行业地位与权威认可 - 腾讯云在IDC《2025年亚太区AI赋能前台对话式AI软件厂商评估》报告中，超越众多全球头部厂商，荣获最高评级“第一象限领导者” [1][17] - 腾讯云是唯一入选“第一象限领导者”的中国企业 [1][17] 产品技术与核心能力 - 腾讯云对话式AI基于智能体开发平台（ADP）、数智人及智能客服产品，能更精准理解意图、交互更亲和拟人 [4][19] - 对话式AI是生成式AI产业落地的最典型应用场景之一，对外可作为智能客服提升消费者体验，对内可作为专业助手用于员工培训、知识查询以提升效率 [4][19] - 亚太地区是对话式AI落地最具挑战的地区，因其语言多样、文化多元、监管复杂，对AI产品的本地化支持与合规能力要求极高 [4][19] - IDC的评选历时半年，门槛极高，不仅考察AI产品技术实力，更考察其是否“好用”及是否真正帮助企业 [4][19] 客户案例与落地成效 - **跨境物流行业**：与国际物流巨头DHL合作打造客服机器人，使转人工客服的绝对数减少200人次/天，机器人解决率从69%提升至74% [4][19] - **酒店行业**：与华住集团合作打造“24小时数字管家”华小AI，该集团业务覆盖19个国家、运营超1.2万家酒店、拥有2.9亿会员，AI覆盖信息咨询、订单管理、客需服务及房内IoT控制等场景 [9][22] - **金融行业**：与某头部券商合作打造“智能投资助手”智能体，可提供财报、行业趋势等财经信息并深度分析，已处理用户提问近200万次，助力券商用户渗透率环比增长3倍 [9][23] - **汽车制造行业**：与一汽丰田合作打造汽车领域专家级Agent，能以图文并茂形式精准解答车型配置、保养指南等问题，提升服务体验与问题解决率 [10][24] - **快消零售行业**：与伊利集团合作打造导购智能体，为导购提供社群个性化话术，推动导购社群商品链接点击率提升15.7%，导购订单数提升26% [13][27] - **快消零售行业**：与伊利集团合作打造智能下单智能体，让消费者通过对话了解商品并完成下单，推动下单转化率提升39% [13][27] 市场覆盖与行业应用 - 腾讯云对话式AI应用已覆盖中国港澳地区及新加坡、印尼、马来西亚等亚太国家和地区 [15][29] - 其解决方案已落地于汽车制造、跨境物流、医药零售、金融保险等多个不同行业 [15][29]

在一个"有图有真相""有视频有真相"的时代，当AI越来越聪明，你还能分得出真假吗？近来AI成为已经 成为"羊毛党"新工具——随着图片造假产业化，AI诈骗开始入侵电商领域。 技术热潮之下，生成式AI正在挑战并重建新秩序，但其被滥用的风险也在随之提升。从深度伪造引发 的内容失真，再到AI情感陪伴所触发的伦理困境，一系列典型案例不断进入公众视野，揭示了技术滥 用的现实隐患。 2025年12月18日下午，由南方都市报社、南都数字经济治理研究中心主办的第八届啄木鸟数据治理论坛 在北京举行。会上，南都发布了一份四万字的重磅报告《生成式AI落地应用：透明度测评与案例分析 报告（2025）》。 报告回顾了近些年118起生成式AI风险案例，聚焦生成式AI带来的社会信任挑战以及人机交互伦理争议 和治理痛点，并尝试提出切实可行的政策建议。 AI造假冲击个人权利、行业秩序和社会信任机制 司法场景中，海内外均出现律师利用AI生成虚假判例的情形。2025年10月北京通州法院披露，一名律 师在代理意见中引用了不存在的"（2022）沪01民终12345号"判决。法官因案号规律异常而识破，确认 该判例系AI凭空生成。该律师因未尽核实义务，被审 ...

