自生成式AI爆发以来，医疗始终是最重要的应用赛道之一。 资本的热度足以证明这一点： OpenEvidence在B轮融了2.1亿美元，Qventus的D轮拿下1.05亿美元，Chai Discovery的A轮也 有7000万美元。 红杉更是连续出手，在医疗AI领域投了6家公司，其中4次领投，覆盖临床决策支持、药物研发、医院 信息系统、医疗文档、行政自动化等关键环节。 投资人看好AI医疗的逻辑很简单，AI的角色正在从"辅助工具"升级为"核心工作流"。 它不再只是锦上添花的插件，而是嵌入医疗体系的关键节点：在病历生成、处方开立、临床试验、影像 分析等环节直接创造数据、触发流程，从而影响一系列下游决策。谁掌握了数据入口和流程启动点，谁 就有机会改写整个生态的价值分配。 Abridge就是一个鲜明例子：它把医患对话转化为结构化数据，不仅帮医生减负，还衍生出一套贯穿计 费、护理协调、临床试验的完整数据流。 类似的战略入口，还包括处方点、DME订购、医生教育、证据生成、试验设计与样本采集等，几乎每 一个节点都可能成为AI驱动创新的"爆破口"。 这也意味着，AI在医疗中的角色已经从"支持"变成"决策参与者"，能直接影响诊疗路 ...

财务业绩 - 第二季度营收3.97亿元 同比增长40% [1] - 平台首年保费11.28亿元 同比增长73% [1] - 平台总促成保费17.96亿元 同比增长34% [1] - 实现净利润1088万元 [1] 产品与客户结构 - 长期险件均首年保费超过7600元 同比提升87% [2] - 分红型储蓄险战略巩固市场领导地位 年金险成为增长新引擎 [2] - 累计投保客户数突破1140万 本季度新增投保客户40万 [2] - 长期险投保客户平均年龄35.2岁 二线及以上城市客户占比超65% [2] 技术赋能与运营效率 - AI版APP日均服务用户数稳定超过1.5万人次 [1] - 新客户自主投保率同比提升超50% [1] - 智能体累计数量突破700个 赋能业务全流程 [1] - AI技术月均生成有效代码超20万行 相当于60位中级工程师产能 [1]

不久前才宣称要收购谷歌Chrome浏览器，如今又以2亿美元的新一轮融资再次刷新自己的估值纪录，成 立仅三年的AI搜索创业公司Perplexity以其高调的行事作风，成为硅谷最引人注目的AI独角兽之一。 近日，据多家外媒报道，Perplexity已获得2亿美元的新一轮融资承诺，公司估值飙升至200亿美元。而 就在两个月前，Perplexity才刚刚以180亿美元估值融资了1亿美元。然而，尽管Perplexity备受资本青 睐，以密集的融资节奏和惊人的估值涨幅迅速跃升为头部AI创业公司，但在估值一路狂飙的背后，其 商业化进程却显得步履蹒跚。广告业务几近停滞、电商功能缺失严重，这家被寄予厚望的"谷歌杀手"， 似乎仍在寻找属于自己的"钱景"。这一强烈反差，也为Perplexity的未来蒙上了一层不确定性。 A面：三年"吸金"15亿美元 Perplexity的融资历程，堪称AI创业中的"速度与激情"。 公开资料显示，Perplexity成立于2022年8月，总部位于美国旧金山。联合创始人兼首席执行官Aravind Srinivas曾在OpenAI担任研究科学家，创始团队成员来自Meta、Quora和Databricks ...

