校企合作 - 上海交通大学校长丁奎岭院士带队访问华为深圳总部园区，与华为创始人兼CEO任正非围绕人才培养和基础研究开展深入交流 [2] - 双方签署"科研技术合作协议"，此前已有20多年合作历史，在先进光技术、AI集群网络、基础软件下一代操作系统等领域取得重要成果 [2] - 华为将通过人才基金支持上海交大吸引世界顶尖人才，在人工智能、数据科学等领域开展基础研究，并提供算力云平台支持人才成长 [2] - 华为ICT学院已与全球6000所高校合作，年培养规模突破50万学生 [2] 人才培养与课程建设 - 华为聚焦22项技术领域打造85门实战导向精品课程，与高校教授共创国家一流课程 [3] - 依据"工程教育"与"双师型"教师标准，提升全球超11000名华为认证教师能力 [3] - 推动ICT学院与多学科深度融合，培养具备跨界能力的复合型人才 [3] - 上海交大2025年将增加150名本科招生名额，重点面向人工智能、集成电路、生物医药等前沿技术领域 [3] - 上海交大首批建设357门AI课程，新立项建设168门AI课程及15个跨学科AI微专业 [3] 学科建设 - 上海交大前瞻布局未来学科、培育交叉学科、转型升级传统学科 [3] - 自20世纪30年代起形成融理、工、管于一体的学科布局，逐步发展成为综合性大学 [3] - 学科建设与调整紧密迎合产经发展趋势，彰显其在高校发展及服务社会经济中的重要性 [3] 产业研究支持 - 前瞻产业研究院成立前瞻高校学科专业规划所，帮助高校科学合理增设专业 [4] - 基于27年产业研究经验及多年高考志愿填报分析报告，为高校专业设置提供精准建议 [4] - 帮助持续优化学科专业，提升高校和学子竞争力 [4]

统计学在人工智能时代的应用 - 统计学广泛应用于商业、医学、工程、社会科学等领域，数据科学即"统计学+应用场景" [1] - 人工智能面临算法模型可解释性不足、框架安全漏洞、数据标注不规范等挑战 [1] - 统计学可从数据不确定性中归纳稳定、可解释的算法，提升模型可靠性 [2] 统计学与人工智能的融合 - 人工智能应用偏工程化，需统计学确保算法在医学、建筑工程等领域的稳定性 [1] - 人类仍需掌握程序运行逻辑，统计学在纠错和问题定义中发挥关键作用 [2] - 近25%的学术报告主题涉及机器学习与人工智能，显示学科交叉趋势 [1] 统计学人才培养与发展 - 统计与数据科学专业供不应求，需提升高校培养能力并留住人才 [2] - 中国作者在国际顶级统计期刊的发表份额位居世界第二，学科发展迅速 [2] - 全国统计与数据科学联合会议国际化显著，15%参会学者来自国外 [2] 行业活动与产学研合作 - 第三届全国统计与数据科学联合会议吸引21国专家，举办600多场学术报告 [1] - 组委会计划加强工业界联系，推动学科与应用创新融合 [2]

数码港第五期大楼建设规划 - 香港数码港第五期大楼将于2025年落成 将成为香港创科关键地标 配备新一代数码基础设施及智能办公设施 [1] - 大楼支持人工智能 数据科学 区块链及网络安全等尖端技术研发创新 增强智慧城市 金融科技 低空经济 文艺体旅等产业发展 [1] - 扩建计划包括兴建第五期大楼及优化海滨公园 大楼为10层办公建筑 占地1.6公顷 提供6.6万平方米总楼面面积 其中3.6万平方米为办公室及共享工作间 占现有总楼面30% [1] 科技基础设施配置 - 配备Tier-III+级专用可持续发展数据中心 邻近人工智能超算中心及香港互联网交换中心核心地点 提供高功率密度 高效能数据存储运算支援 [1] - 配置专用光纤 多云平台 10G宽频服务 实现超高速低延迟数据传输 基础设施已准备连接高速海底电缆网络 加速全球网络连接及国际通讯整合 [1] 战略定位与行业影响 - 项目旨在为海内外创科企业提供更大研发展示空间 吸引优质企业及全球人才落户 提升香港国际创科中心地位 [1] - 数码港主席指出扩建是香港创科基建里程碑 将驱动数字经济及智慧城市高质量发展 促进产业智能化升级转型 [2] - 海滨公园优化将增强环境绿化与智能化 融入宠物友善元素 打造智慧永续的创新社区 [2]

