深圳无偿献血事业创新突破 - 深圳首个采用可移动方式建造、实现全流程智慧化运营的捐血站——大浪捐血站正式启用 [1] - 该捐血站填补了大浪街道固定献血设施的空白，成为龙华区布局的第四个、大浪街道首个固定捐血站 [1] - 大浪捐血站由原停放在大浪商业中心外围6年的捐血车升级建成，并移位至商业核心地带 [1] 启用仪式及参与方 - 启用仪式由深圳市卫生健康委员会、深圳市红十字会、龙华区人民政府联合主办，深圳市血液中心承办 [1] - 参与仪式的包括深圳市卫生健康委、深圳市红十字会、深圳市血液中心、龙华区委卫生工委等单位代表，以及献血者代表、志愿者代表 [1] 建设模式与效率 - 深圳市血液中心采用可移动建设模式，高效完成大浪捐血站建设，显著缩短建设周期并减少对周围环境的影响 [1] 深圳无偿献血数据 - 过去32年来，深圳全市累计献血人次突破606万，为197万临床患者提供血液保障 [2] - 截至目前，全市共有58个可提供献血服务的捐血站/车，其中固定捐血站22座 [2] 大浪捐血站运营信息 - 大浪捐血站服务时间为工作日11:30-19:00，节假日10:30-20:00 [2] - 捐血咨询热线为0755-83321999（每日8:00-17:00） [2]

生态环境部固体废物整治会议 核心观点 - 生态环境部联合多部门召开视频会议，重点部署非法倾倒处置固体废物专项整治及生活垃圾填埋场治理工作 [1] - 强调全面排查固体废物非法倾倒问题并整改，打击背后利益链条 [1] - 要求加强生活垃圾填埋场渗滤液及地下水污染隐患排查治理 [1] - 提出构建固体废物全流程管理长效机制，防止污染问题反复发生 [1] 专项整治行动 - 开展非法倾倒处置固体废物专项整治，重点排查问题并落实整改 [1] - 严厉打击非法倾倒行为及其利益链，强化执法力度 [1] 生活垃圾填埋场治理 - 聚焦填埋场渗滤液积存和地下水污染等突出问题 [1] - 组织环境污染隐患排查，目标消除重大污染隐患 [1] 长效机制建设 - 分析问题根源并总结规律，研究治本之策 [1] - 加快建立固体废物全流程管理体系，避免治理期间新增污染 [1]

中心创新推出多项全国首创功能：全国首个"人口信息查询"通道，破解当事人"查人难"痛点；全省首 推"AOL授权见证通"，将港澳当事人授权见证时间从30天压缩至5分钟；首创"涉港澳案件线上授权见 证"，支持跨境授权委托全流程在线办理。此外，中心还与"粤省事""穗好办"等政务平台对接，提供简 体、繁体中文及英语、葡萄牙语四语诉讼指引，助力大湾区法治深度融合。 南都讯记者刘嫚发自北京 6月11日，中国社会科学院法学研究所发布2025年《法治蓝皮书·中国法院信息 化发展报告》（以下简称《法院信息化蓝皮书》）。《法院信息化蓝皮书》显示，针对送达难题，广州 中院推出的AOL电子诉讼（服务）平台创新"送必达"机制，通过电子推送、短信提醒等功能，缩短送达 周期超60%。 《法院信息化蓝皮书》显示，广东省广州市中级人民法院正式推出"AOL电子诉讼（服务）中心"(以下 简称"AOL中心"），通过深度融合前沿技术与司法需求，构建起全流程在线诉讼服务体系。该平台 以"全业务线上办理、全流程依法公开、全方位智能服务"为核心目标，致力于破解传统司法服务中的时 空限制与效率瓶颈，为粤港澳大湾区法治建设注入新动能。 《法院信息化蓝皮书》介绍， ...

