在2026世界超级摩托车锦标赛（WSBK）匈牙利站WorldSSP组别第一回合正赛中，中国摩托车制造商张雪机车的法国车手瓦伦丁·德比斯通过最后时刻的反超绝杀夺得冠军。赛后，荣耀CEO李健发文祝贺，并宣布作为张雪机车WSBK的首席战略合作品牌，荣耀将推出双方的冠军联名款手表，以庆祝这一夺冠时刻。 此前在4月初，荣耀已正式成为张雪机车WSBK首席战略合作品牌。荣耀首席营销官关海涛曾代表品牌向车队赠送荣耀WIN系列手机及荣耀WIN游戏本，寄望该系列产品能为车手带来胜利。荣耀此次通过与冠军联名，旨在借助国际赛事热度与效应，进一步提升品牌在年轻用户群体及运动场景中的影响力。 5月2日消息，在刚刚结束的2026世界超级摩托车锦标赛（WSBK）匈牙利站WorldSSP组别第一回合正赛中，中国摩托车制造商张雪机车的法国车手瓦伦丁·德比斯，最后时刻反超绝杀，强势夺冠。 赛后，荣耀CEO李健发文祝贺张雪机车夺冠，称这是一场“让所有观众都无比骄傲的比赛”。 与此同时，李健还宣布，作为张雪机车WSBK的首席战略合作品牌，荣耀将推出与张雪机车的冠军联名款手表，来庆祝这个历史性的夺冠时刻。
官方图片
今年4月初，荣耀已正式成为张雪机车WSBK首席战略合作品牌。 荣耀首席营销官关海涛当时还代表品牌向车队赠送荣耀WIN系列手机及荣耀WIN游戏本。 关海涛表示，希望荣耀WIN系列能为车手带来胜利（WIN）。 借助国际赛事热度与冠军效应，荣耀此番联名动作有望进一步提升品牌在年轻用户与运动场景中的影响力。
官方图片
文｜肖漫
编辑｜李勤
当下的智能汽车领域，物理 AI 已成为高频词汇，绝大多数智能驾驶算法厂商都在往“物理AI”转型。
卓驭在北京车展上也发布了面向移动物理 AI 的原生多模态基础模型。在卓驭科技副总裁于贝贝看来，算法厂商向物理AI转型不是为了迎合资本市场而编织的想象空间，而是一条关乎厂商存亡的生存法则。
“如果不上这条技术路线，很可能今后就跑不出来了。”于贝贝说。
在新的竞争维度上，算法厂商的对手不再仅仅是曾经的同行，还包括那些从数字 AI 领域跨界而来的巨头、具身智能公司等。
这场全新的竞赛让算法厂商进入全新维度的淘汰赛中，而此次能真正跑出来的玩家，其商业空间也将随着打开。
基于移动基座模型，卓驭已经开始尝试打破传统Tier 1“卖硬件、收开发费”的单一逻辑。在第二增长曲线中，通过将乘用车技术拓展至 Robotaxi、RoboVan 等 L4 级领域，卓驭正在探索一种基于订阅、利润分成以及“动作令牌（Action Token）”的新商业形态。
近日，36氪汽车与卓驭科技副总裁于贝贝聊了聊物理AI的底层逻辑、商业化可能性，以及在这场即将开始的淘汰赛中，卓驭又该如何建立护城河。
以下是36氪汽车和卓驭科技副总裁于贝贝的交流内容，经编辑：
36氪：能否详细介绍一下原生多模态基础模型？
于贝贝：原生多模态这个概念的提出，可以追溯到去年我们开始做VLA 1.0，那时的做法比较接近视觉与动作对齐的模型，将大语言模型从后面附加上去的，因此存在很多问题，比如对语言和语义理解的局限性，以及响应延迟等。
我们认为把所有信息都转译到一个语言空间里去理解，然后再尝试通过这个语言转译的结果去理解物理世界，是一种反常识的做法。
真正合理的路径是，视觉、音频、动作都是一个模态、规则或推理也是一个模态，这些都应该在预训练阶段就一并加入，让模型能够天生地、在多种模态的共同空间里去理解物理世界，这才是更合适的做法。
36氪：现在有把语言模态拿掉吗？
