战略合作事件概述 - 2024年3月25日，广汽领程新能源商用车有限公司与新石器慧通（北京）科技有限公司在广州签署战略合作协议 [1] 合作内容与目标 - 双方将在无人物流车领域开展全方位、多层次的战略合作 [2] - 合作内容包括：开展新石器现有无人车产品的生产合作；启动面向下一代全车规级无人物流车的联合研发与技术协同；共同探索商业模式创新与市场拓展路径，以快速实现无人车在更多场景落地；携手推动行业标准建设与生态完善 [2][3] - 合作旨在将新石器的自动驾驶技术、场景落地能力与广汽领程的制造、供应链及体系化运营优势深度耦合，加速形成“技术+制造+场景”三位一体的核心竞争力，共同探索国内无人车规模化落地的新路径 [7] - 双方计划通过紧密合作实现技术互补和资源共享，打造技术领先且具有市场竞争力的新型无人物流车产品，加快推动相关产品在粤港澳大湾区及全国范围内的规模化落地运营 [7] 合作方背景与实力 - 新石器是无人物流车行业的头部企业，长期专注于L4级无人物流车的自主研发、制造及服务，在无人配送、智慧物流等领域已形成成熟产品矩阵与丰富运营经验 [5] - 新石器率先实现L4级无图自动驾驶商业化落地，截至目前，其无人车落地规模超1.6万台，业务覆盖全球15个国家、超300座城市，L4级自动驾驶车辆累计行驶里程全球率先突破1亿公里 [5] - 新石器是全球首家推出无人车RaaS（机器人即服务）服务的运营商，在青岛运营着全球规模最大的L4级无人配送车队 [5] - 广汽领程是广汽集团在新能源商用车领域的核心平台，深耕整车制造、产业资源整合与运营体系建设，具备雄厚的整车制造基础和完备的研发体系，在智能汽车硬件开发与集成方面拥有丰富的技术储备和实践经验 [5] 行业前景与市场机遇 - 无人物流车行业正加速迈入新发展阶段，预计2026年市场规模将达到15万台，到2030年有望形成100万台规模的千亿级市场空间 [7] 合作意义与展望 - 此次战略合作体现了双方对自动驾驶行业趋势的深刻洞察，标志着双方在推动自动驾驶商用车产业化进程中迈出重要的实质性步伐 [7] - 双方将以此次合作为起点，深化在技术、产品、市场及资本层面的协同，合力推动自动驾驶产品从“示范应用”走向“规模商用” [7] - 合作旨在持续赋能智慧物流与城市服务，为粤港澳大湾区乃至全国的智慧交通体系建设注入新的强劲动能 [7]

