今日视点:AI能看懂视频里的物理世界吗
你有没有想过一个问题:如果给AI看一段倒牛奶的视频,再让它凭空写代码重建出一个一模一样的虚拟场景,它能做到吗?
这听起来像是个无聊的技术测试,但往深里想一想,这其实是在问一个更根本的问题:机器到底懂不懂这个世界是怎么运转的。不是"识别出这是牛奶"那种表面的懂,而是真正理解液体会流动、会飞溅、会在重力作用下坠落这种底层物理规律的懂。
【资料图】
2026年,斯坦福、约翰霍普金斯和MIT的研究者们搞了一个叫4DCodeBench的测试,专门用来戳穿这个问题的真相。结果挺打脸的:那些写代码能力已经逼近人类顶尖程序员的AI模型,一旦被要求重建动态场景里物体怎么运动、怎么碰撞、怎么变形,成绩立刻跳水。
这事说起来有点反直觉。毕竟过去两年,AI写代码的进步速度让所有人目瞪口呆,GitHub Copilot之后冒出一堆号称能独立完成整个项目的编程智能体。按理说,"看视频写代码"这种任务,对它们应该不算太难。但4DCodeBench的测试结果告诉你:静态的几何形状和画面长什么样,AI学得不错;但东西怎么动、怎么碰、怎么碎,AI还差得远。表现最好的模型在静态指标上能拿0.91分(满分1分),但到了动态指标上直接掉到0.67分,这中间0.24分的落差,翻译成人话就是:知道这是什么东西,但不知道它接下来会发生什么。
这篇论文的价值,恰恰在于它第一次把这种"会看不会懂"的现象量化、系统化地测了出来。
### 什么叫"用代码重建一个会动的世界"
先说清楚这个任务到底是什么。
研究者给AI一段视频,比如一个人往桌子上铺餐布,或者一根绳子被拉伸甩动。AI的任务不是描述视频里发生了什么,也不是生成一段类似的新视频,而是写出一段可执行的程序代码,这段代码运行之后能在Blender(一款开源3D建模软件)里重新构建出整个场景的三维几何形状,并且让这个场景随时间演化,最终渲染出一段新视频,这段视频应该和原视频长得差不多像,连里面物体运动的轨迹都要对得上。
逆向图形学:指从观察到的图像或视频出发,反推出生成这些画面所需要的三维场景结构、材质、光照等底层参数,是计算机图形学"正向渲染"过程的反向问题。
这个任务的难点在于,AI必须自己决定用什么方法去描述"动"这件事。是写一个物理模拟器去算牛顿力学?还是手动给每一帧的物体位置打关键帧?还是用一套数学公式直接算出轨迹?论文作者完全不限制这一点,他们就是想看看,面对不同的物理现象,AI会选择什么样的建模策略,这些策略又分别有什么代价。
这就好比让一个建筑师不仅要画出房子的外观图,还要写出一份详细的施工说明书,告诉工人每一块砖该怎么砌、钢筋该怎么弯、水泥配比是多少。光看懂房子长什么样不算本事,得能把建造过程的每一步都讲清楚才算真懂。如果只是临摹外观,房子可能看着像,结构稳不稳、会不会塌,谁也不知道。AI重建视频也是这个道理,只是把画面拼凑得像,和真正理解物体为什么这样运动,是两码事。
### 200个场景,四种物理现象,专门挑硬骨头啃
研究团队没有随便拍几段视频就算完事,他们精心设计了一套涵盖多种物理现象的测试集,一共200个场景,分成两大类。
一类是100个真实世界的视频,从现有的机器人操作数据集、物理演示视频库以及网络素材里精挑细选而来。这些视频有一个共同特点:相机基本固定不动,场景里发生的事情足够复杂,比如滚珠撞倒多米诺骨牌、冰块在桌上融化、机器人手臂拧瓶盖。研究者特意排除了有人和动物出现的画面,因为人手的精细动作太难建模,会干扰对物理规律本身的测试。
另一类是100个合成场景,用专业的物理模拟器精心计算生成,好处是研究者知道每一帧里每一个点的真实三维坐标,这样就能直接拿模型重建出来的结果和标准答案逐帧比对,而不只是比较渲染出来的画面像不像。
这两类场景又被归到四个物理类别里:刚体和关节体(比如积木、机械臂)、可变形固体(比如橡皮泥、海绵)、共维结构(比如布料、绳索)、流动材料(比如液体、沙子)。
