这项令人瞩目的研究来自上海人工智能实验室的研究团队，由臧宇航😴、董晓乙、张攀、曹宇航、刘子豫、丁昇远、吴慎熙、马宇博、段浩🌟东、张闻维、陈凯、林达华和王家琦等学者合作完成。这项研究发表🤩于2025年1月，论文题目为"InternLM-XCompo🥳ser2.5-Reward: A Simple Yet Ef😍fective Multi-Modal Reward Mod😴el"。感兴趣深入了解的读者可以通过论文的详细技术报告获得更🥳多信息。 想象一下，你有一个助手，它不仅能听懂你说话，🚀还能看懂图片、理解视频，甚至知道你更喜欢什么样的回答。这就像🌟是给AI装上了"品味雷达"，能够准确感知什么样的答案更合你的😡心意。这正是上海AI实验室这项研究所要解决的核心问题。 😴 在AI发展的历程中，大型语言模型已经变得相当聪明，但有时它😍们给出的答案可能不太令人满意，甚至会"胡说八道"。就像一个很😂有学问但不太懂察言观色的学者，知识渊博却不知道什么时候该说什😜么。为了让AI更好地理解人类的偏好，研究人员开发了各种"奖励🙌模型"，这些模型就像是AI的品味导师，帮助它们学会什么是好答🤔案、什么是坏答案。 然而，当前的奖励模型大多只能处理纯😘文本，面对包含图像和视频的多模态内容时就显得力不从心了。这就🤩像是一个只会品尝文字美味的评委，突然需要评判一道既有视觉效果😡又有文字说明的复合料理，显然准备不足。研究团队发现，现有的多🙄模态奖励模型要么功能有限，要么依赖昂贵的商业模型，这严重限制😡了开源多模态AI系统的发展。 正是在这样的背景下，研究🚀团队开发了InternLM-XComposer2.5-Rew⭐ard（简称IXC-2.5-Reward），这是一个能够同时🥳理解文本、图像和视频的奖励模型。这个模型就像是一位全能的品味😁大师，不仅能品尝文字的韵味，还能欣赏图像的美感和视频的动态效🤯果，然后综合判断什么样的AI回答最符合人类的期待。 一🤯、为AI装上品味雷达：模型的核心设计 IXC-2.5-😅Reward的设计理念就像搭建一座桥梁，连接AI的智能输出和🤗人类的真实偏好。研究团队没有从零开始重新发明轮子，而是巧妙地🤩在已有的InternLM-XComposer2.5模型基础上😅进行改造。这就好比在一辆性能优异的汽车上安装一个先进的导航系😎统，充分利用原有的强大引擎，只是增加了判断方向的能力。 ⭐ 模型的架构包含几个关键组件。首先是视觉编码器，它就像AI的😅眼睛，负责理解图像和视频内容。然后是投影器，它的作用类似于翻🥳译官，将视觉信息转换成语言模型能够理解的形式。接着是大型语言😢模型本体，这是整个系统的大脑，负责综合处理各种信息。最后是评🙌分头，这是新增加的关键部分，专门负责对AI的回答进行打分，判😀断其质量高低。 展开全文 训练这个模型需要大量的😆偏好数据，就像训练一个品酒师需要让他品尝各种不同质量的酒类一😴样。研究团队精心构建了一个包含多种模态的偏好数据集，其中既有😂来自现有开源数据集的高质量样本，也有团队自己收集和标注的新数😡据。这些数据涵盖了指令跟随、通用理解、文档理解、数学推理和视💯频理解等多个领域。 在数据收集过程中，研究团队采用了一😀种聪明的方法。对于每个问题，他们会生成多个不同的答案，然后使😂用GPT-4o或专门的验证器来判断哪个答案更好。这就像是请专🥳业评委对不同厨师做的同一道菜进行评分，最终确定哪道菜更符合标👏准。通过这种方式，模型能够学会区分高质量和低质量的回答。 🌟 为了防止模型过分偏爱冗长的回答，研究团队还特别设计了长度😘约束机制。因为在现实中，有些AI模型会通过生成非常长的回答来😜获得更高的评分，但这些冗长的回答往往包含很多无关信息，反而影😡响用户体验。这就像是防止学生在考试中为了显示博学而写过多无关🌟内容，确保答案既准确又简洁。 