行业整体判断 - 地产行业目前仍处于竞争格局的重塑阶段，行业洗牌后留下的是高手之间的竞争 [1] - 普遍头部企业采取了盘活存量、做优增量、调整业务结构等举措以应对当前环境 [1] 盈利能力分析 - 2025年公司实现营业收入594亿元，同比增长0.5% [2] - 毛利润92亿元，同比增长7%，整体毛利率为15.5%，较上年的14.5%略有提升 [2] - 物业开发毛利率回升至13%，较上年的11%提升2个百分点，主要得益于上海、北京、西安等地确认收入的项目毛利较高 [2] - 净利润为21.88亿元，净利率为3.69%，略低于2024年的3.72% [2] - 净利率下降主要因期内税项支出大幅提升，尤其是境内土地增值税，项目市场均价越高、增值率越高，预计税率越高 [2] - 三费管控成效显著，销售费用下降4%、管理费用下降13%、融资成本下降9%，三费费用率降至11.8%，较2024年的13.1%有所下降 [2] - 期内计提发展中物业及持作出售物业减值6亿元 [2] - 期末合同负债为642亿元，较期初增长22%，隐含的已售未结转资源及新获取优质项目逐步进入结算周期，预示未来营收规模有望维持在600亿元左右，毛利率有望继续小幅回升 [2] 现金流与投资 - 2025年现金及现金等价物净减少24亿元，期末余额为284亿元 [5] - 经营活动现金流净额为净流入5亿元，而去年同期为净流出 [5] - 公司仍有大量资金持续投入建设，发展中物业增加658亿元 [5] - 投资活动净流出49亿元，其中对合联营企业的投资支出约60亿元 [5] - 2025年共计获取21个项目，总土地款577亿元，权益土地投资额272亿元 [6] - 新增土储全部位于一二线城市，其中北京、上海两大战略深耕城市投资379亿元，占比高达66% [6] - 截至期末，未售货值约2786亿元，其中67%集中在华北及华东，89%位于一二线城市 [6] - 管理层透露，2026年将锚定300亿元的权益投资目标 [6] - 管理层认为一线及二线核心城市仍然具有旺盛的潜在需求，随着市场逐渐止跌回稳，需求将释放；同时，在三四线城市满足好地段、好产品的项目仍有机会 [6] 资产负债状况 - 期末现金和现金等价物284亿元，受限制银行结余40亿元 [9] - 年内成功发行多笔低利率债券，全年公开市场融资成本低至2.3%，新增融资平均成本为2.75%，较上年进一步下降 [9] - 持有存货1067亿元，较期初增加28% [9] - 公司于2024年6月启动“奋进计划”，目标用三年时间解决80%的存量问题，其中2025年目标解决35%，实际达成36.2%；2026年目标解决25%，2027年目标解决20% [9] - 期末计息银行贷款和其他借款1290亿元，较期初增加5% [9] - 一年内到期债务281.25亿元，较期初增长30%，短期偿债压力有所上升 [9] - 期末非受限的现金短债比从1.43降至约1.01，仅勉强覆盖短期有息债务，安全边际明显收窄 [9] - 应付贸易账款242亿元（其中一年内到期为166亿元）、应交税费30亿元，对企业日常资金周转构成一定压力 [9] - 经营性现金流虽已转正但规模偏小，整体现金流缺口仍需筹资性现金流来补充 [10] - 加大投资力度使非受限现金短债比降至1的临界点，管理层需做好债务规划，避免集中到期造成的现金流紧张 [10] - 应收非控制股东款项高达292亿元、应收关联方款项高达259亿元，建议加快项目清算和分配节奏，设定回款时间表和逾期预警机制，以降低资金沉淀风险 [10]

金地管理：深信服科技大厦 在成本管控方面，金地管理凭借全周期管理，通过优化设计方案、统筹前期工程、实施全过程成本动态监控等举措，将成本管控要求落实到设计规划、施工建设、 竣工结算的各个环节。通过全过程 BIM 技术协同、构件预制化与装配式施工，实现安装精准化与进度可视化，大幅提升施工效率与质量控制水平。并通过精细化管 理，累计为委托方节约建安目标成本 8000余万元，获得委托方目标成本节余超额激励，切实达成"助力委托方资产价值最大化"的管理目标，凸显了金地管理在成本 管控与资源整合方面的专业能力。 在工程品质与安全文明施工领域，金地管理依托自身在云计算、大数据与物联网领域的技术积累，打造"智慧工地管理平台"，实现施工进度、人员安全、材料溯 源、环境监测等全要素的数字化管理。通过AI监控、无人机巡检、智能穿戴设备等科技手段，确保施工过程可视、可控、可追溯。 所在城市：深圳 项目类型：办公项目 委托方名称：深信服科技股份有限公司 代建类型：商业代建 深信服科技大厦坐落于深圳南山区留仙洞总部基地核心区域，总建筑面积约 7.14万平方米，建筑高度达129.2米，地上26层、地下3层，是一座集研发办公、技术展 示与智慧 ...

公区作为社区生活的核心载体，覆盖景观、车库、会所、架空层等全场景，是业主归家体验与居住品质的直接体现。2025 年优秀项目的公区交付，从人性化设计、精细化落地、功能化适配入手，实现各模块与建筑立面、室内空间的品质同源、 风格统一，真正成为服务业主日常、链接邻里情感、提升社区价值的关键纽带，兑现业主对理想社区的期待。 景观：美学与场景落地并重 打造可赏可享的社区生态 社区景观并非单纯的视觉装饰，而是与建筑整体风格深度融合的功能性载体。交付核心聚焦美学统一与功能落地，确保景观风格 与建筑立面协调呼应，通过空间层次、材质运用及全龄化布局，构建可游览、可观赏、可使用的社区公共空间，服务业主日常休 闲与邻里交往需求，同时以精细化施工工艺保障景观落地品质。 4栋主题架空层覆盖全龄需求，绿植以"流转的四季"为主题，精选色叶乔木与适配灌木。实地考察苗圃，重点把控造型松的枝干 姿态、冠幅舒展度及整体比例，确保单株树形具备"盆景感"与挺拔度。 项目运用滨州青花岗岩、古铜色铝板等高端材质，石景与水景相映，铺装严格对缝。通过框景、对景延伸视线，井盖等细节隐蔽 处理，隐形导水槽、石材精挑等工艺尽显精工。 0 1 上海招商・南昌市政公园 ...

