常用工具
医生入驻免费问医生 常用工具医生入驻免费问医生3月2日-5日陕西大型煤矿竞拍成交价格表(点击图片查看)
咱先说“火”的那一面。大家看看上图，陕蒙那几个年产千万吨煤炭的国企大矿，特别是高卡、低硫的优质块煤，竞拍现场那叫一个激烈!不仅没跌，甚至还有溢价十几块成交的。为啥?说白了就是部分终端年前没备货、刚需采购必须下手，咬着牙也得往上加钱抢。华南进口煤价格继续涨，国际海运费一周上涨1.25美元/吨，进口煤倒挂，印尼减产和斋月持续影响中。
但你再转头看看“冰”的那一面。简直没眼看。那些普通品种、低卡煤民营小矿，起拍价和市场报价一降再降，照样大面积流拍!下游买家现在一个个鬼精鬼精的，魏桥电厂最新通知：明天(3月6日)开始，七电下调5元。巴图塔、燕家塔站台收购价下调10元/吨求购。很多大型终端用煤工厂全在玩“拖字诀”——就等你降价?你不降价，那我再等等，反正我不急，总有人想割肉出货。
3月5日山西炼焦煤竞拍成交情况汇总
不过，随着工厂复工复产，电厂日耗已逐渐回升，3月4日，沿海六大电合计库存1360.6万吨(+4.1)，日耗69.9万吨(+0.17)，可用天数19.4天。钢厂、焦化厂本周已开始积极备产，原煤料采购量开始加大，焦煤矿报价出现上涨。这从本周山西地区炼焦煤竞拍成交率和成交数量上升就可以看出，煤炭宝3月5日会员日报显示，山西挂牌65000吨，成交55000吨，所有煤种上涨13-23元。
近日，随着中东地区地缘冲突持续升级，国际油气价格迎来飙涨。有业内机构指出，如果天然气价格持续上涨，或将带动买家由天然气转向煤炭，从而支撑东北亚地区的动力煤需求。
业内专家观点
个人认为，动力煤竞拍要看榆林地区国有大矿才比较有参考价值，看内蒙地区价格则要看神华巴图塔站台的收购价。焦煤行情则要看山西竞拍结果。
煤炭宝(MTB)最后说一下重点：
短期来看，两会召开大家都在观望，都想看看2026年煤市政策方面如何定调，价格应该不会大起大落，以窄幅震荡为主，但两会后，产地煤矿陆续复工，随着非电需求释放，加上国际煤价的支撑，3月煤价整体大概率还会保持上涨势头，不过电厂现在高库存、日耗上升缓慢也会压着涨幅。目前，国内煤价走势还未定调，大家还请稍安勿躁。
李想详细介绍“两路两园”项目建设情况及合资公司项目谋划情况。他表示，秉承“社会责任百分百、契约精神百分百、法律意识百分百”三个百分百理念，太平洋建设高效、快速完成了医药制造产业园南片区所有合同工作。他强调，太平洋建设商业模式多元，体制机制灵活，双方可积极谋划中医药智造谷、综合智慧能源站项目。我们将积极践行“进防城港门、做防城港人、说防城港话、办防城港事、尽防城港责”的主人翁责任意识，高质量助力防城港国际医学开放试验区建设。
傅现高度认可太平洋建设的综合实力和社会责任感。他表示，希望双方保持对接，积极推进配套工程完善，力求早日圆满交付。同时紧盯园区发展目标，积极谋划园区下一步重点项目，共同推动中医药智造谷、综合智慧能源站项目加快落地。相信合资公司模式一定能为医学开放试验区经济发展注入新活力。（文/引江建设文品中心）
"> 引江建设一集团领导同防城港国际医学开放试验区产业投资集团有限公司总经理会谈那么哪里才能够体验到真正的智能家居生活呢？北京人民这下有福了！
9月11日，位于北京市朝阳区北四环的海尔智家北京001体验中心将正式开业，在这里，消费者可以深度体验目前最新、最全、最领先的智能家电，同时还能根据自己的喜好对产品、方案、场景等定制个性化的智能生活方案，并获得持续迭代的内容与服务。
·想要打造“智能家居”，却不懂设计！没事，海尔智家帮你搞定改造方案
目前市场上，二手房翻新和局部装修改造需求很大，但对于消费者来说，面对改造设施不配套、需协调沟通家装与家电公司的对接、施工改造工期长等问题，往往有心无力。
而这些在海尔智家就可以搞定。只需要告知你的需求，依托海尔迭代升级的3D云设计平台，海尔智家团队在很短的时间内就可以拿出实施性很强的局改方案。比如你想革新阳台，海尔衣联网会与专业家庭设计师一起，提供洗晾联动、洗烘联动、健身阳台场景方案，丰富了阳台的空间功能。
据悉，海尔智能目前能够提供一整套衣食住娱场景方案，涵盖阳台、客厅、卧室、厨房、玄关、浴室等多个场景空间；如果想整装，海尔智家有全屋前后装一体化解决方案可供定制。
·面对“参差不齐”的智能家电不会买？没事，海尔智家帮你一次买齐
在智能家居的打造过程当中，购买家电不再是选择单一产品，而是成套的场景和解决方案。海尔智家001号店为消费者提供了冰洗空等10大产业线的原创颠覆性爆品，可以保证全屋智慧方案一次买齐。此外，为方便消费者选择，海尔智慧家庭还会不定期特别推出豪华套、时尚套等不同套系，消费者可根据需要选择套系或自由定制。
更值得一提的是，为给用户解决衣食住娱生活难题，海尔智家还不断开放生态联合优质资源。比如海尔衣联网已经打通了服装、家纺、洗衣液等13个行业在内的5300多家资源方，其中不乏晾霸、博洛尼、箭牌、迪卡侬等行业头部品牌；食联网整合全球美食烹饪研究院生态资源，搭建起智慧厨房生态平台，覆盖家装、食品、健康、物流、娱乐等12大类，近千家生态资源方。
·不懂“智能家居”的操控？没事，海尔智家全程为你服务
面对智能家居全程改造中的各种难题，海尔智能在行业内率先实现了一站式端到端的成套定制服务，全流程生命周期管护，1个服务团队1次性解决用户成套家电的任何服务需求。
比如，针对智慧阳台场景，海尔智家提供基础施工、全屋定制、家具和电器的全套打包服务，这包含了基础处理、水电改造、装修设计、家具选择、家电配置。完工后，智慧阳台场景还可以提供主动服务，例如，不知道衣服该怎么洗、怎么消毒，把衣服放进“微蒸汽空气洗”洗衣机里，用60℃“蒸”上30分钟就能有效除菌，还能蓬松衣物;洗好后，摆在洗衣机上面的干衣机就会自动设定烘干参数;弄干拿出，带有紫外杀菌功能的智能晾衣架还能保障衣物晾晒健康。
破解用户多次选择多方下单多次安装的费心费钱费时痛点，海尔在行业内率先实现一站式端到端的成套定制服务，全流程生命周期管护，1个服务团队1次性解决用户成套家电的任何服务需求。
不仅有趣，而且实用，感受前所未有的智慧、便捷、舒适的生活！海尔智家001北京体验中心，让你沉浸式体验到全套智慧家庭全场景解决方案，带你见证可以定制的智慧美好生活的时代已经到来。9月11日，我们不见不散！
"> 海尔智家北京001体验中心9月11日开业，一起去打卡定制智慧生活—万维家电网
本期公开课，雷锋网请到了图普科技机器学习工程师 Vincent 为大家揭开 AI 可以助你成为“画家”的秘密。 Vincent 曾在英国留学两年，回国后加入图普，担任机器学习工程师一职，参与图普多个产品的研发工作，立誓要搞深度学习搞到死。
嘉宾介绍：
Vincent，图普科技机器学习工程师，主要从事工业级深度学习算法的研发。曾任摩根大通欧洲技术中心分析师，IBM爱丁堡办公室软件工程师。熟悉自然语言处理（文本分类，语言模型等），图像转换（艺术滤镜、图片上色等）和分类算法。
以下内容章整理自公开课分享。
｜深度神经网络在图像识别领域的进展
自从 2012 年 Alexnet 横空出世，一举夺得 ImageNet 图片分类大赛冠军之后，深度学习一飞冲天，以卷积网络为首的深度神经网络不断刷新各种计算机视觉任务的 State-of –the-art 。过去四五年间，我们可以看到学术界不断地开发出各种不同结构的卷积神经网络，而且，这些结构并不仅仅是在 Alexnet 的基础上加深层数，而是自成一派，各有所长。
本次公开课重点分享三种神经网络结构：
Network in Network（NIN，网络中的网络）：卷积网络是一种线性操作，非线性的表现能力有限，NIN 的研发者设计了比起传统的卷积网络更复杂的操作 —— MLPconv，并用 Global average pooling 极大的改进了卷积网络的大小。
