当前位置: 首页 > 财经 >

视频里的动作,AI是怎么"看懂"的 每日聚焦

时间:2026-09-17 21:30:02

2014年,如果你去问计算机视觉领域的研究者一个问题:深度学习能不能识别视频里的动作,大概率会得到一个尴尬的回答。

那一年,深度学习已经在静态图像识别上大杀四方了。AlexNet在2012年横空出世,把图像分类的错误率direct砍掉了十个百分点,整个学术圈都在疯狂拥抱卷积神经网络。


(资料图片仅供参考)

但只要把图像换成视频,风向就完全变了。

在动作识别这个任务上,最强的深度学习模型,打不过一套2011年发布的手工设计算法,叫做密集轨迹

密集轨迹*:一种传统的视频动作识别方法,通过追踪视频里密集分布的点随时间的运动轨迹,人工设计特征来描述动作。

这套手工方法在权威的UCF-101数据集上能做到87%左右的准确率,而深度学习模型只能徘徊在65%上下,整整落后20多个百分点。

这个差距意味着什么?意味着每识别5个动作,深度学习就要比手工方法多认错1个以上。这在当时几乎被认为是深度学习的天花板,因为视频比图像多了一个维度,时间。神经网络看图像很厉害,但一旦要处理"动作"这种发生在时间轴上的信息,好像就抓瞎了。

这个僵局,直到牛津大学的Karen Simonyan和Andrew Zisserman发表了一篇论文才被打破。

有意思的是,这两位学者几个月后就发表了另一篇改变历史的论文,VGGNet。也就是说,他们几乎是同时在打磨两套截然不同的思路,一套用来分类图片,一套用来识别视频动作。这背后透出的是同一个研究团队对卷积网络能力边界的持续试探。

问题出在哪:视频比图像难在哪里

要理解这篇论文的巧妙之处,得先搞清楚为什么"看视频"比"看图片"难得多。

一张静态图片,你看一眼就知道里面有没有猫、有没有人。但一段视频里的"动作",本质上是一种随时间变化的模式。一个人挥手和一个人挥拳,可能在某一帧上看起来长得几乎一样,区别只在于接下来的几十帧里,手臂是怎么动的。

如果神经网络只看单张画面,就完全丢失了"怎么动"这个关键信息。这就好比你只看一张照片,判断不出照片里的人是正在坐下还是正在站起来,因为那一瞬间的姿势可能一模一样。如果不给网络任何关于运动的线索,它就只能靠猜,靠画面里的场景、道具这些静态线索去蒙一个答案,比如看到泳池就猜"游泳",看到球场就猜"打篮球",这种做法在动作细节复杂的时候必然会失灵。

之前也有研究者尝试过直接把3D卷积(在时间维度上也做卷积)扔给视频,或者用RNN来处理时序信息,但效果都不理想,跟手工特征的差距依然很大。

问题的核心矛盾是:神经网络擅长从像素里学空间模式(这是纹理、这是形状),但不擅长直接从像素序列里学出运动模式。

核心思路:把"看空间"和"看运动"这两件事拆开做

Simonyan和Zisserman的解法,说起来其实非常直白,甚至带着一种"既然合起来学不好,那就分开学"的朴素智慧。

他们设计了一个叫做双流卷积网络的架构。

双流卷积网络*:一种同时用两个独立的卷积神经网络处理视频的架构,一路专门处理静态画面(空间流),一路专门处理运动信息(时间流),最后把两路的判断结果融合起来。

具体来说,第一路网络,叫空间流,输入就是视频里的某一帧画面,跟普通的图像分类网络没有本质区别,负责识别"这个场景里有什么东西",比如识别出画面里有个游泳池,有个人。

第二路网络,叫时间流,输入不是原始画面,而是光流场

光流场*:描述视频中相邻两帧之间,画面每个像素点是怎么移动的一种表示方法,本质上是一张记录了运动方向和速度的图。

光流场把"动作"这个抽象概念,转化成了一张实实在在的图片,你可以把它想象成一张"运动地图",图上每个点都标记着这个位置的像素接下来往哪个方向、以多快的速度移动。时间流网络专门吃这种"运动地图",学习的是纯粹的动态模式,而不掺杂任何场景、颜色、纹理的干扰。

这两路网络各自独立训练,最后把两边给出的分类概率做个加权平均,谁的判断更靠谱,就多信一点谁。

这个设计好在哪里?我们可以做个类比。

假设你要判断一个人是在生气还是在开心,你可以看他的表情(这是空间信息,一张静止的脸),也可以看他说话时的语气起伏和手势动作(这是时间信息,一段变化的过程)。如果你把这两种信号强行揉在一起同时看,反而容易互相干扰,因为表情的细节和动作的节奏本来就是两种不同性质的信息,混在一起处理,网络很难同时把两件事都学到位。但如果你先专心看一遍表情,再专心看一遍动作节奏,最后综合两方面的判断,准确率往往会更高。双流网络做的正是这件事,让空间流专心学"这是什么",时间流专心学"它怎么动",两边互不干扰,各自做到最好,最后再合并意见。

