核心管理层变动 - 公司首席执行官李蓬因其个人职业选择辞任执行董事及首席执行官职务 该变动自2025年11月17日起生效 同时不再担任环境、社会及管治委员会及战略委员会成员 [2] - 李蓬已确认与董事会之间并无意见分歧 [2] - 公司任命于浩担任新任首席执行官 于浩54岁 于2021年加入公司 历任副总裁、创新发展中心董事总经理 现任前瞻技术研究院院长 [3] 管理层背景与贡献 - 李蓬自2020年起出任首席执行官 任期内引领公司战略及业务发展 在科技创新领域加大投入 提升了对被投企业的投后管理 改善了业务质量并调整了业务布局 [2] - 新任首席执行官于浩拥有深厚技术背景 获得哈尔滨工业大学电气工程学士学位、电力系统及其自动化博士学位 并完成计算机科学与技术博士后研究 曾在哈尔滨工业大学从事科研教学 并在多家跨国企业负责研发工作 推动工业视觉、物联网、大数据处理、区块链、虚拟现实/增强现实等技术的产业化落地 [3] - 于浩同时担任中国中文信息学会监事、中国人工智能学会NLU专委会副主任、国家工业信息安全发展研究中心科学技术委员会顾问及中关村100企业家俱乐部理事 [3] 公司基本情况 - 联想控股由柳传志创办 是联想集团、拉卡拉、神州数码等企业的重要股东 [4] - 截至公告当日收盘 公司股价为9.76港元 市值为230亿元 [5]

股价表现 - 2025年8月26日收盘价197.23元，较前一交易日下跌12.87元 [1] - 当日开盘价203.18元，最高价203.90元，最低价196.80元 [1] - 成交量57.92万手，成交金额115.72亿元 [1] 资金流向 - 8月26日主力资金净流出6.16亿元，占流通市值比例0.13% [1] - 近五个交易日累计净流入2690.26万元，占流通市值比例0.01% [1] 公司业务 - 主营业务为研发、设计和销售应用于服务器、工作站的高端处理器 [1] - 产品包括海光通用处理器和海光协处理器 [1] - 产品主要应用于云计算、大数据处理、人工智能等领域 [1] 行业地位 - 2024年中国加速芯片市场规模超过270万张，本土品牌出货量占比达30% [1] - 公司采用GPGPU技术路线，产品适配DeepSeek模型生态 [1] - 腾讯在业绩说明会上表示将考虑采用海光等国产厂商的推理芯片满足算力需求 [1]

公司战略与技术创新 - 公司将继续坚定自主技术创新，满足客户不同需求，巩固和提升市场地位和竞争优势 [1] - 公司致力于为产业升级、行业发展提供坚实的计算核心，同时为股东创造良好回报，为社会贡献有益价值 [1] 产品性能与商业化应用 - 深算二号已实现商业化应用，覆盖大数据处理、人工智能、商业计算等领域 [1] - 深算二号具备全精度浮点数据和各种常见整型数据计算能力 [1] - 深算二号性能相对于深算一号提升100%以上 [1]

核心观点 - 两位清华校友通过设计自我迭代验证流程和提示词优化，使Gemini 2.5 Pro在IMO题目解答中达到金牌水平 [1][4][6] - 基础大模型已具备解决复杂数学推理问题的能力，但需要特定提示词和迭代验证才能充分发挥潜力 [6][7][9] - 该方法突破了单次生成中有限推理预算和初始答案错误的局限性，将LLM潜在能力转化为严谨数学证明 [24] 技术方法 - 采用通用提示词+迭代验证流程，包括初始解决方案生成、自我改进、验证解决方案、审查错误报告、纠正改进解决方案和最终接受/拒绝解决方案六个步骤 [16][17] - 使用Gemini 2.5 Pro作为求解器和验证器，分别采用差异化提示词设计 [16][18] - 验证器模拟IMO评分专家，将问题分为关键错误和论证缺口两类，通过多次迭代降低误判影响 [19][20] - 实验选择IMO 2025题目以避免训练数据污染，设置温度值0.1减少随机错误 [20] 实验结果 - Gemini 2.5 Pro在IMO 6道题目中完成5道，其中前两道题目生成有提示和无提示两种解决方案 [23] - 未解决的第六题因验证器未能区分求解器输出的假阳性答案细节 [24][40] - 使用提示后模型一次独立实验即可解决题目，未使用时思维发散且可能需要多次实验 [39] - 不同题目需要的tokens数在300k到5000k之间，计算时间最快10分钟/题 [38] 模型对比 - Gemini 2.5 Pro在IMO测试中准确率31.55%，成本$431.97，显著高于其他模型 [9] - 对比模型表现：o3(high)准确率16.67%，o4-mini(high)14.29%，Grok 4 11.90%，DeepSeek-R1-0528 6.85% [9] - 研究人员预计使用Grok 4、OpenAI-o系列或多智能体系统可能产生更强数学能力 [25] 研究团队 - 黄溢辰：加州大学伯克利分校物理学博士，曾任职微软AI研究员，研究方向包括量子物理学和机器学习 [28][31] - 杨林：加州大学洛杉矶分校副教授，研究重点为强化学习、机器学习和优化理论，曾获亚马逊教授奖等荣誉 [33][35] - 团队证明学术界利用有限资源也能做出与大厂同等重要的成果 [36][43]