智通财经5月22日午间新闻精选 7、美国众议院规则委员会批准了特朗普的全面减税法案，为众议院就特朗普减税法案进行全院投票奠 定基础。 1、针对网民反映强烈的算法推荐加热低俗信息、加剧"信息茧房"、加重观点极化等问题风险，中央网 信办督促指导抖音、小红书等平台针对性优化信息推荐算法功能、调整信息推荐算法规则。 8、市场早盘震荡调整，三大指数涨跌不一，北证50指数跌超4%。沪深两市半日成交额7194亿，较上个 交易日缩量318亿。截至收盘，沪指平收，深成指跌0.28%，创业板指跌0.44%。港股午间收盘，恒生指 数跌0.55%，恒生科技指数跌0.66%。 2、中央网信办决定即日起，在全国范围内启动为期2个月的"清朗·优化营商网络环境—整治涉企网 络'黑嘴'"专项行动。 5、上期所理事长田向阳在2025上海衍生品市场论坛上表示，加快推进铸造铝合金、液化天然气等品种 研发上市。 6、SWIFT数据显示，4月人民币位居全球第五大支付货币，占比3.50%。 3、比特币向上突破111000美元，续创历史新高，日内涨超2%。 4、MSCI在其网站上宣布，宁德时代在香港上市的股票将自6月2日起加入MSCI中国标准和大盘股指 数 ...

算法治理专项行动 - 中央网信办针对算法推荐加热低俗信息、加剧"信息茧房"、加重观点极化等问题开展专项治理，督促重点平台优化算法功能与规则 [1] - 抖音、小红书、微博、快手、微信视频号、哔哩哔哩等平台签署"算法向善"南宁宣言，系统性完善内容审核、算法透明度及用户偏好管理 [1][6] 算法透明度提升措施 - 抖音通过"安全与信任中心"网站及开放日活动公开推荐逻辑、干预机制及治理成效 [2] - 微博公示热搜上榜规则与数据规则，上线热度标签标示推动因素 [2] - 微信视频号发布《一图读懂微信视频号算法推荐》等图文视频材料向用户公示算法原理 [2][6] "信息茧房"破解创新 - 抖音升级"使用管理助手"，以可视化形式呈现用户近期浏览内容偏好 [2] - 小红书推出"内容偏好评估与调节"及"探索更多"功能，支持一键获取多元化内容 [2][6] - 快手通过正能量算法强化"正向""有用""温暖"内容挖掘与推荐 [2] 推荐内容审核机制 - 微信视频号采用"好友推荐+算法推荐"双机制，迭代识别模型禁止低俗信息进入推荐池 [3] - 抖音推出热点当事人核实机制，打击摆拍造假、仿冒蹭热等恶意传播行为 [3] 用户赋权功能优化 - 快手提供滑动调节兴趣标签功能，支持用户自定义内容推送强度 [3] - 微博设置"不感兴趣""不看此博主"等负反馈选项精准响应用户需求 [3] 平台公告与功能升级 - 抖音公告多措并举赋能用户管理推荐内容 [6] - 小红书发布内容偏好调节功能指南 [6] - 微信视频号优化算法推荐并上线兴趣探索功能 [6] - 哔哩哔哩推出个性化内容推荐算法新功能 [6]

