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

2026-11-20117 篇

刷新

拼多多Q3营收持平于1083亿元,净利润295亿元

实质变化
核验于 2026-11-20 02:37

拼多多(PDD Holdings)公布2026年第三季度财报,集团收入为1083亿元人民币,与去年同期基本持平;净利润为295亿元人民币。这一表现显示,尽管面临激烈的国内市场竞争和全球贸易环境的变化,公司仍保持了稳健的盈利能力。

从收入结构来看,在线营销服务的增长抵消了交易服务收入的下降。管理层在电话会议中表示,过去一年来,公司持续将资源投入到商家生态升级和供应链能力建设中,这些投入正在释放阶段性成效。具体而言,“千亿扶持”惠商战略已从平台经营延伸至研发、生产和履约等环节,旨在帮助商家向品牌化发展并提升产业基础。

此外,拼多多的“三年再造拼多多”战略也在稳步推进,其自营品牌业务已与产业带商家展开规模化合作,加速推动供应链迈向品牌化。在农业领域,公司通过专项行动提升农产品品质标准,助力农户增收;在制造业产业带,则通过重塑全产业链的研发和生产方式,推动从产能规模向质量品牌的转变。

信息源:StockAnalysis.com

研究

谷歌在macOS版Gemini中推出“计算机使用”功能,可跨本地文件和桌面应用执行多步任务

实质变化
2026-11-20 02:21

谷歌(Google)宣布其macOS版Gemini应用现已支持“计算机使用”(computer use)功能。这意味着Gemini可以帮助用户在本地文件、桌面应用程序和网页之间完成多步骤任务。谷歌表示,该功能可用于加速工作流、填写表单、制作演示文稿以及列出待售物品等场景。

用户将能够决定Gemini可以访问哪些应用程序,并且可以通过聊天窗口中的实时预览背景窗口跟踪Gemini的操作过程。这一功能目前正在向美国的英语用户逐步推出。

值得注意的是,谷歌推出此功能之际,苹果(Apple)正准备因AI代理带来的潜在风险而对Mac上的“完全磁盘访问权限”实施新的限制。本周发布的macOS 27.3测试版已包含这些新设置的预览。

信息源:The Verge

研究

谷歌选定蓝色起源新格伦火箭执行“Suncatcher”轨道AI基础设施首次重型发射,目标2029年第一季度

实质变化
2026-11-19 21:00

谷歌(Google)研究部门宣布,已与蓝色起源(Blue Origin)达成合作,将由其新格伦(New Glenn)重型运载火箭执行“Suncatcher”项目的首次重型发射任务。该项目旨在利用轨道上丰富的太阳能,在太空中扩展人工智能基础设施。

根据谷歌官方博客发布的消息,此次发射目标定于2029年第一季度。蓝色起源的新格伦火箭将把谷歌的卫星部署到太阳同步轨道。每颗卫星的设计容量大致相当于一个地面数据中心的机架。

这一专用发射任务建立在谷歌与其他卫星及发射合作伙伴持续工作的基础之上,被视为谷歌长期路线图中的关键里程碑,标志着其从早期的原型测试向规模化轨道计算能力的迈进。

信息源:Google

研究

德州农工大学系统CIO称新AI超算将分子发现周期从五个月缩短至一周

快讯
2026-11-18 21:56

在SC26会议上,德州农工大学系统(The Texas A&M University System)首席信息官Vince Kellen接受SiliconANGLE采访,介绍了该机构正在部署的两套大型AI超级计算集群。Kellen称,这些算力设施主要服务于分子发现和材料工程等领域,其规模使得研究人员能够以极快的速度完成原本需要数月时间的探索性研究。“通常要花五个月才能完成的工作,现在一周就能做完,”Kellen说,“这对科学家来说意义重大,让他们能更频繁地进行探索。”

目前,该系统已拥有名为VISION的Nvidia DGX H200 SuperPOD集群,在2026年6月的Top500榜单中排名第66位,是美国最强大的大学超级计算机。此外,德州农工工程实验站已选定戴尔科技构建基于AMD GPU的第二套IGNITE平台,该设备将托管于达拉斯的一家Equinix数据中心。Kellen强调,随着更多算力向研究人员开放,安全访问和员工资质审核成为政策层面的主要关切。这一案例展示了高校正像云运营商一样建设基础设施,以应对AI与高性能计算融合带来的科研范式变化。

