e公司-上市公司资讯第一平台；最新、最快、最有价值的上市公司快讯；数据拆解上市公司密码，为投资者挖掘客观信息；撮合上市公司与投资者互动，直播上市公司有价值的活动、会议。

上市公司资讯第一平台

综合股票资讯公告视频

共查询到1486篇相关资讯

股票名称	现价	涨跌	涨跌幅	振幅	最高	最低	成交金额	操作
海量数据 sh603138	14.39	-0.09	-0.62%	+2.69%	14.78	14.39	4410.47万	加自选

没有更多了...

开科唯识：AI科技赋能金融智变，ST金一收购开启发展新纪元

近期，ST金一(002721)拟以4.12亿元自有资金收购北京开科唯识技术股份有限公司43.18%股权，并通过表决权委托方式获得14.3%股份表决权，合计控制其57.48%表决权，实现控股并入合并报表。据悉，开科唯识专注于银行业软件与信息技术服务，未来将进一步拓展至保险、基金、券商及智慧城市领域。此次收购是ST金一从黄金珠宝行业向软件信息领域战略转型的关键举措，通过切入金融科技赛道，借助标的公司在银行业积累的技术经验及外延式并购能力，推动跨行业升级与多元化布局，加速向信息技术产业转型。深耕金融转型的科技赋能者在金融行业数字化转型浪潮中，开科唯识凭借深厚的技术积累与行业洞察，正成为推动金融领域智能化升级的重要力量。作为一家专注于金融行业应用系统软件开发与服务的国家高新技术企业，开科唯识始终聚焦财富管理、支付清算、智能数字化客户服务等核心领域，为金融机构提供涵盖软件开发、技术服务、运维咨询等全链条解决方案，致力于以科技赋能金融行业关键应用的数字化进程。经过多年的深耕发展，开科唯识已在金融软件服务市场建立了显著的竞争优势。公司自主研发的分布式架构系统调度与一致性保障技术、大规模批量数据处理技术、海量实时数据处理技术等核心技术，精准匹配了金融业务对高并发、高可靠性、海量数据处理能力的需求。其中，基于分布式架构的数据库访问组件尤为突出，其低成本、跨平台兼容的特点，有效解决了金融交易场景中多方业务处理一致性难题，为金融机构提供了有力的技术支撑。值得一提的是，在市场布局方面，开科唯识已在国内200多家金融机构中实现广泛应用，市场渗透率持续领先。数据显示，公司服务覆盖了18家大型国有银行和股份制银行中的83%，在125家城市商业银行中的渗透率也达到69%。从头部银行及理财子公司到逐步拓展的农信联社、农商行等区域性金融机构，开科唯识的产品矩阵正形成覆盖全国金融机构的广泛网络。尤其在银行专业化系列产品领域，其市场占有率持续提升，充分体现了客户对技术实力与服务品质的认可。凭借专业化的服务能力与持续的技术创新，开科唯识在金融软件市场树立了良好的品牌影响力。从最初为大型金融机构提供核心系统建设，到如今覆盖全国数千家中小银行及金融机构的技术服务网络，公司始终以客户需求为导向，通过定制化解决方案帮助客户实现业务增长与效率提升。未来，随着人工智能、大数据等技术的进一步深化应用，开科唯识将继续聚焦金融行业需求，以更强大的技术实力与更优质的服务，助力中国金融行业迈向更高水平的数字化、智能化发展新阶段。以AI技术驱动金融数智化转型开科唯识作为金融科技领域的技术驱动型企业，正以大模型与大数据为核心引擎，加速构建人工智能在金融场景中的深度应用，其战略布局与技术实践不仅重塑了传统金融服务模式，同时在政策红利与行业趋势的双重驱动下，有望展现出更广阔的发展前景。通过整合人工智能技术与行业经验，开科唯识正逐步成为金融机构数字化转型的重要赋能者之一，其技术路径与业务布局已形成清晰的闭环生态。近年来，开科唯识始终坚持以大模型和大数据技术为核心，围绕金融场景构建了多种智能化解决方案。其近期自主研发的“开基客群经营AI中台”与“识务AI军师”两大系统覆盖经营分析、客户洞察、策略设计、营销执行等全链路闭环经营，同时具备预测客户需求并动态优化策略能力，有效解决了传统营销中的数据孤岛与策略碎片化问题，助力金融场景智能化。此外，在薪酬管理领域，开科唯识将DeepSeek数据模型接入升级后的薪酬服务平台，通过自动化数据校验、合规分析及税务优化建议，持续降低企业运营成本。同时，平台与银行客户中心模块深度整合，外呼营销AI助手可直接调用客户画像数据，形成“数据洞察-策略生成-精准触达”的营销闭环，有望持续赋能金融机构实现从营销、服务到管理的全链条数智化转型。随着大模型在垂直领域的持续迭代，开科唯识有望进一步释放AI技术在客户洞察、合规风控等场景的潜力。从技术积累到场景落地，开科唯识的发展路径清晰展现了AI技术驱动金融变革的实践逻辑。通过将大模型的深度学习能力与行业知识库的结构化经验相结合，其解决方案不仅实现了从“人找系统”到“智能体协同”的模式跃迁，更在客户经营、薪酬管理等关键场景中验证了AI技术的商业价值。除此之外，政策的持续落地与机构需求的逐步激增，将进一步为开科唯识的发展注入新动能。从政策层面来看，2024年证监会发布的“并购六条”与国务院新“国九条”，明确支持金融科技领域的并购重组与数字化转型，为行业整合与技术升级提供了政策支持与保障。从另一方面来看，据艾瑞咨询发布的《2024年中国金融科技（FinTech）行业发展洞察报告》预测数据，2027年国内金融科技市场规模将突破5800亿元，复合增长率达12%，其中财富管理、智能客服等开科唯识深耕的细分领域需求尤为旺盛。国家金融监督管理总局推动的全链条监管体系与数字化转型指导意见陆续下发与实施落地，也将进一步倒逼金融机构加速技术投入与数智化转型，为开科唯识的技术解决方案提供了更广阔的市场空间。尤为值得一提的是，海淀区国资委控股上市公司ST金一完成对开科唯识的收购，标志着其正式开启从黄金珠宝行业向软件信息领域战略转型的关键一步。此次收购不仅是ST金一切入金融科技赛道的核心举措，更是通过整合标的公司在银行业深耕多年的技术经验及外延式能力，进一步加速推动企业跨行业升级与多元化布局，为全面向信息技术产业转型奠定坚实基础。对于开科唯识而言，也将充分依托海淀区作为中国科技创新高地的产业生态优势，通过技术资源与区域产业协同的深度融合，加速人工智能与金融场景的创新融合，在智能营销、风险控制、数据治理等关键领域抢占先发优势，进一步推动AI、区块链等技术在金融行业的示范应用，从而全面提升企业核心竞争力。随着金融信创国产化与数字化转型的深化，开科唯识在智能营销、数据治理、风险控制等领域的技术储备，将持续释放其作为金融科技赋能者的增长潜力。未来，随着金融机构对AI技术深度应用需求的持续释放与背靠ST金一海淀区产业生态优势，开科唯识有望通过技术迭代与场景创新，进一步巩固其在金融科技领域的领先地位，成为人工智能时代金融业数智化转型的核心推动力量。（CIS）
ST金一开科唯识收购
03-28 11:49
人形机器人风口正劲上市公司抢滩3D视觉感知

