核心观点 - 清华大学可持续社会价值研究院院长杨斌教授在第二届S大会“前沿研究”分论坛上提出，基金会和公益慈善机构应鼓励以好奇心驱动的科研探索，而非以好胜心和短期实用为导向，这对于塑造创新型文化、实现从零到一的原始创新至关重要 [1][18] - 核心论点可概括为：好奇心比好胜心更重要，探索比收敛更重要，玩比赢更重要，探索本身具有内在价值，而不仅仅是通向实用结果的工具 [1][6][18][24] 基金会与科研资助导向 - 与企业研发合作追求有指向、明确的短期至中期技术产出不同，基金会和公益捐赠的导向尤为重要，应更多支持非共识性的自由探索和长期才能看到或可能看不到的基础领域 [2][19] - 尽管目前此类支持的总额还不大，但初始阶段的觉悟深刻影响着未来发展的样貌，经费支持的“奖励函数”会对学者的人、风气和驱动力产生持久影响，一旦形成则难以扭转 [2][20] - 科学探索奖和新基石研究员项目已促成一些鼓舞人心的变化，但需持续扎实地推进，避免过早宣布成功 [2][20] “无用知识”的深层价值 - 引述了1939年普林斯顿高等研究院首任院长弗莱克斯纳的文章《无用知识的有用性》，该文章常被用来论证基础探索最终会产生意想不到的产业贡献，即“无用终大用” [3][21] - 但文章更深层的意涵常被忽略：弗莱克斯纳极力呼吁废除“有用”的概念，主张思想探险的自由本身比最终的实际用途更重要，某些“浪费”是思想解放的必要代价 [4][22] - 追随好奇心进行研究，其过程本身散发的品味、趣味与自由精神就具有自在价值，探索本身即有意义 [4][22] 好奇心驱动创新的原理 - 好奇心更接近第一性原理，能让研究者以全新视角看待现象，带来迥异的解法，并将研究带入“无人区”，展开“无限游戏” [5][23] - 原始创新与从零到一的原动力，在于在不被主流看好的地方开疆破土，为可能失败的探索担当“父母”，而非在已有“赛道”上追求至善尽美 [5][23] - 好奇心早在从零到一之前就已生长，存在于许多被否定的“错”、“乱想”和“瞎折腾”之中 [5][24] 激发与保持好奇心 - 好奇心的保有与年龄、经验可能呈负相关，但本质取决于心智的开放程度，而非生理年龄或成名与否 [6][24] - 激发已成为终身教授的学者的好奇心是一个挑战，可通过发掘学者作为“完整的人”的其他“斜杠”属性来激活其未被开发的创造力 [6][24] - 即使在当前火热的AI科研领域，聪明的投入（包括资金）仍应鼓励好奇心，AI研究可能连丘吉尔所说的“可能是序章的尾声”都还未到 [6][24] 教育、文化与生态建设 - 好奇心最应在中小学教育和家庭教育中得到褒奖，AI对教育的重要改变应是打破工业时代形成的标准化教学模式，降低对难度、熟练度和整齐划一的要求，为好奇心和探索家精神留出空间 [7][25] - 从文化和生态上，需要对因好奇心而产生的各种异样行为尽量包容，不以“顺眼”为标准，要容许“说梦的痴人”和“好高骛远”，欣赏技术起步阶段的“丑陋” [7][25] - 需要形成一种不以胜败论英雄、崇敬即使失败告终的探索行为的文化 [7][25] 历史案例：达特茅斯会议 - 1955年，约翰·麦卡锡等四位学者向洛克菲勒基金会提交《达特茅斯人工智能夏季研究项目提案》，申请13，500美元资助，用于举办为期2个月的人工智能研讨会 [9][10][27] - 基金会评审人莫里森博士认为提案内容庞大复杂、目标不够聚焦、“难以清晰领会”，但鉴于其长期挑战性，最终决定资助申请经费的一半，即7，500美元 [14][15][30] - 莫里森在回复中未使用“人工智能”一词，而是用了“思维的数学模型”，因为“人工智能”在当时是首次出现、闻所未闻的新词 [15][31] - 凭借这笔减半的资助，1956年夏季，30多位学者参与了达特茅斯会议，AI由此正式登上历史舞台，这被视为基金会着眼长远、支持好奇心的典范 [16][31] 对基金会行业的启示与挑战 - 长期坚持对好奇心的“奖励函数”，将带来人、风气和驱动力的变化，促使人们讨论有趣的新主意，热爱科技，并找到全球性的志趣相投的社群 [8][26] - 支持好奇心驱动的前沿、有趣、基础、非共识研究，是给基金会和公益机构治理提出的实际挑战，因为治理通常追求看得清楚、定得明白的目标 [8][26] - 基金会和公益慈善同道有机会成为下一个“莫里森博士”，关键在于自身也保持好奇，并愿意鼓励好奇 [16][31]