信息源:SiliconANGLE

研究

The Verge高级记者Victoria Song:Apple Siri Recap的隐私架构让AI更难用

实质变化
2026-11-19 21:00

The Verge高级记者Victoria Song在Apple Watch Ultra 4上测试Siri Recap两周后,得出了一个判断:更好的隐私往往意味着更不实用的AI产品。苹果为这款环境感知摘要工具做了多项隐私保护设计——不训练用户语音、不保存原始音频、摘要中不标注说话人归属——但Song发现,这些选择直接影响了AI的实用能力。

最具体的失效来自不训练语音这一决定。因为Siri没有学习过Song的声音特征,它很难判断什么时候Song真正在跟人说话,什么时候只是手机外放在播放内容。Song用手机外放观看一条TikTok,一位慢性病患者讲述自己被送进急诊室的情况,Siri Recap把这段视频摘要成似乎Song本人或她认识的人被送进了急诊室。另一条TikTok讨论Reddit上AITA帖子中一个叫Dana的人试图勾引闺蜜丈夫的故事,摘要结果读起来像是Song本人在凌晨两三点带着Dana的亮片回家。Song指出,只要她戴着AirPods,Siri Recap就自动关闭,这意味着她需要调整自己的行为来适应AI的识别缺陷。

第二个机制是摘要中没有说话人归属。苹果刻意不在摘要里标注谁在什么时间说了什么,目的是防止这些记录被用作争吵、法庭证据或勒索工具。但去掉归属后,摘要经常把别人的故事写成用户的经历。Song还发现Siri Recap严重偏好复述事实和统计数据,而忽略用户个人觉得最有价值的信息。在一次采访中,她觉得最有趣的是受访者关于RFK Jr.的个人轶事和强烈观点,但摘要只保留了更具体的事实细节。

Song的最终评估是,这类环境感知可穿戴设备在低风险的、所有人都同意的简单场景中确实有用,但在日常生活的复杂社交环境中,它带来的社会成本——需要向每个人解释你的手表在录音、需要回答关于隐私处理的追问、需要权衡是否每次对话前都有精力做伦理披露——可能超过了它能提供的记忆辅助。她认为,更好的隐私往往意味着更不实用的AI产品,苹果选择限制AI对用户的了解,这保护了隐私,但也让AI失去了做出正确判断所需的上下文。

不过Song也承认,在少数工作场景中Siri Recap确实帮到了她,比如产品简报和采访后的主题回顾,功能仍处于测试阶段。她的整体判断是,目前这项技术还不是帮助记忆或保持专注的答案——每当她忘记事情时,负面后果很少真正不可逆转地改变生活;每当她不专注于当下时,通常是因为她在看手机。

信息源:The Verge

研究

美国新国会应保留而非推翻稀土交易,转向两党立法固化激励

实质变化
2026-11-19 19:56

稀土永磁体是数据中心、电动汽车、无人机、风力涡轮机、智能手机和机器人的关键输入,支撑着数万亿美元的下游经济价值。中国控制着全球超过90%的稀土开采、精炼和磁体制造,并反复利用出口管制作为地缘政治杠杆。美国要摆脱这一依赖,需要十年到三十年的项目周期和持续稳定的政府支持——这正是当前政策争论的核心。

2026年中期选举的蓝色浪潮使稀土企业陷入政治风暴。特朗普政府通过美国进出口银行(EXIM)和战争部战略资本办公室(OSC)与十余家磁体稀土企业达成交易,融资规模从不到1亿美元到22亿美元不等。其中多笔交易因涉及总统家族或其政治任命官员的关联而受到国会议员质疑:USA Rare Earth获得2.77亿美元联邦资金及最高13亿美元CHIPS贷款,其政府交易承销商为商务部长卢特尼克之子经营的Cantor Fitzgerald;Vulcan Elements获得6.2亿美元OSC有条件贷款和5000万美元商务部股权,特朗普之子所在的1789 Capital在交易前数月投资了该公司;Energy Fuels获得7.25亿美元OSC有条件贷款,其高管被民主党众议员指控在政策决定前进行内幕交易。