材料点法:一种计算机图形学里用来模拟弹性、塑性、流体等复杂材料变形的数值方法,把连续的材料看作离散的"质点",同时用背景网格辅助计算,能同时处理固体碎裂、液体流动这类拓扑结构会发生剧烈变化的现象。
这里要澄清一个误解,很多人以为AI做视频重建,难点在"看清楚"物体是什么。但这个研究恰恰证明,真正难的不是识别,而是推理接下来会发生什么。比如面条被拉伸时会怎么变细、布料被风吹起时褶皱怎么形成、液体撞上固体容器壁时怎么飞溅,这些现象背后都是连续的物理方程在起作用,而不是简单的像素模式匹配。
这83%的场景里都有不止一个运动物体在互相作用,66%涉及多种材料混合,比如固体撞进液体里,或者布料盖在木质桌子上滑落。这种复杂的材料间相互作用,恰恰是最考验AI物理推理能力的地方。
### 18个模型大乱斗,谁在裸泳一目了然
研究者找来了18个当前最前沿的多模态编程模型进行测试,既包括OpenAI、Anthropic、Google等公司的商业模型,也包括Qwen、DeepSeek、GLM等开源模型。每个模型都要在全部200个场景上各跑一遍,没有提示场景名字、没有物体清单,一切信息都得自己从视频里推理出来。
结果排名第一的是一个代号Astra的模型(以最大推理强度运行),综合得分0.79分。往后依次是Opus 5.5(0.78分)、Astra高强度版(0.77分)、Fable 5.1(0.74分)。开源模型整体表现明显落后商业模型,表现最差的Gemma-4只拿到0.19分,几乎可以说完全没理解任务。
这个综合分数由五个维度的子分数平均而成:视觉相似度(渲染画面和原视频长得像不像)、2D动态表现(画面里物体的运动覆盖情况)、2.5D几何精度(深度估计准不准)、3D几何精度(静态结构还原得准不准,只能在合成场景上测)、3D动态精度(物体真实运动轨迹对不对,同样只能在合成场景上测)。
把这五个数字拆开看,问题就暴露出来了。表现最好的Astra模型在静态指标(视觉和3D几何)上能拿0.91分,但在动态指标(2D和3D动态)上只有0.67分,中间差了24个百分点。而且这个规律在所有18个模型身上都成立,不是个别现象。
这就像是让一个学生考试,静态知识题(背公式、记概念)都能答对九成,但一到需要动态推理的应用题(算物体运动轨迹、判断碰撞结果),正确率立刻掉到六成七。如果只看静态题的分数,你会以为这学生物理学得很好,但一旦涉及真实世界的动态场景,马上露馅。这不是粗心,而是根本性的能力差距:理解"是什么"和理解"会怎样",是两种完全不同的认知能力,前者靠模式识别就能搞定,后者需要真正的因果推理。
为了验证这套自动打分系统靠不靠谱,研究者还专门找了76名真人,做了3587次两两对比打分,让人类看完视频后判断哪个AI重建的结果更接近原视频。结果人类评分和AI自动评分系统的相关性高达0.98,说明这套量化指标确实抓住了人类真正在意的东西,不是自说自话的数字游戏。
### AI怎么描述"运动"这件事,居然五花八门
这篇论文最让我觉得有意思的一点,是研究者去扒了AI到底用什么办法实现"让物体动起来"这件事。
结果发现,67%的解决方案用的是解析式运动,也就是直接写一个关于时间的数学公式去计算每一帧物体该在哪个位置,比如插值一条样条曲线穿过几个关键姿势点,或者用抛物线公式算物体受重力下落的轨迹。19%的方案自己手写了物理模拟器,用上了材料点法、位置约束动力学这类专业算法。10%直接调用Blender自带的物理引擎,剩下3%纯靠手动打关键帧。
更有意思的是,不同模型之间的策略选择差异极大。Opus 5.5用自定义模拟的比例高达61%,而推理强度最低的Astra版本和另一个叫Terra的模型,几乎全部(85%到100%)靠解析公式硬算。
拿论文里举的一个例子来说,同样是重建一块面包被撕开的场景,Fable 5.1跑了一个双场材料点法模拟,每个粒子都设了断裂阈值;DeepSeek v4.1用位置约束动力学算法去模拟撕裂缝隙处的连接断开;而最强的Astra模型压根没写任何物理求解器,直接用解析公式推进一条"内聚断裂前沿"沿着面包体往下走。