从春晚舞台到全国两会，人形机器人正在大放异彩，产业生态持续繁荣。随着市场与资本对人形机器人关注的进一步深入，其产业链关键环节成为上市公司争相布局的重点领域。其中，传感器作为人形机器人必不可少的部件，需求有望迎来较快增长。当前，上市公司积极布局3D视觉感知领域。近日，光学龙头公司水晶光电拟以3亿元现金收购埃科思95.6%股权，埃科思主要从事3D视觉感知产品研发销售。国内3D视觉感知龙头公司奥比中光春节以来接受156家机构扎堆调研。3D视觉传感器具有精度高、信息量大、集成度高等多个优势，适用于复杂、精密的识别，更有望成为未来人形机器人的主流方案。机构预计3D视觉传感器的需求将随人形机器人量产快速放量。但值得注意的是，新兴技术下游应用场景的规模化落地仍需时间，且企业仍保持持续性的高研发投入，因此整体行业呈现亏损状态。与此同时，3D视觉感知在技术层面仍有多个难点待突破。水晶光电切入3D视觉业务光学龙头公司水晶光电近期的一笔收购，将市场目光引向3D视觉感知领域。水晶光电在3月6日晚间发布公告称，拟以3.235亿元收购广东埃科思科技有限公司（简称“广东埃科思”）合计95.6%股权。交易对方包括嘉兴卓进、嘉兴创进等14名合伙企业及个人。水晶光电表示，公司已确定以AR/VR为公司未来主要的战略方向，3D成像和空间感知领域也是AR/VR布局的重点方向，收购广东埃科思股权将有助于水晶光电的AR/VR业务板块快速发展，对于构建该公司在AR/VR空间感知领域的能力和竞争优势具有重要意义。在协同效应的助力及行业周期下，此番收购预计对水晶光电的业绩将产生积极影响。收购标的广东埃科思主要从事3D视觉感知产品的技术开发、生产和销售。相关产品的应用领域涵盖金融支付、智能家居、机器人、安防、手机、平板、笔记本、汽车电子、AR/VR等行业。值得一提的是，广东埃科思在成立之初，便是由水晶光电关联方投资成立的，其原股东与水晶光电在股权结构方面存在紧密关联，同时管理人员团队也高度重叠。早在2020年，水晶光电曾将3D视觉相关固定资产和技术转让给广东埃科思子公司，本次收购埃科思，意味着水晶光电将曾经转出去的项目从关联方重新购回，此番操作原因何在？“彼时水晶光电收入主要来源为滤光片，其客户多为模组厂，水晶光电直接孵化3D视觉项目或与客户形成竞争关系”，接近水晶光电的一名行业投资人士表示。该行业投资人士还表示，水晶光电选择在当下时点将3D视觉业务并购回来，或是基于三方面原因，一是水晶光电业务结构变化，滤光片业务占比下降，切入模组业务对核心业务影响减小；二是水晶光电在AR、机器人领域已积累起技术和渠道，具备切入模组业务的条件；三是行业发展时机成熟，AR、机器人领域或在2025年—2027年迎来发展窗口，收购埃科思可整合其客户群、专利、设备和人员，助力水晶光电快速完成渠道建设，拓展新客户。多家上市公司“摩拳擦掌”3D视觉行业是人形机器人产业链中行业集中度较高的赛道之一，主业深耕3D视觉的上市公司较少，因此部分光学领域上市公司通过并购或孵化的形式进入该领域。近期，光学镜头公司联创电子在互动平台表示，该公司很早就成立了视觉感知团队，3D视觉相关的镜头、影像模组、系统已用于手机、汽车、无人机、机器人等领域。联创电子是一家专注光学镜头及影像模组、触控显示器件等新型光学光电子产业的高科技企业，主要产品包括车载镜头及模组、手机镜头及模组、高清广角镜头、各种尺寸的触控显示屏等。此前在2023年，歌尔股份控股子公司歌尔光学宣布以11.19亿元估值全资收购微纳光学企业驭光科技，交易采用“现金+股权置换”方式。据了解，驭光科技具备微纳光学元件的研发设计、制造及检测一体化能力和光机电算系统整合能力，可以面向智能手机、AR眼镜等应用场景提供核心微纳光学器件、投射/显示模组和三维传感整体解决方案。今年3月，驭光科技还取得一项名为“光投射模组以及具有其的图像采集系统和三维传感系统”的专利。奥比中光作为国内3D视觉感知技术龙头企业，长期深耕机器人视觉及AI视觉，在2025年以来已接受7次机构调研。据了解，奥比中光为机器人、3D扫描、生物识别等行业客户及全球开发者提供高性能的3D视觉传感器及机器人与AI视觉感知方案，主要产品包括3D视觉传感器、消费级应用设备和工业级应用设备。值得一提的是，奥比中光也是“杭州六小龙”之一宇树科技的供应商，为宇树机器人提供先进的视觉相机产品。据悉，宇树人形机器人Unitree G1和Unitree G1 EDU的视觉感知方案均采用深度相机与3D激光雷达，奥比中光的3D视觉技术全面适应机器人应用，为宇树人形机器人操作提供精确的视觉数据，同时，还为宇树科技提供激光雷达及结构光传感器，以提升宇树机器人在复杂环境下的感知和导航能力。有望迅速增长3D视觉感知正在赋能多行业，随着当下人形机器人的发展步伐不断加快，3D视觉感知行业的需求预计将迎来较快的增长。中金公司在研报中预测过，随着成本的降低，未来中国人形机器人市场将较快增长。2030年人形机器人出货量有望达到35万台，2024至2030年的复合增长率有望达到317%；市场规模也将迅速扩张，2030年人形机器人市场规模预计达581亿元，复合增长率259%，有望成为经济增长重要驱动力。伴随着人形机器人市场扩大，关键零部件的需求有望大增，以后行业对供应质量和稳定性要求会更高，产业协同发展成为趋势。资料显示，3D视觉感知技术为真实重现3D物理世界和各类型机器人“感知—决策—执行”链路中的重要一环。浙商证券指出，机器人视觉承载80%信息获取，目前国内外龙头均采用3D视觉感知技术为人形机器人赋能。浙商证券预计，人形机器人3D视觉传感器的需求将随人形机器人量产快速放量，潜在市场空间有望从2025年的1.4亿元，增长至2030年的91.5亿元，CAGR=132%；且3D视觉行业集中度高，是人形机器人产业链中竞争格局最优赛道之一。何时进入业绩拐点？值得关注的是，尽管3D视觉感知技术展现出巨大的市场空间和应用前景，但新兴技术下游应用场景的规模化落地仍需时间，且企业仍保持持续性的高研发投入，因此整体行业呈现亏损状态。水晶光电收购的广东埃科思仍处于持续亏损状态。2023年以及2024年前三季度，埃科思营收分别为3655万元、2690万元，净利润分别为亏损6927万元、亏损3744万元。奥比中光连续五年亏损，2019—2023年，该公司净利润分别亏损5.16亿元、6.15亿元、3.11亿元、2.9亿元、2.76亿元，合计超20亿元。2024年，其归母净利润为亏损5998.77万元，较上年同期净利润亏损2.76亿元大幅收窄。对于至今仍未盈利，奥比中光给出两点主要原因。第一，该公司3D视觉感知技术相关产品目前仅在部分领域实现规模化应用，因此目前收入规模相对较小；第二，为把握行业发展窗口期，抢占未来规模商业化阶段的市场机遇，该公司按照“全栈式技术研发能力+全领域技术路线布局”进行技术研发储备布局，在人才、技术战略围绕中长期布局规划，仍保持着较高水平的投入，导致短期营业毛利规模无法覆盖中长期布局投入需求。短期营业毛利规模，无法覆盖奥比中光的高水平研发投入。数据显示，2019年—2023年，奥比中光的研发费用占营收比例分别为62.06%、110.68%、81.73%、108.86%、83.61%，平均高达89.39%。在高工机器人产业研究所（GGII）所长卢瀚宸看来，目前国内大部分3D视觉感知公司都处于亏损状态，一方面是由于前期高研发投入与商业化周期的错配，技术的持续快速迭代，倒逼企业需要持续的高研发投入，而下游诸多行业的需求释放周期差异较大，一定程度上会对视觉企业的战略布局和商业化落地能力提出更高的要求，直接的结果就是造成较大的盈利压力。另一方面则是应用场景碎片化与市场教育不充分，以智能汽车、人形机器人等为代表的增量市场尚未完全打开，规模化效应尚未真正显现，导致综合成本依然偏高。与此同时，3D视觉感知在技术层面仍有多个难点尚待突破。卢瀚宸在接受证券时报记者采访时表示，一是复杂环境适应性不足，如光照敏感性与抗干扰能力的提升，结构光技术易受强光或暗光环境影响，导致深度信息失真。二是动态场景与遮挡处理，如快速运动物体或复杂遮挡场景下，现有算法难以实时更新三维重建模型。“此外，在多模态数据融合方面亦存在挑战，如激光雷达、ToF相机、RGB摄像头等不同传感器的数据格式与采样频率差异大，融合时存在时空对齐问题。多传感器融合产生海量数据（如激光雷达每秒百万级点云+摄像头高清视频流），端侧算力需求常超过100TOPS，而当前主流芯片难以满足实时处理需求。”卢瀚宸指出。卢瀚宸坦言，3D视觉感知正经历“技术成熟度曲线”的泡沫低谷期，但底层需求逻辑未变。作为机器人感知占比最大的分支，3D视觉传感未来有望受益于人形机器人市场的持续扩大而快速放量，具备全栈技术能力的厂商有望穿越周期。
人形机器人3D视觉感知传感器
证券时报·e公司聂英好03-26 19:38
AI渐成券商“研”值担当，好工具还是业务颠覆者？

