核心观点 - 特斯拉正在进行一场从电动汽车制造商向以人形机器人Optimus为核心业务的战略转型 其CEO埃隆·马斯克预估公司未来约80%的价值将来自机器人业务 这是一场关乎公司未来十年的关键豪赌 [1][3] 战略转向 - 公司使命已从“加速世界向可持续能源转变”升级为“加速世界迈向可持续的富足” 核心抓手是人形机器人Optimus [3] - 马斯克预估特斯拉未来约80%的价值将来自Optimus 此判断构成了其最新薪酬方案的核心支柱 该方案要求公司在2035年前交付100万台机器人并将市值推高至8.6万亿美元 [3] - 这场转型是公司在汽车业务面临增长压力下的主动求变 [3] 技术底气 - 公司底气源于过去十年在智能电动汽车领域构建的技术护城河 其全自动驾驶系统积累的庞大数据和算法是核心王牌 车队累计行驶里程已超45亿英里 这套系统经过适配可成为机器人的“AI大脑” [4] - 公司在硬件上实现垂直整合与成本控制 Optimus核心执行器高度自研并复用部分汽车供应链 旨在将单台成本压至2-3万美元的颠覆性区间 远低于行业动辄数十万美元的水平 [4] - 公司已规划清晰的迭代路径 第三代Optimus V3预计在2026年第一季度推出 并计划在5年内实现年产100万台的目标 [4] 面临的挑战 - 量产目标遭遇严峻现实 公司原定2025年生产5000台的目标已确认失败 截至去年7月实际产量仅数百台且多用于测试 远未达到工厂实操标准 [5] - 技术瓶颈亟待攻克 行业面临三大挑战：灵巧的手、理解世界的AI大脑、大规模量产能力 目前Optimus的灵巧手在负载能力和耐用性上仍未达预期 在复杂动态环境中其可靠性与决策速度也有待提升 [5] - 机器人业务的庞大投入在电动汽车业务利润承压时可能成为财务负担 并因资源争夺而拖累两大核心业务 [5] 行业与投资启示 - 特斯拉的入局以极高的声量和工程化决心为整个人形机器人行业指明了降本和量产的可行性方向 吸引了巨额资本和人才涌入 客观上加速了全行业的技术迭代与商业化进程 [6] - 若特斯拉实现量产 将带动从电机、减速器、传感器到灵巧手等全产业链的革新与放量 资本市场已提前反应 [6] - 对投资者的长期启示在于这指向一个潜在的、超越汽车的万亿级市场 关注点应从“何时盈利”转向“技术里程碑是否持续达成” [7] - 对投资者的理性启示在于需认识到当前公司股价已包含极高的预期 从“数百台”到“百万台”的挑战巨大 需警惕技术路线迭代、下游需求爆发不及预期以及激烈的全球竞争 [8]

核心观点 - 安徽省司法厅系统总结2025年工作成果，并规划2026年重点工作，旨在通过一系列法治建设与行政改革举措，持续优化法治化营商环境，推动司法行政工作走在全国前列 [1] 2025年工作成果总结 - 法治政府建设成果显著：第三批全国法治政府建设示范地区、项目命名数量并列全国第一，获得省委书记与省长批示肯定 [1] - 法治营商环境排名领先：在2025年度全国工商联“万家民营企业评营商环境”中，安徽省法治营商环境位居全国第三 [1] - 法治督察工作实现突破：通过“书记抓、抓书记”、述法约束、项目示范和评价试点压实关键少数主体责任，相关工作在全国率先突破 [1] - 行政争议化解成效突出：全年赴各县（区）实地核查案件112次，召开案件调解会120场，成功调解25起案件，行政机关负责人出庭应诉率保持100%，主要负责人出庭应诉率超过50% [1] - 多项改革减轻群众企业负担：全面提升“综合查一次”改革质效，有序推进“无证明城市”建设 [1] - 系统工作全面进步：一体推进司法行政“五项工作”融合并治，在政治站位、安全底线、服务大局、法律服务、改革创新、队伍建设等方面取得进展 [1] 2026年重点工作规划 - 立法工作前瞻布局：将扎实推进重点领域、新兴领域立法供给，科学编制“十五五”时期政府立法项目清单，增强立法前瞻性针对性协同性 [1] - 实施《商事调解条例》：自2026年5月1日起落地实施，旨在规范商事调解活动、有效解决商事争议，助力打造一流法治化营商环境 [1] - 加强党建与纪律监督：构建“专题学习+专项培训”双轮驱动机制，开展“头雁领航”“清风育廉”等行动，统筹加强政治巡察、警务督察与经济责任审计 [1] - 推动科技与法律融合：重点抢抓通用人工智能发展机遇，推动法律咨询类大模型在12348法律服务热线平台实战应用 [1] - 落实省级法治建设部署：响应省委将全面依法治省工作会议暨全省法治政府建设推进会作为“新年第一会”的号召，落实省政府常务会议首个审议通过的“建设法治政府打造法治化营商环境创新提升举措100条” [1]

