文章核心观点 - 当前AI行业的发展状况与历史上两次AI寒冬前的情景高度相似，存在技术泡沫、市场脱节及商业模型不可持续等问题，第三次AI寒冬可能正在来临 [1][4][6][7] 历史上的AI寒冬 - 第一次AI寒冬发生在1974-1980年，因计算机内存和处理能力有限，难以处理复杂实际问题，且早期AI系统无法有效利用人类常识和领域知识，导致政府大幅削减资金支持，AI研究陷入低谷 [2] - 第二次AI寒冬发生在1987-1993年，以专家系统为代表的AI因知识库有限、维护成本高且无法自动学习而失去商业价值，同时昂贵的专用AI硬件市场被性价比更高的台式计算机取代，导致AI硬件市场崩溃和投资撤离 [3] 当前AI行业面临的挑战 - 大模型训练成本高昂，存在严重幻觉问题，难以在企业垂直场景中落地应用，投入产出比极低 [5] - 许多AI产品开发脱离用户真实需求，功能与实际需求脱节，导致产品无人使用或被迅速淘汰 [5] - 企业数字化基础薄弱、业务流程不规范、数据孤岛严重等问题，阻碍了AI技术的有效落地 [6] - 资本市场缺乏耐心，一旦AI项目回报周期拉长便迅速撤资，转向其他风口 [6] 潜在第三次AI寒冬的成因 - 技术能力与社会预期之间存在巨大鸿沟，对通用智能概念盲目乐观 [4] - AI产品与现实市场需求脱节，缺乏可持续的商业发展模式和核心技术壁垒 [6] - AI公司普遍无法提供端到端的一体化解决方案，仅能提供单一功能模块 [6] - 企业和资本急于看到立竿见影的回报，不愿为AI技术的长期演进买单 [7]

经济日报记者 周明阳 赵以纯 10月13日，2025世界农业科技创新大会（WAFI）在北京开幕。大会以"践行大食物观，共建韧性食物供 应体系"为主题，近100个国家和地区的涉农领域知名科学家、高校校长、教育家、企业家、优秀青年代表等 近800位嘉宾与国内农业科技领域代表齐聚一堂，共话全球农业科技前沿议题，为推动农食领域全球合作建言 献策。 10月13日，2025世界农业科技创新大会在北京开幕。图为大会举办地，北京平谷金海湖国际会展中心。 经济日报记者 赵以纯摄 搭建务实合作平台 自2023年首次举办以来，世界农业科技创新大会已在全球范围内形成广泛影响力，持续为推动农业科技 国际合作与创新实践搭建高端平台。 据介绍，本次大会由中国农业大学、中国农业科学院、北京市农业农村局、北京市平谷区人民政府、国 际农业研究磋商组织联合主办。大会采用"1+7+1+N"总体框架，举办开幕式及全体会议、7场专题会议、世界 农业科技博览会以及40余场平行会议及国际交流活动。同期举办的世界农业科技博览会，展览面积约1万平方 米，150余家展商参展，设有国家展区、国际展区、全球知名企业展区、科研院校展区、高大尚平谷展区，同 时举办国家专 ...