报告公司投资评级 - 维持“增持”评级 [1] 报告的核心观点 - 奥普特2024年业绩短期承压但重视研发，2025Q1营收因产品结构优化及AI算法升级推动3C电子领域需求回暖而增长 [2] - 技术突破驱动应用深化，在锂电、3C电子、半导体和汽车领域有显著进展 [3] - 预计公司2025 - 2027年营收和归母净利润增长，维持“增持”评级 [4] 根据相关目录分别进行总结 业绩情况 - 2024年营收9.11亿元，同比 - 3.44%；归母净利1.36亿元，同比 - 29.66%；扣非净利润1.16亿元，同比 - 28.62%；毛利率63.57%，同比 - 0.66pct；净利率14.95%，同比 - 5.57pct；研发投入2.17亿元，同比增长7.28%，研发投入占比达23.81% [2] - 2025Q1营收2.68亿元，同比 + 18.09%；归母净利0.58亿元，同比 + 0.97% [2] 各领域业务进展 - 锂电领域：高精度成像技术及AI检测方案在核心工艺突破，模型与数据共享使项目实施效率提高50%，XG系列相机检测率达99.8%，覆盖头部厂商 [3] - 3C电子领域：2024年营收58,478万元，同比增长0.74%，10GigE相机成像一致性提升约10% [3] - 半导体和汽车领域：半导体行业收入5,081万元，同比增长44.08%；汽车行业收入3,210万元，同比增长89.95%，晶圆缺陷检测达亚微米级精度，芯片缺陷检测精度达0.2μm [3] 投资建议与盈利预测 - 预计2025 - 2027年营收分别为10.99/13.21/15.74亿元，归母净利润分别为1.96/2.45/2.97亿元，对应EPS为1.60/2.01/2.43元/股，对应PE估值分别为54/43/36倍 [4] 财务数据 - 2023 - 2027年营业收入分别为9.44/9.11/10.99/13.21/15.74亿元，收入同比分别为 - 17.27%、 - 3.44%、20.62%、20.17%、19.11% [6] - 归母净利润分别为1.94/1.36/1.96/2.45/2.97亿元，同比分别为 - 40.37%、 - 29.66%、43.66%、25.34%、21.00% [6] - ROE分别为6.73%、4.67%、6.35%、7.49%、8.47% [6] - 每股收益分别为1.58/1.11/1.60/2.01/2.43元 [6] - 市盈率分别为54.89/78.04/54.32/43.34/35.82倍 [6]

智能科技与体育训练 - 中国乒乓球实验室采用高速摄像机、SIMI动作捕捉系统、红外动作捕捉系统等设备，实时采集百余项数据并生成三维运动轨迹，推动训练模式从"经验驱动"转向"数据智能" [3] - 竞技体育的算法革命通过多模态传感器阵列和激光扫描系统，将运动员的"直觉天赋"转化为可量化、可迁移、可迭代的智能资产 [3] - AI技术正在解构顶尖运动员的直觉能力，并可能重构制造业、医疗、农业等产业的升级路径 [3] 技术应用与行业融合 - 智能训练系统的200余项数据建模技术逻辑与康复医疗领域高度契合，例如外骨骼机器人需根据患者个性化数据制定康复方案 [4] - 工业质检更依赖静态视觉识别，而医疗康复要求更高的动态数据交互，未来可通过提升数据精度与全流程闭环优化推动AI深度渗透 [5] - "传感器阵列+边缘计算+数字孪生"技术组合正在重塑汽车行业（自动驾驶）、制造业（设备预测性维护）、农业（作物生长模拟）等领域的智能化路径 [6] AI产业化竞争逻辑 - AI产业化向"端到端交付能力"进化，乒乓球训练系统的设备层、平台层、服务层三重架构反映了这一趋势 [7] - 下游客户更倾向一站式解决方案，头部企业通过"数据中台+行业模型"模式降低应用门槛，垂直领域企业则依托全栈能力构建壁垒 [7] - 未来竞争将聚焦"技术深度"与"场景贴合度"的双重优势 [7] AI商业化路径 - AI商业化需在"行业专精"与"泛化能力"间权衡，医疗领域通过行业知识+AI技术融合可开发出诊断级应用 [8] - 垂直场景做透路径更受青睐，因细分领域数据壁垒高且行业痛点多需定制化方案 [8] - 横向拓展依赖生态整合（如跨行业数据平台），但短期难成主流 [8] 行业大模型发展趋势 - 未来三年制造业、医疗等行业将涌现专用模型，驱动力包括场景强需求（工业质检、医疗诊断）和数据安全性 [9] - 中长期跨域智能体或出现于相近行业（如智慧城市整合交通、环保数据），但通用智能体受限于数据壁垒与算力成本 [9] - AI产业化正从技术突破走向生态竞合，行业大模型将率先打开商业化闸门 [9]

