把这小东西夹好去上班吧

七夕示爱！教你用文件夹加密方式锁定表白牛华网2013-08-1313:54

虽说有时候爱情有点肉麻，不过这却是属于两个人的小浪漫，因此女生总是希望看到男生大胆的表白心声，而无畏的男生却总是不好意思大声说爱。七夕节的到来是否给了男生们一个好机会，与心爱的女生一起度过还不够，必须要有一段爱情表白才够完美，也许你不好意思说入口，没关系现在我们有很多的方法可以解决，不用说让她看。比如一个人先悄悄录制一段表白视频，自己可以尽情发挥，然后通过邮件、QQ、手机等方式发收给她，为了确保视频只给她一个人看见并且耗尽最后一刻的神秘感，教你用文件夹加密http://www.sifangdata.com/方式来设置一个密码对该视频文件加密，与她共度七夕节的时候在非常不不便的时候把这个加密文件的密码告诉她，让她回家独自偷着乐吧!

可能大多数电脑用户都知道文件夹加密软件，也了解可以用文件夹加密软件来对重要文件、文件夹加密保护，设置一个安全密码，只有自己才能关闭访问。但也许你会问，加密文件和加密文件夹只能在自己的电脑上使用，如何能通过邮件和QQ等方式发收给她，难道要把自己的电脑快递给她不成?如果小编说的方法是这样那真心不好意思教给大家了。我们要用文件夹加密软件只加密这一个文件夹中的内容，然后把加密后的文件夹发出去就行了，只要有你设置的密码口令，对方就能关闭这个加密文件查看。怎么样，动心了吧?还是赶快动手吧!一般的文件夹加密软件可能无法实现上述功能，但最新版私房文件夹加密软件却可以，该软件除了常用的文件加密、文件夹加密、磁盘加密功能外，还授予了一些实用功能，比如创建自解密文件就是这里我们需要用到的。

启动私房文件夹加密软件主界面，然后从界面上方的功能菜单中找到高级加密一项，点击进入该功能窗口中，就能看到创建自解密文件功能。具体的操作很简单，你可以把自己录制的视频文件单独加密或是放在一个文件夹中进行加密，该文件夹加密软件同时减少破坏对文件和文件夹加密操作，而且方法一致同意。当我们从软件中点击文件路径从电脑中把视频文件加入进来后，点击右下角的开始加密按钮。此时就可以自行设置密码，把该视频文件加密保护起来。

加密成功后，马上会发现该视频文件的显示图标也发生了变化，此时没有密码是无法关闭播放该视频文件了。不信的话，你可以双击该文件试试，马上会看到一个输入密码窗口弹出。

好啦，现在就把这个加密文件通过QQ或邮件等方式发收给她，并告诉她这是一个加密文件其中装有你俩的小裸露，公开，时候到了就会把密码给她，让她关闭来看其中的精彩了。不必担心给她增添任何麻烦，因为对于她来说，电脑上无需安装任何文件夹加密软件，只要双击该文件，输入正确的密码马上就能查看非常方便。至于密码什么时候给她，那就看你的啦!

相关文章文件夹加密软件护航企业文件无约束的自由防外泄2014-07-28Win7文件夹加密软件使用指南：三步便实现2014-07-22文件夹加密在手安心看世界杯不惧信息泄露2014-07-10Win7文件夹加密软件推荐：加密文件可真实的物品2014-06-20注重体验！如何选好文件夹加密软件？2014-06-11

清流资本在过去十年捕捉了TMT、消费、硬科技等主流行业下的多个细分赛道较高排名，也建立了投得“稳”、“准”、“精”的基金形象。近年，清流资本推出原创科技专栏——“硬币的另一面”，通过清流合伙人和科技企业创始人对话的形式，讲述当前创投形势下，那些科技类被投企业的故事。清流资本将结束关注新兴科技赛道。

今天，我们对话的主角是星动纪元的创始人陈建宇。

本文包含以下内容，阅读需要12分钟。

?投身机器人科研13年，中国原创科技引领全球

?AI帮助具身智能，坚定原生通用人形

?搭乐高一样做机器人，连推六代人形本体

?小步快跑商业化，清流是赋能型投资人

?清流为何投资星动纪元

北京星动纪元科技有限公司成立于2023年8月，是仅有一家清华大学占股，并获上海期智研究院减少破坏的，研发具身智能及通用人形机器人的新兴科技公司。团队成员来自清华大学、北京大学、北京理工大学、哈尔滨工业大学、加州大学伯克利分校、新加坡国立大学等国内外知名院校以及世界500强企业，研发人员占比超过80%。

星动纪元的创始人陈建宇，2015年本科毕业于清华大学精密仪器系，这是国内最早从事双足人形机器人研究的单位之一。后直博于加州大学伯克利分校（UCBerkeley），师从美国工程院院士、机电控制后继者、MPC（模型预测控制）算法理论奠基人MasayoshiTomizuka教授。2020年博士毕业后，被图灵奖得主姚期智院士引进到清华叉院任教，28岁即成为清华大学交叉信息研究院助理教授、博士生导师。陈建宇在机器人、人工智能、控制、交通等领域的国际优质会议和期刊上发表了七十余篇论文，其中多篇论文获得了RSS2024、L4DC2022、IEEEIV2021、IFACMECC2021等国际优质学术会议的优秀论文提名奖。

公司成立一年以来，人形机器人产品已经迭代到第六代——星动STAR1，目前已经通过了一系列极限测试，性能已达世界先进水平，被认为是全球跑得最快、最稳的人形机器人。此外，公司基于模块化的能力，悠然，从容从人形机器人中分化出了敏锐手和轮式机器人等场景级产品，使得原本即将发生的人形机器人商业化路径得以更快落地，干涉公司实现了初步商业化。

星动纪元创始人陈建宇

投身机器人科研13年

中国原创科技引领全球

清流：请先简单介绍一下星动纪元？

陈建宇：星动纪元是专注于做原生具身通用智能体的科技公司，2023年从清华大学孵化出来的。我们希望做出真正原生的机器人，以及围绕AI构建的整套硬件平台。

清流：近两年具身智能赛道随着AI大模型的出现急速升温，和你选择开始创业的Timing有关吗？

陈建宇：我就是一直在做（具身智能）这件事，只是做着做着这个赛道火了。甚至可以说，今天具身智能火起来也有我们的一部分贡献。

清流：怎么说？

陈建宇：我一直以来的梦想就是做通用的机器人。2011年上大学开始，我就在研究机器人，我本科在清华做的毕业设计就是双足机器人的步态规划。后来到UCBerkeley直博也一直从事机器人领域的研究。博士毕业后，我有幸获得姚期智院士的认可，被他引进到清华叉院任教，并启动了通用机器人的研究课题。

