英伟达研究生奖学金计划2026年度获奖者概况 - 英伟达研究生奖学金计划已持续二十五年，旨在支持与公司技术相关的研究工作[1][2] - 2026年度评选出10位博士生获奖者，每人将获得最高6万美元资助[4] - 获奖者研究领域覆盖加速计算前沿，包括自主系统、计算机体系结构、计算机图形学、深度学习、编程系统、机器人技术和安全[4] 获奖者研究重点与背景 - 10位获奖者中有8位华人，去年有7位华人博士生入选[4] - Jiageng Mao（南加州大学）专注于利用互联网规模数据解决物理人工智能问题，研究方向包括机器人、计算机视觉和自然语言处理[5] - Liwen Wu（加州大学圣地亚哥分校）研究计算机图形学和三维视觉，重点在神经渲染、逆渲染和三维重建[7][8] - 陈思哲（加州大学伯克利分校）致力于AI安全性研究，开发防御提示词注入攻击的机制[10] - Yunfan Jiang（斯坦福大学）开发通过混合数据源构建通用机器人的可扩展方法，研究方向是机器学习和机器人技术交叉领域[12] - 邵奕佳（斯坦福大学）研究人机协作，开发能与人类沟通协调的AI Agent，并设计新的人机交互界面[14][15] - Shangbin Feng（华盛顿大学）推进模型协作，实现多个机器学习模型的协作、组合和互补[17] - Irene Wang（佐治亚理工学院）开发整合加速器架构、网络拓扑和运行时调度的协同设计框架，以优化分布式深度学习基础设施[19][20][21] - 耿晨（斯坦福大学）利用数据驱动算法和物理原理对4D物理世界建模，推进物理基础的3D和4D世界模型在机器人技术和科学应用中的发展[23][24] - Shvetank Prakash（哈佛大学）利用新算法和基础设施构建AI智能体，并推进硬件架构与系统设计，研究兴趣包括超低功耗机器学习系统[26] - Manya Bansal（MIT）设计面向现代加速器的编程语言，使开发人员能在编写模块化代码时不牺牲底层控制能力[28][29] 其他入围者 - 2026年度奖学金还有5位终选入围者，分别来自北京大学、MIT、马克斯普朗克计算机科学研究所、斯坦福大学和达姆施塔特工业大学[31]

财务数据和关键指标变化 - 公司第一季度营收增长4%至3.23亿美元[9] - 综合毛利润增长10%至创纪录的1.18亿美元 毛利率为37%[9] - 综合运营收入增长31%至3100万美元[9] - 调整后EBITDA及EBITDA利润率创纪录 分别达3790万美元和11.7%[9] - EBITDA减去资本支出增长30%至3210万美元 创公司历史新高[9] - 每股收益增长31%至0.89美元 非GAAP稀释后每股收益增长32%至0.94美元[10] 各条业务线数据和关键指标变化 - NRS业务部门经常性收入增长22%至3500万美元[12] - NRS每终端月平均经常性收入增至313美元 上年同期为295美元[12] - NRS商户服务收入增长38% 销售费用增长30% 广告和数据收入下降15%[12] - NRS运营收入增长35%至900万美元 调整后EBITDA增长33%至1030万美元[12] - 金融科技部门运营收入增长97%至600万美元 调整后EBITDA增长87%至750万美元[13] - Boss Money数字渠道占交易量84% 收入增长20%[12] - net2phone座位数增长7%至43.2万 收入增长10%[14] - net2phone运营收入增长94%至200万美元 调整后EBITDA增长44%至360万美元[15] - 传统通信部门运营收入增长1%至1600万美元 调整后EBITDA增长2%至1890万美元[15] 公司战略和发展方向和行业竞争 - NRS持续推出创新高端服务 