“五一”小长假期间，上海各大景区迎来了客流高峰。然而，在欣赏美景和记录美好瞬间的同时，游客们往往容易忽视安全问题。5月3日凌晨5时52分，浦东新区消防救援支队滴水湖消防救援站接到紧急报警，一名男子在海基五路靠近东海大桥处的小飞鱼滩被困海中。接警后，消防人员迅速出动，赶往现场进行救援。

图说：救援现场 浦东消防供图

救援人员到场后发现，该男子被困在距离岸边大约20米的防浪石上，潮水正在上涨，水深已达4.3米，且已淹没至男子小腿，并继续上涨。面对这一紧急情况，消防人员迅速穿戴好个人防护装备，并做好了绳索保护措施。一组救援人员利用救援桨板下水营救，另一组则在岸边严阵以待，做好接应准备。经过紧张而有序的救援行动，6时09分，被困男子被成功救至岸边，安全脱险。

消防部门特别提醒广大游客：在海边游玩时，请务必密切关注海水涨落情况，切勿涉足危险区域。如遇紧急情况，请第一时间拨打救援电话求助，确保个人安全。

记者 曹博文 通讯员 王彩焕

本次特卖期间，蒸汽平台(Steam中国)众多热门游戏纷纷加入折扣行列，从大厂巨制到独立精品应有尽有。无论您心仪哪款作品，现在都是入手的最佳时机。

我们诚挚邀请每一位热爱游戏的你，趁着这段美好春光，赶快登录蒸汽平台(Steam中国)，在众多折扣游戏中挑选挚爱佳作，以最实惠的价格将快乐收入囊中，让精彩游戏陪伴您度过整个春天!

蒸汽平台(Steam中国)春季特卖推荐游戏!

《江山北望》

春季特卖25%OFF 特惠43.5元 原价58元

《逃离鸭科夫》

春季特卖15%OFF 特惠49.3元 原价58元

《龙胤立志传》

春季特卖10%OFF 特惠61.2元 原价68元

《深海迷航》

春季特卖67%OFF 特惠49.17元 原价149元

《双点医院》

春季特卖50%OFF 特惠99元 原价198元

《背包乱斗》

春季特卖20%OFF 特惠41.6元 原价52元

《苍翼：混沌效应》

春季特卖25%OFF 特惠57元 原价76元

《古龙风云录》

春季特卖82%OFF 特惠19.44元 原价108元

《完蛋!我被美女包围了!2》

春季特卖20%OFF 特惠36元 原价45元

《山河旅探》

春季特卖38%OFF 特惠35.96元 原价58元

关于蒸汽平台

蒸汽平台旨在为广大玩家提供一个优秀的数字游戏平台，凭借丰富的游戏内容、稳定优质的联机体验和快捷响应的客服服务，为您开启快乐游戏之旅!

　　战术奇迹：八日千里奔袭，白起神兵天降

　　华阳距秦国都城咸阳约千里之遥，按常规行军速度需月余才能抵达。魏赵联军估算秦军短期内无法增援，遂放松警惕，全力围攻华阳城。然而，白起却以“出其不意、攻其不备”为方针，率领秦军展开了一场惊心动魄的千里奔袭。

　　秦军以平均每日急行百里的速度，仅用八天便从咸阳抵达华阳战场。这一速度在古代战争中堪称奇迹，充分体现了秦军严明的纪律、强大的体能与白起卓越的指挥才能。当秦军如神兵天降般出现在华阳城下时，魏赵联军完全措手不及，尚未构筑防御工事便陷入混乱。

　　战役经过：白起分兵破敌，联军惨遭屠戮

　　战役分为两个阶段：

　　首战魏军：白起率先向魏军发起总攻。秦军以锐不可当之势冲入魏军阵营，魏军因猝不及防而溃不成军。此战中，秦军斩首魏军13万，俘虏三名魏将，魏国主帅芒卯见大势已去，仓皇逃窜。

　　再战赵军：击败魏军后，白起立即转移兵力进攻赵军。赵将贾偃试图率军渡河撤退，但秦军紧追不舍。在黄河岸边，赵军一面抵抗一面渡河，结果被秦军击杀和俘虏后沉入黄河的士兵达两万余人。