公司近期动态 - 公司于近期取得一项名为“图数据抽取方法、装置、存储介质及计算机设备”的专利，授权公告号为CN115510276B，该专利的申请日期为2021年6月 [1] 公司基本情况 - 公司全称为广州视源电子科技股份有限公司，成立于2005年，位于广州市，主营业务为研究和试验发展 [1] - 公司注册资本为6.96016545亿元人民币 [1] - 公司对外投资了52家企业 [1] - 公司参与招投标项目146次 [1] - 公司拥有商标信息1276条，专利信息5000条，行政许可50个 [1] 公司关联机构 - 公司关联机构广州视源人工智能创新研究院有限公司成立于2021年，同样位于广州市，主营业务为研究和试验发展 [1] - 该研究院注册资本为1000万元人民币 [1] - 该研究院参与招投标项目1次，拥有专利信息758条，行政许可2个 [1]

公司近期技术发展 - 公司于近期取得一项名为“图文匹配方法、装置、设备和存储介质”的专利，授权公告号为CN116152836B，该专利的申请日期为2021年11月 [1] 公司基本情况 - 公司全称为广州视源电子科技股份有限公司，成立于2005年，位于广州市，主营业务为研究和试验发展 [1] - 公司注册资本为69601.6545万人民币 [1] - 公司对外投资了52家企业 [1] - 公司参与招投标项目146次 [1] - 公司拥有商标信息1279条，专利信息5000条，行政许可50个 [1] 公司关联研发机构 - 公司关联的广州视源人工智能创新研究院有限公司成立于2021年，同样位于广州市，主营业务为研究和试验发展 [1] - 该研究院注册资本为1000万人民币 [1] - 该研究院参与招投标项目1次，拥有专利信息758条，行政许可2个 [1]

核心人事任命与研究方向 - 西湖大学宣布，国际电气和电子工程师协会会士凌海滨全职加入工学院，受聘讲席教授，并牵头创立智能计算与应用实验室 [2] - 该实验室致力于开展人工智能以及跨学科的研究与应用，研究方向包括计算机视觉、多模态人工智能、增强现实、AI for Science、量子信息等 [2] 专家背景与职业经历 - 凌海滨于1997年获北京大学学士学位，2000年获北京大学硕士学位，2006年获美国马里兰大学帕克分校博士学位 [4] - 其职业经历包括微软亚洲研究院助理研究员、加州大学洛杉矶分校博士后研究员、西门子研究院科学家 [4] - 2008年起任教于天普大学，先后担任助理教授和副教授，2019-2025年任纽约州立大学石溪分校Empire Innovation教授，2025年加入西湖大学 [5] - 在北京大学期间完成了从数学到计算机的专业跨越，博士阶段选择了计算机视觉方向 [5] - 其博士期间关于“利用计算机识别形状多变的树叶”的研究催生了全球第一款手机植物识别APP——LeafSnap [5] - 博士毕业后聚焦计算机视觉领域，主攻动态目标追踪技术 [5] 研究领域与学术成就 - 凌海滨的研究领域涵盖计算机视觉、增强现实、医学图像分析、机器学习及AI for Science [6] - 曾获ACM UIST最佳学生论文奖、美国自然科学基金CAREER奖、雅虎教授研究发展奖、亚马逊机器学习研究奖及IEEE VR最佳期刊论文奖 [6] - 现任/曾任《IEEE模式分析与机器智能汇刊》、《IEEE可视化与计算机图形学汇刊》、《计算机视觉与图像理解》及《模式识别》等期刊编委，并长期担任CVPR、ICCV、ECCV、ACM MM等人工智能顶级会议领域主席 [6] - 其学术成果引用总计51080次，2020年至今引用35245次，h指数为98，i10指数为315 [8] - 代表性论文包括《LIME: Low-light image enhancement via illumination map estimation》（被引3108次）、《Lasot: A high-quality benchmark for large-scale single object tracking》（被引2027次）和《U2Fusion: A unified unsupervised image fusion network》（被引2021次） [7]

