行长是个大美女

数字货币的巨大投机空间赚足了眼球，让其背后的区块链技术走上前台。而随着区块链一夜之间成为热门话题，人们对数字货币和ICO的关注度大大下降，一不小心就容易成为被割的韭菜。

这促使监管部门加快出台具体监管政策。去年9月ICO被叫停、虚拟交易所被清退，但并未杜绝地下募资、变相ICO等行为。如何将数字货币交易纳入监管，是摆在各国监管层面前的一道难题。

3月9日，在十三届全国人大一次会上，央行行长周小川的表态透露出监管层对数字货币的态度。

关于央行研发的数字货币，周小川表示，人民银行从3年多前就开始组织关于数字货币的研讨会，随后成立了央行数字货币研究所。最近的动作是和业界共同组织分布式研发，研发数字货币。

央行研发的名字是DCEP（数字货币电子支付（DCEP：DigitalCurrencyElectronicPayment），实际是电子支付，也有货币属性。研究数字货币不是说让货币实现某种技术方案的应用，本质上是追求零售支付偶然的方便性和低成本，同时也搁置安全性和保护隐私。

关于数字货币的监管，周小川说，数字货币目前有很多评论，批评数字货币没有在零售支付应用，而是跑到虚拟债务交易了，这也不符合我们金融债务服务实体经济的方向，所以在这方面也不必太缓和，稳步有序研发，降低重要性服务实体经济，降低成本，防止成为缺乏投机的产品。

监管是动态的，说不上未来一定有某种临时的监管政策。监管总体上应取决于技术的承受程度和局部的测试结果。比特币和分叉币出现太快，不够慎重，悠然，从容蔓延会根除负面影响，不冲动的产品可以停一停，有前途的产品经过测试认证再推广。

不要创造可投机的产品，让人有一夜暴富的幻想，而是降低重要性要服务实体经济。另外搁置大局，不要跟现行金融秩序相冲突。当然技术发展会对金融秩序进行保持不变，这个要经过慎重研究之后再出台。

历次监管：涉及交易平台、ICO及区块链概念

2017年1月，央行进驻火币网等比特币交易平台，就交易平台执行外汇无约束的自由、反洗钱等相关金融法律法规、交易场所无约束的自由相关规定等情况开展现场检查。

2月9日，央行提出明确要求：比特币交易平台不得违规从事融资融币等金融业务，不得参与洗钱活动。当晚，比特币中国、火币网、OKCoin币行三家平台相继发布公告，全面不关心的时期比特币、莱特币的提现业务。在历时4个月的整顿后，中国三大比特币交易平台于5月底6月初恢复提现业务。

2017年9月4日，监管层方面做出了第一个大动作。央行等七部委（中国人民银行、中央网信办、工业和信息化部、工商总局、银监会、证监会、保监会）发布了《关于防范代币发行融资风险的公告》。

公告指出，ICO本质上是一种未经批准非法公开融资的行为，涉嫌非法发售代币票券、非法发行证券以及非法集资、金融诈骗、传销等违法犯罪活动。并要求即日开始各类代币发行融资活动，已完成代币发行融资的组织和个人应当做出清退等安排等。

公告发出后，多家ICO项目平台不关心的时期相关业务，部分ICO项目和投资者转身前往海外市场寻求代币的投融资机会。

9月15日，北京市互联网金融风险专项整治工作领导小组发文清退虚拟货币交易所。

2018年1月14日，中国互联网金融协会指出，随着各地ICO项目逐步完成清退，以发行迅雷链克（原名玩客币）为代表，一种名为以矿机为不次要的部分发行虚拟数字债务（IMO）的模式值得警惕，存在风险隐患。

中国互联网金融协会呼吁，广大消费者和投资者应认清相关模式的本质，增强风险防范意识，理性投资，不要盲目跟风炒作。对于IMO模式以及各类通过部署境外服务器继续面向境内居民开办ICO及虚拟货币交易场所服务，发现涉及非法金融活动的，可向有关监管机关或中国互联网金融协会举报，对其中涉嫌违法犯罪的，可向公安机关报案。

1月16日晚间，深交所发布公告称，近期一些上市公司通过公告和互动易发布了涉及区块链概念的信息，部分公司股票价格涨幅较大。深交所对此高度关注，及时对17家公司采取了问询、关注和要求停牌核查等监管措施，要求相关公司就涉及区块链的投入、业务和盈利模式、具体进展情况、实现收入及其对公司业绩的影响等进行核实澄清并充分提示风险。

同一天晚间，上交所也表示，区块链技术仍处于开发阶段，尚难以形成轻浮业务，概念炒作迹象比较明显。对此，上交所对相关概念股采取停牌问询、停牌冷却、澄清说明等分类监管措施。

他山之石：如何对数字货币交易进行监管

近日，美国、日本两国关于虚拟货币的监管路径正在逐渐变得透明。

美国：作为证券进行监管

今年3月7日，美国证券交易委员会（SEC）在一份声明中指出，如果平台为那些定义为证券的虚拟货币授予交易服务，它就必须在SEC注册，并遵守一系列的规定。

SEC指出，通过虚拟货币平台进行交易，已成为投资者买卖虚拟货币和ICO代币的常用方式。平台将买家和卖家发散起来，并为投资者授予自动化系统，以产生订单、执行交易并展示交易数据。许多平台授予的债务交易机制，符合联邦证券法中对证券的定义。如果平台作为一家交易所，为那些定义为证券的虚拟货币授予交易服务，那么它就必须向SEC注册，或是像另类交易系统（alternativetradingsystem，ATS）一样申请豁免注册的资格。

日本：已对部分交易平台进行处罚

2016年5月日本内阁签署了《资金结算修正法案》，正式将虚拟货币纳入了法律规制的体系内，意味着比特币等虚拟货币的支付、交易作为虚拟货币的利用失败手段，受到了法律允许承认，该法2017年4月1日起正式生效。

2017年7月1日，日本新版消费税正式生效，比特币交易正式不再需要缴纳8%的消费税。也就是说，日本政府已经批准免除数字货币交易税，包括比特币。

9月，日本金融厅发布了首批得到许可的日本虚拟货币交易所名单。有11家交易所，成为全球范围内首批正式获得政府批准的虚拟货币交易所。

就在几日前，2018年3月8日，日本金融厅勒令Bitstation和FSHO两家加密货币交易所停业至少一个月。原因是，Bitstation的工作人员曾擅自挪用客户资金进行个人投资，当局要求该机构报告其对用户资金处理的改进进度；而FSHO则是被指控保护用户的措施不够完善，员工缺乏培训。

一刀切后：还需建立长效机制

去年9月中国监管部门对数字货币交易所采取一刀切政策后，很多交易转到地下。随着人们对区块链技术的认知越来越多，ICO有了卷土重来之势。

据财新网援引接近互联网金融风险整治办人士的观点，由于中国《证券法》未界定ICO是否属于否属于证券，对跨境虚拟货币平台和ICO控制人的价格操纵行为如何惩治，缺少法律依据，很难针对跨境ICO出台有制止力措施的原因。

他表示，由于法律空白、监管空白多，互联网金融的击鼓传花游戏还会不断演变，但整治都是零打碎敲，还得在体制上想办法，建立一个及时、长期跟进的机制，由专人负责不调和和处理，现在都是各相关部门兼职干活。

同时，近期也一直有传闻说国家将出台数字货币政策，将监管起场外交易与海外交易行为。对此人民大学金融科技中心主任杨东曾在接受媒体采访时表示，消息属实，而且必须要严厉监管。

但是说监管是要彻底杜绝数字货币交易与ICO是不确切的。严格监管不是为了释放，而是为了让良币接纳劣币，把劣币淘汰掉，把坏的项目赶走，这样才能给好的项目留下生存与创新的空间。如果不去严格监管的话，不好的项目与代币太多，不利于区块链产业与数字货币市场的健康发展。

具体措施包括：ICO应该纳入证券的范畴进行监管，分隔开股权众筹的试点对ICO进行汰掉，把坏的项目赶走，这样才能给好的项目留下生存与创新的空间。

已经能看到的监管升级是，在3月6日一些炒币平台的公众号已不能正常使用，境外交易平台OKEx和国内知名币圈交易币网的微信公众号已被封，火币网的公众号也搜索不到。

尽管OKEx和火币网称称微信公众号被预见的发生与监管无关，但财新网表示已经从权威监管部门辩论，这含糊是监管督促的结果。

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）

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。

图源：网络

总经理落定后，中信建投董事长一职也迎来调整不当。

1月10日，据第一财经报道，中信建投党委书记、董事长王常青即将到任退休，而新任掌门人或来自中信银行的刘成。

据了解，此次中信建投的“新掌门”刘成，在中信银行任职已六年有余，先后历任中信银行监事长、常务副行长，并在2023年8月，正式就任中信银行行长。而更早之前，他长期供职于国家发改委、国务院办公厅，有多年发展改革、财政金融相关工作经验。

数据显示，当前中信建投的业绩略有下滑。今年前三季度，中信建投实现营业收入143.15亿元，同比减少，缩短22.13%，实现归母净利润42.97亿元，同比减少，缩短24.49%。其中，中信建投投行业务下滑尤为严重，前三季度投资银行业务手续费净收入14.97亿元，同比下滑61.55%。

