阿尔巴尼亚政府AI治理应用 - 阿尔巴尼亚任命人工智能系统Diella为“国家人工智能事务部长”，成为世界首个内阁级AI政府职务[2] - Diella最初作为线上虚拟助理，负责协助公民使用在线公共服务，后被赋予部长头衔，负责公共采购流程，旨在使招标100%无腐败[2] - 该AI系统将“生育”83个虚拟助手，每个议会成员配备一个，具备欧盟立法知识，可记录会议、追踪讨论内容并提醒议员[2][3] 奢侈品行业AI营销风险 - 迪拜mbilia工作室为其售价3800美元的变形金刚手办使用AI制作宣传视频，引发消费者强烈负面反馈[5][9] - 用户批评AI视频剪辑糟糕，认为企业采用AI仅为降低成本追求利润，而非理解产品文化价值，导致品牌与消费者共鸣缺失[9][11] - 该案例显示，在依赖情感共鸣的高端收藏品市场，盲目采用AI营销可能损害品牌形象并失去消费者信任[11] 餐饮外卖行业AI虚假宣传 - 外卖商家利用AI生成精致门店及菜品图片，伪装成环境优良的堂食店，实则多为无堂食、卫生堪忧的小作坊[12][19] - 第三方平台已形成完整“假图产业链”，几十元即可定制AI图片并提供“包过审”服务，部分店铺月销量达数千单[19][23] - 消费者食用后出现腹泻等不适症状，部分店铺虚假宣传如“绝无预制菜”实则销售预制菜，平台审核漏洞使问题加剧[19][23] AI技术公司融资与运营欺诈 - Builder.ai公司宣称其AI数字助手“Natasha”可让非工程师构建应用，但实际缺乏真正AI技术，大部分开发工作靠人工完成[24] - 该公司从软银、微软等巨头融资超4.45亿美元，估值达15亿美元，但虚报300%收入，骗局持续八年后于2025年5月破产[24][26] - 公司破产时账户仅余500万美元，欠亚马逊8500万美元、微软3000万美元债务，事件被业内称为“AI粉饰”，警示技术承诺与实际能力差距的风险[26]

深圳高端住宅市场供应动态 - 第四季度深圳房地产市场至少有深圳湾沄玺、中信信悦湾、后海玺家园等高端住宅项目待入市 [1] - 深圳湾超总—后海一带已成为高端住宅集中区域，项目包括深圳湾1号、恒裕深圳湾、华润悦府等典型项目 [1][4] - 到明年上半年，南山、福田、宝中等核心地段将有至少6个高端住宅项目入市，累计住宅套数超1500套，包括前海时代三期、宝中观潮府、前海桂湾海晏府等 [4] 重点项目详情 - 深圳湾沄玺于11月25日正式取得预售许可证，备案总价3000万元起，顶层大户型最高达3.77亿元 [1] - 该项目由华润置地与中海地产联合体于2024年12月以185.12亿元竞得，刷新近年深圳总价地王纪录 [3] - 中信信悦湾同步举办产品发布会，预计价格在16万元/平方米以上，最小户型约210平方米，总起价3000万元 [3] - 后海玺家园预计首推1栋197—235平方米大平层四房单位，共42套房源，计划12月入市 [3] 产品价格与户型分析 - 深圳湾沄玺户型面积从296平方米到1149平方米，单价范围从139860元/平方米到350000元/平方米，总价范围从3064万到37743万 [2] - 今年三季度，四房户型已成为新房成交结构中增长最显著的产品类型，一线城市四房成交占比达32.8%，较去年提升4.4个百分点 [3] - 二线城市四房成交占比也提升至30.9%，主要来自二房与三房产品的萎缩 [3] 市场影响与专家观点 - 高端住宅产品集中入市有望带动深圳房地产市场成交及价格提升 [4] - 高端住宅产品基本以大户型为主，因产品和地段稀缺性，整体价格较高，有望拉高市场成交均价 [4] - 10月深圳一二手网签总量为6847套，环比下降10.3%，同比下降40.7%，其中一手住宅网签2651套，环比下降14.1%，同比下降51.1% [4]

