全球顶尖科学家榜单发布 - 斯坦福大学与爱思唯尔联合发布2025全球前2%顶尖科学家榜单 基于标准化引文指标识别全球顶尖2%科学家 使用终身职业生涯和单一年度引文数据 在22个科学领域和174个子领域评估研究影响[1][20][22] - 排序基于复合指标c-score 综合考虑总引用次数 NC 引用次数的Hirsch H指数 H 引用次数的Schreiber合作作者调整后的Hm指数 Hm 科学家作为唯一作者的论文总引用次数 NCS 科学家作为唯一作者或第一作者的论文总引用次数 NCSF 科学家作为唯一作者 第一作者或最后作者的论文总引用次数 NCSFL[22] - 通过六个单调递增指标选出排名前3万名科学家 计算职业生涯整体影响力的复合指标公式通过对6个指标求和得出[22] 中国学者表现 - 中国共有1435人入选终身影响力榜单 2270人入选年度影响力榜单[2] - 清华大学以746位学者入选 全球大学排名第四 仅次于哈佛医学院 工程学院和牛津大学 超越斯坦福大学的718位[3][5] - 南京大学周志华教授全球排名526位 腾讯张正友博士全球排名969位 入选终身科学影响力排行榜前1000[5] - 周志华教授同时位列年度科学影响力排行榜第182位 张正友博士位列第588位[6][7] 顶尖科学家个人成就 - 周志华教授现任南京大学副校长 国际人工智能联合会理事会主席 ACM AAAAI IEEE Fellow 谷歌学术引用总数超过108,482次 h指数132 i10指数492 主要研究人工智能 机器学习与数据挖掘 著有《机器学习》等四部中英文著作[7][9][10] - 张正友博士现任腾讯首席科学家 腾讯Robotics X实验室主任 ACM/IEEE Fellow 谷歌学术引用总数80,397次 h指数108 i10指数346 是世界著名计算机视觉 语音处理 多媒体技术和机器人专家 发明了普遍采用的"张氏方法"摄像机标定法 2013年获IEEE Helmholtz时间考验奖 2025年获AISTATS时间考验奖[12][13][14] 全球顶尖科学家排名 - 中国科学院王中林教授以2,836篇论文位列全球第一[6] - 图灵奖得主Yoshua Bengio入选年度Top 10科学家 因深度学习开创性工作与Geoffrey Hinton和Yann LeCun共同获得2018年图灵奖 是引用次数最多 h指数最高的计算机科学家之一[17][19]

公司核心业务与服务 - 公司提供大数据服务、数据处理服务、互联网安全服务及计算机系统服务等多元专业服务 [2] - 大数据服务具备强大的数据采集、存储、分析和可视化能力，能挖掘海量数据中的有价值信息 [2] - 数据处理服务拥有专业的数据清洗、转换和整合技术，可高效处理结构化和非结构化数据 [2] - 互联网安全服务提供网络漏洞扫描、入侵检测、数据加密和访问控制等全方位安全防护 [3] - 计算机系统服务涵盖系统规划、设计、安装、调试和维护，提供一站式解决方案 [3] 技术创新与研发 - 公司坚持创新驱动发展战略，积极引入人工智能、机器学习和区块链等先进技术 [4] - 通过人工智能和机器学习算法实现数据的自动分析和预测，提升处理效率和准确性 [4] - 将区块链技术应用于数据安全和可信交易领域，确保数据不可篡改和可追溯 [4] - 在互联网安全领域研发基于行为分析的安全检测系统，实时监测网络异常行为 [4] - 计算机系统服务采用云计算和虚拟化技术，实现系统弹性扩展和资源共享 [5] 客户服务与项目实施 - 公司以客户需求为先，建立了完善的项目管理体系，确保项目按时高质量交付 [7] - 项目团队与客户保持密切沟通协作，根据反馈及时调整方案 [7] - 提供全方位售后服务，包括客户服务热线、在线客服平台及定期回访 [7] - 为客户提供技术培训和知识分享服务，帮助提升客户的数据信息管理能力 [7] - 通过优质服务与众多客户建立了长期稳定合作关系，品牌形象获市场广泛认可 [8] 市场定位与发展前景 - 公司作为数据信息领域的新兴力量，在市场中崭露头角 [1] - 致力于为客户提供高质量、个性化的全方位数据信息解决方案 [10] - 未来将继续坚持创新发展，紧跟科技步伐，探索新业务领域和服务模式 [10] - 目标是成为行业领军企业，推动中国数据信息产业发展 [10]