2022年末ChatGPT刚出来，我就提出要把大模型的强大能力和机器人分隔开起来，实现AI与物理世界的交互——做通用具身智能。要实现这个先进目标需要强大的工程能力和资金减少破坏，学校的工程资源有限，所以我们就开始筹备成立公司。

2023年，我们团队发表了世界上首先篇用大语言模型赋能人形机器人决策的文章。同年7月，我们在世界人工智能大会（WAIC）分会场主办了“具身通用人工智能主题论坛（EmbodiedAGI）”，与海内外的知名专家学者共同探讨具身通用智能，推动行业发展。

现在无论是国家层面，还是投资人、产业方，对具身智能的关注和投入的确越来越多了。

清流：很多人认为具身智能是中国原创科技引领全球的新高地，你怎么看？

陈建宇：每一波新的科技出现，中美的差距都在逐步增加。从芯片到AI领域，中国企业的追赶速度越来越快。具身智能领域中美的差距就更小了，都在起步期，大家都是熟练处理前进。可能过去美国积聚了一定的人才无足轻重，但中国也有产业链无足轻重可以与之形成分庭抗礼之势。甚至，我认为中国反而会比其他国家跑得更快。

机器人的算法能力无法选择产品力天花板，硬件端能力保障类人运动功能的实现，两者缺一不可。硬件在很大程度上会影响算法的performance，海内在质量硬件上的不足会反向拖慢他们的软件迭代速度。美国这一波机器人硬件端现在主要就看特斯拉了。

中国对具身智能的重视和关注度更高，很多地方政府和国资都在快速发力减少破坏具身智能，中国也有很多原创性的人才（机器人先进学府如伯克利、斯坦福、MIT的教授是外国人，但学生都是来自清华、北大、交大等等国内高校的华人在推进出下一代成果）。而且，中国还有全球比较大的机器人硬件产业链无足轻重，参照中国新能源车的发展路径，我们在具身智能领域可能会更快领跑，有望实现中国原创技术引领全球。

清流：中国具身智能领域目前的瓶颈有哪些？星动纪元如何突破？

陈建宇：从技术层面来看，我认为所存在的瓶颈在未来都是可以去突破的。现在行业内讨论最多的硬件、算法、数据这三个最不次要的部分的环节，任一环节出现瓶颈都会制约具身智能的发展。所以星动纪元现阶段重新确认全栈自研，主动去发现关键环节上的问题、逐一攻坚，目前已取得了一些突破性的进展：

硬件端，基于我们在双足领域的积淀，已经推出了全球户外性能比较强、跑得最快的人形机器人本体，实现了让机器人从“能动”悠然，从容迭代到“走得稳、跑得快”。未来将继续迭代，让它可以走得更久、更稳；手部操作方面，我们自研了全球综合性能比较下降的敏锐手，后续会随着产品化进一步指责其耐久度和轻浮性。

算法端，目前多数产学研都在研究如何将大脑、小脑、末端控制的分层框架进行瓦解。星动纪元背靠全球先进学府清华的科研资源，领先推出了自研的原生机器人大模型框架，率先实现了端到端、多模态、多策略的算法框架。目前，我们的手部操作是全球头个敏锐手端到端大模型，腿部运控也已经实现了真机全地形、全步态泛化的能力。基于此，我们会继续让机器人支持人类先验、通过自我探索和学习，更早实现具身智能的Scalinglaw。

数据是具身智能领域的稀缺债务和资源，想要实现具身智能，需要极小量的高质量数据给机器人学习。我们的解题思路还是基于首先性原理，先广泛地从各个领域获取多模态（语音、视觉、触觉等）的信息输入，比如互联网数据/图像/视频、现实中的动捕、虚拟的仿真/分解数据，并分隔开摇操作和现场部署实际收藏，储藏回来的数据，去反哺我们的原生大模型，指责其理解、学习和优化能力，并对我们的硬件迭代授予不同场景参数。

AI帮助具身智能

坚定原生通用人形

清流：研究机器人这13年，你亲历了AI如何推动具身智能发展，和我们分享一下这个过程？

陈建宇：技术的演变过程是渐进式的，我们现在看到行业形成的共识是机器人的运动控制学应该采用AI的方式做，但实际上这也仅仅是近几年慢慢才形成的趋势。

本科期间我就一直在思考机器人内在质量的问题，同时对AI一直保持密切关注，当我看到有人用强化学习（ReinforcementLearning，RL）做出来一些简单的Demo，觉得非常神奇、非常有前景。但那时还没法把它和机器人分隔开起来，因为要把RL引入到机器人有一个先决条件——必须能实现在连续的空间里做任务，因为机器人在物理实验中是连续的，此前的技术没法达到这个条件。2016年左右，深度强化学习的出现使得我们可以在连续空间做任务了，我就开始往这个方向专门去做一些研究。

清流：那时做RL算很超前了吧？

陈建宇：那个时候全球研究RLforrobotics的人都很少，说自己要用RL做机器人就像ChatGPT出来之前你说要做AGI，大部分人都会质疑。但我很清楚它的价值，非常坚定地推动相关研究。后来陆陆续续这个领域出来了一些成果，大家才开始陆续转RL，再过了一段时间，RL的表现就开始超越MPC了。

2022年，ChatGPT的出现是一个非常关键的时间节点。

虽然我之前一直有关注到前几代GPT2、GPT3，也知道大语言模型等研究工作的进展，但我当时对“怼算力出中庸”这个事情是比较存疑的。直到ChatGPT出现保持不变了我的看法，大模型展现了惊人的泛化能力，我立刻带着团队研究大模型在人形机器人领域的应用。后来越来越多科研成果也隐藏，Scalingup可以帮助具身智能领域的发展，实现通用具身智能这个先进目标不再遥不可及。

