2月8日，鞭牛士报道，张兰抖音直播间已被抖音屏蔽，目前已无法搜索。2月6日，张兰直播时突然直播被屏蔽。搜索汪小菲也无法搜索到。据分析，原因疑似和消费已经去世的大S有关。抖音方面刚刚发布公告，张兰·俏生活"等账号利用逝者恶意炒作营销，推荐不实视频，以获取商业利益，并屡次发布不实、侵权内容，进行违规炒作，处罚后未有改正。综合研判，根据《抖音社区自律公约》等相关规定，对"张兰·俏生活"、"张兰之箖玥甄选"、"汪小菲"予以无限期封禁。以下为全文：近期，徐熙媛（大S）女士逝世引发广泛关注，广大网友纷纷表达哀思悼念，希望逝者能够安息。但也有部分账号借机炒作，发布谣言，违背公序良俗和道德底线，不尊重逝者及家属，也伤害了公众感情。对此类行为，我们坚决予以打击，现对相关账号处理如下："我是夏小健"账号发布不实信息，误导公众，产生恶劣影响，根据《抖音社区自律公约》等相关规定，予以无限期封禁。"张兰·俏生活"等账号利用逝者恶意炒作营销，推荐不实视频，以获取商业利益，并屡次发布不实、侵权内容，进行违规炒作，处罚后未有改正。综合研判，根据《抖音社区自律公约》等相关规定，对"张兰·俏生活"、"张兰之箖玥甄选"、"汪小菲"予以无限期封禁。抖音将持续加大对各类侵权、无底线炒作行为的打击力度，维护风清气正的社区环境，也希望广大用户共同监督，如发现有违规账号和内容，可以在站内举报或发送详情至举报邮箱：feedback@douyin.com，我们将在第一时间核实处理。抖音安全中心2025年2月8日

湖南湘西凤凰古城一楼房起火的消息引发关注。2月5日，湖南湘西州凤凰县官方人士告诉南都记者，事发于2月4日，火灾已当场扑灭，火灾原因正在调查，起火的楼房为“居民自己建的房子”。有目击者表示“半夜被火灾惊醒”。火灾现场。目击者发布的视频显示，2月4日，湖南凤凰古城一楼房燃起熊熊大火，被烧断的物品从高楼掉落下来，火灾四周的建筑为木质房屋，现场还有消防人员。该目击者称“半夜被火灾惊醒”。5日，湖南湘西州凤凰县官方人士告诉南都记者，事发于4日，火灾已当场扑灭，火灾原因正在调查，起火的楼房为“居民自己建的房子”。凤凰县消防大队工作人员向南都记者表示，具体情况“以政府通报为准”。南都记者查询获悉，2023年9月11日，湖南湘西凤凰古城河边一酒吧也曾发生火灾，幸亏扑救及时，未造成人员伤亡。公开资料显示，2001年，凤凰古城被授予国家历史文化名城称号。2006年，凤凰古城堡被国务院公布为第六批全国重点文物保护单位。采写：南都记者 周敏萱

中国战略新兴产业融媒体记者 艾丽格玛2024年12月26日，深度求索（DeepSeek）发布了其最新人工智能大模型DeepSeek V3，并同步开源。这两年来，每家AI公司都会对自己的AI大模型不断进行迭代更新，这已不是什么新闻。然而，DeepSeek V3的发布却在圈内外引发了热烈的讨论，引发了极大的关注。据称，DeepSeek V3拥有6710亿参数的混合专家模型（MoE）在多项基准测试中表现优异，超越了Llama 3.1 405B等开源模型，并与GPT-4o、Claude 3.5 Sonnet等闭源模型分庭抗礼。而更引人注意的是，根据公开消息，其训练成本仅为557.6万美元，远低于GPT-4o等模型的10亿美元预算。DeepSeek V3的训练方式与算法优化，显著降低了训练和推理大模型对高端硬伔的需求——这背后隐含的可能性是，通过软伔优化，可以在有限硬伔资源下实现顶尖性能。这一点，可以使得AI大模型大大减少对高端GPU的依赖，甚至有人认为，这套训练算法将对“卖铲子”的英伟达等硬伔供应商带来巨大的动荡。01 低成本高性能，怎么做到？DeepSeek官方在其同步开源的53页DeepSeek V3模型论文中提到，DeepSeek V3的生成速度达到每秒60个token，API伕格仅为Claude 3.5 Sonnet的1/53。在知识类伙务（包括MMLU、MMLU-Pro、GPQA和SimpleQA）上，DeepSeek V3的表现优异，已经接近于当前表现最好的模型，即Anthropic公司于10月发布的Claude-3.5-Sonnet-1022。在美国数学竞赛（AIME 2024和MATH）和全国高中数学联赛（CNMO 2024）上，DeepSeek V3的表现大幅超过了其他所有开源和闭源模型。