VGG 和 GoogLeNet（inception_v1）：二者是 2014 年 ImageNet 竞赛的双雄。VGG 的设计理念，全部都用了 3x3 卷积，增加了网络的深度。 GoogLeNet 属于Google 的 Inception 系列，用了比较花式的网络设计，旨在减少网络的运算量，加快训练 。
Resnet（深度残差网络）： 根据无限逼近定理（Universal Approximation Theorem），我们可以用一个一层的神经网络来实现任意的维到维的映射，但网络的参数量（网络的宽度）会随着问题复杂度的增加变得非常大，而增加网络的深度则可以让我们用更少的参数量实现同样的映射。但是，随着神经网络层数的加深，它们的训练也会变得越来越困难，因为在训练时会出现梯度消失的状况。Resnet 很好的解决了这个问题，让训练达1000多层的神经网络变得可能。
除了图片分类，以 RCNN 系列为首的神经网络技术在物体检测任务上也取得了重大进展，近年来也出现了速度更快（YOLO），效果更好的算法（SSD）。
最近很火的 GAN 是一个训练框架，在 GAN 出现之前， 生成模型的训练是一件相对较困难的事情，GAN 出现后，生成模型训练的效率大大提高。
GAN的应用大部分也是生成模型的应用，用来生成图片、音乐、文字等。但是对抗训练对训练判别模型也是有非常大的帮助的，因为虽然有非线性的激活函数，但深度网络依然是高度线性的，会对误差进行累积，累积的误差结果通过肉眼分辨不出来，但是可以从卷积网络中看出。但与普通线性模型不同，深度神经网络可以拟合对抗训练可以很好的解决这个问题，解决方式是生成对抗样本，使得网络对对抗样本的容忍性更强些。
GAN这一两年来产生了许多非常有意思的应用，其中包括上期公开课中冯佳时博士提到的超分辨率，旨在把低分辨率的图片放大，而尽量不让其清晰度受影响。
｜纹理转换
近几个月比较火的纹理转换也就是所谓的图片风格化，在深度学习之前，这也是一个非常困难的问题。其本质原因在于之前非深度学习的方法只能获取到目标图片低层次的图片特征，这导致这些方法无法独立的对图片的语义内容和风格的变化进行有效地建模，从而无法很好地对两者进行解耦和合成。
风格化算法现在更迭了两代。
第一代风格化算法：Neural Style
2015年的时候，德国图宾根大学的学者们提出了一种用深度神经网络各层的响应来表达图片的风格和内容的办法，方法可概括为：
准备好在 ImageNet 数据集上训练好的 VGG 网络，然后选取其中的某些层作为风格语义的提取层，某些层作为内容语义的提取层；
用这个训练好的 VGG 提取风格图片代表风格的高层语义信息，具体为，把风格图片作为 VGG 的输入，然后提取在风格语义选取层激活值的格拉姆矩阵（Gramian Matrix）。值得一提的是，格拉姆矩阵的数学意义使得其可以很好地捕捉激活值之间的相关性，所以能很好地表现图片的风格特征；
用 VGG 提取被风格化图片代表内容的高层语义信息，具体为，把该图片作为 VGG 的输入，然后提取内容语义提取层的激活值。这个方法很好地利用了卷积神经网络的性质，既捕捉了图片元素的结构信息，又对细节有一定的容错度；
随机初始化一张图片，然后用2，3介绍的方法提取其风格，内容特征，然后将它们分别与风格图片的风格特征，内容图片的内容特征相减，再按一定的权重相加，作为优化的目标函数。
保持 VGG 的权重不不变，直接对初始化的图⽚做梯度下降，直至目标函数降至一个比较小的值。
这个方法的风格化效果震惊了学术界，但它的缺点也是显而易见的，由于这种风格化方式本质上是一个利用梯度下降迭代优化的过程，所以尽管其效果不不错，但是风格化的速度较慢，处理一张图片在GPU上大概需要十几秒。deepart.io这个网站就是运用这个技术来进行图片纹理转换的。
第二代风格化算法：Fast Neural Style
有了可以解耦图片风格和内容的方式，我们就能训练一个端到端的网络，使得我们只需要做一次前向，就能得到风格化图片。因此生成图片大概的步骤是，根据转化的网络得到输出，输出至 VGG 网络，提取风格特征后，跟风格图片的特质做比较，内容图片的特征也会被提取，跟内容图片做比较。
这种算法的有点是速度快，可以在GPU上做到实时生成。去年年中火爆全世界的 Prisma，背后就是这个技术。但这个技术还是有缺陷的，比如由于卷积网络固有的性质，它无法像手动绘图一样对图片的细节进行精挑细选的处理，所以它像是一个豪放的印象派画家，对一些对细节要求比较高的任务，比如人物的动漫化，这种方式是不太适合的。
所以，前段时间⽐较流行的《你的名字》同款滤镜所用到的技术跟Prisma 并不一样，我们猜测这个滤镜不是端到端的，而是会先对原图做像素分割，找出可能是天空的部分，然后加上新海诚特色的云，其他部分则会做一些滤镜化处理。
纹理转换的另外一个非常有意思的应用是Neural Doodle，运用这个技术，我们可以让三岁的小孩子都轻易地像莫奈一样成为绘画大师。这个技术本质上其实就是先对一幅世界名画（比如皮埃尔-奥古斯特·雷诺阿的Bank of a River）做一个像素分割，得出它的语义图，让神经网络学习每个区域的风格。
然后，我们只需要像小孩子一样在这个语义图上面涂鸦（比如，我们想要在图片的中间画一条河，在右上方画一棵树），神经网络就能根据语义图上的区域渲染它，最后得出一幅印象派的大作。
大家如果有关注 AI 领域信息的话，可能也知道 Facebook 宣布了他们的 caffe2go 框架，并展示了他们在手机上的实时风格化视频，这项成果意义重大，主要体现在可以在手机端非常有效率的运行人工智能的算法，把有趣的人工智能技术实现到你的手掌心。例如现在直播或视频中可以在人脸上添加各种可爱小动物表情的技术也是人工智能的技术，其主要运用了人脸关键点检测技术。
实现视频风格化的难点在于：
像图像风格化这样的重型应用，如果要在手机上做到实时效果，需要有非常多工程上的优化和算法方面，在尽量不影响效果的前提下减少网络的参数量；
⽐起单图片风格化，视频风格化需要考量的东西会更多，单独对视频的每一帧进行处理，不考虑帧与帧之间的关联，会造成风格化的视频抖动和不协调。
｜黑白照片上色
最后一个要介绍的技术为黑白照片上色（Colourful Image Colourization），想象一下，如果人工智能出色地完成这个任务，我们便可以用它来为老照片，老电影增色，轻易地为漫画上色了。本次公开课我会主要介绍去年 ECCV 里加州大学伯克利分校的一篇文章介绍的方法。这个方法与之前方法的不同之处在于，它把照片上色看成是一个分类问题——预测三百多种颜色在图片每一个像素点上的概率分布。这种方法tackle了这个任务本身的不确定性，例如，当你看到一个黑白的苹果时，你可能会觉得它是红色的，但如果这个苹果是青色的，其实也并没有多少违和感。大家也可以到作者的网站网站来试用他们的demo。
这篇文章里面介绍的方法有两个非常重要的trick：
颜色重平衡（Class rebalancing）
我们都知道，各个颜色在全世界所有彩色照片里面的分布是不一样的。比如，大部分照片里面可能会有天空，墙壁，草地等。论文作者给出了 ImageNet 数据集中颜色的分布，可以看出，如果用 LAB 的方式来表示图片(L 通道为像素的亮度，AB 通道表示颜色)，ab 值比较低的颜色出现的频率远高于其他颜色。
如果不考虑这个问题，我们的目标函数会对 ab 值⽐比较高的颜色极其不敏感。所以，论文作者提出了了一种方法——在训练时让每一个像素点乘上一个系数，系数的大小与该像素点 ab 值的分布有关。运用这个trick，输出图片的颜色会更有多样性，更接近真实的图片。
