天润云(02167)发布公告，该公司于2026年1月8日斥资4.2万港元回购9600股股份，每股回购价格为4.16- 4.49港元。 ...

智通财经APP讯，天润云(02167)发布公告，该公司于2026年1月8日斥资4.2万港元回购9600股股份，每 股回购价格为4.16-4.49港元。 ...

格隆汇1月8日丨天润云(02167.HK)发布公告，2026年1月8日以4.20万港元回购9,600股，回购价格每股 4.16-4.49港元。 ...

FF305 翌日披露報表 (股份發行人 ── 已發行股份或庫存股份變動、股份購回及/或在場内出售庫存股份) 表格類別： 股票 狀態： 新提交 公司名稱： 天润云股份有限公司（於開曼群島註冊成立的有限公司） 呈交日期： 2026年1月8日 如上市發行人的已發行股份或庫存股份出現變動而須根據《香港聯合交易所有限公司（「香港聯交所」）證券上市規則》(「《主板上市規則》」)第13.25A條 / 《香港聯合交易所有限公司GEM證券 上市規則》(「《GEM上市規則》」)第17.27A條作出披露，必須填妥第一章節 。 | 第一章節 | | | | | | | | --- | --- | --- | --- | --- | --- | --- | | 1. 股份分類 | 普通股 | 股份類別 | 不適用 | 於香港聯交所上市 | 是 | | | 證券代號 (如上市) | 02167 | 說明 | | | | | | A. 已發行股份或庫存股份變動 | | | | | | | | | 事件 | 已發行股份（不包括庫存股份）變動 | | 庫存股份變動 | 每股發行/出售價 (註4) | 已發行股份總數 | | | | 已發行股份 ...

FF301 股份發行人及根據《上市規則》第十九B章上市的香港預託證券發行人的證券變動月報表 致：香港交易及結算所有限公司 公司名稱: 天润云股份有限公司（於開曼群島註冊成立的有限公司） 呈交日期: 2026年1月5日 I. 法定/註冊股本變動 截至月份: 2025年12月31日 狀態: 新提交 | 1. 股份分類 | 普通股 | 股份類別 | 不適用 | | 於香港聯交所上市 (註1) | | 是 | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 證券代號 (如上市) | 02167 | 說明 | | | | | | | | | | 法定/註冊股份數目 | | | 面值 | | 法定/註冊股本 | | | 上月底結存 | | | 500,000,000 | USD | | 0.0001 USD | | 50,000 | | 增加 / 減少 (-) | | | 0 | | | USD | | | | 本月底結存 | | | 500,000,000 | USD | | 0.0001 USD | | 50,000 | 本月底法定/註冊股本總額 ...

格隆汇12月29日丨天润云(02167.HK)发布公告，2025年12月29日以5.30万港元回购1.12万股，回购价格 每股4.66-4.89港元。 ...

智通财经APP讯，天润云(02167)发布公告，于2025年12月29日斥资5.3万港元回购1.12万股。 ...

天润云(02167)发布公告，于2025年12月29日斥资5.3万港元回购1.12万股。 ...

FF305 翌日披露報表 (股份發行人 ── 已發行股份或庫存股份變動、股份購回及/或在場内出售庫存股份) 表格類別： 股票 狀態： 新提交 公司名稱： 天润云股份有限公司（於開曼群島註冊成立的有限公司） 呈交日期： 2025年12月29日 如上市發行人的已發行股份或庫存股份出現變動而須根據《香港聯合交易所有限公司（「香港聯交所」）證券上市規則》(「《主板上市規則》」)第13.25A條 / 《香港聯合交易所有限公司GEM證券 上市規則》(「《GEM上市規則》」)第17.27A條作出披露，必須填妥第一章節 。 | 第一章節 | | | | | | | | --- | --- | --- | --- | --- | --- | --- | | 1. 股份分類 | 普通股 | 股份類別 | 不適用 | 於香港聯交所上市 | 是 | | | 證券代號 (如上市) | 02167 | 說明 | | | | | | A. 已發行股份或庫存股份變動 | | | | | | | | | | 已發行股份（不包括庫存股份）變動 | | 庫存股份變動 | | | | 事件 | | 已發行股份（不包括庫存股份）數 目 | 佔有關事件 ...

Core Insights - The adoption of AI agents in customer service has increased, but many companies struggle to successfully launch these projects, with only a small percentage reaching the deployment stage [1][3] - The key differentiator between successful and unsuccessful AI projects is accuracy, with successful projects achieving over 90% accuracy, while those that stall hover around 85% [2][7] Group 1: Project Challenges - Many AI projects remain in pilot phases due to a lack of confidence in their ability to perform in real business environments [1][4] - The demo phase does not reveal the critical differences in agent capabilities, as it operates in an idealized environment where errors are overlooked [4][8] Group 2: Real Business Environment - Real business scenarios present complexities that demos do not, including increased problem complexity, non-standard user expressions, and the amplification of errors leading to complaints [5][6] - The difference in performance between agents with 85% and 90% accuracy becomes significant in real-world applications, affecting the stability of business operations [7][9] Group 3: Evaluation Criteria - To assess whether an AI agent can cross the "5% death line," business leaders should focus on stability, error management, and the ability to evolve [9][11] - Stability in performance is crucial; agents must consistently handle complex, non-standard inputs without excessive reliance on human intervention [10][11] - The ability to manage and correct errors is essential; agents should minimize errors to manageable levels rather than transferring them to human operators [10][11] - Continuous evolution is necessary for agents to adapt to changing business conditions and user needs, rather than being static systems [11][14] Group 4: Proof of Concept (POC) - Effective POCs should operate under real business constraints to reveal the true capabilities and risks of AI agents, rather than merely serving as demonstrations [14][15] - Real data and real user interactions during POCs can provide clearer insights into the feasibility of launching AI agents in business environments [14][15]