这个发现挺耐人寻味的。写一个真正的物理模拟器,好比你要造一辆真车,发动机、变速箱、刹车系统都得按物理规律设计,跑起来是因为内部机械确实在工作。而解析式运动更像做一个玩具模型车,外表看着像,内部其实是提前设定好轨道的小马达带着跑,轨道铺多细,车跑起来就多像真的。如果只靠解析公式,遇到训练数据里没见过的物理情形,这套"轨道"立刻露馅,因为它本质上是在拟合已知轨迹,而不是在推演未知的物理过程。这也解释了为什么静态重建分数高,动态推理分数低,因为很多AI选择了更省事但也更脆弱的那条路。
### 花钱越多效果越好?并不见得
另一个颠覆直觉的发现是,token消耗量和重建质量之间几乎没有相关性。
研究者统计了每个模型完成一个任务平均花费的token数量(也就是计算资源消耗),发现跨模型比较的时候,这个数字和最终得分的相关系数低到可以忽略不计。比如某个叫Qwen的模型,平均每个任务跑了752步、输出150万token,算是相当"卖力"了,但综合排名只排到第11。
不过这个规律有个例外。如果固定住同一个模型架构,只是调整它的推理强度(比如Astra模型分低、中、高三档),那么推理投入和效果就呈现出清晰的正相关。Astra从最低档调到最高档,输出token数从1.3万涨到6.7万,综合得分从0.726稳步爬升到0.791,花的钱也从3.5美元涨到11.3美元。
这说明一件事:不同模型之间比拼"谁用得多",意义不大,因为每个模型内部的推理效率天差地别;但对同一个模型来说,给它更多的思考时间和计算预算,确实能换来实打实的进步。
这就好比两个学生准备考试,一个是死记硬背型选手,花再多时间刷题,成绩曲线也是平的,因为方法本身效率低;另一个是真正理解了解题思路的学生,多花一小时复习,分数就能明显提升,因为他的每一分投入都用在了刀刃上。给前者更多时间没用,给后者更多时间有用,关键不在投入量,而在投入的方式对不对路。
### 哪些场景最容易暴露AI的短板
论文还做了一个挺细致的分类分析,看看不同类型的场景会分别暴露出什么样的弱点。
相比合成场景,真实世界的视频在视觉相似度和问答准确率上都明显更差,差了快一个标准差。这不难理解,真实视频里有复杂的光照、材质反光、运动模糊这些干扰因素,合成场景则是理想化的干净数据。
包含多种材料互相作用的场景(比如固体撞进液体),表现也明显差于单一材料场景。共维结构(布料、绳索这类薄片或线状物体)在2D动态和2.5D几何这两个指标上掉分最严重,说明AI对布料飘动、绳索甩动这种柔性结构的建模能力特别弱。而被外力驱动的场景(比如机器人手臂主动操作物体)在问答准确率上偏低,但在3D几何精度上反而更高,这个有点反直觉,可能是因为外部驱动的运动模式相对规律,容易用解析公式精确描述形状,但理解"为什么会这样动"这个因果链条更难。
这些细分数据提醒我们一件事:笼统地说"AI不懂物理"是不够精确的,它对不同类型的物理现象,理解深浅是不一样的。有些现象(比如刚体碰撞)相对好掌握,有些现象(比如布料褶皱、液体飞溅)则是系统性的软肋。
### 这个测试的局限和没解决的问题
论文作者自己也坦承,目前这套评测体系有一个没法回避的漏洞:它测的是"重建得像不像",而不是"是否真的理解了物理机制"。
打个比方,一个AI完全可以靠硬编码一套提前设定好的运动轨迹,在这个特定场景上拿高分,但这种"背答案"式的解法完全无法推广到新的初始条件或者外力扰动上。换句话说,现在的评分体系还没法区分"真懂物理"和"精准记住了这个视频该怎么动"这两种情况。
研究者提出,未来应该设计一些干预性测试,比如改变初始条件、施加新的外力、要求模型预测更长时间之后会发生什么,这样才能真正检验AI是不是掌握了可迁移的物理推理能力,而不只是把看到的轨迹原样复刻出来。
这篇论文留下的核心问题挺值得玩味的:当我们说AI"理解"了一个视频,到底是指它记住了这段画面该怎么演,还是它真的掌握了背后那套物理规律,可以应用到从没见过的新场景里去。这两者在表面分数上可能长得一模一样,但本质完全不同。
Q&A
Q1:4DCodeBench是用来测试什么的?
