老千

全聚德上半年“+餐饮”驱动焕新 加速融入年轻消费生活,全聚德上半年“+餐饮”驱动焕新 加速融入年轻消费生活_我的网站

A |     贾浩楠 发自 副驾寺     智能车参考 | 公众号 AI4Auto          ChatGPT能记住你的聊天历史，知道你的表达习惯，甚至可以根据过去的交流调整回答方式。    　　8月23日晚，全聚德(002186.SZ)发布2026年半年度报告显示，公司上半年整体经营稳健，实现营业收入6.14亿元，归母净利润1355.71万元，同比增长9.48%，归母扣非净利润同比大涨112.52%。         现在，这种“记忆能力”开始进入物理世界。         马斯克一条推文，透露了Tesla FSD正在发生的新变化：          FSD开始拥有“千人千面”的能力。

B | 2026年上半年，面对消费心态趋于审慎、餐饮增长放缓的总体形势，全聚德锚定业绩增长、形象提升两大核心目标，通过“+餐饮”场景化扩张、食品业务突破及精细化管理，持续优化盈利结构。　　从市集小吃到速食新品，从堂食场景到文创产品，全聚德正通过产品创新和场景拓展，推动传统品牌触达更多消费需求。         从停车偏好，到驾驶干预，再到长期驾驶习惯，FSD正在尝试记住每一个人的不同。

C |          从“一个AI服务所有用户”，走向“每个人都有自己的AI”。         马斯克确认：FSD开始拥有“长期记忆”          事情起源于马斯克最近两次公开回复。　　从“大菜大宴”到市集小吃，老字号走进城市烟火气　　过去，消费者对全聚德的印象更多与烤鸭、宴请和堂食相关。如今，全聚德正通过“+餐饮”路径，推动餐饮与文、商、旅、体、展、农等多元产业融合，并以中小型门店为载体，将布局延伸至交通枢纽、会展场地、热门旅游城市等消费场景。

D | 　　2026年上半年，全聚德旗下全聚德、仿膳、丰泽园、四川饭店四个品牌已走进百余场城市市集，推出全聚德烤鸭煎饼、超级烤鸭串，仿膳炸素丸子、秘制酱香鱿鱼炒年糕，丰泽园山东海参捞饭、老铺干炸丸子，四川饭店担担面、手摇糍粑等市集小吃。　　这些产品具有便携、即食、适合边走边吃等特点，出现在演艺现场、体育赛事、公园和商圈等场景中。

E | 传统菜品由此从固定门店走向户外消费空间，打通了堂食与户外零售之间的渠道边界。         6月的一次，是关于停车习惯。　　在消费场景方面，全聚德紧抓重大赛事、展会、文旅活动机遇，深化“体育+餐饮”“会展+餐饮”“演艺+餐饮”跨界融合，拓展消费场景、提升品牌影响力。         有用户提出，希望FSD能够记住自己在固定地点的停车方式，比如回家停哪里、去公司停哪里。         马斯克回应：          FSD很快会记住用户的停车偏好。　　从“到店消费”到“带回家”，食品化延伸品牌边界　　如果说市集小吃让消费者在更多地方“吃到”全聚德，那么食品业务则让全聚德的味道进一步走进家庭、办公室和旅途。

F |          最近的这一次，更加关键。         有用户反馈，FSD在一些驾驶决策上不符合自己的习惯，比如车道选择、变道时机等。

G |          马斯克表示，未来车辆会记住用户具体的接管行为，并逐渐匹配每个人的驾驶偏好。         两次回复本质上是同一件事：          FSD开始从一次性的驾驶任务，走向长期理解驾驶员。         过去，自动驾驶面对的是一个抽象用户。2026年上半年，公司围绕“餐饮产品食品化”战略，持续加大产品研发、渠道拓展和品牌推广力度，通过家宴礼盒、休闲零食、速食新品、核心烤鸭产品等多元产品矩阵拓宽消费场景。         无论谁坐进车里，背后的模型都是同一个。　　报告期内，全聚德核心产品手工片制烤鸭销售收入同比增长16.5%。

H | 在品牌162周年庆典期间，公司推出手工片制烤鸭全球风味系列，推动传统美食走向更广阔的消费市场。　　速食新品桶装全聚德鸭血粉丝汤顺利投产铺货。该产品采用烤鸭鸭架熬制汤底，推出原味、酸辣味和麻酱味三种口味，适配居家、办公和旅途等多元消费场景，是全聚德推进“餐饮产品食品化”、拓展速食赛道的一次实践。

I | 　　从堂食到零售，从正餐到速食，食品化正在帮助全聚德突破门店面积和餐位数量的限制。公司还持续拓展航空、高铁和展会等国内渠道，并推动手工片制烤鸭完成新加坡、中国香港经销渠道准入落地，探索老字号食品走向更广阔市场。　　节庆产品也在不断丰富。

