携程看上去很便宜,问题出在哪里

携程周K线图

上图为携程的周k线图,1月16日这根大阴线非常明显,因为它代表了1.14日市监总局宣布要对携程进行反垄断立案调查的那一周。所以引发暴跌,没什么奇怪的。

最右侧的阳线,代表了携程反垄断调查结束总局宣布了一个合计为51.79亿(退还上游押金、没收违法所得外加罚款)的处罚的这一周。基本上算靴子落地的反应。这里的阳线,反应了市场认为携程的这次受罚,虽然出了个大血,但依然没到伤筋动骨的程度。

投资界有一个很有趣的理念,那就是当出台一项对某司的不利措施时,我们应该做如此判断:1、该司是否为该赛道领头羊,且有巨大的市场集中优势;2、该不利措施是否会导致该赛道消失?如果答案分别为”是”和”不是”,买入时机闪现,因为一定会超跌。

但这个理念在携程上失效了。因为如果你在携程被宣布立案调查时买入(60左右),等到靴子落地后的这一周(45左右),你依然会有近三成的亏损。

携程的基本面价值出现了什么问题?

我这里先放一个判断:如果静态地看,看上去它还是便宜的。

雪球上显示,携程的静态市盈率5.93,市盈率TTM为6.27。十倍都不到的市盈率,这是一家非重资产的互联网公司该有的市盈率么?居然这么便宜的么?

稍微看一下利润的细节。携程自己公布的非GAAP利润318亿元中,包含159亿元其他投资相关收益。排除掉投资收益,携程更接近经营实质的市盈率大概在12-13倍之间。依然不算很贵。

路透引用Visible Alpha数据称,在整改和增长放缓背景下,市场目前预计携程2026年基础净利润约为135亿元,同比下降约15%。如果按照今天的市值规模看,它的市盈率就是15倍左右。

但携程依然拥有以下的强优势,即便是遭到了一次重罚,这些强优势都不会改变,甚至是短期内都不会有什么质的改变:

经营利润率水平相当可观,足以证明它是一家轻资产的平台型公司;

大规模用户基础,以及所表现出来的国内ota市场的遥遥领先的高额占有;

相当充沛的现金或现金等价物,提供了极大的下行保护以及上行扩张弹药;

票务、酒店和旅行社供应连接;

海量的用户评价与历史交易数据;

多语种客服和售后体系,以及相应而来的有一定消费者信任度的责任体系;

跨交通、酒店和目的地产品的交叉销售能力;

携程、去哪儿、Trip.com和Skyscanner多品牌矩阵;

还有一点至关重要,国际业务增长相当迅猛,而且不是单一酒店业务增长,是交通、酒店、入境游和当地产品共同扩张。说一句第二条业务增长曲线已然成型,也不为过。

为避免枯燥,相关数字我不写了。反正我上述文字,都有数据支撑。

也就是说,脱离具体场景看,作为真·轻资产互联网平台公司,携程的市盈率是很低的,也就是我说的,看上去相当便宜。

市监总局判罚后,不仅是一笔巨额资金的支出,当然也涉及到对携程所谓护城河的一定的打击。这个毋庸讳言,肯定很多人都能知道。这是市场给出较低估值的一个原因。

另外一个原因,就是来自于AI。

是不是几个程序员搓几个skill,就可以替代掉携程呢?这话的表述方式当然是夸张的,但核心理念是这样的:AI对携程的威胁度到底有多大。满分100分的话,是60分的威胁,还是20分的威胁?

我们需要把一次出行,拆分成若干个片段来看。

大致上,分为这些环节:1、起心动念环节,包括旅行念头、攻略、行程规划;2、价格比较;3、打开某个软件(可能是app 可能是agent 甚至可能是bot);4、下单操作;5、供给方的实时库存响应;6、合同出具与签订;7、支付、退款和风控;8、任何一种纠纷的售后;9、整个交易的最终结果的责任承担。

Skill能解决什么?

