Techub News 專訪高鋒集團合夥人、Web3Labs行政總裁黃俊瑯:以資本與生態,賦能傳統企業Web3轉型

本次專訪聚焦高鋒集團如何透過資本投入與生態資源,助力傳統企業邁向Web3轉型。從近期戰略參與上市公司德祥地產的配股出發,高鋒集團合夥人、Web3Labs CEO黃俊瑯(Caspar)分享了集團的戰略思考、核心優勢、執行機制,以及對傳統企業轉型痛點的觀察與未來願景。這場對話展現了高鋒集團與Web3Labs在「實物資產代幣化」(RWA)等領域的創新實踐,以及他們致力成為傳統企業數字化轉型可靠夥伴的定位。

戰略投資德祥地產:搭建Web3與傳統實體經濟的橋樑

Techub News:Caspar您好。我們注意到高鋒集團近期戰略性參與了上市公司德祥地產的配股。這在市場看來頗為創新,能否請您談談這次投資背後的戰略思考?

黃俊瑯:這次對德祥地產的投資,對我們而言,遠超一次單純的財務投資。它是一個清晰的信號,也是我們戰略的關鍵落子。高鋒集團的核心使命之一,是搭建Web3前沿科技與傳統實體經濟之間的橋樑。德祥擁有紮實的房地產業務與實物資產,這正是探索「實物資產代幣化」(RWA)最具潛力的領域。我們這次參與,是協助其啟動轉型的第一步,未來將結合我們的專業生態,共同探索如何利用區塊鏈技術提升資產流動性、透明度和運營效率,為傳統地產業務注入新的增長動能。

資本之外的核心價值:生態賦能與一站式支持

Techub News:我們了解到高鋒集團是一個風險投資平台。在協助企業轉型時,除了資本,集團還能提供哪些獨特的價值?

黃俊瑯:資本只是入場券,我們的核心優勢在於「生態賦能」。高鋒集團長期專注於前沿科技投資,在Web3領域已構建了一個覆蓋基礎設施、應用協議、合規服務等的全球性生態網絡。當我們與傳統企業合作時,帶來的是一個經過篩選、高度協同的資源包:包括頂尖的技術方案商、熟悉合規要求的法律團隊、具備通證經濟設計經驗的顧問,以及潛在的戰略合作夥伴。我們不僅投入資金,更致力於成為企業的「轉型合夥人」,提供從頂層戰略設計到技術落地的一站式支持,極大縮短企業的探索路徑與試錯成本。

Web3Labs的角色:行業前沿的總承包商與头部孵化平台

Techub News:在具體執行層面,集團旗下的Web3Labs扮演著怎樣的角色?它如何驅動轉型過程?

黃俊瑯:Web3Labs是我們賦能戰略的「Web3旗艦孵化平台」。它本身誕生於Web3原生環境,股東與合作夥伴網絡涵蓋了行業頭部的基金、開發者社區、交易所及媒體。我們通過Web3Labs舉辦過大量行業峰會、開發者黑客松和產業研討會,這讓我們始終處於行業脈動的前沿,並積累了深厚的社區與技術資源。在具體項目中,Web3Labs會作為「總承包商」,為企業定制轉型路線圖,並調動整個生態的資源進行對接與孵化,確保項目的可執行性與市場契合度。

傳統企業轉型的痛點與高鋒的差異化優勢

Techub News:德祥地產是一個典型案例。目前是否還有其他傳統企業正在與你們洽談合作?在您看來,傳統企業邁向Web3的主要顧慮和挑戰是什麼?

黃俊瑯:是的,我們正在與多個來自金融、零售、文化等領域的上市公司及規模化企業進行深入洽談。我們觀察到,企業的顧慮主要集中在三點:一是技術門檻與合規風險,二是對商業模式變革的不確定性,三是缺乏既懂Web3又懂傳統業務的執行團隊。而這正是我們的差異化優勢所在。我們團隊兼具「雙重認知」:既有深厚的Web3行業經驗,也深刻理解傳統企業的業務邏輯、監管環境和決策流程。我們能幫助他們在合規框架內,設計出務實、漸進的轉型方案,先通過試點項目建立認知與信心,再逐步擴大規模。

未來願景:助力香港成為數字資產與實體經濟融合的全球樞紐

Techub News:展望未來,高鋒集團與Web3Labs在推動香港乃至更大範圍的產業Web3化方面,有怎樣的願景和計劃?

