论坛与江苏外资环境 - 2025年产业链供应链国际合作交流会暨企业家太湖论坛在无锡举办，吸引苹果、辉瑞、LG新能源等全球知名企业参与[1] - 2024年江苏实际使用外资190.5亿美元，占全国比重16.4%；2025年1-3季度实际使用外资145.2亿美元，占比提升至18.1%[1] - 江苏拥有外资企业约4.3万家，408家世界500强企业在此布局，外资企业以不足1.0%的户数占比贡献了全省46.6%的进出口额、19.2%的综合税收和8.4%的城镇就业[1] 苹果公司在江苏的供应链布局 - 江苏是苹果供应链布局的核心枢纽，其全球80%以上的核心供应商在中国设厂，其中半数扎根江苏[2] - 立讯精密自2011年与苹果公司合作，在江苏业务规模不断扩大，构建垂直整合的完整供应链体系，并于今年5月在昆山新增声学产品工厂[4] - 瑞声科技从单一麦克风供应拓展至声学、马达、VC均热板模组等多元组件生产，深度参与最新iPhone系列研发制造[4] - 蓝思科技在昆山增设创新研究院，聚焦服务苹果的新材料研发[4] 智能制造与绿色制造进展 - 苹果公司中国供应商在智能制造与绿色制造方面达到世界领先水平[5] - 瑞声科技运用人工智能和机器学习技术提升产品检测效率，通过自动化实现模具循环使用和铜材回收，减少材料浪费[5] - 过去十年间，苹果公司将全球碳足迹降低了超过60%，并承诺到2030年在供应链和整个产品生命周期中实现百分百碳中和[5] - 苹果产品在中国已有超过90%的生产制造采用可再生能源，立讯精密等供应商已完全实现使用清洁能源生产，并在关键iPhone部件中100%使用再生稀土元素、再生铜和再生钨[5] 清洁能源投资与人才培养 - 苹果公司发起两支“中国清洁能源基金”，其供应商于2025年10月主导启动一项规模达10亿元人民币的新基金，专项支持中国风能与太阳能基础设施建设[7] - 苹果在全球投入5000万美元设立“供应商员工发展基金”，在中国设立线下学习中心，提供设备操作、机器人技术、编程及领导力等课程[8] - 2025年已有30万名供应链员工参与苹果的培训计划[8] 江苏产业合作新动向 - 江苏省商务厅推介《中国（江苏）自由贸易试验区生物医药全产业链开放创新发展方案》，成立生物医药全产业链开放创新联盟，发布新能源产业链枢纽平台[8] - 论坛首次增设产业链对接活动，围绕集成电路、生物医药、新能源等16个重点产业集群开展专场对接[8] - 上海美国商会、印尼工商会中国委员会等机构表示将深化与江苏在生物医疗、绿色矿业、高端制造等领域的合作[9]

全球人工智能创新格局演变 - 中国人工智能技术正以爆发式速度迭代，与美国的差距快速拉近 [1] - 2005年至2024年末，清华大学累计获得4986项人工智能与机器学习相关专利，仅2024年一年就新增900余项 [1] - 在全球人工智能与机器学习领域的有效专利族中，中国占比已过半 [1] - 2019年至2022年间，全球顶尖人工智能研究者（前2%）中，中国占比从10%升至26%，美国占比则从35%降至28% [2] - 知识产权分析人士指出，这是不到十年内全球创新领域的惊人转变，反映了中国打造人工智能强国的坚定决心与协同努力 [2] 清华大学在人工智能领域的领先地位 - 清华大学在人工智能领域发表的学术论文中，入选“全球引用量最高100篇论文”的数量位居全球高校之首 [1] - 清华大学获批的人工智能相关专利数量超过麻省理工学院、斯坦福大学、普林斯顿大学与哈佛大学这四所美国顶尖高校的总和 [1] - 在《美国新闻与世界报道》的全球学科排名中，清华大学的工程学、人工智能、计算机科学、化学工程等多个学科始终名列前茅 [4] - 