很显然,能解决这九大环节中的靠前部分。第五、八和九项,非常难。第六项,看供给方(比如航司)是否配合。第七项,可能解决,可能解决不了。资金流向其实是一个很大的议题。

也就是说,从”用户打开携程–搜索–比较–交易”,可能会变成”用户告知ai预算与偏好——ai搜索比较——ai接入ota或者直接机酒公司——交易”

如果后一可能成立,那么ota在业务链条上,就变成了和机酒这种最终供给方一样的角色,都是供给方。在整个链路中,有可能携程依然可以汇聚大量中小航空公司,但它和三大航的地位却变成一样的了。

于是,这个问题就变成了:

作为一家旅游交易基础设施公司,会不会面临AI重构流量入口?

如果是,那就相当麻烦。因为利润率其实来自于入口价值,而高额利润率保证了ota的履约和担责能力。当入口价值消失,利润率下降,履约和担责能力却并没有减少。这是不是就很麻烦?

这样的事发生了没?

尚未规模化发生,但存在这个迹象。

Google已推出AI旅行规划和自然语言机票搜索,并计划在AI Mode中直接完成酒店和机票预订。合作方包括Booking、Expedia、万豪、洲际等平台和酒店集团。

GPT的应用及连接器体系中也已经出现Booking和Expedia。

如果这个迹象进展得很快,携程将面临从”拥有用户的平台”变化成”向AI提供库存、价格和履约的后台批发商”。

它的订单量并不会消失,甚至有可能增加,交易额会增加,但收入增速放缓,抽佣率下降,品牌意识占有率下降,当然,估值倍数也下降。

这比”几个skill会替换”更可能发生,也更致命。当然,我说的更可能发生,是相对于skill替换而言。

但无论从海外御三家还是国内诸厂的表现来看,似乎尚未把这个作为主攻方向。至于github上出现几个skill,我真不认为能动摇包括携程在内的ota的基石。

携程还是有时间的。

你肯定会提出,AI就不能强化携程吗?

也有这个空间。

携程在26年Q1财报中明确表示,正通过Skill、MCP及其他AI原生接口向第三方AI代理开放平台,目标不仅是成为用户使用的App,还要成为AI代理所依赖的旅行基础设施。云云。

策略上表现出,尽可能守住入口,如果有些地方守不住(不是全面守不住),也是所有人口的后台供应商。方法是:模块化库存、实时价格、支付和履约体系,从而提升交易可靠性而不是仅仅靠app界面赚钱。

当然,AI肯定能降低携程的一些成本,比如智能客服什么的,这就不展开了。

总体来看,携程节省的成本和新增订单,能否超过入口迁移造成的抽佣率下降。这个问题现在反正外部观察者如我,是很难回答的。我甚至有理由推断,携程自己都不晓得。

于是,在资本市场上,就呈现出一种既不给高市盈率但也没抛弃它的状态。

最后扯两句国际旅游业市场空间问题。

全球旅游是一个低增长的赛道,即便受到了地区冲突的冲击,但就疫后的水平来看,可以说是复苏了。它的增速比全球经济增速略微高一点点。这是很正常的表现。

携程的国际市场高速增长,主要得益于它在亚太市场的努力。亚太子赛道,是全球旅游的高速赛道。以航空客运量为例,它的增长速度是欧洲市场的一倍,北美市场的接近一倍。数字分别是5.1%、2.3-2.5%和3%左右。

这其实对携程这家中国背景的公司,总体是一个好消息。

而且,ai带来的冲击,更为不那么紧迫。

本文的结论就是:观测携程的商业价值,恐怕重心更需要落在反垄断所造成的护城河变浅,并不是什么AI的冲击。长期主义而言,当然后者也很重要。但如果仅仅是一两年,重心在前。

—— 首发 扯氮集 ——

顺便说一嘴,消费侧这一头引发的各种争议,除非出现类似魏则西事件的人命官司,三个字:

