央企信托—浙江HZ721政信
50萬-300萬，6.0%-6.1%
【融資人】公開發(fā)債主體，評(píng)級(jí)AA+，實(shí)際控制人是區(qū)人民政府，總資產(chǎn)為680億，融資人資產(chǎn)規(guī)模大，和金融機(jī)構(gòu)合作良好，政府支持力度大，AA+評(píng)級(jí)違約風(fēng)險(xiǎn)很低！
【擔(dān)保人】AA+發(fā)債主體，實(shí)際控制人是區(qū)財(cái)政局，總資產(chǎn)為460億，資產(chǎn)規(guī)模大。擔(dān)保人各金融機(jī)構(gòu)支持力度大，財(cái)務(wù)彈性高，政府支持力度大，擔(dān)保能力強(qiáng)！

---

其他優(yōu)質(zhì)項(xiàng)目推薦：
【一覽群智率先開啟多模態(tài)預(yù)訓(xùn)練“大模型”的落地應(yīng)用，深度探索行業(yè)價(jià)值】
　　3月20日，北京智源人工智能研究院舉辦“智源悟道1.0 AI研究成果發(fā)布會(huì)暨大規(guī)模預(yù)訓(xùn)練模型交流論壇”。北京市科委、中關(guān)村管委會(huì)副主任許心超出席會(huì)議并致辭。北京大學(xué)、清華大學(xué)、中國人民大學(xué)、中國科學(xué)院等高校院所的專家學(xué)者，美團(tuán)、快手、搜狗、360、一覽群智、循環(huán)智能等AI企業(yè)，以及新華社等應(yīng)用機(jī)構(gòu)代表參會(huì)。 　　隨著OpenAI超大規(guī)模語言模型GPT-3的發(fā)布，預(yù)訓(xùn)練語言模型在自然語言理解能力上再次被推至新的高峰。發(fā)布會(huì)上，中國人民大學(xué)高瓴人工智能學(xué)院執(zhí)行院長(zhǎng)、智源首席科學(xué)家、一覽群智首席科學(xué)家文繼榮教授作了題為《用多模態(tài)預(yù)訓(xùn)練模型連接圖與文》的主題報(bào)告，發(fā)布了第一代“悟道·文瀾”，旨在發(fā)掘預(yù)訓(xùn)練模型在中文通用多模態(tài)數(shù)據(jù)上的理解能力，并展示了“多模態(tài)預(yù)訓(xùn)練模型-文瀾”方面的技術(shù)突破。 　　“悟道·文瀾”是“超大規(guī)模多模態(tài)預(yù)訓(xùn)練模型”，目標(biāo)是突破基于圖、文和視頻相結(jié)合的多模態(tài)數(shù)據(jù)的預(yù)訓(xùn)練理論難題，并最終生成產(chǎn)業(yè)級(jí)中文圖文預(yù)訓(xùn)練模型和應(yīng)用，并在多個(gè)評(píng)測(cè)應(yīng)用上超過國際最高能。 　　目前，“悟道·文瀾”模型參數(shù)量達(dá)10億，基于從公開來源收集到的5000萬個(gè)圖文對(duì)上進(jìn)行訓(xùn)練，是首個(gè)公開的中文通用圖文多模態(tài)預(yù)訓(xùn)練模型。目前，該模型能已經(jīng)到達(dá)國際領(lǐng)先水，在中文公開多模態(tài)測(cè)試集AIC-ICC的圖像生成描述任務(wù)中，得分比冠軍隊(duì)高出5%;在圖文互檢任務(wù)中，得分比目前流行的UNITER模型高出20%。 　　為了展示如何使用“悟道·文瀾”模型，智源研究院聯(lián)合中國人民大學(xué)高瓴人工智能學(xué)院和一覽群智，推出“AI心情電臺(tái)”小程序，利用圖片和歌詞的相關(guān)，為用戶上傳的照片搭配最合拍的音樂。 　　