9月，根据中国航空工业集团公司关于开展2025年全员质量教育活动统一部署，航空工业财务开展了系列活动，围绕集团公司“生命至上、用户第一、质量取胜、精益求精”的质量方针，鼓励全体员工结合本职工作积极发表所思所想，共同绘就质量的宏伟蓝图，大家纷纷踊跃投稿，从不同角度展现质量魅力。今天，我们推出部分征文佳作，一同聆听员工们关于“质量”的深刻感悟。 计划财务部杨琦 “质量”二字，于我而言，早已超越了产品优劣的狭义范畴。质量是贯穿经济社会发展全局的基石，尤其是会计信息质量，更是现代经济体系高效稳健运行的生命线。提升会计信息质量，就是筑牢社会信用体系的根基，为质量强国建设提供最可靠的数据保障。 一是坚持诚信为本。质量源于诚信的坚守。作为会计从业人员要恪守职业道德，将真实、公允内化为航空文化基因，以诚信契约的履行筑牢企业信誉的根基。 二是坚持精益求精。质量提升是永无止境的课题。准则的更新、技术的革新（如大数据、人工智能技术等）、内控的迭代，都要求我们保持开放与学习的姿态，不断精进流程、提升技能，才能在复杂环境中守护会计信息的精准与时效。 三是坚持有效治理。质量非孤岛，而是系统治理的成果。强有力的内控筑起第一道防线，独立严格的外部监督（审计与监管）提供关键制衡，披露机制增强信息透明度，三者共同编织起保障会计信息可靠的防护网。 让我们以敬畏之心对待每一个数字，以系统思维构建保障体系，最终服务于资源优化配置，助力现代航空工业体系建设。 综合管理部黄岚 金融行业的质量管理并非传统制造业中“产品合格与否”的单一维度概念，而是围绕“风险可控、合规达标、客户信任、价值创造”四大核心全流程的系统性管理体系。金融行业质量管理的本质是通过标准化、流程化、精细化的管控，平衡“业务发展速度”与“风险底线”，最终实现对客户、监管、股东及社会的责任闭环。因此，金融质量管理的核心是以风险为导向，以合规性管理为基础前提，以客户体验和满意为终极目标，覆盖“内部运营-外部服务-监管合规-风险防控”全链条，以及“事前预防+事中管控+事后迭代”的全周期管理的活动管理。成熟的金融机构必然将质量管理视为“核心竞争力”而非“成本负担”——通过持续优化质量体系，既守住监管与风险底线，又提升客户体验，最终实现“合规、安全、高效、可持续”的经营目标。 信息发展部徐铭宣 信息化项目管理与质量管理是相辅相成、互为支撑的有机整体。项目管理为质量提供流程框架和资源保障，确保项目在范围、时间和成本的约束下推进；而质量管理则贯穿项目始终，为交付成果的价值与可靠性奠定基础。 在信息化项目中，质量并非独立环节，而是渗透于需求分析、系统设计、开发测试、上线运维的全过程。项目管理通过计划、风险控制等手段创造质量管理的实施环境；质量管理则通过标准、评审和测试等方法，确保项目产出符合预期目标，最终决定项目的成败与投资回报。 质量管理是项目管理的目标维度之一，也是项目成功的基石。没有系统的项目管理，质量管理易流于形式；缺乏严格的质量控制，项目管理则可能交付无效产出。因此，必须将质量管理深度融入项目管理各阶段，以过程质量保障成果质量，才能实现信息化项目的真正价值，提升组织核心竞争力。 展开全文 贵阳分公司黄基冠 参与了公司质量月活动后，我对结算工作的“质量”有了全新认知。质量管理不是一次性的活动，而是持续改进的过程，将质量管理理念融入到结算各方面工作中，不仅能提升结算业务的准确性、结算流程的规范性，更能为公司资金安全、成本控制和决策效率提供坚实保障。未来我会以“质量守护者”的姿态，严格执行标准，主动反馈问题，在每一笔结算中落实质量要求，为公司资金安全与高效运转贡献结算力量。 西安分公司马颖 作为航空工业财务的一名员工，我虽不直接参与飞机设计、制造与装配，但在这场关乎国家装备制造业命脉的质量提升行动中，我深刻感受到：质量不仅是制造业的生命线，更是金融服务的压舱石。在建设质量强国的新时期、新阶段，面对《质量强国建设纲要》的战略指引，我们财务人必须立足岗位、践行使命，将“生命至上、用户第一、质量制胜、精益求精”的集团质量方针融入血脉，推动金融服务质量管理迈向更高水平。 “质量制胜、精益求精”，这不仅是对生产的苛求，也是对金融服务的内在要求。在日常工作中，我深切体会到：在资金结算中，一个账号的错录、一笔金额的误判，可能引发连锁反应，进而可能影响科研项目进度。因此，我们坚持“双人复核、系统校验、流程闭环”，用制度和技术筑牢质量防线；在财务分析中，数据的颗粒度、模型的科学性、预测的前瞻性，决定了决策支持的质量。我们持续推进数据治理，强化业财融合，提升分析深度，为集团战略提供高质量决策支撑；在风险管控中，我们建立全面风险管理体系，运用大数据监测资金流动性、信用风险和操作风险，做到“早识别、早预警、早处置”，确保金融运行“零重大事故”；在客户服务中，我们推行“一站式服务”，优化线上平台体验，提升响应速度，让“用户第一”从口号变为体验。 这些看似平凡的日常，正是“质量”在金融岗位上的生动体现。质量不是某个部门的专属职责，而是每一位员工的行为自觉。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多