文章核心观点 中美人工智能发展路径存在显著差异，这种差异源于技术理念、科学观及文明理念等深层分歧，未来全球AI治理需通过多边合作制定共同规则，以避免割裂并实现可持续发展 [1][5][7] 中美AI发展路径分野 - **技术理念差异**：美国AI发展依赖“暴力计算”或“大力出奇迹”路径，依靠硬件（芯片）堆积 [5] 中国则倾向于“巧力计算”路径，代表如DeepSeek，注重发掘编程能力而非单纯硬件堆砌 [5] - **科学观分歧**：美国主流计算基于“物质学科范式”，沿用传统数理化科学体系指导AI，但该思路已受到业内权威人士（如杨立昆）的批判 [6] 中国科学家则指出可能存在向“信息科学范式”的转型，认为信息具有不同于传统实物的特殊规律 [6] - **战略与伦理侧重点不同**：美国战略体现为“小院高墙”，强调精英领先 [7] 中国更强调合作共赢与生态合作 [7] 在技术与伦理关系上，美国侧重技术自由主义，中国则更考虑将伦理嵌入技术设计 [7] “小院高墙”政策的影响与创新驱动 - **政策效果有限**：“小院高墙”政策存在漏洞（如H20芯片已放开），且过度封杀对美国自身并不划算 [10][11] - **激发自主创新**：美国的限制政策反而统一了中国内部的认识，激发了自主创新的精神 [11] 文明理念与AI形态的深层分歧 - **理性基础差异**：西方文明强调“工具理性”，可能导致人与自然、人与人的对立 [12] 东方文明（中国）更强调“生态理性”，核心是追求人与自然、人与人的“亲和” [12] - **AI形态分化**：不同的理性基础可能导致AI发展出两种形态：一种是机械的、缺乏人文温度的人工智能；另一种是具有“生命力”、实现人与物融合的人工智能 [12][13] - **底层逻辑相同**：尽管路径不同，但中美AI底层的算法逻辑是一致的 [13] 全球AI治理与规则制定的紧迫性 - **共同利益与割裂风险**：中美在标准和协议制定上有共同利益，若不合作，未来可能像6G技术一样出现标准割裂，导致用户群体分化，对各方均造成伤害 [14][19] - **规则嵌入的必要性**：AI治理不仅是技术问题，更是技术与人的关系问题，需要将人类规则嵌入技术体系架构，确保人的主导作用，例如自动驾驶中的伦理决策规则 [18][19] - **合作态度**：中国对全球合作持开放态度，但同时也做好“两手准备” [20] AI对社会经济的影响与发展前景 - **中美发展侧重不同**：美国AI发展目标聚焦于研发“终极通用人工智能”，但存在科技巨头内部循环、技术与应用脱钩的问题 [20] 中国AI发展更注重产业应用和实用性路线 [20] - **影响与可持续性**：中国因注重应用，其AI发展可能更具可持续性，甚至可能出现美国研发技术而中国获得商业收益的情况 [20] 美国企业对通用人工智能方向也存在内部怀疑 [20] - **未来路径**：技术发展需与社会经济发展同步，关键在于是否接受“人类命运共同体”概念以形成合力 [20] 具身智能、本地智能等方向是对通用人工智能的一种对冲 [20] 最终，技术应为人服务，人的主导性最为重要 [21]

