中国保险行业协会于今日（7月31日）举行例行新闻发布会，披露2026年上半年保险市场整体呈现稳中向好的态势，业务架构亦在持续优化之中。

最新数据显示，本年度前六个月，原保险保费总收入达到3.86万亿元人民币，较去年同期增长3.3%；同期，赔款及给付支出累计为1.4万亿元，同比上升3.8%。

聚焦财产险领域，车险业务的原保险保费收入为4503.73亿元，与上年同期大致相当，而单车平均保费则呈现持续下行趋势。与此同时，非车险业务的原保险保费收入保持稳健增长势头。

中国保险行业协会党委委员、副秘书长方咏指出，财产险公司正积极拓展科技保险、责任保险、农业保险及健康保险等多元险种，非车险业务占比已从十年前的25%跃升至54%，成功超越车险业务，成为财险市场的重要支柱。

另据中国保险行业协会同业交流统计数据，今年1至6月，分红险产品的原保险保费收入高达10126亿元，同比增幅达到惊人的94.4%，显示出该险种在市场上的强劲需求。

哈尔滨，7月31日电（曹旭帆报道）——一场聚焦能源领域科技创新的盛事，第五届高校电气电子工程创新大赛，日前在哈尔滨工业大学圆满收官。本届大赛围绕“面向新型能源体系的电气技术变革”这一核心主题展开，共吸引来自全国306所高等院校的2817支精英团队踊跃参与。赛事主办方巧妙地将产业一线的实际需求转化为竞赛题目，旨在探寻能源结构转型时代背景下，如何更有效地锻造具备综合素养的工程领域人才。

与以往偏重理论考核的传统学术竞赛截然不同，本次大赛在整体流程上全面模拟真实工程项目的运作模式。参赛队伍不仅需要完成从项目可行性评估、具体方案构思，直至最终落地实施的全链条任务，还特别被鼓励进行跨学科、跨专业的协同合作。中国电工技术学会副秘书长王志华在接受采访时指出，该赛事的设立初衷，正是为了精准回应工科教育中长期存在的“理论教学与实践应用相脱节”这一普遍痛点。他透露，历届大赛涌现出的优秀作品现已被汇编成宝贵的教学案例资源，从而让赛事的育人成效能够超越单次竞赛的局限，持续渗透到日常教学的各个环节之中。

作为此项赛事的重要战略协作伙伴，施耐德电气已连续四年深度参与，精心打造“Go Green电力电子创赢赛道”。今年，该赛道紧密围绕算力基础设施、工业智能化及新型电力系统三大前沿方向设置赛题。施耐德电气副总裁、公司事务及可持续发展中国区负责人夏学英阐释道，所有赛题均源自产业实践中的真实难题，赛事的价值不仅在于甄选出能够出色回应现实挑战的“答题者”，更在于培育一代能够破解未来产业发展瓶颈的“破局者”。据悉，在2023年该赛道中，由浙江大学团队研发的“基于AI算法的伺服系统优化控制”项目，已成功应用于企业的实际产品体系，生动展现了从赛场创新到产业应用的高效转化。

与此同时，各大高校也在积极推动产教融合的实质性进展。哈尔滨工业大学电气工程及自动化学院副院长禹国栋表示，学校将充分利用承办此次大赛的宝贵契机，通过共建联合实验室、设立创新研修课程等多元化手段，将鲜活的产业应用场景持续融入人才培养的日常体系。而作为下一届赛事承办方的太原理工大学，其电气与动力工程学院院长窦银科则提出了另一番见解，他认为高等院校在人才培养上可着力于特定细分领域，力求做深做实，从而更为精准地适应产业发展的多元化需求。

经过层层激烈角逐，本届大赛最终有来自120所高校的291支团队成功晋级全国总决赛。其中，南京航空航天大学、浙江大学等六支杰出队伍凭借卓越表现，荣获企业赛道特等奖殊荣。据悉，该赛事的下一届举办权已移交至太原理工大学。（完）

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。

科技日报北京7月21日电（记者刘霞）日本金泽大学的科研团队近日研发出一种名为“Panregza”的革命性血液基因筛查技术，该技术能够以高达90%的准确率捕捉到早期胰腺癌的踪迹，为显著改善患者生存预后开辟了新路径。这项突破性成果已在最新一期的《科学报告》期刊上发表。

胰腺癌因其极高的致命性而被医学界誉为“癌症之王”，堪称恶性肿瘤中最具威胁性的类型。根据日本国家癌症中心的统计数据，这种疾病的五年相对存活率仅为8.5%。根治的可能性几乎完全依赖于早期诊断和及时的外科手术干预。然而，早期胰腺癌的侦测极为困难，在已确诊的病例中，处于早期阶段的仅占2%至3%，这正是患者预后普遍不佳的核心症结所在。为了突破这一临床瓶颈，医学界亟需一种非侵入性、操作简便的诊断工具，尤其是能够灵敏识别早期病变的血液标记物。

研究团队先前的研究发现，胰腺癌患者外周血中的基因表达谱与健康个体存在显著差异。基于这一观察，他们巧妙地将外周血基因表达特征与血清肿瘤标志物CA19-9的检测相结合，成功开发出这一创新的诊断模型。尽管该方法的有效性在晚期癌症中已得到验证，但其对早期病变的探测能力此前一直缺乏有力证据。

为了验证这一点，研究人员精心设计了一项试验，招募了10名处于0至I期的胰腺癌患者以及104名健康志愿者作为对照组，全面评估了外周血基因表达、CA19-9水平及两者联合应用的诊断性能。研究结果令人振奋，为胰腺癌的早期筛查和精准治疗带来了新的曙光。