-
tavily · 2026-10-11 · 一人公司 最新 热点 趋势 / Tavily
李晓华：传统意义上的一人公司、个体户，像早期电商网店、普通自媒体撰稿人，大多只能完成相对简单、单一、知识密度不高的工作。而AI时代OPC的核心特征，就是个体借助大模型、智能体等AI技术，能够承担过去只有团队或者具有一定规模的公司才能完成的复杂任务，比如影视制作、软件开发、完整的设计项目等等。 AI把人类长期积累的海量知识、技能封装进大模型与智能体当中，个体可以直接调用这些知识，人的能力边界被极大拓展，这是以前传统个体户完全不具备的条件。过去一个人的能力存在明显的天花板，现在依靠AI工具，个体可以向多个方向拓展能力的边界，这是二者最根本的分野。 《中国企业家》：为什么OPC会在当下这个时间节点成为热点？现在市场上也有人在讨论，这是不是一个“跟风”的伪概念。在您的观察中，大众对OPC最大的认知误区是什么？ 李晓华：“一人公司”在今天成为一个重要趋势的根本原因就是人工智能技术极大地拓展了作为个体的能力边界，很多以前无法依靠单个人而必须依靠集体协作的工作或任务可以由单个的人来完成。 [...] 《中国企业家》：传统创业追求扩张，招更多人、扩大规模。OPC推崇“小而强”，那么商业价值评价标准会不会改变？十个人但利润很高的小组织，是否可以比几百人规模的公司更具备竞争力？ 李晓华：有可能。关键看是否能够利用AI降低成本、提高人均劳动生产率、提供具有价值的产品。 《中国企业家》：那传统的融资、上市这套成长逻辑，还适用于OPC吗？OPC未来的归宿，是一定要成长为大公司，还是大量维持“小而美”？ 李晓华：大多数OPC可能就是保持小而美的状态，会有一定幅度的增长，但5是靠用户的增加和相应的对算力调用的增加，但一般不会进行业务线的扩张和人员的大幅度增长。但也不排除少数OPC如果特别有市场需求，会向具有一定规模的企业演化，OPC可以是创业的一个初期阶段，不代表它永远必须是一人公司。 《中国企业家》：OPC兴起，也会倒逼传统大企业重新审视自身。在OPC大量出现之后，大型企业真正不可被替代的竞争优势是什么？哪些能力会被AI削弱，哪些能力会进一步被放大？ [...] 李晓华：需要巨额投资的生产活动，如AI大模型的训练、算力中心的建设；药物的研发；高度复杂，需要团队紧密协作的活动，如大型设备的开发和生产。这些活动天然具有不可分割性，需要将大量人员组织起来完成。 重复性的工作、简单的脑力工作会被AI替代。前沿创新、复杂架构的开发、基础设施的建设运营可能是大型公司的优势。 《中国企业家》：当越来越多人选择做OPC，整个就业市场会迎来什么样的变化？ 李晓华：这是现在学界讨论非常热烈的话题。回顾历次工业革命，技术在消灭旧岗位的同时，长期也创造大量新岗位，整体就业总量是增长的。但也有学者判断，人工智能这一轮，有可能迎来拐点，即被消灭的岗位数量，或许会多于新增岗位。 这和蒸汽机时代形成直观对比，蒸汽机从改良到全社会普及，经历长达近百年时间，冲击缓慢释放。但是AI技术迭代速度极快，冲击来得更加迅猛，现在连程序员这类岗位都已经感受到AI带来的影响。
-
tavily · 2026-09-28 · 一人公司 最新 热点 趋势 / Tavily
#### 1. 自动化流量与内容中台 全渠道分发：智能体可自动根据抖音、小红书、TikTok的算法偏好，将一篇核心内容裂变为多版本文案，并自动完成发布。 趋势捕捉：24小时监控全网热点，自动生成选题库，解决“不知道写什么”的痛点。 SEO优化：自动埋入长尾关键词，确保自然流量的持续增长。 #### 2. 智能客服与销售转化 7x24小时响应：基于大模型的客服Agent能理解复杂的客户意图，而非机械回复关键词。 销售线索清洗：自动筛选高意向客户，直接通过CRM系统推送到创始人手机端，避免无效沟通。 支付与催付：在电商场景下，智能体可自动检测未付款订单并进行人性化催付，提升转化率。 #### 3. 后台运营与交付系统 供应链管理：对接ERP系统，自动补货、比价。 财务自动化：自动抓取银行流水与发票，生成周报和月报，税务风险预警。 ### 三、痛点分析：为什么传统自动化工具不够用？ 许多创业者尝试过RPA（机器人流程自动化）或简单的脚本，但往往面临以下瓶颈： [...] Q4：AI智能体能完全取代真人吗？ A：在重复性、规则性工作上可以完全替代。但在战略制定、复杂情感沟通和创意突破上，AI目前更多是辅助角色。一人公司的核心在于“人指挥AI”，而非AI完全脱管。 分享： 上一篇：企业数字化管理的好处：2026年降本增效与数据驱动决策的深度解析 下一篇：一人公司ai工具全景图：2026年打造超级个体的自动化军械库 ### 热门文章推荐 🔥 01 DeepSeek-V4免费和付费有什么区别？零成本体验到API按量付费，三种使用方式一次性讲清楚02 豆包学生认证在哪？豆包学生版优惠认证入口及权益介绍03 Codex 安装教程：Mac/Linux/Windows 一键装好04 DeepSeek Harness npx 卡住怎么办？5 种常见原因与解决方法 ## 相关新闻 RPA财务机器人在企业应用中的技术分析 #### RPA财务机器人在企业应用中的技术分析 2026-10-10 17:54:00RPA财务机器人在集团企业的典型应用场景 #### RPA财务机器人在集团企业的典型应用场景 [...] 在2026年的商业环境中，“一人公司”（One-Person Company）已不再是自由职业者的代名词，而是指通过高度自动化的数字员工体系，实现年营收千万级的精简型企业。核心结论是：一人公司AI智能体不仅是工具，更是您的虚拟合伙人。它通过重构“人机协作”模式，将传统需要5-10人团队完成的选品、营销、客服、财务等工作，压缩至一人决策、AI执行的闭环中。 根据最新行业数据，部署了全链路AI智能体的一人企业，其人效比（Revenue Per Employee）是传统小微企业的12倍以上。如果您想在跨境电商或内容创作领域突围，掌握智能体（Agent）技术是生死攸关的一步。 ### 二、一人公司AI智能体的三大核心职能模块 要构建成功的一人公司，不能只把AI当聊天机器人，而要将其视为具备执行力的“数字员工”。以下是AI智能体必须接管的三大板块： #### 1. 自动化流量与内容中台
-
tavily · 2026-09-16 · 一人公司 最新 热点 趋势 / Tavily
人工智能的爆发式增长使得小型企业在创业过程的几乎每个阶段都比以往任何时候都更加轻松快捷，从勾勒商业计划、寻找融资到产生潜在客户、安排物流以及策划社交媒体活动。通过为贷款机构提供用于评分的替代数据点，人工智能正在为那些可能不符合传统贷款条件的小型企业扩大获取资金的渠道。 所有这些新功能都在极大地推动小型企业的创立。从餐车、代发货到数字媒体机构，去年有超过 500 万名创业者申请开启自己的创业之旅，延续了自疫情以来新企业创立激增的势头。随着招聘放缓和竞争激烈的就业市场促使潜在创业者放手一搏，这种趋势预计将持续到 2026 年。 #### 传统与人工智能交融 认识 DJ Silver Knight，他在亚特兰大借助 AI 激发全新创意。 Please accept functional cookies to watch this video. Configure my cookies Image 2: poster [...] 全部 新闻与趋势 新闻中心 热点话题 洞察与报告 媒体资源 投资者关系 新闻与趋势 新闻中心 全球新闻中心 亚太新闻中心 在新标签页中打开 欧洲新闻中心 在新标签页中打开 东欧、中东及非洲新闻中心 在新标签页中打开 拉美新闻中心 在新标签页中打开 新闻与趋势 热点话题 人工智能 网络安全 中小企业 数字资产 账户间转账 新闻与趋势 洞察与报告 万事达卡经济研究院 SpendingPulse™在新标签页中打开 万事达卡商业智能分析平台 在新标签页中打开 新闻与趋势 媒体资源 新闻稿 管理团队 媒体联系人 新闻与趋势 投资者关系 获取最新财务报告 在新标签页中打开 [...] 连接世界 赋能民众 社区与归属感 万事达卡职业发展 在新标签页中打开 社区公益影响力 Girls4Tech 连接世界 共筑繁荣之路 万事达卡普惠增长中心 在新标签页中打开 普惠金融产品与解决方案 万事达卡社区通 连接世界 守护地球家园 减少我们的温室气体排放 具有环保意识的选择 无价星球联盟 碳足迹计算器 Digital First 卡片计划 连接世界 关于万事达卡 关于我们 隐私保护与数据合规 报告、政策与声明 全部 创新者 携手共创 合作共赢 探索创新 交流互动 创新者 携手共创 开发者平台 Digital labs 创新者 合作共赢 创业直通车 Mastercard Engage 产品快线 创新者 探索创新 研发与创新 创新者 交流互动 体验中心 全部 新闻与趋势
-
tavily · 2026-09-18 · AI应用落地 最新 热点 趋势 / Tavily
## 政策、市场与产业三重共振，AI应用落地加速推进 近期，在政策、市场与产业的多重驱动下，中国 AI 正加速迈入规模化落地阶段。政策端，国务院印发《关于深入实施 “人工智能 +”行动的意见》，为人工智能深度融入实体经济绘就路线图；政府工作报告进一步提出“打造智能经济新形态”，明确推动重点行业领域人工智能商业化规模化应用。此后，“人工智能 + 制造”专项行动、“模数共振”行动、《智能体规范应用与创新发展实施意见》等配套政策密集落地，从技术底座、场景融合到行业规范形成全链条支撑，为AI产业有序发展提供了清晰的制度框架与确定性预期。在市场端和产业端，三大主线正同步展开，勾勒出AI落地的完整路径：AI基建从算力堆叠转向系统级协同；物理AI加速跨越从“能演示”到“能干活”的关键技术和工程鸿沟，具身智能与自主机器人在工业巡检、智能制造等场景率先突破；边缘AI加速普及，算力从云端下沉至边缘和终端，在智能可穿戴、智能家居、智慧零售等应用场景实现就近推理与实时响应。此次论坛所聚焦的AI基建、物理AI商业化、AI应用创新三大主题，正是这一市场和产业走势的凝练表达。 [...] 安富利最新调研也显示，全球已有超过半数（56%）的工程师所在企业开始向客户交付集成 AI 技术的产品，这一比例较去年增长了 33%；其中，中国的 AI 应用普及率显著高于全球平均水平，AI 技术正广泛应用于汽车、工业自动化与智能制造等众多行业领域，规模化部署进程位居亚太乃至全球前列。与此同时，AI 能力正加速从云端走向边缘，多模态、端侧智能的融合应用正成为行业新趋势。可见，算力如何高效落地、智能如何深入千行百业的场景，已不仅是技术命题，更是关乎产业竞争力的现实课题。 ## 跨界协同、激活创新，携手生态伙伴共拓AI产业新边界 [...] # “算力赋能，产业拓界” 2026 安富利智慧科技生态圈论坛在深圳启幕 当下，AI 产业的竞争逻辑正在发生改变：大模型参数竞赛速度渐缓的同时，AI也从技术探索真正走向规模化落地，内化AI能力、加快培育夯实新质生产力，成为驱动各行各业进行深层次重构的关键。在此背景下，一场聚焦“生态共建、产业协同、融合创新与AI 场景落地”的行业盛会在深圳召开。 9 月 18 日，2026 安富利智慧科技生态圈论坛（Avnet Ecosystem Technology Forums 2026）深圳站正式启幕。本次论坛由全球领先的技术分销商和解决方案提供商安富利（Avnet）联合古月居机器人开发者社区共同发起，以“算力赋能，产业拓界”为主题，锚定 AI 基础设施建设、物理 AI 商业化探索、AI 应用创新提速三大方向，汇聚来自全球知名半导体厂商、AI 行业代表性企业、客户及生态伙伴等遍布产业链上下游的行业专家、思想领袖、创新力量约500多人出席，就 AI 技术从研发走向产业应用的现实命题展开探讨，共同研判AI商业化、规模化落地的前沿趋势与实践路径。 2026 安富利智慧科技生态圈论坛在深圳举行
-
ithome · 2026-10-13 · 科技产品 / rss
IT之家 10 月 13 日消息，YouTube 频道 Jun Yamog 昨日（10 月 12 日）发布视频，测试将 4 张 Tesla V100 安装于 NVLink 载板，在 Qwen3.8-Flash-Next 基准中， 长提示处理速度较 M5 Ultra 快 230%，较 2 台 DGX Spark 快 40%。 IT之家查询公开资料，Tesla V100 是英伟达于 2017 年推出的数据中心 GPU，基于 Volta 架构，常用于 AI 训练与推理。其 32GB 版本配备 HBM2 显存，900GB/s 显存带宽可支持大模型参数与数据的快速读取。 NVLink 是英伟达的 GPU 高速互联技术，用于在多颗 GPU 之间直接传输数据。相比通过 PCIe 通信，NVLink 可降低互联瓶颈，常用于多 GPU 服务器和 AI 计算集群。 该 NVLink 载板提供 300GB/s 带宽，并配备 6 条 NVLink 2.0 连接。为容纳 4 颗独立 GPU，测试者改装 NVIDIA A100 散热器，让其可散发每颗 V100 约 300W 的功耗，并通过 PCIe x8 接口连接载板。 该主播使用 4-bit 量化的 Qwen3.8-Flash-Next 模型测试，对比对象包括 2 台配备 128GB LPDDR5X 统一内存的 DGX Spark，以及配备 M5 Ultr
-
ithome · 2026-10-13 · 科技产品 / rss
IT之家 10 月 13 日消息，马克 · 扎克伯格表示，Meta 已经在人工智能的“前沿领域”追上竞争对手。他承诺将继续大规模投入资金，向 Anthropic 与 OpenAI 发起挑战，同时淡化外界对于这项技术可能失控的风险警示。 Meta 于大数据周一发布了 Muse Wonder 人工智能模型 ，扎克伯格在接受《金融时报》采访时称，这套新系统“能够实现更为复杂的能力，达到当前 AI 领域前沿的技术水平”。 这家硅谷企业表示，根据技术基准测试结果，Muse Wonder 在部分任务上的表现优于 Anthropic 和 OpenAI 发布的同类模型。 这次模型发布对扎克伯格而言是一个重要里程碑。自去年起，他已经投入数十亿美元，重整 Meta 的 AI 管理团队、兴建大型数据中心，并以数百万美元年薪招揽顶尖 AI 研究员，所有举措都是为了跟上 OpenAI、Anthropic 和谷歌的步伐。 扎克伯格说：“能够走到这一步，既需要海量算力与资金投入，也离不开项目团队长期开展大量严谨的科研工作。” 这场 AI 研发热潮起初曾令投资者感到不安，但自 9 月初 Meta 推出 Muse 个人 AI 助手以来，公司股价上涨了近 10%。Muse 依靠自主智能体完成采购杂货、预订行程等日常事务。 Muse 应用一经推出便迅速登顶美国苹果与安卓应用商店的下载榜，并且至今保持榜首位置。这家市值
-
ithome · 2026-10-13 · 科技产品 / rss
IT之家 10 月 13 日消息，开发者莫里斯・霍伊曼（Maurice Heumann）于 10 月 9 日发布项目报告，团队历时 3 个月，消耗超过 5000 亿词元（Tokens）， 调用 AI 智能体反编译 2009 年《使命召唤：现代战争 2》游戏，并重建为 C++ 源代码。 团队成员方面，该项目由霍伊曼主导，得到了 RektInator、Future、st0rm 及其他社区成员的协助。 AI 调用方面，团队最初同时使用 Claude Max (20x) 与 Codex Pro 订阅，在 Claude Code CLI 和 Codex CLI 中运行 AI 智能体。模型涵盖 Sonnet 5、Opus 5.5、Luna、Sol 与 Terra，智能体通过 GitHub Issues 追踪任务，并经 Discord 交换信息。 项目首月部署 4 个智能体，其中 3 个负责反编译与提交代码，1 个负责审查。该阶段完成约 80% 函数，游戏可启动、显示主菜单并加载地图；但团队发现代码虽具可读性，却存在函数签名、类型、结构布局及逻辑层面的语义错误。 团队随后引入“逐字节匹配反编译”验证机制。该机制以原游戏编译器重建目标文件，并将重建函数与原 EXE / PDB 中的函数逐字节比对，通过者标记为 PASS，未通过者由智能体重新修改。 为防止智能体绕过校验，团队禁止内联汇编、裸函数、对
-
ithome · 2026-10-13 · 科技产品 / rss
IT之家 10 月 13 日消息，英特尔首席执行官陈立武（Lip-Bu Tan）认为，未来两到三年，人工智能行业仍将持续面临硬件短缺问题。 陈立武在星展银行于新加坡举办的会议上发表了上述看法，他在会上谈及了人工智能领域的最大需求以及自己对量子计算的展望。这位英特尔首席执行官是行业内对技术动态十分敏锐的高管之一，他密切关注多项高增长赛道，包括下一代芯片制造工艺与新材料。 智能体 AI 应用普及，催生了对 CPU 而非 GPU 的需求，也助力陈立武推动英特尔实现复苏。举例来说，公司第二季度数据中心与人工智能业务部门营收同比增长 59%。陈立武在解读英特尔二季度财报时提到，随着智能体 AI 的作用不断扩大，AI 训练领域过去 8 块 GPU 搭配 1 块 CPU 的配比，已经下降至 4 比 1。 当地时间 10 月 12 日，陈立武在新加坡星展银行的这场活动上，进一步分享了对人工智能、AI 及量子计算等其他领域核心趋势的看法。他首先指出， 受技术供应链持续受限影响，未来两到三年 AI 硬件将维持供应紧张的局面。 就在他发表此番言论之际，内存芯片等核心组件持续供不应求，价格数月来不断走高，台积电封装这类技术也面临产能约束。 这位英特尔 CEO 还谈及前沿 AI 模型、开源以及量子计算相关话题。陈立武表示，中国前沿 AI 模型的词元（token）成本显著更低。他补充道，结合低廉的词元成本来看
-
ithome · 2026-10-12 · 科技产品 / rss
IT之家 10 月 13 日消息，Meta 于当地时间周一发布了全新一代尖端旗舰人工智能模型，力图在人工智能竞赛中追赶 Anthropic、OpenAI 等竞争对手。 Meta 提供的数据显示，两款新模型名为 Muse Wonder 与 Muse Wonder Full， 在推理、写作与代码能力测试中，得分已经接近 Anthropic 的顶尖模型。 通过 Muse 应用访问需每月 20 或 100 美元 （IT之家注：现汇率约合 670.6 元人民币） 订阅，两款模型即日起通过 Meta Model API 与 Muse Code 开放，Muse Wonder Full 仅面向 Muse Code 订阅用户，月费 50 或 200 美元 （现汇率约合 1,341 元人民币） 。新模型还加入 Active Memory 与 Active Focus，以减少智能体偏离目标。 Meta 首席执行官马克 · 扎克伯格（Mark Zuckerberg）在该公司人工智能技术研发遭遇挫折后，于去年对公司的人工智能部门进行了重组。此后，公司陆续推出了多款新 AI 模型与 AI 产品，服务 Instagram、Facebook、WhatsApp 平台的合计 35 亿用户。Muse 是 Meta 推出的 AI 智能体应用，可以代替用户操作各类软件与应用程序，这款应用在上个月上线后的数周内，便登上应用商
-
tavily · 2026-10-12 · 资本与产业趋势 最新 热点 趋势 / Tavily
### 「数据看盘」四家机构净卖出星网锐捷3.33亿元，太平南路席位3.13亿元抢筹莱美药业 财联社 2026-10-12 18:10:17 ### 年线悉数翻红转正！红利系指数本月开局领跑，当前估值分位在哪？ 财联社 2026-10-12 17:59:09 ### 聚智谋远·势启新章｜广东博众 2026 四季度投资策略会圆满落幕 财联社 2026-10-12 18:21:27 ### 中美较量突然加速！ 老灯爱野史 2026-10-10 02:50:04 ### 美国最大的困境就是：低估了伊朗，错估了中国，看走眼了大乌？ 安欲喜欢 2026-10-10 05:18:10 ### "找搭子"藏灰色交易：500名小姐姐可选 身体接触300元 大风新闻 2026-10-12 09:35:03 ### 韩国首次发射高超音速导弹 韩媒十分兴奋还提到中国 环球网资讯 2026-10-12 06:21:16 ### 2008年北京奥运会，是史上最伟大的开幕式，中国重演五千年文明诞生瞬间 南海军武 2026-10-10 17:21:21 [...] ### 【钛晨报】剑指“重上市、轻验证”，四部门联合发文划清汽车安全底线；经销商联谊会“批量”解散？茅台回应；蚂蚁“灵光”小范围内测 钛媒体APP 2026-10-12 07:47:10 ### 陆克文用流利中文发表演讲 还提到两个成语！ 看看新闻Knews 2026-10-11 20:17:02 ### “张雪机车”德比斯：锁定年度车手亚军意义非凡 极目新闻 2026-10-12 00:24:07 ### 全球建有510所孔子学院 人民网 2026-10-12 07:13:44 ### AI基础设施独角兽融资创纪录，国产算力加速突围，创业板算力ETF易方达（158050）上周净流入额领先同标的产品 每日经济新闻 2026-10-12 14:14:05 ### 华夏基金顾鑫峰：在北交所捕捉新质生产力的“比较优势” 经济观察报 2026-10-12 18:59:16 ### IMF和世行2026年秋季年会开幕 财联社 2026-10-12 12:28:04 ### 这场秋日忘年会在复兴公园启幕：以艺术为桥，共筑人人受益的老龄友好社会 [...] Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. ### ### 证监会明确提出持续加强稳市机制建设并研究储备更多增量政策工具，证券ETF天弘（159841）标的指数逆市飘红，连续6日净流入超6000万元 每日经济新闻 2026-10-12 11:47:41 ### 香港证监会：将加强具针对性的工具以打击首次公开招股相关的失当行为及其他企业失当行为 财联社 2026-10-12 17:48:08 ### 新质生产力顶层设计出炉，“人工智能+”强化算力供给，创业板算力ETF易方达（158050）近两周净流入居同标的第一 每日经济新闻 2026-10-12 10:31:06
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势 / all
