
据融360监测的数据显示,2014年前三季度,互联网宝宝规模呈上升趋势,截至2014年9月30日,互联网宝宝规模为15638.93亿元,达到历史最高峰,不过自四季度开始宝宝规模逐渐下降,2015年一季度末规模为13603.34亿元,较去年四季度末减少了1478.13亿元,降幅达到9.8%,甚至不及去年二季度末的规模。
互联网宝宝规模指的是对接的货币基金规模,从规模上可以看出宝宝类产品对投资者吸引力的变化以及每个宝宝的吸金能力如何。自2014年初以来,互联网宝宝规模呈现出先扬后抑的趋势,在经历高速成长期之后,宝宝类产品的吸金能力开始逐渐下降。
融360理财分析师认为,互联网宝宝规模下降主要有以下两方面的原因:
一、自2014年11月底央行降息以来,A股走出了一波强势上攻行情,牛市特征显露无疑,经过今年一、二月份的短暂调整,三月份股指继续高歌猛进,全面炒股时代来临,开户数及成交量屡创新高,过去沪深两市日成交额能达到四、五千亿元已是天量,然而到今年3月下旬,日成交额突破万亿元已成常态。借助股市这把热火,基金市场也异常火爆,成交量节节攀升。如此巨大的资金量从何而来?主要还是从银行、互联网宝宝等其它理财领域流入。
二、自2014年年初以来,货币政策逐渐宽松,市场资金面宽裕,互联网宝宝收益不断下滑,余额宝6%-7%的收益神话已经破灭。自2014年11月以来,央行已经进行了两次降息及两次降准,预计今年将继续向市场“放水“,资金面趋于宽松,宝宝类产品收益将面临严峻考验,进一步导致宝宝规模缩水。
从不同系别的宝宝规模来看,虽然第三方支付系宝宝数量不多,仅14只,但是在规模上占据绝对优势。2015年一季度末,第三方支付系互联网宝宝规模为8150.92亿元,环比增长15.6%,其中87.3%由余额宝贡献。一季度基金系宝宝规模下降最为明显,由4620.09亿元下降至1558.78亿元,降幅达到66.3%。虽然代销系宝宝的规模最小,但一季度增幅最为明显,截至一季度末,代销系宝宝规模为1072.32亿元,环比大增455%。银行系宝宝最为淡定,规模维持在3000亿元上下。
2015年一季度互联网宝宝规模前十排名(亿元)
2015年一季度互联网宝宝收益整体呈上升趋势
自2014年年初开始,互联网宝宝收益直线下滑,2015年一季度央行接连降准、降息,不断向市场释放流动性,但是整体上看,互联网宝宝收益却呈上升趋势,一季度互联网宝宝的平均年化收益率为4.66%,其中1月份互联网宝宝平均收益率为4.63%,2月份小幅下滑至4.59%,3月份大幅反弹至4.76%。
融360理财分析师认为,3月份互联网宝宝产品收益上升有两大因素:
一是新股密集发行导致大量资金被冻结。3月初24只家公司获证监会批准公开募股(IPO),其中上交所12家,深交所中小板4家,创业板8家,新股密集发行,冻结资金超过3万亿元。互联网宝宝实质上是货币基金,资金主要投向于银行大额协议存款、短期债券等流动性较强的货币市场工具,大量资金被冻结对宝宝们的影响非常明显,短期内收益迅速攀升,平均收益率甚至一度突破5%。央行降息、降准导致资金面宽松,影响宝宝类产品的长期收益走势,但是短期影响不大。
二是股指飙升、大量互联网宝宝资金流向股市。2月28日央行时隔三个月再度宣布降息,3月份股指延续了去年底的大涨趋势,3月底,上证指数收盘于3747.9点,月涨幅达到13.2%。股价疯长带来的是证券开户数及成交量的猛增,大量资金由互联网宝宝、银行等领域流向股市,市场资金面偏紧,在一定程度上也推升了宝宝类产品收益。
2015年一季度互联网宝宝收益前十排名
注:浙商银行增金宝上线时间不足三个月,未纳入到排名之中。
第三方支付系宝宝单日提现额度较小
为了防止出现大规模挤兑现象,大部分互联网宝宝设置了单日最大提现额度限制,不同宝宝的赎回限额差别较大,有的宝宝没有赎回上限,有的宝宝单日赎回限额仅5万元。据融360监测的数据显示,单日赎回上限为50万元的宝宝最多,占比22%,其次是单日赎回上限为5万元的宝宝,占比16%,另外还有13%的互联网宝宝没有设置赎回限制。
从不同系别宝宝的单日提现额度来看,银行系宝宝的单日提现额度较大,第三方支付系宝宝的单日提现额度较小。为何银行系限制小、第三方系限制大呢?主要有两方面的因素:
一方面,银行资金规模较大,基本不会出现挤兑危机,而第三方支付机构的资金量无法与银行抗衡,一旦出现大规模赎回现象,将在很大程度上影响货币基金的稳定性。
另一方面,自2014年初开始,各大银行,尤其是国有四大行,纷纷下调余额宝等互联网宝宝的转入及转出限额;此外,央行也多番“泼冷水”,比如限制第三方支付的转账及消费金额,第三方支付系宝宝遭遇双方夹击。
图 4-2 互联网宝宝单日提现额度分布
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。