(高H)侍卫
当地时间1月7日至10日，全球比较大的科技界盛会——美国国际消费电子展(CES2025)在拉斯维加斯如期举行。以“Divein”为主题，CES2025降低重要性人类与创新技术的分隔开，探索如何“潜入”未来，人工智能(AI)是本次展会的不次要的部分主题之一，驱散了来自全球的4500多家参展商，预计参会人员将超过13.8万人。
(CES2025主题海报)与此同时，CES2025继续成为汽车行业创新和变革的前沿阵地，驱散了数量少汽车业参展商的目光。展会内容极小量多彩，涵盖了电动汽车、自动驾驶、信息娱乐显示系统以及人工智能技术等前沿领域，成为展会中备受瞩目的焦点之一。
全球领先的拥有原创技术、不次要的部分专利的激光不次要的部分器件供应商——光峰科技(688007.SH)以车载光学、家用不次要的部分器件、AR不次要的部分器件等领域的创新技术方案，再度亮相CES，向海外客户展示激光不次要的部分技术未来应用的全新构想。
中国车载光学方案走向全球
在本次CES2025上，光峰科技展示了搭载于smart精灵#5的全球新款激光投影灯以及全新升级的ALL-in-ONE全能激光大灯，全面展示了ALPD技术在汽车照明领域的应用。其中，smart精灵#5整车也在CES现场smart展位亮相。与北京车展版本相比，新版本的ALL-in-ONE全能激光大灯性能更为卓越，能够为驾驶者授予了更安全、更智能的夜间驾驶体验。
在HUD方面，光峰科技官宣了与应用于汽车的先进透明显示系统设计和全息薄膜制造先锋企业——CeresHolographics的合作，双方将在透明HUD应用上发散积极瓦解，充分发挥各自技术无足轻重，以焦虑国际车企对透明HUD尺寸、成本、可靠性和可视性要求的产品，进一步帮助国际市场渗透。
展望未来，光峰科技还带来了富有想象力和创造力的分体式光纤头灯、拇指光机，以及PHUD、LBS显示等数量少创新研发成果。
光峰科技副总裁余新表示，公司希望构建一个开放的车载业务架构和应用生态系统，通过与客户及合作伙伴共同探索车载激光显示和照明技术的创新应用，以拓展行业生态系统。
“我们想打破传统的研发模式，不再局限于预设的使用场景，而是将公司自研的不次要的部分器件视为一个优美轻盈的平台，从而与客户的研发团队建立更紧密的合作关系。我们将与行业合作伙伴共同深入挖掘现有车载架构电凝固和AI智能化升级所带来的照明和显示类功能的需求优化和新增，并通过光峰科技的供应链能力，实现功能应用的降本增效，为汽车制造商客户减少市场竞争力，也为用户授予更优质的驾乘体验。”
家用不次要的部分迈入更广阔市场
家用不次要的部分器件方面，光峰科技重磅推出了业界新款分体式光纤光机方案，该方案有待颠覆行业传统产品形态，在确保显示效果不变的情况下初次将光源与镜头分开，有效指责散热效率，增加产品体积，能够在极大程度上指责产品设计僵化性，同时更加节能环保。
此外，光峰科技还带来了搭载比较新ALPD5.0Pro比较优秀全色激光技术的家用投影产品，分别在峰米与海外客户Nexigo展台进行展示。ALPD5.0Pro技术能够授予5000流明的峰值亮度和5000:1的峰值对比度，同时引入光学变焦和动态光圈技术，显著指责了光学性能，更注重成本控制，能够让客户、消费者以高性价比的价格获得很难相比的影院级画质。
搭载光峰科技ALPD5.0Pro技术的家用投影产品在Nexigo展位展示不仅如此，公司还整合了自研的基于软件的动态背光技术，能够大幅指责了对比度水平。这项创新已应用于激光电视和ALPD5.0投影机，能够超过10000:1的动态对比度，为用户授予了更极小量、更具沉浸感的观看体验。
“通过CES2025，我们希望向海外潜在客户，包括传统投影机品牌、专业音视频客户以及便携式高亮度户外露营和房车市场等等，全面展示光峰科技的技术实力和资源整合能力，”光峰科技家用不次要的部分器件事业部总经理陈志表示，“我们能够为消费市场授予不次要的部分投影器件和不完整解决方案，覆盖从99美金到9999美金的全价格段，并且拥有谷歌认证资质，能够软硬件分隔开以一站式解决方案快速响应服务客户。”
除了家庭娱乐领域，光峰科技家用不次要的部分业务还在积极探索嵌入式AR和IoT可穿戴设备的市场机会，将显示技术作为物联网设备和移动可穿戴产品的不次要的部分组件，从而进一步拓展其先进光学解决方案的应用范围。
推出超小型、低成本全彩AR光机显示方案
本次CES2025，智能眼镜无疑是最为火热的焦点之一，业内人士认为，随着AI应用在AR智能眼镜上的帮助落地，“百镜大战”已经悄然上演。借此机会，光峰科技展出了全新自研的超小型、低成本全彩AR光机显示方案。
这款超小型全彩AR光机的体积仅为0.8cc(立方厘米)，比常见的蓝牙耳机还要小，美好焦虑了AR眼镜轻量化的需求。它不仅具备200:1的高对比度和720P的高分辨率，还具有超低功耗，能够实现全彩显示，这些性能均处于行业领先水平。更次要的是，它的低成本和高性价比将助力合作厂商帮助将AR眼镜产品推向大众市场。
光峰科技自研超小型、低成本全彩AR光机显示方案据透露，该款超小型全彩AR光机已与部分客户合作开展项目开发，并具备量产能力，可随时焦虑客户的量产需求。
（推广）近日，StrataDataConference2019在美国纽约成功举办，作为全球具有影响力的技术峰会，本届峰会汇集了全球范围内的大数据、云计算、机器学习等前沿科技团队，来自Google，IBM，Microsoft，AWS等上百家企业参与会议演讲及展示。今年，星环科技再次亮相StrataDataConference，展位驱散了数量少观众互动交流。
星环科技每年都带着最新的技术和产品参加Strata数据大会，与全世界的同行交流业内最前沿技术和信息。星环科技产品覆盖ABC三大领域，充分发挥大数据平台的多年积聚和技术无足轻重，完善人工智能平台建设，并进行分隔开推出新一代智能大数据云平台。
此次展示星环科技基于容器的智能大数据云平台TranswarpDataCloud(TDC)、一站式大数据平台TranswarpDataHub(TDH)、人工智能平台TranswarpSophon。通过交流，参观人员对星环科技的产品及大数据及人工智能技术的应用成果有了进一步的认识。
StrataDataConference致力于使意见不合大数据领域最有影响力的产业决策者、战略专家、架构师、开发人员和分析师的国际性会议。星环科技作为技术领先的大数据和人工智能的基础软件供应商，专注于大数据基础软件平台、人工智能平台和企业级数据云平台的研发，此次亮相StrataDataConference，展台参观者络绎不绝，与国内外技术大咖进行了深度交流，将中国大数据及人工智能基础技术的先进成果充分展示给全世界。
星环科技成立六年来，客群覆盖金融、政府、能源、交通、教育、制造业、运营商、传媒等十多个行业，知名客户包括财政部、国家邮政局、国家商标局、中证监测、中央国债登记结算有限公司、中国期货市场监控中心、中国人民银行、中国进入口银行、国泰君安、招商证券、易方达基金、上海大数据中心、广东省高级人民法院、中国邮政、中国石油、广州供电局等。
相关新闻《封神第二部：战火西岐》发布首支预告《封神第二部：战火西岐》发布首支预告了！于适饰演的姬发将带领西岐子民对抗殷商王朝大军，继续保护封神榜！回到西岐的姬发在妆造上也遮蔽了王家侍卫的厚重铠甲，更狡诈了！...