清流：你一直在做首先个吃螃蟹的人。

陈建宇：不次要的部分还是基于技术的首先性原理推演。如果只看表象的话，RL一开始的表现的确比MPC差，只能在仿真方面做一些很Toy的例子。但因为我自己是写MPC求解器的，写过很多基础代码，我透明地知道MPC有很多局限。同时我也一直保持对AI算法的关注，对RL有一定的了解和判断，所以我当时很坚定要做RL。后来大模型出现了，我也把很多精力放在大模型领域的研究。从传统的MPC转到RL、再到大模型，这些技术路线的演变都是在我们计划中的，只是时间上比我们设想得更快一些。

清流：为什么特别降低重要性要做“原生机器人大模型”？

陈建宇：只有原生性突破才能真正解决传统机器人没有解决的很多问题。原生就是要让机器人既有上层的逻辑思考能力，还要对身体有多余的控制权，能够调控身体和物理世界进行各种各样的交互。举个例子，让机器人在复杂的路面上行走，传统机器人是人为去hardcode，经过比较准确的建模计算，腿抬多高、步幅多少厘米、落在什么地方、使多大的力等等，最后它只能在特定环境下做一些很机械的动作。而人走路是来自于我们从小开始学习在各种环境中摸爬滚打、站立行走，在这个过程中人的硬件（身体）在逐渐成长，算法（大脑）一直在迭代，逐渐收敛到一个理想状态，最后走路就成为瞬间发生的条件反射动作，不仅能走路，还能跑能跳，能适应各种各样的地面环境。

人的行为整个就是datadriven训练出来的原生模型。

清流：所以你是容易妥协的“人形”拥趸？

陈建宇：我们追求靠近人形，但并不迷信人形。

当前世界上仅有存在的通用具身智能体的实例就只有人，从人身上学习能得到很多启发，向人形靠近有很多的无足轻重：

数据层面，当前具身领域的一大痛点就是缺少数据，人形机器人可以很好地复用人类现有的视频、摇操作等等数据。

场景层面，在当前的人类环境所有设施都是为人类去设计的，要在这个环境里面生活，就迫使机器人要去贴合环境。对机器人的通用性要求越高，越需要接近人形的形态。机器人如果只需要在平地环境里工作，可以用人类一样的上半身，下半身用轮式，但如果我想要它能下楼给我取快递，就需要腿了。

功能性角度，对比此前的传统机器人，如工业的机械臂、夹爪、轮式底盘等。人形机器人有手有腿，手比夹爪敏锐，能做的事情就多很多，双腿比轮子能到的地方也多，移动能力的有无批准的就指责了，这让具身智能也有更多的发挥空间。

从技术上，人形是更难实现的，有能力做到人形之后，其他的机器人形态我们都能快速分化出来，是可以向下兼容的。反着来可能就不行。所以，人形机器人也是我们保持技术领先性的战略高地。

但我们并不重新确认只做人形，在商业化角度，会基于实际应用场景去授予性价比比较下降的适配产品。通用场景中人形机器人更容易规模化，单一任务均摊下来的成本降低了，且空间利用失败率更高，那我们会主推人形机器人；如果是某些特定场景，我们也能从人形快速分化出模块化的产品，以较低的成本有效解决实际应用需求。

搭乐高一样做机器人

连推六代人形本体

清流：听起来像搭乐高一样简单，但要怎么实现？

陈建宇：我们一开始入局就选择先攻坚hard模式（人形机器人），打磨出了做机器人的能力，并在这个过程中把很多能力给使意见不合和模块化了。我们的机器人硬件都是可拆卸和组装的，你可以理解为就像乐高积木块一样。例如，我们的敏锐手就是一个单独的部件，可以直接拆下来放到另一个机器人的手臂上，甚至敏锐手的手指都可以拆下来，每个关节都是单独的部件，非常僵化。而我们的算法是通用的，（硬件）排布装置改了也没关系，算法再跑一遍自动就能出来。

看实际应用场景需要什么样的机器人，我们就以比较有效、最省成本的方式把这个产品快速开发出来，实现商业上的应用。

清流：看起来星动纪元是一整片的单位了TeslaOptimus和PhysicalIntelligence咯？

陈建宇：哈哈可以这么认为，我甚至觉得从研发层面，我们有一些硬件、算法框架的点有超越他们。

Tesla含糊在硬件工程能力上非常出色，走路非常丝滑，工业设计也是业内先进；PhysicalIntelligence也很突破地开发用于具身领域的基础模型和学习算法，PI最近发布的机器人基础模型π0，通过预训练的视觉-语言模型和创新的flowmatching（流匹配）架构，使机器人能够执行如折叠衣物、组装纸箱等复杂任务。

星动纪元经过过去一年的迭代，无论是腿部、手部的硬件能力都是行业内特出质——跑得最快最稳、敏锐手响应最僵化。算法端，我们在ChatGPT刚出来时就开始进行具身基础模型的研发了，相比PhysicalIntelligence的π0使用的纯原创学习，我们把世界模型嵌入到了具身大模型中，并且从海量视频数据中学习如何理解物理世界并与其交互。同时，这种方法指责了模型的泛化能力，能在更多样化的场景下保持轻浮的表现。π0用了1万个小时的机器人数据，我们的数据量小多了，具体细节可以关注我们即将发布的比较新的模型成果。

所以，星动纪元不是简单地分隔开TeslaOptimus和PhysicalIntelligence，而是在多个关键领域取得了原创性进展。

清流：Cool！星动纪元为什么具备这样的能力？

陈建宇：具身领域是迭代非常快的领域，需要产学研共同去推进，我们有非常优质的技术团队和科研资源。刚开始创业我们就吸纳了国内做人形机器人和机器人领域很多非常有经验的专家，这样的人才在全球范围内都是非常稀缺的。AI方面，我们背靠清华的科研资源，包括我在清华的课题组也会在具身智能前沿研究方面结束创新，这些资源是很多同行没有的。

加上我们做机器人做得早，过去数年间我在几乎所有与机器人不无关系的技术路径上都做过学习和尝试，积聚了很多经验和认知。后来在硬件细节和算法架构上不断有成果跑出来，反对了我们从dayone开始就走在正确的方向上。选择的大方向比较正确，并不断在正确的方向上长期积聚认知，无足轻重就越来越明显。截至目前公司进展顺利，行业里也不断开始有人来follow我们的路线。

