聚焦四大战略支柱，分别是数据、人工智能、韧性、代币化。 代币化方面，余伟文透露，Ensemble项目沙盒即将进入下一试点阶段，该阶段将允许使用数字资产、代 币化存款，进行实际价值交易。同时，将与其他监管机构一起孵化成熟的真实价值用例。初期，将从代 币化货币市场基金入手。 去年8月2日，香港金管局推出Ensemble项目沙盒，沙盒将通过央行数字货币（wCBDC）支持代币化资 产的银行同业结算，并验证代币化存款在交易中的技术可行性。 韧性方面，余伟文指出，正在探索新兴的高性能计算如何能增强金融建模和实时风险评估的能力。 数据方面，他指出，未来几年将进一步扩大商业数据通可用数据集，包括政府黄金来源数据，并与业界 合作开发更多数据分析能力与实际应用场景。同时亦透过跨境征信互通等，构建互联且可信的跨境数据 生态系统。 11月3日，"香港金融科技周2025"开幕，香港金融管理局总裁余伟文发表演讲时表示，金融科技现已深 入整合至香港银行业，涵盖所有零售银行。预计未来3年，该领域每年的开支额将超过1000亿港元。 余伟文透露，香港即将推出的金融科技2030策略，聚焦四大战略支柱，分别是数据、人工智能、韧性、 代币化。 人工智 ...

他重申代币化将继续是当局重点优先事项。目前当局透过Project Ensemble将探索扩展至更广泛的金融 应用，连接本地业界与全球伙伴，下一阶段Ensemble试点将允许使用代币化存款与数位资产进行真实价 值交易。 数据方面，他指，未来几年将进一步扩大商业数据通可用数据集，包括政府黄金来源数据，并与业界合 作开发更多数据分析能力与实际应用场景。同时亦透过跨境征信互通等，构建互联且可信的跨境数据生 态系统。另外，当局亦正强化核心金融市场基础设施的韧性，包括转数快等平台将扩大覆盖与能力。 智通财经APP获悉，香港金管局总裁余伟文在活动中提到，金融科技2030策略聚焦四大战略支柱，分别 是数据、人工智能、韧性、代币化—简称DART，旨在引领香港迈向金融科技3.0时代。 他指出，目前超过四分之三的银行已部署或试行AI解决方案，应用范围涵盖风险管理、信贷评估到客 户互动。当局透过升级版生成式AI沙盒，推进高影响力的AI应用场景。 ...

文章核心观点 - 人工智能作为战略性技术正以前所未有的深度和广度重塑人类生产生活方式，加快发展新一代人工智能是中国抢占科技竞争制高点、推动产业转型升级的战略选择 [1] - 国家层面正全面实施“人工智能+”行动，旨在全方位赋能千行百业，推动人工智能技术与产业创新深度融合，赋能经济社会高质量发展 [1][4] - 人工智能的发展由数据、算法、算力复合驱动，三者的协同共振为其广泛应用构筑了坚实底座 [2][3] 人工智能的驱动要素 - 人工智能主要由数据、算法、算力复合驱动发展 [2] - 数据作为新型生产要素具有非竞争性使用、规模报酬递增等特点，用户规模越大、数据积累越丰富，模型训练效果越好 [2] - 深度学习等算法的突破使机器具备学习推理能力，能发现数据中的复杂模式，提供定制化的智能决策支持 [2] - 算力是激活数据要素潜能的关键动能，能支撑通用大模型训练迭代，并对经济社会发展效能产生放大、叠加、倍增作用 [2] “人工智能+”的应用与影响 - 人工智能已展现出解决现实场景复杂问题的核心能力，例如在科学研究中催生科研新范式，解决过去无法解决的重大科学难题 [3] - 在经济发展方面，人工智能通过优化资源配置和创新生产要素组合，能重塑生产函数、显著提升全要素生产率，并催生个性化、定制化生产和服务等新模式 [3] - 在社会建设方面，人工智能融入日常工作、学习、生活，在提升效率、优化流程、便捷服务等方面优势显著 [3][4] - 实践案例包括企业利用人工智能进行工业视觉检测提升生产效率，人工智能辅助诊断系统提升基层医疗水平，“城市大脑”改善城市运行等 [4] 政策支持与发展方向 - 国家通过完善顶层设计、加强工作部署，出台一系列政策措施推动人工智能综合实力整体性、系统性跃升 [4] - 具体发展方向包括在技术层面加强基础研究和关键核心技术攻关，如高端芯片、基础软件、大模型训练算法 [6] - 在基础设施层面统筹推进算力基础设施建设，构建全国一体化算力网络，并深化数据资源开发利用和开放共享 [6] - 构建政产学研用协同创新体系，鼓励企业等微观主体不断创新，并引导高校科研院所加强基础研究和人才培养 [6]

