(资料图片仅供参考)工人师傅们正在紧张有序地将粮食从货车上卸下来,一袋袋金灿灿的玉米通过传送带被运送到列车车厢里。这里每5个师傅编成一个运输小队,两名师傅在高处负责将粮食卸车放到运输带上,另外三位师傅则在车厢里将粮食码好。据了解这一袋粮食有60公斤重,一辆货车上大约有30吨粮食,一个运输小队一天需要搬运四辆货车的粮食。
据了解,吉林省已经连续4年粮食总产量超过了800亿斤,今年的产量有望再创新高。从今年10月中旬开始,长春铁路物流中心就一直处于高位运输的状态。10月份以来,吉林省累计发送粮食400万吨,同比增长近50%,吉林省内88个粮食发运站、112条专用线“火力全开”,24小时连续作业。为确保粮食运输通道持续畅通高效,国铁沈阳局为重点粮食生产企业开辟绿色通道,优先保障粮食运输需求,提升全链条运转效率。
好的粮食离不开好的物流运输,扶余营业部地处京哈铁路干线,交通便利、四通八达。通过一幅简单的交通示意图来看,从扶余发出的粮食主要是通过两种方式,一种是纯铁路运输,从扶余站首发,向南过山海关到达北京、郑州,向南最远可以到达海口;在郑州向西南运往成都、昆明等地。另一种运输方式是铁海联运,从扶余向东南方向到达辽宁的营口港和大连港,在这里转乘海运送往长三角和珠三角地区。产自黄金玉米带的优质玉米就是这样被运送到全国各地。
粮食稳则天下安,一趟趟南行的粮车不仅运送着沉甸甸的粮食,更传递着丰收的幸福与喜悦,为全国粮食安全筑牢坚实屏障。
辽宁:营口港“铁海联运”开启加速度
在刚刚的直播连线中,记者提到秋粮运输有一种很重要的运输方式——铁海联运。位于辽宁营口的营口港是北方地区重要的粮食中转枢纽,此刻,这里的秋粮运输正在火热地进行当中,一起去看看。
营口港地处辽东半岛中部、渤海湾畔,这里是距离东北地区各主粮产区最近的出海口,粮食的中转量长期位居北方港口的首位。眼下,港口内用于散粮运输的铁路专线一片繁忙,从黑龙江、吉林、内蒙古东部等地满载着玉米、小麦等作物的粮食专列正在陆续进港。
专列上的粮食被卸到大型卡车上后,会被送往散粮码头区高耸林立的筒仓群内进行储存暂放,等待装船启航南下。这些筒仓内部都安装有温湿度监测、通风系统等智能设备,可以确保粮食的品质。
目前,每天平均都有近4万吨各类粮食经铁路和公路运送到这里。远道而来的玉米、小麦、大豆会通过与筒仓相连的专用自动化传送系统被送往粮食专用码头进行装船作业。运送粮食的传送系统采用密闭传送的方式,可以在整个过程中减少粮食的损耗和降低扬尘。
在营口港47号粮食专用码头的泊位上,由传送系统运送而来的玉米正被2台自动装船机源源不断地装入散粮货轮。在另一个泊位上,大型门机也将一辆辆有序排列等待的卡车上的玉米货箱吊装上船。
江苏:激活“黄金水道”新动能 打造运输新节点
位于江苏淮安的黄码港地处京杭运河和淮河入海水道交汇处,是大宗物资通江达海重要的内河水运节点,这里刚刚建成运营的黄码港产业园将成为秋粮运输的重要节点。
黄码港向北连接徐州港,向南通达扬州港等重要港口,港口配备了现代化数智水运物流平台,形成了“储贸加一体化”链条。
为了解决秋粮运输规模化存储的难题,今年黄码港建成了18座万吨浅圆仓,单仓存储量高达1万吨,是普通平房仓的3倍多。通过运用粮食仓储行业大数据和物联网技术,将粮食进出库、智能通风、内环流控温、智能安防等系统模块进行智能化集成,可与粮食专业码头实现自动化对接,让秋粮运输实现绿色高效周转。
同时,借助黄码港的“储贸加一体化”模式,来自全国各地的粮食可以通过智能仓储系统无缝运输到相邻的大米加工企业,实现“储加联动”零延迟。
走进这家企业的大米加工车间,各条全自动化生产线高速运转,清理、砻谷、碾米、抛光等步骤有序进行,加工好的大米经过全自动真空低氧包装机,再经打包称重、抽真空、金属探测等,装袋入箱输送到成品仓库,数台高大的码垛机器人灵活运行,将刚下线的一袋袋大米码放整齐,全自动化的设备既能提高加工过程的质量稳定性,也能实时监测加工过程,进一步保障大米加工质量。
标签: [db:关键词]
" title="“铁海联运”“黄金水道”按下秋粮运输“加速键” 为全国粮食安全筑牢坚实屏障" alt="“铁海联运”“黄金水道”按下秋粮运输“加速键” 为全国粮食安全筑牢坚实屏障" />90vs体育讯 北京时间12月6日,据体坛周报马德兴消息,中国男足国家队计划于本月17日晚在上海重新集结,然后在第二天即12月18日直接奔赴阿联酋阿布扎比,并在那里进行冬训,为明年1月13日开始的2023亚洲杯赛展开全面准备。这期间,中国队计划进行四场热身赛。
马德兴表示,鉴于此番亚洲杯赛在卡塔尔进行,为更好地适应当地的天气情况与场地条件,同时也更方便队伍安排热身,国家队此番的备战将不在国内展开,而是全程都安排在阿联酋的阿布扎比进行。所以,国家队在12月17日集中上海之后,当天晚上不会再安排任何训练,只是将召开一次简短的内部会议,进行出征前的动员以及随后在阿联酋期间的大致安排。在12月18日中午时分,球队将直接从上海出发奔赴阿联酋,并在阿联酋当地时间晚上抵达此番冬训的目的地。
按照扬科维奇的设想,国家队在阿联酋期间将进行四场热身赛,其中一场便是阿曼方面之前已经宣布是12月29日对阵阿曼国家队,这属于国际A级赛。而另一场热身赛,则目前尚未有明确的说法,但据称有可能是扬科维奇出面联系的印度国家队。
除了进行两场国际A级赛之外,中国队在阿联酋集训期间还将安排至少两场热身赛,对手未必是阿联酋当地的俱乐部球队,因为届时正处冬季,欧美诸多球队都将选择阿联酋作为冬训地点,为重启的赛事进行准备。所以,相对而言,国足寻找热身赛对手也就比较容易。在明年1月7日,国家队计划将从阿联酋转战多哈,为1月13日对阵塔吉克队的首场小组赛进行最后冲刺。
" title="国足17日集中备战亚洲杯 计划踢四场热身赛" alt="国足17日集中备战亚洲杯 计划踢四场热身赛" />
臻彩 灵魂莲华 伊芙琳 绽夜
兑换商店600碎片兑换

至臻 剪纸仙灵 卡西奥佩娅
兑换商店1000碎片兑换

以下臻彩可在臻彩红包中产出:
社会名流 乐芙兰 郁金香魅影

古琴余韵 娑娜 炫金天籁

以下是详细信息:
购买期限守卫皮肤可获赠华彩秘宝·召唤钻石,使用290颗秘宝钻石可以进行1次华彩秘宝·召唤开启机会,每次开启华彩秘宝·召唤100%掉落1款未解锁皮肤,同时掉落若干碎片,用以解锁额外珍稀奖励。
活动时间:2026年3月20日-4月19日23:59
华彩秘宝·召唤
【仅限1次】登录即送十连体验券
●首次十连抽将会优先使用十连体验券。查看结果后,召唤师可以选择使用2900颗秘宝钻石解锁所有奖励;或者跳过十连体验券奖励,继续进行后续秘宝开启
●每位召唤师参与活动默认进入【精选秘宝奖池】,进行1次开启秘宝将随机掉落1款皮肤(优先未解锁),同时掉落若干碎片
o 在召唤师绑定大区【精选秘宝奖池】全部已解锁的情况下,后续开启将进入【秘宝奖池】,随机掉落1款该奖池皮肤(优先未解锁),同时掉落若干碎片。
o在召唤师绑定大区【精选秘宝奖池】和【秘宝奖池】皮肤均已全部解锁的的情况下,后续开启将随机掉落【秘宝奖池】皮肤,召唤师可以选择将这些皮肤领取到其他大区,或分解为碎片。
●每次开启秘宝均有几率掉落【福袋】,【福袋】将默认开启并优先解锁福袋奖池1款未解锁皮肤。若福袋奖池道具全部解锁,福袋对应概率将缩放至其余奖池。
●开启秘宝及福袋获得的未解锁皮肤将默认发放到页面绑定大区,获得的已解锁皮肤将发放到页面背包,可选择发放到其他大区或分解。
●活动结束后未使用的华彩秘宝·召唤钻石将会清空,请召唤师注意使用时间。
秘宝概率如下:

碎片掉落概率如下:

●召唤师在华彩秘宝·召唤累计一定开启次数时可以获得额外奖励

十连体验券额外说明:
●十连体验券结果将同步开启臻彩红包奖励
●未解锁的十连体验券结果将会储存在页面“背包”tab中,召唤师可以随时使用2900颗秘宝钻石解锁。如果选择跳过十连体验券奖励,十连体验券结果中的道具仍可能在后续秘宝的开启中被解锁
●未解锁的十连体验券内的“福袋”在使用钻石解锁后才会开启,基于开启时刻的背包获取道具。如果此时福袋奖池已满,将获取1款已解锁道具,可以在页面背包内分解为碎片
●未解锁的十连体验券内臻彩红包奖励若在使用钻石获取前已解锁,则该臻彩皮肤将发放到页面背包中,可发放到其他大区但不可分解为碎片
●使用钻石获取十连体验券奖励时,未解锁的皮肤将直接发放到游戏中,已解锁的皮肤将发放到页面背包中并可分解为碎片或发放到其他大区
华彩秘宝·召唤碎片
华彩秘宝·召唤碎片是“秘宝活动”特殊产物,可用于兑换商店内的道具。碎片仅可用于本次【华彩秘宝·召唤】活动,活动结束后未兑换的碎片将清空。
华彩秘宝·召唤碎片获取方式:
1、 开启一次【秘宝】可获赠1次碎片掉落。
2、 若奖池全部已解锁,再次开启获得的皮肤可选择【分解】为华彩秘宝·召唤碎片,每个皮肤分解可获得10碎片。
秘宝商店
秘宝商店提供包含【点心宝贝 辛德拉 葡萄点心】、【灵魂莲华 伊芙琳 绽夜】、【至臻 剪纸仙灵 卡西奥佩娅】等皮肤的兑换。
兑换时间:2026年3月20日-4月19日23:59
优先未解锁机制
优先未解锁基于游戏背包,请及时领取道具。
注意事项:
臻彩需要配合拥有原皮肤才可使用,召唤师可根据拥有情况选择参与
" title="LOL英雄联盟华彩秘宝召唤活动限时开启!100%获取未解锁皮肤" alt="LOL英雄联盟华彩秘宝召唤活动限时开启!100%获取未解锁皮肤" />
保障内容:
1、身故或身体全残保险金
根据身故或全残时的年龄和交费情况,按以下规则给付:
18周岁前:已交保费与现金价值较大者;
18周岁后、交费期满前:已交保费 × 给付系数;
18周岁后、交费期满后:已交保费×给付系数、现金价值、基本保额×(1+1.75%)ⁿ⁻¹ 三者最大者。
给付系数:18-41周岁:160%;41-61周岁:140%;61周岁及以上:120%
2、特定公共交通工具意外伤害身故或全残保险金
若被保险人以乘客身份乘坐民航班机、客运轮船、客运汽车(含网约车)、客运列车期间遭受意外伤害,并在18周岁后、75周岁前身故或全残,除给付上述身故或全残保险金外,额外按基本保额的1.5倍给付,合同终止。
✅ 保额复利递增,身价逐年长
交费期满后,保额每年按1.75%复利增长,持有时间越长,保障水平越高,有效对冲通胀。
✅ 特定交通意外加倍赔,出行更安心
覆盖民航班机、客运轮船、客运汽车(含网约车)、客运列车,18-75周岁期间因特定交通意外身故或全残,额外赔付基本保额的1.5倍,给家人更充分的保障。
✅ 身故+全残双重守护
不仅给家人留保障,自己万一全残也能赔付,给付规则一致,双重安心。全残涵盖双目失明、四肢缺失、咀嚼吞咽机能丧失等严重情形。
✅ 红利交清增额,保障二次增长
红利可选择购买交清增额保险,新增保额继续参与分红,让保障和分红同步复利增长,长期持有收益更可观。
✅ 转换年金权益,养老灵活选
交费期满且生效满5年后,可申请将减保对应的现金价值或保险金转换成年金领取,满足养老资金需求。
✅ 减保+保单贷款,资金灵活周转
减保:每年最高可减生效保额的20%,领取对应现金价值,满足阶段性资金需求。若选择交清增额,减保时交清增额部分同比例减少。
保单贷款:最高可贷现金价值的80%,每次最长6个月,解决临时资金周转问题。
张先生,40周岁,为自己投保本产品,选择年交保费10万元,交费期10年,基本保险金额约80万元,红利领取方式选择“购买交清增额保险”。
保额递增:
交费期满后,保额每年按1.75%复利增长。
第11年保额约80万×1.0175≈81.4万元;
第30年保额约80万×1.0175²⁰≈113.2万元,身价随年龄复利增长。
特定交通意外保障:
若张先生在50周岁时乘坐网约车遭遇意外身故,受益人可获赔:
身故保险金:已交保费100万元×140%=140万元;
特定交通意外额外赔付:基本保额80万元×1.5=120万元;
合计260万元,实现高额传承。
红利增值:
每年红利购买交清增额保险,累积交清增额保额逐年增加。至60周岁时,累积交清增额保额假设约15万元,总有效保额达到约128.2万元,保障水平进一步提升。
转换年金:
张先生65周岁时,可将部分现金价值转换成年金保险,每年领取补充养老,活到老领到老。
资金灵活:
若60岁时需用钱,可申请减保领取现金价值,或申请保单贷款解决燃眉之急。
如果您对“新华盛世荣耀臻享版终身寿险(分红型):保额递增+特定交通加倍赔”感兴趣,或者有其他想要了解的,都可以点击“立即咨询”或者“免费获取方案”,会有客服小姐姐为您提供咨询服务!
声明:凡本网站注明“来源:沃保网”的文章,版权均属沃保网所有,如需转载,请先阅读《内容转载授权说明》,按照相关规定获得授权。未经授权,禁止转载、摘编,如有违反,追究法律责任;资讯内容中如有提及保险产品信息仅供参考,具体请以保险公司官方正式条款为准;" title="新华盛世荣耀臻享版终身寿险(分红型):保额递增+特定交通加倍赔" alt="新华盛世荣耀臻享版终身寿险(分红型):保额递增+特定交通加倍赔" />PChome 3月17日消息,自2021年推出Galaxy Z Fold3以来,三星大折叠手机的电池容量一直固定为4400mAh,续航方面只能依靠高能效的芯片以及系统优化来提升,但这种玄学的续航提升,显然是不被消费者认可的。
而有意思的是,2020年推出的Galaxy Fold2反而配备了更大的4500mAh电池。三星对电池容量的停滞不前,显然是相当不合理的做法。在原地踏步多年后,三星终于要对此做出改变。据最新传闻称,三星Galaxy Z Fold8将提升电池容量,只是增幅不算特大。

PChome获悉,三星Galaxy Z Fold8的电池容量将直接提升至5000mAh,与Galaxy S26 Ultra保持一致。即便如此,电量在2026年的手机市场也不算亮眼,不过与4400mAh的电池相比,已经提升了14%的电量,对三星来说已经是大升级了。
当然,5000mAh的电池并不是足额的,Galaxy Z Fold8采用双电芯设计(左右各一块),两块电池的额定容量分别为2369mAh和2485mAh,合计4854mAh,三星将会以5000mAh的典型容量进行宣传。
除此之外,三星在今年可能还将推出一款宽幅版的折叠屏手机,该机有着与苹果iPhone Fold相近的机身形态,从而可以对苹果进行直接竞争,这款手机的电池容量约为4900mAh。
" title="5000mAh电池 三星Galaxy Z Fold8终于升级续航" alt="5000mAh电池 三星Galaxy Z Fold8终于升级续航" />
线下的“共享衣橱”实体店
河南商报记者 邓万里/摄
河南商报记者 孙科
有人说,女人的衣橱里永远少一件衣服。但对于衣服,女人往往又非常善变,一件衣服穿过一段时间,就会被打入“冷宫”,再也无法得到重视。
如果有种服务能让你不买衣服,就能拥有包括成千上万件衣服的衣橱,但你需要与别人共享,你是否愿意尝试?在郑州,“共享衣橱”成了新趋势。
【故事】
她每年花费1万元
有了高大上的“共享衣橱”
个体商户张帆今年37岁,在郑州打拼多年。爱买衣服的她,去年年底成了郑州一家“共享衣橱”实体店的会员。“我自己本来就喜欢买衣服,每年这方面的花费在三四万元左右。”张帆说,由于工作的原因,她对衣服的品质要求不低。
“去年年底,在朋友的推荐下,我参观了一家‘共享衣橱’线下店面,感觉衣服种类多,而且质感也不错,就办了张会员卡。”张帆说,每年交1万元会费,能享受免费更换19套衣服的服务。
张帆表示,自己觉得还挺值。首先,这19套衣服一年内归还即可,基本维持了全年重要场合的穿搭。其次,“共享衣橱”里的衣服从高端礼服到休闲装,涵盖面很广,出席一些场合活动,或者准备去游玩,说出自己的需求,就会有专门的形象设计师帮忙搭配,节约了时间成本。最后,这家实体店里的衣服是自家原创的服装品牌,品质和款式也都不错。
最重要的是,作为实体店的会员,她“租”到的衣服都是全新的,不是“二手衣”。
【创业】
沾“共享”的光
“共享衣橱”有了众多会员
为张帆提供服务的这家公司,是郑州的一家“共享衣橱”,位于郑州市红专路金成时代广场附近的一幢写字楼内。日前,河南商报记者来到了这里。
谈起为何涉足该行业,该公司副总经理马萌说起了他们的创业史。
“其实,我们多年前就在郑州曼哈顿做女装品牌批发,但之后发展遭遇瓶颈期。”马萌说,随着淘宝等电子商务的发展,他们实体店的生意每况愈下,遭遇瓶颈。
为了更好地拓展业务,他们开始转型。
“2015年,我们开始做起了免费穿衣、会员制的服务,但当时了解这种理念的人不多,所以很快就经营不下去了。”马萌说。
“2017年,我们的总经理了解到不少女性都有‘衣橱里总少件衣服’的困扰,再加上‘共享’的概念被广泛接受,于是便想到了做‘共享衣橱’。2017年10月份,我们‘共享衣橱’线下店面正式成立。”她说。
马萌表示,如今,他们的发展势头很强劲,半年时间,已经覆盖了十几个城市,拥有了众多会员。
【模式】
颠覆了服装行业
传统的经营方式
人人穿新衣,怎能称得上共享?马萌说,除了有线下会员服务,他们马上就要推出线上的“共享衣橱”。
“线下会员根据所交年费不同(最高一年为5万元),每年享受免费换衣的次数和服务内容也有所不同。一般情况下,针对的是中高端消费群体。”
而线上会员的“共享衣橱”,则更重要的是让线下的服务“移植”到网上,让更多中低端消费群体也体验到“共享”带来的资源最大化价值。
例如,线上会员只需缴纳一定押金,掏很少的租金,即可享受穿衣服务。
据这家“共享衣橱”创始人、总经理张希铭介绍,他们的衣服一般都属于高端订制型的,不会盲目跟随潮流,因此,淘汰得也不会那么快。
“我们整合了设计师、工厂,拥有自己的生产链,打通了线下线上,既能服务社会高端女士,也能服务刚入职的都市白领,实现了资源的合理分配。另外,‘共享衣橱’也只是我们整个公司服务中的一个项目,我们其他的盈利点还有许多。”
【市场】
我国的服装市场
两年后将突破2万亿元
其实,“共享衣橱”虽然在郑州尚属首次出现,但放眼全国,早就有之。2016年,就有共享时装平台获得了1800万美元A轮融资,去年下半年,还有一家线上平台获得了5000万美元C轮融资,拿到该领域目前获得的最大单笔融资。
速途研究院2017年11月发表的报告显示,从全国服装市场规模数据来看,2016年,市场规模已经达到13559亿元,同比增长9.4%。预计在未来几年内,我国服装市场规模还将保持每年10%左右的增速,到2020年将突破20000亿元,巨大的服装市场空间为“共享衣橱”提供了肥沃的发展土壤。
而这,也是郑州这家“共享衣橱”发展的动力。张希铭说,他们这种线上覆盖中低端消费人群、线下覆盖中高端消费人群的模式,已经在全国11个城市拥有了加盟店,未来3~5年,将会形成30亿元左右的市场规模。
【声音】
有人担心衣服的卫生问题
有人觉得“共享衣橱”很方便
对于“共享衣橱”的出现,河南商报记者采访了多位市民,他们普遍觉得该方式不错,会进行尝试,但也有人提出了自己的担忧。
正方观点
市民郑女士:我太喜欢了,可以每天换新衣服,不要太棒。
@可爱多叶子燃在火山:这个非常好,我可以提前一周预订好自己要穿的衣服,每天不重样,而且胖了瘦了不合适了都可以解决。
@我选择吃书:表示对租衣服很感兴趣,因为每次买了好多衣服,超过一星期就不喜欢了。
反方观点
市民吕女士:“别人穿过的衣服,又被放到网上,我怎么能知道这衣服是否干净呢?衣服这种贴身的东西,还是自己的用着放心。”
市民王女士:“花万元办张会员卡,穿的是一些知名度不高的衣服,为何不自己掏几千元买一件呢?即便自己不会搭配,品牌店销售顾问可以帮忙搭配。”
市民杨女士:“女人买衣服,并不是单纯的买东西,而是看到了自己喜欢的东西,买到后属于自己的愉悦感,‘共享衣橱’并不能带来这种感觉。”
【专家】
“共享衣橱”是一种趋势
相关部门应进行监管
对于线上线下结合的“共享衣橱”,河南省服装行业协会秘书长张勋坦言,在本土市场他们了解的并不多,而且也没有发现做得特别成功的案例。“以前南方有这种模式,但可能是其他产品,他们更多的玩的不是产品,而是资金。”
张勋表示,关于服装类行业打造“共享”概念的情况,缺少顶层设计的话,生命力也不会太长,“服装产品本身是一种消费品,特别是对于高端服装,产品过季特别快,现在一个款式的流行,可能十天半个月就被淘汰了。”他说,只有商品资源足够多,才会吸引消费者,但如果商家花费大量的资金去储备商品资源,这又和会员消费不成正比,投入大于收益,利润点从哪里来?
不过,对于“共享衣橱”,张勋并不是完全悲观,他称,共享能节约社会资源,服装行业引入互联网的概念是未来的一个趋势,这有益于行业的整体发展。
张勋建议,除加强行业自律外,相关部门还可以牵头,出台一定的规则进行监管监督。
" title="每年1万元租19套衣服 “共享衣橱”成新趋势" alt="每年1万元租19套衣服 “共享衣橱”成新趋势" />90vs体育讯 北京时间12月6日,据体坛周报马德兴消息,中国男足国家队计划于本月17日晚在上海重新集结,然后在第二天即12月18日直接奔赴阿联酋阿布扎比,并在那里进行冬训,为明年1月13日开始的2023亚洲杯赛展开全面准备。这期间,中国队计划进行四场热身赛。
马德兴表示,鉴于此番亚洲杯赛在卡塔尔进行,为更好地适应当地的天气情况与场地条件,同时也更方便队伍安排热身,国家队此番的备战将不在国内展开,而是全程都安排在阿联酋的阿布扎比进行。所以,国家队在12月17日集中上海之后,当天晚上不会再安排任何训练,只是将召开一次简短的内部会议,进行出征前的动员以及随后在阿联酋期间的大致安排。在12月18日中午时分,球队将直接从上海出发奔赴阿联酋,并在阿联酋当地时间晚上抵达此番冬训的目的地。
按照扬科维奇的设想,国家队在阿联酋期间将进行四场热身赛,其中一场便是阿曼方面之前已经宣布是12月29日对阵阿曼国家队,这属于国际A级赛。而另一场热身赛,则目前尚未有明确的说法,但据称有可能是扬科维奇出面联系的印度国家队。
除了进行两场国际A级赛之外,中国队在阿联酋集训期间还将安排至少两场热身赛,对手未必是阿联酋当地的俱乐部球队,因为届时正处冬季,欧美诸多球队都将选择阿联酋作为冬训地点,为重启的赛事进行准备。所以,相对而言,国足寻找热身赛对手也就比较容易。在明年1月7日,国家队计划将从阿联酋转战多哈,为1月13日对阵塔吉克队的首场小组赛进行最后冲刺。
" title="国足17日集中备战亚洲杯 计划踢四场热身赛" alt="国足17日集中备战亚洲杯 计划踢四场热身赛" />
我的咸鱼卡组卡牌对战卡牌放置策略卡牌在我的咸鱼卡组游戏中,玩家们可以搭配各种不同的玩法和流派,其中部分新手玩家不知道地精初始队应该如何搭配,下面就为大家带来我的咸鱼卡组游戏中地精初始队的玩法搭配分享,有需要的玩家可以参考。
我的咸鱼卡组地精初始队玩法
阵容搭配:
英雄-国王之手小恶魔