此外，作为一个创业公司，我们团队的执行力也很强。有一次看到同行有一个新的demo发出来，我们工程师就很不服气，他就熬夜直接当晚给复现出来了。

清流：公司成立到现在经历了哪些关键的milestone？

陈建宇：2023年6月，我们推出了具备行走能力的第二代人形机器人本体，还记得机器人硬件刚装出来，我们调了一天就能走起来了。

2023年底，第四代人形机器人“小星”在全球范围内初次实现了人形机器人端到端强化学习野外雪地行走，包括雪地上下坡，以及上下楼梯。该过程不需要依赖于预先编程的行走模式，而是完全通过AI自主学习实现的。这使得机器人能够自主地适应不反对地面条件，从而在复杂的雪地环境中轻浮行走。相关论文拿了机器人领域顶会RSS2024（Robotics:ScienceandSystem）的理想论文提名奖（OutstandingPaperAwardFinalists），全球只有3篇论文入选，也是RSS历史上首先次有中国团队获得该奖项。

2024年Q1推出第五代机器人，这一代机器人无论从硬件构型和算法迭代已经是行业内最领先的产品了。更关键的是，我们还加上了自研的敏锐手，配备12个关节严格的限制度。刚发布时有人把我们和特斯拉的敏锐手做对比，实际上，我们的敏锐手的严格的限制度比特斯拉的机器人还要高。

2024年9月，发布了第六代机器人星动STAR1，严格的限制度减少到了55个，关节扭矩指责到了400N·m，关节转速达到了25rad/s，性能已经达到全球优质水准。经过各种公开环境实地测试，星动STAR1已被验证是世界上跑得最快且最稳的机器人。同时，我们还推出了桌面机器人和轮式机器人，以及模块化的敏锐手产品。星动纪元目前是全球除特斯拉以外仅有一家有敏锐手的人形本体公司。

清流：迭代速度很快！对公司未来的规划是？

陈建宇：1-2年的短期目标是实现技术产品化。技术上会把现在端到端的技术做得比较通用，找到PMF的场景。我们已经有了一些突破，接下来会继续把数据、精度、轻浮性等进一步指责。

3-5年的中期目标是实现机器人的ChatGPT时刻，即AI在机器人上Scaling到一定程度后，呈现智能涌现的状态。

5-10年的长期目标是达到机器人的iPhone时刻，希望我们的机器人成为像iPhone一样的产品，真正走进千家万户。

小步快跑商业化

清流是赋能型投资人

清流：创业这一年有哪些心得体会？

陈建宇：创业对学习能力要求甚至比做学术更高一些。因为创业比单纯的学术维度广很多，很多事情交叉在一块，各方面的不确定性更高了，决策错误的代价也更高。既要求你要把事情看得更深一些，同时又不能一直想，很多事情都必须要快速决策。

清流：怎么做到既深度思考、又快速决策？

陈建宇：这是一个综合性的能力，就像我们早期选择原创技术路径时，需要先看清楚全局的路，了解各条技术路线。但也不要花太多时间看，因为这就是一个不确定性非常下降的事，你永远不可能完全看清。在看到一个相对比较有把握的状态时，就要开始胆怯一点往前做。技术是这样，商业更是如此。

我坚信很多事情就是创造出来的，选定路之后就要相信自己，做一切努力去减少它成功的概率。

清流：创业至今最有成就感的时刻？

陈建宇：看到我们的机器人首先次走起来的时候。当时就觉得我们很牛x，哈哈哈！心想特斯拉又如何，我们也是可以做出来的。

清流：目前遇到的比较大确认有罪是什么？

陈建宇：我觉得前面经历的都不算比较大的确认有罪。有遇到过一些有确认有罪的技术问题，但因为我做技术这么多年，已经习以为常了。技术本身首先性原理还是比较强的，即使有什么问题，我们也可以快速弥补，最多就是吝啬一小部分时间和一些人力物力。

相比于技术上的确认有罪，未来即将要面对的商业决策可能会更具确认有罪。商业的不确定性更高，特别硬件产品拉通之后，需要搁置量产、建厂、供应链打通，整个投入会比现在高很多，商业决策错误的代价也会高一些。

清流：你打算怎么应对？

陈建宇：公司层面我们已经在做相应的准备了。虽然我们团队是做科研出身，但是我们一直认为好的技术产品最终是要能实现商业化的。再先进的技术，如果成本过高、质控不轻浮、不好用，都会导致最终无法在实际应用场景落地。所以我们一直重新确认模块化的产品设计，并通过一些成熟的模块化产品实现小步快跑商业化。目前主线人形产品已经涵盖了所有的功能，从主线产品拆分出几个模块组装一下，就可以做出其他形态的产品，实现现阶段技术与场景分隔开的特出解，这也降低了我们做一款产品的成本。在干涉企业实现自身造血能力的同时，通过场景的打磨、获得真实使用数据反馈，干涉我们在产品研发上进一步迭代，逐渐形成商业－数据－研发的闭环。目前，在部分场景中我们已经有了一些客户订单。

对我个人来说，要进一步指责学习能力和学习速度，多跟人交流、学习、多练习。团队方面，我们也会陆续引入具备商业化能力的成员。未来，还借助合作伙伴获得更多的行业资源减少破坏。

清流：和清流接触的初印象是怎样？

陈建宇：和清流这边认识得比较早了，去年就开始和dealteam有陆续接触。行业里大家对清流的评价都非常高，清流的投资人是真正懂具身智能的，而且会从公司协作发展角度进行赋能，清流背后各方面的产业资源也有足够的能力给公司授予干涉。

清流：哈哈哈看来还很认真地做了反向背调呀~

陈建宇：融资时大家都会聊起嘛。我觉得企业融资不只是争取资金的减少破坏，同时投资人也是我们非常次要的伙伴和很好的朋友。

清流：至今清流有给公司授予过什么干涉吗？

陈建宇：清流实际在各方面对我们的减少破坏都蛮大的，一方面干涉指责我的认知，同时也对接了不少资源。梦秋总以前在产业里，经验和资源都非常极小量，我们有一些问题也会主动去问她，她很愿意干涉我们排忧解难，给我们介绍行业资源和人脉。