清华大学正将人工智能技术全面融入全校各学科，人工智能与大语言模型已深度嵌入各学科日常科研工作 [7] - 清华大学于2024年9月推出全新人工智能计算平台，为全体学生提供补贴使用权限，方便开展新型模型研发试验 [7] 中国人工智能产业与模型发展 - 2024年，美国科研机构研发的知名人工智能模型达40个，而中国为15个，但在部分性能测评指标上，中国机构正逐步缩小与美国的差距 [1] - 2024年对中国人工智能领域而言是突破性的一年，人工智能初创企业“深度求索”（DeepSeek）凭借创新性大语言模型惊艳科技界 [4] - 中国国内头部人工智能初创企业中，至少有四家由清华毕业生创办 [5] - 清华大学脑与智能实验室专注于多领域交叉融合，人工智能初创公司Sapient正是这种跨学科教育模式的成果 [5] - 该实验室开发的分层推理模型（HRM）在推理能力测评与复杂数独解题方面，表现均优于美国OpenAI和Anthropic公司开发的更大规模模型 [5] 人才流动与科研环境 - 越来越多清华毕业生更愿意留在国内发展，能真切感受到清华大学正处于发展最蓬勃的时期 [7] - 曾任职哈佛大学的教授刘军，于2024年回国组建清华大学统计学与数据科学系，并积极从美国顶尖高校招揽人才 [7] - 政府、产业界和学术界对人工智能与机器学习领域热情高涨，资本注入加上中国政府对科研领域的大力扶持，是该领域吸引全球人才的关键原因 [7] - 中方通过税收减免、资金补贴及配套扶持政策为人工智能等关键技术研发提供坚实保障 [4]

文章核心观点 - 人工智能发展进入“下半场”，重心从技术突破转向产业落地和场景赋能 [2][5] - 2025年是“AI+”行动全面铺开的关键年，政策提供强劲支持 [2] - 企业拥抱AI需遵循识别、定义、执行、适配的四步方法论 [8][9] AI发展历程与现状 - 人工智能历经70余年发展，从1956年达特茅斯会议提出概念，经历专家系统、机器学习到深度学习的根本转变 [3] - 2017年Transformer架构的提出奠定了当代大模型的理论基础 [5] - 大模型发展存在两大关键限制：庞大的训练成本和上下文窗口对性能的影响 [5] AI下半场的核心趋势 - 第一大趋势：模型推理调用频率与能源消耗将快速超越训练阶段，能源需求重心转移 [6] - 第二大趋势：行业发展重心从训练侧转向推理侧，模型参数规模从千亿级拓展至万亿级 [6] - 第三大趋势：AI需求从对话交互升级为解决现实问题，智能体应用普及率目标到2027年超70% [7] - 第四大趋势：多模态模型快速发展，语音、图像、视频等数据是AI深入认知世界的关键 [7] 企业应用AI的方法论 - 第一步是识别：精准定位业务场景痛点，利用大模型在语言及泛翻译类任务上的原生能力快速落地 [8] - 第二步是定义：清晰界定AI落地的核心价值，建立可量化的衡量标准 [8] - 第三步是快速推进落地执行，将规划转化为实际成果 [8] - 第四步是适配新型工具，重构生产关系，推动AI数字人与人类员工高效协同 [9] AI与人类的比较 - 人脑具备持续学习能力，而大模型的学习与使用过程分离，参数权重固定后不会动态更新 [10] - 人脑能耗极低，仅需约20瓦电力，训练GPT-4的电力消耗高达20-25兆瓦，是人脑能耗的100万倍 [11] - 关于AI是否具备共情能力、自主意识及创造力等命题仍需持续探索 [12]

