有一个重要事实需要注意:沃尔玛在美国不接受任何形式的NFC支付。这不仅仅是对Apple Pay的限制。这家零售商不接受Google Pay、Samsung Pay,甚至不让你用非接触式实体卡轻拍支付。这个情况主要针对美国。例如,加拿大的大多数沃尔玛门店都接受Apple Pay。
沃尔玛支付
首先,沃尔玛拥有自己的非接触式支付平台Walmart Pay,于2016年推出。然而,Walmart Pay并不是像Apple Pay那样基于NFC的轻拍支付平台。相反,它基于二维码基础设施。
要使用Walmart Pay,你必须在iPhone上的沃尔玛应用中添加借记卡或信用卡,然后在结账时扫描二维码用iPhone支付。这远不如Apple Pay方便。
扫码购物
沃尔玛还为Walmart+订阅用户提供扫码购物平台。这允许人们使用沃尔玛或山姆会员店应用在购物时扫描商品,然后到自助结账台完成购买,无需一次性扫描所有商品。使用扫码购物时也不支持Apple Pay。
数据收集
这可能是沃尔玛不支持Apple Pay的最大原因。沃尔玛依靠收集你的数据来建立你的购买模式和趋势档案。跟踪这种购买历史是沃尔玛用于精准广告、营销等目的的手段。
当你使用Walmart Pay时,沃尔玛很容易建立你的客户档案。当你使用扫码购物时,所有相同的信息都会被交给沃尔玛。
当你使用Apple Pay或其他支付方式时,沃尔玛(和其他零售商)很难做到这一点。Apple Pay的隐私和安全保护,比如不与零售商分享你实际卡片的任何信息,使这种跟踪变得更加困难。
这就是为什么如果人们想用手机支付,沃尔玛希望他们使用Walmart Pay。如果你用Walmart Pay或扫码购物结账,一切都与你的沃尔玛账户关联。如果你可以选择用Apple Pay支付,你与沃尔玛分享的信息就会少得多。
Apple Pay费用
一个常见的理论是沃尔玛不支持Apple Pay是因为不想向苹果支付费用。这是不正确的。企业接受Apple Pay没有额外费用。无论交易是否为非接触式,他们只需支付标准的卡片处理费用。苹果的费用通常由发卡银行承担。
零售商确实需要将支付终端升级到支持非接触式交易的新型号。沃尔玛实际上已经在其许多门店中更新了支付终端到这些新型号。然而,他们手动禁用了这些终端的所有NFC功能,试图强迫人们使用Walmart Pay。
在去年的一份声明中,沃尔玛强调它认为Walmart Pay比Apple Pay对购物者来说是更方便的解决方案。
这些原因都不成立。
沃尔玛仍然不接受Apple Pay的事实完全是对用户的敌意。这归结为数据收集和控制,即使这严重牺牲了客户便利性。我不经常去沃尔玛,虽然原因很多,但缺乏Apple Pay支持就是其中之一。
在社交媒体上的快速搜索显示,沃尔玛购物者对该公司缺乏Apple Pay支持越来越感到沮丧。这是一个再次因错误原因而走红的限制。
沃尔玛没有显示出改变主意的迹象。许多长期的Apple Pay抵制者已经让步,包括Kroger、家得宝和H-E-B。然而,沃尔玛只是更加固执己见。
Q&A
Q1:沃尔玛为什么不支持Apple Pay?
A:主要原因是数据收集。沃尔玛希望通过自己的Walmart Pay收集客户购买数据来建立用户档案,用于精准广告和营销。而Apple Pay的隐私保护使得这种数据跟踪变得困难。
Q2:Walmart Pay和Apple Pay有什么区别?
A:Walmart Pay基于二维码,需要在沃尔玛应用中添加卡片然后扫码支付,使用起来不如Apple Pay方便。Apple Pay则是基于NFC的轻拍支付,更加便捷安全。
Q3:沃尔玛不接受Apple Pay是因为费用问题吗?
A:不是。企业接受Apple Pay没有额外费用,只需支付标准的卡片处理费用。苹果的费用通常由发卡银行承担,而非零售商。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。