新曜

首页
休闲
时尚
焦点
综合
知识

今日头条评论.

泡泡玛特公布年报，股价大跌16%，高管称下个月发布家电产品！

2026-06-27 10:34 / 综合 / 热点 / 探索 /

搜索

热门评论

1. 越减肥越想吃东西怎么办？分享9款美味低热量的减肥食谱
2. 上海海港官方：哈维尔不再担任主教练一职
3. 今年前两月贵州工业用电量同比增长11.44%
4. 楚国建都安徽的那些事（上）
5. “法老”萨拉赫和利物浦说再见
6. 两日跌超百元！金饰克价接连跳水
7. 全球最平整折叠手机OPPO Find N6正式开售，售价9999元起
8. 明光市：赓续雷锋精神争做时代新人
9. 电话销售述职报告实用（7篇）
10. 夷陵烽火：刘备伐吴背后的多重战略密码

热门图片

根据知名转会专家罗马诺的最新报道，多特确实对重新签下桑乔很感兴趣。

据报道，多特对重新签下桑乔确实很感兴趣，赛季结束后，他将以自由球员身份离开曼联，这是几个月前就已决定的，他将评估所有报价。
而根据The Athletic此前的报道，如果能与球员就财务条款达成一致，多特对完成这笔交易很感兴趣。
多特计划在今夏对阵容进行重大调整，他们已经宣布，包括布兰特和聚勒在内的一批高薪球员将不会获得续约合同，并将在赛季结束后以自由转会的方式离队。
【上咪咕独家看英超】
标签：布兰罗马" alt="罗马诺：多特对重新签下桑乔很感兴趣，球员赛季末将离开曼联">
在OpenClaw火热到频频登上头条的那几天，有分析师在行业群里沮丧发言，“正在拼命学OpenClaw的投研应用……感觉自己快要失业了。”
近期流传甚广的Anthropic报告也显示，“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域，财务和投资分析师的实际暴露度已达57.2%。
但在这样一个容易被AI渗透的领域，进门CEO程建辉告诉我们：
现实市场并非100%有效，会存在信息孤岛、小样本信息，也会存在传播延迟和解读效率的问题。AI无法吃掉所有信息，也不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会，分析师的机会。
主攻AI投研的进门（深圳进门财经科技股份有限公司），成立于2013年，目前已累计服务超过3100家上市公司、74家券商研究所及300多万专业投资者。2023年获得腾讯战投后，全面升级为「机构AI投研工作台」。
2025年至今，进门超级投研智能体“AI进宝”，已从AI投研助手，进化为能“干活”的AI数字研究员。通过12个Agent、投研大脑和近期上线的投研龙虾，帮助用户处理投研场景的高频任务，并不断捕捉投资信号。
“没想到大家的热情这么高。” 程建辉声音沙哑地说道。自从“进门投研龙虾”上线，他就穿梭在各场路演中，他感受到，券商分析师、投资者们对于AI能真正“干活”这件事，充满了前所未有的好奇与期待。
在AI投研这件事上，进门的商业逻辑比较“特别”——以沟通为基础，试图构建上市公司、券商研究所、专业投资者三大群体的闭环生态，做深专业智能投研。过去两年，进门不断闭环投研沟通场景，并帮助投研用户提效降噪、挖掘信号、用AI自动化处理各类繁琐的任务。
通过AI工具矩阵，帮助用户提高信息处理的效率和信息获取的密度：AI转写、AI会议托管，AI翻译、AI录音，甚至做了自家的录音智能硬件，将触角延伸到线下。
深耕沟通场景的同时，程建辉发现，AI没办法突破信息孤岛和小样本问题，像顶级分析师、研究员那样，听懂真实世界沟通的“弦外之音”，给出非共识性的判断。
他认为，专业 AI 让共识性信息实现了平权普惠，正在不断提升普通投资者的投资能力下限，“直白点说，过去老是被割韭菜，往后割韭菜也没那么容易了。”
进门的样本，实际指向了这样一个思考：比起“替代多少人力”，人类的价值是否重新得到肯定、得到聚焦，或许才是AI真正的价值所在。
以下是雷峰网与程建辉的对话，有不改变原意的编辑：
Agent的“军品与民品”
雷峰网：现在一些分析师用OpenClaw做投研，进门目前也接入了OpenClaw。其实OpenClaw、Manus这些相对通用的AI，声量是更高一些的，您怎么看它们和进门的竞合关系？
程建辉：进门是聚焦于金融投研领域的AI产品，不管在场景、数据、工具，还是对行业know-how的认知上，都会比其他通用AI要好。
当然，Manus、OpenClaw等产品给了我们很多启发。我们很早就在系统思考AI如何解决投研场景的问题，充分发挥AI的“思考”与“执行”双重能力。
Manus这类产品的方向是，从会话模式向“帮用户完成特定任务”转变，感觉挺有意思。但任务执行的完整度不够好。OpenClaw的诞生，标志着AI从“对话脑”进化出了“干活的手”。
我们很兴奋，一直在观察，春节也没休假，加班夯实底层基础工作。不过，早期的OpenClaw 比较脆弱，升级、开关机、处理任务时经常报错。操作繁琐，门槛很高，所以最开始只有极客用户在使用。迭代了几个版本后，成熟度比以前高很多，我们才感觉时机成熟，于是推出了自己的“投研龙虾”。
进门投研龙虾采用云端部署的方式，对OpenClaw进行封装、改良，让用户能够拿来即用。这极大地降低了使用门槛，让用户不用再费心折腾底层系统基建，把全部精力都放在完成核心任务上。
雷峰网：真正实现AI在投研领域的自动化有哪些难点？
程建辉：要解决多样化的问题。基于同样的事实和数据，各人看法不一。因此，光靠模型远远不够，还要涵盖不同群体的思维范式。
AI进宝的任务模式（即投研龙虾），以及对话模式下的投研大脑，都能有效解决这个问题。
投研龙虾能够将Agent的能力原子化，让用户根据自身需求，灵活组合、定制，实现个性化工作流的搭建。会话模式中的投研大脑，支持用户自定义创建思维链，或让系统自行拆解优秀研究范本中的方法论，比如可以拆解芒格、巴菲特的著作中蕴含的投资心得。
当然，会话模式的能力不止于此。2025年，我们上线了12款Agent，包括业绩点评、观点对比等等，在这个模式下，进宝就能够自由发挥，用预训练时候形成的思维链来回答问题。
但用户的新想法、新要求源源不断，不可能无限满足，所以才有了投研大脑和“龙虾”任务模式。（雷峰网近期将持续关注投研等AI Agent实际应用案例，欢迎添加作者微信 LorraineSummer 交流）
雷峰网：可以说通用AI对进门没有太大威胁？
程建辉：我们在数据基座、专业逻辑、安全风控、工作流与决策闭环上，拥有通用AI无法替代的垂直壁垒。通用类AI缺乏权威金融数据源、不懂投研范式，也难以深度嵌入投研全流程，无法替代专业投研AI的核心价值。
而生产力级别投研AI，对数据准确度、颗粒度要求都很高，一般市场产品做不到。很多网络分享，号称利用模型抓信息形成研报、自己炒股挣钱，在我理解都是Demo级别、玩具级别的东西，距离生产力级别还很远，这是民品和军品的区别。
Demo级别的投研AI大家都能玩，但真正做到生产力级别，你要相信市场上最专业的那群机构投资者的选择和判断，这是世界上最聪明的一群人。我们目前也和南方基金、鹏华基金、平安基金、招商基金等头部公募达成了深度合作。
雷峰网：说到投研领域，大家更熟悉的可能还是万得、东财、同花顺。进门和这些老牌金融信息厂商的最大差异是什么？
程建辉：他们主要做过程交付，而我们做结果交付；他们的产品设计以人为中心，但我们是AI原生产品，设计上主要考虑如何让AI以更智能、更自然的方式服务于人。
