上海民革等聯合舉辦學術座談會 紀念抗戰勝利80周年
2025-10-24 19:20 1,453次浏览近期，廣東發生基孔肯雅熱疫情，截至8月2日已累計超過7700餘例。 基孔肯雅熱是由基孔肯雅病毒引起，主要經伊蚊叮咬傳播的病毒性傳染病，臨床表現主要為發熱、皮疹、關節和肌肉疼痛。這個病比較麻煩的一點是，有部分病人可能會出現持續數月甚至數年的慢性關節痛。 那麼，如何預防基孔肯雅熱？如何判斷自己是否感染基孔肯雅熱？萬一感染了，怎麼辦？科普中國邀請了北京佑安醫院感染綜合科主任醫師李侗曾，圍繞基孔肯雅熱的傳播、症狀、預防等核心問題展開解讀，幫助大家科學認識、有效應對。 什麼是基孔肯雅熱？ 傳播和流行有什麼特點？ 基孔肯雅熱是由基孔肯雅病毒感染引起，經伊蚊叮咬傳播的急性傳染病。基孔肯雅熱 1952 年首次在非洲報導，由白紋伊蚊等伊蚊屬蚊蟲叮咬傳播。 近年全球伊蚊活動範圍擴大(從熱帶、亞熱帶向溫帶擴散)，導致基孔肯雅熱、登革熱、寨卡病毒等經伊蚊傳播的疾病報告國家和地區增多。全球已有119個國家報告過基孔肯雅熱病例。我國伊蚊活動範圍也在擴大，北京、天津、河北等地也可發現白紋伊蚊，因此經伊蚊傳播的疾病可能出現地區性增加。 得了基孔肯雅熱有哪些症狀？ 會有後遺症嗎？ 基孔肯雅熱的主要臨床表現為發熱、關節痛和皮疹(約70%患者出現)。其發熱通常為中低熱，而關節疼痛可能早於發熱出現或與發熱同時發生(初期常累及1-2個關節，常見於手指、腳趾、手腕、腳踝或膝關節)。皮疹表現為紅色斑丘疹，主要分布於四肢、軀幹及顏面部。其他伴隨症狀可能包括頭痛、肌肉酸痛、乏力、噁心及嘔吐。 該病的特徵性表現是顯著關節痛(「基孔肯雅」在非洲當地語言中的意思就是"身體彎曲")，多數患者的發熱和皮疹症狀在1周內消退，但關節症狀可能持續數周，少數病例會遷延數月甚至數年甚至可能進展為慢性關節炎。 基孔肯雅熱、登革熱 和寨卡病毒感染有什麼區別？ 基孔肯雅熱、登革熱與寨卡病毒均由伊蚊叮咬傳播，三者臨床表現相近，如發熱、肌肉關節痛、乏力、皮疹等，但細節不同： 基孔肯雅熱以嚴重關節痛為特徵，不過皮疹更為常見。 登革熱主要表現為中高熱，關節痛症狀相對較輕。重症登革熱可能發展為休克、出血(表現為血小板減少)，其死亡風險實際上高於基孔肯雅熱。 寨卡病毒感染症狀相對較輕，典型表現為中低度發熱、明顯乏力、關節及肌肉酸痛，常呈對稱性，可能持續數周至數月，以及結膜充血。需特別注意的是，孕婦感染寨卡病毒可能導致胎兒小頭畸形，並引發中樞神經系統發育異常(包括聽力損傷、視力障礙及智力發育遲緩)。 基孔肯雅熱應該如何治療？ 是否有特效藥或疫苗？ 基孔肯雅熱、登革熱和寨卡病毒均無特效抗病毒藥物，目前國內也無獲批的基孔肯雅熱疫苗。 治療以對症支持為主，而登革熱患者需特別注意避免加重出血風險，但因為有時我們難以區分登革熱和基孔肯雅熱，因此在懷疑患這兩種病又未能做出區分時，要慎用布洛芬、阿司匹林等非甾體抗炎藥，避免出血風險。發熱、關節痛明顯時可使用對乙醯氨基酚等解熱鎮痛藥，這樣更為穩妥。 哪些人更容易感染基孔肯雅熱？ 感染後危險嗎？ 主要風險人群包括生活在白紋伊蚊活躍地區(尤其夏季蚊蟲密度較高時)的人群，以及前往基孔肯雅熱流行地區(非洲、東南亞)旅遊、務工的人員，前往國內廣東、佛山等流行地區的旅遊、出差者。 大多數人感染後表現為自限性疾病(約一周左右康復)，但嬰幼兒、65歲以上老年人、孕產婦、免疫力低下者及嚴重慢性病患者更易發展為重症或出現後遺症，其中有基礎關節疾病者發生關節痛後遺症的風險更高。 基孔肯雅熱會發生「人傳人」嗎？ 為什麼要採取隔離措施？ 基孔肯雅熱本身不會通過人際直接傳播，但可通過白紋伊蚊叮咬在人際間傳播。 患者發病後血液病毒載量高，當白紋伊蚊叮咬患者後攜帶病毒，經體內繁殖後再叮咬他人即可導致傳播，因此需對患者採取隔離措施。不過這個隔離措施的重點是防蚊，包括安裝紗窗、使用蚊帳、配備驅蚊產品，避免患者被蚊蟲叮咬後造成病毒傳播。 應當如何預防基孔肯雅熱？ 首先要控制傳染源，對疑似、確診及臨床診斷的基孔肯雅熱病例採取防護隔離措施，減少被白紋伊蚊叮咬的風險。還要切斷傳播途徑，清除蚊蟲孳生地，可以重點清理白紋伊蚊的繁殖場所如居民區閒置盆罐、水培植物積水、廢舊輪胎、塑膠袋等積水容器等。 還要加強個人防護，安裝紗窗/蚊帳，使用合格驅蚊產品。減少戶外暴露風險，日出前後 1-2小時及日落前後1-2小時是白紋伊蚊活躍時段，外出特別是去蚊蟲多的地方儘量避開活躍時段。外出時可穿著淺色長袖衣褲，裸露皮膚塗抹驅蚊劑，儘量避開植被茂密/積水較多的低洼區域。如需前往基孔肯雅熱、登革熱、寨卡病毒流行地區(東南亞、非洲、美洲)時加強防蚊措施。 總之，基孔肯雅熱的傳播鏈清晰，治療上雖無特效藥但以對症支持為主，多數患者預後良好。因此，對基孔肯雅熱無需過度恐慌，了解相關知識，做好防控工作尤其是滅蚊、防蚊工作，就能大大降低患病風險。 作者丨李侗曾 北京佑安醫院感染綜合科主任醫師 北京預防醫學會感染病學專業委員會委員 來源：科普中國微信公眾號
前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
花瓣直播
「活动」首次登录送新手大礼包
- 软件大小: 475.98MB
- 最后更新: 2025-10-24 19:20
- 最新版本: v5.10.9.4
- 文件格式: apk
- 应用分类:ios-Android 现场直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 3.12以上
客服热线：133-5123-1365
89215
14
2025-10-24 19:20
67324
56
2025-10-24 19:20
42137
93
2025-10-24 19:20
12735
56
2025-10-24 19:20
16584
39
2025-10-24 19:20
76354
64
2025-10-24 19:20
42385
31
2025-10-24 19:20
68723
78
2025-10-24 19:20
34567
76
2025-10-24 19:20
38164
95
97
39
47
14
15768
31425
52
94
74689
35
39