【AI重构投研面面观】编者按：DeepSeek的问世犹如平地惊雷，让外界进一步见识了人工智能（AI）的魅力。参悟其中，券商研究所也意识到了AI高效赋能投研的极大可能性，不少分析师已相继晒出相关的AI应用体验或探索实践。未来，AI将在多大程度上赋能投研，这是一个值得探讨的话题。AI对生产力的提升无疑值得各界欣喜，而AI给分析师带来的“职业取代”之忧，以及技术平权将如何重塑券商研究业务格局，同样值得一探究竟。一场会议录音转化为文字摘要，从人工用时2小时缩短至10分钟；利用大模型智能体，可自动生成日报、周报等各类高频报告；能够结合市场情绪、指数ETF跟踪误差等因素优化选基，帮助ETF模拟组合将年化收益率从6.75%提升至7.18%……近日，券商中国记者采访了数家研究实力强劲的券商研究所，受访人士分享的AI应用案例不一而足。当AI从数据处理环节突围，步入决策分析辅助，投研范式将会产生何种改变？AI在解放生产力方面的“神效”，可以覆盖投研全部流程吗？对于这些问题，受访人士也详细坦露了他们的深度思考。化身“多面体”赋能投研各环节其实，在DeepSeek横空出世之前，中金公司、中信建投证券、广发证券等大型券商研究所早已启动了“AI+投研”的应用探索，并有了一定的落地成果。据了解，中金研究于2023年开始打造的对外一站式数字化投研品牌“中金点睛”，上线了找数据、AI搜索、智能纪要等三大对客服务，全端触达用户数近百万、覆盖机构投资者近十万；对内则通过掌上投研及RMS等自研系统全方位赋能分析师，大幅提升报告模型、路演会议、客户管理、质控审核等工作场景的效率。广发证券则在行业指标问答调取和自动绘图、研报增强搜索与深度问答等方面，均有了相应产出。中信建投证券亦在投研环节引入了AI大模型。券商中国记者了解到，中信建投证券多个研究团队都建立了自己的行业知识库，将研报、纪要、模型等各类文字资料，全部通过大模型智能体（Agent）进行统一管理，研究员可以随时随地向智能体询问相关专业问题，并下载溯源文件。研究团队还借助大模型自动生成行业日报、周报等，其中内容采集、信息整理、版式调整等工作均可由智能体自动完成。值得一提的是，DeepSeek-R1在推理能力方面的颠覆效果，以及低成本高效能等优势，更是让券商研究所以进一步积极的姿态拥抱AI大模型。受访券商研究所人士均提到，近期已在多方面广泛应用AI大模型，并持续探索新的应用场景。申万宏源研究总经理助理、TMT总监、首席分析师刘洋表示，目前正在研发新平台，信息搜集（公告和公开新闻等）、数据处理（撰写数据与公告一致性检查）、风险预警（风险警示、提示函等）等都应用了大模型技术。广发证券发展研究中心表示，近期进一步利用AI大模型工具辅助开展研报翻译、会议纪要等工作，未来还会在研报撰写辅助、研报审核、信息加工、内部工作流程提效等方面开展更多工作。针对分析师日常需要高频处理的文字内容工作，中金公司研究部也正在积极测试探索大模型在非结构化信息提取、中英文字/图表互译、研报质量把控及风险排查等领域的应用。中信建投证券研究所则正在探索一个内部的深度报告辅助撰写的智能体解决方案。其核心思路是，借助DeepSeek强大的规划、推理能力，对研究员给定的研究课题进行任务拆解、大纲制定，并逐步完成。高级应用中AI有效性约40%可以看出，AI大模型在投研业务上的应用场景极其广泛，并将突围数据处理环节，参与到信息加工和决策分析辅助方面。几乎所有受访人士都认为，AI明显改善了投研效率。那么，在投研的诸多场景中，AI大模型能解放多少生产力？国信证券经济研究所策略首席分析师王开基于该所的实践，从不同应用层级描述了AI赋能投研的有效性。大模型在投研工作的落地环节，包括数据处理、热点追踪、宏观研究、资产配置、市场洞察、框架搭建等领域。据王开介绍，在初级应用阶段，AI主要承担数据清理、热点追踪和指标计算等任务。例如，AI能够自动归纳市场信息，提升热点追踪效率。这些任务相对标准化，AI可完全自动执行，因此AI的有效性在理论上不会打折扣。在中级应用阶段，AI主要辅助专题研究、宏观分析和资产配置优化。比如资产配置方面，国信证券总量团队尝试用ETF优化风险平价模型，并选ETF基金做模拟资产配置，发现AI能够结合市场情绪、指数ETF跟踪误差等因素优化选基，帮助ETF模拟组合将年化收益率从6.75%提升至7.18%。“虽然AI能够在中级应用领域发挥重要作用，但由于AI仍需人类决策者提供研究框架，因此整体AI有效性约为60%。”王开说。在高级应用阶段，AI主要用于市场深度洞察和大型课题研究。王开表示，尽管AI在数据处理和分析方面有优势，但仍然难以独立完成完整的研究逻辑和因果推理，高级应用的AI有效性约为40%。从上述分享中可以看出，当下AI在基础性、重复性的投研工作中表现较好，但越到创造性的深度思考阶段，仍独木难支。中信证券信用债首席分析师李晗也告诉券商中国记者，在信用债市场的投研实践中发现，AI在数据处理方面较人工效率有一定提升，但在策略应用、机会挖掘和标的定价等多个方面的实践中仍存不足之处，离不开投研人员的核心把控。海量数据处理问题待解决在采访中，受访人士也都提到了当下受到热议的AI幻觉问题（如生成错误信息）。据浙商证券研究所有关人士介绍，这主要体现在两方面，一是大模型信息混杂，互联网语料混合了很多不严谨的信源；二是大模型本身缺乏金融数据和语料，使得回答可用度和可信度降低。“但我们也觉得无需因噎废食，接受它的不完美，并在实际应用中通过多个工程手段来减少AI幻觉发生的概率。”该人士同时说。中信建投证券研究所有关人士也有类似观点，“好比人与人之间需要时间彼此了解，才能建立信任一样，人与AI也需要不断磨合。”综合中金公司、中信建投证券、申万宏源、国信证券、浙商证券等券商在这方面的解决思路和实践，其实可以从不同阶段对AI幻觉进行针对性规避。首先，是在预处理阶段，使用合法合规公开的数据来源，接入金融数据库，并将自身知识成果的积累沉淀整合为投研知识库。其次，是在输入层面，用Prompt Engineering的手段、通过上下文注入等技术实现更结构化的提示词，设定边界、明确约束，避免大模型随意发挥。在生成阶段，还可以使用RAG（检索增强生成）、Graph RAG等手段检索相关高质量文档，并将其融入生成过程。最后，是在输出层面，通过人工、多模型交叉验证、重复抽样验证等方式复核，还可以通过提供引文溯源对比来实现。甚至还可以引入一个多智能体的框架，由专门的智能体负责模型输出结果的验证，并通过智能体内部的多轮对话，尽最大可能保证输出的可靠性、准确性。从现实来看，私有化部署的模型算力有限，无法满足海量信息处理需求是券商研究所使用AI大模型的另一个“拦路虎”。中信建投证券研究所有关人士坦言，这使得公司在处理公开信息资讯时，需要借助云端大模型的能力，但很多时候很难准确界定私域信息和公开信息。王开也提到，当下API调用的响应速度仍然存在一定瓶颈，尤其是在高频次、大规模数据分析的场景下，计算延迟影响了应用效率。不过，国信证券研究所也在探索解决思路，即将部分AI处理流程迁移至本地化模型，以减少API调用依赖，提高计算效率。同时，通过批量处理与并行计算优化数据流，进一步提升AI在复杂投研任务中的响应速度。好工具还是业务颠覆者？站在当前时点看，AI在全方位赋能投研上仍不够完满，但AI的发展日新月异，未来将在多大程度上重构券商投研业务呢？“随着大模型的发展，AI正从信息处理工具跃升为投研体系的核心驱动要素，推动研究范式由经验驱动向数据驱动升级。”王开同时也指出，从应用实践看，AI在投研中的作用更倾向于从1到1.5的增量优化，而非从0到1的创造性构建，其核心价值在于提升计算效率、优化分析框架，而非完全取代人工推理。这也是受访人士的共识。浙商证券研究所有关人士直言“投研流程不会发生颠覆性的改变”，比如AI大模型投研应用于自动信息处理和规模数据分析两大方向，其本质是对人力劳动密集环节的替代，而非投资逻辑的颠覆。中金公司非银行金融及金融科技行业首席分析师姚泽宇认为，随着大模型不断发展，更多投研场景中可以使用AI进行提质增效。不过，整体而言，大模型的优势在于文字与推理，而不在于判断与创造。在他看来，未来人工主导、人机协作可能仍是常态。“人机协同的本质是认知能力再分配，并非效率叠加。分析师借力AI Agent的目标，是努力从‘信息处理’中解放出来，更多参与价值判断与价值分发。”中信建投证券研究所有关人士亦提到。在该位受访人士看来，未来，AI Agent将深度介入信息采集、数据清洗、基础分析等脑力活中的“体力活”，更多为投研工作的非决策类环节进行赋能；而分析师的战场则向更高阶的认知维度迁移，在AI的辅助下理解知识，输出观点，进行决策。最终，基于人类与AI认知差异形成双向赋能通道，实现1（人）+1（AI）＞2，在人与AI能力矩阵的乘数效应中创造价值。“可以把AI当作一位不错的合作伙伴，在AI驱动、人工创作和校准基础上，未来投研流程或会有AI与资深分析师互相提示、AI与人工都校准等趋势。”刘洋表示。（券商中国）
人工智能券商投研DeepSeek
券商中国03-26 16:12
张家口，何以成为“算力之都”？丨“算力新城”一线行系列报道