战略合作背景 - 百望股份与香港科技大学金融研究院达成战略合作 聚焦数据智能全球化 将在金融智能体 宏观经济研究 实物资产证券化等领域展开深度合作 [1] - 合作依托香港生成式人工智能研发中心（HKGAI）及HKGAI V1成果 用真实交易数据重建经济预测模型 推动金融决策从"经验驱动"转向"数据自主代理" [1] 合作参与方 - 香港科技大学作为全球知名研究型大学 在人工智能 数据科学和金融科技等领域拥有世界一流研究团队 积极推动产学研合作 [4] - 百望股份是数据智能领域先行者 自主研发大模型技术 孵化交易管理智能体 经营决策智能体 金融业务智能体等智能体矩阵 应用于金融 供应链等场景 [4] - 百望股份注册成立香港百望数智科技有限公司 以香港为桥头堡 推动中国数字治理经验全球化 同时引入全球最佳实践 [4] 合作内容与目标 - 香港科技大学贡献数据科学 AI及金融交叉学科研究能力 百望股份基于千亿级交易数据图谱 依托2600家大型企业 2800万成长型企业的场景化经验 共同研发金融智能体决策中枢 [4] - 合作将在研究项目 联合实验室 产学研结合等多个层面深度推进 实现"以智赋能 以研促产" 推动AI在金融与经济领域的可持续创新 [5] 合作预期突破 - 真实数据驱动经济预测模型重建 直接分析百望平台海量实时细颗粒度企业交易数据 提升GDP CPI 行业景气度等经济指标预测的时效性 准确性与微观洞察力 [6] - 决策模式智能化升级 推动金融机构关键决策从"经验驱动"转向"数据自主代理" 提升决策效率 降低主观偏差风险 [6] - 破解普惠金融落地难题 利用细颗粒度数据精准评估中小微企业经营状况与信用水平 同时提升宏观经济政策制定的精准性与落地效能 [8] 未来展望 - 合作将逐步拓展到更多行业 推动智能体技术全球广泛应用 提升百望股份市场竞争力 增强香港科技大学学术研究应用价值 [8] - 智能体技术将重塑金融行业生态系统 为宏观经济研究提供前所未有的洞察力 引领全球经济迈向更智能 高效和可持续发展的新阶段 [8]