于贝贝：当前我们车端模型确实还没有开放语言这一路输入。这和小鹏发布的VLA 2.0其实是类似的，我们做的是类似方向的东西，都在向这个范式切换，底层的骨干网络已经改变了。
36氪：卓驭也进入了VLA2.0的阶段？
于贝贝：是的。业界正处于一个范式切换的转折点，摆在我们面前的选择是：到底是沿着以前做专家模型这类小模型的范式继续做下去，还是果断切到大模型的范式上来。
我们比较看好大模型的范式。如果放在移动物理AI的语境下来看，希望移动能力能够在各种各样的载具上使用，这本质上就到达了规模化应用的阶段。
大语言模型的历史经验告诉我们，以前做视觉语言模型时，也有人做专家模型，有人做通用模型，也就是所谓的基座模型。
现在来看，最终跑出来的是做基座模型的这一批人。以前那些专注于看病的专家模型，其实都没有真正跑出来。在物理AI领域，我们相信演进的规律是一样的，因此我们也会���定地走基础模型的范式。
36氪：厂商很多玩家都在这么干，但目前也还未能真正训练出一个可以让各种不同载体统一接入的模型，本质上大家仍然是在解决车上的问题。
于贝贝：这是分阶段推进的。2025年，大家基本上都切换到了数据驱动，这意味着模型的基础能力已经达到了大概70分的水平。此时，想把它再提升到90分，那20分的差距仍然需要做后训练、采集数据和做泛化，但是其间的差距已经从当初的40分到80分，缩小为现在70分到90分的差距了。
后续，随着模型基础能力进一步提高，我们的目标肯定是做到零样本泛化，也就是所谓的“开箱即用”。
如果模型能力能够开箱就达到95分，那么后面的后训练、泛化、开城等工作几乎都可以忽略不计。虽然现在还没有到开箱95分的水平，但已经达到了开箱70分。
36氪：在现阶段，卓驭是否已经把各种场景都统一到同一个模型里实际运行过了，并认为它已经可以在各个领域都量产且实现泛化，还是说处于一个比较早期的阶段？
于贝贝：在这个时间点，还远不能说已经做到了开箱即用。什么才是物理AI最终的终极范式，什么样的架构才能真正理解物理世界，目前业界尚无定论。
36氪：您怎么看待当前大多数方案厂商都在向物理AI方向转型的现象？这是不是向资本市场讲一个更有想象空间的故事？
于贝贝：我们认为这已经不单单是商业或战略上的选择，最终应该会上升为一种生存法则层面的事情。如果不上这条技术路线，很可能今后就跑不出来了。
这和大语言模型爆发前夜一样，以前涌现出很多看病的专家模型，但通用大模型一出来，就把它们都替代掉了，以前的那些最终都没有跑出来。
36氪：在这个范式下做一个通用模型，但在其他场景下的数据，或者其他前期训练所需的条件，是不是还不够充分？
于贝贝：我们现在在训练自己的基础模型时，30%的数据来自于车辆采集的真实数据，30%来自于机器人，另外40%来自于互联网。
这种移动能力的数据，事实上在互联网上，只需要获取第一人称视角的、在移动中的视频即可，这不一定非得是乘用车或商用车，也可以人走路时拍摄的视频，这类数据的规模庞大，并且相对容易获取。
很多企业都宣称要做移动物理AI，模型能力固然是一方面，但更重要的，具身智能必须部署到一个具体的硬件上去，它的分发过程是很难的。它不像数字AI，可以通过手机实现一传十、十传百的病毒式传播，从一个用户迅速扩展到上亿用户，传播极快。
所以，建立一个分发平台和分发网络，也是其中非常关键的一环，这关乎如何把这个能力具体地部署到移动载具、部署到物理实体上。
36氪：卓驭在分发上是怎么做的？
