学术态度 - 超四成大学生计划毕业后继续深造，92.2%追求学术进步，41%毕业首选学术深造[1][9] - 69.3%大学生认为学习专业课程最重要，64.0%认为完成毕业论文是大学阶段最重要的事情之一[7] - 67.2%大学生关注学术交流活动，52.6%关注科研机会[13] 学术实践与工具使用 - 53.2%大学生熬夜写论文，研究生更倾向深夜创作[15] - 59.2%大学生使用AI工具辅助论文写作，56.2%使用查重工具[22] - 84%大学生每周使用生成式AI，62.9%遇学术困难时向AI提问[24][26] 查重行为与痛点 - 超半数大学生面临查重焦虑，68.6%依赖AI降重，65.5%上网搜索求助，62.7%直接付费购买服务[19] - 50.4%大学生遭遇不同查重工具结果不一致问题，40.2%担忧费用高和数据安全[35] - 研究生中98.7%使用2个以上工具查重，应届生以毕业论文为查重核心[28][30] 学术付费与支出 - 86.6%大学生认可付费学术服务对效率提升的作用，45.9%认为有助于完成学业任务，40.7%认为对学术能力提升不可或缺[40][41] - 69.8%大学生将学术论文列为主要支出项，人文专业78.2%支出集中在论文[42] - 86.9%同时使用免费和付费查重工具，57.3%以免费为主，研究生付费意愿更高[44] 技术赋能与需求 - 53.5%大学生期待查重工具集成AIGC检测功能，50.4%希望增加文档格式转换[37] - 微软OfficePLUS提供超100万+模板素材及智能创作工具，覆盖答辩、汇报等场景[41][46]

出品｜虎嗅智库 作者｜于向南 头图丨视觉中国 1981年秋，当设计师Anne Marie Beretta在米兰工作室铺开那张长1.8米的羊绒胚布时，她或许未曾料到，这场关 于剪裁的"减法实验"将撼动整个时尚史——没有繁复装饰，仅凭利落的直线条与和服式衣袖，Max Mara 101801 大衣就此诞生，并在此后的四十年间，成为全球衣橱里永不过时的单品。 这种包容性极强的经典风格，吸引了全球各年龄层的现代女性，也一定程度决定了Max Mara在国际上均衡布局 的风格。截至2024年，Max Mara集团在全球69个国家拥有502家自营门店，集团整体覆盖105个国家，拥有超过 2500家单品牌店和超过10000家多品牌零售点。 同时，Max Mara重点发展中国、欧洲、北美等核心区域，持续开设门店并深化品牌渗透。2024年，Max Mara在 北京三里屯太古里、上海兴业太古汇和前滩太古里等一线城市核心商圈开设新形象的概念店，目前拥有约70余 家门店。 在奢侈品消费普遍低迷的当下市场环境中，这种激进的扩张策略，无疑与行业整体收缩的态势形成了鲜明反 差。贝恩数据显示，2024年，受消费者信心不足、消费外流加剧等因素的影 ...

财务表现 - 2025年一季度总营收7.30亿元人民币，同比下降24% [1] - 毛利率提升至61.8%，较上年同期提高5.2个百分点 [1] - 净亏损收窄至1010万元人民币，同比下降93.9% [1] - Non-GAAP调整后净利润690万元人民币，较去年同期1.36亿元净亏损大幅扭亏 [1] - 连续第二个季度实现Non-GAAP盈利 [1] 战略调整 - 主动调整用户策略，聚焦高价值核心用户，减少低效营销开支 [1][3] - 放弃与娱乐型平台竞争下沉市场，因留存率低且ROI不划算 [3] - 未来重点方向包括广告变现和"AI+社区"探索 [1] 商业化策略 - 广告变现存在结构性问题，高质量用户未匹配高价值广告 [2][6] - 计划吸引有影响力企业和人群进行高端广告投放 [2][6] - 付费内容进行分层管理，如将小说类内容拆分至独立App [6] - 职业教育转向新兴领域在线课程，如AI编程等 [8] 竞争壁垒 - 专注于细分长尾专业兴趣内容，与流量导向平台形成差异化 [2][7] - 运营团队具备专业背景，能更好识别和推荐高质量内容 [7] - 真实绑定的公共专业身份机制抑制低质AI内容 [2][4] - 被视为国内专业人才建立社会信用和职业形象的重要平台 [2] AI战略 - 账号实名制使用户对AI生成内容更谨慎，天然保障内容质量 [2][4] - 专业内容AI引用率行业领先，成为AI创业者展示和招募渠道 [2][5] - 考虑进一步放大优质内容和数据的全网价值 [5] 投资者关系 - 海外投资者对知乎认知不足，需传达高质量UGC社区和AI战略价值 [9] - 当前最关注盈利能力而非用户增长 [10] - UGC模型轻资产、高毛利率（60%），重点优化业务结构 [10]