J |          它知道：这里是什么道路，前方有什么车辆，应该如何规划路线。         但它不知道：你喜欢提前变道，还是宁愿多等几秒；你喜欢跟车近一点，还是更关注舒适；你回家时习惯停在哪里。

K | 年货节期间，全聚德整合四大品牌资源推出30余款产品，其中新品占比达50%，覆盖家宴礼盒、特色熟食和休闲零食等品类，适配家庭日常消费、节日礼赠和年轻个性化消费等场景需求。

L | 　　“好鸭好呀坊”上线，老字号用文创和年轻人对话　　全聚德的品牌焕新，也体现在文创产品和消费场景的创新上。

M | 　　全聚德推出“美的鸭”，并与“好的鸭”毛绒烤鸭公仔、“巨有面儿”鸭饼盒毛绒耳机包、“大聪明”大葱发卡、“小倔强”甜面酱吐泡泡解压玩具等共同组成“好鸭好呀坊”文创矩阵。

N | 　　这些文创产品将烤鸭、鸭饼、大葱、甜面酱等品牌元素转化为年轻消费者熟悉的潮流周边。公司还计划在多家核心门店推出“好鸭好呀坊”限时快闪空间，复原老铺鸭票场景，将烤鸭非遗内涵转化为年轻消费者喜爱的潮流表达，让消费者在用餐之外获得更多可参与、可体验、可分享的消费体验。         这些属于人的驾驶习惯，一直没有进入自动驾驶系统。

o | 　　全聚德并未将文创视为对传统餐饮的替代，而是将其作为品牌文化和非遗技艺的另一种表达方式。中国全聚德集团党委书记、董事、总经理周延龙曾表示，全聚德做文创不是要转型，而是老字号需要从全新的消费理念出发，“有温度的餐饮”除了创新的菜品、贴心的服务，更需要管理好消费者的情绪价值。

p | 　　从产品创新到服务升级，老字号持续重构消费体验　　在门店端，全聚德持续推进差异化经营。

q | 全聚德湾里店深化与环球度假区联动，打造城市副中心品质门店；四川饭店北辰店坐落于国家会议中心一层，聚焦会展配套、商务宴请、家庭欢聚等多元用餐场景；全聚德三亚店则以“新京式美学”为核心打造沉浸式消费空间，兼顾文旅度假客流与本地居民消费需求。

r |          而现在，Tesla让这些信息成为AI决策的一部分。         和之前我们谈论FSD不同的是，“长期记忆”不是让FSD重新学习“怎么开车”，这件事已经由基础模型完成。

s |          它学习的是：在安全范围内，你希望它如何开。         这也是Tesla第一次公开走向Personalized FSD：          从“一个模型服务所有司机”，走向“基础模型+个人驾驶偏好”。　　在产品端，公司全面上线2026年新版菜单，推出春季时令副菜单，新口味奶盖厚酪乳带动该产品北京区域销量同比增长26%，“嘎嘎开心鸭”1月至6月累计售出6.54万余例。         为什么是现在？          “千人千面”“越开越懂你”，智能汽车行业其实喊了很多年。         但真正落地很难，用户体验完全依赖车企OTA的“自觉性”和能力高低，系统更新后体验下降的事也不罕见。         因为截至目前，绝大多数自动驾驶玩家竞争，还停留在模型、数据层面，本质上都是在解决：如何让AI成为一个更好的司机。

t | 　　在渠道端，公司持续优化外卖产品线，报告期内全国直营门店线上外卖同比增长8.4%；团膳业务稳步扩容，上半年新增1个团膳项目，目前合计运营13个项目，报告期内实现收入同比增长31%。         而特斯拉在V14完成端到端重构之后，开始率先探索另一个问题：          如何让AI成为你的专属司机。         这背后，对应的是近几年自动驾驶领域兴起的几个研究方向：          Driver Modeling、Preference Learning以及Human-in-the-loop Learning。　　从烤鸭到市集小吃，从堂食到速食，从非遗技艺到文创产品，全聚德正在通过产品创新、场景拓展和渠道延伸，探索老字号融入新消费生活的路径。         最早出现的是Driver Modeling，也就是“驾驶员建模”。　　全聚德表示，未来将稳步推进“餐饮+食品”双轮驱动战略，持续强化核心竞争力，搭建层次丰富、特色鲜明的品牌矩阵，用数智赋能运营效率，不断拓宽消费场景，积极布局国际化赛道。

u |          简单来说，就是给每个驾驶员建立一个数字画像，比如：有人开车更激进，喜欢更短跟车距离，喜欢更快完成变道；有人更保守，倾向提前减速，更少主动超车。         传统自动驾驶系统会把这些差异忽略，默认存在一个“平均驾驶员”。         而Driver Modeling希望解决的问题是：AI应该知道，坐在驾驶位上的到底是哪一种司机。

v |          技术上，这类方案通常会从历史驾驶数据中提取特征，比如方向盘操作、油门刹车变化、车速变化、变道频率、跟车距离。然后通过一个额外的模型，生成驾驶员特征向量（Driver Embedding）。

