FX168财经网_全球视野外汇黄金加密货币NFT资讯网

明略科技与欢瑞世纪达成战略合作，AI技术深度赋能影视内容生产与运营

略合作。双方将融合明略科技企业级专有大模型产品线 DeepMiner 的技术能力，以及欢瑞世纪丰富的影视资源与行业经验，深度赋能影视创作、艺人经纪、运营管理全场景，共同探索影视行业智能化发展新路径。图片来源：明略科技作为明略科技于2025年9月推出的核心产品，DeepMiner是全球首个可信商业数据分析智能体，通过多智能体架构（MoA）实现任务分配与执行全流程自动化，其Mano模型（自动化执行引擎）与Cito模型（分析决策中枢）协同运作，既具备行业领先的操作与推理能力，又能通过全流程可追溯设计降低“AI幻觉”率，为垂直行业提供可靠支撑。欢瑞世纪的精品内容制作能力、完善的艺人培养体系及创新能力将与这一技术体系深度互补，推动影视产业向“技术赋能创作、数据驱动决策”转型。基于这一合作基础，双方将围绕影视产业核心需求，通过AI技术实现三大维度的创新突破：一、短剧业务：AI驱动全链路智能化提效爆款剧本孵化阶段：依托明略科技DeepMiner的热点趋势分析能力与欢瑞世纪的海量影视数据+行业洞察，快速挖掘市场潜在需求，通过AI生成剧本大纲、角色设定等内容，提升创作效率与市场适配度，形成高效精准的AI创作方法论。素材创意生成阶段：运用明略科技AI技术快速辅助生成高质量视觉素材与文案，与此同时，欢瑞世纪在影视行业的实践经验将反哺明略科技大模型优化，形成"技术赋能业务、业务反哺技术"的双向赋能机制。短剧营销推广阶段：共同研究基于AI算法模型自动选择投放渠道、分析优质素材、出价策略和展示时段，并实时监控数据，自动关停无效计划，预期大幅度降低成本，提高人效。社媒运营智能化阶段：DeepMiner的智能体系统可实现社媒账号的智能化内容发布、实时效果分析，以及策略优化，大幅降低人力成本，提升运营效率。二、艺人经纪：AI驱动人才精准匹配针对影视选角周期短、需求精准的特点，双方将运用AI技术对艺人经纪业务进行数字化改造。智能化标签管理：借助明略科技强大的多维度智能标签技术能力，构建结构化的艺人数据库，帮助影视制作方实现快速、精准的演员资源匹配，大幅提升选角效率，缩短项目筹备周期。数据双向赋能：欢瑞世纪拥有的丰富艺人经纪数据将深化明略科技在艺人市场评估、职业定位、商业价值预测等场景的AI应用能力，更好地服务艺人，为艺人经纪业务提供更加智能的决策支持工具，推动影视行业向数据驱动转型升级。三、运营管理：AI驱动智能化管理决策企业知识库建设：通过搭建由DeepMiner驱动的智能知识系统，实现业务数据的结构化存储、智能检索与深度分析，提升信息调取效率，优化跨部门协作流程。决策效率优化：DeepMiner的各个专有协同模型可对运营数据进行深度智能分析，为管理层提供数据驱动的战略决策支持，优化业务流程，全面提升企业运营效能。值得关注的是，此次合作将以明略科技创新的RaaS（结果即服务）模式为核心落地支撑，实现对影视产业智能化的整体赋能。不同于传统技术服务的“工具交付”逻辑，RaaS模式以“产出实际业务结果”为核心目标，确保每一步投入都指向实际业务价值，这一创新模式将为影视产业智能化转型提供更精准、更具价值的实践路径。关于合作双方欢瑞世纪联合股份有限公司（股票代码：000892.SZ）：A股主板上市的影视集团公司，始终秉持“产业深耕”核心理念，聚焦主营业务的同时积极构建“内容+科技”双轮驱动体系。业务涵盖影视剧投资制作发行、艺人经纪及衍生品开发等方面，代表作包括《盗墓笔记》《大唐荣耀》《琉璃》《南风知我意》《莲花楼》等精品剧集，公司深化打造自有IP体系，围绕核心IP进行立体化开发，不断提升各项业务商业化变现能力，并不断推进短剧内容与营销模式的创新实践，均衡发力于平台精品短剧、小程序短剧、互动剧、AI漫剧等多个细分领域，最终形成具有持续创新能力的现代化文化产业生态。明略科技（股票代码：02718.HK）：创立于2006年，中国企业级AI大模型与数据智能领军企业。成立19年来，明略科技构建了业内覆盖最为广泛、透明可信的数据生态，以及丰富的行业知识库。通过整合大模型技术与多模态数据、行业知识，打造营销与营运全链路的智能化产品矩阵，深度赋能实际业务场景，形成了庞大且忠诚的优质客户群，构筑起集技术、数据、行业知识与客户网络于一体的坚实壁垒，迄今已服务135家财富世界500强企业，拥有2322项专利及596项专利申请。2025年入选香港重点企业名单，技术实力与产业影响力获广泛认可。以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。