如果不这样拆分会发生什么?论文里的实验其实给出了答案。单独只用空间流(只看静态画面),在UCF-101上的准确率是72.6%。这个数字本身已经说明,单靠场景和物体的静态信息,是远远不够识别复杂动作的。而把空间流和时间流结合起来之后,准确率跳到了88.0%,直接反超了当时最强的手工特征方法。

这15个百分点的提升,几乎全部来自于"运动信息"这一路的贡献,这也直接证明了之前那些直接把视频塞给3D卷积网络的方法,问题就出在它们没有专门给"运动"这件事留出一条独立的学习通道。

时间流网络具体怎么"看"运动

时间流网络的输入不是一帧图像,而是连续多帧计算出来的光流场堆叠在一起,作为一个多通道的输入。

论文里做了两种光流的表示方式对比。一种是光流的绝对位置形式,另一种是光流的相对轨迹形式(作者称之为光流沿轨迹堆叠)。后一种做法是沿着像素的运动轨迹去采样光流,而不是简单地固定在同一个空间位置堆叠,这样能更准确地捕捉一个点在时间上的连续运动。

实验发现,轨迹堆叠的方式效果更好一些,说明追踪"同一个点在动"比简单地"在同一个位置看不同帧发生了什么"更贴近运动的本质。这就像你要理解一辆车的行驶轨迹,盯着马路上固定的一个点看车流经过,远不如你的视线跟着这辆车移动来得清楚。

论文还比较了光流的方向到底该怎么编码。他们发现把光流拆成水平和垂直两个方向的分量,分别作为独立的输入通道,效果比用单一的运动幅度更好,因为方向信息本身就是区分动作类型的重要线索,挥手和挥拳的运动幅度可能差不多,但方向模式完全不同。

数据不够怎么办:多任务训练和预训练迁移

深度学习一个绕不开的老问题是,训练数据不够,网络就学不好。2014年那会儿,动作识别的数据集普遍偏小,UCF-101一共才101类动作、大约13000段视频片段,这个规模跟当时用来训练AlexNet的ImageNet(上百万张图片)根本没法比。

这就好比你想教一个孩子认识100种动物,但你手头的动物图片只有几千张,平均每种动物看不到几十张照片,孩子很容易学得一知半解,遇到没见过的姿势和角度就懵了。如果不做任何补救,网络大概率会过拟合,就是死记硬背了训练集里的那些视频,换一批新的视频立刻就不准了。

论文给出了两个补救办法。

第一个办法是空间流直接借用在ImageNet上预训练好的网络权重,因为识别"画面里有什么"这件事,跟静态图像分类本质上是相通的技能,没必要从零开始学。这就像一个已经认识了几千种物体的孩子,去学习动作识别时,不需要重新学"什么是球"、"什么是水",直接把这些已有的知识拿来用就行。

第二个办法更巧妙,叫做多任务学习

多任务学习*:让同一个神经网络同时在多个不同的数据集或任务上训练,共享大部分参数,只在最后的输出层区分不同任务,从而让网络从更多数据里学到更通用的特征。

论文让时间流网络同时在两个数据集上训练,UCF-101和另一个动作数据集HMDB-51,网络的主体结构共享,只是最后分类的那一层针对两个数据集分开设置。这样一来,网络实际上见到的训练样本量翻倍了,学到的运动特征也更加通用,不会只死记硬背某一个数据集里的特定视频。

实验证明这个办法确实管用,多任务训练让时间流网络在HMDB-51上的准确率提升了不少,说明"多个数据集互相借力"这个思路是成立的。

最终效果:历史性地反超手工特征

把空间流和时间流结合起来之后,这套双流网络在UCF-101上达到了88.0%的准确率,在HMDB-51上达到了59.4%。

作为对照,当时最强的手工特征方法(改进版的密集轨迹,通常写作IDT)在UCF-101上大约是87.9%,在HMDB-51上大约是57.2%。

这两个数字放在一起看,双流网络在两个数据集上都实现了反超,虽然差距不算悬殊,但这是深度学习第一次在视频动作识别这个任务上,正面击败经过多年打磨的手工特征方法。

这句话放在2014年的语境下,分量不亚于两年前AlexNet在图像分类上的横空出世。AlexNet证明了深度学习能在静态图像上碾压传统方法,而双流网络证明了只要架构设计得当,深度学习在时序信息更复杂的视频领域,同样能够追平甚至反超几十年积累下来的手工智慧。