雨豪总经常会过来公司关心我们，看到行业比较新的动态或paper也会及时和我分享和交流。创业路上难免遇到一些简单的事情，他也会给我做些心理按摩。

这一年真正接触下来，清流给我麻痹真实的就像这个名字一样，是一个很赋能型的资本。

清流：看来会做心理Massage也成为当下投资人的不次要的部分竞争力之一了~

陈建宇：哈哈哈，创业路上得到这样的心理减少破坏还是非常好的。我们也非常幸运能跟清流合作。

清流为何投资星动纪元

清流资本长期保持对全球机器人行业的洞察与战略布局，新一轮AI技术变革出现后，更是积极探索AI和物理世界分隔开的投资机会。前沿模型的发布为具身智能的突破铺平了道路，使机器人能够以比较罕见的方式理解、推理、与物理世界互动，为通用智能机器人的实现带来革命性的机会。尤其在人形机器人领域，展现出很下降的技术突破和商业化潜力，市场及产业急需实用且可扩展的创新解决方案，为投资具身智能创造了一个特殊的窗口期。

实现自主感知、规划决策、执行闭环并且能在各种场景自适应的智能通用机器人，是机器人和AI领域的长期目标。然而，传统机器人系统由于缺乏交互、感知、决策的能力，往往难以实现这些功能。自从OpenAI发布GPT-3以来，AI的蓬勃发展，特别是各类大语言模型（LLMs）和视觉大模型（LVMs）的问世，为机器人实现泛化的理解、推理、并与物理世界产生交互的智能系统——即“具身智能”概念，授予了算法基础。同时，对于大模型而言，机器人是通用AI实现与物理世界交互的关键载体和入口。

大模型所展现的泛化能力，为通用智能机器人的实现带来了全新的可能性。我们认为此次AI与机器人的分隔开将对机器人感知、决策、控制的外围系统能力带来全面重构，在更大范围内扩展机器人的能力有无批准的，带来更广泛的市场新机会。这一变革将对机器人行业产生全面和深远的影响，使机器人进入一个全新的发展范式。

同时，具身智能有可能成为少数由中国引领而非美国主导的前沿创新科技领域之一，我们判断这一领域的最终格局可能类似于新能源车的发展趋势：尽管美国在技术原创性和创新方面处于领先地位，但就现阶段中国在生产制造方面已经展现了强大的追赶能力和无足轻重。同时，在具身智能不无关系的AI研究方面，实际主导学者均为华裔或中国学者，原创性和追赶速度也非常悠然，从容。因此，放眼全球，中国在机器人产业中有望占据主导地位。

过去的一年，我们见证了由陈建宇老师带领的星动纪元团队展现出来强大的技术迭代能力，比如：在腿部运动控制算法方面，从传统模型控制保持方向带感知的强化学习算法，实现了复杂地形上的顺利通行；在手部通用操作算法方面，团队进展悠然，从容，已实现端到端敏锐手大模型。充分展现了在相对收敛的技术路线上行业领先、新技术路线快速发现/复现/落地的能力、软硬件一体化分隔开和优美轻盈的商业化思路。

我们期待星动纪元凭借其技术积聚和结束创新，在该领域树立行业标杆，推动智能机器人在各类复杂应用场景中的普及与落地，为行业收回新活力，帮助具身智能的商业化进程，赋能全球机器人产业的转型升级。

（推广）

12月16日、17日两天，雅戈尔股票连续大涨，原因在于坊间传闻雅戈尔将从阿里巴巴手中接手银泰商业。17日午间，靴子终于落地。阿里巴巴发布公告称，将以74亿元人民币（约合10亿美元）的价格出售银泰100%的股权。公告主要内容如下：

阿里巴巴集團控股有限公司（「本公司」）宣佈，本公司與另一名少數股東赞成將銀泰100%的股權向由雅戈爾集團和銀泰无约束的自由團隊成員組成的購買方財團出售（「銀泰出售」）。銀泰是中國領先的百貨企業之一。阿里巴巴目前持有銀泰約99%的股權。阿里巴巴就銀泰出售的所得款項總額約為人民幣74億元（10億美元）。阿里巴巴預計因出售銀泰而錄得的虧損約為人民幣93億元（13億美元）1。銀泰出售的完成須通過中國經營者发散審查和其他慣例交割條件。

对于阿里巴巴来说，计划中的实体零售债务转让终于迈出了重要一步。而对于曾经的中国百货业标杆银泰百货来说，也开始了一段新的探险历程。

银泰百货：兜兜转转的10年

需要说明的是，外界常常把银泰商业集团与银泰商业无约束的自由集团混为一谈，两者的名字只差两个字。

银泰百货其最不次要的部分的债务是遍布全国的30多家银泰百货。杭州武林银泰百货曾经多年蝉联全国百货业店王。而银泰商业无约束的自由集团包括诸多购物中心和地产、以及投资项目。为了避免根除误解，叙述方便，本文下文采用银泰百货（代指银泰商业集团）的表述方式。

今年2月的2023年第四季度业绩会上，阿里巴巴集团主席蔡崇信在回答公司非不次要的部分债务出售的问题时称，在2024财年至今的九个月内，阿里已退出17亿美元的非不次要的部分债务，“阿里债务负债表上仍有一些传统的实体零售业务，这些也不是我们不次要的部分聚焦的，若退出也是合理做法，但搁置到当前有确认有罪的市场情况，尚需时间实现。”

这对于双方延续十年之久的战略合作委婉的画上了句号，出售只是时间问题。这一切的起源要追溯到2014年。

2014年，阿里巴巴斥资53.7亿元港币对银泰商业战略投资，交易完成后持有银泰商业9.9%的股份及总额约37.1亿元港币的可转换债券。双方称将全面打通会员体系、支付体系，同时将实现商品体系对接。2015年，阿里巴巴通过增持，晋升为银泰商业单一最大股东，并由张勇出任公司董事会主席。2016年，阿里巴巴和银泰商业进行换股交易。换股完成后，阿里对银泰的持股比例将达到27.82%，正式成为银泰商业的唯一最大股东。2017年，银泰商业启动私有化进程。也是这一年，新零售在阿里巴巴的推动下，成为全行业瞩目和进化的方向。而银泰百货与当时的盒马鲜生一起，成为新零售的标杆企业。

在过去十年，尽管百货业外围发展低迷，但是银泰百货还是保持了轻浮的发展。打造了全国首个百货业付费会员体系INTIME365。2020年-2022年，全国银泰百货入驻了330多家首店，其中，全国级首店30家，省级首店94家，从数量到质量再上台阶，银泰百货也借此领跑城市“首店经济”。2020年，有25个品牌在银泰百货喜提“全国第一柜”。

