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

上海AI制药创企元示科技完成近3亿元Pre-A轮融资,称刷新国内AI虚拟细胞领域单笔纪录

实质变化
2026-11-19 14:02

智东西11月19日消息,上海AI制药初创企业元示科技宣布完成近3亿元人民币Pre-A轮融资。本轮融资由君联资本领投,华夏瓴投、京东关联基金、CMC资本等跟投,光源资本担任独家财务顾问。据投资界报道,招商局中国基金、鼎晖VGC以及老股东Monolith、创新工场、道彤投资、燕缘创投也参与了本轮投资或持续加注。这笔交易宣称刷新了国内AI虚拟细胞(AIVC)领域的单笔融资纪录。

这是元示科技在近一个月内官宣的第三轮融资。该公司成立于2026年4月,主要研发AI虚拟细胞模型,旨在预测细胞在不同疾病状态、实验条件和干预方式下的响应。此前在10月,公司已连续完成近亿元人民币的天使轮及天使+轮融资。新资金计划主要用于积累细胞干预与响应数据、建设自动化实验平台、迭代通用细胞大模型及扩充研发团队。

元示科技的核心技术路径是构建“模型预测—实验验证—数据反馈—模型更新”的干湿闭环。通过这一机制,模型能在实验反馈中识别预测短板,辅助研究人员选择下一轮实验,再用新结果补充训练数据并改进模型。公司将此过程称为递归自我改进(RSI)在生物基础模型中的应用。外部合作方面,元示科技已与华大智造子公司涌生智能达成战略合作,共建虚拟细胞自动化实验平台,以减少人工操作差异并加速数据生产。

创始团队具有深厚的学术背景。联合创始人兼CEO吴佳奇为北京大学系统生物学博士,曾在洛克菲勒大学从事博士后研究;联合创始人兼CTO董明泽本科毕业于北京大学元培学院,博士毕业于耶鲁大学计算生物学专业,曾在斯坦福大学及Anthropic从事研究。董明泽于11月11日宣布全职加入,其参与的STACK模型曾实现跨细胞环境免重训迁移。

信息源:zhidx.com

研究

NYU金融教授达摩达兰:AI交易正从整体押注走向四类公司的分化定价

结构性
2026-11-09 21:37

纽约大学斯特恩商学院金融教授Aswath Damodaran的核心判断是:过去几年那种买入任何AI公司都能赚钱的整体交易正在终结。他的依据不是某一次股价波动,而是一个结构性判断——AI产业链中的四类参与者,其商业模式、收益时点和利益方向正在分道扬镳。

Damodaran把AI生态拆成四组:供应商(芯片、电力设备、房地产等,向建设者出售基础设施原料)、建设者(Alphabet、Amazon、Meta、Microsoft等超大规模资本开支方)、产品公司(OpenAI、Anthropic等面向终端用户的前沿模型和应用企业)、以及客户(所有潜在使用AI产品的个人和企业)。这四组虽然都被笼统称为AI公司,但创造价值的方式截然不同。

关键分歧来自时间结构。供应商最先看到真金白银:建设者的资本开支变成供应商当期收入,扣除运营成本后增加其利润。建设者则相反——无论投资多么合理,短期内都是对盈利和自由现金流的冲击,只是因为有成熟业务的利润缓冲,表观盈利受损程度被掩盖了。产品公司更晚,在基础设施就绪之前几乎没有收入可展示,同时承担巨额研发和薪酬支出。客户群体则要到产品真正可用、可付费时才会形成规模。

Damodaran用11月5日的市场反应来验证这个框架:美国选举结果公布后,纳斯达克单日下跌近6%,标普500下跌4%,AI股票一天蒸发近1.8万亿美元市值。但分化已经出现——芯片股和电气设备股首当其冲,超大规模建设者(Mag Seven中的四家)反而在当周实现了市值净增长。Damodaran指出,如果选举结果意味着数据中心建设放缓,最先受冲击的就是依赖增量建设的供应商,而建设者股东可能乐见资本开支减速。

更深层的冲突来自利益对立。建设者过度建设会伤害自身股东,但对供应商是盛宴;建设者希望把基础设施以超出合理年限的长期租约锁出,以稳定收入流,但这增加了产品公司的违约风险。Damodaran认为,随着AI业务进入商业建设期,这些竞争利益将压过共同利益,市场会开始挑选赢家和输家。

