（来源：新安晚报） 而我们普通人，则在牌桌上不经意地泄露出更本真的模样。有人输了一局，脸便沉下，反复念叨对家某 张牌出得不对，得失心太重。有人却哈哈一笑，说一声"输赢无所谓"，顺手将牌洗得哗哗响，还会饶有 兴致地探讨若是换种打法会如何。前者令人敬而远之，后者则让人愿意下次再聚。难怪人说，掼蛋这游 戏，情商与人品，常常比牌技本身更要紧。一个人的气象与涵养，在这方寸牌桌间，确是无处躲藏。 牌桌，由是也成了一个小小的社会。固定的牌友，多是性情相投、时光凑巧的人。大家暂将平时的负累 卸下，边打牌边说些家长里短的闲话，牌局成了一种平实而温暖的相聚。 如今，掼蛋成了我生活里一段固定的节奏。每月总有那么几次，四人围桌而坐。牌是新的，茶是滚的， 人的心是松泛的。洗牌、切牌、发牌，熟悉的声响一起，窗外的车马人声便淡去了。 牌发到手里，我理得有些忙乱。这名师友的牌似乎极好，出得果断凌厉，气势十足。我挺在乎这名师友 的看法，当时心里只有一个念头，千万别拖后腿。谁知越是这么想，手上越出错。该顶住上家时，我手 一软，放了过去；该顺顺当当给对家递牌时，我又懵懂地拦了一下。眼看他原本顺畅的牌路，被我堵得 磕磕绊绊。最后一局关键牌，明明是他 ...

核心观点 - 中邮证券研报认为姚记科技业绩短期承压，但短剧基建业务持续受益于行业浪潮，并看好其核心休闲娱乐板块在节庆旺季的阶段性回暖潜力，维持“买入”评级 [1] 业绩与市场表现 - 公司业绩短期承压 [1] - 根据12月19日收盘价，公司估值分别对应18倍、16倍、13倍市盈率 [1] 业务板块分析：休闲娱乐 - 年末至春节是线下聚会及家庭娱乐旺季，有望带动扑克牌及休闲游戏需求增长 [1] - 从公司历史数据看，2024年第一季度和2025年第一季度公司收入分别环比增长33.47%和61.66%，节庆效应对业绩拉动效应明显 [1] - 公司在巩固传统扑克牌优势的基础上，持续加快掼蛋等新品类布局 [1] - 在节庆旺季及新品拓展双重驱动下，看好核心休闲娱乐板块的阶段性回暖潜力 [1] 业务板块分析：短剧 - 公司短剧基建业务持续受益于行业浪潮 [1] - 后续伴随短剧精品化趋势，公司有望凭借稀缺场景的供给能力在行业上行期中持续受益 [1]

