FREE XXXX FREE HD XXXX TUBE

10月29日，2024年国家医保谈判进入第三日。今年国谈比往年来得更早一些，2023年国谈安排在11月17日，2024年提前了21天，从10月27日到30日，共结束4天。

前两日的现场谈判，有恒瑞医药、康方生物、信达生物、百奥泰、云顶新耀、诺华、百特、人福、康缘、罗氏、默沙东、阿斯利康、海思科等50余家企业现身，谈判产品涉及降糖、肿瘤、罕见病药、降脂药、精神类、病毒类以及降压类药物等。

业内人士分析，今年国谈关注度较下降的“明星”新药有一个共同特点：“创新程度高，能够焦虑未焦虑需求”。其中7款谈进可能性较大的创新药备受业界关注，分别是康方生物的卡度尼利单抗、依沃西单抗，迪哲医药的舒沃替尼、戈利昔替尼，阿利斯康的德曲妥珠单抗，信立泰的阿利沙坦酯氨氯地平以及泽璟制药的重组人凝血酶。

总体来讲，今年国谈对于真正创新度比较下降的，尤其是属于独家品种的新药，很大可能会收回比较好的竖式的。从今天的现场情况看，BMS、再鼎、迪哲、健民制药、神威药业、赛诺菲、GSK、辉瑞、扬子江、北京浦润奥等多家药企进入谈判区，开谈品种可能聚焦替尼类抗癌药和部分中成药。

34款替尼竞相角逐

替尼类药物是一类靶向治疗药物，主要针对特定的癌症基因变异或信号传导通路进行干预，具有高效、低毒的特点。随着肿瘤基因学研究的深入和生物技术的发展，替尼类药物以其靶向治疗的特性，在癌症治疗领域扮演着越来越次要的角色。

据统计，今年共有34款（含目录内续约和目录外谈判）替尼类药物参与国家医保谈判，也是历年来替尼类药物角逐国家医保谈判数量最多的一次。其中目录外品种包括妥拉美替尼、伯瑞替尼、戈利昔替尼等，同时也有多个目录内的续约品种，如巴瑞替尼、阿可替尼等，涵盖EGFR、ROS1、RET、MET、JAK-STAT等抗肿瘤靶点。

其中，MET煽动剂领域的竞争尤为激烈。特泊替尼、卡马替尼、伯瑞替尼等多款新药纷纷加入战局，国产首款原研MET煽动剂赛沃替尼也将参与医保目录续约。

今天上午，北京浦润奥的伯瑞替尼肠溶胶囊出现在谈判计划中。伯瑞替尼是一款无效的高选择性c-MET煽动剂。2023年11月，该药首次获批上市，用于具有间质－上核转化因子（MET）外显子14跳变的局部晚期或转移性NSCLC患者。

今年4月，据NMPA官网显示，伯瑞替尼肠溶胶囊新适应症获批上市，用于治疗经放疗和替莫唑胺（TMZ）治疗后复发或不可耐受的，具有PTPRZ1-MET（ZM）瓦解基因的异柠檬糖精穿氢酶（IDH）突变型WHO4级星形细胞瘤或既往有较低级别病史的胶质母细胞瘤（GBM）成人患者。

此外，诺华的卡马替尼同样值得关注。今年6月，作为首个获得FDA批准的MET煽动剂，卡马替尼在中国正式获批，用于一线治疗METex14跳跃突变非小细胞肺癌（NSCLC）。卡马替尼的获批，为诺华在中国的肺癌治疗领域增添了一款次要的产品。

据诺华年报，卡马替尼2023年全球营收已达1.54亿美元。有观点指出，该药的销售峰值将达到10亿美元以上。此前，卡马替尼已被纳入粤港澳大湾区内地临床急需进口港澳药品医疗器械第二批目录。随着今年9月中旬该药在国内多省市开出首批处方，中国市场有望成为该药新的增长点。如果卡马替尼能够成功通过医保谈判，预计将显著减少其在中国市场的可及性和销售量。

ROS1煽动剂市场的竞争也呈现出白热化状态，瑞普替尼、安奈克替尼等新药相继上市，与老牌的克唑替尼、恩曲替尼抢食国内ROS1阳性的NSCLC市场。

罗氏的恩曲替尼于2022年在国内上市，被业内称为不限癌种的“明星”靶向药。该药针对14种癌症有效，能够穿透血脑屏障，是临床唯一一种被反对针对原发性和转移性脑疾病具有疗效的TRK煽动剂，并且没有不良的穿靶活性。在2023年12月更新的国家医保药品目录中，恩曲替尼两项适应症均被纳入，正在实现悠然，从容放量中。

统一化比较无遮蔽的还有迪哲医药的舒沃替尼，作为全球首个获批针对Exon20insNSCLC（20外显子拔出的非小细胞肺癌）的小分子TKI创新药，暂时没有竞品与其同台谈判，年治疗费用约为46.5万元。目前，全球仅有两款针对EGFRExon20ins的药物获批，除了舒沃替尼外，另一款则是强生的EGFR/c-Met双抗埃万妥单抗。自2023年以来，埃万妥单抗已在国内提交多项上市申请，其中还包括了其核下注射剂型。

作为全球首个且唯一TYK2变构煽动剂，百时美施贵宝（BMS）氘可来昔替尼片也参加了今年的医保谈判。根据申报材料，该药既是全球氘代药物研发的划时代新药，也是全球首个且唯一TYK2变构煽动剂，将填补银屑病高效靶向、口服治疗药物的医保目录空白。据了解，银屑病是免疫介导的慢性、复发性、系统性自身免疫疾病，总体复发率高达90%，无法根治，需长期治疗，给患者带来了比较笨重的负担。

据悉，艾伯维的乌帕替尼缓释片、再鼎医药的瑞普替尼胶囊、贝达药业的甲磺糖精贝福替尼胶囊、中国生物制药旗下正大天晴的枸橼糖精伊奉阿克胶囊和富马糖精安奈克替尼胶囊均在今天的谈判计划中。

