公司股价与市场反应 - 甲骨文(ORCL.US)周三盘前股价下跌2%至184.80美元 [1] - 公司股价较9月高点已下跌超过40% 过去一个月下跌近15% [1] 数据中心项目融资动态 - Blue Owl原计划为服务于OpenAI的密歇根州Saline Township数据中心项目安排高达100亿美元融资并进行大额股权投资 但谈判已陷入停滞 [1] - 该规划数据中心的容量为1千兆瓦 [1] - 甲骨文回应称 密歇根数据中心相关股权交易仍按计划推进 [1] 公司财务状况与战略 - 融资动荡暴露了甲骨文AI基础设施战略面临日益紧张的资金链 [1] - 公司近几个月进行了大规模支出和激进的债务融资 已引发市场警觉 [1] - 公司的债券亦遭到抛售 [1]

甲骨文公司数据中心项目 - 甲骨文公司计划在密歇根州投资100亿美元建设数据中心的计划面临不确定性 [3] - 该计划的不确定性源于公司与主要金融支持者蓝猫头鹰资本的融资谈判破裂 [3] - 蓝猫头鹰资本曾是甲骨文公司在美国一些最大数据中心项目的主要资金支持方 [3]

无代码平台“秒哒”最新业务进展 - 平台上线8个月累计生成超50万个商业应用，日新增应用涨幅超150% [1] - 生成的应用中带有后端的应用占比50%，覆盖教育、商业、内容创作、企业服务等200余个场景 [1] - 平台累计创造的经济与效率价值超50亿元人民币 [1] “秒哒”平台用户与市场表现 - 平台用户中81%为非程序员用户，主要集中在职场人群与高校群体 [5] - 平台生成的应用已累计服务超过1000万用户 [5] - 每天约有10万人在使用这些应用解决真实问题 [5] 公司战略与长期扶持计划 - 公司发布面向创造者的“创造者筑梦计划”，未来三年将通过流量扶持、交易分成、商单对接与技术支持，帮助100万名创造者实现创收 [3] - 2026年将从所有优质项目中筛选15个高商用潜力项目开通快速通道，个人开发者项目有机会获得百万元级别以上投资 [3] - 公司高层指出，AI创造的核心是打造能真正创造价值并实现商业转化的工具，而非“搓玩具” [3] 产品技术架构与核心理念 - 产品核心目标是将应用开发从少数专业开发者手中解放出来，通过“自然语言化”方式让更多人构建可实现商业转化的应用 [5] - 技术体系由需求模型、代码模型与UI模型协同运转，形成持续进化的数据飞轮，并沉淀优质代码库、UI库与需求库以构建能力与数据壁垒 [5] - 平台依托百度智能云的全栈AI能力，包括Agentic数据库、高性能沙箱与云工具体系，保障应用在复杂场景下“可用、可交付、可商用” [5]

活动概况 - 华为在北京主办“鲲鹏开发者创享日”活动，主题为“创未来，享非凡”，采用“1场主论坛+2场分论坛+全天候互动展区”形式，吸引了来自高校、企业、科研院所的数百名开发者参与 [1] - 活动旨在为开发者打造集技术交流、实践分享与生态共创于一体的科技盛会，由北京鲲鹏联合创新中心承办 [1] - 华为副总裁马海旭开场致辞并发表致开发者的亲笔信，强调开发者是鲲鹏生态繁荣发展的源动力和底气 [1] 技术平台与性能突破 - 北京大学基于鲲鹏昇腾硬件平台，利用其SCOW算力平台构建了支撑MedSeekAI大模型的模型服务平台，该模型在国内医学院中广泛采用 [3] - 北京大学研发的“鹤思调度系统”实现超算与智算的统一调度，可通过动态资源编排降低能耗，已入选工信部重点推荐应用案例 [3] - 北京大学打造的“SCOW算力平台”可统一管理超算、云、量子计算，服务80+算力中心，并通过开源模式吸引5万余次下载 [3] - 华为鲲鹏的统一加速库体系KUPL，其“Hyper MPI”通信库性能较开源版本提升20%至7倍，“KML数据库”在EDA、量子化学场景性能提升30%以上 [5] - 基于KUPL，鲲鹏在LAMMPS、VASP等传统高性能应用中较传统高端硬件性能提升2.7-4.6倍，在AlphaFold2等AI Four S场景中较A100加速卡提升1.4-3.1倍 [5] - 清华大学团队在鲲鹏平台上通过混合并行策略优化大模型推理，基于16个节点32个CPU实现256个NUMA节点的30KTOP算力，吞吐量达16KTPS [7] - 清华大学孵化的“八卦炉”训练框架与“赤兔”推理框架可支持鲲鹏、昇腾等自主创新硬件，助力全生态自主管理 [7] 生态发展数据 - 鲲鹏生态最新数据显示，openEuler操作系统预计2025年底装机量将超1600万套 [5] - openGauss数据库已汇聚全球451万社区用户 [5] - 已有356万开发者加入鲲鹏生态，超过2万个解决方案通过鲲鹏适配认证 [5] - 鲲鹏已与超千家伙伴合作，在过去两年孵化出数千个同辕开发解决方案 [18] 行业应用与实践案例 - 北控数科基于鲲鹏打造了面向国有企业协同创新的云平台，该平台以“云网数智安”五位一体能力为核心，服务近30家市属企业，形成140+解决方案，覆盖能源、环保、制造等领域 [9] - 该国企专属云平台已完成20+应用系统验证，助力企业实现架构升级和快速迁移 [9] - 中国光大银行采用鲲鹏可信云技术，通过JVM优化、负载均衡调整等手段，实现核心业务系统自主创新演进，并发量提升36%，时延下降27% [11] - 宇信科技协助某股份制银行将数仓迁移至高斯平台，基于鲲鹏技术解决了语法异构难题，实现了日终批处理效率的显著提升，有效支撑下游71个应用的高效运行，数据量达1096TB [13] - 中国知网研学平台引入200个鲲鹏节点替代x86集群，使科研计算延迟降低35%、电力成本减少33%，并计划2026年实现“鲲鹏+openEuler+openGauss”全栈自主创新 [16] 生态合作与开发者赋能 - 活动中，16家鲲鹏伙伴代表与华为共同启动了“鲲鹏伙伴同辕开发优秀解决方案发布仪式”，标志着鲲鹏“同辕开发”模式进入新阶段 [18] - 同期举办了鲲鹏创新大赛2025・北京赛区决赛，大赛设泛政府、互联网、金融、运营商四大赛道，最终评选出金银铜奖各4家 [20] - 活动期间同步举办了鲲鹏开发板集训营、鲲鹏技术汇2大技术分论坛，聚焦行业痛点，让开发者快速用上鲲鹏 [23] - 活动展区设置了开发者解决方案区、北京鲲鹏联合创新中心区等多个体验区，现场提供14台便携机供实操，通过“实验打卡”等互动让开发者零距离感受鲲鹏工具与生态资源 [25]

企业微信客户联系接口政策调整 - 核心观点：企业微信将于2025年12月18日起灰度测试客户联系接口调整，旨在强化用户隐私保护并推动服务商从“销售驱动”转向“价值驱动”，此举将影响生态内数万家服务商的数据获取权限与商业模式 [1][3] 接口调整的具体规则 - 调整后，“一次性授权、长期使用”的模式将不再可行，服务商获取客户数据将取决于企业活跃度、应用试用状态等动态条件 [1] - 若应用处于试用期，仅能获取授权前一个月及试用期内新增的客户信息 [1] - 若企业活跃度偏低，平台将先通过回调通知服务商；若一周后无改善，应用将仅能获取活跃员工的客户信息 [1] - 若企业长期未使用应用，一周后将无法获取客户联系相关数据；按成员授权的应用，也仅限于已实际使用过该应用的员工所对应的客户 [1] - 代开发应用在调用客户详情接口时，将不再返回客户头像、性别及员工备注的手机号三项信息 [1] 平台推出的新应用分类与接口 - 企业微信同步推出“营销获客”应用分类，面向专注于前端引流场景的产品 [2] - 该分类开放了“联系我二维码”、“加入群聊二维码”和“获客助手”等轻量接口 [2] - 对于仅用于获客、无需在企业微信工作台展示的应用，可不开发应用主页 [2] - 此项便利的前提是应用需聚焦于获客本身，而非借机采集或沉淀客户数据 [3] 政策调整的驱动因素与行业影响 - 调整的首要出发点是平台对用户隐私保护的强化，是对《个人信息保护法》实施逾三年后监管趋势的响应，旨在防范生态内数据滥用风险 [3] - 政策将推动服务商从“销售驱动”转向“价值驱动”，重心需回归提升产品实用性与用户体验，确保产品能真正融入企业日常运营并被员工高频使用 [3] - 能够解决实际痛点、促进员工活跃使用的应用将获得持续发展机会；价值不高或使用体验不佳的低活跃度应用则可能被快速淘汰 [3] - 目前接入企业微信客户联系接口的第三方应用超过两万个，其中大部分为私域或客户管理类工具 [3] - 新规落地后，依赖全量客户导出、批量打标或离线分析的产品将首当其冲受到影响 [3] 对使用第三方工具的企业的影响 - 调整不直接影响企业员工正常使用企业微信添加和联系客户，但会显著改变其依赖的第三方工具效能 [3] - 许多企业习惯通过SCRM或私域平台自动同步客户信息、打标签、做分析，新规实施后，若所用工具因活跃度不足、成员未实际登录或未完成适配，可能无法获取完整客户数据 [4] - 企业客户数据本身没有丢失，企业仍可获取，但限制的是SCRM或私域平台获取这些信息的权限 [4] - 企业不能再“授权即放手”，需要定期审视内部应用使用情况，主动管理工具使用节奏，对长期闲置账号或许可进行清理，并确保员工持续登录活跃，以保障相关业务功能的连续性 [4] 政策实施时间线与现状 - 接口调整的变动早在一个月前就已通知各大SCRM服务商，引导其进行提前产品准备 [1] - 2025年12月18日是灰度测试开始的日子，全量上线时间暂未确定 [1]

文章核心观点 - 当前大模型（如GPT-4、Gemini 3）的“智商”已达到“博士生”水平，但工程环境与Prompt工程仍停留在“小学生”水平，存在“能力错配”，需要通过工程化手段（如Agent架构、上下文工程、数据治理）来释放AI的真正潜力，实现可控、有效的应用[3][4][8] - AI在企业中的落地应用，其价值实现的关键拐点在于准确率与工程体系，当准确率从40%提升至90%-95%并配备完善的工具基础设施时，才能实现真正的效率提升并获得员工信任[15] - AI对经济的影响远不止于技术行业，研究显示AI技术能力可覆盖美国经济中约11.7%的劳动力任务，涉及薪资规模达1.2万亿美元，但其中大量认知型和行政型任务广泛存在于金融、保险、物流、医疗等基础行业，“冰山之下”的任务规模是“冰山之上”的五倍，未来岗位不会消失而是转型，真正取代岗位的是“更会使用AI的人”[17][18][19] - 企业AI落地应选择高频、刚需、有明确付费方且数据就绪度高的场景进行小规模试点和快速迭代，并综合评估总拥有成本与价值机会的ROI，避免好高骛远或隔靴搔痒[24][25] 模型使用与工程化实践 - 基础模型选型需紧密结合具体场景，例如在GUI自动化场景中，经过探索发现千问3的推理效果较为突出[3] - AI Agent的架构设计核心在于通过工程化手段让不确定性的输出收敛至可控范围，例如在GUI Agent中引入“裁判”角色进行每一步操作的判断[4] - 上下文工程（Prompt工程）是发挥模型能力的核心，无法一次性将所有知识塞给模型，需要精心设计以提供任务所需的大量信息[4] - 大模型的“幻觉”是其创造力的来源，在创作类场景中需要利用，但在B端业务场景中需尽量降低，降低幻觉需依赖上下文工程注入专家经验、工具API结果等，并实现全流程可观测与可控[4][5][6] - AI应用上线后与传统IT系统的最大差异在于其输出是“预估”而非完全可预测，准确率可以从60分提升至80、90分，但无法达到100分，需要持续迭代并通过工程手段补充模型无法覆盖的部分[7][8] 数据治理与AI燃料 - 数据治理是大模型工程的前置关键环节，因为模型往往无法理解企业自身的业务场景、流程和垂直领域术语，需要将私域知识传递给模型[9][10][14] - 需要治理的数据主要分为两大类：知识性数据（专家经验、文档等）和生产过程数据（API调用记录、系统日志等）[10][11] - 知识性数据可通过纳入知识库或用于模型训练两种方式与模型结合，若用于训练需进行清洗、去重、标注、脱敏等处理[10] - 生产过程数据在实时推理时作为上下文提供给模型，必须设置严格的权限约束，防止跨Agent的数据泄露风险[11] - 在GUI Agent场景中，图形数据的质量至关重要，图像数据不准确会导致模型无法定位界面元素，需要通过数据灌入、示例教学及CAG（缓存式LAG）等技术提升识别稳定性[12][13] - 数据治理完成后需进行模型效果评估，包括技术指标（准确率、召回率等）和业务指标（用户增长率、销售转化率等），上线后的持续数据运营是Agent迭代优化的基础[11] AI提效的拐点与人员能力转型 - AI提效的拐点取决于准确率与工程工具体系，案例显示GUI