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

2026-11-1298 篇

刷新

英伟达CEO去留传闻引发AI供应链震荡,美光与闪迪盘前股价下跌

实质变化
2026-11-12 19:58

11月12日周四,美国存储芯片制造商美光科技(Micron Technology)和闪迪(SanDisk)的股价在盘前交易中下跌,部分抵消了前一交易日的强劲反弹。这一走势源于有关英伟达首席执行官黄仁勋可能面临董事会罢免的媒体报道,该消息引发了投资者对更广泛人工智能供应链稳定性的担忧。

数据显示,美光科技股价跌至790.92美元,跌幅为2.51%;闪迪股价跌至948.88美元,跌幅为2.95%。此前,两家公司股票在周三常规交易中分别上涨了11.89%和13.69%,主要受CoreWeave最新财报提振,缓解了市场对大型AI基础设施项目动能减弱的恐惧。然而,随着英伟达股价在盘后暴跌超过8%,市场情绪迅速逆转。

尽管存在短期波动,但基本面数据提供了支撑。美光科技第四财季营收达到542.3亿美元,远高于去年同期的113.2亿美元,反映了高带宽内存(HBM)的强劲需求和价格上涨。闪迪第一财季营收为110亿美元,环比增长23%,管理层预测下一季度营收将在122亿至126亿美元之间。分析师指出,如果AI支出只是在供应商之间重新分配而非减少,美光作为HBM的主要供应商,其抗风险能力可能强于更依赖通用存储市场的闪迪。

信息源:invezz.com

研究

京东完成对德国消费电子零售商CECONOMY的收购,持股达59.8%

实质变化
2026-11-12 20:01

京东集团(JD.com)于2026年11月12日宣布,已完成此前公布的对德国消费电子零售商CECONOMY AG的自愿公开要约收购。此次交易使京东获得CECONOMY 59.8%的股份和投票权,总对价为13.35亿欧元。随着交易的完成,CECONOMY成为京东的子公司,其财务业绩将从2026年11月12日起并入京东的合并财务报表。

通过这一收购,加上京东合作伙伴Convergenta保留的25.3%股份,双方在CECONOMY的合计持股比例达到85.2%。该要约由京东的间接全资子公司JINGDONG HOLDING GERMANY GMBH发起,每股现金价格为4.60欧元。交易已满足所有先决条件,包括反垄断审查、外国投资许可以及欧盟外国补贴审查。

CECONOMY是欧洲最大的消费电子零售商之一,旗下拥有MediaMarkt、Saturn和MediaWorld等知名品牌,在11个市场运营超过1,000家门店,员工人数超过5万人。2025年,其忠诚会员数量超过5,300万,年客户接触点达22亿次。京东首席执行官许冉表示,双方将共同构建欧洲领先的下一代消费电子平台,结合CECONOMY的本地专业知识和客户关系与京东的技术及物流能力。

根据战略路线图,CECONOMY将在欧洲保持独立运营,拥有本地独立的技术栈,且不计划对员工队伍、劳动协议或站点进行变更。这一安排旨在保留CECONOMY的品牌遗产和本地优势,同时利用京东的基础设施提升效率。

信息源:GlobeNewswire News Room

研究

Wealth Club首席投资策略师Susannah Streeter:黄仁勋丑闻暴露英伟达关键人物风险,估值倍数面临压缩

实质变化
2026-11-12 19:35

英伟达股价近期承压,但Wealth Club首席投资策略师Susannah Streeter认为,真正值得投资者关注的不是短期跌幅,而是估值溢价的定价逻辑正在被重新检验。她在播客Zero Sum中指出,英伟达作为AI基础设施核心供应商的地位,使相当大一部分估值溢价与CEO黄仁勋个人绑定在一起——他帮助投资者理解AI机会的规模,并将英伟达定位为支撑这一建设浪潮的计算基础设施中枢。当对黄仁勋判断力的质疑出现时,这种绑定关系会产生不成比例的影响。

Streeter的核心机制是:即使芯片需求保持强劲,领导力信心冲击仍可能触发估值倍数压缩。投资者会要求公司证明更广泛的领导层梯队和更清晰的治理结构,而监管机构和立法者对AI及芯片出口的审查也在收紧。这意味着溢价不再仅由营收增长和市场份额支撑,还需要治理可信度作为前提条件。她以苹果从Steve Jobs过渡到Tim Cook为例,说明创始人驱动的公司可以进入新阶段,但需要不同类型的领导者来带领公司走向下一阶段。

