教育科技人才一体化推进模式 - 文章核心观点：通过上海交通大学、江苏省区域技术转移转化中心和深圳市三个案例，展示了教育、科技、人才三者深度融合、相互支撑的实践模式，这些模式通过校企协同育人、平台赋能转化和城市产业共振，有效促进了原始创新、成果转化和产业升级 [1] 从一所高校看：上海交通大学-华为协同育人 - 上海交通大学与华为自2021年起合作开设操作系统专项联培班，旨在协同培养下一代基础软件根技术人才，特别是人工智能融合型技术领军者 [2][3] - 该联培班采用“三年三阶段”特色培养路径：首年华为导师深度参与教学，次年进入课题实战，最后一年聚焦论文与答辩，每名学生配备1位学术导师和1位华为企业导师 [3] - 学生科研课题直接对接产业真实需求，例如博士研究生和敬凯的研究优化了鸿蒙内核的数据拷贝效率，其成果已在内核验证并获国际会议最佳论文奖 [3] - 5年来，该模式取得多项创新成果：学生在国际顶会顶刊发表论文，多项技术落地开源鸿蒙，超过30名学生参与鸿蒙突击队打造原生应用生态，并在端侧智能体等前沿方向形成关键技术 [4][5] - 该模式培养了学生解决“卡脖子”难题的自信与担当，旨在为国家储备战略能力，让学生未来有机会参与乃至定义如人工智能时代操作系统的新生态规则 [5] 从一个区域中心看：全国高校区域技术转移转化中心（江苏） - 该中心是教育部与江苏省共建的全国性科技成果转移转化公共平台，在南京、苏州设有分中心，为高校成果转化提供全链条服务，并为区域产业升级注入新动能 [6] - 中心通过“一站式”公共转化平台和专业化服务团队赋能成果转化：已建成32个平台，组建400多人的团队，提供技术研发、概念验证、中试熟化、科技金融、知识产权等全要素服务 [9] - 中心采用创新机制降低转化风险：例如苏州生物医药分中心为南京医科大学李飞教授团队提供概念验证资金，探索“先使用后付费”模式，并联合保险公司配置“园研保”提供风险保障 [6][7] - 中心成功促成李飞教授团队研发的小分子镇痛药物以近4亿元总金额完成专利及技术转让，实现了新药从实验室到产业化的“最后一公里” [5][7] - 中心同时服务企业技术需求：例如根据南京惊鸣创新科技有限公司的无人机订单需求，从高校成果库中遴选东南大学和南京航空航天大学团队协同攻关，成功解决交叉学科难题 [8] - 成立一年多以来，中心已对接高校成果5337项，凝练企业技术需求2100多条，并通过200多场产学研活动促成245项成果落地转化 [9] - 中心也是创新创业人才的培养平台：例如苏州先进材料分中心通过联合培养项目，已培养64名硕士研究生、23名工程博士，并为246名本科生提供实习岗位，帮助学生实现“丝滑就业” [10] 从一座城看：深圳市产学研深度融合 - 深圳通过高起点新建高校和引进名校，快速弥补高等教育短板：“十四五”时期新设5所高校（包括深圳理工大学），目前全市高等教育机构达18所，全日制在校生达18.7万人，较“十三五”增长近40% [12][13] - 深圳的新型大学紧密对接城市产业发展：例如深圳理工大学紧扣深圳“20+8”产业集群，设置七个学科交叉学院，精准对接高端医疗、人工智能等核心产业需求 [12] - 深圳高校普遍采用深度产学研融合的培养模式：深圳理工大学实施“四天上课、一天实验”的节奏，学生入学即可加入企业课题；深圳技术大学与企业共建4个产业学院、10个企业精英班、49个联合实验室，承接企业项目672项 [11][13] - 深圳为高校汇聚资源提供强力支持：近3年累计给予高校各类人才约42亿元科研启动经费，全市高校建设各类科研平台750多个，并成立联盟推动近6000台重大科研仪器设备共享共用 [14] - 产学研协同已取得显著成效：南方科技大学入选“双一流”，深圳大学等8所高校纳入广东省高水平大学建设计划，一批“卡脖子”技术难题在协同攻关中被破解 [14] - 深圳的目标是形成教育、科技、人才发展的良性循环，通过改革让大学与产业实现“双向奔赴”，以支撑其作为规上工业总产值和增加值全国“双第一”城市的产业持续升级与创新 [12][14]