股价表现 - 甲骨文股价本周大涨近24% 创下自2001年互联网泡沫时期以来的最佳单周表现 [1] - 涨势主要来自财报发布后的两个交易日 股价从接近腰斩到创历史新高收于21522美元 [1] - 2025年迄今股价累计上涨29% 远超纳斯达克指数同期不到1%的涨幅 [3] 财务业绩 - 上季度营收和每股盈利均超出市场预期 [1] - 公司预计新财年总营收将超过670亿美元 显著高于市场平均预期的6518亿美元 [1] - 2025财年资本支出超过210亿美元 比2019-2024年总投入还多 [2] - 2026财年资本支出预计增至250亿美元 [2] 云计算业务 - 从云基础设施市场"迟到者"转变为AI模型部署支持领域的专业选手 [1] - 客户需求远超供应能力 正在加速扩大基础设施投资 [1][2] - 计划建设和运营的云数据中心数量将超过所有竞争对手总和 [3] - 主要竞争对手谷歌和微软2024年资本支出分别为750亿和800亿美元 [2] 客户拓展 - 吸引了Meta OpenAI xAI等需要高强度AI计算的企业客户 [2] - 客户对英伟达GPU需求极大 用于训练生成式AI模型 [2] - 新增初创企业客户包括Baseten Physical Intelligence和Vast Data [2] 管理层观点 - 市场需求呈现"天文数字般增长" 但受限于数据中心建设速度 [2] - 董事长Larry Ellison强调将超越竞争对手的基础设施规模 [3] - CEO Safra Catz对营收增长和资本支出计划给出明确指引 [1][2] 分析师观点 - Argus Research分析师Joseph Bonner建议买入 目标价从200美元上调至235美元 [1] - 分析师认为公司处于"令人羡慕的位置" 需求远超供应能力 [1]

公司概况 - 瑞欧威尔是一家专注于工业AR头戴计算机产品的智能科技公司，致力于为企业数字化转型提供AR协作方案[1] - 公司成立于2018年底，由拥有通用电气、3M等企业高管经验的李波创立，核心团队具备硬件和工业领域深厚背景[1][2] - 目前全球已发售3万台设备，客户包括宝马集团等世界五百强企业，覆盖汽车、石化、电力等十余个行业[2][4] 产品技术 - 核心产品为AR头戴计算机，整合语音交互、AR与AI决策，支持无网络环境操作，具备抗噪音、电磁干扰等工业级耐用性[4] - 产品经历两阶段迭代：2019-2022年聚焦工业互联网智能终端，2023年起升级为AI前端数据采集终端，实现与大模型双向交互[4] - 采用开源底座+行业定制化开发模式，与施耐德电气合作案例显示能缩短检测时间35%、降低故障率28%[5] - 最新技术整合5G-A网络和DeepSeek大模型，实现"对话即服务"、数字孪生及故障透视诊断功能[5] 市场表现 - 2021年抓住数字化协作机遇实现销量陡坡式增长，目前与腾讯会议、微软Teams等平台建立合作[2][6] - 已获近百项AR专利和500余项国际专利，累计融资1.2亿元，投资方包括佳禾智能等机构[6] - 2024年入选XR行业年度荣誉榜，2021年进入汽车产业数字化服务商TOP50榜单[6] 发展战略 - 坚持"小而美"路线，在选定领域深耕而非全行业覆盖[5] - 计划开启新一轮融资，未来将深化与行业巨头合作，拓展更多AI应用场景[6][7] - 长期目标是通过硬件+AI算法重塑工业作业模式，解决工业数字化"最后一公里"问题[3][4]

"DeepSeek很热，但它的大影响还没全面到来"。"生成式AI影响最大的不是企业，而是他擅长的领域 ——文生图、翻译、写代码等，这些利用大语言模型能力的领域发展迅速，但真正改变企业流程、提升 效率的事情并不多。"这是IBM大中华区董事长、总经理陈旭东对当前生成式AI发展的冷静评价。（新 浪科技） ...

