业绩情况 - 2024 年度公司实现净利润 2062.69 万元，综合毛利率为 16.24%，同比扭亏为盈 [2] - 2025 年一季度实现净利润 2972.90 万元，综合毛利率达 26.97%，归属于上市公司股东的净利润较上年同期上升 367.01%，归属于上市公司股东的扣除非经常性损益的净利润较上年同期上升 318.01% [3][11] 盈利增长原因 - 持续优化业务结构及布局，主营产品背光显示模组向中尺寸类产品拓展，2025 年第一季度 switch 2 背光模组产品持续放量 [3] - 2024 年度继续实施降本增效措施，加强成本管控，降低运营成本，提高资金使用效率和运营管理效率，相关费用、各类资产减值准备等较上年同期下降，2023 年 11 月终止实施限制性股票激励计划，2024 年无股权激励费用发生 [3][9] 新技术研发进展 - 2024 年“超薄发光均匀的 Mini - LED 背光源技术应用”研发项目完结，已成功研发出 Mini - LED 背光源产品，向客户送样并应用于智能穿戴领域，未来将推动 Mini/Micro - LED 技术商业化进程，适时投资建设生产项目 [4] 客户情况 - 已进入群志光电、华星光电等领先液晶显示模组企业的合格供应商体系，应用终端品牌包括任天堂、OPPO、VIVO 等 [5][6] 其他问题回复 - 2025 年净利润、营业收入等财务指标需关注公司定期报告 [7][11][12][15] - 二级市场股价受多因素影响，公司会抓好经营管理提升长期投资价值 [8] - 自美国宣布关税政策以来，公司生产经营和订单情况正常 [10][11] - 通过任天堂审厂流程，与客户形成稳定长期合作关系 [11] - 大股东减持信息关注公司相关公告 [11] - 行业未来发展前景乐观，公司依托优势把握市场扩容空间 [12][14] - 管理层无减持股份计划，公司经营稳健战略执行有序 [12] - 背光显示器件销售受下游消费电子行业影响，全年季节性影响可能减弱 [12] - 不便评论其他公司经营情况，建议参考官方披露信息 [14] - 产品向中尺寸类背光显示模组延伸，应用领域扩大将对业绩产生积极作用 [14]

本文来自微信公众号： 新智元 ，作者：新智元，编辑：定慧，题图来自：AI生成 "美国的高等教育就是个笑话！" 还记得Roy Lee小哥吗，他曾因为公开自己全程使用AI"作弊"通过了亚马逊的笔试，而被哥伦比亚大 学开除。 问题 当然，小哥并没有气馁，立马转身创业开办了Cluely公司， 专门教人"在所有事情上作弊" ，还收到 了530万美元的天使投资。 这一次，Roy Lee准备加倍押注这个趋势： 不仅是找工作，美国大学也要"完蛋"了！ Roy Lee最开始出圈的产品，帮助程序员作弊算法 在通过AI作弊获取Offer后，大家开始通过ChatGPT"作弊"混过大学。 "大学的唯一作用只剩下找到自己的合伙人和妻子"，Lee表示，只有离开大学，你的生活才算真正开 始。 不论是美国的大学生还是高中生，没有人可以拒绝ChatGPT。 新生们和老生们都表示自己已经对ChatGPT上瘾，就像对TikTok、Instagram和Snapchat上瘾一样， 老师们却感觉很绝望。 大学毕业的"文盲们" Troy Jollimore是一位诗人、哲学家，也是加州州立大学奇科分校的伦理学教授。 在最新的一次采访中，James Walsh ...

