2023重要医学AI研究

2023年，医学AI基础模型、医学数据采集AI模型以及与医务工作者协同的医学AI等方面取得突破性进展。《NEJM医学前沿》特邀上海人工智能实验室、上海交通大学医学院附属瑞金医院张少霆教授团队撰文总结2023年该领域重要研究。

《NEJM医学前沿》由嘉会医学研究和教育集团（J-Med）与《新英格兰医学杂志》（NEJM）联手打造。我们连续第6年推出各重要疾病领域临床研究盘点，敬请期待。

刘绵莘，朱立峰，张少霆*
上海人工智能实验室；上海交通大学医学院附属瑞金医院
*通讯作者

自2007年IBM Watson开始，人类就在不断追求医疗人工智能（AI）的发展。一个可用而强大的医疗AI系统具有巨大的潜力，可能重塑现代医疗的各个环节，实现更智能、精准、高效、普惠的诊疗，为医务工作者与患者带来福祉，进而极大程度改善人类健康。在过去的16年中，虽然医疗AI研究者们在各个小的领域不断积累，在现阶段却仍未能将科幻带入现实。

而今年，借助ChatGPT等AI技术革命性的发展，医疗AI在诸多方面取得了长足的进步。医疗AI的能力前所未有地突破：Nature期刊连续首发医疗大语言模型和医疗图像基础模型研究；谷歌发布Med-PaLM及其后续版本，在美国执业医师考试类问题中达到专家级水平。各大学术期刊将目光齐聚医疗AI：Nature发布关于通用医疗AI基础模型的展望；《新英格兰医学杂志》（NEJM）继年初AI in Medicine系列综述后，11月30日发表了第一篇数字医疗综述， 12月12日重磅推出了NEJM子刊NEJM AI的第一期。医疗AI落地的土壤则更进一步成熟：JAMA子刊发表全球医学图像数据分享的倡议；美国食品药品管理局（FDA）对医疗AI的监管正形成指南草案。

下面，我们回顾2023年全世界科研人员在可用的医疗AI这一研究方向取得的重大进展。

医疗AI基础模型

医疗AI基础模型的构建无疑是本年度最炙手可热的研究关注点。Nature系列期刊年内已发表了关于医疗通用基础模型和医疗大语言模型的综述文章[1,2]。行业顶刊Medical Image Analysis则对医疗图像分析中基础模型研究的挑战与机遇进行了回顾与展望，并提出了“基础模型谱系”概念归纳并引导医疗AI基础模型研究的发展[3]。医疗AI基础模型的前景正在逐渐明晰。借鉴如ChatGPT的大语言模型的成功范例，利用更先进的自监督预训练方法和巨量的训练数据积累，医疗AI领域的研究者正试图构建具有海量参数、能力优越的1）专病基础模型，2）通用基础模型和3）整合广泛模态的多模态大模型。

1 专病医疗AI基础模型
在视网膜图像和病理图像研究领域，借助较先发的电子化优势，医疗AI研究者多年积累了巨量公开及私有数据，在2023年成功构建了多个眼科及病理科的基础模型。这些基础模型具有强大的泛用性，在多中心数据、多种领域内临床任务上都表现出优异的性能。

2023年9月13日，英国伦敦大学学院和莫菲尔德眼科医院的周玉昆等研究人员发表了第一项登上Nature正刊的医疗图像基础模型研究[4]。他们构建并验证了名为RETFound的视网膜图像基础模型。通过在超过164万张未标注的视网膜图像上进行自监督学习训练，RETFound得以问世，其经微调后能够在眼部疾病诊断/预后以及系统性疾病预测等任务中取得最优表现。在眼部疾病诊断验证方面，RETFound的测试数据涵盖了来自8个不同中心的数据集。至于系统性疾病的评估，研究者考虑了包括心脏病、心力衰竭、卒中和帕金森病等在内的4种全身性疾病。RETFound的成功标志着大量基于视网膜图像的智能化诊断应用正在成为可能。与之对应的，今年7月，温州医科大学联合澳门科技大学也发布了神经眼科大型语言模型Neuro-OphGPT数字医疗系统[5]。

同时，在病理图像研究领域，病理图像基础模型的构建正紧锣密鼓地展开。来自哈佛医学院的Richard J. Chen等人基于来自布莱根和妇女医院以及麻省总医院的覆盖20种主要组织类型、超10万套全切片病理图像（whole-slide imaging，WSI），进行了模型自监督预训练，提出了一个称为UNI的病理基础模型，并在33个不同诊断难度的病理学代表性临床任务上进行了评估，在所有任务上均达到了最先进的性能[6]。来自美国Paige公司的研究人员则联合悉尼圣乔治医院和纪念斯隆-凯特琳癌症中心，在150万套WSI上预训练了一个具有6.32亿参数的名为Virchow的模型，在泛癌症检测与亚型划分及生物标志物预测等任务上进行了验证[7]。

上述两项研究似乎表明构建病理图像基础模型需要获得顶级医院的巨量临床资源，而发表在Nature Medicine上的一篇研究论文则进一步为研究者们打开了思路[8]。黄治等斯坦福大学的研究人员通过Twitter（现更名为X）的医学知识共享平台上公开的数据建立了一个庞大的数据集OpenPath，解决了数据来源和标注的问题。这一数据集包含二十万余张病理图像，每张图像都附带由医学专业人士共享的自然语言描述。借助这些开源的数据，他们训练了PLIP模型。这样的数据集构建思路与使用医疗私有数据资源形成互补，并使得构建更大尺度的病理图像数据集成为可能，病理图像基础模型的能力则有望迎来进一步提升。

值得一提的是，国内上海人工智能实验室联合多家国内机构今年6月发布全球首个医疗多模态基础模型群“OpenMEDLab浦医” [9]。浦医是一系列基础模型的集合，覆盖放射影像、病理图像、内镜、超声、医学文本、生物信息、蛋白质等10余种医疗数据模态。该基础大模型群的构建是国内科研人员推动医疗大模型产业落地的新尝试。

2 通用医疗AI模型
通用医疗AI模型的建立也正在成为可能。类似专科医生和全科医生的区别，专病模型只能适用于特种数据或专门类别疾病的应用，而通用医疗AI模型则被期望可以覆盖广谱的临床流程，同时通过对庞杂医疗知识的融会贯通，实现“它山之石可以攻玉”，在专病领域达到令人惊艳的效果[1]。

2023年9月，ChatGPT成功诊断了一例医生多年未能确诊的罕见病。在三年时间中，来自美国的Courtney带着其患儿Alex先后求助了17名不同科室的医学专家。然而，没有一位医生能够真正准确地诊断出Alex的病因[10]。直到今年早些时候，Courtney从ChatGPT那里得到了罕见病“脊髓栓系综合征”的诊断，并最终得到了神经外科医生的证实。在NEJM AI创刊号上，Alexander V. Eriksen 等人验证了GPT-4诊断复杂临床病例的能力。GPT-4 正确诊断了57%的复杂病例，优于99.98%根据在线答案生成的模拟人类读者[11]。在临床中，每位专家只会处理他们各自擅长领域的问题。而这一现有临床诊断流程设计的缺憾为通用医疗AI模型提供了大展拳脚的空间。

截至2023年底，世界范围内对构建通用医疗AI模型的努力主要聚焦在医疗大语言模型和医疗图像通用分割模型上。今年7月，谷歌和DeepMind公司的研究人员在Nature上发表了一项研究。谷歌科学家团队通过一系列指令提示微调，从通用语言模型构建了医学专用的Med-PaLM，并让该模型在非限定医学领域内容的问题中做出回答[12]。在真人专家评估中，一组临床医生对Med-PaLM回答的评分为92.6%，与临床医生的水平（92.9%）相当。除了专家评估，研究团队还进行了非医学领域专家评估。五位非医学背景的评委认为Med-PaLM给出的答案准确度为80.3%，且在94.4%的病例中被认为直接解决了病人提出的问题；相比之下，人类临床医生的这一比例为95.9%。

在谷歌和DeepMind后续公布的版本中，Med-PaLM 2已经能在美国医疗执照考试（USMLE）类问题上达到专家级的表现，能够以86.5%的准确率回答多项选择题、开放式问题并开展答案推理[13]。

在医学图像分割领域，研究者们主要借助来自Segment-Anything Model（SAM，分割一切模型）[14]的强大能力，开发使用任意图像模态任意分割目标的医疗图像通用分割模型。来自多伦多大学的Jun Ma和Bo Wang率先将SAM引入医学图像分割领域[15]。他们构建了覆盖11种不同模态的超过20万张带标注的医学图像数据集，并提出一种新的微调方法，构建了MedSAM模型，并在21个3D分割任务和9个2D分割任务上进行验证。佐治亚大学的研究团队则与麻省总医院合作将SAM模型应用到医疗视频分析中[16]。上海人工智能实验室的研究者也相继提出了MedLSAM模型[17]和SAM-Med2D模型[18]，并公开了模型和训练数据集。

这些新模型较以往方法已经体现出较好的医学图像分割任务的跨模态跨任务泛化性，可以较好缓解医学图像分割人工标注缺少、模型不通用需要重新训练的问题。然而，距离完全无需额外标注的医学图像SAM通用模型还有一定的距离。

3 覆盖更广泛模态的AI模型
Julián N. Acosta等人在2022年Nature Medicine一篇综述中向世界宣告，大型生物库、电子健康记录、医学成像以及可穿戴和环境生物传感器提供生物医学数据的不断积累，以及基因组和微生物组测序成本的降低，已为开发多模式AI解决方案以捕捉人类健康和疾病复杂性奠定了基础[19]。最近涌现的医疗AI模型展现了史无前例的文本信息处理和多模态信息融合能力。这些多模态医疗AI模型有望填补人类在整合庞杂多模态信息方面的不足，成为个性化系统化临床决策的有力助手。

来自上海科技大学的研究团队将大语言模型引入医学图像分析领域，在多轮对话中让AI模型理解医学图像并给出诊断和分析，并发现大语言模型中编码的知识显著提升了基于医学图像视觉信息的诊断[20]。来自上海人工智能实验室的团队则借助大语言模型开展了病理图像诊断[21]和X光图像诊断（XrayPULSE），并将模型开源[9]。

今年6月，Nature Biomedical Engineering发表了来自香港大学、四川大学华西医学院、澳门科技大学等合作完成的研究[22]。他们提出了IRENE框架，以非结构化的临床文本、结构化的临床信息和X光图像作为输入，由模型进行自动信息处理、特征提取、特征融合和最终诊断生成，在八种肺部疾病诊断中证实了性能提升。

8月，Lancet Digital Health报道了来自广州医科大学附属第一医院何建行教授团队的研究工作[23]。他们运用外周血cfDNA甲基化标志物、临床信息和影像学特征，利用AI模型有机融合跨尺度信息，构建了肺结节良恶性分类模型，用于肺癌的早期诊断，具有优异的诊断性能。这些近期代表性的工作诠释了利用AI融合多模态数据服务临床任务的新范式。

医疗数据采集AI模型

除了在较下游的临床数据分析任务中大显身手的AI大模型，在较上游的临床数据采集中，以生成式AI模型为代表的技术也已崭露头角。数据的采集流程、速度和质量可以显著地被AI算法提升。

今年年初，Nature Biomedical Engineering刊登了一项来自土耳其海峡大学的研究[24]，该研究专注于利用生成式AI解决在临床应用中病理图像辅助诊断的难题。在手术期间，冷冻切片组织中的伪影是快速诊断评估的障碍。虽然福尔马林和石蜡包埋（FFPE）组织提供了更高质量的样本，但其制作过程耗时费力，通常需要12-48小时，因此不适合在手术中使用。研究团队因此提出了一种名为AI-FFPE的算法，能够将冷冻切片中组织的外观变得与FFPE类似。该算法成功纠正了冰冻切片的伪影，提高了图像质量，并同时保留了临床相关的特征。在临床验证中，AI-FFPE算法显著提高了病理学家对肿瘤亚型的诊断准确率，同时将临床诊断的时间大大缩短。