A:4DCodeBench是一个评测AI编程智能体能力的基准测试,要求AI根据一段视频,写出可执行的图形学代码,在Blender中重建出视频里场景的三维几何结构和随时间的运动变化,最终评估重建结果在视觉效果、几何精度和动态物理表现上和原视频的匹配程度。
Q2:为什么AI重建视频里的静态画面表现好,动态运动表现差?
A:测试显示最强模型在静态指标(视觉相似度和3D几何精度)上能拿0.91分,但在动态指标(物体运动轨迹)上只有0.67分。这是因为识别物体长什么样靠的是模式匹配能力,而推断物体接下来怎么运动需要真正的物理因果推理,多数AI倾向于用解析公式硬算轨迹而非搭建物理模拟器,遇到复杂材料互动就容易失准。
Q3:AI实现物体运动效果时都用了哪些方法?
A:统计显示67%的方案用解析式数学公式直接计算运动轨迹,19%手写了自定义物理模拟器(比如材料点法),10%调用Blender自带物理引擎,3%靠手动打关键帧。不同模型策略差异很大,比如Opus 5.5有61%的方案用自定义模拟,而部分模型几乎全靠解析公式。
精彩阅读
-
今日视点:AI能看懂视频里的物理世界吗
AI能看懂视频里的物理世界吗,算法,物理世界,神经网络 -
前球员:01年皇马曾有机会签梅西,但不...
前球员:01年皇马曾有机会签梅西,但不想破坏和巴萨的关系,皇马,巴萨, -
每日速看!10月30日北向资金ETF成交额45.41亿元
今日(10月30日)北向资金ETF买入及卖出成交额为45 41亿元,较前一日减 -
中国海油前三季度营收3555.74亿元 净利...
10月30日,中国海油(600938 SH、00883 HK)公布2026年三季度经营业绩 -
焦点快看:图解财报:天目药业前三季归...
天目药业10月31日发布2026年三季报显示,公司前三季实现营业总收入1 50 -
世纪恒通(301428.SZ):公司现有AI短视频...
格隆汇10月30日丨世纪恒通在投资者互动平台表示,公司审核服务覆盖腾讯 -
金价降了水贝卖爆了 水贝黄金门店销量翻番
【金价降了水贝卖爆了水贝黄金门店销量翻番】下午3点,记者在水贝黄金 -
今热点:瀚天天成(02726.HK)拟不超17.8...
格隆汇10月30日丨瀚天天成(02726 HK)公告,公司拟以其自有资金为H股购 -
【聚看点】重庆钢铁股份(01053.HK)202...
重庆钢铁股份(01053 HK)2026年前三季度净亏损3 04亿元同比扩大 -
齐鲁超赛决赛期间 泰安部分路段临时交...
齐鲁超赛决赛期间泰安部分路段临时交通管制,公交车,泰安市,齐鲁超赛,交 -
库里:我给华子发过短信 相信他能尽快...
库里:我给华子发过短信相信他能尽快回归&延续最佳状态,勇士,安东尼... -
赛季首胜!费尔斯:虽然开局并不理想 ...
赛季首胜!费尔斯:虽然开局并不理想但我们肯定会扭转局面,开局,里亚, -
荣耀李健:正推进阿莱影像适配拍照|最新...
荣耀李健:正推进阿莱影像适配拍照,电影,荣耀李健,阿莱影像 -
3天2次相遇!曼城打响榜首保卫战:哈兰...
3天2次相遇!曼城打响榜首保卫战:哈兰德冲击英超8连斩,曼城,英超,周中 -
百奥赛图-B(02315.HK)获易方达基金增持8...
,格隆汇 -
华侨城A前三季度净亏损47.07亿元 三季...
华侨城A披露2026年三季报,前三季度营业收入173 58亿元同比增长1 96%, -
前三季度全国可再生能源新增装机占全部...
前三季度全国可再生能源新增装机占全部新增装机比重超七成,光伏,电力, -
07年科比申请交易,哪些球队给过报价?...
07年科比申请交易,哪些球队给过报价?芝加哥最接近成交,为何最终交易 -
意甲仅替补出场14分钟的姆班古拉怎么上...
