港股通持股比例排行 - 中国电信以100.87亿股持股数量位居榜首，持股比例达72.68% [1] - 绿色动力环保持股比例为69.12%，持股数量为2.80亿股 [1] - 大眾公用持股比例紧随其后，为69.03%，持股数量为3.68亿股 [1] - 昊天国际建投持股比例达68.75%，持股数量为74.58亿股 [1] - 凯盛新能持股比例为67.80%，中国神华持股比例为67.00% [1] 港股通近期增持情况 - 阿里巴巴-W在最近5个交易日内获最大增持，持股额增加33.29亿元，持股数增加2167.52万股 [1] - 美团-W持股额增加13.19亿元，持股数增加1375.26万股 [1] - 泡泡玛特持股额增加10.60亿元，持股数增加490.58万股 [1] - 中兴通讯、招商银行持股额分别增加7.66亿元和7.12亿元 [1] - 优必选、中国人寿、农业银行、中国平安及思摩尔国际持股额增幅在3.31亿至4.66亿元之间 [1][2] 港股通近期减持情况 - 紫金矿业在最近5个交易日内遭最大减持，持股额减少8.61亿元，持股数减少2626.40万股 [1] - 中芯国际持股额减少8.15亿元，持股数减少1212.52万股 [1] - 联想集团持股额减少4.30亿元，持股数减少4368.21万股 [1] - 中国移动持股额减少4.30亿元，中国财险持股额减少4.09亿元 [2] - 信达生物、南方恆生科技、中国联通、建设银行及中国神华持股额减幅在2.76亿至3.90亿元之间 [2]

核心观点 - EngageLab联合中国联通国际、香港电讯及华为推出OpenGateway跨运营商融合认证解决方案 该方案旨在为跨境企业提供安全、无缝、可扩展的用户身份认证 树立行业新标杆 助力企业加速全球化扩张 [1] 解决方案与技术创新 - 方案旨在解决企业全球化中面临的运营商能力碎片化、技术标准不统一及合规复杂等身份认证挑战 传统短信认证存在欺诈风险和运营效率低下问题 [2] - 方案聚合了中国联通、香港电讯、华为及EngageLab的号码验证和OTP短信能力 通过单一标准化API提供全球多运营商的安全认证服务 实现“一次接入 全球调用” [3] - 该模式将集成周期从数月缩短至数周 降低运营开销 并支持在新市场快速部署安全认证服务 [4] - 采用双层认证架构 以运营商级号码验证为主 短信验证为无缝备用 智能路由与多通道冗余确保高可用性与稳定性 从源头阻断欺诈注册和账户接管 [6] - 基于CAMARA框架的标准化封装使开发者能够快速、低门槛地集成 不受底层运营商差异影响 [7] 市场应用与商业成效 - 方案已在中国大陆和香港商用 每日处理超过2000万次认证请求 服务数亿用户 [8] - 在金融行业 帮助跨境银行将欺诈性贷款申请减少60% 大幅降低账户盗用风险 [8] - 在电子商务行业 虚假注册和促销滥用减少75% 营销资源浪费降低65% [8] - 在社交与游戏行业 简化认证使新用户留存率提升28% 并显著减少投诉量 [8] - 企业报告长期维护成本降低超过50% 反欺诈支出下降40% [9] 生态发展与全球布局 - 方案正在向东南亚（包括新加坡和印度尼西亚）扩张 旨在成为全球跨运营商认证的标杆 [10] - 其模块化设计支持快速复制和推广 以满足全球企业和用户不断变化的需求 [10] 公司背景 - EngageLab是一家全球领先的AI全渠道客户互动与营销技术解决方案提供商 通过AppPush、WebPush、电子邮件、OTP、短信、WhatsApp等渠道为企业构建高效的全球客户连接 [11]