有连云10-31 11:16

国家发改委等五部门：探索推动具身智能机器人进社区、进家庭，到2027年底建成50个以上全域数字化转型城市

新体系，落地一批先进可用、自主可控城市大模型。到 2035 年，涌现一批具有国际竞争力、全球影响力的现代化城市。《行动计划》称，鼓励有条件的城市建设城市安全风险监测预警体系，建立公共安全、生产安全、自然灾害等城市风险的信息共享和应急联动机制，提高风险早期识别预警能力。探索利用大模型开展暴雨、台风等极端天气快速综合研判，优化预警信息发布流程，加强提升灾前防范能力。建立覆盖全域、全灾种的城市安全事件应急处置数字化预案库，支持有条件的地区开展多视角、跨领域智慧应急场景仿真推演。推动无人机、机器人等在公共安全、应急救援等领域的应用。《行动计划》还称，支持各地增加“一网通办”特色事项，推动银行、医院、电信等更多公共服务集成办理，压减整体办理时长和跑动次数。加快拓展医疗电子处方流转、费用一站结算、诊疗数据共享等应用场景，推广远程会诊、检查检验结果互认等服务。发展健康管理、保险快速理赔等数据融合应用。推进人工智能全学段教育和全社会通识教育，拓展“人工智能 + 教育”“一网通学”等应用场景。加快推进社会保障卡居民服务“一卡通”跨省通用、一卡多用、线上线下融合发展。《行动计划》还提到，利用数据分析精准识别老年人、儿童、残障人士等群体服务需求，持续推动城乡公共空间、数字服务适老化、适幼化和无障碍改造。推进医疗机构、康养机构、托育服务机构、家政机构数据有序共享、开发利用，强化“一老一小”公共服务资源一站式集成，推进助餐、助洁、助急等个性服务。开展覆盖全民的数字素养和技能培训，实施城市间结对数字帮扶行动，推动人才、资金、技术等资源跨区域、跨城乡流动，弥合数字鸿沟，促进城乡融合。 IT之家注意到，《行动计划》支持有条件的地区改造建设一批高品质智慧社区，完善社区嵌入式服务设施，按需配置、优化升级社区数字服务能力，发展智慧物业。打造数字惠民服务生活圈，完善一站式托育助老、亲子阅读、社区康养等服务的幸福邻里综合体。建设智能充电桩等便民设施，加快停车设施智能化改造和建设，推广高楼消防预警、高空抛物监测、电动自行车智能阻止等数字应用。推进绿色智能建筑建设，深化全屋智能应用，探索推动具身智能机器人进社区、进家庭。面向群众开展“问需于民”等活动，鼓励居民、企业、社会组织等多元主体积极参与智慧社区设计、建设和运营。

金融界10-31 11:15

智慧城市转型行动开启，超级智能体+全域数字化转型引爆50城升级浪潮！

新体系，落地一批先进可用、自主可控城市大模型。到2035年，涌现一批具有国际竞争力、全球影响力的现代化城市。相关影响板块分析 AI大模型与超级智能体：催化城市治理范式革命政策明确支持自主可控城市大模型研发，联想“1+N智能体”架构通过中枢系统统筹交通、能源等领域智能体，带动算力基础设施、算法平台、数据标注等产业链需求。数字孪生与城市生命线：筑牢安全底座“AI+数字孪生”技术实现对燃气、排水等基础设施的精准监测，重庆等地已将其纳入城市更新重点项目。传感器、物联网设备、仿真软件供应商将直接受益。政务民生数字化：普惠服务加速渗透“高效办成一件事”覆盖社保、医疗等高频场景，驱动政务云、一网通办平台、智能终端需求激增。到2027年，民生服务数字化覆盖率或超90%，财税SaaS、医保信息化等细分赛道迎来爆发期。相关上市公司梳理联想集团（00992.HK）：主导“城市超级智能体”生态，已在文旅、政务等领域落地智能场景。荣科科技（300290.SZ）：深耕智慧医疗急诊调度系统，同步拓展城市大脑数据平台，近期获社保信息化大单。税友股份（603171.SH）：政务财税数字化龙头，深度参与“高效办成一件事”系统建设。拓尔思（300229.SZ）：政务大数据分析核心供应商，城市舆情监测系统接入多地“一网统管”平台。深信服（300454.SZ）：智慧城市安全基座提供商，数据加密、零信任架构产品适配国产大模型需求。

金融界10-31 11:05

软件板块走强，三六零涨停，前三季度营收超60亿！“行情新旗手”软件50ETF(159590)涨超2%，连续4日获资金净流入！

厂商； 2）AIAgent：智能体作为大模型落地的重要载体，是有望率先实现AI从技术叙事到价值兑现规模化的商业应用，我们认为当前B端需求更多侧重于Agent赋能业务场景而非内部办公，看好垂类领域具有AI产品力的厂商业务放量； 3）信创：利好操作系统、数据库、中间件等基础软件及服务器等基础设施。硬件为基，软件为核。软件50ETF（159590）紧跟中证全指软件指数，一键布局AI软件全产业链！指数精选50只成分股，对于基础软件、应用软件、软件服务覆盖全面：约67%权重为应用软件，15%以上为AI相关领域，信息安全占10%，其余约7%为信息技术和基础软件。场外联接（A类：023254；C类：023255）。风险提示：任何在本文出现的信息，包括但不限于个股、评论、预测、图表、指标、理论、任何形式的表述等均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中的任何观点、分析及预测不构成对阅读者任何形式的投资建议，本公司亦不对因使用本文内容所引发的直接或间接损失负任何责任。软件50ETF属于中等风险等级（R3）产品，适合经客户风险等级测评后结果为平衡型（C3）及以上的投资者。标的指数并不能完全代表整个股票市场。标的指数成份股的平均回报率与整个股票市场的平均回报率可能存在偏离。基金投资有风险，基金的过往业绩并不代表其未来表现，投资需谨慎。请投资者关注指数化投资的风险以及集中投资于中证信息技术应用创新产业指数成份股的持有风险，请关注部分指数成份股权重较大、集中度较高的风险，请关注指数化投资的风险、ETF运作风险、投资特定品种的特有风险等。以上内容与数据，与有连云立场无关，不构成投资建议。据此操作，风险自担。

