核心观点 - 未来海战乃至海军力量竞争的核心，已从比拼传统硬件规模（如最大军舰、最多潜艇）转向比拼“人机协同”的深度与速度，胜利将属于能够最快、最有效地将人类智慧与机器智能融合，从而在谋略、机动和打击上超越对手的海军 [1][17] - 人工智能和自主系统并非要取代人类，而是海军技术演进历史中的最新篇章，其核心在于人类与机器如何协同工作以赢得战争并制霸海洋 [1][17] 历史演进规律 - 海军技术的每一次重大革新（如蒸汽动力、铁甲舰、潜艇、航空母舰、雷达与声纳）初期都引发对人类角色被取代的恐惧，但最终都演变为人与新技术的伙伴关系，共同工作而非相互取代 [3][4][20][21] - 当前关于海上人工智能的辩论是同一历史规律的重演，真正的趋势是“重新协商”角色分工，而非简单的取代，人工智能和自主系统注定成为长久人机伙伴关系中的新一层 [4][21] 当前发展现状 - 无人水面艇、水下无人机及由它们组成的实验性“幽灵舰队”已在全球海洋执行侦察、巡逻甚至打击任务，标志着未来海军雏形的出现 [6][22] - 具体案例包括：美国海军专为追踪潜艇设计的“海猎手”自主舰艇；“霸主”幽灵舰队舰艇如“游侠”和“游牧者”已基本自主完成越洋航行并发射SM-6导弹；澳大利亚正在开发“幽灵鲨”超大型自主水下航行器以补充有人潜艇 [6][23][24] - 自2022年以来，乌克兰在黑海通过结合无人机、自杀式海上无人机和传统武器，有效骚扰并重创了规模大得多的俄罗斯舰队，证明了低成本无人系统的巨大效能 [6][24] - 在这些实践中，人类始终处于控制回路中，负责任务设计、边界设定、目标批准和行动决策，而机器则扩展了作战范围、持久性和精度，正在悄然重塑海上力量形态 [7][24] 人机协同的必要性与优势 - 现代海战决策时间尺度已被压缩至分钟、秒甚至毫秒级（例如应对无人机与导弹混合齐射），任何人类操作员都无法单独快速处理来自多源传感器和情报的原始数据 [8][25] - 任何人工智能系统也无法理解危机的政治、文化和伦理背景，或预判对手对风险、荣誉的认知 [8][25] - 因此，必须构建人机团队：机器负责处理无休止的监视、关联、预测工作，将“战争迷雾”转化为清晰的态势感知；人类负责判断框架、评估风险并做出最终决策 [8][9][26] - 这种伙伴关系的最大优势在于实现更快、更优的决策，从而在竞争中取得胜利 [9][26] 未来海军建设要求 - 需要建立明确的可委托事务条令，机器可在严格界定范围内建议和执行，但人类必须保留对使用致命武力的最终决策权 [10][27] - 需要建立可追溯审计的技术架构，记录人工智能的建议与数据输入 [10][28] - 需要在系统设计中融入克制机制，如地理围栏、明确的识别阈值等“刹车”装置以降低失控风险 [11][28] - 需要高度聚焦网络安全，因为被攻陷的人工智能将成为嵌入决策循环的敌方滩头阵地 [12][29] - “人机协同”不仅关乎作战效率，更关乎维护军事行动的合法性 [13][30] 海军面临的发展路径选择 - **路径一：抵制转变** 固守有人操作平台，仅对无人系统进行浅尝辄止的试验，将人工智能视为威胁，此路径在危机中可能因对手集成化人机舰队更快速的思考与行动而陷入被动 [18][34] - **路径二：鲁莽自动化** 追逐成本节省与眼球效应，在缺乏充分条令、训练或伦理保障的情况下推进“机器人舰队”，存在导致战略误判、海上事故和公众反对的高风险 [18][34] - **路径三：审慎设计团队** 投资于从初始便将人与机器并置的架构、训练体系和法律框架，让各方各司其职，发挥所长，这是造就一支既高效又具合法性的海军的道路 [18][31][34] 最终展望 - 历史表明，学会信任新技术（如雷达与声纳）同时不放弃指挥与判断的舰队赢得了决定性战役 [15][32] - 到2040年代，海洋将充斥着机器船体、静默水下装置与无形软件代理，那个时代的制海权将属于人类与机器已真正学会共同思考的海军 [15][32] - 未来的海军，是人与机器协同的智能团队 [16][33]

