#泌阳县通报21车冻货跨省偏航被查扣#窝案，没看懂，是一个什么模型故事，货满满是个什么平台。看了评论区，货满满不是货拉拉的弟弟，但很离谱。

大v@纽太普同学 ：现在，泌阳县市场监督管理局原局长王磊，县市场监督管理局综合行政执法大队三中队中队长张兴都被采取了留置措施，可见确实已经是个窝案，还有可能是同时牵涉政府机构、货运平台和第三方企业的窝案。

封面新闻记者曾业李兴罡

7.8吨冷冻猪脚，从广西南宁出发，原本运往广东佛山，却蹊跷“偏航”千多公里，在河南被查扣。去年12月5日，查扣者河南泌阳县市场监督管理局称，11月底，这批“偏航”猪脚已由生产企业依法召回。

这车猪脚缘何“偏航”？货主高先生暂未收到任何说法。不过，他发现，“偏航”车辆晋A0G0N9，曾有两次从广西往河南运送冷冻肉类产品的经历，货品查扣方同样是河南泌阳县市场监管局。

12月5日，高先生的发现，得到广西南宁另一家食品企业负责人李先生的证实。李先生称，他曾找“偏航”车辆晋A0G0N9承运一批冷冻鸡爪。跟“冷冻猪脚偏航”如出一辙，运送目的地本是湖南，这批货被“偏航”运到了河南，于今年9月被泌阳县市场监管局查扣至今。

“失踪”猪脚被召回案件已移交至广西南宁处理

10月29日，重7.8吨、价值逾20万元的冷冻猪脚，在广西南宁装车，目的地为广东佛山。接单的货车，车牌号为晋A0G0N9，由发运者高先生托人通过网上平台下单。

10月30日上午，客户询问高先生，为何这批货物还未送到。高先生联系司机，发现对方电话一直无人接听。高先生查询货物去向，发现司机未按照约定线路运输。

“司机居然把目的地定到了河南郑州！我们查询‘运满满’平台，显示司机手机定位信息从10月29日17:16就消失了。”高先生怀疑司机盗窃货物，立即找到南宁警方报案。…

10月30日中午，司机突然给高先生发信息，称这批货物被河南省泌阳县市场监管局查扣。

“这批冷冻猪脚不能排除违法嫌疑。”河南省泌阳县市场监管执法人员回应，涉案猪脚被扣押在泌阳县东冷库的情况属实，他们是接到群众举报后对这批猪脚进行依法查扣的。经查，这批猪脚的包装涉嫌虚假标注，部分包装袋为废弃包装，且包装所载信息不规范。

“生产企业已召回这批猪脚，该案已移交至企业所在地的广西南宁市场监管部门处理。”12月5日，泌阳县相关执法人员告诉封面新闻记者，按照“属地管理”原则，案件后续处理工作已移交。

离奇“偏航”：涉案车辆在河南泌阳频繁被扣

运送7.8吨猪脚的晋A0G0N9货车，并非首次“异常”出现在河南泌阳。

去年年9月，这辆货车运输了557袋冷冻鸡爪，本应从广西南宁运往湖南怀化，同样出现蹊跷“偏航”的情况，在进入河南泌阳境内后，所运货物被泌阳县市场监管局查扣。

557袋冷冻鸡爪被查扣，李先生多次找同行讲述自己的遭遇。几天前，他加入一个临时组建的群聊，发现自己并非唯一的“受害者”。

一位来自广东茂名的货主，运输一批牛副产品，原本计划的路线途经广西至广东，被运输车辆拉至河南泌阳扣押；一名广西南宁武鸣区的商户，运送猪副产品到湖南长沙，也被货车司机以类似的方式，“偏航”到河南泌阳境内被群众“精准举报”而查扣。高先生遭遇的“冷冻猪脚失踪”事件，由于已召回涉案的7.8吨猪副产品，最近两天被热议。

“无论是猪副产品、牛副产品还是鸡副产品，被扣押的过程都高度雷同。”李先生在与广西南宁警方的沟通中发现，涉案的晋A0G0N9司机，除了运输过他们被扣押的鸡爪，还曾在今年3月因同类案件被南宁警方调查处理过。