当前AI发展阶段的评估 - AI技术已实现但经济影响尚不显著，投资巨大但日常体验未发生根本改变[3] - 模型在评估测试中表现出色但实际应用效果和经济贡献存在明显滞后[4] - 模型能力存在"锯齿状"落差，常犯循环性低级错误，泛化能力差[5][6] AI模型训练与性能瓶颈 - 单纯堆数据与算力的"规模化"路径已见顶，预训练数据即将耗尽[5][17] - 强化学习训练使模型过于专注和狭隘，缺乏"意识"导致基础任务表现不佳[4] - 训练环境设计变量过多，可能无意中优化评估目标而忽视实际应用需求[6] - 模型像"应试专家"，通过海量题目填鸭式训练成为答题高手但难以灵活应用知识[7] 价值函数与AI学习效率 - 价值函数被类比为AI的"情绪系统"，可引导AI更高效、鲁棒地学习[5][14] - 价值函数能提供中间步骤反馈，加快学习过程，而非仅依赖最终结果评估[14] - 人类拥有内在价值感知，能快速自我纠正，而模型缺乏此类机制[25] - 情绪作为相对简单的价值函数机制，在进化中硬编码且至今有效服务人类[16] 行业发展阶段与范式转变 - 行业从2020-2025年的"规模化时代"回归到"研究时代"，但拥有更强大计算资源[18] - 规模化"吸走了房间里的所有氧气"，导致创新想法稀缺，公司数量远超新想法数量[28] - 强化学习正成为新的规模化目标，其计算投入可能已超过预训练[19] - 研究所需计算资源并非绝对最大规模，像Transformer最初仅在8-64个GPU上训练[29] SSI公司战略与差异化 - SSI已筹集30亿美元资金，专注于研究"直通超级智能"路径[5][30] - 公司不急于商业化，专注研究，与其他公司将资源用于推理和产品开发形成对比[30][32] - 采用不同的技术方法，主要区别在于技术路径，认为最终策略会逐渐收敛[52][53] - 计划可能调整，考虑渐进式部署，让AI在全球发挥作用并影响世界[33][34] 泛化能力与样本效率 - 模型泛化能力远差于人类，是当前最根本的问题之一[20][21] - 人类样本效率高可能与进化赋予的视觉、听觉和运动等先验知识有关[21][22] - 人类在语言、数学和编程领域的学习优势表明存在更高效的基础学习机制[23] - 人类学习更具无监督特性，所需数据样本少，过程更灵活和鲁棒[24][25] 超级智能发展路径与影响 - 人类级别AGI预计在5到20年内实现[5][55] - 超级智能可能表现为"超级智能的15岁少年"，非常聪明但知识有限，通过部署持续学习[36] - 达到关键点后，广泛部署将引发快速经济增长，不同国家政策将导致增长差异[37][38] - 可能出现多个超级智能体，而非单一系统，形成专业化分工[58][59] AI对齐与安全策略 - 倡导构建"关心有情生命的AI"，认为这比对仅关心人类更为稳健[41][45] - 随着AI能力提升，行业处理安全问题的方式将发生变化，公司会变得更加警觉[40][41] - 对齐策略最终会趋同，包括可靠沟通、确保最早超级智能是对齐的等目标[53][57] - 长期均衡可能通过人类与AI融合实现，例如通过改进版Neuralink成为半AI生物[47] 模型多样化与自我博弈 - 当前模型同质化严重，主要因预训练数据相似，强化学习是分化开始[61][62] - 自我博弈可通过计算而非数据创建模型，激励方法多样性[62][63] - 智能体间竞争自然促使差异化思考，是打破"模型同质化"的路径之一[5][63] - 完全复制相同思维收益递减，真正需要的是具有不同想法的智能体[60] 研究方法与理念 - 好研究应兼具简洁、优雅与对大脑机制的正确借鉴[5][64] - 研究需要"自上而下的信念"，在实验结果与信念相悖时坚持方向[66] - AI应该具有特定"美学"，思考人类本质但必须以正确方式理解[64] - 分布式表示、从经验中学习等概念受到大脑运作方式的启发[65]