包括配送集成、优惠券和产品数据扫描程序[4] - 金融科技部门将AI和机器学习集成到客户服务和欺诈检测中 显著改善单位经济效益[5] - 即将推出Boss Wallet集成 允许美国客户共享资金和获得奖励[5] - net2phone从独立产品转向为满足客户通信和工作流需求的多产品整体解决方案[6] - net2phone计划在未来一年报告基于客户的新关键绩效指标 取代每座位指标[14] - 传统通信部门通过减少运营支出抵消毛利润小幅下降[15] - 公司计划在财年剩余时间内择机回购更多股票并通过季度股息向股东返还现金[16] 管理层对经营环境和未来前景的评论 - 新的联邦现金汇款消费税于1月1日实施 可能加速数字渠道超越零售的趋势[5] - 金融科技部门从许多以零售为中心的同行手中夺取市场份额[13] - net2phone正在加大对战略AI技术的投资 并为医疗保健等新垂直领域开发集成和功能[15] - 公司对实现2026财年1.41亿至1.45亿美元的调整后EBITDA指引充满信心[17] - 传统通信部门预计将在未来几年继续为调整后EBITDA做出重大贡献[11] 其他重要信息 - 特拉华州最高法院驳回了Straight Path集体诉讼中的所有索赔 案件得到有利解决[6] - 公司现金及等价物等为2.2亿美元 较上季度减少3400万美元 主要因季度结束日不同所致[16] - 第一季度回购了760万美元股票[16] 问答环节所有提问和回答 问题: 在诉讼了结后 公司是否会考虑特别股息或加速回购 - 公司目前不考虑大型并购 除非监管环境发生变化[18] - 正在观察现金汇款税对零售业务的影响[18] - NRS可能进行一两项小型收购 并计划下一步重大举措[18] 问题: 新增支付处理账户是否来自不需要POS机的业务 - 新增支付处理账户来自需要POS机的业务[19] 问题: NRS在相邻市场有哪些增长机会 - 相邻市场包括食品服务相关领域和国际市场[20] - 美国国内有众多专业垂直市场 如五金店和CBD商店等[20] - 为每个垂直市场开发小功能可打开数万家商店的市场[21] 问题: 2026年是否会增加其他国家到生态系统 - 公司正在考虑一项海外收购以加速国际化[21] - 国际化已在路线图上 但不一定在2026年实现[21] 问题: 关于IDT Global创纪录的顶线收入 - IDT Global为全球运营商合作伙伴带来新的解决方案 包括SMS、语音甚至AI解决方案[22] - 管理层激励客户经理以实现最大毛利润为目标 而非单纯追求收入[23] - 尽管通话分钟数业务衰退 但该部门持续每季度产生900-1000万美元毛利润[23]

核心观点 - 投资者日益确信Alphabet的TPU芯片业务将成为其未来收入的重要增长引擎 市场看好其向第三方销售芯片的前景 有望开辟新的收入渠道 最终可能价值近万亿美元 [1][6] - Alphabet的TPU芯片所取得的成功 是其股价在第四季度飙升31%的主要原因 该涨幅在标普500指数成分股中位列第十 [1][6] 市场预期与业务潜力 - 分析师预计 若Alphabet认真推进TPU销售 数年内有望占据人工智能市场20%的份额 成为约9000亿美元的一项业务 [3][8] - 该芯片业务最终的价值可能超过谷歌云 即便不对外销售芯片 更优质的芯片也能带来更优质、更高效的云服务 [3][8] - 对于希望实现供应商多元化的企业而言 TPU是一个好途径 [3][8] 产品技术与竞争优势 - TPU是应用专用集成电路芯片 为加速机器学习而定制设计 此类芯片不如英伟达的芯片灵活 但成本更低 在当前投资者质疑AI支出的环境下成为一项切实优势 [5][10] - Alphabet被视为此类ASIC芯片市场的最佳选择且迄今为止引领该市场 这被认为是该股的独门秘籍 [11] - Alphabet被评价为唯一一家在人工智能各个层面都具有领先地位的公司 包括Gemini、谷歌云、TPU等多个领域 这赋予了其极大优势 [11] 行业竞争格局 - 英伟达的芯片被描述为价格高得多且难以获取 其发言人援引CEO言论 强调构建复杂芯片产品的团队能力是核心竞争力 [3][11] - 亚马逊等竞争对手也在推出自研AI芯片 挑战英伟达和谷歌的市场地位 [11]