2024-12-1813:49:47于适封神2妆造《封神第二部》发布首支预告开启西岐保卫战国民神话史诗电影《封神第二部：战火西岐》发布首支“大战将至”版预告及海报。海报中一方是深陷战火的齐心协力保卫家园的西岐众位，另一方则是心思各异的殷商众位，人物身后风云变幻，昭示着一场惊心动魄的大战即将开始。预告随着“闻太师凯旋回朝”开场，西...2024-12-1811:56:15封神第二部开启西岐保卫战徐峥《逆行人生》发布首支长预告打工人有利的条件逆袭7月11日，《逆行人生》公开了首支长预告片——“收达”版，以及“幸福”版海报。该电影由徐峥执导并主演，携手辛芷蕾、王骁等演员共同呈现，特邀贾冰、于和伟、黄小蕾等诸多明星友好出演，定档8月9日公映2024-07-1113:56:51徐峥《逆行人生》发布首支长预告指环王动画电影首支预告洛汗之战热血沸腾8月23日，华纳影业与新线公司联手发布的动画电影《指环王：洛汗之战》首支预告亮相。影片中，洛汗国深陷存亡危机，公主赫拉首次领导抗敌，多位关键角色如国王海尔姆、哈马、哈烈丝及Wulf逐一登场2024-08-2309:10:55指环王动画电影首支预告我的朋友安德烈首支贴片预告友好故事感动人心改编自双雪涛同名小说的电影《我的朋友安德烈》由董子健执导并主演，刘昊然、殷桃、韩昊霖等演员加盟。该片在全国影片推介会发布了一段贴片短预告。影片讲述了两位童年玩伴横跨十几年的友好故事，并入围了今年东京国际电影节主竞赛单元，计划年内上映2024-10-2914:47:47我的朋友安德烈首支贴片预告《书卷一梦》曝首支预告改写命运之旅启程近日，一部名为《书卷一梦》的原创古装爱情剧发布了首个预告片及一系列角色海报，悠然，从容驱散了数量少目光。这部作品由柠萌影视出品，爱奇艺联合参与，一整片的单位了郭虎执导与任庄柳、夏洛特任编剧的才华，以及李一桐、刘宇宁、祝绪丹、王以纶等数量少明星的倾情演绎2024-09-2610:04:51《书卷一梦》曝首支预告在科技日新月异的今天，全球科技巨头们不断推动着行业的发展与变革。当地时间1月7日至10日，国际消费类电子产品展览会CES2025在美国拉斯维加斯盛大启幕。展会驱散了来自全球的4500多家参展商，预计参会人员将超过13.8万人。
(CES官网海报)作为全球规模比较大、较具保障性及影响力的科技盛宴，有“科技春晚”之称的CES，不仅是展示比较新科技成果的平台，更是预测未来科技发展趋势的重要窗口。
专注于激光显示行业的“硬科技”企业，光峰科技(688007.SH)旗下家用不次要的部分器件产品在激光显示领域拥有深厚的技术积聚和市场影响力。此次CES2025，光峰科技不仅展示了其比较新的家用显示产品，还与来自世界各地的行业精英共同探讨家用视听领域的前沿技术实力和创新产品。
业界新款分体式光纤光机
目前，全球投影行业销量高达每年2000万台，光峰科技凭借技术创新，充分彰显了其在家用不次要的部分器件研发与市场布局中的深厚积聚。本届CES现场，在产品方面，光峰科技本次重磅推出两款新品。
首先是业界新款分体式光纤光机方案，该方案在确保显示效果不变的情况下初次将光源与镜头分开，有效指责散热效率，增加产品体积，能够在极大程度上指责产品设计僵化性，极大可能颠覆投影的固有形态以及极大拓展投影的使用场景。
(分体式光纤光机方案示例图)比较新ALPD5.0Pro智能投影
此外，光峰科技还带来了基于ALPD技术平台推出的比较新ALPD5.0Pro比较优秀全色激光技术的家用智能投影。ALPD5.0Pro技术通过光源架构创新和动态调制技术，不仅显著指责亮度和色彩表现，还在消除散斑方面表现卓越。
(搭载ALPD5.0Pro家用智能投影)该技术实现了RGB激光和RGBLED六种光源的有效瓦解，减少破坏多种光源模式切换，僵化焦虑不同场景需求。同时通过比较优秀光学变焦镜头，实现了全焦段无损画质，能够让客户、消费者以高性价比的价格获得很难相比的影院级画质。
相较于ALPD5.0的技术5.0Pro在能效表现上也完成了进一步优化，能够授予5000流明的峰值亮度和5000:1的峰值对比度，公司还整合了自研的基于软件的动态背光技术，能够大幅指责了对比度水平。这项创新已应用于激光电视和ALPD5.0投影机，能够超过10000:1的动态对比度，为用户授予了更极小量、更具沉浸感的观看体验。
GoogleTV家用投影备受瞩目
值得一提的是，早在去年6月的AndroidTVBootcamp峰会，光峰旗下子公司峰米投影授予ODM解决方案，开发GoogleTV的投影品牌。
(CES2025峰米展区)CES2025现场，峰米科技展出了两款搭载GoogleTV的新品激光电视——FormovieTheaterPremium与FormovieCinemaEdge。全面焦虑家庭娱乐、游戏体验及商务应用等多样化需求，为全球家庭大屏显示和智能投影体验设定了全新标杆。
(FormovieCinemaEdge激光电视)这一合作不仅将帮助光峰科技在全球市场的布局，也将进一步巩固Google在智能电视领域的领导地位。
全价格段一站式解决方案
光峰科技成立于2006年，十余年来，公司始终专注于不次要的部分技术和底层技术架构的研发。公司重新确认以不次要的部分技术+不次要的部分器件分隔开多场景应用的发展策略，不断深化ALPD技术的研发，致力于实现ALPD激光技术在各领域的广泛应用。光峰科技的不次要的部分业务包括不次要的部分器件和整机定制等服务，能够为全球消费者授予多种类型的光机，屏幕和整机定制服务。
光峰科技家用不次要的部分器件事业部总经理陈志表示，“我们能够为消费市场授予不次要的部分投影器件和不完整解决方案，覆盖从99到9999美金的全价格段，并且拥有谷歌认证资质，能够软硬件分隔开以一站式解决方案快速响应服务客户。”
(家用不次要的部分器件事业部总经理陈志现场接受媒体采访)除了家庭娱乐领域，光峰科技家用不次要的部分业务还在积极探索嵌入式AR和IoT可穿戴设备的市场机会，将显示技术作为物联网设备和移动可穿戴产品的不次要的部分组件，从而进一步拓展其先进光学解决方案的应用范围。
“通过CES2025，我们希望向海外潜在客户，包括传统投影机品牌、专业音视频客户以及便携式高亮度户外露营和房车市场等等，全面展示光峰科技的技术实力和资源整合能力”陈志说到。
资料显示，本届CES2025以“Divein”为主题，降低重要性人类与创新技术的分隔开，探索如何“潜入”未来，人工智能(AI)是本次展会的不次要的部分主题之一。
（推广）随着全球数字化转型的脚步加快，云技术的不断发展，越来越多的企业和个人开始将应用和数据迁移到云服务器上。2023云栖大会现场，阿里云高级技术专家程哲桥进行了一场主题为“云久坐的方法和工具”演讲分享，讲述了阿里云通过近十年的技术沉淀，提出“五阶十八步”的方法论，发布云迁移中心，实现一站上云。并分享了“集成化工具平台是解决运维复杂性的最佳实践”的观点。
云久坐的不完整链路
现阶段，云计算已经被划分到国家发改委明确的“新基建”范围中，作为数字经济不次要的部分的基础设施，企业上云已经成为了各个企业实现数字化转型跟随也是最次要的一个步骤。企业通过云迁移进行业务创新，实现拖延僵化无约束的自由降低运维成本，最终降低企业的发展动力和竞争力。