文章核心观点 - AI客服凭借“降本增效”优势已成为国内各行业服务标配，但普遍存在理解能力不足、机械回复、人工转接困难等问题，导致用户体验不佳，技术未能真正赋能体验[1][5] - 当前AI客服的诸多问题源于企业过度追求成本优化，将客服视为成本部门，在技术投入和价值导向上存在偏差，甚至将“解决率”偷换为“拦截率”作为KPI[11] - AI客服的真正价值在于“增质”而非单纯“降本”，应作为“首席情报官”进行市场洞察，将用户需求转化为产品迭代，未来突破点在于“人机协同”与闭环数据调优，以从“拦截者”进化为“连接者”[12][13] AI客服行业现状与市场应用 - AI客服基于自然语言处理、语音识别等技术，代替人工客服理解需求、回答问题，随着国产AI大模型落地普及，已成为各行各业服务用户标配[1] - 市场上宣称低价好用的AI客服服务商众多，例如有服务商提供首月试用299元，包年服务6999元的套餐，按同等工作量计算比雇佣人工客服划算得多[7] - 一套AI客服套餐（如一个月1万点算力，服务三个店铺）可处理约2000个客户咨询[8][9] - 基础版AI客服系统只能应对简单咨询，回复易产生“模板”感，其核心依据是预设知识库[10] AI客服面临的主要问题与用户痛点 - AI客服存在明显理解能力不足问题，常出现答非所问、自说自话、模板化明显等情况，而人工客服接入障碍重重，严重影响用户体验[5] - 用户遇到复杂问题时，AI客服列出的常规选项往往不相关，转接人工服务过程繁琐，例如有案例显示需人工转接4次才接通，反而更费时间[5] - 现阶段AI客服尚未深刻掌握人类情绪的细微变化和跟进，更多呈现的是“话术”，缺乏解决问题的诚意[5][6] - 许多企业为降低人工成本，主动设置跳转至人工坐席的障碍，将AI客服部分功能调整为“拦截用户请求”，在小商家中此“服务”思路更为显著[7] 企业部署策略与技术成本 - 企业能自主决定用户寻找人工客服的难易程度，技术人员可根据企业需求为AI客服系统设置“兜底回复”策略，例如设定几轮对话后转人工，或识别特定关键词后转人工[6][7] - AI客服系统的智能化程度依赖于知识库的丰富程度，需要企业“投喂”内部知识库进行训练，如同培训新员工[10] - 若不对AI客服进行持续调优，其表现会比较“傻”，而调优功能（由训练师操作）费用约为一年5000元[10] - 要使AI客服更人性化，需要投入高质量的对话数据、持续的场景调优以及多模态技术，这些成本相对较高[11] 行业专家观点与未来发展方向 - 当前技术短板在于对客户意图识别差、无法记忆上下文、情绪感知弱，许多企业使用的是模块化问答引擎，并非真正的AI[11] - AI客服的真正价值是充当“首席情报官”，进行7×24小时市场洞察，将AI回答不了的问题（即客户需求）汇总并自动生成报告，推送给产品研发部门，将刁钻提问转化为产品迭代[12] - 未来突破点在于“人机协同”，通过闭环数据持续调优，在可控成本内无限贴近用户需要的“个性化服务”[12] - 在大模型技术加持下，若企业将客服部门视为创造用户体验与数据价值的核心环节，投入资源构建深度学习的循环系统，AI客服能从“拦截者”进化为“连接者”，反向优化产品和服务[13]