行业市场规模与增长 - 2025年中国文化旅游行业市场规模将突破7万亿元，同比增长超10%，成为国民经济稳增长的关键引擎 [2] - 2025 ITB上海国际旅游交易博览会吸引85+国家、700+参展商，反映行业繁荣 [2] 数据科学在文旅行业的应用 - 数据科学从偶然性社交传播转向"数据预埋"，鲸鸿研究院通过数据分析助推香港、马来西亚、泰国等地成为爆火目的地 [3] - 数据科学使文旅爆款从"买彩票"变为"做数学题"，提升行业可预测性 [4] - 文旅品牌利用数据科学实现「发现-喜欢-动身前往」全链路决策优化，案例包括Grab、香港旅发局、沙特旅游局 [11] 文旅消费三大趋势 趋势一：体验派旅行 - 76.2%年轻消费者将"疗愈"作为旅行首要目的，追求沉浸式、休闲化体验 [6] - 短途自驾游占比90.7%（500公里内），租车消费同比增长36.8%，跨城租车订单飙升181% [6] - 中高端酒店预订占比66.9%，反映消费者偏好舒适体验 [6] 趋势二：圈层化偏好 - 天津游客飞新加坡人次+400%，黑龙江/内蒙古/吉林赴俄游客+1200% [10] - 18-23岁人群偏好中国澳门、新加坡，55岁以上游客倾向中国台湾、澳大利亚 [10] 趋势三：决策动因复杂化 - 不同目的地游客使用本土化App差异显著（如WhatsAPP用于新马，LINE用于日本） [10] - 消费决策路径因目的地媒介差异而分化 [10] 数据驱动的营销实践 - 香港旅发局通过鸿蒙生态精准营销年轻高消费人群，打造5个爆款活动，实现游客阶梯型增长 [22] - 数据科学帮助目的地分阶段解决问题：危机管理（扭转负面评价）、长效价值挖掘（提升消费粘性）、消除信息差（如卡塔尔、沙特） [22] 未来文旅行业三大变革 1. **服务整合**：机票+景点优惠券等"一条龙"打包服务，提升消费便利性 [23][24] 2. **AI定制**：AI导游提供酒店评价、餐厅推荐等个性化服务，推动行业从经验驱动转向数据驱动 [25] 3. **IP化运营**：数据科学助力打造可持续旅游IP（如香港案例），从单次消费转化为终身价值 [26]

专业优势 - 奥克兰大学计算机科学本科专业拥有卓越学术资源与雄厚师资力量 在国际上享有盛誉 科研成果丰硕 在人工智能 数据科学 网络安全等领域处于行业前沿 [3] - 教授团队来自世界各地 学术研究成果斐然 发表众多高影响力论文 并与谷歌 微软等国际科技巨头保持密切合作 将行业最新动态带入课堂 [3] - 配备先进计算机实验室 包括高性能计算集群 虚拟现实设备等 满足复杂编程实验和人工智能项目开发需求 [3] - 与众多科技企业合作 提供实习和就业机会 使学生接触实际商业项目 积累实践经验 [3] 申请要求 - 国际学生需完成高中教育且三年平均成绩达80%以上 数学和物理等相关学科成绩需突出 [4] - 中国学生高考成绩需达所在省份一本线以上 或凭借A-Level IB等国际课程成绩申请 [4] - 语言要求雅思总分6.5且单项不低于6.0 托福总分90以上且写作不低于21 未达标者可先参加语言课程 [4] 学习内容 - 大一课程包括计算机科学导论 编程基础（Python和Java） 离散数学等 建立整体认知和基本技能 [6] - 大二 大三核心课程涵盖数据结构与算法 计算机系统原理 数据库系统等 深入理解底层逻辑 [6] - 选修课程包括人工智能 机器学习 计算机图形学 网络安全等 探索前沿领域 [6] - 设置项目实践课程 学生分组完成实际编程项目 如开发智能应用程序或设计网络安全系统 锻炼团队协作和解决问题能力 [6]

人工智能编码能力 - 编码人工智能将成为未来社会的基础技能，类似于现在的读写能力 [1] - 人工智能和数据科学的应用范围远超传统软件工程，可在任何产生数据的场景中使用 [2] - 线性回归等AI模型可帮助小型企业优化运营，如披萨店的人员配备和供应链管理 [2] 人工智能职业发展路径 - 职业发展三步骤：学习基础技能、从事项目工作、找到工作 [3] - 人工智能领域需要持续学习，技术更新速度比成熟领域更快 [3] - AI项目具有高度迭代性，项目管理面临特殊挑战 [4][5] 人工智能技术技能 - 机器学习基础技能包括理解各类模型和核心概念 [7] - 深度学习是机器学习的重要组成部分，需要掌握神经网络等知识 [7] - 关键数学领域包括线性代数、概率统计和微积分 [8] - 软件开发技能可显著增加就业机会 [8] 人工智能项目执行 - 识别业务问题而非AI问题是项目成功的第一步 [14] - 评估AI解决方案需考虑技术可行性和业务价值 [16] - 项目里程碑应包括机器学习指标和业务指标 [17] - 资源预算需涵盖数据、人员和集成支持等要素 [18] 人工智能求职策略 - 角色转换或行业转换可采取分步策略降低难度 [27] - 创业公司比大公司更易于实现角色转换 [28] - 信息面试是了解目标公司和角色的有效方式 [31][33] - 简历和项目组合是求职过程中的关键要素 [36] 人工智能职业成功要素 - 团队合作和沟通技巧对大型项目至关重要 [43] - 建立职业网络和社区比单纯社交更有价值 [43] - 良好习惯和纪律性是长期成功的保障 [45] - 利他主义态度有助于个人职业发展 [46]

