【环球网科技综合报道】6月5日消息，据外媒报道，苹果公司正为AirPods耳机开发一系列新功能，这些功能有望在下周举行的WWDC 2025全球开发者大会 上正式亮相，旨在从交互控制、健康感知、内容创作及教育场景等多个维度提升用户体验。 在内容创作方面，苹果正为AirPods开发类似iPhone 16"音频混音"（Audio Mix）技术的"录音室级"麦克风模式。该功能借助机器学习技术，能够分离人声与 背景音，从而为内容创作者提供便携式麦克风，助力其创作。 此外，在教育场景中，苹果致力于改善课堂环境里AirPods与共享iPad的配对体验。新功能将大幅减少手动操作步骤，降低设备连接的复杂度，为多学生共 用设备的教育场景提供更高效、流畅的支持。（纯钧） 在交互控制方面，苹果持续推进AirPods的交互升级。继去年推出头部动作接听电话功能后，公司正开发更为丰富的头部控制方案。未来，用户或许只需通 过点头或摇头的动作，即可实现对"对话感知"音量的调节，并且在完成调节后，系统会自动恢复原有的降噪设置，无需再通过按压或滑动耳柄来操作。同 时，苹果还计划引入一项新功能，用户点击AirPods耳柄即可触发iPhone或iPa ...

纪要涉及的公司和行业 - 公司：Bruker（BRKR） - 行业：质谱仪、多组学、半导体、国防与国土安全检测、细胞分析、空间生物学 纪要提到的核心观点和论据 产品创新 - **TIMS Ultra and AIP**：用于传统自下而上蛋白质组学，提升MSMS灵敏度和带宽，与Evocep Ino配合实现每天500个样本的高通量，在单细胞蛋白质组学、亚细胞蛋白质组学和免疫肽组学等领域表现出色，该业务规模约2亿美元，与Team Red竞争[5][6][10] - **TIMS Metabo**：针对小分子高分辨率精确质量市场，包括PFAS研究、代谢组学和脂质组学等应用，灵敏度是现有产品的10倍，能解决注释置信度这一关键痛点，有望在几年内使市场机会翻倍[11][13][15] - **TIMS Omni**：开创了蛋白质组学2.0时代，可进行自上而下的蛋白质组学研究，适用于生物制药决策，目前市场竞争小，预计初期约三分之一的系统将用于生物制药[17][18][25] 市场策略与资源分配 - 因学术市场受政府预算影响，公司将资源重新分配至受政府预算影响较小的市场，如代谢组学、脂质组学、生物制药和应用市场等[22][24] - 为应对不确定性，公司准备在2026年实现适度增长，目标是有机增长6% - 8%，并通过削减成本实现显著的利润率扩张和每股收益增长[32][33] 市场优势与增长机会 - **国防与国土安全检测业务**：规模为3000 - 4000万美元，增长显著，预计明年增长2000万美元，主要得益于欧洲国防投资增加和机场安检需求增长，可带来约50个基点的增长[38][39][42] - **半导体计量业务**：占公司收入的8%，有望增长至10% - 12%，受益于高性能计算、人工智能和芯片制造的发展，公司在该领域技术领先，客户包括台积电和三星等[42][43][45] - **中国市场**：有望从刺激政策中受益，公司的高端研究工具如质谱仪、核磁共振仪和显微镜等需求大，但预算释放时间不确定，若在今年下半年释放，将为2026年带来显著顺风[47][49][51] 新产品与市场拓展 - **Beacon Discovery**：下一代台式细胞分析产品，价格降至50万美元，可拓宽市场，用于抗体发现和细胞系选择等[54][55] - **空间生物学产品**：通过NanoString交易进入该领域，对产品进行创新和改进，解决了IP诉讼问题，提升了性能和通量，与竞争对手相比具有优势，还推出了Painscapes仪器，用于研究细胞核内的位置、相互作用和结构[60][61][65] 其他重要但是可能被忽略的内容 - 学术市场的售后耗材和服务合同比例低于平均水平，且受政府预算影响较大，公司预计2026年学术市场收入下降20% - 25%[22][24] - 公司成功完成了ERP向S4HANA的过渡，有助于提高运营效率[34] - 公司在空间生物学领域的产品通过NanoString销售渠道进行销售，与Akoya和Lunafore等竞争[64]

