中国海洋发展治理成果 - 中国在海洋生态保护和可持续发展方面成果显著，受到国际专家高度评价[1] - 中国通过"蓝色伙伴关系"与国际社会共享经验和技术，推动全球海洋保护修复[1] - 中国设立海洋保护区和湿地管理区，投入资金用于生态修复和可持续管理[2] 国际合作与技术共享 - 中国自然资源部第三海洋研究所联合国际机构发布"蓝色伙伴关系"优秀案例，展示国际合作成果[1] - 中国研发的COAST工具包向全球免费开放，提供海洋灾害、生态健康等可视化服务[2] - COAST工具包帮助全球南方国家识别海洋资源并评估经济价值，促进国际协作[3] 科技创新与多边主义 - 中国在科学、高等教育、技术和创新领域投入巨大，推动全球和谐发展[2] - 中国积极支持多边主义，牵头联合国海洋科学促进可持续发展国际十年项目[4] - 中国推动深海采矿法规向环保、安全方向发展，参与国际海底管理局非正式磋商[3][4] 国际认可与领导力 - 国际专家赞赏中国在环境保护、气候目标和生物多样性保护方面的努力[2] - 联合国机构肯定中国在推动环保和监管方面的贡献，特别是COAST工具包项目[3] - 中国签署多项国际海洋协定，捍卫人类共同继承财产，践行多边主义[4]

武汉市青年安居政策体系 - 武汉推出"青筑链"安居服务体系，涵盖从短期免费住宿到长期租金减免再到购房优惠的全链条服务[1] - 2022年创建武汉青年驿站，布局于产业和交通优势区域，为求职创业青年提供7天免费住宿[1] - 青年驿站申请对象毕业年限放宽至6年内，比其他城市的2年更宽松[2] 青年驿站运营成效 - 武昌区"壹号驿站"运营两年多来已服务近1万名青年[2] - 驿站提供就业大礼包、专属客服、心理咨询等增值服务，部分驿站可同时提供短住和优惠长租[2] - 申请审批效率高，有案例显示上午提交申请下午即通过审批[3] 人才公寓优惠政策 - 第一年每月租金减免1500元，实际月租金约900元，显著低于市场价2000元[4] - 对博士后、博士、硕士分别给予3年、2年、1年房租免缴，大学生享受7折优惠[4] - 外地毕业生可享受最长15天免费住宿[4] 青年社区建设 - 全市打造29个"青年社区"试点项目，覆盖15个行政区，提供房源19766套，入住青年24543人[5] - 社区配备自习室、健身区等设施，设立60余个社团，开展500余场活动[6] - 联投新青年社区2024年入住青年各类考试通过率超60%[6] 购房支持政策 - 武汉经开区推出"春笋行动"，给予博士、硕士、双一流本科生最高15万、6万、3万元购房补贴[7] - 硚口区提供1%购房优惠减免政策，可节省2万元房款[7] - 组织青年集中看房活动，帮助降低选房时间成本[7] 政策推广成效 - 安居政策宣讲活动已覆盖武汉青年2万余人次[8] - 近3年武汉留下高校毕业生96.8万人[8] - 团市委打造"青年就要这Young住"等品牌活动，提升政策知晓率[8]

商业秘密保护体系构建 - 济南市将商业秘密保护融入国家知识产权保护示范区建设，统筹推进[2] - 分行业建立商业秘密保护指引，覆盖生物医药、化工企业、小微企业等领域[2] - 已建成11家商业秘密保护基地、92个指导站(联系点)，培育62家领跑企业[2] - 2021年以来法院审结商业秘密民事诉讼51件，公安机关破获案件9件，市场监管部门查处16件[2] 企业服务与创新举措 - 山东建成全国首家商业秘密联动保护公共服务平台，提供一站式服务[3] - 济南开展"商业秘密保护能力提升服务月"活动，打造"IP·智享汇"特色品牌[3] - 建立覆盖65个国家和地区的海外维权体系，支持8种语言服务[3] 数字化保护平台建设 - 山东大学科技园联合华为建立"AI+商业秘密保护"智能化服务系统[4] - 济南率先搭建"商业秘密存证系统"，提供免费数字化公证服务[4] - 平台解决侵权证据固定、维权取证等难点问题[4]