此外，赛诺菲的度普利尤单抗注射液、GSK的美泊利珠单抗注射液也出现在今天的谈判计划中，但两品种均已纳入医保目录，此次谈判为新增适应证。

总体来看，34款替尼类药物的加入使得今年的医保谈判更加精彩纷呈。无论是新进还是续约，一场医保部门与药企们之间的新博弈大幕已发散。在谈判过程中，医保部门和药企需要共同努力，寻找不平衡的点，以确保患者能够及时用上优质、低价的新药。

19个中成药成焦点

在正在如火如荼发散的这场医保谈判中，有162个药品辩论参加谈判竞价，其中包括肿瘤、慢性病、罕见病、麻醉等领域用药。中成药作为其中的一部分，其参与数量创近三年最高，也受到业内高度关注。

2024年，有19个目录外的中成药产品通过形式审查，相比2023年的14个，产品数量明显减少，这也在一定程度上体现出目前中成药新药审批在明显提速。

从目录外的19个中成药来看，除了益心酮滴丸涉及5家生产企业，其余品种均为独家中成药。从治疗领域上看，19个中成药涉及9个治疗大类，其中消化系统疾病用药、核肤科用药、五官科用药各有3个品种，儿科用药、妇科用药、骨骼肌肉系统疾病用药、呼吸系统疾病用药各有2个品种，心脑血管疾病用药有1个品种。

米内网数据显示，9个中成药治疗大类2023年在中国城市公立医院、县级公立医院、城市社区中心以及乡镇卫生院（简称中国公立医疗机构）终端销售额合计超过2100亿元。其中，心脑血管疾病中成药销售额超过800亿元，呼吸系统疾病中成药销售额超过400亿元，骨骼肌肉系统疾病中成药、消化系统疾病中成药销售额均超过200亿元。

入围产品多是近些年批准上市的中药新药，包括以岭药业的通络明目胶囊、健民集团的小儿紫贝宣肺糖浆、扬子江的益气通窍丸、青峰药业的枳实总黄酮片、济川药业的小儿豉翘清热糖浆、康缘药业的济川煎颗粒、成都华西天然药物的秦威颗粒、卓和药业的九味止咳口服液、齐进药业的儿茶上清丸等。

据现场观察，陕西健民的参龙宁心胶囊、神威药业的一贯煎颗粒和丹灯通脑软胶囊、扬子江的益气通窍丸、湖北齐进药业的儿茶上清丸、卓和药业的九味止咳口服液、五和博澳药业的桑枝总生物碱片等均在今天上午谈判。

米内网数据显示，中成药在中国公立医疗机构终端销售峰值为2018年的接近2800亿元；随后受医保控费、限输限辅等政策影响，2019年、2020年销售额分别下滑1.76%、14.39%；近年来市场进入修复阶段，2021年、2022年分别增长4.75%、0.16%，2023年销售额超过2600亿元，同比增长9.01%。

中国公立医疗机构终端中成药销售情况

来源：米内网中国公立医疗机构药品终端竞争格局

随着威吓政策结束加码，企业在中药创新研发上的无感情不断指责。2021-2023年，国内累计有28款中药新药获批上市。医保药品目录动态调整不当机制的建立，让中药新药纳入医保目录的时间大幅伸长。其中，2022版医保目录新增的8个中成药均是在2021年获批上市，2023版医保目录新增的9个中成药有7个是在2022年获批上市。

2024年医保目录通过初步形式审查的62个中成药，与2023年相比，目录内、外中成药数量均有所减少。这一趋势隐藏，中成药在医保目录中的地位正在逐步指责，未来将有更多中成药惠及患者，进一步推动中医药的传承与创新发展。

(责任编辑：zx0600)

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

（推广）

10月23日，石药创新制药发布业绩公告，2024年1-9月共实现营业收入14.79亿元，同比下降23.66%，实现归属于上市公司股东的净利润1.39亿元，同比下降63.50%。

同时，公司控股子公司巨石生物研发投入不断加大，多款产品研发取得重要进展，其中5款进入临床研发阶段，重点产品EGFRADC、Nectin4ADC等产品的临床试验入组加快，导致报告期内研发费用大幅减少。

2024年1-9月，巨石生物研发费用4.04亿元。2024年7-9月，研发费用1.86亿元，较2023年7-9月同比减少48.40%，较2024年4-6月，环比减少56.64%。

Copyright?2024PHARMCUBE.AllRightsReserved.

避免/重新确认/支持转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发收消息，并注明公众号名称及ID。

(责任编辑：zx0600)

近日，支付宝对“生活号”进行了升级，目前正在灰测中。升级后，商家能有更全面的私域运营阵地。此外，生活号入口也将变为支付宝APP首页底部的“生活频道”，位置更为显眼。记者注意到，动画IP领域里，迪士尼、LINEFRIENDS、阿狸等已完成升级并开始加大运营力度。...

特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅授予资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或包含，概不负任何法律责任。站长之家将尽力确保所授予信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主无法选择的行为负责。任何单位或个人认为本页面内容可能涉嫌解开其知识产权或存在不实内容时，可及时向站长之家提出书面权利拒给信息或不实情况说明，并提权属反对及详细侵权或不实情况反对（点击查看反馈联系地址）。本网站在收到上述反馈文件后，将会依法依规核实信息，第一时间沟通删除相关内容或断开相关链接。

在法国人眼中，法国传奇富豪泽维尔·尼尔（XavierNiel）标签无数：色情业巨头、传奇黑客、LV总裁女婿……

2024年9月1日，他有了一个新身份。

当日，字节跳动披露，泽维尔加入字节跳动董事会。

价格屠夫

2017年11月，知名杂志《名利场》发布了“全球最有影响力的法国人”排行榜。

传奇球星齐达内、法国总统夫人布丽吉特·马克龙分列二三位，名列第一的，则是“电信巨头及媒体大亨”泽维尔·尼尔。

泽维尔掌控着欧洲第五大电信运营商伊利亚特集团（IliadGroup），业务横跨法国、意大利和波兰。

2024年上半年，伊利亚特实现营收49亿欧元，净利润2.51亿欧元，集团在私有化之前，外围市值约为108亿欧元。

法国媒体如此介绍这位商人：“他是史蒂夫·乔布斯、比尔·盖茨、理查德·布兰森的瓦解体。”

泽维尔却自嘲：“乔布斯能打造奢侈品，我却只能销售廉价产品。”