有连云10-31 10:46

苹果：iPhone 稳住 C 位，AI 何时露真容？

海豚投研10-31 09:36

英伟达发家史：从游戏巨头、加密矿霸到 AI 军火商

达。困顿之极，不料峰回路转，AI 与大模型的风吹了起来，英伟达再次站上风口。英伟达，AI 军火商 2016 年 3 月，AlphaGO 击败了李世石，震撼人心，也引发了关于 AI 的讨论热潮。一个月后，黄仁勋在 GTC China 大会上正式宣布，英伟达不再是一家半导体公司，而是一家人工智能计算公司。 2016 年 8 月，一个历史性时刻诞生，英伟达向刚成立的 OpenAI 捐赠了英伟达的第一台 AI 超级计算机 DGX-1，黄仁勋本人亲自将这台计算机送到了 OpenAI 的办公室，当时的董事长埃隆·马斯克用开箱刀打开了包裹。黄仁勋留下了一句话：“为了计算和人类的未来，我捐出世界上第一台DGX-1。” 而后，OpenAI 通过英伟达的超级计算机训练出了风靡全球的 ChatGPT，英伟达后续更新的硬件产品 DGX H100 遭到市场疯抢，供不应求。罗马并非一日建成，英伟达在 AI 行业的统治地位始于更早时期的积累。英伟达的前首席科学家戴维·柯克（David Kirk）早就梦想着将 GPU 的 3D 绘图渲染算力通用化，不仅局限于游戏领域。在戴维·柯克和黄仁勋的领导下，英伟达于 2007 年推出了革命性的 GPU 统一计算平台 CUDA，释放庞大的算力资源。但在当时，CUDA 完全没有打动投资者，反而因为打造领先于时代的“超级计算”系统投入巨大，英伟达的利润受到大幅削减，华尔街为此嘘声一片。一档风靡硅谷的热门播客《Acquired》的主持人 Ben Gilbert 对此评价：“他们当时瞄准的不是一个大市场，而是一个学术和科学计算的晦涩角落，但他们为此花了数十亿美元”。来自外界的声音并没有影响黄仁勋，十几年坚持在 CUDA 上进行投入，让英伟达有了如今的地位。黄仁勋将算力视为核心。无论是 AI、自动驾驶、元宇宙、机器人还是加密货币，英伟达都是利用庞大的算力寻找新的机会。算力，英伟达永恒的武器。三次失败 2023年，黄仁勋在台湾大学毕业典礼上致辞，他分享了三个失败的故事，向大学生们传授了英伟达成功的秘诀。第一次失败，在破产边缘活了下来。 1994 年，Nvidia 的第一个客户是日本游戏公司 SEGA，他们为其游戏主机设计显卡。但是在第二年，微软发布了 Windows 平台的图形接口 Direct3D，这一变动让 Nvidia 感到非常慌乱，因为与他们的设计存在冲突。最终，Nvidia 选择中止与 SEGA 的合约，转而为 Windows 平台开发 GPU。这是一个冒险的决定，因为 SEGA 是他们唯一的客户，却被他们放弃了。Nvidia 的资金只能支持 6个月，如果在这段时间内无法推出新产品，他们将面临倒闭的风险。幸运的是，在资金即将耗尽时，距离破产仅一个月的时候，Nvidia 设计出了 Riva 128 这款芯片，并取得了成功。到 1997 年底，Riva 128 的出货量超过了 100 万张，Nvidia 因此得以生存下来。第二次失败，放弃短期利润，成就了未来的伟大。 2007 年，英伟达发布了 CUDA GPU 加速计算计划，愿景是让 CUD A成为一种编程模型，可以提升从科学计算和物理模拟到图像处理的各种应用。创造一种新的计算模型非常困难，自 IBM System 360 推出以来，CPU 计算模型作为行业标准已经存在了长达 60 年时间。 CUDA 需要开发者重新编写应用程序，来展示 GPU 的好处；但要开发这样的程序，先要有一个庞大的用户群和一个庞大的需求来推动开发者去开发。为了解决“先有鸡还是先有蛋”的问题，英伟达利用了他们已经有大量游戏玩家的 GForce 游戏显卡来建立用户群。但 CUDA 的附加成本非常高，导致英伟达的利润在多年间大幅下降，他们的市值一直在 10 亿美元的水平上下波动。英伟达多年的低迷表现，也让股东对 CUDA 持怀疑态度。股东们更希望公司专注于提高盈利能力，但英伟达坚持了下来，相信加速计算的时机会到来。黄仁勋创办了一个名为 GTC 的大会，在全球不知疲倦地推广 CUDA。最终，功夫不负有心人，一个个应用程序真的涌现了，包括 CT 重建、分子动力学、粒子物理学、流体动力学和图像处理等。直到 2012 年，AI 研究人员发现了 CUDA 的潜力。著名 AI 专家 Alex Krizhevsky 在 GForce GTX 580 上训练出了 AlexNet，引发了人工智能的大爆炸。第三次失败，英伟达退出手机芯片市场。还记得雷军与黄仁勋的同台么？ 2013 年时，在雷军的邀请下黄仁勋出席小米手机 3 发布会。年少时就去到了美国的黄仁勋被雷军要求说中文，他说得并不利索，但也用中文自信地喊出：“英伟达的 GPU 是世界最棒的。” 当时，小米 3 旗舰版搭载了英伟达推出的 Tegra4 处理器的移动版，这也是该系列的绝唱。当时，移动手机市场兴起，英伟达也进入了移动芯片市场，尽管整个手机市场都非常庞大，英伟达本可以为了市场份额而战，但他们做出了一个艰难的决定：放弃了这个市场。黄仁勋表示，英伟达的使命是构建能普通计算机所不能的计算机，他们应该致力于实现这一愿景，做出独特的贡献。英伟达的战略撤退得到了回报。人生建议：经历苦难，降低期待 2024 年，黄仁勋重返母校斯坦福大学，并在商学院进行演讲，分享了一些人生经验。当主持人问黄仁勋，关于成功，有没有给斯坦福学生的建议？他回答道：“我希望各位有机会经历大量的痛苦和磨难。” 他提到自己最大的优点之一，就是“我的期望很低”。黄仁勋表示，多数的斯坦福毕业生，对自己有很高的期望，但他们绝对值得拥有高期待，因为他们来自地球最好的大学之一，被同样不可思议的同辈环绕，拥有高期待是非常自然的事。 "对自己期望非常高的人，往往韧性（resilience）也低，”黄仁勋说，“不幸的是，韧性对带来成功至关重要。” 黄仁勋强调，“成功不是来自于智慧，而是来自于性格，而性格是经历苦难塑造出来的。”

