量化模型与构建方式 1. **模型名称**：GAN_GRU模型 - **模型构建思路**：结合生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习模型，通过GAN处理量价时序特征后，利用GRU进行时序编码生成选股因子[9][10]。 - **模型具体构建过程**： 1. **数据输入**：18个量价特征（如收盘价、成交量等），采样形状为40*18（过去40天的特征）[13][14]。 2. **预处理**：时序去极值+标准化，截面标准化[14]。 3. **GAN部分**： - 生成器（G）：LSTM结构，输入噪声生成逼真量价特征，损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ - 判别器（D）：CNN结构，区分真实与生成特征，损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ - 交替训练G和D直至收敛[20][21][23][26]。 4. **GRU部分**：两层GRU(128,128) + MLP(256,64,64)，输出预测收益pRet作为因子[18]。 - **模型评价**：有效捕捉量价时序特征的非线性关系，生成因子具有较高区分度[9][18]。 --- 量化因子与构建方式 1. **因子名称**：GAN_GRU因子 - **因子构建思路**：基于GAN_GRU模型输出的预测收益pRet，经行业市值中性化+标准化处理后作为选股因子[18][37]。 - **因子具体构建过程**： 1. 模型训练：半年滚动训练（每年6月30日、12月31日更新），预测未来20日收益[14]。 2. 因子生成：对全A股（剔除ST及上市不足半年股票）输出pRet，中性化处理[14][18]。 --- 模型的回测效果 1. **GAN_GRU模型**： - IC均值：11.57% | ICIR：0.89 | 年化超额收益率：25.01% - 年化波动率：24.02% | IR：1.66 | 最大回撤：27.29%[37][38]。 --- 因子的回测效果 1. **GAN_GRU因子**： - **全A表现**： - 近一年IC均值：11.54% | 最新一期IC：-0.28%[37][38]。 - **行业表现**： - 当期IC前五行业：社会服务（30.15%）、国防军工（28.07%）、银行（25.31%）[39]。 - 近一年超额收益前五行业：石油石化（5.60%）、建筑材料（5.29%）、家用电器（5.06%）[42]。 - **多头组合**： - 当期超额收益最高行业：商贸零售（8.22%）、国防军工（7.15%）[42]。 - 最新前十个股：顺威股份、博深股份、九典制药等[44][48]。

量化模型与构建方式 1. **模型名称**：GAN_GRU模型 - **模型构建思路**：结合生成式对抗网络（GAN）和门控循环单元（GRU）的深度学习模型，通过GAN处理量价时序特征后，利用GRU进行时序编码生成选股因子[9][10] - **模型具体构建过程**： 1. **数据输入**：18个量价特征（如收盘价、成交量等），过去400天的数据，每5天采样一次，形成40×18的特征矩阵[13][14] 2. **GAN部分**： - **生成器（G）**：LSTM结构，输入噪声生成模拟量价特征，损失函数为： $$L_{G}\,=\,-\mathbb{E}_{z\sim P_{z}(z)}[\log(D(G(z)))]$$ - **判别器（D）**：CNN结构，区分真实与生成特征，损失函数为： $$L_{D}=-\mathbb{E}_{x\sim P_{d a t a}(x)}[\log\!D(x)]-\mathbb{E}_{z\sim P_{z}(z)}[\log(1-D(G(z)))]$$ - 交替训练G和D直至收敛[20][23][26] 3. **GRU部分**：两层GRU(128,128)提取时序特征，后接MLP(256,64,64)输出预测收益pRet作为因子[18] 4. **数据处理**：时序去极值+标准化，截面标准化[14] - **模型评价**：通过对抗训练提升特征生成质量，保留时序特性，适配金融数据的高噪声环境[29][33] --- 量化因子与构建方式 1. **因子名称**：GAN_GRU因子 - **因子构建思路**：基于GAN_GRU模型输出的预测收益pRet，经行业市值中性化+标准化处理后作为选股因子[18][37] - **因子具体构建过程**： 1. 模型每半年滚动训练（6月30日/12月31日），预测未来半年收益[14] 2. 剔除ST股及上市不足半年的股票，保留有效样本[14] 3. 因子值=模型输出的pRet，截面排序后取前10%作为多头组合[37][44] --- 模型的回测效果 1. **GAN_GRU模型**： - **IC均值**：11.57%（全A股，2019/01-2025/05）[37] - **ICIR**：0.89[38] - **年化超额收益率**：25.01%[37] - **信息比率（IR）**：1.66[38] - **最大回撤**：27.29%[38] --- 因子的回测效果 1. **GAN_GRU因子**： - **近期IC（2025/05）**：-0.28%，近一年IC均值11.54%[37][38] - **行业表现**： - 当期IC前五行业：社会服务（30.15%）、国防军工（28.07%）、银行（25.31%）[39] - 近一年IC均值前五行业：建筑装饰（18.54%）、公用事业（18.14%）[39] - **多头组合超额收益**： - 当期最高行业：商贸零售（8.22%）、国防军工（7.15%）[42] - 近一年月均最高行业：石油石化（5.60%）、建筑材料（5.29%）[42] --- 多头组合示例（2025/05） - **前十个股**：顺威股份（家用电器）、博深股份（机械设备）、九典制药（医药生物）等[44][48] - **行业排名第一个股**：如顺威股份（家用电器）、盛剑科技（环保）等[44]

