公司人事任命 - Visa公司于9月29日宣布任命张文翊为大中华区总裁，接替将于年底退休的于雪莉 [1] - 张文翊在半导体、在线零售、云计算等领域拥有超过30年工作经验，被共事者评价为“非常有能力” [1] 新任总裁职业背景 - 张文翊职业起点为1993年加入英特尔，担任软件设计工程师，后历任亚太区品牌与广告总监、公关总监，中国区市场总监、市场与渠道部总经理等职 [3] - 2013年5月加入亚马逊，担任Kindle中国业务总经理，2016年升任亚马逊中国总裁，负责电商及Kindle业务 [3] - 在亚马逊期间，其成功将Kindle全线产品引入中国，完善数字出版生态系统，与超过600家出版社建立合作 [3] - 2019年7月被任命为亚马逊全球副总裁、AWS大中华区执行董事，负责大中华区业务战略 [4] - 2024年转而负责AWS生成式人工智能与机器学习的全球市场拓展 [4] 公司业务与战略展望 - Visa为全球支付巨头，成立于1958年，业务覆盖超过200个国家和地区 [4] - 公司自上世纪80年代进入中国，核心业务领域包括消费支付、商业支付、增值服务 [4] - 新任总裁表示将加强政府及行业伙伴合作，发挥Visa科技优势，打造流畅安全支付体验，帮助客户开拓新收入来源，推动地区可持续业务增长 [4]

公司人事任命 - Visa于9月29日宣布任命张文翊为大中华区总裁，接替将于年底退休的于雪莉 [1] - 张文翊曾在亚马逊、亚马逊云科技及英特尔担任高层管理职务，拥有丰富的科技行业领导经验 [1] - 张文翊于2013年加入亚马逊，历任全球副总裁兼Kindle中国总经理、亚马逊中国总裁，并于2019年至2023年担任AWS大中华区董事总经理 [1] - 2024年，张文翊负责AWS生成式人工智能与机器学习的全球市场拓展业务 [1] 新任总裁战略展望 - 新任总裁表示将基于Visa大中华区的坚实基础，领导处于全球金融与本地创新交汇的业务 [1] - 公司将通过与政府及行业伙伴合作，发挥其在全球科技领域的领导地位 [1] - 战略重点包括保障数字身份、引领支付创新以及推动智能商务未来发展 [1] - 目标是打造流畅安全的支付体验，帮助客户开拓新收入来源，并推动地区可持续业务增长 [1]

一项由丹麦、美国、加拿大和韩国联合团队开展的国际合作研究，首次通过实验证明了量子技术在特定 任务中远超经典方法的能力，完成任务时间从2000万年缩短到15分钟，真正实现了"量子优势"。该成果 发表在新一期的《科学报告》上。 研究的核心问题源于一个普遍存在的挑战：如何高效地了解一个复杂且充满噪声的物理系统。在传统方 法中，科学家需要反复测量系统，通过大量数据来推断其行为特征，比如设备的"噪声指纹"。但对于量 子系统而言，这一过程变得异常困难——不仅因为测量本身会扰动系统，更因为随着系统规模增大，所 需测量次数呈指数级增长，很快就会超出实际可行的范围。 为突破这一瓶颈，丹麦工业大学研究团队尝试引入一种独特的量子资源：纠缠光。量子纠缠是量子力学 中一种奇特现象，两个粒子或光束一旦纠缠，无论相隔多远，对其中一个的测量结果会立即揭示另一个 的状态。利用这一特性，团队设计了一个实验，使用纠缠的光脉冲来探测一个具有共享噪声模式的光学 系统。 实验采用的是标准的光学元件和通信波段的光。团队制备了两束相互纠缠的压缩光，其中一束用于探测 目标系统，另一束作为参考。通过对这两束光进行联合测量，他们能够一次性提取出更多有效信息，显 ...