士兵-地精狙击手

士兵-地精刺客

士兵-独眼巨人

阵容特点:
击杀效率高,地精+黑石堡的两套增益模式叠加,爆发力极强。

PChome 3月17日消息,自2021年推出Galaxy Z Fold3以来,三星大折叠手机的电池容量一直固定为4400mAh,续航方面只能依靠高能效的芯片以及系统优化来提升,但这种玄学的续航提升,显然是不被消费者认可的。
而有意思的是,2020年推出的Galaxy Fold2反而配备了更大的4500mAh电池。三星对电池容量的停滞不前,显然是相当不合理的做法。在原地踏步多年后,三星终于要对此做出改变。据最新传闻称,三星Galaxy Z Fold8将提升电池容量,只是增幅不算特大。

PChome获悉,三星Galaxy Z Fold8的电池容量将直接提升至5000mAh,与Galaxy S26 Ultra保持一致。即便如此,电量在2026年的手机市场也不算亮眼,不过与4400mAh的电池相比,已经提升了14%的电量,对三星来说已经是大升级了。
当然,5000mAh的电池并不是足额的,Galaxy Z Fold8采用双电芯设计(左右各一块),两块电池的额定容量分别为2369mAh和2485mAh,合计4854mAh,三星将会以5000mAh的典型容量进行宣传。
除此之外,三星在今年可能还将推出一款宽幅版的折叠屏手机,该机有着与苹果iPhone Fold相近的机身形态,从而可以对苹果进行直接竞争,这款手机的电池容量约为4900mAh。
" title="5000mAh电池 三星Galaxy Z Fold8终于升级续航" alt="5000mAh电池 三星Galaxy Z Fold8终于升级续航" />
2026年中国国际数字娱乐产业大会(CDEC)为期2天,共设CDEC高峰论坛、全球游戏产业大会、ChinaJoy AI未来生态大会、ChinaJoy短剧创新论坛、数字娱乐消费场景峰会及同期合作大会等多场会议。