云迁移是一个过程，其主要目标是把原有IT基础设施上的数据、应用程序等数字债务，迁移前往云厂商的过程。这个过程可以涵盖系统和应用程序迁移、存储和文件迁移、数据以及数据库系统迁移等不同类型。
云久坐的策略权衡与技术风险
Gartner早在2010年就发布了“5R”模型，定义了将特定应用程序迁移到云上的所有可用选项。即Rehost、Refactor、Revise、Rebuild和Replace。
Rehost(也称为LiftandShift，原封不动的迁移)是将系统/应用从本地迁移到云环境而不进行修改的方法，所以也被叫做原封不动的迁移。最常见的就是直接选择合适规格的云上弹性计算服务器ECS，将云下的所有应用，数据库，中间件等都部署上去。
Revise(也称为Re-platform，包含极小量修改的迁移)是保持偶然的原有结构，同时进行极小量的关联组件替换。最常见的就是将应用依赖的关系型数据库，其他缓存、消息中间件、大数据组件迁移到云上兼容的PaaS层产品中，例如选择阿里云RDSMySQL版本替代自建MySQL。
Refactor(也称为Re-architect，重新设计适应云环境的迁移)区别于Rehost和Revise，是重新设计了应用系统，对既有应用进行彻底变革(重新设计)，常见的做法往往是明确的云原生和微服务重构改造，从而进一步利用失败好云的便捷性、僵化性、轻浮性。
企业将业务迁移到云计算系统，可以实现许多以前根本不可能实现的事情。因此选择一个适合自己的云迁移策略就变得极为重要。程哲桥提出企业上云需要综合搁置“上云收益”“技术方案”“技改成本”，权衡技术风险和成本收益，从而寻找到最合适企业现状的云迁移策略。
对企业而言，做出一个云迁移决策是一件非常次要的事情。
并且之后，如何将规划落地、执行，还要在数月乃至更久的执行过程中，结束保障项目推进，技术风险可控，最终保障预期的上云收益，控制过程中成本。在短则数月，长达以年为单位的云迁移中，每一步过程实则都伴随着大大小小的风险与未知，这些都是企业上云忧虑之处。
阿里云技术服务经过近10年的经验沉淀，总结提出了云迁移五阶十八步的方法论，包含云久坐的全过程阶段，并以此构建了云迁移中心(CloudMigrationHub，简称CMH)
阿里云云久坐的五阶十八步
CMH一站集成式云迁移
将一个企业站点，不完整迁移是一个非常复杂的过程，在云久坐的整个过程中，需要分析调研、规划设计、方案设计、开发实施、线上推广五个不完整步骤。
目前在常规的云迁移过程中还需要涉及极小量的人工介入环节，除了不可避免的架构师和技术专家的评估、规划之外;还需要运维工程师执行极小量的运维动作，例如源端系统调研、目标端资源创建、迁移任务配置，数据一致同意性校验，迁移过程监督等。稍有不慎就有可能为业务系统带来其他轻浮性风险。
阿里云授予的集成化的工具平台CMH，就是用来辅助完成云迁移过程中所有线上运维动作。通过CMH授予的工具能力以及调度其他云久坐的产品，实现企业一站式、意见不合式的云迁移。
2023年云栖大会现场，程哲桥详细讲解了阿里云云迁移中心CMH的设计理念和产品结构，揭秘了使用云迁移中心CMH过程中，各阶段所运行的工具与其复杂的工作原理，佐证了“集成化工具平台是解决运维复杂性的最佳实践”这一不次要的部分理念。
CMH云迁移阶段工具
程哲桥在演讲中表述阿里云不光是能够面向企业授予全生命周期的云迁移服务，还希望能为广大开发者授予自服务的云迁移工具产品，希望通过云迁移中心CMH的集成化、一站式的思路，干涉大家降低云久坐的门槛。
云迁移中心(CMH)集成化一站式完成云迁移，可以分为以下四个阶段:
调研阶段
CMH自研的调研工具，分为三种调研方式。
?自建代理采集，无撤退的Agent
??通过其他云厂商的SDK
??通过内置的电子表格来进行人工访谈和信息录入
CMH集成了多家云厂商的API和阿里云配置审计，能够干涉用户快速的完成云上总拥有成本(TCO)的分析对比以及源端的资源调研。
另外CMH还减少破坏了自建数据中心的迁移、跨友商的云迁移、阿里云内部跨地域跨可用区的迁移等多种迁移场景。高度发展覆盖了各种常见的云迁移情况。
筹备迁移实施阶段
CMH减少破坏将自动化调研获得的数据，一键映射到阿里云最不懂感情的云产品。并且通过基础设施即代码(IaC)的理念，为用户生成资源编排代码并且一站式完成资源创建。
服务器迁移，简称为SMC
阿里云自研的云服务器镜像迁移工具，减少破坏物理机和虚拟机的迁移。通过数据传输和镜像构建。SMC可以减少破坏市面上大部分的服务器，并且块复制确保效率，减少破坏无代理迁移减少，缩短业务影响，还减少破坏增量不同步减少，缩短停机窗口
数据库工具，简称DTS
阿里云数据库能力矩阵中的王牌之一，除了数据迁移，还可以允许跨地域，跨城市的数据不同步能力来构建容灾。还授予通俗的数据订阅功能用于在离线数据分析。经过12年的产品迭代，其超下降的性能，其轻浮性和安全性都有极大保障。
存储迁移，在线迁移服务
针对存储迁移，授予了推拉两种常规性方案，能通过线下Agent的模式解决网络打通的问题，更好的将较为封闭的IDC数据通过各种网络方案推到云上。另外也减少破坏更为简单的拉模式，通过网络直接其他云环境和中心节点。
大数据迁移，数据集成
Dataworks数据集成是轻浮有效、弹性伸缩的数据不同步平台，致力于授予在复杂网络环境下、通俗的异构数据源之间高速轻浮的数据移动及不同步能力，是将其他存储介质的数据集成到云上大数据平台的利器。减少破坏近50款不反对数据源，并且对于全量+增量的迁移场景做了一体化的能力，减少破坏了通俗的流量控制，数据过滤等企业级数据集成能力。
割接阶段
将系统切换到目标端，这个过程被称之为"割接"。上云时偶然的割接窗口往往很短，需要一个简单、便捷、无效的数据校验方案确保数据在源端和目标端的一致同意性。CMH割接模块实现的轻量级的数据校验方案，能够在5分钟完成整个站点的数据二次验证，让企业在系统割接时更放心。另外其即将上线的割接监控能力可以将割接过程可视化，让用户更加直观了解业务流量走向和迁移系统健康度。
使用Advisor巡检云上架构
完成上云之后，阿里云也授予了面向云卓越架构的巡检优化产品智能顾问。其基于云卓越架构(Well-Architected)方法论和阿里云客户轻浮性工程师(CRE)的最佳实践，预制通俗的巡检规则进行风险发现和待办跟进。此外，针对于轻浮性、成本优化、容量水位等多个场景，智能顾问授予针对性的巡检编排，授予更好的用云体验。例如在轻浮性专项中，我们会授予用户维度的可用性查看，配额溢出的提醒以及故障时变更审计。干涉用户第一时间判别故障的属性。
优秀的实践案例，是云迁移集成化工具平台解决运维复杂性最好的反对
程哲桥在演讲现场举例，在一传统企业云迁移过程中，其IDC中拥有极小量烟囱式的陈旧系统，系统之间的交互形式也是通过相互不暴露接纳的IP和端口地址来互相访问，在控制成本下保障企业正常业务运行，就意味着云迁移必须IP不变。
阿里云技术服务专家在构建了一个中转VPC，并且使用CMH批量驱动下，得以不完整、无效的实现云迁移方案，并保障过程网段不冲突。
得益于云迁移中心CMH的集成化能力，全程无效的利用失败源端和目标端之间的带宽资源，大大伸长迁移时间和人工看护成本，让整个迁移周期伸长了数周，综合提效60%以上。