珊瑚礁生态修复科研进展 - 厦门大学团队在东山岛海域布放福建省首套海底有缆珊瑚生态在线观测系统，通过水下摄像头实现长期连续监测，5种造礁石珊瑚AI识别准确率达90%，5小时视频分析时间从2-3天缩短至1小时[5][7] - 广西大学团队累计航程超7万海里，修复珊瑚面积450亩，建立含200种珊瑚的样品库（3.5万个样本），涠洲岛项目获6992万元专项资金，投放1520个人工礁，移植8万株珊瑚，示范区活珊瑚覆盖率3年内从5%提升至20%[8][9][10] - 广东海洋大学深圳研究院团队在大鹏湾种植超10万株珊瑚，开发珊瑚杯苗圃架等培育技术，建立36支志愿者队伍（广东超3000人），创新替代性修复司法案例（607株珊瑚）[12][14][15] 珊瑚修复技术突破 - 厦门大学采用原位修复技术，直径50厘米白化珊瑚2个月可完全恢复，通过浮标系统减少船锚破坏[6] - 广西大学开发热驯化技术提升珊瑚耐高温能力，涠洲岛试验中鹿角珊瑚2年增长20倍，块状珊瑚增长2倍[9] - 广东海洋大学针对不同海区采用胶泥种植法、钻孔种植法等，水下作业需克服能见度低、水流冲击等困难[13][14] 珊瑚礁生态价值与保护体系 - 珊瑚礁被誉为"海洋热带雨林"，东山岛作为中国大陆最北端造礁石珊瑚群落，对气候波动敏感具有重要监测价值[5] - 广西大学构建选种-育苗-移植一体化修复体系，设计三维人工礁体结构恢复生物栖息地[8] - 广东海洋大学制定10%珊瑚覆盖率的人工干预阈值，大鹏湾海洋牧场为全国首个珊瑚主题国家级示范区[12][13]

华为MoE架构优化 - 华为提出MoGE架构，克服了传统MoE模型负载不均衡及效率瓶颈问题，实现降本增效并便于训练和部署 [1] - 中国科技企业对MoE架构进行优化重组，展现后发优势，推动大模型技术向更普适和高效的方向发展 [1] RL后训练的重要性 - RL后训练已成为突破大模型性能天花板的核心路径，OpenAI o1和DeepSeek-R1等模型均依赖该技术 [3] - RL后训练通过动态交互直接塑造大模型在复杂任务中的推理效能，当前占训练全流程20%算力，未来将升至50% [3] - 该技术在提升模型精度、泛化性和用户体验方面发挥不可替代作用 [5] RL后训练的挑战 - On-Policy算法导致训练与推理严格交替，资源利用率低下，形成"算力黑洞" [6][7] - 大规模集群中多模型异构并行策略组合使任务调度复杂度指数级增长，扩展效率显著下降 [8] 华为RL Fusion技术 - RL Fusion实现一卡同时执行训练和推理任务，资源利用率和吞吐翻倍 [9][10] - 支持训推共卡、全共卡等多种部署模式，并实现多维并行策略动态无缝切换 [10] - 针对MoE模型提出训推内存0冗余切换技术，消除EP变化造成的冗余内存 [11][12] - 优化后训推切换过程达到秒级，使集群利用率倍增并大幅降低成本 [15] 华为StaleSync技术 - StaleSync采用准异步机制，容忍梯度"陈旧性"，使CloudMatrix 384超节点水平扩展效率超90% [16][17] - 该技术结合共置和分离架构优势，平衡不同RL计算任务的资源需求 [20] - 引入准异步调度机制，在保证精度前提下使系统整体训练吞吐量提升50% [23] 分布式数据队列DistQueue - DistQueue实现不同计算任务间数据的拆分、缓存与动态读取 [24] - 采用分层数据传输与零冗余通信技术，在Pangu 718B-MoE案例中将负载降低为1/128 [25] - 零冗余通信技术避免Padding带来的额外通信，实测降低80%以上通信量 [26] 实测性能表现 - RL Fusion使单个超节点吞吐提升78.5%，结合StaleSync实现35k token/s吞吐效率，整体性能提升1.5倍 [30] - 集群规模从1个扩展至4个超节点时，StaleSync吞吐从35k tokens/s提升至127k tokens/s，扩展线性度达91% [31][32] 技术影响 - 华为RL Fusion和StaleSync技术攻克算力浪费和集群扩展瓶颈，形成高效、高扩展、高通用性的集群调度方案 [33] - 该技术为百亿、千亿级大模型后训练提供强劲动力，推动下一代AI效率革命 [33]

