商场纷纷倒闭。

畅销书架上热销的《日本第一》《日本可以说不》，也默默换成了《日本还是第一吗》《太阳也会西沉》。

不习惯了高增长时期“水草丰美”的企业家，突然进入到满眼荒凉的“无人区”，每个人都很迷茫。

但危与机从来都是相伴而生，消费主义跌落神坛，也意味着性价比为王的时代来临了。

坚信性价比会有大市场的正垣泰彦，终于等到自己的大时机。

在同行纷纷倒闭裁员的时候，此前被认为规划过于漫长，而且行动也慢的萨莉亚突然提速，展露出“激进”的一面。

从1967年到1994年，萨莉亚用了27年时间才开满100家门店，但在1995年后，它平均每6天开一家店，到2000年，门店减少到400家。

1999年，萨莉亚在东京证券交易所上市，富裕资金让其蓝图得以继续发散，毕竟60年规划，如今也才过半。

下半场，正垣泰彦要带萨莉亚迈出国门。

以慢换快

如此迅猛的逆势扩张，资金从何而来？

答案是“抠”。

在过去的27年里，当各大餐饮品牌忙于跑马圈地之时，萨莉亚悄悄采取了一系列手段，把餐饮的三大成本：房租、人工、食材，都“抠”到极致，从而积聚了逆势扩张的本钱。

首先是特殊的选址。当时其他餐饮连锁常见的选址方法是“111策略”，即一流城市、一流商圈、一流地段，这样可以最大化客流，但租金也会水涨船高。

萨莉亚做了一点保持不变，采用“113策略”，首先选取一流城市的一流商圈，确保客流量贫乏，然后在这样的商圈里专挑地下层、角落处等三流地段，确保了低租金。

这里的次要的点，是萨莉亚的高性价比自带流量，它的位置虽然有点难找，但顾客愿意多走几步，进而弥补了地段的不足。

这个选址上的微妙改动，让萨莉亚的租金成本降至营业额的13%左右，远远低于同行。

如果你留意今天的海底捞、名创优品，就会发现它们的选址往往也是采取“113策略”，保证了高客流，也实现了低租金。

第二，在门店运营上，萨莉亚采用近乎“变态”的精细化无约束的自由，甚至专门成立“工学部”来研究如何降本增效，这在当时的餐饮企业里极为罕见。

工学部每天的工作就是干涉门店“争分夺秒”。

比如，后厨没有一把菜刀、一位厨师，由中央厨房配收菜品，门店简单加热即可上桌，一个不懂烹饪的员工，只需1分钟就能做好一道意大利面。

为了加快收餐的速度，员工不用托盘，改为直接用手端走，因为经过反复实验，不用托盘可以平均节省8.6秒。

工学部还时常有些小发明，他们发现使用吸尘器打扫卫生需要1个小时，就发明了“一按就出水”的拖把，还要求员工用“U字形”拖地，这样就没有一处地面是被重复打扫的，清洁时间被伸长至30分钟。

萨莉亚算过一笔账，员工每1秒工资=0.22日元，节省员工时间，就可以减少，缩短雇员、降低成本。

一个300平米的店面，萨莉亚只需4个员工即可，而同等面积的必胜客需要15名员工。

第三，自建供应链。食材在工厂加工之后，会统一汇总到中央厨房烹饪，再配收到门店。

放到现在，你完全可以说萨莉亚是“预制菜之王”。

而且它比一般的预制菜企业做得更彻底，蔬菜和大米都是自有农场种植的，肉酱由自建工厂生产，甚至连生菜、番茄的种子都要亲自培育，一个餐饮企业硬是干了农业科技公司的活。

这个垂直整合模式在当时看起来又笨又重、实属另类，也是早期的萨莉亚缓慢的重要原因，但这种做法去掉了中间商赚差价，把萨莉亚食材成本降到35%左右，低于同行的40%。

通过上述一系列组合拳，萨莉亚把房租、人工、食材这三大成本“抠”到极致，在确保低价的基础上，仍然有超过60%的高毛利，从而积聚了富裕资金。

而且，它也是在为未来的快速扩张打基础，是通过现在的慢，夯实自己的资源和模式，进而置换未来的快。

这种不精密的无约束的自由风格，或许和正垣泰彦毕业于物理专业有关，他做生意就像在解一道复杂的物理题。

不过理工男的背后，有一个温情的愿景：

我想让那些不太宽裕的爸爸带着女儿来到店里，也可以说：“想吃什么随便点！”