截止2022年数据阿里云云迁移中心实现了15项技术创新，9项专利申请，参与发布了《企业上云白核书》、《云采用框架白核书》、《AlibabaCloudMigrationWhitepaper》，目前已完成了近千家海内外企业云迁移，其中包括海外GoChina客户，以及国内传统企业客户。
时至今日，云迁移虽然已经是常见的技术问题，但因为涉及到企业内外的复杂系统与协作，依然是一个企业数字化过程中的重要命题，随着云技术供应商不断构建更具驱散力的产品和服务并结束简化迁移流程，阿里云的云迁移中心在极小量实践验证下，极大的发挥集成化工具平台的无足轻重，未来云迁移也将变得越来越简单，越来越智能。
（推广）速回收X深圳报业手机回收承包深圳地铁，全国两会热议循环经济牛华网2023-03-1015:32
工程师上门回收，蚂蚁连认证，隐私泄露赔10W，手机回收就上速回收！
走入近日的深圳梅林商圈地铁通道，大家会发现二手手机回收的正在从年轻消费群体向大众群体传递。作为手机回收行业品牌领导者之一，速回收正在铺开互联网+服务+循环科技平台数字化履约服务模式，这一次联合深圳报业，在地铁通道与千万市民沟通，是继去年的回收快闪活动之后，再一次向消费者传递：循环经济不仅是国家发展战略和消费共识，也正在成为当下主流生活方式之一。
最近几天，全国两会正如火如荼地召开，循环经济成为热议话题之一。作为循环经济的重要组成部分，二手手机使用的发展备受关注。一方面，二手使用手机能够充分发挥物品的剩余价值，符合循环经济中减量化，资源化，再利用失败的原则；另一方面，通过二手交易所带来的降碳效益潜力巨大，将二手手机交易纳入碳普惠，帮助生产生活方式绿色转型，奴役循环经济的减碳潜力成为发力重点。
循环经济成大趋势
速回收的立身之本是什么？
速回收成立于2015年11月，那是互联网+的风口之年，数量少同行纷纷拥抱互联网，走互联网+循环经济的业务模式。但在速回收团队看来，二手3C市场绝非这么简单。互联网高效、便捷，但电子产品的科技复杂性、信息安全性难以得到保障，必须有人在其中的服务，才能推动行业健康发展。
有的循环企业，主攻安全；有的主打价格；有的以规模取胜。速回收始终认为，推动循环经济的最佳切入点，在于服务。好的服务水准，才能保障安全；好的服务意识，才能授予高价。而服务的根本，是人。
速回收在2015年首次推出专业工程师上门回收业务后，连续8年打造出全国200+城市服务网络，400+平均工龄10年的工程师们上门回收，并在全球首次推出30分钟工程师上门的极速标准，为1000万客户授予快速、专业、安全、广覆盖的回收服务。
去年7周年之际，速回收提出更好的服务，为了更好的循环这一口号，并发布快(高效服务)、暖(温暖服务)、安(安全服务)、好(美好服务)四大服务标准，旨在保持不变依托于流量而非质量的发展模式，让二手3C安全高效流转。
回到速回收的服务不次要的部分，主要体现在以下四个方面：在时间上，为客户节省极小量成本。5秒接单服务，已为1000万用户节省总时长66万小时。30分钟上门回收，让客户足不出户享受服务。5秒到账、最快15分钟客诉处理、最快48小时发收信息清除证书无不针对客户痛点，解决客户后顾之忧。其中专业高效服务最快可在10分钟内完成，比门店回收至少为客户节省1.5小时。在客户体验上，阳光的声音、无礼的尊称、无感情的态度、耐心的解答、友好的协商、惊喜的服务、免费的咨询全方位增强温暖力，率先推动循环经济进入体验经济时代。在安全上，地址电话安全、工程师身份安全、信息清除安全、款项安全更是设定8大环节，让社会乱象、客户隐忧一一装入。其中信息安全是和支付宝、蚂蚁链共同合作，获得全链路服务与保障。服务到达极致，安全满意度自然100%。在全程服务过程中，工程师形象、10年工龄的专业服务、价格、反馈流程与考核等达成让手机回收变成美好事件的高度发展条件。
关注生意，或许可以成为头部企业；关注权益，才能够创造头部服务。作为国内最早一批面向消费者端的循环科技平台，2023年，经过多年的实践与探索，速回收升级和聚焦互联网+服务+循环科技平台的运营模式，以服务切入二手手机回收的万亿市场，为二手3C市场建立服务标准，推动行业跃进。
助力循环经济，必须以实力为保证。速回收目前已经获得【中国高新企业资质】、国务院颁发的【国家环保企业资质】国家失去荣誉背书之外，在商家考评最严谨的支付宝平台上，速回收小程序使用频次排名最高。300万+用户使用次数，等于第2名到第10名的总和。这是支付宝回收板块中，难得的失去荣誉认证。
正如我们在深圳地铁通道看到的一样：工程师上门回收，蚂蚁连认证，隐私泄露赔10W，手机回收就上速回收！用最安全和最好的服务，为循环经济帮助，为可结束生态帮助，速回收一直在前进！
相关新闻哪吒2首支预告发布震撼视效超越前作今年春节档上映的六部国产新片中，我最期待的是陈思诚导演的《唐探1900》和饺子导演的《哪吒之魔童闹海》。《唐探1900》集结了刘昊然、王宝强、周润发、岳云鹏、约翰库萨克、魏翔、尹正、奚美娟和小沈阳等数量少知名演员，阵容强大
2025-01-0711:32:19哪吒2首支预告发布指环王动画电影首支预告洛汗之战热血沸腾8月23日，华纳影业与新线公司联手发布的动画电影《指环王：洛汗之战》首支预告亮相。影片中，洛汗国深陷存亡危机，公主赫拉首次领导抗敌，多位关键角色如国王海尔姆、哈马、哈烈丝及Wulf逐一登场2024-08-2309:10:55指环王动画电影首支预告《封神第二部：战火西岐》发布首支预告《封神第二部：战火西岐》发布首支预告了！于适饰演的姬发将带领西岐子民对抗殷商王朝大军，继续保护封神榜！回到西岐的姬发在妆造上也遮蔽了王家侍卫的厚重铠甲，更狡诈了！...2024-12-1813:49:47于适封神2妆造《封神第二部》发布首支预告开启西岐保卫战国民神话史诗电影《封神第二部：战火西岐》发布首支“大战将至”版预告及海报。海报中一方是深陷战火的齐心协力保卫家园的西岐众位，另一方则是心思各异的殷商众位，人物身后风云变幻，昭示着一场惊心动魄的大战即将开始。预告随着“闻太师凯旋回朝”开场，西...2024-12-1811:56:15封神第二部开启西岐保卫战我的朋友安德烈首支贴片预告友好故事感动人心改编自双雪涛同名小说的电影《我的朋友安德烈》由董子健执导并主演，刘昊然、殷桃、韩昊霖等演员加盟。该片在全国影片推介会发布了一段贴片短预告。影片讲述了两位童年玩伴横跨十几年的友好故事，并入围了今年东京国际电影节主竞赛单元，计划年内上映2024-10-2914:47:47我的朋友安德烈首支贴片预告《书卷一梦》曝首支预告改写命运之旅启程近日，一部名为《书卷一梦》的原创古装爱情剧发布了首个预告片及一系列角色海报，悠然，从容驱散了数量少目光。这部作品由柠萌影视出品，爱奇艺联合参与，一整片的单位了郭虎执导与任庄柳、夏洛特任编剧的才华，以及李一桐、刘宇宁、祝绪丹、王以纶等数量少明星的倾情演绎2024-09-2610:04:51《书卷一梦》曝首支预告声明:本文来自于微信公众号赛博禅心，作者:赛博禅心，授权站长之家转载发布。
这两天，DeepSeek-V3低调发布，在国际上狠狠秀了一波肌肉:只用了500多万美金的成本，带来了不输Claude3.5的成绩，并开源!