与此同时，亚马逊也正与OpenAI进行深入接触。消息显示，亚马逊正洽谈向OpenAI投资至少100亿美 元。 华尔街见闻此前提及，作为交易的关键一环，OpenAI将同意使用亚马逊自研的Trainium芯片，此前， OpenAI已宣布在未来七年内斥资380亿美元租用亚马逊Web Services（AWS）的服务器，而拟议中的 这笔投资将直接为该租赁承诺提供资金支持。如果交易落地，亚马逊将加入包括英伟达在内的科技巨头 行列，成为OpenAI最新一轮的重量级投资者。 这一系列融资动态凸显了生成式AI领域日益激烈的昂贵军备竞赛。对于投资者而言，OpenAI若成功引 入亚马逊等战略盟友并实现芯片供应链多元化，不仅意味着其现金储备的大幅扩充，也预示着硅谷巨头 间关于算力、独家协议与市场份额的竞争关系正变得更加错综复杂。（转载自华尔街见闻） OpenAI正在酝酿新一轮规模空前的资本运作，旨在通过高达数百亿乃至一千亿美元的融资，进一步巩 固其在人工智能领域的统治地位，并为其高昂的模型训练成本补充弹药。 据The Information援引三位知情人士透露，OpenAI在近期与投资者的接触中，讨论了约7500亿美元的 估值水平 ...

OpenAI新一轮大规模融资计划 - 公司正在酝酿新一轮规模空前的资本运作，融资规模可能高达数百亿乃至一千亿美元，旨在巩固其在人工智能领域的统治地位，并为高昂的模型训练成本补充弹药 [1] - 公司在近期与投资者的接触中，讨论了约7500亿美元的估值水平，若以此估值完成融资，将较其去年10月最近一次股份出售的估值高出约50% [1] - 除此前已从Thrive Capital、软银等投资者处筹集超过600亿美元外，公司也已开始为新增融资进行铺垫 [1] 潜在战略投资者亚马逊 - 亚马逊正与公司进行深入接触，洽谈向公司投资至少100亿美元 [1] - 作为交易的关键一环，公司将同意使用亚马逊自研的Trainium芯片 [2] - 公司此前已宣布在未来七年内斥资380亿美元租用亚马逊Web Services（AWS）的服务器，而拟议中的这笔投资将直接为该租赁承诺提供资金支持 [2] 行业竞争格局与影响 - 这一系列融资动态凸显了生成式AI领域日益激烈的昂贵军备竞赛 [2] - 若公司成功引入亚马逊等战略盟友并实现芯片供应链多元化，不仅意味着其现金储备的大幅扩充，也预示着硅谷巨头间关于算力、独家协议与市场份额的竞争关系正变得更加错综复杂 [2] - 如果交易落地，亚马逊将加入包括英伟达在内的科技巨头行列，成为公司最新一轮的重量级投资者 [2]

文章核心观点 - 金融业应主动融入国家“人工智能+”行动，通过平衡开源与闭源模型、协同决策式与生成式AI、优化算力供给与保障安全性等多维路径，提升人工智能应用的普惠性，推动技术与业务深度融合，最终提升金融服务质效和内部管理效能 [3][4][5][8][9] 开源模型与闭源模型 - 开源模型意味着技术平权和自主可控，通过分布式协同创新降低企业应用成本，提升AI普惠性，但存在模型迭代速度较慢、幻觉率较高的特点 [4] - 闭源模型在稳定性和可靠性上相对更高，同等参数规模下性能可能更优，服务支持更成熟，但自主定制化程度受限且模型透明度较低 [4] - 金融业应重点考虑“AI+”应用而非自建大模型，融合开源与闭源优势，围绕场景建设提升服务质效和管理效能 [4] - 以农业银行为例，采取“两条腿走路”策略：在普惠服务、办公等领域加快探索应用开源模型以提高普及率；同时通过本地化部署闭源模型，在客户服务、知识优化推荐等场景确保数据隐私和极致体验 [4] 决策式AI与生成式AI - 决策式AI擅长“确定性优化”，在强可解释性和准确性要求高的场景中仍是最优选择，目前金融业应用占比超过八成，主导风险评估、算法交易和欺诈检测等核心业务领域 [5] - 生成式AI擅长“可能性涌现”，在开放式和创意性场景中泛化能力更好，主要应用于智能客服、知识助手、报告撰写等非核心业务领域 [5] - 随着大模型能力增强、生态完善和算力突破，生成式AI应用可能实现指数级增长，并与决策式AI协同，形成以智能体为主的通用范式，二者边界趋于模糊 [5] - 多智能体配合的“双AI”编排协作模式能更好实现AI能力普惠化，例如在客户营销中，用决策式AI构建客户画像，用生成式AI形成个性化服务方案，提升服务精准性和获得感 [5] AI普惠与算力供给 - AI普惠性提升导致数据处理规模和复杂度指数级增长，数据中心计算量膨胀速度将远大于CPU处理效率进化速度，AI大规模应用意味着进入加速计算时代 [7] - GPU凭借强大并行计算能力能高效应对计算密集型任务，未来通用计算将退化为“控制平面”，高时效高计算负载场景由专用加速计算实现 [7] - AI加速普及过程中，GPU算力需求与供给将始终处于“紧平衡”状态，从绿色发展角度看这种平衡是必要的 [8] - 需从存量挖潜和增量扩容两端发力平衡矛盾：一方面通过算力灵活调度、参数合理匹配、模型压缩加速等工程化手段降低运行成本；另一方面加快建设支持AI高性能计算的智算中心 [8] - 以农业银行为例，依托“农银智+”平台构建参数多样、能力丰富的模型矩阵，通过模型蒸馏、微调等手段精细化匹配业务并充分利用GPU资源，同时建设支持多类型GPU组合的算力云平台，保障AI算力弹性、韧性和可持续供给 [8] 普惠性与安全性 - 提升AI应用普惠性同时必须高度重视安全性，需强化AI稳定性以保障大众利益，未来AI将成为数字世界“基础设施”，需建立模型安全护栏、主动防御等技术手段应对提示词注入、资源消耗攻击等风险，保障AI稳定运行和业务连续性 [9] - 需提升数据质量以增强模型可信度，在AI广泛应用背景下，数据来源更丰富、结构更复杂，数据倾斜、数据投毒等问题会加剧模型决策偏差，引发公众信任危机，需建立全生命周期模型评测和监控体系，加强算法公平性约束，提升模型稳定性和可解释性 [9] - 需避免模型共振以防范系统性风险，随着竞争加剧，市场主流大模型集中度会越来越高，商业银行依赖的模型算法逐步趋同，局部缺陷可能形成机构间模型共振并引发系统性风险，需加快构建更可靠知识体系，开展差异化模型训练，提升金融系统整体韧性 [9]