Cell Reports Medicine报道了一项来自吉林大学第三临床医学院、复旦大学附属中山医院放射科以及上海科技大学团队的研究工作[25]。该研究提出了一种通用型的深度学习和迭代重建融合框架（Hybrid DL-IR），具有较高的通用性和灵活性，在快速MRI、低剂量CT和快速PET方面均表现出卓越的图像重建性能。该算法能够在百秒内实现MR单器官多序列扫描，降低辐射剂量至仅为CT图像的10%，且消除噪声，并且能够从2~4倍加速的PET采集中重建微小病灶，同时减少运动伪影的影响。

和医务工作者协同的医疗AI

医疗AI如火如荼的发展也使得医务工作者开始认真思考与探索如何与AI协同以改进临床流程。今年7月，DeepMind公司与多机构研究团队共同提出了名为“互补驱动的临床工作流程延迟（CoDoC）”的AI系统[26]。该诊断流程首先由预测AI系统进行诊断，然后由另一个AI系统对前一结果进行判断，若存在疑虑，则最终由临床医生进行诊断，以提高诊断准确性并兼顾效率。在乳腺癌筛查方面，与英国现行的“双读仲裁”流程相比，CoDoC 在相同假阴性率下将假阳性率降低了25%，同时减少临床医生66%的工作量。在结核病分类方面，与独立的人工智能和临床工作流程相比，在相同的假阴性率下，假阳性率降低了5%~15%。

类似地，英国伦敦Kheiron 公司的Annie Y. Ng等人在双读仲裁流程中，在出现阴性（no recalll）结果时额外引入AI读片者（配合人类审查员）再次复查结果，改善了乳腺癌早期筛查中的漏检问题，同时该流程几乎没有误报[27]。另一项由德克萨斯大学麦戈文医学院团队牵头、在四个卒中中心完成的研究应用了基于计算机断层扫描血管造影（CTA）AI技术对大血管闭塞性缺血性卒中（LVO）进行自动检测。临床医生和放射科医生的手机会在CT成像完成后几分钟内收到实时警报，通知他们可能存在LVO。这一AI流程改善了院内急性缺血性卒中的工作流程，缩短了入院到实施治疗的时间（door-to-groin time），为成功抢救赢得了机会。该研究结果发表在JAMA Neurology [28]。

普惠的AI医疗模型

2023年还涌现了许多优秀的工作，其借助医疗AI从更易于获得的数据中发现人眼无法察觉的特征，实现普惠的诊断和大规模的早期筛查。年初，Nature Medicine发表了中山大学中山眼科中心、福建医科大学附属第二医院等机构完成的研究[29]。他们以智能手机为应用终端，使用类似卡通的视频图像来诱导儿童的注视，并记录儿童的注视行为和面部特征，使用深度学习模型进一步分析异常模型，以超过85%的平均筛查准确率成功识别了16种眼科疾病，包括先天性白内障、先天性上睑下垂和先天性青光眼等。这为婴幼儿视功能损伤及相关眼病大规模早期筛查提供了有效而易于推广的技术手段。

年末，Nature Medicine则报道了一项由上海市胰腺疾病研究所、浙江大学第一附属医院等全球十多家医疗、研究机构一同完成的工作[30]。作者将AI用于体检中心、医院等无症状人群的胰腺癌筛查，检测平扫CT图像中单凭肉眼难以察觉的病变特征，实现高效、无创的早期胰腺癌检测。在回顾2万多患者数据时，该模型还发现了31例临床漏诊病变，切实改善了临床结局。

医疗数据的共享

在2023年中，世界范围内已涌现了许多更加完善的数据共享机制和成功的案例，在保护数据隐私和安全的前提下，保证了多中心合作和数据开放工作的开展。

首先，借助AI技术本身，AI研究人员在医疗数据的共享中做出了贡献。来自美国罗格斯大学的Qi Chang等人在Nature Communications上发表文章，提出一个基于分布式合成对抗网络的联邦学习框架DSL，利用生成式AI训练多中心特异的生成数据，再用生成数据代替多中心的真实数据，在保护数据隐私的同时保证基于多中心大数据的AI训练[32]。同一团队还开源了一个生成的病理图像数据集及其对应的标注[33]。在该生成的数据集上训练的分割模型可达到与真实数据相似的效果。

来自清华大学的戴琼海团队则在npj Digital Health上发文，提出接力学习（Relay Learning），在本地保留数据主权，无需跨站点网络连接的前提下，利用多站点大数据训练AI模型，兼顾了数据安全和隐私的担忧和对AI性能的追求[34]。同一团队后续又联合广州医科大学附属第一医院及全国24家医院共同开发和验证了基于联邦学习的胸部CT泛纵隔肿瘤诊断系统CAIMEN。该系统可被应用于12种常见的纵隔肿瘤，单独使用时达到相比单独人类专家提高44.9%的准确率，人类专家在其辅助下的诊断准确率提高了19% [35]。

另一方面，已有多项计划正在付诸行动，以建立安全的全球性大规模医疗数据集。2023年11月，哈佛医学院生物医学信息学系的Agustina Saenz等人在Lancet Digital Health上在线发表了一项名为“全民医疗人工智能数据 (MAIDA)”的全球医学影像数据共享框架[36]。他们正与全球医疗机构进行合作，提供了有关数据收集和去识别化的全面指南，使用美国联邦示范合作伙伴（FDP）模板来标准化数据共享。他们计划逐步发布在全球不同地区和临床环境中收集的数据集。第一个数据集预计于2024年初发布，随着合作伙伴关系的扩大，他们还会发布更多数据集。这项计划是一项构建全球性大尺度多样化公开AI可用数据集的重要尝试。

而紧随这项计划的提出，英国生物银行（UK Biobank）已经做出了表率。英国生物银行11月30日公布了对其50万参与者进行全基因组测序的新数据[37]。这个数据库公布50万名英国志愿者的每一个人的完整基因组序列，是世界上最大的完整人类基因组数据库。全世界的研究人员都可以申请访问这些去识别化的数据，并利用它们来探究健康和疾病的遗传基础。基因数据在以往的验证中向来具有高度敏感性，而英国生物银行这一历史性的成就则证明了构建开放的、无隐私侵犯的全球大规模数据库是可行的。借助这项技术和数据库，医疗AI必将迎来下一次的飞跃。

医疗AI的验证与评测

与医疗AI技术的快速发展本身相比，医疗AI的验证与评测的发展稍显迟钝。通用AI领域的验证与评测常忽视临床工作者和患者对AI的真实要求。而传统的临床随机对照试验费事费力，无法很好匹配AI工具的快速迭代。尽快完善适合医疗AI工具的验证与评测体系是推动医疗AI真正跨越研发到临床落地的重中之重。

在Nature发表的谷歌关于Med-PaLM的研究论文中，研究团队同时还发布了MultiMedQA评估基准，用于评估大语言模型掌握临床知识的能力[12]。该基准结合了六个现有专业医疗问答数据集，涵盖专业医学知识、研究等多个方面，以及一个在线搜索医疗问题库数据集，考虑医患在线问答，力图从多方面把AI培养成一名合格的医生。此外，该团队提出了一个基于人类评估的框架，考虑了事实、理解、推理，以及可能的偏见等多个维度。这是今年发表的研究中对医疗AI评估最具有代表性的研究工作之一。

然而，是否大语言模型表现出在编码临床知识方面极高的水平，就代表大语言模型可胜任真实的临床任务？正如满分通过职业医师考试的医学生仍然与独挡一面的主任医师相距甚远，对AI模型而言，谷歌提出的这一评测标准可能还并非医疗AI评测这一课题的完美回答。早在2021和2022年就已有研究者提出DECIDE-AI、SPIRIT-AI、INTRPRT等报告指南，在考虑临床实用性、安全性、人为因素、透明度/可解释性等方面因素的条件下，希望指导医疗AI的早期开发与验证[38-40]。就在近期，Nature Medicine杂志刊登了来自牛津大学、斯坦福大学研究人员的关于应该使用“外部跨中心验证（external validation）”还是“本地多次验证（recurring local validation）”来验证AI工具的讨论[41]。

AI工具的无偏见性也是一个重要的评估方向，在今年同时受到来自Science和NEJM文章的关注[42,43]。由于受限于训练数据，AI常表现出偏见。这种偏见可能反映了社会不平等，进一步演变为算法的歧视。美国国立卫生研究院最近推出了“Bridge2AI”计划，预计耗资1.3亿美元，旨在构建多样化的数据集（这与上文提到的MAIDA计划目标一致），以用于验证医学AI工具的无偏性[44]。这些方面都并未包括在MultiMedQA的考量范围之内。如何评测和验证医疗AI模型这一问题仍然需要广泛和深入的讨论。

今年1月，Nature Medicine刊登了来自德克萨斯大学 MD 安德森癌症中心Vivek Subbiah的名为《下一代循证医学》的观点文章[45]，回顾COVID-19大流行下被暴露的临床试验的局限性，指出创新与固守临床研究流程之间的矛盾，最后指出一种重构临床实验的未来——使用人工智能的下一代临床试验，即利用人工智能从大量历史研究数据、真实世界数据、多模态临床数据、可穿戴装置数据中寻找关键证据。这是否意味着AI技术与AI的临床验证流程在未来可能相互促进、共同进化？这是2023年悬而未决而又引人深思的问题。

医疗AI的监管

AI技术提升的同时对AI的监管提出了挑战，而全世界的政策制定者们则在认真谨慎地做出回应。2019年，FDA首先发布了《人工智能医疗器械软件变更监管框架提议（讨论稿）》，详述了其对人工智能与机器学习驱动的软件修改在上市前审查方面的潜在方法。到了2021年，FDA则提出了《基于人工智能/机器学习的软件作为医疗器械行动计划》，明确了五项具体的AI医疗监管措施。今年，FDA再次发布了《器械软件功能上市前提交内容》，旨在为FDA评估器械软件功能的安全性和有效性提供关于上市前提交推荐文件的信息，其中包括部分使用通过机器学习方法训练的机器学习模型的软件设备功能。可见，FDA的监管政策从最初的提议逐渐演变为切实可行的指南。

自去年7月发布《欧洲健康数据空间》后，欧盟再次颁布了《人工智能法案》。前者旨在充分利用健康数据，提供高质量医疗保健，减少不平等，为预防、诊断、治疗、科研创新、决策和立法提供数据支持，同时确保欧盟公民对其个人健康数据拥有更大的控制权。而后者则明确医疗诊断系统属于高风险AI系统，需要采取有针对性的强监管、全生命周期监管和事前评估式监管。欧洲药品管理局（EMA）发布了一份关于使用AI支持药物开发、监管和使用的反思文件草案（Draft Reflection Paper），强调提高AI的可信度，确保患者安全和临床研究结果完整。总体而言，欧盟的监管方针正在逐步形成，最终的实施细节可能更为细致和严格。与欧盟严格的监管形成鲜明对比的是，英国的人工智能监管蓝图明确表示，政府计划采取温和的方式，目前不制定新的法案或设立新的监管机构。

在国内，国家药品监督管理局医疗器械技术审评中心（NMPA）此前已发布了《深度学习辅助决策软件审评要点》、《人工智能医疗器械注册审查指导原则（征求意见稿）》和《人工智能医用软件产品分类界定指导原则的通告（2021年第47号）》等文件，今年则再次发布了《2023年第一次医疗器械产品分类界定结果汇总》。这一系列文件使得人工智能医疗软件产品的定义、分类和监管更加清晰，更易操作，为行业内各企业的产品定位和注册策略提供了明确的指导。这些文件为AI医疗器械的科学监管提供了框架和管理决策。值得期待的是，于12月21~23日在杭州举行的中国医学人工智能大会议程中专门设置了数字医疗治理与公立医院高质量发展论坛和人工智能医疗器械检测审评技术标准化产业发展论坛。届时，国家发改委与NMPA的官员将出席会议，可能释放新的信息。

总结与展望

受限于篇幅，本文无法涵盖2023年全部优秀的医疗AI研究工作，同时也未能包括更多正在蓬勃发展的AI医疗研究方向，如AI在医学教育、分子医学、新药研发、流行病预测、手术机器人等中的应用。