深潮TechFlow10-31 05:56

CZ投了一个华人大三学生，1100万美元种子轮，做教育Agent

Kai：应该是两年以内的核心指标。用大模型，但不只依靠大模型 Founder Park：简单介绍一下你们现在的技术实现方案吧？VideoTutor 在生成课程、图表这块确实做得比其他视频生成模型好很多，甚至在很多模型连文字都无法准确生成的时候，你们的技术让人很惊喜。 James：我们生成的视频既有文字也有图案。大概的生产流程就是：让大语言模型去生成文字和对应的动画指令，然后动画指令再经过我们的动画引擎渲染，最终呈现在视频上。文字部分相对简单，我们让大语言模型生成文本，然后直接渲染上去。但动画部分，是我们自己的一个数学动画渲染引擎生成的。它的优点在于渲染坐标轴、几何图形等内容的精确度非常高，而这正是我们的核心技术所在。现在的大语言模型输出的只是文本，我们做的这套 agent 就相当于给了大语言模型一张纸和一支笔，让它能把它想象中合适的教学动画给画出来。画出来的那一部分，就全是我们的技术了。 Founder Park：整个视频最后的合成，包括音视频，是怎么处理的？ James：一开始用户会传入一个 prompt，比如「什么是勾股定理？」。第一步，我们让大语言模型去推理所有场景，一般会规定 3 到 5 个场景，这取决于问题的难度。然后，模型会为每个场景生成大致的脚本。接着，再根据每个场景的脚本做第二次推理，生成场景中的文字、对应的图案和人声的文本。人声文本再用 TTS 合成。最后，我们把所有场景拼接起来，组成一个完整的视频。 Founder Park：我理解第一版是这样的方案。现在加入了随时可交互的过程之后，生成过程是不是也有变化了？ James：确实有变化。我们现在为了让用户能最快看到内容，会先生成第一个场景，让用户先看，后面的场景则在后台继续渲染。当用户提出问题时，我们会将他的人声转换为文本，然后把这个文本连同之前所有场景的内容一起交给大语言模型去推理，让它规划接下来的教学场景。后续场景的渲染流程就和之前一样了。 Founder Park：如果用户在听到一分钟时有个问题，他会直接提问。你们收到提问后，就把用户的提问和之前讲过的内容一起返回给模型处理。在这个过程中，用户提问完之后，动画是继续播还是会停下来？ James：我们现在的延迟已经从一开始的二三十秒，压到了 5 秒以内。在交互上，我们会做一些过渡，让用户不会过多地关注这 5 秒，整个过程的衔接会比较丝滑。在 4-5 秒内，他就能看到根据他问题全新呈现的内容。目前阶段的设计是，AI 老师会说：「嗯，我考虑一下」，然后把黑板一擦，就像真实模拟老师一样。你觉得讲得有问题，那我就擦掉重新给你写一遍，这样的流程会感觉比较自然。而且我们不只是被动地等待用户提问，中途我们也会做 Quiz。我们会根据 Quiz 的反馈和用户的问题进行推理。而且我们不是完全自由麦，而是需要用户主动打开麦克风，有一个开启和关闭的动作。 Founder Park：所以基于这样的机制，最长大概能生成一个小时的讲解。 James：准确来说是没有限制的，如果他一直有问题，就可以一直问下去。 Kai：对，没有预设限制。其实 VideoTutor 做这个方向，也是随着多模态 AI 的进步，我们并不是在创造需求，而是在更好地满足已有的需求。你看线下的真人教育，为什么美国家长愿意付很贵的钱？因为美国教培行业更多是一对一教学，每小时 100 美金起步。就是因为线下的老师能做到引导式提问，我能观察到你哪里不会，然后接着问你。VideoTutor 也是尽量去实现这种真老师的教学效果，让每个孩子都能做到实时互动、实时教学。 Founder Park：学生上课时，会要求开启摄像头吗？ Kai：不太会。学生是否开摄像头主要取决于美国的隐私法案。产品里面不太会设计强制开启的功能，是否开启取决于学生的意愿。主要的交互还是通过提问和语音反馈。 Founder Park：技术上，你们是采用小模型和云端大模型配合的策略，还是怎么样？ Kai：是一种配合。我们内部有一个数据集，现在已经有超过 10 万多条的视频数据。这些数据中比较好的都会被人工进行二次标注，然后用来训练微调模型。比如我们现有超过 8000 条的 SAT 样本训练数据。这些微调过的小模型会配合云端的通用商用模型像 Claude、Gemini 来做。 Founder Park：用 Claude、Gemini 还是 GPT，会对产品的核心性能有影响吗？ Kai：我们主要涉及 K12 领域，基础模型的水平已经足够了。但为了确保 100% 正确，我们会调用两个模型同时校对，如果两个模型答案一致，那基本就不会出错。在代码生成方面，更多还是以 Claude 为主，它的代码能力比较好。 Founder Park：现在产品的技术瓶颈在哪？是模型能力还是代码生成？ Kai：模型能力是其中一环。还有就是渲染，现在已经攻克到 5 秒以内，随着 GPU 的更多部署还能更快。另外一个就是长期记忆能力。我们需要对学生进行长期的学习行为数据积累，知道这个学生有哪些知识点不懂，比如一个月前学的知识点忘了，可以重新提醒他。 