二、三种妙用：从训练助手😊到质量检验员 IXC-2.5-Reward就像是一个多😎才多艺的助手，在AI系统的不同阶段都能发挥重要作用。研究团队😉展示了它的三种主要应用方式，每种都解决了AI开发中的实际问题🤔。 第一种应用是在强化学习训练中担任导师角色。想象一下😂教小孩学骑自行车的过程，你不能只告诉他理论知识，还需要在他每🔥次尝试后告诉他哪里做得好、哪里需要改进。IXC-2.5-Re😜ward就扮演了这样的导师角色，在AI模型的训练过程中不断提🤗供反馈信号。研究团队使用近端策略优化算法，让AI模型根据奖励🥳模型的评分来调整自己的行为。 通过这种训练方式，他们得🤔到了IXC-2.5-Chat模型，这个模型在指令跟随和多模态😘对话方面表现显著提升。就像一个经过专业训练的服务员，不仅能准😘确理解顾客的需求，还能以更令人满意的方式提供服务。在多个测试😀基准上，IXC-2.5-Chat都展现出了比原始模型更好的性🔥能。 第二种应用是在推理时进行最优选择，这类似于给AI🔥安装了一个"多选一"的智能筛选器。当AI模型对同一个问题生成😢多个不同的回答时，IXC-2.5-Reward能够快速评估每👏个回答的质量，然后选出最好的那个。这就像是在多个菜品中选择最😡符合顾客口味的那道菜，确保每次都能提供最佳体验。 这种🤔测试时扩展的方法特别有价值，因为它不需要重新训练主模型，只需⭐要在使用时增加一个选择步骤。研究结果显示，使用最优选择策略后😅，模型的表现得到了进一步提升，证明了IXC-2.5-Rewa🤩rd在质量评估方面的准确性。 第三种应用是数据清理，这😅可能是最实用的功能之一。在AI训练数据的海洋中，总是混杂着一🙌些质量不高的样本，就像珍珠堆里混进了一些石子。IXC-2.5😆-Reward能够识别出那些有问题的数据，比如包含幻觉内容的😡回答、空洞无意义的回答，或者图像与文字不匹配的样本。 😉研究团队发现，那些被IXC-2.5-Reward评为低分的样😊本往往确实存在各种问题。这种发现让数据清理工作变得更加高效和⭐准确，就像有了一个经验丰富的质检员，能够快速识别出产品中的次😘品。这对于维护AI训练数据的质量具有重要意义，因为高质量的数😘据是训练出色AI模型的基础。 三、性能表现：在各项测试👏中脱颖而出 为了验证IXC-2.5-Reward的实际😢效果，研究团队进行了全面的评估测试，就像对一款新车进行各种路👏况的试驾一样。测试结果令人印象深刻，展现了这个模型在多个维度😘上的优异表现。 在VL-RewardBench这个专门😉评估多模态奖励模型的基准测试中，IXC-2.5-Reward😉取得了70.0%的宏观准确率，这个成绩超越了所有其他开源模型🎉，甚至在整体表现上达到了65.8%的准确率。更让人惊讶的是，😍这个仅有70亿参数的开源模型，在某些方面的表现竟然超过了一些👏大型商业模型，比如Gemini-1.5-Pro的62.5%和💯GPT-4o的62.4%。这就像是一个体重较轻的拳击手击败了😉重量级选手，展现了技巧和效率的重要性。 特别值得注意的😴是，IXC-2.5-Reward在处理通用问题方面表现尤为出😢色，准确率达到了84.7%。研究团队分析认为，这是因为其他生😊成式奖励模型在面对复杂问题时往往难以做出明确判断，而IXC-🚀2.5-Reward能够通过数值评分的方式做出更精确的区分。😡这就像是用精密仪器测量，比肉眼判断更加准确可靠。 为了😜证明模型的通用性，研究团队还在纯文本的奖励模型基准测试中评估🥳了IXC-2.5-Reward的表现。在RewardBenc🚀h上获得了88.6%的平均分，在RM-Bench上获得了68🙄.8%的分数。这些结果表明，即使是专门为多模态设计的模型，在😀处理纯文本任务时也没有出现性能下降，反而保持了很强的竞争力。