然而,作者认为国会实际上很难撤销这些交易。许多资金已经拨付,股权已经购买。OSC的资金已由《一个大而美丽的法案》拨款,EXIM的章程赋予其独立交易权。国会若要真正取消这些授权,需要立法撤销拨款并修改EXIM章程——而任何此类立法都将面临总统否决。唯一可行的撤回路径是通过调查揭露欺诈或尽职调查违规并移交司法部,但法律机制尚不明确,更可能的结果是不良舆论导致OSC或EXIM单方面取消交易。

作者的核心论点在于:即便个别交易的利益冲突值得调查,将整批交易变成政治清算对稀土产业毫无帮助。这些企业大多是真实经营者,处于一个战略重要性极高但利润微薄的行业。过去几年国会未提供任何支持,而行政分支提供了急需的资金。即使逐笔挑选赢家不是最优方案,也比没有方案好。国会必须从现状出发建设,而非推倒重来。

真正需要的是立法路径。行政分支的交易无法跨越政党轮替提供确定性,而稀土项目需要十到三十年的投资周期。作者列举了多项已在当前国会提出的两党法案——《磁体价值链支持法案》《国家关键矿产委员会法案》《关键材料未来法案》《STRATA法案》《关键矿产行政协调法案》——认为这些法案代表了正确的方向:通过覆盖供需两侧的市场激励来实现稀土安全,使投资承诺不受执政党更替影响。

作者警告的最坏情形是:国会今天打击昨天的交易,明天却未能通过任何新立法。稀土产业需要的不是政治清算,而是跨越党派的制度性承诺——无论是需求侧激励、对中国磁体的关税,还是对在美国生产企业的供给侧支持,我们需要的是持久的东西。

信息源:chinatalk.media

研究

OpenAI 性能工厂:让独立代理反驳诊断以提高根因准确率

实质变化
2026-11-19 16:00

OpenAI 的性能工程师 Okay Zed 和 Cyrus Forbes 在 2026 年 11 月发表了一篇工程博客,解释了他们的 Performance Factory 系统如何用 Codex 代理自动调查和修复 ChatGPT 的性能回归。文章最有价值的部分不是系统本身,而是它揭示的一个代理工作流设计问题:调查代理有时会在第一个看似合理的解释处停下来并给出错误诊断,而将调查和质疑分离为独立代理轮次可以拦截这些错误。

问题的起源很具体。早期版本中,代理有时找到了一个听起来合理的解释就标记原因已找到,但事后发现诊断是错的。文章给出了一个清晰的失败案例:一个代理将 ChatGPT 对话失败追溯到图片下载错误并标记为已找到原因。但一个独立的 Codex 审查者注意到,负责定位文件的内部服务已经恢复,而图片请求仍在失败——诊断无法解释持续的故障。审查者重新打开了调查并记录了尚未确立的部分。

他们的解决方案是对抗性审查:一个独立的 Codex 会话专门试图反驳提出的诊断。审查者重新检查假设并测试反事实——如果某次发布导致了变慢,未暴露于该发布的类似请求是否保持健康?如果怀疑的变更被回滚,受影响的指标是否恢复?这不是简单的重复检查,而是从不同角度挑战同一个结论。

在 100 个根因建议的人工审查中,70% 被评为准确,30% 需要进一步细化或未能完全确立因果关系。文章明确指出,在 Regression Workflow 中,不同的轮次分别负责调查回归、挑战诊断和提出修复,通过制衡机制提高准确率数字。这个 70% 是 OpenAI 内部自报数据,样本为 100 例,未提供独立复现,也未给出引入对抗性审查之前的准确率基线。

更广泛的模式是将较大的任务拆分为专注的 Codex 轮次。每个轮次有明确的角色:调查者、质疑者、修复者。任务状态和关键发现记录在代理上下文之外,使得其他代理或工程师可以接手工作。这种设计允许工作通过代码审查或部署后恢复,而不是要求单个代理会话完成所有事情。