活动背景与目的 - 活动以实施“百千万工程”为背景，旨在深化政企合作，加速沙堆镇产业数字化智能化转型 [2] - 活动聚焦于央企数字科技力量如何深度赋能地方产业高质量发展，为沙堆镇产业升级注入新动能 [2] - 活动通过实地参观和座谈研讨等形式开展 [2] 江门联通展示的数字技术方案 - 代表团参观了江门联通数字化展厅，通过实景演示与案例解析了解其在工业互联网领域的创新实践 [2] - 展示方案包括服务政务数字化的“数字政府”平台和助力工业升级的“天影平台” [2] - 展示方案还包括“工业老师傅”AI系统、智慧园区管理方案、5G工业应用案例 [2] - 展示方案涵盖能耗管理与预测性维护技术，以及AR远程协助在设备检修中的实际应用 [2] 沙堆镇产业现状与转型需求 - 沙堆镇党委委员梁永标介绍了当地产业发展现状及“百千万工程”推进目标 [5] - 沙堆镇提出在制造业、农业、服务业等多个领域存在数字化转型需求 [5] 江门联通提出的定制化解决方案 - 江门联通团队提出通过5G+工业互联网提升生产效率的解决方案 [5] - 解决方案包括利用云计算降低企业IT成本，以及依托物联网实现能耗精细化管理 [5] - 针对不同行业特性提供“一企一策”建议，例如制造业企业可优先部署5G+AR远程质检系统以降低人工成本 [5] - 建议传统园区引入智慧管理平台，实现安防、能耗、物流的一体化管控 [5] 企业反馈与合作展望 - 沙堆镇商会企业家代表对江门联通在数字政府建设、5G全连接工厂、工业AI赋能等领域的创新实践给予高度评价 [5] - 企业家代表认为江门联通的技术方案精准契合企业数字化转型需求 [5] - 代表团期待将合作意向转化为具体落地项目，加速数字技术与本地产业的深度融合 [5] - 目标共同打造“百千万工程”数字化转型示范样板，助力沙堆镇经济高质量发展 [5] 活动总体成效 - 考察活动为沙堆镇企业提供了接触前沿数字技术的机会 [6] - 活动为政府、央企、企业三方搭建了高效沟通桥梁，为区域产业数字化转型按下“加速键” [6]

核心观点 - 高盛认为中资电讯商可成为AI发展下的主要受益者，维持对中国移动、中国联通及中国电信的“买入”评级 [1] 关键指标分析 - 审视了资本开支、股息、用户数量、现金循环周期、自由现金流利润率、每月每用户平均收入(ARPU)、EBITDA利润率、新业务协同效应、互联网数据中心业务表现及估值共十个关键指标 [1] - 传统通信业务收入增长疲软，但公司可通过提供更多增值服务以推动消费 [1] - 新业务涵盖数据中心、算力、AI模型及应用等解决方案 [1] 业务前景与资本配置 - 预期三大电讯股的资本开支预算正转移至投放到计算基础设施，以把握中国AI需求增长 [1] - 新业务贡献度上升 [1] - 派息比率可望稳步提升，为投资者持续带来回报 [1]

核心观点 - 高盛认为中资电讯商传统通信业务收入增长疲软，但可通过提供增值服务推动消费，新业务如数据中心、算力、AI模型及应用等解决方案可使其成为AI发展的主要受益者 [1] - 高盛维持对中国移动、中国联通及中国电信的"买入"评级，预期资本开支转向计算基础设施以把握AI需求增长，新业务贡献上升及派息比率提升将为投资者带来持续回报 [1] 关键指标分析 - 审视的十个关键指标包括资本开支、股息、用户数量、现金循环周期、自由现金流利润率、每月每户平均收入(ARPU)、EBITDA利润率、新业务协同效应、互联网数据中心业务表现及估值 [1] - 资本开支预算正转移至投放计算基础设施 [1] - 新业务贡献度上升 [1] - 派息比率可望稳步提升 [1]