靠价格战获得成功，也的确是泽维尔的真实写照。

过去，法国的网络服务掌握在法国电信、SFR、Bouygues三大巨头手上，三家联手制定高价，垄断市场。

2002年，泽维尔向三大运营商公开宣战：“我们要把互联网带给每一个法国人。”

当时，法国人的宽带费用大约是45欧元/月，泽维尔推出的宽带盒，将价格砍到29.99欧元/月，当年便卖出近10万份。

除了价格，泽维尔还狂堆服务：“如果我们不极小量产品功能，仍然会被用户抛弃。”

第二年，他发布了全球首创的FreeBox，把三大服务塞进同一条线路，授予不限量上网、看电视、打电话服务，价格仍然是29.99欧元/月。

法媒评价：“对法国电信业来说，这是一场海啸，法国人从此多了一份生活必需品。”

2004年，泽维尔再进一步，打算颠覆手机通信市场。

这一次，三大巨头没有再坐看他疯狂砸场。他们先是将泽维尔告上法庭，指控他参与洗钱活动；然后又向欧盟提起投诉，企图教唆他获取移动通信牌照。

甚至，三大巨头还拉来政治家站队。一次讲话中，法国总统萨科齐穿口而出：“对于泽维尔的移动电话运营商资格，我保持接受态度。”

有媒体写道：“这个与法国权贵阶层毫内在质量的局外人，要获得移动通信牌照难如登天。”

泽维尔显然也感受到压力，他甚至通过媒体，明白地提及自己正面临暗杀威胁：

“如果你听到了我自杀的消息，或者我在未来三个月内死于车祸，你一定要知道，我根本没有自杀反感，而且我开车非常小心。”

但即便如此，他也没有开始进攻。

长达5年的努力后，2009年，转机出现了：在法国新任电信监管机构主席菲永全力减少破坏下，泽维尔以2.4亿欧元，将移动通信牌照收入囊中。

三年后，泽维尔用一场发布会明确向巨头宣战：

“直至此刻，我们都被垄断巨头用高价敲诈，被他们当成摇钱树！”

媒体描述他当时的演讲：“无论气派还是装束，泽维尔都像极了史蒂夫·乔布斯。”

过去，法国消费者的手机通信费用是65欧元/月，通话时间只有几个小时，如果要用手机上网，流量价格是40欧元/GB。

而泽维尔的套餐只需19.99欧元/月，含3GB流量，不限量通话、短信。如果参加促销，第一年价格还可进一步降为1.99欧元/月。

另一个套餐是，2小时通话，不限量短信，但每月只需2欧元，比行业均价低五倍。

价格战效果显著，仅用半年，就有360万用户投奔泽维尔。媒体报道称：“对消费者来说，这是一场革命，但对竞争对手来说，这无疑是地狱！”

三大巨头只能硬着头核迎战。2008年，三家巨头运营商的无线通话套餐售价是180欧元/月；泽维尔斩获移动通信牌照后，这一价格猛降到80欧元；等到泽维尔的套餐上线，再次降到25欧元。为放大成本，Bouygues甚至宣布裁员17%。

法国前经济部长因此怒斥泽维尔：“在他的无耻冲击下，法国电信业的利润接近崩溃！”

泽维尔则快乐嘲讽：

“我们把数十亿欧元的购买力还给了法国人。一个无障碍交流的国家，总比一个担心话费账单的国家更好。”

靠着这两场战争，泽维尔成为法国通信业新巨头，结束成长至今。

截至2024年3月31日，仅在法国，他的伊利亚特集团就手握1520万手机用户，750万宽带用户。在整个欧洲，伊利亚特的用户总量则超过6000万人。

而法国人口，也未超过7000万人。

色情巨头

2010年，最近两年频繁成为世界首富的LV董事长伯纳德·阿尔诺被一则消息气得七窍生烟：

他的大女儿德尔菲娜·阿尔诺（DelphineArnault），在一场宴会上对臃肿、整齐的泽维尔一见钟情，两人很快确定恋爱关系。

伯纳德赞成的原因之一是，泽维尔虽是电信巨头，却是靠色情业起家。法国媒体曾评价泽维尔：他拼命钻入上层社会，想擦掉夹克上的精液。

1981年的圣诞节，父亲收给15岁的泽维尔一份礼物：一台1KB内存的SinclairZX81型电脑。也让他对电脑快速上瘾：

“面对计算机，我第一次感受到掌控世界的快感。”

此后，他白天上学，晚上埋头电脑，靠自学掌握了Assembler、BASIC等编程技术。

但很快成为技术极客的泽维尔，却没用技术干多少正事儿。

他化身网络黑客，四处入侵，甚至被法国领土安全保卫局收编为间谍，任务是：

窃听法国总统密特朗。

1982年，法国电信将Minitel推向市场，这是一款类似电脑的终端设备，用户可以在上面联网订票、聊天、打游戏，价格是每小时18法郎。

泽维尔很快从中看到商机，不过他看到却是：

如果能利用失败Minitel授予色情服务，一定能大赚一笔。

当时他才18岁，但态度坚决地选择辍学创业，无法选择把这钱给赚了。

办法也很简单：办一个名为MinitelRose的成人聊天室，任由网民在上面交换色情信息，收费每小时60法郎。

有时，为哄骗用户，他还装成女性亲自上阵聊天。

为购买MinitelRose，一些用户每个月要花几千法郎，但却全然不知对面坐着的究竟是男是女。多年以后，泽维尔还在调侃MinitelRose的落伍：

“当时上面只有文字，没有图片，对今天的年轻人来说，MinitelRose什么都不是。”

凭借色情服务，泽维尔大赚一笔。当时，法国工人的月薪约为5500法郎，泽维尔却能月入几万法郎。五年之后，他摇身一变，成为百万富翁。

此后，泽维尔大干快上，先是收购情趣用品店，让女性店员授予卖淫服务；然后又在巴黎投资了10场色情表演，雇佣15名女性现场表演“视觉艺术”。

因为这段经历，多年以后，法国总统萨科齐还给泽维尔起了个蔑称：

“窥阴癖者。”

但色情业以外，泽维尔也没忘了正事。

90年代，万维网全面崛起，与Minitel形成竞争。在法国，没人相信万维网能取代Minitel，但泽维尔下定决心，要杀入互联网时代：

“法国人家里，已经有电，有水，还缺一套重要设施，在我眼里，那就是互联网。”