>> DeepSeek开源的文档同时，DeepSeek V3的生成速度从20TPS（每秒完成的事务数量）提高至60TPS，相比V2.5模型实现了3倍的提升。这种“低成本≠低性能”的特点，正是DeepSeek V3热度的来源。那么，这种绕过硬伔掣肘，从算法上大幅降低成本的路径，究竟是如何达成的？首先，在架构方面，DeepSeek V3采用了混合专家架构（Mixture-of-Experts, MoE），包含256个专家，每次计算选取前8个最相关的专家参与。想象一下，有一个机器人，它有很多小助手，也就是“专家”。总共有256个专家，每个专家都擅长做不同的事情。现在，假设机器人要解决一个问题，它不需要让所有的专家都来帮忙，因为那样会浪费时间和精力。相反，它会从这些专家中挑选出最厉害的8个专家来帮忙。这些被选中的专家是最适合解决这个问题的，所以它们可以又快又好地完成伙务。这种混合专家架构就像是一个聪明的管理者，总是能选出最合适的人来完成伙务，也就可以减少不必要的计算和内存消耗。MoE通过动态选择部分专家模型处理输入，减少了不必要的计算开销，显著提升了训练和推理效率，例如，谷歌的Gemini 1.5就采用了MoE架构，通过路由机制将请求分配给多个专家模型。但是，MoE模型仍然有些问题。例如，训练过程较为复杂，尤其是门控网络的设计和专家模型的负载均衡问题，可能导致训练不稳定；MoE需要将所有专家模型加载到内存中，显存需求较高，限制了其在资源受限设备上的部署；同时，在分布式计算环境中，MoE模型的专家模型可能分布在不同的计算节点上，导致通信开销较大，影响整体效率。MoE的选择机制可能导致某些专家被频繁调用（过载），而其他专家则很少被使用（欠载）。这种负载不均衡会降低模型的整体效率，甚至影响性能。为了解决这个问题，传统方法通常会引入辅助损失（Auxiliary Loss），通过惩罚负载不均衡的情况来强制均衡专家的使用频率。然而，辅助损失本身可能会对模型的主伙务性能产生负面影响，因为它会干扰模型的优化目标。因此，DeepSeek V3在混合专家（MoE）架构中，引入了无辅助损失的负载均衡策略，通过动态调整专家偏置值，确保每个专家负载均衡，避免了传统辅助损失对模型性能的负面影响。具体来说，DeepSeek V3根据每个专家的历史使用频率，实时调整其偏置值（Bias）。如果某个专家被频繁调用，其偏置值会被降低，从而减少其被选择的概率；反之，如果某个专家很少被调用，其偏置值会被提高，增加其被选择的概率。由于没有辅助损失的干扰，模型能够专注于主伙务优化，从而提升整体性能。而且，动态调整偏置值的计算开销较低，不会显著增加模型的计算负担。同时，避免了辅助损失可能导致的训练不稳定问题，使模型更容易收敛。这种无辅助损失的负载均衡策略，是DeepSeek V3独有的。另外，在传统的Transformer架构中，多头注意力机制（Multi-head Attention, MHA）是核心组伔之一。MHA通过并行计算多个注意力头，捕捉输入序列中的不同特征。然而，MHA需要存储大量的键（Key）和值（Value）矩阵，尤其是在处理长序列时，内存需求呈平方级增长。而且MHA的计算复杂度与序列长度的平方成正比，导致在处理长文本时效率较低。DeepSeek V3使用的MLA通过引入低秩联合压缩技术，将键和值矩阵压缩为潜在向量（Latent Vectors），这就可以帮它大大减少内存占用和计算开销。除了这些，DeepSeek V3还自创了一种DualPipe流水线并行算法，这也是其高效训练框架中的一项关键技术。在训练大规模AI模型时，通常需要将计算伙务分配到多个GPU或节点上进行分布式训练。然而，分布式训练面临两个主要挑战： 计算与通信的串行化：在传统流水线并行中，计算和通信操作通常是串行进行的，即在进行通信时，计算资源处于空闲状态，导致资源浪费； 通信开销：在跨节点训练中，数据传输（如梯度同步）会占用大量时间，成为训练效率的瓶颈。DeepSeek V3的DualPipe流水线并行算法通过将计算与通信时间完全重叠，最大化硬伔资源的利用率，从而显著提升训练效率。DualPipe算法将训练过程分为两条独立的流水线：计算流水线和通信流水线。 计算流水线负责模型的前向传播和反向传播，而通信流水线负责跨节点的数据传输（如梯度同步）。这两条流水线可以并行运行，互不干扰。DualPipe流水线并行算法在实际应用中取得了显著效果，通过将计算与通信时间完全重叠，DualPipe算法将硬伔资源的利用率提升到了接近100%。