文章核心观点 - 智能船舶的发展是全球航运业应对供应链重构、环保法规升级及能源转型等挑战的关键路径，行业对此抱有开放和期待的态度[1] - 智能船舶的发展是一项涉及技术、标准、法规、商业模式和产业生态的复杂系统工程，既是挑战也是产业整体升级的历史机遇[1] - 智能船舶的终极目标并非完全取代人类，而是实现“人机协同”，将船员角色从传统操作者升级为系统的管理者、监控者和最终决策者[7] 行业发展驱动力与挑战 - 全球航运业面临供应链重构、环保法规升级、能源转型加压等多重挑战，数字化、智能化被视为破解发展难题的关键路径[1] - 行业面临三大具体挑战：海洋环境复杂多变对智能系统稳定性构成极限施压；船员短缺问题突出，智能化从备选项升级为必选项；远洋航行船岸通讯困难，使得“船端自主”能力重要性凸显[2] - 现有航海工具（如电子海图、航海雷达）存在缺陷，在面向无人或高度智能化未来时，其短板是智能航行系统需要面对的问题[2] 技术研发与实践路径 - 融合人工智能与机器视觉的智能化探索成为行业焦点，例如中远海科开发的船舶航行智能安全系统，聚焦增强瞭望、避碰预警、靠离泊辅助、智能安防、船岸协同管控五大功能[2] - 以靠离泊操作为例，辅助靠离泊系统借助先进技术手段，使操作更安全、高效、精准，宛如为船舶配备“智慧领航员”[3] - 智能船舶技术落地的核心路径是长期验证与迭代，数字化和自主化的成熟需依赖海量场景数据的积累与反馈闭环，感知决策算法需在真实环境中持续迭代[3] - 技术发展要求产学研用形成长效协作机制，涉及传感器冗余设计、边缘计算架构的动态适配、数据驱动的算法迭代等工程实践[3] 规则、标准与产业链协同 - 智能船舶发展必然向全产业链协同创新演进，起点体现在规则与标准层面的重新审视[4] - 现有国际海事组织(IMO)基础规则要求船上配备最低限度人员，但未能充分解决海上自主水面船舶(MASS)的相关问题，未能提供额外指导[4] - 非强制性MASS规则将于2026年完成定稿，强制性MASS规则将于2028年开始制定，最晚2030年7月通过，并于2032年1月1日生效[5] - 现有MASS规则主要为原则性内容，如何转化为具体的设计指南和操作规范需要整个产业进行实践[5] - 中国力量积极参与国际规则制定，例如上海船舶研究设计院牵头提交的提案被IMO海上安全委员会会议采纳，未来将持续为MASS规则制定贡献中国智慧[5] - 国际合作是破解智能船舶技术标准碎片化的关键，需建立跨域兼容的技术框架，推进技术接口标准化，构建国际化的测试数据库共享平台[5] - 未来在以MASS规则为基础的背景下，MASS船型及系统将被重构，测试验证体系也将不断完善[6] 人机协同与系统设计 - 智能船舶发展的核心命题是如何在释放人工智能潜能的同时，找到“人机”和谐共融的平衡点[7] - 一种技术逻辑是发挥人工智能的能力，同时将其缺陷关在“笼子”里，例如通过人工智能进行建模和感知，再通过传统经典算法去做控制、预测和策略环节[7] - 从系统工程设计角度，船舶正经历从“以人为核心”到“人机协同”的深刻转变，这要求定义操作模式并厘清人机运行边界[7] - 智能船舶系统必须在可量化、可观测的工况下运行，一旦系统感知到即将或已经超出控制范围或自身出现故障，必须能够无缝“降级”或清晰、及时地将控制权交还给人类船员[7] - 业界普遍认为，即便发展到“MASS阶段”，大型远洋船舶上仍会有船员，其角色将从传统的操舵瞭望者，升级为系统的管理者、监控者和最终决策者[7] 行业展望 - 智能船舶的浪潮已至，它不会瞬间转变所有传统航运方式，但必将深刻重塑航运的每一个环节[8]