微信“已读”功能的产品哲学与用户反馈 - 微信官方明确回应不会推出“已读”功能，认为该功能会增加信息接收者的心理负担和社交压力，并将“回应与否”的选择权交还给用户 [3][9] - 微信将“对方正在输入”状态视为一种“有限度的透明”，旨在传递“在线、在乎、正在回应”的信号，同时为对话保留思考和沉默的空间 [3] - 腾讯公司公关总监于2025年4月9日再次重申，微信从一开始就坚定不移地不提供“已读”功能，并且以后也不会提供 [9] 市场与用户对相关功能的态度 - 有网友在相关文章评论区明确表示“千万别出已读功能”，并获得了微信官方“一定不出”的肯定回复 [4] - 此前已有网友讨论社交软件的“已读显示”及“访客记录”功能，并表达反对意见，认为这些功能可能暴露阅读状态并导致社交压力 [6]

事件澄清 - 近期网络流传关于“江苏连云港海关破获一起涉案稀土达220吨、价值超46亿元的重大走私案”的消息 [1] - 经官方核实，连云港未发生此类案件，该网传信息被确认为谣言 [1] - 连云港市公安局已对该造谣行为立案调查 [1] 官方声明与行业影响 - 官方渠道“连云港发布”于3月26日通过微博正式辟谣 [1][3] - 警方提醒网络空间非法外之地，编造、传播虚假信息需承担法律责任 [1] - 该谣言涉及稀土这一战略性资源，可能引发市场对稀土供应秩序和监管强度的不当猜测 [1]

行业专家背景 - 我国航空发动机领域著名专家、西北工业大学教授严红女士因病逝世，享年57岁 [1] - 严红教授为无党派人士，校侨联常务副主席，AIAA Associate Fellow，陕西省“百人计划”特聘专家 [3] - 教育背景为西北工业大学学士、硕士、博士，清华大学博士后，曾在美国罗格斯大学和莱特州立大学担任研究教授 [3] - 2010年12月起回母校西北工业大学任教，曾担任陕西省政协委员、陕西省航空发动机内流动力学重点实验室主任、学院副院长 [3] 专业领域与学术贡献 - 长期从事超声速/高超声速流动控制机理、等离子体流动控制、计算流体力学等领域的教学和科研工作 [4] - 曾担任《气体物理》《推进技术》编委、欧洲宇航与空间科学会议技术委员会委员 [4] - 主持国家自然科学基金、国家数值风洞工程、国家重点研发计划等多项国家级科研项目 [4] - 曾获国际学术会议最佳论文奖，在AIAA Journal、Journal of Computational Physics等国际权威期刊发表多篇高水平学术论文 [4] - 为我国航空发动机领域的技术突破和学科发展作出了卓越贡献 [4] 行业影响与人才培养 - 始终坚守教育科研一线，治学严谨、潜心育人，培养了大批航空航天领域优秀专业人才 [4] - 关爱学生，竭心尽力扶持青年教师的成长，将毕生心血倾注于我国航空航天教育科研事业 [5] - 作为校侨联常务副主席，积极凝聚侨心、汇聚侨力，为学校侨联工作有序开展发挥了重要作用 [5]