公司融资情况 - Rillet完成2500万美元A轮融资 由红杉资本领投 现有投资者跟投 [1] - 此次融资距公司获得1350万美元种子轮及Pre-seed轮融资仅过去10个月 [1] 产品技术优势 - 运用机器学习和生成式AI实现会计报告自动化 直接从客户银行及Salesforce等平台提取数据生成财务报表 [1] - 软件使中型企业会计团队能在数小时内完成月度或季度结账 过去需数周 [2] - 数据迁移时间从数月缩短至4-6周 客户可并行使用原有系统直至确认数据安全迁移 [3] 市场定位与竞争格局 - 主攻中型企业市场 与NetSuite等传统平台竞争 在AI替代会计系统领域尚无明确对手 [4] - 约三分之一客户来自替换NetSuite或类似系统的需求 [2] - 竞争对手Digits主要面向小型企业用户 与Rillet市场定位不同 [4] 业务发展数据 - 公司收入自产品推出以来增长五倍 已获得近200家客户 [2] - 客户包括估值30亿美元的Windsurf和估值16亿美元的Decagon等知名企业 [2] 行业痛点与机遇 - 总账系统更换难度大 被比喻为"心脏直视手术" [1] - NetSuite等传统会计软件运行缓慢且操作笨拙 存在明显替代空间 [2] - 红杉资本最初认为总账软件创业难度大 因客户转换成本高且业务建立挑战大 [1]

全球EDA行业整体表现 - 2024年Q4 EDA行业收入同比增长11%达49亿美元，中国市场疲软但全球增长稳健[3][4] - 行业集中度高，Cadence、Synopsys、Siemens EDA三大巨头占中国市场份额超70%[5] - PCB设计、封装设计等细分领域增长显著[4] EDA增长驱动因素 - 边缘计算和高性能计算(HPC)芯片需求推动复杂自动化EDA解决方案需求[6] - 云端解决方案普及促进全球设计团队协作与可访问性[6] - AI/ML算法集成优化设计准确性、效率并缩短产品上市时间[6] - 物联网和AI应用节能芯片组需求推动EDA创新，半导体公司与EDA厂商加大研发投入[6] 细分领域增长数据 - CAE（计算机辅助工程）增长10.9%达16.969亿美元（四季度移动平均+12.3%）[7] - IC物理设计与验证增长15.4%达7.979亿美元（移动平均+8.1%）[7] - PCB & MCM增长15.9%达4.762亿美元（移动平均+8.3%）[7] - 半导体IP增长7.9%达17.607亿美元（未报告公司如Arm增长21%）[7] - IC封装设计增长70%（年收入8400万美元），反映先进封装需求激增[7] AI在EDA中的应用 - AI优化EDA软件引擎、流程和工作流，需确保算法可验证、准确和稳健[8] - 西门子EDA将AI应用于核心技术、流程优化和开放平台，提升工程师生产力[8] - Synopsys的AI工具缩短设计周期，谷歌AlphaChip实现芯片布局"超人"级优化[11] - 生成式AI(GenAI)协助设计建议和代码优化，但面临数据可用性限制[12] Chiplet技术对EDA的影响 - Chiplet技术推动EDA工具支持异构集成设计，需重构工具架构[13] - 先进封装EDA市场规模2025年将突破5亿美元，增速高于传统工具[13] - EDA厂商开发集成平台（如Synopsys 3DIC Compiler）应对Chiplet设计挑战[13][15] - Chiplet设计需整合8-12个供应商IP模块，驱动AI工具解决协同优化问题[15] 行业竞争与战略方向 - EDA厂商IP业务依赖传统接口协议，RISC-V生态崛起分化市场格局[14] - 未来竞争关键为EDA工具与IP协同设计能力，需评估深度开发或并购扩展战略[14]