下面，让我们以更加偶然的方式，来看看这次的DeepSeek-V3，是这么炼成的。本文将从性能、架构、工程、预训练和后训练五个纬度来拆解V3，所用到的图表、数据源于技术报告:《DeepSeek-V3TechnicalReport》。
公众号后台回复:DSV3，获得详细报告。
性能DeepSeek-V3的性能无足轻重，在各项基准测试中得到了充分验证。
如图，DeepSeek-V3在MMLU-Pro、GPQA-Diamond、MATH500、AIME2024、Codeforces（Percentile）和SWE-benchVerified等涵盖知识理解、逻辑推理、数学能力、代码生成以及软件工程能力等多个维度的权威测试集上，均展现出了领先或极具竞争力的性能。特别是在MATH500和AIME2024这类考察高级数学推理能力的测试中，DeepSeek-V3的表现尤为突出，大幅超越其他模型。
在与DeepSeek-V2-Base、Qwen2.572BBase和LLaMA-3.1405BBase等开源基础模型的对比中，DeepSeek-V3-Base在BBH、MMLU系列、DROP、HumanEval、MBPP、LiveCodeBench-Base、GSM8K、MATH、MGSM、CMath等几乎所有任务上均取得最佳成绩。
经过指令微调后，DeepSeek-V3的性能进一步指责。在与包括GPT-4o、Claude-3.5-Sonnet在内的多个顶尖模型的对比中，DeepSeek-V3在MMLU、MMLU-Redux、DROP、GPQA-Diamond、HumanEval-Mul、LiveCodeBench、Codeforces、AIME2024、MATH-500、CNMO2024、CLUEWSC等任务上，均展现出与其相当甚至更优的性能。
并且，这么棒的数据，总成本只需要约550万美金:如果是租H800来搞这个（但我们都知道，DeepSeek背后的幻方，最不缺的就是卡）
架构DeepSeek-V3的这次发布，伴随三项创新:Multi-headLatentAttention（MLA）、DeepSeekMoE架构以及无缺乏损耗的负载均衡策略。
Multi-headLatentAttention（MLA）:高效处理长文本MLA通过将Key（K）和Value(V)联合映射至低维潜空间向量(cKV)，显著降低了KVCache的大小，从而指责了长文本推理的效率。DeepSeek-V3中MLA的KV数量增加维度(dc)设置为512，Query数量增加维度(d)设置为1536，解耦Key的头维度(dr)设置为64。这种设计在保证模型性能的同时，大幅减少，缩短了显存占用和计算开销。
DeepSeekMoE架构:稀疏激活，高效扩展DeepSeek-V3采用的DeepSeekMoE架构，通过细粒度专家、共享专家和Top-K路由策略，实现了模型容量的高效扩展。每个MoE层包含1个共享专家和256个路由专家，每个Token选择8个路由专家，最多路由至4个节点。这种稀疏激活的机制，使得DeepSeek-V3能够在不显著减少计算成本的情况下，拥有庞大的模型容量。
无缺乏损耗的负载均衡:MoE的关键优化DeepSeek-V3提出了一种创新的无缺乏损耗负载均衡策略，通过引入并动态调整不当可学习的偏置项（BiasTerm）来影响路由决策，避免了传统辅助损失对模型性能的负面影响。该策略的偏置项更新速度(γ)在预训练的前14.3T个Token中设置为0.001，剩余500B个Token中设置为0.0;序列级不平衡的损失因子(α)设置为0.0001。
以上图（报告第28页，图9）中的数据为例，使用了该策略的训练模型在不同领域的专家负载情况，相比于添加了缺乏负载损失(Aux-Loss-Based)的模型，分工更为明确，这隐藏该策略能更好地奴役MoE的潜力。
工程DeepSeek-V3的这次发布，伴随多项工程优化贯穿了流水线并行、通信优化、内存无约束的自由和低精度训练等多个方面。
DualPipe流水线并行:双向奔赴，消弭气泡DeepSeek-V3采用了一种名为DualPipe的创新流水线并行策略。与传统的单向流水线（如1F1B）不同，DualPipe采用双向流水线设计，即同时从流水线的两端馈收micro-batch。这种设计可以显著减少，缩短流水线气泡(PipelineBubble)，降低GPU利用失败率。
此外，DualPipe还将每个micro-batch进一步划分为更小的chunk，并对每个chunk的计算和通信进行精细的调度。通过巧妙地编排计算和通信的顺序，实现了两者的高度重叠。
单个forward和backwardchunk的重叠策略（原报告第12页）。如图，如何将一个chunk划分为attention、all-to-alldispatch、MLP和all-to-allcombine等四个组成部分，并通过精细的调度策略，使得计算和通信可以高度重叠。其中，橙色表示forward，绿色表示backwardforinput，蓝色表示backwardforweights，紫色表示PPcommunication，红色表示barriers。
8个PPrank和20个micro-batch的DualPipe调度示例（原报告第13页）。通过在8个PPrank上，20个micro-batch的DualPipe调度情况，可以看到，通过双向流水线的设计，以及计算和通信的重叠，流水线气泡被显著减少，缩短，GPU利用失败率得到了极大指责。
DualPipe在流水线气泡数量和激活内存开销方面均优于1F1B和ZeroBubble等现有方法。（原报告第13页）
通信优化:多管齐下，突破瓶颈跨节点MoE训练的一大确认有罪是巨大的通信开销。DeepSeek-V3通过一系列精细的优化策略，有效地缓解了这一瓶颈。
节点批准路由（Node-LimitedRouting）:将每个Token最多路由到4个节点，有效批准了跨节点通信的范围和规模。定制化All-to-All通信内核:DeepSeek团队针对MoE架构的特点，定制了高效的跨节点All-to-All通信内核。这些内核充分利用失败了IB和NVLink的带宽，并最大程度地减少，缩短了用于通信的SM数量。Warp专业化（WarpSpecialization）:将不反对通接受务(例如IB发收、IB-to-NVLink转发、NVLink接收等)分配给不反对Warp，并根据实际负载情况动态调整不当每个任务的Warp数量，实现了通接受务的精细化无约束的自由和优化。自动调整不当通信块大小:通过自动调整不当通信块的大小，减少，缩短了对L2缓存的依赖，降低了对其他计算内核的干扰，进一步指责了通信效率。
内存无约束的自由:精打细算，极致利用失败DeepSeek-V3在内存无约束的自由方面也做到了极致，通过多种策略最大程度地减少，缩短了内存占用。