大会概况与核心主题 - 2025世界农业科技创新大会在北京开幕，主题为“践行大食物观，共建韧性食物供应体系” [1] - 大会汇聚近100个国家和地区的近800位涉农领域嘉宾，包括科学家、企业家及青年代表 [1] - 大会采用“1+7+1+N”框架，包含开幕式、7场专题会议、世界农业科技博览会及40余场平行会议 [2] 国际合作与平台建设 - 中国已与60多个国家和地区建立双边农业科技对话机制，并实施“一带一路”科技创新行动计划 [2] - 大会被视为促进对话、搭建合作联盟的纽带，助力开启新合作项目并强化现有关系 [4] - 非洲水稻中心总干事表示，中国展示的最新技术成果为非洲农业提供了可借鉴的实践经验 [3] 农业科技前沿与挑战应对 - 全球人口预计在2049年达到100亿，可持续生产足够粮食是重要考验 [3] - 应对气候变化、土壤退化等挑战需结合基因组编辑、AI、机器学习等现代技术与传统智慧 [5] - 国际社会应加强技术合作，加大对发展中国家投资，以提升其农业生产力与粮食供应能力 [5] 人工智能与技术创新应用 - 中国农业大学发布神农大模型3.0，覆盖育种、种植、养殖等多场景，具备知识问答与生产决策推理功能 [7] - 该模型实现“小体积、高智能、低成本”，增强复杂任务推理能力并降低部署门槛 [7] - AI正助力加深对植物生物学和基因的理解，并预测事物发展，需要强有力合作以制定数据访问等政策 [6] 中国方案与未来方向 - 中方建议携手突破食物供给边界，搭建跨国界跨学科创新平台，加快突破关键核心技术 [6] - 中国将以提升全球农食系统抗风险能力为目标，推动各国加强政策协同与知识经验共享 [6] - 世界农业科技博览会展览面积约1万平方米，吸引150余家展商参展 [2]

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化因子与构建方式 1. **因子名称：国证2000增强因子**[31] * **因子构建思路**：针对国证2000指数成分股（小微盘股）的选股逻辑，筛选并合成有效的选股因子，以构建指数增强策略。[30] * **因子具体构建过程**： 1. 测试并发现技术、反转、特异波动率等因子在国证2000成分股上表现出色。[31] 2. 由于技术、反转和特异波动率因子相关性较高，对波动率因子进行去相关处理：将波动率因子对技术和反转因子做回归，取残差作为相对独立的波动率因子。$$ \text{残差波动率因子} = \text{特异波动率因子} - \text{回归模型预测值} $$[31] 3. 将成长、残差波动率、动量、技术、价值等各大类因子进行等权合成。[31] 4. 对合成的因子进行行业和市值中性化处理，最终得到国证2000增强因子。[31] * **因子评价**：该因子具有良好的预测效果。[31] 2. **因子名称：GBDT+NN机器学习选股因子**[42] * **因子构建思路**：选取结构差异化的GBDT（梯度提升树）和NN（神经网络）两类机器学习模型，使用不同的特征数据集进行训练，并融合多种预测标签，以构建在宽基指数上表现优异的选股因子。[5][42] * **因子具体构建过程**： 1. 分别训练GBDT和NN模型。[5][42] 2. 使用多种预测标签进行对比和融合。[5][42] 3. 最终构建出GBDT+NN融合选股因子。[5][42] 3. **因子名称：动态宏观事件因子（用于红利择时）**[57] * **因子构建思路**：使用经济增长和货币流动性共10个指标，通过动态事件因子体系构建择时策略，以判断中证红利指数的投资时机。[6][57] * **因子具体构建过程**：基于10个宏观指标（如消费者信心指数、发电量、国债利差、PMI新出口订单、PPI、Shibor等）生成信号，并综合这些信号得出最终的择时判断。[65] 4. **因子名称：风格因子（分析用）**[14][16][19][24] * **因子构建思路**：通过分析全A市场在不同行情阶段（如牛市、下跌市）下各类风格因子的表现，来解释量化产品超额收益波动的原因并预测风格切换。[14] * **涉及的具体因子**：报告中分析的风格雷达包括：分析师一致预期因子、成长因子、动量因子、质量因子、技术因子、价值因子、波动因子、市值因子。