事件概述 - 普林斯顿大学博士后研究员李昊然于9月25日在家中去世，死因等更多细节尚不清楚 [1] - 该信息由普林斯顿大学负责校园生活的副校长、学院院长和研究生院院长共同签署的邮件确认 [2] 人物背景 - 李昊然本科毕业于清华大学电子工程专业（2015年-2019年） [1] - 他于2019年8月至2025年6月在普林斯顿大学攻读电子和计算机专业博士，并担任研究助理 [1] - 他最近完成了博士论文答辩，并在该校担任博士后研究员 [1] - 他的研究兴趣包括机器学习和数据驱动的磁损耗建模方法、耦合磁体的设计与优化以及高效高密度功率转换器设计 [1] 学术成就 - 李昊然是普林斯顿大学陈敏杰副教授领导的研究团队成员，该团队荣获2023年度IEEE电力电子学报一等奖论文奖，李昊然是论文作者之一 [1] 学校相关情况 - 普林斯顿大学邮件提供了学生资源和支持的链接，包括咨询与心理服务中心的全天候咨询服务 [2] - 过去四年来，普林斯顿大学至少已发生八起学生或研究员死亡事件，其中包括四起自杀 [2]

涉及的行业或公司 * 涉及公司为Intact Financial Corporation (IFCZ F) 一家保险行业公司[1] * 公司业务范围包括加拿大 英国 美国以及全球特种保险市场[16][17][28] 核心观点和论据 财务表现与ROE展望 * 公司对当前所有业务线和地区的表现感到满意 并相信能维持近期季度的ROE水平[4] * 过去五年平均ROE为16% 同期比行业表现高出650个基点 显著高于其500个基点的目标[4] * 公司的ROE比行业更稳定 在不同周期阶段都表现出更稳定的ROE[4] * 业务组合发生重大变化 高利润率的商业保险和特种保险占比从2015年的30%提升至目前的超过50% 这有助于ROE的可持续性[4] * ROE的超额表现主要源于三个领域 各贡献约三分之一 定价与风险选择 理赔管理及供应链 资本管理与投资[5] 竞争优势与战略 * 公司在理赔管理方面的内部化程度极高 加拿大99 7%的理赔由自有员工处理 包括高峰期和巨灾时期[10] * 公司拥有超过600名律师和法律专业人士的内部法律辩护团队 处理超过80%的责任索赔辩护[10] * 公司深入供应链 运营37个汽车维修服务中心 在这些地点周期时间减少了30% 净推荐值提升了10分[11] * 这些优势难以复制 需要规模和内部专业知识 公司已投入20年时间构建[11] * 公司拥有超过500名数据和AI专家 已部署超过500个AI模型 产生约1 5亿美元的经常性收益 目标是在2030年达到5亿美元经常性收益[13] * 收益的三分之二来自风险定价 三分之一来自效率提升和客户体验改善[13] 增长机会与市场扩张 * 公司整体第二季度增长率为4%[16] * 由于收购RSA 公司现在进入了一个大10倍的潜在增长市场（英国市场）[16] * 在全球特种保险领域 公司目前所在的市场总潜力达5000亿美元 但市场份额较小 正在快速增长[16] * 公司在所有市场都表现出色 包括英国商业保险 以及美国 英国和欧洲通过全球平台运营的特种保险[17] * 公司专注于中小型企业(SME)和中端市场 这部分商业保险在保险周期中比高端市场更稳定[17] * 公司预计未来几个季度及几年内保费增长将加速[17] * 公司对在美国特种保险领域的有机增长机会很感兴趣 并愿意考虑资本部署机会 但可能要求比在加拿大更高的投资回报[28] 并购(M&A)战略 * 在英国 公司目前是市场第三大参与者 目标是进一步扩大规模[21] * 出色的表现是考虑并购的关键 公司目前已处于该阶段[22] * 加拿大仍是并购的第一优先区域 其次是全球特种保险(GSL)市场[23] * 旗下BrokerLink的已赚保费已达50亿美元 约占经纪分销市场的20% 目标是在2030年增长至100亿美元[31] * 自2020年以来 BrokerLink已完成约100次整合收购 拥有良好的整合方案和运营模式 收购渠道强劲 未见放缓[31][32] 技术应用与创新 * 公司正积极将机器学习定价模型部署到商业保险和特种保险领域[6] * 正在将加拿大的理赔竞争优势引入美国和英国[6] * 公司认为生成式AI(AI)是一个加速器 但主要机会在于利用AI提升风险定价性能和通过更好的客户体验实现增长 而非仅仅专注于占收入15%的可控费用效率[14] * 公司正在加拿大个人保险中部署第四代机器学习模型用于定价和风险选择 并正将其扩展至美国和的商业保险领域[33] * 公司结合量化模型和生成式AI 致力于自动化核保流程并改善与经纪人的互动 正在加拿大经纪办公室部署自有技术[34] 其他重要内容 * 公司目的(Purpose)是帮助个人 企业和社区在顺境中繁荣 在逆境中保持韧性 理赔战略是实现此目的的基石[9] * 在英国 公司正在整合RSA和从Direct Line收购的业务 推出统一品牌 并已看到客户满意度和对经纪人服务的改善[22] * 公司正在英国内部化理赔调整 并开始建立内部律师事务所 同时探索将供应链概念应用于英国市场[25] * 公司利用数据模型识别代位追偿机会 确定水损等服务需求 这些模型正逐步在英国部署[26] * 在美国 内部化法律方面已进行五六年 但因涉及50个州且需要足够业务量 内部化程度受到限制[27]

