微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 经济增长快魚帮慢魚 我在达沃斯论坛现场

经济增长快魚帮慢魚 我在达沃斯论坛现场

2017-06-27 17:29
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-06-27 17:29 刘克丽

CNET科技资讯网 6月27日 北京消息(文/CNET科技资讯网、中关村在线、在前线记者刘克丽):我正在参与一个教育论坛时,直见大队人群向全会场拥去,看了看时间,大约10点15分,我预感到是李总理的报告要开始了,我不顾礼貌冲出论坛,加入了大队人马前行,这时有志愿者看到了我胸前媒体的牌子,告诉我媒体靠右行,我以为是对媒体的照顾,没想到入场后只能选择坐在后四排,处于拍摄劣势地段。

经济增长快魚帮慢魚 我在达沃斯论坛现场

大会由世界经济论坛董事兼大中华区首席代表艾德维主持,在东道主辽宁陈省长致欢迎词后,李克强总理入场,当时场上掀起二次热烈的掌声,如果问我李克强总理在这次达沃斯报告给我印象深刻是什么我会回答说:

李总理报告大约40分钟,加上与达沃斯创始人兼执行主席施瓦布涉的问答时间大约1小时,报告内容宽泛到涉及到经济包容性增長、就业、外资政府、人工智能、环境等领域,其中给我印象最深刻的是他的结束语:快魚帮慢鱼,他一说完,全场我带头鼓掌,随后所有人跟着我鼓掌。

当然深刻的印象还有以下10点:

1.他说如果包容性不足就是公平性不够,如果要包容性增长必须全球经济一体化;

2.包容性增長不得不应对气候、环境问题;

3.包容性增长解决就业,争取每家人至少有1人就业;

4.互联网造就的网购、快递、共享就业机会远远大于人工智能、机器人替代的人的岗位;

5.对内外资企业一视同仁,争取一个窗口办事;

6.以自愿为原则,鼓励外商将在华利润留在境内继续投资,引导投向中西部地区;

7.中国经济从高速阶段进入中高速阶段,今年一季度GDP增6.9%,但基数变大,因为在GDP总量在2万亿美元,有3%增速就不得了了;

8.中国还农村还有4000人口没有脱贫,城市还有5000万人口等待脱贫;

9.中国经济发展没有过多依赖粗放式发展,消费己升至GDP的64.6%,服务业占56%,内需己成为中国经济的顶梁柱;

10.中国经济风险是有的,但总体风险可控。

至于我为什么听到他快魚帮慢魚带头鼓掌,因为目前众所周知的快魚吃慢魚是我19年前我在深圳釆访一位企业家首次说出来,我用此做了标题,后来广为流传,李总理在与施瓦布对话时,用正能量修改的太赞了,不得不鼓掌点赞。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-