全球顶尖科学家榜单发布 - 斯坦福大学与爱思唯尔联合发布2025全球前2%顶尖科学家榜单 基于标准化引文指标识别全球顶尖2%科学家 使用终身职业生涯和单一年度引文数据 在22个科学领域和174个子领域评估研究影响[1][20][22] - 排序基于复合指标c-score 综合考虑总引用次数 NC 引用次数的Hirsch H指数 H 引用次数的Schreiber合作作者调整后的Hm指数 Hm 科学家作为唯一作者的论文总引用次数 NCS 科学家作为唯一作者或第一作者的论文总引用次数 NCSF 科学家作为唯一作者 第一作者或最后作者的论文总引用次数 NCSFL[22] - 通过六个单调递增指标选出排名前3万名科学家 计算职业生涯整体影响力的复合指标公式通过对6个指标求和得出[22] 中国学者表现 - 中国共有1435人入选终身影响力榜单 2270人入选年度影响力榜单[2] - 清华大学以746位学者入选 全球大学排名第四 仅次于哈佛医学院 工程学院和牛津大学 超越斯坦福大学的718位[3][5] - 南京大学周志华教授全球排名526位 腾讯张正友博士全球排名969位 入选终身科学影响力排行榜前1000[5] - 周志华教授同时位列年度科学影响力排行榜第182位 张正友博士位列第588位[6][7] 顶尖科学家个人成就 - 周志华教授现任南京大学副校长 国际人工智能联合会理事会主席 ACM AAAAI IEEE Fellow 谷歌学术引用总数超过108,482次 h指数132 i10指数492 主要研究人工智能 机器学习与数据挖掘 著有《机器学习》等四部中英文著作[7][9][10] - 张正友博士现任腾讯首席科学家 腾讯Robotics X实验室主任 ACM/IEEE Fellow 谷歌学术引用总数80,397次 h指数108 i10指数346 是世界著名计算机视觉 语音处理 多媒体技术和机器人专家 发明了普遍采用的"张氏方法"摄像机标定法 2013年获IEEE Helmholtz时间考验奖 2025年获AISTATS时间考验奖[12][13][14] 全球顶尖科学家排名 - 中国科学院王中林教授以2,836篇论文位列全球第一[6] - 图灵奖得主Yoshua Bengio入选年度Top 10科学家 因深度学习开创性工作与Geoffrey Hinton和Yann LeCun共同获得2018年图灵奖 是引用次数最多 h指数最高的计算机科学家之一[17][19]

公司核心业务与服务 - 公司提供大数据服务、数据处理服务、互联网安全服务及计算机系统服务等多元专业服务 [2] - 大数据服务具备强大的数据采集、存储、分析和可视化能力，能挖掘海量数据中的有价值信息 [2] - 数据处理服务拥有专业的数据清洗、转换和整合技术，可高效处理结构化和非结构化数据 [2] - 互联网安全服务提供网络漏洞扫描、入侵检测、数据加密和访问控制等全方位安全防护 [3] - 计算机系统服务涵盖系统规划、设计、安装、调试和维护，提供一站式解决方案 [3] 技术创新与研发 - 公司坚持创新驱动发展战略，积极引入人工智能、机器学习和区块链等先进技术 [4] - 通过人工智能和机器学习算法实现数据的自动分析和预测，提升处理效率和准确性 [4] - 将区块链技术应用于数据安全和可信交易领域，确保数据不可篡改和可追溯 [4] - 在互联网安全领域研发基于行为分析的安全检测系统，实时监测网络异常行为 [4] - 计算机系统服务采用云计算和虚拟化技术，实现系统弹性扩展和资源共享 [5] 客户服务与项目实施 - 公司以客户需求为先，建立了完善的项目管理体系，确保项目按时高质量交付 [7] - 项目团队与客户保持密切沟通协作，根据反馈及时调整方案 [7] - 提供全方位售后服务，包括客户服务热线、在线客服平台及定期回访 [7] - 为客户提供技术培训和知识分享服务，帮助提升客户的数据信息管理能力 [7] - 通过优质服务与众多客户建立了长期稳定合作关系，品牌形象获市场广泛认可 [8] 市场定位与发展前景 - 公司作为数据信息领域的新兴力量，在市场中崭露头角 [1] - 致力于为客户提供高质量、个性化的全方位数据信息解决方案 [10] - 未来将继续坚持创新发展，紧跟科技步伐，探索新业务领域和服务模式 [10] - 目标是成为行业领军企业，推动中国数据信息产业发展 [10]

每经编辑｜金冥羽 向江林 包括李昊然在内，过去四年来，普林斯顿大学至少已发生八起学生或研究员死亡事件，其中包括四起自杀。 编辑|金冥羽 向江林 校对|陈柯名 封面图片来源：新京报 据扬子晚报，美国普林斯顿大学校内媒体9月26日报道，来自中国的该校电气与计算机工程博士后研究员李昊然（Haoran Li，音译）于9月25日在家中去 世。 李浩然本科毕业于清华大学，之后到普林斯顿大学留学，最近完成了博士学位论文答辩，在该校担任博士后研究员。目前，他的死因等更多细节尚不清 楚。 根据李昊然的社交媒体信息，他于2015年-2019年在清华大学电子工程专业学习，2019年8月-2025年6月在普林斯顿大学攻读电子和计算机专业博士，他同 时在该校担任研究助理工作。普林斯顿大学电气与计算机工程系和安德林格能源与环境中心联合聘任的副教授陈敏杰领导的研究团队，荣获2023年度 IEEE电力电子学报（TPEL）一等奖论文奖，李昊然是论文作者之一，曾与团队一起领奖。 他曾介绍自己的研究兴趣包括机器学习和数据驱动的磁损耗建模方法、耦合磁体的设计与优化以及高效高密度功率转换器设计。李昊然最近完成博士论文 答辩，根据普林斯顿大学26日发送 ...