人工智能的起源与图灵测试 - "人工智能"一词于1956年达特茅斯学院研讨会正式提出，但学术奠基可追溯至图灵1950年提出的"图灵测试"[1] - 图灵测试通过人机对话判断机器是否具备人类思考能力，核心设计为黑箱隔离测试环境，仅评估输入输出结果[3][5] - 测试标准存在主观性缺陷：33%人类应答率即被视为通过（2014年Eugene Goostman案例），但未形成科学共识[7] 人工智能的科学性争议 - 图灵论文存在科学规范问题：将神经细胞与计算机部件速度类比（声称计算机快1000倍）缺乏实证依据[8][9] - 行业普遍存在非科学方法论：欧盟"蓝脑计划"（2005-2016）因脑模拟假设不成立而失败，耗资超10年研发周期[12][13] - 术语滥用现象突出："摩尔定律"（非科学定律）、"尺度定律"（参数规模决定性能）等概念被包装为科学原理[15][16] 技术发展现状与挑战 - 当前AI仍属"现代工匠技艺"：依赖暴力计算（参数规模达万亿级）而非科学理论驱动，但应用范围持续扩展[19][20] - 关键瓶颈在于认知科学：人类自我意识机制未解（如神经元工作原理），导致类脑计算缺乏可靠理论基础[11][12] - 商业化加速概念炒作："涌现"等术语被滥用为技术突破的伪科学解释，资本推动夸大宣传[17][18] 行业方法论批判 - 德雷弗斯1965年报告指出：AI发展类似炼金术，需建立化学级基础理论而非表面突破[18][19] - 学术研究存在三大误区：将想象类比作为论证依据（如脑模拟）、虚构概念包装（如数据科学）、混淆技术表现与智能本质[10][16][17] - 技术有效性不依赖科学理论：AI在图像识别等领域准确率超95%，但底层仍无统一智能理论框架[20][21]

Python市场份额与增长 - Python在2025年5月TIOBE榜单中市场份额达25.35%，单月增长2.2%，创历史新高[1] - 与第二名C++的差距扩大至15%以上，呈现碾压式优势[3] - 历史排名仅次于2001年6月和10月的Java（当时统计语言较少）[1] 编程语言排名变化 - 2025年5月前十名：Python、C++、C、Java、C、JavaScript、Go、Visual Basic、Delphi/Object Pascal、SQL[24][25] - C++排名从2024年5月的第3升至第2，C从第2降至第3[25] - Go从第8升至第7，Visual Basic从第7降至第8[25] - R语言排名大幅上升，从第24升至第12[28] Python的优劣势分析 **优势** - 简洁易学的语法降低学习门槛，适合跨行业从业者[11] - 强大的生态系统（NumPy、Pandas、TensorFlow等）支撑数据科学和AI领域[12][13] - 应用广泛：数据分析（50%）、Web开发（49%）、DevOps（35%）、机器学习（31%）[16][22] **劣势** - 解释型语言性能较差，10亿次嵌套循环测试表现最差[6][10] - 运行时错误多，不适合安全关键系统（如航天控制）[4][5] 行业应用趋势 - 数据科学和AI崛起推动Python成为必学语言[13] - 主要应用领域包括Web开发（Django/Flask）、数据分析（Pandas）、AI（TensorFlow）、自动化脚本[22] - 教育用途占比28%，显示其作为入门语言的地位[16] 技术实现细节 - 性能测试基于M3 MacBook Pro（16GB RAM）的hyperfine工具[9] - 官网提供在线交互式解释器，支持无需安装的学习体验[18][20]