数字经济浪潮奔涌，张家口成功化身“算力明星”。2020年到2023年，大数据核心产业增加值年均增速逾30%；数据中心算力规模达到2.91万P（算力单位，即每秒千万亿次浮点运算），位居河北省第一……张家口凭借神“机”妙“算”，实现算力产业起飞。近年来，这里逐步形成以怀来大数据产业基地、张北云计算基地等为核心的数据产业集聚区，成为全国大数据产业发展速度最快的地区之一。算力集群加速形成、产业链条持续完善、场景应用不断拓展，都是这里算力大发展的重要特色。拆解晋升全国算力高地的背后密码，既有京津冀区域市场需求巨大潜力的依托，也有生态环境自然禀赋方面的优势，同时还受益于以“虚拟审批”为代表的体制机制创新。多因素加持之下，这颗“塞外明珠”在全国算力产业的拼图中闪烁光芒。通算与智算协同驱车行进在张家口市百余个路口，早高峰的红绿灯时长与平峰时不同。算法赋予信号灯以“大脑”，让“车看灯”变成“灯看车”。一个简单的场景，映射出算力对通行效率的强大支撑。3月19日，世纪互联副总裁刘萍驾车从北京家中来到工作地——位于怀来县的世纪互联怀来数据中心基地。基地除了属地员工，不少高管都在北京和张家口两地穿梭，无论高铁还是开车都非常方便。北京市大模型备案数量全国第一，占比近四成。去年，世纪互联与中关村环保科技示范园联合打造人工智能园区训练场，并与其他海淀优秀企业共创算力服务平台。考虑到企业的实时性智算需求，算力中心不能离北京太远，张家口成为承接首都算力外溢的首选。目前，中关村环保科技示范园作为展示窗口和技术试验点，张家口世纪互联怀来数据中心则部署超级计算集群，由此搭建起独特的“前店后厂”新模式。目前基地一期已交付客户，二期正在如火如荼建设中。“数据从北京使用终端传过来，经过数据中心服务器计算，再传回终端，整个过程时延可以控制在2毫秒以内。”刘萍这样介绍这一创新模式的优势。合盈数据（怀来）科技产业园内，一栋栋数据中心大楼拔地而起。机房里，一排排机柜里的服务器高速运行，大量的信息数据在这里汇聚、分流；维护人员细致进行着巡检，确保服务器和各项设备的运行万无一失。这里是合盈数据在国内布局的最大数据中心集群，目前建设进度已过半，三成以上的规模已交付客户并稳定运行。预计2025年项目全部建成后，总规模超1000兆瓦。越来越多计算中心的崛起，昭示出张家口推进数据中心集群建设的策略——大数据集群通算与智算规模化协同发展，算力基础设施也从规模化发展向高水平、多元化方向前进。这种协同并进与产业的演进规律非常适配。合盈数据财务副总裁吴风华分析，当前行业正从移动互联网尾声的超大规模通算中心，到AI爆发后高密化的AIDC（AI数据中心）的转型，AI算力在通信距离、冷却要求、规模化、交付周期等方面对数据中心提出全新技术要求。其项目重点也在转向AIDC架构升级、冷却方案创新以及快速响应客户扩容方面。如今，作为国家“东数西算”工程京津冀算力枢纽节点，张家口市数据中心集聚优势凸显。阿里云、腾讯云、合盈数据、中明科技等头部企业已入驻，并成为互联网巨头重要的数据中心承载地。据证券时报记者得到的数据，张家口已建成投运数据中心项目30个，投运标准机柜超44.8万架，投运服务器达172万台，算力规模约2.91万P，位居河北省首位。为什么是张家口？首都在线在国内外规划建设了4个自有数据中心，河北张家口与安徽芜湖是两大重镇。在今年2月19日披露的投资者关系活动记录表中，对于建设中的张家口怀来数据中心，首都在线表示，该数据中心地理位置优越，建成后主要用于整合公司北京门头沟及内蒙古的算力布局，并吸引众多北京地区AI企业入驻。张家口市与北京山同脉、水同源、气相通。过去十年，京津冀协同发展夯基垒台，从谋篇布局的大写意，到精耕细作的工笔画，铸就了新的区域发展增长极。近年来，在承接北京算力外溢方面，张家口又在发挥独特作用。京津冀地区算力需求何以如此旺盛？在吴风华看来，主要来自于四方面因素的加持。首先是人工智能应用：大量的科技企业、科研机构和高校，对于高性能计算、深度学习训练等算力资源有着迫切的需求。其次是大数据处理：随着数据量的爆炸式增长，企业和政府机构需要强大的算力来处理和分析海量数据，以支持决策制定和业务优化。再次是云计算服务：云服务提供商需要大量的数据中心资源来满足客户对于云计算的需求，提供弹性、可靠的计算和存储服务。最后是金融需求：京津冀地区的金融机构众多，对于风险评估、交易分析、量化投资等需要高性能计算支持的业务需求不断增加。地理优势和资源禀赋，是张家口发展算力产业的天然优势。怀来与北京中关村科技园直线距离仅50公里。这里冬季寒冷漫长，夏季气候凉爽，非常有利于数据中心散热和降低能耗，同时能延长设备使用寿命。在此基础上，张家口市积极打造京津冀算力设施集中承载地、算力资源调度主枢纽，加快推动数字产业化、产业数字化，蓄力打造京津冀“算力之都”。但这并非全部。育产业、强招引、促转化是张家口发展算力产业的“三板斧”，实践中也练就了有自身特色的“方法论”。2024年8月项目立项，9月就完成施工许可证办理，用时仅仅32天。这就是张家口市怀来县京西智算中心项目开创的纪录。该项目总投资约33亿元，从无到有，已处开工建设阶段。拿地、规划、施工，各环节审批环环相扣，半年时间都算正常。而这个项目却采用了“虚拟审批”模式——在企业未正式拿地时，先发放“虚拟编号”，让后续审批流程提前开启，两者并行办理，待土地手续完备，再将审批结果“转正”。在不违反法定程序的前提下，大大提高了审批效率。“软环境”之外还要“硬支撑”。以电力设施为例，围绕产业需求，怀来先后投资83亿元建设基础设施和生活配套设施，把“项目等电”变为“电等项目”。软硬兼备筑巢引凤，2019年至2024年，怀来大数据产业营收从6.94亿元增至107.2亿元，一跃成为支柱产业。目前，怀来已经锚定叫响“全国算力第一县”的新目标。刘萍介绍，政府对企业的支持，体现在电力、税收等诸多方面。“我们也期望未来能在水资源支持、源网荷储一体化等方面，得到更多来自政府的助力。”从“承接溢出”到“生态闭环”算力发展提速，只是张家口大数据上下游产业链不断拓展的一个切片。近年来，中和芯半导体设备智能制造项目实现设备下线、易特数字装备智能制造研发生产基地项目有序推进……张家口围绕建立“数据存储+算力调度+装备制造+应用服务”的大数据全产业链发展目标，在延链强链补链方面突破，实现由单一数据存储到算力、装备制造、应用服务多元业态的转变，进而构建起大数据全产业链生态体系。由此，张家口发展算力也从早期的“承接溢出”，逐步进化到了“生态闭环”。目前，张家口正规划构建“一廊四区多园”的大数据产业空间布局。“一廊”即联通京津冀的算力经济廊道。“四区”即以怀来县为龙头，打造数据智算与融合应用示范功能区；以张北县为龙头，打造数据存算与绿色低碳功能区；以宣化区为龙头，打造装备制造与数据存算功能区；以经开区为龙头，打造数字服务产业功能区。“多园”即构建多园协同联动发展格局。2025年张家口提出新目标，紧密对接京津冀算力需求，继续引进落地一批“存算一体、训推一体”数据中心，算力规模达到5万P以上，智算占比超过70%；加快数字服务产业基地建设；加大产业发展、民生保障、城市治理等12个领域“数据要素×”应用场景开发力度，将更多数字成果转化为可感可知、普惠共享的新图景。多公司的建设步伐仍会提速。在此过程中，逐绿而行，另成一景。刘萍介绍说，世纪互联未来仍会在张家口继续布局，打造GW基地。世纪互联怀来基地采取“新型算力基础设施+绿色能源战略” 联动模式，提供全托管的数据中心一站式服务。基地通过采用服务器液冷技术、高频高效模块化不间断电源（UPS）技术、智能化运维与AI节能技术等先进技术和手段，可降低数据中心能耗、提高能效，实现PUE和WUE的双降，在京津冀国家算力枢纽乃至全国范围内形成绿色低碳数据中心典范。合盈数据（怀来）科技产业园，也是绿意盎然。非生产用电、新能源汽车充电用电，大部分来自屋顶光伏发电；道路两侧的花朵形路灯，白天吸收阳光晚上照明；运维楼内各个办公室温度25℃，这是回收服务器余热供的暖……这种“绿电聚合供应”模式已入选全国一体化算力网应用优秀案例。有接近政府方面的人士介绍，下一步张家口将以大规模绿色算力为切入点，统筹推进数字产业化、产业数字化、数字治理与服务、数据价值化，着力打造算力调度先行示范区、绿色低碳创新样板区、数字服务产业集聚区，为京津冀协同发展增加新动能。
张家口世纪互联中关村
证券时报·e公司王小伟03-21 15:02
协鑫集团携手北大、NVIDIA发布光伏功率预测大模型