公司动态 - 万兴科技连续第七年受邀参加2025互联网岳麓大会 展示多项创新成果包括万兴天幕2.0和万兴超媒Agent [1] - 董事长吴太兵在大会开幕式发表主题演讲 宣布万兴天幕2.0原生应用矩阵升级 万兴超媒Agent Web及App中英文版本全球全平台同步上线 [1] - 万兴天幕2.0与岳麓大会共创预热宣传片《AI湘江畅想》 展现AI与湘江文化科技交融 [1] 行业趋势 - AI产业呈现三大趋势：创意生产全流程AI化 大模型从单模态迈向多模态 技术普惠推动创作从专业化走向全民化 [2] - 生成式AI市场规模预计2032年超1.8万亿美元 Bloomberg数据 [2] - AI正颠覆全球数字创意产业 形成音视频AIGC新市场 [2] 产品技术 - 万兴超媒Agent支持一句话生成完整视频 多模态内容交付和多轮对话交互 视频创作效率提升超60倍 成功率超95% [3] - 万兴天幕2.0实现对多模态深度理解与音视频原子能力全面升级 性能对比1.0版本平均提升90% 在专业级运镜和立体音效生成方面业界领先 [3] - 公司产品矩阵全面AI化 视频绘图文档等创意产品均融入AI能力 2025年上半年AI服务器累计调用超5亿次 同比增长超2倍 [3] 生态布局 - 公司通过三大生态路径实现价值共创：拥抱文娱内容平台赋能AI超创者 全面开放能力赋能开发者与企业用户 深化产教融合赋能大学生创新创业 [4] - 已推出万兴天幕创作引擎 提供视频图像音频三大解决方案 支持工作流编排和Agent编排 开放API接口并支持MCP协议 [4][5] - 加速"拓长沙谋全球"布局 与湘江实验室战略合作 与中南大学等高校共建人才培养基地 2026届校招应届生平均年薪达50万元 研发岗首年年薪可达百万 [5] 公司背景 - 公司2003年以刻录软件Photo2VCD起步 逐步搭建覆盖多垂直创作场景的AI应用及AIGC原生应用产品矩阵 业务覆盖全球200多个国家和地区 被视为"中国版Adobe" [5]

【导读】时薪900美元的AI工程师正成为咨询界新贵，直接挑战麦肯锡等传统巨头。面对高达95%的企业AI项目失败率，传统MBA式顾问空有战略却难 落地。为此，Hasura推出了一种新型「AI工程师顾问」应运而生，他们不仅能提供策略，更能亲手编码、部署，弥合了从构想到现实的鸿沟。 900美元时薪的AI工程师，正在抢走麦肯锡AI咨询师的饭碗。 一股AI工程师「顾问化」的风潮，正在撬动咨询业。 当企业急于把GenAI落地，却困于高达95%的试点项目失败率时，一家名为Hasura的公司给出了一种激进的解法： 他们让AI工程师直接上阵做顾问，并给出了远高于四大咨询公司合伙人的900美元时薪。 有网友将PromptQL的宣战，比作「Netflix对决Blockbuster」时刻。 流媒体平台Netflix颠覆了线下影像租赁巨头Blockbuster，而PromptQL似乎正在重现这一历史时刻。 AI工程师：跨界碾压MBA咨询师 PromptQL是一个企业级AI平台，它背后是总部位于旧金山的开发者工具公司Hasura。 该团队正在向其工程师支付每小时900美元的工资，这些工程师负责构建并部署AI智能体，利用大模型来分析公司的 ...

公司概况与融资进展 - 法律科技垂直AI领域增长最快的创企之一 起源于瑞典 成立不到两年已与全球250家律所达成合作 包括Cleary Gottlieb和Goodwin等顶级律所[1] - 近期获得8000万美元B轮融资 由ICONIQ和General Catalyst领投 估值达6.75亿美元 成为Harvey的强劲竞争对手[2] - 创始人Max Junestrand年仅25岁且无法律背景 通过保持谦逊态度与早期合作伙伴建立紧密反馈机制实现快速发展[3] 产品功能与技术架构 - 产品分为网页应用和Word插件两部分 直接集成到Microsoft Word中 被称为"律师版Cursor"[4][10] - 网页应用从简单聊天功能发展为独立智能体 能调用应用内功能点和外部工具处理复杂工作流 如自动生成完整备忘录报告[5][6] - 创新表格化审查功能可并行运行10万个查询 通过分块和RAG搜索处理超长法律文件 确保引用准确性[9][10] - 支持基于策略手册的自动化合同审查 提供标准语言修改建议 功能已从法务团队扩展至合规、风险和销售部门[27][28][29] - 采用多模型技术栈 交替使用AWS、Claude、Gemini、GPT和Mistral等模型 建立热插拔机制并根据查询复杂度动态选择模型[50] 市场拓展与销售策略 - 采用从高层切入的销售策略 通过先与明星合伙人团队合作形成示范效应 再向其他部门扩展[32][33] - 针对不同规模律所采取差异化销售：大型律所与创新部门合作 中型律所由合伙人决策[31] - 从欧洲市场起步 已进入芬兰、丹麦、挪威、西班牙、法国、德国、英国等15个市场 最后拓展美国市场[65][69] - 在纽约、伦敦、斯德哥尔摩设立中心 并在西班牙、法国和德国部署本地员工[69] 竞争优势与行业定位 - 以30名工程师团队在开发速度上超越数千人规模的竞争对手 公司100名员工时开发效率仍远超规模百倍的企业[44][45] - 关键竞争优势在于"变化率"而非当前功能 能够快速响应客户从A点到B点的转型需求[48] - 打破传统法律服务的同质化均衡 通过AI技术帮助律所提升效率并重新分配时间到高价值工作[20][24][25] - 与传统法律科技巨头的竞争策略是避免长期合同绑定 利用技术迭代速度优势赢得一年期合同[46][47] 团队建设与组织文化 - 团队从YC毕业时的10人快速增长至100人 平均每周入职两人[45][68] - 优先招聘其他公司的前创始人 注重创业精神和问题解决能力 建立内部多个小公司的运营模式[70] - 组织架构扁平化 强调员工主动性和超越自我的工作态度 利用AI工具实现10倍人效提升[73] - 扩展新中心时派遣斯德哥尔摩最优秀员工进行文化传承 保持核心文化的一致性[72] 行业洞察与发展趋势 - AI技术使法律服务从"执行者"模式转向"审阅者"模式 律师更多承担工作指导和质量管控角色[52] - Token成本下降使大规模查询成为可能 客户不再愿意为简单合同审阅支付高昂费用[16][17] - 法律科技行业正经历从单点解决方案向平台化服务转变 模型实验室提供的基础功能逐渐标准化[56] - 垂直AI创业需明确价值定位 避免与AI实验室直接竞争 专注于行业特定应用场景的深度优化[63][64]