文章核心观点 - 大模型的出现改变了云计算的竞争格局，打破了以往由规模效应驱动的“强者恒强”趋势，为后进者提供了冲击前排的机会 [1] - AI云的核心竞争力已从传统的“卖云”资源，转变为“模型+云平台+芯片”的垂直整合全栈能力，企业购买的最终商品是AI而非云本身 [20][21] - 行业竞争仍处在“半程路标”阶段，胜负未定，但方向已清晰指向全栈能力的构建，不同厂商正基于各自优势采取差异化路径 [22] AI云对行业竞争格局的重塑 - 大模型之前的叙事逻辑是规模效应驱动行业集中度提升，强者愈强 [1] - 大模型让云厂商的生意发生本质变化，为后进者提供了冲击机会 [1] - 对于如何做AI云，即便是顶级云厂商也未很快达成共识 [1] - 在AI云语境下，企业购买的最终商品是AI，云退居为支撑AI的基础设施，未来会逐渐消失在客户账单上 [20] - AI的竞争已从单点竞争转向涵盖基础设施、模型、工程、应用四个层级的系统能力竞争，任何只占据其中一层的厂商都很难长期掌握产业主导权 [19] 主要云厂商的AI云战略与表现 **微软** - 早期凭借对OpenAI的投资拥有GPT优先使用权，希望通过GPT带飞Azure [3] - 与OpenAI的合作从最初的美好变为“貌合神离”，因OpenAI寻求多方云资源替代方案并推出竞争产品 [3] - 微软不得不投资Anthropic并加大自研模型力度以应对 [3] **亚马逊云科技 (AWS)** - 选择大手笔投资OpenAI的竞争对手Anthropic（先于微软）以获得领先模型能力 [3] - 核心策略是“Choice Matters”，在Bedrock上提供多种模型选择，认为不存在适用于所有场景的通用最优模型 [3] - 面临的关键问题是头部模型具有无可替代的重要性，而顶级模型多由竞争对手掌控或企业不愿完全托管，影响了其模型层竞争力 [4] - 在最近的re:invent大会上新增了十多款模型，包括中国的Kimi和Minimax，并更新了自研的Nova模型，以在模型层面不落后太多 [4] - 与微软类似，缺少自研模型，正处于关键的自我修正期，需在保持平台中立的同时补齐模型层的确定性 [22] **阿里云** - 凭借Qwen模型在全球技术圈闯出影响力，是全球唯一一家积极研发先进AI模型并且全方位开源的云计算厂商 [5] - 业界率先实现“全尺寸、全模态”的全面开源，其他三家头部云厂商均未将自身模型规模开源 [5] - 通义千问Qwen衍生模型数量已突破18万，远超Meta的Llama系列；全球下载量超7亿，据彭博统计截至2025年10月已超越Llama，成为全球第一AI开源模型 [5] - 阿里云的目标是让Qwen成为产业的默认依赖，通过开源成为标准 [5] - 在Gartner报告中，是唯一入围GenAI云基础设施新兴领导者象限的亚太厂商 [10] - 在“GenAI模型”维度，其“特征”指标领先于AWS和微软，仅次于谷歌和OpenAI [13] - 在“GenAI工程”维度，其“特征”及“未来潜力”指标优于AWS、谷歌和微软 [16] - 与谷歌云一同，因在模型、云平台与芯片多个层级形成正向叠加效应而更受资本市场认可 [21] - 其自研AI芯片PPU虽未公开发布，但公司体量支撑得起相关支出，并具备自用和对外输出的想象空间 [22] **谷歌云** - 是低开高走的典型代表，Gemini 3系列模型和第七代TPU Ironwood被视为谷歌AI逆袭的标志 [6] - 公司创始人坦诚，尽管八年前发布了Transformer论文，但内部未给予足够战略重视，在算力扩展上投入过于保守 [6] - 第七代TPU Ironwood在性能、能效比和互联带宽上均显示出对GPU的显著优势 [6] - Gemini 3系列的原生多模态能力和超长上下文窗口将行业标准提升到新量级 [6] - 其“模型+云+芯片”的垂直整合，展现了更深厚的护城河，为行业提供了AI云的参考标准 [6] - 与阿里云一同，因在模型、云平台与芯片多个层级形成正向叠加效应而更受资本市场认可 [21] - TPU已经证明其在性能和成本上的优势 [22] Gartner生成式AI技术栈象限分析 - Gartner发布了涵盖GenAI云基础设施、GenAI工程、GenAI模型以及AI知识管理应用四大维度的新兴市场象限报告，可视为AI技术栈的参考指南 [7] - **GenAI云基础设施**：新兴领导者象限仅有微软、谷歌、AWS和阿里云四家厂商入围，阿里云是唯一入围的亚太厂商 [10] - **GenAI模型**：市场高度集中，主要由少数几家厂商主导，四家云厂商依旧位居领导者象限 [13] - **GenAI工程**：收录厂商数量更多，四家云厂商继续领跑，但与其他厂商的差距并未拉开 [16] - **AI知识管理应用/通用生产力**：评测范围覆盖企业级AI搜索、对话式AI平台及生产力工具，除四家云厂商外，Salesforce等软件厂商也位列其中 [19] AI云的核心竞争力与未来趋势 - AI云的核心竞争力在于模型、云平台与芯片的垂直整合 [21] - 模型决定智能上限，云平台把模型变成可规模化的商品，芯片决定成本下限和性能天花板 [21] - 当AI成为算力、数据、软件栈高度耦合的系统工程，全栈能力使得模型迭代能直接反馈到底层基础设施，也让基础设施投入更快转化为产品优势 [21] - 海外新兴云厂商如CoreWeave和Nebius试图从提供最新GPU裸机服务或AI推理服务等单点优势切入，但很难冲击原有的四强格局 [20] - 云厂商过去二十年的变化是不断在技术栈上叠加新能力，这本身就是护城河 [21]