高管人事变动 - 苹果公司机器学习和人工智能战略高级副总裁约翰•詹南德雷亚卸任，转任顾问直至明年春季退休 [1] - 知名AI研究员阿马尔•苏布拉马尼亚加入苹果，出任AI业务副总裁，向软件工程高级副总裁克雷格・费德里希汇报 [1] - 阿马尔•苏布拉马尼亚将主持苹果基础模型、机器学习研究及AI安全与评估等多个关键领域的工作 [1] 官网管理层信息更新 - 约翰•詹南德雷亚的个人信息已从苹果官网管理层页面撤下 [3][4] - 苹果官网当前公布的管理层共有18人，包括CEO蒂姆•库克、COO萨比•汗、8名高级副总裁、7名副总裁及苹果院士菲儿•席勒 [3][5] - 新任AI业务副总裁阿马尔•苏布拉马尼亚尚未出现在官网管理层中，后续加入需待正式公布 [4][5] 高管晋升历史参考 - 约翰•詹南德雷亚于2018年4月加入苹果，同年12月被任命为高级副总裁进入顶层高管行列，从加入到晋升相隔近8个月 [4][5]

公司战略与市场定位 - 中国是联邦快递国际业务发展最快、最具潜力的地区之一，公司将持续聚焦中国市场，重点强化物流网络、跨境电商、可持续发展等关键领域 [1][3][6] - 公司在中国已设立103家分公司，拥有超过10,000名员工与近3000辆递送车，每周运营300多个国际航班，通过六个国际口岸操作中心连接全球网络 [6] - 未来将增强中国至欧洲航线运力，依托核心转运中心实现欧洲主要市场48小时送达，并升级亚太地区网络布局以衔接中国与东南亚市场增长需求 [6] 技术与数字化服务创新 - 推出SenseAware ID先进传感技术，通过轻便设备每两秒发送一次包裹位置数据，相比传统扫描技术，大幅提升货件追踪的精准度和效率 [4] - 在中国大陆推出FedEx Ship Manager™ Lite智能手机运输解决方案，集成在线出口申报工具iClear，实现无纸化寄件和贸易数据便捷提交 [4] - 推出“图片交付证明”服务和“协作运输工具”，优化客户体验并简化货件进口流程 [4] - 电商兼容解决方案实现电商平台与联邦快递账户便捷整合，客户无需退出平台即可自动生成运单，并享受专享运费折扣，目前已服务亚太地区成千上万的网络零售商 [5] - 与微软联合推出“物流即服务”跨平台解决方案，借助人工智能与机器学习实现智能订单编排，提供快捷配送、实时物流状态同步与顺畅退货体验 [5] 网络与运力优化 - 为应对“黑五”、“圣诞季”等消费旺季的“多波次需求波动”，公司持续推进网络2.0计划，通过“一车服务一区”、整合站点资源、减少中转环节、优化网络布局及统一智能追踪技术提升运营效率与服务可靠性 [4] - 2025年，公司新增中国至巴黎货运航班，加密中越货运航班，开通广州直飞槟城航班并加密广州至曼谷航班，此前还开通了连接中国与印度、欧洲的全新航线 [7] - 服务范围覆盖中国大部分主要城市和地区，在主要大中城市设立超过100个地面操作站，并不断加密国际航线布局 [7] 智能物流与基础设施 - 在广州华南电子商务货件分拣中心部署人工智能驱动的智能分拣机器人，在上海国际快件和货运中心投入智能仓储平衡重式叉车 [7] - 依托人工智能、物联网等技术构建敏捷物流基础设施，助力客户打造弹性供应链 [7] 跨境电商与客户解决方案 - 通过一系列数智技术和服务，助力跨境电商发展，应对社交电商兴起带来的“即时性消费”趋势 [1][3][5] - 快速履约能力已成为全球电商基建的关键竞争点 [5] - 推出多样化跨境电商运输解决方案与重货运输服务，覆盖多场景清关需求与不同重量货物运输需求，助力中国企业高效拓展国际市场 [7] - 通过在线申报工具、iClear出口申报工具等数字化手段，帮助客户便捷提交贸易数据，缩短清关时间，提升供应链可靠性 [7]