“在我们辖区以外的情况，我们确实不清楚。”泌阳县市场监管局执法人员回应称，今年9月至11月，他们接到的群众举报中，确实有一辆冷藏货车先后两次出现。第一次运的是鸡爪，第二次运的是猪脚，但两批货物属不同企业，司机也不是同一人。“我们也觉得奇怪，但没去深究具体运输路线。接到了群众举报，我们就必须依法到场核查，否则就是不作为了。”

同样的疑惑：跨省执法进度缓慢

“查扣的冷冻猪脚、冷冻鸡爪，我们都请第三方机构进行了抽检。其中，涉案的鸡爪存在微生物超标及防腐剂使用不当等问题，不合格；涉案的猪脚主要是标签标识和包装不规范。”泌阳县市场监管局执法人员称，无论是标签标识违法，还是产品质量违法，依法，他们都可以处罚。

“跨省办案，难度不小。”该执法人员以冷冻鸡爪查扣案件为例称，虽然查实了违法事实，但尚未结案，“涉案鸡爪的货主，一直没到泌阳县来接受调查处理。”

该执法人员解释，直至10月26日，收到广西南宁市场监管部门复函确认相关信息后，他们才通过电话、短信等方式，多次通知货主前来认领涉案物品并接受处理，“对方一直不来，我们也很为难——仓储费每天都在增加，不合格的冷冻鸡爪也不能长期保存”。

“当事人必须到场，确认货物归属后，才能启动后续处理流程。”该执法人员补充说，对于不宜长期保管的涉案物品，若货主逾期不领取，须依法进行无害化处理。但前提是，必须完成身份确认程序，确保权属清晰。

“食品安全案件遵循‘属地管理’原则，即，违法行为发生地或企业注册地拥有主要执法权。”知情人士透露，10月下旬，广西南宁公安机关已派出警力，赴河南泌阳调取相关案件的证据资料，目前正在调查中。

李先生则称，他们的鸡爪被扣押后，广西南宁警方迅速立案，曾派人赴河南泌阳协调提货。然而，泌阳县市场监管局以“我方先立案”为由拒绝移交货物，“说要等他们的行政调查结束”。

目前，李先生及其他几位有类似遭遇的人员，正在尝试通过行政复议、向上级市场监管部门投诉、共同聘请律师帮忙维权等方式寻求解决。

最新，大皖新闻#21车冻货偏航涉事公职人员被立案# 【#21车冻货偏航河南泌阳被查扣进展#：涉事公职人员被立案调查，受害货主拒绝庭前调解】#21辆货车集体迷路执法岂能偏航# “21车冻货‘偏航’河南泌阳”事件有了进展。涉事的泌阳县市场监督管理局执法大队食药中队长张某，以及该局局长，已被泌阳县纪检监察机关立案调查。

antirez昨晚连发10条推来说明中国模型不是靠蒸馏美国模型来变强的。

当然antirez说的蒸馏是蒸馏的原始定义大模型输出 logits （输出分布），小模型学习 logits。而现在“蒸馏”这个词已经被滥用了，有很多引申的不同含义，所以相关讨论里还是有很多争议。。

------------------还有一件重要的事：中国模型强，并不是因为它们蒸馏了美国模型。通过 API进行模型蒸馏是*不可能的*。如果有人告诉你相反的说法，那说明他们不懂机器学习：

1. 蒸馏需要访问数量极其庞大的请求，并且必须能获得*完整的 logits*，包括思维链生成过程中的 logits，而思维链通常是被摘要化的。

2. 通过 API 调用进行蒸馏，就像只看到一个极其复杂曲面上的几个点，却仍然能复现这个复杂曲面。从数学上说，这就是科幻。

3. DeepSeek 在 R1 论文中创建的蒸馏版本之所以提升了目标模型，是因为那些目标模型虽然已经在大量 token 上预训练过，但没有接受过“思考”训练；潜在能力本来就在那里。不过即便如此，这些蒸馏版本也并不算特别出色。

4. 你真正能做的是为强化学习流程获取高质量信号。这有点用，但并不关键；首先你得有一套能跑通的强化学习流程，而这才是真正的工程难点所在。

5. 即使你手上有模型，蒸馏也很难：现在已经有很多前沿中国模型可用，但许多实验室，包括欧洲实验室，也无法提供与它们对齐的模型。

6. DeepSeek 已经公布了它们如何搭建预训练、SFT 和 RL 流程的细节。这些结果甚至已经被复现。为什么相比可复现且公开的结果，你更愿意相信“飞天猴子”？他们已经向你展示了自己有能力训练好大模型。…

7a. 当有人坚持这种机器学习上的荒谬说法时，你可以问他们：你声称模型从 Y来源学到了 X能力，那好，请给我展示信息路径。预训练？那需要数万亿 token。

7b. 带验证器的强化学习？没有，因为它需要来自探索的奖励信号。完整 logits？那是教师模型的完整分布，而从 o1或类似模型开始，这些信息根本拿不到。所以信息通道到底是什么？