意甲仅替补出场14分钟的姆班古拉怎么上演帽子戏法?,意甲,姆班古拉,帽 -
最新快讯!刘涛笑着换了三次站姿,那只手...
刘涛笑着换了三次站姿,那只手始终没放下,刘涛,体面,老交情 -
动态焦点:贵州茅台:前三季度营收1332.8...
贵州茅台:前三季度营收1332 84亿元,净利润同比下降0 25% -
WANG ON GROUP(01222.HK):邓灏康及邓...
WANGONGROUP(01222 HK)发布公告,邓灏康先生及邓凯聪先生将获委任为公 -
上海石化(00338.HK)回购14,000股H股
上海石化(00338 HK)回购14,000股H股 -
创新奇智(02121.HK)10月30日耗资283万港...
格隆汇10月30日丨创新奇智发布公告,2026年10月30日耗资283万港元回购8 -
热文:KEEP(03650.HK)10月30日耗资16.7...
格隆汇10月30日丨KEEP公告,10月30日耗资16 7万港元回购15万股,每股回 -
中国铁路很多年没见过这么严峻的形势了...
中国铁路很多年没见过这么严峻的形势了,2026年8月,中国铁路的数据又 -
狂轰5连胜!西部最大黑马诞生,探花三双...
狂轰5连胜!西部最大黑马诞生,探花三双破纪录,杨瀚森3分2篮板,探花, -
周琦:牙被打掉了一小块;我们是一个很...
周琦:牙被打掉了一小块;我们是一个很团结的球队,雷蒙,北京首钢,周琦( -
天津金融监管局关于黄志奇华安财保资产...
2026年10月27日,天津金融监管局关于黄志奇华安财保资产管理有限责任公 -
晶赛科技(920981)10月30日主力资金净...
证券之星消息,截至2026年10月30日收盘,晶赛科技(920981)报收于24 0元 -
百事通!宇特光电龙虎榜数据(10月30日)
宇特光电(920157)今日下跌7 64%,全天换手率21 35%,成交额1 31亿元, -
微泰医疗-B:10月30日斥资5407.5港元回...
南财智讯10月30日电,微泰医疗-B(02235 HK)发布翌日披露报表,10月30 -
前三季度营收首次破百亿,中微公司归母...
10月30日盘后,中微公司(SH688012,股价213 69元,市值2047亿元)披露 -
新消息丨苏豪弘业(600128.SH)前三季净利...
格隆汇10月30日丨苏豪弘业发布2026年三季报显示,公司前三季实现营业总 -
速讯:8人出征,四战全胜登顶!大连夺辽...
8人出征,四战全胜登顶!大连夺辽宁省县域五人制足球赛冠军,辽宁省,大 -
@摄影爱好者|“沂蒙四季好风光”文旅摄...
鲁网10月30日讯为传承弘扬沂蒙精神,用影像展示沂蒙好风光之美、宣传推 -
LLDPE商品报价动态(2026-10-30)_每日热点
交易商品牌 产地交货地最新报价LLDPETR144 -
速讯:三季度43家百亿私募跻身上市公司...
,证券时报网 -
观焦点:10月30日天鹅股份涨停:棉花,...
证券之星消息,天鹅股份10月30日涨停收盘,收盘价16 05元。该股于9点30 -
花旗:百威亚太(01876)第三季度自然EBIT...
智通财经APP获悉,花旗发布研报称,维持百威亚太(01876)“买入”评... -
欧股开盘涨跌不一_实时
【欧股开盘涨跌不一】欧洲斯托克50指数开盘跌0 61%,英国富时100指数涨 -
图解财报:盛邦安全前三季归母净利润-70...
盛邦安全10月31日发布2026年三季报显示,公司前三季实现营业总收入1 37 -
财通证券三投联动兑现 盈利稳健增长ROE提升
CFi CN讯:数据显示,财通证券2026年前三季度营收56 9亿元、归母净利润 -
【热闻】事关婴幼儿日常安全 这4项强制...
事关婴幼儿日常安全这4项强制性国家标准11月起实施 -
马斯克公布Neuralink脑机新产品进展:“...
马斯克披露了其脑机公司Neuralink最新的产品进展,称其首款产品为“心 -
西藏药业:截至9月30日最新股东户数4.32...
西藏药业最新披露数据显示,截至9月30日公司股东户数为4 32万户,较上 -
图解财报:森特股份前三季归母净利润724...