收购终止 - 公司终止收购欣诺通信100%股份 主要因交易相关方未能就最终交易方案达成一致意见 [1][5] - 欣诺通信曾于2023年6月提交科创板IPO申请 拟募资6 09亿元 但于2024年6月主动撤回申请 [3][4] - 公司原计划通过发行股份及支付现金方式收购欣诺通信71 98%股权 并推动100%股权收购 旨在实现产品互补、技术协同及市场资源整合 [5] 财务表现 - 公司营业收入连续两年下滑 2022—2024年分别为5 17亿元、3 56亿元、2 66亿元 同比增速为4 48%、-31 13%、-25 23% [7] - 净利润连续三年下降 2022—2024年分别为8841 74万元、4605 17万元、-5227 57万元 同比降幅为25 66%、47 92%、213 52% 2024年为上市后首次亏损 [7] - 2025年一季度持续亏损 净利润-1264 68万元 同比下降179 02% 计提资产减值损失1006 75万元 [9][6] 亏损原因 - 军用电信网通信设备业务需求不足导致收入大幅减少 应收账款坏账准备计提增加 [7] - 全资子公司信大网御2024年亏损5686 52万元 公司转回其递延所得税资产 进一步加剧亏损 [7][8] 研发投入 - 2024年研发投入8003 50万元 占营业收入30 03% 研发人员占比38 58% [9] - 公司聚焦固网加密、人工智能、内生安全等技术 强化军工通信、通信大数据等领域的解决方案能力 [9]

可见光通信课程 - 清华大学深圳国际研究生院"可见光通信"课程首次在中学阶段引入 标志着中学网络通信教学领域的新篇章 [1] - 深圳市格致中学联合广东省无线光通信工程技术研究中心 清华大学深圳国际研究生院重点实验室共建"可见光通信创新实验室" 面向初高中学生开设该课程 [2] - 可见光通信（VLC/Li-Fi）利用LED光源明暗闪烁实现高速无线数据传输 具有高效节能 抗电磁干扰 高保密性等技术优势 [4] 可见光通信技术发展 - 清华大学2013年承接国家863计划和深圳市孔雀团队项目 2016年该技术列入国家"十三五"战略性新兴产业 2022年纳入深圳市"8大未来产业" [4] - 技术应用场景涵盖军事保密 无人机协同 地下矿井 城市管廊 应急通信等领域 市场前景广阔 [4] 协同育人模式 - 格致中学构建"中学+大学+企业+专业机构"办学体系 开发航天科创 零一创新 人文素养三大类百余门校本课程 [6] - 2021年建成大湾区首个中学量子计算中心 与深圳国际量子研究院 量旋科技合作开设量子课程 成立学生社团 [6] - 与国防科技大学合作开设卫星 火箭 风洞等航天课程 与清华大学共建广东省首个学习科学实验室 [6] 科创教育成果 - 学校配备长征五号火箭模型 空间站场景 人工智能实验室 科大讯飞智慧阅览室等高端教学设施 [7] - 学生累计获得国际发明展金奖等科创竞赛奖项60余人次 5人入选腾讯科学苗子计划 8人获评深圳市"明日科创之星" [9] - 创校四年获评全国教师专业发展示范校 广东省航空航天特色学校 深圳市科普基地等荣誉称号 [9]

