免籤引流服務提質 多方利好帶動出入境遊市場擴容
2025-11-03 00:47 9,791次浏览文/馮玲玲 由世界黃金協會發布的2025年二季度《全球黃金需求趨勢報告》顯示，二季度全球黃金需求總量(包含場外交易)達1249噸，同比增長3%；以價值計，同比躍升45%至1320億美元，創下歷史新高。 在全球經濟與地緣政治形勢依舊複雜的當下，黃金需求展現出韌性。但該報告同時指出，全球央行購金雖態勢延續，但節奏有所放緩。 作為近年來黃金需求增長的核心引擎，央行購金動向的變化釋放了哪些信號？又將如何影響黃金市場？ 黃金需求韌性從何而來？ 隨著全球市場波動加劇，黃金作為避險資產和投資組合多元化工具的屬性凸顯。 「投資人的避險需求和央行買入黃金儲備的需求，是當前推動黃金需求增長的首要動力。」工信部信息通信經濟專家委員會委員盤和林對國是直通車表示。 投資需求方面，二季度全球黃金ETF流入量達170噸，與2024年同期的少量流出形成對比。在一季度創紀錄的流入量支持下，上半年全球黃金ETF需求總量達397噸，創下自2020年以來的最高上半年紀錄。 實物黃金投資同樣表現亮眼。二季度金條與金幣投資總量同比增長11%至307噸。其中，中國投資者領跑全球，金條與金幣需求同比激增44%至115噸。 不過，高金價導致金飾需求持續萎縮。二季度全球金飾消費量同比下降14%，逼近2020年的低谷水平。但以價值計，全球金飾消費金額依然上漲，二季度達360億美元。 在需求增長的同時，黃金供應端同樣呈現增長態勢。隨著金礦產量小幅增長並創下二季度歷史新高，黃金總供應量同比增長3%至1249噸。 央行層面，全球央行延續購金態勢，二季度共增儲166噸。在持續的全球經濟與地緣政治不確定性條件下，購金量仍處於高位水平。世界黃金協會調查顯示，95%的受訪央行預計未來12個月內黃金儲備將進一步增加。 北京師範大學教授萬喆認為，二季度黃金需求增長是投資需求擴張、地緣風險、美元信用弱化三重因素共振的結果。機構與個人投資者同步增配黃金，反映市場對宏觀不確定性的防禦心態，而地緣衝突和美元體系動搖則進一步推高了避險情緒，吸引全球大量資本湧入黃金市場。 購金「減速不減勢」 在全球黃金需求整體向好的背景下，全球央行的購金行為呈現微妙變化。 儘管二季度央行購金總量仍保持高位，但增速有所下滑。報告顯示，二季度全球央行黃金增儲量同比減少21%。 此次購金前五的央行或主權基金為：波蘭央行、亞塞拜然國家石油基金、土耳其央行、哈薩克斯坦共和國央行和中國央行。 在萬喆看來，全球央行購金節奏放緩是短期戰術調整與長期戰略堅持的平衡結果，核心原因有三： 首先是高金價下的成本控制。今年上半年，國際金價整體走高。其中倫敦現貨黃金價格累計上漲25.7%，創下2007年下半年以來的最大半年漲幅。央行選擇暫緩增持以避免高位接盤。 其次是儲備目標階段性達成，降低緊迫性。經過近年持續增持，央行優化儲備結構的階段性目標基本實現，轉而進入戰略目標再評估與長期優化階段，購金行為更趨審慎。 再次是流動性管理需求。哈薩克斯坦等部分央行在高金價環境下進行戰術性拋售，通過投資組合再平衡維持流動性，是高波動市場中的靈活操作策略。 地緣政治緊張局勢的階段性緩和，也在一定程度上影響了央行的購金決策。 世界黃金協會報告提到，進入二季度下半段，部分地緣政治緊張局勢出現緩和跡象，市場避險情緒有所降溫，這也在一定程度上降低了央行短期內大規模增持黃金的緊迫性。 受訪專家表示，央行購金節奏調整僅是「戰術暫停」，而非趨勢逆轉。一旦地緣風險進一步升級，央行購金很可能重拾增長勢頭。 市場影響幾何？ 西班牙對外銀行亞洲首席經濟學家夏樂分析，從歷史周期看，央行購金行為往往引領市場趨勢。短期來看，央行購金節奏放緩或引發投資者熱情與信心波動，但地緣衝突長期化仍支撐黃金配置價值。 萬喆認為，短期來看，央行購金節奏放緩疊加部分央行拋售行為，一定程度上壓制金價上行空間。但長期來看，黃金作為戰略資產的定位持續強化，仍支撐黃金市場結構性牛市。 另一方面，從供需結構來看，投資需求逐漸成為市場主導力量。以中國、印度為代表的新興市場，黃金需求從首飾消費主導轉向「投資+消費」雙驅動，「這一結構性變化將深刻影響金價長期走勢」。 萬喆指出，影響金價未來走勢的關鍵變量有三： 一是美聯儲降息路徑與實際利率變化； 二是熱點地區地緣政治衝突演變； 三是中國、印度等新興市場投資與消費的持續性。 「黃金市場並非單純由央行購金驅動，所以央行購金減少並不一定影響黃金價格波動。」盤和林說，但若無全球經濟風險擾動，那麼央行購金減少會導致金價橫盤甚至下跌，影響投資人對金價的信心。 未來走勢方面，世界黃金協會資深市場分析師Louise Street表示，今年下半年金價可能會在相對窄幅的區間內震蕩。若全球經濟或地緣政治局勢出現任何實質性惡化，將推動金價再度走高。 8月4日，花旗上調未來三個月黃金價格預期區間至每盎司3300-3600美元，此前預期為每盎司3100-3500美元。