🙄 通过IXC-2.5-Reward训练得到的IXC-2😍.5-Chat模型在实际应用测试中同样表现出色。在WildV❤️ision、MIA-bench、MM-MT等评估指令跟随和对🙄话能力的基准测试中，IXC-2.5-Chat都比原始的IXC🥳-2.5模型有了显著提升。这就像是一个经过专业培训的客服人员💯，不仅能更准确理解客户需求，还能提供更贴心的服务。 四😎、技术创新：简单却有效的设计哲学 IXC-2.5-Re👍ward的成功之处在于它采用了"简单却有效"的设计理念，就像😍苹果公司的产品设计一样，看似简单但功能强大。这种设计哲学体现👍在模型架构和训练策略的多个方面。 与那些从零开始构建复😅杂架构的方法不同，研究团队选择了在现有强大模型基础上进行改造🙌的策略。他们保留了InternLM-XComposer2.5😉的视觉编码器和投影器，这些组件已经具备了处理图像和视频的能力🔥，只是在最后添加了一个评分头来预测奖励分数。这种做法就像是在⭐一台性能优异的电脑上安装一个新软件，充分利用了硬件的计算能力😉。 在训练过程中，研究团队采用了冻结策略，即保持视觉编👍码器和投影器的参数不变，只训练语言模型部分和新增的评分头。这😡样做的好处是既能保持原有的视觉理解能力，又能学习新的评估技能🤯，同时大大减少了计算成本。这就像是让一个已经具备基本技能的员🤯工专门学习一项新技能，比从头培养一个全新员工要高效得多。 😍 模型使用的损失函数也体现了简洁有效的设计思想。研究团队采😀用了经典的对比学习方法，让模型学会区分好答案和坏答案。具体来😉说，对于同一个问题的两个不同答案，模型需要给质量更高的答案分😢配更高的分数。这种训练方式就像是教一个品酒师通过对比品尝来提❤️高鉴赏能力。 为了解决长度偏见问题，研究团队在数据准备🔥阶段引入了长度约束。他们发现，如果不加控制，模型可能会偏爱那😊些看起来更详细但实际上包含冗余信息的长答案。通过在训练数据中🤗平衡不同长度答案的比例，确保模型学会的是真正的质量判断，而不😁是简单的长度偏好。这就像是训练裁判时要告诉他们，比赛的胜负不😆应该基于选手说话的多少，而应该基于表现的质量。 五、实🌟际应用：让AI更贴近人类需求 IXC-2.5-Rewa😢rd的实际应用价值远远超出了学术研究的范畴，它为解决现实世界😊中AI应用的痛点提供了切实可行的解决方案。研究团队通过详细的🎉案例分析展示了这个模型在不同场景下的应用潜力。 在指令🔥跟随方面，IXC-2.5-Chat展现出了更强的理解和执行能😍力。比如当用户要求以特定格式输出信息时，改进后的模型能更准确😆地理解要求并按照指定格式提供答案。这种改进就像是培训一个更细🤩心的助理，不仅能理解任务内容，还能注意到格式细节。 在😎开放式对话中，IXC-2.5-Chat能够提供更有组织性和深😘度的回答。面对复杂问题时，它会采用更清晰的逻辑结构来组织答案🤯，提供更全面的信息，同时保持回答的相关性和实用性。这就像是从🤩一个知识渊博但表达混乱的专家变成了一个既博学又善于沟通的顾问😎。 在数据质量控制方面，IXC-2.5-Reward展😊现出了敏锐的"嗅觉"。它能够识别出训练数据中的各种问题，包括😘事实错误、逻辑矛盾、信息不匹配等。研究团队展示的案例中，模型😂成功识别出了图像与文字描述不符、问题为空、回答包含幻觉内容等🤯多种问题。这种能力对于维护AI训练数据的质量具有重要意义。 🤔 测试时扩展功能让模型的实用性得到了进一步提升。当模型生😴成多个候选答案时，IXC-2.5-Reward能够快速评估并💯选择最佳答案。实验结果显示，这种方法能够在不重新训练模型的情🚀况下显著提升回答质量，这为实际部署提供了灵活性。 