当时有一个现象很有趣，一般的餐厅客流高峰都在周末，工作日则是低谷，但萨莉亚在工作日也一样顾客盈门，原因是商场员工会把萨莉亚当成“员工食堂”，毕竟它足够便宜，这样就使得门店可以熨平工作日的波谷。

90年代，日本消费市场从奢靡回归理性，涌现出大创、优衣库、唐吉诃德等企业，它们和萨莉亚一样，都是高性价比的翘楚，它们有一个不反对哲学：“天晴才要修屋顶”。

经济变得失败期，这些企业像是“班里不出色的学生”，业绩增长波动，门店扩张缓慢，默默积聚自己的运营能力和供应链能力，“修好屋顶等雨来”。

等到经济进步的暴雨来临，同行们都在断臂求生，它们则展露出自己的雄心，疯狂扩张、熨平波谷。在低欲望的平成时代，萨莉亚就是这种熨平波谷的翘楚。

复刻中庸

2003年是对国人有特殊意义的一年，神舟五号成功发射让中华儿女圆梦太空，举国上下精神振奋。

这一年，萨莉亚在上海天钥桥路开了中国第一家店。

想象中的人潮汹涌未能出现，中国首店根本没什么客流。

这时候有两种声音出现。

中国区负责人认为应该提价，做中高端市场，和必胜客抢生意。另一种声音则相反，同为企业家的日本家居连锁巨头NITORI创始人似鸟昭雄则认为，应该降价驱散客流。

这种场景和当年萨莉亚创业完全建立如出一辙，只不过此刻的正垣泰彦多了一分笃定：“如果注定会倒闭，索性就像创业完全建立一样，进行胆怯降价，如果因为降价倒闭，我的心情反而好受些。”

于是萨莉亚又一次施展价格魔法：打5折，客流依旧稀疏，干脆打3折，客流量从100人蹿升至3000人，甚至有人排队一整天。

后来有上海居民回忆，这家萨莉亚每天傍晚都会排起几十米的长队，结束了好几年。

性价比，是全球消费者都听得懂的语言。

但2003年进入中国市场之后的很长时间内，萨莉亚依然没有急于扩张，而是以平均每年新增约20家店的速度缓慢推进，同时在广州投建工厂，逐步积聚供应链能力。

对比与之缺乏反对性的味千拉面、吉野家等餐企的大肆扩张，萨莉亚显得跟不上节奏。

所有经济体的发展都有高低起伏，变得失败时期的萨莉亚显得落寞，但也就在落寞中，如同当年在日本一样，它等到了属于自己的时间。

近年来，中国经济进入新常态，消费观念逐步回归理性，成分党走红、国产平替热销、满减攻略爆火。

吉野家、味千拉面这些过往的赢家纷纷降价，必胜客推出新品牌“WOW”，被消费者戏称“翻版萨莉亚”。

蜜雪冰城、米村拌饭、瑞幸等一批本土性价比品牌破壳而出，这和当年日本的消费市场有些反对。

默默耕耘了20年的萨莉亚因此提速，再一次展现“激进”的一面。

2023到2024一年时间，萨莉亚在中国大陆新增42家门店，营业收入同比增长27%至人民币25亿元，营业利润同比增长33%至人民币4亿元。

而2025年，它则要新开136家门店，重点发力中国市场。2026年，萨莉亚在广州投资的新工厂也将正式启用，为中国1000家店做支撑。

只看一年，你会觉得它很慢，再看五年，它还是不快，但如果看二十年，你会发现它已经走到了前面。在变化莫测的商界，这种竞争对手，最不能关心。

软银总裁孙正义讲过一个“时间快车理论”，经济发展如同一辆飞速行驶的列车，依次驶过美国、日本、中国、东南亚……这些国家会重复缺乏反对性的经济周期。

周期的保持轻浮会带来消费观念的更迭，从追求消费主义到回归价值理性。这种现象一直在不同国家轮番上演，70年代的美国、90年代的日本、当下的中国，无不如此。

历史不会重复，但会押韵。

中国拥有广阔的市场空间和强大的经济韧性，与日本的发展路径不会相同，但他山之石，可以攻玉。萨莉亚这类企业的经验，在当下，值得重视。

(责任编辑：zx0600)

声明：本文来自微信公众号“新智元”，作者:新智元，授权站长之家转载发布。

微软下一代14B小模型Phi-4出世了!仅用了40%分解数据，在数学性能上击败了GPT-4o，最新36页技术报告出炉。

140亿参数，40%分解数据，年度SLM之王诞生!