刚发布第三代机器人Figure 03、收获全网关注的Figure，很快又因CEO的言论再度引发热议？ 事情是这样婶儿的…… 有网友发推文表示：Figure CEO Brett Adcock最近接受了《时代》采访，《时代》称Figure 03仍存在重大问题，尚未适用于日常工作。 当被问及还需要什么时，Brett回答：数据。 要是认真琢磨他这话，会发现他最终想表达的是，scale是让机器人技术能在所有工作领域派上用场的关键，而这也是大型超大规模企业（big hyperscalers）能从中获利的又一领域。 一石激起千层浪。 有网友直言这话说得没毛病，"数据是新的石油"。 但也有不少反对的声音，有网友反驳道： 我不同意。不过他当然更有见地。在我看来，问题在于缺乏合理的架构和算力。人类执行简单任务并不需要海量数据。 争议声中，有网友还认为： 显而易见，这正是他们回避进行现场演示的原因。但无可否认，Figure在人形机器人的自主能力上正进行着开创性的工作。 最终这场争论引起了Brett Adcock本人的关注。 没想到Brett Adcock亲自来反驳了，直言"事实并非如此"。 我们向《时代周刊》演示的绝大多数操作策略 ...

西风 发自 凹非寺 量子位 | 公众号 QbitAI 刚发布第三代机器人Figure 03、收获全网关注的Figure，很快又因CEO的言论再度引发热议？ 事情是这样婶儿的…… 有网友发推文表示：Figure CEO Brett Adcock最近接受了《时代》采访，《时代》称Figure 03仍存在重大问题，尚未适用于日常工作。 当被问及还需要什么时，Brett回答： 数据 。 要是认真琢磨他这话，会发现他最终想表达的是，scale是让机器人技术能在所有工作领域派上用场的关键，而这也是大型超大规模企业 （big hyperscalers）能从中获利的又一领域。 一石激起千层浪。 有网友直言这话说得没毛病，"数据是新的石油"。 但也有不少反对的声音，有网友反驳道： 我不同意。不过他当然更有见地。在我看来，问题在于缺乏合理的架构和算力。人类执行简单任务并不需要海量数据。 争议声中，有网友还认为： 显而易见，这正是他们回避进行现场演示的原因。但无可否认，Figure在人形机器人的自主能力上正进行着开创性的工作。 最终这场争论引起了Brett Adcock本人的关注。 没想到Brett Adcock亲自来反驳了，直言 ...