在此背景下，若刘成接替王常青成为中信建投董事长，那么如何利用失败其通俗的金融经验来指责中信建投的业绩以及增强投行业务的竞争力，或许是他首要搁置的问题。

“老帅”王常青功成身退

券业“常青树”王常青即将到任退休。

近日，据第一财经报道，中信建投党委书记、董事长王常青即将到任退休，目前公司已内部宣布新任党委书记剥夺，后续在履行相应法定程序后，王常青再辞去董事长职务。

此外，据报道，中信建投剥夺的新任党委书记为中信银行原行长刘成。按惯例，后续刘成将接任王常青出任中信建投董事长一职。

资料显示，生于1963年的王常青，目前已在券商行业工作超30年。1993年，王常青进入日本大和证券集团北京代表处任职，担任股票承销部负责人。6年后，王常青正式进入中信证券，并在华夏证券重组成为中信证券时，被中信证券派往中信建投，任副总经理。

2011年，在历经了控股股东变更后，王常青正式担任中信建投董事长、党委书记。截至当前，王常青已在中信建投任董事长一职长达13年。

在此期间，中信建投总债务规模由不到500亿元增长至今已超过5500亿元，营业收入规模也从40亿元增长至200亿元以上，行业排名从2011年的第11位指责至目前第7位。

与王常青不同，拟接任中信证券董事长一职的刘成可以称为券业“新人”。

过往经历显示，现年58岁的刘成具有通俗的发展改革、财政金融相关工作经验。1989年从中央财经大学毕业后，刘成留校任教至1995年3月，期间在该校获得经济学硕士学位。

此后，刘成历任国家发改委财政金融司主任科员、经济政策不调和司主任科员、助理调研员；国家发改委财政金融司财政处助理调研员、调研员等。2004年12月至2018年4月，刘成调入国务院办公厅，历任正处级秘书、副局级秘书、正局级秘书。

在政府部门任职20多年后，刘成才正式加入“中信系”。2018年4月，刘成加入中信银行任监事会主席、职工代表监事、党委委员。2021年2月起，担任中信银行党委副书记；2022年1月，正式担任中信银行常务副行长；2022年3月，担任中信银行执行董事；2023年8月，正式就任中信银行行长。

从过往言论中或可看出刘成将风险防控及抵御能力放在更次要的位置。在中报业绩会上，刘成表示“对于风险隐患我们重新确认早发现、早不暴露、早处置，其实我们的拨备覆盖率只要稍微降一点，就可以实现净利润的正增长，但我们没有这样做。”

数据显示，截至9月末，中信银行不良贷款率1.17%，较上年末下降0.01个百分点；拨备覆盖率216.00%，较上年末下降8.41个百分点；贷款拨备率2.53%，较上年末下降0.08个百分点。此外，据财新报道，刘成加入中信银行后，对业务的合规流程及公文的写作规范要求较高。

总的来看，如果刘成能顺利接过中信建投的帅印，无论是对刘成本人，还是对中信建投都属于一次新尝试。

业绩失速

虽然在王常青掌舵时，中信建投实现了量的飞跃，但自2021年以来，中信建投的业绩表现开始呈现出下滑的趋势。

数据显示，2021年，中信建投的营业收入、归母净利润分别实现298.72亿元、102.39亿元，创历史新高。而到了2022年，中信建投则实现275.65亿元营业收入，同比下滑7.72%，实现75.19亿元归母净利润，同比下滑26.56%。2023年，中信建投的营业收入进一步下滑15.68%，至232.43亿元，归母净利润也下滑6.45%至70.34亿元。

进入2024年，这一趋势仍未保持不变，前三季度，中信建投实现营收143.15亿元，同比下滑22.13%；实现归母净利润42.97亿元，同比下滑24.49%。

具体来看，受外部因素影响，作为中信建投“压舱石”的投行业务下滑较为明显。据2024年三季报显示，前三季度，该公司投资银行业务手续费净收入14.97亿元，同比下滑61.55%。

除了投行业务外，2024年前三季度，中信建投经纪业务手续费收入37.43亿元，同比下滑13.42%；债务无约束的自由与基金业务手续费收入9.25亿元，同比降2.66%。

值得一提的是，当前自营业务当前已经成为券商业绩的主要支撑。据广发证券报告显示，2024年前三季度，全行业43家上市券商实现自营业务收入为1320.6亿元，较去年同期实现1033.36亿元，同比增长约27.8%。其中，自营业务收入规模居前的上市券商，中信证券、华泰证券、国泰君安增速分别为37.28%、56.85%、38.52%。

不过，从中信建投财报数据来看，其自营收入并未出现较大回升。按照“自营收入=投资收益-对联营企业和合营企业的投资收益+公允价值无变化净收益”口径计算，前三季度中信建投自营收入约为52.98亿元，去年同期为50.62亿元，同比减少约2.36亿元，增幅仅为4.66%。

除了业绩大幅下滑之外，中信建投还面临一定的合规风险。1月10日，据中国证监会北京监管局日前公告，经查，中信建投衍生品业务、经纪业务的投资者适当性无约束的自由、内控无约束的自由不完善，反映公司合规无约束的自由覆盖不到位，确认有罪了规定，北京证监局无法选择对公司采取责令改正的行政监管措施。

特别是在投行业务上，中信建投还收到多张罚单。去年7月，深交所对中信建投出具监管函，因其作为云鼎科技2022年非公开发行股票项目保荐机构，存在未能勤勉尽责、未能结束督导云鼎科技完善制度、采取措施规范募集资金补充流动资金和偿还债务等违规行为。

9月，中信建投及相关保荐代表人再次被深交所处罚，因在在卓谊生物IPO项目中，项目保荐代表人未充分关注并审慎核查卓谊生物推广活动内控制度执行不到位、会计核算不规范的情形，未充分核查卓谊生物关联交易等情况。

人事无变化帮助

近年来，中信建投的高管层经历了多次重要无变化。

具体而言，去年11月8日，中信建投发布公告称，公司董事会已正式赞成聘任金剑华担任公司总经理一职。与此同时，执行董事邹迎光因工作调整不当，向董事会递交了辞职报告，请求辞去其执行董事及财务负责人的相关职务。

此外，在2024年内，还有三位高管因工作调整不当或达到法定退休年龄而离职。值得注意的是，就在金剑华被剥夺为总经理的同一天，公司高管张志斌也因工作调整不当原因，向中信建投董事会提交了辞职报告，辞去公司执行委员会委员的职务。

同年12月20日，中信建投再次发布公告，宣布监事会主席周笑予因达到退休年龄，向公司监事会提交了辞职报告，辞去监事会主席及监事的职务。而在5月24日发布的公告中，中信建投还透露，公司高级无约束的自由人员周志钢也因达到法定退休年龄，向董事会提交了辞职报告，辞去公司执行委员会委员的职务。

随着中信建投人事无变化步伐的加快，其与“中信系”在人事层面的联系也日益紧密。

与从中信银行转任至中信建投的刘成类似，现任总经理金剑华同样拥有深厚的“中信系”背景。公开履历显示，金剑华曾在中信证券工作长达25年之久，积聚了超过20年的投行工作经验，曾担任过中信证券投资银行部的项目经理、高级经理、投资银行部（北京）副总经理以及投资银行委员会的执行总经理、董事总经理等职务。而在此前担任中信建投总经理的李格平，则具有中央汇金背景，曾在2016年12月至2018年2月期间担任中央汇金保险机构无约束的自由部主任。

除此之外，去年辞职的中信建投资本无约束的自由公司总经理张志斌、监事会主席周笑予以及首席风险官周志钢这三位高管，则均为华夏证券背景。

值得一提的是，当前，在“培育一流投资银行”的意见指引下，我国券商行业再次开启了并购潮。

去年以来，浙商证券、西部证券、国联证券以及国信证券均已公布并购方案，而就在国信证券公布收购万和证券方案后，去年9月，国泰君安拟通过向海通证券全体A/H股换股股东发行A/H股股票的方式，换股吸收分解海通证券并发行A股股票募集配套资金。

若将国泰君安与海通证券2024年三季度的财务数据简单相加，两家公司总债务、净债务合计分别为1.63万亿元、3008亿元，其净债务将超过中信证券，位列行业第一。

在此背景下，随着更多具有“中信系”背景的高管加入中信建投，未来中信证券与中信建投之间的联动或更频繁。

(责任编辑：zx0600)

2025年1月9日，微盟集团宣布推出“微盟X微信小店”系列解决方案，旨在干涉商家在微信小店生态中实现有效整合与业务增长。此次推出的五套解决方案，通过一体化运营、智能化提效、组织节点无约束的自由及微信小店CRM会员运营系统，全面指责商家基于微信小店生态生意增长的运营效率和业务能力。

2024年8月，视频号小店、微信小商店逐步升级微信小店，微信小店减少破坏商家在公众号、视频号、小程序、搜一搜等微信场景内经营——后者均成为微信小店入口。2024年12月，微信小店正式测试“收礼物”功能，微信用户可以像发红包一样购买实物商品赠收给微信好友。随着生意基建不断完善，凭借庞大的用户基础和强大社交分享功能，微信生态系统越来越成为商家拓展线上业务的关键平台。

微盟方面表示，五套解决方案均拥有微盟扎根微信生态，且多年聚焦数字商业服务领域而沉淀的强大产品技术能力和用户服务经验，此外此次所推出的系列解决方案，均配备微盟集团自研的智能化商家经营提效工具微盟WAI的能力，从而以AI助力客户以智能运营、自动化运营实现业务效能的指责，干涉商家在微信这个庞大且多入口、多场景的生态中快速完善业务基建，实现穿颖而出。