AQR资本管理公司转向AI交易决策 - 公司从传统"人主导、规则驱动"量化风格转向全面采用AI和机器学习技术进行交易决策 [1] - 管理资产规模达1360亿美元 目前让机器学习算法动态调整因子权重并直接根据数据发现市场规律 [1] - 2018年开始尝试机器学习 但最近才大规模应用 系统已扩展到股票资产之外 [1] - 创始人表示大多数情况下仍能找到AI交易背后的经济逻辑 [1] AI模型应用效果与挑战 - 转向AI后回报率提高 两大旗舰产品年化净收益分别达19%和14 6% [2] - 模型越强解释难度越大 表现不佳时期更难向投资者说明问题 [2] - 2018-2020年量化寒冬期间资产规模从2260亿美元缩水至980亿美元 近期策略回暖表现改善 [2] 对私募股权行业的批评 - 指出私募股权行业存在误导机构投资者行为 用"高回报、低波动"故事包装产品 [3] - 批评私募资产流动性差且估值不透明 导致虚假宣传回报稳定性 [3] - 认为不透明性满足投资者心理需求 但实际未实现宣称的高回报低风险 [3] - 私募公司转向吸引散户资金 但散户获得的交易条件比机构更差 [4] - 永续基金可能打破私募塑造的"低风险幻觉" 因流动性更高且估值更频繁 [4]

根据提供的研报内容，以下是量化模型与因子的详细总结： 量化模型与构建方式 1. **模型名称：TV-AR模型（时变预测模型系统）** - **构建思路**：通过联合线性控制函数检测预测变量参数的不稳定性，提升预测效率[16] - **具体构建过程**： 1. 采用时变自回归（TV-AR）框架动态调整参数 2. 引入线性控制函数校正样本外预测偏差 3. 蒙特卡洛模拟验证有限样本有效性，检测超50%变量存在参数不稳定现象 - **模型评价**：显著提升预测效用增益，适用于非平稳金融时间序列 2. **模型名称：高频贝塔估计技术** - **构建思路**：基于傅里叶估计方法解决粗糙波动与异步交易噪声问题[14] - **具体构建过程**： 1. 采用傅里叶变换重构资产价格路径 2. 设计抗噪声的协方差矩阵估计量： $$\hat{\beta}_{t} = \frac{\int_{0}^{t} \mathcal{F}(d\log p_{1})(s)\overline{\mathcal{F}(d\log p_{2})(s)}ds}{\int_{0}^{t} |\mathcal{F}(d\log p_{2})(s)|^{2}ds}$$ 其中$\mathcal{F}$表示傅里叶变换算子 3. 通过高频数据验证日内贝塔离散度与流动性关联性 - **模型评价**：在微观结构噪声环境下保持估计鲁棒性 3. **模型名称：高维因子择时框架** - **构建思路**：结合宏观变量与因子特性利差实现多因子动态配置[16] - **具体构建过程**： 1. 构建因子特性矩阵（包括多空端价差、动量延续性等） 2. 设计收缩惩罚函数控制过拟合风险： $$\min_{\theta} \|R-X\theta\|^{2} + \lambda \sum_{j=1}^{p} \frac{|\theta_{j}|}{1+|\theta_{j}|}$$ 3. 通过滚动窗口优化实现因子权重动态调整 - **模型评价**：在大市值因子择时中表现突出 4. **模型名称：长记忆随机区间模型(LMSR)** - **构建思路**：基于Parkinson波动率捕捉金融时间序列持续特性[40] - **具体构建过程**： 1. 