从概率分布得出预测颜色值（Point estimate）
我们知道，这个网络的输出是各个像素点ab值的概率分布，那么我们如何去通过这个概率分布得出这个ab值呢？当然，我们可以直接选择概率最大的值作为我们的 prediction，这种做法下输出图片的颜色会更加鲜艳，但很多时候会有不自然的patch出现。另外一种做法是，取这个概率分布的均值作为prediction，这会导致我们的输出图片对比度非常低。作者在这篇文章里提出了一个折中的做法：我们可以调整Softmax 函数的 temperature，然后再求新的概率分布的均值。
这篇文章介绍的方法虽然效果很好，但它还是有缺陷的。比如，对狗的图片上色时，即使它没有伸出舌头，神经网络总是会“想象”它伸出了，然后在鼻子下面的一小块区域涂上红色。而且，上色后的图片有时会出现一小块突兀的 patch。
以上介绍的几个技术都并不是完美的，但是瑕不掩瑜，我们能从中看到深度学习的潜力，明白它能做的远远不止是分类和检测。我相信随着社会对深度学习的热情越来越大，更多有趣的成果会不断产生。如果你觉得以上的技术很酷，那我保证，你的惊讶才刚刚开始。
｜有关产品化的思考
当然，要把学术界的成果应用到工业界其实并不是一件容易的事情。我们做机器学习的都知道一个著名的定理叫No Free Lunch Theorem，它说的就是，我们并不可能找到对所有问题都最优的算法。在ImageNet数据集上表现最好的算法，在工业级庞大、复杂、多变的数据上并不一定就会表现好。所以我们也根据各个客户数据分布的不同做了很多特定的优化。比如我们在为映客提供审核服务，直播场景本身就非常多样和复杂，我们发现当直播视频界面出现大量用手机或者电脑等电子产品播放另一个界面的内容，相对整个图片来说，内容呈现部分所占比例很小且十分模糊、不明显，当出现色情、暴恐等不良信息的时候，人工以及标准化的审核模型难以精准识别，误判、漏判的概率较高。于是我们需要针对这个问题具体优化，针对画中画的数据再做识别，然后再调用普通的审核模型。雷锋网雷锋网
图普的产品目前已经在多个行业领域取得很好的应用，但它们暂时只能在一定程度上减少大部分审核人力，无法完全替代人工。这一轮融资过后，我们将加大在服务和计算能力方面的投入，提升产品运行速度和鲁棒性；在算法方面，继续提高图像识别准确率和召回率，我们的愿景是完全解放审核人力，我们也将往审核之外的其他方向扩张业务，如人脸识别，增强现实等，提供更直接，高效和多样化的任务。
"> AI 如何助你成为“画家”｜雷锋网公开课
平板玻璃的领先制造商意大利皮尔金顿公司正在庆祝一项宏大的循环性试点项目取得成功，该项目有多家行业参与者参与，旨在回收消费后的玻璃废弃物，特别是建筑物中已达到使用寿命的窗户和幕墙所用的玻璃。
在令人担忧的全球背景下——正如麦肯锡2023年《建筑环境中的循环性》报告所强调的，目前全球仅有不到1%的浮法玻璃得到回收利用——回收和再利用平板玻璃的好处是众所周知、有科学依据且具有经济吸引力的。例如，回收一吨碎玻璃可避免向大气中排放约700公斤的二氧化碳。
正是在这样的背景下，“renew: glass”项目应运而生。这是由意大利皮尔金顿公司推动的一项倡议，旨在促进浮法玻璃回收料的负责任使用，减少垃圾填埋量，并为该行业的脱碳进程做出贡献。在巩固了从合作玻璃加工商处回收消费前玻璃废料的成果后，该倡议现已扩展到建筑行业的消费后玻璃领域，同时也吸纳了窗户制造商和玻璃废料处理运营商的参与。
该试点项目在贝加莫省的一个建筑工地实施，在那里，PM Serramenti采用选择性拆除方法负责拆除旧窗户系统。在拆除阶段就对材料进行了分离：框架被放入专用容器，而中空玻璃单元则被送往专门的处理、清洁和破碎流程，并去除橡胶、金属和铝。
由此产生的碎玻璃随后被送往皮尔金顿意大利工厂，在那里它经过了严格的光学和化学检验，以验证是否符合平板玻璃生产所需的高质量标准。一旦获得批准，这些回收材料就会重新投入生产过程，这在成品质量（完全符合现行法规和内部规范）以及生产过程的环境性能方面都取得了积极成果。
“这个试点项目再次证实，建筑行业平板玻璃的循环利用不仅在理论上可行，而且可以通过一个结构化、可追溯且符合最高质量标准的运营模式具体实现，”皮尔金顿意大利公司营销和产品经理阿图罗?贝尼尼表示。“在解决消费后玻璃回收的复杂性并将其转化为一种有效且可扩展的工业实践方面，整个价值链的合作至关重要。”
这一举措进一步强化了皮尔金顿意大利公司对日益循环和可持续的工业模式的承诺，有助于减少窗户更换产生的废弃物，并推动更具环境责任感的建筑供应链的发展。
小玻编译
"> 皮尔金顿意大利公司将消费后玻璃引入平板玻璃行业,国际动态
清晨，针对开学首日交通流量叠加的实际，大队执勤民辅警提前到岗到位，按照“一校一策”原则部署警力，在学校门口及重点路段周边织密“定点值守+动态巡控”的立体防控网。在学校周边，提前清理违停车辆，引导送学车辆即停即走。同步加大对校园周边不按规定行驶、驾乘摩托车不戴安全头盔、超员等交通违法行为的劝导与整治力度，及时消除道路安全隐患。在斑马线旁，民辅警又化身“平安守护者”，护送学生安全过马路，耐心叮嘱孩子们注意观察路况、有序通行。
期间，大队领导深入辖区学校开展护学安保督导检查工作，实地查看交通流量、勤务部署及安防设施，并与校方负责人就深化警校联动、优化交通组织进行现场交流。同时，要求各中队严格落实勤务制度，强化高峰时段巡逻管控与隐患排查，持续完善周边交通设施；坚持整治与宣传并重，通过多元形式提升师生安全意识，全力筑牢校园交通安全防线。
编辑：沈杰
编审：黄琪雅 黄智发
终审：方亮
"> 汉阴公安交警暖心“护学岗”点亮平安新学期“中国十大品牌”评选活动，作为由《中国品牌网》主办的年度权威盛事，一直以来都备受业界关注。评选过程历经报名推选、线上投票、专家评审及线下核实等多个环节，严格筛选，旨在树立行业标杆，推动国内外市场对中国品牌的认知与信任。豪贝家照明能够在此次评选中拔得头筹，无疑是对其品牌实力与市场口碑的极高认可，也是其多年来不懈努力的最好证明。
豪贝家照明，自2009年成立以来，便一直专注于全品类家居照明的研发、生产与销售。15年的深耕细作，让豪贝家不仅积累了丰富的行业经验，更拥有了强大的技术实力和产品创新能力。公司坐落于被誉为“世界灯饰之都”的中山市古镇镇，这里汇聚了全球顶尖的照明技术与人才，为豪贝家的发展提供了得天独厚的优势。
豪贝家注重产品设计与制造的全链条整合，从产品设计到五金加工，再到LED芯片封装、驱动生产，以及产品组装、仓储与物流，每一个环节都建立了严格的生产流程标准。这种对品质的极致追求，使得豪贝家的产品在市场上始终保持着领先地位。同时，公司还构建了完善的售后服务体系，实现全国联保、上门服务及安装，让消费者在享受高品质产品的同时，也能享受到无忧的售后服务。
凭借出色的产品质量与服务，豪贝家照明在市场上赢得了广泛的认可与好评。50万中国家庭的选择，是对豪贝家品牌实力的最好证明。而500多全国网点的布局，更是让豪贝家的产品走进了千家万户，照亮了无数家庭的美好生活。
此外，豪贝家还积极与全网知名媒体合作，进行线上线下全面推广，不断提升品牌知名度和影响力。这种多元化的营销策略，不仅让豪贝家的产品走进了更多消费者的视野，也为其未来的发展奠定了坚实的基础。
此次荣获“中国十大家居照明品牌”称号，对豪贝家来说，既是一种荣誉，也是一种责任。未来，豪贝家将积极开拓国内外市场，与更多有志之士携手，共同推动中国家居照明行业的发展与进步。
"> 实力见证荣耀，豪贝家照明喜获“中国十大家居照明品牌”称号答
上半场超神下半场隐身 伦纳德虎头蛇尾马刺惨败答
1岁半时被外公下注50镑，16岁成国脚帮外公狂赚12.5万镑！答
用煤淡季到来 煤价会深跌吗?