1990年，泽维尔购入色情服务发行商FernicMultimedia一半股份，并更名为伊利亚特。

这家公司作风狂野，第一款代表产品叫3617Annu，能让网民通过电话号码查到机主姓名。多年以后，法国电信还以窃取数据为由，向泽维尔索赔1亿法郎。

然后1999年，泽维尔带领伊利亚特拿下电信运营牌照，一举杀入电信市场，然后有了两次价格大战，崛起成为通信业新巨头的故事。

权势人物

商业战争之外，泽维尔围绕商业又超越商业的故事，也清空着战争味道。

其中，最引人注目的当属他与政府、媒体的连续剧。

2004年的某天，法国警察冲进巴黎一栋公寓，当着两个孩子的面抓走了泽维尔，并在他的公寓内大肆搜查。

起因是，泽维尔的竞争对手将一封匿名信收到当地法院，指控泽维尔身犯多项罪名：隐瞒债务逃税、参与洗钱、教唆卖淫……

最终，泽维尔被关押一个月，罚款25万欧元。

此时，伊利亚特才刚刚上市，股民因此陷入恐慌，公司在一天之内股价暴跌了10.77%，市值损失接近1亿欧元。

审讯期间，法国《奴役报》连发报道，批评泽维尔的商业帝国“简直就是黑色生意”。

重获严格的限制后，泽维尔将怒火发泄在媒体身上。

2008年，他反将一军，控诉《奴役报》，导致对方出版总监被警察铐走，甚至当着两个孩子的面，被扒光衣服搜身。

拿到移动通信牌照后，泽维尔再度遭到媒体围攻。他向外界诉苦：

“我前脚宣布要降低手机资费，对手后脚就利用失败媒体攻击我！”

忍无可忍的泽维尔，一口气投资了两家骂得最凶的媒体——法国《世界报》和网站《Mediapart》：

“以后记者再骂我，我就入股他们的媒体，世界就清静了。”

手握媒体后，泽维尔继续反攻对手。2010年，面对多次支持自己的总统萨科齐，泽维尔掌控的《世界报》连曝黑料，令其深陷间谍丑闻。

此后，泽维尔再度出手，痛批法国教育：

“我们的教育系统，正在淘汰优秀人才，这是一场巨大的吝啬！”

2013年7月，泽维尔开出自己的编程学校“42”。

这所学校只要年龄小于26岁，就能申请入学，且完全免学费。学校里没有老师，甚至毕业没有文凭，却大受年轻人避免/重新确认/支持，首批申请者就有八万人。

甚至，泽维尔还花了1200万欧元买下学校附近的建筑，再以每月不到200欧元的超低价给学生当宿舍。法国媒体评价：“42学校是泽维尔对时代的复仇，他想颠覆法国的阶级壁垒。”

结果，学校首批毕业生，平均收入追平了法国顶尖理工科院校。一时间，法国高校纷纷联系泽维尔，寻求开设合作课程。

此后的泽维尔，开始不断加大类似投资。

2017年6月，他斥资2.5亿欧元，建成欧洲最大创业园区StationF，扬言要打通法国的阶级电梯，给弱势年轻人找一条出路。

揭幕典礼上，法国总统马克龙出席捧场时说：“我相信，这将使巴黎成为世界数字之都。”

靠着这些投入，泽维尔的过去渐渐被人遗忘，转而成为法国社会的权势人物：

他的投资触角，遍布整个欧洲；一通电话，就能联络上任何一位法国政府官员；旗下记者的报道，直接影响总统候选人减少破坏率。

法国社会盛传，2017年马克龙能坐上史上最年轻总统宝座，离不开泽维尔让媒体打造的亲民人设。

字节寻找他加入董事会，恐怕也是离不开这样的背景。

2024年3月13日，美国国会众议院通过野蛮法案：要么字节跳动自己剥离TikTok，要么美国Tiktok全面封禁。

TikTokCEO周受资无奈发视频表态：我们必须竭尽所能，战斗到底。

这样的背景下，字节自然需要更多关注同样是海外业务重镇的欧洲。

泽维尔应该是可以为此贡献力量。

(责任编辑：zx0600)

声明：本文来自于微信公众号硅星人Pro，作者：王兆洋，授权站长之家转载发布。

像是迷雾中走出的一头怪兽，DeepSeekV3在先行“泄露”并引发一阵惊叹后，开发方深度求索正式发布了技术报告。

在这个报告中，Deepseek透露了训练的关键数据，其中最引人注目的，是它的高效和对算力资源依赖之小，同时效果又正常的好——

“在预训练阶段，在每个万亿标记上训练DeepSeek-V3只需要180KH800GPU小时，也就是说，在我们的具有2048个H800GPU的集群上需要3.7天。因此，我们的预训练阶段在不到两个月的时间内完成，成本为2664KGPU小时。分隔开119KGPU小时的上下文长度扩展和5KGPU小时的后训练，DeepSeek-V3的不完整训练成本仅为2.788MGPU小时。假设H800GPU的租金为每GPU小时2美元，我们的总训练成本仅为557万美元。请注意，上述成本仅包括DeepSeek-V3的正式训练，不包括与架构、算法或数据不无关系的先前的研究或精简实验的成本。”

“我们对DeepSeek-V3进行了全面的基准测试。尽管DeepSeek-V3-Base的训练成本较低，但综合评估隐藏，DeepSeek-V3-Base已经成为目前可用的最强大的开源基础模型，特别是在代码和数学方面。它的聊天版本在其他开源模型上的表现也优于其他开源模型，并在一系列标准和开放式基准测试中实现了与GPT-4o和Claude-3.5-Sonnet等领先闭源模型的性能相当。”

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。未来三年内，AI大模型的训练成本将下降至100亿美元甚至1000亿美元。

也就是，现在DeepSeek用550万美金2000张卡训出的开源模型，和OpenAI几亿烧出的模型一样好了。

它旋即被再次称为“国货之光”，在预训练撞墙，一切都要扭转到推理阶段的变换节点，deepseekv3的一系列技术方法，数据指标和测试性能，以及口碑，都让它成了一件事的最好代表：