行业格局变迁 - 中国遥感领域研究论文全球占比从近乎零跃升至47%，而美国占比则从20世纪90年代的88%暴跌至9% [1][5] - 遥感领域学术发表量呈指数级增长，从20世纪60年代每年仅十余篇增至2023年每年超过1.3万篇 [9] - 2021年至2023年，全球提交包含“遥感”关键词的专利超过4.3万项，中国占据了其中绝大多数 [9] 核心驱动因素 - 研究资金水平与论文产出存在强烈正相关性，中国国家自然科学基金资助的项目占2021至2023年论文产出的53%以上，而美国机构资助占比仅为5% [6] - 2011年至2020年全球十大遥感研究资助机构中，前六名均为中国机构，美国国家航空航天局和国家科学基金会分别位列第七和第八 [7] - 中国推出了如《国家重点基础研究发展计划（973计划）》等专项举措进行定向投入，而美国国家科学基金会没有专门负责制图学或大地测量学的部门 [8] 技术突破与应用 - 中国在多光谱和高光谱技术、合成孔径雷达技术以及数据传输和处理方面取得重大创新突破，使遥感卫星具备全天候、全天时对地观测能力 [12] - 中国实现了纳米级空间测距等技术突破，在113公里距离上实现了纳米级精度的绝对距离测量 [12] - 遥感技术支撑着自动驾驶、气候监测及国家安全等一系列关键应用领域 [4] 未来展望 - 中国持续投入人工智能、机器学习、量子计算等新型遥感技术，培养了更高水平的专业人才 [10] - 中国遥感技术的发展将推动人类社会向智能化、信息化迈进 [12] - 业内人士表示，除非美国大幅调整政府资金优先级，否则短期内难以重获该领域的创新领导地位 [13]

中小企业集群的理论发展 - 1990年波特在《国家竞争优势》中论述了集群的重要性及政策作用[2] - 新产业区理论被公认为产业集群理论的一支，背景是柔性制造技术的兴起[3] - 2009年巴卡提尼等意大利学者共同编辑出版《产业区手册》，内容包括理论和世界各国案例[3] 国际中小企业集群案例 - 日本东京大田区是机械产业技术创新源地，80%以上是占地面积不到50平方米、员工不足10人的微型企业[2] - 大田区中小企业通过Techno-Plaza共享创新基础设施，触及国际前沿技术信息[2] - 2001年OECD在巴黎召开的企业地方集群世界大会认为，扎根于特定地区的中小企业集群能在全球市场竞争中与大企业抗衡[2] 中国中小企业集群的发展历程 - 二十多年前广东的专业镇和浙江的"块状经济"已得到学者关注[6] - 跨国公司的全球离岸外包是中国中小企业集群大量形成的主要背景[6] - 中国大批量出口的服装、鞋、家具等商品大都在专业镇生产，大部分专业镇从事外贸加工[6] 中国中小企业集群的现状与规模 - 中国中小企业集聚现象极其普遍，存在于众多细分行业和大量村镇，估计集群数以万计[8] - 专精特新企业以及不少出海企业也大都来自专业镇[8] - 阿里巴巴APP上的"产业带"和"超级工厂"显示有1000多个集群，但实际数量远高于此[10] 代表性产业集群案例 - 河北清河羊绒产业集群已发展出"共享智造"模式[11] - 浙江绍兴大唐袜业集群、温州乐清柳市电气产业集群等均由乡镇企业起家并成就斐然[11] - 福建南平市拥有千余家笋竹加工企业，下辖建瓯县、邵武市、政和县分别形成竹茶具、竹餐具、竹家具等细分集群[10] 产业集群的新趋势与政策 - 2022年开始，国家级和省级中小企业主管部门对上千个中小企业特色产业集群建立梯度培育体系并实行动态管理[8] - 上海市长宁区工业互联网平台产业集群、东莞市石排镇潮流玩具产业集群等是在制造业数字化转型时代兴起的新兴集群[8] - 人工智能、机器学习、大数据分析等先进技术将彻底改变生产过程，为供应链提供敏捷性、透明度和弹性[7]