于贝贝：我们有自己的一套方法，比如与合作伙伴合作，定义硬件的标准，将这个硬件标准定义出来之后，通过合作伙伴进行硬件授权与分发，这属于硬件分发的部分。
在软件分发方面，比如我们的移动能力SDK，可以将模型能力封装成SDK，提供给那些不具备后训练模型能力的合作伙伴去使用。也可以将其包装成“移动AI”，也就是把模型做得足够好之后，将其开源，让其他方可以基于这个模型去做后训练，这又是一种分发方式。
还可以直接做成“移动智能体”，未来对于一些低安全、低实时性的应用，比如扫地机器人或割草机，只需要把视频流传输到云端，由云端计算好之后，直接下发一条轨迹给这个小机器，这或许就是另一种分发方式了。
36氪：这几种分发的方式，是否对应着卓驭的商业收费模式？
于贝贝：是的，而且它们面向的商业场景也都不太一样。
传统的方式，像做乘用车或商用车，就是销售硬件、销售软件许可，并收取开发费和非重复性工程费用，我们内部称作第一增长曲线的业务。
第二增长曲线，则是将乘用车上已经验证过的技术，拓展到Robotaxi、RoboVan等领域。虽然也卖硬件，也可能收取开发费，但一般不收取软件许可费。
软件部分是通过利润分成来获取收益的，比如L4级业务，作为服务提供方，需要持续参与软件的迭代，甚至要参与到运营中去，所以需要一个持续性的收入，这就演变成了订阅和分润的模式。
36氪：听起来第二增长曲线更挣钱。
于贝贝：相比第一增长曲线的收入，其利润结构是要更好的。
我们可能会有不同的算法分发方式，以“移动智能体”为例，这种分发方式就有点像是在分发所谓的“动作令牌”。
相当于某个消费级电子设备将视频流传输给云端推理的模型，模型再下发一条轨迹，其收费模式可能就是按照该消费级设备的使用次数、行驶里程来收取类似“动作令牌”的费用，这又是另一种形式的订阅。
36氪：后续运维各方面的东西，都是卓驭来做吗？
于贝贝：对于L2的系统，本身不涉及到运维。只有到了L4级别才涉及运维，需要有一个所谓的远程监控系统，始终监控着车辆的运行过程，在必要时进行远程接管接入。
这有点像过去的安吉星服务，使用这个服务时是需要交费的。一旦车辆启用了L4功能，无论是干线物流还是乘用车，只要启用了L4，就需要额外交一部分费用。
甚至以后，乘用车的传感器配置、算力配置都能够支持L4级别时，平时车主可能还是用L2+系统，当他需要启用L4功能时，就需要为L4模式下每公里的行驶，额外再支付一点费用，因为始终会有一个系统在监控着它。
36氪：你认为L2和L4会是完全不一样的商业模式？
于贝贝：没错，L2和L4是完全不同的商业模式。从我们的观点来看，我们认为L4应该是先在城区落地，然后再拓展到高速场景。
从工程安全角度来看，同样性质的一个事故，在高速上产生的伤害程度，要远比在城区产生的伤害严重得多。
36氪：行业玩家都在往物理AI方向做，这是新一轮淘汰赛的开始吗？
于贝贝：新一轮的行业洗牌可能即将开始。所有做自动驾驶的公司，应该都会在不久的将来，转变为移动物理AI公司。
如果是在移动物理AI这个赛道上进行竞争，这本身就变成了一种跨界竞争，甚至可能都不是这个行业内既有玩家之间的竞争了，还需要和一些本来做数字AI，现在也想转型做具身智能、做物理AI的玩家去竞争。
36氪：那卓驭的护城河究竟是什么？
于贝贝：我们认为有两点。第一，是模型能力。现在大家的迭代范式，乃至最终采用什么样的模型架构，都还没有定论。也许我们认为以后特别高级的3D DiT或V-JEPA等全新架构会跑出来，但这些都是未知数。
