北京商报讯（记者 刘晓梦）9月17日，荣威M7 DMH正式上市，官方指导价9.78万—11.48万元。此外， 即日起至10月31日（含）前完成大定并锁单的消费者，可享限时价8.58万—10.28万元。 据了解，荣威M7 DMH首搭豆包深度思考大模型，该系统可准确处理倒装句、否定句和多意图指令，理 解准确率较传统模型提升14倍，覆盖15大核心场景。此外，荣威M7 DMH搭载DMH 6.0超级混动系统， 实现CLTC纯电续航160公里，满油满电的CLTC综合续航达2050公里。此外，荣威M7 DMH还提供包括 发动机、变速箱、驱动电机、驱动电机控制器、电池包在内的"五大件终身质保"，首任非营运车主不设 年限与里程限制。 ...

产品与技术展示 - 公司在IFA2025展示多款创新显示技术产品 [1] - 星智大模型应用于半导体显示研发及生产环节 [1]

当前中国经济处于新旧动能转换关键期。中国经济能否行稳致远，端赖由新技术变革和社会经济生活中 出现的新需求所驱动的新动能，能否足够强劲，能否顺利接棒旧动能，并有效盘活存量资产。在这个进 程中，金融如何因应新技术变革和新需求所带来的新挑战和新趋势，如何在应对挑战的过程中为新动能 保驾护航，为实体经济发展提供更强有力的支持，将决定中国经济和金融业自身的发展前景。 除了技术革新和产业发展带来的新动能、新挑战和新机遇，社会经济生活中出现的新趋势和新需求，也 将为中国金融行业提供新的发展空间。比如人口老龄化在给中国社会经济带来巨大挑战的同时，也带来 巨大的机遇，其间所涉及的银发经济等无疑将为养老金融等金融服务的发展提供新的动能。 养老金融所涉及的不仅仅是狭义的养老保险，其范围可以涵盖银发经济的方方面面，其中的关键是如何 把养老所涉及的各种需求加以有效的金融产品化。可以说，在中国现阶段养老金融还处于起步阶段，未 来还有着巨大的发展空间，而养老金融的发展，将不仅为金融行业自身，也将为中国经济提供新需求、 新动能和新回旋空间。养老金融如能快速健康发展，将为养老空间、养老设施、养老服务的发展提供急 需的金融服务和产品，而这反过来 ...

罗永浩职业转型与商业模式 - 罗永浩从科技创业转向播客对话者和主播 利用舆论话题为直播间引流[3][4][6] - 通过设置公共议题实现流量转化 例如与西贝争议期间直播间观看人次达1000万 销售额最高预估5000万元 较平时增长400%[5][6][14] - 在俞敏洪与董宇辉事件中直播间销售额从250-500万元增至1000-2500万元 单场观看人次达700万[16] 细红线科技发展历程 - 公司2022年成立初期聚焦AR领域 获得美团龙珠领投近4亿元天使轮融资 投后估值2亿美元[8][9] - 2023年申请15项AR相关专利 主要围绕AR眼镜技术[9][10] - 2024年转向AI领域 海外发布J1 Assistant聚合类软件 但未达预期颠覆性创新效果[11][13] 直播业务商业表现 - 交个朋友直播间2025年上半年收入同比增长9.8% 但净利润同比下滑33% 因流量获取成本上升[23] - 与辉同行直播间2025年上半年流量同比下滑近50% 显示行业流量竞争加剧[20] - 罗永浩粉丝数量在争议事件一周内增长70万 微博总粉丝达138万[18] AR/VR行业趋势 - 2023年全球AR/VR头显出货量同比下降23.5% 行业整体处于退潮期[10] - 细红线科技员工数峰值仅150余人 未达预期千人团队规模[10] - 罗永浩承认AR商业化失败 认为10年内AR眼镜难以实现商业化[13] 舆论影响力与形象塑造 - 在西贝事件中网络支持率达47% 个人公众形象从知识分子转向"大众嘴替"[5][17] - 通过持续参与公共议题（如俞敏洪事件）维持话题热度 实现流量周期性转化[16][19] - 成为行业少有的具备公共议题设置能力的"议题型主播" 差异化优势显著[21]