但文章也诚实地指出,修复比诊断更难。代理提出的变更有时比必要的更复杂,或引入新问题。有些修复需要更高层次的架构决策——例如添加缓存可能改善性能但引入过期数据。这类变更需要了解该服务的工程师来权衡取舍。目前瓶颈在于等待工程师审查和合并修复,OpenAI 正在探索代理是否能自己完成这一步。

对于构建代理工作流的团队,这篇文章的实际贡献是提供了一个可检查的设计模式:不要依赖单个代理的可靠性,而是通过角色分离和对抗性审查来构建制衡。70% 的准确率意味着每三个诊断中仍有一个需要人工介入。系统运行三个多月,追踪了超过 1700 次调查,完成了 600 多个根因分析,平均每天 17 次自动调查。

需要注意的是,这些都是 OpenAI 内部系统的自报数据。文章没有提供外部验证、跨团队复现或不同模型版本下的对比。它描述的是一个特定公司、特定基础设施上的实践,其迁移到其他环境的效果取决于类似的工具接入、数据质量和任务复杂度。

信息源:OpenAI

研究

谷歌与Meta发布新研究:AI代理如何从执行经验中自我改进

实质变化
2026-11-19 17:12

谷歌云AI、谷歌DeepMind与宾夕法尼亚州立大学的研究团队近日发表《Self-Improvement Memory Enables Continual Recursive Self-Improvement》论文,提出“自我改进记忆”(SIM)机制。该机制服务于优化AI代理工作框架的系统,而非执行任务的模型本身。SIM通过记录过往修改的理由、预期与实际结果,使系统在更换数据集或模型时能延续既有改进,避免重复尝试或盲目调整。实验显示,在编程任务中,加入SIM的版本平均比仅保留演化后框架的版本高出2.36分。

与此同时,Meta研究团队发表了关于“自我改进记忆”的另一项研究,聚焦于让AI代理自行探索适合不同任务的记忆管理策略。该方法分为两个阶段:首先由元代理分析执行轨迹并优化记忆提示词,随后通过微调将这些优化后的行为内化至模型权重。据TechOrange报道,Meta的方法在三项任务上的平均得分比最佳人工设计策略高出11.4分,且部分改进成功转移到了模型权重中,显示出无需依赖人工编写提示词即可提升长期任务表现的能力。

信息源:TechOrange 科技報橘

研究

NVIDIA DAQIRI:网卡硬件重排序和直接轮询如何让500 Gbps科学数据边采集边进GPU

实质变化
2026-11-20 01:00

科学仪器做实时AI分析,直觉上的瓶颈是GPU算力不够。但NVIDIA在11月19日发布的技术博客指出,真正限制仪器设计的往往是数据搬运:传感器产生的数据需要按正确顺序、以足够速度、在足够低的延迟下到达GPU内存,才能支撑采集过程中的即时处理。DAQIRI正是针对这一约束设计的软件定义数据获取库,它把高带宽仪器数据直接送入GPU就绪的工作流,让开发者在采集期间就能处理测量结果,而不必先写磁盘再读回。

伯克利实验室分子铸造厂开发的高动态范围电子显微镜相机是这篇文章的核心案例。传统电子能量损失谱(EELS)需要两次分别优化的采集过程快速连续执行,以捕获强信号和弱信号的强度差异——这要求精确协调电子光学、曝光时序和探测器读出,采集后还要对齐合并,增加了实验和处理的复杂度。新相机一次采集就能同时捕获强弱信号,但代价是数据量暴增到500 Gbps以上,比传统EELS数据流快500倍以上。如果数据搬不动,这个硬件优势就毫无意义。

NVIDIA的解决方案分三层,每层对应一个具体的数据搬运问题。第一层是顺序:网络传输中数据包可能乱序到达,传统做法靠协议处理或接收端缓冲来重排,这增加延迟和内存开销。DAQIRI现在可以把重排序任务卸载到ConnectX-7或更新型号的网卡硬件上,网卡直接解析序列字段并把每个载荷放到内存中的正确位置,应用收到的已经是排好序的数据,不需要额外的软件重排拷贝步骤。