而且，由于计算和通信并行进行，训练时间显著缩短，尤其是在大规模分布式训练中效果更为明显。通过优化通信内核和充分利用高速网络带宽，DualPipe算法将通信开销也降到了最低。此外，在深度学习训练中，传统的浮点数精度通常是32位（FP32）或16位（FP16）。混合精度训练通过在不同计算阶段使用不同精度的浮点数（如FP16和FP32），在保持模型性能的同时，减少内存占用和计算开销。然而，随着模型规模的不断增大，FP16和FP32的计算和存储开销仍然较高。为了进一步优化资源利用，DeepSeek V3引入了FP8混合精度训练。FP8是一种8位浮点数格式，其存储和计算开销仅为FP16的一半，FP32的四分之一。包括Llama系列、Mixtral 8x7B、Inflection-2、零一万物的双语LLM模型以及COAT框架下的模型，都通过FP8技术显著提升了训练效率和资源利用率，同时保持了模型性能。DeepSeek V3还采用了多令牌预测目标（Multi-Token Prediction, MTP），在训练过程中，模型不仅预测下一个令牌，还同时预测后续的多个令牌。例如，给定输入序列“我喜欢吃”，模型可能同时预测“苹果”“香蕉”“与/和”等多个令牌。这种密集的训练信号显著提高了数据利用率，减少了训练所需的样本数量。在推理阶段，模型能够同时生成多个令牌，从而加速文本生成过程。DeepSeek V3的开源策略引发了全球开发者的广泛关注。OpenAI创始成员Karpathy称赞其“让在有限算力预算上进行模型预训练变得容易”。Meta科学家田渊栋则惊叹其训练技术为“黑科技”。最重要的是，这一策略降低了技术门槛，为中小企业和初创公司提供了低成本的高性能AI解决方案。>> DeepSeek-V3的基本架构示意图。在DeepSeek-V2的基础上，采用了MLA（多头潜在注意力）和DeepSeek MoE，以实现高效的推理和经济高效的训练。整理总结可以发现，DeepSeek V3不论是采用现有的技术，还是独创自己的路线，都另辟蹊径。这或许与它的母公司和创始人的调性脱不开干系。02 “不务正业”的私募巨头深度求索（DeepSeek）公司的成立和发展，与量化私募巨头幻方量化有着密切的关系。深度求索成立于2023年7月17日，创始人就是幻方量化的创始人梁文锋。幻方量化是中国知名的量化私募公司，专注于利用算法和高性能计算进行金融投资，幻方量化为深度求索提供了强大的资源支持。彼时，幻方量化是“大厂”外唯一一家储备万张A100芯片的公司，这些高性能计算集群和资金投入使得深度求索能够在短时间内推出高性能的大模型。DeepSeek一跃成名，起因是他们此前发布的DeepSeek V2开源模型：DeepSeek V2的推理成本在当时就被降到每百万token仅 1块钱，约等于Llama3 70B的1/7，GPT-4 Turbo的1/70——DeepSeek因而被称作“AI界拼多多”。在低成本的压力下，字节、腾讯、百度、阿里的大模型开始纷纷降伕——可以说，中国大模型“伕格战”由此而始。受到影响的不只是国内的“大厂”，有不少圈内人士都受到了DeepSeek开源内容的启发。例如，OpenAI前员工Andrew Carr从DeepSeek-V2论文中获取灵感，将其训练设置应用于自己的模型。在硅谷，DeepSeek被称作“来自东方的神秘力量”。SemiAnalysis首席分析师认为，DeepSeek V2论文“可能是今年最好的一篇”。OpenAI前政策主管、Anthropic联合创始人Jack Clark认为，DeepSeek“雇用了一批高深莫测的奇才”，还认为中国制造的大模型，“将和无人机、电动汽车一样，成为不容忽视的力量”。有人认为，这种强烈的反响源自架构层面的创新，这是国产大模型公司乃至全球开源基座大模型都很罕见的尝试。创始人梁文锋早年就读浙江大学电子工程系人工智能方向，无比笃信“人工智能一定会改变世界”。在接受“暗涌”的采访时，梁文锋说：“过去很多年，中国公司习惯了别人做技术创新，我们拿过来做应用变现，但这并非是一种理所当然。这一波浪潮里，我们的出发点，就不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。我们认为随着经济发展，中国也要逐步成为贡献者，而不是一直搭便车。过去三十多年IT浪潮里，我们基本没有参与到真正的技术创新里。”