峰会概况 - 世界顶尖科学家峰会将于2月1日至3日在阿联酋迪拜举行 [1] - 峰会主题为“基础科学：应对人类未来的挑战” [1] - 预计将有71位全球顶尖科学家出席，其中包括39位诺贝尔奖得主、6位图灵奖得主、7位沃尔夫奖得主 [1] 议题与讨论方向 - 峰会将设立四个主要议题：人工智能与基础科学的融合共生、科学进步与社会发展的协同演进、开放科学的全球协作路径以及科学合作体系的未来构建 [3] - 与会者将就通用人工智能、具身机器人、飞行汽车、可控核聚变、基因编辑和自适应新材料等科学技术进行学术研讨与合作对接 [3] 相关活动 - 2026年世界政府峰会将于2月3日至2月5日在迪拜举行，主题为“塑造未来政府” [3] - 2026年世界政府峰会将是有史以来规模最大的一届，预计将有30多位外国元首和政府首脑出席 [3]

峰会概况 - 世界顶尖科学家峰会（WLS）与世界政府峰会（WGS）将于2月1日至3日在迪拜未来博物馆举办联合峰会 [1] - 联合峰会以“基础科学：应对人类未来的挑战”为主题 [1] - 联合峰会将开创长期合作新模式，为资源链接提供更大空间 [2] 与会人员与规模 - 联合峰会将有71位全球顶尖科学家代表参会，包括39位诺贝尔奖得主、6位图灵奖得主、7位沃尔夫奖得主 [1] - 同期举办的世界政府峰会将有40位国家元首、500多位政府部长参会 [2] - 去年的世界政府峰会参加人数超过6000人 [2] 核心议题与讨论方向 - 峰会四大议题包括：人工智能与基础科学的融合共生、科学进步与社会发展的协同演进、开放科学的全球协作路径以及科学合作体系的未来构建 [1] - 与会者将就通用人工智能、具身机器人、飞行汽车、可控核聚变、基因编辑和自适应新材料等科学技术进行深入讨论与资源链接 [1] 会议地点与战略意义 - 选择迪拜作为会议地点，源于其公认的中立性与世界级的会议承载能力 [1] - 峰会的举办将大力提升阿联酋作为“全球科学新中枢”的建设进程 [1] - 世界政府峰会自2013年起每年2月在迪拜举行，旨在通过创新和技术推动全球政府治理模式变革 [2]

公司战略布局 - 公司通过全资子公司深圳丝路创科投资有限公司投资参股上海知行智跃体育科技有限公司，正式布局AI+体育领域 [1] - 公司自主研发的智慧食堂系列产品，使用物联网、人工智能、大数据、云计算等新一代数字技术，推动传统团餐实现服务精准化、场景数字化、管理智能化 [1] 投资标的竞争优势 - 知行智跃的核心竞争优势在于能够深度挖掘专业体育领域的应用场景与实际需求，并依托该领域特有的专业知识与真实数据 [1] - 知行智跃在解决实际挑战的过程中，反哺并推动通用人工智能技术的迭代与发展 [1] 产品与服务创新 - 智慧食堂系列产品是对传统团餐从运营、管理到服务体验进行的全方位数字化重构 [1] - 智慧食堂产品融合了健康管理、营养分析和个性化服务 [1]

文章核心观点 文章系统性地介绍了双百亿量化私募幻方量化创始人梁文锋的传奇经历，核心观点在于阐述其如何将量化投资与前沿人工智能技术深度融合，不仅在国内量化投资领域取得领先地位，更通过创办深度求索（DeepSeek）在通用人工智能（AGI）领域实现重大技术突破，成为横跨金融与科技界的标志性人物 [3][7][41] 一、传奇亮相：震惊硅谷的中国力量 - 2025年1月，深度求索发布推理模型DeepSeek-R1正式版并开源，在数学、代码及自然语言推理任务上媲美美国一流AI模型 [9] - 该模型发布后，其应用在苹果中美应用商店下载榜登顶，在美区超越ChatGPT，并一度引发欧美科技股市值蒸发超过1万亿美元 [9] - 2025年2月5日，DeepSeek概念股迎来爆发行情；2月6日，微软、英伟达、亚马逊等国际科技巨头纷纷宣布上线DeepSeek大模型 [9] 二、从业历程：探索财富与科技的征途 - **初涉量化**：梁文锋于2008年毕业后投身量化投资，在2010年沪深300股指期货推出后抓住机遇，其自营资金迅速增长至超过5亿元 [13][14] - **创立私募**：2015年与浙大校友共同创立九章资产，2016年成立幻方量化，立志打造世界顶级量化对冲基金 [15] - **AI驱动交易**：2016年，幻方量化成功上线第一笔由AI驱动的实盘交易，并逐步将所有交易策略AI化，旗下基金回报率大幅超越同期沪深300指数 [22][26] - **规模发展**：至2021年，幻方量化基金规模突破千亿元，跻身国内量化“四大天王”；截至2025年12月底，管理规模超700亿元，处于国内量化“第一梯队” [22] - **算力布局**：2019年投资2亿元建成搭载1100块GPU的“萤火一号”算力集群；2021年再斥资10亿元建成搭载1万张A100显卡的“萤火二号”，为后续AI大模型研发奠定基础 [24][25] 三、经典案例：彰显实力与智慧 - **DeepSeek-V2引发价格战**：2024年5月推出的DeepSeek-V2大模型，其API定价为每百万tokens输入1元、输出2元，仅为GPT-4 Turbo的百分之一，被称“AI界的拼多多”，引发字节、阿里、百度等大厂纷纷降价 [27][30] - **慈善捐赠**：2022年，幻方量化公司捐赠2.2138亿元，同时公司员工“一只平凡的小猪”（被广泛认为是梁文锋）个人捐赠1.38亿元 [30] 四、2025年动态：引领行业前沿 - **财富上榜**：2025年6月，梁文锋以1846亿元财富首次上榜《新财富》500创富榜即闯入前十 [33][40] - **学术突破**：2025年9月，梁文锋作为通讯作者的DeepSeek-R1研究论文登上《自然（Nature）》封面，该模型是全球首个经过同行评审的主流大语言模型 [33] - **国际认可**：2025年12月，梁文锋入选《自然》年度十大科学人物，被评价为“科技颠覆者（Tech disruptor）” [33] - **产品业绩**：截至2025年底，梁文锋旗下的宁波幻方量化有10只指数增强产品在展示，且均在2025年12月创历史新高，2025年收益均值位居百亿量化私募第2 [3][6] 五、人物评价与理念 - **创新践行者**：梁文锋敢于打破常规，将AI引入量化交易，并以DeepSeek的创新技术打破了外界对中国AI只能做应用拓展的偏见 [41][44] - **核心理念**：公开发言显示，其团队专注AGI研究而非短期商业化，认为AI应是普惠的；创新需要自由空间；中国需要站到技术前沿；并展望了国内量化私募达到万亿规模的可能性 [45]

公司表现与市场信心 - 2025年初投资者曾质疑谷歌能否跟上OpenAI的步伐，但到年底时，Alphabet股价创下了自2009年以来的最佳年度表现 [1][8] - 谷歌重拾在人工智能领域的底气，很大程度上归功于其2014年以约4亿英镑收购的DeepMind [1][9] 组织架构与战略调整 - 2023年，谷歌做出关键调整，将旗下谷歌大脑研究部门与DeepMind合并，为旗舰人工智能助手Gemini的成功奠定了基础 [3][11] - 公司进行了重要人事变动，例如提拔高管乔希・伍德沃德负责Gemini相关业务 [3][11] - DeepMind创始人兼首席执行官德米斯・哈萨比斯称该公司是谷歌人工智能研发的“核心引擎” [1][5][9][13] - 哈萨比斯与谷歌首席执行官桑达尔・皮查伊几乎每天进行沟通，探讨战略、技术方向及业务需求，以加速技术创新和产品路线图的实时调整 [1][5][6][9][13] 竞争环境与历史挑战 - 当前人工智能市场竞争被描述为“白热化”，是科技行业发展史上竞争最为激烈的时期之一 [2][10] - 谷歌的竞争对手包括OpenAI、亚马逊、Perplexity以及Anthropic等多家企业 [1][9] - 2022年11月OpenAI推出ChatGPT时，谷歌处于追赶状态，此后在产品化进程中接连出现失误，尤其是在2024年，加深了其步履维艰的印象 [3][11] - 公司的问题并非技术研发（如Transformer技术由谷歌研发），而在于“技术商业化与规模化的步伐稍显迟缓” [3][11] 产品进展与技术整合 - 随着2025年3月Gemini 2.5的推出，公司“步入了发展正轨”，同年11月发布的Gemini 3因其运行速度获得高度赞誉 [4][11] - DeepMind研发的Gemini系列模型能够迅速应用到谷歌搜索等各类产品中，技术落地流程在过去一年变得十分顺畅 [4][12] - 过去几年，公司一直在搭建技术根基，包括研发人工智能模型和构建整体的技术基础设施，以确保技术成果能极快推向市场 [1][9] - 在过去的两三年里，公司重拾创业本色，行事更果敢务实、节奏更快、产品落地更迅速 [4][11] 行业展望与泡沫讨论 - 科技巨头正投入数千亿美元建设人工智能基础设施，风险资本大量涌入人工智能初创企业，许多企业在产品尚未成型时便以高估值融资 [7][14] - 哈萨比斯认为人工智能行业的“部分领域或许存在泡沫”，但其他领域大概率并不存在 [8][15] - 他将当前人工智能热潮与上世纪末的互联网泡沫相提并论，认为最终真正具备价值的事物将得以存续并蓬勃发展 [8][15] - 私募市场上那些估值高达数百亿美元、但产品层面“几乎还毫无实质内容”的种子轮融资，从长远来看是难以为继的 [8][16] - 人工智能被认为是人类有史以来最具变革性的技术 [8][15] 公司长期定位与目标 - 公司所有调整的长远目标是为了“率先、快速且安全地”实现通用人工智能（AGI） [6][13] - 依托谷歌的核心业务以及人工智能与这些业务的融合模式，公司认为自己已占据有利位置，无论行业未来如何发展（持续增长或泡沫破裂），都能从中获益并抓住机遇 [8][16]

政策框架与目标 - 天津市政府发布《关于促进高质量充分就业的实施意见》，包含6个方面共22条具体措施 [1][5] - 政策旨在构建就业友好型社会，推动经济社会发展与就业促进协调联动 [7] - 政策核心是深入贯彻落实国家关于实施就业优先战略、促进高质量充分就业的指导精神 [3][5] 产业发展与就业协同 - 巩固提升绿色石化、汽车、装备制造等优势产业，创造更多高质量就业岗位 [7] - 转型升级冶金、轻工等传统产业，积极发展生物医药、新能源、新材料、航空航天等新兴产业 [7] - 超前布局通用人工智能、生物制造等未来产业，加快建设以智能科技产业为引领的现代化产业体系 [7] 教育与技能培训 - 优化调整高等教育学科专业设置，主动对接科技创新与国家战略需求，扩大理工农医类在校生比重 [9] - 健全终身职业技能培训制度，围绕先进制造、康养托育、现代服务、新职业等重点领域推行项目化培训 [9] - 推行“岗位需求+技能培训+技能评价+就业服务”四位一体的培训模式，拓宽技能人才发展通道 [9] 重点群体就业支持 - 促进高校毕业生等青年群体就业，鼓励其投身重点领域、重点行业、城乡基层和中小微企业就业创业 [11] - 做好退役军人就业服务保障，拓宽农村劳动力就业增收空间，积极培育壮大劳务品牌 [11] - 完善困难人员就业援助制度，完善妇女就业创业保障机制，构建生育友好的就业环境 [11][13] 创业与灵活就业 - 优化创业政策环境，开展创业型街区建设，优化创业孵化基地发展布局 [13] - 强化高校双创学院和众创空间建设，打造创业服务“津”字招牌，激发创业带动就业的倍增效应 [13] - 加强创业指导服务，优化灵活就业保障制度 [13] 公共服务与权益保障 - 完善就业公共服务制度，将基层就业公共服务融入党建引领基层治理范畴 [13] - 统筹资源建设标识统一、布局合理、服务规范、运行高效的“家门口”就业驿站 [13] - 强化劳动者就业权益保障，保障平等就业权利，构建和谐劳动关系，扩大社会保障覆盖面 [13]