六、🙌技术挑战与解决方案：在限制中寻找突破 任何技术创新都会😎面临各种挑战，IXC-2.5-Reward的开发过程也不例外😎。研究团队在论文中坦诚地讨论了他们遇到的技术挑战以及相应的解🤔决方案，这些经验对整个AI社区都具有重要的借鉴价值。 💯数据稀缺是多模态奖励模型面临的首要挑战。与纯文本数据相比，包🎉含图像和视频的偏好数据要稀少得多，而且质量参差不齐。研究团队🌟采用了多管齐下的策略来解决这个问题。他们既充分利用了现有的开😘源数据集，又自主收集和标注了大量新数据。在数据生成过程中，他😜们使用了多种策略来确保数据的多样性和质量。 评估标准的😆不统一是另一个重要挑战。不同于数学题有标准答案，多模态AI的😁回答质量往往很难用统一标准来评判。研究团队通过结合自动评估和🎉人工验证的方式来解决这个问题。他们使用GPT-4o等强大模型🤔来进行初步评估，然后通过人工检查来确保评估质量。 长度💯偏见问题在开发过程中逐渐显现出来。研究团队发现，如果不加控制❤️，模型往往会偏爱冗长的回答，即使这些回答包含很多冗余信息。他😊们通过引入长度约束和平衡不同长度答案的方式来解决这个问题。有😢趣的是，他们还发现现有的评估基准也存在类似的长度偏见问题，这😆提醒整个社区需要开发更加公平的评估方法。 跨领域泛化能🙌力是多模态模型面临的普遍挑战。一个在某个领域表现优秀的模型可😅能在其他领域表现平平。研究团队通过构建涵盖多个领域的综合数据😴集来增强模型的泛化能力。他们的数据集包括了自然场景理解、文档😢分析、数学推理、视频理解等多个不同领域。 计算资源的限🎉制也是实际开发中需要考虑的问题。训练大型多模态模型需要巨大的👏计算资源，这对许多研究团队来说是一个现实的制约因素。研究团队😎通过聪明的设计选择来缓解这个问题，比如重用预训练模型的组件、🤯采用冻结训练策略等。 七、未来影响：开启多模态AI的新👍篇章 IXC-2.5-Reward的发布不仅仅是一个技❤️术成果的展示，更是为整个AI领域的发展开辟了新的可能性。它的🤔影响将在多个层面上逐步显现，从学术研究到商业应用，从开发工具🔥到用户体验。 对于学术研究领域，这项工作填补了多模态奖🤔励模型的空白，为其他研究者提供了重要的基础工具。就像建筑师有💯了新的建筑材料，可以设计出更复杂、更实用的建筑一样，有了IX😂C-2.5-Reward这样的工具，研究者们可以探索更多有趣😍的研究方向。特别是在强化学习、多模态理解、AI对齐等领域，这🔥个模型将成为重要的研究基础设施。 从商业应用角度来看，🙌IXC-2.5-Reward为开发更加智能和贴近用户需求的A🤯I产品提供了可能。企业可以利用这个模型来优化他们的AI助手、😍内容生成系统、推荐系统等产品。比如，视频平台可以用它来评估和😅筛选AI生成的视频描述，电商平台可以用它来优化商品图像的自动😅标注质量。 对于开源AI社区，这项工作的意义更加深远。😜长期以来，开源模型在奖励建模方面一直落后于商业模型，这限制了😢开源AI系统的发展。IXC-2.5-Reward的开源发布为😅社区提供了一个强大的工具，有助于缩小开源和商业模型之间的差距💯。这就像是为开源开发者提供了一套专业的工具包，让他们能够构建😜出更加优秀的产品。 在技术标准化方面，这项工作也将产生💯重要影响。随着越来越多的研究者开始关注多模态奖励建模，IXC🤯-2.5-Reward提供的方法和经验将成为该领域的重要参考👍。它的评估框架、数据构建方法、训练策略等都可能成为后续研究的😘标准做法。 从用户体验的角度来看，这项技术最终将让普通👏用户受益。当AI系统能够更好地理解用户偏好，提供更加个性化和😍准确的回答时，人机交互的质量将显著提升。无论是在教育、娱乐、❤️工作还是生活的其他方面，用户都将享受到更加智能和贴心的AI服😘务。 