彭博在中国金融市场开放中的角色与贡献 - 作为全球金融信息与数据服务提供商，彭博在中国金融市场开放与发展进程中扮演关键“连接者”角色，致力于用数据和技术提升市场透明度和效率，帮助全球投资者理解并参与中国市场 [2] 彭博在中国发展的里程碑 - **里程碑一：率先将中国债券纳入全球旗舰指数**：2018年宣布将中国国债和政策性银行债纳入彭博全球综合指数，并于2020年11月完成纳入工作，使人民币债券成为全球投资组合重要部分，推动国际资金进入中国债市 [3] - **里程碑二：支持系列互联互通机制落地**：2019年成为首家同时支持“债券通”和直投模式的境外电子交易平台，并在“互换通”、人民币债券回购、港股通、跨境理财通、ETF通等机制推出时第一时间上线相应解决方案 [4] - **里程碑三：深化与中国金融机构合作推动其全球化**：与多家银行、证券公司和资产管理机构长期合作，通过数据与技术帮助其在风险管理、定价、交易及信息披露方面对接国际实践，近期与国泰海通证券签署战略合作协议助力其国际化 [4] 中国债券市场对外开放的现状与影响 - **开放广度**：中国已成为全球第二大债券市场，截至2025年8月末，共有来自80个国家和地区的1170家境外机构进入，持债总量约4万亿元人民币，全球长期资金持续关注人民币资产 [5] - **开放深度**：“制度型开放”带来交易、结算、信息披露等制度优化及衍生品引入，提升了市场透明度、流动性和可预期性，使境外投资者体验更贴近国际惯例 [6] - **外资参与空间**：相比其他成熟市场，中国债券市场的外资持有比例仍有很大提升空间 [6] 中国债券纳入全球指数的影响及国际投资者关切 - **对国际投资者的影响**：纳入指数改变了国际资金参与方式，带动投资者从被动投资转向主动研究，投资逻辑从关注收益率的“战术性配置”转向全球资产配置视角的“战略性配置” [6] - **国际投资者最关心的因素**：包括市场透明度（定价逻辑、投资者结构、政策信号传导）、流动性（二级市场交易活跃度影响建仓与再平衡策略）以及汇率与政策预期（人民币汇率、货币政策、宏观数据） [7] - **彭博的辅助角色**：通过数据与分析工具帮助投资者实时对比中国与全球市场数据，研究团队持续发布分析报告，并在国际金融中心举办路演活动介绍中国市场 [7] 彭博为服务国际投资者所做的关键创新 - **数据创新**：提供从公司到证券、从基础信息到事件信息的多层级关联数据结构，结合市场行情、风险指标等数据，帮助投资者准确判断定价逻辑和市场趋势 [9] - **分析工具创新**：量化解决方案BQUANT整合数据、计算能力和分析模型，使投资者能将传统需数天的量化流程（如策略构建与回测）缩短到数分钟 [10] - **交易解决方案创新**：依托固定收益交易领先优势支持互联互通机制，例如在业界率先推出人民币债券回购交易解决方案，允许全球投资者使用“北向通”持有债券作为抵押品进行电子化回购交易，实现高效融资和流动性管理 [10] 彭博对中国市场未来的展望 - 展望未来30年，中国金融市场开放方向明确，市场机制将进一步完善，人民币国际化持续深化，将有更多中资金融机构融入全球市场及国际投资者关注中国 [11] - 这一过程需要高质量的数据、及时准确的资讯、深入前瞻的分析以及可信赖的交易解决方案，这正是彭博希望长期贡献的方向 [11]