文章核心观点 - 上海交通大学团队提出的EvoKernel框架，通过价值驱动记忆和自演化智能体方法，有效解决了AI大模型在数据稀缺的国产NPU（如华为昇腾）算子开发上的“冷启动”难题，显著提升了代码生成的正确率和性能，展现了从“依赖专家”到“系统能力”的转变潜力 [2][5][34] 技术方案与核心设计 - EvoKernel框架的核心是**价值驱动记忆**，它不同于传统相似度检索，能学习在不同阶段（如生成、精炼）应优先调用哪些历史经验，从而更有效地利用记忆 [8][9] - 框架分为**冷启动生成**和**持续改善**两个连续阶段，首先生成可编译运行的正确算子初稿，然后进行持续的性能优化 [6][13] - 系统配备了严格的多层验证机制，包括反作弊检查、编译验证、正确性校验和延迟测量，确保只有真实有效的代码才能进入记忆库，驱动智能迭代 [11] 性能提升结果 - 在昇腾NPU的Ascend C算子开发任务上，EvoKernel将GPT-5.2模型的整体正确率从**4.0%** 大幅提升至**83.0%**，整体编译率从**11.0%** 提升至**98.5%** [2][14] - 在更难的Level 2任务上，实现了**100%** 的编译率和**76%** 的正确率 [14] - 对比实验中，在相同30次预算下，EvoKernel（整体正确率83.0%）显著优于Codex智能体（46.0%正确率）和传统精炼基线（22.0%正确率） [15] 持续优化能力 - EvoKernel不仅生成正确代码，还能持续优化性能。在找到首个正确版本后，通过精炼将算子的**中位数速度提升至3.60倍**，四分位区间为1.38倍到10.05倍 [19] - 部分算子经过优化后，相对首个正确版本的加速比甚至超过**200倍** [19] - 在DeepSeek mHC架构的算子上，EvoKernel成功实现了SinkhornKnopp算子**41.96倍**的加速，最快的算子比PyTorch基线快了**42倍** [2][28] 经验迁移与泛化能力 - EvoKernel的记忆具备**跨任务迁移能力**。先在简单任务（L1）积累经验再迁移到难任务（L2），其正确率上升速度远快于从零开始，在第17次迭代时L2正确率已达**64%** [25] - 记忆库具备**跨模型迁移能力**。用GPT-5.2构建的记忆库，能将DeepSeek-V3.2在测试集上的编译率从**26%** 提升至**80%**，正确率从**6%** 提升至**58%**；对Qwen3-Coder-30B也有类似提升效果 [25] 在真实工程场景的扩展 - 在从开源社区筛选的、更贴近真实需求的70个Attention类算子测试集上，EvoKernel在昇腾平台上取得了**100%** 编译率和**78.6%** 的正确率 [27][28] - 该方法已成功应用于DeepSeek最新发布的mHC架构的15个相关算子，成功获得10个正确实现，展示了其对新算子族和新架构模式的适配能力 [28][30] 行业意义与前景 - 该方案解决了在目标领域**公开数据几乎为零、专家稀缺**情况下的技能习得问题，为通用大模型在数据稀缺但反馈严格的领域掌握新技能提供了可行路径 [2][33] - 随着硬件生态分化，快速适配新架构、新领域专用语言的能力变得稀缺，EvoKernel有望将这种能力从“依赖少数专家”转变为“可被记忆、检索和持续放大的系统能力” [34] - 该工作已在昇腾AI创新大赛2025全国总决赛中斩获金奖，并获得华为计算相关计划支持，显示了其应用潜力与产业认可度 [2]

行业技术趋势 - 利用视频生成模型为机器人构建“世界模型”是具身智能领域的热门技术路线，其采用“先预测、后执行”的解耦式规划范式，因兼具可解释性与开放场景泛化潜力而受到广泛关注[2] - 当前技术路线的关键瓶颈在于存在“可执行性鸿沟”，即生成的视频未必对应真实可执行的动作序列[3] - 行业正意识到，真正服务于机器人的世界模型不能只停留在二维视觉预测，而应进一步融入对世界物理的建模[3] 核心技术突破 (EVA框架) - 香港中文大学（深圳）与跨维智能的研究团队提出了名为Executable Video Alignment (EVA)的强化学习后训练框架，以解决可执行性鸿沟问题[3] - EVA框架的核心思想是将逆动力学模型（IDM）转化为奖励模型，通过强化学习直接优化视频生成过程，使生成结果不仅视觉真实，而且动作可行[3][11] - 该框架在奖励设计中显式引入了机器人执行层面的约束，如动作速度变化、加速度平滑性及高阶jerk正则项，并对异常动作进行惩罚，从而将视频生成分布拉回到机器人可行运动流形之上[12] 实验性能表现 - 在视觉规划质量评估中，经过强化学习对齐的EVA模型在“运动学合理性”指标上相比未对齐的基线模型大幅提升了20.9%[15] - 在RoboTwin 2.0基准的21个双臂任务仿真实验中，EVA（with RL）将平均任务成功率提升至52.6%，优于未对齐版本及其他基线方法[16][18] - 在真实机器人部署测试中，对于已见过的任务，EVA（with RL）的平均成功率达到64.0%[19] - 在5个全新的分布外任务上，EVA（with RL）将平均成功率提升至60.0%，显示出更强的新任务适应和跨场景泛化能力[19] 潜在应用与拓展方向 - EVA框架展现出面向具身智能的数据合成与增强潜力，可通过零样本方案自动生成具备合理物理约束的动态视频轨迹，为构建全合成具身数据流水线提供可能[23] - 该技术方向有助于缓解高质量机器人数据稀缺的问题，未来或可在不依赖人工遥操作的前提下，持续合成更丰富、更可信的具身数据[23][24] - EVA目前主要聚焦于运动学层面的对齐，其未来拓展可进一步引入更丰富的动力学约束，如接触力、摩擦、扭矩等真实物理因素[27] - 更“好用”的世界模型需要进一步走向对三维空间结构、真实物理规律和连续交互过程的统一理解，这与跨维智能围绕GS-World和EmbodiChain推进的研究主线一脉相承[27] 对行业发展的意义 - EVA工作促使行业重新思考视频世界模型的评价标准，对于机器人而言，关键不在于生成画面是否清晰连贯，而在于其对应的动作能否被可靠执行[21][26] - 该技术推动世界模型从“看起来合理”迈向“真正能够执行”，补上了视觉合理性与动作可执行性之间的关键缺口[26] - 这项进展标志着世界模型在迈向具身智能落地过程中迈出了关键一步，机器人需要的是能在真实三维物理世界中“做得出来”的世界模型[28][29]

