阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-0542 篇

刷新

云存储公司 Dropbox 工程团队将 AI 编码代理升级为任务级委托,一周完成 53 项遗留测试清理

专题 · Dropbox实质变化
2026-11-05 22:00

Dropbox 工程团队面临一个具体的时间压力:他们需要在十一月上线一个酝酿了三年的新体验,而桌面端和网页端之间复杂的集成工作远未完成。过去,AI 工具主要帮工程师处理单个编码步骤——补全一段代码、解释一个报错。到了这个项目中,他们把使用方式推进了一步:把定义清楚的任务整体交给编码代理,由工程师审查结果。

这个转变不是渐进发生的。团队在五月黑客松期间用 AI 辅助构建了一个原型,探索了两种将网页体验引入桌面的路径:一种是用 Electron 框架把现有网页嵌入桌面窗口,另一种是把选定的网页组件直接导入桌面界面。AI 帮助他们追踪依赖关系、识别平台特定的假设、测试集成方案。原型让产品和设计团队有了可以实际试用的东西,而不是停留在纸面讨论上。

真正体现任务级委托效果的是一个被搁置了两个季度的技术债:旧版文件列表的自动化测试需要大量工程时间才能更新,一直没人动。团队把这项清理工作拆成 53 个任务,交给编码代理执行。代理按照与工程师事先商定的书面计划做改动,在本地运行相关构建和测试,记录结果,然后由工程师审查是否接受代码。全部 53 项任务在一周内完成。

这个流程的关键约束是工程师始终对结果负责。每项任务开始前,工程师和代理要共同确认一份书面计划;代理完成后,工程师审查代码、验证行为是否符合预期。存储在代码库中的指令文件说明了代理需要遵守的规则,给工程师提供了一种可重复的委托方式,而不是放任代理自行决定。

同样的模式被用于无障碍合规工作。团队在上线准备阶段通过 AI 辅助开发交付了 22 项无障碍功能,覆盖首页、全部文件、文件预览和照片模块,包括屏幕阅读器用户跟踪轮播变化的播报、键盘焦点在控件间移动方式的修复、以及页面在 200% 到 400% 缩放下的布局调整。编码代理还承担了网页应用五个核心模块的自动化测试编写工作,包括用户用来浏览内容的文件浏览器。

一个值得注意的细节是代理在开发过程中主动发现问题的能力。有一次,一个代理在试用体验时发现聊天历史中已删除的条目在页面刷新前仍然可见,工程师据此修复了底层的同步问题并补充了测试。这让人工审查者可以把更多时间花在判断体验是否合理上,而功能性问题由自动化检查兜底。

跨平台共享组件的集成也受益于这个方式。网页和桌面各自使用不同的构建工具、登录机制和数据获取方式。工程师需要判断哪些代码可以复用、哪些部分必须在各端分别处理。AI 帮助他们追踪组件间的连接关系、提取可复用部分、编写适配器代码(将共享功能连接到各应用的服务)以及相应测试。工程师审查最终代码确认其按预期工作。

团队也强调,客户反馈和工程审查共同决定了什么可以面向更多用户。八位初始设计合作伙伴全部选择保留新体验。在更大范围的灰度中,他们跟踪上传、预览、搜索、分享等熟悉功能的使用情况,以及 AI 操作是否成功、用户是否关闭了新体验。这些信号帮助确定优先级,而编码代理工作流给了工程师一致的方式来实现和验证修复。

信息源:dropbox.tech

研究

YC初创公司Discovered Materials设立百万美元奖金,挑战五大材料科学难题以测试AI能力

实质变化
2026-11-05 21:00

旧金山初创公司Discovered Materials于11月5日宣布,将提供总额100万美元的奖金池,用于奖励能够解决五个关键材料科学未解难题的AI模型。该公司成立于今年早些时候,是Y Combinator 2026年春季批次的一员,主要利用AI模型寻找用于制造先进芯片的新物质。

尽管前沿AI模型已在数学和生命科学领域取得显著进展,但在处理高级材料背后的复杂物理机制方面仍面临巨大挑战。Discovered Materials联合创始人Advaith Sridhar表示:“材料科学的问题更难清晰界定,不像数学那样有明确的定义并能得出是或否的答案。”为此,该公司招募了来自全球顶尖大学的学术顾问团队,包括斯坦福大学教授Felipe Jornada,共同制定了这五个开放性问题。