第二层是吞吐:DAQIRI引入了基于libibverbs和NVIDIA DevX的ibverbs引擎,用于高速收发原始以太网包。NVIDIA称,在小包(1024字节以下)和极高速率(大于200 Gbps)条件下,ibverbs引擎的每核吞吐约为之前默认DPDK后端的两倍。这一数据来自厂商在DGX Spark、IGX Thor和RTX PRO平台上的基准测试,属于自报结果。

第三层是延迟:智能仪器可能需要GPU分析结果反馈回来调整采集参数或控制设置,这对通信延迟敏感。DAQIRI的直接轮询模式让应用线程直接收发数据包,省去了交给独立I/O工作线程的交接环节。NVIDIA在有线环回基准测试中报告了2-4微秒的应用层收发延迟。开发者可以对延迟敏感的控制队列启用直接轮询,同时保留高吞吐数据流的批处理模式。

通过这套管线,伯克利实验室团队在500 Gbps数据持续流入的同时,实现了采集期间的数据检查、参数调整和感兴趣区域选择。GPU处理还改善了空间信息恢复——从5微米宽的传感器像素实现了亚微米空间分辨率。

需要注意的是,这些性能数字全部是NVIDIA自报的基准测试结果,没有独立第三方复现。案例仅涉及一台特定相机和一个实验室环境。架构依赖ConnectX-7级别网卡和GPU平台,并非所有科学仪器都具备这些硬件条件。但它揭示的约束分解——顺序、吞吐、延迟各自需要不同的工程手段——对任何高带宽传感器到GPU的实时处理管线都有参考价值。

信息源:NVIDIA Technical Blog

研究

NVIDIA Dynamo 团队解释为何工具调用解析器必须遵循恢复规则而非猜测模型意图

实质变化
2026-11-20 00:30

当大语言模型生成工具调用时,输出可能以 token 流的形式逐块到达,参数可能在中途被截断,模型专属标记可能泄漏到普通文本中。NVIDIA Dynamo 团队的 Keiven Chang 等人在技术博客中描述了 frontend-crates 这套 Rust 解析组件的设计原则:面对这些情况,解析器必须遵循文档化的恢复规则,而不是猜测模型的意图。

这个原则在具体失败场景中有明确含义。文章举了两个例子:如果模型生成了一个语法不完整的调用(参数和调用框架从未闭合),解析器无法拼出一个完整的调用;如果模型生成了语法正确但调用了不存在的工具(比如 unknown_tool 而非 get_weather),解析器应当原样报告它收到的调用,由服务层去验证工具可用性、权限和策略。改变工具名称会隐藏模型实际生成了什么,这对调试和审计都是有害的。

流式场景增加了另一层困难。一个标记可能跨越两个 chunk 被切开,城市名称可能只传了一半。过早发出事件会让语法泄漏到答案中,等待太久则延迟普通文本的到达。解析器需要一致的规则来决定何时发出、何时缓冲、流结束时如何处理。文章强调,即使一个调用在语法上完全合法且符合 schema,它也可能不是用户请求的正确选择——解析器的职责是忠实传递,而非判断语义正确性。

为了验证这些规则是否被正确实现,frontend-crates 使用一个共享的 Conformance Corpus。它以语言中立的 YAML 格式将固定输入与预期输出配对,使 Rust 解析器和 Python 参考实现能运行同一组测试用例。文章展示了 UNIFIED.1-tool_only 这个行为测试如何在 Beam、GPT-OSS、Muse Spark 和 NVIDIA Nemotron 3 四个模型家族间复用:标记格式各不相同,但每个测试验证的是相同行为——正确提取 get_weather 调用及其 city 参数。开发者为新模型编写解析器时,从这些共享用例出发,适配到目标模型的语法,再补充模型特有的边界情况。

文章还讨论了引导解码(guided decoding)的作用和局限。引导解码可以将生成约束在模型的标记和参数 schema 内,减少畸形调用的出现,但它无法确保模型选择了正确的城市,也无法防止截断,因此解析器的恢复检查仍然必要。需要指出的是,这是 NVIDIA Dynamo 团队对其自身系统设计理念的第一方描述;Conformance Corpus 覆盖的 Beam、GPT-OSS、Muse Spark 和 NVIDIA Nemotron 3 属于不同模型家族,文章未提供与独立第三方解析器方案的对比数据。