在2023年，医疗AI已开始融入医疗上下游全流程，覆盖院区数据采集、融合、分析、诊疗及社区筛查，与医务/疾控工作者有机协同，展现为人类健康带来福祉的潜力。

除去医疗AI技术本身的进化，可用的AI实现需要更多配套的土壤。早在2020年，NEJM观点栏目就曾发表文章，指出数据可靠性和可用性、医疗体制以及监管能力是阻碍AI前进的绊脚石[31]。而今年，我们也目睹了AI医疗所需的数据共享机制、验证与评测机制和监管机制方向令人可喜的进展。

可用的医疗AI研究已出现曙光。未来，医疗AI的进步不仅依赖于技术发展本身，还需要产学研医的通力合作及政策制定者、监管者的支持。这种跨领域的协作是实现融合AI技术的医疗服务的关键，也必将推动人类健康事业的发展。

参考文献

1. Moor M, Banerjee O, Abad ZSH, et al. Foundation models for generalist medical artificial intelligence. Nature 2023;616:259-65.
2. Thirunavukarasu AJ, Ting DSJ, Elangovan K, Gutierrez L, Tan TF, Ting DSW. Large language models in medicine. Nat Med 2023;29:1930-40.
3. Zhang S, Metaxas D. On the challenges and perspectives of foundation models for medical image analysis. Med Image Anal 2024;91:102996.
4. Zhou Y, Chia MA, Wagner SK, et al. A foundation model for generalizable disease detection from retinal images. Nature 2023;622:156-63.
5. https://www.wzeye.cn/xww/news/show-53839.html
6. Chen RJ, Ding T, Lu MY, et al. A general-purpose self-supervised model for computational pathology. ArXiv [Preprint] 2023;arXiv:2308.15474v1.
7. Vorontsov E, Bozkurt A, Casson A, et al. Virchow: A million-slide digital pathology foundation model. ArXiv [Preprint] 2023;arXiv:2309.07778.
8. Huang Z, Bianchi F, Yuksekgonul M, Montine TJ, Zou J. A visual-language foundation model for pathology image analysis using medical Twitter. Nat Med 2023;29:2307-16.
9. https://github.com/openmedlab
10. https://www.today.com/health/mom-chatgpt-diagnosis-pain-rcna101843
11. Eriksen AV, Möller S, Ryg J. Use of GPT-4 to diagnose complex clinical cases. NEJM AI 2023;DOI: 10.1056/AIp2300031.
12. Singhal K, Azizi S, Tu T, et al. Large language models encode clinical knowledge. Nature 2023;620:172-80.
13. Singhal K, Tu T, Gottweis J, et al. Towards expert-level medical question answering with large language models. ArXiv [Preprint] 2023;arXiv:2305.09617.
14. Kirillov A, Mintun E, Ravi N, et al.. Segment anything. ArXiv [Preprint] 2023;arXiv:2304.02643.
15. Ma J, He YT, Li FF, et a;. Segment anything in medical images. ArXiv [Preprint] 2023;arXiv:2304.12306.
16. Kim S, Kim K, Hu J, et al. MediViSTA-SAM: Zero-shot medical video analysis with spatio-temporal SAM adaptation. ArXiv [preprint] 2023;arXiv:2309.13539.
17. Lei WH, Wei X, Zhang XF, Li K, Zhang ST. MedLSAM: Localize and segment anything model for 3D medical images. ArXiv [preprint] 2023;arXiv:2306.14752.
18. Cheng JL, Ye J, Deng ZY, et al. Sam-med2d. ArXiv [preprint] 2023;arXiv:2308.16184.
19. Acosta JN, Falcone GJ, Rajpurkar P, Topol EJ. Multimodal biomedical AI. Nat Med 2022;28:1773-84.
20. Wang S, Zhao ZH, Ouyang X, Wang Q, Shen DG. Chatcad: Interactive computer-aided diagnosis on medical image using large language models. ArXiv [preprint] 2023;arXiv:2302.07257.
21. Zhang YK, Gao J, Zhou M, et al. Text-guided foundation model adaptation for pathological image classification. ArXiv [preprint] 2023;arXiv:2307.14901
22. Zhou HY, Yu Y, Wang C, et al. A transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics. Nat Biomed Eng 2023;7:743-55.
23. He J, Wang B, Tao J, et al. Accurate classification of pulmonary nodules by a combined model of clinical, imaging, and cell-free DNA methylation biomarkers: a model development and external validation study. Lancet Digit Health 2023;5:e647-e656.
24. Ozyoruk KB, Can S, Darbaz B, et al. A deep-learning model for transforming the style of tissue images from cryosectioned to formalin-fixed and paraffin-embedded. Nat Biomed Eng 2022;6:1407-19.
25. Liao S, Mo Z, Zeng M, et al. Fast and low-dose medical imaging generation empowered by hybrid deep-learning and iterative reconstruction. Cell Rep Med 2023;4:101119.
26. Dvijotham KD, Winkens J, Barsbey M, et al. Enhancing the reliability and accuracy of AI-enabled diagnosis via complementarity-driven deferral to clinicians. Nat Med 2023;29:1814-20.
27. Ng AY, Oberije CJG, Ambrózay É, et al. Prospective implementation of AI-assisted screen reading to improve early detection of breast cancer. Nat Med 2023;29:3044-9.
28. Martinez-Gutierrez JC, Kim Y, Salazar-Marioni S, et al. Automated large vessel occlusion detection software and thrombectomy treatment times: A cluster randomized clinical trial. JAMA Neurol 2023;80:1182-90.
29. Chen W, Li R, Yu Q, et al. Early detection of visual impairment in young children using a smartphone-based deep learning system. Nat Med 2023;29:493-503.
30. Cao K, Xia Y, Yao J, et al. Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nat Med 2023;29:3033-43.
31. Mehta MC, Katz IT, Jha AK. Transforming global health with AI. N Engl J Med 2020;382:791-3.
32. Chang Q, Yan Z, Zhou M, et al. Mining multi-center heterogeneous medical data with distributed synthetic learning. Nat Commun 2023;14:5510.
33. Ding K, Zhou M, Wang H, Gevaert O, Metaxas D, Zhang S. A large-scale synthetic pathological dataset for deep learning-enabled segmentation of breast cancer. Sci Data 2023;10:231. .
34. Bo ZH, Guo Y, Lyu J, et a;. Relay learning: a physically secure framework for clinical multi-site deep learning. NPJ Digit Med 2023;6:204.
35. Tang R, Liang H, Guo Y, et a;. Pan-mediastinal neoplasm diagnosis via nationwide federated learning: a multicentre cohort study. Lancet Digit Health 2023;5:e560-e570.
36. Saenz A, Chen E, Marklund H, Rajpurkar P. The MAIDA initiative: establishing a framework for global medical-imaging data sharing. Lancet Digit Health 2023:S2589-7500(23)00222-4.
37. https://www.nature.com/articles/d41586-023-03763-3
38. DECIDE-AI Steering Group. DECIDE-AI: new reporting guidelines to bridge the development-to-implementation gap in clinical artificial intelligence. Nat Med 2021;27:186-7.
39. Vasey B, Novak A, Ather S, Ibrahim M, McCulloch P. DECIDE-AI: a new reporting guideline and its relevance to artificial intelligence studies in radiology. Clin Radiol 2023;78:130-6.
40. Chen H, Gomez C, Huang CM, Unberath M. Explainable medical imaging AI needs human-centered design: guidelines and evidence from a systematic review. NPJ Digit Med 2022;5:156.
41. Youssef A, Pencina M, Thakur A, Zhu T, Clifton D, Shah NH. External validation of AI models in health should be replaced with recurring local validation. Nat Med 2023;29:2686-7.
42. DeCamp M, Lindvall C. Mitigating bias in AI at the point of care. Science 2023;381:150-2.
43. Ferryman K, Mackintosh M, Ghassemi M. Considering biased data as informative artifacts in AI-assisted health care. N Engl J Med 2023;389:833-8.
44. https://commonfund.nih.gov/bridge2ai
45. Subbiah V. The next generation of evidence-based medicine. Nat Med 2023;29:49-58.

作者介绍

刘绵莘，现为上海人工智能实验室青年研究员。刘博士本科及博士毕业于电子科技大学和香港浸会大学。其长期关注在脑信号及影像分析、脑疾病分析智能算法开发、神经动力学建模和心理/行为统计分析方面等方面。现已在国际重要期刊如《美国科学院院刊》、《自然 通讯》等及医疗图像分析国际顶级会议上发表/接收32篇论文，其中一作及共同一作15篇，现共被引用382次，h指数为8。获2021年上海市博士后日常经费资助1项。任IEEE TMI, Medical Image Analysis, IEEE TBME审稿人。

朱立峰，正高级工程师。现任上海交通大学医学院附属瑞金医院市数字医学创新中心专职副主任。长期从事医院信息化建设工作，在HIS系统、区域医疗信息化、临床数据中心建设等领域积累了丰富的经验。主持和为主参与省级以上课题11项，发表论文50余篇。曾获中国医院协会医院科技创新奖一等奖，上海市科技进步三等奖。目前是上海计算机开放学会理事，中国医院协会信息管理专委会青年委员会副主任委员，上海医院协会信息管理专委会青年委员。

张少霆，现担任上海人工智能实验室智慧医疗中心主任及领军科学家。其本硕博分别毕业于浙江大学、上海交通大学、美国罗格斯大学，此后于美国北卡罗莱纳大学夏洛特分校计算机系担任教职至终身副教授。其论文成果多次获得领域内顶级会议的青年科学家奖和最佳论文奖、美国橡树岭大学联合会青年教授奖等。他在《柳叶刀 数字健康》、《自然 机器智能》、《自然 通讯》等顶级期刊上以第一作者或通讯作者发表文章数十篇，总引用16,000余次，H-Index 60，并入选美国斯坦福大学发布的全球前2%顶尖科学家“终身科学影响力排行榜”。

版权信息

本文由《NEJM医学前沿》编辑部负责翻译、编写或约稿。对于源自NEJM集团旗下英文产品的翻译和编写文章，内容请以英文原版为准。中译全文以及所含图表等，由马萨诸塞州医学会NEJM集团独家授权。如需转载，请联系nejmqianyan@nejmqianyan.cn。未经授权的翻译是侵权行为，版权方保留追究法律责任的权利。

我们来梳理一下。

1、性别平等

特鲁多上台后，迅速履行了他在性别平等方面的承诺，任命了一个由50%女性组成的内阁，并持续的保持了这一比例。

由于特鲁多连续任命了六名加拿大最高法院法官，这使得加拿大历史上首次法院中女性超过男性。

对于未来总理，似乎已经不太可能以党派中没有足够的合格女性为由，任命低于特鲁多设定的50%女性先例。这同样适用于最高法院的任命，以及其他政府机构的任命。

特鲁多领导下的其他值得注意的改革包括非党派参议院任命、碳税和早期学习和儿童保育双边协议。

2、原住民和解议程

未来的政府可能不会像特鲁多的自由党那样积极与原住民、因纽特人和梅蒂人领导人磋商，但在加拿大政治中，给予土著人民的优先权已不太可能回到2015年的水平。

3、合法毒品

2015年一个备受争议的政策是大麻合法化，这与以往所有政治取向的禁止观点背道而驰。

到2018年，加拿大的娱乐性大麻销售和使用在相对较少的反对声中合法化。目前，在五年的时间里，这一政策在很大程度上得到了接受，即使公共卫生结果参差不齐。

特鲁多还迅速推动了他与加拿大土著社区的和解议程。

4、其他举措

不过，这些都可能发生逆转，未来的总理可能在任命参议员时有不同的标准。

碳税仍然不稳定，目前保守党呼吁进行碳税选举。

与各省签署的将在2026年将费用降至每天10加元的儿童保育协议，由于联邦提供的资金对省长们来说太诱人而无法放弃。

不过，未来的政府可能不会有相同的支出优先级，届时国家在儿童保育政策中的角色可能会再次发生变化。

5、君主制改革

尽管特鲁多的一些政绩是稳固的，但没有一项政策重新定义了这个国家，并且在未来也不太可能这样做。

加拿大总理的最后一个里程碑式成就是40年前，特鲁多的父亲成功地将宪法从英国分离并确立了权利和自由宪章，这种大胆的宪法改革可能给特鲁多提供了巩固他政绩的灵感。

如果特鲁多需要在魁北克获得选票，将查尔斯国王从加拿大国家元首职位上罢免是一项吸引人的提议，因为君主制在这里从未受欢迎。

这也会吸引很多加拿大大城市地区的选民，在那里移民模式减少了与英国有关联的选民比例。

为了赢得下一次选举，自由党毕竟需要在魁北克以及温哥华、加拿大和蒙特利尔等大城市地区赢得选票。

对于未来的任何政府来说，已不太可能撤销现在大麻合法化。

6、宪法改革

对于一个国内产生的国家元首的宪法修改，可能确保未来仍会有土著元首，就像特鲁多任命的现任总督玛丽·西蒙一样，总督是君主在加拿大的代表。

宪法改革提案充满了危险，正如加拿大第18任总理穆尔罗尼(Mulroney)深知的那样——他两次尝试进行旨在分散联邦权力的宪法修正案，即1990年的米奇湖协议和1992年的夏洛特敦协议，这耗费了巨大的政治资本，最终以失败告终。

但随着特鲁多进入可能是他最后一个任期，打开宪法改革的潘多拉之盒可能会提供一种确保他政绩的途径，这是其他大多数总理都无法匹敌的。

7、特鲁多会辞职吗?