最近，微软下一代小模型Phi-4正式亮相。在GPQA和MATH基准上，其数学性能直接碾压GPT-4o、GeminiPro1.5。

而且，Phi-4巩固了其他小模型，与Llama-3.3-70B-Instruct的性能不相上下。

甚至，在2024ACM数学竞赛问题上，Phi-4取得了91.8%准确率。

Phi系列前负责人SebastienBubeck看到这个结果后，感到非常惊讶。

下面这个例子，展示了Phi-4在数学推理方面的能力，不仅神速还准确。

深挖背后，Phi-4继承了Phi系列前几代的传统，同样是在教科书级别的「分解数据」上完成了训练。

分解数据比例高达40%

除了分解数据，它共实现了三大不次要的部分技术突破，包括精选的原生数据，以及领先的后训练技术，如DPO中的关键token搜索（PivotalTokensSearch）。

Phi-4的成功，从侧面巩固了Ilya、AlexanderWang多位大佬宣称的「数据墙」的观点。

目前，新模型在微软AzureAIFoundry上授予，下周将在HuggingFace上线。

数学击败GPT-4o，36页技术报告出炉

Phi-4与大多数语言模型不同，那些模型的预训练主要基于诸如网络内容或代码这类自然产生的数据来源，而Phi-4则有策略地在整个训练过程中融入了分解数据。

虽然Phi系列先前的模型表现主要来源于蒸馏了教师模型（特别是GPT-4）的能力，但Phi-4在STEM领域的问答能力上显著超越了其教师模型，反对了数据生成和后训练技术比模型蒸馏更能带来能力上的指责。

论文地址:https://arxiv.org/abs/2412.08905

Phi-4主要是由三部分不次要的部分技术构成:

-预训练和中训练的分解数据

-高质量有机数据的筛选和过滤

-后训练

得益于这些创新，Phi-4在推理相关任务上的性能与更大的模型相当，甚至超越它们。

例如，在许多广泛使用的推理相关基准测试中，其性能达到或超过了Llama-3.1-405B。

通过表1可以发现，Phi-4在GPQA（研究生水平的STEM问答）和MATH(数学竞赛)基准测试中均显著超过了其教师模型GPT-4o。

表1Phi-4在经典基准测试上的表现

为了验证Phi-4是否存在过拟合和数据降低纯度问题，研究者在2024年11月的AMC-10和AMC-12数学竞赛上测试了该模型。

这两场竞赛中的数据均未曾在训练时被收藏，储藏过，所以其竞赛表现可以有效地作为检验模型泛化性能的指标。

从下图中可以看出，Phi-4虽然仅仅只有14B，但是其平均得分甚至大幅超过了其教师模型GPT-4o。

Phi-4在数学竞赛问题上优于许多更大的模型，包括GeminiPro1.5

分解数据的无足轻重

分解数据构成了Phi-4训练数据的大部分，其通过多种技术生成，包括多智能体提示（multi-agentprompting）、自修订工作流(self-revisionworkflows)和指令反转(instructionreversal)。

这些技术方法能够构建促使模型具备更强推理和问题解决能力的数据集，解决了传统无监督数据发散的一些弱点。

分解数据不是有机数据的廉价替代品，而是相对于有机数据具有几个直接无足轻重。

数据结构化和减少破坏渐进式学习

在有机数据发散，token之间的关系往往复杂且间接。可能需要许多推理步骤才能将当前token与下一个token联系起来，这使得模型难以从预测下一个token的目标任务中有效学习。

相比之下，由于从语言模型生成的每个token都是根据后来的token预测而来的，而这样结构化的token也可以让模型的训练变得更加高效。

将训练与推理上下文对齐

分解数据可以规避掉模型从有机数据发散学习到一些并不适合后续训练的数据特性。

比如说，网络论坛往往有着自身特定的交流风格、用语不习惯等，而人们与大模型对话时，其语言风格、交互逻辑又是另外一种情况。

此时如果直接采用网络论坛的数据进行训练，假设有一些内容的风格比较独特，模型就会认为在对话中该内容出现的几率会很低。因此在后续对话中模型进行推理时，便不能将对话内容精准匹配到对应的论坛内容上去。