行业技术发展现状 - 环卫机器人已从技术展示阶段进入日常城市治理应用，在深圳多个街道承担人行道、街角及城中村路段的清扫作业 [1] - 机器人识别垃圾面临高难度挑战，需识别烟头（仅几个像素大小）、随风飘动的塑料袋、与地面融为一体的落叶等无固定形状和稳定边界的开放集合物品 [5] - 机器人执行层面需超越简单识别，理解垃圾与地面的关系（包括材质、湿度和附着程度）并动态调整作业方式，具备力控与操作智能而非仅完成导航 [6][7] - 现实场景中大量非线性任务（如从绿化带深处拾取垃圾、掏取垃圾桶内残留物）仍无法由现有设备接管，需人工完成 [15] 商业模式与成本效益 - 商业模式成立的关键在于设备折旧、能源与维护总成本需低于替代的人工成本：深圳一位环卫工人年均综合成本约7万元，替代3位工人年成本约20万元 [12] - 投入环卫机器人后，项目成本结构从人力为主转向设备为主：人力成本占比从50%降至30%，机械化投入从30%提升至40% [12] - 成本下降关键并非完全无人化，而是通过人机协同实现效率提升：原本1名工人负责1公里作业面，现1人与1台机器人可共同清扫7-8公里人行道 [12] - 规模化投入是推动成本下降和利润率上升的关键，随着设备规模扩大，成本自然下降 [13] 运营与监管体系演进 - 监管考核方式从人工抽查转向实时数据监测：深圳市通过近1万台公交车、出租车和网约车自动拍摄路面状况图像进行数据检测和评分排名，结果直接影响项目结算 [14] - 部分街道合同明确写入与评分排名挂钩的条款，排名靠前不扣款，落入末位需承担罚金 [15] - 现阶段的环卫项目中，人工角色转变为巡检、风机归拢与补位，而非重复性劳动，原有环卫工人经短期培训后可与机器人搭配上岗 [12][13] 市场拓展与竞争格局 - 行业企业开始试水海外市场，例如公司已在新加坡业务落地，并计划拓展至阿布扎比等具备人力成本、城市体量和治理模式基础条件的市场 [15] - 多家环卫装备企业布局海外：劲旅环境与土耳其签署合作框架协议，盈峰环境泰国工厂年产1000台环卫装备，福龙马推出国际定制产品线 [15] - 当前行业竞争焦点从比拼技术参数转向规模能力、运营经验、数据闭环和政策对接能力，关键在于以可预测成本、稳定作业质量和可量化治理成效实现商业化落地 [16]

全球AI教育应用现状与趋势 - 中国在AI教育领域的应用已走在世界前列，其渗透深度与广度尤为突出，作为技术应用的先行者，正更早、更全面地体验其效应[1] - 全球不同社会对AI教育工具的态度存在分歧，一些社会担忧AI会剥夺学生学习机会并禁止使用，而另一些社会（特别是华人社会）则迅速跟进，将其视为一种工具[3] - 经济合作发展组织（OECD）教育与技能总监指出，AI既能实施个性化学习、弥补缺陷、赋能教师，也可能导致认知懒惰、加剧不平等，关键在于平衡[5] AI对教育模式与生态的重塑 - 行业正经历从知识传授到以能力为基础的深刻蜕变，教育的重心从“学什么”转变为“为何学”、“如何用”，即从记忆知识转向培养理解、批判及创造能力[4] - 未来是“人教机、机教人”的共生时代，教育的使命在于借助AI培育更具批判性思维、创造力及正确价值观的新一代，达成人机协同进化[4] - 应探索以培训、课程规划及案例指导等多举措协同推进师资AI素养提升，以化解教师“不会用、不愿用、不能用、不敢用”的困境[4] AI教育应用的核心挑战与风险 - 