行业趋势与核心观点 - 半导体技术创新正从“单芯片性能提升”加速向多芯片、多材料、多功能协同集成的系统级创新演进，异质异构集成成为突破性能、功耗和成本瓶颈的重要技术路径 [1] - 以Chiplet、2.5D/3D集成、混合键合、光电共封装（CPO）、硅光集成、玻璃基板及TGV等为代表的新型集成技术正从前沿研究走向工程化与产业化应用，重塑芯片设计、材料、制造、封装及系统应用的产业边界 [1][2] - 异质异构集成发展的重点正从“单点技术突破”走向“系统工程能力与规模制造能力”，涉及多材料异质界面、高密度互连、超高精度键合、热管理、翘曲应力控制及良率可靠性等关键问题 [2] 大会概况与组织 - 2026（第二届）异质异构集成产业创新大会由甬江实验室主办，DT新材料、势银（TrendBank）承办，将于2026年11月25-27日在浙江宁波举行，会议规模预计500-700人 [3][5] - 大会旨在汇聚产业链上下游企业、高校、科研院所及行业专家，围绕光电共封装（CPO）与硅光集成、玻璃基板TGV与先进封装、磷化铟/铌酸锂光芯片材料与器件等重点方向，分享前沿技术进展与工程化实践 [3] - 大会日程包括11月25日报到注册，11月26日主论坛及分论坛1（CPO与硅光集成）和分论坛2（TGV与玻璃基封装），11月27日分论坛3（异质异构集成工艺、材料与装备）和分论坛4（磷化铟/铌酸锂光芯片材料与器件），以及甬江实验室或企业参观 [6] 核心议题与技术方向 - 大会聚焦光电共封装（CPO）、硅光集成、TGV与玻璃基封装、3D Chiplet、混合键合及先进光子材料与器件等方向，兼顾前沿创新与产业化应用 [8] - 分论坛1：光电共封装（CPO）与硅光集成 [9] - 分论坛2：TGV与玻璃基封装 [9] - 分论坛3：异质异构集成工艺、材料与装备 [9] - 分论坛4：磷化铟/铌酸锂光芯片材料与器件，涵盖单晶生长与衬底技术、晶圆制造与平坦化、外延片均匀性控制、磷化铟/薄膜铌酸锂异质集成、热管理与封装架构、器件创新与前沿应用（高速电光调制器与探测器、光子集成芯片、卫星通信、量子光学、微波光子应用） [9] 往届参会单位（行业生态） - 往届参会单位包括甬江实验室、中国电子信息产业发展研究院、华润微电子、荣芯半导体、甬矽电子、硅芯科技、德图科技、制局半导体、浙江大学、深圳技术大学、中科院沈阳自动化研究所、中科院化学研究所、阿里云智能、华虹集团、COMSOL中国、光迅科技、长光辰芯、盛合晶微、华进半导体、仕佳光子、中科院微电子所、应用材料、通富微电、厦门云天半导体、新硅聚合、国家第三代半导体技术创新中心（苏州）、青禾晶元、芯丰精密、芯慧联芯、EVG Group、拓荆键科、迈为科技、Onto Innovation、溢彩芯光、中科院宁波材料所、秋水半导体、海极半导体、慕德微纳、上海芯元基半导体、晶湛半导体、北京维开、全芯微、牛津仪器、朗铭电子科技、新耕、六方科技、雷博科仪、亚科电子、特思迪等 [10] 会议注册与费用 - 会议注册费早鸟价（10月31日之前报名）为参会代表每人2000元，学生每人1000元；标准费用为参会代表每人2500元，学生每人1500元，注册费包含资料费和会议期间餐费，不包含住宿费和交通费 [13] - 缴费方式为银行转账至宁波德泰中研信息科技有限公司，开户银行为中国建设银行宁波市住房城市建设支行，账号为33150198343600000107 [13]

核心观点 - Google Research 正以不同于商业大模型的时间尺度运作，专注于从基础算法到量子计算、地球科学和医疗前沿的底层探索[1] - 技术进化正在形成自我加速机制：AI 加速科学研究，科研突破反过来加速 AI 演进，形成递归式自我提升[4][34] - 公司认为 Transformer 诞生仅短短几年，现存方案并非终点，期待带来 10 倍、100 倍飞跃的下一代底层架构创新[3][29] 技术愿景与范式 - 公司追求“环境智能”愿景，即智能技术变得像空气一样无感，用户直接基于它探索下一件事[14][16] - 生成式 UI（GenUI）能自主判断呈现形态：问算法现场跑仿真，孩子问二次方程动态演示投篮抛物线，信息随用户心智和上下文被实时重塑[4][18][20] - 公司正将大模型推向与严谨物理仿真融合的“世界模型”，用 