James：我们在渲染时间上其实下了很多功夫，一直在做技术突破，从一开始的 2 分钟到 1 分钟，再到现在的 10 秒以内。我们最终的目标是希望能做到基本没有延迟的渲染，用户一问，推理一结束马上就出结果。这是我们团队目前在攻克的一个难题，但已经找到了新方向。不看完播率，只看最终考试分数 Founder Park：现阶段怎么衡量产品的核心指标？怎么判断一个视频对用户是有用的？ Kai：最核心的一个指标就是考试。在新版本里，你看完视频，结尾会有一个 quiz，做对了就证明你理解了，没做对就证明没讲明白。学习效果没办法只看完播率，有些学生可能看一半就懂了。在他看一半的时候给他做个测试，通过了，剩下的就不需要看了。我们产品的核心指标，就是看多少学生在这里提高了分数。 Founder Park：但他最终的考试是在别的场景完成的，你们怎么得到他是否通过的这个结果？ Kai：这就要说到美国的产品文化，就是用户使用产品后，得到好的结果，会有一种自发性的分享。很多学生用完 VideoTutor 考完 SAT 后，会主动过来分享他们的使用体验和成绩。我们还会让他们成为校园大使，进行二次传播。我们有 20 个高中生组成的校园大使。其实你看 Mercor 早期非常成功，用的就是典型的「用户成功故事」模式。Mercor 早期帮很多印度程序员找到了美国的工作，然后他们就会联系这些用户，给他们拍一个 user story，讲怎么用 Mercor 找到工作的。这形成了很好的口碑传播。VideoTutor 也是一个道理，我们要的就是更多学生使用产品后达到非常好的效果，然后把这些学生的经历做成 user story 分享出去。 Founder Park：学生主要分享的渠道是在哪？ Kai：学生主要在 TikTok，家长在 Facebook 的群组里。 Founder Park：如果把时间放到半年或一年的时间维度，你们规划的产品增长方式是怎样的？ Kai：我觉得本质上，VideoTutor 核心还是一个 C 端用户产品，口碑传播非常重要。很多成功的 AI 应用早期都是靠种子用户的口碑，比如设计师用了觉得好，就传播开了。对我们来说，核心指标就是有多少 SAT 考生用了这个产品后考了高分，然后传播给其他孩子和家长。家长主要用 Facebook 和 Instagram，学生用 TikTok，我们会在这些平台上传播。当形成这种共识性的口碑时，学校老师自然而然就会意识到。我们早期能被这么多学校知道，就是因为很多老师用了觉得不错，推荐给了学校的采购负责人。所以，最核心的还是 C 端用户的口碑传播，多少孩子用了之后提高了分数是关键指标。 Founder Park：新版本大概的状态和推出的时间规划是怎样的？ Kai：我们希望最快在两个月以内正式 public release。届时学生能够以很低的延迟做到所问即所答，并且理科场景的图形渲染能做到 100% 准确。当然，我们暂时不会覆盖竞赛场景或者像线性代数这种复杂的大学知识，更多还是覆盖 K12 领域。 Founder Park：VideoTutor 现在的壁垒或者护城河是什么？ Kai：我觉得有几点。第一是数据飞轮。视频背后都是代码，用户生成的好的视频数据，经过二次标注后，就能被重新训练微调模型。越多的数据，视频效果就越好。另外就是学习行为数据，我们知道不同学生哪个知识点薄弱，就能建立起数据飞轮，越多人用，产品就越懂学生。第二是领先的技术优势，比如动画引擎的算法。虽然算法本身不是最核心的优势，但随着我们快速迭代，数据越来越多，优势会更明显。第三是品牌，VideoTutor 已经在北美家长圈里成为 AI 教育领域的一个头部品牌了，家长的信任度也是一种无形的壁垒。 Founder Park：三到五年后，你预期 VideoTutor 最终会成长成一个什么样的产品？ Kai：我们希望未来 VideoTutor 能成为每个人学习理科知识的 AI 老师。我们只做理科。我觉得未来它会超过多邻国。多邻国是一个世界级的语言学习产品，但在 STEM 理科场景，过去一直没有出现世界级的产品，因为理科需要太多图形渲染。现在基础模型的技术已经 ready 了，所以我觉得理科场景会诞生下一个「多邻国」。招人，尤其想要国内大厂出来的人 Founder Park：你之前有过几次创业经历，大概都是做什么的？ Kai：我现在大三。大一的时候就和 James 一起创业做教育产品，拿了 20 万美金的天使投资。虽然那次失败了，但学到了宝贵的经验：你不能陷入同质化的竞争。当时我们做的 App，市面上有很多同类产品，早期就不得不陷入投流竞争，很难收费。第二次创业，我是作为联合创始人加入另一个团队 MathGPTPro，待了几个月。在那个阶段，我学到了怎么看产品指标、如何打造产品、怎么做用户扩展。也是在那个时候，我得出一个结论：基于文字类的解答型教育产品已经到头了。因为它和 ChatGPT 没什么区别，而且过去像作业帮花很大代价做的结构化知识题库，也被大模型的编辑能力取代了。所以第三次创业，我就知道，可视化是必然的趋势。