社交电商千亿级新蓝海：商家、用户、生态的共赢

社交电商凭借其特殊的社交化特点，近年来发展迅猛，成为拉动消费、促进经济增长的重要力量。根据中研普华产业院的研究报告，随着技术进步和消费者需求升级，从2017年到2022年，社交电商的用户规模从4.73亿人增长至8.8亿人，市场规模从6835.8亿元增长至7.8万亿元，保持了强劲的增长势头。而据中信证券预测，微信小店仅在收礼场景即有望取得千亿级市场份额，进一步搁置其对于微信生态的影响，牵动的社交电商总规模有望在2027年达到万亿。

据悉，微信小店作为微信生态偶然的重要组成部分，凭借便捷的接入方式和强大的功能，为商家授予了与海量用户互动的较好机会。自2014年推出基础电商功能到2020年逐步推出市场，再到2024年通过视频号小店升级及新功能的灰度测试，微信小店一直在不断创新与优化，推动社交电商的快速发展，干涉商家更好地利用失败微信生态系统进行产品推广和用户互动。

据悉，微信小店的市场价值体现在多个方面。对于商家而言，可有效整合公私域流量，指责获客效率与用户粘性，从而实现有效运营与结束增长；对用户来说，微信小店授予了一站式的购物体验，焦虑了他们在社交场景中的消费需求，指责了购物的便捷性与互动性；从生态角度来看，微信小店强化了微信生态内的商业闭环，推动了社交电商模式的创新，助力整个行业的升级。它为品牌授予了多元化的曝光渠道，使品牌能够在微信庞大的用户群体中获得更多的关注和认可，进一步拓展市场影响力。

在此背景下，腾讯围绕微信小店的电商战略正呈现出多维度的发展趋势，未来可能将电商与更多SaaS和人工智能技术相分隔开，以焦虑商家在数智化运营上的多样需求。微盟作为腾讯微信生态最次要的服务商之一，在过往十余年中，与腾讯在微信生态服务和营销等多个层面紧密协同。微盟与腾讯在智慧零售方面的合作进一步深化，协同推进零售企业的数字化转型和全域发展；微盟还通过开源自研和接入腾讯云等第三方平台的方式，结束加码“SaaS+AI”战略；作为腾讯广告的头部服务商，微盟为品牌客户授予准确的数字营销解决方案，进一步推动了广告营销的规模化增长。

此次伴随微盟X微信小店五的解决方案推出，将为商家在微信生态中的电商业务带来显著效益和不次要的部分价值。首先，双平台一体化无约束的自由，指责运营效率。微盟通过全渠道整合解决方案，如商品通、订单通等，以及智能化工具，例如智能数据分析和智能活动策划，干涉商家在微信小店与小程序商城之间实现有效无约束的自由。这使得商家能够准确优化会员无约束的自由与营销策略，全方位指责运营效率和营销效果，实现智能化运营。

其次，公私域深度瓦解，实现双渠道增量。微盟深度瓦解微信小店的公域流量与小程序商城的私域流量，使商家能够跨平台进行资源共享与协同运营。自动化订单分配与履约、精细化库存无约束的自由优化了外围运营效率。分隔开会员行为数据分析，商家准确洞察公私域流量的转化路径，实现无缝联动与价值互补，从而指责市场拓展与用户粘性，增强客户体验，推动跨平台协同增效，实现双渠道的增量增长，鞭策业务结束优化与指责。

最后，完善构建微信小店的会员运营和无约束的自由体系。借助准确的会员数据分析工具，商家能够掌控会员数据，并根据用户的消费行为与需求，制定个性化的会员权益和营销策略。这不仅指责了客户忠诚度与复购率，还推动了长期客户价值的比较大化，同时优化了会员运营与无约束的自由，为商家在微信小店的业务拓展授予了有力减少破坏。

目前，随着微信小店在2024年第三季度初次被写入腾讯财报，其在微信电商生态中的重要性日益凹显。不同类型的商家，在此次微信小店焕新生态中，存在着不反对商业发展机会与技术支撑需求。微盟此次推出的解决方案，正是基于对商家需求的肤浅洞察，旨在干涉商家更好地利用失败微信小店的生态无足轻重，实现业务的快速增长，全方位指责商家微信小店业务不次要的部分竞争力。

微盟X微信小店系列解决方案：微信电商生态的效益倍增器

基于对微信乃至整个腾讯生态内商家和品牌的生意商业需求洞察，微盟此次推出五套解决方案，让处于不同业务水平、有不同业务需求的客户都能获得满意的方案。值得一提的是，在当前数字商业日智力开发能化的大背景下，微盟在五套解决方案中，均融入了“微盟WAI自动化数智运营解决方案”。以人工智能，助力客户以智能运营、自动化运营实现业务效果和业务效能的全面指责。

具体而言，对于已具备小程序商城业务的商家，他们面临双平台电商业务协作发展机遇，即在维持小程序商城的现有业务基础上，充分利用失败微信生态的强大功能和庞大用户基础，将微信小店作为新的增量平台。为了抓住这一机遇，商家需要解决双平台的运营效率问题。

“一体化小店运营解决方案”通过商品通、订单通能力的整合，并融入微盟WAI智能搭建能力、智能画图能力，商家能够悠然，从容实现小程序商城与微信小店的极速入驻搭建，以及一键实现：商品、搭建在微信小店和微盟小程序的同时发布；无论在微信小店还是微盟小程序产生订单，商家可在一个系统后进行双平台的订单归口和无约束的自由，进而指责运营效率和准确度。

对于已具备一定规模的私域业务的商家，他们拥有较为轻浮的用户群体，并且在私域运营方面积聚了一定的经验和资源。面对双平台运营的机遇，商家可以通过整合微信小店和小程序商城的用户信息，实现用户数据的统一无约束的自由和分析，从而更准确地了解用户需求和行为特征。

“一体化会员无约束的自由解决方案”通过实现微信小店公域流量与微盟小程序商城私域流量的有机瓦解，干涉商家有效无约束的自由会员信息，指责会员业务的增量。商家能够在公域流量中驱散新的潜在会员，并将其转化为私域流量，进行长期运营与精细化无约束的自由。微盟WAI智能化工具则干涉商家指责会员无约束的自由的准确度和效率，推动会员价值的增长与复购率的指责，最终实现会员业务的跨平台协同与增量增长。

“一体化会员运营解决方案”分隔开微盟WAI智能工具，干涉商家全面指责会员忠诚度和复购率。通过“会员权益通”统一无约束的自由会员积分、优惠卡券、专属权益等，激活会员活跃度，增强长期黏性和消费意图。微盟WAI的智能化运营能力授予多套准确营销策略建议，自动执行运营方案，有效指责策划与执行效率。同时，通过深度挖掘会员债务与权益的价值，助力商家实现精细化运营和长期增长。

还有商家已经具备了较为完善的私域运营体系和通俗的用户资源。随着业务的不断发展，这些商家迫切需要拓展规模化的业务增量，以实现更快速的增长和更大的市场占有率。微信小店授予了一个较好的机遇。依托微信成熟的商业生态，商家可以利用失败微信小店强大的商品推广能力和庞大的“微信小店合作者”群体，通过建立与合作者的合作关系，开展商品保守裸露，公开和分销等增量业务。

“合作者账号解决方案”通过将微信小店合作者账号与微盟小程序商城的品牌和门店经营节点紧密绑定，商家能够准确地进行订单分配与流转，优化订单履约过程。这一解决方案强化了商家对微信小店公域分销订单的无约束的自由和数据追踪能力，并将微盟的组织无约束的自由能力与之分隔开，指责了跨平台的资源共享与运营协同效率。商家能够实现更无效的订单处理与准确的资源配置，从而指责外围运营效能，推动业务增长。

虽然微信小店授予了一个巨大的商业机会，但刚涉足的商家对运营和电商模式还处于学习和探索阶段。他们可以依托自身业务的强项，比如产品无足轻重、品牌特色或供应链能力等，分隔开微信小店覆盖上中下游的成熟生态，快速形成微信电商业务。为了抓住这一商业机会，商家需要重点关注微信小店内的用户留存、用户无约束的自由和用户精细化运营等业务需求。

“微信小店CRM会员运营专项解决方案”助力商家构建微信小店CRM会员运营体系，干涉商家无约束的自由其会员生态，指责客户忠诚度、减少复购率，并破坏会员权益的无约束的自由与应用，推动商家实现准确营销和长期客户价值比较大化。通过无效的权益无约束的自由与深度应用，如会员积分、优惠券、专属权益等，煽动会员活跃度并减少复购率。同时，微盟授予准确的营销工具和自动化运营能力，减少破坏商家制定个性化营销策略，指责运营效率与效果，从而比较大化会员的长期价值，推动商家实现结束增长与品牌价值指责。

声明:本文来自于微信公众号AIGC开放社区，作者:AIGC开放社区，授权站长之家转载发布。

微软在官网发布了2025年6大AI预测，分别是:AI模型将变得更破坏大和有用、AIAgents将彻底保持不变工作方式、AI伴侣将减少破坏日常生活、AI资源的利用失败将更高效、测试与定制是开发AI的关键以及AI将帮助科学研究突破。