Agent准确率从4月的约40%提升至9月的90%-95%后，团队信心大增，C端业务已完全由AI接管，效率提升明显[15] - 当前阶段使用AI可能“更累”，原因包括技术转型期的持续学习压力、验证效果和分析问题的时间增加，以及项目成本与ROI估算难度提高，但这被认为是过渡期的阵痛[16][17] - 招聘标准发生变化，软件工程基础能力仍是核心，但新增AI工程能力、概率思维能力、效果评估能力以及从业务场景中识别AI价值的能力成为重要加分项[20] - 对于B端项目，关键的“一号位”角色需要兼具项目管理、产品设计、业务理解及AI技术知识，能够将AI能力包装成用户可感知的产品功能[5][21] - 测试工程师的职能需升级，需具备业务理解、产品思维和风险意识，能够进行端到端测试并评估AI系统的整体质量与潜在风险[22] - 前端工程师需要参与交互设计，思考在AI驱动下以对话框为主的简化界面中，如何呈现流式响应、多模态交互及可溯源结果[23] - 广泛使用AI并形成真实体感成为对研发、产品等岗位人员的新要求[23] 企业AI落地场景选择与价值评估 - 场景选择应避免两个极端：好高骛远地改造核心系统，或选择极低频的边缘场景，理想场景应具备高频、刚需和明确付费方的特点[24] - 评估场景需从业务价值、数据就绪度（数字化程度、知识结构化程度）和容错空间（是否可引入人机协同）多维度考量[24] - 价值评估需计算总拥有成本（包括显性的GPU、Token费用和隐性的人力、合规成本）与价值机会（效率提升、体验改善、决策优化），当价值机会减去总拥有成本为正时，该场景值得投入[24][25] - 行业正处于探索阶段，建议企业采用快速迭代方式，进行小规模试点和小流量验证，并具备“快速反思能力”以便及时纠偏[25] - 在“效率提升”方向已有大量成功案例，例如使用AI自动生成日报、周报以替代重复性文本工作，在更复杂的Agent效果型场景，仍需大胆尝试并将产品体系与模型能力深度融合[25][26] 特定应用场景探讨 - 在电商领域，利用AI对全网数据进行结构化整理，可以理解用户行为背后的真实需求，并结合用户生成内容完善商品描述，从而打破“信息茧房”，实现人与商品的精准匹配[27] - 在B端企业AI落地过程中，最难的环节之一是服务治理，需要将AI与现有业务流程、系统和数据深度融合，并将大量现有API（案例如某公司超过四万个API）转化为模型可调度、可监控的插件或服务[28] - 对于Agent自主操作设备（如手机）的失控风险，可通过将准确率控制在确定范围（如95%）、在产品流程加入“阀门式”安全措施、在技术端加入可视化链路及第三方监督机制等方式进行风险前置处理[29]

核心观点 - Quorum Information Technologies Inc 宣布其普通股将于2025年12月18日收盘后从多伦多证券交易所创业板退市 此次退市是公司被Valsoft Corporation Inc的关联方全面现金收购后的直接结果 收购价格为每股0.80加元 公司随后将申请终止其报告发行人的身份 [1][2][3] 交易与退市详情 - 退市直接源于一项法定安排计划的完成 该计划涉及收购方2745122 Alberta Inc（Valsoft Corporation Inc的关联方）并于2025年12月10日完成交易 [2] - 交易完成后 收购方以每股0.80加元的现金对价收购了公司的所有已发行普通股 公司现由收购方全资拥有 [2] - 退市生效后 公司的普通股将不再在加拿大的任何交易市场挂牌交易 [3] - 公司计划在法律允许后 立即申请在加拿大所有适用司法管辖区终止其报告发行人的身份 [3] 股东行动与公司业务 - 尚未递交股票证书或DRS通知的登记股东 应按照之前邮寄的转让函中的说明进行操作 以获得其有权获得的收购对价 [4] - 公司是一家北美SaaS软件和服务提供商 为汽车经销商和原始设备制造商提供关键的企业解决方案 其产品组合包括经销商管理系统、客户关系管理系统、现代零售平台、数字配件零售平台以及汽车市场平台 [5][6]