Waymo自动驾驶技术框架 - 公司开发名为Waymo基础模型的大规模AI模型，该模型支持车辆感知环境、预测其他车辆行为、模拟场景并做出驾驶决策[5] - 模型功能类似于ChatGPT等大型语言模型，基于海量数据集训练学习模式并进行预测，能够整合多源传感器数据理解周围环境[5] - 车端部署较小模型，通过知识蒸馏技术从云端大型教师模型提炼而来，针对速度和效率优化，在每辆车上实时运行[5] - 感知和行为任务包括物体感知、行为预测和行动规划均可实时在车上执行[7] - 云端大模型可模拟真实驾驶环境，在部署前进行虚拟测试和验证决策[7] 世界模型技术特性 - 世界模型能够编码所有传感器数据（摄像头、雷达、激光雷达）并内置世界知识，解码所有驾驶相关任务[11] - 通过蒸馏缩小后放置在车端进行感知和控制，在云端进行虚拟仿真，实现强大泛化能力和快速适应不同平台[11] - 该模型基本解决自动驾驶日常问题，重点转向解决长尾问题[11] 长尾问题解决方案 天气挑战 - 雨后路况水坑及不常发生洪水需要算法判断水深和大量上下文信息，对精确度和召回率要求极高[12] - 采用视觉语言模型解法，但需要大量此类语料库支持[12] - 雪地驾驶对硬件要求高，传感器需加热和清洁功能应对堵塞，挑战包括行驶路线决策、车辙识别和摩擦力估计[14] 能见度与遮挡处理 - 极端低能见度情况下如夜间高速公路，需要多模态传感器协同检测[15] - 凤凰城沙尘暴环境中激光雷达可在尘暴中清晰看到行人[15] - 遮挡推理需解决视线不佳区域物体存在状态判断，挑战包括定义不明确、非确定性、缺乏真值基准等[18] - 解决方案包括估计不确定物体先验信息（通过驾驶数据统计和微弱传感器线索）以及准确估计自车速度先验[21] 复杂场景理解 - 施工场景需识别标志、推理驾驶几何形状，根据锥筒等物体调整路线[24] - 动态场景如交通警官手势需要实时响应动态信号[24] - 活跃事故现场涉及大量应急车辆和路况堵塞，需要整体场景理解而非单个物体识别[24] - 复杂场景需使用大语言模型理解场景内容并做出决策，公司表示仍在探索阶段[24] 自动驾驶核心要素 - 自动驾驶作为人工智能落地场景，核心要素为数据、算法、算力三大件[25] - 公司特别强调数据重要性，认为大量数据是基础，但数据筛选和整理更为关键[25] - 高效高质数据能确保模型专注于解决正确问题[25] - 数据挖矿中视频搜索能力对理解事件含义至关重要，如汽车碰撞、漂移等[30] 系统响应性能要求 - 快速实时决策被强调为安全性和流畅性关键，算法到执行链路用时越短越优[30] - 响应速度拆解为传感器输入响应、算法运算结论输出、底盘执行机构三个环节[30] - 当前快速响应决策主要受限于各家算法处理输出响应频率[31] - 摄像头帧率大于24Hz，算法输出帧率需达到10Hz或20Hz，底盘刹车ESP响应频率达上百Hz[36] 运营基础设施 - Depots运营停车场和改装工厂被公司视为L4运营最重要设施[33] - 车辆可自动进入停车场寻找充电空位，充完电拔枪后自动驶出运营[33] - 改装车间完成传感器安装后，车辆可自动驶出生产线，直接进入运输卡车或开始运营[33] 行业发展趋势 - 辅助驾驶与自动驾驶产业最终将交叉融合，因算法软件底层逻辑相同[4] - 中国辅助驾驶算法公司如Momenta、元戎、大疆与L4公司共同在欧洲和中东市场拓展[4] - 工程落地是行业较大壁垒，需要协同汽车开发与测试运营，优秀自动驾驶公司多挖角传统汽车工程师[34]