【资料图】基金持仓集中度是指基金投资组合中，少数重仓股或特定行业资产占基金总资产的比例。持仓集中度高对基金的影响是多方面的，下面从收益、风险等角度进行分析。
从收益角度来看，持仓集中度高可能带来较高的潜在收益。当基金经理精准地选择了表现优异的股票或行业时，集中持仓能够让基金充分受益于这些优质资产的上涨。例如，某基金集中持有了新能源汽车产业链的相关股票，在新能源汽车行业快速发展、相关股票大幅上涨的时期，该基金的净值可能会大幅增长，为投资者带来丰厚的回报。因为集中投资使得基金在优势资产上的配置权重较大，资产价格的上涨会更显著地提升基金的整体价值。
然而，高持仓集中度也伴随着较高的风险。如果基金经理的判断出现失误，重仓持有的股票或行业表现不佳，基金的净值将会受到严重的负面影响。以科技股为例，如果某基金集中投资了科技股，而科技行业由于政策调整、技术瓶颈等原因出现下跌行情，那么该基金的净值可能会大幅缩水。此外，集中持仓还可能导致基金缺乏分散化投资的优势，无法通过不同资产之间的低相关性来降低整体风险。
从流动性方面考虑，持仓集中度高可能会影响基金的流动性。当基金需要大量卖出持仓股票来应对投资者赎回等情况时，如果持仓过于集中在少数股票上，可能会面临较大的流动性压力。因为大量抛售某一只股票可能会导致该股票价格下跌，从而进一步影响基金的净值。
以下是一个简单的表格，对比基金持仓集中度高和低的不同影响：
对于投资者来说，在选择基金时需要综合考虑自身的风险承受能力和投资目标。如果投资者风险承受能力较高，追求较高的收益，并且对基金经理的选股能力有信心，那么可以考虑持仓集中度较高的基金。相反，如果投资者更注重风险控制和资产的稳定性，那么持仓较为分散的基金可能更适合。
标签： 基金经理精准 基金时 指基金 基金总资
" width="100%" height="100%" alt="基金持仓集中度高有何影响？">格拉芬豪森
里特海姆-魏尔海姆
8月15日晚18：00，国美、海尔联合浙江卫视在青岛海尔衣联网1号店共同开启“美好生活一起嗨”国美海尔超级直播专场，以“家庭式欢乐聚会”的形式呈现了一个极具体验感与娱乐感的购物场景，仅短短三个小时，就取得了4.1亿成交额的漂亮成绩。骄人的战绩值得惊喜，而直播生意经背后的三大新趋势更值得关注。
趋势一、当综艺融入卖货直播，开创电商直播新生态
在疫情防控的特殊背景下，直播带货对于企业复产复工、促进产品销售做出了积极贡献，也悄然改变着中国人的消费习惯。据艾媒咨询报告显示，约有25%的直播电商用户每天会观看直播带货，约46%的用户则每周都会观看电商直播，超过60%的用户表示直播带货能够非常大或者比较大地引起消费欲望。据统计数据推测，2019年直播电商总GMV约超3000亿元，2020年则有望冲击万亿体量。
面对越来越大的诱人蛋糕，一种全新的综艺带货直播新生态开始崭露头角，即媒体平台+电商平台+品牌赞助商，此次海尔、国美联合浙江卫视《奔跑吧》主题举办的“美好生活一起嗨”就是一次经典的范例。
直播中，Angelababy、陈欢代表的“Happy Baby”队和伊一、伍嘉成为代表的“一五一十”队进行带货大PK，围绕“食、衣、住、娱”四大场景，以鲜活的生活案例阐释什么是黑科技产品；海尔集团副总裁/首席体验官李华刚带队海尔好物天团，提供了覆盖了“食”“衣”“住”“娱”全家生活场景的数十款精品家电产品，并在直播现场进行众多演示与挑战；国美零售总裁王俊洲亲自上阵，面对面向20多年的老伙计砍出“总裁价”。
直播卖货为综艺提供了新路径，综艺丰富了直播卖货的内涵。明星嘉宾们现场做游戏，亲测爆品好物，网友们边看明星互动，边剁手好物，不知不觉当中一场4.1亿的幸福果实就此成熟，这正是综艺带货直播爆发出来的新火花。
趋势二、用生活场景串联单品，深挖家电零售新趋势
“hello电视，我回来了。”跑男女神Angelababy回到家对海尔电视说到。随之电视和空调自动打开，窗帘自动关闭。突然一个视频电话打来，电视同步显示并接通视频画面，Angelababy说“接通视频”，陈欢和Angelababy打招呼并说：“baby，直播快开始了，你快过来吧”， Angelababy回复“好的，我这就来”，说完后视频挂断，Angelababy起身说“你好电视，我要出门了”，电视和空调随之自动关闭，窗帘自动打开。
一个看似简简单单直播的开场，却隐藏了许多让众人惊呼的海尔黑科技，也让大家看到了未来的智家生活，是不是有一种“终于等到你，马上想拥有你”的感觉？
简单的一小步，对于家电零售来说，或许意味着颠覆性的改变。它的区别在于打破了传统直播中的卖颜值、比功能、拼低价的固有思路，把单一的家电产品通过生活串联起来，用“衣食住娱”全生态场景，为消费者提供智慧家庭解决方案，创造全场景智能生活体验，满足用户定制美好生活的需求，这与国美“家·生活”战略殊途同归。
国美于2017年提出“家·生活”战略，经过三年的稳步推进，现如今已经从家电零售商转型成为“家·生活”整体方案提供商、服务解决商和供应链输出商，通过为消费者提供家庭整体解决方案，满足中国家庭对美好生活的向往。
比如，你向往中的阳台是什么样子的？
我们印象当中的阳台杂物到处都是，布局不合理，多半时间被衣物晾晒占领，而直播场景中的阳台已焕然一新，跑跑步、养养花、做做游戏成为了阳台全新选项，洗护、收纳都问题都交由海尔洗干组合来完成。国美零售总裁王俊洲在直播中还力荐海尔双子洗衣机：“不仅可以解决孩子和大人衣服分开洗的问题，也可以解决内衣和外衣分开洗的问题，这些都是原来的洗衣机所不具备的。”
国美提供的不是单一商品，而是整个家庭的解决方案。经过多年的布局，场景化思维已深深地融入在国美的血液中，这也是国美与海尔在发展之路上的共识，是双方多年以来紧密合作、并肩发展的动因，更是结果。
早在2007年，线下家电卖场实体店的场景化改造就是由国美联合海尔拉开大幕的。2020年，国美与海尔再次围绕“家”的全生态服务开启了智慧家庭生活场景直播新体验。
趋势三：好品+好价+社群，数字化赋能零售新智慧
本场直播，短短3个多小时达成4.1亿的成交量，与国美创新消费模式，借助“社群+直播”完成服务商的转型，大力推进数字化本地零售落地关系密切。
把商品卖便宜不是水平，把好的商品卖便宜才是本事。”是国美零售总裁王俊洲在直播中常说的一句口头禅，而这背后正是国美供应链能力的极致发挥，而它的核心诉求是“用户至上”。
在新零售时代，用户已成为了产品的主导者。聪明的零售商会根据顾客需求和喜好定制个性化服务，这就是我们所说的C2M反向定制，以提升数字化选品能力，而国美在这方面已深入布局，此次直播中的“智慧家电”正是国美通过用户消费行为大数据分析，以用户“精准需求”为主导，精挑细选出来的海尔优质产品，直播现场的热卖也印证了国美的数字化选品能力。
会选，更要会卖。据悉，国美从7月25日开始启动了“买遍中国·助力美好生活——央视新闻&国美零售全国31省份巡回带货直播”活动，过程当中将推进“知识型内容+顶级IP+场景化直播”的特色直播之路，并在直播前向超20万社群推广直播信息，触达超过6600万用户，产生“从用户到用户”的持续裂变，这就是国美为业界和消费者贡献的新样板、新智慧“社群+直播”模式，它的成功之处在于可以充分挖掘带货直播、社群社交的潜力实现营销链条的裂变。并以国美的品牌信誉度为背书，以完善的门店体系、强大的物流能力为基础，向用户提供标准化、产品化的服务。
带货直播和社群营销火爆的背后，用户对商品品质和服务也提出了新的要求。如何通过数字技术提升供应链效率和服务质量，也成为零售企业新的课题。在国美看来，数字化的本质是解决效率问题，降本增效。包括通过利用互联网系统，统一会员、商品、交易；通过大数据分析，重构人货场，提升运营效率；通过线上线下的结合，提升用户体验。而此次国美、海尔联合浙江卫视共同开启“美好生活一起嗨”国美海尔超级直播专场是一次用新零售模式促进消费的尝试，也是国美向数字化转型的结果呈现。
国美，在奔跑
近几个月以来，我们看到国美在一路奔跑：4月，国美拥抱拼多多，双方在消费大数据、平台流量等多方面达成全面战略合作；8月，国美与京东宣布300亿联合采购计划，并在物流、营销等多方面进行深度合作；7月，国美启动“买遍中国”活动，以新型消费的形式与用户互动，充分发挥国美在供应链和规模化采购上的优势，不遗余力地满足被抑制的消费升级需求和对美好生活向往的需求，带动家电消费回暖，助力经济复苏。
此次直播，也展现出国美大胆创新的成果，将海尔的高科技产品以最优惠的价格呈现给消费者，而这仅仅只是钜惠消费者的开始，未来近十个月中，国内带货直播将越战越远，依靠国美本地化零售网络布局，给用户展现更丰富的内容和更多优质且优惠家电产品，值得期待。
" width="100%" height="100%" alt="国美&海尔超级直播解读 带货直播背后的“生意经”—万维家电网">霍恩波尔丁
埃雷辛
作为“十五五”期间广东首场部省联办的高规格人才招聘会，“百万英才汇南粤”2026年行动计划将于春、秋两季分别在广州、深圳举办。其中，3月15日至16日，春季大型综合招聘会将组织超1800家用人单位提供逾7万个优质岗位。活动以“粤聚英才 粤见未来”为主题，首次创新采用“两馆分区、产业聚类”模式，17.1馆主打“现代服务”，17.2馆聚焦“先进制造”。梅州企事业单位按产业入驻对应专区，实现产业人才精准对接。
据了解，此次梅州精心组织23家企事业单位线下线上同步揽才，推出558个优质岗位，覆盖高校教师、工程师、临床医师、首席数字化官等多个方向，精准匹配本科、硕士、博士等不同学历层次的人才需求。
文、图、视频：梅州日报记者 赖运香
编辑：梁威
审核：张英昊