布靈—為圖片賦予音樂的靈魂 　　用戶隨便上傳一張圖片后，布靈為用戶配上一首符合意境的歌?！禔I心情電臺(tái)》是使用BriVL提取圖像和文本特征，接著進(jìn)行圖文檢索，將圖片和歌詞特征進(jìn)行匹配，并將歌詞準(zhǔn)確定位到最符合圖片特征的歌詞位置。 　　“悟道·文瀾”為圖文音視頻等多模態(tài)數(shù)據(jù)在語義層面構(gòu)建了通路，使得可以通過操作語義向量的方式完成跨模態(tài)、混合模態(tài)的信息檢索、推薦、生成等任務(wù)。作為認(rèn)知智能行業(yè)領(lǐng)導(dǎo)者，一覽群智基于Transformer雙塔結(jié)構(gòu)的多模態(tài)預(yù)訓(xùn)練模型，推出智空-多模態(tài)文本轉(zhuǎn)化與生成臺(tái)，該產(chǎn)品在基于圖像的文本生成與打標(biāo)、場(chǎng)景語義解析、異常場(chǎng)景情況預(yù)警、多模態(tài)語義檢索以及智能信息檢索、問答系統(tǒng)等多場(chǎng)景內(nèi)率先開啟探索產(chǎn)業(yè)價(jià)值。 　　智空-靈活、智能的多模態(tài)文本轉(zhuǎn)化與生成臺(tái) 　　智空臺(tái)基于Transformer雙塔結(jié)構(gòu)的多模態(tài)預(yù)訓(xùn)練模型，可以生成多模態(tài)語義向量，支持TB 級(jí)向量的增刪改操作和實(shí)時(shí)查詢，具有高度靈活、穩(wěn)定可靠以及高速查詢等特點(diǎn)，涵蓋對(duì)圖片、文字、視頻進(jìn)行分類、打標(biāo)簽、以文搜圖、以圖搜文、以圖搜視頻等功能。展示了多模態(tài)預(yù)訓(xùn)練“大模型”的落地應(yīng)用，從而更有效率的服務(wù)于客戶，推動(dòng)技術(shù)邊界，與客戶一起創(chuàng)作更大的產(chǎn)業(yè)價(jià)值。 　　【案例一】基于圖像的文本生成及打標(biāo)簽 　　智空臺(tái)具備強(qiáng)大的視覺-語言檢索能力和一定的常識(shí)理解能力。可以實(shí)現(xiàn)用文本檢索圖像、以及用圖像生成文本的功能。同時(shí)，它還可以實(shí)現(xiàn)基于圖像的文本生成、為圖像打標(biāo)簽等功能。 　　盡管現(xiàn)有的一些文本生成模型可以生成相關(guān)的圖像描述，但卻存在著與用戶交互差、多樣低等問題。一方面，大多數(shù)圖像描述模型僅被動(dòng)地生成句子，并不考慮用戶感興趣的內(nèi)容或者期望描述的詳細(xì)程度。另一方面，這種被動(dòng)生成模式傾向于使用常見的高頻表達(dá)生成較為“安全”的句子，較為簡(jiǎn)單空洞，且缺乏關(guān)鍵的、用戶所需的細(xì)節(jié)信息。針對(duì)此痛點(diǎn)，智空基于雙塔結(jié)構(gòu)的多模態(tài)預(yù)訓(xùn)練模型可以達(dá)到模態(tài)級(jí)別的匹配、可處理文本弱相關(guān)、檢索速度快、實(shí)際場(chǎng)景易于部署等優(yōu)勢(shì)。 　　工作中，對(duì)于素材管理而言，一個(gè)常見的解決方案是去給素材庫中的每張圖片打上各種標(biāo)簽，然后便可以方便地去歸類、查找和檢索了。當(dāng)所有的素材都加上了合適的標(biāo)簽后，這確實(shí)會(huì)是一個(gè)相當(dāng)高效的管理和查找方式。