构建区间波动率测度： $$RV_{t} = \frac{1}{4\ln 2}(h_{t}-l_{t})^{2}$$ 2. 引入分整差分算子$(1-L)^{d}$刻画长记忆性 3. 采用Whittle近似估计进行参数校准 - **模型评价**：样本外预测损失降低38% 量化因子与构建方式 1. **因子名称：无形资产投资因子** - **构建思路**：替代传统MTB比率与盈利能力因子[11] - **具体构建过程**： 1. 计算企业研发支出与无形资产摊销占比 2. 构建正交化组合： $$INTANG = \frac{RD+IA}{TA} - \beta_{1}HML - \beta_{2}RMW$$ 其中TA为总资产 3. 按行业调整后分组构建多空组合 - **因子评价**：1993年后预测力显著超越传统价值因子 2. **因子名称：债券评级联动因子** - **构建思路**：捕捉股债市场分割导致的套利机会[14] - **具体构建过程**： 1. 计算股票与同发行人债券评级变动相关性 2. 构建配对交易组合：做空评级下调股票/做空评级上调股票 3. 控制行业与规模风险暴露 - **因子评价**：未被现有经济关联因子解释 3. **因子名称：僵尸企业调整动量因子** - **构建思路**：剔除信贷扭曲企业提升动量效应[14] - **具体构建过程**： 1. 识别僵尸企业（连续3年利息覆盖率<1且负债增长） 2. 在传统11-1月动量策略中剔除该类企业 3. 优化组合权重函数： $$w_{i} = \frac{1}{\sigma_{i}}(1-D_{i}^{zombie})$$ 其中$D_{i}^{zombie}$为僵尸企业虚拟变量 - **因子评价**：日本市场夏普比率提升3倍 4. **因子名称：员工前瞻性预期因子** - **构建思路**：捕捉劳动力市场未公开信息[11] - **具体构建过程**： 1. 构建员工满意度调查中的未来预期指数 2. 计算行业调整后的异常预期值 3. 采用Fama-MacBeth回归验证预测力衰减模式 - **因子评价**：信号受套利行为影响快速衰减 模型回测效果 1. **TV-AR模型** - 样本外预测效用增益：+22%[16] - 参数不稳定变量检出率：51.3%[16] 2. **高频贝塔模型** - 日内贝塔离散度与流动性相关系数：0.67[14] 3. **高维因子择时框架** - 大市值因子择时IR：1.82[16] 4. **LMSR波动率模型** - 样本外预测损失降幅：38%[40] 因子回测效果 1. **无形资产投资因子** - 月均超额收益：42bps[11] - 信息比率(IR)：0.93[11] 2. **债券评级联动因子** - 月均超额收益：0.45%[14] - 最大回撤：8.7%[14] 3. **僵尸调整动量因子** - 超额收益提升幅度：+300%[14] - 夏普比率：1.52 vs 原策略0.49[14] 4. **员工预期因子** - 年化异常收益：8-11%[11] - 信号半衰期：4.2个月[11]

英伟达量子计算战略布局 - 英伟达CEO黄仁勋最初预测"有用的量子计算机还需20年"，导致美股量子概念股暴跌45%-36%，但4个月内态度反转，成立量子研究中心NVAQC12和量子AI研发中心G-QuAT2 [4] - 公司正在推进对光量子公司PsiQuantum的后期投资谈判，参与7.5亿美元融资，投后估值达60亿美元（432亿元人民币），这是英伟达首次直接投资量子硬件公司 [5][6] - 英伟达选择PsiQuantum因其光子技术与光纤兼容性强，可无缝接入CUDA-Q平台及Grace Hopper超级芯片，强化"GPU+QPU+CPU"混合计算架构 [14] PsiQuantum公司概况 - 公司由四位布里斯托大学背景的学者创立，核心创始人杰里米·奥布莱恩拥有量子物理学博士学位，2009年在《Science》发表光子量子计算奠基性论文 [7] - 采用差异化技术路线，目标建造世界上第一台大规模容错量子计算机，已融资超10亿美元，2021年估值30亿美元，本轮融资后估值将达60亿美元 [8][9] - 获得澳大利亚政府9.4亿澳元和美国伊利诺伊州超5亿美元支持，但量产时间表从2020年推迟至2029年 [10] 量子计算行业动态 - 量子计算主要技术路径包括超导（占硬件市场62%）、离子阱、光量子和中性原子，全球超导市场规模28亿美元 [18] - 2025年中国量子计算市场规模预计达115.6亿元人民币，年均增速超30%，Q1全球融资额78亿美元同比增125% [19] - 中国"九章三号"光量子计算机求解特定问题比超算快一亿亿倍，国内量子企业融资占全球30%但金额偏低 [19][20] 科技巨头量子竞争格局 - 谷歌推出Willow芯片5分钟完成超算需10^10亿年的计算，微软发布Majorana 1芯片探索百万量子比特系统 [12] - 量子计算可加速AI算法训练，IBM、谷歌正研究量子机器学习以提高数据处理效率，涉及图像识别和自然语言处理 [13] - 英伟达投资PsiQuantum可借助其政府关系参与国家级量子工程，以60亿美元估值布局潜在万亿级市场 [15][16]

内容概要：近年来，随着国民收入水平不断提高，消费者对珠宝首饰的需求逐渐增加，不仅注重产品的 实用性，更追求品牌、设计和个性化，电子商务平台为消费者提供了丰富多样的珠宝选择，满足了不同 层次消费者的需求，此外，随着互联网的普及和电子商务的发展，消费者越来越习惯在线上购物，尤其 是年轻一代消费者，他们更倾向于通过网络购买珠宝首饰，享受便捷的购物体验，在此背景下，我国珠 宝电子商务市场迅速崛起，据中国珠宝玉石首饰行业协会数据显示，2023年我国珠宝电子商务零售额达 3397.5亿元，同比增长26.21%，2024年，在我国商品零售市场增速放缓的不利背景下，金银珠宝作为非 必需品，与整体市场走势同频共振，其降幅居所统计的全部商品类别的首位，据中国珠宝玉石首饰行业 协会数据显示，2024年中国珠宝电子商务零售额降至2982.6亿元。 上市企业：曼卡龙（300945）、迪阿股份（301177）、老凤祥（600612）、中国黄金（600916）、航民 股份（600987）、菜百股份（605599）、豫园股份（600655）、萃华珠宝（002731）、周生生 （00116.HK）、潮宏基（002345）、明牌珠宝（00257 ...

纪要涉及的行业或者公司 - 行业：消费金融、支付行业 - 公司：Upstart (UPST) 纪要提到的核心观点和论据 1. Upstart使用AI的差异化优势及可持续性 - **核心观点**：Upstart在使用AI方面与其他贷款机构存在差异，具有可持续优势，核心竞争力在于速度 [8]。 - **论据**：其他机构若要复制Upstart的成果，需投资组建约70人的机器学习研究团队，克服传统金融机构风险控制难题，进行多年替代数据收集，构建并修改机器学习算法，且要承受监管压力和早期模型表现不佳带来的风险，而Upstart历史上研究投资回报率未递减，能持续提升模型准确性 [8][9][12]。 2. 模型每月2 - 3%改进的方式 - **核心观点**：模型改进分为四个类别 [21]。 - **论据**：一是投资模型架构，引入不同算法、调整模型集成方式和损失函数；二是获取新的消费者数据，每季度能发现有价值的数据；三是投资计算和内存，支持更复杂模型；四是获取更多还款数据，解锁更多变量和算法设计的复杂性 [21][22][23]。 3. 模型宏观校准及应对未来宏观冲击的能力 - **核心观点**：模型引入宏观校准后更具宏观弹性，能应对未来不同的宏观冲击 [27]。 - **论据**：历史上模型未考虑宏观因素，2022年后引入使模型具有时间感知能力，创建Upstart Macro Index，让时间变量与借款人特征动态交互，此方法不针对特定宏观冲击，只要冲击与借款人特征相关就能起作用 [28][29]。 4. 模型改进对业务财务的影响 - **核心观点**：模型改进虽不在损益表上直接体现，但对业务有重要影响 [37]。 - **论据**：信用表现是业务核心指标，模型改进提升信用评估能力，增强资本弹性，让公司更自信地审批和承保借款人 [36]。 5. 产品扩张的原因和策略 - **核心观点**：产品扩张围绕借款人需求，有三个主要动机 [43]。 - **论据**：一是相邻市场存在未被充分满足的信贷需求，如汽车、HELOC等市场；二是部分产品有降低信贷流程成本的机会；三是为满足借款人全生命周期的信贷需求，提供全品类产品 [43][44][45]。 6. 不同产品的机会和特点 - **核心观点**：HELOC、小额度产品和汽车贷款各有优势 [53][54][55]。 - **论据**：HELOC能使公司服务更广泛人群；小额度产品针对信贷服务不足的人群，提高审批率；汽车贷款是普遍需求的信贷产品 [53][54][55]。 7. 实现年度盈利的条件和风险 - **核心观点**：实现年度下半年盈利需满足两个条件，存在一定风险 [59]。 - **论据**：条件一是宏观违约风险大致保持稳定，二是按历史速度推进模型改进；风险包括技术改进执行风险和宏观环境恶化风险 [59][60]。 8. 前向流协议的风险和管理 - **核心观点**：前向流协议存在一定风险，公司进行风险管理 [61]。 - **论据**：协议中会有表现好和不佳的贷款批次，公司通过收获表现好的批次收益来弥补不佳批次损失，若损失过大，部分风险在资产负债表上体现，风险控制在整体发起量的低到中个位数百分比 [61][62][64]。 9. 宏观经济数据与市场情绪的差异 - **核心观点**：宏观经济数据与市场情绪存在脱节 [65]。 - **论据**：GDP和失业率数据显示经济强劲，但消费的可承受性存疑，储蓄率降低，部分人群依赖现金流产品维持生活，导致人们缺乏财务安全感 [65][66][67]。 其他重要但是可能被忽略的内容 - 2022年公司面临困境时，对四个孵化项目进行决策，牺牲小商业贷款项目，保护汽车贷款、HELOC和小额度短期贷款项目，目前这些项目开始显现成果 [48][49][50]。 - 前向流协议中，公司承担风险的金额约为整体发起量的5% [64]。

行业趋势与公司定位 - 汽车正从机械设备转型为"装上轮子的计算机"，软件和计算能力成为核心[1] - 中国电动车市场极度拥挤且竞争激烈，但具备以优质低价引领全球的潜力[1][35] - 公司定位为"机器人的微软"，致力于构建赋能通用机器人的软硬件平台[3][46][51] 公司财务与市场表现 - 2024年10月登陆港股主板，成为当年最大科技IPO，最新市值近千亿港元[2] - 2024年收入23.84亿元，同比增长53.6%，授权及服务收入增长70.9%，毛利率达92%[2] - Baillie Gifford为主要机构投资者，IPO时认购5.07亿股(约2.6亿美元)，持股比例4.65%[2] 技术优势与商业模式 - 软硬件一体化协同优化能力显著快于传统半导体厂商，商业化节奏缩短至5-10年[22][27][29] - 技术底座涵盖芯片+算法全栈解决方案，已装配300万辆新车[10][28] - 商业模式从芯片销售转向高附加值软件授权与服务，毛利率达92%[2] 创始人背景与团队 - 创始人余凯30年专注机器学习，曾创立中国首个深度学习实验室及自动驾驶项目[11][12][17] - 2010年带领团队赢得首届ImageNet大赛，早于深度学习三巨头Geoffrey Hinton[20][21] - 技术型创始人特质吸引顶尖人才，形成"世界最严肃AI团队之一"[7] 