" width="100%" height="100%" alt="“梅”好未来，“职”等你来！“百万英才汇南粤”2026年春季大型综合招聘会3月15日启幕">贝格伦
高廷
尽管短期通胀放缓，市场普遍预计自4月起通胀将再度上行。南非金融服务公司天达(Investec)财政经济学家兼固定收益分析师特尔蒂娅·雅各布斯指出，国际油价上涨将逐步传导至国内燃料价格，成为推升通胀的主要因素。
国际油价因地缘政治紧张上涨，一度升至每桶100美元以上；同时兰特汇率由2月底的约15.90兑1美元贬至目前约16.84。
南非储备银行将于下周召开货币政策会议。央行行长卡尼亚戈此前表示，通胀可能已在去年12月的3.6%见顶，并将逐步回落。(完)" width="100%" height="100%" alt="南非2月CPI同比上涨3%">
朗根阿根
阿默湖畔雄多夫
近年来，省经信厅积极引导工业企业（园区）建立健全电力需求侧管理制度，改善电能质量，加强用电设备改造和信息化建设，促进电能替代、分布式能源利用、能源清洁和循环利用，全面提升我省工业领域用能效率和需求响应能力，有效降低企业用能成本、提高工业经济运行质量。 2016年至2020年，全省累计实现节约电量24亿千瓦时，节约电力60.2万千瓦。
此次入选的3家企业和园区在工业领域电力需求侧管理方面各有特点。安徽安利材料科技股份有限公司用电管理改变了以往节点主要靠单一产品和局部技术改造的做法，通过电能管理整体解决方案，有效提高了企业的综合经济效益。滁州惠科光电科技有限公司通过电力需求侧管理，增加电能有效利用率，降低了企业用能成本。亳州芜湖现代产业园区管委会通过建立智慧园区平台，不断提高园区资源优化配置能力、资源综合利用效率，协调水、气、电的多能互补，节约社会资源，促进低碳环保。（记者 汪国梁）
" width="100%" height="100%" alt="3皖企入选“电力需求侧管理示范名单”">蒂肯费尔德
萨默顿 (亚利桑那州)
雷希特梅灵
西普林根
黑罗尔德施塔特
贝店邀请码是您注册贝店、开贝店之前，所必须要的一个数字码，贝店邀请码是纯数字的，贝店邀请码在哪里看？贝店邀请码在哪里找？
贝店邀请码只有一种，就是“在升级成为贝店主之后，也就是成功开贝店之后，所拥有的一个贝店主专属邀请码”，虽然贝店邀请码只有一种，但如果要问贝店邀请码在哪里看，贝店邀请码在哪里找，那就得分两种情况——一个是，在注册的时候，您需要贝店邀请码才能够成功注册，这时候，贝店邀请码在哪里看？贝店邀请码在哪里找？第二种情况是，在您注册完成并成功升级为贝店主、已经成功开贝店之后，这个时候，贝店邀请码在哪里看？贝店邀请码在哪里找？
这两个情况，前者是，您注册的时候，需要用到别人的邀请码，因为贝店是邀请制的，您注册的时候，必须要使用好友（贝店主）提供给您的邀请码才能够成功注册，使用了谁的邀请码，就成为了他的下线。而后者是，您注册成功、并成为了贝店主，那您就拥有了一个专属邀请码，您使用这个专属邀请码，去邀请他人，让其他人成为您的下线，这时候，作为贝店主，您专属的，贝店邀请码在哪里看，贝店邀请码在哪里找？
第一种情况：注册的时候，贝店邀请码在哪里找，在哪里看？
这时候，只能够通过好友邀请、也就是好友将邀请码发送给您，在以前的文章中笔者提到过，可以百度搜索、随便使用网络上陌生人提供的邀请码，但并不推荐，因为使用好友的邀请码，是最好的。
邀请码的作用是啥呢？就是可以让邀请者对您进行一定的辅导，甚至是一对一的辅导开店，您的上线的所有经验，都可以倾囊相授，正因为您使用了它的邀请码，成为了它的下线！
第二种情况：当您注册成功之后，通过购买贝店严选商品大礼包，来升级成为了贝店主，此时您就获得了一个贝店主专属邀请码，这个邀请码在哪里找？在哪里看？很简单，打开贝店app，在“我的店”页面左上角、头像右侧下方，即可看到您的贝店主专属邀请码啦！
原文链接：https://www.aimhunt.com/p/7395
" alt="自己的贝店邀请码被别人添加注册后有什么好处？" style="display: block;">埃格韦尔
具体回答时，当用户用语音进行提问之后，页面中将呈现出AI根据真人经验整理出的总结答案，下方则出现“AI总结xx篇笔记生成”的标注。
比如，当界面新闻搜索“春节去哈尔滨玩5天有什么形成安排推荐？”的问题时，平台在10秒之内完成了AI总结，用较为清晰的文字排版呈现出5天的行程安排。除了行程安排之外，AI总结的答案还加上了“春节特别提醒”，涵盖交通、美食推荐等细化建议。而在收尾处，该答案也附上了参考来源，这些来源笔记皆可点开一一查看。
除此之外，小红书也会给出AI总结答案之外的大量笔记参考。在整个页面中，AI总结答案占据大约半屏左右的比例，需要点击后查看全部内容；而答案下方依然会呈现双列流笔记，内容与用户的提问紧密相关。
事实上，在AI应用爆发之后，“旅游攻略”这一类需要提供有用信息和干货的问题，往往成为最受用户欢迎的提问。小红书在这一点上能够提供大量的笔记参考，例如，在上述搜索下，页面出现的内容包括普通旅客、旅行社、导游和当地市民等用户发布的笔记，形式也涵盖图文和视频。
值得一提的是，小红书还在搜索入口下方推出了“春节指南”、“年度诗篇”等限定玩法，去引导用户在春节场景里尝试“语音问一问”。无论用户有没有问题，都可以通过点击提问来“逛答案”。
比如年夜饭灵感——在这一答案中，AI会总结出“怎么做出看起来很硬核但实际上很简单的菜”。
而另一类更具“生活感”、强调个体主观看法的问题，同样是符合小红书用户需求的提问。界面新闻试着使用“语音问一问”搜索“放假完不想上班怎么办？”的问题时，小红书结合了34篇笔记生成了一份AI总结，包括“调整心态”、“行动起来”、“如果真的无法忍受”等具体的答案。
对于这种颇具“活人感”的话题，这份总结给出的答案似乎更有小红书的特色，例如，在AI总结的答案中，提到了“想开点，钱最重要”这类像朋友对话般的回答；同样也提到了制定小目标这样具体的建议。在页面下方推荐的笔记中，界面新闻观察到，不少用户分享了自己摆脱“假期综合症”的方法和体验，也有不少用户分享了有关情绪管理的小tip，兼具个人体验和实用性。
体验完上述两个提问之后，关于小红书“语音问一问”的功能特质也更加明了。
在中文互联网社区，“问答类”的产品早已不是全新概念。最早它往往作为搜索引擎的补充出现，旨在解决用户具体的问题；之后其发展成更具社区和互动属性的问答，但往往也有中心化的特征。
AI的出现，让“语音问一问”这一功能有了更多延伸的可能。
截至2024年末，小红书月活用户突破3.5亿。此外，小红书又是一个典型的UGC平台，大量的“活人经验”让平台有了天然的“答案库”。
从上述搜索体验来看，小红书语音问一问给出的答案全部基于站内真人经验总结而成，相当于“浓缩”了真人经验分享。
正是依托于天然的“答案库”，小红书的“语音问一问”才得以实现相对独特的体验。
AI时代的新产品
ChatGPT和DeepSeek的横空出世让不少社区产品被动加快追赶的脚步，但AI的可复制的“标准答案”与小红书的“活人感”社区之间乍一看显得格格不入。
然而就是在这“碰撞”之中，小红书近期交出了第一份尝试的答卷——“语音问一问”功能上线半个月，社区语音问一问累计次数达4800万次，平均每秒钟都有37个人在线蹲答案。除夕当天“拜年祝福怎么发更特别”被问了570万次。
图片来源：《小红书2025年十大搜索趋势报告》
那么小红书为何要推出“语音问一问”呢？
这还要从平台本身的属性上说起。在产品形态上，小红书坚持双列瀑布流的信息展示方式，去中心化的推荐设置也让更多来自于普通人的笔记被曝光、被看见。在用户心智上，小红书涉及的类目越来越多，用户如今普遍将平台视作一个获取真实生活经验、决策参考和信息交流的重要来源，普通用户之间的交流也十分频繁。
据媒体报道，如今小红书用户的日均搜索次数已经超过7亿次。根据《小红书2025年十大搜索趋势报告》，2025年全年搜索总次数2500亿次，问题垒起来相当于5500万本《十万个为什么》。
可以说，现阶段这一产品功能的更新，也是为了满足当下小红书用户的搜索新需求：从最早的消费决策满足到干货信息的延伸，如今，越来越多的用户希望在小红书上找到更进一步的具体经验分享、更全面的“有用”回答以及更具启发性的个性化经验。
2025年年末，小红书社区内出现过“AMA”的风潮——“Ask me anything”，一种发帖人对提问者“有问必答”的玩法。几个月时间里，AMA在小红书扩散，不仅吸引了李开复、李银河、罗永浩等名人下场参与，也让这股全民问答风潮，成为一种新的互联网现象。
AMA的爆火，恰恰说明，用户如今在小红书上的经验需求，已经从生活场景“破圈”延展到了知识、科技、人文等细分领域。
再往前追溯，小红书其实早已尝试过在评论区、搜索框右侧等端口上线“问一问”功能。
类似这样的趋势和尝试，为“语音问一问”的推出埋下伏笔。
需求明确之后，交互方式的选择就涉及如何最大限度容纳用户需求匹配的问题。
一方面，语音提问是一种更顺畅表达问题的方式，某种程度上有利于用户降低提问与搜索的门槛；另一方面，“提问”是一种承接、解决问题的方式，它传递出的信息是，只要用户提出问题，就会有笔记能够“回答”。
事实上，相比其他搜索产品，足以覆盖极广泛、细分经验场景的UGC真实内容，一直是小红书搜索的核心护城河。即使是某一个景点的当日天气，或者某一家餐厅的wifi密码，这样细颗粒度的问题，在小红书上都有笔记答案。
但小红书内部人士表示，他们观察的一个现象是，过往的搜索框中较短的词语占据了70%到80%的比例，这意味着要让用户更具体地表达提问，并匹配准确结果，单凭文字搜索+双列笔记承接并不容易。