森特股份10月31日发布2026年三季报显示,公司前三季实现营业总收入15 5 -
焦点播报:ETF洞察|港股通信息技术ETF、...
换手率前十ETF港股通信息技术ETF华夏换手率307 96%,中韩半导体ETF华泰 -
今日观点!松岛辉空明明已经很强了,为何...
松岛辉空明明已经很强了,为何还被西多连科爆冷刘国正说到了本质,刘国 -
迈瑞医疗三季报营收270.97亿元 AI与国...
10月29日晚间,迈瑞医疗(300760 SZ)披露2026年三季报。1—9月,公 -
2-氨基-3-氯-5-三氟甲基吡啶商品报价动...
交易商品牌 产地交货地最新报价2-氨基-3-氯-5-三氟甲基吡啶99% -
生意社:10月30日浙江弘博DBP企业报价上...
10月30日,浙江弘博新材料科技有限公司5万吨增塑剂生产设备低负荷,DBP -
北京住总如院容积率1.05、最大楼间距约4...
北京住总如院容积率1 05、最大楼间距约48米,低密现房居住私密性实测解 -
观察:探花三双超老詹,7号秀轰34+14!...
探花三双超老詹,7号秀轰34+14!伦德博格再添对手,不愧是超级大年,库 -
高兴太早,广东队战胜江苏队却收坏消息...
高兴太早,广东队战胜江苏队却收坏消息,超级中锋受伤,徐杰迷离,内线, -
美银证券:海螺水泥重申“买入”评级 ...
美银证券:海螺水泥重申“买入”评级目标价降至19港元 -
湖南新田新农人盘活撂荒山地 订单种植...
(蒋军君周林凤)连日来,在湖南省新田县大坪塘镇冷水塘村70余亩连片辣椒 -
半全场分析:福伦丹后程发力,格拉夫夏...
半全场分析:福伦丹后程发力,格拉夫夏普能否守住半场优势?,罗达,福伦 -
阿卡夫34+6+16创NBA历史第2神迹,还刷爆...
阿卡夫34+6+16创NBA历史第2神迹,还刷爆纪录!国王5连败!费尔斯22+13+ -
西双版纳同汇橡胶有限公司成立 注册资...
天眼查App显示,近日,西双版纳同汇橡胶有限公司成立,法定代表人为刀 -
甘肃磊诚商贸有限公司成立 注册资本120...
天眼查App显示,近日,甘肃磊诚商贸有限公司成立,法定代表人为李兰芳 -
焦点精选!苹果硬件高管:iPad mini 8...
据财经网科技援引IT之家报道,10月29日,苹果硬件工程副总裁戴夫& 183; -
每日聚焦:太难了!广东44岁骑手哭诉,...
太难了!广东44岁骑手哭诉,跑外卖六年,日跑14小时仅赚百余元,负债遇 -
比利亚利夫雷梅开二度,桑坦德竞技客场2...
比利亚利夫雷梅开二度,桑坦德竞技客场2-0里巴德塞拉晋级国王杯,国王杯 -
东土科技:前三季度营收阶段性下降
证券之星消息,东土科技(300353)10月29日在投资者关系平台上答复投资者 -
大唐发电(00991.HK)跌超3%,截至发稿,...
大唐发电(00991 HK)跌超3%,截至发稿,跌3 44%,报2 525港元,成交额67 -
NBA:不能领先,骑士又被逆转,看了比赛...
NBA:不能领先,骑士又被逆转,看了比赛都知道,哈登不背锅,沃克,老鹰 -
快播:波斯特科格鲁:利雅得胜利已重回...
波斯特科格鲁:利雅得胜利已重回正轨,将全力延续胜势,拉斯,沙特,利雅 -
开赛六连上双生涯首次!威金斯20+7让骑...
开赛六连上双生涯首次!威金斯20+7让骑士双枪汗颜老鹰2换1妙手,老鹰,哈 -
每日简讯:靶向施训、精准赋能!苏州苏锦...
靶向施训、精准赋能!苏州苏锦街道开展人社专员业务能力提升培训 -
今日关注:短期承压不改韧性 把握布局窗...
CFi CN讯:数据显示,10月上证综指下跌5 05%,上证50调整最小;日均成 -
速讯:一张图看商品支撑阻力:金银油气+...
汇通财经APP讯——一张图看商品支撑阻力:金银油气+铂钯铜+农产品期... -
大行评级|大摩:降ASMPT目标价至215港...
