9月23日，中欧国际工商学院、中欧陆家嘴国际金融研究院联合陆😁家嘴金融城、上海金融业联合会等机构主办“2025全球资管中心👏评价指数发布暨CLF50秋季会议”，发布《2025全球资产管🔥理中心评价指数报告》，显示：纽约继续位居首位，巴黎升至第二，😡伦敦退居第三。值得关注的是，上海今年首次进入全球前五，从去年🔥的第七位上升至第五位。其中，在底层资产和增长率指标上，上海均❤️位列第三，在资金来源和资管科技方面则排名第六。 中欧陆⭐家嘴国际金融研究院常务副院长、中欧金融学与会计学教授赵欣舸进😆一步解读：本次指数修订新增了资管科技指标，旨在确保指数体系的🙌与时俱进。技术进步始终是经济增长理论的核心关切。在当前全球资😍管中心与金融业的演进中，科技已成为关键驱动力。因此，将资管科😁技作为独立领域纳入评估体系正当其时。当前，各资管中心在资管科🥳技领域已形成差异化优势。此次引入的资管科技指标，构建了由基础❤️层、市场层、创新层与应用层组成的四维评估框架，以全面反映该领😘域的发展水平。 全球格局 “一超多强” 分化明显，上海😡凭科技与资产优势实现突破 报告显示，2025 年全球资😊管中心竞争态势呈现鲜明的 “一超多强” 特征。纽约继续稳固全⭐球首位，其优势不仅在于资金来源与底层资产的强大吸附力，更体现😁在对技术要素的快速整合能力上，在资管科技赛道形成系统性领先，🥳尤其在智能投研、高频交易领域优势显著。巴黎则凭借 ESG 与😂另类资产的领先地位跃居全球第二，欧洲在绿色金融与可持续投资领👍域的独特优势进一步凸显，其中欧洲在 ESG 资产领域仍保持 💯85% 的绝对份额，巴黎已成为 “全球 ESG 之都”。 🙄 与之相对，传统资管中心表现分化。伦敦从过往排名退居第三，😊在人才吸引力与税收政策竞争力上明显减弱，折射出脱欧后制度环境😅对金融业的长期影响；北美其他城市则实现 “弯道超车”，波士顿😊和多伦多依托 “长期资本 + 主动管理 + 技术赋能” 模式👍，竞争力快速提升。 亚洲格局的变化尤为引人关注。上海首🚀次进入全球资管中心前五，在资管科技、底层资产供给与行业增长率⭐三大维度均实现大幅提升。具体来看，上海的数字基础设施排名全球🥳第四，AI 风险投资额、资管专利产出与质量、AI 大模型数量😉均跻身全球前二，智能投顾户均管理规模位列第五，技术应用从 “😡数量优势” 向 “质量与落地优势” 转化，展现出强劲的追赶潜😢力。 与此同时，亚洲部分传统资管中心竞争力承压。香港从🤗过往排名“第九”跌至第十，新加坡则从第六滑落至第十三，报告分🤩析认为，两地主要依赖制度便利的发展模式，在全球科技驱动与新兴😘市场崛起的背景下，脆弱性逐渐显现。而印度孟买则成为全球新兴市🤯场的最大 “黑马”，凭借底层资产供给与增长率的突出表现 ——😎 印度 2025 年 IPO 数量和股票成交额均居全球首位，🤗叠加高储蓄率、资本市场开放与数字金融崛起的综合动能，在全球资😴管版图中快速崛起。 资管科技首次纳入评价体系，技术成资😡管中心排名 “关键变量” 本次报告的亮点在于，“资管科👏技” 首次被纳入二级评价指标，构建起基础层、市场层、创新层与😜应用层的全链条评价框架，突破了传统金融中心比较仅关注资金与制👏度的局限，更贴合当前技术成为资管行业核心生产力的趋势。 💯 从具体指标表现来看，全球资管中心在资管科技领域的竞争已形成🌟明显梯队。