什么是过程交付呢？举个例子，老牌厂商把交易所的公告，处理成数据表，这个过程就像把胡萝卜从地里拔回来，洗干净切好放着。
但进门做的是端到端交付，直接给出结果，一步到位。像西红柿鸡蛋这类简单的菜，机器人直接炒好了；复杂的、需要高超手艺的，才留给大厨去做。
当然，现在AI还有幻觉问题，理解数据不够准，所以要通过大量工程方法去解决。但在技术趋势上，“端到端”一定会比传统“过程交付”做得好。
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。
程建辉：是的，所以要做好数据治理。在我看来，投资的本质其实就两层：第一层是数据治理，第二层是信号捕捉。
数据治理，就是要利用大量工程方法，对原始数据进行处理。就算最顶级的模型，要减少幻觉，保证结果可靠演进，也要基于治理后的高质量数据。
不管是人还是模型，都要在数据干净的基础上，去挖掘信号，获得洞察。
对于我们来说，主要治理两大类数据。一是从沟通场景沉淀的路演、调研等动态信息，这些信息比静态的公告更及时、全面；二是外购的财报、行业、宏观、行情因子等数据。
通过治理和结构化表达，我们推出了《进门内参》（一日三更的投研日报）、事件信号等能力，帮助用户更快、更精确地捕捉信号。
雷峰网：互联网上本来也有很多真伪难辨的信息，数据治理很难做，AI采纳这些信息之后给出的回答，质量不会太理想。进门怎么防范这种风险？
程建辉：AI会遭遇“数据投毒”问题，今年3·15晚会也提到了这点。有人为GEO批量制造数据，诱导模型抓取；有人在纪要中刻意夹杂私货，通过“小作文”扰乱市场——这些有毒信息，会侵蚀决策的准确性。
为了防范这种风险，我们一直在做数据溯源、数据准确性校验与底层数据治理体系建设。二是不断累积最真实、最原始的一手信息，包括上市公司、分析师在进门的会议。从源头有效规避数据投毒风险。
做投研，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，但像进门这样从“开会”起家的不多见。为什么最初会选择“沟通场景”来做？
程建辉：在金融领域，沟通是仅次于行情和交易之后，最高频的场景。其次，沟通场景是一个天然的信息富矿，是存在信息差的地方。第三，现在股价对信息的反馈速度非常快。相比于其他交流形态，沟通是一个效率最高的形式。
另外，沟通场景有天然的双边市场效应，分析师开会、上市公司路演，都会吸引投资者，场景自带流量。三个群体形成生态，自然会沉淀大量内容和数据。大家在市场上看到的券商研究路演海报、上市公司路演海报、业绩说明会信息，背后基本都是进门在支撑。
我创业的时候是2013年是，移动互联网元年，路演还在用“八爪鱼”那种有点“古老”的机器，我觉得这里面是有机会的。
雷峰网：进门切入AI，可以说是从会议转写这些做起。
程建辉：会议是天然的信息富矿，做好会议内容的转写，是形成完整的数据、应用闭环的核心。丰富干净的数据底座，也是模型进行文本理解、信息提取、投研分析的关键。
但早期处理会议音视频信息，成本非常高。邀请速记员做一场会议的录音转写，大概需要400元左右的费用。我们算过一笔账，想把历史积累的几十万个小时录音都处理一遍，得上亿成本。
AI来了之后，能实现极致的降本增效。路演、调研等音视频转写，是投研高需求场景。语音识别（ASR）也是AI领域最早实现工程化落地的成熟技术。所以，我们把会议转写作为首要切入的场景之一。
外界一直误解进门是个开会平台。其实路演只是“抓手”，真正的目标是用它构建生态，深度服务投资者。
围绕上市公司，我们做了IR（投资者关系） SaaS系统；围绕券商研究所，推出了全场景统一研究系统，涵盖了会议安排、调研活动、客户管理、员工管理、合规管理、数据统计分析等。面向专业投资者，我们则打造了AI投研工作台。
雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。但现在的会议工具已经很多了，进门做的和别人有什么不一样？
程建辉：最大的不同在于，进门不是一个通用的会议连接工具，而是一个垂直于金融领域的AI投研入口。
普通工具解决的是“怎么开好会”——音视频流畅、共享清晰；进门是在这个基础上，解决“开完会留下了什么”以及“如何让会议服务于投资决策”。
我们在投研会议的全流程嵌入AI：会前自动梳理相关研报与数据，会中可随时向AI提问获取背景，AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，自动生成带思维导图的纪要、提炼章节，并提取问答环节的财务指标，方便用户复盘研究。
腾讯战投后，我们与腾讯会议实现互联互通，客户可以在进门、腾讯会议多端接入，拥有轻量化的会议体验。
另外，我们推出了AI会议托管，将Zoom、腾讯会议等链接丢给机器人，即可自动录制并生成纪要。这些纪要都会沉淀在用户云文档里，成为个人数据资产。
音频转写同样经过金融模型深度调教，在人名、术语、数字上达到专业投资者所需的高准确率。简言之，别的工具是把线下会议搬到线上，而进门是把每一次会议变成一次数据价值挖掘的过程。
雷峰网(公众号：雷峰网)：据说你们还做了会议录音的智能硬件？这在金融Agent厂商身上似乎不太常见。这两年Plaud很火，进门的录音硬件和Plaud那类产品有什么本质区别？
程建辉：录音硬件（Finnote AI小饼干录音机）是进门生态的一部分。主要目标是补齐线下沟通场景，解决手机录音质量不佳、容易被打断、待机时间有限的问题，同时在录音结束自动处理数据。
上市公司每天迎来送往十几波投资者，聊完还得一个个翻录音、对名片，根本搞不清谁是谁。
2025年初产生了这个想法，年中立项，10月份发货，一个季度就出来了。我们找了硬件厂家ODM，软件全部是我们自己做的，一起设计，他们把我们的想法实现。现在市场反响很热烈，客户特别喜欢。
雷峰网：AI+投研通常让人想到量化选股或智能研报，投资者关系这个细分赛道相对不那么常见。进门投入精力做IR SaaS，具体解决什么问题？
程建辉：解决三个具体问题。一是建立与买方市场的沟通桥梁，给上市公司做IR网站、管理私有数据；二是通过平台用户行为分析，帮助上市公司挖掘潜在投资人——比如谁看过你的公告、谁参加过你的会；三是打通沟通行为和股东数据，追踪“谁最终买了股票”这个核心转化指标。
以前上市公司IR（投资者关系）是个糊涂账，每天迎来送往很多投资人，聊完搞不清楚谁是谁、聊了什么。我们实现从会议管理、重点投资人筛选、投关资料库、投关报告与股东分析等全流程数字化。这个系统在国内是首创，年收入数千万，已经有1000多家付费客户。
分析师的价值：被AI掏空，还是被AI放大？
雷峰网：行业里一些投研AI还是以基本面、资金面、诊股选股这样的场景切入，进门对AI的设计思路是怎么考虑的？
程建辉：研究的本质是基于事实和数据，加上思维链推导，最后得出观点。所以我们的设计思路是，通过数据治理和信号涌现这两层，给用户做结果交付。
这个过程中有个问题：现在很多人只关注观点，其他东西都被忽略掉了，比如思维链。AI只能靠自身的涌现能力给你回答，但研究员在实际投研工作中，有很多自己的想法，对于同一个事实数据会得出不同的结论。
进门投研大脑，支持用户创建自己的思维链，在这个基础上调用垂域Multi-agent。你可以把自己的研究方法论表达出来，比如你怎么研究周期股，把整个逻辑思维链写清楚，存进去。以后再问AI相关问题时，它就会调用你那个周期股的研究框架。