第二，分发能力其实是一个非常高的门槛。如何建立一个分发平台和分发网络，创建一个生态，联合不同的合作伙伴共同进行分发，这一定是一个非常高的门槛。
文｜周鑫雨
编辑｜杨轩
规模化落地，今年的具身公司都在谈这个。
数字竞速，不约而同出现在具身公司的产线、招股书、出货量上——2026年4月以来，智元机器人宣布第1万台机器人量产下线，5000到10000，只用了三个多月；宇树科技的IPO招股书也摊开了激进商业化的一角：2025年营收17.07亿元，出货量超过5500台。
激进的数字背后，是“低价、高性能”的中国机器人在全球的扩张。宇树科技创始人王兴兴曾在2025年世界机器人大会上提到，过去几年，宇树的海外营收一直占总营收的50%以上。
在这些具身玩家中，魔法原子MagicLab近期提出了一个相当激进的营收目标：2036年，要实现140亿美元的营收规模。
在全球范围内打响品牌，也让这家公司，将发布会开进了硅谷。美西时间2026年4月28日，在云集Adobe、TikTok、IBM等公司的圣何塞，魔法原子发起了全球具身智能创新大会（GEIS）。
魔法原子机器人MagicBot Z1现场给张艺兴表演。作者拍摄
在会上，魔法原子发布了从底层模型本体的一系列新产品：
世界模型Magic-Mix：魔法原子自研的“自主进化模型”。Magix-Mix由两个引擎构成：让机器人学会理解真实世界的Magic-WAM，以及可以离线生成大批量许年数据的Magic-Creator——这意味着，Mix可以在“数据生成-模型训练-真实世界反馈-数据在生成”的闭环中持续自主迭代。
Magic-Mix架构。图源：魔法原子
灵巧手MagicHand H01：搭载了20 DOF（自由度，人手约24-27 DOF）和44个高分辨率三维触觉传感器，主打工业制造、服务护理等场景的精细操作。
MagicHand H01。图源：魔法原子
人形机器人MagicBot X1：一款身高180cm、体重70kg、全身搭载31个主动DOF、极限关节扭矩达450N·m的机器人。基于无限续航双电系统，X1可以7*24连续作业。产品分为标准版和科研版，前者商业部署效率高、开箱即用，后者则面向高校、实验室、开发者和产业伙伴，支持底层二次开发和外形定制。
MagicBot X1。图源：魔法原子
在会上，Openmind、PrismaX、Chestnut Roborics等来自硅谷的具身大脑和本体公司，也出现在现场。有关大脑、本体、数据的解决方案，这些公司给出了不同的解决思路。
以下是《智能涌现》关于现场讨论的整理：
高质量数据的稀缺，一直是掣肘具身模型训练的瓶颈。当前真机数据采集一直存在成本高、周期长、场景覆盖等问题。
机器合成数据，就是解决方案之一。然而，合成数据的局限性在于真实信息的缺失，比如摩擦系数、延迟、触觉反馈等。这也造成业界对“sim-to-real-gap”的担忧。
混合数据训练，是当下中美具身智能企业提出的主流解决方案。比如，魔法原子总裁顾诗韬介绍，魔法原子日均采集约16000条数据，再通过数据合成实现1万倍的体量扩展。她提到，由于产品迭代快、60%-70%的工序依赖人工，新能源汽车制造业，是数据采集的富矿。
判断使用真实数据，还是机器合成数据，行业的共识是：基于具体训练目的和应用场景。
亚马逊前沿AI与机器人研究院科学家Haozhi Qi提到，合成数据适用于让机器学习单一的反应基本技能，但难以让机器获得类似于做早餐之类的长程技能。此时，引入真实数据训练是有必要的，因为构建一个足够丰富的模拟环境，成本很高。
