对硅谷裁员的片面认识 - 当前美国科技行业裁员近11万人，但这是四年来的最低水平，远不及2023年裁员数量的一半 [2] - 科技公司在裁员的同时也在进行招聘，最终雇员规模稳中有进，Alphabet、微软和Netflix的雇员数量处于历史最高水平 [5] - 近四年裁员70万人，但相比疫情期间（2019年底至2023年）主要科技公司增加的90多万个岗位，招聘规模远超裁员规模，亚马逊在2021年下半年就净增27.3万人 [7] AI与裁员的因果关系 - 硅谷大裁员始于2022年，与ChatGPT发布在时间上同步，但时间同步性不意味着存在因果关系，2022年的生成式AI技术非常初级，不可能对经济社会产生实质性影响 [8] - 没有直接证据表明AI是裁员主因，亚马逊CEO称裁员1.4万人是由于企业文化而非成本或AI，微软裁撤9000人是为了实施组织变革，Salesforce裁减4000个岗位虽归因于AI但被指有推销新产品的嫌疑 [9] - 美国程序员就业岗位数量已持续下滑20多年，并非近年才发生，因此AI无法解释之前的下滑，也无法解释英国编程相关就业人数从2011年的48.3万增长至2023年的109.3万 [13] AI对就业的实际影响 - AI编写50%的代码并不意味着取代50%的程序员，这些代码仍需人工复核调试，且编写代码仅是程序员工作的一部分 [15] - 企业AI采纳率处于10%-20%的低水平区间，该比例仅衡量AI应用的“有无”而非“优劣”，表明AI尚难对就业整体产生直接冲击 [16][18]

硅谷裁员的片面认识 - 美国科技行业今年裁员近11万人 但这是近四年裁员最少的年份 不及2023年的一半[3] - 不能只看裁员而不看招聘 近两年美国主要科技公司雇员规模稳中有进 Alphabet、微软和Netflix的雇员数量处于历史最高水平[5] - 不能只看疫情后裁员而不看疫情中招聘 2019年底到2023年 苹果、亚马逊、Meta、微软和Alphabet共增加90多万岗位 亚马逊2021年下半年净增27.3万人 近四年70万裁员远不及疫情期间的100万大招聘[7] AI与裁员的因果关系 - 硅谷大裁员始于2022年 与ChatGPT发布在时间上同步 但时间同步性不意味着存在因果关系[9] - 没有直接证据表明是AI导致了裁员 亚马逊CEO称裁员1.4万人是因企业文化 微软称裁撤9000人是为组织变革 Salesforce CEO将裁减4000个客服岗位归于AI但被指有推销新产品嫌疑[10] AI对美国程序员就业的影响 - 美国程序员就业人数持续下滑20多年 并非近年才发生 因此AI不能解释之前的下降趋势[13] - AI编写50%的代码不意味着取代50%的程序员 代码需人工复核调试 且编写代码仅是程序员工作的一部分[14] - 对比英国 计算机编程等相关活动就业人数从2011年的48.3万增长至2023年的109.3万 年均复合增长率达7%[13] AI的企业采纳率及其影响 - 欧美主要国家的企业AI采纳率处于10%-20%的低水平区间 尚处于早期阶段[18] - 当前AI采纳率较低 尚难对就业整体产生直接冲击 但对部分业务环节的就业影响已经显现[20]

正如这名同学所言，生成式人工智能正改变传统的以知识积累和传递为中心的教学模式。大学里，生成 式人工智能工具触手可及，大家的学习方式也在改变。不过，教育不能把最基本的丢掉。人工智能时 代，一些关键的能力素养值得重视。 学生提问：如今，在学习中遇到问题可以问人工智能，写作业也可以用人工智能辅助查询信息。人工智 能时代，学习还重要吗？应注重哪些能力素质的培养？ 系统学习和继承人类知识依然重要。认知是人类智能的重要表现，其基石是规范化的知识。基于规范化 知识，方能形成对学习对象的整体性理解、系统化分类，建立科学的认知框架。解决当前基础科学、工 程技术、人文社科等领域的复杂问题，需要同学们具备宽广、体系化的知识，而这很难仅通过与大语言 模型的交互问答而习得：大模型虽能"写"出优美诗篇，却无法创造语料之外的全新表达，更替代不了沉 浸式阅读等带来的思维沉淀与情感共鸣；若使用不当，还可能陷入"信息茧房"。同学们仍需注重基础知 识的积累与整合，并积极拓宽视野、掌握跨学科的知识和技能。 教育中，被放在重要位置的应该是独立思考和判断能力的培养。教育的目标绝非培养像机器一样思考的 人，而是培养能善用机器以更好地思考、创造、关怀他人的 ...