只不過，這一切的前提基礎(chǔ)都是：你需要手動(dòng)將圖庫內(nèi)所有的內(nèi)容都加上合適的標(biāo)簽。這在少量?jī)?nèi)容時(shí)并不是什么問題，但是當(dāng)你的圖庫達(dá)到上千甚至更多的數(shù)量級(jí)時(shí)，手動(dòng)添加標(biāo)簽顯然變成了一個(gè)無法完成的任務(wù)。因此，當(dāng)前的圖像理解需要大量的人工標(biāo)注，且不利于標(biāo)簽數(shù)量的快速增加。 　　通過多模態(tài)預(yù)訓(xùn)練模型進(jìn)行內(nèi)容理解，可以為圖像提供更準(zhǔn)確更精細(xì)的標(biāo)簽，有利于物料分發(fā)和個(gè)化推薦。同時(shí)，借助于多模態(tài)信息處理，小規(guī)模樣本數(shù)據(jù)和非監(jiān)督的內(nèi)容理解將會(huì)有一定的突破。多模態(tài)包含比單模態(tài)更豐富的信息，并且存在一定的信息冗余，通過多模態(tài)之間信息相互增強(qiáng)和補(bǔ)充，在小規(guī)模樣本數(shù)據(jù)和非監(jiān)督內(nèi)容理解方面比單模態(tài)更有優(yōu)勢(shì)。 　　【案例二】智慧城市 　　在智慧城市建設(shè)中，智空臺(tái)充分運(yùn)用“視頻+AI+數(shù)據(jù)”技術(shù)，讓“城市大腦”的“眼睛”更加智能和明亮。匯聚處理海量多模態(tài)數(shù)據(jù)，及時(shí)發(fā)現(xiàn)異常行為情況，有效進(jìn)行預(yù)警接收和處理。 　　隨著天氣轉(zhuǎn)暖，越來越多市民開始掃碼騎行，共享單車再度變得“活躍”。因此，由“潮汐”現(xiàn)象引發(fā)的共享單車淤積新痛點(diǎn)也開始出現(xiàn)，期待各方合力破解。 　　在一些主要路段，每天早晚上下班高峰時(shí)段，居民騎車往來地鐵站、公交站點(diǎn)等，導(dǎo)致共享單車聚集量迅速達(dá)到峰值，而共享單車的調(diào)度卻趕不上"潮汐"起落的速度，局部車輛供需失衡現(xiàn)象嚴(yán)重，同時(shí)也帶來了在某個(gè)時(shí)間段停放雜亂無序的問題。另外，在一些主要路段的軌道交通站點(diǎn)出入口，這樣的情況也同樣存在。尤其是早晚上下班的高峰時(shí)期，很多單車就停在地鐵出口，越臨上班點(diǎn)越混亂，有的人發(fā)現(xiàn)快遲到了，就直接把單車一扔，匆匆走人。同樣的情況還會(huì)出現(xiàn)在小區(qū)門口，主要居住社區(qū)會(huì)在下班高峰期呈現(xiàn)單車堆疊、雜亂擺放的現(xiàn)象，阻礙各小區(qū)附的正常交通。 　　面對(duì)這種現(xiàn)象，傳統(tǒng)CV解決方案一般都是定制標(biāo)注訓(xùn)練相關(guān)業(yè)務(wù)邏輯模型，初始建設(shè)周期長(zhǎng)，并需要持續(xù)標(biāo)注以改進(jìn)效果，而且復(fù)用低，換個(gè)場(chǎng)景就需要重新構(gòu)建整個(gè)過程，這些都為實(shí)現(xiàn)業(yè)務(wù)效果帶來了時(shí)間和成本壓力，再考慮到前期硬件設(shè)備和網(wǎng)絡(luò)的基礎(chǔ)設(shè)施依賴，使得很多場(chǎng)景的解決方案只存在于PPT里，難以實(shí)際落地。 　　