下面是论文里核心结果的一个简化汇总。

| 方法 | UCF-101准确率 | HMDB-51准确率 |

| 仅空间流 | 72.6% | 40.5% |

| 仅时间流 | 83.7% | 54.6% |

| 双流网络(融合) | **88.0%** | **59.4%** |

| 改进版密集轨迹(手工特征) | 87.9% | 57.2% |

从表格里能看出一个很有意思的细节,单独的时间流(只看运动信息)比单独的空间流(只看静态画面)效果好得多,83.7%对72.6%,差了11个百分点。这说明对于"动作"这个任务而言,运动信息本身比场景、物体这些静态背景信息更加关键,这也从侧面验证了为什么之前那些忽略运动建模、只把视频当成一堆图片来处理的方法,注定会碰壁。

这篇论文之后发生了什么

双流网络这个思路一旦被验证有效,后续的研究者几乎是踩着这个框架继续往前推。

3年后,Feichtenhofer等人在2016年提出了时空融合的双流网络改进版,把两路网络在中间层就进行特征融合,而不是等到最后才简单加权平均,进一步提升了准确率。

同一时期,Carreira和Zisserman(还是同一个Zisserman)在2017年提出了I3D网络,把双流网络里的2D卷积全部换成了3D卷积,并且提出了一个专门为动作识别设计的大规模数据集Kinetics,这直接把动作识别的准确率又往上推了一大截,也让后续研究彻底摆脱了"训练数据太小"的老问题。

再往后,SlowFast网络(2019年,Feichtenhofer等人)在双流的思路上做了进一步的变体,用一路"慢速"通道捕捉细节丰富的空间语义,另一路"快速"通道以更高的帧率捕捉快速变化的运动,本质上仍然延续着"空间和时间要分开处理再融合"这个最初的设计哲学。

从这个脉络能看出来,双流网络提出的核心思想,运动信息值得用一条独立通道去专门建模,几乎成了后来五六年里视频理解领域的默认共识,直到更晚的Transformer架构出现,才开始有新的范式尝试挑战这个思路。

写在后面

写这篇论文最让我意外的一点是,光流场作为输入这件事,本质上是在用传统计算机视觉的老工具(光流计算算法本身是几十年前的技术)去喂养一个全新的深度学习系统。

这不是纯粹的"深度学习吃掉一切"的故事,而是新旧方法的一次拼接,光流负责把运动信息提炼成图像形式,卷积网络负责从这种图像里学出高层语义。

这种"用老技术给新技术搭桥"的思路,后来在很多领域都重复出现过。它提醒我们,一个领域的突破,未必总是彻头彻尾的推翻重来,有时候恰恰是找到一个巧妙的接口,把旧工具的产出,转化成新工具能吃得下的形式。

双流网络最终也被端到端的3D卷积网络和后来的Transformer架构超越了,光流计算本身的耗时也一直是这类方法的软肋。但那个最朴素的问题依然值得追问,当我们让一个模型去理解"动态"这件事的时候,到底应该让它自己从原始像素里硬学出运动的概念,还是应该像双流网络这样,先给它一个明确的"运动是什么"的提示?这个选择题,现在的研究者其实还在用不同的方式重新回答。

Q&A

Q1:双流卷积网络是什么?

A:这是Simonyan和Zisserman在2014年提出的视频动作识别架构,用两个独立的卷积网络分别处理静态画面(空间流)和运动信息(时间流),最后融合两路结果做出判断,是深度学习首次在这个任务上反超手工特征方法。

Q2:双流网络为什么要把空间信息和运动信息分开处理?

A:因为神经网络同时学习场景语义和运动模式会互相干扰,效果不好。实验显示单独的空间流只有72.6%准确率,单独的时间流能到83.7%,分开学习再融合后反而达到88.0%,说明拆分处理比混在一起学更有效。

Q3:光流场在这个方法里起什么作用?