业绩总结 - 2022 - 2025年各期收入分别为287,899千元、530,458千元、631,978千元、282,544千元、197,845千元[58] - 2022 - 2025年各期净亏损分别为96,512千元、63,391千元、97,845千元、97,759千元、107,998千元[58] - 2023 - 2024年及2025年6月收入增长率分别为84.3%、19.1%、 - 30.0%[84] - 2022 - 2024年及2024 - 2025年6月毛利率分别为78.0%、79.0%、76.7%、80.7%、66.7%[84] - 2022 - 2024年及2024 - 2025年6月净亏损率分别为33.5%、12.0%、15.5%、34.6%、54.6%[84] - 公司收入由2022年的2.879亿元增加84.3%至2023年的5.305亿元[94] - 公司收入由2023年的5.305亿元增加19.1%至2024年的6.320亿元[95] - 公司收入由截至2024年6月30日止六个月的2.825亿元减少30.0%至截至2025年6月30日止六个月的1.978亿元[98] - 公司收入从2024年9月30日止九个月的4.102亿元增加至2025年同期的5.763亿元[132] - 公司毛利率从2024年9月30日止九个月的72.5%减少至2025年同期的58.5%[132] 用户数据 - 2022 - 2024年及2025年6月付费客户总数分别为182、200、232、169、121[85] - 2022 - 2024年及2025年6月ARPU增长率分别为不适用、68%、2.7%、 - 2.2%[85] - 2022 - 2024年及2024 - 2025年6月净收入留存率分别为不适用、98%、56%、81%、36%[85] - 2022 - 2024年及2025年6月新增付费客户数分别为77名、85名、119名、27名，分别贡献各期总收入的40.5%（1.166亿元）、46.8%（2.484亿元）、53.4%（3.372亿元）、29.0%（5730万元）[85] - 资产管理行业付费客户人数从2024年9月30日止九个月的155名减少至2025年同期的117名[132] - 截至2025年9月30日止九个月，公司有56名付费新客户，回头客数目达101名[132] 未来展望 - 公司预计截至2025年12月31日止年度将继续录得净亏损[36] - 2025年第三季市场情绪改善，因全球宏观经济稳定、通胀缓解、货币政策利好及人工智能增长[110] - 2025年下半年，资产管理行业以外的企业级大型模型应用将快速部署及增长，推动各行业客户数据处理需求[110] - 董事认为公司拥有足够营运资金应付现时及未来12个月需求，拟以经营活动现金及融资活动资金满足未来营运及资本开支需求[107] - 公司已制定盈利计划，包括升级方案、扩大客户群、受益政策支持、提高运营效率及规模经济[109] 新产品和新技术研发 - 公司正在寻求推出针对不同行业的数据分析解决方案[37] - 公司成功开发的模块数量由2022年的152个增至2023年的285个[94] - 开发的模块数量由2023年的285个增至2024年的318个[97] 其他新策略 - 公司策略为深化扩大客户基础、推进扩展解决方案、探索加快扩展[50] - [编纂]净额约[编纂]%用于推展现有解决方案等，约[编纂]%用于深化产业渗透，约[编纂]%用于提升营销能力，其余[编纂]%用于营运资金及一般业务用途[121][123][124]

公司股价与交易表现 - 2025年12月16日，公司股票开盘上涨2.69%，报13.0美元/股，当日成交额77.16万美元，公司总市值2.95亿美元 [1] 公司财务数据 - 截至2025年06月30日，公司收入总额为3932.58万美元，同比增长90.21% [1] - 截至2025年06月30日，公司归母净利润为-850.31万美元，同比减少627.62% [1] - 公司预计将于2025年11月13日披露2025财年第三季度财报 [1] 公司业务概况 - 公司总部位于台湾台北，是一家全球领先的安全智能、网络智能、商业智能和物联网技术公司 [1] - 公司开发了一系列解决方案，涵盖智能城市、智能零售、企业安全和智能媒体等领域 [1] - 公司为政府机构、电信公司和私营企业提供完整的网络监控与网络安全融合平台 [1] - 公司致力于提供领先的边缘人工智能解决方案，以帮助客户提升运营性能和效率 [1] - 公司计划向托管服务提供商、分销商、系统集成商和硬件制造商提供其边缘人工智能解决方案 [1]