这五个挑战涵盖了从基础理论到数值方法的多个层面:解释铜氧化物超导性的理论、预测硅与二氧化硅界面结构的数值方法、将晶粒结构与热性能关联的数值方法、预测光照如何改变材料行为(特别是超导性)的理论,以及改进密度泛函理论(DFT)的数值方法。Sridhar强调,设立这些挑战的目的是将其作为“球门柱”(goalposts),无论是由AI、教授还是其他研究者解决,都能加深人类对材料及周围世界行为的理解。

在正式公布挑战之前,Discovered Materials已让前沿实验室的AI模型尝试解决这些问题。据称,这些模型在互联网接入和其他资源支持下自主工作了数天,但并未取得实质性进展。然而,Sridhar指出,随着OpenAI或Anthropic等公司投入更多算力或使用更新模型,突破的可能性依然存在。通过追踪这些问题的解决进度,业界可以更清晰地判断AI模型是否在材料科学这一特定领域稳步攀升。

信息源:TechCrunch

研究

AI云服务商Lambda宣布在阿拉巴马州建设数据中心园区,拟投资331亿美元

专题 · Lambda实质变化
2026-11-04 23:02

美国AI云计算公司Lambda于2026年11月4日宣布,计划在阿拉巴马州Lowndes县建设名为“Red Clay Technology Center Campus”的大型数据中心园区。该项目由Cloverleaf Infrastructure负责前期开发准备,预计总投资额达331亿美元。

根据Lambda发布的公告,该数据中心园区预计在开发期间创造超过1,000个建筑工作岗位,并在运营后提供至少225个全职职位。项目预计将为当地学校和社区带来显著的经济收益,到2049年预计产生超过28亿美元的当地税收,其中超过16亿美元将用于Lowndes县公立学校。州和地方税收总额预计将达到34亿美元。

为缓解社区对基础设施负担的担忧,Lambda承诺承担服务该设施所需的全部电力和电网基础设施成本,并通过预先财务承诺确保即使项目计划变更,这些成本也不会转嫁给Alabama Power的现有客户。Lambda和Alabama Power均已签署白宫《费率保护承诺》(White House Ratepayer Protection Pledge)。此外,该设施将采用闭环冷却技术以减少用水量,并计划与N-Drip合作支持当地农民节水。

该项目目前处于规划阶段,预计将于2027年第一季度开始建设,建设周期可能长达五年。电力供应需获得监管批准。Lambda首席技术官Stephen Balaban表示,公司致力于与当地社区建立长期关系,并确保居民和领导人的观点影响其方法。

信息源:lambda.com

研究

博世传感器CEO Stefan Finkbeiner称:边缘AI让原始数据不离开设备,隐私保障来自架构设计

专题 · 博世边缘AI隐私架构实质变化
2026-11-05 17:00

博世传感器CEO Stefan Finkbeiner在eeNews Europe的Leaders Talk访谈中提出了一个关于边缘AI与隐私的核心判断:隐私保护的优势来自架构设计,而非将数据传至云端处理。

他的论点是,当AI算法直接在传感器硅片上运行时,物理信号在本地处理完毕即被丢弃,设备只向用户输出其明确请求的结论——例如空气质量中等或步数已更新——原始数据无需离开设备。这与传统架构形成对比:在常规设计中,原始传感器数据被持续传输到外部云端进行算法处理,这一过程本身就制造了隐私漏洞。Finkbeiner认为,边缘AI将数据主权交还给用户,片上处理本身就是隐私保护的最强技术保障。

支撑这一架构的物理前提是两项传感技术的突破。TMR(隧道磁阻)技术提供超高精度、极低噪声和极低功耗的磁传感,使GPS失效场景下的室内导航和AR/VR头显中的头部追踪成为可能。ASICAP电容传感则将微型化和信号灵敏度推进到新边界,让可穿戴设备能以极低能耗检测微手势和声学细节。Finkbeiner的结论是:当这些物理突破与片上AI处理结合时,实时响应、近零延迟、电池续航和隐私可以同时保障。他称所有新产品都搭载微控制器,具备边缘AI能力。