尽管最新民调显示他的党派支持率落后于保守党，但没有迹象表明特鲁多会在下一次选举之前辞职，加拿大总理以往类似先例很少。

800多家假国企的背后：解码假冒国企的千层套路

来源： 上观新闻

要伪装成为一家国企，最先需要在名字上让人信服。

对公布的823家假冒国企的名称进行分析，可以发现这些企业最喜欢以“中”字为名。

要么直接以“中国”开头，要么取名为“中x”或“国x”，比如“中建”“中铁”“中工”“国储”“国创”“国电”。同时，企业名称中间的修饰词部分最喜欢提及“科技”“能源”“投资”等，后缀往往叫“有限公司”“集团”“分公司”，给人一种“高大上”的错觉，十分具有迷惑性。

不只是名字，假冒国企在行业的选择上也颇有“心机”。在823家假国企中，最多的行业是建筑、科技以及能源，这些都是普遍意义上国企的涉足范围。比如电力、热力等能源行业是涉及国家安全的领域。而科技推广和应用服务业普遍涉及新能源技术开发，是经济的重要增长点之一。

不止于此，如果往下细究，可以看到这些假冒国企在注册资本和资质上，看上去都很“靠谱”。在体现公司承担风险能力的注册资本方面，有超过六成企业的注册资本在5000万元及以上。而根据天眼查对于企业的分类，5000万元及以上已经是大型，甚至是超大型企业了。更有部分假冒国企，手握国家级和省级的建筑业资质和勘察资质。

名字靠谱、注册资本庞大、资质健全，要分辨假冒国企并不容易。

包装成国企后，他们都骗了什么？

看起来如此“正规”的企业，究竟“假”在何处？

假国企往往通过违法方式进行注册。在工商注册环节，部分企业通过中介等渠道伪造公司注册申请书、公章等材料，将国有企业注册为自己的股东。

整个过程中，国有企业大多并不知情。因为目前工商登记中的审查主要针对申请材料本身的完整性，对于材料的真实性、合法有效性，更多是当事人为自己提供的材料真伪承担法律责任。这就给虚假注册留下了空子。

除了伪造材料注册本身违法以外，假冒国企的入场本身是一种不正当的竞争，通过“搭便车”“傍名牌”获得资源的倾斜，扰乱了市场的正常秩序和公平的环境，也为真实国企造成了困扰。

比如今年4月，长沙市岳麓区人民法院审理了一起央企知识产权相关案件，被告中湘旺投资集团冠以“中国国新”（中国国新控股有限责任公司，国务院监管的中央企业）的名号，大肆宣称自己企业为“中央企业”，并且其子公司还进行了非法金融业务活动。

这种行为，让人误认为是中国国新进行了非法金融业务，还获得了中国人民银行批准，造成了不良影响。法院最后认定其侵权，并作出惩罚性赔偿判决。

更重要的是，假冒国企可能本身存在较高的风险。如果一家公司频繁更换控股股东，就属于较为异常的情况，一定程度上可以证明该公司股权结构不稳定。澎湃新闻记者基于天眼查数据分析发现，部分被通报的假冒国企股东更换频繁，其中，有45家仅在半年内就更换了至少三次。比如一家名为“中瑞创（宁夏）能源发展有限公司”的企业，短短半年内就换了5位控股股东，包含2位自然人和3家企业。

事实上，这些存在隐患的假冒国企离我们日常生活并不遥远。截至2023年9月，从中标项目来看，地面上的高速公路、医院、学校，地面下的排水管道，可能都出自假国企之手。

不仅如此，被假国企中标了项目，可能会因虚假身份问题，导致中标项目无法推进，合作的机构或者个人遭受相应的损失。据澎湃新闻此前报道，中广通科技（酒泉）有限公司发布350亿元的制氢项目招标公告，随后被国家电投打假称中广通酒泉公司非其集团下属公司，该项目最后无疾而终。

假冒国企背后问题重重。不过，要锁定一家假冒国企，并且理清背后复杂的产业链条，并不是一件易事。更何况，就算一家假冒国企被发现，要注销也要经过复杂的审核和认定流程，打假成本很高。

所以，打击假冒国企是一项持续、系统的工程，而要彻底真正清除它们滋生的土壤，或许需要一个更公平的市场环境。

李鸿章

The following article is from FBIF食品饮料创新 Author FBIF
来源：FBIF食品饮料创新，作者：FBIF
你对即饮咖啡的印象是什么？
对一部分爱喝即饮咖啡的人而言，即饮咖啡是“懒人咖啡”，方便携带；还是咖啡界的“穷人乐”，价格亲民；也是“便利店女孩”最爱，适合打工人随时“续命”提神。
还有一部分人喝到即饮咖啡后表示，“正经喝咖啡和不喝咖啡的都沉默了”。在他们看来，即饮咖啡的核心是口味的问题。
对此也有业内人士向我们发表看法，他认为即饮咖啡目前主要是纯咖和兑奶两条路，可是这两条路却不那么好走：一方面纯咖的口感并不是所有人都可以接受，消费人群小；另一方面奶咖中存在一些“碳水炸弹”热量不低，有一定的选择门槛。

虽然目前在中国对即饮咖啡的讨论不算火热，但是参考国际市场经验，国内咖啡消费结构或将逐步均衡化，带动即饮咖啡快速成长。根据欧睿数据，目前国内咖啡市场现磨咖啡及速溶咖啡仍为较主流消费类型，即饮咖啡销售占比相对较低仅为8%，而日、韩咖啡消费结构更加均衡，即饮咖啡消费占比分别为51%、18%。[1]
本文我们一起来讨论，这些年来，中国的即饮咖啡市场有什么变化？即使很难，为什么许多品牌还在做即饮咖啡？即饮咖啡能“打败”现制咖啡吗？

01规模翻倍，即饮咖啡市场变热闹了

看似“冷静”的即饮咖啡市场，也在悄悄成长。
从2017年到2021年，中国即饮咖啡市场以19.3%的复合增长率，实现市场规模翻倍，达到96.4亿人民币。预计在2026年，中国即饮咖啡市场将达到204.1亿元，实现15.7%的复合增长。[2]
尽管中国即饮咖啡市场起步较晚，但在咖啡文化渗透率提升以及品牌持续创新、刺激消费需求下，即饮市场规模正在不断扩张。
在过去，即饮咖啡行业集中度高，2020年行业CR2达到64%[2]。雀巢咖啡作为中国即饮咖啡赛道多年的头部玩家，有显著的市场优势。星巴克的即饮咖啡家族也占据着较大市场。

后续随着市场发展，行业集中度有所下降，即饮咖啡赛道也涌现出越来越多的玩家。例如，主流饮料品牌中农夫山泉旗下炭仌上市后迅速抢占声量，可口可乐中国推出COSTA即饮咖啡。新消费品牌也纷纷入局，元气森林联手never coffee，隅田川上市即饮美式咖啡，永璞推出了椰乳拿铁.....
同时，也有不少现制咖啡的头部玩家正在关注消费者需求，持续加码即饮咖啡市场，在今年不约而同推出了燕麦咖啡。
2023年6月，Tims天好中国宣布与OATLY达成合作，推出即饮燕麦拿铁产品线，持续扩容Tims天好咖啡即饮产品系列。
Tims天好中国表示，首批上市的即饮燕麦拿铁包含两种口味：桂花风味拿铁和冷萃风味拿铁。产品选用优质阿拉比卡咖啡豆和进口燕麦，具有0胆固醇、0反式脂肪、低糖的特点，不含任何奶制品，健康轻负担。
今年5月，星巴克星选也以门店中的现制燕麦拿铁为灵感，推出了一款低糖、0胆固醇、0反式脂肪的即饮版燕麦拿铁，希望成为消费者的早餐新选择。

打造燕麦即饮咖啡产品的还有Peet's皮爷咖啡。5月6日，它也与OATLY携手，打造了低糖款至醇燕麦拿铁与燕麦摩卡。

此外，我们也看到有公司“跨界”卖咖啡。中石油昆仑好客在入局咖啡赛道后，首先打造出一款爆品“红罐咖啡”。据悉，这款售价为8.8元1罐的“经典醇萃拿铁”，一年就卖出了1000多万罐。

中石油昆仑好客咖啡品牌联合创始人杨富强先生告诉我们，他曾预估2022年好客咖啡罐装单项营收近1个亿，实际上到2022年10月前，好客咖啡项目整体已经完成全年营收目标。
为什么选择在加油站渠道做咖啡，甚至还能卖1个亿？
杨富强表示，一方面在加油站与昆仑好客便利店的消费者中，有一部分属于“咖啡族群”，对咖啡有着强需求。另一方面，好客咖啡品牌在作为中石油集团出品的自有商品带有集团背书的同时，也收获了上市5年沉淀下的市场复购口碑。
据悉，今年除了经典的好客“小红罐”醇萃拿铁，昆仑好客咖啡还推出了宽瓶口PET罐型的醇滑拿铁更便于新世代消费者携带饮用。

02即使很难，为什么品牌还在做即饮咖啡？

中国咖啡市场越来越内卷，靠现制招牌产品突出重围的咖啡品牌们，为什么仍然选择加码做即饮咖啡？
在他们看来，即饮咖啡能做到没那么容易做到的事：提升便利度和渗透率。
Tims天好中国首席顾客官何滨告诉我们，“ 瓶装咖啡或者零售咖啡是帮助我们实现极致便利性的产品和手段之一”。
在何滨看来，中国幅员太辽阔了，就算开了几千家店甚至上万家店，便利度也没法做到全国覆盖。这就是为什么Tims在做零售这条线，因为这样可以让渗透率和便利度得到极大提高。
同时，目前很多场景现磨咖啡都还覆盖不了，比如很火的露营场景。甚至在低线城市，可能连现磨咖啡的选择都非常少。

因此，品牌需要通过零售产品的方式，获得更多的渗透率网点，让顾客不管什么时候想喝Tims都能喝到。
同时，即饮咖啡在提升渗透率的同时，也能借助产品增加品牌认知度。
在Tims天好中国看来，只要消费者喜欢上Tims天好咖啡的口感，无论是现磨还是即饮，他都会购买，这是基于其对这个品牌的认可。
因此，Tims天好中国和中石化易捷、盒马、OATLY等进行合作，共同研发推出多种口味的瓶装咖啡。例如，在2022年11月Tims天好中国与盒马鲜生合作推出联名款咖啡产品，丝绒可可咖啡和花花栗子拿铁。

何滨表示，Tims的品牌力在不断增强，也能有更多场景去满足消费者的需求。
希望加速提升消费者品牌认知度的，还有星巴克。近期，星巴克星选系列咖啡完成了包装全新升级。