公司专利与知识产权 - 中国联合网络通信集团有限公司于近期取得一项名为“索引创建方法、装置和存储介质”的专利，授权公告号为CN116226118B，专利申请日期为2022年12月 [1] - 中国联合网络通信集团有限公司拥有专利信息5000条，商标信息3738条 [1] - 联通数字科技有限公司拥有专利信息1900条，商标信息24条 [1] - 联通云数据有限公司拥有专利信息709条 [2] 公司基本信息与业务活动 - 中国联合网络通信集团有限公司成立于1994年，位于北京市，主要从事电信、广播电视和卫星传输服务，企业注册资本为1048.1551957532亿人民币 [1] - 中国联合网络通信集团有限公司对外投资34家企业，参与招投标项目3281次，拥有行政许可11个 [1] - 联通数字科技有限公司成立于2006年，位于北京市，主要从事软件和信息技术服务业，企业注册资本为98.8983091327亿人民币 [1] - 联通数字科技有限公司对外投资54家企业，参与招投标项目5000次，拥有行政许可42个 [1] - 联通云数据有限公司成立于2013年，位于北京市，主要从事互联网和相关服务，企业注册资本为40亿人民币 [2] - 联通云数据有限公司对外投资1家企业，参与招投标项目2265次，拥有行政许可11个 [2]

行业基础设施规模 - 全国互联网宽带接入端口数量达12.43亿个，比上年度末净增4089万个 [1] - 三家基础电信企业的固定互联网宽带接入用户总数达6.97亿户，比上年度末净增2701万户 [1] 用户接入速率结构 - 100Mbps及以上接入速率的固定互联网宽带接入用户达6.63亿户，占总用户数的95.1% [1] - 1000Mbps及以上接入速率的固定互联网宽带接入用户达2.38亿户，比上年度末净增3113万户 [2] - 千兆及以上用户占总用户数的比例为34.1%，占比较上年度末提升3.3个百分点 [2]

技术突破与核心创新 - 中国联通数据科学与人工智能研究院团队提出HiMo-CLIP模型，成功突破现有CLIP模型在处理长文本时性能下降的局限[2][3] - 模型核心创新在于建模"语义层级"与"语义单调性"，使模型能自动捕捉当前语境下的语义差异点，无需改变编码器结构[2] - 该工作解决了视觉-语言对齐中长期被忽视的结构化问题，在长文本和组合性文本检索上达到SOTA水平，同时兼顾短文本性能[3][4] 现有技术痛点 - 现有CLIP等模型将文本视为扁平序列，忽略语言内在层级结构，导致文本描述越详细，其与图像的匹配度（对齐分数）反而可能下降[6] - 当文本从简短描述扩展为包含大量细节的长文本时，细节信息淹没核心语义，模型无法在复杂上下文中捕捉最具区分度的特征[6] - 如图1所示，多数SOTA模型在文本变长时对齐分数下降，而HiMo-CLIP（绿勾）分数稳步提升，例如HiMo-CLIP分数从0.242升至0.252，而CLIP从0.290降至0.219[9] HiMo-CLIP方法框架 - 框架包含两个核心组件：层级分解模块（HiDe）和单调性感知对比损失（MoLo）[10] - HiDe模块利用Batch内的PCA动态提取最具区分度的语义成分，自适应构建语义层级，无需人工干预[12][15] - MoLo损失函数强制模型同时对齐"全量文本"和"语义成分"，其公式为MoLo=InfoNCE(f1, feat)+λ*InfoNCE(f2, feat)，实现单调性约束[12][17] 性能优势与实验结果 - 在长文本检索任务中，HiMo-CLIP使用ViT-L/14骨干网络和仅1M训练数据，在Urban1k数据集上取得I2T/T2I 93.0/93.1的分数，优于使用400M数据的CLIP（68.7/52.8）和使用100M数据的LoTLIP等方法[20] - 在短文本检索任务中，HiMo-CLIP在Flickr30k数据集上取得I2T/T2I 92.5/78.2的分数，优于使用400M数据的CLIP（86.1/66.0）[21] - 在自建深度层级数据集HiMo-Docci上，HiMo-CLIP保持了极高的单调性相关系数0.88，远超对比方法，其对齐分数随文本描述完整度增加呈现完美上升趋势[22][25] 技术应用价值 - HiMo-CLIP具备高数据效率，仅使用1M训练数据就击败了使用100M甚至10B数据的方法，例如在长文本检索上优于使用10B数据的SigLIP[17][20] - 模型能动态提取机器认为的差异点，消除了人类语言和机器理解之间的隔阂，训练长文本的同时自动获得短文本匹配能力[19] - 该技术让多模态模型的对齐机制更符合人类认知逻辑，为未来更复杂的多模态理解任务指明方向[4]