推荐你关注夏晨公众号☝️☝️ 夏先立晨 · 财经与科技观察 日期核对：北京时间2026年10月11日，星期日。 信息截止：北京时间上午约8:45。 重点筛选：10月9日至11日早间发布的重要信息。 本期重点覆盖：AI与科技前沿、中国经济与政策、就业与民生、投资金融、区块链与稳定币。 今天的新闻与过去几天有明显不同。 过去，我们更多关注AI企业融资、数据中心建设和科技巨头的资本开支。今天，中国出台了涉及AI、区块链、先进制造和未来产业的重要政策文件；英伟达则传出可能收购开放模型企业的消息。 与此同时，中国进一步加大财政支持力度，就业政策开始更加重视服务业，欧洲则继续收紧不合规稳定币的服务范围。 今日核心判断：科技竞争正在从单纯追求技术突破，转向技术落地、产业协同、资本效率和制度建设。 配图为智能制造、就业市场及欧洲金融监管相关资料图片，并非本次新闻现场。 ① 中共中央、国务院发布19项新举措：AI、区块链和未来产业迎来重要政策指引 关注度：★★★★★｜中国经济与科技政策 核心事实 10月9日，《中共中央 国务院关于发展新质生产力的意见》正式公开发布。 文件围绕科技创新、产业融合、发展方式、体制机制和人才培养五个方面，提出19项重点举措。 其中有几项值得特别关注： 一是全面实施“人工智能+”行动，推动AI在传统产业、智能汽车、AI手机、AI电脑和人形机器人等领域应用。 二是提出建设全国一体化算力网、国家区块链网络，完善数据产权和数据要素市场相关制度。 三是布局量子科技、生物制造、核聚变能、脑机接口、具身智能和6G等未来产业。 四是鼓励金融机构创新科技贷款产品，发展科技创新债券，支持长期资本进入科技领域。 五是明确要求防止盲目投资、产业泡沫和一哄而上的重复建设。工业和信息化部 权威来源：新华社发布的政策全文 为什么值得关注？ 我认为，这份文件最重要的信号并不是简单地“支持AI”。 而是强调： 科技创新必须转化为现实生产力，不能只停留在技术概念和资本炒作上。 过去几年，AI、区块链、元宇宙、低空经济等领域不断出现新的投资热点。 但技术热度并不等于商业价值。 这份文件同时强调创新发展与防范泡沫，说明政策更加重视产业实际效果。 对普通人的潜在影响 未来AI可能进一步进入办公、制造、教育、医疗服务和日常消费场景。 新技术应用扩大，也可能带来职业技能要求变化。 值得注意的是，文件提出建设国家区块链网络，并不意味着中国大陆放开虚拟货币交易或私人稳定币发行。产业区块链建设与加密资产交易监管必须严格区分。 投资与商业机会 值得长期研究的方向包括： 产业AI应用、智能制造、工业软件、机器人、算力基础设施、数据要素服务、企业数字化改造及合规区块链应用。 对于中小企业而言，提供真正能够降低成本、提高效率的AI服务，可能比追逐大型模型更有现实机会。 主要风险：政策支持不等于企业盈利保证。部分新兴产业可能出现重复建设、产能过剩和商业模式不成熟的问题。 公众号选题 《19项新政释放重要信号：AI、区块链和实体经济，未来该如何融合？》 ② 财政部安排5500亿元地方债务额度：3000亿元重点支持县区财政 关注度：★★★★★｜中国经济与财政政策 核心事实 10月9日，财政部公布一项新的财政支持安排。 5500亿元地方政府债务结存限额将用于支持地方财政运行和扩大有效投资。 具体分为两部分： 资金安排 规模 主要用途 一般债务结存限额 3000亿元 提高县区一般公共预算保障能力 专项债务结存限额 2500亿元 支持基础设施和重点建设项目 合计 5500亿元 稳财政、扩投资 其中，2500亿元专项债务额度将优先支持有实际资金需求的在建项目，新建项目重点关注“六张网”等领域。 财政部要求加快发行和资金拨付，尽快形成实际建设工作量。首都之窗_北京市人民政府门户网站 来源：新华社财政政策报道、人民日报相关报道。 为什么值得关注？ 这条新闻对普通人的实际影响，可能比很多科技新闻更加直接。 近年来，部分地方政府面临财政收支压力。 尤其是县区一级，既要承担教育、医疗、公共服务等支出，又需要维持基础设施建设。 因此，这次政策的一个重要特点是： 既支持投资，也关注基层财政运行。 需要特别说明，5500亿元属于地方政府债务结存限额的安排使用，不能简单理解为中央直接发放5500亿元现金，也不能全部视为新增经济需求。 对普通人的潜在影响 如果资金顺利落实，可能有助于改善地方公共服务资金保障、推动在建工程进度，并通过项目建设带动部分就业。 但实际效果取决于地方项目质量和资金使用效率。 投资与商业机会 值得观察的领域包括： 基础设施建设、工程设备、电网、城市更新、水利工程、公共服务数字化和项目管理服务。 主要风险：地方债务压力、项目收益不足、资金拨付延迟，以及投资对民间需求的带动效果不及预期。 公众号选题 《5500亿元财政支持来了：为什么这次特别关注县区？》 ③ 前三季度全国城镇新增就业1052万人：服务业将成为下一阶段政策重点 关注度：★★★★★｜就业与民生 核心事实 10月10日，国务院新闻办公室举行新闻发布会。 人力资源社会保障部公布： 2026年1—9月，全国城镇新增就业1052万人，完成全年目标的87.7%。 今年前8个月，全国城镇调查失业率平均为5.2%。 截至9月底，基本养老保险参保人数达到约10.79亿人。 更值得注意的是，人社部门表示，将与有关部门研究出台促进服务业就业的政策措施，同时拓展新兴产业和未来产业就业空间。Reuters 来源：新华社就业数据报道 为什么值得关注？ 今天真正值得研究的不是1052万人这个数字本身。 而是： 未来中国新增就业岗位，主要从哪里来？ 传统制造业正在持续推进自动化和智能化。 AI技术又开始进入行政、客服、财务、编程等白领岗位。 这意味着经济增长和就业增长之间的关系可能发生变化。 未来部分新兴产业能够创造高附加值，但未必能够像传统劳动密集型产业一样吸纳大量就业。 因此，服务业的重要性可能进一步提高。 对普通人的潜在影响 就业市场可能更加重视复合技能。 例如： 既懂健康知识，又能够使用数字化工具； 既懂企业管理，又能够部署AI工作流； 既懂专业服务，又能够进行线上内容传播。 对于中年转型群体而言，专业经验与AI工具结合，可能比完全转向陌生行业更有优势。 商业机会 值得观察： 健康服务、养老服务、职业培训、企业AI应用培训、社区服务、数字化营销和专业咨询。 尤其是服务业与AI结合，有机会产生新的小微创业模式。 主要风险：新职业出现不等于所有劳动者都能顺利转型。技能培训质量、实际岗位需求和地区差异都需要考虑。 公众号选题 《新增就业1052万人之后：中国未来的工作机会在哪里？》 ④ 英伟达考虑进一步投资或收购Reflection AI：AI芯片巨头为何开始争夺开放模型？ 关注度：★★★★★｜AI科技前沿与投资 核心事实 这是北京时间10月11日凌晨出现的一条新消息。 据《金融时报》报道，英伟达正在与Reflection AI讨论进一步投资，甚至可能收购该公司。 Reuters于10月10日19:32 UTC发布了跟进报道，折合北京时间为10月11日凌晨3:32。 目前谈判仍处于早期阶段，可能采取直接收购、增加投资，或人才与技术授权相结合等不同形式。 英伟达此前已向Reflection AI投资约8亿美元。 Reflection AI于10月5日发布开放权重模型Beam，重点面向编程和AI智能体任务，希望与中国具有成本竞争力的开放模型展开竞争。Reuters 来源：Reuters最新报道、金融时报报道。 为什么值得关注？ 过去英伟达最重要的商业模式是： 为AI企业提供计算基础设施。 无论客户使用什么模型，都可能需要GPU。 但现在英伟达进一步进入模型生态，说明AI竞争的边界正在改变。 未来竞争可能不仅是： 谁拥有更强的芯片？ 还包括： 谁拥有更完善的模型、开发工具和企业部署生态？ Reflection AI的吸引力之一，在于开放权重模型可以让企业获得更大的部署和定制自主权。 这与中国AI企业近年来在开放模型领域的快速发展密切相关。 对普通人的潜在影响 如果开放模型竞争更加激烈，企业和个人开发者可能获得更多选择。 长期看，这有利于降低部分AI应用成本。 投资与商业机会 开放模型部署、AI Agent开发、企业私有化AI、模型优化、推理服务和开发者工具，都值得观察。 主要风险：收购尚未达成，甚至可能最终取消。模型能力、实际使用成本、监管审查以及生态兼容性，都可能影响商业价值。 必须区分： 事实：媒体报道双方正在讨论潜在交易。 市场观点：英伟达可能希望进一步强化开放模型生态。 推测：不能因此认定英伟达一定会完成收购，或者开放模型一定会取代闭源模型。 公众号选题 《英伟达不满足于卖芯片了：为什么开始争夺AI模型？》 今日五条新闻综合判断 排名 重点事件 普通人相关性 公众号价值 商业研究价值 ① 中国发布新质生产力19项举措 ★★★★★ ★★★★★ ★★★★★ ② 5500亿元地方财政支持 ★★★★★ ★★★★★ ★★★★☆ ③ 前三季度新增就业1052万人 ★★★★★ ★★★★★ ★★★★★ ④ 英伟达考虑收购Reflection AI ★★★★☆ ★★★★★ ★★★★★ ⑤ 欧洲稳定币监管进一步收紧 ★★★★☆ ★★★★★ ★★★★★ 今天最值得注意的三个变化 第一，中国科技政策越来越强调产业落地。 AI、区块链、机器人、算力和数据要素被放进同一个政策框架中，说明科技发展正在更加重视与实体经济融合。 第二，经济政策开始更加关注财政保障和就业吸纳能力。 5500亿元地方债务额度安排和服务业就业政策方向，都反映出稳经济不仅需要产业投资，还需要基层财政运行和就业支持。 第三，全球科技与数字金融竞争正在进入生态和规则阶段。 英伟达可能进一步布局开放模型，欧洲强化稳定币合规监管，反映出技术优势之外，生态控制能力和制度适应能力也越来越重要。 今日最值得深挖的1个选题 今天我建议选择第一条。 原因是它能够把我们长期关注的几个专题真正连接起来： AI一人公司、产业AI应用、区块链与社会、RWA、数字经济以及实体产业转型。 而且，这次政策文件提供了一个非常重要的新切入点： 国家为什么同时提出建设全国一体化算力网和国家区块链网络？ 过去我们讨论AI和区块链，往往把它们视为两个相对独立的技术领域。 AI主要解决： 智能分析、内容生成、预测和自动执行。 区块链主要解决： 多方协作中的数据记录、验证、追溯和可信交互。 如果两者与产业数据、实体资产和金融基础设施结合，就可能产生新的商业模式。 当然，这种结合不是必然发生，也不意味着所有业务都需要区块链。 真正值得研究的问题是： 哪些场景需要AI？哪些场景需要区块链？哪些场景同时需要两者？ 这比简单讨论“AI加区块链会不会成为下一个风口”更有价值。 今日正式推荐标题 《19项新政释放重要信号：AI、区块链和实体经济，未来该如何融合？》 建议副标题： 从全国一体化算力网到国家区块链网络，中国数字经济正在构建怎样的新基础设施？ 建议文章围绕三个问题展开。 第一，为什么要把算力网和区块链网络放在同一份政策文件中？ 重点解释二者不同的技术功能，以及在产业数字化中的潜在协同。 第二，AI与区块链结合，哪些场景可能最先创造实际价值？ 重点讨论供应链追溯、工业数据协作、智能制造、可信数据流通和合规数字资产管理。 第三，普通企业和个人创业者如何寻找真正的机会？ 重点讨论AI应用服务、企业数字化改造、行业数据服务和专业化解决方案。 文章结尾可以落在一个核心判断上： 未来数字经济的竞争，不只是拥有更先进的技术，而是能否让技术真正进入生产、流通和服务过程，创造可验证的经济价值。 我认为，这个选题比单纯追踪某一家AI公司的融资或模型发布，更适合形成一篇具有长期参考价值的公众号深度文章。 本期结论：今天最值得长期研究的是中国新质生产力政策；最值得普通家庭关注的是财政和就业政策；最值得科技创业者关注的是开放模型生态；最值得数字金融研究者关注的是稳定币监管的制度化趋势。 本期依据新华社、财政部相关公开信息、人社部门新闻发布会、Reuters、《金融时报》和ESMA官方公告整理。投资与加密资产部分区分了已确认事实、市场观点和分析推测，不构成投资建议。 Reuters Nvidia in talks to invest further in Reflection AI or buy it, FT reports 今天 Reuters China adds 10.52 million urban jobs in Jan-Sept, to roll out services jobs policy 昨天 Reuters China ramps up fiscal push to meet growth target 前天 每日重点简报｜2026年10月10日 ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势 / all
风险提示：文章内容整理自网络，未经核实，请谨慎参考！ 如有侵权，私信联系删除 【国泰海通传媒】继续推荐AI视频板块 太阳AI短剧渗透率正快速提升 目前AI短剧在视频大盘渗透不到30%，且在快速提升。据Questmobile，2026年5月红果短剧月活达3.56亿人，同比增长79.1%，同期短视频用户10.74亿（网络视听协会），短剧在视频用户中渗透仅30%。AI短剧来看，据DataEye，26H1各平台上线微短剧36.7万部，其中AI内容占比超过74%；漫剧百强榜中AI仿真人短剧占比已从2025年初的约7%快速提升至2026年3月的超60% 太阳AI视频由微短剧扩展至长剧，供给放量推动行业高增 参考短剧发展历程，随着短剧供给快速增长，微短剧市场自23年起步，快速增长至25年的千亿元（广电总局）。长剧来看，2025年供给仅232部（网剧+电视剧取证口径），随着供给起量，长剧空间有望进一步打开。AI视频可分为AI短剧AI长剧，随着AI渗透持续提升，AI视频对应的网络视听大盘空间有望迈向1.29万亿（中国网络视听协会） 太阳未来可能出现的几种形式？ 1）经典IP、小说改编效率提升。受限于制片审核流程长的问题，经典IP推新速度较慢，《哪吒》电影系列片5年上线，《庆余年》电视剧系列片间隔5年 2）老剧翻新。长视频行业播放量老剧占比超50%（云合数据），意味着大量的流量没有被新增内容所满足。该类老剧、经典版权资产盘活的重要方式之一是系列片翻新。近期AI网络电影《灵魂摆渡·浮生梦》上线，该片子运用原班演员AI分身出演，能够较好的保持演员班底的一致性，以及克服了演员的状态问题，较好延续原有IP的生命力 3）与实时热点结合的供给提升。内容分为即时消费和多次消费两类，可分为同实时/热点结合的内容，以及经典内容。长剧行业此前由于投资制作、审核时间较长，长内容仅能满足经典内容承载，而难以快速响应市场。随着21条边审边播模式落地，叠加AI赋能，AI长视频有望实现内容快速迭代，更多满足社会当下热点话题的内容创造，释放需求空间 玫瑰投资建议： 随着政策放松及Seedance等多模态模型能力持续提升，科幻大场景剧、真人AI剧等形态的制作成本与周期有望大幅压缩，创新题材、精品剧供给有望快速提升。关注AI剧平台公司芒果超媒、中文在线；视频制作公司欢瑞世纪、华策影视、中广天择、华智数媒、博纳影业、上海电影等；此外关注ip公司掌阅科技、奥飞娱乐、果麦文化等 国泰海通传媒陈筱、李瑶 ������磷化铟板块更新2610 【1】 #产业价格信号维持高景气 _衬底大尺寸化趋势明确 ——据通美，国内4/3/2英寸磷化铟衬底最新报价分别为7,000元/4,500元/1,200元，海外6/4/3英寸报价分别为1-3万元人民币/800+美元/450美元。 ——8月底以来价格维持高位。据SMM，10.9我国4/3/2英寸磷化铟衬底当日均价分别为7,050元/3,850元/1,250元，当天最高价分别为7,500/4,000/1,300元，年初至今涨幅分别达63.8%/94.4%/3.7%，年内两轮提价集中在6/8月。 ——4/3英寸衬底溢价率持续抬升。据SMM，截至10.9，4英寸/2英寸、3英寸/2英寸溢价率抬升至41.0%、36.9%，反映下游客户对外延加工的一致性、先进工艺的配套设备、加工效率等因素的偏好持续提升。 【2】 #国内市场短期供需仍紧 _FCC强化InP估值端逻辑 ——短期视角下高频价格信号和库存水位均反映偏紧供需。“远期缺不缺”的问题短期内无解，但通美反馈当下排产已满，7/8月新增订单当年交付较困难，基本无法插单，最大外延片客户催单很急，推测下游几乎无库存。 ——中期视角下“65%”再度强化了InP的战略价值。其一今明两年InP全球供给将由中国产能主导（卡海外光芯片脖子），其二涨价后的Inp衬底仅占光芯片约20%BOM（占光模块BOM极低个位数），因而在FCC阴影下的反制价值凸显，有望上修估值。 【3】 #海外订单审批周期整体或缩短 _地区性差异较大 ——一事一议，没有固定的审批额度或者一年一批这种说法，流程是拿单，准备材料（合同+客户承诺书）提交商务部，商务部45个工作日受理之后组织专家审议（主要考察两用物项）。许可证一般有效期为6个月。 ——审批周期或缩短，地区性差异较大。通美反馈25年审批不稳定性较强，审批周期在60天到半年不等，今年审批周期缩短，部分客户约40多天即可获批。整体而言，新加坡、欧洲客户相对顺畅，北美、台湾、日本客户相对偏紧。 💡推荐关注【光智科技】【海川智能】【博杰股份】【兴业科技】等 【天风能源】煤炭周观点——安监约束供给、迎峰度冬背景下，煤价大概率高位震荡，明年煤价中枢或大体持平于今年 💡【动力煤：四季度或高位震荡】 考虑9.17保供后，目前产量仍未实质性恢复，即便陕蒙有小幅增产，缺口也很难得到弥补。结合近期迎峰度冬采购高峰，煤价或仍持续上涨，11-12月可能有小幅回调，我们认为四季度煤价仍将高位震荡，预计四季度煤价中枢再900-950之间。 对于股票而言，短期煤价如何震荡可能已不再是重点，重点在于判断明年煤价中枢，这决定了股息率的真实性。从目前来看，明年的价格中枢可能和今年差异不大，仍将维持高位，虽然后续安监可能会有边际宽松，但是考虑到短期内隐蔽工作面问题难以恢复，整体依然偏紧。其次，超强厄尔尼诺在明年仍将持续产生影响，一方面是夏季耗煤量，另一方面可能持续对内陆运河水位和开采产生影响，进而压制印尼煤进口量。 💡【炼焦煤：短期反弹，四季度高位震荡】 焦煤昨日反弹，消息方面，市场传闻满都拉口岸拟开始维修工作，市场对蒙煤复量预期进一步延后。从基本面来看，在9.17保供通知后，产量并没有实质性恢复，进口侧蒙煤通关量依然处于地位，供给依然处于较为紧张的态度，叠加近期钢材利润小幅恢复、空头利润兑现、焦煤修复铁水等原因，盘面快速反弹，短期走势偏强。 随着明年一月份矿山安监总结评估阶段结束后，中期供需格局存在边际转弱的可能性，阶段性补库结束后，预计11月铁水或持续回落，碳元素有概率重回累库周期。目前来看，预计四季度高位震荡，明年中枢或与今年接近。 💡【投资建议】动力煤重视高股息标的，焦煤重视高主焦煤含量标的 1）动力煤：中国神华、中煤能源、陕西煤业、兖矿能源、广汇能源、中国秦发 2）焦煤：淮北矿业、潞安环能、平煤股份、山西焦煤、首钢资源 【财通电子&新科技】各位领导，我们今日外发报告【光电共封装走向量产，封装测试成为关键环节】 1⃣ #AI集群扩张推动光互联由可插拔向CPO演进 。AI训练和推理由单机向大规模分布式计算演进，持续推升网络带宽需求：Meta训练集群规模在不到两年内由4千颗GPU扩大至2.4万颗，并进一步提升至12.9万颗。网络侧，Switch ASIC与SerDes同步升级：Broadcom Tomahawk交换容量由TH4的25.6Tbps向51.2Tbps及102.4Tbps提升，SerDes单通道速率由50G、100G升级至200G。随着速率提升，传统可插拔方案中ASIC至前面板的长距离电连接面临更高损耗和功耗压力，光互联因此沿可插拔、LPO/LRO、OBO、NPO向CPO演进，推动光电转换位置持续向Switch ASIC靠近。 2⃣ #CPO重构价值链 ，封装、耦合和测试成为关键增量。CPO将PIC、EIC组成的光引擎与Switch ASIC共同集成，传统独立光模块中的外壳、PCB、前面板高速连接器及部分DSP价值有所弱化或转移，而光电异构集成、FAU高精度耦合和多阶段测试价值提升。规模量产的难点进一步转向良率和一致性控制：以32颗光引擎集成为例，若光引擎良率相互独立，即使单颗良率达到99%，全部合格的理论概率也不到73%；imec实验显示，光纤耦合横向偏差超过1μm即可能造成部分光耦合器失效。同时，CPO测试由传统模块成品测试扩展至晶圆/裸Die KGD、光引擎及完整CPO系统，封装、耦合、光电测试成为CPO量产的重要价值增量。 3⃣ #CPO进入量产导入期 ，封装测试市场空间加速打开。当前Switch端CPO率先实现产业化突破，Broadcom TH5-Bailly成为业内首个进入量产阶段的CPO方案，NVIDIA Quantum-X Photonics已进入实际AI集群部署，Spectrum-X Photonics亦于2026年进入生产。根据天孚通信港股招股书援引的弗若斯特沙利文数据，全球CPO市场规模预计由2025年的约1亿美元增长至2030年的286亿美元，CAGR约218.7%。Yole预计全球光子封装市场由2025年的45亿美元增至2031年的144亿美元，其中CPO相关光子封装市场约50亿美元；Teradyne预计CPO测试设备市场由2026年的约1亿美元增至2028年的3~7亿美元，长期有望超过10亿美元。随着头部平台进入量产，封装、自动耦合及光电测试需求有望加速兑现。 #建议重点关注光引擎与光连接 、先进封装、自动化耦合、光电测试等价值量提升环节。建议关注：天孚通信、长电科技、盛合晶微、罗博特科、博众精工、联讯仪器。 ——财通电子&新科技唐佳/詹小瑁/蒋鹏坤助您收益长虹 重申AI安全:❗白宫《超级智能协议》签署，模型安全须引入独立外部评估【天风计算机缪欣君团队】 #相关标的 ： 白马：深信服、绿盟科技、奇安信、安恒信息、启明星辰 黑马：亚信安全、盛邦安全、ST信安、格尔软件 1、模型公司引入外部安全能力，首次写入美国国家级承诺 据新华社报道，9月29日OpenAI、Anthropic、谷歌、Meta、xAI、英伟达六家负责人在白宫签署《超级智能协议：前沿责任联合承诺》，对前沿模型建立 #四层安全管控 ：内部管控监测、内部团队保障、 #引入独立外部审查或评估机构 、董事会独立委员会监督。模型公司需要外部专业AI安全能力，首次被明确写入顶尖企业联合自律的承诺文本。 2、海外AI安全大事件密集催化，攻防两端同步提速 9月15日，OpenAI披露已与Anthropic、谷歌DeepMind就前沿模型安全举行数周会谈， #竞争对手之间AI安全协调有望成为行业常态 ；10月9日，据路透社报道，ARTEX AI自动化渗透测试智能体因参与对韩国银行的真实网络攻击，开发者被迫将其 #紧急转闭源并停止维护 。AI Agent武器化首次从推演走向现实案例。叠加此次白宫协议，AI安全需求明确。 3、国内模型侧安全需求已开始显现，重申重视AI安全 9月中旬国家互联网应急中心公布2026年人工智能大模型安全众测结果，2467名白帽子对国内25家厂商的54款大模型及智能体产品开展测试，累计发现 #873个安全漏洞 （其中AI特有漏洞占比达70%），涉及越权访问、代理身份滥用等。参照海外节奏， #模型安全评估与红队测试有望成为国内大模型上线前必选项 ，AI安全需求从政企侧向模型侧扩容，国内AI安全放量在即。 欢迎交流！ 天风计算机缪欣君/王祺深 【中信机械】造船行业周度更新系列（30）： 运价继续创历史新高，新船价格连续7月环比上涨，造船&海工长景气周期趋势向好，重点看好 #松发股份 、中国船舶、中集集团、中国动力加油 #运价创历史新高 ，二手船与新船价格大幅倒挂：本周Clarksons新船价格指数186.7点，自26年3月以来环比继续7月上涨。二手船价格指数达224.0点，环比上月上涨2.8%，继续突破前高。本周Clarksons综合运价平均达84951美元/天，继续创历史新高。目前新船价格与二手船价格出现大幅倒挂，根据Clarksons数据，目前一艘3年内VLCC现船价格达1.8亿美金，而一艘VLCC新造船价格仅1.3亿美金。 #2026Q1 ~Q3新船订单创2007年以来新高：2026年9月全球新船订单约800万CGT/220亿美金，同比分别增长13%/12%。2026年Q1~Q3全球造船订单约7071万CGT/2050亿美金（油轮/集装箱船/散货船/气体运输船分别占比30%/28%/15%/14%），分别同比增长57%/55%，新船订单量超过2024年前高，创2007年以来新高。目前全球造船厂在手订单约2.26亿CGT/6.01亿DWT，在手订单保障年数4.56年，造船行业景气持续。 #核心观点 ： #长期来看 ，基于目前全球航运船队老龄化及新能源化的底层逻辑，叠加全球地缘政治冲突激烈化、全球贸易格局碎片化趋势，集装箱船、油轮、散货船行情轮动交替演绎，我们判断本轮造船景气周期可持续至2030年以后。 #短期来看 ，我们看好2026年造船行业复苏行情，全球新造船订单自25年11月以来延续强劲复苏态势（美国关税/301调查谈判落地、叠加下游油运市场景气持续上行），新船价格指数自26年3月以来已经连续上涨，当下中船、恒力、扬子江等主要船厂业绩已呈现加速释放态势，随着行业贝塔复苏，无论从行业景气度、业绩的确定性和弹性还是估值性价比角度看（ #松发股份 、中国船舶2027年PE约10倍左右（Wind一致预期）），造船行业为2026值得重点关注和配置的板块，当前时点作重点推荐。 #重点关注标的 ：恒力重工、中集集团、中国船舶、中国动力、扬子江、船舶ETF、苏美达、中船防务H、中国船舶租赁、纽威股份、亚星锚链。 玫瑰欢迎联系中信机械团队交流，获取相关公司和行业PPT、模型等资料以及造船行业数据库~ 【华源公用】山东核电机制电价比例提升，建议对核电保持乐观 ⭕事件：据了解，从9月份起，山东核电执行类机制电价政策， #机制电价比例83 %，机制电价为批复价 ⭕评价： 1）继广东、辽宁后的第三个核电机制电价执行省份，后续应对全国性政策出台保持乐观 2）山东机制比例83%，超出市场预期（此前两个省份均为70%），更高比例的保障性电价值得更高的估值 3）对于山东而言，过去该地约70%电量执行批复价，本身政策比较友好，本次政策进一步提升保障性比例，对于单个机组的利润增厚约0.7亿元。 ⭕推荐方向： 核电机制电价政策有望加速，推荐 #中国广核 、中国核电，Q3业绩预计环比好转，广核Q3有望延续高增长 其余细节欢迎私信 【国盛传媒互联网】AI短剧产业更新：微信绿泡泡下场聚合，AI内容成内容消费主力军 🔺近一年，伴随多模态模型能力持续升级，AI内容成内容消费主力军。 #模型端 ：模型能力及价格已逐步成熟到大面积商业化落地。从24年底Open AI发布Sora开启Ai内容创作浪潮，到今年年初seedance2.0能力大幅度进步带来大量Ai内容商业化空间打开，再到阿里Wan3.0、Minimax H3把Ai内容生成成本价格打下来，模型能力及价格已逐步成熟到大面积商业化落地。 #供给端 ：持续爆发、占比提升。据广电总局，今年前8个月全国上线微短剧43万部，是去年全年13倍，AI剧占比超九成。 #需求端 ：AI内容质量不断提高，更真实、流畅，甚至难辨真假，逐步占据平常老百姓日常内容消费。 🔺近期边际变化 #①腾讯微信9月上线官方免费短剧小程序 「绿泡泡」。我们认为，这是微信生态首次官方入局AI短剧，意味着腾讯对这一方向的加码，同时带动产业繁荣与竞争加速。这有望聚合此前微信小程序中分散的短剧流量，并依托微信生态补全腾讯系AI剧入口。 #②国庆期间AI短剧播放量持续走高 。9/28-10/04，抖音原生AI短剧播放量环比+7%；截至10/7，红果热播榜前20名中19部为Ai剧，而真人短剧开机量同比跌约75%。 #③AI内容形态多点开花 。除了此前爆红的AI漫剧外，现在AI真人剧、AI长剧、AI电影、AI互动影游等内容也层出不穷，比如芒果的《后西游记》、博纳的首部AI院线电影《三星堆：未来往事》等。 相关标的： ①上游IP方：奥飞、上影、阅文、中文等； ②上游工具方：Minimax、昆仑、快手、万兴等； ③下游渠道方：芒果、昆仑、中文等； ④中游内容制作：中文、掌阅、博纳、荣信、华是、德才、欢瑞等。 风险提示：多模态模型迭代不及预期，AI短剧行业竞争加剧，监管政策收紧等 ☎️国盛传媒互联网刘文轩/赵海楠 液冷（19）：FroreSystems推出LiquidJetDiamond冷板，金刚石均热片直击GPU热点散热 金刚石冷板落地GPU热点散热金刚石热管理材料迎来冷板级应用。近日，美国先进热管理厂商FroreSystems正式发布LiquidJetDiamond冷板，在其3D超短回路多级液冷架构基础上，于GPU热点正上方集成一层7×7mm金刚石晶圆均热片。该方案将热点冷却功率密度推至770W/cm²以上，较传统冷板提升150%以上，换热效率提高75%，GPU温度降低16-22°C，并带来30%至35%的Tokens/Watt效率提升。其核心价值在于代表了一种针对非均匀热源的精准散热范式：利用金刚石极高热导率将热点处集中的热量快速横向扩散，降低局部热流密度，再交由下方3D短回路喷射通道液冷结构带走，相当于在冷板内部嵌入热流缓冲层，不改变芯片本身，可作为即插即用方案直接适配现有液冷基础设施。这与DiamondFoundry的芯片级重构路径形成互补而非竞争：前者解决热量传到冷板表面后散不走的问题，后者解决芯片内部热量传不出去的问题，未来甚至可能在同一系统中并存。 技术卡位下一代平台冷板架构可扩展性获验证。Frore的LiquidJet系列设计标准已前瞻性覆盖至4400W级别，指向NVIDIARubin、RubinUltra、Feynman架构及定制超扩展器ASIC。早在CES2026上，Frore便已公开演示针对NVIDIARubinGPU的LiquidJet冷板，在约40°C入口温度下成功驾驭1950W散热功耗，将芯片结温控制在80.5°C，较传统液冷方案降低7.7°C。公司成立于2016年，由两位前高通工程师创立，2026年3月完成1.43亿美元D轮融资，估值达16.4亿美元。 相关公司：（未覆盖不作为投资推荐） 黄河旋风（未覆盖）、国机精工、沃尔德、四方达、惠丰钻石（未覆盖）、力量钻石、宏昌科技（未覆盖）、九州一轨（未覆盖） 风险提示：金刚石冷板规模化量产进度不及预期；金刚石均热片与现有液冷基础设施兼容性不及预期；金刚石散热材料成本下降不及预期。 详情欢迎联系东北计算机团队 端侧AI，万众创新 #小模型能力持续提升 ，Vibe Coding促使端云协作降低新品开发门槛。轻量模型从文本处理向视觉、语音理解及工具调用拓展，支持更自然的多模态交互。细分场景下，终端可在本地完成高频任务，通过云端处理复杂任务，复用成熟模型能力，加快产品开发。 #应用从问答交互向个性化服务与专项任务执行拓展 ，AI眼镜增加识图问答与实时翻译，AI玩具拓展互动陪伴，AI穿戴结合持续健康记录与个性化指导，AI耳机融入翻译与健康功能，功能机器人围绕清洁、配送等任务落地...。 #终端落地带动连接与低功耗计算需求 。云端调用、数据同步及设备互联增加蜂窝、Wi-Fi与蓝牙连接需求；多模态感知与实时响应推动SoC集成计算、连接与AI处理能力，兼顾算力、功耗和成本。 #持续交互进一步提高供电 、续航与轻量化要求。信号采集、音频输出及电源管理带动模拟器件升级；紧凑的终端空间提高电池能量密度与适配要求，轻质高强材料和精密加工则支持终端减重，改善佩戴与使用体验。 建议关注： #SOC ：乐鑫科技、瑞芯微、晶晨股份、恒玄科技； #通讯模组 ：移远通信、广和通； #模拟芯片 ：艾为电子、圣邦股份、思瑞浦、南芯科技； #电池 ：豪鹏科技、亿纬锂能； #轻量化材料 ：达瑞电子、金发科技、长盈精密、领益智造； #终端应用 ：OpenAI、Meta、Google、苹果、Alphabet、小鹏汽车、石头科技。 风险提示：模型与生态进展不及预期；终端需求及商业化不及预期；技术路线变化与竞争加剧；数据隐私与应用安全风险。 感谢小伙伴的转发和点赞！！ 侵权联系删除~ 风险提示：文章内容整理自网络，未经核实，请谨慎参考！ 每日复盘+机构观点整理，如果觉得有用可以扫码点个关注~欢迎点赞、转发！ ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势 / all
文丨朱焘 前不久，我去广州参加一个以人工智能与历史学为主题的研讨会。 乘出租车去机场的路上，司机主动向我搭讪，一路向我诉苦：“AI现在太厉害了，马斯克开发的无人驾驶出租车要是大规模推广，我们恐怕都要失业了……”我很惊讶，一方面佩服司机大叔对Tesla Robotaxi的了解，另一方面也感受到了各行各业对AI的恐慌。司机接着和我聊起来： “来广州做什么？” “来学习一下人工智能与历史学。” “律师啊，你们律师也要被AI取代了吧？” “不不，不是律师，是历史。” “历史和AI有什么关系？这么高科技的东西，关你们什么事？” 我一时语塞，竟不知道该怎么解释。因为我明白，若再强行抛出“OCR”“数据库”这类词，接下来大概率就是尬聊了。 不过，和出租车司机这场偶然的对话之后，我想，是时候把这些问题梳理一下了。大概从ChatGPT问世起，我就在持续关注人工智能与人文社会科学研究的相关论著。去年底，OpenClaw横空出世，能直接帮人操控电脑，功能十分惊艳，我便开始下功夫自学。当时我发现，历史学者对这个工具的使用还比较滞后，想找个“师傅”都难。后来，一位放弃博士学位、专职炒股的师兄和我说，他正在用AI炒股，用的就是OpenClaw。我对炒股没有兴趣，但很想用它帮我从网上抓取史料。他建议我先从国产的入手，我就此成了WorkBuddy较早的用户之一。起初我主要是从网上抓取、整理史料，效果非常惊人，以前我可能要一周才能做好的事情，它不到一个小时就完成了，而且更准确、更详细；甚至我在外出差，也能通过它控制我的电脑，继续整理史料。这让我的好奇心和探索欲倍增。当时国内外各大Agent接踵而起，大模型也越来越多，我几乎都去试用或购买相关API，慢慢摸出了些门道。 有一天，我发现大部分Agent都有“定时任务”的功能，摸索了一会儿后意识到，这不就是私人订制的“微信公众号”吗？于是我设置了不少任务，其中收获最大的，是每日关于AI与历史学研究的推送。我大致设了几个任务，让Agent检索全球人工智能的进展、人工智能与历史学的论著，以及人工智能与人文社会科学研究的论著，并且一天至少翻译两篇给我读。有些虽未全文翻译，但只要我觉得重要或有趣，就会想办法找来全文细读。久而久之，我每天都要读大量相关文献。通过这些文献，我真的是大开眼界：机器补全两千年前残缺的希腊铭文，准确率居然超过了专业的历史学者；甲骨文考释用上大模型，拿下了计算语言学年会的最佳论文；伦敦帝国战争博物馆2万多小时的口述史访谈，AI只用了22天便整理完毕；甚至一封在挑战名单上挂了21年的二战德军密电，也被大模型用10个小时破开……这样的消息，几乎每周都有。 阅读的早期，我心中的疑问也越来越多。比如，人工智能的原理是什么？全球人工智能的前沿走到了哪里？它与历史学结合的特征、瓶颈与趋势是什么，中国的情况又如何？它究竟能为历史学研究做什么，又有什么是做不到的？其他学科与人工智能结合的经验，能否让历史学借鉴？如今，我心里多少有了些答案，便借这篇文章展开来谈。 一、人工智能降低了历史学者的编程门槛 在中国的教育体制下，从中学到大学，不管什么专业，可能都上过计算机的必修课。相较于充满趣味的文史知识，计算机语言显得有些乏味，这对许多文科生是个不小的挑战。因此直到现在，不少历史学者面对AI，仍带着一种本能的胆怯。据我观察，身边大部分朋友对AI的使用，还停留在“聊”的层面，即用手机App或网页版一问一答，很少进入“干活”的工作流，谈不上让AI替研究做些稍复杂的辅助。事实上，由于AI的发展，编程对普通人的门槛已大为降低。放在以前，你可能要先接受相当长时间的计算机培训，才能掌握C语言、Python这些工具；而如今，你只要用大白话告诉AI你的需求，它便会替你写成代码，把活干完。 如果历史学者愿意再多了解一些入门级别的概念，则很快会克服这种胆怯与迷茫，阅读相关方法论或者探索性的论文，也不会感觉吃力。第一个问题自然是，究竟什么是AI？这不是历史学者需要过于纠结的问题，你需要知道，AI不是最近几年才出现的，早在1956年达特茅斯会议，这个概念就已出现，大意是“让机器完成需要人类智能的任务”。我们现在所接触到的AI，基本取的是较为狭义的理解，即2022年11月30日ChatGPT上线以来的大语言模型及其多模态延伸，也被称之为生成式人工智能。此前的AI是实验室和工程师的，此后第一次进入每个研究者触手可及的范围。说到底，这些大模型都是读过海量文本之后学会“语言的统计”的机器，能像人一样说话，不等于像人一样知道。 对历史学者而言，有四个词需要稍微了解。词元（Token），是机器眼里的字，模型读进多少、写出多少、按什么计价，全以它为单位，中文一个字约合0.6到0.7个词元。多模态（LMM），如今文字、图像、声音进了同一个模型，它不光识字，还认得手稿、看得懂拓片、听得清录音，史料的OCR、文书识别，靠的都是这一手。检索增强生成（RAG），先让模型去指定的库里查材料，再据以作答，答话还能带上出处，好比把闭卷考试改成了开卷考试，又像一位守规矩的查档助手，调哪件档案，说哪句话。智能体（Agent），是会动手的AI，能替人读写文件、执行代码、操纵浏览器，一桩多步骤的差事自己拆开来办，我开头讲的抓史料、每日推送，便是它的手笔。有个公式说得很直白，Agent = Model + Harness，模型还是那个模型，套上一副“马具”，才从会说话变成会干活。 至于AI是怎么运转的，历史学者不必深究Transformer那一套，知道它的脾气就够了。它不是在数据库里检索答案，倒像一位读过海量书报的老先生，一个词接一个词往下续，你起个头，他就顺着讲，所以同一个问题问两遍，答案可以不一样，他也没有“查到”“没查到”一说，只有“接着讲”。他的学问全来自读过的书，可能英文书读得多，中文书读得少；而且书是某年某月之前读的，此后的事他一概不知，却照样讲得煞有介事。这位老先生还被调教得格外殷勤，有问必答，从不肯说“我不知道”，他自己也分不清哪句是记得的、哪句是猜的、哪句是编的，三种话一个腔调，这就是幻觉（Hallucination）的由来。最后是他的案头，行话叫上下文窗口（Context），一次谈话里能摊开的材料就这么多，你把一部书的全文给他，他便靠这部书说话，答得有板有眼，不给，他就凭印象发挥。 用大模型做研究，目前大概有三种方式。最常见的是对话，像智能客服，问一句答一句，有记忆、好上手，适合临时提问、整理想法，但上下文有限，长文得不断重开。稍进阶的是调用API，像自己炒菜，材料、要求、格式配好发过去，每次独立、互不相干，能批量、能固定格式，兼具流程化与工程化。目前更主张尝试智能体，它类似于包工头，你只需要交代目标，它自己规划、拆步骤、调工具。这两年大模型竞争白热化，迭代极快，替人操作电脑的智能体一个接一个。至于选哪个，我的体会是三条：一是长上下文优先，装得下整部书、整个库的，才适合当历史研究的模型，眼下的GLM-5.3，上下文已做到131万词元，故颇受文史研究者青睐；二是涉史料的批处理尽量走国产或本地部署，既是性价比的考量，也能避开一些“莫须有”的麻烦。三是榜单只做初筛，拿自己最难的史料各跑一遍，合不合手，一测便知。不少网友还建议各取所长，如Claude写正文、GPT审逻辑、DeepSeek做摘要、国产跑批量，最后人工把关，这可能也有些道理。 总之，关于历史学与人工智能，我有几个不成熟的观点。其一是AI平等，大模型或Agent并无高低贵贱之分。之前有朋友和我说，“我一直在用WorkBuddy，总被用Codex的人看不起”，我的回应是，你首先得知道这些工具是给谁造的，它们大多为编程和开发而生，服务于各种应用，并不是专门为历史学者设计的；历史学相对复杂的任务，对人工智能来说，可能是较低阶的处理，至少在现阶段，使用者无需“嘚瑟”，也不必自卑。其二是AI为最会教人的老师。现在很多朋友不知道如何让AI与历史学相结合，其实与其到处问人，不如把你的困惑用大白话告诉AI，它会耐心而准确地教你各种使用方法，很快就能上手；事实上也不限于怎么用AI，几乎任何问题它都能教你，这极大地降低了自学的门槛。其三是不必有AI焦虑。曾有朋友问我：“每次有人问你怎么用AI，你都毫无保留，不怕别人超过你吗？”我当时回复：“AI不是什么秘密武器，门槛只会越来越低，很多产品已经开箱即用。现在的情况，就类似于上世纪90年代末，有的人还在手写论文，有的人早已用上了电脑，随着电脑性能的提升和价格的下降，加上大家都学会了五笔或拼音打字，进入新世纪后，很快就都改用电脑写论文了。”其四是要大胆地用起来。历史学界对人工智能的利用仍极为有限，态度甚至可以说是保守，而革命性的变化已经到来，还在不断刷新我们的认知，今天它做不到的，明天很可能就做到了，你不试试，怎知它的奇妙？ 二、历史学者正在用人工智能做什么？ 人工智能在学术界已经取得了许多瞩目的成绩，其中影响力较大、曝光最多的可能更多是在理工科方面。我每日的推送里，也是这些消息最先刷屏。例如令我印象深刻的有：2024年10月，诺贝尔化学奖颁给了做蛋白质结构预测的科学家，物理学奖落在了神经网络的开创者头上，一年两奖都与人工智能有关，学界为之震动。得奖的功臣AlphaFold，到第三代论文刊于《自然》（Nature），连蛋白质与药物分子之间的相互作用都能预测了；DeepMind的材料模型一口气发现了220万种新晶体；气象模型GenCast在97.2%的预报目标上胜过欧洲中期天气预报中心（ECMWF）的传统集合预报；2025年7月，高级版Gemini参加国际数学奥林匹克竞赛（IMO），达到金牌线。AI甚至还介入了癌症的治疗，默沙东与Moderna宣布，全球首个由AI设计的个性化癌症疫苗闯过了三期临床，算法从患者的肿瘤测序数据里挑出最可能引发免疫反应的新抗原，一人一针，配上免疫疗法，二期试验里把黑色素瘤复发或死亡的风险降了近一半……这让我想到一句话“隔行如隔山，AI却好像无山不翻”。 回到历史学研究，这种“出圈”的成果似乎不多。原因是多方面的，DeepMind政策团队有篇长文《猜想机器》（Conjecture Machines），把这件事说得较为透彻：AI提猜想，又快又便宜；验证猜想，仍然要靠实验室、设备和制度性的审查，用原文的话说，“反驳依然是物理的、制度的”，因而昂贵而缓慢。不过，理工科的验证回路再慢，也是闭合的，预报可以拿实测对照，新材料可以合成出来验证，考题和标准答案都在那里。历史学不太一样，史料是稀缺的、一次性的，普查不会再做一遍，证人很少再讲一遍，没有海量带标注的练习题；也没有天然的标准答案，古文献缺的那个字，谁也没法对答案；这门学科要的是解释，而AI的训练目标，往往都指向预测；史料解读很讲究“语境”，大模型又习惯于时代错置，拿今天的语感读前朝的文书，恰是历史研究所忌讳的。 通过与其他学科的对比，我们大致看清了历史学在人工智能时代的特征。那么这几年，学界到底拿AI做了些什么？在长期跟踪阅读相关研究，并结合自己使用实践的基础上，我认为先要弄明白的，是历史学者为什么要用AI，目的是什么。历史学研究日渐“科学化”，有着漫长而大同小异的环节和流程，引入任何新工具，无非是想减少重复低效的基础劳动，把时间和精力集中到思考和论证上去。至于研究本身，目的大概有二，一是尽可能还原历史，考据之学是典型；二是得出新的历史解释，这也是如今绝大多数研究者的写作所追求的。总而言之，历史学研究的终极目标，是为人类提供可信的回忆，并创造新的知识。目前历史学者对人工智能的种种用法，大体都没有偏离这个目标。而AI还在一路进步，它对历史学的影响，正是先改变最基础的前端环节，再一步步渗入更靠后的流程。 人工智能并非一夜兴起，早在ChatGPT出现以前，历史学者就已经在用计算机做研究。其中较具代表性的是二十世纪五六十年代，历史学者重算美国奴隶制的经济账，动用计算机评估铁路对美国经济增长的贡献，计量史学名噪一时，也从此争议不断。那时候几乎没人想过让机器理解历史，只指望它把史料收拾整齐。因而用力最集中的仍是史料环节，较初阶的是多元史料的数字化与识别；稍微进阶一些，则是引入其他学科的方法，如用GIS处理历史地理，用社会网络分析做关系史。