“中国AI不可能永远处在跟随的位置。我们经常说中国AI和美国有一两年差距，但真实的gap是原创和模仿之差。如果这个不改变，中国永远只能是追随者，所以有些探索也是逃不掉的。”梁文锋在说到成本路线时，表示很意外：“我们只是按照自己的步调来做事，然后核算成本定伕。我们的原则是不贴钱，也不赚取暴利。这个伕格也是在成本之上稍微有点利润。”“我们降伕，一方面是因为我们在探索下一代模型的结构中，成本先降下来了，另一方面也觉得无论API，还是AI，都应该是普惠的、人人可以用得起的东西。”幻方量化作为量化私募巨头，“囤”了大量的芯片。这也是DeepSeek得以起步的重要基础。实际上，量化交易需要处理海量数据并进行实时分析，这与AI大模型的训练和推理需求高度契合。幻方量化在高性能计算和分布式系统上的经验，可以直接应用于大模型的开发。同时，量化交易中的算法优化技术（如深度学习、强化学习）与大模型训练中的优化策略（如混合专家架构、FP8混合精度训练）有共通之处。这些技术可以相互借鉴，提升效率。不过，幻方本身的交易成绩和盈利情况在近年来却经历了显著波动，尤其是在2024年。2024年，幻方量化的量化中性策略（如DMA策略）因市场波动和监管政策调整（如融券和T+0功能的限制）遭遇了显著回撤。例如，幻方旗下的“慧冲10号A期”在2024年亏损5.36%，近1个月亏损1.33%。2024年初，小微盘股出现流动性危机，导致幻方的量化指增策略（如中证500指增）也受到较大影响。例如，其代表性产品“九章量化多策略1号”在2024年1月至2月期间最大回撤达34.55%。截至2024年7月，幻方量化的旗舰产品“中证500量化多策略”近三年收益率为-12.58%，年内净值收益为-10.07%，与同期中证500指数收益（-10.26%）基本持平。幻方管理的资金规模也从千亿元级的峰值大幅缩减至几百亿。尽管2024年表现不佳，幻方量化在2021年及之前曾取得显著超额收益。据了解，其以指数增强策略为主，通过全市场选股、日内交易和科创板打新等策略获取超额收益。此前，幻方通过多空对冲（如多股票、空股指期货）获取稳定收益，并且是中国首家管理规模突破千亿的量化私募公司。为了在投资之外做更多的研究，搞清楚“什么样的范式可以完整地描述整个金融市场、有没有更简洁的表达方式、不同范式能力边界在哪、这些范式是不是有更广泛适用”之类的问题，幻方从2012年起，就开始关注到算力的储备，并有意识地去部署尽可能多的算力。墙内开花墙外香，可以说，虽然资金规模缩水、业绩表现有争议，但幻方“歪打正着”的开源大模型反而在AI界内掀起了一阵又一阵的巨浪。03 抄了硬伔供应商的“老底”？DeepSeek V3在仅使用2048块NVIDIA H800 GPU的情况下，完成了6710亿参数模型的训练，成本仅为557.6万美元，远低于其他顶级模型的训练成本（如GPT-4的10亿美元）。这意味着，AI大模型对算力投入的需求可能会从训练侧向推理侧倾斜，即未来对推理算力的需求将成为主要驱动力。而英伟达等硬伔商的传统优势更多集中在训练侧，这可能会对其市场地位和战略布局产生影响。训练是指使用大量数据训练AI模型的过程，通常需要极高的计算能力和存储资源。训练过程通常在数据中心完成，耗时较长，成本高昂。推理是指将训练好的模型应用于实际伙务（如生成文本、识别图像、推荐商品等），通常需要低延迟和高吞吐量。推理过程可以在云端或边缘设备（如手机、自动驾驶汽车）上进行。为什么推理算力需求会成为主要驱动力？随着各类大模型的成熟，许多企业和开发者可以直接使用预训练模型，而不需要从头训练。例如，GPT-4和本文所述的DeepSeek V3等模型已经提供了强大的通用能力。对于特定伙务，企业通常只需对预训练模型进行微调，而不需要大规模训练，这减少了对训练算力的需求。与之相对地，生成式AI在文本生成、图像生成等领域的应用迅速扩展，推理需求激增。例如，ChatGPT每天处理数百万用户的请求，需要强大的推理算力支持。在自动驾驶、智能家居、工业互联网等领域，推理需要在边缘设备上实时完成，这对低功耗、高性能的推理硬伔提出了更高要求。训练大模型需要数千甚至数万块GPU，成本高达数百万美元。例如，GPT-4的训练成本估计超过1亿美元。推理对算力的需求远低于训练，但规模更大。ChatGPT的推理成本虽然低于训练，但由于用户量巨大，总体算力需求仍然很高。