越来越多的超市、便利店正在接入支付宝钱包支付。4月28日消息,商超巨头华润万家、家乐福已经与支付宝钱包达成合作。华润万家旗下的商超品牌将全线接入支付宝钱包支付,首批江苏、江西、浙江三地的1000多家超市、便利店已经完成接入。而家乐福北京、上海、杭州的所有门店也已支持支付宝钱包付款。
商超巨头纷纷接入支付宝钱包
华润万家是中国最大的零售连锁企业集团之一,旗下囊括了华润万家、华润苏果、欢乐颂、Ole’、blt等多个著名商超品牌,超市业务连续多年位居中国连锁超市第一。2014年,华润万家全国自营门店实现销售1040亿元,自营门店总数达到4127家。截至目前,华润万家已进入全国31个省、自治区、直辖市和特别行政区,门店覆盖全国264个城市。
华润万家与支付宝钱包合作后,全国范围内的华润旗下商超品牌年内将全线接入支付宝钱包支付。这也将是商超行业在移动支付方面最大的一次动作。
据悉,华润万家旗下首批江苏、江西、浙江三地的1000多家超市、便利店已经完成支付宝钱包的接入。用户在上述门店购物结账时,收银条码枪扫一下支付宝付款码,用户就完成了付款,整个过程只需3秒钟。和现金支付相比,支付宝钱包付款无需找零、没有假币,更加简单方便。
除了方便外,华润万家本次接入支付宝钱包还推出了针对支付宝用户的专属优惠。据介绍,今天开始,南京、江西、浙江三地的1000多家门店将上线长达一个月的9折活动。用户首次用支付宝钱包付款可想9折优惠,5元封顶。每个用户有一次9折机会,支付成功后可参与抽奖,最高可获得100元的购物红包。以南京为例,苏果是华润万家在南京的代表品牌,也是南京本地最大的连锁超市品牌。目前,苏果在南京的600多家便利店及超市都已经支持支付宝支付。
另一商超巨头家乐福也与支付宝钱包达成了合作。目前,家乐福北京、上海、杭州的所有门店也已支持支付宝钱包付款。5月1日开始,上述三地的家乐福门店将上线长达一个月的折扣优惠:每周五、周六、周日使用支付宝付款满50元立减5元。而周一至周四,家乐福用支付宝钱包付款可参与抽奖,最高可获得100元购物红包。
传统零售拥抱移动支付
作为商超行业的排头兵,华润万家在经营理念上一直敢为人先,旗下品牌在移动创新、O2O运营上都有可圈可点之举。以苏果为例,苏果去年通过官方App与实体店进行互动开展O2O运营,取得了良好效果。而本次接入支付宝钱包,将彻底弥补实体店在移动支付上的短板,提升实体店购物体验。
华润万家方面负责人也表示,华润万家与支付宝钱包的合作,将有效迎合年轻消费者基于手机移动支付的新需求,打通线下实体移动支付闭环,巩固门店客群定位,促进门店客流及销售的提升。
众所周知,移动支付因为方便和省心,正在成为主流的消费支付方式。支付宝钱包是国内市场份额第一的移动支付平台,活跃用户超2.7亿,越来越多的用户在线下购物选择用支付宝钱包支付。近两年,商超行业开始了全面拥抱移动支付的趋势,包括全家、物美、喜士多、世纪联华、好德等商超、便利店品牌纷纷接入支付宝钱包。这样的趋势同样出现在餐饮行业和其他消费领域。
有业内人士认为,借着移动互联网的大潮,移动支付未来一两年将快速风靡线下消费市场,因此商家纷纷选择与支付宝钱包合作,为企业的服务升级和O2O转型做热身。因为除了提供移动支付能力外,支付宝的大数据能力和O2O解决方案,还能够帮助商家实现更科学的数据化运营和客户管理,降低运营成本提升运营效率。例如,支付宝提供了大数据分析,商家可以按照不同人群的行为偏好、消费偏好、生活半径、信用等级等情况,再来制定商业决策。例如,华润万家、家乐福可以根据用户地域分布的情况,来决定新的门店选址。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。