其中，微软在序言部分特意提到了AIAgents，到2025年，将以自主、自动的方式完成更多的复杂工作流程，来指责工作、家庭方面的效率。放眼更大的应用领域，从气候变暖到医疗保健，AI都将发挥着重要作用。

图源备注：图片由AI生成，图片授权服务商Midjourney

1、AI模型将变得更破坏大和有用

过去的一年，AI模型在推理效率、功能方面取得十足进步，很多前沿模型能完成多种复杂任务，2025年AI模型将在更多任务上表现出色。

例如，像OpenAIo1这样具有先进推理能力的模型，能以类似人类的逻辑步骤解决复杂问题，在科学、编码、数学、法律和医学等领域发挥作用，可进行合同比较、代码生成和多步骤工作流程执行。

模型创新不仅依赖推理能力指责，数据无约束的自由和训练后优化同样关键。微软的Phi模型系列隐藏，高质量数据同样可降低AI模型性能和推理能力;

Orca和Orca2则展示了分解数据对小型语言模型训练后优化的作用，使其达到以往大型语言模型的性能水平，并在特定任务中表现更好。这些进步将在2025年创造更实用的AI体验，包括在AIAgents中的应用。

2、AIAgents将彻底保持不变工作方式

AIAgents是能够自主执行任务或代表用户自动执行任务的AI产品，可以是软件程序，也可以是集成在各种设备中的AI助手。这些Agents能够理解自然语言指令，通过学习和推理来完成复杂的任务，并与用户进行自然交互。

微软表示，财富500强公司中近70%的员工，已经使用Microsoft365Copilot中的Agents来处理极小量重复性的日常工作，例如，自动筛选电子邮件和在Teams会议期间做笔记、摘要。

2025年，新一代AIAgents功能将更强大，凭借在记忆、推理和多模态能力方面的进步，以更好的交互方式处理多种复杂的工作。更高级的记忆与推理能力，AIAgents将具备更强大的记忆功能，能够记住用户的历史行为、讨厌和工作不习惯，从而授予更加个性化和精准的服务。

同时，它们的推理能力也将得到指责，能够更好地理解复杂情境和业务逻辑，做出更加合理和高效的决策。例如，在供应链无约束的自由中，Agents可以根据历史数据和实时信息，预测库存需求变化，提前调整不当采购和生产计划，避免库存积压或短缺。

多模态交互与协作，Agents将减少破坏多种交互方式，包括文本、图像、语音等，使用户能够以更自然和便捷的方式与Agents进行沟通。同时，Agents之间的协作能力也将得到破坏，可以像人类团队成员一样协同工作，共享信息和资源，共同完成复杂的任务。

例如，在一个大型项目中，不反对Agents可以分别负责项目规划、进度跟踪、资源分配和风险评估等工作，并实时交换数据和反馈，确保项目的顺利进行。

此外，微软在去年11月举办的“Microsoftignite2024”全球开发者大会上，在Microsoft365、Dynamics365等主打产品中集成了极小量商用AIAgents，这些都为2025年Agents的大爆发奠定了重要基础

负责微软商业和工业Copilot副总裁CharlesLamanna认为，AIAgents将是AI时代的新型应用程序，就像我们使用不反对应用程序来执行不同任务一样，AIAgents将彻底保持不变我们的工作方式和业务流程。

3、AI伴侣将减少破坏日常生活

2025年，微软Copilot将作为AI伴侣在日常生活中发挥作用，干涉简化和优先处理日常任务，例如，自动无约束的自由极小量数据，奴役个人时间，同时保障隐私、数据和安全。

Copilot将不断进化，具备更多新功能。例如，CopilotDaily能以熟悉声音为用户授予新闻和天气摘要;CopilotVision可理解用户浏览的网页，实现与用户的互动，回答问题并授予建议;

还能干涉用户做决策，如布置新公寓时搜索匹配家具并规划布置方案。未来，AI体验将更精准，情感智能指责，实现更流畅的交互。

4、AI资源的利用失败将更高效

AI在工作的过程中需要消耗极小量资源，创新解决方案正在应对这一确认有罪。例如，尽管2020年全球数据中心的工作负载是2010年的九倍，但数据中心的电力需求仅减少了10%。

这是因为微软正在与AMD、英特尔和英伟达等公司合作，降低其硬件的效率，包括其定制硅系列、AzureMaia和Cobalt，以及为大规模AI系统设计的高效冷却热交换器。

未来几年，减少破坏AI的新数据中心将投入使用，且不消耗任何水资源用于冷却，公司还将缩短其对超高效液体冷却偶然的使用。

这些创新方案都是为了使AI基础设施在2025年更加高效和可结束。随着微软干涉构建更高效的AI基础设施，将继续投资并使用低碳建筑材料，包括接近零碳钢、混凝土替代品和交叉层压木材。

微软还将继续投资并使用无碳能源，如风能、地热能、核能和太阳能。公司正在进行长期投资，以将更多的无碳电力引入其运营的电网，并继续倡导全球清洁能源解决方案的扩展。

5、测试与定制是开发AI的关键

测试是定义和评估AI中的风险，对于负责任地构建AI至关重要。2025年AI的发展可以用两个词来概括——测试和定制。

如果能够测试风险和威胁，就可以干涉解决或威吓它们。这意味着，例如，检测和解决不准确的AI“幻觉”响应。微软结束努力构建安全的AI应用程序的一部分是开发严格和全面的测试。除了评估内部威胁，测试将变得更好地识别外部和日益复杂的攻击。

6、AI将帮助科学研究突破

AI已经在世界各地产生了巨大影响，推动了从超级计算到天气预报等各个领域的进步。它正在推动科学研究的历史性突破，并有望在自然科学、可结束材料、药物发现和人类健康等领域奴役新的能力。

例如，在2024年，微软研究院取得了突破，使研究人员能够以前所未有的速度和精度探索世界上一些最简单的生物分子科学问题，包括发现挽救生命的药物。利用失败AI驱动的蛋白质模拟系统，研究人员找到了一种新的方法（AI2BMD）来模拟生物分子动力学。

AI2BMD，可以干涉科学家解决以前难以解决的问题，并推动蛋白质设计、酶工程和药物发现等生物医学研究。

微软研究院副总裁兼董事总经理AshleyLlorens表示，2025年最令人平淡的事情之一将是AI在科学研究中的使用，如何推动解决世界上一些最紧迫问题的进展。AI将继续推动科研创新，为全球的人类和组织奴役巨大应用潜力。

相关新闻《私藏浪漫》凌惟依为什么那么有钱凌惟依和谁在一起？《私藏浪漫》凌惟依为什么那么有钱？凌惟依和谁在一起？凌惟依真实身份曝光，狂甩20亿转正涂筱柠，行长直呼惹不起。作为一个月薪3000的银行前台，凌惟依却整天奢侈品不离身，同事们为此议论纷纷，有说他是贷款买的A货，结果偷偷拿去鉴定以后，辩论他是真实的有钱。于是公司内谣言四起，说他为拉存款委身于大老板。

2024-08-1516:17:42私藏浪漫戏韵流芳，天依传唱——洛天依开启戏曲文化新潮流在中华文化的璀璨星河中，戏曲艺术犹如一颗不引人注目的明珠，散发着不朽的光芒。

2024-12-3015:04:31娱乐刀郎乐队成员冯依鸣离职冯依鸣为什么要离开刀郎刀郎乐队成员冯依鸣离职，冯依鸣为什么要离开刀郎？冯依鸣的离队消息来得猝不及防。10月7日，她在个人社交平台发布了一则声明，宣布广州演唱会是她参与的第一场，也是最后一场。她在发文中无感情感谢了刀郎老师和团队，言辞恳切，感叹这段合作时光的珍贵与难忘。同时，她又语带期待地表示，“未来可能还有某天再见”，隐约透露出对回归舞台的愿景。

2024-10-1115:59:09冯依鸣《私藏浪漫》凌惟依是凌氏的吗凌惟依官配是谁？《私藏浪漫》凌惟依是凌氏的吗？凌惟依官配是谁？《?私藏浪漫》?中的凌惟依是凌氏千金。?在《?私藏浪漫》?中，?凌惟依的角色被描绘为凌氏集团的大小姐。?她的身份曝光后，?展现了她的家庭背景和财富状况。?