全球化战略与合作伙伴 - 与大众、博世、采埃孚等国际一级供应商建立合作，获大众20亿美元投资[31][38] - "同行·致远"理念强调与OEM共同定义方案，已覆盖中国主要车企及欧洲市场[31][33][37] - 中国本土市场高渗透率(电动车/智能座舱)为全球化提供跳板[35][36] 自动驾驶技术展望 - 预测三年内实现100%"脱手"通勤，五年内"脱眼"驾驶，十年内完全"脱脑"驾驶[42] - 基于端到端训练的神经网络技术加速演进，2024-2025年为行业拐点[41][42] - RoboTaxi普及仍需较长时间，聚焦渐进式自动驾驶路径[42][43] 长期愿景与第二曲线 - 汽车作为移动机器人首场景，技术可扩展至护理/农业/物流等领域[46][47] - 需突破人形机器人运动自由度、电池效率及生物启发式架构等挑战[48] - 终极目标是让人类摆脱机械化劳动，专注创造性工作[49][50]

合资公司成立 - 大唐黄金与无锡专心智制在香港成立合资公司人工智能矿业有限公司 公司持股51% 合资公司将纳入集团综合财务报表 [1] - 无锡专心智制是中国领先的创新科技公司 专注于为工业领域提供数据服务和人工智能解决方案 [1] 合资公司业务方向 - 合资公司旨在开发AI在有色金属勘探 开采工艺及安全生产方面的应用 [1] - 将通过随机森林 强化学习 卷积神经网络等机器学习工具开发专业AI应用模型 推动采矿业数字化及智能化转型 [1] - 将引入数字孪生及数字化绩效运营系统 整合技术 供应链及运营要素 提高生产及资源利用效率 改善工作安全 创造合作机会 [1] 战略合作进展 - 合资公司已与SRK Consulting(China)Ltd订立谅解备忘录 开展战略合作 [1] - 合作目标包括打造AI深度结合黄金及有色金属开采的标杆案例 建立系统性AI采矿学习机制 开发适用于采矿生产各环节的应用模型 并在行业中实施 [1] 合作意义与规划 - 与SRK的合作符合采矿行业应用AI解决方案的趋势 可作为集团业务内生性增长 符合公司及股东整体利益 [2] - 开发的AI模型将优先应用于公司附属公司太洲矿业的矿产勘探及加工 提高勘探 加工及矿物精炼厂的效率及生产力 [2] - AI采矿模型成熟并通过验证后 订约方拟将该模型商业化 更广泛地应用于采矿行业领域 [2]

AI驱动的体内蛋白质激活平台 - 北京大学陈鹏团队与王初团队合作开发了CAGE-Prox vivo平台，利用AI辅助在活体小鼠中按需激活蛋白质及调控蛋白-蛋白相互作用 [4] - 该技术通过机器学习优化氨酰tRNA合成酶进化，将化学笼化的反式环辛烯-酪氨酸整合到目标蛋白质的脱笼位点，实现功能暂时阻断与原位恢复 [7] - 应用场景包括肿瘤治疗中化学调控的T细胞募集和激活，为活体生物学研究和治疗干预提供通用平台 [7] 核应激小体的动态组装及炎症调控 - 中国科学院陈玲玲团队解析了核应激小体(nSB)的层级结构，揭示其通过缩短基因三维距离促进NFIL3转录以抑制炎症因子表达 [8][9] - nSB由SatIII DNA/RNA和30种蛋白质组成，应激条件下激活SatIII异染色质可增强NFIL3染色质可及性，招募HSF1等转录因子 [12] - 脓毒症患者中NFIL3表达与SatIII激活及生存率呈正相关，为脓毒血症诊疗提供新靶点 [12][13] 新型菌源性胆汁酸改善血糖稳态 - 北京大学姜长涛团队发现色氨酸胆酸(Trp-CA)能特异性激活孤儿受体MRGPRE，通过β-arrestin-1-ALDOA磷酸化促进GLP-1分泌 [15] - Trp-CA避免了传统胆汁酸引起的瘙痒副作用，为2型糖尿病药物开发提供新策略 [18] - 研究首次确立MRGPRE-β-arrestin-1-ALDOA为GLP-1分泌的新调控机制，拓展了菌源胆汁酸(MABA)的功能研究范式 [15][18]