MoE训练效率问题与华为解决方案 - MoE模型训练面临两大效率挑战：专家并行引入的计算/通信等待（50%以上训练时间浪费）和负载不均导致的计算等待[2][4][7] - 华为提出Adaptive Pipe & EDPB优化方案，通过"通信掩盖+动态负载均衡"实现无等待训练，类比"智慧交通系统"解决拥堵问题[3][9] 通信优化技术 - DeployMind仿真平台可在1小时内模拟百万次训练场景，为Pangu Ultra MoE 718B模型找到TP8/PP16/VPP2/EP32最优并行方案[10][11] - 层次化All-to-All通信将跨机传输减少50%，通过机内高速通道完成数据交换[15][16] - Adaptive Pipe框架实现98%通信掩盖率，权重占用减少50%，支持分层通信与细粒度调度[12][18][19] 负载均衡技术 - EDPB方案包含三大创新：专家预测动态迁移（E）、数据重排（D）、虚拟流水线均衡（P），整体提升训练吞吐25.5%[21][22][23][27][28] - 专家迁移技术采用预测+双层优化+智能触发机制，实现计算零存储开销和毫秒级响应[24][25] - 数据重排方案通过线性模型量化耗时，在精度无损前提下实现批次内负载均衡[27] 实际效果验证 - 在Pangu Ultra MoE 718B模型8K序列训练中，华为方案实现端到端72.6%吞吐提升[29][30] - 最优并行策略结合通信掩盖与动态迁移技术，达成计算/通信/内存三要素最佳平衡[11][19][22]

华为鸿蒙智行战略调整 - 华为常务董事余承东表示鸿蒙智行可能不会再有第六"界" [1] - 公司认为能力有限，做两三个界已很不容易，五个界非常困难 [1] - 余承东用"五个手指握拳"比喻当前五个界的战略布局已足够 [1] - 公司决定暂时维持现有五个界的格局，集中资源共同发展 [1]

华为Pangu Ultra MoE大模型技术突破 - 华为通过"昇腾+Pan gu Ultra MoE"组合实现国产算力与国产模型全流程自主可控的训练闭环，集群训练系统性能达到行业领先水平[3] - 预训练阶段昇腾Atlas 800T A2万卡集群MFU提升至41%，后训练阶段单CloudMatrix 384超节点吞吐达35K Tokens/s[4] - 首次披露在昇腾CloudMatrix 384超节点上高效打通大稀疏比MoE强化学习后训练框架的关键技术[4] 技术挑战与解决方案 - MoE预训练和强化学习后训练存在六大挑战：并行策略配置困难、All-to-All通信瓶颈、系统负载分布不均、算子调度开销过大、训练流程管理复杂、大规模扩展受限[7][8][10][11][12][13] - 提升训练集群利用率三招：建模仿真驱动的智能并行优化、Adaptive Pipe前反向通算掩盖、EDP Balance全局动态负载均衡[15][16][17][20][22][23] - 释放昇腾单节点算力三招：昇腾亲和的训练算子加速、Host-Device协同的算子下发优化、Selective R/S精准的内存手术方案[26][28][29][30] 强化学习后训练创新 - 首次披露RL Fusion训推共卡技术，支持训练推理共卡、全共卡等多种灵活部署模式，实现RL后训练集群利用率翻倍[33][34] - 设计准异步机制StaleSync和分布式数据队列DistQueue，系统整体训练吞吐提升50%[36] - 在Pangu Ultra MoE昇腾CloudMatrix 384超节点集群后训练中实现每超节点35K Tokens/s高吞吐能力，支持高效扩展超过4K卡集群[39] 模型性能与架构 - Pangu Ultra MoE模型拥有7180亿参数，包含61层Transformer，前3层为稠密层，后58层为MoE层[38] - 模型隐层维度达7680，配备256个路由专家和1个共享专家，专家隐层维度为2048[38] - 在序列长度为8K、万卡训练集群条件下，模型算力利用率(MFU)达到41%，预计可支撑训练集群MFU>50%[38]