英伟达GEAR Lab高级研究科学家Zhengyi Luo则透露，团队目前采用50%的模拟数据，用于基础训练；15%的动捕数据、25%的互联网视频数据，用于理解人类的动作；同时，训练还会添加10%的高质量真实世界数据。他还提到，有些公司甚至会使用社交媒体上的数据，来指导机器人的本体设计。
由于强大的任务泛化能力，当下VLA已经成为具身模型最主流的架构范式。
但事实上，当人类用手指旋转一个篮球时，只用依靠触觉和本体感知，并不需要视觉——这意味着，VLA在这两个感知系统上，存在短板。
在GEIS大会上，亚马逊前沿AI与机器人研究院科学家Haozhi Qi认为，VLA的流行，与硬件传感器的发展程度有关：当下，视觉传感器趋于成熟，但触觉传感器还在初级开发阶段。
因此，在他看来，具身系统需要通过其他感觉的输入，来补足不太成熟的传感系统，从而维持本体的操作。因此，通过视觉和语言补足触觉缺陷的VLA，成了当下最好的解决方案之一。不过，未来随着传感器和硬件层面的发展，算法也会随之迭代。
当下，有关灵巧手设计的核心迷思是：要不要像人手？围绕这一命题，诞生了连杆、腱绳、直驱三种设计方案。
其中，“连杆”最不像人手，但胜在成本低、易于控制；“腱绳”最像人手，可以做精细化操作，但成本高、控制难。“直驱”则是一种折中方案，将驱动单元直接集成在每个关节上，但成本不低，同时力传导效率和热管理上仍然面临工程层面的挑战。
混合架构路线，则是近期兴起的灵巧手技术解决方案。Chestnut Robotics创始人、前Tesla Optimus灵巧手核心成员Evan Tao介绍，当下团队已经选择了混合架构路线，以可以完成精细化操作的腱绳结构为主，辅以AI控制和自主学习系统。未来的方案，“都会在灵活度和工程可靠性之间寻求平衡。”他提到。
在数据层，引入真实世界数据，依然被认为是让机器人真正理解应用场景、学习复杂任务操作的关键。
比如，XGSynBot CEO Zizheng Li提到，他们采取的混合数据策略，依然引入了少量高质真实世界数据，控制成本的同时，也能提升模型能力和泛化水平。
在系统层，XGSynBot CEO Zizheng Li认为，机器人需要从“单一功能设备”向“多任务通用平台”演进，比如XGSynBot的机械臂，带有6个Quick-chage的模块化系统，这样做的好处是，一台机器人可以在不同工序间灵活切换，提高落地场景的广泛性。
最后，OpenMind创始人、斯坦福大学生物工程副教授Jan Liphardt总结：机器人进入真实世界，越早越好。
他发现，实验室环境无法模拟所有复杂的现实场景，比如过亮的光线、泥泞潮湿的地面、生锈的门铰链、多个系统同时运行的负载——这些复杂的真实场景，往往导致机器人在离开实验室后，出现系统故障。
因此，机器人落地前，不应该仅仅待在实验室中。Jan Liphardt建议，尽早让机器人在家庭、学校、机场、幼儿园和其他公共场景的实际部署中，收集交互数据，持续迭代。
图片来源：视觉中国
作者/吴琼
报道/投资界PEdaily
音乐顶流也迎来了卖身结局。
近日，华尔街大佬比尔·阿克曼旗下潘兴广场正式向环球音乐（UMG）发出一份收购要约——以现金加股票的方式收购环球音乐。由此，后者估值高达约640亿美元（约合人民币4300亿元）。