合作事件概述 - 海亮股份与西湖大学签署战略合作协议并共同揭牌成立"先进金属材料与制造联合实验室" [1] - 双方合作标志着在产学研深度融合方面迈出实质性一步 [1] 联合实验室研究方向 - 实验室聚焦液态金属工艺、铜基材料散热结构等前沿方向 [3] - 研究锚定AI算力芯片、数据中心、机器人、新能源汽车等高成长性应用领域的热管理需求 [3] - 致力于解决产业关键技术问题并探索产学研融合的创新范式以加快科研成果转化 [3] 行业背景与驱动力 - 生成式人工智能推动算力密度飞速提升使散热环节成为决定AI算力边界与可靠性的关键因素 [3] 科研团队构成 - 实验室科研工作由西湖大学工学院汤剑波团队主导该团队围绕液态金属材料科学的基础探索和应用开发展开研究 [3]

生成式AI对金融服务的影响 - 金融服务是数据与语言双密集型行业，生成式AI将全方位影响金融服务各领域，而非局限于单一环节 [1] - 未来人类员工与AI智能体将协同工作，大幅提升金融机构服务效率，推动普惠金融深入发展 [1] - 许多公司已在风险管理、反欺诈和客户体验优化等方面部署AI技术 [1] 支付智能体的发展趋势 - 支付智能体将迎来蓬勃增长，当前已能协助完成购买、预订及定金支付等操作 [1] - 多智能体正协同执行更复杂的任务，支付作为底层基础设施必须完善以支撑智能体协作网络高效运行 [1] - 支付智能体将进入快速发展阶段 [1] AI在个人及中小企业金融服务中的应用 - 未来每个人都将拥有专属AI理财助手，提供全天候在线服务、回答问题及量身定制的个性化建议 [1] - 生成式AI将在中小企业服务领域释放更大价值，让每个中小企业都有自己的CFO [1] - 蚂蚁集团推出的AI助手帮助企业轻松接入全球支付能力，实时追踪并优化各渠道支付成功率 [2] 蚂蚁集团的AI战略与实践 - 蚂蚁集团致力于用科技帮助中小微企业发展，在人工智能时代积极探索用AI为中小企业提供更普惠的服务 [2] - 面向东盟市场推出专门服务中小微企业的AI应用，帮助他们在全球不同平台便捷开店、销货和营销 [2] - 企业经营者只需与AI智能体对话即可获得专业指导，AI智能体扮演着CFO和COO的角色 [2]

AI投资热潮的性质与特征 - 全球范围内形成人工智能投资热潮，多位专家认为兼具技术革命和投资泡沫的双重属性[3] - 诺贝尔经济学奖得主迈克尔·斯宾塞指出AI领域投资热潮催生股市"狂热"，但整体上属于"理性泡沫"[3] - 历史上所有颠覆性技术周期都伴随巨大投资泡沫，科技革命必然伴随泡沫且难以避免[9] - 亚马逊创始人贝佐斯认为AI存在两种泡沫：产业泡沫和金融泡沫[9] AI技术对企业发展的价值 - AI能为企业特别是民营企业带来巨大发展机遇，可对供应链、生产、运营、管理、销售等环节进行优化[5] - 企业利用AI技术可实现降本增效并创造价值[5] - 劳动密集型企业可能越来越多使用机器人，人工智能对就业存在工作替代效应和工作创造效应[6] - 任何企业甚至机构都认为如果不积极拥抱AI就会落后，在竞争市场上挨打、被淘汰[10] AI技术的经济影响 - 据美国经济学家预测，美国今年超过90%的GDP增长来自人工智能的投资[8] - AI在提高劳动生产率、减少各种要素投入方面具有明显优势[10] - AI在应对气候变化、老龄化、极端气候等重大挑战方面具有明显优势[10] - AI赋能产业升级过程中可能带来社会消费不足的后果，因为机器人不消费[11] AI发展的挑战与应对 - 中国在AI领域最大优势是应用市场庞大、场景丰富[11] - AI具有双刃剑属性，在应用中会充分显现[11] - AI在提升部分企业生产率的同时，会将劳动力挤压到生产率较低部门，形成"马太效应"[13] - 需要通过制度建设平衡AI的创造性和破坏性，使其创造性大于破坏性[13] 投资决策逻辑 - 科技企业相信投资不足所付出的代价远高于投资过度所付出的成本[14] - AI投资被视为"理性投资"，决策逻辑是一旦被淘汰出局代价过于巨大[14] - 这一轮人工智能投资热是"浇不冷"的，不管是革命还是泡沫都浇不灭它[10]