存在“厌学厌生”的普遍现象，被视为一种源于知识与生活脱节的隐性疫情，AI技术在其中产生的影响引人深思[1] - 联合国教科文组织（UNESCO）强调AI暗含伦理风险，包括个体学习数据隐私泄露、学术诚信及批判性思维削弱等[6] - 尤其需警惕青少年使用AI伴侣的新型风险，一项联合国调查显示超过70%的青少年使用过AI伴侣，其中一半使用频繁，超1/3转而向AI寻求情感社交支持，极端案例可能导致情感依赖、社交技能损害甚至诱发自杀行为[6] 未来教育的发展方向与应对策略 - AI在教育中的应用应致力于赋予学生更多自主学习空间，而非剥夺其独立思考的权利，呼吁教育者创造有利环境，“把生活还给学生”[1] - 需确保人在人机协同中居于主导，通过重构教育支撑体系，达成人机深度融合的教育新生态[4] - 教育者应保留闭卷考试以夯实基础能力，同时设计开卷任务培养高阶思维，并主导AI工具使用、参与评估过程，重视批判思维、创造力等人类核心能力[5] - 学生需具备情感共情与终身学习能力，不同年龄段的AI素养培养须与相应需求适配，使用AI时要先明确边界并关注知识产权、互动边界等深层次问题[5] - 必须理性利用AI，避免过度依赖，核心在于通过教育捍卫人类的独特性、自主性与情感价值，教育应从功利的工具性转向注重体验性，重拾哲学与人文教育的价值[8][9]

AI重塑量化投资底层逻辑 - 人工智能大规模应用推动量化行业呈现前所未有的跃迁 投研体系与技术能力产生化学反应[1] - 行业变化体现为数据边界急剧拓宽 从结构化财务数据扩展到公告文本、舆情信息、论坛评论、图像材料甚至音视频内容等多模态数据源[2] - 中国量化行业十年前系统性引入机器学习模型 AI大模型出现让策略研发边界进一步外延 深度模型带来收益空间成为全球量化共识[2] 技术应用与策略重塑 - 机器学习一定程度上摆脱对经验丰富"老师傅"的依赖 以高效方式重新定义研究范式[2] - 在短周期策略中 行业不再只专注可解释性 深度模型虽不一定可解释但确实更有效[2] - 人工智能标志性突破为2016年谷歌AlphaGo及后续AlphaZero 显示机器在复杂决策任务中超越人类[2] AI应用挑战与局限性 - AI在回测环境表现惊人 实盘需解决解释性不够、样本外波动大、极端行情易失灵等问题[3] - 大模型本质是文字接龙概率游戏 无法天然具备因果逻辑 相关性不能预测未来 因果律才是投资核心[3] - 模型稳定性面临不可重复性和过拟合两大挑战 需将先验知识与经验嵌入模型 通过专业人员为模型加护栏减少黑箱效应[3] - AI模型存在容易过拟合、可解释性弱、过度依赖数据等问题 反对盲目跟风热点的替代式创新 强调基于既有研究优势的增量式创新路径[3] 行业发展趋势与人机协同 - 技术演进速度非常快 大模型相关知识几乎以每年一代速度更新 人才结构呈现加速年轻化趋势[3] - 收益持续守正 量化AI用奇 在稳健基础上探索技术创新 坚持价值投资理念 运用AI技术提升决策质量而非替代决策本身[4][5] - AI策略代表电脑 人工策略代表人脑 兼容并蓄的人机协同是更优资源配置思路[5] - 大模型不会只是工具 将逐渐成为投研流程的基础架构之一 从拥抱到融入AI变成投研底座能力[5] - 人机协作边界将更清晰 把已知交给机器 把未知留给人 人类在认知、判断与风险管理中承担更重要角色[5]