星巴克表示，星选系列包装升级标志着所有星巴克即饮咖啡系列完成包装更迭，将进一步强化星巴克在终端渠道的品牌辨识度。品牌也结合星巴克中国2025战略愿景，借助线上线下的渠道优势，赋能增长引擎之一的外出场景咖啡，进一步加码在华即饮咖啡业务。
而此前通过加油站场景和中石油背书吸引到消费者的昆仑好客咖啡，也在进一步增加渠道渗透率并借助产品加强自己的品牌力。
杨富强告诉我们，好客咖啡最新数据显示，已完成90%的上市，近1.9万家零售点的铺货。在他看来，好客咖啡能持续吸引消费者，主要靠即饮咖啡传递出的品牌品质。据悉，好客咖啡的产品采用60%以上的中国云南扶贫全红鲜果 ，使用微厌氧水洗日晒加工处工艺和深加工世界金奖烘焙拼配工法，再到萃取坚持长时间中温工艺，最后用保留原汁原味的HPP无菌灌装。
杨富强表示，希望用产品告诉大家便捷便宜也有好咖啡。即饮咖啡“ready to drink”的便捷性毋庸置疑，同时好客咖啡也愿意用更高成本与品质，去拉近与新世代消费者的距离。

03即饮咖啡能“打败”现制咖啡吗？梦想还是要有的

在咖啡消费比较集中的城市，消费者获取高性价比咖啡的渠道其实很多样。当现制咖啡的性价比也逐渐走高，即饮咖啡的定价范围空间其实越来越窄。
杨富强向我们透露，传统口味的黑咖或者奶咖很难占领消费者心智，即饮咖啡基本上是完全的渠道生意。那么即饮咖啡，还能通过什么方式找到爆发点？我们从两个思路来看，也欢迎大家一起讨论。
一是从包装规格上进行升级，通过经济实惠的价格，满足咖啡重度依赖者的刚性需求。
在社交平台上，有不少网友们分享用大瓶装UCC职人咖啡、blendy咖啡、三得利Boss咖啡等来搭配每日减脂饮食、上班提神的心得。大瓶装，正在带给价格敏感但又对咖啡有依赖的年轻人们以“咖啡自由”。

我们也可以借助达能旗下的SToK品牌的发展趋势来看。SToK主打一款1.42L大小的冷萃咖啡，适合年轻人和打工人饮用。

数据显示，在2021年美国即饮咖啡市场，巨头星巴克的销售额增长11%，达到 24 亿美元。第二大参与者就是能旗下的 SToK，其销售额也达到了3.31 亿美元。[3] 可以看出，超越常规产品的规格，和多元的饮用场景，带给消费者更高的性价比。
二是基于外出、家庭休闲等不同使用场景，设计更具有口味特色的即饮咖啡。
都说“口味为王”，即饮咖啡也是如此。对于消费者而言，他们希望即饮咖啡不仅有独特口感，还要有创新口味，甚至带有更特别的成分。
消费者对新品的口味需求，也可以从市场的反馈来参考。以日本为例，2016-2021年间，在日本的软饮料市场中，即饮咖啡的年均新品数量就达27.8%，高于茶饮料26.6%，位居第一。[1]
今年，Mintel食品与饮料副总监Caleb Bryant指出，Z世代对冷咖啡的偏好，表明即饮咖啡品牌的关键增长机会[4]。对于Z世代的“懒人”们来说，在很困的时候非常希望可以立刻得到一杯咖啡。相比即饮咖啡，点现制咖啡的外卖还要再等个几十分钟，而自己冲泡的话也有些麻烦。
其公司的数据还显示，口味和功能是即饮咖啡的增长机会，近一半的即饮咖啡消费者都在寻找令人陶醉的口味。[4]
如今的即饮咖啡市场，品牌们也在进行对新风味的尝试。今年5月，农夫山泉炭仌咖啡在山姆渠道上市一款瓶装新品茉莉茶咖，0咖啡速溶粉、0茶粉、0反式脂肪。品牌表示该产品将茉莉花茶、奶与咖啡细腻融合，口感层次丰富。

甚至有些品牌正在在尝试通过“摆脱”传统咖啡，打造一个全新的“咖啡世界”。例如，美国旧金山的Minus Coffee品牌，采用菊苣根、枣子、扁豆等成分取代对咖啡豆的需求，通过食品科学和发酵技术来复制冷萃的味道和香气。

杨富强告诉我们，他认为有尖端口味的研发优势，并有成熟营销运营能力的品牌，也许能打开一个爆发点。在他看来，即饮咖啡品类缺少一个类似与红牛，主打提神、专注功能型用户的品牌，也亟待出现一个如可乐一样，有着鲜明产品特点和定位的角色。

04结语

即饮咖啡能“打败”现制咖啡吗？
无论是提升便利度和渗透率，还是增加品牌认知度，即饮咖啡都有着自己的独特优势。在未来，能否有品牌在做“渠道生意”的基础上，突破技术、创新口味，并借助营销能力打造即饮咖啡爆品，让我们一起期待。
参考来源：
[1] 中金 | 软饮料系列报告二：即饮咖啡发展正当时，2023年6月21日，中金点睛
[2] 2022中国即饮咖啡行业概览，2022年1月，头豹
[3] Cold Coffee Heats Up: Why the RTD Coffee Set is Getting More Competitive，2022年2月24日，BevNET
[4] What’s next in RTD coffee?，2023年1月，beveragedaily

玛雅之谜，如此强大的文明为何瞬间衰亡

The following article is from 国家地理中文网 Author NG
地球是一个奇迹

文化｜美洲
请将国家地理中文网设为星标方能收到正常推送

蒂卡尔神庙 在危地马拉佩滕省丛林深处层叠的树根之上，矗立着古代玛雅都市蒂卡尔城的五号神庙。这座57米高的建筑立于中央卫城的南面，建成于公元600年左右。｜BRIAN VAN TIGEHM/ALAMY/ACI

玛雅文明曾经横跨中部美洲的广阔地域，也就是如今墨西哥南部和中美洲所在地。
它曾孕育了无数繁荣的城市与上千万人口，但在两个世纪的时间里，主要城市失去了居民，宏伟的庙宇遭到遗弃，栩栩如生的艺术品未及完工便被丢下。
玛雅文化的结局扑朔迷离，其准确开端亦难定位。许多学者认为，在公元前7000年到公元前2000年的某个时段，当狩猎-采集者从南美洲搬迁到中部美洲并定居于此之后，玛雅文化才融合成型。
公元前4000年左右，玉米这一玛雅主要粮食作物产量激增，为玛雅文明的繁荣与扩张创造了土壤。

玛雅世界：在后古典期（公元600到公元900年），玛雅文明凭借其发展程度形成了星罗棋布的王国与城市，遍及尤卡坦半岛和中美洲，占地约323749平方公里。学者们估算曾有一位强大的本土统治者控制着40座玛雅城市。其中最大的那些，例如蒂卡尔，拥有上至5万居民；规模较小的城市也有将近5000人口。｜NG

一般认为，与邻近的奥尔梅克文明之间的往来极大推动了玛雅建筑的进步，导致了城市之间大型仪式建筑群的出现。
最重要的中心城市有乌斯马尔（Uxmal）、帕伦克（Palenque）、奇琴伊察（Chichén Itzá）、蒂卡尔（Tikal）、科潘（Copán）和卡拉克穆尔（Calakmul）。
古典时期（公元200到公元900年），玛雅人建立起高耸入云的金字塔神庙和宏伟建筑（一些理论认为它们是宫殿），并用献给众神的神圣艺术品完成了繁复的装饰。

01

权力斗争

学者们判断，玛雅的统治形态并非一个统一的帝国。相反，它是共享型社会。权力斗争确实存在，但都发生在对立的城邦或地区国王（即城市统治者）之间。
位于今日墨西哥地区的坎昆就曾是一处繁华的玛雅飞地。它在区域贸易路线上占据着战略地位，与强大的玛雅城市卡拉克穆尔在政治上相系。
今天人们在纪念碑上发现了许多碑文，但所有碑文的时间都早于公元800年。

强大的统治者 一个雕刻于公元795年的刻板描画了坎昆统治者塔哈尔·钱·阿克（Tajal Chan Ahk）的形象，他身旁站着一位低一等的贵族和一位祭司。｜ALAMY/ACI

考古证据显示，这座城市在这一年遭遇了暴力袭击。
皇室成员与其他贵族遭到谋杀，他们的尸首连同象征权力的徽章与翡翠首饰一起被抛弃于三处临时埋葬地。
在最大的一片尸坑，考古学家们发现了38具遗骸，上面留下了残暴创伤的遗痕。
如此暴行在这片区域并不罕见，而这件事只是更大的一系列事件的片段。
9世纪的第一个十年，一场政治与社会危机席卷了大部分玛雅城市。到了古典时期末期，玛雅雕塑家不再雕刻纪念碑，抄书吏也终止了对统治者言行的记录，工人们停止了宫殿与庙宇的建设。
城市被人们遗弃。所谓的玛雅灭亡由此揭开序幕。
这场文明的衰亡从一座城市传播到另一座城市，持续了超过一百年。它开始于佩特什巴通（Petexbatún）地区，接着笼罩了乌苏马辛塔河（Usumacinta River）边的区域。
城市像多米诺骨牌般陨落，丛林于是开始从玛雅文明中夺回土地。植物的根系与卷须蜿蜒爬满了宫殿、庙宇和广场。
![640.jpeg](/uploads/20230925/8a06cd5bc7f610bea39b7d97c456e8ff.jpeg
残存的遗迹：卡拉克穆尔大金字塔位于如今墨西哥的坎佩切州，从郁郁葱葱环绕其生长的植被中冒出来。在9世纪早期，卡拉克穆尔走向了衰落。目前没有发现任何迟于公元909年的碑文记录。｜ALFREDO MATUS/ALAMY/ACI

玛雅金字塔：这座金字塔于公元734年建于蒂卡尔大广场，用于安放国王哈萨乌·钱·卡维尔一世（Jasaw Chan K'awiil I）的遗体。与玛雅其他城市一样，蒂卡尔也在公元900年左右被废弃了。｜AWL IMAGES

02

寻找线索

透过丛林深处掩藏的玛雅建筑遗迹，我们能获得关于玛雅消亡速度的有趣见解。
乌苏马辛塔河流域的波南帕克城（Bonampak）中，建成最晚的建筑上绘有生动的壁画，展现了国王于公元791年取得的胜利，还描绘了一场壮观的皇室庆典。
但整幅艺术作品并未完工。墙上还能看到未完成的草稿，艺术家似乎是在创作中途放下作画工具径直离开的。
在邻近波南帕克的城市亚斯奇兰（Yaxchilán），我们发现了另一个同样戏剧性的例子。
公元800年，亚斯奇兰国王下令建造一座气势雄伟的建筑，上面装饰着华丽的雕塑。在横木、石碑和台阶上，雕刻着错综复杂的和皇家场景与文字。
而仅仅8年之后，这项工程便被弃置了。我们在遗迹找到的最后一条信息写就于公元808年。

波南帕克壁画：照片中展现了壁画建筑中一号房间的景象。｜RITTERBACH/AGE FOTOSTOCK

波南帕克一处壁画的复制品描绘了波南帕克与对立城市之间的一场恶战。带着作战头饰的战士们跟随号角冲锋。他们挥舞着各式各样的武器，有绑着长燧石锋刃的长矛，小刀以及狼牙棒，用盾牌保护自己。画中的战士就是波南帕克国王钱·穆万（Chan Muwan），他头戴华丽头饰，上身披着美洲虎皮，手持同样裹着美洲虎皮的长矛。这位国王抓着一位战俘的头发，战俘一丝不挂的形象象征了他的命运。有一个象形文字指出这位战败者是“长矛队长”（Captain of Spears）。另一个象形文字记录了这场战争的时间：公元786年7月。｜AGE FOTOSTOCK