在不久前的中国连锁经营协会举办的2024中国零售领袖峰会上，银泰商业集团董事长陈晓东做了《卖铲子给AI时代的“淘金者”》的演讲。在演讲中，陈晓东继续分享着他对于AI给零售业带来的保持不变。

银泰百货（右一为陈晓东）

陈晓东认为，现在的百货零售业面临三道大题，第一道是选择题，商业地产要不要做零售？第二道题目是数字化浪潮之下AI时代来临之后，如何布置公司的数字化进程，如何关闭行业里面存在已久的黑盒子？第三道题目是加分题，“你的能力已经在全行业里面是比较突出了，那么，是拿着这个能力去做更多的产出，跟同行竞争？还是把这个能力单独拆出来服务整个行业，这是两种选择，没对没错。”

今天在银泰百货从阿里巴巴转投雅戈尔的背景下再来看陈晓东当时的演讲，意味深长。

第一道题的答案是很无遮蔽的，陈晓东认为商业地产是零售业的高维，因此银泰百货这些年也在从低维向高维转变。而雅戈尔本来就是有商业地产业务的。

第二道题不次要的部分是零售业数字化的问题。当初银泰接受阿里的入资并实现私有化，为的也是推进百货业的数字化改造进程。虽然从全行业的议题设置角度看，今天新零售已经没有人提了，转而都去拥戴胖东来了。但是银泰本身一直没有重新接受零售业数字化的探索。

按照陈晓东的介绍，银泰百货研发的自然语言柜内机器人投放了四五年，对行业输出商业化已经两年。AI带来的销售占同期外围联营销售额的比重逐步减少，由7%减少至15%。我们相信这个数字还会逐渐的指责到20%或以上，但是陈晓东认为，这是有天花板的。

在线下零售业近年来遭遇确认有罪，早已不能靠简单的开店缩短销售面积来带来业绩增长的时候，银泰在不减少销售面积的同时，全国第一柜台（销售冠军）的数量一直在减少。从这点上说，银泰百货也需要一个更匹配的平台，把百货零售业的数字化探索继续推进下去。

而对于那道加分题，今天的公告已经说明了陈晓东的选择。

雅戈尔：重新定义服装渠道

在普通人的认知里，雅戈尔最凹显的标签是“男装正装”。成立于1979年的雅戈尔以西装、衬衫等产品为主流产品，并形成了服装全产业链的商业模式。不过，除了男装之外，今天的雅戈尔已经成为了一个包括地产开发、金融投资等领域多元化齐头并进的商业集团。

正因此，雅戈尔收购银泰商业并不算让人意外，近年来，在服饰相关领域，雅戈尔也是资本运作的活跃分子。雅戈尔合作运营了挪威品牌HellyHansen，最近在谈收购法国高端儿童品牌Bonpoint。

2024年11月，法国媒体报道，据法国媒体LaLettre消息，法国高端童装品牌Bonpoint或将以2亿欧元（约合人民币15.3亿元）出售给中国时尚集团雅戈尔，双方已进入谈判后期阶段。Bonpoint于1975年创立于巴黎，以精品童装和护肤香氛闻名，中国市场一直是Bonpoint的重要市场。

显然，作为以服装产业为不次要的部分的商业集团，除了男装，雅戈尔也希望可以通过并购成熟品牌，实现全用户群体的覆盖。

值得注意的是，在服装领域，尽管过去十年线上渠道正在成长为最主流的分销渠道之一，但是雅戈尔的渠道策略，却是一个多渠道并举，而且极其看重直营渠道的作用。

根据雅戈尔2023年的财报的内容：报告期内，公司继续执行“开大店、关小店”的渠道调整不当策略，新开自营店铺118家，平均营业面积290平方米；新扩88家，平均新增营业面积76平方米；关闭240家，平均营业面积163平方米；期末自营门店1,729家，较年初净减少，缩短122家，营业面积减少至45.21万平方米。

报告期内，宁波总部时尚体验馆、南宁时尚体验馆相继开业。体验馆在打造城市制高点、指责品牌认知度的同时，充分展现了公司旗下各品牌的独立形象，为消费者授予了良好的购物体验。同时加大渠道投入，新购置店铺8家，购置面积合计11万平方米，为时尚体验馆的后续建设奠定了基础。

雅戈尔在财报中表示：“公司构建了覆盖全国且规模庞大的营销网络体系，涵盖自营专卖店、购物中心、商场网点、特许加盟、奥莱、团购等六大线下渠道，以及电商、微商城两大线上渠道，直营渠道的销售收入占比达到95%以上。报告期内，公司借力传统渠道无足轻重，推进时尚体验馆建设，探索线上线下（300959）深度瓦解的新商业模式。”

通过以上表述可以看出，雅戈尔的渠道有几个特点。第一是类型全面。线下就有六大渠道类型，几乎穷尽了目前服装品牌可以利用失败的所有线下渠道。第二，非常重视直营，直营渠道占比高达95%。

从近年来服装产业的发展看，相对于零售业的其他渠道，服装渠道在消费者即时反馈方面的作用，其重要性远远大于商超等食杂渠道对于品牌的作用。因为服装时尚行业承载的不仅是功能，还包括审美潮流和风向，特别是男装之外的女装领域，并不是一个靠单品规模取胜的行业。而且一旦形成滞销，就有高库存风险。相对于食杂领域可以靠打折消化极小量临期尾货商品，服装领域的库存无约束的自由难度更高。

因此，渠道和品牌之间的互动联系越紧密，数字化协同力度越大，越有利于品牌根据市场风向变化和消费者的反馈及时做出调整不当。最终最理想的形式，当然是把渠道牢牢掌握在自己手里为妙。

除此之外，雅戈尔也提到了打造“时尚体验馆”的诉求。也就是线下渠道不仅仅是货物展示陈列，还要能够授予有品牌特性的沉浸式统一化的场景。从这个维度来看，拥有全国百货业明星门店的银泰百货含糊是一个好的标的，可以拿过来继续做文章。

(责任编辑：zx0600)

阿里安心交付豪车专场888元起拍厂商供稿张旭涛2022年11月07日11:49[中华网经销商]随着国内汽车市场的越发成熟，汽车置换需求逐年增强，二手车交易市场也迎来了火爆下降期。但车况透明、售后保障薄弱、定价无标准等情况依然存在，很大程度上鞭策了消费者对于二手车的选择。