智空臺(tái)利用當(dāng)前視頻實(shí)時(shí)監(jiān)控采集回來的數(shù)據(jù)，通過圖文檢索+圖圖檢索，對(duì)抓拍的區(qū)域進(jìn)行智能分析，合理應(yīng)用資源，實(shí)現(xiàn)對(duì)共享單車場(chǎng)景監(jiān)測(cè)，對(duì)可能發(fā)生的潛在“危險(xiǎn)”提供數(shù)據(jù)支撐，配合有關(guān)部門進(jìn)行綜合治理。 　　整個(gè)檢索過程分為以下幾個(gè)步驟： 　　1.由街道、路口以及小區(qū)卡口攝像頭抓拍實(shí)時(shí)視頻流，數(shù)據(jù)接入智空系統(tǒng)，形成自己的圖數(shù)據(jù)庫 　　2.根據(jù)需求檢索信息，例如“共享單車”，實(shí)時(shí)檢索當(dāng)前有關(guān)共享單車的主要場(chǎng)景 　　3.對(duì)共享單車異常擺放或存在阻礙交通的圖片進(jìn)行偏好標(biāo)注，提取所有場(chǎng)景異常圖片 　　4.判斷異常問題是否需要上報(bào)處理 　　在整個(gè)過程中，將降低人工定期定點(diǎn)巡查的工作量;同時(shí)，更加智能的計(jì)算出共享單車在某一特定位置的態(tài)勢(shì)發(fā)展，有利于綜合部門制定應(yīng)對(duì)政策。 　　【案例三】個(gè)人相冊(cè)智能搜索 　　隨著智能手機(jī)像素的提升、存儲(chǔ)的增大，用戶在相冊(cè)里面的照片越來越多，不再是幾十張，動(dòng)不動(dòng)就有幾百張上千張。形式也不僅僅是jpg，還有大量的短視頻、gif圖等。通長(zhǎng)情況下，大部分照片拍過之后就再也沒看過，但是當(dāng)需要查找的時(shí)候就只能憑借臨日期不停翻找。因此，如何將海量照片進(jìn)行智能管理，分類有序、快速查找，是很多用戶的需求。 　　常見的數(shù)字相冊(cè)，只能通過照片的meta信息如時(shí)間、地點(diǎn)進(jìn)行檢索，進(jìn)一步也只能實(shí)現(xiàn)基于人臉識(shí)別的人像檢索、基于物體識(shí)別的物品檢索、基于OCR的圖像文字檢索，對(duì)于生活中可能出現(xiàn)的更多類型的內(nèi)容要素很難覆蓋全面，更無法通過理解語義的方式實(shí)現(xiàn)更個(gè)化的語義檢索。 　　面對(duì)這些痛點(diǎn)，智空臺(tái)充分利用用戶的自有數(shù)據(jù)，構(gòu)建語義向量數(shù)據(jù)庫，并結(jié)合實(shí)時(shí)多模態(tài)數(shù)據(jù)向量化能力，快速檢索用戶所需要的的圖片，幫助用戶隨時(shí)隨地快速的找回曾經(jīng)有價(jià)值的記憶，提升用戶體驗(yàn)。 　　智空利用多模態(tài)預(yù)訓(xùn)練模型、實(shí)時(shí)向量數(shù)據(jù)庫、跨模態(tài)語義操作等領(lǐng)先技術(shù)，不僅跨越了傳統(tǒng)知識(shí)圖譜構(gòu)建、分類標(biāo)簽標(biāo)注、人工規(guī)則檢索的復(fù)雜系統(tǒng)構(gòu)建過程，而且極大的簡(jiǎn)化了檢索過程，標(biāo)志著多模態(tài)信息檢索邁入了真正的語義檢索時(shí)代，未來將會(huì)在更多的應(yīng)用場(chǎng)景發(fā)揮巨大潛力。

大額現(xiàn)金存銀行，那么現(xiàn)在都有哪些高利息的理財(cái)方式？