公司战略与业务转型 - 为充分保障和进一步增强持续经营能力，公司拟通过优质业务导入强化构建稳定的营收来源 [1] - 公司拟拓展工业互联网、智慧城市等领域的数字化服务业务，以提升业务规模 [1] - 拟拓展的产品与服务包括ICT基础设施建设服务、网络与数据安全服务、业务系统软件开发服务等 [1] 公司组织架构调整 - 为确保相关业务合法合规、高效有序落地，公司管理层研究决定在注册地抚州市设立一家全资子公司 [1] - 设立全资子公司的目的是实现相关新业务的注入、管理和规范运作 [1]

行业背景与核心问题 - 科学计算领域在过去几十年积累了数量空前的开源软件工具，覆盖生物信息学、化学模拟、材料计算、物理仿真与工程设计等多个学科方向，在GitHub等平台上有成千上万个代码仓库 [2] - 但绝大多数科学软件停留在“被发布过”的状态，而非“可以直接运行”，在真实科研中部署工具常需花费数天甚至数周解决编译失败、依赖冲突、系统不兼容等问题 [2] - 这种高度依赖个人经验的临时运行环境难以被他人复现或复用，导致每个研究者和实验室都在手工维护自己的环境，而非基于共享、可复现的执行基础设施工作 [2] - 这种模式在结构上限制了科学软件的可复现性、大规模评估以及系统性集成，即便容器化、云计算和HPC平台已降低算力门槛，“部署瓶颈”依然长期制约科学软件的可用性 [2] - 随着AI for Science（AI4S）兴起，该问题被进一步放大，在新范式中AI系统需要与真实科学工具紧密交互，如调用求解器、执行模拟程序、运行分析管线、处理真实数据 [3][4] - 工具是否“真的能跑”从工程细节变为第一性问题，在Agentic Science场景中表现更尖锐，若工具依赖隐含环境且执行脆弱，智能体的规划将无法落地，执行失败也无法被结构化分析或转化为可学习轨迹 [5][6] - 工具是否部署就绪，已成为制约AI4S与Agentic Science规模化发展的结构性瓶颈，科学软件的核心问题不在于工具不够多，而在于缺乏能将工具系统性转化为可执行事实的共享基础设施 [7] 公司解决方案：Deploy-Master - 深势科技提出Deploy-Master，这是一个以执行为中心的一站式自动化工作流，旨在系统性解决科学软件的部署瓶颈 [1][8] - 该方案围绕部署的连续链路设计，涵盖工具能否被发现、是否被正确理解、能否构建环境以及是否真的可以被执行 [9][10] - Deploy-Master已用自动化工作流一次性部署验证超5万个工具，为Agentic Science铺平道路 [1] 技术实现与流程 - **Search Agent（发现阶段）**：从91个科学与工程领域出发构建学科空间，使用语言模型扩展搜索关键词，在GitHub与公共网络进行大规模检索，通过依赖关系、引用关系等信号迭代扩展初始“锚点”仓库，避免关键词搜索盲区 [12] - 通过多阶段漏斗流程，将最初约50万个仓库收敛为52,550个进入自动部署流程的科学工具候选，首次以结构化方式刻画了真实科学工具世界的规模与边界 [12] - **Build Agent（构建阶段）**：系统遍历仓库中的零散、不完整甚至矛盾的构建线索，必要时补充信息检索以生成初始构建方案 [15] - 引入双模型评审与辩论机制：一个模型提出构建规格，另一个独立审查并寻找潜在不一致、缺失依赖或环境假设，提出修正建议，通过多轮交互形成稳定方案，将构建成功率从单一模型的50%–60%提升至95%以上 [15] - 每个工具通过一个最小可执行命令进行验证，只有通过验证的工具才被视为成功部署，并被结构化、注册和发布到玻尔与SciencePedia平台，使其可被直接使用或被其他agent调用 [15] 部署成果与数据分析 - 从构建时间分布看，大规模部署过程不均匀，大多数工具可在7分钟左右完成构建，但整体呈明显长尾特征，部分涉及复杂编译流程、深层依赖的工具构建时间显著更长 [17] - 在成功部署的50,112个工具中，覆盖了170多种编程语言，Python占据最大比例，其次是C/C++、Notebook形式的工具、R、Java等，绝大部分语言部署成功率稳定在较高水平 [17] - 少数成功率较低的语言主要集中在依赖复杂编译链或系统级库的场景，如C/C++、Fortran及部分R工具，这反映了其工具链对底层环境耦合程度更高，放大了构建规格的不确定性 [17] - 在2,438次失败的构建尝试中，失败原因高度集中，最主要的来源是构建流程错误，包括构建步骤与仓库状态不一致、关键依赖缺失、编译器或系统库不匹配等，这类失败远多于资源不足、网络异常或权限问题 [18] - 资源相关错误在高并发阶段出现过，并推动了对调度策略和隔离机制的后续改进，表明在规模化部署中，失败应被视为系统暴露问题并自我修正的信号 [18] - 通过统一执行基础设施，得以系统观察科学软件在真实环境中的部署行为，识别哪些环节最容易失败、哪些隐含假设最常被触发、哪些工具链最容易放大不确定性 [18] - 这种可观测性让“科学软件难以部署”从经验判断转化为可量化、可分析、可持续改进的工程对象 [19][20] 对Agentic Science与行业的意义 - Deploy-Master的直接产出是一个由数万条执行验证工具构成的集合，为社区Agent与各类Master Agent提供了长期缺失的基础前提 [21] - 对Agent而言，只有当工具被统一构建、验证并注册为可执行能力，Agent才真正拥有稳定的action space，规划、执行与学习之间的闭环才得以成立 [22] - 这使得不同来源的社区Agent可以共享同一批经过执行验证的工具能力，而不再各自维护脆弱、不可复现的运行环境 [22] - 科学工具被视为自动化部署中最困难的一类，因其依赖复杂、系统耦合强、文档不完整、对环境高度敏感，在此“最难场景”中能在万级规模下稳定产生可运行工具，表明问题核心在于是否建立了以执行为核心的基础设施 [24] - 这一判断同样适用于更广泛的软件工具生态，包括工程工具、数据处理系统、专业软件乃至各类Agent Tooling，只要工具需要被执行，其部署问题就无法绕开“不完美信息”这一现实前提 [25] - 在Agentic Science时代，执行不是推理后的附属步骤，而是所有能力得以成立的前提，当“工具能不能跑”成为被系统性验证的事实，科学智能体才真正开始拥有与现实世界交互的基础 [26]