赵凯在哈佛大学跟 Sam Altman pitch 的合影 Founder Park：过去的两段经历，除了让你认识到文字类产品的局限，在团队或其他方面，对你现在做 VideoTutor 有什么帮助吗？ Kai：有很大帮助。第一点，更好地判断方向和产品是否有未来。我会通过看竞品的网站流量、营收，来判断整个产品的进化方向。第二点，产品打造方面，能更好地判断产品的开发节奏，包括产品设计、前后端对接、要看哪些指标。第三点，团队管理和组织文化能力。我建立了更完整的管理制度，包括每个同学的分工、奖励和期权发放。还有，也学会了怎么去融资。这一轮 1000 万美金的融资，我们在 20 天以内就完成了。 Founder Park：你们现在团队有多少人？ Kai：6 个人，大家住在一起。 Founder Park：团队最初是怎么搭建起来的？ Kai：我跟 James 已经创业两次了。我们俩都是一个学校毕业的，大一的时候就一起做了一款 App。大二的时候，我跟另外两个人一起创业，大家彼此都认识了。当意识到这个技术能带来非常大的产品愿景时，我们就联系组队来做这个产品。之前大家都是校友，包括团队另一个合伙人 Nick 也是我的大学室友。 Founder Park：你们现在也准备扩招，想招什么样的人？ Kai：我们主要招后端、前端、大语言模型和 UI/UX 方面的，希望是有经验的。因为我们现在已经跨过了试错阶段，进入了产品快速 build 的阶段，需要有经验的人来帮助我们成长。 Founder Park：需要有经验的工程师、产品经理和增长负责人，来把产品从 1 做到 10，甚至从 10 做到 100。 Kai：是的，就是这个阶段。我们预期把团队扩充到 9 到 10 个人，核心还是以招工程师为优先。这次招的可能会在国内，所以是 in-person 和远程混合的方式。 Founder Park：希望这个人是什么画像的？ Kai：我们更希望他是在一些大厂经历过的，比如字节、美团。因为字节是一个高速、比较卷的组织文化，重视年轻人。在字节训练过的人，有比较好的方法论和能力，加入我们之后能把这些成功的经验带进来，进行融合学习。想要在国内大厂打过硬仗、有快速迭代经验的人。我们已经度过学生创业阶段了，不太需要招新手，更多需要招一些有经验，但又不是那种完全的「行业老炮」。因为行业老炮可能要顾及家庭，没办法那么卷。所以中间层次的，年轻又能卷的就比较好。我们愿意给优秀的人才丰富的期权。我们虽然融了 1100 万美金，但为什么没在美国招工程师？就是因为我们觉得国内的产品力和工程能力真的非常好。这一波 100% 会有华人经营的团队打造出伟大的产品，在国际上跑出来。现在很多 AI 应用层面都是华人打造的，国内的工程能力真的很厉害。这也是我们的优势，要利用中美两国之间的优势。硅谷的大学生，都在 AI 创业了 Founder Park：现在尤其是在硅谷，大学生创业的趋势特别明显，你看到的是一个什么样的状态？ Kai：看一个事实，就说这轮百亿美金估值的公司：主打 AI 招聘的 Mercor，已经完成 3 亿多美金的新的融资，估值已经百亿美金；而 Cursor 已经是板上钉钉的 100 亿美金估值。对应的还有像 GPTZero、Pika 等等。这些都是大学生创业项目，尤其是 Cursor 和 Mercor 的创始人都是大三辍学生。这一波年轻人创业，都有一个特点，就是高度差异化竞争。他们在极其窄的领域里专注去做，没有做通用的东西。比如 Mercor 做 AI 招聘，一开始就只做印度程序员的招募。第二点是环境。整个硅谷的资本环境和底层创新，像斯坦福、YC、Peter Thiel 的基金，都在最早的阶段支持大学生创业，不管你有没有成熟的想法，都愿意支持你，并且提供强大的人脉网络。第三点，我觉得是这些大学生的品质。无论是我们，还是硅谷出来的这些大学生，都有非常勇敢的冒险精神和极强的学习能力。这种勇敢闯荡的精神，国内很多学生可能不太具备。因为在硅谷，身边有很多同龄人成功的案例激励着你，资本环境也愿意相信年轻人。对我来说，当时也对比过成本和收益。如果我选择读完大学再找工作，未必能还得起家里的留学成本，也未必有很大的收益回报。但如果选择创业，我能在最年轻的时候去疯狂学习，我的人生就有无限的可能。我从小就想创立一家伟大的公司。 Founder Park：为什么今天这一代大学生创业能做出百亿美金的公司，而以前可能卖个一两千万美金就算很了不起了？这里面有 AI 的热潮和泡沫因素吗？ Kai：我觉得不完全是泡沫。Cursor 有 4.5 亿美金的真实营收，这是很可靠的。这背后，是这一代年轻团队的方法论和认知 insight 非常关键。你看这些团队，背景都挺优秀，他们有非常好的学习能力。 Cursor 早期就是靠身边的大学生程序员，这些人对 AI 接受度高，给了很强的反馈。创始人本身也是个小天才工程师，能深刻理解用户，工程迭代能力强，早期就四个人把产品干起来了。他们把产品迭代好之后，就形成了用户口碑，有了营收，投资人也怕错过下一个 Mark Zuckerberg，所以资本又来助力。最底层的条件是，AI 这波很多技术是新的，年轻人学习速度快，又务实、靠谱、敢干，所以有极致的用户理解和超快的迭代速度，去击败传统的产品。