研究背景与意义 - 活体动物体内精确控制蛋白质激活的通用策略对蛋白质功能增益研究至关重要[1] - 现有技术依赖复杂蛋白质构建体设计，可能改变目标蛋白质的天然功能和相互作用[4] - 生物正交断键反应(BCR)与遗传密码扩展(GCE)技术结合，可利用非天然氨基酸暂时掩蔽目标蛋白活性位点[4] 技术突破 - 开发CAGE-Prox vivo策略，通过引入反式环辛烯-酪氨酸(TCOY)暂时关闭蛋白功能，再通过小分子诱导恢复活性[7] - 利用机器学习流程进化出能精准识别TCOY的氨酰-tRNA合成酶突变体(PylRS)[7][10] - 采用3,6-二甲基-1,2,4,5-四嗪(Me2Tz)触发TCOY的生物正交剪切反应释放天然酪氨酸[10] 技术优势 - 体内操作无需紫外线，穿透深层组织[10] - 靶向递送与化学激活双重精准控制[10] - 通用平台可精准调控酶活性、蛋白质互作、抗体功能等[10] 应用场景 - 精准杀伤肿瘤细胞：通过EGF-PA靶向递送失活LF，Me2Tz激活后诱导肿瘤细胞凋亡[9] - 定向激活肿瘤细胞焦亡：重新激活LF触发Caspase3/8级联反应切割GSDME[11] - 构建更安全双特异性抗体：TCOY修饰抗CD3抗体避免细胞因子风暴，提高安全性[11] 研究意义 - 为活体条件下时间分辨生物学研究和按需治疗干预提供通用平台[13] - 实现活体动物中按需激活蛋白质及调控蛋白-蛋白相互作用[13]

自学习边缘计算智控器概述 - 自学习边缘计算智控器是基于边缘计算架构与机器学习技术的分布式网络系统，可对安防、门禁、环境调控等核心场景进行实时感知、动态决策与自主优化 [1] - 主要应用于酒店场景，其次为景区、园区，未来将拓展至家居、养老、楼宇等领域 [1] - 核心功能包括实时感知（采集温湿度、能耗等数据）、自主决策（动态调整系统参数）、服务协同（自动化响应需求）、安全管控（整合门禁与安防系统） [3] 酒店数字化产业链结构 - 上游为数字基础设施（服务器、存储设备、操作系统等），中游为数字化解决方案提供商（智控器、PMS系统、智能门锁等），下游为酒店主体 [3] - 中国酒店数字化解决方案分为系统解决方案（如智控器）和设备解决方案（如通信终端） [3] 全球市场分析 - 全球酒店营收从2022年5501.5亿美元增长至2024年7302.7亿美元 [6] - 全球酒店技术投入2024年达138.8亿美元，占营收比重稳定在1.9% [8] - 自学习边缘计算智控器在酒店技术投入占比为2.9%，2024年市场规模达28.7亿元 [10][15] - 市场竞争集中度一般，CR3为31.6%，前三企业市占率分别为13.3%、9.7%、8.6% [18] 中国市场分析 - 中国酒店营收从2022年3057.3亿元增长至2024年3791.5亿元 [19][21] - 酒店技术投入占比2024年为4%，规模达151.7亿元 [22] - 自学习边缘计算智控器技术投入占比从2022年5.0%提升至2024年6.5%，2024年市场规模达9.9亿元 [26][28][29] - 市场竞争集中度较高，CR5为68.1%，前三企业市占率分别为18.3%、17.4%、15.0% [32] 行业数据来源 - 数据来源于前瞻产业研究院《中国边缘计算行业市场前瞻与投资战略规划分析报告》 [33]