行业核心观点 - 数字货币交易所是区块链技术革命的核心和推动金融交易方式变革的先锋 [1] - 交易所作为区块链生态系统关键环节，促进数字货币流通并为投资者提供进入新兴市场的机会 [1] - 交易所正以前所未有的速度改变金融交易方式，为全球金融市场创新和发展注入新活力 [4] 技术优势 - 区块链分布式账本技术确保交易记录的不可篡改性和透明性，对打击欺诈和洗钱行为至关重要 [3] - 交易所采用多重签名技术和冷存储等安全措施，保护用户资产免受黑客攻击和内部滥用影响 [3] - 区块链点对点交易减少中间环节，降低交易成本并加快交易速度，提升全球金融市场流动性和活跃度 [3] 创新趋势 - 交易所引入人工智能和机器学习技术，为用户提供更精准的市场分析和交易建议 [3] - 为满足多样化用户需求，交易所不断推出新的交易对和金融产品 [3] - 交易所朝着更加智能化和个性化的方向发展 [3] 未来发展 - 随着监管环境逐渐明朗，更多传统金融机构可能进入该领域与现有交易所竞争 [3] - 竞争将促使交易所提供更加合规、安全和高效的服务，推动行业向更成熟稳定方向发展 [3] - 交易所将继续推动区块链技术的普及和应用，未来发展充满无限可能 [3][4]

课程核心内容 - 课程主题为利用AI工具（如DeepSeek和GPT）辅助生物信息学课题设计、数据分析和CNS级别论文写作 [1][3] - 课程全面覆盖代谢组、蛋白组、宏基因组、转录组、单细胞转录组、空间转录组等多组学数据分析技术 [3][15][29] - 课程整合二十多篇CNS（Cell、Nature、Science）文章的源代码进行讲解和复现 [51] 课程结构与安排 - 课程为期两个月 采用线上腾讯会议培训方式 每批次限招40人以保证一对一指导质量 [26][27] - 课程包含二十节正课 内容从AI辅助文献解读、课题设计延伸至编程基础、多组学数据挖掘及机器学习应用 [3][15][17][19][20][29][37][38][40][43][46] - 额外开设机器学习班、单细胞多组学班和空间转录组班 连报有优惠 [27] 教学方法与特色 - 强调零基础入门 R语言编程从安装环境到实战应用全面覆盖 [29][30] - 采用“一对一指导+包教包会”教学模式 配备多名答疑老师并提供课后持续答疑服务 [23][24][29] - 课程提供往期视频预习 支持多轮学习 承诺包教包会 [22] 讲师与平台背景 - 主讲老师华哥（张振华博士）为中山大学博士 现任东京大学医学人工智能研究员 拥有6年单细胞多组学与机器学习研究经验 [46] - 华哥生信平台深耕生信教育六年 累计培养学员超过3万人 指导学员发表CNS主刊文章8篇、一区及子刊90余篇 [46][48][50] - 平台与广东省生信学会、中国抗癌协会等机构合作举办公益培训专场 具备行业认可度 [52][54][56]