活动概况 - 华为于12月12日在北京举办“鲲鹏开发者创享日”活动，主题为“创未来，享非凡”，活动形式包括1场主论坛、2场分论坛和全天候互动展区，吸引了来自高校、企业、科研院所的数百名开发者参与 [1][30] - 活动由华为技术有限公司主办，北京鲲鹏联合创新中心承办，旨在探讨鲲鹏生态的创新活力与产业价值 [1][30] - 华为副总裁、ICT产品组合管理与解决方案部总裁马海旭发表开场致辞并致亲笔信，感谢开发者支持，强调开发者是鲲鹏生态繁荣发展的源动力 [1][31] 技术平台与性能突破 - 北京大学基于鲲鹏昇腾硬件平台，利用自研的SCOW算力平台构建了支撑MedSeekAI大模型的模型服务平台，该模型在国内医学院中广泛采用 [3][33] - SCOW算力平台可统一管理超算、云、量子计算，服务80多个算力中心，并通过开源模式吸引超过5万次下载 [3][33] - 华为高性能计算技术专家李思聪介绍鲲鹏统一加速库体系KUPL，其“HyperMPI”通信库性能较开源版本提升20%至7倍，“KML数据库”在EDA、量子化学场景性能提升30%以上 [5][35] - 基于KUPL，鲲鹏在LAMMPS、VASP等传统高性能应用中，性能较传统高端硬件提升2.7-4.6倍；在AlphaFold2等AIFourS场景中，性能较A100加速卡提升1.4-3.1倍 [5][35] - 清华大学助理研究员宗瓒分享在鲲鹏架构上的大模型推理加速优化实践，基于16个节点32个CPU的鲲鹏平台，实现256个NUMA节点的30KTOP算力，吞吐量达16KTPS [7][37] - 清华大学孵化的“八卦炉”训练框架与“赤兔”推理框架可支持鲲鹏、昇腾等自主创新硬件 [7][37] 生态发展数据 - 鲲鹏生态最新数据显示，openEuler操作系统预计到2025年底装机量将超过1600万套 [5][35] - openGauss数据库汇聚了全球451万社区用户 [5][35] - 已有356万开发者加入鲲鹏生态，超过2万个解决方案通过鲲鹏适配认证 [5][35] - 过去两年，鲲鹏已与超过一千家伙伴孵化数千个同辕开发解决方案 [19][47] 行业落地实践 - 北控数科基于鲲鹏打造了面向国有企业协同创新的云平台，该平台是全国首批通过信通院评测的国企专属云，以“云网数智安”五位一体能力为核心，服务近30家市属企业，形成超过140个解决方案，覆盖能源、环保、制造等领域 [10][39] - 该平台建立了三大技术路线的适配中心，已完成超过20个应用系统的验证 [10][39] - 中国光大银行采用鲲鹏可信云技术，通过JVM优化、负载均衡调整等手段实现核心业务系统自主创新演进，系统并发量提升36%，时延下降27% [12][41] - 宇信科技以某股份制银行数仓向高斯平台的迁移项目为例，基于鲲鹏技术实现了日终批处理效率的显著提升，有效支撑下游71个应用的高效运行，数据量达1096TB [14][43] - 中国知网研学平台引入200个鲲鹏节点替代x86集群，使科研计算延迟降低35%，电力成本减少33%，并计划在2026年实现“鲲鹏+openEuler+openGauss”的自主创新技术栈 [17][44] 生态协作与开发者赋能 - 活动中，16家鲲鹏伙伴代表与华为共同启动了“鲲鹏伙伴同辕开发优秀解决方案发布仪式”，标志着该协作模式进入新阶段 [19][47] - 同期举办了鲲鹏创新大赛2025北京赛区决赛，大赛设泛政府、互联网、金融、运营商四大赛道，最终评选出金、银、铜奖各4家 [21][49] - 活动期间举办了鲲鹏开发板集训营、鲲鹏技术汇两大技术分论坛，聚焦行业痛点与关键技术应用场景 [24][52] - 活动展区设置了开发者解决方案区、北京鲲鹏联合创新中心区、鲲鹏社区体验区及金种子实战演练场，现场提供14台便携机供开发者实操体验 [26][54]