外汇市场上"利率差缩小→日元升值"的定论已经失效。由于美国降息日本加息，日美利率差缩小至约3 年来最低。但日元汇率与年初基本持平，仍处于历史性贬值局面。其背后是日本经济根深蒂固的结构性 因素…… 外汇市场上"利率差缩小→日元升值"的定论已经失效。2025年以来美国降息日本加息，日美政策利率差 缩小至约3年来的最低水平，但日元汇率仍维持在1美元兑155日元附近，与年初基本持平。弄清利率差 缩小局面下日元持续贬值这一"谜题"的关键在哪里？ 日本央行将于12月18~19日召开金融政策会议，讨论上调政策利率。市场预测12月会议的加息概率高达 95%。 日本财务省的国际收支统计显示，1～10月的经常项目收支顺差27.6万亿日元，全年也很有可能继2024 年（29.3万亿日元）之后再创历史新高。在赚到的钱中，1～10月约有5万亿日元流回日本，推动了日元 买入。 从具体项目来看，日本的贸易收支截至2024年已连续4年出现逆差，2025年截至10月也出现1.5万亿日元 的逆差。日本的进口货款大多需要用美元支付，这成为日元贬值压力。 最严重的是服务收支。日本的数字收支截至10月出现5.6万亿日元逆差，另一方面旅游收支得益于访日 ...