这一论述来自制造商CEO对自身产品路线的描述,属于归因性论证而非独立验证。TMR和ASICAP的具体性能指标、近零延迟的量化定义,以及所有新产品的覆盖范围,均未经第三方测试确认。Finkbeiner的隐私架构逻辑——本地处理、丢弃原始数据、仅输出结论——在技术上是清晰的,但实际产品是否严格遵循这一设计,取决于具体实现而非愿景陈述。

不过,这一架构选择背后有一个值得注意的设计哲学。Finkbeiner将博世传感器的创新文化概括为建设性天真:工程师被鼓励尝试新事物并承担经过计算的风险,而不是只按客户规格书制造组件。他认为在消费电子领域,只做规格书上的东西就意味着沦为大宗商品供应商,就已经太迟了。这种文化为边缘AI传感器的开发提供了土壤——不是等待客户定义需求,而是主动展示物理传感与片上智能结合后能做什么。

信息源:eeNews Europe

研究

GitHub宣布Dependabot正式支持Agent Package Manager,自动更新AI代理技能与提示词

专题 · GitHub代理包管理器快讯
2026-11-04 04:24

GitHub于2026年11月3日宣布,其依赖管理工具Dependabot现已正式支持Agent Package Manager(APM)。这一更新使得开发者能够利用Dependabot自动创建拉取请求(PR),以更新由APM管理的AI代理组件,包括技能(skills)、提示词(prompts)和指令(instructions)。

APM是一个用于管理项目中AI代理依赖关系的工具,允许开发者在apm.yml文件中指定所需技能的来源和版本。当启用Dependabot的APM支持后,系统会检查apm.yml中声明的Git依赖项,并在发现新版本时生成更新PR。如果项目中存在apm.lock.yaml文件,Dependabot还会同步重新生成该锁定文件,以确保团队间使用一致版本的AI代理组件。

目前,该功能已在github.com的所有计划中全面可用,并计划在GitHub Enterprise Server 3.24版本中提供。需要注意的是,此支持仅涵盖版本更新,不包含安全漏洞警报或修复。

信息源:The GitHub Blog

研究

百度开源文心5.5 Flash Base:自报多基准同尺寸领先,引入稀疏注意力优化长上下文

实质变化
2026-11-05 15:15

11月5日,百度正式开源最新基座模型文心5.5 Flash Base(ERNIE 5.5 Flash Base)。该模型采用混合专家(MoE)架构,总参数量为2800亿,每个Token激活140亿参数,使用33.5万亿个Token完成预训练。微调与推理阶段支持最长100万Token的上下文窗口。

针对长文档分析和智能体任务中计算开销大的问题,文心5.5 Flash Base引入了Latent-Gated Sparse Attention(潜在门控稀疏注意力)机制,结合低秩门控注意力以减少75%的门控投影权重参数,旨在降低资源消耗同时保留关键信息处理能力。此外,模型还采用了Multi-Router Latent MoE以改善专家路由评分与实际效用的相关性。

百度称,该模型在知识、推理、数学、代码、多语言和长上下文等多个基准测试中取得同尺寸模型的SOTA表现,超过DeepSeek-V4-Flash-Base、Hy3-preview-Base和MiMo-V2.5-Base等模型。目前模型权重已在Hugging Face开放下载。

信息源:量子位

研究

月之暗面发布Kimi K3.1 Pro开源权重,商用设2000万美元营收门槛

专题 · 月之暗面Kimi模型系列实质变化
2026-11-05 16:34

中国AI公司月之暗面(Moonshot AI)于11月5日正式在Hugging Face平台发布了其大语言模型Kimi K3.1 Pro的开放权重。此前,该公司已于10月23日通过API推出了该模型,并承诺将在11月初释放权重。此次发布兑现了承诺,使开发者能够在本地部署这一拥有2.8万亿总参数的混合专家(MoE)模型。

Kimi K3.1 Pro基于7月发布的Kimi K3架构,经过更大规模的计算资源进行事后训练。模型激活参数为1040亿,支持100万token的上下文窗口,并可处理文本和图像输入。在架构上,它将全注意力层替换为更高效的Gated DeepSeek Sparse Attention (Gated DSA),以优化长上下文处理能力。月之暗面推荐使用vLLM、SGLang和TokenSpeed作为推理引擎。