黃俊瑯:我們的願景是成為亞太地區最值得信賴的Web3轉型賦能者。短期內,我們會持續深化與像德祥這樣具有標杆意義的上市公司合作,打造出更多可複製的成功案例。中長期,我們希望構建一個更開放的「傳統企業轉型聯盟」,將我們的資本、技術、生態網絡與更多行業的龍頭企業對接。香港擁有極佳的國際金融基礎和正在完善的Web3政策環境,我們希望通過自身的實踐,助力香港鞏固其作為全球數字資產與實體經濟融合創新樞紐的地位。

本次專訪清晰呈現了高鋒集團與Web3Labs的創新模式:不僅提供資本,更透過深度生態賦能與「雙重認知」團隊,系統解決傳統企業在Web3轉型中的技術、合規與執行痛點。以德祥地產為起點,他們正積極打造可複製的標杆案例,並展望構建更廣泛的轉型聯盟。黃俊瑯的分享顯示,高鋒集團正以務實、漸進的方式,成為傳統企業穿越數字化浪潮中最可靠的合作夥伴,同時助力香港在全球Web3與實體經濟融合中扮演關鍵角色。

Read more

copilot在wsl中无法工作

copilot在wsl中无法工作

copilot 在 wsl 中无法工作——vscode remote develop 代理设置 通过本文,你可以了解: 1. 如何解决 copilot 在 wsl 中无法使用的问题 2. wsl和宿主机之间的网络通信 3. vscode 的 remote develop 代理设置 问题表现 如果你有以下问题之一: 1. 对话没有输出 2. 显示 fetch failed 3. 模型名称不显示 问题分析 查看 copilot chat 的 output 显示: 如果显示 proxies 相关问题,可以确定是 WSL 中运行的 vscode 调用了宿主机的 proxy

论文阅读:MI-MBFT: Superior Motor Imagery Decoding of Raw EEG Data Based on a Multi-Branch and Fusion T

MI-MBFT:基于多分支融合Transformer框架的原始脑电数据运动想象解码增强方法 全名:MI-MBFT: Superior Motor Imagery Decoding of  Raw EEG Data Based on a Multi-Branch and  Fusion Transformer Framework Authors:Jingjing Luo+∗, Member, IEEE, Qiying Cheng+, Hongbo Wang*, Member, IEEE, Qiang Du, Youhao Wang and Yang Li, Senior Member, IEEE Abstract: 问题:EEG的非平稳特性及其时空特征对大脑状态和环境因素的易感性带来了巨大的挑战。大多数深度学习解码网络倾向于关注局部特征,导致其在适应全局依赖关系时存在局限性。 解决方法:本文提出了一种端到端的多分支和融合转换器( MBFT )框架,

2025年第27届中国机器人及人工智能大赛自主巡航实战经验分享

作为连续两届参加中国机器人及人工智能大赛并拿下国一的"老兵",我想跟大家分享一些在自主巡航项目中的实战经验。这个项目看起来简单,但真正做起来才发现里面有太多坑需要踩,希望我的一些经验能让你少走弯路。 一、项目实战理解 刚开始接触这个项目时,我和团队都以为主要难点在于算法的精巧设计。结果第一年比赛只拿了个国二,回来复盘才发现,比赛成败的关键不在于算法多高级,而在于系统的鲁棒性和稳定性。 场地中那些任务信息图像看似简单,但在不同光照、不同角度下识别难度差异很大。记得去年决赛时,有支985高校的队伍用了很牛的深度学习算法,结果在现场因为光照问题,识别率直接掉到40%以下,连基本的任务点都没完成。 核心任务拆解: * 语音识别与播报(10分) * 三次任务点识别与到达(60分) * 终点到达(10分) * 技术文档(10分) 首先要确保60分的基础分稳稳拿到,才有机会冲击更高分数。 二、软件架构实战经验 ROS框架设计 第一年我们用了单体架构,所有功能都堆在一个节点里,结果调试和找bug特别痛苦。第二年重构为多节点设计: 这种模块化设计好处太多了: 1. 团

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

基于深度学习图像分割的无人机洪水灾害图像分割检测与水量估算 洪水分割数据集 图像分割算法

🌊 洪水检测与水量估算🌊 洪水检测与水量估算 🌊 洪水检测与水域估算 该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。该项目专注于利用深度学习技术,从卫星或航空图像中检测受洪水影响的区域,并估算水域覆盖范围。它整合了多种卷积神经网络架构,包括LeNet、ResNet、VGG和U-Net,以执行图像分割和分类任务。 🔍 主要特点🔍 主要特点 🔍 主要特点 * 使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。使用U-Net进行图像分割,以识别水体和洪水淹没区域。 * LeNet、ResNet和VGG模型的比较,以评估洪水检测的性能。LeNet、ResNet和VGG模型的