在原二号房间对面的墙壁上，一幅复制品展现了战败士兵在波南帕克大广场面向众人的场面。取得胜利的国王华冠丽服，手执一把缠着美洲虎皮的长矛。贵族与士兵围绕其侧，也披着美洲虎皮。士兵们握着长矛和马卡纳斯（macanas，一种用硬木制成、形似短柄小斧的武器）。俘虏们在他们脚下，不着寸缕、蓬头垢面，他们的形貌展现了他们的处境。一位囚犯的眼睛闭上了，这代表他已经死去。一颗脱离躯干的头颅落在他脚边。被俘虏的战士们好像在恳求仁慈的对待——此情此景，迅速死去便是仁慈。血液从战败者的手中滴落。在玛雅文明中，在最终执行死刑前扯下囚犯的指甲或切下他们的指尖是一种习俗。在这幅现实主义的画作中，细节十分丰富，对于死者的刻画尤为细腻，展现了玛雅艺术家的高超技巧。｜BRIDGEMAN

9世纪初期，建筑师们开始在阿瓜泰卡（Aguateca，今危地马拉）建造一座宏伟壮丽的神庙。
而在公元810年，工程突然停止了，这座庙宇只建了一半。已经打磨完毕、静待雕刻的石碑再也没能装饰完毕。
证据显示，此处曾建立了围场及防御工事，这表明阿瓜泰卡人意识到了外来的威胁。之后几年，这座城市便被抛弃了。无论是什么侵袭了它，造成的冲击都是非常迅速的。
已有无数学者研究过玛雅的衰亡，他们发展出了颇富吸引力的理论，试图解释消亡之谜。许多理论都同意，玛雅社会的衰落不是单一原因造成的，它是复杂因素共同影响的结果。

03

压力与负担

关于玛雅消亡的假说很多，大部分将结局归因于几个常见因素。
其一是玛雅城市人口过剩，过度消耗当地资源，诱发了危机。进入9世纪，玛雅文明达到了人口巅峰。蒂卡尔城是所有玛雅城市中人口最多的一个，当时的居民数增长到了5万人左右。
一些学者认为当地农业即便经过大力拓展也很难支撑其人口。当时人们离开城市后如何重新寻找居所，在人口学上并没有明确的答案。

玛雅重要人物｜AKG/ALBUM

玛雅重要人物｜ALAMY/ACI

另一个强有力的理论认为，干旱导致了文明的灭亡。近期有关中部美洲古气候的研究显示，9世纪左右，玛雅低地部分区域长期缺水，导致庄稼减产和区域性饥荒。
食物不足挑战了玛雅统治者对地区的控制。人们可能出逃寻找更加肥沃的土地，也或者发动了叛乱。
还有一个无疑加剧了玛雅灭亡的因素是权力争斗引发的武装冲突。战乱封锁了道路和贸易路线，商品无法快速流通，继而导致物资紧缺、经济崩溃和大批人口迁移。
进入9世纪，提及城市间战事的文字记录大大增加。各种刻板都描绘了国王羁押敌人战俘的画面。那些战败的统治者的姓名被刻在了他们的腿部与上身。


战败者的命运：这幅作品被称作石碑12号（stela 12），上图展现了这块石头，下方则是石头上所雕画作的临摹图。这块来自古典玛雅时期的巨石描绘了公元792年春黑石城（Piedras Negra，位于今危地马拉）和波莫纳城（Pomoná）战争后羞辱战俘的场景。获胜的黑石城统治者基尼奇·亚特·阿克二世（K'inich Yat Ahk II）高高坐在战败的囚徒之上。他治下的贵族们头戴冠饰，身上挂着华贵的珠宝。在国王脚下，跪着一位被捕的萨哈尔（sajal，贵族或长官）。其他战俘被捆绑着，剥光了衣服与饰物。人物被清楚地区分开来，每一位的名字都用象形文字标注在背后。其中一些是波莫纳的二等萨哈尔，他们面朝俘虏他们的人，右手置于左肩，展现着对胜利者的尊敬。这块石碑的制式符合波莫纳城的艺术规则。可能是这场战争中被俘获的波莫纳工匠被迫制造了这块纪念碑。当玛雅临近覆灭时，玛雅城邦之间的冲突不断增长。黑石城或许在公元792年的这一天取得了胜利，但它最终会被亚斯奇兰打败。到公元930年，黑石城也被废弃了。｜ARCHIVO DIGITAL MUNAE. MINISTERIO DE CULTURA Y DEPORTES DE GUATEMALA (上) LINDA SCHELE/CORTESIA ANCIENT AMERICAS AT LACMA (下)

04

政治动荡

更让人难解的是，一个半世纪以后，尤卡坦半岛北部地区的玛雅城市也发生了与前次如出一辙的衰亡。
在10世纪时曾成为普克地区（Puuc）主要权力中心的乌斯马尔城就是一个例子。这里建起了无数宫殿，既为皇室提供居所，也供贵族们召开会议。
还有一座球场，以及一套被西班牙人叫做“修女四合院”（Nunnery Quadrangle）的仪式建筑群。那个时期的浮雕、画作与铭文再现了战争情景，作品中的战士们全副武装，囚徒则被献祭。

乌斯马尔的辉煌：乌斯马尔城的古老废墟，也曾作为玛雅建筑最精美的代表之一，在6世纪到10世纪之间繁荣一时。省长宫（Governor’s Palace）于10世纪拔地而起，矗立在超过182米的长方形巨大平台上，通过26级台阶与地面相连。｜LEONID ANDRONOV/GETTY IMAGES

而之后到了11世纪，乌斯马尔遭遇了突然的衰退。众多纪念性作品的建设半途而止。
近邻奇琴伊察的扩张似乎是这场危机的直接原因。同一时期，普克东部人口逐渐流失，直到11世纪早期完全废弃。
研究人员一直尝试超越过度简化的灾难性假设，探讨更多纷繁复杂的可能性以及地区特色，那或许有益于解释玛雅文明的衰亡。
这一衰亡昭示着一种政治经济体系的终结和南方低地众多城市的失落。而位于北方低地的城市也在150年后被废弃了。
玛雅文明从未复兴，至少未曾恢复过往的样貌。但玛雅贵族、祭司、战士和农民的子孙后代如今依然在这片先祖生活过的土地上栖居，并以仍在使用的原住民语言和宗教仪式将他们的文化流传下去。
那些祖传的农耕活动并未被遗忘，传统的衣着与首饰样式也被保留了下来。尽管玛雅王国的衰落似乎宣告了玛雅文明的结束，但事实上，玛雅文化依然生生不息。

阿瓜泰卡的结局

这幅艺术创作描绘了8世纪时阿瓜泰卡可能的风貌。｜RICHARD SCHLECT/NATIONAL GEOGRAPHIC IMAGE COLLECTION
Image
双子城市多斯皮拉斯（Dos Pilas）和阿瓜泰卡坐落在佩特什巴通湖（今危地马拉佩滕省）上方的高原上。为了利用自然屏障加强防御，这两座城市建起堡垒防范敌人的进攻。
围场保护着庙宇、宫殿、田地甚至水源供应。尽管有这些预防措施，阿瓜泰卡仍在公元790年遭到攻打，这一年成为了该城石碑上留下的最后日期。

撰文：ANA GARCÍA BARRIOS
译者：绿酒
编辑：框舅

以色列政府人口及移民局最新颁令，要求近4万名非洲难民及移民离开国境。以色列政府形容他们为“渗透者”，要求该批非裔人士必须于3个月内离境，否则将面临监禁处罚。

以色列政府表示，部分入境者并非真正难民，而是或会削弱犹太族裔社会特色的经济移民，他们大多数来自厄立特里亚及苏丹。以政府还强调，将会向于3月底限期前离境的难民及移民提供3500美元经济补贴及单程机票。

倘若有关人等拒绝离开，执法部门将展开拘捕行动。这次驱逐令中，小孩、老人和人口贩卖受害者将获豁免。

扩展资料

以色列其实是没有黑人的，自上个世纪七十年代起，陆续有生活在厄立特里亚、埃塞俄比亚的法拉沙人陆续来到以色列，这些人被称为黑色犹太人。

当时埃塞俄比亚和厄立特里亚还是一个国家。为了解决兵源短缺问题，以色列自80年代起开始有目的的大规模的把生活在非洲的这些黑皮肤的犹太人抢运到以色列。

1984年的“摩西行动”和l991年的“所罗门行动”从埃塞俄比亚和苏丹分别接回8000和14000多名黑非洲犹太人，他们的到来。

以色列可谓是用尽心机，也搏得难得的名声，非但让黑肤色犹太人感动得眼泪扑塔扑塔地掉个不停，而且感动得跪下唱颂歌，看！人家是多么地爱同胞，至此在以色列才有黑人。

以色列现在驱逐的黑人最主要是有些属于非法居留的难民，而且如今强大的以色列已经‘’人满为患‘’，确实不像以前一样需要增加人口，以补充兵源了。再有黑人没有信奉犹太教，被视为“异教徒或渗透者”，难以被“心胸狭窄”而闻名遐迩的犹太人容忍。

非洲难民成分复杂，有的是难民，值得同情。有的不是难民，而是通过难民的名义，想移民以色列达到经济移民的目的。所以才会有“驱逐令”的产生。

全国首座 | 零能耗+零碳建筑

在北京城市副中心五河交汇处，全国首座钢结构+全幕墙系统“双零”建筑——副中心规划展览馆正在热火朝天建设中。

“双零”即零能耗、零碳。该馆建筑面积7583.78平方米，年耗能31.5万千瓦时，全年发电量达90万千瓦时，建筑综合节能率达到100%；全年碳排放量约为370.73吨，年均总减碳量达724吨（约等于1811亩森林年固碳量），建筑整体实现“碳中和”。那么，是什么样的技术保证了“双零”目标的实现呢？近日，记者走进现场一探究竟。

屋顶上设“超级充电宝”

规划展览馆的坡屋面铺的不是传统陶瓦，而是犹如古代铜器一样呈现磨砂般深褐色质感的光伏瓦，平屋面则设置了网点状的咖啡色玻璃基光伏板。记者了解到，光伏建筑一体化正是实现“双零”建筑的首个关键词。

展览馆效果图

“光伏瓦不仅安装方便，还可以保温、隔热、发电，同时具有良好的低温抗冲击性和优异的耐腐蚀性。”中建一局城市副中心160地块项目经理许有越介绍，展览馆所在的160地块共铺设了约6000平方米的光伏设备，年发电量可达150千瓦时/平方米。光伏发电技术就像“超级充电宝”，把太阳能源源不断地转化为电能，光伏瓦产生的电能采用“自发自用+余电上网”模式，整体实现“零碳展览馆、低碳办公区”的目标。目前，光伏屋面已集中展开焊接挂瓦作业。

外部“充电”的同时，高性能保温材料和气密性8级、水密性6级的高性能绿色防水隔气膜，给规划展览馆戴上了“围脖”，让展览馆“冬天冻不透，夏天晒不热”。“外墙保温材料的厚度一般为100毫米到130毫米，而我们把展览馆岩棉板的厚度做到了210毫米，保温隔热效果更好，可使展览馆的年耗能由61.38万千瓦时降低为31.5万千瓦时，相比基准建筑67万千瓦时的年耗能，建筑本体节能率达53%。”生产经理唐金齐说，在光伏“超级充电宝”与“围脖”的共同作用下，展览馆的综合节能率达到100%，填补了国内零能耗建筑体系的一项空白。

图片展览馆实景图

“搭积木”式盖房绿色环保

在规划展览馆的施工现场，地面的绿色防尘网上，装配式幕墙玻璃石材堆放有序，施工现场干净整洁，看不到材料切割四射的火花，也见不到成堆的建筑垃圾，与传统印象中的工地完全不同。许有越说：“展览馆采用的是装配式建筑工艺，有效减少了现场的材料浪费和垃圾产生。”

装配式建筑工艺正是实现“双零”建筑的第二个关键词。

装配式建筑工艺即提前在工厂模块化定制切割，再运输到施工现场进行“搭积木”式组合安装，工艺简便、绿色环保，但对预制构件的误差和现场施工的精度要求很高，“现浇混凝土结构的施工误差往往以厘米计，而我们的装配式建筑工艺实现了精度控制由毫米级向丝米级的提升”。