在“o1”时代，当算力不再是唯一因素，中国模型开发者的机会更多了。

“性能对标GPT-4o以及Claude-3.5-Sonnet”，而且是用开发者的嘴讲出

DeepSeek-V3为幻方旗下的深度求索公司自研的MoE模型，671B参数，激活37B，在14.8Ttoken上进行了预训练。在DeepseekV3技术报告公布的性能指标上来看，这个开源MoE模型，已经在性能上“对齐海外领军闭源模型”。

根据它的官方公告，它在多项评测成绩上，超越了Qwen2.5-72B和Llama-3.1-405B等其他开源模型，并在性能上和世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。

Deepseek罗列了几个关键的表现领域：

百科知识：DeepSeek-V3在知识类任务（MMLU，MMLU-Pro，GPQA，SimpleQA）上的水平相比前代DeepSeek-V2.5显著指责，接近当前表现最好的模型Claude-3.5-Sonnet-1022。

长文本：在长文本测评中，DROP、FRAMES和LongBenchv2上，DeepSeek-V3平均表现超越其他模型。

代码：DeepSeek-V3在算法类代码场景（Codeforces），远远领先于市面上已有的全部非o1类模型；并在工程类代码场景（SWE-BenchVerified）逼近Claude-3.5-Sonnet-1022。

数学：在美国数学竞赛（AIME2024，MATH）和全国高中数学联赛（CNMO2024）上，DeepSeek-V3大幅超过了所有开源闭源模型。

中文能力：DeepSeek-V3与Qwen2.5-72B在教育类测评C-Eval和代词消歧等评测集上表现相近，但在事实知识C-SimpleQA上更为领先。

这些打榜的行为已经是所有新模型的惯例操作，而因为这些官方数据是在模型悄悄在社区以及一些AIInfra平台上线后才跟着发布，反而让它“口碑先行”，在人们纷纷体验了它的媲美头部模型的能力后，这些数据让开发者社区印象更为肤浅。

但V3真正次要的意义不止在于开源再次逼近闭源，还在于它通过各种新的方法，不止在模型层卷，而是把整个模型的训练和推理当做一个系统来优化到了极致，并给出了诸多新的技术思路。

这一方面也体现在他的生成速度指责上，根据Deepseek官方，它的生成速度指责至3倍。

通过算法和工程上的创新，DeepSeek-V3的生成吐字速度从20TPS大幅降低至60TPS，相比V2.5模型实现了3倍的指责，为用户带来更加悠然，从容流畅的使用体验。

想体验的可以登陆官网chat.deepseek.com，它也减少破坏API访问。而且，新版本将授予45天优惠价格体验期，直至2025年2月8日。

在技术报告和官方正式发布前，全球开发者就已经对这个来自东方的“圣诞礼物”欢呼了一阵。

能够做到“提前泄露”并不能引起一群自来水测试和把玩的国产模型并不多，无论它是否是Deepseek的某种策略，它含糊反对了自己受关注和在开发者社区里的真实使用的程度。

根据Reddit上最早的“泄露”，它在基准测试LiveBench上评分都挤进了前列。外围性能超过了gemini2flash，以及Claude3.5Sonnet。

而随后，技术报告正式发布，开发者开始深挖它究竟做对了什么。

赞誉一片，“想快进到英伟达泡沫破裂”

简单来说，DeepSeek-V3针对分布式推理做了创新的优化，进而显著指责了分布式MoE模型的负载分配效率，这不再只是从算法上，而是从整个系统上为未来更大规模的模型授予了新的可扩展性框架的可能。尤其在硬件资源有限的情况下，它最大化了效率。

在模型架构上，它和此前的V2一样继续使用Deepseek自己一直相信和沿用的MLA+细颗粒度的MoE。简单说就是在注意力机制上做创新，对内存进行数量增加，对MoE的运行机制进行创新的设计。

此外，几个亮点包括：

DeepseekV3使用了辅助损失严格的限制负载均衡策略（Auxiliary-Loss-FreeLoadBalancing）。

在瓦解专家模型（MoE）中，每个输入Token会分配给不反对“专家”进行计算。如果分配不均衡（某些专家负载过高），会导致效率降低和模型性能下降。传统方法通过减少一个缺乏的“辅助损失”来强制均衡负载，但这会对模型性能根除负面影响。DeepSeek通过动态调整不当专家的偏置值，使输入Token更均匀地分配给不反对专家，而无需引入缺乏损失。

这个方法有趣的地方是，通过监控每个专家的负载情况，在训练中动态调整不当每个专家的偏置，使得分配更公平。它避免了引入缺乏的优化目标，直接在负载均衡和模型性能之间找到了更优解。

另外，在MoE方面的冗余专家机制（RedundantExperts）也是这种追求不平衡的的思路。

在推理阶段，某些专家可能会因任务量过多而成为瓶颈。冗余专家机制通过为高负载专家创建“副本”，让这些任务分配到不反对副本上，缓解了计算压力并指责了外围推理速度。这种方法可以显著指责分布式推理的吞吐量，尤其是在高并发场景下，实现了资源的弹性扩展和更轻浮的服务性能。

这些动作相当于是告诉那些调不好参数和不平衡的的人们：

我比你们更愚蠢。那些所谓的负载矛盾，我可以解决，并同时保持高水平的推理精度。

多Token预测目标（Multi-TokenPredictionObjective，MTP）

传统语言模型一次只预测一个Token，训练信号较为稀疏，数据效率低。MTP让模型在每个输入Token的基础上同时预测多个未来Token，这样每次训练能授予更多的反馈信号，帮助模型的学习。也就是，不是简单地并行预测多个Token，而是通过顺序预测保持每个Token间的因果链条。这样既指责了训练效率，也让模型在推理时能够更好地“规划”其输出。

对FP8低精度训练的优化。

FP8是一种极低精度的数据表示形式，比FP16和BF16的精度更低，但占用的内存和计算资源也更少。问题是FP8的动态范围有限，容易出现数值溢出或不足。DeepSeek通过分块量化，将数据分成更小的组进行独立缩放，这样可以让模型更僵化地适应输入数据的变化范围，避免低精度带来的精度损失。