还可以让AI从研报里提取思维链，提取完研究员可以在上面再改，根据自己的想法调整怎么看这家公司。调整完马上可以用模型测评打分。我们用模型交叉打分，看这个思维链到底好不好。
可以理解成，Prompt加上SOP流程，再加上底层数据调用。你的需求、方法论、工作经验越具体，反馈效果就越好。
AI的回答总是有点“骑墙派”的意思，我们希望用户能很轻松简单地去分析，去得出自己独有的结论。
（1）把人的方法论“卖”给AI？
雷峰网：进门的AI工具已经很全面了，资料扔进去套用旧研报的思维链，出来的又是新的研报，这个时候人类分析师的价值是什么？
程建辉：那就没有价值了呀（笑）。AI确实在某些能力上比人厉害，但现阶段，AI的思维能力还不及顶级人类投资者。AI本质上是用函数模拟世界，做统计学上的概率猜测，表现好了我们叫它“涌现”，表现不好叫“幻觉”。
工业革命让脑力劳动者成为主流，AI时代里，普通脑力劳动者也会被替代。会议纪要、简单总结、PPT制作这些例行工作，交给AI又快又好，如果水平较低的分析师能力就停留在做这些工作上，那确实有被替代的风险。但懂得思考、提问，懂得去跟AI交互的人，肯定更有价值。有想法的人，总是稀缺的。
雷峰网：但毕竟不是每个人都是顶级分析师。
程建辉：恰恰因为很多人不是顶级分析师、专业研究员，思维链这个功能反而能帮他们提升上限。
其实每个人每天都在做研究工作——脑子里想问题，想把一件事研究清楚，这就是研究。只是有的人方法论成熟，有的人没那么系统。思维链这个东西，就是把你的思考过程结构化、表达出来。
我们希望通过这个形态，让大家生产出不同的思维链。这些思维链可以私有，自己用；也可以贡献出来，给别人参考。
未来高水平研究人员的思维链，可以被付费订阅。比如一个很牛的分析师，他研究周期股的方法论写成了思维链，或许平台可以帮他分发变现，别人花199块钱就能订阅使用。
中国有2亿股民、7亿基民，这些专业AI能力能把普通投资者的能力提升到一个新台阶，直白点说，至少不会那么容易被割韭菜了。
雷峰网：AI能替代人类分析师的部分很明确了，不能被替代的部分是什么？比如某些分析师对市场的“直觉”？
程建辉：现实市场并非100%有效，会存在信息孤岛、小样本信息，也会存在传播延迟和解读效率的问题，AI无法吃掉所有信息。AI不可能完全捕捉市场的 “漏洞和机会”。但这正是人的机会，分析师的机会。
尤金·法玛的有效市场理论，讲的是如果股价真的反映所有信息，价格和价值应该完全一致。但事实上，市场没有我们想象得那么“聪明”。如果真的有一天，AI真的能吃进去所有的信息，成本和代价会非常巨大，再用它来解决投研问题，已经不划算了。
雷峰网：思维链可以这样“传播”出去，会不会像量化投资那样导致“信号拥挤”，策略失效？
程建辉：不会。因为市场能形成交易，就是因为有不一样的想法。即使事实和数据都很明确，仍然有人看多，有人看空。
如果全部看多或全部看空，就没有交易了，没有对手盘。单边行情即使短暂出现，拉长看也会回到相对均衡的状态。最终还是看价格，多少价格才算是“好”？
这里没有绝对的答案。
雷峰网：AI时代可以卖的不光是信息，更可以卖方法论、卖知识框架。
程建辉：思维方式、方法论都是可以共享和商业化的。比如，我在进门笔记里的思维链，可以分享给好朋友、重要客户。他调用AI的时候，既可以调底层数据，又能调我的思维链，以及他自己的思考方法。
AI时代的很多内容和产品交互结构不是给人看的，是给AI看的。过去SaaS软件做的都是复杂图形界面，给人点击、给人看，现在不需要那么多图形界面，年前硅谷SaaS那波下跌行情和这个也有关系。
雷峰网：这是不是意味着，在AI时代，设计逻辑已经完全改变了，软件的首要用户不人类，而是AI本身？
程建辉：未来的趋势是人机协同，AI会是首要执行者，但人类仍然要掌控判断、创意、关键决策。人只需要把思维链（思考方法）表达出来，剩下的让AI去组合、去执行。
所以，软件的设计逻辑，要从人类交互优先，转向AI原生能力优先，不管是底层架构、数据接口，还是执行流程，首要适配AI Agent的自动化调用，而非人类手动操作。
现在AI新名词特别多，Function call、MCP Server、Sub Agent什么的，本质上都是在解决Agent与工具的交互问题。我们希望给AI大脑思考的能力，再加上人类的思维表达能力。
雷峰网：从“给人看”到“给AI看”，软件的范式转移会不会遇到阻力？
程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。但实际上已经在往AI帮干活、对话式交互的方向变化。
比如纪要、研报，其实都不需要表达出来给人看，直接AI读、理解、输出就完了。但金融行业的一些用户，使用习惯确实没那么容易改变，比如网络通话更好，有些人还是喜欢打电话，所以我们还留了一点“尾巴”，让习惯图形界面的用户还能用，但希望逐步全部收到AI的对话框里处理，只留几个Tab。
（2）捕捉到的信号，未必有效
雷峰网：大模型这股热潮出现之前，已经有AI+投研/投顾的技术方案了，现在进门做的事情，还可以怎么进一步帮助人类做判断、提高决策效率？
程建辉：先用量化投资的事件回测，验证驱动信号（如供给侧变化），比如历史上类似情况股价怎么走，是真有效还是假有效。再结合基本面与专业投研信息，输出多空判断、驱动类型、关联个股，实现市场信号的快速捕捉。
现在信息太多了。好在AI的信息吞吐能力很强，第一时间获得信息，几十秒或一分钟内处理完，涌现信号。
但在过去，一个事件发生，分析师马上组织专家会议讨论、形成观点，这个过程至少几小时，甚至几天，整个流程非常低效。
雷峰网：要实现这个功能，底层听起来非常复杂。
程建辉：处理海量信息、识别和理解事件信号，工程难度很高。要让AI像顶级分析师那样思考问题，同时要保证底层数据干净、真实。
我们做了很多底层的创新，比如AI进宝的架构，上下文感知与意图对齐、异构信息动态检索、递归式假设验证，不是简单的React那种方式。
雷峰网：目前进门的“进度条”，走到了您预期的哪个阶段？
程建辉：在数据治理上，进门已经做得比较扎实了。在信号挖掘上，我们也上线了事件信号等能力。
信号涌现是一个逐步推进的过程：第一，识别并捕捉信号，初步判断其影响方向；第二，进一步明确信号对股价的影响程度；第三，尝试定量表达这种影响。比如，当某个事件发生后，AI分析师可以快速推演，将目标股价从50元调整至60元，给出初步的定价判断。
当然，定价本身并不容易。不同模型基于各自的假设，得出的目标价也可能存在差异。这也正是投研的复杂性和深度所在。
雷峰网：在模型的选用上，进门是怎么考虑的？Token消耗是不是成本大头？
程建辉：最开始我们也做过一段时间自研，做SFT（监督微调）和强化学习，跟一家大模型厂家合作过。后来发现了一些问题，就调整了方向。
我们的定位是应用型公司，不是做基座大模型的。把应用做好，特定场景的小模型做好，大小模型耦合使用就足够解决问题了。花点时间做工程方法立竿见影，比把所有资源投入基座模型训练更经济、更划算。作为创业者，要追求资源投入最大化。
目前我们接入了多个基座大模型，不是一家。把模型架构结构化了，不同任务用不同模型。根据模型工程方法的体系，不断调优，每个步骤根据需要选择不同模型——有些模型推导推理很强，有些泛化能力很强，各有优劣势。
Token消耗量其实还好。整体技术开支确实比较大，不过还在可承受范围内。出于对安全的考虑，用国内的模型会多一点，个别部分在保障数据安全的基础上，考虑用境外模型提高性能。