不重要

AI 时代 我们该怎么读书 顺便介绍一个小工具

总体而言,本篇不涉及文学作品。比如小说这种东西,另有读法。

读前提示,本文略长,公号后台统计说,四千余字。

所谓开卷有益,大体是正确的。读书当然有好处。

但书本身只是一种载体,承载着他人智慧的载体。要是把这个载体等同于智慧,那就是佛家所谓的“着了相”,是人类制造的一大幻觉。

禅宗有个著名的“指月之喻”:手指头指着月亮指出月亮在哪里,但手指头本身,绝不是月亮。

所以,对书籍这种载体别太迷恋,以至于到了还非说纸质书比电子书“高级”的地步。

事实上,书籍并不在知识界内处于顶端的位置。我当初刚读研时,还很好奇为啥老师上课时提到的某些大牌教授出书不多(但绝不是零),想找点其人著作就没多少。老师告知曰:还在活跃的大牌教授以写论文为主。当你看到一个教授一本接一本的书出的时候,这个教授大约就是快退休了。老师还反复教育我:有时间多看论文为宜。

今天这个时代,著作等身没什么了不得的。出书的门槛,比发顶刊论文,低多了。

所以,我先建立一个大前提:在当下,别把书籍这种载体,太当回事,它一点不神圣,也没啥特别的意义在。

要害是:把关。

面向公众发表内容这件事门槛越低,总体质量就越需要小心。顶刊的论文把关很严,相对来说靠谱性最高(当然我不是说百分百)。书籍在把关审核序列里是排名靠前的,所以书籍总体来说,比一般媒体文章靠谱。网文的序列最低,所以越需要小心——比如我这篇文章就约等于零把关。

同样的,不同出版机构厂牌也代表着不同的把关度,不同的媒体厂牌也代表着不同的把关度。在这个意义上讲,把关二字,即专业。

这个理念说穿了一点也不神奇,但在具体应用上,有着肉眼可见的好处。此文后面我会介绍一个小工具,基本出发点就是利用了这个理念。

但不得不承认这样的事:买书如山倒,看书如抽丝。这种状态极其常见,以至于有些人会秉持买了就算看过了的自我安慰心理。归根到底,因为书是一个人脑算力与计算标的有着巨大矛盾的东西:1)计算标的是《量子物理学教程》,我一个文科生脑袋算力处理不了,这个叫超纲(芯片不行);2)计算标的是《鲁迅全集》,18卷700万字,信息太多,算力处理起来极累,这个叫超量(存储不够)。超纲超量的结果都是一个:放下。

面对前一种情况,要明白人类世界总有些东西是你无法理解的,这并不值得多么沮丧。而且非要去理解也不是不行,一步一步来,直接从一楼到二楼跨不上去,搭个梯子一个台阶一个台阶上总可以。但通常的问题是第二种。

这就是我一直说的,书作为一种内容,颗粒度太大。你需要降颗粒度,也就是必须把它碎片化。

别惊讶,很多人说碎片时代碎片信息碎片注意力,一提到碎片,似乎就是坏词。对碎片不加区分地攻击,纯属装逼性质的扯淡。系统理解系统掌握也是一个碎片一个碎片这么积累起来,想想你小时候读书是不是这么过来的。

哪里只有千里没有硅步的混账道理。

划线其实就是一种“碎片化处理”。划线大多数是出于“这句是金句”、“那句是重点”的意图,当然也夹杂着“划过就是记住了”这类类似买了就是看了的心理状态。

可能是从小这么教育出来的缘故,很多人成年后读书依然喜欢划线,以至于微信读书把它做成了一种社交功能:你能看到别人划的线。这个功能甚至产生了某种现实幽默:有人发现波伏娃的《第二性》起手章节划线很多,越到后来划线越少。这本大名鼎鼎的煌煌巨作,看来开了卷能看到底的人,还是少数——算力不足以承担计算标的。

微信读书还做了批注的社交功能。也许真有人喜欢在读书的时候“社交”,这玩意儿就像视频的弹幕功能,不仅将颗粒度极大的视频内容降颗粒度——我表示这几帧画面很好笑但我并不是表示整个视频很好笑——还能引发共鸣。我个人对读书社交化有着强烈的不适。不过也不奇怪,我连视频弹幕都很少看。我并没有孤独到要用这种方式来找共鸣的地步。