她在佛罗伦萨办婚礼，住的是16世纪的贵族宅邸，基础房型每晚万元起步婚礼。宴请了200位宾客都是富豪和名媛，连希尔顿家族的二小姐尼基·希尔顿都 来捧场。 王宣琳的婚纱也很昂贵，主婚纱是王室名流最爱的Oscar de la Renta定制；中式敬茶穿的是劳伦斯·许的红缎金片旗袍；晚宴又换上Giambattista Valli高 定…… 最近金鹰千金王宣琳嫁人，全网都炸锅了。她的老公是43岁的纽约律师，年薪估计也就18万美元，被网友嘲笑"捞男"。要知道，她爷爷是行 长、爸爸是百货大王，她执意下嫁，这背后图啥呢？ 37岁的华裔名媛，下嫁43岁"捞男"律师？ 近日，华裔名媛王宣琳（Dorothy Wang）结婚了，场面可以说是极尽奢华。 事实上，王宣琳是妥妥的富二代。她爹王恒号称"中国百货王"，是金鹰国际集团创始人，身家25亿美元，约180亿人民币。她爷爷是金融圈大佬，当过银 行行长。 她的姐姐王宣懿是家族接班人，而王宣琳则把炫富网红当事业，从小只拎爱马仕，日常就是开名贵跑车，坐私人飞机和游艇。她在Ins上坐拥100多万粉 丝，个人净资产达到1000万美元，号称"亚洲版卡戴珊"。她不经意提起某品牌，就能让相关产品抢断货 ...

公司重大战略举措 - 中国邮政集团有限公司于11月24日获得国家金融监管总局批复，经营保险代理业务，代理险种范围覆盖常见财产险和人身险，代理保险业务的营业网点范围为代理营业机构[1] - 这是继2023年11月宝马（中国）保险经纪、安顾方胜保险经纪获批后，时隔两年监管批复的又一张保险代理牌照[1] - 中国邮政清退旗下保险中介股权后亲自下场拿下保险代理牌照，核心动因包括响应“持牌经营”监管要求、通过牌照统一管控全国网点以激活乡镇级网络优势、在保险中介市场洗牌期逆势布局抢占下沉市场蓝海[7] 历史业务与近期表现 - 中国邮政早在1987年左右就开始代理销售保险，邮储银行成立后，中国邮政出具《避免同业竞争的承诺函》，不再从事保险兼业代理业务，但可以代理邮储银行的保险代理业务并收取手续费[2] - 中国邮政近年来通过旗下代理网点为邮储银行及旗下中邮人寿代销保险，邮储银行财务报表的关联方交易部分列有“代理销售及其他佣金支出”项目[2] - 2025年上半年，邮储银行向中国邮政支出的“代理销售及其他佣金支出”为41.52亿元，同比增长7.82%[3] - 2023年、2024年该项支出分别为128.73亿元、64.26亿元，若以2023年上半年的107.54亿元作为对比，2025年上半年中国邮政从邮储银行收到的代理销售手续费已下降超过60%[3] 行业背景与监管环境 - 保险中介行业处于深度洗牌期，保险中介机构数量大幅缩减，据国家金融监管总局数据，2019年年末至2025年6月末，保险中介机构数量从2642家锐减至2524家，减少约118家[7] - 受保险行业“报行合一”、基金降费政策相关影响，多家国有大行代销手续费收入大幅缩减，邮储银行2024年手续费及佣金收入407.53亿元，同比下降20.25%[5] - 