A:光流场是把视频中像素运动方向和速度转化成的一张"运动地图",作为时间流网络的输入,让网络能专门学习动作的动态模式,而不受画面颜色、纹理等静态信息干扰。

标签: 算法 动作 光流 卷积 神经网络

来源: 科技行者 编辑: FN008
相关阅读
  • 2026-09-17 21:30:02视频里的动作,AI是怎么"看懂"的 每日聚焦
  • 2026-09-17 20:06:01冲上热搜!iPhone Duo烫到“可以煎鸡蛋”?苹果客服最新回应 微动态
  • 2026-09-17 18:32:12微软补丁又翻车!Win11九月更新引发域登录故障:需手动修改注册表 焦点消息
  • 2026-09-17 17:22:26财中ETF风向标|港股创新药ETF广发(513120)连续17日净赎回,近5日累计净赎回7.65亿份 每日速读
  • 2026-09-17 16:06:569月17日多晶硅期货收盘下跌0.82%,报36490元-今日关注
  • 2026-09-17 12:20:5242载牵挂终如愿!两地公安助力离散母女团圆 要闻速递
  • 2026-09-17 09:30:11队报:南特老板基塔暗示因降级压力自己可能不再掌管俱乐部
  • 2026-09-17 07:03:509月16日科创创新药ETF国泰基金份额增加5200万份,重仓股艾力斯、百济神州、荣昌生物 天天资讯
  • 2026-09-16 22:07:37快讯:春雨医疗(00108):邵继有获提名为执行董事
  • 2026-09-16 20:37:192016年杜兰特选择加盟勇士,真的只用一句“投敌”就能概括?_焦点讯息
  • 2026-09-17 21:30:02视频里的动作,AI是怎么"看懂"的 每日聚焦
  • 2026-09-17 21:24:20一线城市房价止跌转涨 房企分化加速格局重塑|焦点热文
  • 2026-09-17 21:24:03网联:今年入境来华移动支付交易额同比增长40% 热闻
  • 2026-09-17 21:11:01快资讯丨毛戈平(01318)将于10月20日派发中期现金股利每股0.718254港元
  • 2026-09-17 21:09:34和讯信息沈志华:靴子落地!A股冲高回落!节前还会大涨吗?|焦点要闻
  • 2026-09-17 20:06:01冲上热搜!iPhone Duo烫到“可以煎鸡蛋”?苹果客服最新回应 微动态
  • 2026-09-17 20:05:38美丽田园医疗健康:拟合计认购浦发银行保本理财产品3亿元
  • 2026-09-17 20:03:40开润股份:每10股派现2.65元,股权登记日为9月22日_每日精选
  • 2026-09-17 20:03:35热门:【调研快报】汉马科技接待投资者网上提问调研
  • 2026-09-17 19:33:43今日热讯:申花vs淡滨尼流浪者:双外援PK六外援,特谢拉、阿苏埃首发
  • 2026-09-17 19:31:45当前焦点!高汇平台:电信结算引入稳定币新路径
  • 2026-09-17 19:15:58郯城县胜利镇商会:精准履职搭平台 银企对接纾企困促发展
  • 2026-09-17 18:32:12微软补丁又翻车!Win11九月更新引发域登录故障:需手动修改注册表 焦点消息
  • 2026-09-17 18:31:38梅里诺:道曼像亚马尔,他们都有非凡的天赋并且非常谦逊 最新
  • 2026-09-17 18:24:45米利西奇:仍需要给一些新人机会,否则无法着眼未来建设球队 重点聚焦
  • 2026-09-17 18:22:53实时焦点:稀土价格坚挺叠加磁材需求回暖 有色金属配置主线明确
  • 2026-09-17 18:13:31PriceSeek提醒:9月17日华东醋酸丁酯行情延续上行 当前信息
  • 2026-09-17 17:25:49伦敦8月进口超100吨瑞士黄金 每日速讯
  • 2026-09-17 17:23:26恒瑞医药:首次回购公司A股股份33.5万股
  • 2026-09-17 17:22:26财中ETF风向标|港股创新药ETF广发(513120)连续17日净赎回,近5日累计净赎回7.65亿份 每日速读
  • 2026-09-17 17:19:09每日速递:广西超3万吨转体桥成功跨越两条铁路
  • 2026-09-17 17:14:239月17日华宝股份涨停:烟草,人造肉,西藏概念概念热股
  • 2026-09-17 17:04:05国博电子:公司已于2025年制定《市值管理办法》 视点
  • 2026-09-17 17:03:41夜生活学点啥?化妆、手语、手机摄影写进市民夜校“新课表”
  • 2026-09-17 16:40:48见一座无锡,从这里开始 无锡锡喆寓,希尔顿格芮精选酒店盛大开业