总结：别再重复这种胡说八道了。即使你的简介里写着“AI专家”，你也只是在向全世界展示你不懂机器学习。

#AI创造营#

看到一个很有价值的论文，梳理了 AGI 到 ASI 的技术路线和制约因素，为大家介绍一下。2026年6月10日，**Google DeepMind** 在 arXiv 挂出了一份60页的报告，标题四个单词：***《从 AGI 到 ASI》***。一作 **Tim Genewein**，DeepMind 资深研究员，马克斯·普朗克智能系统研究所博士。作者列表最后两位是 **Shane Legg** 和 **Marcus Hutter**。Legg 是 DeepMind 三位联合创始人之一，现任首席 AGI 科学家；Hutter 是他的博士导师，也是机器智能理论上限 **AIXI** 的创立者。

2008年 Legg 在 Hutter 指导下完成博士论文，题目叫 *机器超级智能*，两人在博士期间联合提出了 **Legg-Hutter 智能度量**，用一个数学公式定义通用智能的高低。**18年后，师徒二人和一个跨学科团队回到同一个问题。** 只是这次不是纯数学推演，而是对着当下 AI 产业的实际进展画路线图：如果造出了 AGI，接下来会发生什么？

报告的核心结构：**三个定义锚定坐标系，四条技术路径指向ASI，六个瓶颈可能减速或阻断。** 报告的核心判断：**AI进步恰好停在人类水平的可能性最低。**

一是报告认为更可能的场景是两端之一。要么AI进步在AGI之前就停滞了，短期内造不出通用智能；要么从AGI过渡到某种程度的ASI比较平滑。**恰好卡在人类水平需要多个瓶颈同时变成硬性阻断，这个概率低。**

二是即使单个AI模型的能力在人类水平就到顶了，**大量实例组成的集体仍可能构成超级智能**。…

报告算了一笔账：如果有效算力继续按当前速度增长，五年后可以同时运行 **1亿个** 人类水平的AGI实例。1亿个AGI组成的群体，即便每个个体只有普通人的水平，集体是否已经是超级智能？

三是 **ASI不等于全知全能**。报告用一整张表格列出了超级智能仍然受制的根本限制：光速限制信息传播，兰道尔原理限制计算能量效率，复杂性理论限制实际可计算的问题范围，哥德尔不完备定理限制可证明的命题范围。**治愈衰老、解决气候危机、建造戴森球，这些都不能从"超级智能"三个字里自动推导出来。**

下面按报告的逻辑顺序解读。

1、报告先在智能的连续谱上钉了三个锚点，第一个是 **AGI**。

**AGI，通用人工智能**，定义为在大多数认知任务上达到 **人类中位水平** 的系统。注意"中位"这个词。不需要在每件事上碾压所有人，但要在足够广的范围内达到普通人的水准。以今天AI的能力看，第一个AGI在许多具体任务上大概率已经超人，只是还不够通用。

2、第二个锚点是 **ASI**，报告把门槛设得很高。

**ASI，通用人工超级智能**，定义为在几乎所有领域超过 **数万名人类专家组成的、协调良好的大型团队持续工作十年** 所能达到的水平。不是超过一个专家，是超过一整个专业研究领域或大型企业在一个问题上的全部产出。报告给了一个具体量级：假设至少要可靠地超越一万名顶级专家在2010年的技术条件下协同工作十年的成果。一个ASI可能由数百万个并行运行的实例组成。

