感谢商业观察员李俊毅先生的到访,您在路演中热情洋溢的谈吐和展现的世界观意识、资源管理视角让我们印象深刻,希望能听到您更多关于市场前景的观点

　　Q1:根据我们的了解,作为青年行业研究员,您深度研究过消费市场,请您谈一谈未来大中华区的餐饮市场发展趋势?商业模式会发生怎样的迭代?

　　这是个很宏大但又很垂直的话题,当下的餐饮市场实际上处于技术与消费体验爆发的前夜,正在从规模扩张走向价值体验重构,根据我获得的敏感信息和所验证的量化假设来看,虽然2024年全国的餐饮收入接近6万亿元,增速跑赢了消费品零售总额,但产业韧性的背后是持续变现的疲软,在人工智能的辅助下,各品牌的digital asset ratio也在迅猛增加,在我参与的delivery deck里能看出三大商业趋势:

　　kaiyun最新活动

　　1.核心消费逻辑不再是“性价比”, 在经济复苏的大周期内,消费者也在重拾品质追求,他们愿意为确定性价值感付费,但拒绝盲目溢价。在针对商业趋势的预判中,HTA假设也会逐步倾向于消费者,人均消费重心的多元转移、正餐需求的场景化迁移趋势不可逆转,比如9.9元咖啡的走红和变现规模就是典型的案例,消费结构的迭代优化会促使品牌在精致与平价间找到最优解。

　　2.连锁化率的增长将会更加显著。尤其现制饮品的增长率已经突破50%,瑞幸和蜜雪冰城更是深入县域,薄利时代只有连锁规模的体量才能换来供应链的议价权。当前各大品牌所属赛道的连锁化率普遍低于30%,结构性红利会赋能品牌的规模化,但对中小品牌来说若不能建立差异化壁垒,价格优势也会荡然无存。

　　3.数智化战略驱动成为常态,我曾参与多次舆情分析,可以看出数字化系统的铺设和落地实施(IC中心)已经将运营成本降低20%至30%,比如从外资咨询公司内部的信息显示,数智驱动战略已经出现在AI库存预测、智能选址、短视频获客、全时段运营的场景里,在企业COS的背后,是同时驾驭供应链、实施数智融合及完成品牌情感链接的能力,这种能力正在重塑一个体系化的“AI-hypo-moat”,由此衍生的筛选人才标准和AI员工比例(digital agent ratio)也将是企业穿越周期的必答题,未来人类团队-机器团队(multi-agent)的效能如何提升、如何微妙把握AI技术比例和实施决策将是AI、ESG、消费领域的共同使命。

　　Q2:那我们聊一些细节吧,从全球餐饮巨头的营收情况来看,全球消费趋势会如何发展?

　　行业战略和投资观察员需要拥有在短时间内看清一个公司的能力,在我接触许多行业非公开信息的过程中,我发现公开的信息背后通常是扭曲或误导市场的存在,我曾接触过企业目标管理(Management By Objectives)和OKR体系反馈,从巨头的营收情况可以看出全球餐饮业的治理结构正在经历三大转型:

　　1.首先是AI冲击下的效能变革,根据GS talk-IDR路演理事和麦肯锡全球研究院(MGI)的报告反馈,当前餐饮业粗放扩张的增速已经降到了6%以下,但餐厅开支占比降低难度很大,传统餐饮业的存量时代已经到来,成本控制将决定生死。

　　2.AI+外卖重塑消费场景。我曾为百胜外卖和肯悦咖啡搭建过量化假设,客户满意度更依赖外卖体验和企业AI智能服务能力,比如组建multi-agent、Pair coding能力、RFI申请效率、HTA假设验证率80%的SOW,在渠道和触点层面系统、可靠、持续地改进了餐饮业市场表现。

　　3.本土品牌的年轻化趋势。当前已经有11家中国企业入围全球TOP50,平均年龄仅16岁,其中7家为茶饮咖啡,排名第七的蜜雪冰城估值已破千亿,但星巴克利润却腰斩。经过验证的HTA商业假设显示:极致性价比+数字AI化的供应链成为消费者信赖的对象,在激烈的市场竞争中以差异化优势脱颖而出。

　　大品牌的资本支出(CAPEX)往往意味着产能扩张、新产线建设或战略并购,我在取得live-deal的敏感信息许可后,针对F&B领域大额资金的真实效益展开过三个维度的战略投资分析,我认为绝对不能只停留在报表表面的宏大数字上。