Agentic模型的发展现状与挑战 - 通用全能的Agentic模型现阶段不可能实现，业务场景、工具、环境差异过大，通用模型泛化性有限 [2] - 当前研发核心是让模型在各类垂直Agent场景中更好发挥作用，发展最快的场景是Coding Agent，包括通用编程及网页开发等特定领域 [4] - 具备在各类垂直Agent场景下达到工业级效果的通用模型尚未出现，原因在于场景设定、工具集合及运行环境差异极大 [5] - 针对具体应用场景定制模型更容易形成优势，特别是当场景能清晰定义Reward且评估能高效自动完成时，通过强化学习定制的Agentic模型可显著超过现有通用模型 [5] - Agentic模型训练的最大卡点不是模型，而是真实环境复刻，外部接口、数据库、登录依赖等真实链路的稳定访问技术门槛极高 [2] - 实现模型在特定场景持续迭代，必须依赖一套在该场景下运行顺畅、具备高效率和高吞吐能力的强化学习系统 [6] 强化学习的技术瓶颈与工业应用 - 开源强化学习框架如OpenRLHF、TRL、VeRL等覆盖了主要环节，但在工业级应用中仍不够成熟，涉及多轮工具调用的Agentic场景需深度定制 [7] - 工业级打磨方向主要在模型规模支持与Agent训练能力两方面，需能高效支撑参数量较大的SOTA模型，并处理多轮工具调用的复杂交互 [7] - 工业级Agentic模型研发对整体技术栈要求极高，包括沙盒环境、高性能高并发调度运行能力及稳定的高并发搜索API支持 [7] - 强化训练的本质是激发和稳定模型在特定场景中的既有能力，首要前提是基座模型本身在目标场景上具备优势，通常源于预训练阶段的数据分布 [8] - 强化学习过程中，生成尝试路径（Rollout）通常占据80%—90%的时间成本，能否以高吞吐方式高效完成Rollout是成败关键 [9] - 强化训练的样本规模已可扩展到百万级，系统性地提升了模型推理和复杂问题解决能力 [10] - 大规模多场景强化训练的前提是结果评估能准确自动完成且最好有稠密的评估奖励反馈，这在代码或数学等评估相对确定的场景中相对容易实现 [11] 多模态模型的技术进展与局限 - 视觉生成主流模型框架从Diffusion Model发展到Flow Matching，效果、稳定性碾压前代方案 [3] - 视觉理解模型仍以ViT Encoder嫁接语言模型的主流方案为主，模型能力迭代主要聚焦在垂直方向的数据合成 [3] - 当前未真正实现多模态理解和生成的统一建模，分开独立优化效果依旧优于融合建模 [3] - 多模态模型核心是在语言模型基础上引入视觉能力，主流方案是在语言模型训练到一定阶段后，引入视觉编码器并用图文对齐数据联合训练 [17] - 视觉信号信息密度较低，仅依赖视觉输入进行大规模训练难以达到语言模型效果，现有方案高度依赖图文对齐数据 [17] - 行业可用的图文对齐数据规模大致在3–5T token，量级上存在明显差距，限制了多模态模型的进一步scale [18] - 生成与理解的统一建模是重要方向，但现阶段融合后的效果还不如单独优化 [21][23] 模型架构与能力扩展的关键方向 - 稀疏MoE架构被广泛应用，其核心是解决Scaling Law问题，在增大模型总参数的同时，让训练和推理实际使用的参数规模保持次线性增长 [15] - 稀疏MoE的稀疏比已做到5%甚至更低，成为推动模型规模继续扩展的现实可行方案 [16] - 长上下文能力与Agent能力直接相关，上下文长度决定了模型能记忆和理解的信息规模 [13] - 业界探索通过Agent脚手架本身“放大记忆”的方案，借助工具使用来弥补上下文长度的限制 [13] - 长上下文能力的关键是模型能否准确理解高效处理，依赖高效的注意力机制设计和实现，可采用稀疏化策略或分块筛选方案 [14] - “世界模型”存在多种理解，一种是通过建模理解物理世界的运行规律，另一种是强调代码能力和工具调用能力 [26] 未来趋势与演进路径 - 2025年明显方向是Agentic Model，即模型具备稳定、准确的工具调用能力，代码场景已率先验证，明年该能力很可能扩展到更多应用场景 [28] - 面对复杂环境，可行方案是让模型在特定场景的Agent脚手架中学会熟练使用该场景所涉及的相对有限的工具集合 [29] - 通用人工智能的实现路径存在分歧，一种是将多种能力融合到单一模型中，另一种是强调模型学会使用工具，当前没有看到哪条路一定能走通 [25] - 在特定专业场景中不断提升模型和Agent能力，使其在局部任务上超过人类水平，在相当长一段时间内仍将是主流方向 [12]