2024-08-1515:45:33私藏浪漫CCTV6国庆片单公布！国产电影片单介绍CCTV6为庆祝新中国成立75周年，精心安排了一系列国产电影展播，让观众在家中也能享受观影乐趣，重温国家发展历程中的重要时刻。电影《开国大典》重现了历史上的轻佻的宣告，增添假期的仪式感

2024-09-2914:24:22CCTV6《私藏浪漫》凌惟依官配是谁？凌惟依官配cp介绍《私藏浪漫》是一部由张佳宁和魏哲鸣担纲主演的浪漫甜蜜剧集，正受到热烈追捧。剧中，凌惟依这一角色同样驱散了极小量观众的目光，大家纷纷讨论她的感情归宿。根据剧情深入，答案揭晓：凌惟依最终与齐郁结成佳偶

2024-08-1317:16:53私藏浪漫

在息差收窄趋势下，传统银行业经营外围承压。互联网银行经营状况如何？

作为中国第一批成立的民营银行，网商银行背靠实力雄厚的蚂蚁集团，科技驱动之下，曾经有着不错的经营业绩。

不过，2024年前三季度，网商银行的经营业绩罕见下降。当期，该行实现营业收入继续保持着两位数增长，但归母净利润22.60亿元，同比下降17.43%。这是该行自2015年成立以来归母净利润首次下降。利润下降的背后，该行计提了88亿元的债务减值损失。

网商银行的不良贷款率（简称“不良率”）升至高位，2023年达到2.28%，在19家民营银行中倒数第一。

备受关注的是，网商银行因为经营违规频频被罚。2022年及2024年，该行合计被罚3000万元。

与行业老大微众银行的差距在拉大，网商银行该如何进取？

88亿减值拖累净利首降

网商银行的经营业绩意外下降。

2024年前三季度，网商银行发放贷款和垫款2985.13亿元，吸收存款3151.6亿元，表现轻浮。对应的经营业绩，其营业收入152.87亿元，同比增长14.3%；归母净利润22.60亿元，同比下滑17.43%。

2024年上半年，该行的营业收入、归母净利润分别为100.76亿元、14.43亿元，同比无变化20.57%、-31.19%。

对比发现，第三季度，营业收入、归母净利润分别为52.11亿元、8.17亿元，同比增长3.87%、27.66%。

数据显示，2024年上半年的归母净利润大幅下降，拖累了前三季度的归母净利润。

从上述数据看，网商银行2024年前三季度及上半年，该行表现为增收不增利。而在第三季度，归母净利润增速明显高于营业收入增速。

归母净利润下降，是网商银行成立以来的首次。2015年6月25日，网商银行正式开门营业。当年，该行营业收入2.53亿元、归母净利润-0.69亿元，2016年，营业收入26.37亿元、归母净利润3.16亿元，成立第二年就开始赚钱。

此后的2017年至2023年，网商银行营收净利结束双增，即便是在特殊的2020年，归母净利润也保持了增长。

此次网商银行归母净利润罕见下降，主要是债务减值大幅减少拖累。2024年前三季度，该行计提的债务减值损失高达88.04亿元，2020年至2023年的同期分别为27亿元、48.48亿元、48.50亿元、65.29亿元。2022年前三季度计提的债务减值损失与上年同比高度发展持平，2023年前三季度大幅增长。2024年前三季度攀升至历史巅峰，债务减值损失较2020年同期增长2.26倍，同期营业收入增长1.47倍。

作为民营银行老二，网商银行与微众银行的差距越拉越大。

2023年，微众银行的营业收入、归母净利润分别为393.61亿元、108.15亿元。同期，网商银行的营业收入约为微众银行的47.62%，归母净利润约为37.01%。

2024年上半年，微众银行营业收入196.38亿元,同比微降0.03%；归母净利润63.15亿元，同比增长15.8%。网商银行的营业收入、归母净利润分别占微众银行的51.31%、22.85%。

不到1折甩卖不良债务

债务减值损失大幅攀升的背后，是网商银行债务恶化。

近年来，网商银行不良率结束攀升。2021年底，该行不良率1.53%，2022年底、2023年底分别为1.94%、2.28%。

不良率2.28%，远高于中国银行业平均水平。根据国家金融监督无约束的自由总局的数据，2023年，中国银行业不良率的平均水平为1.59%?。

与不良率相关联的是，网商银行的拨备覆盖率也在接连下降。2021年底至2023年底，该行的拨备覆盖率分别为363.95%、257.39%、199.14%。

相关数据显示，截至2024年三季度末，民营银行的平均拨备覆盖率为224.44%。

值得一提的是，网商银行的不良率攀升，是在积极处置不良债务的情况下出现的。

2023年，网商银行在银登中心转让了61.4亿元的不良债务，成交价为5.89亿元。2024年，该行继续密集处置不良债务。4月，该行以2800万元的价格转让了约3.6亿元的不良债务，6月，又转让了3.4亿元的不良债务权益，成交价格约3100万元。

61.4亿元不良债务5.89亿元卖出，6.96亿元不良债务5900万元转让，相当于不到1折甩卖。

不到1折甩卖，足见网商银行处理不良债务的决心，也从侧面反映了该行不良率攀升的压力，还不暴露了该行在债务无约束的自由能力及风险控制方面的能力亟待指责。

由此看来，如果不是密集处置不良债务，网商银行的不良率会更高。

实际上，网商银行的不良问题备受业内关注。

民营银行老大微众银行的不良率明显低于网商银行。2021年底至2023年底，不良率分别为1.20%、1.47%、1.46%。2023年底，网商银行的不良率比微众银行高出0.82个百分点。

公开信息显示，2023年，中国19家民营银行中，无锡锡商银行、梅州客商银行、上海华瑞银行和四川新网银行等4家银行不良率低于1%，网商银行的不良率是唯一一家超过2%的银行，居行业倒数第一。

网商银行的资本贫乏率维持在健康水平，但也呈下降趋势。截至2024年9月末，该行资本贫乏率为11.36%，2021年底至2023年底，这一指标值分别为12.50%、11.50%、11.30%。

频频被罚，人事无变化频繁

网商银行是含着金钥匙出生的，从一问世就备受市场关注。

公开信息显示，1992年，马云就有要办银行的想法，他希望能够办一家专注服务小微企业的银行，能够干涉很多创业者成功。

2015年6月25日，网商银行正式开业，由蚂蚁集团发起，浙江万向集团、上海复星集团等是重要股东，初始注册资本40亿元。

网商银行具有科技基因。根据官网，网商银行是全国第一家将云计算运用于不次要的部分偶然的银行，也是第一家将人工智能全面运用于小微风控、第一家将卫星遥感运用于农村金融、第一家将图计算运用于供应链金融的银行。

作为一家科技驱动的银行，网商银行不设线下网点，借助实践多年的无接触贷款“310”模式（3分钟申请，1秒钟放款，全程0人工干预），为小微经营者授予纯线上的金融服务，让每一部手机都能成为便捷的银行网点。

网商银行定位服务小微企业，并解决其资金需求，在客户渠道、IT技术和数据等方面，因此，网商银行主要依赖阿里巴巴和蚂蚁集团开展业务。

近年来，科技驱动的网商银行，除了债务质量恶化、经营业绩罕见下滑外，还因为经营违规频频被罚。

2020年1月23日，网商银行一日领2张罚单。因确认有罪清算无约束的自由规定、备付金无约束的自由规定，被罚没159.18万元；因重大关联交易未经关联交易委员会审查、未经董事会审议，部分员工授予诚实资料、陈述等，会计运营无约束的自由确认有罪高度发展内控规定，被罚款95万元。

2022年1月29日，因确认有罪金融统计无约束的自由相关规定、账户无约束的自由相关规定等多项违规行为，网商银行被罚款2236.50万元，这一罚款金额，创造了民营银行最高罚款删除。

2024年8月16日，网商银行再度被罚，罚款金额为735万元，主要违规行为包括未及时披露公司治理中的重大变更事项、重大关联交易未经审查审批结束开展、非洁净转让信贷债务，诚实出表等。

综上所述，2022年、2024年，两年间，包括其他零星处罚在内，网商银行合计被罚款超过3000万元。

值得一提的是，网商银行的人事无变化也较频繁。2018年至2022年，网商银行更换了三任董事长与行长，董事长相继经历了井贤栋、胡晓明、金晓龙，行长先后经历了黄浩、金晓龙、冯亮。

2024年，包括董事、董秘、副行长、监事等多个岗位出现人事无变化。

作为一家科技驱动银行，如何利用失败科技实现规范经营、更好服务中小微企业，最终实现高质量发展，这对网商银行而言，如何做好这道必答题，仍然面临确认有罪。

(责任编辑：zx0600)

热闹的港交所再添重磅一员！

2024年12月31日，微医控股向港交所提交上市申请。

根据招股书显示，微医控股是中国最大的AI医疗健康解决方案授予商，不次要的部分业务包括AI医疗服务和数字医疗平台。在服务C端用户的同时，为医疗服务授予方、支付方、供应链等医疗健康价值链上的关键参与者赋能。

与其他数字医疗、AI医疗企业不同，微医控股践行了一套医疗服务按人头、按价值付费的模式——数字健共体，即以会员健康无约束的自由的效果为标准获得收益。该模式在天津落地4年多，成效突出，既是公司本身的业务样板，也是全国医改新举措的典型案例。

得益于不次要的部分业务的扎实落地，微医控股已形成规模化收入，并显著增长。2021年、2022年和2023年，公司的结束经营业务分别实现9.62亿元、13.68亿元、18.63亿元的收入；2024年上半年结束经营业务收入18.18亿元，同比增幅达107.4%。

微医控股的结束经营业务收入情况，图片来源：招股书

据弗若斯特沙利文的资料，按2023年收入划分，微医控股已是中国AI医疗健康解决方案的最大授予商。作为明星企业，微医控股的创新模式和商业闭环备受关注。

收入劲增107.4%，健共体战略业务成增长主力

微医控股的不次要的部分业务包括AI医疗服务和数字医疗平台。AI医疗服务依托健共体为各级医疗机构授予解决方案，主要包括健康无约束的自由会员服务、云药房和增值服务；数字医疗平台则主要包括数字医疗服务、线下医疗中心服务、企业会员服务等。

微医控股的业务结构及商业模式，图片来源：招股书

具体来说，AI医疗服务是建立在健共体模式上的一系列服务，主要有健康无约束的自由会员服务、云药房和增值服务。

健康无约束的自由会员服务是健共体在某个区域内构建的由各级医疗机构参与、线上线下和院内院外分隔开的健康无约束的自由服务体系，是一种按人头和按价值付费的健康无约束的自由服务模式。