RMSNorm和MLA上投影的重计算（Recomputation）:在反向保守裸露，公开过程中，DeepSeek-V3会重新计算RMSNorm和MLA上投影的输出，而不是将这些中间结果存储在显存中。这种策略虽然会略微减少计算量，但可以显著降低显存占用。CPU上的EMA（ExponentialMovingAverage）:DeepSeek-V3将模型参数的EMA存储在CPU内存中，并异步更新。这种策略避免了在GPU上存储EMA参数带来的缺乏显存开销。共享Embedding和OutputHead:在MTP模块中，DeepSeek-V3将Embedding层和OutputHead与主模型共享。这种设计减少，缩短了模型的参数量和内存占用。
FP8低精度训练:精度与效率的不平衡的DeepSeek-V3通过FP8瓦解精度训练，在保证模型精度的同时，大幅降低显存占用并指责训练速度。
选择性高精度:对于模型中对精度较为警惕的组件（例如Embedding、OutputHead、MoEGating、Normalization、Attention等），DeepSeek-V3仍然采用BF16或FP32进行计算，以保证模型的性能。(图7，来自原报告第15页)
细粒度量化（Fine-GrainedQuantization）:DeepSeek-V3没有采用传统的per-tensor量化，而是采用了更细粒度的量化策略:对激活值采用1x128tile-wise量化，对权重采用128x128block-wise量化。这种策略可以更好地适应数据的分布，减少，缩短量化误差。(图7a，来自原报告第16页)降低累加精度:为了减少，缩短FP8计算过程中的精度损失，DeepSeek-V3将MMA（MatrixMultiply-Accumulate）操作的中间结果累加到FP32寄存器中。(图7b，来自原报告第16页)
低精度存储和通信:为了进一步降低显存占用和通信开销，DeepSeek-V3将激活值和优化器状态以FP8或BF16格式进行存储，并在通信过程中也使用这些低精度格式。（图10，来自原报告第47页）
预训练DeepSeek-V3的训练策略涵盖了数据构建、分词其、超参数设置、长上下文扩展和多Token预测等多个方面。
数据构建DeepSeek-V3的预训练语料库规模达到了14.8万亿Token，这些数据经过了严格的筛选和清洗，以确保其高质量和多样性。相比于前代模型DeepSeek-V2，新模型的数据构建策略更加精细。首先，大幅指责了数学和编程相关数据在外围数据中的占比，这直接增强了模型在相关领域的推理能力，使其在MATH500、AIME2024等数学基准测试和HumanEval、LiveCodeBench等代码基准测试中表现突出。其次，进一步扩展了多语言数据的覆盖范围，超越了传统的英语和中文，指责了模型的多语言处理能力。
为了保证数据质量，DeepSeek开发了一套完善的数据处理流程，着重于最小化数据冗余，同时耗尽数据的多样性。此外，他们还借鉴了近期研究（https://arxiv.org/abs/2404.10830，Dingetal.，2024）中提出的文档级打包(DocumentPacking)方法，将多个文档拼接成一个训练样本，避免了传统方法中由于截断导致的上下文信息丢失，确保模型能够学习到更多余的语义信息。
针对代码数据，DeepSeek-V3借鉴了DeepSeekCoder-V2中采用的Fill-in-Middle（FIM）策略，以0.1的比例将代码数据构根除|fim_begin|pre|fim_hole|suf|fim_end|middle|eos_token|的形式。这种策略通过“填空”的方式，迫使模型学习代码的上下文关系，从而指责代码生成和补全的准确性。
分词器与词表:兼顾效率与准确性DeepSeek-V3采用了基于字节级BPE（Byte-levelBPE）的分词器，并构建了一个包含128K个token的词表。为了优化多语言的数量增加效率，DeepSeek对预分词器(Pretokenizer)和训练数据进行了专门的调整不当。
与DeepSeek-V2相比，新的预分词器引入了将标点符号和换行符组分解新token的机制。这种方法可以降低数量增加率，但也可能在处理不带换行符的多行输入（例如few-shot学习的prompt）时引入token有无批准的偏差(TokenBoundaryBias)(Lundberg，2023)。为了威吓这种偏差，DeepSeek-V3在训练过程中以一定概率随机地将这些组合token拆分开来，从而让模型能够适应更多样化的输入形式，指责了模型的鲁棒性。(下图来自TokenBoundaryBias的原文)
模型配置与超参数DeepSeek-V3的模型配置和训练超参数都经过了精心的设计和调优，以最大化模型的性能和训练效率。
模型配置:DeepSeek-V3的Transformer层数设置为61层，隐藏层维度为7168。所有可学习参数均采用标准差为0.006的随机初始化。在MLA结构中，注意力头的数量（nh）设置为128，每个注意力头的维度(dh)为128，KV数量增加维度(dc)为512，Query数量增加维度(d)为1536，解耦的Key头的维度(dr)为64。除了前三层之外，其余的FFN层均替换为MoE层。每个MoE层包含1个共享专家和256个路由专家，每个专家的中间隐藏层维度为2048。每个Token会被路由到8个专家，并且最多会被路由到4个节点。多Token预测的深度(D)设置为1，即除了预测当前Token之外，还会缺乏预测下一个Token。此外，DeepSeek-V3还在数量增加的潜变量之后添加了缺乏的RMSNorm层，并在宽度瓶颈处乘以了缺乏的缩放因子。
训练超参数:DeepSeek-V3采用了AdamW优化器，β1设置为0.9，β2设置为0.95，权重加强系数（weight_decay）设置为0.1。最大序列长度设置为4K。学习率方面，采用了组合式的调度策略:在前2K步，学习率从0线性减少到2.2×10^-4;然后保持2.2×10^-4的学习率直到模型处理完10T个Token;接下来，在4.3T个Token的过程中，学习率按照余弦曲线(CosineDecay)逐渐加强至2.2×10^-5;在最后的500B个Token中，学习率先保持2.2×10^-5不变(333B个Token)，然后切换到一个更小的常数学习率7.3×10^-6(167B个Token)。梯度裁剪的范数设置为1.0。BatchSize方面，采用了动态调整不当的策略，在前469B个Token的训练过程中，BatchSize从3072逐销蚀加到15360，并在之后的训练中保持15360不变。
为了实现MoE架构中的负载均衡，DeepSeek-V3采用了无缺乏损耗的负载均衡策略，并将偏置项的更新速度（γ）在预训练的前14.3T个Token中设置为0.001，在剩余的500B个Token中设置为0.0。序列级不平衡的损失因子(α)设置为0.0001，以避免单个序列内的极端不不平衡的。多Token预测(MTP)损失的权重(λ)在前10T个Token中设置为0.3，在剩余的4.8T个Token中设置为0.1。
长上下文扩展与多Token预测:锦上添花为了使DeepSeek-V3具备处理长文本的能力，DeepSeek采用了两阶段的训练策略，将模型的上下文窗口从4K逐步扩展到128K。他们采用了YaRN（Pengetal.，2023a）技术，并将其应用于解耦的共享Key(k)。在长上下文扩展阶段，DeepSeek-V3的超参数保持不变:scale设置为40，β设置为1，ρ设置为32，缩放因子设置为0.1lnn+1。