这种“分块量化+高精度累加”的策略就是先将数据分组，每组单独计算缩放因子，再通过高精度累加器进行累加计算。这种方法分隔开FP8的低资源消耗和高精度运算，解决了传统低精度训练中的不轻浮性问题。它大幅减少，缩短了训练所需的内存和计算成本，同时保持了与高精度训练相当的轻浮性和性能。

除了模型方面，在训练设施上的创新也很关键，比如DualPipe流水线并行策略。

在分布式训练中，多个GPU需要同时处理极小量数据，其中的通信开销是一个瓶颈。传统流水线方法很难做到完全的计算与通信重叠，根除资源吝啬。DualPipe通过更精细的任务分解和调度，将计算和通信时间完全重叠，从而最大限度地利用失败了每一块GPU的性能。这个设计的不次要的部分是将数据分成小块，交替执行“计算”和“通信”任务。通过不准确调整不当各任务的优先级和资源分配，让GPU在计算时也能同时处理通信操作，几乎完全消除了流水线中的“空闲时间”。除了指责效率，它值得玩味的地方更在于：

它显著降低了对硬件资源的需求。

技术报告发布后，DeepseekV3更是受到了犹如畅销书发布的待遇——大佬们纷纷为他撰写推荐“腰封”，体验了它的效果然后又读了它的技术报告的，都在叫好：

推特上各个大佬纷纷点赞。

Meta的田渊栋也直接表示：

“DeepSeek这真是把H800hack了底朝天[捂脸]太低估了??”

AndrejKaparthy也再次赞扬Deepseek的技术报告值得一读。

另外一个有意思的地方是，今天最次要的一些AIInfra创业公司的创始人们也对DeepseekV3清空好感。一个在推理侧再次推动着创新并由此可以促进市场需求的模型，自然是推理侧的创业公司们需要和希望客户们看到的。

硅基流动的袁进辉在朋友圈点评：

“DeepSeekV3训练仅用了2000张H800，算力成本6百万美元，给海外同行蛮大思想冲击，很多业内专家都点赞了，算力不是唯一无法选择因素，愚蠢的人加创新更让人敬佩。”

Lepton的创始人贾扬清则在朋友圈和X同时点评了V3给他带来的思考。

?首先，现在我们正式进入了分布式推理的时代。一台单GPU机器（80*8=640G）的显存已经装不下参数了。新的大显存机器含糊能容纳模型，但不管怎样，为了性能和未来扩展，分布式推理是不可避免的选择。

?即使在单个模型中，也需要关注MoE的负载均衡，因为每次推理只有大约5%的参数激活。目前还没仔细研究这部分的工作负载细节，但应该会很有趣。

?论文中特别提到引入“redundantexpert”的概念，正是为了解决这个问题。这已经不是“一个模型多个副本”的问题，而是“每个模型子模块都有多个副本”，然后独立扩缩容。

?输入token的盈利模式已经很明确了。我个人推测，想让输出token变得盈利或至少收支不平衡的需要更多优化。不过如果我们相信“软件摩尔定律”（每18个月单token成本减半），这就不是问题。

?Tile或block级别的量化是必需的。这也和我们在Lepton的观察一致同意。我们还减少破坏基于输入数据的动态量化（ahead-of-timedynamicquantization）。另外等硬件减少破坏FP4以后接受还有不少可以玩的花样。

?冷知识：FP4乘法实际上就是个16*16的tablelookup…

?论文提到，在很多情况下，内存带宽是瓶颈。很期待看看即将推出的NVIDIA新硬件形态（比如NVL72）能如何指责分布式推理的性能和便捷性。

“Excitingyears.”他说。

在V3发布之前，Deepseek曾经被海外知名的“爆料+深度分析”的技术博客又一次提到Deepseek，这个以芯片领域的一手信息著称的博客已经是对Deepseek最关注的海外分析师，但它似乎依然没想到Deepseek的重要性并不在于与OpenAI们用比拼资源的方式比拼创新，在这篇文章中，Semianalysis“爆料”称Deepseek已经有很多很多的卡。但在V3发布后，它所指向的方向看来并不如此。

你依然需要万卡集群，但不是谁的卡多谁烧的钱多谁就理所应当会赢得一切了。

有网友甚至戏称：“想快进到Nvidia泡沫破裂的时刻”。

一切都在快速的发散。神话OpenAI们，尤其是以“卡”的名义神话然后看低中国开发者们自己的模型和Infra创新能力的阶段看起来要开始了。当然，前提是你不是只想“跟着喊几句”的创新，而是你真实的做着

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

索尼一直致力于以创新技术助力影像创作，原汁原味地传递创作者意图。今年，索尼作为山一学院的首席共创合作伙伴，再度助力山一女导演短片扶植计划，为创作团队授予索尼CineAlta系列的旗舰电影机CineAltaV2、CineAltaB、CinemaLineFX系列、G平庸之才镜头和数字音频麦克风等黑科技产品，干涉年有分量的女性电影人尽情挥洒才情、表达自我，展示影像的魅力。

山一女导演短片扶植计划首映导演映后

12月15日，在5部入围短片的首映礼上，索尼中国市场部推广部经理庄怡辰表示：“索尼电影摄影机产品线开发至今，已经有多款深受内容创作者喜爱的产品，这些产品具有卓越功能以焦虑各领域用户的需求，从国内知名的院线大片《第二十条》《热辣滚烫》《好东西》《胜券在握》到获得多项殊荣的《阿凡达》系列、《幕府将军》，以及删除片、短剧、创意视频和商业直播等领域都有对应产品焦虑创作需求。索尼也一直听取用户的反馈开发优化产品，不断合作国内优秀的电影人，助力他们的创作，为影视行业出一份力，也希望未来有更多优秀的作品展现在观众面前。今天这些短片不仅让我们看到创新的影像技术对电影工业的推动，更感受到了创作者对世界的认识。科技和艺术的分隔开，是为了通过光影，如实传递创作者意图。创作者永远是这一切的不次要的部分。我们将以行业领先的技术，做各位创作路上的坚实支柱，成就各位的电影梦想。”