  • 2026-09-17 16:15:15科创板收盘播报:科创50指数跌0.61% 科创综指跌0.15%|今亮点
  • 2026-09-17 16:09:29官渡区树果食品销售经营部(个体工商户)成立 注册资本5万人民币_焦点快看
  • 2026-09-17 16:07:20每日消息!生意社:9月17日默伊维化工(上海)苯酚价格上调
  • 2026-09-17 16:06:569月17日多晶硅期货收盘下跌0.82%,报36490元-今日关注
  • 2026-09-17 16:06:04浙江龙盛:截至2026年9月10日,公司股东总户数104,487户
  • 2026-09-17 16:05:33丰田发布Hilux氢燃料电池版车型预告图!将于2028年推出! 今日观点
  • 2026-09-17 15:56:20每日消息!南充弘佑泽建筑劳务有限公司成立 注册资本200万人民币
  • 2026-09-17 15:07:36零跑汽车拟参与中国一汽旗下公司A轮融资
  • 2026-09-17 14:35:26中国女足vs乌兹女足半场数据:中国女足全面占优,但比分落后|前沿热点
  • 2026-09-17 14:30:47热讯:涨价1.6万/㎡,深圳豪宅疯了!
  • 2026-09-17 14:24:07最资讯丨不打伪9也不行了,卡里克的曼联究竟差在哪?
  • 2026-09-17 14:23:00新鲜零食升级价值战 ST绝味卤味供应链成突围关键
  • 2026-09-17 14:17:55钛能化学拟向白银新材料增资30亿元 微头条
  • 2026-09-17 12:35:58通讯!我国成功发射天仪51、52星
  • 2026-09-17 12:29:12焦点速看:我国成功发射天仪51、52星
  • 2026-09-17 12:25:49建筑行业盈利承压但现金流改善 红利与能源工程成新突破口
  • 2026-09-17 12:20:5242载牵挂终如愿!两地公安助力离散母女团圆 要闻速递
  • 2026-09-17 12:15:09每日快讯!携程集团-S(09961.HK)今早回落逾3%,该股昨日低开高走收涨近4%
  • 2026-09-17 12:07:57瑞银上调联合太平洋目标价至339美元|通讯
  • 2026-09-17 12:01:20朗新科技:公司业务目前涉及核电领域占比极少 今日关注
  • 2026-09-17 10:37:25每日快播:《生化危机》电影口碑首曝:紧张感拉满 像在玩游戏
  • 2026-09-17 10:32:46库利巴利:我跟达瓦萨里说不进球就“杀”了你,然后就进球了
  • 2026-09-17 10:29:29暖心救助!解放派出所四小时不懈搜寻成功找回走失群众_独家
  • 2026-09-17 10:26:22资讯:华硕ROG影魔分体键盘新增HFX V2X磁轴版,到手价2251.65元
  • 2026-09-17 09:35:53实时:淡滨尼流浪者主帅纳西尔:上海申花是一支非常出色的球队
  • 2026-09-17 09:31:43每日观点:第一时间看真机 努比亚“豆包手机二代” 实测来啦!
  • 2026-09-17 09:30:11队报:南特老板基塔暗示因降级压力自己可能不再掌管俱乐部
  • 2026-09-17 09:27:41每日讯息!快讯:恒指低开0.94% 科指跌1.03% 科网股、黄金股低迷
  • 2026-09-17 09:26:11焦点快看:[快讯]聚仁新材9576万限售股9月21日解禁
  • 2026-09-17 09:23:37打造一站式旅居养老服务|看点
  • 2026-09-17 08:31:14帕尔梅拉斯两回合7-6战胜基多大学进入四强,维托尔-罗克点射-动态焦点
  • 2026-09-17 08:28:09巴萨7比2大胜桑坦德竞技,霍安·加西亚伤退
  • 2026-09-17 08:23:06山西安检升级致供给收缩 煤价上涨驱动业绩改善_讯息
  • 2026-09-17 08:21:26微动态丨新华视评丨“助学遭威胁”剧情反转:博流量不能无底线
  • 2026-09-17 08:10:499月16日电力ETF华宝基金份额减少50万份,重仓股长江电力、中国核电、三峡能源
  • 2026-09-17 07:09:42今日热搜:9月16日科创综指ETF华夏基金份额减少800万份,重仓股寒武纪、海光信息、中微公司
  • 2026-09-17 07:08:069月16日科创200ETF国泰基金份额减少600万份,重仓股汇成股份、鼎通科技、杰普特
  • 2026-09-17 07:03:509月16日科创创新药ETF国泰基金份额增加5200万份,重仓股艾力斯、百济神州、荣昌生物 天天资讯