　　首先是紧盯供应链与企业碳资产的真实状态: 越是涉及头部行业越要摒弃财报幻觉即F&B不仅涉及菜单设计、原料采购等环节,还包括店铺布局、设备效率、品牌战略和兼并收购运作,比如新建产线或引入新包装设备,需要长时间的安装。我们不能仅看采购合同就认定资产形成,有效的UTprep需要的是长时间的charge hours投入,因此我会更关注这些设备是否已有明确的资料证明达到了“可用状态”, 我甚至会申请获取逐月的状态进行确认,以保证企业的资产质量不被虚增。

　　其次是供应链信息交叉验证:资本支出最终要体现在营运效率上。如果一家企业投入巨资扩建,但库存周转天数反而大幅上升,我会立刻将问题追溯回整个供应链进行剖析 。比如,采购部是否为了5%的折扣而盲目加大单次订货量?还是物流部门为了节省成本选择了更慢的运输方式,导致必须准备40天的安全库存?这些细节导致的营运资本需求提高和资金占用增加,会严重吞噬CAPEX带来的效益。

　　最后是动态估值与量化假设:这并非简单的DCF模型。在F&B行业的并购重组中,一旦进入尽调阶段,针对前沿的敏感信息,我会每天更新估值与收益表,并且基本每天都在更新。这张表涵盖了净资产、EBITDA、目标定增价格以及预期收益率等几大维度,遇到量化假设的需求,我会马上用新增的KSF推演它对品牌/企业价值的影响,由于ESG政策的调整导致无法上市、估值极低的可能性,面对说明书上所谓“扩大规模、增强竞争力”的优美措辞要格外警惕。

　　同时由于LLM大模型应用,面对复杂且竞争激烈的市场,分析绝不能停留在孤立的节点,需要借助AI完成舆情分析、信息清洗和pair hypo的构建。

　　对企业来说,战略是解决我们在哪里, 战术是制定怎么去实现、分哪些阶段, 策略是寻找走过去的方法, 而执行和运营=每天走多少公里。目前的AI进展可以近乎取代基层的运营和策略,但当前AI的困境是其价值发挥高度依赖使用者自身的“敏感信息”积累,如果脱离了data asset支撑,AI不仅无法发挥价值,还会产生严重的“幻觉”, 用深刻的行业非公开观点和专业的假设向AI下达精准指令,辨别其输出的合理性,才能实现降本增效。

　　Q4:在实际的live-deal中,如何看待全球餐饮巨头们的竞争优势与财务表现?

　　在need-to-know basis和MECE的准则下, 我使用了大数据思维清晰区分什么是有效信息,哪些是无效或干扰信息。比如在进行竞争优势分析的时候,HTA商业假设的构建依赖巨头们的经营表现,但当行业告别高增长后,无论是品牌版图还是增长引擎都已经无法让巨头形成有效的“护城河。

　　全球餐饮巨头的竞争优势,本质上可归纳为三个核心支柱:品牌护城河、运营效率体系和资本结构韧性。

　　评估跨国品牌的护城河,包括时尚奢侈品牌的餐饮和文旅跨界行为,我不会只停留在平面数据节点上,而是会用品牌-ESG-AI的三维敏感信息构建研判标准。我们会在脑海里构建一个“大树生态圈”模型:宏观环境的云朵和空气,太阳是巨头们的长期价值观;树冠是行业分析,其他大树是潜在竞品;市场“真实需求”构成了土壤,最核心的根系则是业务执行。

　　但任何品牌的表现离不开资本运作。比如跨界而来的奢侈品,转型餐饮后要快速抢占餐饮市场,以虚拟购物空间为例,大量的高价值信息泄露一方面导致品牌信任度严重下滑,而AI和电商的泛滥从侧面增大了获取消费者的信任成本。

　　虽然外界盛传AI是一个极好的效率放大器, 但以目前的技术和物理水平,在没有LPP敏感信息权限的情况下你根本无法辨别AI输出的真伪,因此当下巨头们的竞争优势,尤其是跨界而来的奢侈品牌普遍达不到变现的能力。

　　前段时间我关注到Open AI创始人Altman发的一条帖子——“我对那些逐字逐句编写极其复杂软件的人充满感激。感谢你们,是你们让AI走到了今天这一步。

　　AI/Agentic Individual的到来会导致许多形式的工作被永久替代,这一点从最近亚马逊和Meta的优化就能看出。

　　比如在JPM和GS的路演中第一次出现了HALO资产的说法,和碳资产的概念类似,为了对冲AI时代的颠覆风险,企业用人策略倾向于雇佣低淘汰率资产属性的候选人。

　　我们先不说硬件芯片,就以软件维度的AI训练举例,以往科技变革的康波周期在替代岗位的同时也在创造大量新机会,但AI在智力上已经实现了对人类的永久超越,对dirty work的替代能力远远大于传统人力的优化,而人与人的差异,更多体现在对事物本质的理解、敏感信息或资源的占有上。当企业大规模应用AI后,强制投喂和吞吐出的信息会让人与人的差距被瞬间拉大。