根据厂商自测数据,该模型在Terminal-Bench 4.0编码代理测试中得分为65.7%,略低于Claude Opus 5.5(66.4%),但高于GPT-6 Astra(58.2%)。在三维制作方面,其在BenchCAD基准测试中使用工具时的准确率为92.7%,同样落后于Opus 5.5和GPT-6 Astra。值得注意的是,为了降低安全风险,月之暗面在训练过程中特意移除了与网络攻击相关的数据,使得最终版本的攻击性代码生成能力显著低于未过滤版本。

此次发布采用了名为“Kimi K3.1-Pro License”的自定义许可证。该许可证原则上允许免费的使用、复制、修改、再分发、销售以及微调。然而,如果企业将模型作为服务(Model as a Service)提供给第三方,且关联公司合计总收入在任意连续12个月内超过2000万美元,则必须事先与月之暗面签订商业合同。此外,月活跃用户超过1亿或月收入超过2000万美元的商业产品,必须在界面显著位置标注“Kimi K3.1-Pro”。

信息源:PC Watch

研究

spaCy作者Honnibal质疑MIT Astra研究:将“读权重”与“改权重”混为一谈是误导

实质变化
2026-11-05 15:10

近期,MIT团队发布的一项关于Astra模型的研究在AI圈引发轰动。该研究宣称,Astra能够仅通过观察原始权重数字,就识别小型神经网络的任务,甚至在不使用梯度的情况下,直接修改Qwen3.5-0.8B模型的权重,使其数学成绩从7.9%提升至48.1%。这一结果被许多网友解读为“AI开始读懂另一个AI的大脑”,暗示了一种统一的、深层的模型理解能力。

然而,spaCy的作者、AI公司Explosion的联合创始人Matthew Honnibal公开发文,对这项研究的呈现方式提出了尖锐质疑。他认为,这篇论文的实验设计酷似舞台魔术中的“障眼法”:魔术师可能用不同的手法表演同一个戏法,但观众往往误以为只有一种神秘的技术。Honnibal指出,Astra研究中所谓的“读权重”和“改权重”实际上是两种截然不同的技术路径,将它们打包在一起容易让读者产生误解。

Honnibal仔细梳理了论文中的八组实验后发现,真正符合“仅通过观察原始权重”这一苛刻条件的实验,仅限于参数规模极小(1.7万到17.2万之间)的网络。在这些实验中,Astra确实没有运行Python代码,也没有执行目标网络,而是直接将权重浮点数放入上下文进行分析。这虽然展示了令人印象深刻的模式识别能力,但与理解现代大语言模型仍有巨大差距。

相反,最引人注目的Qwen数学能力修复实验,完全不是这样进行的。在处理拥有8亿参数的Qwen模型时,Astra并没有直接读取原始权重。取而代之的是,它被授权使用Python编程,并且最多可以进行50次前向测试。每次允许模型处理一批练习题,通过观察模型的表现来分析和修改权重。Honnibal强调,这更像是一个“场外教练”通过编写代码、运行程序和观察反馈来进行工程调试,而非一种神秘的“读脑术”。

尽管指出了呈现上的误导,Honnibal并未否定研究本身的价值。他坦言,让一个AI模型被提示去设计并执行人类机器学习工程师才能完成的任务——编写代码片段来分析甚至直接修改网络权重——这本身就是一个巨大的进步。一两年前的AI模型在所有这些任务上都会失败。这说明今天的顶尖大模型已经具备了相当复杂的工具使用和推理能力,能够作为一个“AI工程师”来诊断和修复其他模型。

真正的问题在于成果的包装方式。将两种截然不同的能力模糊地统一成一种能够读写AI大脑的“超能力”,不仅夸大了当前技术的实际边界,也反映了如今AI圈普遍存在的炒作狂潮。对于读者而言,区分“基于原始数据的模式识别”与“基于代码执行的工程干预”,对于准确评估AI在模型可解释性和自动化工程方面的真实进展至关重要。

信息源:量子位

研究

谷歌为TeraWulf数据中心项目提供信用支持,助力Anthropic算力租赁融资

实质变化
2026-11-05 13:00

据智东西报道,美国数据中心开发运营商TeraWulf于11月4日宣布与谷歌签署信用支持协议。根据协议,谷歌将为TeraWulf旗下的Justified数据中心项目筹措债务资金提供信用支持。这一举措旨在改善项目融资条件,帮助TeraWulf争取有竞争力的长期债务资金,以推进该园区三栋数据中心建筑的建设。