你或许不熟悉环球音乐，但一定听过来自这里的歌——周杰伦、陈奕迅、泰勒·斯威夫特、贾斯汀·比伯、防弹少年团……这些顶流艺人的音乐作品，均由环球音乐发行或持有版权。每当你打开音乐软件，也许就有一笔钱进了环球音乐的口袋。
如今面对天价邀约，这家音乐帝国正面临着抉择时刻。
此番买家，堪称华尔街的传奇人物。
比尔·阿克曼（Bill Ackman），这是被誉为华尔街最会赚钱的男人，电视剧《亿万》的原型之一，因做空MBIA一战成名，后来又在疫情前夕精准出击狂赚40亿美元。阿克曼一直立志打造一家对标伯克希尔的上市投资平台，而他所执掌的潘兴广场，正是通往这一目标的核心主体。
这些年，潘兴广场以高度集中、长期持有少数公司股权的投资策略著称，并常采取积极股东主义行动推动所投公司变革。这样的准则，恰好体现在环球音乐身上。
其实早在2021年，潘兴广场就有意通过其SPAC公司对环球音乐进行收购，但因监管审查作罢。随后，潘兴广场直接入股，成为环球音乐的大股东之一。
阿克曼野心勃勃——2025年，潘兴广场确认出售了其持有的部分环球音乐集团UMG的股份。这笔交易背后，涉及一份注册权协议，前者有权要求后者在美国进行上市，而潘兴广场需要出售至少5亿美元市值的环球音乐集团的股份。
彼时，环球音乐还只是一家荷兰阿姆斯特丹上市公司，而阿克曼希望其能将上市地点移至美国。
正如阿克曼所愿，去年7月环球音乐集团秘密提交了在美国上市的申请，但很快又宣布暂缓上市计划。眼看如此，阿克曼决定亲自上场。
阿克曼在致环球音乐董事会的信中直言：“环球音乐是全球最具影响力的音乐公司，拥有无与伦比的艺术家阵容和音乐版权，其价值被市场严重低估。”这一次，他的目标依旧是上市。
根据收购要约细节，该提案计划以现金加股票的方式收购，约合每股30.40欧元。由此计算，此次收购环球音乐的估值高达约640亿美元。而在提案公布前，环球音乐股价约为每股17.10欧元，溢价高达78%。
按照阿克曼的构想，环球音乐将与潘兴广场SPARC控股有限公司合并。合并后的新实体，将寻求在纽约证券交易所上市，预计交易将在年底前完成。为了让公司更快走上正轨，阿克曼还提议任命前迪士尼总裁迈克尔·奥维茨担任董事长，
在他看来，环球音乐股价“表现严重逊于预期”——自2021年以来营收增长了60%，但同期股价却下跌了23%。
“我们估计，五年后新UMG的市盈率将升至30倍，与其他拥有数十年增长机会、利润率持续改善且资本配置纪律严明的优质企业相当”，如他所说，一个全新音乐巨头即将诞生。
一枚地球图案，搭配“UNIVERSAL”字样，无疑是这个庞大音乐帝国最具辨识度的视觉图腾。
环球音乐的前身，来自一家有着近百年历史的著名企业——MCA公司。成立于1924年，MCA以代理零散演出起家，并通过改革营销方式、为乐队打造个人品牌、开设自有舞厅、签独家合约等手段，成功坐稳全美艺人经纪公司的头把交椅。
1962年，MCA公司收购好莱坞八大影业公司之一的环球影业，成为一家集艺人经纪、电影、电视、唱片、音乐版权、书籍出版等业务为一体的大型传媒集团，同时MCA旗下唱片公司也成为美国最重要的唱片公司之一。
到1996年，该唱片业务正式更名为环球音乐集团。而真正让环球音乐登顶的，来自一次超级并购——1998年，环球音乐以106亿美元收购行业巨头宝丽金。
你或许不知道宝丽金有多牛——翻开公司艺人名单，恍如打开一部华语流行史：邓丽君、谭咏麟、张学友、张国荣、王菲、Beyond……都曾为其旗下猛将。犹如猛虎添翼，此后环球音乐又相继收购EMI唱片集团、Hyperion唱片等著名厂牌，由此扩大商业版图。