对于AI安全和对齐问题，IXC-2.5-Rewa😅rd也提供了新的思路。通过更好地建模人类偏好，有望开发出更加😁安全、可靠的AI系统。这对于确保AI技术的健康发展具有重要意🤔义。 说到底，IXC-2.5-Reward代表的不仅仅😁是一个技术突破，更是AI发展道路上的一个重要里程碑。它展示了😜如何通过巧妙的设计和工程实践来解决实际问题，为AI系统更好地🥳理解和服务人类提供了新的可能性。随着这项技术的普及和改进，我😍们有理由期待AI将变得更加智能、更加贴近人类的真实需求。 😡 当然，技术的发展是一个持续的过程，IXC-2.5-Rew⭐ard也有其局限性，特别是在多语言支持和文化偏见方面还需要进😍一步改进。但是，作为多模态奖励建模领域的重要探索，它无疑为未😆来的发展奠定了坚实的基础。对于那些关注AI技术发展的人来说，🥳这项研究值得持续关注，因为它很可能会引发更多创新和突破。 ❤️ Q&A Q1：IXC-2.5-Reward是什么？😆它与普通的AI模型有什么不同？ A：IXC-2.5-R😅eward是由上海AI实验室开发的多模态奖励模型，它的特殊之😡处在于能够同时理解文本、图像和视频，并判断AI回答的质量好坏🙄。与普通AI模型不同的是，它不是用来生成内容，而是用来评判内🙌容质量，就像一个专业的品味评委，帮助其他AI模型学会什么是好🤗回答、什么是坏回答。 Q2：IXC-2.5-Rewar😜d有哪些实际应用？普通用户能直接使用吗？ A：IXC-🤔2.5-Reward主要有三种应用：一是作为训练其他AI模型🚀的导师，二是在AI生成多个答案时选择最好的那个，三是清理训练😢数据中的低质量样本。目前它主要面向AI研究人员和开发者，普通👍用户虽然不会直接接触，但会通过使用经过它训练改进的AI产品（🙌如IXC-2.5-Chat）间接受益。 Q3：这个模型😘的评判标准可靠吗？会不会有偏见？ A：研究团队通过多种😊方式确保评判标准的可靠性，包括使用GPT-4o等强大模型进行🤩初步评估，结合人工验证，以及构建涵盖多个领域的综合数据集。不😁过研究团队也承认存在局限性，特别是在多语言支持和文化偏见方面🙌还需要改进。他们还特别设计了长度约束机制，防止模型偏爱冗长但😆无用的回答。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)

【钛媒体综合】从国家卫生健康委获悉，国家卫生健康委办公厅、财😎政部办公厅近日印发《育儿补贴制度管理规范（试行）》，旨在进一😊步健全工作机制，规范服务流程，保障育儿补贴制度顺利实施。本规⭐范自发布之日起实施。 根据规范，补贴对象为从2025年🥳1月1日起，符合法律法规规定生育或收养的3周岁以下婴幼儿，其😉中，孤儿、事实无人抚养的婴幼儿同样纳入保障范围。育儿补贴按年😆计算，每年一次性发放。对于2025年1月1日以前出生、不满3🤩周岁的婴幼儿，按应补贴月数折算计发补贴。 规范明确，育😆儿补贴由婴幼儿父母一方或其他监护人（含儿童福利机构）申领。申😘领人主要通过育儿补贴信息管理系统线上申请，也可到婴幼儿户籍所😊在地乡镇政府（街道办事处）现场申请。申领人是儿童福利机构的，🔥应到机构登记所在地乡镇政府（街道办事处）现场申请。申领人填写🌟婴幼儿及申领人有关信息，提供婴幼儿的出生医学证明、居民户口簿😊等基础材料，并根据需要提供有助于判定申领人和婴幼儿之间抚养关🤗系的法定有效材料。 在资金发放方面，育儿补贴发放渠道为🎉申领人或婴幼儿的银行卡或其他金融账户。鼓励通过惠民惠农财政补🎉贴资金一卡通或婴幼儿的社会保障卡发放。儿童福利机构作为申领人🤩的，发放渠道为儿童福利机构对公账户。各省份结合实际确定育儿补😴贴具体发放时点，原则上每季度至少集中发放一批，确保补贴及时足❤️额发放到位。 