这一事件的二阶效应延伸到美国对华芯片出口政策。Streeter认为,丑闻为一个本已高度政治化的辩论增加了国家安全维度。她预期立法者将寻求对先进芯片出口的更大监督,包括要求企业追踪芯片海外流向以防止走私的措施,华盛顿也可能向盟友施压限制半导体制造设备对华出口。随着民主党控制众议院和参议院,她预计AI监管压力将增大,大型科技公司的影响力将受到更多限制。

对投资者而言,Streeter的建议不是立即抛售英伟达,而是重新审视组合集中度。她警告投资者可能通过全球基金对少数美国科技公司有超出预期的敞口,应当确保跨行业和跨地域的充分分散化。她同时区分了短期波动与AI行业的长期前景:英伟达仍是重要供应商,需求依然旺盛,但并非每一家与AI热潮相关的公司都会成为长期赢家——她将此与互联网泡沫时期类比,当时许多明星公司失败,而亚马逊等少数企业成为真正受益者。

Streeter论点的适用边界在于过渡速度与监管升级程度。按照她的分析逻辑,如果英伟达董事会快速完成可信的领导层交接且出口政策未进一步收紧,公司的盈利能力和溢价可能重新确立。此外,她对基础设施投资持谨慎态度——那些投入巨额资金但尚未证明足够回报的公司面临估值压力,而电力、电网和公用事业等底层基础设施供应商即使数据中心建设放缓仍将获得支持。她的整体判断是:AI板块的投资叙事正从单纯的需求增长转向治理质量、监管环境和资本回报率的综合评估。

信息源:invezz.com

研究

Monks投资信托季度评论:AI供应链的赢家取决于下一个瓶颈在哪里

实质变化
2026-10-18

AI基础设施投资中有一个容易被忽略的时间维度问题。当某个环节成为最严重的瓶颈时,解决它的公司获得超额回报——但高回报本身会吸引资本去填平这个瓶颈。一旦瓶颈被解决,超额利润就会压缩。真正的问题不是谁在受益于当前的AI需求,而是下一个约束会出现在哪里。

Monks Investment Trust在2026年10月的季度评论中明确提出了这个区分。他们写道,到目前为止最大的赢家是解决最严重瓶颈的供应商,但许多瓶颈可能相对容易被修复,它们产生的异常回报未必持续。基金的核心AI持仓——英伟达、台积电、亚马逊——被定位为系统的持久构建模块,而非仅仅是当前短缺的受益者。

围绕这个核心,Monks本季度向解决容量约束的公司倾斜。具体而言,他们加仓了四家半导体设备公司,包括Disco(其设备用于研磨和抛光晶圆)和Kokusai(其机器沉积存储芯片中使用的层),理由是这些公司在制造流程的关键步骤上占据主导地位。随着技术演进,新的约束正在出现:Astera Labs的连接芯片在昂贵的AI芯片之间移动数据,确保它们不会闲置;SoftBank通过持有Arm(逻辑芯片设计公司)提供对智能体协调所需逻辑芯片的估值偏低敞口。

这个框架的技术基础是:AI智能体已经超过了人类使用量并在快速扩展,尽管思科总裁Jeetu Patel指出目前不到2%的人类使用智能体。当智能体成为AI使用的更大份额时,能够协调和指挥它们行动的逻辑芯片变得越来越重要。这不是一个抽象的投资论点,而是对AI系统架构演进的观察——从计算到连接,从连接到协调,每一层解决后都暴露出下一层的约束。

需要诚实指出的是,这篇评论的写作背景是Monks过去12个月跑输基准(股价回报11.9%,净值回报10.3%,对比FTSE World指数20.9%)。作者明确表示相对表现不佳部分源于不同的AI敞口。'下一个瓶颈'的论点在短期内难以证伪——如果未来五年这些公司确实成为赢家,框架得到验证;如果没有,它也可以被重新解释为'再下一个瓶颈'。作者有明确的商业利益来为跑输提供叙事支撑。

但这个分析框架本身具有独立于基金业绩的价值。它提出了一个可检验的问题:在AI基础设施的资本开支周期中,哪些约束是暂时性的(高回报吸引资本快速填平),哪些是结构性的(需要持续的技术领先地位)?回答这个问题需要理解具体的制造工艺、芯片架构和系统拓扑,而不是仅仅追踪AI支出总量。