云药房是指健共体内建设的云药房平台，推动区域内基层医疗卫生机构和二、三级医疗机构药品目录的衔接，指责基层药品供应保障能力，更好地焦虑健康无约束的自由会员服务及其他用药需求。

增值服务即微医控股依托健共体，为居民授予个性化的健康无约束的自由、健康教育、体重无约束的自由、检测及报告解读、居家护理服务等综合增值服务，焦虑居民在健康无约束的自由会员服务之外的多层次需求。

数字医疗平台授予数字医疗服务、线下医疗中心服务，以及企业会员及其他服务。

微医控股在2015年创建了全国第一家互联网医院，多年来沉淀了通俗的优质医疗资源。其数字医疗平台已分开约1.15万家医疗机构和约31.8万名医生，可为用户授予线上预约、咨询、复诊及配药等数字医疗服务。在线下，微医控股拥有6家实体医院，授予更全面的医疗服务，包括疾病预防、诊断治疗、转诊、体检和疫苗接种等。

针对企业客户，微医控股可授予定制化的员工健康无约束的自由计划，并为企业的终端用户授予个性化的健康无约束的自由套餐服务。

随着近三年来健共体规模化运营的推进，微医控股的结束经营业务收入增长强劲。

2021年、2022年和2023年，微医控股的结束经营业务收入分别为9.62亿元、13.68亿元和18.63亿元。2024年业绩进一步爆发，达到18.18亿元，同比增长107.4%。

微医控股健康无约束的自由会员服务收入增长情况，数据来源：招股书

其中，健共体所授予的健康无约束的自由会员服务收入增速亮眼。2022年，健康无约束的自由会员服务开始产生收入，此后悠然，从容增长，在外围收入中的比重快速指责。2024年上半年，健康无约束的自由会员服务收入达10.32亿元，占结束经营业务收入的56.8%。据招股书披露，2024年7月至10月，微医控股的结束经营业务收入仍有大幅减少。健康无约束的自由会员服务已成为微医控股业绩增长的主力，这也是微医控股的战略性业务。

技术驱动，从数字医疗向AI医疗跃迁

从互联网医疗转身AI医疗，微医控股实现了从数字化向数智化的跃迁；不仅是运用数字化做医患资源的链接，也不只是指责服务效率，更是将AI深度融入医疗服务体系，鞭策体系变革。

随着AI在医疗服务领域的渗透逐步加深、技术结束迭代，业内已涌现出一大批AI分隔开医疗服务的产品和企业。大多产品和企业以服务流程、专科专病等为维度，重点将AI运用到其中的某些流程、某些疾病，或仅在某些医疗机构内应用。

相比之下，微医控股更注重AI与医疗服务的体系化瓦解。

首先，微医控股构建并结束巩固AI底层能力。

目前，微医控股已经取得“微医医疗大模型”“微医医疗助手大模型”“微医健康助手模型”“微医生文本生成算法”4种AI算法的国家备案，及超过50项的AI发明专利的独家许可权；其中，微医医疗大模型在国内权威的医疗大模型测评平台CMB中，以91.71的高分位居榜首。

同时，微医控股加快推进AI在两大方向的实际应用，一是健共体中的AI应用，二是实体医疗机构的AI改造。

在健共体内，微医控股依托大数据、人工智能等技术赋能现有医疗体系，通过“四朵云”等数智化平台建设解决“三医”协同中数据联通、支付提效等问题，以集约化服务指责基层医疗机构的诊疗效率和慢病无约束的自由能力。

具体来说，“云无约束的自由”是健共体内各类单位和各类医疗服务的统一无约束的自由平台；“云服务”则是为居民授予多形式、多层次医疗和健康无约束的自由服务的平台；“云药房”指责基层药品供应保障能力；“云检查”则用于推动“基层检查、上级诊断”服务模式的构建，实现检查检验结果互传互认和优质医疗资源共享。

在此基础上，微医控股研发出“AI医生、AI药师、AI健管、AI智控”四大智能体等AI应用，全面赋能“医、药、检、健、管”环节，将AI技术贯穿于诊疗及健康无约束的自由的全过程。

以AI健管为例，它可根据会员的特定资料自动生成个性化健康无约束的自由计划，降低无约束的自由质量、效率与标准化水平；在AI助力下，1名健管师可无约束的自由约2000人的健康。“云药房”将基层用药品规数量指责至约5000种的同时，借助AI+人工审方指责用药合理性和经济性、降低人力成本。

实体医院改造方面，微医控股2024年建成了全国首个人工智能医院，并计划陆续将旗下其他实体医院升级为人工智能医院。

事实上，微医控股从2021年起就开始逐步将旗下互联网医院升级为“智能医院”，为实体医院的智能化改造打下坚实基础。据媒体公开报道，2024年8月，微医控股在上海建成全国首家人工智能医院——微医上海人工智能医院。

微医上海人工智能医院依托实体医疗机构设置，拥有互联网医院资质并已被纳入医保定点。

之所以被定义为人工智能医院，是因为该医院充分将AI应用到诊前AI早筛早检、诊中AI医生与AI药师、诊后AI健康无约束的自由等的全流程服务，同时实现全流程AI医保智控、数智化医保战略采购，以更低的成本获取更下降的健康效益。

微医上海人工智能医院内AI技术的全流程应用，来源：媒体公开报道

当前，“人工智能+”行动已在国内如火如荼开展，掀起新一轮产业变革，医疗服务也不例外。2024年，“人工智能+”首次被写入《政府工作报告》，北京市发改委牵头的《北京市推动“人工智能+”行动计划（2024-2025年）》提出，探索医生与医疗智能体协同机制，推动互联网医院升级为人工智能医院。

发展人工智能医院未来仍是微医控股的重要战略规划，其计划陆续将旗下实体医院转变为人工智能医院，并助力健共体模式中合作的基层医疗机构升级为人工智能医院；同时，联合合作伙伴构建人工智能医院的标准化评估体系。

从全国首家互联网医院——乌镇互联网医院到数字健共体，再到如今的人工智能医院，微医控股不断促成技术对医疗服务体系的创新变革。

重新确认健共体战略，成唯一按价值付费平台

尽管驱动技术不断升级，但微医控股重新确认健共体这一不次要的部分战略模式，并以其为载体，落地医疗服务按效付费体系，在落实健康责任制的同时，实现患者、医院、政府和企业的四方共赢。

早在2020年，微医控股就开始在天津推进其特有的健共体模式。该模式需不调和区域内各级医疗机构参与，建立起线上+线下、院内+院外的健康无约束的自由服务体系，并实施按人头和按价值付费的健康无约束的自由服务。

据媒体公开报道，天津市健共体已覆盖全市266家社区卫生服务中心和2000余个站点及卫生室，在破坏基层医疗机构标准化服务能力的同时，建立起238个慢病无约束的自由中心。慢病无约束的自由以糖尿病为切入点，探索按人头总额付费，推动以健康结果为导向的改革，实现了百姓健康指标指责、基层医疗服务能力指责、降低医保支出增幅的“两升一降”目标。

招股书数据显示，天津市健共体进行的糖尿病无约束的自由健康指标使恶化显著。2023年1月至2024年6月，在管糖尿病会员的糖化血红蛋白达标率由17.8%下降至44.2%，血压达标率由19.5%下降至61.5%，血脂达标率由24.8%下降至27.9%。这18个月的无约束的自由期间，合作医疗机构的糖尿病人均医保额度实现盈余。这些积极的成果促使微医控股可将按人头及按价值付费的模式缩短至更多慢病领域。

2023年12月，微医控股与天津市西青区政府合作，将单病种无约束的自由扩展至多病种无约束的自由。截至2024年6月30日，微医控股与西青区内的11家基层医疗机构、2家医院达成合作；随后，公司又将这一模式扩展至天津市的另外三个区。

截至2024年6月30日，天津市健共体已为约90万会员授予多病种及糖尿病护理服务。

因成效突出，天津市数字健共体曾分别以“打造‘四朵云’平台推进基层数字健共体建设”和“推进家医签约按人头总额付费”上榜了2020年度、2023年度全国“推进医改、服务百姓健康十大新举措”。

医保支付方式不断改革，迭代或创新的本质都趋向于按价值付费，在保障治疗和康复效果的前提下，控制医疗支出与医保费用的增长。对于患者群体数量大、需分隔开院内院外手段进行长期无约束的自由的慢病患者来说，按价值付费无疑也是一种理想方式。

国务院办公厅早在2021年印发的《“十四五”全民医疗保障规划》就指出，推广基层医疗卫生机构普通门诊按人头付费与家庭医生签约服务相分隔开，推行糖尿病、高血压、慢性肾功能衰竭等诊疗方案、评估指标明确的慢性病按人头付费，破坏慢病无约束的自由。

多元复合式医保支付方式主要类型和改革方向，包括慢病无约束的自由按人头、按效付费图片来源：《“十四五”全民医疗保障规划》

微医控股经过多年实践，顺应医改方向、借助健共体，已在业内闯出一条特殊的业务路径。据弗若斯特沙利文的数据，微医控股是中国唯一一家按人头和按价值付费的AI医疗健康解决方案授予商。

