应用多跨财通内部“投资、投行、财富”三大板块,重塑浙江省投融资生态、优化投融资环境、提升招商引资效率,聚焦浙江,面向全国,是集“政府端、金融生态端、企业端”三方服务为一体的重大创新性应用。应用覆盖五大场景,包括精准智投、高效智管、生态智享、政策智理和招商智引。

图:浙里易投直接融资生态应用系统
浙里易投项目采用前端Vue+Nodejs技术加后端SpringCloud微服务的前后端分离的整体技术架构,进行容器化服务部署实施方案。系统支持高并发大容量业务场景,容错和灾备能力完备,可灵活扩展系统功能。通过大数据技术进行企业及产业链数据的自动采集、清洗以及任务调度;使用机器学习模型构建了产业链图谱、企业标签、企业画像,并实现了自动识别企业风险、及时智能预警;通过云计算使系统资源可以快速启动,提高了系统的敏捷性、扩展性和弹性。

图:浙里易投实时大屏系统
平台针对当前浙江省的投融资生态圈存在“投资难找、项目难管、生态难建、政策难同步、招引难落实”等堵点、痛点,构建“浙里易投”生态应用,核心功能为“精准智投”、 “高效智管”、“生态智享''、“政策智理”、“招商智引",通过构建服务于浙江省直接投资生态的公益性应用,提供投融资项目全生命周期管理服务,重塑浙江省投融资生态、优化投融资环境、提升招商引资效率,为浙江省的投融资体系建设、国有资本价值发挥、投融资生态圈构建、精准招商等提供支持。平台构建企业服务(投融资、财富管理、综合服务、数字化工具)、投资人服务(投资交易、投资银行、财富管理)、政府服务(家底扫描、产业查找、精准推荐、动态监测)、政策专区、资讯专区、三方服务、活动专区等主要功能。
截至2022年,“浙里易投”已完成企业端、机构端的基本融资对接功能,实现企业融资需求发布并与金融机构对接的闭环服务,并完成与企业全生命周期服务平台的融合。基本实现了融资需求、企业画像、产业链智选、智能财报、智能预警等核心功能。产业链协同上,应用覆盖浙江省内15条核心精选产业链,包括1450个行业类型,引入商机资讯线索超过 500万条,覆盖项目商机超过30万,整体实现精准定位优质企业。社会成效上,应用覆盖2.3万家企业,管理基金规模278253.50万元,政府产业基金规模2335101.00万元,政府产业母基金共22只,管理规模达330亿元,私募股权基金29只,总规模76.82亿,基金管理合计总规模400亿。政府产业基金投资子基金48只,投资直投项目33个,股权基金累计投资股权项目48个。
平台在管理机制、产融协同、生态机制等方面实现创新。在管理机制方面,建设基金全生命周期管理平台、协同上报机制,优环节、减材料、缩时限;建设预警监测机制、财报报告分析系统;通过数据化、智能化的方式辅助机构进行风险管控。
在产融协同方面,建立产业供应链生态同直接融资生态相契合的协同创新机制,提升产业链服务效率,提高直接融资的精准度;建设投资机构、服务中介、企业、产业园区等主体画像,便于各主体基于自身业务偏好,筛选匹配各类合作方。
在生态机制方面,平台构建了投融资生态,国资引领,带动社会资本进入,创新产业投融资模式,共同培育发展产业项目,充分发挥国有资本的价值,并推动投融资生态圈形成合力,盘活生态发展,搭建以资本链耦合产业链、供应链、创新链、人才链、政策链等多链协同的投融资生态圈,构建完整生态价值链;构建企业全生命周期服务生态,针对不同融资阶段的企业,实现投融资资源适配;利用科技大数据手段,辅助政府精准招商,实现投资招商、投资造商、招投联动。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。