3、第三个锚点是理论天花板。

**Universal AI**，由 **AIXI 理论** 定义的机器智能极限。AIXI 是 Marcus Hutter 在 2005 年提出的一个数学构造：面对未知环境，同时考虑所有可能的环境假说，越简单的假说先验概率越高；每次观察到反馈后用贝叶斯方法更新各假说的概率；在这个动态更新的概率分布上做最优规划，选长期累积回报最大的动作。可以证明，**在所有可计算环境的加权平均表现上，没有任何智能体能超过 AIXI。** 但 AIXI 不可计算，它需要枚举所有可能的程序来做预测，物理上做不到。所以它是一个参照物而非可运行的算法：任何实际 AI 系统都可以被理解为 AIXI 的某种有损近似，近似程度取决于算力和算法设计。

4、报告接着列出了AI相比人类的 **六项结构性优势**，这些优势随算力增长加速放大。

**输入输出速度**，今天的大模型几秒钟读完几本书。**内部处理速度**，推理链可以通过算力提速。**工作记忆和存储容量**，已经把互联网的相当一部分"记住"了，离天花板还远。**基底无关性**，AI可以迁移到新硬件上，甚至在运行时迁移。**无损复制**，不仅复制代码还能复制记忆状态，随时备份、恢复、按需启停。**高带宽共享学习经验**，同构AI实例之间可以直接共享梯度更新信号。

报告的意思是：**人类智能受制于寿命、身体、低带宽沟通、无法复制经验。这些限制对AI不适用，算力越增长差距越大。**

5、**有效算力每年增长约10倍**，这个数字怎么来的。

三个因素相乘。**硬件效率** 每年提升约1.5倍，过去六十年基本稳定。**算力投资** 每年增长约2.5倍，过去十年的数据。**算法效率** 每年提升约3倍，用同样的计算量能达到更好的效果。**1.5 × 2.5 × 3 ≈ 11**，报告取整到10倍作为保守估计。报告引用的是 **Epoch AI** 的数据，同时提醒每个因素都有不确定性，实际增速可能更高也可能更低。

6、第一条路径：**继续堆算力、堆模型、堆数据。**

过去十年AI进步的核心驱动力就是规模扩张。如果有效算力按10倍/年增长，五年后比今天多10万倍。报告在这里做了一个思想实验：假设到AGI出现时，基座模型的能力进步就停了，但有效算力继续增长。第一年只能跑1000个AGI实例，第二年就是1万个，第五年1亿个。或者换一种算法，1百万个实例、每个跑快100倍。

**1亿个人类水平的AI，每个运行速度比人脑快几个数量级，彼此之间高带宽通信，可以随时复制、合并、专业化。即使单个没超过人，集体是否已经超人？** 报告认为对这个问题很难给出否定的回答。

7、第二条路径：**算法范式转换。**

当前范式是预训练Transformer加微调加测试时推理。报告认为这个组合还不够AGI，正在被快速扩展，持续学习、世界模型、更可靠的决策都是活跃方向。如果这些能平滑整合进当前范式就是演进；如果不行就需要转换。**转换的影响大但不可预测，这是四条路里不确定性最高的一条。**

8、第三条路径：**递归自我改进**，这是四条路里最可能产生加速效应的一条。

AI参与AI研发，产出更好的AI，后者又加速研发。这已经在发生：神经架构搜索、自动超参数调优、AI辅助芯片设计。报告拆成了三种改进机制，分别对应人类演化中的三种动力。

**基因演化** 对应改写AI的代码和硬件蓝图。人类的基因演化极慢，但AI改写自己的"DNA"可以非常精准、非常快。**文化演化** 对应生产更好的训练数据和知识工具。AlphaZero就是一个例子：用策略网络做先验来引导搜索，搜索结果比网络本身更好，再把更好的结果蒸馏回网络，网络改善后搜索效率进一步提高，循环往复。**人类的文化演化要通过教育、出版、跨代传承，AI可以在几小时内完成同样的循环。** **合作演化** 对应分工专业化。专业化提高效率，释放出的资源投入更深的专业化或更大的集体。

如果AI研发能被完全自动化，理论上可能出现 **超指数增长**。但递归改进也可能衰减得快。AlphaZero式的循环在多轮迭代后通常收敛。

9、第四条路径：**多智能体集体涌现。**

ASI不一定来自单个超强模型，可能来自大量AGI实例的协调组织。类似人类社会中企业和市场通过分工实现超越个体的集体智能。AI集体有独特优势：高带宽通信、快速复制、灵活调整组织形态。报告给了一个说法：**一个AGI"CEO"在某种意义上可以同时和每一个"员工"直接对话，省去深层管理层级和信息逐级衰减。** 集体智能可以走去中心化的市场路线，也可以走中心化调度路线。哪种形态在什么场景下更优，是一个开放问题。