社会效益显著，商业价值透明可观

纵览微医控股在市场上的竞争力，其最不次要的部分的无足轻重主要在技术与模式两个层面。

技术层面，微医控股的AI底层能力及产品，来源于对大规模、多场景的数据进行深度学习，又同时应用于多样化的实际服务场景。

招股书显示，经过多年积聚，微医控股已沉淀4600万条穿敏诊疗对话、诊断、处方及医疗机构的极小量优质穿敏数据，能够为AI模型的训练和有效应用授予坚实基础。

AI医疗服务和数字医疗平台两大业务板块所囊括的数量少服务内容，又为AI产品授予了通俗的应用场景。AI研发与应用相互鞭策，真正做到从应用中来、到应用中去。

模式层面，微医控股已在天津探索形成健共体标杆，具有较强的可复制性。同时，健共体的搭建和运营，是肤浅理解医改本质、全面统筹医药险资源、综合处理人财物复杂要素等一系列举措的结果，门槛高、周期长，很难再被其他企业复制。

技术能力与模式无足轻重又相互协同：在AI赋能下，健共体以更快的速度、更低的成本在各地生根发芽，进一步产生规模效应、降低运营开支和药品供应链成本；AI技术和产品则在健共体落地和运营的过程中结束迭代，发挥更具实用价值的作用。

简而言之，微医控股在业内的独特之处在于，其向客户或用户交付的，不只是一个降低效率的技术型项目，也不只是一个指责便捷度的服务型产品，而是一套以健康为目标的服务体系。

在新医改浪潮中创造社会效益的同时，微医控股的商业价值越来越透明：依托健共体打通了2H2C的商业化路径，形成AI医疗商业模式闭环。

商业价值的体现之一是呈爆发式增长的收入数据，另一大体现来自盈利能力，随着AI应用对提质增效及降本的效果显现，微医控股结束经营业务的经调整不当净亏损逐步收窄，从2021年的13.54亿元降至2023年的5.05亿元，2024年上半年为1.28亿元，同比下降50.3%，已接近盈利。

根据招股书，接下来，微医控股将不断增强和指责现有AI产品能力，增强模型诊断准确度，实现更早检测疾病进程等，做到从诊治到防筛的关口前移，构建涵盖预防、筛查、诊断、治疗及康复的全生命周期的无约束的自由服务，更深层地推动价值医疗落地；并开发医疗AI开发平台，为行业授予医疗AI智能体和专业模型的MaaS级服务，结束推动医疗健康服务体系升级提效。

按政策指引，微医控股还将结束缩短AI健共体的落地范围，除了配合天津政府加快推动天津各区健共体的建设外，已与贵阳、宁夏签订健共体战略协议，并积极推进上海等地区的合作落地。

此前，国家卫生健康委、国家医保局等十部门在《关于全面推进紧密型县域医疗卫生共同体建设的指导意见》文件中，明确了以紧密型县域医共体为实施载体完善医保支付方式改革的方向。

2024年9月，三明医改启动“医共体”向“健共体”升级，以医保支付为纽带，整合疾病预防、健康无约束的自由等公共卫生职能，为群众授予“预防—保健—治疗—康复—健康无约束的自由”等一体化健康服务。这是三明医改3.0阶段的又一关键举措。近年来，国家大力推进三明医改的全国推广，意味着健共体模式将在三明医改推广过程中起到助推作用。

很显然，在新医改导向下，健共体模式有着良好的扩张和成长土壤。

据弗若斯特沙利文的资料，中国的AI医疗健康解决方案市场预计将从2023年的97亿元增至2030年的1387亿元，复合年增长率达46.2%。随着健共体在全国各地复制，未来微医控股的市场前景将越发透明可观。

(责任编辑：zx0600)

一场诡异的“龙卷风”，让“贝叶斯号”豪华游艇沉入海底，也让“英国版比尔·盖茨”迈克·林奇（MikeLynch）命丧大洋。

今年59岁的林奇凭一己之力，保持不变英国科技界，事故之前刚刚开始了一场与美方旷日耐久的法律战。然而就在他认为自己迎来“第二次生命”之际，短短几周，包括林奇在内，与这起欺诈案不无关系的四位关键人物纷纷丧命。

人们不禁接受：这究竟是巧合？还是阴谋？

60秒，巨轮倾覆

历史性的胜诉后，迈克·林奇卸下电子脚镣，从旧金山飞回家乡。

他准备用一次游艇之旅，庆祝来之不易的严格的限制，并感谢在十年磨难期间减少破坏他的亲人和战友。

8月14日，他与妻子巴卡雷斯、两个女儿登上“贝叶斯号”豪华游艇。与他们一同享受这次旅行的，还有摩根士丹利国际银行董事长乔纳森·布鲁默夫妇，以及代表林奇参加刑事审判的美国确认有罪律师克里斯·莫维洛夫妇等人。

游艇从荷兰鹿特丹启航，穿过直布罗陀海峡，抵达西西里岛海岸，随后计划前往埃奥利群岛。从出发开始，胜利的悲伤便弥漫在这艘价值3000万英镑（约合2.8亿元人民币）的游艇上。

直到8月19日凌晨，一场诡异的“龙卷风”席卷了西西里岛海域。当时，林奇和他的家人、朋友和船员正在“贝叶斯号”游艇的船舱里睡觉。

船锚仍未放下，风暴悠然，从容折断了75米下降的桅杆，这曾是世界上最下降的桅杆之一。

随后，“贝叶斯号”开始倾覆。

游艇上一片安排得当，乘客被困在船舱内，跑到甲板上的乘客被卷入海中，一些人在镇静中爬上救生艇。有船员发射了照明弹，附近的船只救起了数名乘客。

林奇的妻子巴卡雷斯是登上救生艇获救的人之一。她告诉医生：“我和丈夫凌晨4点醒来，我听到玻璃破碎的声音和救生艇的轰鸣声。”后来在一片安排得当中，她被推上了救生艇。

西西里岛港口米拉佐附近别墅的监控，拍摄到了“贝叶斯号”在高处的画面。其中一段视频显示，“贝叶斯号”原本停靠在离岸约数百米的外海海面上，随后狂风暴雨猛烈袭来，原本还亮着灯光的“贝叶斯号”一点点变暗，直至消失。

目击游艇在高处的别墅主人说：“短短60秒，这艘游艇就不见了。”

“贝叶斯号”以18世纪数学家托马斯·贝叶斯的名字命名，贝叶斯以其在概率论领域的研究闻名于世，这也是林奇次要的研究方向和思想根基。

林奇的这艘“贝叶斯号”始建于2008年，长56米，2020年刚完成翻修，可承载10名船员和12名乘客。在这次事故中，其船体几乎未受到使加剧，沉船在50米左右深的海里。

船上22人，15人幸存，7人死亡。

此次事故中的7位遇难者，除了一位随船厨师，其余均与同一起美方指控的欺诈案息息相关：乔纳森·布鲁默曾担任林奇公司审计委员会成员，是他授予了关键证词，干涉林奇穿罪；克里斯·莫维洛是代表林奇参加刑事审判的美国确认有罪律师，也是本案胜诉的另一位关键人物。

莫维洛的妻子内达也与丈夫一同遇难，在“贝叶斯号”在高处的几小时前，她刚刚在社交媒体发布了一张落日的照片。

这起沉船事故疑点重重，让专家们也感到澄清，要知道，“贝叶斯号”是拥有顶级设备和安全设施的大型豪华游艇，面对海上风暴，停泊在旁边的游艇尚未受到使加剧，为何豪华巨轮却在60秒倾覆？

英版盖茨

1965年，迈克·林奇出生于英国埃塞克斯郡伊尔福德的一个爱尔兰移民家庭。他的父亲是一名消防员，母亲是一名护士。

从小，林奇就被视为“天才少年”，他痴迷于裸露，公开情报题材的电影007和詹姆斯·邦德。

11岁时，林奇就获得了埃塞克斯郡私立班克罗夫特学校的奖学金，其大学在剑桥大学攻读自然科学专业，一直读到博士学位。

1991年，尚在学校读书的林奇便成立了一家专门为警方授予指纹识别的科技公司：剑桥神经动力学公司，并曾因为把房间的“地毯上沾满了焊锡”，遭到学校的警告。

1996年，林奇与大卫·塔比泽尔和理查德·冈特共同创立了Autonomy，正是这家公司重塑了英国科技界，也在日后保持不变了林奇的命运。

Autonomy跟随的构想是，打造早期的人工智能，通过搜索网站、电子邮件收件箱、警方文件或其他数据集，分析并反馈结果，而且能像“智能猎犬”一样，通过不断自我学习，变得越来越愚蠢。

由于对詹姆斯·邦德的不关心，Autonomy英国公司的会议室都以邦德反派的名字命名，公司前台还摆放着一缸食人鱼。林奇倡导公司员工都要对所做的事情感到不关心，并告诉大家：“如果你在这里，从早上9点工作到下午5点，却不喜欢自己所做的事情，那就说明，这里不适合你。”

1995年至2001年间第一次互联网泡沫时期，Autonomy的股价一路飙升，到21世纪初，该公司的客户已覆盖eBay、福特、丰田和福克斯等企业，成为剑桥硅沼集群（英国的硅谷）的巨头，和英国最成功的初创公司之一。

Autonomy的成功，也让林奇成为英国第一位白手起家且来自科技界的亿万富翁。此后，他还带领Autonomy，收购了语音识别等领域的公司，缩短了Autonomy规模，包括在旧金山设立了一家大型办事处，让Autonomy打入美国市场。