公司核心能力与项目成果 - 安徽联通以统一技术底座支撑多行业、多地域实现智能制造转型，形成"一地创新、全域推广"的产业联盟发展模式 [1] - 公司携手打造的9家5G工厂成功跻身国家级《2025年5G工厂名录》，项目分布在芜湖、宿州、黄山等多个地市 [1] - 公司依托5G专网、移动边缘计算、人工智能、数字孪生等关键技术，推动全省智能制造实现跨越式升级，并填补多项智能制造场景下的技术空白 [2] 行业发展趋势与公司定位 - 制造业数字化转型是制造业适应数字经济时代发展要求的必然选择，安徽省以制造业数字化转型为引领加快推进新型工业化 [1] - 安徽联通作为区域数字化转型的推动者，以"5G+工业互联网"为核心能力，致力于成为江淮制造业智能化升级的首选伙伴 [1] - 公司在工业互联网领域取得里程碑式进展，并在推动产业链协同与产业集群建设方面迈出实质性步伐 [2]

技术演进脉络 - 中国联通数据科学与人工智能研究院团队在CVPR 2025上发表了ShortDF论文，提出了基于在线训练模式的图论加速理论[1][4] - 半年后，该团队在NeurIPS 2025上发表了LeMiCa论文，创造了离线建图新范式，将图论思想适配到更高维度的文生图/视频生成任务中[2][4] - 技术路径清晰地从理论探索（ShortDF）走向复杂应用（LeMiCa），展现了技术进阶之路[4][42] 行业核心痛点 - 扩散模型（如Sora、Stable Diffusion）昂贵的推理开销是阻碍实时应用的最大路障[8] - 去噪轨迹是一条高度非线性的弯曲路径，导致现有方案面临速度与质量的“零和博弈”[9][10] - 现有加速方法在极低步数（<5步）下会出现画质崩塌和细节丢失问题[11] ShortDF核心机制 - 创新性地引入“最短路径优化”思路，在训练阶段直接拉直去噪轨迹[12] - 锁定“误差上界”进行源头优化，通过压低初始残差来限制后续累积误差[14][15][16] - 采用图论松弛策略压缩路径，让模型以伪递归方式自我修正，实现去噪路径全局最优[21][22][27] - 设计多状态优化机制，通过维护三个不同角色的模型副本确保训练稳定性[29][30] 性能表现 - 在CIFAR-10数据集上，仅需2步即可完成高质量生成，推理速度相比DDIM的10步基准提升5.0倍[36] - 2步设置的FID达到9.08，显著优于DDIM 10步的11.14，画质FID提升18.5%[36] - 在复杂场景下，ShortDF在8步生成的教堂图像质量能媲美DDIM 15步的效果[43] - 在10步推理下，人脸生成的FID降至5.0，远超DDIM的10.59[43] 行业意义 - 首次建立了残差传播与图论最短路的数学联系，提供了普适性的高效解决方案[40] - 证明精细化的数学建模比单纯的“算力堆砌”更能打破扩散模型速度枷锁[41] - 对推动AIGC技术在移动端设备、实时交互设计等资源受限场景落地具有里程碑意义[42]