　　大額現(xiàn)金存銀行，高利息理財(cái)方式主要有一般性定期存款，大額存單、智能存款，私人銀行定制產(chǎn)品以及一些分紅類的保險(xiǎn)產(chǎn)品。 　　必須明確一點(diǎn)，未來銀行不會(huì)出現(xiàn)高息理財(cái)方式，理財(cái)產(chǎn)品會(huì)全部?jī)糁敌汀? 　　12月27日，銀保監(jiān)會(huì)、人民銀行發(fā)布《關(guān)于規(guī)范現(xiàn)金管理類理財(cái)產(chǎn)品管理有關(guān)事項(xiàng)的通知（征求意見稿）》（以下簡(jiǎn)稱《通知》），加強(qiáng)對(duì)現(xiàn)金管理類理財(cái)產(chǎn)品的監(jiān)管，同時(shí)設(shè)置一年的過渡期，防范銀行在過渡期結(jié)束前集中拋售資產(chǎn)出現(xiàn)斷崖效應(yīng)。 　　上述所列舉的產(chǎn)品屬于類貨幣型基金式的現(xiàn)金管理業(yè)務(wù)，其風(fēng)險(xiǎn)相對(duì)較小，收益適中。 　　1、大額存單 　　大額存單是銀行推出的面向投資者的大額記賬式存款憑證。其特點(diǎn)是可以自由轉(zhuǎn)讓，（大部分銀行都是可以的），其次是可以提前支取，提前支取時(shí)靠檔計(jì)息。其收益比一般性中長(zhǎng)期定期存款高。唯一的缺點(diǎn)是參與的門檻較高，但考慮到題主是大額的現(xiàn)金存款，可能這一條沒有什么障礙。目前大額存單的平均利率大概在4.2%上下。 　　2、智能存款 　　智能存款是民營(yíng)銀行攬儲(chǔ)的一個(gè)利器。是中長(zhǎng)期存款與大額存單相結(jié)合的一個(gè)創(chuàng)新型產(chǎn)品。同樣可以提前支取，靠檔計(jì)息，但是不能自由轉(zhuǎn)讓，其流動(dòng)性較差。在收益方面，須存滿所約定的年限才能夠取得最高的收益。比如沿海銀行，盛京銀行，億聯(lián)銀行等等。5年期最高回報(bào)可達(dá)5.4%。當(dāng)前整個(gè)智能存款的回報(bào)均值大概在5%左右。 　　3、一般性定期存款 　　一般性定期存款投資者使用最多是3年期和5年期。當(dāng)前3年期和5年期的定期存款的基準(zhǔn)利率是2.75%。考慮到各個(gè)銀行根據(jù)自己的具體情況有所上浮，其實(shí)際執(zhí)行利率遠(yuǎn)高于基準(zhǔn)利率。其上浮的幅度30%~%55%不等，如果上浮55%，其回報(bào)率可高達(dá)2.75%*1.55=4.2625%，這也是一個(gè)低風(fēng)險(xiǎn)、收益較高的高息理財(cái)產(chǎn)品。 　　4、私人銀行和保險(xiǎn)類 　　目前各大銀行對(duì)上千萬資產(chǎn)的客戶都會(huì)配置私人理財(cái)顧問，即私人銀行家，通常私人銀行家會(huì)根據(jù)客戶的不同需求和實(shí)際情況，設(shè)計(jì)定制化的產(chǎn)品和進(jìn)行資產(chǎn)配置，其年化收益大約在6%上下。但是風(fēng)險(xiǎn)和門檻比較高。 　　至于保險(xiǎn)系的理財(cái)產(chǎn)品，大部分屬于分紅型和年金型，目前整體收益在4%左右，但是比較坑人的是這些產(chǎn)品參與之后不能隨時(shí)退出，如果退出其收益大打折扣，有些產(chǎn)品還損失本金！ 　　總之，理財(cái)收益是必須的，但是首先的考慮風(fēng)險(xiǎn)，不要為了高息而損失本金可就得不償失！