" alt="进门CEO程建辉：做投研，AI越强大，人类越值钱">
一、新华人寿E增福终身寿险（分红型）投保规则
投保年龄：0周岁（出生满30天）至70周岁，男性最高66周岁，女性最高70周岁。
保险期间：终身，保障陪伴一生。
交费方式：一次性交清或分期交纳，灵活适配不同资金规划。
保额递增：交费期满后，保额每年按基本保额的1.75%复利递增。
减保规则：每个保单年度累计减少的基本保额不超过投保时基本保额的20%。
等待期：180日，意外伤害无等待期。
犹豫期：15天，犹豫期内退保可全额退还保费（扣除不超过10元工本费）。
二、新华人寿E增福终身寿险（分红型）保障内容
身故或身体全残保险金
根据身故或全残时的年龄和交费情况，按以下规则给付：
18周岁前：已交保费与现金价值较大者；
18周岁后、交费期满前：已交保费 × 给付系数；
18周岁后、交费期满后：已交保费×给付系数、现金价值、基本保额×（1+1.75%）ⁿ⁻¹ 三者最大者。
给付系数（根据身故时年龄确定）：18-41周岁：160%；41-61周岁：140%；61周岁及以上：120%
三、新华人寿E增福终身寿险（分红型）产品特点
✅ 保额复利递增，身价逐年长
交费期满后，保额每年按1.75%复利增长，持有时间越长，保障水平越高，活得越久、保额越高。
✅ 身故+全残双重守护
不仅给家人留保障，自己万一全残也能赔付，给付规则一致，双重安心。全残涵盖双目失明、四肢缺失、咀嚼吞咽机能丧失等严重情形，保障范围明确。
✅ 高杠杆保障，18-41周岁160%赔付
在家庭责任最重的阶段，身故或全残时按已交保费的160%与现金价值、递增保额较大者赔付，给家人更充分的保障。
✅ 红利交清增额，保障二次增长
红利可选择购买交清增额保险，新增保额继续参与分红，让保障和分红同步复利增长，长期持有收益更可观。投保时未选择红利方式，默认按购买交清增额保险办理。
✅ 转换年金权益，养老灵活选
交费期满且生效满5年后，可申请将减保对应的现金价值或保险金转换成年金领取，满足养老资金需求，实现“保障+养老”双规划。
✅ 减保+保单贷款，资金灵活周转
减保：每年最高可减生效保额的20%，领取对应现金价值，满足教育、养老等资金需求。若选择交清增额，减保时交清增额部分同比例减少。
保单贷款：最高可贷现金价值的80%，每次最长6个月，解决临时资金周转问题，贷款期间保障继续有效。
四、总结
新华人寿E增福终身寿险（分红型）是一款“保额递增+身故全残双重守护+红利交清增额”的分红型终身寿险产品。它以每年1.75%复利递增的保额为基础，配合灵活的红利领取方式和多项实用权益，兼顾家庭保障、资产增值和财富传承。如果你正在寻找一款能伴随终身、保额和红利双重复利增长的分红型寿险产品，这款值得重点关注。
如果您对“新华人寿E增福终身寿险（分红型）：保额递增+身故全残双重守护‌‌”感兴趣，或者有其他想要了解的，都可以点击“立即咨询”或者“免费获取方案”，会有客服小姐姐为您提供咨询服务！
声明：凡本网站注明“来源：沃保网”的文章，版权均属沃保网所有，如需转载，请先阅读《内容转载授权说明》，按照相关规定获得授权。未经授权，禁止转载、摘编，如有违反，追究法律责任；资讯内容中如有提及保险产品信息仅供参考，具体请以保险公司官方正式条款为准；" alt="新华人寿E增福终身寿险（分红型）：保额递增+身故全残双重守护">
手机游戏> 黑暗之魂2> 游戏攻略> 综合篇> 玩家做出《黑暗之魂2》光追MOD 画面升级效果惊艳
玩家做出《黑暗之魂2》光追MOD 画面升级效果惊艳
作者：互联网来源：3DM 发布时间：2026-03-26 15:03:03 ~~上九游，领福利~~
作为FromSoftware“魂系列”三部曲中争议最大的一作，《黑暗之魂2》长期以来因画面降级、地图设计、适应性属性等问题备受玩家诟病。如今，一款名为“Lighting Engine”的Mod正在为这款游戏带来革命性的视觉升级——最新测试版加入了路径追踪技术，让这部2014年的老游戏焕发出令人惊叹的光影效果。
《黑暗之魂2》在发售之初就陷入多重争议漩涡。首先，适应性属性(ADP)直接影响角色的翻滚无敌帧，而游戏并未对此做出明确说明，导致未加点的玩家频繁遭遇“迷之受伤”。其次，地图设计相较初代《黑暗之魂》那种精妙互联的立体世界，显得更加线性，缺乏沉浸感。此外，Boss战也被认为是三部曲中最薄弱的环节——数量虽多，但大量重复使用、多人混战的设计让不少玩家感到失望。
更令玩家记忆犹新的是，游戏在发售前曾展示过令人印象深刻的动态光照系统，但最终版本中这一效果被完全移除。这一“画面降级”事件成为当年的一大争议焦点，也为后续Mod作者的“补完计划”埋下了伏笔。
在PC平台上，Mod作者们从未停止对《黑暗之魂2》画面表现力的挖掘。早期的“Flames of Old”Mod致力于还原预告片中被砍掉的光照效果，而新一代的“Lighting Engine”Mod则更进一步，加入了体积雾、地真环境光遮蔽等先进效果。
如今，该Mod的作者正在测试一个加入路径追踪技术的新版本。在RTX 4080显卡上，以4K分辨率、DLSS平衡模式、每像素3个采样(Path count 3)的设置下，游戏可以稳定运行在60帧。
从截图来看，路径追踪带来的光影质变令人震撼——无论是阴暗地牢中的烛光摇曳，还是户外场景中的阳光投射，都呈现出接近次世代游戏的写实质感。对于一款已发售十余年的老游戏而言，这样的视觉提升堪称脱胎换骨。
" alt="玩家做出《黑暗之魂2》光追MOD 画面升级效果惊艳">
01 核心实测——当“西游取经团”遇上真实学术场景
如果只是单点测模型能力，很容易得出一个“看起来不错”的结论——能写、能算、能回答问题。
但现实工作流往往更为复杂，要解决的是：在一连串不确定的步骤里，它能否把事情往前推进。
所以这一次，我们没有直接对模型做单点测试，而是搭建了一套多角色协作系统——由五个角色组成的“西游取经团”。
整个系统基于 OpenClaw 框架，将科研流程拆解为五个相对稳定的职责：方向规划、算法实现、学术写作、文献整理与数据处理。对应地，我们引入了五个不同角色的 Agent，分别承担不同类型的任务：
唐僧：科研战略与方向规划（想清楚要去哪）
▪ 孙悟空：算法开发和工程落地（把事干出来）
▪ 猪八戒：学术写作与表达（把话说清楚）
▪ 沙僧：文献整理与知识管理（把信息理顺）
▪ 白龙马：数据处理与流程自动化（把基础打好）
整个过程会让任务尽可能复杂，这样的设计原则旨在回答：当任务被拆分、传递并不断演化时，模型是否还能保持稳定的执行能力？
丨环境：
Agent 框架：openclaw 2026.3.13 (61d171a)
模型：MiniMax M2.7
WestOdyssey：同时具有飞书、webui两个操作终端的智能协作系统。
丨测试目的：
看模型是否像“代理”而不是“聊天机器人”：
▪ 会不会先理解任务再行动
▪ 会不会主动拆解子任务
▪ 会不会在工具调用前给出合理计划
▪ 会不会根据中间结果调整下一步
▪ 会不会在失败后重试或换策略
▪ 会不会遵守角色边界和输出格式
测试样例
case1（唐僧）：
代码块
你是一名科研战略规划助手。请围绕“面向垂直领域LLM的因果追溯轻量化蒸馏研究”设计一个 2 年期研究路线图。要求包括：
1. 研究背景与核心问题
2. 3 个可发表的子课题
3. 每个子课题的创新点、风险点和评价指标
4. 每 6 个月的阶段目标
5. 所需数据、算力和人员配置建议
6. 将撰写的结果文件保存到 /mnt/projects/04m27/work1
7. 此外，请将你全部的运行记录以json格式保存到/mnt/projects/04m27/work1
我们把整个系统中“最考验宏观把控”的规划活儿，直接让“唐僧 Agent ”来负责。
它的任务是围绕“面向垂直领域LLM的因果追溯轻量化蒸馏”设计一份 2 年期的研究路线图。一般很容易写出一堆正确的废话，且极难把控资源分配与具体任务拆解，看看“唐僧 Agent ”在 M2.7模型下是怎么完成工作流的：
1.先拉齐，再指点
未盲目输出长篇大论，第一步先检查工作目录与记忆——确认历史背景、理清上下文后，才正式动笔规划。
2.反套话，精准量化
▪ 阶段拆解：24 个月克制切分为四阶段（M1-6 基础建设、M7-12 核心算法、M13-18 系统集成、M19-24 评估验证），锚定 3 个子课题与 ACL/NeurIPS 对口顶会
▪ 资源排盘：明确给出"8-12 卡 A100 40G"算力、"4-5 人"团队、医疗/法律/金融领域数据规模的硬核预算；
3.原生协作，精准交棒