Monks还强调了广度作为对冲:本季度新增了不受AI驱动的增长来源,包括受益于美国高利率和轻监管环境的银行(得克萨斯州Cullen/Frost)、从供应紧张中获利的能源公司(Cheniere Energy),以及参与了一家意大利软件整合公司Bending Spoons的IPO。卖出WillScot和Stella-Jones的理由是看不到定价能力的证据。这种'不成为AI基础设施信托'的自觉,本身就是对单一主题风险的一种管理。

信息源:bailliegifford.com

研究

Avramov等研究发现:alpha最高的因子策略容量不足20亿美元,盈利因子可支撑330亿美元

专题 · 因子策略容量之争实质变化
2026-11-12 17:33

量化投资文献长期用alpha、夏普比率和统计显著性来评估一个信号值不值得做。Avramov、Bongaerts、Crego和Kvaerner的新论文提出了一个被忽视的维度:容量——一笔策略在交易成本吞掉市场对冲收益之前,究竟能装多少钱。他们用2010至2023年的NYSE TAQ数据估算了价差、价格冲击和流动性补充,对35个特征异象和因子逐一计算了可部署资本。

核心发现是alpha排名和容量排名严重脱节。两个毛alpha最高的多头腿,各自只能支撑不到20亿美元的市场对冲资本;而alpha明显更低的盈利能力和现金流策略,却能支撑200亿到330亿美元。利润边际异象的alpha大约是最高五日收益策略的五分之二,容量却是后者的97倍。对任何真正在配置资金的人来说,这意味着回测里最亮眼的信号未必是经济上最大的机会。

容量差异主要来自价格冲击,而价格冲击由两个组合特征驱动:换手率和底层股票的流动性。短期反转策略每月换手1.8次,在100亿美元规模下每月付出1.6%的冲击成本;Amihud流动性策略几乎不换手(每月0.12次),但因为持有非流动性股票,在同等规模下仍付出1.2%的月度冲击。两条路径不同,结果都是成本吃掉alpha。

论文还给出了一个对实务影响很大的杠杆:调仓速度。当调整系数τ小于1时,退出目标分位的股票不立即清仓,而是逐月递减。仅这一项改变,正容量因子的中位数从15亿美元升至210亿美元,策略层面中位增幅为十三倍。价值加权的机器学习复合策略容量从1.77亿美元扩展到190亿美元,而信号本身没有变化。容量排名的秩相关为0.93,说明慢调仓主要放大规模,不大幅改变相对排序。

需要强调的是,这些数字全部来自论文作者自身的第一方估算,基于特定数据窗口和特定的市场对冲成本假设,尚未经独立复现。中位因子容量15.3亿美元与中位对冲基金净资产11亿美元处于同一量级,这个对比本身就是一个冷静的规模约束提醒:多数因子策略在机构规模下并非无摩擦。

对读者的实际含义是:在决定一个异象或因子配多少之前,先量它的交易容量,而不只看回测收益。一个两亿美元的小众策略和一个两百亿美元的机构策略之间的差距,写在所交易股票的流动性里,也写在调仓的速度里。

信息源:quantpedia.com

研究

《AI 驱动的数据基础设计》作者 Sanjeev Mohan:智能体绕过管道自建数据库,可观测性须内嵌架构

专题 · AI智能体数据访问模式实质变化
2026-11-12 19:02

过去几十年,企业数据架构遵循一条固定路径:数据在业务系统中生成一次,然后经过提取、转换、编目和准备等管道环节,最终供人类消费批量报表。Sanjeev Mohan 认为这套模型的前提正在被打破。他的判断是:当成千上万个智能体同时运行时,它们不会等待管道完成——它们要直接访问数据库。

Mohan 描述了一种此前软件从未有过的行为模式:智能体会创建短期存活的数据库实例,在其中复制数据,并行测试不同的推理链,然后才选定一个行动。他举了一个贷款审批的例子:一个智能体在拒绝申请之前,可能同时查询人口普查记录和社会媒体数据。这立刻引出一个治理问题——那个决定如何被审计?