数字化时代背景下，金融科技正在以前所未有的方式和速度改变银行业服务格局，随着科技的不断突破 与发展，一系列技术为商业银行带来全方位革新。那么，当前数字金融领域最显著的突破是什么？又是 如何重塑银行服务模式的？本期《财富领航征程》对话中央财经大学商学院教授、博士生导师、商业银 行管理研究所所长郭建鸾。 随着数字经济的持续演进和人工智能技术的迅速发展，商业银行正面临着一场深刻的变革。面对改革挑 战，郭建鸾认为，商业银行需从宏观环境、内部资源与能力、风险管理以及市场机遇四大维度综合考 量，制定差异化且灵活应变的战略路径。 郭建鸾强调，在战略选择上，银行既不能盲目国际化，也不能忽视深耕本土市场。一方面，深耕本土市 场的优势在于银行对本地客户需求、监管环境和文化习惯的深刻理解，更容易形成稳固的客户关系和品 牌认知。同时，随着数字技术的应用，本土市场的细分和定制化服务能力显著提升；另一方面，国际化 布局能够帮助银行拓展增长空间、分散单一市场风险。特别是随着政策的不断推动，跨境金融需求日益 增长，国际化成为银行全球资源配置和市场扩张的重要方向。 此外，在他看来，区块链、生成式AI等是未来最有可能颠覆传统信贷与支付体系的关键 ...

在生成式AI深度融入银行业的日常运营后，高盛合伙人Kerry Blum称，AI助手虽大幅提升效率，但"最 大风险是员工对其过度依赖"。 报道指出，节省的时间让Blum能够将更多精力投入到与同事和客户的互动中。 9月14日，据报道，高盛今年6月向约46000名员工全面推出生成式AI助手平台高盛AI 助手，已深度融入 银行业务的日常运营中。该行合伙人Kerry Blum表示，她每天使用AI工具处理多达10项任务。 据她透露，AI助手在四个关键领域提升了工作效率：快速回答复杂技术问题、总结密集文档要点、编 辑和完善书面工作以及头脑风暴。她估计这项技术每周为她节省数小时工作时间。 然而Blum强调，银行家必须认识到AI"是工具而非真理源泉"。她表示： "AI工具最重要的局限性可能是过度依赖的风险。我们必须承认它是一个工具，而不是真理 的来源。" AI助手的四大应用场景 Blum详细描述了AI助手在日常工作中的具体应用。当她在向员工沟通新项目时遇到写作障碍时，决 定"与AI助手进行头脑风暴"，这次互动加速并改进了她的工作。 在一个具体案例中，她上传了一份关于高盛结构化产品业务的详细演示文稿，要求AI助手为具有不同 业务 ...