[15][19][24] 量化模型与构建方式 1. **模型名称：国证2000指数增强策略**[30][35] * **模型构建思路**：基于专门构建的国证2000增强因子，在国证2000指数成分股内进行选股，以获取超越基准的超额收益。[30][35] * **模型具体构建过程**： * 每月月底调仓。[35] * 选取国证2000增强因子值排名前10%的股票。[35] * 以等权方式构建投资组合。[35] * 假设手续费率为单边千分之二。[35] 2. **模型名称：GBDT+NN机器学习指数增强策略**[5][42][46] * **模型构建思路**：基于GBDT+NN机器学习选股因子，通过组合优化方法控制跟踪误差和个股权重偏离，最大化因子暴露，构建针对不同宽基指数（沪深300、中证500、中证1000）的增强策略。[5][46] * **模型具体构建过程**： * 回测区间自2015年2月1日开始。[5] * 每月月初调仓。[5] * 假定手续费率单边千二。[5] * 通过对投资组合的跟踪误差进行控制，对个股权重偏离进行控制，最大化因子暴露。[5][46] 3. **模型名称：基于红利风格择时+红利股优选的固收+策略**[6][57] * **模型构建思路**：结合针对中证红利指数的动态宏观事件因子择时策略和在红利股内使用AI模型的选股策略，构建一个低波动、稳健的"固收+"策略。[6][57] * **模型具体构建过程**： * **择时部分**：使用动态宏观事件因子判断中证红利指数的仓位（0%-100%）。[57][65] * **选股部分**：利用AI模型（如GBDT+NN）在中证红利指数成分股内进行选股。[6][57] * 将择时信号与选股组合结合，形成最终的"固收+"策略组合。[6] 模型的回测效果 1. **国证2000指数增强策略**[38][39] * 年化收益率：23.94% * 年化波动率：24.05% * 夏普比率：1.00 * 最大回撤：42.49% * 年化超额收益率：13.18% * 跟踪误差：7.61% * 信息比率(IR)：1.73 * 超额最大回撤：10.19% * 9月收益率：-0.39% * 9月超额收益率：-0.86% 2. **GBDT+NN沪深300指数增强策略**[46][47] * 年化收益率：14.44% * 年化波动率：21.18% * Sharpe比率：0.68 * 最大回撤率：39.02% * 年化超额收益率：10.86% * 跟踪误差：6.01% * 信息比率(IR)：1.81 * 超额最大回撤：7.72% * 9月收益率：1.77% * 9月超额收益率：-1.44% 3. **GBDT+NN中证500指数增强策略**[49][51] * 年化收益率：13.80% * 年化波动率：23.46% * Sharpe比率：0.59 * 最大回撤率：41.29% * 年化超额收益率：10.27% * 跟踪误差：5.99% * 信息比率(IR)：1.71 * 超额最大回撤：8.34% * 9月收益率：2.08% * 9月超额收益率：-3.19% 4. **GBDT+NN中证1000指数增强策略**[54][55][57] * 年化收益率：17.97% * 年化波动率：26.46% * Sharpe比率：0.68 * 最大回撤率：43.51% * 年化超额收益率：15.83% * 跟踪误差：6.76% * 信息比率(IR)：2.34 * 超额最大回撤：7.53% * 9月收益率：0.96% * 9月超额收益率：-0.96% 5. **基于红利风格择时+红利股优选的固收+策略**[58] * 年化收益率：7.34% * 年化波动率：3.38% * 夏普比率：2.17 * 最大回撤：4.93% * 最近1个月收益率：-0.73% 因子的回测效果 1. **国证2000增强因子**[31][32] * IC平均值：12.54% * 最新月IC：6.91% * 风险调整的IC：1.08 * t统计量：12.56 2. **GBDT+NN选股因子（沪深300成分股）**[43] * 样本外整体IC均值：11.43% * 样本外整体多头年化超额收益率：15.39% * 本月IC：-11.91% * 本月多头超额收益率：-3.31% 3. **GBDT+NN选股因子（中证500成分股）**[48] * 样本外整体IC均值：9.77% * 样本外整体多头年化超额收益率：9.87% * 本月IC：9.87% * 本月多头超额收益率：-1.62% 