w |          这个向量不会改变基础驾驶能力，而是作为规划系统的输入，影响后续决策。         但Driver Modeling仍然存在一个问题：它更多是在判断“你是什么类型的人”，而不是理解：“你具体喜欢什么”。         于是近几年出现了Preference Learning，也就是偏好学习，它关注的不再是这个司机属于激进型还是保守型，而是这个司机在具体场景下更喜欢哪个选择。

x | 例如同样遇到慢车，方案A是提前变道，提高效率；方案B是保持车道，更加舒适。

y |          AI通过长期观察用户选择，逐渐学习这个特定用户更倾向哪一种。         这与大模型的Preference Learning逻辑非常类似，模型能力是基础，用户反馈决定个性。         而Tesla这次提到的Intervention，其实更接近这一方向。         当然还有第三个方向，是Human-in-the-loop，它解决的问题是如何让人在自动驾驶学习过程中持续参与。         传统机器学习通常依赖大量标注数据。但自动驾驶里，真正有价值的数据，往往不是正常驾驶，而是：AI不知道该怎么办的时候。         特斯拉过去大量收集车队数据，本质上就是利用全球车辆作为数据采集网络。而未来，如果把这些反馈进一步和个人账号绑定，那么数据价值会发生变化：          它不只是帮助Tesla优化一个统一模型，还可以帮助车辆理解某一个用户。         Tesla目前没有公开FSD个性化功能的具体架构，但结合FSD V12之后的端到端路线，可以做一个合理推测：单独训练一个“每人一个模型”的可能性最低。         原因很简单，如果每个用户都有独立模型，那么会导致训练成本巨大，更新困难，也会破坏Tesla统一模型的优势。         更符合FSD现有体系的方案，可能是：基础端到端模型 + 用户偏好记忆层。也就是底层模型负责视觉理解、道路判断、安全驾驶、通用规划。         上层增加一个轻量化的User Preference Layer，记录停车习惯、驾驶节奏、路线偏好、历史接管行为。         基础模型负责“能不能这么开”，偏好模型负责“你是不是喜欢这么开”。

z |          这其实和今天大模型的发展路径高度类似：GPT不会因为每个人重新训练一次。而是通过Memory、User Profile等机制实现个性化。         不过，真正的难点也在这里：个性化不能突破安全边界。AI要明白不能学习你喜欢超速、喜欢危险变道等等行为。         这也是特斯拉此次探索最值得关注的地方：它不是让AI变成另一个你，而是“在安全约束内，越来越像用户”。

|          AI汽车进入“千人千面”时代          说过去几年，自动驾驶竞争的核心是：谁的数据更多，谁的模型更强，谁的能力更接近人类驾驶员。         但特斯拉的Personalized FSD一出，下一阶段，竞争可能会发生变化。         今天，大多数智能汽车仍然依靠统一策略服务所有人。但未来，AI司机可能会越来越像真人司机，不是因为它拥有情绪，而是因为它了解你的习惯。         这意味着，User Model可能成为自动驾驶新的能力层。

|          马斯克一石二鸟，解决了两个问题，首先是再次给智能汽车新卖点指出方向，而且是避免高度同质化、低效内卷的路径。         在车位到车位自动驾驶逐渐普及之后，量产车上的AI司机如何建立差异，会成为新的问题。         所有车辆都能完成基础导航和智能驾驶，那么下一步比拼的就是：谁更懂你、谁更符合你的驾驶习惯、谁更像一个长期陪伴你的司机。         当然，对技术能力的要求更高了。         尤其是对于“one for all”的自动驾驶供应商来说，可能很难腾出资源去开发这样的功能，而即使他们愿意开放权限给车企在基础模型上自由开发，有代码级AI能力的OEM却寥寥无几。         所以，利好全栈自研玩家！          其次，之前有一句话把老马问道语塞：特斯拉造车卖车的模式，跟自动驾驶追求的目标，是不是本质上矛盾？          完全自动驾驶普及后，好像的确没有再买私家车的必要。         所以，Personalized FSD也给马斯克解了一个燃眉之急——Robotaxi落地如火如荼，但私家车，以及把AI司机搭载在私家车上依然有价值、有必要。

|          毕竟Robotaxi用一个AI服务所有用户就是最优解，不可能给出千人千面的高级定制体验。

|          Personalized FSD路径，其实与生成式AI的发展非常相似。         ChatGPT通过Memory变得更加个性化，AI Agent通过长期记忆完成复杂任务。         未来，汽车作为连接物理世界的重要入口，也可能拥有自己的长期记忆，当然，这并不意味着自动驾驶已经进入成熟阶段。         Tesla的具体实现方式、安全约束机制，以及个性化能力的边界，都还有待进一步验证。         但至少，一个趋势已经出现。

Current article:http://8gb.zhaoliebengkuaiwaigeqi.bond/au4xg1/ivz.html

Published on:16:10:11