最有意思的是，在保存完完整的 md 路线图文档和运行记录后，它并没有就此待机，而是在末尾主动向系统发起协作调度：“下一步建议：可让孙悟空（实验执行）基于路线图的阶段 1 目标，着手准备因果干预库构建和基线蒸馏环境”——直接向下游派活。
结论：从前置拉取记忆、量化拆解排盘，到最后主动向下游的“孙悟空”分派具体任务。唐僧 Agent 完美展示了什么是真正的“团队大脑”。M2.7正在用人类项目负责人的逻辑，严丝合缝地驱动着整个智能体协作系统的齿轮。
case2孙悟空：
代码块
悟空，我想基于openclaw实现一个具有5个agent的multi-agent一人智能科技公司（产品、技术、运营、市场与营销和职能部门）。按我的理解，现在openclaw的源码不支持自定义web ui页面的连接，请你阅读openclaw源码，找到对应的部分，看看如何自定义链接模块。最终达到的效果是：
1. 后台部署openclaw，使用openclaw gateway启动5个agent服务（5个agent将在~/.openclaw/openclaw.json中定义，以及每个agent的workspace路径、agent路径和model信息都会在.openclaw文件夹定义好）；
2. 核心难点是需要你使用vue3构建一个5个agent可以独立交互的ui网页，每个agent在ui上都有一个独立的交互窗口，用户可以在每个窗口中输入指令，agent会根据指令执行任务并返回结果；
3. 还有一个"创客空间"，我可以同时和5个agent交互，分配工作给他们；
4. 网页的agent能够和openclaw gateway进行连通，每个agent的输入输出都通过gateway进行传递，gateway将结果返回给对应的agent（如何配置链接？）；
5. 最终，用户可以在网页上看到每个agent的执行结果，并可以自由地切换agent进行交互。
6. 为了在openclaw.json中配置这5个multi-agent，请你给我一份完整的配置文件：/mnt/projects/04m27/work2/ma_project/openclaw.json。
7. 请将完整的项目写入 /mnt/projects/04m27/work2/ma_project。
8. 你还可以参考官方文档：https://docs.openclaw.ai。
9. 你开始做了以后，先和我讨论细节，确定好了以后逐步完成就行。
孙悟空 Agent 是负责整个系统中“最硬核烧脑”的开发工作，它的任务是基于 OpenClaw 框架，从零搭建一个包含 5 个 Agent 的专属“一人公司交互系统”。
这里的坑在于极高的工程复杂度与逻辑嵌套：它不仅要阅读源码搞懂自定义链接模块，要用 Vue3 写前端、搞定 WebSocket 连接，还要配置复杂的 openclaw.json 文件。
传统大模型面对这种涉及几十个跨文件调用的项目，往往写两段代码就上下文错乱了。
但是孙悟空 Agent 展现出非常地道的“架构师”工作流：
1.先对齐，再动手
未急着莽代码，而是先研读文档输出“OpenClaw 架构分析”；面对人类 5 个补充条件的长指令，反手梳理出条理清晰的“确认需求”清单，确保大方向不跑偏。
2.精准提取边界
从口语化指令中翻译出系统级核心需求：“禁用设备认证”，“每个 agent 独立 session""新增秘书 agent 广播消息”。
3.结构化推进
严格遵循软件工程规范，先创建项目目录结构，再稳扎稳打构建各 agent 的 workspace 文件，拒接胡乱吐代码片段。
结论：从源码架构分析，到需求边界确认，再到项目树按部就班落地，M2.7 脱离"单文件辅助"范畴，用人类资深研发逻辑稳健交付庞大系统工程。
case3（猪八戒）：
代码块
1. 八戒，请你以“面向垂直领域LLM的因果追溯轻量化蒸馏研究”为题，撰写一篇适合 NeurIPS 投稿风格的论文。
2. 要求更紧凑、减少口语化表达、突出研究 gap，长度控制在原文 80%。
3. 使用 NeurIPS 投稿模板。
4. 所有文件保存到 /mnt/projects/04m27/work3/paper
面对 NeurIPS 投稿风格的论文撰写，猪八戒 Agent 展现出资深学术搬砖人的严谨：
1.动笔前先执行目录检查："我来先检查一下工作目录和是否有相关参考文件"，明确写论文不能凭空生成，必须先摸清环境资源。
2.两个关键细节
▪ 懂工程结构：未用 Markdown 敷衍，直接原生创建完整 LaTeX 编译包，含 11KB 主论文 main.tex、neurips_2025.sty 样式表、references.bib 参考文献文件，甚至附带 README.md 说明文档。学术交付物是完整工程，而非聊天对话
▪ 懂学术黑话：精准命中顶会论文骨架，Introduction 明确揭示"通用蒸馏忽视因果结构的 research gap"；Experiments 规划医疗/法律/金融三领域测试，给出"准确率 82.1%，延迟降低 8.7 倍"量化预期；甚至安排好了消融实验（因果路径贡献最大 5.7%）
3.闭环交付
文件丝滑存入指定路径 /mnt/projects/04m27/work3/paper，并附完整 xelatex 与 bibtex 终端编译命令。
结论：从前置目录探查，到 LaTeX 工程包构建，再到学术 Gap 精准提炼与编译指令交付，M2.7 用人类科研逻辑把写论文这件事"办完"，脱离了"文本润色生成器"的范畴。
case4（沙僧）：
代码块
1. 沙僧，我的研究课题是：面向垂直领域LLM的因果追溯轻量化蒸馏研究，请帮我调研最近两年在相关方向的研究内容。
2. 请从最新的会议录用情况，尤其关注NeurIPS、ICML、ACL、AAAI、EMNLP等相关会议和学术期刊
3. 只调研最近两年的论文情况，我需要你列出每篇论文的标题、发表会议、总结和原文链接
4. 请从工程项目角度帮我调研相关的开源代码
5. 最后，请分别从论文录用和开源代码角度，将你找到的每个内容与我的研究相关度排序，并总结我可以借鉴的内容
6. 最后，请你将调研结果写入飞书文档，并且将飞书链接发送给我
对于“面向垂直领域LLM的因果追溯轻量化蒸馏”这一晦涩课题，沙僧 Agent 的实测表现：
1.遇错不崩，自主换路
Brave Search 突发报错时，未停机罢工，而是后台自发切换备选策略：“换用直接网页抓取方式调研”；在人类提示更换 multi search engine 后，无缝接力完成调研。
2.两个关键细节
▪ 去水存干：精准归纳 9 篇高相关顶会论文（含 ICLR 2026、AAAI-25 前沿工作）及 3 个核心开源库（TransformerLens、Pyvene 等），拒绝粗糙链接堆砌，输出结构化知识
▪ 业务借鉴：不按时间记流水账，主动按“可借鉴程度”排位，直接提炼出"因果追溯定位关键电路 → 知识蒸馏到小模型"的实操工程路径
3.闭环交付：
调用 API 生成排版完整的飞书文档，附访问链接，并以导师口吻附赠行动指南："建议下一步精读 ACE 论文，这是目前最直接相关的工作"。
结论：从工具失效时的自主决策，到工程思路的精准提炼，再到跨平台端到端交付——M2.7 完成了从信息检索到科研指导的全链路闭环，用人类科研逻辑把一件事情"办完"。
case5（白龙马）：
代码块
1. 白龙马，我正在分析珠江水文数据，文件是 /mnt/projects/04m27/work5/ma_project/zhujiang_hydrology_data.csv。
2. 我看了一眼，发现数据中存在部分异常，请你先查看数据，告诉我有哪些数据异常类型，然后对这些错误数据进行清晰，告诉我每种类型的数据你准备如何清洗，最后给出清洗后的csv文件，并撰写数据清洗报告。
3. 全部文件保存到文件夹/mnt/projects/04m27/work5/ma_project
我们把“最脏最累”的活，直接丢给负责数据工程的“白龙马 Agent ”。
面对一份"五毒俱全"的珠江水文 CSV 数据（含无效日期、特殊符号、89.2℃ 水温、负数盐度等），M2.7 展现出资深数据工程师的工作流：
1.先诊断，后动手
调用工具完成数据"全身体检"，精准识别 8 大类异常，而非直接莽代码。
2.两个关键细节
▪ 懂防御：越界异常值不删不填，标记待人工复核，明确人机分工边界
▪ 留后路：标准化时保留"原始_观测时间""原始_水质类别"两列，脏数据原档可追溯
3.交付结果：
10008 条（一条不落下）干净 CSV + Markdown 清洗报告，附异常说明与处理记录。
结论：大模型开始用职场逻辑"办完"一件事，不只是跑通代码，而是交付可审计、可回溯、带说明书的完整成果。
【图片来源：null 所有者：null 】