10、瓶颈分三层。

第一层是 **资源层面**。用于预训练的高质量文本数据可能在本十年内耗尽，这就是 **数据墙**。应对手段包括合成数据、模拟环境交互、用测试时计算生成超出基座模型水平的训练数据。持续扩张还需要芯片、能源、数据中心、稀土，**如果AI产生的经济回报跟不上投入增速，扩张就不可持续**。第二层是 **范式层面**。当前大模型的幻觉问题、提示注入漏洞、对风险不敏感的决策方式，可能构成天花板。第三层是 **外部层面**。监管、事故、社会反弹、军事和政治因素可能导致AI能力发展被人为限制。但经济和军事竞争的压力可能覆盖减速意愿，特别是在全球协调缺位的情况下。

11、**抽象屏障**，合著者 **Alexander Lerchner** 提出的一个假说。

当前AI系统主要在人类已有的概念和抽象上训练，擅长在人类定义的概念空间内组合和探索。但能否从原始高维数据中发现全新的概念？

报告做了一个思想实验：给现代大模型喂同等数量的token，但 **内容限定在牛顿之前的知识水平**。没有力学定律，没有微积分，没有电磁学。这个模型能自己推导出广义相对论吗？大概率不能。因为"力""因果性""微积分"这些 **概念原语**，是人类用几千年时间通过与物理世界的反复交互才提炼出来的。模型从未接触过这些原语，也没有机制去发明它们。

如果这个假说成立，**当前基于人类数据训练的AI有一个隐含的能力上界：它能在人类已知概念的范围内做到超人速度和超人记忆，但不能发明人类还没有的概念。** 单个AI实例的智能因此可能被锁定在人类水平附近。不过，即使个体被锁住，集体ASI仍有可能通过多智能体规模化实现。

12、"研究会变难"这个瓶颈有一个有意思的反面。

**Bloom 等人 2020 年** 发表在《美国经济评论》上的研究发现，维持摩尔定律的指数级进展所需的研究人员数量 **比1970年代增加了约18倍**。各领域的研究产出通常随着领域成熟需要更多投入才能维持。

但报告指出，如果人工研究员的能力达到人类水平，扩充"研究团队"就变成了一个算力问题。**把数字研究团队从N人扩到18N人，对人类来说要几十年的培养，对AI来说可能几周甚至几小时。** 按有效算力每年增长10倍算，一年多以后同样的钱就能跑18倍多的人工研究员。除非AI进步在达到人类水平研究员能力之前就停了，否则这个瓶颈的约束力可能比直觉中的弱。

13、报告用一整张表格强调了 **ASI的根本性限制**。这些限制来自物理学、计算理论和数学逻辑，不因智能程度提高而消失。

**光速** 限制信息传播速度，分布式计算的节点距离越远、协调延迟越大，无法靠更聪明来绕过。**兰道尔原理** 画了一条能效底线：擦除一比特信息至少消耗 kT·ln2的能量（室温下约 2.85 × 10⁻²¹ 焦耳），当前芯片实际能耗比这个下界高好几个数量级，但如果未来算力需求增长到足够大的规模，这条底线不可能突破。**布雷默曼极限** 限制最大计算速度：1千克物质每秒最多执行约 1.36 × 10⁵⁰ 次操作，即使把计算机的每一个原子都用上，单机速度仍有天花板，到了某个极限只能靠并行化而不是加速单个处理器。**贝肯斯坦约束** 限制信息密度：给定体积和能量下能容纳的信息总量有上限，不可能在有限空间里塞进无限数据，这对需要建立超大规模世界模型的ASI构成约束。**P与NP问题** 是计算复杂性理论的核心：验证一个答案是否正确可能只需要多项式时间，但找到答案可能在根本上就是慢的。如果P ≠ NP（未证明但广泛相信），ASI在面对NP难问题时也必须做大量搜索，不可能靠"更聪明"跳过。不过现实问题往往有结构可利用，好的启发式经常能在远低于最坏情况的计算量下给出足够好的答案。**哥德尔不完备定理** 来自数学逻辑：任何足够强大且自洽的形式系统都存在真但不可证的命题，系统也无法证明自身的一致性。这意味着ASI在推理和自我验证上存在理论盲区，有些问题的障碍不在算力，而在原则上无法证明。

