宏观经济

1、国务院常务会议：进一步做好稳定和扩大就业工作，拓展更多新业态和服务业就业岗位，出台支持灵活就业措施；进一步扩大科研人员自主权，赋予科研人员更大的人财物自主支配权，允许科研人员通过购买财会等专业服务，对承担关键领域核心技术攻关任务的科研人员加大薪酬激励。   

2、央行货币政策委员会委员刘世锦指出，去杠杆初见成效，我国进入稳杠杆阶段。过去一个时期我国杠杆率增长较快，与我国储蓄主体与投资主体不匹配、权益融资比重偏低、货币化进程和金融深化较快、国有企业和平台公司曾一定程度上承担政府职能等因素有关。随着我国经济进入高质量发展阶段，上述推升杠杆率的因素正在出现重要变化。

3、上交所：在市场各方的监管、监督、努力之下，A股分红环境在近年得到了大幅改观，上市公司主动分红的意识不断增强，现金分红稳步迈入全面开花阶段。    

4、对于目前冷清的再融资市场，监管层又作出最新窗口指导。知情人士透露，对于7月1号以后申报的再融资项目，要求发行人的财务数据更新到6月30日。

5、 美国总统特朗普表示，汽油价格在上涨，而欧佩克对此于事无补；必须与欧佩克“各行其道”；现在该下调价格了。 

6、 墨西哥候任财长Urzua：如果北美自由贸易协定重新谈判成功，那么比索将进一步升值。

7、 大众、戴姆勒和宝马高管据悉将和美国大使进行会面，讨论贸易风险。

8、 百度即将发布国内首款云端全功能芯片“昆仑”。百度和金龙客车合作的全球首款L4级量产自动驾驶巴士“阿波龙”正式量产下线，商业化落地也已同步展开。

1. 智能汽车成汽车业重点领域 具备加速突破潜力

发改委网站4日就《汽车产业投资管理规定（征求意见稿）》公开征求意见，提出的政策目标为：严格控制新增传统燃油汽车产能，积极推动新能源汽车健康有序发展，着力构建智能汽车创新发展体系。支持社会资本和具有较强技术能力的企业投资新能源汽车、智能汽车等领域。智能汽车是指通过搭载先进传感器、控制器、执行器等装置，运用信息通信、云计算、人工智能等新技术，具有部分或完全自动驾驶功能，逐步成为智能移动空间的新一代汽车。

同日召开的百度AI开发者大会上，百度与金龙客车合作打造的L4级自动驾驶巴士“阿波龙”量产下线，将发往多地开展商业化运营。李彦宏表示，今年将是百度自动驾驶产品化的元年。

自动驾驶在技术、政策、消费者接受程度的三个方面都具备加速突破的潜力，预计行业巨头的L3、L4落地时间集中在2019至2020年，汽车产业链价值分配将向ADAS、自动驾驶软件和电动动力总成方向转移。

2. 被诉侵权 美芯片巨头美光在华遭禁售

7月3日福州中级法院裁定对美国芯片巨头美光（Micron）发出“诉中禁令”，美国部分闪存SSD和内存条DRAM将暂时遭禁止在中国销售，虽不是最终判决，但似乎暗示美光确实有侵权之嫌。而这是中国发展半导体一路被指称“窃密”和“侵权”以来，首次成功重拳回击。

今年初，福建晋华和联华电子在福州中级法院反告美光旗下的闪存和内存产品侵犯其四项专利。美光是全球三大内存供应商之一（另两家为三星和SK海力士），也是位居全球六大闪存芯片供应商之列（另五家为三星、SK海力士、东芝、西部数据、英特尔），美光将近50%的营收都来自中国，一旦美光部分产品在中国禁止销售，恐形成重击。

3. IoT开放生态联盟成立 望助推物联网快速发展

4日，IoT开放生态联盟第一届第一次全体成员大会在深圳举行，首批联盟成员包括美的、vivo、0PP0、TCL等厂商。会议通过了IoT开放生态联盟合作共识，并公布了loT产品方案。根据各方达成的联盟共识，IoT开放生态联盟将为消费者提供完整的、便捷的、智慧的、安全的智能家居体验，为联盟伙伴提供开放、低成本、公平的跨设备厂商互联解决方案，建立一个全开放的智慧生态体系。

目前国内三大运营商已经在全国范围内商用或试商用NB-IoT，此前阿里也宣布全面进军IoT，并提出5年要完成100亿设备连接的目标。生态联盟的成立，将进一步助推相关应用的渗透。物联网发展主要受限于应用场景碎片化、标准不一、联网成本高等问题，随着运营商大力推动NB-IoT网络建设并进行补贴，芯片、模组、下游应用厂商参与者逐步增加，爆款应用领域不断被发掘，阻碍物联网发展的问题正在被解决，物联网发展有望进入快车道。

4. AI跨界时尚搭配 阿里推全球首家人工智能服饰店

阿里4日在香港落地全世界第一家人工智能服饰店即“FashionAI概念店”。除了线下，在线上，未来淘宝5亿消费者也将全面感受到人工智能带来的穿搭推荐。这是中国时尚业首次尝试通过人工智能技术解读人类的“穿搭密码”。

FashionAI通过机器学习与图像识别技术，把复杂的时尚元素、时尚流派进行了拆解、分类、学习。目前，FashionAI已经初步搭建出女装的认知模型，接下来就是攻克男装、配件等其他时尚领域。未来，消费者不但可以通过FashionAI获得更高效的服装搭配、购买建议外，还能帮助制造商、零售商更加了解用户行为、偏好。

​

​