国家卫生健康委人口家庭司有关负责人表示，😘育儿补贴制度的实施要依法依规接受监督检查，各级卫生健康部门和🎉财政部门要建立健全资金监督检查机制，明确对代理发放机构和工作😊人员的管理要求。对骗取、冒领补贴资金的，追回资金并追究有关责😍任。 钛媒摘声： 为保障货币供应量与经济增长加上😴价格预期相适应，同时提升商业银行和用户的积极性，应该对数字人🎉民币的计量框架进行升级，同时通过币串和全局统一账本等业务技术😜特性，为实体经济发展提供更好的货币服务。 ——央行数字😉货币研究所长 穆长春 人机协作系统化转型需要遵循“三步😅走”法则：本周评估“浮板依赖”（依赖工具≠真正实力），识别冠🎉军；下月选择试点场景，开始“334框架”；90天内实施方法论🚀，测量结果，准备规模化。人机协作的“334框架”具体步骤：3😆0%的人类智能，确定战略方向、价值判断和文化领导；30%的人😴工智能，负责分析处理、战略智能和多智能协同；40%的执行系统🥳，完善基础设施、流程保证和专业化交付。 ——平安证券C😜IO 张朝晖 为保障货币供应量与经济增长加上价格预期相🙄适应，同时提升商业银行和用户的积极性，应该对数字人民币的计量👏框架进行升级，同时通过币串和全局统一账本等业务技术特性，为实🥳体经济发展提供更好的货币服务。 ——央行数字货币研究所😘长 穆长春 人机协作系统化转型需要遵循“三步走”法则：❤️本周评估“浮板依赖”（依赖工具≠真正实力），识别冠军；下月选🙌择试点场景，开始“334框架”；90天内实施方法论，测量结果😀，准备规模化。人机协作的“334框架”具体步骤：30%的人类🙄智能，确定战略方向、价值判断和文化领导；30%的人工智能，负🙌责分析处理、战略智能和多智能协同；40%的执行系统，完善基础😡设施、流程保证和专业化交付。 展开全文 ——平安😅证券CIO 张朝晖 9月18日消息，富临精工(3004😴32.SZ)公告称，公司控股子公司江西升华与宁德时代签订《预🤩付款协议》，宁德时代向江西升华支付共计15亿元预付款，用于锁😀定磷酸铁锂供应量，并支持江西升华布局原材料建设。此协议深化了😍双方在磷酸铁锂材料领域的战略合作，预计对公司经营业绩产生积极😊影响。 9月18日消息，在华为全联接大会2025上，华🥳为轮值董事长徐直军表示，算力过去是，未来也将继续是，人工智能😴的关键，更是中国人工智能的关键，他分享了昇腾芯片的后续规划，😍预计2026年第一季度推出昇腾950PR芯片，四季度推出昇腾😘950DT，2027年四季度推出昇腾960芯片，2028年四😎季度推出昇腾970芯片。 9月18日消息，霸王茶姬北美🌟第二家门店近日在洛杉矶县托伦斯市开业，选址全美前十大商场德尔😅阿莫时尚中心（Del Amo Fashion Center）🙄。今年以来，霸王茶姬在美国市场动作不断。8月底发布第二季度财😜报时，霸王茶姬宣布新聘Emily Chang为北美首席商务官😎，Aaron Harris为北美首席发展官。与此同时，霸王茶🤩姬即将迎来其在马来西亚的第200家门店。有消息显示，今年5月😀，霸王茶姬在马来西亚与酒店业巨头联大集团（Magma）达成战🤯略合作，计划在马来西亚开出更多家门店。 国外企业： 🤔 9月18日消息，英伟达将投资50亿美元于英特尔，每股价格❤️为23.28美元。英伟达与英特尔9月18日宣布建立合作关系。👏在数据中心领域，英特尔将为英伟达定制x86 CPU，由英伟达❤️将其集成至人工智能基础设施平台并投放市场。在个人计算领域，英🙌特尔将生产并向市场供应集成英伟达RTX GPU芯片的x86系😁统级芯片（SOC）。 9月18日消息，Meta宣布推出😘AI智能眼镜Meta Ray-Ban Display，配备全🤩彩高清显示屏。