国家网信办新增AI服务备案及四川大模型发展情况 - 截至11月1日，国家网信办新增完成备案的生成式人工智能服务达73款 [1] - 四川省在此次新增备案中贡献了4款大模型 [1] - 截至目前，四川省累计完成国家备案的大模型应用数量为16款，在全国排名第六位 [1] 四川省新增备案大模型的具体信息 - **天绛·诸葛大模型**：由天府绛溪实验室自主研发，是一款专为图文理解设计的系列多模态生成大模型，具备办公场景精准应用、端云协同等核心能力 [1] - 天绛·诸葛大模型目前已落地金融投资、辅助办公、智慧家居等多个应用领域，未来计划延伸至无人机、人形机器人等智能设备领域 [1] - **悠然产业通用大模型**：定位为企业服务行业垂直大模型，具备对通用知识和行业知识的精准认知，拥有语言及视频理解、文本创作等能力，能执行多任务和通用推理、因果管理推理、多轮对话理解等任务 [1] 四川省在传媒领域的大模型布局 - 此次新增备案的**华栖云华生智媒大模型**与**观观智媒体大模型**，以及今年6月已备案的**智媒云行业大模型**，均立足传媒领域场景 [2] - 智媒云行业大模型聚焦传媒行业生产需求和使用场景，借助先进稳定的基础大模型，结合丰富的媒体自有知识数据进行学习 [2] - 该模型提供MaaS（模型即服务）、SaaS（软件即服务）等多种服务模式，遵循价值引导的安全治理原则，与主流媒体、泛媒体业务深度适配，并为泛文化、泛传播领域提供智能产品支撑 [2] 四川省大模型产业的未来发展方向 - 下一步，四川省将结合市场需求和资源优势，支持研发更多细分领域大模型 [2] - 目标是打造具有全国影响力的大模型集群 [2]

行业趋势与大会背景 - 2025年生成式人工智能浪潮持续推动营销从可行性探索进入规模化落地新阶段[1] - 营销领域生产力、生产关系与决策模式迎来全面变革[1] - 品牌主追求增长确定性 广告代理商期待技术赋能 媒介平台聚焦价值经营 技术厂商探索场景落地[1] - 第九届营销科学大会将于11月19日在上海金茂君悦大酒店举办[1] 大会核心主题与内容 - 大会主题为"Agentic Marketing 营销可信智能体 要增长确定性"[1] - 聚焦构建面向AI的营销体系 深度解析Agentic AI如何重构B2B与B2C营销逻辑[2] - 针对AI幻觉、数据安全、效果不可控等行业痛点 分享营销可信智能体实践路径[3] - 通过事实性数据反制AI幻觉 让智能决策过程透明可追溯[3] 大会特色与体验 - 设置十大主题展区全面覆盖营销全链路实操场景[4] - 参会者可一站式体验从数据洞察、创意生成到投放执行、效果评估的最新技术与工具[4] - 大会汇聚全球顶尖企业领袖、学术专家与行业精英 提供技术交流与实践探索平台[4] - 营销科学大会自2017年首次举办 已走过八年历程 见证AI从概念走向现实的行业变革[4]

文章核心观点 - 大湾区在AIGC与大模型领域的创新创业氛围活跃 产学研协同正推动技术突破与产业化落地 [1][3] 大湾区AIGC发展态势 - 大湾区在AI与大模型领域创新创业热度蓬勃 相关赛事活动参与者多来自深圳、香港、广州 超过北京、上海 [1] - 从香港金融科技周到深圳的行业交流 大湾区内部已掀起AIGC探讨热潮 吸引众多从业者与高校学子参与 [1] 学术前沿研究与技术挑战 - AIGC技术正从内容创作工具向智能生产力引擎加速演进 但在多模态内容生成的逻辑性、安全性及工程化落地等方面仍面临关键瓶颈 [1] - 需关注AIGC时代多媒体安全新挑战 如虚假媒体案例增长 需理性界定安全威胁边界并探讨热点技术的应用价值 [1] - 图像复原领域前沿趋势包括精准条件控制、高效先验适配、实用模型压缩与加速三大方向 并延伸至生成式模型在图像及视频复原中的应用 [2] - AI自然交流需兼顾语音中的文字、副语言及环境信息 口语理解系统应向“听清、听懂、听出人情味”方向研发 [2] - 通过无训练技术优化与逻辑重构 可实现复杂文本指令到完整情节视频的高效转化 并提供保障角色风格一致性的定制化方案 [2] 产业实践与产学研融合 - AIGC创新发展需学术前沿与产业实践深度融合 行业组织在推动标准制定与产学研资源对接中发挥核心作用 [3] - 企业分享了从AI视觉增强算法研发到商用落地的全链路突破经验 为高校技术成果转化提供产业视角参考 [3] - 大湾区正以产学研协同之力 持续激活AIGC创新动能 在破解技术瓶颈与推动产业化落地的道路上稳步前行 [3]

新闻核心观点 - 特斯拉与沃尔沃旗下大模型产品成为全国首批获批上线的外企大模型 [1] - 上海市在生成式人工智能服务备案方面取得显著进展 累计完成115款产品备案 [1] 行业监管动态 - 生成式人工智能服务备案制度持续推进 为行业提供明确监管路径 [1] - 上海市在该领域表现活跃 备案产品数量达到115款 [1] 公司产品进展 - 特斯拉xBot客户服务大模型成功通过备案并获批上线 [1] - 沃尔沃小沃智能助手大模型成功通过备案并获批上线 [1] - 两家公司产品均属于外资企业首批获批的大模型案例 [1]