报告进一步引用了 **Solomonoff 归纳** 的一个推论来说明 ASI 能力的不可预测性。Solomonoff 归纳是 1964 年提出的理论框架，AIXI 的预测部分建立在它之上：对给定数据，考虑所有能生成这串数据的程序，越短的程序权重越高，加权汇总得到对下一个数据的最优预测。**这是理论上最高效的学习方法，从最少的数据中提取最多的规律。** 它的一个推论涉及有损压缩：对一个数据序列做压缩，最优压缩率取决于序列本身的算法复杂度，用更短的程序只能做有损压缩。关键在于，有损压缩能做到多好、有多少个压缩层级，在事先是不可预测的，只能从最短的程序开始逐步尝试。因为“预测”和“压缩”在数学上等价，**这意味着 ASI 在面对一个未知问题时能做到多好，在实际去做之前无法精确预测。**

14、报告最后引用了图灵1950年的话：**“我们只能看到前方不远，但已经能看到很多必须去做的事情。”** Shane Legg 2008年的博士论文也处理的是同一个问题。**18年前超级智能是纯数学推演的对象。2026年，同一组人把它写进了产业路线图**，附带四条可能的技术路径、六个待验证的瓶颈、和一份横跨七个方向的开放研究议程。

---

*论文：Tim Genewein 等，《从 AGI 到 ASI》，arXiv:2606.12683v1，2026年6月10日。*

经济学人，中产阶级中国饮食的“加州化”The Californication of middle-class Chinese diets

中国人希望吃得更健康、更洁净，甚至更国际化

杭州有机餐饮业者戴建军（音译）可谓走在时代前面。20多年来，他的采购团队近乎执着地寻找优质原料，以高于市场价的价格向浙江农户收购农产品，条件是不使用化学肥料和农药。事实证明，这番努力颇有回报：他的餐厅“龙井草堂”已摘得米其林星级荣誉。戴建军说，他的祖母曾认为，第一代富人买房子，第二代学会穿衣打扮，第三代则懂得如何吃得好。

随着中国规模接近5亿、年可支配收入至少达到1.5万美元的中产阶级群体日益壮大且愈发富裕，他们购物篮里的内容也在发生变化。他们希望吃得更健康、更安全、更简单。中国的食品体系正努力跟上这种不断演变的消费偏好。农场生产更多西方国家常见的蛋白质食品和水果；超市销售更多有机农产品；餐厅则开始设计更健康的菜单。中国人的餐盘结构正在改变（见图表）。尽管猪肉仍占据主导地位，但鱼类和海鲜合计已成为第二受欢迎的蛋白质来源。事实上，中产阶级的饮食习惯似乎正变得越来越“加州化”。三文鱼、蓝莓和牛油果等食品正日益受到欢迎。

纵观历史，中国人长期担忧的是能否获得足够的主食，例如大米和面条。在这个农业传统深厚的国家，农业至今仍吸纳了五分之一的就业人口。仅凭全球9%的耕地养活世界17%的人口，本身就是一项非凡成就。因此，中国高度依赖农产品进口，而政府也一直希望提高粮食和农产品自给率。如今，大多数中国人已经能够享用充足且优质的食物。不到40年的时间里，中国完成了从粮票配给到控制腰围的转变：如今超过一半成年人口处于超重或肥胖状态。许多人担心的已不再是能否吃饱，而是自己究竟吃进了什么。…

随着国家变得富裕，人们追求更高质量饮食是一种普遍现象。但在中国，食品安全问题的历史阴影同样推动了这一转变。2008年毒奶粉事件导致6000多名婴儿患病，震动全国。近年来，关于“地沟油”以及餐厅大量使用预制菜的争议，也持续引发公众愤怒。