学校成立与历史沿革 - 深圳信息职业技术大学于2025年1月8日正式揭牌成立，前身为深圳信息职业技术学院 [1] - 学校由深圳教育学院、深圳市财经学校、深圳市工业学校三校合并组建，于2002年深圳确立电子信息产业为支柱产业时期应势而立 [1] - 学校在2003年成为国家示范性软件学院建设单位，2008年入选国家示范性高职院校，2010年跻身国家骨干高职院校建设单位，2011年迁入大运村后发展进入快车道，2019年入选国家首轮“双高计划”建设单位 [1] 办学规模与专业设置 - 学校开设以信息类为主的57个专业，打造了集成电路、人工智能、软件技术、智能制造、现代通信等一批优势专业群，其中10个专业位列全国职业院校第一 [3] - 2025年6月，教育部批准设立该校，首批设置软件工程技术、现代通信工程、集成电路工程技术、智能制造工程技术、嵌入式技术等5个职业本科专业 [3] 师资力量与人才培养成果 - 学校专任教师中拥有博士学位教师508人，专任教师博士率达57%，居全国职业院校首位 [3] - 毕业生年均就业率保持在97%以上，其中22%进入华为、腾讯等行业龙头企业及规模以上企业，25%选择升学深造 [3] 发展定位与校企合作 - 学校定位为建设办学面向、格局、质量、活力、贡献领先的创新型、枢纽型、示范型职业本科大学 [5] - 学校与深圳开鸿数字产业发展有限公司共建了全国职教领域首个开源鸿蒙高等工程师学院，旨在打造全国职业本科产教融合示范样板 [5] - 在成立大会上，腾讯科技、深圳开鸿数字产业发展有限公司、深圳平湖实验室等6家企事业单位与学校签署了校企合作协议，龙岗区人民政府也与学校签署了战略合作框架协议 [5]