核心观点 - 蚂蚁百灵大模型团队开源MoE大模型Ling-flash-2.0 以总参数100B、激活仅6.1B的轻量级配置 在多个权威评测中展现出媲美甚至超越40B级别Dense模型和更大MoE模型的卓越性能 [1] - 通过极致的架构设计与训练策略 在推理速度、任务性能、部署成本之间找到新平衡点 为当前大模型参数膨胀趋势提供高效、实用、可持续的新路径 [1] 架构与性能优势 - 采用MoE架构 通过稀疏激活机制实现1/32激活比例 每次推理仅激活6.1B参数 计算量远低于同性能Dense模型 [4][6] - 实现7倍以上性能杠杆 6.1B激活参数带来约40B Dense模型的等效性能 [4][10] - 推理速度提升3倍以上 在H20平台上实现200+ tokens/s的高速生成 输出越长加速优势越明显 [9] - 通过专家粒度调优、共享专家机制、sigmoid路由+aux-loss free策略等技术优化架构设计 [6] 任务性能表现 - 在AIME 2025、Omni-MATH等高难数学推理任务中展现出稳定的推理链路与多步求解能力 [14] - 在LiveCodeBench、CodeForces代码生成任务中表现优于同规模模型 部分任务超越GPT-OSS-120B [14] - 前端研发能力通过大规模RL训练+视觉增强奖励机制 在UI布局、组件生成、响应式设计等任务中实现功能与美学双重优化 [14][19] - 在金融建模、工业调度、供应链优化等数学优化任务中展现实际解决问题能力 [38] 训练与数据体系 - 基于统一数据湖宽表设计的AI Data系统 支持样本级血缘管理 完成40T+ tokens高质量语料处理 [31] - 精选20T+ tokens最高质量语料用于预训练 分为三个阶段：10T高知识密度语料夯实基础、10T高推理密度语料提升推理能力、扩展至32K上下文引入思维链类语料 [31][36] - 词表从128K扩展至156K 新增大量多语言token 引入30个语种高质量语料提升跨语言理解与生成能力 [34] - 采用自研Ling Scaling Laws优化超参数配置 使用WSM调度器替代传统WSD调度器提升下游任务表现 [32] 后训练创新 - 通过解耦微调设计 同时学习即时回答与深度推理两种模式 覆盖数理科学、创意写作、情感对话、社科哲思等多个领域 [38] - 提出ApexEval评测方法 聚焦知识掌握度与推理深度 筛选最具探索潜力模型进入强化学习阶段 [39] - 采用演进式RL技术 以简洁思维链为起点 根据问题复杂度动态解锁更深层推理能力 [40] - 构建组内竞技场奖励机制 结合RubriX多维度评价标准 提升模型人性化与情感共鸣能力 [40] 开源与部署 - 开源Ling-flash-2.0对话模型和Base模型 为研究者和开发者提供灵活使用空间 [47] - Base模型在多个榜单展现强劲性能 具备良好知识压缩与推理能力 适用于下游任务微调与定制 [48] - 支持CLI接入 可方便融合到Qwen Code等服务中 [28]

中国企业级大模型市场增长 - 中国企业级大模型日均Token消耗量在2025年上半年达到10.2万亿 较2024年下半年激增363% [2][3][6] - 阿里巴巴 字节跳动和DeepSeek成为中国企业选择通用大模型时的前三大热门选项 [6] - 阿里巴巴已成功渗透到2025年大多数部署生成式AI的中国财富500强企业 并在此细分市场占据首位 [6] 阿里巴巴竞争优势与市场地位 - 阿里巴巴凭借领先的模型能力 47%的中国公有云市场份额以及多样化的芯片供应 处于有利地位 [2][3][9] - 高盛将阿里巴巴目标价从163美元上调至179美元 维持买入评级 [2][4] - 高盛将阿里云估值从每股ADS 36美元提升至43美元 [4] AI基础设施投资与行业趋势 - 中国云服务提供商资本支出在2025年第三季度将同比增长39% [8] - 中国云厂商在自研推理芯片方面取得进展并采取多芯片策略 意味着中国AI云行业增长已不再仅仅依赖于海外芯片供应 [4] - 高盛将阿里云在2026财年第二至第四季度的增长预期从28%-30%上调至30%-32% [9] 技术进展与模型能力提升 - 阿里巴巴发布新一代模型架构Qwen3-Next 性能是前代模型的10倍 构建成本仅为1/10 [11] - 阿里巴巴Qwen3-Next-80B-A3B模型运行速度比4月发布的32B模型快10倍 [11] - 百度文心X1.1在真实性 指令遵循和智能体能力方面有显著提升 性能已能与GPT-5和Gemini 2.5 Pro相媲美 [11] AI应用层发展与商业化现状 - AI开始作为智能体嵌入主流应用 如美团推出AI助理小美支持语音点餐 阿里巴巴高德地图推出AI原生向导小高老师 [13] - 在文生视频 文生图等多模态领域 中国模型正在快速缩小与全球同行的差距 [14] - 截至2025年8月 全球AI应用总年度经常性收入约为300亿美元 而中国AI应用的ARR仅为15亿美元 占全球份额的5% [14]