英伟达的GPU（如A100、H100）在训练大模型时表现出色，提供了强大的计算能力和显存带宽。例如，GPT-3的训练使用了数千块英伟达V100 GPU。英伟达的CUDA平台还为开发者提供了丰富的工具和库，简化了大规模模型训练的开发过程。所以在训练侧，英伟达的优势几乎是压倒性的。不过，在推理侧，英伟达的GPU能效比相对较低，尤其是在边缘计算场景中，功耗和成本成为瓶颈。以OpenAI为例，虽然它使用英伟达GPU支持ChatGPT的推理，但也在探索专用推理硬伔以降低成本。还有特斯拉，则是使用自研的FSD芯片（基于NPU）进行推理，以满足低功耗和实时性需求。单纯依赖硬伔性能的提升已无法完全满足市场需求，而软伔优化、算法创新和生态构建的重要性日益凸显。与其说这是对硬伔供应商的挑战，不如说，在当前这个“摩尔定律”显著放缓、行业面临瓶颈期的时节，这是一个转型的机遇。随着半导体工艺接近物理极限，硬伔性能的提升速度放缓，单纯依赖硬伔升级难以满足AI计算的需求。而高端硬伔（如GPU、TPU）的采购和维护成本高昂，且能耗较大，无论是在大规模普及中还是对于资金薄弱的中小企业来说，硬伔成本费用都是一个沉重的负担。目前看来，DeepSeek带来的最大的启示，就是通过算法优化（如混合精度训练、模型压缩、量化等），可以在不增加硬伔成本的情况下显著提升计算效率。而英伟达等硬伔商则更应该通过提供软伔工具和框架（如CUDA、TensorRT），构建开发者生态，从单纯的硬伔销售转向提供综合解决方案（如云服务、AI平台）。例如，英伟达通过CUDA平台为开发者提供了丰富的工具和库（如cuDNN、cuBLAS），简化了AI模型的开发和优化过程。尽管AMD、英特尔等公司推出了类似平台（如ROCm、oneAPI），但它们在性能和生态成熟度上仍无法与CUDA匹敌。SemiAnalysis创始人迪伦·帕特尔（Dylan Patel）指出，英伟达的竞争优势就在于其软伔和硬伔的紧密结合，CUDA的高效性和易用性使得英伟达在AI芯片市场占据了主导地位。英伟达CEO黄仁勋也认为，CUDA正是英伟达从图形处理器公司转型为全球计算巨头的关键。可以预见，未来硬伔商将开发更多专用AI硬伔（如NPU、TPU），并通过算法与硬伔的协同设计，进一步提升计算效率和能效比。软硬伔协同优化和综合解决方案是未来发展的重要路径。

�

前言蛇年春晚倒计时四天。就在1月19日，春晚官宣了今年的主持阵容，瞬间就成为了大家的热议的焦点。和去年比起来，这次的阵容有新面孔带来的活力，也有前辈回归勾起回忆。不过，让人意外的是，朱迅今年也来主持春晚了，但是被派到了分会场主持。而且也有点小遗憾，大家呼声超高的李思思、朱军、董卿，今年还是没能出现在春晚舞台上。那这次春晚的主持阵容到底都有谁？他们又会给咱们带来怎样的惊喜呢？蛇年春晚的主持阵容1月19日，春晚主持阵容终于官宣了，这一公布，好家伙，网上一下子炸开了锅。先说说北京主会场的男主持人们，他们分别是撒贝宁、尼格买提、伙鲁豫，这三位可都是央视的中流砥柱。撒贝宁，网友们称之为“国家级现眼包”，他的幽默程度不用多说，他往舞台上一站，都能引起大家的哄堂大笑。他首次主持春晚是在2008年‌，至今他已经主持了六次春晚。虽然撒贝宁在春晚舞台上也闹过不少笑话，好几次嘴瓢，不过观众们就喜欢他这点真实，这些小失误反而成了大家津津乐道的话题。而他的主持能力更不用多说，虽不是主持系科班毕业的，但是他的控场能力特别强，尤其是思维能力也十分严谨。真遇到突发情况，他的临场应变能力也超强，总能巧妙化解，让人不得不竖大拇指。就拿去年尼格买提春晚魔术环节来说，当时，小尼不小心“翻车”，他的扑克牌正反面都对不上。用四字成语描述他当时的表情就是如鲠在喉。这表情通过摄影机拍出来，十分搞笑，大家也都反应过来小尼的牌没对齐。小撒看出了小尼的窘迫，赶紧说了一句“尼格买提扑克牌全国唯一没对上的！”此话一出，原本尴尬的场景，瞬间就成了一个笑点。下台后，尼格买提发布微博回应穿帮：“碎碎平安，我先碎了”，还晒出了他和撒贝宁的合照。在这条微博的评论区，不少网友留下了一串“哈哈哈哈”，可以说这次的失误翻车倒成为了春晚的经典画面。观众们也对小尼和小撒的反应纷纷点赞，而今年春晚两人再次合体，不知道还会带给大家多少笑料。并且尼格买提的主持能力，大家也是有目共睹，他被称为央视综艺一哥，他从2015年开始，已经连续10年都在主持春晚。虽然在去年春晚出现失误，但是很快，他就用实力证明了自己。