待史料积累到相当规模，便有学者着手开发定制系统、建立数据库，譬如1990年代弗吉尼亚大学的“山谷计划”（Valley of the Shadow），把南北战争时期一南一北两个县的家信、日记、报纸统统搬上网；2003年上线的“老贝利在线”（Old Bailey Online），则把伦敦中央刑事法院自1674年以来的庭审记录做成全文可检的数据库。当然，最为中国学界熟知的，应数海外汉学研究者牵头开发的CBDB（中国历代人物传记资料库）、MARKUS古籍标注平台和“虚拟上海”（Virtual Shanghai）等。到了2010年代，数字人文进入爆发探索期，学界已不满足于“把纸变成数据”，开始从检索走向计算，从计算走向知识图谱，大规模文本挖掘蔚然成风，一时间涌现出众多以数字人文为名的项目。如谷歌把数百万册扫描图书做成词频曲线，日本国立情报学研究所的人文开放数据中心（CODH）把江户古文书“くずし字”办成Kaggle识别竞赛，Wevers与Smits则发表《视觉数字转向》（DSH），宣告用神经网络研究历史图像……这股风也吹到了国内，翻检各级社科基金的立项目录，以“数字人文视野下……”为题的课题连年增多。不过数字人文再热闹，门槛依旧相当高，掌握相关技术的人极少，成果也就相对零散。 2022年是重要的分水岭。修复古希腊铭文的Ithaca登上《自然》，证明机器已能在史学的核心工序上与人协作；岁末ChatGPT发布，让大部分历史学者都用得上AI。此后，生成式人工智能（AIGC）异军突起。起初，多数人的用法还停在聊天框里，多半出于好奇，问它各种史学问题，看它答得对不对。也有些学者稍加摸索后，利用其翻译外文史料与论著、古文今译、写Python脚本处理文本、给长论文做摘要、出课堂讨论题。这看似“旧酒新瓶”，只是门槛降低了许多。几乎与ChatGPT问世同时，历史学者坎斯坦纳（WulfKansteiner）便断言这类模型可以替学者生成各类“中间产品”，但“结构上说不了真话”。随后，加州大学圣克鲁兹分校的布林（Benjamin Breen）做了个更具体的试验，在历史课上让ChatGPT搭建历史场景，让学生与虚构角色交谈，课后进行“挑错”，作为一个新形式的史料批判训练。2023年9月，《美国历史评论》组织“人工智能与历史实践”论坛，引起较大反响，这也成为日后相关研究引用率最高的文章之一，当时八位学者各执一词，争论多，结论少，反映出当时的混沌现象。同年10月，斯洛文尼亚的两位研究者以本国中学毕业考试的历史题为底本，测试六个聊天机器人的人文科写作，结果GPT-4最接近及格线，其余全军覆没。在当时看来，AI的功用仍相当有限，它像一位耐心却不太可靠的助教，流畅有余，只会重组，不会原创。 修复古希腊铭文的Ithaca 不过，很快有学者意识到，历史学研究并非每个环节都需要“原创性”，不妨先让AI做些基础性的杂活。这几年，关于人工智能与历史学结合的宏观讨论不计其数，相关的案例研究最近也开始显现。综合这些文献和自己的使用实践，我认为，目前人工智能对历史研究方式影响最大的关键环节大概有以下几个。 其一是学术史的搜集与整理。 学术史是研究的前提，也是学术对话的基础，但它往往也是最耗时的环节之一。无论是前辈学者做卡片，还是我们现在习惯用word文档做学术史编年，几乎都要经过定题、摸库、检索、获取、编年、成文等多个步骤，其中绝大部分都得靠人力劳动，尽管研究者再怎么努力，可能还是会面临搜不全与读不完的困境。AI介入后，这些工序大都可以交给机器。学术史的梳理如今可总结为八步流程，如选题摸底、建立检索矩阵、多路侦察、核验获取、编年入库、读薄、理清学脉、沉淀封装Skill等。这并非纸上蓝图，我已成功试验多遍。谷歌、OpenAI甚至把“深度研究”做成产品，一句指令，模型自己拆题、分头检索、汇成带引文的报告。在现在的研究条件下，学术史回顾理应是全球视野的，无论什么选题，都应弄清谁在做、有何观点、还留什么空间、从何处接入对话，即便题目相近，也能换个视角或挖得更深，研究质量也会有所提升。 其二是史料的搜集与识读。 以往要打听到材料藏在哪里并不容易，网上新公布的资料容易错过，海外档案更隔着重洋，得托人、付费、办签证。如今各国馆藏与研究机构陆续把目录或影像挂在官网，AI能替你跨语言检索到它们的存在，再按图索骥发一封邮件，常常不出国门就能看到些研究线索。更有效的是滚雪球，读到一篇相近的论文，AI顺着注释里引用的史料一路追下去，常会有意外之喜。识读方面，早已不是当年的OCR所能概括，现在更常说的概念是手写文本识别（HTR），其背后是自带视觉的多模态大模型，手稿、竖排报刊、多语种档案都能直接看图认字。据评估，谷歌的Gemini在历史文献识读上的准确率与稳定性双双领先；开源轻量模型则进一步降低了文献识读成本，如PaddleOCR-VL不到十亿参数就认得一百零九种语言，本地部署不再是难事。落到操作上，一般有三种选择：材料不多时用客户端，把五页档案、几张报纸直接交给带视觉的AI，边认边看原图边精校，这种“人盯着改”的半自动，大概会比全自动可靠；材料成千上万时走API处理，写段简单程序或搭个工作流，读图、调用、存档、按日期页码自动命名一气呵成，睡前排好任务，一夜醒来便能看到数十万字的文档；涉密或长期项目则本地部署，材料不出自己的机器，更安全可靠些。除此之外，现在的史料类型是多元的，针对录音转文字，人工智能也有所进展，自动语音识别（ASR）技术也被广泛利用，这对口述史料的整理帮助极大。至于这些多元文献的识读准确率，目前学界多有探讨。我的体会是，规整的印刷本、端正的手稿，轻量本地模型足敷使用；潦草的手稿仍得仰仗第一梯队的大模型。 其三是建立个人数据库。 以前材料攒多了，惯常的做法是做成Word版长编，按时间或专题排开。但人的精力有限，资料的发现无穷，长编再长也读不完，多半是存着备查。个人建库更是门槛较高，既要会编程，又对软硬件有要求。AI介入后，创造了全新的研究条件，资料它能替你全部读完，建库也无需编程，用大白话说清需求，模型便替你设计字段、写好程序、顺手做个检索界面。至于字段怎么设、档号拆不拆、地名用今名还是旧名，它也给方案，但拍板的仍是你。这条路学界已有诸多实践。我自己陆续做了近十个数据库，最大的一座约2.7亿字，一个SQLite文件尽数装下，全文检索即查即得。库建好只是开始，检索要两层并行，精确匹配保底，语义检索补漏。再利用MCP这类协议把数据库接到对话窗口，它就成了本地的私人知识库，问它问题，先查库再作答，并附上出处，比起漫无目的的通用搜索引擎，它给的是有来源且可追溯的专业知识，甚至能替你把全库读完，从材料里挑出你没想到的问题。 其四是论文写作，这也是目前争议最大的环节。 《科学》主编2026年撰文，直言AI正让学术出版“更慢、更差、更贵”；同年一份机器学习顶会的评审被检出两成纯由AI代笔，令学界哗然。最近负责学术论坛收稿的朋友，可能大都遇到过AI稿泛滥的现象？对于该问题，迄今为止学界并无共识，所能确定的几条规则故而大相径庭，如爱思唯尔允许在稿件准备中借力AI，前提是人工核验并如实披露，而波兰的《历史季刊》则禁止以AI生成学术文本、文献综述、论点乃至摘要，未披露使用即视同抄袭，并对编辑和审稿人制定了同样严格的规定。用AI辅助学术写作，如今明显两极分化，一种是“裸用”，仅凭几句指令让模型搜罗全网信息拼出一篇论文，表面齐整，实则错误连篇，其中大量属于学界所说的幻觉，即虚构文献与伪造引文；另一种则把前期工作做足，资料准备充分，指令完备（角色、任务、材料、输出格式、约束），并把相关史料整理为可控的资料库，必要时提前以大规模语料训AI，再人机协同写作，成稿质量便完全不同。行文至此，我突然想起网上流传的一句话：“用不好就是学术不端，用得好便是科研利器”，于此似有几分道理。相关研究也显示，AI在语言准确与写作效率上效果稳定，一旦进入高阶论证与篇章组织，便出现了参差不齐的情况，必须高度依赖人工监督。因此，越接近表达层，AI越成熟；越接近问题与论证，人越不能退出。 其五是成稿之后的审读把关。 文章写完，大多人容易陷入“当局者迷”的状态，放进抽屉沉淀一阵再读，能改的仍然有限。请导师朋友看，人情珍贵而反馈一次性，人家也不好意思回回说重话。拿初稿投出去等外审意见，这种代价颇高，往往除了模板一致的退稿信外，难见其他。AI的出现，正让这一局面有所改观。卢森堡大学的数字历史研究中心（C²DH）为《数字历史学刊》（Journal of Digital History）造了一个“证据优先”的AI评审工作区，让模型对来稿的每条史实先找证据再表态，80条真实的编辑判定中，严格答对者占70%，正确或基本正确者占86%，编辑部认为有用者占九成，AI审稿之效，已可概见。受此启发，我“蒸馏”了自己的导师，把与博导多年往来的邮件、他分享的经验文稿与我随堂记下的大量笔记整理入库，再汇入同门相传的备忘录，以及海内外资深学者谈治学与写作的访谈，以导师为主体，制成一位随叫随到的“审稿人”。拿新写的文章请它审，意见之尖锐、风格之相近，令我十分惊讶。 以上五个环节，是按工序拆开来讲，2025年以来，又出现两个新趋向，使得历史学研究的各流程均有所变化。其中影响最大的是智能体（Agent）的流行，你只需下达一份较为详细的指令，它便把此前要一个环节一个环节分别去做的事，自动串成一条流水线。这股风从编程界刮起，2025年因此被称作智能体元年，Claude Code、Codex先后把“替人写代码”做成订阅产品；岁末年初，顶着龙虾标志的开源智能体OpenClaw一夜刷屏，“私人AI助理”的说法广泛流传，号称用手机下指令，就能控制电脑干活。国内厂商随即跟进，如今大部分大模型开发者也上架了配套智能体，因此大部分人都能轻易使用上Agent。历史学这边，最能体现改变的是报刊史料的获取，智能体可以模仿人类的行为登录数据库检索，发现文献后，有全文的抓取全文，没有全文的调看图像并自动截图，送本地或云端OCR，再对所得文字校对排版，产出可直接使用的文本，跑完一轮，它还能反过来报告哪些史料是你库中从未用过的，其中哪些堪称“亮点文献”。学界的相关探索亦不少，牛津团队的Chronos让历史学家用自然语言指挥智能体从扫描档案中批量抽取数据，每一行结果都能回溯到原页，规整的登记簿上近乎全对；普林斯顿团队把HistAgent带上ICML，给模型配齐检索、翻译、OCR等工具去答历史题，成绩远胜裸模型联网作答。数字人文界甚至为此造了新词Agentic DH，主张研究者当AI的指挥者，并对产出负责。2025年以来关于AI与历史学的讨论，智能体确实占去大半篇幅，称之为工作流的爆发，并不为过。 另一个新趋向是历史专用模型开始成批出现。前面说过，大模型的毛病之一是拿今天的语感读史料文献，新一批模型干脆从训练语料下手，隔绝未来。TypewriterLM只读1913年以前的英语，号称杜绝“时间泄漏”；TimeCapsule只吞1800至1875年的伦敦文本，参数并不大；还有经济史团队索性以兰克（Leopold von Ranke）命名自家的Ranke-4B，思路相同。它们的共同设定，是让模型“不知道未来”，把时代错置变成可控的变量。另一路是领域小模型，有学者为东亚古典汉文专门训练的HanmunRoBERTa，一张消费级显卡即可运行，在自家基准上持续胜过通用大模型，较为颠覆认知；奥地利科学院与Mistral合造的古希腊语模型Apollo，经二十位纸草学家、铭文学家与语文学家盲测，77%的补全不逊于人工。这些进展合在一起，反映出一个新变化，历史学者当初对AI的种种疑虑，如时代错置、语感污染、不解古文，正在被逐一解决，而优化者不再只是大厂工程师，研究者开始亲自下场。历史学者与AI，由此不再是单纯的使用者与工具，而进入了相互塑造的新关系。 三、AI的 暂时 局限与历史学争论 当然，人工智能并非完美无缺，在目前的技术条件下，它仍有很多局限。就我的阅读与亲身经历而言，AI翻车的案例几乎和成果一样多。这些局限要分两层看，一层属于工程技术，如识别还可以再准些、幻觉还可以再少些……我相信假以时日总有办法优化；另一层却源于学科特性，历史学追求解释，回答的是“何以如此”，AI的训练目标指向预测，回答的是“接下来是什么”。两套问答暂时合不到一处，大模型与史学理想中的助手之间，仍有相当距离。 就目前而言，历史学者用AI，用得最多的可能是处理史料，眼下最普遍的局限也与此相关。识读仍不容乐观，潦草的手写体与古文字尤其如此。东南大学等机构2026年在计算机视觉顶会CVPR上发布了MCHDoc基准，以15700多张高清图像测试各家模型，载体涵盖古籍纸、简牍、书法、碑刻、缣帛、甲骨六种。同一个模型，认古籍纸的准确率有56%，认简牍便掉到18.8%。我自己平时处理的多为1949年后的手写档案，规整者尚可，潦草之件的识别率至今很低。而最让研究者无奈的，恐怕还不是识别不出，而是猜着写。AI按其运行原理，总要输出流畅的文字，凭它强大的联想能力，识别史料时会靠猜测补齐空缺，有学者名之曰“流畅化遮蔽”。哪怕你限定了条件，大批量任务中也未必严格执行，最终看到的文本，与原始史料相去甚远。做世界史研究的，还要面对手写的小语种文献，问题只会更严重。有学者测试过乌拉圭的微缩胶卷档案，视觉模型会把档案里的人名悄悄换成常见人名，字符错误率指标毫无波动，语义早已面目全非。文字之外的史料同样如此，耶鲁大学福图诺夫大屠杀证词视频档案的团队用Whisper转写1847份证词，词准确率约85%，但模型习惯把口语“洗”干净，拉迪诺语的证词被按现代西班牙语的拼写“纠正”，“呃”之类的语气词被成批删除，有人统计，仅这一项就删去了近五千次。 AI很难有历史学的“问题意识”。历史学专业的研究生，多半领教过导师的“拷打”：你的问题意识是什么？这实在是个抽象的概念，以我的资历，至今不敢谈什么是问题意识，但我知道这需要长期的历史学训练，读足够多的史料与前人研究，反复琢磨。它的源头，多半是泡在材料里积下的困惑、现实关怀与学术脉络三者的交汇，积累到某一天忽然贯通，那一刻的顿悟，便成了文章的问题与主线。AI的确能把你的资料全部读完，能把你的史料库过上好几遍，也能挑出其中“反常识”的内容，前文说过，智能体甚至能替你从全库材料里挑出“没想到的问题”，可这些大多只能被视为研究线索。斯坦福团队组织过一场大规模的盲评试验，请一百多位研究者比较AI与人类专家各自提出的研究点子，结果出人意料：AI的点子竟被评为更新颖，但细看便露馅，这些点子彼此高度雷同，可行性也明显偏弱。这虽不是直接以历史学科为测试对象，但道理基本相通，点子可以批量生成，困惑无法凭空捏造。从线索到问题这一跃，AI暂时还跨不过去。 更深一层的局限，是AI读不懂史料背后的逻辑。年轻学者大都挨过这样的批评：“你的论文完全跟着档案走，你成了史料的傀儡！”话虽尖锐，却有其理，资深学者之所以一眼看穿，是因为他们阅档无数，深知史料的表达与历史的真实未必一致。档案写得堂皇，背后可能是另一回事。如果不理解，现在回顾一下，关于你自己的纸面记载、你眼前的新闻，是不是与现实总有出入？所以史学训练的第一课，从来不是急着问史料写了什么，而是先问它是怎么生产出来的，谁写的，给谁看，为何这样写，背后是怎样的权力与利害？AI恰恰短在这一环，它读史料，纸面怎么写它就怎么信，写出的历史跟着史料的立场走。它或能凭大模型的知识挑出时间、制度、官职一类的硬伤，却不知道这份史料为何被如此制造。还有一层是名实之辨，史料中的名词往往名不副实，有婉辞，有蔑称，有行话，还有同一名目下的不同实物。书写者受方言与文化程度所限，又留下满纸错字。别国的史料我不敢妄言，中文史料里这类例子比比皆是。而AI一旦在源头理解错了，很难在后续环节自我纠正，识错一个字，检索便归零。名实一错，抽取、统计、解释节节皆偏，错误沿着工作流一路传下去。美国学者安德伍德（Ted Underwood）测过各模型对1831至1930年间英语语境的把握，没有一个能令人信服地表征那个时代的词义与用法。年轻学者做史料的傀儡，尚可点醒；AI做傀儡而不自知，才是真麻烦。也正因如此，史学才要向人类学、社会学学习，一再强调走向田野。书斋里难解的现实语境，田野里能看到资料的另一副面相。何况史料上的涂改、报刊的油墨与纸张，人手可以摩挲，上海的用料与小小县城的用料之别，背后牵着印刷业的资本与权力，这些隔着屏幕的AI基本无法感知。 历史学者对AI的运用，可能还会影响历史书写。以档案为例，它多是官方机构的产物，生产时就有刻意的筛选，能留下纸面记录的，基本又是识字群体与精英。那些不识字的、编户齐民之外的人，很少被记录，古今中外大抵如此。历史学者并非不知道这件事，近代以来的史学早就不甘为帝王将相作家谱，如今的历史人类学、社会史、口述史、微观史，一代代学者想方设法研究历史中的普通人，只是相关材料并不好获取。到了AI时代，这个困难并未得到更好的解决，反而可能生出新的变数。眼下被大量OCR的资料，基本是成色较好的报纸与档案，很少见到民间契约文书一类更基层的材料，这既因为它们散藏四方且开放有限，也因为笔迹杂乱，难以批量识别。在今后的历史研究中，好认、好调用的材料可能会被一用再用，未开放的档案、难认的手稿、方言里的声音，连同没留下多少文字的普通人，在新环境里再一次被边缘化。因而有学者将之称为“算法沉默”（algorithmic silence），AI不是在制造偏见，而是在继承和放大档案里固有的偏见，底层工人的记录本就碎片化，算法的检索反倒可能进一步降低它们被发现的几率。从前决定谁能被记住的，是哪些史料被保存，往后恐怕得看哪些数据被喂给了机器。 还有一些局限，不像认不出字那样显眼，无法逐一展开，挑几条我实践中印象最深的来说。第一个是黑箱问题，传统史学研究有清晰的工序，找资料、整理资料、写成论文，文章里的每一条史实和解释，基本都能回溯到具体的史料与作者的思路。AI不一样，你喂给它材料，它的确能交出一段流畅的文字，甚至一篇像模像样的论文，可它是怎么从材料走到结论的，谁也看不见，也没法回溯。第二个是难以复现，模型几个月就换一代，闭源开源都一样，提示词差一个字，结果可能就变。如今已有期刊和出版社要求作者留存提示词与生成记录备查，写作时若没留底，事后便很难复原。第三个是地基不稳，你赖以工作的OCR工程、云端模型，背后或是公司，或是资助，公司会关门，资助也会中断，整条流程跟着塌，譬如HathiTrust研究中心运营了十五年，最近资助一撤，说停就停，令人扼腕。第四个是取舍与立场，面对互相抵牾的史料、针锋相对的学界分歧，AI难作裁决，它擅长讲一个听起来合理的故事，不擅长在冲突的叙事之间做判断。其立场也未必中立，有团队挑了21项至今归属存疑的发明，用12种语言去问11个模型，共得七万多条回答，结论是用哪种语言提问，答案便偏向哪种语言保存的叙事。第五个是稳定性，大批量资料喂进去，上下文一长便出故障。做党史、国史、战争史等研究的同行大概都有体会，即便处理最基本的史料，也可能因“敏感词”问题而中断任务。这并非我们独有，美国马里兰大学的团队让大模型归纳枪击暴力幸存者的访谈，44%的请求被护栏拒绝，部分受访者最高65%的经历因此没能进入分析。AI介入历史学的局限，肯定不止这些，限于我的学识与实践，眼下只能举出这几条较为明显的。需要说明的是，技术迭代极快，今天的局限，也许明天就解决了。 AI介入历史学研究，进展与局限并存，争论也随之而起。生成式人工智能问世之初，学界的争论集中于“AI到底能不能取代历史学家”。学者们做了不少试验，限于当时的技术条件，形成了一个较为明显的共识：AI无法取代历史学家。只是各家给出的理由并不相同，有说能力不济的，有说责任无处安放的，也有说价值不该让渡的。而如今大模型月月迭代，智能体又已登场，AI切实进入了大部分历史学者的日常，再争论这些“能不能”，意义已经不大。使用的人越多，争论的点自然也越多。眼下的论战，大概集中在这几点：AI能不能当历史学家，它讲的历史可不可信，方法该跟着怎么改，学生的基本功该怎么教，成果该怎么认定，语料该归谁所有，还有谁的饭碗先被端走……这些争论并非一成不变，有的很快会有令人信服的答案，有的将长期悬而未决，成为史学研究的热点话题。而随着探索深入，新的争论还会不断冒出来。争论固然意味着迷茫与未知，却也映照出全球历史学者的积极探索。创新不停，争论不止，这对任何一行都是好事，历史学也不例外。 四、AI史学在中国 以上许多例子多取自海外，中国的情况又如何？说回我开头提到的那个研讨会，9月19日，广州东郊，第十三届青年史学家论坛开幕，今年的主题索性就叫“数智史学的应用与创新”。69篇青年学者的论文，过半与人工智能有关：有人给清史造智能体，有人用大语言模型量化分析唐代墓志，有人让AI释读古埃及文献，有人专门讨论人工智能与上海史研究的方法论转向，还有人用生成式AI重建中世纪英格兰的庄园档案库。这场会议几乎是中国史学界与AI关系的一次集中亮相。这说明中国学者并不甘于旁观，也在积极投入其中。 事实上，中国史学界与计算机的缘分，同样不始于ChatGPT。早在上世纪九十年代，大型古籍数据库便已起步，约二十年前，就有学者倡导“E考据”，主张借电子资源介入传统史学，计量史学与数字人文在中国学界同样热闹过，围绕它们的学理交锋，许多延续至今。 生成式人工智能问世之初，最先作出反应的，是国内那批做过数字人文的学者。不过最早响起讨论的地方不是学术期刊，而是微信公众号这类自媒体，这也是中国的特征之一。随后澎湃新闻等媒体组织了多轮笔谈，《探索与争鸣》这类敏锐的杂志也率先组稿，此后，相关讲座与期刊规定不断涌现。 2024年以来，讨论明显升级。《史学理论研究》2024年第3期组织生成式人工智能专题笔谈；《光明日报》2025年2月10日用一整版刊出立场相反的两文，一篇讲共生共构，一篇泼冷水讲并非无往不利；《历史研究》2025年初新设“人工智能与史学发展”专栏，当年第5期又排开一组笔谈；《史学月刊》同年刊文正式提出“数智史学”，主张以此为历史学自主知识体系的构建方向；《近代史研究》则开出“大数据与近现代史研究”专栏。到2026年初，中国历史研究院期刊方阵公布新一年重点选题，“人工智能与历史研究”赫然在列。据不完全统计，还有相当多的期刊在筹划同类专栏。就在前几天，《中国社会科学》2026年第8期刊出“数智时代历史学的新进展”专题，一次推出《进入人工智能实验室的历史学者》《人工智能赋能史学研究的实践路径与边界反思》《从数据库到智能体》三篇论文。笔谈、专版、专栏、选题指南、专题，一路升级，人工智能从一个需要被解释的新名词，变成了主流期刊普遍认可的重点选题。理论文章之外，一些实践与平台也陆续落地。