2025年上半年，邮储银行手续费及佣金收入为254.82亿元，同比增长7.57%，其中代理业务收入57.32亿元，同比下降10.20%[5] - “报行合一”政策的深入推进是银保渠道佣金缩水的直接原因，它从根本上改变了过去依赖“账外费用”和“手续费竞争”的粗放模式，加剧了渠道竞争[5] 竞争优势与市场潜力 - 中国邮政依托覆盖城乡的超5万个网点网络，可承接传统中介退出后的市场需求，尤其在县域及农村地区形成差异化竞争优势[1] - 根据国家邮政局官网，截至2024年年末，全国共有邮政网点5.45万个，远高于农业银行网点数量22914家、工商银行16354家、建设银行14727家、中国银行11516家、交通银行2886家[8] - 中国邮政品牌信任度与客群基础为保险业务提供天然流量入口，其独特的渠道优势可推动行业服务下沉、覆盖更广泛客群[1][7] 未来发展路径 - 短期内，中国邮政可以优先赋能现有网点，通过培训与系统升级实现保险服务渗透[5] - 中长期可依托物流、金融协同优势，发展如快递包裹+货运险、邮储储户+人身险等业务，逐步拓展业务规模[5] - 网点扩张节奏主要取决于合规成本、人才储备及市场响应[5]

最近高盛发布了《2025-2035全球股市十年展望》。这份报告之所以重要，是因为它并未纠结于短期的涨跌，而是从资产定价（Asset Pricing）的底层逻辑 出发，对过去十年"美股独大"的趋势提出了修正预警。 不仅是结论，其拆解回报来源的方法论更值得我们参考。以下是我们美股投资网核心观点的客观梳理： 标普回报率：回归"常态" 过去十年，标普500指数实现了年化15%的高回报，这在历史上属于极其罕见的"长牛" 。然而，均值回归是金融市场的铁律。 高盛模型预测，未来十年（2025-2035），标普500的年化名义总回报率预计将降至6.5%。这一数值处于历史分布的后1/3区间 。简单来说，投资者需要降 低对美股贝塔（Beta）收益的预期，过去那种"躺赢"的高斜率增长恐难以为继。 回报归因分析：成长的动力 vs 估值的拖累 | | Upside | Base case | Downside | | --- | --- | --- | --- | | Earnings | | | | | 10Y sales CAGR (%) | 5 | 5 | 5 | | Net profit margin at end of pe ...

近期，工信部公开征求对《移动电源安全技术规范》强制性国家标准（征求意见稿）的意见。 与旧国标相比，新国标（征求意见稿）在整机、线路板和电芯三大技术领域提出了数十项严苛改进，被誉为「史上最严」充电宝安全标准。 《移动电源安全技术规范》（征求意见稿）中的主要变化，具体包括： 整机：改变过去仅标识制造商（品牌方）的做法，明确要求移动电源本体上还应标识「建议安全使用年限」和生产厂（代工厂）名称； 线路板：移动电源应具有电池状态监测功能，并实时显示电池健康度、使用次数等关键参数信息，用户读取方式包括但不限于手机 app、USB、显示屏等； 电芯：引入多项强化安全测试，包括更为严苛的针刺测试、将热滥用测试条件从 130℃ 三十分钟提升至 135℃ 六十分钟，并将过充电测试电压提高至规定电 压的 1.4 倍。 需要强调的是，充电宝新国标目前仍处征求意见阶段（2025 年 12 月 11 日截止），尚未最终定稿。 那么，基于目前看到的征求意见稿，「史上最严」充电宝新国标，将对用户、企业、行业带来怎样的影响呢？ 坏消息：价格上涨；好消息：寿命延长 充电宝新国标，在产品安全性上打出的这套「组合拳」，将给用户群体吃下一颗定心丸。 ...