CDEC高峰论坛
智绘万象·灵光涌现
以“智绘万象·灵光涌现”为主题,本届大会围绕原创基因的深度激活与数智能量的全面释放两大维度展开探讨,聚焦数字娱乐产业在技术变革期的内容本源回归与生态协同重构。在全球化与智能技术双重驱动的时代节点,大会旨在探索如何以人类创意为源点,以AI等前沿技术为引擎,推动产业从规模增长迈向质量引领,实现文化与科技的深度融合与跨越式发展。
大会通过“主题演讲+圆桌Panel”形式,深度解析两大核心板块:
【激活原创基因·引领产业升级】
锚定内容本源与产业发展根基,深挖数字娱乐产业的原创内核,系统探讨原创基因的挖掘、培育与转化路径,推动产业从规模增长迈向质量引领,为数字娱乐产业高质量发展筑牢内容根基,持续激活行业创新活力。
【释放数智能量·构建共生体系】
聚焦AI、大数据等前沿数智技术在娱乐内容创作、生产、运营、营销、出海全链路的深度融合,探讨技术如何赋能创意升级、降本增效、重塑产业流程,推动构建开放协同、高效可持续的全球数字娱乐产业共生生态。
大会以内容原创力与想象力为核心本源,以数智技术全产业链赋能为发展动力,以全球化产业协同与文化融合为价值方向,链接全球行业伙伴,共探数字娱乐产业创新发展新路径,携手绘就开放、高效、沉浸的全球数字娱乐产业宏大图景。
ChinaJoy
短剧创新论坛
剧AI·让每一帧都是世界语言
以“剧AI·让每一帧都是世界语言”为主题,本届ChinaJoy短剧创新论坛围绕AI技术驱动短剧行业提质升级、商业变现创新与全球化爆款打造三大维度展开讨论,深度聚焦AI在短剧创作全流程的融合应用,探讨短剧精品化发展路径,企业商业变现新模式,以及兼具文化底蕴与全球适配性的爆款短剧实践,共同探索短剧行业高质量发展与全球化布局的新路径。
论坛通过“主题演讲+圆桌Panel”形式,深度解析两大核心板块,汇聚行业精英、头部创作者与资深从业者,碰撞思想火花、分享实战经验,助力短剧行业突破发展瓶颈、抢占全球市场先机:
【生态进化:AI推动短剧行业提质】
AI技术的迭代升级为短剧行业注入动能。以技术创新为引领、内容精品化为核心、业态创新为支撑,将AI技术深度渗透到短剧创作全流程,推动行业从“流量内卷”向“精品提质”转型。催生新的创意表达、呈现形式和创作生态,引领行业迈入“低门槛、高产能、精品化”的新阶段。
【生态破局:商业变现新通路与全球化爆款实战】
随着短剧行业规模持续扩容、出海浪潮持续升温,商业变现与全球化布局已成为行业破局发展的关键。本板块聚焦短剧商业变现新通路,深入探讨品牌植入、IP衍生和海外拓展等多元落地路径,分享全球化爆款短剧的本土化创作和渠道运营实战经验,依托AI技术的跨文化适配能力,推动短剧打破语言与文化壁垒,实现“中国经验”与“全球适配”的融合,让每一帧都成为连接世界的语言。
数字娱乐
消费场景峰会
洞见新场景,共创新增长
当数字世界与物理空间深度融合,当消费行为从功能满足跃迁为体验追求,2026数字娱乐消费场景峰会以“洞见新场景,共创新增长”为核心理念,汇聚全球顶尖消费品牌、科技巨头与内容创作者,共同探索数字娱乐如何重构人、货、场的连接逻辑。
大会聚焦“生态协同、技术赋能、消费新势力”三大战略维度,在数实融合的时代浪潮中,解锁数字娱乐消费的新动能与新增量。
【生态协同与价值共创】
数字娱乐消费正从孤立的产品交易转向“硬件+内容+空间”的生态化运营,本板块聚焦沉浸式硬件与消费场景的融合创新、IP资产的跨场景流转与共创模式,以及平台矩阵的多元化生态构建。当硬件成为内容的入口,当IP突破屏幕的边界,当平台连接多元场景,我们见证的不是渠道的替代,而是价值网络的重新编织与共生共赢。
【技术赋能与场景革新】
前沿技术正在重新定义数字消费的感知边界与交互方式,本板块深度解析空间计算与沉浸式体验的消费级落地、数字李生技术对智慧娱乐场景的赋能,以及云游戏与互动内容驱动的场景创新。当AR/VR融入日常消费,当数字孪生镜像物理世界,当云游戏打破终端限制,技术不再是冰冷的参数,而是无缝流淌的体验本身。
【消费新势力:社交、体验与商业化】
新一代消费者正在用社交重新定义发现,用体验重新定义价值,用会员重新定义忠诚。本板块聚焦社交娱乐驱动的消费闭环构建、沉浸式体验业态的商业化探索,以及会员经济与数字消费忠诚度体系的创新实践。当内容即社交、当体验即产品、当忠诚即资产,数字娱乐消费正在完成从“交易“到“关系“的范式跃迁。
ChinaJoy
AI未来生态大会
万物有灵
当技术突破奇点,当智能渗透万物,2026ChinaJoy AI未来生态大会以“万物有灵”为核心理念,汇聚全球顶尖科技领袖、产业先锋与学术智者,共同探索人工智能从“工具智能”迈向“生态智能”的文明跃迁。大会聚焦“智造引擎、未来生态、场景跃迁”三大战略维度,在技术与人文的交汇点,重构数字内容产业的底层逻辑与价值坐标。大会通过“主题演讲+圆桌Panel”形式,深度解析三大核心板块:
【智造引擎:AI驱动的内容生产与工业化】
板块话题将呈现成熟、可落地的全管线AI工具链与工业化工作流,展示从底层模型精调到3D资产生成、从智能数据管理到行业级AI中台的完整技术闭环。当大模型遇见垂直场景,当生成式AI融入生产管线,我们见证的不是创意的消亡,而是创意民主化的黎明。
【未来生态:AI硬件、软件与前沿科技融合】
聚焦下一代AI硬件入口、AI Agent与低代码平台的技术演进,同时前瞻量子计算、商业航天、智能能源、机器人等前沿科技与AI的深度融合。当软件定义生产力,当硬件承载智能体,一个万物互联、自主协同的智能生态正在破土而出。
【场景跃迁:智能交互与沉浸式体验技术】
世界模型正在重构人类认知现实的方式,空间计算正在消弭物理与数字的边界。本板块深度解析世界模型构建、仿真引擎进化、轻量化AR生态与智能体交互技术的商业化路径,探索AI驱动的沉浸式体验如何从概念验证走向消费级爆发。当AI拥有“视觉”、当空间具备“智能”,人机交互的范式革命已悄然降临。
大会以智造引擎重塑生产范式、未来生态定义技术边界、场景跃迁开启体验革命为三大支点,突破从内容工业化到生态智能化的层层壁垒,推动行业从规则适配者蜕变为范式定义者,在万物有灵的时代锚定人机共生的新文明坐标。
全球游戏产业大会
世界万千 游此相见
2026年的游戏世界,边界正在以前所未有的速度消融与重构。而PC与主机端则迎来了新一轮的爆发增长。中国游戏出海规模再创新高,这是一个技术爆炸、品类融合、文化共生的“万千”时代,我们比任何时候都更需要“相见”。于技术而言,“相见”意味着智能共创的全新范式。于产业而言,“相见”意味着全球生态的深度融合。于人文而言,“相见”是情感的共鸣。本次大会不仅是一场行业的盛会,更是一次全球游戏人的“团圆”,我们将在这里,以游戏为媒,在万千世界的交汇点,共绘未来的蓝图。
大会通过“主题演讲+圆桌Panel”形式,深度解析两大核心板块:
【创力无限·刷新内容边界】
作为大会的核心板块之一,紧扣当下产业高质量发展主线,深度呼应AI技术革新、内容形态多元创新并行的行业热点,精准锚定全球游戏内容创作的未来方向。以创意为魂、以技术为翼,全球创作者正突破内容形态、题材表达、体验模式的固有边界,推动游戏内容产业从“数量爆发”向“质量跃升”转型,携手共建全球游戏内容创新的全新生态。
【无界增长·链接全域价值】
游戏产业增长逻辑已从“单点突破”转向“全域协同”,以技术为底座、内容为纽带、生态为载体,打通研发价值、用户价值、商业价值的闭环。从单一产品营收,转向IP全域运营、订阅制、广告、等多元变现;从流量争夺,转向用户全生命周期经营;从娱乐消费,转向数字经济的超级连接器。以全域协同释放产业潜能,与全球伙伴共探增长新逻辑,共筑可持续、全球化、高价值的游戏新未来。
CDEC历经22载积淀,已成为全球数字娱乐产业的风向标。2026年大会将延续“权威性、前瞻性、国际化”基因,汇聚海内外5000+专业听众,覆盖游戏、影视、AIGC等全生态领域,全景呈现技术革新、政策导向与市场机遇。
议题征集与参与邀请
ChinaJoy组委会正式启动2026年CDEC系列峰会议题征集,诚邀全球业界精英自荐加入2026年CDEC大会演讲嘉宾阵容。欢迎大家扫描下方积极参与 CDEC 议题征集,提交您感兴趣的热点议题,同时我们也欢迎各位行业精英踊跃自荐,成为我们今年大会的演讲人。

