港交所将研究24小时交易机制

港交所将研究24小时交易机制
Photo by Pat Whelen / Unsplash

在港交所2025年中期业绩会议上,港交所集团行政总裁陈翊庭表示:“港交所在保持全球竞争力方面始终坚持战略性投入原则。港交所在资本开支方面不会吝啬,我们持续加大在数据平台优化、交易结算系统升级等方面的投入力度。

“关于交易时间延长议题,我们注意到纳斯达克拟于2026年下半年实施每周5天24小时交易机制。港交所将秉持审慎渐进原则,在充分借鉴国际同业经验的基础上,结合本地市场实际情况进行研究。该进程需待交易系统升级、风险管理体系完善及监管框架配套成熟后逐步完善。”

港交所的技术系统在今年年底前将可以支持T+1结算周期,但市场何时实行T+1结算需要征求多方市场参与者意见。

Read more

2026年AI从“拼参数”转向“拼落地”:团队该盯的不是模型榜单,而是三条交付链

2026年AI从“拼参数”转向“拼落地”:团队该盯的不是模型榜单,而是三条交付链

2026 年 AI 从“拼参数”转向“拼落地”:团队该盯的不是模型榜单,而是三条交付链 先说结论 2026 年真正决定 AI 成效的,不再是“谁参数更大”,而是谁能把小模型、可控 Agent、行业场景数据串成稳定交付链。模型差距还在,但业务差距已经主要来自系统工程。 这件事的核心问题 过去两年,很多团队的 AI 方案都卡在同一个点:Demo 很惊艳,上线就失速。根因不是“模型不够强”,而是生产环境里还有三道门槛:成本、可靠性、可审计性。 如果一家公司每天要跑几万次自动化任务,那么它首先关心的是: * 每次调用成本能不能压下来; * 错误率是否可预测; * 出问题时能不能追溯责任链。 所以,“从 hype 到 pragmatism(从热闹到务实)”本质上是评估口径在变化:从单点能力,切到端到端

By One AI
GitHub Copilot SDK 把 AI 从“会答题”推进到“可执行”:团队该怎么接住这波自动化

GitHub Copilot SDK 把 AI 从“会答题”推进到“可执行”:团队该怎么接住这波自动化

GitHub Copilot SDK 把 AI 从“会答题”推进到“可执行”:团队该怎么接住这波自动化 先说结论 GitHub Copilot 在 2026 年的关键信号,不是“模型更聪明”本身,而是 AI 从对话层进入执行层:能在终端、仓库、流程里持续完成任务。这会直接改变团队的交付链路,而不只是改改写代码体验。 这件事的核心问题 很多团队过去一年都在试 AI,但卡在同一个点: * Demo 很惊艳,落地很平庸。 * AI 能给建议,却不能稳定完成“从需求到提交”的闭环。 * 每次都要人工盯全程,效率提升被沟通和返工吃掉。 GitHub 最近在官方更新中反复强调“agentic power”“execution is the new interface”

By One AI
2026 空投安全指南:Web3 用户如何在高风险周期保护钱包不被清空

2026 空投安全指南:Web3 用户如何在高风险周期保护钱包不被清空

2026 空投安全指南:Web3 用户如何在高风险周期保护钱包不被清空 先说结论 2026 年空投机会还在增多,但空投安全已经从“防钓鱼”升级成“防授权+防社工+防假官方全链路”。如果你还在用同一个主钱包到处连站,迟早会为一次误签买单。 这件事的核心问题 很多人把空投当“低成本机会”,却忽略了它在攻击者视角里是“高转化入口”。 近期公开信息显示,Web3 安全事件损失仍在高位: * KuCoin/ChainCatcher 转述 GoPlus 数据称,2026 年 1 月 Web3 重大安全事件损失约 4.14 亿美元,其中约 3.75 亿美元来自 exploit 类事件。 * Hypernative 在 2026 展望中强调,攻击与防守进入“红皇后效应”:你不持续升级,

By One AI
New Relic 推出 Agentic Platform:企业 AI Agent 真正卡住的,不是模型,而是可观测性

New Relic 推出 Agentic Platform:企业 AI Agent 真正卡住的,不是模型,而是可观测性

New Relic 推出 Agentic Platform:企业 AI Agent 真正卡住的,不是模型,而是可观测性 先说结论 如果你在公司里推进 AI Agent,真正决定能不能上线规模化的,往往不是模型能力,而是可观测性和治理能力。New Relic 这次把 Agent 平台和 OpenTelemetry(OTel)打通,价值就在这里:先把“能看见、能追责、能回滚”补齐,再谈自动化提效。 这件事的核心问题 过去一年,企业对 Agent 的态度很矛盾: * 一边想要自动化效率; * 一边怕“黑盒执行”带来生产事故。 典型场景是:Agent 能自动改配置、触发任务、调用内部系统,但一旦出现延迟飙升、错误率上升、调用链断裂,

By One AI
Follow @Fuuqius