新一轮科技革命与人工智能 - 新一轮科技革命正在加速突破，人工智能是其核心驱动力，正带来各领域的深刻变革和创新 [1] - 为把握主动权，需加强原始创新和关键核心技术攻关，并推动科创与产业创新的深度融合 [1] 科技创新战略的转变 - 未来需推动三个转变：从跟跑转向更多领域的领跑、从终端产品创新转向关键核心技术突破、从鼓励集成创新转向鼓励原始创新 [1] 金融对科技创新的支持作用 - 科技创新和产业创新离不开金融特别是资本市场的支持，金融可在创新投入、降低风险和提高效率方面发挥重要作用 [1] - 科技创新过程的每个阶段都需要与之匹配的金融服务 [1] - 与商业银行贷款相比，以股票为主的直接融资更有利于科技与资本的结合 [1] 金融体系与机构合作 - 在现有以商业银行为主导的金融体系下，可加强与风投机构合作，对经过尽调拟投资的科创企业及专精特新企业相应提供贷款 [1] 并购市场与退出机制 - 需大力发展并购市场，鼓励设立市场化的并购基金，以解决创投机构的退出问题 [2] 科技赋能金融服务 - 需加强科技对金融服务的赋能，利用人工智能和机器学习构建智能风控模型，动态评估企业信用风险 [2] - 利用智能技术可降低金融机构决策成本与风险，并通过智能投顾提供定制化投融资方案，优化资金使用效率 [2] 风险管理与补偿机制 - 需借助智能技术构建动态信用画像以提升金融机构风险识别能力 [2] - 需建立有效的风险分担和补偿机制，例如通过保险和再保险为科技型企业融资分担风险 [2] - 需探索地方政府对科创企业征信和风险的补偿机制 [2]

行业定义与范畴 - 应收账款自动化是通过自动化电子系统实现应收账款流程现代化，以减少重复性和耗时任务 [2] - 应付账款自动化是用于简化和自动化应付账款流程的技术，能够消除手动任务并提高财务数据的可视性和控制力 [2] 全球市场规模与增长 - 预计2030年全球应收/应付帐款自动化市场规模将达到56.7亿美元，未来几年年复合增长率为7.2% [6] - 2024年全球前五大厂商占有大约22.0%的市场份额 [9] 市场产品类型细分 - 就产品类型而言，Cloud-based是最主要的细分产品，占据大约84.1%的份额 [12] 行业主要参与者 - 全球范围内应收/应付帐款自动化生产商主要包括AvidXchange、Sage、Bill.com、Coupa Software、Zycus、Tipalti、Freshbooks、Xero、SAP Ariba、Bottomline Technologies等 [9] 市场主要趋势 - 人工智能和机器学习占据主导地位，作为自动化核心引擎，在应付账款领域能以极高准确度从发票中提取信息，在收款领域用于预测发送提醒最佳时间并自动匹配付款与发票 [20] - 企业正从自动化单一任务的点解决方案转向集成式端到端平台，在单一环境中管理整个采购到付款和订单到收款周期，以消除数据孤岛并提高现金流透明度 [21] - 自动化软件和支付执行界限模糊，现代应付账款平台配备嵌入式支付选项，应收账款方面则集成各种数字支付方式以加快收款速度 [22] - 自动化平台成为丰富财务数据来源，企业利用数据迈向预测分析，以更准确预测现金流并优化供应商和客户条款 [23] - 现代自动化系统通过人工智能驱动异常检测、多因素身份验证等功能增强欺诈检测和安全保障 [24] 行业发展驱动因素 - 应收账款自动化软件可帮助企业优化客户发票和付款流程，简化海量客户发票处理并提高流程准确性 [25] - 应付账款自动化提高了应付账款部门效率和准确性，并有助于其他会计活动如财务结算 [25] 行业面临挑战 - 与会计和ERP系统集成至关重要，但与本地软件集成仍是挑战，尤其对使用过时遗留系统的公司而言 [25] - 技术发展迅速，给行业参与者带来了持续技术进步压力 [26]