文章核心观点 - 全球科技行业正经历由AI驱动的大规模人才重组，而非单纯的裁员潮 技能需求、岗位结构正在调整，但职位总量在增长，招聘需求旺盛 [1][2][51] - AI相关职位呈现爆炸式或曲棍球式增长，是当前及未来招聘市场的核心驱动力 [1][2][13][24] - 尽管裁员持续，但科技行业就业岗位总数仍在增长，大型科技公司人员规模持平或略有增长，招聘速度超过裁员速度 [3][13][47][51] 产品经理 (PM) 岗位趋势 - 全球科技公司开放PM职位数量创三年新高，超过7,300个，较2023年初低点增长75%，自2026年初以来增长近20% [2][13][17] - PM与设计师的需求比例发生翻转，目前PM需求是设计师的1.27倍，而2023年年中时设计师职位更多 [2][34] - 超过23%的空缺PM岗位在旧金山湾区，自2022年以来该比例增长50% [37] 工程师岗位趋势 - 全球科技公司工程师岗位开放数量超过67,000个，仅美国就有26,000个，需求规模巨大且增速在加快 [1][13][20] - 人工智能尚未减缓对软件工程师的需求，工程师岗位与PM岗位呈现同样的增长趋势 [13][19][20] 人工智能 (AI) 岗位趋势 - AI相关职位（包括AI驱动型公司所有岗位及传统公司AI专项岗）正呈爆炸式或指数级增长 [1][2][13][24] - 对AI工程师和AI产品经理的需求同样呈爆炸式增长 [27] - 高达三分之一的开放AI职位集中在旧金山湾区，湾区仍是AI中心，但湾区以外的AI职位也在同步快速增长 [39] 设计岗位趋势 - 设计岗位自2023年初以来基本持平，全球约5,700个，发展陷入停滞 [2][13][30] - 推测设计岗位停滞可能与AI使工程师工作效率提升，从而减少参与传统设计流程有关 [32] 招聘市场与地理分布 - 科技招聘专员的需求激增，空缺职位数量已几乎恢复到2022年峰值水平，预示科技行业招聘需求将持续处于高位 [1][22] - 旧金山湾区是首要科技就业中心，纽约市是全球第二大科技就业中心，其后是班加罗尔、伦敦、特拉维夫和新加坡 [37][41][42] 远程工作趋势 - 远程工作机会持续减少，目前仅25%的PM职位、19%的工程师职位和23%的设计职位提供远程选项，较2022年峰值下降20%至25% [3][13][43] - 远程工作已成为一个真实且永久的选择，但规模小于预期，且许多机会仍受地域和时区限制 [43] 裁员与整体就业情况 - 2026年初至报告发布，科技公司已裁员184起，影响57,606人 2025年全年裁员783起，影响245,953人，平均每天674人 [45] - 当前裁员节奏与过去两年大体相当，但大型科技公司整体人员规模持平甚至小幅上升 [3][47] - 科技行业招聘速度超过裁员速度，整体就业岗位总数在增长 [51] AI时代人才与组织要求 - 行业对AI人才的要求是“AI native”，即能在全新协作模式中工作、将模型能力转化为产品体验、并深刻理解模型边界与用法的人，而非仅仅“会用AI的旧人” [8] - 产品经理等角色需要深入理解AI模型，具备将模型能力转化为内容体验的能力，同时要求逻辑思维与审美（感性思维）兼具 [6][8]