天津8月14日電(記者 孫玲玲)記者13日從南開大學獲悉，近日，南開大學計算機學院媒體計算實驗室取得最新研究成果，不僅從評估的角度揭示了現有AI檢測方法的性能不足，並創新性地提出了「直接差異學習」(Direct Discrepancy Learning，DDL)優化策略，教會AI用「火眼金睛」辨別人機不同，實現AI檢測性能的巨大突破。相關成果論文已被計算機多媒體領域國際頂級會議ACM MM2025(ACM International Conference on Multimedia)接收。 圖為南開大學研究團隊提出的DetectAnyLLM檢測框架以及MIRAGE基準數據集亮點全析。(南開大學 供圖) 近日，OpenAI發布新一代人工智慧模型GPT-5，再次引發全球關注。隨著DeepSeek、ChatGPT、通義千問、豆包等AIGC大模型逐漸從「新奇玩具」變成學習、工作中不可或缺的「生產力工具」，其伴生問題也日益凸顯：AI經常會「一本正經地胡說八道」，生成看似合理的虛假信息，造成「AI幻覺」；依賴AI工具代寫作業甚至畢業論文，極大衝擊著學術誠信和規範；論文AI率檢測系統有待完善，論文被誤判的問題時有發生……如何精準識別AI生成內容，成為亟待解決的熱點問題。 據了解，目前AI生成內容檢測主要有兩種路線，一種是「基於訓練的檢測方法」，使用特定數據訓練一個專用的分類模型；另一種是「零樣本檢測方法」，直接使用一個預訓練的語言模型並設計某種分類標準進行分類。 圖為AI生成內容檢測示意圖。(南開大學 供圖) 多項研究表明，現有檢測方法在應對複雜的現實場景時常顯不足。此前也曾有權威媒體報導，《荷塘月色》《流浪地球》等經典作品被某常用論文AI率檢測系統檢出高AI率。 為何現有的AI檢測工具會「誤判」？論文第一作者、南開大學計算機學院計算機科學卓越班2023級本科生付嘉晨解釋道：「如果把AI文本檢測比作一場考試，檢測器的訓練數據等同於日常練習題，現有檢測方法是機械刷題、死記硬背答題的固定套路，難以學會答題邏輯，一旦遇到全新難題，準確率就會顯著下降。」 「要想實現通用檢測，理論上需收集所有大模型的數據進行訓練，但在大模型迭代飛速的今天幾乎不可能。」付嘉晨說，讓檢測器真正學會舉一反三，即提升檢測器的泛化性能，是提升AI文本檢測性能的關鍵。 為此，研究團隊提出了DDL方法另闢蹊徑，通過直接優化模型預測的文本條件概率差異與人為設定的目標值之間的差距，幫助模型學習AI文本檢測的內在知識，可以精準捕捉人機文本間的深層語義差異，從而大幅提升檢測器的泛化能力與魯棒性。 「使用DDL訓練得到的檢測器如同有了『火眼金睛』，即便只『學習』過DeepSeek-R1的文本，也能精準識別像GPT-5這樣最新大模型生成的內容。」付嘉晨說。 團隊還提出了一個全面的測試基準數據集MIRAGE，使用13種主流的商用大模型(如豆包、DeepSeek、Kimi等)以及4種先進的開源大模型(如Qwen等)，從AI生成、潤色、重寫三個角度構造了接近十萬條人類-AI文本對。 「MIRAGE是目前唯一聚焦於對商用大語言模型檢測的基準數據集。直觀地說，之前的基準數據集是由少而且能力簡單的大模型命題出卷，而MIRAGE是17個能力強大的大模型聯合命題，形成一套高難度、又有代表性的檢測試卷。」論文通訊作者、南開大學計算機學院副教授郭春樂說。 在MIRAGE的測試結果顯示，現有檢測器的準確率從在簡單數據集上的90%驟降至約60%；而使用DDL訓練的檢測器仍保持85%以上的準確率。與史丹福大學提出的DetectGPT相比，性能相對提升71.62%；與馬裡蘭大學、卡內基梅隆大學等共同提出的Binoculars方法相比，性能相對提升68.03%。 「AIGC發展日新月異，我們將持續迭代升級評估基準和技術，致力於實現更快、更準、更低成本的AI生成文本檢測，以AI之力，讓每一篇成果更出彩。」研究團隊負責人、南開大學計算機學院教授李重儀說。(完)
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。
牡丹直播
「活动」首次登录送新手大礼包
- 软件大小: 376.37MB
- 最后更新: 2025-11-03 00:47
- 最新版本: v14.9.17.13
- 文件格式: apk
- 应用分类:ios-Android 绿茵直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 8.61以上
客服热线：139-3745-8956
86329
19
27
28
86495
57
2025-11-03 00:47
51478
34
2025-11-03 00:47
91425
73
2025-11-03 00:47
85921
79
2025-11-03 00:47
47983
36
2025-11-03 00:47
42197
34
2025-11-03 00:47
23619
78
2025-11-03 00:47
14623
49
2025-11-03 00:47
93512
52
2025-11-03 00:47
93214
52
27961
51389
69
27
39
32
51362
61
68923
62
65