  • 2026-09-17 07:01:206连板牛股,紧急提示
  • 2026-09-17 06:24:29[快讯]亿道信息65万限售股9月24日解禁
  • 2026-09-17 06:18:29PriceSeek提醒:9月16日山东甲醇市场行情走高分析 焦点讯息
  • 2026-09-17 06:10:40今日热闻!石药集团SYH2069注射液用于治疗成人2型糖尿病的II期临床试验在中国首个研究中心启动
  • 2026-09-16 22:25:061亿人共同选择 爱玛电动两轮车全球销量超1亿台
  • 2026-09-16 22:15:40有研硅龙虎榜:营业部净买入7.06亿元 每日快播
  • 2026-09-16 22:07:37快讯:春雨医疗(00108):邵继有获提名为执行董事
  • 2026-09-16 22:06:10今日报丨瑞声科技(02018.HK)9月16日回购591.15万港元,已连续2日回购
  • 2026-09-16 22:03:31佳都科技(600728.SH):拟放弃参股公司增资优先认购权
  • 2026-09-16 21:37:16扑出关键点球,戴维-拉亚当选英超第4轮最佳球员_看点
  • 2026-09-16 21:34:232-1!国足U23侥幸取胜,拜“玄冥二老”所赐,球迷为吴曦鸣不平,|视点
  • 2026-09-16 21:29:45时隔八年重返四强!日本男篮二队创纪录 日媒:冲击64年首次决赛 焦点速递
  • 2026-09-16 20:38:37意媒:尤文和米兰欧联杯全胜可进账4500万至5000万欧 今日热讯
  • 2026-09-16 20:37:192016年杜兰特选择加盟勇士,真的只用一句“投敌”就能概括?_焦点讯息
  • 2026-09-16 20:34:12“牛散”钟革大手笔!竞得000020超300万股,近期豪掷超2.67亿元布局两家A股公司
  • 2026-09-16 20:31:31每日快报!盐城市亭湖区盐东镇生建村中秋节前为群众送温暖
  • 2026-09-16 20:27:4920岁小将当选全场最佳,他赛后第一个电话打给了妈妈 每日短讯
  • 2026-09-16 20:21:46前沿热点:沪深市场,又现“小肉签”
  • 2026-09-16 19:16:04哔哩哔哩-W(09626)因购股权获行使而发行3.1万股Z类普通股 头条焦点
  • 2026-09-16 19:15:42微晶纤维素商品报价动态(2026-09-16)
  • 2026-09-16 19:14:21小米集团-WR(81810.HK)9月16日收盘跌1.58%
  • 2026-09-16 19:08:41热点!9月上旬重点钢企粗钢日产192.4万吨 日环比增长2.0%
  • 2026-09-16 19:08:15焦点!9月16日顺酐产业链情报
  • 2026-09-16 19:07:209月16日中厚板产业链情报|每日看点
  • 2026-09-16 18:36:53官方:曼联与U21小将希思、普兰科特、默多克签署职业合同
  • 2026-09-16 18:35:00即时焦点:本赛季英超运动战中创造机会榜:厄德高、格罗斯11次并列第一
  • 2026-09-16 18:33:28每日快讯!NCE平台:单笔交易扩容打开应用设计空间
  • 2026-09-16 18:29:56当前信息:红色薪火启新程!苏州市相城区黄埭镇开展“四代同忆长征魂 红色薪火启新程”主题分享活动
  • 2026-09-16 18:24:50每日焦点!比肩周琦王治郅!廖三宁砍30+7+4拯救中国男篮
  • 2026-09-16 17:54:58苏州湖东社区有藏式养生馆吗?太医临金湖湾店提供霍尔灸、藏浴熏蒸
  • 2026-09-16 17:29:57每日消息!巴萨启动拉菲尼亚续约谈判,合同至2028年
  • 2026-09-16 17:28:45赢得太险了!中国男篮晋级亚运会半决赛!
  • 2026-09-16 17:03:45焦点简讯:沪农商行(601825.SH)2026年半年度权益分派:每股派利0.2499元
  • 2026-09-16 16:59:07机构席位买入1219.53万 北交所上市公司维琪科技登龙虎榜
  • 2026-09-16 16:58:24昂瑞微(688790)龙虎榜数据(09-16)
  • 2026-09-16 16:54:39寻甸羊街静源再生资源经营部(个体工商户)成立 注册资本10万人民币|关注
  • 2026-09-16 16:32:18雷军:小米汽车累计路测超4000万公里
    • 苏州
    • 江苏
    • 财经
    • 娱乐
    • 旅游
    • 时尚