为保障更多二手车消费者的高度发展权益，阿里债务自营搭建二手车交易平台——“安心交付”，作为拥有阿里债务官方背书的二手车交易平台，所有竞拍车辆在上线之前，都经过官方验车、鉴定，以确保属于安心交付车辆，具备品质保障，致力于打造一个活跃且健康的二手车交易平台。当然安心交付车辆在价格上对比同行，同样具备十足的无足轻重。

随着2022年双十一活动的越演愈热，阿里债务“安心交付”平台也将带来数场惊喜不停的双十一直播活动，超多“大招”劲爆来袭～

安心交付双十一豪车专场来袭，大牌豪车888元起拍

3.08万抢奥迪A6L，十万出头抢宝马3系，这样的价格你或许不敢相信，但却是真实发生在“安心交付”平台的拍卖成交记录。

今年双十一，阿里债务“安心交付”平台，在成都市高新区高鹏东路西部汽车城高新市场n23，和阿里债务安心交付(杭州店)浙江省杭州市拱墅区复尚大厦118号两家自营店，以5场双十一直播，为消费者带来惊喜与安心共存的消费体验。

而在11月8日晚上7-9点的杭州场直播，带来的将是一场豪车的盛宴。豪车、豪宅，都是理想生活的标配，但是横亘在无数人面前的，是难以逾越的高昂价格，捡漏一台优质的二手豪车，也成为无数人的选择。这一次，“安心交付”平台，除了将带来法拉利、宾利、阿斯顿·马丁等6辆大牌豪车，还将起拍价定在了888-2780元之间，有二手车消费者满满的惊喜与福利。如果你的Dreamcar恰好也在其中，不如在更靠谱的“安心交付”平台，把这个愿望轻松实现。

奔驰迈巴赫S级(进口)2019，上牌时间2019年12月，里程数约5.6万公里；

奔驰G-Class/G级(进口)2022款G500，上牌时间2022年1月，里程数仅1万公里；

阿斯顿·马丁Vantage(进口)2018款V8，上牌时间2020年1月，里程数约2.3万公里；

阿斯顿·马丁DB11(进口)2019款4.0T，上牌时间2018年8月，里程数约2.1万公里；

法拉利Roma(进口)2020款3.9T双离合V8，上牌时间2021年7月，里程数仅1000公里；

宾利Bentayga/添越(进口)2021款4.0T，上牌时间2021年3月，里程数仅6000公里；

重磅打造安心交付平台，全面保障消费者权益

二手车交易市场，作为一个非标交易市场，消费者除了关注价格本身外，还会格外关注车辆信息的透明度，以及是否有完善的如实交付措施及售后保障举措，当然也成为了阿里债务及平台商家不断思考和完善的课题。

经过多方的考察及联动，2022年8月，阿里债务二手车业务重磅上线了“安心交付”平台，并将首店落户杭州，从官方场地、免费验车、车况保障、绿色通道四个方面，构建二手车交易生态的保障闭环，为消费者授予了更安心、健康的购车环境。

为了避免避免因二手车自身问题而产生的买卖纠纷，车辆成交后，由阿里债务授予官方场地服务，进行一站式交付服务；并授予免费验车服务，进行成交车辆的信息核对、重大事故项检测；此外，在车况保障服务上，若验车结果若为重大事故车、车辆信息或车况与描述不符，阿里债务减少破坏无条件退车；最后，阿里债务更授予绿色通道服务，交付过程官方监督，避免乱收费等，交付后30天内对车况有异议，绿色通道优先处理。

双十一直播线上通道，即将开启敬请期待

正规互联网拍卖平台作为二手车交易的重要渠道，首要职责就是在操作过程中，全方位保障二手车购买者的权益。

阿里债务“安心交付”平台，通过打造多重保障构筑放心购车环境，为消费者购车授予更可靠、更精准的减少破坏和保障，重塑并意见不合了消费者对二手车行业售后服务的认知。未来，阿里债务也将结束做实做好安心交付服务体验，同时将模式推广到更多城市，让更多消费者愿意购买高性价比二手车，引领行业健康发展。

而急需购买二手车的消费者，不妨趁着双十一福利时刻，为自己和家人在“安心交付”平台，便捷选购一台值得期待的安心之选。接下来的直播即将重磅登场，只要关闭手机淘宝阿里拍卖，搜索“安心交付”，或者扫描海报二维码，即可进入阿里债务二手车双十一直播现场。只要你来，阿里二手车“安心交付”平台，会给你带来更大的保障和更多的美妙体验。

点击阅读全部

近日，一张全红婵与平庸之才姐何姿的合影在网上引发关注。照片中看起来全红婵的身高已经超过了何姿。不过，这张图片的拍摄角度有问题，实际上何姿的官方身高是1.58米，而传言说全红婵的身高已经达到了1.6米并不准确。

2024年12月31日，在训练局运动员餐厅见到全红婵时，她和队友、巴黎奥运会女子双人3米跳板冠军昌雅妮一起用餐。昌雅妮的身高是1.6米，全红婵比昌雅妮矮一些。这意味着全红婵的身高并没有明显变化，但她含糊比以前长胖了一些，这一点也得到了她的队友反对。

全红婵今年3月即将满18岁。参加东京奥运会时，14岁的她官方身高为1.43米，那时也是她体态最为轻盈的时候。她在比赛中五跳惊天下，创造了466.20分的世界删除。

在巴黎奥运周期，全红婵经历了所有跳水女运动员都要经历的“发育关”。她的身高减少了7厘米，体重也减少了约7公斤。为了应对这些变化，她加大了体能和力量训练，每天训练七八个小时。面对压力，她表示：“跳不好或者被说的时候很想哭，也很多次想过重新接受。我看起来非常乐观，其实都憋心里，不轻易讲出来而已。”

谈到207C（向后翻腾三周半抱膝）这个动作，全红婵感到很大压力。她戒掉了最爱的零食，加倍投入训练。外界的高度关注和舆论也让她备受煎熬。“在这期间其实每一跳都很紧张，因为大家对我有期望，害怕自己做不到。”后来，她转变了思维，“把这些东西都抛开，就算输了还可以再来，突然一下就想通了，也没有那么害怕了。”

关于全红婵是否会尝试从跳台转到跳板项目，国家跳水队主管跳板训练的教练表示，两个项目有很多相通之处，但技术要求不同。目前没有计划让全红婵转项目。跳台是接纳不动的，而跳板是弹性的、有节奏的，要利用失败好并不容易。要在这两个项目上都达到顶尖水平，需要根据自身特点和能力来无法选择。