阿里巴巴离职创业人才 - 阿里巴巴初创团队成员孙彤宇于1999年加入公司，2003年创建淘宝网并担任总裁，2008年离职 [1] - 何小鹏2004年联合创立UC优视（UC浏览器用户超4亿），公司被阿里巴巴收购后离职创办小鹏汽车 [1] - 阿里巴巴向互联网行业输送了多位成功创业者，形成人才溢出效应 [1] 算法题解析 - 题目要求在有概率权重的无向图中计算起点到终点的最大成功概率路径，概率为边权乘积 [3] - 示例1展示两条路径概率计算：直接路径0.2 vs 间接路径0.5*0.5=0.25 [3] - 示例2说明节点无连通时返回0 [4] 技术实现方案 - 采用SPFA算法变体，通过最大堆优化路径选择，概率值作为排序依据 [4] - 邻接表存储图结构，visited数组标记出堆节点避免重复计算 [6] - JAVA/C++实现均使用优先队列处理节点，概率相乘更新路径值 [6][8] 算法约束条件 - 节点规模2 ≤ n ≤ 10^4，边数不超过2*10^4 [5] - 概率值范围0 ≤ succProb[i] ≤ 1，节点间最多存在一条边 [5] - 要求结果误差不超过1e-5 [3]

算法对思维方式的影响 - 互联网算法通过用户行为数据构建"兴趣画像"，导致信息茧房效应，用户对相左观点的包容度大幅下降，批判性思维能力退化 [2] - 长期沉浸于算法推荐内容的用户主动构建知识体系的能力逐步丧失，思维逐渐僵化 [2] - 高考生家庭依赖短视频平台获取志愿填报信息，导致超八成本科专业未被算法推荐覆盖，加剧社会认知断层和专业人才供给失衡 [3] 算法对情绪状态的影响 - 算法利用"黄金五秒法则"制造即时快感，用户陷入"刷屏-愉悦-空虚-继续刷屏"的成瘾循环 [4] - 接触个性化推荐的用户情感极化得分远高于普通用户，算法推送的负面情绪内容导致抑郁焦虑等不良情绪显著上升 [4] - 每天浏览社交媒体平台超3小时的青少年更容易出现抑郁、焦虑、攻击性和反社会行为等心理健康问题 [4] 算法对身份认同的影响 - 近一半Z世代认为"账号形象比真实自我更符合期待"，点赞数和粉丝量成为价值标尺，导致"脆弱的自恋"心理 [5] - 算法带来的"窥视-表演"二元冲突加剧心理耗竭，过度参与虚拟社交导致现实社交能力快速下降 [6] 算法对行为模式的影响 - 算法通过"负反馈强化"机制制造行为依赖，用户离开算法会感到焦虑，行为已受算法支配 [7] - 电商平台数据显示用户浏览健身视频后运动装备购买转化率数倍提升，但实际使用率不足三成，算法诱导非理性消费 [7] 应对算法影响的建议 - 个人应设置"信息斋戒时间"，接触非算法推荐内容，主动搜索对立观点以拓宽信息认知边界 [8] - 中小学应开设算法辨析课程，培养学生的"信息反脆弱"能力，增强对信息的辨别和批判能力 [8] - 专业监管应要求平台公开算法逻辑，设立"认知健康"评估指标，对算法推荐内容进行严格监管 [8]

智通财经5月21日电，美国行政管理和预算办公室主任沃特表示，穆迪调降评级是企图算准时机影响美 国通过预算法案的能力。 ...

美国管理和预算局主任Vought：我认为预算法案将在本周通过，我很乐观。 ...

美国管理和预算局主任Vought：穆迪下调评级是在试图把握时机，危及我们通过预算法案的能力。 ...