公司动态与产品发布 - 中国航信旗下航旅纵横团队自主研发的智能客服数字人一体机“桂飞飞”在南宁吴圩国际机场正式投入使用 [1] - “桂飞飞”的AI核心技术支撑来自航旅纵横自主研发的民航领域垂直大模型“千穰” [1] - 该产品是航旅纵横将垂直大模型应用于智慧机场建设的重要成果，开创了“大模型+数字人”在民航领域落地的新范式 [2] 产品功能与技术能力 - 系统全面覆盖旅客问询、投诉、航班动态、乘机引导、失物招领等各类服务场景 [2] - 支持中、英、日、韩等主流语种及越南语、泰语、马来语等东盟小语种的实时交互 [2] - 通过接入实时准确的航班与业务数据，以及对南宁机场专属语料库的深度学习，实现了对多语种的高精度理解与应答 [2] - 产品具备处理模糊问句和多样化表达的能力，实现“即问即答、即答即办” [2] - 数字人整合了值机、安检、交通引导等全流程出行服务，构建“智能问答+精准引导+自助办理”的一体化服务闭环 [2] 市场定位与服务价值 - 产品旨在为东盟及国内外旅客提供全年无休、全天候的便捷智能服务 [2] - 有效破解了因语言差异和业务复杂性带来的机场服务瓶颈 [2] - 极大拓展了机场服务的时空覆盖范围 [2] - 提升了智慧服务的响应精度与用户体验 [1] 未来展望与战略方向 - 航旅纵横将继续深化人工智能技术在民航领域的创新应用 [2] - 公司致力于为旅客提供更高效、更智慧的出行体验，助力行业数字化转型与智能化升级 [2]

公司股价与市场表现 - 2025年1月9日，能科科技股价上涨5.08%，报收47.56元/股，成交额5.88亿元，换手率5.17%，总市值116.38亿元 [1] 公司业务概况 - 公司成立于2006年12月26日，于2016年10月21日上市，总部位于北京市海淀区 [1] - 公司主营业务聚焦于国防军工、高科技电子与5G、汽车及轨道交通、装备制造四大行业，并全面拓展新能源、消费品和基础设施等行业 [1] - 公司提供数字化转型解决方案，主要包括云产品与服务、软件系统与服务、数字孪生产线与服务等类型 [1] - 主营业务收入构成：云产品与服务占30.35%，工业工程及工业电气产品与服务占30.24%，软件系统与服务占20.90%，AI产品与服务占18.08%，其他(补充)占0.43% [1] 基金持仓情况 - 中加基金旗下中加改革红利混合（001537）基金重仓能科科技，为其第九大重仓股 [2] - 该基金三季度持有能科科技2.05万股，占基金净值比例为2.88% [2] - 基于1月9日股价涨幅测算，该基金持仓当日浮盈约4.72万元 [2] 相关基金表现 - 中加改革红利混合（001537）基金成立于2015年8月13日，最新规模为3424.62万元 [2] - 该基金今年以来收益率为10.77%，同类排名184/8827；近一年收益率为50.26%，同类排名1929/8084；成立以来收益率为42.35% [2] - 该基金由黄晓磊和于成琨共同管理 [3] - 黄晓磊累计任职时间2年303天，现任基金资产总规模3424.58万元，任职期间最佳基金回报6.56%，最差基金回报-2.68% [3] - 于成琨累计任职时间2年259天，现任基金资产总规模3424.58万元，任职期间最佳基金回报48.94%，最差基金回报-3.92% [3]