2025年第三季度财务表现 - 第三季度营收为274亿元人民币，同比下滑36% [1] - 第三季度净亏损为6.24亿元人民币，同比和环比均由盈转亏 [1] - 汽车总交付量为93,211辆，同比减少39.0% [3] - 现金储备从1069亿元人民币下滑至989亿元人民币 [7] 利润下滑与MEGA召回事件 - 利润下滑的重要原因是主动召回11,411辆2024款理想MEGA并计入相关成本 [1][3] - 召回事件导致第三季度毛利率阶段性下行，直接影响当期利润 [1] - 剔除MEGA召回影响后，公司整体毛利率维持健康水平，达20.4% [1] 产品线市场表现与挑战 - 增程式电动车市场份额连续5个月萎缩，10月份额跌至7.5% [3] - 行业新势力产品结构中纯电车型占比从去年49%大幅攀升至74%，增程车型从51%降至26% [3] - 纯电车型i8的10月销量为5,749辆，i6车型9月销量为5,775辆，远低于“月销破万”预期 [3] - 三款纯电车型实际月销完成率不足年初规划（1.8万-2万辆）的三成 [4] 技术研发与战略投入 - 第三季度研发费用达30亿元人民币，预计全年研发投入将达到120亿元 [11] - 全年研发投入中超过一半用于人工智能领域 [11] - 2024年在AI技术上投入近50亿元，占研发费用45% [8] - VLA大模型10月月度使用率已达到91% [8] 管理架构与战略反思 - 公司反思职业经理人模式，认为IPD流程导致决策链条变长，PBC绩效模式引发恶性竞争等乱象 [12] - 2025年7月宣布放弃PBC绩效模式，重新启用OKR管理模式 [13] - 未来将采用创业公司的管理模式，旨在找回灵活高效的组织文化 [12][13][15] - 未来十年产品战略将聚焦“具身智能”，而非单纯卷参数或智能终端思路 [14][15] 供应链与产能规划 - 为解决产能问题，从10月起电池采购采用双供应商模式 [6] - 预计明年年初产能将有明显改善 [6] - 公司目标在2026年回归增程技术领域的头部领导者位置 [6]

AI市场增长前景 - 到2030年，全球AI用户数量很可能爆炸性增长至40亿到50亿，用户基数将扩大五倍[6] - 目前全球约有10亿AI聊天机器人用户，仅占全球智能手机用户总数的15%，处于渗透率相对早期阶段[6] - AI基础模型公司年收入约为300亿美元，预计未来几年潜在货币化规模将达到约1.5万亿美元[7] - 向用户交付的能力将增长约五十倍，由用户数量增长五倍乘以工具价值提升十倍共同驱动[7] AI技术发展阶段判断 - 当前AI浪潮并非泡沫，而是人类历史上最大技术革命的早期阶段，更类似于1995年的互联网初期[3][9] - 与互联网泡沫时期存在深刻差异，当前技术已经准备就绪，经过25到30年培育的技术种子正开始蓬勃发展[8] - 市场尚未进入供过于求局面，芯片短缺导致AI基础设施供不应求，电力短缺限制数据中心和AI系统扩展[16] - 真正的泡沫伴随盲目乐观情绪，而当前普遍存在的忧虑反而表明尚未形成泡沫[5][6] 企业应用与估值分析 - 企业应用AI面临最大挑战是转型需要时间，需进行数据收集、清理整合和工作流程规划等艰巨工作[11] - 企业在API使用上倾向于寻找能处理复杂工作流程的模型，而非完成低价值任务的廉价模型[11] - OpenAI拥有8亿每周活跃用户，采用消费领域战略，而Anthropic更专注于B2B领域和科学应用[13] - 若OpenAI实现2027年1000亿美元年化收入，1万亿美元估值对应的市销率约为10倍，与软件公司相比属健康水平[14] 市场竞争格局 - 