公司概况 - 云迹科技正式向港交所递交招股说明书，拟在主板挂牌上市，若成功将成为"机器人服务智能体第一股" [1] - 截至2024年底，公司服务超过3万家酒店和100家医院，产品部署覆盖中国329个地级行政区 [2] - 2023年公司酒店机器人业务收入占比高达95.1%，全球和中国酒店场景市场占有率分别为9%和12.2%，均排名第一 [2] 财务表现 - 2022-2024年营收从1.61亿元增至2.45亿元，年复合增长率23.2%，累计营收超5亿元 [4] - 同期净亏损分别为3.65亿元、2.65亿元及1.85亿元，三年累计亏损超8亿元 [4] - 毛利率从24.3%提升至43.5%，但高毛利软件业务（HDOS系统）收入占比不足20% [4] 行业格局 - 中国酒店场景机器人市场规模从2019年5亿元增长至2023年11亿元，预计2028年达36亿元 [5] - 前五大参与者合计市占率27.6%，竞争激烈 [5] - 2021年服务机器人赛道融资总金额超440亿元，但2022年1-11月融资事件仅11起，大幅降温 [5] 业务模式 - 公司超80%收入依赖酒店机器人业务，其他场景尚未形成业绩增长点 [2][4] - 为维持市场份额实行降价策略，销售及营销支出增长侵蚀利润 [4] - 行业存在"硬件租赁+软件订阅"模式创新潜力，未来或通过数据驱动增值服务 [14] 技术应用 - 当前产品主要覆盖送物等基础功能，深层次场景如房间清洁、铺床等技术尚未突破 [11][15] - 模块化设计可实现分时复用（如送物/清洁/消杀），降低酒店30%采购成本 [13][14] - 生成式AI应用可优化95%客需处理，提升满意度并增加非房收入 [14] 市场挑战 - 酒店采购预算收缩、价格战加剧，行业陷入同质化竞争 [4][6] - 技术成熟度不足导致送物错误、电梯交互等问题频发 [7][9] - 高端酒店更倾向人工服务，部分场景机器人效率甚至低于人工 [7][12] 发展前景 - 具身智能（Embodied AI）和AIoT技术将推动环境感知与自适应能力升级 [14] - 预计3-5年内可实现清洁等复杂任务技术突破，触发爆发式增长 [15] - 未来酒店运营将呈现"人工为主、机器人为辅"的人机协同模式 [15]

数字教育研究全球十大热点发布 - 2025世界数字教育大会闭幕式上发布了"数字教育研究全球十大热点"，涵盖生成式AI、元宇宙技术、数字教育行为认知等前沿领域 [1] - 研究成果基于2019至2024年全球近6万篇数字教育论文数据，由《数字教育前沿（英文）》期刊联合数据公司、高校及科研机构完成 [1] - 报告采用科学计量分析与专家团队深度挖掘，结合案例实证与趋势预测，从技术迭代、政策协同、伦理挑战等多维度解读 [1] 十大热点具体内容 - 生成式AI加速跨学科融合：突出AI技术对教育多学科交叉的推动作用 [2][3] - 元宇宙技术催生智慧学习范式：强调虚拟现实技术重构学习模式 [2][3] - 数字教育改变学习行为认知：揭示数字化工具对学习心理与行为的影响机制 [2][3] - AI赋能个性化学习：人工智能实现教育场景的精准定制化服务 [2][3] - 数字素养支撑教师专业成长：教师数字能力提升成为教育转型关键要素 [2][3] - 人智协同塑造数字教育新生态：人机协作模式推动教育系统结构性变革 [2][3] - 职业教育适应智能化创新需求：职业培训体系与智能技术深度融合 [2][3] - 全球共治重建数字教育伦理边界：跨国协作机制应对技术应用的伦理挑战 [2][3] - 数字教育跨越区域均衡发展鸿沟：数字化手段缩小教育资源地域差距 [2][3] - 数据驱动教学全流程智慧决策：教育大数据支撑教学环节的智能化决策 [2][3] 研究方法与成果发布 - 高等教育出版社总编辑谭方正主导研究，成果将在《数字教育前沿（英文）》期刊发表 [1] - 研究采用量化分析与定性研究结合的方法，兼具阶段性总结与前瞻性预测双重属性 [1]