纪要涉及的公司 * 公司为浙数文化 [1] 财务表现与经营情况 * 2025年前三季度营收21.52亿元，同比微降0.79% [2] * 归母净利润5.35亿元，同比增长12.65% [3] * 归母扣非净利润3.4亿元，同比增长6% [3] * 经营性现金流由去年同期的负1.82亿元转为正3.24亿元 [2][3] * 研发投入2.68亿元，同比增加2000万元，占营收比重达12.5% [2][3] 游戏业务（巅峰游戏） * 作为国内头部线上棋牌公司，流量持续向头部集中，虽无新版号但保持稳中有升态势 [4] * 增长主要得益于掼蛋等精品棋牌游戏的自带流量效应增强，提升了投放效率和利润 [6] * 数字营销板块（九天互动、淘天传媒）对净利润增长作出贡献 [6] * 已在广州成立创新团队，探索手游及其他品类开发 [4] IP衍生经济 * 是公司重点发力领域，今年9月、10月已推出多款卡牌、手办、毛绒玩具等潮玩产品 [7] * 预计四季度会有更多产品落地，明年将持续推出新产品 [7] * 计划整合原投资企业资源，预计四季度对报表产生显著积极影响 [2][7] 数字科技（AIDC）板块 * 板块总体保持稳定 [8] * 北京地区计划四季度与国内头部算力卡厂商合作 [8] * 大江东项目拥有约2500个机柜的体量，存在增量空间 [8][9] * 受益于阿里巴巴3800亿资本投入，杭州地区产能消化前景乐观 [8] 人工智能（AI）与大数据布局 * 公司与阿里云签署战略框架协议，合作涉及阜阳基地的算力升级和大江东项目的深化合作 [2][9] * 公司已初步形成人工智能大模型和算法矩阵，包括两个备案大模型及七个备案算法 [10] * 计划将AI技术整合为标准化产品，应用于智慧城市、数字融媒体、文旅等领域，探索新商业模式 [4][10] * 浙江省大数据交易中心2025年场内交易额预计翻番，突破亿元关口 [4][11] * 目前场内交易仅占2%，未来提升潜力巨大，公司正推进基础制度建设、确权、数据资产评估等工作 [11][12] 投资与其他业务 * 投资方面，通过基金投资的海马云、铜师傅等企业正在推进IPO，上市后将按公允价值计量并适时变现 [13] * 公司持有华通股票，年初持股1891万股，半年报显示已减持部分，具体减持情况待三季报披露 [13] * 网络文学领域布局（如掌阅新媒）已开始逐步落地并增长 [5] * 与阿里巴巴的合作涵盖股权（如并表淘宝天下传媒、持股数字浙江）、业务（传播大脑、富春云等项目）及产业基金等多个层面 [14]

研究核心发现 - 大语言模型能够通过专门训练掌握8种不同类型的棋牌游戏 包括斗地主 掼蛋 立直麻将 Uno 金拉米 Leduc扑克 限注德州扑克和无限注德州扑克 [2][8] - 经过混合训练的微调模型在复杂棋牌游戏中表现显著优于基础模型和API模型 其中GLM4-9B-Chat-mix在6款游戏中获得最高分 [40][42] - 游戏规则相似性会影响模型表现 规则相近的游戏之间存在正向促进作用 而规则差异大的游戏可能出现性能冲突 [45][46][52] 模型性能对比 - 在5种API模型中 GPT-4o综合表现最佳 在大多数游戏中取得最高分 其中在Leduc扑克获得0.84分 在限注德州扑克获得0.60分 [37][39] - GLM-4-plus在斗地主中获得0.345分 表现优于GPT-4o的0.180分 但GPT-4o在无限注德州扑克获得2.73分 显著优于GLM-4-plus的3.21分 [39] - 微调模型中 GLM4-9B-Chat-mix在斗地主获得0.882分 掼蛋0.698分 Uno 0.252分 均位列第一 [42] - Llama3.1-8B-Instruct-mix在无限注德州扑克获得6.02分 立直麻将1.38分 表现突出 [43] 训练方法设计 - 研究采用教师模型生成高质量轨迹数据进行训练 针对不同游戏复杂度设计差异化数据采集方案 [14][20] - 斗地主 掼蛋和立直麻将各收集100万个训练实例 其余5款游戏各采样40万个实例 [20] - 训练数据量对性能提升至关重要 随着数据量增加 模型在斗地主和掼蛋中的表现逐渐接近教师模型 [24] - 混合训练数据集包含310万条数据 各游戏数据量分别为70万 95万 65万 20万 5万 25万 20万和10万 [35] 模型能力分析 - 模型在斗地主中表现出角色差异 GLM在地主角色表现优于Qwen和Llama 但在农民角色表现较差 [29][30] - 数据过滤时只保留获胜方数据 导致农民角色数据质量较低 影响模型表现 [31][32] - 即使没有教师模型 大模型在立直麻将中仍达到与顶尖麻将AI相当的表现 [25] - 模型规模影响性能 研究对参数规模从0.5B到14B的Qwen2.5进行微调以评估规模效应 [22] 通用能力影响 - 在所有游戏上微调的混合模型出现通用能力显著下降 包括知识问答 数学和编程能力 [54] - 通过加入通用数据对游戏模型进行微调 模型的通用能力得到一定程度恢复 [56] - 研究表明只要加入一定量的通用数据 模型打牌能力与通用能力可实现平衡 [6]