核心观点 - 前谷歌DeepMind资深研究员Dustin Tran加入xAI 其作为Gemini系列核心开发者将助力xAI技术发展 马斯克亲自欢迎体现其重要性[1][4][6][8] - Tran在谷歌期间主导多项突破性AI项目 包括Gemini系列开发及早期TensorFlow等框架构建 其学术论文引用超2.4万次[11][15][18][25] - Tran加入xAI主要因算力资源（数十万张GB200芯片）、数据策略及马斯克企业理念三大优势 预计将加速Grok系列模型迭代[29][30][31][33][35] 人才流动与行业影响 - 顶级AI研究员从谷歌流向xAI 反映头部科技公司人才竞争加剧 核心人才对技术路线具有决定性影响[4][27] - Tran在谷歌8年期间主导关键项目转型 包括100天内基于LaMDA开发Bard（Gemini前身） 并最终推动Gemini系列实现技术反超[12][13][15][16] - 其早期参与OpenAI Dota 2 AI项目 具备多平台经验 跨公司技术积累可能促进xAI技术融合创新[19][21] 技术成就与里程碑 - Tran团队开发的Gemini 1.5 Pro在LMArena霸榜超一年 帮助谷歌重新确立AI领域竞争力[15] - 其2016年发表的校准度量论文开创深度学习评估基准 论文引用671次 直接影响LLM可信度评估标准[23][24] - 参与构建TensorFlow、Vision Transformer（参数量达220亿）等基础框架 相关论文引用超700次[18] 公司战略与资源对比 - xAI算力优势显著 Tran称人均芯片数量远超谷歌 且数十万张GB200芯片尚未完全部署[29][30] - xAI数据策略聚焦RL与后训练规模化 结合专业数据标注团队扩张 预示训练方法升级[31][32] - 马斯克强调"一阶导数和二阶导数"理念 公司发展加速度被视作核心竞争优势[35] 行业竞争动态 - OpenAI被指曾通过提前发布囤积点子抢占头条 但当前创新储备可能见底[37] - 谷歌在GPT-3.5发布后启动"红色警报" 反映头部企业对技术迭代速度的危机响应机制[12] - Gemini系列成功扭转谷歌市场预期 股价曾因Bard发布单日蒸发近千亿美元[14][15][16]

本文来自微信公众号：小马宋，作者：小马宋，题图来自：AI生成 一家餐厅使用还是没有使用预制菜。 这个叫事实。 我不知道它家是不是用了预制菜，但我觉得它用的是预制菜。 这个叫猜测。 我觉得这家餐厅不好吃，很贵。 这个叫观点。 一个人觉得这家餐厅好吃还是不好吃，没有对错。 因为好不好吃是主观的。 我通过1万人的测试，发现51%的人说好吃，49%的人觉得不好吃。 这个叫数据，也是一种事实。 我觉得它们家很贵，又不好吃，非常气愤。 这是基于观点的情绪。 如果一家餐厅没有使用预制菜，但我吃完说它几乎都是预制菜。 私下说，这叫发泄情绪；公开说，这会变成诬陷。 究竟什么算是预制菜，国家制定了一个标准。 这个叫定义。 本来没什么预制菜的标准，但大家普遍认同某个标准。 这个叫共识。 我觉得这家餐厅好吃，他觉得这家餐厅不好吃，我们吵起来了。 这个叫争论。 吵架之前，先确定标准或者定义；然后基于事实，确定事实；根据事实来确定对错，公开结论。 这个叫程序。 如果只是个人观点，其实不必吵架，吵也没用，永远不可能有结论。 本文来自微信公众号：小马宋，作者：小马宋 ...

公司活动与参与规模 - 公司在旧金山Moscone中心首次举办INBOUND客户大会 此前15年均在波士顿举行[1] - 活动参与人数达到约13000人 体现品牌影响力与客户参与度[1] 产品创新与发布规模 - 公司在大会上展示超过200项产品更新、功能特性及平台发布[1] - 创新节奏全面加速 覆盖整个平台体系[1] 技术战略重点 - 数据能力被确立为核心战略主题 被视为AI技术发展的基础支撑[2] - 公司正在进行数据体系转型 以强化AI应用底层架构[2]

分拆计划进展 - Solstice业务将于2024年第四季度完成分拆[1] - 航空业务(Aero)分拆计划于2025年下半年完成 距当前约一年时间[1] - 分拆工作按计划推进 未出现重大意外情况[1] 分拆执行团队 - 已组建独立项目团队负责航空业务分拆[2] - 此前汽车业务(AM)分拆为航空业务分拆提供了经验积累[2] 自动化业务机遇 - 剩余自动化业务(RemainCo Automation)面临重大发展机遇[2] - 云计算、数据和人工智能技术融合带来远超预期的市场空间[2] - 自动化领域机会规模超出最初分拆决策时的假设[2] 投资者活动安排 - 投资者日定于2023年10月8日举行[1]