生成式AI规模化应用的现状与挑战 - 2024年全球仅36%企业实现生成式AI大规模应用，13%企业获得可量化财务回报，显示规模化与价值实现存在显著差距 [1] - 中国企业高管普遍认为生成式AI发展速度超预期，但半数以上企业希望3年内实现财务回报，高于全球水平，实际应用仍缺乏清晰路径 [3] - 57%中国受访企业认为生成式AI将在今年大规模使用，但业界共识认为AI推广周期与开发周期相当，短期商业收益需谨慎预期 [4] 中国企业应用AI的动机与困境 - 企业追捧生成式AI主要源于市场竞争压力、业绩增长需求，希望通过创新产品/服务差异化和业务流程自动化实现降本增效 [4] - 应用场景从非生产端（客服、营销）转向生产端（供应链、研发），但面临数据治理、模型选型、交互设计等挑战，缺乏"中间层"支持 [6] - 非生产性场景容错率高但易浪费资源（如盲目追求模型参数），生产性场景需平衡本地化部署合规性、ROI及推理时效性矛盾 [9] 数据与基础设施的核心瓶颈 - 企业内部存在知识/数据分散问题，非结构化数据（合同、图片）直接投喂导致"垃圾进、垃圾出"，行业专属数据完备性不足 [8] - 系统接口不统一导致集成成本高，需构建数字化底座（安全、云设施、统一控制台）和可组合集成能力支撑AI应用 [14][16] 行业实践与创新方向 - 金融领域用大模型自动处理年报/公告提升合规检查效率，生物制药企业通过AI优化材料预审流程 [10] - 消费品企业构建共享知识中心整合跨品牌数据，开发通用智能体（CRM、供应链优化）实现模块化复用 [10] - 埃森哲生产力公式显示生成式AI可推动企业年增长率从1.9%跃升至15.9%，但需结合工作方式结构性变革 [12] 企业实施AI的关键步骤 - 需具备GPU/云部署基础，优先开发会议纪要、文档处理等通用型"刚需"应用 [13] - 聚焦人力资源、财务等职能部门系统更迭，同步设计AI赋能方案 [14] - 建立动态技术适应机制，混合使用基础模型（职能部门）与专属模型（生产端），持续评估模型能力 [14][16] 长期成功要素 - 数字化领先企业在AI浪潮中更具韧性，需构建连接企业上下的体系、有效治理结构和合理预期 [15] - 弹性部署算力资源、全链路安全防护、解决数据孤岛、智能体规划及平台整合是底座层四大核心能力 [16]

生成式AI规模化应用的现状与挑战 - 2024年全球仅36%企业实现生成式AI大规模应用，13%企业获得可量化财务回报[1] - 企业CEO面临技术应用与财务回报的脱节，规模化与价值实现存在显著差距[1] - 中国57%企业预计年内大规模使用生成式AI，但需做好短期无商业收益的准备[4] 中国市场特色与应用场景演进 - 中国企业对生成式AI发展速度预期高于全球，医药等行业已深入应用于药物研发等高价值领域[3] - 应用场景从客服/营销等"易得果实"转向供应链/研发等生产性场景，深度推理模型使用增加[6] - 非生产性场景仍面临数据治理(72%)、模型选型(65%)、交互设计(58%)三大挑战[6] 技术落地中的核心瓶颈 - 企业数据分散导致非结构化数据处理困难，行业专属数据完备性不足影响模型准确性[8] - 生产性场景需平衡本地化部署ROI与合规性，长推理模型时效性与业务需求存在矛盾[9] - 系统接口不统一导致集成成本高，参数盲目追求造成资源浪费[9] 成功案例与实施路径 - 金融平台通过大模型实现年报自动化处理，生物制药企业用AI提升材料预审效率[10] - 消费品企业构建共享知识中心，跨品牌调用智能体模块实现协同效应[10] - 实施路径需分三步：GPU/云基础建设→通用型应用部署→职能部门系统AI化改造[13][14] 数字化核心能力构建 - 埃森哲生产力公式显示生成式AI可使企业年增长率从1.9%跃升至15.9%[12] - 需构建四大能力：数字化平台、数据集、AI治理体系、安全云底座[14][16] - 弹性部署算力资源与全链路防护体系是底座层关键，知识解析与模型混用是AI层核心[16] 行业演进趋势与管理启示 - 知识密集型行业率先突破浅层应用，形成准确性驱动的深度实施模式[3] - 企业需建立适应快速技术变化的架构机制，智能体发展将加剧环境复杂性[14] - 历史数字化经验显示，基础扎实的企业在AI转型中更具韧性和适应空间[15]