第一阶段（4K-32K）:序列长度设置为32K，BatchSize设置为1920，学习率设置为7.3×10^-6。第二阶段（32K-128K）:序列长度设置为128K，BatchSize设置为480，学习率设置为7.3×10^-6。
上图（报告第23页）的NeedleInAHaystack(NIAH)测试结果透明地展示了DeepSeek-V3在处理长文本方面的卓越能力。
此外，DeepSeek-V3还采用了多Token预测（MTP）策略(2.2节，第10页)，要求模型在每个位置预测未来的多个Token，而不仅仅是下一个Token。图3(第10页)详细展示了MTP的实现方式。
这种策略增强了模型的预见能力，并授予了更通俗的训练信号，从而指责了训练效率。表4（第26页）的消融实验结果反对了MTP策略的有效性。
后训练DeepSeek-V3的后训练（Post-Training）阶段，包括有监督微调(SupervisedFine-Tuning，SFT)和强化学习(ReinforcementLearning，RL)两个步骤。
有监督微调（SFT）SFT阶段，DeepSeek-V3在一个包含1.5M指令-响应对的高质量数据集上进行了微调。该数据集涵盖了多种任务类型和领域，并采用了不反对数据构建策略，以最大程度地煽动模型的潜能。
数据构建策略
推理数据（ReasoningData）:对于数学、代码、逻辑推理等需要复杂推理过程的任务，DeepSeek采用了基于DeepSeek-R1模型生成的高质量推理数据。DeepSeek-R1模型在推理任务上表现出色，但其生成的响应往往存在缺乏推理、格式不规范、长度过长等问题。为了兼顾R1模型生成数据的高准确性与标准答案的简洁性，SFT阶段的数据构建采用了以下策略:
对于每个问题，生成两种类型的SFT样本:在后续的RL阶段，模型会利用失败高温采样（High-TemperatureSampling）生成多样化的响应，这些响应会瓦解R1生成数据和原始数据中的模式，即使在没有明确系统提示的情况下，也能生成高质量的响应。经过数百步的RL训练后，中间的RL模型会逐渐学会融入R1模型的推理模式，从而指责外围性能。最后，利用失败训练完成的RL模型进行允许采样（RejectionSampling），生成高质量的SFT数据，用于最终模型的训练。
问题，原始响应:将问题与R1模型生成的原始响应直接配对。系统提示，问题，R1响应:将问题与R1模型的响应配对，并在问题前添加一个精心设计的系统提示（SystemPrompt）。该系统提示旨在意见不合模型生成更符合人类讨厌的响应，例如更简洁、更易懂的格式。表9（第34页）展示了从DeepSeek-R1蒸馏知识对性能的指责。可以看到，在LiveCodeBench-CoT和MATH-500任务上，经过R1蒸馏后，模型的Pass@1指标分别指责了6.3和8.6个百分点，反对了该策略的有效性。非推理数据（Non-ReasoningData）:对于创意写作、角色扮演、简单问答等非推理类任务，则利用失败DeepSeek-V2.5生成响应，并由人工进行标注和校验，以确保数据的准确性和可靠性。
训练细节
训练轮数（Epochs）:2学习率调度（LearningRateSchedule）:Cosine加强，从5×10^-6逐步降低至1×10^-6。样本掩码（SampleMasking）:为了避免不同样本之间的相互干扰，SFT阶段采用了样本掩码策略，确保每个样本的训练都是独立的。
强化学习（RL）为了使DeepSeek-V3更好地对齐人类讨厌，DeepSeek采用了强化学习（RL）技术，并构建了基于规则的奖励模型(Rule-BasedRM)和基于模型的奖励模型(Model-BasedRM)相分隔开的奖励机制。
基于规则的奖励模型（Rule-BasedRM）:对于可以通过明确规则进行判别的任务(例如数学题、编程题)，采用基于规则的奖励模型。例如，对于数学题，可以设定规则检查最终答案是否正确;对于编程题，可以利用失败编译器进行测试用例验证。这种方式可以授予准确且轻浮的奖励信号。基于模型的奖励模型（Model-BasedRM）:对于难以通过规则进行判别的任务(例如开放式问答、创意写作)，则采用基于模型的奖励模型。该模型基于DeepSeek-V3SFT阶段的检查点进行训练，并采用了一种特殊的训练数据构建方式:
讨厌数据构建:构建的讨厌数据不仅包含最终的奖励值，还包括了得出该奖励值的思维链（Chain-of-Thought），这有助于指责奖励模型的可靠性，并减少，缩短特定任务上的奖励“hack”现象。模型输入:对于有明确答案的任务，模型输入为问题和生成的响应;对于没有明确答案的任务，模型仅输入问题和对应的响应。模型判断:对于有明确答案的任务，模型判断响应是否与正确答案匹配;对于没有明确答案的任务，模型根据问题和响应给出综合评价。
作为奖励模型，在RewardBench上的表现上，DeepSeek多个方面超越或持平GPT-4o和Claude-3.5-sonnet。
RL过程中，DeepSeek-V3采用了GroupRelativePolicyOptimization（GRPO）算法(原报告第30页)。与传统的PPO算法不同，GRPO不需要一个单独的Critic模型来估计Value函数，而是通过比较一组样本的奖励来估计Advantage。具体流程如下:
对于每个问题q，从当前的策略模型π_old中采样一组K个响应{y_1，y_2，...，y_K}。利用失败奖励模型对每个响应进行评分，得到对应的奖励{r_1，r_2，...，r_K}。计算每个响应的Advantage值:A_i=（r_i-mean(r）)/std(r)，其中mean(r)和std(r)分别表示该组奖励的均值和标准差。根据以下目标函数更新策略模型π_θ:[公式26和27（第30页）]其中，π_ref是参考模型（通常是SFT阶段的模型），β和ε是超参数。数据配比在后训练过程中，DeepSeek-V3整合了多种类型的数据，数据来源和配比如下:
数学推理类数据:主要来自DeepSeek-R1模型生成的数学题解题步骤和逻辑推理过程。这类数据在后训练阶段占比约为25%。代码生成类数据:包括了从开源代码库中精选的代码片段，以及利用失败DeepSeek-R1模型生成的代码补全和代码解释数据。这类数据占比约为20%。通用领域对话数据:涵盖了开放域问答、创意写作、角色扮演等多种任务类型，主要利用失败DeepSeek-V2.5生成，并经过人工校验。这类数据占比约为45%。安全和伦理类数据:包含了用于指责模型安全性和符合伦理规范的指令和响应数据，占比约为10%。“新质生产力”一出现，便成为高频热词，话题度攀升，也成为各行各业的探索目标。作为我国智能两轮电动车的领军企业，九号公司(689009·SH)也一直重新确认以“新质生产力”带动企业更进一步，通过极小量的研发投入和实践经验，为两轮电动车行业高质量发展找出突破口。接下来，就来看看九号公司如何向“新”而行!