人工智能在金融行业的战略价值 - 人工智能成为金融机构提升效率和生产力的战略杠杆 加速重构金融场景并深度创造价值 [1] - 腾讯云已围绕银行 保险 大资管 互金及金融行业通用场景积累100多个AI应用场景最佳实践 支持金融机构创新和提效 [1][14] 数据基础设施与解决方案 - 数据质量成为企业发展AI的核心瓶颈 腾讯云发布TBDS多模态智能数据湖金融解决方案 帮助金融机构融合大数据和AI一体化存储计算底座 [5] - 腾讯专有云TCE已为各类金融机构打造上百朵自主创新云 数据库TDSQL连续多年稳居金融行业市场份额第一 覆盖超过100家金融机构核心系统 实现四大行主力数据库全覆盖 [13] 技术产品与平台能力 - 腾讯内部900多个应用接入混元大模型 实现广告 支付 社交等业务场景与AI深度融合 [11] - 腾讯云提供数据库TDSQL 大数据TBDS 专有云TCE 腾讯云TI平台及智能体应用开发平台ADP等B端解决方案 [11] - 发布腾讯云智能体战略全景图 智能体开发平台ADP3.0 Agent Runtime解决方案及混元3D 3.0基模（建模精度提升3倍） [14] 行业应用与成效案例 银行领域 - 中国银行基于腾讯云大数据TBDS构建全栈国产数据湖平台 支持超过170个应用 [15] - 通过分析师工作台构建4000多个AI业务模型 包括反欺诈 客户流失预警 手机银行促活等模型 显著提升业务效率 [15] 资本市场 - 某头部券商落地腾讯云AI代码助手 代码补全采纳率超30% 整体研发流程提效40% 实现客户开发人员全覆盖 [18] 保险行业 - 东吴人寿依托腾讯云智能体开发平台构建公司级智能体平台 理赔处理时效从3-5天缩短至3分钟内 覆盖230万参保人 预计年支撑上万理赔案件 [20] 金融科技 - 腾讯云大模型尽调与智能审核方案助力信贷业务 审核准确率提升30% 工作效率提高60% 支持信贷 支付 供应链金融等多场景智能化展业 [22] 行业发展趋势 - 金融业面临行业发展转变 客户需求升级 风险管理复杂 运营效率待提升等挑战 数智化转型成为必然选择 [8] - 金融机构采用全心投入 先内后外 从易到难 场景迁移等方式落地大模型应用 在业务创新驱动 用户体验改善 流程自动化等方面发挥重要功效 [14]

行业技术发展 - 中国人工智能产业发展联盟软件智能化委员会于2025年9月12日正式成立 由信通院联合高校、行业协会及企业共同推动 [1] - 委员会在原有AI4SE工作组基础上进行升级扩充 通过多措并举推动软件行业技术发展与应用创新 [1] - 持续深耕软件研发全流程智能化转型研究 覆盖需求、开发、测试、运维等环节 提升研发质效 [1] 产品形态创新 - 推动系统软件、中间件、应用软件及各行业专用软件的智能升级 促进人工智能技术与现有软件产品深度融合 [1] - 深入研究AI原生软件创新 培育软件产品新形态 [1] 企业转型升级 - 推动软件信息企业智能化升级 加速以大模型为核心的"智改数转"进程 [1] - 驱动企业在生产方式、服务模式及商业模式上实现全方位转型升级 [1]

公司业务现状 - 公司目前暂未直接对外开展AI语料相关业务 [1] 技术研发进展 - 在AI与大模型相关领域持续进行内部能力建设和技术探索 [1] - 积极开展多项研发与积累为未来相关技术应用与业务发展做准备 [1]

行业趋势与挑战 - 全球近半数金融机构已启动大模型应用建设 [1] - AI在行业端落地面临投入产出失衡挑战 [1] AI落地关键路径 - AI价值判断需锚定KPI核心指标 真正辅助或承接部分KPI任务 [1] - 围绕三个核心流程重构业务逻辑：业务流程AI化 业务Know-how AI化 AI价值交付标准化评估体系 [1] 业务流程AI化实施 - 信贷业务全流程涵盖客户获取 反欺诈 信用审核 授信审批及贷后管理等多个关键环节 [2] - 规则明确标准化重复性强的业务可通过AI替代或辅助人工 实现全业务链条自动化与智能化 [2] 业务Know-how AI化核心 - 银行隐性业务规则 风险判断逻辑与客户服务经验构成核心竞争力重要基石 [2] - 需将专业知识转化为AI可理解的结构化形式 使模型具备资深从业者业务理解与判断能力 [2] - 实现需畅通经验提取 知识图谱构建 模型训练与迭代全流程 [2] AI价值评估体系 - 衡量标准应关注大规模真实业务场景稳定落地 而非算法精度等技术参数 [3] - 核心价值体现在降本增效 风险管控与客户体验提升等业务维度 [3] 行业解决方案创新 - 百融云创提出打造硅基人军团 让AI Agents像人类一样完成KPI [3] - 一站式贷后解决方案涵盖业务流程AI化 业务Know-how AI化 AI价值交付三大维度 [3] 银行业当前困境 - 银行业面临利率低 息差低 收益低 不良率高的三低一高困局 [3] - 贷后管理成为银行稳健经营关键环节 传统M1阶段启动委外催收模式面临挑战 [3] 技术应用突破 - AI驱动贷后解决方案突破传统人工作业不可能三角 [3] - 全面助力金融机构实现流程到能力 人效到成本的智能化升级 [3]