展览馆外幕墙施工

“双零”施工技术可复制

“智慧大脑”则是实现“双零”建筑的第三个关键词。副中心规划展览馆项目创新采用大数据、云计算等一系列硬核智慧技术，以技术赋能建筑智慧化，打造出智能建造的“超级大脑”，保障了该馆在设计、施工、维护和运营全生命周期的“双零”运行。

“为了高效管理工作流程和数据储存，我们自主研发并应用基于区块链的精细化工程信息管理系统，实现了‘建筑+区块链’的‘零’的突破。”许有越介绍，在区块链管理系统中，通过物联网、三维扫描仪、放样机器人等智能设备采集上传的所有数据和项目文件都有自己的“身份证”，一经存储就不能篡改，保证项目数据的安全、真实、可靠；系统内嵌的专家库，可为项目形成专项解决方案。楼内物联网技术和智慧能源柔性管理模式，可实现温度湿度控制和天气环境智慧联动、楼内环境和人性化需求智慧联动，体现了智能建筑适应自然、利用自然的创新理念。而且，技术人员深度开发持续优化AI智能算法，AI逐步具备“持续学习”能力，系统审查的质量和效率将随之持续提升。

目前，项目外立面幕墙已完工，这座地上地下各三层的“双零”建筑初具雏形。“副中心规划展览馆以方正典雅、质朴大气的建筑形式展示了副中心的文化底蕴和特色。这座‘双零’展览馆对标国际一流，更向世界展示了一种全新的零碳建筑形式！”唐金齐表示，随着建设的不断深入，“双零”建筑施工技术、经验不断积累且具有强大的可复制性，可为“双零”建筑项目在全国遍地开花提供更多的可能性。

马克龙在华说了什么，传递出什么信号？

4月5日下午3时15分，马克龙走下飞机。一个多小时后，他到达法国驻华大使馆。在这里，马克龙发表讲话，驳斥有关中西方之间紧张关系“不可避免地呈螺旋式上升”，将导致与中方切断联系的观点，公开表态反对对华“脱钩”。

当晚，马克龙又现身第十七届“中法文化之春”艺术节开幕式，与中国知名演员黄渤一起为艺术节揭幕。马克龙表示，法国不仅希望重新恢复交流，更要打造中法文化交流新的项目。“让我们携手一道，不断创造、播种梦想的种子，孕育中法之间的友谊。”

复旦大学国际问题研究院中欧关系研究中心副主任、副教授简军波在接受《每日经济新闻》记者采访时表示，从去年底开始，中欧高层互动逐渐频繁，前不久，德国总理朔尔茨和欧洲理事会主席米歇尔相继访华，随后中法领导人在G20峰会上也进行了会晤。“这次马克龙和冯德莱恩共同访华，是自去年以来欧洲试图加强和中国全方位关系，促进中欧整体关系回暖的重要一环。”

对外经济贸易大学法国经济研究中心主任、金融学教授赵永升也告诉记者，马克龙和冯德莱恩共同访华，透露出他们希望用“一个声音”和中国说话，同时也希望中国在对待和处理法国事务之时，将法国置于欧盟的框架之内。

中国社会科学院欧洲研究所欧洲经济研究室副研究员杨成玉认为，马克龙访华，至少释放三重信号：一、中法同为联合国安理会常任理事国和世界大国，对于应对气候变化等全球治理议题以及乌克兰危机等国际热点问题需要加强协调；二、法国作为欧盟创始国和核心国，对稳定中欧关系作用较大，马克龙邀请冯德莱恩共访，有意为深化中欧关系发挥影响力；三、中法关系具有重要的引领意义，此访对夯实中法政治互信、深化经贸合作起到推进作用。

4月7日，马克龙还穿越大半个中国，从北京飞到广州，访问中山大学。中山大学方面对此表示，穿梭百年中大校史，法国元素交织其中。一路走来，中山大学在中法文明交流互鉴的历史上曾写下浓墨重彩的一笔。

实际上，中法两国在人文、教育领域的交流开展得更早。早在1920年，当时的国立北京大学就与中山大学前身及法国里昂大学代表合作筹备成立中法大学。中法建交以来，两国政府签订了许多促进和深化人文交流的相关协议。其中，中法两国互设文化中心、互办文化年的创举在世界各国的人文交往中具有重要的示范效应。

“我此次率庞大代表团访华，就是希望同中方加强合作，促进人文交流。”此次到访中国，马克龙也如此表示。据了解，此次随行来华的代表团中有多位与中国渊源颇深的著名艺术家，比如曾执导电影《狼图腾》、与中国电影有深度合作的著名电影导演让－雅克·阿诺、法国电子音乐先驱人物让－米歇尔·雅尔和他的太太巩俐。

“豪华代表团”的超级订单

记者了解到，马克龙此次率领的法国商界领袖代表团中，有空中客车、电力设备企业阿尔斯通、法国电力公司（EDF）等公司的高管。截至目前，空中客车（EADSY.US）总市值为1085.35亿美元、阿尔斯通（ALO.PA）总市值88.42亿欧元、法国电力公司（EDF.PA）总市值为476.11亿欧元，仅这三家法国企业总市值就已达1.17万亿元人民币。

在中法两国元首的见证下，4与6日下午，两国企业“一口气”签署了20项合作协议，以推动在农业食品、科技、航空、民用核能、可持续发展、文化等领域的双边合作。

4月6日，欧洲飞机制造商空中客车宣布，与中国航空业合作伙伴签署新的合作协议。其中，空客与中国航空器材集团有限公司（CAS）签署了160架空中客车民用飞机的批量采购协议，总价值约200亿美元（约1375亿元）。

随团访华企业代表空中客车（Airbus）首席执行官傅里同时表示，将在中国天津建立第二条A320系列飞机总装线，从而将其在中国境内的该系列机型的生产能力翻倍。新的总装线将于2025年第二季度投入使用。

4月6日，中法企业家委员会第五次会议在北京人民大会堂举行 图片来源：新华社记者 邢广利 摄

当前，低碳化是全球航空业面临的共同命题。4月6日，傅里在接受《每日经济新闻》记者采访时表示，推动整个航空业的去碳化是当前空客工作的重中之重。“我们的去碳化活动实际覆盖了多种领域。现在我们的飞机致力于减少油耗，并使用更多的可持续航空燃料。最近，我们也和中航油签署了协议，加大生产和使用更多的可持续航空燃料。”

这趟访华，法国电力公司也与中广核集团续签了全球合作协议，马赛船运集团与中远集团及上海港也签署了一项关于生物和电动燃油供应的协议，苏伊士签下海水淡化项目合同，法国猪肉产业获得中方颁发的15个新许可，可增加对中国的猪肉出口……

此外，4月6日，中国船舶集团有限公司与法国达飞海运集团在北京签订合作协议，协议包括建造2型16艘超大型集装箱船，金额达210多亿元人民币，创下中国造船业一次性签约集装箱船最大金额的新纪录。

回顾历史，1964年，法国成为第一个同新中国正式建交的西方大国。从双边经贸交往来看，法国是中国在欧盟的第二大贸易伙伴，中国是法国全球第六大、亚洲第一大贸易伙伴国。2021年，双边贸易额超过800亿美元，创下历史新高；2022年，中法货物贸易首次突破1000亿欧元大关，同比增长超14%，势头强劲，可见中法合作空间十分广阔。

据中国海关总署统计，2022年，中国从法国进口商品总类别主要有药品；精油等化妆品；饮料、酒及醋；皮革制品；航空器、航天器及其零件等。中国对法国出口商品则主要是机电、音像设备及其零件；家具、寝具、灯具；塑料及其制品、橡胶及其制品；纺织原料及纺织制品等。

4月5日，赵永升在接受记者采访时就提到，此次法欧领导人来访，预计可带来实实在在的数百亿欧元订单。

简军波则认为，马克龙访华，将有力促进中法在经贸领域进一步合作。“马克龙代表团中包含法国多个头部企业领袖代表，这反映了法国试图在后疫情时代加强和我国在各领域开展深度合作的愿望。同时，中法经贸联系的深入，也为中法整体关系发展提供机会，尤其为中欧经贸关系发展作出示范。”他表示，稳定和相对健康的中欧经贸关系发展也为世界经济体系的稳定注入重要能量，有利于促进国际经济繁荣。

法国企业在中国

1978年，法国时装设计师皮尔·卡丹第一次踏上了中国土地。他穿着带有垫肩的毛料大衣、搭着羊毛围巾，走在北京长安街头，与当时中国大街小巷单一的服装颜色形成鲜明对比。1979年，在国人的好奇与羞涩中，第一场“内部观摩”的时装表演诞生了。此后数年，皮尔·卡丹多次在中国举办公开时装表演，新中国的“时尚之门”由此打开。

1985年，第一架空中客车飞机进入中国航空市场。空客公司将一架A310交付给东方航空的前身民航华东管理局，不久，前者就提出了与中国建立全面合作伙伴关系的长期发展目标。尽管“入场时间”晚于美国波音，但空客公司的市场份额后来居上。

1997年，来自法国的美妆品牌L’Oréal进入中国市场，这个品牌的中文名字被定为“欧莱雅”，意为“来自欧洲的优雅”。

图片来源：每经资料图

时尚、秀场、美妆、航空，是中国人对法国的基本印象，但这仅仅是法国企业走入中国的一抹身影。数十年来，在华法国企业已涵盖电力、汽车、通信、化工、医药等诸多领域。法国银行、保险、证券等多家金融机构在华设立分支机构，雪铁龙、家乐福、阿尔斯通、阿尔卡特等法国公司在中国家喻户晓。

根据欧盟统计局的数据，目前在中国的法国企业有2085家，其中很大一部分是来自法国的大型集团，这些在华法企雇用员工数量约30.7万人。就公司数量而言，法国是欧洲国家在中国最大的投资国。法兰西银行的数据则显示，2019年至2021年，法国在中国的投资存量继续增加，2021年攀升至320亿欧元。

《每日经济新闻》记者了解到，国内武汉、河北、苏州等地均是法国企业在中国的集聚地。核电领域，中法两国合作很早就已开启。上世纪80年代，法国电力公司（以下简称“法电集团”）就作为工程技术总负责人参与中国首个大型核电项目——大亚湾核电站的建设。法电集团与中广核集团在大亚湾核电站项目的携手，也成就了一段中法商业合作的佳话。2008年，法电集团还携手中广核共同开发、建设和运行广东台山核电项目，成为中国核电项目首个外国投资商。此外，法电集团还在华扩展了风电项目、火电业务的投资和布局。

法国在华的知名投资项目还包括中法武汉生态示范城，这是中法两国应对环境与气候变化挑战的最高级别合作项目。2014年，在中法两国元首共同见证下，两国政府代表签署《关于在武汉市建设中法生态示范城的意向书》，生态城正式落户武汉市蔡甸区后官湖区域，规划范围39平方公里。

金融业方面，法国巴黎银行、法国东方汇理银行、法国兴业银行等也在上世纪80年代后陆续进入中国。上海的第一家中外合资银行正是由中国工商银行和法国巴黎银行在1992年共同投资组建。

两国经贸合作趋于紧密，从中欧班列中，中法运输线路的开通也可以看出。2016年4月，国内首条直达法国里昂的中欧班列正式开通运营。随后，武汉、合肥、金华至法国杜尔日3条中欧班列线路先后于2017年、2020年底和2021年开通运营；江西、山西也开通了直达法国巴黎的中欧班列线路。中国的纺织品、家用电器、电子产品、汽车零配件等从中法铁路线输出到法国。

法国国家铁路公司的中欧班列负责人泽维尔·万德尔皮蓬曾向媒体表示，尽管法国比其他欧洲国家更晚进入这一市场，但从2019年到2021年，法中两国间的货运班列数量翻了一番。目前，法中铁路运输仅占中欧之间运输市场总量的5%，万德尔皮蓬预测，到2030年这一比例将会翻一番。