核心事件概述 - 上海新致软件股份有限公司完成了其2023年限制性股票激励计划第一个归属期的股份登记工作 归属股份数量为202万股 涉及激励对象29人 [2][7] - 本次归属的股票来源为公司从二级市场回购的A股普通股股票 已于2026年1月7日完成股份登记 [3][7][9] 激励计划决策与执行流程 - 2023年12月4日 公司第四届董事会第六次会议审议通过了激励计划草案及相关管理办法 [3] - 2023年12月20日 公司2023年第二次临时股东大会审议通过了激励计划相关议案 [5] - 2025年5月22日 公司董事会及监事会审议通过议案 将激励计划股票来源调整为从二级市场回购或/和定向发行 [6] - 2025年12月5日 公司董事会及监事会审议通过议案 确认第一个归属期符合归属条件并调整了授予价格 [6] 本次归属的具体情况 - 归属股份数量：202万股 [2][7] - 归属人数：共计29人 [7] - 股票来源：公司从二级市场回购的A股普通股股票 [3][7] - 出资情况：29名激励对象缴纳认购款项合计人民币30,077,800.00元 [9] 股份登记与财务影响 - 验资情况：中审众环会计师事务所出具验资报告 确认截至2025年12月17日公司已收到全部认购款项 [9] - 登记情况：归属股份于2026年1月7日在中国证券登记结算有限责任公司上海分公司完成登记 [9] - 财务影响：本次归属不会对公司财务状况和经营成果产生重大影响 公司总股本不变 [10][11]

公司公告核心内容 - 北京神舟航天软件技术股份有限公司发布关于增加投资者联系电话的公告 [1] - 公告旨在进一步加强投资者关系管理，建立更加便捷的投资者联系沟通渠道 [1] - 新增联系电话自公告发布之日（2026年1月9日）起正式启用 [1] 公司联系方式变更详情 - 公司新增投资者联系电话，原有的投资者联系电话照常使用 [1] - 公司办公地址、传真、投资者邮箱等其他联系方式保持不变 [1] - 欢迎广大投资者通过上述渠道与公司进行沟通联系 [1]

公司战略动向 - 公司正搭建国际业务管理平台并制定国际业务发展规划及行动计划 [1] - 公司旨在系统性布局海外市场 抢抓制造业产业转移机遇 [1] - 公司采取“借船出海”和“造船出海”并重的策略 [1] 产品与市场拓展 - 公司计划将具备竞争优势的高科技产业服务推向境外市场 [1] - 公司计划将铁路通信终端等产品及服务推向境外市场 [1]

生产ERP系统的核心价值与功能定位 - 生产ERP系统是企业运营的核心系统，其功能涵盖生产、销售、采购、财务与报表管理 [2][4] - 合理运用ERP系统能显著减轻工作负担，降低运营成本，提升整体运作效率，从而助力企业高效发展 [2][4] 基于销售订单驱动的生产流程 - 企业运营流程始于客户订单，接到订单后随即下达销售指令 [2][4] - 保存销售订单后，系统会自动生成生产计划，实现销售与生产的联动 [3][5] 生产计划与物料采购的集成管理 - 完成生产计划后，流程进入材料准备阶段，并需查看生产采购需求 [3][6] - 在进销存管理中，通过采购订单关联生产物料需求清单，以此完成下单、材料入库及付款的完整流程 [3][7] 生产执行与库存管理的自动化操作 - 下发加工单后，可在新版ERP系统中通过加工单界面一键完成领料与验收操作，此操作能快速选定仓库，自动扣减原材料库存，并将成品直接入库 [4][7] - 成品入库形成库存后，方可进行销售出库，且出库单必须关联销售订单，系统强制无订单不得出库 [4][7] 销售出库与财务收款的业务闭环 - 销售出库完成后，需及时进行销售收款，从而实现从订单到收款的全业务闭环 [4][7]