而语音交互+AI总结无疑能进一步让这些真实、长尾的经验被最大限度地匹配——从调研来看，用户在语音这种环境下会更偏向于自然表达，也会提出一些更长的、更具体的、更明确的问题。而当问到长达几段的个性化问题时，问一问依然能够总结和匹配站内的经验笔记回答。
从早期的搜索补充到后期的独立产品，再到嵌入社区，“问搜”式的产品形态几经变化。如今，用户对于搜索功能的需求已经不只是单一的标准答案和知识满足，他们有了更多元的期待，同时也不再局限于文字的交互。甚至于，搜索功能未来也可能会深度融入小红书这样的内容平台，成为互动和内容生产的“基础设施”。
不过，纵观市面上的“问答”功能，大部分仍然聚焦在平台或内容生产者对于某一问题的解读上。
抛开形式上的特殊之处，小红书“语音问一问”的最大差异化体现在真实经验上。
举例而言，近两年小红书用户中对于家居家装内容保持高兴趣的用户已经达到1.6亿，这意味着平台聚集了大量和家居、装修有关的笔记。当界面新闻试着语音提问“家里装修是复古风格，适合放一些什么样的插画？”时，AI总结了71篇笔记生成了答案。除了建议不同风格之外，回答还给出了“温馨小贴士”，下方的总结多来自于不同用户分享的插画灵感。
从社区内容的活跃度来看，这样“问搜”的方式不仅提升了用户获取信息的效率，也同时保留了提问者和内容生产者之间的连接，甚至盘活了社区的流量。
以真实经验为基石，同时辅以AI技术，未来小红书的“搜索”心智或许也会迎来进一步迭代、泛化和巩固。
很长一段时间里，社区主要围绕人的连接和内容消费展开，但发展到今天，随着用户的需求日益多元，社区产品本身也需要寻找新的形态和创新路径。
与此同时，一个现象正在发生：人工智能技术的发展让用户逐渐习惯与AI对话，在高效寻找标准答案的背后，部分问题也呼之欲出——那些基于真实生活、富有个人感受的经验分享，正变得愈发稀缺。
可预见的未来里，人们或许不会满足于迅速获取一个“标准答案”，而是渴望看到他人的真实决策、试过的“错”，甚至在具体生活场景中的主观感受。
某种程度而言，这或许才是小红书“语音问一问”的宝贵价值——真人经验依然是社区最宝贵的财富，这条护城河在语音问一问AI功能的辅助之下，被更多的人看到、使用和认同，这或许才是产品升级的底层逻辑。
春节期间，引发用户自发分享的“年度诗篇”在社交媒体上刷屏，便是个例子。“年度诗篇”实际上是AI通过用户搜索行为洞察出的个人年度总结，其之所以能击中用户的内心，原因就在于AI用敏锐、细致、有温度的方式准确表达了每一个用户的真实搜索需求和意图，并且富有诗意地将其呈现出来。那些个性、差异、多元和细节，才最动人。
小红书“语音问一问”只是一个开始，它正在让人看到真人经验UGC社区更多的创造力和可能性。
" alt="推出语音问一问背后，小红书的“答案”逻辑变了？" style="display: block;">县立广岛大学
载体推介 释放合作共赢新机遇
参观结束后，在ChanceCO雀幸联合路演大厅举行招商推介会。泉州市住宅建设开发有限公司、泉州能源集团应邀作招商载体推介。
泉州市住宅建设开发有限公司重点推介北峰-丰州片区站前商务综合体项目。该项目依托动车站枢纽优势，联动数字经济产业园，打造集高端商业、星级酒店、品质住宅于一体的综合性开发标杆，填补片区大型商业综合体与高端酒店配套空白，进一步完善北峰-丰州组团城市功能，助力动车站商圈提质升级。
泉州能源集团重点推介“泉州能创产业园”项目，聚焦新能源、智能制造两大核心赛道，致力于将交通枢纽片区打造为创新创业新高地，布局能源互联网、智能装备研发等赛道，构建“研发+孵化+制造”全链条生态。
三大招商载体的集中亮相，全面展现了北峰片区的发展潜力与合作机遇，让与会嘉宾全面了解北峰片区开发建设成果，进一步坚定了投资北峰、深耕北峰的信心。
乡贤聚力 谱写拼抢发展新篇章
乡贤是北峰最宝贵的资源，企业家是北峰最坚实的脊梁。2025年，在广大乡贤与企业家的鼎力支持下，北峰街道交出亮眼成绩单：全年完成招商签约入库项目11个，总投资113.15亿元，招商投资额完成率达125.7%，经济综合增速连续两年位居全区各街道第一。
下一步，北峰街道将持续深耕乡贤招商、以商招商，以全周期服务、全方位保障，让每一位乡贤和企业家投资放心、创业安心、发展舒心，奋力实现2026年“大拼经济、大抓发展”新突破。
原标题：抢先机 拼经济 抓发展！丰泽北峰街道举办2026年新春茶话会暨招商推介会" alt="抢先机 拼经济 抓发展！丰泽北峰街道举办2026年新春茶话会暨招商推介会" style="display: block;">法伦茨豪森
成功的起点乃是自我分析，成功的秘诀就是你需要一款旭环牌东风国六14吨清洗洒水车。
此款车型的外形尺寸为9525,9545X2550X3075,3190（mm），整车的总质量为25000（kg），整备质量为11600（kg），最高车速89（km/h）。
旭环牌东风国六14吨清洗洒水车的底盘型号为DFH1250D4，底盘轴距为4350+1350,5350+1350,5700+1350,4600+1350,4800+1350（mm），排放标准为GB17691-2018国Ⅵ，使用295/80R22.5 18PR,11.00R20 18PR规格的轮胎，底盘配置的发动机型号为D6.7NS6B290 DDi75E350-60 DDi75E300-60 DDi75E340-60 D6.7NS6B320，底盘承载力强，可靠耐用。
| 旭环牌LSS5250GXSD6型清洗洒水车主要技术参数 | |||
|---|---|---|---|
| 产品名称: | 旭环牌LSS5250GXSD6型清洗洒水车 | 外形尺寸: | 9525,9545X2550X3075,3190(mm) |
| 底盘型号: | DFH1250D4 | 货箱尺寸: | X X (mm) |
| 总质量: | 25000(Kg) | 接近/离去角: | 10/15(°) |
| 额定质量: | 13270,13205(Kg) | 前悬后悬: | 1480/1980,1500/1980(mm) |
| 整备质量: | 11600(Kg) | 最高车速: | 89(km/h) |
| 底盘参数 | |||
| 底盘型号: | DFH1250D4 | 燃油种类: | 柴油 |
| 轴数: | 3 | 前轮距: | 2010,2040,2070(mm) |
| 轴距: | 4350+1350,5350+1350,5700+1350,4600+1350,4800+1350(mm) | 后轮距: | 1860/1860,1880/1880(mm) |
| 驾驶室乘人数: | (人) | 弹簧片数: | 3/10,3/4,9/10 |
| 轮胎数: | 10 | 轴荷: | 2010,2040,20703 |
| 轮胎规格: | 295/80R22.5 18PR,11.00R20 18PR | ||
| 发动机参数 | |||
| 发动机型号: | 发动机生产企业 | 排量(ml) | 功率(kw)/马力(PS): |
| D6.7NS6B290 | 东风康明斯发动机有限公司 | 6700 | 213/290 |
| DDi75E350-60 | 东风商用车有限公司 | 7500 | 257/350 |
| DDi75E300-60 | 东风商用车有限公司 | 7500 | 220/300 |
| DDi75E340-60 | 东风商用车有限公司 | 7500 | 250/340 |
| D6.7NS6B320 | 东风康明斯发动机有限公司 | 6700 | 231/315 |
| 专用功能说明： | |||
| 仅选用4350+1350一种轴距底盘;罐体外形宽×高(mm):2350×1550;罐体长度为6000mm;罐体有效容积:13.80立方米。介质名称为:水;介质密度:1000 千克/ 立方米。可选装:1、后上喷雾装置;2、后下喷雾装置;3双水炮;4、左、右侧浇花装置;5、折筋型水罐前后封头;6、可不装作业指示灯。以上6种选装配置引起的重量及整车尺寸变化可以忽略不计。专用装置由水罐、水泵及管路系统组成,用于对路面进行清洗及喷洒等。该车选用D310和 D320两种平顶驾驶室,随底盘选装前雾灯、驾驶室前面罩、前保险杠及前部灯具和后视镜、驾驶室顶部中间三个装饰灯,驾驶室侧窗选装树脂装饰板,驾驶室前脸扰流罩、驾驶室前风窗上部扶手。选用D310驾驶室时整车外形尺寸(长×宽×高)为:9525mm×2550mm×3075mm,前悬/后悬为:1480/1980,前伸量为:365mm,接近角/离去角为10°/15°;选用D320驾驶室时整车外形尺寸(长×宽×高)为:9545mm×2550mm×3190mm,前悬/后悬为:1500/1980,前伸量为:365mm,接近角/离去角为10°/15°。该车整备质量为11600 kg,驾驶室准乘人数为2人时额定载质量为13270 kg,驾驶室准乘人数为3人时额定载质量为13205kg。该车侧面及后下部防护装置材料为Q235,连接方式为:横杆与支架焊接,支架与底盘焊接固定。后防护断面尺寸200X50mm,离地455mm。车身侧面、后部均粘贴有车身反光标识。该车安装带卫星定位功能的行驶记录仪。ABS型号/生产厂家:3631010-C2000/东科克诺尔商用车制动系统(十堰)有限公司,ABS 8/东科克诺尔商用车制动系统(十堰)有限公司,4460046450/威伯科汽车控制系统(中国)有限公司。 | |||