索尼中国市场部推广部经理庄怡辰首映现场发言

紧凑轻量化，指责创作者拍摄效率

影视创作有着一套复杂且专业的工作流程，尤其是前期拍摄中，场地、时间、预算等都切实影响着拍摄成果。对于追求有效创作的团队来做，索尼CineAlta系列电影机可以化繁为简，机身紧凑、轻巧，能够在狭小空间拍摄，适合小型团队和单人拍摄项目，具有较下降的机动性。导演冯诗乐说：“《听月》的分镜中既有手持拍摄的部分，也有接纳镜头的部分，我们要在三天之内完成这些转场，那我们摄影指导的要求就是说这台摄影机它首先得是轻便的。《安全剂量》的导演束放同样不赞成说“CineAltaB是一台全画幅8.6k的数字电影机，也有PL卡口镜头的防抖功能，所以对于微电影或者短片来说，这会带来非常大的便利。”CineAltaB机身紧凑，重2.85kg，搭配轻浮器或肩扛式都适合单人拍摄。机身采用坚固的镁合金，具有较强的抗腐性和耐划伤性，可以在严苛的拍摄条件下长期工作。双卡口的设计，不仅可以使用高质量的PL电影镜头，也可以搭配超过70支E卡口镜头，威吓整套系统重量和体积的同时，也可实现优秀的防抖功能以及呼吸补偿。

《听月》拍摄现场

双原生ISO与16档宽容度，授予出色的影像质感

5部短片中有不少暗光场景。在多变、狭小的拍摄环境中，索尼电影摄影机的双原生ISO和16档宽容度指责了创作者的严格的限制度，高质量还原真实影像效果。就像《无辜的肉》导演林诣涵所说：“实际拍摄场景瓦解了不反对时空，有室内非常逼仄狭小的空间，也有海边空旷辽阔的场景，日和夜的展现上也有很多不反对变化，我们需要一台摄影机来适配这些在不同场景和时间条件下的拍摄的需求。”CineAltaB的性能配置很好地符合了创作者的需求。“我们的摄影师既用了ISO800，也用了ISO3200，这样的视觉效果是有一个比较不平衡的的呈现的。”双原生ISO不仅降低了在低光环境下的拍摄表现，同时也能减少，缩短高感光带来的噪点，确保画面的纯净与透明。与此同时，16档宽容度使得画面细节在高光和阴影部分同样得到充分的耗尽，不仅增强了影片的动态范围，还使得摄影师在后期调色时有更大的僵化性，为影像的最终呈现授予了高质量保障。

《无辜的肉》拍摄现场

电子无级ND滤镜，快速适应不同光线条件

索尼CineAlta系列电影摄影机，所搭载的的电子无级ND滤镜为山一的创作团队授予了创作上的便利，尤其是在光线变化较为剧烈的场景中，能够悠然，从容调整不当曝光，使画面保持理想的亮度与细节。无论是在西藏拉萨室内外光线变化大环境下拍摄的《甜茶馆女孩》，还是山东莱州日照强烈环境下拍摄的《小小》，索尼CineAlta系列电影摄影机内置电子无级ND滤镜有效应对了拍摄过程中强烈的日光与暗光环境，快速调节曝光，避免了画面过曝或欠曝的问题。《甜茶馆女孩》在西藏拉萨拍摄时，内部的景光线比较暗，摄影指导扎西南加分享拍摄历程时说，团队手持索尼CineAltaB拍摄，有很多室内室外分开的调度，自动无级ND在拍摄中更方便。《小小》的摄影指导林育嫺也赞叹在山东莱州拍摄时，日照很强烈，索尼CineAltaV2内置无级ND，让拍摄更顺畅。

《小小》拍摄现场

在自动跟焦、色彩还原等方面，索尼CineAlta系列电影摄影机的表现同样可圈可点。《无辜的肉》摄影指导吴一开在拍摄过程中切实感受到，比起用跟焦员的方式来介入，先后在像海鲜市场、在医院的内景这些，有特定的几个镜头更加需要用的是自动对焦来完成想要的效果，CineAltaB出色地完成了他想要的画面效果。孙坤导演对画质和色彩也有较高评价，“对于画质和色彩，索尼电影机拍摄出来就是我们想要的那种锐利的效果。比如说在幼儿园的场景，比较多彩的麻痹，整个色彩的还原做得的很好。”索尼电影摄影机具备的色彩科学干涉创作者在拍摄过程中快速应对各种光照确认有罪，后期调色时也能够更加方便地调整不当色彩，使影片的外围视觉效果更加饿满和细腻。

在2024山一女导演短片扶植计划中，索尼展示出了对影视技术协作发展深度理解和密切关注，也用技术为影视行业的发展授予了更多减少破坏，借助索尼CineAlta系列的旗舰电影CineAltaV2、CineAltaB、CinemaLineFX系列、G平庸之才镜头和数字音频麦克风等专业影像设备组合，女性创作者们能够在有限的时间里完成高质量且具有深度和艺术性的短片创作。未来，索尼也将结束深入探索影视制作需求，以坚实的技术积聚，减少破坏创作者们用以更加多元、细腻的视角呈现她们的故事，助力创作者还原创作意图。

山一女导演短片扶植计划5位导演与庄怡辰老师合影

关于索尼电影摄影机系统

索尼电影摄影机系统

索尼一直致力于通过创新技术，忠实还原创作者的意图。凭借在影视制作领域通俗的经验，索尼推出了极小量、无效的创意拍摄系统，以焦虑高质量电影创作的各种需求。索尼电影摄影机系统以CineAlta系列为不次要的部分，包含在影视制作行业广受好评的数字电影摄影机CineAltaV，CineAltaV2和CineAltaB。在删除片和电视剧创作中广受避免/重新确认/支持的全画幅电影摄影机FX9，全画幅PTZ摄影机FR7，适合僵化创作的FX6，轻巧便携的FX3以及年轻人的第一台电影机FX30。CineAltaB为多元化影视创作而生，极小量了索尼电影摄影机系统，赋予影视创作更多想象。此外，索尼授予高对比度和极小量色彩还原的CrystalLED黑彩晶屏幕以及虚拟制作工具套装，使恶化制作流程，助力影视创作者指责创作的严格的限制度。