摩根士丹利发表研报,ASMPT受惠于EMIT-T、CoPoS及光子学等新兴机遇,对 -
性能直升,跨代之作,一加 Ace 7 系...
10月29日,一加 Ace 7 系列正式发布。作为性能直升的跨代之作, -
开拓者官宣留下杨瀚森,年薪比詹姆斯高8...
开拓者官宣留下杨瀚森,年薪比詹姆斯高80万美金,他需要证明自己,底薪, -
小米米家多头筋膜枪3 C开售:16个球形...
小米米家多头筋膜枪3C开售:16个球形按摩头,到手价209元,球形,长续航, -
23岁国乒新星遭批!前国手:用同一种方...
23岁国乒新星遭批!前国手:用同一种方式输了7次永远突破不了,向鹏,郭 -
#柜员手误多打个0储户称离柜不负责#上热...
柜员手误多打个0储户称离柜不负责 上热搜网友问:如果少打个0呢? -
焦点讯息:绝处逢生 孙心然首进WTA巡回...
这是一场历经2小时41分钟的鏖战。首盘孙心然以6:3先下一城,第二盘蒂莫 -
关注:中山市火炬开发区昕琪冷饮店(个...
天眼查App显示,近日,中山市火炬开发区昕琪冷饮店(个体工商户)成立 -
英国演员帕特里克·斯图尔特去世,享年8...
英国演员帕特里克·斯图尔特去世,享年86岁,业内悼念,演员,英国,查尔 -
新闻纵深·燕赵实验室探访|河北电力接...
■阅读提示近日,河北启动建设的第4家燕赵系列实验室——燕赵电力实... -
10月30日生意社玻璃基准价为11.95元/平方米
10月30日,生意社玻璃基准价为11 95元 平方米,与本月初(12 15元 平方 -
当前聚焦:10月30日生意社热轧板卷基准...
10月30日,生意社热轧板卷基准价为3216 00元 吨,与本月初(3302 00元 -
螺纹钢短期或维持偏强震荡格局 但上行...
在估值偏低和原料反弹的背景下,利多逻辑逐渐主导螺纹钢盘面定价,短期 -
太盟投资要约收购恒大物业超51%股份,总...
,时代财经 -
杨瀚森第三年合同获保障,开拓者官宣执...
杨瀚森第三年合同获保障,开拓者官宣执行其2027-28赛季球队选项,目前 -
智元发布具身模型GO-3 Preview,年底全面开源
智元发布具身模型GO-3Preview,年底全面开源,动作,具身,维度,智元,机器 -
每日观点:5-1后!意甲升班马踢疯了,9轮...
5-1后!意甲升班马踢疯了,9轮17分进前六+反超2豪门,差米兰1分,意甲, -
速讯:美日宣布达成协议,将在日本联合...
美日宣布达成协议,将在日本联合生产导弹,中方:美日开展安全合作,不 -
森林狼官宣爱德华兹已成功接受右膝关节...
森林狼官宣爱德华兹已成功接受右膝关节镜手术,手术,梅奥,贝内特,罗切斯 -
广东杀出后场新星,11分钟砍12分 下半...
广东杀出后场新星,11分钟砍12分下半场遭雪藏球迷怒批亚帅论资排辈,亚 -
多家北交所公司前三季度盈利增速突出|报...
多家北交所公司前三季度盈利增速突出 -
今日看点:莫雷托:巴萨愿意出售孔德,切...
莫雷托:巴萨愿意出售孔德,切尔西正评估引进的可能性,巴萨,莫雷托,切 -
环球体育:达伽马与加拉塔萨雷商谈奎斯...
环球体育:达伽马与加拉塔萨雷商谈奎斯塔,预计不会买断,巴甲,桑托斯, -
江波龙(09976.HK)前三季净利润143.22亿...
,格隆汇 -
中信银行(0998.HK)2026年前三季度归母...
中信银行(0998 HK)2026年前三季度归母净利润552 93亿元同比增长3 56% -
ST椰岛: ST椰岛关于公司股票被实施其他...
ST椰岛:ST椰岛关于公司股票被实施其他风险警示相关事项的进展公告 -
泡泡玛特三季度收入腰斩,王宁坦言全年...
泡泡玛特的增长神话结束了。 -
热资讯!复洁科技(688335.SH)新增一起...
证券之星消息,根据天眼查APP显示,复洁科技(688335 SH)新增一起对外