自动驾驶技术范式演进 - 端到端技术直接映射传感器输入到驾驶操作，跳过人为感知标注和层级信息损失，但现有方法面临多模态分布处理不足、生成平均化动作导致不安全行为的问题[2] - 强化学习方法能在不确定性下优化策略，但对数据需求极高、训练不稳定且难以扩展到高安全性真实道路场景[2] - 大模型如视觉-语言模型和视觉-语言-动作模型在场景理解和泛化能力表现不错，但实际连续控制中受推理速度慢、动作不连贯和安全性保障难度大的限制[2] 扩散模型在自动驾驶中的应用 - 扩散策略将动作生成视为逐步去噪过程，能更好表达多种驾驶选择并保持轨迹时序一致性和训练稳定性[3] - 扩散模型通过直接建模输出动作空间，为生成平滑可靠驾驶轨迹提供更强大灵活的思路，适合解决驾驶决策多样性和长期稳定性问题[3] - 在机器人控制领域，扩散策略已证明比传统模仿学习和强化学习方法更鲁棒稳定，将轨迹生成问题转变为生成式建模问题[12] 专家混合技术集成 - 专家混合技术通过按需激活少量专家，使模型在保持计算效率同时具备更强扩展性和模块化能力[3] - 在自动驾驶中，MoE被尝试用于多任务策略和模块化预测，但多数设计面向具体任务，限制专家复用性和灵活组合能力[3] - 将MoE融入扩散策略可构建抽象驾驶知识模块，实现真正面向端到端自动驾驶的知识驱动策略框架[15] 知识驱动扩散策略框架 - KDP框架结合扩散模型和MoE优点：扩散模型保证生成轨迹多样性和稳定性，MoE将专家组织成结构化知识单元如纵向控制、交互处理和横向规划[4] - 框架注重知识灵活复用和组合而非任务中心设计，实验证明在多样性、稳定性和泛化性上具有优势[4][6] - 采用端到端思路直接将驾驶环境观测生成控制动作，输入包括自车状态、LiDAR点云和高层导航指令，提供完整环境理解[18] 模型架构与性能 - 模型规模研究表明参数量与驾驶性能正相关：Giant模型1.559亿参数推理延迟81.61毫秒，成功率最高但仍满足实时要求[44][46][48] - 在匝道场景成功率100%零碰撞，交叉口场景成功率94%，环岛场景成功率90%，全面优于PPO-Lag、RPID和IBC基线模型[51][57] - 消融实验显示去除MoE路由器导致成功率下降约6%，移除知识正则化使80%计算集中在两个专家，减少扩散步数从100步到20步使成功率下降3%[54][55][56] 专家激活模式分析 - 时间维度激活呈现稀疏阶段性特点，激活峰值与驾驶任务关键阶段吻合：匝道场景中Expert 3负责纵向控制，交叉口场景Expert 1和5负责交互决策[62] - 场景层级专精与复用显示非均匀但非排他分布：Expert 3专精匝道、Expert 5专精交叉口、Expert 6和8专精环岛，Expert 1和4在多场景复用[64] - 稀疏专家路由机制具备较强环境适应性和知识组合能力，在未调优情况下能在多种复杂路况中平稳运行[70] 典型案例表现 - 匝道合流场景在卡车加塞前成功预判并平稳减速保持安全间距，展现稳定纵向控制能力[69] - 无保护左转场景在交叉口平稳减速等待安全间隙后完成左转，轨迹平滑自然[69] - 直行交互场景面对多车高速抢行动态调整策略确保安全通行[69] - 环岛三出口场景精准控制横向位置和角度，在高复杂度环岛中选择正确出口[69]

近日，谷歌在一场持续5年的反垄断案中取得阶段性胜利，成功避免被强制拆分。令人关注的是，在这 场危机中"救局"的，恰恰是被视为谷歌竞争对手的OpenAI等生成式人工智能（AI）公司。谷歌一案的 判决让业界更清晰地看到，AI正在重塑全球搜索引擎市场的竞争格局。 传统搜索引擎还掌握着生成式AI发展的关键资源——算力与数据。例如，OpenAI训练ChatGPT需依赖 庞大算力，而谷歌云位居全球前三；模型优化需要海量数据，其中大量仍存储于谷歌服务器中。而这些 AI公司若想跳过这一枷锁，自建数据索引库，不仅技术门槛高，也意味着巨额成本。 无论如何，随着AI技术不断发展，全球搜索业务已站在转型的十字路口。新兴AI搜索能否突破成本与 技术壁垒，开辟新格局？传统搜索巨头又能否摆脱固有商业模式的束缚，成功实现AI化转型？答案尚 未揭晓。可以确定的是，AI不再只是技术革命的推动者，也正在成为塑造市场竞争与监管走向的关键 力量。谷歌一案的判决，被业内称为"本世纪科技行业最具深远影响的法院裁决之一"，将为同样面临反 垄断诉讼的Meta、亚马逊和苹果提供重要参考和借鉴。 （文章来源：经济日报） 谷歌能够避免被拆分，生成式AI意外成了"救 ...