人民财讯3月21日电，3月17日至21日，2025 NVIDIA GTC（英伟达GPU技术大会）在美国加州圣何塞召开。在本次GTC大会上，协鑫集团联合北京大学、NVIDIA达成产学研深度协同，联合推出基于NVIDIA Earth-2平台的光伏功率预测大模型，这标志着能源行业智能化转型取得突破性进展。该模型创新性构建“产业数据+科研能力+超级算力”的三角支撑体系：依托协鑫集团在清洁能源领域多年的实践经验与海量数据积累，结合北京大学在人工智能、大数据分析等领域的前沿科研成果，并运用来自NVIDIA Earth-2平台的天气和气候预测数据，能够对新能源发电功率进行精准预测。NVIDIA Earth-2作为一款气候数字孪生云平台，结合了AI、GPU加速、物理模拟和计算机图形学的强大功能，能够以前所未有的准确性和速度在全球范围内进行天气和气候预测并生成数据。利用预测数据，光伏发电量预测精度将比单纯依靠时间序列模型提升3至5个百分点。
协鑫集团英伟达(NVIDIA)光伏
人民财讯刘良文03-21 10:09
海量数据在贵州、苏州成立数据技术新公司

人民财讯3月20日电，企查查APP显示，近日，贵州海量贝斯数据技术有限公司、苏州海量贝斯数据技术有限公司成立，法定代表人同为肖枫，注册资本均为100万元。企查查股权穿透显示，二者皆由海量数据间接全资持股。
企查查海量数据
人民财讯03-20 14:06
锚定京津冀“算力之都”张家口谋数字经济“生态闭环”