涉及的行业或公司 * 涉及公司为Intact Financial Corporation (IFCZ F) 一家保险行业公司[1] * 公司业务范围包括加拿大 英国 美国以及全球特种保险市场[16][17][28] 核心观点和论据 财务表现与ROE展望 * 公司对当前所有业务线和地区的表现感到满意 并相信能维持近期季度的ROE水平[4] * 过去五年平均ROE为16% 同期比行业表现高出650个基点 显著高于其500个基点的目标[4] * 公司的ROE比行业更稳定 在不同周期阶段都表现出更稳定的ROE[4] * 业务组合发生重大变化 高利润率的商业保险和特种保险占比从2015年的30%提升至目前的超过50% 这有助于ROE的可持续性[4] * ROE的超额表现主要源于三个领域 各贡献约三分之一 定价与风险选择 理赔管理及供应链 资本管理与投资[5] 竞争优势与战略 * 公司在理赔管理方面的内部化程度极高 加拿大99 7%的理赔由自有员工处理 包括高峰期和巨灾时期[10] * 公司拥有超过600名律师和法律专业人士的内部法律辩护团队 处理超过80%的责任索赔辩护[10] * 公司深入供应链 运营37个汽车维修服务中心 在这些地点周期时间减少了30% 净推荐值提升了10分[11] * 这些优势难以复制 需要规模和内部专业知识 公司已投入20年时间构建[11] * 公司拥有超过500名数据和AI专家 已部署超过500个AI模型 产生约1 5亿美元的经常性收益 目标是在2030年达到5亿美元经常性收益[13] * 收益的三分之二来自风险定价 三分之一来自效率提升和客户体验改善[13] 增长机会与市场扩张 * 公司整体第二季度增长率为4%[16] * 由于收购RSA 公司现在进入了一个大10倍的潜在增长市场（英国市场）[16] * 在全球特种保险领域 公司目前所在的市场总潜力达5000亿美元 但市场份额较小 正在快速增长[16] * 公司在所有市场都表现出色 包括英国商业保险 以及美国 英国和欧洲通过全球平台运营的特种保险[17] * 公司专注于中小型企业(SME)和中端市场 这部分商业保险在保险周期中比高端市场更稳定[17] * 公司预计未来几个季度及几年内保费增长将加速[17] * 公司对在美国特种保险领域的有机增长机会很感兴趣 并愿意考虑资本部署机会 但可能要求比在加拿大更高的投资回报[28] 并购(M&A)战略 * 在英国 公司目前是市场第三大参与者 目标是进一步扩大规模[21] * 出色的表现是考虑并购的关键 公司目前已处于该阶段[22] * 加拿大仍是并购的第一优先区域 其次是全球特种保险(GSL)市场[23] * 旗下BrokerLink的已赚保费已达50亿美元 约占经纪分销市场的20% 目标是在2030年增长至100亿美元[31] * 自2020年以来 BrokerLink已完成约100次整合收购 拥有良好的整合方案和运营模式 收购渠道强劲 未见放缓[31][32] 技术应用与创新 * 公司正积极将机器学习定价模型部署到商业保险和特种保险领域[6] * 正在将加拿大的理赔竞争优势引入美国和英国[6] * 公司认为生成式AI(AI)是一个加速器 但主要机会在于利用AI提升风险定价性能和通过更好的客户体验实现增长 而非仅仅专注于占收入15%的可控费用效率[14] * 公司正在加拿大个人保险中部署第四代机器学习模型用于定价和风险选择 并正将其扩展至美国和的商业保险领域[33] * 公司结合量化模型和生成式AI 致力于自动化核保流程并改善与经纪人的互动 正在加拿大经纪办公室部署自有技术[34] 其他重要内容 * 公司目的(Purpose)是帮助个人 企业和社区在顺境中繁荣 在逆境中保持韧性 理赔战略是实现此目的的基石[9] * 在英国 公司正在整合RSA和从Direct Line收购的业务 推出统一品牌 并已看到客户满意度和对经纪人服务的改善[22] * 公司正在英国内部化理赔调整 并开始建立内部律师事务所 同时探索将供应链概念应用于英国市场[25] * 公司利用数据模型识别代位追偿机会 确定水损等服务需求 这些模型正逐步在英国部署[26] * 在美国 内部化法律方面已进行五六年 但因涉及50个州且需要足够业务量 内部化程度受到限制[27]