AI量化研究系列 - 深度学习应用于股指期货日内交易策略开发 [2] - 深度学习算法用于Alpha因子挖掘和再挖掘 [2] - 趋势策略通过深度学习技术进行增强 [2] - 风险中性的深度学习选股策略构建 [2] - 深度学习在指数增强策略上的应用实践 [2] - 高频数据因子在深度学习框架下进行挖掘 [2] - 基本面因子模型通过深度学习技术增强 [2] - 条件随机场应用于周频择时策略开发 [2] - 机器学习多因子动态调仓策略研究 [2] - 人工智能在资产管理行业的应用和前景展望 [2] - 涨跌模式识别用于指数和行业择时策略 [2] - 隐马尔科夫模型应用于选股策略研究 [2] - 机器学习模型在因子选股上的比较分析 [2] - 多周期机器学习选股模型构建 [2] - 卷积神经网络用于股价走势识别与分类 [2] - Transformer架构下的量价选股策略研究 [2] - Visibility Graph-CNN创新架构用于高效股价预测 [2] - 卷积神经网络应用于ETF轮动策略 [2] - 多模态多尺度股价预测方法研究 [2] - DeepSeek工具用于提高投研效率 [2] - 知识库到知识图谱转换通过DeepSeek+GraphRAG实现 [3] - 神经常微分方程与液态神经网络技术研究 [3] - AlphaForge基于梯度下降进行因子挖掘 [3] - 强化学习应用于价格择时策略 [3] - 机器学习选股训练手册编制 [3] 基本面量化研究系列 - 多视角探寻长线选股策略研究 [3] - 景气向上且持续增长企业的挖掘方法 [3] - 寻找"物美价廉"优质企业的策略研究 [3] - 高估值股中投资机会的挖掘方法 [3] - 财务指标选股策略深入研究 [3] - 叠加反转效应下的财务指标选股策略 [3] - 细分行业景气盈利轮动策略开发 [3] 转债风险管理 - 转债退市风险与信用风险监控系统构建 [6] 研究团队信息 - 广发金融工程团队负责相关研究 [4]

项目概述 - 越南政府批准《建设企业数据库提案》，将在全国范围内对各类市场主体实施[1] - 提案目标是构建涵盖企业登记、税务、进出口、社会保险、信贷、劳动与就业六大核心数据源的企业数据库[1] - 旨在掌握企业运行状况，提升国家管理效能，增强企业支持服务质量，推动信息透明化[1] 实施阶段与目标 - 2025年建立由企业登记、税务、进出口、社会保险四大数据源构成的基础数据库，形成企业健康指数体系[2] - 2025年构建财务与非财务指标报告系统，建立企业违规预警机制，推动基础数据库与其他国家级数据库共享互通[2] - 2026年整合信贷、投资等数据源，升级基础数据库，并开发基于人工智能和机器学习的企业运行分析系统[2] - 2027-2030年整合劳动与就业、知识产权、创新、科技、数字化转型、可持续发展等数据，完善数据库[2] - 2027-2030年升级优化企业健康指数体系，构建开放数据平台，便于公众和企业查询信息[2] 重点任务与职责分工 - 提案提出六项重点任务：完善法律框架、建设数据库架构模型、制定企业健康指数体系、升级信息技术基础设施、运营数据库系统、培养信息技术人才[3] - 财政部负责制定数据连接共享机制，确保2025年实现以国家企业登记数据库为核心的基础数据库稳定运行[3] - 财政部承担建设、管理、开发和保护企业数据库的职责，确保安全稳定[3] - 公安部负责推动国家综合数据库与企业数据库对接共享，以在2025-2030年间形成覆盖全国的企业大数据体系[3]

