上海证券报记者梳理专项债券信息网披露数据发现，截至目前，今年地方债发行已逾8.5万亿元。其中，新增专项债36795亿元，新增一般债6444亿元。“特殊”新增专项债发行规模远超去年安排的8000亿元额度。 上海证券报记者梳理专项债券信息网披露数据发现，截至目前，今年地方债发行已逾8.5万亿元。其中，新增专项债36795亿元，新增一般债6444亿元。“特殊”新增专项债发行规模远超去年安排的8000亿元额度。 中国财政学会绩效专委会副主任委员张依群在接受上海证券报记者采访时表示，今年地方债发行进度保持总体平稳、快中有进的态势，特别是地方置换债发行进度基本完成，新增债券发行和经济增长基本保持同步，为经济持续向好发挥了关键作用。 “今年以来，地方债发行同比高增，是积极财政政策靠前发力的体现。从新增专项债资金投向来看，基建领域仍是主要投向。”东方金诚研究发展部执行总监冯琳对上海证券报记者表示。 企业预警通数据显示，今年前三季度，地方政府发行的用于项目建设的2.5万亿元新增专项债项目中，约28%投向市政和产业园基础设施，约18%投向交通基础设施，约14%投向土地储备，约12%投向保障性安居工程，约12%投向医疗卫生、文化旅游、教育等社会事业，约6%投向农林水利等。 近年来地方置换债发行明显增多。根据去年11月全国人大常委会表决通过的议案，除了安排6万亿元地方政府债务限额置换存量隐性债务，从2024年开始连续五年每年从新增地方政府专项债券中安排8000亿元补充政府性基金财力，专门用于化债。 企业预警通数据显示，今年前三季度，新增地方政府债券中，“特殊”新增专项债发行规模约1.2万亿元，超过了此前安排的8000亿元的额度。“可能是因为‘特殊’新增专项债的用途得到扩围，如被安排用于偿还拖欠款、投向政府投资基金等。”冯琳说。 冯琳进一步分析道，截至9月底，用于置换隐债的再融资专项债已发行1.98万亿元。同时，新增专项债发行额度剩余7228亿元，综合考虑到期压力，在没有增量政策出台的情况下，预计四季度地方政府债发行量约为1.2万亿元，净融资约为6000亿元，与前三季度及去年同期相比，供给压力明显减弱。 “第四季度地方债券发行还会继续保持相应力度，发挥好更加积极财政作用，进一步加强与其他政策性金融工具协调联动。”张依群认为。 今年地方政府新增债券发行已经接近尾声。近日，多位专家建言提出进一步厘清地方隐性债务规模底数，适度提高地方政府债务限额，为地方缓解化债压力、优化债务结构提供更多政策空间。 在张依群看来，为加快缓解地方政府偿债压力和降低隐债风险，可以考虑将明年部分置换债纳入今年底前发行，将化解隐债风险节奏适度提前，不仅可以极大缓解地方财政收支紧张压力，还可以释放稳经济、促增长、强预期的积极信号，有效激发和调动市场要素活跃度，为“十五五”开局打下良好基础。 财政部部长蓝佛安在9月12日举行的国新办新闻发布会上介绍，将继续落实好一揽子化债举措，提前下达部分2026年新增地方政府债务限额，靠前使用化债额度，多措并举化解存量隐性债务。 冯琳分析，“靠前使用化债额度”有可能指四季度就开始发行提前下达的2026年新增限额，也有可能指明年一季度靠前发行。从以往实际落实情况来看，明年一季度靠前发行的可能性更大。不过，考虑到今年置换债额度基本发行完毕且四季度地方债整体供给压力较小，将明年部分置换地方政府隐性债务的额度提前在今年四季度发行的可能性也无法排除。若提前发行，将有利于地方政府腾挪出更多资金去搞发展、搞建设，从而释放地方政府在基建投资等方面的稳增长动能，稳定四季度经济运行。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