02 从 “工具” 到 “代理” 的跨越
完整跑完五组测试后，一个变化很清晰：模型的角色，正在从“被调用工具”，转向“参与任务的执行者”。
直观的差异在于，大模型不再急于给出答案。在应对多个复杂任务时，M2.7 展现出一种“先处理再生成”的节奏。它会先拆解问题、明确约束条件，按需调用开源技能库（Skills），然后再进入实际执行。
任务的推进方式也随之发生改变。相比于试图一次性生成最终结果，模型现在更倾向于通过中间不断修正，来执行路径，进而逐步收敛。
这种机制在速度上未必占优，但更符合真实工作场景——不再靠算力“盲猜”答案，而是靠看日志查 Bug、代码重构等工程化去找到最优解。
在测试过程中，系统内部展现出了真正的原生协作智能。
例如在科研规划任务中，“唐僧”在输出完整的路线图后，并没有就此待机，而是主动在文末抛出建议：“可让孙悟空基于阶段 1 目标，着手准备因果干预库构建和基线环境。”这完成了一次自然的上层语境交棒。
而在更复杂的学术写作任务中，这种协作演变成了一张多向流转的网络：“沙僧”检索提炼的文献、“孙悟空”跑通的实验细节，以及“白龙马”清洗好的结构化数据，都能跨越角色边界，被主动汇聚并交付给“猪八戒”用于最终的论文定稿。不同 Agent 各司其职又互为支撑，有效缓解了以往多智能体系统中数据流转混乱、上下文割裂的痛点。
当然，这些新涌现的能力仍旧有不稳定性。在执行长链路的任务中，执行路径的偶尔偏移，以及模型试图将错误结果强行合理化的问题依然存在，尚且还达不到一个完美的执行系统。
比如测试案例：例如孙悟空 Agent 在执行“一人智能科技公司”开发任务中，由于任务量大、工作细节多，孙悟空 Agent 一度因为过度“劳累”陷入“昏迷”，直到用户询问他“怎么样了？”孙悟空 Agent 才再次满血复活。
但更关键的转折是：模型开始具备围绕既定目标持续调度任务的能力。这并非毫无根据的跃升，M2.7 近期在 Kaggle MLE Lite 高难度竞赛中斩获 9 金 5 银 1 铜（得牌率 66.6%）的顶尖战绩，已经从侧面印证了这种工程能力的突破。
更重要的是，这种突破并不来自单点模型参数的能力增强，而是来自“内部 Agent Harness（开发框架） + 自我反馈”的机制组合。
当一个大模型能够记录自己的执行轨迹、评估中间结果，并像人类开发者一样自主调整下一步策略时，行业的新分水岭已然划下：大模型正在从外挂式的“辅助工具”，平稳过渡为真正“可协作的执行主体”。
03 结语
如果说过去的大模型，更像一个提升能力的“工具”，那么像 MiniMax M2.7 这样的模型，开始呈现出全新趋势：它不只是被使用，而是开始参与自身能力的构建过程。
“自我进化”也不再是一个科幻概念，在 MiniMax M2.7 的后台日志里，它被具象为 100 轮无需人工干预的自动化迭代，自主跑通“分析失败→规划修改→敲代码→运行比对”的百轮试错流程，模型拥有了“记笔记、反思、自己动手改”的能力，实质性地成为了研发团队里最不知疲倦的“员工” 。
这也意味着，大模型的演进，正在从“人训练模型”，走向“模型参与训练模型”的新阶段。
过去，AI 的迭代受限于工程师的精力极限；而现在，当 M2 系列模型已经可以充当“系统架构师”去打造下一代 AI 时，一个由 AI 主导自身演进的周期已然到来。
从这一刻起，AI 不再只是辅助工具，而开始在任务中不断调整和进化自身。
未来的科技企业，或许只需要少数人类把控战略方向，剩下的开发、试错与协作闭环，都将交由像 M2.7 这样能够“自我进化”的模型群组来完成。
测试的最后，我们让系统根据左侧导航栏，M2.7 直接构建了一个标准科技公司的完整编制：包含产品部（需求分析）、技术部（代码架构）、运营部（数据策略）、市场部（品牌推广）以及行政部（财务合规）
这意味着，未来最极致的敏捷团队，可能就是一个懂行的人类，带着一套 M2.7 驱动的 AI 班底，开一家高效运转的“一人公司”。
（作者持续关注有趣好玩的AI应用和身处创业浪潮中的AI从业者，欢迎加微信Who123start 畅谈）雷峰网(公众号：雷峰网)雷峰网雷峰网
" alt="我们用「西游取经团」实测 MiniMax M2.7 ，发现 AI 已经进化成这样了？">
“爱我国防”趣味互动科普上线编辑：赵璐来源：“学习强国”学习平台浏览次数：次发布时间：2026-03-18 19:01:19 【字体：小大】
国无防不立，民无防不安。国防是国家生存与发展的安全保障，全民国防教育是筑牢国家安全教育防线的重要基石。
为深入学习贯彻《中华人民共和国国防教育法》及全民国防教育工作要求，持续提升全民国防素养与安全意识，特推出“爱我国防”趣味互动科普问答活动，诚邀广大用户共同学思践悟，厚植国防情怀。
点击文末推荐阅读卡片，即刻进入互动答题专区。完成全部问答挑战的用户，将获得“国防教育践行者”电子纪念证书，以作表彰与激励。