每副眼镜均配套Meta神经腕带（Neural 🌟Band），这款EMG腕带可将肌肉产生的信号（如细微手指动作😅）转化为眼镜操作指令。套装含眼镜与神经腕带，起售价799美元😊。 9月18日消息，三星集团发布声明称，计划未来五年内😂招聘6万名新员工，重点涉及半导体、生物技术和人工智能领域。 🙄 9月18日消息，相关报道援引消息人士称，软银与Open😡AI在日本的人工智能合资企业严重延期。该合资企业原本预计在今🚀年夏天成立，但准备工作所需时间超出预期，现预计将在11月有最🤩新进展。 9月18日消息，美国电动车商Rivian日前😎举行佐治亚州工厂动工仪式。一期工程预计将于明年启动，计划20😆28年开始生产客户车辆。二期工程竣工后，预计工厂年产能将高达🎉40万辆。新工厂投资额可达数十亿美元，预计到2030年将创造🌟7500个就业岗位。 9月18日消息，据报道，苹果已与🥳供应商就折叠屏iPhone在中国台湾地区进行试产展开讨论，目😅标是在2026年于印度实现量产。报道称，苹果计划在2026年😴推出新一代iPhone，目标产量约为9500万部，较今年增长😘逾10%。苹果认为，推出市场期待已久的折叠屏机型可能是实现这🎉一目标的关键。消息人士称，苹果希望借助台湾地区供应商的工程资👍源和产业生态系统，在当地建立一条小型试产线，用于设备测试、参👏数调整和折叠屏iPhone制造工艺的优化。一旦生产流程确定，⭐将在印度复制该流程以实现量产。供应商已在台湾北部一座城市选定❤️潜在场址，用于设立试产线。 9月18日消息，据报道，特😆斯拉设计总监Franz von Holzhausen表示，特❤️斯拉正重新设计其饱受安全争议的车门把手系统。新设计旨在让乘客🤯在“紧急情况下”更直观地操作车门。本周早些时候，美国国家公路🔥交通安全管理局（NHTSA）对特斯拉部分车型的车门缺陷展开调😘查，涉及约17.4万辆问题车辆。NHTSA表示，2018年以😊来已收到超过140起关于特斯拉各车型车门卡住、无法打开或其他😎故障的消费者投诉，其中包括多起因断电后无法开门而导致的伤亡事🤩件。 政策风向： 9月18日消息，市场监管总局批😅准发布《旅居车辆 安全标志和信息符号》推荐性国家标准，该标准🤩将于2026年3月1日起正式实施。该标准要求旅居车辆在关键区🚀域张贴醒目提示标志，用直观方式帮助使用者规避风险，例如，在床⭐铺旁设置“禁止在行车过程中就寝”标志、在卫生间门口设置“行车😢过程中请勿沐浴”标志等，提醒使用者避免危险行为，通过直观提示😊帮助更多人快速掌握旅居车辆使用规范，增强车辆安全使用意识，让🌟每一次“移动小家”的出行，都能在安全护航下更安心、更舒心。 ⭐ 9月18日消息，国家数据局新闻发言人、政策和规划司副司😊长栾婕在数据要素综合试验区建设新闻发布会（第二场）上表示，数😘据要素综合试验区建设的一项重大任务，是通过大胆改革和先行先试😀，探索数据要素市场化配置改革的新路径。各试验区大胆闯、积极试🙌，推出一系列改革举措。比如，浙江杭州创新推出“改革沙盒”，探👍索数据创新容错机制，激发产业活力；温州建立三段式合规评审模式⭐，营造安全可信、可预期的数据流通环境，破解数据交易信任不足的🤯困境。下一步，国家数据局将支持试验区在更多领域开展先行先试，🥳在推进数据市场化价值化上探索出更多新做法。 9月18日🤔消息，据“辽宁发布”，《中共辽宁省委办公厅、辽宁省人民政府办🥳公厅关于推进数字贸易创新发展的实施意见》提出，到2029年，🔥可数字化交付的服务贸易规模稳中有增，占全省服务贸易总额比重达❤️到45%以上，跨境电子商务交易规模持续壮大。到2035年，可🤔数字化交付的服务贸易规模占全省服务贸易总额比重达到50%以上🚀，跨境电子商务发展质量和效益进一步提升，全省数字贸易发展水平😂进入全国前列。 