政策设计与财政协同机制 - 中央通过超长期特别国债安排3000亿元专项资金，较上年增加1500亿元，已下达1620亿元分两批至地方 [1] - 中央对地方补贴比例差异化：东部85%、中部90%、西部95%，体现对欠发达地区倾斜支持 [1] - 地方财政按比例配套形成稳定资金池，采用"中央定标准、地方保落实"协作模式解决政策落实难题 [1] 资金流转与补贴机制创新 - 山东省允许企业提前申领80%补贴资金，改变"企业先垫付、财政后结算"传统路径 [2] - OPPO门店五一期间日均销售手机超半数通过以旧换新完成，企业资金周转压力缓解 [2] - 浙江构建"政府补贴+品牌让利+平台支持+金融助力"四维体系，消费者实际支付价比标价低30%以上 [2] 监管体系与政策实效 - 黑龙江省要求商家公示价格构成，杜绝"先涨价后补贴"操作空间 [2] - 浙江省开展专项整治打击虚假交易和套取补贴行为，与财政审计形成监管闭环 [2] - 政策实施一年未见大规模违规事件，验证"制度预防+技术监管"体系有效性 [2] 宏观影响与模式创新 - 以旧换新政策带动五大品类销售额1.1万亿元，发放直达消费者补贴1.75亿份 [1] - 直补模式缩短政策与百姓距离，通过价格减免具象化政策公信力 [3] - 中央国债资金直达通道、地方预拨机制及多部门监管构成现代财政治理"中国方案" [3]

投资者关系活动基本信息 - 活动类别为特定对象调研 [2] - 参与单位众多，包括中泰证券、中国人保资管等多家机构及个人投资者 [2] - 活动时间为2025.5.30、6.03、6.05，地点在深圳、上海 [2] - 上市公司接待人员为信披与投关工作小组成员 [2] 公司业务相关标准及情况 - 按存货成本账面价值与可变现净值测算存货跌价准备，存货按成本与可变现净值孰低计量 [3] - 2025年1 - 4月累计实现合同销售面积39.6万平方米，同比增加11%；合同销售金额61.4亿元，同比增加2%，销售分布在一二线核心城市 [3] 公司财务相关情况 - 维持总体债务规模稳中有降，2024年末综合融资成本为3.62%，较年初压降29个BP [4] - 股份公司每年获批华侨城集团公司委贷额度400亿元，借款利率不高于同期向金融机构借款利率 [4] 公司业务举措 旅游业务 - 创新经营理念，更新存量项目，主题公园聚焦“城市IP娱乐主场”，酒店“因店施策”，自然人文景区打造特色住宿、植入游乐设施 [4][5] - 创新产品与打法，研发“水公园 +”“家庭娱乐中心”产品，关注新欢乐谷项目拓展，酒店开拓有限服务酒店产品体系、探索代建机会，自然人文景区形成标准化运营管理体系和服务组合方案 [5] 地产拿地 - 以周转去化为考量，聚焦一线核心城市和部分强二线核心城市核心区域招拍挂机会 [6] 地产产品设计 - 构建“需求洞察 - 技术迭代 - 品质兑现”全周期价值体系，打造“侨城好房子” [6] - 坚守中高端品质地产定位，参与保障性住房建设，如深圳东岸雅居项目是大湾区保障房品质升级样本 [6][7] 集团增持情况 - 2024年下半年华侨城集团完成一轮增持，累计增持公司股份64,877,064股 [7] - 未来加强市值管理，鼓励增持，开展股份回购 [7]

韩国造船业生产现状 - 韩国三大造船企业（HD韩国造船海洋、三星重工、韩华海洋）进入"满负荷时代"，一季度平均开工率达107.8% [2] - HD韩国造船海洋开工率106.1%，三星重工造船业务117%/海工124%，韩华海洋100.2%，均通过夜间作业实现超100%产能 [2] - 三大船企所有船坞无闲置，全力确保2-3年积压订单交付 [2] - 2021-2023年开工率持续恢复：HD现代重工蔚山船厂从63.5%升至81.3%，HD现代尾浦从75.3%升至93.8%，HD现代三湖从87.9%升至111.6% [2] - 三星重工巨济船厂开工率从2021年97.2%恢复至2023年97.4%，韩华海洋巨济船厂从2021年98.8%恢复至2023年97.1% [2] 生产效率提升驱动因素 - 2024年三大船企首次实现开工率超100%，源于数字化智能船厂建设、综合生产管理系统应用及机器人焊接等自动化技术 [3] - 行业转型为"全流程智能运营体系"，智能技术成为效率跃升核心驱动力 [3] - 批量化和节拍化造船加快高附加值船舶营收确认，解决劳动力短缺导致的外包成本上升问题 [3] 财务业绩表现 - HD韩国造船海洋一季度营收6.77万亿韩元（+22.8%），营业利润8592亿韩元（+436.3%），造船业务营业利润7814亿韩元（+207.2%） [5] - 三星重工一季度营收2.49万亿韩元（+6.2%），营业利润1231亿韩元（+58%），净利润901亿韩元（+1055.1%） [5] - 韩华海洋一季度营收3.14万亿韩元（+37.6%），营业利润2586亿韩元（+488.8%） [5] 产能扩张计划 - 三大船企计划总投资3万亿韩元（21.8亿美元）扩产：HD韩国造船海洋1.15万亿韩元，三星重工3500亿韩元，韩华海洋1.5万亿韩元 [6] - 资金用于生产设备扩充、车间改造及工程效率优化，应对持续高涨的订单需求 [6] - 新设备投资、自动化技术推广及外籍劳工效率提升共同推动业绩改善 [6]