Justified数据中心项目是TeraWulf与人工智能独角兽Anthropic之间巨额租约的关键载体。今年7月,TeraWulf旗下子公司Raylan Data与Anthropic签署了为期20年的租约,约定提供约401兆瓦的IT负载容量,初始租期内预计产生约190亿美元的合同收入。由于数据中心建设需要前期大量投入,而租金收入需在机房交付后才开始回收,因此融资能力成为项目落地的瓶颈。

此次签署的三份信用支持协议分别对应Justified园区的三栋建筑。每栋建筑内最后一个机房开始起租后,谷歌对该栋建筑租约的履约支持义务即生效。如果Anthropic发生付款违约或破产事件,谷歌可按协议支付到期租金并接替成为承租人,或在特定条件下支付终止费并取得相关股权。这种结构将未来的租金流转化为当前的融资信用筹码。

这并非谷歌首次为TeraWulf的项目提供支持。早在2025年8月,谷歌就为TeraWulf与Fluidstack的合作项目提供了18亿美元的租约义务支持,并获得了购买TeraWulf普通股的认股权证。分析认为,谷歌接连为TeraWulf的客户租约提供担保,可能意在为其自研TPU芯片争取更多算力订单,同时也反映了AI基础设施建设中,科技巨头正通过金融工具深度介入供应链融资环节。

信息源:zhidx.com

研究

前腾讯机器人实验室1号员工来杰:这轮AI更多是智力革命,不是机器人革命

专题 · 星尘智能融资上市实质变化
2026-11-05 14:29

来杰在2022年底离开腾讯创立星尘智能时,ChatGPT刚发布没几天。但他的技术预判更早:在腾讯Robotics X机器人实验室做数据驱动研究时,他注意到Transformer正从语言向多模态进化,如果Token设计合理,所有模态可以在同一空间对齐——这恰好是机器人数据驱动的关键步骤。

他现在的核心判断是:这轮AI浪潮更多是智力革命,不是机器人革命。宇树等企业已经证明机器人的身体能力可以做到足够强,再往下的问题是提升智力。这意味着机器人身体应该被重新定位为AI的学习工具——既是数据采集者,也是应用终端。

这个定位背后有一条进化论式的推理和一条实验证据。来杰从生物进化出发论证设计原则:人长成五指,老鹰长成前二后二的四指,根本原因是它们抓的东西不一样,而抓什么由脑子决定。也就是说,智力决定了身体的构形长相,而不是身体构形决定智力。《智能简史》提到人类对生拇指的出现是智能进化的关键物理节点,有了这个变化才能适应多种工具。

另一条证据来自他在腾讯实验室的经历。他们用调酒师的数据训练KUKA和UR等工业机器人,后来单独买了一台ABB机械臂——不是因为工业可靠性,而是因为它的结构和人很像,自由度和关节接近人体。结果在ABB上训练出来的模型效果更好。来杰由此确认:当机器人结构接近人体时,人类数据的迁移gap最小,模型表现更好。

星尘智能将这一理念命名为DFAI(Design for AI)。具体到硬件选择上,他们采用了绳驱方案——用高强度绳索传递动力,将电机从关节移到基座。来杰解释,选择绳驱最初不是为了模仿人体肌腱,而是为了找到力透明度最好的传动方式。

力透明度是什么?来杰用了一个日常例子:人跟机器人握手,要么你在掰它,要么它在掰你,中间没有随动感。很多机器人夹住咖啡杯放下时,判断杯子接近桌面就松手,啪一下落在桌上。人不会这样,人会在感觉到桌子支撑了杯子、手上不用出力的时候才松手。绳驱让机器人能感受到末端力的变化,从而学到这种基于触觉反馈的智能关系,而不是依赖绝对位置判断。

这直接连接到具身智能当前的数据瓶颈。来杰认为,原生多模态大模型(不再把LLM和ViT分家)已经解决了机器人对物理环境的抽象理解,但具象理解仍然缺失——互联网数据和现有采集数据都没有尺寸概念,也缺少空间意识,只有画面意识。解决方案是通过机器人本体给大模型提供完整的空间具象信息,形成数据飞轮。