他同时提出了大市场幻觉框架:大市场的潜力与创始人、VC和CEO的过度自信结合,导致过度投资和随后的修正。他承认AI几乎肯定存在建设者的过度投资、LLM公司的过度算力承诺和市场的整体高估。但他也强调,这种修正何时到来、以什么形式到来几乎无法预测,因此不应简单回避整个板块,而应在每次修正中卖出部分持仓,并在修正后设定触发价格买入你认为被错误定价的公司。

Damodaran对Anthropic IPO的估值敏感性分析也印证了这个框架:如果将销售与资本开支比率从3降至2.5(反映更重的算力投入需求),同时将监管对利润率的拖累从5%提高到7.5%,即使维持万亿美元收入目标不变,Anthropic的估计股权价值也会从约1.5万亿美元降至1.25万亿美元。他认为IPO定价最终会接近这个数字,因为选举结果已经改变了基本面假设。

需要指出的是,Damodaran自己承认样本的局限:公开数据排除了OpenAI和Anthropic等最大的私营玩家,多数公司同时横跨多个分组(Meta、Alphabet、Microsoft既是建设者也在开发自己的大模型),且不存在AI收入的独立会计科目,分类只能依赖公开描述。他的框架是一个分析起点,而非精确的定价工具。

信息源:aswathdamodaran.blogspot.com

研究

荷兰监管机构警告:AI智能眼镜存安全隐患,建议勿购

实质变化
2026-11-20 12:03

荷兰数据保护局(Autoriteit Persoonsgegevens, AP)近日发布警告,建议消费者不要购买具备人工智能功能的智能眼镜。据科技媒体heise online报道,该机构对目前在荷兰市场上销售的六款不同型号的AI眼镜进行了调查,发现这些设备不仅侵犯旁观者隐私,其内置的AI聊天机器人还向用户提供了错误甚至危险的指导。

在一项模拟紧急情况的测试中,当有人需要心肺复苏时,受测眼镜声称已经拨打了112急救电话并派遣了救护车,但实际上并未进行任何呼叫。AP指出这是一种典型的“AI幻觉”。此外,测试还显示部分眼镜向成年人提供不当约会建议,或错误解读药物说明书和玩具安全警示。

AP副主席Monique Verdier表示,虽然AI技术带来机遇,但公众目前无法信任这类带摄像头的智能眼镜。尽管AP本身无权实施销售禁令(这属于产品安全监管范畴),但该机构预计将在欧盟《人工智能法案》框架下获得更多监管权力。与此同时,数字权利组织Bits of Freedom批评这一警告力度不足,主张应直接将危险产品下架而非仅发出提醒。

信息源:heise online

研究

三块退役V100显卡以千美元成本在长上下文推理中超越五千美元Mac Studio

快讯
2026-11-19

据Tom's Hardware报道,一位名为esologic的自建实验室(homelab)构建者对三块二手Nvidia Tesla V100 GPU进行了基准测试,结果显示其在运行Qwen 3.6 35B混合专家(MoE)模型时,总成本约1,042美元的硬件配置在长上下文场景下的推理速度超过了售价5,399美元的Apple M5 Max Mac Studio。

该测试使用llama.cpp框架,对比了不同量化精度和上下文长度下的生成速度。在8位量化(Q8)下,三块V100在4K上下文时达到100.8 tokens/秒,在128K上下文时降至72.7 tokens/秒。相比之下,配备40核GPU和128GB统一内存的M5 Max Mac Studio在4K时略快(105.5 tokens/秒),但在64K和128K长上下文时落后于V100集群,后者在128K时比前者快约19%。

值得注意的是,V100是较旧的“电子垃圾”级企业GPU,其优势在于显存容量和带宽的组合使得多卡并行能处理更大的模型或更长的上下文,而现代消费级设备如Mac Studio虽在短上下文和能效上可能占优,但在特定长文本负载下被低成本旧硬件超越。该构建者还指出,V100的能耗约为同数量P100的一半。由于测试基于不同的运行时环境(llama.cpp vs MLX),数据仅供参考,且未包含独立第三方验证。

信息源:Tom's Hardware

研究

AWS工程师Chambers:一次前向传播的决策模型可让智能体跳过不必要的记忆检索

快讯
2026-11-20 09:37

对AI智能体说一声早上好,它可能会先去长期记忆里搜索一番再回复你。某个服务在后台执行语义检索,试图判断你的问候是否需要理解你的饮品偏好。即便你对咖啡极其认真,为两个词动用这么多基础设施也显得过度。