旭环牌东风国六14吨清洗洒水车拥有贴心设计的外观、动力强劲的底盘、舒适安全的驾驶室。展现了随州市是国内最大的专用车生产制造基地，拥有在专用车生产领域的强大实力的风采。
" alt="旭环牌东风国六14吨清洗洒水车配置分析专汽家园" style="display: block;">豪森奥布费雷纳
产品的质量决定其是否有能力生存发展下去，全国各大专用车厂家都应紧抓中标牌解放国六12吨洒水车生产质量，才能在市场的竞争中脱颖而出，下面小编带大家了解一下中标牌解放国六12吨洒水车
中标牌解放国六12吨洒水车整车外形尺寸8570X2470X2950(mm)，上户吨位为：10645(Kg)，驾驶室准乘人数为3人，最高车速89（km/h）。
中标牌解放国六12吨洒水车的底盘型号为CA1180P62K1L2A1E6Z，底盘轴距为5300,5000,4700,4500,5600,5800,4200,4000,3800（mm），排放标准为GB17691-2018国Ⅵ，使用10.00R20,11.00R20,295/80R22.5,275/80R22.5规格的轮胎，底盘配置的发动机型号为CA4DK1-18E6 CA4DK1-22E6 CA6DH1-22E6 CA6DH1-24E6 D6.7NS6B230 CA4DK1-22E61 CA6DH1-22E61 CA6DH1-24E61 CA4DK1-22E62 CA4DK2-24E65 CA4DK2-22E65 CA6DH1-26E65 CA6DH1-24E65 CA6DH1-22E65，底盘承载力强，可靠耐用。
| 中标牌ZBF5183GSSCAE6型洒水车主要技术参数 | |||
|---|---|---|---|
| 产品名称: | 中标牌ZBF5183GSSCAE6型洒水车 | 外形尺寸: | 8570X2470X2950(mm) |
| 底盘型号: | CA1180P62K1L2A1E6Z | 货箱尺寸: | X X (mm) |
| 总质量: | 18000(Kg) | 接近/离去角: | 17/11(°) |
| 额定质量: | 10645(Kg) | 前悬后悬: | 1400/2670(mm) |
| 整备质量: | 7160(Kg) | 最高车速: | 89(km/h) |
| 底盘参数 | |||
| 底盘型号: | CA1180P62K1L2A1E6Z | 燃油种类: | 柴油 |
| 轴数: | 2 | 前轮距: | 1928,1827,1950,1938(mm) |
| 轴距: | 5300,5000,4700,4500,5600,5800,4200,4000,3800(mm) | 后轮距: | 1878,1860(mm) |
| 驾驶室乘人数: | (人) | 弹簧片数: | 10/12+8,12/12+8,13/12+8,7/7+6,9/12+8,12/10+9,7/7+3 |
| 轮胎数: | 6 | 轴荷: | 1928,1827,1950,19383 |
| 轮胎规格: | 10.00R20,11.00R20,295/80R22.5,275/80R22.5 | ||
| 发动机参数 | |||
| 发动机型号: | 发动机生产企业 | 排量(ml) | 功率(kw)/马力(PS): |
| CA4DK1-18E6 | 中国第一汽车集团有限公司 | 4764 | 139/190 |
| CA4DK1-22E6 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA6DH1-22E6 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| CA6DH1-24E6 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| D6.7NS6B230 | 东风康明斯发动机有限公司 | 6700 | 169/230 |
| CA4DK1-22E61 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA6DH1-22E61 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| CA6DH1-24E61 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| CA4DK1-22E62 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA4DK2-24E65 | 中国第一汽车集团有限公司 | 5170 | 179/244 |
| CA4DK2-22E65 | 中国第一汽车集团有限公司 | 5170 | 165/225 |
| CA6DH1-26E65 | 中国第一汽车集团有限公司 | 5700 | 194/264 |
| CA6DH1-24E65 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| CA6DH1-22E65 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| 专用功能说明： | |||
| 该车采用底盘4500mm轴距,主要用于路面喷洒、园林绿化洒水;主要装置为水罐.罐体外形尺寸(长轴×短轴×长度)(mm):2400×1420×4600.罐体总容积11.1立方米,罐体有效容积10.64立方米;侧防护装置材料为Q235A,连接方式为螺栓连接;后防护装置材料为Q355B,与车辆连接方式为螺栓连接;后部防护装置的断面尺寸为240×65mm,离地高度为470mm;该车可选装鸭嘴,对冲,小型喷洒系统,高压清洗系统,自吸管路总成,左、右侧无PVC管,上绿化浇灌,后作业指示灯(箭头灯),卷盘,后部外观;随底盘装有ABS,ABS系统生产厂家:长春瑞立科密汽车电子有限公司,型号:CM4XL. | |||
人多额差异在于业余时间，业余时间生产着人才，也生产着懒汉，由此不仅使工作业绩有别，也区分出高低优劣的人生境界。中标牌解放国六12吨洒水车对质量的要求也是如此。
" alt="中标牌解放国六12吨洒水车怎么选择专汽家园" style="display: block;">黑林山区柯尼希斯费尔德
阿尔茨河畔法伊希滕
谈起科技极限挑战，海尔空调可以说是圈里的常客。海尔空调在央视《挑战不可能》节目中多次进行了科技极限挑战项目。例如，在密闭玻璃房内，海尔净界空调挑战航天级无尘环境，助力航天研磨师完成挑战。
海尔空调在科技极限挑战这条路上，把诸多不可能变成了可能！归根结底，深层次的原因是海尔空调一直在探索着科技进步的无人区，挑战着自己领域的极限。
今年突如其来的疫情让大家关注到空调和空气健康问题，海尔空调在行业第一个推出56℃除菌自清洁空调，更因“只吹干净风”获得自清洁市场份额第一。到目前，行业也纷纷推出类似的产品，那么，海尔56℃除菌自清洁空调到底有什么不一样？
在这次79℃地表高温的沙漠中，海尔56℃除菌自清洁空调能否成功挑战运行极限？在沙漠里吹空调的愿望能实现吗？
7月12日，我们将会通过许多你意想不到的创意挑战项目一一为你呈现，现场还有神秘体验官见证海尔56℃除菌自清洁空调。相信会给你带来震撼和惊喜！
" alt="79℃沙漠是空调的“禁区”！海尔56℃除菌空调将发起挑战，能行？—万维家电网" style="display: block;">伊京
本期公开课，雷锋网请到了图普科技机器学习工程师 Vincent 为大家揭开 AI 可以助你成为“画家”的秘密。 Vincent 曾在英国留学两年，回国后加入图普，担任机器学习工程师一职，参与图普多个产品的研发工作，立誓要搞深度学习搞到死。
嘉宾介绍：
Vincent，图普科技机器学习工程师，主要从事工业级深度学习算法的研发。曾任摩根大通欧洲技术中心分析师，IBM爱丁堡办公室软件工程师。熟悉自然语言处理（文本分类，语言模型等），图像转换（艺术滤镜、图片上色等）和分类算法。
以下内容章整理自公开课分享。
｜深度神经网络在图像识别领域的进展
自从 2012 年 Alexnet 横空出世，一举夺得 ImageNet 图片分类大赛冠军之后，深度学习一飞冲天，以卷积网络为首的深度神经网络不断刷新各种计算机视觉任务的 State-of –the-art 。过去四五年间，我们可以看到学术界不断地开发出各种不同结构的卷积神经网络，而且，这些结构并不仅仅是在 Alexnet 的基础上加深层数，而是自成一派，各有所长。
本次公开课重点分享三种神经网络结构：
Network in Network（NIN，网络中的网络）：卷积网络是一种线性操作，非线性的表现能力有限，NIN 的研发者设计了比起传统的卷积网络更复杂的操作 —— MLPconv，并用 Global average pooling 极大的改进了卷积网络的大小。
VGG 和 GoogLeNet（inception_v1）：二者是 2014 年 ImageNet 竞赛的双雄。VGG 的设计理念，全部都用了 3x3 卷积，增加了网络的深度。 GoogLeNet 属于Google 的 Inception 系列，用了比较花式的网络设计，旨在减少网络的运算量，加快训练 。
Resnet（深度残差网络）： 根据无限逼近定理（Universal Approximation Theorem），我们可以用一个一层的神经网络来实现任意的维到维的映射，但网络的参数量（网络的宽度）会随着问题复杂度的增加变得非常大，而增加网络的深度则可以让我们用更少的参数量实现同样的映射。但是，随着神经网络层数的加深，它们的训练也会变得越来越困难，因为在训练时会出现梯度消失的状况。Resnet 很好的解决了这个问题，让训练达1000多层的神经网络变得可能。