基础层（数字基础设施、数据中心数量）方面，上海与纽🌟约、伦敦共同跻身全球前列；市场层（AI 风险投资金额）上，北😘美城市与上海领跑，为技术创新提供充足资金支持；创新层（资管专🤔利、AI 大模型）中，上海的资管专利质量全球第一，AI 大模🚀型数量与纽约差距进一步缩小；应用层（智能投顾渗透率）上，纽约😎、波士顿凭借成熟市场优势领先，上海则以快速增长的态势追赶。 ⭐ 展开全文 不同资管中心在资管科技领域呈现差异化发🙄展路径：纽约依靠技术垄断与资本优势，在智能投研、高频交易领域🔥形成壁垒；伦敦聚焦跨境合规与监管科技，强化风险防控能力；卢森😅堡通过区块链立法与代币化基金建设，发力数字证券赛道；香港则在😘虚拟资产与稳定币制度建设上积极推进；上海则在 AI 风险投资💯、专利产出与智能投顾应用上多点开花，成为亚洲资管科技发展的核😆心枢纽。 细分领域折射全球结构转型，新兴市场成底层资产😍供给主力 报告对资管行业细分领域的分析，进一步揭示了全😎球资管结构转型的复杂性与多极化趋势。在资金来源维度，全球资金🥳继续向美国四大城市（纽约、波士顿、芝加哥、旧金山）集中，“美😜股化、美债化” 趋势持续强化，欧洲与亚洲市场整体承压；人才与👍税收维度则出现分化，亚洲城市凭借制度摩擦平滑与人才流动加速，😀竞争力显著提升，为资管行业发展带来新机遇。 底层资产供😴给方面，2025 年全球资管底层资产普遍修复，新兴市场成为核😢心增长动力。除孟买在 IPO 数量与股票成交额上全球领先外，😡中国凭借完整的产业体系，在绿色资产、科技硬资产（信息技术、高❤️端制造）、城市基建等领域形成独特供给优势，上海也因此成为全球👏底层资产供给的重要节点。在产品格局上，开放式基金和 ETF 🙌进一步向美国集中，而 ESG 与另类资产则进入 “再定价” 🔥阶段，欧洲虽保持份额优势，但亚洲市场的增长潜力已开始显现。 😆 值得关注的是，报告特别强调了 “增长率” 维度的结构性😜意义。孟买、多伦多等城市增长率表现突出，而伦敦、苏黎世、芝加🙄哥等传统中心增长率显著下滑，这一变化凸显全球金融增量机会正快🙌速向制度创新快、开放程度高、技术进步快的新兴市场转移，全球资🤯管格局的多极化趋势进一步明晰。 数字资产成为金融数字化🤗转型核心载体 数字资产作为金融数字化转型核心载体，对传😢统资管机构带来颠覆性影响，也推动全球资管中心评价体系与竞争策😡略革新。 赵欣舸告诉巴伦中文网，在影响方面，数字资产从😘三方面重塑传统资管：产品设计上，使传统基于股票、债券的标准化😅 “物理资产映射”，转向依托区块链的可编程 “数字原生重构”😂，赋予资产可分割、自动执行能力；客户需求挖掘上，让基于风险偏😅好等信息的 “线下静态画像”，升级为依托区块链链上数据的 “😡实时动态分析”；合规体系上，推动依赖事后审计的传统模式，转变👍为嵌入全流程的 “合规即代码”。对此，资管机构可短期将数字资🚀产纳入传统组合平衡风险收益，中长期探索资产代币化，同时重构技😊术底座，实现资产全流程上链。 未来，我国打造全球资管中💯心，可依托本土特征构建优势：将 300 万亿元可投资资产规模😍下，居民从 “存款 + 房产” 转向金融资产的需求，通过技术🙄赋能转化为普惠资管动能；凭借全球最大新能源产业链，聚焦绿色金🙄融，将产业优势转化为绿色资管竞争力；依托第四次科技革命中的技😴术引领地位，把数字基础设施等优势转化为资管科技应用能力，实现🙄差异化发展。（本文首发于巴伦中文网，作者｜孙骋，编辑｜蔡鹏程👏） 更多对全球市场、跨国公司和中国经济的深度分析与独家😘洞察，欢迎访问返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多