比如在 Cursor 之前，GitHub Copilot 做得也挺好，但为什么没干过它？就是因为用户体验和执行速度。 Founder Park：是不是可以说，因为 AI 是个新技术，所以很多产品认知也需要用新的角度来看？ Kai：对，年轻这一代比上一代创业者有更深的认知见解，能离用户更近。现在主流的 AI 用户都是 00 后了，他们学习和反馈的迭代速度、包容程度，都比上一辈创业者更快。所以，认知迭代速度是核心。移动互联网时代，技术迭代是以年或者季度为单位的，但 AI 时代，技术迭代可能是以天为单位的。作为 founder，你必须快速学习，而年轻人更能熬夜，更有拼劲。 Founder Park：之前有媒体说硅谷很多创始人也开始 996 了，你们怎么看？ Kai：我身边一些白人创业者朋友，融了很多钱，也 996。他们也跟我们一样，租个大 house，所有人生活在一起办公。我觉得 996 更多是环境所迫，现在硅谷有点像淘金热，大家都不想落后，那就只能比产品迭代速度，必须熬夜快速迭代。这是一种环境塑造，倒逼人必须这么做。 Founder Park：硅谷的这些大学生创业，在赛道选择上有什么趋势吗？ Kai：我觉得无论是我们做教育，还是其他人，大家都有一个趋势，就是在自己的舒适圈里创业。舒适圈指的是你对这个领域和用户足够了解。Cursor 创始人对 coding 非常了解，我们做教育也是因为对这个人群足够了解。现在的年轻人更多是在自己已有的认知舒适圈里创业，不再贸然跳到一个不了解的领域。因为这样你获得的用户的反馈才足够快、足够正确。还有认知叠加。我们三次都做教育，我的认知是不断叠加的。这帮大学生不太会贸然做自己过去没干过的事，都是想着怎么干得更好。他们有新一代的思维方式，在自己认知圈里不断迭代，勇于创造机会。还有一点是勇敢闯荡的精神，不太会因为别人的否定而否定自己，有一种「I don't care what you think about me」的态度，非常自信。背后就是「高速实验」的文化，我知道我产品还没 ready，但我不管，快速上线、快速迭代、快速反馈。 Founder Park：这个风潮大概是从什么时候开始的？ Kai：我觉得是一种共识性的成功。当大家看到像 GPTZero 这样的项目，从宿舍里成长起来，不断迭代，然后获得资本助力和用户认可，这种快速试错、快速爆发的成功案例多了，就形成了共识。一句话，「Better done than perfect」，完成比完美更重要。而且大家也不太担心竞争，硅谷很多 founder 都愿意把自己的产品理念讲出来，不怕你抄，我只要快速迭代就好。我觉得这一波年轻人还有很好的 story telling 的能力，这种讲故事不是假大空，而是在务实求真的基础上，加上自己对未来的展望。 Founder Park：先把自己营销出去。 Kai：对。我觉得底层的观念在于冒险精神和极度自信。在这种驱动下，他们就不断勇敢试错，不怕讲错话。大胆地讲自己的产品理念，大胆去执行，错了大不了再改。这种不怕试错的文化，促成了这一波大学生创业的热潮和成功。美国那边的 VC 也都会看大学生的项目，YC 每期都会固定投一些大学生的项目。融资是 VideoTutor 现在最不需要担心的事情 Founder Park：如果回到刚做 VideoTutor 的时候，你会给自己提什么建议？有什么可以做得更好的地方？ Kai：我觉得应该是节奏更快一点。还有就是团队组成。VideoTutor 的团队是经过多轮磨合的。如果早知道，我会更早地根据产品需要的技能画像，去更好地组建团队。我觉得创业回归到最后，组织能力非常关键。我会花更多时间在组织能力上：选人、识人、用好人。现在的团队适合从 0 到 1 的成长，但要把 VideoTutor 做得更大，还是需要更有工作经验的人加入进来，把他们优秀的经验和能力带到团队，帮助整个团队共同成长。 Founder Park：未来半年内，你觉得 VideoTutor 可能会遇到什么样的产品或技术难题？ Kai：我觉得一个是渲染，要降到真正的零延迟，还需要工程上的突破。第二点是增长方面，我觉得是产品的 taste，这背后包含很多东西，比如 UI、交互设计是否丝滑完美，功能交互是否没有 bug，视觉布局是否漂亮等等。这些对我们来说都是考验。 James：我觉得一开始我们对 VideoTutor 的定位是针对所有学科的可视化教学辅导，但后来我们做得非常垂直，只针对数学领域，因为那是我们最擅长的。我们的数学渲染引擎是最专业的。接下来重点要突破的，可能就是横向扩展。比如，如何把可视化的优势带到文科类场景？比如解释「锄禾日当午，汗滴禾下土」。这是我们接下来在技术上要考虑的点。 Founder Park：会因为创始人的背景在后续扩张上遇到困扰吗？ Kai：不太会。其实有很多大的 VC 都找过我们，像 a16z 这些，不会在太早期出手，而是在团队已经有成功迹象时再助力，这样他们知道投资不会失败。我们和很多大 VC 都保持着很好的关系。融资是 VideoTutor 最不需要担心的事情，最需要担心的还是围绕着用户生态和产品。