AI数字员工的概念与定位 - AI数字员工被描述为能够7x24小时不眠不休、高度专注地完成研发、客服、销售、运营和财务等工作的虚拟同事，实现了从工具到“同事”的跨越式发展 [2] - 数字员工是依托企业私域知识打造的智能体，能够像真实同事一样沟通、处理和解决问题，是构建企业大脑“懂组织”的重要载体 [2] - 到2030年，数字化劳动力将形成一片价值1.73万亿元的蓝海市场 [2] AI协同办公的新范式 - 协同办公软件在AI时代将转变为“知识的容器”、“数字员工的载体”以及“能力、服务的提供方”，核心方向是数据标准化、能力开放化和服务原子化 [3] - 未来AI办公的关键在于数字员工成为最好的交互方式，并参与企业数字化经营活动全流程 [4] - 员工创造的新知识会驱动新的数字化员工，数字员工反过来能帮助员工成长和辅助决策，形成“员工创造知识—知识驱动数字员工—数字员工辅助和反哺员工”的正向循环 [2][4] 金山办公WPS 365的数字员工实践 - 金山办公将数字员工升级到2.0版本，推出专注于个人和团队事务处理的小K同学（处理邮件审批、项目进度分析）和大表姐（擅长群聊信息整理）等角色 [5] - 公司开发了代码审查数字员工，将开发规范治理成知识并灌输给模型，用于所有员工代码入库时的审查 [3] - WPS 365提供数字员工开发平台，支持企业自定义AI工具，并允许用户创建离职员工数字分身以方便知识交接 [5] 行业应用与效率提升案例 - 数字员工已被广泛应用于金融业、制造业、零售业等多个行业，2025年全球应用规模预计超过5亿个 [4] - 在中集集团，通过WPS 365数字员工，会议纪要生成时间从至少2小时缩短至40分钟，并能根据用户角色生成差异化纪要内容，大幅降低模型调用成本 [6] - 在齐鲁制药，与金山办公合作的项目已实现AI写作、AI阅读、AI PPT设计等能力，公司4万名员工账号激活率达100%，日常活跃率达95.3%，累计生成在线文档超200万篇 [7][8] 市场认可与商业表现 - WPS 365已累计服务超百万企业组织客户，以及超1.8万家头部政企客户，覆盖金融、能源、通信、交通、高端制造、教育等行业 [9] - 2024年《财富》世界500强榜单上的133家中国企业中，90%使用WPS 365实现提质增效；2025年中国民营企业500强中，超七成上市公司选择WPS 365 [9] - WPS 365业务在2025年前三个季度营收分别为1.51亿元、1.58亿元和2.01亿元，连续三个季度同比增速超60%，第三季度增速达到71.61%，成为拉动公司增长的新引擎 [9]

银行AI应用趋势 - 生成式AI的快速发展推动国有大行和头部股份制银行率先开展大模型技术的应用落地 [1] - AI技术深度渗透银行业务全链条，主要应用于智能客服、智能风控、智能营销、智能运营等领域 [2] - 客户服务与风控领域的AI应用落地速度更快 [2] 具体银行AI举措 - 工商银行推动AI大模型等新技术在智能客服、员工辅助等领域融合应用 [2] - 建设银行持续深化金融大模型能力建设，累计赋能授信审批、智能客服等274个行内场景 [2] - 招商银行运用大模型技术提升服务质效，全面焕新“小招”智能服务，推动专家式、管家式服务升级 [2] - 邮储银行将于2025年12月3日23:00起，调整多个渠道的非信用卡在线客服人工服务时段为每日7:00至23:00 [1] AI对客服模式的影响 - 各大商业银行借助大模型技术对客户服务升级，体现在精准把握客户需求、提供个性化解决方案、增强交互式体验、实现全天候陪伴等方面 [2] - 人工客服与智能客服正通过“人机协同”模式构建高效服务生态 [2] - 手机银行等线上智能化服务正持续取代传统线下网点的人工服务 [2] 未来服务模式展望 - 未来AI对银行人工客服更多是赋能而非替代，银行人工客服与智能客服将持续构建协同服务生态 [3] - 智能客服处理标准化问题，人工客服解决复杂需求，通过数据共享实现智能高效与人性温度的融合 [3] - 通过“智能工具+人工专业能力”的融合，实现服务效率与客户体验的双重提升，形成“数据—训练—应用”循环 [3]