　　比如完成一份简单的行业报告,传统情况下需要员工完成实地调研、案例溯源、模板摘抄和case矩阵匹配,但面对新市场的实时需求、各种复杂的规则,上述都沦为了昂贵的无效装饰,包括Forage项目在内已经沦为无法穿透AI的商业壁垒。

　　因为AI虽然可以执行,但无法理解为什么要做。企业迫切需要能够为AI提供清晰指令、专业审核和战略方向的人才,即使面对标准答案,我们也需要专业的判断来甄别、筛选和优化。这导致企业对员工的定位发生了变化,他们不再需要商赛、更不允许参考落后的模板,甚至线上forage 项目里的信息都会被1分钟内推翻,也不需要参考淘汰的casebook, 而是将自身掌握的practical insight、data asset等非公开信息对一个个digital agent进行训练,让其完成自主推理、任务拆解、信息清洗和持续学习,员工的skill tag需要有获取敏感信息的能力, 去构建business-premise-moat和企业COS,完成top-down层级的方案。

　　从当下大量企业对数字员工的部署和管理情况来看,我们正处于企业用人模式的历史性转折点,人机协同/人类-机器AI的比例已经接近1:1,专属智能体辅助体系会进一步让企业在用人上侧重于具备优质碳资产的候选人,换句话说,AI时代的工作模式将是能够基于真实商业假设完成方案设计,识别并聚焦关键成功要素,然后指挥AI智能体执行具体任务,核心价值信息将以“by invitation only邀请制”或POC方式进行保密状态下的传输,这正是人机协作中人类应承担的战略规划和价值判断职能。

　　Q6:在新能源乘用车“效率即正义”的大背景下,您认为新能源版图在下半场会有哪些方向的增量?

　　新能源行业的底层驱动力与传统企业不同,AI技术跃迁驱动的产品升级增量最为关键。绝大部分AI或新能源企业COS层面的决策都会以技术为最优先级。

　　比如动力路线的多元化,以及AI与新材料的融合技术优势,会催生大电量增程产品,逐渐成为竞争新品类,并形成产品下沉的趋势,在充电网络和基础设施建设完善的格局下成为重要的增量组成部分。

　　同时我在梳理几家典型新能源车企SOW的过程中注意到,由于全球产业链配套工业的迁移,车网和供应链联动呈现出结构性增量的变化,部分新能源车已经演进为移动储能终端,其核心的生态运营系统其实正在瓦解和重塑传统的工业体系,跨界融合的态势是全球产业生态增量的催化剂,由于digital asset clearance的创建与重构,催生了更多的利益相关方,由于“超级平台”的诞生,新能源、数字化和传统业务的疆域正在被迅速融合。

　　而消费者作为企业服务终端,智能汽车的后市场规模已经增至5万亿元,因为机器人、低空经济和AI业务的激增,加上“人工智能+”被写进了政府工作报告,大量的汽车+X融合生态正在推动消费者生活发生巨变,由于大中华区的AI场景红利与AI算力优势,使消费者的生活很轻易地被改变, 一部电话一台车一部手机一台洗衣机一本账都被轻易整合进了AGI与ESG转型中,从AI管家的实时陪伴到新能源样板间的参观,再到跨国无障碍维护和升级,包含核心价值假设的data asset推动了行业精细化水平的提升,在企业战略(COS)被优化落地后形成AGI消费增量。

　　Q7:基于掌握的业内非公开信息,您如何看待新能源汽车行业的盈利/利润表现?以及智驾的挑战?

　　当前资本关注的领域,敏感信息是通过PEI专访实现信息的深度传输,基于企业COS层级的OKR,以及舆情分析、KSF的验证、和PDCA的迭代优化,站在管理层视角可以看出新能源行业已从技术竞赛转向为集成化和成本化的比拼,投资逻辑也变了——不看谁参数高,看谁集成能力强、平台复用率高。评估企业竞争力和真实价值时,可以看出头部企业在产品持续降价的情况下靠自研降本和出海规模效应已实现了利润增长,利润表现与投资前景高度契合,未来对AGI的依赖和“信息资产化”的趋势非常明显,谁先构建高质量数据集谁就能掌握核心资产、重塑产业基因,实现碳资产比例的增长与整车厂出海的联动。

　　但在智驾方向,我认为智驾技术可能会快速收敛,头部企业间的技术奇点、生态融合水平已经趋于接近,长尾极端场景的保密与合规限制着外界打破信息壁垒,由于缺乏数据跨境流动的标准,依托智驾实现持续商业回报仍是难题。