财经智选10-31 04:31

民生证券：给予新大陆买入评级

智一体·碳硅共生”为主题，从基础设施、大模型到Agent和具身智能，全景呈现AI的技术演进与产业落地。新大陆福建国通星驿公司作为阿里云AI战略合作伙伴，公司董事长陈艺、总经理林坚受邀出席2025云栖大会。新大陆子公司国通星驿作为国内领先的第三方支付机构，进一步深化“支付+AI”服务能力，于论坛现场首发星驿支付专属大模型——商户经营场景识别模型，不仅强化“支付+AI”技术底座，更为支付行业智能化升级提供可复用的技术范式。　　投资建议：预计公司25-27年归母净利润分别为12.81、14.99、17.62亿元，当前市值对应25/26/27年的PE估值分别为22/18/16倍，考虑到支付行业供给格局持续改善，以及海外支付市场进一步扩大，公司主营业务有望充分受益。另外，公司全面拥抱AI，有望打造新增长曲线。维持“推荐”评级。　　风险提示：市场竞争加剧；监管风险；无法持续享受税收优惠；技术风险。最新盈利预测明细如下：该股最近90天内共有10家机构给出评级，买入评级10家；过去90天内机构目标均价为36.13。以上内容为证券之星据公开信息整理，由AI算法生成（网信算备310104345710301240019号），不构成投资建议。

证券之星10-30 23:35

明阳智能2025三季报：前三季度营收增近三成，制造主业显韧性，两海战略与AI赋能打开增长空间

环。 AI+风能创新赋能：“明知顾问”大模型深度应用，诊断准确率高达90%以上当前，AI技术已经在能源行业里掀起了变革浪潮。明阳智能提前布局的“AI+新能源”收获了显著成效，自主开发的“明知顾问”风电大模型在多个风场运营中实现规模化部署，实证效果超出预期。该大模型通过对风场运行数据的实时分析、故障预测及运维优化，使风场整体发电量和等效利用小时数显著提升，同时故障率和故障停机时间明显下降，核心预测与诊断准确率高达90%以上，运维工作效率得到质的飞跃。 “明知顾问”大模型的成功应用，不仅体现了公司在绿电与算力融合领域的前瞻布局，更构建了差异化的竞争优势。通过AI技术赋能风电全生命周期管理，公司实现了从“设备制造”向“智慧能源服务”的延伸，既提升了客户价值，又为自身开辟了新的盈利空间。随着AI技术与风电业务的深度融合，公司有望在智慧风场运营领域持续领跑，为行业数字化转型提供标杆范例。展望未来：迎来政策与市场双重机遇期随着双碳目标临近倒逼能源结构转型加速，“十五五”规划已将新能源列为重点发展的战略新兴产业。海上风电和海外市场作为新能源领域的关键增长极，迎来政策与市场双重机遇。明阳智能凭借在漂浮式技术领域的先发优势、海外市场的属地化布局以及AI+风能的技术融合成果，有望在国内深远海风电开发及全球新能源市场竞争中把握机遇，进一步提升市场份额和行业竞争力。

金融界10-30 21:25

新一代国民电混家轿吉利银河星耀6全球上市，限时6.88万元起

控大屏，支持湿手触控；深度融合星睿AI大模型的随车AI语音助手，支持连续对话与模糊指令，具备深度思考与逻辑推演能力。在辅助驾驶方面，千里浩瀚H3辅助驾驶系统配备3个毫米波雷达、11颗高清摄像头、12个超声波雷达及128Tops高算力芯片，实现360°无死角感知，支持CNOA城市领航与HNOA高速领航，具备自动超车、大车避让、自主进出匝道等智能功能；更拥有同级唯一的130km/h紧急避让与误加速抑制系统、同级第一的120km/h紧急刹停，全面守护行车安全。面对停车难题，系统支持360多种车位类型的自动泊车，并具备同级领先的HPA记忆泊车功能，真正让新手也能“一把停好” “耐用”和“可靠”，是一台国民家轿对家人最好的承诺。吉利银河星耀6以远超同级的严苛测试标准，铸就“开不坏”的硬核品质。吉利银河星耀6通过了中汽研汽车可靠性管理流程认证，等效耐久测试里程超200万公里，覆盖70+种严酷路况；中汽研新能源混动系统最高S级认证，等效耐久50万公里，零故障、零换件、零衰减；GPT整车耐久测试完成400+次循环监测无故障，耐久里程超24万公里；发动机启停耐久试验循环次数80万次，超行业8倍；整车由工信部首批5G工厂——吉利长兴基地精工打造，品质值得信赖。近日，吉利银河星耀6还通过了汽车之家“5×24小时不间断极限试炼”，成为同级唯一通过此测试的车型。测试中，吉利银河星耀6模拟用户几年甚至十几年的高强度用车磨损，横跨5城全程超5000公里，经历连续5天120小时高强度行驶，经历沿海高湿、隧道信号干扰、低温晨露等极端环境考验，始终保持零故障、零异响、零衰减，印证了其在极端复合工况下的全天候可靠性。吉利银河星耀6的上市，是品牌践行“为美好生活而来”主张的又一例证。它以“三大最省成本”重塑高品质汽车生活的准入标准，以“四大越级满配”树立细分市场的价值标杆。星耀6的到来，标志着吉利银河实现了对A级家轿这一核心市场的关键覆盖，以更完善的产品矩阵进一步巩固品牌在主流新能源市场的领先地位。凭借强大的技术底蕴和清晰的品牌布局，吉利银河不仅为用户开启了更美好的出行生活新篇章，也将引领中国汽车品牌在全球新能源浪潮中持续向上。

金融界10-30 21:25

24小时热点