以下文章来源于大猫财经Pro ，作者大猫财经猫哥 大猫财经Pro . 看懂大趋势、小案例、一起搞钱 恒大最狡猾的人物，不是许家印而是夏海钧。 作者：猫哥 来源：大猫财经Pro 01 恒大最狡猾的人物，不是许家印而是夏海钧。 所以恒大到底怎么样，夏海钧比许家印更清楚，恒大的问题是2021年9月暴露的，一度认为可 救，但夏海钧2022年就把执行董事、行政总裁这些职务都辞了，然后就跑路了，钱也早就转 出去了，当然也有另一种说法，说他可能是和许家印商量好的，当个托孤老臣，帮助许家打理 在海外的资产。 不过呢，他也没完全跑利索，在香港的600亿资产处理起来需要时间，而香港法庭下手也快， 迅速把资产给冻结了。 为了拿回这600亿，夏海钧迫不得已打起了官司，结果把香港法庭戏弄了4次。 这是咋回事呢？ 02 他从恒大带走的钱比许家印前妻丁玉梅多多了，而且这人现在到底在哪儿，没人知道，他五次 三番戏弄香港法庭，把追债人也耍得团团转。 现在香港法庭也怒了，说4月25号中午12点之前，夏海钧要是再不披露财产，就取消他的抗辩 权，那他被香港冻结的600亿资产，就要被拿来直接还债了。 这是咋回事呢？ 夏海钧今年61岁，黑龙江人，来恒大 ...

全球服务商计划发布 - 首批10个海外服务点覆盖东南亚、中东、欧洲、非洲等区域，为企业提供在地化市场信息、资源对接、业务拓展等服务 [1] - 静安区以"全球服务商"计划为战略抓手，助力企业高质量"走出去"，主动对接上海企业出海"总门户"建设 [1] - 中国电气装备集团有限公司发起出海企业联盟成立倡议，推动企业从"单打独斗"向"集群出海"转型 [1] 新出海学院成立 - "全球服务商'新出海学院'"由103家全球服务商联合浙江大学、复旦大学等高校和专家学者共同发起 [3] - 学院计划发起10场主题课程和50场出海系列活动，为企业培养具备国际视野、熟悉海外市场规则的企业家 [3] - 新出海研究学者黄渊普发表主题为"新出海蓝图"的演讲，展现出海行业新趋势、新机遇 [7] 静安区出海服务生态建设 - 静安区将设立海外服务点，推出涵盖专业服务图谱、政策解读等内容的"出海服务包" [3] - 加快打造全球服务商"一站式"出海服务中心，联动多个平台提供全链条出海服务 [3] - 静安区境外投资项目许可咨询服务点揭牌，是上海市中心城区第一个此类服务点 [5] 服务点与合作伙伴 - 上海市企业走出去综合服务平台静安服务点揭牌，为企业提供就近便利咨询服务 [7] - 上海市发展改革委副主任和静安区委常委为20家出海服务合作伙伴代表授牌 [5]

公司财务表现 - 2024年营业收入22,19315万元，同比下降1812% [16] - 归属于上市公司股东的净利润-10,55424万元，同比下降119213% [16] - 经营活动现金流净额-29,40941万元，同比恶化19505% [2] - 加权平均净资产收益率-2173%，较上年下降2348个百分点 [2] 业务转型与战略调整 - 战略性收缩城市拓展业务，导致收入减少约4,500万元，亏损约2,000万元 [16] - 人工智能服务业务收入3,00117万元，同比增长171916%，其中AI培训收入增长242682% [17] - 公司实施"All in AI"战略，推出天启科创大模型、政策通Agent等AI产品 [12] 核心产品与服务 - 企业加速服务：包括黑马成长营、黑马实验室等战略管理咨询服务 [9] - 企业服务：涵盖知识产权、专精特新培育、产业加速三大板块 [10][11] - 人工智能业务：天启大模型已接入工信部中小企业服务网络，AI人才平台辅导近1,000名学员 [12][13] 股东与股权结构 - 第一大股东为自然人持股1514%，持有25,334675万股 [2] - 前十大股东中6名为自然人，合计持股约35% [2] - 2024年实施限制性股票激励计划，授予130万股，价格1372元/股 [20][23] 重要合作与布局 - 与阿里达摩院、华为云、智谱华章等共建AI模型生态体系 [12] - 子公司黑马天启与厦门算能科技签署战略合作协议 [26] - 建设70余个产业加速器集群，覆盖商业航天、元宇宙等新兴产业 [11] 经营数据与客户 - 2024年服务客户8,900个，同比增长1174% [17] - 企业加速业务客户3,567个，人工智能业务客户978个（同比增长19281%） [17] - 期末合同订单金额30,58794万元，同比增加9,65146万元 [17]