行业现状 - 网络安全行业面临市场饱和、价格内卷、客户预算吃紧等问题，项目数量减少[1] - 行业过去十年因合规要求密集出台曾经历"黄金时代"，但当前增长面临见顶[1] - 2024年多家上市网络安全厂商亏损，奇安信巨亏超13亿元，绿盟科技、启明星辰等头部厂商亏损1亿-4亿元不等[4] 竞争格局 - 产品同质化严重，厂商采用低价策略抢占市场，部分产品报价低至800元（行业最低渠道价2000元）[3] - 客户企业自研意识觉醒，大型金融机构等开始自研安全产品，对外购服务依赖减少[3] - 项目周期长（1-3年），当前业务受客户1-2年前预算影响，企业"节衣缩食"导致网安服务优先级下降[3] AI转型方向 - 头部厂商纷纷布局AI大模型，奇安信发布"Q-GPT"、绿盟科技发布"风云卫"、天融信发布"天问"[2] - 生成式AI使攻击成本下降75%，催生高级网络钓鱼、深度伪造等新型威胁，倒逼防御体系重构[5] - AI安全新品类（威胁狩猎、攻击面管理）毛利率可达65%，成为突围关键[5] 增量市场机遇 - 合规需求升级：欧盟《AI法案》及中国《生成式AI服务管理暂行办法》催生AI模型审计、数据投毒检测等新服务[6] - 垂直行业场景化需求爆发：金融领域AI欺诈检测、医疗行业大型语言模型内容审核推动深度定制解决方案[6] - 云原生安全：多云部署推动基于AI的云工作负载保护平台（CWPP）市场年复合增长率超30%[6] AI应用挑战 - 攻击者利用生成式AI将钓鱼邮件效率提升80%，AI换脸可绕过生物识别验证[7] - 现有AI安全产品对零日攻击拦截率不足45%，模型"幻觉"导致误报率高达12%[7] - 大模型可能引发潜在安全风险，客户对AI安全产品的接受度尚处培育期[8]

生成式AI技术浪潮 - 生成式AI技术正以前所未有的速度重塑全球产业格局、治理结构与社会生态 [1][2] - 技术突破覆盖内容生产、产业创新、监管实践及伦理治理领域 [1][2] 专题研讨会核心内容 - 腾讯研究院与新加坡管理大学数字法研究中心联合主办"生成式AI进展：应用、治理与社会影响"研讨会 [3][4] - 活动聚焦三大方向：应用趋势、治理挑战及社会深层影响 [3][4] - 跨界多学科对话涉及学界与业界专家 [3][4] 议程与嘉宾 - 主旨演讲嘉宾包括新加坡国立大学人工智能研究所所长Mohan Kankanhalli [8] - 腾讯资深研究员柳天驰将进行主题分享 [8] - 行业应用趋势讨论由腾讯研究院创新研究中心主任袁晓辉主持 [8] - 治理与社会影响讨论嘉宾包括德尊律师事务所董事Cheryl Seah及未来隐私论坛亚太区董事总经理Josh Lee [10] 活动信息 - 时间：2025年5月22日13:00-17:05 [6] - 地点：新加坡管理大学杨邦孝法学院多功能厅 [6] - 线下参会需通过二维码提前注册 [13][15] 延伸内容 - 腾讯研究院院长司晓将发表闭幕致辞 [11] - 推荐阅读包括司晓《拟合未来，选择比能力更重要》及曹建峰《谁为AI事故负责》 [18]

研究报告核心观点 - 全球仅10%公司达到"未来就绪"标准 具备支持员工适应AI变革的结构化战略 [1] - 数字转型 生成式AI和人工智能将成为2030年前影响企业的三大技术趋势 [3] - 多数企业缺乏配套员工支持计划 员工被迫在缺乏指导情况下应对AI应用挑战 [3] 企业AI应用现状 - 60%领导者期望员工为AI更新技能 但34%公司未制定工作中使用AI的政策 [3] - 过去12个月仅三分之一领导者参与自身AI能力提升 [3] - 53%CEO表示团队难以及时就AI战略达成一致 对AI战略信心较2024年下降11个百分点 [3] - 技术和数字技能短缺是2025年数字转型最大障碍 但仅33%公司投资数据来弥补技能差距 [3] "未来就绪"企业特征 - 64%"未来就绪"组织表示AI应用改善决策 所有公司中该比例为49% [5] - 71%"未来就绪"组织对AI实施战略非常有信心 所有公司中该比例为58% [5] - 65%"未来就绪"组织采用基于技能的员工规划 所有公司中该比例为56% [5] - 具备四大核心标准：结构化AI管理 员工适应性培养 技能发展投入 领导者未来准备度 [5]