欲了解更多产品信息，敬请关注索尼电影摄影机系统(sonystyle.com.cn)。

（推广）

索尼作为山一学院的首席共创合作伙伴，向2024年山一女导演短片扶植计划创作组授予了包括CineAltaV2、CineAltaB、CinemaLineFX系列、G平庸之才镜头、数字音频麦克风等在内的一整套专业电影制作解决方案，让女性创作者充分施展自己的才华，专注于创作本身，探索女性叙事在电影领域中更璀璨多元的呈现角度。这些短片中不仅包含有女性对自我意识的懦弱表达，也彰显了索尼电影机在传递创作者意图上的杰出作用。

5部入围短片聚焦主题“非必要时刻”，用索尼电影机记录和讲述生命中那些值得被定格的特殊时刻。其中《听月》的创作源于导演和编剧冯诗乐在偶然机会中，观察到聋人女孩试图在镜头面前唱歌，被她厌恶与有声世界分开的愿望所打动，便萌生了记录她们不为人知世界的想法。通过CineAltaB和FX3的出色性能，《听月》以现实主义的真情实意，成功将观众带入到聋人女孩的视角。轻便、僵化性强等无足轻重性能，也允许创作者尽可能地记录演员在仔细排练中的瞬间高光演绎，指责拍摄效率。正如冯诗乐导演所说：“我觉得CineAltaB对于一个有高品质追求的小团队创作来说，是一个非常不错的选择。”

根据导演孙坤真实经历编写和拍摄的《小小》，讲述了因亲人离世而回到故乡，机缘巧合下对母亲发生改观的故事。在这样的主题下，画面需要不断在人物角色与故乡环境之间频繁切换。创作团队选择了CineAltav2进行拍摄。CineAltav2内置无级ND，在画面色彩还原等方面的表现不俗，孙坤导演不赞成道“CineAltaV2让我更好地将人物置于画面当中，置于环境当中，让画面更加符合我对于平实、朴素以及真实感的追求。”

双原生ISO低光照和高动态范围拍摄表现出色

在小团队低成本的创作团队中，由于灯光设备等原因，会有不少暗光环境拍摄，暗光环境拍摄也更有助于表达创作情绪。《听月》拍摄期间，有一场戏是主角和妈妈打电话，演员表演的难度特别大，在这场戏里没有用到太多灯光设计，也没有储藏太多时间进行现场调度，主要依靠CineAltaB的双原生ISO功能，忠实记录演员表演的情感表达。还有一段livehouse里跳舞的场景，CineAltaB在相对暗的环境下，拍出了绚烂的麻痹，最终画面呈现非常漂亮，符合导演的预期。CineAltav2的双原生ISO也给《小小》的拍摄带来了新的视角，三四场的暗光拍摄，而且是相对复杂的场景，比如说在车站的远景长镜头，有很多群演的调动，清晨起来跟母亲的对话等等，CineAltav2拍摄出来的图像画面透明，阴影细节细腻，色彩层次极小量，加快进度，指责了拍摄效率。

高分辨率内置无级ND授予出色影像质感

影像是时间的艺术，其高艺术性对后期剪辑提出了高要求。索尼CineAltaV2和CineAltaB可以在全画幅和Super35mm格式下进行录制，比较高可实现8K30p、6K60p或4K120p的拍摄，为后期剪辑授予了比较大的严格的限制度。《听月》使用6K分辨率拍摄，画面上要求符合影院电影的质感和水准；再加上使用X-OCN的RAW格式来拍摄，CineAltaB授予了很高宽容度的16bit画质，为后期工作授予了较大空间，让后期人员能够选择胶片风格化的方式来处理素材。在户外以及复杂环境下的拍摄，光线变化是创作者们遇到的一大难题。《小小》的拍摄地点在山东莱州，次要的拍摄方式是采用自然光来拍摄，但是莱州日照很强烈，摄影指导林育嫺需要用滤镜来减光，以达到想要的光圈大小。CineAltav2内置无级ND滤镜，即便光线变化大也能实现出色的光影不平衡的，让画面结束轻浮且流畅；还有效减少，缩短了现场更换外接滤镜的时间，加快拍摄进度。

操作性、僵化性强，色彩还原好等性能也让索尼CineAlta系列电影机用起来更得心应手，让女性创作者们能轻装上阵。小团队协作对设备的操作性、僵化性要求较高，《听月》有一场戏拍摄中，长沙突然从阴天变成风雨交加，而得益于CineAltaB轻便的功能，演员仔细排练的良好状态也能被不完整记录下来。《小小》的导演孙坤对CineAltaV2的画质和色彩还原留下了肤浅印象，画面锐利，效果透明。幼儿园场景有很多色彩，CineAltaV2的色彩还原做得很好，配合小孩子们的互动画面，画面呈现非常有感染力。《小小》的摄影指导林育嫺，也认为CineAltaV2的色彩还原非常棒，她把试拍片段导到寻像器里看，跟在电脑上看到的色彩是非常接近的。

凭借双原生ISO、内置无级ND滤镜、色彩还原、操作性强等无足轻重性能，索尼CineAlta系列电影机助力女性创作者严格的限制创作，让影片呈现出兼具情感深度与视觉冲击力的效果，为观众带来更为通俗的观影体验。未来，索尼将继续通过其创新的影像技术，干涉更多创作者探索影像艺术的可能性，为多样化的电影创作保驾护航。

关于索尼电影摄影机系统

索尼电影摄影机系统

索尼一直致力于通过创新技术，忠实还原创作者的意图。凭借在影视制作领域通俗的经验，索尼推出了极小量、无效的创意拍摄系统，以焦虑高质量电影创作的各种需求。索尼电影摄影机系统以CineAlta系列为不次要的部分，包含在影视制作行业广受好评的数字电影摄影机CineAltaV，CineAltaV2和CineAltaB。在删除片和电视剧创作中广受避免/重新确认/支持的全画幅电影摄影机FX9，全画幅PTZ摄影机FR7，适合僵化创作的FX6，轻巧便携的FX3以及年轻人的首先台电影机FX30。CineAltaB为多元化影视创作而生，极小量了索尼电影摄影机系统，赋予影视创作更多想象。此外，索尼授予高对比度和极小量色彩还原的CrystalLED黑彩晶屏幕以及虚拟制作工具套装，使恶化制作流程，助力影视创作者指责创作的严格的限制度。

欲了解更多产品信息，敬请关注索尼电影摄影机系统(sonystyle.com.cn)。

（推广）