要理解中产饮食的“加州化”，不妨先看看某些食品需求的变化。2022年，中国政府发布的膳食指南首次将三文鱼列为优质Omega-3脂肪酸来源加以推荐。多年来，这种食物仅为极少数富人享用。如今，这种粉红色、肉质厚实的鱼类已在全国广受欢迎。来自超市、专业门店和直播电商的三文鱼切片，通过遍布各地的配送骑手迅速送达不断扩大的中产阶级消费者手中。挪威海产局的西格蒙德·比约尔戈（Sigmund Bjorgo）表示，中国今年已成为全球第二大三文鱼市场。

像Nordic Aqua这样的企业希望从迅猛增长的三文鱼市场中分得一杯羹。在浙江宁波郊区类似大型水族馆的养殖池中，这家挪威企业每年养殖8000吨三文鱼，并计划到2030年将产量扩大至2万吨（约400万条鱼）。公司负责人拉格纳·约恩森（Ragnar Joensen）预计，届时中国三文鱼市场规模有望达到每年30万吨。该公司的三文鱼上午捕捞，下午即可出现在300公里外上海消费者的餐桌上。在政府支持下，公司正在浙江基地建设全球最大的陆基大西洋鲑养殖场之一。其水循环系统即使不依赖抗生素，也能保持鱼群健康。

中国还扩大了其他深受加州消费者喜爱的食品的进口和本土生产。例如，牛油果和蓝莓的人气飙升，而价格则大幅下降。如今，一个牛油果和一盒125克装蓝莓的售价都已降至约1美元，仅相当于十年前价格的一小部分。西南省份云南已成为中国蓝莓和牛油果种植中心。去年，中国蓝莓产量接近100万吨，位居全球第一。随着产量激增，这种过去显得颇为“高端”的水果正进入越来越多普通中国家庭。

在饮食“加州化”的过程中，食品的生产方式也发生了变化。有机食品越来越受欢迎。到2024年，中国有机农业种植面积较十年前扩大了一倍，占全国耕地面积的0.7%。同期，有机食品销售额增长逾三倍，2024年达到167亿美元；仅2024年就比前一年增长了19%。运营“北京有机农夫市集”的常天乐认为，中国过去快速工业化以及土地价格上涨，迫使农民尽可能提高单位土地产量，从而形成了“重数量、轻质量”的发展模式。

虽然有机食品目前仍主要面向中产阶级，但随着越来越多农户投入有机种植，其价格正在下降。阿里巴巴旗下盒马鲜生近期向中国媒体表示，已将有机蔬菜价格从普通蔬菜的两至三倍，降至约1.5倍。其他大型电商平台也纷纷建立有机供应链，而社区菜摊则打出“绿色”“自种”等宣传标语。从山东到山西，各地农场都开始提供有机蔬菜订阅箱服务，借鉴西方国家的经营模式。

不过，挑战依然存在。由于过去曾发生土壤和水体污染问题，不少消费者仍怀疑中国市场上的产品是否真正达到有机标准。常天乐表示，尽管销售额每年都在缓慢增长，但她担心年轻人承受的压力过大，既无暇做饭，也难以关注食材品质。此外，小型农场为维持经营不得不收取更高价格，而这可能令消费者望而却步。（中国14亿人口中，约40%会点外卖。）

也有人看到了机会：把新鲜、健康的餐食做得既方便又便宜。高松在研究生阶段研究过美国快休闲连锁品牌 Chipotle Mexican Grill和 Sweetgreen，随后于2015年创立Foodbowl，并根据中国消费者偏好调整产品设计——毕竟许多人对生食沙拉仍抱有疑虑。疫情过后，公司业务迅速增长。高松认为，这与中国人更加关注健康有关。他的主要客户是年轻白领，他们希望在碳水化合物、蛋白质和膳食纤维之间取得平衡，同时追求“干净”的配料表。

这种“加州式”转变或许会受到政府欢迎。上海交通大学学者韩广华表示，中国民众在食品安全问题上依然“神经高度敏感”。而他的研究显示，公众往往会将食品安全问题归咎于中央政府，而非地方官员，因此避免食品安全丑闻始终是政府的重要任务。这种趋势也有助于应对日益严重的肥胖问题。去年，中国将不断上升的肥胖率称为“重大公共卫生威胁”。中国希望人们从“吃得饱”（吃得饱，chidebao）迈向“吃得好”（吃得好，chidehao）。如果这一目标能够实现，它很可能成为一场令人愉悦的饮食变革。#海外新鲜事#