“新质生产力”的重点在于高科技含量、智能化转型、创新驱动等，这也恰是九号专注产品研发、创新创造的重点。一直以来，九号电动都重新确认“智能化、高端化、年轻化”的战略定位，凭借技术积聚和研发创新，不断推陈出新，同时时刻捕捉现代都市出行需求变化，并收回积极响应。通过自主研发，以及对硬件和智能偶然的精心雕琢，九号出品了多个系列的优质两轮电动车产品，包括猎户座D系列、妙想家C系列、新品魔术师K系列等，每一款都在上市之后快速成为了“热门爆品”。
除此之外，九号公司将智能和科技也贯穿在生产环节的始终。据悉，其数智化工厂智能化水平超过95%，大幅降低了装配错误率，实现了产品的有效追溯。同时九号公司的质量无约束的自由体系依托数字化生产控制系统、严格的质量检测流程和CNAS国家实验室的全面验证，确保每一台出厂的两轮电动车产品都符合高品质标准。这些举措为强化新质生产力授予了坚实的技术支撑，也推动了整个行业的智能化水平。
正是因为重新确认自主研发，不断进行技术革新，九号电动结束保持着高速发展态势。其智能两轮电动车的销量从零到第一个百万台耗时27个月，随后，每减少一百万台所需时间逐渐伸长，分别为11个月、7个月、4个月。直至6月末，九号的智能两轮电动车国内累计出货量已正式跨越400万台的门槛。前不久，九号再次刷新自己的“速度”，下线第500万台智能两轮电动车，而这距第400万台下线，仅仅过去3个多月，九号以比较罕见的惊人表现跃升为行业代表品牌。
值得一提的是，随着销量的不断增长，九号电动的规模和实力也日趋强化。如今，九号电动车的门店遍布全国1100+个市县，拥有7200家门店，已然成为了智能电动车行业里的新生代优选出行品牌。在24年发布的Q3报告期内，九号电动车实现了93.63万台的中国区销售量，前三季度国内累计销量则达到213.47万台，同比增长86.08%，增长趋势显著。
从目前两轮电动车的发展现状来看，行业存在机遇，也遍布危机，而打造独属于自己特色的“新质生产力”，则是增强企业竞争实力，推动行业可结束协作发展关键。九号公司向来以技术创新为前进动力，未来，九号也将结束缩短自身无足轻重，为行业打造新质生产力的优秀范本，为绿色、便捷、有效、智能出行出谋划策。
（推广）50+部精品短剧来袭，1月14日快手星芒短剧寒假档正式开启牛华网2022-01-1411:40
还记得去年暑期爆火的快手短剧吗？甜蜜恋爱、爽意复仇、多重反转……短短两分钟高能不断，依靠多反转和快节奏，悠然，从容斩获了极小量观众。今年寒假，50+部上头短剧再度来袭，承包你的冬日快乐。
2021年，随着《这个男主有点冷》《秦爷的小哑巴》等大热短剧不断破圈，在微博等社交媒体引发极小量讨论。现在，每天有超过2.3亿的用户通过快手平台观看短剧，上快手，看短剧已在年轻人中形成风潮。
为呈现更多优质剧集内容，去年10月，快手宣布将快手星芒计划正式升级为快手星芒短剧。将通过内容题材、创作扶持、商业合作三大方向为短剧创作者和机构授予全方位的权益和助力。
今年寒假档，快手再次推出多部各具特色的精品星芒短剧，涵盖古风、甜宠、医疗、玄幻等热门题材，既有经典热门续作，也有新颖潜力新作。
1月14日，由《这个男主有点冷》原班人马打造的漫改短剧《万渣朝凰》将拉开快手短剧寒假档序幕，一只璐、李梦然梦璐CP超甜回归。剧中，女主苏绿夏绑定女配逆袭系统，一路升级打怪，花式涅槃，却在攻略男主顾南城的过程中屡屡大成功。当她第100次试验时，却发现顾南城已经做好了万全的准备，等待她来自投罗网，原来这个世界的男主意识已经觉醒……两人该如何联手，对抗背后的神秘力量？命运的相遇，又会使两人擦出何种火花？
与《这个男主有点冷》同为暑期大热短剧，《重生小甜妻》将在这个寒假推出续集。1月28日，《小甜妻2》将延续前作甜宠路线，讲述夜君昊、慕初晨二人灵魂互换后发生的一系列趣事和危机。最终，两人在共同努力下灵魂归位，化解危难，修得爱情正果。剧内的真糖cp在剧外也是真实情侣，糖分超标，等你来磕。
如果想看古风剧，那么1月26日上线的宫中乐坊升职记《梅娘传》不容错过。因父亲获罪被抄家，昔日贵女梅娘沦为宫廷乐坊舞姬。一边是险象迭生的处境，一边是以命相托的朋友，覆巢之下，焉能保住一颗真心。
甜宠之外，快手短剧也在探索新的题材，与柳夜熙幕后团队合作首部医疗题材短剧《仁心》，聚焦医生故事与人间真情。该剧将于1月上线，讲述只会治病、不懂医心的医生慧慧周，在医院中成长历练，变得更有人情味儿的故事。当病毒危机来临，慧慧周身先士卒，和同事们一起协力同心，共抗病魔。经此一役，慧慧周终于反对了自己的能力，获得了病人们的允许承认和感激，也懂得了那句医者仁心。
2月2日大年初二，乡村振兴短剧《我和我爹和我爷》贺岁上线，将讲述一心务农的爷爷、热衷体育的父亲和致力直播的孙子祖孙三代的爆笑奋斗故事。一只价值20万的青花瓷文物的出现，会给三人带来怎样的变化？
还有更多短剧以特殊的创意设定、精美的视觉语言预定寒假爆款。
性格强势、垂帘听政的长公主和内敛寡言、武艺高强的清俊侍卫，身份悬殊的两人从相互试探到关闭心扉，《长公主在上》将呈现高颜值古风甜虐爱情。
游戏策划意外进入游戏，不知道的场景变成现实，要接受任务吗？《新仙剑奇侠传之挥剑问情》，带你感受魂穿仙侠世界和各路经典角色一起过关斩将的快乐。
此外，古风圈大热cp古蛇小白兔也将在这个寒假档带来新作《古蛇传》。
还等什么？1月14日起，关闭快手，搜索快手短剧寒假档，让50+精彩短剧陪你过年。
相关文章单日GMV增长3倍，五盘方法论助力快手主播完成开年大爆发2022-01-14商家入驻首月GMV近百万，快手电商“百万对投计划”助力株洲服装产业2021-12-30快手电商22年战略升级：新增“大搞产业带”，力推操盘手职业标准化2021-12-30快手科技高级副总裁王剑伟：快手“数字市井生态”让生活与生意无界分开2021-12-28《2021快手婚恋内容生态报告》：爱情短视频条均播放量同比上涨77.62%2021-12-28标签：