文章核心观点 2025年1月中国一级市场融资事件和金额减少，热门行业为智能制造、人工智能等，全球大额融资和独角兽企业有新增，投资机构参与数量下降，中国并购市场事件和金额也减少 [2][4][6][25][29] 中国一级市场投融资分析 整体情况 - 2025年1月中国一级市场发生融资事件565个，较上月减少33%，较去年同期减少53%；已披露融资总额530.86亿元，较上月减少36%，较去年同期减少3% [2][6] 行业分布 - 融资事件排名前五行业为智能制造、人工智能、医疗健康、材料、企业服务，共383个，占比68%；涉及已披露总金额468.05亿元，占比88% [7] - 已披露交易金额排名前五行业为智能制造、人工智能、医疗健康、材料、汽车交通，涉及已披露总金额473.26亿元，占比89% [8] 智能制造细分赛道 - 2025年1月智能制造是最热行业，有138个投融资事件，集成电路赛道59个，为最热赛道 [9] 地区分布 - 融资事件数量排名前五地区为江苏、广东、北京、上海、浙江 [3][10] 热门城市分布 - 投融资事件数量排名前五城市为北京、上海、苏州、深圳、南京 [11] 阶段分布 - 投融资事件早期最多，有421个，占比74.51%；其次成长期128个，占比22.65%；后期16个，占比2.84% [12] - 已披露融资金额早期390.75亿元，占比75.25%；成长期88.89亿元，占比17.12%；后期39.65亿元，占比7.63% [12] 全球大额融资及独角兽分析 大额融资事件 - 2025年1月全球新增大额融资事件39个，已披露融资总额985.54亿元；中国新增9个，占23%，涉及融资总额355.98亿元，占36% [16] 新晋独角兽统计 - 2025年1月全球新增6家独角兽企业，中国新增2家；全球总计1877家，中国511家，占比27% [19][20] 投资机构分析 VC/PE机构 - 2025年1月中国一级市场参与投资的VC/PE机构532家，较上月减少34%，较去年同期减少52% [25] - 投资事件数排名前五的VC/PE机构为深创投、君联资本、比邻星创投、奇绩创坛、合肥国耀资本 [4][26] CVC机构 - 2025年1月参与投资的CVC机构51家，较上月减少33%，较去年同期减少65% [25] - 投资事件数排名前五的CVC机构为招商局创投、尚颀资本、广州无线电集团、美团龙珠、电控产投 [28] 中国并购市场分析 整体情况 - 2025年1月中国企业发生并购事件25个，较上月减少31%，较去年同期减少66%；已披露总金额26.21亿元，较上月减少34%，较去年同期减少85% [4][29] 并购事件行业分布 - 数量排名前五行业为传统行业、智能制造、能源电力、生活服务、材料 [30] - 交易金额排名前五行业为能源电力、医疗健康、材料、生物科技、汽车交通 [30] 并购事件区域分布 - 境内并购事件22个，占88%，排名前五地区为浙江、北京、上海、湖北、广东 [31] - 跨境并购事件3个 [32] 重大并购事件（交易金额前五） - 未名海济生物以8.08亿被圣湘生物并购 [35] - 南昌赣锋以5亿被江西金控投资并购 [36] - 常乐制药以2.02亿被联环药业等并购 [37] - 兴荆新能源以9569.81万被湖北能源集团新能源发展有限公司并购 [38]

数据要素与AI融合的行业趋势 - 全球企业服务市场达成新共识：大模型的核心价值在于将数据资产转化为决策燃料而非无限增加参数量级[2] - 数据厂商如Databricks和Palantir正通过升级数据架构（如AI原生数据湖仓）和AI平台重新定义企业决策[2] - 中国市场加速数据要素价值释放，AI发展重塑数据平台产品组合与市场份额格局[3] 滴普科技的发展路径 - 公司2015年起步于企业数据服务，2024年近半收入增长来自数据平台与大模型结合[3] - 产品演进路径：从数据中台→多模态数据湖仓→AI-Ready数据基础平台→模型工程平台+Agent平台[4] - 形成行业大模型+Agentic AI应用闭环，服务百丽时尚、中国海油等头部客户[4][5] 技术落地实践案例 - 与百丽时尚5年合作： - 2021年搭建数据中台整合分散业务系统数据[5] - 2022年引入数据湖仓架构管理结构化/非结构化数据[5] - 2023年基于Deepexi大模型落地供应链快反、门店智能运营等12+场景[5] - 其他合作案例：中国海诚、上海船舶设计院等机构验证AI行业应用[5] 组织与战略机制 - 产研体系结合前沿技术预研与敏捷开发，形成市场洞察能力[7] - 班委制决策制度：6位联合创始人集体决策，CEO保留否决权[7] - 季度高管深度研讨机制（如2024年Q1聚焦垂直模型能力建设）[7] - 文化强调"无身份包袱"，核心团队抗风险能力来自共享价值观与利益机制[7] 未来方向 - 目标为完成AI大模型技术场景落地，现有产品矩阵包括FastData Foil数据平台、FastAGI智能体平台、Deepexi企业大模型[7] - 对标国际企业如Databricks，聚焦数据与AI融合的行业深度应用[7]