在他看来,这与过去的数据治理根本不同。过去的治理是确定性的:管好数据,然后让一个固定的报表仪表盘跑在上面。智能体的治理面对的是运行时不断变化的上下文。同一个任务,对不同的人(或不同的智能体实例),上下文可能完全不同。因此他说,可观测性和透明度必须成为架构本身的一部分,而不是事后焊在数据仓库外面的东西。

Mohan 由此推导出一个更远的结论:未来平台需要将结构化和非结构化数据融合在同一个收敛系统中,并且会出现新型数据库——专门用于保存运行时状态和构建运行时上下文的数据库。他目前尚未给出这类数据库的具体形态或实现路径,这一判断仍属于架构方向的提议。

需要指出的是,以上全部是 Mohan 在 KubeCon 北美大会 theCUBE 访谈中阐述的个人论点。他作为 SanjMo 咨询公司的负责人和《AI 驱动的数据基础设计》一书的作者,长期研究数据架构问题,但文中没有提供已部署系统的实测数据或独立验证。这一论点的价值在于它精确命名了一个约束条件:智能体对数据的需求模式与人类消费者不同,因此以人类消费为前提设计的管道架构会构成瓶颈。

信息源:SiliconANGLE

研究

网络安全公司VulnCheck报告:Anthropic玻璃翼计划挖出近4万个漏洞,公开记录仅修复217条

实质变化
2026-11-12 15:55

网络安全公司VulnCheck于2026年11月发布报告,对Anthropic推出的“玻璃翼计划”(Project Glasswing)进行独立追踪。该计划旨在利用Claude模型大规模挖掘开源软件中的安全漏洞。报告显示,在计划推出七个月后,Claude已累计发现37,966条候选漏洞,但截至11月初,公开记录上仅有217条被标记为已修复。

这一数据与Anthropic此前披露的情况存在显著差异。根据Anthropic官方数据,截至11月2日,其发现的37,966项候选中,有6,376条经过外部专家审核,其中5,087项已向维护者报告,629项获得上游补丁。尽管统计口径不同导致修复数量存在出入,但双方均承认一个核心问题:以当前AI挖掘漏洞的速度,人工审核能力已成为严重瓶颈,极大地限制了漏洞的披露与修复效率。

为了缓解这一压力,Anthropic在10月8日推出了OSS Scanner服务,允许开源项目维护者直接接收由模型生成的漏洞报告,跳过Anthropic内部的人工审核环节。然而,这种“零人工干预”的模式将验证负担转移给了社区。例如,网络数据传输工具curl的维护者Daniel Stenberg近期收到了来自Anthropic的45份漏洞报告,他坦言核心维护团队已被源源不断的报告压得喘不过气,不得不修改规则,将低危和中危漏洞改为在GitHub上公开讨论,以借助社区力量进行审核。

VulnCheck的报告指出,这种巨大的差距还在加速扩大。仅在最近两个月内,候选漏洞就暴增了近1.2万条,但已修复记录却仅微弱新增了15条。此外,VulnCheck追踪到的归因于Anthropic的CVE仅占2026年全球公开CVE总量的0.5%。虽然Anthropic确实通过Claude发现了如curl中严重的Use-After-Free内存错误等高危漏洞,但整体来看,AI强大的发现能力并未转化为相应的修复成果,反而给开源维护者带来了沉重的审核工作量。

信息源:量子位

研究

台湾中央研究院资讯科学研究所所长廖弘源:大模型能描述图片却看不懂人在做什么,需要模块化视觉理解补上缺口

专题 · 廖弘源模块化视觉理解实质变化
2026-11-12 18:04

一张小孩的照片输入大型视觉语言模型,模型给出的描述只有"Everything is normal"。台湾中央研究院资讯科学研究所所长廖弘源用这个例子说明,当前通用视觉模型已经具备相当程度的影像描述能力,但对于更细致、更接近真实世界需求的判断——该人物正在做什么、是否发生危险、环境中物件之间有什么关系——仍力不从心。

廖弘源认为,要跨越这个落差,中研院的方向不是重新打造另一个大型通用模型,而是发展能与大型语言模型搭配的专用视觉理解能力,包括行为分析、物件理解以及边缘端运算。他的理由很直接:边缘设备的算力与内存有限,不可能把大型模型直接放在摄影机端运作,因此多模态AI必须采取模块化方式,让不同模型各自负责适合的工作。

居家照护是这个架构最直观的验证场景。当摄影机看到有人倒下,系统不能只知道"画面中有人",而必须判断这个人是否跌倒、是否需要协助。如果判断需要帮助,系统通过文字转语音询问"你需要帮助吗?",待使用者回答后,再经自动语音辨识理解语音内容,串接大型语言模型,最后通报家人或联系救护单位,同时将结果回复给跌倒者。