纪要涉及的行业和公司 - **行业**：机器人动捕设备行业 - **公司**：海外的 Tesla、Adesso；国内的小鹏汽车、腾讯、谥源公司 [4][13][16] 纪要提到的核心观点和论据 数据采集模式 - 四种主要模式为真实动捕训练本体、动捕结合虚拟引擎、纯动捕系统和模拟合成数据，有效数据比例差异显著，影响训练效果和成本 [1] - 真实动捕训练本体采集的数据最真实有效，但成本高，有效数据比例约 30% - 50%；动捕结合虚拟引擎成本低，一天可采集 15 - 20 分钟数据，但缺验证过程；纯动捕系统可采集大量数据，但有效数据比例低，映射效果待验证；模拟合成数据用于大规模训练，备受争论 [2] 海内外公司数据采集手段 - 海外公司如 Tesla 批量采购 Adesso 设备，采用真人动捕训练和虚拟仿真 DNF 模式 [1][4] - 国内公司多处于技术验证阶段，采用遥操动捕设备和少量设备结合真人动捕与虚拟 YDF 模式 [1][4] 数据有效性衡量 - 通过真人动作初步验证和机器人反向验证姿态衡量，行业内尚无统一标准，涉及多传感器信息融合确保评估结果可靠性 [1][5] 数据积累与复用 - 简单动作如抓水杯需 3 - 5 小时数据积累，通用泛化性需几十万甚至数百万小时 [5] - 数据复用关键在于重定向过程，将人的高自由度数据映射到机器人，难点是末端精度协调和自然衔接 [1][6] 数据采集效率与成本 - 数据采集效率极低，1300 秒数据需经验丰富动捕专家用上百万设备连续工作十几天，核心问题是虚拟本体软件不成熟，与真实物体交互有挑战 [1][6] - 数据采集成本按秒计算，有效数据每秒约 300 元，重复数据每秒约 60 元，预计未来 1 - 3 年成本降至 200 元左右，大量用学生参与有望降至百元以下 [3][14][22] 动作捕捉技术问题与解决 - 主要问题是映射问题，即人的动作和机器动作协调性，解决核心是提升数据映射算法，常用方法是舍弃姿态追求精度 [3][7][9] 数据工厂作用 - 可实现高效数据收集，一家企业建数据工厂可用上百到千套设备采集数据，每天采 3 万分钟，一年积累 300 多万分钟，建设需政府或大型企业牵头 [10] 数据采集优先级排序 - 根据客户需求和应用场景决定，如家政、厨房、护理、救援等领域，而非按具体动作分配 [11][12] 国内大厂数据采集方向 - 集中在家政、医疗、陪伴救援等方面，如搭建家政环境、偏生产环境、展示陪伴或家政类应用 [13] 机器人本体厂商结算 - 除购设备外，需支付数据采集费用，计费方式按秒或按条，一条数据 5 - 10 秒 [15] 动捕数据与传感信息融合 - 动捕数据与力控、视觉传感信息融合是互相验证和学习过程，动捕设备用于优化和验证视觉算法 [17] - 动补、力矩和触觉信息可三合一融合，如手套采集多种数据信息 [18] 数据采集模式对训练效果影响 - 真实设备驱动真实本体最有效，但成本高、过程慢；真实动捕设备驱动虚拟人体节省成本、增加采集量；其他方法简单但有效性可能欠缺 [19] 动捕数据应用流程 - 前期结合真人操作采集数据初步训练，接着用纯合成或纯动捕数据强化训练，再用真实人和真实数据进一步训练，最后通过动环设备检验学习情况 [20] 数据采集降本方式 - 通过批量化生产降低硬件成本，与学校合作利用廉价劳动力和场地，采用半买半送模式共享数据和利益分成 [21] 动捕设备精度与应用场景 - 当前动捕设备误差度在毫米级别，映射到机器人后仍有误差，未形成精度与应用场景一一对应关系 [23] 映射算法重要性 - 对机器人性能至关重要，影响最终数据精度和训练效果，多数企业自研或委托开发映射算法 [24] 其他重要但可能被忽略的内容 - 谥源公司下了 1000 套订单但未交付，2025 年绝大多数公司处于验证阶段，零散购买设备测试 [16] - 动补企业帮其他公司设计映射方案时面临理解人体 XYZ 轴向问题，部分公司前期自研无果后转向专业公司求助 [25]