    前11月江苏船舶出口超

    网联:今年入境来华移

    非遗技艺变身“潮品制

    前沿热点:沪深市场,

    今天,金牌是否不那么

    当前焦点!高汇平台:电

    最新资讯

  • 最早将在4月底发射 龙飞船有望成首个载人商业航天器
  • 又见高空坠物 这次扔下来的竟然是玻璃茶几
  • 苏州轨道交通3号线今起空载试运行 将于12月底试运营
  • 十四台高水准音乐演出 江南之声,以音乐节的名义致敬古典
  • 2019江苏省“长江经济带”全民健身大联动暨“舞动江苏”无锡赛区启动仪式举行
  • 以合作致共赢 江苏日本开放创新合作交流会在东京举行
  • 走进江苏各地博物馆 寻找文物上的“萌娃”们
  • 新沂城市水环尽显生态活力:碧水绕城 绿荫满城
  • “强网”拟态防御国际精英挑战赛:29支“白帽黑客”战队谁能突防?
  • 南京楼市上半年推房或超去年全年
  • 被阿扎尔踢过的球童,13年后卖公司赚了3亿英镑_焦点观察
  • 奉劝60到70岁的男性,这个岁数如果贪色,就是这辈子最致命的坑
  • 解锁出行新玩法|爱玛遛玛风格片场落地苏州,四大片场火出圈
  • 多名美科技企业家呼吁放缓AI发展步伐,扎克伯格表态
  • 北京2026年入秋日期较常年提前5天_今日要闻
  • 图赫尔自曝遗憾:赛后没吃一口世界杯草皮-焦点讯息
  • 大唐石城子光热电站单次连续发电运行突破50小时
  • 万豪酒店亮相厦门科创腹地 厦门集美万豪酒店精彩启幕
  • 苏州天脉上半年净利降8成 2024上市募6亿国投证券保荐
  • 中山市禾久金属材料有限公司成立 注册资本100万人民币
  • 今日看点:茂名市茂南区串好炸食品店(个体工商户)成立 注册资本1万人民币
  • 每日热闻!佛山市南海区蜜糯甜品店(个体工商户)成立 注册资本10万人民币
  • 今日聚焦!07年选秀前十重排:霍福德探花,小加索尔次轮逆袭,杜兰特成状元
  • HBO总裁回应苹果Apple TV首夺艾美奖第一平台:有点压力
  • 每日讯息!单场进6球 终结亚冠13轮不胜 这一仗海港赢得痛快!
  • 播报:费县鼎曜木业板材厂(个人独资)成立 注册资本50万人民币
  • 潍坊嘉叙艺术品有限公司成立 注册资本100万人民币|速递
  • 【独家】梁山锦隆机械设备有限公司成立 注册资本100万人民币
  • 瞄准“筷子夹”火箭回收 箭元科技完成新一轮融资,半年累计融资超23亿元
  • 童趣、音浪与海味齐聚 三亚・亚特兰蒂斯国庆三重奏焕新登场
  • 观热点:600 万到 1400 万:海淀北部的选购路径与看房必须核的九项
  • 当前关注:皇马生涯西甲出场达250场,巴尔韦德:希望继续赢冠军创历史
  • 斯科特:湖人错失库明加太可惜,他的运动能力很适合
  • 14份合同+第二土豪线:尼克斯这笔一年签约藏着什么算盘 每日视点
  • 今日要闻!志邦家居渠道重构加速 盈利修复预期升温
  • 每日焦点!保变电气承制大同—天津南首台1000千伏电抗器顺利发运
  • 首批国家基本医保医疗服务项目目录制定方案发布_头条焦点
  • 引力一号遥三升空,海上飞行试验取得圆满成功|航天早参
  • 【速看料】首次制定全国统一医保医疗服务项目目录 首批覆盖13个类别
  • 美丽华酒店完成收购旺角文华商场物业的50%实际权益_当前热点
  • 今日热闻!一箭十星 朱雀二号改进型遥七运载火箭发射成功
  • 卫星化学乙烷成本下行 景气修复叠加新项目放量 当前热议
  • 9月16日生意社菜籽粕基准价为2420.00元/吨
  • 9月16日生意社煅后焦基准价为2750.00元/吨
  • 微资讯!9月16日生意社丙烯腈基准价为10833.33元/吨
  • 阿森纳豪取赛季开局七连胜
  • 直击引力一号海上发射 从研发到发射在上海闭环
  • 每日讯息!日本出口增长维持高位,对美出口增幅领先
  • 每日短讯:TA:麦卡已找回昔日巅峰状态;热刺配合越来越好就差一场大胜
  • 焦点信息:直通塘栖!杭州地铁9号线二期开启试运行
  • 今日视点:9月15日广发国证石油天然气ETF基金份额减少100万份,重仓股杰瑞股份、中国石油、中国海油
  • 快报:9月15日科创100ETF南方基金份额减少300万份,重仓股普冉股份、华峰测控、芯源微
  • 9月15日科创AIETF博时基金份额减少1800万份,重仓股芯原股份、海光信息、澜起科技 今日播报
  • 9月15日科创100ETF汇添富基金份额减少300万份,重仓股普冉股份、华峰测控、芯源微-焦点速读