4. **GBDT+NN选股因子（中证1000成分股）**[52][53] * 样本外整体IC均值：13.49% * 样本外整体多头年化超额收益率：16.10% * 本月IC：9.77% * 本月多头超额收益率：-0.68% 5. **中证红利选股策略（AI模型）**[58] * 年化收益率：18.83% * 年化波动率：21.08% * 夏普比率：0.89 * 最大回撤：38.52% * 最近1个月收益率：-3.08% * 今年以来收益率：6.47% 6. **红利择时策略**[58] * 年化收益率：13.58% * 年化波动率：15.36% * 夏普比率：0.88 * 最大回撤：25.05% * 最近1个月收益率：-1.10% * 今年以来收益率：-0.43%

新书发布概览 - 上海三联书店、社会科学文献出版社、中信出版集团等多家出版机构于7-9月集中推出新书，涵盖历史、艺术、经济、科技等多个领域 [2] 历史与文化研究 - 《教化》研究希腊文化整体及“理想人格”形成过程，构成对早期和古典时期希腊教化传统的重要考察 [5] - 《茶叶帝国3000年》详述茶叶作为战略物资在3000年历史中的影响，包括推动东印度公司成立、关联七年战争及美国独立战争等重大历史事件 [16] - 《意大利马克思主义史》分析从第一国际到一战前马克思思想在意大利被接受的复杂过程，探讨其作为科学、意识形态等多重面向 [22][23][24] 艺术与美学 - 《敦煌初见时》为敦煌壁画复原艺术精品集，收录故事画、经变画等六大主题作品，特别包含19幅流失海外的画作复原图 [10][11] - 《中国美学的身、物、图、画》收录作者2007至2023年间5篇论文，探讨中国古典美学中的身体、物体系及图像世界等主题 [13][14] 经济与金融 - 《宽松货币之王》揭示美联储量化宽松政策如何使货币供应量几年内增长三倍多，疫情期间两个月印钞量相当于过去300年，导致收入差距扩大和全球金融风险 [18][19][20] 科技与思想 - 《人机沟通法则》为企业和决策者提供机器学习系统框架指导，探讨人工智能技术的含义与潜在陷阱 [25][26][27] - 《技术与魔法》试图重构技术统治下的实在体系，主张个体有能力超越社会背景规定调整存在体验 [28] 人物纪实与科学史 - 《她们登上了太空》记录NASA第一批女性宇航员成长历程，讲述1977年8000名候选人中6位女性冲破阻碍进入太空的经历 [7][8] - 《梦游者》描绘17世纪科学革命摆脱中世纪世界观的过程，展示哥白尼、开普勒等天文学家的探索 [30]

公司核心策略 - 面对量化行业同质化挑战 公司通过长期深耕 在数据端拓展细分信息 在方法端实现行业定制加特征化建模 以避免与同行在通用因子上的同质化竞争 并使基本面因子在不同场景下更精准发挥作用 [1] - 在数据维度跳出通用数据池 补充细分场景信息 除净利润 ROE等传统基本面因子外 主动拓展更细分数据来源 例如与券商研究所合作开展阿尔法捕获 直接引入分析师对行业 公司的点状研究信息 将非标准化洞察转化为可量化信号 [3] - 在方法论维度 根据行业特性做精细化设计 同时结合机器学习 突破传统因子的局限性 [3]

(15:30 注册签到，16:00活动开始) 上海 （详细活动地址将在确认函中提供） 在全球宏观经济格局日新月异、国际金融市场波动不断加剧的背景下，量化投研正以前所未有的 速度重塑资产管理行业，成为市场参与者在噪音中发现规律、化混乱无序为有迹可循、高效捕捉 投资机遇并进行风险管理的关键力量。随着量化技术席卷全球"金融圈"，我们如何打开前瞻视 角，深度洞察并审慎判断全球宏观格局的动态与趋势？国际市场的实践经验对于中国本土市场的 我们诚邀您参加本次研讨会，聆听彭博专家与行业领袖深度解析量化策略核心要义，分享资产配 置最佳实践，共同探讨如何基于中国市场特点把握机遇并全面管理风险。期待您的到来！ 活动议程 宏观量化情景分析 风险预算在中国市场的应用 彭博组合管理和因子模型方案 圆桌论坛：海外成熟市场经验赋能中国量化策略指数市场发展 驾驭因子轮动：基于宏观驱动的机器学习策略 交流互动 主讲嘉宾 彭博投资管理论坛（上海） 2025年11月4日（星期二） | 15:30 - 18:00 扫码立即报名 * 报名需要时间审核，敬请耐心等待。审核通过将在微信收到报名成功提醒，活动开始前将会收到具体参会提醒，请注意查收！ 运用有何 ...