后端即服务定义与核心特点 - 后端即服务是一种云计算服务模型，旨在通过提供托管的后端基础架构来简化和加速应用程序开发过程，使开发人员能专注于前端开发而无需关注后端基础设施细节 [1] - 核心特点包括：提供数据存储和管理功能，开发人员可通过API进行数据操作而无需编写复杂后端代码 [2]；提供用户管理和身份验证功能，可轻松创建用户账户、管理权限并实现身份验证与授权 [2]；允许开发人员编写和部署云端执行的云函数以处理业务逻辑，减轻客户端负担 [2]；提供文件存储和管理功能以支持应用程序的文件操作需求 [2]；提供实时通信和推送通知功能，可实现实时聊天、数据同步和推送通知 [2] - 使用后端即服务可快速构建和部署应用程序，减少开发周期和成本，提高开发效率，同时提供可根据应用程序需求动态调整的可扩展性和弹性 [2] 后端即服务产业链与主要参与者 - 产业链核心参与者包括：云服务提供商，如亚马逊AWS、微软Azure、谷歌云等，提供基础设施和平台以支持后端即服务运行 [3]；后端即服务提供商，如Firebase、Parse、Kinvey等，在云服务基础上构建并提供更高层次的服务 [3]；开发者和应用程序作为最终用户，使用后端即服务来简化和加速开发过程 [3]；第三方服务提供商，提供如实时通信、推送通知、支付服务等附加功能和服务 [3] - 开发工具和集成平台在产业链中扮演重要角色，提供开发环境、调试工具和集成接口，帮助开发者更高效地使用后端即服务 [4] 后端即服务市场PEST分析 - 政治因素：政府对云计算和数据隐私的监管政策可能对产业产生影响，数据保护法规和隐私政策可能影响后端即服务提供商的数据存储和处理方式 [7]；政府对数据主权的要求可能影响后端即服务的地理位置选择和数据存储方式，一些国家可能要求数据在本地存储 [7] - 经济因素：后端即服务可帮助企业降低开发和运维成本，在经济不景气时企业可能更倾向于采用以降低开支 [8]；市场竞争激烈，各大云服务提供商和后端即服务提供商争夺市场份额，可能导致价格竞争和服务创新 [8] - 社会因素：移动应用的普及推动了对后端即服务的需求，人们对移动应用便捷性和实时性的需求促进了后端即服务发展 [9]；随着数据泄露和隐私问题增加，人们对数据隐私和安全的关注提高，后端即服务提供商需加强数据保护措施 [9] - 技术因素：云计算技术的发展为后端即服务提供了基础，随着技术不断成熟和普及，后端即服务得到更好支持和发展 [11]；不断涌现的开发工具和平台使得后端即服务的开发更加便捷和高效 [11] 全球后端即服务市场发展概览 - 市场规模正在快速增长，预计到2026年，全球后端即服务市场的价值将达到数十亿美元 [12] - 市场增长受到多个因素驱动，包括移动应用的普及、云计算技术的成熟、开发效率的提高以及对数据隐私和安全的关注 [14] - 市场竞争激烈，主要由大型云服务提供商和专门的后端即服务提供商主导，亚马逊AWS、微软Azure、谷歌云等大型云服务提供商在市场份额上占据主导地位，而Firebase、Parse、Kinvey等后端即服务提供商则专注于提供更高级的后端功能和服务 [14] - 后端即服务广泛应用于各个行业和领域，移动应用开发是最主要的应用领域，此外还在游戏开发、物联网、企业应用等领域得到广泛应用 [14] - 市场正朝着更加智能化和个性化的方向发展，随着人工智能和机器学习的发展，后端即服务提供商开始提供智能化的功能和服务，如自动化推荐、智能分析等，同时个性化的后端即服务也受到越来越多的关注 [14]