  • 焦点精选!9月15日科创AIETF鹏华基金份额减少250万份,重仓股芯原股份、海光信息、澜起科技
  • 希捷科技:董事兼高管William D. Mosley拟出售1963股,市值约153.37万美元
  • 焦点快播:DeepSeek工程师刘胜与:会继续坚持写算子以及不断引入AI Agent写算子
  • 天天快报!这是被剥夺了成长的机会吗?一张洗过的棉被,让大学生被全网嘲笑巨婴
  • 英伟达CEO黄仁勋:AI安全至关重要 但无需制定新法律|当前资讯
  • 41岁C罗亚冠又失态?不满被贴防+挥肘击倒对手!溃败后黑脸直接离场
  • 今日播报!星悦康旅(03662.HK)获股东宋浩东增持270万股
  • 今日热文:【调研快报】银星能源接待2026年度集体路演活动邀请的投资者调研
  • 英联股份:复合集流体产品目前处于客户应用验证及工艺优化阶段_当前信息
  • 今日热文:世纪恒通(301428.SZ):董事长杨兴海拟减持不超过2.57%股份
  • 贡萨洛:若攻破本菲卡球门不会庆祝,那里可以说就是我的家-焦点速讯
  • 合同签到2034年,巴萨皇马却盯上了2027年的他 精选
  • AI投资的“轻松钱”时代或已终结:资本支出激增远超收入增长|热资讯
  • 苏州市温州商会换届大会暨二十周年庆典圆满举行,胡加明博士当选第六届理事会会长
  • 2026网安周|让AI激发思想,用规范守护学术_每日速读
  • 化妆品需求韧性凸显 优质龙头盈利修复加速
  • ETF连续四周吸金33亿 券商看好金融地产板块回暖
  • 播报:并行科技全栈卡位AI算力爆发期 营收翻倍净利增7倍
  • 每日焦点!雄帝科技(300546.SZ):拟推2026年股票期权激励计划
  • 中国旺旺(00151.HK)回购302.90万股
  • 焦点资讯:重庆钢铁:9月14日高级管理人员谢超增持股份合计2万股
  • 欧亚集团换手率26.26%,机构龙虎榜净卖出4343.15万元
  • JBB BUILDERS(01903.HK)发盈警 预期年度股东应占亏损不超过100万林吉特 同比盈转亏|今头条
  • 百度集团-W(09888.HK)9月15日耗资4999.8万港元回购55.6万股
  • 【独家】朝聚眼科(02219.HK)9月15日斥资16.92万港元回购6.8万股
  • 美图公司创始人吴欣鸿再增持100万股,无减持计划
  • 华汇智能9月15日龙虎榜数据
  • Raymond James上调戴文能源目标价至67美元_焦点消息
  • 定安县漪达瑾商贸有限公司成立 注册资本1万人民币 速递
  • 路维光电:股东询价转让初步定价57.3元/股
  • 华兴源创:股东拟询价转让943.13万股 占总股本2%
  • 开局四连败不是世界末日?升班马25年后再战英超的真相
  • 速看:强势股追踪 主力资金连续5日净流入100股
  • 卓悦控股:9月11日资本重组减少已发行股份1812382130股
  • 【新视野】歌华有线(600037):歌华有线关于公司高级管理人员辞任
  • 前助教:我对基德的为人和执教能力评价不高
  • 香波特怒喷麦迪:我买过你的鞋,这就是你过不了首轮的原因
  • 那个被外孙“坑”了四年的青岛姥姥,在睡梦中安静地走了-每日头条
  • 联发科天玑9600 Pro发布,采用台积电2nm工艺 精彩看点
  • 四大AI预测阿贾克斯vs威廉二世:各家均看好主队大胜-焦点速读
  • 百事通!阿什拉夫遭遇大腿伤情,摩洛哥非洲杯预选赛大名单存巨大变数
  • 讯息:利兹联4-1大胜纽卡冲到第三名,法尔克:我们必须保持谦逊
  • 江西泰和:晾晒地肤草-每日热讯
  • 硫酸软骨素商品报价动态(2026-09-15)
  • 生意社:9月15日鲁西化工异丁醛报价趋稳 快资讯
  • 数智赋能水网建设,科技守护江河安澜 ——河海大学“智水问源”实践团赴南京、扬州开展调研
  • 曲水兰亭养生日常·生活方式背后的松弛逻辑
  • 义福光电(广东)有限公司成立 注册资本500万人民币
  • 9月15日虚拟数字人板块跌幅达2%
  • 农业股持续下挫 花溪科技跌超18%|今日热文
  • 今日聚焦!9月15日广告媒体板块跌幅达2%
  • 英联杯赛前,阿尔特塔征召曼联出身的19岁阿森纳新援,参与一线队训练-资讯
  • AI大佬呼吁暂停开发 芯片巨头股价集体重挫|头条焦点
  • 詹姆斯晒高尔夫新作:和发小在阿克伦打球,一定要看啊 资讯
  • 电投产融、中国一重集团等成立核能新公司
  • 午评:创业板指跌0.18% 风电设备、半导体等板块走高