活动概况 - 2025上海国际生物医药产业周以“链动全球 赋能产业”为主题，链接科学、产业、金融、政策 [2][5] 政策监管与全球协同 - 中国支持医药研发创新的政策制度体系日趋完善，已形成以《药品注册管理办法》为核心的60多个规范性文件和500多个技术指导原则 [7] - 英国和伦敦的机构在上海生命医药领域有投资，看好上海的生物医疗生态体系并期待加强合作 [9] 原始创新与技术突破 - 针对HIF-1α、HIF-2α的药品在癌症治疗临床研究中展现出潜力 [13] - 生物大数据和机器学习正根本性转化生物医药研究范式，高质量大数据是AI赋能新药研发的关键 [15] - 基于基础科学研究成果和中国制药的工程师红利，有望带来更多中国原研、造福世界的新成果 [17][18] - AI赋能新药研发的未来要素可能增加研发知识和推理能力，使其从辅助工具转变为驱动引擎 [37] - AI已深入生产生活各环节，预计将对药物研发产生更多促进作用 [39] 区域产业生态与价值转化 - 浦东新区生物医药产业以源头创新、链动全球为鲜明特征 [19] - 闵行区以全生命周期政策赋能生物医药产业，布局脑机接口未来产业集聚区、养老科技产业园等特色领域 [21] - 嘉定区通过联影小镇构建“医工协同+成果转化+金融赋能”创新链条，上海械谷创新“医生做链主、企业做链心、政府做链长、园区做合伙人”的产医融合模式 [22][23] - 上海拥有最好的材料、制造业、人才和临床转化医院，形成产业良性循环，持续吸引人才、资本和监管支持 [34][35] 行业竞争力与出海趋势 - 产业竞争力取决于其在全球创新网络中的生态位置、连接广度和协同效率 [28] - 中国生物医药企业出海浪潮体现了行业综合实力提升，背后有工程师红利、研发效率、成本优势、丰富临床资源和成熟创新生态的支持 [30] - 创新本质是多种要素集聚碰撞的结果，保持开放环境让科学要素集聚可能涌现出更好效果 [32] - 上海市政府在推动行业发展、生态体系建设上具有远见卓识，相关政策有力增强了商业环境和医疗生态体系建设，行业不断扩容提升，优秀的人才资源使企业对在华发展充满信心 [25][26]

公司核心业务与定位 - 公司深耕大宗商品信息服务领域超过二十年 [1] - 公司积累了海量的大宗商品价格及基本面数据 [1] 数据与内容生产能力 - 数据及资讯内容由专业分析师团队负责采集与撰写 [1] - 确保数据具备权威性、及时性和准确性 [1] 技术基础设施与数据分析能力 - 在卓创软件工业园内建设有数据中心 [1] - 数据中心具备数据从采集到应用的全数据生命周期管理能力 [1] - 技术支持数据探索和特征工程 [1] - 已使用机器学习和深度学习算法对数据集进行训练、评估、调优并持久化 [1] - 技术能力用于支持业务用户模型化评估和预测需要 [1]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容编译自forbes 。 过去六个月， Astera Labs 的股价飙升了 250%，使该公司的两位联合创始人成为人工智能基础设 施热潮中最新的亿万富翁。凭借这家专注于人工智能的半导体网络公司的股份，《福布斯》估计 Astera Labs 首席执行官 Jitendra Mohan 的身价为 16 亿美元，首席运营官 Sanjay Gajendra 的 身价为 17 亿美元。 2021年，Astera Labs从富达、英特尔和风险投资公司Sutter Hill Ventures等投资者手中筹集了 5000 万 美 元 ， 当 时 该 公 司 的 估 值 为 9.5 亿 美 元 。 一 年 后 ， 这 三 位 投 资 者 和 其 他 一 些 投 资 者 又 向 Astera Labs注资1.5亿美元，当时该公司的估值为32亿美元。2024年3月，Astera Labs通过IPO筹 集了8.2亿美元，市值达到约60亿美元。 如今，公开市场已将 Astera Labs 的市值推高至 340 亿美元，莫汉和加金德拉各自持有约 4% 的 股份，价值 15 亿美元。这还不 ...