以下文章来源于码农翻身 ，作者刘欣 码农翻身 . 一个技术和职场的宝藏博主 今天看到了Photoshop1.0的源码，有两个想不到： 1. 竟然没有用C语言，而是PASCAL。 2. 代码中几乎没啥注释。 托马斯和约翰是兄弟俩，小时候深受父亲的影响，有两个爱好： 1. 喜欢摄影，经常到地下室的暗房去学习冲洗照片。 仅有的一点儿注释也都是汇编相关的，不过没有注释根本不是问题，因为代码写得太清晰易懂了，添加注释反而会成为一种阻碍。 IBM Almaden 研究院的软件工程首席科学家，也是UML创始人之一的Grady Booch曾经研究过这个版本的代码，他说： Photoshop的 架构设计得非常精良，尤其是每种类型都抽象得如此出色，以至于带来令人惊叹的简洁实现。 Photoshop 第一个版本中建立的基本结构例如图块、滤镜、虚拟内存抽象在如今的Photoshop中依然存在，显示了抽象的强大生命力。 Grady Booch 说：这就是我渴望编写的代码！ 这样的代码是如何写出来的呢？ 今天我们来聊聊Photoshop的故事。 无心插柳 01 2. 计算机 两人被父亲带回家的那个外形奇特的盒子而深深吸引，这是一台App ...

公司计划将所得款项净额中，48%用于关键临床阶段管线候选药物的进一步临床研发提供资金；15%用 于开发新的生成式AI模型及相关的验证研究工作；12%用于进一步开发及扩展自动化实验室；20%将用 于为早期药物发现及开发的研发提供资金；5%将用作营运资金及其他一般公司用途。 本文源自：格隆汇 12月18日，英矽智能(3696.HK)今日起至下周二(23日)招股，发售9469.05万股H股，香港公开发售占 10%，其余为国际配售，每股招股价24.05港元，集资22.77亿港元。一手500股，入场费12146.27港元。 该股预期12月30日挂牌买卖。摩根士丹利、中金公司及广发证券为联席保荐人。 ...

榜单总体排名与格局 - 谷歌超越苹果位居2025年度“世界品牌500强”榜首，微软排名第二，苹果退居第三 [1] - 美国以184个品牌入选位居国家分布首位，法国、中国、日本和英国分别有51、50、40和34个品牌上榜 [1] - 中国有50个品牌入选，稳居全球第三，其中表现亮眼的品牌包括国家电网、腾讯、海尔、华润、中国五矿、中国南方电网、五粮液、保利、中国国航、长虹等 [1] 行业分布与新上榜/落榜情况 - 榜单覆盖50个行业，汽车与零件行业以33个品牌上榜排名第一 [1] - 能源、食品与饮料行业各有30个品牌上榜，并列第二 [1] - 银行行业有29个品牌上榜排名第四，零售、计算机与通讯行业各有27个品牌上榜并列第五 [1] - 今年新上榜品牌总计23个，其中包括宁德时代、中国联通和通鼎3个中国品牌 [1] - 美国的金宝汤、固特异、赫兹和日本邮政等企业因业务疲软、盈利下滑、出现重大决策失误或受外部冲击影响品牌声誉等原因落榜 [1] 品牌年龄特征与趋势 - 本年度上榜品牌的平均年龄为98.46岁，相比去年有所降低，主要由于科技行业快速发展带动了一批年轻品牌的迅速成长 [2] - 100岁及以上“百年老牌”达221个，占比超四成 [2] - 中国入选品牌中，茅台、青岛啤酒、五粮液、中国银行、友邦保险超越百龄 [2] 行业研讨与专家观点 - 在香港的发布会上，与会者就“从数据到智能：品牌与营销在 AI 时代的增长操作模型”进行了研讨 [2] - 欧洲工商管理学院讲座教授齐夫·卡门认为，人工智能正在迅速重塑品牌、营销和组织决策，但其对增长和收入的贡献仍然参差不齐 [2] - 世界品牌实验室创始人丁海森表示，生成式AI会为品牌创意带来双刃剑效应，而品牌作为当代文化符号的核心载体，需要人类判断注入独特价值 [2]