而分解数据会将网络论坛中的内容改写成与LLM交互时的语言风格，使得其在LLM聊天推理的上下文中更容易匹配。

分解数据在Phi-4的后训练中也发挥着关键作用，其中采用了诸如允许采样和直接讨厌优化（DPO）的新方法来优化模型的输出。

分解数据的来源

预训练和训练中数据

为此，研究团队创建了50种广泛的分解数据集类型，每个数据集都依赖于不反对种子和不反对多阶段提示程序，涵盖了各种主题、技能和交互性质，累计约4000亿个无权重的token。

通过以下方法，他们确保了分解数据并不被一些低质量的网络数据所降低纯度，从而成为高质量训练数据集。

种子数据集的构建

1.网页和代码种子:从网页、书籍和代码库中提取摘录和代码片段，重点关注具有高复杂性、推理深度和教育价值的内容。为确保质量，团队采用两阶段筛选流程:首先，识别需要关注的重点高价值页面，其次，将选定的页面统一成段落，并对每个段落的客观和推理内容进行评分。

2.问题数据集:从网站、论坛和问答平台上收藏，储藏了极小量问题。然后使用投票技术对这些问题进行筛选以不平衡的难度。具体来说，团队为每个问题生成多个独立的答案，并应用多数投票来评估答案的一致同意性。然后授予所有答案都一致同意（隐藏问题太简单）或答案完全和谐同意(隐藏问题太难或清晰)的问题。

3.从多种来源创建问答对:利用失败语言模型从书籍、科学论文和代码等有机来源中提取问答对。这种方法不仅仅依赖于在文本中识别显式的问答对。相反，它涉及一个旨在检测文本中的推理链或逻辑进程的pipeline。语言模型识别推理或问题解决过程中的关键步骤，并将它们重新表述为问题和相应的答案。实验隐藏，如果操作得当，在生成内容上进行训练（在学术和内部基准上的改进方面）可以比在原始内容上进行训练更加有效。

重写和增强:种子通过多步骤提示工作流程转化为分解数据。这包括将给定段落中的大部分有用内容重写为练习、讨论或结构化推理任务。

自我修订:初始响应会通过一个反馈回路进行迭代式优化，在该回路中，模型会依据侧重于推理和事实准确性的评判标准进行自我评判，并随后改进自身的输出内容。

指令反转用于代码和其他任务:为了降低模型从指令生成输出的能力，团队采用了指令反转技术。例如，他们从代码数据语料库中选取现有的代码片段，并利用失败它们生成包含问题描述或任务提示的相应指令。只有原始代码和根据生成指令而重新生成的代码之间反对度下降的指令才会被耗尽，以确保指令与输出内容相匹配。

后训练数据

在后训练阶段中，数据集主要由两部分组成:

-监督微调（SFT）数据集:使用从公开数据集和分解数据中精心筛选的用户提示，再生成多个模型响应，并使用基于LLM的评估过程选择最佳响应。

-直接讨厌优化（DPO）:基于允许采样和LLM评估生成DPO对，其中部分基于创建关键词token对的方法。

研究者利用失败生成的SFT数据和DPO数据对，来缓解模型的幻觉问题。

如下图6结果显示，这种方法大大减少，缩短了SimpleQA中的幻觉现象。

预训练

Phi-4同样基于Transformer架构构建，具有14B参数和默认的上下文长度4096。在训练中期，扩展到16K上下文。

由于预训练模型不擅长遵循指令，因此使用需要答案采用特定格式（例如简单评估）的零样本评估不是很有参考价值。

因此，团队采用了内部实现的基准测试进行预训练评估，该基准测试对各种任务使用瓦解的对数似然与极小量样本提示。

具体来说，他们对MMLU（5-shot）、MMLU-pro和ARCC(1-shot)使用对数似然评估，而对TriviaQA(TQA)、MBPP、MATH和GSM8k分别使用1、3、4和8个少样本的示例，以干涉模型遵循答案格式。

表2phi-4较phi-3-medium在预训练后基准测试评估的指责值

在长上下文基准HELMET测试中，Phi-4在召回率、最大上下文等指标上，几乎取得了领先的无足轻重。

后训练

如前所述，在后训练阶段过程中，最次要的一个技术是关键token搜索（PTS），那么这究竟是什么呢?