战略合作签约 - 北京舞蹈学院与北京中关村学院、中关村人工智能研究院签署战略合作协议[1] - 合作内容包括"AI+舞蹈"联合研究中心揭牌[1] - 合作聚焦人才培养、学科共建、数据平台建设、技术攻关、应用场景探索、成果转化、文化传播等七大领域[3] 合作意义 - 合作被定位为艺科融合发展的重要举措[3] - 北京舞蹈学院作为国内顶尖舞蹈学府与中关村创新型科研机构形成优势互补[3] - 合作将推动舞蹈与人工智能的融合发展命题[3] 各方表态 - 政府代表强调合作是强强联合，将产生良好成效[3] - 北京舞蹈学院领导称合作具有历史性意义，将培养跨学科复合型人才[3] - 中关村学院方表示合作将融合艺术情感与科技理性，提升中国艺术国际影响力[3] 发展愿景 - 合作旨在探索文化和科技融合的有效机制[3] - 计划通过数字化手段向世界展示中国舞蹈文化[3] - 目标是为舞蹈与人工智能领域带来新突破[3]

AI技术在基金营销中的应用 - 未可知人工智能研究院副院长张孜铭为鹏华基金开展《AI赋能基金营销》专题培训 旨在帮助行业从业者掌握AI技术在营销场景的实际应用 提升工作效率与创新能力 [1] - 培训内容涵盖生成式AI与决策式AI的核心区别 重点讲解AI在内容生成、数据分析、客户沟通等场景的应用 [2] - 通过实际案例展示AI工具可快速生成营销文案、设计宣传海报、制作创意短视频 大幅提升营销效率 [2] 培训效果与反馈 - 参训学员认为培训内容紧贴业务需求且实操性强 部分学员反馈AI已成为提升工作效率的利器 [4] - 学员对AI生成销售话术功能印象深刻 认为客户沟通智能化程度显著提升 [4] - 培训中展示学员使用豆包AI生成的作品 体现技术落地效果 [6] 行业合作与数字化转型 - 培训帮助鹏华基金把握AI技术机遇 探索适合自身的AI解决方案 加速数字化转型进程 [8] - 未可知人工智能研究院将持续推动AI技术在各行业应用 为企业创造更多价值 [8]

AI在银行业的应用场景 - AI提示词撰写技巧是实现银行业务高效办理的关键，可精准获取客户信息、快速生成公文报告、制作演示材料、处理表格数据及剪辑短视频[1] - AI公文写作能自动生成工作周报、会议通知等结构化文档，显著节省时间[2] - AI+PPT功能可基于主题自动生成大纲并渲染专业模板，提升设计效率与一致性[2] - AI+Excel能理解需求生成公式、提取关键数据并创建可视化图表，优化决策支持[2] AIGC技术发展现状 - 生成式AI专注于内容创作（文本/音频/图像/视频），与传统决策式AI（人脸识别/风险管理）形成差异[4] - AIGC已成为大厂重点布局领域，正颠覆传统内容生产模式[4] - 互动演示显示AI已具备高质量绘画和风格化文本生成能力[4] 银行AIGC应用案例 - 广发银行用AIGC提升客服效率并快速生成营销文案[6] - 工商银行专利"AIGC+RPA"技术解决金融研报生成效率问题[6] - 北京银行自研京智大模型整合16万条金融知识，赋能多岗位智能应用[6] 银行业AIGC实施挑战 - 银行仅20%-40%数据为有效数据，呆滞数据影响模型可控性[6] - 通用大模型金融专业性不足，存在AI幻觉与合规风险[6] - 自研大模型成本高，中小银行面临技术适配难题[6] - 行业缺乏既懂业务又懂技术的复合型人才[7] 未来发展方向 - 需从战略层面统筹AIGC转型，克服数据/技术/人才瓶颈[8] - 金融机构与AI研究院合作将加速技术落地，推动数字化标杆建设[12]