来杰预测这个飞轮今年已经开始转动,因为GPT也开始训练第一人称视角数据和机器人数据。他明确说,很有可能明年机器人就会进入家庭。

关于具身模型与基础大模型的关系,来杰用了一个做饭的比喻:你给妈妈打视频电话,她指导你放油,但放油这个动作你必须自己会,因为妈妈没法替你放。具身模型就是那个'自己会放油'的部分——它感知物理参数(重量、力度、是否抓稳),遇到不确定的情况再用自然语言向GPT提问获取方案。他反对把触觉信息全部训练到基础大模型那边,认为成本不合适且通讯带宽会有问题。

来杰旗帜鲜明地反对机器人进厂打螺丝。他的理由是:机器人最大的优势在于能力的广泛性,不可能封闭在一个领域。就像大模型可以问医学、管理、历史、科学,机器人进入家庭后角色也不应局限于单一任务。在工业场景的成本考量上,他个人更倾向于用固定化程序处理重复性任务,认为老板未必愿意为每个动作支付token费。

不过来杰也坦承,星尘智能目前远没到iPhone 4的水平。他把S1对应到Apple I,T1对应到Apple II,还没有进入Macintosh阶段。但他认为行业发展速度超出预期,Macintosh或iPhone 4级别的爆款机器人产品明年就会出现。

需要强调的是,以上全部是来杰作为星尘智能创始人的战略判断和第一方叙述。绳驱的成本优势、力透明度带来的智能提升、以及明年进入家庭的预测,均未经独立验证。他的DFAI理念为具身智能提供了一条区别于'先造强身体再装AI'的路线思考,但这条路线能否在工程和商业上兑现,仍取决于尚未公开的产品迭代和市场反馈。

信息源:爱范儿

研究

日本陶瓷巨头TOTO宣布投资600亿日元新建半导体设备部件工厂

专题 · TOTO半导体陶瓷扩产实质变化
2026-11-05 22:30

日本陶瓷制造商TOTO于2026年10月30日宣布,将在其位于福冈县丰前市的TOTO Fine Ceramics Buzen工厂内新建一座生产设施,专门用于量产下一代静电吸盘(Electrostatic Chuck)和气溶胶沉积(Aerosol Deposition, AD)部件。该项目的投资额约为600亿日元,计划于2029财年上半年开始生产。

静电吸盘是半导体制造设备中用于固定硅晶圆的关键部件,而AD部件则搭载于蚀刻工艺的设备中。TOTO将这些面向半导体制造设备的陶瓷材料视为其“陶瓷业务”的增长板块。公司表示,其具有耐等离子体特性的静电吸盘和AD部件有助于内存的多层化和逻辑半导体的微细化,这些趋势正是当前AI芯片需求激增所驱动的。

新建设的生产大楼为三层钢结构,建筑面积约1.2万平方米,总建筑面积约3.6万平方米,是该公司陶瓷业务迄今最大规模的生产设施。此外,TOTO还在同一工厂建设用于增加静电吸盘产量的烧结楼,预计2027年1月完工。此次600亿日元的投资独立于TOTO在2026年4月宣布的、针对茅崎、中津和丰前三大工厂的约300亿日元设备投资计划,被描述为“为进一步增强产能的大规模投资计划”。

信息源:EE Times Japan

研究

webAI发布TwIL-8B推理模型,自测MATH-500得分98.2

专题 · TwIL-8B快讯
2026-11-05 06:25

webAI于2026年11月4日发布了TwIL-8B,这是一个拥有87.9亿参数的密集解码器架构推理模型。该模型基于IBM的Granite 4.2 8B进行后训练,旨在通过较小的规模实现高效的数学、代码生成和指令遵循能力。

根据webAI公布的模型卡片数据,TwIL-8B在MATH-500基准测试中取得了98.2分,在LiveCodeBench(详细变体)中得分为81.6分。然而,在知识密集型任务上,其表现相对较弱:GPQA Diamond得分为70.2,比Qwen3.5-9B低11.5分;MMLU-Pro得分为76.5,同样低于后者。

该模型提供平衡版和详细版两种变体,支持131,072个token的上下文窗口。量化后的GGUF版本大小约为4.98 GiB,适合在CPU或显存有限的GPU上运行。值得注意的是,所有权重均在非商业许可下发布,且性能数据均为厂商自测结果,尚未经过第三方独立复现。

信息源:MarkTechPost

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系