公司业绩与亏损 - 思创医惠2021-2024年归母净利润持续亏损，分别为-6.85亿元、-8.78亿元、-8.74亿元、-5.02亿元 [3] - 全资子公司医惠科技2024年营收1.69亿元，净利润-3.2亿元，较2022年4.17亿元营收大幅下滑 [3] - 医惠科技持续亏损拖累母公司整体经营业绩，且未来三年扭亏为盈可能性较小 [5] 业务板块表现 - 公司业务分为商业智能和智慧医疗两大板块，智慧医疗板块因项目交付验收及回款问题持续亏损 [4] - 商业智能板块2024年营收5.01亿元，同比下滑15.01%，毛利率21.54%，同比减少4.83% [7] - 商业智能板块营收占比从2023年58.58%提升至2024年72.5% [7] 子公司出售与交易细节 - 思创医惠拟以3亿元估值转让医惠科技100%股权给苍南国资旗下山海数科 [2][5] - 出售原因包括医惠科技市场口碑受损、新增业务开拓受阻及持续亏损 [4][5] - 苍南国资作为未来实控人，出于纾困目的协调山海数科收购医惠科技 [7] 行业与市场影响 - 医惠科技因行政处罚（欺诈发行事件）导致市场信誉受损，影响招投标及业务洽谈 [4] - 公司智慧医疗业务曾为国内知名整体解决方案服务商，但近年营收规模持续下滑 [3][4] - 商业智能板块中，公司为全球领先的EAS硬标签生产基地，RFID技术研发实力突出 [8] 战略调整与未来展望 - 剥离智慧医疗业务后，公司将回笼资金聚焦商业智能业务 [8] - 商业智能板块提供物联网解决方案，覆盖零售、供应链及智慧城市等领域 [7] - 公司或通过战略调整摆脱困局，强化在RFID及EAS领域的全球竞争力 [8]

华为盘古Ultra MoE模型突破 - 公司推出参数规模高达7180亿的全新模型盘古Ultra MoE，实现全流程在昇腾AI计算平台训练的准万亿MoE模型 [1] - 披露模型架构和训练方法技术报告，体现昇腾在超大规模MoE训练性能上的跨越 [1] - 针对训练稳定性难题，团队创新设计Depth-Scaled Sandwich-Norm架构和TinyInit小初始化方法，实现18TB数据长期稳定训练 [4] - 采用EP loss负载优化方法保证专家间负载均衡并提升领域特化能力，结合MLA/MTP架构及Dropless策略实现效果与效率平衡 [4] 昇腾平台技术进展 - 在昇腾CloudMatrix 384超节点上打通大稀疏比MoE强化学习后训练框架关键技术，使RL后训练进入超节点集群时代 [5] - 通过自适应流水掩盖策略、算子优化、内存管理等技术迭代，万卡集群预训练MFU从30%提升至41% [5] - 盘古Pro MoE模型以720亿参数量实现媲美千亿级模型的性能，在SuperCLUE榜单中位列千亿级以内国内并列第一 [5] 国产AI全栈自主可控意义 - 实现国产算力+国产模型全流程自主可控训练实践，集群训练系统性能达业界领先水平 [3] - 证明昇腾平台可高效稳定训练国际顶尖水平超大规模稀疏模型，完成从硬件到软件的全栈国产化闭环 [6] 其他国产大模型动态 - DeepSeek-R1-0528模型开源，代码能力媲美OpenAI o3高版本，上下文长度扩展至128k且文本理解能力显著提升 [7] - 腾讯在AI产业应用峰会展示混元大模型矩阵升级，涵盖云基础设施、开发工具及场景应用，推动企业AI化转型 [7][8]