报告行业投资评级 - 报告未明确给出整体行业投资评级 [1] 报告核心观点 - 理财公司正积极增配摊余成本法债基，将其视为低利率与高波动环境下的“降波工具” [3][11] - 行业AI应用已从“人机交互”试点进入“人机协同”探索期，AI正从辅助工具演进为业务运营的核心组成部分 [3][17] - 债市呈现窄幅震荡格局，10年期国债收益率持平于1.81%，情绪或继续受抑制 [5][24] - 银行理财产品破净率环比上升0.43个百分点至1.16%，信用利差位于历史低位附近，性价比有限 [6][28] 监管和行业动态 - 2025年第四季度至2026年第一季度，摊余债基合计开放规模超过4800亿元，形成显著到期高峰 [11] - 摊余债基配置主体从银行自营资金转向理财公司，推动其底层核心资产从政金债向信用债切换 [11][13] - 招银理财“交易机器人”承担万亿级债券交易，浦银理财“AI投研”实现研报观点自动萃取，光大理财深化智能投教等应用 [3][17] 同业创新动态 - 招银理财发布全球商品融合策略指数，系统化配置商品CTA领域的基差套利、趋势跟踪与偏度策略 [4][18] - 杭银理财通过浙江省股权交易中心完成首单基金份额转让，标志着理财资金首次通过公开合规二级市场介入私募股权投资领域 [4][20] 收益率表现 - 上周现金管理类产品近7日年化收益率录得1.27%，环比下降2BP；货币型基金收益率报1.17%，环比基本持平 [5][21] - 各期限纯固收和固收+产品收益普遍下降，债市对利好因素反应钝化，整体呈震荡格局 [5][24] - 在估值整改深化与低利率环境驱动下，理财公司普遍下调业绩比较基准，理财产品收益率中长期内或仍将承压 [25] 破净率跟踪 - 上周银行理财产品破净率为1.16%，环比上升0.43个百分点 [6][28] - 信用利差环比同步走阔0.16BP，目前仍位于2024年9月以来的历史低位附近 [6][28]

大会概况 - 第九届CCEA全国营地教育大会在浙江绍兴会稽山研学国际营地举行，为期四天 [1] - 大会包含主旨讲座、圆桌论坛、平行工作坊、行业白皮书发布会、科技展览会等众多环节 [1][2] - 活动累计吸引800余名行业同仁线下参与，线上参与人数超过一万人 [5] 核心议题与共识 - 15位嘉宾围绕全球趋势、政策解读、AI与教育、心理成长与国际化实践等方向发表主旨演讲 [1] - 教育部原副司长郑增仪系统梳理了自2016年教育部等11部委联合发文以来的研学政策演进历程 [1] - 圆桌论坛就“科技赋能而不替代”达成重要共识，强调人机协同的共生理念 [1] - 行业探讨了在变革期中如何构建协同发展的共生体系，为可持续发展指明方向 [1] 重要成果发布 - 《2025全国泛营地教育行业白皮书》正式发布，CCEA理事长王世刚进行现场解读 [2] - CCEA与亚洲数据集团就办好世界营地大会、打造行业生态等达成合作意向并举行签约仪式 [2] - 大会达成多项行业共识与合作成果，为行业高质量发展注入强劲动力 [5] 未来展望与重要活动预告 - 第十三届世界营地大会（ICC2026）将于2026年11月6日-10日首次在中国大陆举办 [5] - 大会地点定于河北张家口崇礼太舞小镇，主题为以东方智慧赋能全球营地教育创新 [5]