令我印象最深的有几家，如复旦大学发布的“炎黄”，据称是全球首个聚焦早期中华文明的多模态大模型，古籍、考古图像、历史地理与古DNA一起喂进去；北京大学的“山海璇玑”、安阳师范学院的“殷契行止”、南京农业大学的“荀子”、东北师范大学的满语大模型、南京大学的数智文献处理平台，字节跳动的识典古籍、敦煌的“数字藏经洞”……这些尝试大小不一，路径各异，有的长于研究，有的便于普及。 与全球其他国家相比，中国的人工智能与历史学结合也存在一些独特性。其中较明显的一条是国家工程化驱动，海外的探索大多靠项目申请与基金会资助，而中国不太一样，方向与经费多由顶层设计供给。这条路有利有弊，利的一面有目共睹，如冷门绝学的AI化已渐出成果，前面说的那些大项目与知名平台，多半是这么来的。但也有些代价，如官方课题结项普遍要发核心期刊，而C刊版面紧且周期长，优质而新颖的研究在漫长的流程里迟迟不出，等刊出后，大模型已经换了几代，当初讨论的问题未必成立。中国学界关于人工智能与历史学的成果，看起来为什么这么少？这恐怕是一个重要原因。海外同行用预印本先把结果挂出来，再慢慢走评审，中国史学期刊还没有这样的通道。此外，官方经费一旦停止、课题一旦结项，能接着做下去的还有多少人，谁心里都没底。 还有个特征与学术传统相关，中国目前的AI与历史学探索，仍呈现出一种“文献本位”。欧美长于“远读”与社会科学化分析，中国的力气多花在古籍整理与考据的自动化上，如自动标点、校勘、缀合、校重、识别……这可能也导致断代与学科的失衡，古代史成果斐然，近现代史与世界史的讨论却明显偏冷，缺乏应有的深度。这大概与史料开放程度有关，档案一块最典型，不少机构馆藏动辄以百万卷计，数字化以千万画幅计，而在线可查的只是零头。即便到馆查阅，也常因各种理由受限，更遑论批量下载与机器调用。考古材料可能也类似，发掘报告积压数年是常事。世界史研究较为依赖进口的外文数据库，年费年年看涨，订阅说断就断，还普遍设了下载上限，机器批量分析的难度同样很大。 此外，规范滞后于使用。ChatGPT冲击来临之初，史学期刊普遍沉默，当年的AI使用声明几乎都出自科技与医学类刊物。直到2025年2月，才有历史学期刊发布国内首份史学AI规范，至今跟进的仍不多，真正执行的可能更屈指可数。海外的一些文科期刊，据说已经要求作者在投稿的同时，提供代码、提示词、生成记录等附件。此外，国外还有学者主动撰写《在历史实践中使用生成式人工智能》（Using Generative AI in Historical Practice）等论著，里面不仅分享使用技巧，还尝试提出一些规范，这在某种程度上起到了约束作用。当然，国内外的学术生态不同，本无优劣之分，但应取长补短。 如果长期关注国内成果与动态，可能还会发现一个特征，研究者似乎是“高连续性的小共同体”。翻一翻近年的文章便知，持续讨论AI与历史学的，来来回回不过二三十人，群体稳定，地缘也集中，主要在北京、上海、南京、广州等地。原因自然是多重的，与政策支持和个人兴趣等因素相关。但还有一层值得留意，无论学者个人还是期刊编辑部，对这条探索之路可能仍持观望状态。个人更多还在试用，谈不上写成文章，编辑部心存疑虑，用稿也就谨慎，产出少，研究者自然更不肯投入。 就目前所发表的成果而言，存在理论多而实证少的特点。眼下所见的中文学界相关论文，相当一批还是理论、综述与展望，其讨论仍属于“经验型”，少见以人工智能为工具的实证研究；尤其用新技术研究老问题、并拿出新看法的，屈指可数。之所以推崇后一种研究，是因为学术积淀较深的问题有旧说可对照，最能看出新方法的功用。最近的各类学术论坛较能暴露这一点，会议论文集没有期刊的滞后，但翻开来却仍是宏观讨论居多，再看各文的学术史回顾，引去引回就那几篇，且缺乏对海外学界的关注与对话，这不仅反映出中国学界的研究总数太少，研究质量也有待提升。 还有一个特征，现在看起来似乎不是很明显，但随着人工智能的发展，这个问题可能会更突出，即教育未能跟上研究。我大致梳理了一下，海外关于人工智能与历史学研究的课程，数量已经相当可观，而且有较为成熟的课纲，甚至培养了相关专业的研究生，但在中国，人工智能引入大学历史学课堂，并且传授实质性的方法与进行实践，可能仍然较少。据传，复旦大学历史学系2026年春开过一门，但这样的例子并不多。 五、 余 论 行文至此，大概要说结论了，但我恐怕很难下什么结论。原因很简单，人工智能仍在快速发展，而大部分文科专业与之结合，尚在探索期，眼下任何急着下的结论，可能很快就会被技术推翻。如果还能再遇到那位送我去机场的司机，哪怕我已经尽可能详细地梳理了人工智能与历史学研究的进展与特征，我仍不敢轻易回答他那句“历史和AI有什么关系”。此时我又想到另一个问题。有人问过我，对于人工智能，你是乐观派还是悲观派？我想，我是乐观与悲观并存吧。 先说乐观。人工智能对历史学的改变是肉眼可见的，它极大地解放了研究者的时间，许多低效的工作可以交由AI处理，很多以前对大部分学者构成巨大障碍的问题，现在算不上障碍了，尤其是在史料的获取、整理与分析一层。研究者便有更多的时间和精力，去做以往不敢做的题目。AI也扩大了学者的知识汲取面。以往我自己很难想象，电脑能每天自动向我“推送”全球最新的研究动态与论著，虽然很多只是碎片化阅读，但对于自己研究的思考，总归有益。总之，在AI的助力之下，历史学研究应该会更为深入。 再说悲观，或者说个人的隐忧。我最先想到的是学术不公可能会加剧。以往有前辈学者说过，研究历史不需要太聪明，有中等智力即可。确实，对很多研究生和青年学者而言，肯花时间精力在上面的，迟早会看到进步、取得成果；经济条件的差异固然一直存在，但那时候更多拼的是勤奋。而如今由于AI的介入，有些名校本地部署了一流的大模型，师生免费使用，token近乎无限，还有些人自费订阅最顶尖的服务，而更多普通学子与年轻学人并没有这种机会。技术上的差距，很快就会传导至学术研究之中。当然，学术不端也可能更多、也更隐蔽。一方面是主动的不端，习惯了AI辅助的人可能依赖捷径，在史学论文的各个环节，尤其撰写环节直接让AI生成，可抄的样本更多，抄袭剽窃的手段也更为精巧。另一方面是被动的，作者未必故意，但AI的幻觉至今十分普遍，已不止编造文献，那很容易核查出来；更隐蔽的是张冠李戴，尤其在学术史回顾里，它把两篇相近研究的观点互相安错，将一篇的论点按到另一篇头上，若非深耕于此、反复核对，很难发现。这虽非作者有意，仍属学术不端的一种。当然，我最担心的还是历史学的课堂。这对很多教师已是巨大的挑战，AI在某种程度上可以替代一些“水课”，也能极大地辅助学生自学，但并非每门课都是水课，也不是每项技术都能靠自学掌握。以我现在的观感，很多人非常熟悉技术，却并不真的懂历史；也有人熟知历史，对新技术的掌握又不足。就现阶段而言，前者的危险可能略大于后者。 最后说几句呼吁。最想说的是，历史学者应该多尝试。无论你还停留在问答式使用，还是已经走向工作流，都应该坚持试下去。先不必高尚地谈推进伟大的历史学研究事业，这至少能让你的好奇心不断得到满足，甚至逐步打开一个新世界。对很多人而言，当年选择历史学这门专业，不就是因为该死的好奇心实在太重了吗？ 另外，要多看海外的成果。人工智能与历史学的研究，海外已积累了相当一批，数量远超中文世界，不追着读，讨论很容易变成自说自话。同时，不要只盯着历史学的一亩三分地，多看看其他学科与AI的结合。每个学科各有特性，其他学科在很多地方走得比历史学更远，虽不能直接移植，但某个时候可能会突然给你启发。 还有，历史学者终究要学一点技术。AI虽把编程门槛打了下来，但基本的原理最好还是自学一些。举个例子，这可能事关你的史料安全。最近接连有几件丑闻被用户和媒体曝光：一些AI工具把用户的数据打包上传，我亦是受害者之一，字数庞大的史料库连同未刊稿，都被传了上去。如果当初对技术多懂一些，也许就不会这么被动。最后我想说，在生成式人工智能时代，还是要保持自主的写作。现如今，原汁原味、哪怕错字病句较多的文字，都显得弥足珍贵。 (作者单位：上海社会科学院历史研究所） 本文首发于《澎湃新闻·私家历史》。欢迎点击下载“澎湃新闻”app订阅。点击左下方“阅读原文”即可访问全文。 投稿邮箱：
[email protected] ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势 / all
文丨朱焘 前不久，我去广州参加一个以人工智能与历史学为主题的研讨会。 乘出租车去机场的路上，司机主动向我搭讪，一路向我诉苦：“AI现在太厉害了，马斯克开发的无人驾驶出租车要是大规模推广，我们恐怕都要失业了……”我很惊讶，一方面佩服司机大叔对Tesla Robotaxi的了解，另一方面也感受到了各行各业对AI的恐慌。司机接着和我聊起来： “来广州做什么？” “来学习一下人工智能与历史学。” “律师啊，你们律师也要被AI取代了吧？” “不不，不是律师，是历史。” “历史和AI有什么关系？这么高科技的东西，关你们什么事？” 我一时语塞，竟不知道该怎么解释。因为我明白，若再强行抛出“OCR”“数据库”这类词，接下来大概率就是尬聊了。 不过，和出租车司机这场偶然的对话之后，我想，是时候把这些问题梳理一下了。大概从ChatGPT问世起，我就在持续关注人工智能与人文社会科学研究的相关论著。去年底，OpenClaw横空出世，能直接帮人操控电脑，功能十分惊艳，我便开始下功夫自学。当时我发现，历史学者对这个工具的使用还比较滞后，想找个“师傅”都难。后来，一位放弃博士学位、专职炒股的师兄和我说，他正在用AI炒股，用的就是OpenClaw。我对炒股没有兴趣，但很想用它帮我从网上抓取史料。他建议我先从国产的入手，我就此成了WorkBuddy较早的用户之一。起初我主要是从网上抓取、整理史料，效果非常惊人，以前我可能要一周才能做好的事情，它不到一个小时就完成了，而且更准确、更详细；甚至我在外出差，也能通过它控制我的电脑，继续整理史料。这让我的好奇心和探索欲倍增。当时国内外各大Agent接踵而起，大模型也越来越多，我几乎都去试用或购买相关API，慢慢摸出了些门道。 有一天，我发现大部分Agent都有“定时任务”的功能，摸索了一会儿后意识到，这不就是私人订制的“微信公众号”吗？于是我设置了不少任务，其中收获最大的，是每日关于AI与历史学研究的推送。我大致设了几个任务，让Agent检索全球人工智能的进展、人工智能与历史学的论著，以及人工智能与人文社会科学研究的论著，并且一天至少翻译两篇给我读。有些虽未全文翻译，但只要我觉得重要或有趣，就会想办法找来全文细读。久而久之，我每天都要读大量相关文献。通过这些文献，我真的是大开眼界：机器补全两千年前残缺的希腊铭文，准确率居然超过了专业的历史学者；甲骨文考释用上大模型，拿下了计算语言学年会的最佳论文；伦敦帝国战争博物馆2万多小时的口述史访谈，AI只用了22天便整理完毕；甚至一封在挑战名单上挂了21年的二战德军密电，也被大模型用10个小时破开……这样的消息，几乎每周都有。 阅读的早期，我心中的疑问也越来越多。比如，人工智能的原理是什么？全球人工智能的前沿走到了哪里？它与历史学结合的特征、瓶颈与趋势是什么，中国的情况又如何？它究竟能为历史学研究做什么，又有什么是做不到的？其他学科与人工智能结合的经验，能否让历史学借鉴？如今，我心里多少有了些答案，便借这篇文章展开来谈。 一、人工智能降低了历史学者的编程门槛 在中国的教育体制下，从中学到大学，不管什么专业，可能都上过计算机的必修课。相较于充满趣味的文史知识，计算机语言显得有些乏味，这对许多文科生是个不小的挑战。因此直到现在，不少历史学者面对AI，仍带着一种本能的胆怯。据我观察，身边大部分朋友对AI的使用，还停留在“聊”的层面，即用手机App或网页版一问一答，很少进入“干活”的工作流，谈不上让AI替研究做些稍复杂的辅助。事实上，由于AI的发展，编程对普通人的门槛已大为降低。放在以前，你可能要先接受相当长时间的计算机培训，才能掌握C语言、Python这些工具；而如今，你只要用大白话告诉AI你的需求，它便会替你写成代码，把活干完。 如果历史学者愿意再多了解一些入门级别的概念，则很快会克服这种胆怯与迷茫，阅读相关方法论或者探索性的论文，也不会感觉吃力。第一个问题自然是，究竟什么是AI？这不是历史学者需要过于纠结的问题，你需要知道，AI不是最近几年才出现的，早在1956年达特茅斯会议，这个概念就已出现，大意是“让机器完成需要人类智能的任务”。我们现在所接触到的AI，基本取的是较为狭义的理解，即2022年11月30日ChatGPT上线以来的大语言模型及其多模态延伸，也被称之为生成式人工智能。此前的AI是实验室和工程师的，此后第一次进入每个研究者触手可及的范围。说到底，这些大模型都是读过海量文本之后学会“语言的统计”的机器，能像人一样说话，不等于像人一样知道。 对历史学者而言，有四个词需要稍微了解。词元（Token），是机器眼里的字，模型读进多少、写出多少、按什么计价，全以它为单位，中文一个字约合0.6到0.7个词元。多模态（LMM），如今文字、图像、声音进了同一个模型，它不光识字，还认得手稿、看得懂拓片、听得清录音，史料的OCR、文书识别，靠的都是这一手。检索增强生成（RAG），先让模型去指定的库里查材料，再据以作答，答话还能带上出处，好比把闭卷考试改成了开卷考试，又像一位守规矩的查档助手，调哪件档案，说哪句话。智能体（Agent），是会动手的AI，能替人读写文件、执行代码、操纵浏览器，一桩多步骤的差事自己拆开来办，我开头讲的抓史料、每日推送，便是它的手笔。有个公式说得很直白，Agent = Model + Harness，模型还是那个模型，套上一副“马具”，才从会说话变成会干活。 至于AI是怎么运转的，历史学者不必深究Transformer那一套，知道它的脾气就够了。它不是在数据库里检索答案，倒像一位读过海量书报的老先生，一个词接一个词往下续，你起个头，他就顺着讲，所以同一个问题问两遍，答案可以不一样，他也没有“查到”“没查到”一说，只有“接着讲”。他的学问全来自读过的书，可能英文书读得多，中文书读得少；而且书是某年某月之前读的，此后的事他一概不知，却照样讲得煞有介事。这位老先生还被调教得格外殷勤，有问必答，从不肯说“我不知道”，他自己也分不清哪句是记得的、哪句是猜的、哪句是编的，三种话一个腔调，这就是幻觉（Hallucination）的由来。最后是他的案头，行话叫上下文窗口（Context），一次谈话里能摊开的材料就这么多，你把一部书的全文给他，他便靠这部书说话，答得有板有眼，不给，他就凭印象发挥。 用大模型做研究，目前大概有三种方式。最常见的是对话，像智能客服，问一句答一句，有记忆、好上手，适合临时提问、整理想法，但上下文有限，长文得不断重开。稍进阶的是调用API，像自己炒菜，材料、要求、格式配好发过去，每次独立、互不相干，能批量、能固定格式，兼具流程化与工程化。目前更主张尝试智能体，它类似于包工头，你只需要交代目标，它自己规划、拆步骤、调工具。这两年大模型竞争白热化，迭代极快，替人操作电脑的智能体一个接一个。至于选哪个，我的体会是三条：一是长上下文优先，装得下整部书、整个库的，才适合当历史研究的模型，眼下的GLM-5.3，上下文已做到131万词元，故颇受文史研究者青睐；二是涉史料的批处理尽量走国产或本地部署，既是性价比的考量，也能避开一些“莫须有”的麻烦。三是榜单只做初筛，拿自己最难的史料各跑一遍，合不合手，一测便知。不少网友还建议各取所长，如Claude写正文、GPT审逻辑、DeepSeek做摘要、国产跑批量，最后人工把关，这可能也有些道理。 总之，关于历史学与人工智能，我有几个不成熟的观点。其一是AI平等，大模型或Agent并无高低贵贱之分。之前有朋友和我说，“我一直在用WorkBuddy，总被用Codex的人看不起”，我的回应是，你首先得知道这些工具是给谁造的，它们大多为编程和开发而生，服务于各种应用，并不是专门为历史学者设计的；历史学相对复杂的任务，对人工智能来说，可能是较低阶的处理，至少在现阶段，使用者无需“嘚瑟”，也不必自卑。其二是AI为最会教人的老师。现在很多朋友不知道如何让AI与历史学相结合，其实与其到处问人，不如把你的困惑用大白话告诉AI，它会耐心而准确地教你各种使用方法，很快就能上手；事实上也不限于怎么用AI，几乎任何问题它都能教你，这极大地降低了自学的门槛。其三是不必有AI焦虑。曾有朋友问我：“每次有人问你怎么用AI，你都毫无保留，不怕别人超过你吗？”我当时回复：“AI不是什么秘密武器，门槛只会越来越低，很多产品已经开箱即用。现在的情况，就类似于上世纪90年代末，有的人还在手写论文，有的人早已用上了电脑，随着电脑性能的提升和价格的下降，加上大家都学会了五笔或拼音打字，进入新世纪后，很快就都改用电脑写论文了。”其四是要大胆地用起来。历史学界对人工智能的利用仍极为有限，态度甚至可以说是保守，而革命性的变化已经到来，还在不断刷新我们的认知，今天它做不到的，明天很可能就做到了，你不试试，怎知它的奇妙？ 二、历史学者正在用人工智能做什么？ 人工智能在学术界已经取得了许多瞩目的成绩，其中影响力较大、曝光最多的可能更多是在理工科方面。我每日的推送里，也是这些消息最先刷屏。例如令我印象深刻的有：2024年10月，诺贝尔化学奖颁给了做蛋白质结构预测的科学家，物理学奖落在了神经网络的开创者头上，一年两奖都与人工智能有关，学界为之震动。得奖的功臣AlphaFold，到第三代论文刊于《自然》（Nature），连蛋白质与药物分子之间的相互作用都能预测了；DeepMind的材料模型一口气发现了220万种新晶体；气象模型GenCast在97.2%的预报目标上胜过欧洲中期天气预报中心（ECMWF）的传统集合预报；2025年7月，高级版Gemini参加国际数学奥林匹克竞赛（IMO），达到金牌线。AI甚至还介入了癌症的治疗，默沙东与Moderna宣布，全球首个由AI设计的个性化癌症疫苗闯过了三期临床，算法从患者的肿瘤测序数据里挑出最可能引发免疫反应的新抗原，一人一针，配上免疫疗法，二期试验里把黑色素瘤复发或死亡的风险降了近一半……这让我想到一句话“隔行如隔山，AI却好像无山不翻”。 回到历史学研究，这种“出圈”的成果似乎不多。原因是多方面的，DeepMind政策团队有篇长文《猜想机器》（Conjecture Machines），把这件事说得较为透彻：AI提猜想，又快又便宜；验证猜想，仍然要靠实验室、设备和制度性的审查，用原文的话说，“反驳依然是物理的、制度的”，因而昂贵而缓慢。不过，理工科的验证回路再慢，也是闭合的，预报可以拿实测对照，新材料可以合成出来验证，考题和标准答案都在那里。历史学不太一样，史料是稀缺的、一次性的，普查不会再做一遍，证人很少再讲一遍，没有海量带标注的练习题；也没有天然的标准答案，古文献缺的那个字，谁也没法对答案；这门学科要的是解释，而AI的训练目标，往往都指向预测；史料解读很讲究“语境”，大模型又习惯于时代错置，拿今天的语感读前朝的文书，恰是历史研究所忌讳的。 通过与其他学科的对比，我们大致看清了历史学在人工智能时代的特征。那么这几年，学界到底拿AI做了些什么？在长期跟踪阅读相关研究，并结合自己使用实践的基础上，我认为先要弄明白的，是历史学者为什么要用AI，目的是什么。历史学研究日渐“科学化”，有着漫长而大同小异的环节和流程，引入任何新工具，无非是想减少重复低效的基础劳动，把时间和精力集中到思考和论证上去。至于研究本身，目的大概有二，一是尽可能还原历史，考据之学是典型；二是得出新的历史解释，这也是如今绝大多数研究者的写作所追求的。总而言之，历史学研究的终极目标，是为人类提供可信的回忆，并创造新的知识。目前历史学者对人工智能的种种用法，大体都没有偏离这个目标。而AI还在一路进步，它对历史学的影响，正是先改变最基础的前端环节，再一步步渗入更靠后的流程。 人工智能并非一夜兴起，早在ChatGPT出现以前，历史学者就已经在用计算机做研究。其中较具代表性的是二十世纪五六十年代，历史学者重算美国奴隶制的经济账，动用计算机评估铁路对美国经济增长的贡献，计量史学名噪一时，也从此争议不断。那时候几乎没人想过让机器理解历史，只指望它把史料收拾整齐。因而用力最集中的仍是史料环节，较初阶的是多元史料的数字化与识别；稍微进阶一些，则是引入其他学科的方法，如用GIS处理历史地理，用社会网络分析做关系史。待史料积累到相当规模，便有学者着手开发定制系统、建立数据库，譬如1990年代弗吉尼亚大学的“山谷计划”（Valley of the Shadow），把南北战争时期一南一北两个县的家信、日记、报纸统统搬上网；2003年上线的“老贝利在线”（Old Bailey Online），则把伦敦中央刑事法院自1674年以来的庭审记录做成全文可检的数据库。当然，最为中国学界熟知的，应数海外汉学研究者牵头开发的CBDB（中国历代人物传记资料库）、MARKUS古籍标注平台和“虚拟上海”（Virtual Shanghai）等。到了2010年代，数字人文进入爆发探索期，学界已不满足于“把纸变成数据”，开始从检索走向计算，从计算走向知识图谱，大规模文本挖掘蔚然成风，一时间涌现出众多以数字人文为名的项目。如谷歌把数百万册扫描图书做成词频曲线，日本国立情报学研究所的人文开放数据中心（CODH）把江户古文书“くずし字”办成Kaggle识别竞赛，Wevers与Smits则发表《视觉数字转向》（DSH），宣告用神经网络研究历史图像……这股风也吹到了国内，翻检各级社科基金的立项目录，以“数字人文视野下……”为题的课题连年增多。不过数字人文再热闹，门槛依旧相当高，掌握相关技术的人极少，成果也就相对零散。 2022年是重要的分水岭。修复古希腊铭文的Ithaca登上《自然》，证明机器已能在史学的核心工序上与人协作；岁末ChatGPT发布，让大部分历史学者都用得上AI。此后，生成式人工智能（AIGC）异军突起。起初，多数人的用法还停在聊天框里，多半出于好奇，问它各种史学问题，看它答得对不对。也有些学者稍加摸索后，利用其翻译外文史料与论著、古文今译、写Python脚本处理文本、给长论文做摘要、出课堂讨论题。这看似“旧酒新瓶”，只是门槛降低了许多。几乎与ChatGPT问世同时，历史学者坎斯坦纳（WulfKansteiner）便断言这类模型可以替学者生成各类“中间产品”，但“结构上说不了真话”。随后，加州大学圣克鲁兹分校的布林（Benjamin Breen）做了个更具体的试验，在历史课上让ChatGPT搭建历史场景，让学生与虚构角色交谈，课后进行“挑错”，作为一个新形式的史料批判训练。