中国AI产业重大突破 - 华为发布参数规模高达7180亿的盘古Ultra MoE模型，实现全流程在昇腾AI计算平台训练的准万亿MoE模型，技术细节公开体现昇腾超大规模训练性能跨越 [1] - 盘古Ultra MoE采用Depth-Scaled Sandwich-Norm稳定架构和TinyInit小初始化方法，在昇腾平台实现18TB数据长期稳定训练，EP loss负载优化提升专家领域特化能力 [2] - 华为在昇腾CloudMatrix 384超节点打通大稀疏比MoE强化学习后训练框架，预训练系统MFU从30%提升至41%，盘古Pro MoE以720亿参数量实现媲美千亿级模型的性能 [3] 国产AI全栈能力验证 - 华为实现国产算力+国产模型全流程自主可控训练，集群训练系统性能达业界领先水平，标志国产AI基础设施自主创新能力突破 [1] - 盘古团队在模型架构、训练方法、硬件适配等环节实现全栈创新，包括MLA/MTP架构、Dropless训练策略等，达成模型效果与效率最佳平衡 [2][3] - 行业认为此举证明国产昇腾平台可高效训练国际顶尖水平稀疏模型，完成从硬件到软件、研究到落地的全流程闭环 [4] 国内大模型动态 - 深度求索公司升级DeepSeek-R1模型，其V3版本在海外评测中超越xAI Grok3和OpenAI GPT-4.5，成为得分最高非推理模型 [5] - 腾讯混元大模型战略全景亮相，混元TurboS在Chatbot Arena排名全球前八，代码/数学能力进入全球前十，多款AI应用接入DeepSeek R1-0528 [6] - 深度求索R1模型以数百万美元成本实现优于西方竞品的标准化表现，引发全球科技股震荡 [5]

华为Pangu Ultra MoE大模型技术突破 - 华为通过"昇腾+Pan gu Ultra MoE"组合实现国产算力与国产模型全流程自主可控的训练闭环，集群训练系统性能达到行业领先水平[3] - 预训练阶段昇腾Atlas 800T A2万卡集群MFU提升至41%，后训练阶段单CloudMatrix 384超节点吞吐达35K Tokens/s[4] - 首次披露在昇腾CloudMatrix 384超节点上高效打通大稀疏比MoE强化学习后训练框架的关键技术[4] 技术挑战与解决方案 - MoE预训练和强化学习后训练存在六大挑战：并行策略配置困难、All-to-All通信瓶颈、系统负载分布不均、算子调度开销过大、训练流程管理复杂、大规模扩展受限[7][8][10][11][12][13] - 提升训练集群利用率三招：建模仿真驱动的智能并行优化、Adaptive Pipe前反向通算掩盖、EDP Balance全局动态负载均衡[15][16][17][20][22][23] - 释放昇腾单节点算力三招：昇腾亲和的训练算子加速、Host-Device协同的算子下发优化、Selective R/S精准的内存手术方案[26][28][29][30] 强化学习后训练创新 - 首次披露RL Fusion训推共卡技术，支持训练推理共卡、全共卡等多种灵活部署模式，实现RL后训练集群利用率翻倍[33][34] - 设计准异步机制StaleSync和分布式数据队列DistQueue，系统整体训练吞吐提升50%[36] - 在Pangu Ultra MoE昇腾CloudMatrix 384超节点集群后训练中实现每超节点35K Tokens/s高吞吐能力，支持高效扩展超过4K卡集群[39] 模型性能与架构 - Pangu Ultra MoE模型拥有7180亿参数，包含61层Transformer，前3层为稠密层，后58层为MoE层[38] - 模型隐层维度达7680，配备256个路由专家和1个共享专家，专家隐层维度为2048[38] - 在序列长度为8K、万卡训练集群条件下，模型算力利用率(MFU)达到41%，预计可支撑训练集群MFU>50%[38]