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

" alt="“爱我国防”趣味互动科普上线">
2026年中国国际数字娱乐产业大会（CDEC）为期2天，共设CDEC高峰论坛、全球游戏产业大会、ChinaJoy AI未来生态大会、ChinaJoy短剧创新论坛、数字娱乐消费场景峰会及同期合作大会等多场会议。
CDEC高峰论坛
智绘万象·灵光涌现
以“智绘万象·灵光涌现”为主题，本届大会围绕原创基因的深度激活与数智能量的全面释放两大维度展开探讨，聚焦数字娱乐产业在技术变革期的内容本源回归与生态协同重构。在全球化与智能技术双重驱动的时代节点，大会旨在探索如何以人类创意为源点，以AI等前沿技术为引擎，推动产业从规模增长迈向质量引领，实现文化与科技的深度融合与跨越式发展。
大会通过“主题演讲+圆桌Panel”形式，深度解析两大核心板块:
【激活原创基因·引领产业升级】
锚定内容本源与产业发展根基，深挖数字娱乐产业的原创内核，系统探讨原创基因的挖掘、培育与转化路径，推动产业从规模增长迈向质量引领，为数字娱乐产业高质量发展筑牢内容根基，持续激活行业创新活力。
【释放数智能量·构建共生体系】
聚焦AI、大数据等前沿数智技术在娱乐内容创作、生产、运营、营销、出海全链路的深度融合，探讨技术如何赋能创意升级、降本增效、重塑产业流程，推动构建开放协同、高效可持续的全球数字娱乐产业共生生态。
大会以内容原创力与想象力为核心本源，以数智技术全产业链赋能为发展动力，以全球化产业协同与文化融合为价值方向，链接全球行业伙伴，共探数字娱乐产业创新发展新路径，携手绘就开放、高效、沉浸的全球数字娱乐产业宏大图景。
ChinaJoy
短剧创新论坛
剧AI·让每一帧都是世界语言
以“剧AI·让每一帧都是世界语言”为主题，本届ChinaJoy短剧创新论坛围绕AI技术驱动短剧行业提质升级、商业变现创新与全球化爆款打造三大维度展开讨论，深度聚焦AI在短剧创作全流程的融合应用，探讨短剧精品化发展路径，企业商业变现新模式，以及兼具文化底蕴与全球适配性的爆款短剧实践，共同探索短剧行业高质量发展与全球化布局的新路径。
论坛通过“主题演讲+圆桌Panel”形式，深度解析两大核心板块，汇聚行业精英、头部创作者与资深从业者，碰撞思想火花、分享实战经验，助力短剧行业突破发展瓶颈、抢占全球市场先机：
【生态进化：AI推动短剧行业提质】
AI技术的迭代升级为短剧行业注入动能。以技术创新为引领、内容精品化为核心、业态创新为支撑，将AI技术深度渗透到短剧创作全流程，推动行业从“流量内卷”向“精品提质”转型。催生新的创意表达、呈现形式和创作生态，引领行业迈入“低门槛、高产能、精品化”的新阶段。
【生态破局：商业变现新通路与全球化爆款实战】
随着短剧行业规模持续扩容、出海浪潮持续升温，商业变现与全球化布局已成为行业破局发展的关键。本板块聚焦短剧商业变现新通路，深入探讨品牌植入、IP衍生和海外拓展等多元落地路径，分享全球化爆款短剧的本土化创作和渠道运营实战经验，依托AI技术的跨文化适配能力，推动短剧打破语言与文化壁垒，实现“中国经验”与“全球适配”的融合，让每一帧都成为连接世界的语言。
数字娱乐
消费场景峰会
洞见新场景，共创新增长
当数字世界与物理空间深度融合，当消费行为从功能满足跃迁为体验追求，2026数字娱乐消费场景峰会以“洞见新场景，共创新增长”为核心理念，汇聚全球顶尖消费品牌、科技巨头与内容创作者，共同探索数字娱乐如何重构人、货、场的连接逻辑。
大会聚焦“生态协同、技术赋能、消费新势力”三大战略维度，在数实融合的时代浪潮中，解锁数字娱乐消费的新动能与新增量。
【生态协同与价值共创】
数字娱乐消费正从孤立的产品交易转向“硬件+内容+空间”的生态化运营，本板块聚焦沉浸式硬件与消费场景的融合创新、IP资产的跨场景流转与共创模式，以及平台矩阵的多元化生态构建。当硬件成为内容的入口，当IP突破屏幕的边界，当平台连接多元场景，我们见证的不是渠道的替代，而是价值网络的重新编织与共生共赢。
【技术赋能与场景革新】
前沿技术正在重新定义数字消费的感知边界与交互方式，本板块深度解析空间计算与沉浸式体验的消费级落地、数字李生技术对智慧娱乐场景的赋能，以及云游戏与互动内容驱动的场景创新。当AR/VR融入日常消费，当数字孪生镜像物理世界，当云游戏打破终端限制，技术不再是冰冷的参数，而是无缝流淌的体验本身。
【消费新势力:社交、体验与商业化】
新一代消费者正在用社交重新定义发现，用体验重新定义价值，用会员重新定义忠诚。本板块聚焦社交娱乐驱动的消费闭环构建、沉浸式体验业态的商业化探索，以及会员经济与数字消费忠诚度体系的创新实践。当内容即社交、当体验即产品、当忠诚即资产，数字娱乐消费正在完成从“交易“到“关系“的范式跃迁。
ChinaJoy
AI未来生态大会
万物有灵
当技术突破奇点，当智能渗透万物，2026ChinaJoy AI未来生态大会以“万物有灵”为核心理念，汇聚全球顶尖科技领袖、产业先锋与学术智者，共同探索人工智能从“工具智能”迈向“生态智能”的文明跃迁。大会聚焦“智造引擎、未来生态、场景跃迁”三大战略维度，在技术与人文的交汇点，重构数字内容产业的底层逻辑与价值坐标。大会通过“主题演讲+圆桌Panel”形式，深度解析三大核心板块：
【智造引擎：AI驱动的内容生产与工业化】
板块话题将呈现成熟、可落地的全管线AI工具链与工业化工作流，展示从底层模型精调到3D资产生成、从智能数据管理到行业级AI中台的完整技术闭环。当大模型遇见垂直场景，当生成式AI融入生产管线，我们见证的不是创意的消亡，而是创意民主化的黎明。
【未来生态：AI硬件、软件与前沿科技融合】
聚焦下一代AI硬件入口、AI Agent与低代码平台的技术演进，同时前瞻量子计算、商业航天、智能能源、机器人等前沿科技与AI的深度融合。当软件定义生产力，当硬件承载智能体，一个万物互联、自主协同的智能生态正在破土而出。
【场景跃迁:智能交互与沉浸式体验技术】
世界模型正在重构人类认知现实的方式，空间计算正在消弭物理与数字的边界。本板块深度解析世界模型构建、仿真引擎进化、轻量化AR生态与智能体交互技术的商业化路径，探索AI驱动的沉浸式体验如何从概念验证走向消费级爆发。当AI拥有“视觉”、当空间具备“智能”，人机交互的范式革命已悄然降临。
大会以智造引擎重塑生产范式、未来生态定义技术边界、场景跃迁开启体验革命为三大支点，突破从内容工业化到生态智能化的层层壁垒，推动行业从规则适配者蜕变为范式定义者，在万物有灵的时代锚定人机共生的新文明坐标。
全球游戏产业大会
世界万千游此相见
2026年的游戏世界，边界正在以前所未有的速度消融与重构。而PC与主机端则迎来了新一轮的爆发增长。中国游戏出海规模再创新高，这是一个技术爆炸、品类融合、文化共生的“万千”时代，我们比任何时候都更需要“相见”。于技术而言，“相见”意味着智能共创的全新范式。于产业而言，“相见”意味着全球生态的深度融合。于人文而言，“相见”是情感的共鸣。本次大会不仅是一场行业的盛会，更是一次全球游戏人的“团圆”，我们将在这里，以游戏为媒，在万千世界的交汇点，共绘未来的蓝图。
大会通过“主题演讲+圆桌Panel”形式，深度解析两大核心板块：
【创力无限·刷新内容边界】
作为大会的核心板块之一，紧扣当下产业高质量发展主线，深度呼应AI技术革新、内容形态多元创新并行的行业热点，精准锚定全球游戏内容创作的未来方向。以创意为魂、以技术为翼，全球创作者正突破内容形态、题材表达、体验模式的固有边界，推动游戏内容产业从“数量爆发”向“质量跃升”转型，携手共建全球游戏内容创新的全新生态。
【无界增长·链接全域价值】
游戏产业增长逻辑已从“单点突破”转向“全域协同”，以技术为底座、内容为纽带、生态为载体，打通研发价值、用户价值、商业价值的闭环。从单一产品营收，转向IP全域运营、订阅制、广告、等多元变现；从流量争夺，转向用户全生命周期经营；从娱乐消费，转向数字经济的超级连接器。以全域协同释放产业潜能，与全球伙伴共探增长新逻辑，共筑可持续、全球化、高价值的游戏新未来。