信息源:NVIDIA Technical Blog

研究

软件投资人Richard Anton:公共市场对AI冲击的误判可能扭曲私募交易定价

实质变化
2026-11-19 20:00

2026年1月,Claude Cowork的发布触发了一场针对软件公司的恐慌性抛售。两天之内,约2850亿美元的市值从软件、数据分析和金融科技板块蒸发。到4月,BVP纳斯达克新兴云指数较年初下跌31%。交易员没有区分哪些公司会因AI受益、哪些会被AI摧毁,而是将软件公司视为一个整体进行无差别抛售。

Oxx创始合伙人Richard Anton在11月19日发表于Crunchbase News的署名文章中认为,这场恐慌不是软件行业的末日信号,而是公共市场定价能力的暴露。他的核心论点是:SaaSpocalypse揭示的不是软件的终结,而是公共市场在判断软件价值时的结构性局限。

Anton的推理链条如下。首先,公共市场对AI的反应模式是情绪驱动的:2022年ChatGPT发布时,Alphabet股价被惩罚,尽管Google后来成为生成式AI的明确赢家;2026年初Claude Cowork发布时,市场又对所有软件公司无差别恐慌。其次,恢复过程证实了这种误判——到10月底,云软件指数较4月低点反弹83%,但恢复是分化的:网络安全和数据分析板块表现强劲(CrowdStrike年内上涨114%),而工作流管理板块则回落。Anton由此得出结论:AI并非消灭软件,而是重新分配了竞争优势的来源——深度嵌入客户核心业务流程的公司受益,浅层工具型公司受损。

Anton进一步将这一事件嵌入一个更长期的结构性趋势。他认为,自1990年代末以来、特别是2002年《萨班斯-奥克斯利法案》出台后,美国上市公司数量已减半,私募市场大幅增长。在Anton看来,私募市场才是'聪明钱'所在,也是对软件公司价值'更准确、更有耐心'的评估场所。

这一论点的关键后果在于:Anton认为公共市场的错误信号可能正在传导至私募交易。他用'可能正在造成'(may be causing)来限定这一判断,并指出2026年初多笔正在推进的私募交易在SaaSpocalypse的虚假信号冲击下流产。如果这一传导成立,那么对创始人而言,当公共市场不能准确定价时,IPO作为退出路径的吸引力就会下降。

需要指出的是,Anton是Oxx的创始合伙人,这是一家专注投资欧洲软件公司的风险投资基金。他的论点——公共市场不可靠、私募市场能更准确评估软件价值——与其商业模式存在利益关联。此外,他引用的恢复数据(指数从低点反弹83%)本身也表明公共市场具有自我修正能力,而他关于私募交易扭曲的表述始终停留在'可能'层面,未提供系统性的交易流产数据或对照组。

信息源:Crunchbase News

研究

AI公司Anthropic在纳斯达克上市,开盘价111.5美元高于发行价83美元

结构性
2026-11-20 01:11

美国AI初创公司Anthropic于2026年11月19日正式在纳斯达克交易所挂牌上市。联合创始人兼首席执行官Dario Amodei与总裁Daniela Amodei共同敲响了开市钟。股票以每股111.50美元的价格开始交易,显著高于此前确定的每股83美元的公开发行价格。截至当日18:00,股价波动后稳定在105美元左右,仍高于发行价。

此次IPO显示出极高的市场需求。据CNBC报道,机构投资者对此次发行的认购金额约为4000亿美元,散户投资者需求接近1000亿美元。Anthropic计划出售最多8.014亿股新股,加上老股东持有的2360万股,总规模预计超过SpaceX今年6月创纪录的IPO募资额(基础部分750亿美元)。

尽管市场热情高涨,Anthropic的估值预期在过去几个月经历了下调。此前曾传闻其估值可能达到2万亿美元,但随着AI热潮降温以及美国中期选举后民主党对数据中心扩张持更批评态度,最终发行定价反映了更为保守的市场评估。实际市值需待股价在未来几天企稳后才能确定。

信息源:heise online

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系