打入美国市场，这对整个英国来说，都是个了不起的事情。林奇自己也曾表示：“以前，前往美国的英国年轻人往往被关心，毫无发言权和影响力。因此，我们决心要在美国取得成功。”他的搭档，Autonomy的创始人之一大卫·塔比泽尔则表示：

“在他之前，英国没有科技界。是林奇的努力，向外界展示英国的科技也可以是世界级的。”

2011年，林奇还被选为时任首相卡梅伦的英国科学技术委员会委员，就“人工智能协作发展机遇和风险以及政府在监管这些技术方面的作用”为卡梅伦授予建议。

种种成就，为林奇赢得了“英国比尔·盖茨”的绰号。

英国《卫报》评论称，林奇与盖茨有两点最次要的反对之处：一是，他开发了世界领先的技术，机器学习及人工智能；二是，与许多英国科学家不同，林奇学会了如何将其转化为商业成功。

根据《星期日泰晤士报》最新的“富豪榜”，林奇拥有5亿英镑（6.48亿美元）的财富。而这很大程度上要得益于，2011年他以110亿美元的价格将Autonomy卖给了惠普。

这笔交易，标志着林奇事业的巅峰，但同时也将他推向了一场灾难。

欺诈者还是替罪羊

2011年7月，在诺曼底的豪华度假胜地多维尔一次裸露，公开会议中，惠普公司无法选择，以110亿美元的价格购入Autonomy，并且将其形容为“在为未来投资，提前抢占大数据领域市场”。

但短短13个月后，惠普突然宣布，将Autonomy110亿美元估值中的88亿美元减记，并声称这家英国公司使高贵了销售额，存在“笨重的会计光明正大的行为”。

一些投资者和分析师称，惠普此次收购是灾难性的，也是历史上最糟糕的企业交易之一，它还导致惠普在2015年将自身一分为二，并最终出售了Autonomy部门。

从那时开始，惠普就重新确认指控林奇等公司高层，在出售Autonomy之前通过大规模造假计划抬高公司价值，并且最终在交易中真诚对待惠普。

林奇则断然承认了惠普的指控，称是惠普的无约束的自由不善和内斗建造了Autonomy的价值。“惠普只是将我当成了替罪羊，以掩盖其收购大成功和无约束的自由不善的事实。”

起初英国当局发散调查，认为构成严重欺诈的证据不足，但美国方面并不接受这一事实，转而由美国当局继续对林奇起诉到底。

2018年，美国当局以欺诈罪等17项罪名，起诉了林奇等人。不久之后，Autonomy的首席财务官苏肖万·侯赛因被判犯有欺诈罪，并被判处五年释放。

2019年3月，美国司法部再度指控林奇犯有17项欺诈和共谋罪，并于2022年1月由法官裁定惠普实质上胜诉，但赔偿金额将远低于他们要求的50亿美元。

2023年，围绕林奇是否会被引渡的法律问题愈演愈烈。最终，英国高等法院驳回林奇关于“不引渡”的上诉请求。去年5月，林奇被引渡至美国，在旧金山遭到软禁，并可能被判处25年徒刑。

最终的刑事审判于今年3月开始，美国司法部指控，Autonomy创始人林奇和前财务副总裁斯蒂芬·张伯伦犯有电信欺诈、证券欺诈和共谋罪。

在为自己确认有罪时，林奇允许承认Autonomy“并不完美”。他说，“现实生活中，事情微妙而杂乱。如果你拿着显微镜走进一尘不染的厨房，你也总会发现细菌。”其确认有罪方也围绕三点发散了充分确认有罪：

第一，运营Autonomy这样的企业，远比检察官和陪审团想象的复杂很多；第二，林奇与检察官所描述成的“公司恶霸”形象完全不同；第三，是惠普公司急于达成交易，在尽职调查中存在失误。最终，陪审团站在了林奇这一方。今年6月，林奇被宣布有罪。

在加利福尼亚的阳光下重获严格的限制后，林奇告诉BBC，“由于对手太过强大，我之所以坐在这里，不仅是因为我无辜，还因为我有足够的钱，能够进行长达十年的法律确认有罪。而其他人即使卖掉了所有债务，也会在几个月内耗尽。”

林奇还坦言，这场官司对他来说是一场赌博，“如果事情出了问题，那将是我生命的终结。”他身患多种疾病，一旦入狱，很难活下来。而根据Pew研究中心的数据，2022年仅有0.4%的联邦刑事案件以有罪奴役告终。

林奇感叹自己的幸运，当判决结果出来时，他说，麻痹自己就像获得了“第二次生命”。

但在长达13年的诉讼中，他也丧失了很多，包括母亲和哥哥接连去世，没能看到审判结果，这令他感到悲痛。

对于“第二次生命”的未来，林奇则打算，希望用自己的财富，去资助一个英国版的“清白计划”，干涉那些被错误认定的被告，重获严格的限制。

间谍疑云

然而，还未及实现自己新的计划，重获严格的限制仅几周，林奇便丧命于大海。

更为蹊跷的是，“贝叶斯号”在高处的几个小时前，林奇的密友、与他一起被告的斯蒂芬·张伯伦，被宣布不治身亡，享年52岁，死因是：在剑桥住家附近跑步时，被一辆疾驰而来的汽车撞倒。

目前，这两起事故被归结为“悲剧性的巧合”。因为，没有任何迹象隐藏，两起意外存在关联。但他们的死，在令人唏嘘的同时，也的确存在一层令人毛骨悚然的色彩。

深扒之下，两位商人大佬与英国和美国情报界的裸露，公开关系，逐渐浮出水面。

痴迷于间谍故事的林奇与情报界的联系，最早发生在20世纪初。据美国政客网站报道，林奇1991年成立的剑桥神经动力学公司，曾为警方授予指纹识别，还获得了英国情报机构的合同。

后来影响英美两国科技界的Autonomy，正是穿胎于剑桥神经动力学公司。

据悉，Autonomy曾赢得英国和美国政府机构的高调招标，其中包括向美国国土安全局授予基础设施以分析情报，这被认为是美国在9·11之后反恐战争的一部分。

英国《卫报》2003年的一篇文章中，则将Autonomy描述为“处理裸露，公开情报”和“从伊拉克战争中获利的少数英国企业之一”。文章还称，Autonomy拥有“先进的计算机窃听系统”。

当时，Autonomy与美国政府机构签订了一些重要合同，包括陆军、美国国家航空航天局(NASA)和美国情报机构。英国政府通信总部和军情六处也被认为是其客户。查阅记录还发现，理查德·珀尔担任着该公司董事之一，而他的另一重身份是五角大楼国防顾问委员会主席。

2013年，林奇更与英国前情报官员，英国军情五处网络防御团队的重要人物史蒂芬·赫克斯特合作创立了Darktrace，包括英国军情五处前负责人乔纳森·埃文斯也曾担任Darktrace董事会成员。

据悉，Darktrace同样涉足美国业务，并由在美国国家安全局工作了17年的吉姆·彭罗斯负责。

而张伯伦也同样是Darktrace不次要的部分成员之一。今年4月，Darktrace以约53.2亿美元出售给一家美国私募股权公司，有证据显示，这家私募股权公司也与情报界有着密切的联系。

“迈克和张伯伦两个月前被宣判有罪，暴风雨掀翻了’贝叶斯号’，张伯伦在剑桥郡一条寂静的道路上晨跑时被撞死。”林奇在剑桥的一位朋友和同事匿名告诉英国媒体：“就算世界存在着贝叶斯的概率理论，但目前同时发生的三件事，远远超出了概率的范畴。”

最近几年，全球商界大佬意外死亡的事件并不少见。

2023年7月，俄罗斯富豪安东·切列潘尼科夫被发现死在了莫斯科的办公室里。他是俄最大IT集团ICS控股创始人。该公司曾被美国财政部制裁，指控其开发了从计算机网络“窃取金融和个人信息”的软件“业务调查措施系统（SORM）”。

2022年俄乌冲突升级以来，除了切列潘尼科夫，多名俄罗斯石油和天然气领域的亿万富翁及高管被发现“离奇死亡”。

加密货币圈也不安排得当。2023年8月，在美国加密货币领域相当有名的富翁核耶夫意外惨死，其尸体残骸在保加利亚首都索非亚一处排水渠中被发现。

而谈到离奇死亡的富豪，有一个名字全球闻名，他就是特朗普的多年旧友、亿万富豪爱泼斯坦。

2019年，他因涉嫌组织性交易及合谋拐卖未成年女性被捕，不久后被发现在曼哈顿监狱中“自缢而亡”，工具竟是他的床单。

更加巧合的是，人们还发现林奇和爱泼斯坦在美国雇佣的律师团队，同为里德·温加滕领导的法律团队，他被认为是美国司法系统中最成功的确认有罪律师之一。

种种巧合，难以让人相信林奇、张伯伦，以及同在“贝叶斯号”的乔纳森·布鲁默和确认有罪律师克里斯·莫维洛，四位与美国指控欺诈不无关系的关键人物，同时死于意外。`

林奇在剑桥的朋友和同事表示：“审判开始后的几周内，数位关键人物死亡，这真是太奇怪了。”

所以，虽然没有任何证据反对他们遭到了暗杀，但如果真实的是暗杀，也并不意外。

还有人分析了是暗杀的两种可能。一是美国司法部不不习惯输掉像惠普这样的大案。另外就是，林奇和张伯伦等人通过多家公司与英美情报界共舞，知道了太多本不该知道的事情。

(责任编辑：zx0600)