　　战后影响：秦国扩张领土，魏国元气大伤

　　华阳之战以秦国的压倒性胜利告终。战后，秦军乘胜追击，攻取了魏国的卷县（今河南原阳西北）、蔡阳（今湖北枣阳西南）、长社（今河南长葛东）和赵国的观津（今河北武邑东部审坡镇）。魏国被迫割让南阳（太行山以南、黄河以北地区）向秦国求和，秦国则将南阳与上庸之地合并，设置南阳郡。

　　此战对战国格局产生深远影响：

　　秦国：进一步削弱了韩、魏的实力，巩固了在中原的扩张成果，为后续统一战争奠定了基础。

　　魏国：元气大伤，彻底失去与秦国抗衡的能力，从此沦为二流国家。

　　赵国：虽非主战方，但损失惨重，与秦国的矛盾进一步激化，为后来的长平之战埋下伏笔。

　　军事价值：白起战术的典范意义

　　华阳之战是白起军事生涯中的经典战例，其战术价值体现在：

　　速度制胜：八日千里奔袭打破常规，体现“兵贵神速”的军事思想。

　　心理震慑：秦军突然出现使联军士气崩溃，实现“不战而屈人之兵”。

　　分兵合击：先集中兵力击溃魏军，再迅速转移攻击赵军，展现高超的指挥艺术。

　　白起因此战威震六国，被后世誉为“战神”。唐代时，他位列武庙十哲，与孙武、吴起等兵家圣贤并列，其军事思想对后世兵学产生深远影响。

　　免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。

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。

　　90vs体育讯 北京时间12月8日，《北青体育报》撰文透露，国足主帅扬科维奇在已经圈定了50人的亚洲杯备选大名单。以下是该报的全文报道。

　　12月6日有消息称，国足主帅扬科维奇早在11月球队参加36强赛前两轮比赛之前，就已经圈定了50人的亚洲杯备选大名单。亚足联规则显示，参加2023年亚洲杯赛的每支球队须最晚于12月12日提交本队最少18人，最多50人的赛事参赛球员大名单，并最晚于明年1月2日，也就是亚洲杯开赛前10天提交23人的正式参赛名单。

　　亚足联于今年10月在新一届亚洲杯举办地卡塔尔多哈举办了赛事工作会议。按照会议达成的共识，参加本届亚洲杯决赛阶段赛事的24支球队每队必须最晚于赛事开幕前一个月，也就是12月12日提交最少18、最多50人的参赛球员大名单。受客观因素影响，去年卡塔尔世界杯执行了每支参赛队可最多报名26人的政策。但随着今年全球足球活动、足球比赛恢复到正常轨道上来，这项临时性政策也被废止。

　　从2026年世界杯预选赛开始，国际足联已将每队参加每场比赛的报名参赛球员人数规模由26人恢复至23人。亚足联在类似规则执行问题上紧跟国际足联，因此亦将亚洲杯赛每队报名参赛人数确定为23人。亚洲杯参赛各队须最晚于明年1月2日，也就是新一届亚洲杯开赛前10天，提交23人的球员报名名单。

　　不过，鉴于各队在备战过程中可能遭遇人员伤病等意外情况，亚足联仍允许各队在各自亚洲杯小组赛首战开赛前6个小时调整球员人选，但必须附送被替换球员伤情或退出原因的书面报告。被调整到各队23人参赛报名阵容的球员，也必须是球队50人大名单阵容内球员。

在一场蜘蛛侠飞身冲向手合会忍者的战斗场景中，观众注意到画面中存在大量不自然的空白区域。一些敌人的视线明显投向画面中并不存在的位置。

对于这一系列来说，这种做法并不新鲜。《蜘蛛侠：英雄无归》的预告片同样隐藏了安德鲁·加菲尔德和托比·马奎尔版蜘蛛侠的登场。只不过当时剪辑师不慎留下了一个隐形人踢飞蜥蜴人的穿帮镜头。

如今最大的悬念是这次被删掉的是谁。主要猜测对象包括：绿巨人、萨迪·辛克饰演的角色，以及粉丝推测的——身穿战斗装甲的惩罚者，甚至是可能加入对抗手合会之战的夜魔侠。

电影《蜘蛛侠：崭新之日》将于2026年7月31日上映。