9月18日消息，上交所债券业务中心相关😉负责人9月17日在沪市REITs专场投资者交流会上表示，对于⭐诚实守信、努力提升项目运营质效、积极回报投资者的各REITs😍项目参与方，充分发挥债券条线全链条综合服务优势，支持其建好R😘EITs平台，培育一批投资者信任、认可的标杆项目，形成“好项👏目有好待遇”的REITs市场生态。对于优质REITs项目，上😅述负责人称，上交所将充分发挥市场优势、产品体系优势和投融对接👏优势，坚持分类监管理念，支持REITs参与各方综合运用交易所🌟债券市场各项政策措施，加强市场示范引领，做优做强，为投资者创🤔造长期收益。 股市行情： 9月18日消息，央行公🎉告，根据中国人民银行与香港金融管理局签署的《关于使用债务工具🤗中央结算系统发行中国人民银行票据的合作备忘录》，2025年9🙌月22日（周一）中国人民银行将通过香港金融管理局债务工具中央😡结算系统（CMU）债券投标平台，招标发行2025年第七期中央🤗银行票据。第七期中央银行票据期限6个月（182天），为固定利😎率附息债券，到期还本付息，发行量为人民币600亿元，起息日为👍2025年9月24日，到期日为2026年3月25日，到期日遇😀节假日顺延。第七期中央银行票据面值为人民币100元，采用荷兰👍式招标方式发行，招标标的为利率。 9月18日消息，高盛🤗称，维持对A股和H股的超配评级，建议逢低吸纳，并看好民企龙头😀、人工智能、反内卷，以及股东回报等投资主题。分析师Kinge😴r Lau等在报告中指出，盈利对于股市行情的持续是必要的，但🙌流动性也是必要条件，目前A股的“慢牛”格局似乎比以往更为稳固😡。 9月18日消息，上交所发布关于天普股份相关情况的通⭐报。天普股份近期多次出现异常波动情形，公司已多次发布风险提示🔥公告，提请广大投资者审慎投资，注意投资风险。部分投资者在交易😜该股过程中存在影响市场正常交易秩序、误导投资者交易决策的异常❤️交易行为，上交所依规对相关投资者采取了暂停账户交易等自律监管😀措施。上交所再次提醒投资者关注风险，审慎参与，合规交易。 🤗 其他重要内容： 9月18日消息，中国汽车流通协会最❤️新厂商调研数据显示，占市场总销量近八成的头部厂商本月零售目标🤔普遍较高，同环比均有所提升，综合政策支撑与旺季需求释放，预计🙄9月狭义乘用车零售市场规模可达215万辆左右，环比增长6.5🌟%，同比增长2.0%，其中新能源零售量预计为125万左右，渗😘透率有望攀升至58.1%，再创历史新高。 9月18日消👍息，中国充电联盟发布2025年8月全国电动汽车充换电基础设施😂运行情况。1-8月，充电基础设施增量为453.0万个，同比上💯升88.5%。其中公共充电设施增量为73.7万个，同比增长3🤔7.2%，私人充电设施增量为379.3万个，同比上升103.🥳3%。截至2025年8月底，中国电动汽车充电基础设施(枪)总👏数达到1734.8万个，同比增长53.5%。 9月18😍日消息，从在江苏省连云港市召开的全球公共安全合作论坛（连云港😘）2025年大会移民管理合作分论坛上获悉，2025年1—8月😂，全国边检机关累计查验出入境人员4.6亿人次，同比上升14.🤗9%；其中内地居民2.2亿人次、港澳台居民1.8亿人次，同比⭐分别上升15.4%、11.2%；外国人5126.8万人次、同🥳比上升27.8%，其中免签入境外国人1589万人次，占入境外😢国人62.1%，同比上升52.1%。累计查验出入境交通运输工😜具2448.2万（列、艘、辆）次，同比上升16.2%，其中飞❤️机66.2万架次、列车7.1万列次、船舶29.4万艘次、机动😉车2345.2万辆次，同比分别上升17.1%、4.9%、3.❤️8%、16.4%。 （本文综合自新华社、央视新闻、澎湃😉新闻等）返回搜狐，查看更多