扫描下方二维码,加入“2026 CDEC大会交流群”。

未来,数字娱乐产业将持续引领全球文化消费浪潮。2026 CDEC系列峰会将以更高规格、更广视野,为产业搭建跨界融合、资源互通的高端平台,推动中国数字娱乐生态走向世界舞台。
" title="2026中国国际数字娱乐产业大会(CDEC)系列峰会揭晓,同步开启议题征集" alt="2026中国国际数字娱乐产业大会(CDEC)系列峰会揭晓,同步开启议题征集" />
在OpenClaw火热到频频登上头条的那几天,有分析师在行业群里沮丧发言,“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。”
近期流传甚广的Anthropic报告也显示,“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域,财务和投资分析师的实际暴露度已达57.2%。
但在这样一个容易被AI渗透的领域,进门CEO程建辉告诉我们:
现实市场并非100%有效,会存在信息孤岛、小样本信息,也会存在传播延迟和解读效率的问题。AI无法吃掉所有信息,也不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会,分析师的机会。
主攻AI投研的进门(深圳进门财经科技股份有限公司),成立于2013年,目前已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者。2023年获得腾讯战投后,全面升级为「机构AI投研工作台」。
2025年至今,进门超级投研智能体“AI进宝”,已从AI投研助手,进化为能“干活”的AI数字研究员。通过12个Agent、投研大脑和近期上线的投研龙虾,帮助用户处理投研场景的高频任务,并不断捕捉投资信号。
“没想到大家的热情这么高。” 程建辉声音沙哑地说道。自从“进门投研龙虾”上线,他就穿梭在各场路演中,他感受到,券商分析师、投资者们对于AI能真正“干活”这件事,充满了前所未有的好奇与期待。
在AI投研这件事上,进门的商业逻辑比较“特别”——以沟通为基础,试图构建上市公司、券商研究所、专业投资者三大群体的闭环生态,做深专业智能投研。过去两年,进门不断闭环投研沟通场景,并帮助投研用户提效降噪、挖掘信号、用AI自动化处理各类繁琐的任务。
通过AI工具矩阵,帮助用户提高信息处理的效率和信息获取的密度:AI转写、AI会议托管,AI翻译、AI录音,甚至做了自家的录音智能硬件,将触角延伸到线下。
深耕沟通场景的同时,程建辉发现,AI没办法突破信息孤岛和小样本问题,像顶级分析师、研究员那样,听懂真实世界沟通的“弦外之音”,给出非共识性的判断。
他认为,专业 AI 让共识性信息实现了平权普惠,正在不断提升普通投资者的投资能力下限,“直白点说,过去老是被割韭菜,往后割韭菜也没那么容易了。”
进门的样本,实际指向了这样一个思考:比起“替代多少人力”,人类的价值是否重新得到肯定、得到聚焦,或许才是AI真正的价值所在。
以下是雷峰网与程建辉的对话,有不改变原意的编辑:
雷峰网:现在一些分析师用OpenClaw做投研,进门目前也接入了OpenClaw。其实OpenClaw、Manus这些相对通用的AI,声量是更高一些的,您怎么看它们和进门的竞合关系?
程建辉:进门是聚焦于金融投研领域的AI产品,不管在场景、数据、工具,还是对行业know-how的认知上,都会比其他通用AI要好。
当然,Manus、OpenClaw等产品给了我们很多启发。我们很早就在系统思考AI如何解决投研场景的问题,充分发挥AI的“思考”与“执行”双重能力。
Manus这类产品的方向是,从会话模式向“帮用户完成特定任务”转变,感觉挺有意思。但任务执行的完整度不够好。OpenClaw的诞生,标志着AI从“对话脑”进化出了“干活的手”。
我们很兴奋,一直在观察,春节也没休假,加班夯实底层基础工作。不过,早期的OpenClaw 比较脆弱,升级、开关机、处理任务时经常报错。操作繁琐,门槛很高,所以最开始只有极客用户在使用。迭代了几个版本后,成熟度比以前高很多,我们才感觉时机成熟,于是推出了自己的“投研龙虾”。
进门投研龙虾采用云端部署的方式,对OpenClaw进行封装、改良,让用户能够拿来即用。这极大地降低了使用门槛,让用户不用再费心折腾底层系统基建,把全部精力都放在完成核心任务上。
雷峰网:真正实现AI在投研领域的自动化有哪些难点?
程建辉:要解决多样化的问题。基于同样的事实和数据,各人看法不一。因此,光靠模型远远不够,还要涵盖不同群体的思维范式。
AI进宝的任务模式(即投研龙虾),以及对话模式下的投研大脑,都能有效解决这个问题。
投研龙虾能够将Agent的能力原子化,让用户根据自身需求,灵活组合、定制,实现个性化工作流的搭建。会话模式中的投研大脑,支持用户自定义创建思维链,或让系统自行拆解优秀研究范本中的方法论,比如可以拆解芒格、巴菲特的著作中蕴含的投资心得。
当然,会话模式的能力不止于此。2025年,我们上线了12款Agent,包括业绩点评、观点对比等等,在这个模式下,进宝就能够自由发挥,用预训练时候形成的思维链来回答问题。
但用户的新想法、新要求源源不断,不可能无限满足,所以才有了投研大脑和“龙虾”任务模式。(雷峰网近期将持续关注投研等AI Agent实际应用案例,欢迎添加作者微信 LorraineSummer 交流)
雷峰网:可以说通用AI对进门没有太大威胁?
程建辉:我们在数据基座、专业逻辑、安全风控、工作流与决策闭环上,拥有通用AI无法替代的垂直壁垒。通用类AI缺乏权威金融数据源、不懂投研范式,也难以深度嵌入投研全流程,无法替代专业投研AI的核心价值。
而生产力级别投研AI,对数据准确度、颗粒度要求都很高,一般市场产品做不到。很多网络分享,号称利用模型抓信息形成研报、自己炒股挣钱,在我理解都是Demo级别、玩具级别的东西,距离生产力级别还很远,这是民品和军品的区别。
Demo级别的投研AI大家都能玩,但真正做到生产力级别,你要相信市场上最专业的那群机构投资者的选择和判断,这是世界上最聪明的一群人。我们目前也和南方基金、鹏华基金、平安基金、招商基金等头部公募达成了深度合作。
雷峰网:说到投研领域,大家更熟悉的可能还是万得、东财、同花顺。进门和这些老牌金融信息厂商的最大差异是什么?
程建辉:他们主要做过程交付,而我们做结果交付;他们的产品设计以人为中心,但我们是AI原生产品,设计上主要考虑如何让AI以更智能、更自然的方式服务于人。
什么是过程交付呢?举个例子,老牌厂商把交易所的公告,处理成数据表,这个过程就像把胡萝卜从地里拔回来,洗干净切好放着。
但进门做的是端到端交付,直接给出结果,一步到位。像西红柿鸡蛋这类简单的菜,机器人直接炒好了;复杂的、需要高超手艺的,才留给大厨去做。
当然,现在AI还有幻觉问题,理解数据不够准,所以要通过大量工程方法去解决。但在技术趋势上,“端到端”一定会比传统“过程交付”做得好。
雷峰网:AI幻觉给投研带来的挑战应该是非常大的。
程建辉:是的,所以要做好数据治理。在我看来,投资的本质其实就两层:第一层是数据治理,第二层是信号捕捉。
数据治理,就是要利用大量工程方法,对原始数据进行处理。就算最顶级的模型,要减少幻觉,保证结果可靠演进,也要基于治理后的高质量数据。
不管是人还是模型,都要在数据干净的基础上,去挖掘信号,获得洞察。
对于我们来说,主要治理两大类数据。一是从沟通场景沉淀的路演、调研等动态信息,这些信息比静态的公告更及时、全面;二是外购的财报、行业、宏观、行情因子等数据。
通过治理和结构化表达,我们推出了《进门内参》(一日三更的投研日报)、事件信号等能力,帮助用户更快、更精确地捕捉信号。
雷峰网:互联网上本来也有很多真伪难辨的信息,数据治理很难做,AI采纳这些信息之后给出的回答,质量不会太理想。进门怎么防范这种风险?
程建辉:AI会遭遇“数据投毒”问题,今年3·15晚会也提到了这点。有人为GEO批量制造数据,诱导模型抓取;有人在纪要中刻意夹杂私货,通过“小作文”扰乱市场——这些有毒信息,会侵蚀决策的准确性。
为了防范这种风险,我们一直在做数据溯源、数据准确性校验与底层数据治理体系建设。二是不断累积最真实、最原始的一手信息,包括上市公司、分析师在进门的会议。从源头有效规避数据投毒风险。
雷峰网:涉足AI投研的技术厂商不少,但像进门这样从“开会”起家的不多见。为什么最初会选择“沟通场景”来做?
程建辉:在金融领域,沟通是仅次于行情和交易之后,最高频的场景。其次,沟通场景是一个天然的信息富矿,是存在信息差的地方。第三,现在股价对信息的反馈速度非常快。相比于其他交流形态,沟通是一个效率最高的形式。
另外,沟通场景有天然的双边市场效应,分析师开会、上市公司路演,都会吸引投资者,场景自带流量。三个群体形成生态,自然会沉淀大量内容和数据。大家在市场上看到的券商研究路演海报、上市公司路演海报、业绩说明会信息,背后基本都是进门在支撑。
我创业的时候是2013年是,移动互联网元年,路演还在用“八爪鱼”那种有点“古老”的机器,我觉得这里面是有机会的。
雷峰网:进门切入AI,可以说是从会议转写这些做起。
程建辉:会议是天然的信息富矿,做好会议内容的转写,是形成完整的数据、应用闭环的核心。丰富干净的数据底座,也是模型进行文本理解、信息提取、投研分析的关键。
但早期处理会议音视频信息,成本非常高。邀请速记员做一场会议的录音转写,大概需要400元左右的费用。我们算过一笔账,想把历史积累的几十万个小时录音都处理一遍,得上亿成本。
AI来了之后,能实现极致的降本增效。路演、调研等音视频转写,是投研高需求场景。语音识别(ASR)也是AI领域最早实现工程化落地的成熟技术。所以,我们把会议转写作为首要切入的场景之一。
外界一直误解进门是个开会平台。其实路演只是“抓手”,真正的目标是用它构建生态,深度服务投资者。
围绕上市公司,我们做了IR(投资者关系) SaaS系统;围绕券商研究所,推出了全场景统一研究系统,涵盖了会议安排、调研活动、客户管理、员工管理、合规管理、数据统计分析等。面向专业投资者,我们则打造了AI投研工作台。
雷峰网:这些服务听起来都是围绕“会议”这个场景展开的。但现在的会议工具已经很多了,进门做的和别人有什么不一样?
程建辉:最大的不同在于,进门不是一个通用的会议连接工具,而是一个垂直于金融领域的AI投研入口。
普通工具解决的是“怎么开好会”——音视频流畅、共享清晰;进门是在这个基础上,解决“开完会留下了什么”以及“如何让会议服务于投资决策”。