ChatGPT的技术突破与行业影响 - ChatGPT成为历史上最快突破1亿用户的科技应用，两个月内实现这一里程碑 [3] - ChatGPT基于GPT-3.5优化，语言能力显著超越GPT-3，首次通过图灵测试 [1][4] - 生成式AI领域出现技术质变，ChatGPT标志着AI从垂直工具向通用智能体的跃升 [4][6] 大模型驱动的IT行业结构重塑 - 新IT架构分为四层：算力基石层、IaaS层、基础模型层(MaaS)、垂直模型层(VFM)+SaaS层 [9] - 垂直基础模型层和SaaS层是创新风口，边缘计算领域存在大量机会 [11] - 企业可通过精调训练(Fine Tuning)和提示工程(Prompt Engineering)降低开发成本 [12] 中国AI产业的发展机遇 - 中文大模型需多语种训练数据，非中文数据不会成为瓶颈 [15][16] - 国内技术差距集中在高端芯片、算法系统和平台级技术，但追赶潜力大 [17] - 垂直领域(如医疗、边缘智能)是主要机会点，"百模大战"加速市场活力 [18][19] AI大模型的五大发展方向 - 多模态智能：整合文字、图像、视频、生物信息等跨模态数据 [32] - 边缘智能：部署轻量化模型到终端设备，实现低延时处理 [33] - 物理智能与生物智能：推动自动驾驶、机器人及医疗领域突破 [33] 生成式AI的未来技术路线 - 基础大模型+垂直模型+边缘模型构成技术底座，生态规模将超移动互联网10倍 [34] - 统一标识(Tokenisation)和规模定律(Scaling Law)是核心要素 [34] - 5年内可能在Transformer等主流框架外出现颠覆性新技术 [34][35]

融资动态 - Harvey正洽谈由Kleiner Perkins和Coatue领投的新一轮融资 估值达50亿美元 拟筹集资金超2.5亿美元 [1] - 红杉资本预计参与本轮投资 该机构三个月前刚牵头公司3亿美元D轮融资 [1] - 投资者主要被公司在法律科技市场的快速渗透力吸引 [1] 业务表现 - Harvey年化经常性收入在四月份达到7500万美元 [1] - 全球律师和法律事务所广泛采用其生成式AI技术 用于简化研究、文档工作及数据分析 [1] - 公司宣布将整合Anthropic和谷歌的AI模型 作为现有OpenAI模型的补充 [1] 行业趋势 - 2024年全球法律科技初创企业投资总额达21亿美元 [1] - 2025年2月美国法律科技投资创历史峰值 [1] 投资方信息 - 报道未提及早期投资方OpenAI Startup Fund是否参与本轮融资 [2]

在生成式 AI 领域，扩散模型（Diffusion Models）已成为图像生成任务的主流架构。然而，传统扩散模型在处理不同噪声水平和条件输入时采用统一处理方式，未 能充分利用扩散过程的异构特性，导致计算效率低下，近期，可灵团队推出 DiffMoE（Dynamic Token Selection for Scalable Diffusion Transformers）， 通过创新的 动态token选择机制和全局token池设计，拓展了扩散模型的效率与性能边界。 本文由清华大学和快手可灵团队共同完成。第一作者是清华大学智能视觉实验室在读本科生史明磊。 核心突破：动态token选择与全局上下文感知 论文标题：DiffMoE: Dynamic Token Selection for Scalable Diffusion Transformers 项目主页： https://shiml20.github.io/DiffMoE/ 论文地址： https://arxiv.org/abs/2503.14487 代码： https://github.com/KwaiVGI/DiffMoE 性能提升：以少胜多的参数高效模型 在 ...