公司招聘信息 - 公司正在招聘环境感知算法工程师，工作地点位于上海长宁，薪资面议 [3] - 该岗位的核心职责是负责无人驾驶的环境感知，包括利用机器视觉和激光雷达等数据进行处理与融合，实现目标跟踪、语义理解和道路拓扑构建等功能，以保障无人驾驶安全 [5] - 岗位要求候选人具备扎实的数学和机器学习基础，拥有基于视觉或激光雷达的检测、分割、识别、跟踪及BEV感知等算法的实战经验 [5] - 岗位要求候选人具备强大的工程能力，精通C/C++和Python，熟悉三维成像原理，并能开发高性能实时软件 [5] 行业技术焦点 - 环境感知能力被视为保证无人驾驶安全最关键和基础的能力，其目标是准确发现和定位道路、行人、车辆、自行车等周围物体 [5] - 行业技术前沿涉及多传感器数据融合、多目标跟踪、环境细粒度语义理解以及道路拓扑构建等复杂感知功能 [5] - 行业对算法工程师的技术要求广泛，包括跟踪前沿技术，并需在计算机结构和高性能实时软件开发方面有深刻认识 [5]

模型性能与核心突破 - 何恺明团队推出Improved MeanFlow (iMF)，成功解决了原始MeanFlow (MF)在训练稳定性、指导灵活性和架构效率上的三大核心问题 [1] - 在ImageNet 256x256基准测试中，iMF-XL/2模型在1-NFE（单步函数评估）中取得了1.72的FID成绩，相较于原始MF的3.43 FID，性能提升了50% [2][19] - iMF在2-NFE时的FID达到1.54，进一步缩小了单步模型与多步扩散模型（FID约1.4-1.7）的性能差距 [20] 技术改进细节 - **训练稳定性**：iMF通过重构预测函数，将训练目标重新表述为更稳定的瞬时速度损失，成功将训练流程转换为一个稳定的标准回归问题，解决了原始MF因“目标自依赖”导致的优化不稳定问题 [4][8][11] - **指导灵活性**：iMF通过将无分类器指导（CFG）的指导尺度内化为一个可学习的条件输入，在训练时从偏向较小值的幂分布中随机采样，从而在推理时解锁了CFG的全部灵活性，允许调整尺度以优化图像质量或多样性 [12] - **架构效率**：iMF引入了高效的上下文内条件作用架构，将所有条件编码成多个可学习的Token并与图像Token拼接输入Transformer，移除了参数量巨大的adaLN-zero模块，使得iMF-Base模型参数量从131M降至89M，尺寸减小了约1/3 [15][17] 模型效率与参数对比 - iMF系列模型在显著提升性能的同时，优化了模型效率，例如iMF-B/2模型参数量为89M，计算量为24.9 Gflops，FID为3.39，而对应的原始MF-B/2模型参数量为131M，计算量为23.1 Gflops，FID为6.17 [3][19] - iMF-XL/2模型参数量为610M，计算量为174.6 Gflops，在1-NFE下FID为1.72，其性能优于许多从预训练多步模型中蒸馏而来的快进模型 [19][22] 研究团队与背景 - 论文一作为耿正阳（CMU博士生），共同一作为清华姚班大二学生Yiyang Lu，尾作为MIT终身副教授何恺明，其他合作者包括Adobe研究员Zongze Wu、Eli Shechtman及CMU机器学习系主任Zico Kolter [3][23][25][28][30][31] - 该研究部分工作在MIT期间于何恺明教授指导下完成，相关前作MeanFlow已入选NeurIPS 2025 Oral [27][33]