AI辅助编程的效率革命 - AI辅助编程使独立原型开发实现10倍加速，而处理大型传统生产规模代码库的效率提升约为50% [10] - 原型开发成本大幅降低，使快速多次试错成为可行策略，真正价值在于发现值得深度开发的项目 [2] - 构建原型对安全性、扩展性要求较低，AI进一步降低了试错门槛，建议在沙盒环境中大胆实验 [12][13] 开发者角色与技能转型 - 编程工具快速迭代，从GitHub Copilot到IDE，再到高度代理化的编程助手，落后半代即可能显著影响产出能力 [15] - 代码价值本身正在降低，AI可自动生成代码、迁移数据库架构，使架构决策变得更可逆 [16] - 开发者需要从代码编写者转型为系统设计者和AI指挥者，重点把控核心架构与复合型系统构建 [3] 工程效率提升后的新瓶颈 - 工程速度提升后，产品决策与用户反馈成为新的瓶颈，当工程时间从3周压缩到1天时，花费1周获取用户反馈会显得极其漫长 [4][18] - 提出数据使用的新范式：不应单纯依赖数据做决策，而要用数据修正直觉，通过反思误判来打磨用户直觉 [19] - 通过走廊测试、咖啡店调研、快速原型验证等方式建立高效决策循环，拥有用户直觉和基本设计决策能力的工程师能让团队发展更快 [20][27] 编程教育的重要性与现状 - 强烈反对“AI时代无需学编程”的观点，指出历史上每次编程工具进步都让更多人群具备编程能力，非技术人员可通过AI辅助快速掌握基础编程能力实现跨领域效率提升 [5][21] - 未来核心技能是“精准告诉计算机该做什么”，这需要理解计算机语言与编程逻辑，更深层次的理解对于控制计算机至关重要 [24] - 计算机专业毕业生失业率升至7%，但企业却面临AI工程师严重短缺，核心矛盾在于大学课程未能及时覆盖AI辅助编程、大语言模型调用、RAG/Agentic工作流构建等关键技能 [6][25] AI工程师的新兴技能需求 - 新兴AI工程师需掌握三大技能：使用最新AI编程工具、熟悉AI构建模块（提示工程/评估技术/MCP）、具备快速原型能力与基础产品直觉 [6][26] - 构建Agentic工作流最重要的技能之一是推动一套规范的错误分析流程的能力，这能诊断出问题所在并集中注意力进行修复 [35] - 快速原型技能包括基本的全栈知识，在AI辅助下，即使后端背景的工程师也能成为出色的前端开发者，但棘手的后端错误仍需长时间调试 [27] AI编程工具的发展现状与局限 - AI编程工具已超越代码自动生成阶段，发展到高度代理化的编程助手，如Claude Code、Gemini CLI等，工具进化速度极快 [15] - 对于更常见的任务（如正常的前后端开发）和拥有大量训练数据的场景（如实现transformer神经网络），AI表现优异，但对于真正奇怪的极端情况或底层GPU编程，训练数据较少，可靠性较低 [36] - 存在通过Agentic工作流生成合成数据来训练下一代模型的路径，例如使用多版本的LLaMA论文生成编程难题和解决方案 [41] 产品管理与用户调研的演进 - 工程加速导致产品管理成为瓶颈，团队越来越多地凭直觉做出决定，因为这是一个非常快的决策过程 [18] - 出现使用模拟智能体（simulated agent）进行用户调研的新方法，可以模拟100个角色来测试产品，但校准这些智能体使其反馈与真实用户行为匹配是关键挑战 [44] - 对于B2B产品等特定领域，互联网上缺乏相关上下文数据，从真实用户那里获得反馈仍然至关重要 [45]

公司业务展示 - 公司受邀参加华为全联接大会2025并设立展台 面向全球金融机构客户展示数智支付和信贷 智能化金融风险管理等领域最新成果与前沿探索 [1] - 在支付现代化专题下重点展示CreditX发卡解决方案 Consulo消费贷款解决方案和供应链金融解决方案 旨在为海外金融行业客户构建覆盖信用卡发卡 信贷管理 风控 运营为一体的现代化数字金融基础设施 [1] - 供应链金融解决方案通过提供订单融资 反向保理 动态库存融资等20余类产品 深度融合产业场景助力中小微企业融资提速 [1] 产品解决方案特性 - CreditX发卡解决方案以场景化信用额度与定价 无卡优先在线服务 实时交易记账与分析等功能引领数字时代信用卡发行新风尚 [1] - Consulo消费贷款解决方案覆盖从营销获客到贷后管理的全周期零售信贷需求 以先进算法实现自动化决策并对贷款组合进行实时监管 [1] - 在重塑数字时代专题下展示大模型和数据驱动下的智能化解决方案群 包括Algo市场风险管理系统和边缘计算行为模式分析系统 [2] 技术合作与生态布局 - Algo市场风险管理系统具备多重风险视角 开放API框架 终端用户自主分析 基于风险因子的透明估值等差异化优势 是公司与SS&C达成Algorithmics软件中国大陆独家合作后推出的解决方案 [2] - 边缘计算行为模式分析系统在操作风险实际业务场景中深度融合基于人工智能的视频分析技术 有效实现实时内控与用户体验优化 [2] - 控股公司魔数智擎展示Magic Engine交互式机器学习平台海外版 彰显公司在人工智能与机器学习领域的生态布局与创新实力 [2]