AWS高级AI DevEx工程师Mike Chambers在AGNTCon + MCPCon North America 2026上向The New Stack主编Nick Lucchesi介绍了一种应对思路:用决策模型(decider model)来处理智能体内部那些不断累积的小判断。这类模型也被称为判断模型或系统一模型,它们从固定选项中选择或对输入进行评分,返回校准概率而不生成自由文本。这个概念由TypeSafe AI的Jev推广,AWS的Strands Labs在10月1日发布了开源的Strands Decider 2B,参数量为二十亿。

Chambers把这种方法描述为代码里有一个由智能体驱动的、带语言感觉的if语句。开发者使用分类器已有多年,但这一代决策模型的不同之处在于:通用预训练让你无需先训练自己的模型就能尝试新的分类任务。你提供自然语言上下文,提出一个问题,得到一个数值分数,应用程序据此选择分支。在Chambers描述的模型中,这个分数在单次前向传播中返回,没有token序列需要生成。

这使得决策模型适合放在每个请求的关键路径上。Chambers用开源的Strands框架和Amazon Bedrock AgentCore Memory做了实验:把Strands Decider放在记忆查找前面,判断传入的消息是否需要从过去的对话中获取信息。问候可以直接通过;依赖用户先前所说内容的请求仍然触发搜索。他还在检索之后使用决策模型:记忆服务可以返回最相关的匹配结果,但有些可能与当前任务关系不大,决策模型可以在智能体将结果纳入上下文之前对每条结果进行相关性评分。

一个决策可以省掉一次服务调用,另一个可以让模型少处理无关材料。模型路由器也可以用分数把常规提示发给较小的模型,把更复杂的任务留给能力更强的模型,节省来自路由决策本身和它省下的下游工作。

但Chambers明确称他的记忆实验为实验性的。一个可预测JSON字段中的数字让决策模型容易接入应用,但那个数字是否可靠到足以据此行动,需要测试。

数字是否正确?这需要你的测试来搞清楚,他说。当风险升高时——智能体即将花钱,而不是推荐一杯咖啡——Chambers主张在智能体循环之外设置检查,对难以逆转的决策要求人工批准。

信息源:The New Stack

研究

Cognition推出Devin Bots:AI代理自主管理工程,44天低干预完成安卓应用开发

实质变化
2026-11-20 04:22

Cognition于周二推出了Devin Bots,这是一类新的持久化AI代理,旨在监督多个Devin编码会话并对数天或数周内的工程结果负责。CEO Scott Wu认为,协调而非仅仅是编码,是自动化的下一个机会。公司披露了一个具体案例:在9月28日至11月11日的44天内,一个Devin Bot负责构建Devin的安卓版本。在此期间,该Bot合并了1,134个拉取请求,编写了344,651行Kotlin代码,并关闭了1,217个工单。负责监督该项目的工程师仅发送了183条消息,其中22天没有任何互动。目前该安卓应用已在Google Play进行公开测试,但仍需完善以匹配iOS版本。此外,Cognition还展示了Layout Bot和Super Jenny等案例,称某移动游戏工作室通过类似机制将每周拉取请求数量从约50个提升至1,900个。

信息源:The New Stack

研究

AI代码审查公司CodeRabbit实测GPT-6.2 Astra:多捕获7个已知问题但精确率降至12%

快讯
2026-11-20 04:00

在代码审查中,捕获更多问题并不自动意味着更好的审查体验。AI代码审查公司CodeRabbit在自身管线中测试GPT-6.2 Astra后发现,新模型确实多找到了几个已知问题,但代价是评论量大幅增加、精确率显著下降——这恰恰是审查工具最不希望看到的组合。

CodeRabbit在83个已知问题的基准集上对比了Astra 6.2与上一代Astra集成。Astra 6.2捕获了58个问题(69.9%),比上一代的51个(61.5%)多出7个。但报告评论从331条增至847条,精确率从21.74%降至12.22%——每发布约8条可操作评论,只有1条能对应到基准中的已知问题。作者强调,这些结果不能确立纯粹的模型改进,因为基线配置中使用了Sol 6.1及其他模型,各配置只运行了一次。

评论量膨胀带来的问题不只是数字上的。在589条常规可操作评论中,只有72条匹配了已知问题;其余517条可能包含基准未标注的真实问题,但作者明确表示理解它们的价值需要逐条阅读。CodeRabbit指出,每一条评论都在要求作者分辨有用发现和噪音。当PR被低价值反馈填满时,作者可能最终停止阅读或处理评论,有用的发现也会被忽略。