微信读书有个skill最近挺热门,据说还被顶上了热搜。这个skill看介绍说是能帮助你提取各种阅读过的划线和批注。然后加以整理,重新组织这些阅读痕迹。

我因为没有划线批注的习惯,所以没有试用过。但重组阅读痕迹,确实是一种重组小颗粒度碎片的做法。

我们来看一下一类书籍:教材。

一本标准的教材撰写风格就四个字:述而不作。教材编写者是没有立场的,也是没有观点的。ta要做的事,就是在既定领域里,把张三李四王五赵六的看法综合起来。这些看法全部来自于各自的学术专著或论文。教材就是一种提取碎片然后加以整合的工作。

而好的教材则是在这个基础上,将可能晦涩难懂的学术观点加以不失原味地浅显化表达出来,或者不一定浅显,但有一定的阅读体验。好的教材还是要讲点文字表达能力的。

但有一点确实要承认,教材在这两个步骤里,会丢失部分信息。比如张三的看法,有着庞杂的推导过程,这一部分可能会被教材略去。教材也有可能用一些案例、比方来说明张三的看法,可能未必能百分百对应。所以,如果一个读者真得想全盘了解张三的看法,教材只是一个勾子。但如果只是想略微掌握一下并没有深入的意思,其实教材确实是够了。

这就是碎片和系统的关系。

教材用一个界面(教材这本书)在整合展示既定领域里海量书籍的信息(这里还有一定的把关成分,有些观点完全不值得介绍,有些观点需要浓墨重彩一下)。它帮助读者降低了计算标的,让读者的算力足以能去处理。明白了这件事,你就能明白接下来我要介绍这个工具的意义。

这个工具其实是一个知识库性质的。。。软件(其实它是一个agent,功能很垂,就是文档分析)。市面上不是没有成型的知识库,比如腾讯出品的IMA。但我觉得友人风端介绍我并强力推荐的这个agent更好,唯一的缺点是需要支付点散碎银子,但真得是散碎银子,不值一提的那种。

首先,下载安装claude desk。去a社官网获取。

其次,下载安装cc switch。去github获取。

最后,获取deepseek的api,略微充点钱(比如我充了200块)。

经过一番简单配置,你就获得了一个agent,风端命名为“脚手架”,他甚至还给这个脚手架做了一个skill来完成向量化运算。但考虑到他的这个skill对显卡要求很高,我的m4跑过一次,机器从来没那么烫过,就没怎么用过。

早期的claude desk可以很方便地在其中调用第三方大模型(比如deepseek)的,但现在的版本基本关掉了这个通道。所以需要一个cc switch来开一个后门。之所以要调用ds,道理很简单:性价比最高。ds的token价格只有a社的八十分之一,而且这点也很重要:你在使用这个脚手架的时候,完全不需要什么额外的上网工具。

脚手架的核心原理就是它不使用web search。在这件事上其实我迷糊了很久,后来自己想出了一个炒菜的比喻:使用bot就是菜得ai自己找,然后它炒菜。使用这个agent,原料变成我自己找的,然后它炒菜。

当你提出某个需求时,bot会去互联网上找各种信息(找菜)拼凑一个答案给你(炒完装盘),但其实web search有很大的问题,ai缺少鉴定好坏的手段——它只知道概率。但使用agent,往一个指定的workspace扔一点书,让ai就这些书里的信息进行回答,会靠谱很多。因为书籍本身就已经有把关过程了。菜是我找的,我依赖的,只是ai的炒菜能力——归纳、推理诸如此类的能力。而这些能力,人脑是完全不能比的。

我对硅谷那边诸位ai大佬之间的恩怨情仇有很强的八卦需求,我特别想吃这类瓜。

但如果你直接问一个bot——比如gemini好了,告诉我一下奥特曼、哈萨比斯、马斯克之间的瓜,一来可能料还是不够多,二来bot经过一番web search,未必可信。