2023年9月，《美国历史评论》组织“人工智能与历史实践”论坛，引起较大反响，这也成为日后相关研究引用率最高的文章之一，当时八位学者各执一词，争论多，结论少，反映出当时的混沌现象。同年10月，斯洛文尼亚的两位研究者以本国中学毕业考试的历史题为底本，测试六个聊天机器人的人文科写作，结果GPT-4最接近及格线，其余全军覆没。在当时看来，AI的功用仍相当有限，它像一位耐心却不太可靠的助教，流畅有余，只会重组，不会原创。 修复古希腊铭文的Ithaca 不过，很快有学者意识到，历史学研究并非每个环节都需要“原创性”，不妨先让AI做些基础性的杂活。这几年，关于人工智能与历史学结合的宏观讨论不计其数，相关的案例研究最近也开始显现。综合这些文献和自己的使用实践，我认为，目前人工智能对历史研究方式影响最大的关键环节大概有以下几个。 其一是学术史的搜集与整理。 学术史是研究的前提，也是学术对话的基础，但它往往也是最耗时的环节之一。无论是前辈学者做卡片，还是我们现在习惯用word文档做学术史编年，几乎都要经过定题、摸库、检索、获取、编年、成文等多个步骤，其中绝大部分都得靠人力劳动，尽管研究者再怎么努力，可能还是会面临搜不全与读不完的困境。AI介入后，这些工序大都可以交给机器。学术史的梳理如今可总结为八步流程，如选题摸底、建立检索矩阵、多路侦察、核验获取、编年入库、读薄、理清学脉、沉淀封装Skill等。这并非纸上蓝图，我已成功试验多遍。谷歌、OpenAI甚至把“深度研究”做成产品，一句指令，模型自己拆题、分头检索、汇成带引文的报告。在现在的研究条件下，学术史回顾理应是全球视野的，无论什么选题，都应弄清谁在做、有何观点、还留什么空间、从何处接入对话，即便题目相近，也能换个视角或挖得更深，研究质量也会有所提升。 其二是史料的搜集与识读。 以往要打听到材料藏在哪里并不容易，网上新公布的资料容易错过，海外档案更隔着重洋，得托人、付费、办签证。如今各国馆藏与研究机构陆续把目录或影像挂在官网，AI能替你跨语言检索到它们的存在，再按图索骥发一封邮件，常常不出国门就能看到些研究线索。更有效的是滚雪球，读到一篇相近的论文，AI顺着注释里引用的史料一路追下去，常会有意外之喜。识读方面，早已不是当年的OCR所能概括，现在更常说的概念是手写文本识别（HTR），其背后是自带视觉的多模态大模型，手稿、竖排报刊、多语种档案都能直接看图认字。据评估，谷歌的Gemini在历史文献识读上的准确率与稳定性双双领先；开源轻量模型则进一步降低了文献识读成本，如PaddleOCR-VL不到十亿参数就认得一百零九种语言，本地部署不再是难事。落到操作上，一般有三种选择：材料不多时用客户端，把五页档案、几张报纸直接交给带视觉的AI，边认边看原图边精校，这种“人盯着改”的半自动，大概会比全自动可靠；材料成千上万时走API处理，写段简单程序或搭个工作流，读图、调用、存档、按日期页码自动命名一气呵成，睡前排好任务，一夜醒来便能看到数十万字的文档；涉密或长期项目则本地部署，材料不出自己的机器，更安全可靠些。除此之外，现在的史料类型是多元的，针对录音转文字，人工智能也有所进展，自动语音识别（ASR）技术也被广泛利用，这对口述史料的整理帮助极大。至于这些多元文献的识读准确率，目前学界多有探讨。我的体会是，规整的印刷本、端正的手稿，轻量本地模型足敷使用；潦草的手稿仍得仰仗第一梯队的大模型。 其三是建立个人数据库。 以前材料攒多了，惯常的做法是做成Word版长编，按时间或专题排开。但人的精力有限，资料的发现无穷，长编再长也读不完，多半是存着备查。个人建库更是门槛较高，既要会编程，又对软硬件有要求。AI介入后，创造了全新的研究条件，资料它能替你全部读完，建库也无需编程，用大白话说清需求，模型便替你设计字段、写好程序、顺手做个检索界面。至于字段怎么设、档号拆不拆、地名用今名还是旧名，它也给方案，但拍板的仍是你。这条路学界已有诸多实践。我自己陆续做了近十个数据库，最大的一座约2.7亿字，一个SQLite文件尽数装下，全文检索即查即得。库建好只是开始，检索要两层并行，精确匹配保底，语义检索补漏。再利用MCP这类协议把数据库接到对话窗口，它就成了本地的私人知识库，问它问题，先查库再作答，并附上出处，比起漫无目的的通用搜索引擎，它给的是有来源且可追溯的专业知识，甚至能替你把全库读完，从材料里挑出你没想到的问题。 其四是论文写作，这也是目前争议最大的环节。 《科学》主编2026年撰文，直言AI正让学术出版“更慢、更差、更贵”；同年一份机器学习顶会的评审被检出两成纯由AI代笔，令学界哗然。最近负责学术论坛收稿的朋友，可能大都遇到过AI稿泛滥的现象？对于该问题，迄今为止学界并无共识，所能确定的几条规则故而大相径庭，如爱思唯尔允许在稿件准备中借力AI，前提是人工核验并如实披露，而波兰的《历史季刊》则禁止以AI生成学术文本、文献综述、论点乃至摘要，未披露使用即视同抄袭，并对编辑和审稿人制定了同样严格的规定。用AI辅助学术写作，如今明显两极分化，一种是“裸用”，仅凭几句指令让模型搜罗全网信息拼出一篇论文，表面齐整，实则错误连篇，其中大量属于学界所说的幻觉，即虚构文献与伪造引文；另一种则把前期工作做足，资料准备充分，指令完备（角色、任务、材料、输出格式、约束），并把相关史料整理为可控的资料库，必要时提前以大规模语料训AI，再人机协同写作，成稿质量便完全不同。行文至此，我突然想起网上流传的一句话：“用不好就是学术不端，用得好便是科研利器”，于此似有几分道理。相关研究也显示，AI在语言准确与写作效率上效果稳定，一旦进入高阶论证与篇章组织，便出现了参差不齐的情况，必须高度依赖人工监督。因此，越接近表达层，AI越成熟；越接近问题与论证，人越不能退出。 其五是成稿之后的审读把关。 文章写完，大多人容易陷入“当局者迷”的状态，放进抽屉沉淀一阵再读，能改的仍然有限。请导师朋友看，人情珍贵而反馈一次性，人家也不好意思回回说重话。拿初稿投出去等外审意见，这种代价颇高，往往除了模板一致的退稿信外，难见其他。AI的出现，正让这一局面有所改观。卢森堡大学的数字历史研究中心（C²DH）为《数字历史学刊》（Journal of Digital History）造了一个“证据优先”的AI评审工作区，让模型对来稿的每条史实先找证据再表态，80条真实的编辑判定中，严格答对者占70%，正确或基本正确者占86%，编辑部认为有用者占九成，AI审稿之效，已可概见。受此启发，我“蒸馏”了自己的导师，把与博导多年往来的邮件、他分享的经验文稿与我随堂记下的大量笔记整理入库，再汇入同门相传的备忘录，以及海内外资深学者谈治学与写作的访谈，以导师为主体，制成一位随叫随到的“审稿人”。拿新写的文章请它审，意见之尖锐、风格之相近，令我十分惊讶。 以上五个环节，是按工序拆开来讲，2025年以来，又出现两个新趋向，使得历史学研究的各流程均有所变化。其中影响最大的是智能体（Agent）的流行，你只需下达一份较为详细的指令，它便把此前要一个环节一个环节分别去做的事，自动串成一条流水线。这股风从编程界刮起，2025年因此被称作智能体元年，Claude Code、Codex先后把“替人写代码”做成订阅产品；岁末年初，顶着龙虾标志的开源智能体OpenClaw一夜刷屏，“私人AI助理”的说法广泛流传，号称用手机下指令，就能控制电脑干活。国内厂商随即跟进，如今大部分大模型开发者也上架了配套智能体，因此大部分人都能轻易使用上Agent。历史学这边，最能体现改变的是报刊史料的获取，智能体可以模仿人类的行为登录数据库检索，发现文献后，有全文的抓取全文，没有全文的调看图像并自动截图，送本地或云端OCR，再对所得文字校对排版，产出可直接使用的文本，跑完一轮，它还能反过来报告哪些史料是你库中从未用过的，其中哪些堪称“亮点文献”。学界的相关探索亦不少，牛津团队的Chronos让历史学家用自然语言指挥智能体从扫描档案中批量抽取数据，每一行结果都能回溯到原页，规整的登记簿上近乎全对；普林斯顿团队把HistAgent带上ICML，给模型配齐检索、翻译、OCR等工具去答历史题，成绩远胜裸模型联网作答。数字人文界甚至为此造了新词Agentic DH，主张研究者当AI的指挥者，并对产出负责。2025年以来关于AI与历史学的讨论，智能体确实占去大半篇幅，称之为工作流的爆发，并不为过。 另一个新趋向是历史专用模型开始成批出现。前面说过，大模型的毛病之一是拿今天的语感读史料文献，新一批模型干脆从训练语料下手，隔绝未来。TypewriterLM只读1913年以前的英语，号称杜绝“时间泄漏”；TimeCapsule只吞1800至1875年的伦敦文本，参数并不大；还有经济史团队索性以兰克（Leopold von Ranke）命名自家的Ranke-4B，思路相同。它们的共同设定，是让模型“不知道未来”，把时代错置变成可控的变量。另一路是领域小模型，有学者为东亚古典汉文专门训练的HanmunRoBERTa，一张消费级显卡即可运行，在自家基准上持续胜过通用大模型，较为颠覆认知；奥地利科学院与Mistral合造的古希腊语模型Apollo，经二十位纸草学家、铭文学家与语文学家盲测，77%的补全不逊于人工。这些进展合在一起，反映出一个新变化，历史学者当初对AI的种种疑虑，如时代错置、语感污染、不解古文，正在被逐一解决，而优化者不再只是大厂工程师，研究者开始亲自下场。历史学者与AI，由此不再是单纯的使用者与工具，而进入了相互塑造的新关系。 三、AI的 暂时 局限与历史学争论 当然，人工智能并非完美无缺，在目前的技术条件下，它仍有很多局限。就我的阅读与亲身经历而言，AI翻车的案例几乎和成果一样多。这些局限要分两层看，一层属于工程技术，如识别还可以再准些、幻觉还可以再少些……我相信假以时日总有办法优化；另一层却源于学科特性，历史学追求解释，回答的是“何以如此”，AI的训练目标指向预测，回答的是“接下来是什么”。两套问答暂时合不到一处，大模型与史学理想中的助手之间，仍有相当距离。 就目前而言，历史学者用AI，用得最多的可能是处理史料，眼下最普遍的局限也与此相关。识读仍不容乐观，潦草的手写体与古文字尤其如此。东南大学等机构2026年在计算机视觉顶会CVPR上发布了MCHDoc基准，以15700多张高清图像测试各家模型，载体涵盖古籍纸、简牍、书法、碑刻、缣帛、甲骨六种。同一个模型，认古籍纸的准确率有56%，认简牍便掉到18.8%。我自己平时处理的多为1949年后的手写档案，规整者尚可，潦草之件的识别率至今很低。而最让研究者无奈的，恐怕还不是识别不出，而是猜着写。AI按其运行原理，总要输出流畅的文字，凭它强大的联想能力，识别史料时会靠猜测补齐空缺，有学者名之曰“流畅化遮蔽”。哪怕你限定了条件，大批量任务中也未必严格执行，最终看到的文本，与原始史料相去甚远。做世界史研究的，还要面对手写的小语种文献，问题只会更严重。有学者测试过乌拉圭的微缩胶卷档案，视觉模型会把档案里的人名悄悄换成常见人名，字符错误率指标毫无波动，语义早已面目全非。文字之外的史料同样如此，耶鲁大学福图诺夫大屠杀证词视频档案的团队用Whisper转写1847份证词，词准确率约85%，但模型习惯把口语“洗”干净，拉迪诺语的证词被按现代西班牙语的拼写“纠正”，“呃”之类的语气词被成批删除，有人统计，仅这一项就删去了近五千次。 AI很难有历史学的“问题意识”。历史学专业的研究生，多半领教过导师的“拷打”：你的问题意识是什么？这实在是个抽象的概念，以我的资历，至今不敢谈什么是问题意识，但我知道这需要长期的历史学训练，读足够多的史料与前人研究，反复琢磨。它的源头，多半是泡在材料里积下的困惑、现实关怀与学术脉络三者的交汇，积累到某一天忽然贯通，那一刻的顿悟，便成了文章的问题与主线。AI的确能把你的资料全部读完，能把你的史料库过上好几遍，也能挑出其中“反常识”的内容，前文说过，智能体甚至能替你从全库材料里挑出“没想到的问题”，可这些大多只能被视为研究线索。斯坦福团队组织过一场大规模的盲评试验，请一百多位研究者比较AI与人类专家各自提出的研究点子，结果出人意料：AI的点子竟被评为更新颖，但细看便露馅，这些点子彼此高度雷同，可行性也明显偏弱。这虽不是直接以历史学科为测试对象，但道理基本相通，点子可以批量生成，困惑无法凭空捏造。从线索到问题这一跃，AI暂时还跨不过去。 更深一层的局限，是AI读不懂史料背后的逻辑。年轻学者大都挨过这样的批评：“你的论文完全跟着档案走，你成了史料的傀儡！”话虽尖锐，却有其理，资深学者之所以一眼看穿，是因为他们阅档无数，深知史料的表达与历史的真实未必一致。档案写得堂皇，背后可能是另一回事。如果不理解，现在回顾一下，关于你自己的纸面记载、你眼前的新闻，是不是与现实总有出入？所以史学训练的第一课，从来不是急着问史料写了什么，而是先问它是怎么生产出来的，谁写的，给谁看，为何这样写，背后是怎样的权力与利害？AI恰恰短在这一环，它读史料，纸面怎么写它就怎么信，写出的历史跟着史料的立场走。它或能凭大模型的知识挑出时间、制度、官职一类的硬伤，却不知道这份史料为何被如此制造。还有一层是名实之辨，史料中的名词往往名不副实，有婉辞，有蔑称，有行话，还有同一名目下的不同实物。书写者受方言与文化程度所限，又留下满纸错字。别国的史料我不敢妄言，中文史料里这类例子比比皆是。而AI一旦在源头理解错了，很难在后续环节自我纠正，识错一个字，检索便归零。名实一错，抽取、统计、解释节节皆偏，错误沿着工作流一路传下去。美国学者安德伍德（Ted Underwood）测过各模型对1831至1930年间英语语境的把握，没有一个能令人信服地表征那个时代的词义与用法。年轻学者做史料的傀儡，尚可点醒；AI做傀儡而不自知，才是真麻烦。也正因如此，史学才要向人类学、社会学学习，一再强调走向田野。书斋里难解的现实语境，田野里能看到资料的另一副面相。何况史料上的涂改、报刊的油墨与纸张，人手可以摩挲，上海的用料与小小县城的用料之别，背后牵着印刷业的资本与权力，这些隔着屏幕的AI基本无法感知。 历史学者对AI的运用，可能还会影响历史书写。以档案为例，它多是官方机构的产物，生产时就有刻意的筛选，能留下纸面记录的，基本又是识字群体与精英。那些不识字的、编户齐民之外的人，很少被记录，古今中外大抵如此。历史学者并非不知道这件事，近代以来的史学早就不甘为帝王将相作家谱，如今的历史人类学、社会史、口述史、微观史，一代代学者想方设法研究历史中的普通人，只是相关材料并不好获取。到了AI时代，这个困难并未得到更好的解决，反而可能生出新的变数。眼下被大量OCR的资料，基本是成色较好的报纸与档案，很少见到民间契约文书一类更基层的材料，这既因为它们散藏四方且开放有限，也因为笔迹杂乱，难以批量识别。在今后的历史研究中，好认、好调用的材料可能会被一用再用，未开放的档案、难认的手稿、方言里的声音，连同没留下多少文字的普通人，在新环境里再一次被边缘化。因而有学者将之称为“算法沉默”（algorithmic silence），AI不是在制造偏见，而是在继承和放大档案里固有的偏见，底层工人的记录本就碎片化，算法的检索反倒可能进一步降低它们被发现的几率。从前决定谁能被记住的，是哪些史料被保存，往后恐怕得看哪些数据被喂给了机器。 还有一些局限，不像认不出字那样显眼，无法逐一展开，挑几条我实践中印象最深的来说。第一个是黑箱问题，传统史学研究有清晰的工序，找资料、整理资料、写成论文，文章里的每一条史实和解释，基本都能回溯到具体的史料与作者的思路。AI不一样，你喂给它材料，它的确能交出一段流畅的文字，甚至一篇像模像样的论文，可它是怎么从材料走到结论的，谁也看不见，也没法回溯。第二个是难以复现，模型几个月就换一代，闭源开源都一样，提示词差一个字，结果可能就变。如今已有期刊和出版社要求作者留存提示词与生成记录备查，写作时若没留底，事后便很难复原。第三个是地基不稳，你赖以工作的OCR工程、云端模型，背后或是公司，或是资助，公司会关门，资助也会中断，整条流程跟着塌，譬如HathiTrust研究中心运营了十五年，最近资助一撤，说停就停，令人扼腕。第四个是取舍与立场，面对互相抵牾的史料、针锋相对的学界分歧，AI难作裁决，它擅长讲一个听起来合理的故事，不擅长在冲突的叙事之间做判断。其立场也未必中立，有团队挑了21项至今归属存疑的发明，用12种语言去问11个模型，共得七万多条回答，结论是用哪种语言提问，答案便偏向哪种语言保存的叙事。第五个是稳定性，大批量资料喂进去，上下文一长便出故障。做党史、国史、战争史等研究的同行大概都有体会，即便处理最基本的史料，也可能因“敏感词”问题而中断任务。这并非我们独有，美国马里兰大学的团队让大模型归纳枪击暴力幸存者的访谈，44%的请求被护栏拒绝，部分受访者最高65%的经历因此没能进入分析。AI介入历史学的局限，肯定不止这些，限于我的学识与实践，眼下只能举出这几条较为明显的。需要说明的是，技术迭代极快，今天的局限，也许明天就解决了。 AI介入历史学研究，进展与局限并存，争论也随之而起。生成式人工智能问世之初，学界的争论集中于“AI到底能不能取代历史学家”。学者们做了不少试验，限于当时的技术条件，形成了一个较为明显的共识：AI无法取代历史学家。只是各家给出的理由并不相同，有说能力不济的，有说责任无处安放的，也有说价值不该让渡的。而如今大模型月月迭代，智能体又已登场，AI切实进入了大部分历史学者的日常，再争论这些“能不能”，意义已经不大。使用的人越多，争论的点自然也越多。眼下的论战，大概集中在这几点：AI能不能当历史学家，它讲的历史可不可信，方法该跟着怎么改，学生的基本功该怎么教，成果该怎么认定，语料该归谁所有，还有谁的饭碗先被端走……这些争论并非一成不变，有的很快会有令人信服的答案，有的将长期悬而未决，成为史学研究的热点话题。而随着探索深入，新的争论还会不断冒出来。争论固然意味着迷茫与未知，却也映照出全球历史学者的积极探索。创新不停，争论不止，这对任何一行都是好事，历史学也不例外。 四、AI史学在中国 以上许多例子多取自海外，中国的情况又如何？说回我开头提到的那个研讨会，9月19日，广州东郊，第十三届青年史学家论坛开幕，今年的主题索性就叫“数智史学的应用与创新”。69篇青年学者的论文，过半与人工智能有关：有人给清史造智能体，有人用大语言模型量化分析唐代墓志，有人让AI释读古埃及文献，有人专门讨论人工智能与上海史研究的方法论转向，还有人用生成式AI重建中世纪英格兰的庄园档案库。这场会议几乎是中国史学界与AI关系的一次集中亮相。这说明中国学者并不甘于旁观，也在积极投入其中。 事实上，中国史学界与计算机的缘分，同样不始于ChatGPT。早在上世纪九十年代，大型古籍数据库便已起步，约二十年前，就有学者倡导“E考据”，主张借电子资源介入传统史学，计量史学与数字人文在中国学界同样热闹过，围绕它们的学理交锋，许多延续至今。 生成式人工智能问世之初，最先作出反应的，是国内那批做过数字人文的学者。不过最早响起讨论的地方不是学术期刊，而是微信公众号这类自媒体，这也是中国的特征之一。随后澎湃新闻等媒体组织了多轮笔谈，《探索与争鸣》这类敏锐的杂志也率先组稿，此后，相关讲座与期刊规定不断涌现。 2024年以来，讨论明显升级。《史学理论研究》2024年第3期组织生成式人工智能专题笔谈；《光明日报》2025年2月10日用一整版刊出立场相反的两文，一篇讲共生共构，一篇泼冷水讲并非无往不利；《历史研究》2025年初新设“人工智能与史学发展”专栏，当年第5期又排开一组笔谈；《史学月刊》同年刊文正式提出“数智史学”，主张以此为历史学自主知识体系的构建方向；《近代史研究》则开出“大数据与近现代史研究”专栏。到2026年初，中国历史研究院期刊方阵公布新一年重点选题，“人工智能与历史研究”赫然在列。据不完全统计，还有相当多的期刊在筹划同类专栏。就在前几天，《中国社会科学》2026年第8期刊出“数智时代历史学的新进展”专题，一次推出《进入人工智能实验室的历史学者》《人工智能赋能史学研究的实践路径与边界反思》《从数据库到智能体》三篇论文。笔谈、专版、专栏、选题指南、专题，一路升级，人工智能从一个需要被解释的新名词，变成了主流期刊普遍认可的重点选题。理论文章之外，一些实践与平台也陆续落地。令我印象最深的有几家，如复旦大学发布的“炎黄”，据称是全球首个聚焦早期中华文明的多模态大模型，古籍、考古图像、历史地理与古DNA一起喂进去；北京大学的“山海璇玑”、安阳师范学院的“殷契行止”、南京农业大学的“荀子”、东北师范大学的满语大模型、南京大学的数智文献处理平台，字节跳动的识典古籍、敦煌的“数字藏经洞”……这些尝试大小不一，路径各异，有的长于研究，有的便于普及。 与全球其他国家相比，中国的人工智能与历史学结合也存在一些独特性。其中较明显的一条是国家工程化驱动，海外的探索大多靠项目申请与基金会资助，而中国不太一样，方向与经费多由顶层设计供给。这条路有利有弊，利的一面有目共睹，如冷门绝学的AI化已渐出成果，前面说的那些大项目与知名平台，多半是这么来的。但也有些代价，如官方课题结项普遍要发核心期刊，而C刊版面紧且周期长，优质而新颖的研究在漫长的流程里迟迟不出，等刊出后，大模型已经换了几代，当初讨论的问题未必成立。中国学界关于人工智能与历史学的成果，看起来为什么这么少？这恐怕是一个重要原因。海外同行用预印本先把结果挂出来，再慢慢走评审，中国史学期刊还没有这样的通道。此外，官方经费一旦停止、课题一旦结项，能接着做下去的还有多少人，谁心里都没底。 还有个特征与学术传统相关，中国目前的AI与历史学探索，仍呈现出一种“文献本位”。欧美长于“远读”与社会科学化分析，中国的力气多花在古籍整理与考据的自动化上，如自动标点、校勘、缀合、校重、识别……这可能也导致断代与学科的失衡，古代史成果斐然，近现代史与世界史的讨论却明显偏冷，缺乏应有的深度。这大概与史料开放程度有关，档案一块最典型，不少机构馆藏动辄以百万卷计，数字化以千万画幅计，而在线可查的只是零头。即便到馆查阅，也常因各种理由受限，更遑论批量下载与机器调用。考古材料可能也类似，发掘报告积压数年是常事。世界史研究较为依赖进口的外文数据库，年费年年看涨，订阅说断就断，还普遍设了下载上限，机器批量分析的难度同样很大。 此外，规范滞后于使用。ChatGPT冲击来临之初，史学期刊普遍沉默，当年的AI使用声明几乎都出自科技与医学类刊物。直到2025年2月，才有历史学期刊发布国内首份史学AI规范，至今跟进的仍不多，真正执行的可能更屈指可数。海外的一些文科期刊，据说已经要求作者在投稿的同时，提供代码、提示词、生成记录等附件。