除了图片分类，以 RCNN 系列为首的神经网络技术在物体检测任务上也取得了重大进展，近年来也出现了速度更快（YOLO），效果更好的算法（SSD）。
最近很火的 GAN 是一个训练框架，在 GAN 出现之前， 生成模型的训练是一件相对较困难的事情，GAN 出现后，生成模型训练的效率大大提高。
GAN的应用大部分也是生成模型的应用，用来生成图片、音乐、文字等。但是对抗训练对训练判别模型也是有非常大的帮助的，因为虽然有非线性的激活函数，但深度网络依然是高度线性的，会对误差进行累积，累积的误差结果通过肉眼分辨不出来，但是可以从卷积网络中看出。但与普通线性模型不同，深度神经网络可以拟合对抗训练可以很好的解决这个问题，解决方式是生成对抗样本，使得网络对对抗样本的容忍性更强些。
GAN这一两年来产生了许多非常有意思的应用，其中包括上期公开课中冯佳时博士提到的超分辨率，旨在把低分辨率的图片放大，而尽量不让其清晰度受影响。
｜纹理转换
近几个月比较火的纹理转换也就是所谓的图片风格化，在深度学习之前，这也是一个非常困难的问题。其本质原因在于之前非深度学习的方法只能获取到目标图片低层次的图片特征，这导致这些方法无法独立的对图片的语义内容和风格的变化进行有效地建模，从而无法很好地对两者进行解耦和合成。
风格化算法现在更迭了两代。
第一代风格化算法：Neural Style
2015年的时候，德国图宾根大学的学者们提出了一种用深度神经网络各层的响应来表达图片的风格和内容的办法，方法可概括为：
准备好在 ImageNet 数据集上训练好的 VGG 网络，然后选取其中的某些层作为风格语义的提取层，某些层作为内容语义的提取层；
用这个训练好的 VGG 提取风格图片代表风格的高层语义信息，具体为，把风格图片作为 VGG 的输入，然后提取在风格语义选取层激活值的格拉姆矩阵（Gramian Matrix）。值得一提的是，格拉姆矩阵的数学意义使得其可以很好地捕捉激活值之间的相关性，所以能很好地表现图片的风格特征；
用 VGG 提取被风格化图片代表内容的高层语义信息，具体为，把该图片作为 VGG 的输入，然后提取内容语义提取层的激活值。这个方法很好地利用了卷积神经网络的性质，既捕捉了图片元素的结构信息，又对细节有一定的容错度；
随机初始化一张图片，然后用2，3介绍的方法提取其风格，内容特征，然后将它们分别与风格图片的风格特征，内容图片的内容特征相减，再按一定的权重相加，作为优化的目标函数。
保持 VGG 的权重不不变，直接对初始化的图⽚做梯度下降，直至目标函数降至一个比较小的值。
这个方法的风格化效果震惊了学术界，但它的缺点也是显而易见的，由于这种风格化方式本质上是一个利用梯度下降迭代优化的过程，所以尽管其效果不不错，但是风格化的速度较慢，处理一张图片在GPU上大概需要十几秒。deepart.io这个网站就是运用这个技术来进行图片纹理转换的。
第二代风格化算法：Fast Neural Style
有了可以解耦图片风格和内容的方式，我们就能训练一个端到端的网络，使得我们只需要做一次前向，就能得到风格化图片。因此生成图片大概的步骤是，根据转化的网络得到输出，输出至 VGG 网络，提取风格特征后，跟风格图片的特质做比较，内容图片的特征也会被提取，跟内容图片做比较。
这种算法的有点是速度快，可以在GPU上做到实时生成。去年年中火爆全世界的 Prisma，背后就是这个技术。但这个技术还是有缺陷的，比如由于卷积网络固有的性质，它无法像手动绘图一样对图片的细节进行精挑细选的处理，所以它像是一个豪放的印象派画家，对一些对细节要求比较高的任务，比如人物的动漫化，这种方式是不太适合的。
所以，前段时间⽐较流行的《你的名字》同款滤镜所用到的技术跟Prisma 并不一样，我们猜测这个滤镜不是端到端的，而是会先对原图做像素分割，找出可能是天空的部分，然后加上新海诚特色的云，其他部分则会做一些滤镜化处理。
纹理转换的另外一个非常有意思的应用是Neural Doodle，运用这个技术，我们可以让三岁的小孩子都轻易地像莫奈一样成为绘画大师。这个技术本质上其实就是先对一幅世界名画（比如皮埃尔-奥古斯特·雷诺阿的Bank of a River）做一个像素分割，得出它的语义图，让神经网络学习每个区域的风格。
然后，我们只需要像小孩子一样在这个语义图上面涂鸦（比如，我们想要在图片的中间画一条河，在右上方画一棵树），神经网络就能根据语义图上的区域渲染它，最后得出一幅印象派的大作。
大家如果有关注 AI 领域信息的话，可能也知道 Facebook 宣布了他们的 caffe2go 框架，并展示了他们在手机上的实时风格化视频，这项成果意义重大，主要体现在可以在手机端非常有效率的运行人工智能的算法，把有趣的人工智能技术实现到你的手掌心。例如现在直播或视频中可以在人脸上添加各种可爱小动物表情的技术也是人工智能的技术，其主要运用了人脸关键点检测技术。
实现视频风格化的难点在于：
像图像风格化这样的重型应用，如果要在手机上做到实时效果，需要有非常多工程上的优化和算法方面，在尽量不影响效果的前提下减少网络的参数量；
⽐起单图片风格化，视频风格化需要考量的东西会更多，单独对视频的每一帧进行处理，不考虑帧与帧之间的关联，会造成风格化的视频抖动和不协调。
｜黑白照片上色
最后一个要介绍的技术为黑白照片上色（Colourful Image Colourization），想象一下，如果人工智能出色地完成这个任务，我们便可以用它来为老照片，老电影增色，轻易地为漫画上色了。本次公开课我会主要介绍去年 ECCV 里加州大学伯克利分校的一篇文章介绍的方法。这个方法与之前方法的不同之处在于，它把照片上色看成是一个分类问题——预测三百多种颜色在图片每一个像素点上的概率分布。这种方法tackle了这个任务本身的不确定性，例如，当你看到一个黑白的苹果时，你可能会觉得它是红色的，但如果这个苹果是青色的，其实也并没有多少违和感。大家也可以到作者的网站网站来试用他们的demo。
这篇文章里面介绍的方法有两个非常重要的trick：
颜色重平衡（Class rebalancing）
我们都知道，各个颜色在全世界所有彩色照片里面的分布是不一样的。比如，大部分照片里面可能会有天空，墙壁，草地等。论文作者给出了 ImageNet 数据集中颜色的分布，可以看出，如果用 LAB 的方式来表示图片(L 通道为像素的亮度，AB 通道表示颜色)，ab 值比较低的颜色出现的频率远高于其他颜色。
如果不考虑这个问题，我们的目标函数会对 ab 值⽐比较高的颜色极其不敏感。所以，论文作者提出了了一种方法——在训练时让每一个像素点乘上一个系数，系数的大小与该像素点 ab 值的分布有关。运用这个trick，输出图片的颜色会更有多样性，更接近真实的图片。
从概率分布得出预测颜色值（Point estimate）
我们知道，这个网络的输出是各个像素点ab值的概率分布，那么我们如何去通过这个概率分布得出这个ab值呢？当然，我们可以直接选择概率最大的值作为我们的 prediction，这种做法下输出图片的颜色会更加鲜艳，但很多时候会有不自然的patch出现。另外一种做法是，取这个概率分布的均值作为prediction，这会导致我们的输出图片对比度非常低。作者在这篇文章里提出了一个折中的做法：我们可以调整Softmax 函数的 temperature，然后再求新的概率分布的均值。
这篇文章介绍的方法虽然效果很好，但它还是有缺陷的。比如，对狗的图片上色时，即使它没有伸出舌头，神经网络总是会“想象”它伸出了，然后在鼻子下面的一小块区域涂上红色。而且，上色后的图片有时会出现一小块突兀的 patch。
以上介绍的几个技术都并不是完美的，但是瑕不掩瑜，我们能从中看到深度学习的潜力，明白它能做的远远不止是分类和检测。我相信随着社会对深度学习的热情越来越大，更多有趣的成果会不断产生。如果你觉得以上的技术很酷，那我保证，你的惊讶才刚刚开始。
｜有关产品化的思考
当然，要把学术界的成果应用到工业界其实并不是一件容易的事情。我们做机器学习的都知道一个著名的定理叫No Free Lunch Theorem，它说的就是，我们并不可能找到对所有问题都最优的算法。在ImageNet数据集上表现最好的算法，在工业级庞大、复杂、多变的数据上并不一定就会表现好。所以我们也根据各个客户数据分布的不同做了很多特定的优化。比如我们在为映客提供审核服务，直播场景本身就非常多样和复杂，我们发现当直播视频界面出现大量用手机或者电脑等电子产品播放另一个界面的内容，相对整个图片来说，内容呈现部分所占比例很小且十分模糊、不明显，当出现色情、暴恐等不良信息的时候，人工以及标准化的审核模型难以精准识别，误判、漏判的概率较高。于是我们需要针对这个问题具体优化，针对画中画的数据再做识别，然后再调用普通的审核模型。雷锋网雷锋网
图普的产品目前已经在多个行业领域取得很好的应用，但它们暂时只能在一定程度上减少大部分审核人力，无法完全替代人工。这一轮融资过后，我们将加大在服务和计算能力方面的投入，提升产品运行速度和鲁棒性；在算法方面，继续提高图像识别准确率和召回率，我们的愿景是完全解放审核人力，我们也将往审核之外的其他方向扩张业务，如人脸识别，增强现实等，提供更直接，高效和多样化的任务。
" alt="AI 如何助你成为“画家”｜雷锋网公开课" style="display: block;">