合盈数据（怀来）科技产业园。王小伟/供图张家口怀来大数据产业基地。王小伟/供图证券时报记者王小伟数字经济浪潮奔涌，张家口成功化身“算力明星”。2020年到2023年，大数据核心产业增加值年均增速逾30%；数据中心算力规模达到2.91万P（算力单位，即每秒千万亿次浮点运算），位居河北省第一……张家口凭借神“机”妙“算”，实现算力产业起飞。近年来，这里逐步形成以怀来大数据产业基地、张北云计算基地等为核心的数据产业集聚区，成为全国大数据产业发展速度最快的地区之一。算力集群加速形成、产业链条持续完善、场景应用不断拓展，都是这里算力大发展的重要特色。拆解晋升全国算力高地的背后密码，既有京津冀区域市场需求巨大潜力的依托，也有生态环境自然禀赋方面的优势，同时还受益于以“虚拟审批”为代表的体制机制创新。多因素加持之下，这颗“塞外明珠”在全国算力产业的拼图中闪烁光芒。1 通算与智算协同驱车行进在张家口市百余个路口，早高峰的红绿灯时长与平峰时不同。算法赋予信号灯以“大脑”，让“车看灯”变成“灯看车”。一个简单的场景，映射出算力对通行效率的强大支撑。3月19日，世纪互联副总裁刘萍驾车从北京家中来到工作地——位于怀来县的世纪互联怀来数据中心基地。基地除了属地员工，不少高管都在北京和张家口两地穿梭，无论高铁还是开车都非常方便。北京市大模型备案数量全国第一，占比近四成。去年，世纪互联与中关村环保科技示范园联合打造人工智能园区训练场，并与其他海淀优秀企业共创算力服务平台。考虑到企业的实时性智算需求，算力中心不能离北京太远，张家口成为承接首都算力外溢的首选。目前，中关村环保科技示范园作为展示窗口和技术试验点，张家口世纪互联怀来数据中心则部署超级计算集群，由此搭建起独特的“前店后厂”新模式。目前基地一期已交付客户，二期正在如火如荼建设中。“数据从北京使用终端传过来，经过数据中心服务器计算，再传回终端，整个过程时延可以控制在2毫秒以内。”刘萍这样介绍这一创新模式的优势。合盈数据（怀来）科技产业园内，一栋栋数据中心大楼拔地而起。机房里，一排排机柜里的服务器高速运行，大量的信息数据在这里汇聚、分流；维护人员细致进行着巡检，确保服务器和各项设备的运行万无一失。这里是合盈数据在国内布局的最大数据中心集群，目前建设进度已过半，三成以上的规模已交付客户并稳定运行。预计2025年项目全部建成后，总规模超1000兆瓦。越来越多计算中心的崛起，昭示出张家口推进数据中心集群建设的策略——大数据集群通算与智算规模化协同发展，算力基础设施也从规模化发展向高水平、多元化方向前进。这种协同并进与产业的演进规律非常适配。合盈数据财务副总裁吴风华分析，当前行业正从移动互联网尾声的超大规模通算中心，到AI爆发后高密化的AIDC（AI数据中心）的转型，AI算力在通信距离、冷却要求、规模化、交付周期等方面对数据中心提出全新技术要求。其项目重点也在转向AIDC架构升级、冷却方案创新以及快速响应客户扩容方面。如今，作为国家“东数西算”工程京津冀算力枢纽节点，张家口市数据中心集聚优势凸显。阿里云、腾讯云、合盈数据、中明科技等头部企业已入驻，并成为互联网巨头重要的数据中心承载地。据证券时报记者得到的数据，张家口已建成投运数据中心项目30个，投运标准机柜超44.8万架，投运服务器达172万台，算力规模约2.91万P，位居河北省首位。2 为什么是张家口？首都在线在国内外规划建设了4个自有数据中心，河北张家口与安徽芜湖是两大重镇。在今年2月19日披露的投资者关系活动记录表中，对于建设中的张家口怀来数据中心，首都在线表示，该数据中心地理位置优越，建成后主要用于整合公司北京门头沟及内蒙古的算力布局，并吸引众多北京地区AI企业入驻。张家口市与北京山同脉、水同源、气相通。过去十年，京津冀协同发展夯基垒台，从谋篇布局的大写意，到精耕细作的工笔画，铸就了新的区域发展增长极。近年来，在承接北京算力外溢方面，张家口又在发挥独特作用。京津冀地区算力需求何以如此旺盛？在吴风华看来，主要来自于四方面因素的加持。首先是人工智能应用：大量的科技企业、科研机构和高校，对于高性能计算、深度学习训练等算力资源有着迫切的需求。其次是大数据处理：随着数据量的爆炸式增长，企业和政府机构需要强大的算力来处理和分析海量数据，以支持决策制定和业务优化。再次是云计算服务：云服务提供商需要大量的数据中心资源来满足客户对于云计算的需求，提供弹性、可靠的计算和存储服务。最后是金融需求：京津冀地区的金融机构众多，对于风险评估、交易分析、量化投资等需要高性能计算支持的业务需求不断增加。地理优势和资源禀赋，是张家口发展算力产业的天然优势。怀来与北京中关村科技园直线距离仅50公里。这里冬季寒冷漫长，夏季气候凉爽，非常有利于数据中心散热和降低能耗，同时能延长设备使用寿命。在此基础上，张家口市积极打造京津冀算力设施集中承载地、算力资源调度主枢纽，加快推动数字产业化、产业数字化，蓄力打造京津冀“算力之都”。但这并非全部。育产业、强招引、促转化是张家口发展算力产业的“三板斧”，实践中也练就了有自身特色的“方法论”。2024年8月项目立项，9月就完成施工许可证办理，用时仅仅32天。这就是张家口市怀来县京西智算中心项目开创的纪录。该项目总投资约33亿元，从无到有，已处开工建设阶段。拿地、规划、施工，各环节审批环环相扣，半年时间都算正常。而这个项目却采用了“虚拟审批”模式——在企业未正式拿地时，先发放“虚拟编号”，让后续审批流程提前开启，两者并行办理，待土地手续完备，再将审批结果“转正”。在不违反法定程序的前提下，大大提高了审批效率。“软环境”之外还要“硬支撑”。以电力设施为例，围绕产业需求，怀来先后投资83亿元建设基础设施和生活配套设施，把“项目等电”变为“电等项目”。软硬兼备筑巢引凤，2019年至2024年，怀来大数据产业营收从6.94亿元增至107.2亿元，一跃成为支柱产业。目前，怀来已经锚定叫响“全国算力第一县”的新目标。刘萍介绍，政府对企业的支持，体现在电力、税收等诸多方面。“我们也期望未来能在水资源支持、源网荷储一体化等方面，得到更多来自政府的助力。”3 从“承接溢出”到“生态闭环”算力发展提速，只是张家口大数据上下游产业链不断拓展的一个切片。近年来，中和芯半导体设备智能制造项目实现设备下线、易特数字装备智能制造研发生产基地项目有序推进……张家口围绕建立“数据存储+算力调度+装备制造+应用服务”的大数据全产业链发展目标，在延链强链补链方面突破，实现由单一数据存储到算力、装备制造、应用服务多元业态的转变，进而构建起大数据全产业链生态体系。由此，张家口发展算力也从早期的“承接溢出”，逐步进化到了“生态闭环”。目前，张家口正规划构建“一廊四区多园”的大数据产业空间布局。“一廊”即联通京津冀的算力经济廊道。“四区”即以怀来县为龙头，打造数据智算与融合应用示范功能区；以张北县为龙头，打造数据存算与绿色低碳功能区；以宣化区为龙头，打造装备制造与数据存算功能区；以经开区为龙头，打造数字服务产业功能区。“多园”即构建多园协同联动发展格局。2025年张家口提出新目标，紧密对接京津冀算力需求，继续引进落地一批“存算一体、训推一体”数据中心，算力规模达到5万P以上，智算占比超过70%；加快数字服务产业基地建设；加大产业发展、民生保障、城市治理等12个领域“数据要素×”应用场景开发力度，将更多数字成果转化为可感可知、普惠共享的新图景。多公司的建设步伐仍会提速。在此过程中，逐绿而行，另成一景。刘萍介绍说，世纪互联未来仍会在张家口继续布局，打造GW基地。世纪互联怀来基地采取“新型算力基础设施+绿色能源战略” 联动模式，提供全托管的数据中心一站式服务。基地通过采用服务器液冷技术、高频高效模块化不间断电源（UPS）技术、智能化运维与AI节能技术等先进技术和手段，可降低数据中心能耗、提高能效，实现PUE和WUE的双降，在京津冀国家算力枢纽乃至全国范围内形成绿色低碳数据中心典范。合盈数据（怀来）科技产业园，也是绿意盎然。非生产用电、新能源汽车充电用电，大部分来自屋顶光伏发电；道路两侧的花朵形路灯，白天吸收阳光晚上照明；运维楼内各个办公室温度25℃，这是回收服务器余热供的暖……这种“绿电聚合供应”模式已入选全国一体化算力网应用优秀案例。有接近政府方面的人士介绍，下一步张家口将以大规模绿色算力为切入点，统筹推进数字产业化、产业数字化、数字治理与服务、数据价值化，着力打造算力调度先行示范区、绿色低碳创新样板区、数字服务产业集聚区，为京津冀协同发展增加新动能。（证券时报）
京津冀张家口经济
证券时报03-20 08:25
从游戏到矿山：网易AI技术如何打破产业边界？丨洞见价值·港股新质生产力巡礼