此外，国外还有学者主动撰写《在历史实践中使用生成式人工智能》（Using Generative AI in Historical Practice）等论著，里面不仅分享使用技巧，还尝试提出一些规范，这在某种程度上起到了约束作用。当然，国内外的学术生态不同，本无优劣之分，但应取长补短。 如果长期关注国内成果与动态，可能还会发现一个特征，研究者似乎是“高连续性的小共同体”。翻一翻近年的文章便知，持续讨论AI与历史学的，来来回回不过二三十人，群体稳定，地缘也集中，主要在北京、上海、南京、广州等地。原因自然是多重的，与政策支持和个人兴趣等因素相关。但还有一层值得留意，无论学者个人还是期刊编辑部，对这条探索之路可能仍持观望状态。个人更多还在试用，谈不上写成文章，编辑部心存疑虑，用稿也就谨慎，产出少，研究者自然更不肯投入。 就目前所发表的成果而言，存在理论多而实证少的特点。眼下所见的中文学界相关论文，相当一批还是理论、综述与展望，其讨论仍属于“经验型”，少见以人工智能为工具的实证研究；尤其用新技术研究老问题、并拿出新看法的，屈指可数。之所以推崇后一种研究，是因为学术积淀较深的问题有旧说可对照，最能看出新方法的功用。最近的各类学术论坛较能暴露这一点，会议论文集没有期刊的滞后，但翻开来却仍是宏观讨论居多，再看各文的学术史回顾，引去引回就那几篇，且缺乏对海外学界的关注与对话，这不仅反映出中国学界的研究总数太少，研究质量也有待提升。 还有一个特征，现在看起来似乎不是很明显，但随着人工智能的发展，这个问题可能会更突出，即教育未能跟上研究。我大致梳理了一下，海外关于人工智能与历史学研究的课程，数量已经相当可观，而且有较为成熟的课纲，甚至培养了相关专业的研究生，但在中国，人工智能引入大学历史学课堂，并且传授实质性的方法与进行实践，可能仍然较少。据传，复旦大学历史学系2026年春开过一门，但这样的例子并不多。 五、 余 论 行文至此，大概要说结论了，但我恐怕很难下什么结论。原因很简单，人工智能仍在快速发展，而大部分文科专业与之结合，尚在探索期，眼下任何急着下的结论，可能很快就会被技术推翻。如果还能再遇到那位送我去机场的司机，哪怕我已经尽可能详细地梳理了人工智能与历史学研究的进展与特征，我仍不敢轻易回答他那句“历史和AI有什么关系”。此时我又想到另一个问题。有人问过我，对于人工智能，你是乐观派还是悲观派？我想，我是乐观与悲观并存吧。 先说乐观。人工智能对历史学的改变是肉眼可见的，它极大地解放了研究者的时间，许多低效的工作可以交由AI处理，很多以前对大部分学者构成巨大障碍的问题，现在算不上障碍了，尤其是在史料的获取、整理与分析一层。研究者便有更多的时间和精力，去做以往不敢做的题目。AI也扩大了学者的知识汲取面。以往我自己很难想象，电脑能每天自动向我“推送”全球最新的研究动态与论著，虽然很多只是碎片化阅读，但对于自己研究的思考，总归有益。总之，在AI的助力之下，历史学研究应该会更为深入。 再说悲观，或者说个人的隐忧。我最先想到的是学术不公可能会加剧。以往有前辈学者说过，研究历史不需要太聪明，有中等智力即可。确实，对很多研究生和青年学者而言，肯花时间精力在上面的，迟早会看到进步、取得成果；经济条件的差异固然一直存在，但那时候更多拼的是勤奋。而如今由于AI的介入，有些名校本地部署了一流的大模型，师生免费使用，token近乎无限，还有些人自费订阅最顶尖的服务，而更多普通学子与年轻学人并没有这种机会。技术上的差距，很快就会传导至学术研究之中。当然，学术不端也可能更多、也更隐蔽。一方面是主动的不端，习惯了AI辅助的人可能依赖捷径，在史学论文的各个环节，尤其撰写环节直接让AI生成，可抄的样本更多，抄袭剽窃的手段也更为精巧。另一方面是被动的，作者未必故意，但AI的幻觉至今十分普遍，已不止编造文献，那很容易核查出来；更隐蔽的是张冠李戴，尤其在学术史回顾里，它把两篇相近研究的观点互相安错，将一篇的论点按到另一篇头上，若非深耕于此、反复核对，很难发现。这虽非作者有意，仍属学术不端的一种。当然，我最担心的还是历史学的课堂。这对很多教师已是巨大的挑战，AI在某种程度上可以替代一些“水课”，也能极大地辅助学生自学，但并非每门课都是水课，也不是每项技术都能靠自学掌握。以我现在的观感，很多人非常熟悉技术，却并不真的懂历史；也有人熟知历史，对新技术的掌握又不足。就现阶段而言，前者的危险可能略大于后者。 最后说几句呼吁。最想说的是，历史学者应该多尝试。无论你还停留在问答式使用，还是已经走向工作流，都应该坚持试下去。先不必高尚地谈推进伟大的历史学研究事业，这至少能让你的好奇心不断得到满足，甚至逐步打开一个新世界。对很多人而言，当年选择历史学这门专业，不就是因为该死的好奇心实在太重了吗？ 另外，要多看海外的成果。人工智能与历史学的研究，海外已积累了相当一批，数量远超中文世界，不追着读，讨论很容易变成自说自话。同时，不要只盯着历史学的一亩三分地，多看看其他学科与AI的结合。每个学科各有特性，其他学科在很多地方走得比历史学更远，虽不能直接移植，但某个时候可能会突然给你启发。 还有，历史学者终究要学一点技术。AI虽把编程门槛打了下来，但基本的原理最好还是自学一些。举个例子，这可能事关你的史料安全。最近接连有几件丑闻被用户和媒体曝光：一些AI工具把用户的数据打包上传，我亦是受害者之一，字数庞大的史料库连同未刊稿，都被传了上去。如果当初对技术多懂一些，也许就不会这么被动。最后我想说，在生成式人工智能时代，还是要保持自主的写作。现如今，原汁原味、哪怕错字病句较多的文字，都显得弥足珍贵。 (作者单位：上海社会科学院历史研究所） 本文首发于《澎湃新闻·私家历史》。欢迎点击下载“澎湃新闻”app订阅。点击左下方“阅读原文”即可访问全文。 投稿邮箱：
[email protected] ；检索词:AI与Agent 最新 热点 趋势
-
justoneapi-all · JustOneAPI / AI与Agent 最新 热点 趋势 / all
文章目录，建议按需查看 1、要闻简讯 2、盘前个股人气热度 3、三大报要点 4、公司公告 5、股指、期货、汇率 6、涨停复盘 7、龙虎榜 8、问财选股 9、北向资金 10、今日新股 11、投资日历 12、调研、点评及传闻 一、盘前资讯 1、要闻简讯 一、中办、国办：全面实施“人工智能+”行动 强化算力、算法、数据等高效供给（央视） 10月9日，中办、国办印发《关于发展新质生产力的意见》。意见提出，以科技创新为引领，以全要素生产率大幅提升为核心标志，推动技术革命性突破、生产要素创新性配置、产业深度转型升级，推动劳动者、劳动资料、劳动对象优化组合和更新跃升，全面实施“人工智能+”行动，强化算力、算法、数据等高效供给；丰富科技创新债券产品体系，支持优质科技型企业上市融资；加强原创性颠覆性科技创新；加快突破关键核心技术；促进跨行业跨区域融合，避免“内卷式”竞争。全方位推进科技创新、产业创新、发展方式创新、体制机制创新、人才工作机制创新，加快形成同新质生产力更相适应的生产关系，营造有利于科技创新和产业创新深度融合的良好发展生态，更好支撑高质量发展。 二、七部门：实施品质电商“五优”行动（同花顺） 近日，商务部等7部门发布关于实施品质电商“五优”行动的通知，通知指出，加强品质电商主体培育。用好展会活动等平台，组织电商平台聚焦产品和服务质量提升公开发布承诺和行动计划，打造品质电商发展“主阵地”，培育一批诚信经营的品质标杆平台。推动平台规则向优转型。督促电商平台依法依规开展平台规则制定和修改，全面落实平台规则公示、公开征求意见等要求。指导电商平台规范规则执行行为，保护平台内商家、消费者合法权益。推动电商平台持续优化商品展示、推荐和营销活动机制，建立全链路品控体系。引导电商平台建立首席质量官制度，督促系统性、体系化构建质量管理体系，支持向电商平台提供平台内商家证照信息核验比对，提升平台资质审核、风险防控效率。推动电商平台使用诚信服务商提供的电子认证服务，提高服务质量，提升合同签署可靠性、便捷性。 三、财政部：有力有效实施更加积极的财政政策（央广） 10月9日，财政部发布2026年上半年中国财政政策执行情况报告，其中指出，有力有效实施更加积极的财政政策，合理加快资金拨付和使用进度，持续优化财政支出结构，保障好重点领域支出，加强资金监管，切实提高资金使用效益和政策实施效果。合理加快政府债券发行使用，更好衔接项目实施和债券发行，支持做实做细重点项目前期谋划，紧抓项目实施，尽快形成更多实物工作量。发行特别国债向8家中央金融企业增资，提升其稳健经营、抵御风险和服务实体经济能力。 四、证监会：持续运作的迷你基金不再要求召集持有人大会、管理人需承担基金固定费用（财联社） 10月9日，证监会时隔12年修订发布《公开募集证券投资基金运作管理办法（征求意见稿）》。意见稿提出，针对“窄基漂移”和“宽基窄投”问题，要求基金合同应当使用可识别、可量化的方式，清晰界定基金名称所示投资方向，相关界定范围应当符合市场共识，并与基金名称所示投资方向直接相关。意见稿提出，将股票基金、混合基金、基金中基金（FOF）等成立门槛，从规模2亿元、份额2亿份，分别降低至5000万元、5000万份。意见稿还提出，拟解除发起式基金“3年2亿”的强制清盘线，退出条件与普通基金拉平。持续运作的迷你基金不再要求召集持有人大会、管理人需承担基金固定费用；基金管理人还可以从基金份额持有人数量、基金份额持有人集中度等方面，约定基金合同终止的情形等。 五、证监会召开资本市场和金融形势专家座谈会（新浪财经） 10月10日，证监会主席吴清主持召开座谈会，与部分上市公司负责人、证券基金机构专家深入交流，议题主要包括：持续加强稳市机制建设，进一步拓宽中长期资金来源、渠道和入市方式，发展壮大耐心资本；推动有条件的上市公司加大分红回购力度，完善投资者回报和权益保护机制；优化发行上市制度，支持不同类型、不同行业、多元化的优质企业发展壮大；强化交易监管，加强跨境风险监测应对；研究储备更多增量政策工具等等，吴清表示，上市公司和行业机构是市场的重要主体，希望大家积极建言献策，共同把资本市场建设好，更好回报广大投资者，为中国式现代化建设积极贡献力量。 六、发改委：推动“十五五”规划、“六张网”建设实施方案等明确的重大工程项目尽早开工建设，激发释放内需潜力（界面） 10月10日，国家发改委主任郑栅洁主持召开民营企业座谈会，郑栅洁表示，四季度是全年收官之季，也是巩固经济回升向好的关键窗口期，国家发改委将认真贯彻落实国务院决策部署，加大逆周期调节力度，加强宏观政策取向一致性评估，强化存量政策和增量政策协同发力；推动“十五五”规划、“六张网”建设实施方案等明确的重大工程项目尽早开工建设，激发释放内需潜力；推动科技创新与产业创新深度融合，进一步提升产业链供应链韧性，提高能源资源安全保障水平，夯实国家粮食安全根基；及时谋划更多带动性强的政策工具、工作抓手，推动经济持续向新向优向好发展，努力完成全年目标任务。 七、其他（信息来源：央视、证券时报、财联社、云财经、科创日报、东财、同花顺、金融界、新浪财经等） 1、中办、国办：将符合国家战略需求的企业研发项目按程序上升为国家项目 2、工信部等4部门就“进一步加强汽车产品创新设计和研发测试验证有关管理工作”公开征求意见 3、财政部：根据宏观经济运行情况及时谋划出台务实管用的增量政策 4、财政部：优化实施财政金融协同促内需一揽子政策，更好鼓励居民消费、撬动民间投资 5、财政部：近日安排使用地方政府债务结存限额5500亿元，用于提高县区一般公共预算保障能力等 6、商务部：反对个别国家以所谓“产能过剩”为名 行贸易保护主义之实 7、人社部：将开展适应人工智能发展促就业行动、“技能照亮前程”培训行动、农民工就业促进行动 8、人社部：“十五五”期间鼓励支持农民工、新就业形态人员等参加职工养老保险 9、金融监管总局修订发布《财产保险公司保险产品开发管理规定》，人工智能等科技保险产品将迎来标准化开发要求 10、上交所：因企查查科技及其保荐人撤回发行上市申请，终止企查查主板发行上市审核 11、湛江海事局：10月12日至16日，每天8时至18时，南海部分海域进行实弹射击，禁止驶入 12、四部门拟禁止配备全隐藏式门把手、不得采用折叠显示屏与柔性显示屏 13、金丹科技发布调价函，对乳酸系列产品销售价格统一上调8%，为本年度第三次调价，聚合级高纯乳酸报价突破1万元/吨 14、日本气象厅称厄尔尼诺现象已增至有记录以来最强 15、消息称ASML将上调在韩零部件报价，涨幅10% 16、机构：英伟达可能在2028年下半年起，在部分芯片的后端封装环节采用英特尔的Foveros技术。 17、供应链消息，iPhone Duo加单30%，但iPhone 18 Pro系列总订单量仍未超过1000万台 18、特朗普政府要求AI公司在发生安全事件后立即上报 19、特朗普：即刻起，俄乌冲突进入“能源停火”状态，双方均已同意 20、特朗普表示，即将就柴油发布重大消息，伊朗战争结束后能源价格将会下降 21、沙特首都遭袭致12死309伤，美或将介入打击行动 2、盘前个股人气热度 注：选取截至发文前公社、同花顺、东财、淘股吧人气前五，排名会随机变化！ 韭研公社：新华传媒、芒果超媒、农发种业、金健米业、景旺电子 同花顺：东百集团、哈药股份、新华传媒、江淮汽车、华北制药 东方财富：东百集团、华北制药、江淮汽车、雄韬股份、中文在线 淘股吧：新华传媒、中文在线、时代万恒、善水科技、九阳股份 3、三大报要点（含其他财经媒体要点） 4、公司公告 1）重大事项 中国海诚：国有股权无偿划转，控股股东拟变更为保利集团 英力特：控股股东拟公开征集方式协议转让39.41%公司股份，控股权或变更 海欣股份：第一大股东凝瑞投资拟公开征集转让10%公司股份 嵘泰股份：控股股东拟24.54元/股协议转让6%公司股份（现价26.53元） 海南矿业：控股股东拟9.08元/股协议转让5%公司股份（现价9.11元） 东百集团：拟3.16亿元收购快灵光电（光探测芯片）52.67%股权 立昂微：拟2.69亿元底价公开摘牌受让金瑞泓微电子3.6221%股权 航天工程：拟1.91亿元收购新乡气体剩余45%股权 华塑控股：拟2370.48万元收购宁夏君丰新能源51%股权 泽润新能：拟现金收购合创智造不低于51%股权，快速切入热管理行业 渤海租赁：拟不超269.53亿美元向波音采购140架B737 MAX系列飞机 宏盛华源：拟4.25亿元投建输电铁塔智慧工厂项目 云南能投：拟3.53亿元投建马鹿光伏发电项目 大唐发电：拟6.28亿元增资大唐核电用于支付辽宁徐大堡核电项目等，持股40%不变 滨海能源：拟5.15亿元与控股股东合设负极材料项目公司，持股51.5% 大港股份：拟2亿元挂牌转让苏州科阳16%股权 和顺电气：拟7796万元出售中导电力84.52%股权 科远智慧：拟3500万元转让控股孙公司灵璧国祯70%股权及债权 金冠电气：与SPIRO签订不超2.96亿美元光储充一体化电站项目 福莱蒽特：与客户A签订9.18亿元服务协议 武汉天源：与宁夏翔腾签订1.95亿元储能电站项目合同 宁德时代：与赛力斯签署长期战略合作协议 盟科药业：与ClearideBio签订MRX-23独家许可及平台合作协议，里程碑付款等合计上限7.5亿美元 惠通科技：中标3.66亿元涤纶化纤项目 围海股份：中标1.62亿元苕溪防洪治理工程项目 万德斯：中标1.14亿元系统委托运维服务项目 甘肃能化：中标多个项目，合计金额3.15亿元 金隅集团：政府拟19.48亿元收储全资子公司三宗地块 中机认检：全资子公司中汽认证停业整顿期满恢复业务 分众传媒：收购新潮传媒获市场监管总局附加限制性条件批准 桂林旅游：全资子公司桂林旅游汽车运输停业（持续亏损+资不抵债） 华塑控股：收购股权进展公告因工作人员上传失误出现修订痕迹，不存在刻意隐瞒或误导市场行为 包钢股份、北方稀土：拟将2026第四季度稀土精矿关联交易价调整为不含税38769元/吨（环涨0.53%） 华润双鹤：氢溴酸伏硫西汀原料药（成人抑郁症）获批上市 上海医药：氯维地平乳状注射液（高血压）获批生产 百利天恒：宜泽康®联合放疗治疗头颈鳞癌临床试验获批 华润双鹤：DC7001A胶囊（红斑狼疮）在美临床试验获批 我武生物：人脐带间充质干细胞II型注射液（脓毒症）临床试验获批 泰 恩 康：地夸磷索钠滴眼液（干眼）获药品注册证书 达仁堂：洛索洛芬钠贴剂（消炎、镇痛）获药品注册证书 白云山：厄贝沙坦氢氯噻嗪片（高血压）获药品注册证书 众生药业：头孢克肟颗粒（支气管炎、肺炎）获药品注册证书 天士力：注射用吲哚菁绿（多种肝脏疾病）获药品注册证书 海南海药：注射用硫酸艾沙康唑（儿童曲霉病、毛霉病）获药品注册证书 步长制药：盐酸托莫西汀口服溶液（注意缺陷/多动障碍）获药品注册证书 哈药股份：董事兼总裁芦传有被立案调查并实施留置 圣诺生物：全资子公司及实控人因串通投标报价被起诉 *ST 纳川：2023年年报涉嫌信息披露违法违规被证监会立案调查 祥源文旅、交建股份：实控人俞发祥涉信披违规被证监会立案调查 立讯精密：公司及立讯技术被美国列为337调查方，尚处立案初期 *ST 岭南：连续十九个交易日收盘价低于1元，存在面值退市风险 金 迪 克：预计全年营收可能低于1亿元且不能实现扭亏，或触及退市风险警示 工业富联：公司及子公司被美国际贸易委员会启动337调查，涉一项“垂直供电系统”专利权 2）增持、回购 安 杰 思：拟不超82.6元/股回购3500万元—7000万元 奥飞数据：实控人提议回购5000万元至1亿元 佰维存储：截至9月30日累计回购104.47万股，占比0.22%，均价约212.5元/股 五 粮 液：截至9月30日累计回购1612.78万股，占比0.42%，均价约74.47元/股 阳光电源：截至9月30日累计回购304.76万股，占比0.15%，均价约106.64元/股 三环集团：截至9月30日累计回购864.62万股，占比0.43%，均价约115.08元/股 3）减持 读客文化：控股股东拟询价转让3% 富特科技：长江蔚来产业基金拟减持不超2.9% 耀皮玻璃：中国复材拟减持不超2.8% 宏柏新材：新余宝隆拟减持不超1.93% 康龙化成：股东PharmaronHoldingsLimited拟询价转让1% 弘业期货：控股股东一致人苏豪弘业拟减持不超0.44% 百 合 花：董事王迪明拟减持不超0.14% 4）业绩、分红 广合科技：预计前三季度净利润14.5亿元-15亿元，预增100%-107% 景旺电子：预计前三季度净利润9.12亿元-10.89亿元，预增205%-265% 鸿 富 瀚：预计前三季度净利润1.7亿元-2亿元，预增108%-145% 中国巨石：预计前三季度净利润51.36亿元-53.93亿元，预增100%-110% 广合科技：预计前三季度净利润14.5亿元-15亿元，预增100%-107% 韶能股份：预计前三季度净利润2.78亿元-3.02亿元，预增61%-75% 国力电子：预计前三季度净利润2700万元-3240万元，，预增35%-62% 艾 比 森：预计前三季度净利润2.45亿元-2.65亿元，预增32%-43% 5）停复牌 北部湾港：拟定增+现金方式收购恒港码头100%股权，临停复牌 *ST 威领：山南锑金要约收购结果出炉，共1593.64万股接受要约，占比6.12%，临停复牌 6）个股异动 新华传媒：9连板，股价严重脱离基本面，如股价进一步异常上涨，将申请停牌核查 时代万恒：5连板，公司产品未涉及固态电池 紫竹高科：4连板，锂电池用铝塑膜产品与固态电池概念相关业务尚处于早期的探索与研发阶段。 雄韬股份：2连板，固态电池业务尚未进入量产阶段 华北制药：2连板，注射用硫酸链霉素销售收入规模较小 丰元股份：2连板，参股固态电池生产企业但持股比例较低 不涉及电池生产业务 三 柏 硕：2连板，未直接涉及体育赛事业务，亦不涉及本次体育赛事相关热点概念 7）互动平台、机构调研、业绩交流 景 嘉 微：CH37系列正推进客户导入及小批量量产 伟星新材：公司PE系列产品可较好应用于供暖等领域 传化智联：合成橡胶产能为27万吨 当前生产处于满产状态 天孚通信：为CPO产品配套的FAU、ELS等产品已实现稳定量产交付 光弘科技：公司具备涉及NPO技术的算力服务器、交换机板卡的制造能力 立讯精密：暂未发现海外管制相关事项对公司整体生产经营造成重大不利影响 天孚通信：目前相关政策未对光器件产品进行约束，不涉及对公司业务产生影响 比 亚 迪：当前闪充车型订单需求旺盛 公司首要目标是加快二代刀片电池产能爬坡 光智科技：国内客户覆盖头部光芯片企业 6英寸磷化铟衬底已获某全球头部客户订单 5、隔夜外盘 1）股指、汇率 欧洲股指走势相似度较高，因此只选择了英国富时100为代表。 2）外盘期货 主要以影响力较大的商品期货为主。 3）国内期货 主要以不与外盘走势接轨为主，黄金原油类走势相似度较高的可见外盘期货。 4）知名美股 美股三大指数集体收涨，道指涨0.83%，周累涨0.93%；纳指涨0.64%，周累涨0.64%；标普500指数涨0.59%，周累涨1.15%。热门科技股多数上涨，亚马逊涨超3%，微软、特斯拉涨超2%，苹果跌超1%，AMD、英特尔跌超2%。有色金属、金属原材料、加密货币概念股涨幅居前，南方铜业涨超5%，Coinbase涨超4%，必和必拓、泛美白银涨超2%。电信服务、农产品、油气板块跌幅居前，邦吉跌超8%，美国先锋跌超6%，沃达丰跌超5%，美洲移动跌超3%。 纳斯达克中国金龙指数收涨2.69%，利弗莫尔中概股龙头指数收涨2.34%，热门中概股普遍上涨，世纪互联涨近7%，理想汽车、阿里巴巴、名创优品涨超5%，蔚来涨近5%，哔哩哔哩涨超4%，小鹏集团、腾讯控股涨超3%。 欧洲主要股指集体收涨,欧洲斯托克50指数涨0.76%，法国CAC 40指数涨0.96%，西班牙IBEX指数涨0.82%，欧洲STOXX 600指数涨1.03%，英国富时100指数涨1.13%，德国DAX指数涨1.19%。 WTI原油期货结算价为91.85美元/桶，上涨0.39%。布伦特原油期货结算价为104.72美元/桶，上涨0.42%。COMEX黄金期货收涨1.52%，报4220.3美元/盎司；COMEX白银期货涨2.84%，报61.11美元/盎司。 二、昨日复盘 友情提示：本栏所涉及个股题材或逻辑仅为股价上涨之后可能助涨的触发因素，敬请谨慎参考！