文章核心观点 - 气候变化是全球性严峻挑战，加强气候风险管理是保险再保险行业的必答题，需融入金融治理全局 [1][2] - 中国再保通过科技赋能与体系创新，正从传统风险承担者向事前预警、事中减损、事后速赔的赋能者转型 [4] - 公司发布《应对气候变化行动纲要（2025—2035）》，提出两步走发展目标及十大行动举措，旨在成为气候风险管理领域的领军企业 [7][8] 气候风险对保险业的影响与挑战 - 2024年全球自然灾害造成总体损失约3200亿美元，保险损失约1400亿美元，远高于过去30年平均水平 [2] - 天气灾害相关的损失占比极高，占总体损失的93%和保险损失的97% [2] - 加强气候风险管理是保障行业稳健经营、履行社会责任、服务国家战略的内在要求 [2] 金融机构气候风险管理的战略建议 - 坚持系统观念，将气候风险管理融入宏观审慎管理、微观审慎监管等金融治理整体框架 [3] - 坚持国际视野，积极对标国际先进标准，推动气候信息披露、压力测试等领域的标准对接 [3] - 坚持底线思维，加强气候风险识别、评估与监测能力建设，完善压力测试体系，守住不发生系统性金融风险的底线 [3] 中国再保的实践探索与体系构建 - 初步搭建应对气候变化和巨灾风险的完整体系，包括成立行业唯一巨灾模型公司，研发地震、台风、洪水模型及风险地图 [4] - 率先在百慕大和香港发行巨灾债券，成立气候风险研究中心并发布国内首个气候变化风险洞察平台 [4] - 在央行指导下研究推进台风、洪水等气候物理风险的压力测试模型研发 [4] 科技驱动下的再保险功能重塑 - 利用人工智能、机器学习、强大算力及数据共享等科技手段重新认知和定义气候风险 [4] - 战略转型路径围绕三方面：通过精准数据量化风险为定价提供依据、构建组合管理免疫系统、协同赋能各类机构提升韧性 [4] - 再保险功能包括发挥乘数效应增强承保能力、助力未雨绸缪强化风险预警、推动绿色转型改善生态环境、联结资本市场提升体系韧性 [5][6] 未来发展规划与目标 - 发布十年行动纲要，提出两步走目标：到2030年成为国内应对气候变化风险管理领域的领军型保险企业 [7] - 到2035年建设成为应对气候变化一流金融企业，成为保险业核心引领者和国家气候风险综合治理的中坚力量 [7] - 纲要提出十大行动举措，涵盖完善国家巨灾保险顶层设计、提升行业保障水平、服务金融领域风险管理、深化科技创新等多个维度 [8]

量化T0算法核心机制 - 基于机器学习研究海量数据以发现规律[3] - 可同时操作几千只股票并严格执行交易纪律[3][5] - 通过TICK级订单解析和复盘行情提取基础信号[3][5] - AI智能选择交易方向并判断先买还是先卖[7] 智能T0算法交易服务 - 投资者将持有的股票底仓授权给算法 由算法在日内自动进行低吸高抛[5] - 目标为保证收盘时底仓数量不变 达成底仓T0增厚效果[5] - 策略授权前需投资者确认标的、数量、时间等交易要素并预留充足资金[5] - 策略运行过程中投资者可随时停止策略[5] 算法交易潜在风险场景 - 存在"做反"风险即低卖高买 无法保证每次交易都盈利[8] - 振幅较小、流动性较差、换手率低的标的胜率较低 更容易出现做反或价差无法覆盖成本的情况[8] - 可能产生"敞口"即多买或多卖 使底仓数量发生变化[9] - 敞口形成原因包括标的涨跌停、账户资金或可用数量不足、无买入权限及市场流动性不足[9] 风险应对与适用场景 - 应对"做反"风险可通过长期授权兼具波动性、流动性、相对分散的股票组合来尝试降低[9] - 敞口形成后策略无法自动处理 需投资者按需择时手工处理[9] - 与手工交易存在潜在冲突 若持仓被算法外交易卖出 策略可能将已卖出股票买回[9] - 适用场景包括底仓长期稳定的投资者、当前持仓处于亏损希望降低成本的投资者、以及长期持有者如市值股和ETF成分股持有者[11]