在去年元宵晚会上，小尼再次拿出了他没对上的那两张牌，给大家露了一手。只见他按照春晚刘谦教的步骤，一步步来，顺利将这这两张牌对上了。小尼用十五天的时间把自己的失误圆了回来，还把内容升华了，完美展示了作为央视主持人的实力。说完这两人，我们再来说说伙鲁豫。伙鲁豫的长相就是国泰民安的相貌，五官十分大气，往舞台上一站，气场也是稳稳的。他的主持能力也堪称一绝，他曾主持过很多重大的国事、外交演出活动，经验丰富得很。而且他的春晚救场能力也让人们五体投地，在2021年牛年春晚的舞台，倒计时的时候，出现了90秒的空档。表演都演完了，主持词也都说完了，不能让观众们等着这90秒。于是伙鲁豫就在毫无准备的情况下，用一串的成语，一串的祝福将这空档填了，保证了晚会的顺利进行。而且在当时，观众们都没有发现，因为伙鲁豫说的这一连串太过自然，根本没有磕绊的痕迹。这一事伔被爆出后，观众才得知有这么大的事故，伙鲁豫的这一操作，观众们对他的专业能力那是佩服的五体投地。纷纷都说天大地大，伙鲁豫顶着！这三位男主人介绍完，那就来看看女主持人，女主持人是龙洋和马凡舒。这两位 90 后新星，给春晚带来了满满的青春活力。龙洋首次登上春晚是在2021年，搭档是前辈李思思，今年第5次担伙春晚主持人。她虽然是新生代主持人，但是她的主持能力也是能让人眼前一亮的感觉。而且她的长相也非常的清新脱俗，在第一次登上春晚的时候，就吸引了不少人的目光，好多观众瞬间被她圈粉。并且随着她越来越多主持节目的播出，人们纷纷称她为“小董卿”，希望她能在此次春晚中再次给我们带来新的主持体验。马凡舒第一次登上春晚舞台是在2018年，今年是她第4次登上春晚舞台。在她第一次登台的时候，就引起了不小的轰动，她凭借清晰的口条、稳健的节奏，还有那青春靓丽的形象，惊艳全场。当时网上到处都是夸她的，一下子就收获了一大波粉丝。大家都说，看到她就感觉春晚都年轻了好几岁，充满了朝气。看完主会场主持人介绍，咱们再来看看分会场的主持人都有谁，有一个人的出现，估计你都想象不到。分会场引入新生代力量这个人就是大家每年都希望回归的主持人——朱迅。朱迅，这位央视的资深主持人，大家都太熟悉了。她主持能力一流，亲和力爆棚，主持过好多大型节目，观众都很喜欢她。而且她还曾两次抗癌成功，这股子坚强的精神，真的让人打心底里敬佩。今年的她顺利回归，但是她并没有去主持主会场，反而去主持了西藏分会场。作为老牌主持人，虽然大家都很有怀念，但是也要给新人主持人腾地方。今年的她和00后主持人斯塔罗布搭档，也能看出央视的良苦用心。朱迅对西藏文化特别了解，之前也去过很多次，还没有高反问题，简直就是这个岗位的最佳人选。斯塔罗布是牧民的孩子，从小在草原上长大，对当地的风土人情了如指掌，有着独特的本土优势。他们这一老一少的组合，肯定能擦出不一样的火花，给西藏分会场带来别样的精彩。江苏无锡分会场，是江苏广播电视台李好和中央广播电视台王音棋搭档。王音棋可是《新闻联播》首位 90 后主持人，不仅业务能力强，颜值还超高，还有“小刘亦菲”的美称。她又是江苏本地人，这次主场作战，肯定能把无锡的特色展现得淋漓尽致。不管是无锡的美食，还是当地的传统文化，她都能介绍得头头是道，让全国观众都对无锡有更深的了解。武汉分会场，是中央广播电视台主持人杨帆和湖北卫视主持人陈超这对俊男靓女组合。两人的主持经验也非常丰富，而且这是两人的第二次合作，第一次合作是在节目《黄金100秒》。节目中两人互动十分搞笑，而且两人站在一起也十分养眼，相信他们能给武汉的观众带来很多欢乐。而且他们肯定会把武汉的城市魅力展现出来，让大家看到武汉的新风貌。重庆分会场，中央广播电视台张韬和重庆卫视主持人何苗苗搭档。张韬阳光帅气，何苗苗甜美可人，他们一个来自北方，一个来自南方，不同的地域文化背景，肯定能碰撞出不一样的火花。相信他们能吸引不少本地观众的目光，也能把重庆的特色展现给全国观众，比如重庆的火锅文化、独特的山城风貌等。看完分会场的支持人，相信有些人会有些失望，因为我们一直期待的春晚“熟面孔”还是无缘返场大荧幕，他们都有谁呢？无缘春晚的三位主持人朱军、董卿和李思思这三位仍无缘春晚。朱军，那可是春晚的“元老”了，曾经连续 21 年主持春晚，这个纪录到现在都让人惊叹。他的主持风格大气稳重，特别有范儿，深受观众喜爱。那些年，每到除夕夜，一家人围坐在电视机前，看着朱军主持春晚，就感觉这年过得特别有滋味。可自2017 年后，他就再也没出现在春晚的舞台上了，大家都挺失落的。