AI 直接重写科研方法本身[3][32] - 公司认为预测未来的精髓不是线性推演，而是主动创造范式，寻找正在逼近临界点的方向[10] AI 加速科学发现 - 公司研发的多 Agent 系统“AI Co-Scientist”，帝国理工团队苦思冥想数年才成型的细菌耐药性假说，该系统仅用三天就独立推导出来[3][37] - 公司开发的“经验研究助手”系统，能针对定义明确的科学问题及输入数据，自动化检索、匹配并构建最恰当的计算模型[41] - AI Co-Scientist 和 Empirical Research Assistant 的相关成果几周前同步发表在《自然》杂志上，已在宇宙学、流行病学、工程学和经济学等领域协助攻克长期悬而未决的难题[42] - 公司通过“Gemini for Science”项目将构建科学假说、文献深度挖掘与建模工具能力开放给更广泛的科研界[42] - 公司认为 AI 的本质是“人类智慧的放大器”，当基础工作被接管，人类研究者的战略判断力成为终极壁垒[47][48][51] 教育与社会影响 - 公司认为当年 Google 搜索和维基百科普及后，社会曾哀叹下一代变懒变笨，但事实证明人类迅速适应，全社会认知基线反而被大幅拔高[5][57] - 公司认为 AI 扫平某些数学难题不是终局，只是腾出人类精力去构想更深刻的大问题[58] - 公司正在推进名为“Learn Your Way”（因材施教）的实验项目，用 AI 针对不同受众量身定制案例与语言表达[24] - 公司认为必须改革教学与研究生培养体系，教导年轻学者如何深度驾驭 AI 工具来搭建认知架构[53] 地球与气候智能 - 公司研发的洪水预测系统，目前已经能够为全球 150 个国家、覆盖 20 亿人口的区域提供长达 7 天的洪水提前预警[71] - 公司通过 Flood Hub 公共平台全天候向全球救援部门与政府组织开放洪水预警数据[71] - 公司利用生成式 AI 调用 Gemini 模型通读全球过去 20 年新闻资讯，挖掘并标注了全球 260 万起突发洪灾事件，成功训练出城市突发内涝预测模型[76][78] - 公司提出“行星智能”概念，将卫星遥感、人群流动和气象模型全盘打通，用户可以直接向整颗地球提问[4][82] - 公司联合发起“FireSat”天基监测星座计划，计划发射 50 余颗高敏专用遥感卫星，每隔 20 分钟对地球表面任意一点进行扫描[80] - 公司认为终极愿景是“永远不让任何人在毫无防备的情况下直面天灾的侵袭”[81] 医疗健康突破 - 公司团队在业内首次将大语言模型调优至超越美国执业医师资格考试及格线，进阶模型在纯文本医学问答准确率达 85%，融合多模态数据后达 91%[86] - 公司发布开源专业医疗模型 MedGemma，自发布一年多来下载量突破 500 万次[89] - 在乌干达偏远乡村，接生员利用离线搭载基于 MedGemma 开发的第三方 App，成功处置产妇突发产程危象，保全母子生命[90][91] - 公司“糖尿病视网膜病变”AI 筛查研究，在印度、泰国完成超过 100 万人次的眼底早筛[94] - 公司与英国国家医疗服务体系联合发表的乳腺癌筛查研究证实，AI 介入能将临床漏诊率大幅削减 25%，为放射科医生节省出 40% 的阅片时间[94] - 公司基于智能手表传感器体征数据推出 Google Health 应用，将冰冷生理信号转化为指导用户改善健康的生活见解[95] 量子计算进展 - 公司凭借 Willow 芯片在量子纠错领域取得里程碑进展，首次用实验证明随着量子计算机物理尺度扩大，纠错能力与运行可靠性反而能持续增强[99] - 公司实验证明量子芯片只需几十秒即可完成的运算，当世最顶尖经典超级计算机需要耗费 10 的 25 次方年才能求解完成[100] - 公司借助“可验证优势”在 Echo 算法上证明量子计算机求解速度比经典计算机快了 1.3 万倍[100] - 公司坚信在未来的短短数年之内，人类就将真正推开实用化通用量子计算的大门[102] 跨学科融合与开源 - 公司认为打破学科藩篱、将多个不同学科思想融汇时，不可思议的奇迹才会发生[62] - 公司认为 AI 能系统性地规模化实现跨学科交叉互通，加速跨领域知识大融合[62] - 公司把自研的洪水预测水文模型全部向全球开源，以便世界各地科研团队自由扩展[92] - 公司认为构建底层开放平台为全人类铺设好全新基石底座，大家可站在更高起点解决下一维度挑战[85]