行为分析的核心是Taiwan GBA,由中研院与中原大学、台南大学合作开发。它的关键概念是通用动作空间(Universal Action Space,UAS),灵感来自DeepMind的Kinetics-600数据集——后者收集了600种人类动作影片,每段约5至10秒。研究团队利用这些影片建立动作特征空间,让模型学习不同动作之间的关联。未来新的行为,例如跌倒、挥手或攻击,不需要重新建立完全独立的模型,而可以映射到既有的动作空间中。廖弘源用一座"综合体育馆"来形容UAS:不同运动或行为都可以在这个空间中被理解。

不过,人类行为不是单张图片就能判断,而需要理解时间变化。一个人站着与倒在地上的两张照片,看起来只是不同状态,但真正重要的是"从站立到倒下"的过程。研究团队利用Video Swin Transformer分析影片中的动态特征,找出影像中与动作相关的位置——例如打网球时,模型会关注人物手部、球拍与身体移动区域——再将这些动态资讯转换成可训练的行为特征,映射到通用动作空间中。

在居家照护应用上,研究团队利用南洋理工大学NTU RGB+D数据集进行测试,该数据集包含220种人体动作,研究团队从中挑选9种与照护相关的动作进行分析。廖弘源表示,在数据集测试环境中,模型辨识率约可达80%至90%。但他也坦承,实际部署最大的挑战不是实验室数据,而是真实环境数据。许多犯罪数据集都是模拟场景,例如有人拿刀的动作可能是表演,与真实犯罪现场存在差异。AI若要真正应用于现场,仍需要更多真实世界数据累积。

在环境理解方面,中研院由王健尧博士延伸YOLO v7、YOLO v9架构,发展G-YOLO(Generalist YOLO)。传统YOLO擅长即时物件侦测,可以快速回答"画面中有哪些东西",例如看到街景,可以辨识有人、有车。但对自驾车或机器人而言,真正需要的是理解物件之间的关系:一群人在过马路,AI不只要知道"有人",还需要理解这群人正在通过道路,附近有哪些建筑物,人物与周遭物件之间存在什么关系。加入G-YOLO后,模型可以生成更完整的场景描述,例如画面中约有15人在过马路,旁边有商店、建筑物与道路设施。

目前Taiwan GBA可辨识跌倒、打架斗殴、挥舞刀子等12种行为,涵盖居家照护、公共安全和校园安全的应用场景。G-YOLO则持续扩展深度估计与多视角理解能力,让AI不只知道"看到了什么",也知道"物件在哪里、距离多远,以及彼此如何互动"。

廖弘源认为,未来自驾车、机器人与智慧照护系统,需要的不只是大型语言模型,而是一套能理解真实世界的多模态能力。大型模型让AI开始能描述世界,但要让AI真正进入世界,仍需要理解人的行动、环境变化,以及事件背后的意义。这也是中研院投入自主多模态AI研发的核心方向。

信息源:iThome

研究

英国旅游预订公司Holiday Extras称使用OpenAI Codex重构应用,转化率提升32.5%

快讯
2026-11-12 17:30

英国旅游预订平台Holiday Extras在OpenAI发布的案例研究中表示,其利用OpenAI的编码工具Codex重构了移动应用程序。据该公司称,这一过程将原本需要超过六个月的开发工作缩短至两周完成。

Holiday Extras报告了具体的性能改进:主要应用的“打开到预订”转化率提升了32.5%,应用错误率从19%下降至9%。此外,发布频率也从年度重大更新转变为每周多次更新。

该公司CEO Matthew Pack和AI创新副总裁Liam Thompson指出,Codex使得非工程背景的员工也能参与软件构建,从而更直接地将客户洞察转化为产品功能。例如,一名客户因缺少列表视图功能给出差评,团队通过Codex快速修复并上线后,该客户将评分改为五星。

需要注意的是,上述数据均为Holiday Extras自行报告的结果,未经独立第三方验证。

信息源:OpenAI

研究

北京发布具身智能机器人三年行动方案:拟建50000PFlops算力集群,形成20万台/年产能

专题 · 北京具身智能机器人方案结构性
核验于 2026-11-12 18:44

11月11日,北京市经济和信息化局印发《北京市具身智能机器人产业高质量发展行动方案(2026-2028年)》(以下简称《行动方案》)。该方案将具身智能机器人产业定位为高精尖产业的重要领域和未来产业的关键突破口,旨在通过六大工程推动产业高质量发展。