大量的传记书会记载这些事。由于有着层层把关的程序,基本上可以相信这些事确实发生过。但由于传记有着各自不同的立场,所以叙述方式会不同,侧重点也不同。阅读大量的传记确实是一个好法子,但极有可能,人脑的存储无法承担,也就是看过就忘,或者模模糊糊记得。

有了这个脚手架,这个需求就会被非常容易地实现。我在授权文件夹workspace里放入了一些ai传记书籍,然后我和agent有如下对话:

agent其实洋洋洒洒写了六大点,后面还进行了四个层级的分析,太长了,就不展示了。

类似这样的需求,是可以让谷歌家的notebookLLM实现的,但我试过,路径通,但效果一般。也许和工程能力有关。风端的看法是,claude desk拆解你指令转化为若干任务的能力极佳,最好当然是用它家模型,但价格差异如此之大是不得不考虑的。deepseek v4 pro的能力可能是性价比最优的。

可以把这个吃瓜需求进行推演,比如说,你想了解某公司十年以来的财务表现。问bot可能真会出现幻觉,但你用这个agent,在文件夹里放入十年半年报、年报的pdf文档,这是一个非常好的利器,因为它不会web search。

这是一个知识库工具,但我不认为它可以替代读书。

它能做到的事是,让你读书变得更为快速。我自己一向有“不求甚解”的心态,看到比较烧脑的内容,我会跳过——我一向认为反复纠缠于个别烧脑内容,是会摧毁你的读书习惯的——可能会动用书签夹一下,提示自己有空有心情的时候再来好好用用算力。

重要的是先了解个大概,然后愿意的话,细细琢磨。这套脚手架给我这个习惯提供了很大的助力。以前的书签都白夹了,我很少真会有那个好好用用算力的时刻。但现在,这些锚其实是有用武之地的。

更重要的是,它能做到破壁。若干本书中的信息点被打碎,然后重新组合。这是电脑远超人脑的地方。但前提是,你得先了解个大概,否则你大概只会提一个问题了:这本书讲了什么,给我归纳一下。

文学作品,不是这么读的。体验文学作品,ai几乎是没用的。

我举个例子。

有个叫“小雨的名著时光”的up主,最近分享了他对水浒传中一句话(够碎片了吧)的看法。这句话出现在林教头风雪山神庙这一节中,原话是这么写的:“把尖刀插了,将三个人头发结做一处,提入庙里来,都摆在山神面前供桌上”。

这个up主有同名公号,我简单搜了搜,他撰写的和风雪山神庙分析的文章里,没有提到这个细节。他的同名视频号也没有这个内容。我就这里简单归纳一下:

up主说,为什么要写三个人头发结做一处呢?直接写“把三人首级摆在山神面前供桌上”不就完了吗?因为首先要说明林冲打算就跑一次,而不是先拿两个头进去,再拿一个头进去,而是打算一次性带进去完事,表明林冲内心其实是有些担心被附近人撞见深怕逗留太久的。而人的头颅其实重量不低,三个加一起得有大几十斤重,且鲜血横流容易脱手,加之雪夜极冷,需要一点额外的法子,才能一次性带上三个头进庙里。把头发结在一处,单手就能提上,另外一只手还可以继续拿着武器以防不测——再次提醒读者林冲心中的戒备。讲者表示,施耐庵绝对是有具体经验的,没这种经验根本写不出“三个人头发结做一处”这种细节。

我知道水浒传那种写实主义风格的残忍,武松飞云浦之后的各种表现,你读得稍微慢一点就可以品出来。但像这位up主这么分析这一句话,确实没做到。回头再去体验体验,细品细品。

雪夜山神庙入选了当下统编版语文课本,供高一年级下学期学生学习。不晓得今天的语文老师敢不敢在课堂上这么给一堆未成年人做如是分析。

文学作品是这么读的,所以ai帮不上,但依然还是那句话:碎片不是罪恶。

—— 首发 扯氮集 ——