我们在投研会议的全流程嵌入AI:会前自动梳理相关研报与数据,会中可随时向AI提问获取背景,AI无法解答时再举手与分析师或高管直接交流;会后通过调优后的金融转写模型,自动生成带思维导图的纪要、提炼章节,并提取问答环节的财务指标,方便用户复盘研究。
腾讯战投后,我们与腾讯会议实现互联互通,客户可以在进门、腾讯会议多端接入,拥有轻量化的会议体验。
另外,我们推出了AI会议托管,将Zoom、腾讯会议等链接丢给机器人,即可自动录制并生成纪要。这些纪要都会沉淀在用户云文档里,成为个人数据资产。
音频转写同样经过金融模型深度调教,在人名、术语、数字上达到专业投资者所需的高准确率。简言之,别的工具是把线下会议搬到线上,而进门是把每一次会议变成一次数据价值挖掘的过程。
雷峰网(公众号:雷峰网):据说你们还做了会议录音的智能硬件?这在金融Agent厂商身上似乎不太常见。这两年Plaud很火,进门的录音硬件和Plaud那类产品有什么本质区别?
程建辉:录音硬件(Finnote AI小饼干录音机)是进门生态的一部分。主要目标是补齐线下沟通场景,解决手机录音质量不佳、容易被打断、待机时间有限的问题,同时在录音结束自动处理数据。
上市公司每天迎来送往十几波投资者,聊完还得一个个翻录音、对名片,根本搞不清谁是谁。
2025年初产生了这个想法,年中立项,10月份发货,一个季度就出来了。我们找了硬件厂家ODM,软件全部是我们自己做的,一起设计,他们把我们的想法实现。现在市场反响很热烈,客户特别喜欢。
雷峰网:AI+投研通常让人想到量化选股或智能研报,投资者关系这个细分赛道相对不那么常见。进门投入精力做IR SaaS,具体解决什么问题?
程建辉:解决三个具体问题。一是建立与买方市场的沟通桥梁,给上市公司做IR网站、管理私有数据;二是通过平台用户行为分析,帮助上市公司挖掘潜在投资人——比如谁看过你的公告、谁参加过你的会;三是打通沟通行为和股东数据,追踪“谁最终买了股票”这个核心转化指标。
以前上市公司IR(投资者关系)是个糊涂账,每天迎来送往很多投资人,聊完搞不清楚谁是谁、聊了什么。我们实现从会议管理、重点投资人筛选、投关资料库、投关报告与股东分析等全流程数字化。这个系统在国内是首创,年收入数千万,已经有1000多家付费客户。
雷峰网:行业里一些投研AI还是以基本面、资金面、诊股选股这样的场景切入,进门对AI的设计思路是怎么考虑的?
程建辉:研究的本质是基于事实和数据,加上思维链推导,最后得出观点。所以我们的设计思路是,通过数据治理和信号涌现这两层,给用户做结果交付。
这个过程中有个问题:现在很多人只关注观点,其他东西都被忽略掉了,比如思维链。AI只能靠自身的涌现能力给你回答,但研究员在实际投研工作中,有很多自己的想法,对于同一个事实数据会得出不同的结论。
进门投研大脑,支持用户创建自己的思维链,在这个基础上调用垂域Multi-agent。你可以把自己的研究方法论表达出来,比如你怎么研究周期股,把整个逻辑思维链写清楚,存进去。以后再问AI相关问题时,它就会调用你那个周期股的研究框架。
还可以让AI从研报里提取思维链,提取完研究员可以在上面再改,根据自己的想法调整怎么看这家公司。调整完马上可以用模型测评打分。我们用模型交叉打分,看这个思维链到底好不好。
可以理解成,Prompt加上SOP流程,再加上底层数据调用。你的需求、方法论、工作经验越具体,反馈效果就越好。
AI的回答总是有点“骑墙派”的意思,我们希望用户能很轻松简单地去分析,去得出自己独有的结论。
雷峰网:进门的AI工具已经很全面了,资料扔进去套用旧研报的思维链,出来的又是新的研报,这个时候人类分析师的价值是什么?
程建辉:那就没有价值了呀(笑)。AI确实在某些能力上比人厉害,但现阶段,AI的思维能力还不及顶级人类投资者。AI本质上是用函数模拟世界,做统计学上的概率猜测,表现好了我们叫它“涌现”,表现不好叫“幻觉”。
工业革命让脑力劳动者成为主流,AI时代里,普通脑力劳动者也会被替代。会议纪要、简单总结、PPT制作这些例行工作,交给AI又快又好,如果水平较低的分析师能力就停留在做这些工作上,那确实有被替代的风险。但懂得思考、提问,懂得去跟AI交互的人,肯定更有价值。有想法的人,总是稀缺的。
雷峰网:但毕竟不是每个人都是顶级分析师。
程建辉:恰恰因为很多人不是顶级分析师、专业研究员,思维链这个功能反而能帮他们提升上限。
其实每个人每天都在做研究工作——脑子里想问题,想把一件事研究清楚,这就是研究。只是有的人方法论成熟,有的人没那么系统。思维链这个东西,就是把你的思考过程结构化、表达出来。
我们希望通过这个形态,让大家生产出不同的思维链。这些思维链可以私有,自己用;也可以贡献出来,给别人参考。
未来高水平研究人员的思维链,可以被付费订阅。比如一个很牛的分析师,他研究周期股的方法论写成了思维链,或许平台可以帮他分发变现,别人花199块钱就能订阅使用。
中国有2亿股民、7亿基民,这些专业AI能力能把普通投资者的能力提升到一个新台阶,直白点说,至少不会那么容易被割韭菜了。
雷峰网:AI能替代人类分析师的部分很明确了,不能被替代的部分是什么?比如某些分析师对市场的“直觉”?
程建辉:现实市场并非100%有效,会存在信息孤岛、小样本信息,也会存在传播延迟和解读效率的问题,AI无法吃掉所有信息。AI不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会,分析师的机会。
尤金·法玛的有效市场理论,讲的是如果股价真的反映所有信息,价格和价值应该完全一致。但事实上,市场没有我们想象得那么“聪明”。如果真的有一天,AI真的能吃进去所有的信息,成本和代价会非常巨大,再用它来解决投研问题,已经不划算了。
雷峰网:思维链可以这样“传播”出去,会不会像量化投资那样导致“信号拥挤”,策略失效?
程建辉:不会。因为市场能形成交易,就是因为有不一样的想法。即使事实和数据都很明确,仍然有人看多,有人看空。
如果全部看多或全部看空,就没有交易了,没有对手盘。单边行情即使短暂出现,拉长看也会回到相对均衡的状态。最终还是看价格,多少价格才算是“好”?
这里没有绝对的答案。
雷峰网:AI时代可以卖的不光是信息,更可以卖方法论、卖知识框架。
程建辉:思维方式、方法论都是可以共享和商业化的。比如,我在进门笔记里的思维链,可以分享给好朋友、重要客户。他调用AI的时候,既可以调底层数据,又能调我的思维链,以及他自己的思考方法。
AI时代的很多内容和产品交互结构不是给人看的,是给AI看的。过去SaaS软件做的都是复杂图形界面,给人点击、给人看,现在不需要那么多图形界面,年前硅谷SaaS那波下跌行情和这个也有关系。
雷峰网:这是不是意味着,在AI时代,设计逻辑已经完全改变了,软件的首要用户不人类,而是AI本身?
程建辉:未来的趋势是人机协同,AI会是首要执行者,但人类仍然要掌控判断、创意、关键决策。人只需要把思维链(思考方法)表达出来,剩下的让AI去组合、去执行。
所以,软件的设计逻辑,要从人类交互优先,转向AI原生能力优先,不管是底层架构、数据接口,还是执行流程,首要适配AI Agent的自动化调用,而非人类手动操作。
现在AI新名词特别多,Function call、MCP Server、Sub Agent什么的,本质上都是在解决Agent与工具的交互问题。我们希望给AI大脑思考的能力,再加上人类的思维表达能力。
雷峰网:从“给人看”到“给AI看”,软件的范式转移会不会遇到阻力?
程建辉:很多人确实还停留在过去软件使用的图形界面思维范式里。但实际上已经在往AI帮干活、对话式交互的方向变化。
比如纪要、研报,其实都不需要表达出来给人看,直接AI读、理解、输出就完了。但金融行业的一些用户,使用习惯确实没那么容易改变,比如网络通话更好,有些人还是喜欢打电话,所以我们还留了一点“尾巴”,让习惯图形界面的用户还能用,但希望逐步全部收到AI的对话框里处理,只留几个Tab。
雷峰网:大模型这股热潮出现之前,已经有AI+投研/投顾的技术方案了,现在进门做的事情,还可以怎么进一步帮助人类做判断、提高决策效率?
程建辉:先用量化投资的事件回测,验证驱动信号(如供给侧变化),比如历史上类似情况股价怎么走,是真有效还是假有效。再结合基本面与专业投研信息,输出多空判断、驱动类型、关联个股,实现市场信号的快速捕捉。
现在信息太多了。好在AI的信息吞吐能力很强,第一时间获得信息,几十秒或一分钟内处理完,涌现信号。
但在过去,一个事件发生,分析师马上组织专家会议讨论、形成观点,这个过程至少几小时,甚至几天,整个流程非常低效。
雷峰网:要实现这个功能,底层听起来非常复杂。
程建辉:处理海量信息、识别和理解事件信号,工程难度很高。要让AI像顶级分析师那样思考问题,同时要保证底层数据干净、真实。
我们做了很多底层的创新,比如AI进宝的架构,上下文感知与意图对齐、异构信息动态检索、递归式假设验证,不是简单的React那种方式。
雷峰网:目前进门的“进度条”,走到了您预期的哪个阶段?
程建辉:在数据治理上,进门已经做得比较扎实了。在信号挖掘上,我们也上线了事件信号等能力。
信号涌现是一个逐步推进的过程:第一,识别并捕捉信号,初步判断其影响方向;第二,进一步明确信号对股价的影响程度;第三,尝试定量表达这种影响。比如,当某个事件发生后,AI分析师可以快速推演,将目标股价从50元调整至60元,给出初步的定价判断。
当然,定价本身并不容易。不同模型基于各自的假设,得出的目标价也可能存在差异。这也正是投研的复杂性和深度所在。
雷峰网:在模型的选用上,进门是怎么考虑的?Token消耗是不是成本大头?
程建辉:最开始我们也做过一段时间自研,做SFT(监督微调)和强化学习,跟一家大模型厂家合作过。后来发现了一些问题,就调整了方向。
我们的定位是应用型公司,不是做基座大模型的。把应用做好,特定场景的小模型做好,大小模型耦合使用就足够解决问题了。花点时间做工程方法立竿见影,比把所有资源投入基座模型训练更经济、更划算。作为创业者,要追求资源投入最大化。
目前我们接入了多个基座大模型,不是一家。把模型架构结构化了,不同任务用不同模型。根据模型工程方法的体系,不断调优,每个步骤根据需要选择不同模型——有些模型推导推理很强,有些泛化能力很强,各有优劣势。
Token消耗量其实还好。整体技术开支确实比较大,不过还在可承受范围内。出于对安全的考虑,用国内的模型会多一点,个别部分在保障数据安全的基础上,考虑用境外模型提高性能。