报告公司投资评级 - 首次覆盖给予公司“增持”评级 [1][8] 报告的核心观点 - 公司2024年业绩下滑，2025年Q1营收增长但归母净利润和扣非归母净利润下降，未来有望受益南通基地放量、稀土价格回升和无重稀土产品优势实现业绩增长 [4][8] 根据相关目录分别进行总结 公司基本情况 - 最新收盘价12.59元，总股本8.38亿股，流通股本8.33亿股，总市值和流通市值均为105亿元，52周内最高/最低价为16.43/7.94元，资产负债率54.5%，市盈率114.45，第一大股东是正海集团有限公司 [3] 个股表现 - 2024年5月至2025年5月，正海磁材股价呈上升趋势，从-22%涨至58% [2] 业绩情况 - 2024年公司实现营业收入55.39亿元，同比-5.70%；归母净利润/扣非归母净利润0.92/0.60亿元，同比-79.37%/-84.37%；2025年Q1实现营收/归母净利润/扣非归母净利润14.59/0.69/0.63亿元，同比+24.38%/-10.94%/-5.92% [4] 业绩下滑原因 - 高性能钕铁硼永磁材料行业竞争激烈，产品价格承压，毛利率同比下降；对新能源汽车电机驱动业务进行经营优化及业务收缩，产生优化收缩成本；对存货等资产计提减值 [5][16] 分业务情况 - 2024年钕铁硼永磁材料营收/毛利达到54.94/7.79亿元，同比-4.79%/-24.60%，毛利率为14.18%，较2023年下滑3.73pct；新能源汽车电机驱动系统业务营收下滑56.05%，毛利为-0.29亿元 [5][17] 永磁材料产销量 - 公司拥有高性能钕铁硼永磁材料产能3万吨，烟台基地18000吨，产能利用率84%，南通基地12000吨，2024年产量同比增长超150%，产能利用率达62%；2024年节能和新能源汽车市场出货量同比增长25%，家电行业出货量同比增长28%，智能消费电子领域出货量同比增长100% [6][19] 产品技术 - 公司开发“无重稀土磁体”等系列产品，依靠“正海无氧工艺”和“晶粒优化技术”迭代升级，通过ML和AI等工具优化配方，无重稀土磁体产量同比增长50%，超轻稀土磁体出货量持续增长，晶粒优化技术（TOPS）相关产品覆盖率达97%，扩散技术(THRED)相关产品覆盖率超80% [7][19] 市场布局 - 公司已在德国、法国、日本、韩国、美国、马来西亚设立营销服务基地，初步形成辐射全球重点市场的销售网络 [22] 投资建议 - 预计公司2025/2026/2027年实现营业收入63.82/71.41/78.72亿元，分别同比变化15.21%/11.90%/10.24%；归母净利润分别为3.27/3.93/4.91亿元，分别同比增长253.98%/20.27%/24.94%，对应EPS分别为0.39/0.47/0.59元；2025 - 2027年对应PE分别为31.83/26.47/21.18倍 [8] 盈利预测和财务指标 | 指标 | 2024A | 2025E | 2026E | 2027E | | --- | --- | --- | --- | --- | | 营业收入（百万元） | 5539 | 6382 | 7141 | 7872 | | 增长率(%) | -5.70 | 15.21 | 11.90 | 10.24 | | EBITDA（百万元） | 369.43 | 871.01 | 1030.32 | 1251.53 | | 归属母公司净利润（百万元） | 92.34 | 326.87 | 393.11 | 491.16 | | 增长率(%) | -79.37 | 253.98 | 20.27 | 24.94 | | EPS(元/股) | 0.11 | 0.39 | 0.47 | 0.59 | | 市盈率（P/E） | 112.67 | 31.83 | 26.47 | 21.18 | | 市净率（P/B） | 2.63 | 2.50 | 2.37 | 2.22 | | EV/EBITDA | 27.99 | 12.37 | 10.59 | 8.51 | [10]

专业优势 - 奥克兰大学计算机科学本科专业拥有卓越学术资源与雄厚师资力量 在国际上享有盛誉 科研成果丰硕 在人工智能 数据科学 网络安全等领域处于行业前沿 [3] - 教授团队来自世界各地 学术研究成果斐然 发表众多高影响力论文 并与谷歌 微软等国际科技巨头保持密切合作 将行业最新动态带入课堂 [3] - 配备先进计算机实验室 包括高性能计算集群 虚拟现实设备等 满足复杂编程实验和人工智能项目开发需求 [3] - 与众多科技企业合作 提供实习和就业机会 使学生接触实际商业项目 积累实践经验 [3] 申请要求 - 国际学生需完成高中教育且三年平均成绩达80%以上 数学和物理等相关学科成绩需突出 [4] - 中国学生高考成绩需达所在省份一本线以上 或凭借A-Level IB等国际课程成绩申请 [4] - 语言要求雅思总分6.5且单项不低于6.0 托福总分90以上且写作不低于21 未达标者可先参加语言课程 [4] 学习内容 - 大一课程包括计算机科学导论 编程基础（Python和Java） 离散数学等 建立整体认知和基本技能 [6] - 大二 大三核心课程涵盖数据结构与算法 计算机系统原理 数据库系统等 深入理解底层逻辑 [6] - 选修课程包括人工智能 机器学习 计算机图形学 网络安全等 探索前沿领域 [6] - 设置项目实践课程 学生分组完成实际编程项目 如开发智能应用程序或设计网络安全系统 锻炼团队协作和解决问题能力 [6]