招聘岗位与职责 - 公司招聘金融工程组实习生，工作地点为深圳、上海、北京，要求线下实习 [1] - 实习时间要求每周至少3天，总时长不少于3个月，实习考核优秀者有留用机会 [1] - 岗位职责包括数据处理、分析、统计，协助完成量化投资课题研究 [2] - 岗位职责包括协助进行金融工程策略模型的开发与跟踪 [2] 候选人基本要求 - 专业要求为数学、统计、物理、计算机、信息工程等理工科或金融工程相关专业 [3] - 学历要求为硕士或博士在读，特别优秀的大四保研生亦可，要求非应届（2027年及之后毕业） [3] - 技能要求熟练掌握Python等编程语言，熟悉SQL数据库，具备优秀编程能力与规范 [3] - 能力要求包括责任心强、自我驱动，并具备良好的信息搜集、逻辑思维、分析判断及沟通表达能力 [3] 候选人优先考虑项 - 具备扎实的金融市场基础知识，熟悉股票、债券、期货、指数及基金等核心概念 [4] - 数学基础好，有科研项目经历及SCI或EI收录的学术论文 [4] - 熟悉Wind、Bloomberg、天软等金融终端 [4] - 熟悉机器学习、深度学习，熟悉PyTorch、Linux，有GPU服务器使用及项目开发经验 [4] - 有其他机构量化投研相关实习经历 [4] 申请流程与方式 - 简历投递截止日期为2025年12月31日 [1] - 简历需投递至指定邮箱，邮件标题需按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名 [5] - 简历需以PDF格式发送，未按要求命名的邮件将被视作垃圾邮件处理 [5] - 简历收集截止后，公司将尽快为合格候选人安排笔试和面试 [5]

核心观点 - 何恺明团队推出的Improved MeanFlow (iMF) 成功解决了原始MeanFlow在训练稳定性、指导灵活性和架构效率上的三大核心问题，将单步生成模型的性能提升至与多步扩散模型相媲美的新高度 [1][2] 技术改进与创新 - **重构训练目标为稳定回归问题**：iMF通过将训练目标重新表述为更稳定的瞬时速度损失，解决了原始MF因“目标自依赖”导致的优化不稳定和方差大的问题，将训练转换为一个标准的回归问题 [4][7][9][13] - **引入灵活的无分类器指导**：iMF将指导尺度内化为一个可学习的条件输入，在训练时从分布中随机采样不同尺度，使得模型在推理时能够灵活调整指导尺度以优化图像质量或多样性，解锁了CFG的全部灵活性 [14][15][16][18] - **采用高效的上下文内条件作用架构**：iMF将所有条件编码成多个可学习的Token，与图像Token拼接后输入Transformer块联合处理，从而移除了参数量巨大的adaLN-zero模块，大幅优化了模型尺寸和效率 [19][21][23][24] 性能表现与实验结果 - **ImageNet 256x256基准测试结果优异**：iMF-XL/2模型在1-NFE（单步函数评估）中取得了1.72的FID成绩，相较于原始MF的3.43 FID提升了50% [2][26] - **模型效率显著提升**：在性能提升的同时，模型参数大幅减少，例如iMF-Base模型参数从131M降至89M，减小了约三分之一，而计算量（Gflops）和图像质量（IST）指标均有提升 [3][24][26] - **性能超越同类模型**：iMF从头训练的性能优于许多从预训练多步模型中蒸馏而来的快进模型，在2-NFE时FID达到1.54，进一步缩小了与多步扩散模型（FID约1.4-1.7）的差距 [26][29][31] 研究团队背景 - **核心作者阵容强大**：论文一作为CMU博士生耿正阳，共同一作为清华姚班大二学生Yiyang Lu，尾作为著名机器学习科学家、MIT终身副教授何恺明 [3][32][35][44] - **合作者来自顶尖机构**：其他合作者包括Adobe研究员Zongze Wu、Eli Shechtman，以及CMU机器学习系主任Zico Kolter [3][38][40][42]