市场具有相当辨别力，并非盲目追捧AI概念，营收增长跟不上AI投入的公司会被市场抛弃[15] - 基础模型竞争已经集中，但在应用层创新成本正在崩溃，专注于垂直领域的企业正快速夺取传统SaaS公司营收[17] - 大型科技公司拥有巨大流动性"现金堡垒"，但若收入增长跟不上资本支出投入也会受到市场惩罚[16] - 即使小型AI初创企业也面临挑战，私募市场投资者和人才具有辨别力，并非所有初创公司都能获得成功[16] 创新平台融合与宏观经济影响 - AI作为最大催化剂，正加速机器人技术、能源存储、区块链和多组学测序四大创新平台发展[18][22] - 五大创新平台融合将推动美国实际GDP增长在未来5到10年加速到约5%的可持续水平[23] - 全球实际GDP增长率可能被推高到7%到8%，远超过去125年保持的3%左右水平[23] - 自动驾驶出租车市场将从不足10亿美元扩大到未来5到10年内的8万亿至10万亿美元[22] 投资策略与资产配置 - 采用莱特定律预测成本下降速度，帮助理解计算成本、机器人制造和基因测序成本的急剧下降[10] - 假设任何颠覆性领域股票的估值溢价将在未来五年内消退，公司收入增长和利润率扩张需抵消估值压缩影响[10] - 颠覆性创新不仅影响股票，还将对固定收益、私募股权和私人信贷等传统资产类别带来风险[24] - 自动驾驶卡车成本将低于铁路运输，铁路轨道等"搁浅资产"可能面临价值急剧下降风险[24]

融资情况 - 公司完成近5亿元人民币的A+轮融资 [1] - 本轮融资由珠海科技集团和孚腾资本（元创未来基金）领投，惠远资本、尚颀资本和弘晖基金跟投 [1] - 老股东洪泰基金、达晨财智、尚势资本&海棠资金、联想创投、君联资本、申万宏源、徐汇科创投、元智未来追投 [1] - 融资于今年上半年敲定，近期在完成技术成果转化程序后正式披露 [1][4] 公司背景与定位 - 公司成立于2023年5月，由清华大学电子工程系教授汪玉发起，清华大学电子系博士夏立雪任联合创始人和CEO [1] - 公司业务定位为AI基础设施，目标是成为Agentic AI时代首选的“算力运营商” [1] - 公司是清华“科研-验证-产品化-产业化”科技成果转化链路上的一个范本 [1] 行业环境与市场机遇 - Deepseek的出现改写了中国乃至全球大模型的技术走向和行业叙事，为公司带来了更大的施展空间 [2][7] - 从去年到今年，AI推理市场需求增长了10倍以上 [7] - 资本对AI的关注点从大模型延展到了上下游产业链 [3] - 国内AI行业焦点从“如何造模型”转向“如何用模型”，算力配置随之变化，是良性发展 [8] 业务战略与定位演进 - 公司叙事口径从“AI Infra”（人工智能基础设施）转变为“Agentic Infra”（智能体基础设施） [7][8] - Agentic Infra包含三大要素：生产智能体（Into Agent）、协同智能体（With Agent）和服务智能体（For Agent） [9] - 公司定位为“幕后工作人员”，致力于成为国内大型算力运营方，系统性打通和提效中国的芯片硬件、算力服务及人工智能事业 [15][16] - 公司商业模式是连接算法与硬件的桥梁，促进国内芯片企业迭代和模型企业应用新算力，而非直接做芯片或大模型 [13] 创始人视角与公司文化 - 公司被认为是科学家创业的优质样本，发起人汪玉教授在一级市场享有高口碑 [2] - CEO夏立雪认为AI的魅力在于释放个体创造力，公司希望以松耦合模式支持有AI创造力的创业团队 [6] - 公司的使命未本质变化，但看到了中国首次以技术引领者身份参与产业革命的机会 [10][12] - 公司发展注重稳健，融资和估值配合实际业务增长 [4]