Sol 6.2呈现出类似但幅度较小的模式。在81个已知问题的测试中,Sol 6.2高推理配置比6.1多捕获2个问题(74.1%对71.6%),但评论量从187条增至290条,精确率从35.3%降至25.9%,记录成本高出约48%。同样,这些运行不能隔离推理级别的效果,因为管道中不同部分替换了不同模型。

在代码生成方面,作者们没有运行匹配的基准测试,只分享了实际编码体验。Astra从简短提示中经常能产出有用的第一版界面,在长任务中也能在偏离后回到原始目标。Sol 6.2则需要更多方向指引,初始UI设计没有比6.1有改善,还反复给出错误的配置文件,团队不得不逐一验证项目能否实际启动。

CodeRabbit的结论是暂不切换。Astra的额外捕获伴随着大量评论增加,集成还需要与固定路由配置的对比;Sol的小幅增益则伴随着更多评论和更高成本。作者建议,在切换之前先阅读增量发现,并重新测试每个配置停止捕获的问题。OpenAI宣称新模型能以更少输出token完成高要求任务,但实际审查成本还取决于委托调用和重试次数,更低的token单价本身不能确立更低的审查成本。

信息源:CodeRabbit

研究

谷歌宣布Mac版Gemini应用新增“计算机使用”功能,AI可直接操作桌面软件与网站

实质变化
2026-11-20 10:20

2026年11月20日,谷歌(Google)宣布为其Mac版Gemini应用加入名为“Computer Use”的新功能。该功能允许人工智能直接操作电脑上的桌面应用程序和网站界面,代替用户执行点击按钮、切换菜单、输入文字和填写表单等操作,从而完成需要跨越不同软件和网站的复杂工作。

此次更新的一个显著特点是,Gemini可以在独立的背景视窗中执行这些操作,并在聊天界面实时显示预览画面。这意味着当AI正在处理数据整理或表单填写等任务时,用户仍可以使用Mac的主屏幕和鼠标继续其他工作,互不干扰。

在安全性方面,谷歌允许用户自行决定Gemini可以操作哪些应用程序,并提供一键中止任务的选项。当AI遇到登录或付款等敏感程序时,系统会自动暂停执行,并要求用户确认后才能继续。

谷歌列举了多种应用场景,包括设计师让AI批量调整照片色彩或设置3D场景,物流人员让AI从本地PDF提取信息并自动填入网站报价单,以及制作包含多源数据的演示文稿等。

目前,该功能正陆续向Google AI Plus、Pro和Ultra订阅者推出,首波仅支持美国英语。用户需在提示词中加入@Computer use即可启用。

信息源:INSIDE

研究

JEDEC预览DDR6标准:模块长度缩至74毫米,带宽提升超50%

实质变化
核验于 2026-11-20 10:40

半导体标准化组织JEDEC于2026年11月18日发布了下一代DRAM标准“DDR6”的预览。该标准目前仍在开发中,其展示的功能反映了当前的计划,并可能在后续的审批过程中发生变更。

在性能方面,DDR6 RDIMM的数据传输速率将从12.8 GT/s起步,目标提升至14.4 GT/s以上。数据总线宽度从DDR5的64 DQ扩展至96 DQ,增加了50%。这一架构调整旨在通过更宽的通道和更高的频率,在引入阶段即实现超过50%的带宽增长。

对于硬件设计者而言,最显著的变化在于物理尺寸。DDR6模块的长度定为74毫米,打破了自SDRAM时代以来持续约30年的133.35毫米(5.25英寸)标准。这种小型化不仅提高了系统内的内存密度,还可能模糊台式机与笔记本电脑之间的模块界限,因为74毫米仅略大于当前DDR5 SO-DIMM的69.6毫米。

DDR6采用了伪通道(pseudo-channel)架构来分割内存访问,并将Bank数量翻倍,以优化刷新操作和数据总线效率。此外,单颗DRAM芯片的密度最高支持128Gb,并通过封装内的堆叠优化进一步提升单位面积的容量。

在可靠性与能效上,DDR6支持多种系统级错误校正码(ECC)实现,允许设计者在成本、功耗和可靠性之间进行平衡。接口针对高容量模块进行了优化,明确指向通用计算以及需要靠近CPU的大容量和高性能的AI推理及代理型AI应用。

