4月25日讯，交通运输部等十部门发布关于推动交通运输与能源融合发展的指导意见。到2027年，基本形成多部门协同的交通运输与能源融合发展机制，政策法规、标准规范、技术装备体系逐步健全。交通运输行业电能占行业终端用能的比例达到10%。交通基础设施沿线非化石能源发电装机容量不低于500万千瓦，就近就地消纳比例稳步增加。新增汽车中新能源汽车占比逐年提升，交通运输绿色燃料生产能力显著提升。
4月25日讯，交通运输部等十部门发布关于推动交通运输与能源融合发展的指导意见。到2027年，基本形成多部门协同的交通运输与能源融合发展机制，政策法规、标准规范、技术装备体系逐步健全。交通运输行业电能占行业终端用能的比例达到10%。交通基础设施沿线非化石能源发电装机容量不低于500万千瓦，就近就地消纳比例稳步增加。新增汽车中新能源汽车占比逐年提升，交通运输绿色燃料生产能力显著提升。
肯德基（肯塔基油炸鸡, KFC）作为全球知名的快餐连锁品牌，自1987年首次进入中国市场以来，便以前门大街首家餐厅的盛况[16]迅速成为中国快餐业的重要组成部分，并取得了规模最大、发展最快的西方快餐连锁企业地位[40]。其发展速度甚至超越了美国本土市场[40]。肯德基在华的长期成功得益于其深入的市场本土化策略，包括产品创新（如早餐粥、豆浆油条等）[16,18]、下沉市场的门店扩张策略[16]以及持续适应中国消费者习惯的营销实践[18,31]，奠定了其在中国消费者心中深厚的品牌根基[31]。
近年来，在互联网环境的快速演进和餐饮市场竞争加剧的背景下，肯德基面临着新的挑战，包括洋快餐整体市场份额的波动、消费者对食品健康认知的提升、以及中式快餐品牌的崛起和预制菜趋势对传统优势的冲击[8,12,16]。同时，以90后、00后为代表的年轻一代已成为消费主力，品牌急需寻找新的方式与他们建立连接并维持品牌活力[24,31]。
This survey will cover a range of topics, including theoretical developments, algorithmic improvements, and applications in various domains. Specifically, we will explore advancements in high-resolution image generation, video generation, and the theoretical understanding of generalization in diffusion models. The objective is to provide a comprehensive understanding of the evolution of diffusion models, meticulously exploring each layer [42]. We will also address open challenges and future research directions, aiming to stimulate forward-looking theories and methodologies for diffusion models [33]. The importance and timeliness of this survey stem from the rapid progress in diffusion models, which has led to an exponential growth of literature in this field [20,46]. Keeping up with the daily influx of new works on diffusion-based tools and applications across computer graphics, computer vision, and AI communities is a significant challenge [20]. This survey serves as a timely update on the rapidly evolving field [13].
Existing reviews often concentrate on specific areas like computer vision or medical imaging [35]. In contrast, this survey caters to a broader audience across multiple fields and provides a post-2024 perspective. While other surveys offer comprehensive overviews of diffusion models and act as good starting points [20,40], this survey emphasizes the latest advancements and emerging trends, highlighting the novelty and necessity of an updated review. This survey also aims to highlight system-level optimizations for diffusion model training, an area that complements the architectural and theoretical advancements typically covered.
The survey is organized to provide a clear and structured overview of the field. We begin by introducing the fundamental principles of diffusion models, followed by a discussion of key algorithmic innovations and theoretical advancements. We then explore the diverse applications of diffusion models in image generation, video generation, and other domains. Finally, we discuss the challenges and future research directions, providing insights into the potential of diffusion models for responsible and scalable use [22].
Throughout this survey, we will emphasize the importance of key performance metrics such as accuracy, robustness, and scalability in evaluating diffusion models [38]. The Fréchet Inception Distance (FID) score, for instance, is widely used to assess the quality and diversity of generated images [19]. The evolution of these metrics and the datasets used to train and evaluate diffusion models will also be discussed, providing a comprehensive understanding of the progress and challenges in the field.
中美贸易战作为全球贸易格局重构的重要推手，对中国企业的跨国投资战略产生了深远的影响。多项研究 [5,14,44] 指出，中美关税政策的变动引发全球市场连锁反应，加剧了市场的不确定性，给中国经济带来了挑战，同时也催生了新的投资机遇。具体而言，美国对中国输美商品征收高额关税，其意图在于诱导制造业回流本土，推动中国制造业外迁产能，削弱中国在全球制造业供应链中的地位，并迟滞中国在高端制造业和科技领域的追赶步伐 [4]。面对此种局面，中国企业积极探索应对策略，以期在全球多极化趋势下实现可持续发展 [2,6]。
价值投资作为一种主流投资理念，在西方成熟市场已得到广泛应用，并逐渐受到中国股市投资者的青睐 [6]。其核心在于通过基本面分析，寻找市场价格低于内在价值的证券，并长期持有 [30]。然而，由于国内外股票市场和上市公司素质的差异，直接应用价值投资理论备受争议 [6]。传统的价值投资方法依赖于历史数据和基本面分析，但在信息爆炸的时代，这些方法可能存在局限性。例如，传统方法可能缺乏前瞻性，难以有效处理非线性关系，并且难以捕捉市场情绪和宏观经济因素的影响。此外，传统方法依赖专家经验，效率低且易受人为干扰 [24]。
近年来，人工智能（AI）和大模型技术在金融领域的应用日益广泛 [43]。AI通过海量数据挖掘与实时动态分析，打破了传统投资的信息不对称性 [19]，为股票预测和选股提供了新的路径和思路 [24]。多因子模型作为一种量化投资策略，通过结合多个因子来预测资产的未来表现，帮助投资者做出更明智的选择 [12]。AI大模型可以应用于多因子模型的构建中，例如因子挖掘、权重优化等方面。在2025年，AI驱动的量化模型在股票投资中的渗透率预计将超过60% [19]。
将机器学习应用于股票预测是当前的研究热点，其关键目标是识别出市场的潜在规律，为企业和个人的财务决策提供可靠的参考，最大限度地减少投资风险并提高收益 [42]。不同于传统的统计学方法，机器学习通过强大的自学习能力，可以不断更新预测模型，以更准确地反映当前市场的动态变化 [42]。例如，长短期记忆神经网络 (LSTM) 可以应用于股票价格预测，通过处理时序数据的优势捕捉价格数据中的复杂模式和非线性关系，挖掘股票历史价格数据中隐藏的波动信息 [1]。
将AI技术应用于A股市场挖掘低估股票具有重要的意义和价值 [6]。一方面，AI可以提升创新评估的效率和准确性，例如利用多智能体系统在信息处理、风险评估和投资组合优化等方面的优势 [30]。另一方面，AI可以辅助投资决策，例如构建基于多智能体系统的A股投资决策辅助工具，通过多个协作智能体来分析市场数据、计算股票内在价值、分析市场情绪以及基本面数据，从而生成交易信号 [18]。止于至善投资等机构也看好AI科技浪潮带来的投资机会，并通过AI技术切实赋能投研工作，坚定践行主观、量化与AI相融合的价值投资策略 [25]。