如今，环球音乐、索尼音乐集团以及华纳音乐，被并称为全球三大唱片公司。当中最为年轻的环球音乐，反而逆袭成为全球最大的唱片公司。
版图愈发庞大，环球音乐合作艺人聚集Taylor Swift、Beatles、Justin Bieber等欧美顶流，以及陈奕迅、张学友、邓丽君等华语经典，掌握了历史上绝大多数最成功的音乐作品库。华语天王也被吸引而来——2023年，周杰伦结束与索尼音乐长达23年的合作，转而加盟环球音乐。
这意味着，环球音乐手握周杰伦等歌手经典曲库及未来新发行作品的全球发行权利——这正是它最核心的赚钱逻辑。环球音乐不靠一次性卖歌赚钱，而是靠版权永续生钱：
每一次在Apple Music、QQ音乐等全球平台播放，环球都能拿到流媒体分成；每一次用于电影、剧集、广告、短视频、游戏，都能收取同步授权费；电台、商场、演唱会等公开播放，会持续产生表演权版税……
更关键的是，经典曲库几乎是“躺赚”，老歌会被一代代人循环播放，成为永不枯竭的现金流。
于是，环球音乐成了阿克曼眼中的“超级金矿”。根据公司2025年财报，环球音乐全年总收入达到125.07亿欧元（约合人民币1000亿元），同比增长5.7%。其中，录制音乐业务是绝对支柱，贡献了94.56亿欧元的收入，而这里面有67%来自订阅和流媒体收入。
随着交易渐近，一个熟悉身影再度浮现——2020年开始，腾讯牵头的财团通过两次交易，持有环球音乐约20%股权。早在环球音乐首次上市时，便为腾讯带来数十亿浮盈。一旦交易达成，或将为腾讯带来又一超级回报。
不知不觉，抄底号角响起。
正如此次阿克曼计划收购环球音乐，同样极具抄底意味——在他看来，眼下环球音乐股价被严重低估，但这也意味着，于收购方而言，正是下手的好时机。
这并非个例。加拿大另类资产管理巨头Brookfield在其2026年投资展望报告中指出，许多几年前以高估值买入资产的管理公司，如今正陷入所持企业市值低于收购价的窘境——这反过来创造了大量可以按潜在折价获取的核心资产供应。
KKR全球宏观及资产配置主管Henry H. McVey也有类似的判断，“在当前的市场环境中，优化配置的成本相对较低。”
信宸资本合伙人信跃升此前也向我们聊起：“自2022年以来市场深度调整，许多优质企业出现显著折价，正处于历史性的价值洼地。这意味着，当前并购市场的资产价格具备高度吸引力。”
于是我们看到这样一幕：海内外PE排队争抢优质标的。
正如方源资本接连买下吉香居、鲜芋仙；CPE源峰拿下汉堡王中国大部分股权；红杉中国买下“小脏鞋”Golden Goose；星巴克中国控股权转给博裕；大窑汽水引入国际私募巨头KKR；蓝瓶咖啡卖给了大钲资本……海内外PE猎手摩拳擦掌。
无一例外，这些品牌大多经历时间洗礼，成为各自细分领域的王者，但由于市场环境变迁，业绩增长遇阻，估值随之回调。此时PE基于自身资本与运营能力，以折价拿下优质资产，再通过资源整合、战略优化，助力企业突破增长瓶颈、重焕生机。
而回望这些成功抄底案例，并非简单地“买在低处”，更核心的在于精准识别真正的优质资产——唯有看清哪些资产具备长期价值、能穿越周期，才能真正抓住抄底机遇。
阿克曼就曾在一次访谈中解释看好环球音乐的逻辑：“我们寻找的是那些不会被颠覆的企业——即使股市休市十年，你也能确信十年后它会更有价值、更赚钱。音乐是永恒的，像UMG这样的公司，无疑是绝佳的投资标的。”
如此，便是所有人都不愿错过的抄底机会。
本文来自微信公众号“投资界”，作者：吴琼，36氪经授权发布。
登录