报告公司投资评级 - 首次覆盖给予公司“增持”评级 [1][8] 报告的核心观点 - 公司2024年业绩下滑，2025年Q1营收增长但归母净利润和扣非归母净利润下降，未来有望受益南通基地放量、稀土价格回升和无重稀土产品优势实现业绩增长 [4][8] 根据相关目录分别进行总结 公司基本情况 - 最新收盘价12.59元，总股本8.38亿股，流通股本8.33亿股，总市值和流通市值均为105亿元，52周内最高/最低价为16.43/7.94元，资产负债率54.5%，市盈率114.45，第一大股东是正海集团有限公司 [3] 个股表现 - 2024年5月至2025年5月，正海磁材股价呈上升趋势，从-22%涨至58% [2] 业绩情况 - 2024年公司实现营业收入55.39亿元，同比-5.70%；归母净利润/扣非归母净利润0.92/0.60亿元，同比-79.37%/-84.37%；2025年Q1实现营收/归母净利润/扣非归母净利润14.59/0.69/0.63亿元，同比+24.38%/-10.94%/-5.92% [4] 业绩下滑原因 - 高性能钕铁硼永磁材料行业竞争激烈，产品价格承压，毛利率同比下降；对新能源汽车电机驱动业务进行经营优化及业务收缩，产生优化收缩成本；对存货等资产计提减值 [5][16] 分业务情况 - 2024年钕铁硼永磁材料营收/毛利达到54.94/7.79亿元，同比-4.79%/-24.60%，毛利率为14.18%，较2023年下滑3.73pct；新能源汽车电机驱动系统业务营收下滑56.05%，毛利由正转负，为-0.29亿元 [5][17] 永磁材料产销量 - 公司拥有高性能钕铁硼永磁材料产能3万吨，烟台基地18000吨，产能利用率84%，南通基地12000吨，24年产量同比增长超150%，产能利用率达62%；24年节能和新能源汽车市场出货量同比增长25%，家电行业出货量同比增长28%，智能消费电子领域出货量同比增长100% [6][19] 产品技术 - 公司开发“无重稀土磁体”等系列产品，依靠“正海无氧工艺”和“晶粒优化技术”迭代升级，通过ML和AI等工具优化配方，提高无重稀土产品性能；无重稀土磁体产量同比增长50%，超轻稀土磁体出货量持续增长，晶粒优化技术（TOPS）相关产品覆盖率达97%，扩散技术(THRED)相关产品覆盖率超80% [7][19] 市场布局 - 公司已在德国、法国、日本、韩国、美国、马来西亚设立营销服务基地，初步形成辐射全球重点市场的销售网络 [22] 盈利预测和财务指标 - 预计2025/2026/2027年实现营业收入63.82/71.41/78.72亿元，分别同比变化15.21%/11.90%/10.24%；归母净利润分别为3.27/3.93/4.91亿元，分别同比增长253.98%/20.27%/24.94%，对应EPS分别为0.39/0.47/0.59元；2025 - 2027年对应PE分别为31.83/26.47/21.18倍 [8][10]

以下文章来源于极客公园 ，作者Moonshot 极客公园 . 用极客视角，追踪你最不可错过的科技圈。欢迎同步关注极客公园视频号 一向在意公众形象的苹果，因为AI拉跨，这次被扒干净了。 文 ｜ Moonshot 编辑 ｜ 靖宇 来源｜ 极客公园（ID：geekpark） 封面来源 ｜ Unsplash 最大的巨头，在最热的潮流面前，好似隐身了。 去年6月WWDC上，苹果慢吞地发布了Apple Intelligence，可如今快一年过去，对大部分用户来说，Apple Intelligence依旧只闻其声、不见其形。 全世界都看到苹果的AI做不好了，但没人知道到底发生了什么。 知名苹果分析师Mark Gurman刚刚在外媒发出一篇长文，题为《Why Apple Still Hasn』t Cracked AI》（为何苹果仍未攻克人工智能），揭露了苹果内部对 AI态度的摇摆，内部的斗争和难以克服的技术瓶颈。 值得注意的是，Gurman用的是「Still hasn』t（仍未）」，这词就已经给苹果的现状定了调。 本文将通过重组原文以呈现苹果在AI领域的历史、现状、问题根源及未来挑战，剖析苹果为何在AI赛道上步履维艰，让AI ...