纪要涉及的公司 Ingredion是一家拥有超百年历史的公司，业务聚焦于为食品和饮料行业提供配料和解决方案，尤其在淀粉领域处于领先地位，拥有超3500种淀粉产品，业务覆盖全球超120个国家，设有30多个创意实验室。其Texture and Healthful Solutions业务板块规模达24 - 25亿美元，2024年运营利润率为13% - 15%，约90%的销售额来自食品和饮料领域。 纪要提到的核心观点和论据 - **行业前景**：全球质地解决方案市场规模约200亿美元，且呈2% - 5%的增长态势。消费者对食品质地的关注度日益提升，超50%的消费者在购买产品时会有意识地考虑质地因素。随着城市化、经济增长和人口增长，对食品和质地的需求持续增加，不同市场对质地的需求存在差异，如发达市场追求更精致的产品和优质质地，发展中市场则更注重食品的可负担性。此外，食品配送、多元文化食品和健康食品等趋势也推动了质地市场的需求增长[12][23][28][29]。 - **公司优势** - **产品组合**：拥有丰富的产品组合，包括超3500种淀粉产品，以及在水胶体方面的专业知识，能够为客户提供全面的解决方案。公司在特种淀粉产品组合方面处于行业领先地位，其淀粉产品是质地的基础构建块。 - **技术能力**：具备多种技术平台和功能能力，如植物科学、配料科学、工艺技术和生物转化等，能够从分子层面理解和操纵质地。公司还拥有独特的感官科学技术和烹饪学能力，能够将这些能力整合到最终产品中，以满足消费者的需求。 - **市场地位**：在全球多个地区拥有领先的市场份额，尤其在亚洲太平洋地区的麻糬质地市场取得了成功，并开始在欧洲和美国看到相关趋势的增长。公司致力于成为质地和健康解决方案的首选供应商，通过创新和合作，为客户提供更好的产品和服务。 - **客户合作**：采用灵活的客户合作方式，根据客户需求提供定制化的解决方案，包括服务和配料的组合。公司能够帮助客户解决产品开发中的问题，提高产品的成功率，并通过创新和技术能力为客户创造价值。 - **财务展望**：预计未来四年，Texture and Healthful Solutions业务板块的净销售额复合年增长率为5% - 6%，毛利率将从目前的27% - 28%扩大至超过30%，运营收入复合年增长率为8% - 10%，EBITDA利润率到2028年将接近20%。公司将继续投资于研发和团队建设，以支持业务的增长和创新[128][129]。 其他重要但是可能被忽略的内容 - **创新能力**：公司正在积极投资于数据科学和人工智能，以实现预测配方，提高产品开发的成功率和速度。公司还在开发一种质地语言（texicon）和甜味词汇表，以提升对质地和甜味的科学理解和表达。 - **可持续发展**：公司关注可持续发展，通过植物科学能力，能够在种子层面影响玉米的特性，实现非转基因、清洁标签的淀粉生产。公司还在探索合成生物学领域，如发酵甘蔗Reb M，以满足食品行业对可持续性和高效生产的需求。 - **客户案例**：公司通过与客户合作，成功解决了一些实际问题，如为客户开发出价格降低20%的奶酪配方，同时不影响质地和口感；为冰淇淋客户开发出在高于正常温度下不融化的配方，降低了能源消耗。 - **市场趋势**：食品配送市场的增长对食品质地提出了新的要求，公司正在研究如何使食品在配送过程中保持良好的质地。多元文化食品的交流和融合为公司提供了拓展市场的机会，公司正在努力改善不同国家和地区食品的质地，以适应消费者的需求。