手机银行APP市场现状 - 我国手机银行APP市场已进入存量成熟阶段，处于精细化运营的3.0阶段 [2] - 2023年至2025年间整体流量平稳波动，用户规模峰值达7.13亿 [4] - 2020年新冠疫情加速非接触式金融服务需求，推动银行业务向APP迁移 [4] AI技术对银行业的影响 - 生成式AI有望为全球银行业带来3400亿美元生产力提升 [7] - AI技术深度赋能银行APP，聚焦智能交互、智能风控、精准营销三大场景 [9][10] - 智能交互方面，对话式服务重构用户体验，如上海银行"海小慧"实现语音指令操作 [11] - 智能风控方面，工商银行"融安e核"每日监控数亿笔交易 [11] - 精准营销方面，银行通过用户行为分析实现"千人千面"产品推荐 [11] 2025年Q1手机银行APP月活榜单 总体情况 - TOP50榜单中国有大行优势显著，农业银行以2.37亿MAU居首 [12][13] - 工商银行、建设银行MAU均超1亿，位列第二、三名 [12][13] - 股份制商业银行中招商银行以6942.6万MAU领先 [12][13] - 农商行/农信社环比普遍提升，民营银行和股份制商业银行环比下降 [12] 国有商业银行 - 六大国有行MAU均居TOP10，农业银行增速3.3%领跑 [14][15][16] - 工商银行MAU1.93亿，建设银行1.06亿，中国银行8834.4万 [16] - 邮储银行MAU5251.5万环比增1.8%，交通银行2350.6万环比降3.5% [16] 股份制商业银行 - 招商银行MAU6942.6万环比降3.5%仍居首 [20] - 平安口袋银行2814.4万、中信银行2396.0万位列第二梯队 [20] - 华夏银行是唯一实现增长的股份制银行，MAU397.7万环比增1.9% [20] 城市商业银行 - 15家城商行进入TOP50，江苏银行373.4万MAU领跑 [25][27] - 甘肃银行186.3万MAU环比增16.1%，齐鲁银行158.2万环比增16.3% [27] - 微众银行166.4万、网商银行112.8万分列民营银行前两名 [28] 农村商业银行/农信社 - 18家农商/农信机构入选TOP50，福建农信807.7万MAU最高 [33][34] - 安徽农金106.4万MAU环比增9.6%，内蒙古农信96.9万首次入榜 [34] - 重庆农商行406.9万环比增7.7%，广东农信409.4万环比增4.7% [34] 优秀案例 - 农业银行APP季均MAU2.37亿，构建全生态智能金融平台 [17] - 招商银行APP持续迭代13.0版本，引领行业创新 [21] - 江苏银行APP聚焦财富管理，基金服务升级 [29] - 甘肃银行APP7.0版本融合地域文化，MAU环比增16.1% [31]

香港资本市场发展策略 - 积极推动人民币柜台纳入南向通 预计年底前开通 以增加人民币计价股票交易 [1] - 优化上市审批流程 推出"科企专线" 便利特专科技和生物科技公司上市 允许保密提交申请 [1][5] - 与回流香港上市的优质中概股商谈 提供便利 [1] 监管框架与市场韧性 - 采用"相同业务 相同风险 相同规则"监管理念 将场外交易与托管机构纳入监管 [1] - 密切监察市场情况 进行压力测试 有效管控系统性风险 [2] - 构建合规且风险受控的虚拟资产生态系统 支持现货ETF上市 允许质押服务 [4] 三发利箭增长策略 融资中心建设 - 吸引多元化公司来港上市 降低交易成本 提升市场效率 [3] - 宁德时代H股上市融资53亿美元 基石投资者为国际长线资金 [3] 深化市场互联互通 - 推进股票 债券 基金 ETF和衍生工具等互联互通扩容优化 [3] - 迎来首只沙特政府债券ETF上市 拓展与沙特ETF市场合作 [4] 科技创新应用 - 推动区块链技术实现证券代币化 结合传统与去中心化金融 [5] - 促进数字化 区块链和生成式AI等科技创新 [4] 市场趋势观察 - 国际资金大幅回流内地A股及港股 全球资产配置格局可能重构 [2] - "A+H"上市趋势明显 内地企业持续来港IPO [1]