中国品牌在法国

另一方面，随着中国奋力发展，越来越多的中国企业和商品进入法国。

《每日经济新闻》记者了解到，青岛啤酒深受欧洲年轻人青睐，在法国消费者中，品牌美誉度不断提升，进入当地销售主渠道。贵州茅台在巴黎开设了其在欧洲的第一家专卖店，持续拓宽法国市场渠道。即将来临的巴黎奥运会，超八成吉祥物都是中国制造。

法国商务投资署去年3月发布的《2021年法国商业外国直接投资报告》显示，2021年，中国在法国的53个投资项目帮助法国创造或维持了2169个就业岗位，较2020年增长28%。中国继续保持对法投资第一大亚洲国家的地位。法兰西银行统计数据显示，2021年，中国在法直接投资存量已经达到86亿欧元。

现在正在法国巴黎的赵永升告诉记者，这些年，中国确实在法国投资了不少项目，并且，中国品牌在法国立足的越来越多，知名度也在逐步提升。他举例称，在科技领域，华为、小米、荣耀等电子产品，在法国的各大商店比比皆是；来自中国的路由器也受到法国本土消费者欢迎。穿戴方面，上海“飞跃”鞋如今早已深入法国消费者的心中；除了自有品牌，还有数不胜数的“Made in China”产品在法国销售。

除了这些传统领域，赵永升还提到，越来越多的中国资本正在法国加注绿色能源和数字技术产业，同时，对旅游和休闲产业的投资也在快速增加。

杨成玉称，在致力于法国消费市场方面，TCL等家用电器企业以法国为欧洲总部将业务辐射全欧洲。近年来，小米等科技公司在法投资增多；在绿色合作方面，远景动力、中广核也投资于法国风电、光伏建设。

图片来源：每经资料图

“相比对德投资而言，中国在法投资规模较小，但潜力较大。”杨成玉说。

记者获悉，中国家电品牌中，海信在法国布局相对全面、深入。海信集团相关人士在接受《每日经济新闻》记者采访时透露，海信在法国以自主品牌经营为主，主要产品包括电视、音响、“空冰洗”、洗碗机等。2022年，海信电视在法国销量同比增幅超26%，海信激光电视在法国销量同比增幅超130%，海信洗碗机在法国销量同比增幅超127%。“法国市场对家电升级需求的明显提升，为激光电视这一大屏高品质的品类消费提供了空间；激光电视正在获得越来越多法国消费者的认可。”上述人士告诉记者。

市占率表现方面，2022年，海信牌电视、海信牌冰箱在法国销售量占有率排名第五，其中，海信冰箱是在法国占有率排名第一的中国品牌。

小米相关负责人也告诉记者，小米在2018年正式进入法国市场，在短短几年间快速成长，获得了许多法国消费者的认可。根据调研机构数据，近年来，小米在法国智能手机市场的份额稳居前三。“目前，小米在法国已经有了比较好的用户基础和知名度，成为法国消费者心目中优秀的中国科技品牌代表。下一步，小米在法国会继续努力提升市场份额，同时坚持高端化战略。”该负责人表示。

法国米粉在巴黎一处小米之家开业时排队 图片来源：企业供图

据了解，小米在法国雷恩（Rennes）设立了一个影像研发中心。经过多年努力，小米已经和法国各大运营商、零售渠道建立了深度合作。

未来中法商业合作发展机会在哪？

赵永升认为，随着这次两国领导人的会面，以及法国企业代表团的到访，中法两国未来在诸多领域都将有更大、更深入的商业合作机遇。“具体而言，除了传统产业、传统升级产业以及新经济产业外，我想着重提两点，那就是中法金融合作和中法第三方合作。”

“中法之间未来若要真正大幅度地提升双方合作的力度和深度，我认为还得‘跳出局外’，即从第三方合作下功夫。例如中法双方在非洲诸多国家联手实施的诸多项目，就已经取得令多方满意的成果。”赵永升说。

记者了解到，近年来，中国与法国在第三方市场的合作也在铺开。中法在2022年签署了第三方市场合作第四轮示范项目清单，涵盖基础设施建设、新能源等领域的7个项目，总金额超过17亿美元，合作区域涉及非洲、中东欧等地。

简军波向记者表示，中法经济结构具有互补性，双方合作潜力有待进一步开发和利用。目前，双方有机会在包括航空航天、生物医药、绿色能源、教育和文化等多领域进行重点双边合作，也可以在气候变化、能源危机、粮食安全、地区热点等全球问题上开展合作。比如在气候和能源领域，中法可以开展有关绿色技术的研发和推广；在核能领域，双方已经有紧密合作经验，可以在此方面进一步开拓合作空间，包括共同开发在第三方的核能利用项目等。

“总之，鉴于法国在文化、教育、农业、航空、医药和化工等行业具有全球领先地位，我国也在推进新材料、航空航天技术、新能源、人工智能等各种高新科技领域的发展，倡导多元文明的交流互鉴，中法双方可以在高新技术开发和利用与文化和教育交流等方面发掘进一步合作潜能。”简军波告诉记者。

杨成玉也认为，未来中法经贸合作领域广泛，除了航空航天、民用核电等领域可深化中法科技创新合作外，中法绿色、数字合作机会也很大。“例如法国有大量可再生能源转型需求，中法在产业数字化、工业脱碳领域存在合作机会。法国优质农产品、农业培训、农业机械化等农业合作也是重要领域。”

日前，我们从海外媒体得知，保时捷911 EV纯电版渲染图正式曝光，新车或于2029年上市发售。据悉，新车将基于大众SSP平台打造，并采用1000V电气架构，预计会匹配固态电池，电池从0充到80%或在5min内完成。
更多照片：保时捷911将推(搭载固态电池)电动版http://pv.h2city.cn/cms/energy/292.html
外观方面，可以看到新车依然延续911系列的传统美学设计，而青蛙眼式的头灯依然很有辨识度。另外，车身将会采用更多符合空气动力学的套件，并应用轻量化的碳纤维材质。同时，面积更小的细长型外后视镜以及隐藏式门把手设计，也为了降低更多的风阻系数。

车尾方面，新车采用了贯穿式LED尾灯设计，而PORSCHE标识依然安置在尾灯之间。另外，带扰流器的后包围则营造强烈的战斗氛围。
有意思的是，此次新车的后玻璃采用两片式设计，很复古、个性。另外，后玻璃下方还设计了散热孔。
动力方面，新车预计会采用1000V电气架构，而匹配的将是固态电池，续航里程有望达到700km，而快充模式下，电池从0到80%或在5min内完成。

    保时捷母公司大众集团在2018年向QuantumScape投资了1亿美元，2020年又投资了2亿美元，目前是QuantumScape的最大股东。QuantumScape一直致力于实现固态电池的商业化，拥有超过10亿美元的投资。

中介说：要合规！

企业说：你不懂经营！

有时候，似乎很难去找到一个合适的点去平衡两者。没有一个人可以保证说这个项目一定可以上，更没有一个人敢说（或是愿意说）这个项目一定上不了。

正如《道德经》开篇那句话：道可道，非常道。道如果可以用语言讲清楚，那就不是永恒常在之道。

万物之道如此，上市之道亦如此！

日月星辰，山川湖海，世间万象，众生百态。

一切都在其运行轨迹上变化着，上市也一样，2019年科创板开板至今，注册制从无到有，监管从修改《证券法》加大违法成本到增加科创属性指标提升“硬科技”含金量，板块从增加创业板注册制到成立北交所，资本市场发生了天翻地覆的变化，但轨迹都朝着向上的方向发展，不断修正、不断增强。

万物之始，大道至简，衍化至繁。拨开云雾，上市之道又那么朴实、简单，就像开车去远方一样.......

第一、明确目标和找准方向
要去哪里？朝哪个方向走？在一个拟IPO项目内，对于上市这个虚拟目标，每个参与者的真实目的不尽相同：要荣誉？要中介费？要上市后翻倍收益？要上市前套利退出？要项目经验？要实现人生价值？要企业健康可持续发展！当真实目的大于虚拟目标时，其行动就会偏离轨迹，就像路边碰到最喜欢的店铺搞活动，可能就不会再去一公里外的购物商场了。

所以，企业的实控人/主心骨一定要握稳方向盘，把握好方向和目标，在这辆远行的车上，肯定会有人上车，有人下车。上市是重要的节点，但并不是终点，所以不能把全部的燃料都在前面用完，这样就过早的结束了行程。

流水不争先，争的是滔滔不绝！

第二、遵守规则和追求境界
地球人都知道：开车首先要遵守交通规则。但为什么如此简单的道理在上市过程中却往往被忽视呢？——因为巨大的利益诱惑。

其实这是笔糊涂账，为了抢十几秒时间闯一个红灯、为了省几块钱停车费违章停车、为了省几十块钱代价费醉酒驾驶。相比起上市带来的巨大利益，这些对比当然微乎其微，但认知往往是有惯性的。我们可以通过大量的撤材料、被否案例、上市公司处罚案例看出，企业的问题往往不是突发性的一个点，系统性、多点式的违规违法行为总是共生存在的。所以，尊重市场、遵守规则是最基本的底线。

“有限的游戏是以取胜为目的，无限的游戏是以延续游戏为目的”，“有限”公司是不可以上市的！

当我们明白规则的重要性后，还需要追求境界。开车如何最省油？如何让车上乘客都舒适？如何不被扣分罚款？证监会不断提出要提升上市公司质量，从企业本身来说，这不仅是对外的满足要求，更是对自身的负责和提升。高质量、高标准的要求会减少企业内控风险，提高效率、降本增效，牺牲少部分人的违法利益来提升企业的核心竞争力，这也是上市企业健康可持续的“发展之道”。

第三、识别边界和坚守底线

这是回答前面企业与中介平衡点问题的关键。随着新《证券法》等一系列监管规则的不断完善，一定程度上打破了中介与企业以前模糊暧昧的关系。近两年，我们看到很多负面的第一次：堂堂会计师事务所被处以“没一罚六”；安信证券投行全链条被罚；全国首例公司债（五洋）欺诈发行案所有中介承担连带赔偿责任；证券集体诉讼中独董成为被告......监管的处罚已不再是杀鸡儆猴、说说而已，从严从重、零容忍的监管环境已经逐步常态化。

企业如果没有认清这点是非常危险的，就像在悬崖边开车，却看不清路的边界在哪，此时万万不能听信车上的盲人或者疯子指挥。我们经常听到“我朋友企业也有这种问题，人家那样都上了。”在上市过程中，会有各种诱惑，甚至是欺诈，我们需要保持清醒，不能盲目轻信，更不能掩耳盗铃。

世上本不存在“感同身受”，刀子不割在自己身上，永远不知道有多痛。要相信自己的团队，中介机构以及企业内部上市团队更像是汽车的导航系统，帮助企业在迷雾中找到方向，向着目标不断前行。

企业发展的道理上充满荆棘，面对内外部环境的压力，必然会有很多事情需要特殊处理，这无可厚非。但对于上市这一条特殊的道路来说，必须要识别边界，并且坚守底线。

有道无术尚可求，有术无道止于术，以道驭术，方得始终。

来源：公众号：易懂IPO 作者 若水
车子坏了，哪怕只是有一点异响，人们都知道要抓紧去维修，从来没见过公路上有车子少个轱辘还在行驶的，因为人们知道这可能会危及到自己生命的安全！但在上市这条高速公路上，我们经常会见到缺轱辘的、缺发动机的，甚至还有司机蒙着眼的。这些车子存在的最大意义就是作为反面教材广泛宣传，让其他人引以为戒。（考驾照时，车管所循环播放的视频，大家还有没有印象？）

我们没必要讨论人性的本质是善还是恶，在上市过程中，法律法规、监管制度自然会威慑企业恶魔的一面，同样也会激发出企业天使的一面。

最后用陈春花老师的一段话结束，企业家的人生要义是什么？上市的要义是什么？——想大事、做实事、不出事。

彭宇是否冤枉，徐老太是否讹人都不重要，也都能被理解。唯一不能接受和理解的王浩的一审判决书，那个推理即多余又滑稽，也成了这个案子最终发酵的催化剂。王浩本人的遭遇不值得同情，有人说这个案子让中国道德倒退几十年，我觉得让道德倒退的不是彭宇、也不是徐老太，而是这个糊涂的王法官。