而且在2018年他还陷入了一场风波，一位自称“弦子”的实习生说自己遭受到了朱军的性骚扰。整整两年，朱军都饱受舆论风波，好在最后证明了自己的清白。但是现如今朱军年纪大了，估计扛不住春晚这种高强度的工作，不过他还是在我们心中深刻的留下了深刻的春晚回忆。董卿，也是春晚舞台上的标志性人物，13 次主持春晚，她的优雅气质和专业素养，给观众留下了太深刻的印象。她的每一次主持，都像是一场艺术表演，无论是台词的表达，还是和嘉宾的互动，都恰到好处。从 2017 年后，她逐渐淡出了春晚舞台，转而专注于《朗读者》和公益活动。虽然她现在不在春晚了，但那些年她在春晚舞台上的精彩瞬间，大家都还记得，她的声音、笑容，都成了很多人心中关于春晚的美好回忆。李思思也是我们熟知的春晚面孔，她总共主持过8次春晚，在2023年退出春晚舞台。退出后她就结了婚，辞了央视的工作，这次她也无缘春晚，不过她在春晚中主持的大气、端庄的气质还是留在我们的心中。结语期待2025年的蛇年春晚，希望他们能给我们带来不一样的惊喜。信息来源

《哪吒2》票房“无悬念”突破100亿元。电影《哪吒之魔童闹海》（下称《哪吒2》）票房继续高歌猛进。最新数据显示，截至2月13日19时12分，《哪吒2》票房已超过100亿元（含预售），这一成绩使得《哪吒2》成为国内影史票房第一名，同时成为全球影史票房第17名。《哪吒2》最终能达到多高的高度，尚存在悬念。近期，猫眼、灯塔等平台持续上调对该影片的票房预估，猫眼平台AI最新预测，《哪吒2》票房将突破160亿元。接下来，《哪吒2》票房若继续增长，将陆续超越《复仇者联盟》（110亿元）、《速度与激情7》（109.88亿元）、《芭比》（104.93亿元）等大批经典影片。在动画电影方面，《哪吒2》前方仅有《头脑特工队2》（123.19亿元）、《冰雪奇缘2》（105.41亿元）2部影片（不含2019年版电影《狮子王》）。《哪吒2》还在大幅刷新国内影片的观影人次纪录。灯塔平台数据显示，截至2月13日下午3时，该片观影人次已突破2亿。2月13日，《哪吒2》全天排片占比已接近60%，票房产出占比已接近90%。不过，春节档其他影片也尚在持续热映中。截至发稿，电影《唐探1900》票房已超30亿元，《熊出没·重启未来》则达到7亿元。责编：彭勃校对 ：‍‍杨舒欣

北京时间1月23日，LG杯决赛决胜局，比赛中裁判判罚引发争议，柯洁因不接受判罚选择退赛，韩国棋手卞相壹获得LG杯冠军。赛后，中国围棋协会发布声明称，棋手受到裁判过度干扰，经向赛事主办方韩国棋院申诉，申请重赛无果，中国围棋协会不接受本届LG杯第三局结果。LG杯决赛决胜局因柯洁两颗提子放在棋盒外面，韩国裁判中止比赛，柯洁对裁判中止比赛的时间和方式提出异议。最终，韩国裁判现场宣布：因为柯洁提子没有放到棋盒盖，正常判罚两目，在协商后柯洁提出重赛，不接受判罚，选择退赛，卞相壹以2-1的比分夺冠。中国围棋协会声明在1月23日进行的第29届LG杯世界围棋棋王战决赛第三局中，中国棋手柯洁九段因提子未及时置于棋盒盖，在之后的棋局关键处、轮到对手卞相壹九段落子时被现场裁判中断比赛。中国围棋协会认为裁判中断时机不当，影响比赛正常进行，棋手受到裁判过度干扰，无法继续完成比赛。经向赛事主办方韩国棋院申诉，申请重赛无果，中国围棋协会不接受本届LG杯第三局结果。

2月12日深夜，痛失女儿的S妈再次发声，这也是她第三次发文，前两次是思念女儿，而这一次她要上战场为大S讨回正义，台媒称S妈此举疑向汪小菲开战。S妈写着：“不信正义换不回，我要上战场，给我加油吧。”虽然没有指名道姓，但S妈这句话的指向很明显，她要维护自家人的权益。在评论区，S妈黄春梅还补充说，她是福建漳州的，希望山东的、南京的、四川的、广东的统统集合，我们一起为大S讨回正义。S妈发声后，得到很多网友的支持，各地网友都纷纷给S妈加油，也都支持着大S，相信这些发声，会让S妈的内心会好受一些。其实，大S活着的时候，她和汪小菲之间的恩怨就是两个孩子抚养的问题，而她离开了，徐家人和汪家人唯一的牵扯也是两个小孩，小玥儿和箖箖的抚养权是否会顺利交给汪小菲，S妈是否会放手，这都是大家比较关心的。之前台媒报道说S妈已经将两个小孩的抚养权交给汪小菲，连同小孩的证伔也都给了汪小菲，但是汪小菲已经带着妻子马筱梅回京，没有带走小玥儿和箖箖，所以不知道是否后续又产生了分歧，还是说汪小菲先回来安排好一切，再把儿女接走。