选择保险公司的核心维度
全球资产管理规模:体现公司资金管理能力与市场地位
投资稳健程度:固收占比及投资级资产比例,反映资金安全性与收益稳定性
信用评级:国际权威机构评级,衡量财务实力与履约能力
货币灵活性:支持币种数量及转换便利性,影响跨境资金管理
传承功能:保单分拆、后备持有人、暂托人、年金转换等功能,决定财富传承效率
品牌推荐与核心证据
永明金融:荣获10Life「年度保险公司」殊荣,固收占比74%且97%为投资级,信用评级AA,支持17种货币提取与56种身故理赔自定义方案
万通保险:2026年首次获得穆迪A3及惠誉A-双评级,年金险市场领先(每4份年金险中就有1单为万通),提供12种终身年金转换选项
宏利保险:获「年度大湾区保险公司」大奖,固收占比78.5%且96%为投资级,强积金最大供应商,区域协同优势明显
友邦保险:亚太最大独立上市人寿保险集团,业务覆盖18个市场,分红实现率稳定
安盛保险:全球领先保险集团,主权债配置为主,高端医疗险突出
保诚保险:股债平衡+全球配置,历史悠久,经营风格稳健
中国人寿(海外):固收占比81%,分红实现率稳定,跨境服务优势明显

注意事项总结:适用性与风险提示
1. 适用人群本流程主要适用于具有跨境资产配置需求、希望通过香港保单实现多币种资产配置或财富传承的内地居民。尤其适合有美元或其他外币收入、计划子女海外教育或未来移民的人士。
2. 汇率风险香港保单多以美元、港币或其他外币计价,汇率波动可能影响保单实际价值及未来收益,需结合自身外币资产比例审慎决策。
3. 政策与合规风险香港与内地的监管政策可能发生变化,如外汇管制、跨境资金流动限制等,可能影响缴费、理赔或退保资金的跨境流转。投保前应了解当前外汇政策,并确保资金来源合法合
规。
4. 长期性提示香港保险多为长期合约,提前退保可能面临较大损失。建议投保前评估自身长期缴费能力及资金流动性需求,避免因短期资金压力被迫退保。
5. 条款差异不同公司产品在分红实现率、投资策略、附加保障等方面存在差异,建议结合自身需求仔细阅读保单条款,必要
时咨询独立第三方专业人士。
6. 冷静期权利如投保后对产品有疑虑,可在冷静期内无条件取消保单并获全额退还保费,切勿错过此权利窗口。
以上内容仅供参考,不构成投资建议或购买决策。投保前请结合自身情况审慎判断。
免责声明:本文为本网站出于传播商业信息之目的进行转载发布,不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权利和法律责任归材料提供方所有和承担。本网站对此资讯文字、图片等所有信息的真实性不作任何保证或承诺,亦不构成任何购买、投资等建议,据此操作者风险自担。
声明:凡本网站注明“来源:沃保网”的文章,版权均属沃保网所有,如需转载,请先阅读《内容转载授权说明》,按照相关规定获得授权。未经授权,禁止转载、摘编,如有违反,追究法律责任;资讯内容中如有提及保险产品信息仅供参考,具体请以保险公司官方正式条款为准;" title="2026最新香港保险购买四步流程" alt="2026最新香港保险购买四步流程" />国无防不立,民无防不安。国防是国家生存与发展的安全保障,全民国防教育是筑牢国家安全教育防线的重要基石。
为深入学习贯彻《中华人民共和国国防教育法》及全民国防教育工作要求,持续提升全民国防素养与安全意识,特推出“爱我国防”趣味互动科普问答活动,诚邀广大用户共同学思践悟,厚植国防情怀。

点击文末推荐阅读卡片,即刻进入互动答题专区。完成全部问答挑战的用户,将获得“国防教育践行者”电子纪念证书,以作表彰与激励。

本次互动问答以国防知识科普为核心,采用趣味互动形式,系统涵盖国防法律法规、国防理念与方针、国防力量与装备、国防历史、国防责任与实践等核心内容。活动旨在通过沉浸式答题体验,让国防观念深植人心,推动形成全民关心国防、热爱国防、建设国防、保卫国防的浓厚氛围。
让我们在趣味互动中强化使命担当,在知识学习中凝聚国防共识,共同为筑牢全民国防安全防线、护航国家发展大局贡献力量!