在新一轮科技革命与产业变革的澎湃浪潮中，以网易为典型代表的中国互联网企业，不断优化自身技术矩阵，搭建起一条从虚拟世界延伸至实体产业的创新链路，逐渐成为推动新质生产力发展的关键力量。近日，证券时报“港股新质生产力”报道团队走进网易，近距离探寻这家中国互联网头部企业，如何凭借深度融合游戏技术、人工智能（AI）与工业场景，打破传统行业的效率瓶颈，重塑人机协作模式，为实体经济领域植入智能化基因。从虚拟世界到实体经济重构生产力底层逻辑2月20日，网易2024年度成绩单正式公布。这份财报不仅展现了过去一年的经营成果，更彰显出公司在研发投入上的坚定决心。数据显示，2024年，网易研发投入高达175亿元，研发投入强度达16.6%，且已连续5年研发投入超百亿。持续的研发投入，为网易的产品创新、业务拓展与技术升级提供了源源不断的动力，使其在迅猛发展的科技浪潮中始终稳居领先地位。在AI技术迅猛发展的当下，网易敏锐捕捉到这一技术变革带来的机遇，积极布局AI战略，将其广泛应用于教育、音乐、企业服务、游戏等多个领域，为各业务的创新发展注入强大动力。随着虚拟游戏世界中的技术持续迭代更新，网易伏羲人工智能实验室（以下简称“网易伏羲”）也在积极探索将这些技术从虚拟世界引入现实生产力应用的路径。网易伏羲正是推动这一进程的关键载体之一。网易伏羲成立于2017年，是网易旗下的人工智能研究机构，研究方向涵盖强化学习、图像动作、虚拟交互、自然语言、用户画像、大数据和云计算平台等，已拥有动画迁移和生成、智能捏脸、AI创作等多项行业领先技术。网易灵动负责人杨新伟在接受证券时报记者采访时介绍，网易伏羲始终秉持“创建人工智能与游戏交叉领域的世界一流实验室”的宗旨，在探索前沿技术发展的过程中不断推陈出新，充分释放创作者生产力，革新游戏体验。与此同时，网易伏羲借助游戏平台的海量数据与仿真环境，大力推动人工智能技术的发展。网易伏羲的AI应用创新并未局限于虚拟世界。杨新伟表示，游戏是AI绝佳的试验田，人工智能的早期发展正是在游戏中得到锤炼。依托游戏产业，网易积累了大量人工智能技术成果，如低延时传输技术、数字孪生仿真建模技术等。网易伏羲要做的，便是将这些技术成果赋能其他产业，推动其他产业的智能化发展。其中，网易灵动是网易伏羲重点打造的机器人品牌，旗下的挖掘机器人和装载机器人两款核心产品，已参与10多个省份的50个重点建设项目，覆盖矿山、搅拌站、港口、基建、应急救援、职业教育等多种应用场景。当AI遇上工程机械：释放产业数智化潜能坐在办公室，工程师通过电脑，借助键盘或手柄等设备，便能远程操控矿场上的挖掘机进行施工，甚至一人可同时操作多台挖掘机。自动装车、自动导航、自动挖沟、点哪挖哪，借助工业级数字孪生场景，矿场挖掘现场的实况尽在工程师掌控之中。这样的未来生产场景，在网易灵动已习以为常。“工程机械+AI”是网易灵动的重要发展方向。通过将游戏中积累的数字化和AI能力成功迁移至挖掘机、装载机等工程机械产品上，使其具备远程操控、云端计算及智能化能力，从而实现自动化作业目标。“网易灵动的核心竞争力，源自其‘工业大模型+游戏化AI技术’的双轨创新体系。”杨新伟称，以自研的工业大模型为基础，结合游戏领域积累的AI技术和AOP（面向智能体编程）框架，网易灵动实现了机器人从“机械执行”到“自主决策”的跨越式升级。值得一提的是，网易灵动将游戏中的低延时音视频传输技术应用于远程操控系统，操作者可通过AR眼镜、手柄等设备，以“游戏化交互”方式指挥数百公里外的矿山机器人作业，误差控制在厘米级。网易灵动技术负责人陈赢峰向记者介绍，网易灵动在物理仿真方面积累了大量技术，尤其是在仿真器与物理世界的连接方面。“在物理世界中，苹果受压会产生形变，但在仿真器中，苹果会变成刚体，无论怎样拉扯都不会破碎。要让仿真器中的苹果产生形变，需要一定的柔性仿真技术，这正是网易灵动所擅长的。”这些技术的融合不仅提升了效率，更化解了传统工业中“安全、成本、精度”难以兼顾的问题。“在某大型露天矿山项目中，网易灵动挖掘机器人实现了连续24小时不间断自动化作业，日均挖掘任务达5000多立方米，极大加快了生产进度，同时降低了人力成本。”杨新伟说。赋能千行百业构建技术普惠生态2024年11月，网易灵动与徐工签署战略合作协议，双方将在技术创新和产业应用方面深度融合，为解决生产协作需求提供全新方案。在此次合作中，双方率先发布搅拌站场景无人装载机“黑灯工地”产品，以及露天矿山场景挖掘机一人多机“牧羊人”模式产品，推动工程机械行业的智能化发展。在此次发布的“黑灯工地”场景中，装载机器人可在无人且全黑环境下自动化运行，实现24小时不间断生产。目前，网易灵动“黑灯工地”已落地上海临港搅拌站、104国道搅拌站、甘肃路桥集团等项目。该方案生产效率可达传统站点的120%，能源消耗降低15%，综合运营成本节省30%，将人从高危机械操作中解放出来，保障作业安全高效。网易灵动与徐工还发布了挖掘机器人“牧羊人”模式，操作员可同时管控同一场景中的多辆机器人，可设置任务、监控进度，并接收装车、碰撞等预警，以便及时处理问题。该模式已在石灰石矿山、露天煤矿得到验证，生产效率提升90%—120%。2024年12月，网易伏羲具身智能解决方案正式发布。该方案的发布标志着网易伏羲多年的技术积累与创新探索迈入新阶段，也为人形机器人产业发展注入新动力。截至目前，网易的技术创新已渗透至50余个实体经济场景，并在多个领域打造出标杆项目。“只要在一个场景中打通技术链路，后续我们就能在更多高价值场景中不断复制。”杨新伟称，“除此之外，我们还会向合作伙伴开放网易伏羲AI相关技术和模型，让他们将这些技术应用于更多场景。”从游戏中的AI角色到矿山中的灵动机器人，网易伏羲证明了虚拟技术与实体经济并非相互独立，而是相互驱动的双子星。其通过“技术—场景—生态”的三级跳，不仅让新质生产力从概念走向实践，更探索出一条以人机协作为核心、以数据智能为纽带、以产业升级为目标的创新路径。在数字经济与实体经济深度融合的当下，网易的实践为推动新质生产力提供了极具参考价值的范例。（证券时报）
网易新质生产力AI
证券时报03-19 14:20
全国政协委员、中国宝武董事长胡望明：加快“人工智能+”行动鼓励制造业领军企业当好“出题人”

全国政协委员、中国宝武董事长胡望明近年来，数智化正加快钢铁工业的生产组织、创新范式、管控模式等全方位、全流程的变革重塑，引发钢铁产业链、创新链、价值链的资源重新配置和价值再分配。今年全国两会，全国政协委员，中国宝武钢铁集团有限公司党委书记、董事长胡望明重点关注传统制造业智能化转型等热点议题。胡望明在接受证券时报记者采访时表示，建议加快“人工智能+”行动，驱动传统产业升级，鼓励行业龙头企业率先布局应用场景，带动行业加速转型。构建产业链融合创新平台，促进核心技术突破，推动上下游企业、科研机构深度合作，针对数实融合的关键技术和行业痛点进行集中攻关。过去几十年中，钢铁行业通过自动化和信息化建设，在管理和制造效率上实现了显著提升，但仍面临能耗高、质量波动大、设备故障率高、资源利用率低等痛点。近年来，随着智能化技术的引入，钢铁行业打开了一扇通往全新发展阶段的大门。胡望明表示，在“双碳”目标背景下，智能化技术可以帮助钢铁企业实现绿色低碳生产，降低碳排放强度，推动可持续发展。同时，智能化还能够赋能钢铁企业向服务型制造转型。智能化在钢铁行业的真正价值，是通过技术创新和模式变革，解决行业长期存在的痛点，释放巨大潜力，推动钢铁行业迈向更高效、更绿色、更智能的未来。总体上看，钢铁行业在智能化转型上拥有应用场景丰富、数据基础强大、自动化基础成熟、转型需求迫切等优势。不过，目前钢铁行业的智能化升级还处于前期阶段，思维需加快转变，前沿技术亟待突破。“在钢铁业界，大多数企业仍然将智能化视为一种赋能手段，只看到人工智能在技术层面的突破，还没有形成人工智能将深刻驱动钢铁产业变革的普遍认识，缺乏对智能化转型升级的深刻认识。”胡望明表示，从技术供给角度看，人工智能技术存在通用大模型多、专业大模型少，社会大模型多、工业大模型少，工业人工智能原始创新整体不足的问题，需要产学研联合构建“同题共答”的新型研发模式开展攻关。围绕上述痛点，胡望明建议，强化产业协同，加速培育数字新兴产业，鼓励制造业领军企业当好“出题人”，推动场景开放、坚持“同题共答”，促进数字产业与实体产业融合发展。宝武历来重视数智化技术与产业的深度融合。面对人工智能驱动的科技革命和产业变革加速推进，宝武将“人工智能重新定义钢铁”提升为公司战略。据介绍，2025年，宝武将深入推动“AI重新定义钢铁”战略实施，加快人工智能驱动的转型升级。2月26日，宝武召开了“2526”工程启动会。“2526”工程命名中的“25”指2025年，“26”指26日，更蕴含了“AI+钢铁”日新月异发展的愿景。“以全面部署DeepSeek为起点，推动全体系主动拥抱变革，不仅在技术层面推进创新，更在管理层面推动深刻的链式变革。”胡望明说，后续，宝武将坚持聚焦数实融合，推动AI大模型通用技术的应用与钢铁产业技术、管理流程的深度融合，与丰富的应用场景和海量数据有机结合，实现“数转智改”。宝武将进一步在数据基础构建、钢铁大模型深化、智能体赋能变革、AI创新示范、智慧监督效能提升以及AI原生素养培育等六个方面开展重点行动。记者注意到，在宝武的总体战略目标下，集团将推动“AI+钢铁”深度融合和突破应用。大力培育和提高在行业大模型方面的开发能力，打造行业领先的钢铁行业人工智能大模型平台，建立基于大模型的钢铁工业控制新模式，促进信息化系统向互联融通的智能化应用转变，在高炉、转炉等主要工序形成批量化应用。此外，宝武还将推动人工智能深度融入业务流程，发展基于人工智能的治理、制造、服务新模式。攻关突破人形机器人技术，在钢铁领域形成应用示范。（证券时报）
人工智能制造业政协
证券时报03-11 07:40
AI如何影响量化投资？公募发声！