首先，数字货币交易所通过区块链技术提高了金融交易的安全性。区块链的分布式账本技术确保了交易记 录的不可篡改性和透明性，这对于打击欺诈和洗钱行为至关重要。此外，许多交易所还采用了多重签名技 术和冷存储等安全措施，进一步保护用户资产不受黑客攻击和内部滥用的影响。其次，数字货币交易所通 过区块链技术提升了金融交易的效率。传统的金融交易往往需要通过多个中介机构，这不仅增加了交易成 本，也延长了交易时间。而区块链技术允许点对点交易，减少了中间环节，从而降低了交易成本，加快了 交易速度。这种效率的提升对于全球金融市场的流动性和活跃度有着积极的影响。在创新趋势方面，数字 货币交易所正朝着更加智能化和个性化的方向发展。通过引入人工智能和机器学习技术，交易所能够为用 户提供更加精准的市场分析和交易建议。同时，随着用户需求的多样化，交易所也在不断推出新的交易对 和金融产品，以满足不同用户的需求。未来发展方面，数字货币交易所将继续推动区块链技术的普及和应 用。随着监管环境的逐渐明朗，更多的传统金融机构可能会进入这一领域，与现有的数字货币交易所展开 竞争。这将促使交易所提供更加合规、安全和高效的服务，同时也将推动整个行业向更加成熟和 ...

课程核心内容 - 课程主题为利用AI工具（如DeepSeek和GPT）辅助生物信息学课题设计、数据分析和CNS级别论文写作 [1][3] - 课程全面覆盖代谢组、蛋白组、宏基因组、转录组、单细胞转录组、空间转录组等多组学数据分析技术 [3][15][29] - 课程整合二十多篇CNS（Cell、Nature、Science）文章的源代码进行讲解和复现 [51] 课程结构与安排 - 课程为期两个月 采用线上腾讯会议培训方式 每批次限招40人以保证一对一指导质量 [26][27] - 课程包含二十节正课 内容从AI辅助文献解读、课题设计延伸至编程基础、多组学数据挖掘及机器学习应用 [3][15][17][19][20][29][37][38][40][43][46] - 额外开设机器学习班、单细胞多组学班和空间转录组班 连报有优惠 [27] 教学方法与特色 - 强调零基础入门 R语言编程从安装环境到实战应用全面覆盖 [29][30] - 采用“一对一指导+包教包会”教学模式 配备多名答疑老师并提供课后持续答疑服务 [23][24][29] - 课程提供往期视频预习 支持多轮学习 承诺包教包会 [22] 讲师与平台背景 - 主讲老师华哥（张振华博士）为中山大学博士 现任东京大学医学人工智能研究员 拥有6年单细胞多组学与机器学习研究经验 [46] - 华哥生信平台深耕生信教育六年 累计培养学员超过3万人 指导学员发表CNS主刊文章8篇、一区及子刊90余篇 [46][48][50] - 平台与广东省生信学会、中国抗癌协会等机构合作举办公益培训专场 具备行业认可度 [52][54][56]

AI量化研究系列 - 深度学习应用于股指期货日内交易策略开发 [2] - 深度学习算法用于Alpha因子挖掘和再挖掘 [2] - 趋势策略通过深度学习技术进行增强 [2] - 风险中性的深度学习选股策略构建 [2] - 深度学习在指数增强策略上的应用实践 [2] - 高频数据因子在深度学习框架下进行挖掘 [2] - 基本面因子模型通过深度学习技术增强 [2] - 条件随机场应用于周频择时策略开发 [2] - 机器学习多因子动态调仓策略研究 [2] - 人工智能在资产管理行业的应用和前景展望 [2] - 涨跌模式识别用于指数和行业择时策略 [2] - 隐马尔科夫模型应用于选股策略研究 [2] - 机器学习模型在因子选股上的比较分析 [2] - 多周期机器学习选股模型构建 [2] - 卷积神经网络用于股价走势识别与分类 [2] - Transformer架构下的量价选股策略研究 [2] - Visibility Graph-CNN创新架构用于高效股价预测 [2] - 卷积神经网络应用于ETF轮动策略 [2] - 多模态多尺度股价预测方法研究 [2] - DeepSeek工具用于提高投研效率 [2] - 知识库到知识图谱转换通过DeepSeek+GraphRAG实现 [3] - 神经常微分方程与液态神经网络技术研究 [3] - AlphaForge基于梯度下降进行因子挖掘 [3] - 强化学习应用于价格择时策略 [3] - 机器学习选股训练手册编制 [3] 基本面量化研究系列 - 多视角探寻长线选股策略研究 [3] - 景气向上且持续增长企业的挖掘方法 [3] - 寻找"物美价廉"优质企业的策略研究 [3] - 高估值股中投资机会的挖掘方法 [3] - 财务指标选股策略深入研究 [3] - 叠加反转效应下的财务指标选股策略 [3] - 细分行业景气盈利轮动策略开发 [3] 转债风险管理 - 转债退市风险与信用风险监控系统构建 [6] 研究团队信息 - 广发金融工程团队负责相关研究 [4]