（注：图片类电脑端双击，手机端单击可放大查看） 1、市场热度（注：图片分别来自金融界、通达信和财联社，数据统计口径略有差异，可忽略） 涨停复盘 个股顺序按照连板和涨停时间来进行排序 1）涨停指数相关 883900昨日涨停表现：+3.08% 883958昨日连板表现：+3.89% 883979昨日首板表现：+2.86% 2）连板(仅限主板正股) 3）一字板 4）T字板 个股详情略，主要逻辑可参考上文连板表格！ 3、龙虎榜（注：代码重复系达到了不同类型的上榜条件） 1）机构净买 2）机构净卖 2）其他（资料来源：微博） 4、问财选股（数据来源：同花顺） 1）收盘股价历史新高 5、北向资金（数据来源：东财） 三、投研广场 1、今日新股 1）今日申购 2）今日上市 无 2、投资日历（网络整理） 3、调研、点评及传闻 友情提示：部分内容涉及未经证实的传闻，请勿据此操作！ 本栏主要以相对热门或有看点的内容为主，基本均会注明信息源，没出处的备注未知来源，部分内容难免会带有一定个人筛选的色彩，也会有所遗漏或和上文重复，如不感兴趣可忽略。 【机构调研】（上证报） 〇吉林化纤（000420）首创证券认为，进入2026年，随着下游风电以及低空经济的发展，在需求增长的带动下，碳纤维价格触底回升。吉林化纤借助吉林本地碳纤维产业链优势，并结合自身在化学纤维行业的影响力，积极向碳纤维产业布局，开拓粘胶长丝之外的第二条成长曲线。 〇绿盟科技（300369）东方证券认为，绿盟科技AI安全订单已经形成一定规模。今年上半年，公司AI安全相关订单额达1.17亿元，产品及解决方案已在政府、运营商、金融、能源等行业实现规模化落地，其中运营商行业AI安全签单额同比增长超300%。公司形成了从"AI赋能安全"到"AI自身安全"的完整产品体系，随着项目交付、收入确认推进，AI安全板块有望逐步成为公司新的增长支撑。 〇华宝股份(300741)表示，随着核心技术成果的转化及产业基地的陆续投产，大健康业务将成为公司重要的增长动能。在产业化布局方面，作为北方基地的旗下山东嘉萃一期项目正式投产，作为南方基地的旗下江西嘉萃大健康产业基地已开工建设，广东嘉萃大健康产业基地规划建设中;通过研发、市场与供应链的有机联动，形成“前端市场牵引+后端研发制造支撑”的高效协同模式，显著提升整体服务效能与运营韧性 〇康辰药业(603590)表示，公司多项创新在研管线正有序推进:KC1086是全球首个进入临床试验的KAT6/7双靶点小分子抑制剂，目前临床试验正在有序推进中;ZY530用于治疗盆腔炎性疾病后遗症慢性盆腔痛，该项目药品上市许可申请已于2026年4月获得受理，审评工作正在有序进行;KC3030项目在评估相关工艺商业化规模生产可行性基础上，目前围绕该天然活性蛋白质开展实验室工艺优化、质量研究等临床前研究 【个股参考】（时报财富） 百洋医药：首台ZAP-X已落地北京大学国际医院 百洋医药（301015）接受机构交流时表示，公司ZAP-X为新一代立体定向放射外科设备，首台设备落地北京大学国际医院，实现产品在国内顶级三甲医院落地应用。ZAP-X设备可用于颅内、体部肿瘤放射治疗，本次落地是产品商业化推进的重要节点，助力高端放疗设备国产替代。 博实结：物联网产业基地建设项目明年投入使用 博实结（001300）在互动平台披露，公司物联网产业基地项目正在有序建设，预计明年投入使用。项目建成后将新增物联网通信终端产能，覆盖车载物联网、安防物联网等产品，为后续业务放量提供产能支撑。 【舆情热点】（财联社） 行情回顾： 晚间信息关注度： 小结：指数触底反弹收阳，个股人气有所回升，板块活跃度较好，领涨板块为AI短剧、消费、电池产业链、AI安全、医药医疗等，大资金参与积极性明显提高，特别是机构和北向，周末政策面偏利好，外部环境趋于友好，隔夜美股收涨+俄乌局势，部分观点看反弹，认为可重视日内水下机会！其他建议参考要闻简讯和财联社热点！ 【机构策市】十大券商周末最新策略观点（财联社） 【国金证券】中国巨石简评 ①、前三季度业绩预告，取中值26Q3归母净利环比+40%，业绩环比继续高增，主因电子布量价齐升在报表端体现，涨价弹性开始兑现 ②、电子布涨价频次与幅度均超预期，25Q4以来7628电子布报价涨幅216%，10月时点价格13.1元/米，较25Q3期末的4.15元/米大幅上行;10月以来7628再落地1.5元/米涨幅，电子纱G75上涨3000元/吨，薄布2116、1080上涨2.5元/米，织布机紧张叠加CCL价格持续上行，涨价趋势延续 ③、低介电系列玻纤及电子布产品的研发、客户认证及送样工作正有序推进，将根据客户验证市场需求，稳步推进产品落地与产能释放，打开AI需求下的成长空间 ④、粗纱2026年迎来供给小年，2026年行业新增供给偏少，26H1行业新点火产线仅2条，为内蒙古天皓15万吨与巨石淮安零碳基地20万吨，同时行业2条产线冷修，8月20日公司公告拟冷修桐乡5线18万吨，预计2027年供给收紧状态有所 延续。 【华泰证券】宁德时代简评 ①、市场对公司份额和利润过度担忧。已被过度定价，公司估值处于历史低位。国内动力电池装车份额2023年触底45.1%后企稳回升，2026年1-8月回升至45.8%，其中乘用车份额从2023年42.6%升至44.1%，份额企稳回升建立在更广泛的客户覆盖之上，可持续性更强。 ②、理想、小米供应多元化对出货影响有限:测算2026E两家合计电池需求约66GWh，宁德配套约34GWh、份额约52%;2027E需求约94GWh，配套约36GWh、份额降至约38%。份额虽降，绝对出货量或仍从约34GWh增至约36GWh对27年国内动力出货量的拖累或约2%，影响可控 ③、利润结构上国内动力贡献规模、海外动力贡献质量:2025年国内动力、海外动力、储能分别贡献净利润285/173/106亿元，海外动力以约21%的电池销量贡献约31%的电池利润，单Wh净利润0.125元显著领先国内动力的0.071元，海外动力是公司盈利质量的核心来源。 ④、储能需求存在预期差:预测26/27年全球储能装机463/645GWh,对应电池出货926/1161GWh;国内由电网调峰缺口刚性托底，2024-27年累计调峰缺口为147/244/242/254GW，26/27年新增装机210/240GWh;欧洲26/27年新增62/75GWh，市场或低估明年国内储能需求，业绩增长能见度存在预期差 ⑤、商用车电动化或超预期:每年约300万辆新增载货汽车按300度带电量、50%渗透率对应450GWh空间，农用和工程机械按80%渗透率假设贡献约180GWh，商用车存量与增量市场合计年电池需求或达630GWh;LNG重卡若10%/20%/30%提前电动化对应50/100/150GWh增量需求，政策首提2030年新能源重 卡160万辆目标，对应年保底增量95GWh 【申万宏源】分众传媒：收购新潮获反垄断附条件批准，行业整合效率提升 事件：2026年10月10日，国家市场监督管理总局发布《市场监管总局关于附加限制性条件批准分众传媒信息技术股份有限公司收购成都新潮传媒集团股份有限公司股权案反垄断审查决定的公告》，决定附加限制性条件批准分众传媒收购新潮传媒股权案，并购取得实质性进展 交易方案维持原方案，发行价格变化系考虑分红复权价格影响。分众传媒拟通过发行股份及支付现金方式，以83亿交易对价收购新潮，其中：77.94亿元收购新潮传媒90.02%的股权（其中股份对价77.65亿元，发行价格5.06元/股，发行股份数量15.35亿占发行后总股本9.60%，现金对价0.30亿元），另行支付现金5.06亿元收购剩余9.98%股权，收购完成后，新潮传媒成为分众传媒100%全资子公司。 对于分众并购新潮，我们认为有望增厚分众收入（中长期刊挂率提升），减少租金成本非理性竞争，解决重复铺设、重复开发、重复运营等低效投入问题，分众通过数字化赋能新潮，有望提升整体经营效率和盈利能力。过去两年一期，新潮收入分别为19.88亿、17.27亿及3.65亿，归母净利润分别为0.42亿、0.54亿及0.19亿。此外，新潮账面现金类资产（货币资金+交易性金融资产）约18.8亿，我们认为并购对分众未来分红能力也不造成影响。 维持“买入”评级。我们认为：1）股息率有支撑；2）基本面受宏观影响但市场有预期，看好中长期AI应用投放；3）看好分众通过自身较强的运营能力、网络效应及销售资源提升经营效率，并在宏观回暖时释放更大利润弹性。 风险提示：新潮并购交易未能顺利落地；消费复苏不及预期；新技术导致媒介价值下降风险 【东财MT调研】紫江企业：穿越周期的饮料包装龙头，低估值高股息，兼具多维向上期权 #26H1包装收入同比增长9%，经营性利润同比增长25%，其中饮料包装、纸塑包装分别同比增长11.0%、5.5%销量维度，26H1 Pet瓶及瓶坯、饮料OEM、塑料防盗盖、皇冠盖、彩色纸包装印刷分别同比增长20%、22%、15%、6%、27% 公司在原有可口百事统一等核心饮料包装客户基础上，开拓东鹏等高增客户，及调味品、日化、牛奶等新领域，为喜茶、果子熟了等新锐玩家提供饮料OEM代工服务；规模效应及成本优势明显，#前期双寡头格局下，竞争对手珠海中富持续亏损、收入下滑，公司份额提升 #盈利能力穿越周期：26H1毛利率24.6%，同比提升1.2pct；26Q2毛利率26.1%，同比/环比分别+1.3pct/+3.1pct；公司包装主业来料加工为主，原料影响小，且提价相对顺畅，规模效应提升带来成本节降；国贸业务股改优化，26H1利润接近翻倍；亏损商贸业务已基本关停 #多维向上期权：1）铝塑膜&固态电池：持有紫江新材31%股权（#上市主体紫竹高科），铝塑膜全球龙二，26H1收入、净利润分别同比+7%、+65%，绑定比亚迪、ATL等大客户，高毛利的3C铝塑膜占比快速提升，26H1已切入LG、SK供应链，#铝塑膜更适配固态电池路径；2）别墅：上海佘山128套合院别墅预计10月开始销售，按每套5000万估算，未来几年将贡献大额收入利润；#3）C919大飞机：公司2010年6.75亿元参股中航民用航空电子15%股权，其与美国GE合资公司昂际航电（间接持股7.5%），主要为大飞机提供航电系统，伴随国产发动机等关键零部件突破，27年有望迎来放量 公司为低估值高股息包装龙头，预计26-28年包装主业归母净利润8.98/9.61/10.38亿元（不含铝塑膜、地产贡献），分别同比+20.9%/+7.1%/+8.0%，对应PE分别为11.0/10.3/9.5X，按0.35元固定分红，对应股息率5.4%，具备多维向上期权（铝塑膜&固态电池、别墅、国产大飞机），持续推荐 【未知来源】1、振华股份：SOFC拉动铬需求，一体化龙头兼具成长与涨价弹性 新增需求向上游传导，振华不止受益于金属铬 SOFC放量带来的材料需求，将沿“金属铬—氧化铬绿—铬盐”向上游传导。振华覆盖一体化产业链，既可供应金属铬，也可向其他金属铬厂商供应铬绿。公司已明确关注SOFC应用，推动金属铬降本提质与下游规模化落地。 据公司半年报，全球铬盐产能约100万吨，近十年国内行业基本无新进入者与新投产项目，增量主要来自存量企业技改。环保处理、清洁生产与资源综合利用能力构成进入壁垒。我们认为，若SOFC新增需求持续兑现并快于供给释放，铬盐价格与盈利有望获得向上弹性。公司半年报 放量已有兑现，关注量增向利润弹性的传导 2026H1公司金属铬销量约1.17万吨，同比+115%；金属铬二期设计产能提升至3万吨/年，正在爬坡。核心看点以放量打开成长，以供需趋紧打开涨价空间，一体化能力承接两端收益。 2、美盈森：TIM材料预期差极大，导热凝胶龙头+垫片批量在即 1、机柜内的TIM材料，分为垫片+凝胶两大类。其中，薄的、不规则的位置用胶更多，如板到板连接、顶盖接触等场景；大的、规则的位置使用垫片更稳健。 价值量方面，Rubin NVL72的凝胶单柜价值量在6000美金左右。而垫片空间更大，价值量更高。 2、美盈森的导热凝胶产品，自两年前开始布局，并突破N客户。目前已在各大ODM处开启批量供货，#初期单月就有千万美金的订单量级。伴随Rubin的产能爬坡，需求起量。预计Q4将有显著的收入利润贡献。据产业验证，#订单体量在5亿以上、顺利可达6亿+，超市场预期。净利润率参考卖方预测20%。#单季度即有亿元级别的利润增量❗ 美盈森的垫片产品目前小批量中，下游ODM厂商验证下来，反馈进展不错，预计27年开启正式供货。 3、包装主业迎来反转。墨西哥产能开始释放，并切入高利润的云厂商客户。25年年底投产后，26H2开始释放订单，年化6亿元收入，明年有望扩展到10亿元，贡献1.5亿元的利润增量。叠加汇率亏损影响逐步减少，27年包装纸业主业有望修复至3~4亿利润。 🎁盈利预测 TIM材料预计27年利润增量，保守在4亿以上，目标市值120~160亿。若石墨烯垫片顺利突破，则市值空间将进一步上修。 主业包装材料27年3~4亿利润，支撑60~80亿市值底。 目标市值#第一步先看200亿❗ 欢迎交流 【申万宏源】AI剧：两大变化，出海及内容升级 AI短剧因门槛低+可端到端交付（红果短剧平台），成为渗透最快的AI应用且商业化得到验证(年初已发深度)。Seedance2.026.3上线，Dataeye预测26年AI剧有望突破400亿，渗透率33%（微短剧1200亿以上），经过3年交易市场有充分认知。争议点是除了字节（模型+云+抖音投流+红果平台分销）和算力，产业链谁能真正分享收益（主题投资能否变景气投资）。 近期2点变化： 1）AI长剧和AI互动剧等新形式：技术升级叠加边拍边播监管机制变化，影视IP方有望分享收益。芒果《后西游记》登陆湖南卫视黄金档，博纳AI电影《三星堆：未来往事》取得公映许可证。一方面，技术上：AI内容正式从短剧、漫剧进入主流长内容播出体系，开始验证长篇叙事、规模化生产和稳定交付能力。另一方面：政策上，25年8月“广电21条”提出的“边审边播、边改边播”，已通过AI剧《后西游记》首例落地。若推广至更多季播剧、系列剧等，有望改善制作周期长、资金占用多的痛点。相比短剧流量逻辑，AI长剧遵循内容逻辑，IP方有希望分享一定收益，接下来重点跟踪AI长剧爆款率及变现。此外，9月广电总局备案公示首次出现“互动剧”（AI可降低网状叙事结构内容成本）类别，标志着新内容形态正式进入剧集备案管理体系。 2）字节短剧出海加速：海外免费模式和AI渗透加快。8月美国电影协会与字节签订AIGC知识产权保护MOU；字节海外短剧PineDrama下载破亿，9月推出AI短剧工具Dramagic。 重点推荐IP公司和平台公司。AI降低内容生产门槛、推动供给扩容后，优质IP、内容运营及流量分发能力的重要性有望进一步凸显。 IP端重点推荐上海电影（动画IP，国企资源整合）芒果超媒（内容+平台，国有新媒体持续创新）。 版权基建阜博集团（VobileMAX与DreamMaker两大平台支持内容创作和版权变现） 其他：中文在线，昆仑万维，博纳影业等。 欢迎交流林起贤/夏嘉励/赵航/张淇元 【中金机械】固态电池：政策加码，低位轮动 🌸自9.28日工信部等七部门引发《新型电池产业发展“十五五”规划》后，新型电池、固态电池板块迎来底部反弹行情，我们认为政策催化与筹码结构共同反应，类似于前期散热板块反弹，考虑到后续催化仍较多，板块逐渐进入重点观察期我们梳理催化如下： 💎1）9.28日，工信部等七部门印发《新型电池产业发展"十五五"规划》：2030年全固态“初步实现规模化应用”，大篇幅鼓励固态电池和钠电池等新技术，明确要求2030年固态电池实现初步规模化 9月1日起锂电池征2%消费税，2027年升至4%，固态电池和钠离子电池免税至2028年底 💎2）企业端： 【比亚迪】计划于2027年推出首款搭载固态电池的车型，坪山中试线2月投产，重庆璧山20GWh量产线筹备； 【宁德时代】宜宾全固态中实现8月通线，硫化物样品能量密度450-500Wh/kg，2027年收款全固态车量产 【国轩高科】硫化物全固态0.2GWh中试线拉通，电芯超400Wh/kg，2GWh量产线完成设计 【亿纬锂能】成都龙泉基地一期60Ah电芯拉通，二期100MWh级2026年底拉通 【国瓷材料】硫化物电解质自动化50吨产线落成 【天赐材料】百吨级硫化锂/电解质中试线投产 【先导智能】全固态整线工艺打通，固态设备订单2026年预期约20亿元 建议关注设备龙头【先导智能】【杭可科技】【宏工科技】等 【天风计算机】重申AI安全: ❗白宫《超级智能协议》签署，模型安全须引入独立外部评估 1、模型公司引入外部安全能力，首次写入美国国家级承诺 据报道，9月29日OpenAI、Anthropic、谷歌、Meta、xAI、英伟达六家负责人在白宫签署《超级智能协议：前沿责任联合承诺》，对前沿模型建立#四层安全管控： 内部管控监测、内部团队保障、#引入独立外部审查或评估机构、 董事会独立委员会监督。模型公司需要外部专业AI安全能力，首次被明确写入顶尖企业联合自律的承诺文本。 2、海外AI安全大事件密集催化，攻防两端同步提速 9月15日，OpenAI披露已与Anthropic、谷歌DeepMind就前沿模型安全举行数周会谈，#竞争对手之间AI安全协调 有望成为行业常态；10月9日，据路透社报道，ARTEX AI自动化渗透测试智能体因参与对韩国银行的真实网络攻击，开发者被迫将其#紧急转闭源并停止维护。AI Agent武器化首次从推演走向现实案例。叠加此次白宫协议，AI安全需求明确。 3、国内模型侧安全需求已开始显现，重申重视AI安全 9月中旬国家互联网应急中心公布2026年人工智能大模型安全众测结果，2467名白帽子对国内25家厂商的54款大模型及智能体产品开展测试，累计发现#873个安全漏洞（其中AI特有漏洞占比达70%），涉及越权访问、代理身份滥用等。参照海外节奏，#模型安全评估与红队测试 有望成为国内大模型上线前必选项，AI安全需求从政企侧向模型侧扩容，国内AI安全放量在即。 #相关标的： 白马：深信服、绿盟科技、奇安信、安恒信息、启明星辰 黑马：亚信安全、盛邦安全 、ST信安、格尔软件 欢迎交流！天风计算机 缪欣君/王祺深 【中信通信】不畏浮云遮望眼，持续看好光通信20261011 国庆以来，针对AI硬件“人为制造的利空”明显增加。尽管在FCC主席对外公布的2026年10月29日公开委员会会议暂定议程里看不到任何光通信的议题，但仍在一周时间内陆续发酵三件事——某外资通过所谓专家口径猜测未来光模块设置65%BOM源自北美的要求、美国军工要求PCB自主的旧闻重提、Vicor第三次发起337调查针对全球电源产业链。我们不去揣测人为制造利空的背后意图，但从目前已有公开消息来看，绝大多利空都是捕风捉影、毫无证据。从中长期看，我们认为假利空对股价的影响将逐步钝化，建议重点关注AI技术升级和中国AI硬件的不可替代性，持续看好光通信核心卡位的公司。 下周看点：OCP大会的光互联技术展示 2026年10月12日至15日，2026OCP Global Summit（开放计算项目全球峰会）将在美国加利福尼亚州圣何塞举行，旭创、立讯、华工、纳真、华为等中国公司参会。OCP将在NPO、CPO、OCS、XPO、相干光、光模块液冷、外置激光器、VCSEL、多芯光纤等领域展开详细讨论。OCP含金量较高，建议关注新技术迭代。 持续推荐： 1、无源光器件：NPO、CPO等带来无源器件价值量爆发，高通道FAU等产品壁垒和利润率高，无源公司进入业绩加速爆发期。关注：#蘅东光、仕佳、汇聚、太辰光、致尚、天孚等。 2、关注超跌光芯片：#源杰、长光、仕佳、东山等。目前没有任何光芯片公司听说海外会对国产芯片做出限制，各光芯片公司的高功率激光器进展顺利。 3、关注高性价比、基本面好的光互联公司：#中际旭创、立讯精密、光迅科技、汇绿生态、纳真科技等 【东吴机械】PCB设备：美国军用PCB自主并不影响商用，重视回调布局机会 👉美国PCBAA提出军工供应链全面剔除中国PCB产品的核心诉求 近期，美国印刷电路板协会(PCBAA)正式向美国政府及国防部施压，明确提出军工供应链全面剔除中国PCB产品的核心诉求，美国设定2027年1月1日为军工供应链全面剔除相关国家PCB产品的最后截止日期#此诉求并非突发事件，早在9月就已提出，#并且仅聚焦于国防军工PCB供应链 👉此诉求并不涉及商用AI PCB，不存在被限制风险 本次美国PCBAA诉求仅针对军工PCB领域，#不涉及商用PCB美国前期涉及商用PCB管控的提案，#还要追溯到2021年2021年众议院与参议院曾提出《加强保护免受中国印制电路板侵害法案》限制商用PCB进口，#但最终未在国会表决通过，#也没有落地成为法律 👉中国拥有全球PCB绝对优势地位，AI基建发展无法与中国PCB脱钩 全球PCB主力产能与供应基本为中国主导，AI PCB的爆发式需求无法与中国脱钩，仅靠美产能无法配套另外PCB产业为重资产产业，且对环境影响大，对熟练技术工依赖程度高，产业难以快速实战脱钩与转移另外中国大陆PCB企业大多在东南亚均有建厂，被限制风险小#持续看好中国PCB与对应设备耗材产业链，重视回调布局机遇 ☎【东吴机械】周尔双/陶泽 【个股花絮及热点催化】（注意风险，谨慎参考）资料来源：网络整理 时间关系，今日暂无！ 感谢阅读！ 力争全面、客观、独立、详尽把前一日盘面运行走势进行解读，以及把盘后的信息面进行整理汇总。篇幅较长，建议选择自己感兴趣的部分进行阅读，本文仅为个人学习、研究之用，不存在任何商业或营利目的，如有侵权，请私信联系删除，感谢理解！！ 赠人玫瑰，手留余香，如果您觉得对您有帮助，不妨点个赞并转发给身边的朋友分享一下！感谢您的关注和支持，祝投资顺利！ ；检索词:AI与Agent 最新 热点 趋势
-
github · 2026-10-13 · GitHub / AI agent language:Python stars:>500 / Python
语言:Python；stars:19708；更新:2026-10-13T01:26:42Z
-
ifanr · 2026-10-12 · 明日产品 / rss
· 曝苹果与 ADT 合作，为家居中枢提供安装服务 · 蔚来广东换电站达到 500 座，六城同步新增第五代站 · 苹果 COO 探访郑州工厂，披露 iPhone Duo 屏幕与芯片制造工艺 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
-
github · 2026-10-13 · GitHub / MCP server stars:>100 / Pascal
语言:Pascal；stars:398；更新:2026-10-13T01:10:54Z