在基础设施与技术攻关方面,《行动方案》提出新增建设总规模超过50000PFlops的具身智能专用算力集群,并在不少于100个真实场景中采集超过100万小时的高质量数据。同时,支持视觉语言动作模型(VLA)、世界模型(WM)等多技术路线布局,提升“大脑”认知和“小脑”执行能力。

在产业链与制造能力方面,方案力争到2028年在京形成20万台/年的整机生产能力,京津冀区域整机产能占全国25%,关键零部件配套率超过60%。此外,还明确了电机扭矩密度、减速器寿命、灵巧手成本等关键零部件的具体技术指标。

在应用推广与安全治理方面,方案计划在工业、服务、特种领域分别形成不少于20个、20个和10个标杆应用场景,并率先构建涵盖全生命周期的安全治理体系,包括建立检测认证中心和“一机一码”全过程管理体系。

为保障实施,北京将制定专项支持政策,加大对关键技术攻关、中试能力建设等方面的资金支持,并对急需紧缺人才在落户、住房等方面给予支持。

信息源:jxj.beijing.gov.cn

研究

OpenAI承诺资助200万美元支持儿童AI安全研究

专题 · OpenAI快讯
2026-11-12 08:00

OpenAI于2026年11月12日宣布,已在巴黎和平论坛上签署《更安全的儿童AI参与宪章》(Charter of Engagement for Safer AI for Children),并承诺向“AI时代儿童权利与保护联盟”(Coalition for Children’s Rights and Protection in the Age of AI)旗下的科学研究网络提供200万美元资金。

这笔资金将用于支持共享测量工作,即开发研究人员可用的工具,以更好地理解和衡量人工智能对儿童的风险与机遇,从而为更安全的产品和更好的政策提供依据。OpenAI表示,该宪章确立了安全、适龄的人工智能共同原则,并包含一个保障研究独立性的计划;研究团队保留对其结论的控制权,包括负面或不确定结果也将公开发布。

此举建立在OpenAI此前呼吁建立全球青年AI安全标准的基础上,旨在通过政府、研究人员、民间社会和行业的协作,将共享证据转化为实际保障措施。

信息源:OpenAI

研究

谷歌与空乘工会达成和解,要求第三方脱敏精神航空数据以保护员工隐私

专题 · 精神航空数据脱敏协议实质变化
2026-11-12 18:15

据WIRED报道,谷歌(Google)与代表已破产的精神航空(Spirit Airlines)空乘人员的工会“飞行乘务员协会”(Association for Flight Attendants)本周达成一项具有开创性的和解协议。该协议旨在解决精神航空在清算过程中将其内部数据出售给谷歌用于AI模型训练所引发的隐私争议。此前,精神航空曾计划以1000万美元的价格将包含数十亿条电子邮件和消息在内的数据资产出售给谷歌,但工会指出这些数据中包含了大量员工的个人敏感信息。

根据修订后的协议条款,精神航空必须聘请一家名为Tonic AI的第三方数据去标识化公司,专门负责剔除可能与个人或消费者关联的信息,并确保去标识化后的数据无法被重新链接到具体人员。谷歌承诺仅接收并维护这种经过严格脱敏处理的数据形式。此外,协议明确排除了部分高度敏感的记录,包括员工医疗档案、涉及员工调查及劳资关系的文件,以及关于行业安全管理系统的信息。美国航空业贸易组织此前也介入此事,警告称若包含此类信息,可能会抑制员工通过自愿项目报告安全问题的意愿,从而损害美国航空业的安全记录。

该协议还包含一个退出条款:如果数据清洗过程导致资产价值减少超过8%,谷歌有权放弃此次收购。尽管这一安排被视为对员工隐私的有力保护,但它仍需等待下周法官的最终批准才能生效。飞行乘务员协会主席Sara Nelson表示,这一结果可能成为其他工会效仿的模板,他们计划立即开始要求在与其他航空公司的劳动协议中加入类似的数据保护条款,并正与州级政治家合作,试图将工人数据保护写入法律。这一事件凸显了在AI产业对私有数据需求激增的背景下,劳工权益与数据商业化之间日益紧张的博弈关系。

信息源:WIRED

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系