近年来，随着人工智能（AI）技术的飞速发展，量化投资领域正迎来新一轮深刻变革。以生成式AI为代表的新一代模型兴起，颠覆了传统数据处理方式，促使基金公司加速探索AI的深度应用。面对海量且复杂的金融市场数据，算力资源分配与稳定性也逐渐成为AI量化模型的制胜关键。不过，尽管AI技术在量化投资领域展现出强大潜力，模型的“黑盒”特征以及相应的可解释性不足依然困扰着业界。多家机构指出，AI模型要真正发挥作用，还需要提升模型的透明度与可解释性。量化投资迈入AI时代近年来，AI技术的快速发展已引发量化投资领域的新一轮变革，尤其是生成式AI模型的出现，使得数据应用场景发生深刻变化，传统的因子模式也面临巨大的冲击，中大型基金公司开始纷纷探索AI的深度应用。在接受券商中国记者采访时，路博迈基金副总经理、CIO兼基金经理魏晓雪详细阐述了人工智能技术在量化投资中的关键作用。在梳理量化策略模型的发展史时，魏晓雪介绍称，量化1.0是简单选股策略阶段，以基本统计方法为主，使用简单数学模型进行投资分析，主要依赖于人工挖掘因子，波动控制具有一定的局限性。量化2.0是多因子模型阶段，使用多因子模型捕捉线性信息，通过更多样的数据集提高准确性与稳定性，缺点是人工依赖度高。量化3.0则是AI加高频交易，使用AI机器学习算法识别和捕捉非线性的股票高频特征，预测短期股票价格波动。不过，这一模型也有缺点，即因子衰减快，预测周期较短。随着DeepSeek正式落地，路博迈的量化3.5模型也在此基础上应运而生。其选股频率为周度调整，这一高频更新特征也是AI量化效率的重要体现。路博迈基金认为，相较于传统模型通常采用的月度调整机制，量化3.5通过更高频次的动态调整，能够更有效地捕捉短期市场机会，展现出更强的灵活性和适应性。浙商基金也表示，LLM模型被不断优化，极大地降低了文本数据的应用难度，量化可以利用的文本数据呈指数级增加，量变引发质变。日常实践中，多模态、生成式大模型对于日常工作的辅助，对于认知的重构已经非常显著。未来，AI量化投资方法会不会有天翻地覆的变化，也值得期待。浙商基金多年来也在AI赋能量化投资上深耕。通过内部智能投研系统Lucy，投研团队可以跟踪分门别类的数据，同时基于AI模型学习的结果以及主观研究的经验，给出对应的投资建议。这使得AI模型的辅助几乎渗透到所有公司在管产品中，而投资经理和研究员在主动研究时也会向AI模型寻求建议和帮助。算力是AI量化投资的基石AI技术在量化投资中的运用，与金融市场数据的爆炸式增长息息相关。在魏晓雪看来，在传统的数据处理中，投资者主要依赖价格、成交量等结构化数据，而随着信息技术的飞速发展，新闻、社交媒体、财报文本等非结构化数据的涌现，给投资分析带来了巨大挑战。AI技术，特别是自然语言处理和图像识别等技术，能够高效地处理和分析这些海量的多维度数据，挖掘出传统方法难以捕捉的信息。目前，路博迈集团量化策略的管理规模已接近百亿美元，覆盖发达市场和新兴市场的股票与债券。因此，算力成为支持策略运行的关键。魏晓雪透露，路博迈总部每天处理的数据量已达太字节（1024GB）级别，相关的数据处理经验能够支持模型高效处理海量数据，并进行持续优化。银河基金对DeepSeek-R1的观察同样证明了算力的重要性。1月20日，DeepSeek-R1正式发布并同步开源模型权重。然而，由于短期内用户需求的大量爆发，造成了自有算力紧张，2月6日，该模型暂停了API服务充值。这也从侧面说明，面对大规模用户需求时，算力资源的分配与系统稳定性成为制约AI模型发展的关键因素。针对国产大模型目前面临的算力稳定性问题，银河基金的基金经理郑巍山指出，国产算力的发展需要深入到基础设施层面进行分析。具体而言，算力层作为AI大模型迭代的载体，主要分为AI算力芯片、AI服务器和AI组网三个方面。其中，AI算力芯片是AI算力的核心，需求有望率先扩张。当前市场以GPU和ASIC芯片为主导，尽管全球市场长期被海外厂商占据，但国产厂商正在加速追赶并逐步缩小差距。AI服务器则是算力的重要载体，有望在AI算力芯片的发展下进一步扩张。市场需求将伴随芯片发展而进一步扩张，尤其是涉及GPU、印制电路板（PCB）、存储等关键电子元器件领域的发展值得持续关注。最后，AI服务器通过通信连接实现大规模AI组网集群，用来支持超大参数的大模型训练，也就是AI组网。组网规模的持续扩大将直接推动光模块、铜缆连接、交换机等设备需求的增长。AI量化需突破“黑盒”困境虽然当前AI技术为量化投资带来了诸多突破，但在多家机构看来，现阶段模型仍是偏“黑盒”的特征，可解释性较弱，制约了其在金融领域的进一步深入应用。浙商基金指出，当下端到端赋能投资的AI模型、机器学习模型还是仍是通过堆砌大量数据和构造比较复杂的模型去输出结果。这样，一方面可解释性不高，可能不适应金融场景，另一方面可能存在模型过拟合的问题。尤其在生成式模型爆发后，模型在研报阅读、财报梳理、简单的代码生成等方面具有强大优势，但生成式模型的发散思考能力又与传统量化的偏确定性投资建议存在冲突。这意味着，虽然生成式模型的应用显著提高了可解释性，但也带来了可追溯性降低的问题。对此，浙商基金认为，未来AI量化投资的发展方向应当还是以多模态的生成式模型为主，为了追求可验证的投资能力，需要部分约束生成式模型的发散能力，提升更为准确的历史先验知识的占比，加强与人类智慧的合作，让AI模型真正读懂人类的需求，特别是投资领域的需求。沪上一位公募研究人士向券商中国记者表示，尽管AI技术在量化投资中的应用为市场预测、风险控制和策略优化提供了许多创新途径，但也存在不少局限性。首先，金融市场数据通常存在噪声较多、非平稳性强的问题。AI模型容易过度拟合历史数据中的异常情况，降低了预测的可靠性。此外，历史数据中的随机因素和特定时期的极端事件也可能被模型误读，导致实际市场表现不及预期。与此同时，模型所假设的理想市场条件与现实交易环境存在较大差距，频繁的交易可能带来显著的交易成本、滑点及流动性风险，进一步影响策略的实际效果。此外，由于金融市场易受政治、经济以及心理因素的多重干扰，突发的“黑天鹅”事件通常超出模型的预测能力，这也意味着纯粹依靠历史数据训练的模型在面对极端市场状况时可能表现欠佳。（券商中国）
AI量化投资基金
券商中国03-10 07:32

共搜索到1008篇相关资讯，点击查看更多

共搜索到477篇相关公告，点击查看更多

热门文章

更多