学术期刊在金融学科发展中的核心作用 - 顶级学术期刊是前沿研究的“发源地”，确立严谨的研究范式与方法论基准，将学术探讨锚定在“可验证的科学事实”之上[2] - 顶刊具有强大的议题设置能力，能迅速调动全球顶尖学者、产业资本等资源，引发二次和N次创新[2] - 顶刊提供跨机构、跨国界的人才与成果定价体系，使高水平学者和项目在全球人才市场、教职评定及基金分配中脱颖而出[2] - 期刊编辑机制存在改进空间，“颠覆性创新”与“同行评审共识”存在本质冲突，颠覆性成果易因“违背常识”或“证据不够完备”而遭到一致性拒绝[3] - 阿克洛夫的“柠檬市场”论文曾被AER、RES、JPE接连拒稿，最终由QJE发表，启示顶级期刊要有做研究“天使投资人”的眼光和耐心[3] - RFS在推动金融科技研究时采用注册报告机制（Registered Reports），作者先提交研究设计，评审通过后获得原则性录用，降低探索新领域的发表风险，避免p-hacking等学术不端[3] - 未来可考虑选择重要议题先征集研究方案，由编委组织论证，明确研究需补充的数据、方法和后续评审要求[4] - 为有重要发现的理论短文、新事实和新数据研究设置合适的发表形式，支持不同类型的探索[4] 期刊作为学科知识的“聚集地” - 金融学科进步需要把分散、观点各异的研究联系起来，通过比较、讨论和验证，不断澄清分歧、深化认识、积累知识[5] - 国际期刊已有探索，如JEL发表的《经济学研究中的生成式人工智能：应用案例与对经济学家的影响》综述梳理AI应用[5] - JEP通过专题讨论形式呈现不同观点，JPE Micro在创刊时明确倡导复现研究和学术辩论[5] - 未来可围绕AI时代的金融监管等重要问题定期组织研究综述，对争议较大的结论刊发专题评论和作者回应[5] - 期刊可组织相关作者共同讨论，厘清各项研究的对象、条件和证据，更完整地认识政策效果及其作用边界[5] 期刊作为学术与实践的“连通桥” - 这座桥要双向通行，既要把现实问题转化为研究议题，也要把可靠结论转化为决策参考[6] - 在选题阶段可组织专家座谈会，邀请政策和实务工作者介绍制度安排、业务流程，由学者与实务人员共同梳理值得研究的问题[6] - 例如长期资金可能面临短期考核，耐心资本的研究可从这一矛盾入手，分析考核机制对投资期限和风险承担的影响[6] - 成果发表后可借鉴欧洲CEPR通过VoxEU传播研究的做法，为有明确政策含义的论文配一页研究简报，讲清主要发现、适用条件和政策选择的利弊[6] - 围绕相关成果组织小范围交流，听取政策和实务人员反馈，将尚未解释清楚的现象整理为后续研究议题[6] AI时代学术期刊高质量发展的关键 - AI时代期刊高质量发展的关键是始终重视人的主体性（Agency），研究者与期刊编辑都应对研究有认知、有审美、有自主判断[8] - 在研究选题上保持主体性，避免研究成为AI模型的“回声”，《Nature》2024年文章提示广泛使用AI可能使研究问题、方法和观点趋于单一[8] - 期刊应鼓励研究者利用AI拓展研究范围，把节约的时间用于观察现实、发现新事实，例如投资者把部分决策交给智能体后，委托关系、交易行为和风险传导都可能发生变化[8] - 在研究过程中坚持独立验证，避免错误在各个环节反复流转，警惕AI写稿、AI审稿、AI修改最后完成发表，缺少独立核查导致错误保留[9] - 学术期刊需将验证要求落实到关键环节，对AI参与的文章要求作者说明AI参与的具体环节，保留必要的提示词与操作记录[9] - 利用AI模拟金融市场投资者反应可帮助做沙盒实验，但模拟结果与真实投资者行为需明确区分，应有可核实的证据支持[9] - 在学术评价中落实判断责任，AI能列出审稿意见，但哪些问题影响核心结论、哪些属于研究边界需审稿人结合具体领域判断[10] - AEA今年宣布引入Refine开展AI辅助技术核查，同时明确不用它评价论文的贡献和重要性，可借鉴此安排由AI辅助检查技术问题，由审稿人核实意见，由编辑综合判断论文价值[10] - 期刊可通过青年审稿人培训、研究复现和案例讨论，帮助青年学者提高核验证据、评价研究的能力[10]