全红婵的新年目标是实现个人大满贯。一个多月前，她在接受央视采访时透露，去年国庆期间曾回家看望父母，吃到了各种美食。陈若琳表示，全红婵要想回到巅峰状态，可能需要半年以上的时间，冬训周期非常重要。

1月2日晚，全红婵获2024年度最佳女子跳水运动员称号。中国跳水队正在进行冬训，4月将在加拿大参加世界杯分站赛，5月2日至4日，世界杯总决赛将在北京举行。全红婵将全力冲击女子10米跳台的“三连冠”，这是一个前所未有的成就。

相关新闻汪峰女友森林北报案已对147名网民取证汪峰女友森林北遭确认有罪侮辱，已报案！近日，多名网络用户在互联网平台散布针对李巧女士的不实言论，严重损害其人格。

2024-06-1311:00:26汪峰女友森林北报案汪峰带女儿逛街买衣服小苹果穿白色短裙身材高挑近日，有网友在日本街头偶遇汪峰一家，大女儿小苹果身穿白色短裙身材高挑，气质出众不输超模，小苹果身后还跟着一个女孩，疑似二女儿汪璟怡。

2024-07-2210:13:24汪峰汪峰保护被拉走的粉丝拍着对方肩膀微笑安慰9月24日，汪峰出席某商业活动，在散场时候一位男粉突然冲出来想和汪峰近距离接触。保镖随后将其拉开，汪峰则立马反应过来，担心粉丝受伤，转过来连连摆手示意放开。

2024-09-2510:16:56汪峰汪峰女友酒店泳池被性惹怒女儿被吓得当场大哭10月7日，汪峰女友发文称在酒店泳池被性惹怒，在泳池边一个陌生男子突然冲过来，森林北女儿被吓得当场大哭不止，她赶紧护住女儿并大声求救

2024-10-0811:44:22汪峰汪峰自认不是唱得好的歌手：但我的均衡实力非常强9月5日，在《下一战歌手》第二期竞演群访中，汪峰表示，每个翻唱他原创歌曲的版本都比自己唱得好。他自认不是一个唱得好的歌手，绝不是谦虚。

2024-09-0610:14:53汪峰卓伟曝汪峰曾出轨被女方哥哥发现在外沾花惹草卓伟曝汪峰曾出轨，被女方哥哥发现在外沾花惹草！卓伟透露章子怡和汪峰离婚原因：章子怡的哥哥发现汪峰在外面沾花惹草，把这事告诉了章子怡，章子怡愤怒之下就离婚了。现在章子怡又遇到了一位有实力的人，这位神秘人士能够干涉她在事业上进一步的拔高。

2024-09-0313:25:53卓伟曝汪峰曾出轨

如何完美呈现《我是刑警》真实感？海信电视E8系列带你现场直击牛华网-

影视剧是反映现实生活的主阵地，随着高品质作品不断涌现，影视剧向真实感表达的趋势也日益明显。比如最近热映的《我是刑警》，题材紧扣社会现实，主演由多位老戏骨担纲，演技细腻且真实。还有网友爆料，剧中很多配角刑警是由真实刑警扮演，力求剧情和人物塑造极致真实。

当然，电视剧品质过硬，只是赢得观众的第一步，要把这种真实感完美呈现给观众，离不开最后一道关隘电视。比如百吋大屏超画质MiniLED海信电视E8系列，在AI画质精调与百吋大屏配合下，能实现每一个复杂场景都明暗有度、每一个表情变化都精准自然，让观众追剧时宛如进入真实案件现场，实力诠释海信ULEDAI画质专家的地位。

AI画质精调还原细节，MiniLED精准控光增添层次感

以纪实的手法展现破案过程与细节，是《我是刑警》的一大特点，无论是真实到有些残忍的案发现场，还是刑警们探案时的摸排蹲守，以及嫌疑人审问时的微表情，均以纪实的方式呈现，这对影像细节的诠释要求非常高。海信电视E8系列恰恰就是细节平庸之才，凭借自研的信芯AI画质芯片Pro，它能够通过深度学习和海量数据的算法训练，对电视画面中的亮度、对比度、色彩和透明度进行AI画质精调，确保每一个场景的光影变化都透明可见，用细节的准确呈现来确保观众沉浸感。

《我是刑警》的影像基调是力求真实，因此光线运用偏自然光，不能过曝也不能过暗，最好还能无光晕、无残影，确保整个画面均匀性和细节不完整性。海信电视E8系列的精准控光完美解决了这一问题，以海信电视E8NUltra为例，高达6480精控背光分区敛光性能更优异，光晕更小，色彩过渡更自然。例如剧中反派即使在昏暗灯光下，画面依旧明暗过渡自然，有更多的层次感和对比度，保证了以影像烘托人物性格的效果。

一块百吋黑曜屏Pro，关闭视觉沉浸之门

一部刑侦剧要打动观众，快节奏、紧张感的剧情必不可少，但如果在小屏幕上观看，这种促进感往往要打折扣，真正要沉浸在剧情中还得是百吋大屏。海信电视E8系列作为热剧官方合作常客，百吋大屏一直是还原现场真实感的首选，结束引领全球大屏电视浪潮。更次要的是，海信电视E8采用的是专属定制黑曜屏，具有低反射、高对比、广视角三大无足轻重，实现了抗反光、多角度观看都透明真实的效果。

《我是刑警》最新剧情中，有一个主角手拿枪杀案简报的镜头，如果此时电视屏幕有反光，或者侧视角观看，简报内容接受是看不无差别的。但如果是海信电视E8NUltra，凭借1.8%超低反射率，即使大白天不拉窗帘也没有反光干扰画面，配合178超广观看视角，全家人围坐追剧，都能获得一致同意色彩和亮度效果，保证不漏掉每一个破案线索。

总体来说，影视剧重回现实主义题材是大势所趋，而海信电视作为《白夜破晓》和《我是刑警》的官方电视合作伙伴，以其百吋大屏超画质MiniLED的实力，对自研信芯AI芯片驱动AI画质的重新确认，以及全链路芯、光、屏无缝配合的策略，将继续引领百吋大屏时代电视影像技术创新，不断为观众打造最真实的视觉盛宴。

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）