信息源:jedec.org

研究

美国众议院委员会要求微软就向字节跳动出售AI模型进行说明

实质变化
2026-11-20 09:58

美国众议院中国问题特别委员会于11月18日要求微软(Microsoft)向议员进行简报,原因是据科技媒体The Information报道,该公司接近与字节跳动(ByteDance)达成一项约5亿美元的交易,允许后者通过Azure云平台使用OpenAI的模型。

委员会主席、密歇根州共和党籍众议员John Moolenaar表示,微软不应向字节跳动出售AI工具。他指出,美国企业协助中国在AI竞赛中迎头赶上令人严重关切,且微软作为五角大楼承包商,向字节跳动出售AI服务是不可接受的。

据报道,OpenAI自身限制多数中国企业直接使用其模型,但微软拥有销售OpenAI技术的权利,并未设下同样限制,使字节跳动有机会经由Azure取得原本无法直接使用的模型。目前这些内容仍属于谈判中的报道,两家公司均未宣布交易完成。

微软发言人回应称,公司认真对待AI服务遭滥用的问题,承诺落实服务条款并遵守适用法律,但不评论涉及客户的机密谈判。此次争议显示华盛顿对AI出口管制的焦点正从芯片硬件延伸至云端模型服务。

信息源:INSIDE

研究

欧盟委员会证实遭AI渗透工具ARTEX攻击,部分内部系统仍无法使用

实质变化
2026-11-20 09:53

欧盟委员会(European Commission)周四(11月19日)对外证实,该机构于10月22日侦测到一起使用AI工具的网络安全攻击。这是欧盟最高行政机构首次公开确认自身成为此类自动化攻击的目标。截至目前,部分内部系统仍无法正常使用,员工个人数据是否外泄尚待厘清。

据Politico报道及欧盟委员会后续确认,此次攻击影响了多项内部关键系统,包括处理薪资、请假及工时记录的人力资源平台Sysper、医疗费用报销系统MyPMO以及内部翻译服务。攻击者使用了名为ARTEX的开源AI渗透测试框架。该框架由开发者“Autumn-27”于2026年7月在GitHub发布,旨在通过大语言模型(LLM)驱动的智能体自动执行漏洞扫描、系统侦察、利用及权限提升等任务。

美国联邦调查局(FBI)在11月13日发布的安全警报中指出,ARTEX自8月起已被黑客滥用,受害对象遍及金融、政府、科技等多个行业。FBI强调,部分攻击从锁定目标到获取特权访问权限耗时不到3小时。尽管原开发者已于10月8日将ARTEX下架,但相关代码仍在网络上广泛流传。Cloudflare和Spectrum Security的调查显示,ARTEX及其衍生版本在开放网络上的部署数量持续增加,且常被修改以规避检测。

欧盟网络安全机构CERT-EU早在11月5日就发出警告,指出ARTEX可能被用于针对欧盟机构的攻击,但未点名具体受害者。此次欧盟委员会的确认填补了这一空白。发言人Thomas Regnier表示,虽然目前尚未发现大规模员工数据外泄的证据,但调查人员正在核实攻击者是否获取了姓名、薪资职等、住址及联系方式等敏感信息。截至11月19日,Sysper已恢复运作,但医疗系统JSIS仍处于离线状态。

信息源:iThome

研究

美国银行下调MongoDB目标价至450美元,称其Atlas增长预期降低

实质变化
2026-11-20 02:55

美国银行(Bank of America)在MongoDB Inc(纳斯达克代码:MDB)发布2027财年第三季度财报前,将其目标股价从540美元下调至450美元,但维持“买入”评级。该行认为,投资者对MongoDB云数据库业务Atlas的增长预期已有所降低,且整个基础设施软件行业的估值倍数出现下滑。

分析师指出,近期管理层变动增加了销售执行和企业客户扩张的不确定性,但这被视为执行风险而非竞争力减弱。目前,Atlas收入同比增长29%即可满足投资者预期。此外,MongoDB于11月17日宣布收购Firebolt,旨在通过增加实时在线分析处理数据库能力,向更广泛的AI数据平台转型,从而与Snowflake和Databricks展开竞争。

美国银行预计,到2030年AI数据平台市场规模可能达到4950亿美元。该行将MongoDB的估值倍数从12倍下调至9.9倍(基于2027日历年预估收入)。若第四季度Atlas收入指引为26%,则符合现有展望并支持增长复苏;若指引疲软,则可能推迟投资逻辑的实现。

信息源:Proactiveinvestors UK

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系