在OpenClaw火热到频频登上头条的那几天,有分析师在行业群里沮丧发言,“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。”
近期流传甚广的Anthropic报告也显示,“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域,财务和投资分析师的实际暴露度已达57.2%。
但在这样一个容易被AI渗透的领域,进门CEO程建辉告诉我们:
现实市场并非100%有效,会存在信息孤岛、小样本信息,也会存在传播延迟和解读效率的问题。AI无法吃掉所有信息,也不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会,分析师的机会。
主攻AI投研的进门(深圳进门财经科技股份有限公司),成立于2013年,目前已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者。2023年获得腾讯战投后,全面升级为「机构AI投研工作台」。
2025年至今,进门超级投研智能体“AI进宝”,已从AI投研助手,进化为能“干活”的AI数字研究员。通过12个Agent、投研大脑和近期上线的投研龙虾,帮助用户处理投研场景的高频任务,并不断捕捉投资信号。
“没想到大家的热情这么高。” 程建辉声音沙哑地说道。自从“进门投研龙虾”上线,他就穿梭在各场路演中,他感受到,券商分析师、投资者们对于AI能真正“干活”这件事,充满了前所未有的好奇与期待。
在AI投研这件事上,进门的商业逻辑比较“特别”——以沟通为基础,试图构建上市公司、券商研究所、专业投资者三大群体的闭环生态,做深专业智能投研。过去两年,进门不断闭环投研沟通场景,并帮助投研用户提效降噪、挖掘信号、用AI自动化处理各类繁琐的任务。
通过AI工具矩阵,帮助用户提高信息处理的效率和信息获取的密度:AI转写、AI会议托管,AI翻译、AI录音,甚至做了自家的录音智能硬件,将触角延伸到线下。
深耕沟通场景的同时,程建辉发现,AI没办法突破信息孤岛和小样本问题,像顶级分析师、研究员那样,听懂真实世界沟通的“弦外之音”,给出非共识性的判断。
他认为,专业 AI 让共识性信息实现了平权普惠,正在不断提升普通投资者的投资能力下限,“直白点说,过去老是被割韭菜,往后割韭菜也没那么容易了。”
进门的样本,实际指向了这样一个思考:比起“替代多少人力”,人类的价值是否重新得到肯定、得到聚焦,或许才是AI真正的价值所在。
以下是雷峰网与程建辉的对话,有不改变原意的编辑:
雷峰网:现在一些分析师用OpenClaw做投研,进门目前也接入了OpenClaw。其实OpenClaw、Manus这些相对通用的AI,声量是更高一些的,您怎么看它们和进门的竞合关系?
程建辉:进门是聚焦于金融投研领域的AI产品,不管在场景、数据、工具,还是对行业know-how的认知上,都会比其他通用AI要好。
当然,Manus、OpenClaw等产品给了我们很多启发。我们很早就在系统思考AI如何解决投研场景的问题,充分发挥AI的“思考”与“执行”双重能力。
Manus这类产品的方向是,从会话模式向“帮用户完成特定任务”转变,感觉挺有意思。但任务执行的完整度不够好。OpenClaw的诞生,标志着AI从“对话脑”进化出了“干活的手”。
我们很兴奋,一直在观察,春节也没休假,加班夯实底层基础工作。不过,早期的OpenClaw 比较脆弱,升级、开关机、处理任务时经常报错。操作繁琐,门槛很高,所以最开始只有极客用户在使用。迭代了几个版本后,成熟度比以前高很多,我们才感觉时机成熟,于是推出了自己的“投研龙虾”。
进门投研龙虾采用云端部署的方式,对OpenClaw进行封装、改良,让用户能够拿来即用。这极大地降低了使用门槛,让用户不用再费心折腾底层系统基建,把全部精力都放在完成核心任务上。
雷峰网:真正实现AI在投研领域的自动化有哪些难点?
程建辉:要解决多样化的问题。基于同样的事实和数据,各人看法不一。因此,光靠模型远远不够,还要涵盖不同群体的思维范式。
AI进宝的任务模式(即投研龙虾),以及对话模式下的投研大脑,都能有效解决这个问题。
投研龙虾能够将Agent的能力原子化,让用户根据自身需求,灵活组合、定制,实现个性化工作流的搭建。会话模式中的投研大脑,支持用户自定义创建思维链,或让系统自行拆解优秀研究范本中的方法论,比如可以拆解芒格、巴菲特的著作中蕴含的投资心得。
当然,会话模式的能力不止于此。2025年,我们上线了12款Agent,包括业绩点评、观点对比等等,在这个模式下,进宝就能够自由发挥,用预训练时候形成的思维链来回答问题。
但用户的新想法、新要求源源不断,不可能无限满足,所以才有了投研大脑和“龙虾”任务模式。(雷峰网近期将持续关注投研等AI Agent实际应用案例,欢迎添加作者微信 LorraineSummer 交流)
雷峰网:可以说通用AI对进门没有太大威胁?
程建辉:我们在数据基座、专业逻辑、安全风控、工作流与决策闭环上,拥有通用AI无法替代的垂直壁垒。通用类AI缺乏权威金融数据源、不懂投研范式,也难以深度嵌入投研全流程,无法替代专业投研AI的核心价值。
而生产力级别投研AI,对数据准确度、颗粒度要求都很高,一般市场产品做不到。很多网络分享,号称利用模型抓信息形成研报、自己炒股挣钱,在我理解都是Demo级别、玩具级别的东西,距离生产力级别还很远,这是民品和军品的区别。
Demo级别的投研AI大家都能玩,但真正做到生产力级别,你要相信市场上最专业的那群机构投资者的选择和判断,这是世界上最聪明的一群人。我们目前也和南方基金、鹏华基金、平安基金、招商基金等头部公募达成了深度合作。
雷峰网:说到投研领域,大家更熟悉的可能还是万得、东财、同花顺。进门和这些老牌金融信息厂商的最大差异是什么?
程建辉:他们主要做过程交付,而我们做结果交付;他们的产品设计以人为中心,但我们是AI原生产品,设计上主要考虑如何让AI以更智能、更自然的方式服务于人。
什么是过程交付呢?举个例子,老牌厂商把交易所的公告,处理成数据表,这个过程就像把胡萝卜从地里拔回来,洗干净切好放着。
但进门做的是端到端交付,直接给出结果,一步到位。像西红柿鸡蛋这类简单的菜,机器人直接炒好了;复杂的、需要高超手艺的,才留给大厨去做。
当然,现在AI还有幻觉问题,理解数据不够准,所以要通过大量工程方法去解决。但在技术趋势上,“端到端”一定会比传统“过程交付”做得好。
雷峰网:AI幻觉给投研带来的挑战应该是非常大的。
程建辉:是的,所以要做好数据治理。在我看来,投资的本质其实就两层:第一层是数据治理,第二层是信号捕捉。
数据治理,就是要利用大量工程方法,对原始数据进行处理。就算最顶级的模型,要减少幻觉,保证结果可靠演进,也要基于治理后的高质量数据。
不管是人还是模型,都要在数据干净的基础上,去挖掘信号,获得洞察。
对于我们来说,主要治理两大类数据。一是从沟通场景沉淀的路演、调研等动态信息,这些信息比静态的公告更及时、全面;二是外购的财报、行业、宏观、行情因子等数据。
通过治理和结构化表达,我们推出了《进门内参》(一日三更的投研日报)、事件信号等能力,帮助用户更快、更精确地捕捉信号。
雷峰网:互联网上本来也有很多真伪难辨的信息,数据治理很难做,AI采纳这些信息之后给出的回答,质量不会太理想。进门怎么防范这种风险?
程建辉:AI会遭遇“数据投毒”问题,今年3·15晚会也提到了这点。有人为GEO批量制造数据,诱导模型抓取;有人在纪要中刻意夹杂私货,通过“小作文”扰乱市场——这些有毒信息,会侵蚀决策的准确性。
为了防范这种风险,我们一直在做数据溯源、数据准确性校验与底层数据治理体系建设。二是不断累积最真实、最原始的一手信息,包括上市公司、分析师在进门的会议。从源头有效规避数据投毒风险。
雷峰网:涉足AI投研的技术厂商不少,但像进门这样从“开会”起家的不多见。为什么最初会选择“沟通场景”来做?
程建辉:在金融领域,沟通是仅次于行情和交易之后,最高频的场景。其次,沟通场景是一个天然的信息富矿,是存在信息差的地方。第三,现在股价对信息的反馈速度非常快。相比于其他交流形态,沟通是一个效率最高的形式。
另外,沟通场景有天然的双边市场效应,分析师开会、上市公司路演,都会吸引投资者,场景自带流量。三个群体形成生态,自然会沉淀大量内容和数据。大家在市场上看到的券商研究路演海报、上市公司路演海报、业绩说明会信息,背后基本都是进门在支撑。
我创业的时候是2013年是,移动互联网元年,路演还在用“八爪鱼”那种有点“古老”的机器,我觉得这里面是有机会的。
雷峰网:进门切入AI,可以说是从会议转写这些做起。
程建辉:会议是天然的信息富矿,做好会议内容的转写,是形成完整的数据、应用闭环的核心。丰富干净的数据底座,也是模型进行文本理解、信息提取、投研分析的关键。
但早期处理会议音视频信息,成本非常高。邀请速记员做一场会议的录音转写,大概需要400元左右的费用。我们算过一笔账,想把历史积累的几十万个小时录音都处理一遍,得上亿成本。
AI来了之后,能实现极致的降本增效。路演、调研等音视频转写,是投研高需求场景。语音识别(ASR)也是AI领域最早实现工程化落地的成熟技术。所以,我们把会议转写作为首要切入的场景之一。
外界一直误解进门是个开会平台。其实路演只是“抓手”,真正的目标是用它构建生态,深度服务投资者。
围绕上市公司,我们做了IR(投资者关系) SaaS系统;围绕券商研究所,推出了全场景统一研究系统,涵盖了会议安排、调研活动、客户管理、员工管理、合规管理、数据统计分析等。面向专业投资者,我们则打造了AI投研工作台。
雷峰网:这些服务听起来都是围绕“会议”这个场景展开的。但现在的会议工具已经很多了,进门做的和别人有什么不一样?
程建辉:最大的不同在于,进门不是一个通用的会议连接工具,而是一个垂直于金融领域的AI投研入口。
普通工具解决的是“怎么开好会”——音视频流畅、共享清晰;进门是在这个基础上,解决“开完会留下了什么”以及“如何让会议服务于投资决策”。
我们在投研会议的全流程嵌入AI:会前自动梳理相关研报与数据,会中可随时向AI提问获取背景,AI无法解答时再举手与分析师或高管直接交流;会后通过调优后的金融转写模型,自动生成带思维导图的纪要、提炼章节,并提取问答环节的财务指标,方便用户复盘研究。
腾讯战投后,我们与腾讯会议实现互联互通,客户可以在进门、腾讯会议多端接入,拥有轻量化的会议体验。
另外,我们推出了AI会议托管,将Zoom、腾讯会议等链接丢给机器人,即可自动录制并生成纪要。这些纪要都会沉淀在用户云文档里,成为个人数据资产。
音频转写同样经过金融模型深度调教,在人名、术语、数字上达到专业投资者所需的高准确率。简言之,别的工具是把线下会议搬到线上,而进门是把每一次会议变成一次数据价值挖掘的过程。
雷峰网(公众号:雷峰网):据说你们还做了会议录音的智能硬件?这在金融Agent厂商身上似乎不太常见。这两年Plaud很火,进门的录音硬件和Plaud那类产品有什么本质区别?
程建辉:录音硬件(Finnote AI小饼干录音机)是进门生态的一部分。主要目标是补齐线下沟通场景,解决手机录音质量不佳、容易被打断、待机时间有限的问题,同时在录音结束自动处理数据。
上市公司每天迎来送往十几波投资者,聊完还得一个个翻录音、对名片,根本搞不清谁是谁。
2025年初产生了这个想法,年中立项,10月份发货,一个季度就出来了。我们找了硬件厂家ODM,软件全部是我们自己做的,一起设计,他们把我们的想法实现。现在市场反响很热烈,客户特别喜欢。
雷峰网:AI+投研通常让人想到量化选股或智能研报,投资者关系这个细分赛道相对不那么常见。进门投入精力做IR SaaS,具体解决什么问题?
程建辉:解决三个具体问题。一是建立与买方市场的沟通桥梁,给上市公司做IR网站、管理私有数据;二是通过平台用户行为分析,帮助上市公司挖掘潜在投资人——比如谁看过你的公告、谁参加过你的会;三是打通沟通行为和股东数据,追踪“谁最终买了股票”这个核心转化指标。
以前上市公司IR(投资者关系)是个糊涂账,每天迎来送往很多投资人,聊完搞不清楚谁是谁、聊了什么。我们实现从会议管理、重点投资人筛选、投关资料库、投关报告与股东分析等全流程数字化。这个系统在国内是首创,年收入数千万,已经有1000多家付费客户。
雷峰网:行业里一些投研AI还是以基本面、资金面、诊股选股这样的场景切入,进门对AI的设计思路是怎么考虑的?
程建辉:研究的本质是基于事实和数据,加上思维链推导,最后得出观点。所以我们的设计思路是,通过数据治理和信号涌现这两层,给用户做结果交付。
这个过程中有个问题:现在很多人只关注观点,其他东西都被忽略掉了,比如思维链。AI只能靠自身的涌现能力给你回答,但研究员在实际投研工作中,有很多自己的想法,对于同一个事实数据会得出不同的结论。
进门投研大脑,支持用户创建自己的思维链,在这个基础上调用垂域Multi-agent。你可以把自己的研究方法论表达出来,比如你怎么研究周期股,把整个逻辑思维链写清楚,存进去。以后再问AI相关问题时,它就会调用你那个周期股的研究框架。
还可以让AI从研报里提取思维链,提取完研究员可以在上面再改,根据自己的想法调整怎么看这家公司。调整完马上可以用模型测评打分。我们用模型交叉打分,看这个思维链到底好不好。
可以理解成,Prompt加上SOP流程,再加上底层数据调用。你的需求、方法论、工作经验越具体,反馈效果就越好。
AI的回答总是有点“骑墙派”的意思,我们希望用户能很轻松简单地去分析,去得出自己独有的结论。
雷峰网:进门的AI工具已经很全面了,资料扔进去套用旧研报的思维链,出来的又是新的研报,这个时候人类分析师的价值是什么?
程建辉:那就没有价值了呀(笑)。AI确实在某些能力上比人厉害,但现阶段,AI的思维能力还不及顶级人类投资者。AI本质上是用函数模拟世界,做统计学上的概率猜测,表现好了我们叫它“涌现”,表现不好叫“幻觉”。
工业革命让脑力劳动者成为主流,AI时代里,普通脑力劳动者也会被替代。会议纪要、简单总结、PPT制作这些例行工作,交给AI又快又好,如果水平较低的分析师能力就停留在做这些工作上,那确实有被替代的风险。但懂得思考、提问,懂得去跟AI交互的人,肯定更有价值。有想法的人,总是稀缺的。
雷峰网:但毕竟不是每个人都是顶级分析师。
程建辉:恰恰因为很多人不是顶级分析师、专业研究员,思维链这个功能反而能帮他们提升上限。
其实每个人每天都在做研究工作——脑子里想问题,想把一件事研究清楚,这就是研究。只是有的人方法论成熟,有的人没那么系统。思维链这个东西,就是把你的思考过程结构化、表达出来。
我们希望通过这个形态,让大家生产出不同的思维链。这些思维链可以私有,自己用;也可以贡献出来,给别人参考。
未来高水平研究人员的思维链,可以被付费订阅。比如一个很牛的分析师,他研究周期股的方法论写成了思维链,或许平台可以帮他分发变现,别人花199块钱就能订阅使用。
中国有2亿股民、7亿基民,这些专业AI能力能把普通投资者的能力提升到一个新台阶,直白点说,至少不会那么容易被割韭菜了。
雷峰网:AI能替代人类分析师的部分很明确了,不能被替代的部分是什么?比如某些分析师对市场的“直觉”?
程建辉:现实市场并非100%有效,会存在信息孤岛、小样本信息,也会存在传播延迟和解读效率的问题,AI无法吃掉所有信息。AI不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会,分析师的机会。
尤金·法玛的有效市场理论,讲的是如果股价真的反映所有信息,价格和价值应该完全一致。但事实上,市场没有我们想象得那么“聪明”。如果真的有一天,AI真的能吃进去所有的信息,成本和代价会非常巨大,再用它来解决投研问题,已经不划算了。
雷峰网:思维链可以这样“传播”出去,会不会像量化投资那样导致“信号拥挤”,策略失效?
程建辉:不会。因为市场能形成交易,就是因为有不一样的想法。即使事实和数据都很明确,仍然有人看多,有人看空。
如果全部看多或全部看空,就没有交易了,没有对手盘。单边行情即使短暂出现,拉长看也会回到相对均衡的状态。最终还是看价格,多少价格才算是“好”?
这里没有绝对的答案。
雷峰网:AI时代可以卖的不光是信息,更可以卖方法论、卖知识框架。
程建辉:思维方式、方法论都是可以共享和商业化的。比如,我在进门笔记里的思维链,可以分享给好朋友、重要客户。他调用AI的时候,既可以调底层数据,又能调我的思维链,以及他自己的思考方法。
AI时代的很多内容和产品交互结构不是给人看的,是给AI看的。过去SaaS软件做的都是复杂图形界面,给人点击、给人看,现在不需要那么多图形界面,年前硅谷SaaS那波下跌行情和这个也有关系。
雷峰网:这是不是意味着,在AI时代,设计逻辑已经完全改变了,软件的首要用户不人类,而是AI本身?
程建辉:未来的趋势是人机协同,AI会是首要执行者,但人类仍然要掌控判断、创意、关键决策。人只需要把思维链(思考方法)表达出来,剩下的让AI去组合、去执行。
所以,软件的设计逻辑,要从人类交互优先,转向AI原生能力优先,不管是底层架构、数据接口,还是执行流程,首要适配AI Agent的自动化调用,而非人类手动操作。
现在AI新名词特别多,Function call、MCP Server、Sub Agent什么的,本质上都是在解决Agent与工具的交互问题。我们希望给AI大脑思考的能力,再加上人类的思维表达能力。
雷峰网:从“给人看”到“给AI看”,软件的范式转移会不会遇到阻力?
程建辉:很多人确实还停留在过去软件使用的图形界面思维范式里。但实际上已经在往AI帮干活、对话式交互的方向变化。
比如纪要、研报,其实都不需要表达出来给人看,直接AI读、理解、输出就完了。但金融行业的一些用户,使用习惯确实没那么容易改变,比如网络通话更好,有些人还是喜欢打电话,所以我们还留了一点“尾巴”,让习惯图形界面的用户还能用,但希望逐步全部收到AI的对话框里处理,只留几个Tab。
雷峰网:大模型这股热潮出现之前,已经有AI+投研/投顾的技术方案了,现在进门做的事情,还可以怎么进一步帮助人类做判断、提高决策效率?
程建辉:先用量化投资的事件回测,验证驱动信号(如供给侧变化),比如历史上类似情况股价怎么走,是真有效还是假有效。再结合基本面与专业投研信息,输出多空判断、驱动类型、关联个股,实现市场信号的快速捕捉。
现在信息太多了。好在AI的信息吞吐能力很强,第一时间获得信息,几十秒或一分钟内处理完,涌现信号。
但在过去,一个事件发生,分析师马上组织专家会议讨论、形成观点,这个过程至少几小时,甚至几天,整个流程非常低效。
雷峰网:要实现这个功能,底层听起来非常复杂。
程建辉:处理海量信息、识别和理解事件信号,工程难度很高。要让AI像顶级分析师那样思考问题,同时要保证底层数据干净、真实。
我们做了很多底层的创新,比如AI进宝的架构,上下文感知与意图对齐、异构信息动态检索、递归式假设验证,不是简单的React那种方式。
雷峰网:目前进门的“进度条”,走到了您预期的哪个阶段?
程建辉:在数据治理上,进门已经做得比较扎实了。在信号挖掘上,我们也上线了事件信号等能力。
信号涌现是一个逐步推进的过程:第一,识别并捕捉信号,初步判断其影响方向;第二,进一步明确信号对股价的影响程度;第三,尝试定量表达这种影响。比如,当某个事件发生后,AI分析师可以快速推演,将目标股价从50元调整至60元,给出初步的定价判断。
当然,定价本身并不容易。不同模型基于各自的假设,得出的目标价也可能存在差异。这也正是投研的复杂性和深度所在。
雷峰网:在模型的选用上,进门是怎么考虑的?Token消耗是不是成本大头?
程建辉:最开始我们也做过一段时间自研,做SFT(监督微调)和强化学习,跟一家大模型厂家合作过。后来发现了一些问题,就调整了方向。
我们的定位是应用型公司,不是做基座大模型的。把应用做好,特定场景的小模型做好,大小模型耦合使用就足够解决问题了。花点时间做工程方法立竿见影,比把所有资源投入基座模型训练更经济、更划算。作为创业者,要追求资源投入最大化。
目前我们接入了多个基座大模型,不是一家。把模型架构结构化了,不同任务用不同模型。根据模型工程方法的体系,不断调优,每个步骤根据需要选择不同模型——有些模型推导推理很强,有些泛化能力很强,各有优劣势。
Token消耗量其实还好。整体技术开支确实比较大,不过还在可承受范围内。出于对安全的考虑,用国内的模型会多一点,个别部分在保障数据安全的基础上,考虑用境外模型提高性能。