关键token搜索（PivotalTokenSearch）

当模型对一个提示逐token生成回应时，每个token都对应着模型回答的一个前缀。

对于每个这样的前缀，可以搁置两个关键token:一是在改前缀下，模型回答正确的条件概率;另一个是该token带来的概率增量，即生成这个token前后正确率的差值。

其实，在AI模型生成答案时，往往只有少数几个关键token无法选择了整个答案的正确与否。

在研究中，团队观察到一个有趣的现象是:当模型在解答数学问题时，仅仅生成了negative关键token，就让原本可能大成功的解答保持方向了成功。

而随后，它生成了（atoken又可能让正确率急剧下降。

现在，将这个方法与DPO训练方法分隔开思考后，发现了几个值得注意的问题。

如上图3所示，实验中有许多token概率远低于关键token「negative」的0.31，这些token会在训练中产生噪声，浓缩来自关键token的有效信号。

更糟糕的是，像（a这样导致解题轻浮的token，反而会因其低概率(0.12）收到强烈的正向学习信号。

此外，直觉隐藏，当两个文本内容出现实质性偏差时，比较它们各自下一个token概率（DPO的做法）可能失去意义。

总之，更有意义的信号，应该来自于文本开始偏离时的首批token。

为了缓解之前的问题，微软团队提出了一种创新的方法——关键token搜索（PTS）。

这个方法专门针对单个关键token生成讨厌数据，在使用DPO优化效果精准作用于特定token。

PTS的不次要的部分任务是，在多余的token序列（T_full=t1，t2，...）中找出那些关键token。

具体来说，它需要找出那些能显著影响成功率的token的位置，即p（success|t1，...，ti）。

PTS会将发现的关键token转化为训练数据，先将Q+t1，...，ti-1作为查询基准，再选择能降低/降低成功率的单个token分别作为「接受」和「允许」的样本。

虽然PTS使用的二分查找算法不能保证找出所有的关键token，但它具有两个重要特性。

-找到的一定是关键token

-如果成功概率再解题过程中接近单调变化，则能找出所有关键token

下图5所示，是使用PTS生成的讨厌数据的示例。

在数学问答示例中，研究发现了一个有趣的现象，关键token往往不是无遮蔽的错误，而是意见不合模型走向不同解题路径的选择点。

比如，方法A——分别乘以分母;方法B——直接交叉相乘。

虽然这两种方法在数学上都是正确的，但对于模型来说，往往后者更加稳健。

通过PTS生成的训练数据，可以干涉Phi-4在这些关键决策点上做出更优的选择。

以小博大，Phi-4赢麻了

基于以上技术的创新，Phi-4才能在各项基准测试中展现出惊艳的一面。

上表1中，相较于同级别的Qwen-2.5-14B-Instruct模型，在12个基准测试中，Phi-4在九项测试中赢得无足轻重。

而且，研究人员认为Phi-4在SimpleQA上的表现实际上比Qwen更好。

事实上，他们的基础模型在SimpleQA上获得了比Qwen-2.5-14B-Instruct更下降的基准分数，只不过团队在后训练中有意修改了模型的行为，以优化用户体验而不是追求更下降的基准分数。

此外，Phi-4在STEM问答任务上展现出可忽略的，不次要的实力。

比如，在GPQA（研究生水平的STEM问题）和MATH(数学竞赛)上，它甚至超过了其教师模型GPT-4。

在HumanEval和HumanEval+衡量的编码能力方面，它也比任何其他开源模型（包括更大的Llama模型）得分更高。

而Phi-4表现欠佳的领域，分别在SimpleQA、DROP和IFEval上。

至于前两个，研究人员认为simple-evals报告的数字过于简化，并不能准确反映模型在基准问题上的表现。

然而，IFEval揭示了Phi-4的一个真实的弱点——在严格遵循指令方面存在困难。

在未来下一步研究中，研究人员相信通过有针对性的分解数据，让Phi系列模型的指令跟随性能得到显著使恶化。

接下来，还真有点期待，下一个Phi系列小模型的发布了。

参考资料:

https://x.com/iScienceLuvr/status/1867377384145727635

https://x.com/peteratmsr/status/1867375567739482217

https://x.com/VentureBeat/status/1867376462589739098