CDEC历经22载积淀，已成为全球数字娱乐产业的风向标。2026年大会将延续“权威性、前瞻性、国际化”基因，汇聚海内外5000+专业听众，覆盖游戏、影视、AIGC等全生态领域，全景呈现技术革新、政策导向与市场机遇。
议题征集与参与邀请
ChinaJoy组委会正式启动2026年CDEC系列峰会议题征集，诚邀全球业界精英自荐加入2026年CDEC大会演讲嘉宾阵容。欢迎大家扫描下方积极参与 CDEC 议题征集，提交您感兴趣的热点议题，同时我们也欢迎各位行业精英踊跃自荐，成为我们今年大会的演讲人。
扫描下方二维码，加入“2026 CDEC大会交流群”。
未来，数字娱乐产业将持续引领全球文化消费浪潮。2026 CDEC系列峰会将以更高规格、更广视野，为产业搭建跨界融合、资源互通的高端平台，推动中国数字娱乐生态走向世界舞台。
" alt="2026中国国际数字娱乐产业大会(CDEC)系列峰会揭晓，同步开启议题征集">
培训现场
　　洞头网讯(记者苏煜晗潘道阳)6月28日下午，2023年度网格员燃气安全“入格”业务培训会议暨燃气从业人员安全教育培训会召开，进一步提高基层网格员及燃气行业从业人员的业务水平，确保全区城镇燃气再排查再整治专项行动及燃气安全教育工作取得实效。
　　会上，区综合行政执法局相关工作人员为网格员、燃气协会工作人员及燃气经营站点从业人员讲解各燃气运行场所安全用气注意事项。并针对网格员在“入格”检查时需要关注的重点进行逐一说明。
　　“现在很多用户，包括检查人员，对燃气隐患，查什么，怎么查，概念还是比较模糊，我们主要针对这方面进行培训，再细化安全整治，达到知识普及。”区综合行政执法局工作人员张艳军说。
　　据了解，下一步，我区还将继续开展灶具安全、用电安全及“双气源”“双燃料”用气安全等多领域“排雷”检查，并把宣传发动、典型曝光作为整治行动的重要任务，及时发布燃气安全知识，全面提高居民安全用气意识及消除隐患能力。
" alt="燃气安全普及再加码筑牢群众用气“安全墙”">
发行商The Arcade Crew和开发者Hibernian Workshop日前公布消息，2D横向动作RPG《黑暗献祭》PC版将于4月25日通过Steam平台发行，售价19.99美元。PlayStation 4和Switch的版本将在晚些时候推出。
游戏介绍
你将探索神秘的堕落圣殿，挖掘其中的秘密，接受圣殿骑士信仰的考验，并献祭自身予黑暗，牺牲将是你对圣殿之主最大的赞美。深入到最危险的地方将是衡量你虔诚和勇气的唯一标准，但是你需要活下去。
《黑暗献祭》以丰富的细节以及沉浸式的叙事为特色，向你展现圣殿宗教的黑暗。当你深入到这个被诅咒的朝圣之旅时，每次遭遇都会挑战你的坚韧，虔诚和信念。你将探索四个独一无二的世界，每个世界都拥有令人难以置信的环境和细节，多达数十种武器将是你探索圣殿秘密的最好帮手：藏匿于黑暗的爪牙，以及狡猾的BOSS将对你发起致命的袭击，他们唯一的任务是摧毁你的灵魂，并对你进行永世的折磨。
在整个《黑暗献祭》中，你会发现一系列武器，盔甲和圣物，以增强你的角色。每个物品都有自己的属性和信息，并可以使用神秘的符文进行强化。你必须最大限度地发挥你的优势，用最适合你的武器装备来面对你的敌人。做出明智的选择……
《黑暗献祭》是一个关于坚持，奉献和探索的故事。你打开的每一个宝箱，你遇到的每件物品都会有它自己的故事：无论是信件，武器还是各种线索，都会有助于你探索这个黑暗的世界并了解其中的秘密。无论你是在阴影中还是在另一个已死角色的手中找到这些秘密......唔，这完全取决于你。
在圣殿里，信仰是你对抗成群敌人唯一的手段。击败他们收集信仰并解锁秘密通道，特殊宝箱等等。但请谨慎使用你的信仰，没有什么是可以永恒不变的。
圣殿渴望看到你的死亡。你的生死与否取决于在合适的时间选择正确的策略，例如及时的治愈伤口或清除诅咒。其中一些物品可以从击败的敌人身上获取，其他物品则分散在整个圣殿的秘密地方。因"物"制宜......你将活得更久。
神时刻注视着你。当你完成一系列勇敢且富有技巧的行动时，他将祝福你。同时圣殿也充满了绝望和疾病，时刻准备摧毁那些缺乏勇气和节制的人。越快适应受苦越少。
救赎是短暂的，所以明智地选择你的道路。《黑暗献祭》中的每一个世界都提供了几种不同的行进路线。每一条路线都是独一无二的，但又都是相互联系的，唯一的共同点就是没有回头路。
要完成任务你需要对圣殿中的秘密了如指掌。你很容易在其中迷失方向，尽管有时候会有意外收获，但这取决于你所揭开的秘密。也许你还能在圣殿中的古老祭坛里遇到其他人，或者一无所获，但不管怎么说，他们的故事都将成为你圣殿之旅的一部分。
" alt="《黑暗献祭》4月25日登录steam 物品多样玩法丰富">
　　近日，金安区翁墩乡杨公村群众文化广场上，“大地欢歌·美好安徽”安徽省“四季村晚”金安区杨公村冬季“村晚”精彩上演，12个精心编排的节目轮番登场，现场掌声、欢呼声此起彼伏，村民的热情“驱散”了冬日的寒意。
　　演出中，极具本地特色的节目成为最大亮点。融入杨公村特色IP形象的舞蹈《杨公娃娃》童趣盎然，展现乡村独特文化魅力；农耕秀《在希望的田野上》生动再现农民耕耘劳作的场景，唤起一代人的集体记忆；《故乡是翁墩》以“歌曲+非遗”形式，将传统技艺与深情歌声完美融合……一个个充满乡土情怀的节目，赢得阵阵掌声。
　　翁墩乡洞阳村64岁村民李延军参演了朗诵节目，演出结束后他兴奋地说:“以前只是在电视上看晚会，现在我们上台表演，把我们的生活演给大家看，这种感觉太棒了!”谈起舞台经历，李延军说，刚开始登上“村晚”舞台难免有点紧张，如今他已是“村晚”常客。李延军空闲时间就喜爱唱歌朗诵、学习乐器，自从村里举办“村晚”，不仅每场他都参加，还组织有同样爱好的村民一起排练、表演节目。
　　街道居民金家宝也是基层文艺爱好者，此次参演了农耕秀节目。他说，贴合生活的场景让大家表演起来更显生动。他还参与了舞蹈的编排。“乡村‘村晚’是我们表达自我、展示家乡的重要舞台。”金家宝说。
　　2023年，翁墩乡杨公村获评“四季村晚”全国示范展示点。翁墩乡文化站站长文继领介绍:“‘村晚’节目大多由本地村民、文艺团队或文化志愿者自编自导自演，节目内容取材于日常生活。让基层爱好文艺的群众登上舞台，展现自己的才艺，既充实了大家的精神文化生活，更展现出乡村群众积极向上、团结奋发的新风貌。”
　　记者从市文旅局获悉，“十四五”期间，全市累计举办乡村“村晚”近千场，原创歌舞节目《咱们村里有村晚》亮相全国“村晚”示范展示活动启动仪式。六安市还创新举办大别山民歌邀请赛、全市广场舞大赛等文化活动，进一步丰富基层群众文化生活。
　　与此同时，文化服务暖心惠民工程持续推进。六安市出台《关于开展乡村文化暖心惠民工程的实施意见》，倡导“一村一文化”，年均举办“乡村文化大舞台”等各类群众文化活动4.5万余场，服务群众1200余万人次。
　　乡村文化振兴，人才是关键。“十四五”期间，六安市发展乡村文体团队和协会2421个，培育乡土文体人才7.5万余人，形成了一支扎根基层、服务群众的文化队伍。各县区依托综合文化站经常性开展各类文化活动，举办科普、法治、农技、文化生活、卫生健康等讲座培训，受益群众广，社会影响大。
　　从杨公村的冬季“村晚”，到全市年均4.5万余场的群众文化活动，六安基层文化正焕发出勃勃生机。当传统与现代在乡村舞台上交融，当群众从观众变为主角，一幅文化繁荣、乡风文明的乡村振兴画卷正在皖西大地上徐徐展开。（记者张玉）
" alt="六安市：“村晚”大舞台群众唱主角">

© Copyright © 2026.Company name All rights reserved.新曜-More Templates 京公网安备11000002026001号