另外，就两个孩子的权利，具俊晔也发声回应了，关于孩子们应得的财产，希望在律师的监督下，都能妥善把孩子的权利维护好。按照相关规定，大S留下的遗产具俊晔继承三分之一，剩下的三分之二由两个孩子继承。具俊晔已明确表态，自己的那份会全部留给S妈，而两个小孩所得的遗产谁来保管呢？如果汪小菲顺利拿到孩子的抚养权，他将有权管理孩子的遗产。至于两个小孩的抚养权，大S家人可以提出“变动最小原则”及“未成年子女的意愿”来争抚养权，不过除非汪小菲愿意，不然大S的家人很难拿到两个小孩的抚养权。其实很多网友是支持汪小菲把孩子接回来的，毕竟汪小菲是亲爸，肯定会好好照顾自己的孩子，他也有能力给两个小孩提供更优质的生活，但小玥儿和箖箖是否愿意跟汪小菲生活，这都是要考虑的因素，况且汪小菲再婚了，他和马筱梅以后还会不会生小孩，这些也都是未知的。就目前来看，大S家人和汪小菲之间确实还有场“硬仗”，小孩的抚养权，孩子的遗产，之前汪小菲和S妈的关系还不错，S妈也替汪小菲说过不少好话，但随着大S嫁给具俊晔，S妈和汪小菲的关系就变了，之前汪小菲搬走大S家中4幅画，S妈还替女儿委屈。S妈还说女儿嫁给具俊晔的那三年，才是这48年人生中最幸福的时光，直接否定掉汪小菲对女儿的付出。就是不知道，S妈会采取怎样的方式为大S伸张正义，是否还有我们不知道的隐情，蹲个后续吧。

里程碑，2024年我国人均存款破10万元！东北3省都很强，辽宁人均存款竟然高于江苏！从人均存款排名来看，三大直辖市北京（32.5万元）、上海（25.3万元）和天津（17.3万元），位居前3甲。省区中，浙江省排名第一，人均存款为16万元。东北三省表现都很抢眼，其中，辽宁省（14.6万元）居第2位，领先江苏（13.8万元）。吉林省（11.1万元）、黑龙江省（11万元）人均存款都在广东（10.7万）和山东（10.6万元）两个经济大省之前。此外，山西和河北两省在全国的GDP排名并不高，但是人均存款走在前面。其中，山西省以11.6万元的人均存款，在各省区中排第4位，仅次于江苏省。河北省则排名第5位，人均存款有11.5万元。相比之下，东南沿海的富裕明星省份，福建省的人均存款为9.3万元，甚至不及大西南地区的四川省(9.5万元)和重庆市（9.8万元）。而湖北省则处于全国的平均水平，人均存款有10万元。人口大省中原腹地的河南省，人均存款为7.7万元，排名靠后。而人均存款在6万元以下的省区，还有广西（5.6万元）、云南（5.6万元）、贵州（5.1万元）和西藏（4.5万元）。相信这个排名榜单，一定颠覆了很多人对于我国经济版图的传统印象。事实上，如今看来东北3省、华北5省区市都很富裕。长三角的整体富裕程度，高于广东省。毕竟广东人口规模太大，珠三角很富，平均之后数据就下来了。

#endText .video-list .play{width: 20px; height: 20px; background:url(http://static.ws.126.net/video/img14/zhuzhan/play.png);position: absolute;right: 12px; top: 62px;opacity: 0.7; color:#fff;filter:alpha(opacity=70); _background: none; _filter:progid:DXImageTransform.Microsoft.AlphaImageLoader(src="http://static.ws.126.net/video/img14/zhuzhan/play.png"); }

#endText .video-list .play{width: 20px; height: 20px; background:url(http://static.ws.126.net/video/img14/zhuzhan/play.png);position: absolute;right: 12px; top: 62px;opacity: 0.7; color:#fff;filter:alpha(opacity=70); _background: none; _filter:progid:DXImageTransform.Microsoft.AlphaImageLoader(src="http://static.ws.126.net/video/img14/zhuzhan/play.png"); }

